• 한국조경학회지
• /
• 제46권2호
• /
• pp.52-61
• /
• 2018

도시는 콘크리트, 아스팔트 등 인공적인 피복과 고층 건물의 증가로 인해 열섬현상이 발생되고 있다. 이와 관련하여 인공위성 열적외 영상을 활용한 도시의 열환경 분석에 대한 연구가 활발히 진행되고 있다. 그러나 복잡한 토지피복을 가진 도시의 열환경 특성을 분석하기에는 위성영상의 공간해상도는 한계를 가지고 있다. 무인항공기(UAV)는 높은 해상도의 영상을 취득할 수 있어 이러한 한계점을 보완하기에 적절하며, 최근 폭넓게 활용되고 있다. 이에 본 연구는 무인항공기 열적외 영상의 정확성 검증과 Landsat 8 열적외 영상과의 해상도 비교를 통한 도시 내 열환경 분석에서 활용가능성에 대해 검토하였다. 정확성 검증 결과, 온도 값의 상관성은 0.95로 높은 양의 상관관계를 보였고, 두 집단의 통계적 차이가 없었다. 해상도 비교를 위한 두 영상의 지표온도의 차이 분석 결과, 시가화 지역이 $4.63^{\circ}C$로 가장 높은 차이를 보였으며, 셀 단위가 작은 무인항공기영상이 다양한 지표온도를 반영하였다. 온도 그래프 비교 결과, 도시의 지표온도를 낮출 수 있는 습지, 가로녹지 등의 세부적인 공간의 지표온도 분석이 가능하였고, 가로수 그림자의 지표온도저감 효과 분석 결과, 약 $4{\sim}6^{\circ}C$ 가량 낮추는 것으로 나타났다. 무인항공기는 세부적인 공간의 분석이 가능하였고, 단시간에 일정 면적의 지표온도를 취득하기 용이하였다. 따라서 무인항공기는 피복을 고려한 공원의 조성이나 관리, 소규모 녹지의 효과 분석 등 도시 내 열환경 분석 전반에 걸쳐 높은 활용성을 가질 것이라 판단된다.

• 한국조경학회지
• /
• 제47권3호
• /
• pp.60-70
• /
• 2019

오늘날 서울에서 대중적 인지도가 높은 덕수궁 돌담길은 역사유산으로서의 장소 인식과 공원으로서의 장소 인식 등 혼재된 장소성을 지닌 곳이다. 그러나 덕수궁 돌담길과 관련한 기존 연구는 장소성에 중요한 변수인 이용자를 배제한 채 장소성을 논하였다는 아쉬움이 있었다. 이에 본 연구는 이러한 점에 착안하여 덕수궁 돌담길 장소 인식과 이에 미치는 요인을 방문객을 대상으로 분석 해석하여 장소성을 더욱 풍부하게 해석하고자 한다. 연구결과로 덕수궁 돌담길의 대표 이미지는 '걷고 싶은 거리'로 차량 통제 및 보행환경 개선이라는 제도적 요인이 작용된 것으로 해석된다. 장소성을 형성하는 변수들을 물리적 환경, 활동, 의미로 분류해 분석을 실시한 결과, 물리적 환경에 대한 인식이 높았으며, 그 중에서도 '푸른 녹음의 가로수(3.95)', '곡선의 돌담길(3.88)'이 높게 나타났다. 활동의 범주에서는 '도심 속 산책 활동(4.01)'이, 의미에서는 '사랑과 낭만(3.57)'이 높게 나타났다. 이는 가로공간이라는 장소적 특성과 기존에 친숙하게 받아들여지던 장소이미지가 반영되었기 때문인 것으로 보인다. 요인분석을 통해 5개의 요인을 추출하여 장소인식을 보다 구체적으로 이해할 수 있는 단초를 제공했으며, 각 요인들과 덕수궁 돌담길의 장소적 분위기와의 상관관계 분석을 통해 '녹지 가로경관'과 '역사성'에 대한 높은 상관성을 확인했다. 이는 녹음으로 위요된 공간, 시지각적 체험, 자유로운 보행 여건 등이 반영되어 도심 속 공원의 역할을 수행하고 있기 때문이며, 또한 덕수궁이라는 역사문화유산에 영역이 포함되기에 오랜 시간 누적된 장소적 이미지와 행태가 반영된 결과이다. 덕수궁 돌담길 장소 인식 요인 및 장소적 분위기 형성에는 녹지와 관련된 것들이 강하게 인식되고 있음을 확인하였으며, 이는 향후 역사문화가로 또는 유산과 관련된 보존 및 관리활용에 있어 녹지에 대한 가치 및 중요도를 반영할 필요성이 있음을 밝혀냈다. 본 연구는 이용자의 장소 인식 관점에서 주목해야 할 방향을 제시하였으나, 장소 인식에 미치는 요인을 도출하는데 있어 다차원적 장소성의 일부분만을 고려했기에 추후 이러한 한계점을 보완한 지속적인 연구가 필요하다.

• 한국지리정보학회지
• /
• 제22권3호
• /
• pp.82-98
• /
• 2019

정보화 사회로 진입하면서 공간정보의 중요성은 급격하게 부각되고 있다. 특히 스마트시티, 디지털트윈과 같은 Real World Object의 3차원 공간정보 구축 및 모델링은 중요한 핵심기술로 자리매김하고 있다. 구축된 3차원 공간정보는 국토관리, 경관분석, 환경 및 복지 서비스 등 다양한 분야에서 활용된다. 영상기반의 3차원 모델링은 객체 벽면에 대한 텍스처링을 생성하여 객체의 가시성과 현실성을 높이고 있다. 하지만 이러한 텍스처링은 영상 취득 당시의 가로수, 인접 객체, 차량, 현수막 등의 물리적 적치물에 의해 필연적으로 폐색영역이 발생한다. 이러한 폐색영역은 구축된 3차원 모델링의 현실성과 정확성 저하의 주요원인이다. 폐색영역 해결을 위한 다양한 연구가 수행되고 있으며, 딥러닝을 이용한 폐색영역 검출 및 해결방안에 대한 연구가 수행되고 있다. 딥러닝 알고리즘 적용한 폐색영역 검출 및 해결을 위해서는 충분한 학습 데이터가 필요하며, 수집된 학습 데이터 품질은 딥러닝의 성능 및 결과에 직접적인 영향을 미친다. 따라서 본 연구에서는 이러한 학습 데이터의 품질에 따라 딥러닝의 성능 및 결과를 확인하기 위하여 다양한 영상품질을 이용하여 영상의 폐색영역 검출 능력을 분석하였다. 폐색을 유발하는 객체가 포함된 영상을 인위적이고 정량화된 영상품질별로 생성하여 구현된 딥러닝 알고리즘에 적용하였다. 연구결과, 밝기값 조절 영상품질은 밝은 영상일수록 0.56 검출비율로 낮게 나타났고 픽셀크기와 인위적 노이즈 조절 영상품질은 원본영상에서 중간단계의 비율로 조절된 영상부터 결과 검출비율이 급격히 낮아지는 것을 확인할 수 있었다. F-measure 성능평가 방법에서 노이즈 조절한 영상품질 변화가 0.53으로 가장 높게 나타났다. 연구결과로 획득된 영상품질별에 따른 폐색영역 검출 능력은 향후 딥러닝을 실제 적용을 위한 귀중한 기준으로 활용될 것이다. 영상 취득 단계에서 일정 수준의 영상 취득과 노이즈, 밝기값, 픽셀크기 등에 대한 기준을 마련함으로써 딥러닝을 실질적인 적용에 많은 기여가 예상된다.