위성영상을 활용한 한국 남해의 광학적 특성 연구 :

박수호(Su Ho Bak),윤홍주(Hong Joo Yoon) 한국전자통신학회 2016 한국전자통신학회 논문지 Vol.11 No.7

본 연구에서는 Landsat-7 ETM+, Landsat-8 OLI 영상과 COMS/GOCI 영상을 이용하여 적조 픽셀의 광학적 특성을 분석하였다. 적조 픽셀을 샘플링하기 위해 Landsat-7, 8 True Color 영상을 활용하였으며, 영상에서 적조 픽셀의 좌표를 획득하였다. 획득된 픽셀의 좌표를 참조하여 동일 해역의 GOCI 영상을 통해 해당픽셀의 흡광 및 수출광량 자료를 획득하였다. 적조가 발생하지 않은 경우 412nm와 660nm 파장대에서 주흡광을 보인 것에 비해 적조 픽셀의 경우 660nm에서 주흡광을 보였으며, 412nm에서는 흡광량이 현저히 줄어든 것을 확인하였다. 수출광량의 경우 스펙트럼 형태에서는 큰 차이가 없었으나, 수출광량의 절대값이 적조 픽셀의 경우 낮게 나타났으며, 특히 660nm와 680nm 파장대에서 수출광량 감소가 크게 나타났다. This study is analyzed the optical property of red tide pixel by using Landsat-7 ETM+, Landsat-8 OLI and COMS/GOCI image. In order to sample red tide pixel, Landsat-7, 8 true color image were used and obtained coordinate of red tide pixel in the true color image. Normalized water leaving radiance(nLw) and absorption coefficient were obtained from GOCI image in the same coordinate of the true color image. When red tide was not occurred the main absorption range was 412nm and 660nm but when red tide occurred it was 660nm and absorption coefficient in 412nm are drastically reduced. It made no difference of nLw spectrum between red tide pixel and non red tide pixel in nLw, but the absolute value of nLw was low than non red tide pixel, especially 660nm and 680nm wavelength sharply decrease.

로지스틱 회귀모형과 의사결정나무 모형을 이용한 Cochlodinium polykrikoides 적조 탐지 기법 연구

박수호(Su-Ho Bak),김흥민(Heung-Min Kim),김범규(Bum-Kyu Kim),황도현(Do-Hyun Hwang),엥흐자리갈 운자야(Enkhjargal Unuzaya),윤홍주(Hong-Joo Yoon) 한국전자통신학회 2018 한국전자통신학회 논문지 Vol.13 No.4

본 연구에서는 기계학습 기법의 한 갈래인 로지스틱 회귀모형과 의사결정나무 모형을 이용하여 인공위성영상에서 Cochlodinium polykrikoides 적조 픽셀을 탐지하는 방법을 제안한다. 학습자료로 적조, 청수, 탁수해역에서 추출된 수출광량 분광 프로파일(918개)을 활용하였다. 전체 데이터셋의 70%를 추출하여 모형 학습에 활용하였으며, 나머지 30%를 이용하여 모형의 분류 정확도를 평가하였다. 정확도 평가 결과 로지스틱 회귀모형은 약 97%의 분류 정확도를 보였으며, 의사결정나무 모형은 약 86%의 분류 정확도를 보였다. This study propose a new method to detect Cochlodinium polykrikoides on satellite images using logistic regression and decision tree. We used spectral profiles(918) extracted from red tide, clear water and turbid water as training data. The 70% of the entire data set was extracted and used for model training, and the classification accuracy of the model was evaluated by using the remaining 30%. As a result of the accuracy evaluation, the logistic regression model showed about 97% classification accuracy, and the decision tree model showed about 86% classification accuracy.

GOCI Level 2 Data를 이용한 적조탐지 기법 연구

박수호 ( Su-ho Bak ),김흥민 ( Heung-min Kim ),황도현 ( Do-hyun Hwang ),윤홍주 ( Hong-joo Yoon ),서원찬 ( Won-chan Seo ) 대한원격탐사학회 2016 大韓遠隔探査學會誌 Vol.32 No.6

본 연구에서는 Geostationary Ocean Color Imager (GOCI)의 수출광량(Water-leaving radiance) 자료와 흡광계수(Absorption Coefficients) 자료를 이용하여 한국 남해에 발생한 Cochlodinium polykrikoides 적조를 탐지하는 방법을 제안한다. C. polykrikoides의 분광스펙트럼을 분석하여, 412 nm에서 555 nm구간 파장대의 수출광 및 흡광 특성을 확인하였고 이를 이용하여 적조지수를 개발하였다. 본 연구에서 제안한 탐지기법은 광학적으로 복잡한 남해에서 발생한 적조를 탐지하였으며, 이러한 결과를 바탕으로 향후 적조 방재에 활용될 수 있을 것이라 판단된다. This study propose a new method to detect Cochlodinium polykrikoides red tide occurring in South Sea of Korea using Water-leaving Radiance data and Absorption Coefficients data of Geostationary Ocean Color Imager (GOCI). C. polykrikoides were analyzed and the irradiance and light emission characteristics of the wavelength range from 412 nm to 555 nm were confirmed. The detection technique proposed in this study detects the red tide occurring in the optically complex South Sea. Based on these results, it can be used for future red tide prevention.

심층신경망을 활용한 Cochlodinium polykrikoides 적조 발생 예측 연구

박수호(Su-Ho Bak),정민지(Min-Ji Jeong),황도현(Do-Hyun Hwang),엥흐자리갈 운자야(Unuzaya Enkhjargal),김나경,윤홍주(Hong-Joo Yoon) 한국전자통신학회 2019 한국전자통신학회 논문지 Vol.14 No.6

In this study, we propose a model for predicting Cochlodinium polykrikoides red tide occurrence using deep neural networks. A deep neural network with eight hidden layers was constructed to predict red tide occurrence. The 59 marine and meteorological factors were extracted and used for neural network model training using satellite reanalysis data and meteorological model data. The red tide occurred in the entire dataset is very small compared to the case of no red tide, resulting in an unbalanced data problem. In this study, we applied over sampling with adding noise based data augmentation to solve this problem. As a result of evaluating the accuracy of the model using test data, the accuracy was about 97%. 본 연구에서는 심층 신경망을 이용하여 Cochlodinium polykrikoides 적조 발생을 예측하는 모델을 제안한다. 적조 발생 예측을 위해 8개의 은닉층을 가진 심층 신경망을 구축하였다. 위성 재분석 자료와 기상수치모델 자료를 이용하여 과거 적조 발생해역의 해양 및 기상인자 총 59개를 추출하여 신경망 모델 학습에 활용하였다. 전체 데이터셋 중 적조 발생 사례는 적조 미발생 사례에 비해 매우 적어 불균형 데이터 문제가 발생하였다. 본 연구에서는 이를 해결하기 위해 과표집화(Over sampling) 기반 데이터 증식(Data augmentation) 기법을 적용하였다. 과거자료를 활용하여 모형의 정확도를 평가한 결과 약 97%의 정확도를 보였다.

하천 부유 쓰레기 상습 정체 구간의 수환경 및 생물다양성 영향 평가

김흥민(Heung Min Kim),박수호(Su Ho Bak),장선웅(Seon Woong Jang),곽석남(Seok Nam Kwak),윤홍주(Hong Joo Yoon) 한국전자통신학회 2018 한국전자통신학회 논문지 Vol.13 No.1

Investigation and policy related to floating debris are focused on water treatment or disposal costs, and water pollution caused by floating debris has not been evaluated. In this study, it was surveyed the water environment pollution on the stagnation zone by floating debris in Nakdong River basin of Busan Metropolitan City. The water quality of the constant stagnation zone had lower DO than that of the non-stagnation zone. COD and Chl-a showed similar concentrations in the both zones. As a result of the collecting net surveys which were kept floating during 3 months, the most abundant species(4 species) of arthropods appeared, and Chironomidae sp. is dominant. It was also resistant to the deteriorated water quality, and emerged as a Lepomis macrochirus on the stagnant waters with a slowly flow rate. 하천부유쓰레기 관련 조사 및 정책은 수거나 처리비용에 초점이 맞춰져있으며, 부유쓰레기로 인한 수환경 오염에 대한 평가는 진행되지 않았다. 이에 본 연구에서는 부산광역시에 위치한 낙동강 유역(금곡, 호포)의 부유쓰레기 집적구간에 대한 수환경 오염 조사를 진행하였다. 수질조사 결과 부유쓰레기 상습 정체 구간이 비정체 구간에 비해 낮은 DO 농도를 나타냈으며, COD와 Chl-a는 유사한 농도를 나타냈다. 상습 정체 구간에 약 3달간 부유 상태로 둔 포집조사 결과 절지동물문이 가장 많은 종(4종)이 출현하였으며, 깔따구류(Chironomidae sp.)가 우점하는 것으로 나타났다. 또한 질적 저하에 대한 내성이 강하며, 유속이 느리고 정체된 수역에서 주로 블루길(Lepomis macrochirus)이 출현하였다.

자기 조직화 지도 기법을 이용한 적조 분포와 해양 인자의 관계

황도현(Do Hyun Hwang),박수호(Su Ho Bak),김흥민(Heung Min Kim),김범규(Bum Kyu Kim),엥흐자리갈 운자야(Unuzaya Enkhjargal),석경휴(Gyeong Hyu Seok),윤홍주(Hong Joo Yoon) 한국생태공학회 2019 한국생태공학회지 Vol.7 No.1

The red tide occurs almost every year around in the South Sea of Korea. Once it occurs, it causes serious fisheries damages. Sea water temperature is an important factor of causing the red tide. The Self-Organizing Map(SOM) is useful algorithm for pattern recognition and clustering methods for climate change when used large datasets. In this study, it is investigated the relations of SST(Sea Surface Temperature) and SLA(Sea Level Anomaly) when red tide occurred, how SST and SLA pattern changes by applying SOM technique. SST data and SLA data were July 1st to October 31st in 2013. Applying SOM algorithm, hexagonal 3 x 3 size map were used. It is able to distinguish the patterns to the red tide occurrence and disappearance. However, because of the limited study period to 2013, it is necessary to apply them to other periods in which red tide occurred, and it is required to apply the other environmental data. When the red tide disappeared, SST gradually increased to reach the high temperature, SLA was less then 0 cm which is negative anomaly.

CCTV 영상과 합성곱 신경망을 활용한 해무 탐지 기법 연구

김나경(Na-Kyeong Kim),박수호(Su-Ho Bak),정민지(Min-Ji Jeong),황도현(Do-Hyun Hwang),앵흐자리갈 운자야(Unuzaya Enkhjargal),박미소(Mi-So Park),김보람(Bo-Ram Kim),윤홍주(Hong-Joo Yoon) 한국전자통신학회 2020 한국전자통신학회 논문지 Vol.15 No.6

본 논문에서는 합성곱 신경망을 기반으로 CCTV 이미지를 통한 해무 탐지 방법을 제안한다. 학습에 필요한 자료로 시정 1km 기준으로 총 11개의 항만 또는 해수욕장(부산항, 부산신항, 평택항, 인천항, 군산항, 대산항, 목포항, 여수광양항, 울산항, 포항항, 해운대해수욕장)에서 수집된 해무와 해무가 아닌 이미지 10004장을 랜덤 추출하였다. 전체 10004장의 데이터셋 중에 80%를 추출하여 합성곱 신경망 모델 학습에 사용하였다. 사용된 모델은 16개의 합성곱층과 3개의 완전 연결층을 가지고 있으며, 마지막 완전 연결층에서 Softmax 분류를 수행하는 합성곱 신경망을 활용하였다. 나머지 20%를 이용하여 모델 정확도 평가를 수행하였고 정확도 평가 결과 약 96%의 분류 정확도를 보였다. In this paper, the method of detecting sea fog through CCTV image is proposed based on convolutional neural networks. The study data randomly extracted 1,0004 images, sea-fog and not sea-fog, from a total of 11 ports or beaches (Busan Port, Busan New Port, Pyeongtaek Port, Incheon Port, Gunsan Port, Daesan Port, Mokpo Port, Yeosu Gwangyang Port, Ulsan Port, Pohang Port, and Haeundae Beach) based on 1km of visibility. 80% of the total 1,0004 datasets were extracted and used for learning the convolutional neural network model. The model has 16 convolutional layers and 3 fully connected layers, and a convolutional neural network that performs Softmax classification in the last fully connected layer is used. Model accuracy evaluation was performed using the remaining 20%, and the accuracy evaluation result showed a classification accuracy of about 96%.

위성 자료를 이용한 전선 탐지 기법 연구

황도현(Do-Hyun Hwang),박수호(Su-Ho Bak),엥흐자리갈 운자야(Unuzaya Enkhjargal),정민지(Min-Ji Jeong),김나경(Na-Kyeong Kim),박미소(Mi-So Park),김보람(Bo-Ram Kim),윤홍주(Hong-Joo Yoon) 한국전자통신학회 2020 한국전자통신학회 논문지 Vol.15 No.6

해양에서 바닷물의 성질이 비슷한 바닷물 덩어리를 수괴라 하며, 전선은 서로 다른 속성의 두 수괴가 만나는 해역이다. 경사도 알고리즘은 해수면 온도 픽셀이 급격하게 변하는 곳을 경사가 크다고 보고, 경사가 큰 곳을 전선으로 가정하여 추출하는 방법이다. 이 방법은 대용량의 위성 자료를 한꺼번에 처리할 수 있다는 장점이 있다. 따라서 본 연구에서는 경사도 알고리즘을 이용하여 한반도 주변 해역의 전선을 찾아보고자 하였다. 연구 자료는 격자화 되어있는 해수면 온도 위성 자료를 이용하였다 해상도는 1/4°이며, 연구 기간은 1993년 1월부터 2018년 12월까지 월 평균 자료를 사용하였다. 해수면 온도 자료를 이용하여 전선 추출 결과 대표적으로 중국 연안 전선(China Coastal Front), 남해 연안 전선(South Sea Coastal Front), 쿠로시오/쿠로시오 속류 전선(Kuroshio Front/ Kuroshio Extension Front), 아극 전선(Subpolar Front), 아북극 전선(Subarctic Front) 등 다섯 개의 전선을 찾을 수 있었다. 계절별 전선 분포 비교 결과 겨울, 봄철에는 여름, 가을철에 비해 더 많은 종류의 전선이 분포하였으며, 분포 범위도 더 넓어졌다. A mass of seawater with similar properties in the ocean is called a water mass, and the front is a sea area where two masses of different properties meet. The gradient algorithm is a method of extracting where the sea water temperature pixel changes rapidly assuming that the slope is large, and the place with the large slope is assumed to be a front. This method is able to process large amounts of satellite data at once. Therefore, in this study, we tried to find the front lines in the sea area around the Korean Peninsula by using a gradient algorithm. The study data used gridded sea surface temperature satellite data. The resolution was 1/4°, and the monthly average data from January 1993 to December 2018 were used. There were major five fronts representatively, China Coastal Front, South Sea Coastal Front, Kuroshio Front/ Kuroshio Extension Front, Subpolar Front and the Subarctic Front. As a result of comparing the distribution of front by season, more types of front were distributed in winter and spring than in summer and autumn, and the distribution range was wider.

GOCI 영상과 기계학습 기법을 이용한 Cochlodinium polykrikoides 적조 탐지 기법 연구

엥흐자리갈 운자야(Enkhjargal Unuzaya),박수호(Su-Ho Bak),황도현(Do-Hyun Hwang),정민지(Min-Ji Jeong),김나경(Na-Kyeong Kim),윤홍주(Hong-Joo Yoon) 한국전자통신학회 2020 한국전자통신학회 논문지 Vol.15 No.6

본 연구에서는 적조 Cochlodinium Polykrikoide를 기계학습 방법과 정지궤도 해색위성 영상을 활용하여 탐지하는 방법을 제안하다. 기계학습 모형을 학습시키기 위해 GOCI Level2 자료를 활용하였으며, 국립수산과학원의 적조 속보 자료를 활용하였다. 기계학습 모델은 로지스틱 회귀모형 , 의사결정나무 모형, 랜덤포레스트 모형을 사용하였다. 성능 평가 결과 기계학습을 사용하지 않은 전통적인 GOCI 영상 기반 적조 탐지 알고리즘 (Son et al.,2012) (75%)과 비교해보았을 때 약 13~22%p (88~98%)의 정헉도 향상을 확인할 수 있었다. 또한 기계학습 모형 간 탐지 성능을 비교 분석해본 결과 랜덤 포레스트 모형(98%)이 가장 높은 탐지 정확도를 보였다. 이러한 기계학습 기반 적조 탐지 알고리즘은 향후 적조를 조기에 탐지하고 그 이동과 확산을 추적 모니터링하는데 활용될 수 있을 것이라고 판단된다. In this study, we propose a method to detect red tide Cochlodinium Polykrikoide using by machine learning and geostationary marine satellite images. To learn the machine learning model, GOCI Level 2 data were used, and the red tide location data of the National Fisheries Research and Development Institute was used. The machine learning model used logistic regression model, decision tree model, and random forest model. As a result of the performance evaluation, compared to the traditional GOCI image-based red tide detection algorithm without machine learning (Son et al., 2012) (75%), it was confirmed that the accuracy was improved by about 13~22%p (88~98%). Could. In addition, as a result of comparing and analyzing the detection performance between machine learning models, the random forest model (98%) showed the highest detection accuracy. It is believed that this machine learning-based red tide detection algorithm can be used to detect red tide early in the future and track and monitor its movement and spread.

무인항공기를 이용한 야적퇴비 적재량 산정 정확도 평가

김흥민(Heung-Min Kim),박수호(Su-Ho Bak),윤홍주(Hong-Joo Yoon),장선웅(Seon-Woong Jang) 한국전자통신학회 2021 한국전자통신학회 논문지 Vol.16 No.3

야적퇴비는 농경지의 작물 양분 공급원으로 가치를 가지는 반면, 강우 시 환경에 악영향을 미치는 오염원으로 작용하게 되며, 이에 대한 관리가 요구된다. 본 연구에서는 광범위 영상 취득 및 자동 경로 비행이 가능한 고정익 무인항공기를 이용한 야적퇴비 적재량 산출 정확도 분석 및 활용 가능성을 파악하고자 하였다. 야적퇴비 3개소에 대한 적재량 산출 정확도를 평가하고자 지상 LiDAR 측량 및 회전익 무인항공기를 이용한 정밀 측량을 수행하였으며, 고정익 무인항공기를 통해 취득된 적재량과 비교하였다. 지상 LiDAR를 기준으로 야적퇴비적재량 산출 비교 결과 회전익 기체의 오차율은 ±5 %, 고정익 기체의 오차율은 -15 ∼ -4 %로 추정하였다. 고정익 기체에서 산출된 1개의 야적퇴비 적재량이 약 –15%로 과소추정 하였으나 야적퇴비 적재량의 편차는 2.9 m3로 큰 차이는 없었다. 또한 고정익 무인항공기를 이용한 주기적인 모니터링 결과 대상 지역에 위치한 야적퇴비 적재량의 시계열 변동 파악할 수 있었다. 이러한 결과는 고정익 무인항공기를 이용한 넓은 범위의 대한 효율적인 야적퇴비 모니터링 및 농경지의 비점오염원 관리가 가능함을 제시하였다. While open-air compost has value as a source of nutrients for crops in agricultural land, it acts as a pollution that adversely affects the environment during rainfall, and management is required. In this study, it was intended to analyze the accuracy of calculating open-air compost volume using fixed-wing UAV (unmanned aerial vehicle) capable of acquiring a wide range of images and automatic path flights and to identify the possibility of utilization. In order to evaluate the accuracy of calculating the three open-air compost volume, ground LiDAR surveys and precision surveys using a rotary UAV were performed. and compared with the open-air compost volume acquired through a fixed-wing UAV. As a result of comparing the calculation of open-air compost volume based on the ground LiDAR, the error rate of the rotary-wing was estimated to be ±5%, and the error rate of fixed-wing was -15 ∼ -4%. one of three open-air compost volume calculated by fixed-wing was underestimated as about –15 %, but the deviation of the open-air compost volume was 2.9 m3, which was not significant. In addition, as a result of periodic monitoring of open-air compost using fixed-wing UAV, changes in the volume of open-air compost with time could be confirmed. These results suggested that efficient open-air compost monitoring and non-point pollutants in agricultural for a wide range using fixed-wing UAV is possible.