• 한국지형학회지
• /
• 제20권4호
• /
• pp.85-99
• /
• 2013

이 연구의 목적은 다중 시기 원격탐사 자료로부터 추출한 수륙경계선을 이용하여 제작된 간석지 수치표고모델(DEM)에 포함된 오차의 공간 분포 분석 및 침수 취약성 추정에 있다. 오차의 전역적인 통계값만을 제시했던 기존 연구와 달리, 이 연구에서는 지구통계학적 시뮬레이션을 이용하여 확률론적 관점에서 오차의 공간 분포를 정량적으로 해석하였다. 바람아래 간석지를 대상으로 2010년대 다중 시기 Landsat 자료로부터 추출된 수륙경계선과 보정 조위값을 이용하여 초기 DEM을 생성하였다. 현장 고도 측정 자료와 비교하였을 때, 생성된 DEM은 대체로 실제 고도를 저추정하는 것으로 나타났으며, 지역적인 차이가 나타났다. 이후 오차의 공간 자기상관성 정보를 기반으로 순차적 가우시안 시뮬레이션을 적용하여 다량의 대안적 오차 공간 분포도를 작성하였다. 이 오차 공간 분포도를 이용하여 오차가 보정된 대안적 DEM을 생성한 후에, IPCC SERS 해수면 상승 시나리오에 따른 침수 취약성의 확률 분포도를 제작하였다. 지구통계학적 시뮬레이션 기반 오차분석 방법론은 오차 추정의 불확실성 및 오차 전파 문제를 확률론적으로 표현할 수 있다. 따라서 이 연구에서 적용한 오차 분석 방법론은 수륙경계선 기반 간석지 DEM의 오차 추정뿐만 아니라, 다양한 분야의 주제도에 포함된 오차의 확률론적 평가에 유용하게 사용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.689-698
• /
• 2017

이 논문에서는 비접근 지역의 작물 분류를 목적으로 준감독 학습에 인접 화소의 공간 유사성 정보를 결합하는 분류 방법론을 제안하였다. 적은 수의 훈련 자료를 이용한 초기 분류 결과로부터 신뢰성 높은 훈련 자료의 추출을 위해 준감독 학습 기반의 반복 분류를 적용하였으며, 새롭게 훈련 자료 추출시 인접한 화소의 분류 항목을 고려함으로써 불확실성이 낮은 훈련 자료를 추출하고자 하였다. 북한 대홍단에서 수집된 다중시기 Landsat-8 OLI 영상을 이용한 밭작물 구분의 사례 연구를 통해 제안된 분류 방법론의 적용 가능성을 검토하였다. 사례 연구 결과, 초기 분류 결과에서 나타난 작물과 산림의 오분류와 고립된 화소가 제안 분류 방법론에서 완화되었다. 또한 인접 화소의 분류 결과를 고려한 훈련 자료 추출을 통해 이러한 오분류 완화 효과가 더욱 두드러지게 나타났으며, 초기 분류 결과와 기존 준감독 학습에 비해 고립된 화소도 감소되었다. 따라서 비접근 지역으로 인해 훈련 자료의 확보가 어려울 경우 이 연구에서 제안된 방법론이 작물 분류에 유용하게 적용될 수 있을 것으로 기대된다.

• 한국지리정보학회지
• /
• 제23권3호
• /
• pp.252-262
• /
• 2020

원격탐사 분야에서 토지피복분류에는 머신러닝 기반의 SVM 모델이 대표적으로 활용되고 있는 한편, 신경망 모델을 이용한 연구도 지속적으로 수행되고 있다. 다목적실용위성의 고해상도 영상을 이용한 연구는 미흡한 실정이며, 따라서 본 연구에서는 고해상도 KOMPSAT-3 위성영상을 이용하여 신경망 모델의 토지피복분류 정확도를 평가하고자 하였다. 경주시 인근 해안지역의 위성영상을 취득하여 훈련자료를 제작하고, 물과 식생 및 육지의 세 항목에 대해 SVM, ANN 및 DNN 모델로 토지피복을 분류하였다. 분류 결과의 정확도를 오차 행렬을 통해 정량적으로 평가한 결과 DNN 모델을 활용한 토지피복분류가 92.0%의 정확도로 가장 우수한 결과를 나타냈다. 향후 다중 시기의 위성영상을 통해 훈련자료를 보완하고, 다양한 항목에 대한 분류를 수행 및 검증한다면 연구의 신뢰성을 높일 수 있을 것으로 판단된다.

• 한국지리정보학회지
• /
• 제7권4호
• /
• pp.143-154
• /
• 2004

원격탐사는 각종 상업용 위성과 항공사진을 바탕으로 이루어진다. 그러나 이러한 자료는 연구자들이 원하는 시기와 장소에 따라 촬영되는데 자료 획득시, 기상조건 및 경제적 이유로 많은 어려움을 겪고 있다. 이러한 문제점을 해결하고자 본 연구에서는 소형비행기 및 초경량 비행기에 탈부착이 가능한 소형 다중분광 자동 항공촬영시스템(PKNU2)을 개발하였다. PKNU2호는 연구실 자체 보유한 고해상도 가시대역, 적외선대역 카메라를 이용하여 칼라영상 및 적외 영상을 획득하였다. 환경감시 등의 목적으로 칼라 적외 합성영상을 생성, 분석하였으나 그리 만족스러운 결과를 획득하지 못하였다. 또한 PKNU2호가 대용량 촬영은 가능하였지만 데이터 저장시간이 12초로 횡중복률 60%를 만족시키지 못하였다. 현재 우리는 PKNU2호의 단점을 극복하고자 가시대역과 적외선 대역의 자료를 한번에 획득할 수 있 칼라 적외선 분광카메라, 열적외 카메라, 그리고 영상의 실시간 저장이 가능한 MPEG board를 도입하여 헬리콥터에 탈부착이 가능한 소형 다중분광 자동 항공촬영시스템(PKNU3)을 개발하고 있다. 본 연구에서는 본격적인 촬영에 앞서 가치 있는 영상 획득을 위해 센서의 특성 평가를 실시, 센서의 분광 특성 보정 및 렌즈의 기하학적 왜곡 보정을 작업을 실시하였다.

• 대한원격탐사학회지
• /
• 제34권5호
• /
• pp.811-827
• /
• 2018

본 연구의 목적은 다중시기 원격탐사 자료를 이용한 작물분류에서 기계학습 알고리즘과 딥러닝 알고리즘의 비교에 있다. 이를 위해 전라남도 해남군과 미국 Illinois 주의 작물 재배지를 대상으로 기계학습 알고리즘과 딥러닝 알고리즘에 대해 (1) 하이퍼파라미터와 (2) 훈련자료의 크기에 따른 영향을 비교 분석하였다. 비교 실험에는 기계학습 알고리즘으로 support vector machine(SVM)을 적용하고 딥러닝 알고리즘으로 convolutional neural network(CNN)를 적용하였다. 특히 CNN에서 2차원의 공간정보를 고려하는 2D-CNN과 시간차원을 확장한 구조의 3D-CNN을 적용하였다. 비교 실험 결과, 다양한 하이퍼파라미터를 고려해야 하는 CNN의 경우 SVM과 다르게 두 지역에서 정의된 하이퍼파라미터 값이 유사한 것으로 나타났다. 이러한 결과를 바탕으로 모델 최적화에 많은 시간이 소요되지만 최적화된 CNN 모델을 다른 지역으로 확장할 수 있는 전이학습의 적용 가능성이 높을 것으로 판단된다. 다음 훈련자료 크기에 따른 비교 실험 결과, SVM 보다 CNN에서 훈련자료 크기의 영향이 큰 것으로 나타났는데 특히 다양한 공간특성을 갖는 Illinois 주에서 이러한 경향이 두드러지게 나타났다. 또한 Illinois 주에서 3D-CNN의 분류 성능이 저하되는 것으로 나타났는데, 이는 모델 복잡도가 증가하면서 과적합의 영향이 발생한 것으로 판단된다. 즉 모델의 훈련 정확도는 높지만 다양한 공간특성이나 입력 자료의 잡음 효과 등으로 오히려 분류 성능이 저하된 것으로 나타났다. 이러한 결과는 대상 지역의 공간특성을 고려해 적절한 분류 알고리즘을 선택해야 하는 것을 의미한다. 또한 CNN에서 특히, 3D-CNN에서 일정 수준의 분류 성능을 담보하기 위해 다량의 훈련자료 수집이 필요하다는 것을 의미한다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.535-543
• /
• 2022

농업분야에서 드론을 활용하여 작물의 생육을 진단하고 정보를 영상으로 제공하고 있다. 들녘 단위에 대한 고해상도 드론 영상을 활용하는 경우 객체별 생육정보를 생산할 수 있으나 정확하게 작물을 탐지하고 인접한 객체를 효율적으로 구분하기 위한 작업이 요구된다. 본 연구에서는 작물 객체를 탐지하고 위치 정보를 추출하는 알고리즘을 개발하는 것이 목적이다. 드론 다중분광영상과 컴퓨터 비전 기술을 활용하여 객체 탐지를 위한 알고리즘을 개발하였으며, 대상 작물은 가을배추로 선정하였다. 2018년~2020년까지 가을배추를 대상으로 정식 후 7일~15일 사이의 드론 영상을 취득하였으며, 2019년 영상 기반으로 객체 탐지 알고리즘을 개발한 뒤 2018년, 2020년 영상을 기반으로 알고리즘 평가를 수행하였다. 분광반사도 기반 지수와 식생의 분광반사도 특성을 고려하여 식생 지역을 추출하였다. 이후 추출된 식생 지역에서 객체의 크기를 고려하여 팽창(Dilatation), 침식(Erosion), 이미지 분할 등과 같은 모폴로지(Morphology) 기법을 통해 객체 탐지 정확도를 향상시켰다. 개발된 객체 탐지 알고리즘의 정밀도는 95.19% 이상이었으며, 재현율과 정확도는 각각 95.4%, 93.68% 이상이었다. 객체 탐지 알고리즘의 F1-Score는 0.967 이상으로 나타났다. 본 연구에서 개발한 알고리즘을 이용하여 추출된 배추 객체 중심에 대한 위치 정보는 작물의 재배시기에 따라 영농단계별 의사결정 정보를 제공하기 위한 자료로써 활용될 것이다.

• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.2027-2034
• /
• 2021

다중 시기 KOMPSAT-3/3A 고해상도 위성영상을 이용하여 후쿠시마 제1 원자력 발전소 주변 지역에 대한 식생지수를 산출하고 식생 변화의 양상을 분석하였다. 식생지수 산출 시에는 KOMPSAT-3/3A 위성영상의 지표반사도를 사용하였다. 4개 연도의 위성영상을 사용하였으며 이 영상이 중첩되는 지역을 연구의 대상이 되는 관심영역으로 정하였다. 자료 분석 방법으로 주로 식생이 분포하는 지역을 지나가는 측선을 설정하여 연도별 변화 양상을 살펴보았다. 또한, 2차원 공간상의 식생지수의 변화를 정량적으로 나타내기 위하여 관심영역 내에서 랜덤 포인트를 추출하여 상자그림으로 나타내었다. 연구의 주요 결과는 원전 인근 지역에서 2014년 식생지수는 관심영역 내에서 낮은 값으로 나타났지만 이후 2021년까지 지속해서 식생이 발달하고 있는 것으로 나타났다. 이러한 결과는 측선이나 상자그림으로 나타낸 변화 모니터링 결과에서도 확인할 수 있었다. 현장 자료를 수집하기 어려운 후쿠시마 원전 지역과 같이 접근이 제한되는 재난 지역에서는 위성영상을 이용하여 높은 정확도를 갖는 토지 피복 분류 산출물을 얻기가 어렵기 때문에 고해상도 위성영상 정보부터 얻는 식생지수와 같이 기본적인 산출물을 이용하여 분석하는 방식이 적절하다. 한편 국제적으로 공동 활용이 가능한 위성정보 자원의 활용 체계 구축과 함께 우리나라에 영향을 줄 수 있는 주변국의 환경 변화를 주기적으로 모니터링하기 위하여 고해상도 위성영상을 이용한 활용 모델과 시스템을 구축할 필요가 있다.

• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.1931-1942
• /
• 2021

최근 고해상도 광학 위성영상의 활용성이 강조되면서 이를 이용한 지표 모니터링 연구가 활발히 수행되고 있다. 그러나 고해상도 위성영상은 낮은 시간 해상도에서 획득되기 때문에 그 활용성에 한계가 있다. 이러한 한계를 보완하기 위해 서로 다른 시간 및 공간 해상도를 갖는 다중 위성영상을 융합해 높은 시공간 해상도의 합성 영상을 생성하는 시공간 자료 융합을 적용할 수 있다. 기존 연구에서는 중저해상도의 위성영상을 대상으로 시공간 융합 모델이 개발되어 왔기 때문에 고해상도 위성영상에 대한 기개발된 융합 모델의 적용성을 평가할 필요가 있다. 이를 위해 이 연구에서는 KOMPSAT-3A 영상과 Sentinel-2 영상을 대상으로 기개발된 시공간 융합 모델의 적용성을 평가하였다. 여기에는 예측을 위해 사용하는 정보가 다른 Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM)과 Spatial Time-series Geostatistical Deconvolution/Fusion Model (STGDFM)을 적용하였다. 연구 결과, 시간적으로 연속적인 반사율 값을 결합하는 STGDFM의 예측 성능이 ESTARFM 보다 높은 것으로 나타났다. 특히 KOMPSAT 영상의 낮은 시간 해상도로 같은 시기에서 KOMPSAT 및 Sentinel-2 영상을 동시에 획득하기 어려운 경우, STGDFM의 예측 성능 향상이 더욱 크게 나타났다. 본 실험 결과를 통해 연속적인 시간 정보를 결합해 상대적으로 높은 예측 성능을 가지는 STGDFM을 이용해 낮은 재방문 주기로 인한 고해상도 위성영상의 한계를 보완할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.649-663
• /
• 2019

2018년 유엔 개발 계획(United Nations Development Programme; UNDP)의 보고서에 따르면 북한의 산림 황폐화는 매우 극단적이며, 지금까지도 진행되고 있다. 기후변화 측면에서 산림 황폐화는 단순히 한 국가만의 문제가 아닌 전 지구적인 스케일의 문제로 여겨지며, 이러한 북한 산림 황폐화의 원인은 만성적인 식량난과 개간 산지의 확대, 산림 병해충의 영향으로 알려져 있다. 산림 황폐화에 대응하기 위한 연구와 정책 사업들은 원격탐사와 산림 관련 국가 공간자료들을 이용하여 진행되지만, 북한의 경우 국가 공공 자료들의 접근이 제한적이며, 객관성이 보장되기 어렵다. 따라서, 본 연구에서는 Landsat 위성영상을 사용하여 통계적 확률밀도 추정 방법을 통해 한반도에서 유일하게 행정구역상으로 분단된 강원도에 대한 산림면적을 탐지 및 평가하고자 하였다. 남한의 산림 공간자료와 정규화식생지수(Normalized Difference Vegetation Index; NDVI)를 이용하여, 산림 비산림의 NDVI 값에 대한 범주별 가우시안 확률밀도함수를 추정하고 산림 탐지를 위한 NDVI 임계점(0.6658)을 설정하였다. 설정된 임계점을 이용하여 남 북 강원도에 대한 다중시기 산림면적 탐지를 진행한 결과 남 북 모두 2000년대까지 산림 면적이 감소하였으나, 2010년대에는 면적이 증가하는 경향이 나타났다. 또한, 지역적 규모에서 산림 면적의 감소는 국가별 도시화, 산업화의 정책 방향과 일치함을 확인하였다. 검증을 위한 Kappa value의 경우 대부분 강적합(0.8)과 중적합(0.6) 수준을 나타내었으며, 탐지된 면적과 국가 통계와의 비교 결과도 약소한 차이를 나타내었다. 본 연구는 북한 산림 황폐화에 대응하는 기반 자료로 사용될 수 있으며, 탐지된 결과를 바탕으로 산림자원의 보호와 복구의 필요성이 제기된다.

• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.681-692
• /
• 2019

이 논문에서는 작물 분류를 목적으로 작물의 시공간 특징을 고려할 수 있는 딥러닝 모델 2D convolution with bidirectional long short-term memory(2DCBLSTM)을 제안하였다. 제안 모델은 우선 작물의 공간 특징을 추출하기 위해 2차원의 합성곱 연산자를 적용하고, 추출된 공간 특징을 시간 특징을 고려할 수 있는 양방향 LSTM 모델의 입력 자료로 이용한다. 제안 모델의 분류 성능을 평가하기 위해 안반덕에서 수집된 다중시기 무인기 영상을 이용한 밭작물 구분 사례 연구를 수행하였다. 비교를 목적으로 기존 딥러닝 모델인 2차원의 공간 특징을 이용하는 2D convolutional neural network(CNN), 시간 특징을 이용하는 LSTM과 3차원의 시공간 특징을 이용하는 3D CNN을 적용하였다. 하이퍼 파라미터의 영향 분석을 통해, 시공간 특징을 이용함으로써 작물의 오분류 양상을 현저히 줄일 수 있었으며, 제안 모델이 공간 특징이나 시간 특징만을 고려하는 기존 딥러닝 모델에 비해 가장 우수한 분류 정확도를 나타냈다. 따라서 이 연구에서 제안된 모델은 작물의 시공간 특징을 고려할 수 있기 때문에 작물 분류에 효과적으로 적용될 수 있을 것으로 기대된다.