• 대한원격탐사학회지
• /
• 제34권6_4호
• /
• pp.1503-1517
• /
• 2018

백두산은 중국과 북한의 국경 경계에 위치하고 있는 성층화산으로 신생대 올리고세 이후 주요 분화 단계를 거쳐 형성된 것으로 알려져 있다. 2010년 이후 마그마 재활동으로 인한 백두산 화산활동 여부에 대한 관심이 증대되고 있다. 백두산 화산 활동을 감시하기 위한 연구는 기상청, 한국지질자원연구원 등 국가기관 중심으로 활발히 수행되고 있다. 2018년에는 한-중 백두산 공동 관측 장기연구 과제가 선정되었으며 이로부터 화산특화연구센터가 설립되기도 하였다. 그러나 백두산은 우리나라로부터 지리적으로 멀리 떨어져 있어 접근에 대한 제약이 있을 뿐만 아니라 백두산 화산 주변에 설치되어 있는 현장 관측 장비로부터 수집된 현장 자료의 공유 혹은 접근이 쉽지 않은 상황이다. 원격탐사는 직접적인 물리적 접촉 없이 대상 물체에 대한 특성을 원격으로 측정하는 수단으로서, 대상물의 관측을 위해 자동차, 무인기, 항공기, 인공위성 등 여러 형태의 플랫폼이 사용된다. 지난 수십 년 간, 다양한 파장 대역에서의 전자기파를 이용한 원격탐사 자료를 활용하여 화산 감시 연구가 수행되어 왔다. 특히 레이더 원격탐사는 주야조건, 기상조건에 관계없이 자료를 획득할 수 있을 뿐만아니라 위상정보를 이용한 레이더 위상간섭기법을 통한 미세 지표 변위 관측이 가능하여 매우 널리 이용되고 있는 화산 감시 기술이다. 본 논문의 목적은 백두산 화산 관측을 위해 수행된 기존 원격탐사 연구 문헌을 수집하고 동향을 파악하는 것이다. 또한 지속적인 화산 감시를 위한 가용 영상레이더 위성정보를 조사하여 향후 이를 바탕으로 백두산 화산 지표 변위의 주기적 탐지 연구를 수행하는데 활용할 예정이다.

• 한국수자원학회논문집
• /
• 제49권3호
• /
• pp.227-239
• /
• 2016

본 연구는 Surface Energy Balance Algorithm for Land (SEBAL) 모형을 이용해 국내의 혼효림(설마천)과 논(청미천) 유역에 대해 일 증발산량을 산정하고 각 유역의 플럭스 타워 실측 증발산량과 비교하였다. SEBAL 모형의 입력 자료로 위성자료는 2개년(2012-2013)의 Terra MODIS product 중 Albedo, Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI)를 활용하였으며, 기상자료는 유역 인근에 위치한 기상청 기상관측소로부터 풍속, 일사량 자료를 제공받아 공간 내삽(Interpolation)하여 활용하였다. 모의결과 플럭스 타워의 연평균 증발산량은 설마천에서 302.8 mm, 청미천에서 482.0 mm, SEBAL 모의 증발산량은 각각 183.3 mm, 371.5 mm로 산정되었다. 전체 모의기간에 대한 SEBAL 모의 증발산량의 실측 증발산량과의 결정계수는 설마천 플럭스 타워에서 0.54, 청미천 플럭스 타워에서 0.79로 나타났다. 두지점에서 SEBAL 모의 증발산량이 과소 추정된 주된 이유로는 일별 hot pixel과 cold pixel로부터 산정한 현열 플럭스의 과대추정으로 인한 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.293-307
• /
• 2020

매년 황해와 동중국해에서는 대형 부유조류인 녹조와 갈조가 대량으로 발생하고 있다. 이러한 대형 부유조류는 연안의 양식 시설물이나 해변으로 유입되며, 제거하는데 막대한 경제적 손실을 발생시킨다. 현재는 연안으로 유입되는 대형 부유조류를 탐지하기 위해 원격탐사 방법이 활발하게 사용되고 있다. 그러나 대형 부유조류는 해양의 다양한 대상들과 중첩되는 파장이 존재하기에 이를 정확하게 탐지하는데 한계가 있다. 더욱이 녹조와 갈조는 유사한 스펙트럼 특성을 보이기 때문에 원격탐사 자료를 이용한 구분을 더욱 어렵게 만든다. 따라서 본 연구에서는 위성 영상에 딥러닝 기법을 적용하여 녹조와 갈조를 효과적으로 구분하고자 하였다. 이를 위한 네트워크를 결정하기 위해 최적의 학습 조건을 찾아 AlexNet 신경망을 전이 학습하였으며, 학습과 검증을 위해 Gaofen-1 WFV 영상을 이용하여 데이터셋을 구성하였다. 최적의 학습 조건으로 학습된 네트워크를 이용하여 실험 데이터에 대한 결과를 확인하였다. 그 결과 실험 데이터에 대한 정확도는 88.89%를 보였으며, 녹조와 갈조에 대해 각각 66.67%와 100%의 정밀도로 구분이 가능하였다. 이는 전이 학습된 AlexNet 신경망이 녹조와 갈조의 미세한 차이를 구분할 수 있는 것으로 해석된다. 본 연구를 통해 해양의 다양한 대상으로부터 녹조와 갈조를 효과적으로 분류하고 각각 구분할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제34권6_2호
• /
• pp.1251-1260
• /
• 2018

항공영상으로 제작한 고품질의 해빙표면모델은 인공위성 기반 원격탐사 기술 개발을 위한 현장자료 뿐만 아니라 북극 해빙의 정밀한 형상학적 변동 특성 분석에도 효과적으로 사용될 수 있다. 그러나 해빙 표면의 부족한 텍스쳐 정보는 영상정합을 어렵게 만드는 요인으로 작용한다. 이에 본 논문에서는 고품질 해빙표면 모델 생성을 위한 일환으로 균질한 해빙 표면에 대한 정합비용함수들의 성능 비교 분석을 수행한다. 정합비용함수로는 영상 도메인의 SSD(sum of squared differences), NCC(normalized cross-correlation), ZNCC(zero-mean normalized cross-correlation), 주파수 도메인의 PC(phase correlation), OC(orientation correlation), GC(gradient correlation)를 분석하였다. 텍스쳐 정보량에 따른 정합 성능을 보다 명확하고 객관적으로 분석하기 위해 객체 공간 기반 정합 기법의 원리를 바탕으로 하는 새로운 평가 방법을 도입하였다. 실험결과는 해빙 표면과 같이 텍스쳐 정보가 희박한 지역에 대해서는 정합 지역에 따라 적합한 크기의 탐색창을 가변적으로 적용해야만 정합의 신뢰성 및 정확도 확보가 가능함을 보여주었다. 정합비용함수들 사이에서는 NCC와 ZNCC가 텍스쳐 정보 변화에 대해서 가장 우수한 성능을 나타냈다.

• 한국수자원학회논문집
• /
• 제54권7호
• /
• pp.535-544
• /
• 2021

농업용수는 용수수요의 48%를 차지하고 있으며, 농업 유역내의 유량관리를 위해서는 농업저수지의 관리가 중요하다. 효율적인 농업용수의 활용을 위해서는 농업저수지 및 농업 유역 내 수자원의 분포를 모니터링 할 수 있는 기술이 요구된다. 이에 본 연구에서는 2018년부터 2020년까지 3년간의 Sentinel-1 영상을 활용하여 지상의 수체를 탐지하기 위한 임계값 결정 방법 세 가지(고정 임계값, Otsu 임계값, Kittler-Illingworth (KI) 임계값)을 비교하여, 정확한 저수면적을 산정하기 위한 임계값 결정 방법을 평가하고자 하였다. 또한 이동, 고삼, 기흥저수지에서 저수면적과 저수량의 관계를 분석하여, SAR 영상 기반의 저수량을 산정하였고 지상관측 자료와의 검증을 수행하였다. 수체를 탐지하기 위한 임계값 결정 방법은 KI 임계값의 경우가 가장 정확한 것으로 나타났으며, KI 임계값을 활용하여 산정된 저수량은 이동, 고삼, 기흥저수지의 지상관측 자료와의 검증에서 평균 r = 0.9235, KGE' = 0.8691 로 높은 일치도를 나타냈다. 계절에 따른 오차 특성은 충분히 관측되지 않았으나, 저수면적과 저수량 간의 관계가 급격하게 바뀌는 고수위에서의 과소 산정 문제가 발생할 수 있다. 따라서 정확한 저수량 추정을 위해서는 지상관측 자료를 통한 저수면적-저수량 관계 파악이 선행되어야 한다. 추후 수자원위성을 통한 SAR 자료의 활용이 가능해지면, 본 연구의 결과를 바탕으로 저수량 모니터링 및 가뭄 대응을 위한 활용에서 유용할 것으로 판단되나, 홍수예방 등의 목적으로 활용하기 위해서는 추가적인 연구가 필요하다.

• 자원환경지질
• /
• 제47권1호
• /
• pp.39-48
• /
• 2014

연안환경은 해수의 유기물질 및 미립자들과 육상의 입자들이 섞여있는 매우 복잡한 환경을 가진다. 특히 연안에서의 부유퇴적물 (suspended sediment, SS) 이동은 침식 및 퇴적 과정, 기초 생물량, 영양분의 이동, 미세 오염 등에 중요한 역할을 한다. 따라서 이 연구에서는 천리안 해양관측 위성 (Geostationary Ocean Color Imager, GOCI) 및 Landsat Enhanced Thematic Mapper Plus (ETM+) 영상을 활용하여 경기만 지역에서의 부유퇴적물 농도 변화를 관측하였다. GOCI 영상을 활용하여 부유퇴적물 농도의 일변화를 관측한 결과 만조 이후에 부유퇴적물 농도가 낮게 나타났다. 부유퇴적물 농도와 유속 및 수위 자료와의 비교 결과, 만조 이전의 9시와 10시의 유속 세기는 각각 37.6, 28.65 $cm{\cdot}s^{-1}$이며, 수위는 각각 -1.23, -0.61 m이지만 만조 때 수위는 1.18 m로 점차 높아진다. 즉 수위 상승과 유속이 강하게 나타나면서 만조 이전에 높은 부유퇴적물 농도를 가지는 반면에 만조 이후에는 지속적으로 부유퇴적물 농도가 감소한다. 또한 Landsat ETM+ 영상으로부터 계절별 부유퇴적물 농도를 분석한 결과 겨울에 외해에서 높은 부유퇴적물 농도 값을 가지며 여름에는 한강 연안에서 높은 부유퇴적물 농도 값을 가진다. 이러한 이유는 겨울에는 북서계절풍의 영향으로 외해 부근에서 부유퇴적물 농도가 높게 나타났으며 여름에는 풍속보다는 유량의 영향이 크기 때문에 한강 연안에서 높은 부유퇴적물 농도 값을 가지는 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1413-1425
• /
• 2023

기후변화로 인한 대형 산불의 빈도가 증가함에 따라 극심한 인명 및 재산상의 피해를 초래하고 있다. 이로 인해 많은 식생이 소실되며, 그 강도와 발생 형태에 따라 생태계 변화에 영향을 끼친다. 생태계 변화는 다시 산불 발생을 유발하여 2차 피해를 야기한다. 따라서 산불 피해지에 대한 정확한 탐지 및 면적 산정의 중요성이 지속적으로 제기되고 있다. 효율적인 산불 피해지 모니터링을 위해 산불 발생 후 실시간 지형 및 기상정보는 물론 피해지역의 영상을 대규모로 취득할 수 있는 위성영상이 주로 활용되고 있다. 최근, 합성곱 신경망(convolution neural network, CNN) 기반 모델부터 고성능 트랜스포머(Transformer) 기반 모델에 이르기까지 딥러닝 알고리즘이 빠르게 발전하면서 산림원격탐사에서 이를 적용한 연구가 활발히 이루어지고 있다. 하지만 현재까지 적용된 딥러닝 모델은 제한적이며 현업에서의 합리적인 활용을 위한 정량적 성능평가에 대한 보고가 부족한 상황이다. 따라서 본 연구에서는 모델에 따른 성능향상과 데이터 설계에 따른 성능향상을 중점적으로 비교 분석하였다. 미국 캘리포니아 지역을 대상으로 CNN 기반 모델의 U-Net, High Resolution Network-Object Contextual Representation (HRNet-OCR)을 활용하여 산불 피해지 모델을 구축하였다. 또한, 기본 파장대역과 함께 식생활력도 및 지표의 수분함량 정도를 고려하고자 normalized difference vegetation index (NDVI), normalized burn ratio (NBR)와 같은 산불 관련 분광지수를 산출하여 입력 이미지로 사용하였다. U-Net의 mean intersection over union (mIoU)이 0.831, HRNet-OCR이 0.848을 기록하여 두 모델 모두 우수한 영상분할 성능을 보였다. 또한, 밴드 반사도뿐 아니라 분광지수를 추가한 결과 모든 조합에서 평가지표 값이 상승하여 분광지수를 활용한 입력 데이터 확장이 픽셀 세분화에 기여함을 확인하였다. 이와 같은 딥러닝 방법론을 발전시킨다면 우리나라의 산불 피해지에 대한 신속한 파악 및 복구 계획 수립의 기초자료로 활용될 수 있을 것으로 기대된다.

• Spatial Information Research
• /
• 제22권1호
• /
• pp.55-63
• /
• 2014

수문학, 기상학 및 기후학 등에서 필수적인 자료중의 하나인 지상기온 자료는 최근 보건, 생물, 환경 등의 다양한 분야로까지 활용영역이 확대되고 있어 그 중요성이 커지고 있으나 지상관측을 통한 지상기온자료의 취득은 시공간적인 제약이 크기 때문에 실측된 기온자료는 시공간 해상도가 낮아 높은 해상도가 요구되는 연구 분야에서는 활용성에 큰 제약을 갖게 된다. 이를 극복하기 위한 하나의 대안으로 상대적으로 높은 시공간 해상도를 가지고 있는 위성영상자료에서 얻을 수 있는 지표면온도 자료를 이용하여 지상기온을 추정하는 많은 연구들이 수행되어 왔다. 본 연구는 이러한 연구의 일환으로써 기상청에서 제공하고 있는 AWS(Automatic Weather Station)에서 취득된 2010년 지상 온도 자료(AWS data)를 바탕으로 대표적인 지표면 온도자료인 MODIS Land Surface temperature(LST data:MOD11A1)와 지상기온에 영향을 미칠 수 있는 Land Cover Data, DEM(digital elevation model) 등의 보조 자료와 함께 다양한 지구통계 기법들을 이용하여 남한 지역의 지상기온을 추정하였다. 추정 전 2010년 전체(365일) LST자료와 AWS자료와의 차이에 대한 RMSE(Root Mean Square Error)값의 계절별 피복별 분석결과 계절에 따른 RMSE값의 변동계수는 0.86으로 나타났으나 피복에 따른 변동계수는 0.00746으로 나타나 계절별 차이가 피복별 차이보다 큰 것으로 분석 되었다. 계절별 RMSE 값은 겨울철이 가장 낮은 것으로 나타났으며 AWS자료와 LST자료와 보조자료를 이용한 선형 회귀분석결과에서도 겨울철의 결정 계수가 가장 높은 0.818로 나타났으며, 여름철의 경우에는 0.078로 나타나 계절별 차이가 매우 크게 나타났다. 이러한 결과를 바탕으로 지구통계 기법들의 대표적인 방법론인 크리깅 방법 중 일반적으로 많이 사용되고 있는 정규 크리깅, 일반 크리깅, 공동 크리킹, 회귀 크리깅을 이용하여 지상기온을 추정한 후 모델의 정확도를 판단할 수 있는 교차 검증을 실시한 결과 정규 크리깅과 일반 크리깅에 의한 RMSE 값은 1.71, 공동 크리깅과 회귀 크리깅에 의한 RMSE 값은 각각 1.848, 1.63으로 나타나 회귀 크리깅 방법에 의한 추정의 정확도가 가장 높은 것으로 분석되었다.

• 한국지리정보학회지
• /
• 제2권2호
• /
• pp.59-68
• /
• 1999

원격탐사기법에 의한 연안해역과 광범위한 수표면적을 지닌 호수의 부유사 분포를 파악하고자 하는 연구는 70년대 이후 위성자료의 이용이 활발히 이루어지면서 많은 연구결과들이 발표되었다. 하지만, 국내에서 원격탐사기법에 의한 부유사의 공간적인 분포를 정량적으로 해석하기 위한 연구는 부족한 실정이며, 적합한 알고리듬이 제시되지 못하고 있다. 본 연구에서는 시화호와 경기만 연안해역에서 실측한 부유사 자료와 SeaWiFS 밴드역을 가진 수중 광학장비에 의해 얻어진 반사치를 이용하여 부유사 알고리듬을 구성하였다. 또한, 알고리듬을 현장실측치가 있는 시점의 Landsat TM 자료를 적용하여 알고리듬의 적용에 따른 문제점을 제시하였다. 밴드비율과 밴드차에 의한 알고리듬 구성은 현장실측치와 $R^2$=0.7649의 관계를 나타내었고, 본 연구에서 얻어진 알고리듬을 통해 계산된 부유사와 실측치는 $R^2$=0.6959를 나타내었다. 하지만, Landsat TM으로부터 추출된 영상신호(radiance)를 알고리듬에 적용하여 얻은 결과는 만족하기 어려운 결과가 나타났고, 이는 엽록소와 용존유기물의 농도가 높은 수역에서는 부유사의 흡광과 산란에 의한 부유사 농도의 정량적인 평가가 어렵다는 것으로 해석되었다.

• 대한원격탐사학회지
• /
• 제33권6_1호
• /
• pp.947-960
• /
• 2017

토양수분은 지구복사에너지평형과 물순환에 영향을 미치는 중요한 인자이므로, 수문학 연구에 있어서 토양수분의 함량을 파악하는 것은 매우 중요하다. 현재 수동형 마이크로파 위성의 토양수분 자료는 10~36 km의 저해상도로서 국지규모의 수문분석에 사용하기에는 어려움이 있다. 또한 현장관측 토양수분자료는 지점 자료이므로 공간연속성을 보장하지 못하는 한계가 있다. 이에 본 연구에서는 Sentinel-1의 SAR(Synthetic Aperture Radar) 영상을 이용하여 우리나라 농지에서 10 m 해상도의 토양수분 산출 가능성을 살펴보았다. 2015-2017년 4월부터 10월까지 5개의 토양수분 지상관측지점을 대상으로, Sentinel-1 후방산란을 이용하여 선형회귀와 SVR(support vector regression) 방법으로 토양수분 산출을 수행하였다. 편파에 따라 후방산란계수의 토양수분에 대한 민감도가 다르지만, 산출정확도는 VV 편파와 VH 편파가 유사하였다. 토양수분은 식물계절학(phenology)보다는 수문기상과 지면특성에 보다 더 영향을 받기 때문에 토양수분 산출에 있어 특별한 계절성은 발견되지 않았다. 대체로 입사각이 작을수록 후방산란과 토양수분간의 관계 패턴이 더 뚜렷하게 나타났으며, 또한 지면에 수분이 충분히 고르게 분포하는 경우 표면 간섭이 줄어들어(시간적으로는 강수시, 공간적으로는 논에서) 산출정확도가 상대적으로 높게 나타났다. 전체적으로 RMSE(root mean square error) 6.5% 정도의 오차를 보였으나, 향후 지면 거칠기, 지형, 토성 등 다양한 지면 변수의 영향을 반영한다면 보다 더 정확도 높은 토양수분을 산출할 수 있을 것으로 사료된다.