GIS(지리정보시스템)의 모든것

소개글

GIS(지리정보시스템)의 모든것에 대한 보고서 자료입니다.

목차

1. 지리정보시스템 (GIS ; Geographic Information System)
1) GIS의 정의
2) GIS의 구성요소
3) GIS와 컴퓨터 그래픽과의 차이점
4) GIS의 특징
5) GIS의 역사와 발전
6) GIS 데이터베이스 구축
7) GIS의 응용분야

2. GIS의 데이터 모델
1) 현실세계의 모델
2) GIS 자료모형

3. GIS용 프로그램을 이용한 지형분석(ArcView를 활용)
1) 수치지형도에서 고도자료 추출하기

4. 원격탐사 (RS ; Remote Sensing)
1) 원격탐사의 개요
2) 원격탐사의 특징
3) 위성영상의 원리
4) 위성영상의 종류
5) 원격탐사에 이용되는 위성의 종류
6) 원격탐사의 분석과 응용

본문내용

통계값을 갖는 화소들을 계속 수집하여 집단의 크기를 확장해 감으로써 전체 영상에 대한 분류 작업을 완성하게 되는 것이다.
무감독분류(Unsupervised Classification)는 표본 집단과 같은 사전정보 없이 영상을 구성하는 화소값들의 공간적, 분광적 특성만을 이용하여 분류 작업을 수행하는 기법이다. 무감독 분류 방법을 이용하는 경우 사용자의 판단이나 경험은 전혀 요구되지 않고, 단지 작업 후 분광 집단을 정보 집단으로 전환해 주는 과정에서만 사용자가 개입하게 된다.
이 방법은 순수한 통계 처리의 기법에 의해 수행된다는 점에서 집단화(Clustering)라고도 불리우며, 분류할 집단의 개수와 각 분광 집단 사이의 한계 거리만을 지정해 줌으로써 작업이 가능하다. 일단 사용자가 초기 입력값을 지정해 주면, 컴퓨터가 분류할 집단 개수만큼의 초기점을 자동으로 형성하여 통계 평면상에 임의로 위치시키게 되는데, 이 점이 집단을 구성하는 초기 기준점으로 작용한다.
분류가 시작되면 컴퓨터는 영상 내 각각의 화소들을 그 화소와 가장 비슷한 분광특성을 갖는 초기 기준점과 같은 집단으로 분류를 수행한다. 그러나, 여러분도 예상하는 바와 같이 이렇게 구성된 각각의 집단은 초기 기준점을 임의로 위치시켰기 때문에 우리가 원하는 것과 같이 정확한 분류가 이루어졌다고 볼 수 없다.
일단 분류 작업이 수행되고 초기 집단들이 형성되면, 컴퓨터는 다시 각각의 집단을 구성하는 화소들의 통계치를 계산하여 그 평균값을 새로운 기준점으로 지정한다. 기준점이 새로 지정되면 이 기준점에 대해 이전과 같은 방식으로 다시 한번 분류 작업을 수행하고, 다시 새로운 기준점을 계산해 낸다. 이와 같은 방법으로 각각의 집단에 대한 통계치가 더 이상 변화하지 않을 때까지 계속 반복 계산하여 최종적인 집단을 형성하는 것이다.
이와 같은 무감독분류는 대상 지역에 대한 광범위한 사전 지식이 요구되지 않고, 사용자의 주관을 최대한 배제함으로써 인간에 의해 저질러질 수 있는 오류를 감소시킨다는 측면에서 그 장점을 찾아볼 수 있다. 일반적으로 무감독 분류에 의해 형성된 집단은 감독 분류의 결과와 비교했을 때, 집단을 구성하는 화소들의 통계적 밝기 분포가 훨씬 더 안정적인 형태를 취하게 된다.
② 식생지수 (Vegetation Index)
인공위성이나 항공기를 이용하여 관측한 다중 분광대 영상 자료는 지상의 대상물이 각 파장대별로 독특한 특성을 나타내므로 이 특성을 이용하면 원하는 정보를 추출해 낼 수 있다. 특히, Landsat 등 지상관측 위성의 주 관심 범위인 육지 표면의 영상 자료는 95% 이상이 토양과 식생에 관한 정보를 포함하고 있으므로 이 영상 자료를 이용하면 지표면의 식생 분포나 식생 밀집도를 추정하는 것이 가능하다.
예를 들어 엽록소에 의해 녹색을 띄는 식생의 경우 일반적으로 녹색 파장 영역에서 약간 높은 반사율을 나타내고, 적색 파장 영역에서는 거의 반사가 없으며, 근적외선 영역에서는 거의 50%에 가까운 높은 반사율을 나타낸다. 반면에 고사하여 엽록소가 존재하지 않는 식생의 경우에는 가시광선 영역에서 높은 반사율을 나타내지만, 근적외선 영역에서는 살아있는 건강한 식생보다 낮은 반사율을 나타낸다.
토양의 경우에는 가시광선 영역에서는 고사한 식생보다는 낮지만, 녹색 식물보다는 높은 반사율을 나타내며, 근적외선 영역에서는 고사한 식생이나 녹색 식물 모두보다 반사율이 낮게 나타난다.
이처럼 각 파장대에 따른 반사특성에 기초를 두고 분광대 간의 특성을 조합하여 식생의 밀집도 등을 구하는 식을 만드는 것이 가능한데, 이를 식생지수라고 한다. 식생지수는 나뭇잎 면적, 식생 분포 면적, 나무 높이, 수종 등을 양적으로 나타낼 수 있는 척도로 사용 가능하도록 개발되었으며, 관측된 각 파장대 영상간의 비, 차, 선형조합 등 여러 가지 방법으로 구현이 된다.
현재 가장 일반적으로 사용되어지는 식생지수로서, NDVI(Normalized Difference Vegetation Index)가 있다. NDVI는 가시광선과 근적외선대의 두 영상으로부터 차이를 구하여 식생의 반사 특성을 강조하고, 이를 두 영상의 합으로 나누어 일반화한 것이다. 일반적으로 식생에 의한 파장별 반사율은 태양광선의 입사각과 위성의 촬영각도에 의해 변하고, 대기 상태에 따라서도 관측되는 값이 다르므로 일반화에 의해서 이들의 영향을 어느 정도 감소시킬 수 있다.
Landsat TM 영상자료의 경우 NDVI = ( TM4 - TM3 ) / ( TM4 + TM3 )과 같은 식으로 나타낼 수 있다.
③ 지표면 온도 산출
우리가 영상을 통해 보는 인공위성 관측자료는 사실 지표면에 반사되어 인공위성의 탑재 센서에 입사한 태양광선의 세기를 전기적 신호로 변환시켜 놓은 것이다. 태양광선의 세기란 에너지의 개념으로 생각할 수 있는데, 각각의 밴드로 입사하는 태양광선의 세기, 즉 영상 내 화소의 밝기는 결국 그 파장대에서 지상의 물체가 방사 또는 반사하는 전자기 에너지의 세기를 의미한다.
우리가 이미 알고 있는 바와 같이 Landsat TM 영상 자료의 6번 밴드는 열적외선 영역에 존재하며, 이 밴드를 통해 나타나는 영상 자료의 밝기는 이 파장대에서의 에너지의 세기, 즉 지표면 온도를 그대로 반영하고 있는 것이다. 이 영상 밝기로부터 실제 온도를 계산해 낼 수 있는 이유는 영상의 밝기와 온도사이에는 각각의 상관관계가 존재하기 때문에 가능하다.
Landsat-5 TM 영상의 밝기와 온도 사이에는 다음과 같은 상관관계가 존재한다.
T = 1260.56 / [ ln ( 60.776 / L -1) ]
L = 0.1238 + [ ( 1.56-0.1238 ) / 255 ] × DN
이 식에서 DN은 영상이 갖는 밝기값을 의미하며, L은 그 영상 밝기에 해당하는 태양광선의 에너지, T는 그 에너지에 해당하는 지표면의 절대 온도를 나타낸다. 결국 이 식을 이용하면, 우리는 Landsat-5 TM 영상자료의 밝기로부터 지표면의 실제 온도를 계산해 낼 수 있다. 이때, 사용되는 상수값은 실제 관측에 의해 결정된 값으로 인공위성의 제작사에서 센서의 감지 특징과 함께 제공하고 있다.

키워드

GIS,   지리정보시스템,   원격탐사,   GIS 데이터 모델,   GIS 특성,   위성