• 천문학회보
• /
• 제37권2호
• /
• pp.226.2-226.2
• /
• 2012

해양관측위성 2호(Geostationary Ocean Color Imager-II, GOCI-II)는 2017년에 미션이 종료되는 천리안 해양관측위성(GOCI)의 후속 위성으로, 2018년 발사 예정이다. 해양관측위성 2호는 천리안 해양관측위성과 동일한 정지궤도위성으로 동경 128.2도 적도상공에 위치하여 임무를 수행하게 된다. 총 13개의 분광밴드로 관측이 이루어지며, 370 nm ~ 900 nm(VIS/NIR) 11개, $0.9{\mu}m{\sim}1.3{\mu}m$ (SWIR) 2개의 분광밴드로 구성될 예정이다. 관측모드는 지역 관측(LA, Local Area)과 전구관측(Full Disk)으로 구성되며, 지역관측은 천리안 해양관측위성과 동일한 한반도 중심 $2,500km{\times}2,500km$ 영역에 대하여 천리안 대비 2배 향상된 공간해상도 250m로 관측할 예정이다. 관측 횟수는 기본적으로 기존 천리안 해양관측위성과 동일하게 낮시간 기준 1일 8회 관측이 이뤄지지만, 태양고도가 높은 하절기에는 1일 10회 관측이 수행된다. 전구관측은 $12,800km{\times}12,800km$ 이상의 영역을 관측하며 전지구적 관점의 해양 기후변화 관측 임무를 수행하며, 1일 1회 준실시간 형태로 관측이 진행된다. 본 연구에서는 정지궤도에서의 관측으로 인한 지역관측 영역 내에서 위치별 공간해상도의 차이, 탑재 예정 광검출기의 각 후보별 촬영 슬롯 개수의 변화와 지역관측 영역에서 계절에 따른 태양고도 변화 분석을 통한 1일 관측 횟수에 대해 논하고자 한다.

• 한국산업융합학회 논문집
• /
• 제26권6_2호
• /
• pp.1073-1082
• /
• 2023

Thermal sensors, also called thermal infrared wavelength sensors, measure temperature based on the intensity of infrared signals that reach the sensor. The infrared signals recognized by the sensor include infrared wavelength(0.7~3.0㎛) and radiant infrared wavelength(3.0~100㎛). Infrared(IR) wavelengths are divided into five bands: near infrared(NIR), shortwave infrared(SWIR), midwave infrared(MWIR), longwave infrared(LWIR), and far infrared(FIR). Most thermal sensors use the LWIR to capture images. Thermal sensors measure the temperature of the target in a non-contact manner, and the data can be affected by the sensor's viewing angle between the target and the sensor, the amount of atmospheric water vapor (humidity), air temperature, and ground conditions. In this study, the characteristics of three thermal imaging sensor models that are widely used for observation using unmanned aerial vehicles were evaluated, and the optimal application field was determined.

• 대한원격탐사학회지
• /
• 제30권3호
• /
• pp.341-350
• /
• 2014

Landsat images can monitor the snow-covered Earth surface variations with the ground resolution of 30m and the multi-spectral bands in the visible, NIR, SWIR and TIR spectral regions for the last 30 years. The Southern Volcanic Zone (SVZ) of Chile consists of many volcanoes, and all of the volcanoes are covered with snow at the top of mountain. Snow cover area in southern province of the SVZ of Chile (37 to $46^{\circ}S$) have been influenced by significant frontal retreats as well as eruptive activities. In this study, we have investigated the changes of the snow-cover area and snow-line elevation at Mt. Villarrica and Mt. Llaima, Chile from three Landsat images acquired on Feb. 1990, 2005 and 2011. The snow-cover areas are 13.42, 26.75 and $21.60km^2$ at Mt. Villarrica in 1990, 2005 and 2011, respectively, and 3.82, 25.12 and $8.89km^2$ at Mt. Llaima in 1990, 2005 and 2011, respectively. The snow-line elevations are 1871, 1738 and 1826m at Mt. Villarrica in 1990, 2005 and 2011, respectively, and 2007, 1822 and 1818m at Mt. Llaima in 1990, 2005 and 2011, respectively. The results indicate that both of the snow-cover and snow-line changes are strongly related with the volcanic activity change. The results demonstrate that the snow-cover area and snow-line elevation changes can be used as an indicator of the volcanic activity at Mt. Villarrica and Mt. Llaima, Chile.

• 대한원격탐사학회지
• /
• 제30권2호
• /
• pp.275-292
• /
• 2014

이 연구에서는 Geostationary Ocean Color Imager(GOCI) 센서에 적용할 수 있는 고유의 Tasseled Cap Transformation(TCT) 계수를 제시하고 있다. TCT는 다중밴드 센서 자료로부터 지표의 특성을 분석하는 전통적인 영상변환 방법 중 하나로 새로운 다중밴드 광학센서가 관측을 시작하는 경우 센서의 특성 차이로 인하여 각각의 육상관측 위성센서에 적합한 TCT 계수들이 장기 분석을 통하여 수립되어야 한다. GOCI 센서는 해양관측이 주 목적으로 개발되었으나 영상의 상당 부분은 육지를 관측하고 있으며 밴드 구성은 육지관측에도 일반적으로 이용되는 Visible-Near InfraRed(VNIR) 영역의 정보를 포함하고 있다. 또한 GOCI 센서의 높은 시간 해상도는 지표의 일별 변화의 관측에도 유용하게 사용될 수 있다. 이러한 장점을 이용하여 GOCI 센서에 대한 고유한 TCT가 제공된다면 GOCI 센서의 관측범위 내에서 준 실시간으로 지표변화에 대한 분석과 해석이 가능할 것이다. TCT는 일반적으로 "Brightness", "Greenness", "Wetness"의 세 가지 정보를 포함하지만, ShortWave InfraRed(SWIR) 파장대역이 없는 GOCI 센서의 경우에는 "Wetness"의 정보를 얻을 수 없다. GOCI 센서의 높은 시간 해상도의 활용을 극대화하기 위해서는 "Wetness"의 정보가 제공되어야 한다. "Wetness"의 정보를 얻기 위해 GOCI 주성분 분석(Principal Component Analysis: PCA) 공간을 MODIS TCT 공간에 선형 회귀하는 방법이 사용되었다. 이 연구에서 산출된 GOCI TCT 계수는 정지궤도의 특성에 의해 관측 시간대별로 다른 변환계수를 가질 수 있다. 이 차이를 알아보기 위하여 GOCI TCT 자료와 MODIS TCT 자료 사이의 상관관계가 비교되었다. 그 결과, "Brightness"와 "Greenness"는 4시 자료, "Wetness"는 2시 자료의 변환계수가 선택되었다. 최종적으로 산출된 변환계수의 적절성을 평가하기 위하여 GOCI TCT 자료는 MODIS TCT 영상 및 여러 육상 파라미터들과 비교되었다. GOCI TCT 영상은 MODIS TCT 영상보다 지표 피복의 분류가 더 세밀하게 표현되었으며, GOCI TCT 공간의 지표 피복 분포도 유의미한 결과를 보여줬다. 또한 GOCI TCT의 "Brightness", "Greenness", "Wetness" 자료는 Albedo($R^2$ = 0.75), Normalized Difference Vegetation Index(NDVI) ($R^2$ = 0.97), Normalized Difference Moisture Index(NDMI) ($R^2$ = 0.77)와 각각 비교적 높은 상관관계가 나타났다. 이러한 결과들은 적절한 TCT 계수의 산출이 이루어졌다는 것을 보여준다.

• 대한원격탐사학회지
• /
• 제29권5호
• /
• pp.461-476
• /
• 2013

CASA 모델은 작물의 순 일차생산량(NPP)을 추정하는 가장 빠르고 정확한 모델 중 하나이다. 본 연구의 목적은 (1) 2002년 ~ 2012년 동안 한국의 논지역을 대상으로 작물 NPP의 시공간적 변화 패턴을 분석하고, (2) 연간 NPP와 쌀 생산성 간의 관계를 파악하여, (3) MODIS Product와 태양 복사량을 CASA 모형에 적용하여 2012년 한국의 쌀 수량을 추정하는 것이다. 또한, (4) 통계청이 발표한 최종 수량과 비교를 통해 적용을 검토하였다. 이를 위해, 월별 또는 누적 NPP와 수량과의 상관분석을 실시하였다. 그 결과, 총 누적 NPP와 9월의 NPP가 쌀 수량과 높은 상관성을 나타내었으며, 이를 이용하여 추정한 2012년 예측 수량은 누적 NPP 적용시 526.93 kg/10a, 9월의 NPP 적용시 520.32 kg/10a로 추정되었다. 통계청의 최종 수량과의 RMSE는 각각 9.46 kg/10a, 12.93 kg/10a를 나타내었으나, 전반적으로 두 모형 모두 1:1선에 근접한 결과를 보이고 있어 NPP를 이용한 벼 수량 추정 모형이 논벼 수량의 변화특성을 잘 반영하고 있는 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제30권1호
• /
• pp.25-36
• /
• 2014

수종 간의 유사한 분광특성 때문에 기존의 다중분광영상을 이용한 수종분류는 한계가 있다. 본 연구에서는 경기도 광릉수목원에 분포하는 다섯 종류의 침엽수림을 분류하기 위하여 초분광영상과 다중분광 영상의 적합성을 비교 분석하였다. 연구지역을 대상으로 두 종류의 항공 초분광영상(AISA, CASI)을 촬영하였으며, 비교 목적으로 초분광영상을 이용하여 모의 제작된 ETM+ 다중분광영상을 사용하였다. 영상분류에 사용된 영상은 초분광영상의 모든 밴드를 포함한 영상, PCA 및 MNF 기법으로 차원 축소된 영상, 그리고 분류등급의 분광분리도를 이용하여 소수의 밴드만을 추출한 영상이다. 또한 감독분류 과정에서 MLC, SAM, SVM 등 세 종류의 분류기를 적용하였다. 전체적으로 침엽수종의 분류에 있어서 초분광영상이 다중분광영상보다 높은 분류정확도를 제공하고 있다. 특히 중적외선 파장영역을 포함한 AISA-dual영상이 가장 좋은 분류결과를 보여주었다. 또한 많은 분광밴드를 가진 초분광영상을 MNF기법으로 차원 축소한 영상을 사용했을 때, 다른 영상보다 높은 분류결과가 나왔다. 감독 분류과정에서는 최대우도법(MLC)을 적용했을 때, 가장 높은 분류정확도를 얻었다.

• 생물환경조절학회지
• /
• 제23권1호
• /
• pp.50-55
• /
• 2014

본 연구에서는 고추의 수분스트레스 반응을 최적으로 계측할 수 있는 알고리즘을 개발하기 위해 초분광 단파 적외선 영상기술을 적용하였다. 수분스트레스에 노출된 고춧잎의 단파적외선 분광영상을 획득하고 ANOVA 분석을 이용하여 수분스트레스 반응을 가장 잘 반영하는 파장영역을 선정하였다. 고춧잎의 단파적외선 초분광 영상을 이용하여 ANOVA 분석을 수행한 결과 수분스트레스 판별을 위한 최적 파장은 1449nm으로 물분자의 광흡수 영역대와 거의 일치하였다. 최적 파장에서의 고춧잎 상대반사값을 가우시안 회귀분석을 통해 정상군과 토양흡착수압이 -20kPa과 -50kPa일 때의 스트레스군을 구분할 수 있는 임계값을 계산하고 이 값을 기준으로 단파적외선 영상을 이진화하여 수분스트레스 반응을 판단할 수 있는 최종영상을 구축하였다. 결과 영상에서 정상군과 스트레스군의 토양흡착수압이 -20kPa인 잎의 경우 스트레스 반응을 보인 픽셀이 72%이었고, -50kPa인 잎에서는 스트레스 반응을 보인 픽셀이 84%로 12%차이가 났다. 정상군과 스트레스 강도가 다른 시료의 경우 영상의 결과가 명확히 구분되는 것으로 나타나 단파적외선 영상기술이 고춧잎의 수분스트레스 상태를 정량적으로 나타낼 수 있는 기술임을 확인할 수 있었다.

• 한국지리정보학회지
• /
• 제23권4호
• /
• pp.52-67
• /
• 2020

최근 북극은 매년 영구 동토층이 녹아 눈으로 덮인 땅이 드러나고 있어 해당 지역 관리를 위한 공간정보가 필요하다. 한국의 국토지리정보원(NGII)은 극지방의 공간정보를 구축하여 극지공간정보 서비스를 제공하고 있으나, 식생 정보는 제공되지 않고 있으므로 식생 공간정보 구축을 위한 추가적인 연구가 필요하다. 본 연구에서는 북극 스발바르제도의 뉘올레순 지역에 대한 식생 분류를 수행하기 위해 다중 시기의 Sentinel-2 영상을 사용하였다. 전처리 단계에서는 다중 시기 Sentinel-2 영상으로부터 10개 밴드와 6가지 정규 지수식을 생성하였다. 영상 분류는 8개 속성에 대한 토지피복분류를 통해 전체 식생 영역을 추출하는 과정과 전체 식생 영역 내에서 다시 세분류를 수행하는 과정으로 이루어졌다. 영상 분류 알고리즘은 OOB(Out-Of-Bag)를 통해 정확도 평가 및 변수 중요도를 산정할 수 있는 랜덤포레스트를 사용하였다. 전체 정확도는 다시기 영상이 사용되었을 경우와 식생 지수가 추가되었을 경우의 이점을 확인하기 위해 사용된 영상 수에 따라 각각 정확도를 산정하였다. 단일시기의 Sentinel-2 영상은 전체 정확도가 77%였으나, 7개의 다중 시기 Sentinel-2 영상을 기반으로 학습하였을 때, 81%로 향상되었다. 또한, 식생 지수가 추가로 사용된 학습에서 전체 정확도가 약 83%로 향상되었다. 식생 분류 시 변수 중요도는 적색, 녹색, 단파적외선-1 밴드가 가장 높은 변수로 선정되었다. 본 연구는 극지방의 식생에 대한 분류를 수행할 시 입력특성을 최적화하는 기초 연구로 활용될 수 있을 것으로 판단된다.

• 한국지구과학회지
• /
• 제39권2호
• /
• pp.119-130
• /
• 2018

동아시아 지역의 에어로졸 광학정보에 대하여 천리안 위성에 탑재된 GOCI, MI, 그리고 Himawari 8 위성에 탑재된 AHI 센서들의 측정자료를 연세 에어로졸 알고리즘(YAER)을 이용하여 산출하였다. 본 연구에서는 각 센서에서 산출되는 에어로졸 광학두께(Aerosol optical depth, AOD)를 상호비교하고, 지상장비인 AERONET과의 검증결과도 보였다. 사용한 AOD 자료는 세 종류의 센서에서 최소반사도 방법(Minimum reflectance method, MRM)을 이용하여 산출된 AOD, 그리고 AHI에서는 단파적외선이용 지표면정보산출방법(Estimated surface reflectance from SWIR, ESR)을 이용한 방법의 AOD까지 총 네가지이다. 세 위성간의 산출결과에서 육지와 해양에서 일관된 결과를 보이고 있으나, MI와 GOCI에서는 구름제거에 한계가 존재하며 AOD의 과대 추정 문제가 보인다. 한편 지상장비인 AERONET과의 비교검증결과는 MI, GOCI, 그리고 AHI 의 MRM 방법, ESR 방법 에서 기대오차 내에 들어오는 비율(% within Expected error, EE)이 36.3, 48.4, 56.6, 68.2%로 각각 나타났다. MI의 경우는 단일 채널을 이용하여 에어로졸광학정보를 산출하고 있고, 계절에 따른 에어로졸 유형을 고정하고 있어, 다양한 오차가 포함되어 낮은 EE를 보이고 있다. 5, 6월에는 ESR 방법의 결과물은 높은 EE 를 나타내고 있는데 이는 GOCI, MI, MRM 방법 에서 사용하고 있는 최소반사도 방법보다 정확한 지면반사도를 산출하기 때문으로 추정된다. 이 결과는 AERONET 사이트 별로 RMSE 와 EE 로 설명하고 있으며, 검증한 총 22개 사이트 중 15개 사이트에서 ESR 방법이 가장 높은 EE 를 보이고 있고, RMSE는 13개 사이트에서 가장 낮게 나타났다. 또한 정지궤도 위성의 특징을 이용하여 시간대별 오차를 각 산출물 별로 보였다. 00~06 Universal Time Coordinated (UTC)에서 한 시간별로 최대로 나타나는 absolute median bias error 는 0.05, 0.09, 0.18, 0.18, 0.14, 0.09, 0.10 로 나타나며 00UTC에서는 GOCI 에서, 나머지 시간대에서는 MI에서 최대오차를 보였다.