• 한국산림과학회지
• /
• 제98권4호
• /
• pp.409-416
• /
• 2009

위성영상은 대면적의 산림 바이오매스 추정 및 주제도의 제작에 있어서 효과적인 자료로 이용되고 있다. 본 연구는 제5차 국가산림자원조사에서 수집된 야외 표본점의 임분 변수와 위성영상을 이용하여 산림 바이오매스 변환표를 작성한 후, 무주군의 산림 바이오매스를 추정 및 주제도를 제작하기 위해 수행되었다. 4개의 표본점별 임분 변수와 산림 바이오매스 간의 상관분석을 실시한 결과, 수고, 수관밀도, 그리고 영급이 산림 바이오매스에 영향을 미치는 변수로 파악되었다. 따라서 산림 바이오매스 변환표 작성을 위해 이들 3가지 임분 변수의 조합을 독립변수로 하는 6개 회귀모형을 사용하여 최적 회귀추정식을 도출한 후, 임상별로 산림 바이오매스 변환표를 작성하였다. 회귀추정식의 적합도를 평가하기 위하여 교차대조법에 의한 추정치 오차와 편차를 산출한 결과, 수관밀도와 수고등급을 독립변수로 하는 추정식(모형 V)이 다른 모형에 비해 산림 바이오매스 추정능력이 우수한 것으로 나타났다. 회귀모형 V를 이용한 산림 바이오매스 변환표와 위성영상의 분류에 의해 생성된 임분 변수의 주제도를 이용하여 추정된 전라북도 무주군의 총 산림 바이오매스는 약 881만 톤이며, ha당 산림 바이오매스는 128.3톤으로 나타났다.

• 대한원격탐사학회지
• /
• 제19권3호
• /
• pp.255-261
• /
• 2003

Recently, the enormous increase in the volume of remotely sensed data is being acquired by an ever-growing number of earth observation satellites. The combining of diversely sourced imagery together is an important requirement in many applications such as data fusion, city modeling and object recognition. Aerial triangulation is a procedure to reconstruct object space from imagery. However, since the different kinds of imagery have their own sensor model, characteristics, and resolution, the previous approach in aerial triangulation (or georeferencing) is purformed on a sensor model separately. This study evaluated the advantages of aerial triangulation of large number of images from multi-sensors simultaneously. The incorporated multi-sensors are frame, push broom, and whisky broom cameras. The limits and problems of push-broom or whisky broom sensor models can be compensated by combined triangulation with other sensors The reconstructed object space from multi-sensor triangulation is more accurate than that from a single model. Experiments conducted in this study show the more accurately reconstructed object space from multi-sensor triangulation.

• 대한원격탐사학회지
• /
• 제21권1호
• /
• pp.31-49
• /
• 2005

We first review some history of the Global Geodynamics Project (GGP), particularly in the progress of ground-satellite gravity comparisons. The GGP Satellite Project has involved the measurement of ground-based superconducting gravimeters (SGs) in Europe for several years and we make quantitative comparisons with the latest satellite GRACE data and hydrological models. The primary goal is to recover information about seasonal hydrology cycles, and we find a good correlation at the microgal level between the data and modeling. One interesting feature of the data is low soil moisture resulting from the European heat wave in 2003. An issue with the ground-based stations is the possibility of mass variations in the soil above a station, and particularly for underground stations these have to be modeled precisely. Based on this work with a regional array, we estimate the effectiveness of future SG arrays to measure co-seismic deformation and silent-slip events. Finally we consider gravity surveys in volcanic areas, and predict the accuracy in modeling subsurface density variations over time periods from months to years.

• 대한원격탐사학회지
• /
• 제26권6호
• /
• pp.617-627
• /
• 2010

Although many researches for heat island study have been developed, there is little attempt to link the findings to actual and hypothetical scenarios of urban developments which would help to mitigate the Urban Heat Island (UHI) in cities. The aim of this paper is to analyze the UHI at urban area with different geometries, land use, and environmental factors, and emphasis on the influence of different geometric and environmental parameters on ambient air temperature. In order to evaluate these effects, the parameters of (i) Air pollution (i.e. Aerosol Optical Thickness (AOT)), (ii) Green space Normalized Difference Vegetation Index (NDVI), (iii) Anthropogenic heat (AH) (iv) Building density (BD), (v) Building height (BH), and (vi) Air temperature (Ta) were mapped. The optimum operational scales between Heat Island Intensity (HII) and above parameters were evaluated by testing the strength of the correlations for every resolution. The best compromised scale for all parameters is 275m resolution. Thus, the measurements of these parameters contributing to heat island formation over the study areas of Hong Kong were established from mathematical relationships between them and in combination at 275m resolution. The mathematical models were then tabulated to show the impact of different percentages of parameters on HII. These tables are useful to predict the probable climatic implications of future planning decisions.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1771-1777
• /
• 2023

최근 딥러닝의 발전으로 의미론적 분할을 통한 토지피복 분류 방법들이 제안되고 있다. 그러나 기존의 딥러닝 기반 모델들은 영상 정보만을 이용하기 때문에 시공간적 일관성을 담보할 수 없는 한계점이 있다. 이에 본 연구에서는 좌표 정보를 활용한 토지피복 분류 모델을 제안한다. 먼저 암시적 신경 표현 기법인 다중해상도 해시 인코더를 위경도 좌표계로 확장한 좌표 해시 인코더를 통해 좌표의 특징을 추출하였다. 다음으로 추출된 좌표 특징을 다양한 단계의 U-net 디코더와 결합하는 아키텍처를 제안하였다. 실험 결과, 제안 방법이 약 32% 향상된 분류 정확도를 보였고, 시공간적 일관성이 향상됨을 확인하였다.

• 한국습지학회지
• /
• 제26권2호
• /
• pp.147-159
• /
• 2024

부족한 하천유출 관측 데이터는 모델 보정 작업을 어렵게 만들어 모델의 성능 향상을 제한한다. 위성 기반 원격탐사 자료는 수문 관련 데이터의 확보에 적극적으로 활용될 수 있으므로 새로운 대안이 될 수 있다. 최근에는 여러 연구를 통하여 기존의 개념적/물리적 모델보다는 인공지능을 이용한 해법이 더 적절하다는 평가를 받고 있다. 본 연구에서는 다양한 순환 신경망들과 의사결정나무 기반 알고리즘들을 결합한 자료 기반 접근 방식을 제안하였다. 또한 인공지능 학습을 위하여 인공위성 원격탐사 정보의 활용성을 조사하였다. 본 연구에서 위성영상은 MODIS와 SMAP의 자료가 사용된다. 공적으로 공개된 25개 유역의 자료를 사용하여 제안된 접근 방식을 검증하였다. 전통적인 지역화 접근법에서 착안하여 모든 유역의 자료를 통합하여 하나의 자료 기반 모델을 학습하는 전략을 채택하였으며, Leave-one-out cross-validation 지역화 설정을 이용하여 하나의 모델이 다양한 유역의 하천유출을 예측함으로써 제안된 접근 방식의 잠재력을 평가하였다. GRU + Light GBM 모델이 대상 유역에 적합한 모델 조합으로 판명되었으며(25개 미계측 유역 일 하천유량 예측 모형효율계수 평균 0.7187) 하천유출이 매우 작은 시기를 제외하면 우수한 미계측 유역의 하천유출 예측 성능을 보여주었다. 인공위성 원격탐사 정보의 영향력은 최대 10% 정도로 파악되었으며, 위성 정보의 추가 적용이 풍수기 또는 평수기보다는 저수기 또는 갈수기의 하천유출 예측에 더 큰 영향을 미쳤다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1643-1652
• /
• 2022

해양생태계 및 수산자원, 해상안전에 부정적인 영향을 미치는 해양침적쓰레기는 주로 음파탐지기, 인양틀 및 잠수부를 통해 탐지되고 있다. 시간과 비용을 고려하여 최근에는 수중영상과 인공지능을 결합한 방법이 시도되고 시작했다. 본 연구에서는 효율적이고 정확한 해양침적쓰레기 탐지를 위하여, 수중영상과 딥러닝 객체탐지 모델인 You Only Look Once Version 5 (YOLOv5)와 You Only Look Once Version 7 (YOLOv7)을 학습 및 비교평가를 수행하였다. 유리, 금속, 어망, 타이어, 나무, 플라스틱 등의 객체탐지에 있어, 두 모델 모두 0.85 이상의 Mean Average Precision (mAP@0.5)를 기록하였다. 향후 영상자료 용량이 충분해지면, 보다 객관적인 성능평가 및 모델 개선이 가능할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제15권2호
• /
• pp.147-158
• /
• 1999

지표면에 대한 다양한 정보를 제공해 주는 원격탐사기법은 수 십년 동안 우리의 환경을 관찰하고 이해하는데 중요한 역할을 해왔다. 이러한 원격탐사 자료를 이용하는데 다양한 디지털 영상처리기법이 도입되어 자료에서 관찰되는 여러 가지 특성을 모형화하고 처리하는데 매우 유용하게 활용되어져 왔다. 화소들 간의 공간적 관계를 고려하는 Markov Random Field (MRF) 모형은 텍스처 모델링이나 영상분할 및 분류와 같은 여러 분야에서 많이 이용되는 모형으로 이것에 기초한 다양한 알고리즘이 발표되었다. 보통 원격탐사 자료는 그 크기가 매우 크고 시간적 간격을 두고 변화를 관측해 가는 경우에는 분석해야할 자료의 양이 매우 방대하다. 이러한 자료를 처리하는데 걸리는 시간은 처리해야할 자료의 양과는 비선형적 관계에 있다. 본 논문에서는 MRF를 이용하여 원격탐사 자료를 처리할 때 걸리는 시간을 단축하기 위한 방법론이 연구되었다. 이를 위해 논리적 구조로 영상을 피라미드형태로 감소하는 크기로 분석하는 multiresolution 구조가 고려되었는데 이는 연상의 거시적 특징과 미세한 특징을 효율적으로 분석할 수 있는 방법을 제공해 준다. 영상의 크기가 커질수록 파라미터 추정 또한 복잡하고 많은 시간을 요하게 된다. 본 논문에서는 이를 위해 Bayesian 방법을 이용하여 원격탐사 영상과 같은 크기가 큰 영상의 MRF 모형의 파라미터를 효율적으로 추정할 수 있는 방법에 제안되어 있다.

• 대한원격탐사학회지
• /
• 제36권6_3호
• /
• pp.1711-1720
• /
• 2020

최근 급속한 산업화와 도시화로 인해 인위적으로 발생하는 미세먼지(Particulate matter, PM)는 기상 조건에 따라 이동 및 분산되면서 피부와 호흡기 등 인체에 악영향을 미친다. 본 연구는 기상인자를 multiple linear regression(MLR), support vector machine(SVM), 그리고 random forest(RF) 모델의 입력자료로 하여 서울시 PM10 농도를 예측하고, 모델 간 성능을 비교 평가하는데 그 목적을 둔다. 먼저 서울시에 소재한 39개소 대기오염측정망(air quality monitoring sites, AQMS)에서 관측된 PM10 농도 자료를 8:2 비율로 구분하여 모델 훈련과 검증 데이터셋으로 사용되었다. 또한 기상관측소(automatic weather system, AWS)에서 관측되고 있는 자료 중 9개 기상인자(평균기온, 최고기온, 최저기온, 일 강수량, 평균풍속, 최대순간풍속, 최대순간풍속풍향, 황사발생유무, 상대습도)가 모델의 입력자료로 선정되었다. 각 AQMS에서 관측된 PM10 농도와 MLR, SVM, 그리고 RF 모델에 의해 예측된 PM10 농도 간 결정계수(R2)는 각각 0.260, 0.772, 그리고 0.793이었고, RF 모델이 PM10 농도 예측에 가장 높은 성능을 나타냈다. 특히 모델 검증에 사용되는 AQMS 중 관악구와 강남대로 AQMS는 상대적으로 AWS에 가까워 SVM과 RF 모델에서 높은 정확도를 나타냈다. 종로구 AQMS는 AWS에서 비교적 멀리 떨어져 있지만, 인접한 두 AQMS 데이터가 모델 학습에 사용되었기 때문에 두 모델에서 높은 정확도를 나타냈다. 반면 용산구 AQMS는 AQMS 및 AWS에서 비교적 멀리 떨어져 있기에 두 모델의 성능이 낮게 나타냈다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1491-1495
• /
• 2023

본 연구는 북극의 해빙표면온도(ice surface temperature, IST)를 자동화된 기계 학습(automated machine learning, AutoML) 기반으로 산출하였다. AutoML 기반 IST는 상관관계(correlation coefficient, R) 0.97, 평균 제곱근 오차(root mean squared error, RMSE) 2.51K로 산출되었다. 심층신경망(deep neural network, DNN) 모델과 비교하여 AutoML IST는 Moderate Resolution Imaging Spectroradiometer (MODIS) IST 및 ice mass balance (IMB) buoy IST와의 검증 결과에서 좋은 정확도를 보인다. 이는 어려운 극지방 조건에서 IST 추정 정확도를 향상시키는 AutoML의 효과를 강조한다.