본 연구의 목적은 MODIS 다중시기영상과 선형분광혼합화소분석(Linear Spectral Mixture Analysis : LSMA)을 이용하여 한반도의 토지피복도를 작성하는 것이다. 다양한 공간해상도와 광역적인 촬영스케일의 MODIS 영상에 LSMA를 이용하여 토지피복분류기 정확도의 향상과 한반도 생물계절적인 특성을 분석하고자 하였다. LSMA는 하나의 화소를 단일의 지표물로 가정하여 영상을 처리하는 기존의 기법과 달리 대상지의 토지피복 특성을 가장 잘 반영하는 순수한 물체의 화소값(Endmember)을 선택하여 자연환경요소들의 하나하나를 분리하는 기법이다. 본 연구에서 MODIS 다중시기 영상에 LSMA를 적용한 결과 남, 북한의 농경지 및 산림지역에 대한 서로 다른 생물계절적인 특성을 파악 할 수 있었으며, 이러한 결과 영상을 ISODATA 무감독분류기법을 통해서 대분류와 중분류하였다. 대분류에서는 79.94%의 전체 정확도를 보였으며, 농업지역은 85.45%, 산림지역은 88.12%로 다른 분류군들에 비해서 가장 높은 정확도를 보였다. 중분류에서는 산림지역과, 농업지역을 더욱 세분화하여 분류하였다. 전체정확도는 82.09%였으며, 활엽수림 86.96%, 논 85.38%로 분류군중 가장 높은 정확도를 나타냈다.
This study aims to produce land-cover maps of Korean peninsula using multi-temporal MODIS (Moderate Resolution Imaging Spectroradiometer) imagery. To solve the low spatial resolution of MODIS data and enhance classification accuracy, Linear Spectral Mixture Analysis (LSMA) was employed. LSMA allowed to determine the fraction of each surface type in a pixel and develop vegetation, soil and water fraction images. To eliminate clouds, MVC (Maximum Value Composite) was utilized for vegetation fraction and MinVC (Minimum Value Composite) for soil fraction image respectively. With these images, using ISODATA unsupervised classifier, southern part of Korean peninsula was classified to low and mid level land-cover classes. The results showed that vegetation and soil fraction images reflected phenological characteristics of Korean peninsula. Paddy fields and forest could be easily detected in spring and summer data of the entire peninsula and arable land in North Korea. Secondly, in low level land-cover classification, overall accuracy was 79.94% and Kappa value was 0.70. Classification accuracy of forest (88.12%) and paddy field (85.45%) was higher than that of barren land (60.71%) and grassland (57.14%). In midlevel classification, forest class was sub-divided into deciduous and conifers and field class was sub-divided into paddy and field classes. In mid level, overall accuracy was 82.02% and Kappa value was 0.6986. Classification accuracy of deciduous (86.96%) and paddy (85.38%) were higher than that of conifers (62.50%) and field (77.08%).
