• 대한원격탐사학회지
• /
• 제25권1호
• /
• pp.21-30
• /
• 2009

본 논문의 목적은 원격 탐사 영상에서 잡음을 제거하기 위해 중심 화소와 통계적으로 유사한 이웃화소들을 선택하늘 방법을 제시하고 이 결과를 평균 곡률 확산과 결합하는 방법을 제시하는데 있다. 균일한 밝기값 영역에 속하는 화소들을 검출하기 위해 이웃 화소들을 순차적으로 선택할 때 그 선택하는 순서에 따라 선택된 영역의 통계적 특성이 달라지므로 이웃 화소의 선택 순서는 매우 중요하다. 본 논문에서는 통계적으로 유사한 특성을 가지는 이웃 화소를 선택하기 위해서 중심 화소와 이웃 화소의 밝기값 차를 계산하고 이를 크기 순으로 정렬하여 얻어지는 순위 차 벡터(rank-ordered differences vector)를 이용하는 효과적인 방법을 제안한다. 순위 차 벡터의 항들을 영역 확장 방법을 이용하여 균일 순위 차 벡터(homogeneous rank-ordered differences vector)와 이상점 순위 차 벡터 (outlier rank-ordered differences vector)로 분할한다. 균일 순위 차 벡터의 항에 속하는 이웃 화소에 대해서만 중심 화소의 밝기값 갱신에 기여하도록 확산 계수를 선택적으로 할당하는 라인 프로세스를 평균 곡률 확산에 결합한다. 제안한 방법은 모든 이웃 화소를 이용하여 중심 화소의 밝기값을 갱신하는 기존의 잡음 제거 필터에 비해 잡음 제거 효과가 뛰어남을 항공 영상 및 TerraSAR-X 위성 영상을 이용한 실험을 통해 확인하였다.

• 대한원격탐사학회지
• /
• 제26권2호
• /
• pp.115-122
• /
• 2010

이 논문에서는 Envisat ASAR, JERS-1 SAR 영상과 현장조사 자료를 이용하여 ridge-runnel 구조 및 연흔이 잘 발달해 있는 태안 몽산포 조간대를 분석하였다. Envisat ASAR 영상에서는 밝고 어두운 띠가 해안선과 평행한 방향으로 3-5회 반복되어 관찰되었으며, 이는 노출된 조간대에서 ridge-runnel 구조로 판단하였다. 배수가 이루어져 지표잔존수가 없고 연흔이 발달해있는 runnel에서는 강한 후방산란을 보이고, 연흔이 없는 ridge나 배수가 잘 되지 않아 연흔이 물속에 잠겨 있는 runnel에서는 산란이 거의 없다. 반면에 JERS-1 SAR 영상에서는 조간대 전체가 매우 약한 신호를 보였으며, ridge-runnel 구조가 전혀 관찰되지 않았다. 현장에서 측정된 연흔의 파장은 대부분 4-10 cm 범위 내에 분포하며, 이는 C-밴드인 Envisat ASAR 영상에서 Bragg 산란의 첫 번째 모드에 의한 강한 후방산란을 일으키는 조건이 되지만, L-밴드인 JERS-1 SAR 영상에서는 그렇지 않다. 본 연구에서는 SAR 영상을 이용하여 광학영상으로는 쉽게 관찰되지 않는 ridge-runnel 구조 및 연흔이 발달된 조간대의 분석이 가능함을 보였으며, 향후 조간대 퇴적상 연구에 SAR 영상이 다양하게 이용될 수 있을 것으로 기대한다.

• 한국지형학회지
• /
• 제19권4호
• /
• pp.59-71
• /
• 2012

이 연구는 다중시기 원격탐사 영상과 GPS 측량자료 및 입도분석 자료를 이용하여 부산 송정해수욕장의 장기간 해안지형 변화와 원인을 규명하였다. 연구결과, 다중시기 원격탐사 영상 분석에서는 2000년대 초까지 해빈이 전체적으로 안정 상태였으나, 2000년 이후 해안을 따라 호안도로가 건설되면서 전반적으로 침식이 진행되었다. DEM 변화 분석에서는 해빈을 따라 호안도로가 건설된 이후 전체적으로 해빈의 고도가 낮아지고 범의 경사가 급해지는 것으로 보아 침식환경이 우세한 것으로 나타났다. 하지만 세부적으로는 북쪽 해빈지역에서 침식보다는 오히려 퇴적환경이 약간 우세하여 범의 경사가 다소 완만해진 것으로 나타났다. 현장시료의 입도분석에서는 해빈의 남동부 지역(E측선)이 가장 조립화 경향을 보였는데, 이러한 결과는 이 지역이 비교적 외해로부터 유입되는 강한 파랑에너지에 직접적으로 노출되었기 때문이다. 결과적으로 최근 연구지역 내 해빈 침식의 주요 원인은 해안을 따라 건설된 호안도로에 의해 사구로부터의 모래 공급원 차단과 남동쪽 해안에서의 파랑에너지 강화에 따른 세굴 현상 등에 기인한다. 따라서 향후 지형변화나 인위적인 변화가 없을 경우 지속적으로 침식이 될 가능성이 높아 이에 대한 대책수립이 필요하다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.975-987
• /
• 2021

동남아시아 지역의 갯벌에 널리 서식하는 패류인 Meretrix lyrata의 집단폐사 현상의 원인과 해결책을 찾기 위한 일환으로 서식지 분포 확률도를 제작하였다. 서식지 분포 확률도는 GIS (Geographic Information System) 기법의 일종인 FR (Frequency Ratio) 기법을 활용하여 제작하였으며, 입력인자로는 Landsat 영상 기반의 DEM(Digital Elevation Model)과 경사도, WorldView-02 영상 기반의 조류로 밀도도 및 거리도, 표층퇴적상 분포도와 현장관측 자료를 활용하였다. 현장관측은 2014년 4월 베트남 Ben-tre 주의 Bihn Dai 지역의 갯벌에서 수행하였으며, 연구지역의 지형고도, 표층 저서생물상, 표층 퇴적상 자료를 수집하였다. 서식지 분포 확률도는 Mertrix lyrata 총 개체와 치패로 나누어 제작하였으며, 정확도는 각각 76.82%, 69.51%로 좋은 정확도를 보였다. 서식지 분포 확률도 분석 결과 Meretrix lyrata는 총 개체와 치패 모두의 경우에서 Sand가 우세한 지역에 서식하지만, 총 개체는 주로 고도가 -0.2~0.2 m 사이의 조간대 중-하부에 서식하며, 치패는 그보다 높은 0~0.3 m 사이의 지역에 서식하였다. 또한 총 개체의 서식지는 조류로로부터 영향을 받는 것으로 나타났지만, 치패는 조류로의 영향을 받지 않았다. 향후 국내 갯벌과의 비교 분석을 통해 서식지 분포 확률도의 정확도를 높이고, Meretrix lyrata를 비롯한 여러 대형저서동물의 서식환경에 대한 분석을 통해, 기후변화 등으로 인한 갯벌 생태의 변화에 대해 예측할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제34권6_3호
• /
• pp.1399-1414
• /
• 2018

자연림은 산림의 조성 과 보육 등에 인공적인 사람의 힘이 가해지지 않은 자연 상태의 산림이다. 반면 인공림은 사람이 조성 및 보육관리 하는 숲으로 목재생산, 자연재해 예방, 방풍 등의 목적을 가지는 산림이다. 인공림은 목재생산 등 인간이 목적을 가지고 관리하여 단위 면적당 더 많은 목재를 생산할 수 있는 경제적 장점도 가지고 있다. 자연림과 인공림의 구분은 산림 형태의 관리 방법과 목정이 상이하여 산림조사에서 기본적으로 조사하는 요소이며, 자연림과 인공림의 구분은 항공사진 판독과 현지조사 등의 절차를 통해 이루어진다. 본 연구에서는 자연림과 인공림의 분류에 KOMPSAT-3, 3A, 5 위성 영상데이터에 인공신경망(Artificial Neural Network: ANN)을 적용하여 자연림과 인공림의 분류도를 만들고, 산림청의 1/5,000임상도의 자연림과 인공림 분류도와 비교하여 평가하였다. 인공신경망을 이용한 산림의 자연림과 인공림 구분의 연구를 진행한 결과, 1/5,000 임상도와 비교했을 때, 학습결과 분류 전체 정확도는 77.03%이다. 영상의 획득 시기와 산림의 침엽수와 활엽수 등 기타요인이 인공신경망을 이용한 산림의 인공림과 자연림의 구분에 많은 영향을 미치는 것을 확인하였다.

• 한국자원식물학회지
• /
• 제35권2호
• /
• pp.169-182
• /
• 2022

본 연구는 산불피해가 발생한 접경지역 산림 내 희귀특산식물(개느삼) 분포를 예측하고 피해를 정량화하고자 수행되었다. 이를 위해 산불피해강도에 따른 산림면적 피해(NBR), 임상도를 통한 수종별 피해(Vegetation map), MaxEnt 모델 분석을 수행, 보다 정밀한 결과를 도출하고자 하였다. 우선, 산불피해강도 분석은 위성영상(Landsat-8)을 활용하여, 산불피해강도(ΔNBR_2016-2015)를 분석하고 피해범위를 도출하였다. 임상도 작성은 환경부의 토지피복도, 산림청의 임상도, 자체적으로 식생조사를 진행하여, 산불 전·후의 임상도를 작성하고, 수종 피해 및 변화를 확인하였다. 마지막으로 MaxEnt 모델 분석은 관련문헌과 자체조사 자료를 기준으로 작성된 개느삼 실제서식지 좌표를 활용하여, AUC(Area Under Curve) 값을 도출하였다. 분석된 결과의 정밀도를 높이고자, 임상도와 결합하여, 개느삼이 주로 분포하는 소나무 군락 및 소나무-참나무림 군락을 대상으로 재분석한 결과, 대상지 내 개느삼 실제출현 좌표 325개소 중 299개 지점에서 개느삼 출현가능성이 92.0%로 예측되어 유의미한 결과를 얻을 수 있었다. 해당 자료를 산불피해강도(ΔNBR_2016-2015) 자료와 중첩한 결과, 산불피해지 내 개느삼 서식가능지(예측) 면적 44,760 m²의 45.9%인 20,552 m²가 훼손된 것을 확인할 수 있었다. 따라서 본 연구는 산불로 인해 훼손된 희귀식물 서식지 면적을 정량화하고 희귀식물 보전·관리를 위한 사례가 될 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1489-1503
• /
• 2022

드론(drone)과 센서(senor) 적용기술은 농업분야 작물의 성장 정보에 대한 디지털화를 가능하게 하면서 정밀농업 발전을 한층 가속화하고 있다. 이 기술은 자연재해 발생시 농작물 피해량 산정을 가능하게 하고, 현장 방문조사로 진행되고 있는 농작물재해보험 평가방법의 과학화에 기여할 수 있다. 본 연구는 콩을 대상으로 드론 기반 RGB영상을 취득하여 추출된 식생지수로 도복피해율을 산정하는 방법을 개발하고자 하였다. Support Vector Classifier (SVC) 분류 모델은 Crop Surface Model (CSM) 기반의 도복피해율에 식생지수를 추가하여 식생지수 적용성을 검토하였다. 식생지수 중 Visible Atmospherically Resistant Index (VARI), Green Red Vegetation Index (GRVI) 기반 콩의 도복피해율 분류 정확도는 각각 0.709, 0.705로 높은 분류정확도를 나타내었다. 연구 결과, 드론 기반 RGB 영상은 도복피해율 산정에 매우 유용한 도구로 활용 가능하다는 점을 확인할 수 있었다. 본 연구에서 얻어진 결과는 이상기후로 인한 광역 지역 자연재해에 대한 도복피해 산정 시 Sentinel-2, RapidEye 위성과 더불어 2025년 발사 예정인 농림업중형위성 영상과 연계해 활용 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_4호
• /
• pp.1925-1934
• /
• 2022

원격탐사 기술을 활용한 접근불능 지역에 대한 핵활동 모니터링은 핵 비확산을 위해 필수적이다. 최근에는 딥러닝을 이용하여 핵활동 관련 객체를 탐지하는 연구가 활발하게 수행되고 있으나, 고해상도 위성영상 내 소형객체는 클래스 불균형 발생 빈도가 높다. 이로 인해 소형객체 탐지 성능이 저하되는 문제점이 존재한다. 이에 본 연구에서는 입력 데이터 내 핵활동 관련 소형객체의 비율이 딥러닝 모델 성능에 미치는 영향을 분석하여 탐지 정확도를 개선하기 위한 방안을 도출하고자 한다. 이를 위해 소형객체 비율이 상이한 6가지 학습자료를 구축하여 학습자료별로 U-Net 모델 학습을 진행하고, 다양한 종류의 소형객체가 포함된 test dataset을 이용하여 학습된 U-Net 모델 간 정량적·정성적 비교평가를 수행하였다. 그 결과, 입력영상 내 객체 픽셀 비율을 조절하였을 때 핵활동 관련 소형객체를 효과적으로 탐지할 수 있는 것이 확인되었으며, 이를 통해 훈련 자료 내 객체 비율을 조정하여 딥러닝 모델 성능을 향상시킬 수 있을 것으로 판단된다.

• 한국측량학회지
• /
• 제40권5호
• /
• pp.381-391
• /
• 2022

본 연구는 AI 기법 중에 최근 널리 사용되고 있는 딥러닝 모델들을 비교하여 재난으로 인해 손상된 건물의 신속한 감지에 가장 적합한 모델을 선정하는 데 목적이 있다. 먼저, 신속한 객체감지에 적합한 1단계 기반 검출기 중 주요 딥러닝 모델인 SSD-512, RetinaNet, YOLOv3를 후보 모델로 선정하였다. 이 방법들은 1단계 기반 검출기 방식을 적용한 모델로서 객체 인식 분야에 널리 이용되고 있다. 이 모델들은 객체 인식 처리방식의 구조와 빠른 연산의 장점으로 인해 객체 인식 분야에 널리 사용되고 있으나 재난관리에서의 적용은 초기 단계에 머물러 있다. 본 연구에서는 피해감지에 가장 적합한 모델을 찾기 위해 다음과 같은 과정을 거쳤다. 먼저, 재난에 의한 건물의 피해 정도 감지를 위해 재난에 의해 손상된 건물로 구성된 xBD 데이터셋을 활용하여 초고해상도 위성영상을 훈련시켰다. 다음으로 모델 간의 성능을 비교·평가하기 위하여 모델의 감지 정확도와 이미지 처리속도를 정량적으로 분석하였다. 학습 결과, YOLOv3는 34.39%의 감지 정확도와 초당 46개의 이미지 처리속도를 기록하였다. RetinaNet은 YOLOv3보다 1.67% 높은 36.06%의 감지 정확도를 기록하였으나, 이미지 처리속도는 YOLOv3의 3분의 1에 그쳤다. SSD-512는 두 지표에서 모두 YOLOv3보다 낮은 수치를 보였다. 대규모 재난에 의해 발생한 피해 정보에 대한 신속하고 정밀한 수집은 재난 대응에 필수적이다. 따라서 본 연구를 통해 얻은 결과는 신속한 지리정보 취득이 요구되는 재난관리에 효과적으로 활용될 수 있을 것이라 기대한다.

• 한국산림과학회지
• /
• 제111권4호
• /
• pp.603-612
• /
• 2022

본 연구는 다중시기 위성영상과 머신러닝 알고리즘을 이용하여 준국가수준의 시계열 산림바이오매스량을 추정하였으며, 이를 바탕으로 산림배출기준선 설정하여 비교·분석하였다. 머신러닝기반의 산림바이오매스 추정 모델을 구축하기 위하여 Landsat TM 위성영상과 유럽항공우주국에서 제공하는 Biomass Climate Change Initiative 정보를 이용하였으며, 머신러닝 알고리즘은 비모수 학습모델인 k-Nearest Neighbor(kNN)과 의사결정나무 기반의 Random Forest(RF)를 적용하였다. 또한, 추정된 산림바이오매스량은 Forest reference emission levels(FREL) 자료와 비교하였다. 머신러닝 알고리즘 별 산림바이오매스 추정 모델을 비교해보면, 최적의 kNN 모델과 RF 모델의 Root Mean Square Error (RMSE)는 각각 35.9와 34.41였으며, RF모델이 kNN모델보다 상대적으로 우수하였다. 또한, FREL, kNN, RF 모델 별 산림배출기준선의 기울기는 각각 약 -33천ton, -253천ton, -92천ton으로 설정되었다.