• 한국지리정보학회지
• /
• 제23권3호
• /
• pp.100-119
• /
• 2020

최근 온도상승으로 인한 폭염 증가와 대기 풍속의 약화가 상호작용하면서 열환경과 미세먼지(PM₁₀)가 문제가 되고 있다. 도시지역 내에서 다른 지역들보다 온도와 대기오염 농도가 높은 도시열섬과 도시오염섬 현상이 나타나고 있음이 알려져 있으나, 공간데이터로 구축 가능한 미세 자료의 부족 등으로 이를 함께 살펴본 연구는 많지 않았다. 최근 위성영상과 민간통신업체의 인프라에서 측정한 빅데이터들이 생산되면서 온도와 대기오염에 대한 세밀한 공간분포 분석이 가능하게 되었다. 이에 본 연구는 부산광역시를 대상으로 도시열섬과 도시오염섬의 공간적 분포패턴을 살펴보고 두 현상의 분포 특성을 비교 분석하고자 하였다. 연구에는 Landsat 8 위성영상의 지표면온도와 민간자동관측시스템에서 도출된 대기온도, 미세먼지농도 데이터를 30m*30m 단위로 격자화하여 공간분석을 수행하였다. 분석 결과, 도시열섬과 도시오염섬이 동시에 발생하는 대표적인 지역들로 취약 주거지역과 공업지역들이 다수 포함되어 있었다. 부산시의 대표적 주거 취약지역으로 알려진 서동, 반송동 등의 주요 정책이주지가 포함되었는데 해당 지역은 소규모 필지에 건축물의 밀도가 상당히 높은 지역으로 통풍, 환기 등에 문제가 많은 주거지역이다. 이러한 지역의 주민 중 상당수는 폭염과 대기오염에 대한 대응 능력이 낮아 관련 정책 수립 시 우선적으로 이 지역들이 고려될 필요가 있다. 도시열섬과 도시오염섬의 동시발생지역에 포함된 공업지역들은 콘크리트나아스콘 기반의 불투수면의 비중이 높고, 식생이 부족할 뿐 아니라 교통량도 많은 것으로 나타났다. 도시열섬과 도시오염섬 분석에 대한 신뢰성을 살펴보기 위해 핫스팟분석을 진행한 결과, 99.96% 이상의 지역이 99% 신뢰수준의 핫스팟지역에 해당함을 확인할 수 있었다.

• 한국농림기상학회지
• /
• 제22권4호
• /
• pp.327-339
• /
• 2020

증산은 물이 기공을 통해 대기 중으로 이동하는 과정으로, 지표면의 물은 상당부분 증산을 통해 대기 중으로 이동한다. 에디공분산, 수분 수지 측정법 등의 증산량을 측정하는 방법이 있지만, 수종 및 임분의 구성 요소별 증산량의 차이를 비교하기 위해서는 개체목 증산량 측정이 필요하다. 개체목 증산량을 측정하기 위해 수액의 온도차를 이용한 수액류 측정법을 가장 널리 이용하고 있지만, 넓은 범위의 지역을 장기간 조사하기에 한계가 있다. 따라서 큰 공간적 규모에 대해 수액류 및 증산량에 대한 연구를 하기 위해서는 각 지역별로 측정한 데이터의 공유가 필요하다. 본 연구팀은 태화산 학술림에서 열손실탐침법을 이용하여 2011년부터 잣나무(Pinus koraiensis) 18본, 2013년부터 갈참나무(Quercus aliena) 16본을 대상으로 수액류를 측정하고 있으며, 광릉수목원에서도 열손실탐침법을 이용하여, 2013년부터 전나무(Abies holophylla) 18본, 졸참나무(Quercus serrata) 7본, 서어나무(Carpinus laxiflora) 3본, 까치박달(Carpinus cordata) 3본을 대상으로 수액류를 측정하고 있다. 구례 지리산 조사지에서는 열 파동법으로 2018년부터 산벚나무(Prunus sargentii), 낙엽송(Larix kaempferii), 2019년에는 추가로 상수리나무(Quercus accutisima), 소나무(Pinus densiflora), 물푸레나무(Fraxinus rhynchophylla)를 대상으로 수액류를 측정하였으며, 2020년에는 편백(Chamecypans obtuse), 잣나무(P. koraiensis), 자작나무(Betulla platyphylla), 전나무(A. holophylla), 곰솔(Pinus thrunbergii)을 대상으로 수액류를 측정하고 있다. 우리나라 산림의 수액류 데이터를 더욱 활발하게 공유하여 국내 산림생태계에서 개체목과 임분의 수액류와 증산의 환경민감성 등 다양한 연구에 기여할 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.989-1006
• /
• 2020

건물탐지 기반의 건물 변화 모니터링은 발사예정인 차세대 중형위성 1, 2호와 같은 고해상도 다시기 광학 위성영상을 이용한 인공 구조물 모니터링 측면에서 가장 중요한 분야 중 하나이다. 하지만 지표면에 위치하는 건물들의 형태와 크기는 다양하며, 이들 주변에 존재하는 그림자 또는 나무 등에 의해 정확한 건물탐지에 어려움이 따른다. 또한, 영상 촬영 당시의 플랫폼의 방위각(Azimuth angle)과 고도각(Elevation angle)에 따라 생기는 기복 변위로 인해 건물 변화탐지 수행 시 다수의 변화 오탐지가 발생하게 된다. 이에 본 연구에서는 건물 변화탐지 결과 향상을 위해 다시기 영상 취득 당시의 태양의 방위각과 그에 따른 그림자의 주방향(Main direction)을 이용한 객체기반 건물탐지를 수행하였으며, 이후 플랫폼의 방위각과 고도각을 이용한 건물 변화탐지를 수행하였다. 고해상도 영상에 객체 분할 기법을 적용한 후, Shadow intensity를 통해 그림자 객체만을 분류하였으며, 건물 후보군 탐지를 위해 각 객체의 Rectangular fit, GLCM(Gray-Level Co-occurrence Matrix) homogeneity 그리고 면적(Area)과 같은 특징(Feature) 정보들을 이용하였다. 그 후, 건물 후보군으로 탐지된 객체들의 중심과 태양의 방위각에 따른 건물 그림자 사이의 방향과 거리를 이용하여 최종 건물을 탐지하였다. 각 영상에서 탐지된 건물 객체 간 변화탐지를 위해 객체들 간의 단순 중첩, 플랫폼의 고도각에 따른 객체의 크기 비교, 그리고 플랫폼의 방위각에 따른 객체 간의 방향 비교 총 3가지의 방법을 제안하였다. 본 연구에서는 주거 밀집 지역을 연구지역으로 선정하였으며, KOMPSAT-3와 무인항공기(Unmanned Aerial Vehicle, UAV)의 이종 센서에서 취득된 고해상도 영상을 이용하여 실험 데이터를 생성하였다. 실험 결과, 특징 정보를 이용해 탐지한 건물탐지 결과의 F1-score는 KOMPSAT-3 영상과 무인항공기 영상에서 각각 0.488 그리고 0.696인 반면, 그림자를 고려한 건물탐지 결과의 F1-score는 0.876 그리고 0.867로 그림자를 고려한 건물탐지 기법의 정확도가 더 높은 것을 확인할 수 있었다. 또한, 그림자를 이용한 건물탐지 결과를 바탕으로 제안한 3가지의 건물 변화탐지 제안기법 중 플랫폼의 방위각에 따른 객체 간의 방향을 고려한 방법의 F1-score가 0.891로 가장 높은 정확도를 보이는 것을 확인할 수 있었다.