• 물과 미래
• /
• 제6권1호
• /
• pp.55-58
• /
• 1973

• Korean Journal of Geomatics
• /
• 제3권1호
• /
• pp.33-41
• /
• 2003

Every year, several typhoons hit the Korean peninsula and cause severe damage. For the prevention and accurate estimation of these damages, real time or almost real time flood information is essential. Because of weather conditions, images taken by optic sensors or LIDAR are sometimes not appropriate for an accurate estimation of water areas during typhoon. In this case SAR (Synthetic Aperture Radar) images which are independent of weather condition can be useful for the estimation of flood areas. To get detailed information about floods from satellite imagery, accurate classification of water areas is the most important step. A commonly- and widely-used classification methods is the ML(Maximum Likelihood) method which assumes that the distribution of brightness values of the images follows a Gaussian distribution. The distribution of brightness values of the SAR image, however, usually does not follow a Gaussian distribution. For this reason, in this study the ANN (Artificial Neural Networks) method independent of the statistical characteristics of images is applied to the SAR imagery. RADARS A TSAR images are primarily used for extraction of water areas, and DEM (Digital Elevation Model) is used as supplementary data to evaluate the ground undulation effect. Water areas are also extracted from KOMPSAT image achieved by optic sensors for comparison purpose. Both ANN and ML methods are applied to flat and mountainous areas to extract water areas. The estimated areas from satellite imagery are compared with those of manually extracted results. As a result, the ANN classifier performs better than the ML method when only the SAR image was used as input data, except for mountainous areas. When DEM was used as supplementary data for classification of SAR images, there was a 5.64% accuracy improvement for mountainous area, and a similar result of 0.24% accuracy improvement for flat areas using artificial neural networks.

• 대한지리학회지
• /
• 제43권5호
• /
• pp.761-774
• /
• 2008

원격탐사에서 위성 영상의 디지털 처리 기술이 발달하면서 GIS 자료와 지식 기반 전문가 시스템과의 통합에 대한 관심이 증가하고 있다. 본 연구에서는 위성영상을 토지피복 분류하는 과정에서 GIS 자료를 통합하기 위하여 기계 학습 기법과 규칙 기반 분류 기법을 적용하였다. 사례 지역을 대상으로 Landsat ETM+ 영상과 고도, 경사, 향, 수역과의 거리, 도로와의 거리, 인구밀도 등의 GIS 자료를 함께 활용하였다. C5.0 추론 기계 학습 알고리듬을 이용하여 350개의 표본점으로부터 결정 트리와 분류 규칙을 생성하였다. 본 연구에서 도출된 규칙을 이용하여 분류한 결과, 고독 수역과의 거리, 인구밀도 등의 GIS 자료가 규칙 기반 분류에 효과적인 것으로 나타났다. 본 연구에서 제안한 기계 학습과 지식 기반 분류 기법을 이용하면 다양한 GIS 자료들을 통합하여 위성영상을 보다 효과적으로 분류할 수 있다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1999년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.433-438
• /
• 1999

The land use type of Korea is high-density. So, the image classification using coarse resolution satellite image may not provide land cover classification results as good as expected. The purpose of this paper is to compare the result of visual interpretation with that of digital image classification of 20 m resolution SPOT satellite image at Kwangju-eup, Kyunggi-do, Korea. Classes are forest, cultivated field, pasture, water and residential area, which are clearly discriminated in visual interpretation. Maximum likelihood classifier was used for digital image classification. Accuracy assessment was done by comparing each classification result with ground truth data obtained from field checking. The classification result from the visual interpretation presented an total accuracy 9.23 percent higher than that of the digital image classification. This proves the importance of visual interpretation for the area with high density land use like the study site in Korea.

• 상하수도학회지
• /
• 제29권6호
• /
• pp.651-657
• /
• 2015

Recently, the need for asset management(AM) plan introduction to reduce increasing O&M cost with aging water facilities is on the rise. Therefore, asset inventory classification is necessary as the first step for AM plan construction. In this study, all assets of YW water treatment plant(WTP) were classified as 5 steps. In addition, specific code name was given to each asset which can increase compatibility in constructing the AM programs among WTPs. In the future, codes for attribute and status of asset will be allocated, which can facilitate proper AM operation.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1239-1241
• /
• 2003

This paper presents the results of Landsat-TM imagery applications for detecting spatial variations of the water environments in the Saemankeum (STLR) project areas. The simulated tidal flow patterns from a two -dimensional hydro - dynamic model and water quality data from STRL project were used for relationships with the satellite data. Unsupervised classification of the tidal water body reflects the overall flow patterns at a flooding tide. Regressive equations for water quality parameters were derived and used for supervised classifications. The results were found to be useful to synoptically evaluate the water environments during the construction stages of the STLR project.

• 대한원격탐사학회지
• /
• 제28권5호
• /
• pp.531-548
• /
• 2012

남해안에서 발생한 Cochlodinium polykrikoides 적조를 적조인 경우와 아닌 경우(satellite high chlorophyll water)로 부터 분류하기 위해서, 본 연구는 Son et al.(2011)의 spectral classification 방법을 세계 최초 해색위성인 GOCI 파장에 맞도록 개선했다. C. polykrikoides 적조인 경우와 아닌 경우는 네 가지 단계를 거쳐서 분리했다. 첫 번째 단계는 적조 발생 가능지역으로 555nm와 680nm (fluorescence peak)에서 피크를 보이는 지역을 선택했다. 두 번째 단계는 적조 발생 가능 지역 중에서 용존유기물/부유물질 함량이 높은 지역과 낮은 지역을 구분했다. 세 번째와 네 번째 단계는 blue-to-green 밴드비를 이용하여 적조 발생 지역과 아닌 지역을 구분했다. 네 가지 단계를 적용한 결과 적조의 스펙트럼은 증가된 식물성 플랑크톤과 용존유기물(부유물질)의 흡광 때문에 짧은 파장에서는 낮은 기울기를 보이고, 증가된 부유물질 때문에 긴 파장에서는 상대적으로 증가된 기울기를 나타냈다. GOCI를 위해 개선된 spectral classification 방법은 C. polykrikoides 적조인 경우와 적조가 아닌 경우에 대해서 높은 user accuracy를 보이고, 다양한 해양환경에서 신뢰성 있는 적조 탐지 가능성을 보이고 클로로필 농도를 이용한 방법이나 기존의 다른 적조 탐지 방법보다 좋은 결과를 보였다. 남해안 C. polykrikoides 적조는 2012년 7월 말에서 8월 초까지 나로도와 통영 부근 해상에서 탐지 되었고, 2012년 8월 중순에는 완도에서 거제도까지 남해안 전체에 걸쳐 발생했다.

• 한국습지학회지
• /
• 제13권2호
• /
• pp.275-289
• /
• 2011

파주시 민간인 통제구역 내에 존재하는 둠벙의 수문 지형학적 분류를 위해 둠벙의 특성을 조사하였다. 물을 논농사에 이용하는 둠벙을 조사한 결과 모두 85개가 존재하였다. 조사된 둠벙을 수문학적 특성 중 계절별 수위변화 정도에 따라 나누면, 계절에 따라 수위가 크게 변하는 둠벙은 52개, 계절에 무관하게 항상 일정한 둠벙이 33개였다. 수원에 따라 분류하면 강수 의존 지표수인 경우가 12개, 지하수와 지표수인 경우가 29개, 지하수만인 경우가 44개였다. 4개는 산지에 33개는 평지에 48개는 계곡에 위치하였다. 40개는 논과 물의 교환이 일어나지 않았으며, 45개는 수위가 변함에 따라 교환이 일어났다. 멸종위기종 또는 특산종이 서식하는 둠벙은 모두 26개였으며, 주로 수위가 일정하며, 지하수를 수원으로 가지는 둠벙에 해당하였다. 이와 같은 특징을 바탕으로 둠벙을 샘통형, 물흐름형, 괸물샘통형, 괸물형으로 나누는 방법을 새로이 제시하였다. 이와 같이 둠벙의 유형을 제시함으로써 이들을 체계적으로 조사 정리하여, 둠벙을 유형적으로 관리하는 데 도움을 주고자 하였다.

• Ecology and Resilient Infrastructure
• /
• 제9권4호
• /
• pp.218-227
• /
• 2022

본 연구는 효율적인 하천 관리를 위해 중요한 데이터 중 하나인 하천 공간의 토지피복 분류를 위해 딥 러닝 기반의 이미지 트레이닝 방법의 활용가능성을 검토하였다. 이를 위해 대상 구간의 RGB 이미지를 활용하여 라벨링 작업 후 학습시킨 결과를 활용하여 기존 대분류 지표를 기준으로 토지피복 분류를 시도하였다. 또한 개방형으로 제공되는 Sentinel-2 위성 영상으로부터 무감독 분류 및 감독 분류에 의한 하천 공간의 토지피복 분류를 수행하였으며, 딥 러닝 기반 이미지 분류 결과와 비교하였다. 분석 결과의 경우 무감독 분류 결과와 비교하여 매우 향상된 예측 결과를 보여주었으며, 고해상도 이미지의 경우 더욱 정확한 분류 결과를 제시하였다. 단순한 이미지 라벨링을 통해 분류된 피복 분류 결과는 하천 공간 내 수역과 습지의 분류 가능성을 보여주었으며, 향후 추가적인 연구 수행이 이루어진다면 하천 관리를 위해 딥 러닝 기반 이미지 트레이닝 기법을 이용한 하천 공간내 피복 분류 결과의 활용이 가능할 것으로 판단된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.204-206
• /
• 2003

In order to utilize remote sensed images effectively, a lot of image classification methods are suggested for many years. But, the accuracy of traditional methods based on pixel-based classification is not high in general. In this study, object oriented classification based on image segmentation is used to classify Landsat images. A necessary prerequisite for object oriented image classification is successful image segmentation. Object oriented image classification, which is based on fuzzy logic, allows the integration of a broad spectrum of different object features, such as spectral values , shape and texture. Landsat images are divided into urban, agriculture, forest, grassland, wetland, barren and water in sochon-gun, Chungcheongnam-do using object oriented classification algorithms in this paper. Preliminary results will help to perform an automatic image classification in the future.