• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.359-373
• /
• 2019

소나무재선충병은 우리나라 소나무림에 심각한 위협이 되고 있는 질병이다. 그러나 일반적으로 재선충병의 고사목 관측은 현장조사를 기반으로 하고 있기 때문에 물리적, 경제적 문제가 있어 대규모 삼림을 관측하는데 어려움이 있다. 본 연구에서는 소나무재선충병이 재발한 지역에 무인 항공기를 이용하여 고해상도 영상을 획득하였다. 이후 Artificial Neural Network(ANN), Support Vector Machine(SVM) 감독분류 기법을 통해 소나무재선충병 의심목을 탐지하였고. 감독분류 결과에 대한 정확도를 산출하였다. 또한 접근성이 높은 산림에 대해 감독분류를 실시한 후 현장 조사 결과간의 비교를 통해 정확도의 신뢰성을 검증하였다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1379-1391
• /
• 2020

농업에서의 무인기는 촬영 영역은 작지만, 위성이 가지지 못하는 초고해상도의 영상 수집이 가능하며, 작물의 생물계절에 맞는 영상을 적시에 획득 할 수 있어 들녘단위 농경지의 모니터링에 유용하게 사용될 수 있다. 하지만 무인기의 경우 위성과 달리 다양한 카메라와 촬영 환경에 따른 다중시기 영상을 활용하기 때문에 시계열 영상 활용을 위해서는 정규화 된 영상자료를 활용하는 것이 필수적으로 요구된다. 본 연구는 무인기 다중분광 영상의 농업 모니터링 시계열 활용을 위해 촬영 환경에 따른 무인기 반사율 및 식생지수의 변동성을 분석하였다. 촬영 고도, 촬영 방향, 촬영시간, 운량과 같은 환경요인에 따른 반사율 변동성은 8%에서 11%로 매우 크게 나타났으나, 식생지수의 변동성은 1% ~ 5%로 안정적인 것을 확인 할 수 있었다. 이러한 현상은 무인기 다중분광센서의 특성과 후처리 프로그램의 정규화 등 다양한 원인이 존재하는 것으로 판단된다. 따라서 무인기 영상의 시계열 활용을 위해서는 식생지수와 같은 밴드비율함수를 활용하는 것이 권장되며 촬영 시 가능한 동일한 촬영시간, 촬영 고도, 촬영 방향을 설정하여 시계열 영상의 변동성을 최소화하는 것이 권장된다.

• 한국지리정보학회지
• /
• 제20권1호
• /
• pp.1-14
• /
• 2017

토지피복도는 지역의 현황을 파악하는 기초적 자료이지만 시간적 공간적 해상도의 한계로 인하여 생태 연구 분야에서의 활용성은 떨어지는 측면이 있다. 이에 본 연구에서는 UAV으로 취득된 고해상도 영상을 기반으로 토지피복도 제작과 자료의 활용가능성을 알아보고자 하였다. UAV를 이용하여 연구대상지 $2.5km^2$ 범위에서 10.5cm 정사영상을 취득하였으며 객체기반(Object-based)과 화소기반(pixel-based) 분류를 통해 얻어진 토지피복도를 비교 분석하였다. 정확도 검증 결과 화소기반 분류는 Kappa 0.77, 객체기반 분류는 Kappa 0.82로 분류정확도가 높았으며, 전반적인 면적비율은 유사하지만 초지, 습지 지역에서 양호한 분류 결과가 나타났다. 객체기반 분류를 위한 최적의 영상분할 가중치는 Scale150, Shape 0.5, Compactness 0.5, Color 1로 선정하였으며 가중치 선정과정에서 Scale이 가장 큰 영향을 주었다. 화소기반 분류 결과와 비교해 객체간의 명확한 경계를 가지므로 결과물 판독이 용이한 것으로 나타났으며, 환경부 토지피복도(세분류)와 비교하여 개발지역(도로, 건물 등)을 제외한 자연지역(산림, 초지, 습지 등)의 분류에 효과적이었다. UAV 영상을 활용한 토지피복 분류방법으로서 객체기반 분류기법의 적용은 자료의 최신성, 정확성, 경제성 등의 장점으로 생태 연구 분야에 기여할 수 있을 것으로 판단된다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.158-174
• /
• 2018

엽면적지수(LAI: Leaf Area Index)는 식생의 광합성, 증발산, 지표면과 대기사이의 에너지 교환 등을 설명하는 주요 인자로서, 정확하고 활용성 높은 LAI 추정 기법에 대한 연구들이 진행되었다. 본 연구에서는 UAV를 이용한 LAI 추정 방법을 모색하기 위하여 현장 실측된 LAI 자료와 UAV 영상기반의 식생지수, 수고 및 위성영상(Sentinel-2) LAI 간의 관계성을 파악하고 효과적인 UAV LAI 산정방법을 제시하고자 하였다. 그 결과 연구에 활용된 6종의 식생지수 중 Red-edge band를 포함하고 있는 NDRE ($R^2=0.496$), CIRE ($R^2=0.443$)가 LAI 추정에 효과적인 식생지수로 나타났다. 수고(Canopy Height Model) 자료를 식생지수에 적용하였을 때 LAI에 대한 설명력이 향상되었으며, NDVI의 경우에 LAI와의 선형관계에서 발생되는 포화문제(saturation problem)를 보였던 구간(0.85)이 일부 해소됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.537-549
• /
• 2023

갯벌 퇴적물 성분의 분포 특성은 연안환경 분석, 환경영향평가에서 기초자료로 활용되기 때문에 신뢰성 높은 갯벌 표층 퇴적상 분포도를 제작하는 것은 매우 중요하다. 이 연구에서는 갯벌 퇴적상 분포도를 생성하기 위해 회귀 크리깅(regression kriging)의 적용성을 평가하였다. 이를 목적으로, 갯벌 표층 퇴적상 분류 과정에서 현장조사 자료의 수, 부가자료의 종류, 회귀 크리깅에 적용되는 회귀 모형의 영향과 다른 예측 기법(단변량 크리깅, 회귀 분석)과의 비교와 같은 다양한 요인의 영향을 조사하였다. 회귀 크리깅의 적용성 평가를 위해, 우리나라 태안군 안면도에 위치한 황도 갯벌을 대상으로 무인기 자료를 이용한 사례 연구를 수행하였다. 사례연구 결과, 신뢰성 높은 갯벌 표층 퇴적상 분포도를 제작하기 위해서는 적절한 수의 현장조사 자료 확보와 함께 지형 고도와 조류로 밀도도를 부가자료로 이용하는 것이 가장 중요한 것으로 나타났다. 또한 초고해상도 무인기 자료를 이용하여 퇴적물 분포의 상세한 특성을 고려할 수 있는 회귀 크리깅이 다른 기법과 비교해서 예측 성능이 가장 우수한 것으로 나타났다. 이러한 연구 결과는 갯벌 표층 퇴적상 분포도 제작에 가이드라인으로 활용될 수 있을 것으로 기대된다.

• 한국농림기상학회지
• /
• 제24권4호
• /
• pp.295-304
• /
• 2022

본 연구는 수수의 수확량 추정을 위해 무인기로 취득한 RGB 영상과 YOLOv5를 이용하여 수수 이삭 탐지 모델을 개발하였다. 이삭이 가장 잘 식별되는 9월 2일의 영상 중 512×512로 분할된 2000장을 이용하여 모델의 학습, 검증 및 테스트하였다. YOLOv5의 모델 중 가장 파라미터가 적은 YOLOv5s에서 mAP@50=0.845로 수수 이삭을 탐지할 수 있었다. 파라미터가 증가한 YOLOv5m에서는 mAP@50=0.844로 수수 이삭을 탐지할 수 있었다. 두 모델의 성능이 유사하나 YOLOv5s (4시간 35분)가 YOLOv5m (5시간 15분)보다 훈련시간이 더 빨라 YOLOv5s가 수수 이삭 탐지에 효율적이라고 판단된다. 개발된 모델을 이용하여 수수의 수확량 예측을 위한 단위면적당 이삭 수를 추정하는 알고리즘의 기초자료로 유용하게 활용될 것으로 판단된다. 추가적으로 아직 개발의 초기 단계를 감안하면 확보된 데이터를 이용하여 성능 개선 및 다른 CNN 모델과 비교 검토할 필요가 있다고 사료된다.

• 한국토양비료학회지
• /
• 제50권5호
• /
• pp.422-433
• /
• 2017

Unmanned Aerial Vehicle (UAV) has several advantages over conventional remote sensing techniques. They can acquire high-resolution images quickly and repeatedly. And with a comparatively lower flight altitude, they can obtain good quality images even in cloudy weather. In this paper, we developed for estimating garlic growth at field scale model in major cultivation regions. We used the $NDVI_{UAV}$ that reflects the crop conditions, and seven meteorological elements for 3 major cultivation regions from 2015 to 2017. For this study, UAV imagery was taken at Taean, Changnyeong, and Hapcheon regions nine times from early February to late June during the garlic growing season. Four plant growth parameters, plant height (P.H.), leaf number (L.N.), plant diameter (P.D.), and fresh weight (F.W.) were measured for twenty plants per plot for each field campaign. The multiple linear regression models were suggested by using backward elimination and stepwise selection in the extraction of independent variables. As a result, model of cold type explain 82.1%, 65.9%, 64.5%, and 61.7% of the P.H., F.W., L.N., P.D. with a root mean square error (RMSE) of 7.98 cm, 5.91 g, 1.05, and 3.43 cm. Especially, model of warm type explain 92.9%, 88.6%, 62.8%, 54.6% of the P.H., P.D., L.N., F.W. with a root mean square error (RMSE) of 16.41 cm, 9.08 cm, 1.12, 19.51 g. The spatial distribution map of garlic growth was in strong agreement with the field measurements in terms of field variation and relative numerical values when $NDVI_{UAV}$ was applied to multiple linear regression models. These results will also be useful for determining the UAV multi-spectral imagery necessary to estimate growth parameters of garlic.

• 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
• /
• 제38권6_2호
• /
• pp.1607-1622
• /
• 2022

본 연구의 목적은 도시폭염 저감을 위한 기법인 쿨루프를 연구지역에 적용하여 토지피복 객체 간 지표 온도와 흡수일사 간 공간적 상관관계 분석으로 실질적 효과 파악을 목적으로 한다. 이를 위해 실제 쿨루프가 적용된 경상남도 김해시 장유무계동 인근을 연구지역으로 선정하였으며, 드론 DJI Matrice 300 RTK에 열적외 영역센서 FLIR Vue Pro R, 가시광선 영역센서 H20T와 다중분광영역 센서인 Micasense Red-Edge를 활용하여 계측하였다. 계측 일정은 2021년 7월 27일 아침 7시 15분부터 약 1시간 30분 간격으로 총 9장의 열지도와 동일 시간대의 흡수일사 분포도, 쿨루프(113개) 및 일반옥상(367개) 지붕 객체를 추출하였다. 흡수일사 분포도는 ArcGIS의 3D 분석 기능인 Solar Radiation Analysis Tool을 통해 산출한 전천일사 분포도에 Micasense Red Edge를 통해 촬영한 Blue, Green Red, Near Infrared, Red Edge Range 영역대 센서의 조합을 통해 구축한 연구 지역의 알베도 값을 반영하여 구축한다. 전술된 자료를 기반으로 일반옥상과 쿨루프 지붕 객체별 지표온도와 흡수일사 간 Pearson 상관계수를 산출하였다. 분석 결과 일 평균 기준 일반옥상 0.550, 쿨루프 0.387의 상관계수 값을 나타내고 있었다. 하지만, 시간대별 상관성의 변화를 파악한 결과 분석일 기준 태양고도가 높은 시기인 11시 30분과 13시의 경우 일반옥상과 쿨루프 간 상관계수의 차이는 0.022, 0.024 값을 보여 유사한 상관성을 보이고 있다. 그 외 시간대는 일반옥상의 상관계수 값이 쿨루프 보다 약 0.1 이상 높은 값을 보이고 있다. 본 연구는 드론을 통해 취득한 고해상도 영상을 활용하여 쿨루프의 실질적 일사차단 영향의 가능성을 대조군이 되는 일반 옥상과의 상관성 비교를 통해 파악한 사례 연구이다. 향후 본 연구 결과를 기반으로 효율적인 도시열섬 저감기법 적용이 가능할 것으로 사료된다.

• 한국측량학회지
• /
• 제28권1호
• /
• pp.29-38
• /
• 2010

2000년 초반 도입된 항공라이다는 높은 정밀도를 가지고 있으며, 기존의 항공측량과 다른 형태의 포인트 데이터로 자료를 획득하기 때문에 이를 검증하기 위한 새로운 방법이 필요하다. 2009년에 제정된 항공레이 저측량 작업규정에 의하면 크게 결측률과 점밀도, 정밀도 이 3가지 항목으로 검증을 실시하고 있는데, 이 중 결측률은 수계지역과 같은 미반사 지역을 제외한 일정한 격자대의 포인트 유무에 대한 비율을 수치화하는 것이다. 결측률 산출에 있어서 미반사 지역은 반드시 제거해야 하는데, 일반 라이다 자료의 경우 수계지역에 대한 난반사로 인해 포인트가 매우 적어서 추가적인 공간정보자료를 통해 수계지역을 구분해야 한다. 따라서 본 연구에서는 0.3m급의 고해상도 CIR 영상에서 영역확장 기법으로 수계지역을 구분하여 결측률을 산출하였으며, 결측률의 정확도를 비교해보기 위해 수치지도를 이용한 방법과 비교 분석하였다. 그 결과 결측률 값이 미반사 지역을 제외하기 전보다 매우 낮아진 것을 확인 할 수 있었으며, 영상확장 기법과 수치지도를 이용한 값은 유사하다는 것을 알 수 있었다.