• 한국측량학회지
• /
• 제36권2호
• /
• pp.51-58
• /
• 2018

최근, 다양한 위성센서가 개발되면서 다시기 위성영상의 취득이 용이해지고 있다. 이에 따라, 재난/재해, 국토모니터링 등과 같은 활용분야에 다시기 위성영상을 적용하기 위한 변화탐지 기법에 대한 연구들이 수행되고 있다. 특히, 빠른 시간 내에 변화지역의 추출이 가능한 무감독 변화탐지 기법의 개발과 관련된 연구들이 수행되고 있지만, 계절적 변화 등과 같은 방사적 차이로 인해 오탐지가 발생하는 단점이 있다. 따라서, 본 연구에서는 무감독 변화탐지 기법 중의 하나인 $S^2CVA$ 기법을 적용하여 생성한 변화방향 벡터를 이용하여 계절적 영향으로 인한 오탐지를 감소시키고자 하였다. 이를 위하여, 동일한 계절을 가지는 RapidEye 위성영상과 다른 계절에 촬영된 RapidEye 위성 영상에 $S^2CVA$ 기법을 적용하였으며, $S^2CVA$의 변화방향벡터가 계절적 영향에 따른 오탐지를 제거할 수 있는지를 분석하였다. 정량적 평가를 위해 변화탐지 결과의 ROC 곡선과 AUC 분석을 통해 기존의 방법에 비해 변화탐지 성능이 향상된 것을 확인하였다.

• 한국관개배수논문집
• /
• 제21권1호
• /
• pp.45-54
• /
• 2014

In this study, Agricultural Infrastructures of Shincheon-gun in North Korea are investigated using Kompsat-2 and RapidEye satellite imagery. Target agricultural infrastructures are agricultural landuse, irrigation and drainage canals, dammed pools for irrigation and pumping stations. KOMPSAT-2 satellite imagery are use to investigate agricultural hydraulic structures and agricultural landuse are investigated by RapidEye Imagery. Geometric correction are performed using 28 GCP and QUAC method are used for atmospherical correction in all imagery. ISODATA clustering and naked-eye classification method are used for extracting agricultural hydraulic structures and Object-based analysis is applied to classifying the agricultural landuse. Extraction results of agricultural hydraulic structures and agricultural are presented and we suggest the applicability of satellite imagery to investigate agricultural infrastructures in North Korea.

• 대한원격탐사학회지
• /
• 제39권3호
• /
• pp.269-282
• /
• 2023

본 연구는 딥러닝 모델(deep learning model)을 활용하여 토지피복분류를 수행하였으며 입력 이미지의 크기, Stride 적용 등 데이터세트(dataset)의 조절을 통해 토지피복분류를 위한 최적의 딥러닝 모델 선정을 목적으로 하였다. 적용한 딥러닝 모델은 3종류로 Encoder-Decoder 구조를 가진 U-net과 DeeplabV3+, 두 가지 모델을 결합한 앙상블(Ensemble) 모델을 활용하였다. 데이터세트는 RapidEye 위성영상을 입력영상으로, 라벨(label) 이미지는 Intergovernmental Panel on Climate Change 토지이용의 6가지 범주에 따라 구축한 Raster 이미지를 참값으로 활용하였다. 딥러닝 모델의 정확도 향상을 위해 데이터세트의 질적 향상 문제에 대해 주목하였으며 딥러닝 모델(U-net, DeeplabV3+, Ensemble), 입력 이미지 크기(64 × 64 pixel, 256 × 256 pixel), Stride 적용(50%, 100%) 조합을 통해 12가지 토지피복도를 구축하였다. 라벨 이미지와 딥러닝 모델 기반의 토지피복도의 정합성 평가결과, U-net과 DeeplabV3+ 모델의 전체 정확도는 각각 최대 약 87.9%와 89.8%, kappa 계수는 모두 약 72% 이상으로 높은 정확도를 보였으며, 64 × 64 pixel 크기의 데이터세트를 활용한 U-net 모델의 정확도가 가장 높았다. 또한 딥러닝 모델에 앙상블 및 Stride를 적용한 결과, 최대 약 3% 정확도가 상승하였으며 Semantic Segmentation 기반 딥러닝 모델의 단점인 경계간의 불일치가 개선됨을 확인하였다.

• 한국농공학회논문집
• /
• 제56권3호
• /
• pp.55-64
• /
• 2014

While utilizing high resolution satellite image for land use classification has been popularized, object-oriented classification has been adapted as an affordable classification method rather than conventional statistical classification. The aim of this study is to extract the paddy field area using object-oriented classification with time series NDVI from high-resolution satellite images, and the RapidEye satellite images of Jaeryung-gun in North Korea were used. For the implementation of object-oriented classification, creating objects by setting of scale and color factors was conducted, then 3 different land use categories including paddy field, forest and water bodies were extracted from the objects applying the variation of time-series NDVI. The unclassified objects which were not involved into the previous extraction classified into 6 categories using unsupervised classification by clustering analysis. Finally, the unsuitable paddy field area were assorted from the topographic factors such as elevation and slope. As the results, about 33.6 % of the total area (32313.1 ha) were classified to the paddy field (10847.9 ha) and 851.0 ha was classified to the unsuitable paddy field based on the topographic factors. The user accuracy of paddy field classification was calculated to 83.3 %, and among those, about 60.0 % of total paddy fields were classified from the time-series NDVI before the unsupervised classification. Other land covers were classified as to upland(5255.2 ha), forest (10961.0 ha), residential area and bare land (3309.6 ha), and lake and river (1784.4 ha) from this object-oriented classification.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.637-654
• /
• 2023

최근 지구관측 위성이 급격히 발전함에 따라 사용자의 수가 증가하고 있다. 이에 따라 지구관측위성위원회(Committee on Earth Observation Satellites, CEOS)에서는 분석준비자료(Analysis Ready Data, ARD)라는 개념을 제안하고 분석준비자료의 요구 조건을 CEOS ARD for Land (CARD4L)로 정의하여 사용자 친화적인 위성영상을 제공하기 위해 노력하고 있다. 분석준비자료에는 육상분석에 불필요한 픽셀이 식별된 마스크(Unusable Data Mask, UDM)가 영상과 함께 제공되어야 한다. UDM의 종류는 구름, 구름 그림자, 지형그림자 등이 있다. 지형그림자는 지형기복이 큰 산악지형에서 발생되며 지형그림자가 생긴 지역은 복사조도가 낮기 때문에 분석 결과에 오류를 야기시킨다. 기존 지형그림자 탐지연구는 지형그림자 보정을 위해 지형그림자 픽셀을 탐지하는데 목적을 두었지만, 이것은 지형보정 기법으로 대체 가능하다. 따라서 지형그림자 탐지 목적을 확장할 필요가 있다. 산림과 농업분석을 목적으로 한 차세대중형위성 4호(CAS500-4)의 활용을 위해 본 연구에서는 지형그림자 탐지 범위를 태양의 영향을 적게 받는 지역까지 확장하였다. 본 논문은 남북한을 대상으로 지형그림자 마스크 생성을 위해 지형그림자 탐지 가능성을 분석하는데 목적이 있다. 지형그림자 탐지를 위해서 태양의 위치, 지표면의 경사와 경사방향을 이용한 음영기복 알고리즘을 사용하였다. 한반도를 촬영한 5 m급 공간해상도의 RapidEye 영상과 10 m급 공간해상도의 Sentinel-2 영상들을 대상으로 참값과 비교하며 최적의 음영기복 임계값을 결정하였다. 결정된 임계값을 사용하여 지형 그림자 탐지를 수행하고 결과를 분석하였다. 정성적 결과로는 전체적으로 참값과의 형상이 유사함을 확인하였다. 정량적 실험결과는 F1 score가 대부분 0.8에서 0.94 사이인 것을 확인하였다. 본 연구 결과를 바탕으로 남북한을 대상으로 자동적인 지형그림자 탐지가 잘 수행됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제28권2호
• /
• pp.203-214
• /
• 2012

콘크리트와 아스팔트가 상당 부분을 차지하는 도시의 물리적인 환경은 도시열섬효과를 일으키는 주요 원인이며, 일차적으로 토지이용 또는 토양피복에 따른 지표면온도의 상승으로 나타난다. 본 연구에서는 도시의 토지피복유형이 지표면온도에 미치는 영향을 공간해상도가 다른 MODIS, Landsat ETM+과 RapidEye 위성영상을 사용하여 비교 분석해 보았다. 연구대상지인 일산 신도시지역의 지표면온도는 토지 이용에 따라 뚜렷이 구분되는 패턴을 보여주었는데 건폐율이 높은 저층단독주택지구보다 건폐율이 낮고 녹지율이 높은 고층 아파트단지의 지표면온도가 현저히 낮게 나타났다. 토지피복유형과의 관계는 건물이나 도로 등 도시화지역의 면적이 증가할수록 기후존의 지표면온도가 증가하고, 식생과 수면, 그림자 지역의 면적이 늘어날수록 지표면온도는 떨어진다. NDVI와 지표면온도 사이에도 음의 선형상관관계가 나타나지만, 계절적 영향을 배제하기 어렵다는 단점이 있다.

• 한국측량학회지
• /
• 제32권5호
• /
• pp.443-450
• /
• 2014

최근 각종 공간정보에 대한 수요가 증가함에 따라 정부 및 지방 자치 단체에서 다양한 공간정보를 제작하여 공급하고 있다. 2000년 대분류 토지피복지도가 제작된 이래 2010년부터 토지 피복 세분류 지도가 작성되기 시작하였으나 현재 일부 지역에 대해서만 세분류 지도가 구축되어있는 상황이다. 또한 그 동안 토지 피복 분류 결과의 고도화를 위하여 다양한 연구들이 진행되어왔지만 대부분의 연구가 대분류 또는 중분류 수준에 그치고 있으며 토지 피복 세분류에 관한 연구는 매우 부족한 실정이다. 따라서 본 연구에서는 토지 피복 중분류의 논 항목을 세분류 갱신하기 위하여 경지 정리 논을 자동으로 추출하는 기법을 제안하였다. 농업 분야에 효과적인 활용이 가능한 RapidEye 위성영상을 이용하였으며 영상에 고주파 필터링을 적용하여 논의 경계 정보를 강조하고 Otsu 임계화를 통해 논 경계에 대한 이진 영상을 취득하였다. 토지 피복 지도와 영상 등록을 수행하여 논 토지 피복에 대한 마스킹을 수행하였으며 이를 통해 논 지역의 경계 정보를 선별하였다. 최종적으로 지역적인 허프 라인 추출을 통하여 끊어진 에지를 이어 논의 경계 정보를 선형으로 추출하고 시작점과 끝점이 유사한 선형을 연결하여 경지 정리 논의 경계 정보를 완성하였다. 연구 결과, 효과적으로 경지 정리 논의 경계를 추출할 수 있었으며 벡터 추출 시 논 토지 피복 세분류 갱신의 상당 부분을 자동화할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.835-846
• /
• 2020

최근 기후변화가 심각해지고 이상기상 현상이 빈번해짐에 따라 산불, 산사태 이외에도 우박, 매미나방과 같은 흔치 않은 형태의 산림생태계교란이 발생하고 있다. 이 논문에서는 RapidEye와 Sentinel-2 영상에 ISODATA(Iterative Self-organizing Data Analysis Technique Algorithm)를 적용하여, 2017년 화순의 우박 피해지와 2020년 치악산의 매미나방 피해지를 분석하였다. 우박 피해지의 경우, 본연구의 6월 영상분석과 선행연구의 7월 현장조사를 종합해볼 때, 우박에 의해 수목에 외상이 생긴 후에 가뭄이 겹치면서 6월에서 7월로 갈수록 피해의 심각성이 보다 더 증가한 것으로 분석되었다. 2020년 치악산의 매미나방 피해지에서는 6월 영상에서 상당한 나뭇잎 피해가 발견되었으며, 원주시에 인접한 낮은 고도의 사면에서 주로 피해가 발생한 것으로 나타났다. 기후변화에 의해 유발된 다양하고 특이한 산림생태계교란을 탐지함에 있어 위성원격탐사는 매우 효과적인 방법임에 틀림없으며, 우리나라에서 2024년 발사 예정인 농림업중형위성은 이와 같은 산림생태계교란을 감시하는 데 적극적으로 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1489-1503
• /
• 2022

드론(drone)과 센서(senor) 적용기술은 농업분야 작물의 성장 정보에 대한 디지털화를 가능하게 하면서 정밀농업 발전을 한층 가속화하고 있다. 이 기술은 자연재해 발생시 농작물 피해량 산정을 가능하게 하고, 현장 방문조사로 진행되고 있는 농작물재해보험 평가방법의 과학화에 기여할 수 있다. 본 연구는 콩을 대상으로 드론 기반 RGB영상을 취득하여 추출된 식생지수로 도복피해율을 산정하는 방법을 개발하고자 하였다. Support Vector Classifier (SVC) 분류 모델은 Crop Surface Model (CSM) 기반의 도복피해율에 식생지수를 추가하여 식생지수 적용성을 검토하였다. 식생지수 중 Visible Atmospherically Resistant Index (VARI), Green Red Vegetation Index (GRVI) 기반 콩의 도복피해율 분류 정확도는 각각 0.709, 0.705로 높은 분류정확도를 나타내었다. 연구 결과, 드론 기반 RGB 영상은 도복피해율 산정에 매우 유용한 도구로 활용 가능하다는 점을 확인할 수 있었다. 본 연구에서 얻어진 결과는 이상기후로 인한 광역 지역 자연재해에 대한 도복피해 산정 시 Sentinel-2, RapidEye 위성과 더불어 2025년 발사 예정인 농림업중형위성 영상과 연계해 활용 가능할 것으로 기대된다.

• 한국조경학회지
• /
• 제40권5호
• /
• pp.8-18
• /
• 2012

도시자연은 물리적 환경개선 기능은 물론 사회적, 정서적 측면에서도 중요한 역할을 한다. 특히, 학교에서 생활하는 시간이 많은 우리나라의 경우 학교 옥외공간을 비롯하여 인근에 조성된 녹지공간은 자연체험의 기회가 적은 도시 아이들이 가장 쉽게 자연을 접할 수 있는 일차적인 장소이다. 본 연구에서는 우리나라 대도시의 녹지현황을 학교 주변을 중심으로 살펴보고자 한다. 서울시 185개 초등학교를 선정하고, 학교 옥외공간을 포함한 반경 300m 이내(본 연구에서 '학교존'으로 정의) 주변 녹지 현황을 RapidEye 다중분광 인공위성 영상을 사용하여 분석하였다. 학교존 평균 녹지율은 약 21%이고, 최고 74%에서 최소 0.7%까지 편차가 매우 큰 것으로 나타났다. 그리고 과반수 이상의 학교존 녹지율이 20% 미만이다. 학교존 녹지율이 높은 학교 대부분이 산기슭에 위치하고 있어 산림면적이 학교존 녹지율을 높이는데 기여한 것으로 분석되며, 산림녹지의 경우 식생활력 또한 기타 도심지에 조성된 조경수목식재지보다 상대적으로 높은 것으로 나타났다. 반면, 학교존 녹지율이 낮은 학교들 대부분은 고밀 주택지 인근에 위치하고 있으며, 녹지의 식생활력 또한 상대적으로 낮게 나타났다. 도시산림을 제외한 시가화지역에서 학교존 녹지의 많은 부분을 차지하는 것은 아파트단지내 조경녹지시설이며, 그 밖에 친환경적인 학교 옥외공간이나 가로공원 등 도시오픈스페이스가 차지하는 비중은 미미하다. 이러한 현실을 감안하여, 도시계획적인 맥락에서 학교존 녹지율이 낮은 지역을 우선 대상으로 학교숲 조성사업을 지원하거나 주변지역의 옥상녹화를 장려하고, 학교주변 아파트단지내 녹지공간을 학교옥외공간과 유기적으로 연계하여 쉽게 접근할 수 있는 도시오픈스페이스로 개방하는 등의 체계적인 대책 마련이 필요하다고 하겠다.