• 환경생물
• /
• 제40권4호
• /
• pp.363-373
• /
• 2022

본 연구는 2021년 4월부터 8월까지 3차례에 걸쳐 제주도 봉개동에 위치한 물장오리오름 습지의 저서성 대형무척추동물상 및 군집구조를 파악하기 위해 수행되었다. 조사지점은 물장오리오름 습지를 4개의 구역으로 구분하였으며, 접근이 가능한 3개 구역(1 area~3 area)에서 조사를 실시하였다. 물장오리오름 습지의 서식지 환경을 분석한 결과, 월 평균기온은 7~8월에 가장 높고, 12~2월에 가장 낮은 양상이 2017년부터 2021년까지 반복되었다. 월 강수량은 2017년을 제외하고 2018년부터 2021년까지 장마철인 6월부터 9월에 가장 높은 것으로 분석되었다. 위성영상 분석을 통해 식생면적과 수 면적의 변동을 분석한 결과, NDVI는 2월부터 7월까지 증가하고 이후 감소하는 양상을 나타내었으며, NDWI는 반비례의 관계를 나타내는 것으로 분석되었다. 조사기간 동안 채집된 저서성 대형무척추동물은 총 2문 3강 8목 17과 26종이 출현하였으며, 정성조사 시 13과 21종, 정량조사 시 15과 24종 412개체가 출현하였다. 우점종은 깔따구류(Chronomidae spp.)가 132개체(32.04%)로 확인되었으며, 자색물방개(Noterus japonicus)가 71개체(17.23%)로 아우점하였다. 본 연구와 문헌에서 확인된 출현종을 비교·분석한 결과, 딱정벌레목과 잠자리목의 종다양성이 높은 것으로 확인되었으며, 주요 섭식기능군은 Predators, 서식기능군은 Swimmers로 분석되었다. OHC-group은 2021년에 17종(73.91%)이 확인되었으며, 2016년에는 23종(79.31%), 2018년에 26종(86.67%), 2019년에 19종(79.17%)이 출현하였다. 멸종위기야생생물 II급인 물방개(Cybister japonicus)가 문헌에서 서식하는 것으로 확인되었으며, 2021년에도 10개체(2.43%)가 조사되었다. 따라서 물장오리오름 습지에 서식하고 있는 물방개의 서식환경을 유지할 수 있도록 지속적인 관리와 서식지 보호가 필요할 것으로 생각된다.

• 대한원격탐사학회지
• /
• 제31권5호
• /
• pp.395-408
• /
• 2015

고해상도 위성영상 모자이크는 두 장 이상의 위성영상을 공간적으로 합성하여 보다 넓은 단일 영상을 만드는 영상 처리 과정으로 원격탐사 분야에서 그 중요성이 날로 커지고 있다. 본 연구에서는 영상 모자이크 작업 시 요구되는 접합선 자동 추출기법과 이를 기반으로 한 모자이크 영상 제작 방법을 제시하였다. 대용량인 고해상도 위성영상에서 보다 빠르고 효율적인 접합선 추출하기 위해서, NDVI의 특성을 활용하여 빠르게 경계선을 추출하는 NDVI 기반 접합선 추출 알고리즘을 개발하였다. NDVI는 식생의 분포량 및 활동성을 나타내는 정규화 식생지수로 이를 활용하여 인공지역과 자연지역을 분리하여 초기 접합선을 추출하였다. Canny 에지 연산자를 적용하여 비용범위이미지를 생성하고, 초기 접합선을 기준으로 버퍼링 기법을 사용하여 범위 비용 이미지를 생성하였다. 다익스트라 알고리즘을 사용하여 접합선을 추출하고, 획득시기가 다른 인접영상간의 방사 왜곡을 줄이기 위하여 히스토그램 매칭을 수행하였다. KOMPSAT-2/3 위성영상을 이용한 실험결과, 두 영상의 기하학적 차이로 인한 시각적 불연속 특징이 감소됨을 확인할 수 있었고, 접합선 추출시 소요되는 연산시간이 감소되는 것을 확인할 수 있었다.

• 아시안잔디학회지
• /
• 제22권1호
• /
• pp.1-12
• /
• 2008

Multi-spectral radiometer (MSR)를 사용한 리모트 센싱 기술이 향 후 잔디의 건조스트레스를 감지할 수 있는 도구로 사용될 수 있다. 본 연구의 목적은 네가지 각기 다른 조건의 건조스트레스를 받은 난지형 잔디의 잎에서 반사되는 Reflectance와 토양수분, 비주얼 잔디상태, 엽록소 함량, 광합성 등을 측정하여 각 factor간의 상관관계를 조사했으며 본 연구를 통해 모든 factor가 MSR 데이터와 질은 상관관계를 가지고 있었다. 또한 Reflectance 민감도는Visual spectral region보다 Infrared spectral region에서 더 높음을 알 수 있었다. 모든 결과를 종합해 볼 때 Multi-spectral radiometer (MSR)은 잔디의 건조상태를 미리 예측할 수 있는 도구로 사용될 수 있음을 확인할 수 있었다. 이 기술의 자료를 활용하게 된다면 향 후 MSR이 부착된 기구(Balloon)를 이용한 필드 스터디 연구로 확대될 수 있을 것이다.

• 한국조경학회지
• /
• 제37권4호
• /
• pp.1-11
• /
• 2009

본 연구는 공원조성압력지수를 이용하여 청주시에 분포되어 있는 도심 미개발공원의 개발우선순위를 선정하는데 있다. 공원조성압력지수를 산정하기 위해 가법형 모델을 이용하였다. 지수는 총 5개의 등급으로 나누어졌으며, 각 등급화는 9개 항목 평가지표를 통해 이루어졌다. 9개의 평가지표에서는 다시 공원의 물리적 환경특성, 이용가능성, 공간배치특성으로 분류된다. 이러한 평가지표는 기존연구에서 제시하고 있는 지표와 관련공무원의 인터뷰를 통해 선정하였다. 물리적 환경평가지표로는 고도 경사, 정규식생지수(Normalized Difference Vegetation Index: NDVI)가 있으며, 이용가능성 평가지표로는 주거지면적비율, 이용가능예측인구, 미조성경과년수, 단절구역면적이 있으며, 마지막으로 공원배치특성의 경우에는 공원간의 거리와 대체시설의 분포특성이 있다. 연구 결과, 사천, 사직2, 당산근린공원이 1등급을 받았으며, 삼선당공원이 5등급을 받았다. 1등급 공원의 경우, 두 개의 공원이 청주시의 동서축인 사직로와 인접해 있었으며, 가장 높은 개발압력을 받고 있는 것으로 나타났다. 삼성당공원의 경우, 가장 낮은 개발압력을 받고 있는 것으로 나타났으며 이 공원의 경우, 지역 대학교와 밀접하게 위치하고 있으며, 이로 인해 주변지역에 주거용지비율이 작고 이용잠재인구 또한 적은 것으로 나타났다.

• 대한토목학회논문집
• /
• 제43권6호
• /
• pp.883-896
• /
• 2023

인간 활동 영역이 산지 곳곳에 퍼져 있는 한국에서는 산불이 주거지역이나 각종 시설물을 위협하는 경우가 잦다. 따라서 산불 이후 대책 마련과 피해 복구를 위해 피해 범위를 빠르게 파악할 필요가 있으며, 이러한 경우 원격탐사가 유용한 도구가 될 수 있다. 본 연구에서는 2019년 4월에 발생한 고성·속초 산불 피해지역에 k-nearest neighbor (kNN) 알고리즘을 적용하여 피해 범위를 탐지하는 실험을 수행하였다. 다양한 인공지물을 포함하는 지표와 숲이 혼재된 지역 특성을 고려하여 적절한 공간 해상도와 시간 해상도를 제공하는 Sentinel-2 multispectral instrument (MSI) 자료를 사용하였다. Sentinel-2 MSI의 여섯 밴드와 정규식생지수(NDVI), 정규탄화지수(NBR)를 분류 특성으로 사용하였다. 산불 피해지역과 비피해 지역에서 무작위로 추출된 2,000개 지점 정보를 이용하여 kNN 분류기를 훈련시켰다. 분류 성능을 높이기 위해 데이터에서 특이값을 제거하고 임상도를 병용하였다. 다양한 이웃(neighbor) 수와 분류 특성 조합을 적용하여 산불 후 데이터를 이용한 실험과 산불 전후 데이터 차이를 이용한 실험을 수행하였다. 산불 전후 데이터 차이를 이용하였을 때 더 우수한 분류 성과를 얻을 수 있었지만, 산불 후 데이터만을 이용한 경우에도 피해지역의 범위를 파악할 수 있었다.

• 대한원격탐사학회지
• /
• 제36권3호
• /
• pp.487-501
• /
• 2020

이 연구에서는 고해상도 위성영상을 이용하여 지표면 온도를 산출하는 기존의 여러가지 방법 이외에 보다 새로운 접근으로, 인공지능 기반의 심층신경망 기법을 148장의 Landsat 8 영상에 적용하여 우리나라 지표면온도를 산출하고 그 적합성을 평가하였다. Landsat 8 열적외 10번 밴드(약 11 ㎛ 파장대)의 밝기온도와 방출률은 물리방정식에 경험상수가 결합하여 도출된 값이기 때문에, 지역적 기상, 기후, 지형, 식생 등의 조건에 따른 불확실성을 내포하고 있다. 이를 보완하기 위하여 본 연구에서는 밝기온도와 방출률로부터 지표면온도 초기추정치 T₀를 산출하고 이와 함께, NDVI, 토지피복, 지형요소(고도, 경사, 향, 거칠기) 등을 입력변수로 하는 계절별 심층신경망 모델을 최적화하여 지표면온도를 산출하였다. 이는 ASOS(Automated Synoptic Observing System)와의 선형관계식으로 편의보정을 수행하는 기존 방법에 비해 진보된 기법이다. ASOS 관측치와 시공간적으로 일치되는 1,728건의 자료를 비교한 결과, 계절별로 차이가 있기는 하지만 특히 봄, 가을에는 상당히 좋은 결과를 보였으며(CC=0.910~0.917, RMSE=3.245~3.365℃), 또한 토지피복 유형에 상관없이 안정적인 산출이 이루어짐을 확인하였다. 향후 Landsat 5/7/8 자료의 장기시계열 빅데이터와 함께 추가적인 지표면변수를 활용하여 모델링 을 수행함으로써 기후변화 및 특이기상 하에서도 보다 신뢰도 높은 고해상도 지표면온도 산출이 필요할 것이다.

• Journal of Biosystems Engineering
• /
• 제43권2호
• /
• pp.148-159
• /
• 2018

Purpose: Unmanned air vehicle (UAV) remote sensing was applied to test various vegetation indices and make prediction models of protein content of rice for monitoring grain quality and proper management practice. Methods: Image acquisition was carried out by using NIR (Green, Red, NIR), RGB and RE (Blue, Green, Red-edge) camera mounted on UAV. Sampling was done synchronously at the geo-referenced points and GPS locations were recorded. Paddy samples were air-dried to 15% moisture content, and then dehulled and milled to 92% milling yield and measured the protein content by near-infrared spectroscopy. Results: Artificial neural network showed the better performance with $R^2$ (coefficient of determination) of 0.740, NSE (Nash-Sutcliffe model efficiency coefficient) of 0.733 and RMSE (root mean square error) of 0.187% considering all 54 samples than the models developed by PR (polynomial regression), SLR (simple linear regression), and PLSR (partial least square regression). PLSR calibration models showed almost similar result with PR as 0.663 ($R^2$) and 0.169% (RMSE) for cloud-free samples and 0.491 ($R^2$) and 0.217% (RMSE) for cloud-shadowed samples. However, the validation models performed poorly. This study revealed that there is a highly significant correlation between NDVI (normalized difference vegetation index) and protein content in rice. For the cloud-free samples, the SLR models showed $R^2=0.553$ and RMSE = 0.210%, and for cloud-shadowed samples showed 0.479 as $R^2$ and 0.225% as RMSE respectively. Conclusion: There is a significant correlation between spectral bands and grain protein content. Artificial neural networks have the strong advantages to fit the nonlinear problem when a sigmoid activation function is used in the hidden layer. Quantitatively, the neural network model obtained a higher precision result with a mean absolute relative error (MARE) of 2.18% and root mean square error (RMSE) of 0.187%.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.295-304
• /
• 2020

IPCC는 기상이변의 예방 대책의 중요성을 권고하였으며 폭염은 주요 예방대책수립 주제 중 하나이다. 일반적으로 예방대책수립을 위한 기존 연구는 지형적 특성과 사회적 특성을 따로 구분하여 폭염취약지역을 도출하였으나 본 연구에서는 공간, 지형적 특성뿐만 아니라 사회적 특성을 함께 고려하여 폭염취약지역을 분석하고자 하였다. 에너지 사용량, 인구밀도, 정규식생지수, 수변이격거리, 태양복사량, 도로분포를 변수로 하여 점검하고, 여러 회귀모형 중 가장 적합한 모형인 Spatial Lag Model을 선택하여 사용가능한 변수를 추출하였다. 그리고 Fuzzy 이론에 기초하여 각 변수에 대한 폭염 취약정도를 분석하고, 6개의 변수를 중첩분석하여 최종적으로 폭염취약지역을 도출하였다. 연구 대상지는 폭염의 영향이 큰 대구광역시를 선정하였으며, 취약지역의 경우 기존 도심지이며 수변 및 식생에 영향을 적게 받은 대구 서구, 남구, 달서구에 주로 분포되어있음을 확인하였다. 이를 통해 대구광역시의 폭염 저감을 위한 정책적 지원에 있어 공간적, 사회적 특성을 모두 고려해야 함을 확인하였다.

• 대한원격탐사학회지
• /
• 제21권3호
• /
• pp.189-211
• /
• 2005

This paper makes an effort to compare the recently evolved soft classification method based on Linear Spectral Mixture Modeling (LSMM) with the traditional hard classification methods based on Iterative Self-Organizing Data Analysis (ISODATA) and Maximum Likelihood Classification (MLC) algorithms in order to achieve appropriate results for mapping, monitoring and preserving valuable coastal wetland ecosystems of southern India using Indian Remote Sensing Satellite (IRS) 1C/1D LISS-III and Landsat-5 Thematic Mapper image data. ISODATA and MLC methods were attempted on these satellite image data to produce maps of 5, 10, 15 and 20 wetland classes for each of three contrast coastal wetland sites, Pitchavaram, Vedaranniyam and Rameswaram. The accuracy of the derived classes was assessed with the simplest descriptive statistic technique called overall accuracy and a discrete multivariate technique called KAPPA accuracy. ISODATA classification resulted in maps with poor accuracy compared to MLC classification that produced maps with improved accuracy. However, there was a systematic decrease in overall accuracy and KAPPA accuracy, when more number of classes was derived from IRS-1C/1D and Landsat-5 TM imagery by ISODATA and MLC. There were two principal factors for the decreased classification accuracy, namely spectral overlapping/confusion and inadequate spatial resolution of the sensors. Compared to the former, the limited instantaneous field of view (IFOV) of these sensors caused occurrence of number of mixture pixels (mixels) in the image and its effect on the classification process was a major problem to deriving accurate wetland cover types, in spite of the increasing spatial resolution of new generation Earth Observation Sensors (EOS). In order to improve the classification accuracy, a soft classification method based on Linear Spectral Mixture Modeling (LSMM) was described to calculate the spectral mixture and classify IRS-1C/1D LISS-III and Landsat-5 TM Imagery. This method considered number of reflectance end-members that form the scene spectra, followed by the determination of their nature and finally the decomposition of the spectra into their endmembers. To evaluate the LSMM areal estimates, resulted fractional end-members were compared with normalized difference vegetation index (NDVI), ground truth data, as well as those estimates derived from the traditional hard classifier (MLC). The findings revealed that NDVI values and vegetation fractions were positively correlated ($r^2$= 0.96, 0.95 and 0.92 for Rameswaram, Vedaranniyam and Pitchavaram respectively) and NDVI and soil fraction values were negatively correlated ($r^2$ =0.53, 0.39 and 0.13), indicating the reliability of the sub-pixel classification. Comparing with ground truth data, the precision of LSMM for deriving moisture fraction was 92% and 96% for soil fraction. The LSMM in general would seem well suited to locating small wetland habitats which occurred as sub-pixel inclusions, and to representing continuous gradations between different habitat types.

• 헤리티지:역사와 과학
• /
• 제49권4호
• /
• pp.52-63
• /
• 2016

장성 백양사 소요대사탑은 백양사 주지를 역임한 소요대사의 유업을 기리기 위해 건립되었으며, 우리나라의 전통적인 범종의 세부양식이 그대로 표현되어 있는 석종형의 승탑이다. 이 승탑은 담회색의 사암으로 구성되며, 탑신석의 전 후면에는 수직균열이 관찰되고 좌 우면에는 박리 박락으로 인해 조각의 상당부분이 유실되어 있다. 초음파측정 및 적외선 열화상 분석을 실시하여 물리적 손상도를 평가한 결과, 소요대사탑은 탑신석에 풍화양상이 집중되어 나타나며, 이미 박락이 발생한 영역의 주변으로 육안으로는 식별되지 않는 박리부가 좌면에서 6.1%, 우면에서 5.9% 확인된다. 또한 하이퍼스펙트럴 이미지 분석으로 생물학적 손상도를 평가한 결과, 승탑 좌 우면의 71.8%와 79.9%가 생물에 의해 피복되어 있음을 확인하였으며, 생물의 활력도는 우면, 후면과 지면에서 가까운 기단석에서 높아지는 경향을 보였다. 진단결과를 종합한 결과, 향후 지속적으로 훼손이 진행될 것으로 판단되는 박리영역과 생물에 대한 1차적인 보존처리와 함께 보존환경의 정비가 필요한 것으로 판단된다.