• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1829-1836
• /
• 2021

구름탐지란 위성영상내의 픽셀 혹은 화소에서의 구름 유무를 결정하는 것을 의미하며 해당 위성영상의 활용성과 정확도에 영향을 미치는 중요한 요소로 작용한다. 본 연구에서는 구름탐지 자료를 제공해주는 여러 선진기관들의 위성 중에서, GK-2A(GeoKompsat-2A)/AMI(Advanced Meteorological Imager)와 Terra(Earth Observation System-Terra)/MODIS(Moderate-Resolution Imaging Spectroradiometer), Suomi-NPP(The Suomi National Polar-orbiting Partnership)/VIIRS(Visible Infrared Imaging Radiometer Suite)의 구름탐지 자료의 차이에 대해서 정량적 및 정성적으로 비교 분석을 수행하고자 한다. 정량적으로 비교한 결과 1월의 Proportion Correct(PC)지수 값이 GK-2A & MODIS가 74.16%, GK-2A & VIIRS가 75.39%를 나타냈으며 4월의 GK-2A & MODIS는 87.35%, GK-2A & VIIRS는 87.71%로 4월이 1월보다 위성별로 큰 차이 없이 구름을 탐지한 것으로 나타났다. 정성적 비교 결과는 RGB영상과 비교하였을 때, 앞선 정량적 결과들의 경향과 동일하게 1월보다 4월에 해당하는 결과들이 구름을 잘 탐지한 것을 확인할 수 있었으나 얇은 구름이나 적설이 존재하는 경우에는 위성별로 구름탐지 결과에 다소 차이가 존재하였다.

• 한국지구과학회:학술대회논문집
• /
• 한국지구과학회 2002년도 정기총회 및 추계학술발표 논문요약집
• /
• pp.33-34
• /
• 2002

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2004년도 대한지구물리학회.한국지구물리탐사학회 공동학술대회 초록집
• /
• pp.312-316
• /
• 2004

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2004년도 대한지구물리학회.한국지구물리탐사학회 공동학술대회 초록집
• /
• pp.77-82
• /
• 2004

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1201-1208
• /
• 2020

해양에서 바닷물의 성질이 비슷한 바닷물 덩어리를 수괴라 하며, 전선은 서로 다른 속성의 두 수괴가 만나는 해역이다. 경사도 알고리즘은 해수면 온도 픽셀이 급격하게 변하는 곳을 경사가 크다고 보고, 경사가 큰 곳을 전선으로 가정하여 추출하는 방법이다. 이 방법은 대용량의 위성 자료를 한꺼번에 처리할 수 있다는 장점이 있다. 따라서 본 연구에서는 경사도 알고리즘을 이용하여 한반도 주변 해역의 전선을 찾아보고자 하였다. 연구 자료는 격자화 되어있는 해수면 온도 위성 자료를 이용하였다 해상도는 1/4°이며, 연구 기간은 1993년 1월부터 2018년 12월까지 월 평균 자료를 사용하였다. 해수면 온도 자료를 이용하여 전선 추출 결과 대표적으로 중국 연안 전선, 남해 연안 전선, 쿠로시오/쿠로시오 속류 전선, 아극 전선, 아북극 전선 등 다섯 개의 전선을 찾을 수 있었다. 계절별 전선 분포 비교 결과 겨울, 봄철에는 여름, 가을철에 비해 더 많은 종류의 전선이 분포하였으며, 분포 범위도 더 넓어졌다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.493-502
• /
• 2021

최근 기온변화 및 오염원 증가에 따른 수온 상승으로 수계 내에 부영양화가 진행되어 녹조가 다수 발생하고 있으며, 이러한 녹조의 발생과 감시를 위하여 위성영상을 이용한 연구가 많이 이루어지고 있다. 하지만 선행연구에서는 단일 지수만을 활용한 녹조탐지로 지역 수계의 광학적 특성을 고려하기 어려운 문제점 및 중·저해상도 위성영상을 활용하여 대규모의 녹조탐지를 수행함에 따라, 좁은 폭인 강에서의 녹조탐지에는 정확도가 떨어진다는 한계점이 존재한다. 따라서 본 연구에서는 Sentinel-2 위성의 고해상도 영상을 활용하여 NDVI, SEI, FGAI 단일지수 및 본 연구에서 개발한 두 개의 혼합지수들을 녹조탐지에 활용하였다. 본 연구에서는 녹조탐지 알고리즘의 정확도 평가를 위해 POD, FAR, PC 값을 활용하였으며, FGAI와 SEI를 혼합한 지수가 전체 정확도 PC에서 98.29%로 제일 높은 정확도를 보였다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.559-566
• /
• 2021

최근 증가된 해상 교통량의 영향으로 지속적으로 발생하는 선박사고에 대한 신속한 탐지 및 대처가 필요하다. 이를 위해, 광역 범위로 실시간 모니터링이 가능한 위성영상을 기반으로 선박탐지 연구가 활발히 수행되고 있다. 그러나, 분광특성을 활용하여 선박탐지를 수행한 선행연구에서는 후류(Wake) 제거를 수행하지 않아 후류가 선박으로 오탐지될 가능성이 존재한다. 이에 본 연구에서는 Ship Detection Index (SDI)를 이용하여 Sentinel-2A/Multispectral Instrument (MSI) 위성영상에서 선박탐지를 수행하고 선박과 후류의 분광특성 차이를 기반으로 하는 Wake Detection Index (WDI)를 활용하여 후류를 제거하였다. 본 연구의 선박탐지 알고리즘의 정확도 검증을 위해 Probability of detection (POD), False alarm rate (FAR) 지수를 활용하였으며, 검증 결과 SDI만 적용한 결과에 비해 POD는 유사하게 나타나고 FAR는 6.4% 개선되었다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1643-1652
• /
• 2022

해양생태계 및 수산자원, 해상안전에 부정적인 영향을 미치는 해양침적쓰레기는 주로 음파탐지기, 인양틀 및 잠수부를 통해 탐지되고 있다. 시간과 비용을 고려하여 최근에는 수중영상과 인공지능을 결합한 방법이 시도되고 시작했다. 본 연구에서는 효율적이고 정확한 해양침적쓰레기 탐지를 위하여, 수중영상과 딥러닝 객체탐지 모델인 You Only Look Once Version 5 (YOLOv5)와 You Only Look Once Version 7 (YOLOv7)을 학습 및 비교평가를 수행하였다. 유리, 금속, 어망, 타이어, 나무, 플라스틱 등의 객체탐지에 있어, 두 모델 모두 0.85 이상의 Mean Average Precision (mAP@0.5)를 기록하였다. 향후 영상자료 용량이 충분해지면, 보다 객관적인 성능평가 및 모델 개선이 가능할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1743-1747
• /
• 2022

Sentinel-2는 분광파장대나 공간해상도 측면에서 우리나라 차세대중형위성 4호(농림위성)의 모의영상으로 활용될 수 있다. 이 단보에서는 향후 농림위성영상에 적용하기 위한 예비실험으로, 딥러닝 기술을 이용한 Sentinel-2 영상의 구름탐지를 수행하였다. 전통적인 Convolutional Neural Network (CNN) 모델인 DeepLabV3+와 최신의 Transformer 모델인 Shifted Windows (Swin) Transformer를 이용한 구름탐지 모델을 구축하고, Radiant Earth Foundation (REF)에서 제공하는 22,728장의 학습자료에 대한 암맹평가를 실시하였다. Swin Transformer 모델은 0.886의 정밀도와 0.875의 재현율로, 과탐지와 미탐지가 어느 한쪽으로 치우치지 않는 경향을 보였다. 딥러닝 기반 구름탐지는 향후 우리나라 중심의 실험을 거쳐 농림위성 영상에 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1623-1631
• /
• 2022

유출유는 해양 생태계에 큰 위협이 되므로 피해 최소화를 위해 신속한 현황정보파악이 필요하다. 위성원격탐사는 항공기에 비해 광역적 모니터링이 가능하기 때문에 시공간적 범위에서 장점을 가진다. 최근에는 딥러닝 영상인식 기술의 발전으로 인해 딥러닝을 활용한 유출유 탐지의 필요성이 대두되고 있으나, 기존의 Synthetic Aperture Radar (SAR) 영상 위주의 유출유 탐지와는 달리 고해상도 광학영상에 딥러닝 기법을 적용하는 경우는 많지 않았다. 이에, 본 연구에서는 PlanetScope 위성의 광학영상을 활용하여 유출유 레이블을 제작하고, 이를 기반으로 DeepLabV3+모델을 활용하여 유출유 탐지 모델을 구축하였으며, 암맹평가에서 정확도 0.885, 정밀도 0.888, 재현율 0.886, F1점수 0.883, 평균 교집합 대 합집합 비율(Mean Intersection over Union, mIOU) 0.793 등의 상당히 높은 정확도를 나타냈다.