작황 모니터링에서 바이오매스의 정확한 평가를 위해서는 정확하고 신속한 작물 생육 상황 등 현장자료의 확보가 필수적이다. 또한, 바이오매스의 평가는 작황 모니터링 및 수확량 예측에 활용된다. 무인기 영상은 작물의 성장에 따라 빠르게 수집할 수 있기 때문에 정밀농업에서 포장내 공간변이 파악 및 분석에 사용되고 있다. 본 연구는 원격탐사 기술을 이용한 동계작물 바이오매스 평가 방법 개발을 위하여 식생지수(ExG)에 의한 식생 피복률(VF)과 작물 표고 모형(CSM) 기반의 초고(PH)를 이용하여 보리와 밀을 대상으로 바이오매스 평가 모델을 개발하는 것을 목적으로 하였다. 식생 피복률, 초고 및 상호작용 항을 독립변수로 하여 다중 선형 회귀 모델을 구축한 결과, 5가지 품종의 결정계수는 0.84~0.99로 나타났으며, 보리와 밀의 결정계수 및 평균 제곱근 오차는 각각 0.91, 0.90 및 102.09, 110.87 g/㎡으로 나타났다. 따라서 무인기 영상을 활용한 동계작물의 바이오매스 평가 및 작황 모니터링이 가능한 것으로 판단된다.

이 연구의 목적은 확률모델의 2가지 방법인 Frequency Ratio(FR), Evidential Belief Functions(EBF) 모델을 사용하여 산사태 취약성을 작성하고 강릉시 사천면과 주문진읍에서의 결과 비교를 통해 각 지역에 적합한 모델을 선정하는 것이다. 사천면에서 762개, 주문진읍에서 548개의 산사태 위치를 항공 사진의 해석을 기반으로 작성되었다. 각각의 산사태 지점 중 절반을 모델링을 위해 무작위로 선택하였고 남은 산사태 지점은 검증 목적으로 사용하였다. 지형 요소, 수문 요소, 산림입지토양도(1:5,000), 임상도(1:5,000), 지질도(1:25,000)와 같은 5가지 범주로 분류된 20가지의 산사태 유발 요소가 연구에서 산사태 취약성 작성을 위해 고려되었다. 산사태 발생과 산사태 유발 요소 사이의 관계는 FR, EBF 모델을 사용하여 분석되었다. 그 후, 2 가지 모델을 AUC(curve under area) 방법을 사용하여 검증하였다. 검증 결과에 따르면 주문진읍에서 FR모델(AUC = 81.2%)이 EBF 모델(AUC = 78.9%)에 비해 정확도가 높았다. 사천면 지역에서는 EBF 모델(AUC = 83.6%)이 FR모델(AUC =81.6%)보다 정확도가 높게 나타났다. 검증 결과 FR 모델과 EBF 모델은 정확도 80% 내외로 높은 정확도를 가지고 있음을 나타낸다.

다중센서 위성영상 간 통합 분석 및 융합과 관련된 연구가 활발히 진행되고 있다. 이를 위해서는 다중센서 영상 간 정합이 선행되어야 한다. 대표적인 정합 기법으로는 SIFT (Scale Invariant Feature Transform)와 같은 알고리즘이 존재한다. 그러나, 광학영상과 SAR (Synthetic Aperture Radar)영상은 취득 시 센서 자세와 방사 특성의 상이함으로 영상 간 분광적인 특성이 비선형성을 이뤄 기존 기법을 적용하기에 어렵다. 이를 해결하기 위해, 본 연구에서는 특징기반 정합기법인 SAR-SIFT (Scale Invariant Feature Transform)와 형상 서술자 벡터 DLSS (Dense Local Self-Similarity)를 결합하여 개선된 영상 정합기법을 제안하였다. 본 실험 지역은 대전 일대에서 촬영된 KOMPSAT-2 영상과 Cosmo-SkyMed 영상을 이용하여 실험하였다. 제안 기법을 비교평가하기 위해 특징점 및 정합쌍 추출에 대해 대표적인 기존 기법인 SIFT와 SAR-SIFT를 이용하였다. 실험 결과를 통해 제안 기법은 기존 기법들과 다르게 두 실험 지역에서 참정합쌍을 추출하였다. 또한 추출된 정합쌍을 통한 정합 결과 정성적으로 우수하게 정합되었으며, 정량적으로도 두 실험 지역에서 각각 RMSE (Root Mean Square Error) 1.66 m, 2.65 m로 우수한 정합 결과를 보였다.

본 연구에서는 고층 건물 신축에 의한 주변 지역의 일조 환경 변화를 계절별로 분석하였다. 지리정보시스템(geographic information system, GIS) 자료를 이용하여 부산광역시 부경대학교 일대를 중심으로 지형과 건물을 구축하고, 고층 건물 건설 전과 후에 대해 계절별로 일조 모델을 수행하였다. 고층 건물 단지 건설 전에도 대상 지역의 남동쪽에 위치한 아파트 단지와 남쪽에 위치한 봉오리산의 영향을 받아 일조 차단 영역이 넓게 나타났다. 고층 건물 단지 건설에 의해 주변 지역의 일조 시간이 감소하였고, 일출과 일몰 시간대에는 일조 차단 면적이 증가하였다. 일출 1시간 후의 경우에는 춘분(1.60%), 추분(1.58%), 하지(1.50%), 동지(1.36%) 순으로 일조 차단 면적이 증가하였다. 부경대학교 동쪽(남쪽)에 건설된 고층 건물 단지는 일출(일몰)시 서쪽(동쪽)으로 1,000m(750 m) 이상의 지점까지 일조가 차단되었다. 특히, 부경대학교 내부에서는 춘분, 하지, 추분, 동지에 각각 46.61%, 22.75%, 58.56%, 11.31%의 일조 시간이 감소하였다. 부경대학교 기숙사 건물에 대해 겨울철 1주일 동안 일조 시간을 조사한 결과, 남쪽 고층 건물 단지 건설은 기숙사 건물 서쪽(남쪽) 벽면의 일조 면적을 30.91% (49.45%) 정도 감소시켰다.

본 연구에서는 지리정보시스템(GIS)자료와 전산유체역학(CFD) 모델을 사용하여 방풍벽이 건물 밀집 지역에 위치한 공사 지역에서 발생하는 대기오염물질의 확산에 미치는 영향에 대해 분석하였다. 부산 ASOS에서 10년 동안 관측된 풍속을 평균하여 기준 고도(지상 10 m)에서의 유입류로 사용하였다. 수치 실험은 방풍벽 건설 전과 5 m 및 10 m 높이의 방풍벽을 건설한 후에 대해 16 방위 풍향을 유입류로 진행하였고, 부산 ASOS에서 높은 빈도를 나타낸 북동풍과 남남서풍에 대한 상세 흐름을 분석하였다. 북동풍에서는 북동쪽에서 불어오는 흐름에 의해 비산 먼지가 확산되어 공사 지역 내부에 위치한 감천초등학교에서 대기오염물질 농도가 높게 나타났다. 5 m 높이의 방풍벽을 설치했을 때는 방풍벽 설치 전에 비해 풍속이 조금 감소했고 비산 먼지의 확산이 줄었다. 10 m 높이의 방풍벽을 설치한 경우, 초등학교에서의 평균 대기오염물질 농도는 37% 감소하였다. 남남서풍 유입류에서는 지형과 건물의 영향으로 공사 지역에서 복잡한 흐름 패턴이 형성되었다. 남쪽 공사 지역에서는 비산 먼지가 정체되어 농도가 높게 나타난 반면, 초등학교는 북풍의 흐름에 의해 대기오염물질 농도가 높게 나타났다. 방풍벽 건설 후에는 공사 지역 내부에서 풍속이 감소하면서 공사장 내부 농도는 높아졌지만, 초등학교에서의 농도는 감소했다.

GF(Guided Filtering)는 영상에 존재하는 에지 정보를 보존하면서 잡음을 효과적으로 제거하기 위한 대표적인 영상처리 기법이다. 본 연구에서는 GF를 이용하여 다시기 KOMPSAT-3 위성영상에 대한 무감독 변화 탐지 기법을 수행하고, 이에 대한 성능을 평가하고자 하였다. GF를 변화탐지에 활용하기 위하여, GF를 기반으로 교차융합영상을 생성하였으며, 생성된 교차융합영상에 CVA(Change Vector Analysis) 기법을 적용하여 변화 지역을 추정하고자 하였다. KOMPSAT-3 위성영상을 이용한 실험결과, 본 연구에서 제안한 기법이 기존의 영상융합 기법을 기반으로 하는 CVA 결과들과 비교하여 효과적으로 변화지역을 탐지하는 데에 활용할 수 있음을 확인하였다.

대규모 홍수 발생 시 적기에 침수지의 공간적 분포와 변화를 모니터링하기 위한 정확하고 효율적인 매핑 수단이 필요하다. 본 연구에서는 높은 시간해상도로 동일 지역을 하루에 여러 번 관측이 가능한 저해상도 광학위성영상을 이용하여 대규모 홍수 범람으로 인한 침수지를 탐지하는 방법을 제시하고자 하였다. 2010년 1월 모로코 세부강 유역에서 발생한 대규모 홍수로 인한 침수지를 탐지하기 위하여 MODIS 일별 표면반사율 영상을 사용하였다. 영상에서 나타나는 침수지의 다양한 분광특성을 분석하여 침수지의 유형이 순수한 물표면과 물과 식물이 혼재된 형태가 함께 분포하고 있었다. 침수지 탐지는 분광특성에 따라 선정된 밴드의 반사율 영상에 직접 임계값을 적용하는 방법과 물 관련 분광지수에 임계값을 적용하는 방법을 비교하였다. 침수지 탐지 결과의 정확도 검증은 TM 영상에서 판독된 부분 지역의 침수지 지도와 비교하였다. NDWI를 제외한 나머지 방법에서 90% 이상의 높은 정확도를 얻었다. 모든 침수지 탐지 방법에서 SWIR밴드와 적색광밴드가 가장 중요하며, 2개의 밴드에 직접 임계값을 적용하는 단순한 방법으로도 정확하고 효율적인 침수지 탐지가 가능했다. 기존의 NIR밴드는 침수지 탐지에 있어서 큰 역할을 하지 못했지만, 식물이 혼재된 침수지의 유형을 구분하는데 유용했다.

위성 SAR 영상을 이용한 선박 모니터링은 선박탐지, 선박변별, 선박식별의 세 단계로 분류할 수 있다. 이 중 선박탐지 및 변별에 대해서는 세계적으로 많은 연구가 이루어졌으나, 선박식별에 대해서는 소수의 연구들만이 존재한다. 따라서 향후 고성능의 선박 모니터링 시스템을 구축하기 위해서는 많은 선박식별 연구가 필요한 상황이다. 선박식별 연구를 수행하기 위해서는 먼저 여러 기종의 선박에 대한 위성 SAR 영상과 이에 대응하는 선박 기종 정보를 모두 획득하여 데이터베이스(database: DB)를 구축하는 것이 중요하다. 항공 SAR 영상을 이용한 표적식별의 경우, 지상표적에 대한 미국 moving and stationary target acquisition and recognition (MSTAR) DB를 이용하여 많은 연구들이 수행되었지만, SAR 위성을 이용한 선박식별의 경우, 아직까지 공개적으로 이용 가능한 DB가 없었다. 이에 최근 중국 Shanghai Key Laboratory에서는 유럽우주국(European Space Agency: ESA)에서 운용하는 Sentinel-1 영상과 자동인식시스템(automatic identification system: AIS)으로부터 획득한 선박정보를 결합하여 선박식별 연구용 DB인 OpenSARShip DB를 구축하였다. 이에 먼저 항공 SAR 영상을 이용한 표적식별에서 높은 성능을 보였던 최근 식별 개념들을 위성 SAR DB에 적용하여 OpenSARShip DB의 활용성을 조사해볼 필요가 있다. 따라서 본 논문에서는 기존 항공 SAR 표적식별에서 높은 성능을 보였던 최근 식별 개념들을 OpenSARShip DB에 적용하여 선박식별을 수행한 후, 그 성능을 분석하여 OpenSARShip DB의 활용성을 조사한다.

본 연구의 목적은 다중시기 원격탐사 자료를 이용한 작물분류에서 기계학습 알고리즘과 딥러닝 알고리즘의 비교에 있다. 이를 위해 전라남도 해남군과 미국 Illinois 주의 작물 재배지를 대상으로 기계학습 알고리즘과 딥러닝 알고리즘에 대해 (1) 하이퍼파라미터와 (2) 훈련자료의 크기에 따른 영향을 비교 분석하였다. 비교 실험에는 기계학습 알고리즘으로 support vector machine(SVM)을 적용하고 딥러닝 알고리즘으로 convolutional neural network(CNN)를 적용하였다. 특히 CNN에서 2차원의 공간정보를 고려하는 2D-CNN과 시간차원을 확장한 구조의 3D-CNN을 적용하였다. 비교 실험 결과, 다양한 하이퍼파라미터를 고려해야 하는 CNN의 경우 SVM과 다르게 두 지역에서 정의된 하이퍼파라미터 값이 유사한 것으로 나타났다. 이러한 결과를 바탕으로 모델 최적화에 많은 시간이 소요되지만 최적화된 CNN 모델을 다른 지역으로 확장할 수 있는 전이학습의 적용 가능성이 높을 것으로 판단된다. 다음 훈련자료 크기에 따른 비교 실험 결과, SVM 보다 CNN에서 훈련자료 크기의 영향이 큰 것으로 나타났는데 특히 다양한 공간특성을 갖는 Illinois 주에서 이러한 경향이 두드러지게 나타났다. 또한 Illinois 주에서 3D-CNN의 분류 성능이 저하되는 것으로 나타났는데, 이는 모델 복잡도가 증가하면서 과적합의 영향이 발생한 것으로 판단된다. 즉 모델의 훈련 정확도는 높지만 다양한 공간특성이나 입력 자료의 잡음 효과 등으로 오히려 분류 성능이 저하된 것으로 나타났다. 이러한 결과는 대상 지역의 공간특성을 고려해 적절한 분류 알고리즘을 선택해야 하는 것을 의미한다. 또한 CNN에서 특히, 3D-CNN에서 일정 수준의 분류 성능을 담보하기 위해 다량의 훈련자료 수집이 필요하다는 것을 의미한다.

작황 모니터링은 농민들에게 최적의 작물 생산을 위한 농작업 관리 전략을 수립하는데 유용한 정보를 제공할 수 있다. 그러나 시료 채취에 의한 분석 등에 한정된 기존의 현장 모니터링 방법은 많은 시간과 노동력이 필요하다. 무인항공기는 고해상도 이미지를 신속하고 정기적으로 취득할 수 있는 장점이 있기 때문에 재배면적, 생육인자, 생육이상 및 생산량 추정 등과 같은 작황 모니터링 분야에 효과적으로 활용될 수 있다. 또한, 위성과 비교하여 비행 고도가 낮아 흐린 날씨에서도 높은 화질의 영상을 수집할 수 있다. 본 연구는 작황 모니터링 분야에서의 무인항공기 활용 가능성을 검토하고 무인항공기 기반의 작황 정보 생산을 위한 적용방안을 제시하고자 하였다.