• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.183-192
• /
• 2023

위성영상 및 항공사진과 같은 원격탐사 자료들은 영상판독과 영상처리 기법을 통하여 영상 내의 객체를 탐지하고 추출하는 데에 사용될 수 있다. 특히, 원격탐사 자료의 해상도가 향상되고, 딥러닝(deep learning) 모델 등과 같은 기술의 발전으로 인하여 관심객체를 자동으로 추출하여 지도갱신 및 지형 모니터링 등에 활용될 수 있는 가능성이 증대되고 있다. 이를 위해, 본 연구에서는 의미론적 분할에 사용되는 대표적인 딥러닝 모델인 fully convolutional densely connected convolutional network (FC-DenseNet)을 기반으로 하여 항공정사영상 내 존재하는 비닐하우스를 추출하고, 이에 대한 결과를 정량적으로 평가하였다. 농림축산식품부의 팜맵(farm map)을 이용하여 담양, 밀양지역의 비닐하우스에 대한 레이블링을 수행하여 훈련자료를 생성하고, 훈련자료를 이용하여 FC-DenseNet의 훈련을 수행하였다. 원격탐사자료에 딥러닝 모델을 효과적으로 이용하기 위하여, 각 밴드별 특성이 유지되도록 instance norm을 이용하여 정규화과정을 수행하였으며, attention module을 추가하여 각 밴드별 가중치를 효과적으로 산정하였다. 실험결과, 딥러닝 모델을 이용하여 영상 내 존재하는 비닐하우스 지역을 효과적으로 추출할 수 있음을 확인하였으며 팜맵, 토지피복지도 등의 갱신에 활용될 수 있을 것으로 판단하였다.

• 자원환경지질
• /
• 제29권5호
• /
• pp.615-622
• /
• 1996

Slope stability analysis was conducted using remote sensing and Geoscientific Information System (GIS) as a part of natural hazard assessment around Chungju area. Landsat TM band 5 and 7 which contain more information about geological structure and geography are chosen and processed to analyse regional geological structure. Through image processing technique such as PCA, HFF, edge detection and enhancement, regional lineament can be mapped and identified. The lineament density map is constructed based on summed length of lineaments per unit area and the study area can be divided into 7 structural domains. Various factors of slope stability analysis such as geology, slope aspect, degree of slope, landcover, water shed as well as characterized structural domain are constructed as a database of GIS. Rating and weighting of each factor for slope stability analysis is decided by considering environmental geological characteristics of study area. Spatial analysis of regional slope stability is examined through overlaying technique of the GIS. The result of areal distribution of slope stability shows that the most unstable area is all over Jaeogae-ni, Hyangsan-ni and Mt. Daedun.

• 대한공간정보학회지
• /
• 제10권2호
• /
• pp.39-47
• /
• 2002

자연공원의 체계적인 관리와 관광안내의 자료구축을 위하여 금오산 도립공원을 연구지역으로 하여 GSIS와 위성영상 처리기법을 이용하여 수치지형도, 주제도, 위성영상 등의 자료를 처리 분석하였다. 수치표고모형의 생성을 통하여 얻어진 표고, 경사, 향 분석 등의 주제별 지형분석을 행하고, Landsat TM 자료로부터 토지피복 분류도와 표준식생지수(NDVI) 분포도를 추출하여 이들 자료로부터 공간 데이터베이스를 구축하였다. 또한 대상지역을 포함하는 1m 해상도의 IKONOS 위성자료를 처리하여 영상지도를 작성하고 등산로를 중첩한 3D 시각화를 구현하였으며, 주요 등산로를 따라 3차원 자연경관, 문화재 및 관리시설 등을 포함하는 동영상 자료를 제작하였다. 연구결과는 자연공원의 적정 토지이용을 위한 사전 평가자료 및 웹기반 관광안내시스템을 구축하기 위한 기본데이터로 활용될 수 있을 것이다.

• 한국물환경학회지
• /
• 제24권6호
• /
• pp.690-700
• /
• 2008

The Soil and Water Assessment Tool (SWAT) model users tend to use the readily available input dataset, such as the Ministry of Environment (MOE) land cover data ignoring temporal and spatial changes in land cover. The SWAT model was calibrated and validated with this land cover data. The EI values were 0.79 and 0.85 for streamflow calibration and validation, respectively. The EI were 0.79 and 0.86 for sediment calibration and validation, respectively. With newly prepared landcover dataset for the Doam-dam watershed, the SWAT model better predicts hydrologic and sediment behaviors. The number of HRUs with new land cover data increased by 70.2% compared with that with the MOE land cover, indicating better representation of small-sized agricultural field boundaries. The SWAT estimated annual average sediment yield with the MOE land cover data was 61.8 ton/ha/year for the Doam-dam watershed, while 36.2 ton/ha/year (70.7% difference) of annual sediment yield with new land cover data. Especially the most significant difference in estimated sediment yield was 548.0% for the subwatershed #2. Therefore it is recommended that one needs to carefully validate land cover for the study watershed for accurate hydrologic and sediment simulation with the SWAT model.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1997-2002
• /
• 2007

본 연구에서는 유역내의 토양보존계획 및 관리를 위해 토사유실평가모델과 현장검토를 실시하여 대청호 유역의 토사유실 원인지역을 선정하였다. 먼저 DEM, 정밀토양도, 토지피복도 및 강우자료를 기반으로 RUSLE 모델을 이용하여 대청호 유역의 단위토사유실량을 평가하였다. 토사유실모델에서는 토사의 이동경로 및 작물종류를 고려하기 어렵기 때문에 다각적인 현장조사를 통해 토사유실 주요하천을 선정하는 것이 필요하다. 모델로 분석한 소유역별 원인지역을 검토하기 위해 현장조사를 실시한 결과, 대청호유역에서는 무주남 대천, 원당천, 금평천 등이 높은 토사유실량을 나타내었다. 현장조사 결과 이러한 지역들은 하천주변에서 경사가 급하고 작물의 재배조건도 토사유실에 취약한 것으로 분석되었다.

• 한국지리정보학회지
• /
• 제13권1호
• /
• pp.89-100
• /
• 2010

본 연구는 다양한 고해상도 위성영상을 사용하여 토지피복도를 제작하고 영상종류와 피복도의 분류에 따른 정확도를 비교함에 목적이 있다. 토지피복도 작성시 세분류의 다양함을 위해 시가지와 농지, 수역 등을 포함하는 낙동강 하구 일대를 연구지역으로 선정하였고, 1m 이상의 해상도를 가지는 KOMPSAT2, QuickBird, IKONOS, 항공사진등을 육안판독 후 분류 하였다. 영상과 피복분류에 따른 토지피복도를 작성 후 상호 비교 한 결과 영상별 정확도는 항공사진과 QuickBird가 KOMPSAT2와 IKONOS 보다 상대적으로 높은 것으로 나타났고, 분류방법에 따른 일치도는 대분류의 경우 0.934~0.956, Kappa value는 0.905~0.937, 중분류의 일치도는 0.888~0.913, Kappa value는 0.872~0.901, 세분류의 일치도는 0.833~0.901, Kappa value는 0.813~0.888로 나타났다. 또한 영상별 혼돈발생 정도는 분류 항목에 따라 대분류의 경우 시가화 건조지역과 나지의 혼돈이 발생했고, 중분류는 논, 밭, 하우스 재배지, 인공초지에서 주로 발생하며, 세분류의 경우 자연녹지, 시설물 경작지, 간석지와 해수면으로 주로 나타났다. 본 연구를 통해 토지피복도 작성시 육안판독에 의한 고해상도 영상분류는 전체 80% 이상의 일치도를 나타내어 활용이 가능했고, 고해상도 영상을 사용할수록 정확한 분류가 가능하며 영상의 촬영시기가 토지피복도 작성에 중요함을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제27권1호
• /
• pp.43-49
• /
• 2011

지구온난화의 주범인 이산화탄소가 국제적으로 문제가 되고 있는 가운데, 이산화탄소의 농도 증가를 억제시키기 위해 이산화탄소를 포집하여 장기간 안정적으로 저장시킬 수 있는 탄소 포집 및 저장(Carbon Capture and Storage: CCS) 기술의 개발이 요구되고 있다. CCS 기술은 이산화탄소 저감 방안 중 가장 직접적이고 현실적인 방안으로 각광을 받고 있으나, 이산화탄소 최적 저장지의 선정 및 이산화탄소 지중저장이 야기할 수 있는 부수적인 영향에 대한 분석이 요구된다. 본 연구에서는 경상분지를 대상으로 GIS 기법을 이용하여 CCS 설비를 위한 적지 분석을 수행하고, 현황분석 및 법적분석을 수행하였다. 적지분석에는 지질도, 수치표고모형, 경사도, 토지피복도를 이용한 경중률 분석이 사용되었으며, 현황분석에는 고해상도 위성영상을 활용하였다. 그 결과 연구대상지내 이산화탄소 저장시설 설치를 위한 최적후보지가 선정되었으며, 마지막으로 법적분석에서는 탄소 저장과 관련된 현행 규정 및 탄소 저장시설의 설비 시 문제가 될 수 있는 각종 법적 사항을 조사하였다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.409-418
• /
• 2021

토지피복도는 국토정책, 환경정책을 위한 의사결정 근거 자료로 활용되는 매우 중요한 자료이다. 토지피복도는 원격탐사 자료를 활용하여 제작되는데, 이때 사용되는 데이터의 취득 시기에 따라 동일한 지역을 대상으로 하더라도 분류 결과가 달라질 수 있다. 본 연구에서는 단시기 데이터의 분류 정확도를 개선하기 위해 다중시기 위성영상을 활용하였으며 계절에 따른 지표면의 분광 반사 특성 차이를 딥러닝 알고리즘의 하나인 U-Net 모델에 학습시켜 분류하였다. 또한 단시기 분류 결과와 정확도 비교를 통해 분류 정확도의 향상 정도를 비교하였다. 구역 내에 30%의 녹지와 한강을 포함하여 다양한 토지피복으로 이루어진 서울특별시를 연구대상지로 설정하고 2020년 분기별 Sentinel-2 위성영상을 산출하였다. 대한민국 환경부에서 작성한 세분류 토지피복도를 활용하여 U-Net 모델을 학습시켰다. 학습한 U-Net 모델을 통해 단시기, 2시기, 3시기, 4시기로 모델을 학습하여 분류한 결과, 단시기를 제외하고 토지피복도 분류 정확도 확보기준인 75%를 상회하는 81%, 82% 79%의 정확도를 나타냈다. 이를 통해 다중 시계열 학습을 통해 토지피복의 분류 정확도 향상이 가능하다는 것을 확인하였다.

• 한국환경복원기술학회지
• /
• 제17권1호
• /
• pp.111-122
• /
• 2014

The provided habitat of many services from natural capital is important. But because most ecosystem services tools qualitatively evaluated biodiversity or habitat quality, this study quantitatively analyzed those aspects using the species distribution model (MaxEnt). This study used location point data of the goat(Naemorhedus caudatus), marten(Martes flavigula), leopard cat(Prionailurus bengalensis), flying squirrel(Pteromys volans aluco) and otter(Lutra lutra) from the 3rd National Ecosystem Survey. Input data utilized DEM, landcover classification maps, Forest-types map and digital topographic maps. This study generated the MaxEnt model, randomly setting 70% of the presences as training data, with the remaining 30% used as test data, and ran five cross-validated replicates for each model. The threshold indicating maximum training sensitivity plus specificity was considered as a more robust approach, so this study used it to conduct the distribution into presence(1)-absence(0) predictions and totalled up a value of 5 times for uncertainty reduction. The test data's ROC curve of endangered mammals was as follows: growing down goat(0.896), otter(0.857), flying squirrel(0.738), marten(0.725), and leopard cat(0.629). This study was divided into two groups based on habitat: the first group consisted of the goat, marten, leopard cat and flying squirrel in the forest; and the second group consisted of the otter in the river. More than 60 percent of endangered mammals' distribution probability were 56.9% in the forest and 12.7% in the river. A future study is needed to conduct other species' distribution modeling exclusive of mammals and to develop a collection method of field survey data.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.391-391
• /
• 2020

본 연구의 목적은 2006년 6월 ~ 10월에 발생한 메콩강 하류 지역의 홍수를 모의하는 것이다. 강우자료는 위성강우 자료인 미국 NOAA의 CMORPH를 적용하였으며, 홍수유출 해석은 GRM 모델을 적용하였다. Tonlesap 호수를 포함하는 메콩강 하류 지역의 침수분석은 G2D 모델을 적용하였다. 위성강우 자료는 NOAA의 3시간 간격의 CMORPH 위성강우자료를 일일강우량 자료로 변환하고, 일본의 Research Institute for Humanity and Nature (RIHN)과 Meteorological Research Institute of the Japan Meteorological Agency (MRI/JMA)의 APHRODITE 프로젝트에 의해 구축된 APHRODITE 강우량 자료를 이용하여 보정한 후 홍수모의에 적용하였다. DEM 자료는 HydroSHED 15s자료를 이용하였고, 토양도는 UN FAO의 HWSD, 그리고 토양도는 Global map landcover ver3.0을 이용하였다. GRM 모델과 G2D 모델은 Github(https://github.com/floodmodel)에 공개되어 있으며, 이를 이용하였다. 유출 모델은 메콩강 전체 유역을 대상으로 2682.815m의 공간해상도로 구축하였다. 보정한 강우를 이용하여 유출모의 한 결과 첨두유량은 23,796.8 ㎥/sec로 계산되었다. Kratie 지점의 유출량과 Tonlesap 호수로 집수되는 유량을 상류단 경계조건으로 이용하여 약 150일 동안의 침수모의를 하였다. 450 m 공간해상도로 침수모의 도매인을 구축하였으며, 조도계수는 0.045를 사용하였고, 하류단은 자유수면 유출조건을 적용하였다. 침수분석 결과 메콩강 본류를 흐르는 유량이 Tonlesap 호수로 유입되어 호수의 수위가 상승하였다. Tonlesap 호수의 최대침수심은 약 11 m를 나타내었으며, 호수로 유입된 유량은 모의기간 중에 호수에 저류되어 있었다. 메콩강 본류의 Kratie 지점으로 유입되는 유량이 첨두값을 지난 후에도 모의 기간이 길어질수록 메콩강 하류 델타지역과 그 주변의 평지로 침수범위가 확대 되었다. 모의 종료시에는 메콩강 하류가 광범위하게 침수되면서 최대 침수면적을 나타내었다. 본 연구에서 메콩강을 범람한 홍수는 메콩강 하류의 서쪽 해안으로 먼저 유출이 되었다. 이는 침수모의에 적용된 DEM 자료가 북동쪽에서 서남쪽 방향으로 빗살무늬 형태의 고도분포를 가지기 때문인 것으로 판단되며, 대상 지역의 DEM 정확성 평가와 함께 추가적인 연구가 필요하다.