• 해양환경안전학회지
• /
• 제27권4호
• /
• pp.483-491
• /
• 2021

수역 내 충돌 위험 식별은 항해의 안전을 위해 중요하다. 본 연구에서는 거리 요인을 기반으로 한 군집화 방법인 계층 클러스터링을 포함하는 새로운 충돌 위험 평가 방법을 도입했으며, 주변의 선박이 많은 경우 실시간 데이터, 그룹 방법론 및 예비 평가를 사용하여 선박을 분류하고 충돌위험평가를 기반으로 평가하였다(HCAAP 처리라 부른다). 조우하는 선박들의 군집은 계층 프로그램에 의해 모아지고, 예비 평가와 결합되어 상대적으로 안전한 선박을 걸러내었다. 그런 다음, 각 군집 내에서 조우하는 선박 사이의 최근접점(DCPA) 및 최근접점까지의 도착시간(TCPA)까지의 시간을 계산하여 충돌위험지수(CRI)와의 관계를 비교하였다. 조우하는 선박들간의 군집에서 CRI와 DCPA 및 TCPA 수학적 관계는 음의 지수 함수로 구성되었다. 이러한 CRI로부터 운영자는 명시된 해역에서 항해하는 모든 선박의 안전성을 보다 쉽게 평가할 수 있으며, 프레임워크는 해상운송의 안전과 보안을 개선하고 인명 및 재산 손실을 줄일 수 있다. 본 연구에서 제안된 프레임워크의 효과를 설명하기 위해 국내의 목포 연안 해역에서 실험 사례 연구를 수행하였다. 그 결과, 본 연구의 프레임워크가 각 군집 내에서 조우 선박 간의 충돌 위험 지수를 탐지하고 순위를 매기는 데 효과적이고 효율적이라는 것을 보여 주었으며, 추가연구를 위한 자동 위험 우선순위를 지정할 수 있게 해주었다.

• 해양환경안전학회지
• /
• 제29권2호
• /
• pp.188-196
• /
• 2023

기상불량으로 인해 발생하고 있는 해양사고 중 해무 발생에 따른 시계제한은 선박의 좌초, 선저 파손 등의 사고를 유발하는 것과 동시에 사고에 따른 인명피해를 동시에 수반하고 있으며 이는 매년 지속적으로 발생하고 있다. 또한 해상에서의 저시정은 지역간 국소적으로 차이가 존재하는 경우에도 일괄적으로 여객선에 대한 운항 지연 및 통제 조치를 하고 있어 섬주민들의 교통수단 이용에 상당한 불편을 초래하는 등의 사회적 문제로 대두되고 있다. 더욱이 이와 같은 조치는 지역적 편차나 사람마다 관측의 판단 기준이 상이하여 이를 객관적으로 정량화하지 못하고 있어 더욱 문제가 심화되고 있는 실정이다. 현재 각 항만의 VTS에서는 시정거리가 1km 미만인 경우 선박의 운항을 통제하고 있으며, 이 경우 저시정에 따른 해무 가시거리를 시정계 혹은 육안에 의한 목측(目測)에 의존하고 있을 정도로 객관적인 데이터 수집을 통한 평가에 있어서는 한계가 있다. 정부에서는 이와 같은 해양교통안전 저해요소를 해결하기 위한 일환으로 해무 탐지 및 예측을 위한 해양기상신호표지 및 해상안개관측망을 구축하여 운용하고 있으나, 국지적으로 발생하는 해무를 관측하기 위한 시스템은 매우 부족한 현실적 어려움에 놓여있다. 이에 따라 본 논문에서는 해상에서의 저시정으로 인해 발생하고 있는 여러 사회적 문제를 해결하기 위한 국내·외 정책동향에 대해 살펴보고, 이와 관련한 일반국민 및 현장 이해관계자의 인식 정도를 조사·분석하여 해무에 따른 해상교통안전을 확보하기 위한 정부지원(해무 탐지 및 예측 기술을 기반으로 한 해상교통운영 체계 개발 등)의 필요성에 대한 기초자료를 제공하고자 한다. 또한 이는 궁극적으로 해무로 인해 발생할 수 있는 해상안전 위험요소를 사전에 차단함으로써 보다 안정된 해상교통운영체계를 마련하는데 그 목적을 두고 있다.

• 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.