IDRISI를 이용한 Landuse Supervised Classification

소개

idrisi를 이용한 실습 리포트 입니다

목차

1. 과정
① 저장하고 불러올 환경설정하기
② 분석할 영상 선택
③ digitizing을 하기 전에 image composite를 한다.
④ digitizing 을 한다.
⑤ Raster 형식의 빈 파일을 만든다.
⑥ digitizing한 vector 파일을 raster 형식으로 전환
⑦ 분류한 class로 signature 생성
⑧ supervised classification의 방법 중 하나를 선택.
⑨ 범례 색 바꾸기

2. 분석 및 결과 pip mini max 비교
① parallelepiped
② Minimum Distance to mean
③ Maximum likelihood

본문내용

픽셀은 가로 세로가 각각 30m 씩 이므로, 1개의 픽셀 당 면적이 900m3이다.

실제 사진과 비교하였을 때 전체적인 면에서 비교해 보면, Maximum Likelihood 분류 방법을 사용하였을 때가 가장 분류가 잘 되었다. 정규 분포를 사용하기 때문에 평균값의 거리를 계산해 가장 가까운 곳으로 분류시키는 minimum Distance to Mean 에 비해서 중복 되는 곳도 비교적 적은 편이었다. 하지만 minimum 방법이 Maximum보다 산이나 주거지의 분류가 더 정확했다. Parallelepiped 분류법을 통한 것을 보면 도로가 거의 구분되지 않았으며, 미 분류가 된 곳은 빨간 색으로 나타났다.
전체적인 인천의 토지 사용 분류는 총 도로, 물, 산, 주거지, 평지(사람이 살지 않는 땅)으로 나누어 보았다. 4개로 나누어 보려하였으나, 사람이 살지 않는 곳도 존재하였기 때문에 보다 더 자세히 구분을 짓고 싶어서 5개로 나누었다.

참고자료

· 없음