1

工學碩士學位論文

위성영상을 이용한 북한 옥수수 재배지

분류 방법 개발

Development of Methodology to Classify

Ma i ze Cu l t i v a t i on Area Us i ng

Sa t e l l i t e Imagery

2 0 0 2 年 2 月

仁荷大學校 大學院

地理情報工學科

朴 男 玉

2

工學碩士學位論文

위성영상을 이용한 북한 옥수수 재배지

분류 방법 개발

Development of Methodology to Classify

M a i ze Cu l t i v a t i on Area Us i ng

Sa t e l l i t e Imagery

2 0 0 2 年 2 月

指導敎授 李 奎 成

이 論文을 碩士學位 論文으로 提出함

仁荷大學校 大學院

地理情報工學科

朴 男 玉

3

本 論文을 朴男玉의 工學碩士學位 論文으로 認定함

2 0 0 2 年 2 月

主審 印

副審 印

委員 印

4

요 지

본 연구는 위성영상을 이용하여 북한의 옥수수 재배지역의 특성

분석과 옥수수 재배지역의 분류에 적합한 영상획득 시기를 선정하

고, 정확한 옥수수 재배면적 추정을 위한 기법을 개발하기 위해 수

행되었다. 옥수수 밭의 생장주기에 따른 변화특성을 분석하기 위해

충청남도 천안시에 위치한 축산기술연구소의 종축개량부의 옥수수

포장이 선정되었다. 위성영상을 이용한 북한 지역 옥수수밭 분류를

위한 연구지역으로는 북한의 주요 곡물의 곡창 지대인 황해북도 황

주군 지역이 선정되었다.

옥수수 밭의 현지 조사가 가능한 남한의 옥수수 재배지역의 현장

관측을 통해 옥수수 밭의 생리적, 형태적, 분광적 특성에 관하여 분

석하였고, 이를 바탕으로 북한의 옥수수에 대하여 분석이 이루어 졌

다. 영상 분석을 위한 자료로 옥수수의 생육기간 내의 다중시기

LANDSAT TM, ETM+ 데이터가 이용되었다. 영상의 기본적인

전처리 이후 시기별 영상에 대해 각각 작물 재배지역을 포함하는

최소의 피복 항목으로 분류하였고, 옥수수 밭 분류에 적합한 영상의

획득 시기 선정을 위해 시기별로 분류된 각각의 영상을 북한의

1:50,000 지형도, EOC 영상, NDVI 영상 등의 준 참조자료를 이용

하여 분류 정확도를 평가하였다.

그 결과 옥수수의 재배지역 분류를 위한 최적의 영상획득 시기는

옥수수의 생리적 생장이 최고에 이르는 8 월이 적합하였다. 그러나

이 시기에는 봄 감자 재배지역과 산림지역이 옥수수 밭과 서로 혼

돈되는 문제가 발생하였다. 이러한 문제를 해결하기 위해 봄 감자

와 옥수수 재배지역의 구분이 용이한 5 월 영상을 이용하여 봄 감자

와 산림 지역을 8 월 영상에서 제거한 이후, 제거된 영상에서 다시

옥수수 재배지역을 분류하는 새로운 영상처리 기법을 제안하였다.

본 연구에서 제안한 방법을 이용하여 옥수수의 재배지역을 분류

함으로써, 봄 감자 재배지역과 산림지역이 옥수수와 서로 혼합되어

나타나는 오분류 가능성을 제거할 수 있었다.

5

Abs t r a c t

This study has been conducted to identify maize cultivation

fields, to select pertinent season for accurately classifying

maize area and to find a suitable method to process satellite

imagery.

Department of Livestock Improvement in Cheonan-shi, South

Korea and Hwang-Ju area, near the southern portion of North

Hwanghae, were selected for this study.

We analyzed physiological, morphological and spectral

characteristics of maize fields in South Korea. Ground

information obtained from the field measurements were then

compared with the maize fields in North Korea.

After preliminary processing, each temporal data set was

separately classified into minimum number of land cover

classes. Each classification result was assessed by semi-

reference data, collected from topographic maps and other high

resolution images. Classification results showed that the TM

data obtained at the time of reproductive stage of maize had the

highest accuracy to separate the maize fields.

However, the classified maize fields might include the area of

spring potato and forest due to the spectral mixing problem in

August. To solve the misclassification between maize and

spring potato, a new approach masking out the spring potato

using another satellite image obtained in early season was

proposed.

Key words : Maize, agriculture, North Korea, multi-temporal

data, image classification, Kappa statistics, TM data

6

목 차

제 1 장 서 론· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 1

제 2 장 연구 동향 · · · · · · · · · · · · · · · · · · · · · · · · · · · 4

2.1 식물분야의 원격탐사 · · · · · · · · · · · · · · · · · · · · · · 4

2.2 농업분야의 원격탐사 · · · · · · · · · · · · · · · · · · · · · · 5

2.2.1 작물의 생육 모니터링 · · · · · · · · · · · · · · · · · · · 5

2.2.2 작물의 재배면적과 수확량 예측 · · · · · · · · · · · · · 7

2.2.3 작물 재배지역 분류 · · · · · · · · · · · · · · · · · · · · 9

제 3 장 자료 및 방법 · · · · · · · · · · · · · · · · · · · · · · · · · 12

3.1 연구 지역 · · · · · · · · · · · · · · · · · · · · · · · · · · · 12

3.2 연구 자료 · · · · · · · · · · · · · · · · · · · · · · · · · · · 14

3.2.1 옥수수 밭의 현장 관측 자료 · · · · · · · · · · · · · · 15

3.2.2 옥수수의 생리적-형태적 변화 특성 · · · · · · · · · · 17

3.2.3 생육 주기· · · · · · · · · · · · · · · · · · · · · · · · · 18

3.2.4 위성 영상 자료· · · · · · · · · · · · · · · · · · · · · · 19

3.3 연구 방법 · · · · · · · · · · · · · · · · · · · · · · · · · · · 22

3.3.1 위성 영상 전처리 · · · · · · · · · · · · · · · · · · · · 22

3.3.2 영상 내 옥수수 밭의 기본 특성 분석 방법 · · · · · · 28

3.3.3 식생 관련 영상 변환 방법 · · · · · · · · · · · · · · · 28

3.3.4 영상 분류 방법· · · · · · · · · · · · · · · · · · · · · · 30

3.3.5 분류 영상의 정확도 검증 방법 · · · · · · · · · · · · · 33

3.3.6 다중시기영상을 이용한 단계적 분류 방법 · · · · · · · 39

제 4 장 결과 및 고찰 · · · · · · · · · · · · · · · · · · · · · · · · · 41

4.1 위성영상 내 옥수수 밭의 특성 · · · · · · · · · · · · · · · 41

7

4.2 영상 육안 분석 결과 · · · · · · · · · · · · · · · · · · · · · 43

4.3 영상 분류 및 정확도 검증 결과 · · · · · · · · · · · · · · · 48

4.4 다중시기 영상을 이용한 단계적 분류 결과· · · · · · · · · 52

제 5 장 결 론 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 54

참고 문헌 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 56

감사의 글 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 61

8

표 목 차

표 3.1 옥수수의 엽면적 지수 (LAI). · · · · · · · · · · · · · · · · 16

표 3.2 옥수수의 생장단계별 특성. · · · · · · · · · · · · · · · · · 18

표 3.3 연구에 사용된 위성 영상 자료. · · · · · · · · · · · · · · · 20

표 3.4 TM, ETM+, EOC 센서의 밴드별 파장 영역 비교 · · · · · · 20

표 3.5 대기 보정을 위한 입력 파라미터 · · · · · · · · · · · · · · 26

표 3.6 분류 정확도 검증을 위한 오차행렬· · · · · · · · · · · · · 34

표 3.7 KAPPA 통계 값에 대한 분류 정도 · · · · · · · · · · · · · 38

표 4.1 남한 농경지 변화 INDEX · · · · · · · · · · · · · · · · · · 44

표 4.2 북한 농경지 변화 INDEX · · · · · · · · · · · · · · · · · · 45

표 4.3 1999 년 5 월 영상의 오차행렬.· · · · · · · · · · · · · · · · 49

표 4.4 1999 년 6 월 영상의 오차행렬.· · · · · · · · · · · · · · · · 50

표 4.5 2000 년 7 월 영상의 오차행렬.· · · · · · · · · · · · · · · · 50

표 4.6 1999 년 8 월 영상의 오차행렬.· · · · · · · · · · · · · · · · 51

표 4.7 시기별 영상의 USER’S / PRODUCER’S 정확도. · · · · · · 51

표 4.8 시기별 영상분류 정확도. · · · · · · · · · · · · · · · · · · 52

표 4.9 단일 영상의 분류와 제안된 기법을 통해 추출된 옥수수 재배

면적· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 53

9

그 림 목 차

그림 1.1 연구의 범위 및 방법 · · · · · · · · · · · · · · · · · · · · 3

그림 3.1 연구 대상 지역 · · · · · · · · · · · · · · · · · · · · · · 13

그림 3.2 남한의 대상지역-충청남도 천안시 성환읍 국립 육종장(2000

년 7 월 9 일) · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 14

그림 3.3 엽면적 지수 현장 측정 모습 (측정장소:국립 육종장). · 16

그림 3.4 생장단계별 엽면적 지수의 변화. · · · · · · · · · · · · · 17

그림 3.5 옥수수의 생장 주기.· · · · · · · · · · · · · · · · · · · · 19

그림 3.6 북한 대상지역의 다중시기 LANDSAT 영상(左上:1999 년 5

월 28 일,右上:1999 년 6 월 13 일,左下:2000 년 7 월 9 일,右下:1999 년

8 월 16 일) · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 21

그림 3.7 다목적 실용위성의 EOC 영상 (황주군 북부 경계 지역) 21

그림 3.8 대기 보정 과정. · · · · · · · · · · · · · · · · · · · · · · 25

그림 3.9 상대적 방사 보정 방법 · · · · · · · · · · · · · · · · · · 27

그림 3.10 시기별 NDVI 영상(左上:1999 년 5 월 28 일, 右上:1999 년

6 월 13 일 左下:2000 년 7 월 9 일, 右下:1999 년 8 월 16 일)· · · · 30

그림 3.11 혼돈 픽셀 제거를 통한 단계적 옥수수 밭 추출 방법 · 40

그림 4.1 LANDSAT 영상에 나타난 남북한 옥수수 밭의 통계 값(A :

남한, B : 북한) · · · · · · · · · · · · · · · · · · · · · · · · · · · · 42

그림 4.2 LANDSAT 영상에 나타난 남북한 옥수수 밭의 NDVI(A : 남

한, B : 북한) · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 43

그림 4.3 금상리 부근의 집단 농장 지역 (左 : 1999 년 5 월 28 일,

右 : 1999 년 8 월 16 일). · · · · · · · · · · · · · · · · · · · · · · 47

그림 4.4 고정리 부근의 작물 재배지역 특성 (左 : 1999 년 5 월 28 일,

右 : 1999 년 8 월 16 일). · · · · · · · · · · · · · · · · · · · · · · 47

그림 4.5 시기별 영상의 분류 결과 (左上 : 1999 년 5 월 28 일, 右上 :

1999 년 6 월 13 일 左下 : 2000 년 7 월 9 일, 右下 : 1999 년 8 월 16

일) · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 49

그림 4.6 8월 영상에서 산림과 봄 감자 항목을 제거한 분류 영상 53

1

제 1 장 서 론

위성 원격탐사의 활용 분야 중 농업에 관한 부분은 작물의 분류,

재배면적 추정, 수확량 예측 등이 주요한 위치를 차지하여 왔으며

국가적인 수준에서 농업 생산량 평가에 있어서도 중요한 역할을 해

오고 있다(Sharman et al., 1992).

초기의 위성 영상을 이용한 농업 분야의 본격적인 활용은 미국에

서 LANDSAT MSS 데이터를 이용하여 대규모 밀 재배지역의 생산

량을 예측하고 모니터링 하기 위해 진행된 LACIE(Large Area

Crop Inventory Experiment)로 볼 수 있다(Erickson 1984). 이와

더불어, 유럽공동체에서는 유럽 지역의 실시간 작물 재배면적 추정

과 생산량 예측을 위해 MARS(Monitoring Agriculture with

Remote Sensing)프로젝트를 진행해 오고 있다(Meyer, 1990).

국내의 농업 분야에서는 농촌진흥청의 ‘원격탐사를 이용한 주요

농작물 생산량 예측연구’를 시작으로 농업 정보의 수집 및 분석을

위해 현재 농림부에서 제공하고 있는 현행 표본 통계조사와 보완적

으로 사용이 가능한 인공위성 화상분석 기법을 개발하여 농작물의

재배면적이나 생산량의 추정에 이용하고 원격탐사 기술을 광범위하

게 활용할 수 있는 기초적인 연구를 수행하는 것을 목적으로 시작

되어 지속적으로 발전해가고 있다(Hong, 1998). 그러나 북한의

농업에 관한 원격탐사 기법의 활용은 아직 시작 단계에 불과하다.

북한은 1995 년 이후 극심한 가뭄과 홍수와 같은 기상 조건의 악

화로 인한 식량 부족이 심각한 문제로 제기되고 있다. 이에 우리

나라를 비롯한 국제 사회는 북한에 인도적 차원의 식량 지원을 하

고 있으며 북한의 식량 생산 현황에 관해 주목하고 있다. 이처럼

국제 기구에서는 북한의 식량 현황 조사를 위해 매년 2 회에 걸쳐

북한의 농경지 현장조사를 하고 있으며 작물의 생장기간 동안 작물

의 상태분석을 위해 SPOT 위성에서 얻어지는 위성 영상을 이용하

여, 정규화 식생지수를(NDVI) 산출하고 이를 이용하여 북한의 주

요 작물들의 생육 상태 파악에 활용하고 있다(FAO, 2000).

북한에서는 벼(Oryza Sativa)와 함께 옥수수(Zea maize. L)와 감

자가 주요한 곡물로써 많이 재배되고 있다. 이 중에서 특히 옥수수

는 1976 년 새 땅 찾기 사업의 일환으로 제시된 자연 개조 5 대 방

2

침의 하나인 다락밭 건설사업을 통해 수도 경작지와 거의 비슷한

규모의 옥수수가 재배되고 있다. 이처럼 북한에서 옥수수가 대규모

로 재배되는 이유는 북한의 지형적인 특성에 적합하고 다른 식량

작물에 비해 높은 생산량을 제공하기 때문이다.

위성원격탐사는 넓은 지역의 작물을 모니터링 하기에 적합하고,

나아가 북한처럼 현지 조사가 불가능한 지역의 농작물 상태를 분석

하거나 재배면적을 추정하기 위해서 효과적인 기술이 될 수 있을

것이다(Lee et al., 2000).

그러나 위성영상을 활용하여 특정 작물을 분석하기 위해서는 그

작물의 생장 시기와 관련하여 위성 영상 데이터의 획득 시기의 선

정이 무엇보다 중요한 작업이다.

이에 본 연구에서는 위성원격탐사의 장점을 활용하여 북한의 옥

수수 재배지역의 특성을 분석하고, 위성영상을 이용하여 옥수수 재

배지역을 분류하기에 적합한 위성영상 획득시기를 객관적으로 선정

하고 이와 더불어 북한의 옥수수 재배면적을 추정하기 위한 영상

처리 기법을 찾고자 하였다.

다음의 그림 1.1 은 본 연구의 전체 범위 및 방법이다.

3

생리적 특성위 성 영 상 내 옥 수 수 밭 의 기 본 특 성 규 명

형태적 특성

분광적 특성

Crop Calendar

최 적 의 영 상 획 득 시 기 선 정

북 한 의 옥 수 수 재 배 면 적추 정 방 법 개 발

분류 정확도 비교

시기별 영상분류

LANDSAT 영상

1:50,000 북한 지형도

준 참조 자료 생성(Semi-“Ground Truth”)

EOC 영상

NDVI 추출 영상

그림 1 . 1 연구의 범위 및 방법

4

제 2 장 연구 동향

2 . 1 식물분야의 원격탐사

식물의 형태적인 변화와 생육 상태에 따른 태양빛의 반사 메커니

즘과 식물의 생리학적 반응에 관한 연구는 오랜 기간 식물학 분야

에서 진행되어 왔다. 단자엽 식물과 쌍자엽 식물 잎의 구조적인 차

이로 인해 쌍자엽 식물의 반사율이 높게 나타나고 동일 종의 식물

이더라도 식물 잎의 내부적 구성 성분 함량과 엽면적 지수에 따라

개체마다 서로 다른 분광반응을 보이는 등 일정한 패턴을 기반으로

서로 다른 분광반응을 보이게 된다(Hong,1999). 이처럼 태양광에

대한 식물의 분광반응은 다양한 식물의 형태 및 식물 내부의 구조,

토양, 식물의 영양기관 및 생식기관에 대한 지표면의 반응 등의 복

합적인 반응의 조합으로 나타나고 있다(Noh, 1988).

지구관측위성의 발사 이후 초기의 식생에 관련된 원격탐사 연구

들을 살펴 보면, 식물 내부의 생리학적 변화에 따른 분광반응의 특

징을 활용하여 Red Edge1 부분을 찾거나, 위성영상판독에 의해 얻

어진 판독 결과와 분광측정기에 의해 측정되는 지상 피복물의 반사

신호의 해석에 초점을 맞춰 왔다. 이에 관련하여 근적외선과 가시

광선의 반사 에너지 비율을 이용한 정규화 식생지수(Normalized

Differential Vegetation Index) 산출이나 Tasseled Cap 변환 등

위성영상에서 추출 가능한 정보와 식생의 생리적 특성, 현상적 특성

과의 관계에 관한 연구들이 활발히 진행되어 왔다. 그러나 이러한

연구들은 공간적인 규모나 유효 파장 영역의 차이로 인해 인공위성

센서에 기록되는 데이터의 해석에 부적절한 실험이 많았었다. 또한

초기의 연구들은 데이터의 분석에 있어 정성적(qualitative)이면서

시각적 해석(visual interpretation)에 관한 분석에 비중을 두고 있

었다.

그러나 점차 정량적이고 자동화된 해석에 관한 연구로 비중을 옮

1 식물의 생리적인 변화에 따라 근적외선 영역에서 급변하는 분광

반응 영역 부분

5

겨 가고 있으며 이를 바탕으로 실험적이고 이론적인 연구들이 진행

되면서 영상 내의 식물의 특성과 현장의 반사특성 간의 관계를 규

명하게 되었으며 생체량 분석 등에 이용하고 있다.

2 . 2 농업분야의 원격탐사

농업 응용 분야의 원격탐사 연구를 살펴 보면 1974 년 미국 정부

차원에서 NASA(National Aeronautics and Space

Administration), NOAA(National Oceanic and Atmospheric

Administration), USDA(United States Department of

Agriculture), Purdue University 등 여러 기관이 공동으로 LACIE

(Large Area Crop Inventory Experiment ) 프로젝트를 추진하여

작물의 생육단계 추정, 재배면적 분류, 수량 추정, 정확도 검증 등

밀의 생산량을 예측하는 실험이 초기에 시행되었다(Erickson,

1984). 현재 USDA 의 해외농업국(Foreign Agricultural Service)

에서는 이 실험을 바탕으로 농작물의 생산량 예측에 이용하고 있다

(MacDonald and Hall, 1980). 또한 유럽에서는 유럽공동체에서 추

진하고 있는 MARS(Monitoring Agriculture with Remote

Sensing ) 프로젝트를 통해 농업기상 관측소에서 획득되는 농업 기

상자료와 작물의 생육에 관련된 변수들을 입력한 시뮬레이션과 고

해상도 위성 영상을 이용한 원격탐사 기술을 이용하여 농업 생산량

을 추정하기 위한 기반 자료를 제공하고, 이를 바탕으로 작물의 생

육 모니터링과 수확량을 예측하여 유럽 회원국 간의 농수산물 수-

출입 정책 수립을 위한 기초 자료로서 활용하고 있다(Meyer,

1990).

2 . 2 . 1 작물의 생육 모니터링

작물의 상태를 모니터링하기 위해 광학 위성영상을 이용한 연구

들을 살펴 보면, Bauer et al.(1985)는 작물 군락 내의 온도와 파장

영역별 반사에 관한 정보는 생리학적 작용인 광합성과 증산 작용과

관련이 깊고, 이 두 과정에 엽면적 지수 (LAI) 와 작물의 생육 단

계가 중요한 요인으로 작용하고 작물의 분광특성에 관한 데이터는

6

작물의 생육 단계나 상태, 수량을 모델링하기 위해 기상이나 토양에

관한 데이터를 이용할 수 있다고 하였다. Fritz et al.(1996)는 지

난 30 년간 작물의 생육에 관련된 데이터와 영상 시스템의 결합으

로 인해 과학적인 알고리즘과 모델들이 개발되어 왔으며, 최근에는

고해상도의 영상의 획득이 가능해 지면서 이전보다 자세하고 정확

도 높은 데이터를 연구에 이용함으로써 보다 높은 상승효과를 보이

고 있다고 하였다. 또한 대상물의 분광학적 특성에 관한 정보 외에

기하학적 특성에 관한 정보를 얻을 수 있고, 기상조건에 제약을 받

지 않는 마이크로웨이브 영상을 이용할 경우 광학 영상의 단점을

보완할 수 있는 장점과 농작물의 모니터링에 있어 아주 중요한 자

료획득 시기의 문제를 해결할 수 있어 그 활용이 증가하고 있다고

하였다.

이와 더불어 SAR 영상을 이용하여 벼 생육지역을 모니터링한 사

례를 살펴 보면, Hong(1999)은 벼 생장의 효과적인 모니터링을 위

해 위성 SAR 영상을 이용한 원격탐사 기법을 적용하여 분석하였는

데, 벼 생장 단계에 따른 네 시기의 JERS-1 SAR 영상을 이용하여

시기별 영상에서 논에 대한 화소 값을 비교함으로써 벼의 생장에

따른 레이더 반사 값의 변화 패턴을 분석하였다. 그 결과, L 밴드

SAR 영상에서 논의 레이더 반사 값은 벼가 약 60cm 정도 자라기

전까지는 이앙 시기와 거의 변함이 없다가 이앙 이후 벼가 80cm 이

상 자라게 되면 그 값이 급격히 상승하고, 논에 물이 완전히 배수되

는 시기에 다시 급격히 하강하는 일련의 변화 패턴을 보이는 것을

관측할 수 있었으며 이를 통해 다중시기 L 밴드 SAR 영상을 이용하

여 논을 분리하고자 할 때는 벼의 초장이 60cm 이하가 되는 이앙

이후 50 일 이내의 영상과 80cm 이상이 되는 70 일 이후의 영상을

함께 이용함으로써 좀 더 정확한 분류가 이루어질 수 있을 것이라

하였다.

Ross et al.(1998)는 중국 남쪽의 광동 지역에 위치한 Zhao

Qing 지역에서 생육하고 있는 벼의 생육을 모니터링하기 위해 C 밴

드 Radarsat-1 영상을 이용하였는데, 벼의 생육 기간 중 표준 빔

모드(Standard-beam5, 6)에서 얻어진 일곱 시기의 영상에서 생장

기 동안 C 밴드 영상에서 약 12db 정도의 변화를 보이며, 수확기에

접어들면서 그 값이 약 –15db 정도에서 오랜 기간 일정한 값을 유

지하게 됨을 관측하였다.

7

2 . 2 . 2 작물의 재배면적과 수확량 예측

원격탐사기법을 이용하여 옥수수의 재배면적을 추정하거나 옥수

수의 수확량 예측에 관한 연구들은 주로 아프리카의 옥수수 재배지

역과 미국의 콘 벨트를 중심으로 활발하게 이루어져 왔다. 특히 아

프리카는 옥수수가 주요 식량작물의 역할을 차지하고 있어 선진 기

술을 갖춘 국가의 연구자들이 이와 관련된 연구를 많이 진행해왔다.

Reynolds & Yitayew (2000)는 FAO 에서 제작된 작물의 요수량

모델(crop specific water balance model) 과 GIS 용 소프트웨어,

원격탐사 이미지, 기상 데이터 등을 이용하여 케냐에서 재배되고 있

는 옥수수의 생산량을 추정하였는데, 케냐의 농림부에서 작성한 작

황 정보와 비교하여 매우 근접한 정도의 추정 값을 도출함으로써

기상모델과 원격탐사 기술, 지리정보시스템의 통합을 통해 더욱 높

은 정확도의 옥수수 생산량을 예측이 가능하였다고 하였다. 이 연

구에서 사용된 모델은 작물의 생육에 영향을 미치는 다양한 환경변

수 중 수분에 관한 변수를 가장 의미 있는 변수로 설정하고 있어

가뭄에 의해 피해를 받고 있는 작물을 시뮬레이션 하는데 적합하다

고 하였다.

또한 지구관측시스템(Earth Observation System)에 장착된

MODIS(MODerate-resolution Imaging Spectroradiometer)센서

에서 획득되는 영상이나 Landsat7 ETM+(Enhanced Thematic

Mapper) 영상을 이용하여 옥수수 재배면적추정과 생산량을 예측할

경우 보다 정확하고 정밀한 분석이 가능할 것이라고 하였다.

Lewis et al.(1998)은 동부 아프리카지역에서 AVHRR 에서 추출된

식생지수(NDVI)를 이용하는 회귀모델 접근 방식은 작물 수량예측

을 위한 이용 가능성을 알 수 있다고 하였다. 그러나 실제로 생산

량을 예측하기에 앞서, 회귀모델의 전제조건과 샘플 데이터 통계의

본질적인 특성에 따른 현장에서의 검증이 반드시 정밀하게 이루어

져야 한다고 말하고 있다. 이 연구에서는 1982~90 년까지 Kenya

의 36 개 농업지역의 매년 Maximum NDVI 데이터 셋(7.6m 재배

열된 데이터)에서 추출된 평균 NDVI 값을 이용하여 옥수수 생산량

과 평균 NDVI 값의 통계적인 관계를 분석한 결과, NDVI 와 옥수수

생산량의 Log 의 선형회귀 방법에 있어서 처음과 후미의 변이를 제

8

외하고 통계적으로 받아 들여질 수 있었고 전체 대상지역에서 매년

옥수수 생산량의 Log 와 평균 NDVI 값에 대해 선형회귀 분석 방법

을 적용한 결과, 유의 수준 95%에서 75.02 =r 을 얻었다. 농경지

와 일반적인 다른 피복과 구분되는 경계부근에 공간 가중치 Factor

를 적용할 경우 83.02 =r 을 얻어 향상된 값을 얻을 수 있었고,

Jackknife 추정치를 이용하여 회귀 모델의 상관계수의 정밀도를 측

정한 결과 매우 안정적임을 확인하였다.

Rowland et al.(1996)은 과거에 동부 아프리카 지역에서

1982~1993 년 까지 NDVI 패턴의 변화와 작물에 영향을 미치는

가뭄의 정도를 관측하는 실험을 진행하였는데, 이 지역에서는

NDVI 와 가뭄상태 간의 밀접한 관련이 있는 것으로 보고하고 있고,

Tucker et al.(1993)를 비롯한 여러 연구자들은 작물의 주요 생산

성과 식물의 현상학적인 특성과 NDVI 간에 관계가 있다고 하였다.

Groten et al.(1993)은 Burkina Faso 지역에 대해, Krause et

al.(1992)는 이디오피아 지역에 대해, Maselli et al.(1992)는

Niger 지역에 대해 작물의 수량과 NDVI 간의 관계를 규명하는 회

귀 모델을 개발하였는데, 이들은 작물 수량과 NDVI 간에 어떤 물

리적인 관계가 있다고 얘기하고 있다.

원격탐사기법을 이용하여 작물의 재배면적과 수확량을 추정한 연

구들을 살펴 보면, Ray et al.(1996)는 오랜 기간동안 획득된 기상

정보를 이용하여 작성된 실험적인 농업기상모델을 이용하는 방법과

원격탐사 데이터를 이용하여 식생지수를 산출하는 방법을 통해 목

화 재배지역의 수확량을 산출하여 실제 수확량과 비교하였는데, 두

방법 모두 목화 수확량의 예측에 유용하게 이용될 수 있다고 하였

고, 농업기상모델을 이용할 경우 관개가 이루어진 목화밭과 관개가

되지 않은 밭의 모델의 적용을 달리 해야 한다고 하였다.

Gonzalez et al.(1997)는 스페인 북동부 지역의 LANDSAT 영상

에서 추출되는 샘플지역의 작물 재배면적을 추정하기 위해 회귀 모

델을 이용하였는데, 이 연구에서는 현장조사를 실시한 동일 시기의

영상과 과거 그 지역의 영상을 이용하는 경우, 작물의 재배면적 추

정 결과를 비교 분석하는 방식으로 진행되었다. 서로 다른 추정치

를 비교 분석하기 위해, 하나는 현장조사가 이루어진 동일 시기의

영상을 이용하여 나온 결과와 또 하나는 이전 시기의 영상을 이용

한 결과를 이용하였다. 그 결과 토지피복의 변화율이 크지 않은 경

9

우, 이전 시기의 영상을 이용하는 경우, 간편한 회귀식을 이용하여

주요 작물의 재배면적 추정치의 정밀도에 큰 손실 없이 이미지 획

득의 비용을 절감할 수 있는 방법이라는 결론을 내렸다.

2 . 2 . 3 작물 재배지역 분류

작물의 재배지역을 분류하기 위한 영상의 조합테스트에 관한 연

구를 살펴 보면, Mary et al.(1997)는 나일강과 인접한 Egypt 의

Delta 지역의 경시적인 변화가 심한 농경지역을 모니터링 하기 위

해서 다중 시기의 영상을 이용하였는데, 1984~1993 년까지 10 개

의 TM 영상을 이용하여 Egypt 의 경작지 구분을 위해 경작지와 휴

경지를 추정하는데 필요한 영상의 수와 그 시기에 대하여 분석한

결과 세 가지의 명백한 점을 발견하였다. 첫째, 서너 개가 아닌 많

은 영상을 이용한 경우에는 경작지와 휴경지를 정확하게 구분할 필

요가 있고, 둘째, 영상 분류의 정확도는 새로운 영상을 하나씩 더할

때마다 향상되었고 셋째, 다양하고 많은 개수의 영상을 이용한다 하

더라도 생육주기(crop calendar)시기 안에 영상획득이 이루어져야

작물의 상태를 모니터링 하거나 재배면적을 추정 하기에 용이하므

로 영상획득 시기 및 영상의 다양한 조합을 통한 분석이 중요하다

고 말하고 있다.

북한의 농업에 관한 원격탐사 활용에 관하여 살펴 보면, FAO 와

WFP 의 공동조사단은 북한 식량 평가를 위한 현지 농경 현황 조사

와 함께 SPOT 위성에서 얻어지는 영상을 이용하여 NDVI 영상을

만들어 현지 조사 자료와 함께 북한의 농업 생산량 분석을 해 오고

있는데, 이들은 영상에서 얻어지는 NDVI 영상과 현지 조사를 바탕

으로 북한의 농업현황이 1995 년 이후 극심하게 감소하여 왔으며,

1998 년과 1999 년에 다소 생산량이 증가하는 추세를 보이다가

2000 년부터 다시 기상조건의 악화 및 에너지 부족으로 인해 생산

량이 다시 감소하고 있다고 하고 있다.(FAO, 2001)

최근에 발사된 다목적실용위성의 EOC 영상을 이용한 연구를 살

펴 보면 Lee et al.(2000)는 북한의 개성지방의 1:50,000 지형도

와 EOC 영상의 육안 판독과 컴퓨터 분류를 통해 북한 산림의 변화

감지를 한 결과 EOC 영상의 육안 판독 결과가 컴퓨터 분류보다 나

은 결과를 보였다고 하였다.

10

또한 2000 년에 북한의 지형도 제작 임무를 가지고 발사된 다목

적실용위성(KOMPSAT)에서 획득되는 고해상도 위성 영상인 EOC

광학영상을 이용하여 북한의 토지 피복 현황도를 제작한 사례를 살

펴 보면, Lee et al.(2001)는 실제 북한의 토지 피복형태는 남한의

국립지리원에서 정의하고 있는 토지피복항목이 다를 뿐 아니라 영

상에서 나타나고 있는 북한의 토지 피복은 독특한 특성을 가지고

있어 북한의 실정에 맞는 분류체계를 다시 설정하여야 함을 강조하

고 있으며 이들은 EOC 영상을 육안 판독 및 영상 분류하여 북한의

토지 피복체계를 모두 26 개의 세 분류로 구성하여 분류하였다.

현재 우리 나라에서 작물의 재배면적 추정 및 수확량 예측을 위

해 표본추출방법과 농업기상모델을 이용하고 있는 방법들에 관하여

살펴 보면 다음과 같다.

전국의 모든 경지를 시-군 별, 읍-면-동 별로 인접지번끼리 약

2ha 크기로 묶어 1,015,000 개의 단위 구를 만들어 이를 모집단으

로 설정하고 층화 방법에 따라 층화 분류한 시-군 별 각층에서 임

의추출 방법에 의하여 논 비율이 100%인 층은 1/40, 50~100%미

만 층은 1/30, 50%미만 층은 1/20 의 추출율을 적용하여 전국

37,000 개의 표본 단위 구를 추출한다. 논 비율이 큰 단위구보다

밭 비율이 큰 단위 구에 재배되는 작물의 종류가 다양하므로 표본

의 정도를 높이기 위해 밭 비율이 큰 층에서의 표본 추출율을 높여

서, 층별 표본조사 단위 구의 경지면적 합계에 대한 작물별 재배면

적 합계의 비율을 산출하여 해당 층 경지면적을 곱하여 추계하고

있다. 이와 함께 층별 재배면적을 합계하여 시,군별 재배면적을 추

계하고 시-군별 재배면적을 합계하여 도별 재배면적을, 도별 재배

면적을 합계하여 전국 재배면적을 추계하고, 표본 단위 구 내외를

불문하고 2ha 이상 집단적으로 증감이 있는 지역을 조사하기 위해

전수조사를 하는 방법을 취하고 있다. 표본조사 작물은 총 17 개로

국립농산물품질관리원 시-군 출장소에서 조사하고, 33 개 행정 조

사 작물은 지방행정기관에서 재배농가를 대상으로 면접 또는 청취

하여 당 년도의 작물 생산량을 추계하고 있다. 이 중 옥수수는 대

상 항목 중 잡곡류에 포함하여 조사하는데 재배면적은 전수조사를

통해 행하고, 생산량은 표본농가에 대해서만 조사하고 있다. 조사

시기는 옥수수 파종 1~4 개월 전에 작물재배의향 면적조사를 하고

11 월경에 행정조사하고 있다.

11

작물의 수확량 예측 방법에 관하여 살펴 보면, 위의 방법처럼 산

출된 재배면적에 단위 면적 당 수량과 한 해 동안의 농업기상 데이

터와 생육 조사 데이터를 기반으로 오랜 기간동안 토양학자, 생리학

자, 농학자에 의해 개발되고 수정되어 온 다양한 작물 모형(Crop

Model)이 이용되고 있다. 이 때 사용되는 농업 기상데이터는 기상

관측소에서 관측되는 데이터를 공간 내삽(interpolation) 또는 외삽

(extrapolation) 기법을 이용하여 격자화 함으로써 전국 규모의 경

작지의 작황진단에 이용하고 있다. 그러나 작물 모형을 이용할 경우,

국소적인 면적에 적용할 경우 매우 높은 정밀도를 보이고 있으나

국지적인 면적에 적용할 경우 넓은 지역을 커버하는 원격탐사데이

터가 유용하게 이용될 가능성을 보여 주고 있다(Yun, 1999).

그러나 현재는 수년간 축적된 기상데이터베이스와 작황 통계 데

이터베이스를 활용하여 과거의 수확량을 원격탐사 데이터를 이용하

여 추정함으로써 그 가능성을 테스트하고 있고 이를 향후, 농작물의

수확량 추정을 위한 기반 기술로서 활용하기 위한 연구들이 진행

중에 있다.

12

제 3 장 자료 및 방법

이 장에서는 본 연구의 진행을 위해 선정된 남한과 북한의 대상

지역의 선정 이유와 연구에 사용된 다중시기 위성 영상 및 현장 관

측을 통해 얻어진 옥수수 밭의 특성 등 연구 자료에 관한 사항과

본 연구에서 이루고자 하는 최적의 영상획득 시기 선정 및 방법 개

발을 위한 방법에 관하여 기술하였다.

본 연구에서는 다중시기의 LANDSAT 위성영상을 이용하여 북한

의 옥수수 재배지역을 추정하기 위해 적합한 영상의 획득 시기 선

정 및 정확한 옥수수 재배지역의 추정을 위한 방법을 개발하고자

하였다. 이에 우선적으로 남한과 북한의 옥수수 재배지역을 선정하

여 옥수수의 생리적, 형태적 변화 특성과 옥수수 작물의 생육주기를

바탕으로 위성 영상에 나타나는 옥수수 밭의 기본적인 통계 특성을

분석하고, 남한의 옥수수 밭에서 분석되는 특성을 바탕으로 북한의

위성영상 자료의 분류 정확도를 검증함으로써 북한의 옥수수 재배

면적 추정에 가장 적합한 시기를 선정하고, 북한의 옥수수 재배면적

추정에 적합한 영상처리 방법을 개발하고자 하였다.

3 . 1 연구 지역

현재 농림부에서 제공하고 있는 경작지 면적에 관한 통계 자료에

의하면 남한 전체의 옥수수 재배면적은 2000 년도에 약 15,808ha

정도이다. 이는 옥수수 10a 당 수량은 3.0%가 증가하였으나 재배

면적은 15,808ha 로 1999 년 대비 약 21.5%가 감소하여 19.1%가

감소한 수치이다. 이처럼 남한의 옥수수 재배면적은 FAO 에서 발

표하고 있는 북한의 옥수수 재배면적 4,960,000ha 의 약 0.3% 정

도 밖에 되지 않고, 대부분은 산간 지역에 산발적으로 위치하고 있

을 뿐만 아니라, 옥수수에 관한 원격탐사 연구 사례가 부족하여 남

한의 현지 관측을 위한 대상지역의 선정이 쉽지 않았다.

13

각 시군 농업기술센터 및 농림부 산하 기관을 조사한 결과 옥수

수 재배지 구분, 재배면적 추출, 남북한의 옥수수 밭의 특성 비교

및 영상에서 나타나고 있는 옥수수 밭의 기본적인 특성을 분석하고

현지 관측이 가능한 남한의 옥수수 재배지역이 선정되었다. 선정된

남한의 대상지역은 충청남도 천안시 성환읍 축산기술연구소 종축개

량부의 옥수수 생산 포장이다. 이곳의 옥수수 포장 규모는 약

150ha 에 이르며 매년 사료용 옥수수가 재배되고 있다. 또한, 옥수

수 단일 작물의 연작에 의한 피해를 최소화하고 수량 증대를 극대

화 하기 위해 옥수수와 호밀, 봄보리를 윤작하고 있다. 이 지역은

단일 작물로써 옥수수를 대규모로 재배하고 있어 위성영상의 공간

해상도에 따른 지상 피복물의 반응을 테스트하기에 적합하고 또한

국제 옥수수 재단을 통해 북한으로 제공되고 있는 슈퍼 옥수수 품

종과 비슷한 사료용 옥수수가 심겨져 있기 때문에 남한의 대상지역

으로 선정되었다.

그림 3 . 1 연구 대상 지역

북한의 대상지역은 국제옥수수재단을 통해 제공받은 비디오 테이

프를 통해 간접적으로 옥수수 재배지역의 현장 정보를 얻을 수 있

었던 황해북도 황주군 일대가 선정되었다. 이 지역은 평양특별시에

서 약 38km 남쪽에 위치한 대단위 농경지역이 위치하고 있다. 대

상지역의 전체 면적은 약 64,207ha 에 달한다. 주변에는 대동강의

지류인 매상천, 흑교천, 황주천, 영풍천이 흐르며 대상지역 내의 논

14

지역은 비교적 관개시설이 잘 갖추어져 있고 저수지가 골고루 분포

하고 있는 북한에서는 보기 드문 평야 지대이다. 이 지역은 북한을

지리형태학적, 생태적인 점을 고려하여 농업지대를 구분할 경우, 서

해안 평야지대에 해당되는 지역이다. 이 지역이 굳이 북한의 다른

산악지형을 제외하고 선정된 이유는 다른 지역에 비해 비교적 다양

한 토지피복 항목이 존재하고, 연구하고자 하는 옥수수가 대규모로

집단 재배되고 있으며, 벼와 감자 재배지역 또한 넓은 지역을 포함

하고 있어 다른 재배작물과의 비교가 용이하였기 때문이다.

다음의 그림 3.2 는 남한의 대상지역인 축산기술연구소의 종축개

량부의 옥수수 포장의 모습이다.

그림 3.2 남한의 대상지역- 충청남도 천안시 성환읍 국립 육종장

( 2 0 0 0 년 7 월 9 일)

3 . 2 연구 자료

본 연구에서 사용된 기본적인 연구 자료는 옥수수의 생리적 특성,

형태적 특성, 분광적 특성에 관한 자료와 옥수수 밭의 엽면적 지수

(LAI)의 변화와 같은 현장 특성, 연중 옥수수의 생육시기에 관한

정보를 제공해 주는 생육주기가 작성되어 이용되었고, 다중 시기의

위성 영상으로 LANDSAT 위성의 TM, ETM+ 데이터가 이용되었

15

다.

또한, 영상분류에 대한 정확도 검증에 부족한 보조 자료 생성을

위해 1:50,000 북한 지형도와 6.6m 해상도의 EOC 영상의 육안 판

독 결과와 정규화 식생지수 변환을 통해 얻어진 NDVI 이미지가 이

용되었다.

3 . 2 . 1 옥수수 밭의 현장 관측 자료

3 . 2 . 1 . 1 옥수수 밭의 엽면적 지수 변화 특성

엽면적 지수(Leaf Area Index-LAI)란 지표 토양의 일정 면적에

서 작물의 잎이 차지하는 면적 비율을 의미하는데 작물의 잎 하나

가 일정 면적을 모두 차지하면 이는 1.0 으로 나타낼 수 있다. 대부

분 작물의 엽면적 지수는 작물이 수확되기 이전까지 지속적으로 증

가하여 2.0~5.0 까지 도달하게 된다.

옥수수 포장에서 엽면적 지수 측정을 위해 사용된 기기는 LAI-

2000 광학 시스템 기기이다. 이 측정 기기는 5 개의 관측각을 가지

는 어안렌즈(fisheye lens)가 장착되어 있으며 이를 이용하여 단일

식물개체 또는 식물 군락에서 반복 측정을 통해 엽면적 지수를 산

출해 낸다. 옥수수와 같이 일정한 열을 가지는 작물 군락의 엽면적

지수를 측정할 경우에는 작물의 열을 따라 대각선으로 횡단해 나가

면서 1 열 당 천공을 향해 3 회, 캐노피(canopy) 하층부에서 4 회

측정하여 옥수수 엽이 천공에 얼마만큼 개방되어 있는지를 측정한

다. 이 측정기기에서 엽면적 지수를 산출하는 수식은 3.1 과 같다.

)(cos))(ln(25

1ii

ii wTLAI θθθ∑

=

−= (3.1)

그림 3.3 은 축산기술연구소의 종축개량부의 옥수수 포장에서 옥

수수 군락의 각 생육 시기별 엽면적 측정 당시의 모습이다.

16

그림 3 . 3 엽면적 지수 현장 측정 모습 ( 측정장소: 국립 육종장) .

엽면적의 측정은 국립 육종장의 옥수수 포장에서 이루어졌으며

동일 시기에 서로 다른 생육 단계를 보이는 옥수수 군락에서 이루

어졌다. 현장 관측에 의한 정보를 바탕으로 옥수수의 생육 단계에

따른 엽면적 지수의 변화를 추정한 결과 다음의 표 3.1 과 같이 나

타났다.

표 3 . 1 옥수수의 엽면적 지수 ( L A I ) .

현장 관측일자 파종 후 일수 생장단계 평균 LAI

13 V3 0.57

24 V6 0.96

31 V9 1.52

41 V9 1.89

56 V15 2.72

2001/07/09

76 V18 3.46

옥수수가 생식 생장기에 접어들면서 생육이 최고에 달하는 7 월

초순에 옥수수 밭의 엽면적 지수를 측정하여 옥수수의 생리적 생장

에 따른 엽면적 지수의 변화 패턴을 파악하였다.

17

v3 v6 v9 v12 v15 v18

0.5

1.0

1.5

2.0

2.5

3.0

3.5

4.0

y=0.68867x+0.44943R2=0.98972

LAI

Growth Stage

1th 2nd 3rd Average

그림 3 . 4 생장단계별 엽면적 지수의 변화.

측정 결과 옥수수의 생리적, 형태적 성장이 최고에 달하는 영양

생장 단계 말기에 옥수수의 엽면적 지수가 가장 높게 나타났다. 그

림 3.4 를 보면, 엽의 증가와 함께 측정된 LAI 값은 선형적인 증가

추세를 보임을 알 수 있는데 평균적으로 V3 단계에서는 LAI 값은

약 1.0 정도에 머물렀고 엽의 출현이 거의 이루어진 V18 단계에서

의 LAI 값은 약 3.5 정도에 이르게 됨을 알 수 있다.

3 . 2 . 2 옥수수의 생리적- 형태적 변화 특성

옥수수는 생리적인 변화와 형태의 변화에 따라 크게 두 가지 생

장단계로 구분한다. 종자의 발아에서부터 엽의 출현이 완료되는 영

양 생장기(vegetative stage)와 옥수수 초장의 변화와 상관없이 수

염의 발생, 배유의 발달, 옥수수의 경화 등과 같은 생식 생장기

(reproductive stage)로 나누어 구분한다. 다음의 표3.2는 옥수수

의 생장단계에 따라 변화하는 옥수수의 특성을 보여주고 있다.

18

표 3 . 2 옥수수의 생장단계별 특성.

영양 생장기 특 징 생식 생장기 특 징

VE 종자 발아 R1 수염 증가

V1 초엽 발생 R2 배유 형성

V2 두 번째 엽 발생 R3 옥수수 비대

V3 세 번째 엽 발생 R4 경화 시작

V(n) n 번째 엽 발생 R5 馬齒형 경화

VT 수염 발생 R6 옥수수 성숙

3 . 2 . 3 생육 주기

생육 주기란 작물의 생육 단계에 관한 상세한 정보를 보여주기

위한 것으로 작물의 생장 모니터링과 원격탐사 자료에서 작물의 생

육 여부를 확인하기 위한 수단으로서 많이 이용되고 있으며 작물의

수확량 분석에 있어 기본적이면서 필수적인 역할을 한다 (Mary et

al., 1997).

생육 주기는 작물의 파종시기부터 특정 생장단계를 거쳐 수확시

기까지 일련의 작물 생장의 주기와 현상학적인 변화에 관한 정보를

제공함으로써 작물에 영향을 미치는 외부환경조건이 작물의 생육

단계에 따라 달라지는 정보를 제공해 줄 수 있다. 작물의 생장단계

에 관한 정보는 서로 다른 상태로 획득될 수도 있는데, 효과적인 시

스템은 현장 관측에 의해 얻어지는 것이라 볼 수 있으나 일반적으

로 규칙적인 농업 지식이나, 정기적인 보고서 등을 통해 얻을 수 있

다. 현재 FAO 의 국립작물관리시스템(National Crop Monitoring

System)에서 이러한 정보들을 원격탐사 기술을 이용하여 얻고 있

는데, 이들은 AVHRR 과 SPOT VEGETATION 센서에서 얻어지는

영상을 이용하여 정기적인 정규화 식생지수를 획득함으로써 작물이

생장하는 단계를 모니터링할 수 있는 시스템을 갖추고 있다 (FAO,

2000).

생육주기에 의해 영상을 선정하고, 옥수수 종자의 파종, 발아, 영

양 생장기, 생식 생장기, 수확 등 파종 후 옥수수의 생장기간 동안

19

현상적인 변화를 관측하여 다음의 그림 3.5 과 같은 옥수수의 생장

주기를 준비하였다.

그림 3 . 5 옥수수의 생장 주기.

본 연구에서 옥수수의 생육주기는 연중 획득되는 위성영상 중 현

장에서 옥수수를 관측할 수 있고 위성영상에서 감지할 수 있는 시

기를 결정하고, 작물의 종류별로 파종시기와 수확시기를 파악하기

위한 보조자료로써 사용되었을 뿐만 아니라 영상 내의 작물 재배지

역의 판독에 활용되었다.

3 . 2 . 4 위성 영상 자료

선정된 연구지역에 대한 영상자료는 지구 관찰을 위해 1973 년에

발사되어 현재까지 지속적으로 지구를 관측한 영상을 제공하는

LANDSAT 위성 영상이 이용되었다. 1997 년부터 2000 년까지 획

득된 데이터 중 옥수수의 생육주기 안에 해당되면서 자료의 상태

및 구름의 포함 정도를 고려하여 남한과 북한의 LANDSAT TM,

ETM+ 영상이 선정되었고, 북한 지형 분석을 위한 참조자료로써

다목적실용위성에 탑재된 EOC 영상이 이용되었다.

LANDSAT 영상의 경우, 지상 해상력이 60m, 120m 인 TM,

ETM+영상의 열 밴드를 제외한 영상별 6 개의 밴드가 연구에 활용

20

되었다.

표 3 . 3 연구에 사용된 위성 영상 자료.

남 한 북 한

Acquisition Time Sensor Acquisition Time Sensor

1999 년 5 월 21 일 TM 1999 년 5 월 28 일 TM

1997 년 6 월 16 일 TM 1999 년 6 월 13 일 TM

1999 년 6 월 30 일 ETM 1999 년 8 월 16 일 TM

2000 년 9 월 4 일 ETM 2000 년 7 월 9 일 ETM

* 2000 년 5 월 29 일 EOC

연구에 사용된 영상은 남한 지역의 옥수수 파종 시기 및 수확 시

기가 북한보다 약간 빠르므로 이를 고려하여 표 3.3 과 같이 선정되

었다. 표 3.4 는 연구에 사용된 영상들의 밴드별 파장 영역과 지상

해상력에 관한 표이다.

표 3 . 4 T M , E T M + , E O C 센서의 밴드별 파장 영역 비교

TM ETM+ EOC

밴드

(㎛)

지상

해상

력(m)

밴드

(㎛)

지상

해상

력(m)

밴드

(㎛)

지상

해상

력(m)

1(0.45~0.52) 30 1(0.45~0.52) 30

2(0.52~0.60) 30 2(0.52~0.60) 30

3(0.63~0.69) 30 3(0.63~0.69) 30

4(0.76~0.90) 30 4(0.76~0.90) 30

5(1.55~1.75) 30 5(1.55~1.75) 30

6(10.4~12.5) 120 6(10.4~12.5) 60

7(2.08~2.35) 30 7(2.08~2.35) 30

8(0.52~0.90) 15

1

(0.51~0.73) 6.6

21

그림 3 .6 북한 대상지역의 다중시기 LANDSAT 영상( 左上:1999년

5 월 28 일, 右上:1999 년 6 월 13일, 左下:2000 년 7월 9 일, 右下:1999

년 8 월 1 6 일)

그림 3.6 은 북한 대상 지역의 시기별 영상을 보여 주고 있으며

그림 3.7 은 2000 년 5 월 29 일에 촬영된 EOC 영상의 모습이다.

TM 영상과의 해상도 차이를 육안으로 확연하게 구분할 수 있다.

그림 3 . 7 다목적 실용위성의 E O C 영상 ( 황주군 북부 경계 지역)

영상의 커버리지가 북한의 대상지역인 황해북도 황주군을 모두

포함하고 있지는 않지만, 황주군과 평양의 경계지역의 매상천 부근

의 일부 산림지역과 농경지역을 포함하고 있어 이 부근의 영상 판

독 및 보조 자료 생성에 이용되었다.

22

이와 함께 기타 연구 보조 자료로써 북한의 지형도가 사용되었는

데 이 지형도는 북한 전역에 대해 1937~1942 년까지 일본의 육지

측량부에서 실측한 자료를 토대로 1976~1979 년에 북한에서 이를

보완 작성한 이후, 1981 년에 구 소련군 참모본부에서 항공촬영법을

이용하여 보완 수정함으로써 군사용으로 사용되다가 민간용으로 한

글화되고 지형도로 수정되어 1997 년 10 월에 출판된 지형도이다.

그러나 이 지형도는 특정 주제도를 포함하고 있지 않고 있고, 제작

시기가 오래되어 영상에서 판독된 북한의 지형과 차이가 있지만,

민간 차원에서 접근할 수 있는 유일한 지형도이고 북한의 토지피복

에 관한 개괄적인 모습을 보여줄 수 있으므로 본 연구에서는 유용

하게 활용되었다.

3 . 3 연구 방법

3 . 3 . 1 위성 영상 전처리

위성영상자료는 인공위성의 자세와 궤도의 변이, 지구자전, 그리

고 지형의 기복 등 여러 가지 요인에 의하여 발생되는 기하학적 왜

곡을 가지고 있다. 이러한 기하학적 왜곡 현상은 오차의 종류와 특

성에 따라 다양하게 처리될 수 있지만, 가장 널리 시행되는 일반적

인 방법은 영상에서 지도상의 좌표를 확인할 수 있는 지상기준점

(ground control points-GCP) 을 이용하여 보정하게 된다 (Lim,

2000). 지상기준점에 해당하는 영상좌표와 지도좌표가 얻어진 후,

기하학적 보정을 위해서는 영상에서의 각 화소를 지도좌표에 맞게

변환하기 위한 좌표변환식이 산출되어야 한다. 좌표 변환식은 아래

의 형태와 같은데, 여기서 지상기준점의 지도좌표를 x, y 라하고 영

상좌표를 x', y' 라고 할 때 두 좌표를 연계하는 다음과 같은 다항식

을 통하여 영상좌표에서 지도좌표로 변환을 하게 된다.

yaxaax 210' ++= (3.2)

ybxbby 210' ++= (3.3)

좌표 변환식의 정확도를 점검하는 방법으로는 이 식에 의하여 변

환된 각각의 지상기준점이 갖게 되는 제곱근오차(root mean

23

square error-RMSE)를 이용한다. 아래 식에서 각 GCP 가 가졌

던 원래의 좌표 값과 변환 후에 갖게 되는 좌표 값과의 차이를 통

하여 얻어지게 되는 데, 좌표등록 후 위치 정확도는 RMSE 가 0.5

화소 이내가 되게 하였다.

20

20 )''()''( yyxxRMSE −+−= (3.4)

'' , yx : 영상 내 GCP 의 원 행, 열 좌표 값

00 , yx : 원 영상에서 계산되거나 추정된 좌표 값

본 연구에서는 이용되는 각 영상 자료를 동일한 기준 좌표로 변

환하기 위해 기하학적 보정(geometric correction)을 수행하였다.

남한의 대상지역 영상의 기하 보정은 1999 년 3 월 2 일에 획득된

영상에서 영상 내의 변이가 없는 교량, 교차로 등의 지상기준점을

선정하고 1:5,000 지형도에서 동일 지점의 좌표를 획득하여 좌표를

입력하는 방식을 이용하고 나머지 영상은 이 기준 영상에 맞추어

이미지 대 이미지 변환하였으며, 기준 좌표는 지형도와의 비교를 고

려하여 평면직각좌표(Transverse Mercator)를 이용하였다. 북한

지역의 영상은 1981 년에 소련군에 의해 제작된 1:50,000 지형도

의 기준 좌표인 UTM(Universal Transverse Mercator)를 이용하

였다. 각 영상의 RMSE 는 모두 0.5 이하가 되도록 하였다. 보정

을 위해 1 차 선형 변환식(affine)을 이용하였으며, 영상 화소의 재

배열을 위해 최근린 내삽법(nearest neighbor interpolation)을 이

용하였다.

기하 보정과 더불어, 디지털 영상에 적용되는 방사 보정의 형식은

그 영상을 취득한 센서의 특성이나 감지 능력에 따라 다양하다. 특

히 식생 응용분야에서 태양 고도 보정과 태양-지구거리 보정 과정

은 필수적으로 이루어져야 하는 전처리 과정에 해당한다. 태양 고도

보정은 지구에 대한 태양의 계절적 위치를 의미한다. 이 과정을 통

해 영상이 획득된 일자의 태양이 천정에 위치한다는 가정 하에 픽

셀의 밝기 값을 계산하여 서로 다른 태양광 각도에 따라 획득된 영

상을 일반화 시켜 주어야 한다. 일반적으로 특정 시간대에 태양 고

도각과 이미지 위치 사이의 Sine 값으로 이미지의 모든 픽셀 값을

나누어 줌으로써 이미지를 보정하게 된다.

24

단일 시기의 영상의 육안 판독이나, 지표상 물체의 유무를 확인할

경우, 영상의 전처리 과정이 중요하지 않으나, 다중시기의 원격탐사

데이터, 특히 광학 영상을 이용하여 정량적인 변화를 관측하고자 할

경우, 각 영상을 동일한 지리좌표체계에 일치되도록 좌표 등록과 영

상이 갖는 기하학적인 특성의 보정 및 태양 고도각 변이, 대기에 의

한 산란, 흡수 등 다양한 변이에 의해 발생하는 절대 에너지 값의

변이를 보정하는 영상 전처리 과정이 필수적이다(Paul M. Mather,

1998).

지구와 태양간의 거리 보정은 계절적으로 변하는 지구-태양사이

의 거리를 일반화하는 것이다. 지구와 태양간의 평균 거리는 약

149.6 x 106 km 이며 통상 천문단위로 표시한다. 대기의 영향을 무

시하고, 태양천정각과 지구와 태양간의 거리의 조합된 영향 하에 지

표에 도달하는 태양 입사량은 다음과 같다.

200 cos

dE

Eθ= (3.5)

여기서 E = 일반화된 태양 복사량, 0E = 지구와 태양의 평균 거

리일 때 태양 복사량, 0θ = 천정으로부터 태양각, d = 지구와 태

양간의 거리(천문단위)를 의미한다.

태양광량 변화에 따른 영향과 대기효과에 의해 생기는 영향도 고

려해 주어야 한다. 대기는 영상의 특정지점에서 측정된 방사량에 영

향을 미치는데 첫째, 지상 대상물체에 입사하는 에너지의 양을 감소

시키고, 둘째 대기 자체가 반사체로 작용하여 분산을 증가시켜 센서

가 취득한 신호에 이질적인 ‘path radiance’를 첨가 시킨다. 그래서

특정 픽셀의 위치에서 관찰되는 혼합된 신호는 다음의 식으로 표현

되는데, totL = 센서에 의해 측정된 전체 분광 반사량, ρ = 대상물

체의 반사량, E = 대상물체의 복사량, T = 대기의 투과율(전달률),

pL = path radiance 를 의미한다.

ptot LET

L +=π

ρ (3.6)

25

일반적으로 해색(Ocean Color)을 결정하기 위한 해양 원격탐사

에 있어 대기 보정은 해양 표면에 대해 0.4~3 ㎛영역의 반사 스펙

트럼 부분에 기본적으로 이루어 지고 있다. 이는 보정 방법에 있어

기본적으로 750 ㎚부근에서 수분이 거의 모두 흡수된다는 가정을

하고 있다. 그러나 육지 부분의 대기 보정은 영상 내에 넓은 수역

이 존재 하지 않고 픽셀의 인접 효과에 의한 영향이 더 복잡한 메

커니즘을 갖기 때문에 해양 부분의 대기 보정보다 좀 더 복잡하고

어렵다(Richter, 1991).

Raw Image Data

ATCOR0VISIBILITY Decision

Ref lec tance Image

ATCOR1

Low Pass Filter

Low Pass f i l tered Ref lec tance Image

ATCOR2

Ref lectance Image removed ad jacency

e f f ec t

그림 3 . 8 대기 보정 과정.

본 연구에서는 옥수수 재배지역의 생육 단계에 해당하는 데이터

를 선정하기 위해 생육주기에 따라 이에 해당하는 영상을 선정하였

고, Radiance 와 DN 값의 반응에 따른 회귀 변형식에서 얻어지는

기울기와 절편(gain/bias)의 계수와 태양 고도각, 시정거리 정보를

이용하여 복사 전달 모델(radiative transfer model)인 LOWTRAN

을 기반으로 하고 있는 PCI 의 대기 보정 패키지를 이용하여 영상

의 DN 값이 반사값(reflectance)으로 변형되었다. 이는 본 연구

이후에 옥수수 작물의 생리적인 특성과 관련된 사후 연구를 진행할

경우, 옥수수 밭의 현장 정보와 위성영상의 신호 값의 분석에 있어

26

앞서 언급한 영상에서 보이는 에러 요인을 제거하기 위함이었다.

표 3.5 는 대기 보정을 위해 이용된 입력 파라미터이다. 그림 3.9

는 옥수수 재배면적 추정을 위해 광학 영상에 적용된 대기 보정 과

정을 보여주고 있다.

표 3 . 5 대기 보정을 위한 입력 파라미터

입력 항목 실제 입력 값 형식

Atmosphere Rural aerosol Char

Calibration coefficient Offset, Gain Coefficient Real

Sensor TM Char

Surface reflectance Meadow Real

Ground elevation 0~1(㎞) above sea level Int

Ground visibility 23~40 ㎞ Real

Solar zenith angle 27~52° Real

위성의 센서에 기록되는 분광데이터는 수많은 요인으로 인해 영

향을 받는데, 그 요인으로 대기흡수, 산란, 센서와 타겟 간의 기하학

적인 관계, 센서 보정과 같은 것들이 있다(Teillet, 1986). 이러한

요인을 제거하기 위해서 사용하는 방법은 절대적인 방사 보정과 상

대적인 방사 보정이 있는데, 직접적인 방사전달모델을 이용하여 보

정을 하는 경우는 절대적인 보정 방법에 해당하고, 이와 달리 방사

보정이 이루어진 기준영상을 이용하여 다른 시기의 영상을 보정하

는 방법은 상대적인 보정 방법에 해당한다. 상대적인 방사 보정 방

법으로는 PIF(Pseudo Invariant Features), RCS(Radiometric

Control Set), IR(Image Regression), NC(No-change set

determined from scattergrams)이 있다. 이러한 방법들을 적용하

기 위해서는 방사 보정이 제대로 이루어진 기준 영상이 꼭 필요하

다

Xioajun et al, (2000) 는 다중 시기의 위성 영상을 이용한 변화

탐지를 위해 상대적인 방사 보정 방법을 이용하였는데, 이에 앞서

적용된 상대 보정 방법들간의 어떤 특성이 있으며, 어떤 방법이 분

류 또는 변화탐지에 적합한지 위의 네 가지 방법을 테스트한 결과,

PIF(Pseudo Invariant Features), RCS(Radiometric Control Set)

27

방법을 이용한 결과가 상대적으로 다른 방법에 비해 분류에 도움이

되는 결과를 주었다고 하였다.

본 연구에서 이러한 방법을 적용하는 이유는 향후 연구의 진행에

있어 작물의 생장에 따른 변화를 모니터링하기 위한 일반화된 값이

필요하기 때문이다.

Pseudo invariant Feature(PIF) Method

Digital value of reference image

Dig

ital va

lue o

f subje

ct im

age

그림 3 . 9 상대적 방사 보정 방법

그림 3.9 는 상대적인 보정 방법 중 기준 영상과 보정 대상 영상

내의 시기의 변화와 상관없이 분광변화가 적은 Invariant 타겟을 선

정하여 회귀식을 도출함으로써 보정하는 방법을 나타낸 것이다. 상

대적 방사 보정 방법은 절대적인 방사 보정이 불가능하였던 남한과

북한의 각 대상지역의 ETM 영상에 대해 적용되었는데, 그 결과,

원시 영상이 가지고 있던 히스토그램에 비해 넓게 분포하는 결과를

주었다.

Pseudo invariant Set(PIS)

Standard Deviations :

PIS of reference image - RKσ

PIS of subject image - SKσ

Means :

PIS of reference image - KR

PIS of subject image - KS

Transformation Coefficients :

Slope : SKRKKm σσ /=

Intercept: kkKK SmRb ×−=

K-band

28

3 . 3 . 2 영상 내 옥수수 밭의 기본 특성 분석 방법

남한과 북한의 대상지역의 옥수수 밭의 기본 특성을 분석하는

이유는 아직까지 남한과 북한의 옥수수 밭에 관한 분석이 부족하여

생육 시기별로 영상에서 나타나는 옥수수 밭의 기본적인 통계 정보

마저 기술되지 못한 실정이기 때문에 영상의 분류를 통한 분석에

앞서, 옥수수 밭의 기본 통계 분석이 이루어 졌다.

본 연구에서는 남한과 북한의 옥수수 밭에 대하여 관심지역

(Area Of Interest)를 설정하여 기본적인 통계 분석은 평균값, 표준

편차의 시기별 변화를 분석하였다.

평균은 관심 지역의 전체를 대표하는 값으로써 관심지역의 전체

적인 밝기를 나타내게 된다. 평균은 다음과 같은 수식으로 계산된다.

n

화소값

평균

n

ii∑

== 1 (3.7)

n = 전체 화소 수

표준 편차는 관심지역 내에 존재하는 화소들이 분포되어 있는 정

도를 나타내는 값으로써 다음과 같은 수식으로 계산이 된다. 여기서

n 은 평균값에서와 마찬가지로 전체 영상의 화소 수를 의미한다.

n

평균값화소값

표준편차

n

ii∑

=

−= 1

2)( (3.8)

3 . 3 . 3 식생 관련 영상 변환 방법

위성 영상을 이용한 식생 응용 분야의 많은 선행 연구에서는 다

중 밴드 영상에서 영상의 변환 기법은 식생의 활력도, 식생의 존재

유무 상태 등에 이용되어 왔다. 본 연구에서는 기존의 활용된 영상

변환 기법을 북한 지역에 적용하여 영상이 획득된 시기의 작물의

29

활력 정도를 확인하고, 대상 픽셀에서 나타나는 특성을 찾아 그 시

기에 재배되고 있는 작물을 확인하기 위해 정규 식생지수(NDVI)

변환이 이루어 졌다.

3 . 3 . 3 . 1 정규식생지수( N D V I )

식생지수는 식생의 분포와 상태 등을 나타내는 지수로서. 일반적

으로 식물의 생체량, 생산량, 엽면적 지수, 광합성량 등과 밀접한 관

계를 가진 지표로서 알려져 있다 (Mary et al., 1996).

근적외선 파장영역에서의 식물의 반사특성은 식물의 종류, 엽량,

수관밀도 등에 따라 크게 좌우되기 때문에 식물의 이러한 특성도

식생지수에 잘 나타날 수 있다. 식물의 반사특성을 구체적으로 살

펴보면 엽록소, 카로티노이드 및 크산토필을 포함하는 광합성색소의

작용이 활발한 건강한 식물은 일반적으로 가시광선영역에서는 입사

되는 태양에너지의 80 - 90%을 흡수하므로 이 영역에서의 반사율

은 아주 낮은 반면, 노화된 식생은 가시광선 파장에서 건강한 식생

보다 높은 반사도를 갖게 된다. 건강한 식물은 근적외선 영역

(0.7-1.1 ㎛)에서 입사광선의 40-50%을 반사하는 반면 가시영역

(0.4-0.7 ㎛)에서는 식물의 엽록소에서 입사광선의 80-90%을 흡

수한다. 고사했거나 노화하고 있는 식물의 경우 가시영역(0.4-0.7

㎛)에서 건강한 식물보다 많은 양을 반사하고 근적외선 영역에서는

더 적은 양의 빛을 반사한다(Lewis J.E., 1998). 건조한 토양은

일반적으로 가시영역에서 건강한 녹색식생보다 높은 반사율을 보이

며 고사한 식생보다는 낮은 반사율을 보인다. 반면에 근적외선 영

역에서는 건강한 녹색식생과 고사하는 식생보다 낮은 반사율을 보

이고 있다. 대부분의 식생지수는 이러한 차이에 기반하고 있다. 만

약 위의 세가지 곡선들이 서로 비슷한 비율로 증가나 감소를 보인

다면 원격탐사를 이용하여 작물에 대한 정보를 뽑아내기란 쉽지 않

을 것이다. 일반적으로 NDVI 라 함은, 각 파장 영역에 따른 반사

특성에 기초한 분광 영역 간의 특성을 조합하여 식생의 양이나 상

태를 파악하는 기법인 식생지수(VI)를 일반화한 것으로 가시광선과

근적외선영역의 두 영상으로부터 차이를 구하여 식생의 반사특성을

강조하고, 두 영상의 합으로 나누어 일반화하여 나타낸다. 식생지

수는 –1~1 사이의 값을 갖는데 구름, 눈, 토양 등과 같이 식물이 아

30

닌 토지 피복은 –1~0 에 가까운 값을 갖으며, 식물은 0~1 사이의

값을 갖게 된다. 또한 식물이 있는 지역이라도 식물의 양이 많거나

건강한 식물의 경우 근적외선에서의 반사 값이 상대적으로 높게 되

므로 노화한 식물이나 병충해 등에 피해를 입은 식물보다 높은 식

생지수를 보여주게 된다.

REDNIRREDNIR

NDVI+−= (3.9)

그림 3.10 는 각 시기 영상별로 분류 정확도 비교를 위한 참조자

료로써 정규화 식생지수(NDVI)변환을 통해 얻어진 NDVI 영상이다.

LANDSAT 데이터의 정규화 식생지수 변환된 영상을 살펴 보면,

5~7 월 사이의 영상에서는 주로 산림 지역의 식생 부근의 값이 높

게 분포하고 있음을 알 수 있으나, 8 월 영상에서는 주요 식생으로

작물들이 위치한 부근의 값과 산림의 식생부근의 값이 거의 비슷하

게 나타나고 있다.

그림 3 .10 시기별 N D V I 영상( 左上:1999 년 5월 2 8 일, 右上:1999

년 6 월 1 3 일 左下: 2 0 0 0 년 7 월 9 일, 右下: 1 9 9 9 년 8 월 1 6 일)

3 . 3 . 4 영상 분류 방법

31

감독 분류는 사전 정보를 가지고 각각의 분류 클래스를 대표하는

학습자료를 선택한 다음에 각각의 학습 자료들을 이용해서 영상을

분류하는 방법을 말하며 평행관 기법, 최소 거리법, 최대 우도법 등

이 있다. 이러한 감독분류 방법의 진행은 대표 분류 군을 선정하는

대표 지역의 선정, 분류, 출력 단계로 나누어진다. 감독분류 중에서

본 연구에서 사용된 최대 우도법은 각 밴드의 클래스 항목에 대해

훈련 데이터의 통계가 정규 분포를 갖는다는 가정 하에 분류가 이

루어진다(Blaisdell, 1993). 즉 하나의 밴드에 두 개 또는 세 개의

최빈값 히스토그램을 갖는 훈련 데이터는 최대 우도법이 비교적 이

상적이지 못하다는 것을 의미한다. 이 방법은 분류 방법 중 정확도

와 활용도가 가장 높은 방법으로 평가 되고 있으나, 분류에 잘 이용

되는 수학적 방법으로 자료가 정규분포에 따라야 하며, 분류항목마

다 많은 참조 자료가 필요하고 평균값, 분산, 공분산 행렬에 대한

역 행렬이 존재해야 한다. 이 방법은 미지 (unknown)의 화소가

어떤 하나의 집단으로 할당되는 것은 집단의 중심으로부터 미지의

화소까지의 거리가 아니라 타원의 상대적인 축의 차원과 방향성에

의해 좌우된다. 분류의 결정은 표본 자료로부터 얻어낸 각 집단의

특성으로부터 확률을 구하고, 이것에 의해 각 화소들을 분류함으로

써 이루어진다. 즉, 각 집단에 대한 확률을 구한 다음 각 화소들을

가장 높은 확률 값을 갖는 집단으로 할당하는 것이다. 이 방법은

수학적인 기초가 확립되므로 지상 검증자료가 있다면 쉽게 이용할

수 있는 방법이고, 많은 변수를 고려하기 때문에 정확도가 상당히

높다. 그러나, 자료에 대한 정규분포가 따르지 않으면 적용하기 어

렵고, 분류정확도가 낮아지고 검증 자료 수집에 많은 어려움이 있고,

점에 대하여서만 분류하기 때문에 시간이 상당히 많이 걸리는 단점

이 있다. 최대 우도법은 각 클래스를 위한 평균벡터와 밴드의 클

래스의 공분산 행렬을 이용하여 결정 법칙을 미지의 평균벡터에 적

용하게 된다(Swain and Davis, 1978; Schalkoff, 1992). 최대 우

도법을 적용하기 위해 측정 벡터, 평균 벡터, 공분산을 구하는 방법

은 다음의 수식 3.10 과 3.11, 3.12 와 같다.

TM 영상의 각 밴드에서 훈련지역의 설정을 위한 각 사이트의 픽

셀들은 관측 벡터( cX )로서 다음과 같이 표현될 수 있다. 여기서,

ijkBV 는 k 밴드의 i,j 번째 픽셀의 밝기 값을 의미한다.

32

ijk

ij

ij

ij

ij

c

BV

BV

BV

BV

BV

X

.

.4

3

2

1

= (3.10)

각 밴드별로 설정된 훈련 지역의 밝기 값은 다음과 같이 통계적

으로 표현이 가능하다. 여기서 cM 는 k 밴드에서의 c 클래스에 대

해 얻어진 데이터의 평균 밝기 값을 의미한다.

ck

c

c

c

c

cM

µ

µµµµ

.

.4

3

2

1

= (3.11)

또한, 초기의 관측 벡터는 각 클래스에 대한 공분산 행력을 산출

하기 위해 다음처럼 나타낼 수 있다. 여기서, cklCov 는 k 밴드간 클

래스의 공분산을 의미한다

==

cnncncncn

ncccc

ncclcc

cklc

CovCovCovCov

CovCovCovCov

CovCovCovCov

VV

.

.....

.....

.

.

321

2232221

1131211

(3.12)

영상에서 분류하고자 하는 클래스가 설정되면, 영상에서

Signature 를 선정하게 되고 이렇게 선정된 Signature 는 분류 결정

법칙(classification decision rule)에 의해 분류가 이루어 진다. 이

33

때 결정 룰은 수학적인 알고리즘에 의해 각 픽셀들을 분류하여 설

정한 클래스 항목의 값을 할당하게 된다.

최대 우도법의 결정 법칙에 의해 클래스를 결정하게 되는 각 클

래스의 값 cp 를 구하는 식은 다음의 수식 3.13 과 같다.

)])(()(5.0[]}[det(log5.0{)(log)( 1cc

Tccececc MXVMXVaap −−−−= −

(3.13)

일반적으로 영상의 분류를 시행할 경우, 분류하고자 하는 분광

Feature 간의 특성을 잘 구분할 수 있는 밴드를 선정하여 분류하는

것이 보통이나, 이러한 방법은 즉 불필요한 밴드를 제거 시킴으로써,

분류에 소요되는 비용을 줄이기 위해 사용되나, 이용할 수 있는 모

든 밴드를 이용할 경우 분류 정확도가 높아지는 것이 당연하다. 이

에 본 연구에서는 각 영상 자료의 열 밴드와 고해상도 단일 밴드를

제외한 모든 밴드를 이용하여 분류에 적용하였다. 감독 분류를 위

한 훈련지역으로는 국제 옥수수재단을 통해 현장의 모습을 확인할

수 있는 지역을 지형도에서 샘플링 함으로써 각 클래스 항목에 대

한 훈련지역이 설정되었다. 클래스 항목의 설정은 본 연구에서 관

심 있는 농작물을 우선적으로 설정하였고 그 다음 TM 영상에서 분

류할 수 있는 최소한의 기본적인 클래스 항목이 설정되었다. 이는

분류 감독자가 특정 항목에 대해 분류를 하고자 할 때 이용되는 수

법 중의 하나이다. 영상의 분류를 위해 옥수수, 감자, 도심지, 논,

산림, 물에 대한 6 개 분류 항목을 설정하였다. 훈련조의 설정은

최소한의 설정에 따라 각 피복 분류 항목 당 6~8 곳의 사이트가 설

정되었다. 설정된 훈련조에 근거하여 감독분류 방법 중 최대 우도

법을 적용하여 분류하고, 그 결과에 대해 33× median 필터를 적용

하여 결과에 나타나고 있는 잡음 및 훈련조의 분산을 감소시켰다.

이렇게 각 시기별 영상을 각각 감독분류를 통해 분류함으로써 대상

지역이 어떻게 분류되는지 알아보았다.

3 . 3 . 5 분류 영상의 정확도 검증 방법

원격탐사를 이용하여 작성된 토지이용도나 피복도 등은 지형자료

34

의 가치를 지니기 위해서는 분류결과의 정확도의 검증이 있어야 하

며, 분류 정확도를 평가하는 방법이 있어야 하는데, 이러한 원격탐

사자료의 분류결과를 객관적이고 정확하게 평가하는 기법으로

Error Matrix 를 주로 이용하고 있다(Lim, 2000). 분류 정확도를

평가하기 위한 방법으로 두 가지 기법이 있는데 먼저 원격탐사로부

터 유도된 자료비교와 실제 지도(assumed true map, 오차를 포함)

에 의한 자료분석이 있다. 정확도 평가 방법은 오차행렬을 이용하여

전체 정확도(overall accuracy)와 사용자 및 제작자 정확도 만을

제시했던 초기 단계에서 정규화 작업을 거쳐서 Kappa 계수로 정확

도를 평가하고 있다. 정확도 평가를 위해서는 영상의 분류를 통해

작성되어진 결과와 세밀한 지형도, 토양도, 지질도, GPS 를 이용한

현장실측 자료 또는 항공사진을 이용하여 작성된 참조자료가 필요

하다. 현지 접근이 불가능하고, 동시에 대상 지역의 항공사진이 존

재하지 않아, 본 연구에서는 참조 자료로써 TM, ETM+영상의 각

밴드를 칼라 조합을 통한 육안 판독, 밴드 3 과 밴드 4 를 이용한

NDVI 변환 이미지, 소련군에 의해 제작된 1:50,000 지형도, 고해

상도 EOC 영상을 이용하여 생성되었다. 각 지점은 참조자료 생성

을 위해 서로 중첩되거나 기준 지리좌표를 통해 연결된 상태에서

각각 확인되어 정확하게 분류에 사용된 지상피복항목이 결정되었다.

분류 정확도를 위한 Error Matrix 는 표 3.6 과 같이 나타낼 수 있

다.

표 3 . 6 분류 정확도 검증을 위한 오차행렬

참조 자료

옥수수 감자 도심지 논 산림 물 합계

옥수수 11X 12X 13X 14X 15X 16X *1X

감자 21X 22X 23X 24X 25X 26X 11X

도심지 31X 32X 33X 34X 35X 36X 11X

논 41X 42X 43X 44X 45X 46X 11X

산림 51X 52X 53X 54X 55X 56X 11X

물 61X 62X 63X 64X 65X 66X 11X

분류된

데이터

합계 1*X 2*X 3*X 4*X 5*X 6*X N

35

이 오차행렬에서는 열이 실제 토지피복에 대한 보조자료를 나타

내며 행이 영상의 분류 결과가 된다. 이 행렬을 구성하는 각 ijX 는

실제 토지피복에 대한 영상 분류 결과의 화소 개수들이다. 예들 들

어 54X 는 보조자료를 통해 실제의 토지피복은 산림인데 영상 분류

상으로 논으로 분류된 화소 수를 의미한다. 이 같이 ijX 에서 i=j

인 대각 행렬 원소들의 화소들은 정확하게 분류된 결과들이며 i≠j

인 행렬 원소들은 분류 오류를 나타낸다. 또한 이 행렬에서

jX* (j=1,2,..6)는 열에 대한 합을 영상분류에서 각 분류 등급들의

화소 수를 나타내고 *iX (i=1,2,..6)는 행에 대한 합으로 실제 토지

피복들에 대해 각 분류 등급들의 화소 수가 되며 N 은 전체 화소

수가 된다. 오차행렬을 사용하여 필요한 정확도를 구할 수도 있는

데, 이를 통해 구해지는 정확도는 크게 분류 전체에 대한 정확도와

각 분류 등급들에 대한 정확도를 의미한다. 정확도를 구하는 방법

에는 전체정확도(overall accuracy)와 Kappa 계수를 구하는 방법

이 있다. 전체정확도는 정확하게 분류된 화소 수들을 검정지역 전

체에 대한 화소 수로 나눠주어 구해지며 정확하게 분류된 결과들만

을 사용하여 정확도를 나타내므로 매우 대략적인 정확도가 된다.

이에 비해 Kappa 계수 값은 정확하게 분류된 결과 뿐만 아니라 분

류 오류들도 고려하여 정확도를 계산하기 때문에 전체정확도보다

훨씬 정확한 정확도를 나타내는 기준 된다. Fung(1988)에 의하면

Kappa 값은 행렬 내의 모든 원소들을 사용하므로 분류의 과대추정

(commission)과 과소추정(omission)을 모두 설명하는 정확도라고

정의하였다. 이와 같은 전체정확도와 Kappa 값은 다음과 같은 식

으로 구하게 된다.

전체 정확도 : 정확하게 분류된 총 픽셀 수를 픽셀의 전체 개

수로 나누어 계산한 것으로 개개 분류 항목의 정확도와는 관계없이

전체 화상의 정확도를 판단하는 기준이 된다. 그러나 표본수가 큰

항목으로 치우칠 우려가 있다(Fung and LeDerw, 1988).

36

N

XuracyOverallAcc

r

iii∑

== 1 (3.12)

위 식에서, r 은 오차행렬의 행과 열의 수를 의미하고, iiX 는 올

바르게 분류된 화소의 개수, N 은 화소의 총 개수를 의미 하는데,

전체 화소의 수에 대해 올바르게 분류된 화소의 총수의 비율로 전

체 정확도를 계산할 수 있으며 분류항목에 대한 사용자 정확도

(user's accuracy) 및 제작자 정확도 (producer's accuracy)에 대

한 평가가 가능하다.

제작자 정확도 : 각 항목에 대해 정확하게 분류된 픽셀의 개수

를 그 항목으로 분류된 참조자료의 픽셀의 전체 개수로 나누어 계

산한 값이다. 이 값은 누락오차(omission error)에 대한 측정치이

며(Congalton, 1991), 그 항목으로 분류된 픽셀들이 실제로 참조자

료와 얼마나 일치하는지를 보여준다.

i

ii

XX

sAccuracyoducer+

='Pr (3.13)

위 식에서 +iX 는 오차행렬에서 i 번째 행의 화소의 합, iX + 는 오

차행렬에서 i 번째 열의 화소의 합을 의미한다.

사용자 정확도 : 각 항목에 대해 정확하게 분류된 픽셀의 개수

를 그 항목으로 분류된 픽셀의 전체 개수로 나누어 계산한 값이다.

이 값은 허용오차(comission error)에 대한 측정치이며, 그 항목으

로 분류된 화소가 실제로 그 항목과 동일하게 분류될 가능성을 알

려준다.

+

=i

ii

XX

sAccuracyUser ' (3.14)

Kappa 계수 : Kappa 계수는 오차행렬에서 대각선 요소들에

의해 나타나는 실제적 일치(actual agreement)에서 오차행렬에서

37

행과 열에서 나타나는 우연의 일치(chance agreement)를 뺀 값으

로 오차행렬에서 모든 픽셀에 적용되며 도한 누락오차와 허용 오차

들을 고려한 값이다(Cohen, 1960). Kappa 계수의 계산은 다음과

같다.

∑

∑ ∑

=++

= =++

×−

×−= n

iii

n

i

n

iiiii

xxN

xxxNk

1

2

1 1

)(

)(ˆ (3.15)

여기서 N 은 관찰된 픽셀의 총 개수, n 은 오차행렬에서 행의 수,

ijx 는 행 i 와 열 j 번째의 관찰된 개수, +ix 와 ix+ 는 행 i 와 열 j 번

째의 한계 총계를 의미한다. 이를 정확도로 표현하면 다음과 같이

나타날 수 있다.

e

en

iii

n

i

n

iiiii

PPP

xxN

xxNxNk

−−=

×−

×−=

∑

∑ ∑

=++

= =++

1)()/1(1

)()/1()/1(ˆ 0

1

2

1 1

2

(3.16)

여기서 0P 는 일치된 픽셀 개수, 즉 전체 정확도를 의미하며, eP

는 일어날수 있는 일치된 픽셀 개수를 의미한다. 이렇게 정의되는

Kappa 계수는 통계적인 의미에서 전체 정밀도로부터 한계분포를

이용하여 계산되는 우연의 일치에 의한 효과를 제거한 결과로 나타

나게 되며, 분산행렬로 표현되는 분류의 결과가 완전히 우연으로 인

한 결과일 경우에는 0 의 값을 가지게 된다. 양의 Kappa 계수는

기대된 일치보다 클 경우에만 가능하다. 실제 일치성이 1 에 접근하

고, 가능 일치성이 0 에 접근하면 K 는 1 로 접근한다. 이러한 경우

는 아주 이상적인 경우로 볼 수 있으며, 실제로 Kappa 계수의 범위

는 통상적으로 0~1 사이에 있다. 전체정밀도의 경우에는 단순히

행렬의 대각선 요소들만을 이용하여 계산하게 되므로 주변분포, 즉

누락 오차를 고려할 수 없으나, Kappa 계수의 경우는 행렬의 주변

분포를 이용하여 계산되어지는 값이므로 행렬의 대각선 요소가 아

38

닌 요소들도 고려하게 되며, 따라서 이러한 내부 오차 및 내부 오차

의 영향에 대한 정보를 포함하게 된다. 그러므로 우연으로 인한 결

과를 포함하고 있는 전체 정밀도보다는 Kappa 계수의 경우가 분

류의 정확도를 표현하는 방법으로 적당하다고 볼 수 있다.

영상 분류결과의 정확도 검증을 위해서 1981 년 소련군이 항공사

진 판독을 통해 작성한 1:50,000 축척의 지형도와 LANDSAT 위

성영상에서 얻어진 NDVI 이미지, 최근 북한 지역의 영상을 제공하

는 EOC 영상의 육안 판독을 통해 대상지역의 Reference 자료가

마련되었다. 이렇게 마련된 참조자료는 항공사진, GPS 측량, 현지

관측을 통해 마련되는 일반적인 참조자료와는 달리 본 연구처럼 현

지조사가 불가능한 특수한 경우에 적용된 것으로써 준 참조자료

(semi-reference)라고 볼 수 있을 것이다.

Ortiz et al.(1997)에 의해 설정된, 분류 평가에 대한 Kappa 계

수 값의 범위 설정은 표 3.7 과 같다.

표 3 . 7 K a p p a 통계 값에 대한 분류 정도

Kappa Quality Kappa Quality

<0.00 Worst 0.40~0.60 Good

0.00~0.20 Poor 0.60~0.80 Very good

0.20~0.40 Reasonable 0.80~1.00 Excellent

영상 분류에 대한 정확도 검증을 위한 참조자료는 앞서 언급한

바와 같이 각 시기별 영상을 변환한 NDVI 영상과, 대사지역의 지

형도, 고해상도의 단일밴드 EOC 영상을 이용한 육안 판독 결과를

통해 준비되었다. 모든 영상 중 7 월 영상을 제외한 3 시기의 영상

은 모두 1999 년도에 획득되어 이 3 시기의 영상에 대한 테스트 필

드와 2000 년 7 월 영상에 대한 테스트 필드가 각각 마련되었다.

테스트 필드는 대상지역에서 훈련지역으로 선정된 지역을 제외한

나머지 지역에서 각 클래스 항목 당 약 80~90 개 정도가 선정되어

총 500 여 개 지역이 선정되었다.

39

3 . 3 . 6 다중시기영상을 이용한 단계적 분류 방법

북한의 옥수수 분류를 위해 적합한 위성 영상의 획득시기는 영상

의 분류 정확도 평가를 통해 8 월에 획득되는 영상임을 알게 되었다.

그러나, 영상의 육안 판독 결과에서 언급한 바와 같이 이 시기의

영상에서는 옥수수 재배지역과 봄 감자 재배지역 그리고 산림지역

이 서로 혼돈되어 나타나는 지역이 분포하고 있어, 8 월의 단일 시

기의 영상 분류를 통해 옥수수의 재배면적을 추정하게 되면, 실제

옥수수 재배면적보다 많이 나타나거나 적게 나타날 수 있는 오류를

범할 수 있다.

영상의 분류 결과를 통해서 알아 보았듯이 서로 다른 작물이 비

슷한 시기에 심겨지더라도 작물의 생리적, 형태적 특성으로 인해 영

상에서는 각각 다른 특성이 나타나게 된다. 이러한 특성을 이용하

여 본 연구에서는 그림 4.4 와 같은 영상처리 기법을 제안하였다.

이 기법은 봄 감자가 옥수수보다는 약간 이른 시기에 파종이 되

며 생리적, 형태적으로 봄 감자가 옥수수보다 빨리 나타나기 때문에

이러한 특성을 이용하여 옥수수의 생장 초기인 5 월의 영상에서 봄

감자 재배지역과 산림 지역을 우선 분류한다. 이렇게 분류된 봄 감

자 재배지역과 산림지역은 옥수수가 생식 생장기에 접어드는 8 월이

되더라도 옥수수와 동시에 생장이 지속되기 때문에 다른 피복으로

바뀔 수가 없다. 그러므로 8 월의 영상에서 이 지역을 Zero 값을

갖도록 Recoding 한 후 그 결과 영상을 8 월에 획득된 영상에 곱하

여 이 지역을 마스킹하여 8 월 영상에서 옥수수와 Mixing 되는 픽

셀들을 제거하게 된다. 그 다음 봄 감자 및 산림 지역이 제거된 8

월 영상을 분류함으로써 순수하게 옥수수 재배지역을 찾아내게 된

다.

40

봄 감 자 , 산 림 지 역 제 거

옥 수 수 생 장 초 기 에 획 득 된 영 상 에 서 봄 감 자 , 산 림 픽 셀 추 출

옥 수 수 의 최 대 생 장 기 의 영 상 데 이 터

옥 수 수 재 배 지 역 추 출

영 상 분 류

봄감자, 산림 지역을 0으로 리코딩

그림 3 . 1 1 혼돈 픽셀 제거를 통한 단계적 옥수수 밭 추출 방법

41

제 4 장 결과 및 고찰

4 . 1 위성영상 내 옥수수 밭의 특성

위성영상에서 나타나고 있는 옥수수 밭의 기본적인 특성을 파악

하기 위해 남한과 북한의 대상지역에서 관심지역(Area Of

Interest-AOI)을 선정하여 해당 지역의 신호 값의 평균과 표준편

차를 구하여 분석한 결과, LANDSAT TM, ETM 센서에서 얻어진

영상에 분포하는 남한과 북한의 대상 지역 내의 옥수수 밭의 특성

은 영상 획득 시기에 따라 그림 4.1 과 같은 특성을 보였다. 시기

의 변화 즉, 옥수수의 생장의 진행됨에 따라 영상에서의 신호 값 또

한 증가하는 추세를 보였다. 특히 지상 피복물의 근 적외선과 중

적외선 영역의 정보를 기록하는 TM 밴드 4,5 에서 높은 값을 보였

다. 영상의 획득 시기별로 분석해 보면, 남한은 5 월 21 일 영상과

6 월 16 일 영상에서 거의 비슷한 값을 보이다가 6 월 30 일에는 신

호 값이 이전 시기보다 훨씬 높게 나타나고 있으며, 북한은 5 월 28

일과 6 월 13 일 영상에서 거의 비슷한 값을 나타내나 7 월 9 일에는

이전 시기의 영상보다 낮게 나타나고 8 월 16 일에는 신호 값이 가

장 높게 나타남을 볼 수 있다.

FAO/WFP 를 통해 매년 2 회씩 보고되는 특별보고서(2000)에

의하면 북한은 1995 년부터 1997 년까지 식량 생산에 급속히 감소

하였다가 다시 1998 년과 1999 년에 다소 회복하는 기미를 보였으

나, 다시 2000 년에 기상 조건의 악화로 인해 작물의 활력이 저조

하여 전체적인 생장이 둔화되었다고 보고하고 있다.

실제 본 연구에서 사용된 1999 년부터 2000 년 사이에 획득된

영상에서 나타나는 옥수수 재배지역의 신호 값에서도 이를 발견할

수 있다. 2000 년 7 월 영상에서는 옥수수가 제대로 생장되지 못해

시기적으로 1999 년 5 월과 6 월 영상에서 나타나고 있는 것보다 신

호 값이 훨씬 미치지 못하고 있음을 관찰할 수 있는데, 이는 2000

년 6 월~7 월 사이에 북한의 연평균 강우량이 평년보다 훨씬 낮아

옥수수를 비롯한 작물의 생육이 둔화됨으로써 제대로 생육하지 못

한 데서 기인한 결과라 할 수 있다.

42

Band1 Band2 Band3 Band4 Band5 Band7

0

20

40

60

80

100

120

140

160

180

Band1 Band2 Band3 Band4 Band5 Band7

0

20

40

60

80

100

120

140

160

180

(a)

Nor

mal

ized

Dig

ital N

umbe

r

May 21 , 1999 June 16 , 1997 June 30 , 1999 Sep . 4 , 2000

(b)

Nor

mal

ized

Dig

ital N

umbe

r

May 28 , 1999 June 13 , 1999 Ju ly 9 , 2000

Augus t 18 , 1999

그림 4 .1 LANDSAT 영상에 나타난 남북한 옥수수 밭의 통계 값

( a : 남한, b : 북한)

NDVI 분석을 통한 결과에서도 이러한 결과를 볼 수 있는데, 각

시기별 영상을 NDVI 변환 후 작물별로 나타나는 값을 분석하여 보

면, 2000 년 7 월 영상에서 나타나는 NDVI 값이 1999 년 5 월,6 월

에 나타나는 값보다 훨씬 낮게 나타나 영상의 기본 통계 분석 결과

와 비슷한 결과를 나타내고 있음을 알 수 있었다.

43

May 28, 1999 June 13, 1999 July 9, 2000 Aug. 16, 19990.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

May 21, 1999 June 16, 1997 June 30, 1999 Sep. 4, 20000.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

( b )

ND

VI V

alue

Adquisition Date

(a )

ND

VI

Acquisition Date

그림 4.2 LA NDSAT 영상에 나타난 남북한 옥수수 밭의 NDVI(a :

남한, b : 북한)

4 . 2 영상 육안 분석 결과

본 연구에 사용된 남한과 북한의 옥수수 재배 지역의 모든 영상

에 대하여 육안 판독이 이루어졌다. 그 결과 남한은 예상한 바와

같이 비교적 다양한 종류의 밭 작물이 재배되고 있어 피복 구성이

다양하게 나타나고 있는 반면, 북한은 작물의 구성이 남한에 비해

단순하여 남한 지역의 토지 피복과는 다른 구성을 갖고 있었다.

44

RGB 칼라합성은 적색, 녹색, 청색의 빛의 삼원색 합성에 따라 다

양한 색이 조합되는데 영상 내의 지상 피복물의 반사 특성에 따라,

즉 RGB 에 밴드를 어떻게 색을 조합하느냐에 따라 서로 다른 색 조

합을 나타내게 된다. 예를 들어 식생은 근적외선과 중 적외선 영역

에서 높은 반사 특성을 보이는 반면, 가시광선 영역에서는 근적외선

과 중 적외선 영역에서 낮은 반사 특성을 보여 위성센서에 기록되

는 신호 값은 4,5 번 밴드에서 높게 나타나게 되어 이 두 밴드의

색 조합에 의해 주황색에 가까운 칼라 조합을 형성 하게 되며, 물의

경우에는 가시광선 영역과 근적외선, 중 적외선 영역에서 모두 낮은

반사를 보이게 되어 검정 색의 칼라 조합을 형성하게 된다.

표 4 . 1 남한 농경지 변화 I n d e x

벼 옥수수

5 월 21 일

6 월 16 일

6 월 30 일

9 월 4 일

샘플지역 평택시 유천동 천안시 국립육종장

남한과 북한의 대상지역 내의 주요 작물들이 시기별로 어떻게 변

화하는지 알아 보기 위해 표 4.1 과 4.2 와 같이 Index 를 생성하였

45

다. 남한의 대상 지역 내에서는 실제 북한과는 달리 대규모로 감자

를 재배하고 있는 지역이 없어 벼와 옥수수 재배지역만이 판독되었

는데 육안 판독을 위해 선정된 샘플 지역은 현장 답사를 통해 확인

된 지역이다.

영상을 육안 판독한 결과를 항목별로 정리하면 다음과 같다.

남한의 논 지역을 살펴 보면, 5 월과 6 월에 담수 상태로 물의 특

성이 강하게 나타나 군청색으로 나타나고 있고 6 월말과 9 월 초까

지 논에서는 벼의 생육이 양호하여 오렌지색과 밝은 노란색으로 나

타나고 있다. 이에 반해 북한의 논은 5 월과 6 월에는 남한과 마찬

가지로 비슷한 특징을 보이고 있으나 7 월과 8 월의 논에서는 벼의

생육이 비교적 양호하지 못해 토양의 특성이 그대로 나타나고 있으

며 식생의 형태를 띄지 못하는 지역도 많았다.

표 4 . 2 북한 농경지 변화 I n d e x

벼 옥수수

5 월 28 일

6 월 13 일

7 월 9 일

8 월 16 일

샘플지역 매상천 부근 흑교천 부근

46

봄감자 가을감자

5 월 28 일

6 월 13 일

7 월 9 일

8 월 16 일

샘플지역 금상리 부근 능교리 부근

북한의 감자 재배지역은 그 특성이 독특하게 나타나는데, 5 월 영

상에 오렌지 색을 띄고 있는 봄 감자 재배지역의 모습을 볼 수 있

고, 8 월 영상에서는 밝은 노란색으로 나타나고 있는 가을 감자 재

배지역을 찾아 볼 수 있다.

작물간 그리고 작물과 산림 식생간의 분광적인 혼합문제

(Spectral Mixing Problem)로 인해 육안 판독이 힘든 지역이 있는

데, 그림 4.3 을 보면 이를 알 수 있다. 이 지역은 금상리 부근의

집단 농장으로 좌측의 5 월 영상을 보면 봄 감자 재배지역이 오렌지

색으로 명확히 나타나고 옥수수 재배지역과 가을 감자 재배지역이

나지와 비슷하게 나타나고 있다.

47

그림 4.3 금상리 부근의 집단 농장 지역 ( 左 : 1999 년 5월 28 일,

右 : 1 9 9 9 년 8 월 1 6 일) .

그러나, 우측의 8 월 영상에서는 가을 감자 재배 지역이 밝은 노

란색으로 명확하게 나타나는 반면, 이 지역이 옥수수 재배지역과 비

슷하게 나타나 봄 감자 재배지역과 옥수수 재배지역의 판독이 힘들

었다.

그림 4.4 는 고정산 부근의 고정리 지역으로 지형도 상에 밭과 조

림지로 표기되어 있는 지역이다. 이 지역의 조림지는 감자 및 옥수

수 재배지역으로 개간 되어 작물을 재배하고 있음을 알 수 있는데

지형도의 제작 시기의 원인도 있지만, 북한의 대부분의 지역에서 동

일하게 조림지로 표기된 많은 지역이 밭으로 전환되어 이용되고 있

음을 발견할 수 있었다.

그림 4.4 고정리 부근의 작물 재배지역 특성 ( 左 : 1999 년 5월 28

일, 右 : 1 9 9 9 년 8 월 1 6 일) .

48

4 . 3 영상 분류 및 정확도 검증 결과

대상 지역의 시기별 감독 분류 방법을 이용하여 의해 옥수수, 감

자, 벼, 산림, 도심, 물의 6 개 항목이 분류되었다. 그림 4.5 는 각

시기별 영상의 감독 분류 결과를 보여 주고 있다.

5 월과 6 월 영상의 분류결과를 보면, 두 영상이 거의 비슷한 시

기에 획득되어 클래스의 변화가 많이 나타나고 있지 않지만 논 지

역은 담수 상태와 비담수 상태의 차이로 인해 두 영상간의 확연하

게 다르게 분류되고 있음을 볼 수 있다. 옥수수의 생육 초기인 이

시기에는 옥수수의 재배지역이 생육 상태에 따라 영상에 나타나지

않는 지역이 있어 이 지역은 도심지 및 나지로 분류되는 지역이 많

았다. 또한, 옥수수보다 일찍 파종이 이루어지는 봄 감자 재배지역

이 옥수수 재배지역과 달리 확연히 분류됨을 볼 수 있다.

7 월 영상의 분류결과를 보면, FAO 에 의해 보고된 것처럼 강우

량 부족으로 인해 논 지역에 관개가 제대로 이루어지지 않아 이 지

역이 나지로 분류된 곳이 많이 나타나고 있으며, 전주산 부근에 구

름에 의해 가려진 지역은 피복 분류가 되지 않았음을 볼 수 있다.

8 월 영상의 분류 결과를 보면 5 월과 6 월 영상의 분류 결과에

비해 고정산, 상마산, 전주산 부근의 지역의 감자 재배지역이 옥수

수로 분류되고 있음을 볼 수 있다. 이처럼 8 월의 영상 분류 결과

옥수수 재배지역과 산림 및 감자 재배지역이 서로 Mixing 되어 분

류되는 지역이 나타났다.

각 시기별 영상의 분류 결과에 대한 정확도 평가를 위해 북한 대

상지역에 대한 다양한 참조 자료인 1:50,000 북한 지형도, NDVI 영

상, 고해상도 EOC 영상의 판독 결과를 바탕으로 1999 년과 2000

년도 영상에 대해 생성된 참조자료를 이용하여 각 시기별로 분류된

영상의 정확도를 평가하였다.

49

그림 4.5 시기별 영상의 분류 결과 ( 左上 : 1999 년 5월 28 일, 右

上 : 1999 년 6 월 13 일 左下 : 2000 년 7 월 9 일, 右下 : 1999 년 8

월 1 6 일)

다음의 각 표들은 시기별 분류 영상의 정확도 평가에 대한 오차

행렬을 보여주고 있다. 오차 행렬을 통해 알 수 있듯이, 분류를 위

해 설정된 클래스 항목 중 물과 기타 도심 지역의 분류 결과는 비

교적 높게 나타나고 있으나, 그 외 옥수수, 벼, 감자 항목의 분류에

있어 다소 낮게 나타나고 있다.

표 4 . 3 1 9 9 9 년 5 월 영상의 오차행렬.

Reference Data

1 2 3 4 5 6 Row Total

1. Maize 98 21 7 1 0 1 128

2. Potato 2 35 1 0 10 0 48

3. Urban 0 22 92 7 9 3 133

4. Paddy 0 4 0 53 0 8 65

5. Forest 0 16 0 0 71 1 88

6. Water 0 0 0 0 0 35 35

Cla

ssifie

d D

ata

Column

Total 100 98 100 61 90 48 497

50

표 4 . 4 1 9 9 9 년 6 월 영상의 오차행렬.

Reference Data

1 2 3 4 5 6 Row Total

1. Maize 98 18 6 0 0 0 122

2. Potato 2 33 1 0 17 1 54

3. Urban 0 20 92 3 10 15 140

4. Paddy 0 7 1 58 0 5 71

5. Forest 0 20 0 0 63 3 86

6. Water 0 0 0 0 0 24 24

Cla

ssifie

d D

ata

Column

Total 100 98 100 61 90 48 497

표 4 . 5 2 0 0 0 년 7 월 영상의 오차행렬.

Reference Data

1 2 3 4 5 6 Row Total

1. Maize 97 0 7 0 0 0 104

2. Potato 3 33 0 0 11 0 47

3. Urban 0 0 93 5 0 31 129

4. Paddy 0 0 0 56 2 0 58

5. Forest 0 65 0 0 77 0 142

6. Water 0 0 0 0 0 17 17

Cla

ssifie

d D

ata

Column

Total 100 98 100 61 90 48 497

51

표 4 . 6 1 9 9 9 년 8 월 영상의 오차행렬.

Reference Data

1 2 3 4 5 6 Row Total

1. Maize 96 1 0 0 0 0 97

2. Potato 0 71 9 0 0 0 80

3. Urban 0 0 94 1 1 22 118

4. Paddy 0 0 0 104 4 0 108

5. Forest 4 0 0 0 64 4 72

6. Water 0 0 0 0 0 24 24

Cla

ssifie

d D

ata

Column Total 100 72 103 105 69 50 499

표 4 . 7 시기별 영상의 U s e r ’s / P r o d u c e r ’s 정확도.

Class Name

Maize Potato Urban Paddy Forest Water

Producer 98 35 92 87 79 71 May 28,

1999 User 77 73 69 82 81 100

Producer 98 33 92 95 70 49 June 13,

1999 User 80 61 66 82 73 100

Producer 97 33 93 92 86 35 July 9,

2000 User 93 70 72 97 54 100

Producer 96 99 91 99 91 48 Aug. 16,

1999 User 99 89 80 96 89 100

※Producer : Producer’s Accuracy / User : User’s Accuracy

52

표 4 . 8 시기별 영상분류 정확도.

May 28,

1999

June 13,

1999

July 9,

2000

Aug. 16,

1999

Overall

Accuracy (%) 76.8 73.6 74.6 85.6

Kappa

Statistics 0.7178 0.6783 0.6900 0.8254

분류된 각 시기별 영상에 대해 분류 정확도를 평가한 결과 옥수

수 밭의 캐노피와 엽면적 지수(LAI)가 최고에 달하는 8 월에 획득

된 영상이 다른 시기의 영상의 분류 결과보다 전체 정확도와

Kappa 통계 값이 가장 높게 나타남을 확인할 수 있었다. 이를 통

해 본 연구에서 테스트된 영상 중에서는 8 월에 획득된 영상이 북한

의 옥수수 재배지역을 분류하기에 적합하다는 것을 알 수 있었다.

그러나, 한반도 지역은 7 월과 8 월에 장마, 구름 등 기상적인 원

인에 의해 이 시기의 영상 획득이 쉽지 않을 뿐만 아니라, 영상의

육안 판독 결과와 분류 결과에서 언급하였듯이 이 시기에 봄 감자

및 산림과 옥수수 간에 서로 혼돈되는 문제가 발생하여 8 월에 획득

되는 단일시기 영상만을 이용하여 북한의 옥수수 재배지역을 분석

하는 방법은 그리 효율적인 방법이라 볼 수 없을 것이다. 이러한

문제들을 해결하기 위해서는 8 월에 획득되는 영상을 제외한 생육주

기 내의 다른 시기 영상을 조합한 분석이 이루어져야 할 것으로 보

인다.

4 . 4 다중시기 영상을 이용한 단계적 분류 결과

옥수수와 감자의 시기적 생육 차이를 이용하여 단계적으로 옥수

수 재배지역을 추출한 결과 그림 4.7 과 같은 결과를 얻게 되었다.

53

그림 4 . 6 8 월 영상에서 산림과 봄 감자 항목을 제거한 분류 영상

개발된 영상처리 기법을 이용하여 봄 감자와 산림 지역으로 인해

8 월 영상에서 옥수수의 재배면적이 얼마나 과 분류 되었는지 알아

보기 위해 5 월과 8 월의 영상 분류를 통한 옥수수 재배면적 추정

결과와 본 연구에서 제안한 기법을 이용하여 옥수수 재배면적을 추

정한 결과를 비교해 보았다.

단일 영상의 분류 결과에 의해 5 월 영상의 분류를 통해서는 대상

지역의 옥수수 재배면적이 21,070ha 가 산출되었으나, 8 월 영상에

서는 23,876ha 가 나왔다. 그러나 본 연구에서 제안하는 방식을

통해 5 월의 영상에서 감자와 산림지역을 제거한 이후 산출된 옥수

수 재배면적은 22,228ha 로 8 월의 단일 영상만을 이용하여 산출한

옥수수의 재배면적보다 1,647ha (4,982,175 坪) 적게 산출되었다.

표 4 .9 단일 영상의 분류와 제안된 기법을 통해 추출된 옥수수 재

배면적

5 월 영상 8 월 영상 봄 감자, 산림 제거한

8 월 영상

재배면적(ha) 21,070

(32.8%)

23,876

(37.2%)

22,228

(34.6%)

전체면적(ha) 64,207

54

제 5 장 결 론

본 연구에서는 다중 시기 LANDSAT 위성 영상을 테스트하여 북

한의 옥수수 재배지역 분류에 적합한 영상 획득 시기를 선정하고,

정확한 옥수수 재배 면적 추정을 위한 기법을 찾고자 하였다. 북한

의 옥수수 재배지역 분석을 위해 우선 현지 접근이 가능한 남한의

축산기술연구소의 종축개량부의 옥수수 포장을 현장 관찰함으로써

옥수수의 생리적, 형태적 특성 분석 및 엽면적 지수(LAI)의 변화

관찰과 같은 기본적인 옥수수 밭의 현장 분석이 이루어졌다.

이는 북한의 옥수수 재배지역을 분석하기 위한 기초적인 연구로

써 진행되었으며 이를 바탕으로 북한의 옥수수에 대한 연구가 진행

되었다.

위성 영상에서 나타나는 남한과 북한의 옥수수 밭의 기본적인 특

성을 분석하여 영상에서 나타나는 옥수수 재배지역의 특성이 옥수

수의 생육주기와 비슷하게 파종 이후 시간의 경과에 따라 일정하게

증가하는 패턴을 보였고, 분석된 영상의 4,5 번 밴드에서 특히 높은

값을 보이고 있음을 확인하였다.

객관적인 영상 획득 시기의 선정을 위해 네 시기의 영상을 각각

감독 분류기법을 이용하여 분류한 다음 각 분류 영상에 대하여 정

확도 평가 결과를 비교한 결과, 북한의 옥수수 재배지역 분류를 위

해 가장 적합한 위성 영상의 획득 시기는 옥수수가 생리적, 형태적

으로 잎이 최대로 발달하고 생리적인 생장이 최고에 달하는 8 월 시

즌의 영상이 가장 옥수수를 잘 분리해 낼 수 있음을 확인할 수 있

었다.

그러나 이 시기는 봄 감자, 산림 옥수수가 생리적, 형태적으로 비

슷한 분광반응을 나타내는 최고의 생육 상태이기 때문에 서로 혼합

되는 문제가 발생할 우려가 있으므로 본 연구에서는 북한의 옥수수

재배면적 추정을 위한 새로운 기법을 제안하였다. 본 연구에서 제

안한 기법을 이용하여 봄 감자와 옥수수의 분류가 가능한 이들 작

물의 생육 초기의 5 월~6 월 영상을 활용하여 봄 감자 재배지역과

산림을 우선 분류하여 추출하고, 이 지역을 8 월의 영상에서 제거한

이후 영상을 분류 함으로써 봄 감자 및 산림과 옥수수의 Mixing 문

제를 해결할 수 있음을 알 수 있었다.

55

본 연구를 진행하면서 미비하게 생각되는 부분은 다음과 같다.

첫 번째는 8 월에 획득된 위성영상을 제외한 시기의 영상 조합 테

스트이다. 한반도 지역은 이 시기에 장마, 구름 등에 의한 기상적

인 요인에 의해 영상의 획득이 쉽지 않기 때문에 8 월의 시기를 제

외한 다른 시기의 영상을 조합하는 테스트가 이루어져 새로운 기법

이 개발된다면, 광학영상을 이용하여 북한의 옥수수를 분류할 경우

보다 현실적인 접근 방법이 될 수 있을 것이다.

두 번째는 본 연구에서 적용된 정확도 검증을 위한 참조자료의

획득 개선이다. 본 연구에서는 정확도 검증을 위해 영상의 육안 판

독 및 1:50,000 지형도, 고해상도 위성영상, NDVI 이미지를 이용하

여 참조자료를 생성하여 이용하였다. 그러나 NDVI 자체가 가지고

있는 단적인 제한점으로 인해 옥수수와 다른 작물을 구분할 수 있

는 명확한 기준을 제시할 수는 없다. 현재 본 연구에 적용된 방법

이 북한처럼 현지 접근이 불가능한 특수 지역의 정확도 평가에 최

선의 방법이라고 생각하나 앞으로 본 연구에서 활용된 자료보다 훨

씬 높은 공간해상도의 위성영상이나 수치표고모형 (DEM) 과 같은

기타 자료들 그리고, FAO 와 WFP 의 공동 조사단이 벌이는 현지

조사 정보를 직접 접하거나 현재 북한에 옥수수 종자를 보급하고

있는 민간 차원의 활동을 통한 현지 조사 자료 등과 같은 북한의

작물 재배지역에 관한 정확한 지리 정보들을 더욱 많이 획득한다면

본 연구보다 더욱 향상된 정확도 검증을 할 수 있을 것이다.

세 번째로는 위성 영상을 활용한 재배 면적의 추정과 더불어 농

작물의 수확량 예측에 활용되고 있는 기상 모델 및 요수량 모델 등

다양한 수확량 예측 모형들과의 결합이다. 결합된 형태의 새로운

모형이 한반도에 적합한 형태로 개발된다면 북한은 물론 남한 지역

의 농업 생산량 예측에 많은 발전이 있을 것이다.

향후 북한의 옥수수 작물에 관한 연구가 지속적으로 이루어진다

면, 본 연구의 결과를 통해 북한의 옥수수에 관한 기본적인 정보를

파악하고 북한의 옥수수 재배면적 추정이나 분석을 위한 영상의 시

기 선정이 쉽게 이루어 질 수 있을 것이다.

56

참고 문헌

윤진일, 1999, “농업기상학”, 아르케, pp.277~280

임상규, “Landsat TM 자료를 이용한 농경지의 변화분석에 관한 연

구”, 慶熙大學校 大學院 博士學位論文, 2000,

Barbosa, P. M., M. A. Casterad and J. Herrero, 1996,

“Performance of several Landsat 5 Thematic Mapper image

classification methods for crop extent estimates in an irrigation

district”, Vol.17, No.18, pp.3665~3674

Beauchemin, M. and Ko B. Fung, 2001, “On statistical band

selection for image visualization”, PE&RS, Vol.67, No.5, 571-

574

Camille, C. D. Lelong, Patric C. Pinet, and Herve Poilve, 1998,

“Hyperspectral Imaging and Stress Mapping in Agriculture : A

Case Study on Wheat in Beauce(France)”, Remote Sensing of

Environment, Vol.66, pp. 179-191

Charles, Z. Serele, Q. Hugh J. Gwyn, Johanne B. Boisvert,

Elizabeth Pattey, Stephanie Brazeau, Neil McLaughlin and Gilles

Daoust, 2000, "Multivariate Analysis of Airborne Remote

Sensing and Topographic Features for Corn Yield Spatial

Pattern Discrimination", Proc. IGARSS ‘2000

Clevers, J. G. P. W., 1997, “A Simplified Approach for Yield

Prediction of Sugar Beet Based on Optical Remote Sensing

Data”, Remote Sensing of Environment, Vol.61, pp.221-228

Deppe, F., 1998, “Forest area Estimation using sample surveys

and Landsat MSS and TM data”, PE&RS, Vol.64, No.4, 285-

57

292

Fabio, M. and Felix Rembold, 2001, “Analysis of GAC NDVI

data for cropland identification and yield forecasting in

Mediterranean African Countries”, PE&RS, Vol.67, No.5, 593-

602

FAO & WFP, 1995~2001, “FAO/WFP crop and food supply

assessment mission to the democratic peoples republic of

Korea”, Special report

Gabriel, B. Senay, John G. Lyon, Andy D. Ward, and Sue E.

Nokes, 2000, "Using High Spatial Resolution Multisperctral Data

to Classify Corn and Soybean Crops", PE&RS, Vol.66, No.3,

pp.319-327

Gonzalez-alonso, F., J.M. Cuevas, 1997, “Remote sensing and

agricultural statistics: Crop area estimation in north-eastern

Spain through diachronic Landsat TM and ground sample data”,

Int. Journal of Remote Sensing, Vol.18, No.2, pp.467~470

Groten, S. M. E., 1993, “NDVI Crop Monitoring and Early Yield

assessment of Burkina Faso”, Int. Journal of Remote Sensing,

Vol.14, No.2, pp.1495~1515

Guangxing, W, George Gertner, Xiangyun Xiao, Steven Wente,

and Alan B. Anderson, 2001, ‘Appropriate Plot size and spatial

resolution for mapping multiple vegetation types”, PE&RS,

Vol.67, No.5, 575-584

Hayes, M.J. and W.L. Decker, 1996, “Using NOAA AVHRR data

to estimate maize production in the United States Corn Belt”,

Int. Journal of Remote Sensing, Vol.17, No.16, pp. 3189~3200

58

Jing, M. Chen and Josef Cihlar, 1996, “Retrieving Leaf Area

Index of Boreal Conifer Forest Using Landsat TM Images”,

Remote Sensing of Environment, Vol.55, pp.153~162

John, B. Collins and Curtis E. Woodcock, 1996, “An Assessment

of Several Linear Change Detection Techniques for Mapping

Forest Mortality Using Multitemporal Landsat TM data”,

Remote Sensing of Environment, Vol.56, pp.66~77

Kalkhan, M. A., R. M. Reich, and T.J. Stohlgren, 1998,

“Assessing the accuracy of Landsat Thematic Mapper

classification using double sampling”, Int. Journal of Remote

Sensing, Vol.19, No.11, pp.2049~2060

Kenneth, D. B., Robert C. Frohn, Richard A. Beck, and Michael

W. Price, 2001, “Remote sensing analysis of wild rice

production using Landsat 7 for the Leech lake band of Chippewa

in Minnesota”, PE&RS, Vol.67, No. 2, 189-192

Lee, K.S., Kim J.H., Park N.O., 2000, “The Potential of

KOMPSAT EOC Data for Detecting Deforested Area in North

Korea”, Proc. of Int. Symposium on Remote Sensing,

pp.407~411

Leonard, S. U., and F. N. Kogan, 1998, “Drought Monitoring and

Corn Yield Estimation in Southern Africa from AVHRR Data”,

Remote Sensing of Environment, Vol.63, pp.219-232

Lewis, J.E., J. Rowland and A. Nadeau, 1998, “Estimating maize

production in Kenya using NDVI: some statistical

considerations”, Int. Journal of Remote Sensing, Vol.19, No.13,

pp.2609~2617

Mary, P. L., E. W. Curtis, B. C. John and H. Hamdi, 1996, “The

59

Status of Agricultural Lands in Egypt: The use of Multitemporal

NDVI Features Derived from Landsat TM”, Remote Sensing of

Environment, Vol.56, pp.8-20

Mary Pax-Lenney and Curtis E. Woodcock, “Monitoring

Agricultural Lands in Egypt with Multitemporal Landsat TM

Imagery : How Many Images are Needed?”, Remote Sensing of

Environment, Vol.59, pp.522-529

M. J. Ortiz, A. R. Formaggio and J. C. N. Eppiphanio, 1997,

“Classification of croplands through integration of remote

sensing, GIS, and historical database”, Int. Journal of Remote

Sensing, Vol.18, No.1, 95-105

Moulin S., A. bondeau and R. Delecolle, 1998, “Combining

agricultural crop models and satellite observations: from field to

regional scales”, Int. Journal of Remote Sensing, Vol.19, No.6,

1021~1036

Olsson H., 1991, “Reflectance calibration of thematic mapper

data for forest change detection”, Int. Journal of Remote

Sensing, Vol. 16, No.1, pp.81~96

Olsson H., 1995, “Reflectance calibration of thematic mapper

data for forest change detection”, Int. Journal of Remote

Sensing, Vol.16, No.1, 81-96

Reynolds C. A., M. Yitayew, D. C. Slack, C. F. Hutchinson, A.

Huete and M.S. Petersen, 2000, “Estimating crop yields and

Production by integrating the FAO Crop Specific Water Balance

model with real-time satellite data and ground-based ancillary

data”, Int. Journal of Remote Sensing, Vol.17, No.17, 3487-

3509

60

Rahman H., 2001, “Influence of atmospheric correction on the

estimation of biophysical parameters of crop canopy using

satellite remote sensing”, Int. Journal of Remote Sensing, Vol.

22, No. 7, pp.1245~1268

Russell G. congalton, Mary Balogh, Cindy Bell, Kass Green, Jeff

A. Milliken, and Robert Ottman, 1998, “Mapping and Monitoring

Agricultural crops and other land cover in the lower Colorado

river Basin”, PE&RS, Vol.64, No.11, 1107-1113

Siljestrom P. A., a. Moreno, K. vikgren and L. M. Caceres, 1997,

“The application of selsective principal components

analysis(SPCA) to a Thematic Mapper(TM) image for the

recognition of geomorphologic features configuration”, Int.

Journal of Remote Sensing, Vol.18, No.18, pp.3843~3852

Walthall C.L., C.S.T. Daughtry, S.E. Loechel, W.P. Dulaney,

D.Timlin, 2000, "Variability and covariance of Factors Affecting

Canopy Reflectance Within a 6ha Corn Field". Proc. IGARSS

‘2000

61

감사의 글

인하대학교 대학원에서 제게 주어진 2 년간의 시간은 소중하고 귀

한 시간이었습니다. 이 기간 동안 느끼며 배워 온 것들이 앞으로의

제 삶의 커다란 밑거름이 되어 줄 것입니다. 너무도 막막했던 모든

일들이 이곳에 오면서 앞으로 제가 어떤 일을 해야 하고 또 어떤

공부를 해야 하는지를 일깨워 주었습니다.

대학원 2 년 동안 끊임 없는 관심으로 저의 배움의 길에 큰 도움

을 주시고 미흡한 저에게 항상 사랑과 관심, 인내를 가지고 끝까지

지켜 봐 주신 존경하는 이 규성 지도 교수님께 감사 드립니다. 무

엇보다도 사람의 도리를 깨닫고 無慾의 마음을 가지게 도와 주셨습

니다.

항상 부족함을 깨닫게 해 주시고 많은 가르침을 주신 김 계현 교

수님, 김 병국 교수님, 임 삼성 교수님, 조 우석 교수님, 박 수홍 교

수님께 감사 드립니다. 이 분 교수님들께서 계셨기에 대학원에서 다

양한 분야의 학문을 접할 수 있었다고 생각합니다.

원격탐사 연구실에서 공부하면서, 물심양면으로 항상 도움을 주던

창희형, 나이 답지 않게 깔끔하게 일을 척척해 내는 여상이, 허허거

리며 항상 웃는 윤형이, 털털한 성격을 가져 항상 편안한 태훈 형,

연구실의 궂은 일을 도맡아 처리하면서도 항상 열심히 하던 태훈이,

진지할 때 너무 진지하고 쉴 때는 한 없이 개구장이처럼 구는 선일

이, 연구실에서 제일가는 천재라고 자칭하고 돌아다니는 정현이, 항

상 군말 없이 도와 주는 지민이, 아직도 세상에서 가장 예쁘다고 믿

는 선화, 세웠던 계획을 다 했으면 지금쯤 노벨상이라도 받을 두라,

무더운 한 여름볕도 아랑곳하지 않고 열심히 옥수수 밭을 돌면서

GPS 측량을 도와준 상민이에게 너무너무 많이 감사 드립니다. 그

리고 대학원에 들어 오면서 알게 된 다른 연구실의 많은 형, 누나,

동생들에게 감사 드리고, 시골에서 유학 와 기숙사에서 같이 동거하

면서 제 생활을 챙겨주던 선종이 형, 정환이 형, 현호 형, 용운이 항

상 제게 항상 인자하게 대해 주셔서 엄마를 생각나게 하는 빨래방

아주머니에게도 감사 드립니다. 그리고 오랜 기간 영어 수업을 듣

게 해 주신 JFKN 의 주재현 선생님, 그리고 박진우 선생님께도 감

사 드립니다.

62

그리고 항상 제가 하는 말에 귀 기울여 주시고 새로운 의욕을 심

어주셨던 치원이 형, 재곤이 형, 병규 형, 양원이 형, 동건이 형, 동

훈이 그리고 ㈜아이모바일 임직원 여러분들께 감사 드립니다.

그리고 필요한 영상 있으면 말만 하라고 항상 절 챙겨주시던 인

터시스의 윤성이 형, 병현이 형께도 감사 드립니다.

또한, 항상 자연을 접하고 사물의 이치를 깨닫도록 도와주셨던 경

희대학교 농학과 교수님들 그리고 선배님들, 동기들 그리고 후배들

과 제 주변의 모든 이에게 감사 드립니다.

마지막으로 지금까지 항상 믿음으로 저를 뒷받침 해 주시는 아버

님과 하늘에서 항상 저를 지켜 주시는 어머니, 가족들 모두와 저와

같은 아픔을 지니고 있는 미애, 항상 따뜻하게 저에게 용기를 북돋

아 주었던 고향의 친구들 그리고 사랑하는 지향에게 깊은 감사를

드립니다.