• Spatial Information Research
• /
• 제11권2호
• /
• pp.101-117
• /
• 2003

고해상도 위성영상분석은 국지적 규모의 토지피복 변화 및 대기 상태의 모니터링을 위한 효과적인 기술로 인식되어 왔다. 본 연구에서는 고해상도 영상인 IKONOS 영상과 기존에 작성된 토지이용도를 이용하여 국지적 규모의 토지피복도를 새로 작성하였다. 토지피복 분류기법으로는 퍼지분류 기법을 사용하였으며, 소속함수의 결합방법으로 minimum 연산자를 이용하였다. 분리도 분석에서는 모든 밴드에서 분리도가 높지 않은데, 원인은 계절적 영향에 따른 분광반사율의 차이 때문이다. 토지피복도 작성결과 육상에서는 침엽수림과 경지가, 해양에서는 간석지 및 해빈의 변화가 가장 크다. 분류의 전체정확도는 95.0%, kappa 계수는 0.94%로 나타나 높은 분류정확도를 보였다. 분류항목별 정확도에서는 대부분의 분류항목이 90% 이상의 분류정확도를 보였다. 그러나 혼합림과 하천 및 저수지 등은 낮은 분류정확도를 보였다. 이들 원인은 농경지 담수로 인하여 수역으로 분류항목이 변하거나 유사한 분광패턴으로 분류항목이 혼재된 결과이다. 이들 분류항목의 분류정확도를 높이기 위해서는 계절적 요인을 반드시 고려하여야 할 것이다. 결론적으로 IKONOS 영상은 토지이용도 작성 및 수정이 가능하며, 추후 GIS 공간자료와 통합하여 토지피복도를 작성한다면 보다 정확한 의사결정 보조 자료로서 유용하게 활용될 수 있을 것이다.

• 한국지리정보학회지
• /
• 제15권1호
• /
• pp.87-98
• /
• 2012

하천 유역에서 하천 경계선(river boundary) 은 하천의 물길을 따라 흐르는 물과 육지의 경계를 의미한다. 하천 경계선 매핑은 하천 유역의 지형적인 변화를 탐지하고 홍수 예방을 위해서 중요하다. 하천 유역의 지표면의 불균일성과 하천 수위의 실시간 변화 등으로 인해 발생하는 하천 유역의 침식 작용 등의 요인으로 인해서 기존의 지반조사 기술은 하천 경계선을 매핑 하는데 효과적이지 않다. 공간 정보 자료는 해당 지역에 접근하지 않고도 해당 지역에 관한 지형적인 정보를 획득할 수 있어서, 하천 지형 조사 및 하천 측량 등 하천 유역의 지형연구에 굉장히 유용하게 쓰일 수 있다. 본 연구에서는, 원격탐사 기술에서 대표적으로 사용되는 공간 정보 자료들인 항공 라이다 자료(airborne LiDAR data)와 항공사진(aerial photograph) 들을 활용하여, 에지 검출기법(edge detection algorithm) 및 영상 분할 기법(image segmentation algorithm) 등의 디지털 영상 처리 기법 등의 방법을 적용하여 3차원 하천 경계선을 매핑하는 방법을 개발하였고, 주어진 기준선을 따라 결정된 점검 지점들로부터 추출된 하천 경계선까지의 수평 및 수직 거리의 절대값을 계산하여 정확도 측정을 하였을 때, 본 연구에서 제시된 방법을 이용하여 추출된 3차원 하천 경계선은 높은 수직 및 수평 정확도를 가짐을 보여준다.

• 천문학회보
• /
• 제36권1호
• /
• pp.42.1-42.1
• /
• 2011

The main payload of the Science and Technology Satellite 3 (STSAT-3), Multipurpose Infrared Imaging System (MIRIS), will be equipped with the wide-field near-infrared camera. Its wide field-of-view ($3.67^{\circ}{\times}3.67^{\circ}$) is optimal for the observation of the zodiacal light (ZL), the sunlight scattered by the interplanetary dust (IPD). The MIRIS will continuously monitor the seasonal variation of the ZL towards both north and south ecliptic poles, which is caused by the asymmetries of the IPD distribution with respect to the Sun and the ecliptic plane. In addition to the monitoring observations, we are planning pointed observations for compelling structures in the ZL, the asteroidal dust bands and the gegenschein. This presentation proposes the zodiacal light observations with the MIRIS and discusses the expected results.

• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.637-647
• /
• 2019

작물의 스트레스를 탐지하는 것은 생산량 감소를 평가하는데 매우 중요하다. 광화학 반사 지수 (PRI)는 LUE의 원격 감지 지표로서 개발되었으며, 많은 연구자들에 의해 식생의 스트레스 탐지에 효과적으로 사용할 수 있음이 입증되었다. 그러나 원격탐사 영상에 기반한 PRI를 이용한 연구는 매우 드물다. 낮은 분광해상도로 인하여 드론 및 위성영상 기반의 PRI 모니터링이 어렵기 때문이다. 본 연구에서는 다중분광 센서 기반의 PRI를 산정하기 위하여 인접한 밴드를 이용한 융합 방법을 제안하였다. 제안한 기법을 초분광 및 다중분광 영상에 적용한 결과 산출된 PRI는 79%의 설명력을 나타내었으며, 지상고정형 센서의 관측값과도 유사한 변동 특성을 나타내었다. 따라서 밴드 융합에 의한 PRI는 작물 스트레스 평가에 적용이 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1545-1557
• /
• 2021

농작물은 그 종과 생육상태에 따라 민감한 분광특성을 나타내며, 특히 여름철에 집중적으로 관측이 필요하나 장마로 인해 광학위성의 활용이 어렵다. 이 문제를 해결하기 위해 CC-MNC(Constrained Cloud-Maximum NDVI Composite) 기법이 개발되었으며, 이 기법을 통해 구름의 영향이 최소화된 일정 주기의 대표 합성영상이 생성된다. 본 연구에서도 이 기법을 이용하여, 2019년부터 2021년까지 논과 고랭지 배추밭을 대상으로 Sentinel-2A/B NDVI 월합성영상을 제작하였다. 다른 해보다 200 mm 많은 강수량을 보이는 2020년 8월에는 16일 주기 MODIS NDVI합성영상에서도 구름의 영향이 크게 나타났다. 이 시기를 제외하고 CC-MNC 기법은 평균적으로 원영상의 45.4%의 구름 비율을 14.9%로 줄일 수 있었다. 논의 경우 Sentinel-2A/B와 MODIS NDVI 값이 큰 차이가 나지 않았으며, 5일의 주기로도 벼의 생육 주기를 잘 모니터링할 수 있었다. 고랭지 배추밭의 경우, Sentinel-2A/B에서는 고랭지 배추의 짧은 생육 주기가 잘 나타났지만, MODIS는 공간해상도의 한계를 보였다. 이와 함께 CC-MNC 기법은 수확 시기에 구름 화소가 합성에 사용되는 현상이 보이기도 하였으며, 국내지역에 맞게 VZA 임계치의 조정이 필요하다는 시사점이 도출되었다.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1307-1315
• /
• 2021

매년 여름철 양자강에서 유출되는 저염분수는 동중국해 뿐만 아니라 제주도 주변 해역의 염분 변화에 큰 영향을 미치며 때때로 그 영향은 한반도 연안에 국한되지 않고 대한해협을 통과하여 동해 외해 까지 확장되기도 한다. 한반도 주변으로 확장된 양자강 유출수는 해양 물리 및 생태학적으로 많은 영향을 끼치며 어업 및 양식업에 큰 피해를 유발하기도 한다. 그러나 현장조사의 한계점 때문에 동중국해에서 확산되는 저염분수를 지속적으로 관측하기에는 현실적으로 어려움이 있다. 이러한 이유로 양자강 유출수의 확산을 실시간으로 모니터링하기 위해 인공위성을 활용한 표층 염분 산출 연구가 많이 진행되어 왔다. 본 연구에서는 시간 및 공간 해상도가 상대적으로 좋은 GOCI(Geostationary Ocean Color Imager)를 활용한 동중국해 표층 염분 산출 알고리즘을 개발하였다. 알고리즘 개발을 위해 기계학습 기법 중 하나인 MPNN(Multilayer Perceptron Neural Network)을 이용하였으며, 출력층에는 SMAP(Soil Moisture Active Passive) 위성의 표층 염분 자료를 활용하였다. 이전 연구에서 2016년 자료를 이용한 표층 염분 산출 알고리즘이 개발되었으나 본 연구에서는 연구 기간을 2015년 부터 2020년까지로 확장하여 알고리즘 성능을 개선하였다. 2011년부터 2019년까지 동중국해에서 관측된 국립수산과학원의 정선조사자료를 이용하여 알고리즘 성능을 검증한 결과로 R²는 0.61과 RMSE는 1.08 psu로 나타났다. 본 연구는 GOCI를 이용한 동중국해 표층 염분 모니터링 알고리즘 개발을 위해 수행되었으며, 향후 GOCI-II의 표층 염분 산출 알고리즘 개발에 많은 기여를 할 것으로 기대된다.

• 한국기후변화학회지
• /
• 제1권2호
• /
• pp.147-161
• /
• 2010

단일 기층의 모형 대기에 적용하기 위한 태양 복사 모델을 기준 모델(Line-by-Line Model: LBL)로 보정하여 2009년 1월부터 2009년 12월까지 한반도의 지표면 태양광 시공간 분포를 계산 및 분석하였다. 이 연구에 사용된 태양 복사 모델의 입력 자료는 기상청(KMA)의 수치모델 자료 그리고 위성자료로부터 도출된 오존 전량과 에어로졸 및 구름 자료 등이 사용되었다. 이 연구 기간 동안 4 km 간격으로 수평면에 대하여 한반도의 지표면 태양광을 계산하였고 그 결과를 지표면 일사 관측값들과 비교하였다. 그 결과 모델에 의하여 계산된 연 누적 태양광은 안동과 대구 및 진주를 연결하는 지역에서 최대값($5,400MJ/m^2$ 이상)이 나타났고 이 값들은 위성 관측 전운량 자료와 잘 일치하였다. 그러나 지표면 일사 관측 자료의 공간 분포는 모델 계산 결과와 차이가 있었으며 그 원인은 관측소 일사계의 보정 및 관리운영에 따른 자료 정확성 때문인 것으로 분석된다.

• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.327-336
• /
• 2019

중국과 북한 국경에 있는 백두산 정상의 칼데라 호수인 "천지"는 2,189 m의 고도에 위치한다. 천지는 1년동안 수온이 영하로 내려가는 겨울철에는 얼고 다시 수온이 영상으로 올라가는 계절에는 녹는 것을 반복한다. 하지만 높은 고도에 위치한 탓에 흐린 날이 많아 광학 영상으로는 관측에 어려움이 있다. 그렇기 때문에 천지의 얼음 관측에는 광학 영상보다 날씨에 영향을 덜 받는 위성레이더 영상이 더 효과적이다. 본 연구에서는 2015년에서 2017년까지 천지 지역의 TerraSAR-X 영상 75장을 분석에 사용하고 계산된 얼음 면적과 기온 변화를 분석했다. 그 결과, 형성된 칼데라 호수의 얼음은 12월 초에 생성되어 4월 중순까지 천천히 녹았다. 이 기간 동안 삼지연 지역의 기온은 얼음이 생성되었을 때 약 $-10^{\circ}C$였고, 해빙될 시기인 4월 중순에는 기온이 약 $0^{\circ}C$였다. 천지의 얼음이 생성되는 2015년과 2016년 겨울철의 얼음의 면적과 기온의 상관계수는 -0.82와 -0.75의 높은 상관성을 보였다. 본 연구결과와 함께 이 후 다양한 영상자료를 활용하여 최근 화산활동으로 인해 수온이 상승했을 시기의 결과와 비교분석한다면 화산활동을 모니터링 할 수 있는 지표로 활용될 수 있을 것이다.

• 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.

• 대한원격탐사학회지
• /
• 제35권6_3호
• /
• pp.1173-1185
• /
• 2019

본 연구에서는 처음으로 주성분분석(Principle component analysis; PCA) 방법을 이용하여 Sentinel-5p의 TROPOspheric Monitoring Instrument (TROPOMI) 위성센서 원시자료로부터 산업활동 및 화산활동에 의해 발생한 이산화황 연직칼럼농도(Vertical column density; VCD)를 산출하였다. 본 연구에서 TROPOMI로부터 주성분분석방법을 이용하여 산출된 이산화황 연직칼럼농도는 차등흡수분광법(Differential Optical Absorption Spectroscopy; DOAS)을 이용하여 산출된 TROPOMI Level 2 이산화황 연직칼럼농도 산출물과 비교되었다. 산업활동과 같은 인위적 요인에 의하여 다량의 이산화황을 지표부근에 배출하는 동아시아 지역에서 TROPOMI 로부터 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법을 이용하여 산출된 TROPOMI 이산화황 연직칼럼농도의 평균값은 각각 0.05 Dobson Unit (DU)와 -0.02 DU로 비슷한 값으로 나타났다. 두 산출물 사이의 기울기(Slope)는 모든 구름조건에 대하여 0.64, 상관계수(Correlation coefficient, R)는 0.51로 다소 낮은 상관관계를 보였으나, 구름비율이 0.5 이하인 픽셀에 대한 기울기는 0.68, 상관계수는 0.61로 증가하였다. 이러한 결과는 두 알고리즘에서 공통적으로 구름비율이 높을 때 지표부근에 대한 이산화황의 산출 민감도가 감소한다는 것을 의미한다. 화산활동에 의한 고농도 이산화황이 발생하는 지역인 인도네시아와 일본 남부 지역에서 두 알고리즘으로 산출된 이산화황 연직칼럼농도 사이의 상관계수는 모든 구름 조건에 대하여 0.90으로 높은 상관관계를 보였다. 이는 화산지역에서의 가스 분출로 인하여 고농도로 대류권 상층 혹은 성층권 하부에 주로 분포하는 이산화황에 대한 위성 기반 이산화황 산출 정확도가 높게 나타나기 때문인 것으로 사료된다.