Sentinel-2 위성영상과 강우 및 토양자료를 활용한 벼 수량 추정

김경섭,정윤재,전병운,KIM, Kyoung-Seop,CHOUNG, Yun-Jae,JUN, Byong-Woon 한국지리정보학회 2022 한국지리정보학회지 Vol.25 No.1

Existing domestic studies on estimating rice yield were mainly implemented at the level of cities and counties in the entire nation using MODIS satellite images with low spatial resolution. Unlike previous studies, this study tried to estimate rice yield at the level of eup-myon-dong in Gimje-si, Jeollabuk-do using Sentinel-2 satellite images with medium spatial resolution, rainfall and soil data, and then to evaluate its accuracy. Five vegetation indices such as NDVI, LAI, EVI2, MCARI1 and MCARI2 derived from Sentinel-2 images of August 1, 2018 for Gimje-si, Jeollabuk-do, rainfall and paddy soil-type data were aggregated by the level of eup-myon-dong and then rice yield was estimated with gamma generalized linear model, an expanded variant of multi-variate regression analysis to solve the non-normality problem of dependent variable. In the rice yield model finally developed, EVI2, rainfall days in September, and saline soils ratio were used as significant independent variables. The coefficient of determination representing the model fit was 0.68 and the RMSE for showing the model accuracy was 62.29kg/10a. This model estimated the total rice production in Gimje-si in 2018 to be 96,914.6M/T, which was very close to 94,470.3M/T the actual amount specified in the Statistical Yearbook with an error of 0.46%. Also, the rice production per unit area of Gimje-si was amounted to 552kg/10a, which was almost consistent with 550kg/10a of the statistical data. This result is similar to that of the previous studies and it demonstrated that the rice yield can be estimated using Sentinel-2 satellite images at the level of cities and counties or smaller districts in Korea.

정보기술을 활용한 하천정보 제공 시스템 개발

김경섭(Kim, Kyoung-Seop),최영철(Choi, Yeong Cheol),김성민(Kim, Sung Min),권용하(Kwon, Yong Ha) 한국측량학회 2021 한국측량학회 학술대회자료집 Vol.2021 No.11

다중시기 Sentinel-2 위성영상과 일강수량 자료를 활용한 집중호우 전후의 토지피복별 원격탐사지수 변화 분석

김경섭 ( Kyoung-seop Kim ),문갑수 ( Gab-su Moon ),정윤재 ( Yun-jae Choung ) 한국지리정보학회 2020 한국지리정보학회지 Vol.23 No.2

최근 도시홍수에 의해 많은 피해가 발생하고 있으며, 단시간에 국지적으로 발생하는 집중호우가 1차 원인으로 꼽히고 있다. 도시홍수의 피해는 도시지역 내 물수지의 변화로 규명하고 있으며, 이를 간접적으로 파악하기 위해 일강수량 자료와 다중시기 Sentinel-2 위성영상을 활용해 집중호우 전후의 토지피복별 원격탐사지수 변화를 분석하였다. 일강수량 자료를 바탕으로 호우주의보 및 경보의 사례를 선정하였고, 해당 기간의 Sentinel-2 위성영상을 취득해 이를 기상청 서울관측소 기준 반경 1,000m 범위의 정규식생지수(NDVI), 정규수분지수(NDWI) 및 정규습윤지수(NDMI) 영상을 토지피복별로 제작하여 통계적 변화를 비교하였다. 각 영상을 구성하고 있는 픽셀의 최댓값, 최솟값, 평균 및 그 증감을 분석한 결과, 집중호우 전후 도시지역 원격탐사지수에 유의미한 변화가 발생한 것으로 보기는 힘들다고 판단하였다. Recently, a lot of damages have been caused by urban flooding, and heavy rainfall that temporarily occur are the main causes of these phenomenons. The damages caused by urban flooding are identified as the change in the water balance in urban areas. To indirectly identify it, this research analyzed the change in the remote sensing indices on each land cover before and after heavy rainfall by utilizing daily precipitation data and multi-temporal Sentinel-2 satellite imagery. Cases of heavy rain advisory and warning were selected based on the daily precipitation data. And statistical fluctuation were compared by acquiring Sentinel-2 satellite images during the corresponding period and producing them as NDVI, NDWI and NDMI images about each land cover with a radius of 1,000 m based on the Seoul Weather Station. As a result of analyzing the maximum value, minimum value, mean and fluctuation of the pixels that were calculated in each remote sensing index image, there was no significant changes in the remote sensing indices in urban areas before and after heavy rainfall.

다중시기 Landsat 위성영상으로부터 산출한 토양 수분 지수를 활용하여 지진 발생으로 인한 토양 액상화 모니터링에 관한 연구: 포항시를 사례로

박인선 ( Insun Park ),김경섭 ( Kyoung-seop Kim ),한병철 ( Byeong Cheol Han ),정윤재 ( Yun-jae Choung ),구본엽 ( Bon Yup Gu ),한진태 ( Jin Tae Han ),김종관 ( Jongkwan Kim ) 한국지리정보학회 2021 한국지리정보학회지 Vol.24 No.1

최근 자연재해로 인한 많은 피해가 발생하고 있으며, 특히 국내 지진 발생 추이를 보면 규모 3이상의 강도 높은 지진이 발생하는 빈도가 증가하고 있다. 2017년 발생한 규모 5.4의 포항 지진에서는 이례적으로 진앙지 인근에서 액상화 현상이 발견되었다. 토양 액상화에 따른 토양 수분지수의 증가를 간접적으로 파악하기 위해서 액상화가능성지수 자료와 다중시기 Landsat-8 위성영상을 활용하여 지진 전후의 토지피복별 원격탐사지수 변화를 분석하였다. 해당 기간의 위성영상을 취득해 정규식생지수(NDVI)와 지표면온도(LST)를 계산하고 액상화 가능 지역에 대해 토양수분지수(SMI)를 산출하여 각 영상을 구성하고 있는 픽셀의 평균값을 분석한 결과 지진 직후 토양 액상화 현상에 따른 토양 수분지수의 증가를 확인할 수 있었다. Recently, the number of damages on social infrastructure has increased due to natural disasters and the frequency of earthquake events that are higher than magnitude 3 has increased in South Korea. Liquefaction was found near the epicenter of a 5.4 magnitude earthquake that occurred in Pohang, South Korea, in 2017. To explore increases in soil moisture index due to soil liquefaction, changes in the remote exploration index by the land cover before and post-earthquake occurrence were analyzed using liquefaction feasibility index and multi-cyclical Landsat-8 satellite images. We found that the soil moisture index(SMI) in the liquefaction region immediately after the earthquake event increased significantly using the Normal Vegetation Index(NDVI) and Surface Temperature(LST).

심층신경망 모델을 이용한 고해상도 KOMPSAT-3 위성영상 기반 토지피복분류

문갑수 ( Gab-su Moon ),김경섭 ( Kyoung-seop Kim ),정윤재 ( Yun-jae Choung ) 한국지리정보학회 2020 한국지리정보학회지 Vol.23 No.3

원격탐사 분야에서 토지피복분류에는 머신러닝 기반의 SVM 모델이 대표적으로 활용되고 있는 한편, 신경망 모델을 이용한 연구도 지속적으로 수행되고 있다. 다목적실용위성의 고해상도 영상을 이용한 연구는 미흡한 실정이며, 따라서 본 연구에서는 고해상도 KOMPSAT-3 위성영상을 이용하여 신경망 모델의 토지피복분류 정확도를 평가하고자 하였다. 경주시 인근 해안지역의 위성영상을 취득하여 훈련자료를 제작하고, 물과 식생 및 육지의 세 항목에 대해 SVM, ANN 및 DNN 모델로 토지피복을 분류하였다. 분류 결과의 정확도를 오차 행렬을 통해 정량적으로 평가한 결과 DNN 모델을 활용한 토지피복분류가 92.0%의 정확도로 가장 우수한 결과를 나타냈다. 향후 다중시기의 위성영상을 통해 훈련자료를 보완하고, 다양한 항목에 대한 분류를 수행 및 검증한다면 연구의 신뢰성을 높일 수 있을 것으로 판단된다. In Remote Sensing, a machine learning based SVM model is typically utilized for land cover classification. And study using neural network models is also being carried out continuously. But study using high-resolution imagery of KOMPSAT is insufficient. Therefore, the purpose of this study is to assess the accuracy of land cover classification by neural network models using high-resolution KOMPSAT-3 satellite imagery. After acquiring satellite imagery of coastal areas near Gyeongju City, training data were produced. And land cover was classified with the SVM, ANN and DNN models for the three items of water, vegetation and land. Then, the accuracy of the classification results was quantitatively assessed through error matrix: the result using DNN model showed the best with 92.0% accuracy. It is necessary to supplement the training data through future multi-temporal satellite imagery, and to carry out classifications for various items.

고해상도 위성영상 기반 연안 객체 추출을 위한 기계학습 알고리즘 비교

정윤재(Choung, Yun-Jae),김경섭(Kim, Kyoung-Seop) 한국측량학회 2021 한국측량학회 학술대회자료집 Vol.2021 No.11

Landsat-8 위성영상 기반 수분지수 및 기계학습을 활용한 대구광역시의 지표수 탐지

정윤재 ( Yun-jae Choung ),김경섭 ( Kyoung-seop Kim ),박인선 ( In-sun Park ),정연인 ( Youn-in Chung ) 한국지리정보학회 2021 한국지리정보학회지 Vol.24 No.1

위성영상을 활용한 하천, 습지, 호수 등 지표수 객체의 탐지는 해당 지역의 수자원 관리 및 조사 업무에 효율적으로 활용될 수 있다. 본 연구에서는 원격탐사 분야에서 물을 탐지하기 위해 제공하는 수분지수(Water Index)와 영상으로부터 객체를 인식하는 데 폭넓게 활용되는 기계학습(Machine learning) 기법을 대구광역시를 촬영한 Landsat-8 위성영상에 개별적으로 적용하여 하천, 호수 등 다양한 지표수 객체를 탐지하고 그 결과를 비교하였다. 우선 Landsat-8 위성영상의 다중분광 밴드로부터 NDWI(Normalized Difference Water Index), MNDWI(Modified Normalized Difference Water Index) 영상을 생성하였고, 임계치를 적용하여 개별 영상으로부터 물과 그 외 지역을 구분할 수 있는 이진 영상(Binary image)을 제작하였다. 그리고 기계학습기법인 SVM(Support Vector Machine)을 동일 위성영상에 적용하여 토지 피복 영상을 제작하고 이로부터 이진 영상을 제작하였다. 최종적으로 100개의 검사점(Checkpoints)을 사용하여 세 이진 영상으로부터 지표수 탐지를 위한 정확도를 오차 행렬을 활용하여 계산하였다. 그 결과, MNDWI 영상으로부터 제작된 이진 영상의 정확도(84%)가 NDWI 영상으로부터 제작된 이진 영상의 정확도(94%)와 SVM에 의해 제작된 이진 영상의 정확도(96%)에 비해 낮았으며, 모든 이진 영상에서 그림자 등의 원인으로 인해 일부 육지 분류 결과가 지표수 객체로 오분류되었다. Detection of surface water features including river, wetland, reservoir from the satellite imagery can be utilized for sustainable management and survey of water resources. This research compared the water indices derived from the multispectral bands and the machine learning technique for detecting the surface water features from he Landsat-8 satellite image acquired in Daegu through the following steps. First, the NDWI(Normalized Difference Water Index) image and the MNDWI(Modified Normalized Difference Water Index) image were separately generated using the multispectral bands of the given Landsat-8 satellite image, and the two binary images were generated from these NDWI and MNDWI images, respectively. Then SVM(Support Vector Machine), the widely used machine learning techniques, were employed to generate the land cover image and the binary image was also generated from the generated land cover image. Finally the error matrices were used for measuring the accuracy of the three binary images for detecting the surface water features. The statistical results showed that the binary image generated from the MNDWI image(84%) had the relatively low accuracy than the binary image generated from the NDWI image(94%) and generated by SVM(96%). And some misclassification errors occurred in all three binary images where the land features were misclassified as the surface water features because of the shadow effects.

Sentinel-2 위성영상과 SRTM DEM을 활용한 연안습지 탐지: 서해안 곰소만을 사례로

정윤재 ( Yun-jae Choung ),김경섭 ( Kyoung-seop Kim ),박인선 ( Insun Park ) 한국지리정보학회 2021 한국지리정보학회지 Vol.24 No.2

기존 연구에서는 연안습지를 탐지하기 위해 위성/항공 영상의 다중분광 밴드로부터 산출한 식생지수 또는 토지피복도를 활용하였으나, 단일 센서만을 활용할 경우 토지피복정보와 지형정보를 동시에 고려하는 것에 한계가 있어 높은 정확도의 연안습지 탐지 및 대규모 연안습지 관리 업무 수행에 많은 지장을 초래하였다. 본 연구에서는 우리나라 서해안 곰소만 지역을 촬영한 Sentinel-2 위성영상의 다중분광 밴드와 디지털 지형 모델인 SRTM(Shuttle Radar Topography Mission) DEM(Digital Elevation Model)을 사용하여 서해안 곰소만의 대규모 연안습지를 다음의 과정을 통해 탐지하였다. 우선 Sentinel-2 위성영상의 Green 및 근적외선 밴드를 활용하여 정규수분지수 영상을 제작하였다. 그리고 정규수분지수 영상에서 픽셀의 밝기값 0.2를 임계치로 설정하여 물과 육지를 구분하는 이진화 영상을 제작하였으며, SRTM DEM에서 픽셀의 밝기값 0을 임계치로 설정하여 해수면 아래와 해수면 위를 구분하는 이진화 영상을 제작하였다. 최종적으로는 두 장의 이진화 영상에 중첩 분석을 적용하여 이진화 영상 기반 연안습지 지도를 제작하였다. 본 연구에서 제안한 기술을 활용하여 제작한 이진화 영상 기반 연안습지 지도의 정확도는 94%로서 매우 높은 결과를 보여주었으며, 연안습지가 아닌 내륙습지, 산지습지 등은 탐지되지 않아서 연안습지 관리 업무에 매우 효과적으로 활용될 수 있음을 확인하였다. In previous research, the coastal wetlands were detected by using the vegetation indices or land cover classification maps derived from the multispectral bands of the satellite or aerial imagery, and this approach caused the various limitations for detecting the coastal wetlands with high accuracy due to the difficulty of acquiring both land cover and topographic information by using the single remote sensing data. This research suggested the efficient methodology for detecting the coastal wetlands using the sentinel-2 satellite image and SRTM(Shuttle Radar Topography Mission) DEM (Digital Elevation Model) acquired in Gomsoman Bay, west coasts of South Korea through the following steps. First, the NDWI(Normalized Difference Water Index) image was generated using the green and near-infrared bands of the given Sentinel-2 satellite image. Then, the binary image that separating lands and waters was generated from the NDWI image based on the pixel intensity value 0.2 as the threshold and the other binary image that separating the upper sea level areas and the under sea level areas was generated from the SRTM DEM based on the pixel intensity value 0 as the threshold. Finally, the coastal wetland map was generated by overlaying analysis of these binary images. The generated coastal wetland map had the 94% overall accuracy. In addition, the other types of wetlands such as inland wetlands or mountain wetlands were not detected in the generated coastal wetland map, which means that the generated coastal wetland map can be used for the coastal wetland management tasks.

딥러닝 기술을 활용한 고해상도 위성영상 기반 연안 토지피복도 제작

정윤재(Yun-Jae Choung),김경섭(Kyoung-Seop Kim) 대한공간정보학회 2021 한국공간정보학회 학술대회 Vol.2021 No.6

은닉 마코프 모델을 이용한 심전도 QRS 검출 최적화에 관한 연구

김상민(Sang-Min Kim),이혁재(Hyeok-Jae Lee),민경진(Kyoung-Jin Min),김경섭(Kyeong-Seop Kim),곽휘권(Hwy-Kuen Kwak),고윤수(Yun-Soo Ko),채제욱(Je-Wook Chae),이정은(Jung-Eun Lee),이정환(Jeong-Whan Lee) 대한전기학회 2019 전기학회논문지 Vol.68 No.11

The heart is the body"s circulatory organ that supplies blood to the body. An electrocardiogram is the best means of measuring and diagnosing abnormal conduction of the heart muscle. Therefore, to diagnose patients suspected of heart disease, a Holter monitoring system measuring electrocardiography for 24 hours is used by doctors to examine and diagnose patients. However, diagnosing innumerable Holter data entails considerable effort by doctors directly. If QRS can be detected by an automated diagnostic system, many Holter data could be classified without diagnosing it by clinicians directly. In this paper, we tried to detect the QRS of electrocardiogram using the Hidden Markov Model. For objective verification, the onsets and offsets of QRS, which classified by the specialist, in the QT-database, were used as the reference labels. The Mexican Hat mother function was used for the wavelet transform. To study how to optimize the learning of hidden Markov models, the experiment was conducted by changing the batch size of the training data sets and the scale of the wavelet mother function. During the verification process, the mean and standard deviation of the difference between QRS onset and offset obtained from the test data sets through the hidden Markov model and the reference label classified by a specialist were used. As a result, the batch size was found to have the best performance using all 84 training data sets, and the scale of the mother function was found to have the best performance using scale j = 2, 3, 4. When the mean and standard deviation of QRS complexes detected from the hidden Markov model was -8.2822ms, ±5.821476ms(p=0.99818) onsets, respectively and -2.9588ms, ±6.5662ms(p=0.99838) offsets, respectively with 84 batch sizes and all three scale mother functions were trained, the results of onset, offset standard deviation were improved average about 22.1%, 30.9% respectively when compared with other algorithms using QT-Database