• 한국수자원학회논문집
• /
• 제31권1호
• /
• pp.35-44
• /
• 1998

본연구의 목적은 강우시 지표수의 흐름을 통해 유출되는 오염부하 산정 시스템을 개발하고 정상류 흐름의 성격을 띠는 점원오염의 월별, 수기별 오염부하를 산정하기 위한 각종 수질 인자별 발생부하와 배출부하 사이의 관계를 규명하여 각 지천 소유역의 울별 및 수기별 오염부하를 산정하는 모형 시스템을 개발하는 것이다. 또한 댐 상류 하천 구간에 대한 수질 모델링을 통하여 댐유입부의 오염부하를 산정하는데 있다. 대상유역의 토지 이용분포와 지표수 유출거동에 관련된 지상인자들의 파악을 위해 인공위성 원격탐사 이미지를 분석하여 토지이용분포 규명하고, 기타 지형공간정보를 구축하여, 이들로부터 모형의 운영에 필수적인 지상인자들을 합성하여, 모형의 입력자료로 사용될 수 있도록 하는 일련의 과정을 체계화하였다. 또한 개발된 개개의 모형을 체계적으로 결합하여 사용을 쉽게하기 위하여, GIS-모형간의 인터페이스 모듈과 그래픽 출력시스템 등 응용소프트웨어를 개발하여, 운격탐사 기법에 의한 저수지 오염 부하량 산정 모형과 전체시스템의 통합을 완료하였다. 개발된 모형시스템을 이용하여 1991년에서 1993년 사이에 관측된 4개 호우사상에 대한 비점오염원의 부하를 시험적으로 산정하였으며, 충추댐의 월별 및 수기에 따른 오염부하도 아울러 산정하였다.

• 한국지리정보학회지
• /
• 제24권1호
• /
• pp.1-11
• /
• 2021

위성영상을 활용한 하천, 습지, 호수 등 지표수 객체의 탐지는 해당 지역의 수자원 관리 및 조사 업무에 효율적으로 활용될 수 있다. 본 연구에서는 원격탐사 분야에서 물을 탐지하기 위해 제공하는 수분지수(Water Index)와 영상으로부터 객체를 인식하는 데 폭넓게 활용되는 기계학습(Machine learning) 기법을 대구광역시를 촬영한 Landsat-8 위성영상에 개별적으로 적용하여 하천, 호수 등 다양한 지표수 객체를 탐지하고 그 결과를 비교하였다. 우선 Landsat-8 위성영상의 다중분광 밴드로부터 NDWI(Normalized Difference Water Index), MNDWI(Modified Normalized Difference Water Index) 영상을 생성하였고, 임계치를 적용하여 개별 영상으로부터 물과 그 외 지역을 구분할 수 있는 이진 영상(Binary image)을 제작하였다. 그리고 기계학습 기법인 SVM(Support Vector Machine)을 동일 위성영상에 적용하여 토지 피복 영상을 제작하고 이로부터 이진 영상을 제작하였다. 최종적으로 100개의 검사점(Checkpoints)을 사용하여 세 이진 영상으로부터 지표수 탐지를 위한 정확도를 오차 행렬을 활용하여 계산하였다. 그 결과, MNDWI 영상으로부터 제작된 이진 영상의 정확도(84%)가 NDWI 영상으로부터 제작된 이진 영상의 정확도(94%)와 SVM에 의해 제작된 이진 영상의 정확도(96%)에 비해 낮았으며, 모든 이진 영상에서 그림자 등의 원인으로 인해 일부 육지 분류 결과가 지표수 객체로 오분류되었다.

• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.835-848
• /
• 2021

제주도는 지질 및 수문계의 특이성으로 인해 수문기상인자 분석을 통한 수문 분석 및 효율적인 물관리가 필수적이다. 하지만 수문기상인자의 지상관측자료는 주변 환경에 의한 영향이 크게 작용하여 공간적인 대표성을 띄기 힘들며, 이를 극복하기 위해 원격탐사 방법이 사용된다. 본 연구에서는 제주도에서 기존에 다른 지역들에서 적용성이 검증된 바 있는 MOD16 증발산량, Global Land Data Assimilation System (GLDAS) 증발산량, GLDAS 토양수분, Advanced SCATerometer(ASCAT) 토양수분 산출물들의 적용성을 평가하였다. 증발산의 경우 강수량과의 총량 비교 및 플럭스타워 증발산량 관측자료와의 비교를 시행하였고, 토양수분의 경우 6개 토양수분 관측소의 관측자료와 비교하였다. 그 결과 증발산량의 경우 연 강수량의 57%가 증발산량으로 산출되었고, MOD16 증발산량과 GLDAS 증발산량의 상관계수는 0.759로 양호한 값이 산출되었으나, 플럭스타워 증발산량 데이터와 MOD16 증발산량의 상관계수는 0.289, GLDAS 증발산량과의 상관계수는 0.434로 상대적으로 적합성이 낮게 나타났다. 토양수분의 경우 GLDAS 자료의 경우 모든 지점에서 지점자료와 비교하였을 때 RMSE 값은 0.05 미만의 값을 나타냈고, 상관계수의 유의성 검정 결과 통계적으로 유의미한 결과를 얻었다. 하지만 위성자료의 경우 월각지점에서 0.05 이상의 RMSE 값이 나타났고, 세화, 한동 지점에서 상관성이 없다는 상관계수의 유의성 검정 결과를 확인하였다. 이는 제주도에 설치된 증발산량 및 토양수분 센서의 품질관리 및 공간대표성을 띄는 면단위 센서가 충분히 제공되지 않아 위와 같은 결과가 나타나는 것으로 판단된며 더불어 지점 자료의 관리 및 위성, 재분석 자료의 경우 관측 픽셀이 해안과 인접할 시 나타나는 오차로 추정된다. 본 연구를 통해 기존 수문기상인자 지상관측 자료의 개선 필요성을 역셜하고, 이를 통해 제주도에서의 효율적인 물관리 를 위한 기반을 구축하고자 한다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1723-1735
• /
• 2022

산사태는 가장 널리 퍼진 자연재해 중 하나로 인명 및 재산피해 뿐만 아니라 범 국가적 차원의 피해를 유발할 수 있기 때문에 효과적인 예측 및 예방이 필수적이다. 높은 정확도를 갖는 산사태 취약성도를 제작하려는 연구는 꾸준히 진행되고 있으며 다양한 모델이 산사태 취약성 분석에 적용되어 왔다. 빈도비 모델, logistic regression 모델, ensembles 모델, 인공신경망 등의 모델과 같이 픽셀기반 머신러닝 모델들이 주로 적용되어 왔고 최근 연구에서는 커널기반의 합성곱신경망 기법이 효과적이라는 사실과 함께 입력자료의 공간적 특성이 산사태 취약성 매핑의 정확도에 중요한 영향을 미친다는 사실이 알려졌다. 이러한 이유로 본 연구에서는 픽셀기반 deep neural network (DNN) 모델과 패치기반 convolutional neural network (CNN) 모델을 이용하여 산사태 취약성을 분석하는 것을 목적으로 한다. 연구지역은 산사태 발생 빈도가 높고 피해가 큰 인제, 강릉, 평창을 포함한 강원도 지역으로 설정하였고, 산사태 관련인자로는 경사도, 곡률, 하천강도지수, 지형습윤지수, 지형위치 지수, 임상경급, 임상영급, 암상, 토지이용, 유효토심, 토양모재, 선구조 밀도, 단층 밀도, 정규식생지수, 정규수분지수의 15개 데이터를 이용하였다. 데이터 전처리 과정을 통해 산사태관련인자를 공간데이터베이스로 구축하였으며 DNN, CNN 모델을 이용하여 산사태 취약성도를 작성하였다. 정량적인 지표를 통해 모델과 산사태 취약성도에 대한 검증을 진행하였으며 검증결과 패치기반의 CNN 모델에서 픽셀기반의 DNN 모델에 비해 3.4% 향상된 성능을 보였다. 본 연구의 결과는 산사태를 예측하는데 사용될 수 있고 토지 이용 정책 및 산사태 관리에 관한 정책 수립에 있어 기초자료 역할을 할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.462-466
• /
• 2006

Close-to-nature stream evaluation is one of the processing to make the streams over in order to keep them natural. It is integral to evaluate and make an accurate analysis of them on the purpose of maintaining streams healthy. For many instances, there are, stream organization evaluation for restoration by German government, evaluation for ecosystem protection in natural preserves by New Zealand government, and stream-view evaluation for restoration by Britain government so on. In case of the country there are analysis and evaluation of stream physical organization by Cho, Yong-hyun, Close-to-nature stream evaluation for restoration by Kim, Dong-chan, evaluation of stream properties in korea by Park, Bong-jin. Close-to-nature evaluation by Lim, Chan-uk, that is advanced version of Park, Bong-jin's, shows form of stream including waterway curve, sand bar, diversity of flow, river bed material, diversity of minor bed, minor bed bank protection works, bank protection material. It also does environment of stream including side of minor bed vegetation, width of surface of the water/width of the river etc.. By the way, this evaluation does not have free access to apply those details above in the field, it often happens that you get various outcome from the one spot. so you must need more realistic testing method to obtain more accurate data. Remote sensing method is highly recommended because this is very useful for collecting realistic data of vegetation index. what is more, it can not only scan even the minimum area within its resolving power but also do obtain data anytime. Vegetation index indicates Ratio vegetation index, Normalized difference vegetation index, Soil adjusted vegetation index, Atmospherically resistant vegetation index etc.. The research is focusing on Cheokgwa stream which is the branch of Taehwa river and shows 19 sectioned Close-to-nature stream performed according to the method by Lim, chan-uk. Besides let you know vegetation index came from image data of satellite landsat 7 with the variation of buffering area, of the day 9. may. 2003. Of all, the outcome 0.758 at 200m buffer-zone of NDVI was the best we have got so far.

• 농촌계획
• /
• 제30권1호
• /
• pp.57-66
• /
• 2024

This study aimed to develop a precise vegetation cover classification model for small streams using the combination of drone remote sensing and support vector machine (SVM) techniques. The chosen study area was the Idong stream, nestled within Geosan-gun, Chunbuk, South Korea. The initial stage involved image acquisition through a fixed-wing drone named ebee. This drone carried two sensors: the S.O.D.A visible camera for capturing detailed visuals and the Sequoia+ multispectral sensor for gathering rich spectral data. The survey meticulously captured the stream's features on August 18, 2023. Leveraging the multispectral images, a range of vegetation indices were calculated. These included the widely used normalized difference vegetation index (NDVI), the soil-adjusted vegetation index (SAVI) that factors in soil background, and the normalized difference water index (NDWI) for identifying water bodies. The third stage saw the development of an SVM model based on the calculated vegetation indices. The RBF kernel was chosen as the SVM algorithm, and optimal values for the cost (C) and gamma hyperparameters were determined. The results are as follows: (a) High-Resolution Imaging: The drone-based image acquisition delivered results, providing high-resolution images (1 cm/pixel) of the Idong stream. These detailed visuals effectively captured the stream's morphology, including its width, variations in the streambed, and the intricate vegetation cover patterns adorning the stream banks and bed. (b) Vegetation Insights through Indices: The calculated vegetation indices revealed distinct spatial patterns in vegetation cover and moisture content. NDVI emerged as the strongest indicator of vegetation cover, while SAVI and NDWI provided insights into moisture variations. (c) Accurate Classification with SVM: The SVM model, fueled by the combination of NDVI, SAVI, and NDWI, achieved an outstanding accuracy of 0.903, which was calculated based on the confusion matrix. This performance translated to precise classification of vegetation, soil, and water within the stream area. The study's findings demonstrate the effectiveness of drone remote sensing and SVM techniques in developing accurate vegetation cover classification models for small streams. These models hold immense potential for various applications, including stream monitoring, informed management practices, and effective stream restoration efforts. By incorporating images and additional details about the specific drone and sensors technology, we can gain a deeper understanding of small streams and develop effective strategies for stream protection and management.

• 한국수자원학회논문집
• /
• 제56권2호
• /
• pp.75-89
• /
• 2023

강우-유출 해석은 하천 홍수예경보, 댐 유입량 산정 및 방류량 결정 등 수자원 관리 및 계획수립에 있어 중요한 과정이며, 밀도높은 강우관측망으로부터 수집된 강우 자료는 정확한 강우-유출 해석을 위한 가장 중요한 기초 자료로 활용된다. 본 연구 대상 지역인 메콩강 유역은 국가공유하천으로 강수 자료수집이 어렵고, 구축된 자료의 양적, 질적 품질이 국가별로 상이하여 수문해석 결과의 불확실성을 높일 우려가 있다. 최근 원격탐사 기술의 발달로 격자형 글로벌 강수자료의 획득이 용이해졌으며, 이를 활용한 미계측 유역 또는 대유역에서의 다양한 수문해석 연구들이 수행된 바 있다. 본 연구에서는 미계측 대유역 수문해석에 있어 격자형 강수자료의 적용성을 평가하기 위하여 3개의 위성 강수자료(TRMM, GSMaP, PERSIANN-CDR)와 2개의 지점 격자형 강수자료(APHRODITE, GPCC)를 수집하고, APHRODITE를 관측값으로 합성곱 신경망 모형인 ConvAE 알고리즘을 이용하여 위성 강수자료의 시·공간적 편의보정을 수행하였다. 또한, 메콩강 본류의 주요지점인 Luang Prabang, Pakse, Stung Treng, Kratie 4개 수위 관측소를 선정하여 SWAT 모형의 매개변수를 보정(2004~2011)하고 지점 격자형 강수자료 및 위성 강수자료의 보정전·후의 유출모의(2012~2013) 결과를 비교·분석하였다. 그 결과 원시위성 강수자료 및 GPCC는 APHPRODITE에 비해 정량적으로 과소 또는 과대추정되거나 공간적으로 매우 상이한 패턴을 나타낸 반면, GSMaP과 ConvAE를 이용하여 보정된 위성 강수자료의 경우, APHPRODITE에 대한 시·공간적 상관성이 개선된 것으로 분석되었다. 또한 유출모의의 경우, 모든 지점에 대해서 ConvAE로 보정된 위성 강수자료를 이용한 유출모의 결과가 원시 위성강수자료를 이용한 유출결과 보다 정확도가 향상된 것으로 분석되었다. 따라서 본 연구에서 제시하는 격자형 위성 강수자료 보정기법과 연계한 강우-유출 해석은 향후 다양한 위성 강수자료를 활용한 미계측 대유역 수문해석에서 활용이 가능할 것으로 판단된다.

• 한국환경농학회지
• /
• 제27권2호
• /
• pp.120-132
• /
• 2008

직접 조사가 힘든 비접근 지역인 북한 전역을 대상으로 DEM을 이용하여 표고 및 경사별 분포 현황을 분석하였고, Landsat TM 위성영상을 이용하여 논, 밭, 산림, 나지, 초지, 물, 간척지, 염전, 건물. 주거지, 기타10개의 분류 항목에 대한 토지피복도를 작성하였다. DEM을 이용한 지형분석 결과 개마고원이 위치한 량강도를 중심으로 동쪽 지역의 표고가 1,000 m 이상으로 높게 나타났고, 평안남도와 황해남도 지역이 낮게 나타났다. 산악지로 구분되는 심한 경사인 E 등급이 전체 면적 대비 38.2%로 가장 넓게 분포하는 것으로 나타났다. 편평한 A 경사는 주로 북한 서해안 지역에 넓게 분포하고 E 경사는 동북부 산악지형에서 높은 비율을 보이고 있어 북한의 전형적인 동고서저의 지형특성을 잘 반영하였다. 위성영상을 이용하여 분류한 북한의 토지피복 항목을 살펴보면 전체 면적 중 산림이 69.6%로 가장 넓게 분포하고 있고, 밭이 15.7%, 나지가 6.6%, 논이 4.2%, 하천과 저수지 등을 포함한 물이 1.6%, 초지가 1.1%, 도시와 주거지가 0.9%인 것으로 나타났다. 행정구역별 지표면 피복을 살펴보면 황해남도와 평안남도 등 서쪽에 위치한 해안가 저위평탄지에 주로 논이 넓게 분포하는 것으로 나타났다. 밭의 분포는 논과 같이 서쪽 지역에 많이 분포하는 경향이었으나 북동쪽에 위치한 함경도와 자강도 및 량강도에도 비교적 고르게 분포하는 것으로 나타났다. 경사등급별로 농경지의 분포를 살펴보면, $0{\sim}2%$인 A 경사에 약 80% 이상 논이 분포하고 있고, 반면 밭은 A, B, C, D, E 등급에 비교적 고르게 분포하고 있는 것으로 나타났다. 농업기후지대별 토지피복 현황을 살펴보면, 논과 밭은 북부 평야지대와 북부 서해안지대에 전체의 약 79%와 45%가 분포하였고 산림은 비교적 모든 농업기후지대별로 고르게 분포하였다. 위성영상을 이용한 원격탐사 기술은 접근이 힘든 지역에 대한 농업기반 및 농경지 정보를 주기적으로 파악할 수 있고, 넓은 지역에 대한 정보 수집이 가능한 장점이 있어, 3년$\sim$5년 주기로 영상분류를 통한 토지피복도를 작성하여 토지이용 및 분류에 대한 시간적 공간적인 변화를 분석한다면 농경지와 산림에 대한 이용 현황 자료를 제공할 수 있고 앞으로의 이용계획 수립에 효율적으로 사용될 수 있을 것으로 생각된다.