KR102127405B1 - Method and appartus for estimating stream flow discharge using satellite images at streams - Google Patents
Method and appartus for estimating stream flow discharge using satellite images at streams Download PDFInfo
- Publication number
- KR102127405B1 KR102127405B1 KR1020180149706A KR20180149706A KR102127405B1 KR 102127405 B1 KR102127405 B1 KR 102127405B1 KR 1020180149706 A KR1020180149706 A KR 1020180149706A KR 20180149706 A KR20180149706 A KR 20180149706A KR 102127405 B1 KR102127405 B1 KR 102127405B1
- Authority
- KR
- South Korea
- Prior art keywords
- flow rate
- stream
- flow
- image
- river
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
Abstract
인공위성 영상을 이용한 하천의 유량추정방법이 개시된다. 본 발명에 따른 인공위성 영상을 이용한 하천의 유량추정방법은 합성 개구레이더 영상을 이용한 하천의 유량추정방법으로서, 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 하는 단계; 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계; 및 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계;를 포함한다.Disclosed is a method for estimating the flow rate of a river using satellite images. The method for estimating the flow rate of a river using a satellite image according to the present invention is a method for estimating a flow rate of a stream using a synthetic aperture radar image, comprising: preprocessing a plurality of synthetic aperture radar images generated for each stream; Equalizing the image brightness distribution of the pre-processed images; And constructing a flow estimation model by deriving a relational expression between the area of the river water body extracted using the threshold classification method and the ground observation flow rate data for the images having the same brightness distribution.
Description
본 발명은 인공위성 영상을 이용한 하천의 유량추정방법 및 장치에 관한 것으로, 보다 상세하게는 합성개구레이더 인공위성 영상 자료와 지상관측 유량자료를 이용하여 대규모 하천뿐 아니라 중소규모 하천의 유량을 추정할 수 있는, 인공위성 영상을 이용한 하천의 유량추정방법 및 장치에 관한 것이다.The present invention relates to a method and apparatus for estimating the flow rate of a stream using satellite images. More specifically, the synthetic opening radar satellite image data and the ground observation flow rate data can be used to estimate the flow rate of a large-scale river as well as a small-scale river. , It relates to a method and apparatus for estimating the flow rate of a stream using satellite images.
유량자료는 수자원 계획 및 정책결정, 관련시설 운영 등의 수자원관리에 가장 기초가 된다. Flow data is the most basic for water resource management such as water resource planning and policy making, and related facility operation.
과거에는 현장관측소에서 수위를 연속하여 관측하고 수위-유량 관계식을 이용하여 유량을 추정하여 왔으나, 현장 관측 및 자료에 대한 접근이 어려워 이를 보완할 수 있는 인공위성을 활용한 유량추정방법이 활용되고 있다.In the past, the water level was continuously observed at the site observation station and the flow rate was estimated using the water level-flow relational expression. However, the method of estimating the flow using an artificial satellite to compensate for the difficulty in accessing the field observation and data has been used.
인공위성을 이용한 유량추정방법에는 레이더 고도측정법, 레이더 간섭기법 등을 사용하여 수위를 측정한 후 유량을 추정하는 방법과 인공위성 영상에서 추출한 강의 폭이나 면적과 지상관측소에서 측정한 유량과의 관계를 이용하는 방법 등이 있다.As a method of estimating the flow rate using an artificial satellite, a method of estimating the flow rate after measuring the water level using a radar altitude measurement method or a radar interference method, and using the relationship between the width or area of a river extracted from an satellite image and the flow rate measured at a ground observation station And so on.
인공위성을 이용한 유량추정방법 중 레이더 고도측정법은 대규모 하천에서 수위의 변동을 직접 측정할 수 있는 방법으로, 본래 해수면 높이 변화를 측정하기 위하여 개발되었으나, 최근에는 대규모 하천 및 호수의 수위 추정에도 사용되고 있다. Among the methods of estimating the flow using an artificial satellite, the radar altitude measurement method is a method that can directly measure the fluctuation of the water level in a large-scale river, and was originally developed to measure the change in sea level, but has recently been used for estimating the water level in large-scale rivers and lakes.
또한 인공위성을 이용한 유량추정방법 중 인공위성 영상에서 추출한 강의 폭이나 면적과 지상관측소에서 측정한 유량과의 관계를 이용하는 방법은, 정확한 유량 추정을 위해서는 한 개 이상의 지상관측 자료가 필요하고 경사도, 식생 피복 등을 명확하게 매개변수화해야 하며, 길이가 10km 이상인 크고 구분이 명확한 망상 하천에서 인공위성 기반의 유량 추정의 정확도가 더 높다.In addition, among the methods of estimating the flow rate using satellite, the method of using the relationship between the width or area of the river extracted from the satellite image and the flow rate measured at the ground observation station requires one or more ground observation data for accurate flow estimation, slope, vegetation cover, etc. The parameters must be clearly parameterized, and the accuracy of the satellite-based flow estimation is higher in large and clear delusional rivers with a length of 10 km or more.
상기와 같이 다양한 방법들이 인공위성을 이용하여 유량을 추정하는데 사용되고 있지만, 대부분의 방법들이 위성영상자료의 해상도로 인한 오차에 덜 민감한 대규모 하천에서 이루어지고 있으며, 중소규모 하천의 경우에 대하여 적용한 경우는 드물다. Although various methods are used to estimate the flow rate using satellites as described above, most of the methods are performed in large-scale rivers that are less susceptible to errors due to the resolution of satellite image data, and are rarely applied to small and medium-sized rivers. .
또한, 하천폭-유량, 수위-유량과의 관계를 구축하는 연구가 대부분인데, 전자의 경우 위성영상의 해상도에 영향을 크게 받아 높은 해상도의 영상이 필요한 중소규모 하천에 적용하기가 힘들고, 후자의 경우 수위를 잴 수 있는 센서를 탑재한 인공위성이 많지 않아 촬영주기가 길어 활용성 측면에서 단점을 갖는다.In addition, most studies establishing the relationship between stream width-flow rate and water level-flow rate are difficult to apply to small and medium-sized rivers that require high-resolution images, largely affected by the resolution of satellite images. In this case, there are not many satellites equipped with sensors capable of measuring the water level, so the shooting cycle is long, which has a disadvantage in terms of usability.
본 발명은 상기와 같은 종래 인공위성을 이용한 하천의 유량추정방법의 한계점을 해소하기 위한 것으로, 인공위성을 활용하여 다양한 범위의 하천에 적용할 수 있으며 높은 정확도를 갖는, 인공위성 영상을 이용한 하천의 유량추정방법 및 장치를 제공하기 위한 것이다.The present invention is to solve the limitations of the conventional method for estimating the flow rate of a river using satellites, and it can be applied to a wide range of streams using artificial satellites and has a high accuracy. And devices.
전술한 기술적 과제를 해결하기 위한 본 발명에 따른 인공위성 영상을 이용한 하천의 유량추정방법은, 하천의 유량추정장치에 의해 수행되는 합성 개구레이더 영상을 이용한 하천의 유량추정방법에 있어서, 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 하는 단계; 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계; 및 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계;를 포함한다.A method for estimating a flow rate of a stream using a satellite image according to the present invention for solving the above-described technical problem is a method for estimating a flow rate of a stream using a synthetic aperture radar image performed by a stream flow estimator, generated for each stream Preprocessing a plurality of synthetic aperture radar images; Equalizing the image brightness distribution of the pre-processed images; And constructing a flow estimation model by deriving a relational expression between the area of the river water body extracted using the threshold classification method and the ground observation flow rate data for the images having the same brightness distribution.
상기 전처리를 하는 단계는, 각 이미지의 픽셀값을 레이더 후방 산란값으로 변환하기 위한 방사보정 단계; 산란에 의해 발생한 스펙클(speckle)을 제거하기 위한 스펙클 필터링 단계; 각 이미지에 대한 지형보정을 하는 단계; 및 각 이미지를 관측소 주변 영역으로 자르는 단계;를 포함할 수 있다.The pre-processing may include: a radiation correction step for converting the pixel value of each image into a radar backscattering value; A speckle filtering step for removing speckle caused by scattering; Correcting the terrain for each image; And cropping each image into an area around the observatory.
상기 이미지 밝기 분포를 동일하게 하는 단계는, 누적분포함수를 활용한 히스토그램 매칭기법을 이용하여 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스트로그램과 일치하게 바꾸어 줄 수 있다.In the step of equalizing the image brightness distribution, a histogram of all images in each station may be changed to match the histogram of the reference image by using a histogram matching technique using a cumulative distribution function.
상기 기준 이미지는 하천의 경계가 뚜렷한 이미지인 것을 특징으로 한다.The reference image is characterized in that the boundary of the river is a clear image.
유량추정모형을 구축하는 단계는, 특정 하천영역을 다각형으로 분리하는 단계; 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계; 및 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 단계;를 포함할 수 있다.The step of constructing the flow estimation model includes: separating a specific river region into polygons; Selecting a threshold value and a polygonal region from which the highest water surface area-stream flow correlation is derived by extracting a river region through a threshold classification method for a river region separated by a polygon; And constructing a flow estimation model for the relationship between the water surface area and the flow rate.
상기 임계치 분류방식을 통해 특정 임계값을 기준으로 수체와 비수체를 분류하되, 상기 다각형으로 분리된 하천영역의 픽셀값이 상기 특정 임계값 보다 작으면 수체로 상기 특정 임계값 이상이면 비수체로 분류하는 것을 특징으로 한다.Classify water bodies and non-aqueous bodies based on a specific threshold value through the threshold classification method, and classify them as a water body if the pixel value of a river region separated by the polygon is less than the specific threshold value, and a non-aqueous body when the pixel value is greater than the specific threshold value. It is characterized by.
상기 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계는, 주어진 수체-비수체 임계값의 범위에 대하여 하나의 특정 임계값을 선택한 후 밝기 분포가 일치된 관측소별 다수 개의 이미지들 각각에 대하여 수체-비수체분류를 하는 제1 선택 단계; 상기 관측소별 다수 개의 이미지들의 수체 면적 각각의 촬영 시간에 해당하는 하천 유량과의 상관관계를 도출하는 제2 선택 단계; 수체-비수체 임계값을 바꾸어 상기 제1 선택 단계 및 제2 선택 단계를 반복 하면서 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값을 기록하는 제3 선택 단계; 및 상기 제1 내지 제3 선택 단계를 각 이미지의 다른 다각형지역에 대하여 시도하여, 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 제4 선택 단계;를 포함할 수 있다.The step of selecting a threshold value and a polygonal region from which the highest water surface area-stream flow correlation is derived, selects one specific threshold value for a given range of water-body non-water body threshold values, and then selects stations with matching brightness distributions. A first selection step of performing water-non-aqueous classification on each of the plurality of images; A second selection step of deriving a correlation with a stream flow rate corresponding to a shooting time of each waterbody area of the plurality of images per station; A third selection step of recording the threshold value at which the highest water surface area-stream flow correlation is derived while repeating the first selection step and the second selection step by changing the water-non-aqueous threshold value; And a fourth selection step of attempting the first to third selection steps for different polygonal regions of each image to select a threshold value and a polygonal region from which the highest water surface area-stream flow correlation is derived. have.
전술한 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따르면, 인공위성 영상을 이용한 하천의 유량추정방법의 각 단계들을 실행시키기 위해 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램이 이용될 수 있다.According to another embodiment of the present invention for solving the above technical problem, a computer program stored in a computer-readable recording medium may be used to execute each step of a method for estimating a flow rate of a river using a satellite image.
전술한 기술적 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정장치는, 각 하천별로 생성된 다수 개의 합성개구레이더 영상 정보가 저장된 위성 영상 데이터베이스; 상기 다수 개의 합성개구레이더 영상 촬영 당시의 지상 관측 유량자료가 저장된 관측소 유량 데이터베이스; 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 수행하고, 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 전처리부; 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 유량추정모형 구축부;를 포함한다.In order to solve the above-described technical problem, a flow rate estimating apparatus of a river using a satellite image according to another embodiment of the present invention includes: a satellite image database storing a plurality of synthetic aperture radar image information generated for each stream; An observation station flow rate database in which ground observation flow data at the time of photographing the plurality of synthetic aperture radar images are stored; A pre-processing unit for pre-processing a plurality of synthetic aperture radar images generated for each stream and equalizing the image brightness distribution of the pre-processed images; It includes; a flow estimation model construction unit for constructing a flow estimation model by deriving a relational expression between the area of the river water body extracted using the threshold classification method and the ground observation flow rate data for the images with the same brightness distribution.
상기 유량추정모형 구축부는, 특정 하천영역을 다각형으로 분리하고, 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하여, 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 것을 특징으로 한다.The flow estimation model construction unit divides a specific river region into polygons, extracts a river region through a threshold classification method for a river region separated into polygons, and a threshold value and a polygon from which the highest water surface area-stream flow correlation is derived It is characterized by selecting a region and constructing a flow estimation model for the relationship between water area and flow.
본 발명에 따르면, 인공위성을 이용하여 유량을 추정하는 다른 방법에 비해 위성영상자료의 해상도로 인한 오차에 덜 민감한 대규모 하천에 적용할 수 있음은 물론 폭이 50m 이상의 중소규모 하천에도 적용할 수 있다.According to the present invention, it can be applied to a large-scale river that is less sensitive to errors due to the resolution of satellite image data, as well as to small and medium-sized rivers having a width of 50 m or more, compared to other methods of estimating the flow rate using satellites.
또한, 본 발명에 따르면 특정 하천영역을 다각형으로 잘라 분리한 후 잘라낸 다각형 내의 픽셀값들에 대하여 임계치 분류방식을 적용함으로써 하천의 면적이나 형상에 구애됨 없이 다양한 하천에 적용할 수 있다.In addition, according to the present invention, a specific river region is cut into polygons and separated, and then a threshold classification method is applied to pixel values within the cut polygon, so that it can be applied to various rivers without regard to the area or shape of the river.
도 1은 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정방법을 나타내는 순서도이며,
도 2는 도 1의 유량추정모형을 구축하는 단계를 구체적으로 나타내는 순서도이며,
도 3은 도 2의 최적 임계값 및 다각형 지역을 선택하는 것을 구체적으로 나타내는 순서도이며,
도 4는 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정장치를 나타내는 블럭도이며,
도 5는 본 발명의 실시예에 따른 전처리과정을 나타내는 예시도이며,
도 6은 본 발명의 실시예에 따른 영상의 이미지의 밝기 분포를 동일화하는 과정을 나타내는 예시도이며,
도 7은 본 발명의 실시예에 따른 유량 추정 모형을 구축하는 과정을 나타내는 예시도이며,
도 8은 다각형 지역의 선택에 따른 상관관계를 나타내는 예시도이며,
도 9는 본 발명이 실시예에 따른 유량 추정 모형을 나타내는 예시도이다.1 is a flow chart showing a method for estimating the flow rate of a stream using a satellite image according to an embodiment of the present invention,
Figure 2 is a flow chart specifically showing the steps of building the flow estimation model of Figure 1,
FIG. 3 is a flowchart specifically illustrating selecting the optimal threshold and polygonal regions of FIG. 2,
4 is a block diagram showing an apparatus for estimating a flow rate of a stream using a satellite image according to an embodiment of the present invention,
5 is an exemplary view showing a pre-treatment process according to an embodiment of the present invention,
6 is an exemplary view showing a process of equalizing the brightness distribution of an image of an image according to an embodiment of the present invention,
7 is an exemplary view showing a process of constructing a flow estimation model according to an embodiment of the present invention,
8 is an exemplary diagram showing correlation according to selection of a polygonal region,
9 is an exemplary view showing a flow estimation model according to an embodiment of the present invention.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art to which the present invention pertains may easily practice. However, the present invention can be implemented in many different forms and is not limited to the embodiments described herein. In addition, in order to clearly describe the present invention in the drawings, parts irrelevant to the description are omitted, and like reference numerals are assigned to similar parts throughout the specification.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part “includes” a certain component, this means that other components may be further included rather than excluding other components unless specifically stated to the contrary.
도 1은 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정방법을 나타내는 순서도이며, 도 2는 본 발명의 실시예에 따른 유량추정모형을 구축하는 단계를 구체적으로 나타내는 순서도이며, 도 3은 본 발명의 실시예에 따른 최적 임계값 및 다각형 지역을 선택하는 것을 구체적으로 나타내는 순서도이며, 도 4는 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정장치를 나타내는 블럭도이다. 1 is a flow chart showing a method for estimating a flow rate of a river using a satellite image according to an embodiment of the present invention, and FIG. 2 is a flowchart specifically showing the steps of constructing a flow estimation model according to an embodiment of the present invention, and FIG. 3 Is a flowchart specifically showing selecting an optimal threshold value and polygonal area according to an embodiment of the present invention, and FIG. 4 is a block diagram showing an apparatus for estimating a flow rate of a river using a satellite image according to an embodiment of the present invention.
도 5 내지 도 9는 도 1 내지 도 3의 하천의 유량추정장치에 의해 수행되는 인공위성 영상을 이용한 하천의 유량추정방법을 보다 구체화하여 설명하기 위한 예시도이다.5 to 9 is performed by the flow rate estimator of the river of Figures 1 to 3 This is an example to explain in detail the method of estimating the flow rate of a river using satellite images.
도 1 내지 도 9를 참조하면 본 발명에 따른 인공위성 영상을 이용한 하천의 유량추정방법은, 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 하는 단계(S100); 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계(S200); 및 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계(S300);를 포함한다.1 to 9, a method for estimating a flow rate of a stream using a satellite image according to the present invention includes: pre-processing a plurality of synthetic aperture radar images generated for each stream (S100); Equalizing the image brightness distribution of the pre-processed images (S200); And constructing a flow estimation model by deriving a relational expression between the area of the river water body and the ground observation flow rate data extracted using the threshold classification method for the images having the same brightness distribution (S300).
전처리를 하는 단계(S100)는 위성영상의 오류를 보정하는 단계이다. 본 실시예에서는 유량추정모형 구축 및 검증을 위하여 유럽항공우주국(European Space Agency)에서 운영하는 Sentinel-1 위성이 생산하는 합성개구레이더(Synthetic Aperture Radar, SAR) 영상자료를 이용하였다. 그러나, 본 발명에서는 유량추정모형 구축 및 검증을 위하여 Sentinel-1 인공위성에 한정되지 않고 다른 인공위성 영상자료도 사용할 수 있다.The pre-processing step S100 is a step of correcting an error in the satellite image. In this embodiment, the Synthetic Aperture Radar (SAR) image data produced by the Sentinel-1 satellite operated by the European Space Agency was used to build and verify the flow estimation model. However, the present invention is not limited to the Sentinel-1 satellite for the construction and verification of the flow estimation model, and other satellite image data can also be used.
위성영상은 미리 설정된 관측소 인근에 대한 영상자료로서 본 실시예에서는 12개의 영상사진이 사용되며, 영상사진의 수는 본 실시예에 제한되지 않는다.The satellite image is image data for a preset station nearby, and in this embodiment, 12 image pictures are used, and the number of image pictures is not limited to this embodiment.
전처리를 하는 단계(S100)는, 각 이미지의 픽셀값을 레이더 후방 산란값으로 변환하기 위한 방사보정 단계; 산란에 의해 발생한 스펙클(speckle)을 제거하기 위한 스펙클 필터링 단계; 각 이미지에 대한 지형보정을 하는 단계; 및 각 이미지를 관측소 주변 영역으로 자르는 단계;를 포함한다.The pre-processing step S100 includes: a radiation correction step for converting the pixel value of each image into a radar backscattering value; A speckle filtering step for removing speckle caused by scattering; Correcting the terrain for each image; And cropping each image into an area around the observatory.
12개의 사진에 대한 픽셀값을 레이더 후방 산란값으로 변환하기 위해 도 5의 (a)와 같이 칼리브레이션(Calibration) 과정을 거친다. 초기 이미지 픽셀값은 방사보정이 되어있지 않아 방사 측정시의 편차가 남아 있다. 그러므로 이미지의 픽셀값이 실제로 레이더 후방 산란 값을 나타낼 수 있도록 방사보정 과정을 거쳐야 한다.In order to convert the pixel values of the 12 pictures into the radar backscattering value, a calibration process is performed as shown in FIG. 5(a). The initial image pixel values are not radiation-corrected, so variations in radiation measurements remain. Therefore, it is necessary to undergo a radiation correction process so that the pixel value of the image can actually represent the radar backscattering value.
방사보정 과정 다음으로, 산란에 의해 발생한 밝거나 어두운 점들인 스펙클(speckle)을 제거하기 위하여 도 5의 (b)처럼 스펙클(speckle) 필터링 과정을 거친다.Next to the radiation correction process, in order to remove speckles, which are bright or dark spots caused by scattering, a speckle filtering process is performed as shown in FIG.
스펙클(speckle) 필터링 과정은 다양한 분포 형태의 노이즈들을 처리하기 위하여 Mean, Median, Lee, Lee Sigma, Gamma-MA 등 8개의 필터를 지원하는 프로그램을 사용할 수 있는데, 본 실시예에서는 노이즈를 가우시안 분포로 가정하는 Lee sigma 필터를 사용하여 필터링을 한다. Lee sigma 필터는 관심 픽셀의 값을 지정된 범위 내에 있는 모든 픽셀값의 평균으로 바꿔준다.In the speckle filtering process, programs supporting 8 filters such as Mean, Median, Lee, Lee Sigma, and Gamma-MA can be used to process noises of various distribution types. In this embodiment, noise is Gaussian distribution. Filter using Lee sigma filter, which is assumed to be. The Lee sigma filter converts the value of the pixel of interest to the average of all pixel values within the specified range.
지형보정을 하는 단계는 도 5(c)와 같이 지형 보정(Range-Doppler terrain correction)을 통해 이미지의 좌표체계를 WGS84 좌표계로 변환시키고 보정하는 단계이다. 지형보정을 통해 지형변화와 위성 센서의 기울기에 의한 왜곡을 보정하여 이미지의 기하학적인 형태가 실제와 최대한 가깝도록 만들게 된다.The step of correcting the terrain is a step of converting and correcting an image coordinate system into a WGS84 coordinate system through range-doppler terrain correction as shown in FIG. 5(c). Through the topographic correction, the distortion caused by the topographic changes and the tilt of the satellite sensor is corrected so that the geometric shape of the image is as close as possible.
이후, 도 5(d)와 같이 12 개의 사진을 미리 설정된 관측소 주변 영역으로 잘라낸다.Thereafter, as shown in FIG. 5(d), twelve pictures are cropped into a region around the preset station.
전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계(S200)는 누적분포함수를 활용한 히스토그램 매칭기법을 이용하여 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스트로그램과 일치하게 바꾸어 주는 단계로서, 미리 설정된 각 관측소 주변 영역에 대한 12 개 사진의 밝기 분포를 동일하게 만들어 주는 단계이다.The step of equalizing the image brightness distribution of the pre-processed images (S200) is a step of changing the histograms of all the images in each station to match the histograms of the reference images by using a histogram matching method using a cumulative distribution function, This step is to make the brightness distribution of 12 pictures equal to each preset area around the station.
여기서, 기준 이미지는 하천의 경계가 뚜렷한 이미지이다.Here, the reference image is an image with a clear boundary of the river.
위성영상은 동일한 지역을 동일한 궤도에서 촬영했더라도 촬영 당시의 기후조건, 일조량 등에 따라 영상의 밝기와 대비가 각기 다르다. 한 관측소에서 촬영한 여러 시기의 위성영상에서 하천의 면적을 추출할 때, 모든 영상의 이미지의 밝기 분포를 동일하게 만들어 주기 위하여 도 6과 같이 누적 분포 함수(Cumulative Distribution Function(CDF))를 활용한 히스토그램 매칭(Histogram Matching) 기법을 활용할 수 있다.Even if satellite images are taken from the same orbit, the brightness and contrast of the images differ depending on the weather conditions and the amount of sunlight. When extracting the area of a stream from satellite images of various periods taken at a station, the cumulative distribution function (CDF) is used to make the brightness distribution of all images the same. Histogram Matching technique can be used.
이를 통해 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스토그램과 일치하게 바꿔줄 수 있다. 이때, 이미지의 픽셀값은 밝기를 나타내며 이는 0과 1사이의 값으로 최대값과 최소값의 차이가 매우 커 로그(log)를 취하며, 너무 밝거나 어둡지 않고 하천의 경계가 뚜렷한 이미지를 기준 이미지로 선정한다.Through this, the histograms of all the images in each station can be changed to match the histograms of the reference images. At this time, the pixel value of the image represents the brightness, which is a value between 0 and 1, and the difference between the maximum value and the minimum value is very large to take a log, and the image with a clear boundary of the river is not too bright or dark. Select.
본 실시예에서는 전처리를 하는 단계(S100)와 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계(S200)를 구분하였으나, 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계(S200)가 전처리를 하는 단계(S100)에 포함될 수 있다.In this embodiment, the step of pre-processing (S100) and the step of equalizing the image brightness distribution of the pre-processed images (S200) are divided, but the step of equalizing the image brightness distribution of the pre-processed images (S200) is pre-processing. Step S100 may be included.
밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계(S300)는 밝기 분포를 일치시킨 이미지에서 임계치 분류방식(Threshold Separation Method)로 하천영역을 추출하여 하천의 면적과 유량의 상관관계를 파악하고 관계식을 구하여 유량 추정 모형을 구축하는 단계이다.The step of constructing a flow estimation model by deriving a relationship between the area of the river water body extracted using the threshold classification method and the ground observation flow rate data for the images with the same brightness distribution (S300) This is a step of constructing a flow estimation model by extracting the river area by using the threshold separation method, grasping the correlation between the stream area and the flow rate, and obtaining the relationship equation.
유량추정모형을 구축하는 단계(S300)는, 특정 하천영역을 다각형으로 분리하는 단계(S310), 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계(S320) 및 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 단계(S330)를 포함한다.The step of constructing a flow estimation model (S300) is a step of separating a specific river region into polygons (S310), and extracting a river region through a threshold classification method for a river region separated by a polygon, thereby obtaining the highest water surface area-stream flow rate. And selecting a threshold and polygonal area from which correlation is derived (S320) and constructing a flow estimation model for the relationship between the body area and the flow (S330).
특정 하천영역을 다각형으로 분리하는 단계(S310)는 도 7(a)와 같이 하천영역을 붉은색의 다각형으로 분리하는 단계이다. The step of dividing a specific river region into polygons (S310) is a step of dividing the river region into polygons of red color as shown in FIG. 7A.
임계치 분류방식을 이미지 내 전체 픽셀에 적용할 경우, 타하천 및 주변 시설물, 토지 이용 등의 영향을 받는다. 그러므로 관측소와 관련된 하천만을 추출하고 타영향을 최소화하기 위하여 특정 하천영역을 다각형으로 잘라 분리한 후 잘라낸 다각형 내의 픽셀값들에 대하여 임계치 분류방식을 적용할 필요가 있다.When the threshold classification method is applied to all pixels in the image, it is affected by other rivers, nearby facilities, and land use. Therefore, it is necessary to apply a threshold classification method to pixel values within the cut out polygon after cutting and separating a specific stream area into polygons to extract only the streams associated with the station and minimize other effects.
특정 하천영역을 다각형으로 잘리 분리하는 과정은 수작업으로 할 수 있으나, 자동화 과정으로 잘라 분리하는 것도 가능하다.The process of cutting and separating a specific river area into polygons can be done manually, but it is also possible to cut and separate them by an automated process.
특정 하천영역을 다각형으로 잘리 분리하는 과정은, 다른 하천의 영향을 받지 않도록 하천이 합류 또는 분리되는 지점과 떨어진 영역을 선택해야 하거나, 댐이나 수력 발전소와 같은 하천의 자연스러운 흐름을 방해하는 시설물이 설치되어 영향을 받는 지역과 하천 주변이 정비되어 유량변화에 따라 하천의 면적 변화가 적은 곳을 피해 하거나, 하천 내에 모래섬이 있거나 하천 주변이 유량 변화에 민감하게 반응하는 곳을 선택하면 정확한 모형을 얻을 수 있다.In the process of dividing a particular stream area into polygons, the area that is separated from the point where the streams are joined or separated must be selected so that they are not affected by other streams, or facilities that interfere with the natural flow of the stream, such as dams or hydroelectric power plants, are installed. As a result, the affected area and the surrounding area of the river are maintained to avoid the place where the area of the river is small according to the flow rate change, or if there is a sand island in the river or where the river area is sensitive to the flow rate change, an accurate model can be obtained. have.
가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계(S320)는 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출한 후 하천의 면적과 유량의 상관관계를 파악한다.The step of selecting a threshold value and a polygonal area from which the highest water surface area-stream flow correlation is derived (S320) is to extract the stream area through a threshold classification method for a stream area separated by a polygon, and then correlate the stream area and flow rate. Identify relationships.
임계치 분류방식은 특정 임계값(threshold)을 기준으로 수체와 비수체를 분류하는 방법이다. 합성개구레이더(SAR) 영상에서 수체는 후방 산란값이 작아 주변의 비수체보다 픽셀값이 작으며 어둡게 나타나므로 임계값 보다 픽셀값이 작으면 수체, 임계값 보다 크면 비수체로 분류한다.The threshold classification method is a method of classifying a body and a non-aqueous body based on a specific threshold. In a composite aperture radar (SAR) image, the back scattering value of the water body is small, so the pixel value is smaller and darker than the surrounding non-aqueous body.
가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계(S320)는, 주어진 수체-비수체 임계값의 범위에 대하여 하나의 특정 임계값을 선택한 후 밝기 분포가 일치된 관측소별 다수 개의 이미지들 각각에 대하여 수체-비수체분류를 하는 제1 선택 단계(S321), 관측소별 다수 개의 이미지들의 수체 면적 각각의 촬영 시간에 해당하는 하천 유량과의 상관관계를 도출하는 제2 선택 단계(S323), 수체-비수체 임계값을 바꾸어 제1 선택 단계 및 제2 선택 단계를 반복 하면서 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값을 기록하는 제3 선택 단계(S325) 및 제1 내지 제3 선택 단계를 각 이미지의 다른 다각형지역에 대하여 반복 시도하여, 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 제4 선택 단계(S327)를 포함한다.The step of selecting a threshold value and a polygonal region from which the highest water surface area-stream flow correlation is derived (S320), selects one specific threshold value for a given range of water body-non-water body threshold values, and then matches the brightness distribution. A first selection step (S321) of water-non-aqueous classification for each of a plurality of images per station, and a second for deriving a correlation with a stream flow rate corresponding to each shooting time of the water area of the plurality of images per station. Selection step (S323), a third selection step (S325) of recording the threshold value at which the highest water surface area-stream flow correlation is derived by repeating the first selection step and the second selection step by changing the water-non-aqueous threshold value (S325) And a fourth selection step (S327) of repeatedly selecting the first to third selection steps for different polygon regions of each image to select a threshold value and a polygon region from which the highest water surface area-stream flow correlation is derived. do.
제1 선택 단계(S321) 내지 제4 선택 단계(S327)를 반복하여 하천의 면적과 유량과의 상관관계를 가장 잘 나타내는 하천영역과 임계값을 산출한다. 이 과정을 통해 보다 정확한 하천 면적과 유량의 상관 관계식을 구할 수 있다.By repeating the first selection step (S321) to the fourth selection step (S327), a river area and a threshold value that best represent the correlation between the river area and the flow rate are calculated. Through this process, a more accurate correlation between the stream area and the flow rate can be obtained.
가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계(S320)의 예시로서, 다각형 지역의 선택에 따른 상관관계를 나타내는 예시도인 도 8을 참조하면, 특정 지점에서 서로 다른 수체-비수체 임계값 및 다각형 지역(Case 1 과 Case 2)에 대하여 변화하는 수체면적-유량과의 상관계수를 알 수 있다.As an example of the step (S320) of selecting a threshold value and a polygonal region from which the highest water surface area-stream flow correlation is derived, referring to FIG. 8, which is an exemplary diagram showing the correlation according to the selection of the polygonal region, at a specific point It can be seen that the correlation coefficients for the different water-area-flow rates for different water-non-aqueous thresholds and polygonal regions (
도 8(a)와 같이 두 가지 경우의 다각형 지역에 대해서, 상관계수가 최대일 때의 임계값을 이용하여 하천 면적을 추출한 결과를 도 8(c)와 도 8(d)에 나타낸다. Case 1이 Case 2보다 상관관계가 뚜렷하게 나타났는데, Case 2의 경우, 선택한 영역에서 강의 합류 지점을 포함하여 상관관계가 뚜렷하게 나타나지 않은 것으로 파악된다. 8(a) and 8(d), the results of extracting the river area using the threshold when the correlation coefficient is the maximum for the polygonal regions in two cases as shown in FIG. 8(a) are shown.
본 발명에 따른 연구자들은 한강 유역 내 15개 관측소에서 하천의 유량을 추정하기 위하여 2015년 1월 1일부터 2017년 10월 31일까지의 12개의 Sentinel-1 위성영상 자료와 관측소 유량자료를 활용하였다. Researchers according to the present invention used 12 Sentinel-1 satellite image data and station flow data from January 1, 2015 to October 31, 2017 to estimate the flow rate of streams at 15 stations in the Han River basin. .
유량추정모형은 지상 관측 자료와 인공위성 영상 자료를 사용하여 하천의 면적과 유량의 관계식을 산출하고 이를 통해 유량을 추정하는 모형이다. 따라서 인공위성 영상 촬영 당시의 지상 관측 자료가 필수적으로 요구된다. 기존 지상 관측 자료가 없는 곳의 경우, 먼저 위성 영상 촬영시간과 동일한 시간의 유량자료를 확보하여야 한다. 또한 다양한 범위에서 유량을 정확하게 예측하기 위해서, 저유량자료뿐만 아니라 고유량일 때의 자료가 모두 필요하다. The flow estimation model is a model that calculates the relationship between the area of a river and the flow using the ground observation data and satellite image data and estimates the flow through this. Therefore, ground observation data at the time of satellite imaging is essential. In the case where there is no existing ground observation data, the flow data of the same time as the satellite imaging time must be secured first. In addition, in order to accurately predict the flow rate in various ranges, not only low-flow rate data but also high-flow rate data are required.
강원도 횡성군에 위치한 안흥교 1개소를 제외한 14개 관측소에서 하천면적을 입력자료로 하는 멱함수 형태의 유량추정모형을 구축할 수 있다. 도 9는 그 결과를 보인다. 그래프의 횡축은 인공위성 자료에서 추출한 수체의 면적이고 종축은 유량을 나타낸다. 붉은 색선은 본 연구에서 구축한 멱함수 형태의 유량추정모형을 나타내며, 삼각형과 별 표식(*)은 유량추정 모형을 구축 및 검증하는데 사용한 자료를 각각 나타낸다. It is possible to construct a power function estimation model in the form of a power function using stream area as input data at 14 stations except for 1 Anheung Bridge located in Hoengseong-gun, Gangwon-do. 9 shows the results. The horizontal axis of the graph represents the area of the water body extracted from the satellite data, and the vertical axis represents the flow rate. The red line represents the power function estimation model in the form of the power function constructed in this study, and the triangle and star mark (*) indicate the data used to construct and verify the flow estimation model.
우리나라의 강우는 여름철 집중되어 나타나므로 고유량시 인공위성에서 촬영한 영상의 수가 저유량에 비해 적다. 따라서 대부분의 관측소에서 사용한 값들의 유량이 낮은 값을 갖는 것을 그래프에서 확인할수 있으며 검증값 또한 저유량시의 정확도가 보다 더 높게 나타난다. 하지만, 고유량시의 유량이 약 60 인 대곡교 지점에서 고유량시의 유량이 약 2500인 팔당대교 지점에 이르기까지 다양한 크기의 하천에서 정확도 높은 결과를 얻을 수 있다.Rainfall in Korea appears concentrated during the summer, so the number of images taken from satellites during high flow is less than the low flow rate. Therefore, it can be confirmed from the graph that the flow rate of the values used in most stations has a low value, and the verification value also shows higher accuracy at low flow rates. However, high accuracy results can be obtained in rivers of various sizes, from the Daegok Bridge where the flow rate at high flow rate is approximately 60 to the Paldang Bridge where the flow rate at high flow rate is approximately 2500.
표 1은 하천면적을 이용한 유량추정모형의 모수와 결정계수(R2) 및 평균 제곱근 오차(Root Mean Square Error)를 나타낸다. 14개 관측소의 평균결정계수(R2)는 0.8로 대부분의 관측소에서 높게 나타난다. 14개 관측소중 결정계수가 0.5이하인 관측소가 두 군데 존재하는데, 서울시 대곡교(Daegok bridge, Seoul)의 경우 하천 폭이 50m 이하로 좁아 하천면적 추출시 정확도가 떨어지는 것으로 판단되며, 가평군 대성리(Daeseongri, Gapyeonggun)는 하천의 폭은 약 250m로 넓지만 하천 단면의 측면 경사가 급해 유량이 크게 변화하여도 인공위성에 바라 본 하천의 면적의 변화가 크지 않아 정확도 높은 유량추정모형을 구축하는데 어려움이 있는 것으로 파악된다. Table 1 shows the parameters of the flow estimation model using the river area, the coefficient of determination (R 2 ), and the root mean square error. The average determination coefficient (R 2 ) of 14 stations is 0.8, which is high in most stations. Of the 14 stations, there are two stations with a coefficient of determination of 0.5 or less, and in the case of Daeegok Bridge (Seoul), the width of the stream is narrower than 50 m, so it is judged that accuracy is poor when extracting stream areas. Gapyeonggun) is considered to have difficulty in constructing an accurate flow estimation model because the area of the river viewed from the satellite is not large even if the flow rate changes significantly due to the steep side slope of the river section. do.
이에 본 발명에 따르면, 인공위성을 이용하여 유량을 추정하는 다른 방법에 비해 위성영상자료의 해상도로 인한 오차에 덜 민감한 대규모 하천에 적용할 수 있음은 물론 폭이 50m 이상의 중소규모 하천에도 적용할 수 있다.Accordingly, according to the present invention, it can be applied to large-scale rivers that are less sensitive to errors due to resolution of satellite image data, as well as to small and medium-sized rivers having a width of 50 m or more, compared to other methods of estimating flow rate using satellites. .
또한, 본 발명에 따르면 특정 하천영역을 다각형으로 잘라 분리한 후 잘라낸 다각형 내의 픽셀값들에 대하여 임계치 분류방식을 적용함으로써 하천의 면적이나 형상에 구애됨 없이 다양한 하천에 적용할 수 있다.In addition, according to the present invention, a specific river region is cut into polygons and separated, and then a threshold classification method is applied to pixel values within the cut polygon, so that it can be applied to various rivers without regard to the area or shape of the river.
본 발명의 인공위성 영상을 이용한 하천의 유량추정방법의 각 단계들은 수치 데이터를 사용하고 지상 관측 자료와 인공위성 영상 자료를 사용하여 하천의 면적과 유량의 관계식을 산출하고 이를 통해 유량을 추정하는 모형이므로, 각 단계들은 컴퓨터에서 구현될 수 있다. Since each step of the method for estimating the flow rate of a river using the satellite image of the present invention uses numerical data, and calculates a relationship between the area of the river and the flow rate using the ground observation data and the satellite image data, and thus estimates the flow rate. Each step can be implemented in a computer.
도 4는 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정장치를 나타내는 블럭도이다.4 is a block diagram showing an apparatus for estimating a flow rate of a river using a satellite image according to an embodiment of the present invention.
도 4에 도시된 바와 같이, 인공위성 영상을 이용한 하천의 유량추정장치는 위성 영상 데이터베이스(100), 관측소 유량 데이터베이스(200), 전처리부(300), 유량 추정 모형 구축부(400)를 포함한다.As shown in FIG. 4, the apparatus for estimating the flow rate of a river using a satellite image includes a
위성 영상 데이터베이스(100)에는 각 하천별로 생성된 다수 개의 합성개구레이더 영상 정보가 저장되어 있다. 이러한 합성개구레이더 영상 정보는 컴퓨터와 같이 장치에 데이터베이스 형태로 저장될 수 있다. The
이러한 다수 개의 합성개구레이더 영상은, 유량추정모형 구축 및 검증을 위하여 유럽항공우주국(European Space Agency)에서 운영하는 Sentinel-1 위성이 생산하는 합성개구레이더(Synthetic Aperture Radar, SAR) 영상자료가 이용될 수 있다. 그러나, 유량추정모형 구축 및 검증을 위하여 Sentinel-1 인공위성에 한정되지 않고 다른 인공위성 영상자료도 사용할 수 있다.Synthetic aperture radar (SAR) image data produced by the Sentinel-1 satellite operated by the European Space Agency will be used to build and verify the flow estimation model. Can. However, for the construction and verification of the flow estimation model, it is not limited to the Sentinel-1 satellite and other satellite image data can be used.
관측소 유량 데이터베이스(200)에는 합성개구레이더 영상 촬영 당시의 지상 관측 유량자료가 저장된다.The observation station
유량추정모형은 지상 관측 자료와 인공위성 영상 자료를 사용하여 하천의 면적과 유량의 관계식을 산출하고 이를 통해 유량을 추정하는 모형이다. 따라서 인공위성 영상 촬영 당시의 지상 관측 자료가 필수적으로 요구된다.The flow estimation model is a model that calculates the relationship between the area of a river and the flow using the ground observation data and satellite image data and estimates the flow through this. Therefore, ground observation data at the time of satellite imaging is essential.
즉, 인공위성 영상 자료와 관측소 유량자료를 통해 유량추정모형을 구축할 수 있고, 유량추정모형의 그래프의 횡축은 인공위성 자료에서 추출한 수체의 면적이고 종축은 관측소 유량을 나타낸다. That is, it is possible to construct a flow estimation model from satellite image data and observatory flow data, and the horizontal axis of the graph of the flow estimation model is the area of the water body extracted from the satellite data, and the vertical axis represents the station flow.
전처리부(300)는 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 수행하고, 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 것이다.The
전처리부(300)는 위성 영상 데이터베이스(100)에 저장된 정보를 이용하며, 각 이미지의 픽셀값을 레이더 후방 산란값으로 변환하기 위한 방사보정 단계, 산란에 의해 발생한 스펙클(speckle)을 제거하기 위한 스펙클 필터링 단계, 각 이미지에 대한 지형보정을 하는 단계, 및 각 이미지를 관측소 주변 영역으로 자르는 단계를 수행한다.The
전처리부(300)는 미리 설정된 각 관측소 주변 영역에 대한 12 개 사진의 밝기 분포를 동일하게 만들어 주는 단계로서, 누적분포함수를 활용한 히스토그램 매칭기법을 이용하여 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스트로그램과 일치하게 바꾸어 주는 단계를 수행할 수 있다.The
유량 추정 모형 구축부(400)는 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 것이다.The flow rate estimation
유량 추정 모형 구축부(400)는 특정 하천영역을 다각형으로 분리하고, 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하여, 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축한다.The flow rate estimation
이에 본 발명에 따르면, 인공위성을 이용하여 유량을 추정하는 다른 방법에 비해 위성영상자료의 해상도로 인한 오차에 덜 민감한 대규모 하천에 적용할 수 있음은 물론 폭이 50m 이상의 중소규모 하천에도 적용할 수 있다.Accordingly, according to the present invention, it can be applied to large-scale rivers that are less sensitive to errors due to resolution of satellite image data, as well as to small and medium-sized rivers having a width of 50 m or more, compared to other methods of estimating flow rate using satellites. .
또한, 본 발명에 따르면 특정 하천영역을 다각형으로 잘라 분리한 후 잘라낸 다각형 내의 픽셀값들에 대하여 임계치 분류방식을 적용함으로써 하천의 면적이나 형상에 구애됨 없이 다양한 하천에 적용할 수 있다.In addition, according to the present invention, a specific river region is cut into polygons and separated, and then a threshold classification method is applied to pixel values within the cut polygon, so that it can be applied to various rivers without regard to the area or shape of the river.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The above description of the present invention is for illustration only, and a person having ordinary knowledge in the technical field to which the present invention pertains can understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the following claims rather than the above detailed description, and it should be interpreted that all changes or modified forms derived from the meaning and scope of the claims and equivalent concepts thereof are included in the scope of the present invention. do.
또한, 본 발명에 따른 장치는 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, 광학 디스크, 자기 테이프, 비휘발성 메모리 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.In addition, the apparatus according to the present invention can be embodied as computer readable codes on a computer readable recording medium. The computer-readable recording medium includes all types of recording devices in which data readable by a computer system is stored. Examples of the recording medium include ROM, RAM, optical disk, magnetic tape, non-volatile memory, and the like. In addition, the computer-readable recording medium can be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.
100: 위성 영상 데이터베이스
200: 관측소 유량 데이터베이스
300: 전처리부
400: 유량 추정 모형 구축부100: satellite image database
200: station flow database
300: pre-processing unit
400: flow estimation model building unit
Claims (10)
각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 하는 단계;
전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계; 및
밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계;를 포함하며,
유량추정모형을 구축하는 단계는,
특정 하천영역을 다각형으로 분리하는 단계;
다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계; 및
수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 단계;를 포함하는 인공위성 영상을 이용한 하천의 유량추정방법.In the method for estimating the flow rate of a stream using a synthetic aperture radar image performed by the stream flow estimator,
Preprocessing a plurality of synthetic aperture radar images generated for each stream;
Equalizing the image brightness distribution of the pre-processed images; And
Including the step of constructing a flow estimation model by deriving a relationship between the area of the river water body and the ground observation flow rate data extracted using the threshold classification method for the images with the same brightness distribution.
The step of building the flow estimation model is
Separating a specific river region into polygons;
Selecting a threshold value and a polygonal region from which the highest water surface area-stream flow correlation is derived by extracting a river region through a threshold classification method for a river region separated by a polygon; And
Constructing a flow estimation model for the relationship between the water surface area and the flow rate; Method for estimating the flow rate of a stream using a satellite image comprising
상기 전처리를 하는 단계는,
각 이미지의 픽셀값을 레이더 후방 산란값으로 변환하기 위한 방사보정 단계;
산란에 의해 발생한 스펙클(speckle)을 제거하기 위한 스펙클 필터링 단계;
각 이미지에 대한 지형보정을 하는 단계; 및
각 이미지를 관측소 주변 영역으로 자르는 단계;를 포함하는 인공위성 영상을 이용한 하천의 유량추정방법.According to claim 1,
The pre-processing step,
A radiation correction step for converting the pixel value of each image into a radar backscattering value;
A speckle filtering step for removing speckle caused by scattering;
Correcting the terrain for each image; And
A method of estimating the flow rate of a river using a satellite image including; cutting each image into an area around the station.
상기 이미지 밝기 분포를 동일하게 하는 단계는,
누적분포함수를 활용한 히스토그램 매칭기법을 이용하여 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스트로그램과 일치하게 바꾸어 주는 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정방법.According to claim 1,
The step of equalizing the image brightness distribution,
A method of estimating the flow rate of a stream using satellite images, characterized in that the histograms of all images in each station are changed to match the histograms of the reference images by using a histogram matching method using the cumulative distribution function.
상기 기준 이미지는 하천의 경계가 뚜렷한 이미지인 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정방법.According to claim 3,
The reference image is a method for estimating the flow rate of a stream using a satellite image, characterized in that the boundary of the stream is a clear image.
상기 임계치 분류방식을 통해 특정 임계값을 기준으로 수체와 비수체를 분류하되, 상기 다각형으로 분리된 하천영역의 픽셀값이 상기 특정 임계값 보다 작으면 수체로 상기 특정 임계값 이상이면 비수체로 분류하는 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정방법.According to claim 1,
Classify water bodies and non-aqueous bodies based on a specific threshold value through the threshold classification method. Method for estimating the flow rate of a river using a satellite image, characterized in that.
상기 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계는,
주어진 수체-비수체 임계값의 범위에 대하여 하나의 특정 임계값을 선택한 후 밝기 분포가 일치된 관측소별 다수 개의 이미지들 각각에 대하여 수체-비수체분류를 하는 제1 선택 단계;
상기 관측소별 다수 개의 이미지들의 수체 면적 각각의 촬영 시간에 해당하는 하천 유량과의 상관관계를 도출하는 제2 선택 단계;
수체-비수체 임계값을 바꾸어 상기 제1 선택 단계 및 제2 선택 단계를 반복 하면서 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값을 기록하는 제3 선택 단계; 및
상기 제1 내지 제3 선택 단계를 각 이미지의 다른 다각형지역에 대하여 시도하여, 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 제4 선택 단계;를 포함하는 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정방법.According to claim 1,
The step of selecting a threshold value and a polygonal region from which the highest water surface area-stream flow correlation is derived,
A first selection step of selecting a specific threshold value for a given range of the water-non-aqueous body threshold and then performing a water-body non-aqueous classification for each of a plurality of images for each station where the brightness distribution is matched;
A second selection step of deriving a correlation with a stream flow rate corresponding to a shooting time of each waterbody area of the plurality of images per station;
A third selection step of recording the threshold value at which the highest water surface area-stream flow correlation is derived while repeating the first selection step and the second selection step by changing the water-non-aqueous threshold value; And
And a fourth selection step of selecting the polygon region and the threshold value from which the highest water surface area-stream flow correlation is derived by attempting the first to third selection steps for different polygon regions of each image. Stream flow estimation method using satellite imagery.
상기 다수 개의 합성개구레이더 영상 촬영 당시의 지상 관측 유량자료가 저장된 관측소 유량 데이터베이스;
각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 수행하고, 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 전처리부;
밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 유량추정모형 구축부;를 포함하며,
상기 유량추정모형 구축부는,
특정 하천영역을 다각형으로 분리하고, 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하여, 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정장치.A satellite image database storing a plurality of composite aperture radar image information generated for each stream;
An observation station flow rate database in which ground observation flow data at the time of photographing the plurality of synthetic aperture radar images are stored;
A pre-processing unit for pre-processing a plurality of synthetic aperture radar images generated for each stream and equalizing the image brightness distribution of the pre-processed images;
Includes a flow estimation model construction unit that builds a flow estimation model by deriving a relationship between the area of the river water body extracted using the threshold classification method and the ground observation flow rate data for images with matching brightness distribution.
The flow estimation model construction unit,
A specific river area is divided into polygons, and the river area separated by polygons is extracted through a threshold classification method, and the area and water area are selected by selecting the threshold and polygon area from which the highest water surface area-stream flow correlation is derived. A flow estimation device for rivers using satellite images, characterized by constructing a flow estimation model for the relationship between and flow.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180149706A KR102127405B1 (en) | 2018-11-28 | 2018-11-28 | Method and appartus for estimating stream flow discharge using satellite images at streams |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180149706A KR102127405B1 (en) | 2018-11-28 | 2018-11-28 | Method and appartus for estimating stream flow discharge using satellite images at streams |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200063682A KR20200063682A (en) | 2020-06-05 |
| KR102127405B1 true KR102127405B1 (en) | 2020-06-26 |
Family
ID=71089058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180149706A KR102127405B1 (en) | 2018-11-28 | 2018-11-28 | Method and appartus for estimating stream flow discharge using satellite images at streams |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102127405B1 (en) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112052777A (en) * | 2020-09-01 | 2020-12-08 | 国交空间信息技术（北京）有限公司 | Cross-water bridge extraction method and device based on high-resolution remote sensing image |
| CN112285710B (en) * | 2020-09-21 | 2024-01-19 | 河南大学 | Multi-source remote sensing reservoir water storage capacity estimation method and device |
| KR102327060B1 (en) * | 2021-07-01 | 2021-11-16 | 국방과학연구소 | Method, apparatus, computer-readable storage medium and computer program for extracting region of interest for identifying target |
| KR102374004B1 (en) * | 2021-10-25 | 2022-03-15 | 주식회사 에어핏 | Device, method and program for measuring fine dust concentration through satellite imagery |
| KR102496740B1 (en) * | 2022-06-02 | 2023-02-07 | 대한민국 | System and method for reservoir water body analysis using synthetic aperture radar data |
| KR102482742B1 (en) * | 2022-08-24 | 2022-12-29 | 엘아이지넥스원 주식회사 | Rotation variable movement feed sar payload apparatus for multi-mission for satellite |
| KR102540762B1 (en) * | 2022-10-14 | 2023-06-14 | 대한민국 | Reservoir monitoring method using satellite informations |
| CN116912689A (en) * | 2023-07-19 | 2023-10-20 | 中国矿业大学 | Extraction method of hydrologic connectivity of flooding wetland structure based on remote sensing radar data |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100998885B1 (en) | 2009-11-19 | 2010-12-08 | 한국건설기술연구원 | Apparatus and method for measuring liquid level using change of temporal pixel distribution on image |
| KR101544147B1 (en) * | 2014-12-19 | 2015-08-13 | 한국건설기술연구원 | Method for measuring river discharge using no-tagline |
| KR101821973B1 (en) * | 2017-03-28 | 2018-03-08 | 대한민국 | Specific water area analysis method by using satellite images |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101319477B1 (en) | 2011-10-11 | 2013-10-17 | 한국수자원공사 | Grid based long term rainfall runoff model for large scale watersheds |
| KR101697183B1 (en) * | 2015-01-29 | 2017-01-17 | 계명대학교 산학협력단 | Automatic river segmentation system and method using combination of satellite images and random forest classifiers |
-
2018
- 2018-11-28 KR KR1020180149706A patent/KR102127405B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100998885B1 (en) | 2009-11-19 | 2010-12-08 | 한국건설기술연구원 | Apparatus and method for measuring liquid level using change of temporal pixel distribution on image |
| KR101544147B1 (en) * | 2014-12-19 | 2015-08-13 | 한국건설기술연구원 | Method for measuring river discharge using no-tagline |
| KR101821973B1 (en) * | 2017-03-28 | 2018-03-08 | 대한민국 | Specific water area analysis method by using satellite images |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200063682A (en) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102127405B1 (en) | Method and appartus for estimating stream flow discharge using satellite images at streams | |
| CN108333148B (en) | Method and device for identifying black and odorous water body | |
| Paul et al. | The glaciers climate change initiative: Methods for creating glacier area, elevation change and velocity products | |
| Castillo et al. | The normalized topographic method: an automated procedure for gully mapping using GIS | |
| Davaze et al. | Monitoring glacier albedo as a proxy to derive summer and annual surface mass balances from optical remote-sensing data | |
| CN111832518B (en) | Space-time fusion-based TSA remote sensing image land utilization method | |
| Benoit et al. | A high-resolution image time series of the Gorner Glacier–Swiss Alps–derived from repeated unmanned aerial vehicle surveys | |
| CN112966570B (en) | Reservoir water storage capacity metering method based on satellite remote sensing and DEM data | |
| Long et al. | Accuracy assessment of coastal topography derived from UAV images | |
| CN112084712A (en) | Flood submerging range dynamic simulation method fusing active and passive microwave remote sensing information | |
| KR101436829B1 (en) | Water quality montoring method with observation satellite | |
| CN110987063A (en) | Method for remotely sensing and monitoring ecological elements of river and lake water and cultural water | |
| CN115077656B (en) | Reservoir water reserve retrieval method and device | |
| US10810704B2 (en) | Method for processing an optical image acquired in the presence of aerosols and/or clouds in the atmosphere | |
| CN114943161B (en) | Inland lake terrain inversion method based on multi-source remote sensing data | |
| CN111144350B (en) | Remote sensing image positioning accuracy evaluation method based on reference base map | |
| CN106920231A (en) | A kind of remote sensing image clouds appraisal procedure based on full-colour image statistical nature | |
| Kim et al. | Comparison of snow cover fraction functions to estimate snow depth of South Korea from MODIS imagery | |
| CN111199557A (en) | Quantitative analysis method and system for decay of remote sensor | |
| Getirana et al. | Evaluating parameter effects in a DEM ‘burning’process based on land cover data | |
| Hayes et al. | Estimating dredge-induced turbidity using drone imagery | |
| CN108519058A (en) | A kind of method that remote sensing image estimates annual sea ice thickness | |
| CN113160288A (en) | SAR image registration method based on feature points | |
| Caccetta et al. | Mapping and monitoring land use and condition change in the southwest of Western Australia using remote sensing and other data | |
| Craciunescu et al. | MODIS-based multi-parametric platform for mapping of flood affected areas. Case study: 2006 Danube extreme flood in Romania |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |