Abstract
Remote sensing is an efficient technology for observing and monitoring the land surfaces inaccessible to humans. This research proposes a methodology for improving the accuracy of the land cover classification using the Landsat-8 operational land imager(OLI) image. The proposed methodology consists of the following steps. First, the normalized difference vegetation index(NDVI) and normalized difference water index(NDWI) images are generated from the given Landsat-8 OLI image. Then, a new image is generated by adding both NDVI and NDWI images to the original Landsat-8 OLI image using the layer-stacking method. Finally, the maximum likelihood classification(MLC), and support vector machine(SVM) methods are separately applied to the original Landsat-8 OLI image and new image to identify the five classes namely water, forest, cropland, bare soil, and artificial structure. The comparison of the results shows that the utilization of the layer-stacking method improves the accuracy of the land cover classification by 8% for the MLC method and by 1.6% for the SVM method. This research proposes a methodology for improving the accuracy of the land cover classification by using the layer-stacking method.
원격탐사는 관찰하고자 하는 지역을 직접 방문하지 않고, 영상만으로도 적은 비용으로 짧은 시간 안에 대상지역을 연구하는데 있어 효율적인 기술이다. 본 연구에서는 가장 최근에 발사된 Landsat-8 OLI(Operational Land Imager) 영상을 이용하여 하천유역의 토지피복분류 정확도를 개선하는 방법을 제안하였다. 제안된 방법 중 첫 번째로 Landsat-8 OLI 영상을 이용하여 정규식생지수인 NDVI(Normalized Difference Vegetation Index)와 정규수분지수 NDWI(Normalized Difference Water Index)를 생성하였다. 두 번째로 원래의 영상에 생성된 NDVI와 NDWI 2개의 밴드를 Layer-Stacking하여 새로운 영상을 만들었다. 마지막으로 기존의 영상과 밴드조합을 적용한 새로운 영상에 각각 MLC(Maximum Likelihood Classification), SVM(Support Vector Machine)의 감독분류를 적용하였다. 하천피복분류를 할 때 정확도를 개선하는데 있어 그 의미가 있으며, 분류결과 MLC 분류방법을 적용하였을 때 약 8% 이상, SVM 분류방법을 적용하였을 때 약 1.6% 정도 개선되었다. 향후 다양한 영상과 밴드조합을 통한 연구가 이루어진다면 보다 나은 의사결정에 도움이 될 것으로 사료된다.
