• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.34-34
• /
• 2023

The Chah-Nimeh reservoirs, which are a sort of natural lakes located in the border of Iran and Afghanistan, are the main drinking and agricultural water resources of Sistan arid region. Considering the occurrence of intense seasonal wind, locally known as levar wind, this study aims to explore the possibility to provide a TSM (Total Suspended Matter) monitoring model of Chah-Nimeh reservoirs using multi-temporal satellite images and in-situ wind speed data. The results show that a strong correlation between TSM concentration and wind speed are present. The developed empirical model indicated high performance in retrieving spatiotemporal distribution of the TSM concentration with R²=0.98 and RMSE=0.92g/m³. Following this observation, we also consider a machine learning-based model to predicts the average TSM using only wind speed. We connect our in-situ wind speed data to the TSM data generated from the inversion of multi-temporal satellite imagery to train a neural network based mode l(Wind2TSM-Net). Examining Wind2TSM-Net model indicates this model can retrieve the TSM accurately utilizing only wind speed (R²=0.88 and RMSE=1.97g/m³). Moreover, this results of this study show tha the TSM concentration can be estimated using only in situ wind speed data independent of the satellite images. Specifically, such model can supply a temporally persistent means of monitoring TSM that is not limited by the temporal resolution of imagery or the cloud cover problem in the optical remote sensing.

• 대기
• /
• 제28권2호
• /
• pp.113-121
• /
• 2018

In order to monitor greenhouse gases including $CO_2$, various types of surface-, aircraft-, and satellite-based measurement projects have been conducted. These data help understand the variations of greenhouse gases and are used in atmospheric inverse modeling systems to simulate surface fluxes for greenhouse gases. CarbonTracker is a system for estimating surface $CO_2$ flux, using an atmospheric inverse modeling method, based on only surface observation data. Because of the insufficient surface observation data available for accurate estimation of the surface $CO_2$ flux, additional observations would be required. In this study, a system that assimilates aircraft $CO_2$ measurement data in CarbonTracker (CT2013B) is developed, and the estimated results from this data assimilation system are evaluated. The aircraft $CO_2$ measurement data used are obtained from the Comprehensive Observation Network for Trace gases by the Airliner (CONTRAIL) project. The developed system includes the preprocessor of the raw observation data, the observation operator, and the ensemble Kalman filter (EnKF) data assimilation process. After preprocessing the raw data, the modeled value corresponding spatially and temporally to each observation is calculated using the observation operator. These modeled values and observations are then averaged in space and time, and used in the EnKF data assimilation process. The modeled values are much closer to the observations and show smaller biases and root-mean-square errors, after the assimilation of the aircraft $CO_2$ measurement data. This system could also be used to assimilate other aircraft $CO_2$ measurement data in CarbonTracker.

• 한국지리정보학회지
• /
• 제23권3호
• /
• pp.26-67
• /
• 2020

영상레이더(Synthetic Aperture Radar, SAR)는 기상조건이나 주야, 일조에 상관없이 지표면을 촬영할 수 있고, 토양수분이나 지하수 등 수문인자의 탐색이 가능하여 수자원 분야에서 그 중요성이 점차 두드러지고 있다. SAR는 1970년대부터 인공위성에 탑재되기 시작하여 2020년 현재 15기 이상의 SAR 위성이 운용되고 있고 향후 5년 내에도 10기 내외의 위성이 발사될 예정이다. 최근에는 관측 폭 및 해상도 증진, 다중 편파 및 다중주파수, 관측 각도의 다양화 등 다양한 형태의 SAR 기술들이 개발 및 활용 중이다. 이에 본 고에서는 SAR 시스템의 간략한 역사와 더불어 토양수분 및 수문인자 산출과 관련된 연구동향을 조사하였다. 현재까지 SAR 위성을 활용하여 산출 가능한 수문인자는 토양수분, 해저지하수유출, 강수, 적설분포면적, 식생지수 등이 있으며, 그 중 토양수분은 물리적 모델인 IEM(Integral Equation Model)과 인공지능 기반의 ANN(Artificial Neural Network)을 대표적으로 활용하여 우리나라를 포함한 북미, 유럽, 인도 등 총 17개국에서 연구가 진행되고 있다. 위성 탑재체는 RADARSAT-1, ENVISAT ASAR, 그리고 ERS-1/2가 가장 많이 사용되었으나 현재는 운영이 종료되었으며, 현재 운영 중인 RADARSAT-2, Sentinel-1, SMAP 등의 활용도 점차 늘어나고 있는 것으로 나타났다. 우리나라는 2025년 발사를 목표로 C-band SAR를 탑재한 수자원·수재해 중형위성을 개발 중이므로, SAR를 이용한 다양한 수문인자 산출 연구가 활성화될 것으로 예상된다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.511-521
• /
• 2022

위성영상에서의 구름 탐지 및 제거는 지형관측과 분석을 위해 필수적인 과정이다. 임계값 기반의 구름탐지 기법은 구름의 물리적인 특성을 이용하여 탐지하므로 안정적인 성능을 보여주지만, 긴 연산시간과 모든 채널의 영상 및 메타데이터가 필요하다는 단점을 가지고 있다. 최근 활발히 연구되고 있는 딥러닝을 활용한 구름탐지 기법은 4개 이하의 채널(RGB, NIR) 영상만을 활용하고도 짧은 연산시간과 우수한 성능을 보여주고 있다. 본 논문에서는 해상도가 다른 이종 데이터 셋을 활용하여 학습데이터 셋에 따른 딥러닝 네트워크 성능 의존도를 확인하였다. 이를 위해 DeepLabV3+ 네트워크를 구름탐지의 채널 별 특징이 추출되도록 개선하고 공개된 두 이종 데이터 셋과 혼합 데이터로 각각 학습하였다. 실험결과 테스트 영상과 다른 종류의 영상으로만 학습한 네트워크에서는 낮은 Jaccard 지표를 보여주었다. 그러나 테스트 데이터와 동종의 데이터를 일부 추가한 혼합 데이터로 학습한 네트워크는 높은 Jaccard 지표를 나타내었다. 구름은 사물과 달리 형태가 구조화 되어 있지 않아 공간적인 특성보다 채널 별 특성을 학습에 반영하는 것이 구름 탐지에 효과적이므로 위성 센서의 채널 별 특징을 학습하는 것이 필요하기 때문이다. 본 연구를 통해 해상도가 다른 이종 센서의 구름탐지는 학습데이터 셋에 매우 의존적임을 확인하였다.

• 한국측량학회지
• /
• 제38권1호
• /
• pp.23-33
• /
• 2020

최근 UAV (Unmanned Aerial Vehicle)를 이용하여 고해상도 영상을 편리하게 취득할 수 있게 되면서 저비용으로 소규모 지역의 관측 및 공간정보 제작이 가능하게 되었다. 특히, 농업환경 모니터링을 위하여 작물생산 지역의 피복지도 생성에 대한 연구가 활발히 진행되고 있으며, 랜덤 포레스트와 SVM (Support Vector Machine) 및 CNN(Convolutional Neural Network) 을 적용하여 분류 성능을 비교한 결과 영상분류에서 딥러닝 적용에 대하여 활용도가 높은 것으로 나타났다. 특히, 위성영상을 이용한 피복분류는 위성영상 데이터 셋과 선행 파라메터를 사용하여 피복분류의 정확도와 시간에 대한 장점을 가지고 있다. 하지만, 무인항공기 영상은 위성영상과 공간해상도와 같은 특성이 달라 이를 적용하기에는 어려움이 있다. 이러한 문제점을 해결하기 위하여 위성영상 데이터 셋이 아닌 UAV를 이용한 데이터 셋과 국내의 소규모 복합 피복이 존재하는 농경지 분석에 활용이 가능한 딥러닝 알고리즘 적용 연구를 수행하였다. 본 연구에서는 최신 딥러닝의 의미론적 영상분류인 DeepLab V3+, FC-DenseNet (Fully Convolutional DenseNets), FRRN-B (Full-Resolution Residual Networks) 를 UAV 데이터 셋에 적용하여 영상분류를 수행하였다. 분류 결과 DeepLab V3+와 FC-DenseNet의 적용 결과가 기존 감독분류보다 높은 전체 정확도 97%, Kappa 계수 0.92로 소규모 지역의 UAV 영상을 활용한 피복분류의 적용가능성을 보여주었다.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1307-1315
• /
• 2021

매년 여름철 양자강에서 유출되는 저염분수는 동중국해 뿐만 아니라 제주도 주변 해역의 염분 변화에 큰 영향을 미치며 때때로 그 영향은 한반도 연안에 국한되지 않고 대한해협을 통과하여 동해 외해 까지 확장되기도 한다. 한반도 주변으로 확장된 양자강 유출수는 해양 물리 및 생태학적으로 많은 영향을 끼치며 어업 및 양식업에 큰 피해를 유발하기도 한다. 그러나 현장조사의 한계점 때문에 동중국해에서 확산되는 저염분수를 지속적으로 관측하기에는 현실적으로 어려움이 있다. 이러한 이유로 양자강 유출수의 확산을 실시간으로 모니터링하기 위해 인공위성을 활용한 표층 염분 산출 연구가 많이 진행되어 왔다. 본 연구에서는 시간 및 공간 해상도가 상대적으로 좋은 GOCI(Geostationary Ocean Color Imager)를 활용한 동중국해 표층 염분 산출 알고리즘을 개발하였다. 알고리즘 개발을 위해 기계학습 기법 중 하나인 MPNN(Multilayer Perceptron Neural Network)을 이용하였으며, 출력층에는 SMAP(Soil Moisture Active Passive) 위성의 표층 염분 자료를 활용하였다. 이전 연구에서 2016년 자료를 이용한 표층 염분 산출 알고리즘이 개발되었으나 본 연구에서는 연구 기간을 2015년 부터 2020년까지로 확장하여 알고리즘 성능을 개선하였다. 2011년부터 2019년까지 동중국해에서 관측된 국립수산과학원의 정선조사자료를 이용하여 알고리즘 성능을 검증한 결과로 R²는 0.61과 RMSE는 1.08 psu로 나타났다. 본 연구는 GOCI를 이용한 동중국해 표층 염분 모니터링 알고리즘 개발을 위해 수행되었으며, 향후 GOCI-II의 표층 염분 산출 알고리즘 개발에 많은 기여를 할 것으로 기대된다.

• 한국항공우주학회지
• /
• 제37권8호
• /
• pp.798-804
• /
• 2009

(주)쎄트렉아이는 400kg 급 지구관측 위성의 주 탑재체로 사용될 고해상도 전자광학카메라, EOS-C 시스템을 개발 중이다. 이 시스템은 DubaiSat-1 위성의 주 탑재체 개발을 통해 획득한 경험을 토대로 보다 향상된 광기계 및 열적 성능을 갖도록 설계되었다. 민감한 광학부품의 운용상 성능을 유지하기 위해 히터를 이용한 능동 열제어 방식이 적용되었고, 이와 더불어 히터 소모 전력을 최소화하기 위해 열 코팅 및 다층박막단열재(MLI)를 사용한 수동 열제어 방식이 적용되었다. 열해석 모델을 이용해 임무궤도에 대한 열해석을 수행하였으며, 해석 결과를 바탕으로 이 시스템의 열제어계가 설계 요구조건을 만족하는 것을 확인하였다.

• 한국수자원학회논문집
• /
• 제56권2호
• /
• pp.75-89
• /
• 2023

강우-유출 해석은 하천 홍수예경보, 댐 유입량 산정 및 방류량 결정 등 수자원 관리 및 계획수립에 있어 중요한 과정이며, 밀도높은 강우관측망으로부터 수집된 강우 자료는 정확한 강우-유출 해석을 위한 가장 중요한 기초 자료로 활용된다. 본 연구 대상 지역인 메콩강 유역은 국가공유하천으로 강수 자료수집이 어렵고, 구축된 자료의 양적, 질적 품질이 국가별로 상이하여 수문해석 결과의 불확실성을 높일 우려가 있다. 최근 원격탐사 기술의 발달로 격자형 글로벌 강수자료의 획득이 용이해졌으며, 이를 활용한 미계측 유역 또는 대유역에서의 다양한 수문해석 연구들이 수행된 바 있다. 본 연구에서는 미계측 대유역 수문해석에 있어 격자형 강수자료의 적용성을 평가하기 위하여 3개의 위성 강수자료(TRMM, GSMaP, PERSIANN-CDR)와 2개의 지점 격자형 강수자료(APHRODITE, GPCC)를 수집하고, APHRODITE를 관측값으로 합성곱 신경망 모형인 ConvAE 알고리즘을 이용하여 위성 강수자료의 시·공간적 편의보정을 수행하였다. 또한, 메콩강 본류의 주요지점인 Luang Prabang, Pakse, Stung Treng, Kratie 4개 수위 관측소를 선정하여 SWAT 모형의 매개변수를 보정(2004~2011)하고 지점 격자형 강수자료 및 위성 강수자료의 보정전·후의 유출모의(2012~2013) 결과를 비교·분석하였다. 그 결과 원시위성 강수자료 및 GPCC는 APHPRODITE에 비해 정량적으로 과소 또는 과대추정되거나 공간적으로 매우 상이한 패턴을 나타낸 반면, GSMaP과 ConvAE를 이용하여 보정된 위성 강수자료의 경우, APHPRODITE에 대한 시·공간적 상관성이 개선된 것으로 분석되었다. 또한 유출모의의 경우, 모든 지점에 대해서 ConvAE로 보정된 위성 강수자료를 이용한 유출모의 결과가 원시 위성강수자료를 이용한 유출결과 보다 정확도가 향상된 것으로 분석되었다. 따라서 본 연구에서 제시하는 격자형 위성 강수자료 보정기법과 연계한 강우-유출 해석은 향후 다양한 위성 강수자료를 활용한 미계측 대유역 수문해석에서 활용이 가능할 것으로 판단된다.

• 대기
• /
• 제29권5호
• /
• pp.689-698
• /
• 2019

Air pollution in urban areas has become a serious problem in the recent years. Especially, high concentrations of particulate matter (PM) cause negative effects on human health. Several studies suggest urban forest as a tool for improving air quality because of the capability of forests in reducing PM concentrations through deposition and adsorption using leaf area. For this reason, the National Institute of Forest Science plans to install in-situ observation stations for PM and biogenic volatile organic compounds (BVOCs) on a national scale to verify the net effect of forests on urban air pollution. To measure the quantitative change of PM concentrations due to the urban forest, stations should be located within and outside the forest area with respect to atmospheric circulation. In this study, we analyze the wind direction at the potential measurement sites to assess suitable locations for detecting the effect of urban forests on air quality in five cities (i.e. Gwangju, Daegu, Busan, Incheon, and Ilsan). This technical note suggests effective locations of in-situ measurements by considering main wind direction in the five cities of this study. A measurement station network created in the future based on the selected locations will allow quantitative measurements of PM concentration and BVOCs emitted from the urban forest and help provide a comprehensive understanding of the forest capabilities of reducing air pollution.

• 한국측량학회지
• /
• 제15권1호
• /
• pp.29-39
• /
• 1997

최근 LIS/GIS측량과 지적조사 등의 분야에서는 위성측위시스템(GPS릿 활용이 보편화됨에 따라 지역측지계에서 지구중심좌표계로 변환하기 위한 국가변환요소를 필요로 하고 있다. 이 논문에서는 벳셀타원체 기준의 한국측지좌표와 WGS84좌표간의 변환요소를 가중변수에 의한 최소제곱해법에 따라 결정하였다. 국가기준점망의 31개 측점에 대한 GPS관측으로부터 결정된 지심3차원좌표의 GPS성과와 실용성과 또는 정밀1차성과간의 기준계 변환요소는 표준편차 1미터 이내이며 벳셀지오이드고를 고려할 때 GPS기선해석을 위한 초기좌표결정과 중축척지도의 변환과 LIS/GIS 데이터베이스의 수정에 이용할 수 있는 것으로 분석되었다.