• 대한원격탐사학회지
• /
• 제11권3호
• /
• pp.49-60
• /
• 1995

지질학적 선구조선에 관한 특성은 일반적인 지질작용, 광물탐사 또는 자연재해 예측과 관련된 자료의 해석 및 분석단계에서 중요한 역할을 한다. 그러나 지질조사에 의하여 드러난 선 구조와 위성자료로 부터 정량적으로 판독된 선구조정보는 이들 자료 각각의 고유한 유용성을 가 지고 있으면서도 여러가지 이유로 인하여 실질적인 차이를 보이는 경우가 많다. 본 연구에서는 선구조와 연관된 위성영상자료의 효과적인 지질학적 활용으로서의 자료통합문제를 해결하고자 퍼 지집합연산방법을 실제 사례연구를 통하여 고찰하고자 하였다. 실제 응용으로서, 호명지질도 (1:50,000)가 포함하는 지역과 같은 지역의 Landset TM 자료를 이용하였고, 자료 통합과정에서는 지질도상에 있는 선구조선, 위성자료로 부터 도출한 선구조선 및 자유 배수 양상과 같은 자료는 시험적으로 이용하였다. 자료 통합단계에서는 각각의 자료에 있는 영상요소에 대하여 백분위수계 념을 응용한 퍼지소속함수를 정의한 뒤, 퍼지 산술합연산과정을 실시되었다. 비록 현재까지의 결 과로 본 방법의 유용성에 관한 일반적인 결론을 얻기에는 다소 미흡하지만, 본 사례연구지역의 경우에는 통합된 정보에서 다른 분석방법과는 구별되는 비교적 의미있는 새로운 선구조관련 지질 정보가 내포되어 있는 것으로 판단된다. 결론적으로 본 통합방법은 앞으로 본다 많은 기초 및 관 련 연구를 통하여 결정판단 보조자료를 얻기 위한 효과적인 공간사고방법으로 간주 될 수 있을 것으로 생각된다.

• 한국산림과학회지
• /
• 제101권1호
• /
• pp.163-174
• /
• 2012

산불피해강도지수(CBI, Composite Burn Index)는 미국 산림청(USDA Forest Service)에서 위성영상을 이용하여 산불 피해강도 측정을 위해 개발한 산불피해 현장 조사 지수이다. 국내의 경우 별도의 산불피해 지수가 없어, 미국 CBI를 산불 피해지 조사에 준용하여 왔으나, CBI는 국내 여건에 맞지 않다는 지적이 제기되어 산불피해강도지수(KCBI, Korean Composite Burn Index)를 개발하게 되었다. 따라서 본 연구는 미국 CBI에 기초하여 한국형 산불피해강도지수(KCBI, Korean Composite Burn Index)의 개발과 검증에 목표를 두고 수행되었다. KCBI는 CBI에 기초하여 국내 현장적용 후 문제점을 파악 후 정교화 하였으며, 위성영상 결과와의 적합성 검토를 위하여 2011년도 산불 피해지중 상대적으로 피해 규모가 큰 울진과 영덕 산불피해지를 연구 대상지로 선정 후 각 44개 지점에서 산불피해 강도를 평가하였다. 산불피해강도(BS, Burn Severity)는 산불발생 후 1개월 후에 촬영된 SPOT 영상을 이용하여 NDVI(Normalized Difference Vegetation Index) 값으로 계산하였으며, 상관분석과 오류메트릭스(Confusion Matrix)를 이용하여 유효성을 검증하였다. 분석 결과 울진피해지는 (r = -0.544, P<0.01), 영덕피해지 (r = -0.616, P<0.01)로 나타났다. 부의 상관관계를 나타난 이유는 NDVI의 DN 값은 낮을 수 록 높은 피해강도를로 나타내며, 높을수록 낮은 피해강도를 나타내기 때문이다. 본 결과로 제시된 KCBI는 국내 산불 피해 현장에서 적용 가능한 것으로 판단되었다. 하지만 등급분류 방법과 기대치 보다 낮은 상관도 등의 문제점도 나타났다. 또한 오류메트릭스 분석결과 KCBI가 일부 높은 산불 강도 등급에 치우쳐 분포하는 현상 등이 나타났다. 제기된 문제점들을 바탕으로 향후 KCBI를 더 많은 한국 산불피해지에 적용함으로써, 추후 연구를 진행해야 할 것이다.

• 한국지구과학회지
• /
• 제31권6호
• /
• pp.600-607
• /
• 2010

2008년 동아시아 대륙에서 발생기원이 다른 먼지(황사)와 인위적 오염입자의 광역적 이동 사례를 NOAA위성 RGB 합성영상과 지상 입경별 분진(TSP, $PM_{10}$, $PM_{2.5}$)의 질량농도 관측으로 분석하였다. 또한 Terra/Aqua 위성 MODIS(Moderate resolution Imaging Spectroradiometer) 센서의 AOD(Aerosol Optical Depth)와 FW(Fine aerosol Weighting)를 통해 동아시아 지역에서 발생기원이 다른 대기 에어로졸의 분포와 입자 크기 특성을 분석하였다. 중국 북부와 몽골, 그리고 중국 황토고원에서 모래폭풍이 발생하여 광역적으로 이동하여 청원에 먼지입자(황사)로 영향을 주는 6 개의 사례분석을 실시하였다. 질량농도 TSP중 $PM_{10}$은 70%, $PM_{2.5}$는 16%로 조대입자(> $2.5\;{\mu}m$)의 비율이 큰 것은 사막과 반사막의 자연적 발생원에서 생성되었기 때문이다. 그러나, 모래 폭풍이 이동 과정에서 중국 동부의 산업 지역을 거쳐 유입하는 사례에서는 TSP 중 $PM_{2.5}$가 23%까지 증가하기도 했다. 중국 동부로부터 황해를 거쳐 한반도로 유입한 5개 다른 사례의 경우, TSP 중 $PM_{10}$, $PM_{2.5}$가 각각 82, 65%로 나타났다. 이와 같이 $PM_{2.5}$의 상대적 비율이 증가한 것은 인위적 오염입자의 영향 때문이다. 동아시아 지역에서 인위적 오염입자의 광역적 이동 사례에 대한 평균 AOD는 $0.42{\pm}0.17$로 황사에 의한 AOD($0.36{\pm}0.13$)와 비교하여 대기 에어로졸에 대한 비율이 높게 나타났다. 특히, 중국 동부에서 황해, 한반도, 동해에 이르는 광역적 지역에 AOD값이 높게 분포했다. 인위적 오염입자의 사례는 FW가 평균 $0.63{\pm}0.16$로 모래폭풍의 이동 사례의 $0.52{\pm}0.13$ 보다 높은 값을 보였다. 이는 대기 에어로졸에 대한 인위적 미세 오염 입자의 기여도가 클 수 있음을 제시하고 있다.

• 한국토양비료학회지
• /
• 제45권6호
• /
• pp.1194-1202
• /
• 2012

북한과 같이 접근이 힘들고 농업과 관련된 정보가 부족한 지역을 대상으로 RapidEye 위성영상의 판독 및 분류를 통하여 가장 기초적인 농업 현황과 생산 기반인 논 면적을 산정하였다. 291개의 RapidEye 영상을 이용하여 북한 전역을 대상으로 시기별로 논을 분류하기 위한 영상 판독 기준을 설정하였다. 5월 초에서 6월 말은 벼 이앙을 위해 관개를 하기 때문에 벼 이앙 전후에 물의 특성이 위성영상에서 잘 관측되기 때문에 영상이 어둡게 보이는 점을 이용하여 논과 다른 토지이용을 구분한다. 주요 벼 생육시기인 7월 초부터 9월 말에는 RapidEye 영상을 5:3:2 밴드조합으로 하여 영상을 판독하면 벼논의 색상과 질감의 차이를 이용하여 밭작물, 초지, 산림으로부터 논을 분류한다. 9월 말부터 10월 말은 벼 수확을 한 후로 논에 식생이 없는 시기로써 5:3:2 밴드 조합에서 회색빛이 나는 경지 형태를 대상을 논으로 판독한다. 그 결과 북한 전역에 대한 논 분포지도를 작성하였고 시도 행정구역별로 논 면적을 살펴보았다. 대부분의 논은 평안남북도와 황해남도가 위치한 서해안 평야지대에 전체 논 면적의 66% 정도인 $3,521km^2$가 분포하였고 함경남북도, 강원도, 나선시와 같이 동해에 인접한 지역의 논 면적은 $1,172km^2$로 전체 논 면적의 약 20%를 차지하는 것으로 나타났다. RapidEye 영상을 이용하여 분류한 논 면적은 2001년 및 2010년 FAO/WFP 북한 보고서와 비교할 때 각각 1% 이내의 면적 편차를 나타내었다. RapidEye 위성영상을 이용한 북한의 논 분류 결과는 농경지 이용 면적의 산정과 변화, 벼 수량 추정을 위한 마스킹 (masking) 자료로 활용될 수 있는 기본 자료로 의미가 매우 큰 것으로 판단된다. 향후에는 밭에 대한 분류 지도를 구축하고 나아가 옥수수와 같은 주요 밭작물에 대한 판독 방법에 대해서도 연구할 필요가 있을 것으로 생각된다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1009-1029
• /
• 2023

도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R², 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R², 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.