🗺️ GIS & RS/🛰️ RS (원격탐사)18

• [RS] 정규시가지화지수 :: NDBI NDBI (Normalized Difference Built-up Index)는 도시 및 건축 지역(일명 '시가화 지역')의 탐지와 모니터링을 위해 사용되는 원격 감지 지수입니다. 이 지수는 주로 인공 위성 데이터를 이용하여 도시화 영역과 비도시화 영역을 구분하는 데 사용됩니다. NDBI는 건축된 영역(건물, 도로 등)의 반사율과 자연 영역(식생, 물 등)의 반사율 차이를 이용하여 계산됩니다. NDBI에 대해 더 자세히 설명하겠습니다. NDBI의 정의 및 계산: NDBI는 다음과 같은 공식으로 계산됩니다: [ \text{NDBI} = \frac{(SWIR - NIR)}{(SWIR + NIR)} ] 여기서, SWIR은 단파장 적외선(SWIR: Short-Wave Infrared) 반사율을, .. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 12. 8.

• [RS] SAVI :: 토양보정 식생지수 SAVI (Soil-Adjusted Vegetation Index)는 식생을 모니터링하고 평가하는 데 사용되는 원격 감지 지수 중 하나입니다. 이 지수는 특히 토양의 밝기가 식생 지수에 미치는 영향을 줄이기 위해 개발되었습니다. SAVI는 NDVI (Normalized Difference Vegetation Index)와 유사하지만, 토양 반사율의 영향을 조정하는 추가 요소가 포함되어 있습니다. SAVI에 대해 좀 더 자세히 설명하겠습니다. SAVI의 정의 및 계산: SAVI는 다음과 같은 공식으로 계산됩니다: [ \text{SAVI} = \frac{(NIR - Red)}{(NIR + Red + L)} \times (1 + L) ] 여기서, NIR은 근적외선 반사율, Red는 빨간색 스펙트럼의 반사율을 .. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 12. 8.

• [원격탐사] 공간 주파수(Spatial Frequency)/푸리에 변환(Fourier Transform) 원격 탐사(Remote Sensing)는 대개 위성이나 비행기에서 센서를 사용하여 지구의 표면을 관측하는 과학적 방법입니다. 이러한 원격 탐사 데이터에서 "공간 주파수(Spatial Frequency)"라는 개념이 종종 등장합니다. 공간 주파수는 이미지나 데이터 세트에서 어떤 패턴이나 객체가 얼마나 빠르게 변하는지를 측정하는 데 사용되는 지표입니다. 즉, 공간 주파수는 특정 공간 영역 내에서 변동성이나 변화의 빈도를 나타냅니다. 고공간 주파수의 특성을 가진 이미지는 세밀한 정보와 복잡한 텍스처를 포함하고 있을 가능성이 높습니다. 예를 들어, 도시 지역의 위성 이미지에서는 건물, 도로, 차량 등 다양한 객체가 밀집해 있어 공간 주파수가 높습니다. 반면에, 물이나 사막과 같이 변화가 적은 지역은 저공간 주파.. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 9. 11.

• [원격탐사] 감독분류와 무감독분류/대표적인 알고리즘 원격탐사(Remote Sensing)에서의 분류 알고리즘은 크게 감독분류(Supervised Classification)와 무감독분류(Unsupervised Classification)로 나눌 수 있습니다. 이 두 분류 방법은 지구나 다른 천체의 표면을 센서를 통해 관측하여 얻은 데이터를 처리하고 분석하는 과정에서 사용됩니다. 감독분류 (Supervised Classification) 감독분류는 레이블이 붙어 있는 훈련 데이터를 이용하여 분류기를 훈련시키는 방법입니다. 다시 말해, 분류하려는 대상 영역에 대한 사전 정보가 필요합니다. 이 정보를 통해 알고리즘은 새로운 데이터에 대한 분류를 수행할 수 있습니다. 데이터 준비: 분석하려는 영역에서 샘플 데이터를 수집하고 레이블을 부여합니다. 모델 훈련: 알고.. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 9. 6.

• [원격탐사] 픽셀 기반 이미지 분석 (Pixel-Based Image Analysis)이란? 픽셀 기반 이미지 분석 (Pixel-Based Image Analysis)은 원격 감지(Remote Sensing)에서 널리 사용되는 전통적인 분석 방법 중 하나입니다. 이 방법에서는 이미지의 기본 단위인 픽셀을 직접 분석하여 정보를 추출합니다. 보통 위성이나 드론에서 얻은 이미지를 대상으로 하며, 다양한 분야에서 응용됩니다. 주요 과정 이미지 전처리 (Image Preprocessing) 노이즈 제거, 픽셀 값의 조정, 분광 보정 등의 전처리 작업을 수행합니다. 특성 추출 (Feature Extraction) 픽셀의 밝기, 색상, 질감 등을 분석합니다. 분류 (Classification) 특성을 바탕으로 픽셀을 특정 카테고리(예: 물, 농장, 숲 등)에 분류합니다. 정보 추출과 해석 (Informati.. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 9. 4.

• [원격탐사] 객체 기반 이미지 분석 (Object-Based Image Analysis, OBIA)이란? 원격 감지 (Remote Sensing)에서의 객체 기반 이미지 분석 (Object-Based Image Analysis, OBIA)은 위성이나 드론에서 얻은 고해상도 이미지를 분석하는 데 특히 유용하게 사용됩니다. 이 방법은 토지 이용, 식생 커버, 도시 계획, 환경 모니터링 등 다양한 분야에서 응용되며, 픽셀 기반의 전통적인 이미지 분석 방법에 비해 몇 가지 장점을 가집니다. 주요 과정과 응용 분야 세그멘테이션 (Segmentation) 이미지를 여러 '객체'로 분할합니다. 예를 들어, 하나의 농장, 건물, 또는 물체를 하나의 객체로 간주할 수 있습니다. 특성 추출 (Feature Extraction) 객체의 색상, 크기, 형태, 질감 등의 특성을 분석합니다. 분류 (Classification) 분석.. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 9. 4.

• 

  [Python] tif 파일 통계내기 : 파일에서 각 value 별로 몇 개의 셀이 있는지 import numpy as np from osgeo import gdal file_path = "C:/Users/user/OneDrive - SNU/바탕 화면/9010.tif" dataset = gdal.Open(file_path) data = dataset.ReadAsArray() unique_values, counts = np.unique(data, return_counts=True) for value, count in zip(unique_values, counts): print(f"Value: {value}, Count: {count}") 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 6. 1.

• [원격탐사] Landsat 시리즈별 사용한 센서 및 각 밴드의 역할 (MSS/TM/ETM+/OLI/TIRS) Landsat 1 (ERTS-1):Return Beam Vidicon (RBV): 주로 흑백 영상을 촬영하는데 사용되었습니다. Landsat 2 (ERTS-2): Multi-Spectral Scanner (MSS): 4개의 밴드로 구성된 다중스펙트럼 센서였습니다. 녹색, 빨강, 근적외선1, 근적외선2 밴드를 포함하고 있었습니다. Landsat 3: Multi-Spectral Scanner (MSS): Landsat 2와 동일한 MSS 센서를 사용했습니다. Landsat 1-3 (MSS): Band 1 (Green): 식물의 엽록소 흡수 구간으로서, 식물 생장 및 식생 매핑에 사용됩니다. Band 2 (Red): 식물 및 토양의 반사 구간으로서, 토지 사용 및 토지 피복 변화 관측에 활용됩니다. Band .. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 5. 12.

• [원격탐사] Landsat 7 영상의 스트라이핑 이슈 Landsat 7 데이터를 사용할 때 발생하는 한 가지 문제는 2003년 5월에 발생한 SLC(Scan Line Corrector)에 하드웨어 오류가 있다는 것입니다. 이 오류로 인해 "스트라이핑" 효과로 알려진 이미지의 체계적 오류가 발생하여 데이터가 누락됩니다. 이미지에서. 누락된 데이터는 이미지에 틈이나 검은색 줄무늬로 나타나며 특정 유형의 분석에 대한 데이터의 품질과 유용성에 상당한 영향을 미칠 수 있습니다. 스트라이핑 효과가 Landsat 7 데이터의 유용성을 제한하지만 일부 유형의 분석에는 여전히 데이터를 사용할 수 있습니다. 예를 들어, 데이터는 광범위한 토지 피복 분석 또는 시간 경과에 따른 추세 분석에 사용할 수 있습니다. 그러나 변화 감지와 같은 보다 상세한 분석을 위해서는 누락된 데이.. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 5. 11.

• [원격탐사] Landsat 영상 시기 Landsat 이미지의 타이밍은 Landsat 임무와 위성의 궤도 경로에 따라 다릅니다. 다음은 Landsat 이미지의 타이밍에 대한 몇 가지 일반적인 지침입니다. Landsat 1-5: 이 임무는 1972년에서 1984년 사이에 시작되었으며 18일의 반복 주기가 있습니다. 이것은 위성이 18일마다 지구상의 같은 위치를 다시 방문한다는 것을 의미합니다. Landsat 7: 이 임무는 1999년에 시작되었으며 16일의 반복 주기가 있습니다. Landsat 8: 이 임무는 2013년에 시작되었으며 16일의 반복 주기가 있습니다. Landsat 위성은 태양 동기 궤도로 지구 궤도를 돌며, 이는 위성이 하루 중 거의 같은 시간에 각 위치를 통과함을 의미합니다. 이를 통해 일관된 조명 조건이 가능하고 다른 시간에.. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 5. 11.

• [원격탐사] Landsat 이미지의 처리수준 (processing level) 처리 수준은 Landsat 이미지에 적용된 보정 및 처리 정도를 나타냅니다. Landsat 이미지는 다양한 처리 수준에서 사용할 수 있으며 처리 수준은 다양한 유형의 분석을 위한 데이터의 품질과 유용성에 영향을 미칠 수 있습니다. 다음은 Landsat 이미지의 세 가지 처리 수준입니다. 레벨 0(L0): Landsat 센서의 원시 데이터입니다. L0 데이터는 방사 또는 기하학적 왜곡에 대해 처리되거나 수정되지 않았습니다. 레벨-1(L1): 이 처리 레벨은 L0 데이터에 방사성 및 기하학적 보정을 적용하여 보다 유용한 이미지를 생성합니다. L1 데이터에는 센서 및 대기 효과에 대한 보정이 포함되지만 지형 보정은 포함되지 않습니다. 레벨 2(L2): 이 처리 레벨은 L1의 모든 보정 및 처리 단계뿐만 아니라.. 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 5. 11.

• 

  [원격탐사] USGS EarthExplorer에서 Landsat 데이터 다운받는 법 [Remote Sensing] How to Download Landsat Data from USGS EarthExplorer 1. https://earthexplorer.usgs.gov/ 접속 EarthExplorer Large exports may take several hours to process during periods of high demand. Once processing has finished, an e-mail will be sent to the address associated with your ERS account. Real-time status updates can be found on the export status page. You may re earthexplorer.usgs... 🗺️ GIS & RS/🛰️ RS (원격탐사) 2023. 5. 8.