• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1191-1205
• /
• 2022

복잡하고 광범위한 원인을 가진 대기오염물질 중 particulate matter (PM)은 입자의 크기에 따라 분류된다. 그 중 PM_2.5는 그 크기가 매우 작아 사람이 흡입하면 인간의 호흡기나 심혈관에 질병을 유발할 수 있다. 이러한 위험에 대비하기 위해서는 국가 중심의 관리와 사전에 예방할 수 있는 모니터링 및 예측이 중요하다. 본 연구는 고농도 미세먼지의 발생이 잦은 서울시의 PM_2.5를 local data assimilation and prediction system (LDAPS) 기상 관련 인자 15가지와 aerosol optical depth (AOD), 화학인자 4가지를 독립변수로 하여 앙상블 모델 두 가지 random forest (RF)와 extreme gradient boosting (XGB)로 예측하고자 하였다. 예측에 사용된 두 모델의 성능 평가와 인자 중요도 평가를 수행하였으며, 계절별 모델 분석도 수행하였다. 예측 정확도 결과, RF가 R² = 0.85, XGB가 R² = 0.91의 높은 예측 정확도를 보이며 XGB가 RF보다 PM_2.5 예측에 적합한 모델임을 확인하였다. 계절별 모델 분석 결과, 봄에 농도가 높은 관측 값과 비교하여 예측 수행이 잘 되었다고 할 수 있다. 본 연구는 다양한 인자를 이용하여 서울시의 PM_2.5를 예측하였고, 좋은 성능을 보이는 앙상블 기반의 PM_2.5 예측 모델을 구축하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1315-1328
• /
• 2022

신두리해빈 인근지역은 겨울철 북서풍의 영향으로 인하여 모래언덕을 이룬 전형적인 퇴적지형이다. 그 규모가 방대하고 잘 발달되어 있어 보존가치를 인정받아 현재 천연기념물 제431호로 지정되어 있으며 지형학적 가치 보존 측면에서 꾸준한 모니터링이 필요하다. 본 연구에서는 충청남도 태안군에 위치한 신두리 해안사구의 장기간 지형변화 관측을 위해 약 36년 동안의 항공영상, 드론영상 그리고 드론기반 LiDAR 자료를 사용하여 분석하였다. 이를 위해서 원 자료로부터 생성된 Digital Elevation Model (DEM)을 사용하여 래스터 연산기반의 DEM 차분 기법을 적용하여 각 기간별 표고 및 부피의 변화량을 산정하였다. 또한 각 자료원의 고유오차를 오차전파법칙을 이용하여 확률기반의 부피의 변화량도 산정하였다. 그 결과, 1986년부터 2022년까지 관심영역 A (면적: 17,960 m²)에서는 35,119 m³의 퇴적이 발생하였으며, 관심영역 B (면적: 17,686 m²)에서는 54,954 m³의 퇴적이 발생하였음을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.901-912
• /
• 2022

전 세계적인 기후변화로 재해발생빈도가 증가하고 있으며, 국내에서도 이례적인 폭우 및 장마현상이 발생되고 있다. 이러한 기상이변현상은 가뭄, 홍수 등으로 이어져 2차피해를 유발할 수 있으므로 주기적인 모니터링과 신속한 탐지가 중요하다. 수체탐지를 위하여 광학영상을 활용한 연구가 지속적으로 이루어지고 있으나, 폭우를 동반하여 발생하는 홍수를 탐지하기 위해서는 구름의 영향으로 탐지하기 어렵다는 한계를 대변하기 위해 전천후 주야에 관계없이 관측가능한 합성개구레이더(synthetic aperture radar, SAR)를 활용한 연구가 필요하다. 본 연구에서는 개방데이터로서 24시간 이내에 수집 가능한 Sentinel-1 SAR 영상을 활용하여 최근 다양한 분야에서 활용되고 있는 딥러닝 알고리즘인 UNet을 적용하였다. 선행연구에서 SAR영상과 딥러닝 알고리즘을 이용하여 수체탐지 연구가 진행되고 있지만, 국내를 대상으로 소수의 연구만이 진행되었다. 따라서 SAR 영상의 딥러닝 적용가능성을 파악해보고자 UNet과 기존의 알고리즘인 임계값(thresholding) 방법을 비교하였으며, 5가지 지수와 Sentinel-2 normalized difference water index (NDWI)로 평가하였다. Intersect of union (IoU)로 정확도를 평가해 본 결과 UNet은 0.894, 임계값 방법은 0.699로 UNet의 정확도가 높은 것을 확인할 수 있었다. 본 연구를 통해 딥러닝 기반 SAR영상의 적용가능성을 확인할 수 있었으며, 고해상도의 SAR영상과 딥러닝 알고리즘을 적용한다면, 국내를 대상으로 주기적이고 정확한 수체의 변화탐지가 가능할 것이라 기대된다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.523-533
• /
• 2022

이 논문에서는 상호보완적인 공간 및 분광해상도를 가진 다중센서 위성영상을 이용하여 공간해상도와 분광해상도를 향상시키기 위해 영역-점 회귀 크리깅(area-to-point regression kriging, ATPRK) 기반의 2단계 spatio-spectral fusion method (2SSFM)을 제안하였다. 2SSFM은 ATPRK와 random forest 회귀 모형을 결합하여 다중센서 위성영상에서 높은 공간해상도를 갖는 분광 밴드를 예측한다. 첫 번째 단계에서는 다중센서 위성영상 사이의 공간해상도 차이를 감소시키기 위해 ATPRK 기반 공간 상세화를 수행한다. 두 번째 단계에서는 다중센서 위성영상 사이의 분광 밴드의 관계성을 정량화하기 위해 random forest를 이용한 회귀 모델링을 적용하였다. 2SSFM의 예측 성능은 적색 경계와 단파 적외선 밴드를 생성하는 사례 연구를 통해 평가하였다. 사례 연구에서 2SSFM은 실제 분광 밴드와 유사한 분광패턴을 보이면서 공간해상도가 향상된 적색 경계와 단파 적외선 밴드를 생성할 수 있었으며, 2SSFM가 고해상도 위성영상에서 제공하지 않은 분광 밴드 생성에 유용함을 확인할 수 있었다. 따라서 2SSFM을 통해 실제로 획득 불가능하지만 환경 모니터링에 효과적인 분광 밴드를 예측함으로써 다양한 분광 지수를 생성할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.669-683
• /
• 2022

최근 20년간 산불의 빈도와 피해는 증가하는 경향이 있다. 산불에 효과적으로 대응하기 위해 산불 피해 규모와 범위 등 산불피해에 대한 정보를 잘 관리할 필요가 있다. 따라서 본 연구에서는 VIIRS 위성 영상을 이용하여 대형 산불의 피해 범위에 대한 정보를 빠른 주기로 추출하는 방법을 제시하고자 하였다. 이를 위해 2022년 3월 동해안 산불이 발생한 시기에 한반도를 관측한 VIIRS 자료를 확보하여 영상화하였다. VIIRS 영상은 ISODATA 기법을 활용하여 무감독 분류하였다. 이후 그 결과를 연소 지역과 화염의 위치의 관계를 이용하여 재분류하여 산불피해 범위를 추출하였다. 추출 결과는 검증 및 비교자료와 비교하였다. 비교 결과, 대형 산불의 경우 VIIRS 영상을 분류하여 추출한 것이 산불발생자료를 통해 추정한 것보다 더 정확한 것으로 나타났다. 본 연구를 통해 확인한 산불피해 범위 추출 방법은 산불 관리를 위한 피해 범위자료를 만드는 데 사용할 수 있다. 본 연구 방법을 자동화한다면 VIIRS 기반의 일별 산불피해 모니터링이 가능할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.793-810
• /
• 2022

실시간 범람 모니터링을 위해 인공위성 SAR영상을 활용하는 수체탐지에 대한 필요성이 대두되었다. 주야와 기상에 상관없이 주기적으로 촬영 가능한 인공위성 SAR 영상은 육지와 물의 영상학적 특징이 달라 수체탐지에 적합하나, 스페클 노이즈와 영상별 상이한 밝기 값 등의 한계를 내포하여 다양한 시기에 촬영된 영상에 일괄적으로 적용 가능한 수체탐지 알고리즘 개발이 쉽지 않다. 이를 위해 본 연구에서는 Convolutional Neural Networks (CNN)기반 모델인 U-Net 아키텍처에 레이어의 조합인 모듈을 추가하여 별도의 전처리 없이 수체탐지의 정확도 향상 방법을 제시하였다. 풀링 레이어의 조합을 활용하여 형태학적 연산처리 효과를 제공하는 Morphology Module과 전통적인 경계탐지 알고리즘의 가중치를 대입한 컨볼루션 레이어를 사용하여 경계 학습을 강화시키는 Edge-enhanced Module의 다양한 버전을 테스트하여, 최적의 모듈 구성을 도출하였다. 최적의 모듈 버전으로 판단된 min-pooling과 max-pooling이 연속으로 이어진 레이어와 min-pooling로 구성된 Morphology 모듈과 샤를(Scharr) 필터를 적용한 Edge-enhanced 모듈의 산출물을 U-Net 모델의 conv 9에 입력자료로 추가하였을 때, 정량적으로 9.81%의 F1-score 향상을 보여주었으며, 기존의 U-Net 모델이 탐지하지 못한 작은 수체와 경계선을 보다 세밀하게 탐지할 수 있는 성능을 정성적 평가를 통해 확인하였다.

• 해양환경안전학회지
• /
• 제28권spc호
• /
• pp.1-10
• /
• 2022

국내외 해상 위험·유해물질(Hazardous and Noxious Substances, HNS) 물동량이 증가함에 따라 HNS 유출 사고의 위험성이 점차 높아지고 있다. 해상에 유출된 HNS는 해양생태계 파괴를 비롯한 해양환경 오염 및 인명피해를 유발하며, 화재 및 폭발 등을 동반한 2차 사고 발생 가능성도 존재한다. 따라서 해상 HNS의 신속한 탐지와 각 물질 특성에 적합한 방제전략을 수립해야 한다. 본 연구에서는 초분광 원격탐사에 기반한 지상 HNS 유출 실험 과정 및 탐지 알고리즘 적용 결과를 제시하고자 한다. 이를 위해 프랑스 브레스트 지역의 야외 풀장에서 스티렌을 유출한 후 초분광 센서를 활용한 동시 관측을 수행하였다. 순수 스티렌 및 해수 스펙트럼은 주성분 분석(principal component analysis, PCA) 및 N-Findr 기법을 적용하여 추출하였으며, 또한 spectral distance similarity (SDS), spectral correlation similarity (SCS), spectral similarity value (SSV), spectral angle mapper (SAM)을 포함한 분광정합 기법을 적용하여 초분광 영상 내 화소들을 스티렌 및 해수로 분류하였다. 그 결과 SDS 및 SSV 기법이 우수한 스티렌 탐지 결과를 보여주었으며, 스티렌 총 면적은 약 1.03 m²로 추정되었다. 본 연구는 해상 HNS 모니터링에 주요 역할을 할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.183-192
• /
• 2023

위성영상 및 항공사진과 같은 원격탐사 자료들은 영상판독과 영상처리 기법을 통하여 영상 내의 객체를 탐지하고 추출하는 데에 사용될 수 있다. 특히, 원격탐사 자료의 해상도가 향상되고, 딥러닝(deep learning) 모델 등과 같은 기술의 발전으로 인하여 관심객체를 자동으로 추출하여 지도갱신 및 지형 모니터링 등에 활용될 수 있는 가능성이 증대되고 있다. 이를 위해, 본 연구에서는 의미론적 분할에 사용되는 대표적인 딥러닝 모델인 fully convolutional densely connected convolutional network (FC-DenseNet)을 기반으로 하여 항공정사영상 내 존재하는 비닐하우스를 추출하고, 이에 대한 결과를 정량적으로 평가하였다. 농림축산식품부의 팜맵(farm map)을 이용하여 담양, 밀양지역의 비닐하우스에 대한 레이블링을 수행하여 훈련자료를 생성하고, 훈련자료를 이용하여 FC-DenseNet의 훈련을 수행하였다. 원격탐사자료에 딥러닝 모델을 효과적으로 이용하기 위하여, 각 밴드별 특성이 유지되도록 instance norm을 이용하여 정규화과정을 수행하였으며, attention module을 추가하여 각 밴드별 가중치를 효과적으로 산정하였다. 실험결과, 딥러닝 모델을 이용하여 영상 내 존재하는 비닐하우스 지역을 효과적으로 추출할 수 있음을 확인하였으며 팜맵, 토지피복지도 등의 갱신에 활용될 수 있을 것으로 판단하였다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.223-232
• /
• 2023

고해상도의 위성 영상을 이용하여 지표를 모니터링하기 위한 방법으로 분석 대상 객체의 색상을 이용하여 영상을 분류하는 방법이 널리 사용된다. 고해상도 위성영상에서는 도심 지역의 경우 건물, 도로 등과 같은 주요 객체들 이외에도 수목 등과 같은 식생 객체들도 빈번하게 나타난다. 도심 지역에 나타나는 식생 객체들의 색상은 건물, 도로, 그림자 등의 객체와 유사한 경우가 많으며, 이는 색상 정보에 기초하여 객체를 분류할 경우에 분류 성능이 저하되는 요인이 된다. 본 연구에서는 건물 등과 같은 다양한 색상을 가지는 객체뿐만 아니라 식생 객체도 정확하게 분류할 수 있는 기법을 제안한다. 제안하는 방법은 식생 객체 검출에 유용한 정규식생지수 영상을 RGB 영상과 함께 사용하고 객체 클래스를 서브 클래스로 세분화하여 분류한다. 서브 클래스 분류 결과를 융합한 후에 영상 분할 결과와 결합하여 최종 분류 결과를 생성한다. 차세대중형위성1호 영상을 이용한 실험에서 정규식생지수를 사용하지 않은 서브채널 분류 기법과 서브클래스 분류 기법의 overall accuracy가 각각 73.18%, 81.79%의 결과를 보인 반면, 정규식생지수와 서브클래스 분류를 함께 적용하여 제안한 방법은 overall accuracy가 87.42%의 우수한 성능을 보였다.

• 대한토목학회논문집
• /
• 제28권2B호
• /
• pp.177-185
• /
• 2008

적설분포의 정확한 모니터링은 일 기상 예측, 융설 유출 모델링과 동시에 기후와 지구의 연구에 중요한 요소이다. 융설 모형의 중요 매개변수인 적설분포면적은 실제 우리나라에서 적설과 관련한 관측 자료의 부족으로 인해 매개변수 추정이 어렵다. 이러한 문제점 해결을 위해 원격탐사기법을 활용하여 적설분포면적을 추출하였다. 본 연구에서는 1997년부터 2006년까지의 겨울철 NOAA AVHRR 위성영상의 8 sets의 총 108개 영상을 이용하여 적설분포면적을 추출하였고, 기상청의 지상기상관측소의 최심적설심 자료를 이용하여 GIS 자료를 구축함으로써 적설심의 공간적 분포를 추출하였다. 이를 이용하여 국내 주요 7개 댐유역에 대한 융설모형의 주요 매개변수인 적설분포면적, 유역 평균, 최대 적설심과 적설분포면적감소곡선을 구축하였다. 시간의 경과에 따른 적설면적의 감소는 지수함수적 감소곡선으로 표현이 가능하였으며, 곡선의 결정계수($R^2$)는 0.46~0.88의 범위를 보였다. 최대적설면적에서 10일이 경과하면 적설면적은 70-100% 감소하는 것으로 나타났다.