Analysis of Changes in Land Cover Classification Accuracy According to ROI Settings Based on Landsat Imagery

본 연구는 경상북도 구미시와 주변 지역을 대상으로 Landsat 8 및 9 위성 영상을 활용하여 토지피복 분류의 정확도를 분석하고, 분류 기법, 관심영역(Region of interest, ROI) 화소 개수, 계절적 요인이 분류 성능에 미치는 영향을 체계적으로 평가하였다. 최소거리법(Minimum Distance), 최대우도법(Maximum Likelihood), 마할라노비스거리법(Mahalanobis Distance), 서포트벡터머신(SVM: Support Vector Machine) 네 가지 분류 기법을 적용하였으며, 연구 결과 정량적 평가에서는 SVM이 가장 높은 정확도와 카파계수 값을 기록하며 다양한 클래스에서 안정적인 성능을 보였다. 모든 방법에서 과대, 과소 문제가 나타났으나, 시각적 평가와 함께 최대우도법이 안정적이며, 일부 클래스, 특히, 산림지를 물로 분류하는 오류가 적음을 알 수 있었다. 또 효과적이며 신뢰성을 구축하기 위해 ROI 화소 개수에 대한 분류 정확도 시험에서 SVM과 최대우도법은 30-40개의 화소에서, 가장 높은 전체 정확도를 확보할 수 있어, 피복분류를 위한 ROI 선택에 있어 유효한 픽셀 개수만으로 정확도에 있어 효과적이고 신뢰성 높은 화소의 개수를 제시할 수 있었다. 분류 정확도에 있어 계절적 요인은 유의미한 영향을 미쳤으며, 초지, 농경지 등의 분광 스펙트럼에 영향을 미치는 봄(4월) 보다는 가을(10월) 데이터가 더 높은 정확도를 도출하는 결과를 얻을 수 있었다.