권호 표지

Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing

  • Bimonthly
  • /
  • 1225-6161(pISSN)
  • /
  • 2287-9307(eISSN)

Domain

  • Energy/Resources ＞ Resources Exploration/Development/Utilization

Aim & Scope

Korean Journal of Remote Sensing serves the remote sensing community with the publication of results based on theory, technology and applications of remote sensing fields. Thoroughly interdisciplinary, this journal focuses on the research and development of remote sensing science and technologies and promotes the exchange of expert knowledge among remote sensing researchers as well. Areas of interest include, but are not necessarily restricted to: Remote Sensor Technology Novel Sensor Design and Platforms Development Multi-Sensor System Design and On-Board Processing Advances in Remote Sensing Techniques and Applications Multi-Sensor Integration Multi-Platform Remote Sensing Image Processing and Analysis Geospatial Information Sciences (GIS) Remote Sensing in Atmospheric Science and Meteorology Remote Sensing in Oceanography - Remote Sensing in Geology and Geoscience Remote Sensing in Agriculture, Forestry and Ecology Remote Sensing in Earth and Environmental Sciences Remote Sensing in Hydrology and Water Resources

http://www.kjrs.or.kr KSCI KCI SCOPUS

Volume 38 Issue 5_2

  1. Kim, Junwoo;Kim, Duk-jin;Sohn, Hong-Gyoo;Choi, Jinmu;Im, Jungho 661
    https://doi.org/10.7780/kjrs.2022.38.5.2.1 PDF KSCI HTML
    원격탐사와 GIS를 활용한 공간자료 분석은 재난 관리에 효율적인 기술로 이를 활용한 재난정보 제공을 위한 자료 분석 및 기술 개발에 관한 연구가 활발히 진행되고 있다. 특히 군집위성의 발사와 다양한 원격탐사 플랫폼의 활용, 취득된 데이터 처리 및 저장 능력의 향상, 인공지능 기술의 발달 등으로 인해 재난 관리를 위한 원격탐사와 GIS 기술의 활용은 많은 발전의 여지를 가지고 있다. 이번 특별호에는 재난의 예측, 감시 그리고 대응 단계에서 선박탐지, 건축물 추출, 해양환경 감시, 홍수탐지, 산불탐지, 그리고 재난 발생시 의사결정지원에 적용 가능한 원격탐사와 GIS 기술의 개발과 활용한 관련한 10편의 논문이 게재되었다. 이번 특별호에 출판된 논문들은 재난 관리 기술의 발전과 연관 학문 분야의 학술적 발전에 밑거름이 될 것으로 판단된다.
  2. Chae, Hanseong;Ahn, Jaeseong;Choi, Jinmu 669
    https://doi.org/10.7780/kjrs.2022.38.5.2.2 PDF KSCI HTML
    최근 20년간 산불의 빈도와 피해는 증가하는 경향이 있다. 산불에 효과적으로 대응하기 위해 산불 피해 규모와 범위 등 산불피해에 대한 정보를 잘 관리할 필요가 있다. 따라서 본 연구에서는 VIIRS 위성 영상을 이용하여 대형 산불의 피해 범위에 대한 정보를 빠른 주기로 추출하는 방법을 제시하고자 하였다. 이를 위해 2022년 3월 동해안 산불이 발생한 시기에 한반도를 관측한 VIIRS 자료를 확보하여 영상화하였다. VIIRS 영상은 ISODATA 기법을 활용하여 무감독 분류하였다. 이후 그 결과를 연소 지역과 화염의 위치의 관계를 이용하여 재분류하여 산불피해 범위를 추출하였다. 추출 결과는 검증 및 비교자료와 비교하였다. 비교 결과, 대형 산불의 경우 VIIRS 영상을 분류하여 추출한 것이 산불발생자료를 통해 추정한 것보다 더 정확한 것으로 나타났다. 본 연구를 통해 확인한 산불피해 범위 추출 방법은 산불 관리를 위한 피해 범위자료를 만드는 데 사용할 수 있다. 본 연구 방법을 자동화한다면 VIIRS 기반의 일별 산불피해 모니터링이 가능할 수 있을 것으로 기대된다.
  3. Yoo, Suhong;Kim, Cheol Hwan;Kwon, Youngmok;Choi, Wonjun;Sohn, Hong-Gyoo 685
    https://doi.org/10.7780/kjrs.2022.38.5.2.3 PDF KSCI HTML
    건물 정보는 다양한 도시 공간 분석에 활용되는 필수 정보 중 하나이기에 지속적인 모니터링이 필요하지만 현실적으로 어려움이 존재하고 있다. 이를 위해 광범위한 지역에 대해서도 지속적인 관찰이 가능한 위성영상으로부터 건물을 추출하기 위한 연구가 진행되고 있으며, 최근에는 딥러닝 기반의 시맨틱 세그멘테이션 기법들이 활용되고 있다. 본 연구에서는 SpaceNet의 건물 v2 무료 오픈 데이터를 이용하여 30 cm 급 Worldview-3 RGB 영상으로부터 건물을 자동으로 추출하기 위해, context-based ResU-Net의 일부 구조를 변경하여 학습을 진행하였다. 분류 정확도 평가 결과, f1-score가 2회차 SpaceNet 대회 수상작의 분류 정확도보다 높은 것으로 나타났다. 앞으로 지속적으로 Worldview-3 위성 영상을 확보할 수 있다면 본 연구의 성과를 활용하여 전세계 건물 자동 추출 모델을 제작하는 것도 가능할 것으로 판단된다.
  4. Kim, Jiyong;Kwak, Taehong;Kim, Yongil 695
    https://doi.org/10.7780/kjrs.2022.38.5.2.4 PDF KSCI HTML
    중, 고해상도 광학위성은 산불발생지역의 탐지에 대해 그 효용성이 입증되었다. 그러나 산불과 함께 발생하는 연기는 지표에 입사하는 가시광선을 산란시키므로 산불발생지역의 모니터링에 방해가 되며 따라서 연기를 사전에 추출하는 기술이 필요하다. 딥러닝 기술은 연기추출의 정확도를 향상시킬 수 있으나, 학습용 데이터셋의 부족으로 인해 적용에 한계가 있다. 반면에 연기와 유사하게 가시광선을 산란시키는 성질을 지닌 구름은 현재까지 다량의 학습용 데이터셋이 축적되었다. 본 연구는 딥러닝을 활용하여 연기추출을 고도화하는 것이 그 목적이며, 그 과정에서 데이터셋의 부족에 따른 연기추출의 한계점을 구름을 활용한 전이학습으로 해결했다. 전이학습의 효율성 확인을 위해 본 연구에서는 Landsat-8 위성영상을 기반으로 연기추출 학습용 데이터셋을 소규모로 제작한 후, 공공 구름 데이터셋을 활용하여 전이학습을 적용하기 전과 후의 연기추출 성능을 비교하였다. 그 결과 가시광선 파장대역 뿐만이 아니라 근적외선(NIR)과 단파장 적외선(SWIR) 영역에도 전이학습시 성능이 뚜렷하게 향상됨을 확인할 수 있었다. 본 연구결과를 통해서 연기추출의 데이터셋의 부족을 해결할 수 있을 것으로 보이며, 더 나아가 연기추출의 고도화를 통해서 산불발생지역의 모니터링에 이점을 제시할 수 있을 것이다.
  5. Jung, Sihun;Choo, Minki;Im, Jungho;Cho, Dongjin 707
    https://doi.org/10.7780/kjrs.2022.38.5.2.5 PDF KSCI HTML
    위성기반 해수면온도는 광역 모니터링이 가능한 장점이 있지만, 다양한 환경적 그리고 기계적 이유로 인한 시공간적 자료공백이 발생한다. 자료공백으로 인한 활용성의 한계가 있으므로, 공백이 없는 자료 생산이 필수적이다. 따라서 본 연구에서는 한반도 주변 해역에 대해 극궤도와 정지궤도 위성에서 생산되는 해수면온도 자료를 두 단계의 기계학습을 통해 융합하여 4 km의 공간해상도를 가지는 일별 해수면온도 합성장을 만들었다. 첫번째 복원 단계에서는 Data INterpolate Convolutional AutoEncoder (DINCAE) 모델을 이용하여 다종 위성기반 해수면온도 자료를 합성하여 복원하였고, 두번째 보정 단계에서는 복원된 해수면온도 자료를 현장관측자료에 맞춰 Light Gradient Boosting Machine (LGBM) 모델로 학습시켜 최종적인 일별 해수면온도 합성장을 만들었다. 개발된 모델의 검증을 위해 복원 단계에서 무작위 50일의 자료 중 일부분을 제거하여 복원한 뒤 제거된 영역에 대해 검증하였으며, 보정 단계에서는 Leave One Year Out Cross Validation (LOYOCV) 기법을 이용하여 현장자료와의 정확도를 검증하였다. DINCAE 모델의 해수면온도 복원 결과는 상당히 높은 정확도(R2=0.98, bias=0.27℃, RMSE=0.97℃, MAE=0.73℃)를 보였다. 두번째 단계의 LGBM 보정 모델의 정확도 개선은 표층 뜰개 부이와 계류형 부이 현장자료와의 비교에서 모두 상당한 향상(RMSE=∆0.21-0.29℃, rRMSE=∆0.91-1.65%, MAE=∆0.17-0.24℃)을 보여주었다. 특히, 모든 현장 자료를 이용한 보정 모델의 표층 뜰개 부이와의 정확도는 동일한 현장 자료가 동화된 기존 해수면온도 합성장보다 나은 정확도를 보였다. 또한 LGBM 보정 모델은 랜덤포레스트(random forest)를 사용한 선행연구에서 보고된 과적합의 문제를 상당부분 해결하였다. 보정된 해수면온도는 기존의 초고해상도 해수면온도 합성장들과 유사한 수준으로 수온 전선과 와동 등의 중규모 해양현상을 뚜렷하게 모의하였다. 본 연구는 다종위성 자료와 기계학습 기법을 사용해 시공간적 공백 없는 고해상도 해수면온도 합성장 제작 방법을 제시하였다는 점에서 가치가 있다.
  6. Kwon, Youngmok;Choi, Yoonjo;Jung, Hyuk;Song, Juil;Sohn, Hong-Gyoo 725
    https://doi.org/10.7780/kjrs.2022.38.5.2.6 PDF KSCI HTML
    현재 국내에서 발생하는 다수의 재난은 예측 불가능하고 복잡하다는 특징을 가지고 있으며 이로 인한 재산 및 인명피해가 증가하고 있다. 이러한 재난의 초기대응과정은 규모 및 피해확산에 직접적으로 연관 되어있어 최적의 의사결정이 필수적이며 적시에 적용가능한 센서를 통해 현장에 대한 정보 취득이 이루어져야 한다. 하지만 현재 운영되고 있는 재난안전상황실은 필요한 정보보다는 관련 부처와 링크된 정보만 수집되고 있어 적절한 의사결정을 하기에는 어려움이 존재한다. 본 연구에서는 이를 개선하기 위해 다양한 재난영상정보를 신속하게 수집하여 의사결정 지원에 요구되는 정보를 추출하고 이 결과를 활용할 수 있는 일련의 프레임워크를 제안하고자 하였다. 이를 위해 웹 기반 표출시스템과 스마트폰 애플리케이션을 제안하였으며 실시간에 가깝게 데이터를 수집하고 다양한 분석결과를 공유할 수 있도록 설계하였다. 제안한 표출시스템의 의사결정 지원에 대한 활용성을 검정하기 위하여 Closed-circuit Television (CCTV), 스마트폰, 무인기를 통해 취득한 실제 재난현장의 영상을 기반으로 검토하였다. 뿐만 아니라 재난 시 재난과 관련된 데이터의 유통 및 취득에 대한 제도적인 검토와 함께 해결된다면 효과적인 재난관리가 가능할 것으로 판단된다.
  7. Song, Juyoung;Kim, Duk-jin;Kim, Junwoo;Li, Chenglei 737
    https://doi.org/10.7780/kjrs.2022.38.5.2.7 PDF KSCI HTML
    전천후 자료 취득이 가능한 SAR 영상을 기반으로 한 선박 탐지와 인공지능 기반 탐지 알고리즘과 함께 사용하는 것은 안정적인 선박 모니터링에 효과적이다. 기존의 SAR 영상에서는 인공지능 기반 선박 탐지 알고리즘에 진폭 영상만을 주로 사용하였으며, 물체의 산란 특성을 구분할 수 있는 다중 편파 SAR 영상의 편파 지표는 사용되지 않았다. 이에, 본 연구에서는 이중 편파 Sentinel-1 SAR 영상으로부터 고유값 분해를 통해 취득한 4개의 편파 지표인 H, p1, DoP, DPRVI와 방사 보정을 통해 취득한 2개 편파의 산란계수인 γ0, VV, γ0, VH를 이용하여 총 6개의 밴드를 가진 SAR 영상 52장의 데이터베이스를 구축하고, 이와 상응하는 시간에 취득한 선박의 실시간 위치 및 속도 정보인 AIS 자료를 사용하여 학습자료를 추출하였다. 구축된 밴드 조합에 대해 선박탐지 정확도를 평가한 결과, 이중 편파 지표를 진폭과 함께 사용한 경우 진폭 값만을 사용했을 때에 비해 개선된 탐지 정확도를 보였다.
  8. Sung, Taejun;Sim, Seongmun;Jang, Eunna;Im, Jungho 747
    https://doi.org/10.7780/kjrs.2022.38.5.2.8 PDF KSCI HTML
    해양 염분은 전 지구 규모에서 해수 순환에 영향을 미칠 뿐만 아니라, 연·근해 지역 저염분수가 어족자원 및 수산업에 피해를 줄 수 있는 등 해양 식생환경의 변화를 줄 수 있다. 해수의 표면 특성인 sea surface salinity (SSS)에 따라 마이크로웨이브 영역의 방사율이 달라지며, 이를 통해 Soil Moisture Active Passive (SMAP) 등 위성 센서를 활용한 SSS 산출물이 제공되고 있다. 하지만 마이크로파 위성 센서 기반의 SSS 산출물은 낮은 시공간해상도로 자료를 생산하며, 연안지역과 고위도 지역에서 정확도가 낮다. 이러한 이유로 연·근해 지역 SSS의 상세한 시공간적 변화를 관측하기에는 적합하지 않다. 본 연구에서는 Jang et al. (2022)에서 제시한 기계학습 기반의 개선된 SMAP SSS (SMAP SSS (Jang))를 참조자료로 활용하여, 정지궤도해색센서(Geostationary Ocean Color Imager, GOCI) 영상으로부터 고해상도 SSS를 추정하는 Light Gradient Boosting Machine (LGBM) 기반의 모델을 개발하였다. 3가지 입력변수 조합을 테스트하였고, Multi-scale Ultra-high Resolution Sea Surface Temperature (SST) 자료가 추가된 scheme 3가 가장 높은 정확도를 보였다(R2 = 0.60, RMSE = 0.91 psu). 이를 바탕으로 본 연구영역에서 SST가 SSS 모의에 효과적인 환경변수로 작용함을 보였다. 본 연구에서 제시한 LGBM 기반의 GOCI SSS는 SMAP SSS (Jang)와 비슷한 시공간적 패턴을 보였지만, 더 높은 공간해상도를 바탕으로 SSS의 보다 상세한 공간적 분포와 더불어 SMAP SSS (Jang)에서 산출하지 않는 연안 지역의 정보까지 모의하였다. 또한, 중국 남방지역에 대홍수가 발생하였던 2020년 8월을 대상으로 양자강 유출수(Changjiang Diluted Water)의 거동을 분석한 결과, GOCI SSS는 한국 해양수산연구원의 보도자료와 비교하여 일관성 있는 시공간적 변화를 보였다. 본 연구의 결과로 연안 지역의 저염수 뿐 아니라, 원해 지역에서 광학위성 신호를 활용한 고해상도 SSS 산출의 가능성을 제시하였다.
  9. Kim, Byeongcheol;Lee, Kyungil;Park, Seonyoung;Im, Jungho 765
    https://doi.org/10.7780/kjrs.2022.38.5.2.9 PDF KSCI HTML
    본 연구에서는 Landsat 8/9 OLI와 Sentinel-2 MSI 위성 영상을 활용한 다시기 영상 데이터를 이용하여 다양한 분광 지수를 기반으로 국내 산불 피해 면적 탐지 정확도를 분석하였다. 2022년 3월 경상북도 울진에서 발생하였던 산불을 대상으로 Difference Normalized Burn Ratio (dNBR), Relative Difference Normalized Burn Ratio (RdNBR), Burned Area Index (BAI) 등의 지수를 활용하여 산불피해 면적 탐지에 활용하였다. 비교적 높은 공간 해상도를 가진 Sentinel-2 영상을 기반으로 참조 자료를 제작하였다. 총 6개의 지수 산출물을 기반으로 Sentinel-2, Landsat 8/9으로 총 4개 위성에 대해 산불 피해 정확도를 각각 분석하였다. Landsat 8/9과 Sentinel-2는 각각 16일, 10일 주기로 영상을 제공하고 있지만 구름으로 인해 영상 취득에 어려움이 많은 편이며, 우리나라는 4월부터 식생의 생장이 시작되어 봄철 산불 피해 분석 시 산불발생 전후 영상을 활용하는 경우 식생의 생장으로 인한 변화가 커서 정확도 높은 탐지에 어려움이 있다. 따라서, 본 연구는 2월에서 5월까지의 다시기 Landsat 8/9과 Sentinel-2 영상 중 같은 날짜를 기반의 영상을 서로 사용하여 시간해상도의 한계를 극복하고 탐지 정확도가 상대적으로 높은 지수를 비교 분석했다. 본 연구 결과는 한국형 산불피해 탐지 지수/모델 개발을 위한 입력 자료 등으로 활용되어 최적화된 산불 지수를 기반으로 정확도 높은 산불 피해 면적 탐지에 활용될 수 있을 것으로 기대된다.
  10. Park, Sumin;Son, Bokyung;Im, Jungho;Kang, Yoojin;Kwon, Chungeun;Kim, Sungyong 781
    https://doi.org/10.7780/kjrs.2022.38.5.2.10 PDF KSCI HTML
    산불로 인한 피해를 최소화하기 위해서 산불위험 예보 정보를 제공하는 것은 필수적이다. 따라서 본 연구에서는 우리나라를 대상으로 기계학습 기반의 산불위험 중기예보(1일 후부터 7일 후까지) 모델을 개발하였다. Global Data Assimilation and Prediction System (GDAPS)의 기상예보 자료와 기 개발된 산불위험지수(Fire Risk Index, FRI)의 과거 및 현재 정보, 그리고 기타 환경요소(i.e., 고도, 산불다발지수, 가뭄지수)의 현재 정보를 반영하여 모델을 개발하였다. 본 연구에서는 실시간 학습을 통해 모델을 개발하였으며, 효율적인 모델 개발을 목적으로 과거 산불위험지수와 가뭄지수의 유무를 고려하여 세가지 경우(Scheme 1: 과거 산불위험지수 및 가뭄지수, Scheme 2: 과거 산불위험지수, Scheme 3: 과거 산불위험지수 변화 추세 및 가뭄지수)로 연구를 수행하였다. 본 연구에서 개발된 산불위험예보모델은 예보기간에 상관없이 높은 정확도(피어슨 상관계수(Pearson correlation) >0.8, relative root mean square error <10%)를 나타냈으며, 실제 산불 발생 건에 대해서도 유의미한 결과를 보였다. 과거 산불위험지수의 추세보다는 산불위험지수 값 자체를 입력변수로 사용하는 것이 높은 정확도를 보였으며, 가뭄지수 사용과 관계없이 좋은 결과를 나타냈다.
  11. Kim, Hwisong;Kim, Duk-jin;Kim, Junwoo 793
    https://doi.org/10.7780/kjrs.2022.38.5.2.11 PDF KSCI HTML
    실시간 범람 모니터링을 위해 인공위성 SAR영상을 활용하는 수체탐지에 대한 필요성이 대두되었다. 주야와 기상에 상관없이 주기적으로 촬영 가능한 인공위성 SAR 영상은 육지와 물의 영상학적 특징이 달라 수체탐지에 적합하나, 스페클 노이즈와 영상별 상이한 밝기 값 등의 한계를 내포하여 다양한 시기에 촬영된 영상에 일괄적으로 적용 가능한 수체탐지 알고리즘 개발이 쉽지 않다. 이를 위해 본 연구에서는 Convolutional Neural Networks (CNN)기반 모델인 U-Net 아키텍처에 레이어의 조합인 모듈을 추가하여 별도의 전처리 없이 수체탐지의 정확도 향상 방법을 제시하였다. 풀링 레이어의 조합을 활용하여 형태학적 연산처리 효과를 제공하는 Morphology Module과 전통적인 경계탐지 알고리즘의 가중치를 대입한 컨볼루션 레이어를 사용하여 경계 학습을 강화시키는 Edge-enhanced Module의 다양한 버전을 테스트하여, 최적의 모듈 구성을 도출하였다. 최적의 모듈 버전으로 판단된 min-pooling과 max-pooling이 연속으로 이어진 레이어와 min-pooling로 구성된 Morphology 모듈과 샤를(Scharr) 필터를 적용한 Edge-enhanced 모듈의 산출물을 U-Net 모델의 conv 9에 입력자료로 추가하였을 때, 정량적으로 9.81%의 F1-score 향상을 보여주었으며, 기존의 U-Net 모델이 탐지하지 못한 작은 수체와 경계선을 보다 세밀하게 탐지할 수 있는 성능을 정성적 평가를 통해 확인하였다.