• 한국지구과학회지
• /
• 제39권3호
• /
• pp.241-249
• /
• 2018

국제 해상교통량 및 물동량이 증가함에 따라 한반도 주변해역의 선박유동량도 늘어나고 있으며 이에 따라 크고 작은 항구가 위치하고 있는 남해에서의 해양 사고도 꾸준히 발생하고 있다. 특히 선박간의 충돌 및 침몰 사고는 인적 및 물적 피해뿐만 아니라 해양환경오염을 유발하기 때문에 광역의 범위를 고해상도로 볼 수 있는 인공위성을 통한 신속한 선박탐지가 필요하다. 본 연구에서는 광학 인공위성 아리랑 2호 관측자료를 활용하여 광양만 인근해역의 각 채널별 반사도 값을 비교 분석하여 새로운 선박탐지지수를 제시하였다. 선박 분류를 위해 그 선박탐지지수의 역치를 0.1로 설정하였고, RGB 합성영상과 비교하였을 때 대다수의 선박을 탐지하였음을 보여주었다. 연구해역에 포함되어 있는 큰 규모의 선박을 선정 후, 선박 주변의 공간적 반사도 분포를 분석하였다. 그 결과 선박 북서방향에 위치한 균일한 형태의 선박그림자를 확인할 수 있었다. 이는 태양의 위치가 남동방향에 위치하고 있음을 나타내고 있으며, 실제 위성영상이 촬영된 시기의 방위각은 $144.80^{\circ}$로 영상내의 그림자의 위치를 통해 태양의 방위각을 유추할 수 있다. 그림자의 반사도는 주변 바다 및 선박에 비해 낮은 0.005 값을 나타냈고, 선수 및 선미에 따라 높이차가 달라짐을 보였다. 이는 선박의 갑판 및 구조물의 높이를 반영한 것으로 판단된다. 본 연구 결과는 연안 해상사고 발생 시 실종선박 수색기술에 고해상도 광학 인공위성 영상이 활용될 수 있음에 의의가 있다.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1295-1305
• /
• 2021

연안 및 대양의 효과적인 모니터링을 위해 여러 연구 분야에서 고품질의 위성 기반 해색 산출물들이 요구 있으며 이를 위해서는 정확한 대기 효과의 보정이 필수적이다. 현재 Geostationary Ocean ColorImage (GOCI)-II 지상시스템에서는 수증기 및 오존 등에 의한 가스 흡광 보정을 수행하기 위해 European Centre for Medium-Range Weather Forecasts (ECMWF) 또는 National Centers for Environmental Prediction (NCEP) 기상장 자료를 사용하고 있다. 이 과정에서 기상장 자료의 낮은 시공간해상도로 인해 오차가 발생할 수 있다. 따라서 본 연구에서는 복사 전달 모델 모의를 통해 개발된 GOCI-II의 수증기 흡광 보정 모델 및 GeoKompsat (GK)-2A/Advanced Meteorological Imager (AMI)의 가강수량 자료를 이용하여 수증기 흡광 효과를 보정하고 이에 따른 영향력을 분석하였다. 개발된 수증기 흡광 보정 모델 적용 유무에 따른 오차는 수증기의 영향이 적은 620 nm와 680 nm의 대기 상한 반사도에서 최대 1.3%와 0.27%로 적은 오차를 보였다. 그러나 수증기 흡광의 경향이 큰 709 nm 채널의 경우 태양 천정각 및 가강수량에 따라 6~15%의 큰 오차를 나타냈다. 레일리 보정 반사도에서는 대기 상한 반사도에서 발생한 오차가 크게 증폭되어 태양 천정각에 따라 GOCI-II의 각 밴드(620~865 nm) 별로 1.46~4.98, 7.53~19.53, 0.25~0.64, 14.74~40.5, 8.2~18.56, 5.7~11.9%의 큰 오차를 보이고 있다. 이는 수증기 흡광 보정이 해색 산출물의 정확도와 안정성에 큰 영향을 미칠 수 있다는 것을 의미하며, 향후 시공간 해상도가 높은 GK-2A/AMI와의 융합을 통해 GOCI-II 해색 산출물의 정확도 향상이 가능함을 시사한다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1463-1478
• /
• 2022

한국 수출입의 99.7%는 해상운송이 차지하고 있으며, 항만의 효율적 운영을 위해 해운 물류 모니터링 시스템 개발 필요성이 대두되고 있다. 현재 automatic identification system (AIS)를 기반으로 선박의 정보를 조회하여 해상 물동량 추정 연구가 진행되고 있지만, AIS를 운영하지 않는 선박들에 대한 모니터링은 불가능하다는 한계가 있다. 고해상도 광학 위성 영상은 광역의 범위에서 AIS 미운영 선박 및 소형 선박을 식별할 수 있기 때문에 AIS 기반 물동량 모니터링의 공백을 보완할 수 있다. 그러므로 선박 및 물동량 모니터링에 활용하기 위해, 고해상도 광학 위성영상에서 선박을 탐지하고 화물선 및 소형 선박을 분류하는 연구가 필요하다. 본 연구는 초기 국토위성영상을 이용하여 생산된 학습 자료 기반으로 인공지능 모델을 훈련시키고 다른 영상에서 탐지를 수행함으로써, 국토위성영상의 딥러닝 학습 자료 생산 및 선박 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 황해 및 황해 주요 항만 구역 내 선박들을 추출하여 제작했으며, You Only Look Once (YOLO) 알고리즘을 사용하여 탐지 모델은 구축하고 국내외 주요 항만 각 1개소를 대상으로 선박 탐지 성능을 평가하였다. 항만 접안 및 해상 정박중인 선박을 대상으로 탐지 모델에 적용한 결과를 AIS의 선종 정보와 비교하였고, 국내 항만에서 85.5%와 89%, 국외 항만에서 70%의 선종 분류 정확도를 확인하였다. 본 연구 결과는 정박중인 선박을 중심으로 고해상도 국토위성영상을 활용하여 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 구축을 통해 탐지 모델의 정확도를 향상시킨다면 전세계 주요 항만에서 선박 및 물동량 모니터링 분야에 활용할 수 있을 것으로 기대된다.