국지예보모델과 위성영상을 이용한 극상림 플럭스 관측의 공간연속면 확장 및 우리나라 산림의 일일 탄소흡수능 격자자료 산출

김근아 ( Gunah Kim ),조재일 ( Jaeil Cho ),강민석 ( Minseok Kang ),이보라 ( Bora Lee ),김은숙 ( Eun-sook Kim ),최철웅 ( Chuluong Choi ),이한림 ( Hanlim Lee ),이태윤 ( Taeyun Lee ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2020 大韓遠隔探査學會誌 Vol.36 No.6

최근 지구온난화에 따른 기후변화 문제의 심각성이 커지면서 국가 온실가스 배출량을 상쇄시킬 수 있는 산림의 탄소흡수에 대한 중요성이 높아지고 있으며, 기후변화협약에 따라 국가의 산림 탄소흡수량을 국지적인 수준에서 과학적이고 정밀하게 산출할 것이 요구되고 있다. 본 연구에서는 위성영상과 일기상 자료를 함께 활용함으로써 산림 광합성의 민감한 일변화를 반영하고, 안정된 산림으로서 대표성을 가지는 광릉숲(Gwangneung Forest) 극상림(climax forest)의 플럭스관측 자료를 참조하여 GPP(gross primary production) 재현 모델을 수립하고, 수종 및 임령에 따른 탄소흡수량 조견표를 적용하여, 우리나라의 국지지역에 최적화된 Tier 2.5 수준의 일일 탄소흡수능 격자자료를 산출하였다. 2013년 1월 1일부터 2015년 12월 31일까지 1,095일간의 실험에서, 일일 기준탄소흡수능(reference amount of CO₂ absorption, RACA) 산출 모델은 상관계수 0.948의 높은 정확도를 나타냈으므로, 향후 Tier 3 수준의 일일 실제탄소흡수능(actual amount of CO₂ absorption, AACA)을 정확히 산출하기 위해서는 장기간의 상세산림조사 자료와의 결합이 필요할 것이다. As recent global warming and climate changes become more serious, the importance of CO₂ absorption by forests is increasing to cope with the greenhouse gas issues. According to the UN Framework Convention on Climate Change, it is required to calculate national CO₂ absorptions at the local level in a more scientific and rigorous manner. This paper presents the gridded expansion of forest flux observations and mapping of daily CO₂ absorption by the forests in Korea using numerical weather prediction data and satellite images. To consider the sensitive daily changes of plant photosynthesis, we built a machine learning model to retrieve the daily RACA (reference amount of CO₂ absorption) by referring to the climax forest in Gwangneung and adopted the NIFoS (National Institute of Forest Science) lookup table for the CO₂ absorption by forest type and age to produce the daily AACA (actual amount of CO₂ absorption) raster data with the spatial variation of the forests in Korea. In the experiment for the 1,095 days between Jan 1, 2013 and Dec 31, 2015, our RACA retrieval model showed high accuracy with a correlation coefficient of 0.948. To achieve the tier 3 daily statistics for AACA, long-term and detailed forest surveying should be combined with the model in the future.

단변량 및 다변량 LSTM을 이용한 농업용 저수지의 저수율 예측

조성억,이양원,Sunguk Joh,Yangwon Lee 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5

Out of the total 17,000 reservoirs in Korea, 13,600 small agricultural reservoirs do not have hydrological measurement facilities, making it difficult to predict water storage volume and appropriate operation. This paper examined univariate and multivariate long short-term memory (LSTM) modeling to predict the storage rate of agricultural reservoirs using remote sensing and artificial intelligence. The univariate LSTM model used only water storage rate as an explanatory variable, and the multivariate LSTM model added n-day accumulative precipitation and date of year (DOY) as explanatory variables. They were trained using eight years data (2013 to 2020) for Idong Reservoir, and the predictions of the daily water storage in 2021 were validated for accuracy assessment. The univariate showed the root-mean square error (RMSE) of 1.04%, 2.52%, and 4.18% for the one, three, and five-day predictions. The multivariate model showed the RMSE 0.98%, 1.95%, and 2.76% for the one, three, and five-day predictions. In addition to the time-series storage rate, DOY and daily and 5-day cumulative precipitation variables were more significant than others for the daily model, which means that the temporal range of the impacts of precipitation on the everyday water storage rate was approximately five days.

기상예보모델자료와 위성자료를 이용한 산불위험지수 개발 및 적용

김영호(Yeongho Kim),이양원(Yangwon Lee) 대한공간정보학회 2019 한국공간정보학회 학술대회 Vol.2019 No.5

딥러닝을 이용한 광학위성영상 유출유 탐지

강종구(Jonggu Kang),이양원(Yangwon Lee) 한국해양환경·에너지학회 2022 한국해양환경·에너지학회 학술대회논문집 Vol.2022 No.11

GK2A 일단위 NDVI의 과소추정 노이즈 실시간 보정

이수진,윤유정,손은하,김미자,이양원,Lee, Soo-Jin,Youn, Youjeong,Sohn, Eunha,Kim, Mija,Lee, Yangwon 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6

Normalized Difference Vegetation Index (NDVI) is utilized as an indicator to represent the vegetation condition on the land surface in various applications such as land cover, crop yield, agricultural drought, soil moisture, and forest disaster. However, satellite optical sensors for visible and infrared rays cannot see through the clouds, so the NDVI of the cloud pixel is not a valid value for the land surface. This study proposed a real-time correction of the underestimation noise for GEO-KOMPSAT-2A (GK2A) daily NDVI and made sure its feasibility through the quantitative comparisons with Moderate Resolution Imaging Spectroradiometer (MODIS) NDVI and the qualitative interpretation of time-series changes. The underestimation noise was effectively corrected by the procedures such as the time-series correction considering vegetation phenology, the outlier removal using long-term climatology, and the gap filling using rigorous statistical methods. The correlation with MODIS NDVI was higher, and the difference was lower, showing a 32.7% improvement compared to the original NDVI product. The proposed method has an extensibility for use in other satellite products with some modification.

파노라마 영상을 이용한 특징점 탐지 알고리즘의 성능평가

김형우 ( Hyungwoo Kim ),이양원 ( Yangwon Lee ) 한국사진지리학회 2017 한국사진지리학회지 Vol.27 No.3

지리정보 분야의 영상 데이터 활용성 증대에 따라 길거리의 시각적 정보를 제공할 수 있는 파노라마 영상에 대한 관심이 증가하고 있다. 여러 분야에서 길거리 영상을 참조 자료로 활용해 이동 객체에 대한 위치 정보 도출 연구가 이루어지고 있지만, 널리 활용되는 특징점 탐지 알고리즘에 대한 정량적인 성능평가는 부족한 상황이다. 이에 본 연구에서는 SIFT(Scale Invariant Feature Transform), SURF(Speed Up Robust Features), ORB(Oriented FAST and Rotated Brief) 알고리즘을 대상으로, 파노라마 영상과 평면 영상의 투영법 차이, 카메라 회전에 따른 특징점 정확도 변화, 주변 건물 환경 변화에 따른 특징점 정확도 평가를 수행하였고, 각 기법의 장단점과 활용을 위한 방향성을 제시하였다. With the increasing utilization of image database in GIS field, panoramic images which can provide visual information of streets draw attention nowadays. Although many studies in various areas have made efforts to derive location information about moving objects, quantitative analysis of the performance of commonly used feature detection algorithms is actually insufficient. Thus in this research, we carried out performance tests of the algorithms such as SIFT(Scale Invariant Feature Transform), SURF(Speed Up Robust Features), and ORB(Oriented FAST and Rotated Brief) in terms of the different projections between panoramic and planar images, accuracy variations depending on camera rotation, and the changes of street environment. The advantages and disadvantages of the methods were analysed with the implications for their utilization.

위성자료와 기상모델자료를 이용한 AI 토양수분 격자자료 생산

이수진 ( Soo-jin Lee ),손은하 ( Eunha Sohn ),박기홍 ( Ki-hong Park ),장재철 ( Jae-cheol Jang ),이양원 ( Yangwon Lee ) 한국물환경학회 2022 한국물환경학회·대한상하수도학회 공동 춘계학술발표회 Vol.2022 No.-

GK2A AMI를 이용한 한반도 식생건강지수 산출

이수진 ( Soo-jin Lee ),조재일 ( Jaeil Cho ),류재현 ( Jae-hyun Ryu ),김나리 ( Nari Kim ),김광진 ( Kwangjin Kim ),손은하 ( Eunha Sohn ),박기홍 ( Ki-hong Park ),장재철 ( Jae-cheol Jang ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.2

지구온난화는 기후변화를 야기하며 전지구적으로 이상기상 현상을 유발하고 있다. 우리나라에서도 폭염, 가뭄과 같은 이상기상 현상이 증가하고 있는 상황이다. 이상기상 감시를 위하여 지표면온도(Land Surface Temperature, LST), 온도상태지수(Temperature Condition Index, TCI), 식생활력지수(Normalized Difference Vegetation Index, NDVI), 식생상태지수(Vegetation Condition Index, VCI), 식생건강지수(Vegetation Health Index, VHI) 등의 위성자료가 활용되고 있다. TCI와 VCI를 이용하여 계산되는 VHI는 온도, 강수와 같은 기상 요인에 의한 식생 스트레스를 나타내며, 기후변화 상황에서 가뭄 평가에 주로 활용되고 있다. TCI, VCI는 날짜 및 장소에 따른 LST, NDVI의 과거 평년치를 참조해서 산출되기 때문에, 아직 2년여의 자료밖에 없는 천리안위성 2A호(GK2A) AMI (Advanced Meteorological Imager) 자료로부터 TCI, VCI, VHI를 산출하는 것은 현재로서는 쉽지 않은 일이다. 본 연구에서는 대안적인 방법으로 VIIRS (Visible Infrared Imaging Radiometer Suite) 센서의 LST, NDVI를 이용하여 GK2A의 VHI 산출 가능성을 모색하였다. GK2A와 VIIRS의 LST, NDVI는 상당히 높은 상관성을 보이기 때문에, GK2A에 존재하지 않는 과거 평년치를 VIIRS 자료로 대체하는 방식을 택하였다. 8일 간격으로 GK2A 격자에 해당하는 LST, NDVI의 최소·최대값 조견표를 구축하여 TCI, VCI, VHI를 산출하였고, 최근 우리나라 이상기상 현상에 대한 해석을 수행하였다. GK2A VHI는 2020년 3월과 6월의 폭염, 4월과 7월의 저온, 8월의 폭우 등으로 인한 식생 스트레스의 변화를 잘 표현하는 것으로 나타났지만, 미국 해양대기청(National Oceanic and Atmospheric Administration, NOAA)의 VHI 산출물은 그렇지 않았다. 본 연구에서 제시한 GK2A VHI는 향후 LST, NDVI의 과거 평년치에 대한 통계적으로 엄밀한 보완을 거친다면 폭염, 가뭄으로 인한 식생 스트레스 감시에 활용될 수 있을 것으로 사료된다. Global warming causes climate change and increases extreme weather events worldwide, and the occurrence of heatwaves and droughts is also increasing in Korea. For the monitoring of extreme weather, various satellite data such as LST (Land Surface Temperature), TCI (Temperature Condition Index), NDVI (Normalized Difference Vegetation Index), VCI (Vegetation Condition Index), and VHI (Vegetation Health Index) have been used. VHI, the combination of TCI and VCI, represents the vegetation stress affected by meteorological factors like precipitation and temperature and is frequently used to assess droughts under climate change. TCI and VCI require historical reference values for the LST and NDVI for each date and location. So, it is complicated to produce the VHI from the recent satellite GK2A (Geostationary Korea Multi-Purpose Satellite-2A). This study examined the retrieval of VHI using GK2A AMI (Advanced Meteorological Imager) by referencing the historical data from VIIRS (Visible Infrared Imaging Radiometer Suite) NDVI and LST as a proxy data. We found a close relationship between GK2A and VIIRS data needed for the retrieval of VHI. We produced the TCI, VCI, and VHI for GK2A during 2020-2021 at intervals of 8 days and carried out the interpretations of recent extreme weather events in Korea. GK2A VHI could express the changes in vegetation stress in 2020 due to various extreme weather events such as heatwaves (in March and June) and low temperatures (in April and July), and heavy rainfall (in August), while NOAA (National Oceanic and Atmospheric Administration) VHI could not well represent such characteristics. The GK2A VHI presented in this study can be utilized to monitor the vegetation stress due to heatwaves and droughts if the historical reference values of LST and NDVI can be adjusted in a more statistically significant way in the future work.

딥러닝을 이용한 원격탐사 영상분석 연구동향

김형우 ( Hyungwoo Kim ),김민호 ( Minho Kim ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.5

인공지능 기법들은 특히 영상분류(image classification), 객체탐지(object detection), 영상분할(image segmentation)에 효과적으로 사용되고 있다. 특히, 딥러닝(deep learning)은 최근 컴퓨팅 파워의 증대와 함께 깊고 두터운 네트워크 구성이 가능해지고 보다 효율적인 활성함수(activation function)와 옵티마이저(optimizer)를 활용한 특징맵(feature map)의 생성을 통해 상당히 높은 정확도를 도출할 수 있다. 본고에서는 최근 다양한 원격탐사 분야에서 활용성이 확대되고 있는 딥러닝 영상인식 기법인 Convolutional Neural Network (CNN) 기반 모델 및 Transformer 기반 모델에 대한 기술동향 및 사례연구를 검토하고, 우리나라에서 이들 기법의 활용방안 및 발전방향 등을 제시하고자 한다. 향후 원격탐사 기반의 재난 상황 대응을 위해서는 위성영상의 적시성 확보와 실시간 딥러닝 처리, 그리고 위성, 드론 및 Closed-circuit Television (CCTV) 영상이 함께 활용되는 영상 빅데이터 플랫폼도 개발되어야 할 것이다. Artificial Intelligence (AI) techniques have been effectively used for image classification, object detection, and image segmentation. Along with the recent advancement of computing power, deep learning models can build deeper and thicker networks and achieve better performance by creating more appropriate feature maps based on effective activation functions and optimizer algorithms. This review paper examined technical and academic trends of Convolutional Neural Network (CNN) and Transformer models that are emerging techniques in remote sensing and suggested their utilization strategies and development directions. A timely supply of satellite images and real-time processing for deep learning to cope with disaster monitoring will be required for future work. In addition, a big data platform dedicated to satellite images should be developed and integrated with drone and Closed-circuit Television (CCTV) images.

드론영상과 YOLOv7x 모델을 이용한 활성산불 객체탐지

박강현,강종구,최소연,윤유정,김근아,이양원,Park, Ganghyun,Kang, Jonggu,Choi, Soyeon,Youn, Youjeong,Kim, Geunah,Lee, Yangwon 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6

Active fire monitoring using high-resolution drone images and deep learning technologies is now an initial stage and requires various approaches for research and development. This letter examined the detection of active fire objects using You Look Only Once Version 7 (YOLOv7), a state-of-the-art (SOTA) model that has rarely been used in fire detection with drone images. Our experiments showed a better performance than the previous works in terms of multiple quantitative measures. The proposed method can be applied to continuous monitoring of wide areas, with an integration of additional development of new technologies.