한국농공학회지 (Magazine of the Korean Society of Agricultural Engineers)

한국농공학회 (The Korean Society of Agricultural Engineers)
권호 표지

농촌공간계획을 위한 공간정보 자료와 관련 연구동향

  • 오윤경 (전남대학교 농업과학기술연구소)
  • 발행 : 2024.05.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

키워드

과제정보

본 성과물은 과학기술정보통신부의 재원으로 한국연구재단-중견연구사업(NRF-2020R1A2C1010502) (과제명: 융복합 농산업화를 위한 경지이용계획 방법 연구)과 농촌진흥청 연구사업(PJ01710502)의 지원에 의해 이루어진 것임(과제명: 증거(evidence) 기반 농촌공간계획 의사결정지원시스템 구축).

참고문헌

  1. Choi, YJ, Kim, MS, Kim, YW and Han, SH, 2020, A study of CNN-based super-resolution method for remote sensing image, Korean Journal of Remote Sensing, Vol .36, No. 3, pp. 449-460.
  2. Kim, J, Song, YH and Lee, WK, 2021, Accuracy analysis of multi-series phenological landcover classification using u-net based deep learning model - focusing on the seoul, republic of korea, Korean Journal of Remote Sensing, Vol.37, No. 3, pp. 409-418. https://doi.org/10.7780/KJRS.2021.37.3.4
  3. Lee, MJ, Lee, WJ, Lee, SK and Jung HS, 2022, Deep Learning for Remote Sensing Applications, Korean Journal of Remote Sensing, Vol.38, No.6-2, 2022, pp.1581~1587
  4. Lee, SH, and Kim, JS, 2019, Land cover classification using semantic image segmentation with deep learning, Korean Journal of Remote Sensing, Vol. 35, No. 2, pp. 279-288.
  5. Lee, SH, and Lee, MJ, 2020, A study on deep learning optimization by land cover classification item using satellite imagery, Korean Journal of Remote Sensing, Vol.36, No. 6-2, pp. 1591-1604.
  6. Lee, SH, and Lee. MJ, 2021. A study of establishment and application algorithm of artificial intelligence training data on land use/cover using aerial photograph and satellite images, Korean Journal of Remote Sensing, Vol.37, No.5-1, pp. 871-884.
  7. Lim, ET and Do, MS, 2021, Pine wilt disease detection based on deep learning using an unmanned aerial vehicle. Journal of Civil and Environmental Engineering Research, Vol. 41, No. 3, pp. 317-325.
  8. Seong, SK, Choi, HS. Mo, JS, and Choi J, 2021. Availability Evaluation of Object Detection Based on Deep Learning Method by Using Multitemporal and Multisensor Data for Nuclear Activity Analysis, Korean Journal of Remote Sensing, 37(5-1): 1083-1094
  9. Song, AR, and Kim, YI, 2017, Deep learning-based hyperspectral image classification with application to environmental geographic information systems, Korean Journal of Remote Sensing, Vol.33, No.6-2, pp.1061~1073.
  10. Won, T, Song, J, Lee, B, Pyeon, MW, and Sa, J, 2020. Application of a deep learning method on aerial orthophotos to extract land categories. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 38, No. 5, pp. 443-453. https://doi.org/10.7848/KSGPC.2020.38.5.443
  11. 곽근호, 박민규, 박찬원, 이경도, 나상일, 안호용, 박노욱, 2019, 작물 분류에서 시공간 특징을 고려하기 위한 2D CNN과 양방향 LSTM의 결합, 대한원격탐사학회지, 35권, 5-1호, 681-692
  12. 국토교통부, 2024, V-WORLD 디지털트윈국토 - 토지이용현황도 분류항목(코드), https://www.vworld.kr/dtmk/dtmk_ntads_s003.do?dsId=30240&fileNo=2 (2024년 4월 30일 검색)
  13. 김하영, 2022, YOLO v2를 이용한 태양광 발전시설 객체 탐지 분석, 전남대학교 석사학위논문
  14. 김하영, 나라, 주동혁, 최규훈, 오윤경, 2022, YOLO v2를 이용한 고해상도 항공영상에서의 태양광발전소 탐지 방법 연구, 한국농공학회지, 28권, 2호, 87-96
  15. 농림축산식품부(농식품부), 2024, 농촌공간 재구조화 및 재생 기본방침(농촌공간기본방침)
  16. 서기환 외, 2018, 지속가능한 국토발전을 위한 토지이용변화 모니터링 방안 연구:딥러닝 알고리즘 활용을 중심으로, 국토연구원
  17. 성선경, 나상일, 최재완, 2020, RapidEye 위성 영상을 이용한 작물재배지역 추정을 위한 FC-DenseNet의 활용성 평가, 대한원격탐사학회지, 36권, 5호, 823-833.
  18. 성선경, 모준상, 나상일, 최재완, 2021, 다중분광밴드 위성영상의 작물재배지역 추출을 위한 Attention Gated FC-DenseNet, 대한원격탐사학회지, 37권, 5호, 1061-1070.
  19. 성선경, 최재완, 2022, 훈련자료 내 재배지역의 비율에 따른 딥러닝 모델의 성능 평가, 대한원격탐사학회지, 38권, 6호, 1007-1014.
  20. 오연곤, 2019, 다중센서 드론을 이용한 태양광패널 탐지와 모니터링, 서울시립대학교 석사학 위논문.
  21. 오행열, 김건, 강지훈, 정명훈, 2021, Mask R-CNN을 이용한 드론 영상에서의 비닐하우스 탐지, 2021년 대한공간정보학회 춘계학술대회, 65-66.
  22. 윤병현, 장안진, 성선경, 최재완, 2023, 위성영상의 계절적 특성에 따른 비닐하우스 탐지 결과 분석, 한국측량학회지, 41권, 2호, 127-134.
  23. 이창희, 윤예린, 배세정, 어양담, 김창재, 신상호, 박소영, 한유경, 2021, 국내학회지 논문 리뷰를 통한 원격탐사 분야 딥러닝 연구 동향 분석, 대한원격탐사학회지, 39권, 6호 351-370.
  24. 이형동, 2004, GIS와 RS를 활용한 토지이용 변화분석: 고양시 택지개발을 사례로, 석사학위논문, 경희대학교
  25. 환경부, 2024, 토지피복지도, 국가통계로 승인(보도자료)(정보화 4.25)