KR101436829B1 - 관측위성 영상을 통한 수질 모니터링 방법 - Google Patents
관측위성 영상을 통한 수질 모니터링 방법 Download PDFInfo
- Publication number
- KR101436829B1 KR101436829B1 KR1020120129525A KR20120129525A KR101436829B1 KR 101436829 B1 KR101436829 B1 KR 101436829B1 KR 1020120129525 A KR1020120129525 A KR 1020120129525A KR 20120129525 A KR20120129525 A KR 20120129525A KR 101436829 B1 KR101436829 B1 KR 101436829B1
- Authority
- KR
- South Korea
- Prior art keywords
- water quality
- band
- multiple regression
- regression model
- satellite image
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 230
- 238000000034 method Methods 0.000 title claims description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000002310 reflectometry Methods 0.000 claims description 44
- 238000012937 correction Methods 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 13
- 239000007787 solid Substances 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 10
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 7
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 7
- 229930002868 chlorophyll a Natural products 0.000 claims description 7
- 229910052698 phosphorus Inorganic materials 0.000 claims description 7
- 239000011574 phosphorus Substances 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 abstract description 3
- 238000007619 statistical method Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000000873 masking effect Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 101000972485 Homo sapiens Lupus La protein Proteins 0.000 description 1
- 102100022742 Lupus La protein Human genes 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/514—Depth or shape recovery from specularities
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
본 발명은, 관측위성에서 다중밴드로 촬영한 위성영상에 근거하여 수계의 수질을 다중회귀모형으로 분석 및 모니터링하는 한편, 위성영상을 추가 입력받을 때마다 다중회귀모형을 검증하여 추가 입력 자료에 따라 갱신함으로써, 다중회귀모형의 정확도를 점차 향상시키고, 상관성 분석 및 통계 분석에 따라 밴드를 선별한 후에 다중회귀모형을 획득 또는 갱신하게 함으로써, 수질 분석의 오차를 줄일 수 있는 관측위성 영상을 통한 수질 모니터링 방법에 관한 것이다.
Description
본 발명은, 관측위성에서 다중밴드로 촬영한 위성영상에 근거하여 수계의 수질을 다중회귀모형으로 분석 및 모니터링하는 한편, 위성영상을 추가 입력받을 때마다 다중회귀모형을 검증하여 추가 입력 자료에 따라 갱신함으로써, 다중회귀모형의 정확도를 점차 향상시키고, 상관성 분석 및 통계 분석에 따라 밴드를 선별한 후에 다중회귀모형을 획득 또는 갱신하게 함으로써, 수질 분석의 오차를 줄일 수 있는 관측위성 영상을 통한 수질 모니터링 방법에 관한 것이다.
강, 하천, 호수 등의 수계(水系)에 대한 수질을 모니터링하는 방법은, 일반적으로 수계의 특정 지점에서 시료를 채취하여 직접 분석하는 방법을 채용하고 있으나, 이러한 점 채취(point sampling) 및 직접 분석 방법은 특정 지점의 수질을 정확하게 얻을 수는 있는 반면에 수계 전체의 수질 상태를 모니터링할 수 없다.
수계 전역에 대해 수질을 모니터링하여야 하는 이유는, 오염물질의 분포, 이동경로, 이동속도 등을 다각적으로 분석할 필요성이 있기 때문이다.
이와 같이 수계 전역의 수질을 모니터링하기 위한 종래기술로서, 공개특허 제10-2011-0067964호는 인공위성인 관측위성에서 촬영하여 얻는 영상을 분석하여 수질을 모니터링하는 방법을 제시하였다. 상기 종래기술은, 다중밴드로 된 위성영상 데이터와 실측 데이터 사이의 상관관계식을 이용하여서, 실측하지 아니한 수계의 영역에 대해 수질 데이터를 얻는다.
하지만, 상기 종래기술은 수질항목별로 특정밴드를 독립변수로 하는 상관관계식을 미리 정하여 사용하므로, 위성영상의 품질 및 상관관계식의 형태에 따라 성능이 크게 좌우되는 문제점을 갖는다. 즉, 위성영상의 품질이 촬영 환경 및 기상 조건 등의 다양한 요인에 의해 크게 변동하므로 특정된 상관관계식 및 데이터만으로는 수계 전역에 대한 수질을 정량적으로 정확하게 보여주지 못하고, 상관관계식이 수질항목별로 각각 고정되어 있어서 상관관계식 자체의 오차가 있는 경우에 수질 분석의 오차가 매우 크게 나타나는 문제점을 갖는 것이다.
따라서 본 발명의 목적은, 위성영상과 수질 데이터 간의 상관모델을 이용하여 수계 전역의 수질을 모니터링함에 있어서, 밴드별 상관성 분석 및 통계 분석을 통해 정확한 상관모델을 유도하여서, 촬영 환경 및 기상 조건에 따라 변하는 위성영상을 사용하더라도 수질을 정확하게 모니터링할 수 있는 관측위성 영상을 통한 수질 모니터링 방법을 제공하는 것이다.
본 발명의 다른 목적은, 상관모델을 특정하지 아니하고 지속적으로 갱신하게 구성하여 상관모델의 자체에 의한 오차를 최소화하는 관측위성 영상을 통한 수질 모니터링 방법을 제공하는 것이다.
상기 목적을 달성하기 위해 본 발명은, 수계(水系)의 위성영상을 입력받아 분석하여 수질 정보를 제공하는 수질 모니터링 방법에 있어서, 관측위성에서 수계를 촬영한 다중밴드 위성영상, 및 수계의 복수 지정개소에서 각각 위성영상의 촬영날짜에 맞춰 측정한 수질 데이터를 서로 다른 날짜별로 입력받는 기초 자료 수집단계(S10); 기하보정(Geometric Correction) 및 방사보정(Radiometric Correction)을 포함한 영상전처리를 밴드별 위성영상에 대해 수행한 후에, 밴드별 반사도(Reflectance)를 획득하고, 위성영상, 수질 데이터 및 반사도를 데이터베이스에 저장관리하는 영상 처리단계(S20); 상기 지정개소의 수질 데이터와 상기 지정개소의 위치에 대응되는 밴드별 반사도 사이의 상관관계를 분석하여 밴드를 선별하고, 선별한 밴드별 반사도를 독립변수로 하고 수질을 종속변수로 하는 다중회귀모형을 획득하는 상관모델 획득단계(S30); 다중밴드 위성영상 및 지정개소의 수질 데이터를 추가 입력받아 영상전처리하고, 추가 입력받은 지정개소에 대한 수질 데이터와 추가 입력받은 위성영상의 반사도에 따라 상기 다중회귀모형으로 산출하는 지정개소의 수질 데이터를 비교하여 미리 설정한 오차보다 크게 되면, 상기 상관모델 획득단계(S30)로 돌아가서 추가 입력받은 위성영상의 반사도 및 추가 입력받은 수질 데이터를 이전 반사도 및 수질 데이터에 반영하여 다중회귀모형을 갱신하는 검증단계(S40); 위성영상에 대한 반사도를 상기 상관모델 획득단계(S30)에 의해 획득한 다중회귀모형에 대입하여 수계 전체에 대한 수질분포도를 생성하는 수질정보 제공단계(S50); 를 포함하여 이루어짐을 특징으로 한다.
상기 다중회귀모형은,
로 이루어지며, 여기서, Y는 수질항목이고, 
은 계수이고, 
은 다중밴드 위성영상에서 얻는 밴드별 반사도이고, N은 밴드의 개수이고, 상기 지정개소에 대응되는 픽셀마다 획득한 밴드별 반사도를 독립변수로 하고, 상기 지정개소에서 측정한 수질 데이터의 수질항목을 종속변수로 한 다중회귀분석에 의해 계수를 얻어 다중회귀모델을 획득함을 특징으로 한다.
상기 상관모델 획득단계(S30)는, 상기 다중회귀모형을 획득하기에 앞서서, 밴드별 반사도와 수질항목별 상관계수(coefficient of correlation, 相關係數)를 산출하여 미리 설정된 임계치보다 큰 상관계수를 보이는 밴드를 선정하고, 선정한 밴드를 제외한 나머지 밴드의 계수를 '0'으로 한 후, 상기 다중회귀모형을 획득함을 특징으로 한다.
상기 상관모델 획득단계(S30)는, 상기 검증단계(S40)에 의해 추가 입력된 다중밴드 위성영상 및 지정개소의 수질 데이터에 따라 상기 다중회귀모형을 갱신할 때에, 상관계수를 다시 산출하여 밴드를 선택하고, 위성영상의 개수가 미리 설정된 개수 이상이 되면, 다중회귀모형으로 산출한 수질값과 입력받아 저장한 수질 데이터 사이의 오차를 위성영상별로 비교하여 미리 설정된 오차 이하인 위성영상을 선별하고, 선별한 위성영상들만으로 다중회귀모형을 획득하여 사용함을 특징으로 한다.
상기 수질항목은, 수온(Temp), 클로로필-a(Chl-a), 부유물질(SS) 및 총인 농도(TP) 중에 적어도 어느 하나 이상을 포함하여 이루어짐을 특징으로 한다.
상기와 같이 구성되는 본 발명은, 수질과 밴드별 반사도 사이의 상관관계에 근거하여 밴드를 선별한 후에 다중회귀모형을 생성하되, 기초 자료인 위성영상 및 실측 데이터를 입력받을 때마다 다중회귀모형을 갱신할 수 있게 하므로, 상관모델의 오차 및 위성영상의 부정확성에 의한 오차가 있더라도 통계학적으로 다중회귀모형의 정확성을 향상시킬 수 있으며, 다중회귀모형의 갱신 및 다중회귀모형을 이용한 수질정보 제공을 동시에 수행하므로, 기초 자료의 누적에 따라 점차 향상된 시스템을 구축할 수 있다.
도 1은 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법을 구현하기 위한 수질 분석 장치의 블록구성도.
도 2는 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법의 순서도.
도 3은 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법으로 제공하는 클로로필-a 및 부유물질에 대한 수질분포도의 예시도.
도 4는 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법으로 제공하는 총인농도 및 수온에 대한 수질분포도의 예시도.
도 2는 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법의 순서도.
도 3은 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법으로 제공하는 클로로필-a 및 부유물질에 대한 수질분포도의 예시도.
도 4는 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법으로 제공하는 총인농도 및 수온에 대한 수질분포도의 예시도.
이하, 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 당해 분야에 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 설명한다. 첨부된 도면들에서 구성 또는 작용에 표기된 참조번호는, 다른 도면에서도 동일한 구성 또는 작용을 표기할 때에 가능한 한 동일한 참조번호를 사용하고 있음에 유의하여야 한다. 또한, 하기에서 본 발명을 설명함에 있어, 관련된 공지의 기능 또는 공지의 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
도 1 및 도 2는 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법을 설명하기 위해 첨부한 도면들로서, 도 1은 본 발명의 구현하기 위한 수질 분석 장치의 블록구성도이고, 도 2는 순서도이다.
먼저, 상기 도 1을 참조하면 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법을 구현하기 위한 수질 분석 장치는, 자료 수집부(10), 영상 전처리부(20), 상관모델 획득부(30), 수질정보 제공부(40) 및 데이터베이스부(50)를 포함하여 구성된다.
상기 자료 수집부(10)는, 관측위성에서 다중밴드로 수계(水系)를 촬영하여 얻는 위성영상과, 수계에 복수개로 지정된 지정개소에서 각각 위성영상의 촬영날짜에 맞춰 측정한 수질 데이터를 입력받으며, 초기 다중회귀모형을 얻기 위해서 서로 다른 날짜별로 획득한 위성영상 및 수질 데이터를 입력받는다. 후술하는 바와 같이, 초기에 다중회귀모형을 얻은 이후에는, 최근 날짜의 다중밴드 위성영상을 입력받아서, 입력받은 다중밴드 위성영상을 해독하여 다중회귀모형으로 수질을 계산하여 분석 및 모니터링하며, 아울러, 그 날짜에 지정개소에서 측정한 수질 데이터도 입력받아 후술하는 바와 같이 다중회귀모형을 검증하고 검증결과에 따라 갱신하기도 한다.
여기서, 상기 지정개소는 일반적으로 수계의 수질을 감시하기 위해서 일반적으로 행하는 수질 검사 개소로서, 관련기관에서 지정하여 주기적으로 수질을 측정하지만, 수계 전체에 대한 수질분포도를 보여주지는 못한다. 본 발명에 따르면, 후술하는 바와 같이 다중회귀모형으로 수계 전체에 대한 수질분포도를 작성한다.
상기 영상 전처리부(20)는, 입력받은 다중밴드 위성영상의 왜곡된 이미지를 보정하는 것으로서, 일반적으로, 기하보정(21) 및 방사보정(22)을 포함한다.
기하보정(21, Geometric Correction)은, 위성의 자세, 지구의 곡률, 위성의 진행 방향, 관측기기의 오차, 지구 자전 등에 의해서 기하학적으로 왜곡된 이미지를 보정하는 것으로서, 지상기준점(Ground Control Point, GCP)을 이용함으로써 영상내의 위치와 실제 지상 좌표상의 위치 간의 관계식을 만들어 좌표를 변환시킨다. 통상적으로 지상기준점은 최소 3개 이상이어야 하며, 많으면 많을수록 보정의 정확성을 높일 수 있다.
방사보정(22, Radiometric Correction)은, 방사적 오차에 따라 발생하는 왜곡을 보정하는 것으로서, 본 발명의 실시예에서는 대기 흡수와 산란에 의한 오차를 제거하기 위해 주변의 히스토그램을 분석하여 최소 밝기값을 결정한 후 밝기값을 교정하는 히스토그램교정(Histogram djustment) 방식을 채택하여서 대기에 의한 오차를 줄였다.
본 발명의 실시예에서는, 기하보정(21)과 방사보정(22)만을 예로 들었으나, 위성영상의 왜곡을 보정하기 위한 다양한 보정방식을 추가할 수도 있음은 자명하다.
상기 상관모델 획득부(30)는, 위성영상의 픽셀별 DN(Digital Number) 값으로부터 수질을 추정하는 다중회귀모형으로 이루어지는 상관모델을 획득하는 구성요소로서, DN 추출부(31), 반사도 획득부(32), 상관관계 분석부(33), 다중회귀모형 획득부(34) 및 위성영상 선별부(35)를 포함하여 구성된다.
상기 DN 추출부(31)는, 수질을 측정한 상기 지정개소의 위치에 대응되는 밴드별 픽셀의 DN(Digital Number) 값을 추출한다. 위성영상의 해상도 한계를 극복하여 DN 값의 정확성을 기하기 위해서, 상기 지정개소에 대응되는 픽셀의 주변 픽셀(예를 들면 3X3 픽셀)을 포함하는 윈도우를 씌워 평균값을 취하는 것이 좋다.
상기 반사도 획득부(32)는, 지정개소에 대한 밴드별 DN 값을 반사도(reflectance)로 변환하는 구성요소이다. DN 값을 반사도로 변환하는 이유는, 관측위성에서 서로 다른 날짜에 촬영하거나 또는 서로 다른 센서를 이용하여 촬영한 위성영상이 대기의 영향으로 DN 값이 왜곡되기 때문이며, 이러한 대기의 영향을 보정하여 표준화할 필요가 있다. 특히, 위성영상의 촬영시기에 따라 태양 고도각, 지표면의 광학적 특성 등이 변하므로, 태양 고도각을 보정해 주어야만 지표면의 광학적인 특정을 정확하게 알아내어 측정 신뢰도를 높일 수 있다.
위성영상의 DN 값을 반사도로 변환시키기 위해서는 먼저 DN 값을 방사도(radiance)로 변환하고, 이 방사도로부터 반사도(reflectance)를 얻을 수 있으며, DN 값의 방사도 변환 및 반사도의 변환은 다음의 수식으로 이루어진다.
여기서,
를 의미한다.
여기서,
d : 지구와 태양과의 거리
을 의미한다.
상기 수학식 1 및 수학식 2를 이용하여 상기 지정개소의 DN 값에 대응되는 반사도를 밴드별로 구할 수 있다.
상기 지정개소에 대해 위성영상에서 얻은 반사도와 지상에서 실측 데이터로 얻은 수질 데이터 간의 상관성이 높아야 수질 데이터를 위성영상의 반사도로부터 신빙성 있게 추측할 수 있다.
이에, 상기 상관관계 분석부(33)는, 위성영상의 다중밴드 중에 어느 밴드가 수질 데이터와 상관성을 갖는지를 분석하여서, 상관성이 상대적으로 높게 나타나는 밴드를 선정하여, 선정한 밴드의 반사도를 독립변수로 하는 다중회귀모형을 후술하는 바와 같이 다중회귀모형 획득부(34)에서 획득하게 한다.
본 발명의 실시예에서는, 밴드와 수질 데이터 간의 상관성을 분석하기 위해서 각 밴드별로 상관계수(coefficient of correlation, 相關係數)를 계산하여서, 상관계수가 미리 설정된 임계치보다 크게 나타나는 밴드를 선정하였다. 여기서 선정되지 못한 밴드는 후술하는 다중회귀모형에서 계수를 '0'으로 하여 선정한 밴드만 종속변수로 하는 다중회귀모형을 얻는다. 한편, 동일 날짜에 복수의 지정개소에서 실측한 수질 데이터를 사용하므로, 각각 지정개소에서 측정한 수질 데이터 및 각각 지정개소에 대응되는 반사도 간의 상관계수를 날짜별로 산출하고, 서로 다른 날짜에 대해 산출한 상관계수를 다시기(또는 다중시기) 표준화한 후에, 표준화한 상관계수를 미리 설정된 임계치와 비교하여 밴드를 선정한다.
본 발명의 실시예에서는, 수온(Temp), 클로로필-a(Chl-a), 부유물질(SS) 및 총인 농도(TP)를 수질항목으로 한 수질 데이터를 실측하고, 위성영상과 연계하여 위성영상으로부터 각각의 수질항목을 추측하므로, 상기한 수질항목에 대해 각각 상관계수를 산출하여 수질항목별로 밴드를 선정한다.
상기 다중회귀모형 획득부(34)는, 상기한 바와 같이 상관성이 상대적으로 높게 나타나는 밴드의 반사도를 독립변수로 하고 수질항목을 종속변수로 하는 다중회귀모형을 유도하며, 다중회귀모형의 기본 모형은 다음의 수학식 3으로 이루어진다.
여기서, Y는 수질항목이고, 
은 계수이고, 
은 다중밴드 위성영상에서 얻는 밴드별 반사도이고, N은 밴드의 갯수이다.
그리고, 다중회귀모형은 상기한 바와 같이 수질항목별로 선정한 밴드를 제외하고 나머지 밴드의 계수를 '0'으로 하여 선정한 밴드만이 독립변수로 하고 수질항목을 종속변수로 하는 다중회귀분석(multiple regression analysis , 多重回歸分析)을 실시하여 획득한다.
예외적으로, 상기한 수질항목 중에 수온은 열적외선 파장의 밴드와 높은 상관관계를 갖으므로, 수온에 한해서는 밴드를 미리 선정한 상태로 다중회귀모형을 얻는 것이 좋으며, 수질항목에 한해서 방사도를 독립변수로 하여도 된다.
한편, 다중회귀모형의 정확성을 높이기 위해서는, 적합한 위성영상을 선별한 후에 선별한 위성영상만으로 다중회귀모형을 획득하는 것이 바람직하다. 위성영상의 DN 값은 영상전리부(20)로 보정하고 반사도로 변환하더라도 다양한 환경요인에 의한 오차를 완전히 없앨 수는 없으므로, 복수의 위성영상으로부터 다중회귀모형을 획득할 경우에 그 오차로 인해 정확성이 저하된다. 예를 들어 기상조건이 매우 좋지 않아 오차가 크게 나타나면, 이러한 위성영상은 배제하여 상태가 좋은 위성영상만으로 다중회귀모형을 얻는 것이 좋다. 이에, 상기 도 1에 도시한 바와 같이, 상관모델 획득부(30)는, 위성영상 선별부(35)를 더욱 구비한다.
상기 위성영상 선별부(35)는, 후술하는 바와 같이 위성영상 및 수질 데이터를 추가 입력받아 다중회귀모형을 갱신할 때에 사용되는 위성영상의 개수가 미리 설정된 개수 이상이 되어 통계적으로 충분하면, 상기 다중회귀모형 획득부(34)로 얻는 다중회귀모형을 이용하여 각각의 위성영상별로 수질을 산출하고(즉, 상기 지정개소에 해당되는 픽셀의 반사도를 대입하여 수질을 산출하고), 입력받은 수질 데이터와 비교하여 미리 설정된 오차 이하인 위성영상을 선별한다. 그리고, 선별한 위성영상만으로 상기 다중회귀모형 획득부(34)에서 다중회귀모형을 수정하게 한다. 물론, 위성영상, 수질 데이터, 및 상기 지정개소에 대한 반사도는 데이터베이스부(50)에 저장관리되므로, 과거의 위성영상에 근거하여 현재의 다중회귀모형으로 수질 데이터를 산출할 수 있다.
이와 같이 위성영상을 선별함으로써, 위성영상을 선별하기 전의 다중회귀모형보다는 선별한 위성영상을 이용한 다중회귀모형의 정확성을 높일 수 있다.
상기 수질정보 제공부(40)는, 상기 상관모델 획득부(30)에서 얻은 수질항목별 다중회귀모형을 특정 위성영상에 적용하여 수질분포도를 작성하고, 작성한 수질분포도를 활용하는 관련기관 또는 필요로 하는 소비자에 제공한다. 여기서, 특정 위성영상이라 함은 도 2의 순서도에서 확인할 수 있는 바와 같이 위성영상을 지속적으로 입력받을 경우에 매 입력받는 위성영상에 해당된다. 그리고, 그 특정 위성영상에 대한 수질분포도는 데이터베이스부(50)에 저장함으로써, 관련기관에서 요청하는 날짜의 위성영상에 대한 수질분포도를 제공할 수 있게 하는 것도 가능함은 자명하다.
수질분포도의 작성은 특정 위성영상에서 수계 전역에 대한 밴드별 반사도를 획득하는 반사도 획득부(41), 특정 위성영상에서 수계 부분만 마스킹 처리하여 수계 이미지를 얻는 마스킹 파일 작성부(42), 수계 전체에 대한 밴드별 반사도를 수질항목별 다중회귀모델에 대입하여 수질항목별 수질을 픽셀단위로 계산하고 계산한 수질을 마스킹 처리한 수계 이미지에 표시한 수질항목별 수질분포도를 작성하는 수질분포도 작성부(43)에 의해서 이루어진다.
여기서, 마이스킹 파일 작성부(42)는 밴드별 위성영상에서 수계 이미지를 얻기에 용이한 밴드의 위성영상을 미리 설정하는 것이 좋다. 그리고, 수질분포도는 색상으로 구분하여 수질을 표시하는 것이 좋다.
한편, 상기 수질정보 제공부(40)는, 검증부(44)를 더욱 구비한다.
상기 검증부(44)는, 수질분포도를 작성하기 위한 다중밴드 위성영상과 함께 그 다중밴드 위성영상의 촬영 날짜에 측정한 상기 지정개소의 수질 데이터를 추가 입력받아, 상기 반사도 획득부(41), 마스킹 파일 작성부(42) 및 수질분포도 작성부(43)를 가동하여 추가 입력받은 위성영상에 대응되는 수질분포도를 제공하는 과정에서 수질 데이터를 얻게 되는 데, 이때 얻은 수질 데이터를 추가 입력 입력받은 수질 데이터와 상호 비교한다. 그리고, 비교 결과, 오차가 미리 설정한 오차보다 크게 되면, 상기 상관모델 획득부(30)를 가동하여 다중회귀모형을 갱신하게 한다. 이때의 다중회귀모형의 갱신은 추가 입력받은 다중밴드 위성영상 및 수질 데이터를 이전의 다중밴드 위성영상 및 수질 데이터와 함께 적용하여서, 추가 입력한 자료를 반영한 다중회귀모형을 얻게 한다.
상기 데이터베이스부(40)는, 상기 자료 수집부(10)에서 수집한 위성영상 및 수질 데이터, 상기 상관모델 획득부(30)에서 생성되는 반사도 및 다중회귀모형, 상기 수질정보 제공부(40)에서 얻는 수질분포도, 를 포함하는 각종 정보를 저장관리한다. 이와 같이 저장관리되는 수질 데이터 및 반사도는, 다중회귀모형을 갱신할 시에 추가 입력받는 수질 데이터 및 추가 입력받는 위성영상의 반사도와 함께 반영된다. 그리고, 저장관리하는 수질분포도는 관련기관이 요청한 날짜의 수질분포도를 통신망을 통해 전송하여서 활용되게 한다. 물론, 수질분포도는 인터넷망을 통한 게시판 형태로 제공할 수도 있다.
이하, 도 2를 참조하여 본 발명의 실시예에 따른 관측위성 영상을 통한 수질 모니터링 방법을 설명하며, 상기 도 1의 블록구성도를 참조하여 설명한 내용과 중복되는 내용을 일부 생략함에 유의해야 한다.
본 발명의 실시예에 따르면, 초기 다중회귀모형을 얻기 위해 다중밴드 위성영상 및 수질 데이터를 포함한 기초 자료를 수집하는 기초 자료 수집단계(S10), 기초 자료 중에 다중밴드 위성영상을 처리하여 밴드별 반사도를 획득하는 영상 처리단계(S20), 반사도 및 수질데이터에 근거하여 다중회귀모형을 획득하는 상관모델 획득단계(S30), 다중회귀모형을 검증하는 검증단계(S40), 및 다중회귀모형을 이용한 수질분포도를 제공하는 수질정보 제공단계(S50), 를 포함하여 이루어진다.
상기 기초 자료 수집단계(S10)는, 수질항목별 초기 다중회귀모형을 얻기 위한 기초 자료로서, 관측위성에서 수계를 촬영한 다중밴드 위성영상 및 수계의 복수 지정개소에서 각각 위성영상의 촬영날짜에 맞춰 측정한 수질 데이터를 서로 다른 날짜별로 자료 수집부(10)를 통해 입력받는 단계이다.
본 발명에 따르면, 초기의 다중회귀모형을 획득하여 위성영상에 근거한 수질정보를 제공하면서, 새로운 위성영상을 추가 입력받을 때마다 검증하여 다중회귀모형을 갱신하게 되는데, 초기의 다중회귀모형을 획득하기 위해서는 서로 다른 날짜에 촬영한 복수의 위성영상이 필요하고, 그 날짜별로 지상에서 실측한 수질 데이터가 필요하므로, 초기 다중회귀모형을 얻기 위해서는 복수의 날짜에서 각각 획득한 자료를 얻어야 하는 것이다.
상기 기초 자료 수집단계(S10)에서 수집하는 상기 지정개소의 수질 데이터는, 수온(Temp), 클로로필-a(Chl-a), 부유물질(SS) 및 총인 농도(TP) 중에 적어도 어느 하나 이상을 수질항목으로 한 데이터이다.
상기 영상 처리단계(S20)는, 기초 자료로 수집한 다중밴드 위성영상을 영상전처리부(20)에서 각각 영상전처리(기하보정 및 방사보정을 포함함)하여 왜곡을 보정하고(S21), 상관모델 획득부(30)의 DN 추출부(31) 및 반사도 획득부(32)에서 날짜별 및 밴드별 반사도(Reflectance)를 상기 지정개소별로 획득하는(S22) 단계이다. 이때 획득하는 날짜별 및 밴드별 반사도는, 기초 자료로 입력받은 수질 데이터의 획득지점, 즉, 상기 복수의 지정개소의 위치에 대응하는 픽셀의 반사도이다.
그리고, 상기 영상 처리단계(S20)에서 획득하는 지정개소별, 날짜별 및 밴드별 반사도는, 상기 기초 자료 수집단계(S10)에서 입력받은 수질 데이터 및 위성영상과 함께 데이터베이스부(50)에 저장된다. 이때, 저장하는 반사도 및 수질 데이터는, 하기의 검증단계(S40)에 의해 다중회귀모델을 갱신할 시에 다시 사용된다.
상기 상관모델 획득단계(S30)는, 상관모델 획득부(30)의 상관관계 분석부(33) 및 다중회귀모형 획득부(34)에 의해서 다중회귀모형을 획득하는 단계로서, 상기 영상 처리단계(S20)에서 획득한 상기 지정개소에 대응되는 날짜별 및 밴드별 반사도와 상기 기초 자료 수집단계(S10)에서 입력받는 수질 데이터 간의 상관계수를 산출하여 상관계수가 미리 설정된 임계치보다 높게 나타나는 밴드를 선정하고(S31), 선정한 밴드의 반사도 및 입력받은 수질 데이터를 다중회귀분석하여 상관성이 높은 밴드를 독립변수로 하고 수질항목을 종속변수로 하는 다중회귀모형을 획득한다(S32). 여기서, 상관관계가 높은 밴드의 선정, 및 다중회귀모형의 획득은 수질항목별로 분리하여 개별적으로 실시한다.
하기의 표는, 구체적인 실시예로서 국내 어느 하나의 댐에 형성된 호소에 적용하여 얻은 다중회귀모형이다. 다중밴드 위성영상은 LANDSAT에 탑재한 TM 센서로 촬영한 7개의 밴드(Band) 영상이고, 서로 다른 날짜에 촬영한 3일치의 영상을 채용하였으며, 수질 데이터는 클로로필-a(Chl-a), 부유물질(SS), 총인 농도(TP) 및 수온(Temp)을 수질항목으로 하여 서로 다른 위치의 6개소에서 실측한 데이터를 적용하였다.
| 수질항목 | 선정한 밴드 | 다중회귀모형 | 결정계수 (R2) |
| Chl-a | B2,B3,B4 | Chl-a=-44+2929.6B2+1062.7B3+626B4 | 0.79 |
| SS | B2,B3 | SS=-10.5+446.4B2+685.1B3 | 0.67 |
| TP | B2,B3 | TP=-0.03+1.92B2+2.18B3 | 0.71 |
| Temp | B6 | Temp=92.39B6-51.49 | 0.89 |
상기 표 1을 참조하면, 상관계수를 산출하여 선정한 밴드는 수질항목별로 서로 다르게 된다. 그리고, 각각의 수질항목별로 획득한 다중회귀모형은 상관계수에 따라 선정한 밴드를 종속변수로 한다. 즉, 상관성이 낮거나 아니면 나타나지 아니하여 선정하지 아니한 밴드의 계수는, 상기 수학식 3의 기본 모형과 비교하여 '0'으로 설정함으로써, 선정한 밴드의 계수만 종속변수로 하는 다중회귀모형이 완성되는 것이다.
다중회귀모형의 정확성을 위해 결정계수를 별도로 산출하였다. 상기한 다중회귀모형의 결정계수를 살펴보면, 상기 표 1의 결과를 위해 적용한 위성영상의 개수 및 수질 데이터의 양이 많지 아니하여서, 결정계수가 낮게 나오는 다중회귀모형도 나타남을 볼 수 있다. 하지만, 하기의 검증단계(S40)에 따라 새로운 위성영상 및 수질 데이터에 근거하여 다중회귀모형을 지속적으로 갱신한다면, 보다 정확한 모형을 얻을 수 있다.
상기 검증단계(S40)는, 수질정보 제공부(40)에서 수질분포도를 포함한 수질정보를 제공하는 중에, 새로운 위성영상 및 수질 데이터를 자료 수집부(10)에서 추가 입력받을 시에 영상전처리부(20)로 처리한 후, 검증하는 단계이다.
즉, 상기 검증단계(S40)는, 다중밴드 위성영상 및 지정개소의 수질 데이터를 추가 입력받을 시에(S41) 영상전처리하고(S42) 반사도를 산출한 후에(S43), 상기 지정개소에 대응되는 반사도를 추출하여(S44) 지정개소에 대한 수질항목별 수질 데이터를 다중회귀모형으로 산출한다. 그리고, 산출한 수질 데이터와 입력받은 수질 데이터를 비교하여 그 오차가 미리 설정한 오차보다 크게 되면, 상기 상관모델 획득단계(S30)로 돌아가서, 다중회귀모형을 갱신한다. 이때, 다중회귀모형의 갱신은, 이전에 데이터베이스부(50)에 저장한 반사도 및 수질 데이터와 추가 입력에 따른 반사도 및 수질 데이터를 모두 반영하며, 상관관계(즉, 상관계수)의 도출, 종속변수로서 밴드의 선정 및 다중회귀모형의 획득은 동일하게 하되, 반사도 및 수질 데이터가 이전 보다 증가한 점에서 차이 난다.
상기 검증단계(S40)에 의해서 다중회귀모형을 갱신할 때에는, 상관계수를 다시 산출하여 밴드를 선정한다. 즉, 이전에 선정한 밴드가 자료의 부족 또는 자료의 부정확성(예를 들면, 위성영상의 오차 또는 보정의 오차)에 의해 잘못 선정된 것일 수도 있으므로, 추가한 자료에 따라 밴드를 처음부터 다시 선정하여 다중회귀모형을 획득하는 것이다.
따라서, 본 발명에 따르면 추가 자료를 입력받을 때에 이전에 획득한 다중회귀모형을 검증하여 추가 자료가 이전 자료와는 다른 형태일 경우에 다중회귀모형을 갱신함으로써 추가 자료를 수집할 때마다 다중회귀모형의 정확성을 높일 수 있다.
다중회귀모형의 정확성을 더욱 높이기 위해서, 상기 위성영상 선별부(35)를 사용한다. 즉, 추가 자료를 입력받아 수질 데이터와 함께 입력받아 저장관리하는 위성영상의 개수가 미리 설정된 개수 이상이 되면, 다중회귀모형으로 산출한 수질값과 입력받아 저장관리한 수질 데이터 사이의 오차를 위성영상별로 비교한다. 그리고, 그 오차가 미리 설정한 오차 이하인 위성영상을 선별하고, 선별한 위성영상들만을 이용하여 다중회귀모형을 다시 얻는다.
한편, 상기 검증단계(S40)에서 산출하는 반사도는 수계 전역에 대한 것으로 설명하였다. 이는, 수계 전역에 대한 반사도를 산출하여 후술하는 수질분포도를 얻기 위함이다. 만약, 수질을 측정한 상기 지정개소의 반사도만을 산출한다면, 후술하는 수질정보 제공단계(S50)에서 수계 전역에 대한 반사도를 산출하여야 한다.
상기 수질정보 제공단계(S50)는, 위성영상에서 얻은 반사도를 상기 상관모델 획득단계(S30)에서 획득한 다중회귀모형에 대입하여 수계 전체에 대한 수질분포도를 생성하여 제공하는 단계이며, 상술한 바와 같이 마스킹 파일을 작성하여 수계 전역의 이미지를 얻은 후에(S51) 수질 데이터를 픽셀에 맞춰 표시하여 수질분포도를 작성한다(S52).
이때의 다중회귀모형은 갱신하였으면 갱신한 모형을 채택하는 것이 바람직하며, 수계 전역에 대한 반사도를 필요로 하므로 상기한 바와 같이 검증단계(S40)에서 수계 전역에 대한 반사도를 산출한 위성영상에 대해서는 그 반사도를 이용하고, 수계 전역에 대한 반사도를 산출하지 아니한 초기 자료에 대해서는 별도로 수계 전역에 대한 반사도를 산출한다.
물론, 수계 전역에 대한 반사도를 데이터 베이스에 저장관리하거나, 아니면, 위성영상별로 작성한 수질분포도를 데이터 베이스에 저장관리하여서, 관련기관에서 요청한 날짜의 수질분포도를 제공할 수 있게 하는 것도 좋다. 그리고, 이전의 위성영상에 대해서도 새로 갱신한 다중회귀모형을 이용하여 수질분포도를 수정하는 것도 좋다.
도 3 및 도 4는 상기 표 1의 결과를 보여준 수계에 대해 수질분포도를 작성한 것이다.
상기 도 3 및 도 4는 수온(Temp), 클로로필-a(Chl-a), 부유물질(SS) 및 총인 농도(TP)에 대한 날짜별 수질분포도를 보여주며, 수질의 값에 따라 색상을 달리하여 수질분포를 한눈에 인지할 수 있다.
한편, 본 발명의 실시예를 설명함에 있어서, 다중회귀모형을 획득하고 수질 정보를 제공하기 위해 다중밴드 위성영상을 사용하였으나, 비행기 또는 열기구에서 다중밴드로 촬영하여 얻는 항공영상을 위성영상을 대신하여 사용할 수 있다.
항공영상도 촬영고도, 촬영각도, 이동속도, 대기조건 등에 의해 왜곡되므로, 상술한 바와 같이 영상전처리를 수행하고 반사도를 산출하여야 한다. 이때의 영상전처리는 항공영상에 적합한 방식으로 할 수 있음은 본 발명이 속하는 기술분야에서 자명하다.
따라서, 본 발명은 위성영상을 대신하여 항공영상을 사용하더라도 본 발명의 범위에 속하는 것으로 간주해야 할 것이다.
이상에서 본 발명의 기술적 사상을 예시하기 위해 구체적인 실시 예로 도시하고 설명하였으나, 본 발명은 상기와 같이 구체적인 실시 예와 동일한 구성 및 작용에만 국한되지 않고, 여러가지 변형이 본 발명의 범위를 벗어나지 않는 한도 내에서 실시될 수 있다. 따라서, 그와 같은 변형도 본 발명의 범위에 속하는 것으로 간주해야 하며, 본 발명의 범위는 후술하는 특허청구범위에 의해 결정되어야 한다.
10 : 자료 수집부 20 : 영상 전처리부
30 : 상관모델 획득부 40 : 수질정보 제공부
50 : 데이터베이스부
30 : 상관모델 획득부 40 : 수질정보 제공부
50 : 데이터베이스부
Claims (5)
- 삭제
- 수계(水系)의 위성영상을 입력받아 분석하여 수질 정보를 제공하는 수질 모니터링 방법에 있어서,
관측위성에서 수계를 촬영한 다중밴드 위성영상, 및 수계의 복수 지정개소에서 각각 위성영상의 촬영날짜에 맞춰 측정한 수질 데이터를 서로 다른 날짜별로 입력받는 기초 자료 수집단계(S10);
기하보정(Geometric Correction) 및 방사보정(Radiometric Correction)을 포함한 영상전처리를 밴드별 위성영상에 대해 수행한 후에, 밴드별 반사도(Reflectance)를 획득하고, 위성영상, 수질 데이터 및 반사도를 데이터베이스에 저장관리하는 영상 처리단계(S20);
상기 지정개소의 수질 데이터와 상기 지정개소의 위치에 대응되는 밴드별 반사도 사이의 상관관계를 분석하여 밴드를 선별하고, 선별한 밴드별 반사도를 독립변수로 하고 수질을 종속변수로 하는 다중회귀모형을 획득하는 상관모델 획득단계(S30);
다중밴드 위성영상 및 지정개소의 수질 데이터를 추가 입력받아 영상전처리하고, 추가 입력받은 지정개소에 대한 수질 데이터와 추가 입력받은 위성영상의 반사도에 따라 상기 다중회귀모형으로 산출하는 지정개소의 수질 데이터를 비교하여 미리 설정한 오차보다 크게 되면, 상기 상관모델 획득단계(S30)로 돌아가서 추가 입력받은 위성영상의 반사도 및 추가 입력받은 수질 데이터를 이전 반사도 및 수질 데이터에 반영하여 다중회귀모형을 갱신하는 검증단계(S40);
위성영상에 대한 반사도를 상기 상관모델 획득단계(S30)에 의해 획득한 다중회귀모형에 대입하여 수계 전체에 대한 수질분포도를 생성하는 수질정보 제공단계(S50);
를 포함하여 이루어지되,
상기 다중회귀모형은,
로 이루어지며, 여기서, Y는 수질항목이고,은 계수이고,
은 다중밴드 위성영상에서 얻는 밴드별 반사도이고, N은 밴드의 개수이고,
상기 지정개소에 대응되는 픽셀마다 획득한 밴드별 반사도를 독립변수로 하고, 상기 지정개소에서 측정한 수질 데이터의 수질항목을 종속변수로 한 다중회귀분석에 의해 계수를 얻어 다중회귀모델을 획득함을 특징으로 하는 관측위성 영상을 통한 수질 모니터링 방법. - 제 2항에 있어서,
상기 상관모델 획득단계(S30)는,
상기 다중회귀모형을 획득하기에 앞서서, 밴드별 반사도와 수질항목별 상관계수(coefficient of correlation, 相關係數)를 산출하여 미리 설정된 임계치보다 큰 상관계수를 보이는 밴드를 선정하고, 선정한 밴드를 제외한 나머지 밴드의 계수를 '0'으로 한 후, 상기 다중회귀모형을 획득함을 특징으로 하는 관측위성 영상을 통한 수질 모니터링 방법. - 제 3항에 있어서,
상기 상관모델 획득단계(S30)는,
상기 검증단계(S40)에 의해 추가 입력된 다중밴드 위성영상 및 지정개소의 수질 데이터에 따라 상기 다중회귀모형을 갱신할 때에, 상관계수를 다시 산출하여 밴드를 선택하고,
위성영상의 개수가 미리 설정된 개수 이상이 되면, 다중회귀모형으로 산출한 수질값과 입력받아 저장한 수질 데이터 사이의 오차를 위성영상별로 비교하여 미리 설정된 오차 이하인 위성영상을 선별하고, 선별한 위성영상들만으로 다중회귀모형을 획득하여 사용함을 특징으로 하는 관측위성 영상을 통한 수질 모니터링 방법. - 제 4항에 있어서,
상기 수질항목은,
수온(Temp), 클로로필-a(Chl-a), 부유물질(SS) 및 총인 농도(TP) 중에 적어도 어느 하나 이상을 포함하여 이루어짐을 특징으로 하는 관측위성 영상을 통한 수질 모니터링 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120129525A KR101436829B1 (ko) | 2012-11-15 | 2012-11-15 | 관측위성 영상을 통한 수질 모니터링 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120129525A KR101436829B1 (ko) | 2012-11-15 | 2012-11-15 | 관측위성 영상을 통한 수질 모니터링 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140062756A KR20140062756A (ko) | 2014-05-26 |
| KR101436829B1 true KR101436829B1 (ko) | 2014-09-03 |
Family
ID=50890888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120129525A KR101436829B1 (ko) | 2012-11-15 | 2012-11-15 | 관측위성 영상을 통한 수질 모니터링 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101436829B1 (ko) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101694282B1 (ko) * | 2015-09-17 | 2017-01-09 | 계명대학교 산학협력단 | 비선형 ransac 방법과 위성 영상 데이터를 이용한 하천 녹조 수치 예측 방법과 그에 관한 장치 |
| KR102501581B1 (ko) * | 2016-03-31 | 2023-02-21 | 광주과학기술원 | 원격탐사 초분광 영상이미지를 이용한 병원성 미생물의 농도 예측방법 |
| KR101672291B1 (ko) * | 2016-03-31 | 2016-11-08 | 주식회사 지오스토리 | 항공 초분광영상을 활용한 갯녹음 탐지 기법 |
| CN112270225A (zh) * | 2020-10-15 | 2021-01-26 | 天津大学 | 一种峡谷型高含沙蜿蜒河流遥感影像提取方法 |
| CN114324202B (zh) * | 2021-11-12 | 2024-04-02 | 江苏久智环境科技服务有限公司 | 基于光谱分析的小流域水质监测方法 |
| CN115907267A (zh) * | 2022-08-24 | 2023-04-04 | 武汉大学 | 基于高空间分辨率卫星的地面水质监测方法 |
| CN116482317B (zh) * | 2023-04-26 | 2023-10-27 | 大连理工大学 | 湖泊水体营养状态实时监测方法、系统、设备及介质 |
| KR102660079B1 (ko) * | 2023-11-30 | 2024-04-24 | 한국해양과학기술원 | 인공위성 영상 기반 해수 탁도 산출 시스템 및 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010191695A (ja) * | 2009-02-18 | 2010-09-02 | Hitachi Ltd | 水安全管理システム |
-
2012
- 2012-11-15 KR KR1020120129525A patent/KR101436829B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010191695A (ja) * | 2009-02-18 | 2010-09-02 | Hitachi Ltd | 水安全管理システム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140062756A (ko) | 2014-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101436829B1 (ko) | 관측위성 영상을 통한 수질 모니터링 방법 | |
| US20230316555A1 (en) | System and Method for Image-Based Remote Sensing of Crop Plants | |
| Du et al. | Radiometric normalization of multitemporal high-resolution satellite images with quality control for land cover change detection | |
| Piermattei et al. | Suitability of ground-based SfM–MVS for monitoring glacial and periglacial processes | |
| KR102127405B1 (ko) | 인공위성 영상을 이용한 하천의 유량추정방법 및 장치 | |
| US20100008595A1 (en) | Automated atmospheric characterization of remotely sensed multi-spectral imagery | |
| KR101798405B1 (ko) | 위성 영상 수심 추출 자동화 시스템 및 방법 | |
| JP6964834B2 (ja) | 画像処理装置および画像処理方法 | |
| US10810704B2 (en) | Method for processing an optical image acquired in the presence of aerosols and/or clouds in the atmosphere | |
| Seiz et al. | Cloud mapping with ground‐based photogrammetric cameras | |
| CN103808413A (zh) | 基于噪声分离的温度与比辐射率分离的方法及装置 | |
| KR101693705B1 (ko) | 다중 회귀식에 의한 중해상도 모의 위성 영상 제작 방법 및 시스템 | |
| KR102580312B1 (ko) | 관측자료 품질검사 장치 및 이를 이용한 관측자료 품질검사 방법 | |
| KR102373278B1 (ko) | 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법 | |
| Reulke et al. | Image quality and image resolution | |
| Poli et al. | Cloud-top height estimation from satellite stereopairs for weather forecasting and climate change analysis | |
| US10872397B2 (en) | Optical path radiance correction device | |
| JPWO2016189853A1 (ja) | 画像処理装置、画像処理システム、画像処理方法およびコンピュータプログラム | |
| KR20190136851A (ko) | 광학 위성영상의 개선된 scf 추정식을 이용한 적설 깊이 추정 방법 및 그 장치 | |
| Cook et al. | Spatial, Spectral, and Radiometric Characterization of Libyan and Sonoran Desert Calibration Sites in Support of GOES-R Vicarious Calibration; Rochester Institute of Technology, College of Science | |
| Conway et al. | Level0 to Level1B processor for MethaneAIR | |
| Alhirmizy | Comparative Study between Landsat-8 OLI and Landsat-7 ETM+ for sensor signal-to-noise performance, Spectral Distortion, and spectral signature matching: A Study in the IRAQ Landscape | |
| Kim et al. | Developing a Technology for Producing Drone-Borne Hyperspectral Images to Monitor Large-Area Mixed Heritage | |
| Conway et al. | Level0-to-Level1B processor for MethaneAIR | |
| Chander et al. | Landsat 5 Thematic Mapper (TM) Recalibration Procedure for Data Processed using the National Landsat Archive Production System (NLAPS) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170802 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20180802 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20190731 Year of fee payment: 6 |