KR20230086086A - Apparatus for generating land-cover data based on observation images from satellite, and method thereof - Google Patents
Apparatus for generating land-cover data based on observation images from satellite, and method thereof Download PDFInfo
- Publication number
- KR20230086086A KR20230086086A KR1020210174395A KR20210174395A KR20230086086A KR 20230086086 A KR20230086086 A KR 20230086086A KR 1020210174395 A KR1020210174395 A KR 1020210174395A KR 20210174395 A KR20210174395 A KR 20210174395A KR 20230086086 A KR20230086086 A KR 20230086086A
- Authority
- KR
- South Korea
- Prior art keywords
- land cover
- grid
- grid cell
- data
- area
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011676 menaquinone-4 Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
Description
본 발명은 토지피복 데이터 생성 시스템 및 방법에 관한 것으로, 더욱 상세하게는, 위성 관측영상을 기초로 토지피복 데이터를 생성하는 장치 및 그 방법에 관한 것이다. The present invention relates to a system and method for generating land cover data, and more particularly, to an apparatus and method for generating land cover data based on satellite observation images.
위성 관측 데이터는 구름, 바람과 같은 대기현상 뿐 아니라 에너지 흐름, 수문인자, 토양수분, 식생 등 지면과 연관된 분석 등 다양한 분야에서 활용되고 있다. 이러한 위성 데이터의 응용 중 하나로서, 위성이 촬영한 영상을 이용하여 지표면의 상태를 표현한 토지피복 데이터를 생성할 수 있다. Satellite observation data are used in various fields such as atmospheric phenomena such as clouds and wind, as well as ground-related analysis such as energy flow, hydrologic factors, soil moisture, and vegetation. As one of the applications of such satellite data, land cover data expressing the state of the ground surface can be generated using images captured by the satellite.
토지피복분류는 나지, 농업지역, 산림지역, 초지, 습지 등과 같은 지표면의 물리적 상황을 분류한 것으로, 토지피복지도는 홍수를 비롯한 자연재해 발생 가능 지역 평가, 시설물 입지 분석, 도시계획, 기후대기 예측 모델링, 환경영향 평가 등 다양한 용도로 활용되고 있다.Land cover classification is a classification of the physical conditions of the land surface, such as bare land, agricultural areas, forest areas, grasslands, and wetlands. It is used for various purposes such as modeling and environmental impact assessment.
이와 같이 위성 관측영상에 기반한 토지피복도의 데이터 구조로서, 공간범위를 균등한 크기의 격자 셀(cell)로 분할하여 표현하는 격자(raster) 포맷이 많이 적용되고 있다. 이러한 격자 포맷은 각 격자 셀에 하나의 값이 저장된다. 예컨대, 격자 셀에 대응하는 영역이 농업지역이라면, 농업지역에 해당하는 분류 코드가 격자 셀 값으로 저장된다. As such, as a data structure of a land cover map based on a satellite observation image, a raster format in which a spatial range is divided into equally sized grid cells and expressed is widely applied. In this grid format, one value is stored in each grid cell. For example, if an area corresponding to a grid cell is an agricultural area, a classification code corresponding to the agricultural area is stored as a grid cell value.
종래기술에 따르면, 하나의 격자 셀에 대응하는 영역이 하나의 토지 피복 분류에만 해당하는 경우 문제되지 않으나, 하나의 격자 셀에 2개 이상의 분류 지역이 혼재하는 경우 격자 셀 값으로 하나의 값만 입력 가능하므로 위 복수의 분류 중 가장 큰 비율을 가지는 분류를 선택하여 격자 셀 값으로 저장하고 있다. According to the prior art, it is not a problem if the area corresponding to one grid cell corresponds to only one land cover classification, but only one value can be entered as the grid cell value when two or more classification areas are mixed in one grid cell. Therefore, among the plurality of classifications above, the classification having the largest ratio is selected and stored as a grid cell value.
이와 같이, 종래기술에 의하면, 하나의 격자 셀에 복수의 분류 지역이 혼재하는 상황을 표현하지 못하기 때문에, 실제 토지피복과 차이가 존재하며 이로 인하여 토지피복도를 기초로 홍수분석 등을 수행할 때 정확도가 떨어지는 문제점이 존재한다. In this way, according to the prior art, since a situation in which a plurality of classification areas coexist in one grid cell cannot be expressed, there is a difference from the actual land cover, and for this reason, when performing flood analysis based on the land cover map There is a problem of poor accuracy.
위와 같은 문제점을 해결하기 위하여 박스 폴리곤(box polygon)을 가지는 벡터 포맷의 데이터를 적용하여 속성(attribute) 정보로서 입력하거나, 또는 각 토지 피복에 대응하는 격자를 별도로 구축하는 방법을 생각해 볼 수 있으나, 데이터 용량이 크게 증가하기 때문에 효율성이 떨어진다. In order to solve the above problem, it is possible to consider a method of applying vector format data having box polygons and inputting it as attribute information, or separately constructing a grid corresponding to each land cover. Efficiency is reduced because the data volume increases significantly.
이에, 데이터 용량을 증가시키지 않으면서도 하나의 격자 셀에 복수의 토지피복 분류 지역이 혼재하는 상황을 나타낼 수 있는 토지피복 데이터의 생성 방법이 요구된다. Accordingly, there is a need for a method of generating land cover data capable of representing a situation in which a plurality of land cover classification regions coexist in one grid cell without increasing data capacity.
본 발명은 상기한 바와 같은 문제점을 해결하기 위하여 안출된 것으로, 데이터 용량을 증가시키지 않으면서도 하나의 격자 셀에 복수의 토지피복 분류 지역이 혼재하는 상황을 나타낼 수 있는 토지피복 데이터의 생성 장치 및 그 방법을 제공하는데 목적이 있다. The present invention has been made to solve the above problems, and a land cover data generating device capable of representing a situation in which a plurality of land cover classification areas coexist in one grid cell without increasing data capacity, and the same The purpose is to provide a method.
상기한 목적은 본 발명의 일 양태에 따른 각 단계가 토지피복 데이터를 생성하는 토지피복 데이터 생성 장치에 의하여 수행되는 토지피복 데이터 생성 방법에 있어서, 토지피복 분석 지역을 촬영한 위성 관측영상을 수신하는 단계; 상기 토지피복 분석 지역을 복수의 격자 셀 단위로 구분한 격자 데이터를 생성하는 단계; 상기 위성 관측영상을 기초로 각 격자 셀에 대응하는 영역의 하나 이상의 토지 피복 유형을 산출하는 단계; 상기 토지 피복 유형마다 할당된 분류 코드와 상기 하나 이상의 토지 피복 유형을 기초로 상기 각 격자 셀마다 하나의 격자 셀 값을 각각 산출하는 단계; 및 산출된 상기 격자 셀 값을 저장하는 단계를 포함하는 것을 특징으로 하는 토지피복 데이터 생성 방법에 의하여 달성될 수 있다. The above object is a land cover data generation method in which each step according to an aspect of the present invention is performed by a land cover data generation device for generating land cover data, receiving a satellite observation image of a land cover analysis area step; generating grid data in which the land cover analysis area is divided into a plurality of grid cells; Calculating at least one land cover type of an area corresponding to each grid cell based on the satellite observation image; calculating one grid cell value for each grid cell based on the classification code assigned to each land cover type and the at least one land cover type; and storing the calculated grid cell values.
이때, 상기 각 격자 셀마다 하나의 격자 셀 값을 각각 산출하는 단계에서, 상기 격자 셀 값은 상기 격자 셀의 상기 토지 피복 유형에 대응하는 상기 분류 코드의 합으로 산출될 수 있다. At this time, in the step of calculating one grid cell value for each grid cell, the grid cell value may be calculated as a sum of the classification codes corresponding to the land cover type of the grid cell.
또한, 상기 분류 코드는, V_code = 2n 으로 결정될 수 있다. (여기서, V_code는 분류 코드이고, n은 0 이상의 정수임)Also, the classification code may be determined as V_code = 2 n . (Where V_code is a classification code, and n is an integer greater than or equal to 0)
한편, 미리 결정된 단위 지역에 포함되는 복수의 상기 격자 셀의 격자 셀 값을 기초로 상기 단위 지역별 토지 피복 상태에 관한 데이터 테이블을 생성하는 단계를 더 포함할 수도 있다. Meanwhile, the method may further include generating a data table related to the state of land cover for each unit area based on the grid cell values of the plurality of grid cells included in the predetermined unit area.
여기서, 상기 데이터 테이블은, 상기 각 단위 지역의 토지 피복 유형별 격자 셀의 개수 데이터를 포함할 수 있다. Here, the data table may include data on the number of grid cells for each land cover type of each unit area.
아울러, 상기 데이터 테이블을 생성하는 단계는, 상기 단위 지역에 포함되는 복수의 상기 격자 셀을 추출하는 단계; 추출된 상기 격자 셀의 격자 셀 값을 기초로 상기 격자 셀의 하나 이상의 토지 피복 유형을 도출하는 단계; 상기 단위 지역의 토지 피복 유형별 격자 셀의 개수를 카운팅하는 단계; 및 상기 토지 피복 유형별 격자 셀의 개수를 기초로 토지 피복 유형별 면적을 산출하는 단계를 포함할 수 있다. In addition, the generating of the data table may include extracting a plurality of grid cells included in the unit area; deriving one or more land cover types of the grid cells based on the extracted grid cell values of the grid cells; counting the number of grid cells for each land cover type of the unit area; and calculating an area for each land cover type based on the number of grid cells for each land cover type.
또한, 상기한 목적은 본 발명의 또 다른 양태로서, 토지피복 분석 지역을 촬영한 위성 관측영상을 수신하는 통신부; 상기 토지피복 분석 지역을 복수의 격자 셀 단위로 구분한 격자 데이터를 생성하는 격자생성부; 상기 위성 관측영상을 기초로 각 격자 셀에 대응하는 영역의 하나 이상의 토지 피복 유형을 산출하는 피복유형 산출부; 상기 토지 피복 유형마다 할당된 분류 코드를 저장하는 메모리부; 상기 분류 코드와 상기 하나 이상의 토지 피복 유형을 기초로 상기 각 격자 셀마다 하나의 격자 셀 값을 각각 산출하는 격자셀값 산출부를 포함하는 것을 특징으로 하는 토지피복 데이터 생성 장치에 의하여 달성될 수도 있다. In addition, the above object is another aspect of the present invention, a communication unit for receiving a satellite observation image captured land cover analysis area; a grid generator for generating grid data in which the land cover analysis area is divided into a plurality of grid cells; a cover type calculation unit calculating at least one land cover type of an area corresponding to each grid cell based on the satellite observation image; a memory unit for storing a classification code assigned to each land cover type; and a grid cell value calculator for calculating one grid cell value for each grid cell based on the classification code and the one or more land cover types.
이상에서 설명된 바와 같이, 본 발명에 따르면, 데이터의 용량을 증가시키지 않으면서도 하나의 격자 셀에 복수의 토지피복 분류 지역이 혼재하는 상황을 표현할 수 있다. 이를 통하여, 실제 토지피복에 맞는 데이터를 생성할 수 있어 토지피복 데이터에 기반한 각종 분석의 정확도를 효과적으로 향상시킬 수 있다. As described above, according to the present invention, it is possible to express a situation in which a plurality of land cover classification regions coexist in one grid cell without increasing data capacity. Through this, it is possible to generate data suitable for actual land cover, thereby effectively improving the accuracy of various analyzes based on land cover data.
도 1은 본 발명의 실시예에 따른 토지피복 데이터 생성 장치의 구성을 나타낸 블록도;
도 2는 본 발명의 실시예에 따른 피복유형 산출부에 의하여 산출된 토지 피복 유형의 일 예;
도 3은 본 발명의 실시예에 따른 토지 피복 유형별 분류 코드의 예;
도 4는 본 발명의 실시예에 따른 격자셀값 산출부를 통하여 격자 셀 값이 산출되는 방법을 설명하기 위한 참고도;
도 5는 본 발명의 실시예에 따른 테이블 생성부에 의하여 생성된 데이터 테이블의 일 예;
도 6은 본 발명의 실시예에 따른 토지피복 데이터 생성 방법을 나타낸 흐름도; 및
도 7은 본 발명의 실시예에 따라 격자 데이터를 기초로 데이터 테이블을 생성하는 방법을 나타낸 흐름도이다. 1 is a block diagram showing the configuration of a land cover data generation device according to an embodiment of the present invention;
2 is an example of a land cover type calculated by a cover type calculation unit according to an embodiment of the present invention;
3 is an example of a classification code for each land cover type according to an embodiment of the present invention;
4 is a reference diagram for explaining a method of calculating grid cell values through a grid cell value calculation unit according to an embodiment of the present invention;
5 is an example of a data table generated by a table generating unit according to an embodiment of the present invention;
6 is a flowchart illustrating a method of generating land cover data according to an embodiment of the present invention; and
7 is a flowchart illustrating a method of generating a data table based on grid data according to an embodiment of the present invention.
이하, 도면을 참조하여 본 발명의 구체적인 실시예들에 대하여 설명하기로 한다. 다만 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.Hereinafter, specific embodiments of the present invention will be described with reference to the drawings. However, detailed descriptions of well-known functions or configurations that may obscure the subject matter of the present invention will be omitted in the following description and accompanying drawings. In addition, it should be noted that the same components are indicated by the same reference numerals throughout the drawings as much as possible.
도 1은 본 발명의 실시예에 따른 토지피복 데이터 생성 장치(이하, '데이터 생성 장치')의 구성을 나타낸 블록도이다. 도 1을 참조하면, 본 발명의 실시예에 따른 데이터 생성 장치(100)는 통신부(10), 사용자 인터페이스부(20), 메모리부(30), 및 프로세서(40)를 포함한다. 1 is a block diagram showing the configuration of a land cover data generating device (hereinafter, 'data generating device') according to an embodiment of the present invention. Referring to FIG. 1 , a
통신부(10)는 이더넷, WI-FI, LTE, 5G 등의 각종 유무선 네트워크를 통하여 유관기관 서버 또는 시스템(미도시)으로부터 토지피복 분석 지역을 촬영한 위성 관측영상을 수신한다. 토지피복 분석 지역은, 토지피복을 분석할 대상 지역을 의미한다. 위성관측 영상은 센서를 탑재하고 우주공간에서 지구를 관측하는 원격탐사 위성에서 촬영된 영상으로서, Landsat, MK-4, SPOT, IKNOS 등과 같은 위성으로부터 촬영된 전정색 영상과 다중분광 영상을 포함한다. The
사용자 인터페이스부(20)는 데이터 생성 장치(100)가 토지 피복 데이터를 생성하는 과정에서 사용자로부터 필요한 정보를 입력받고, 각종 처리 결과를 디스플레이하는 것으로, 마우스, 키보드, 버튼, 키패드 등의 정보 입력을 위한 입력장치, 및 입력 환경을 제공하기 위한 GUI(Graphic User Interface)와 분석 결과 등을 비롯하여 각종 영상 및 정보를 표시하는 LCD, LED, QLED 등의 디스플레이 장치를 포함하여 구현될 수 있다. The
메모리부(30)는 RAM, ROM, EEPROM, 플래시 메모리 등의 메모리 소자로 구현되어, 데이터 생성 장치(100)의 다양한 운영체제(OS), 미들웨어, 플랫폼, 통신부(10)를 통하여 수신된 위성 관측영상, 및 수신된 위성 관측영상 기반으로 토지피복 데이터를 생성하기 위한 프로그램 코드, 및 각종 어플리케이션, 토지 피복 유형마다 할당된 분류 코드 등을 저장할 수 있다.The
프로세서(40)는 통신부(10)를 통하여 수신된 위성관측 영상을 처리하여 토지피복 분석 지역에 대한 토지피복 데이터를 생성한다. The
도 1을 참조하면, 프로세서(40)는 격자생성부(41), 피복유형 산출부(43), 격자셀값 산출부(45), 및 테이블 생성부(47)를 포함한다. Referring to FIG. 1 , the
격자생성부(41)는 토지피복 분석 지역을 복수의 격자 셀 단위로 구분한 격자 데이터를 생성한다. 참고로, 격자(raster) 데이터는 공간을 균등한 격자 셀들로 분할한 데이터 구조로서, GIS 분야에서 널리 활용되고 있다. 격자 데이터를 구성하는 각 격자 셀에는 하나의 격자 셀 값이 저장된다. The
후술되는 바와 같이, 격자생성부(41)를 통하여 생성된 격자 데이터에는 각 격자 셀에 대응되는 영역의 토지 피복 유형에 관한 값이 격자 셀 값으로 저장된다. As will be described later, in the grid data generated through the
피복유형 산출부(43)는 위성 관측영상을 기초로 격자 데이터의 각 격자 셀에 대응하는 영역의 하나 이상의 토지 피복 유형을 산출한다. 여기서, 토지 피복 유형은, 시가화·건조지역, 농업지역, 산림지역, 초지, 습지(수변식생), 나지, 수역 등이 될 수 있다. 참고로, 이는 토지 피복 유형의 예로서, 위 7개의 분류 외 다른 유형으로 분류될 수도 있음은 물론이다. The cover
피복유형 산출부(43)는 위성 관측영상에서 격자 데이터의 각 격자 셀에 대응하는 영역을 구성하는 픽셀들의 밴드별 픽셀값을 이용하여 토지 피복 유형을 산출한다. 토지 피복 유형은 단일 유형으로 산출될 수도 있으나, 격자 셀에 대응하는 영역이 둘 이상의 토지 피복 유형을 가질 수도 있다. The cover
도 2는 본 발명의 실시예에 따른 피복유형 산출부(43)에 의하여 산출된 토지 피복 유형의 일 예로서, 토지피복 분석 지역이 3행 3열로서 총 9개의 격자 셀(c1~c9)로 구성된다고 가정할 때, 각 격자 셀에 대응하는 영역에 대하여 산출된 토지 피복 유형의 예를 보여준다. 2 is an example of the land cover type calculated by the cover
도 2를 참조하면, 격자 셀 c1, c2, c4 및 c9의 영역은 각각 단일 토지 피복 유형으로 분류되지만, 나머지 격자 셀의 영역은 모두 둘 이상의 토지 피복 유형으로 분류된 것을 확인할 수 있다. 이는 둘 이상의 토지 피복 유형이 혼재된 영역으로서, 예컨대, 격자 셀 c3에 대응하는 영역에는 농업지역과 습지에 해당하는 토지가 혼재되어 있다는 것을 나타낸다. Referring to FIG. 2 , it can be seen that the regions of grid cells c1, c2, c4, and c9 are each classified as a single land cover type, but the regions of the remaining grid cells are all classified as two or more land cover types. This is an area in which two or more land cover types are mixed, and indicates that, for example, the area corresponding to grid cell c3 is mixed with land corresponding to an agricultural area and a wetland.
피복유형 산출부(43)는 예컨대, 위성 관측영상의 픽셀값을 기초로 분광패턴을 인식하여 토지 피복 유형을 분류하는 방법, 주변 픽셀들과의 픽셀값 관련성을 기초로 공간 패턴을 인식하여 분류하는 방법 등 공지된 다양한 픽셀 기반 분류 방법에 의하여 각 격자 셀에 대응하는 영역의 토지 피복 유형을 분류할 수 있다. The cover
한편, 토지 피복 유형이 라벨링된 다수의 위성 관측영상을 학습 데이터로 적용하는 지도학습 또는 비지도 학습을 통하여, 주어진 입력 영상에 대하여 토지 피복 유형을 출력하도록 학습된 기계 학습 모델을 기초로 토지 피복 유형을 분류할 수도 있다. 기계학습 수행에는 예컨대, SVM(Support Vector Machine), k-최근접 이웃(k-Nearest Neighbour), 랜덤 포레스트(Random Forest), 의사결정나무(Decision Tree), CNN(Convolutional Neural Network) 등의 인공신경망 모델을 적용할 수 있다. On the other hand, through supervised learning or unsupervised learning that applies a plurality of satellite observation images labeled with land cover types as learning data, land cover type based on a machine learning model trained to output land cover type for a given input image. can also be classified. Machine learning performance includes, for example, artificial neural networks such as SVM (Support Vector Machine), k-Nearest Neighbor, Random Forest, Decision Tree, and Convolutional Neural Network (CNN). model can be applied.
이처럼, 피복유형 산출부(43)는 위성 관측영상을 기반으로 토지 피복 유형을 분류하는 공지된 다양한 방법에 의하여 격자 데이터를 구성하는 각 격자 셀에 대응하는 영역의 하나 이상의 토지 피복 유형을 산출할 수 있다. As such, the cover
격자셀값 산출부(45)는 피복유형 산출부(43)를 통하여 산출된 하나 이상의 토지 피복 유형과 메모리부(30)에 저장된 토지 피복 유형마다 사전에 할당된 분류 코드를 기초로 격자 데이터의 각 격자 셀에 대한 격자 셀 값을 산출한다. 이때, 하나의 격자 셀마다 하나의 격자 셀 값이 산출된다. The grid
도 3은 본 발명의 실시예에 따른 토지 피복 유형별 분류 코드의 예로서, 토지 피복 유형이 시가화·건조지역, 농업지역, 산림지역, 초지, 습지(수변식생), 나지, 수역으로 7개로 구분될 때, 각 유형별로 할당된 분류 코드를 보여준다. 3 is an example of a classification code for each land cover type according to an embodiment of the present invention, and the land cover type is divided into seven categories: urbanized/dry areas, agricultural areas, forest areas, grasslands, wetlands (waterside vegetation), bare land, and water areas. When it is, it shows the classification code assigned to each type.
도 3을 참조하면, 시가화·건조지역에는 1(20 = 1), 농업지역은 2(21 = 2), 삼림지역은 4(22 = 4), 초지는 8(23 = 8), 습지는 16(24 = 16), 나지는 32(25 = 32), 수역은 64(26 = 64)으로 각각 결정된 것을 보여준다.Referring to Figure 3, 1 (2 0 = 1) in the urbanized and dry area, 2 (2 1 = 2) in the agricultural area, 4 (2 2 = 4) in the forest area, 8 (2 3 = 8) in the grassland area ), 16 (2 4 = 16) for wetlands, 32 (2 5 = 32) for wetlands, and 64 (2 6 = 64) for water areas.
이처럼, 토지 피복 유형 분류 코드 V_code는, 2의 거듭제곱 수로 부여된다.In this way, the land cover type classification code V_code is given as a power of 2 number.
즉, V_code = 2n 에 따라 결정될 수 있다. 여기서, n은 0,1,2,3... 과 같이, 0 이상의 정수이다. That is, it may be determined according to V_code = 2 n . Here, n is an integer greater than or equal to 0, such as 0,1,2,3....
이에 따르면, 도 3의 예에서는 7개의 분류 코드로서 64까지 할당된 것을 보여주나, 8번째는 128(27 = 128), 9번째는 256(28 = 256) 등으로 2의 거듭제곱에 해당하는 수로 분류 코드가 할당될 수 있다. According to this, the example of FIG. 3 shows that up to 64 are allocated as 7 classification codes, but the 8th is 128 (2 7 = 128), the 9th is 256 (2 8 = 256), etc., corresponding to powers of 2. Classification codes can be assigned to a number of
격자셀값 산출부(45)는 피복유형 산출부(43)를 통하여 산출된 하나 이상의 토지 피복 유형에 대응하는 분류 코드의 합으로서 격자 셀 값을 산출한다. The grid
도 4는 본 발명의 실시예에 따른 격자셀값 산출부(45)를 통하여 격자 셀 값이 산출되는 방법을 설명하기 위한 참고도이다. 4 is a reference diagram for explaining a method of calculating grid cell values through the grid
도 4의 (a)는 피복 유형 산출부(43)를 통하여 산출된 각 격자 셀에 대응하는 영역의 하나 이상의 토지 피복 유형이 도출된 예를 보여주고, 도 4의 (b)는 격자셀값 산출부(45)가 토지 피복 유형에 따라 격자 셀 값을 산출한 예를 보여준다. 참고로, 토지 피복 유형 분류 코드는 도 3과 같이 할당된 것을 상정한다. 4(a) shows an example in which one or more land cover types of an area corresponding to each grid cell calculated through the cover
도 4를 참조하면, 농업지역과 습지 유형이 혼재하고 있는 격자 셀 c3의 격자 셀 값은, 농림지역의 분류 코드인 2와 습지의 분류 코드인 16의 합인 18로 산출된다. 또한, 산림지역, 수역이 혼재하는 격자 셀 c6의 격자 셀 값은 산림지역의 분류 코드 4, 수역의 분류 코드 64의 합인 68로 산출된 것을 확인할 수 있다. Referring to FIG. 4 , the grid cell value of grid cell c3 in which agricultural areas and wetland types coexist is calculated as 18, which is the sum of 2, which is the classification code of agricultural and forestry areas, and 16, which is the classification code of wetlands. In addition, it can be confirmed that the grid cell value of grid cell c6 in which the forest area and the water area coexist is calculated as 68, which is the sum of the
이처럼, 격자셀값 산출부(45)는 각 격자 셀의 하나 이상의 토지 피복 유형의 분류 코드를 더하여 해당 격자 셀의 격자 셀 값으로 산출하며, 산출된 각각의 격자 셀 값은 각 격자 셀에 대응되어 격자 데이터로서 저장된다. In this way, the grid cell
이와 같이, 각 토지 피복 유형마다 2의 거듭제곱 수를 따르는 분류 코드를 부여하고, 이들의 합으로서 격자 셀 값이 저장되면, 하나의 격자 셀 값으로 하나의 격자 셀에 복수의 토지피복 분류 지역이 혼재하는 상황을 나타낼 수 있다. In this way, if a classification code according to a power of 2 is assigned to each land cover type, and a grid cell value is stored as the sum of these, a plurality of land cover classification areas in one grid cell with one grid cell value It can represent a mixed situation.
즉, 격자 셀 값을 통하여 격자 셀이 어떤 토지 피복 유형들을 포함하는지 파악할 수 있다. 예컨대, 격자 셀 값이 3이면, 1과 2로 분리할 수 있으므로, 해당 격자 셀에 시가화·건조지역과 농업지역이 혼재함으로 파악할 수 있다. 이처럼, 격자 셀 값을 산출하는 것과 역 방향으로 각 격자 셀의 하나 이상의 토지 피복 유형을 쉽게 파악할 수 있게 된다. That is, it is possible to determine which land cover types the grid cell includes through the grid cell value. For example, if the grid cell value is 3, it can be divided into 1 and 2, so it can be understood that the grid cell contains urban/dry regions and agricultural regions. In this way, one or more land cover types for each grid cell can be readily identified in the reverse direction of calculating grid cell values.
이어서, 테이블 생성부(47)는 미리 결정된 단위 지역을 구성하는 복수의 격자 셀들의 격자 셀값들을 기초로 단위 지역별 토지 피복 상태에 관한 데이터 테이블을 생성한다. 여기서, 단위 지역은 토지 피복을 분석할 때 격자 셀 값들이 집계되는 기준이 되는 지역 단위로서, 예컨대, 시, 도, 군, 읍, 면, 동 등의 행정 구역, 또는 한강 대권역, 낙동강 대권역, 금호강 중권역, 태화강 중권역 등의 유역이 적용될 수 있다. 이는 단위 지역의 일 예시로서 하나 이상의 격자 셀들이 결합된 영역으로서 단위 지역이 다양하게 결정될 수 있음은 물론이다. Subsequently, the
도 5는 본 발명의 실시예에 따른 테이블 생성부(47)에 의하여 생성된 데이터 테이블의 일 예이다. 참고로, 도 5의 테이블은 단위 지역으로서, 경기도의 양주시와 의정부시의 토지 피복 상태가 저장된 데이터 테이블을 보여준다.5 is an example of a data table generated by the
도 5를 참조하면, 데이터 테이블은 각 단위 지역에 대해서 각 토지 피복 유형에 대응되는 격자 셀의 개수와 해당 토지 피복 유형의 면적을 포함한다. 격자 셀의 면적은 격자 데이터의 해상도에 따라 결정되는 것으로, 여기서 면적은, 격자 셀 하나에 10km2인 경우를 가정한다. Referring to FIG. 5 , the data table includes the number of grid cells corresponding to each land cover type and the area of the corresponding land cover type for each unit area. The area of the lattice cell is determined according to the resolution of the lattice data, and it is assumed here that the area is 10 km 2 for one lattice cell.
예컨대, 2010년에 촬영된 위성 관측영상에 따를 때, 의정부시는 농업지역에 해당하는 격자 셀이 2.5개, 산림지역에 해당하는 격자 셀은 0.5개이고, 농업지역의 면적은 25km2 , 산림지역의 면적은 5km2 임을 나타낸다. 이에 따르면, 의정부시를 구성하는 격자 셀은 총 3개임을 알 수 있으며, 이 중 2.5개는 농업지역에 해당하는 토지로서 농업지역의 면적은 25km2(10km2 X 2.5)이고, 0.5개는 산림지역에 해당하는 토지로서 산림지역의 면적은 5km2 (10km2 X 0.5)임을 의미한다. For example, according to satellite observation images taken in 2010, Uijeongbu City has 2.5 grid cells corresponding to the agricultural area and 0.5 grid cells corresponding to the forest area, and the area of the agricultural area is 25 km 2 and the area of the forest area indicates that is 5 km 2 . According to this, it can be seen that there are a total of 3 grid cells constituting Uijeongbu City, 2.5 of which are land corresponding to agricultural areas, and the area of agricultural areas is 25km 2 (10km 2 X 2.5), and 0.5 are forest areas This means that the forest area is 5km 2 (10km 2 X 0.5).
또한, 2020년에 촬영된 위성 관측영상에 따를 때에는, 의정부시는 농업지역에 해당하는 격자 셀이 1.5개, 산림지역에 해당하는 격자 셀은 1.5개이고, 농업지역의 면적은 15km2 , 산림지역의 면적은 15km2 임을 나타낸다. 이를 2010년과 비교해 보면, 의정부시를 구성하는 격자 셀의 수는 3개로 동일하지만, 토지 피복은 농업지역이 2.5개에서 1.5개로 1개 감소하였고, 산림지역은 0.5개에서 1.5개로 1개 증가하였음을 파악할 수 있다. 이처럼, 데이터 테이블을 통해서 단위 지역별 특정 시점의 토지 피복 유형 및 면적 뿐 아니라, 시간에 따른 단위 지역의 토지 피복 변화를 쉽게 파악할 수 있다. In addition, according to satellite observation images taken in 2020, Uijeongbu City has 1.5 grid cells corresponding to the agricultural area and 1.5 grid cells corresponding to the forest area, and the area of the agricultural area is 15 km 2 and the area of the forest area indicates that is 15 km 2 . Comparing this with 2010, the number of grid cells constituting Uijeongbu remains the same at 3, but the agricultural area has decreased by 1 from 2.5 to 1.5, and the forest area has increased by 1 from 0.5 to 1.5. can figure it out In this way, through the data table, it is possible to easily grasp not only the type and area of land cover at a specific point in time for each unit area, but also the change in land cover of the unit area over time.
전술된 바와 같이, 데이터 테이블은 각 촬영시점, 및 각 단위 지역에 대해서 토지 피복 유형별 격자 셀의 개수와 면적을 포함할 수 있다. 여기서, 하나의 격자 셀이 단일 토지 피복 유형을 갖는 경우에는 해당 단일 토지 피복 유형의 격자 셀 개수는 1개로 카운팅되고, 만약 하나의 격자 셀이 둘 이상의 토지 피복 유형을 갖는 경우에는 각 토지 피복 유형의 격자 셀 개수는 1/n로 카운팅된다. 여기서, n은 해당 격자 셀이 가지는 토지 피복 유형의 개수이다. 즉, 예컨대 하나의 격자 셀에 2개의 토지 피복 유형, '산림지역'과 '농업지역'이 혼재하는 경우에는 산림지역 0.5개, 농업지역 0.5개로 카운팅된다. As described above, the data table may include the number and area of grid cells for each land cover type for each photographing time point and each unit area. Here, if one grid cell has a single land cover type, the number of grid cells of the single land cover type is counted as one, and if one grid cell has two or more land cover types, the number of grid cells of each land cover type is counted as one. The number of grid cells is counted as 1/n. Here, n is the number of land cover types the grid cell has. That is, for example, when two land cover types, 'forest area' and 'agricultural area' are mixed in one grid cell, it is counted as 0.5 forest area and 0.5 agricultural area.
데이터 테이블은 엑셀 파일(xls), 구글 스프레드 시트와 같은 스프레드 시트(spread sheet) 형태로 저장되거나 데이터베이스 파일(mdb 등), 또는 오라클과 같은 데이터베이스관리체계(DBMS)에 저장되어 사용자가 복잡한 데이터 처리를 거치지 않고도 분석에 편리하게 활용할 수 있도록 인벤토리화 할 수 있다.Data tables are saved in the form of spreadsheets such as Excel files (xls) and Google spreadsheets, database files (mdb, etc.), or database management systems (DBMS) such as Oracle, so that users can easily process complex data. It can be inventoried so that it can be conveniently used for analysis without going through it.
전술된 바와 같이 생성된 격자 데이터나 데이터 테이블은 사용자들이 이용하는 클라이언트 단말기의 요청에 따라 전송되어 서비스될 수 있다. Grid data or data tables generated as described above may be transmitted and serviced according to requests of client terminals used by users.
도 6은 본 발명의 실시예에 따른 토지피복 데이터 생성 방법을 나타낸 흐름도이다. 설명의 중복을 피하기 위하여, 위의 실시예를 통하여 설명된 내용은 생략하기로 한다. 6 is a flowchart illustrating a method of generating land cover data according to an embodiment of the present invention. In order to avoid duplication of description, the description through the above embodiment will be omitted.
데이터 생성 장치(100)가 유무선 네트워크를 통하여 유관기관 서버 또는 시스템(미도시)으로부터 토지피복 분석 지역을 촬영한 위성 관측영상을 수신한다(S10). The
이어서, 수신된 위성 관측영상을 기초로 분석대상 지역의 토지 피복 유형을 산출하고, 토지 피복 데이터를 생성하기 위한 절차가 후속된다.Subsequently, a procedure for calculating the land cover type of the area to be analyzed based on the received satellite observation image and generating land cover data is followed.
이를 위하여, 먼저, 토지피복 분석 지역을 복수의 격자 셀 단위로 구분한 격자 데이터를 생성한다(S20). 데이터 생성 장치(100)는 분석대상 지역의 전체 면적이나 분석 해상도를 고려하여 분석 지역을 복수의 행과 열의 격자 셀 단위로 구분한다. To this end, first, grid data in which the land cover analysis area is divided into a plurality of grid cells is generated (S20). The
이어서, 위성 관측영상을 기초로 각 격자 셀에 대응하는 영역의 하나 이상의 토지 피복 유형을 산출한다(S30). 피복 유형의 산출은 픽셀 기반 분류 방법, 입력된 영상에 대하여 토지 피복 유형을 출력하도록 학습된 기계 학습 모델 등 공지된 토지 피복 유형 분류 방법에 의할 수 있다. 이때, 하나의 격자 셀에는 단일 토지 피복 유형뿐 아니라, 둘 이상의 토지 피복 유형이 존재하는 것으로 산출될 수 있다. Subsequently, one or more land cover types of the area corresponding to each grid cell are calculated based on the satellite observation image (S30). The calculation of the cover type may be based on a known land cover type classification method, such as a pixel-based classification method and a machine learning model trained to output a land cover type with respect to an input image. At this time, it can be calculated that not only a single land cover type but also two or more land cover types exist in one grid cell.
이와 같이, 각 격자 셀에 대하여 하나 이상의 토지 피복 유형이 산출되면, 산출된 토지 피복 유형과 토지 피복 유형별 분류 코드를 기초로 격자 셀 값을 산출하고, 이를 격자 데이터에 저장한다(S40). 이때, 전술된 바와 같이, 토지 피복 유형별 분류 코드는 2n (n = 0,1,2,3...)을 적용할 수 있으며, 격자 셀 값은 해당 격자 셀의 토지 피복 유형에 대응하는 분류 코드의 합으로 산출될 수 있다. 이와 같이 함으로써, 하나의 격자 셀 값만으로도 하나의 격자 셀에 복수의 토지피복 분류 지역이 혼재하는 상황을 나타낼 수 있게 된다. In this way, if one or more land cover types are calculated for each grid cell, a grid cell value is calculated based on the calculated land cover type and a classification code for each land cover type, and stored in grid data (S40). At this time, as described above, 2 n (n = 0,1,2,3...) can be applied as the classification code for each land cover type, and the grid cell value is the classification corresponding to the land cover type of the grid cell. It can be calculated as a sum of codes. By doing this, it is possible to represent a situation in which a plurality of land cover classification regions coexist in one grid cell using only one grid cell value.
한편, 격자 셀은 영역을 일정한 크기로 구분한 것이고, 토지 피복의 분석은 행정 구역 등 여러 지역 단위로 이루어지는 경우가 많다. 따라서, 전술된 단계를 통하여 구축된 격자 데이터는 분석의 편의성을 위하여 소정의 단위 지역에 따라 격자 셀 값이 집계되어 단위 지역별 토지 피복 상태를 나타내는 데이터 테이블 형태로서 생성될 수 있다(S50). On the other hand, a grid cell divides an area into a certain size, and land cover analysis is often performed in several regional units such as administrative districts. Therefore, the grid data constructed through the above-described steps may be generated in the form of a data table representing land cover conditions by unit region by aggregating grid cell values according to predetermined unit regions for convenience of analysis (S50).
전술된 각 단계는 필요에 따라 일부 단계가 생략되거나 새로운 단계가 추가될 수도 있다. 예컨대, 위성 관측영상을 기초로 각 격자 셀의 토지 피복 유형을 산출하기 전에 기준 좌표계에 맞춰 위성 관측영상에 대하여 좌표변환을 수행하는 단계, 영상의 색상 보정을 수행하는 단계 등의 전처리 단계가 추가될 수 있을 것이다. In each of the steps described above, some steps may be omitted or new steps may be added as needed. For example, before calculating the land cover type of each grid cell based on the satellite observation image, a preprocessing step such as performing coordinate transformation on the satellite observation image according to the reference coordinate system and color correction of the image may be added. You will be able to.
도 7은 본 발명의 실시예에 따라 격자 데이터를 기초로 데이터 테이블을 생성하는 방법을 나타낸 흐름도이다. 7 is a flowchart illustrating a method of generating a data table based on grid data according to an embodiment of the present invention.
도 7을 참조하면, 격자 데이터에서 소정의 단위 지역에 포함되는 복수의 격자 셀을 추출한다(S51). 각 지역의 경계의 위치 좌표와 격자 셀의 위치 좌표를 기초로 해당 지역에 포함되는 격자 셀들을 추출할 수 있다. 각 지역은 최소 하나 이상의 격자 셀들로 구성될 수 있다. Referring to FIG. 7, a plurality of grid cells included in a predetermined unit area are extracted from grid data (S51). Grid cells included in the corresponding region may be extracted based on the positional coordinates of the boundary of each region and the positional coordinates of the lattice cells. Each region may consist of at least one grid cell.
각 지역을 구성하는 격자 셀의 격자 셀 값들을 기초로 각 격자 셀의 하나 이상의 토지 피복 유형을 도출한다(S53). 이 단계는 도 6의 S40 단계의 역 프로세스에 해당한다. 즉, 토지 피복 유형 분류 코드의 합에 해당하는 격자 셀 값을 하나 이상의 분류 코드로 분해하여 각 격자 셀의 토지 피복 유형을 구한다. One or more land cover types of each grid cell are derived based on the grid cell values of the grid cells constituting each region (S53). This step corresponds to the reverse process of step S40 in FIG. 6 . That is, the land cover type of each grid cell is obtained by decomposing the grid cell value corresponding to the sum of the land cover type classification codes into one or more classification codes.
이어서, 각 지역에 대하여 토지 피복 유형별 격자 셀의 개수를 카운팅한다(S55). 이때, 하나의 격자 셀이 단일 토지 피복 유형을 갖는 경우에는 해당 단일 토지 피복 유형의 격자 셀 개수는 1개로 카운팅되고, 만약 하나의 격자 셀이 둘 이상의 토지 피복 유형을 갖는 경우에는 각 토지 피복 유형의 격자 셀 개수는 1/n로 카운팅됨은 전술된 바와 같다. Subsequently, the number of grid cells for each land cover type is counted for each region (S55). At this time, if one grid cell has a single land cover type, the number of grid cells of the single land cover type is counted as one, and if one grid cell has two or more land cover types, the number of grid cells of each land cover type is counted as one. As described above, the number of lattice cells is counted by 1/n.
이와 같이, 토지 피복 유형별 격자 셀의 개수가 카운팅되면, 격자 셀 개수를 기초로 단위 지역의 토지 피복 유형별 면적을 산출한다(S57). 토지 피복 유형별 면적은, 토지 피복 유형별 격자 셀의 개수에 하나의 격자 셀의 면적을 곱함으로써 산출할 수 있다.In this way, when the number of grid cells for each land cover type is counted, the area for each land cover type of the unit area is calculated based on the number of grid cells (S57). The area for each land cover type can be calculated by multiplying the number of grid cells for each land cover type by the area of one grid cell.
이와 같이, 토지 피복 데이터는 단위 지역별로 해당 지역을 구성하는 토지 피복 유형, 토지 피복 유형별 격자 셀 개수, 및 면적에 관한 데이터 항목을 포함한 데이터 테이블 형태로서, 엑셀, 스프레드 시트 등 사용자가 쉽게 접근할 수 있는 공지된 포맷으로 구축될 수 있다. In this way, the land cover data is in the form of a data table including data items on the land cover type constituting the corresponding area for each unit area, the number of grid cells for each land cover type, and the area, which can be easily accessed by users such as Excel and spreadsheets. It can be built in any known format.
생성된 데이터 테이블은 클라이언트 단말기의 요청에 따라 전송되어 토지 피복에 관한 데이터를 기초로 홍수를 비롯한 자연재해 발생 가능 지역 평가, 시설물 입지 분석, 도시계획, 기후대기 예측 모델링, 환경영향 평가 등의 분석에 활용할 수 있도록 한다. The generated data table is transmitted according to the request of the client terminal, and based on the land cover data, it is used for analysis such as flood and other natural disaster area assessment, facility location analysis, urban planning, climate and atmospheric prediction modeling, and environmental impact assessment. make it usable.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체 등이 포함될 수 있다.In the above, even though all components constituting the embodiment of the present invention have been described as being combined or operated as one, the present invention is not necessarily limited to these embodiments. That is, within the scope of the object of the present invention, all of the components may be selectively combined with one or more to operate. In addition, although all of the components may be implemented as a single independent piece of hardware, some or all of the components are selectively combined to perform some or all of the combined functions in one or a plurality of hardware. It may be implemented as a computer program having. Codes and code segments constituting the computer program may be easily inferred by a person skilled in the art. Such a computer program may implement an embodiment of the present invention by being stored in a computer readable storage medium, read and executed by a computer. A storage medium of a computer program may include a magnetic recording medium, an optical recording medium, and the like.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, terms such as "comprise", "comprise" or "having" described above mean that the corresponding component may be present unless otherwise stated, and thus exclude other components. It should be construed as being able to further include other components. All terms, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the art to which the present invention belongs, unless defined otherwise. Commonly used terms, such as terms defined in a dictionary, should be interpreted as being consistent with the contextual meaning of the related art, and unless explicitly defined in the present invention, they are not interpreted in an ideal or excessively formal meaning.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely an example of the technical idea of the present invention, and various modifications and variations can be made to those skilled in the art without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain, and the scope of the technical idea of the present invention is not limited by these embodiments. The protection scope of the present invention should be construed according to the claims below, and all technical ideas within the equivalent range should be construed as being included in the scope of the present invention.
100: 토지피복 데이터 생성 장치 10: 통신부
20: 사용자 인터페이스부 30: 메모리부
40: 프로세서 41: 격자생성부
43: 피복유형 산출부 45: 격자셀값 산출부
47: 테이블 생성부 100: land cover data generating device 10: communication department
20: user interface unit 30: memory unit
40: processor 41: grid generator
43: Cover type calculation unit 45: Grid cell value calculation unit
47: table creation unit
Claims (7)
토지피복 분석 지역을 촬영한 위성 관측영상을 수신하는 단계;
상기 토지피복 분석 지역을 복수의 격자 셀 단위로 구분한 격자 데이터를 생성하는 단계;
상기 위성 관측영상을 기초로 각 격자 셀에 대응하는 영역의 하나 이상의 토지 피복 유형을 산출하는 단계;
상기 토지 피복 유형마다 할당된 분류 코드와 상기 하나 이상의 토지 피복 유형을 기초로 상기 각 격자 셀마다 하나의 격자 셀 값을 각각 산출하는 단계; 및
산출된 상기 격자 셀 값을 저장하는 단계를 포함하는 것을 특징으로 하는 토지피복 데이터 생성 방법.
In the land cover data generation method in which each step is performed by a land cover data generating device for generating land cover data,
Receiving a satellite observation image of a land cover analysis area;
generating grid data in which the land cover analysis area is divided into a plurality of grid cells;
Calculating at least one land cover type of an area corresponding to each grid cell based on the satellite observation image;
calculating one grid cell value for each grid cell based on the classification code assigned to each land cover type and the at least one land cover type; and
The land cover data generation method comprising the step of storing the calculated grid cell values.
상기 각 격자 셀마다 하나의 격자 셀 값을 각각 산출하는 단계에서,
상기 격자 셀 값은 상기 격자 셀의 상기 토지 피복 유형에 대응하는 상기 분류 코드의 합으로 산출되는 것을 특징으로 하는 토지피복 데이터 생성 방법.
According to claim 1,
In the step of calculating one grid cell value for each grid cell,
Wherein the grid cell value is calculated as a sum of the classification codes corresponding to the land cover type of the grid cell.
상기 분류 코드는, 다음의 수로 결정되는 것을 특징으로 하는 토지피복 데이터 생성 방법.
V_code = 2n
(여기서, V_code는 분류 코드이고, n은 0 이상의 정수임)
According to claim 1,
The method of generating land cover data, characterized in that the classification code is determined by the following number.
V_code = 2n
(Where V_code is a classification code, and n is an integer greater than or equal to 0)
미리 결정된 단위 지역에 포함되는 복수의 상기 격자 셀의 격자 셀 값을 기초로 상기 단위 지역별 토지 피복 상태에 관한 데이터 테이블을 생성하는 단계를 더 포함하는 것을 특징으로 하는 토지피복 데이터 생성 방법.
According to claim 1,
The method of generating land cover data, characterized in that it further comprises the step of generating a data table about the land cover state for each unit area based on the grid cell values of the plurality of grid cells included in the predetermined unit area.
상기 데이터 테이블은, 상기 각 단위 지역의 토지 피복 유형별 격자 셀의 개수 데이터를 포함하는 것을 특징으로 하는 토지피복 데이터 생성 방법.
According to claim 4,
The method of generating land cover data, characterized in that the data table includes data on the number of grid cells for each land cover type of each unit area.
상기 데이터 테이블을 생성하는 단계는,
상기 단위 지역에 포함되는 복수의 상기 격자 셀을 추출하는 단계;
추출된 상기 격자 셀의 격자 셀 값을 기초로 상기 격자 셀의 하나 이상의 토지 피복 유형을 도출하는 단계;
상기 단위 지역의 토지 피복 유형별 격자 셀의 개수를 카운팅하는 단계; 및
상기 토지 피복 유형별 격자 셀의 개수를 기초로 토지 피복 유형별 면적을 산출하는 단계를 포함하는 것을 특징으로 하는 토지피복 데이터 생성 방법.
According to claim 4,
The step of creating the data table is,
extracting a plurality of grid cells included in the unit area;
deriving one or more land cover types of the grid cells based on the extracted grid cell values of the grid cells;
counting the number of grid cells for each land cover type of the unit area; and
Calculating an area for each land cover type based on the number of grid cells for each land cover type.
상기 토지피복 분석 지역을 복수의 격자 셀 단위로 구분한 격자 데이터를 생성하는 격자생성부;
상기 위성 관측영상을 기초로 각 격자 셀에 대응하는 영역의 하나 이상의 토지 피복 유형을 산출하는 피복유형 산출부;
상기 토지 피복 유형마다 할당된 분류 코드를 저장하는 메모리부;
상기 분류 코드와 상기 하나 이상의 토지 피복 유형을 기초로 상기 각 격자 셀마다 하나의 격자 셀 값을 각각 산출하는 격자셀값 산출부를 포함하는 것을 특징으로 하는 토지피복 데이터 생성 장치. a communication unit for receiving a satellite observation image of a land cover analysis area;
a grid generator for generating grid data in which the land cover analysis area is divided into a plurality of grid cells;
a cover type calculation unit for calculating at least one land cover type of an area corresponding to each grid cell based on the satellite observation image;
a memory unit for storing a classification code assigned to each land cover type;
and a grid cell value calculator for calculating one grid cell value for each grid cell based on the classification code and the one or more land cover types.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210174395A KR20230086086A (en) | 2021-12-08 | 2021-12-08 | Apparatus for generating land-cover data based on observation images from satellite, and method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210174395A KR20230086086A (en) | 2021-12-08 | 2021-12-08 | Apparatus for generating land-cover data based on observation images from satellite, and method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230086086A true KR20230086086A (en) | 2023-06-15 |
Family
ID=86763983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210174395A KR20230086086A (en) | 2021-12-08 | 2021-12-08 | Apparatus for generating land-cover data based on observation images from satellite, and method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230086086A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101407366B1 (en) | 2012-09-25 | 2014-06-19 | 건국대학교 산학협력단 | System for generating plant functional type database map using land cover and forest characteristics information |
-
2021
- 2021-12-08 KR KR1020210174395A patent/KR20230086086A/en not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101407366B1 (en) | 2012-09-25 | 2014-06-19 | 건국대학교 산학협력단 | System for generating plant functional type database map using land cover and forest characteristics information |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tingzon et al. | Mapping poverty in the Philippines using machine learning, satellite imagery, and crowd-sourced geospatial information | |
| Li et al. | A cellular automata downscaling based 1 km global land use datasets (2010–2100) | |
| Mubareka et al. | Development of a composite index of urban compactness for land use modelling applications | |
| Jalayer et al. | Modeling and predicting land use land cover spatiotemporal changes: A case study in chalus watershed, Iran | |
| Albert et al. | Modeling urbanization patterns with generative adversarial networks | |
| Su et al. | Simulation of a forest-grass ecological network in a typical desert oasis based on multiple scenes | |
| CN112700104B (en) | Earthquake region landslide susceptibility evaluation method based on multi-modal classification | |
| Noor et al. | Land cover change detection analysis on urban green area loss using GIS and remote sensing techniques | |
| Karydas | Optimization of multi-scale segmentation of satellite imagery using fractal geometry | |
| CN112528508A (en) | Electromagnetic visualization method and device | |
| CN111061897B (en) | Multi-scale automatic intercepting and classifying method suitable for high-resolution remote sensing image of power grid | |
| Zhang et al. | Transland: An adversarial transfer learning approach for migratable urban land usage classification using remote sensing | |
| Sun et al. | Synergistic use of optical and dual-polarized SAR data with multiple kernel learning for urban impervious surface mapping | |
| Triantakonstantis et al. | A spatially heterogeneous expert based (SHEB) urban growth model using model regionalization | |
| Liu et al. | Landslide susceptibility mapping with the fusion of multi-feature SVM model based FCM sampling strategy: A case study from Shaanxi Province | |
| KR20230086086A (en) | Apparatus for generating land-cover data based on observation images from satellite, and method thereof | |
| CN117151499A (en) | Monitoring and evaluating method and system for homeland space planning | |
| Değermenci | Spatio-temporal change analysis and prediction of land use and land cover changes using CA-ANN model | |
| Chakraborti et al. | Assessing dynamism of urban built-up growth and landuse change through spatial metrics: a study on Siliguri and its surroundings | |
| CN113344434B (en) | Transformer substation site selection method and system based on artificial intelligence and big data | |
| Sitanggang et al. | Burn area processing to generate false alarm data for hotspot prediction models | |
| Ramiya et al. | Assessment of various parameters on 3D semantic object-based point cloud labelling on urban LiDAR dataset | |
| Leichter et al. | Improved classification of satellite imagery using spatial feature maps extracted from social media | |
| Tang et al. | Research on the Network Map Service Technology of Remote Sensing Image Intelligent Conversion Based on Gan Model | |
| McKee et al. | Effect of image classification accuracy on dasymetric population estimation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |