• 한국지리정보학회지
• /
• 제26권4호
• /
• pp.27-39
• /
• 2023

원격탐사 자료 기반 비닐하우스 탐지 기술 개발은 불법 농경 시설물의 현황 파악과 비닐하우스에서 재배되는 농작물 수량 예측을 위해 중요하다. 본 연구에서는 딥러닝 알고리즘을 활용하여 김제시 지역을 촬영한 Planetscope 위성영상들로부터 비닐하우스를 탐지하기 위한 방법을 제안하였다. 우선, 5장의 Planetscope 위성영상을 기반으로 비닐하우스 객체를 포함한 훈련 영상들을 제작하였다. 그리고, 훈련 영상들을 이용하여 YOLO(You Only Look Once) 모델을 학습시킨다. 학습시킨 YOLO 모델을 테스트 Planetscope 위성영상에 적용하여 비닐하우스 객체들을 탐지한다. 본 연구에서 제안한 방법을 적용한 결과, 주어진 Planetscope 위성영상으로부터 총 76.4%의 비닐하우스가 탐지되었다. 추후 연구에서는 공간해상도 1m 이하의 고해상도 위성영상에서 더 많은 비닐하우스 객체를 탐지하기 위한 기술을 개발할 계획이다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.327-343
• /
• 2020

본 연구는 효율적인 재난 피해 분석을 위해 재난 후 KOMPSAT (Korea Multi-Purpose Satellite)-3/3A Level 1R 영상의 기하품질을 향상하는 방법을 제안한다. 제안 기법은 재난상황에 대한 데이터 수급의 한계를 해결하고자, 영상 수급이 원활한 Planetscope 정사영상과 KOMPSAT-3/3A 영상에 격자기반 SIFT (Scale Invariant Feature Transform) 기법을 적용하여 RPC (Rational Polynomial Coefficient) 보정에 필요한 GCP (Ground Control Point, 지상기준점)를 취득한다. 제안 기법을 검증하기 위해 2019년 4월 강릉 산불 피해 지역의 KOMPSAT-3 영상과 토지피복의 다양성을 고려하여 추가된 대전지역 KOMPSAT-3A 영상에 제안 기법을 적용하였다. 생성된 KOMPSAT-3/3A 정사영상의 기하품질을 검증한 결과, KOMPSAT-3 다중분광 영상의 위치오차 (RMSE: Root Mean Square Error)가 6.62화소에서 1.25화소로, KOMPSAT-3A의 경우 7.03화소에서 1.66화소로 감소되어 영상의 기하품질이 향상됨을 확인하였다. 기하품질이 향상된 KOMPSAT-3 정사영상은 산불 발생 전 Planetscope 정사영상과 비교되었으며, 이를 통해 향상된 기하품질이 산불 피해 지역 분석에 적합하다고 판단하였다. 본 연구는 GCP 취득의 대안으로 Planetscope 정사영상의 사용 가능성을 보여주었으며, 제안 기법은 재난 상황뿐만 아니라 Planetscope 영상의 수급이 가능한 다양한 KOMPSAT-3/3A 활용연구에 적용될 수 있을 것으로 예상된다.

• 대한원격탐사학회지
• /
• 제35권4호
• /
• pp.517-534
• /
• 2019

In abrupt fire disturbances, high quality images suitable for wildfire damage assessment can be difficult to acquire. Quantifying wildfire burn area and severity are essential measures for quick short-term disaster response and efficient long-term disaster restoration. Planetscope (PS) imagery offers 3 m spatial and daily temporal resolution, which can overcome the spatio-temporal resolution tradeoff of conventional satellites, albeit at the cost of spectral resolution. This study investigated the potential of augmenting PS imagery by integrating the spectral information from Sentinel-2 (S2) differenced Normalized Burn Ratio (dNBR) to PS differenced Normalized Difference Vegetation Index (dNDVI) using histogram matching,specifically for wildfire burn area and severity assessment of the Okgye wildfire which occurred on April 4th, 2019. Due to the difficulty in acquiring reference data, the results of the study were compared to the wildfire burn area reported by Ministry of the Interior and Safety. The burn area estimates from this study demonstrated that the histogram-matched (HM) PS dNDVI image produced more accurate burn area estimates and more descriptive burn severity intervals in contrast to conventional methods using S2. The HM PS dNDVI image returned an error of only 0.691% whereas the S2 dNDVI and dNBR images overestimated the wildfire burn area by 5.32% and 106%, respectively. These improvements using PS were largely due to the higher spatial resolution, allowing for the detection of sparsely distributed patches of land and narrow roads, which were indistinguishable using S2 dNBR. In addition, the integration of spectral information from S2 in the PS image resolved saturation effects in areas of low and high burn severity.