• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.458-460
• /
• 2003

This paper proposes new algorithms for cloudy area detection by GHA (Generalized Hebbian Algorithm) and SOFM (Self-Organized Feature Map). SOFM and GHA are unsupervised neural networks and are used for pattern classification and shape detection of satellite image. Proposed algorithm is based on block based image processing that size is 16${\times}$16. Results of proposed algorithm shows good performance of cloudy area detection except blur cloudy area.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 신호처리소사이어티 추계학술대회 논문집
• /
• pp.405-408
• /
• 2003

This paper proposes a new algorithm for cloudy area detection using K-Means and GHA (Generalized Hebbian Algorithm). K-Means is one of simple classification algorithm, and GHA is unsupervised neural network for data compression and pattern classification. Proposed algorithm is based on block based image processing that size is l6$\times$l6. Experimental results shows good performance of cloudy area detection except blur cloudy areas.

• 한국대기환경학회지
• /
• 제34권3호
• /
• pp.493-507
• /
• 2018

Due to high spatio-temporal variability of amount and optical/microphysical properties of atmospheric aerosols, satellite-based observations have been demanded for spatiotemporal monitoring the major aerosols. Observations of the heavy aerosol episodes and determination on the dominant aerosol types from a geostationary satellite can provide a chance to prepare in advance for harmful aerosol episodes as it can repeatedly monitor the temporal evolution. A new geostationary observation sensor, namely the Advanced Himawari Imager (AHI), onboard the Himawari-8 platform, has been observing high spatial and temporal images at sixteen wavelengths from 2016. Using observed spectral visible reflectance and infrared brightness temperature (BT), the algorithm to find major aerosol type such as volcanic ash (VA), desert dust (DD), polluted aerosol (PA), and clean aerosol (CA), was developed. RGB color composite image shows dusty, hazy, and cloudy area then it can be applied for comparing aerosol detection product (ADP). The CALIPSO level 2 vertical feature mask (VFM) data and MODIS level 2 aerosol product are used to be compared with the Himawari-8/AHI ADP. The VFM products can deliver nearly coincident dataset, but not many match-ups can be returned due to presence of clouds and very narrow swath. From the case study, the percent correct (PC) values acquired from this comparisons are 0.76 for DD, 0.99 for PA, 0.87 for CA, respectively. The MODIS L2 Aerosol products can deliver nearly coincident dataset with many collocated locations over ocean and land. Increased accuracy values were acquired in Asian region as POD=0.96 over land and 0.69 over ocean, which were comparable to full disc region as POD=0.93 over land and 0.48 over ocean. The Himawari-8/AHI ADP algorithm is going to be improved continuously as well as the validation efforts will be processed by comparing the larger number of collocation data with another satellite or ground based observation data.

• 대한원격탐사학회지
• /
• 제25권2호
• /
• pp.193-203
• /
• 2009

적설은 지표 에너지수지를 결정하는 중요한 변수중의 하나이다. 위성자료를 이용하여 지면 정보를 산출함에 있어서 적설과 구름을 구분하는 것은 매우 중요한 위성전처리 과정이다. 일반적으로 잘못된 적설과 구름의 분류는 위성자료를 이용한 지면 정보 산출에 있어서 직접적인 오차 요인이 된다. 따라서, 본 연구에서는 원격탐사 자료를 이용하여 적설 지역을 탐지하는 알고리즘에 대해서 연구하고자 한다. 적설역을 탐하지 하기 위해서, 가장 많이 사용되는 정규화 적설 지수(NDSI: Normalized Difference Snow Index)를 사용하지 않고 가시채널과 적외 채널을 이용한 방법을 제시하였다. COMS 기상영상기 (MI: Meteorological Imager) 채널에서는 정규적설 지수 산출 시 요구되는 근적외 채널을 탑재하지 않기 때문이다. 가시 채널을 이용한 적설 탐지는 구름이 혼재되어 있지 않은 지역에서는 잘 탐지하였으나 구름과 혼재되어 있는 지역에서는 어려움이 있다. 이러한 어려움을 보완하기 위해 적외채널 온도차 ($11{\mu}m\;-\;3.7{\mu}m$)를 이용하는 방법을 수행하였다. 온도차를 이용하는 방법은 가시채널만을 적용했을 때 보다는 향상된 탐지 능력을 보인다.

• 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.