• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.56-56
• /
• 2023

남양호는 농업용수 공급을 위해 건설된 하구 담수호로 과도한 영양물질 축적으로 인해 매년 여름 녹조류가 번성한다. 따라서 본 연구에서는 조류발생 특성을 분석하고자 식물성 플랑크톤 및 관련 분해 산물에 의해 고유 광학특성을 가지고 있는 Chlorophyll-a(Chl-a)의 추정을 통한 녹조 발생을 파악하고자 Sentinel-2 Multi Spectral Image(MSI)의 원격 반사율 광학 스펙트럼을 사용하였다. Chl-a 추정알고리즘 개발을 위하여 Sentinel-2 A, B의 교차 방문주기인 5일 간격에 맞추어 현장수질자료(2022년: 27회 2023년: 27회)를 측정하였다. Chl-a 농도는 EXO-YSI를이용하여 측정하였으며 해당기간동안 9.4 ~ 127.1 mg/L의 범위를 보였으며, Sentine-2 자료는 A, B자료에서 B1(443 nm) ~ B8A(865 nm)파장의 값을 기상조건(구름, 안개, 강수)을 고려하여 현장수질측정 위치에서 반사도를 추출하였다. 입력자료는 대기 및 방사영향을 고려해 반사도 간의 비율자료와 선행연구에서 활용된 반사도를 활용하였으며 알고리즘은 다중선형회귀분석(Multi Linear Regression Model)과 Random Forest를 활용하였다. MLR의 경우 결정계수(R2)가 학습 및 검증에서 각각 0.68, 0.59의 성능을 보였으며, RF의 경우 각각 0.94, 0.85의 성능을 보였다. 해당알고리즘으로 생성된 Chl-a 시공간농도 자료는 담수호내 조류발생 특성을 분석하고 효율적 조류관리 및 대처에 활용될 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.765-779
• /
• 2022

본 연구에서는 Landsat 8/9 OLI와 Sentinel-2 MSI 위성 영상을 활용한 다시기 영상 데이터를 이용하여 다양한 분광 지수를 기반으로 국내 산불 피해 면적 탐지 정확도를 분석하였다. 2022년 3월 경상북도 울진에서 발생하였던 산불을 대상으로 Difference Normalized Burn Ratio (dNBR), Relative Difference Normalized Burn Ratio (RdNBR), Burned Area Index (BAI) 등의 지수를 활용하여 산불피해 면적 탐지에 활용하였다. 비교적 높은 공간 해상도를 가진 Sentinel-2 영상을 기반으로 참조 자료를 제작하였다. 총 6개의 지수 산출물을 기반으로 Sentinel-2, Landsat 8/9으로 총 4개 위성에 대해 산불 피해 정확도를 각각 분석하였다. Landsat 8/9과 Sentinel-2는 각각 16일, 10일 주기로 영상을 제공하고 있지만 구름으로 인해 영상 취득에 어려움이 많은 편이며, 우리나라는 4월부터 식생의 생장이 시작되어 봄철 산불 피해 분석 시 산불발생 전후 영상을 활용하는 경우 식생의 생장으로 인한 변화가 커서 정확도 높은 탐지에 어려움이 있다. 따라서, 본 연구는 2월에서 5월까지의 다시기 Landsat 8/9과 Sentinel-2 영상 중 같은 날짜를 기반의 영상을 서로 사용하여 시간해상도의 한계를 극복하고 탐지 정확도가 상대적으로 높은 지수를 비교 분석했다. 본 연구 결과는 한국형 산불피해 탐지 지수/모델 개발을 위한 입력 자료 등으로 활용되어 최적화된 산불 지수를 기반으로 정확도 높은 산불 피해 면적 탐지에 활용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제56권3호
• /
• pp.211-224
• /
• 2023

본 연구에서는 합성개구레이더(Synthetic Aperture Radar, SAR) 기반의 식생을 고려하는 후방산란모델 Water Cloud Model (WCM)을 활용한 토양수분 산정 연구를 수행하였다. 금강 상류의 용담댐유역을 포함한 40 × 50 km² 영역의 Sentinel-1 SAR 및 Sentinel-2 MSI (Multi-Spectral Instrument) 영상을 수집하여 연구에 활용하였다. WCM의 식생변수로는 Sentinel-1 기반의 식생지수 RVI (Radar Vegetation Index), 탈분극비(Depolarization Rario, DR)와 Sentinel-2 기반의 NDVI (Normalized Difference Vegetation Index)를 활용하였다. WCM의 정모델링(forward modeling)은 토양수분과 후방산란계수의 특성이 유사한 3개 Group으로 나누어 수행하였다. 토양수분과 후방산란계수의 선형적인 관계가 명확할수록 Group의 모의 성능이 더 높게 나타났으며, 식생지수 별로는 NDVI, RVI, DR 순으로 정확도가 높았다. 토양수분을 모의하기 위해 모의된 후방산란계수를 반전(inversion)하였으며, 모의 성능은 정모델링 결과와 비례하였다. WCM 모의의 오류는 실측 후방산란계수 기준 약 -12dB를 기점으로 증가하는 양상을 보였다.