먼저, 위성사진을 딥러닝 모델에 적합한 형태로 변환하기 위해서는 필요한 라이브러리들을 설치해야 합니다. 주로 사용되는 라이브러리들은 다음과 같습니다. pip install numpy pip install opencv-python pip install Pillow pip install tensorflow 이제 위성사진을 딥러닝 모델에 적합한 형태로 변환하는 파이썬 코드를 작성해보겠습니다. import os import numpy as np import cv2 from PIL import Image import tensorflow as tf def load_images(input_folder, width, height): images = [] file_list = os.listdir(input_folder)..
위성사진을 딥러닝에 맞게 데이터를 생성하려면 다음과 같은 과정을 거칩니다: 1. 데이터 수집: 위성사진 데이터를 수집해야 합니다. 공개된 데이터셋을 사용하거나, 공공 기관이나 위성 이미지 제공 업체로부터 이미지를 구할 수 있습니다. 이 때, 고해상도 이미지를 사용하면 더욱 정확한 결과를 얻을 수 있습니다. 2. 데이터 전처리: 수집된 위성사진들을 딥러닝 모델에 적합한 형태로 변환해야 합니다. 일반적으로 이미지를 일정한 크기로 리사이징하고, 픽셀 값을 0과 1 사이로 정규화합니다. 필요에 따라 이미지를 회전, 반전 등의 데이터 증강 기법을 적용하여 데이터의 다양성을 높일 수 있습니다. 3. 라벨링: 지도 학습을 위해 위성사진에 대한 정답 라벨을 생성해야 합니다. 라벨링 작업은 수동으로 진행되거나, 전문가의..
QGIS를 이용한 TWI(Topographic Wetness Index) 제작하기
TWI 지도를 제작하기 위해서는 해발고도, 경사, 하천흐름과 관련된 GIS자료가 필요하고 이 자료들을 바탕으로 다음 계산식에 의해서 생성된다. 1. DEM 자료 불러와서 음수값이 있는지 확인한다. 해발고도가 음수는 일반적이지 않다. 이름 해결하기 위해서 래스터 메뉴에서 raster calculation 기능을 이용한다. 이 글에서 QGIS 3.22.14 버전을 이용한다. raster calculation 에서 다음 구문을 입력하고 음수가 제거되는 DEM자료 이름을 dem_bioclim_over0.tif으로 지정한 다음 실행한다. ( "dem_bioclim@1" >= 0 ) * "dem_bioclim@1" 결과를 보면 -4가 0으로 바뀐 것을 알 수 있다. 그러나 최대 값이 다소 줄어든 것으로 계산되는데 ..
TWI(Topograhpic Wetness Index) 주제도 제작하기
1. Topographic Wetness Index(TWI)는 지형과 지하수의 관계를 분석하기 위한 지표 중 하나로서, 지형의 경사와 관측된 강수량 정보를 결합하여 지하수의 존재와 분포를 예측하는 데 사용됩니다. TWI는 일반적으로 토양 수분 상태, 토지 이용 및 토지 특성에 대한 예측 및 분석에 활용됩니다. TWI는 일반적으로 다음과 같은 수식을 통해 계산됩니다. TWI = ln(a / tan β) 여기서 a는 물이 흐르는 경로의 누적 경사 길이이며, tan β는 지형 경사 각도입니다. TWI는 일반적으로 높은 값은 지형이 더 습하다는 것을 나타내며, 낮은 값은 지형이 더 건조하다는 것을 나타냅니다. TWI는 물이 흐르는 경로를 결정하는 데 사용되며, 이를 통해 지형이 수분이 부족한 상태에서 어떻게 영..
R 프로그램을 이용해서 다중공선성 확인하기 - 2편
이번 글은 이전 글(2023.03.15 - [머신러닝 & 딥러닝] - R기반 래스터 다중공선성 확인하기)에 이어서 래스터 자료를 이용해서 다중공선성을 확인하는 방법 중 생물종 위치나 산불, 산사태, 범죄 등 특정 사건이 발생한 위치에 해당하는 독립변수 값만을 이용해서 한다. 또한 상관계수가 아니 분산팽창계수(VIF)를 이용한다. 일단 작업폴더를 설정하고 필요한 라이브러리를 설치하고 불러온다 # 작업폴더 설정 setwd("c:/R_work") getwd() # 라이브러리 불러오기 library(dplyr) library(raster) 남색이마잠자리 위치에서 생물기후변수 19개 사이의 상호관계를 확인하여 다중공선성을 검토한다. 이를 위해서 남색이마잠자리 위치관련 shp파일을 불러오고 생물기후변수 19개 변수..
R기반 래스터 다중공선성 확인하기
1. 다중공선성(multicollinearity) 다중공선성(multicollinearity)란 독립 변수의 일부가 다른 독립 변수의 조합으로 통계학이 회귀분석에 사용되는 경우에, 독립 변수들이 서로 독립이 아니라 상호 상관관계가 강한 경우에 발생하는 문제이다. 독립변수들간에 정확한 선형관계가 존재하는 완전공선성의 경우와 독립변수들간에 높은 선형관계가 존재하는 다중공선성으로 구분하기도 한다. 다중공선성은 회귀분석의 전제 가정인 독립변수들은 상호 독립이라는 회귀분석의 전제 가정을 위배하고 또한 독립 변수간의 상관성이 높아 회귀모델의 과적합을 가져오는 문제를 발생할 수 있다. 그래서 상관성이 높은 변수들 중 하나를 제거함으로써 이러한 문제를 해결한다. 이 글에서 래스터 자료를 이용해서 다중공선성을 확인하는 ..