• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.144-144
• /
• 2022

Identifying waterbody from remote sensing images, namely water detection, helps understand continuous redistribution of terrestrial water storage and accompanying hydrological processes. It also allows us to estimate available surface water resources and help effective water management. For this problem, NDWI (Normalized Difference Water Index) and MNDWI (Modified Normalized Difference Water Index) are widely used. Although remote sensing indexes can highlight remote sensing image in the water, the noise and the spatial information of the remote sensing image are difficult to be considered, so the accuracy is difficult to be compared with the visual interpretation (the most accurate method, but it requires a lot of labor, which makes it difficult to apply). In this study, we attempt to improve existing NDWI and MNDWI to better water detection. We establish waterbody database of South Korea first and then used it for assessing waterbody indices.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.901-912
• /
• 2022

전 세계적인 기후변화로 재해발생빈도가 증가하고 있으며, 국내에서도 이례적인 폭우 및 장마현상이 발생되고 있다. 이러한 기상이변현상은 가뭄, 홍수 등으로 이어져 2차피해를 유발할 수 있으므로 주기적인 모니터링과 신속한 탐지가 중요하다. 수체탐지를 위하여 광학영상을 활용한 연구가 지속적으로 이루어지고 있으나, 폭우를 동반하여 발생하는 홍수를 탐지하기 위해서는 구름의 영향으로 탐지하기 어렵다는 한계를 대변하기 위해 전천후 주야에 관계없이 관측가능한 합성개구레이더(synthetic aperture radar, SAR)를 활용한 연구가 필요하다. 본 연구에서는 개방데이터로서 24시간 이내에 수집 가능한 Sentinel-1 SAR 영상을 활용하여 최근 다양한 분야에서 활용되고 있는 딥러닝 알고리즘인 UNet을 적용하였다. 선행연구에서 SAR영상과 딥러닝 알고리즘을 이용하여 수체탐지 연구가 진행되고 있지만, 국내를 대상으로 소수의 연구만이 진행되었다. 따라서 SAR 영상의 딥러닝 적용가능성을 파악해보고자 UNet과 기존의 알고리즘인 임계값(thresholding) 방법을 비교하였으며, 5가지 지수와 Sentinel-2 normalized difference water index (NDWI)로 평가하였다. Intersect of union (IoU)로 정확도를 평가해 본 결과 UNet은 0.894, 임계값 방법은 0.699로 UNet의 정확도가 높은 것을 확인할 수 있었다. 본 연구를 통해 딥러닝 기반 SAR영상의 적용가능성을 확인할 수 있었으며, 고해상도의 SAR영상과 딥러닝 알고리즘을 적용한다면, 국내를 대상으로 주기적이고 정확한 수체의 변화탐지가 가능할 것이라 기대된다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1207-1214
• /
• 2021

본 논문에서는 미계측 저수지에 대한 저수지 면적 계산을 위하 Sentinel-2 광학 위성 영상을 기반으로 한 원격 수체 탐지를 수행하는 과정에서 구름의 영향을 배제할 수 있는 기술을 개발하고, 이에 대한 활용성 확인을 위해 대표적인 미계측 저수지인 북한 황강댐 저수지에 적용해보았다. 원격 수체 탐지 기술은 가장 먼저 탐지 대상 저수지가 포함된 Sentinel-2 위성 자료의 구름 경계 정보와 저수지 경계를 비교하여 구름 차폐 비율을 계산하고, 그 값이 일정 값을 넘지 않는 자료를 선정한다. 그 후, 선정한 영상을 이용해 NDWI (Normalized Difference Water Index)를 계산해 대상 저수지 경계 내에서 수체로 간주할 수 있는 NDWI 값을 지니는 격자 수를 구하고 구름 차폐 비율을 이용해 보정하는 것으로 저수지의 수체 면적을 계산한다. 이를 토대로 황강댐 저수지에 대한 자료를 선정하기 위한 구름 차폐 비율 기준을 결정하기 위해 2018년 7월부터 2021년 10월까지의 자료에 적용해본 결과, 구름 차폐 비율 기준을 10%로 설정했을 때 구름으로 인한 왜곡이 크게 발생한 탐지 결과가 충분히 걸러지는 것을 확인하고, 총 220개 영상 중 수체면적 변화를 확인할 수 있는 114개의 황강댐 저수지 면적 계산 결과를 얻을 수 있었다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.793-810
• /
• 2022

실시간 범람 모니터링을 위해 인공위성 SAR영상을 활용하는 수체탐지에 대한 필요성이 대두되었다. 주야와 기상에 상관없이 주기적으로 촬영 가능한 인공위성 SAR 영상은 육지와 물의 영상학적 특징이 달라 수체탐지에 적합하나, 스페클 노이즈와 영상별 상이한 밝기 값 등의 한계를 내포하여 다양한 시기에 촬영된 영상에 일괄적으로 적용 가능한 수체탐지 알고리즘 개발이 쉽지 않다. 이를 위해 본 연구에서는 Convolutional Neural Networks (CNN)기반 모델인 U-Net 아키텍처에 레이어의 조합인 모듈을 추가하여 별도의 전처리 없이 수체탐지의 정확도 향상 방법을 제시하였다. 풀링 레이어의 조합을 활용하여 형태학적 연산처리 효과를 제공하는 Morphology Module과 전통적인 경계탐지 알고리즘의 가중치를 대입한 컨볼루션 레이어를 사용하여 경계 학습을 강화시키는 Edge-enhanced Module의 다양한 버전을 테스트하여, 최적의 모듈 구성을 도출하였다. 최적의 모듈 버전으로 판단된 min-pooling과 max-pooling이 연속으로 이어진 레이어와 min-pooling로 구성된 Morphology 모듈과 샤를(Scharr) 필터를 적용한 Edge-enhanced 모듈의 산출물을 U-Net 모델의 conv 9에 입력자료로 추가하였을 때, 정량적으로 9.81%의 F1-score 향상을 보여주었으며, 기존의 U-Net 모델이 탐지하지 못한 작은 수체와 경계선을 보다 세밀하게 탐지할 수 있는 성능을 정성적 평가를 통해 확인하였다.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.363-375
• /
• 2024

위성영상을 활용한 수체 변화 탐지 및 그 변화 연구가 최근 국내에서 여러 지역에 대해 다종 센서 적용으로 다양하게 이루어지고 있다. 본 연구에서는 Google Earth Engine (GEE) 기반 Landsat 및 Sentinel-2 광학 위성영상을 사용하여 국내에 계측 운영되고 있는 중소규모 용수댐 및 농업용 저수지 각 2개소, 총 4개소에 대한 장기 수표면적 변화 분석과 이의 실제 계측 수위 및 저수율 자료, 수표면적과의 관계식 등을 이용하여 산정된 결과와의 비교 검증 및 그 수체 변화 적용에 있어서의 활용성 평가를 용수댐 19개년, 농업용 저수지 27개년의 기간에 대하여 각각 수행하였다. 그 결과 저수지별 수표면적은 적용된 정규수분지수(normalized difference water index), Canny Edge Detection의 이미지 분석 방법과 Otsu 수체 구분 경계설정 등을 통해 안정적으로 추출이 가능하였으며, 수체의 연중 뚜렷한 변화 양상을 비교적 잘 분석해 낼 수 있는 것으로 확인이 되었다. 이렇게 분석된 수표면적 시계열 자료를 실측 수위를 바탕으로 변환된 면적과 비교, 상관성 분석을 실시한 결과에서는 용수댐의 경우 그 계수가 0.8 이상으로 높은 상관성이 확인된 반면, 농업용 저수지의 경우는 0.5~0.7 수준으로 다소 낮은 결과를 보였다. 이는 농업용 저수지 운영 특성에 의한 결과로 위성영상의 분석보다는 비교할 대상의 자료가 제대로 확보되지 못한 점에 기인했다. 아울러 규모가 작은 저수지의 분석 결과에도 여러 불일치 구간이 존재해 향후 연구에서 소규모 저수지에 대한 추가적 선정 분석도 필요한 것으로 판단되었다. 이렇게 GEE를 통해 산정, 검토된 수표면적 변화는 저수지에 있어 수위 계측만으로는 파악할 수 없는 유역 전반의 수체 변화에 대한 공간적 정보로서 유용하게 활용될 수 있으며, 또한 장기간의 방대한 위성영상 자료를 효율적으로 처리할 수 있다는 점에서 그 활용성을 확인할 수 있었다. 이를 바탕으로 향후 보다 다양한 크기 및 형상, 그리고 계측, 미계측 등 많은 개수의 댐 저수지에 대해 적용하여 저수지 군별 추가적인 연구 결과도 도출할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권2호
• /
• pp.153-166
• /
• 2022

저수량은 가용한 수자원의 양을 가장 직접적으로 나타내는 인자중의 하나이다. 또한 가뭄의 영향을 보다 직관적으로 나타낼 수 있으므로, 가뭄 평가를 위한 연구에서도 다양하게 활용되고 있다. 최근에는 광학영상으로 저수면적을 관측하고, 또 이를 활용한 수문학적 가뭄지수인 RADI가 개발되기도 하였다. 인공위성을 통해 얻을 수 있는 광학영상은 관측주기가 뛰어나 많은 양의 자료를 획득할 수 있으나, 구름 등 기상과 대기환경에 의한 영향에 취약하여 실제 활용에서는 다소 한계가 있다. 이에 본 연구에서는 기상이나, 관측시간대와 상관없이 영상을 획득할 수 있는 SAR 영상을 활용한 가뭄지수 산정 연구를 수행하고자 하였다. Sentinel-1 위성의 SAR 영상을 활용하여 충북 진천군에 위치한 백곡, 초평저수지의 저수면적을 탐지하여, RADI를 산정하여 지역규모 가뭄 모니터링을 수행하였다. RADI는 실측 저수량을 기반으로 한 RSDI와 비교, 검증하였다. RADI는 RSDI와 상관계수 r=0.87, ROC의 밑면적 AUC=0.97로 매우 높은 상관 관계를 보여주었다. 이 결과는 SAR 기반 RADI의 지역규모 수문학적 가뭄 모니터링의 가능성을 보여주며, 추후 가용 SAR 영상의 종류가 늘어나고, 재방문주기가 단축될 것이므로 가뭄 모니터링에 대한 활용성이 증대될 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제54권7호
• /
• pp.535-544
• /
• 2021

농업용수는 용수수요의 48%를 차지하고 있으며, 농업 유역내의 유량관리를 위해서는 농업저수지의 관리가 중요하다. 효율적인 농업용수의 활용을 위해서는 농업저수지 및 농업 유역 내 수자원의 분포를 모니터링 할 수 있는 기술이 요구된다. 이에 본 연구에서는 2018년부터 2020년까지 3년간의 Sentinel-1 영상을 활용하여 지상의 수체를 탐지하기 위한 임계값 결정 방법 세 가지(고정 임계값, Otsu 임계값, Kittler-Illingworth (KI) 임계값)을 비교하여, 정확한 저수면적을 산정하기 위한 임계값 결정 방법을 평가하고자 하였다. 또한 이동, 고삼, 기흥저수지에서 저수면적과 저수량의 관계를 분석하여, SAR 영상 기반의 저수량을 산정하였고 지상관측 자료와의 검증을 수행하였다. 수체를 탐지하기 위한 임계값 결정 방법은 KI 임계값의 경우가 가장 정확한 것으로 나타났으며, KI 임계값을 활용하여 산정된 저수량은 이동, 고삼, 기흥저수지의 지상관측 자료와의 검증에서 평균 r = 0.9235, KGE' = 0.8691 로 높은 일치도를 나타냈다. 계절에 따른 오차 특성은 충분히 관측되지 않았으나, 저수면적과 저수량 간의 관계가 급격하게 바뀌는 고수위에서의 과소 산정 문제가 발생할 수 있다. 따라서 정확한 저수량 추정을 위해서는 지상관측 자료를 통한 저수면적-저수량 관계 파악이 선행되어야 한다. 추후 수자원위성을 통한 SAR 자료의 활용이 가능해지면, 본 연구의 결과를 바탕으로 저수량 모니터링 및 가뭄 대응을 위한 활용에서 유용할 것으로 판단되나, 홍수예방 등의 목적으로 활용하기 위해서는 추가적인 연구가 필요하다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1709-1718
• /
• 2021

항공수심라이다[airborne bathymetric LiDAR (Light Detection And Ranging)] 시스템의 웨이브폼(waveform) 데이터는 기존의 이산반환(discrete-return) 데이터에 비해 정확도, 해상도, 신뢰도가 향상된 데이터를 제공하며, 사용자의 데이터 처리 통제력을 강화하며 반환신호에 대한 추가적인 정보 추출을 가능하게 한다. 웨이브폼 분해(waveform decomposition)는 수면과 해저 반사, 수중산란 및 각종 노이즈가 혼재되어 수신된 웨이브폼으로부터 각각의 에코(echo)를 분리하는 기술로, 지형 포인트 추출을 위해 선행되어야 하는 처리 과정이자 측량 성과를 좌우하는 주요 기술이다. 본 연구에서는 항공수심라이다 원시 데이터로부터의 포인트 추출 성능을 향상시키 위해 새로운 웨이브폼 분해 기술을 개발하였다. 기존의 웨이브폼 분해 기술들이 웨이브폼 피크(peak)들을 가우시안(Gaussian) 분해의 초기값으로 사용하여 분해된 에코의 개수와 분해 성능이 피크 탐지 결과에 좌우되는데 반해, 제안한 기술은 최초 피크들 외에 잠재적인 피크 후보들을 추정하여 추가함으로써, 분해 모델의 근사 정확도를 향상시켰다. 국내 개발된 항공수심라이다 장비인 씨호크(Seahawk)로부터 동해안에서 취득된 웨이브폼 데이터를 이용한 실험 결과, 가우시안 분해 방법 대비 제안한 방법의 모델 근사 적합도(RMSE 기준)가 약 37% 향상된 결과를 얻었다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.949-965
• /
• 2023

본 연구에서는 Sentinel-1 synthetic aperture radar 영상을 활용하여 딥러닝 모델인 Swin Transformer로 국내 농업용 저수지의 수표면적을 모니터링 하는 방법을 제시한다. Google Earth Engine 플랫폼을 이용하여 70만톤 급, 90만톤급, 150만톤급 저수지 7개소에 대한 2017년부터 2021년 데이터셋을 구축하였다. 저수지 4개소에 대한 영상 1,283장에 대해서 셔플링(suffling) 및 5-폴드(fold) 교차검증 기법을 적용하여 모델을 학습하였다. 시험평가 결과 모델의 윈도우 크기를 12로 설정한 Swin Transformer Large 모델은 각 폴드에서 평균적으로 99.54%의 정확도와 95.15%의 mean intersection over union (mIoU)을 기록하여 우수한 의미론적 분할 성능을 보여주었다. 최고 성능을 보여준 모델을 나머지 3개소 저수지 데이터셋에 적용하여 성능을 검증한 결과, 모든 저수지에서 정확도 99% 및 mIoU 94% 이상을 달성함을 확인했다. 이러한 결과는 Swint Transformer 모델이 국내의 농업용 저수지의 수표면적 모니터링에 효과적으로 활용될 수 있음을 보여준다.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1761-1775
• /
• 2022

예측하기 힘든 기후변화로 인해 물 관련 재해의 발생 빈도와 피해 규모도 지속적으로 증가하는 추세이다. 재난관리의 측면에서 광범위한 지역의 피해면적을 파악하고, 중·장기적 예측을 위한 모니터링이 필수적이다. 수재해 분야에서 광역적 모니터링을 위해 Synthetic Aperture Radar (SAR) 위성영상을 활용한 원격탐사 기술 연구가 활발히 진행되고 있다. 수재해 모니터링을 위한 시계열 분석에는 방대한 양의 영상수집과 잡음이 많은 레이더 산란 특성을 고려한 복잡한 전처리과정이 필요하며, 이를 위해 상당한 시간이 소요되는 한계가 있다. 최근 클라우드 컴퓨팅 기술의 발전과 함께 위성 빅데이터를 활용한 시·공간 분석이 가능한 많은 플랫폼들이 제안되고 있다. 구글어스엔진(Google Earth Engine, GEE)은 대표적인 플랫폼으로, 600여개의 위성 자료를 무료로 제공하고 있으며 위성영상의 분석준비데이터를 기반으로 준-실시간 시·공간 분석이 가능하다. 이에 본 연구에서는 구글어스엔진을 활용한 즉각적인 수재해 피해 탐지와 중·장기적 시계열 관측 연구를 수행하였다. 변화탐지에 주로 활용되는 Otsu 기법을 통해 '20년 발생한 집중호우를 중심으로 하천 범람으로 인한 하폭의 변화와 피해 면적을 확인하였다. 또한 재난관리 측면에서 모니터링의 중요성이 요구되는 만큼 상습침수지역으로 선정된 연구대상 지역을 중심으로 '18년부터 '22년까지의 시계열 수체의 변화 경향을 확인하였다. 구글어스엔진은 자바스크립트 기반 코딩을 통한 짧은 처리시간, 시공간 분석과 표출의 강점으로 수재해 분야 활용이 가능할 것으로 판단된다. 더불어 향후 다양한 위성 빅데이터와의 연계를 통해 활용 분야가 확대될 것으로 기대된다.