• 대한공간정보학회지
• /
• 제6권2호
• /
• pp.105-117
• /
• 1998

본 연구에서는 Landsat-5 TM 데이터를 사용하여, 강원도 양양군, 인제군, 홍천군 일부지역을 대상으로 솔잎혹파리 피해지역과 경년변화를 효율적으로 추출할 수 있는 기법을 연구 제시하였다. 또한 피해상황을 파악하여 피해지역의 지형적 상관관계를 규명하고, 피해확산방향을 예측하여, 인공위성 화상데이터가 산림의 병충해 감시에 유용함을 입증함과 아울러, 효과적인 방제를 위한 기초자료를 제공하는데 그 목적이 있다. 연구결과 수치표고화상을 이용한 BRCT(Backwards Radiance Correction Transformation)기법을 통하여 지형영향으로 인한 그림자지역을 효과적으로 제거시켜, 피해지역 추출시 그 유효성을 높일 수 있었다. 분류된 피해지역은 분석결과 경사 $31^{\circ}{\sim}38^{\circ}$, 온도 $21^{\circ}C{\sim}25^{\circ}C$, 남서 남동 사면 및 산지 최고 표고의 $23%{\sim}39%$에서 피해가 주로 발생하며, 피해가 확산되는 신규지역은 경사향 $46^{\circ}{\sim}180^{\circ}$, 경사도 $27^{\circ}{\sim}30^{\circ}$, 온도 $11^{\circ}C{\sim}12^{\circ}C$ 및 산지최고표고의 $27%{\sim}39%$ 지역에서 피해가 주로 확산됨을 알 수 있었으며, 신규피해지역의 환경인자와 식생지수를 이용하여 피해예측지수(NDI; New Damaged Index)를 개발하였다.

• 대한원격탐사학회지
• /
• 제31권2호
• /
• pp.111-125
• /
• 2015

본 연구에서는 고해상도 위성영상인 TerraSAR-X와 WorldView-2 등을 융합하여 표적의 특성을 고려한 표적군(Group of targets) 검출을 수행하였다. 관심 대상으로 하는 표적은 고정되어 있으며, 군(Group)을 이루고 있는 특징이 있다. 표적 후보를 검출하기 위해 대상 물체의 레이더 후방산란 특성을 이용한 Constant False Alarm Rate (CFAR) 알고리즘을 적용하였다. 검출된 표적 후보군으로부터 비표적을 제거하기 위해 표적의 크기 정보를 이용한 화소 클러스터링, 표적군을 이루는 표적들간의 배치 특성을 이용한 네트워크 클러스터링. 그리고 SAR 간섭기법 적용이 가능한 간섭쌍이 있는 경우 긴밀도 정보를 이용하였다. 또한, 오경보(False Alarm)를 감소시키고 최종 표적을 결정하기 위해, 표적의 형태 정보를 추출할 수 있는 Electro-Optical (EO) 영상을 바탕으로 효과적인 타원 검출 기법을 개발하였다. 개발된 표적군 검출 알고리즘을 10개 지역에 적용한 결과, 표적군 검출율은 100%, 단일 표적에 대한 오경보율은 0.03~0.3개/$km^2$, 평균 오경보는 1.8군/$64km^2$로 낮은 오경보와 높은 검출율을 보이며 표적군이 검출되었다. 본 연구에서 개발된 표준화된 표적 검출 기법은 향후 무인화된 표적 검출 시스템 구축에 핵심적인 기술이 될 것으로 전망한다.

• 대한원격탐사학회지
• /
• 제21권3호
• /
• pp.189-211
• /
• 2005

This paper makes an effort to compare the recently evolved soft classification method based on Linear Spectral Mixture Modeling (LSMM) with the traditional hard classification methods based on Iterative Self-Organizing Data Analysis (ISODATA) and Maximum Likelihood Classification (MLC) algorithms in order to achieve appropriate results for mapping, monitoring and preserving valuable coastal wetland ecosystems of southern India using Indian Remote Sensing Satellite (IRS) 1C/1D LISS-III and Landsat-5 Thematic Mapper image data. ISODATA and MLC methods were attempted on these satellite image data to produce maps of 5, 10, 15 and 20 wetland classes for each of three contrast coastal wetland sites, Pitchavaram, Vedaranniyam and Rameswaram. The accuracy of the derived classes was assessed with the simplest descriptive statistic technique called overall accuracy and a discrete multivariate technique called KAPPA accuracy. ISODATA classification resulted in maps with poor accuracy compared to MLC classification that produced maps with improved accuracy. However, there was a systematic decrease in overall accuracy and KAPPA accuracy, when more number of classes was derived from IRS-1C/1D and Landsat-5 TM imagery by ISODATA and MLC. There were two principal factors for the decreased classification accuracy, namely spectral overlapping/confusion and inadequate spatial resolution of the sensors. Compared to the former, the limited instantaneous field of view (IFOV) of these sensors caused occurrence of number of mixture pixels (mixels) in the image and its effect on the classification process was a major problem to deriving accurate wetland cover types, in spite of the increasing spatial resolution of new generation Earth Observation Sensors (EOS). In order to improve the classification accuracy, a soft classification method based on Linear Spectral Mixture Modeling (LSMM) was described to calculate the spectral mixture and classify IRS-1C/1D LISS-III and Landsat-5 TM Imagery. This method considered number of reflectance end-members that form the scene spectra, followed by the determination of their nature and finally the decomposition of the spectra into their endmembers. To evaluate the LSMM areal estimates, resulted fractional end-members were compared with normalized difference vegetation index (NDVI), ground truth data, as well as those estimates derived from the traditional hard classifier (MLC). The findings revealed that NDVI values and vegetation fractions were positively correlated ($r^2$= 0.96, 0.95 and 0.92 for Rameswaram, Vedaranniyam and Pitchavaram respectively) and NDVI and soil fraction values were negatively correlated ($r^2$ =0.53, 0.39 and 0.13), indicating the reliability of the sub-pixel classification. Comparing with ground truth data, the precision of LSMM for deriving moisture fraction was 92% and 96% for soil fraction. The LSMM in general would seem well suited to locating small wetland habitats which occurred as sub-pixel inclusions, and to representing continuous gradations between different habitat types.

• 대한원격탐사학회지
• /
• 제21권2호
• /
• pp.121-133
• /
• 2005

화소들 사이의 관계를 고려해 Texture 영상을 생성해 내는 것을 의미하는 Texture 영상화는 유용한 영상 분석 방법 중의 하나로 잘 알려져 있고, 대부분의 상업적인 원격 탐사 소프트웨어들은 GLCM이라는 Texture 분석 기능을 제공하고 있다. 본 연구에서는, GLCM 알고리즘에 기반한 Texture 영상화 프로그램이 구현되었고, 추가적으로 GLDV에 기반을 둔 Texture 영상화 모듈 프로그램을 제공한다. 본 프로그램에서는 Homogeneity, Dissimilarity, Energy, Entropy, Angular Second Moment(ASM), Contrast 등과 같은 GLCN/GLDV의 6가지 Texture 변수에 따라 각각 이에 해당하는 Texture 영상들을 생성해 낸다. GLCM/GLDV Texture 영상 생성에서는 방향 의존성을 고려해야 하는데, 이 프로그램에서는 기본적으로 동-서, 북동-남서, 북-남, 북서-남동 등의 기본적인 방향설정을 제공한다. 또한 이 논문에서 새롭게 구현된 커널내의 모든 방향을 고려해서 평균값을 계산하는 Omni 방향 모드와 커널내의 중심 화소를 정하고_그 주변 화소에 대한 원형 방향을 고려하는 원형방향 모드를 지원한다. 또한 본 연구에서는 여러 가지 변수와 모드에 따라 얻어진 Texture 영상의 분석을 위하여 가상 영상 및 실제 위성 영상들에 의하여 생성된 Texture 영상간의 특징 분석과 상호상관 분석을 수행하였다. Texture 영상합성 응용시에는 영상의 생성시에 적용된 변수들에 대한 이해와 영상간의 상관도를 분석하는 과정이 필요할 것으로 생각된다.

• 대한원격탐사학회지
• /
• 제33권6_1호
• /
• pp.931-946
• /
• 2017

본 연구는 토양의 수분 상태를 고해상으로 관측 및 분석하고 농업분야에의 응용 가능성을 평가하기 위한 연구이다. 이를 위하여 Landsat-8 OLI(Operational Land Imager)/TIRS(Thermal Infrared Sensor)의 광학 및 열적외선 위성영상을 연구자료로 전라북도 농업지역을 포함(연구자료 내 46%)하는 2015, 2016, 및 2017년 5-6월에 촬영된 영상 세 장을 이용하였다. 연구지역의 각 영상 촬영일의 토양의 수분 상태는 SPI(Standardized Precipitation Index)3 가뭄지수를 통하여 효과적으로 획득할 수 있으며, 각 영상은 보통, 습윤, 및 건조한 토양 수분 조건을 갖는다. 이러한 각기 다른 토양수분 조건을 갖는 영상을 대상으로 토양의 수분 상태를 관측하고 SPI3 가뭄지수로부터 획득한 토양의 수분 상태와 비교/분석을 수행기 위하여, TVDI(Temperature Vegetation Dryness Index)를 계산하였다. TVDI는 Landsat-8 OLI/TIRS 위성영상으로부터 계산한 LST(Land Surface Temperature) 및 NDVI(Normalized Difference Vegetation Index)의 관계로부터 추정하여 계산된다. LST-NDVI의 형상 공간 내 픽셀의 분포에서 NDVI에 따른 LST의 최대/최소값을 추출하고 이를 대상으로 각각 선형회귀분석(linear regression analysis)을 통하여 NDVI에 따른 LST의 Dry/Wet edge를 결정할 수 있으며, 최종적으로 NDVI에 따른 두 edge 사이에서의 LST 값의 비율을 계산하여 TVDI 값을 계산한다. TVDI 값으로부터 관측된 영상 내 상대적인 토양의 수분 상태를 매우 습윤, 습윤, 보통, 건조, 매우 건조의 5단계로 분류하여 SPI3로부터 획득한 각각의 토양수분 상태와 비교하였다. 연구자료 획득시기인 5-6월 시기의 특성상 모내기로 인하여 영상 내 가장 많은 비율을 차지하는 논 지역의 영향으로 영상 전체 중, 약 62% 이상이 습윤 및 매우 습윤한 상태로 분류되었다. 또한, 보통으로 분류되는 픽셀은 영상 내 밭 지역의 영향 때문으로 분석되었다. 영상 전체에 대해서는 대략적으로 SPI3의 토양수분 상태와 대응하였지만 매우 건조, 습윤, 및 매우 습윤에 해당하는 세분류 결과에서는 SPI3 토양수분 상태와 대응하지 않았다. 또한, 영상에서 논과 밭의 농업지역을 추출 및 분류한 후, SPI3 토양수분 상태와 비교하였을 때, 논 지역의 토양수분 상태 관측 분류 결과는 매우 건조, 보통 및 매우 습윤에서, 밭 지역은 보통의 분류에서만 SPI3 가뭄지수와 대응하지 않았다. 이는 매우 건조한 나지 및 매우 습윤한 모내기로 인한 논 지역, 수계, 구름 및 산지 지형효과 등의 이상치로 인하여 잘못된 Dry/Wet edge 추정의 문제로 사료되어진다. 그러나 5-6월 시기의 농업지역 중, 밭 지역에서는 세분류된 토양의 수분 상태를 효과적으로 관측할 수 있었다. 고해상 광학위성 기반 농업지역에 대한 토양수분 상태의 시 공간적 변화를 관측하여 농업지역의 농업생산량예측 등 그 응용이 가능할 것으로 사료된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume II
• /
• pp.1011-1014
• /
• 2006

Coarse resolution (9 - 50 km pixels) Sea Surface Temperature satellite data are frequently considered adequate for open ocean research. However, coastal regions, including coral reef, estuarine and mesoscale upwelling regions require high-resolution (1-km pixel) SST data. The AVHRR SST data often suffer from navigation errors of several kilometres and still require manual navigation adjustments. The second serious problem is faulty and ineffective cloud-detection algorithms used operationally; many of these are based on radiance thresholds and moving window tests. With these methods, increasing sensitivity leads to masking of valid pixels. These errors lead to significant cold pixel biases and hamper image compositing, anomaly detection, and time-series analysis. Here, after manual navigation of over 40,000 AVHRR images, we implemented a new cloud filter that differs from other published methods. The filter first compares a pixel value with a climatological value built from the historical database, and then tests it against a time-based median value derived for that pixel from all satellite passes collected within ${\pm}3$ days. If the difference is larger than a predefined threshold, the pixel is flagged as cloud. We tested the method and compared to in situ SST from several shallow water buoys in the Florida Keys. Cloud statistics from all satellite sensors (AVHRR, MODIS) shows that a climatology filter with a $4^{\circ}C$ threshold and a median filter threshold of $2^{\circ}C$ are effective and accurate to filter clouds without masking good data. RMS difference between concurrent in situ and satellite SST data for the shallow waters (< 10 m bottom depth) is < $1^{\circ}C$, with only a small bias. The filter has been applied to the entire series of high-resolution SST data since1993 (including MODIS SST data since 2003), and a climatology is constructed to serve as the baseline to detect anomaly events.

• 한국지리정보학회지
• /
• 제23권2호
• /
• pp.70-82
• /
• 2020

최근 도시홍수에 의해 많은 피해가 발생하고 있으며, 단시간에 국지적으로 발생하는 집중호우가 1차 원인으로 꼽히고 있다. 도시홍수의 피해는 도시지역 내 물수지의 변화로 규명하고 있으며, 이를 간접적으로 파악하기 위해 일강수량 자료와 다중시기 Sentinel-2 위성영상을 활용해 집중호우 전후의 토지피복별 원격탐사지수 변화를 분석하였다. 일강수량 자료를 바탕으로 호우주의보 및 경보의 사례를 선정하였고, 해당 기간의 Sentinel-2 위성영상을 취득해 이를 기상청 서울관측소 기준 반경 1,000m 범위의 정규식생지수(NDVI), 정규수분지수(NDWI) 및 정규습윤지수(NDMI) 영상을 토지피복별로 제작하여 통계적 변화를 비교하였다. 각 영상을 구성하고 있는 픽셀의 최댓값, 최솟값, 평균 및 그 증감을 분석한 결과, 집중호우 전후 도시지역 원격탐사지수에 유의미한 변화가 발생한 것으로 보기는 힘들다고 판단하였다.

• 한국항공우주학회지
• /
• 제48권3호
• /
• pp.225-231
• /
• 2020

기상 조건과 상관없이 영상을 획득할 수 있는 SAR 위성에 대한 수요가 최근 들어 계속해서 증가하고 있다. 일반적으로 SAR 안테나의 주반사판은 제한적인 탑재체의 공간에 효율적으로 수납하기 위해 여러 개의 전개 가능한 패널로 구성된다. 전개형 구조물은 본질적으로 구조적 강성이 부족하며 외란이나 가진에 취약하다. 특히, SAR 위성은 더 높은 각속도 요구조건 때문에 안테나 반사면에 발생하는 진동 수준이 높을 수 있다. 이미지를 얻는 동안 이미지의 품질을 위해 반사판의 높은 표면 정확도를 유지하는 것은 중요하다. 본 연구에서는 전개형 SAR 안테나의 구조적 변형 때문에 발생하는 성능 저하를 분석한다. 주반사판의 패널은 유연 구조물로 가정하였으며, 다물체 동역학 시뮬레이션 환경을 구축하였다. 이를 통해, 위성의 기동 시 패널의 변형량을 계산한다. 또, 이러한 변형이 안테나 성능과 임무 수행에 얼마나 영향을 미치는지 확인하기 위해, 안테나 이득 및 빔 지향오차를 분석하였다.

• 대한원격탐사학회지
• /
• 제35권5_2호
• /
• pp.809-818
• /
• 2019

우리나라는 여름철에 편중된 강우현상과 좁은 반도의 지형적인 특성으로 인해 풍수해에 매우 취약한 구조를 가지고 있다. 최근 태풍, 집중호우 등으로 피해는 날로 심화되고 있어 앞으로 발생할 풍수해에 대비하여 정확한 피해정보 생산과 분석이 필요하다. 본 연구에서는 풍수해 분석에 필요한 수표면 면적 파악을 위해 Sentinel-1 위성영상을 이용하여 벽정저수지, 사점저수지, 수부저수지, 보령호의 수표면 면적 변화를 분석하였다. 2015년 5월부터 2019년 8월까지 촬영된 Sentinel-1 위성에 RTC 기법을 적용한 영상 전처리와 Otsu 기법을 이용한 영상 이진화를 통해 수표면 면적을 산출하였다. 산출된 수표면 면적은 국가수자원관리종합정보시스템과 농업기반관리시스템에서 제공하는 저수용량 정보와 비교하여 상관계수를 분석하였다. 그 결과, 수부저수지와 보령호의 상관계수는 각각 0.850, 0.941의 강한 상관성을 보여주었고 벽정저수지와 사점저수지의 상관계수는 0.651, 0.657의 보통의 상관성을 보였다. 이 결과는 위성영상을 이용한 중소규모 저수지의 수표면 면적 모니터링 가능성을 나타냈으며, 수표면 면적 변화는 저수지의 수량변화 모니터링 정보로 객관적 사용이 가능하다고 판단된다. 향후 다양한 데이터와의 융합을 통하여 국가적 재난관리에 크게 기여할 수 있을 것으로 기대한다.

• 항공우주시스템공학회지
• /
• 제12권1호
• /
• pp.10-16
• /
• 2018

정지궤도복합위성(GEO-KOMPSAT) 2A와 2B는 천리안위성의 임무를 승계하기 위해 각각 2018년과 2019년에 발사되어 동경 $128.25{\pm}0.05$도의 정지궤도상에 위치할 예정이다. 그 중에서 정지궤도복합위성 2B는 정밀 거리측정을 위해 LRA(Laser Retroreflector Assembly)를 장착하였으며 거창에 위치한 SLR(Satellite Laser Ranging) 시스템을 적용할 예정이다. 이 경우 거리측정을 위해 지상에서 발사된 레이저가 위성에 장착된 광학탑재체에 입사될 경우 탑재체의 안전성이나 영상품질에 영향을 줄 수 있다. 이 문제를 해결하기 위해 기본적으로 정지궤도복합위성 2B의 셔터가 닫혀 있는 야간시간대에 만 레인징을 수행하도록 할 계획이다. 하지만 동일 경도상에 위치한 정지궤도복합위성 2A는 하루 24시간 영상획득을 수행하기 때문에 야간 시간대에 레인징을 수행하더라도 영향을 줄 수 있다. 이를 해결하기 위해서는 거창 SLR Station에서 바라본 정지궤도복합위성 2A와 2B의 사이각이 일정 이상일 때 레이저 레인징을 수행하도록 하여야 한다. 이러한 관점에서 본 논문에서는 궤도 시뮬레이션을 통하여 두 위성 사이의 연간 각거리 변화 특성을 파악하고 레이저 레인징이 가능한 시간대를 분석하였다.