DMSP-OLS 야간 영상을 이용한 인구 추정 모델 변수 선정 연구

유수홍,한수희,허준,손홍규,Yoo, Su-Hong,Han, Soo-Hee,Heo, Joon,Sohn, Hong-Gyoo 대한원격탐사학회 2011 大韓遠隔探査學會誌 Vol.27 No.1

한 국가에 거주하고 있는 인구수를 파악하는 젓은 매우 중요한 사안 중 하나이다. 본 연구에서는 DMSP-OLS 야간 영상과 인구 통계치를 이용한 인구 추정 모델을 제작함에 있어 적합한 변수를 선정하였다. 모델 제작에 이용된 기본식은 선행 연구에서 제안한 지수식을 바탕으로 제작하였으며 야간 영상으로부터 취득할 수 있는 다양한 변수를 이용하여 각각에 대해 정확도 평가를 수행하였다. 연구결과, 일정 크기 이상의 빛이 존재하는 지역의 면적을 변수로 사용하여 인구를 추정하였을 때 가장 정확도가 높은 것으로 나타났다. 한편, 본 연구를 다른 국가나 지역에 적용시키기 위해서는 보다 추가적인 연구가 필요할 것으로 사료된다. It may be an important issue to estimate population of a concerned country. In this study, an appropriate variable was selected to establish a model which fits best the relationship between the night time imagery of DMSP-OLS and population data. Exponential model was selected which was proposed by previous study. Accuracy validation was also performed for each variable extracted from the night time imagery of DMSP-OLS. Consequently, the model showed high accuracy when applied to the area of a certain amount of light was existed. However, further consideration should be necessary when to applied other country or other part of regions.

딥러닝 기반 초해상화 모델을 이용한 드론 사진의 해상도 향상 연구

유수홍(Yoo, Suhong),김필립(Kim, Phillip),윤준희(Youn, Junhee) 한국측량학회 2023 한국측량학회지 Vol.41 No.6

단순한 지형지물 추출을 넘어 자연과 사람 간 사회경제적 기능 분석을 진행하기 위해서는 고해상 영상을 활용하는 것이 필수적이다. 고해상 위성 영상 및 항공 영상을 이용할 수 있으나, 경제적 부담으로 인해 지속적인 데이터 취득이 어렵기에, 취득이 비교적 쉬운 원격탐사 영상에 대해 딥러닝 기반의 초해상화 기술을 적용하여 영상의 해상도를 향상하는 방안이 해결책으로 제시되고 있다. 본 연구에서는 고해상과 경제성을 동시에 확보할 수 있는 드론 영상에 대해 초해상화를 통해 영상의 해상도를 향상하였으며, 이는 크기가 매우 작은 사물에 대해서도 탐지 신뢰도를 높이기 위함이다. 본 연구에서는 각종 벤치마크에서 좋은 성능을 보인 EDSR과 SRGAN 모델을 사용하였으며, 학습 데이터는 한국건설기술연구원에서 보유하고 있는 드론과 카메라 장비를 이용하여 촬영 후, 직접 제작하여 실험에 활용하였다. PSNR과 SSIM을 사용하여 최종 결과물에 대한 품질 평가를 진행한 결과, EDSR은 34.24dB의 PSNR 수치와 0.938의 SSIM 수치를 가지는 것으로 나타났으며, SRGAN의 경우에는 각각 36.63dB과 0.954인 것으로 나타나 SRGAN의 성능이 가장 좋은 것으로 나타났다. 이는 벤치마크에 언급된 수치보다도 더 높은 수치이며, 직접 제작한 초해상화 학습 데이터가 신경망 모델에 적합한 정보를 제공했기 때문으로 판단된다. 본 연구의 성과는 탐지 인식률을 향상하기 위한 후속 연구에 적합한 정보를 제공할 수 있는 수준의 결과인 것으로 판단된다. In order to go beyond simple geographic feature extraction and analyze socioeconomic functions between nature and people, it is essential to use high-resolution images. High-resolution satellite and aerial images can be used, but continuous image acquisition is problematic due to economic burden. Therefore, a solution is proposed to improve the resolution of images by applying deep learning-based super-resolution technology to remote-sensing images that are relatively easy to acquire. In this study, to increase detection reliability even for small objects, the resolution of drone images that can secure high resolution and economic efficiency was improved through super-resolution. This study used EDSR (Enhanced Deep Residual Networks for Single Image Super-Resolution) and SRGAN (Super Resolution GAN) models that showed good performance in various benchmarks were used, and the training dataset was acquired using drones and camera equipment owned by the KICT (Korea Institute of Civil Engineering and Building Technology), then produced directly and used for experiments. Quality evaluation of the final result was performed using PSNR (Peak Signal-to-Noise Ratio) and SSIM (Structural Similarity Index). As a result of the experiment, EDSR was found to have a PSNR value of 34.24dB and an SSIM value of 0.938, and SRGAN was found to have 36.63dB and 0.954, respectively, showing that SRGAN had the best performance. The values obtained are higher than those cited in the benchmark, which is attributed to the super-resolution training data produced by KICT, providing suitable information for the neural network model. The outcomes of this study are considered to be of sufficient quality for application in subsequent research aimed at enhancing detection and recognition rates.

산림의 탄소 저장량 가치 분석

유수홍(Su-Hong Yoo),허준(Joon Heo),조형식(Hyoung-Sig Cho),손홍규(Hong-Gyoo Sohn) 대한공간정보학회 2009 한국지형공간정보학회 학술대회 Vol.2009 No.9

최근 우리나라를 포함한 세계에서는 탄소 에너지의 저장 및 활용 관련 기술을 확보하기 위한 경쟁이 벌어지고 있다. 산업적인 목적을 위해 탄소의 활용법 및 저장 방법이 다양하게 제시되고 있는 가운데, 탄소의 저장에 있어 점점 산림에 대한 관심이 증가하고 있다. 본 논문에서는 구축된 산림 데이터베이스를 이용해 강원도 평창군에 대해 가치평가를 수행한 결과, 이자율에 따른 연간 탄소 보존 가치를 정량화 할 수 있었다. 또한 제작한 탄소 저장량 가치 지도는 저장된 탄소의 가치를 지역별로 도시함으로써 추후 월등한 가치를 가질 것으로 예상되는 지역과 그렇지 않은 지역을 정확히 구분하여 산림화 추진 지역이나 개발 대상지 선정에 있어 중요한 자료로써 이용될 수 있을 것으로 판단된다.

딥러닝 기반 의미론적 분할 기법에 의한 토지피복 자동분류

유수홍(Yoo, Suhong) 대한토목학회 2023 대한토목학회 학술대회 Vol.2023 No.10

의사결정알고리즘을 이용한 토양유기탄소 추정

유수홍(Yoo Su Hong),허준(Heo Joon),손홍규(Sohn Hong Gyoo) 대한공간정보학회 2010 한국지형공간정보학회 학술대회 Vol.2010 No.1

토양 유기 탄소는 산림의 형성에 도움을 주며, 대기 중의 이산화탄소와의 관계를 조절하여 지구 온난화에 영향을 미치는 중요한 인자다. 따라서 알맞은 모델을 제작하여 토양 유기 탄소의 분포를 추정할 수 있다면 그 활용도가 높을 것으로 판단된다. 본 연구에서는 의사결정나무 알고리즘을 통해 경사도, 경사 방향, DEM, 나무의 종류 데이터로부터 토양 유기 탄소의 상대적인 양을 파악할 수 있는 모델을 제작하였다. 그 결과, 토양 유기 탄소 샘플의 표면에 대해 매우 조밀히 분포한 상록수 지역이 다른 지역에 비해 상대적으로 많은 양의 토양 유기 탄소를 가진다는 결과가 도출되었으며, 생성된 모델의 정확도는 68.98%인 것으로 나타났다. 이 모델을 통해 결정된 인자는 특정 지역에 대해 토양 유기 탄소의 상대적인 양을 파악하는데 도움을 주어 산림 조성 및 도시 개발시 중요한 참고 자료로 사용될 수 있을 것으로 판단된다.

DMSP-OLS 밤영상을 이용한 한국의 인구 추정

유수홍(Yoo Su Hong),한수희(Han Soo Hee),허준(Heo Joon),손홍규(Sohn Hong Gyoo) 대한공간정보학회 2010 한국지형공간정보학회 학술대회 Vol.2010 No.3

5년을 주기로 수행되는 국내 인구 통계 조사로 인해, 인구 데이터가 존재하지 않은 연도가 존재하여 이를 추정하기 위한 모델 생성이 필요하다. 본 연구에서는 DMSP -OLS 밤영상을 이용하여, 인구를 추정할 수 있는 모델을 제작하였다. 선행연구에서 사용한 지수식과 일차식을 이용하여 1995년, 2000년, 2005년에 대해 인구 추정 모델을 제작했다. 모델의 정확도 평가는 평균 절대 오차(MAE, Mean Absolute Error)를 통해 수행했다. 그 결과, 각 연도에 대해 14.224%, 12.169%, 9.925%인 것으로 나타났다. 이를 통해 한국에 대한 인구 추정 모델의 생성 가능성이 있음을 파악했다.

고해상도 SAR 영상을 이용한 영상정합기법연구

유수홍(Yoo, Su Hong),손홍규(Sohn, Hong Gyoo),백상호(Baek, Sang Ho),김성삼(Kim, Seong Sam),정재훈(Jung, Jae Hoon) 대한공간정보학회 2011 한국지형공간정보학회 학술대회 Vol.2011 No.5

의사결정나무를 이용한 토양유기탄소 추정 모델 제작

유수홍(Yoo Su Hong),허준(Heo Joon),정재훈(Jung Jae Hoon),한수희(Han Su Hee) 대한공간정보학회 2010 대한공간정보학회지 Vol.18 No.3

토양유기탄소는 산림의 형성에 도움을 주며, 대기 중의 이산화탄소양을 조절함으로써 지구 온난화에 영향을 미치는 중요한 인자 중 하나이다. 토양에 존재하는 인자의 분포를 정확히 파악하려면 모든 지역에 대해 샘플링을 수행해야하나 이는 매우 비현실적인 방법이다. 따라서 알맞은 모델을 제작하여 토양유기탄소의 분포를 추정할 수 있다면 그 활용도가 높을 것으로 판단된다. 본 연구에서는 의사결정나무 알고리즘을 이용해 경사 데이터, 경사향 데이터, Digital Elevation Model (DEM), 식생의 형태 데이터로부터 토양유기탄소를 상대적으로 다량 함유하고 있는 환경 인자를 파악할 수 있는 모델을 제작했으며, 정확도 검증은 10 집단 교차 검정을 통해 수행하였다. 이를 위하여 See 5와 Weka 소프트웨어를 이용하였다. See5 소프트웨어의 경우, 토양유기탄소 표층에 대해 식생의 형태에 의해 토양유기탄소량이 결정되는 것으로 나타났으며, 중간층에 대해서는 DEM에 의해 토양유기탄소량이 달라진다는 결론이 도출됐다. 생성된 모델의 정확도는 표층에 대해 70.8%, 중간층에 대해 64.7%인 것으로 나타났다. Weka 소프트웨어의 경우, 토양유기탄소 샘플의 표층에 대해 See5와 동일한 결과가 도출되었지만, 중간층에 대해서는 DEM이나 식생의 형태뿐만 아니라 경사향도 영향을 미친다는 결론이 도출되었다. 생성된 모델의 정확도는 표층에 대해 68.98%, 중간층에 대해 60.65%인 것으로 나타났다. 본 연구는 토양유기탄소량의 파악 및 토양유기탄소 지도 제작에 활용될 수 있을 것으로 사료된다. Soil organic carbon (SOC), being a help to forest formation and control of carbon dioxide in the air, is found to be an important factor by which global warming is influenced. Excavating the samples by whole area is very inefficient method to discovering the distribution of SOC. So, the development of suitable model for expecting the relative amount of the SOC makes better use of expecting the SOC. In the present study, a model based on a decision tree algorithm is introduced to estimate the amount of SOC along with accessing influencing factors such as altitude, aspect, slope and type of trees. The model was applied to a real site and validated by 10-fold cross validation using two softwares, See 5 and Weka. From the results given by See 5, it can be concluded that the amount of SOC in surface layers is highly related to the type of trees, while it is, in middle depth layers, dominated by both type of trees and altitude. The estimation accuracy was rated as 70.8% in surface layers and 64.7% in middle depth layers. A similar result was, in surface layers, given by Weka, but aspect was, in middle depth layers, found to be a meaningful factor along with types of trees and altitude. The estimation accuracy was rated as 68.87% and 60.65% in surface and middle depth layers. The introduced model is, from the tests, conceived to be useful to estimation of SOC amount and its application to SOC map production for wide areas.

Landsat TM 위성영상과 비율영상을 적용한 지상부 탄소 저장량 추정

유수홍(Yoo Su Hong),허준(Heo Joon),정재훈(Jung Jae Hoon),한수희(Han Soo Hee),김경민(Kim Kyoung Min) 대한공간정보학회 2011 대한공간정보학회지 Vol.19 No.2

대기 중 온실가스 증가로 인한 지구온난화의 영향으로 각종 자연 재해가 증가하면서, 온실가스에서 가장 큰 비율을 차지하는 이산화탄소의 자연 포집지인 산림이 저장하고 있는 탄소량을 추정하기 위한 많은 연구가 진행 중에 있다. 하지만 국내 지역의 환경에 적합한 탄소저장량 추정 기법 및 자료 선정에 대한 연구는 아직 부족한 상황으로, 이에 대한 연구가 요구되고 있다. 본 논문에서는 전 세계적으로 탄소저장량 추정에 보편적으로 이용되고 있는 회귀 모델과 kNN(k-Nearest Neighbor) 알고리즘을 이용하여 충청북도 단양군을 대상으로 산림이 저장하고 있는 탄소 저장량을 추정하고 결과를 비교·분석하였다. 연구 자료로써 Landsat TM 영상과 제5차 NFI(National Forest Inventory) 자료를 이용하였으며, 지형효과 보정 및 식생 구분에 특화된 다양한 비율영상을 사용하였다. 분석 결과, 단양군의 탄소저장량 추정에는 회귀 모델보다 kNN 알고리즘을 이용하는 것이 더 유리하며, 비율영상의 경우 정확도 향상에 큰 영향을 미치지 않는 것으로 나타났다. Global wamrming causes the climate change and makes severe damage to ecosystem and civilization Carbon dioxide greatly contributes to global warming, thus many studies have been conducted to estimate the forest biomass carbon stock as an important carbon storagc. However, more studies are required for the selection and use of technique and remotely sensed data suitable for the carbon stock estimation in Korea In this study, the aboveground forest biomass carbon stocks of Danyang-Gun in South Korea was estimated using kNN(k-Nearest Neighbor) algorithm and regression model, then the results were compared. The Landsat TM and 5th NFI(National Forest Inventory) data were prepared, and ratio images, which are effective in topographic effect correction and distinction of forest biomass, were also used. Consequently, it was found that kNN algorithm was better than regression model to estimate the forest carbon stocks in Danyang-Gun, and there was no significant improvement in terms of accuracy for the use of ratio images.

CNN 기법을 이용한 공간정보 자동분류연구

유수홍(Suhong Yoo),이지상(Jisang Lee),노현주(Hyunju Nho),박효근(Hyokeun Park),손홍규(Honggyoo Sohn) 대한공간정보학회 2017 한국지형공간정보학회 학술대회 Vol.2017 No.5