• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.186-186
• /
• 2012

새만금에서 농업용수의 안정적인 확보를 위해서는 새만금호의 수질관리가 절대적으로 필요하며 농업비점오염 부하량이 총인기준으로 52~72%를 차지하는 것을 고려할 때 농업비점오염 관리는 중요하다. 이에 "새만금유역농업비점오염 저감기법 개발 연구"를 통해 논과 밭 등의 농업비점 오염원별 최적관리기법 개발을 목적으로 모니터링 연구가 수행되었다. 유역규모 물수지 및 물질수지 분석에 있어서 논은 전체 농업용수의 60%를 차지하고 있다. 특히 농업비점오염 중에서 논은 물고 및 담수심의 관리에 따라서 기타 토지이용과 상이한 유출특성을 보인다. 따라서 유역규모에서 논으로부터 발생되는 비점오염의 시공간적인 부하량의 변화를 예측하기 위해서는 반드시 논에서의 물관리와 시비관리에 따른 수량과 수질의 유출특성에 대한 분석이 선행되어야 한다. 물관리 및 시비관리 방법에 따라 논으로부터 발생되는 오염부하량이 수질에 미치는 영향을 분석하기 위해서는 논에서의 물수지 및 물질수지 모니터링 기법이 활용될 수 있다. 하지만 모니터링 접근 방식은 오랜 시간과 많은 비용을 필요로 하는 단점을 가지고 있다. 따라서 고려되어 지고 있는 여러 저감기법들 중에서 농업비점오염물질의 유출에 미치는 영향을 파악하여 가장 적합한 저감기법 (Best Managment Practices, BMPs)을 선정하기 위해서 다양한 수학적인 모형들이 사용되어 왔다. 비점오염 관리는 오염물질이 오염원에서 발생되는 양 자체를 줄이거나 또는 오염원으로부터 수체에 이르기까지의 과정에서 운송을 차단시키는 방법들을 활용하고 있다. 따라서 논에서의 비점오염 모델링 또한 논에서의 유출 특성 및 질소와 인과 같은 영양물질과 관련된 기작을 고려한 모형들이 선택 및 적용되어야 한다. 논에서의 물관리 및 시비관리를 고려할 수 있는 모형들로는 CREAMS-PADDY, GLEAMS-PADDY, PADDYMOD, APEX와 같은 모형들이 개발되어 사용되어 왔다. 따라서 본 연구에서 논으로부터의 비점오염 부하량 예측을 위해 사용되어 온 모형들의 장단점을 비교 분석하고 적합한 모형들을 동일한 시험포장에 적용하여 논 비점오염관련 모형들의 국내 적용성을 제시하였다.

• 대한토목학회논문집
• /
• 제37권2호
• /
• pp.467-474
• /
• 2017

하천 합류부에서는 지형적 특성에 기인하는 고유한 수체혼합양상과 흐름특성을 보인다. 이러한 합류부에서의 2차원적 수체혼합양상을 파악하기 위해서는 측선기반이 아닌 평면적 계측이 필요하다. 본 연구에서는 낙동강-금호강 합류부를 대상으로 UAV를 활용한 정성적 수체혼합모니터링과 ADCP, 다항목수질측정기, 현장용광학입도분석기(LISST : Laser In-Situ Scattering & Transmissometry)를 이용한 흐름, 수질, 부유입자특성에 대한 측정을 통해 하천합류부에서의 2차원적 수체흐름 및 물질혼합 특성을 파악할 수 있는 현장측정기법을 제시하고 적용성을 검토하고자 하였다. 수리량, 수질인자, 부유입자의 농도 및 입도분포에 대한 현장측정을 통해 복잡한 지형적 특성을 가지는 하천합류부에서의 2차원적 흐름양상과 그에 따른 수체 및 물질혼합양상을 파악할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.793-810
• /
• 2022

실시간 범람 모니터링을 위해 인공위성 SAR영상을 활용하는 수체탐지에 대한 필요성이 대두되었다. 주야와 기상에 상관없이 주기적으로 촬영 가능한 인공위성 SAR 영상은 육지와 물의 영상학적 특징이 달라 수체탐지에 적합하나, 스페클 노이즈와 영상별 상이한 밝기 값 등의 한계를 내포하여 다양한 시기에 촬영된 영상에 일괄적으로 적용 가능한 수체탐지 알고리즘 개발이 쉽지 않다. 이를 위해 본 연구에서는 Convolutional Neural Networks (CNN)기반 모델인 U-Net 아키텍처에 레이어의 조합인 모듈을 추가하여 별도의 전처리 없이 수체탐지의 정확도 향상 방법을 제시하였다. 풀링 레이어의 조합을 활용하여 형태학적 연산처리 효과를 제공하는 Morphology Module과 전통적인 경계탐지 알고리즘의 가중치를 대입한 컨볼루션 레이어를 사용하여 경계 학습을 강화시키는 Edge-enhanced Module의 다양한 버전을 테스트하여, 최적의 모듈 구성을 도출하였다. 최적의 모듈 버전으로 판단된 min-pooling과 max-pooling이 연속으로 이어진 레이어와 min-pooling로 구성된 Morphology 모듈과 샤를(Scharr) 필터를 적용한 Edge-enhanced 모듈의 산출물을 U-Net 모델의 conv 9에 입력자료로 추가하였을 때, 정량적으로 9.81%의 F1-score 향상을 보여주었으며, 기존의 U-Net 모델이 탐지하지 못한 작은 수체와 경계선을 보다 세밀하게 탐지할 수 있는 성능을 정성적 평가를 통해 확인하였다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1135-1144
• /
• 2023

국내 농업용 저수지는 1970년 이전에 축조되어 준공 년도가 50년 이상 된 노후화된 시설이 대다수이며, 소규모 저수지는 기본 제원 및 수위 등을 파악할 수 있는 계측시스템이 없는 미계측 저수지이다. 준공 이후 호우발생 시 퇴적된 토사 유입, 퇴사량 증가에 따른 저수지 용량 감소 및 산업 고도화에 따른 수질악화 등은 저수지의 용수공급능력을 저하시키고 형상 변화를 야기한다. 따라서, 디지털 정보 및 원격탐사 정보를 결합한 계측 기술을 활용하여 미계측 저수지 수체 모니터링을 위한 공간정보 구축 방안이 필요하다. 본 연구에서는 지표면의 고도정보와 형태를 파악할 수 있는 Light Detection And Ranging (LiDAR) 센서를 활용하여 저수지 시설물의 고해상도 Digital Surface Model (DSM), Digital Elevation Model (DEM) 자료를 구축하고, 멀티빔(MultiBeam) 음향 측심기 기반 수심측량 정보의 융합을 통해 디지털 공간정보 융합 방안을 제시하고자 한다. 드론용 LiDAR를 활용하여 공간해상도 50 cm의 DSM 및 DEM 자료를 구축하여, 저수지 제방, 여수로, 용수로 등의 수리시설물의 디지털 공간정보를 구축하였다. 다분광 영상을 활용하여 수체를 탐지하기 위해 정규식생지수(Normalized Difference Vegetation Index, NDVI), 정규수분지수(Normalized Difference Water Index, NDWI)를 산정하여, 저수지의 수표면을 산정하였다. 또한, 고해상도 DEM 자료는 수심측량 자료와 융합하여 수심도를 작성하였으며, Triangulated Irregular Network (TIN)로부터 저수지 만수면적 및 체적을 산정하였다. LiDAR 센서 및 멀티빔 기반의 수심측량, 광학위성자료 영상 및 다중분광 드론영상을 활용한 수체 탐지 기술 등의 공간정보 융합은 미계측 저수지의 디지털 인프라를 구축하여 저수지의 가용용수공급능력을 모니터링 하기 위한 기초자료로서 활용성이 높을 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.42-42
• /
• 2022

지금까지도 유역에서의 녹조 모니터링은 현장채수를 통한 점 단위 모니터링에 크게 의존하고 있어 기후, 유속, 수온조건 등에 따라 수체에 광범위하게 발생하는 녹조를 효율적으로 모니터링하고 대응하기에는 어려운 점들이 있어왔다. 또한, 그동안 제한된 관측 데이터로 인해 현장 측정된 실측 데이터 보다는 녹조와 관련이 높은 NDVI, FGAI, SEI 등의 파생적인 지수를 산정하여 원격탐사자료와 매핑하는 방식의 분석연구 등이 선행되었다. 본 연구는 녹조의 모니터링시 정확도와 효율성을 향상을 목표로 하여, 우선은 녹조 측정장비를 활용, 7000개 이상의 녹조 관측 데이터를 확보하였으며, 이를 바탕으로 동기간의 고해상도 위성 자료와 실측자료를 매핑하기 위해 다양한Machine Learning기법을 적용함으로써 그 효과성을 검토하고자 하였다. 연구대상지는 낙동강 내성천 상류에 위치한 영주댐 유역으로서 데이터 수집단계에서는 면단위 현장(in-situ) 관측을 위해 2020년 2~9월까지 4회에 걸쳐 7291개의 녹조를 측정하고, 동일 시간 및 공간의 Sentinel-2자료 중 Band 1~12까지 총 13개(Band 8은 8과 8A로 2개)의 분광특성자료를 추출하였다. 다음으로 Machine Learning 분석기법의 적용을 위해 algae_monitoring Python library를 구축하였다. 개발된 library는 1) Training Set과 Test Set의 구분을 위한 Data 준비단계, 2) Random Forest, Gradient Boosting Regression, XGBoosting 알고리즘 중 선택하여 적용할 수 있는 모델적용단계, 3) 모델적용결과를 확인하는 Performance test단계(R², MSE, MAE, RMSE, NSE, KGE 등), 4) 모델결과의 Visualization단계, 5) 선정된 모델을 활용 위성자료를 녹조값으로 변환하는 적용단계로 구분하여 영주댐뿐만 아니라 다양한 유역에 범용적으로 적용할 수 있도록 구성하였다. 본 연구의 사례에서는 Sentinel-2위성의 12개 밴드, 기상자료(대기온도, 구름비율) 총 14개자료를 활용하여 Machine Learning기법 중 Random Forest를 적용하였을 경우에, 전반적으로 가장 높은 적합도를 나타내었으며, 적용결과 Test Set을 기준으로 NSE(Nash Sutcliffe Efficiency)가 0.96(Training Set의 경우에는 0.99) 수준의 성능을 나타내어, 광역적인 위성자료와 충분히 확보된 현장실측 자료간의 데이터 학습을 통해서 조류 모니터링 분석의 효율성이 획기적으로 증대될 수 있음을 확인하였다.

• 대한환경공학회지
• /
• 제37권1호
• /
• pp.45-51
• /
• 2015

폴리브롬화 디페닐에테르는 강한 소수성과 큰 분자량을 지닌 물질로 수체에 쉽게 용존되지 않으며, 이로 인해 다른 환경매체에 비해 수환경에 대한 연구는 많지 않다. 그러나 하 폐수처리장으로부터 수환경으로의 질량부하, 침적토에서의 재부유 현상 그리고 부유 입자 및 콜로이드로부터의 분배현상은 무시할 수 없는 영향을 미칠 것이다. 따라서 수환경 중 폴리브롬화 디페닐에테르를 조사하는 것은 중요하면서도 어려운 작업이다. 최근에 수환경에서 소수성물질을 모니터링 할 때의 어려움을 극복하기 위한 방안으로 반투과성막장비와 같은 수동적 시료채취 기법이 사용되고 있다. 수동적 시료채취를 사용하면 시료채취 기간 동안 주변환경인자의 변동을 조절하며 미량으로 존재하는 폴리브롬화 디페닐에테르를 검출하고 장기간에 거쳐 재현성 있는 모니터링 결과를 얻을 수 있다. 따라서 본 연구에서는 반투과성막장비(SPMD)를 수질 모니터링 장비로서 활용하는 가능성을 확인하고자 하였다. 강둑에서 그랩, 혼합 시료채취법과 SPMD를 적용하여 다양한 수질시료 채취기법에 따른 시간적 변동과 농도 차이를 확인하고 SPMD를 사용하여 폴리브롬화 디페닐에테르의 수환경 중 농도를 예측할 수 있는지 평가하였다.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1761-1775
• /
• 2022

예측하기 힘든 기후변화로 인해 물 관련 재해의 발생 빈도와 피해 규모도 지속적으로 증가하는 추세이다. 재난관리의 측면에서 광범위한 지역의 피해면적을 파악하고, 중·장기적 예측을 위한 모니터링이 필수적이다. 수재해 분야에서 광역적 모니터링을 위해 Synthetic Aperture Radar (SAR) 위성영상을 활용한 원격탐사 기술 연구가 활발히 진행되고 있다. 수재해 모니터링을 위한 시계열 분석에는 방대한 양의 영상수집과 잡음이 많은 레이더 산란 특성을 고려한 복잡한 전처리과정이 필요하며, 이를 위해 상당한 시간이 소요되는 한계가 있다. 최근 클라우드 컴퓨팅 기술의 발전과 함께 위성 빅데이터를 활용한 시·공간 분석이 가능한 많은 플랫폼들이 제안되고 있다. 구글어스엔진(Google Earth Engine, GEE)은 대표적인 플랫폼으로, 600여개의 위성 자료를 무료로 제공하고 있으며 위성영상의 분석준비데이터를 기반으로 준-실시간 시·공간 분석이 가능하다. 이에 본 연구에서는 구글어스엔진을 활용한 즉각적인 수재해 피해 탐지와 중·장기적 시계열 관측 연구를 수행하였다. 변화탐지에 주로 활용되는 Otsu 기법을 통해 '20년 발생한 집중호우를 중심으로 하천 범람으로 인한 하폭의 변화와 피해 면적을 확인하였다. 또한 재난관리 측면에서 모니터링의 중요성이 요구되는 만큼 상습침수지역으로 선정된 연구대상 지역을 중심으로 '18년부터 '22년까지의 시계열 수체의 변화 경향을 확인하였다. 구글어스엔진은 자바스크립트 기반 코딩을 통한 짧은 처리시간, 시공간 분석과 표출의 강점으로 수재해 분야 활용이 가능할 것으로 판단된다. 더불어 향후 다양한 위성 빅데이터와의 연계를 통해 활용 분야가 확대될 것으로 기대된다.

• 한국지리정보학회지
• /
• 제18권3호
• /
• pp.113-127
• /
• 2015

최근 무인비행시스템(UAS)에 대한 관심이 높아지고 있으며, 홍수시 UAS를 활용하여 침수모니터링을 수행하기 위해서는 촬영된 영상으로부터 수체를 효과적으로 탐지할 수 있는 기법 개발이 필요하다. 본 연구에서는 RGB와 NIR+RG 밴드를 탑재한 UAS를 활용하여 영상을 획득하였으며, 감독분류기법을 적용하여 수체탐지 정확도를 평가하였다. 먼저 RGB 영상에 의한 수체의 영상분류 정확도 평가에서는 인공신경망과 최소거리법의 Kappa 계수가 각각 0.791과 0.783로 높게 나타났으며, 최대우도법이 0.561로 가장 낮게 나타났다. 또한 NIR+RG 영상에 의한 수체의 영상분류 정확도 평가에서는 Mahalanobis와 최소거리법이 각각 0.869와 0.830으로 높게 나타났으며, 인공신경망법이 0.779로 매우 낮게 나타났다. 특히 RGB 밴드에서는 송산유원지의 수목이나 초지가 수체로 오분류되는 문제가 발생하였으나, NIR+RG 밴드에서는 이러한 문제가 많이 개선되었다. 따라서, RGB 밴드에 비해 NIR+RG 밴드를 탑재한 영상이 Mahalanobis와 최소거리법을 적용시 수체를 탐지하는데 효과적인 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.901-912
• /
• 2022

전 세계적인 기후변화로 재해발생빈도가 증가하고 있으며, 국내에서도 이례적인 폭우 및 장마현상이 발생되고 있다. 이러한 기상이변현상은 가뭄, 홍수 등으로 이어져 2차피해를 유발할 수 있으므로 주기적인 모니터링과 신속한 탐지가 중요하다. 수체탐지를 위하여 광학영상을 활용한 연구가 지속적으로 이루어지고 있으나, 폭우를 동반하여 발생하는 홍수를 탐지하기 위해서는 구름의 영향으로 탐지하기 어렵다는 한계를 대변하기 위해 전천후 주야에 관계없이 관측가능한 합성개구레이더(synthetic aperture radar, SAR)를 활용한 연구가 필요하다. 본 연구에서는 개방데이터로서 24시간 이내에 수집 가능한 Sentinel-1 SAR 영상을 활용하여 최근 다양한 분야에서 활용되고 있는 딥러닝 알고리즘인 UNet을 적용하였다. 선행연구에서 SAR영상과 딥러닝 알고리즘을 이용하여 수체탐지 연구가 진행되고 있지만, 국내를 대상으로 소수의 연구만이 진행되었다. 따라서 SAR 영상의 딥러닝 적용가능성을 파악해보고자 UNet과 기존의 알고리즘인 임계값(thresholding) 방법을 비교하였으며, 5가지 지수와 Sentinel-2 normalized difference water index (NDWI)로 평가하였다. Intersect of union (IoU)로 정확도를 평가해 본 결과 UNet은 0.894, 임계값 방법은 0.699로 UNet의 정확도가 높은 것을 확인할 수 있었다. 본 연구를 통해 딥러닝 기반 SAR영상의 적용가능성을 확인할 수 있었으며, 고해상도의 SAR영상과 딥러닝 알고리즘을 적용한다면, 국내를 대상으로 주기적이고 정확한 수체의 변화탐지가 가능할 것이라 기대된다.