본 연구는 고해상도 자료와 하이퍼스펙트럴 자료를 혼용하여 하와이 화산 국립공원 내 해안 지역의 식생을 분류하고자 하였다. 연구지역에 주로 나타나는 식생은 3종의 초본(broomsedge, natal redtop, and pili)과 작은 관목 등으로 대표되는 비초본으로 구분된다. 분류 기법으로는 unsupervised classification과 supervised classification을 결합한 하이브리드법을 이용하여 전체적으로 3단계 분류과정을 적용하였다. 첫째로는, IKONOS 고해상 위성자료를 이용하여, 식생 및 비식생지역을 unsupervised classification법을 통해 분류하였다. 두 번째로는, minimum noise fraction(MNF) transformation을 이용하여 AVIRIS하이퍼스펙트럴 자료로부터 주성분을 추출하여 자료를 압축하는 과정을 거쳤다. 20미터 해상도를 가진 AVIRIS 픽셀들은 대부분 용암면과 식생면으로부터 반사된 복사신호가 혼합되어 있기때문에, 용암과 식생의 지표피복 비율에 따른 선형모형을 적용하여 용암면이 갖는 반사 신호를 각 픽셀로부터 제거하였다. 최종적으로, 각 픽셀에 대하여, 식생피복 비율에 비례하는 AVIRIS 하이퍼스펙트럴 자료의 식생성분을 토대로 maximum likelihood algorithm에 따라 supervised classification법을 적용하여 초지 및 관목으로 대표되는 지표식생을 분류하였다.
A hybrid approach integrating both high-resolution and hyperspectral data sets was used to map vegetation cover of a coastal lowland area in the Hawaii Volcanoes National Park. Three common grass species (broomsedge, natal redtop, and pili) and other non-grass species, primarily shrubs, were focused in the study. A 3-step, hybrid approach, combining an unsupervised and a supervised classification schemes, was applied to the vegetation mapping. First, the IKONOS 1-m high-resolution data were classified to create a binary image (vegetated vs. non--vegetated) and converted to 20-meter resolution percent cover vegetation data to match AVIRIS data pixels. Second, the minimum noise fraction (MNF) transformation was used to extract a coherent dimensionality from the original AVIRIS data. Since the grasses and shubs were sparsely distributed and most image pixels were intermingled with lava surfaces, the reflectance component of lava was filtered out with a binary fractional cover analysis assuming that tile total reflectance of a pixel was a linear combination of the reflectance spectra of vegetation and the lava surface. Finally, a supervised approach was used to classify the plant species based on tile maximum likelihood algorithm.
