• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1553-1563
• /
• 2023

천리안 해양관측위성 2호기(Geostationary Ocean Color Imager-II, GOCI-II)는 한반도 주변을 포함한 동북아 해역과 전구 영역을 관측하는 해색 위성으로 지난 10년간 운용된 GOCI의 임무를 이어받아 2020년부터 현재까지 운용되고 있다. 본 연구에서는 해색 데이터 산출에 있어 필수 과정인 대기보정 알고리즘을 개선하기 위해 GOCI 영상을 이용한 GOCI-II 근적외 파장(near-infrared, NIR) 밴드의 대리교정을 수행하였다. 이를 위해 NIR 밴드의 대기상층(top-of-atmosphere, TOA) radiance에 대한 교차보정 연구를 수행하였으며, 그 결과로 대리교정 상수를 도출하였다. 본 연구에서 도출된 대리교정 상수를 이용하여 보정한 결과 두 센서의 offset이 감소하였으며, ratio는 745 nm, 865 nm에 대해 각 1.02, 1.04에서 1.0, 0.99로 개선되었다. 이는 두 센서의 일관성이 높아진 것으로 판단된다. 또한, 대기 분자 산란 보정 반사도(Rayleigh-corrected reflectance, 𝜌_rc)는 각각 5.62, 9.52% 증가하였다. 이로 인해 745 nm와 865 nm 𝜌_rc의 비율의 차이가 발생했으며, 이는 대기보정 알고리즘 내 에어로졸 광 산란 보정 과정을 통해 모든 밴드의 대기보정 결과에 영향을 줄 수 있다. GOCI, GOCI-II 두 위성의 중복되는 운용 기간이 짧아 2021년 3월의 자료만을 사용하였으나, 향후 타위성과의 지속적인 교차보정 연구를 통해 개선이 가능할 것으로 사료된다. 또한 본 연구에서 도출된 NIR 밴드의 대리교정 상수를 적용하여 가시 채널의 대리교정을 수행하고, 해색 산출물의 정확도에 미치는 영향을 분석할 필요가 있다.

• 대한공간정보학회지
• /
• 제9권2호
• /
• pp.37-46
• /
• 2001

위성영상을 이용한 토지피복 분류를 시행할 때 대부분 화소의 밝기값(DN: Digital Number)에 의존하는 분광적 패턴인식기법을 사용해 왔다. 그러나 화소의 DN이 해당화소 뿐만 아니라 인접화소와도 밀접한 관련이 있다는 점을 고려할 때, 인접화소의 영향을 고려한 토지피복 분류에 관한 연구가 필요하다. 또한, 위성영상의 공간해상도가 기술의 발달로 인해 현격히 향상되고 있다는 점을 고려할 때 공간적 분류방법은 반드시 고려되어야 한다. 본 연구에서는 supervised 분류방식에 의한 분광적 분류방법과 분광적 분류방법에 화소의 공간적 분포패턴까지를 적용한 공간적 분류방법의 정확도를 평가하여 공간적 분류방법의 적용 타당성을 제시하고자 하였다. 6가지 공간적 분류방법을 적용한 실험을 통해 공간적 분류방법을 이용한 경우가 분광적 분류방법만을 이용한 경우보다 2-6% 정도 분류정확도가 증가됨을 알 수 있었다. 또한 밴드조합을 달리 설정하여 분류를 실시한 실험을 통해 공간적 분류방법을 적용하였을 때 기존 분광적 분류방법만을 이용한 경우보다 향상된 정확도 결과를 얻을 수 있음을 통계적으로 입증할 수 있었다.

• 대한원격탐사학회지
• /
• 제39권3호
• /
• pp.363-370
• /
• 2023

다양한 지구관측위성은 발사 후 정확한 고품질의 자료를 제공하는 것이 중요하다. 위성 자료 품질을 유지 및 보완하기 위해서는 서로 다른 센서 차이를 고려하는 spectral band adjustment factor (SBAF)를 활용한 교차 검보정 과정이 필요하다. 따라서 본 연구에서는 pseudo-invariant calibration sites 중 Libya4, Algeria3, Mauritania2 에서 수집한 Landsat-8, Sentinel-2A 위성 영상을 활용하여 SBAF 산출 및 적용을 통해 밴드 대역 폭 차이로 인해 발생하는 불확실성을 조정하였다. 두 위성 모두 Blue, Green, Red를 포함하고 Sentinel-2A의 경우 near-infrared (NIR) narrow와 NIR 두 가지 밴드 모두에 SBAF를 적용하여 밴드대역폭 유사도에 따른 반사도 차이를 정량적으로 비교하였다. SBAF 적용 후, NIR을 제외한 모든 밴드(Blue, Green, Red, NIR narrow)에서 1% 내외의 반사도 차이로 유의미한 결과가 나타났다. Sentinel-2A NIR 밴드의 경우 밴드대역폭 차이가 NIR narrow에 비해 크게 나타났지만, SBAF 적용 후에 반사도 차이가 허용 오차범위인 5%와 1-2% 차이로 SBAF 적용이 가능한 것으로 나타났다. 따라서, 위성 활용이 제한적인 상황에서 두 센서의 밴드대역폭 차이가 큰 경우에도 SBAF를 적용할 수 있다고 판단하였고 위성 자료의 품질 및 연속성을 활용하는 연구에 도움이 될 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제30권5호
• /
• pp.677-686
• /
• 2014

2014년에 완공된 남극 장보고 과학기지 주변 테라노바 만은 연중 해빙이 넓게 분포하고 있어 쇄빙선의 항해에 매우 큰 영향을 미치고 있다. 이 연구에서는 수동 마이크로파 센서인 Special Sensor Microwave/Imager (SSM/I) 및 Special Sensor Microwave Imager/Sounder (SSMIS)의 최근 10년간 해빙 면적비 자료와 우리나라의 쇄빙 연구선인 아라온호의 2010-2012년 항해 경로를 이용하여 장보고 과학기지 방문을 위한 쇄빙선의 최적 항로와 항해 가능 기간을 분석하였다. 아라온호는 최대 78%의 해빙 면적비를 보이는 지역까지 항해가 가능하였다. 아라온호의 항해속도는 해빙 면적비가 높을수록 감소하였으나, 70%의 해빙 면적비까지는 전체 항로에 대한 평균속도(~11 kn)에 근접한 속도를 나타냈다. 이에 따라 아라온호는 70% 이하의 해빙 면적비까지 일반적 운항이 가능하다고 판단하였다. 2010-2012년에 아라온호가 항해한 경로에 대해, 최근 10년 동안의 해빙 면적비 자료로부터 70% 이하의 해빙 면적비를 나타내는 연중 항해가능 기간을 도출하였다. 2010년과 2011년의 항로에 대한 10년 동안의 연중 최대 항해 가능 기간은 각각 연 61일과 62일이었으나, 70% 이하의 해빙 면적비가 관찰되지 않아 일반적인 항해가 어려운 연도가 일부 관찰 되었다. 반면 2012년의 아라온호 항해 경로는 매년 70% 이하의 해빙 면적비를 나타내는 항해 가능 기간이 존재하였으며, 이는 최소 연 15일에서 최대 연 89일로 분석되었다. 이를 통해 2012년에 운항한 아라온호의 항로가 장보고 과학기지 방문을 위한 쇄빙선의 최적 항로임을 제시할 수 있었다. 하지만 수 십 km의 해상도를 가지는 해빙 면적비 자료로는 장보고기지 연안에 근접한 해빙 상태를 알 수 없기 때문에, 고해상도의 광학 및 SAR 자료를 이용한 연구가 필요할 것으로 보인다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.193-197
• /
• 2006

지상측정 및 위성영상탑재 광학센서를 이용하여 벼 주요 생육시기에 대한 군락의 엽질소 함량을 추정하였다. 6월부터 10월에 걸쳐 주요 생육시기 $5{\sim}6$회에 걸쳐 Orbview 및 QuickBird와 같이 4m 이하의 고해상도 다중영상을 취득하였다. 위성영상 취득일에 가능한한 맞추어 인공광원을 사용하는 2종의 능동형 광학 (G)NDVI 센서를 이용한 벼 군락의 반사특성을 측정하였으며 동시에 식물체 샘플링을 통한 생육량, 엽면적지수, 엽질소 함량 등을 분석하였다. 시기별 영상의 분광반사특성 및 (G)NDVI와 벼 생육량 및 엽질소 함량과의 관계를 알아보기 위해 상관분석 및 회귀분석을 수행하였다. 지상센서 및 위성영상 유래 (G)NDVI의 값을 서로 비교해 보면 전체적으로 지상센서를 이용하여 측정한 (G)NDVI값이 위성영상 유래 (G)NDVI값보다 크게 나타났다. 하지만 두 센서 모두 엽면적지수 변화에 따른 (G)NDVI의 변화를 살펴보면 엽면적지수가 2 정도가 될 때까지는 함께 증가하다가 2보다 커지면서는 변화가 없이 머무르는 경향은 같게 나타났다. 엽면적지수의 변화는 군락의 엽질소함량 변화와 선형적인 관계($R^2=0.80$)로 나타났다. 분얼기부터 성숙초기까지의 자료를 이용하여 지상센서 및 위성영상 유래 (G)NDVI를 이용한 벼 군락의 엽질소 함량과의 관계를 살펴보니 지수함수적 관계($R^2=0.90$)로 나타났다. 위성영상 유래 (G)NDVI를 이용한 벼 군락의 엽질소 함량 추정식을 이용하여 신평면 최고쌀 생산단지에 대한 엽질소 함량 지도를 작성하였다.

• 한국지리정보학회지
• /
• 제14권2호
• /
• pp.69-81
• /
• 2011

원격탐사자료로부터 추정된 토양수분자료의 우리나라 지역에 대한 적용성을 평가하기 위하여 NASA와 VUA-NASA의 AMSR-E 토양수분자료를 수집하여, 2008년 5월 16일부터 8월 19일까지 용담댐 유역내 6개 지상관측지점의 토양수분자료와 비교분석을 수행하였다. 시계열 분석결과, 지상관측 토양수분자료의 평균은 약 $0.218m^3/m^3$, NASA 자료의 평균은 약 $0.119m^3/m^3$, VUA-NASA 자료의 평균은 약 $0.402m^3/m^3$으로 나타나, NASA의 토양수분자료는 용담댐 유역에 있어서 과소 추정되었으며, VUA-NASA 자료는 과대 추정되었다는 것을 알 수 있었다. 지상관측자료와의 상관성 분석결과, NASA 알고리듬을 이용한 토양수분자료보다 VUA-NASA의 토양수분자료가 지상관측자료와 더 높은 상관성을 보여주었다. 그러나 C-band 원격탐사 토양수분자료가 가지는 한계가 존재함을 알 수 있으며, 원격탐사 토양수분자료의 활용성을 높이기 위하여 다양한 토지피복, 식생 등에 대한 지상관측 토양수분을 활용한 편의보정 등 후처리가 필요한 실정이다.

• 대한원격탐사학회지
• /
• 제29권1호
• /
• pp.123-135
• /
• 2013

정지기상 위성의 가시채널에서 관측되는 반사도는 지상의 일사량 관측자료와 비교하여 구름량 계산이 가능하며 이를 이용하여 지표면에 도달되는 일사량을 추정할 수 있다. 기상 센서(MI)의 경우는 675 nm 파장으로 관측된 반사도를 이용하며 해양 센서(GOCI)는 기상 센서(MI)의 관측파장과 유사한 660 nm, 680 nm 파장으로 관측된 자료를 이용할 수 있다. 연구를 위하여 태풍이 있었던 흐린 날과 맑은 날을 선정하였으며 정지위성으로부터 관측된 자료들을 이용하였다. 위성영상의 반사도가 40%이상 높은 화소들은 0.3이하의 청천지수가 나타났으며 70%이상의 태양에너지가 차폐되었다. 또한 15%이하의 반사도가 나타나는 화소들은 0.9이상의 청천지수가 나타났으며 90%이상의 태양에너지가 지표면에 도달되었다. 계산된 일누적 일사량은 기상청 22개 관측소의 관측 일누적 일사량과 비교하였다. COMS와 MTSAT의 MI센서의 경우 관측값과 비교하여 다소 작게 계산되었으며 GOCI센서를 이용한 계산결과인 상관계수 0.96보다 낮은 0.94와 0.93의 상관성을 보였다. 그리고 일사량 관측값에 대한 RMSE는 MTSAT, COMS MI, GOCI순으로 2.21, 2.09, 2.02 MJ/$m^2$로 나타났다. 또한 COMS GOCI센서의 일누적 계산결과를 지상 관측자료와 비교하였을 때 흐린 날과 맑은 날의 상관성은 각각 0.96과 0.86이었으며 RMSE는 1.82 MJ/$m^2$와 2.27 MJ/$m^2$로서 흐린 날의 상관성이 높게 나타났다. COMS 위성의 해양 센서는 기상센서와 비교하여 관측시각이 한정적이고 관측의 불연속이 있으나 높은 해상도의 이점이 있기 때문에 태양에너지 분석 등의 연구에 유용할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1135-1147
• /
• 2021

고해상도 위성영상의 기하보정을 위해 촬영 당시의 위성 센서와 지표면과의 기하학적 관계를 복원하는 센서모델링 과정이 필요하다. 이를 위해 일반적으로 고해상도 위성은 RPC (Rational Polynomial Coefficient) 정보를 제공하고 있지만, 제공 RPC는 위성 센서의 위치와 자세 등에 의해 발생하는 기하왜곡을 포함하고 있다. 이러한 RPC 오차를 보정하기 위해 일반적으로 지상기준점(Ground Control Points)을 활용한다. 지상기준점을 수집하는 대표적인 방법으로 현장 측량을 통해 지상좌표를 취득하지만, 이는 위성영상의 품질이나 촬영 시기에 따른 토지피복의 변화, 기복변위 등으로 위성영상 내에서 지상기준점을 판독하기에 어려운 문제가 있다. 이에 최근에는 다양한 센서로부터 취득된 영상지도를 참조자료로 이용하여, 영상정합 기법을 통해 지상기준점 수집을 자동화할 수 있다. 본 연구에서는 무인항공기 영상을 활용하여 추출된 정합점을 통해 KOMPSAT-3A 위성영상의 RPC를 보정하고자 한다. 무인항공기 영상과 KOMPSAT-3A 위성영상의 정합점 추출을 위한 전처리 방법을 제안하고, 대표적인 특징기반 정합기법(Feature-based matching method)과 영역기반 정합기법(Area-based matching method)인 SURF (Speeded-Up Robust Features)와 위상상관(Phase Correlation) 기법을 각각 적용하여 추출된 정합점의 특성을 비교하였다. 각 기법을 통해 추출된 정합점을 활용하여 RPC 보정계수를 산출한 후, GNSS (Global Navigation Satellite System) 측량을 통해 직접 취득한 검사점에 적용하여 KOMPSAT-3A의 기하품질을 향상하였다. 제안기법의 성능 및 활용성 검증을 위해 GCP를 이용하여 보정한 결과와 비교하여 분석하였다. GCP 기반 보정 방법은 제공 RPC보다 Sample은 2.14 pixel, Line은 5.43 pixel 만큼 개선된 보정 정확도를 보였다. 그리고 SURF와 위상상관 기법을 활용한 제안기법은 제공 RPC보다 각각 Sample은 0.83 pixel, 1.49 pixel만큼 보정되었으며, Line은 4.81 pixel, 5.19 pixel만큼 개선되었다. 이를 통해 GCP 기반 위성영상 RPC 보정 방법의 대안으로 무인항공기 영상이 활용될 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.883-893
• /
• 2019

본 연구에서는 두 가지 방법으로 작물계수를 산정하고, 그 결과를 평가하였다. 첫 번째 방법에서는 GLDAS 자료를 청미천 플럭스타워의 증발산량 실측값과 비교하여 적정성을 평가한 뒤 GLDAS 기반 실제증발산량을 잠재증발산량으로 나눠 작물계수(GLDAS K_c)를 산정하였으며, 두 번째 방법에서는 MODIS기반 식생지수(NDVI, EVI, LAI, SAVI)와 플럭스타워에서의 토양수분 실측치를 이용해 다중선형회귀분석으로 작물 계수(SM&VI K_c)를 산정하였다. 전체기간에 대한 두 가지 작물계수(GLDAS K_c, SM&VI K_c)를 통계(mean, bias, RMSE, IOA)를 통해 비교해 본 결과 평균값은 각각 0.412와 0.378, bias는 0.031과 -0.004, RMSE는 0.092와 0.069, 적합도 지표(IOA)는 0.944와 0.958로 두 방식 모두 전반적으로 실측값과 유사한 패턴을 보여주었다. 그라나 SM&VI 회귀모형 방식이 더 우수한 것으로 나타났다. 또한, 벼의 생장 단계별로 GLDAS K_c와 SM&VI K_c에 대한 통계적 평가를 수행해본 결과 초기와 중기에는 GLDAS 기반의 K_c가 더 우수했으며, 후기에는 SM&VI 기반의 K_c가 더 우수한 것으로 나타났다. 이는 봄철에는 황사, 여름철에는 비구름으로 MODIS 센서의 정확성이 감소했기 때문인 것으로 판단된다. 향후 연구를 통해 MODIS 센서의 관측 정확성이 향상된다면, SM&VI 기반 작물계수 산정방식의 정확성 역시 향상될 것으로 판단되며, 미계측 유역의 작물계수 산정이나 작물계수의 예측에 사용될 수 있을 것으로 판단된다.