KR20180112650A - 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 - Google Patents
모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 Download PDFInfo
- Publication number
- KR20180112650A KR20180112650A KR1020170119456A KR20170119456A KR20180112650A KR 20180112650 A KR20180112650 A KR 20180112650A KR 1020170119456 A KR1020170119456 A KR 1020170119456A KR 20170119456 A KR20170119456 A KR 20170119456A KR 20180112650 A KR20180112650 A KR 20180112650A
- Authority
- KR
- South Korea
- Prior art keywords
- aws
- data
- database
- satellite image
- facility
- Prior art date
Links
- 239000000463 material Substances 0.000 title abstract 6
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 20
- 238000013480 data collection Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 3
- 210000004709 eyebrow Anatomy 0.000 claims 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 2
- 230000006378 damage Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000012937 correction Methods 0.000 description 9
- 231100001261 hazardous Toxicity 0.000 description 5
- 230000010354 integration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 208000010718 Multiple Organ Failure Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Or Creating Images (AREA)
Abstract
본 발명은 모디스(MODIS : Moderate Resolution Imaging Spectroradiometer) 위상영상 및 기상청의 AWS 자료를 이용한 공간정보 통합폭설 분석의 시설물붕괴 위험지도 자동생성시스템에 관한 것이다.
이를 위한 본 발명은, 눈이 덮힌 지역을 찾아내게 모디스 위상영상을 수신 및 수집 저장하는 영상수신안테나와 위성영상 데이터베이스, AWS 자료의 기온, 습도, 적설량 정보를 이용하여 내린 눈의 특성(습설/건설)을 파악하게 AWS 자료를 수집저장하는 AWS 데이터베이스, 스마트팜맵의 비닐하우스와 GIS 건물통합정보의 건축물 정보를 연계함으로 시설물 붕괴기준을 적용하여 폭설에 의한 붕괴위험 시설물을 찾아내게 시설물벡터자료를 수집저장하는 시설물벡터 데이터베이스를 네트워킹하고; 데이터베이스 서버의 위성영상 데이터베이스, AWS 데이터베이스 및 시설물벡터 데이터베이스와, 시스템구동서버의 그래픽 사용자인터페이스, 시스템구동 및 디스플레이를 이용하여 모디스 위성영상과 AWS 자료기반 폭설분석, 적설면적/위험지역산출 및 GIS매핑, 그리고 폭설분석 결과저장관리를 수행한 것을 그 특징으로 한다.
이를 위한 본 발명은, 눈이 덮힌 지역을 찾아내게 모디스 위상영상을 수신 및 수집 저장하는 영상수신안테나와 위성영상 데이터베이스, AWS 자료의 기온, 습도, 적설량 정보를 이용하여 내린 눈의 특성(습설/건설)을 파악하게 AWS 자료를 수집저장하는 AWS 데이터베이스, 스마트팜맵의 비닐하우스와 GIS 건물통합정보의 건축물 정보를 연계함으로 시설물 붕괴기준을 적용하여 폭설에 의한 붕괴위험 시설물을 찾아내게 시설물벡터자료를 수집저장하는 시설물벡터 데이터베이스를 네트워킹하고; 데이터베이스 서버의 위성영상 데이터베이스, AWS 데이터베이스 및 시설물벡터 데이터베이스와, 시스템구동서버의 그래픽 사용자인터페이스, 시스템구동 및 디스플레이를 이용하여 모디스 위성영상과 AWS 자료기반 폭설분석, 적설면적/위험지역산출 및 GIS매핑, 그리고 폭설분석 결과저장관리를 수행한 것을 그 특징으로 한다.
Description
본 발명은 모디스(MODIS : Moderate Resolution Imaging Spectroradiometer) 위상영상 및 기상청의 AWS 자료를 이용한 공간정보 통합폭설 분석의 시설물붕괴 위험지도 자동생성시스템에 관한 것이다.
현대인의 안전의식은 복잡해지는 자연환경과 사회환경에서 다양한 방법에 의해 관리가 이루어지고 있으며, 재난 및 안전사고의 유형을 살펴보면 매우 광범위함을 알 수 있다. 안전행정부는 재난 및 안전사고 예방의 효율적 관리를 위해, 중앙 및 지방자치단체 그리고 공공기관이 준수해야 할 『재난관리기준』과 『안전관리기준』을 제정·고시하고 있다.
재난관리기준에서는 재난예방 및 경감을 위한 재난경감계획, 재난관리조직의 운영, 재난운영 연속성 관리, 재난관리 모니터링, 재난 예/경보, 상황전파 및 지휘체계, 체계적인 상황관리와 자원관리 등에 관한 기준을 포함하고 있는 바, 특히 각기 다르게 사용되거나 명확한 정의가 없는 재난관련 용어를 통일적으로 정의하고 있다. 안전관리기준에서는 안전사고 예방을 위한 안전관리 계획수립, 실행 및 운영, 운영상황 평가, 안전관리대책의 개선 등에 관한 안전관리기준을 제시하고 있는 실정이다.
재난재해 및 안전사고 분류 및 정의에 따르면 자연재해는 태풍, 홍수, 호우, 강풍, 풍랑, 폭풍해일, 지진해일, 조수, 대설, 낙뢰, 가뭄, 지진, 황사, 적조, 우박, 폭염, 한파, 산사태/급경사지 붕괴, 화산폭발, 우주재해 등 20개 유형으로 분류하고 있다.
사회재난은 감염병 유행, 가축전염병 유행, 폭발사고, 가스사고, 화생방 사고, 교통사고, 건축물붕괴, 에너지 기반시설 파괴, 정보통신시설 파괴, 교통수송 기반시설 파괴, 보건의료시설 파괴, 폐기물처리시설 파괴, 용수 기반시설 파괴, 화재, 산불, 환경오염사고, 사이버테러 등 17개 유형으로 분류하는 등, 총 37개 유형으로 분류하고 있어 재난의 유형을 좀 더 세분화하여 분류하고 있다.
한편, 동절기의 폭설이란 짧은 시간에 많은 양의 눈이 오는 기상 현상으로, 시간당 3 Cm이상 또는 24시간이내 20 Cm이상의 눈이 내리는 현상이다. 폭설로 인한 연평균 피해액은 1.700억원으로 홍수에 이어 두번째 큰 피해를 미치는 것으로 나타났다. 따라서, 폭설로 인해 일어나는 피해는 주로 건축물의 붕괴에 의한 재산 및 인명피해로 나타나고 있다.
이와 같이 폭설피해의 주원인이 시설물 붕괴인 만큼, 폭설 발생시 시설물 붕괴위험정보를 신속하게 추출하여 선제적으로 대응하는 것이 매우 중요하다. 국립재난 안전연구원에서는 모디스 위성영상과 AWS 자료를 이용한 폭설분석프로그램을 개발하게 되었다.
그러나, 폭설분석프로그램은 위성영상을 이용한 적설지역분석, AWS 자료를 연계한 설질(건설/습설)분석인 바, 하지만 재난관리를 위한 의사결정권자의 입장에서 폭설로 인한 피해 예상되는 지역, 정량적인 수치 등의 2 차적인 정보가 필요하게 되었다.
이에 본 발명자들은 폭설로 인해 가장 많은 피해를 입고 있는 농촌지역내 시설물붕괴 위험정보를 추출하도록 개발함으로, 이미 구축된 GIS 자료와의 연계, 시설물 종류와 내린 눈의 특성을 고려한 시설물 붕괴기준의 설정, 그리고 시설물 붕괴위험정보의 효과적인 표출을 통해 합리적인 의사결정을 지원할 수 있도록 협업하고 있다.
본 발명은 상기와 같은 폭설분석 자동화시스템의 제반 기술을 감안하여 발명한 것으로, 폭설예상지역 사진정보제공과 시설물붕괴 위험지역정보를 이용하여 준- 실시간 폭설재난 대응 및 상황파악, 피해최소화할 수 있는 공간정보 통합폭설 분석자동화를 구현할 수 있는 시설물붕괴지도 자동생성시스템을 제공하고자 함에 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명은, 눈이 덮힌 지역을 찾아내게 모디스 위상영상을 수신 및 저장하는 영상수신안테나와 위성영상 데이터베이스, AWS 자료의 기온, 습도, 적설량 정보를 이용하여 내린 눈의 특성(습설/건설)을 파악하는 AWS 자료를 저장하는 AWS 데이터베이스, 스마트팜맵의 비닐하우스와 GIS 건물통합정보의 건축물 정보를 연계함으로 시설물 붕괴기준을 적용하여 폭설에 의한 붕괴위험 시설물을 찾아내게 시설물벡터자료를 저장하는 시설물벡터 데이터베이스를 네트워킹하고; 데이터베이스 서버의 위성영상 데이터베이스, AWS 데이터베이스 및 시설물벡터 데이터베이스와, 시스템구동서버의 그래픽 사용자인터페이스, 시스템구동 및 디스플레이를 이용하여 모디스 위성영상과 AWS 자료기반 폭설분석, 적설면적/위험지역산출 및 GIS매핑, 그리고 폭설분석 결과저장관리를 수행한 것을 그 특징으로 한다.
본 발명의 다른 구체적인 특징은, 눈지역 산출로써 눈이 덮힌 지역을 찾아내는 모디스 위상영상을 수신 및 저장하는 영상수신안테나와 위성영상 데이터베이스, 눈특성 분석으로써 AWS 자료의 기온, 습도, 적설량 정보를 이용하여 내린 눈의 특성(습설/건설)을 파악하는 AWS 자료를 저장하는 AWS 데이터베이스, 위험정보 추출로써 스마트팜맵의 비닐하우스와 GIS 건물통합정보의 건축물 정보를 연계함으로 시설물 붕괴기준을 적용하여 폭설에 의한 붕괴위험 시설물을 찾아내는 시설물벡터자료를 저장하는 시설물벡터 데이터베이스를 네트워킹하고; 데이터베이스 서버의 위성영상 데이터베이스, AWS 데이터베이스 및 시설물벡터 데이터베이스와, 시스템구동서버의 그래픽 사용자인터페이스, 시스템구동 및 디스플레이를 이용하여 모디스 위성영상과 AWS 자료기반 폭설분석, 적설면적/위험지역산출 및 GIS매핑, 그리고 폭설분석 결과저장관리를 수행하도록 구성되어; 모디스기반 폭설분석에서는 위성수신안테나로부터 실시간으로 수신한 모디스 위성영상의 전처리, 지수산출을 통해 적설지역을 산출하고 있으며; 적설면적/위험지역산출 및 GIS매핑은 GIS 자료와 적설지역 추출결과를 연계하고, 시설물 붕괴기준을 적용하여 폭설 지역내 위험한 시설물 정보를 추출하고; 폭설분석 결과저장관리는 분석 결과물은 분석영상 별로 운영자의 자료수정 또는 제작을 위한 GeoTiff 파일과, PNG, JPG, KML형태의 자료로 제작 및 생성할 수 있는 것이다.
이상 설명한 바와 같이 본 발명에 의하면, 국립재난안전연구원에 구축된 위성영상 수신안테나로 획득하는 모디스 위성영상과 기상청의 FTP(File Transfer Protocol)를 통해 들어오는 AWS 자료를 이용하여 폭설이 오는 지역에 해당하는 GIS건물통합정보의 동식물 시설물이나 스마트팜맵의 비닐하우스들이 붕괴할 위험이 있는지에 관한 판단을 자동으로 생성해주는 효과를 갖는다.
도 1 은 본 발명의 실시예에 따른 시설물붕괴위험지도 자동생성시스템을 설명하기 위한 시스템구성도,
도 2 는 도 1 에 도시된 AWS 자료 관련사항을 설명하기 위한 도면,
도 3 은 도 1 에 도시된 시설물 벡터자료 관련사항을 설명하기 위한 도면,
도 4 는 도 1 에 도시된 그래픽 사용자인터페스(GUI)를 설명하기 위한 디스플레이화면,
도 5 는 그래픽 사용자인터페이스(GUI) 환경설정을 도시해 놓은 화면,
도 6 및 도 7 은 본 발명의 시설물붕괴위험지도 자동생성시스템을 상세 설명하기 위해 특징흐름도이다.
도 2 는 도 1 에 도시된 AWS 자료 관련사항을 설명하기 위한 도면,
도 3 은 도 1 에 도시된 시설물 벡터자료 관련사항을 설명하기 위한 도면,
도 4 는 도 1 에 도시된 그래픽 사용자인터페스(GUI)를 설명하기 위한 디스플레이화면,
도 5 는 그래픽 사용자인터페이스(GUI) 환경설정을 도시해 놓은 화면,
도 6 및 도 7 은 본 발명의 시설물붕괴위험지도 자동생성시스템을 상세 설명하기 위해 특징흐름도이다.
이하, 본 발명의 바람직한 실시예를 예시도면에 의거하여 상세히 설명한다.
도 1 은 본 발명의 실시예에 따른 시설물붕괴위험지도 자동생성시스템을 설명하기 위한 시스템구성도이고, 본 발명은 모디스(MODIS) 위성영상과 기상청의 AWS 자료를 이용한 시설물붕괴위험지도 자동생성시스템인 것이다.
즉, 국립재난안전연구원에 구축된 위성영상 수신안테나(1)로 획득하는 모디스 위성영상과 기상청에서의 파일전송 전용서비스 FTP를 통해 들어오는 AWS자료(2)를 이용하여 폭설이 오는 지역에 해당하는 시설물이 붕괴할 위험이 있는지에 관한 판단을 자동으로 해주는 시설물붕괴위험지도 자동생성시스템이고, 여기서 적설량을 이용하여 붕괴위험 시설물추출을 할 수 있도록 농림축산식품부와 국토교통부로부터의 시설물 벡터자료(3)가 시설물벡터 데이터베이스(DB)(6)에 들어오고 있다.
따라서, 눈지역 산출, 눈특성 분석 및 위험정보 추출의 폭설대비 위험정보에서는 모디스 위상영상을 이용하여 눈이 덮힌 지역을 찾아낼 수 있고, 기상청의 AWS 자료(2)의 기온, 습도, 적설량 정보를 이용하여 내린 눈의 특성(습설/건설)을 파악할 수 있으며, 스마트팜맵의 비닐하우스와 GIS 건물통합정보의 건축물 정보를 연계함으로 시설물 붕괴기준을 적용하여 폭설에 의한 붕괴위험 시설물을 찾아낼 수 있도록 구성되어 있다.
데이터베이스(DB) 서버에서는 모디스 위성영상 데이터베이스(4), AWS #1(온도와 습도)DB와 AWS #2(적설)DB의 AWS 데이터베이스(5), 시설물벡터 데이터베이스(6)로 구성되고 있으며, 시스템 구동서버에서는 그래픽 사용자인터페이스(GUI : 7), 시스템 구동(8), 및 디스플레이 (9)로 구성되어져 있다.
기상청의 AWS 데이터베이스(5)의 설명은 도 2 에서, 시설물벡터 데이터베이스(6)의 설명은 도 3 에서 각기 상세히 설명하기로 하고, 시스템 구동서버의 그래픽 사용자인터페이스(GUI : 7)와 GUI 환경설정의 설명은 도 4 에서, 시스템 구동 (6), 및 디스플레이(7)의 설명은 도 6 및 도 7 에서 각기 상세히 설명하기로 한다.
이상 설명한 바와 같이 본 발명에 의하면, 폭설예상지역 사진정보제공과 시설붕괴 위험지역정보를 이용하여 준- 실시간 폭설재난 대응 및 상황파악, 피해최소화할 수 있는 공간정보 통합폭설 분석자동화를 구현할 수 있는 시설물붕괴지도 자동생성시스템을 제공할 수 있다.
도 2 는 도 1 에 도시된 AWS 자료 관련사항을 설명하기 위한 도면이다.
입력자료 수집단계에서는 기상청에서의 파일전송 전용서비스 FTP를 통해 재난안전연구원(이하 재난연이라 칭함)의 위성영상 수신서버로 AWS 자료를 전송받고 있는 바, 상기 AWS 자료는 총 2가지로써 AWS #1와 AWS #2가 획득되고 있으며, AWS #1은 재난연으로 들어오는 분단위 AWS 자료로써 해당 자료에서 온도와 습도를 획득하고 있고, AWS #2는 적설 관련 자료인 것이다.
상기 AWS 자료에서는 우측 화면의 TXT 형태로 전송되고 있음으로, 상기 AWS 자료는 AWS #1와 AWS #2 데이터베이스(DB)에 온도와 습도, 적설 관련자료가 각기 저장되고 있다.
이어서 AWS TXT 자료는 TXT 자료 내에 있는 경위도 자표를 통해 포인트 벡터(Point vector) 자료로 변환되고 있으며(도 2 의 우측 화면 참조), 이러한 포인트 벡터(Point Vector) 자료의 각 점은 해당 지점에 대한 온도, 습도, 적설량 등을 담고 있는 것이다.
*
포인트로 변환된 자료는 영상으로 변환하기 위해 크리깅 보간법(Kriging method)를 이용하고 있는 바, 그러면 도 2 의 우측 그림과 같이 지역별 온도변화, 습도변화, 적설량 변화의 영상 파일을 획득할 수 있도록 되어 있다. 데이터베이스 서버의 AWS 데이터베이스에 저장되고 있다.
도 3 은 도 1 에 도시된 시설물 벡터자료 관련사항을 설명하기 위한 도면이다.
입력자료수집단계에서 시설물 벡터자료로는 GIS 건물통합정보와 스마트 팜지도정보를 전송받고 있는 바, 그 중 GIS 건물통합정보는 인터넷에서 전송 다운받을 수 있고, 스마트 팜지도는 농진청 시스템에서 제공받을 수 있다.
본 발명에서는 GIS 건물통합정보에 동식물 관련 시설물만 추출하고 있으며, 다른 정보들은 삭제하고 있다. 스마트팜맵의 경우에는 원자료 그대로 사용하고 있도록 되어 있다.
공지의 공간정보 소프트웨어인 ArcGIS를 이용해서 래스터(Raster) 파일을 포인트 파일로 변환하고 있는 바, 상기 래스터 파일이 용량이 크기 때문에 시스템상으로 처리 속도를 줄이기 위해 포인트로 변환하고 있다.
따라서, 데이터베이스 서버의 시설물벡터 데이터베이스에 저장되고 있다.
도 4 는 도 1 에 도시된 그래픽 사용자인터페스(GUI)를 설명하기 위한 디스플레이화면이다. 화면상으로 설정부, 동작부 및 표시부로 디스플레이되고 있다.
시스템 구동서버의 그래픽 사용자인터페이스에서 동작은 설정부의 자동과 수동으로 나눠지고 있는 바, 설정부에서 자동은 모디스 위성영상을 취득할 ? 자동으로 분석이 되고 있으며, 수동은 사용자가 원하는 시기에 원하는 영상을 분석하고 있도록 되어 있다.
오른쪽 설정부에는 알고리즘 환경설정의 폭설 분석모드, 입력/출력 경로설정 , AWS 자료수집설정, 건설/습설 기준값(Threshold)설정, GIS시설 붕괴위험 기준값 설정이 각기 디스플레이되고 있다.
설정부의 입력/출력 경로설정에 모디스(MODIS) 위성의 MOD03과 MOD021KM 영상의 폴더를 입력하게 된다. AWS는 포인트 벡터 파일이고, AWS가 저장된 데이터베이스(DB) 정보는 환경설정에서 입력이 가능하도록 되어 있다.
설정부의 AWS 자료수집설정은 수동으로 입력할 때 필요한 부분이고, 자동설정시에는 모듈이 자체적으로 영상 취득시기의 AWS 자료를 찾아서 처리하도록 되어 있다. 건습설 기준값 설정 및 GIS 시설 붕괴위험 기준값 설정은 사용자가 설정할 수 있다.
도 5 는 그래픽 사용자인터페이스(GUI) 환경설정을 도시해 놓은 화면이다.
환경설정에는 자동모드설정, 고정자료경로설정, DB 설정에 AWS 자료수집 DB, 폭설분석 결과저장 DB로 표시되고 있다.
자동모드와 수동모드로 나눠어지고, 자동모드는 위성영상을 취득할 ? 자동으로 분석이 되고 있으며. 수동모드는 사용자가 원하는 시기에 원하는 영상을 분석하고 있다.
설정부에 MODIS 위성의 MOD03과 MOD021KM 영상의 폴더를 입력하고 있고, AWS 는 포인트 벡터 파일로 AWS #1과 AWS #2가 저장된 각각의 데이터베이스(DB)에 접속해서 로딩하고 있다. 건습설 기준값 설정 및 GIS 시설 붕괴위험 기준값 설정은 사용자가 설정할 수 있도록 되어 있다.
도 6 및 도 7 은 본 발명의 시설물붕괴위험지도 자동생성시스템을 상세 설명하기 위해 특징흐름도이다.
본 발명의 시설물붕괴위험지도 자동생성시스템에서는 입력자료 수집단계, 모디스 위성영상과 AWS 자료기반 폭설분석단계, 적설면적/위험지역산출 및 GIS매핑단계, 그리고 폭설분석 결과저장관리단계로 구분되고 있다.
입력자료 수집단계에서 네트워크를 통해 기상청으로부터 직접수신한 기온, 습도 및 적설의 AWS 자료는 도 2 에서 설명하였듯이 실제 AWS #1과 #2를 이용하여 제작한 영상 파일이 기온, 습도, 적설량 이미지 생성되고 있다. 상기 기온 및 습도의 지도영상은 폭설분석결과 이미지 생성 과정다음으로 보내주는 한편, 적설량의 지도영상은 습설 및 건설이 구분된 영상생성 과정다음으로 보내주고 있다.
모디스기반 폭설분석단계에서는 위성수신안테나로부터 실시간으로 수신한 모디스 위성영상의 전처리, 지수산출을 통해 적설지역을 산출하고 있다.
즉, 위성영상의 전처리 보정과정에서 좌표 변환으로 시뉴소이달(Sinusoidal)은 사인파형으로 변화하는 것이고, UTM 좌표는 임의의 지점으로부터 동으로의 거리를 표시하는 남 북선들과 동일한 지점으로부터 북으로의 거리를 표시하는 동 서선에 의하여 지도 상의 위치를 결정하는 방법이다. 따라서, 시뉴소이달좌표에서 UTM 좌표로 전환한 다음, 위성영상자르기와 해양지역제거를 통해 대기보정을 하게 된다.
대기보정은 위성영상을 보정하는 방법이고, 모디스(MODIS) 위성은 지표면에서 방출되는 에너지를 감지하여 영상을 생성하는데, 이때 대기에 의해 센서로 들어오는 에너지들이 감쇠 또는 산란되고 있다. 이 감쇠 또는 산란되는 값들을 보정하는 것이 대기보정이며, ENVI에서 제공하는 공지의 QUAC 알고리즘은 대기보정하는 방법인 것이다.
대기보정에 이어서 지형보정은 위성영상에서 산간지역의 경우 그림자로 인해 반사도값에 오류가 생긴 부분을 보정하는 방법인 바, 그림자로 인해 에러가 생긴부분들을 찾아내서 보정을 하고 있다. ENVI에서 제공하는 공지의 COSINE 알고리즘은 지형보정의 한 방법인 것이다.
위성영상의 전처리 보정다음의 눈지수 NDSI(Normalized Difference Snow Index)로써 가시광영역과 단파장영역으로 산출하고 있으며, 가시광은 녹색파장대를 이용하고 단파장영역(SWIR)은 (1 ~ 3 um)를 이용하고 있다.
또한, 위성영상에 포함된 여러 가지 효과를 제거하기 위해, 즉 눈지수 임계값은 NDSI > 0.4 이고, 수분효과제거는 Red 밴드(0.86um) > 0.11 이며, 다크픽셀제거는 Green 밴드(0.55um) > 0.1 이고, 열점제거는 열적외밴드 < 283K 인 것이다.
상기와 같이 폭설분석과정에서 임계치를 적용하고 있으며, 분석결과 이미지생성과정에서 폭설분석된 TIFF파일을 획득할 수 있도록 되어 있다.
분석결과 이미지생성과정과 기온 및 습도 이미지생성 과정을 통해 습설 및 건설이 구분된 영상생성과정으로 행해지고 있다.
습설 및 건설은 다음과 같은 임계치로 산출되고 있는 바, 즉 AWS 온도자료에서 기온이 -7 ~ +1 도 인 지역이고, AWS 습도자료에서 습도가 70% 이상인지역을 습설로 구분하고, 나머지는 건설로 지정하도록 되어 있다. 지도상에 표시된 각 지역별로 붕괴 가능성이 있는 건물들의 비교를 나타내고 있다.
습설 및 건설이 구분된 영상생성과정과 적설량이미지 생성과정을 통해 적설량을 이용하여 붕괴위험 시설물추출과정이 행해지고 있다.
설질에 따른 시설물 붕괴위험 기준인 바, 건설에서는 비닐하우스: 54cm, 축사건물: 140cm 이고, 습설에서는 비닐하우스: 20cm, 축사건물: 50cm 인 것이다.
그러므로, 습설및 건설이 구분된 영상과 적설 영상을 비교하여 붕괴위험 시설물을 추출할 수 있다. 즉, 지도에 도시된 바와 같이 붕괴위험 동식물시설물 현황과 붕괴위험 비닐하우스 현황을 알 수 있다.
그러므로, 적설량을 이용하여 붕괴위험 시설물추출과정에 이어 결과보고서 제작과정에서 각 지역별로 붕괴 가능성이 있는 건물들의 비교를 나타낼 수 있다.
도 7 에 도시된 바와 같이, 본 발명은 입력자료 수집단계, 모디스 위성영상과 AWS 자료기반 폭설분석단계, 적설면적/위험지역산출 및 GIS매핑단계, 그리고 폭설분석 결과저장관리단계로 구분되고 있다.
본 발명은 운영자가 구동시스템을 자동 및 수동으로 관리가능하고, 도 5 에 도시된 환경설정 정보를 통해 폭설분석시 필요한 임계 값, 즉 습설/건설 분류기준과 시설물 붕괴위험기준을 설정할 수 있다.
입력자료 수집단계에서 모디스 위상영상은 위성수신안테나로부터 실시간 수신하고, AWS 자료는 네트워크를 통해 기상청으로부터 직접수신하며, 시설물 벡터자료는 스마트팜맵에서 제공하는 비닐하우스 정보와 GIS 건물통합정보에서 제공하는 시설재배지 및 동식물 관련시설물 자료를 이용하고 있다.
모디스 위성영상과 AWS 자료기반 폭설분석단계는 모디스 위성영상의 전처리 및 지수산출을 통해 적설지역을 산출하고, AWS 자료로써 위성촬영 시점을 기준으로 기온과 습도정보는 24시간내 데이터 평균으로 사용하는 한편 적설정보는 위성촬영 시점의 신적설정보를 활용할 수 있다.
포인트형태로 제공되는 AWS 자료는 위성영상과의 중첩을 위해서 크리깅 보간벙을 이용하여 격자형태로 보간할 수 있다. 상기와 같은 정보들을 중첩하여 적설지역을 습설 및 건설지역으로 구분할 수 있다.
적설면적/위험지역산출 및 GIS매핑단계는 GIS 자료와 적설지역 추출결과를 연계하고, 시설물 붕괴기준을 적용하여 폭설 지역내 위험한 시설물 정보를 추출하며, 이렇게 추출된 시설물정보는 행정구역 단위로 분석을 진행하여 통계지표를 산출할 수 있다.
폭설분석 결과저장관리단계로써 분석 결과물은 분석영상 별로 운영자의 자료수정 또는 제작을 위한 GeoTiff 파일과, PNG, JPG, KML형태의 자료로 제작 및 생성할 수 있다. 자료 획득 및 공유의 용이성을 위해 폭설 분석으로 산출된 보고서 및 자료들을 카탈로그 시스템과 연동하도록 구성할 수 있다.
이상 설명한 바와 같이 본 발명의 시설물붕괴위험지도 자동생성시스템에 의하면, 국립재난안전연구원에 구축된 위성영상 수신안테나로 획득하는 모디스 위성영상과 기상청의 FTP(File Transfer Protocol)를 통해 들어오는 AWS 자료를 이용하여 폭설이 오는 지역에 해당하는 GIS건물통합정보의 동식물 시설물이나 스마트팜맵의 비닐하우스들이 붕괴할 위험이 있는지에 관한 판단을 자동으로 생성해주는 효과를 갖는다.
본 발명의 시설물붕괴위험지도 자동생성시스템은 기재된 실시예에 한정되는 것이 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 및 변형을 할 수 있음은 이 기술 분야에서 통상의 지식을 가진 자에게는 자명하다.
따라서, 그러한 변형예 또는 수정예들은 본 발명의 특허청구범위에 속한다 해야 할 것이다.
1 : 위성영상 수신안테나
2 : AWS 자료
3 : 시설물벡터자료
4 : 위성영상데이터베이스
5 : AWS 데이터베이스
6 : 시설물벡터 데이터베이스
7 : 그래픽 사용자인터페이스(GUI)
8 : 시스템구동
9 : 디스플레이
2 : AWS 자료
3 : 시설물벡터자료
4 : 위성영상데이터베이스
5 : AWS 데이터베이스
6 : 시설물벡터 데이터베이스
7 : 그래픽 사용자인터페이스(GUI)
8 : 시스템구동
9 : 디스플레이
Claims (5)
- 눈이 덮힌 지역을 찾아내게 모디스 위상영상을 수신 및 수집저장하는 영상수신안테나와 위성영상 데이터베이스, AWS 자료의 기온, 습도, 적설량 정보를 이용하여 내린 눈의 특성(습설/건설)을 파악하게 AWS 자료를 수집저장하는 AWS 데이터베이스, 스마트팜맵의 비닐하우스와 GIS 건물통합정보의 건축물 정보를 연계함으로 시설물 붕괴기준을 적용하여 폭설에 의한 붕괴위험 시설물을 찾아내게 시설물벡터자료를 수집저장하는 시설물벡터 데이터베이스를 네트워킹하고;
데이터베이스 서버의 위성영상 데이터베이스, AWS 데이터베이스 및 시설물벡터 데이터베이스와, 시스템구동서버의 그래픽 사용자인터페이스, 시스템구동 및 디스플레이를 이용하여 모디스 위성영상과 AWS 자료기반 폭설분석, 적설면적/위험지역산출 및 GIS매핑, 그리고 폭설분석 결과저장관리를 수행하되,
상기 AWS 데이터베이스는 적설관련 자료를 획득하기 위한 AWS#2 DB외에도, 온도,습도에 의한 눈의 특성(습설 또는 건설)을 획득하기 위한 AWS#1 DB를 구비하고 있으며, 상기 AWS#1 DB의 온도자료에서 기온이 -7 ~ +1도인 지역이고 상기 AWS#1 DB의 습도자료에서 습도가 70% 이상인 지역을 습설로 구분하고, 나머지는 건설로 저장하게되며,
상기 그래픽 사용자인터페이스는 화면상에 설정부, 동작부, 표시부로 디스플레이되고, 상기 설정부에서는 알고리즘 환경설정의 폭설 분석모드, 입력/출력 경로설정, AWS 자료수집 설정, 건설/습설 기준값(Threshold) 설정, GIS시설 붕괴위험 기준값 설정이 디스플레이되는데,
상기 입력/출력 경로설정에서는 모디스 위성의 MOD03과 MOD021KM 영상의 폴더를 입력하고, 상기 AWS 자료수집 설정에서는 포인트벡터 파일로 AWS#1과 AWS#2가 저장된 각각의 데이터베이스(DB)에 접속하여 조정되며, 상기 건설/습설 기준값(Threshold) 설정 및 GIS시설 붕괴위험 기준값 설정에서는 사용자가 임의 설정하도록 구성되며,
상기 AWS 자료는 TXT형태로 전송되는데 TXT자료내에 있는 경,위도 자료를 통해 포인트벡터 자료로 변환되어, 이러한 포인트벡터 자료의 각 점은 해당 지점에 대한 온도, 습도, 적설량을 담게되고, 상기 포인트로 변환된 자료는 영상으로 변환하기 위해 크리깅 보간법을 이용하는 바, 지역별 온도 변화, 습도 변화, 적설량 변화의 영상파일을 획득하여 상기 데이터베이스 서버의 AWS 데이터베이스에 저장되는 것을 특징으로 하는 모디스 위성영상 및 AWS 자료를 이용한 시설물붕괴위험지도 자동정보시스템.
- 제 1 항에 있어서,
상기 시설물벡터 자료는 GIS 건물통합정보에 동식물 관련 시설물만 추출하고 있으며, 스마트팜맵의 경우에는 원자료 그대로 사용하고;
공지의 공간정보 소프트웨어인 ArcGIS를 이용해서 래스터 파일을 포인트 파일로 변환시킨 것을 특징으로 하는 모디스 위성영상 및 AWS 자료를 이용한 시설물붕괴위험지도 자동정보시스템.
- 제 1 항에 있어서,
상기 시스템 구동서버의 그래픽 사용자인터페이스에서 설정부의 자동은 모디스 위성영상을 취득할 ? 자동으로 분석이 되고 있으며, 수동은 사용자가 원하는 시기에 원하는 영상을 분석하고 있는 것을 특징으로 하는 모디스 위성영상 및 AWS 자료를 이용한 시설물붕괴위험지도 자동정보시스템.
- 눈지역 산출로써 눈이 덮힌 지역을 찾아내게 모디스 위상영상을 수신 및 수집저장하는 영상수신안테나와 위성영상 데이터베이스, 눈특성 분석으로써 AWS 자료의 기온, 습도, 적설량 정보를 이용하여 내린 눈의 특성(습설/건설)을 파악하게 AWS 자료를 수집저장하는 AWS 데이터베이스, 위험정보 추출로써 스마트팜맵의 비닐하우스와 GIS 건물통합정보의 건축물 정보를 연계함으로 시설물 붕괴기준을 적용하여 폭설에 의한 붕괴위험 시설물을 찾아내게 시설물벡터자료를 수집저장하는 시설물벡터 데이터베이스를 네트워킹하고,
데이터베이스 서버의 위성영상 데이터베이스, AWS 데이터베이스 및 시설물벡터 데이터베이스와, 시스템구동서버의 그래픽 사용자인터페이스, 시스템구동 및 디스플레이를 이용하여 모디스 위성영상과 AWS 자료기반 폭설분석, 적설면적/위험지역산출 및 GIS매핑, 그리고 폭설분석 결과저장관리를 수행하되,
상기 AWS 데이터베이스는 적설관련 자료를 획득하기 위한 AWS#2 DB외에도, 온도,습도에 의한 눈의 특성(습설 또는 건설)을 획득하기 위한 AWS#1 DB를 구비하고 있으며, 상기 AWS#1 DB의 온도자료에서 기온이 -7 ~ +1도인 지역이고 상기 AWS#1 DB의 습도자료에서 습도가 70% 이상인 지역을 습설로 구분하고, 나머지는 건설로 저장하게되며,
상기 그래픽 사용자인터페이스는 화면상에 설정부, 동작부, 표시부로 디스플레이되고, 상기 설정부에서는 알고리즘 환경설정의 폭설 분석모드, 입력/출력 경로설정, AWS 자료수집 설정, 건설/습설 기준값(Threshold) 설정, GIS시설 붕괴위험 기준값 설정이 디스플레이되는데,
상기 입력/출력 경로설정에서는 모디스 위성의 MOD03과 MOD021KM 영상의 폴더를 입력하고, 상기 AWS 자료수집 설정에서는 포인트벡터 파일로 AWS#1과 AWS#2가 저장된 각각의 데이터베이스(DB)에 접속하여 조정되며, 상기 건설/습설 기준값(Threshold) 설정 및 GIS시설 붕괴위험 기준값 설정에서는 사용자가 임의 설정하도록 구성되며,
상기 AWS 자료는 TXT형태로 전송되는데 TXT자료내에 있는 경,위도 자료를 통해 포인트벡터 자료로 변환되어, 이러한 포인트벡터 자료의 각 점은 해당 지점에 대한 온도, 습도, 적설량을 담게되고, 상기 포인트로 변환된 자료는 영상으로 변환하기 위해 크리깅 보간법을 이용하는 바, 지역별 온도 변화, 습도 변화, 적설량 변화의 영상파일을 획득하여 상기 데이터베이스 서버의 AWS 데이터베이스에 저장하도록 구성되어,
모디스기반 폭설분석에서는 위성수신안테나로부터 실시간으로 수신한 모디스 위성영상의 전처리, 지수산출을 통해 적설지역을 산출하고 있으며,
적설면적/위험지역산출 및 GIS매핑은 GIS 자료와 적설지역 추출결과를 연계하고, 시설물 붕괴기준을 적용하여 폭설 지역내 위험한 시설물 정보를 추출하고,
폭설분석 결과저장관리는 분석 결과물은 분석영상 별로 운영자의 자료수정 또는 제작을 위한 GeoTiff 파일과, PNG, JPG, KML형태의 자료로 제작 및 생성할 수 있는 것을 특징으로 하는 모디스 위성영상 및 AWS 자료를 이용한 시설물붕괴위험지도 자동정보시스템.
- 제 4 항에 있어서,
상기 추출된 시설물정보는 행정구역 단위로 분석을 진행하여 통계지표를 산출할 수 있는 것을 특징으로 하는 모디스 위성영상 및 AWS 자료를 이용한 시설물붕괴위험지도 자동정보시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170119456A KR102034193B1 (ko) | 2017-09-18 | 2017-09-18 | 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170119456A KR102034193B1 (ko) | 2017-09-18 | 2017-09-18 | 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170043041 Division | 2017-04-03 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180112650A true KR20180112650A (ko) | 2018-10-12 |
| KR102034193B1 KR102034193B1 (ko) | 2019-10-21 |
Family
ID=63876872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170119456A KR102034193B1 (ko) | 2017-09-18 | 2017-09-18 | 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102034193B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200095061A (ko) * | 2019-01-31 | 2020-08-10 | 주식회사 디케이이앤씨 | 적설위험 정보 데이터의 수집, 분석, 재난예보를 지원하는 기상위험정보 시스템 |
| KR102353115B1 (ko) * | 2021-02-16 | 2022-01-20 | 대한민국 | 열분포지도를 이용한 연구 서비스 제공 방법 |
| KR102588573B1 (ko) * | 2023-04-04 | 2023-10-16 | 대한민국 | 위성영상을 이용한 가뭄 분석방법 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102285801B1 (ko) | 2021-02-25 | 2021-08-05 | 대한민국 | 천리안위성 2a호 위성영상을 활용한 기상영상 생성방법, 표시방법 및 시스템 |
-
2017
- 2017-09-18 KR KR1020170119456A patent/KR102034193B1/ko active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| GIS/RS를 이용한 비닐하우스 폭설 피해지역 추출기법 연구(2011.12)* * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200095061A (ko) * | 2019-01-31 | 2020-08-10 | 주식회사 디케이이앤씨 | 적설위험 정보 데이터의 수집, 분석, 재난예보를 지원하는 기상위험정보 시스템 |
| KR102353115B1 (ko) * | 2021-02-16 | 2022-01-20 | 대한민국 | 열분포지도를 이용한 연구 서비스 제공 방법 |
| KR102588573B1 (ko) * | 2023-04-04 | 2023-10-16 | 대한민국 | 위성영상을 이용한 가뭄 분석방법 |
| WO2024210342A1 (ko) * | 2023-04-04 | 2024-10-10 | 대한민국(행정안전부 국립재난안전연구원장) | 위성영상을 이용한 가뭄 분석방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102034193B1 (ko) | 2019-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10032267B2 (en) | Automating the assessment of damage to infrastructure assets | |
| Koutsias et al. | Logistic regression modelling of multitemporal Thematic Mapper data for burned area mapping | |
| KR20180112650A (ko) | 모디스 위성영상 및 aws 자료를 이용한 시설물붕괴위험지도 자동정보시스템 | |
| KR101821973B1 (ko) | 위성영상을 이용한 수계면적 분석방법 | |
| US20200051242A1 (en) | Determining risk posed by vegetation | |
| Rahman et al. | Urban tree damage estimation using airborne laser scanner data and geographic information systems: An example from 2007 Oklahoma ice storm | |
| CN113420674A (zh) | 基于点云数据的森林档案模型构建方法、装置及存储介质 | |
| Rodríguez et al. | A methodology to conduct wind damage field surveys for high-impact weather events of convective origin | |
| Yang et al. | Flood detection based on unmanned aerial vehicle system and deep learning | |
| US12099952B2 (en) | Computer vision systems and methods for detecting power line hazards from imagery | |
| Bisson et al. | LiDAR-based digital terrain analysis of an area exposed to the risk of lava flow invasion: the Zafferana Etnea territory, Mt. Etna (Italy) | |
| Sohn et al. | Resilient Heritage Using Aerial and Ground-Based Multi-sensor Imagery | |
| Gopinath | Free data and open source concept for near real time monitoring of vegetation health of Northern Kerala, India | |
| Amaral et al. | Urban forest management tools | |
| Ozisik | Post-earthquake damage assessment using satellite and aerial video imagery | |
| Arfan et al. | Mapping Analysis of Mangrove Areas using Unmanned Aerial Vehicle (UAV) Method in Maros District South Sulawesi | |
| Ramlal et al. | A Rapid Post-Hurricane Building Damage Assessment Methodology using Satellite Imagery. | |
| KR101941468B1 (ko) | 중·저해상도 위성영상을 활용한 피해규모 자동탐지방법 | |
| ABDUL BASITH | Landslide susceptibility modelling under environmental changes: A case study of Cameron Highlands, Malaysia | |
| Munawar et al. | Application of Deep Learning on UAV-Based Aerial Images for Flood Detection. Smart Cities 2021, 4, 1220–1242 | |
| Grubesic et al. | UAVs for Rapid Storm Damage Assessment | |
| Rodríguez Ballester et al. | A methodology to conduct wind damage field surveys for high-impact weather events of convective origin | |
| Balık Şanlı | Monitoring land use/cover change and its effects in a higly urbanized district of a metropolitan city Istanbul, Turkey | |
| Deng | Flood Resilience Assessment of New Orleans After Hurricane Katrina Based on Thermal and Vegetation Index Image Time Series | |
| Pulvirenti et al. | Object-Based Validation of a Sentinel-2 Burned Area Product Using Ground-Based Burn Polygons |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |