KR20200063682A - 인공위성 영상을 이용한 하천의 유량추정방법 및 장치 - Google Patents

인공위성 영상을 이용한 하천의 유량추정방법 및 장치 Download PDF

Info

Publication number
KR20200063682A
KR20200063682A KR1020180149706A KR20180149706A KR20200063682A KR 20200063682 A KR20200063682 A KR 20200063682A KR 1020180149706 A KR1020180149706 A KR 1020180149706A KR 20180149706 A KR20180149706 A KR 20180149706A KR 20200063682 A KR20200063682 A KR 20200063682A
Authority
KR
South Korea
Prior art keywords
flow
image
stream
flow rate
images
Prior art date
Application number
KR1020180149706A
Other languages
English (en)
Other versions
KR102127405B1 (ko
Inventor
김동균
Original Assignee
홍익대학교 산학협력단
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 홍익대학교 산학협력단 filed Critical 홍익대학교 산학협력단
Priority to KR1020180149706A priority Critical patent/KR102127405B1/ko
Publication of KR20200063682A publication Critical patent/KR20200063682A/ko
Application granted granted Critical
Publication of KR102127405B1 publication Critical patent/KR102127405B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Abstract

인공위성 영상을 이용한 하천의 유량추정방법이 개시된다. 본 발명에 따른 인공위성 영상을 이용한 하천의 유량추정방법은 합성 개구레이더 영상을 이용한 하천의 유량추정방법으로서, 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 하는 단계; 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계; 및 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계;를 포함한다.

Description

인공위성 영상을 이용한 하천의 유량추정방법 및 장치{METHOD AND APPARTUS FOR ESTIMATING STREAM FLOW DISCHARGE USING SATELLITE IMAGES AT STREAMS}
본 발명은 인공위성 영상을 이용한 하천의 유량추정방법 및 장치에 관한 것으로, 보다 상세하게는 합성개구레이더 인공위성 영상 자료와 지상관측 유량자료를 이용하여 대규모 하천뿐 아니라 중소규모 하천의 유량을 추정할 수 있는, 인공위성 영상을 이용한 하천의 유량추정방법 및 장치에 관한 것이다.
유량자료는 수자원 계획 및 정책결정, 관련시설 운영 등의 수자원관리에 가장 기초가 된다.
과거에는 현장관측소에서 수위를 연속하여 관측하고 수위-유량 관계식을 이용하여 유량을 추정하여 왔으나, 현장 관측 및 자료에 대한 접근이 어려워 이를 보완할 수 있는 인공위성을 활용한 유량추정방법이 활용되고 있다.
인공위성을 이용한 유량추정방법에는 레이더 고도측정법, 레이더 간섭기법 등을 사용하여 수위를 측정한 후 유량을 추정하는 방법과 인공위성 영상에서 추출한 강의 폭이나 면적과 지상관측소에서 측정한 유량과의 관계를 이용하는 방법 등이 있다.
인공위성을 이용한 유량추정방법 중 레이더 고도측정법은 대규모 하천에서 수위의 변동을 직접 측정할 수 있는 방법으로, 본래 해수면 높이 변화를 측정하기 위하여 개발되었으나, 최근에는 대규모 하천 및 호수의 수위 추정에도 사용되고 있다.
또한 인공위성을 이용한 유량추정방법 중 인공위성 영상에서 추출한 강의 폭이나 면적과 지상관측소에서 측정한 유량과의 관계를 이용하는 방법은, 정확한 유량 추정을 위해서는 한 개 이상의 지상관측 자료가 필요하고 경사도, 식생 피복 등을 명확하게 매개변수화해야 하며, 길이가 10km 이상인 크고 구분이 명확한 망상 하천에서 인공위성 기반의 유량 추정의 정확도가 더 높다.
상기와 같이 다양한 방법들이 인공위성을 이용하여 유량을 추정하는데 사용되고 있지만, 대부분의 방법들이 위성영상자료의 해상도로 인한 오차에 덜 민감한 대규모 하천에서 이루어지고 있으며, 중소규모 하천의 경우에 대하여 적용한 경우는 드물다.
또한, 하천폭-유량, 수위-유량과의 관계를 구축하는 연구가 대부분인데, 전자의 경우 위성영상의 해상도에 영향을 크게 받아 높은 해상도의 영상이 필요한 중소규모 하천에 적용하기가 힘들고, 후자의 경우 수위를 잴 수 있는 센서를 탑재한 인공위성이 많지 않아 촬영주기가 길어 활용성 측면에서 단점을 갖는다.
대한민국 등록특허 제10-1319477호(2013.10.17)
본 발명은 상기와 같은 종래 인공위성을 이용한 하천의 유량추정방법의 한계점을 해소하기 위한 것으로, 인공위성을 활용하여 다양한 범위의 하천에 적용할 수 있으며 높은 정확도를 갖는, 인공위성 영상을 이용한 하천의 유량추정방법 및 장치를 제공하기 위한 것이다.
전술한 기술적 과제를 해결하기 위한 본 발명에 따른 인공위성 영상을 이용한 하천의 유량추정방법은, 합성 개구레이더 영상을 이용한 하천의 유량추정방법에 있어서, 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 하는 단계; 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계; 및 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계;를 포함한다.
상기 전처리를 하는 단계는, 각 이미지의 픽셀값을 레이더 후방 산란값으로 변환하기 위한 방사보정 단계; 산란에 의해 발생한 스펙클(speckle)을 제거하기 위한 스펙클 필터링 단계; 각 이미지에 대한 지형보정을 하는 단계; 및 각 이미지를 관측소 주변 영역으로 자르는 단계;를 포함할 수 있다.
상기 이미지 밝기 분포를 동일하게 하는 단계는, 누적분포함수를 활용한 히스토그램 매칭기법을 이용하여 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스트로그램과 일치하게 바꾸어 줄 수 있다.
상기 기준 이미지는 하천의 경계가 뚜렷한 이미지인 것을 특징으로 한다.
유량추정모형을 구축하는 단계는, 특정 하천영역을 다각형으로 분리하는 단계; 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계; 및 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 단계;를 포함할 수 있다.
상기 임계치 분류방식을 통해 특정 임계값을 기준으로 수체와 비수체를 분류하되, 상기 다각형으로 분리된 하천영역의 픽셀값이 상기 특정 임계값 보다 작으면 수체로 상기 특정 임계값 이상이면 비수체로 분류하는 것을 특징으로 한다.
상기 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계는, 주어진 수체-비수체 임계값의 범위에 대하여 하나의 특정 임계값을 선택한 후 밝기 분포가 일치된 관측소별 다수 개의 이미지들 각각에 대하여 수체-비수체분류를 하는 제1 선택 단계; 상기 관측소별 다수 개의 이미지들의 수체 면적 각각의 촬영 시간에 해당하는 하천 유량과의 상관관계를 도출하는 제2 선택 단계; 수체-비수체 임계값을 바꾸어 상기 제1 선택 단계 및 제2 선택 단계를 반복 하면서 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값을 기록하는 제3 선택 단계; 및 상기 제1 내지 제3 선택 단계를 각 이미지의 다른 다각형지역에 대하여 시도하여, 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 제4 선택 단계;를 포함할 수 있다.
전술한 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따르면, 인공위성 영상을 이용한 하천의 유량추정방법의 각 단계들을 실행시키기 위해 기록매체에 저장된 컴퓨터 프로그램이 이용될 수 있다.
전술한 기술적 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정장치는, 각 하천별로 생성된 다수 개의 합성개구레이더 영상 정보가 저장된 위성 영상 데이터베이스; 상기 다수 개의 합성개구레이더 영상 촬영 당시의 지상 관측 유량자료가 저장된 관측소 유량 데이터베이스; 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 수행하고, 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 전처리부; 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 유량추정모형 구축부;를 포함한다.
상기 유량추정모형 구축부는, 특정 하천영역을 다각형으로 분리하고, 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하여, 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 것을 특징으로 한다.
본 발명에 따르면, 인공위성을 이용하여 유량을 추정하는 다른 방법에 비해 위성영상자료의 해상도로 인한 오차에 덜 민감한 대규모 하천에 적용할 수 있음은 물론 폭이 50m 이상의 중소규모 하천에도 적용할 수 있다.
또한, 본 발명에 따르면 특정 하천영역을 다각형으로 잘라 분리한 후 잘라낸 다각형 내의 픽셀값들에 대하여 임계치 분류방식을 적용함으로써 하천의 면적이나 형상에 구애됨 없이 다양한 하천에 적용할 수 있다.
도 1은 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정방법을 나타내는 순서도이며,
도 2는 도 1의 유량추정모형을 구축하는 단계를 구체적으로 나타내는 순서도이며,
도 3은 도 2의 최적 임계값 및 다각형 지역을 선택하는 것을 구체적으로 나타내는 순서도이며,
도 4는 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정장치를 나타내는 블럭도이며,
도 5는 본 발명의 실시예에 따른 전처리과정을 나타내는 예시도이며,
도 6은 본 발명의 실시예에 따른 영상의 이미지의 밝기 분포를 동일화하는 과정을 나타내는 예시도이며,
도 7은 본 발명의 실시예에 따른 유량 추정 모형을 구축하는 과정을 나타내는 예시도이며,
도 8은 다각형 지역의 선택에 따른 상관관계를 나타내는 예시도이며,
도 9는 본 발명이 실시예에 따른 유량 추정 모형을 나타내는 예시도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정방법을 나타내는 순서도이며, 도 2는 본 발명의 실시예에 따른 유량추정모형을 구축하는 단계를 구체적으로 나타내는 순서도이며, 도 3은 본 발명의 실시예에 따른 최적 임계값 및 다각형 지역을 선택하는 것을 구체적으로 나타내는 순서도이며, 도 4는 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정장치를 나타내는 블럭도이다.
도 5 내지 도 9는 도 1 내지 도 3의 인공위성 영상을 이용한 하천의 유량추정방법을 보다 구체화하여 설명하기 위한 예시도이다.
도 1 내지 도 9를 참조하면 본 발명에 따른 인공위성 영상을 이용한 하천의 유량추정방법은, 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 하는 단계(S100); 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계(S200); 및 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계(S300);를 포함한다.
전처리를 하는 단계(S100)는 위성영상의 오류를 보정하는 단계이다. 본 실시예에서는 유량추정모형 구축 및 검증을 위하여 유럽항공우주국(European Space Agency)에서 운영하는 Sentinel-1 위성이 생산하는 합성개구레이더(Synthetic Aperture Radar, SAR) 영상자료를 이용하였다. 그러나, 본 발명에서는 유량추정모형 구축 및 검증을 위하여 Sentinel-1 인공위성에 한정되지 않고 다른 인공위성 영상자료도 사용할 수 있다.
위성영상은 미리 설정된 관측소 인근에 대한 영상자료로서 본 실시예에서는 12개의 영상사진이 사용되며, 영상사진의 수는 본 실시예에 제한되지 않는다.
전처리를 하는 단계(S100)는, 각 이미지의 픽셀값을 레이더 후방 산란값으로 변환하기 위한 방사보정 단계; 산란에 의해 발생한 스펙클(speckle)을 제거하기 위한 스펙클 필터링 단계; 각 이미지에 대한 지형보정을 하는 단계; 및 각 이미지를 관측소 주변 영역으로 자르는 단계;를 포함한다.
12개의 사진에 대한 픽셀값을 레이더 후방 산란값으로 변환하기 위해 도 5의 (a)와 같이 칼리브레이션(Calibration) 과정을 거친다. 초기 이미지 픽셀값은 방사보정이 되어있지 않아 방사 측정시의 편차가 남아 있다. 그러므로 이미지의 픽셀값이 실제로 레이더 후방 산란 값을 나타낼 수 있도록 방사보정 과정을 거쳐야 한다.
방사보정 과정 다음으로, 산란에 의해 발생한 밝거나 어두운 점들인 스펙클(speckle)을 제거하기 위하여 도 5의 (b)처럼 스펙클(speckle) 필터링 과정을 거친다.
스펙클(speckle) 필터링 과정은 다양한 분포 형태의 노이즈들을 처리하기 위하여 Mean, Median, Lee, Lee Sigma, Gamma-MA 등 8개의 필터를 지원하는 프로그램을 사용할 수 있는데, 본 실시예에서는 노이즈를 가우시안 분포로 가정하는 Lee sigma 필터를 사용하여 필터링을 한다. Lee sigma 필터는 관심 픽셀의 값을 지정된 범위 내에 있는 모든 픽셀값의 평균으로 바꿔준다.
지형보정을 하는 단계는 도 5(c)와 같이 지형 보정(Range-Doppler terrain correction)을 통해 이미지의 좌표체계를 WGS84 좌표계로 변환시키고 보정하는 단계이다. 지형보정을 통해 지형변화와 위성 센서의 기울기에 의한 왜곡을 보정하여 이미지의 기하학적인 형태가 실제와 최대한 가깝도록 만들게 된다.
이후, 도 5(d)와 같이 12 개의 사진을 미리 설정된 관측소 주변 영역으로 잘라낸다.
전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계(S200)는 누적분포함수를 활용한 히스토그램 매칭기법을 이용하여 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스트로그램과 일치하게 바꾸어 주는 단계로서, 미리 설정된 각 관측소 주변 영역에 대한 12 개 사진의 밝기 분포를 동일하게 만들어 주는 단계이다.
여기서, 기준 이미지는 하천의 경계가 뚜렷한 이미지이다.
위성영상은 동일한 지역을 동일한 궤도에서 촬영했더라도 촬영 당시의 기후조건, 일조량 등에 따라 영상의 밝기와 대비가 각기 다르다. 한 관측소에서 촬영한 여러 시기의 위성영상에서 하천의 면적을 추출할 때, 모든 영상의 이미지의 밝기 분포를 동일하게 만들어 주기 위하여 도 6과 같이 누적 분포 함수(Cumulative Distribution Function(CDF))를 활용한 히스토그램 매칭(Histogram Matching) 기법을 활용할 수 있다.
이를 통해 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스토그램과 일치하게 바꿔줄 수 있다. 이때, 이미지의 픽셀값은 밝기를 나타내며 이는 0과 1사이의 값으로 최대값과 최소값의 차이가 매우 커 로그(log)를 취하며, 너무 밝거나 어둡지 않고 하천의 경계가 뚜렷한 이미지를 기준 이미지로 선정한다.
본 실시예에서는 전처리를 하는 단계(S100)와 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계(S200)를 구분하였으나, 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계(S200)가 전처리를 하는 단계(S100)에 포함될 수 있다.
밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계(S300)는 밝기 분포를 일치시킨 이미지에서 임계치 분류방식(Threshold Separation Method)로 하천영역을 추출하여 하천의 면적과 유량의 상관관계를 파악하고 관계식을 구하여 유량 추정 모형을 구축하는 단계이다.
유량추정모형을 구축하는 단계(S300)는, 특정 하천영역을 다각형으로 분리하는 단계(S310), 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계(S320) 및 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 단계(S330)를 포함한다.
특정 하천영역을 다각형으로 분리하는 단계(S310)는 도 7(a)와 같이 하천영역을 붉은색의 다각형으로 분리하는 단계이다.
임계치 분류방식을 이미지 내 전체 픽셀에 적용할 경우, 타하천 및 주변 시설물, 토지 이용 등의 영향을 받는다. 그러므로 관측소와 관련된 하천만을 추출하고 타영향을 최소화하기 위하여 특정 하천영역을 다각형으로 잘라 분리한 후 잘라낸 다각형 내의 픽셀값들에 대하여 임계치 분류방식을 적용할 필요가 있다.
특정 하천영역을 다각형으로 잘리 분리하는 과정은 수작업으로 할 수 있으나, 자동화 과정으로 잘라 분리하는 것도 가능하다.
특정 하천영역을 다각형으로 잘리 분리하는 과정은, 다른 하천의 영향을 받지 않도록 하천이 합류 또는 분리되는 지점과 떨어진 영역을 선택해야 하거나, 댐이나 수력 발전소와 같은 하천의 자연스러운 흐름을 방해하는 시설물이 설치되어 영향을 받는 지역과 하천 주변이 정비되어 유량변화에 따라 하천의 면적 변화가 적은 곳을 피해 하거나, 하천 내에 모래섬이 있거나 하천 주변이 유량 변화에 민감하게 반응하는 곳을 선택하면 정확한 모형을 얻을 수 있다.
가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계(S320)는 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출한 후 하천의 면적과 유량의 상관관계를 파악한다.
임계치 분류방식은 특정 임계값(threshold)을 기준으로 수체와 비수체를 분류하는 방법이다. 합성개구레이더(SAR) 영상에서 수체는 후방 산란값이 작아 주변의 비수체보다 픽셀값이 작으며 어둡게 나타나므로 임계값 보다 픽셀값이 작으면 수체, 임계값 보다 크면 비수체로 분류한다.
가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계(S320)는, 주어진 수체-비수체 임계값의 범위에 대하여 하나의 특정 임계값을 선택한 후 밝기 분포가 일치된 관측소별 다수 개의 이미지들 각각에 대하여 수체-비수체분류를 하는 제1 선택 단계(S321), 관측소별 다수 개의 이미지들의 수체 면적 각각의 촬영 시간에 해당하는 하천 유량과의 상관관계를 도출하는 제2 선택 단계(S323), 수체-비수체 임계값을 바꾸어 제1 선택 단계 및 제2 선택 단계를 반복 하면서 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값을 기록하는 제3 선택 단계(S325) 및 제1 내지 제3 선택 단계를 각 이미지의 다른 다각형지역에 대하여 반복 시도하여, 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 제4 선택 단계(S327)를 포함한다.
제1 선택 단계(S321) 내지 제4 선택 단계(S327)를 반복하여 하천의 면적과 유량과의 상관관계를 가장 잘 나타내는 하천영역과 임계값을 산출한다. 이 과정을 통해 보다 정확한 하천 면적과 유량의 상관 관계식을 구할 수 있다.
가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계(S320)의 예시로서, 다각형 지역의 선택에 따른 상관관계를 나타내는 예시도인 도 8을 참조하면, 특정 지점에서 서로 다른 수체-비수체 임계값 및 다각형 지역(Case 1 과 Case 2)에 대하여 변화하는 수체면적-유량과의 상관계수를 알 수 있다.
도 8(a)와 같이 두 가지 경우의 다각형 지역에 대해서, 상관계수가 최대일 때의 임계값을 이용하여 하천 면적을 추출한 결과를 도 8(c)와 도 8(d)에 나타낸다. Case 1이 Case 2보다 상관관계가 뚜렷하게 나타났는데, Case 2의 경우, 선택한 영역에서 강의 합류 지점을 포함하여 상관관계가 뚜렷하게 나타나지 않은 것으로 파악된다.
본 발명에 따른 연구자들은 한강 유역 내 15개 관측소에서 하천의 유량을 추정하기 위하여 2015년 1월 1일부터 2017년 10월 31일까지의 12개의 Sentinel-1 위성영상 자료와 관측소 유량자료를 활용하였다.
유량추정모형은 지상 관측 자료와 인공위성 영상 자료를 사용하여 하천의 면적과 유량의 관계식을 산출하고 이를 통해 유량을 추정하는 모형이다. 따라서 인공위성 영상 촬영 당시의 지상 관측 자료가 필수적으로 요구된다. 기존 지상 관측 자료가 없는 곳의 경우, 먼저 위성 영상 촬영시간과 동일한 시간의 유량자료를 확보하여야 한다. 또한 다양한 범위에서 유량을 정확하게 예측하기 위해서, 저유량자료뿐만 아니라 고유량일 때의 자료가 모두 필요하다.
강원도 횡성군에 위치한 안흥교 1개소를 제외한 14개 관측소에서 하천면적을 입력자료로 하는 멱함수 형태의 유량추정모형을 구축할 수 있다. 도 9는 그 결과를 보인다. 그래프의 횡축은 인공위성 자료에서 추출한 수체의 면적이고 종축은 유량을 나타낸다. 붉은 색선은 본 연구에서 구축한 멱함수 형태의 유량추정모형을 나타내며, 삼각형과 별 표식(*)은 유량추정 모형을 구축 및 검증하는데 사용한 자료를 각각 나타낸다.
우리나라의 강우는 여름철 집중되어 나타나므로 고유량시 인공위성에서 촬영한 영상의 수가 저유량에 비해 적다. 따라서 대부분의 관측소에서 사용한 값들의 유량이 낮은 값을 갖는 것을 그래프에서 확인할수 있으며 검증값 또한 저유량시의 정확도가 보다 더 높게 나타난다. 하지만, 고유량시의 유량이 약 60 인 대곡교 지점에서 고유량시의 유량이 약 2500인 팔당대교 지점에 이르기까지 다양한 크기의 하천에서 정확도 높은 결과를 얻을 수 있다.
No. Station R2 RMSE
a b c
a Gangchon bridge, Chuncheonsi 2.13E-20 6.40 0 0.79 112.25
b Geoun bridge, Yeongwolgun 4.91E-12 4.74 44.61 0.98 43.89
c Gurun bridge, Hongcheon-gun 1.33E-14 5.49 0 0.83 19.28
d Daegok bridge, Seoul 3.26E-07 3.43 3.93 0.50 13.70
e Daeseongri, Gapyeonggun 3.29E-33 9.84 0 0.32 248.45
f Bongsang bridge, Yangpyeong-gun 4.81E-14 5.36 1.52 0.85 6.88
g Biryong bridge, Pajusi 1.12E-50 13.00 0 0.84 187.33
h Sarang bridge, Yeoncheon-gun 1.18E-05 2.43 -87.38 0.99 22.39
i Anheung bridge, Hoengseong-gun - - - -
j Yeongwol bridge, Yeongwol-gun 1.04E-21 6.59 0 0.93 99.69
k Eunhyun bridge, PocheonCity 1.79E-05 3.23 7.68 0.78 35.53
l Changhyun bridge, WonjuCity 1.60E-20 6.28 0 0.76 20.38
m Jijeong bridge, WonjuCity 3.81E-27 10.19 0 0.98 5.64
n Palgoe bridge, Yeongwolgun 7.41E-42 13.35 0 0.99 48.91
o Paldang bridge, Namyangjusi 4.85E-48 13.21 0 0.85 329.68
표 1은 하천면적을 이용한 유량추정모형의 모수와 결정계수(R2) 및 평균 제곱근 오차(Root Mean Square Error)를 나타낸다. 14개 관측소의 평균결정계수(R2)는 0.8로 대부분의 관측소에서 높게 나타난다. 14개 관측소중 결정계수가 0.5이하인 관측소가 두 군데 존재하는데, 서울시 대곡교(Daegok bridge, Seoul)의 경우 하천 폭이 50m 이하로 좁아 하천면적 추출시 정확도가 떨어지는 것으로 판단되며, 가평군 대성리(Daeseongri, Gapyeonggun)는 하천의 폭은 약 250m로 넓지만 하천 단면의 측면 경사가 급해 유량이 크게 변화하여도 인공위성에 바라 본 하천의 면적의 변화가 크지 않아 정확도 높은 유량추정모형을 구축하는데 어려움이 있는 것으로 파악된다.
이에 본 발명에 따르면, 인공위성을 이용하여 유량을 추정하는 다른 방법에 비해 위성영상자료의 해상도로 인한 오차에 덜 민감한 대규모 하천에 적용할 수 있음은 물론 폭이 50m 이상의 중소규모 하천에도 적용할 수 있다.
또한, 본 발명에 따르면 특정 하천영역을 다각형으로 잘라 분리한 후 잘라낸 다각형 내의 픽셀값들에 대하여 임계치 분류방식을 적용함으로써 하천의 면적이나 형상에 구애됨 없이 다양한 하천에 적용할 수 있다.
본 발명의 인공위성 영상을 이용한 하천의 유량추정방법의 각 단계들은 수치 데이터를 사용하고 지상 관측 자료와 인공위성 영상 자료를 사용하여 하천의 면적과 유량의 관계식을 산출하고 이를 통해 유량을 추정하는 모형이므로, 각 단계들은 컴퓨터에서 구현될 수 있다.
도 4는 본 발명의 실시예에 따른 인공위성 영상을 이용한 하천의 유량추정장치를 나타내는 블럭도이다.
도 4에 도시된 바와 같이, 인공위성 영상을 이용한 하천의 유량추정장치는 위성 영상 데이터베이스(100), 관측소 유량 데이터베이스(200), 전처리부(300), 유량 추정 모형 구축부(400)를 포함한다.
위성 영상 데이터베이스(100)에는 각 하천별로 생성된 다수 개의 합성개구레이더 영상 정보가 저장되어 있다. 이러한 합성개구레이더 영상 정보는 컴퓨터와 같이 장치에 데이터베이스 형태로 저장될 수 있다.
이러한 다수 개의 합성개구레이더 영상은, 유량추정모형 구축 및 검증을 위하여 유럽항공우주국(European Space Agency)에서 운영하는 Sentinel-1 위성이 생산하는 합성개구레이더(Synthetic Aperture Radar, SAR) 영상자료가 이용될 수 있다. 그러나, 유량추정모형 구축 및 검증을 위하여 Sentinel-1 인공위성에 한정되지 않고 다른 인공위성 영상자료도 사용할 수 있다.
관측소 유량 데이터베이스(200)에는 합성개구레이더 영상 촬영 당시의 지상 관측 유량자료가 저장된다.
유량추정모형은 지상 관측 자료와 인공위성 영상 자료를 사용하여 하천의 면적과 유량의 관계식을 산출하고 이를 통해 유량을 추정하는 모형이다. 따라서 인공위성 영상 촬영 당시의 지상 관측 자료가 필수적으로 요구된다.
즉, 인공위성 영상 자료와 관측소 유량자료를 통해 유량추정모형을 구축할 수 있고, 유량추정모형의 그래프의 횡축은 인공위성 자료에서 추출한 수체의 면적이고 종축은 관측소 유량을 나타낸다.
전처리부(300)는 각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 수행하고, 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 것이다.
전처리부(300)는 위성 영상 데이터베이스(100)에 저장된 정보를 이용하며, 각 이미지의 픽셀값을 레이더 후방 산란값으로 변환하기 위한 방사보정 단계, 산란에 의해 발생한 스펙클(speckle)을 제거하기 위한 스펙클 필터링 단계, 각 이미지에 대한 지형보정을 하는 단계, 및 각 이미지를 관측소 주변 영역으로 자르는 단계를 수행한다.
전처리부(300)는 미리 설정된 각 관측소 주변 영역에 대한 12 개 사진의 밝기 분포를 동일하게 만들어 주는 단계로서, 누적분포함수를 활용한 히스토그램 매칭기법을 이용하여 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스트로그램과 일치하게 바꾸어 주는 단계를 수행할 수 있다.
유량 추정 모형 구축부(400)는 밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 것이다.
유량 추정 모형 구축부(400)는 특정 하천영역을 다각형으로 분리하고, 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하여, 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축한다.
이에 본 발명에 따르면, 인공위성을 이용하여 유량을 추정하는 다른 방법에 비해 위성영상자료의 해상도로 인한 오차에 덜 민감한 대규모 하천에 적용할 수 있음은 물론 폭이 50m 이상의 중소규모 하천에도 적용할 수 있다.
또한, 본 발명에 따르면 특정 하천영역을 다각형으로 잘라 분리한 후 잘라낸 다각형 내의 픽셀값들에 대하여 임계치 분류방식을 적용함으로써 하천의 면적이나 형상에 구애됨 없이 다양한 하천에 적용할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
또한, 본 발명에 따른 장치는 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, 광학 디스크, 자기 테이프, 비휘발성 메모리 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
100: 위성 영상 데이터베이스
200: 관측소 유량 데이터베이스
300: 전처리부
400: 유량 추정 모형 구축부

Claims (10)

  1. 합성 개구레이더 영상을 이용한 하천의 유량추정방법에 있어서,
    각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 하는 단계;
    전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 단계; 및
    밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 단계;를 포함하는 인공위성 영상을 이용한 하천의 유량추정방법.
  2. 제1항에 있어서,
    상기 전처리를 하는 단계는,
    각 이미지의 픽셀값을 레이더 후방 산란값으로 변환하기 위한 방사보정 단계;
    산란에 의해 발생한 스펙클(speckle)을 제거하기 위한 스펙클 필터링 단계;
    각 이미지에 대한 지형보정을 하는 단계; 및
    각 이미지를 관측소 주변 영역으로 자르는 단계;를 포함하는 인공위성 영상을 이용한 하천의 유량추정방법.
  3. 제1항에 있어서,
    상기 이미지 밝기 분포를 동일하게 하는 단계는,
    누적분포함수를 활용한 히스토그램 매칭기법을 이용하여 각 관측소 내 모든 이미지의 히스토그램을 기준 이미지의 히스트로그램과 일치하게 바꾸어 주는 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정방법.
  4. 제3항에 있어서,
    상기 기준 이미지는 하천의 경계가 뚜렷한 이미지인 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정방법.
  5. 제1항에 있어서,
    유량추정모형을 구축하는 단계는,
    특정 하천영역을 다각형으로 분리하는 단계;
    다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계; 및
    수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 단계;를 포함하는 인공위성 영상을 이용한 하천의 유량추정방법.
  6. 제5항에 있어서,
    상기 임계치 분류방식을 통해 특정 임계값을 기준으로 수체와 비수체를 분류하되, 상기 다각형으로 분리된 하천영역의 픽셀값이 상기 특정 임계값 보다 작으면 수체로 상기 특정 임계값 이상이면 비수체로 분류하는 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정방법.
  7. 제5항에 있어서,
    상기 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 단계는,
    주어진 수체-비수체 임계값의 범위에 대하여 하나의 특정 임계값을 선택한 후 밝기 분포가 일치된 관측소별 다수 개의 이미지들 각각에 대하여 수체-비수체분류를 하는 제1 선택 단계;
    상기 관측소별 다수 개의 이미지들의 수체 면적 각각의 촬영 시간에 해당하는 하천 유량과의 상관관계를 도출하는 제2 선택 단계;
    수체-비수체 임계값을 바꾸어 상기 제1 선택 단계 및 제2 선택 단계를 반복 하면서 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값을 기록하는 제3 선택 단계; 및
    상기 제1 내지 제3 선택 단계를 각 이미지의 다른 다각형지역에 대하여 시도하여, 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하는 제4 선택 단계;를 포함하는 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정방법.
  8. 제1항 내지 제8항 중 어느 한 청구항에 따른 인공위성 영상을 이용한 하천의 유량추정방법의 각 단계들을 실행시키기 위해 기록매체에 저장된 컴퓨터 프로그램.
  9. 각 하천별로 생성된 다수 개의 합성개구레이더 영상 정보가 저장된 위성 영상 데이터베이스;
    상기 다수 개의 합성개구레이더 영상 촬영 당시의 지상 관측 유량자료가 저장된 관측소 유량 데이터베이스;
    각 하천별로 생성된 다수 개의 합성개구레이더 영상에 대한 전처리를 수행하고, 전처리된 영상들의 이미지 밝기 분포를 동일하게 하는 전처리부;
    밝기 분포가 일치된 이미지들에 대하여 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상관측 유량자료와의 관계식을 도출하여 유량추정모형을 구축하는 유량추정모형 구축부;를 포함하는 인공위성 영상을 이용한 하천의 유량추정장치.
  10. 제9항에 있어서,
    상기 유량추정모형 구축부는,
    특정 하천영역을 다각형으로 분리하고, 다각형으로 분리된 하천영역에 대하여 임계치 분류방식을 통해 하천영역을 추출하여 가장 높은 수체면적-하천유량 상관관계가 도출되는 임계값 및 다각형지역을 선택하여, 수체면적과 유량과의 관계에 대한 유량추정 모형을 구축하는 것을 특징으로 하는 인공위성 영상을 이용한 하천의 유량추정장치.
KR1020180149706A 2018-11-28 2018-11-28 인공위성 영상을 이용한 하천의 유량추정방법 및 장치 KR102127405B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180149706A KR102127405B1 (ko) 2018-11-28 2018-11-28 인공위성 영상을 이용한 하천의 유량추정방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180149706A KR102127405B1 (ko) 2018-11-28 2018-11-28 인공위성 영상을 이용한 하천의 유량추정방법 및 장치

Publications (2)

Publication Number Publication Date
KR20200063682A true KR20200063682A (ko) 2020-06-05
KR102127405B1 KR102127405B1 (ko) 2020-06-26

Family

ID=71089058

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180149706A KR102127405B1 (ko) 2018-11-28 2018-11-28 인공위성 영상을 이용한 하천의 유량추정방법 및 장치

Country Status (1)

Country Link
KR (1) KR102127405B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112052777A (zh) * 2020-09-01 2020-12-08 国交空间信息技术（北京）有限公司 一种基于高分辨率遥感影像的跨水桥梁提取方法和装置
CN112285710A (zh) * 2020-09-21 2021-01-29 河南大学 一种多源遥感水库蓄水量估算方法与装置
KR102327060B1 (ko) * 2021-07-01 2021-11-16 국방과학연구소 표적 식별을 위한 관심 영역 추출 방법, 장치, 컴퓨터 판독 가능한 기록매체 및 컴퓨터 프로그램
KR102374004B1 (ko) * 2021-10-25 2022-03-15 주식회사 에어핏 위성이미지를 통한 수위, 용적량, 유입량 및 오염도 측정 장치, 방법 및 프로그램
KR102482742B1 (ko) * 2022-08-24 2022-12-29 엘아이지넥스원 주식회사 위성용 복합 임무를 위한 회전 가변 이동 피드 sar 탑재체 장치
KR102496740B1 (ko) * 2022-06-02 2023-02-07 대한민국 위성영상 기반 저수지 수표면적 분석 시스템 및 방법
KR102540762B1 (ko) * 2022-10-14 2023-06-14 대한민국 위성영상을 이용한 저수지 모니터링 방법
CN116912689A (zh) * 2023-07-19 2023-10-20 中国矿业大学 基于遥感雷达数据的洪泛湿地结构水文连通性的提取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100998885B1 (ko) * 2009-11-19 2010-12-08 한국건설기술연구원 영상의 시간적 픽셀의 농도 분포 변화를 이용한 액체 경계면 인식방법 및 이를 이용하여 액체높이를 인식하는 액체높이인식장치
KR101319477B1 (ko) 2011-10-11 2013-10-17 한국수자원공사 격자 기반의 대유역 장기 강우유출 모형
KR101544147B1 (ko) * 2014-12-19 2015-08-13 한국건설기술연구원 무측선 유량 측정 방법
KR20160093341A (ko) * 2015-01-29 2016-08-08 계명대학교 산학협력단 인공위성 영상과 랜덤포레스트 분류기 결합을 이용한 자동 하천 검출 시스템 및 방법
KR101821973B1 (ko) * 2017-03-28 2018-03-08 대한민국 위성영상을 이용한 수계면적 분석방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100998885B1 (ko) * 2009-11-19 2010-12-08 한국건설기술연구원 영상의 시간적 픽셀의 농도 분포 변화를 이용한 액체 경계면 인식방법 및 이를 이용하여 액체높이를 인식하는 액체높이인식장치
KR101319477B1 (ko) 2011-10-11 2013-10-17 한국수자원공사 격자 기반의 대유역 장기 강우유출 모형
KR101544147B1 (ko) * 2014-12-19 2015-08-13 한국건설기술연구원 무측선 유량 측정 방법
KR20160093341A (ko) * 2015-01-29 2016-08-08 계명대학교 산학협력단 인공위성 영상과 랜덤포레스트 분류기 결합을 이용한 자동 하천 검출 시스템 및 방법
KR101821973B1 (ko) * 2017-03-28 2018-03-08 대한민국 위성영상을 이용한 수계면적 분석방법

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112052777A (zh) * 2020-09-01 2020-12-08 国交空间信息技术（北京）有限公司 一种基于高分辨率遥感影像的跨水桥梁提取方法和装置
CN112285710A (zh) * 2020-09-21 2021-01-29 河南大学 一种多源遥感水库蓄水量估算方法与装置
CN112285710B (zh) * 2020-09-21 2024-01-19 河南大学 一种多源遥感水库蓄水量估算方法与装置
KR102327060B1 (ko) * 2021-07-01 2021-11-16 국방과학연구소 표적 식별을 위한 관심 영역 추출 방법, 장치, 컴퓨터 판독 가능한 기록매체 및 컴퓨터 프로그램
KR102374004B1 (ko) * 2021-10-25 2022-03-15 주식회사 에어핏 위성이미지를 통한 수위, 용적량, 유입량 및 오염도 측정 장치, 방법 및 프로그램
KR102496740B1 (ko) * 2022-06-02 2023-02-07 대한민국 위성영상 기반 저수지 수표면적 분석 시스템 및 방법
KR102482742B1 (ko) * 2022-08-24 2022-12-29 엘아이지넥스원 주식회사 위성용 복합 임무를 위한 회전 가변 이동 피드 sar 탑재체 장치
KR102540762B1 (ko) * 2022-10-14 2023-06-14 대한민국 위성영상을 이용한 저수지 모니터링 방법
CN116912689A (zh) * 2023-07-19 2023-10-20 中国矿业大学 基于遥感雷达数据的洪泛湿地结构水文连通性的提取方法

Also Published As

Publication number Publication date
KR102127405B1 (ko) 2020-06-26

Similar Documents

Publication Publication Date Title
KR102127405B1 (ko) 인공위성 영상을 이용한 하천의 유량추정방법 및 장치
James et al. 3‐D uncertainty‐based topographic change detection with structure‐from‐motion photogrammetry: precision maps for ground control and directly georeferenced surveys
CN108333148B (zh) 一种黑臭水体的识别方法及装置
Paul et al. The glaciers climate change initiative: Methods for creating glacier area, elevation change and velocity products
Berthier et al. Glacier topography and elevation changes derived from Pléiades sub-meter stereo images
Micheletti et al. Application of archival aerial photogrammetry to quantify climate forcing of alpine landscapes
Castillo et al. The normalized topographic method: an automated procedure for gully mapping using GIS
Benoit et al. A high-resolution image time series of the Gorner Glacier–Swiss Alps–derived from repeated unmanned aerial vehicle surveys
CN112966570B (zh) 一种基于卫星遥感和dem数据的水库蓄水量计量方法
Long et al. Accuracy assessment of coastal topography derived from UAV images
CN111832518A (zh) 基于时空融合的tsa遥感影像土地利用方法
KR101436829B1 (ko) 관측위성 영상을 통한 수질 모니터링 방법
CN112084712A (zh) 融合主被动微波遥感信息的洪水淹没范围动态模拟方法
CN115077656B (zh) 水库水储量反演方法和装置
CN110988909A (zh) 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法
CN112013822A (zh) 基于改进gwr模型的多光谱遥感水深反演方法
CN111144350B (zh) 一种基于参考底图的遥感影像定位精度评价方法
Lane et al. Photogrammetric and laser altimetric reconstruction of water levels for extreme flood event analysis
Roelens et al. Extracting cross sections and water levels of vegetated ditches from LiDAR point clouds
CN106204596B (zh) 一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法
Kim et al. Comparison of snow cover fraction functions to estimate snow depth of South Korea from MODIS imagery
CN111199557A (zh) 一种遥感器衰变的定量分析方法及系统
Hayes et al. Estimating dredge-induced turbidity using drone imagery
CN113160288A (zh) 一种基于特征点的sar影像配准方法
Caccetta et al. Mapping and monitoring land use and condition change in the southwest of Western Australia using remote sensing and other data

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant