메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정종철 (남서울대학교)
저널정보
국토연구원 국토연구 국토연구 통권 제121권
발행연도
2024.6
수록면
143 - 154 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 머신러닝을 이용하여 2017년 2월부터 2018년 1월까지 Sentinel-2 영상의 시계열 토지피복변화를 비교하였다. 머신러닝 포인트 샘플링을 위해 EGIS의 디지털 토지피복지도를 참조하여 각 클래스당 동일한 지역 250개의 포인트 전체 픽셀 중 약 3%를 수집했다. 토지피복변화를 비교하기 위해 SVM(Support Vector Machine, 서포트 벡터 머신) 모델을 사용했다. 시계열 분석의 연구 결과로는 습지와 나지 면적은 증가하고 농업과 잔디 면적은 감소했으며 시가지와 산림, 수역면적은 두 해 동안 크게 변하지 않았다. 월별 f1- 점수는 0.61~0.67 사이를 유지했으며, 4월의 f1- 점수가 가장 높았다. 오차행렬을 이용하여 정확도 검증을 실시한 경우 수역이 가장 높은 정확도를 보였다. 주로 식물 활동과 관련된 클래스들이 종종 잘못 분류되었으며, 계절적 영향으로 식물 활동을 유발하는 클래스들과 건축물이 잘못 분류되었다는 것을 발견했다. 각 클래스의 특성은 변수의 중요도를 통해 확인되었다. 평균적으로 R, G, B, NDVI는 계절에 관계없이 높은 중요도를 보였지만 NIR, SWIR 및 Red Edge 대역은 계절에 따른 영향을 받았다. 향후 연구에서는 표본수를 지역에 따라 상대적으로 고려하고, 훈련 영역 및 지수의 선택을 고려하여 정확도를 향상시킬 수 있을 것으로 판단된다.

목차

Abstract
Ⅰ. 서론
Ⅱ. 연구 방법
Ⅲ. 연구 결과
Ⅳ. 결론 및 향후 과제
참고문헌
요약

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0