• 한국지리정보학회지
• /
• 제24권1호
• /
• pp.1-11
• /
• 2021

위성영상을 활용한 하천, 습지, 호수 등 지표수 객체의 탐지는 해당 지역의 수자원 관리 및 조사 업무에 효율적으로 활용될 수 있다. 본 연구에서는 원격탐사 분야에서 물을 탐지하기 위해 제공하는 수분지수(Water Index)와 영상으로부터 객체를 인식하는 데 폭넓게 활용되는 기계학습(Machine learning) 기법을 대구광역시를 촬영한 Landsat-8 위성영상에 개별적으로 적용하여 하천, 호수 등 다양한 지표수 객체를 탐지하고 그 결과를 비교하였다. 우선 Landsat-8 위성영상의 다중분광 밴드로부터 NDWI(Normalized Difference Water Index), MNDWI(Modified Normalized Difference Water Index) 영상을 생성하였고, 임계치를 적용하여 개별 영상으로부터 물과 그 외 지역을 구분할 수 있는 이진 영상(Binary image)을 제작하였다. 그리고 기계학습 기법인 SVM(Support Vector Machine)을 동일 위성영상에 적용하여 토지 피복 영상을 제작하고 이로부터 이진 영상을 제작하였다. 최종적으로 100개의 검사점(Checkpoints)을 사용하여 세 이진 영상으로부터 지표수 탐지를 위한 정확도를 오차 행렬을 활용하여 계산하였다. 그 결과, MNDWI 영상으로부터 제작된 이진 영상의 정확도(84%)가 NDWI 영상으로부터 제작된 이진 영상의 정확도(94%)와 SVM에 의해 제작된 이진 영상의 정확도(96%)에 비해 낮았으며, 모든 이진 영상에서 그림자 등의 원인으로 인해 일부 육지 분류 결과가 지표수 객체로 오분류되었다.

• 대한원격탐사학회지
• /
• 제31권4호
• /
• pp.293-302
• /
• 2015

Water body extraction is significant for flood disaster monitoring using satellite imagery. Conventional methods have focused on finding an index, which highlights water body and suppresses non-water body such as vegetation or soil area. The Normalized Difference Water Index (NDWI) is typically used to extract water body from satellite images. The drawback of NDWI, however, is that some man-made objects in built-up areas have NDWI values similar to water body. The objective of this paper is to propose a new method that could extract correctly water body with built-up areas in before and after images of flood. We first create a two-element feature vector consisting of NDWI and a Near InfRared band (NIR) and then select a training site on water body area. After computing the mean vector and the covariance matrix of the training site, we classify each pixel into water body based on Mahalanobis distance. We also register before and after images of flood using outlier removal and triangulation-based local transformation. We finally create a change map by combining the before-flooding water body and after-flooding water body. The experimental results show that the overall accuracy and Kappa coefficient of the proposed method were 97.25% and 94.14%, respectively, while those of the NDWI method were 89.5% and 69.6%, respectively.

• 대한원격탐사학회지
• /
• 제35권4호
• /
• pp.561-571
• /
• 2019

In this paper, we analyze the effect of the representative spectral indices, normalized difference vegetation index (NDVI), normalized difference water index (NDWI) and normalized difference built-up index (NDBI) on classification accuracies of Landsat-8 OLI image.After creating these spectral index images, we propose five methods to select the spectral index images as classification features together with Landsat-8 OLI bands from 1 to 7. From the experiments we observed that when the spectral index image of NDVI or NDWI is used as one of the classification features together with the Landsat-8 OLI bands from 1 to 7, we can obtain higher overall accuracy and kappa coefficient than the method using only Landsat-8 OLI 7 bands. In contrast, the classification method, which selected only NDBI as classification feature together with Landsat-8 OLI 7 bands did not show the improvement in classification accuracies.

• 대한원격탐사학회지
• /
• 제36권4호
• /
• pp.627-635
• /
• 2020

With the increasing severity of climate change, intense torrential rains are occurring more frequently globally. Flooding due to torrential rain not only causes substantial damage directly, but also via secondary events such as landslides. Therefore, accurate and prompt flood detection is required. Because it is difficult to directly access flooded areas, previous studies have largely used satellite images. Traditionally, water indices such asthe normalized difference water index (NDWI) and modified normalized difference water index (MNDWI) which are based on different optical bands acquired by satellites, are used to detect floods. In addition, as flooding likelihood is greatly influenced by the weather, synthetic aperture radar (SAR) images have also been used, because these are less influenced by weather conditions. In this study, we compared flood areas calculated from SAR images and water indices derived from Landsat-8 images, where the images were acquired at similar times. The flooded area was calculated from Landsat-8 and Sentinel-1 images taken between the end of May and August 2019 at Lijiazhou Island, China, which is located in the Changjiang (Yangtze) River basin and experiences annual floods. As a result, the flooded area calculated using the MNDWI was approximately 21% larger on average than that calculated using the NDWI. In a comparison of flood areas calculated using water indices and SAR intensity images, the flood areas calculated using SAR images tended to be smaller, regardless of the order in which the images were acquired. Because the images were acquired by the two satellites on different dates, we could not directly compare the accuracy of the water-index and SAR data. Nevertheless, this study demonstrates that floods can be detected using both optical and SAR satellite data.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.433-442
• /
• 2018

저수구역은 계획된 홍수위에 의하여 둘러싸인 지역 혹은 댐의 계획된 홍수위 내에 있는 지역으로 정의된다. 본 연구에서는 저수구역 내 농경지를 탐지하기 위하여, 대표적인 기계학습 기법인 RF (Random Forest) 기반의 감독 분류 방법을 적용하였다. 저수구역 내의 농경지를 효과적으로 분류하기 위하여, 질감정보를 정량화하기 위한 대표적인 기법인 GLCM (Gray Level Co-occurrence Matrix)과 NDWI (Normalized Difference Water Index), NDVI (Normalized Difference Vegetation Index)를 추가적인 입력자료로 활용하였다. 특히, 질감정보를 생성하는데 사용된 윈도우 크기가 농경지의 분류 정확도에 미치는 영향을 분석하여, 저수구역 내의 농경지를 효과적으로 분류하기 위한 방법론을 제시하였다. 실험결과, UAV 영상을 이용한 분류결과를 통하여 취득된 다중분광영상과 NDVI, NDWI, GLCM 영상들을 이용하여 저수구역 내의 농경지를 효과적으로 탐지할 수 있음을 확인하였다. 또한, GLCM의 윈도우 크기가 분류정확도를 향상시키기 위한 중요한 변수임을 확인하였다.

• 한국지리정보학회지
• /
• 제19권2호
• /
• pp.98-106
• /
• 2016

원격탐사는 관찰하고자 하는 지역을 직접 방문하지 않고, 영상만으로도 적은 비용으로 짧은 시간 안에 대상지역을 연구하는데 있어 효율적인 기술이다. 본 연구에서는 가장 최근에 발사된 Landsat-8 OLI(Operational Land Imager) 영상을 이용하여 하천유역의 토지피복분류 정확도를 개선하는 방법을 제안하였다. 제안된 방법 중 첫 번째로 Landsat-8 OLI 영상을 이용하여 정규식생지수인 NDVI(Normalized Difference Vegetation Index)와 정규수분지수 NDWI(Normalized Difference Water Index)를 생성하였다. 두 번째로 원래의 영상에 생성된 NDVI와 NDWI 2개의 밴드를 Layer-Stacking하여 새로운 영상을 만들었다. 마지막으로 기존의 영상과 밴드조합을 적용한 새로운 영상에 각각 MLC(Maximum Likelihood Classification), SVM(Support Vector Machine)의 감독분류를 적용하였다. 하천피복분류를 할 때 정확도를 개선하는데 있어 그 의미가 있으며, 분류결과 MLC 분류방법을 적용하였을 때 약 8% 이상, SVM 분류방법을 적용하였을 때 약 1.6% 정도 개선되었다. 향후 다양한 영상과 밴드조합을 통한 연구가 이루어진다면 보다 나은 의사결정에 도움이 될 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.144-144
• /
• 2022

Identifying waterbody from remote sensing images, namely water detection, helps understand continuous redistribution of terrestrial water storage and accompanying hydrological processes. It also allows us to estimate available surface water resources and help effective water management. For this problem, NDWI (Normalized Difference Water Index) and MNDWI (Modified Normalized Difference Water Index) are widely used. Although remote sensing indexes can highlight remote sensing image in the water, the noise and the spatial information of the remote sensing image are difficult to be considered, so the accuracy is difficult to be compared with the visual interpretation (the most accurate method, but it requires a lot of labor, which makes it difficult to apply). In this study, we attempt to improve existing NDWI and MNDWI to better water detection. We establish waterbody database of South Korea first and then used it for assessing waterbody indices.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.163-163
• /
• 2020

전 세계적으로 기후변화에 따른 온난화 현상으로 인하여 농업에 직접적인 영향을 주는 기상 및 환경요인의 변화가 급격하게 진행되고 있다. 2017년에는 전국의 봄철 강수량이 평년 대비 60% 수준으로 물 부족 현상을 야기하여 극심한 가뭄이 발생하였다. 최근 지역적인 강수량 부족으로 인한 국소적인 가뭄 발생 및 발생빈도가 높아지고 있는 추세이며, 특히 농업가뭄은 농업용수의 주요한 용수공급시설인 농업용 저수지 및 용수공급시설의 지역적 편중 등으로 농업용수 부족 상황이 발생할 위험이 커지고 있다. 따라서, 시기별 저수지의 가용용수능력을 평가하는 것이 중요하며, 이러한 판단을 위하여 위성영상을 이용한 저수지 수표면적 및 용수능력판단이 필요하다. 본 연구에서는 가뭄시기의 저수지 수표면적 및 용수능력판단을 위하여 Sentinel-2 위성영상을 활용하여 2016년부터 2018년까지 충청남도 서산 지역의 농업용 저수지를 대상으로 정규수분지수(Normalized Difference Water Index, NDWI)을 산정하였다. NDWI는 위성영상의 파장 정보를 활용하여 지표면의 수분함유량과 관계를 나타내며, 하천, 호수, 습지 등 수분을 다량으로 함유한 지형지물을 탐지하기 위하여 사용된다. NDWI와 수위-내용적 자료와의 관계로부터 저수지 수표면적을 산출하였으며, 이에 따른 상관성 분석을 통하여 위성영상을 활용한 농업용 저수지의 가용수량 추정방법을 제시하고자 한다.

• 한국지리정보학회지
• /
• 제11권4호
• /
• pp.94-100
• /
• 2008

기후 시스템에서 지구온난화는 세계적으로 매우 중요한 문제이고 이는 기후변화, 이상기온, 폭우, 가뭄 등의 문제를 초래한다. 특히 가뭄은 기후변화에 의해 여러 해 동안 진행되어온 사막화를 가속화시킨다. 본 연구의 목적은 중국과 몽골 사막주변의 식생수분상태를 탐지하는 것이다. 본 연구에서는 중국과 몽골 사막 주변의 식생수분지수를 산출하기 위해 1999년부터 2006년까지의 SPOT/VEGETATION 위성 이미지를 이용하여 정규수분지수(NDWI: Normalized Difference Water Index)를 산출하였다. 건조한 상태의 식생은 사막화되기 쉽기 때문에 식생 수분은 사막화의 중요한 지표이다. SPOT/VEGETATION 위성영상의 근적외밴드(NIR)와 단파적외밴드(SWIR)의 밴드간 연산을 통하여 NDWI를 구하여 식생의 수분입자를 측정하였다. 그 결과 1999년부터 2006년까지의 NDWI는 사막주변영역에서 감소하는 경향을 보였고, 그 영역은 몽골 고비사막 북동지역과 중국 타클라마칸 사막의 남동지역에 위치해 있었다.

• 대한원격탐사학회지
• /
• 제38권6_4호
• /
• pp.1935-1943
• /
• 2022

위성 영상을 활용하여 대규모 또는 정밀 토양 수분도를 제작하는 방법의 개발과 이를 적용한 사례 연구는 원격탐사 응용 분야에서 중요한 연구 주제 중 하나이다. 이 연구는 제주도 연구 지역을 대상으로 토양 수분도를 제작하였다. 이를 위하여 선형으로 조정된 Synthetic Aperture Radar (SAR) 편광 영상과 입사각 정보를 이용하여 광학 영상과 함께 토양 수분도를 산출하였다. SAR 영상은 Google Earth Engine (GEE)에서 제공하는 후반 산란 계수 Analysis Ready Data (ARD) 자료를 사용하였다. 또한 Environmental Systems Research Institute (ESRI)의 토지 피복도(land cover map)와 KOMPSAT-3 고해상도 위성 영상의 지표 반사도로부터 산출한 식생 지수 정보(normalized difference vegetation index, NDVI)를 토양 수분도 처리 과정에 적용하였다. 이처럼 SAR 영상과 광학영상 정보를 융합하여 처리하는 경우는 토양 수분 산출물의 신뢰도를 향상할 수 있는 것으로 알려져 있다. 산출물의 과학적 분석을 위하여 KOMPSAT-3 영상으로 제작한 정규 수분 지수(normalized difference water index, NDWI)와 비교 분석을 실시하였다. 그리고 KOMPSAT-3 처리 결과의 검증을 위하여 Landsat-8 위성의 NDWI 처리 결과와 비교하였다. 이 연구를 통하여 산출한 토양 수분도 결과는 KOMPSAT-3 영상과 Landsat-8 위성으로 각각 처리한 NDWI 처리 결과와 높은 상관도를 나타냈다. 마지막으로 이 연구에 사용한 토양 수분 산출 알고리즘을 우리나라 고해상도 위성인 KOMPSAT-5 영상에 맞게 추가 개발하면 다른 외부 영상 없이 KOMPSAT 광학 위성정보와 KOMPSAT SAR 영상정보를 이용한 정밀 토양 수분도 제작이 가능할 것이라고 생각한다.