• 한국지구과학회지
• /
• 제39권6호
• /
• pp.533-544
• /
• 2018

강수는 기상학, 농업, 수문학, 자연재해, 토목 및 건설 등 분야에서 매우 중요한 기상 변수들 중 하나이다. 최근 이러한 강수를 탐지하고, 측정 및 예보를 하기 위해서 위성원격탐사기술은 필수적이다. 따라서 본 연구에서는 미국항공우주국(National Aeronautics and Space Administration, NASA)에서 발사한 전 지구 강수 관측 위성인 GPM 위성을 기반으로 다양한 자료와 합성된 강수 자료인 IMERG 자료의 정확도를 한반도, 특히 남한지역에 대해 지상관측자료와 비교분석 하였다. 기상자동관측 장비인 AWS의 관측 강수량을 검증 자료로 사용하여, 2016년 1월부터 12월까지 1년간의 기간 동안 한반도의 육상부분에 대하여 IMERG의 월 강수량 자료를 비교 검증하였다. 잘 알려진 대로 위성은 해안가와 섬 지역 같은 부분에서 단점이 있지만, 별도로 비교 분석하였다. 위성 자료인 IMERG와 지상 관측 자료인 AWS를 비교한 결과, 상관계수가 0.95로 높은 상관성을 보였으며, Bias, RMSE의 오차 비교에서도 각각 월 15.08 mm, 월 30.32 mm의 낮은 오차를 산출하였다. 해안지역에서도 육상지역과 마찬가지로 0.7 이상의 높은 상관계수를 산출하며, 강수 자료로서 IMERG의 신뢰도를 검증하였다.

• 한국콘텐츠학회논문지
• /
• 제18권12호
• /
• pp.140-149
• /
• 2018

최근 국민소득 증가와 더불어 인구감소로 인한 고령화, 1인 가구 증가와 같은 사회 현상이 관찰된다. 고령화 가구 및 1인 가구증가에 비례해 반려동물을 사육하는 가구도 증가하고 있는데 이들의 경우 대부분 외로움 극복과 가정 내 활력을 위해 반려동물을 활용한다. 반려 동물을 가족처럼 생각하는 사람들이 늘어나면서 국내 반려동물 시장의 규모도 동반 성장하고 있다. 고령화 가구 및 1인가구의 반려동물이 늘어나면서 생기는 문제는 홀로 남겨진 반려동물의 먹이급식, 운동관리 등과 같은 케어(Care)가 제대로 수행 되지 못하고 있다. 외부에서 원격으로 반려동물을 관찰하고 일정량의 먹이를 주기적으로 공급하며 운동유발을 통해 반려동물의 건강상태를 관리해주는 로봇에 대한 연구와 개발이 필요한 실정이다. 반려동물 중 반려견의 선택이 가장 높게 나타난다. 따라서 본 연구는 구동 방식에 대한 로봇연구와 기존의 반려동물 케어 시스템의 사례를 파악하고 장애물 회피 알고리즘을 이용한 반려견 케어 로봇에 대한 연구를 하였다. 3륜 중 2개의 바퀴에 모터를 장착하고 반려견의 간식 급여동작과 장애물 회피 알고리즘을 이용하기 위해 전면에 초음파 센서를 사용하였다. 후면에는 적외선 센서 4개를 장착하여 이동시 바닥과 물체의 감지가 가능하도록 시스템 구성 하였다. 그 결과 반려견이 로봇바퀴에 수납된 간식의 냄새를 탐지하여 로봇을 따라다니고 접근을 감지한 로봇이 회피구동 하며 반려견의 운동능력 향상시켰다. 그러나 본 연구는 반려견 케어로봇에 관한 연구로 다른 반려동물들의 특성이 반영되지 않았고, 지속적인 관찰 및 테스트를 통한 실증이 필요하여 후속 연구가 필요하다.

• 한국응용곤충학회지
• /
• 제60권1호
• /
• pp.135-143
• /
• 2021

항공 및 지리 공간 기술은 연구자 및 농업관련 실무자들이 더욱더 쉽게 접근할 수 있게 되었으며, 이러한 기술은 농업과 임업에 있어 현재 병해충 관리의 변화에 중추적인 역할을 할 수 있다. 지난 20년 동안 위성, 유무인항공기, 스펙트럼 센서들, 정보 시스템 및 자동화 현장 장비들의 기술들은 병해충을 감지하고, 특정 지점에 대한 병해충을 방제하는데 사용되어져 왔다. 빅 데이터 기반한 인공 지능과 함께 항공 및 지리 정보 기술의 가용함에도 불구하고 이러한 기술을 사과 IPM에 적용하는 것은 아직 실현되지 않았다. 본 논문은 사과연구소에서 수행한 사례 연구를 통해 사과 IPM 개선에 활용할 수 있는 항공 및 지리 정보기술의 발전과 한계에 대해 논하고자 한다.

• 한국지리정보학회지
• /
• 제27권1호
• /
• pp.115-127
• /
• 2024

본 연구는 Transformer 모듈을 기반으로 다양한 구조의 모델을 구성하고, 토지피복 분류를 수행하여 Transformer 모듈의 활용방안 검토를 목적으로 하였다. 토지피복 분류를 위한 딥러닝 모델은 CNN 구조를 가진 Unet 모델을 베이스 모델로 선정하였으며, 모델의 인코더 및 디코더 부분을 Transformer 모듈과 조합하여 총 4가지 딥러닝 모델을 구축하였다. 딥러닝 모델의 학습과정에서 일반화 성능 평가를 위해 같은 학습조건으로 10회 반복하여 학습을 진행하였다. 딥러닝 모델의 분류 정확도 평가결과, 모델의 인코더 및 디코더 구조 모두 Transformer 모듈을 활용한 D모델이 전체 정확도 평균 약 89.4%, Kappa 평균 약 73.2%로 가장 높은 정확도를 보였다. 학습 소요시간 측면에서는 CNN 기반의 모델이 가장 효율적이었으나 Transformer 기반의 모델을 활용할 경우, 분류 정확도가 Kappa 기준 평균 0.5% 개선되었다. 차후, CNN 모델과 Transformer의 결합과정에서 하이퍼파라미터 조절과 이미지 패치사이즈 조절 등 다양한 변수들을 고려하여 모델을 고도화 할 필요가 있다고 판단된다. 토지피복 분류과정에서 모든 모델이 공통적으로 발생한 문제점은 소규모 객체들의 탐지가 어려운 점이었다. 이러한 오분류 현상의 개선을 위해서는 고해상도 입력자료의 활용방안 검토와 함께 지형 정보 및 질감 정보를 포함한 다차원적 데이터 통합이 필요할 것으로 판단된다.

• 한국지리정보학회지
• /
• 제27권2호
• /
• pp.34-44
• /
• 2024

최근 기후변화로 인한 이상기후로 인해 홍수, 산사태, 토사 유출과 같은 자연재난의 피해가 급증하고 있다. 우리나라는 국토의 63% 이상이 산지라는 지형적 특성 때문에 사면 재해에 취약하며, 특히, 토석채취지는 소단형성 과정에서 흙과 암석을 채굴하기 때문에 산사태가 발생할 확률이 높으며, 사업장 내부 뿐만 아니라, 외부까지 재해발생 위험이 높은 지역이다. 이에 따라, 본 연구는 토석채취지의 모니터링을 위해 UAV와 항공LiDAR를 활용하여 DEM을 구축하고 시계열 변화 분석을 수행하였으며, 토석채취지 모니터링을 위한 최적의 DEM 구축방법을 제안하였다. DEM 구축을 위해 UAV와 LiDAR 기반 Point Cloud 구축하고 Aggressive Classification(AC), Conservative Classification(CC), Standard Classification(SC) 등 세가지 알고리즘을 활용하여 지면부를 추출하였다. 알고리즘에 따라 구축한 UAV 및 LiDAR기반 DEM은 수치지형도 기반 DEM과의 비교를 통해 정확도를 평가하였다. 정확도 평가 결과, 알고리즘 방법간의 높이 차는 최대 1 m 내외로 차이가 거의 없었다. 또한, 음영기복도를 활용한 지면부의 질감을 시각적 비교해보았을 때 CC 알고리즘의 성능이 가장 우수하였으며, 산림지역에서 LiDAR 기반 DEM이 높은 정확도를 보였다. 구축한 최적의 DEM을 통해 토석채취지의 시계열 변화량을 비교한 결과, 토석채취지역, 소단 형성지역 등 시계열 변화에 따른 토석채취지의 변화지역 탐지가 가능하였다.

• 한국환경생태학회지
• /
• 제32권6호
• /
• pp.686-697
• /
• 2018

오늘날 원격탐지기술의 발달로 인해, 산림지역과 같이 피복 분류작업이 난해한 지역을 비롯한 광범위한 지역에서의 세밀한 변화탐지를 위한 고해상도 위성영상 취득이 가능해졌다. 하지만, 고해상도 영상에 대한 시계열분석의 과정에서 많은 양의 지상 관측 데이터가 요구된다. 본 연구에서는 토지피복도를 지상 관측데이터로 활용한 위성영상 분류 방법의 가능성을 시험하였다. 연구대상지는 강원도 원주시이며, 산림지역과 시가화지역이 공존하는 공간이다. 연구 자료는 2015년 3월에 촬영된 KOMPSAT-3A 영상과 2017년도 토지피복도를 이용하여 분류를 시도하였다. 서포트벡터머신(SVM)과 랜덤포레스트(RF)의 두 가지 상이한 화소기반 분류기법을 적용하여 대상지에 대한 피복분류의 분류정확도를 비교 분석하였으며, SVM 분석의 경우 다수 분석(Majority analysis)을 후속 진행하였다. 분석대상은 산림식생만 포함한 지역과 연구대상지 전지역으로 구분하였고, 대상 면적이 협소한 습지는 분석과정에서 제외하였다. 분류 결과는 오차 행렬의 전체 정확도가 두 가지 분류대상에 대해 RF 기법이 SVM 기법보다 더 나은 것으로 나타났다. 산림지역만을 대상으로 한 경우, RF 기법이 SVM 기법에 비해 18.3% 높은 값을 나타낸 반면, 전체지역을 대상으로 한 경우는 둘 사이의 간격이 5.5%로 줄어들었다. SVM 기법에 다수 분석 (Majority analysis)을 추가로 실시한 경우, 1% 정도의 정확도 향상이 나타났다. RF 기법은 산림지역의 활엽수를 분석해 내는데 상당히 효과적이었지만, 다른 대상에 대해서는 SVM 기법이 더 나은 결과를 나타내었다. 본 연구는 고해상도 단일시기 영상에 대한 화소 기반의 분류기법을 시험한 것으로, 추후 시계열분석 및 객체기반 분류기법의 추가적인 적용으로 향상된 정확도와 신뢰도를 얻을 수 있을 것으로 판단된다. 이 연구의 방법론은 시공간적으로 고해상도 분석결과를 제공함으로써, 대면적의 토지계획에 유용할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제30권1호
• /
• pp.83-107
• /
• 2014

본 연구에서는 겨울철 영동지역에서 2001 ~ 2012(12년) 동안 일신적설 50 cm 이상의 3개 극한 대설사례를 선정하여 위성에서 관측된 구름을 추적하여 공간적 특성을 분석하였다. 그리고 그 특성을 레이더 강수와 비교하였다. 이 연구에서 선정된 영동지역 극한 대설사례는 영동지역(영동 앞바다)에서 발생하여 발달하거나 동한만 부근에서 발생하여 영동지역으로 이동해 들어오는 독립되고 잘 발달된 그리고 크기가 작은 대류형 구름과 관련이 있다. 주강수 시기의 이 구름덩어리의 최저휘도온도는 -$-40{\sim}-50^{\circ}C$로 낮고, 휘도온도 $-35^{\circ}C$ 혹은 $-40^{\circ}C$ 이하의 구름 크기는 약 17,000 ~ 40,000 $km^2$로 중규모 대류복합체($-52^{\circ}C$ 이하 구름크기 50,000 $km^2$)보다 작은 크기이다. 이 때 레이더의 강수면적(0.5 mm/hr 이상)도 약 4,000 ~ 8,000 $km^2$로 작고 독립된 강수 형태를 보인다. 위성의 구름영역과 레이더 강수영역은 영동 앞바다에 비슷하게 위치하였으나 레이더 강수의 중심이 상대적으로 영동 해안에 인접해 위치하였다. 또한 구름이 발달하는 과정에서 구름의 극값과 강수의 극값이 일치하지 않는 경우도 나타났다. 그러나 모든 사례에서 주강수 시기에 구름은 영동 앞바다에 위치하였다. 따라서 구름덩어리의 위치가 극한 대설에 있어 무엇보다 중요한 요소인 것으로 판단된다. 수증기 영상은 건조구역(암역)의 가장자리 북쪽에서 구름덩어리가 발달함을 보여주었다. 따라서 위성관측의 구름영상과 지상 레이더에 의한 강수관측 값과 비교하여 보았을 때, 위에 선정된 극한 대설 사례는 부저기압 혹은 소용돌이의 발달과 관련되어 있는 것으로 생각된다. 영동지역 극한 대설에 대한 초단기 예보에 있어 초기에 동한만 혹은 영동지역에서 작고 발달된 대류형 구름을 탐지하고 추적하는 것이 중요하다.

• 한국지리정보학회지
• /
• 제10권3호
• /
• pp.80-92
• /
• 2007

산불은 우리나라 산림의 주요 교란요소중의 하나로써 산림 구조와 기능에 매우 큰 영향을 미치며, 산불피해강도에 따라 피해 후 식생회복 과정이 달라질 수 있다. 대형산불 피해지의 피해강도와 식생회복 과정을 파악하기 위해서는 많은 인력과 예산이 필요하지만 위성영상자료를 이용한 산불피해지의 피해강도 분석은 신속한 정보는 물론 대규모 피해지의 객관적인 결과를 원격적으로 취득할 수 있다. 위성과 항공기 탑재 센서들은 피해규모를 맵핑하고 진행산불 특성을 평가하며 산불피해후의 생태적 영향 특성을 규명하는데 활용되고 있다. 본 연구에서는 2000년 삼척산불, 2002년 청양산불 그리고 2005년 양양 대형산불 피해지를 구분하고 피해강도를 정량적으로 분석하기 위해 정규탄화지수(Normalized Burn Ratio: NBR)를 활용하였다. 본 연구를 위해 산불피해 전후 동일시기의 Landsat 위성영상 자료를 활용하여 정규탄화지수(NBR)를 산출하고 30m 해상도의 피해강도 패턴을 평가하였다. 산불피해강도 평가결과, 삼척산불 피해지는 피해강도 '중' 이상(${\Delta}NBR$ 152 이상) 지역이 전체의 65%를 차지하였으며 청양 예산산불피해지는 91%, 양양산불피해지는 65%로 나타나 3지역 중 청양 예산지역이 피해강도 측면에서만 보면 가장 큰 피해를 입은 것으로 분석되었다. 따라서 RS와 GIS를 이용하여 원격 탐지된 ${\Delta}NBR$은 대규모 산불피해지의 구분은 물론 산불피해강도를 공간적으로 정량화할 수 있다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.1041-1053
• /
• 2018

본 연구에서는 용담댐 유역을 대상으로 저수위/저수량 모니터링 및 예측을 위하여 고해상도 위성관측 자료를 이용하는 방법과 위성으로부터 추출한 강수량 자료로부터 가뭄지수를 이용한 저수위를 모니터링하고 SSA를 이용한 PCA방법으로 예측모델을 구축하여 가뭄을 예측하는 방법을 개발하였다. 용담댐 저수위와 SPI(3)와의 상관계수가 0.78로 매우 높은 상관성을 보였으며, 위성자료를 통하여 산정한 가뭄지수를 활용하여 댐 저수위/저수량 모니터링 및 예측 가능성을 진단하였다. SSA에 의한 주성분 분석결과 SPI(3)과 각 RC자료의 상관관계를 분석한 결과 CC=0.87~0.99의 높은 상관성을 보였으며, 표준화된 댐 저수위(N-W.S.L.)와 RC자료의 상관관계를 분석한 결과 CC=0.83~0.97의 비교적 높은 상관성을 보임을 확인하였다. 또한, Sentinel-2 위성의 MSI (Multi-Spectral Instrument) 센서로 댐수위의 변화를 모니터링하기 위해 지수 기법을 적용하여 수체 탐지 알고리즘을 개발하였으며, 용담댐유역에 대해 2016년부터 2018년까지의 수계 면적 변화를 분석하였다. 이를 기반으로 Sentinel-2 위성영상으로 추출한 수계 면적 변화를 이용하여 가뭄 감시 분야에 대한 활용 가능성을 제시하였다. 본 연구의 결과는 다양한 위성관측자료로부터 미계측 지역의 저수량 모니터링과 수문학적 가뭄 모니터링/예측에 활용이 가능할 것이다.