• 대한원격탐사학회지
• /
• 제11권3호
• /
• pp.117-127
• /
• 1995

본 논문에서는 지표면의 유효 토양 수분함유량의 적정한 값을 추출하는 몇가지 방법을 소개하고 그 방법들을 서로 비교하였다. 지표면의 꼭대기 층은 비교적 말라 있고, 밑바닥 층은 젖 어 있어서 종단면으로 봤을 때 토양은 대개 균일하지 않은 수분함유량 분포를 갖는다. 이러한 비 균일적인 토양의 수분함유량을 봤을 때 토양은 대개 균일하지 않은 수분함유량 분포를 갖는다. 이러한 비균일적인 토양의 수분함유량을 어떤 평균적인 값으로 나타낸 것이 유효 수분함유량이 다. 이 유효 수분함유량을 구하는 간단한 방법 중의 하나는 층층이 측정한 수분함유량의 산술 평 균을 취하는 것이다. 다른 방법으로는 균일한 지표면과 비균일한 지표면의 침투 두께를 각각 계 산하고 비교하여 유효 수분함유량을 얻는 방법이 있다. 또 다른 방법은 균일 지표면과 비균일 지 표면에서 각각 반사율을 계산하고 비교하여 유효 수분함유량을 구한다. 이러한 방법들이 서로 비 교되었고, 특히 반사율 적용법이 좀 더 자세하게 연구되었는데 그 이유는 실제 레이다 산란은 전 파의 침투보다는 반사에 의해 좌우되기 때문이다.

• 대한원격탐사학회지
• /
• 제24권1호
• /
• pp.45-55
• /
• 2008

The impact on streamflow and groundwater recharge considering future potential climate and land use change was assessed using SLURP (Semi-distributed Land-Use Runoff Process) continuous hydrologic model. The model was calibrated and verified using 4 years (1999-2002) daily observed streamflow data for a $260.4km^2$ which has been continuously urbanized during the past couple of decades. The model was calibrated and validated with the coefficient of determination and Nash-Sutcliffe efficiency ranging from 0.8 to 0.7 and 0.7 to 0.5, respectively. The CCCma CGCM2 data by two SRES (Special Report on Emissions Scenarios) climate change scenarios (A2 and B2) of the IPCC (Intergovemmental Panel on Climate Change) were adopted and the future weather data was downscaled by Delta Change Method using 30 years (1977 - 2006, baseline period) weather data. The future land uses were predicted by CA (Cellular Automata)-Markov technique using the time series land use data of Landsat images. The future land uses showed that the forest and paddy area decreased 10.8 % and 6.2 % respectively while the urban area increased 14.2 %. For the future vegetation cover information, a linear regression between monthly NDVI (Normalized Difference Vegetation Index) from NOAA/AVHRR images and monthly mean temperature using five years (1998 - 2002) data was derived for each land use class. The future highest NDVI value was 0.61 while the current highest NDVI value was 0.52. The model results showed that the future predicted runoff ratio ranged from 46 % to 48 % while the present runoff ratio was 59 %. On the other hand, the impact on runoff ratio by land use change showed about 3 % increase comparing with the present land use condition. The streamflow and groundwater recharge was big decrease in the future.

• 한국지형학회지
• /
• 제24권3호
• /
• pp.105-118
• /
• 2017

The debris slope landforms which are existent in Korean mountains is generally on the steep slopes and mostly covered by vegetation, it is difficult to investigate the landform. Therefore a scientific method is required to come up with an effective field investigation plan. For this purpose, the use of Remote Sensing and GIS technologies for a spatial analysis is essential. This study has extracted the potential area of debrisslope landform formation using Fuzzy set and Bayesian Predictive Discriminate Model as mathematical data integration methods. The first step was to obtain information about debris locations and their related factors. This information was verified through field investigation and then used to build a database. In the second step, the map that zoning the study area based on the degree of debris formation possibility was generated using two modeling methods, and then cross validation technique was applied. In order to quantitatively analyze the accuracy of two modeling methods, the calculated potential rate of debrisformation within the study area was evaluated by plotting SRC(Success Rate Curve) and calculating AUC(Area Under the Curve). As a result, the prediction accuracy of Fuzzy set model wes 83.1% and Bayesian Predictive Discriminate Model wes 84.9%. It showed that two models are accurate and reliable and can contribute to efficient field investigation and debris landform management.

• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.693-703
• /
• 2019

해안지형의 자료는 장기간 해안선의 공간적 및 시간적 변화를 해석하는데 중요한 자료이다. 특히 누적된 자료를 분석하여 해빈지역의 해안침식 또는 퇴적의 추이를 이해하는 것은 향후 연안지역 관리의 측면에서 필수적이다. 본 논문에서는 경기도 안산시에 위치하고 있는 방아머리 해빈을 대상으로 2009년, 2018년, 2019년에 각각 취득된 디지탈 항공영상, 지상 레이져스캐닝 자료 그리고 드론촬영 영상과 국립해양조사원의 조위관측 자료를 이용하여 약 10년 동안의 해안선 변화를 정량적으로 분석하였다. 본 연구의 처리 과정에서는 사진측량학적 기법을 적용하여 2009년의 스테레오 영상으로부터 4.40 m인 해안선을 입체도화 방식으로 추출하였다. 2018년도에는 레이져스캐너로부터 취득한 원자료를 이용하여 수치표고모형을 생성하고 해당되는 해안선을 반자동으로 추출하였다. 2019년도에는 드론영상으로부터 수치표고모형을 생성하여 해안선을 추출하였고 3개년도의 해안선을 이용하여 해안선의 변화율을 산정하였고 정성적으로 분석하였다.

• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.359-373
• /
• 2019

소나무재선충병은 우리나라 소나무림에 심각한 위협이 되고 있는 질병이다. 그러나 일반적으로 재선충병의 고사목 관측은 현장조사를 기반으로 하고 있기 때문에 물리적, 경제적 문제가 있어 대규모 삼림을 관측하는데 어려움이 있다. 본 연구에서는 소나무재선충병이 재발한 지역에 무인 항공기를 이용하여 고해상도 영상을 획득하였다. 이후 Artificial Neural Network(ANN), Support Vector Machine(SVM) 감독분류 기법을 통해 소나무재선충병 의심목을 탐지하였고. 감독분류 결과에 대한 정확도를 산출하였다. 또한 접근성이 높은 산림에 대해 감독분류를 실시한 후 현장 조사 결과간의 비교를 통해 정확도의 신뢰성을 검증하였다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.567-575
• /
• 2021

고해상도 스테레오 위성영상에서 제공되는 초기 RPC의 보정과 이로부터 생성된 DEM 보정을 위해서는 지상기준점 획득이 선행되어야 한다. 기준점 획득은 현장답사와 GPS 측량, 지상기준점에 대응하는 영상좌표 독취 등을 수행해야 하는 매우 번거로운 작업이다. 그리고 접근이 힘들거나 불가능한 지역(갯벌, 극지대, 화산지대 등)에는 기준점 설치와 측정이 힘들기 때문에 이를 대체할 수 있는 방법이 필요하다. 이 연구에서 WorldView-2 위성영상과 초기 RPC로부터 제작된 DEM 보정을 위해 기준점의 지상좌표와 영상좌표 측량을 피하고 기 구축된 지상좌표 패키지만을 활용한 3차원 표면매칭 기법을 제안한다. 국토지리정보원 국토정보플랫폼에서 공공삼각점의 위치정보를 획득하고 제작된 DEM과 3차원 표면매칭을 실시하여 DEM을 보정하였다. 3차원 표면매칭으로 얻은 3축 이동과 회전량의 정확도를 평가하기 위하여 검사점으로 확인한 결과 평면오차는 2 m, 수직오차는 1 m 이내의 결과를 얻을 수 있었다.

• 한국지형학회지
• /
• 제24권1호
• /
• pp.77-91
• /
• 2017

Many debris landforms in the mountains of Korea have formed in the periglacial environment during the last glacial stage when the generation of sediments was active. Because these landforms are generally located on steep slopes and mostly covered by vegetation, however, it is difficult to observe and access them through field investigation. A scientific method is required to reduce the survey range before performing field investigation and to save time and cost. For this purpose, the use of remote sensing and GIS technologies is essential. This study has extracted the potential area of debris landform formation using a fuzzy set model as a mathematical data integration method. The first step was to obtain information about the location of debris landforms and their related factors. This information was verified through field observation and then used to build a database. In the second step, we conducted the fuzzy set modeling to generate a map, which classified the study area based on the possibility of debris formation. We then applied a cross-validation technique in order to evaluate the map. For a quantitative analysis, the calculated potential rate of debris formation was evaluated by plotting SRC(Success Rate Curve) and calculating AUC(Area Under the Curve). The prediction accuracy of the model was found to be 83.1%. We posit that the model is accurate and reliable enough to contribute to efficient field investigation and debris landform management.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1081-1089
• /
• 2022

본 연구는 시계열 Small Baseline Subset (SBAS)-InSAR 기법을 이용하여 울산시의 지반 침하를 조사하였으며, 79개의 Sentinel-1 SAR 영상과 385개의 간섭도 영상(interferogram)을 사용하여 2015년 5월부터 2021년 12월 울산광역시의 지상 변위(surface displacement)를 추정하였다. 지반 침하율은 북구와 남구 삼산동 2지역에서 연 3.44 cm, 1.68 cm로 계측되었다. 또한 Generic Atmospheric Correction Online Service (GACOS)로 생성한 Zenith Total Delay (ZTD) 지도를 활용하여 unwrapping된 간섭도 위상에서 대기 지연(tropospheric delay)의 영향을 제거할 수 있는 가능성을 평가하였으며, GACOS ZTD 보정 전후의 SBAS-InSAR 지상 변위 측정의 차이가 연 1 mm 미만임을 발견하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1007-1014
• /
• 2022

차세대중형위성(Compact Advanced Satellite 500, CAS500)은 식생, 산림, 농업 등의 분야를 포함한 다양한 목적을 위하여 사용될 수 있으며, 다양한 영역에 대한 빠른 위성영상의 취득이 가능할 것으로 기대되고 있다. 차세대중형위성을 통하여 취득된 위성영상을 농업분야에서 활용하기 위해서는 위성영상 기반 작물재배지역 추출 기법에 대한 개발이 필요하다. 특히, 최근 들어 딥러닝 분야에 대한 연구가 활발해짐에 따라서, 작물재배지역 추출을 위한 딥러닝 모델의 개발 및 훈련자료 생성에 관한 연구가 필요한 실정이다. 본 연구에서는 PlanetScope 위성영상과 팜맵을 이용하여 합천군 지역의 양파 및 마늘 재배지역을 분류하고자 하였다. 특히, 효과적인 모델의 학습을 위하여 작물재배지역의 비율에 따른 모델 성능을 분석하고자 하였다. 실험에 사용한 딥러닝 모델은 Fully Convolutional Densely Connected Convolutional Network (FC-DenseNet)을 작물재배지역 분류의 목적에 맞도록 재구성하여 활용하였다. 실험결과, 훈련자료 내 작물재배지역의 비율이 딥러닝 모델의 성능에 영향을 미치는 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1653-1661
• /
• 2022

본 연구에서는 천리안위성 2A호 1일 평균 표층수온영상을 대상으로 합성곱신경망(convolution neural network, CNN) 딥러닝 기법을 적용하여 냉수대 발생 여부를 분류하는 연구를 수행하였다. 이를 위하여, 2019년부터 2022년까지 1,155장의 영상을 사용하였으며, 국립수산과학원 제공 냉수대 발생 주의보 및 경보자료로부터 냉수대 발생 영상과 그 외 영상으로 분류하여 학습을 수행하였다. 학습 결과로 82.5%의 probability of detection (POD)와 54.4%의 false alarm ratio (FAR) 지수를 획득하였다. 오분류 분석을 통해 냉수대 분류에 실패한 경우의 대부분은 구름의 영향 때문이며, 비냉수대를 오분류한 경우의 대부분은 실제 영상에 냉수대가 존재함을 확인하였다.