이 연구에서는 고해상도 위성영상을 이용하여 지표면 온도를 산출하는 기존의 여러가지 방법 이외에 보다 새로운 접근으로, 인공지능 기반의 심층신경망 기법을 148장의 Landsat 8 영상에 적용하여 우리나라 지표면온도를 산출하고 그 적합성을 평가하였다. Landsat 8 열적외 10번 밴드(약 11 ㎛ 파장대)의 밝기온도와 방출률은 물리방정식에 경험상수가 결합하여 도출된 값이기 때문에, 지역적 기상, 기후, 지형, 식생 등의 조건에 따른 불확실성을 내포하고 있다. 이를 보완하기 위하여 본 연구에서는 밝기온도와 방출률로부터 지표면온도 초기추정치 T0를 산출하고 이와 함께, NDVI, 토지피복, 지형요소(고도, 경사, 향, 거칠기) 등을 입력변수로 하는 계절별 심층신경망 모델을 최적화하여 지표면온도를 산출하였다. 이는 ASOS(Automated Synoptic Observing System)와의 선형관계식으로 편의보정을 수행하는 기존 방법에 비해 진보된 기법이다. ASOS 관측치와 시공간적으로 일치되는 1,728건의 자료를 비교한 결과, 계절별로 차이가 있기는 하지만 특히 봄, 가을에는 상당히 좋은 결과를 보였으며(CC=0.910~0.917, RMSE=3.245~3.365℃), 또한 토지피복 유형에 상관없이 안정적인 산출이 이루어짐을 확인하였다. 향후 Landsat 5/7/8 자료의 장기시계열 빅데이터와 함께 추가적인 지표면변수를 활용하여 모델링 을 수행함으로써 기후변화 및 특이기상 하에서도 보다 신뢰도 높은 고해상도 지표면온도 산출이 필요할 것이다.
Since satellite images generally include clouds in the atmosphere, it is essential to detect or mask clouds before satellite image processing. Clouds were detected using physical characteristics of clouds in previous research. Cloud detection methods using deep learning techniques such as CNN or the modified U-Net in image segmentation field have been studied recently. Since image segmentation is the process of assigning a label to every pixel in an image, precise pixel-based dataset is required for cloud detection. Obtaining accurate training datasets is more important than a network configuration in image segmentation for cloud detection. Existing deep learning techniques used different training datasets. And test datasets were extracted from intra-dataset which were acquired by same sensor and procedure as training dataset. Different datasets make it difficult to determine which network shows a better overall performance. To verify the effectiveness of the cloud detection network such as Cloud-Net, two types of networks were trained using the cloud dataset from KOMPSAT-3 images provided by the AIHUB site and the L8-Cloud dataset from Landsat8 images which was publicly opened by a Cloud-Net author. Test data from intra-dataset of KOMPSAT-3 cloud dataset were used for validating the network. The simulation results show that the network trained with KOMPSAT-3 cloud dataset shows good performance on the network trained with L8-Cloud dataset. Because Landsat8 and KOMPSAT-3 satellite images have different GSDs, making it difficult to achieve good results from cross-sensor validation. The network could be superior for intra-dataset, but it could be inferior for cross-sensor data. It is necessary to study techniques that show good results in cross-senor validation dataset in the future.
인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.
Detection of red tides by satellite remote sensing can be done either by detecting enhanced level of chlorophyll pigment or by detecting changes in the spectral composition of pixels. Using chlorophyll concentration, however, is not effective currently due to the facts: 1) Chlorophyll-a is a universal pigment of phytoplankton, and 2) no accurate algorithm for chlorophyll in case 2 water is available yet. Here, red band algorithm, classification and PCA (Principal Component Analysis) techniques were applied for detecting patches of Cochlodinium polykrikoides red tides which occurred in Korean waters in 1995. This dinoflagellate species appears dark red due to the characteristic pigments absorbing lights in the blue and green wavelength most effectively. In the satellite image, the brightness of red tide pixels in all the three visible bands were low making the detection difficult. Red band algorithm is not good for detecting the red tide because of reflectance of suspended sediments. For supervised classification, selecting training area was difficult, while unsupervised classification was not effective in delineating the patches from surrounding pixels. On the other hand, PCA gave a good qualitative discrimination on the distribution compared with actual observation.
본 논문은 무감독 ISODATA 기법을 이용하여 Landsat TM 위성영상에 기반한 새만금 간석지의 지형을 분류하고, 이 분류된 지형의 시공간적 변화를 분석하고자 한다. 각각의 퇴적 지형은 새만금 방조제 공사 진행에 따른 상이한 특성을 나타내며, 퇴적 변화와 분포를 입증한다. Landsat TM 7개의 band 중에서 밴드 4가 간석지와 해수면의 구분, 그리고 밴드 5는 간석지에 대한 세부적인 지형의 분류에 이용한다. 각 지역의 지형적 특성을 구분함으로써 간석지의 지형변화에 따른 검토는 간척 계획수립과 간척된 이후의 토지 이용에 매우 유용할 것으로 사료된다.
도심녹지는 도심 주변의 높은 기온을 낮춰 주는 중요한 역할을 한다. 도심녹지의 냉각효과는 녹지내부 뿐만 아니라 주변 도로와 빌딩 지역에도 영향을 준다. 도심녹지가 주변에 미치는 영향을 분석하기 위해 2013년부터 2015년까지 관측된 Landsat 8 위성자료를 이용하여 서울 선정릉 주변의 지표면온도를 산출하였다. 선정릉 주변의 지표면온도 분포를 분석한 결과, 도심녹지의 냉각효과는 녹지를 중심으로 여러 방향에서 나타나는 것을 확인하였다. 도심녹지의 냉각효과에 미치는 토지피복의 영향을 살펴보기 위하여 주거지역과 상업지역에 대해 냉각효과를 분석한 결과 주거지역의 냉각효과 범위가 100~250 m로 나타났고, 평균 $2.3^{\circ}C$의 냉각효과를 보였다. 반면, 상업지역의 냉각효과 범위는 0~200 m 였고, 평균 약 $0.3^{\circ}C$의 냉각효과를 보였다. 이러한 분석 결과를 통해 도심녹지의 냉각효과는 상업지역보다 주거지역에서 강도와 범위가 큼을 알 수 있었다.
인간의 화석연료 사용, 도시화, 경작 등으로 인해 온실가스의 농도는 계속 증가하여 기후변화가 나타나고 있는 추세이다. 이로 인해 20세기는 재난의 발생이 돌발적이고 대형화되고 있으며, 피해 규모 역시 점차 증가하는 실정이다. 따라서 과거와 다른 양상의 신종 재난에 대해 국토를 보존하고 국민의 생명과 재산을 보호하기 위해서는 재난탐지위성(탑재체) 개발이 시급히 요구된다. 본 논문에서는 불규칙한 미래재난에 대해 광역적이고, 한국지형에 최적화된 재난 관측과 재난발생 시 신속한 선제 대응을 위한 기술개발 연구를 수행하고자 한다. 이를 위해 재난 탐지 특화 탑재체 설계를 위해 10개의 재난 유형별 위성영상 활용 사례를 바탕으로 테크트리를 작성하고 국외의 유사 활용위성센서인 Landsat-8, Worldview-3, ALOS-2를 참고하여 재난탐지에 최적화된 위성 센서 기술요구조건을 분석하였다.
대한원격탐사학회 2001년도 춘계 학술대회 논문집 통권 4호 Proceedings of the 2001 KSRS Spring Meeting
/
pp.116-121
/
2001
경기만 지역은 세계최대 규모의 갯벌이 조성되어 해양생태계에서 중요한 역할을 수행하는 자연의 보고이나, 강한 조류운동, 한강 유역으로부터의 토사이동, 그리고 계속되는 연안 개발등 지속적인 영향을 받고 있다. 본 연구에서는 이러한 경기만 지역의 지리적·환경적 요인에 기인한 갯벌지역의 지난 30년 동안 공간적 변화를 분석하고자 한다. 해안선·조간대 지형의 변화 특성은 1972년부터 1999년까지 약 5년 간격으로 촬영된 Landsat MSS 와 TM 영상들을 이용하여 분석하였다. MSS와 TM의 공통적인 파장대이며, 물과 조간대의 경계가 뚜렷한 근적외선 파장대를 이용하여 간조시 갯벌의 경계선을 추출하였다. 각 시기의 수면, 갯벌, 육지를 나타내는 수치지도가 제작된 후, 이들을 중첩함으로써 시기별 변화유형을 구분하였고, 변화유형을 다시 원인에 따라 인공적인 요인과 자연적인 요인으로 나누었다. 의미있는 변화 유형은 크게 8가지로 나타났으며, 변화유형과 변화요인을 연계하여 경기만 지역의 변화특성을 도출하였다.
With the increasing severity of climate change, intense torrential rains are occurring more frequently globally. Flooding due to torrential rain not only causes substantial damage directly, but also via secondary events such as landslides. Therefore, accurate and prompt flood detection is required. Because it is difficult to directly access flooded areas, previous studies have largely used satellite images. Traditionally, water indices such asthe normalized difference water index (NDWI) and modified normalized difference water index (MNDWI) which are based on different optical bands acquired by satellites, are used to detect floods. In addition, as flooding likelihood is greatly influenced by the weather, synthetic aperture radar (SAR) images have also been used, because these are less influenced by weather conditions. In this study, we compared flood areas calculated from SAR images and water indices derived from Landsat-8 images, where the images were acquired at similar times. The flooded area was calculated from Landsat-8 and Sentinel-1 images taken between the end of May and August 2019 at Lijiazhou Island, China, which is located in the Changjiang (Yangtze) River basin and experiences annual floods. As a result, the flooded area calculated using the MNDWI was approximately 21% larger on average than that calculated using the NDWI. In a comparison of flood areas calculated using water indices and SAR intensity images, the flood areas calculated using SAR images tended to be smaller, regardless of the order in which the images were acquired. Because the images were acquired by the two satellites on different dates, we could not directly compare the accuracy of the water-index and SAR data. Nevertheless, this study demonstrates that floods can be detected using both optical and SAR satellite data.
A low cost personal computer and image processing S/W were empolyed to derive Digtal Elevation Model(DEM) of tidal flat from multitemporal LANDSAT TM images, and to create three-dimensional(3D) perspective views of the tidel flat on Komso bay in west coasts of Korea. The method for generation of Digital Elevation Model(DEM) in tidal flat was considered by overlapping techniques of multitemporal LANDSAT TM images and interpolations. The boundary maps of tidal flat extracted from multitemporal images with different water high were digitally combined in x, y, z space with tide in formation and used as an inputcontour data to obtain an elevation model by interpolation using spline function. Elevation errors of less than $\pm$0.1m were achived using overlapping techniques and a spline interpolation approach, respectively. The derived DEM allows for the generation of a perspective grid and drape on the satellite image values to create a realistic terrain visualization model so that the tidal flat may be viewed from and desired direction. As the result of this study, we obtained elevation model of tidal flats which contribute to characterize of topography and monitoring of morphological evolution of tidal flats. Moreover, the modal generated here can be used for simulation of innudation according to tide and support other studies as a supplementary data set.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.