• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1373-1387
• /
• 2021

산불은 지표 에너지 균형, 사회 및 환경에 중대한 위협을 미치며, 사회경제적 손실을 일으킨다. 한편, 현재까지 널리 사용되고 있는 다중분광 위성 영상 기반 산불 피해 탐지 알고리즘은 구름으로 인한 반사도 오염으로 인해 시의적절한 산불 정보를 얻기 어려운 문제가 있다. 따라서 본 연구에서는 구름에 영향을 받지 않는 유럽우주국의 Sentinel-1 SAR (Synthetic Aperture Radar) 자료로부터 2019년 4월 초에 발생한 남한 강원도의 강릉·동해, 고성·속초 및 인접한 북한의 두 산불 발생 지역을 대상으로 주성분분석(Principal Component Analysis; PCA)을 포함하는 일련의 전 처리 및 K-means clustering을 이용하여 산불 피해 면적을 탐지하였다. 추정된 산불 면적은 국립산림과학원에서 남한의 두 산불에 대해 제공한 산불 피해 면적 및 강도 참조자료 및 산불 피해 탐지에 널리 사용되는 dNBR (differenced Normalized Burn Ratio)을 사용하여 검증하였다. 국립산림과학원의 참조자료 기반 검증에서 강릉·동해와 고성·속초 산불에 대해 평균 약 86%의 정확도를 보였다. dNBR을 사용한 검증에서는 남한 및 북한의 지역 모두에 대해 평균 약 84%의 정확도를 보였다. 이때, 산불 강도가 강할수록 산불 면적 탐지 성능이 높고 반대로 산불 강도가 약할수록 산불 면적 탐지 성능이 낮은 것을 확인할 수 있었다. 본 연구를 통해 검증된 SAR 영상을 이용한 PCA 및 K-means clustering 기반 탐지 알고리즘이 추후 구름의 영향이 크고 작은 산불이 빈번하게 발생하는 한반도에 대하여 신속한 산불 피해 면적 탐지에 활용될 수 있을 것으로 기대된다.

• 헤리티지:역사와 과학
• /
• 제56권3호
• /
• pp.174-193
• /
• 2023

우리나라는 지형적으로 바다로 둘러싸여 있으며 내륙 곳곳에 바다로 이어지는 강들이 분포한다. 이러한 지형 특성에 의해 예로부터 바다를 통하여 세계 여러 나라와 교류 및 해전이 있었으며 강에서는 나루터를 두어 세금으로 지불되는 곡식, 물품을 운송하는 선박 운항 및 승객 수송을 하는 등 바다와 강은 과거부터 우리나라의 삶에 많은 영향을 주었다. 그로 인해 바다나 강 속에는 많은 문화유산이 존재하고 있을 것으로 예상되며 이러한 문화유산은 과거의 사회와 문화 이해 및 한 국가의 정체성을 나타내므로 이를 찾기 위한 노력이 계속되고 있다. 하지만, 수중문화유산은 바다나 강 속에 있어 육안 관찰의 어려움과 접근이 제한된 환경으로 인해 발견하기가 매우 어렵다. 이와 같은 문제를 극복하기 위해 지구물리탐사 기법을 활용할 수 있다. 지구물리탐사 기법은 탄성파의 반사와 굴절의 물리적 성질을 이용해 수중지형조사, 수중저면조사 및 지층조사를 수행하여 수중에 있는 물체나 지층이 갖는 물리적 특성을 감지하고 그 차이를 분석하여 수저면 위에 놓여 있거나 매장되어 있는 수중문화유산을 조사한다. 수중지형 조사에는 음향측심기를 사용하고 수중저면조사에는 측면주사음파탐지기를 사용해 수저면에 놓여 있거나 일부 노출된 수중문화유산을 탐사할 수 있다. 지층조사는 탄성파지층탐사기를 사용해 해저에 매장되어 있는 수중문화유산을 찾을 수 있다. 다만, 현재까지는 국내에서 발견된 수중문화유산은 어로 작업 중이던 어부나, 낙지잡이, 잠수사에 의해 우연히 발견되었다. 본 연구에서는 수중문화유산 탐사를 목적으로 수행된 지구물리탐사 기반의 수중지형조사, 수중저면조사 및 지층조사에 대한 최신 해외 연구 동향을 분석 정리해 국내의 수중문화유산 탐사 기법 연구에 기여하고자 한다.

• 한국음향학회지
• /
• 제43권1호
• /
• pp.9-18
• /
• 2024

최근 수중표적의 저소음화와 해상교통량의 증가로 인한 주변 소음의 증가로 능동 소나 시스템의 중요성이 증대되고 있다. 하지만 신호의 다중 경로를 통한 전파, 다양한 클러터와 주변 소음 및 잔향 등으로 인한 반향신호의 낮은 신호대잡음비는 능동 소나를 통한 수중 표적 식별을 어렵게 만든다. 최근 수중 표적 식별 시스템의 성능을 향상 시키기 위해 머신러닝 혹은 딥러닝과 같은 데이터 기반의 방법을 적용시키려는 시도가 있지만, 소나 데이터셋의 특성 상 훈련에 충분한 데이터를 모으는 것이 어렵다. 부족한 능동 소나 데이터를 보완하기 위해 수학적 모델링에 기반한 방법이 주로 활용되어오고 있다. 그러나 수학적 모델링에 기반한 방법론은 복잡한 수중 현상을 정확하게 모의하는 데에는 한계가 있다. 따라서 본 논문에서는 심층 신경망 기반의 소나 신호 합성 기법을 제안한다. 제안하는 방법은 인공지능 모델을 소나 신호 합성 분야에 적용하기 위해, 음성 합성 분야에서 주로 사용되는 타코트론 모델의 주요 모듈인 주의도 기반의 인코더 및 디코더를 소나 신호에 적절하게 수정하였다. 실제 해상 환경에 모의 표적기를 배치해 수집한 데이터셋을 사용하여 제안하는 모델을 훈련시킴으로써 보다 실제 신호와 유사한 신호를 합성해낼 수 있게 된다. 제안된 방법의 성능을 검증하기 위해, 합성된 음파 신호의 스펙트럼을 직접 분석을 진행하여 비교하였으며, 이를 바탕으로 오디오 품질 인지적 평가(Perceptual Quality of Audio Quality, PEAQ)인지적 성능 검사를 실시하여 총 4개의 서로 다른 환경에서 생성된 반사 신호들에 대해 원본과 비교해 그 차이가 최소 -2.3이내의 높은 성적을 보여주었다. 이는 본 논문에서 제안한 방법으로 생성한 능동 소나 신호가 보다 실제 신호에 근사한다는 것을 입증한다.