KR102496741B1 - 인공위성 영상을 이용한 열분포도 작성 시스템 - Google Patents

인공위성 영상을 이용한 열분포도 작성 시스템 Download PDF

Info

Publication number
KR102496741B1
KR102496741B1 KR1020220109966A KR20220109966A KR102496741B1 KR 102496741 B1 KR102496741 B1 KR 102496741B1 KR 1020220109966 A KR1020220109966 A KR 1020220109966A KR 20220109966 A KR20220109966 A KR 20220109966A KR 102496741 B1 KR102496741 B1 KR 102496741B1
Authority
KR
South Korea
Prior art keywords
satellite
image
landsat
data
heat distribution
Prior art date
Application number
KR1020220109966A
Other languages
English (en)
Inventor
이동만
김진영
이준우
이달근
박진이
욱 정
정하규
박종수
Original Assignee
대한민국
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 대한민국 filed Critical 대한민국
Priority to KR1020220109966A priority Critical patent/KR102496741B1/ko
Application granted granted Critical
Publication of KR102496741B1 publication Critical patent/KR102496741B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/02—Constructional details
    • G01J5/025—Interfacing a pyrometer to an external device or network; User interface
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Computational Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Life Sciences & Earth Sciences (AREA)

Abstract

본 발명은 재난안전을 위해 폭염 분석정보를 제공하기 위한 열분포도 작성 시스템에 관한 것으로,
위성수신 안테나들과; 상기 안테나들로부터 각각 수신된 위성정보들을 데이터인터페이스와 위성모뎀을 거쳐 수신하기 위한 수신서버들과; 상기 수신서버들에 각각 연결된 영상처리 서버들과; 상기 영상처리 서버들로 부터 전송된 위성정보들을 취합, 가공 및 저장하고 관리자와 사용자에게 제공하기 위한 위성영상 저장 및 관리서버로 구성되는데,
상기 위성수신 안테나는 미국 USGS의 Landsat-8 영상을 수신하기 위한 안테나와, 미국 NASA의 MODIS 영상을 수신하기 위한 안테나로 구성되며,
상기 Landsat-8 영상 수신용 안테나는 데이터 인터페이스 장비를 사이에 두고 광케이블과 LAN에 의해 Landsat-8 수신 서버에 연결되고, 위성모뎀을 사이에 두고 각각 RF 케이블과 LAN에 의해 Landsat-8 수신 서버에 연결되며,
상기 MODIS 영상 수신용 안테나는 광케이블에 의해 데이터 인터페이스 장비에 연결되고, 상기 데이터 인터페이스 장비는 위성모뎀을 사이에 두고 각각 USB와 LAN에 의해 MODIS 수신 서버에 연결되며,
상기 Landsat-8 수신 서버와 MODIS 수신 서버는 LAN에 의해 각각 Landsat-8 영상처리 서버와 MODIS 영상처리 서버에 연결되고, 상기 Landsat-8 영상처리 서버와 MODIS 영상처리 서버는 위성영상 저장 및 관리서버에 연결되는데,
상기 Landsat-8 영상처리 서버에서는 Landsat-8 위성자료의 TIR-1 분광밴드(Band 10)에 아래의 식을 적용하여 산출된 밝기온도를 상기 위성영상 저장 및 관리 서버에 전송하며, (T는 밝기온도, K1과 K2는 Landsat-8 메타정보에 포함된 방사보정 계수,
Figure 112022091618755-pat00033
는 방사량)
Figure 112022091618755-pat00034

상기 MODIS 영상처리 서버에서는 MODIS 위성영상을 시누소이드 도법(sinusoidal projection)에서 그리드 형태를 가지는 HDF4(Hierarchical Data Format) 형식으로 산출한 지표온도를 상기 위성영상 저장 및 관리 서버에 전송하며,
상기 위성영상 저장 및 관리 서버에는 Landsat-8 위성자료에 의한 밝기온도와, MODIS 위성자료에 의한 지표온도 외에도 지상 관측자료에 의한 지표면 온도 관련 정보가 제공되고, 기타 공간정보 보조자료로서 정규식생지수, 수치표면모델, 총 일사량, 경사방향, 경사도가 제공되는데,
상기 지상 관측자료는 기상청에서 제공하는 종관기상 관측자료와 국립산림과학원에서 제공하는 자동 기상관측 자료이며,
상기 정규식생지수는 Landsat-8 위성자료의 4, 5번 밴드를 사용하되, DN(Digital Number)로 제공되는 Level-1 자료에서 방사 및 대기보정의 추가적인 전처리가 이루어진 값으로서, 아래 식에서와 같이 적색
Figure 112022091618755-pat00035
과 근적외선
Figure 112022091618755-pat00036
분광밴드의 반사도 차이를 정규화 한 지수이며,
Figure 112022091618755-pat00037

상기 수치표면모델은 기온 추정을 위한 입력자료로서, 일본 우주항공연구개발기구에서 제공한 ALOS World 3D(AW3D30)을 사용하며,
상기 총 일사량은 특정 기간 동안 태양으로부터 지표면에 도달하는 태양복사 량인 직사광 및 산란광에 의해 산출된 값이며,
상기 경사방향은 북쪽(0°)을 기준으로 시계방향으로 동(90°), 남(180°), 서(270°)쪽을 기준으로 경사면의 방향을 나타낸 값으로 아래식과 같이 산출되며,
Figure 112022091618755-pat00038

상기 경사도는 수평을 기준으로 한 기울기로서 아래와 같이 산출되며, (vd는 고저차, hd는 수평거리)
Figure 112022091618755-pat00039

상기 위성영상 저장 및 관리 서버에 Landsat-8 위성자료에 의한 밝기온도와, MODIS 위성자료에 의한 지표온도와, 지상 관측자료와, 기타 공간정보 보조자료들이 제공되면, 상기 위성영상 저장 및 관리 서버 내 구비된 머신러닝 기반 기온측정 알고리즘이 수행되어 해당지역에 대한 평균기온이 산출되고 열분포도가 작성되는데, 머신러닝 기반 기온측정 알고리즘으로서 랜덤 포레스트와 다층 퍼셉트론 알고리즘을 사용한 것을 특징으로 한다.

Description

인공위성 영상을 이용한 열분포도 작성 시스템 {A System for creating a heat distribution map using artificial satellite informations}
본 발명은 재난안전을 위해 폭염 분석정보를 제공하기 위한 열분포도 작성 시스템에 관한 것으로, 인공위성이 제공하는 영상을 이용하되, 그중에서도 LANDSAT-8 위성 영상을 이용하여 전국 18개 시,도 광역 자치단체를 30m 격자단위로 구분하여 열의 분포 정도를 분석한 후 이를 10단계의 상대적인 수치로 나타냄으로써, 폭염으로 인한 가뭄, 산불 등의 재난에 대비할 수 있도록 하는 다종 위성영상을 이용한 열분포도 작성 시스템에 관한 것이다.
지구 관측 위성 자료는 재난 대응, 환경 및 해양 감시, 식량 안보 등 다양한 공공 목적으로 활용되거나 사회적 문제 해결에 기여하고 있다. 이에 따라 과학기술정보통신부 및 관계부처는 2018년 '제3차 우주개발진흥 기본계획'을 수립하여 우주 개발 6대 중점전략(우주발사체 기술자립, 인공위성 활용 서비스 및 개발 고도화, 우주탐사 시작, 한국형 위성항법 시스템 구축, 우주 혁신 생태계 조성, 우주산업 육성과 우주일자리 창출)을 추진하고 있다.
'제3차 우주개발진흥 기본계획' 및 '우주개발 중장기 계획' 상 독자적 개발 대상이 되는 지구 관측 위성은 지구 초정밀관측을 목표로 하는 다목적 실용위성, 한반도 기상, 환경, 해양 상시 모니터링을 목표로 하는 정지궤도 위성, 국토, 산림, 농업 및 수자원 관측을 목표로 하는 차세대 중형위성, 과학임무 목적의 소형위성으로 구분된다. 다목적 실용위성 및 정지궤도 위성 개발 시에는 위성 개발 사업이 위성 탑재체 및 국내 기상 감시 체계 개발에 초점을 맞추었다면, 이후 중형위성, 소형위성 개발에서는 본격적으로 국내 지표면 변화 탐지 및 감시를 목적으로 위성 자료의 활용에 초점을 맞추었다. 중형위성의 경우에는 500kg 내외의 표준 발사체 확보를 통해 활용성 높은 탑재체를 장착할 수 있어, 지표면에서 일어나는 재난 분석에 용이하며, 소형 위성의 경우 군집 시스템 활용을 통해 재난 감시에 유리하기 때문에 재난 안전 분야에서 활용하기 용이한 것으로 알려져 있다.
2021년도 현재- 위성영상 직수신은 Landsat 8 영상, Terra 위성 MODIS 영상, Aqua 위성 MODIS 영상, Suomi NPP 위성 VIIRS 영상에 대해 이루어지고 있다.
Figure 112022091618755-pat00001
Landsat 8 위성은 지구관측 위성으로 OLI(Operational Land Imager)와 TIRS(Thermal Infrared Sensor)의 두 개 센서가 탑재되어있으며, 공간해상도는 15, 30, 100m로 구성된 VNIR(Visible and Near-InfraRed), SWIR(ShortWave InfraRed), TIR(Thermal InfraRed) 파장대의 11개 밴드 자료를 제공한다.
Terra 및 Aqua 위성에 탑재된 MODIS는 해양, 육지, 대기 관측에 사용되는 다목적 센서로서, 가시광선부터 열적외선까지 36개의 채널로 구성되고, 250 m(bands 1-2), 500 m(bands 3-7), 1000 m(bands 8-36)의 공간해상도를 가지고 있다. 각 채널들을 통해 획득하는 자료를 분석 및 조합하여 해양, 대기, 에어로졸, 지표 상태 및 온도 등의 자료를 생산한다.
Suomi NPP(National Polar-orbiting Partnership) 위성에 탑재된 VIIRS(Visible Infrared Imaging Radiometer Suite) 센서는 MODIS의 후속임무를 수행하며, 가시광선 및 적외선 파장대의 22개 채널을 가진다. 공간해상도 750 m인 Moderate 밴드 16개, 공간해상도 375 m인 Imagery 밴드 5개 및 공간해상도 750 m의 Day/Night Band(DNB)로 구성되어 있다. VIIRS는 MODIS와 구성이 거의 비슷하나 더 좋은 공간해상도 및 시간해상도를 가지며, Day/Night Band가 있어 야간의 이미지 제공 또한 가능하다.
그외에도 국내에서 운영중이거나 장래 운영 예정인 인공위성들에서도 여러 종류의 위성정보를 수신할 수 있을 것인데,
종래기술에서는 인공위성의 수신 정보들이 주로 방송, 통신의 용도, 기상 예측의 용도, 또는 지형 관측의 용도로 사용될 뿐, 열 분포도 작성, 지반 변위 측정, 저수지 수표면적 산출과 같이 재난안전을 대비하기 위한 용도로는 활용되지 못하고 있는 실정이다.
따라서, 열 분포도 작성, 지반 변위 측정, 저수지 수표면적 산출 등이 모두 수작업에 의존하다보니 작업인원 및 작업시간이 많이 필요하고 비용이 많이 들뿐만 아니라, 정확한 예측이 불가하므로 재난분석 및 대비가 제대로 이루어지지못하는 문제점이 있었다.
특허문헌 1: 대한민국 특허공개공보 제 2000-0038273호 특허문헌 2: 대한민국 특허공개공보 제 2013-0007220호
본 발명은 인공위성의 수신영상들이 서버 내 구비된 프로그램에 의해 열 분포도로 변환되게 함으로서, 열 분포도 작성이 용이하여 경비를 대폭 경감할 수 있을 뿐만 아니라, 정확한 예측이 가능케되므로 재난분석 및 대비가 제대로 이뤄지도록 함에 첫번째 목적이 있는 것이다.
특히 본 발명에서는 인공위성들 중에서도 LANDSAT-8 위성 영상을 이용하고, 전국 18개 시,도 광역 자치단체를 30m 격자단위로 구분하여 열의 분포 정도를 분석한 후 이를 10단계의 상대적인 수치로 나타냄으로써, 폭염으로 인한 가뭄, 산불 등의 재난에 대비할 수 있도록 함에 두번째 목적이 있는 것이다.
상기한 목적을 달성하기 위한 본 발명의 인공위성 영상을 이용한 열분포도 작성 시스템에서는;
위성수신 안테나들과; 상기 안테나들로부터 각각 수신된 위성정보들을 데이터인터페이스와 위성모뎀을 거쳐 수신하기 위한 수신서버들과; 상기 수신서버들에 각각 연결된 영상처리 서버들과; 상기 영상처리 서버들로 부터 전송된 위성정보들을 취합, 가공 및 저장하고 관리자와 사용자에게 제공하기 위한 위성영상 저장 및 관리서버로 구성되는데,
상기 위성수신 안테나는 미국 USGS의 Landsat-8 영상을 수신하기 위한 안테나와, 미국 NASA의 MODIS 영상을 수신하기 위한 안테나로 구성되며,
상기 Landsat-8 영상 수신용 안테나는 데이터 인터페이스 장비를 사이에 두고 광케이블과 LAN에 의해 Landsat-8 수신 서버에 연결되고, 위성모뎀을 사이에 두고 각각 RF 케이블과 LAN에 의해 Landsat-8 수신 서버에 연결되며,
상기 MODIS 영상 수신용 안테나는 광케이블에 의해 데이터 인터페이스 장비에 연결되고, 상기 데이터 인터페이스 장비는 위성모뎀을 사이에 두고 각각 USB와 LAN에 의해 MODIS 수신 서버에 연결되며,
상기 Landsat-8 수신 서버와 MODIS 수신 서버는 LAN에 의해 각각 Landsat-8 영상처리 서버와 MODIS 영상처리 서버에 연결되고, 상기 Landsat-8 영상처리 서버와 MODIS 영상처리 서버는 위성영상 저장 및 관리서버에 연결되는데,
상기 Landsat-8 영상처리 서버에서는 Landsat-8 위성자료의 TIR-1 분광밴드(Band 10)에 아래의 식을 적용하여 산출된 밝기온도를 상기 위성영상 저장 및 관리 서버에 전송하며, (T는 밝기온도, K1과 K2는 Landsat-8 메타정보에 포함된 방사보정 계수,
Figure 112022091618755-pat00002
는 방사량)
Figure 112022091618755-pat00003
상기 MODIS 영상처리 서버에서는 MODIS 위성영상을 시누소이드 도법(sinusoidal projection)에서 그리드 형태를 가지는 HDF4(Hierarchical Data Format) 형식으로 산출한 지표온도를 상기 위성영상 저장 및 관리 서버에 전송하며,
상기 위성영상 저장 및 관리 서버에는 Landsat-8 위성자료에 의한 밝기온도와, MODIS 위성자료에 의한 지표온도 외에도 지상 관측자료에 의한 지표면 온도 관련 정보가 제공되고, 기타 공간정보 보조자료로서 정규식생지수, 수치표면모델, 총 일사량, 경사방향, 경사도가 제공되는데,
상기 지상 관측자료는 기상청에서 제공하는 종관기상 관측자료와 국립산림과학원에서 제공하는 자동 기상관측 자료이며,
상기 정규식생지수는 Landsat-8 위성자료의 4, 5번 밴드를 사용하되, DN(Digital Number)로 제공되는 Level-1 자료에서 방사 및 대기보정의 추가적인 전처리가 이루어진 값으로서, 아래 식에서와 같이 적색
Figure 112022091618755-pat00004
과 근적외선
Figure 112022091618755-pat00005
분광밴드의 반사도 차이를 정규화 한 지수이며,
Figure 112022091618755-pat00006
상기 수치표면모델은 기온 추정을 위한 입력자료로서, 일본 우주항공연구개발기구에서 제공한 ALOS World 3D(AW3D30)을 사용하며,
상기 총 일사량은 특정 기간 동안 태양으로부터 지표면에 도달하는 태양복사 량인 직사광 및 산란광에 의해 산출된 값이며,
상기 경사방향은 북쪽(0°)을 기준으로 시계방향으로 동(90°), 남(180°), 서(270°)쪽을 기준으로 경사면의 방향을 나타낸 값으로 아래식과 같이 산출되며,
Figure 112022091618755-pat00007
상기 경사도는 수평을 기준으로 한 기울기로서 아래와 같이 산출되며, (vd는 고저차, hd는 수평거리)
Figure 112022091618755-pat00008
상기 위성영상 저장 및 관리 서버에 Landsat-8 위성자료에 의한 밝기온도와, MODIS 위성자료에 의한 지표온도와, 지상 관측자료와, 기타 공간정보 보조자료들이 제공되면, 상기 위성영상 저장 및 관리 서버 내 구비된 머신러닝 기반 기온측정 알고리즘이 수행되어 해당지역에 대한 평균기온이 산출되고 열분포도가 작성되는데, 머신러닝 기반 기온측정 알고리즘으로서 랜덤 포레스트와 다층 퍼셉트론 알고리즘을 사용한 것을 특징으로 한다.
디자인 작업의 호환성을 위해 건물통합도의 벡터 형식의 SHP(Shape)파일을 래스터 형식의 TIF(Tagged Image File Format)파일로 변환하여 시,도 광역자치단체의 열분포도를 작성할 수 있다.
상기 Landsat-8 밝기온도는 Landsat-8 위성의 OLI(Operational Land Imager) 및 TIRS(Thermal Infrared Sensor)의 센서를 통해 가시광, 근적외 및 열적외 대역의 16-bit 영상에 의해 제공될 수 있다.
상기 지표온도는 1km의 공간해상도를 가지며, 시누소이드 도법(sinusoidal projection)에서 1200×1200의 그리드 형태를 가지는 HDF4(Hierarchical Data Format) 형식으로 일 2회(주간, 야간) 제공될 수 있다.
상기 정규식생지수 산출을 위해 Landsat-8 Collection 1 Level-2 자료의 4, 5번 밴드를 사용하는데, Level-2 자료는 DN(Digital Number)로 제공되는 Level-1 자료에서 방사 및 대기보정의 추가적인 전처리가 이루어진 것이며, 광학위성영상의 기상조건에 대한 의존성을 고려하여, 구름 탐지 및 이에 대한 복원의 과정이 추가 적으로 수행된다.
Landsat-8 영상의 QA(Quality Assessment)밴드를 사용하여 구름 탐지를 수행하는데, QA 밴드는 영상이 취득될 당시의 지표, 대기,센서 등의 정보를 포함하며, QA 밴드를 통하여 구름 탐지 후 해당 지역의 기존 지표면 정보로의 복원 과정이 수행될 수 있다.
영상 간 유사한 분광값 그룹을 설정하여 화솟값을 추정하는 SSG(Similarity Spectral Group) 알고리즘을 사용하는데, 분광값이 유사한 화소들은 동일한 토지피복을 나타낼 가능성이 높고, 기존의 SSG 알고리즘은 동일한 토지피복은 환경변화가 일어나지 않은 경우 유사한 분광값을 나타내므로, 다른 날짜에 촬영된 영상을 참조영상으로 사용하여 실험영상의 구름 결측 지역 화솟값에 대한 복원을 수행한다.
상기 복원의 과정은 실험영상에서 마스킹된 화소 위치와 동일한 위치의 화솟값을 참조영상에서 구하는 제 1단계와;
구해진 참조 영상의 화솟값과 유사한 값(±1%)을 가지는 화소를 참조영상에서 찾은 후, 해당 화소와 동일한 위치로 실험영상의 화솟값을 구하는 제 2단계와;
구해진 실험영상의 화솟값에 대한 평균을 기준으로 표준편차 이내에 있는 화솟값만을 대상으로 하여 평균값을 계산한 후, 결측영역에 대입하여 영상 복원을 수행하 는 제 3단계로 이루어진다.
상기 랜덤 포레스트 알고리즘은 다수의 독립적인 의사결정나무(Decision Tree, DT)를 이용하는 앙상블 기법으로서, 랜덤 포레스트는 분류 및 회귀나무(Classification and Regression Tree, CART) 기반으로 수많은 독립적인 의사결정나무를 생성하고, 각 결정나무에서는 학습자료 중 일부를 무작위 추출하여 모델을 구축하며, 이때, 각 결정나무에서의 결과를 다수결 투표(majority voti ng) 또는 평균(averaging)하여 분류 또는 회귀의 최종 결과로 생성함으로써, 상기 앙상블 과정을 통해 학습자료에 대한 과적합을 줄이기 위한 것이다.
상기 다층 퍼셉트론 알고리즘은 하나의 입력층(input layer), 하나 이상의 은닉층(hidden layer), 하나의 출력층(output layer)로 구성된 인공신경망(Artificial Neural Network, ANN)으로, 입력층의 뉴런에 입력변수 값들이 입력 되고, 은닉층에서 활성화 함수(activation function)를 통해 출력층으로 전이된 후, 최종값이 산출되는데, ReLU 활성함수를 선택하여 아래식과 같이 기온 추정을 수행할 수 있다.
Figure 112022091618755-pat00009
(Xi, Yj는 각각 입·출력값, f는 활성함수 및 uji는 가중치)
또한, Landsat-8 위성영상의 각 Path, Row별로 데이터셋을 구축한 후 Path별 모자이크를 수행하는데, 각 모자이크된 결과에 대하여 다층 퍼셉트론 알고리즘을 통해 평균 기온을 산출하고, 최종적으로 Path별 모자이크를 통하여 전국 단위의 열 분포도를 제작한다.
본 발명에 따른 인공위성 영상을 이용한 열분포도 작성방법에서는,
인공위성의 수신영상들이 서버 내 구비된 프로그램에 의해 열 분포도로 변환되게 함으로서, 열 분포도 작성이 용이하여 경비를 대폭 경감할 수 있을 뿐만 아니라, 정확한 예측이 가능케되므로 재난분석 및 대비가 제대로 이뤄지도록 하는 효과가 있다.
특히 본 발명에서는 인공위성들 중에서도 LANDSAT-8 위성 영상을 이용하고, 전국 18개 시,도 광역 자치단체를 30m 격자단위로 구분하여 열의 분포 정도를 분석한 후 이를 10단계의 상대적인 수치로 나타냄으로써, 폭염으로 인한 가뭄, 산불 등의 재난에 대비할 수 있도록 하는 효과도 있다.
도 1은 본 발명의 개략적인 구성을 나타낸 블럭도.
도 2는 본 발명에 따른 인공위성 영상을 이용한 열분포도 작성 시스템의 구성도이고,
도 3은 본 발명에 의해 인공위성들로부터 수신된 다종 위성정보들을 서버 내에서 처리하는 과정을 나타낸 블럭도이고,
도 4는 인공위성 영상을 이용한 열분포도 작성방법의 흐름도이고,
도 5는 Landsat-8 위성에서 위성정보를 구간별 수집하는 예를 나타낸 도면,
도 6은 본 발명에서 서버 내 머신러닝 기반 기온측정 알고리즘으로 사용되는 랜덤 포레스트의 개념도이고,
도 7은 본 발명에서 서버 내 머신러닝 기반 기온측정 알고리즘으로 사용되는 랜덤 포레스트의 개념도이고,
도 8은 본 발명에 따라 수행된 한반도 열 분포도 분석 흐름도이고,
도 9는 본 발명에 따른 인공위성 영상을 이용한 열분포도의 예시도이고,
도 10은 본 발명에 따른 인공위성 영상을 이용한 행정구역 별 열분포도의 예시도이다.
이하, 본 발명의 바람직한 실시형태를 첨부된 도면들을 참조하여 보다 상세히 설명하기로 한다. 하지만, 본 발명의 범주가 여기에 한정되는 것이 아님은 물론이다.
본 명세서에서, 본 실시형태는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것으로서, 본 발명의 범주는 단지 청구항에 의해 정의될 뿐이다. 따라서, 몇몇 실시형태들에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
본 명세서에서 사용된 용어들은 실시형태를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 결코 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않은 한 복수형도 포함한다. 또한, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
본 발명은 인공위성이 제공하는 영상을 이용하되, 그중에서도 LANDSAT-8 위성 영상을 이용하여 전국 18개 시,도 광역 자치단체를 30m 격자단위로 구분하여 열의 분포 정도를 분석한 후 이를 10단계의 상대적인 수치로 나타냄으로써, 폭염으로 인한 가뭄, 산불 등의 재난에 대비할 수 있도록 하는 다종 위성영상을 이용한 열분포도 작성 시스템에 관한 것이다.
LANDSAT-8 위성, Terra 및 Aqua 위성으로 부터 수신된 위성정보들을 선별적 수신하고 전처리 후 취합함으로써, 열 분포도 작성 등 재난안전 분석 및 대비를 위한 자료를 제공할 수 있게된다.
먼저 본 발명에서 이용하는 인공위성의 제원 및 특성에 대해 살펴보자면,
LANDSAT-8 위성은 지구관측 위성으로 2013년 2월 11일에 발사되어 고도 705 km에서 매일 740장의 위성영상을 촬영하고 있으며, 동일한 지역에 대해서는 16일 주기로 재방문한다. Landsat 8 위성에는 OLI(Operational Land Imager)와 TIRS(Thermal Infrared Sensor)의 두 개 센서가 탑재되어있다. 공간해상도는 15, 30, 100m로 구성된 VNIR(Visible and Near-InfraRed), SWIR(ShortWave InfraRed), TIR(Thermal InfraRed) 파장대의 11개 밴드 자료를 제공한다.
Terra 및 Aqua 위성은 미국 항공우주국(NASA)을 중심으로 운영되는 지구관측 시스템(Earth Observing System, EOS)에 의해 발사된 위성으로, 705 km의 고도에서 태양동기궤도로 지구전표면을 관측하며, 매일 1-2회(Terra: 오전·오후 10시 30분경, Aqua： 오전·오후 1시 30분경) 한반도 주변 상공을 통과한다. MODIS는 Terra, Aqua 위성에 탑재되어 해양, 육지, 대기 관측에 사용되는 다목적 센서로, 가시광선부터 열적외선까지 36개의 채널로 구성되고, 250 m(bands 1-2), 500 m(bands 3-7), 1000 m(bands 8-36)의 공간해상도를 가지고 있다. 각 채널들을 통해 획득하는 자료를 분석 및 조합하여 해양, 대기, 에어로졸, 지표 상태 및 온도 등의 자료를 생산한다.
도 1은 본 발명의 개략적인 구성을 나타낸 블럭도로서,
인공위성들로부터 정보를 수신하기 위한 안테나와; 상기 안테나를 통해 직접 전달되는 정보외에 별도 제공되는 지상 관측자료와; 기타 공간정보 보조자료와; 상기 안테나를 통해 수신된 다종 위성정보와, 지상 관측자료와, 기타 공간정보 보조자료들을 취합, 가공 및 저장하고 관리자와 사용자에게 제공하기 위한 서버로 구성된다.
도 2는 본 발명에 따른 인공위성 영상을 이용한 열분포도 작성 시스템의 구성도로서, 본 발명에 따른 인공위성 영상을 이용한 열분포도 작성 시스템은, 위성수신 안테나들과; 상기 안테나들로부터 각각 수신된 위성정보들을 데이터인터페이스와 위성모뎀을 거쳐 수신하기 위한 수신서버들과; 상기 수신서버들에 각각 연결된 영상처리 서버들과; 상기 영상처리 서버들로 부터 전송된 위성정보들을 취합, 가공 및 저장하고 관리자와 사용자에게 제공하기 위한 위성영상 저장 및 관리서버로 구성된다.
상기 위성수신 안테나는 미국 USGS의 Landsat-8 영상을 수신하기 위한 안테나와, 미국 NASA의 MODIS 영상 및 VIIRS 영상을 수신하기 위한 안테나로 구성될 수 있는데,
Landsat-8에서 수신된 영상은 광케이블을 통해 데이터 인터페이스 장비로 연결되고, RF 케이블을 통해 위성 모뎀으로 연결되어 LAN을 통해 Landsat-8 수신 서버로 전송되며, Landsat-8 수신 서버에서 영상처리 서버로는 LAN을 통해 데이터가 전송된다.
한편, MODIS에서 수신된 영상은 광케이블을 통해 데이터 인터페이스 장비로 연결되고, 다시 위성 모뎀을 거쳐 USB를 통해 MODIS 수신 서버로 전송되며, MODIS 수신 서버에서 영상처리 서버로는 LAN을 통해 데이터가 전송된다.
MODIS 영상처리 서버와 Landsat-8 영상처리 서버의 데이터는 위성영상 저장 및 관리 서버로 전송된다.
Landsat-8 데이터는 X밴드 통신으로 위성으로부터 직접 다운링크되고, 상기 영상 처리 서버에서 L0R(Level 0 Reformatted), L1GT(Level 1 Systematic Terrain Corrected), L1TP(Level 1 Precision Terrain Corrected) 등의 처리를 거쳐 상기 위성영상 저장 및 관리 서버로 전송된다.
MODIS 데이터는 DBS(Direct Broadcast System)의 X밴드 통신으로 직수신되며, Level 0 (Raw Instrument Packets), Level 1A (Scans of raw radiances in counts), Level 1B (Calibrated Radiances) 등의 처리를 거쳐 상기 위성영상 저장 및 관리 서버로 전송된다.
도 3은 본 발명에 따른 재난안전 다종 위성정보의 수신 및 처리장치에서 서버 내 처리과정을 나타낸 블럭도로서, 본 발명에 따른 재난안전 다종 위성정보의 수신 및 처리장치는 FarEarth 프로그램을 중심으로 운영된다.
수신 서버 확인은 FarEarth Acquisition과 FarEarth Director 모듈이 담당하는데, FarEarth Acquisition은 Landsat 8, MODIS, VIIRS의 수신상태를 확인하고, FarEarth Director는 로그를 분석하여 재수신 등의 조치를 취하는 역할을 담당한다.
상기 영상처리 서버 확인도 FarEarth Director 모듈을 통해 수행한다.
상기 위성영상 저장 및 관리 서버의 확인은 FarEarth Director 모듈과 NAS Manager 모듈을 통해 이루어지며, FarEarth Director가 Landsat 8, Aqua MODIS, Terra MODIS의 저장 상태를 확인하고, NAS Manager가 스토리지 사용정보를 관리한다.
본 발명에서는, 열 분포도가 전국 17개 시, 도 광역자치단체의 지형도, 열분포도, 건물통합정보, 토지피복도 파일로 구성되어 있으며 지형도 및 건물 통합도는 벡터 형식의 SHP(Shape)파일로 점, 선, 면으로 표현되고, 공간정보 및 속성 값을 지니고 있어 위치 기반 자료를 나타낼 때 주로 사용한다.
열 분포도 및 토지 피복도는 래스터 형식의 TIF(Tagged Image File Format)파일로 정사각형 모양의 픽셀 수백 개가 모여 전체 이미지를 구성하는 방식으로 표현되고, 화소 단위로 작업을 하는 위성 영상에 주로 사용하는데, 디자인 작업의 호환성을 위해 건물통합도의 벡터 형식의 SHP(Shape)파일을 래스터 형식의 TIF(Tagged Image File Format)파일로 변환하여 해당 자료를 기반으로 전국 17개 시,도 광역자치단체의 열분포도를 제작하였다. 이는 본 발명의 일 실시예로서, 그외의 다른 방법으로도 얼마든지 적용 가능할 것이다.
도 4는 본 발명에 따른 인공위성 영상을 이용한 열분포도 작성방법의 흐름도로서, 본 발명에서는 Landsat-8, Aqua/Terra의 위성영상자료 및 수치표고모델, 일사량 등의 공간정보 그리고 지상 관측 기온자료를 활용하여 해당지역에 대한 평균기온 산출 및 열 분포도를 작성할 수 있는데, 일예로서 한반도 전역의 여름철 평균 기온 산출을 수행해보았다.
이를 위해, 2020년 06월부터 09월까지의 입력자료를 수집 및 가공하였으며, K-최근접 이웃(K-Nearest Neighbor, KNN), 랜덤 포레스트(Random Forest, RF), 다층 퍼셉트론(Multi Layer Perceptron, MLP)의 3가지 머신러닝 알고리즘 기반의 평균기온 추정을 수행하였다. (도 4 참조)
한반도 열 분포 분석을 위한 입력자료로는 지표온도 및 기타 공간정보 보조자료가 요구되는데, Aqua/Terra 및 Landsat-8 위성, 수치표고/표면모델 그리고 지상관측 기온자료가 입력자료로 사용된다. 특히, 지표온도 자료에는 Landsat-8 위성 관측 밝기온도(Brightness Temperature, BT), Terra/Aqua 위성 관측 MODIS 지표면 온도(Land Surface Temperature, LST), 지상관측 기온자료가 해당되고, 기타 공간정보 보조자료에는 정규식생지수, 총 일사량, 경사방향, 경사도, 수치표면모델 자료가 포함된다. 각 입력자료에 대한 상세한 설명은 다음과 같다.
먼저 지표온도 자료로는, MODIS 지표면 온도, Landsat-8 밝기온도, 종관기상관측자료(Automated Synoptic Observing System, ASOS), 자동기상관측자료(Automatic Weather System, AWS)가 사용된다.
상기 Landsat-8 밝기온도는 Landsat-8 위성으로부터 수집할 수 있는데, Landsat-8 위성은 미국지질조사국(United States Geological Survey, USGS)에서 운용 중인 위성으로, OLI(Operational Land Imager) 및 TIRS(Thermal Infrared Sensor)의 센서를 통해 가시광, 근적외 및 열적외 대역의 16-bit 영상을 제공한다.
Figure 112022091618755-pat00010
위 도표는 Landsat-8 OLI/TIRS의 각 분광밴드 정보를 나타낸 것으로, Landsat-8 위성은 세계표기시스템(Worldwide Reference System, WRS)을 사용하여 이동 방향의 행(동에서 서쪽)을 나타내는 Path와 열(북에서 남쪽)을 나타내는 Row를 통해 촬영 영역을 나타낸다.
이에, 한반도 전역에 대한 Landsat-8 위성영상자료를 얻기 위해서는 도 5에서와 같이 총 13장의 구간정보가 필요하였다.
Landsat-8 위성 자료의 TIR-1 분광밴드(Band 10)에 아래의 식을 적용하여 밝기온도를 산출할 수 있으며, 이때, T는 밝기온도, K1과 K2는 Landsat-8 메타정보에 포함된 방사보정 계수,
Figure 112022091618755-pat00011
는 방사량(radiance)을 나타낸다.
Figure 112022091618755-pat00012
상기 지표면 온도는 Terra/Aqua 위성의 MODIS센서로 수집할 수 있는데,
Terra 및 Aqua 위성은 미국항공우주국(National Aeronautics and Space Administration, NASA)에서 운용 중인 위성으로, MODIS(Moderate Resolution Imaging Spectroradiometer) 센서를 탑재하고 있다. MODIS 자료의 주요 산출물 중 하나인 지표온도(Land Surface Temperature, LST) 자료는 1km의 공간해상도를 가지며, 시누소이드 도법(sinusoidal projection)에서 1200×1200의 그리드 형태를 가지는 HDF4(Hierarchical Data Format) 형식으로 일 2회(주간, 야간) 제공된다.
상기 지상관측 기온자료는 한반도 열분포도 제작을 위해 지상에서 관측된 기상자료로서, 기상청에서 제공하는 종관기상 관측자료(ASOS)와 국립산림과학원에서 제공하는 자동 기상관측 자료(AWS)가 사용된다.
또한, 기타 공간정보 보조자료로는 정규식생지수(Normalized Difference Vegetation Index, NDVI), 수치표면모델(Digital Surface Model, DSM), 총 일사량(Solar Radiation), 경사방향(Aspect), 경사도(Slope)가 필요하다.
상기 정규식생지수는 아래 식에서와 같이 적색
Figure 112022091618755-pat00013
과 근적외선
Figure 112022091618755-pat00014
분광밴드의 반사도 차이를 정규화한 지수로서, 식생의 상대적인 활력도 산출에 주로 사용되는데, 정규식생지수는 -1부터 1까지의 값을 가지며, 식생이 우거질수록 1에 가까운 값을 가진다.
Figure 112022091618755-pat00015
정규식생지수 산출을 위하여 Landsat-8 Collection 1 Level-2 자료의 4, 5번 밴드를 사용하는데, Level-2 자료는 DN(Digital Number)로 제공되는 Level-1 자료에서 방사 및 대기보정의 추가적인 전처리가 이루어진 자료이다.
다만, 광학위성영상의 기상조건에 대한 의존성을 고려하여, 구름 탐지 및 이에 대한 복원의 과정이 추가적으로 수행되어야 하는데, 이를 위해, 본 발명에서는 Landsat-8 영상의 QA(Quality Assessment)밴드를 사용하여 구름 탐지를 수행하였다. QA 밴드는 영상이 취득될 당시의 지표, 대기,센서 등의 정보를 포함하고 있으며,
Figure 112022091618755-pat00016
위 도표는 QA 밴드의 화솟값에 따른 속성을 나타낸 것으로, QA 밴드를 통하여 구름 탐지 후 해당 지역의 기존 지표면 정보로의 복원 과정이 수행되어야 한다.
본 발명에서는 영상 간 유사한 분광값 그룹을 설정하여 화솟값을 추정하는 SSG(Similarity Spectral Group) 알고리즘을 사용하였는데, 분광값이 유사한 화소들은 동일한 토지피복을 나타낼 가능성이 높으며, 기존의 SSG 알고리즘은 동일한 토지피복은 환경변화가 일어나지 않은 경우 유사한 분광값을 나타낸다는 전제 하에 다른 날짜에 촬영된 영상을 참조하여 실험영상의 구름 결측 지역 화솟값에 대한 복원을 수행하였다.
본 발명에서는 타 영상의 화솟값을 사용하는 것이 아닌 실험 영상 내에서 참조하였으며, 참조영상에서는 화솟값 위치만을 참조하였다.
이를 단계별로 설명드리자면, 실험영상에서 마스킹된 화소 위치와 동일한 위치의 화솟값을 참조영상에서 구하는 제 1단계와;
구해진 참조영상의 화솟값과 유사한 값(±1%)을 가지는 화소를 참조영상에서 찾은 후, 해당 화소와 동일한 위치로 실험영상의 화솟값을 구하는 제 2단계와;
구해진 실험영상의 화솟값에 대한 평균을 기준으로 표준편차 이내에 있는 화솟값만을 대상으로 하여 평균값을 계산한 후, 결측영역에 대입하여 영상 복원을 수행하는 제 3단계로 이루어진다.
상기 수치표면모델(Digital Surface Model, DSM)은 기온 추정을 위한 입력자료로서, 일본 우주항공연구개발기구(Japan Aerospace Exploration Agency, JAXA)에서 제공하는 ALOS World 3D(AW3D30)을 사용한다.
상기 수치표고모델(Digital Elevation Model, DEM)은 한반도 전역에 대한 총일사량(Solar Area Radiation), 경사방향(Aspect) 및 경사도(Slope) 정보를 산출하기 위한 자료로서, SRTM(Shuttle Radar Topography Mission) 1 arc-sec 자료를 사용한다.
상기 총 일사량은 특정 기간 동안 태양으로부터 지표면에 도달하는 태양복사량을 산출한 자료로서 지형적 특성에 따른 태양복사량 정보를 나타내는데, 이는 직사광(Direct Radiation) 및 산란광(Diffuse Radiation)을 이용하여 일사량을 산출하며, WH/m2의 단위를 가진다. 본 발명에서는 ArcGIS 소프트웨어의 Solar Radiance Tool을 이용하여 총 일사량을 산출하였다
상기 경사방향은 북쪽(0°)을 기준으로 시계방향으로 동(90°), 남(180°), 서(270°)쪽을 기준으로 경사면의 방향을 나타내며, 평평한 지역에서는 -1 값을 나타낸다. 본 발명에서는 ArcGIS 소프트웨어의 Aspect Tool을 이용하여 아래식과 같이 경사방향을 산출하였다.
Figure 112022091618755-pat00017
상기 경사도는 수평을 기준으로 한 기울기를 나타내며, 0~90°의 값으로 표현되는데, 본 발명에서는 ArcGIS 소프트웨어의 Slope Tool을 이용하여 아래식과 같이 경사도를 산출하였다. 이때, vd는 고저차, hd는 수평거리를 나타낸다.??
Figure 112022091618755-pat00018
이상 설명드린 입력자료들이 서버에 전달되면, 서버에서는 머신러닝 기반 기온측정 알고리즘이 수행됨으로써 해당지역에 대한 평균기온이 산출되고 열분포도가 작성될 수 있는 것이다.
머신러닝 기반 기온측정 알고리즘으로는 K-최근접 이웃, 랜덤 포레스트, 다층 퍼셉트론의 3가지가 사용될 수 있는데, 이를 통해 30m의 공간해상도를 가지는 한반도 열 분포도 추정을 수행하며, 10-폴드 교차검증을 통해 모델 성능 평가를 수행할 수 있다.
실험해본 결과, 랜덤 포레스트와 다층 퍼셉트론 알고리즘이 결정계수(R2)와 평균제곱근 오차(RMSE)에서 각각 우수한 것이 확인되었다. 이에, 본 발명에서는 랜덤 포레스트와 다층 퍼셉트론 알고리즘을 통한 평균 기온 추정을 수행하였다.
각 알고리즘 및 성능 평가에 대한 설명은 다음과 같다.
먼저 랜덤 포레스트 알고리즘에 대해 설명드리자면, 랜덤 포레스트는 다수의 독립적인 의사결정나무(Decision Tree, DT)를 이용하는 앙상블 기법으로서, 과적합(overfitting) 문제를 해결해주고 높은 정확도를 보이는 것이 장점이다.
랜덤 포레스트는 분류 및 회귀나무(Classification and Regression Tree, CART) 기반으로 수많은 독립적인 의사결정나무를 생성하며, 각 결정나무에서는 학습자료 중 일부를 무작위 추출하여 모델을 구축한다.
이때, 각 결정나무에서의 결과를 다수결 투표(majority voting) 또는 평균(averaging)하여 분류 또는 회귀의 최종 결과로 생성하며, 이러한 앙상블 과정을 통해 학습자료에 대한 과적합을 줄인다. 본 과제에서는 한반도 열 분포도 분석을 위하여 500개의 결정나무를 생성하여 모델을 구축하였다.(도 6 참조)
다층 퍼셉트론에 대해 설명드리자면, 다층 퍼셉트론은 하나의 입력층(input layer), 하나 이상의 은닉층(hidden layer), 하나의 출력층(output layer)로 구성된 인공신경망(Artificial Neural Network, ANN)으로(그림 54), 입력층의 뉴런에 입력변수 값들이 입력되고, 은닉층에서 활성화 함수(activation function)를 통해 출력층으로 전이된 후, 최종값이 산출되는데, 본 발명에서는 ReLU 활성함수를 선택하여 아래식과 같이 기온 추정을 수행하였다.
Figure 112022091618755-pat00019
이때, Xi, Yj는 각각 입·출력값, f는 활성함수 및 uji는 가중치를 나타낸다.
본 발명에서는 한반도 열 분포도 분석을 위하여 30개의 은닉층 및 ReLU(Rectified Linear Unit)를 통해 모델을 구축하였다.(도 7 참조)
본 발명에서는 랜덤 포레스트와 다층 퍼셉트론을 활용한 머신러닝 기반의 평균기온 추정을 수행하며, 이를 위해 기상청과 국립산림과학원에서 운영 중인 기상관측소의 위치에서 관측된 지상관측 기온자료에 Landsat-8 밝기온도, MODIS 지표온도 및 기타 공간정보 보조자료를 입력자료로, 모델을 구축하였다.
이에, 기상관측소 각 지점에서의 값이 모델 구축을 위한 입력자료로 사용되며, 10-폴드 교차검증을 통해 성능 평가가 이루어진다. 10-폴드 교차검증은 입력자료를 10등분하여 9개의 부분 입력자료로 모델 구축을, 1개의 부분 입력자료로 모델 검증을 수행하며, 이를 10회 반복한다. 본 과제에서는 구축된 모델의 성능 평가를 위하여 결정계수와 평균제곱근 오차를 계산한다.
?? ??
Figure 112022091618755-pat00020
??
Figure 112022091618755-pat00021
이때,
Figure 112022091618755-pat00022
는 q번째 추정 값,
Figure 112022091618755-pat00023
는 실제 관측 값,
Figure 112022091618755-pat00024
는 실제 관측 값의 평균, n은 전체 표본 개수를 나타낸다.
한반도 열 분포도 분석을 위해 필요한 위성영상자료는 Landsat-8 OLI/TIRS와 Aqua/Terra MODIS 자료이며, 이외에 수치표면모델, 총 일사량, 경사방향, 경사도 그리고 지상관측 기온자료가 요구되는데, 한반도 열 분포 분석기술은 IDL(Interactive Data Language) 및 Python 스크립트 그리고 상용소프트웨어를 활용하여 수행된다.
IDL은 대기과학, 해양학 등 자연과학 분야에서 주로 사용되는 컴퓨터 언어이며, 원격탐사 영상처리용 소프트웨어인 ENVI(Environment for Visualizing Images)의 각종 기능이 API(Application Programming Interface) 형태로 제공된다.
본 발명에 사용된 IDL 스크립트는 Landsat-8 OLI 영상에 대한 구름 탐지 및 변형된 SSG 알고리즘을 통한 구름 복원으로 이루어지고, Python 스크립트를 통해 머신러닝 기반 기온추정을 수행한다.
더불어 ENVI 및 ArcGIS 상용소프트웨어를 통해 데이터셋 구축 및 경사도, 경사방향, 총일사량 산출을 수행한다.
도 8은 본 발명에 따라 수행된 한반도 열 분포도 분석 흐름도로서, 열분포도 분석 스크립트는 벡터 파일을 이용한 바다 마스킹, MODIS LST 자료 지오레퍼런싱, SSG 알고리즘를 이용한 구름 지역 복원, 머신러닝 알고리즘을 이용한 평균기온 추정으로 이루어진다.
Landsat-8 위성영상을 활용한 정규식생지수 산출을 위하여 QA 밴드를 통한 구름 탐지 및 변형된 SSG 알고리즘을 통한 구름 복원을 수행하는데, 이때, 구름 영향이 최소인 위성영상자료를 실험영상으로, 구름 영향이 최소인 위성영상자료를 참조영상으로 선정하여 SSG 알고리즘의 입력자료로 사용한다.
본 발명에서는 머신러닝 알고리즘의 입력자료 생성을 위하여 Landsat-8 위성영상의 각 Path, Row별로 데이터셋을 구축한 후 Path별 모자이크를 수행하는데, 각 모자이크된 결과에 대하여 다층 퍼셉트론 알고리즘을 통해 평균 기온을 추정하였으며, 최종적으로 Path별 모자이크를 통하여 전국 단위의 열 분포도를 제작한다.
이를 위해 ENVI 상용소프트웨어의 Seamless Mosaic 기능을 사용하여 엣지 페더링(Edge Feathering)을 통한 비교적 매끄러운 모자이크 영상을 획득할 수 있다.
랜덤 포레스트 및 다층 퍼셉트론 알고리즘의 정확도를 평가해본 결과 다층 퍼셉트론 알고리즘이 보다 우수한 것으로 확인되었으므로, 본 발명에서 한반도 열 분포도 분석은 다층 퍼셉트론 알고리즘을 적용하여 수행되었으며, 최종적으로 작성된 한반도의 열분포도는 도 9와 같다.
또한, 전국 단위의 평균기온 열 분포에 대한 행정구역별 상대적 비교를 위하여 17개 행정구역별 평균기온 지도를 도 10에서와 같이 생성할 수 있을 것이다.
이상 설명드린 바와 같이 본 발명에 따른 인공위성 영상을 이용한 열분포도 작성방법에서는, 인공위성의 수신영상들이 서버 내 구비된 프로그램에 의해 열 분포도로 변환되게 함으로서, 열 분포도 작성이 용이하여 경비를 대폭 경감할 수 있을 뿐만 아니라, 정확한 예측이 가능케되므로 재난분석 및 대비가 제대로 이뤄질 수 있을 것이다.
특히 본 발명에서는 인공위성들 중에서도 LANDSAT-8 위성 영상을 이용하고, 전국 18개 시,도 광역 자치단체를 30m 격자단위로 구분하여 열의 분포 정도를 분석한 후 이를 10단계의 상대적인 수치로 나타냄으로써, 폭염으로 인한 가뭄, 산불 등의 재난에 효과적으로 대비할 수 있을 것이다.
본 발명의 기술적 사상은 바람직한 실시형태에서 구체적으로 기술되었으나, 상기한 실시형태는 그 설명을 위한 것이며, 그 제한을 위한 것이 아님을 주의하여야 한다. 본 발명의 기술사상 범위 내에서 다양한 변형 및 수정이 가능함은 당업자에게 명백한 것이며, 따라서 이러한 변형 및 수정이 첨부된 특허청구범위에 속함은 당연한 것이다.

Claims (11)

  1. 위성수신 안테나들과; 상기 안테나들로부터 각각 수신된 위성정보들을 데이터인터페이스와 위성모뎀을 거쳐 수신하기 위한 수신서버들과; 상기 수신서버들에 각각 연결된 영상처리 서버들과; 상기 영상처리 서버들로 부터 전송된 위성정보들을 취합, 가공 및 저장하고 관리자와 사용자에게 제공하기 위한 위성영상 저장 및 관리서버로 구성되는데,
    상기 위성수신 안테나는 미국 USGS의 Landsat-8 영상을 수신하기 위한 안테나와, 미국 NASA의 MODIS 영상을 수신하기 위한 안테나로 구성되며,
    상기 Landsat-8 영상 수신용 안테나는 데이터 인터페이스 장비를 사이에 두고 광케이블과 LAN에 의해 Landsat-8 수신 서버에 연결되고, 위성모뎀을 사이에 두고 각각 RF 케이블과 LAN에 의해 Landsat-8 수신 서버에 연결되며,
    상기 MODIS 영상 수신용 안테나는 광케이블에 의해 데이터 인터페이스 장비에 연결되고, 상기 데이터 인터페이스 장비는 위성모뎀을 사이에 두고 각각 USB와 LAN에 의해 MODIS 수신 서버에 연결되며,
    상기 Landsat-8 수신 서버와 MODIS 수신 서버는 LAN에 의해 각각 Landsat-8 영상처리 서버와 MODIS 영상처리 서버에 연결되고, 상기 Landsat-8 영상처리 서버와 MODIS 영상처리 서버는 위성영상 저장 및 관리서버에 연결되는데,
    상기 Landsat-8 영상처리 서버에서는 Landsat-8 위성자료의 TIR-1 분광밴드(Band 10)에 아래의 식을 적용하여 산출된 밝기온도를 상기 위성영상 저장 및 관리 서버에 전송하며, (T는 밝기온도, K1과 K2는 Landsat-8 메타정보에 포함된 방사보정 계수,
    Figure 112022091618755-pat00025
    는 방사량)
    Figure 112022091618755-pat00026

    상기 MODIS 영상처리 서버에서는 MODIS 위성영상을 시누소이드 도법(sinusoidal projection)에서 그리드 형태를 가지는 HDF4(Hierarchical Data Format) 형식으로 산출한 지표온도를 상기 위성영상 저장 및 관리 서버에 전송하며,
    상기 위성영상 저장 및 관리 서버에는 Landsat-8 위성자료에 의한 밝기온도와, MODIS 위성자료에 의한 지표온도 외에도 지상 관측자료에 의한 지표면 온도 관련 정보가 제공되고, 기타 공간정보 보조자료로서 정규식생지수, 수치표면모델, 총 일사량, 경사방향, 경사도가 제공되는데,
    상기 지상 관측자료는 기상청에서 제공하는 종관기상 관측자료와 국립산림과학원에서 제공하는 자동 기상관측 자료이며,
    상기 정규식생지수는 Landsat-8 위성자료의 4, 5번 밴드를 사용하되, DN(Digital Number)로 제공되는 Level-1 자료에서 방사 및 대기보정의 추가적인 전처리가 이루어진 값으로서, 아래 식에서와 같이 적색
    Figure 112022091618755-pat00027
    과 근적외선
    Figure 112022091618755-pat00028
    분광밴드의 반사도 차이를 정규화 한 지수이며,
    Figure 112022091618755-pat00029

    상기 수치표면모델은 기온 추정을 위한 입력자료로서, 일본 우주항공연구개발기구에서 제공한 ALOS World 3D(AW3D30)을 사용하며,
    상기 총 일사량은 특정 기간 동안 태양으로부터 지표면에 도달하는 태양복사 량인 직사광 및 산란광에 의해 산출된 값이며,
    상기 경사방향은 북쪽(0°)을 기준으로 시계방향으로 동(90°), 남(180°), 서(270°)쪽을 기준으로 경사면의 방향을 나타낸 값으로 아래식과 같이 산출되며,
    Figure 112022091618755-pat00030

    상기 경사도는 수평을 기준으로 한 기울기로서 아래와 같이 산출되며, (vd는 고저차, hd는 수평거리)
    Figure 112022091618755-pat00031

    상기 위성영상 저장 및 관리 서버에 Landsat-8 위성자료에 의한 밝기온도와, MODIS 위성자료에 의한 지표온도와, 지상 관측자료와, 기타 공간정보 보조자료들이 제공되면, 상기 위성영상 저장 및 관리 서버 내 구비된 머신러닝 기반 기온측정 알고리즘이 수행되어 해당지역에 대한 평균기온이 산출되고 열분포도가 작성되는데, 머신러닝 기반 기온측정 알고리즘으로서 랜덤 포레스트와 다층 퍼셉트론 알고리즘을 사용한 것을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
  2. 제 1항에 있어서,
    디자인 작업의 호환성을 위해 건물통합도의 벡터 형식의 SHP(Shape)파일을 래스터 형식의 TIF(Tagged Image File Format)파일로 변환하여 시,도 광역자치단체의 열분포도를 작성함을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
  3. 제 1항에 있어서,
    상기 Landsat-8 밝기온도는 Landsat-8 위성의 OLI(Operational Land Imager) 및 TIRS(Thermal Infrared Sensor)의 센서를 통해 가시광, 근적외 및 열적외 대역의 16-bit 영상에 의해 제공된 것을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
  4. 제 1항에 있어서,
    상기 지표온도는 1km의 공간해상도를 가지며, 시누소이드 도법(sinusoidal projection)에서 1200×1200의 그리드 형태를 가지는 HDF4(Hierarchical Data Format) 형식으로 일 2회(주간, 야간) 제공되는 것을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
  5. 제 1항에 있어서,
    상기 정규식생지수 산출을 위해 Landsat-8 Collection 1 Level-2 자료의 4, 5번 밴드를 사용하는데, Level-2 자료는 DN(Digital Number)로 제공되는 Level-1 자료에서 방사 및 대기보정의 추가적인 전처리가 이루어진 것이며, 광학위성영상의 기상조건에 대한 의존성을 고려하여, 구름 탐지 및 이에 대한 복원의 과정이 추가 적으로 수행됨을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
  6. 제 5항에 있어서,
    Landsat-8 영상의 QA(Quality Assessment)밴드를 사용하여 구름 탐지를 수행하는데, QA 밴드는 영상이 취득될 당시의 지표, 대기,센서 등의 정보를 포함하며, QA 밴드를 통하여 구름 탐지 후 해당 지역의 기존 지표면 정보로의 복원 과정이 수행되는 것을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
  7. 제 6항에 있어서,
    영상 간 유사한 분광값 그룹을 설정하여 화솟값을 추정하는 SSG(Similarity Spectral Group) 알고리즘을 사용하는데, 분광값이 유사한 화소들은 동일한 토지피복을 나타낼 가능성이 높고, 기존의 SSG 알고리즘은 동일한 토지피복은 환경변화가 일어나지 않은 경우 유사한 분광값을 나타내므로, 다른 날짜에 촬영된 영상을 참조영상으로 사용하여 실험영상의 구름 결측 지역 화솟값에 대한 복원을 수행함을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
  8. 제 7항에 있어서,
    상기 복원의 과정은 실험영상에서 마스킹된 화소 위치와 동일한 위치의 화솟값을 참조영상에서 구하는 제 1단계와;
    구해진 참조 영상의 화솟값과 유사한 값(±1%)을 가지는 화소를 참조영상에서 찾은 후, 해당 화소와 동일한 위치로 실험영상의 화솟값을 구하는 제 2단계와;
    구해진 실험영상의 화솟값에 대한 평균을 기준으로 표준편차 이내에 있는 화솟값만을 대상으로 하여 평균값을 계산한 후, 결측영역에 대입하여 영상 복원을 수행하 는 제 3단계로 이루어진 것을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
  9. 삭제
  10. 제 1항에 있어서,
    상기 다층 퍼셉트론 알고리즘은 하나의 입력층(input layer), 하나 이상의 은닉층(hidden layer), 하나의 출력층(output layer)로 구성된 인공신경망(Artificial Neural Network, ANN)으로, 입력층의 뉴런에 입력변수 값들이 입력 되고, 은닉층에서 활성화 함수(activation function)를 통해 출력층으로 전이된 후, 최종값이 산출되는데, ReLU 활성함수를 선택하여 아래식과 같이 기온 추정을 수행함을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
    Figure 112022091618755-pat00032

    (Xi, Yj는 각각 입·출력값, f는 활성함수 및 uji는 가중치)
  11. 제 1항에 있어서,
    Landsat-8 위성영상의 각 Path, Row별로 데이터셋을 구축한 후 Path별 모자이크를 수행하는데, 각 모자이크된 결과에 대하여 다층 퍼셉트론 알고리즘을 통해 평균 기온을 산출하고, 최종적으로 Path별 모자이크를 통하여 전국 단위의 열 분포도를 제작함을 특징으로 하는 인공위성 영상을 이용한 열분포도 작성 시스템.
KR1020220109966A 2022-08-31 2022-08-31 인공위성 영상을 이용한 열분포도 작성 시스템 KR102496741B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220109966A KR102496741B1 (ko) 2022-08-31 2022-08-31 인공위성 영상을 이용한 열분포도 작성 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220109966A KR102496741B1 (ko) 2022-08-31 2022-08-31 인공위성 영상을 이용한 열분포도 작성 시스템

Publications (1)

Publication Number Publication Date
KR102496741B1 true KR102496741B1 (ko) 2023-02-08

Family

ID=85225857

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220109966A KR102496741B1 (ko) 2022-08-31 2022-08-31 인공위성 영상을 이용한 열분포도 작성 시스템

Country Status (1)

Country Link
KR (1) KR102496741B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116380811A (zh) * 2023-03-28 2023-07-04 武汉大学 一种基于氧气吸收带的云检测方法
CN116842343A (zh) * 2023-07-04 2023-10-03 南京林业大学 基于卫星观测与空间换算量化城市森林对温度影响的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000038273A (ko) 1998-12-04 2000-07-05 위은수 통신망을 이용한 재해감시장치와 구축방법
KR20130007220A (ko) 2011-06-30 2013-01-18 한성균 휴대형 위성통신기와 이동 통신망에 사용되는 무선데이타통신용 안테나 및 스마트 모바일 단말기의 앱 프로그램으로 구성되는 위성통신망을 이용한 긴급통신 및 위성방송 송수신 방법
KR102156807B1 (ko) * 2019-03-28 2020-09-16 한국항공우주연구원 네트워크를 이용한 수신 영상 직저장 시스템 및 수신 영상 직저장 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000038273A (ko) 1998-12-04 2000-07-05 위은수 통신망을 이용한 재해감시장치와 구축방법
KR20130007220A (ko) 2011-06-30 2013-01-18 한성균 휴대형 위성통신기와 이동 통신망에 사용되는 무선데이타통신용 안테나 및 스마트 모바일 단말기의 앱 프로그램으로 구성되는 위성통신망을 이용한 긴급통신 및 위성방송 송수신 방법
KR102156807B1 (ko) * 2019-03-28 2020-09-16 한국항공우주연구원 네트워크를 이용한 수신 영상 직저장 시스템 및 수신 영상 직저장 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Khaled Hazaymeh 외 1명. Fusion of MODIS and Landsat-8 Surface Temperature Images: A New Approach. PLOS ONE. 2015.03.02 *
김진영 외 7명. 인공위성 데이터 직수신 인프라를 활용한 한반도 지표온도 분석기술 개발. 국립재난안전연구원. 2017.12 *
이달근 외 5명. 위성영상과 머신러닝 모델을 이용한 폭염기간 고해상도 기온 추정 연구. 대한원격탐사학회지. 2020.10.31, 제36권, 제5_4호, pp.1179-1194 *
지준범 외 2명. 수도권 AWS 기온을 이용한 MODIS, Landsat 위성의 지표면 온도 분석. 대한원격탐사학회지. 2014.04.30, 제30권, 제2호, pp.315-329 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116380811A (zh) * 2023-03-28 2023-07-04 武汉大学 一种基于氧气吸收带的云检测方法
CN116380811B (zh) * 2023-03-28 2024-05-10 武汉大学 一种基于氧气吸收带的云检测方法
CN116842343A (zh) * 2023-07-04 2023-10-03 南京林业大学 基于卫星观测与空间换算量化城市森林对温度影响的方法

Similar Documents

Publication Publication Date Title
KR102496741B1 (ko) 인공위성 영상을 이용한 열분포도 작성 시스템
Roy et al. Web-enabled Landsat Data (WELD): Landsat ETM+ composited mosaics of the conterminous United States
Chandra et al. Remote sensing and geographical information system
Running et al. Terrestrial remote sensing science and algorithms planned for EOS/MODIS
Purnamasayangsukasih et al. A review of uses of satellite imagery in monitoring mangrove forests
Thorp et al. Effect of image spatial and spectral characteristics on mapping semi-arid rangeland vegetation using multiple endmember spectral mixture analysis (MESMA)
Schaaf et al. Retrieval of surface albedo from satellite sensors
Poli et al. 3D modeling of large urban areas with stereo VHR satellite imagery: lessons learned
KR102446218B1 (ko) 재난안전 다종 위성정보의 수신 및 처리장치
Congedo et al. Development of a methodology for land cover classification in Dar es Salaam using Landsat imagery
Baghdadi et al. Land surface remote sensing in urban and coastal areas
KR102561879B1 (ko) 위성영상을 이용한 재난정보 통합처리 및 표출방법
Akca et al. Pre-and post-fire comparison of forest areas in 3D
de Lange Remote Sensing and Digital Image Processing
OGUNBADEWA Investigating availability of cloud free images with cloud masks in relation to satellite revisit frequency in the Northwest of England
Sexton et al. Earth science data records of global forest cover and change
Tadesse et al. Land use/cover change detection of the city of Addis Ababa, Ethiopia using remote sensing and geographic information system technology
Khorram et al. Data acquisition
Ilčev et al. Satellite Remote Sensing in Meteorology
Marghany Three-dimensional lineament visualization using fuzzy B-spline algorithm from multispectral satellite data
Petrinjak et al. Possibility of using Landsat satellite recordings in visualization and detection of thermal islands in the area of the city Vinkovci
Lee et al. Evaluation of the Utility of SSG Algorithm for Image Restoration of Landsat-8
Kumar et al. Remote-Sensing Technology
Kyzivat et al. ABoVE: AirSWOT Water Masks from Color-Infrared Imagery over Alaska and Canada, 2017. ORNL DAAC, Oak Ridge, Tennessee, USA
Arslan et al. Remote Sensing of Snow and Its Applications

Legal Events

Date Code Title Description
GRNT Written decision to grant