북한의 산림은 1970년대부터 산지개간과 땔나무 채취, 벌목 등에 의해 대규모로 황폐화되었으며, 이러한 산림황폐지는 경제적, 환경적, 재해발생 측면에서 반드시 복구되어야 한다. 본 연구의 목적은 산림황폐지가 대규모로 발견되고 있는 북한 혜산 지역에 대해 산림복구사업(A/R CDM 사업)을 계획할 수 있는 잠재적 대상지를 추출하기 위한 목적으로, 입목지와 산림황폐지(무립목지, 개간산지, 산간나지)를 보다 정확하게 분류하기 위한 고해상도 영상 기반의 영상분류기법을 개발하고자 한다.
북한의 산림황폐지 유형은 분광특성뿐 아니라 질감특성에 따라 구분될 수 있다. 따라서 본 연구에서는 2.5m SPOT Pan-Sharpened 영상을 이용해 분할영상을 제작하고 이 과정에서 생성된 질감(texture) 정보를 산림피복 분류 시 분광정보와 함께 활용했다. 분할영상의 제작 시 Scale factor 40/Shape Factor 0.3을 적용하였을 때 각 산림피복 항목을 분리할 수 있는 적절한 규모의 분할조각이 생성되었다. 또한 산림피복을 가장 잘 분류해내는 최적밴드를 선정한 결과, 기존의 분광밴드 1/2/3에 질감밴드인 GLCM_dissimilarity (밴드2), GLCM homogeneity (밴드2), GLCM_standard deviation (밴드3)를 추가하였을 때 산림황폐지 유형간 분리도가 가장 커지는 것으로 나타났다.
질감특성을 이용한 분할영상기반 분류결과기법에 따른 분류결과(80.4%)는 분광정보만을 이용하는 방법의 분류결과(70.3%) 보다 정확도가 높았으며, 특히 입목지와 무립목지의 분리에 있어서 약 23~25%의 정확도 향상 효과를 보였다. 결론적으로, 본 연구에서는 직접 현지조사를 하기 어려운 북한지역에 대해 고해상도 위성영상이 효과적인 산림피복분류의 근거를 제공했으며, 영상의 분류 시 질감특성을 함께 활용하는 것이 상세한 산림피복 분류에 있어서 정확도 향상에 기여를 할 수 있다는 것을 확인할 수 있었다.In North Korea, forests were intensively degraded by forest land reclamation for food production and firewood collection since the mid-1970s. These degraded forests have to be certainly recovered for economic support, environmental protection and disaster prevention. In order to provide detailed land cover information of forest recovery project (A/R CDM), this study was focused to develop an improved classification method for degraded forest using 2.5m SPOT-5 pan-sharpened image.
The degraded forest of North Korea shows various different types of texture. This study used GLCM texture bands of segmented image with spectral bands during forest cover classification. When scale factor 40/shape factor 0.3 was used as a parameter set to generate segment image, segment image was generated on suitable segment scale that could classify types of degraded forest. Forest land cover types were classified with an optimum band combination of Band1, Band2, band3, GLCM dissimilarity (band2), GLCM homogeneity (band2) and GLCM standard deviation (band3). Segment-based classification method using spectral bands and texture bands reached an 80.4% overall accuracy, but the method using only spectral bands yielded an 70.3% overall accuracy. As using spectral and texture bands, a classification accuracy of stocked forest and unstocked forest showed an increase of 23~25%.
In this research, SPOT-5 pan-sharpened high-resolution satellite image could provide a very useful information for classifying the forest cover of North Korea in which field data collection was not available for ground truth data and verification directly. And segment-based classification method using texture information improved classification accuracy of degraded forest.