• 지질공학
• /
• 제32권2호
• /
• pp.271-280
• /
• 2022

정착해빙은 극지역 해안에 형성되는 고착된 해빙으로, 해양 생태계와 해안에 위치한 과학기지들의 운용에 큰 영향을 끼치는 중요한 인자이기 때문에 지속적인 관측이 중요하다. 본 연구에서는 6, 12, 18일의 시간 기선을 가지는 Sentinel-1 영상레이더(synthetic aperture radar, SAR) 간섭 긴밀도 영상들을 레이어 병합하여 동남극 장보고 과학기지 주변의 정착해빙을 탐지하였다. 2017년 7월부터 2018년 6월까지 총 50장의 간섭 긴밀도 영상을 제작하였으며, 이로부터 1년간의 정착해빙 면적 변화를 도출하였다. Campbell 빙하설을 기준으로 동쪽과 서쪽에서 정착해빙의 면적이 최대가 되는 시기가 상이함을 확인하였다. 이 연구를 통하여 SAR 간섭 긴밀도를 활용한 정착해빙 탐지 가능성을 확인하였으나, 생성 시간이 짧거나 부드러운 표면을 가져 작은 레이더 후방산란을 보이는 정착해빙과 Campbell 빙하설의 흐름 및 붕괴로 인해 급작스러운 움직임을 보이는 빙하설 인접 지역에서의 정착해빙이 미탐지 되는 한계점은 개선이 필요할 것으로 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.162-162
• /
• 2020

토양수분은 TDR(Time Domain Reflectometry)이나 Tensiometer 등의 장비를 이용하여 측정을 시행하고 있으나, 이를 위해서는 많은 인력과 경제적 자원이 소비될 뿐만 아니라 시공간적으로 측정할 수 있는 범위에 한계가 있다. 지상 관측의 대안으로 MIRAS(Microwave Imaging Radiometer with Aperture Synthesis)나 SMAP(Soil Moisture Active Passive), AMSR2(Advanced Microwave Scanning Radiometer 2) 등의 수동 마이크로파 위성 센서를 이용한 공간 토양수분 관측이 수행되었으나, 낮은 공간 해상도(9~36km)는 지역 규모의 토양수분 분포를 나타내기 충분하지 않고, 높은 불확실성을 내포하고 있다. 본 연구에서는 금강 상류의 용담댐 유역(930.0㎢)을 대상으로 Sentinel-1 C-band SAR(Synthetic Aperture Radar) 영상을 이용한 토지 피복 및 토양 속성을 고려한 10m 해상도의 토양수분 산출을 수행하였다. 용담댐 유역은 산림 79.7%, 논 9.0%, 밭 5.4%, 주거지 2.9%의 토지 피복 비율을 가지며 토양은 사양토(66.6%)와 양토(20.9%)가 우세하다. Sentinel-1 C-band SAR 영상은 SeNtinel Application Platform(SNAP)을 이용하여 전처리 후, 후방산란계수로 변환하였다. 토양수분 알고리즘은 TU-Wien change detection algorithm과 Regression model을 활용하였고, 검증을 위한 실측 토양수분 자료는 한국수자원공사(K-water)에서 제공하는 5년(2014~2018)간의 토양수분 관측자료를 이용하였다. 산출된 토양수분은 결정계수(Coefficient of determination, R²) 및 평균제곱근오차(Root Mean Square Error, RMSE)를 이용하여 실측 토양수분과 비교하였다. Sentinel-1 C-band SAR 영상을 이용한 고해상도의 토양수분 산출은 토지 피복 및 토양 속성을 고려한 지역 규모의 공간 토양수분 분포 및 시간적 변화를 표현 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제40권3호
• /
• pp.285-293
• /
• 2024

본 연구는 Google Earth Engine을 활용하여 Sentinel-1 Synthetic Aperture Radar 영상을 통해 남극 Campbell Glacier Tongue (CGT)와 Drygalski Ice Tongue (DIT)의 면적 변화를 2016년부터 2024년까지 모니터링하였다. Otsu 기법과 Simple Non-Iterative Clustering (SNIC) 클러스터링 기법을 사용하여 빙설과 해양을 구분하고 월평균 영상을 통해 빙설 탐지 오류를 줄였다. 분석 결과 CGT는 주기적인 붕괴로 인하여 약 26% 감소하였고 DIT는 전반적으로 증가하다가 최근 급격한 감소를 보였다. Sentinel-2 광학 영상과 비교한 결과 높은 탐지 정확성을 보여 제안된 방법의 신뢰성을 입증하였으며, 본 연구는 남극 빙설과 빙붕의 장기 모니터링에 기여할 것으로 기대된다.

• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.1-9
• /
• 2022

Ship detection in synthetic aperture radar (SAR) images is an important application in marine monitoring for the military and civilian domains. Over the past decade, object detection has achieved significant progress with the development of convolutional neural networks (CNNs) and lot of labeled databases. However, due to difficulty in collecting and labeling SAR images, it is still a challenging task to solve SAR ship detection CNNs. To overcome the problem, some methods have employed conventional data augmentation techniques such as flipping, cropping, and affine transformation, but it is insufficient to achieve robust performance to handle a wide variety of types of ships. In this paper, we present a novel and effective approach for deep SAR ship detection, that exploits label-rich Electro-Optical (EO) images. The proposed method consists of two components: a data augmentation network and a ship detection network. First, we train the data augmentation network based on conditional generative adversarial network (cGAN), which aims to generate additional SAR images from EO images. Since it is trained using unpaired EO and SAR images, we impose the cycle-consistency loss to preserve the structural information while translating the characteristics of the images. After training the data augmentation network, we leverage the augmented dataset constituted with real and translated SAR images to train the ship detection network. The experimental results include qualitative evaluation of the translated SAR images and the comparison of detection performance of the networks, trained with non-augmented and augmented dataset, which demonstrates the effectiveness of the proposed framework.

• 대한토목학회논문집
• /
• 제39권2호
• /
• pp.247-256
• /
• 2019

본 연구에서는 홍수모델링을 위해 삼각격자와 사각격자를 포함하는 혼합격자의 적용이 가능한 2차원 Godunov형 유한체적모형을 이용하여 격자형상과 해상도에 따른 홍수위, 홍수범람범위, 모형의 계산시간을 비교 분석하였다. 연구유역은 2000년 10월 29일부터 11월 19일까지 22일 동안 홍수가 발생한 영국의 Upton-upon Severn 유역이다. 홍수 모델링을 위해 고해상도 LiDAR (Light Detection And Ranging)를 이용하여 지형자료를 구축하였으며, 격자유형 및 해상도에 따른 2차원 홍수모델링 결과는 홍수기간 동안 촬영된 4개의 ASAR (Airborne Synthetic Aperture Radar) 영상자료와 비교하였다. 본 연구는 동일한 지형과 경계조건을 사용하더라도, 격자의 형상과 해상도에 따라 홍수위와 범람범위가 큰 차이를 가질 수 있음을 보여주었으며, 2차원 홍수모델링의 목적과 상황에 맞는 적절한 격자유형과 해상도의 선택이 필요함을 보여준다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.290-293
• /
• 2005

This paper proposes and evaluates a new approach to detect ships as targets from Radarslit-l SAR (Synthetic Aperture Radar) imagery in the vicinity of Korean peninsula. To be more specific, a labeling technique and morphological filtering in conjunction with some other methods are employed to automatically detect the ships. From the test, the ships are revealed to be detected. For ground truth data, information from a radar system is used, which allows assessing accuracy of the approach. The results showed that the proposed approach has the high potential in automatically detecting the ships

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2003년도 하계학술대회 논문집
• /
• pp.62-65
• /
• 2003

We propose an algorithm for almost unsupervised detection of linear structures, in particular, axes in road network and river, as seen in synthetics aperture radar (SAR) images. The first is local step and used to extract linear features from the speckle radar image, which are treated as road segment candidates. We present two local line detectors as well as a method for fusing information from these detectors. The second is global step, we identify the real roads among the segment candidates by defining a Markov random field (MRF) on a set of segments, which introduces contextual knowledge about the shape of road objects.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 추계종합학술대회논문집
• /
• pp.121-124
• /
• 2000

We propose an algorithm for almost unsupervised detection of linear structures, in particular, axes in road network and river, as seen in synthetics aperture radar (SAR) images. The first is local step and used to extract linear features from the speckle radar image, which are treated as road segment candidates. We present two local line detectors as well as a method for fusing Information from these detectors. The second is hybrid step, we Identify the real roads among the segment candidates by defining a Markov random field (MRF) on a set of segments, which introduces contextual knowledge about the shape of road objects.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 하계종합학술대회논문집
• /
• pp.221-224
• /
• 2000

We propose an algorithm for almost unsupervised detection of linear structures, in particular, axes in road network and river, as seen in synthetics aperture radar (SAR) images. The first is local step and used to extract linear features from the speckle radar image, which are treated as road segment candidates. We present two local line detectors as well as a method for fusing information from these detectors. The second is global step, we identify the real roads among the segment candidates by defining a Markov random field (MRF) on a set of segments, which introduces contextual knowledge about the shape of road objects.

• 천문학회보
• /
• 제46권1호
• /
• pp.61.2-61.2
• /
• 2021

SkyMapper is the largest-aperture optical wide-field telescope in Australia and can be used for transient detection in the Southern sky. Reference images from its Southern Survey cover the sky at δ <+10 deg to a depth of I ~ 20 mag. It has been used for surveys of extragalactic transients such as supernovae, optical counterparts to gravitational-wave (GW) and fast radio bursts. We adopt an ensemble-based machine learning technique and further filtering scheme that provides high completeness ~98% and purity ~91% across a wide magnitude range. Here we present an important use-case of our robotic transient search, which is the follow-up of GW event triggers from LIGO/Virgo. We discuss the facility's performance in the case of the second binary neutron star merger GW190425. In time for the LIGO/Virgo O4 run, we will have deeper reference images for galaxies within out to ~200 Mpc distance, allowing rapid transient detection to i ~ 21 mag.