• 한국지구과학회지
• /
• 제26권3호
• /
• pp.283-296
• /
• 2005

본 연구에서는 복사전달모델을 통하여 $9.7{\mu}m$오존 흡수대에 미치는 오존 및 열적(i.e., 지표 온도) 효과를 각각 조사하였다. 또한 오존주의보가 수도권 지역(37.2-37.7 N, 125.7-127.2 E)에 발령되었던 2003년 4일에 대한 위성(MODIS Aqua; ECT 13:30) 및 지상 오존(79개 관측소)의 동시 관측 자료를 기초로 지상 오존에 대한 원격탐사 방법을 제시하였다. 여기서 구름 효과를 제거하고 오존 연직 분포를 분석하기 위하여 종관기상 자료도 사용하였다. 주어진 오존 농도($327\~391$ DU)에 대하여 산출된 $9.6{\mu}m$에서의 상향 복사휘도는 표면온도 Ts = 290 K에서 $5.52\~5.78Wm^{-2}sr^{-1}$, 그리고 Ts = 325 K에서는 $9.00\~9,57Wm^{-2}sr^{-1}$이었다. 따라서 오존 흡수 세기(i.e., $11{\mu}m$와 $9.7{\mu}m$ 밝기온도 간의 차; $T_{11-9.7}$)를 이용한 오존 원격탐사 시에 세기 변화에 대한 순수한 오존 효과는$0.26Wm^{-2}sr^{-1}/64\;DU$, 그리고 열적 효과는 $0.31Wm^{-2}sr^{-1}/35 K$이었다. 본 연구에서는 흡수 세기와 지상 관측 간에 유의적인 상관을 보이는 경우에 대하여 적외선 위성 관측에서 지상 오존을 원격탐사하는 경험식을 유도하였다. 유도된 지상 오존 농도와 관측값과의 상관은 $49\~63\%$로 유의수준 $1\%$에서 유의미하였다. 경험식을 개선하기 위하여는 지상 오존 대신에 대류권 오존 자료를 사용하고, 성층권 오존 변화도 고려하는 후속 연구가 요구된다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1283-1297
• /
• 2023

중적외선(mid-wave infrared, MWIR) 영상은 피복 및 객체의 온도를 파악할 수 있어 환경, 국방 등 다양한 분야에서 핵심 데이터로 사용된다. KOMPSAT-3A 위성은 타 위성에 비해 높은 공간해상도의 MWIR 영상을 제공하지만, 광학(electro-optical, EO) 영상에 비해 상대적으로 낮은 시인성을 가져 활용성의 확대에 어려움을 겪는다. 이에 본 연구에서는 KOMPSAT-3A 전정색(panchromatic, PAN) 영상의 윤곽 정보를 기반으로 시인성이 높은 MWIR 융합 영상을 제작하고자 한다. 먼저, 이종 센서에서 취득된 PAN 영상과 MWIR 영상의 상대 기하오차를 제거하는 전처리를 수행하고, 딥러닝 기반 윤곽 정보 추출 기술인 Pixel difference network (PiDiNet)의 사전 학습 모델을 이용하여 PAN 영상에 대한 윤곽 정보를 추출한다. 이후 전처리된 MWIR 영상과 추출된 윤곽 정보를 중첩하여 객체 경계면이 강조된 MWIR 융합 영상을 제작한다. 제안 방법을 이용하여 서로 다른 세 지역에 대한 MWIR 융합 영상을 제작하였으며, 이를 시각적으로 분석하였다. 본 기법을 통해 제작된 MWIR 융합 영상은 지형 및 지물의 경계면이 강조되어 시인성이 개선되었으며, 세부적으로 관심 지역에 대한 열 정보를 전달할 수 있었다. 특히, MWIR 융합 영상에서는 저해상도의 원본 MWIR 영상에서 식별할 수 없었던 비행기, 선박 등의 객체를 육안으로 판독할 수 있었다. 본 연구는 가시적인 정보와 열 정보를 동시에 고려할 수 있는 단일 영상 제작 방법론을 제시하였으며, 이는 MWIR 영상의 활용성 확대에 이바지할 수 있을 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.979-995
• /
• 2023

산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 것으로 기대된다.