권호 표지

대한원격탐사학회지 (Korean Journal of Remote Sensing) (Korean Journal of Remote Sensing)

대한원격탐사학회 (Korean Society of Remote Sensing)

  • 격월간
  • /
  • 1225-6161(pISSN)
  • /
  • 2287-9307(eISSN)

과학기술표준분류

  • 에너지/자원 ＞ 자원탐사/개발/활용

Aim & Scope

Korean Journal of Remote Sensing serves the remote sensing community with the publication of results based on theory, technology and applications of remote sensing fields. Thoroughly interdisciplinary, this journal focuses on the research and development of remote sensing science and technologies and promotes the exchange of expert knowledge among remote sensing researchers as well. Areas of interest include, but are not necessarily restricted to: Remote Sensor Technology Novel Sensor Design and Platforms Development Multi-Sensor System Design and On-Board Processing Advances in Remote Sensing Techniques and Applications Multi-Sensor Integration Multi-Platform Remote Sensing Image Processing and Analysis Geospatial Information Sciences (GIS) Remote Sensing in Atmospheric Science and Meteorology Remote Sensing in Oceanography - Remote Sensing in Geology and Geoscience Remote Sensing in Agriculture, Forestry and Ecology Remote Sensing in Earth and Environmental Sciences Remote Sensing in Hydrology and Water Resources

http://www.kjrs.or.kr KSCI KCI SCOPUS

제35권6_1호

  1. 김기영;이용준;정성원;이연길 883
    https://doi.org/10.7780/kjrs.2019.35.6.1.1 PDF KSCI HTML
    본 연구에서는 두 가지 방법으로 작물계수를 산정하고, 그 결과를 평가하였다. 첫 번째 방법에서는 GLDAS 자료를 청미천 플럭스타워의 증발산량 실측값과 비교하여 적정성을 평가한 뒤 GLDAS 기반 실제증발산량을 잠재증발산량으로 나눠 작물계수(GLDAS Kc)를 산정하였으며, 두 번째 방법에서는 MODIS기반 식생지수(NDVI, EVI, LAI, SAVI)와 플럭스타워에서의 토양수분 실측치를 이용해 다중선형회귀분석으로 작물 계수(SM&VI Kc)를 산정하였다. 전체기간에 대한 두 가지 작물계수(GLDAS Kc, SM&VI Kc)를 통계(mean, bias, RMSE, IOA)를 통해 비교해 본 결과 평균값은 각각 0.412와 0.378, bias는 0.031과 -0.004, RMSE는 0.092와 0.069, 적합도 지표(IOA)는 0.944와 0.958로 두 방식 모두 전반적으로 실측값과 유사한 패턴을 보여주었다. 그라나 SM&VI 회귀모형 방식이 더 우수한 것으로 나타났다. 또한, 벼의 생장 단계별로 GLDAS Kc와 SM&VI Kc에 대한 통계적 평가를 수행해본 결과 초기와 중기에는 GLDAS 기반의 Kc가 더 우수했으며, 후기에는 SM&VI 기반의 Kc가 더 우수한 것으로 나타났다. 이는 봄철에는 황사, 여름철에는 비구름으로 MODIS 센서의 정확성이 감소했기 때문인 것으로 판단된다. 향후 연구를 통해 MODIS 센서의 관측 정확성이 향상된다면, SM&VI 기반 작물계수 산정방식의 정확성 역시 향상될 것으로 판단되며, 미계측 유역의 작물계수 산정이나 작물계수의 예측에 사용될 수 있을 것으로 판단된다.
  2. 임평채;손종환;김태정 895
    https://doi.org/10.7780/kjrs.2019.35.6.1.2 PDF KSCI HTML
    현재 현업에서 사용되고 있는 상용 무인기 영상처리 소프트웨어는 카메라 캘리브레이션 정보나 영상 전체에 대한 블록 번들조정 정확도만 제공할 뿐 스테레오 페어의 실제 도화 가능여부에 대한 정확도는 거의 제공하지 않는다. 본 논문에서는 무인기 영상처리 소프트웨어에서 산출된 표정요소를 사용하여 도화품질을 산출하고 실제 도화기에 적용하여 도화품질의 신뢰성에 대해서 분석하였다. 도화품질은 Y시차 정확도, 상대모델 정확도, 절대모델 정확도의 3가지 정확도로 정의하였다. Y시차 정확도는 스테레오 페어간 입체시 여부를 판단할 수 있는 정확도이다. 상대모델 정확도는 모델 좌표계 상에서 스테레오 페어간 상대적인 번들조정 정확도이다. 절대모델 정확도는 절대 좌표계에서 번들조정 정확도이다. 실험데이터는 도심지를 대상으로 회전익에서 취득된 GSD 5 cm급의 영상 723장을 사용하여 도화품질을 분석하였다. 연구진이 개발한 기술을 사용해 예측한 상대모델 정확도와 실제 도화기에서 관측한 정확도의 최대오차는 0.11 m로 정밀한 결과를 보여 주었다. 절대모델 정확도도 마찬가지로, 도화기에서 관측한 정확도의 최대오차는 0.16 m로 정밀한 결과를 보여주었다.
  3. 박형준;손종환;신정일;권기억;김태정 907
    https://doi.org/10.7780/kjrs.2019.35.6.1.3 PDF KSCI HTML
    최근 국토 모니터링, 지형 분석 등 많은 분야에서 고해상도 위성영상의 수요가 증가와 함께 기하보정의 필요성이 증가하고 있다. 자동 정밀 기하보정 방법으로 GCP(Ground Control Point) 칩과 위성영상간의 정합을 통해 지상기준점을 자동으로 추출하는 방법이 있다. 자동 정밀 기하보정은 GCP 칩과 위성영상의 정합 성공률이 중요하다. 따라서 제작된 GCP 칩의 정합 성능 평가가 중요하다. GCP 칩의 정합 성능 평가를 위해 국토관측 위성용으로 구축된 총 3,812점의 GCP 칩을 실험 자료로 사용했다. KOMPSAT-3A 영상과 Google Map의 GCP칩 정합 결과를 분석한 결과 유사한 결과를 얻을 수 있었다. 따라서 Google Map 위성영상으로 고해상도 위성영상을 충분히 대체할 수 있다고 판단했다. 또한 GCP 칩의 정합 성능 검증에 필요한 시간을 줄이기 위해 자동화된 방법으로 Google Map의 중심점과 오차 반경을 이용한 방법을 제시했다. 실험 결과 최적의 오차 반경은 17 pixel(약 8.5 m)로 설정하는 것이 가장 좋은 분류 정확도를 보였다. Google Map 위성영상과 자동화된 검증 방법으로 남한 전역에 구축된 GCP 칩 3,812개의 정합 성능 평가를 진행했으며 남한에 구축된 GCP 칩은 약 94%의 정합 성공률을 보였다. 이후 정합에 실패한 GCP 칩을 분석하여 주요 정합 실패원인을 분석하였다. 분석 결과 남한 전역에 구축된 GCP 칩 중 재제작이 필요한 GCP 칩을 제외한 나머지 GCP 칩은 국토위성영상 자동 기하보정에 충분히 사용할 수 있다.
  4. 이슬찬;정재환;박종민;전현호;최민하 919
    https://doi.org/10.7780/kjrs.2019.35.6.1.4 PDF KSCI HTML
    미세먼지는 인간 활동에 의한 오염물질 배출에 의해 발생하는 것이 일반적이지만, 수문기상 조건에 따라 이동, 심화, 소멸 과정에서 매우 복잡한 메커니즘을 지니고 있으므로 효과적인 미세먼지 대책 마련을 위해서는 수문기상인자와 미세먼지 간의 상관성에 대한 이해가 필수적이다. 현재 우리나라의 미세먼지 농도 관측 및 예보는 지점 측정소에서 농도를 측정하고, 이 자료를 기반으로 측정소가 위치하지 않는 지역의 값을 추정함으로써 이루어지고 있다. 이러한 관측 방식 및 자료는 공간적 대표성을 갖지 못하기 때문에 관측소와의 거리가 먼 지역의 정확한 미세먼지 농도를 파악하는 것이 불가능하며, 미세먼지의 이동, 심화, 소멸 단계를 추적하는데 어려움이 있다. 본 연구에서는 Global Land Data Assimilation System (GLDAS)의 다양한 수문기상인자를 사용하여, 베이지안 모델 평균(Bayesian Model Averaging, BMA)을 통해 초미세먼지(PM2.5)와 유의미한 상관성을 갖는 인자를 선별하였다. 선별된 인자는 MODerate Resolution Imaging Spectroradiometer (MODIS)의 Aerosol Optical Depth (AOD) 자료와 함께 계절별 PM2.5 농도 산출 모델을 구축하는데 활용되었으며, 산출 결과를 매핑하여 PM2.5 농도의 공간 분포를 파악하고자 하였다. 지점 기반 자료와의 비교를 통해 구축된 모델을 검증하였을 때, 측정된 PM2.5 농도와 높은 상관성(R ~0.7; IOA ~0.78; RMSE ~7.66 ㎍/㎥)을 나타냈으며, 지역별로 나누어 비교할 경우 데이터의 분포는 유사하나 상관계수의 차이를 보이는 것을 확인할 수 있었다(R: 0.32-0.82). 모델 산출 자료를 활용하여 PM2.5 농도를 매핑한 결과 기존 내삽 방법에 비해 시공간적 변동성을 더욱 잘 표현하는 것을 확인하였다. 추후 연구 지역을 동아시아 지역으로 확장 시킨다면 국내외 미세먼지 발생원의 파악 및 이동 양상에 대한 분석에 용이할 것으로 기대된다.
  5. 한수정;한향선;이훈열 933
    https://doi.org/10.7780/kjrs.2019.35.6.1.5 PDF KSCI HTML
    이 연구에서는 영상레이더(synthetic aperture radar; SAR) 이중차분간섭기법(Double-Differential Interferometric SAR; DDInSAR)을 이용하여 남극 로스 빙붕(Ross Ice Shelf)의 동쪽(A지역)과 서쪽(B지역)에 위치한 육지 경계부 지역의 조위변형을 분석하고, 조위예측 모델의 정밀도와 빙붕의 영률(Young's modulus) 추정을 위해 2015-2016년에 획득된 총7장의 Sentinel-1A SAR 영상을 획득하였다. 먼저, 남극 로스해(Ross Sea)에 대한 대표적인 조위예측 모델인 Ross Sea Height-based Tidal Inverse (Ross_Inv) 모델과 DDInSAR영상에서 추출된 빙붕의 조위변형을 비교한 결과, 모델의 조위예측 오차는 동쪽에서는 3.86 cm로 분석되었으며 조위모델에서 역기압효과가 필수적으로 보정되어야 함을 확인하였다. 그러나 서쪽에서는 역기압효과 보정 후에도 큰 오차가 발생하여 조위모델이 부정확할 수 있음을 확인했다. 또한, 조위변형이 나타나는 힌지 영역(hinge zone)의 폭과 얼음두께의 상관성을 나타내는 1차원 탄성 보 모델에 의거하여 얼음의 영률을 계산하였다. 이를 위해 DDInSAR 영상에서 조위에 의한 변위가 나타나기 시작하는 곳을 지반선(grounding line)으로, 조위에 의한 최대변위가 나타나는 지점을 힌지선(hinge line)으로 새롭게 정의했고, 이두선 사이를 힌지 영역으로 정의했다. 반무한 평면체를 가정한 1차원 탄성 보 모델에 의하면 힌지 영역의 폭은 얼음두께의 0.75승에 정비례한다. DDInSAR에서 나타나는 힌지 영역 중 지반선과 힌지선이 직선에 가까운 지역에서 힌지 영역의 폭을 측정하였고, 이를 BEDMAP2 얼음 두께의 0.75승과의 선형 회귀 분석을 통해 로스 빙붕 동쪽과 서쪽 힌지 영역의 영률을 1.77±0.73 GPa로 추정할 수 있었다. 이러한 방법으로 향후 Sentinel-1 영상이 축적되면 더 정밀한 영률을 추정할 수 있을 것으로 기대된다.
  6. 김태헌;이기림;이원희;염준호;정세정;한유경 945
    https://doi.org/10.7780/kjrs.2019.35.6.1.6 PDF KSCI HTML
    본 연구에서는 무인항공기(Unmanned Aerial Vehicle, UAV)를 활용하여 취득된 농경지 지역에 대한 영상 간 기하 오차를 제거하기 위한 정밀영상등록(Coarse to Fine Image Registration) 방법론을 제시한다. 먼저 무인항공기를 활용하여 농경지 지역에 대한 영상을 취득한 후 정사영상을 생성하였다. 영상등록 시 오차를 유발하는 오정합쌍이 추출되는 확률을 감소시키기 위해 생성된 정사영상의 메타데이터를 기반으로 관심지역을 선정하여 탐색영역을 최소화하였다. 그리고 Speeded Up Robust Features (SURF) 기법을 활용하여 추출된 정합쌍(Tie-points)을 기반으로 초기영상등록을 수행하여 정사영상 간 기하 오차를 전반적으로 제거하였다. 이어서 영상내에 두드러진 공간특성이나 구조가 없어도 효과적으로 정합쌍 추출이 가능한 상호정보(Mutual Information) 기법을 통해 추출된 정합쌍을 활용하여 정밀영상등록을 수행하였다. 총 8장의 정사영상을 이용하여 제안기법의 우수성 및 효율성을 검증하기 위해 SURF 기법, 상호정보기법을 개별적으로 활용하여 영상등록을 수행한 결과와 비교분석을 수행하였다. 그 결과, 제안기법을 활용한 경우 효과적으로 정사영상 간 기하 오차가 제거된 것을 확인하였다.
  7. 곽태홍;송아람;김용일 959
    https://doi.org/10.7780/kjrs.2019.35.6.1.7 PDF KSCI HTML
    대표적인 딥러닝(deep learning) 기법 중 하나인 Convolutional Neural Network(CNN)은 고수준의 공간-분광 특징을 추출할 수 있어 초분광 영상 분류(Hyperspectral Image Classification)에 적용하는 연구가 활발히 진행되고 있다. 그러나 초분광 영상은 높은 분광 차원이 학습 과정의 시간과 복잡도를 증가시킨다는 문제가 있어 이를 해결하기 위해 기존 딥러닝 기반 초분광 영상 분류 연구들에서는 차원축소의 목적으로 Principal Component Analysis (PCA)를 적용한 바 있다. PCA는 데이터를 독립적인 주성분의 축으로 변환시킬 수 있어 분광 차원을 효율적으로 압축할 수 있으나, 분광 정보의 손실을 초래할 수 있다. PCA의 사용 유무가 CNN 학습의 정확도와 시간에 영향을 미치는 것은 분명하지만 이를 분석한 연구가 부족하다. 본 연구의 목적은 PCA를 통한 분광 차원축소가 CNN에 미치는 영향을 정량적으로 분석하여 효율적인 초분광 영상 분류를 위한 적절한 PCA의 적용 방법을 제안하는 데에 있다. 이를 위해 PCA를 적용하여 초분광 영상을 축소시켰으며, 축소된 차원의 크기를 바꿔가며 CNN 모델에 적용하였다. 또한, 모델 내의 컨볼루션(convolution) 연산 방식에 따른 PCA의 민감도를 분석하기 위해 2D-CNN과 3D-CNN을 적용하여 비교 분석하였다. 실험결과는 분류정확도, 학습시간, 분산 비율, 학습 과정을 통해 분석되었다. 축소된 차원의 크기가 분산 비율이 99.7~8%인 주성분 개수일 때 가장 효율적이었으며, 3차원 커널 경우 2D-CNN과는 다르게 원 영상의 분류정확도가 PCA-CNN보다 더 높았으며, 이를 통해 PCA의 차원축소 효과가 3차원 커널에서 상대적으로 적은 것을 알 수 있었다.
  8. 김한결;황윤혁;이수암 973
    https://doi.org/10.7780/kjrs.2019.35.6.1.8 PDF KSCI HTML
    본 논문에서는 저비용으로 생성할 수 있는 무인항공기 기반의 포인트 클라우드를 사용하여 평면성 분석을 통해 지면과 건물 영역을 분리하고 자동으로 건물 모델을 생성하는 방법을 제안한다. 제안하는 방법은 총 다섯 단계로 구성된다. 첫 단계에서는 입력되는 포인트 클라우드의 평면성을 분석하여 포인트 클라우드를 구성하는 평면들을 추출하였다. 두 번째 단계에서는 추출된 평면들을 분석하여 지표면에 해당하는 평면을 찾고 포인트 클라우드에서 해당 평면 기준으로 포인트들을 제거하였다. 세 번째 단계에서는 지표면이 제거된 포인트 클라우드를 정사 투영하여 영상을 제작하였다. 네 번째 단계에서는 정사 투영된 영상에서 각각의 객체의 외곽선을 추출하고 외곽선의 넓이와 넓이, 길이 비율을 이용하여 건물 불인정 영역을 제거하였다. 마지막 단계에서는 건물의 지표면 높이와 건물의 높이를 이용하여 건물의 외곽점을 구성하고 3D 건물 모델을 생성하였다. 제안한 방법을 검증하기 위하여 무인항공기 영상을 이용해 제작된 포인트 클라우드를 사용하였으며, 실험을 통해 제안 기법을 통해 무인항공기 기반 포인트 클라우드에서 자동으로 건물의 3D 모델이 생성 가능함을 확인하였다.
  9. 정호현;이재희;박성진 987
    https://doi.org/10.7780/kjrs.2019.35.6.1.9 PDF KSCI HTML
    최근 무인항공기(UAV)의 발전과 관심이 높아지면서 UAV의 수요가 급증하고 있다. 전통적인 방식의 인공위성 및 항공영상에 비해 적은 운용비용으로 효과적인 자료 취득이 가능하여 다양한 연구(환경, 지리정보, 해양관측, 원격탐사)에 활용되고 있다. 다만, 배터리 용량 및 관제시스템과 기체의 거리 제한에 따라 전통적인 원격탐사 방법인 위성과 항공기를 이용한 방법에 비해 좁은 면적만을 획득한다는 단점이 있다. 하지만 원거리 원격관제가 가능하다면 원격탐사 분야에서의 UAV의 활용 가능성은 더 높아질 수 있으며 이에 UAV와 관제 시스템의 거리에 상관없이 관제할 수 있는 통신 네트워크 시스템이 필요하다. 전통적인 방식의 무선장치(RF 2.4 GHz, 915 MHz, 433 MHz)로 UAV와 Ground Control System(GCS)가 송수신 할 수 있는 거리는 약 2 km 내외로 제한적이다. 하지만 구축되어 있는 Long-Term Evolution(LTE) 통신망 기반의 제어방식을 적용하면 Radio Frequency(RF) 통신망의 단점을 보완할 수 있어 기존 산업과 융합하여 보다 큰 효과를 이룰 수 있다. 본 연구에서는 LTE 통신방식을 통해 GCS 기준 최대 직선거리 6.1 km, 촬영 면적 2.2 ㎢, 총 비행 거리 41.75 km의 비행을 수행하였다. 또한, LTE 통신의 무선 기지국 현황을 통해 통신 두절 가능성에 대해서도 분석하였다.
  10. 전현균;김준우;수레시 크리쉬난;김덕진 999
    https://doi.org/10.7780/kjrs.2019.35.6.1.10 PDF KSCI HTML
    북극항로의 개척 가능성과 정확한 기후 예측 모델의 필요성에 의해 북극해 고해상도 해빙 지도의 중요성이 증가하고 있다. 그러나 기존의 북극 해빙 지도는 제작에 사용된 위성 영상 취득 센서의 특성에 따른 데이터의 취득과 공간해상도 등에서 그 활용도가 제한된다. 본 연구에서는 Sentinel-1 A/B SAR 위성자료로부터 고해상도 해빙 지도를 생성하기 위한 딥러닝 기반의 해빙 분류 알고리즘을 연구하였다. 북극해 Ice Chart를 기반으로 전문가 판독에 의해 Open Water, First Year Ice, Multi Year Ice의 세 클래스로 구성된 훈련자료를 구축하였으며, Convolutional Neural Network 기반의 두 가지 딥러닝 모델(Simple CNN, Resnet50)과 입사각 및 thermal noise가 보정된 HV 밴드를 포함하는 다섯 가지 입력 밴드 조합을 이용하여 총 10가지 케이스의 해빙 분류를 실시하였다. 이 케이스들에 대하여 Ground Truth Point를 사용하여 정확도를 비교하고, 가장 높은 정확도가 나온 케이스에 대해 confusion matrix 및 Cohen의 kappa 분석을 실시하였다. 또한 전통적으로 분류를 위해 많이 활용되어 온 Maximum Likelihood Classifier 기법을 이용한 분류결과에 대해서도 같은 비교를 하였다. 그 결과 Convolution 층 2개, Max Pooling 층 2개를 가진 구조의 Convolutional Neural Network에 [HV, 입사각] 밴드를 넣은 딥러닝 알고리즘의 분류 결과가 96.66%의 가장 높은 분류 정확도를 보였으며, Cohen의 kappa 계수는 0.9499로 나타나 딥러닝에 의한 해빙 분류는 비교적 높은 분류 결과를 보였다. 또한 모든 딥러닝 케이스는 Maximum Likelihood Classifier 기법에 비해 높은 분류 정확도를 보였다.
  11. 이권호;염종민 1011
    https://doi.org/10.7780/kjrs.2019.35.6.1.11 PDF KSCI HTML
    인공위성 또는 항공기에서 사용되는 원격탐사용 센서는 지구 대기를 통과하는 전자기파를 측정하므로, 지구 대기에 의하여 흡수 또는 산란되는 과정에서 지표면의 정보가 영향을 받게 된다. 인공위성은 탑재센서의 사용목적에 따라 파장범위, 해상도가 다르지만, 공통적으로 지구 표면의 대상의 분광신호를 정확히 측정하기 위하여 대기에 의한 영향을 제거해야 하는 대기보정이 이루어져야 한다. 대기보정의 목적은 원격탐사 영상에서 대기 효과를 제거하여 지표면 반사도 값을 결정하고 지표면의 물리적 매개 변수를 도출하는 것이다. 현재까지 개발된 대기보정 알고리즘은 영상기반의 경험적인 방법 또는 현지 관측 자료를 이용한 간접적인 보정 방법에서 보다 복잡한 복사전달과정을 수치해석적으로 해석하는 직접적인 보정 방법으로 발전해 왔다. 본 연구는 지난 40여년 동안 개발된 대기보정 알고리즘에 대한 연구 기록을 분석함으로써, 대기보정 기술의 현황 및 주요 대기보정 알고리즘에 대한 연구 결과를 체계적으로 정립하여 관련 기술의 현황 및 연구동향을 제시하였다.