• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.

• Ecology and Resilient Infrastructure
• /
• 제8권2호
• /
• pp.79-87
• /
• 2021

하천의 하안 생태계에서 식생, 수문 및 지형 사이에 상호작용이 활발하다. 이들 중 하나의 요인의 작은 변화가 다른 두 요인에 큰 영향을 미칠 수 있다. 본 연구에서는 2020년 여름 극심한 홍수로 큰 피해를 입은 섬진강의 선정된 조사지 (가정 2 개 및 하한 2 개)에서 이러한 아이디어를 평가하였다. 특히 원격탐사, 수리 모의, 현장 조사를 결합하여 대홍수시 하안식생과 수리 특성 간의 관계를 조사하였다. 섬진강 조사구간에 위치한 예성교 수위관측소 (영점표고 EL. 27.4 m)에서의 수위는 2020년 8월에 극심한 강우에 의하여 표고 43.1 m까지 상승하였다. 최대 홍수위에서 가정과 하한 조사지의 전단응력은 가정보다 하한에서 4 배 더 높았다. 또한 하안식생이 없을 조건보다 식생이 있는 경우에 대홍수시 수위가 수위가 지점에 따라 최대 1m 정도 상승할 것으로 추정되었다. 조사구간 두 곳 모두에서 대홍수에 의하여 식생 분포면적의 78-80%가 나지로 바뀌면서 광범위한 생물학적 피해를 입었다. 상수리나무와 수고가 낮은 버드나무에 비하여 수고가 높은 버드나무류가 심한 피해를 받았다. 이러한 결과는 모든 하안식물종이 극심한 홍수에 대해 동일한 취약성을 가지고 있지 않으며, 교란에 대해 동일한 종류의 피드백을 나타내지 않는다는 것을 의미한다. 따라서 하안식생의 수목을 효과적으로 관리하는 동시에 의도하지 않게 야기할 수 있는 홍수위험을 최소화하기위한 하천관리 계획이 요청된다.

• 한국수자원학회논문집
• /
• 제55권8호
• /
• pp.623-634
• /
• 2022

하천 주변 친수구역 조성, 4대강 사업 등과 같은 하천정비 사업으로 인해 하천의 흐름특성은 계속적으로 변동하고 있으며, 각종 오염물질 유입으로 인한 수질사고의 위험이 높아지고 있다. 수질사고 발생시 하천의 흐름특성을 고려해 오염물질의 농도 및 도달시간을 예측해 신속한 방제작업으로 하류로의 영향을 최소화해야한다. 이러한 오염물질의 거동을 추적하기 위해서는 하천의 구간별 확산계수, 분산계수 산정이 필요하며 그중 분산계수는 용존성 오염물질의 확산범위 해석에 사용된다. 오염물질의 거동을 추적하기 위한 기존 실험적 연구사례들은 많은 인력과 비용이 소요되고, 한정적인 장비의 운용으로 공간적으로 높은 해상도의 자료 취득이 어려웠다. 최근에는 RGB드론을 이용한 오염물질의 추적연구가 수행되었지만, RGB영상 역시 분광정보를 한정적으로 수집한다는 한계가 있다. 본 연구에서는 기존 연구들의 한계점들을 보완하기 위해 드론을 활용한 원격탐사 플랫폼에 초분광센서를 탑재하여 기존 접촉식 측정보다 시간적, 공간적으로 고해상도의 자료를 수집하였다. 수집된 시공간(Spatio-temporal) 초분광영상을 활용해 추적자의 농도를 산정하고, 횡분산계수를 도출하였다. 향후 연구를 통해 드론 플랫폼의 한계를 극복하고, 분산계수 산정 기술을 고도화하면 수계로 유출되는 각종 오염물질의 감지 및 다양한 수질항목 및 하천인자의 변화량 감지가 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권3호
• /
• pp.363-370
• /
• 2023

다양한 지구관측위성은 발사 후 정확한 고품질의 자료를 제공하는 것이 중요하다. 위성 자료 품질을 유지 및 보완하기 위해서는 서로 다른 센서 차이를 고려하는 spectral band adjustment factor (SBAF)를 활용한 교차 검보정 과정이 필요하다. 따라서 본 연구에서는 pseudo-invariant calibration sites 중 Libya4, Algeria3, Mauritania2 에서 수집한 Landsat-8, Sentinel-2A 위성 영상을 활용하여 SBAF 산출 및 적용을 통해 밴드 대역 폭 차이로 인해 발생하는 불확실성을 조정하였다. 두 위성 모두 Blue, Green, Red를 포함하고 Sentinel-2A의 경우 near-infrared (NIR) narrow와 NIR 두 가지 밴드 모두에 SBAF를 적용하여 밴드대역폭 유사도에 따른 반사도 차이를 정량적으로 비교하였다. SBAF 적용 후, NIR을 제외한 모든 밴드(Blue, Green, Red, NIR narrow)에서 1% 내외의 반사도 차이로 유의미한 결과가 나타났다. Sentinel-2A NIR 밴드의 경우 밴드대역폭 차이가 NIR narrow에 비해 크게 나타났지만, SBAF 적용 후에 반사도 차이가 허용 오차범위인 5%와 1-2% 차이로 SBAF 적용이 가능한 것으로 나타났다. 따라서, 위성 활용이 제한적인 상황에서 두 센서의 밴드대역폭 차이가 큰 경우에도 SBAF를 적용할 수 있다고 판단하였고 위성 자료의 품질 및 연속성을 활용하는 연구에 도움이 될 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권3호
• /
• pp.283-295
• /
• 2023

센서 및 위성 기술의 발전에 따라 전세계적으로 다양한 고해상도 다중대역 위성영상이 활용 가능해지고 있다. 다중대역 센서가 가지는 파장에 기인한 고유한 반사, 투과, 산란 특성에 따라 다중대역 위성영상은 지구 관측에 대한 다양한 상호보완적 지표정보를 제공한다. 특히, short-wave infrared (SWIR) 대역은 긴 파장으로 인해 가시광 대역에 비해 Rayleigh 산란에 적게 영향을 받으며, 이로 인해 특정 대기입자를 투과할 수 있다는 특징을 지닌다. 산불, 폭발 등에 의해 발생된 짙은 연기는 가시광 대역의 영상의 가시성을 저하시키고 일부 지역에 대한 지표를 차폐시키는데, SWIR 대역은 이러한 연기에 의해 가려진 지역에 대한 지표정보를 추가로 제공해주기도 한다. 본 연구에서는 이러한 SWIR 대역과 가시광 대역의 영상 정보를 융합하는 다중해상도 변환 기반의 영상 융합 기법을 제안하였다. 제안된 융합 기법의 목적은 상호보완적 관계에 있는 가시광 대역에서의 고해상도 세부적 배경정보와 SWIR 대역에서의 연기 지역에 대한 지표정보를 모두 내포하고 있는 단일 영상을 생성하는 것이다. 이를 위해 본 연구에서는 라플라시안(Laplacian) 피라미드 기반의 다중해상도 변환 기법을 가시광-SWIR 영상 융합에 적용하였다. 다중해상도 변환 기법은 영상 융합에 널리 활용되는 대표적인 영상분해 기반의 방법론으로, 각각의 원 영상을 다양한 스케일로 분해하여 융합하는 기법이다. 또한, 본 연구는 다중해상도 변환 기법에 haze-guided weight map을 융합한 방법론을 제안하였다. Haze-guided weight map은 SWIR 대역이 연기와 같은 특정 대기입자를 투과하여 지표에 대한 정보를 제공해줄 수 있다는 사전지식에 기반하여 제안된 알고리즘으로 다중해상도로 분해된 두 영상을 융합하는 기준이 되는 가중치 지도로써 활용되었다. 제안된 방법론은 가시광 및 SWIR 대역을 포함하고 있는 고해상도 다중대역 위성영상인 Worldview-3 위성영상을 활용하여 검증되었다. 실험 데이터는 주변 산불로 인해 연기가 발생하여 제한된 가시성을 지닌 연기 지역을 포함하고 있으며, 제안된 방법론의 투과 특성을 검증하기 위해 선정되었다. 제안된 기법에 대한 실험결과는 영상 품질 평가 지표를 활용한 정량평가 및 시각평가를 통해 분석되었으며, 결과분석을 통해 연기 지역에 대한 지표정보를 내포하는 SWIR 대역의 밝은 특징값과 가시광 대역 내의 고해상도 정보가 손실없이 최종 융합 영상에 내포됨을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.247-253
• /
• 2023

최근 기후변화 문제가 심각해짐에 따라 이산화탄소(carbon dioxide, CO₂) 배출량 감소를 위한 CO₂ 배출량 역학 위성자료를 기반으로 파악하는 연구가 진행되고 있다. 또한 수치로 제공되는 CO₂ 배출량을 추정 및 매핑(mapping)하여 공간적인 패턴을 분석하는 것은 매우 중요하다. 따라서 본 연구에서는 2013년부터 2020년까지 한반도의 CO₂ 배출량을 추정 및 매핑하였다. CO₂ 배출량을 공간적으로 추정 및 매핑하기 위해서 야간 조도(nighttime light, NTL)와 식생지수를 결합한 지수 enhanced vegetation index adjusted nighttime light index를 사용하여 NTL이 관측된 지역과 관측되지 않은 지역 모두를 매핑하였다. 공간적으로 CO₂ 배출량을 추정 및 매핑하기 위해 한반도의 연간 총 배출량을 계산한 결과 2013년부터 2017년까지 11% 증가, 2017년부터 2020년까지 13% 감소하였다. 매핑 결과로 한반도 CO₂ 배출량 공간적 패턴이 도심지에 집중되어 있는 것을 확인하였다. 지역별 증가와 감소를 분석하기 위해 도심지를 포함한 17개의 지역으로 나눈 결과로는 수도권에서 한반도 CO₂ 배출량의 약 40%를 차지하고, 2013년 대비 2020년에 가장 큰 변화를 보이는 지역은 세종시가 96% 증가를 나타내고 있다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.169-181
• /
• 2023

최근 지구온난화의 주원인인 이산화탄소(carbon dioxide, CO₂)의 배출량을 줄이기 위하여 한국은 탄소 배출량 감축목표와 탄소 중립을 선언하였으며, 이에 따른 지역별 배출량과 대기 중 CO₂ 농도의 정확한 평가가 중요해지고 있다. 본 연구에서는 Orbiting Carbon Observatory-2 위성자료와 CO₂ 배출량 자료를 활용하여 위성기반 대기 중 CO₂ 농도와 배출량의 시공간적 차이를 확인하고, 이러한 차이를 식생 성장에 따른 광합성 반응지수인 태양유도 엽록소 형광(solar-induced fluorescence, SIF)을 이용하여 설명하고자 하였다. 2014년부터 2018년까지 한국 지역에서 환경부 온실가스종합정보센터(Greenhouse Gas Inventory and Research Center, GIR) 및 Emissions Database for Global Atmospheric Research (EDGAR) 배출량은 지속적으로 증가하였지만, 위성에서 관측된 CO₂ 농도는 2018년에 전년 대비 감소하는 것으로 나타났다. 지역적으로 살펴보면 경기도, 충청북도는 2018년에 GIR, EDGAR 배출량이 증가하였지만 CO₂ 농도는 감소하였다. 또한, 배출량과 위성관측 CO₂ 농도의 상관성분석에서 서울과 강원도 지역에서 각각 0.22 (GIR), 0.16 (EDGAR)으로 낮은 상관성을 보였다. 대기 중 CO₂ 농도는 SIF와 지역별로 상이한 상관관계를 보였는데, 5~9월의 CO₂-SIF 상관성분석에서 서울과 경기지역은 -0.26의 음의 상관계수를, 충청북도와 강원도는 0.46의 양의 상관계수를 보이며 CO₂ 흡수와 대기 중 농도의 관계성이 지역별로 차이가 있음을 밝혔다. 따라서 대기 중 CO₂ 농도와 배출량 사이의 관계성을 분석함에 있어 CO₂ 흡수 과정에 대한 고려가 필요하다는 것을 시사한다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.129-142
• /
• 2023

본 연구는 2018년 4월부터 2022년 4월까지 Orbiting Carbon Observatory-2/3의 건조공기 이산화탄소 몰분율(column-averaged carbon dioxide dry-air mole fraction, XCO₂) 자료와 TROPOspheric monitoring instrument의 일산화탄소(carbon monoxide, CO) 및 이산화질소(nitrogen dioxide, NO₂) 연직컬럼농도(본 연구에서 XCO, XNO₂로 명명) 자료를 활용하여 한국과 중국의 도시 및 권역에 대해 CO와 CO₂, CO와 NO₂의 비율을 분석하고, 사회경제적 지표(인구, 차량 등록 대수, 지역내총생산)와 비율의 관계, 한국과 중국에서의 특성 차이를 제시하였다. 먼저 CO₂, CO 그리고 NO₂ 세 기체상 물질의 대기 중 체류시간 차이로 CO₂, CO는 배경값과 추세선을 제거한 ΔXCO₂, ΔXCO로 분석하였다. 지역별로 세 값을 비교한 결과 ΔXCO, ΔXCO₂는 중국 지역이 XNO₂는 한국 지역이 상대적으로 높은 값을 보였으며, 두 값의 비율(ΔXCO/ΔXCO₂, ΔXCO/XNO₂) 모두 한국보다 중국에서 높은 것으로 나타났다. ΔXCO/ΔXCO₂, ΔXCO/XNO₂와 사회경제적 지표는 양의 상관관계를 보였으며, 이는 도시 규모가 크고 경제활동이 활발할수록 대기오염기체 및 온실기체의 농도가 높다는 점을 시사한다. 한국과 중국의 비율 특성 차이를 분석하기 위해 두 나라의 지역별로 분석한 ΔXCO와 ΔXCO₂ 관계는 한국은 음의 관계성을 중국은 양의 관계성을 나타냈다. ΔXCO와 XNO₂의 상관성을 여름과 겨울에 대해 각각 살펴본 결과, 한국은 계절에 따른 ΔXCO 증감이 크지 않은 것에 비해 중국은 북동부 지역을 중심으로 계절에 따른 ΔXCO와 XNO₂의 증감이 크게 나타나며 관계성의 차이를 보였다. 이는 온실기체와 대기오염기체의 비율을 분석할 때, 계절 변동성 및 국가별 배출 특성을 감안해야 함을 시사한다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.