• 한국농공학회논문집
• /
• 제63권6호
• /
• pp.101-115
• /
• 2021

The purpose of this study is to evaluate the compatibility of the vegetation index between the two satellites and the applicability of agricultural monitoring by comparing and verifying NDVI (Normalized Difference Vegetation Index) based on Sentinel-2 and Terra MODIS (Moderate Resolution Imaging Spectroradiometer). Terra MODIS NDVI utilized 16-day MOD13Q1 data with 250 m spatial resolution, and Sentinel-2 NDVI utilized 10-day Level-2A BOA (Bottom Of Atmosphere) data with 10 m spatial resolution. To compare both NDVI, Sentinel-2 NDVIs were reproduced at 16-day intervals using the MVC (Maximum Value Composite) technique. As a result of time series NDVIs based on two satellites for 2019 and compare by land cover, the average R² (Coefficient of determination) and RMSE (Root Mean Square Error) of the entire land cover were 0.86 and 0.11, which indicates that Sentinel-2 NDVI and MODIS NDVI had a high correlation. MODIS NDVI is overestimated than Sentinel-2 NDVI for all land cover due to coarse spatial resolution. The high-resolution Sentinel-2 NDVI was found to reflect the characteristics of each land cover better than the MODIS NDVI because it has a higher discrimination ability for subdivided land cover and land cover with a small area range.

• 한국수자원학회논문집
• /
• 제48권9호
• /
• pp.719-728
• /
• 2015

본 연구의 목적은 고해상도 정량적강수추정치(QPE)를 이용하여 도시유출해석을 수행하고 소배수분구별 강우와 유출량의 공간 변동성을 분석하여 적용성을 평가하는 것이다. 대상유역은 강남역을 중심으로 하는5개 배수분구(서초3, 4, 5, 역삼, 논현)을 선정하였으며, 유역면적은 $7.4km^2$이다. QPE 생산을 위해 KMA AWS (34소), SKP AWS (156소), 광덕산 레이더 자료를 통해 서울지역의 강우자료를 구축하였으며 크리깅 기법과 조건부합성 방법을 적용하여 4가지 QPE(QPE1: KMA AWS, QPE2: KMA+SKP AWS, QPE3: 광덕산 레이더, QPE4: QPE2+QPE3)를 생산하였다. 시공간 해상도는 10분, 250 m이며, 2013년 7월에 발생한 6개 호우를 대상으로 하였다. 복잡한 실제 관망을 도시유출해석모형에 입력하기 위해 773개 맨홀과 772개 소배수분구, 1,059개 하수관거로 재구성하여 분석을 수행하였다. QPE2와 QPE4는 QPE1에 비해 소배수구역별 면적강우량의 변동폭이 최대 1.9배까지 차이가 나타나 작은 유역에서도 강우공간변동성이 있음을 확인하였다. 또한 소배수 구역별 첨두유량 분석결과에서도 강남과 서초 AWS에 비해 QPE2와 QPE4의 변동폭이 최대 6배 큰 것으로 분석되었다. 따라서 본 연구의 대상지역과 같이 수 km2 이하의 도시유역에서도 강우와 첨두유량의 공간변동성이 발생함을 알 수 있었으며, 정확한 도시유출해석을 위해서는 고해상도 강우자료를 활용하는 것이 바람직한 것으로 판단된다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1215-1224
• /
• 2016

고해상도 격자 단위 기후정보는 농업, 관광학, 생태학, 질병학 등 다양한 분야의 현상을 설명하는 중요 요인이다. 고해상도 기후정보는 동적 모형과 통계적 모형을 통해 얻을 수 있다. 통계적 모형은 동적 모형에 비해 계산 시간이 저렴하여 시공간 해상도가 높은 기후자료 생성에 주로 이용한다. 본 연구에서는 2003년부터 2012년까지 1월에 관측된 일 평균기온자료를 토대로 통계적 모형의 일 평균 기온을 생성하였다. 통계적 모형으로 선형모형을 기반으로한 일반선형모형, 일반화가법모형, 공간선형모형, 베이지안공간선형모형을 고려하였다. 예측성능평가를 위해 60개소의 지상관측소에서 관측된 일 평균기온을 모형적합 자료로 사용하여 352개소의 자동기상관측의 일 평균기온을 검증하였다. 평균제곱오차와 상관계수를 보면 베이지안공간모형의 예측성능이 다른 모형에 비해 상대적으로 우수하였다. 최종적으로 $1km{\times}1km$ 격자 단위 일 평균기온 지도를 생성하였다.

• Journal of Astronomy and Space Sciences
• /
• 제29권4호
• /
• pp.407-411
• /
• 2012

Space-borne remote sensing is an effective and inexpensive way to identify crop fields and detect the crop condition. We examined the multi-temporal spectral characteristics of rice fields in South Korea to detect their phenological development and condition. These rice fields are compact, small-scale parcels of land. For the analysis, moderate resolution imaging spectroradiometer (MODIS) and RapidEye images acquired in 2011 were used. The annual spectral tendencies of different crop types could be detected using MODIS data because of its high temporal resolution, despite its relatively low spatial resolution. A comparison between MODIS and RapidEye showed that the spectral characteristics changed with the spatial resolution. The vegetation index (VI) derived from MODIS revealed more moderate values among different land-cover types than the index derived from RapidEye. Additionally, an analysis of various VIs using RapidEye satellite data showed that the VI adopting the red edge band reflected crop conditions better than the traditionally used normalized difference VI.

• 대한토목학회논문집
• /
• 제34권5호
• /
• pp.1443-1454
• /
• 2014

본 연구는 레이더 강우와 분포형 수문모형의 공간해상도가 매개변수 추정 및 강우-유출 모의에 미치는 영향을 분석하였다. 레이더 강우는 비슬산 S밴드 이중편파 강우레이더에서 2012년 관측된 강우사상을 대상으로, R-KDP, R-Z, R-ZDR의 관계식에 의해 추정된 레이더 강우를 지상관측 강우와 비교하였다. 세 가지 강우 추정식에 의한 레이더 강우를 지상 관측 강우와 비교 시 유역 평균에 대해서는 모두 높은 일치도를 보였으며, 이는 지상 관측 강우에 대한 레이더 강우 보정의 영향으로 판단되었다. 그 중에서도 R-KDP에 의한 추정 강우가 비교적 높은 정확도를 보였으며, 이를 강우-유출 모형의 입력자료로 적용하였다. 강우-유출 모형으로는 GRM (grid based rainfall-runoff model) 모형을 이용하여, 낙동강 수계 금호강 유역을 대상으로, 200m, 500m, 1000m의 공간해상도로 입력자료를 구축하였다. 또한, 범용 매개변수 최적화 모형인 PEST(model independent parameter estimation tool)로 초기 포화도, 지표면 조도계수 및 토양 투수계수의 보정계수를 각 공간해상도 및 호우사상 별로 추정하였다. 매개변수 추정 결과, 200m 공간해상도 모형에서는 비교대상 강우사상에 대해 지표면 조도계수와 토양 투수계수 관련 보정계수가 비교적 안정적으로 추정되었으나, 500m, 1000m 공간해상도 모형에서는 강우사상에 따라 매개변수의 최적 추정 값의 변동이 확인되었다. 초기 포화도는 강우사상 별, 공간해상도 별로 일정한 경향을 보이지 않았다. 또한, 200m와 1000m 공간해상도에 대해 최적화된 매개변수를 다른 공간해상도에 적용한 결과, 1000m 공간해상도에 대해 보정된 매개변수를 200m 공간해상도 모형에 적용하면 첨두 홍수량이 증가하는 경향이 있었다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1573-1587
• /
• 2021

드론 영상은 위성이나 항공 영상보다 공간 해상도가 수배 혹은 수십 배가 높은 초고해상도 영상이다. 따라서 드론 영상 기반의 원격탐사는 영상에서 추출하고자 하는 객체의 수준과 처리해야 하는 데이터의 양이 전통적인 원격탐사와 다른 양상을 보인다. 또한, 적용되는 딥러닝(deep learning) 모델의 특성에 따라 모델 훈련에 사용되는 최적의 데이터의 축척과 크기가 달라질 수밖에 없다. 하지만 대부분 연구가 찾고자 하는 객체의 크기, 축척을 반영하는 영상의 공간 해상도, 영상의 크기 등을 고려하지 않고, 관성적으로 적용하고자 하는 모델에서 기존에 사용했던 데이터 명세를 그대로 적용하는 경우가 많다. 본 연구에서는 드론 영상의 공간 해상도, 영상 크기가 6가지 월동채소의 의미론적 분할(semantic segmentation) 딥러닝 모델의 정확도와 훈련 시간에 미치는 영향을 실험 통해 정량적으로 분석하였다. 실험 결과 6가지 월동채소 분할의 평균 정확도는 공간 해상도가 증가함에 따라 증가하지만, 개별 작물에 따라 증가율과 수렴하는 구간이 다르고, 동일 해상도에서 영상의 크기에 따라 정확도와 시간에 큰 차이가 있음을 발견하였다. 특히 각 작물에 따라 최적의 해상도와 영상의 크기가 다름을 알 수 있었다. 연구성과는 향후 드론 영상 데이터를 이용한 월동채소 분할 모델을 개발할 때, 드론 영상의 촬영과 학습 데이터의 제작 효율성 확보를 위한 자료로 활용할 수 있을 것이다.

• 천문학회보
• /
• 제44권1호
• /
• pp.52.1-52.1
• /
• 2019

The Helioseismic and Magnetic Imager (HMI) is the instrument of Solar Dynamics Observatory (SDO) to study the magnetic field and oscillation at the solar surface. The HMI image is not enough to analyze very small magnetic features on solar surface since it has a spatial resolution of one arcsec. Super resolution is a technique that enhances the resolution of a low resolution image. In this study, we use a method for enhancing the solar image resolution using a Deep-learning model which generates a high resolution HMI image from a low resolution HMI image (4 by 4 binning). Deep learning networks try to find the hidden equation between low resolution image and high resolution image from given input and the corresponding output image. In this study, we trained a model based on a very deep residual channel attention networks (RCAN) with HMI images in 2014 and test it with HMI images in 2015. We find that the model achieves high quality results in view of both visual and measures: 31.40 peak signal-to-noise ratio(PSNR), Correlation Coefficient (0.96), Root mean square error (RMSE) is 0.004. This result is much better than the conventional bi-cubic interpolation. We will apply this model to full-resolution SDO/HMI and GST magnetograms.

• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2009년도 춘계학술대회 논문집
• /
• pp.463-466
• /
• 2009

The numerical simulation optimized by Four Dimensional Data Assimilation (FDDA) with Quick Scatterometer (QuikSCAT) data is carried out to evaluate wind resource characteristics at various heights in the southeastern area of the Korean Peninsula, where wind farms are planned to be built on on- and off-shore as well as comparable diurnal wind variations are characterized at the surface. The temporal and spatial distributions of modeled wind speeds showed good agreement with the observations based on the temporal variation analysis. Model results indicate that the higher model is performed in resolution, the more precise results is at turbine hub height. Occasionally, wind speed variations for each numerical resolution has a different regional and seasonal variations. In the coast area, hub height wind speed of 9km-resolution is simillar to that of 3km-resolution. On the other hand, hub height wind speed of 3km-resolution is simillar to that of 1km-resolution in the Jiri mountainous area.

• 한국컴퓨터그래픽스학회논문지
• /
• 제25권3호
• /
• pp.105-113
• /
• 2019

물리 기반 유체 시뮬레이션은 고해상도 연산을 위해 많은 시간이 필요하다. 이 문제를 해결하기 위해 저해상도 유체 시뮬레이션의 한계를 딥 러닝으로 보완하는 연구들이 있으며, 그중에서는 저해상도의 시뮬레이션 데이터를 고해상도로 변환해주는 Super-resolution 분야가 있다. 하지만 기존 기법들은 전체 데이터 공간에서 밀도 데이터가 없는 부분까지 연산하므로 전체 시뮬레이션 속도 면에서 효율성이 떨어지며, 입력 해상도가 큰 경우에는 GPU 메모리가 부족해 연산할 수 없는 경우가 발생할 수 있다. 본 연구에서는 공간 분할 법 중 하나인 쿼드 트리를 활용하여 시뮬레이션 공간을 분할 및 분류하여 Super-resolution 하는 기법을 제안한다. 본 기법은 필요 공간만 Super-resolution 하므로 전체 시뮬레이션 가속화가 가능하고, 입력 데이터를 분할 연산하므로 GPU 메모리 문제를 해결할 수 있게 된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.430-431
• /
• 2006

KOMPSAT-2 was successively launched on July 28,06. She carries Fine Spatial Resolution Sensor with three channels. It is 4m monochromatic and 1m panchromatic. The main purposes would derive fine urban map and digital elevation model(DEM).Therefore we extend to coastal environment monitoring using the adjacent effect of radiation due to an interaction of radiation between heterogeneous surface and atmosphere. With data analysis of ASTER on TERA, which is 15m resolution in visible and near infrared wavelengths, we found atmospheric aerosols were always large. Note that data analysis was limited in Nagoya bay, Lake Tahoe, California & La Pozuelos, La Picasa, Argentina. Thus this time we expect data analyses around isolated island and peninsula in west and south coast of Korea.