• 대한원격탐사학회지
• /
• 제33권2호
• /
• pp.135-147
• /
• 2017

본 연구에서는 처음으로 한반도 서울지역에서 OMI (Ozone Monitoring Instrument) 센서로 관측된 대류권 이산화질소 칼럼농도를 이용하여 OMI 센서의 관측시간인 13:45에서의 월 평균 및 일별 위성 지표 이산화질소 혼합비를 추정하였다. 본 연구에서는 세 가지 회귀모델들이 이용되었다. 첫 번째 회귀모델(M1)은 OMI 대류권 이산화질소 칼럼농도와 지점 측정값과의 선형회귀를 통한 회귀계수로 구성되어있다. 두번째 회귀모델(M2)은 OMI 대류권 이산화질소 칼럼농도와 AIRS (Atmospheric Infrared Sounder) 센서로 관측한 행성경계층 높이, 온도, 압력 자료 모두가 반영된 회귀모델이다. 세 번째 회귀모델(M3M, M3D)은 다중회귀모델로서 앞서 고려된 이산화질소 칼럼농도와 행성경계층 높이와 다양한 기상변수를 추가적으로 반영하는 회귀모델이다. 본 연구에서는 2009년에서 2011년까지를 회귀모델의 훈련기간으로 하여서 각 회귀식의 회귀계수를 도출하였으며 2012년도는 검증기간으로서 훈련기간에 도출된 회귀모델들의 성능을 평가하였다. 회귀모델들로 추정된 월 평균 지표 이산화질소 혼합비와 지점 관측소에서 지점 측정장비로 측정된 월평균 지표 이산화질소 혼합비와 가장 높은 상관성(avg. R = 0.77)을 보이는 회귀분석방법은 다중회귀분석방법(M3M)이다. 또한, 회귀모델들로 추정된 13:45에서의 일 지표 이산화질소 혼합비와 지점 관측소에서 지점장비로 측정된 지표 이산화질소 혼합비와 가장 좋은 상관성(avg. R = 0.55)을 보인 것도 다중회귀분석방법(M3D)이다. 회귀모델들로 추정된 지표 이산화질소 혼합비는 지점 측정값에 비해 과소추정 되는 경향이 나타났다. 회귀모델들로 추정된 지표 이산화질소 혼합비를 평가하기 위해 지점 측정값과의 RMSE (Root Mean Square Error), mean bias, MAE (Mean Absolute Error), percent difference와 같은 통계분석을 실시하였다. 본 연구는 위성을 통한 지표 이산화질소 혼합비 산출 가능성을 보여준다.

• 한국게임학회 논문지
• /
• 제4권3호
• /
• pp.11-20
• /
• 2004

80, 90년대의 영화에서만 보아오던 가상현실이 과학 및 컴퓨터 기술의 비약적인 발전을 바탕으로 우리에게 가까이 다가오고 있다. 다양한 가상현실 시스템 (VRML, HMD, FishTank, Wall Type, CAVE Type)의 개발과 함께 그 시스템의 발전으로 더욱 현실감 있는 가상현실 구현이 가능해지고 있다. 몰입감이 높은 가상 현실은 이로써 사람들이 일상적으로 경험하기 어려운 환경을 직접 체험하지 않고서도 그 환경에 들어와 있는 것처럼 보여주고 조작할 수 있게 해주는 것이다. 가상현실의 응용분야로는 교육, 고급 프로그래밍, 원격조작, 원격위성 표면탐사, 탐사자료 분석, 과학적 가시화(scientific visualization)등을 들 수 있다. 구체적인 예로서, 탱크 및 항공기의 조종법 훈련, 가구의 배치 설계, 수술 실습, 게임 등 다양하다. 이런 가상현실 시스템에서는 인간 참여자의 실제조작과 가상 작업공간이 하드웨어로 상호 연결된다. 이렇게 상호 연결된 하드웨어로 인간의 오감을 적절하게 자극하여 몰입감을 더하여 준다. 아직 많은 부분이 모자라지만 많은 연구와 노력으로 빠른 시간 안에 거의 인간이 느낄 수 있는 느낌을 가상현실에서도 현실과 같이 느낄 수 있을 것이다. 이 논문에서는 가상현실시스템의 기본적인 정의와 개념 그리고 종류를 알아보고 그 중에서 몰입감이 뛰어난 CAVE형의 가상현실시스템에 대하여 개념분석을 하였고 다음으로 2003년 KISTI(한국과학기술정보연구원)에서 만들어진 경복궁(문화 원형 Content)을 가상현실시스템에서 복원 과정을 Design process를 거쳐 제작되는 과정을 통해 가상현실시스템에서의 VR프로그래밍 방법과 모델링 방법을 제시하였다. 이러한 과정을 통해 몰입형 가상현실 시스템의 활용성에 대해 알아보았고 지금 시점에서 이러한 CAVE형 가상현실 시스템의 활용방안에 대하여 연구해 보았다. 끝으로 가상현실시스템을 활용한 문화재 복원 과정에서 나타난 문제점에 대하여 서술 하고 가상 현실 시스템의 활용 방안을 제시한다.

• 한국측량학회지
• /
• 제37권3호
• /
• pp.199-208
• /
• 2019

운용 가능한 위성의 수가 증가하고 기술이 진보함에 따라 영상정보의 성과물이 다양해지고 많은 양의 자료가 축적되고 있다. 본 연구에서는 기구축된 영상정보를 활용하여 부족한 훈련자료의 문제를 극복하고 딥러닝(deep learning) 기법의 장점을 활용하고자 전이학습과 변화탐지 네트워크를 활용한 고해상도 위성영상의 변화탐지를 수행하였다. 본 연구에서 활용한 딥러닝 네트워크는 공간 및 분광 정보를 추출하는 합성곱 레이어(convolutional layer)와 시계열 정보를 분석하는 합성곱 장단기 메모리 레이어(convolutional long short term memory layer)로 구성되었으며, 고해상도 다중분광 영상에 최적화된 정보를 추출하기 위하여 커널(kernel)의 차원에 따른 정확도를 비교하였다. 또한, 학습된 커널 정보를 활용하기 위하여 변화탐지 네트워크의 초기 합성곱 레이어를 고해상도 항공영상인 ISPRS (International Society for Photogrammetry and Remote Sensing) 데이터셋에서 추출된 40,000개의 패치로 학습된 값으로 초기화하였다. 다시기 KOMPSAT-3A (KOrean Multi-Purpose SATllite-3A) 영상에 대한 실험 결과, 전이학습과 딥러닝 네트워크를 활용할 경우 기복 변위 및 그림자 등으로 인한 변화에 덜 민감하게 반응하며 분류 항목이 달라진 지역의 변화를 보다 효과적으로 추출할 수 있었으며, 2차원 커널보다 3차원 커널을 사용할 때 변화탐지의 정확도가 높았다. 3차원 커널은 공간 및 분광정보를 모두 고려하여 특징 맵(feature map)을 추출하기 때문에 고해상도 영상의 분류뿐만 아니라 변화탐지에도 효과적인 것을 확인하였다. 본 연구에서는 고해상도 위성영상의 변화탐지를 위한 전이학습과 딥러닝 기법의 활용 가능성을 제시하였으며, 추후 훈련된 변화탐지 네트워크를 새롭게 취득된 영상에 적용하는 연구를 수행하여 제안기법의 활용범위를 확장할 예정이다.

• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.457-470
• /
• 2019

Synthetic Aperture Radar(SAR)영상을 이용한 자동 표적 인식(Automatic Target Recognition(ATR))은 날씨와 주야에 영향을 받지 않는 장점으로 감시, 정찰, 및 국토안보 등의 분야에서의 관심이 증대되고 있다. 그러나 SAR 자동표적인식은 실제 환경에서 발생하는 다양한 문제로 인해 자동으로 표적을 식별하는데 어려움이 있다. 따라서 본 연구에서는 실제 환경과 유사한 Extended Operating Conditions(EOC)에서의 ATR 문제에 대한 분석을 수행하였다. 특히, 표적의 폐색 조건과 훈련 영상과 테스트 영상의 관측 부각 차이에 따른 표적 식별률의 변화를 정량적으로 분석하였다. 관측 부각은 $30^{\circ}$와 $45^{\circ}$로 구분하였으며, 10%부터 50%까지의 다양한 폐색 조건에 대한 영상을 생성하기 위해 SARBake 알고리즘을 적용하였다. 표적에 대한 정량적인 식별률은 표적인식 분야에서 대표적으로 이용되는 템플릿 매칭과 Adaboost 알고리즘을 적용해 분석하였다. 분석 결과 관측부각에 따른 식별률은 두 알고리즘 모두 $45^{\circ}$에서 $30^{\circ}$보다 30%이상 급감했다. $30^{\circ}$의 관측 부각에서 템플릿 매칭은 75.88%, Adaboost 알고리즘은 94.46%로 Adaboost의 식별률이 높았다. 폐색 조건에 따른 식별률은 템플릿 매칭의 경우 폐색이 없을 때 95.77%에서 10%의 폐색 조건일 때 52.69%로 식별률이 급감하였다. Adaboost 알고리즘의 경우 폐색이 없을 때 85.16%, 10%의 폐색 조건일 때 68.48%로 폐색 조건에서의 식별률이 높았다. Adaboost 알고리즘은 50%의 폐색조건에서도 52.48%로 템플릿 매칭이 동일한 조건에서 30% 이하의 식별률을 보이는 것에 비해 전반적으로 높은 식별률을 보였다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.481-493
• /
• 2023

고밀도 도심지의 열섬현상이 도시 기온을 더 높이고 있으며 이로부터 대기오염 악화, 냉방 에너지 소비 증가 및 온실가스 배출 증대와 같은 부정적 영향들이 발생한다. 녹지의 추가 확보가 어려운 도시 환경에서 옥상녹화는 효율적인 온실가스 감축 전략이다. 본 연구에서는 열섬현상 현황 분석에서 더 나아가 고해상도 위성자료 및 공간정보를 활용하여 연구 지역 내 옥상녹화 가용면적 산정 후 옥상녹화가 가져오는 온도 분포 예측을 통한 열섬현상 완화도 및 이산화탄소 흡수량 평가를 수행하였다. 이를 위해 WorldView-2 위성자료를 활용하여 부산시 도시열섬 지역의 기존 토지피복을 분류하고 머신러닝 기법을 적용하여 옥상녹화 전 후 온도 분포 예측 모델을 개발하였다. 옥상녹화 면적 변화에 따른 열섬현상 완화도를 평가하기 위해 랜덤포레스트 기법을 통해 온도가 종속변수인 온도 분포 예측모델을 구축하였고, 이 과정에서 랜덤포레스트 모델의 훈련자료로 사용될 고해상도 지표 온도 도출을 위해 Google Earth Engine을 활용하여 Landsat-8과 Sentinel-2 위성자료를 융합하는 다중회귀모델을 적용하였다. 또한, 옥상녹화용 초본식생별 이산화탄소 흡수량을 기반으로 녹화 면적에 따른 이산화탄소 흡수량을 평가하였다. 연구 결과를 통해 개발된 위성자료 활용 도시 열섬현상 평가 및 랜덤포레스트 모델 기반 온도 분포 예측 기술은 도시열섬 취약 지역에 확대 적용이 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1779-1790
• /
• 2023

위성 자료의 성능이 크게 개선됨에 따라 최근에는 위성을 이용하여 광범위한 영역에 대한 실시간 안개 탐지 알고리즘들이 개발되고 있다. 한반도 주변을 관측하는 기상위성 중 관측주기가 10분으로 시간해상도가 가장 우수한 GEO-KOMPSAT-2A/Advanced Meteorological Imager (GK2A/AMI)는 공간해상도가 500 m이다. 반면 GEO-KOMPSAT-2B/Geostationary Ocean Color Imager-II (GK2B/GOCI-II)는 해상도가 250 m지만, 1시간 주기로 관측하고 가시채널만 보유하고 있다. 따라서 본 연구에서는 한반도 주변에서 발생하는 안개를 10분 및 250 m 해상도로 탐지하기 위해 GK2AB 융합 안개 탐지 알고리즘(Fog Detection Algorithm, FDA)인 GK2AB FDA를 개발하였다. GK2AB FDA는 세 파트로 구성된다. 첫 번째로 현업 운용중인 GK2A 안개 탐지 알고리즘(GK2A FDA)으로 10분 및 500 m 해상도로 안개를 탐지한다. 두 번째 단계에서는 두 위성 자료 간 시공간 일치, 태양천정각과 파장역 차이를 보정한 GK2A normalized visible (NVIS)의 10분 변화량을 이용하여 GK2B NVIS를 10분 간격으로 외삽한다. 마지막 단계에서는 외삽된 GK2B NVIS, 태양천정각, GK2A FDA 산출물 등을 입력자료로 기계학습(의사결정나무)을 이용하여 개발된 GK2AB FDA로 지리적위치에 따라 안개를 탐지(250 m, 10분)한다. GK2AB FDA의 훈련에는 6개 사례, 검증에는 4개 사례가 이용되었다. GK2AB FDA의 정량적 검증에는 지상관측 시정, 풍속 그리고 상대습도 자료를 이용하였다. GK2AB FDA는 GK2A FDA에 비해 공간해상도가 4배 증가함에 따라 안개 및 비안개 화소가 보다 자세히 구분되었다. 또한 검증방법에 관계없이 GK2A FDA에 비해 probability of detection (POD)은 높고 Hanssen-Kuiper Skill score (KSS)는 높거나 비슷함을 보여 안개 탐지 수준이 개선된 것으로 보인다. 하지만 일부 사례에서는 GK2AB FDA의 false alarm ratio (FAR)와 Bias가 크게 나타나 안개를 과대탐지하는 문제를 보이고 있다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.949-965
• /
• 2023

본 연구에서는 Sentinel-1 synthetic aperture radar 영상을 활용하여 딥러닝 모델인 Swin Transformer로 국내 농업용 저수지의 수표면적을 모니터링 하는 방법을 제시한다. Google Earth Engine 플랫폼을 이용하여 70만톤 급, 90만톤급, 150만톤급 저수지 7개소에 대한 2017년부터 2021년 데이터셋을 구축하였다. 저수지 4개소에 대한 영상 1,283장에 대해서 셔플링(suffling) 및 5-폴드(fold) 교차검증 기법을 적용하여 모델을 학습하였다. 시험평가 결과 모델의 윈도우 크기를 12로 설정한 Swin Transformer Large 모델은 각 폴드에서 평균적으로 99.54%의 정확도와 95.15%의 mean intersection over union (mIoU)을 기록하여 우수한 의미론적 분할 성능을 보여주었다. 최고 성능을 보여준 모델을 나머지 3개소 저수지 데이터셋에 적용하여 성능을 검증한 결과, 모든 저수지에서 정확도 99% 및 mIoU 94% 이상을 달성함을 확인했다. 이러한 결과는 Swint Transformer 모델이 국내의 농업용 저수지의 수표면적 모니터링에 효과적으로 활용될 수 있음을 보여준다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.157-175
• /
• 2013

본 연구는 기존의 스마트워크 모델인 재택 근무, 스마트워크 센터, 모바일 오피스 등을 지원 및 확장할 수 있는 NFC 기반의 스마트워커 네트워킹 서비스 모델과 NFC 기반의 공간관리 서비스 모델을 제시한다. 본래 재택 근무나 원격 근무는 직원들의 생산성 제고를 위해 시행되었지만, 최근 생산성 저하와 협업의 어려움, 근태 관리의 어려움 등을 이유로 재택 근무의 실효성에 대해 부정적인 의견이 제시되고 있고, 일부 기업은 재택 근무를 폐지하고 있는 실정이다. 이에 본 논문은 직원들 간의 협업 및 커뮤니케이션을 지원하여 업무 생산성을 제고시킬 수 있는 NFC 기반의 커뮤니케이션/SNS 서비스 모델을 제시한다. 또한, NFC 기술을 이용한 지역 기반의 실시간 구인, 구직 서비스 모델을 제안하는데, 이 서비스 모델은 기존의 공유 경제 사이트와의 제휴를 통해 사용자들이 NFC 태그 터치 후 공유경제 사이트에서 필요한 인력을 구하거나, 자신의 기술이나 재능을 무료 또는 유료로 제공함으로써 효율적으로 인력이 활용되는 효과를 가져 올 수 있다. NFC 기반의 커뮤니케이션/SNS 서비스 모델은 구축비용이 낮다는 점과 종업원들의 위치 정보 제공이 가능하다는 점, 지식 축적이 가능하다는 등의 특징을 가진다. NFC 기반의 공간관리 서비스 모델은 스마트워크가 주로 시행되던 오피스 공간뿐만 아니라 그 외의 현장이나 카페 등 기존의 업무공간 이외에서도 업무를 수행할 수 있도록 지원하는 서비스 모델로 공간확장 측면에 중점을 둔 서비스 모델이다. 이 서비스 모델은 구축비용이 낮다는 점, 개인화 서비스의 제공이 가능하다는 점, 기업 외부에 시스템 구축이 가능하다는 점, 기업 내외부에 있는 종업원들의 위치 정보 파악이 가능하다는 특징을 가진다. 본 논문은 위와 같은 스마트워크 서비스 모델을 설계하기 위해 시나리오를 제시하고, 비즈니스 모델의 프로세스와 이해 관계자들의 역할 및 혜택을 검토하며, 기존의 서비스와 비교 분석하여 차별점을 도출하고 시사점을 제시한다. 본 논문이 제시하는 서비스 모델은 기존의 서비스 모델을 대체하는 것이 아니라 지원하고 확장할 수 있는 모델로, NFC라는 인식기술을 활용하여 기업이 좀 더 유연한 스마트워크 시스템을 구축할 수 있도록 한다. 기존에 대기업 위주로 스마트워크가 시행되었으나, NFC 기반의 스마트워크 서비스 모델은 스마트워크를 도입하는 기업의 범위를 확장시키고, 스마트워크 제도의 수혜를 받을 수 있는 구성원의 범위를 확장시킬 수 있을 것으로 기대된다.