• 대한원격탐사학회지
• /
• 제32권4호
• /
• pp.339-351
• /
• 2016

For the safety of sea, it is important to monitor sea fog, one of the dangerous meteorological phenomena which cause marine accidents. To detect and monitor sea fog, Moderate Resolution Imaging Spectroradiometer (MODIS) data which is capable to provide spatial distribution of sea fog has been used. The previous automatic sea fog detection algorithms were focused on detecting sea fog using Terra/MODIS only. The improved algorithm is based on the sea fog detection algorithm by Wu and Li (2014) and it is applicable to both Terra and Aqua MODIS data. We have focused on detecting spring season sea fog events in the Yellow Sea. The algorithm includes application of cloud mask product, the Normalized Difference Snow Index (NDSI), the STandard Deviation test using infrared channel ($STD_{IR}$) with various window size, Temperature Difference Index(TDI) in the algorithm (BTCT - SST) and Normalized Water Vapor Index (NWVI). Through the calculation of the Hanssen-Kuiper Skill Score (KSS) using sea fog manual detection result, we derived more suitable threshold for each index. The adjusted threshold is expected to bring higher accuracy of sea fog detection for spring season daytime sea fog detection using MODIS in the Yellow Sea.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1317-1328
• /
• 2021

본 연구는 천리안 해양위성 2호(GOCI-II)를 활용하여 개발된 해무 탐지 알고리즘의 초기 결과에 대한 분석을 수행하였다. GOCI-II 해무 탐지 성능을 확인하기 위해 1호와 2호가 중복으로 관측한 2020년 10월-2021년 3월 사이에 발생한 해무 사례에 대해 광학적 특성 분석을 실시하였다. 해무 탐지 알고리즘에 입력자료로 사용되는 412 nm 밴드 레일리 산란 보정 반사도(Rayleigh-corrected reflectance; R_rc)와 정규화된 국소 표준 편차(Normalized Local Standard Deviation; NLSD)를 GOCI, GOCI-II 자료를 시공간 일치시킨 뒤 분석한 결과 412 nm 밴드 레일리 R_rc의 경우 0.01의 평균 제곱근 오차 (Root Mean Squared Error; RMSE)와 0.998의 상관계수(correlation coefficient)을 나타내고, NLSD의 경우 0.007의 RMSE, 0.798의 correlation을 나타낸다. 해무와 구름이 갖는 광학적 특성을 분석하기 위해 천리안 해양위성 2호의 밴드 별 R_rc 값을 확인하였다. 구름의 경우 넓은 영역에서 높은 반사도를 보인 반면, 해무의 경우 모든 밴드에서 구름에 비해 상대적으로 반사도가 낮고 좁은 영역에 분포한다. 실제 해무 사례에 대해 GOCI와 GOCI-II 해무 탐지 알고리즘을 비교한 결과 전반적인 해무 탐지 성능은 크게 차이가 없으나 높아진 공간 해상도의 영향으로 해무 경계면에서 공간적으로 더 세밀한 탐지가 가능했다. 종관기상관측소 시정계 자료와 비교 분석하여 초기 자료에 대한 신뢰도를 조사하였다. 추후 충분한 샘플 확보로 인한 안정적인 성능 검증, 실시간 구름 정보 교체를 통한 후처리 과정 개선, 에어로졸 자료 추가로 해무 오탐지 감소를 통해 해무 탐지 알고리즘의 성능 향상이 기대된다.

• 대기
• /
• 제22권2호
• /
• pp.163-174
• /
• 2012

Brightness temperature (BT) difference between sea fog and sea surface is small, because the top height of fog is low. Therefore, it is very difficult to detect sea fog with infrared (IR) channels in the nighttime. To overcome this difficulty, we have developed a new algorithm for detection of sea fog that consists in three tests. Firstly, both stratus and sea fog were discriminated from the other clouds by using the difference between BTs $3.7{\mu}m$ and $11{\mu}m$. Secondly, stratus occurring at a level higher than sea fog was removed when the difference between cloud top temperature and sea surface temperature (SST) is smaller than 3 K. In this process, we used daily SST data from AMSR-E microwave measurements that is available even in the presence of cloud. Then, the SST was converted to $11{\mu}m$ BT based on the regressed relationship between AMSR-E SST and MTSAT-1R $11{\mu}m$ BT at 1733 UTC over clear sky regions. Finally, stratus was further removed by using the homogeneity test based on the difference in cloud top texture between sea fog and stratus. Comparison between the retrievals from our algorithm and that from Korea Meteorological Administration (KMA) algorithm, shows that the KMA algorithm often misconceived sea fog as stratus, resulting in underestimating the occurrence of sea fog. Monthly distribution of sea fog over northeast Asia in 2008 was derived from the proposed algorithm. The frequency of sea fog is lowest in winter, and highest in summer especially in June. The seasonality of the sea fog occurrence between East and West Sea was comparable, while it is not clearly identified over South Sea. These results would serve to prevent the possible occurrence of marine accidents associated with sea fog.

• 해양환경안전학회지
• /
• 제23권6호
• /
• pp.754-758
• /
• 2017

본 논문에서는 선박의 안전운항을 위하여 안개 발생 시 엔진을 자동으로 제어하여 피해를 최소화하거나 회피할 수 있도록 자동 제어 시스템을 설계 및 제작 하였다. 제작된 동력 자동제어시스템은 ATmega128과 RPM감지회로를 사용하여 안개발생부에서 인위적으로 안개를 발생시켜 RPM의 변화량을 측정하였다. 이를 위하여 전체구성도를 작성하였으며 홀센서가 있는 모터를 사용하여 PWM 제어를 하도록 ATmega128에 Source code를 적용시켰다. 추후, 제작된 동력 자동제어장치를 통하여 실제 선박에서의 실험 및 안전성평가를 마련할 계획이다.

• 한국항행학회논문지
• /
• 제24권6호
• /
• pp.485-490
• /
• 2020

최근 국내 조선 산업과 IT융합기술에 대한 연구가 활발한 가운데 선박 안전운항을 위한 위성탐지 기술 발달로 선박에서는 장거리 식별추적 장치 및 자동식별 장치의 의무화로 선박이동 상황을 모니터링 할 수 있어 안전항해에 도움을 주고 있으나, 무중항해 시 시정 상태를 레이다에 의존하는 항해사에게 위험을 경보해 줄 수 있는 안전장치 개발이 필요하다. 이에 광센서를 이용하여 감지하고 알려주는 해무 감지 경보 시스템을 개발하였다. 제작된 해무 감지 경보 시스템은 소형, 저 전력의 광센서 송수신기와 센싱 데이터 처리 모듈로 구성되었다. 시험을 통해 해무가 있는 경우와 없는 경우 각각에 대해 제작된 해무 경보 시스템은 해무 농도를 검출하는 것을 확인하였다. 또한 해무 농도에 따라 선박 엔진 RPM 조절이 가능하고, 결과적으로 선박의 안전 운항을 보조 장치로 활용 가능함을 확인하였다.

• 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.1451-1466
• /
• 2023

해양 조난 사고에서 드론 활용이 빠르게 증가하고 있는 가운데, 특히 드론을 활용한 수색 구조 작업이 주목받고 있다. 조난 선박 및 기타 해양 표류체를 빠르게 탐지하기 위해 드론 영상을 활용한 딥러닝 모델들이 확장되고 있다. 그러나 이러한 모델을 효과적으로 학습시키기 위해서는 다양한 기상 조건과 선박 상태를 고려한 대량의 학습 데이터가 필요하다. 이에 대한 데이터 부족 문제는 학습된 모델의 성능 저하로 이어질 수 있다. 이에 본 연구는 해양 환경 시뮬레이터를 개발하고 데이터셋을 보강하여 조난 선박 탐지를 위한 딥러닝 모델의 성능 개선을 목표로 한다. 이 시뮬레이터는 눈, 비, 안개와 같은 다양한 기상 조건과 선박 상태, 그리고 드론과 센서의 규격과 특성을 설정할 수 있다. 시뮬레이션을 통해 얻은 데이터셋을 활용하여 딥러닝 모델을 학습시켰다. 이로써, 실제 드론 영상 데이터셋만을 사용한 모델과 비교했을 때 정확도와 재현율 등의 탐지 성능이 향상되었다. 특히, 비나 안개와 같은 악기상에서의 조난 선박 탐지 정확도(Average Precision, AP)는 약 2-5% 정도 향상되었으며 미탐지 비율이 현저히 낮아졌다. 이러한 결과는 개발된 시뮬레이터가 현실적이고 효과적으로 다양한 상황을 시뮬레이션하여 모델 학습에 기여함을 보여준다. 또한, 이에 기반한 조난 선박 탐지 딥러닝 모델은 해양 수색 및 구조 작업에서 효율적으로 활용될 것으로 기대된다.