• Spatial Information Research
• /
• 제23권2호
• /
• pp.31-38
• /
• 2015

연안 해저 피복 조사에 있어 원격탐사 자료를 이용함으로써 조사의 효율성을 높일 수 있다. 위성영상과 항공영상과 같은 광학 원격탐사자료는 수심의 영향으로 동일한 해저 피복조건에 대해 다른 반사도를 보인다. 이 연구에서는 CASI-1500 항공 초분광영상에 대한 수심보정을 통해 연안 해저 피복에 대한 조사 범위 및 정확도 향상이 가능한지 분석하였다. 연구지역은 강원도 강릉시 연안으로 갯녹음 현상으로 인해 해저 환경이 급격히 변화되고 있는 지역이다. 해저면이 모래인 지점을 대상으로 초분광영상에서 추출한 수체 반사율(water reflectance, $R_W$)과 수심 간의 회귀모델을 통해 밴드별 수심보정 계수를 추정하고, 이를 영상 전체에 적용하였다. 그 결과 수심보정 전 영상에서 수심 6-7m에 한정하여 판독이 가능하였지만 수심보정 후 수심 15m까지 판독이 가능해지고, 수심에 따른 반사율의 변이가 크게 감소하였다. 또한 수심보정을 통해 해저 재질 분류 정확도가 13%p 증가하였다.

• 한국수자원학회논문집
• /
• 제55권4호
• /
• pp.301-308
• /
• 2022

조류는 수생태계에서 소비자의 에너지를 공급하여 생태계 내 없어서는 안 될 1차 생산자로서 크게 녹조류, 남조류, 규조류로 나뉘어진다. 남조류의 경우 수온이 상승하여 여름철 발생하여 과대 증식하여 녹조현상의 주원인이 되며, 최근 기후 변화로 인해 녹조현상의 발생시기의 변화와 빈도수가 늘고 있는 추세이다. 기존의 조류 조사 방식은 채수 및 센서를 통한 측정으로 이루어지고 있으며 시간, 비용 및 인력의 한계가 나타난다. 이러한 기존 모니터링 방법의 한계를 극복 하기위해 위성영상이나 무인항공기(Unmanned Aearial Vehicles, UAV), 등 탑제체를 운용한 다중분광 및 초분광과 같은 분광기기를 이용하여 원격 모니터링을 수행하는 연구가 진행되어 왔다. 본 연구에서는 조류 배양액 및 하천수 채수를 통한 실험실 규모의 실험을 통해 원격 모니터링의 종 구분에 대한 가능성에 대하여 확인 해보고자 하였다. 초분광 영상을 취득하기 위해 400-1000 nm에서 분석할 수 있는 초분광 센서를 활용하였다. 채수한 하천수의 조류 종 구분을 위한 분광특성을 추출하기 위해 GF/C필터를 이용하여 여과를 진행하여 시료를 제조하여 영상을 수집하였다. 수집된 영상을 방사보정 및 Base (하천수 및 배양보존액 통칭) 제거를 진행하였고 조류의 분광 정보 추출 과정을 통해 시료별 분광 정보를 추출, 분석하여 조류의 분광특성을 파악, 비교분석하여 하천·호소에서의 초분광영상 기반 원격탐사 모니터링의 적용성을 검토하고자 하였다.

• 한국농촌건축학회논문집
• /
• 제26권3호
• /
• pp.1-9
• /
• 2024

This study aims to estimate the cover classification and carbon respiration of halophytes based on the issues of utilising blue carbon in recent context of climate change. To address the aims, the study classified halophytes(Triglochin maritimum L and Phragmites australis), Intertidal(non-vegetated tidal flats) and Supratidal(sandy tidal flats) to measure carbon respiration and classify cover. The results are revealed that first, the carbon respiration in vegetated areas was less than that in non-vegetated areas. Second, the cover classification could be divided into halophyte communities(Triglochin maritimum L, Phragmites australis), Intertidal and Supratidal by NDWI(Moisture Index, Normalized Difference Water Index) Third, the total carbon respiration of blue carbon was calculated to be -0.0121 Ton km² hr^-1 with halophyte communities at -0.0011 Ton km² hr^-1, Intertidal respiration at -0.0113 Ton km² hr^-1 and Supratidal respiration at 0.0003 Ton km² hr^-1. As this challenge is a fundamental study that calculates the quantitative net carbon storage based on the blue carbon-based marine ecosystem, contributing to firstly, measuring the carbon respiration of cordgrass communities, reed communities, and non-vegetated tidal flats, which are potential blue carbon candidates in the study area, to establish representative values for carbon respiration, secondly, verifying the reliability of cover classification of native halophytes extracted through image classification technology, and thirdly, challenging to create a thematic map of carbon respiration, calculating the area and carbon respiration for each classification category.

• 한국전자통신학회논문지
• /
• 제8권4호
• /
• pp.589-593
• /
• 2013

원격 탐사의 SAR 영상을 이용한다면 구름이나 기상 조건의 변화에 관계없이 지속적으로 영상을 얻을 수 있어 해빙 관측에 적합하다. 해빙에는 여러 가지 종류가 있어 이를 분류해서 결과를 관측한다면 종류별 변화를 보다 쉽게 볼 수 있다. 본 연구에서는 감독분류의 최소 거리(minimum distance) 기법을 이용하여 해빙을 분류하였다. SAR 영상을 이용했을 때와 텍스쳐 영상을 이용한 결과를 비교했을 때의 정확도를 비교하였다. Radarsat-2의 텍스쳐 영상을 사용했을 때 전체 정확도가 가장 높았지만, 대체적으로 SAR 영상을 사용하였을 때 전체 정확도가 높게 나타났다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.134-137
• /
• 2005

Unsupervised spectral angle classification (USAC) is the algorithm that can extract ground object information with the minimum 'Spectral Angle' operation on behalf of 'Spectral Euclidian Distance' in the clustering process. In this study, our algorithm uses the unit vector instead of the spectral distance to compute the mean of cluster in the unsupervised classification. The proposed algorithm (MUSAC) is applied to the Hyperion and ETM+ data and the results are compared with K-Meails and former USAC algorithm (FUSAC). USAC is capable of clearly classifying water and dark forest area and produces more accurate results than K-Means. Atmospheric correction for more accurate results was adapted on the Hyperion data (Hyperion-FLAASH) but the results did not have any effect on the accuracy. Thus we anticipate that the 'Spectral Angle' can be one of the most accurate classifiers of not only multispectral images but also hyperspectral images. Furthermore the cluster unit vector can be an efficient technique for determination of each cluster mean in the USAC.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.341-344
• /
• 2007

A major obstacle to classify and validate Land Cover maps is the high cost of generating reference data or multiple thematic maps for subsequent comparative analysis. In case of inaccessible area such as North Korea, the high resolution satellite imagery may be used as in situ data so as to overcome the lack of reliable reference data. The objective of this paper is to investigate the possibility of utilizing QuickBird (0.6m) of North Korea obtained from Google Earth data provided thru internet. Monthly NDVI images of nine months from the summer of 2004 were classified into L=54 cluster using ISODATA algorithm, and these L clusters were assigned to 7 classes; coniferous forest, deciduous forest, mixed forest, paddy field, dry field, water and built-up area. The overall accuracy and Kappa index were 85.98% and 0.82, respectively, which represents about 10% point increase of classification accuracy than our previous study based on GCP point data around North Korea. Thus we can conclude that Google Earth may be used to substitute the traditional in situ data collection on the site where the accessibility is severely limited.

• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.917-927
• /
• 2020

우리나라 국토교통부는 GSD가 0.5m 급인 위성영상의 촬영이 가능한 CAS 500-1/2 위성과 함께 이를 활용하기 위한 기술을 개발 중에 있다. 이에 본 연구에서는 CAS 500-1/2 위성영상의 활용을 위한 기술로 자동화를 지향하는 공간객체추출 기술을 개발하고자 하였다. 연구 수행을 위해 CAS 500-1/2와 가장 유사할 것으로 예상되는 KOMPSAT-3A 위성영상을 연구에 이용하였으며, 상대방사보정을 통해 공간객체추출의 자동화 가능성을 분석하고자 하였다. 이를 위하여 상대방사보정에 이용된 참조 영상과 상대방사보정된 영상에서 매개변수 및 임계값을 동일하게 적용하고, 공간객체를 추출하였다. 추출된 공간객체가 참조영상과 상대방사보정된 영상에서 유사한 형태로 추출되는지에 대한 정성적 분석과 분류정확도가 본 연구에서 설정한 목표정확도인 90% 이상을 만족하는지에 대한 정량적 분석을 통해 공간객체추출의 자동화 가능성 여부를 분석하고자 하였다. 그 결과, 참조영상과 상대방사보정된 영상에서 각각 추출한 공간객체가 유사하게 추출되는 것을 확인하였으며, 분류정확도 분석 결과가 모두 목표정확도인 90% 이상을 만족하는 것으로 나타나 상대방사보정을 통해 공간객체추출 시 자동화가 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1653-1661
• /
• 2022

본 연구에서는 천리안위성 2A호 1일 평균 표층수온영상을 대상으로 합성곱신경망(convolution neural network, CNN) 딥러닝 기법을 적용하여 냉수대 발생 여부를 분류하는 연구를 수행하였다. 이를 위하여, 2019년부터 2022년까지 1,155장의 영상을 사용하였으며, 국립수산과학원 제공 냉수대 발생 주의보 및 경보자료로부터 냉수대 발생 영상과 그 외 영상으로 분류하여 학습을 수행하였다. 학습 결과로 82.5%의 probability of detection (POD)와 54.4%의 false alarm ratio (FAR) 지수를 획득하였다. 오분류 분석을 통해 냉수대 분류에 실패한 경우의 대부분은 구름의 영향 때문이며, 비냉수대를 오분류한 경우의 대부분은 실제 영상에 냉수대가 존재함을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.685-694
• /
• 2022

건물 정보는 다양한 도시 공간 분석에 활용되는 필수 정보 중 하나이기에 지속적인 모니터링이 필요하지만 현실적으로 어려움이 존재하고 있다. 이를 위해 광범위한 지역에 대해서도 지속적인 관찰이 가능한 위성영상으로부터 건물을 추출하기 위한 연구가 진행되고 있으며, 최근에는 딥러닝 기반의 시맨틱 세그멘테이션 기법들이 활용되고 있다. 본 연구에서는 SpaceNet의 건물 v2 무료 오픈 데이터를 이용하여 30 cm 급 Worldview-3 RGB 영상으로부터 건물을 자동으로 추출하기 위해, context-based ResU-Net의 일부 구조를 변경하여 학습을 진행하였다. 분류 정확도 평가 결과, f1-score가 2회차 SpaceNet 대회 수상작의 분류 정확도보다 높은 것으로 나타났다. 앞으로 지속적으로 Worldview-3 위성 영상을 확보할 수 있다면 본 연구의 성과를 활용하여 전세계 건물 자동 추출 모델을 제작하는 것도 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1463-1478
• /
• 2022

한국 수출입의 99.7%는 해상운송이 차지하고 있으며, 항만의 효율적 운영을 위해 해운 물류 모니터링 시스템 개발 필요성이 대두되고 있다. 현재 automatic identification system (AIS)를 기반으로 선박의 정보를 조회하여 해상 물동량 추정 연구가 진행되고 있지만, AIS를 운영하지 않는 선박들에 대한 모니터링은 불가능하다는 한계가 있다. 고해상도 광학 위성 영상은 광역의 범위에서 AIS 미운영 선박 및 소형 선박을 식별할 수 있기 때문에 AIS 기반 물동량 모니터링의 공백을 보완할 수 있다. 그러므로 선박 및 물동량 모니터링에 활용하기 위해, 고해상도 광학 위성영상에서 선박을 탐지하고 화물선 및 소형 선박을 분류하는 연구가 필요하다. 본 연구는 초기 국토위성영상을 이용하여 생산된 학습 자료 기반으로 인공지능 모델을 훈련시키고 다른 영상에서 탐지를 수행함으로써, 국토위성영상의 딥러닝 학습 자료 생산 및 선박 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 황해 및 황해 주요 항만 구역 내 선박들을 추출하여 제작했으며, You Only Look Once (YOLO) 알고리즘을 사용하여 탐지 모델은 구축하고 국내외 주요 항만 각 1개소를 대상으로 선박 탐지 성능을 평가하였다. 항만 접안 및 해상 정박중인 선박을 대상으로 탐지 모델에 적용한 결과를 AIS의 선종 정보와 비교하였고, 국내 항만에서 85.5%와 89%, 국외 항만에서 70%의 선종 분류 정확도를 확인하였다. 본 연구 결과는 정박중인 선박을 중심으로 고해상도 국토위성영상을 활용하여 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 구축을 통해 탐지 모델의 정확도를 향상시킨다면 전세계 주요 항만에서 선박 및 물동량 모니터링 분야에 활용할 수 있을 것으로 기대된다.