• 대한토목학회논문집
• /
• 제31권2B호
• /
• pp.155-163
• /
• 2011

본 연구에서는 의사결정나무(CART)기법, 인공신경망모형, 인공위성 원격탐사자료와 지형자료 및 지상 기상관측망자료를 이용하여 토양수분을 산정하는 모형을 개발하였다. 본 모형의 검증을 위하여 사용된 토양수분 관측자료는 용담댐 유역에서 관측된 5개 지점의 토양수분자료를 사용하였다. 가용자료에 대해 CART기법을 적용하여 자료를 분류한 다음 분류된 각 자료집단에 대하여 인공신경망(Artificial Neural Networks)모형을 적용하여 토양수분 분포를 예측하였다. 모형의 학습에 사용된 주천, 부귀, 상전, 안천 지점의 토양수분 산정치는 관측치와 약 0.92-0.96의 상관계수, 약 1.00-1.88%의 평균제곱근오차와 약 0.75-1.45%의 평균절대오차를 보여주었다. 토양수분 추정모형을 검증하기 위해 천천2의 지점에 적용한 결과 약 0.91의 상관계수, 약 3.19%의 평균제곱근오차, 약 2.72%의 평균절대오차를 보여 CART기법과 인공신경망모형을 연계한 토양수분 산정모형이 토양수분 분포제시 활용에 적절한 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.599-608
• /
• 2023

수문학, 기상학 및 농업과 같은 응용 분야에서 위성 기반 토양 수분 정보에 대한 관심이 높아지면서 다양한 해상도에서 토양수분도를 제작하는 방법의 개발과 사례 연구는 위성 정보 활용의 주요 주제 중 하나로 대두되고 있다. 이 연구는 Google Earth Engine (GEE)에서 제공하는 Sentinel-과 Sentinel-2 공개 자료를 적용하여 토양수분도 제작 결과를 예시하였다. 토양수분도는 synthetic aperture radar (SAR) 영상과 광학 영상과 융합하여 산출하였다. SAR 영상은 GEE에서 제공하는 Sentinel-1 위성의 후반 산란 계수 analysis ready data (ARD)자료와 Sentinel-2에서 계산한 정규식생지수와 함께 Environmental Systems Research Institute (ESRI)의 토지 피복자료를 사용하였다. 호주 빅토리아 주에 위치한 연구지역을 대상으로 토양수분도를 제작하였으며, 기존 연구에서 발표된 현장 측정값과 비교 분석하였다. 현장 측정값을 기준으로 실험 결과의 정확도를 비교한 결과로 결괏값은 기준 값과 4-10%p 차이를 보이는 유의미한 범위의 일치도를 보이고, 위성 기반 토양수분도와는 0.5-2%p의 높은 일치도를 보이는 것으로 나타났다. 따라서 지역의 지표 특성에 따라 고해상도의 토양수분도가 필요한 지역은 GEE를 통하여 제공되는 공개 자료와 이 연구에서 적용한 알고리즘으로 토양수분도의 제작이 가능할 것으로 생각한다.

• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1891-1900
• /
• 2021

직경 2.5 ㎛ 이하인 초미세먼지는 급격한 도시화와 인구 증가로 인해 대도시에서 많이 발생하며, 유아 및 청소년기는 성인에 비해 초미세먼지에 취약하고 만성 질환으로 이어질 가능성이 높다. 특히 대부분의 청소년들은 학교에서 가장 많은 시간을 보내고 있으며, 다양한 이유에 의해 실외에서 발생한 초미세먼지가 실내로 유입된다. 본 연구는 외부 요인에 의해 발생하는 학교 초미세먼지를 예측하고 학교별 초미세먼지 범주화를 수행하였다. 10-fold cross validation과 grid-search method를 적용한 random forest (RF) 모델에 화학과 기상 인자, 위성 기반의 aerosol optical depth (AOD)를 입력 자료로 하여 학교 초미세먼지를 예측하고 정확도 평가를 위해 4가지 통계 지표를 이용하였다. 학교 미세먼지 범주화를 위해 6가지 유형을 가진 느슨한 기준과 엄격한 기준을 정의하였으며, 범주화 결과 느슨한 기준의 경우 유형 2와 3에, 엄격한 기준의 경우 유형 3과 4에 가장 많은 학교가 포함되었다.

• 대한원격탐사학회지
• /
• 제20권2호
• /
• pp.65-76
• /
• 2004

본 연구는 위성으로부터 얻어진 지표온도와 Elevation Derivative Database(EDD)를 사용하여 일 최고기온을 산출하기 위해 수행되었다. 실험은 다중 회귀 분석을 통하여 일 최고기온의 반 경험적 산출 시스템을 구축하는데 초점이 맞추어졌다. 회귀식 내에서 EDD가 하나의 독립변수로 추가되었을 때 온도 산출에 어떤 영향을 미치는지도 테스트 되었다. 본 연구에서는 EDD가 회귀식에 추가되었을 때가 그렇지 않았을 때 보다 좋은 상관을 보였고 이는 EDD가 좀 더 정확한 산출을 위해 필요한 자료임을 나타낸다. 진보된 산출시스템을 만들기 위해 본 연구는 3가지 접근을 시도하여 그 결과론 비교하였다. 3가지 접근방법은 다음과 같다: 1) 토지피복을 고려하지 않은 계절별 산출법, 2) 토지피복을 고려한 계절별 산출법, 그리고 3) 계절의 구분이 없는 토지피복 형태별 산출법이다. 세번째 방법이 0.56$^{\circ}C$에서 3.14$^{\circ}C$ 사이의 정확도와 함께 가장 최상의 결과를 보여주었다. 산출결과를 검증하기 위해 가장 정확도가 좋았던 세 번째 산출 시스템에 대한 교차검증을 농경지와 산림지역을 대상으로 수행하였다. 검증결과는 토지 피복의 종류에 관계없이 좋은 결과를 보였다. 따라서 제시된 일 최고기온 산출 시스템은 남한의 대부분 지역에서 적용 가능하리라 사료된다.

• 한국지구과학회지
• /
• 제40권6호
• /
• pp.613-623
• /
• 2019

지난 수십년 동안 인공위성을 통해 광범위하고 주기적으로 관측된 해수면온도 자료를 사용하여 일별 해수면온도 합성장이 생산되고 있으며 기후변화 감시와 해양 대기 예측 등 다양한 목적으로 활용되어 왔다. 본 연구에서는 지역적인 해역에서 최적화된 활용을 위해 한반도 주변해역에서 해수면온도 합성장 자료의 정확도 평가와 오차 특성 분석을 수행하였다. 2016년 1월부터 12월까지 이어도 해양과학기지 관측 수온 자료를 활용하여 4종의 다중 인공위성 기반 해수면온도 합성장 자료(OSTIA (Operational Sea Surface Temperature and Sea Ice Analysis), OISST (Optimum Interpolation Sea Surface Temperature), CMC (Canadian Meteorological Centre) 해수면온도 및 MURSST (Multi-scale Ultra-high Resolution Sea Surface Temperature))를 비교하여 각 해수면온도 합성장의 정확도를 평가하였다. 이어도 해양과학기지 수온 자료에 대하여 각 해수면온도 합성장은 최소 0.12℃ (OISST)와 최대 0.55℃ (MURSST)의 편차와 최소 0.77℃ (CMC 해수면온도)와 최대 0.96℃ (MURSST)의 평균 제곱근 오차를 나타냈다. 해수면온도 합성장 사이의 상호 비교 결과에서는 -0.38-0.38℃의 편차와 0.55-0.82℃의 평균 제곱근 오차의 범위를 보였으며 OSTIA와 CMC 해수면온도 자료가 가장 작은 오차 특성을 보인 반면 OISST와 MURSST 자료는 가장 큰 오차 특성을 나타내었다. 이어도 해양과학기지와 가장 가까운 지점에서 해수면온도 합성장 자료를 추출하여 시계열을 비교한 결과에서는 이어도 해양과학기지 관측 수온 뿐만 아니라 모든 해수면온도 합성장 자료에서 뚜렷한 계절 변동을 보였으나 봄철 해수면온도 합성장은 이어도 해양과학기지 관측 수온에 비해 과대추정되는 경향이 나타났다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1567-1577
• /
• 2020

시가화 지역 토지피복분류는 도시계획 및 관리에 활용된다. 따라서, 시가화 지역에 대한 분류 정확도 향상 연구는 중요하다고 할 수 있다. 본 연구에서는 고해상도 위성영상인 KOMPSAT-3A을 기계학습 중 Support Vector Machine(SVM)과 Artificial Neural Network(ANN)을 기반으로 시가화지역 분류를 진행하였다. 훈련 데이터 구축과정에서 25 m 격자를 기반으로 훈련 지역을 구분하여 영상을 학습하였으며, 학습된 모델을 활용하여 테스트 지역을 분류하였다. 검증과정에서 250개의 GTP를 활용하여 오차 행렬을 통한 결과를 제시하였다. SVM 4가지 기법과 ANN 2가지 기법 중 SVM Polynomial Model이 가장 높은 정확도인 86%를 나타냈다. Ground Truth Points(GTP)를 활용하여 두 개의 모델을 비교하는 과정에서, SVM 모델은 전체적으로 ANN 모델보다 효과적으로 KOMPSAT-3A 영상을 분류하였다. 건물, 도로, 식생, 나대지 4가지 클래스 분류 중 건물이 가장 낮은 분류정확도를 보여주었으며, 이는 고층건물에 따른 건물 그림자에 의한 오분류가 주요 원인으로 나타났다.

• 대한원격탐사학회지
• /
• 제24권1호
• /
• pp.1-16
• /
• 2008

Steam and advection fogs are frequently observed in the Yellow Sea from March to July except for May. This study uses remote sensing (RS) data for the monitoring of sea fog. Meteorological data obtained from the Ieodo Ocean Research Station provided a valuable information for the occurrence of steam and advection fogs as a ground truth. The RS data used in this study were GOES-9, MTSAT-1R images and QuikSCAT wind data. A dual channel difference (DCD) approach using IR and shortwave IR channel of GOES-9 and MTSAT-1R satellites was applied to detect sea fog. The results showed that DCD, texture-related measurement and the weak wind condition are required to separate the sea fog from the low cloud. The QuikSCAT wind data was used to provide the wind speed criteria for a fog event. The laplacian computation was designed for a measurement of the homogeneity. A new combined method, which includes DCD, QuikSCAT wind speed and laplacian computation, was applied to the twelve cases with GOES-9 and MTSAT-1R. The threshold values for DCD, QuikSCAT wind speed and laplacian are -2.0 K, $8m\;s^{-1}$ and 0.1, respectively. The validation results showed that the new combined method slightly improves the detection of sea fog compared to DCD method: improvements of the new combined method are $5{\sim}6%$ increases in the Heidke skill score, 10% decreases in the probability of false detection, and $30{\sim}40%$ increases in the odd ratio.

• 해양환경안전학회지
• /
• 제14권2호
• /
• pp.163-168
• /
• 2008

인공위성 원격탐사를 이용한 선박탐지는 주요 적용 분야 중 하나로, 광역의 환경 감시와 해상보안에 적용되고 있다. 이를 통하여 어장을 포함한 해상교통을 모니터링할 수 있으며, 기름유출 선박을 찾기도 한다. 본 연구에서는, RADARSAT의 합성개구레이더(SAR) 영상을 기반으로 개발한 자동선박탐지기법을 제시하고, 2004년 8월 6일에 얻어진 영상에 적용을 하여 현장 자료와의 비교를 실시하였다. 선박탐지알고리듬은 보정, 랜드마스킹, 필터링, 위치 등록 그리고 식별의 5단계로 구성된다. 울산항을 중심으로 이루어진 위성 촬영시점의 풍속은 최대 0.4m/s이었다. 전장이 68m 이상인 묘박지의 선박을 중심으로 한 선박 탐지 결과는 울산 항만교통정보시스템의 레이더정보와 잘 일치하였다. 바지선과 같은 소형선박의 경우, SAR에 의한 선박 탐지 능력이 육상에 설치된 레이더보다 더 높은 경우도 있었다. 또한, SAR 레이더 산란 단면적(RCS)을 이용하여 선박의 길이와 폭을 계산하였으나, 레이오버와 그림자 효과 때문에 실제 값보다 비교적 높게 추정되었다.

• 한국항공우주학회지
• /
• 제47권9호
• /
• pp.649-657
• /
• 2019

대표적인 단일추진제로 사용되는 하이드라진은 극독성의 물질이므로 인체에 유해할 뿐만 아니라 취급이 매우 어렵다는 단점을 가지고 있다. 이를 대체하고자 최근에는 무독성의 친환경 추진제 개발 연구가 많은 관심을 받고 있다. 그중에서 스웨덴 우주공사(Swedish Space Corporation)에서 개발한 ammonium dinitramide(ADN) 계열 추진제는 하이드라진보다 우수한 성능을 가질 뿐만 아니라 우주환경에서의 성능검증을 통해 현재 상용화 단계에 이르렀다. 한편, 추력기 노즐에서 배출된 배기가스는 고진공의 우주 공간에서 확산하는 동안 위성체와 충돌할 경우 열 하중 및 표면 오염 등을 발생시켜 위성체의 성능과 수명을 감소시킬 수 있다. 하지만 친환경 추진제 추력기의 배기가스가 위성체에 미치는 영향에 대한 연구는 아직까지 본격적으로 수행되지는 않은 것으로 조사되었다. 따라서 본 연구에서는 Navier-Stokes 방정식과 직접모사법을 이용하여 ADN 계열 친환경 추진제에 대해 우주 공간에서의 배기가스 거동을 해석하고 하이드라진과 비교하였다. 이를 통해 향후 ADN 계열 친환경 추진제를 사용하는 위성체 개발 시 설계 검증자료로서 활용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제52권1호
• /
• pp.11-19
• /
• 2019

본 연구에서는 인공위성 및 재분석 자료인 Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM), MOD16의 실제증발산량 산출물을 활용하여 한국수자원조사기술원(Korea Institute of Hydrological Survey, KIHS)에서 관리하고 있는 청미천(cheongmicheon farmland site, CFK)과 설마천(seolmacheon site, SMK) flux tower에서 검증하였고, Triple collocation (TC) 방법을 활용하여 자료간의 불확실성 및 상관성분석을 수행하였다. 플럭스타워와의 검증 결과에서는 전반적으로 GLEAM>GLDAS>MOD16순으로 좋은 결과를 나타내었으며, 세가지 산출물의 조합(S1: flux tower vs. GLDAS vs. MOD16, S2: flux tower vs. GLDAS vs. GLEAM, S3: flux tower vs. GLEAM vs. MOD16)을 통한 TC 결과에서는 청미천(설마천)에서 GLEAM>GLDAS>MOD16>flux tower (GLDAS>GLEAM>MOD16>flux tower)순으로 좋은 결과를 나타내었다. TC 분석 결과에서 Flux tower의 error variance와 correlation coefficient가 상대적으로 좋은 결과를 나타내지 못하였으므로, 한반도 지역에서 인공위성과 재분석 자료(GLDAS vs. GLEAM vs. MOD16)만을 활용하여 TC를 적용하였다. 그 결과, GLDAS와 GLEAM이 한반도 영역에서 낮은 error variance 와 높은 correlation coefficient를 나타낸 반면, MOD16의 경우, 농지에서 낮은 correlation coefficient과 높은 error variance를 나타내었다.