KR101965235B1 - 무인기 원격탐사를 통한 잘피군락지 분포조사방법 - Google Patents

무인기 원격탐사를 통한 잘피군락지 분포조사방법 Download PDF

Info

Publication number
KR101965235B1
KR101965235B1 KR1020180157883A KR20180157883A KR101965235B1 KR 101965235 B1 KR101965235 B1 KR 101965235B1 KR 1020180157883 A KR1020180157883 A KR 1020180157883A KR 20180157883 A KR20180157883 A KR 20180157883A KR 101965235 B1 KR101965235 B1 KR 101965235B1
Authority
KR
South Korea
Prior art keywords
image
bark
orthoimage
area
seagrass
Prior art date
Application number
KR1020180157883A
Other languages
English (en)
Inventor
박경현
김병섭
정우성
박소영
신경수
곽주원
장욱
김경택
전의익
Original Assignee
주식회사 지오스토리
한국수산자원관리공단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 지오스토리, 한국수산자원관리공단 filed Critical 주식회사 지오스토리
Priority to KR1020180157883A priority Critical patent/KR101965235B1/ko
Application granted granted Critical
Publication of KR101965235B1 publication Critical patent/KR101965235B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10036—Multispectral image; Hyperspectral image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 잘피군락지 분포조사방법에 관한 것으로, 보다 상세하게는 잘피 분류를 위해 다수의 무인기를 이용하여 대상지역의 영상을 획득하는 단계, 상기 무인기를 통해 획득된 영상을 전처리하여 정사영상을 생성하는 단계, 상기 정사영상을 분석하여 잘피가 분포하는 잘피 군락지를 분류하는 단계, 상기 대상지역의 육상 및 수중 조사를 통해 잘피의 서식종, 서식밀도, 길이, 잎의 수, 잎의 너비 및 지하경 길이를 파악하는 현장 조사 단계 및 상기 잘피 군락지를 분류하는 단계에서 분석된 잘피 군락의 면적과 현장 조사 단계에서 파악된 잘피의 정보를 연산하여 잘피 군락 규모를 산출하는 단계를 포함하는 것을 특징으로 하여, 잘피 군락지를 용이하게 분류하여 잘피의 분포 면적과 분포 현황을 파악할 수 있으며, 잘피 군락지를 체계적으로 보호·관리하여 바다녹화사업 추진의 기초 자료 및 정책 자료로 활용할 수 있는 무인기 원격탐사를 통한 잘피군락지 분포조사방법에 관한 것이다.

Description

무인기 원격탐사를 통한 잘피군락지 분포조사방법{METHOD FOR DISTRIBUTION SURVEY OF SEAGRASS USING UAV}
본 발명은 잘피군락지 분포조사방법에 관한 것으로, 보다 상세하게는 무인기를 이용하여 대상지역의 컬러 영상 또는 다중분광 영상을 획득하여 잘피 군락을 분류·분석함으로써 잘피 군락지의 실태와 현황을 파악하고 잘피 군락지를 과학적으로 보호·관리할 수 있는 무인기 원격탐사를 통한 잘피군락지 분포조사방법에 관한 것이다.
잘피(seagrass)는 해수에 적응하여 바다에 분포하고 있는 속씨식물을 통칭하는 것으로서, 바다 속에서 생존하기 위해 삼투 조절을 하고 기공이 퇴화되며 뿌리나 지하줄기로 산소를 공급하기 위해 통기조직이 발달되는 특징을 가진다.
거머리말의 일종인 잘피는 속씨식물 중 외떡잎식물에 속하며, 잎, 줄기 및 뿌리 기관들을 가지고 관다발계가 발달되어 있다. 잘피는 남극 대륙을 제외한 전 세계 모든 연안에 분포하고 있으며, 60~70여 종이 존재하는 것으로 알려져 있다. 우리나라 연안에는 9종의 잘피가 분포한다고 알려져 있다.
잘피는 연안이나 해구 생태계에서 매우 중요한 생태적 기능을 담당한다. 구체적으로 잘피는 생육지에 넓은 초지를 형성하여 다양한 해양생물에게 서식지와 산란장을 제공하고, 해양생물에게 풍부한 먹이를 제공하여 연안의 생산성을 높이는데 기여하며, 육지에서 유입되는 오염물질을 흡수·제거하여 바다 환경을 정화시키고, 질소나 인과 같은 물질을 흡수하여 적조를 예방하는 기능을 담당한다.
최근 들어, 해양이 오염되고 연안 환경이 물리적으로 파괴되면서 잘피 군락은 지속적으로 황폐화되고 있다. 잘피 군락의 급격한 파괴는 먹이 사슬 구조의 변화를 일으키는 등 해양생태계에 상당한 영향을 미치고 있다.
그러므로 잘피 군락지 분포 조사를 통한 연안 생태계의 모니터링 필요성은 계속하여 증가하고 있으며, 다양한 조사 방법을 구축하여 바다숲 조성사업의 기초자료나 정책 자료로 활용하고자 하는 요구가 끊임없이 요청되고 있는 실정이다.
일반적으로 연안 생태계를 조사하기 위한 방법으로는 선박에 장착된 다양한 관측장비를 이용한 조사와 잠수 조사에 의한 현장 조사의 방법이 있다. 잠수 조사의 경우, 가장 정확한 조사 방법이지만 조사 범위와 시간 측면에서 비효율적이고, 선박 조사는 조사 범위와 시간 측면에서는 효율성이 높으나, 수심이 얕은 연안은 접근이 제한적이므로 조사 가능 영역에서 한계가 있다.
나아가, 일반적으로 잠수 조사와 선박 조사는 샘플링에 의해 조사가 이루어지므로 연속적인 면단위 관측에 한계가 있고, 해양 모니터링에 사용하는 위성영상은 낮은 해상도로 인하여 활용이 제한적이라는 문제점이 있다.
위의 배경기술로서 설명된 사항들은 본 발명의 배경에 대해 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.
본 발명은 전술한 종래기술의 문제점을 해결하기 위한 것으로서, 무인기를 이용한 컬러 정사영상 및 다중분광 정사영상에서 잘피 군락지를 용이하게 분류할 수 있으며, 잘피의 분포 면적과 분포 현황을 파악할 수 있는 무인기 원격탐사를 통한 잘피군락지 분포조사방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 잘피 군락지를 체계적으로 보호·관리하여 바다녹화사업 추진의 기초 자료 및 정책 자료로 활용할 수 있는 무인기 원격탐사를 통한 잘피군락지 분포조사방법을 제공하는데 또 다른 목적이 있다.
본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 본 발명의 기재로부터 당해 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
위와 같은 목적을 달성하기 위한 본 발명의 구성은, 잘피 분류를 위해 다수의 무인기를 이용하여 대상지역의 영상을 획득하는 단계; 상기 무인기를 통해 획득된 영상을 전처리하여 정사영상을 생성하는 단계; 상기 정사영상을 분석하여 잘피가 분포하는 잘피 군락지를 분류하는 단계; 상기 대상지역의 육상 및 수중 조사를 통해 잘피의 서식종, 서식밀도, 길이, 잎의 수, 잎의 너비 및 지하경 길이를 파악하는 현장 조사 단계; 및 상기 잘피 군락지를 분류하는 단계에서 분석된 잘피 군락의 면적과 현장 조사 단계에서 파악된 잘피의 정보를 연산하여 잘피 군락 규모를 산출하는 단계; 를 포함하는 것을 특징으로 한다.
또한, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법은 상기 영상을 획득하는 단계 전, 대상지역의 기상, 조석 또는 지자기 현황 중 어느 하나 이상을 고려하여 무인기의 촬영 계획을 수립하는 단계; 및 대상지역의 지형지물 또는 대공표지판을 이용하여 대상지역의 지상기준점을 측량하는 단계; 를 더 포함하는 것이 바람직하다.
또한, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법은 상기 영상을 획득하는 단계 후, 대상지역에 존재하는 모래, 암석, 자갈 및 식생을 포함하는 대상재질의 분광데이터를 측정하는 지상 분광 단계; 를 더 포함하는 것이 바람직하다.
아울러, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 무인기는 컬러 영상을 획득할 수 있는 컬러영상드론 또는 다중분광센서가 탑재되어 다중분광 영상을 획득할 수 있는 다중분광드론 중 어느 하나 이상을 포함하는 것이 바람직하다.
또한, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 다중분광드론에 탑재된 다중분광센서는 Green, Red, Red edge 및 NIR(Near-infrared) 밴드를 측정하는 것이 바람직하다.
또한, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 컬러영상드론의 촬영고도는 150 내지 200m로 설정되고, 다중분광드론의 촬영고도는 150m로 설정되며, 종중복도 및 횡중복도는 각각 80% 및 70%로 설정되는 것이 바람직하다.
또한, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 정사영상을 생성하는 단계는, 무인기를 이용해 획득된 영상에 외부표정요소를 입력하는 단계; 대상지역의 지상기준점을 측량하여 지상기준점 정보를 입력하는 단계; 지상기준점의 좌표 정보와 실제 지상에서 측량한 지상기준점을 획득된 영상에 매칭하는 단계; 영상의 모든 상에 대하여 시차를 계산하여 매칭되는 픽셀들을 3차원 점들로 추출하는 포인트 클라우드 단계; 및 상기 포인트 클라우드 단계를 통해 생성된 포인트들로부터 삼각망을 구성하고 수치표면모형(DSM: Digital Surface Model)을 제작하는 단계; 를 포함하는 것이 바람직하다.
아울러, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 잘피 군락지를 분류하는 단계는, 상기 정사영상 중 다중분광 정사영상에서 잘피의 파장별 반사도를 이용하여 규칙 기반 분류하는 단계; 및 상기 규칙 기반 분류하는 단계에서 생성된 잘피 지역 백터와 정사영상 중 컬러 정사영상을 비교하여 보완하는 단계; 를 포함하는 것이 바람직하다.
또한, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 규칙 기반 분류하는 단계는, 상기 무인기를 통해 획득된 영상을 처리하여 획득한 다중분광 정사영상을 입력하는 단계; 상기 다중분광 정사영상에 파장별 반사도를 설정하여 잘피 지역을 분류하는 단계; 및 분류된 잘피 지역의 외곽선을 선형화하여 좌표로 변환하는 단계; 를 포함하는 것이 바람직하다.
또한, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 잘피 지역을 분류하는 단계는, 750 내지 830nm 파장 영역의 반사도를 설정하여 물에 노출된 잘피 지역을 분류하는 단계; 510 내지 590nm 파장 영역, 620 내지 700nm 파장 영역 및 725 내지 745nm 파장 영역의 반사도를 설정하여 모래 또는 암석 지역과 잘피 지역을 분류하는 단계; 및 750 내지 830nm 파장 영역의 반사도를 설정하여 식생 지역과 잘피 지역을 분류하는 단계; 를 포함하는 것이 바람직하다.
또한, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 지상 분광 단계는, 다수의 무인기를 이용한 대상지역의 영상을 획득하는 시기와 동일한 시기에 측정지역을 선정하는 단계; 지상관측장비를 이용하여 각 파장별로 태양광의 입사량을 측정하는 단계; 및 지상관측장비를 이용하여 대상재질의 반사값을 측정한 후 태양광의 입사량과 비교하여 파장별 반사도를 연산하는 단계; 를 포함하는 것이 바람직하다.
나아가, 본 발명의 실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법에서 상기 잘피 군락 규모를 산출하는 단계는, "(잘피 서식밀도 ÷ 잎의 수) × 4 × 잘피 군락 면적"에 의해 산출되는 것이 바람직하다.
위와 같은 구성을 가지는 본 발명은, 무인기를 이용하여 대상지역의 영상을 획득하고, 이를 처리·분석하여 잘피 군락지를 분류할 수 있으므로 조사 범위와 시간 측면에서 효율적이고 수심이 얕은 연안도 효과적으로 조사할 수 있다는 장점이 있다.
또한, 본 발명은 높은 탁도, 큰 조석간만의 차이, 강한 유속 등 잘피 군락지 조성의 환경 제약 조건을 극복하는 조사방법을 제시한 것이며, 바다녹화사업의 기초자료로 활용할 수 있다.
나아가, 본 발명은 다중분광 정사영상에서 분류된 잘피 지역을 컬러 정사영상으로 보완하여 오차를 제거할 수 있으며, 영상 처리 및 분석 기법을 활용함과 동시에 현장에서 수중과 육상 조사를 병행하여 잘피 군락 규모 산정의 정확도를 더욱 높이는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법의 전체 순서도.
도 2는 본 발명의 일실시예에 따른 지상 분광 단계의 구체적인 단계를 도시한 순서도.
도 3은 본 발명의 일실시예에 따른 지상 분광 단계를 통해 획득된 분광데이터의 예시도.
도 4는 본 발명의 일실시예에 따른 정사영상을 생성하는 단계의 구체적인 단계를 도시한 순서도.
도 5는 본 발명의 일실시예에 따른 정사영상을 생성하는 단계를 통해 획득된 정사영상의 예시도.
도 6은 본 발명의 일실시예에 따른 잘피 군락지를 분류하는 단계의 구체적인 단계를 도시한 순서도.
도 7은 본 발명의 일실시예에 따른 잘피 군락지를 분류하는 단계의 구체적인 단계들의 예시도.
도 8은 본 발명의 일실시예에 따른 현장 조사 단계의 예시도.
이하, 첨부된 도면에 의거하여 본 발명에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
또한, 본 명세서 및 특허청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정하여 해석되어서는 안 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
도 1은 본 발명의 일실시예에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법의 전체 순서도이다.
도시된 바와 같이, 본 발명에 따른 무인기 원격탐사를 통한 잘피군락지 분포조사방법은 촬영 계획을 수립하는 단계(S100), 지상기준점을 측량하는 단계(S200), 영상을 획득하는 단계(S300), 지상 분광 단계(S400), 정사영상을 생성하는 단계(S500), 잘피 군락지를 분류하는 단계(S600), 현장 조사 단계(S700) 및 잘피 군락 규모를 산출하는 단계(S800)로 이루어진다.
상기 촬영 계획을 수립하는 단계(S100)는 무인기(예컨대, 드론 등)를 통해 촬영하고자 하는 대상지역의 기상, 조석 또는 지자기 현황 중 어느 하나 이상을 고려하여 무인기의 촬영 계획을 수립하는 단계이다.
무인기를 통해 공간해상도 10cm 이상의 고품질 영상을 취득하기 위해서는 무인기의 비행 환경과 취득될 데이터의 품질에 영향을 미치는 기상, 조석 현황 등을 고려하여야 한다.
기상, 조석 또는 지자기 현황 등의 정보는 각 정부 부처에서 공표한 자료(예를 들어, 조석예보표)를 통해 획득한다. 대상지역의 촬영을 위한 무인기의 비행 경로는 Pix4D Capture 등의 애플리케이션을 이용하여 설계한다.
상기 지상기준점을 측량하는 단계(S200)는 대상지역의 사전조사와 현장답사를 통해 지상기준점을 선점하고, 선점한 지상기준점을 측량한 후, 지상기준점조서를 작성하는 방식으로 이루어진다.
대상지역의 지상기준점을 선점하는 위치는 무인기 촬영으로 획득된 영상에서 위치 파악이 가능한 지형지물을 이용하거나, 적합한 지형지물이 존재하지 않을 때에는 50cm × 50cm 크기를 가지는 대공표지판을 설치하여 이용한다.
지상기준점조서는 측정 지점의 좌표, 측정 일시와 측정 시간을 포함하는 작업일자, 관측시간 등의 속성 정보를 명확히 작성하고, 측정 대상의 근경과 원경 사진을 함께 첨부한다.
상기 영상을 획득하는 단계(S300)는 다수의 무인기를 이용하여 대상지역을 직접 촬영하는 단계이다. 다수의 무인기는 컬러 영상을 획득할 수 있는 컬러영상드론 또는 다중분광센서가 탑재되어 다중분광 영상을 획득할 수 있는 다중분광드론 중 어느 하나 이상을 포함한다.
무인기는 위성이나 유인항공기에 비해 상대적으로 낮은 고도에서 고해상도의 자료를 짧은 주기로 취득할 수 있으며, 유인항공기가 접근할 수 없는 환경에서도 운용이 가능하고, 최소한의 경제적인 부담으로 원격탐사가 가능하다는 장점이 있다.
컬러영상드론은 약 20 내지 30분 정도 안정적으로 자동비행이 가능한 회전익 드론을 사용하는 것이 바람직하다. 공간해상도 10cm 이상의 영상을 획득하기 위해 컬러영상드론의 촬영고도는 150 내지 200m로 설정된다.
다중분광드론은 다중분광센서가 탑재된 고정익 드론을 사용하는 것이 바람직하다. 다중분광센서는 광량을 측정할 수 있으며, RGB카메라와 Green, Red, Red edge 및 NIR(Near-infrared) 밴드를 측정할 수 있는 센서를 구비한다.
Green 밴드와 Red 밴드는 가시광선 영역으로 Green 밴드의 파장은 약 500 내지 600nm이고, Red 밴드의 파장은 약 600 내지 700nm이다. NIR 밴드는 적외선 영역으로 그 파장은 약 700 내지 1300nm이다. Red edge 밴드는 Red 밴드와 NIR 밴드의 사이에 위치하는 영역으로 그 파장은 약 680 내지 750nm이다.
다중분광드론은 공간해상도 10cm 이상의 영상을 획득하기 위해 촬영고도가 150m로 설정된다. 컬러영상드론과 다중분광드론의 촬영 간격은 종중복도 약 80%, 횡중복도 약 70%로 설정된다.
상기 지상 분광 단계(S400)는 무인기를 이용하여 촬영하는 대상지역에 존재하는 모래, 암석, 자갈 및 식생을 포함하는 대상재질의 분광데이터를 측정하는 단계이다.
지상에 존재하는 물체에 대한 분광 정보는 물체를 식별하는데 가장 중요한 정보가 된다. 각가의 물체마다 성분, 입자상태, 반사면의 변수에 따라 고유한 분광특성을 나타내며 물체의 특성을 반영한다. 분광 영상의 자료 분석을 위해 이용되는 대부분의 방법은 특성 물체들을 직접적으로 인지하지 않고, 우리가 알고 있는 물체와 얼마나 유사한가 혹은 다른 물체들에 비해 분광특성이 얼마나 특이한가를 구별한다. 이러한 분광 정보는 잘피 군락지를 분류할 때 기초자료의 축적, 보정 및 검증 등에 이용할 수 있다.
도 2는 본 발명의 일실시예에 따른 지상 분광 단계의 구체적인 단계를 도시한 순서도이고, 도 3은 본 발명의 일실시예에 따른 지상 분광 단계를 통해 획득된 분광데이터의 예시도이다.
도시된 바와 같이, 상기 지상 분광 단계(S400)는 측정지역을 선정하는 단계(S410), 각 파장별로 태양광의 입사량을 측정하는 단계(S420) 및 파장별 반사도를 연산하는 단계(S430)로 이루어진다.
상기 측정지역을 선정하는 단계(S410)는 무인기를 통해 대상지역의 영상을 획득하는 시기와 동일 시기에 촬영이 끝나면 즉시 이루어진다. 지상분광데이터의 측정은 해수면의 수위가 가장 낮고 잘피의 식별이 육안으로 가능할 때 이루어지는 것이 바람직하다.
상기 태양광의 입사량을 측정하는 단계(S420)는 대상재질의 측정에 앞서 황산바륨(BaSO4)로 이루어진 백색판을 지상관측장비로 관측하여 각 파장별로 태양광의 입사량을 측정하는 단계이다.
상기 지상관측장비의 측정 파장대는 350 내지 1025nm이며, 1.4nm 간격으로 측정이 가능하다. 백색판은 태양광을 100% 반사할 수 있으므로 지상관측장비를 이용하여 태양광의 입사량을 측정할 수 있다.
상기 파장별 반사도를 연산하는 단계(S430)는 지상관측장비를 이용하여 태양광의 입사량이 측정되면, 그 값을 기준으로 대상재질의 반사값을 측정한 후, 입사량으로 나누어 파장별로 대상재질의 반사도(또는 반사율)를 계산하는 단계이다.
태양으로부터 방출되는 빛에너지는 지표의 물체에 반사되어 센서에서 취득하며, 지구상의 모든 지표물의 분광반사율은 물체의 종류에 따라 다르게 나타난다. 물체로부터의 분광복사휘도(Radiance)는 분광반사율의 영향을 받기 때문에 지상에서 취득한 분광반사율을 이용하여 센서로부터 취득한 분광복사휘도를 통해 멀리서도 물체를 식별할 수 있다.
예를 들어, 식물은 근적외선 영역에서 강한 반사도를 보이고, 흙은 가시광선 영역 및 단파장 적외선 영역에서 반사가 강하며, 물은 적외선 영역에서는 거의 반사되지 않는다.
이와 같이, 측정된 분광데이터는 분광라이브러리 구축에 이용된다. 분광라이브러리에는 재질명, 영상과의 비교를 위해 지상측정 위치의 좌표, 측정 일시와 측정시간을 포함하는 작업일자, 관측시간 등의 속성 정보를 명확히 작성하고, 분광데이터 측정 대상의 근경과 원경 사진 및 분광곡선을 넣는다.
도 3에 도시된 것처럼 모래, 암석, 자갈, 잘피, 뻘 및 식생 등 다양한 대상재질은 파장에 따라 각각 다른 반사도 곡선을 그릴 수 있고, 이를 이용해 잘피 군락지의 분류시 기초자료나 보정용 자료 등으로 활용할 수 있다.
도 4는 본 발명의 일실시예에 따른 정사영상을 생성하는 단계의 구체적인 단계를 도시한 순서도이고, 도 5는 본 발명의 일실시예에 따른 정사영상을 생성하는 단계를 통해 획득된 정사영상의 예시도이다. 도 5의 (a)는 컬러 정사영상의 예시도이고, 도 5의 (b)는 다중분광 정사영상의 예시도이다.
도시된 바와 같이, 정사영상을 생성하는 단계(S500)는 외부표정요소를 입력하는 단계(S510), 지상기준점 정보를 입력하는 단계(S520), 영상에 매칭하는 단계(S530), 포인트 클라우드 단계(S540) 및 수치표면모형(DSM: Digital Surface Model)을 제작하는 단계(S550)를 포함한다.
정사영상을 생성하는 단계(S500)는 무인기를 통해 획득된 영상과 외부표정요소, 지상기준점을 입력하고, 영상의 외부표정요소를 정밀하게 결정하는 지오레퍼런싱에서부터 정사영상, 수치표면모형 등을 생성하는 과정을 의미한다.
상기 외부표정요소를 입력하는 단계(S510)는 무인기의 촬영 당시의 기하학적 조건으로 재현하는 요소로서 위도, 경도, 높이와 같은 위치 값과 Roll, Pitch, Yaw 등의 자세 값을 입력하는 단계이다.
외부표정요소가 입력되면 지상기준점을 입력한다(S520). 지상기준점은 영상의 위치, 자세를 절대좌표화하는 동시에 결과물의 위치 정확도 평가를 위해서 활용된다.
지상기준점이 입력되면 지상기준점의 좌표 정보와 실제 지상에서 측량한 지상기준점을 획득된 영상에 매칭한다(S530). 영상 매칭은 좌우 영상에서 공액점의 영상좌표를 자동으로 추출하고자 하는 알고리즘을 의미한다.
상관계수 영상정합법은 좌우 영상의 밝기값의 유사성을 이용하여 공액점을 찾는 기법으로 가장 기본적인 영상정합법이고, 최소제곱법은 영상소 단위의 정확도를 갖는 기존의 영상정합법에 대해 부영상소 단위의 정합결과를 얻을 수 있는 영상정합법이다.
형상기준영상정합은 점을 이용하는 방법, 선을 이용하는 방법, 도형을 이용하는 방법이 있다. 관계기준영상정합으로는 트리(tree)구조를 통한 방법이 있는데, 영상에서 점, 선, 도형 등의 특징을 추출하여 이들을 자료기반화하고 좌측 영상에 해당하는 특징을 선택하면 자료기반을 검색하여 해당 특징의 우측영상상의 위치를 알 수 있다.
상기 포인트 클라우드 단계(S540)는 영상의 모든 상에 대하여 시차를 계산하여 매칭되는 픽셀들을 3차원 점들로 추출하는 과정이다. 이 과정에서 추출된 포인트는 절대 좌표 값을 가지게 된다. 포인트 클라우드는 자동으로 생성되며, 포인트의 밀도는 목적과 컴퓨터의 성능에 따라 선택할 수 있다.
상기 수치표면모형을 제작하는 단계(S550)는 정사영상을 제작하기 위해 생성된 포인트 클라우드를 이용하여 포인트들로부터 삼각망을 구성하여 제작한다. 수치표면모형은 격자형태로 이루어져 있으며 각 격자는 X, Y, Z 좌표를 가지고 있다.
정사영상은 기하보정된 무인기 영상에 수치표면모형을 보간하여 생성된다. 영상의 형태 및 색상은 보정될 수 있으며 왜곡이 심한 경우 수동으로 편집 작업을 실시할 수 있다.
위와 같은 과정을 통해 생성된 정사영상은 도 5와 같이 나타난다. 상기 컬러영상드론을 통해 획득된 컬러 영상은 전처리되어 도 5(a)와 같이 컬러 정사영상으로 생성되고, 상기 다중분광드론을 통해 획득된 다중분광 영상은 전처리되어 도 5(b)와 같이 다중분광 정사영상으로 생성된다. 다중분광 영상은 각 밴드별로 정사영상이 생성되므로 밴드별로 획득된 정사영상을 래스터 병합 기능을 사용하여 병합할 필요가 있다.
다중분광 정사영상은 공간해상도와 촬영고도의 한계로 인해 특별한 객체점이 존재하지 않은 대상지역에서 카메라의 화각이 충분히 확보되지 않아 영상 정합이 이루어지지 않은 구역이 발생할 수 있다. 또한, 다중분광 영상은 여러 구역에 나누어 취득될 수 있으므로 컬러 정사영상의 개수와 다중분광 정사영상의 개수는 일치하지 않을 수 있다.
도 6은 본 발명의 일실시예에 따른 잘피 군락지를 분류하는 단계의 구체적인 단계를 도시한 순서도이고, 도 7은 본 발명의 일실시예에 따른 잘피 군락지를 분류하는 단계의 구체적인 단계들의 예시도이다.
도시된 바와 같이, 상기 잘피 군락지를 분류하는 단계(S600)는 정사영상을 분석하여 잘피가 분포하는 지역을 정사영상에서 분류하는 단계이며, 규칙 기반 분류하는 단계(S610) 및 컬러 정사영상을 비교하여 보완하는 단계(S620)로 이루어진다.
상기 규칙 기반 분류하는 단계(S610)는 다중분광 정사영상에서 잘피의 파장별 반사도를 이용하여 잘피가 존재하는 지역을 분류하는 단계이고, 상기 컬러 정사영상을 비교하여 보완하는 단계(S620)는 일부 오차를 제거하기 위해 규칙 기반 분류하는 단계에서 생성된 잘피 지역 백터를 컬러 정사영상을 이용하여 보완하는 단계이다.
상기 규칙 기반 분류하는 단계(S610)는 다중분광 정사영상을 입력하는 단계(S611), 잘피 지역을 분류하는 단계(S612) 및 외곽선을 선형화하여 좌표로 변환하는 단계(S613)로 이루어진다.
도 7의 (a)에 도시된 것처럼 규칙 기반 분류를 위해서는 우선 무인기를 통해 획득된 다중분광 영상을 처리하여 생성한 다중분광 정사영상을 입력하여야 한다. 다중분광 정사영상은 다양한 파장으로 구성되어 있다.
도 7의 (b)에 도시된 것처럼 다중분광 정사영상이 입력되면 대상재질의 파장별 특징을 반영하여 각 파장별로 반사도를 설정하고, 이를 이용하여 잘피가 존재하는 지역을 분류한다.
구체적으로 상기 잘피 지역을 분류하는 단계(S612)는 750 내지 830nm 파장 영역의 반사도를 설정하여 물에 노출된 잘피 지역을 분류하는 단계, 510 내지 590nm 파장 영역, 620 내지 700nm 파장 영역 및 725 내지 745nm 파장 영역의 반사도를 설정하여 모래 또는 암석 지역과 잘피 지역을 분류하는 단계 및 750 내지 830nm 파장 영역의 반사도를 설정하여 식생 지역과 잘피 지역을 분류하는 단계를 포함할 수 있다.
위에서 설명한 바와 같이, 물은 적외선 영역에서 거의 반사되지 않는다. 그러므로 잘피가 물에 노출되어 있을 때에는 물에 의해 강한 흡수가 일어나는 750 내지 830nm 파장 영역의 반사도를 이용하여 잘피를 물로부터 분류할 수 있다.
또한, 도 3에 도시된 분광데이터와 같이, 모래 또는 암석은 510 내지 590nm 파장 영역, 620 내지 700nm 파장 영역 및 725 내지 745nm 파장 영역에서 잘피와 달리 반사도가 높게 나타난다. 그러므로 이러한 특성을 이용하여 잘피를 모래 또는 암석으로부터 분류할 수 있다.
아울러, 일부 지역의 경우, 다중분광 영상에 육지 식생이 포함될 수 있다. 육지 식생은 750 내지 830nm 파장 영역에서 반사도가 높으므로 750 내지 830nm 파장 영역에서의 반사도 수치를 물보다는 상대적으로 높고 육지 식생보다는 상대적으로 낮게하여 잘피를 육지 식생으로부터 분류할 수 있다.
이러한 잘피 지역 분류가 끝나면, 도 7의 (c)에 도시된 것처럼 분류된 잘피 지역의 외곽선을 선형화하여 좌표로 변환하는 벡터라이징(vectorising) 단계를 수행한다.
도 7의 (d)에 도시된 것처럼 벡터라이징 작업이 끝난 잘피 지역은 벡터로 구축되어 시스템에 저장되고, 다중분광 정사영상으로부터 잘피 지역의 면적을 구할 수 있다.
도 8은 본 발명의 일실시예에 따른 현장 조사 단계의 예시도이다.
현장 조사 단계(S700)는 대상지역의 육상 및 수중 조사를 통해 잘피의 서식종(예컨대, 거머리말), 서식밀도(단위: 개체/0.25m2), 길이(단위: cm), 잎의 수(단위: 장), 잎의 너비(단위: mm) 및 지하경 길이(단위: mm)를 파악하는 단계로서, 영상을 통해 산정한 잘피 군락지의 면적 정확도를 높일 수 있다.
육상 조사는 대조시 최저선까지 조사하고, 잠수 조사는 잘피가 서식하는 수심 5m 이내까지 조사하며, 조사된 잘피의 서식종 등의 생태 정보는 조서로 작성하여 저장한다.
잠수 조사는 일정한 자격 요건을 가진 잠수기사, 잠수기능사 또는 국내외 잠수관련 단체에서 발급한 중급이상의 잠수자격증을 소지한 잠수부에 의해 이루어지며, 수중에서 풀HD 카메라를 이용하여 동영상 또는 사진 촬영 등을 수행하는 수중 촬영 및 잘피의 서식종 등의 생태 정보 조사를 포함한다.
이와 같이, 무인기를 이용하여 획득된 대상지역의 영상을 분석하여 산출된 각 대상지역별 잘피 군락의 면적과 현장 조사 결과를 반영하여 잘피의 군락 규모를 산출한다(S800).
구체적으로 잘피 군락 규모 산출 단계(S800)는 각 대상지역 별로 0.25㎡의 방형구에 의해 조사된 잘피의 서식밀도와 잎의 수를 통해 방형구 안에 분포하는 잘피 개체수를 산출하고, 이에 4배를 곱하여 대상지역의 1㎡당 개체수를 산정하며, 여기에 전술한 다중분광 정사영상 분석을 통해 획득된 잘피 군락의 면적을 적용하여 전체 잘피 군락 규모를 산출한다.
다시 말하면, 잘피 군락 규모는 수학식 "(잘피 서식밀도 ÷ 잎의 수) × 4 × 잘피 군락 면적"에 의해 산출된다. 여기에서, 잘피 서식밀도는 0.25m2 방형구 안에 존재하는 잘피의 수이고, 잎의 수는 잘피 하나당 잎 수의 평균값이며, 잘피 군락 면적은 정사영상 분석을 통해 파악된 잘피 군락의 m2 면적이다.
예를 들어, 방형구 당 잘피의 서식밀도가 36개이고, 잘피 잎의 수는 4.33개이며, 정사영상 분석결과 잘피 군락의 면적이 81,400m2 이면, 잘피 군락 규모는 2,707,067개가 산출된다.
이와 같이, 본 발명은 무인기를 이용하여 대상지역의 영상을 획득하고, 이를 처리·분석하여 잘피 군락지를 분류할 수 있으므로 조사 범위와 시간 측면에서 효율적이고 수심이 얕은 연안도 효과적으로 조사할 수 있다는 장점이 있다.
또한, 본 발명은 높은 탁도, 큰 조석간만의 차이, 강한 유속 등 잘피 군락지 조성의 환경 제약 조건을 극복하는 조사방법을 제시한 것이며, 바다녹화사업의 기초자료로 활용할 수 있다.
나아가, 본 발명은 다중분광 정사영상에서 분류된 잘피 지역을 컬러 정사영상으로 보완하여 오차를 제거할 수 있으며, 영상 처리 및 분석 기법을 활용함과 동시에 현장에서 수중과 육상 조사를 병행하여 잘피 군락 규모 산정의 정확도를 더욱 높이는 효과가 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경할 수 있다는 것이 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.

Claims (12)

  1. 잘피 분류를 위해 다수의 무인기를 이용하여 대상지역의 영상을 획득하는 단계;
    대상지역에 존재하는 모래, 암석, 자갈 및 식생을 포함하는 대상재질의 분광데이터를 측정하는 지상 분광 단계;
    상기 무인기를 통해 획득된 영상을 전처리하여 정사영상을 생성하는 단계;
    상기 정사영상을 분석하여 잘피가 분포하는 잘피 군락지를 분류하는 단계;
    상기 대상지역의 육상 및 수중 조사를 통해 잘피의 서식종, 서식밀도, 길이, 잎의 수, 잎의 너비 및 지하경 길이를 파악하는 현장 조사 단계; 및
    상기 잘피 군락지를 분류하는 단계에서 분석된 잘피 군락의 면적과 현장 조사 단계에서 파악된 잘피의 정보를 연산하여 잘피 군락 규모를 산출하는 단계; 를 포함하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  2. 제 1 항에 있어서, 상기 영상을 획득하는 단계 전,
    대상지역의 기상, 조석 또는 지자기 현황 중 어느 하나 이상을 고려하여 무인기의 촬영 계획을 수립하는 단계; 및
    대상지역의 지형지물 또는 대공표지판을 이용하여 대상지역의 지상기준점을 측량하는 단계; 를 더 포함하는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 무인기는 컬러 영상을 획득할 수 있는 컬러영상드론 또는 다중분광센서가 탑재되어 다중분광 영상을 획득할 수 있는 다중분광드론 중 어느 하나 이상을 포함하는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  5. 제 4 항에 있어서,
    상기 다중분광드론에 탑재된 다중분광센서는 Green, Red, Red edge 및 NIR(Near-infrared) 밴드를 측정하는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  6. 제 4 항에 있어서,
    상기 컬러영상드론의 촬영고도는 150 내지 200m로 설정되고, 다중분광드론의 촬영고도는 150m로 설정되며, 종중복도 및 횡중복도는 각각 80% 및 70%로 설정되는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  7. 제 1 항에 있어서, 상기 정사영상을 생성하는 단계는,
    무인기를 이용해 획득된 영상에 외부표정요소를 입력하는 단계;
    대상지역의 지상기준점을 측량하여 지상기준점 정보를 입력하는 단계;
    지상기준점의 좌표 정보와 실제 지상에서 측량한 지상기준점을 획득된 영상에 매칭하는 단계;
    영상의 모든 상에 대하여 시차를 계산하여 매칭되는 픽셀들을 3차원 점들로 추출하는 포인트 클라우드 단계; 및
    상기 포인트 클라우드 단계를 통해 생성된 포인트들로부터 삼각망을 구성하고 수치표면모형(DSM: Digital Surface Model)을 제작하는 단계; 를 포함하는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  8. 제 1 항에 있어서, 상기 잘피 군락지를 분류하는 단계는,
    상기 정사영상 중 다중분광 정사영상에서 잘피의 파장별 반사도를 이용하여 규칙 기반 분류하는 단계; 및
    상기 규칙 기반 분류하는 단계에서 생성된 잘피 지역 백터와 정사영상 중 컬러 정사영상을 비교하여 보완하는 단계; 를 포함하는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  9. 제 8 항에 있어서, 상기 규칙 기반 분류하는 단계는,
    상기 무인기를 통해 획득된 영상을 처리하여 획득한 다중분광 정사영상을 입력하는 단계;
    상기 다중분광 정사영상에 파장별 반사도를 설정하여 잘피 지역을 분류하는 단계; 및
    분류된 잘피 지역의 외곽선을 선형화하여 좌표로 변환하는 단계; 를 포함하는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  10. 제 9 항에 있어서, 상기 잘피 지역을 분류하는 단계는,
    750 내지 830nm 파장 영역의 반사도를 설정하여 물에 노출된 잘피 지역을 분류하는 단계;
    510 내지 590nm 파장 영역, 620 내지 700nm 파장 영역 및 725 내지 745nm 파장 영역의 반사도를 설정하여 모래 또는 암석 지역과 잘피 지역을 분류하는 단계; 및
    750 내지 830nm 파장 영역의 반사도를 설정하여 식생 지역과 잘피 지역을 분류하는 단계; 를 포함하는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  11. 제 1 항에 있어서, 상기 지상 분광 단계는,
    다수의 무인기를 이용한 대상지역의 영상을 획득하는 시기와 동일한 시기에 측정지역을 선정하는 단계;
    지상관측장비를 이용하여 각 파장별로 태양광의 입사량을 측정하는 단계; 및
    지상관측장비를 이용하여 대상재질의 반사값을 측정한 후 태양광의 입사량과 비교하여 파장별 반사도를 연산하는 단계; 를 포함하는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
  12. 제 1 항에 있어서, 상기 잘피 군락 규모를 산출하는 단계는,
    "(잘피 서식밀도 ÷ 잎의 수) × 4 × 잘피 군락 면적"에 의해 산출되는 것을 특징으로 하는 무인기 원격탐사를 통한 잘피군락지 분포조사방법.
    (여기에서, 잘피 서식밀도는 0.25m2 방형구 안에 존재하는 잘피의 수이고, 잎의 수는 잘피 하나당 잎 수의 평균값이며, 잘피 군락 면적은 정사영상 분석을 통해 파악된 잘피 군락의 m2 면적임.)
KR1020180157883A 2018-12-10 2018-12-10 무인기 원격탐사를 통한 잘피군락지 분포조사방법 KR101965235B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180157883A KR101965235B1 (ko) 2018-12-10 2018-12-10 무인기 원격탐사를 통한 잘피군락지 분포조사방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180157883A KR101965235B1 (ko) 2018-12-10 2018-12-10 무인기 원격탐사를 통한 잘피군락지 분포조사방법

Publications (1)

Publication Number Publication Date
KR101965235B1 true KR101965235B1 (ko) 2019-04-03

Family

ID=66165320

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180157883A KR101965235B1 (ko) 2018-12-10 2018-12-10 무인기 원격탐사를 통한 잘피군락지 분포조사방법

Country Status (1)

Country Link
KR (1) KR101965235B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200143159A (ko) * 2019-06-14 2020-12-23 에스큐엔지니어링(주) 다분광센서 탑재 드론을 활용한 식생상태분석 및 환경오염 모니터링방법
KR20210052956A (ko) 2019-11-01 2021-05-11 대한민국(산림청 국립산림과학원장) 분광라이브러리와 무인기의 다중분광영상을 이용한 산불 피해 등급 분석 장치 및 방법
KR20210061817A (ko) * 2019-11-20 2021-05-28 한국해양과학기술원 식생현황분석장치 및 그 동작 방법
KR20210063016A (ko) * 2019-11-22 2021-06-01 주식회사 공간정보 작물 재배면적 추출방법 및 프로그램
CN113269056A (zh) * 2021-05-06 2021-08-17 四川省亚通工程咨询有限公司 基于卫星影像的公路勘察设计方法
CN114359630A (zh) * 2021-12-20 2022-04-15 南方科技大学 绿色、蓝色和灰色基础设施分类方法、装置、系统与介质
KR102652601B1 (ko) * 2023-09-20 2024-03-29 (주)유에스티21 위성영상 분석을 통한 수심 추정 시스템 및 그 방법
CN118392740A (zh) * 2024-06-25 2024-07-26 国家海洋环境监测中心 一种基于无人机多光谱图像的悬浮物浓度增量计算方法、系统、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180000325A (ko) * 2017-07-03 2018-01-02 (주)해동기술개발공사 드론 기반 수질 모니터링 시스템 및 방법
KR101863123B1 (ko) * 2017-02-15 2018-06-01 한국건설기술연구원 자율주행 무인비행체 및 이동형 무인부체를 이용한 하천 녹조지도 작성 시스템
KR20180094702A (ko) * 2017-02-16 2018-08-24 목포대학교산학협력단 드론을 활용한 갯벌 지역에서의 갯골 정보 추출 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101863123B1 (ko) * 2017-02-15 2018-06-01 한국건설기술연구원 자율주행 무인비행체 및 이동형 무인부체를 이용한 하천 녹조지도 작성 시스템
KR20180094702A (ko) * 2017-02-16 2018-08-24 목포대학교산학협력단 드론을 활용한 갯벌 지역에서의 갯골 정보 추출 장치 및 방법
KR20180000325A (ko) * 2017-07-03 2018-01-02 (주)해동기술개발공사 드론 기반 수질 모니터링 시스템 및 방법

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200143159A (ko) * 2019-06-14 2020-12-23 에스큐엔지니어링(주) 다분광센서 탑재 드론을 활용한 식생상태분석 및 환경오염 모니터링방법
KR102236756B1 (ko) 2019-06-14 2021-04-06 에스큐엔지니어링(주) 다분광센서 탑재 드론을 활용한 식생상태분석 및 환경오염 모니터링방법
KR20210052956A (ko) 2019-11-01 2021-05-11 대한민국(산림청 국립산림과학원장) 분광라이브러리와 무인기의 다중분광영상을 이용한 산불 피해 등급 분석 장치 및 방법
KR20210061817A (ko) * 2019-11-20 2021-05-28 한국해양과학기술원 식생현황분석장치 및 그 동작 방법
KR102366267B1 (ko) * 2019-11-20 2022-02-21 한국해양과학기술원 식생현황분석장치 및 그 동작 방법
KR102317408B1 (ko) * 2019-11-22 2021-10-26 주식회사 공간정보 작물 재배면적 추출방법
KR20210063016A (ko) * 2019-11-22 2021-06-01 주식회사 공간정보 작물 재배면적 추출방법 및 프로그램
CN113269056A (zh) * 2021-05-06 2021-08-17 四川省亚通工程咨询有限公司 基于卫星影像的公路勘察设计方法
CN113269056B (zh) * 2021-05-06 2023-11-07 四川省亚通工程咨询有限公司 基于卫星影像的公路勘察设计方法
CN114359630A (zh) * 2021-12-20 2022-04-15 南方科技大学 绿色、蓝色和灰色基础设施分类方法、装置、系统与介质
KR102652601B1 (ko) * 2023-09-20 2024-03-29 (주)유에스티21 위성영상 분석을 통한 수심 추정 시스템 및 그 방법
CN118392740A (zh) * 2024-06-25 2024-07-26 国家海洋环境监测中心 一种基于无人机多光谱图像的悬浮物浓度增量计算方法、系统、设备及介质
CN118392740B (zh) * 2024-06-25 2024-08-20 国家海洋环境监测中心 一种基于无人机多光谱图像的悬浮物浓度增量计算方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
KR101965235B1 (ko) 무인기 원격탐사를 통한 잘피군락지 분포조사방법
Carrivick et al. Fluvial and aquatic applications of Structure from Motion photogrammetry and unmanned aerial vehicle/drone technology
Casella et al. Mapping coral reefs using consumer-grade drones and structure from motion photogrammetry techniques
Hamylton Mapping coral reef environments: A review of historical methods, recent advances and future opportunities
Purkis A" Reef-Up" approach to classifying coral habitats from IKONOS imagery
Hill et al. Evaluating light availability, seagrass biomass, and productivity using hyperspectral airborne remote sensing in Saint Joseph’s Bay, Florida
Schroeder et al. Passive remote sensing technology for mapping bull kelp (Nereocystis luetkeana): A review of techniques and regional case study
Lucieer et al. Using a micro-UAV for ultra-high resolution multi-sensor observations of Antarctic moss beds
Nahirnick et al. Benefits and challenges of UAS imagery for eelgrass (Zostera marina) mapping in small estuaries of the Canadian West Coast
Román et al. Using a UAV-Mounted multispectral camera for the monitoring of marine macrophytes
Meneses et al. Modelling heights of sparse aquatic reed (Phragmites australis) using Structure from Motion point clouds derived from Rotary-and Fixed-Wing Unmanned Aerial Vehicle (UAV) data
Moniruzzaman et al. Imaging and classification techniques for seagrass mapping and monitoring: A comprehensive survey
Chand et al. Low altitude spatial assessment and monitoring of intertidal seagrass meadows beyond the visible spectrum using a remotely piloted aircraft system
Lønborg et al. Submerged aquatic vegetation: Overview of monitoring techniques used for the identification and determination of spatial distribution in European coastal waters
Komatsu et al. Practical mapping methods of seagrass beds by satellite remote sensing and ground truthing
Su et al. Evaluation of eelgrass beds mapping using a high-resolution airborne multispectral scanner
Reif et al. Ground truth sampling to support remote sensing research and development: submersed aquatic vegetation species discrimination using an airborne hyperspectral/lidar system
Rowan An examination of the potential and limitations of optical remote sensing in monitoring submerged aquatic vegetation
Wimmer Comparison of active and passive optical methods for mapping river bathymetry
Klemas Advances in coastal wetland remote sensing
Martin Determining estuarine seagrass density measures from low altitude multispectral imagery flown by remotely piloted aircraft
Nieto et al. Classifying benthic habitats and deriving bathymetry at the Caribbean Netherlands using multispectral imagery. Case study of St. Eustatius
Duffy Coastal eye: monitoring coastal environments using lightweight drones
Suo et al. Vegetation mapping of a coastal dune complex using multispectral imagery acquired from an unmanned aerial system
Chand et al. Low-cost remotely piloted aircraft system (RPAS) with multispectral sensor for mapping and classification of intertidal biogenic oyster reefs

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant