• 한국전자파학회논문지
• /
• 제29권3호
• /
• pp.233-240
• /
• 2018

레이다를 사용한 미사일 표적의 정확한 탐지 및 추적을 위해서는 채프 구름의 레이다 반사 단면적(Radar Cross Section: RCS)에 대한 분석이 반드시 필요하다. 따라서 본 논문에서는 다양한 환경에서 보다 효과적인 채프 구름의 RCS 분석을 위해 채프 구름 내 채프들을 개별적으로 계산하여 합하는 RCS 예측 방법과 공기역학 모델 기반의 확률밀도분포 모델을 사용한 RCS 예측 방법을 비교 및 분석하였다. 여기서, 상기 두 기법을 보다 더 정밀하게 비교 및 분석하기 위해 본 논문에서는 상용 전자기 수치해석 소프트웨어인 FEKO 7.0을 활용하여 반 파장 다이폴 형태의 단일 채프 CAD 모델의 RCS 값을 획득하여 채프 구름의 RCS를 모사하였다. 분석 결과, 확률 밀도 분포 모델을 사용한 경우 보다 효율적으로 체프 구름의 RCS 값을 예측할 수 있음을 확인하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2009년도 춘계학술대회 논문집
• /
• pp.105-110
• /
• 2009

현재 NASA에서 제공되는 MODIS 지표반사율자료(MOD09)는 MODIS영상을 이용한 각종 주제자료들의 중요한 입력 자료로 사용되고 있으며, MODIS 지표반사율 자료에 대한 객관적인 검증연구가 필요한 실정이다. 따라서 본 연구에서는 MOD09의 검증관련 초기 연구로서, 남한에 분포하는 불변성 타겟(invariant target)을 대상으로 2006년 일별 250m MODIS 지표반사율자료(MOD09GQK)자료의 객관적 검증을 시도하였다. 우선, MOD09 QA(Quality Assurance)자료를 이용하여 구름의 영향을 받은 화소를 제거한 후, 수치지도와 토지피복도를 이용하여 정의한 불변성 타겟에 해당되는 MOD09영상의 화소값을 추출하였다. 이와 같이 추출된 시계열 MOD09GHK영상의 화소값에 1차 회귀분석을 적용하여 이상 반사율 값을 탐지하고, 그 원인을 분석하였다. 검증 결과 나지지역에 대해서 0.0186의 RMSE값이 나타났으며, 인공물의 경우 0.2891의 RMSE값을 보였다. 발생된 이상 화소를 살펴보면, 구름, 그림자, 눈에 영향에 의해 발생한 것도 있으며, 원인을 알 수 없는 이상 화소들도 분포하였다. 향후 연구에서는 한반도 전역의 MODIS 시계열 반사율영상을 대상으로 MODIS 대기보정알고리즘과 입력인자의 적합성을 판단하기 위한 연구를 진행할 예정이다.

• 한국지구과학회지
• /
• 제38권2호
• /
• pp.129-140
• /
• 2017

이 연구에서는 지표 관측 자료와 위성 자료 그리고 GWNU 단층 복사 모델을 이용하여 맑은 상태의 전천 일사량을 계산하였으며, 전운량에 따라 관측 및 모델의 일사량 값을 비교 분석하였다. 연구 자료는 2012년 강릉원주대학교 복사 관측소의 전천 일사량, 기온, 기압, 습도, 에어로졸 등의 관측 자료와 OMI 센서의 오존전량 자료 그리고 구름의 유무 및 전운량을 판단하기 위하여 자동 전운량 장비인 Skyview 자료를 이용하였다. 전운량이 0 할인 맑은 날의 경우 관측 값과 모델 값이 0.98로 높은 상관계수를 나타내었으나 RMSE가 $36.62Wm^{-2}$로 비교적 높게 나타났다. 이는 Skyview 장비가 얇은 구름이나 박무 및 연무 등의 기상상태를 판단하지 못하였기 때문이다. 흐린 날의 경우 구름의 영향을 보정하기 위해 전운량과 두 값의 차에 대한 비율을 이용한 회귀식을 복사 모델에 적용하였으며, 장비의 오탐지를 제외한 경우 상관계수가 0.92로 높은 상관성을 보였으나 RMSE가 $99.50Wm^{-2}$으로 높은 값을 보였다. 더 정확한 분석을 위해서는 직달 성분의 차폐 유무 및 구름 광학 두께를 포함한 다양한 구름 요소의 추가적인 분석이 요구된다. 이 연구결과는 분 또는 시간에 따른 일사량을 산출하여 일사량이 관측되지 않는 지역에서 유용하게 사용될 수 있다.

• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.415-431
• /
• 2019

본 연구에서는 위성관측운량을 지상관측운량에 가깝게 보정하기 위한 알고리즘을 개발하였다. 위성관측운량과 지상관측운량은 같은 구름을 각각 평면과 반구면에 투영한 관점이라는 차이를 가진다. 따라서, 개발된 위성보정 알고리즘은 평면의 위성관측 영역에 투영된 구름에 적절한 높이를 부여하여 지상관측 영역인 반 구면에 투영된 구름으로 변환하는 것이 핵심이다. 이때 평면구름은 위성 구름탐지를 이용하며, 높이는 운정압력을 이용하여 결정한다. Himawari-8 Level 1B 관측자료로 입력자료를 만들어 기존의 위성관측운량과 개발된 알고리즘을 통해 산출한 위성관측운량을 2016년 7월부터 2017년 6월, 매월 1일부터 7일까지 낮 시간 동안 한국(22개소)과 중국(724개소)의 종관지상관측소의 목측 전운량에 대해 검증하였다. 그 결과, 개발된 알고리즘을 통해 산출한 보정위성관측운량이 기존 위성관측운량에 비해 작은 평균오차($1.01{\rightarrow}0.61$)를 가지며, 예측의 성공률(PC) 또한 증가($55%{\rightarrow}61%$)했다. 특히 '흐림(Cloudy)'에 대한 관측률(POD)이 증가하였다($60%{\rightarrow}73%$). 예측 성공률은 55%에서 61%로 상승하였다. 이때, 겨울 기간(12-2월)에는 구름 과탐지에 의한 것으로 추정되는 오차가 다소 증가하나, 전 계절과 마찬가지로 좋은 예측 성공률을 보인다($56%{\rightarrow}60%$). 개발된 알고리즘으로 산출한 보정위성관측운량이 기존의 위성관측운량보다 지상관측운량에 더 가까워지는 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.637-654
• /
• 2023

최근 지구관측 위성이 급격히 발전함에 따라 사용자의 수가 증가하고 있다. 이에 따라 지구관측위성위원회(Committee on Earth Observation Satellites, CEOS)에서는 분석준비자료(Analysis Ready Data, ARD)라는 개념을 제안하고 분석준비자료의 요구 조건을 CEOS ARD for Land (CARD4L)로 정의하여 사용자 친화적인 위성영상을 제공하기 위해 노력하고 있다. 분석준비자료에는 육상분석에 불필요한 픽셀이 식별된 마스크(Unusable Data Mask, UDM)가 영상과 함께 제공되어야 한다. UDM의 종류는 구름, 구름 그림자, 지형그림자 등이 있다. 지형그림자는 지형기복이 큰 산악지형에서 발생되며 지형그림자가 생긴 지역은 복사조도가 낮기 때문에 분석 결과에 오류를 야기시킨다. 기존 지형그림자 탐지연구는 지형그림자 보정을 위해 지형그림자 픽셀을 탐지하는데 목적을 두었지만, 이것은 지형보정 기법으로 대체 가능하다. 따라서 지형그림자 탐지 목적을 확장할 필요가 있다. 산림과 농업분석을 목적으로 한 차세대중형위성 4호(CAS500-4)의 활용을 위해 본 연구에서는 지형그림자 탐지 범위를 태양의 영향을 적게 받는 지역까지 확장하였다. 본 논문은 남북한을 대상으로 지형그림자 마스크 생성을 위해 지형그림자 탐지 가능성을 분석하는데 목적이 있다. 지형그림자 탐지를 위해서 태양의 위치, 지표면의 경사와 경사방향을 이용한 음영기복 알고리즘을 사용하였다. 한반도를 촬영한 5 m급 공간해상도의 RapidEye 영상과 10 m급 공간해상도의 Sentinel-2 영상들을 대상으로 참값과 비교하며 최적의 음영기복 임계값을 결정하였다. 결정된 임계값을 사용하여 지형 그림자 탐지를 수행하고 결과를 분석하였다. 정성적 결과로는 전체적으로 참값과의 형상이 유사함을 확인하였다. 정량적 실험결과는 F1 score가 대부분 0.8에서 0.94 사이인 것을 확인하였다. 본 연구 결과를 바탕으로 남북한을 대상으로 자동적인 지형그림자 탐지가 잘 수행됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제22권6호
• /
• pp.507-518
• /
• 2006

지표면에서 방출된 $11{\mu}m$와 $12{\mu}m$의 복사량은 대기 입자에 의해 선택적으로 산란되고 흡수된다. 에어로솔이 대기 중에 존재할 경우 지표면에서 방출되는 $11{\mu}m$의 복사량이 $12{\mu}m$보다 흡수를 많이 하므로 밝기 온도가 낮게 나타나고, 반대로 구름에 대해서는 $12{\mu}m$가 흡수를 많이 하여 $11{\mu}m$의 밝기 온도가 높게 나타난다. 그러므로 $11{\mu}m$와 $12{\mu}m$의 밝기 온도 차이(BTD)를 통해 구름과 에어로솔의 존재 유무를 판별할 수 있고, 에어로솔의 광학 두께를 추정할 수 있다. 본 연구에서는 대기의 구성 물질과 연직 분포 상태, 지표면의 온도와 형태, 그리고 에어로솔의 구성성분에 따라 BTD 경계값과 민감도를 분석하였다. BTD 경계값은 이론적으로 $0^{\circ}K$라고 알려져 있으나 본 연구에서 US 표준 대기 상태일 때 $0.8^{\circ}K$의 경계값을 보인다. BTD 값은 태양 천정각, 에어로솔의 고도, 지표면 반사도, 그리고 대기의 연직적 온도 분포에 따라서는 영향을 적게 받았다. 그러나 위성 천정각, 지표면 온도와 방출율, 연직적 수증기 분포에 대해 영향이 크게 나타나며 에어로솔 탐지에 50%이상의 오차를 유발할 수도 있다. 그러므로 BTD 방법을 사용하는데 있어 주의가 요구되며, BTD값에 영향을 미치는 인자를 보정해 준다면 좀 더 정확한 에어로솔 탐지가 가능하리라 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.444-444
• /
• 2023

하천 및 저수지와 같은 공간의 수체 탐지는 수자원 관리에서 매우 중요하며, 유역의 수문학적 과정을 이해하는데 도움을 준다. 수문학적 데이터 수집은 우량계, 수위계와 같은 물리적 인프라의 배치가 필요하다. 그러나 상대적으로 저개발된 국가는 수문학적 측정을 위한 인프라가 매우 미흡한 것이 현실이며, 북한과 같은 비접근 지역에 대한 수문학적 과정을 분석하는데는 한계가 있다. 인공위성 원격탐사 센서 중 SAR영상은 지표면에 직접 전파를 방사하고 산란되어 돌아오는 신호를 수신하여 영상을 만들기 때문에 일반적인 광학영상과는 달리 햇빛의 유무와 강우, 구름여부 등의 기상 조건의 영향을 거의 받지 않는 장점이 있다. 또한 국내와 같이 계절적인 요인과 인간활동에 의해 변화되는 물 순환을 SAR 영상은 지표수의 계절적 및 연간 변동성을 모니터링하는데 매우 유용한 자료로 평가되고 있다. 본 연구는 SAR영상을 이용하여 국내의 검증 가능한 지역의 저수지 수면적 변화를 모니터링하고 저수지 수면적과 저수량 분석을 수행하는 것을 목적으로 하였다. 분석자료인 SAR영상은 ESA의 Sentinel-1영상을 2022년 4월부터 2022년 11월의 자료를 수집하여 소양강댐 저수지 수면적과 저수량과의 관계식을 도출하였다. 수체 추출을 위한 SAR 영상은 특히 수로의 일부 가장자리와 홍수터의 식물 존재로 인한 제외지의 매핑에 부정확성을 포함하여 처리에 몇 가지 단점을 갖는 한계도 존재하지만 악천후의 기상 조건에서도 작동할 수 있는 SAR 영상의 능력 덕분에 규칙적인 시간 간격으로 수체면적의 변화에 대한 정보를 제공할 수 있다. 향후 북한 지역의 주요 댐 저수지 수면적에 대한 연간변화와 장기간의 추세를 분석하는 연구를 진행할 계획이다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.695-706
• /
• 2022

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.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.1025-1032
• /
• 2018

적설은 강수의 한 형태로 지표면에 쌓인 눈으로 정의되며 빙권의 가장 큰 단일 구성 요소로서 지구 표면과 대기 사이의 열 교환이나 전 지구 또는 지역적인 측면에서 지구의 에너지 수지 균형을 유지하는 중요한 역할을 하는 등 지구 표면 온도를 조절하는데 영향을 미친다. 그러나 적설은 인간의 접근이 어려운 지역에 주로 분포하기 때문에 위성을 활용한 적설 탐지가 활발히 수행되고 있으며 산림 지역의 적설 탐지는 구름과 적설의 구분 다음으로 중요한 과정이다. 따라서 본 연구는 기존 극 궤도 위성에서 산림 지역 적설 탐지에 활용하는 Normalized Difference Snow Index(NDSI) 및 Normalized Difference Vegetation Index(NDVI)를 정지궤도 위성에 적용하였으며, 산림 지역 외 영역은 적설의 분광 특징을 활용한 $R_{1.61{\mu}m}$ anomaly 기법 및 NDSI를 활용하여 적설 탐지를 수행하였다. 본 연구에서 산출한 Snow Cover 자료와 Visible Infrared Imaging Radiometer(VIIRS) Snow Cover 자료를 활용해 간접 검증을 수행한 결과, Probability of Detection(POD)는 99.95%, False Alarm Ratio(FAR)는 16.63 %로 나타났다. Himawari-8 Advanced Himawari Imager(AHI) RGB 영상을 추가로 활용해 정성적 검증 또한 수행하였으며 수행 결과, VIIRS Snow Cover가 미탐지한 영역과 본 연구가 오탐지한 영역이 혼합되어 나타났다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.901-912
• /
• 2022

전 세계적인 기후변화로 재해발생빈도가 증가하고 있으며, 국내에서도 이례적인 폭우 및 장마현상이 발생되고 있다. 이러한 기상이변현상은 가뭄, 홍수 등으로 이어져 2차피해를 유발할 수 있으므로 주기적인 모니터링과 신속한 탐지가 중요하다. 수체탐지를 위하여 광학영상을 활용한 연구가 지속적으로 이루어지고 있으나, 폭우를 동반하여 발생하는 홍수를 탐지하기 위해서는 구름의 영향으로 탐지하기 어렵다는 한계를 대변하기 위해 전천후 주야에 관계없이 관측가능한 합성개구레이더(synthetic aperture radar, SAR)를 활용한 연구가 필요하다. 본 연구에서는 개방데이터로서 24시간 이내에 수집 가능한 Sentinel-1 SAR 영상을 활용하여 최근 다양한 분야에서 활용되고 있는 딥러닝 알고리즘인 UNet을 적용하였다. 선행연구에서 SAR영상과 딥러닝 알고리즘을 이용하여 수체탐지 연구가 진행되고 있지만, 국내를 대상으로 소수의 연구만이 진행되었다. 따라서 SAR 영상의 딥러닝 적용가능성을 파악해보고자 UNet과 기존의 알고리즘인 임계값(thresholding) 방법을 비교하였으며, 5가지 지수와 Sentinel-2 normalized difference water index (NDWI)로 평가하였다. Intersect of union (IoU)로 정확도를 평가해 본 결과 UNet은 0.894, 임계값 방법은 0.699로 UNet의 정확도가 높은 것을 확인할 수 있었다. 본 연구를 통해 딥러닝 기반 SAR영상의 적용가능성을 확인할 수 있었으며, 고해상도의 SAR영상과 딥러닝 알고리즘을 적용한다면, 국내를 대상으로 주기적이고 정확한 수체의 변화탐지가 가능할 것이라 기대된다.