• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1767-1772
• /
• 2021

장기간에 걸친 전 지구적인 위성관측 지표면 알베도 자료는 전 지구 기후 및 환경의 변화 감시에 활발히 이용되고 있으며 그 활용도와 중요성이 크다. 우리나라의 경우 정지궤도위성 천리안위성 1호(Communication, Ocean and Meteorological Satellite, COMS) MI(Meteorological Imager) 센서와 천리안위성 2A호(GEO-KOMPSAT-2A, GK-2A) AMI (Advanced Meteorological Imager) 센서의 세대교체를 통해 지속적인 지표면 알베도 산출물의 확보가 가능하다. 그러나 COMS/MI 및 GK-2A/AMI의 지표면 알베도 산출물은 센서 및 알고리즘의 차이로 인해 산출물 간의 차이가 존재한다. 따라서 COMS/MI와 GK-2A/AMI 지표면 알베도 산출 기간을 확장하고 지속적인 기후변화 감시 연계성 확보를 위해 두 위성 산출물 간의 오차 분석이 선행되어야 한다. 본 연구에서는 COMS/MI 및 GK-2A/AMI 지표면 알베도 자료의 중복기간을 대상으로 지상관측자료 AERONET (Aerosol Robotic Network)와 타 위성자료 GLASS (Global Land Surface Satellite)와 함께 비교 분석하였다. 오차 분석 결과 AERONET과의 검증에서 COMS/MI의 평균 제곱근 오차(Root Mean Square Error, RMSE)가 0.043로 GK-2A/AMI의 RMSE인 0.015보다 높게 나타났다. 또한 GLASS와 비교하였을 때 COMS/MI의 RMSE는 0.029로 GK-2A/AMI의 0.038보다 낮게 나타났다. 이러한 오차특성을 이해하고 COMS/MI 및 GK-2A/AMI의 지표면 알베도 자료를 사용할 때 장기간 기후변화 감시에 적극적으로 활용할 수 있을 것이다.

• 한국지구과학회지
• /
• 제42권3호
• /
• pp.264-277
• /
• 2021

본 연구의 목적은 최근 발생한 태풍들의 이동속도와 관련하여 대기 중 총가강수량의 변화를 분석하는 것이다. 이 연구를 위해 미국기상위성연구소 및 기상청 천리안위성 2A호(GEO-KOMPSAT-2A)의 총가강수량 및 주야간 RGB 합성영상 자료뿐만 아니라 기상청의 기온, 강수량 및 풍속 등의 지상 관측 자료가 사용되었다. 기상청에서 제공하는 태풍 위치 및 이동속도를 활용하여, 2020년 태풍 바비, 마이삭, 하이선과 2019년 태풍 타파, 그리고 2018년 태풍 콩레이의 이동속도를 위도별 태풍 평균속도 통계자료와 비교하였다. 그 결과, 타파와 콩레이는 태풍의 위도별 평균속도와 유사하게 나타났으나 바비와 마이삭은 위도 약 25°N-30°N 구간에서 이동속도가 크게 감소하여 나타났다. 이는 대기 중의 수증기 띠가 전선의 형태로 바비와 마이삭 두 태풍의 전방에 위치하여 이들 태풍의 이동에 방해를 주었기 때문이었다. 즉 이동하는 태풍의 전방에 하층제트로 인해 발생한 수증기 띠가 전선을 형성할 경우, 이 전선과 태풍 사이에 위치하는 고기압 역은 더욱 발달하면서 열대야와 함께 블로킹 효과로 작용하여 태풍의 이동속도가 느리게 나타났다. 결과적으로 대기 중의 수증기가 많았던 바비와 마이삭의 경우, 1차로 하층제트를 따라 수증기 띠가 전선을 형성함으로 인한 집중호우가, 2차로 전선과 태풍 사이에 고기압 역의 하강기류로 인한 열대야 현상이, 그리고 3차로 태풍 자체의 육지 상륙에 의한 강풍과 폭우가 연달아 발생하였다.

• 한국측량학회지
• /
• 제37권3호
• /
• pp.199-208
• /
• 2019

운용 가능한 위성의 수가 증가하고 기술이 진보함에 따라 영상정보의 성과물이 다양해지고 많은 양의 자료가 축적되고 있다. 본 연구에서는 기구축된 영상정보를 활용하여 부족한 훈련자료의 문제를 극복하고 딥러닝(deep learning) 기법의 장점을 활용하고자 전이학습과 변화탐지 네트워크를 활용한 고해상도 위성영상의 변화탐지를 수행하였다. 본 연구에서 활용한 딥러닝 네트워크는 공간 및 분광 정보를 추출하는 합성곱 레이어(convolutional layer)와 시계열 정보를 분석하는 합성곱 장단기 메모리 레이어(convolutional long short term memory layer)로 구성되었으며, 고해상도 다중분광 영상에 최적화된 정보를 추출하기 위하여 커널(kernel)의 차원에 따른 정확도를 비교하였다. 또한, 학습된 커널 정보를 활용하기 위하여 변화탐지 네트워크의 초기 합성곱 레이어를 고해상도 항공영상인 ISPRS (International Society for Photogrammetry and Remote Sensing) 데이터셋에서 추출된 40,000개의 패치로 학습된 값으로 초기화하였다. 다시기 KOMPSAT-3A (KOrean Multi-Purpose SATllite-3A) 영상에 대한 실험 결과, 전이학습과 딥러닝 네트워크를 활용할 경우 기복 변위 및 그림자 등으로 인한 변화에 덜 민감하게 반응하며 분류 항목이 달라진 지역의 변화를 보다 효과적으로 추출할 수 있었으며, 2차원 커널보다 3차원 커널을 사용할 때 변화탐지의 정확도가 높았다. 3차원 커널은 공간 및 분광정보를 모두 고려하여 특징 맵(feature map)을 추출하기 때문에 고해상도 영상의 분류뿐만 아니라 변화탐지에도 효과적인 것을 확인하였다. 본 연구에서는 고해상도 위성영상의 변화탐지를 위한 전이학습과 딥러닝 기법의 활용 가능성을 제시하였으며, 추후 훈련된 변화탐지 네트워크를 새롭게 취득된 영상에 적용하는 연구를 수행하여 제안기법의 활용범위를 확장할 예정이다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1173-1183
• /
• 2023

한국의 전체 수출입 물동량은 지난 20여년 동안 연평균 약 5.3%씩 증가하였고, 약 99%가량의 화물이 여전히 해상을 통해 운송되고 있는 것으로 나타났다. 최근 해상 물동량 증가, 코로나 및 전쟁 등의 이유로 해상 물류가 혼잡해지고 예측이 어려워지고 있어 지속적인 항만의 모니터링이 중요하다. 다양한 지상 관측 시스템과 automatic identification system (AIS) 정보를 이용하여 항만을 모니터링하고 항만 내 컨테이너 터미널의 효율적 운영과 물동량 예측을 위한 많은 선행 연구가 진행되었다. 하지만, 소형 무역항이나 개발도상국의 무역항의 경우 대형 항만에 비해 환경 문제와 노후화된 인프라 등의 이유로 항만을 모니터링하기에 어려움이 있다. 최근 인공위성의 활용성이 높아짐에 따라 광범위하고 접근하기 어려운 지역에 대해 위성 영상을 이용하여 지속적인 해상 물동량 데이터 수집 및 해양 감시체계 구축을 위한 선행 연구가 진행되고 있다. 본 연구는 고해상도 위성영상을 이용하여 부산 신항을 대상으로 항만 내 컨테이너 터미널에 존재하는 선석에 정박한 선박을 육안으로 탐지하고 선석 활용률을 정량적으로 평가하고자 한다. 국토위성, 아리랑위성 3호, PlanetScope, Sentinel-2A를 이용해 항만 내 선석에 정박하고 있는 선박을 육안으로 탐지하였고 선석에 정박 가능한 전체 선박의 수를 이용하여 선석 활용률을 산출하였다. 산출 결과 2022년 6월 2일의 경우 0.67, 0.7, 0.59로 변화하는 것을 보였으며, 영상 촬영 시각에 따라 선박의 수가 변화한 것으로 확인되었다. 2022년 6월 3일의 경우 0.7로 동일한 것으로 나타났고 이는 선박의 종류는 변화하였으나 촬영 시각에 선박의 수는 동일한 것으로 확인이 되었다. 선석 활용률은 값이 클수록 해당 선석에서의 작업이 활발하게 이루어지고 있는 것을 의미하고 있으며, 이는 선석이 혼잡하여 정박지에서 대기하고 있는 다른 선박의 대기시간이 길어지고 운임료가 증가할 수 있기 때문에 선석 활용률을 이용하여 기초적인 새로운 선박 운항 계획 수립에 도움이 될 것으로 판단된다. 선석에서의 작업시간은 수시간에서 수일이 소요되는데 영상의 촬영 시간 차이에 따른 선석에서의 선박의 변화율을 산출한 결과 4분 49초의 시간차이에도 선박의 변화가 있는 것을 확인할 수 있었다. 이는 관측 주기가 짧고 고해상도 위성영상을 모두 이용한다면 항만내 지속적인 모니터링이 가능할 것으로 사료된다. 그리고 항만 내 선박의 변화를 최소 시간 단위로 확인할 수 있는 위성 영상을 활용하면 항만 관리가 이루어지지 않는 소형 무역항이나 개발도상국의 무역항 등에서도 유용하게 사용할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1097-1109
• /
• 2023

도심지는 개별 건물단위의 소규모 변화가 빈번하게 발생하는 지역이다. 기 구축된 건물 데이터베이스는 그 활용도를 높이기 위해 도심지 내의 주기적인 갱신이 요구된다. 그러나 광범위한 도심지에 대한 건물 단위 변화를 관측하기에는 자료수집의 한계가 존재한다. 따라서 본 연구에서는 넓은 범위를 단일 영상으로 촬영 가능한 위성영상을 활용하여 건물변화 탐지와 건물 정보의 갱신 가능성을 확인하고자 한다. 이를 위해 먼저 건물 데이터베이스에서 제공하는 건물 모서리점의 3차원 좌표를 이용하여 위성영상에 건물 영역을 투영한다. 투영된 건물 영역을 다시 지붕 및 전면 영역으로 구분한다. 투영된 지붕영역의 화소값을 비교하여 건물높이 갱신, 건물멸실 등 건물변화 여부를 탐지한다. 건물높이 갱신은 영상에 투영된 지붕면이 실제 영상에서 관측되는 지붕면과 일치할 때까지 높이값을 조절하여 수행된다. 영상에 투영된 모습은 나타나나 관측되는 건물이 없는 경우 철거된 건물에 해당한다. 영상에서 관측되는 건물 중에서 지붕면과 전면영역이 투영되지 않은 건물은 신축 건물에 해당된다. 이러한 변화탐지 결과를 바탕으로 건물 데이터베이스를 높이갱신, 건물삭제 및 건물생성의 세가지 분류로 갱신한다. 제안된 방식은 인천지역을 촬영한 아리랑 3A호와 인천광역시 건물 데이터베이스를 사용하여 실험하였다. 입력 단일 위성영상을 이용하여 건물변화를 탐지하고, 갱신이 필요한 건물에 대해 건물 데이터베이스 편집 작업을 수행하였다. 갱신된 건물 정보를 검증하고자 이를 이용하여 다른 아리랑 3A호 영상에 건물영역을 투영하였다. 실험결과, 갱신된 건물정보로부터 투영된 건물영역은 영상에서 관측된 건물영역과 잘 일치하였다. 이를 통해서 단일 위성영상을 이용한 건물변화탐지 및 건물 데이터베이스 갱신 가능성을 확인하였다. 후속 연구로 제안방식의 자동처리기술 개발을 수행할 예정이다.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.351-361
• /
• 2024

위성영상은 구름, 구름 그림자, 지형 그림자 등을 포함한 다양한 요소를 포함하고 있으며, 이러한 요소들을 정확히 식별하고 제거하는 것은 원격 탐사 분야에서 위성영상의 신뢰성을 유지하기 위해 필수적이다. 이를 위해 Landsat-8, Sentinel-2, Compact Advanced Satellite 500-1 (CAS500-1)과 같은 위성들은 분석준비자료(Analysis Ready Data)의 일환으로 영상과 함께 사용가능한 데이터 마스크(Usable Data Mask, UDM)를 제공하고 있으며, UDM 데이터의 정확한 구축을 위해 구름 및 구름 그림자 탐지가 필수적이다. 기존의 구름 및 구름 그림자 탐지 기법은 임계값 기반 기법과 인공지능 기반 기법으로 나뉘며, 최근에는 많은 양의 데이터를 처리하는 데 유리한 딥러닝 네트워크를 활용한 인공지능 기법이 많이 사용되고 있다. 본 연구에서는 오픈소스 데이터 셋을 통해 훈련된 딥러닝 네트워크 기반 구름 및 구름 그림자 탐지를 통해 고해상도 위성영상의 UDM 구축 가능성을 분석하고자 하였다. 딥러닝 네트워크의 성능을 검증하기 위해 Landsat-8, Sentinel-2, CAS500-1 위성영상과 함께 제공된 기구축된 UDM 데이터와 딥러닝 네트워크가 생성한 탐지 결과 간의 유사성을 분석하였다. 그 결과, 딥러닝 네트워크가 생성한 탐지 결과는 높은 정확도를 나타냈다. 또한 UDM을 제공하지 않는 고해상도 위성영상인 KOMPSAT-3/3A 영상에 적용하였다. 실험 결과, 딥러닝 네트워크를 통하여 고해상도 위성영상 내에 존재하는 구름 및 구름 그림자를 효과적으로 탐지한 것을 확인하였다. 이를 통해 고해상도 위성영상에서도 딥러닝 네트워크를 사용하여 UDM 데이터를 구축할 수 있는 가능성을 확인하였다.

• 대한원격탐사학회지
• /
• 제29권1호
• /
• pp.35-43
• /
• 2013

본 연구에서는 COSMO-SkyMed 영상을 이용하여 얻어진 후방산란계수의 밀 생육시기에 따른 변화를 분석하고 생육인자와의 관계를 통하여 밀 생육추정 가능성을 모색하고자 하였다. 2012년도 농촌진흥청 국립식량과학원 시험포장에서 생육시기별로 COSMO-SkyMed 영상자료를 수집하여 후방산란계수를 산출하였고 해당시기에 생체중, 식생수분함량, 건물중, 토양수분등을 조사 및 분석하였다. 생육시기에 따라 HH-편파 후방산란계수가 증가하다가 DOY 129(5월 8일) 때 최대값을 보인 후 감소하였는데 생체중, 식생 수분함량, 건물중 등도 동일한 변화 경향을 보였다. 후방산란계수와 밀 생육인자들과의 관계를 분석한 결과 생체중(r=0.88), 식생수분함량(r=0.87)과 각각 상관계수가 높게 나타났고, 건물중(r=0.80)과도 상관성을 보였지만 토양수분(r=0.18)과는 상관성이 나타나지 않았다. 후방산란계수를 이용하여 밀 생육을 추정을 위한 회귀식을 작성하였는데 생체중($R^2$=0.80), 식생수분함량($R^2$=0.80)에서 각각 결정계수가 높게 나타났다. 본 연구를 통해 COSMO-SkyMed 영상 이용 밀 생육을 추정할 수 있었고 향후 아리랑 5호 위성(KOMPSAT-5)에 활용 가능함을 확인하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.178-186
• /
• 2006

기상 수치예보는 (Numerical Weather Pridiction, NWP)는 바람, 기온, 등과 같은 기상요소의 시간 변화를 나타내는 물리방정식을 컴퓨터로 풀어 미래의 대기 상태를 예상하는 과학적인 방법으로 지구를 상세한 격자 2진부호(GRIdded Binary, 이하 GRIB)로 나누어 그 격자점에서의 값으로 대기 상태를 나타낸다. 지구 각지에서의 각종 관측자료를 기초로 격자점상의 현재값을 구한다. 대용량의 격자데이터는 이진형태이어서 컴퓨터, 서버 저장장치에서 동일형태 데이터로 존재한다. 우리나라 최초의 저궤도 관측 위성인 다목적 실용위성 KOMPSAT-1호(이하, 아리랑 위성1호)는 전자광학카메라(Electro Optical Camera, EOC)를 탑재하여 1999년 12월 21일에 발사된 이후 2006년 1월 현재까지 6여년간 성공적으로 임무를 수행, 7049여회의 영상을 획득하여 국가적으로 귀중한 자료로 활용하고 있다. 아리랑 위성1호는 일일 2-3회 EOC영상을 획득하고 있으며, 임무계획(Mission Planning)은 MP(Mission Planner)가 사용자로부터 자료를 수집하여 임무분석 및 계획 서브시스템(MAPS)에 의해 계산되어진 위성의 제도예측 데이터에 촬영하고자하는 목표지점 좌표를 입력하여 자동명령생성기(KSCG)에 의해 계산된 촬영 경사각도(Tilt)값을 위성에 전송하여 목표지역의 영상을 획득하게 된다. 위성영상 획득에 있어 고가의 위성을 운영하면서 기상의 상태를 정확히 예측하여 실패없이 유효한 영상을 획득하는 것이 무엇보다 중요하다. 본 논문에서는 효율적인 위성임무계획을 위한 기상수치예보 자료를 분석하여 앞으로 발사하게 될 고해상 카메라 탑제위성인 아리랑 위성2호와 3호에 적용하고자 한다. the sufficient excess reactivity to override this poisoning must be inserted, or its concentration is decreased sufficiently when its temporary shutdown is required. As ratter of fact, these have an important influence not only on reactor safety but also on economic aspect in operation. Considering these points in this study, the shutdown process was cptimized using the Pontryagin's maximum principle so that the shutdown mirth[d was improved as to restart the reactor to its fulpower at any time, but the xenon concentration did not excess the constrained allowable value during and after shutdown, at the same time all the control actions were completed within minimum time from beginning of the shutdown.및 12.36%, $101{\sim}200$일의 경우 12.78% 및 12.44%, 201일 이상의 경우 13.17% 및 11.30%로 201일 이상의 유기의 경우에만 대조구와 삭제 구간에 유의적인(p<0.05) 차이를 나타내었다.는 담수(淡水)에서 10%o의 해수(海水)

• 대한전자공학회논문지SP
• /
• 제48권5호
• /
• pp.84-95
• /
• 2011

본 논문에서는 위성영상을 압축하는 과정에서 발생하는 압축잡음을 내용 분석을 통해 적응적으로 제거하는 디블록킹 알고리즘을 제안 한다. 특히, 제공된 KOMPSAT(korean multi-purpose satellite)-2는 열 단위로 동일한 양자화 계수를 적용하며 고주파 성분이 많은 부분을 압축하여 효율 및 시간을 향상 시켰으나 압축률이 높은 동일 열 내에 복잡도가 낮은 부분에서 압축 잡음이 나타나는 문제점이 있다. 이러한 압축잡음을 제거하기 위해 일반적인 디블록킹 필터를 적용 시 복잡한 영역을 평활화시키는 문제점이 있다. 따라서 제안한 방법에서는 영상 분석 후 적응적 디블록킹 필터를 통해 에지를 보존하면서 격자잡음을 제거 한다. 이와 동시에 WLFPCA(weighted lowpass filter using principle component analysis)를 이용하여 큰 곡선형 경계부분의 계단잡음을 제거 하였다. 제안한 방법은 성능을 평가하기 위한 모의실험 결과로부터 기존의 방법에 비하여 객관적 화질 지표인 PSNR(peak signal to noise ratio)과 주관적 화질 지표인 MSSIM(mean structural similarity)에서 비슷하거나 향상된 결과를 보였으며 특히, 기존의 압축잡음 제거 알고리즘은 반복적 프로세싱을 통해 계단잡음을 제거하나 제안한 방법은 싱글패스(single-path) 방식으로 시간을 크게 단축시켜 실시간에 가까운 처리가 가능하도록 하였으며, 계산양을 줄여 하드웨어의 적용이 용이하게 하였다.