• 한국측량학회지
• /
• 제36권6호
• /
• pp.581-588
• /
• 2018

본 연구는 다시기 영상의 활용이 유리한 RapidEye 영상의 활용성을 증대시키기 위하여, 이들 간에 지역적으로 존재하는 기하오차를 최소화 하는 정밀 상호좌표등록 기법을 제안하였다. 이를 위해, RapidEye 영상과 함께 제공되는 RPCs (Rational Polynomial Coefficients)를 이용하여 다시기 정사영상을 생성하고, 정사영상 간의 정밀 상호 좌표등록을 수행하였다. 정사영상을 생성하기 위해서 수치지도에서 추출된 DEM (Digital Elevation Model)을 활용하였으며, 정밀 상호좌표등록을 수행하기 위하여 RNCC (Registration Noise Cross Correlation) 기법을 적용하였다. 영광지역에 대해 2015년 5월부터 2016년 11월까지 획득된 RapidEye 1B 영상 총 4장을 활용하여 실험을 진행하였으며, 밴드별(blue, green, red, red edge, near-infrared)로 적용된 정밀 상호좌표등록 결과 비교분석을 통해 각 밴드가 보이는 상호좌표등록 적용 가능성 여부를 판단하였다. 실험 결과, RapidEye 영상의 모든 밴드를 활용하여 상호좌표등록이 가능하였으며, 상호좌표등록을 하지 않았을 때보다 다시기 영상 간 정량적/정성적으로 향상된 기하 일치도를 보였다. 특히 red와 red edge 밴드를 이용할 경우 다시기 영상 촬영시기의 계절적 차이에 관계없이 안정적인 상호좌표등록 결과를 보임을 확인하였다.

• 한국측량학회지
• /
• 제32권5호
• /
• pp.505-513
• /
• 2014

2008년 발사된 RapidEye는 5개의 위성을 기반으로 하여 6.5m 공간 해상도의 위성 영상을 하루 간격으로 취득할 수 있는 높은 시간 해상도 특징을 갖는 지구관측위성이다. 제품으로 1B(Basic)와 3A(Ortho)를 제공하고 있으며, 이 중 1B 영상은 좌표등록이 되지 않고 RPCs 정보를 함께 제공해준다. 국내에서는 기 구축된 수치지도를 기반으로 하여 RapidEye의 기하학적 정확도를 보다 향상시킬 수 있으며, 본 논문에서는 1:25,000 수치지도를 이용하여 자동으로 RapidEye 1B영상의 좌표등록을 수행하기 위한 연구를 수행하였다. 1:25,000 수치지도 중 RapidEye 영상과의 매칭에 활용될 레이어를 선별하여 RPCs를 기반으로 RapidEye 1B영상으로 투영시켜 벡터 영상을 생성하고 이와 RapidEye영상의 에지 정보와의 자동 매칭을 통해 RPCs의 정확도를 향상시켰다. 실험 결과 수치지도 대비하여 평균 제곱근 오차 2.8픽셀의 오차가 0.8픽셀로 향상됨을 알 수 있었다.

• 대한공간정보학회지
• /
• 제22권1호
• /
• pp.71-79
• /
• 2014

많은 연구들은 저해상도 위성영상을 이용하여 불투수면을 생성하며, 광역적인 객체 단위의 불투수면을 생성하는 데에 효율적인 성과를 이루지 못하고 있는 실정이다. 본 논문에서는 RapidEye 위성영상을 활용한 객체 기반의 불투수면 생성 기법을 제안하였으며, 이를 실험지역에 적용하고자 하였다. 분광반사율로 변환된 RapidEye 위성영상을 활용하여 추가적인 밴드를 생성하였으며, 훈련자료를 이용하여 그림자 및 수계 클래스를 추출하였다. 해당 클래스를 제외한 나머지 클래스들은 환경부의 중분류 토지피복지도와 분광혼합분석 모델을 활용하여 피복단위의 불투수 비율 영상을 생성하였다. 참조자료와의 정량적 비교평가를 통하여 본 연구에서 적용한 불투수면 생성 방법의 효용성을 검증하였다.

• 한국지리정보학회지
• /
• 제17권4호
• /
• pp.189-199
• /
• 2014

범람원(floodplain)은 제방과 하천 사이에 존재하는 평탄하고 낮은 지역을 의미하며, 범람원 내 토지 이용 현황 분석은 하천유역의 효과적인 자원관리를 위해서 반드시 필요하다. 본 논문에서는 공간정보 자료인 LiDAR DEM 자료와 RapidEye 영상을 이용하여 낙동강 하천 범람원 내 토지 이용 현황 분석에 관한 연구를 진행하였다. 우선, DEM으로부터 제방 경계선을 추출하여 RapidEye 영상에서 연구대상지역 내 범람원의 범위를 설정하였다. 범람원의 범위를 설정한 뒤, RapidEye 영상에 ISODATA 클러스터링 및 post-classification 과정을 적용하여 범람원 내 토지피복 분류 작업을 진행하였다. ISODATA 클러스터링을 적용하여 분류된 범람원 내 토지피복은 91%의 분류 정확도를 가진다. 분류된 토지피복 클러스터들을 구성하는 픽셀들의 개수를 계산하여, 낙동강 범람원 내 토지 이용 현황에 관한 분석을 수행하였다. 본 연구를 통하여, 연구대상지역 범람원 내 하천의 면적은 46%, 나지의 면적은 36%, 습지의 면적은 11%, 그리고 초지의 면적은 7%라는 사실을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.485-496
• /
• 2022

이 연구에서 RapidEye 위성영상 대기 및 지표반사도 산출물을 생성하는 소프트웨어를 구현하였다. 이 소프트웨어는 절대대기보정 알고리즘을 채택하고 있는 오픈소스 원격탐사 소프트웨어 Orfeo Toolbox (OTB)기반 Extension이다. 소프트웨어 성능을 확인하기 위하여 구현 결과인 산출물 정확도는 Radiometric Calibration Network (RadCalNet) 사이트의 데이터와 해당 위치에 촬영된 RapidEye 영상을 사용하여 검증하고자 하였다. 또한 거의 같은 일자에 같은 지역을 촬영한 KOMPSAT-3A 영상으로부터 생성한 지표반사도와 Landsat Analysis Ready Data (ARD) 제품 중 하나인 지표반사도 자료도 함께 비교하였다. 이 외에도 같은 영상에 대하여 상업 도구에서 지원하는 QUick Atmospheric Correction (QUAC)와 Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH) 도구를 적용한 처리 결과와 직접 비교 연구를 수행하였다. RadCalNet 자료에 대비하여 KOMPSAT 지표반사도와 마찬가지로 이 Extension에서 얻은 결과는 5% 이내 일치 수준의 정확도를 나타내었고 QUAC와 FLAASH를 이용한 결과에 비하여 모든 밴드 영상에서 상대적으로 우수한 정확도를 보이는 것으로 나타났다. 농업, 산림이나 환경 분야에서 Red-Edge 밴드의 중요성이 강조되고 있기 때문에 이 소프트웨어를 이용하여 산출되는 RapidEye 영상의 지표반사도 활용도 증가할 것으로 기대한다.

• 한국지리정보학회지
• /
• 제15권4호
• /
• pp.1-14
• /
• 2012

하천은 육지 표면에서 일정한 물길을 따라 흐르는 물줄기를 의미하며, 하천 매핑 작업은 하천유역의 지형 변화 연구 및 하천 유역의 홍수 모니터링 연구 등에 매우 중요한 역할을 한다. 그러나 하천의 수위변화로 인한 유역 내 지표면의 수위 및 유량의 불균일성 등으로 인하여, 기존의 지반조사 기술은 하천 매핑 작업에 효과적이지 않다. 공간 정보 자료는 해당 지역에 접근하지 않고도 해당 지역에 관한 지형적인 정보를 획득할 수 있어서, 하천 지형 조사 및 하천 측량 등 하천 유역의 지형연구에 굉장히 유용하게 쓰일 수 있다. 본 연구에서는, 각각의 다른 파라미터를 사용하여 영상분류 기법 중의 하나인 ISODATA(Iterative Self_Organizing Data Analysis) 분류기법을 적용하여 RapidEye 영상으로부터 하천을 추출하는 방법을 제시하였다. 우선, RapidEye 영상으로부터 NIR(Near InfraRed) 밴드 영상과 NDVI(Normalized Difference Vegetation Index) 영상을 생성한 뒤, 이를 각각의 파라미터로 설정한다. 생성된 각각의 영상에 ISODATA 기법을 적용한 뒤, 후처리 과정을 통하여 각각의 영상으로부터 하천을 추출하도록 한다. 각각의 영상에서 추출한 하천의 경계선 또한 Sobel 에지 추출 기법을 통하여 추출된다. 점검 점들을 이용하여 정확도 검증을 수행한 결과, NIR 밴드로부터 추출한 하천의 정확도가 NDVI 영상으로부터 추출한 하천의 정확도보다 더 높다는 것을 알 수 있다.

• 한국토양비료학회지
• /
• 제45권6호
• /
• pp.1194-1202
• /
• 2012

북한과 같이 접근이 힘들고 농업과 관련된 정보가 부족한 지역을 대상으로 RapidEye 위성영상의 판독 및 분류를 통하여 가장 기초적인 농업 현황과 생산 기반인 논 면적을 산정하였다. 291개의 RapidEye 영상을 이용하여 북한 전역을 대상으로 시기별로 논을 분류하기 위한 영상 판독 기준을 설정하였다. 5월 초에서 6월 말은 벼 이앙을 위해 관개를 하기 때문에 벼 이앙 전후에 물의 특성이 위성영상에서 잘 관측되기 때문에 영상이 어둡게 보이는 점을 이용하여 논과 다른 토지이용을 구분한다. 주요 벼 생육시기인 7월 초부터 9월 말에는 RapidEye 영상을 5:3:2 밴드조합으로 하여 영상을 판독하면 벼논의 색상과 질감의 차이를 이용하여 밭작물, 초지, 산림으로부터 논을 분류한다. 9월 말부터 10월 말은 벼 수확을 한 후로 논에 식생이 없는 시기로써 5:3:2 밴드 조합에서 회색빛이 나는 경지 형태를 대상을 논으로 판독한다. 그 결과 북한 전역에 대한 논 분포지도를 작성하였고 시도 행정구역별로 논 면적을 살펴보았다. 대부분의 논은 평안남북도와 황해남도가 위치한 서해안 평야지대에 전체 논 면적의 66% 정도인 $3,521km^2$가 분포하였고 함경남북도, 강원도, 나선시와 같이 동해에 인접한 지역의 논 면적은 $1,172km^2$로 전체 논 면적의 약 20%를 차지하는 것으로 나타났다. RapidEye 영상을 이용하여 분류한 논 면적은 2001년 및 2010년 FAO/WFP 북한 보고서와 비교할 때 각각 1% 이내의 면적 편차를 나타내었다. RapidEye 위성영상을 이용한 북한의 논 분류 결과는 농경지 이용 면적의 산정과 변화, 벼 수량 추정을 위한 마스킹 (masking) 자료로 활용될 수 있는 기본 자료로 의미가 매우 큰 것으로 판단된다. 향후에는 밭에 대한 분류 지도를 구축하고 나아가 옥수수와 같은 주요 밭작물에 대한 판독 방법에 대해서도 연구할 필요가 있을 것으로 생각된다.

• 항공우주기술
• /
• 제10권1호
• /
• pp.149-155
• /
• 2011

세계적 기후온난화와 이상기온현상으로 최근 급변하는 농업환경에 대응하기 위해서는 농작물 작황관리 및 예측시스템의 과학화를 통한 정부차원의 대처능력 개선이 시급하다. 농업분야에서 위성정보의 활용은 고해상도 광학 및 레이더 영상의 상용화와 더불어 정밀농업이라는 새로운 가능성을 열어주고 있다. 본 연구에서는 최근 농업분야에서 주목을 받고 있는 RapidEye 위성영상을 사용하여 우리나라 농촌지역의 토지이용유형별 분광식생지수의 시계열 특성을 살펴보았다. 식생과 비식생지역 간에 뚜렷한 시계열 변화양상이 나타났으며, 식생지역 내에서도 산림 수종별, 논 그룹별로 식생지수의 시계열 변화에 차이가 관찰되었다.

• 한국지리정보학회지
• /
• 제15권4호
• /
• pp.26-41
• /
• 2012

지구온난화와 함께 홍수와 가뭄 등 기후변화에 대비하기 위해서는 경지현황에 대한 신속하고 정확한 정보를 바탕으로 농업생산량을 효율적으로 관리, 예측, 대비하는 것이 필요하다. 본 연구는 시 도 규모 이상의 넓은 지역을 대상으로 농촌지역 토지피복도 제작을 지원할 수 있는 영상분류 알고리즘 개발을 목표로 객체기반 영상분석기법의 활용가능성과 한계를 검토해 보았다. 추가적인 공간자료의 사용이 최소화된 상태에서 다중시기 RapidEye 위성영상의 분광정보 활용가능성을 테스트해 보고자 하였으며, 사례연구지인 김제지역 일대($1,300km^2$)에 대한 토지피복 분류 정확도는 80.3%로 양호하게 나타났다. 분석에 사용된 RapidEye의 6.5m 공간해상도는 대체로 작은 규모로 경작되는 우리나라 경지의 공간적 특성 추출이 가능하다는 것을 보여주었으며, 객체기반의 영상분석 기법은 분석가의 전문지식을 분류과정에서 다양한 방법으로 구현해냄으로써 영상정보 활용의 최적화를 꾀할 수 있음을 보여주었다. 또한, 기개발된 영상분류 알고리즘을 저장하고, 분석목적에 맞게 세부 변수들을 조정하여 다른 지역 또는 다른 영상에 응용할 수 있다는 장점이 있다. 하지만, 객체기반 영상분류의 근간이 되는 영상분할 과정은 정량적으로 명확히 설명되지 않는 경우가 많아 분석자의 경험과 전문지식을 바탕으로 최선의 결과를 도출하는 것이 요구된다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.823-833
• /
• 2020

안정적인 작물 생산을 위하여 국내 농업지역에 대한 효과적인 작황 모니터링 기법의 요구가 증대되고 있다. 본 연구에서는 작물 재배지역 추출을 위하여 딥러닝 기법을 이용한 분류 모델을 개발하고, 이를 위성영상에 적용하고자 하였다. 이를 위하여, 식생분석에 유용한 blue, green, red, red-edge, NIR 밴드를 포함하고 있는 RapidEye 위성영상을 이용하여 작물 재배지역에 대한 훈련자료를 구축하고, 이를 활용하여 국내 양파 및 마늘 작물에 대한 재배면적을 추정하고자 하였다. 대기보정된 RapidEye 위성영상을 활용하여 훈련자료를 구축하였으며, 작물지역의 분류를 위하여 대표적인 의미론적 분할을 위한 딥러닝 모델인 FC-DenseNet을 이용하여 딥러닝 모델을 생성하였다. 최종적인 작물 재배지역은 지적도와의 결합을 통하여 객체 기반의 자료로 생성하였다. 실험결과, 대기보정된 훈련자료를 이용하여 학습된 FC-DenseNet 모델은 훈련에 사용되지 않은 타 지역의 작물 재배지역을 효과적으로 검출할 수 있음을 확인하였다.