원격탐사 토지피복분류 (Remote Sensing Land Cover Classification)
한 줄 정의: 위성이나 항공기에서 얻은 영상 데이터를 분석하여 지표면을 산림, 농경지, 시가지, 수역 등 특정 범주로 자동 구분하는 기법입니다.
쉽게 풀면
위성사진을 보면 어디가 숲이고 어디가 도시인지 사람 눈으로도 대략 구분할 수 있는데, 이 작업을 컴퓨터가 대신하도록 만든 것이 토지피복분류입니다. 각 지표면 종류마다 빛을 반사하는 패턴이 조금씩 다르기 때문에, 컴퓨터는 이 패턴 차이를 학습해서 영상의 각 픽셀을 자동으로 분류합니다. 결과적으로 지도 위에 숲은 초록색, 도시는 회색, 물은 파란색 같은 식으로 색칠된 지도를 얻게 됩니다.
왜 중요한가
도시계획에서는 도시의 확산 속도나 녹지 감소 추세를 파악하기 위해 시간대별 토지피복 변화를 추적하는 연구가 많습니다. 이는 도시 열섬, 비투수면 증가, 생태축 단절 등 환경 문제를 정량적으로 분석하는 기초 자료가 됩니다.
논문에서는 이렇게 쓰입니다
"1990년과 2020년의 위성영상을 비교하여 연구 대상지의 토지피복분류를 수행한 결과, 시가화 면적이 크게 증가한 것으로 나타났다."
서로 다른 시점의 위성영상을 분류해 도시화 진행 정도를 비교한 예문입니다.
"본 연구에서는 감독분류 기법을 적용하여 토지피복을 산림, 농지, 시가지, 나지, 수역의 다섯 범주로 구분하였다."
사람이 미리 지정한 훈련 자료를 바탕으로 컴퓨터가 지표면을 다섯 가지 유형으로 나눴다는 설명입니다.
조금 더 깊게 보면
분류 방식은 크게 분석가가 각 범주의 대표 표본을 지정해 학습시키는 감독분류와, 컴퓨터가 픽셀 값의 통계적 유사성만으로 군집을 나누는 비감독분류로 구분됩니다. 최근에는 다중분광 위성영상과 함께 딥러닝 기반 분류 기법도 함께 사용되는 추세입니다. 분류 결과의 신뢰도는 현장 조사 자료와 비교하는 정확도 평가를 통해 검증하는 경우가 일반적입니다.
주의할 점
영상의 해상도나 촬영 시기, 구름과 그림자 같은 대기 조건에 따라 분류 정확도가 달라질 수 있으므로, 결과를 해석할 때는 정확도 평가 지표를 함께 확인해야 합니다.