KR102588573B1 - 위성영상을 이용한 가뭄 분석방법 - Google Patents
위성영상을 이용한 가뭄 분석방법 Download PDFInfo
- Publication number
- KR102588573B1 KR102588573B1 KR1020230044086A KR20230044086A KR102588573B1 KR 102588573 B1 KR102588573 B1 KR 102588573B1 KR 1020230044086 A KR1020230044086 A KR 1020230044086A KR 20230044086 A KR20230044086 A KR 20230044086A KR 102588573 B1 KR102588573 B1 KR 102588573B1
- Authority
- KR
- South Korea
- Prior art keywords
- satellite
- data
- drought
- modis
- analysis
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 136
- 238000003860 storage Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000001556 precipitation Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 84
- 238000007726 management method Methods 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000005211 surface analysis Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 6
- 238000006424 Flood reaction Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Emergency Management (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Image Processing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Water Supply & Treatment (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
Abstract
본 발명은 위성영상 자료를 기반으로 한 가뭄 분석 방법에 관한 것으로,
인공위성에서 수신된 영상정보들과, 지상 관측자료들이 위성영상 저장 및 관리 서버에 제공되면 상기 서버 내에서 전처리 및 가뭄분석 알고리즘이 수행됨으로써 해당지역의 가뭄상태를 분석하는 방법에 관한 것으로,
MODIS 위성영상정보를 MODIS 수신서버로 수신받는 과정과;
MODIS 위성영상은 상기 MODIS 수신서버를 거쳐 MODIS 영상처리서버로 전송되는데, 이때 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)의 전처리를 거쳐 상기 위성영상 저장 및 관리 서버로 전송되는 과정과;
MODIS 위성영상 외의 GPM 위성자료(지피엠을 위한 통합 다종 위성 검색자료)와, 지상관측자료에 의한 AWS 자료들이 상기 위성영상 저장 및 관리 서버로 전송되는 과정과;
서버에 전송된 GPM 위성자료에 의해 온도 및 강수자료가 생성되는 과정과;
서버에 전송된 MODIS 위성영상 중 MODIS MOD11A2 위성자료에 의해 지표온도모자이크(Mosaic LST)를 생성하는 과정과;
서버에 전송된 MODIS 위성영상 중 MODIS MOD13A2 위성자료에 의해 정규식생지수 모자이크(Mosaic NDVI)를 생성하는 과정과;
일정기간 동안의 각 픽셀에서 최대값 및 최솟값을 이용하여 TCI(온도상태지수), VCI(식생상태지수), PCI(강수상태지수)를 산출하는 과정과;
상기 TCI(온도상태지수), VCI(식생상태지수), PCI(강수상태지수)에 의해 가뭄상태지수(SDCI)를 산출하는 과정과;
가문분석결과를 상기 위성영상 저장 및 관리 서버에 저장하는 과정으로 이루어진 것을 특징으로 한다.
인공위성에서 수신된 영상정보들과, 지상 관측자료들이 위성영상 저장 및 관리 서버에 제공되면 상기 서버 내에서 전처리 및 가뭄분석 알고리즘이 수행됨으로써 해당지역의 가뭄상태를 분석하는 방법에 관한 것으로,
MODIS 위성영상정보를 MODIS 수신서버로 수신받는 과정과;
MODIS 위성영상은 상기 MODIS 수신서버를 거쳐 MODIS 영상처리서버로 전송되는데, 이때 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)의 전처리를 거쳐 상기 위성영상 저장 및 관리 서버로 전송되는 과정과;
MODIS 위성영상 외의 GPM 위성자료(지피엠을 위한 통합 다종 위성 검색자료)와, 지상관측자료에 의한 AWS 자료들이 상기 위성영상 저장 및 관리 서버로 전송되는 과정과;
서버에 전송된 GPM 위성자료에 의해 온도 및 강수자료가 생성되는 과정과;
서버에 전송된 MODIS 위성영상 중 MODIS MOD11A2 위성자료에 의해 지표온도모자이크(Mosaic LST)를 생성하는 과정과;
서버에 전송된 MODIS 위성영상 중 MODIS MOD13A2 위성자료에 의해 정규식생지수 모자이크(Mosaic NDVI)를 생성하는 과정과;
일정기간 동안의 각 픽셀에서 최대값 및 최솟값을 이용하여 TCI(온도상태지수), VCI(식생상태지수), PCI(강수상태지수)를 산출하는 과정과;
상기 TCI(온도상태지수), VCI(식생상태지수), PCI(강수상태지수)에 의해 가뭄상태지수(SDCI)를 산출하는 과정과;
가문분석결과를 상기 위성영상 저장 및 관리 서버에 저장하는 과정으로 이루어진 것을 특징으로 한다.
Description
본 발명은 위성영상 자료를 기반으로 한 가뭄 분석 방법에 관한 것으로, M odis 위성영상을 기반으로 수표면적을 추출하여 저수지의 저수량을 산출함으로써, 가뭄 및 홍수 등의 재난을 예측하고 대비할 수 있도록 하는 위성영상을 이용한 가뭄 분석방법에 관한 것이다.
우리나라는 지난 15년간 위성체 및 탑재체 기술의 국산화에 주력하였으며 위성 개발기술이 성숙기에 들어섬에 따라 정부는 위성개발 중심에서 위성정보 활용 중심으로 정책을 전환하고 있다. 그 중에서도 재해,재난에 대응하기 위해 각 재난분야별 위성정보의 활용성은 구체성을 확보해가고 있으며 한국항공우주연구원, 국가기상위성센터에서도 인공위성 활용 분야에 재해,재난분야를 포함시키고 있다.
최근 들어 재난은 과거와는 다른 양상을 보이며 복잡화 및 대형화 되어가고 있는 추세인데, 특히 기후변화 현상으로 인하여 강수량 변동성이 커짐에 따라 집중호우, 가뭄 등에 대한 피해 예측이 어렵고, 가뭄 및 풍수해에 대한 장기적인 재난관리계획 수립에 있어 불확실성이 증가하고 있는 실정이다.
기후변화로 재난관리의 불확실성이 증가하고 있는 가운데 우리나라 가뭄을 관리하기 위한 대표적인 지표로서 수자원 이용 시설물인 저수지는 전국적으로 약 18,000여 개가 건설되어 있으며 전체 관개면적의 약 57%에 농업용수를 공급하고 있고, 농업활동을 위한 중요한 시설물이자 수단이다.
기상변화가 극심해지고 농업용수의 사용처가 다양해짐에 따라 제한된 농업용수의 효율적인 사용방안은 선택이 아닌 필수사항이 되었는데, 대부분의 농업저수지는 소규모 저수지로서 계측 설비와 제도적 장치의 미비, 유지관리 업무와 인력이 충분하지 않고, 농업 분야와 더불어 우리 생활에 중요한 수자원 이용 시설물인 저수지에 대해 재해,재난 대응을 수행하기에는 관련정보 제공 단위에 대한 명확한 기준과 충분한 가용자료가 제시되지 않고 있는 상황이다.
재난관리에 있어 관련 데이터의 확보가 선제적으로 이루어져야 하므로 담당부처와 기관에서 현장자료 측정을 위한 지상센서를 확충하며 전국단위의 관리를 수행하고 있지만 지상센서가 균일하게 분포하지 못하는 공간적인 편이로 인한 정보의 부정확성이 존재하고 있으며, 특히 미계측지역은 정보를 취득할 방법이 없어 지상센서 정보를 이용한 공간 보정 기법 등을 활용하여 정보를 생산,이용하지만, 근본적인 공간적 한계성 문제를 해결하기에는 어려움이 존재한다.
최근 수문기상재해에 대해 즉각적으로 예측 및 대응하기 위해 점 단위 자료만을 보유하고 있는 수문관측자료의 한계성을 극복하고 효율적인 수자원 관리를 위해 실시간 수자원 모니터링 시스템 설계 수요가 증가하고 있는 추세이며, 지상센서만을 이용해서 발생하는 공간적 단점을 극복하기 위하여 국내,외 재난분야에서는 위성영상을 이용한 다양한 시도가 이루어지고 있다.
위성영상을 활용할 시 정보의 사각지대인 미계측지역에 대한 가용정보를 확보할 수 있으며 또한 전국규모의 지속성이 확보되는 정보를 생산할 수 있기 때문이다.
본 발명은 종래기술의 문제점을 해결하기 위한 것으로,
위성정보를 활용하여 수표면적 분석을 수행함으로써 한반도 규모의 가뭄상황을 파악할 수 있도록 함에 첫번째 목적이 있는 것이다.
또한, 위성영상에 의해 중,소 저수지의 수표면적을 모니터링함으로써 저수량을 용이하게 산출할 수 있도록 하고, 저수지 모니터링은 시계열적으로 수행되고 수표면적 및 저수량의 평균 및 표준편차가 산출되게함으로써, 중,소 저수지에 대한 가뭄 및 수해 발생 가능성을 정확히 분석할 수 있도록 함에 두번째 목적이 있는 것이다.
뿐만 아니라, 가뭄에 취약한 중·소규모 농업용 저수지의 수표(수체)면적을 연속적으로 관측할 수 있게 함으로써, 전국적인 가뭄의 정도를 직관적으로 파악할 수 있도록 함에 세번째 목적이 있는 것이다.
상기한 목적을 달성하기 위한 본 발명의 위성영상을 이용한 가뭄 분석방법에서는;
인공위성에서 수신된 영상정보들과, 지상 관측자료들이 위성영상 저장 및 관리 서버에 제공되면 상기 서버 내에서 전처리 및 가뭄분석 알고리즘이 수행됨으로써 해당지역의 가뭄상태를 분석하는 방법에 관한 것으로,
MODIS 위성영상정보를 MODIS 수신서버로 수신받는 과정과;
MODIS 위성영상은 상기 MODIS 수신서버를 거쳐 MODIS 영상처리서버로 전송되는데, 이때 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)의 전처리를 거쳐 상기 위성영상 저장 및 관리 서버로 전송되는 과정과;
MODIS 위성영상 외의 GPM 위성자료(지피엠을 위한 통합 다종 위성 검색자료)와, 지상관측자료에 의한 AWS 자료들이 상기 위성영상 저장 및 관리 서버로 전송되는 과정과;
서버에 전송된 GPM 위성자료에 의해 온도 및 강수자료가 생성되는 과정과;
서버에 전송된 MODIS 위성영상 중 MODIS MOD11A2 위성자료에 의해 지표온도모자이크(Mosaic LST)를 생성하는 과정과;
서버에 전송된 MODIS 위성영상 중 MODIS MOD13A2 위성자료에 의해 정규식생지수 모자이크(Mosaic NDVI)를 생성하는 과정과;
일정기간 동안의 각 픽셀에서 최대값 및 최솟값을 이용하여 TCI(온도상태지수), VCI(식생상태지수), PCI(강수상태지수)를 산출하는 과정과;
상기 TCI(온도상태지수), VCI(식생상태지수), PCI(강수상태지수)에 의해 가뭄상태지수(SDCI)를 산출하는 과정과;
가문분석결과를 상기 위성영상 저장 및 관리 서버에 저장하는 과정으로 이루어진 것을 특징으로 한다.
상기 서버 내에서 전처리 및 가뭄분석 알고리즘이 실행되면, 외부의 입력자료들(GPM 위성자료, MODIS 위성영상, AWS 자료)을 수집하여 자동모드 또는 수동모드에서 가뭄분석이 실행되는데,
자동모드의 경우, 시스템 환경설정에서 지정한 GPM 위성영상 경로를 주기적으로 감시(Polling)하고, 서버 내 해당 폴더에 위성 자료가 생성되면 스스로 가뭄분석을 수행하는데, 가뭄 분석결과는 분석 시점(날짜/시간) 정보를 바탕으로 사용자가 지정한 [가뭄 분석결과 경로]에 년/월/일 형태로 저장되고, [시스템 환경설정]-[가뭄 분석 결과저장 DB]에 분석결과에 대한 부가 정보가 저장된다.
상기 서버 내에서 전처리 및 가뭄분석 알고리즘이 실행되면, 외부의 입력자료들(GPM 위성자료, MODIS 위성영상, AWS 자료)을 수집하여 자동모드 또는 수동모드에서 가뭄분석이 실행되는데,
수동모드의 경우, 사용자에 의해 선택된 GPM 위성영상 경로와 분석시점 (년/월/일)을 기준으로 가뭄 분석이 수행되고 그 결과는 [가뭄 분석 결과 경로]에 저장되는데, 가뭄 분석결과는[가뭄 분석 결과저장 DB]에 저장되지 않는다.
상기 서버 내 구비된 가뭄분석 알고리즘은 MATLAB 기반으로서, 시스템의 구동을 위하여 MCR과 같은 MATLAB 런타임 컴파일러가 사용되고, DB 접근을 위한 DB Engine과 프로그램 실행을 위한 Microsoft 재배포 패키지가 사용될 수 있다.
상기 입력 위성영상은 인공위성에서 직수신되는 MODIS 위성영상과 온라인으로 수신되는 GPM 위성자료가 있는데,
상기 MODIS 위성영상은 MODIS(Aqua/Terra)위성의 지표 온도(LST) 및 방사율(Emissivity)에 대한 MOD11A2 위성자료와, MODIS(Aqua/Terra)위성의 정규식생지수(NPVI)에 대한 MOD13A2 위성자료이며, GPM 위성자료는 GPM 위성의 강수자료인 것이다.
상기 직수신된 MODIS 위성영상은 서버 내 위성자료 스토리지에 저장되며 자동 분석 시 해당 스토리지의 파일을 감시(Polling) 방식으로 감시하여 새로운 위성영상 데이터가 수신되면 자동으로 분석 프로그램을 수행하여 결과를 저장하고 카탈로그 데이터베이스로 정보를 등록한다.
상기 지상 관측자료들은 AWS(자동기상 관측소) 서버에서 온라인상으로 수집된 것으로, 분석 시점 기준으로 과거 일정기간 동안의 일평균 온도/습도 자료인 것이다.
상기 MODIS 위성영상은 영상처리서버에서 Level 0 (Raw Instrument Packets), Level 1A (Scans of raw radiances in counts), Level 1B (Calibrated Radiances)의 전처리과정을 거쳐 상기 위성영상 저장 및 관리 서버로 전송되므로, 이를 그대로 출력 시 수체와 비수체로 구분된 영상을 얻게된다.
사용자가 수표면적의 변화 정도를 파악할 수 있도록 위성영상 기반의 수표면적 분석 결과(Geotiff형식 래스터 데이터)와 부가적인 참조정보(저수율, 저수량)를 표출하게된다.
수표면 분석결과의 효과적인 데이터 관리 및 시각화를 위하여 GIS 엔진인 Geoserver에 레이어를 발행하는 방법과, 행정구역경계(시도, 시군구, 읍면동)를 기본적으로 중첩하여 볼 수 있도록 기능을 부여하고, 유역단위 공통유역도인 대권역/중권역/표준 유역 경계도 사용자 선택에 따라 함께 중첩하여 볼 수 있도록 한다.
국가수자원관리종합정보시스템(WAMIS)에서 댐의 일 단위 수위, 저수율, 저수량을 수표면 분석이력이 존재하는 일자와 동일하거나 최근접 일자의 정보를 함께 제공함으로써, 수표면 변화에 따른 댐 수위 및 저수량 변화를 비교해볼 수 있도록 하고, Modis 위성영상으로 산출된 수표면적에 의해 저수지의 저수량을 산출할 수 있도록 한다.
Modis 위성영상으로 산출된 수표면적에 의한 저수량 모니터링은 시계열적으로 수행되고 수표면적 및 저수량의 평균 및 표준편차가 산출되게함으로써, 중,소 저수지에 대한 가뭄 및 수해 발생 가능성을 정확히 분석할 수 있도록 한다.
본 발명은 위성영상 자료를 기반으로 한 가뭄 분석 방법에 관한 것으로, M odis 위성영상을 기반으로 수표면적을 추출하여 저수지의 저수량을 산출함으로써, 가뭄 및 홍수 등의 재난을 예측하고 대비할 수 있도록 하며, 한반도 규모의 가뭄상황을 파악할 수 있도록 하는 효과가 있다.
또한, 위성영상에 의해 중,소 저수지의 수표면적을 모니터링함으로써 저수량을 용이하게 산출할 수 있도록 하고, 저수지 모니터링은 시계열적으로 수행되고 수표면적 및 저수량의 평균 및 표준편차가 산출되게함으로써, 중,소 저수지에 대한 가뭄 및 수해 발생 가능성을 정확히 분석할 수 있도록 하는 효과가 있다.
뿐만 아니라, 가뭄에 취약한 중·소규모 농업용 저수지의 수표(수체)면적을 연속적으로 관측할 수 있게 함으로써, 전국적인 가뭄의 정도를 직관적으로 파악할 수 있도록 하는 효과도 있다.
도 1은 본 발명의 실행하기 위한 기본 시스템 구성을 나타낸 블럭도.
도 2는 인공위성들로부터 다종 위성정보들을 수신 및 처리하기 위한 시스템 구성도이고,
도 3은 본 발명에 의해 인공위성들로부터 수신된 다종 위성정보들을 서버 내에서 처리하는 과정을 나타낸 블럭도이고,
도 4는 본 발명에 따른 위성영상을 이용한 가뭄 분석방법의 흐름도이고,
도 5는 본 발명을 수행하는 가뭄분석시스템의 화면 구성도이고,
도 6은 본 발명에 따른 가뭄분석시스템의 자동 분석모드의 동작 흐름도이고,
도 7은 본 발명에 따른 가뭄분석시스템의 자동 분석모드의 모듈구성도이고,
도 8은 본 발명에 따른 가뭄분석시스템의 수동 분석모드의 모듈구성도이고,
도 9는 본 발명에 따른 지역구분별 MODIS 가뭄분석의 예시도이고,
도 10은 본 발명에 따른 전국 규모 수표면 분석결과의 표출 예시도이고,
도 11은 본 발명에 따른 수표면 분석결과의 또 다른 표출 예시도이다.
도 2는 인공위성들로부터 다종 위성정보들을 수신 및 처리하기 위한 시스템 구성도이고,
도 3은 본 발명에 의해 인공위성들로부터 수신된 다종 위성정보들을 서버 내에서 처리하는 과정을 나타낸 블럭도이고,
도 4는 본 발명에 따른 위성영상을 이용한 가뭄 분석방법의 흐름도이고,
도 5는 본 발명을 수행하는 가뭄분석시스템의 화면 구성도이고,
도 6은 본 발명에 따른 가뭄분석시스템의 자동 분석모드의 동작 흐름도이고,
도 7은 본 발명에 따른 가뭄분석시스템의 자동 분석모드의 모듈구성도이고,
도 8은 본 발명에 따른 가뭄분석시스템의 수동 분석모드의 모듈구성도이고,
도 9는 본 발명에 따른 지역구분별 MODIS 가뭄분석의 예시도이고,
도 10은 본 발명에 따른 전국 규모 수표면 분석결과의 표출 예시도이고,
도 11은 본 발명에 따른 수표면 분석결과의 또 다른 표출 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 위성영상 자료를 기반으로 한 가뭄 분석 방법에 관한 것으로, M odis 위성영상을 기반으로 수표면적을 추출하여 저수지의 저수량을 산출함으로써, 가뭄 및 홍수 등의 재난을 예측하고 대비할 수 있도록 하는 위성영상을 이용한 가뭄 분석방법에 관한 것이다.
지구를 관측하는 위성은 크게 광학(Optic)위성과 레이더위성(Synthetic Aperture Radar, SAR)으로 구분할 수 있다. 광학위성은 지표면으로부터 반사된 태양복사 에너지를 이용하여 지표면을 관측하는 위성이다. 광학 위성에서 취득되는 영상은 사실과 가까운 색상 표현이 되어 영상인식 및 분석에 용이하다.
먼저 본 발명에서 이용하는 인공위성의 제원 및 특성에 대해 살펴보자면,
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 가뭄분석 시스템의 구성도로서, 본 발명에 따른 인공위성 영상을 이용한 가뭄분석 시스템은, 위성수신 안테나와; 상기 안테나로부터 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 NASA의 MODIS 영상을 수신하기 위한 안테나로 구성될 수 있는데,
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 서버의 데이터는 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 인공위성들로부터 수신된 다종 위성정보들을 서버 내에서 처리하는 과정을 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.
가뭄 분석 자동화 시스템은 MODIS 위성영상을 활용하는 시스템으로 개발되었으며, 기존의 개발된 위성 기반 가뭄지수인 SDCI(Scaled Drought Condition Index)를 기반으로 가뭄 분석 모듈 및 자동화 시스템이 구축되었다.
도 4는 본 발명에 따른 위성영상을 이용한 가뭄 분석방법의 흐름도로서,
MODIS LST(Land Surface Temperature), NDVI(Normalized Difference Vegetation Index), GPM IMERG(Integrated Multi-satellitE Retrievals for GPM), AWS(Automatic Weather Station) 온도 및 강수자료를 입력받은 후 전처리 과정을 거친 뒤 14년 동안의 각 픽셀에서의 최댓값 및 최솟값을 이용하여 VCI(Vegetation Condition Index), TCI(Temperature Condition Index), PCI(Precipitation Condition Index)를 산출한 후 SDCI(Scaled Drought Condition Index)를 계산한다. 최종산출물은 1) 위성기반 동아시아 SDCI, 2) AWS 기반 남한지역 SDCI, 3) AWS 기반 남한지역 SDCI 행정구역 평균값을 제공한다.
구축된 가뭄 분석 자동화 시스템은 MODIS 영상 수신 시스템 및 온라인 다운로드한 GPM 강수자료와 연동하여 동아시아 지역의 가뭄 분석에 주로 사용되었으며, 한반도 가뭄 분석의 경우 기상청의 기상관측자료를 수집하여 행정구역별 가뭄 현황 및 한반도 전역의 가뭄을 분석하는 데 사용되기도 하였다.
최종적으로는 동아시아 및 한반도의 가뭄을 자동으로 분석할 수 있는 MODIS 위성영상기반의 가뭄 분석 자동화 시스템인 것이다.
먼저 운용방법 및 도구에 대해 살펴보자면,
MODIS가뭄 분석시스템은 한반도 지역과 동아시아 지역의 가뭄분석을 외부의 입력자료(GPM 위성자료, MODIS위성자료)를 수집하여 가뭄 분석을 자동 및 수동으로 수행하는 시스템이며, 가뭄 분석 시스템의 화면 구성은 도 5와 같다.
수행한 분석결과는 국립재난안전연구원의 카탈로그 시스템을 통해 확인할 수 있으며,
도 6은 본 발명에 따른 가뭄분석시스템의 자동 분석모드의 동작 흐름도로서, 수동 분석모드는 자동 분석모드와 동일하나 가뭄 분석 알고리즘에서 사용하는 위성영상 입력을 선택하고, 분석 기준이 되는 날짜 및 시간을 직접 입력하고 분석을 수행하는 방법이다.
자동 모드는 직수신 MODIS(Terra, Aqua)영상을 주기적으로 확인하여 새로운 영상이 수신되면 자동으로 분석을 수행하고 결과를 카탈로그 시스템으로 등록하여 카탈로그 웹 페이지에서 결과를 확인하는 방법으로 운용되고 있다.
사용자는 자동/수동 모드를 선택하고 선택된 모드에 따라, 구동을 위한 환경을 설정하고 분석을 수행하게 된다. 자동모드의 경우 MODIS 파일 감시를 시작하여 분석을 준비하게 된다.
먼저, MODIS 자동 모드에 대해 설명드리자면, MODIS시스템의 자동모드는 도 6에서와 같이 시스템 환경설정에서 지정한 GPM 위성영상 경로를 주기적으로 감시(Polling)하고, 해당 폴더에 위성 자료가 생성되면 사용자의 개입 없이 가뭄 분석을 수행한다.
이때, 가뭄 분석결과는 분석 시점(날짜/시간) 정보를 바탕으로 사용자가 지정한 [가뭄 분석결과 경로]에 년/월/일 형태로 저장하고, [시스템 환경설정]-[가뭄 분석 결과저장 DB]에 분석결과에 대한 부가 정보를 저장한다(도 7 참조).
도 8은 본 발명에 따른 가뭄분석시스템의 수동 분석모드의 모듈구성도로서, MODIS 수동 모드에 대해 설명드리자면, MODIS시스템의 수동모드는 사용자가 선택한 GPM 위성영상 경로와 분석시점 (년/월/일)을 기준으로 가뭄 분석을 수행하고, 그 결과를 [가뭄 분석 결과 경로]에 저장한다. 이때, 수동모드에서는 [가뭄 분석 결과저장 DB]에 분석결과를 저장하지 않는다.
설치 도구에 대해 설명드리자면, MODIS가뭄 분석 시스템의 분석 알고리즘은 MATLAB을 기반으로 개발되었다. 따라서 시스템의 구동을 위해서는 MCR과 같은 MATLAB 런타임 컴파일러가 필요하다. 또한, DB 접근을 위한 DB Engine과 프로그램 실행을 위한 Microsoft 재배포 패키지 설치가 필요하다. 필요한 목록을 아래 도표와 같이 정리하였다
입력 위성 영상에 대해 설명드리자면, MODIS 가뭄 분석 시스템을 통해 가뭄을 분석하기 위해서는 다음과 같은 GPM, MOD11A2, MOD13A2 3종의 위성 영상자료가 필요하다.
온라인으로 GPM영상을 수집하며 MODIS 영상(MOD11A3, MOD13A2)은 직수신하여 사용하고 있다. 아래 도표는 MODIS 가뭄분석에 필요한 영상 정보이다.
직수신 데이터는 위성자료 스토리지에 저장되며 자동 분석 시 해당 스토리지의 파일을 감시(Polling) 방식으로 감시하여 새로운 위성영상 데이터가 수신되면 자동으로 분석 프로그램을 수행하여 결과를 저장하고 카탈로그 데이터베이스로 정보를 등록하고 있다.
온라인으로 수집하는 자료 및 획득 방법은 다음 도표에서와 같다.
입력 보조자료에 대해 설명드리자면, 입력 보조 자료는 MODIS 가뭄 분석 시스템의 분석 보조 자료로서 AWS서버에서 수집한 분석 시점을 기준으로 과거 90일 동안의 일평균 온도/습도 자료를 사용한다(표 2.13). AWS DB서버에는 DB 서버 주소(IP), 접속 포트 (port), DB 사용자명 (ID), DB 접속 암호(PW), 테이블 명(name)을 입력하여 접속한다.
도 9는 본 발명에 따른 지역구분별 MODIS 가뭄분석의 예시도로서, 출력 결과에 대해 설명드리자면 MODIS 가뭄 분석 시스템의 출력 자료로서 AWS서버에서 추출한 AWS 자료 저장 폴더, 동아시아/남한지역/행정구역별 가뭄분석 결과 이미지와 결과 파일들이 생성되는 것을 확인하였다.
MODIS 가뭄 분석 시스템의 결과물들은 국립재난안전연구원의 위성영상 카탈로그 시스템을 통해서 연구원 내부용으로만 배포된다.
가뭄 분석 시스템 결과는 가뭄 발생 전 단계부터 피해분석에 이르기까지 활용할 수 있으며, 가뭄 발생 전부터 강수, 식생의 활력도와 지면의 수분함량을 추정하여 위험통제를 위한 모니터링도와 대응 기초자료를 위한 예상 지도를 작성할 수 있다.
가뭄 발생 후 전반적인 발생 현황을 분석할 때는 재해 상황모니터링이 가능하고, 피해분석 단계에서는 피해 현황도 및 피해 분석도를 작성할 수 있다. 따라서 가뭄 발생 전 전국 저수지 용수공급 가능 현황을 파악하여 우려되는 지역의 용수원 개발지원, 양수·절수 재배 및 대응 계획을 수립 가능하며, 가뭄 발생 후 발생지역의 토양수분량을 모니터링 하여 복구 진행도를 작성할 수 있다.
본 발명에서는 MODIS 위성영상을 활용하여 가뭄에 대한 재난분석 기술을 발전시키고 이를 현장에 적용하고자 하며, 가뭄문제를 해결하기 위해서는 수표면적에 대한 지속적인 모니터링이 필요하므로 중해상도 위성을 이용한 가뭄 집중 모니터링 알고리즘을 개발하게되었다.
더 나아가 위성기반 수표면적 관측의 정확도가 검증되면서 북한의 대규모 댐과 저수지 현황에 대해 모니터링이 가능케되었다
한편, 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 전송되며, 이를 그대로 출력하면 아래와 같이 수체와 비수체가 구분되어진 영상을 얻을 수 있게된다.
가뭄분야는 위성영상 기반의 수표면적 분석 결과(Geotiff형식 래스터 데이터)와 부가적인 참조정보(저수율, 저수량)를 표출하여 사용자가 수표면적의 변화 정도를 파악하도록 하는데 목적이 있다.
도 10은 본 발명에 따른 전국 규모 수표면 분석결과의 표출 예시도로서, 전국 2개 댐유역의 수표면을 MODIS 영상 기반으로 분석한 결과를 확인할 수 있다.
가뭄분야 표출 주요 데이터 목록은 아래와 같으며, 수표면 분석결과의 효과적인 데이터 관리 및 시각화를 위하여 GIS엔진인 Geoserver에 레이어를 발행하는 방법을 적용하였다. 그리고 행정구역경계(시도, 시군구, 읍면동)를 기본적으로 중첩하여 볼 수 있도록 기능을 구현하고, 유역단위 공통유역도인 대권역/중권역/표준유역 경계도 사용자 선택에 따라 함께 중첩하여 볼 수 있도록 하였다.
도 11은 본 발명에 따른 수표면 분석결과의 또 다른 표출 예시도로서, 국가수자원관리종합정보시스템(WAMIS)에서 댐의 일 단위 수위, 저수율, 저수량을 수표면 분석이력이 존재하는 일자와 동일하거나 최근접 일자의 정보를 함께 제공함으로써, 수표면 변화에 따른 댐 수위 및 저수량 변화를 비교해볼 수 있도록 하였다.
따라서, Modis 위성영상을 기반으로 수표면적을 추출하여 저수지의 저수량을 산출함으로써, 가뭄 및 홍수 등의 재난을 예측하고 대비할 수 있는 것이다.
또한, 위성영상에 의해 중,소 저수지의 수표면적을 모니터링함으로써 저수량을 용이하게 산출할 수 있도록 하고, 저수지 모니터링은 시계열적으로 수행되고 수표면적 및 저수량의 평균 및 표준편차가 산출되게함으로써, 중,소 저수지에 대한 가뭄 및 수해 발생 가능성을 정확히 분석할 수 있도록 하는 효과가 있다.
뿐만 아니라, 가뭄에 취약한 중·소규모 농업용 저수지의 수표(수체)면적을 연속적으로 관측할 수 있게 함으로써, 전국적인 가뭄의 정도를 직관적으로 파악할 수 있도록 하는 효과도 있다.
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 (12)
- 인공위성에서 수신된 영상정보들과, 지상 관측자료들이 위성영상 저장 및 관리 서버에 제공되면 상기 서버 내에서 전처리 및 가뭄분석 알고리즘이 수행됨으로써 해당지역의 가뭄상태를 분석하는 방법에 관한 것으로,
MODIS 위성영상이 MODIS 수신서버를 거쳐 MODIS 영상처리서버로 전송되는데, 이때 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)의 전처리를 거쳐 상기 위성영상 저장 및 관리 서버로 전송되는 과정과;
MODIS 위성영상 외의 GPM 위성자료(지피엠을 위한 통합 다종 위성 검색자료)와, 지상관측자료에 의한 AWS 자료들이 상기 위성영상 저장 및 관리 서버로 전송되는 과정과;
서버에 전송된 GPM 위성자료에 의해 온도 및 강수자료가 생성되는 과정과;
서버에 전송된 MODIS 위성영상 중 MODIS MOD11A2 위성자료에 의해 지표온도모자이크(Mosaic LST)를 생성하는 과정과;
서버에 전송된 MODIS 위성영상 중 MODIS MOD13A2 위성자료에 의해 정규식생지수 모자이크(Mosaic NDVI)를 생성하는 과정과;
일정기간 동안의 각 픽셀에서 최대값 및 최솟값을 이용하여 TCI(온도상태지수), VCI(식생상태지수), PCI(강수상태지수)를 산출하는 과정과;
상기 TCI(온도상태지수), VCI(식생상태지수), PCI(강수상태지수)에 의해 가뭄상태지수(SDCI)를 산출하는 과정과;
가문분석결과를 상기 위성영상 저장 및 관리 서버에 저장하는 과정으로 이루어진 것을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 1항에 있어서,
상기 서버 내에서 전처리 및 가뭄분석 알고리즘이 실행되면, 외부의 입력자료들(GPM 위성자료, MODIS 위성영상, AWS 자료)을 수집하여 자동모드 또는 수동모드에서 가뭄분석이 실행되는데,
자동모드의 경우, 시스템 환경설정에서 지정한 GPM 위성영상 경로를 주기적으로 감시(Polling)하고, 서버 내 해당 폴더에 위성 자료가 생성되면 스스로 가뭄분석을 수행하는데, 가뭄 분석결과는 분석 시점(날짜/시간) 정보를 바탕으로 사용자가 지정한 [가뭄 분석결과 경로]에 년/월/일 형태로 저장되고, [시스템 환경설정]-[가뭄 분석 결과저장 DB]에 분석결과에 대한 부가 정보가 저장되는 것을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 1항 또는 제 2항에 있어서,
상기 서버 내에서 전처리 및 가뭄분석 알고리즘이 실행되면, 외부의 입력자료들(GPM 위성자료, MODIS 위성영상, AWS 자료)을 수집하여 자동모드 또는 수동모드에서 가뭄분석이 실행되는데,
수동모드의 경우, 사용자에 의해 선택된 GPM 위성영상 경로와 분석시점 (년/월/일)을 기준으로 가뭄 분석이 수행되고 그 결과는 [가뭄 분석 결과 경로]에 저장되는데, 가뭄 분석결과는[가뭄 분석 결과저장 DB]에 저장되지 않는 것을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 1항 또는 제 2항에 있어서,
상기 서버 내 구비된 가뭄분석 알고리즘은 MATLAB 기반으로서, 시스템의 구동을 위하여 MCR과 같은 MATLAB 런타임 컴파일러가 사용되고, DB 접근을 위한 DB Engine과 프로그램 실행을 위한 Microsoft 재배포 패키지가 사용된 것을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 1항 또는 제 2항에 있어서,
입력 위성영상은 인공위성에서 직수신되는 MODIS 위성영상과 온라인으로 수신되는 GPM 위성자료가 있는데,
상기 MODIS 위성영상은 MODIS(Aqua/Terra)위성의 지표 온도(LST) 및 방사율(Emissivity)에 대한 MOD11A2 위성자료와, MODIS(Aqua/Terra)위성의 정규식생지수(NPVI)에 대한 MOD13A2 위성자료이며, GPM 위성자료는 GPM 위성의 강수자료인 것을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 5항에 있어서,
상기 직수신된 MODIS 위성영상은 서버 내 위성자료 스토리지에 저장되며 자동 분석 시 해당 스토리지의 파일을 감시(Polling) 방식으로 감시하여 새로운 위성영상 데이터가 수신되면 자동으로 분석 프로그램을 수행하여 결과를 저장하고 카탈로그 데이터베이스로 정보를 등록함을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 1, 2, 6항 중 어느 한 항에 있어서,
상기 지상 관측자료들은 AWS(자동기상 관측소) 서버에서 온라인상으로 수집된 것으로, 분석 시점 기준으로 과거 일정기간 동안의 일평균 온도/습도 자료인 것임을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 1, 2, 6항 중 어느 한 항에 있어서,
상기 MODIS 위성영상은 영상처리서버에서 Level 0 (Raw Instrument Packets), Level 1A (Scans of raw radiances in counts), Level 1B (Calibrated Radiances)의 전처리과정을 거쳐 상기 위성영상 저장 및 관리 서버로 전송되므로, 이를 그대로 출력 시 수체와 비수체로 구분된 영상을 얻게되는 것을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 1, 2, 6항 중 어느 한 항에 있어서,
사용자가 수표면적의 변화 정도를 파악할 수 있도록 위성영상 기반의 수표면적 분석 결과(Geotiff형식 래스터 데이터)와 부가적인 참조정보(저수율, 저수량)를 표출하게됨을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 9항에 있어서,
수표면 분석결과의 효과적인 데이터 관리 및 시각화를 위하여 GIS 엔진인 Geoserver에 레이어를 발행하는 방법과, 행정구역경계(시도, 시군구, 읍면동)를 기본적으로 중첩하여 볼 수 있도록 기능을 부여하고, 유역단위 공통유역도인 대권역/중권역/표준 유역 경계도 사용자 선택에 따라 함께 중첩하여 볼 수 있도록 한 것을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 9항에 있어서,
국가수자원관리종합정보시스템(WAMIS)에서 댐의 일 단위 수위, 저수율, 저수량을 수표면 분석이력이 존재하는 일자와 동일하거나 최근접 일자의 정보를 함께 제공함으로써, 수표면 변화에 따른 댐 수위 및 저수량 변화를 비교해볼 수 있도록 하고, Modis 위성영상으로 산출된 수표면적에 의해 저수지의 저수량을 산출할 수 있도록 한 것을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
- 제 11항에 있어서,
Modis 위성영상으로 산출된 수표면적에 의한 저수량 모니터링은 시계열적으로 수행되고 수표면적 및 저수량의 평균 및 표준편차가 산출되게함으로써, 중,소 저수지에 대한 가뭄 및 수해 발생 가능성을 정확히 분석할 수 있도록 함을 특징으로 하는 위성영상을 이용한 가뭄 분석방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230044086A KR102588573B1 (ko) | 2023-04-04 | 2023-04-04 | 위성영상을 이용한 가뭄 분석방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230044086A KR102588573B1 (ko) | 2023-04-04 | 2023-04-04 | 위성영상을 이용한 가뭄 분석방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102588573B1 true KR102588573B1 (ko) | 2023-10-16 |
Family
ID=88506164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230044086A KR102588573B1 (ko) | 2023-04-04 | 2023-04-04 | 위성영상을 이용한 가뭄 분석방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102588573B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117610434A (zh) * | 2024-01-19 | 2024-02-27 | 武汉大学 | 一种融合人工智能的干旱指数重构方法及计算机可读介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000038273A (ko) | 1998-12-04 | 2000-07-05 | 위은수 | 통신망을 이용한 재해감시장치와 구축방법 |
| KR20110124643A (ko) * | 2010-05-11 | 2011-11-17 | 부경대학교 산학협력단 | 동아시아 가뭄 모니터링 시스템 및 그 방법 |
| 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 |
| KR101570297B1 (ko) * | 2014-08-01 | 2015-11-18 | 성균관대학교산학협력단 | 인공위성 영상 자료를 이용한 동북아시아 가뭄 지도 제작 시스템, 방법 및 컴퓨터프로그램 |
| KR20180112650A (ko) * | 2017-09-18 | 2018-10-12 | 대한민국(행정안전부 국립재난안전연구원장) | 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 |
| KR20220151501A (ko) * | 2021-05-06 | 2022-11-15 | 노아에스앤씨 주식회사 | 웹 기반 가뭄아틀라스 시스템 |
-
2023
- 2023-04-04 KR KR1020230044086A patent/KR102588573B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000038273A (ko) | 1998-12-04 | 2000-07-05 | 위은수 | 통신망을 이용한 재해감시장치와 구축방법 |
| KR20110124643A (ko) * | 2010-05-11 | 2011-11-17 | 부경대학교 산학협력단 | 동아시아 가뭄 모니터링 시스템 및 그 방법 |
| 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 |
| KR101570297B1 (ko) * | 2014-08-01 | 2015-11-18 | 성균관대학교산학협력단 | 인공위성 영상 자료를 이용한 동북아시아 가뭄 지도 제작 시스템, 방법 및 컴퓨터프로그램 |
| KR20180112650A (ko) * | 2017-09-18 | 2018-10-12 | 대한민국(행정안전부 국립재난안전연구원장) | 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 |
| KR20220151501A (ko) * | 2021-05-06 | 2022-11-15 | 노아에스앤씨 주식회사 | 웹 기반 가뭄아틀라스 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117610434A (zh) * | 2024-01-19 | 2024-02-27 | 武汉大学 | 一种融合人工智能的干旱指数重构方法及计算机可读介质 |
| CN117610434B (zh) * | 2024-01-19 | 2024-04-16 | 武汉大学 | 一种融合人工智能的干旱指数重构方法及计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wei et al. | Downscaling SMAP soil moisture estimation with gradient boosting decision tree regression over the Tibetan Plateau | |
| De Souza et al. | Height estimation of sugarcane using an unmanned aerial system (UAS) based on structure from motion (SfM) point clouds | |
| McVicar et al. | The current and potential operational uses of remote sensing to aid decisions on drought exceptional circumstances in Australia: a review | |
| Inamdar et al. | Land surface temperature retrieval at high spatial and temporal resolutions over the southwestern United States | |
| Fan et al. | Quantifying disaster physical damage using remote sensing data—A technical work flow and case study of the 2014 Ludian earthquake in China | |
| Williamson et al. | Evaluating cloud contamination in clear-sky MODIS Terra daytime land surface temperatures using ground-based meteorology station observations | |
| Huang et al. | Airborne remote sensing for detection of irrigation canal leakage | |
| Khabba et al. | The SudMed program and the Joint International Laboratory TREMA: A decade of water transfer study in the Soil-Plant-Atmosphere system over irrigated crops in semi-arid area | |
| KR102588573B1 (ko) | 위성영상을 이용한 가뭄 분석방법 | |
| Galloza et al. | Crop residue modeling and mapping using Landsat, ALI, Hyperion and airborne remote sensing data | |
| KR102034193B1 (ko) | 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 | |
| Zhao et al. | Use of local climate zones to assess the spatiotemporal variations of urban vegetation phenology in Austin, Texas, USA | |
| Przeździecki et al. | Estimation of soil moisture across broad landscapes of Georgia and South Carolina using the triangle method applied to MODIS satellite imagery | |
| Lu et al. | Evaluation of satellite land surface albedo products over China using ground-measurements | |
| Danaher et al. | Remote sensing of tree-grass systems: The Eastern Australian Woodlands | |
| Pourmansouri et al. | Evaluation of vegetation and evapotranspiration changes in Iran using satellite data and ground measurements | |
| Gupta et al. | An innovative approach for retrieval of gridded urban canopy parameters using very high resolution optical satellite stereo | |
| Deppe | Forest area estimation using sample surveys and Landsat MSS and TM data | |
| KR102639326B1 (ko) | 위성영상을 이용한 수표면적 분석방법 | |
| Hui et al. | A method to upscale the Leaf Area Index (LAI) using GF-1 data with the assistance of MODIS products in the Poyang Lake watershed | |
| Al Rawashdeh | Evaluation of the differencing pixel-by-pixel change detection method in mapping irrigated areas in dry zones | |
| Kasim et al. | Use Case of HPVT in Counting Stars: A Vision-Based Approach of Monitoring Natural Events | |
| Quattrochi et al. | Thermal infrared remote sensing for analysis of landscape ecological processes: current insights and trends | |
| Demil et al. | Advances in Image-Based Estimation of Snow Hydrology Parameters: A Systematic Literature Review | |
| Xu et al. | Site selection for landslide GNSS monitoring stations using InSAR and UAV photogrammetry with analytical hierarchy process |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |