• 한국토양비료학회지
• /
• 제48권5호
• /
• pp.499-504
• /
• 2015

Decision making by farmers regarding irrigation is critical for crop production. Therefore, the precision irrigation technique is very important to improve crop quality and yield. Recently, much attention has been given to remote sensing of crop canopy temperature as a crop water-stress indicator, because it is a scientifically based and easily applicable method even at field scales. This study monitored a series of time-variant canopy temperature of cucumber under three different irrigation treatments: under-irrigation (control), optimal-irrigation, and over-irrigation. The difference between canopy temperature ($T_c$) and air temperature ($T_a$), $T_c-T_a$, was calculated as an indicator of cucumber water stress. Vapor pressure deficit (VPD) was evaluated to define water stress on the basis of the temperature difference between leaf and air. The values of $T_c-T_a$ was negatively related to VPD; further, cucumber growth in the under- and over-irrigated fields showed water stress, in contrast to that grown in the optimally irrigated field. Thus, thermal infrared measurements could be useful for evaluating crop water status and play an important role in irrigation scheduling of agricultural crops.

• 한국전자통신학회논문지
• /
• 제13권6호
• /
• pp.1353-1364
• /
• 2018

본 연구에서는 불균형 데이터 환경에서 기계학습 기법의 한 갈래인 로지스틱 회귀모형을 이용하여 인공위성 영상에서 Cochlodinium polykrikoides 적조 픽셀을 탐지하는 방법을 제안한다. 학습자료로 적조, 청수, 탁수 해역에서 추출된 수출광량 분광 프로파일을 활용하였다. 전체 데이터셋의 70%를 추출하여 모형 학습에 활용하였으며, 나머지 30%를 이용하여 모형의 분류 정확도를 평가하였다. 이 때, 청수와 탁수에 비해 자료 수가 상대적으로 적은 적조의 분광 프로파일에 백색 잡음을 추가하여 오버샘플링을 하여 불균형 데이터 문제를 해결하였다. 정확도 평가 결과 본 연구에서 제안하는 알고리즘은 약 94%의 분류 정확도를 보였다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.245-256
• /
• 2021

본 연구는 LiDAR 센서의 산림자원조사 적용성 검토를 위하여 제주 절물자연휴양림을 대상으로 삼나무의 개체목 탐지, 흉고직경과 수고를 측정하여 전통적인 산림자원조사와 정확성과 효율성을 비교·분석하였다. 백팩형 지상라이다(Backpack Personal Laser Scanning; BPLS)는 Greenvalley International 사(社)의 Model D50을 사용하였다. 최적의 데이터 수집을 위하여 표준지의 밀도와 작업 효율성을 고려한 LiDAR스캔의 표본추출방법을 7가지로 구분하였다. 분석은 개체목 변수 측정의 정확성을 파악하고 요소작업별 시간과 전체 분석시간을 조사하여 효율성을 평가하였다. 분석 결과, 백팩형 지상라이다를 이용한 입목 탐지율은 모든 패턴이 100%로 나타났다. 정확성은 패턴5(흉고직경: RMSE: 1.07 cm, Bias: -0.79 cm, 수고: RMSE: 0.95 m, Bias: -3.2 m)와 패턴7(흉고직경: RMSE: 1.18 cm, Bias: -0.82 cm, 수고: RMSE 1.13 m, Bias: -2.62 m)이 현장조사 방법으로 얻은 결과와 비교하였을 때 통계적 정확성이 높은 결과를 보였다. BPLS와 현장조사를 이용하여 1 ha의 데이터를 처리하는데 걸린 시간을 환산한 결과 BPLS는 약 115분~135분이 소요되며, 현장조사방법은 375분~1,115분으로 BPLS를 이용한 방법이 더 효율적인 것으로 나타났다. 따라서 하층식생이 적고 비교적 관리가 잘 된 인공 침엽수림에서는 BPLS 장비를 활용하여 효율적인 산림자원조사가 가능하며, 앞으로 다양한 임분 조건에서 적용 가능성을 분석할 필요가 있다고 판단된다.

• 대한원격탐사학회지
• /
• 제31권6호
• /
• pp.531-548
• /
• 2015

위성영상을 이용하여 산출된 대기운동벡터(AMV)와 라디오존데 바람 관측 자료를 이용한 검증결과는 산출된 AMV가 지속적으로 관측 자료에 비해서 풍속이 약하게 나타나는 Slow Speed Bias(SSB)를 보여 주었다. 이러한 SSB는 표적추적, 표적선정, 그리고 고도할당 단계의 오차에 의해 야기될 수 있으며, 이 중 고도할당 단계의 오차는 SSB를 발생시키는 주된 요인으로 여겨진다. 그러나 최근 연구에서는 고도할당 단계의 개선만으로는 SSB 문제를 해결하는데 한계가 있음을 밝혔다. 그러므로 본 연구에서는 새로운 표적추적 알고리듬을 개발하여 SSB를 감소시킴으로서 기상청 현업 AMV 알고리듬의 성능을 개선하고자 하였다. 표적추적 단계의 오차는 표적 내에 다양한 시 공간 규모의 바람이 포함되어 벡터가 과도하게 평균된 움직임으로 계산되거나, 구름이 추적 시간동안 형태를 유지하지 못하고 변형되는 경우에 발생한다. 이러한 문제를 해결하기 위해 개발된 표적추적 알고리듬에서는 가우시안 군집분석(GMM)을 이용하여 변형이 적고 추적에 용이한 저온 군집을 표적으로 재선정하고, 이미지를 변형시켜 군집의 움직임을 보다 쉽게 추적할 수 있게 하였다. 또한 표적을 추적하기 위한 방법으로 거리제곱합 방법을 사용하였다. 개발된 알고리듬과 기존 COMS 알고리듬을 천리안 위성의 적외채널 영상에 적용하여 AMV를 산출하였으며, 이를 라디오존데 관측 자료와 비교 검증해 보았다. 제안된 알고리듬으로 산출된 AMV는 기존 알고리듬으로 산출된 AMV보다 평균 풍속이 $2.7ms^{-1}$증가함에 따라 SSB가 평균 29%까지 감소하는 개선된 결과를 보여주었다. 그러나 개발된 알고리듬으로 산출된 AMV는 중 하층의 정확도가 감소하였고, 기존 알고리듬에 비해 산출되는 AMV 벡터수가 약 40%까지 감소함을 보였다. 이에 따라 중 하층의 정확도 개선과 기존의 알고리듬과 비교하여 산출되는 벡터 개수가 감소하는 문제를 보완하기 위한 연구가 필요할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.251-267
• /
• 2021

원격 탐사 기반의 식생지수들은 광합성을 조절하는 식물생리적 특성과 경험적 상관관계를 보이며, 여러공간 규모에서의 총일차생산량(GPP) 추정에 활용되고 있다. 하지만 시간 해상도가 높아질수록 식생지수를 이용한 GPP 추정의 불확실성이 커지는 한계가 존재한다. 또한 식생지수 관련 분석에 주로 사용되는 에디공분산법을 이용하여 추정한 GPP 역시 실제 측정한 순생태계교환량(NEE)을 GPP와 생태계 호흡(RE)으로 배분하는 데 사용하는 방법에 따라 추정값이 달라지는 불확실성이 존재한다. 본 연구에서는 플럭스 타워가 설치된 네 곳의 농림생태계를 대상으로 근지표에서 관측한 식생의 분광 특성을 이용한 다양한 식생지수를 계산하였고, 이를 다양한 시간 해상도에서 GPP 추정에 적용가능한 지를 분석하였다. 동시에 이를 이용하여 NEE 배분 방법의 불확실성을 평가하였다. 비교에 사용한 정규식생지수, 개량식생지수, 적외반사식생지수(NIRv)에 비해 적외반사식생지수와 광합성유효광(PAR)을 결합한 NIRvP이 식생 및 지형 조건에 의한 공간 이질성으로 인해 관측지에 따라 약간의 차이가 나타났지만, 농경지와 산림에서 모두 30분과 일 단위 시간 해상도에서 GPP와 높은 상관성(r² = 0.63, 0.68)을 보였다. 또한 기존 KoFlux 표준 NEE 배분방법에 비해 기계학습 기반의 NEE 배분 방법을 적용할 경우, 산림에서 30분 단위의 GPP와 NIRvP 사이의 상관성이 향상되었지만, 일 단위에는 그 차이가 크지 않았다. 하지만 광조건 이외에 다른 요인에 의해 광합성이 제한되는 경우 NIRvP와 GPP 간의 상관성이 떨어져 NIRvP를 이용해 실제 배분 결과를 직접 평가하긴 어려웠으며, 주로 광 조건에 의해 광합성이 제한되는 흐린 날의 경우 NEE 배분 정확도를 평가할 수 있는 가능성이 존재하였다. 그러나 높은 시간해상도의 Vis 기반의 GPP 추정이 의미를 가지려면, VIs와 GPP간의 경험적 관계를 넘어서는 시스템 사고 및 자기-조직화와 관련된 복잡계 기반의 분석 방법이 요구된다.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1827-1836
• /
• 2022

재난은 돌발적으로 발생하여 예측하기가 쉽지 않고 그 규모도 과거에 비해 커지고 있어 피해가 증가하고 있으며, 하나의 재난이 2차 재난으로 발전하는 경우가 많다. 재난관리의 4가지 단계 중 응급상황이 발생하는 대응단계에서 행해지는 수색과 구조 과정에서, 현장에 투입되는 인원들은 많은 위험을 감수하고 현장에 투입되고 있다. 이러한 점에서 로봇은 재난현장의 초기 대응과정에서 인명 및 재산의 피해를 줄일 수 있는 가능성이 높은 기술이다. 또한, Light Detection And Ranging (LiDAR)는 레이저를 이용하여 비교적 넓은 범위의 3차원 정보를 획득하고 정확도 및 정밀도가 높아 재난 현장의 특징을 생각할 때 매우 유용한 센서이다. 이에 본 연구에서는 로봇이 재난 현장에서 활용될 수 있도록 LiDAR와 Inertial Measurement Unit (IMU) 센서에 실시간 모니터링을 위한 컴퓨팅 보드를 결합하여 하나의 다중센서모듈 및 조사로봇 맞춤형 Simultaneous Localization and Mapping (SLAM) 알고리즘을 개발하였다. 다중센서모듈이 재난 현장에서 최적의 정확도를 유지할 수 있도록 조사로봇에 안정적으로 탑재하는 방안에 대해 연구하였고, 모듈의 성능을 확인하기 위해 재난건축물 실내에서 SLAM 맵핑을 수행하여 다양한 SLAM알고리즘과 거리 비교를 수행하였다. 그 결과, 본 연구에서 개발한 PackSLAM이 낮은 오차를 나타내어 활용 가능성을 보였다. 향후 재난현장에서의 적용성을 더욱 높이기 위해 장애물이 많은 험지환경을 구축하여 다양한 실험을 수행할 예정이다.

• 한국지리정보학회지
• /
• 제27권2호
• /
• pp.34-44
• /
• 2024

최근 기후변화로 인한 이상기후로 인해 홍수, 산사태, 토사 유출과 같은 자연재난의 피해가 급증하고 있다. 우리나라는 국토의 63% 이상이 산지라는 지형적 특성 때문에 사면 재해에 취약하며, 특히, 토석채취지는 소단형성 과정에서 흙과 암석을 채굴하기 때문에 산사태가 발생할 확률이 높으며, 사업장 내부 뿐만 아니라, 외부까지 재해발생 위험이 높은 지역이다. 이에 따라, 본 연구는 토석채취지의 모니터링을 위해 UAV와 항공LiDAR를 활용하여 DEM을 구축하고 시계열 변화 분석을 수행하였으며, 토석채취지 모니터링을 위한 최적의 DEM 구축방법을 제안하였다. DEM 구축을 위해 UAV와 LiDAR 기반 Point Cloud 구축하고 Aggressive Classification(AC), Conservative Classification(CC), Standard Classification(SC) 등 세가지 알고리즘을 활용하여 지면부를 추출하였다. 알고리즘에 따라 구축한 UAV 및 LiDAR기반 DEM은 수치지형도 기반 DEM과의 비교를 통해 정확도를 평가하였다. 정확도 평가 결과, 알고리즘 방법간의 높이 차는 최대 1 m 내외로 차이가 거의 없었다. 또한, 음영기복도를 활용한 지면부의 질감을 시각적 비교해보았을 때 CC 알고리즘의 성능이 가장 우수하였으며, 산림지역에서 LiDAR 기반 DEM이 높은 정확도를 보였다. 구축한 최적의 DEM을 통해 토석채취지의 시계열 변화량을 비교한 결과, 토석채취지역, 소단 형성지역 등 시계열 변화에 따른 토석채취지의 변화지역 탐지가 가능하였다.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.265-282
• /
• 2022

해수면 온도(Sea surface temperature, SST)는 지구시스템에서 해양의 순환과 생태계에 큰 영향을 주는 요소이다. 지구온난화로 한반도 근해 해수면 온도에 변화가 생기면서 이상 수온(고수온, 저수온) 현상이 발생하여 해양생태계와 수산업 피해를 지속적으로 발생시키고 있다. 따라서 본 연구는 한반도 근해 해수면 온도를 예측하여 이상 수온 현상 예측으로 피해를 예방하는 방법론을 제안한다. 연구 지역은 한반도 근해로 설정하여 동시간대 해수면 온도 데이터를 사용하기 위해 Europe Centre for Medium-Range Weather Forecasts (ECMWF)의 ERA5 자료를 사용하였다. 연구방법으로는 해수면 온도 데이터의 시계열 특징을 고려하여 딥러닝 모델 중 시계열 데이터 예측에 특화된 Long Short-Term Memory (LSTM) 알고리즘을 이용하였다. 예측 모델은 1~7일 이후 한반도 근해 해수면 온도를 예측하고 고수온(High water temperature, HWT) 혹은 저수온(Low water temperature, LWT) 현상을 예측한다. 해수면 온도 예측 정확도 평가를 위해 결정계수(Coefficient of determination, R²), 평균제곱근 편차(Root Mean Squared Error, RMSE), 평균 절대 백분율 오차(Mean Absolute Percentage Error, MAPE) 지표를 사용하였다. 예측 모델의 여름철(JAS) 1일 예측 결과는 R²=0.996, RMSE=0.119℃, MAPE=0.352% 이고, 겨울철(JFM) 1일 예측 결과는 R²=0.999, RMSE=0.063℃, MAPE=0.646% 이었다. 예측한 해수면 온도를 이용하여 이상 수온 예측 정확도 평가를 F1 Score로 수행하였다(여름철(2021/08/05) 고수온 예측 결과 F1 Score=0.98, 겨울철(2021/02/19) 저수온 예측 결과 F1 Score=1.0). 예측 기간이 증가하면서 예측 모델이 해수면 온도를 과소추정하는 경향을 보여주었고, 이로 인해 이상 수온 예측 정확도 또한 낮아졌다. 따라서, 향후 예측 모델의 과소추정 원인을 분석하고 예측 정확도 향상을 위한 연구가 필요할 것으로 판단된다.

• 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.