• Ecology and Resilient Infrastructure
• /
• 제10권4호
• /
• pp.135-142
• /
• 2023

하천 생태계에서 경관의 변화와 그 영향요인을 연구하기 위해 다양한 원격 탐지 및 영상 분석이 활용된다. 본 연구에서는 다양한 시점에서 위성에서 촬영된 다분광 영상으로 광학 지수를 계산하고, 수역의 경계를 획정하는 임계치를 계산하여 육역과 수역으로 이진화한 지도를 작성하여 시간에 따른 경관 변화를 탐지하는 방법을 개발하였다. 그리고 이 방법을 금강에 적용하여 보 수문 개방에 의하여 형성된 모래톱의 변화를 추적하였다. 먼저 금강에서 보 개방 전후의 다양한 시점에서 Sentinel-2 위성에서 촬영된 10 m × 10 m 해상도의 다분광 영상을 수집하였다. 수집된 영상에서 녹색광과 근적외선 대역으로 정규수분지수 (normalized difference water index, NDWI)를 계산하였다. 수역의 경계를 결정하기 위하여 산출한 NDWI의 Otsu 임계값은 -0.0573부터 0.1367의 범위이었다. 원격탐사에 의하여 결정된 수역의 경계는 실제 영상에서의 경계와 일치하였다. 이 NDWI에 의하여 수역과 육역으로 이진화된 지도를 작성하였다. 이 결과에 따르면 금강의 백제보부터 대청댐까지 종적 범위에서 2017년부터 2021년까지 수행된 3개의 보 수문 개방에 의해 총 379.7 ha의 새로운 모래톱의 서식처가 형성된 것으로 추정되었다. 본 연구에서 제안하는 경관 탐지 방법은 넓은 시공간 범위에서 적은 자원으로도 객관적인 결과를 얻을 수 있는 방법으로 평가된다.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.311-326
• /
• 2022

우리나라 산림의 효율적인 관리와 산림 모니터링을 위해 산림청은 농림위성을 개발 중이며 2025년 발사 예정이다. 농림위성을 효율적으로 활용하기 위해 산림청 국립산림과학원은 36종의 농림위성 산림분야 활용산출물 개발을 진행 중이다. 원격탐사 기법을 활용하여 도출된 산출물들은 지상검증이 요구되며 해당 산출물들에 대한 품질 모니터링 결과를 지속적으로 보고해야 한다. 국내 최초로 산림분야 활용 위성이 개발되는 상황이라 국내에는 공식적인 산림분야 활용 산출물 검보정 사이트가 부재하다. 이에 저자들은 국제기준에 맞춰 농림위성 산림분야 활용산출물 검보정을 위한 검보정 사이트를 설계하였다. 또한 전국적으로 검보정 사이트를 설치하기 위해 적정 센서를 선택하여 해당 센서의 활용 가능성을 평가하였다. 평가 결과 지상 관측데이터와 Sentinel-2 영상과의 산림 산출물에 대한 오차가 ±5% 이내로 관측되어 해당 센서를 활용하여 전국적으로 확장이 가능함을 확인하였다.

• 한국농공학회논문집
• /
• 제64권1호
• /
• pp.51-63
• /
• 2022

Up-to-date statistics of crop cultivation status is essential for farm land management planning and the advancement in remote sensing technology allows for rapid update of farming information. The objective of this study was to develop a classification model of rice paddy or winter crop fields based on NDWI, NDVI, and HSV indices using Sentinel-2 satellite images. The 18 locations in central Korea were selected as target areas and photographed once for each during summer and winter with a eBee drone to identify ground truth crop cultivation. The NDWI was used to classify summer paddy fields, while the NDVI and HSV were used and compared in identification of winter crop cultivation areas. The summer paddy field classification with the criteria of -0.195

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1341-1352
• /
• 2023

위성영상 기반의 정규식생지수(normalized difference vegetation index, NDVI)는 넓은 영역에서 주기적인 정보를 수집할 수 있어 산림 및 농업 모니터링에 주로 사용된다. 그러나 광학센서 기반 식생지수는 구름 등의 영향으로 일부 지역에서 결측을 가지기 때문에, 본 연구는 전천후 및 주야에 관계없이 관측 가능한 Sentinel-1의 합성 개구 레이더(synthetic aperture radar, SAR) 영상을 활용하여 Sentinel-2 NDVI 결측값을 복원하는 모델을 개발하였다. 이는 광학적으로 관측이 어려운 구름 조건이나 야간에도 NDVI를 추정할 수 있는 잠재력을 보여준다. Automated machine learning (AutoML)을 활용한 비선형 결측복원모델의 5폴드(fold) 교차검증 결과, 절대오차 7.214E-05, 상관계수 0.878의 NDVI 복원 성능을 보였다. 이를 통해 시공간 연속적인 NDVI 생산 방법론을 발전시켜, 전천후 식생 모니터링에 필요한 정보 생산에 기여할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.27-27
• /
• 2022

본 연구는 본 연구에서는 내륙에 위치한 하천(백제보)과 호소(남양호)를 대상으로 수체반사도를 활용하여 유역특성에 따른 반사도의 변화를 확인하고 Chlorophyll-a(Chl-a)의 농도를 추정하고자 하였다. 각 유역별 특성분석을 위해 제원자료, 토지피복도 및 11개(수소이온농도, 용존산소, BOD, COD, 부유물질, 총질소, 총인, 수온, 전기전도도 및 Chlorophyll-a)의 수질인자 자료를 구축하였다. 백제보는 2016-2017년 유인항공기에 탑재된 초분광센서를 이용하여 반사도를 측정하였고, 남양호는 2020-2021년 초분광센서가 탑재된 Drone과 Sentinel-2 MSI영상으로부터 반사도를 측정하였으며 두 유역 모두 촬영 범위에 대하여 현장샘플링을 실시하였다. 유역특성, 수질인자간 상관성 및 밴드별 상관성 분석을 실시하였다. 수질인자 간 상관성 분석 결과 Chl-a와 광학적 특징이 있는 SS, TOC가 상관성이 높게 나타났으며, 반사도의 경우 Chl-a가 고농도일수록 Near-Infrared, Blue 파장과 상관성이 높게 나타났다. 해당 분석결과를 기반으로 각 유역에 대해 Chl-a Machine-learning 기법과 원격탐사자료를 이용하여 Chl-a의 농도를 산정하였으며 백제보, 남양호 각각 결정계수(R²) 0.80, 0.88의 성능을 보였다. 추후 고해상도 광학위성영상을 통해 유역특성을 고려한 광범위한 지역 규모의 Chl-a의 시공간적 분석이 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1009-1029
• /
• 2023

도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R², 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R², 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1125-1135
• /
• 2022

적설에 의한 피해는 자주 발생하지 않지만 발생하면 광범위한 지역에 피해를 준다. 적설에 의한 피해를 예방하기 위해서는 지역별로 피해를 유발하는 적설심을 미리 파악해 둘 필요가 있다. 하지만 관측하고 있는 적설심은 특정 관측지점으로 한정되어 피해를 유발하는 지역별 피해유발적설심을 파악하는데 어려움이 있다. 이를 극복하기 위한 일반적인 방법은 관측지점의 적설을 보간하여 공간적으로 확대하는 것이다. 하지만 이것은 매우 적은 자료를 가지고 고도 등 지형적인 특성이 다른 넓은 영역을 통계적으로 추론해야 하는 한계로 인해 지역에 대한 피해유발 피해유발적설심의 구명에 더 혼란을 주기도 한다. 이를 보완하기 위해서는 넓은 영역을 관측하는 위성영상을 활용할 수 있으며, 그 중에서도 합성개구레이더(Synthetic Aperture Radar; SAR)를 이용한 위상차분 간섭기법(DInSAR)을 활용할 수 있다. 위상간섭영상은 두 개의 다른 시기에 측정된 합성개구레이더 영상의 위상간섭을 이용한 것으로 일반적으로 미세한 지형의 변화를 추적할 때 사용되기도 한다. 본 연구에서는 유럽우주국(ESA)에서 운영하는 Sentinel-1B 위성의 dual polarimetric IW 모드 C-band SAR 데이터를 사용하여 DInSAR 분석을 수행하여 적설심의 공간분포를 추정하였다. 또한 정지궤도복합위성 천리안 2호(GK-2A)의 L2 적설심 추정 자료를 이용하여 비교하였다. 적용 결과, 적설예측의 정확도는 격자별로 계산할 경우, DInSAR 는 약 0.92%, GK-2A 는 약 0.71% 를 나타내 DInSAR의 적용성이 높게 나타났다. 즉, DInSAR 방법을 이용하여 계산된 적설심과 기상관측소에서 관측된 적설심을 공간보간하여 비교한 결과, 적설의 분석 결과 적설심을 과대추정하는 경우가 발생하기는 했으나, 적설심의 공간분포를 추정하는데 충분한 정보를 제공했으며, 이러한 방법으로 파악된 적설심의 공간분포는 실제 피해발생지역의 적설심을 보다 정확하게 추정하는데 기여할 수 있으며, 이것은 지역별 피해유발적설심을 파악하는데 도움이 될 것이다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.871-884
• /
• 2021

본 연구의 목적은 항공 및 위성영상을 활용한 토지피복 관련 인공지능 학습 데이터를 구축, 검증 및 알고리즘 적용의 효율화 방안을 연구하였다. 이를 위하여 토지피복 8개 항목에 대하여 고해상도의 항공영상 및 Sentinel-2 인공위성에서 얻은 이미지를 사용하여 0.51 m 및 10 m Multi-resolution 데이터셋을 구축하였다. 또한, 학습 데이터의 구성은 Fine data (총 17,000개) 와 Coarse data (총 33,000개)를 동시 구축 및 정밀한 변화 탐지 및 대규모 학습 데이터셋 구축이라는 2가지 목적을 달성하였다. 학습 데이터의 정확도를 위한 검수는 정제 데이터, 어노테이션 및 샘플링으로 3단계로 진행하였다. 최종적으로 검수가 완료된 학습데이터를 Semantic Segmentation 알고리즘 중 U-Net, DeeplabV3+에 적용하여, 결과를 분석하였다. 분석결과 항공영상 기반의 토지피복 평균 정확도는 U- Net 77.8%, Deeplab V3+ 76.3% 및 위성영상 기반의 토지피복에 대한 평균 정확도는 U-Net 91.4%, Deeplab V3+ 85.8%이다. 본 연구를 통하여 구축된 고해상도 항공영상 및 위성영상을 이용한 토지피복 인공지능 학습 데이터셋은 토지피복 변화 및 분류에 도움이 되는 참조자료로 활용이 가능하다. 향후 우리나라 전체를 대상으로 인공지능 학습 데이터셋 구축 시, 토지피복을 연구하는 다양한 인공지능 분야에 활용될 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.775-784
• /
• 2020

최근 지구온난화 및 인간 활동 등에 의해 전지구적으로 산불발생이 빈번해지고 있으며, 산불의 규모가 대형화되고 지속기간이 길어지는 경향을 보이면서, 산불 피해 또한 급증하고 있다. MODIS는 20년 가까이 전지구 산불탐지 정보를 제공하고 있고, GK2A와 Himawari-8은 1일 144회의 빈도로 동아시아권의 산불감시를 수행하고 있지만, 1~2 km의 공간해상도는 중·소 규모 산불탐지에 있어서는 충분하지 않으므로 고해상도 위성영상을 이용한 산불탐지 연구가 반드시 필요하다. 그러나 타고있는 산불탐지(active fire detection)에 대한 고해상도 산출물은 현재 공식적으로 존재하지 않는다. 이에, 본연구에서는 Landsat 8 산불탐지 알고리듬을 구현하여 고해상도 산불탐지를 수행하였으며, 최근의 대표적인 산불사례인 2019년 12월 호주 대형산불에 대하여 Landsat 8 탐지 결과를 Himawari-8, MODIS 산출물과 비교하였다. 강한 산불의 경우에는 세 위성 모두 유사한 결과를 보였지만, 타기 시작하거나 진화되고 있는 약한 산불 및 좁은 지역에 발생한 산불은 30m 해상도의 Landsat 8에서만 탐지되었고, 1~2 km 해상도의 Himawari-8나 MODIS에서는 탐지되지 않는 경향이 있었다. 우리나라와 같이 소규모 산불이 대부분인 경우에는 Landsat 8, Sentinel-2, Kompsat-3A, 그리고 2021년 발사예정인 Kompsat-7과 같은 고해상도 위성을 이용한 산불탐지가 가능할 것이며, GK2A, Himawari-8, Fengyun-3 등 동아시아 정지궤도 위성의 탐지결과와 함께 종합적인 분석을 수행한다면, 시간해상도와 공간해상도를 현재보다 향상시키는 것이 가능할 것이다. 이러한 진보된 산불감시를 위해서는 우리나라의 복잡지형에 보다 적합한 한국형 고해상도 산불탐지 알고리듬의 개발이 무엇보다 선행되어야 할 것이다.

• 한국환경과학회지
• /
• 제31권9호
• /
• pp.735-741
• /
• 2022

Global warming affects forests and their ecology. Diversity in the forest is a buffer that reduces the damage due to global warming. Mixed forests are ecologically more valuable as versatile habitats and are effective in preventing landslides. In Korea, most forests were created by simple afforestation with trees of evergreen species. Typically, evergreen trees are shallow-rooted, and deciduous trees are deep-rooted. Mixed forest tree roots grip the soil effectively, which reduces the occurrence of landslides. Therefore, improving the distribution of tree types is essential to reduce damage due to global warming. For this improvement, the investigation of tree types of the forest is needed. However, determining the tree type distribution of forests that are spread over wide areas is labor-intensive and time-consuming. This study suggests effective methods for determining the distribution of tree types in a forest that is spread across a relatively wide area. Using normalized difference vegetation index and RGB images from unmanned aerial vehicles, each evergreen and deciduous tree, and grassland area can be distinguished. The distinguished image determines the distribution of tree type. This method is effective compared to directly determining the tree type distribution in the forest by the use of manpower. The data from these methods could be applied to plan a mixed forest or to prepare for future damage due to global warming.