KR102624476B1 - 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법 - Google Patents
초분광 분석을 이용한 석유화합물 오염토양 탐지 방법 Download PDFInfo
- Publication number
- KR102624476B1 KR102624476B1 KR1020210186740A KR20210186740A KR102624476B1 KR 102624476 B1 KR102624476 B1 KR 102624476B1 KR 1020210186740 A KR1020210186740 A KR 1020210186740A KR 20210186740 A KR20210186740 A KR 20210186740A KR 102624476 B1 KR102624476 B1 KR 102624476B1
- Authority
- KR
- South Korea
- Prior art keywords
- soil
- spectral reflectance
- reflectance value
- hyperspectral
- value
- Prior art date
Links
- 239000002689 soil Substances 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000003208 petroleum Substances 0.000 title claims abstract description 23
- 150000001875 compounds Chemical class 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000000985 reflectance spectrum Methods 0.000 claims abstract description 4
- 230000003595 spectral effect Effects 0.000 claims description 63
- 239000003502 gasoline Substances 0.000 claims description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000001514 detection method Methods 0.000 description 10
- 239000012153 distilled water Substances 0.000 description 9
- 238000012937 correction Methods 0.000 description 7
- 239000002283 diesel fuel Substances 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 5
- 229920006395 saturated elastomer Polymers 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- -1 diesel Substances 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 4
- 238000010183 spectrum analysis Methods 0.000 description 4
- YMWUJEATGCHHMB-UHFFFAOYSA-N Dichloromethane Chemical compound ClCCl YMWUJEATGCHHMB-UHFFFAOYSA-N 0.000 description 3
- TZCXTZWJZNENPQ-UHFFFAOYSA-L barium sulfate Chemical compound [Ba+2].[O-]S([O-])(=O)=O TZCXTZWJZNENPQ-UHFFFAOYSA-L 0.000 description 3
- 238000000701 chemical imaging Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 238000003657 Likelihood-ratio test Methods 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 239000003350 kerosene Substances 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010747 number 6 fuel oil Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000004856 soil analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
-
- 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
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
본 발명은 오염토양 탐지 방법에 관한 것으로 보다 구체적으로는 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법에 관한 것으로, 본 발명의 하나의 양태에 따르면, 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법이 제공되고, 이 방법은,
초분광 카메라를 통해 토양의 초분광 영상을 획득하는 단계;
획득된 초분광 영상을 데이터 처리하는 단계;
데이터 처리된 초분광 영상의 반사 스펙트럼으로부터 경유 함유 토양에 대한 예측 모델식을 구현하는 단계를 포함하고,
경유 함유 토양에 대한 예측 모델식은,
로 정의된다.
초분광 카메라를 통해 토양의 초분광 영상을 획득하는 단계;
획득된 초분광 영상을 데이터 처리하는 단계;
데이터 처리된 초분광 영상의 반사 스펙트럼으로부터 경유 함유 토양에 대한 예측 모델식을 구현하는 단계를 포함하고,
경유 함유 토양에 대한 예측 모델식은,
로 정의된다.
Description
본 발명은 오염토양 탐지 방법에 관한 것으로 보다 구체적으로는 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법에 관한 것이다.
초분광센서(Hyperspectral sensor)란, 대상물에서 반사되거나 대상물이 방사하는 전자기파를 수백 개 이상의 연속된 분광파장으로 기록하는 센서이다. 초분광센서로 얻어지는 연속된 분광파장의 자료는 지표와 다양한 대상물에 대한 탐지에 활용이 가능하다.
최근 휘발유 및 디젤유와 같은 석유계 에너지의 사용량이 증가하면서 이와 같은 석유 화합물에 의한 토양의 오염이 증가되고 있다. 기존의 석유 화합물에 의한 토양 오염을 탐지하기 위해서는 현장조사 및 현장에서 채취한 토양 샘플을 화학적으로 분석하여, 예를 들면 토양 시료 제트유, 등유, 경유, 벙커C유, 윤활유, 원유 등을 디클로로메탄으로 추출하여 정제한 후 석유계총탄화수소를 정량하여 분석하는 방법이 알려져 있다.
그러나 이와 같은 토양 분석 방법은 분석에 오랜 시간이 걸릴 뿐만 아니라 비용 역시 고가이면서, 한정된 샘플을 통해 분석을 수행함에 따라 공간적 연속성이 떨어져서 넓은 면적에 걸친 토양 오염도를 측정하기 어렵다는 문제점이 있다.
본 발명은 전술한 문제점에 기반하여 안출된 발명으로서 초분광 영상을 이용하여 넓은 면적에 걸쳐 석유화합물 오염 토양을 탐지하는 방법을 제공하는 것을 목적으로 한다.
전술한 과제를 해결하기 위해 본 발명의 일양태에 따르면, 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법이 제공되고, 이 방법은,
초분광 카메라를 통해 토양의 초분광 영상을 획득하는 단계;
획득된 초분광 영상을 데이터 처리하는 단계;
데이터 처리된 초분광 영상의 반사 스펙트럼으로부터 경유 함유 토양에 대한 예측 모델식을 구현하는 단계를 포함하고,
경유 함유 토양에 대한 예측 모델식은,
로 정의될 수 있으며, 여기서 b1148은 1148nm에서의 분광 반사도 값, b1215은 12158nm에서의 분광 반사도 값, b1682은 1682nm에서의 분광 반사도 값, b2264은 2264nm에서의 분광 반사도 값, b2347은 2347nm에서의 분광 반사도 값을 나타낸다.
또한 전술한 양태에 있어서, 상기 방법은 휘발유 함유 토양에 대한 예측 모델식을 더 포함하고, 휘발유 함유 토양에 대한 예측 모델식은,
로 정의될 수 있으며, 여기서 b2313은 2313nm에서의 분광 반사도 값, b2330은 2330nm에서의 분광 반사도 값, b2347은 2347nm에서의 분광 반사도 값, b2407은 2407nm에서의 분광 반사도 값, b2463은 2463nm에서의 분광 반사도 값을 나타낸다.
또한 전술한 양태에 있어서, 상기 방법은 건조 토양에 대한 예측 모델식을 더 포함하고, 상기 건조 토양에 대한 예측 모델식은,
로 정의될 수 있으며, 여기서 b1052은 1052nm에서의 분광 반사도 값, b1976은 1976nm에서의 분광 반사도 값, b2192은 2192nm에서의 분광 반사도 값, b2319은 2319nm에서의 분광 반사도 값을 나타낸다.
또한 전술한 양태에 있어서, 상기 방법은 물 함유 토양에 대한 예측 모델식을 더 포함하고, 물 함유 토양에 대한 예측 모델식은,
로 정의될 수 있으며, 여기서 b1326은 1326nm에서의 분광 반사도 값, b1965은 1965nm에서의 분광 반사도 값, b2197은 2197nm에서의 분광 반사도 값, b2323은 2323nm에서의 분광 반사도 값, b2441은 2441nm에서의 분광 반사도 값을 나타낸다.
본 발명에 따르면 토양의 반사 스펙트럼 변화를 통해 토양이 석유 화합물에 의해 오염되었는지 여부를 넓은 면적에 걸쳐 감지할 수 있는 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법을 제공할 수 있다.
도 1은 본 발명에 따른 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법의 흐름도;
도 2는 본 발명의 석유화합물 오염토양 탐지 방법에서 토양 샘플의 함량을 구하는 방법을 설명하기 위한 설명도;
도 3은 토양 샘플에 대한 분광특성을 나타내는 그래프;
도 4는 물, 경유, 휘발유의 함량별 토양 샘플에 대한 분광 특성을 나타내는 그래프;
도 5는 초분광 영상취득을 설명하기 위한 설명도;
도 6a 내지 도 6d는 각각 건조토양, 물, 경유 및 휘발유에 대한 모델식의 정밀도를 나타내는 도면이다.
도 2는 본 발명의 석유화합물 오염토양 탐지 방법에서 토양 샘플의 함량을 구하는 방법을 설명하기 위한 설명도;
도 3은 토양 샘플에 대한 분광특성을 나타내는 그래프;
도 4는 물, 경유, 휘발유의 함량별 토양 샘플에 대한 분광 특성을 나타내는 그래프;
도 5는 초분광 영상취득을 설명하기 위한 설명도;
도 6a 내지 도 6d는 각각 건조토양, 물, 경유 및 휘발유에 대한 모델식의 정밀도를 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시예를 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.
본 명세서에서 본 실시예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 따라서, 몇몇 실시예들에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. 그리고, 본 명세서에서 사용된(언급된) 용어들은 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 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.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
도 1은 본 발명에 따른 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법의 흐름도를 나타낸 도면이다. 도 1에 도시된 바와 같이, 본 발명에 따른 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법은 데이터 획득 단계; 데이터 처리 단계; 데이터 분석 및 모델링 단계; 검증 및 평가 단계를 포함한다.
구체적으로 데이터 획득 단계에서는 중력 기반으로 시료로 이용되는 토양의 중량을 측정하는 중량측정 단계; 중량측정된 시료를 증류수, 휘발류 또는 경유로 포화시키는 샘플 포화 단계; 및 포화된 샘플을 대기중에서 건조시키는 단계를 포함하고, 이후 건조된 시료의 증류수, 휘발유, 경유의 함량비를 측정한 후; 함량별 SWIR 초분광 영상을 획득하게 된다.
본 발명에서 이용되는 토양의 샘플은 도 2에 도시된 바와 같이 건조 토양 샘플, 건조 토양에 증류수로 포화시킨 후 자연건조시시킨 증류수 토양 샘플, 건조 토양에 휘발유로 포화시킨 후 자연건조시킨 휘발유 토양 샘플 및 건조 토양에 경유로 포화시킨 후 자연건조시킨 경유 포화 샘플이 사용된다.
각각의 샘플내에서 증류수, 휘발유, 경유의 함량은 다음과 같이 계산될 수 있다.
SWIR 초분광 영상을 취득하기에 앞서 건조토양, 물 함유 토양, 휘발유 또는 경유 오염 토양의 분광곡선에서 유의미한 차이가 있는 파장대역을 확인하기 위해 먼저 휴대용 분광계(스펙트로미터)를 이용하여 휘발유, 경우, 오염토양 분광특성 분석한다. 각 샘플의 반사 스펙트럼은 ASD(Analytical Spectral Devices Inc., Boulder, Colorado, UAS) Labspec 5100 분광계를 사용하여 획득하였다. 계측기는 3~5 nm 스펙트럼 분해능에서 350~2500 nm의 반사 스펙트럼을 획득한다. 스펙트로미터인 휴대용 분광계는 더 넓은 파장 대역을 측정할 수 있으며 이를 통해 분광반사도 변이가 발생되는 영역이 단파적외선(SWIR) 영역이 맞는지 확인할 수 있으며, 단파적외선 영역이 맞다고 확인된 이후 단파 적외선(SWIR) 초분광 카메라로 SWIR 초분광 이미지가 획득될 수 있다.
분광계는 최적의 스펙트럼 획득을 위해 반사율이 99%인 황산바륨(BaSo4) 보정 패널로 보정되었다. 각 샘플의 분광 반사율은 배경 효과를 제거하기 위해 검은색 표면에서 측정되었으며, 각각은 4번의 측정에서 평균화되었다.
1400nm-2500nm 영역에 해당하는 ShortwaveInfrared (SWIR=단파적외선) 대역은 기름 성분, 수분함량 분석에 효과적이므로 본 발명에서는 SWIR 영역의 초분광 카메라를 이용하여 초분광 이미지를 획득하였다.
SWIR 초분광 이미지는 Specim SWIR 카메라(Specim, Spectral Imaging Ltd.)로 수행되었다. 이 카메라는 총 288개 대역(384 * 384픽셀)에 대해 12nm 해상도에서 916~2500nm의 스펙트럼 범위를 포괄하는 푸시 브룸 모드(push-broom mode)에서 작동하는 초분광 CMOS 카메라이다. 카메라 시스템에 의해 반사율이 99%인 황산바륨(BaSO4)으로 만들어진 레퍼런스 패널이 있는 이미지 내의 흰색 참조 패널에 의해 방사 측정 보정 및 정규화가 자동으로 수행되었다.
다시 도 1을 참조하면, SWIR 초분광 이미지가 획득된 이후 본 발명에 따른 석유화합물 오염토양 탐지 방법은 데이터 처리 단계를 실시하게 된다. 데이터 처리 단계는 방사 보정 단계; 스펙트럼 평활화 단계; 및 노이즈 감소 처리 단계를 포함한다.
초분광 데이터의 이미지 처리를 위해, ENVI(Environment for Visualizing Images, Version 5.5.3, L3Harris Geospatial, Colorado, USA) 소프트웨어가 사용되었으며, 본 발명에 사용된 초분광 카메라는 916 - 1000nm의 스펙트럼 범위에서 더 높은 노이즈 대 신호 비율을 가지며 이는 SWIR 초분광 카메라에서 일반적으로 보고되는 현상이다. 따라서 본 발명에서는 분광분석 및 초분광 영상 데이터를 이용한 유류오염토양 탐지 모델 개발을 위해 높은 S/N 대역을 제외하였다.
먼저 방사 보정 단계에서는, 총 288개의 밴드(대역)를 가지고 있는 초분광 영상의 각 밴드별 화소값(Digital Number value; DN value)을 분광반사도값으로 변환하였다. 이를 위해 카메라 시스템에 의해 자동으로 취득되는 dark refernce 값과 초분광 영상 취득시 함께 취득한 반사율이 99%인 황산바륨(BaSO4)으로 만들어진 white reference 패널값을 이용하였다. ENVI 소프트웨어의 Scan Normalization Tool을 이용하여 방사 보정 및 정규화를 수행하였으며 반사도로 변환하는 식은 다음과 같다.
Raw= a raw frame from the raw image file
Dark= averaged frame, data from dark reference file
White= averaged frame, data from white reference file
이후 획득한 반사 스펙트럼은 The spectral Geologist 7.5 (TSG 7.5) 및 ENVI 소프트웨어(version 5.3, L3Harris Technologies, Melbourne, Florida, USA)를 사용하여 Savitzky-Golay 컨볼루션 방법(2nd order polynomial, 25 smoothing points)으로 평활화를 수행하게 된다.
평활화 후 노이즈 처리 단계에서는, ENVI 소프트웨어의 최소 잡음 비율 변환(Minimum Noise Fraction transformation; MNF transformation)을 이용하여 노이즈를 보정하며 SWIR 카메라 기기 자체에서 발생되는 노이즈 대역인 971~1027nm 를 제외하고 초분광 이미지를 추출한다.
데이터 처리 단계에 이어서 본 발명에 따른 석유화합물 오염토양 탐지 방법은 데이터 분석 및 모델링 단계를 포함하고, 데이터 분석 및 모델링 단계는 스펙트럼 분석 단계; 통계적 분석 단계; 및 이분형 로지스틱 회귀 단계를 거쳐 석유화합물 오염토양 탐지를 위한 모델이 구해진다.
스펙트럼 분석 단계에서는 반사도 분광곡선과 Hull-quotient 보정처리 된 분광곡선을 적절히 비교하여 세밀한 분광특성분석을 실시하였다. Hull-quotient 보정방법은 반사도 곡선 내 나타나는 흡수특성을 극대화시키는 방법으로써 특정 파장대 영역 내에서 서로 다른 대상들이 가지고 있는 흡광특성의 위치, 깊이 등을 비교분석하는데 매우 유용하게 이용되는 보정기법이다. 이를 바탕으로 건조토양, 증류수 토양, 휘발유 토양, 경유 토양의 분광반사도가 변이를 나타내는 파장대역을 확인하였다.
스펙트럼 분석이 완료된 후 통계적 분석이 수행된다. 스펙트럼을 기반으로 건조토양, 수분 함유 토양, 휘발유 또는 경유 오염 토양이 분류되는지 확인하기 위해 RStudio와 SPSS 소프트웨어를 활용하여 앙상블 머신러닝 모델인 랜덤포레스트를 구동하였다. 그 결과 예측 혼돈 행렬에서 모든 class에 대한 계층 오차가 14% 미만으로, 스펙트럼에 의해 각 class가 구분이 되는 것을 확인하였다.
도 3은 건조토양, 증류수 토양, 휘발유 토양, 경유 토양에서 얻어진 분광 특성을 나타내고, 도 4는 건조토양, 증류수 토양, 휘발유 토양, 경유 토양에서의 함량별 분광 특성을 나타내는 도면이다.
도 3에 도시된 바와 같이 모든 토양에서 1400nm, 1900nm 부근에서 물에 의한 흡광특성이 나타났으며, 건조 토양 또는 증류수 토양의 분광반사도와 달리 유류오염토양(경유, 휘발유)에서만 특징적으로 흡광특성이 나타난 파장대역은 1720nm, 1760nm, 2300nm 부근이다. 도 4는 Hull-Quotient 보정방법을 통해 토양 내 증류수, 경유, 휘발유의 함량에 따라 흡광깊이가 어떻게 변하는지를 구체적으로 나타내는 도면이다. 경유, 휘발유의 함량이 높아질수록 전체적으로 반사도가 낮아지고, 흡광특성이 일어나는 파장대역에서 흡광의 깊이가 깊어지는 특성을 갖는다.
휘발유 및 경유에 노출된 토양을 검출하기 위한 지표는 로지스틱 회귀분석을 기반으로 개발되었으며, 초분광 영상에 지표를 적용하여 휘발유 및 경유에 노출된 토양을 시각화하였다.
모델 구성에는 SPSS 이분형 로지스틱 회귀 분석 패키지가 사용되었다. 이분형 로지스틱 회귀는 두 개의 클래스를 가정한 훈련 데이터를 사용하고 독립 변수 X를 기반으로 종속 변수를 파생한다.
건조토양, 물, 경유, 휘발유에 대한 탐지 모델식은 다음과 같다.
탐지된 모델식에서 b는 해당 파장대역에서의 분광반사도값을 의미한다. 예를 들면 b2313은 파장 2313nm에서의 분광 반사도 값을 나타낸다.
회귀 모델의 정확도는 Log-likelihood ratio test, Hosmer and Lemshow test, kappa coefficient, 그리고 Log-likelihood ratio test를 pseudo R2(Cox and Snell, Nagelkerke) 값으로 평가한 전체 정확도로 평가하였다. R2 값이 0.2 이상인 모델은 허용되는 것으로 간주된다.
* 토양 탐지 모델의 적용
도 6a 내지 도 6d는 전술한 바와 같은 건조토양, 물, 경유, 휘발유에 대한 탐지 모델식을 적용한 결과를 나타낸다. 도 6a에 도시된 바와 같이 건조 토양의 경우 전술한 건조토양에 대한 모델식을 적용한 결과 87.25%의 탐지 정확도를 나타내었고, 물의 경우 도 6b에 도시된 바와 같이 전술한 물에 대한 모델식을 적용한 결과 96.62%의 탐지 정확도를 나타내었다. 또한 경유의 경우 도 6c에 도시된 바와 같이 전술한 경유에 대한 모델식을 적용한 결과 95.18%의 탐지 정확도를 나타내었고, 휘발유의 경우 탐지 임계치는 휘발유 함량 7.71%로서 전술한 휘발유에 대한 모델식을 적용한 결과 도 6d에 도시된 바와 같이 78.53%의 탐지 정확도를 나타내었으며, 따라서 모델 전체에 대한 총 정확도는 82.77%이였고, 카파(Kappa) 계수는 0.7799이었다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(Command)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리요소(Processing Element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor)와 같은, 다른 처리 구성(Processing Configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(Code), 명령(Command), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(Collectively)처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(Component), 물리적 장치, 가상 장치(Virtual Equipment), 컴퓨터 저장매체 또는 장치에 구체화(Embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM, DVD와 같은 광기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속하는 것으로 해석되어야만 한다.
Claims (4)
- 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법에 있어서,
초분광 카메라를 통해 토양의 초분광 영상을 획득하는 단계;
획득된 초분광 영상을 데이터 처리하는 단계;
데이터 처리된 초분광 영상의 반사 스펙트럼으로부터 경유 함유 토양에 대한 예측 모델식을 구현하는 단계를 포함하고,
경유 함유 토양에 대한 예측 모델식은,
로 정의될 수 있으며, 여기서 b1148은 1148nm에서의 분광 반사도 값, b1215은 12158nm에서의 분광 반사도 값, b1682은 1682nm에서의 분광 반사도 값, b2264은 2264nm에서의 분광 반사도 값, b2347은 2347nm에서의 분광 반사도 값을 나타내는 한편,
물 함유 토양에 대한 예측 모델식을 더 포함하고, 물 함유 토양에 대한 예측 모델식은,
로 정의될 수 있으며, 여기서 b1326은 1326nm에서의 분광 반사도 값, b1965은 1965nm에서의 분광 반사도 값, b2197은 2197nm에서의 분광 반사도 값, b2323은 2323nm에서의 분광 반사도 값, b2441은 2441nm에서의 분광 반사도 값을 나타내는 것을 특징으로 하는 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법.
- 제1항에 있어서,
휘발유 함유 토양에 대한 예측 모델식을 더 포함하고, 휘발유 함유 토양에 대한 예측 모델식은,
로 정의될 수 있으며, 여기서 b2313은 2313nm에서의 분광 반사도 값, b2330은 2330nm에서의 분광 반사도 값, b2347은 2347nm에서의 분광 반사도 값, b2407은 2407nm에서의 분광 반사도 값, b2463은 2463nm에서의 분광 반사도 값을 나타내는 것을 특징으로 하는 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법.
- 제1항에 있어서,
건조 토양에 대한 예측 모델식을 더 포함하고, 상기 건조 토양에 대한 예측 모델식은,
정의될 수 있으며, 여기서 b1052은 1052nm에서의 분광 반사도 값, b1976은 1976nm에서의 분광 반사도 값, b2192은 2192nm에서의 분광 반사도 값, b2319은 2319nm에서의 분광 반사도 값을 나타내는 것을 특징으로 하는 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210186740A KR102624476B1 (ko) | 2021-12-24 | 2021-12-24 | 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210186740A KR102624476B1 (ko) | 2021-12-24 | 2021-12-24 | 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230097342A KR20230097342A (ko) | 2023-07-03 |
| KR102624476B1 true KR102624476B1 (ko) | 2024-01-12 |
Family
ID=87157097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210186740A KR102624476B1 (ko) | 2021-12-24 | 2021-12-24 | 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102624476B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116773465B (zh) * | 2023-08-25 | 2023-10-27 | 北京建工环境修复股份有限公司 | 一种全氟化合物污染在线监测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008014843A (ja) * | 2006-07-06 | 2008-01-24 | Kajima Corp | 土壌汚染測定方法及び装置 |
| KR101756960B1 (ko) | 2016-05-31 | 2017-07-13 | (주)아세아항측 | 항공 초분광 영상을 이용한 토양 중금속의 모니터링 방법 |
| KR102324230B1 (ko) * | 2020-09-29 | 2021-11-10 | 서울대학교산학협력단 | 분광기반 토양성분 예측 방법 및 시스템, 이를 구현하는 프로그램매체 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7807971B2 (en) * | 2008-11-19 | 2010-10-05 | The Boeing Company | Measurement of moisture in composite materials with near-IR and mid-IR spectroscopy |
| KR101705346B1 (ko) | 2016-10-05 | 2017-02-13 | 주식회사 지오스토리 | 분광라이브러리를 이용한 초분광영상 분석 시스템 |
-
2021
- 2021-12-24 KR KR1020210186740A patent/KR102624476B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008014843A (ja) * | 2006-07-06 | 2008-01-24 | Kajima Corp | 土壌汚染測定方法及び装置 |
| KR101756960B1 (ko) | 2016-05-31 | 2017-07-13 | (주)아세아항측 | 항공 초분광 영상을 이용한 토양 중금속의 모니터링 방법 |
| KR102324230B1 (ko) * | 2020-09-29 | 2021-11-10 | 서울대학교산학협력단 | 분광기반 토양성분 예측 방법 및 시스템, 이를 구현하는 프로그램매체 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230097342A (ko) | 2023-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Comparison of multivariate methods for estimating selected soil properties from intact soil cores of paddy fields by Vis–NIR spectroscopy | |
| Jin et al. | Remote estimation of soil organic matter content in the Sanjiang Plain, Northest China: The optimal band algorithm versus the GRA-ANN model | |
| Sabol Jr et al. | Quantitative subpixel spectral detection of targets in multispectral images | |
| Nocita et al. | Prediction of soil organic carbon for different levels of soil moisture using Vis-NIR spectroscopy | |
| Jin et al. | Comparison of different satellite bands and vegetation indices for estimation of soil organic matter based on simulated spectral configuration | |
| Mishra et al. | Sequential fusion of information from two portable spectrometers for improved prediction of moisture and soluble solids content in pear fruit | |
| Shiklomanov et al. | Quantifying the influences of spectral resolution on uncertainty in leaf trait estimates through a Bayesian approach to RTM inversion | |
| Nocita et al. | Prediction of soil organic carbon content by diffuse reflectance spectroscopy using a local partial least square regression approach | |
| Ullah et al. | Retrieval of leaf water content spanning the visible to thermal infrared spectra | |
| Castaldi et al. | Estimation of soil properties at the field scale from satellite data: a comparison between spatial and non‐spatial techniques | |
| Babaeian et al. | Towards retrieving soil hydraulic properties by hyperspectral remote sensing | |
| Xie et al. | Mapping leaf area index in a mixed temperate forest using Fenix airborne hyperspectral data and Gaussian processes regression | |
| Cogranne et al. | Statistical detection of defects in radiographic images using an adaptive parametric model | |
| Ferrari et al. | Handling large datasets of hyperspectral images: Reducing data size without loss of useful information | |
| KR102624476B1 (ko) | 초분광 분석을 이용한 석유화합물 오염토양 탐지 방법 | |
| Pascucci et al. | Estimation of soil organic carbon from airborne hyperspectral thermal infrared data: A case study | |
| Zhang et al. | Spectral signatures of soil horizons and soil orders–An exploratory study of 270 soil profiles | |
| Gomez et al. | Mapping of primary soil properties using optical visible and near infrared (Vis-NIR) remote sensing | |
| Haijun et al. | Predicting sandy soil moisture content with hyperspectral imaging | |
| Pfeifer et al. | Forest canopy structure and reflectance in humid tropical Borneo: A physically-based interpretation using spectral invariants | |
| Lagacherie et al. | Vis-NIR-SWIR remote sensing products as new soil data for digital soil mapping | |
| Campbell et al. | Digital soil mapping of soil properties in the “Mar de Morros” environment using spectral data | |
| Murphy | Evaluating simple proxy measures for estimating depth of the~ 1900 nm water absorption feature from hyperspectral data acquired under natural illumination | |
| Li et al. | Remote sensing monitoring of volcanic ash clouds based on PCA method | |
| Mendes et al. | Soil spectral library of Piauí State using machine learning for laboratory analysis in Northeastern Brazil |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |