• 대한원격탐사학회지
• /
• 제25권2호
• /
• pp.193-203
• /
• 2009

적설은 지표 에너지수지를 결정하는 중요한 변수중의 하나이다. 위성자료를 이용하여 지면 정보를 산출함에 있어서 적설과 구름을 구분하는 것은 매우 중요한 위성전처리 과정이다. 일반적으로 잘못된 적설과 구름의 분류는 위성자료를 이용한 지면 정보 산출에 있어서 직접적인 오차 요인이 된다. 따라서, 본 연구에서는 원격탐사 자료를 이용하여 적설 지역을 탐지하는 알고리즘에 대해서 연구하고자 한다. 적설역을 탐하지 하기 위해서, 가장 많이 사용되는 정규화 적설 지수(NDSI: Normalized Difference Snow Index)를 사용하지 않고 가시채널과 적외 채널을 이용한 방법을 제시하였다. COMS 기상영상기 (MI: Meteorological Imager) 채널에서는 정규적설 지수 산출 시 요구되는 근적외 채널을 탑재하지 않기 때문이다. 가시 채널을 이용한 적설 탐지는 구름이 혼재되어 있지 않은 지역에서는 잘 탐지하였으나 구름과 혼재되어 있는 지역에서는 어려움이 있다. 이러한 어려움을 보완하기 위해 적외채널 온도차 ($11{\mu}m\;-\;3.7{\mu}m$)를 이용하는 방법을 수행하였다. 온도차를 이용하는 방법은 가시채널만을 적용했을 때 보다는 향상된 탐지 능력을 보인다.

• 한국항행학회논문지
• /
• 제17권6호
• /
• pp.792-797
• /
• 2013

4D 영화는 3D 혹은 일반영상과 함께 물리적인 효과를 추가한 영화이다. 시청자에게 물리적 효과를 제공하기 위해선 각 장면마다 적용할 물리 효과 데이터를 작성해야 한다. 본 논문에서는 영화의 폭발 장면이나 빙설, 적설 장면의 상황을 판단하여 효율적으로 물리효과를 제공할 수 있는 영상 검출 시스템을 제안한다. 제안하는 영상 검출 시스템은 R컬러와 적색차 정보인 $C_r$값을 이용한 화염 검출 알고리즘과 RGB 컬러를 이용한 적설 영역 검출 알고리즘, 8051 계열의 MCU를 사용한 제어시스템으로 구성된다. 성능평가 결과 화염의 경우 91%의 검출율을 보였으며, 적설 영역의 경우 26%의 오검출이 발생하였다. 또한 해당 알고리즘을 통한 자동적인 물리적 효과 제공이 가능함을 보였다.

• 대한원격탐사학회지
• /
• 제33권3호
• /
• pp.287-299
• /
• 2017

칠레에 위치한 남부화산지역(SVZ, Southern Volcanic Zone)에는 화산활동이 매우 활발한 Mt. Villarrica와 Mt. Llaima 화산 있으며, 두 화산은Stratovolcano 형태이고 정상부에 만년설이 존재한다는 공통점이 있다. 본 연구에서는 시계열적으로 활용 가능한 위성영상자료를 활용하여 25년간 두 화산의 만년설의 변화와 화산활동과의 상관관계를 분석하고자 한다. 연구를 위해, 1986년 9월부터 2011년 2월까지 총 60장의 Landsat-5 TM 및 Landsat-7 ETM+자료를 사용하였으며, 위성영상 기반의 NDSI(Normalized Difference Snow Index) 알고리즘과 SRTM DEM을 활용하여 각 영상의 적설 면적 및 설선고도를 추출하였다. 최종적으로 화산활동에 직 간접적으로 영향을 받는 적설변화양상의 정량적 지표가 되는 적설면적, lower-snowline, upper-snowline을 위성영상으로부터 추출하여 각각의 비교 분석을 통해 화산활동 유추 가능성을 확인하였다. 분석 결과, Villarrica화산은 Llaima 화산에서 적설면적이 20 이하일 때, lower-snowline이 1,880m을 이상일 때 55%이상의 확률로 화산 활동이 있었음을 확인 가능하였다. 또한 두 화산의 upper-snowline이 -170m 이하 일 때, 90% 이상의 확률로 화산이 분화하였음을 확인 할 수 있다. 따라서 화산의 적설 변화는 화산활동과 밀접한 상관성이 있으며, 적설을 모니터링하는 것으로 화산활동을 간접적으로 유추하는 것이 가능하다는 것을 밝혀내었다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.286-289
• /
• 2007

This study is to develop a cloud detection algorit1un for COMS and it is currently tested by using MODIS level 2B and MTSAT-1R satellite radiance data. Unlike many existing cloud detection schemes which use a threshold method and traditional statistical methods, in this study a feed-forward neural network method with back-propagation algorit1un is used. MODIS level 2B products are matched with feature information of five-band MTSAT 1R image data to form the training dataset. The neural network is trained over the global region for the period of January to December in 2006 with 5 km spatial resolution. The main results show that this model is capable to detect complex cloud phenomena. And when it is applied to seasonal images, it shows reliable results to reflect seasonal characteristics except for snow cover of winter. The cloud detection by the neural network method shows 90% accuracy compared to the MODIS products.

• 대한공간정보학회지
• /
• 제20권4호
• /
• pp.135-143
• /
• 2012

전조 모니터링, 피해규모 조사, 응급 구조 및 대응, 긴급 복구 등 국가적 재난관리 분야에 주기적으로 지구를 관측하는 원격탐측과 GIS 기반 의사결정 기술의 활용성이 점차 확대되고 있다. 여기에, 광역적이고 준실시간적 대응을 위해 단일 위성센서가 아닌 통합센서가 탑재된 위성의 운용과 각 국가별 우주개발기구간 협력을 통해 다수의 인공위성을 공동 활용함으로써 재난시 적시에 위성영상을 확보하기 위한 여러 방안이 강구되고 있다. 본 연구에서는 지난 2011년 발생했던 국내 폭설재난 대응을 위해 국제재난기구 등 다양한 경로로 수집된 저 고해상도 위성영상을 분석하고 MODIS 영상의 파장대 특성을 고려한 눈지수나 변화탐지 기법을 적용하여 적설지역을 추출하였다. 또한, 작성된 적설분포도와 다양한 공간자료와의 GIS 공간분석을 수행하여 재난상황에서 적시적으로 의사결정을 지원한 국립방재연구원의 현업적용 사례를 제시하였다.

• 한국지구과학회지
• /
• 제33권2호
• /
• pp.139-147
• /
• 2012

몽골의 태양-기상자원지도는 위성자료 및 재분석 자료를 이용하여 개발되었다. 태양복사량은 단층 태양복사모델을 이용하였으며 입력자료는 SRTM, MODIS, OMI, MTSAT-1R 등의 위성관측자료와 전구모델의 재분석자료를 이용하였다. 계산된 결과는 NCEP/NCAR 재분석 DSWRF 자료를 이용하여 계산된 일사량을 검증하였다. 몽골은 서부의 산악지역과 중남부의 사막 및 반사막지대로 이루어져 있으며 대륙 내부에 위치하여 강수량이 적고 맑은 날이 많아 동일 위도상의 다른 지역과 비교하여 높은 일사량이 나타난다. 서부 산악지역은 고도가 높아 태양에너지가 많이 도달되는 곳임에도 불구하고 일사량이 낮게 나타난다. 그 이유는 산악지역에 존재하는 연중 적설이 위성자료의 구름탐지 알고리즘에서 구름으로 오탐지 되기 때문이다. 따라서 청천지수뿐만 아니라 일사량 또한 낮게 계산된다. 남부지역은 상대적으로 높은 가강수량과 에어로솔 광학두께가 나타났으나 다른 지역에 비해 위도가 낮고 청천지수가 높아 일사량이 높게 나타나는 것으로 분석된다. 계산된 월 누적 일사량은 547.59 MJ로써 전 지점에서 약 2.89 MJ로 높게 계산되었으며 상관성은 0.99였고 평방근오차(Root Mean Square Error; RMSE)는 6.17 MJ 이었다. 월별 통계 값을 계산하였을 때 상관성이 가장 높은 월은 10월로 0.94였고 3월은 0.62로 가장 낮게 나타났다.