[논문 리뷰] Mapping Three-dimensional Urban Structure by Fusing Landsat and Global Elevation Data

Panshi Wang, Chengquan Huang외 1명|arXiv (Cornell University)|2018. 07. 11.

Land Use and Ecosystem Services참고 문헌 37인용 수 5

한 줄 요약

이 연구는 영국 전역에서 30m 해상도로 3차원 도시 구조(건물 높이 및 부피)를 매핑하기 위해 랜드세트 위성 영상과 글로벌 고도 데이터를 융합하는 방법을 제안한다. 개체 기반 기계학습 접근법을 사용하여 건물 높이의 평균제곱오차는 1.61m, 부피의 평균제곱오차는 1,142.3m³를 기록하며, 개방형 데이터를 활용한 대규모 3차원 도시 매핑의 가능성을 입증한다.

ABSTRACT

To meet the challenges of global urbanization, earth observation information is greatly needed. The lack of global three-dimensional (3D) urban structure data has been a major limiting factor in important urban applications such as population mapping, disaster vulnerability assessment, and climate change adaptation. Due to limited data availability, remote sensing data haven been mainly used to characterize 3D urban structure at the city scale. In this study, we propose a method to map 3D urban structure using freely available Landsat and global elevation data. Building on an object-based machine learning approach, the synergy of Landsat and elevation data were used to estimate building height and volume at 30 m resolution. This method has been tested for the entire country of England and yielded a root-mean-square error (RMSE) of 1.61 m for building height and an RMSE of 1,142 m extsuperscript{3} for building volume. The results in this study represent the first attempt to use open data for urban structure characterization at the country scale. Our results demonstrated the utility of these data for large-scale urban studies and the potential of generating global 3D urban structure data products using a fusion-based approach.

연구 동기 및 목표

• 세계적으로 이용 가능한 3차원(3D) 도시 구조 데이터의 부족이 인구 매핑, 재해 취약성 평가, 기후 적응 등 응용 분야를 제한하고 있으므로 이를 해결하고자 한다.
• 국가 규모에서 무료로 이용 가능한 원격 감시 데이터를 활용해 건물 높이와 부피를 추정할 수 있는 확장 가능한 방법을 개발하고자 한다.
• 고해상도 데이터(예: 레이저 레이더, InSAR)의 공간적 불완전성 또는 높은 비용 문제를 해결하기 위해 개방형 접근 가능한 랜드세트 및 글로벌 고도 데이터셋을 활용하고자 한다.
• 융합된 랜드세트와 고도 데이터가 대규모 도시 연구에 적합한 정확한 3차원 도시 구조도를 생성할 수 있음을 입증하고자 한다.

제안 방법

• 도시 영역을 분할하기 위해 개체 기반 영상 분석(OBIA) 프레임워크를 사용하여 랜드세트 영상에서 도시 영역을 분할하고, 각 영역을 공간 단위로 간주하여 높이 추정을 수행한다.
• 랜드세트에서 유도된 스펙트럼 지표(예: 불透수 표면 지수)와 글로벌 고도 데이터셋에서 확보한 디지털 표면 모델(DSM) 데이터를 융합하여 건물 높이를 추정한다.
• 레이저 레이더에서 유도된 기초 데이터를 기반으로 기계학습 모델(예: 랜덤 포레스트 또는 유사 모델)을 훈련시켜 스펙트럼 및 고도 특징을 바탕으로 건물 높이와 부피를 예측한다.
• 이 방법은 두 단계 과정을 거친다: 첫째, 디지털 지형 모델(DTM)에서 기초 높이(지면 고도)를 추정하고, 둘째, DSM와 DTM의 차이를 통해 건물 높이를 계산한다.
• 건물 부피는 랜드세트에서 분할한 도시 영역의 면적과 추정된 건물 높이를 곱하여 유도한다.
• 이 방법은 영국의 12개 메트로폴리탄 지역에서 레이저 레이더 데이터를 활용한 교차 검증을 통해 검증되었다.

실험 결과

연구 질문

• RQ1 무료로 이용 가능한 랜드세트와 글로벌 고도 데이터를 효과적으로 융합하여 국가 규모에서 3차원 도시 구조를 추정할 수 있는가?
• RQ2 오직 개방형 데이터 소스만을 사용할 경우, 도출된 건물 높이 및 부피 추정의 정확도는 어느 정도인가?
• RQ3 2차원 토지 이용/토지 커버 데이터에 비해 3차원 구조 정보(부피)를 포함할 경우 사회경제적 변수와의 상관관계가 향상되는가?
• RQ4 공간 해상도 제약으로 인해 밀집된 도시 중심부에서는 이 방법의 주요 제한 사항은 무엇인가?
• RQ5 제안된 방법이 세계적으로 3차원 도시 구조 제품을 생성하는 데 일반화될 수 있는가?

주요 결과

• 이 방법은 영국 전역에서 건물 높이 추정에 대해 평균제곱오차(RMSE)가 1.61m로 나타나, 데이터가 최적화되지 않은 상황에서도 높은 정확도를 확보하였다.
• 건물 부피 추정의 평균제곱오차는 1,142.3m³로, 30m 해상도에서 3차원 도시 구조의 신뢰할 수 있는 공간 매핑이 가능함을 입증하였다.
• 건물 부피는 인구, GDP, 교통 부문 이산화탄소 배출량과 강한 상관관계를 보이며, 사회경제적 모델링에서의 유용성을 시사하였다.
• 이 방법은 오직 개방형 데이터만을 사용하여 영국 전역의 3차원 도시 구조를 성공적으로 매핑하였으며, 개방형 데이터로부터 도출된 최초의 국가 규모 3차원 도시 구조 제품으로서의 의의를 지닌다.
• 도시 중심부에서는 복잡한 높이 변화를 해상도가 부족해 정확히 파악하지 못하여 오차가 더 높게 나타났으며, 이는 주요 제한 사항을 보여주었다.
• 이 연구는 융합된 랜드세트와 글로벌 고도 데이터를 활용해 대규모이고 비용 효율적인 3차원 도시 구조 매핑의 잠재력을 입증하였으며, 세계적 제품 개발에 대한 시사점을 제공한다.