Sentinel-2 기반 NDWI를 이용한 수체 탐지 연구: 북한 황강댐을 사례로

계창우 ( Changwoo Kye ),신대규 ( Dae-kyu Shin ),이종혁 ( Jonghyuk Yi ),김진겸 ( Jingyeom Kim ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.5

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. In this letter, we developed technology which can exclude effect of clouds to perform remote waterbody detection based on Sentinel-2 optical satellite imagery to calculate the area of ungauged reservoirs and applied to the Hwanggang dam reservoir, a representative ungauged reservoir, to verify usability. The remote waterbody detection technology calculates the cloud blocking ratio by comparing the cloud boundary in the Sentinel-2 imagery and the reservoir boundary first. Next, it selects data whose cloud blocking ratio does not exceed a specific value and calculates NDWI (Normalized Difference Water Index) with selected imagery. In last, it calculates the area of the reservoir by counting the number of grids which have NDWI value considered as waterbody within the boundary of the target reservoir and correcting with cloud blocking ratio. To determine cloud blocking ratio threshold for selecting image, we performed the area calculation of Hwanggang dam reservoir from July 2018 to October 2021. As a result, when the cloud blocking ratio threshold was set 10%, we confirmed that the result with large error due to clouds were filtered well and obtained 114 results that can show changes in Hwanggang dam reservoir area among 220 images.

베이지안 네트워크 기반 가뭄 예측을 위한 Pgmpy 라이브러리의 개선

계창우(Changwoo Kye),신대규(Dae-Kyu Shin),이종혁(Jonghyuk Yi),김태웅(Tae-Woong Kim),신지예(JiYae Shin),김지은(JiEun Kim) 한국지능시스템학회 2021 한국지능시스템학회논문지 Vol.31 No.6

Pgmpy 라이브러리는 확률 그래프 모형을 구성하고 계산하는 기능을 갖는 Python 기반의 라이브러리로, 베이지안 네트워크나 마코프 연쇄 등의 계산을 수행할 수 있다. 본 논문은 선형 가우시안 조건부 확률 분포를 따르는 확률 변수들로 구성된 베이지안 네트워크에 대해 우도 가중 샘플링 추론 기법을 통한 베이지안 추론 계산을 하기 위해 Pgmpy 라이브러리에 기능을 추가하는 개선 작업을 진행하고, 개선한 라이브러리로부터 얻은 결과물을 Matlab 언어의 베이지안 네트워크 계산 결과와 비교 분석하는 것으로 개선 결과에 대한 검증을 수행한다. 비교 분석 과정에서는 MODIS 기상 위성 자료로부터 산출한 수문학적 가뭄지수 자료와 APEC 기후 센터의 MME 기후전망 자료를 이용해 예측한 미래 수문학적 가뭄지수 값을 비교한다. 비교 분석 결과, 설명할 수 있는 오차 이내에서 두 모델의 결과값이 일치한다는 것을 확인할 수 있었다. 이러한 결과로부터 Pgmpy 라이브러리의 개선 작업은 적절하게 이루어졌음을 알 수 있었으며, 개선된 라이브러리를 통해 더욱 다양한 베이지안 네트워크 계산이 가능할 것으로 기대할 수 있다. Pgmpy Library is the Python-based library that can construct and calculate probabilistic graphical models such as Bayesian network or Markov chain. In this paper, we improve of Pgmpy library by adding Likelihood Weighting Sampling inference function for Bayesian network composed with probability variables depending on linear Gaussian conditional probability distribution. We verified result of improved library by comparing with result of Bayesian network written with Matlab. We compared hydrological drought index forecasting results obtained with data of MODIS meteorological satellite and MME climate prediction data of APEC Climate Center. Based on the comparison results, we can think that the calculation by Pgmpy library has no difference within allowable error ranges with the result from Matlab. Therefore, we can conclude the improvement proceeded well and expect improved library will be able to perform more various Bayesian network calculation than before.

지상관측 기상자료를 적용한 KLDAS(Korea Land Data Assimilation System)의 토양수분 · 증발산량 산출

박광하 ( Gwangha Park ),계창우 ( Changwoo Kye ),이경태 ( Kyungtae Lee ),유완식 ( Wansik Yu ),황의호 ( Eui-ho Hwang ),강도혁 ( Dohyuk Kang ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.6

본 연구에서는 K-LIS(Korea-Land surface Information System)의 KLDAS(Korea Land Data Assimilation System)를 사용하여 LSM의 초기 경계조건 최적화를 위해 스핀업(Spin-up)을 진행하였고다. 스핀업은 2018년을 대상으로 8회 반복 수행하였다. 또한, 국내 기상청(KMA, Korea Meteorological Administration), 농촌진흥청(RDA, Rural Development Administration), 한국농어촌공사(KRC, Korea Rural Community Corporation), 한국수력원자력(KHNP, Korea Hydro & Nuclear Power Co., Ltd.), 한국수자원공사(K-water, Korea Water Resources Corporation), 환경부(ME, Ministry of Environment) 등에서 관측하고 있는 기상자료를 사용하여 저해상도(K-Low, Korea Low spatial resolution; 0.125°) 및 고해상도(K-High, Korea High spatial resolution; 0.01°)의 기상자료를 생성하여KLDAS에 적용하였다. 그리고, K-Low 및 K-High의 정확도 향상 정도를 확인하기 위해 선행 연구에서 사용된 MERRA-2 (Modern-Era Retrospective analysis for Research and Applications, version 2)와 ASOS-S(ASOS-Spatial)가 적용된 토양수분 및 증발산량을 같이 평가하였다. 그 결과, 초기 경계조건의 최적화는 토양수분의 경우 2회(58개 지점), 3회(6개 지점), 6회(3개 지점)의 스핀업이 필요하고, 증발산량의 경우 1회(2개 지점), 2회(2개 지점)의 스핀업이 필요하다. MERRA-2, ASOS-S, K-Low, K-High을 적용한 토양수분의 경우 R²의 평균은 각각 0.615, 0.601, 0.594, 0.664이고, 증발산량의 경우 R²의 평균은 각각 0.531, 0.495, 0.656, 0.677로 K-High의 정확도가 가장 높은 것으로 평가되었다. 본 연구 결과를 통해 다수의 지상 관측자료를 확보하고 고해상도의 격자형 기상자료를 생성하면 KLDAS의 정확도를 높일 수 있다. 다만, 지점 자료를 격자로 변환할 때 각 지점의 기상현상이 충분히 고려되지 않으면 정확도는 오히려 낮아진다. 향후 IDW의 매개변수 설정 또는 다른 보간기법을 사용하여 격자형 기상자료를 생성하여 적용하면 보다 높은 품질의 자료를 산출할 수 있을 것으로 판단된다. This study demonstrates soil moisture and evapotranspiration performance using Korea Land Data Assimilation System (KLDAS) under Korea Land Information System (KLIS). Spin-up was repeated 8 times in 2018. In addition, low-resolution and high-resolution meteorological data were generated using meteorological data observed by Korea Meteorological Administration (KMA), Rural Development Administration (RDA), Korea Rural Community Corporation (KRC), Korea Hydro & Nuclear Power Co.,Ltd. (KHNP), Korea Water Resources Corporation (K-water), and Ministry of Environment (ME), and applied to KLDAS. And, to confirm the degree of accuracy improvement of Korea Low spatial resolution (hereafter, K-Low; 0.125°) and Korea High spatial resolution (hereafter, K-High; 0.01°), soil moisture and evapotranspiration to which Modern-Era Retrospective analysis for Research and Applications, version 2 (MERRA-2) and ASOS-Spatial (ASOS-S) used in the previous study were applied were evaluated together. As a result, optimization of the initial boundary condition requires 2 time (58 point), 3 time (6 point), and 6 time (3 point) spin-up for soil moisture. In the case of evapotranspiration, 1 time (58 point) and 2 time (58 point) spin-ups are required. In the case of soil moisture to which MERRA-2, ASOS-S, K-Low, and K-High were applied, the mean of R² were 0.615, 0.601, 0.594, and 0.664, respectively, and in the case of evapotranspiration, the mean of R² were 0.531, 0.495, 0.656, and 0.677, respectively, indicating the accuracy of K-High was rated as the highest. The accuracy of KLDAS can be improved by securing a large number of ground observation data through the results of this study and generating high-resolution grid-type meteorological data. However, if the meteorological condition at each point is not sufficiently taken into account when converting the point data into a grid, the accuracy is rather lowered. For a further study, it is expected that higher quality data can be produced by generating and applying grid-type meteorological data using the parameter setting of IDW or other interpolation techniques.

다층 퍼셉트론을 이용한 결측 풍속 보간 기법 개발

신대규(Dae-Kyu Shin),계창우(Changwoo Kye),이종혁(Jonghyuk Yi) 한국지능시스템학회 2022 한국지능시스템학회논문지 Vol.32 No.1