• 한국지반공학회논문집
• /
• 제38권7호
• /
• pp.5-24
• /
• 2022

현행 비탈면 앵커공법의 보강성능평가는 앵커 두부와 지반밀착도, 앵커 두부의 균열 및 파손에 대해서 정성적으로 성능을 평가하고 있다. 이로 인해 성능저하 상태 점검을 위한 정량적 데이터베이스화와 이를 이용한 시간이력 관리는 어려운 실정이다. 이에 본 연구에서는 비탈면에 설치된 앵커공법의 정량적 유지관리에 활용하기 위하여 UAS 영상과 지상 LiDAR의 사각지대를 보완하기 위한 SfM기반의 조합 3차원 수치모형을 구현하여 손상인자의 수치데이터를 검출하였다. 비탈면과 같은 수직구조물에서 상대적으로 높은 z 좌표 오차를 갖는 UAS 3차원 수치모형에서 사각지대 데이터 공백을 상호 보완하기 위하여 지상 LiDAR 스캔 데이터를 조합하였고 z 좌표 정확도의 향상을 확인하였다. 비탈면에 설치된 10공의 앵커에 임의로 손상을 발생시킨 후에 3차원 수치모형을 구축하였고 정사투영을 통해 균열, 파손, 회전변위와 지반 밀착도에 대한 수치 값을 검출하였다. 8K 해상도로 균열 실측값과 비교시 ±0.05mm의 오차범위에서 0.3mm 미만의 균열 검출이 가능하였다. 앵커 두부의 최대 파손 면적은 설계대비 3% 이내로 발생된 것을 확인하였고, 파손부의 체적 또한 검출하였다. 특히 z 좌표 데이터가 중요한 지반밀착도의 경우 UAS 3차원 수치모형에서는 사각지대로 인한 데이터 공백으로 측정이 불가능하였지만 지상 LiDAR를 조합할 경우 앵커 저면과 지반의 불규칙한 표면에서 표고차 확인이 가능하여 임의의 20개 지점의 평균 표고차를 지반밀착도로 도출하였다. 또한, 앵커 두부의 1° 미만의 회전각과 이동 변위 값도 검출하였다. 이에 본 연구에서 구축한 3차원 수치모형에서 앵커 손상인자의 정량적 데이터 추출이 가능하였고, 이를 데이터베이스화 한다면 정량적 평가지표의 기초자료로써 활용이 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.715-727
• /
• 2023

산악지역의 기상정보를 상세하고 적절히 제공하기 위해 산림청에서는 2012년부터 전국 주요 산악지역을 대상으로 산악기상관측망(Automatic Mountain Meteorology Observation Station, AMOS)을 구축하여, 2022년 현재 464개의 관측소가 운영되고 있다. 본 연구에서는 AMOS 지점 관측을 이용하여 우리나라 산림에 적합한 기온 격자자료를 산출하기 위해서, 기온감률 보정을 적용한 최적의 크리깅(kriging) 기법을 제안하고 그 가용성을 평가하였다. 우선 통계적 처리를 통해 AMOS 기온자료의 이상치를 제거하였고, 이 자료를 이용하여 경험 베리오그램(variogram)에 가장 근사하는 이론 베리오그램을 도출하여 최적화 크리깅을 수행하였다. 이 때 기온감률 보정(lapse rate correction)을 적용하여 산악지형의 고도 변이가 반영되는 500 m 해상도의 기온격자지도를 생성하였다. 공간적으로 치우치지 않은 검증샘플을 이용한 암맹평가를 통해 본 기법의 가용성을 평가한 결과, 0.899-0.953의 상관계수 및 0.933-1.230℃의 오차를 나타내 기온감률 보정을 적용하지 않은 정규크리깅에 비해 정확도가 다소 향상되었다. 또한 기온감률 크리깅은 우리나라 산림의 복잡지형을 잘 표현하여, 강원도 산간지역과 해안산림지역의 국지적인 변이 및 지리산·내장산과 그 주변 산림의 지형적 차이와 같은 미세한 지역특성을 살릴 수 있다는 것이 가장 큰 장점이라고 할 수 있다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1341-1352
• /
• 2023

위성영상 기반의 정규식생지수(normalized difference vegetation index, NDVI)는 넓은 영역에서 주기적인 정보를 수집할 수 있어 산림 및 농업 모니터링에 주로 사용된다. 그러나 광학센서 기반 식생지수는 구름 등의 영향으로 일부 지역에서 결측을 가지기 때문에, 본 연구는 전천후 및 주야에 관계없이 관측 가능한 Sentinel-1의 합성 개구 레이더(synthetic aperture radar, SAR) 영상을 활용하여 Sentinel-2 NDVI 결측값을 복원하는 모델을 개발하였다. 이는 광학적으로 관측이 어려운 구름 조건이나 야간에도 NDVI를 추정할 수 있는 잠재력을 보여준다. Automated machine learning (AutoML)을 활용한 비선형 결측복원모델의 5폴드(fold) 교차검증 결과, 절대오차 7.214E-05, 상관계수 0.878의 NDVI 복원 성능을 보였다. 이를 통해 시공간 연속적인 NDVI 생산 방법론을 발전시켜, 전천후 식생 모니터링에 필요한 정보 생산에 기여할 수 있을 것으로 기대된다.