• 한국해양학회지:바다
• /
• 제22권3호
• /
• pp.57-68
• /
• 2017

이어도 종합해양과학기지(IORS, Ieodo Ocean Research Station) 주변 해역은 시 공간적으로 해양 환경 변화가 심하여, 해양-대기교환 과정을 비롯하여 해양 생태계와 기후 변화 연구에 필수적인 해수면온도(SST, Sea surface temperature) 자료의 지속적인 측정이 요구되는 해역이다. 본 연구에서는 이어도 종합해양과학기지에 열적외선 센서를 이용하여 해수면온도 연속 관측이 가능한 시스템을 구축하였다. 자동 대기 보정 및 해양 조건에 따른 방사율 계산이 가능한 해수면온도 추출 알고리즘을 개발하였고, 현장측정 해수면온도 자료와의 비교 및 검증을 통해 정확도를 평가하였다. 2015년 5월 17일부터 26일, 그리고 2016년 7월 15일부터 18일까지 기지에 체류하는 동안 열적외선 관측 시스템으로 측정된 해수면온도와 기지 부착 CT (Conductivity-Temperature) 및 튜브 부착 수온 센서들을 이용하여 현장에서 측정된 해수면온도 시계열을 비교하여 상호상관계수0.72-0.85, 평균제곱근 편차 $0.37-0.90^{\circ}C$의 정확도를 얻었다. 이 시스템은 이어도 종합해양과학기지뿐만 아니라 신안 가거초 및 옹진 소청초 등의 다른 종합해양과학기지에도 쉽게 구축이 가능한 시스템으로써 향후 발사될 인공위성의 해수면온도 산출알고리즘 개발의 테스트사이트나 검보정사이트로 활용될 수 있을 것으로 기대할 수 있다.

• 한국수자원학회논문집
• /
• 제47권4호
• /
• pp.371-384
• /
• 2014

본 논문에서는 천리안(Communication, Ocean and Meteorological Satellite; COMS)과 TRMM(Tropical Rainfall Measurement Mission)을 통하여 관측한 위성영상자료를 이용한 극치강우(Extreme Rainfall) 추정 알고리즘을 개발하였으며, 2011년 7월 집중호우를 대상으로 그 적용성을 평가하였다. TRMM/PR(TRMM/Precipitation Radar)과 AWS(Automatic Weather System) 자료를 이용하여 고도에 따른 멱급수 회귀방정식으로 Z-R관계식을 추정한 결과 $Z=303R^{0.72}$를 산출하였으며, 지상관측 자료와 비교한 결과 상관계수가 0.57로 분석되었다. 이 값과 TRMM/VIRS(TRMM/Visible Infrared Scanner)와의 관계를 이용하여 극치강우알고리즘을 개발하였으며, 천리안 위성에 적용하여 10분강 우를 추정한 결과 강우강도가 큰 경우에는 과소 추정하는 경향이, 작은 경우에는 과대 추정하는 경향이 있는 것으로 분석되었으나, 전반적인 패턴은 관측과 유사한 경향이 있는 것으로 분석되었다. 또한 이 알고리즘을 같은 센서를 이용하는 천리안 위성에 적용하여 AWS의 상관관계를 분석한 결과, 10분 강우량의 경우 상관계수는 0.517로 평균제곱근 오차는 3.146으로 분석되었고, 공간 상관행렬 오차의 평균은 -0.530~-0.228의 음의 상관을 보이는 것으로 분석되었다. 위성자료를 이용한 극치강우량 추정의 오차 발생 원인은 여러 가지 외부적인 요인으로 판단되며, 지속적인 알고리즘 개선 및 오차보정을 통한 정확도 개선이 필요한 것으로 사료된다. 본 연구의 결과는 추후 다양한 정지궤도위성의 이용을통 한 다중 원격탐사자료의 활용으로 보다 정확한 미계측 유역 수문자료 확충 및 실시간 홍수 예 경보 시스템 구축에 활용이 가능할 것으로 사료된다.

• 대한토목학회논문집
• /
• 제32권1D호
• /
• pp.81-88
• /
• 2012

본 연구는 해안선의 변화양상을 분석하기 위하여 두 가지 부분(측량 부분과 프로그램 부분)으로 나누어 진행하였다. 첫 번째는 다년간 GPS 측량을 통하여 자료를 취득하여 해안선 정보를 수집하였다. 두 번째는 다중영상정보를 이용하여 해안선 변화에 대한 자동경계검출 알고리즘을 개발하여 비교 분석하였다. 실험대상지역은 한국의 대표적인 해안인 부산시 해운대해수욕장을 선정하였고, 실험은 RTK-GPS의 경우 2005년 9월부터 2009년 9월까지 총 8회, 그리고 항공 Lidar는 2006년 12월과 2009년 3월에 실험을 수행하였다. 그 결과 RTK-GPS으로 나타난 평균 해안선의 길이는 약 1,364.6m이고, 항공 Lidar의 결과는 약 1,402.5m로 나타났다. 본 연구에서는 Visual C++ MFC(Microsoft Foundation Class)를 이용하여 해안선 경계 추출 알고리즘을 고안하였으며, 항공사진과 위성영상을 이용하여 해안선을 추출한 결과 평균 1,391.0m로 나타났다. 실측한 정보와의 상호비교를 통하여 약 98.1%의 정확도로 해안선 자동경계 추출이 되는 것으로 제시되었다.

• 한국지리정보학회지
• /
• 제15권3호
• /
• pp.66-80
• /
• 2012

원격탐사 방법을 활용한 변화지역 탐지, 재난재해 지도 작성, 작황 모니터링 등 다중시기의 위성영상을 활용한 결과를 도출하기 위해서는 시계열 영상 정보를 서로 비교할 수 있는 공통의 스케일로 정규화 하는 것이 필요하다. 다중시기 영상에 대한 정규화 방법은 절대복사보정과 상대복사 보정으로 나눌 수 있으며, 본 연구에서는 상대복사 보정을 통한 시계열 위성영상처리 기법을 다루고자 한다. 2011년 3월 해일 피해가 발생했던 일본 센다이 지역을 연구대상지로 선정하였고, KOMPSAT-2 다중분광영상을 이용한 사고 전, 후의 피해지역 탐지에 있어 상대복사 보정의 실효성을 분석하였다. 다양한 상대복사 보정 기법 중에서 정준상관분석을 통해 PIFs(Pseudo Invariant Features) 지역을 자동으로 추출하는 MAD(Multivariate Alteration Detection) 기법을 적용하였다. 본 사례연구 분석결과 MAD 방식에 의한 자동 PIFs 지역의 추출은 비교적 높은 정확도 수준에서 이루어짐을 확인할 수 있었으며, 상대복사 보정된 시계열 위성영상을 사용함으로써 변화지역 자동탐지의 신뢰수준을 높일 수 있는 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제14권4호
• /
• pp.376-391
• /
• 1998

위성의 발달에 따라 고해상영상이 등장하게 되었고 지표상태 분석에 매우 유용하게 되었다. GeoWatch는 지능형 영상처리 시스템으로서, 고해상도 영상을 이용하여 디지타이징, 지리보정, 강조, 여러 가지 연산, 식생지수 분석, 등을 하여 지표면 분석 등을 할 수 있는 시스템이다. 도한 지능형 분석 방법등 여러 가지 기법을 이용하여 변화지역분석, 토지 분류, 도시정보추출 등을 수행한다. 이 시스템의 강점은 full scene 영상같은 대용량 영상을 다룰 경우 역동적인 알고리즘 저장 방식을 채택하였고, 자동메뉴 생성, 사용자 편의를 위한 비쥬얼 프로그래밍 환경 등을 제공한다. 이 시스템은 또한 위성영상 위에 벡터를 중첩하여 분석하거나 수정 작업을 할 수 있고, 3차원 비행 시뮬레이션도 가능하다. 이 시스템은 영상 처리 모듈 외에도 영상 변환 및 수정 유틸리티 기능을 많이 제공한다. 본 논문에서는 또한 지능형 영상 분석 방법 뿐만 아니라, 대용량처리나, 비쥬얼 프로그램을 위한 디자인 개념을 제공한다.

• Journal of Animal Science and Technology
• /
• 제63권2호
• /
• pp.367-379
• /
• 2021

The objectives of this study were to evaluate convolutional neural network models and computer vision techniques for the classification of swine posture with high accuracy and to use the derived result in the investigation of the effect of dietary fiber level on the behavioral characteristics of the pregnant sow under low and high ambient temperatures during the last stage of gestation. A total of 27 crossbred sows (Yorkshire × Landrace; average body weight, 192.2 ± 4.8 kg) were assigned to three treatments in a randomized complete block design during the last stage of gestation (days 90 to 114). The sows in group 1 were fed a 3% fiber diet under neutral ambient temperature; the sows in group 2 were fed a diet with 3% fiber under high ambient temperature (HT); the sows in group 3 were fed a 6% fiber diet under HT. Eight popular deep learning-based feature extraction frameworks (DenseNet121, DenseNet201, InceptionResNetV2, InceptionV3, MobileNet, VGG16, VGG19, and Xception) used for automatic swine posture classification were selected and compared using the swine posture image dataset that was constructed under real swine farm conditions. The neural network models showed excellent performance on previously unseen data (ability to generalize). The DenseNet121 feature extractor achieved the best performance with 99.83% accuracy, and both DenseNet201 and MobileNet showed an accuracy of 99.77% for the classification of the image dataset. The behavior of sows classified by the DenseNet121 feature extractor showed that the HT in our study reduced (p < 0.05) the standing behavior of sows and also has a tendency to increase (p = 0.082) lying behavior. High dietary fiber treatment tended to increase (p = 0.064) lying and decrease (p < 0.05) the standing behavior of sows, but there was no change in sitting under HT conditions.