• 한국방사선학회논문지
• /
• 제15권2호
• /
• pp.265-271
• /
• 2021

수목의 내부 부후의 양상은 많은 원인에 의존한다. 이런 다양한 부후의 원인은 일반적인 방법으로는 탐지가 어렵기 때문에 장기간 부후 상태를 확인할 수 없다면 부후 부위의 확대로 인해 수목의 심각한 피해가 발생할 수 있다. 수목 단층 영상을 획득하는 방식은 센서를 고무망치로 두드려 수목을 통과하는 임펄스가 생성되어 이동하는 속도를 기록한다. 본 논문에서는 물리적 손상에 의한 균열, 공동, 부후를 측정할 수 있도록 Arbotom에서 획득한 수목 단면 영상을 이용하여 수목의 내부 상태를 알 수 있는 3D 뷰어를 개발하여 수목 내부의 부후가 진행된 정도를 파악하고 이를 바탕으로 수목의 외과적 수술이 필요한 경우 참고할 수 있는 데이터를 제시하고자 하였다. 수목의 단층 영상을 획득하기 위해 세 그루의 양버즘 나무와 단풍 나무에 6개의 센서를 부착하여 1m 길이의 나무를 Arbotom 프로그램을 이용하여 측정하였으며 MATLAB을 이용하여 제작한 3D Viewer를 통하여 3D 영상을 구현하였다. 단순히 영상의 획득 뿐만 아니라 수목의 단면 길이와 부피를 측정하였으며 실제로 제작한 3D Viewer에서 단풍 나무의 부후가 발생된 부분 길이는 33.12 cm, 양버즘 나무의 부후는 21.41 cm로 측정되었으며 단풍 나무의 부후의 부피는 78.832 ㎤로 측정되었다. Arbotom의 단면 영상과 3D 영상을 비교한 결과 수목의 실제 양상과 같은 결과를 획득하였기 때문에 제작된 소프트웨어 신뢰성 또한 확보된 것으로 판단할 수 있으며 제작된 Viewer를 통하여 외과적 수목 수술에 적용할 데이터를 제공해 수목의 피해를 최소화 할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.869-877
• /
• 2018

사막면적은 매년 증가하는 추세이며, 이에 따라 막대한 사회적 피해 비용을 발생시키고 있다. 이러한 사막은 광범위하게 분포하고 사람의 접근이 어려워 인공위성을 이용한 모니터링이 많이 이루어지고 있지만 인공위성의 센서에 따라 산출되는 사막 면적 비교 연구는 미비한 편이다. 센서의 선택에 따라 산출되는 사막 면적은 상이할 수 있고 이에 따라 기후 예측이나 사막화 방지대책 등에 영향을 미칠 수 있어 센서별로 산출되는 사막면적 자료의 특성을 인지하는 것은 중요하다. 본 연구에서는 Moderate Resolution Imaging Spectroradiometer(MODIS)와 Vegetation을 이용해 2001-2013년 동북아시아 지역의 사막 면적을 산출하고 비교 분석하였다. 분석결과, MODIS에서 산출한 사막 면적은 비교적 과소 탐지하는 경향과 $20,911km^2/year$로 감소하는 추세를 보였고 Vegetation에서 산출한 사막 면적은 $3,020km^2/year$로 증가하는 추세를 보였다. 또한 실측자료 확보가 힘든 사막지역에서 인공위성을 이용해 산출된 사막 면적의 간접검증을 위해 사막 면적 변화에 영향을 받는 황사 발생빈도와 상관관계 분석을 실시하였다. 그 결과, MODIS는 R=0.2071로 비교적 낮은 상관관계가 나타났고 Vegetation은 R=0.4837로 비교적 높은 상관관계가 나타났다. 이는 Vegetation이 동북아시아 사막 영역에서 보다 정확한 사막 면적 산출을 수행한 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.