WO2024111827A1 - 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치 - Google Patents

초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치 Download PDF

Info

Publication number
WO2024111827A1
WO2024111827A1 PCT/KR2023/013499 KR2023013499W WO2024111827A1 WO 2024111827 A1 WO2024111827 A1 WO 2024111827A1 KR 2023013499 W KR2023013499 W KR 2023013499W WO 2024111827 A1 WO2024111827 A1 WO 2024111827A1
Authority
WO
WIPO (PCT)
Prior art keywords
green algae
river
unit
hyperspectral
sensor
Prior art date
Application number
PCT/KR2023/013499
Other languages
English (en)
French (fr)
Inventor
김용석
Original Assignee
동아대학교 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 동아대학교 산학협력단 filed Critical 동아대학교 산학협력단
Publication of WO2024111827A1 publication Critical patent/WO2024111827A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/02—Means for indicating or recording specially adapted for thermometers
    • 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
    • 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
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • G01N33/18—Water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • 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
    • G01N2021/1793—Remote sensing

Definitions

  • the present invention relates to a device for monitoring green algae in rivers where habitual green algae occurs using a hyperspectral sensor. More specifically, the present invention relates to a device for monitoring green algae in rivers where regular green algae occurs using a hyperspectral sensor. More specifically, the present invention relates to a device for monitoring green algae in rivers by identifying and synthesizing the overall situation regarding green algae in rivers through an aerial photography unit, a ground photography unit, and a sensor unit. This relates to a green algae monitoring device for rivers with regular green algae using a hyperspectral sensor that allows accumulation and management of data.
  • the disclosed monitoring system includes an optical sensor unit that measures the amount of sunlight and color of raw water; A spectral sensor that captures raw water in ultraviolet-visible-infrared wavelengths and generates an ultraviolet-visible-infrared spectrum of raw water; The operation of the green algae warning device is determined through the amount of sunlight of the raw water received from the optical sensor, and the color of the raw water received from the optical sensor and the ultraviolet-visible-infrared spectrum of the raw water received from the spectral sensor are used to determine the operation of the pretreatment device.
  • a monitoring server that determines operation;
  • a green algae warning issuing device that issues a green algae warning and operates a green algae removal device disposed on raw water while issuing a green algae warning;
  • a preprocessing device that collects and filters samples from raw water and delivers the samples to an ultraviolet-visible spectrometer; and an ultraviolet-visible spectrometer that generates an ultraviolet-visible spectrum of the sample by irradiating the sample with light in an ultraviolet-visible wavelength and then transmits the ultraviolet-visible spectrum to the monitoring server.
  • the present invention acquires spectroscopic image data by continuously spectrally photographing the green algae situation in a river, and simultaneously identifies and integrates the water temperature, flow rate, and green algae concentration information for the spectroscopic shooting point, thereby constructing comprehensive information related to river green algae.
  • the purpose is to provide a green algae monitoring device for rivers with habitual green algae using a hyperspectral sensor.
  • unmanned aerial photography flies over a river with green algae and acquires hyperspectral images of the river using a hyperspectral sensor.
  • a plurality of ground imaging units arranged along the green algae-producing river and photographing the water surface of the river using a hyperspectral sensor, and determining the water temperature, flow rate, and green algae concentration of the river water at the photographing point taken by the ground imaging unit.
  • a sensor unit a memory unit that stores the sensed data of the river water sensor unit, a data matching unit that matches the hyperspectral image acquired by the ground filming unit and the sensed data stored in the memory unit, and the unmanned aerial photography unit and the ground filming unit. It is characterized by including a pre-processing unit that matches the hyperspectral images acquired by each to allow irregular spectra to be corrected.
  • the green algae monitoring device for rivers with habitual green algae using the hyperspectral sensor of the present invention as described above acquires spectroscopic image data by continuously spectrally photographing the green algae situation in the river, and simultaneously records the water temperature, flow rate, and green algae at the spectroscopic shooting point.
  • spectroscopic image data by continuously spectrally photographing the green algae situation in the river, and simultaneously records the water temperature, flow rate, and green algae at the spectroscopic shooting point.
  • Figure 1 is a configuration diagram of a river green algae monitoring device for habitual green algae using a hyperspectral sensor according to the present invention.
  • Figure 2 is a diagram showing an example of installation of a green algae monitoring device in a river with habitual green algae using a hyperspectral sensor according to an embodiment of the present invention.
  • FIG. 3 is a diagram showing the detailed configuration of the river bed spectral sensor unit of FIG. 2.
  • FIG. 4 is a diagram showing the waterside spectral sensor unit of FIG. 2 in detail.
  • the green algae monitoring device 10 monitors rivers where green algae regularly occur.
  • the aerial photography unit 15, the ground photography unit 20, and the sensor unit 30 allow the overall situation regarding green algae to be grasped and synthesized to accumulate and manage data regarding river green algae.
  • the monitoring device of this embodiment can be applied to other places where green algae occurs other than rivers.
  • the green algae monitoring device 10 includes an unmanned aerial photography unit 15, a first matching unit 17, a ground filming unit 20, a second matching unit 40, and river water. It includes a sensor unit 30, a memory unit 50, a data matching unit 60, a database 70, a pre-processing unit 80, a post-processing unit 90, and a vegetation analysis unit 100.
  • the unmanned aerial photography unit 15 includes a drone 15a.
  • the drone 15a flies above the river 101 where green algae frequently occurs, acquires a 2D hyperspectral orthoimage of the river using the hyperspectral sensor 15b, and transmits the acquired image data to the first matching unit ( 17).
  • the drone 15a is an unmanned aerial vehicle equipped with a hyperspectral sensor 15b, and acquires 2D hyperspectral orthoimages of the river using the hyperspectral sensor 15b while flying over the river that is the subject of photography. At this time, for unmanned aerial photography, it is natural to film only a part of the river with one or two drones, or to film the entire river by simultaneously operating dozens of drones.
  • the hyperspectral sensor 15b is a general equipment for obtaining hyperspectral images belonging to a specific wavelength range of the electromagnetic spectrum.
  • Hyperspectral imaging is a collection of multiple monochromatic images of the same object using sensors with different characteristics. Hyperspectral sensors can be used to extract additional information that the human eye cannot capture.
  • the first matching unit 17 serves to receive and match the 2D hyperspectral orthoimages captured by the unmanned aerial photography unit 15. Hundreds or more spectrophotographs taken by the drone 15a can be composed into one photo through the first matching unit 17. Data matched by the first matching unit 17 is stored in the database 70 by date and time.
  • the unmanned aerial photography unit 15 is equipped with an AI model, so that when the drone 15a deviates from the set location due to location error such as GPS error or error in the planned path, or when the drone 15a is unable to control due to strong wind speed in the field,
  • the control of the hyperspectral sensor and the flight of the drone 15a can be controlled so that hyperspectral images can be continuously captured in an accurate path even in difficult cases.
  • an RF amplification module for unmanned aerial vehicles is prepared, and a lightweight/low-power module is prepared so that it can be operated on small-sized unmanned aerial vehicles.
  • an electromagnetic shielding device is provided to prevent interference with the control and operation of the drone 15a.
  • the unmanned aerial photography unit 15 provides a heat dissipation device for heat generation due to signal amplification of the drone 15a and an amplification circuit with constant gain flatness over a wide band.
  • the unmanned aerial photography unit 15 includes a MIMO antenna unit for an unmanned aerial vehicle, diversity to minimize multi-path interference due to fading, a shielding device to minimize interference between antennas according to spatial regulations, and impedance matching to minimize the reflection coefficient. Provide a program.
  • the ground imaging unit 20 is disposed along a river where green algae occurs and acquires a hyperspectral close-up image by photographing the water surface of the river using a hyperspectral sensor. If there is green algae on the water surface of the river, the green algae will be photographed. If there is no green algae, the water surface will be photographed. It is also used to monitor the water quality of rivers. And, ‘green algae-generating rivers’ refer to rivers where green algae occurs frequently.
  • the ground imaging unit 20 includes a riverbed spectral sensor unit 21 and a waterside spectral sensor unit 25.
  • the ground imaging unit 20 is installed on the water surface of the river 101 and includes a fixed base 21a, a support structure 21b, a length-adjustable arm 21c, and a hyperspectral sensor. (21d), a controller (21g), a solar panel (21f), and a communication module (21h).
  • the fixed base 21a is a support member maintained at the level of the water surface while being supported by the fixed pile 21p.
  • the fixed base 21a is supported by a plurality of fixed wires 21k.
  • the fixing wire 21k prevents the fixing base 21a from being pushed by river water.
  • the lower end of the fixing wire (21k) is fixed to the anchor block (21m) and the upper end is connected to the fixing base (21a).
  • the anchor block (21m) is embedded in the bottom of the river and serves as a tensioning means for tensioning the fixing wire (21k).
  • the number of fixed wires (21k) applied may vary considering the strength of the current or the characteristics of the river.
  • the support structure 21b is a pillar fixed to a fixed base and extending vertically upward.
  • the support structure 21b supports the length-adjustable arm 21c, and the structure of the support structure 21b can be varied as long as it can stably support the length-adjustable arm 21c.
  • the length-adjusting arm 21c is installed at the upper end of the support structure 21b, extends horizontally, and has a hyperspectral sensor 21d at the extended end.
  • the length-adjustable arm 21c is symmetrical about the support structure 21b.
  • the length-adjusting arm 21c has a telescopic structure, so its length can be adjusted. For example, the horizontal distance of the hyperspectral sensor 21d from the support structure 21b can be adjusted.
  • the hyperspectral sensor 21d photographs the water surface of the river water 103. If green algae (105) has occurred on the water surface, the green algae will be photographed.
  • the photographing information from the hyperspectral sensor 21d is transmitted to the second matching unit 40 and matched.
  • several (up to thousands) ground imaging units 20 are installed in the river, and image data captured by the ground imaging units at each point are collected and matched in the second matching unit 40.
  • the controller 21g is placed on top of the hyperspectral sensor 21d and controls the operation of the hyperspectral sensor 21d. And the solar panel 21f produces power and supplies it to the controller 21g.
  • the operating power of the riverbed spectral sensor unit 21 is provided from the solar panel 21f. In some cases, a rechargeable battery may be added to supply power.
  • the communication module 21h serves to wirelessly transmit image data acquired by the hyperspectral sensor 21d to the second matching unit 40. Image data from hyperspectral sensors can also be uploaded to the cloud through a communication module.
  • the waterside spectral sensor unit 26 is located at the waterside of the river 101 and photographs points that the riverbed spectral sensor unit 25 cannot photograph. For example, focusing on taking pictures of the edge of the river.
  • the waterside spectral sensor unit 26 includes a pillar 25a, a second hyperspectral sensor 25c, a second controller 25f, a second solar panel 25e, and a second communication module 25g.
  • the pillar (25a) is fixed to the ground at the waterside (107), extends vertically, and has a second hyperspectral sensor (25c) at the upper end.
  • the second hyperspectral sensor 25c photographs the water surface of the river water 103.
  • the second controller 25f controls the operation of the second hyperspectral sensor 25c, and the second solar panel 25e supplies power required for the operation of the second hyperspectral sensor 25c.
  • a rechargeable battery can also be added to the waterside spectral sensor unit 26.
  • the second communication module (25g) wirelessly transmits the image data acquired by the second hyperspectral sensor (25c) to the second matching unit (40).
  • the spacing between the riverbed spectral sensor unit 21 and the waterside spectral sensor unit 25 is designed so that the imaging ranges of the hyperspectral sensor 21d and the second hyperspectral sensor 25c overlap. It is necessary to match the spectral images taken by the riverbed spectral sensor unit 21 and the waterside spectral sensor unit 25.
  • the second matching unit 40 matches the hyperspectral images received from the riverbed spectral sensor unit 21 and the waterside spectral sensor unit 25.
  • the spectral image matched by the second matching unit 40 is compared and analyzed with the spectral image captured by the unmanned aerial photography unit 15.
  • the river water sensor unit 30 serves to determine the water temperature, flow rate, and green algae concentration of the river being photographed by the ground imaging unit 20.
  • the river water sensor unit 30 has a variable extension rod 27, a buoy 30a, a flow sensor 31, a water temperature sensor 33, a concentration sensor 35, and a data transmission unit 37.
  • the variable extension rod 27 is a rod whose one end is fixed to the fixed base 21a, extends horizontally, and has an adjustable length.
  • the variable extension rod 27 also has a telescopic structure like the length adjustment arm 21c. It is possible to adjust the spacing of the buoy (30a) with respect to the fixed base (21a).
  • the buoy (30a) is a member mounted on the end of the variable extension rod (27), floating on the water surface of the river water (103), and includes a flow rate sensor (31), a water temperature sensor (33), a concentration sensor (35), and data. Supports the transmission unit (37).
  • the flow sensor 31 detects the flow speed of river water around the buoy (30a), and the water temperature sensor 33 senses the temperature of river water. Additionally, the concentration sensor 35 serves to detect the concentration of green algae around the buoy. The sensing methods themselves of the flow sensor 31, water temperature sensor 33, and concentration sensor 35 are common.
  • the sensing target of the river water sensor unit 30 is the point photographed by the ground photography unit 20.
  • the riverbed spectral sensor unit 21 and the waterside spectral sensor unit 25 detect the state of the river water being photographed.
  • the sensing interval of the river water sensor unit 30 is adjustable. For example, it can be operated once an hour, once a day, or once a week.
  • the data transmission unit 37 transmits data detected by the flow rate sensor, water temperature sensor, and concentration sensor to the memory unit 50.
  • the memory unit 50 stores green algae concentration, river water flow rate, and water temperature information received from the river water sensor unit 30. It is possible to obtain seasonal green algae-related information using only the data stored in the memory unit 50.
  • the sensing information stored in the memory unit 50 and the image information of the second matching unit 40 are integrated in the data matching unit 60.
  • the spectral image captured at a certain point in the river is combined with the river water sensing contents (water temperature, flow velocity, and green algae concentration) for the same point.
  • the database 70 receives the data matched by the data matching unit 60 and the spectral image data matched by the first matching unit 17 and stores them in an integrated manner.
  • the shooting date of the spectroscopic image matched by the first matching unit 17 is the same as the shooting date by the ground imaging unit 20. In this way, through the unmanned aerial photography unit 15, the ground photography unit 20, and the sensor unit 30, the situation regarding green algae in the river is identified and synthesized in chronological order and data regarding green algae is accumulated, thereby Related management can be done efficiently.
  • the preprocessing unit 80 serves to correct the irregular spectrum by matching the hyperspectral images acquired by the unmanned aerial photography unit 15 and the ground photography unit 20, respectively. Additionally, the pre-processing unit 80 allows location accuracy confirmation and radiation correction of image data to be performed. For example, the pre-processing unit 80 receives raw data for the hyperspectral image captured from the unmanned aerial photography unit 15, checks the positional accuracy of the image, and determines the irregular spectrum due to the shooting atmosphere environment by Taekwang. Radiometric correction is performed on the hyperspectral image so that this can be corrected. Additionally, the preprocessing unit 80 preprocesses the acquired hyperspectral images to generate orthoimages for each spectral band.
  • the post-processing unit 90 serves to match the hyperspectral images for each spectral band so that an orthoimage in the form of a layer can be obtained.
  • the post-processing unit 90 calculates coordinates using the position difference, distance difference, and direction vector between feature points of the orthophoto image, calculates and extracts area, height, direction, coordinates, etc., and sets a reference point Allows position correction for the reference point to be performed.
  • the post-processing unit 90 selects a surveying reference point at the acquisition site of the orthoimagery so that the orthoimagery can be corrected to correspond to the reference point.
  • the post-processing unit 90 corrects shooting elements according to shaking, altitude difference, and shooting angle changes of the unmanned aerial photography unit 15 in the orthophoto.
  • the post-processing unit 90 matches the orthoimages for each spectral band in the form of layers stacked layer by layer, and provides atmospheric correction, spectral information of the spectral region, solar altitude at the time of acquisition, azimuth angle, and acquisition time for the orthoimages. Allows included field data to be written into metadata.
  • the vegetation analysis unit 100 allows the vegetation index of green algae to be calculated based on the orthoimage registered by the post-processing unit 90.
  • the vegetation index is NDVI (normal vegetation index), NDRE (red vegetation index), GNDVI (green normal vegetation index), SAVI (soil information vegetation index), OSAVI (optimal soil adjusted vegetation index), NDMI (normal vegetation index) Branching Index), GCI (Chlorophyll Index), ARI (Anthocyanin Reflection Index), DVI (Difference Vegetation Index) and EVI (Enhanced Vegetation Index), GRVI (Green Red Vegetation Index), CVI (Chlorophyll Vegetation Index), AVI (Advanced Vegetation Index) Index), EVI (Enhanced Vegetation Index), CVI (Chlorophyll Vegetation Index), SABI (Surface Green Algae Index), CARI (Chlorophyll Absorption Ratio Index), 3BM (3-Band Model), MCI (Maximum Chlorophyll Index, Maximum Chlorophyll Index
  • the vegetation analysis unit 100 calculates each vegetation index through the following calculation equations 1 to 15 according to each vegetation index.
  • NDRE (NIR-RedEdge)/(NIR+RedEdge)
  • GNDVI (NIR-GREEN)/(NIR+GREEN)
  • GCI ⁇ (NIR/GREEN) ⁇ -1
  • the vegetation analysis unit 100 calculates the vegetation index based on data taken from the database 70 by the unmanned aerial photography unit 15 and the ground photography unit 20 and undergoes pre-processing, matching, and post-processing. This allows vegetation density, vitality, chlorophyll changes, nutrition, and plankton distribution to be quantified, allowing green algae vegetation to be monitored.
  • the NDVI index is measured based on the high reflectance of near-infrared rays in vegetation with high vitality or high density.
  • the NDRE index is more effectively used to estimate biophysical parameters such as leaf area index, biomass, nitrogen content, crown chlorophyll concentration, and leaf chlorophyll concentration.
  • the LCI index is an important factor in evaluating plant growth and yield and is used as an indicator of plant nutrient stress, disease, growth and aging.
  • the OSAVI index is a soil-adjusted vegetation index that excludes the soil effect on the vegetation index. Looking at the chlorophyll characteristics, the GRVI index shows high reflectance in the green band of 540 nm and absorption characteristics in the red and blue bands of visible light in the 400-700 nm range.
  • the CVI index is an index used to determine the chlorophyll content of crop leaves.
  • the GCI index is used to measure the amount of chlorophyll in the leaves of various types of plants, and the amount of chlorophyll reflects the physiological state of the vegetation. When a plant is stressed, the amount of chlorophyll decreases, making it possible to check the health of the plant.
  • the AVI index like the regular vegetation index, uses red light and near-infrared light, and is useful for detecting changes in crops and forests over time. Additionally, it becomes possible to distinguish between vegetation types and seasonal characteristics.
  • the EVI index effectively identifies various signal values in areas with high biomass of vegetation, and uses blue light, red light, and near-infrared light together to use soil and atmospheric effect correction constants and effective coefficients for aerosol removal.
  • the vegetation analysis unit 100 allows the vegetation index of the grass to be analyzed through a calculation formula according to a combination of the primary vegetation index and a calculation formula according to the combination of the secondary vegetation index.
  • the first vegetation index combination is NDVI+NDRE, NDVI+NDRE+GNDVI, NDVI+NDRE+GNDVI+LCI, NDVI+NDRE+GNDVI+LCI+OSAVI, NDVI+LCI, GRVI+EVI, NDVI+LCI+GRVI+ Includes EVI.
  • the secondary vegetation index combination includes 3NDVI+3NDRE+2GNDVI+LCI, 4NDVI+3NDRE+2GNDVI+2LCI, 4NDVI+3NDRE+2GNDVI+2LCI+AVI, 4NDVI+3NDRE+2GNDVI+2LCI+EVI.
  • the calculation formula according to the first vegetation index combination is as calculated in formula 16 below.
  • NDVI + NDRE ⁇ (NIR-Red)/(NIR+Red) ⁇ + ⁇ (NIR-RedEdge)/(NIR+RedEdge) ⁇
  • NDVI + NDRE + GNDVI ⁇ (NIR-Red)/(NIR+Red) ⁇ + ⁇ (NIR-RedEdge)/(NIR+RedEdge) ⁇ + ⁇ (NIR-Green)/(NIR+Green) ⁇
  • NDVI + NDRE + GNDVI + LCI ⁇ (NIR-Red)/(NIR+Red) ⁇ + ⁇ (NIR-RedEdge)/(NIR+RedEdge) ⁇ + ⁇ (NIR-Green)/(NIR+Green) ⁇ + ⁇ (NIR-RedEdge)/(NIR+Red) ⁇
  • NDVI + NDRE + GNDVI + LCI + OSAVI ⁇ (NIR-Red)/(NIR+Red) ⁇ + ⁇ (NIR-RedEdge)/(NIR+RedEdge) ⁇ + ⁇ (NIR-Green)/(NIR+ Green) ⁇ + ⁇ (NIR-RedEdge)/(NIR+Red) ⁇ + ⁇ (NIR-Red)/(NIR+Red+0.16) ⁇
  • NDVI + LCI ⁇ (NIR-Red)/(NIR+Red) ⁇ + ⁇ (NIR-RedEdge)/(NIR+Red) ⁇
  • GRVI + EVI ⁇ (GREEN-RED)/GREEN+RED) ⁇ + ⁇ 2.5*((NIR-RED)/NIR+6RED-7.5BLUE+1) ⁇
  • 3NDVI + 3NDRE + 2GNDVI + LCI 3 ⁇ (NIR-Red)/(NIR+Red) ⁇ +3 ⁇ (NIR-RedEdge)/(NIR+RedEdge) ⁇ +2 ⁇ (NIR-Green)/(NIR +Green) ⁇ + ⁇ (NIR-RedEdge)/(NIR+Red) ⁇
  • the vegetation analysis unit 100 analyzes the vegetation index of green algae through the hyperspectral image, so that the density, vitality, and plankton distribution of the green algae can be quantified.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

본 발명은 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치에 관한 것으로, 보다 상세하게는, 녹조발생하천의 상공을 비행하며, 초분광센서를 이용해 하천에 대한 초분광영상을 획득하는 무인항공촬영부, 상기 녹조발생하천을 따라 배치되고, 초분광센서를 이용해 하천의 수면을 촬영하는 다수의 지상촬영부, 상기 지상촬영부가 촬영하는 촬영지점에서의 하천수의 수온과 유속과 녹조농도를 파악하는 하천수센서부, 상기 하천수센서부의 감지데이터를 저장하는 메모리부, 상기 지상촬영부가 획득한 초분광영상과, 메모리부에 저장된 감지데이터를 매칭시키는 데이터매칭부 및, 상기 무인항공촬영부 및 지상촬영부에 의해 획득된 초분광영상을 각각 정합하여 불규칙한 스펙트럼이 보정될 수 있도록 하는 전처리부를 포함하는 것을 특징으로 한다. 또한, 본 발명에 따르면, 하천의 녹조 상황을 연속적으로 분광 촬영하여 분광영상 데이터를 획득함과 동시에, 분광 촬영 지점에 대한 수온과 유속과 녹조농도 정보를 동시에 파악 후 통합시켜, 하천 녹조 관련 종합적 정보를 구축하고 구축된 데이터베이스를 통해 하천을 효율적으로 관리할 수 있게 한다.

Description

초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치
본 발명은, 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치에 관한 것으로서, 보다 상세하게는, 항공촬영부와 지상촬영부 및 센서부를 통해 하천 녹조에 관한 상황을 전체적으로 파악 및 종합하여 녹조에 관한 데이터를 축적 및 관리할 수 있게 하는 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치에 관한 것이다.
기후변화에 따라 더욱 심각해지는 봄철 가뭄에 더하여 축산 폐수 등의 수계 유입량 증가는, 부영양화 현상을 가속화시킨다. 이러한 부영양화는 녹조를 발생시키는 원인이다. 녹조가 하천 생태계를 파괴하고, 상수원 등 수자원 안전에 악영향을 미치는 것은 알려진 사실이다. 현재 진행되고 있는 녹조 모니터링 기술에는, 관리자가 하천에 직접 접근하여 녹조에 오염된 물을 샘플링 후 분석하는 현장샘플링 방법과, 위성이나 드론을 통해 촬영한 항공영상을 분석하는 방법 등이 알려져 있다. 그런데, 현장샘플링 방법은, 광범위한 지역을 관리자가 일일이 방문하여 모니터링 하는 것 자체가 어렵고, 그나마 녹조발생 지역에 접근이 불가능한 경우도 많아 현실성이 없다. 또한, 항공영상 분석방법은, 수온이나 유속이나 녹조의 농도를 파악할 수 없는 단점을 갖는다. 단지 어느지점에 녹조가 발생했는지 정도만 파악할 수 있을 뿐이었다.
이와 관련된 발명의 배경이 되는 기술로서, 국내 공개특허공보 제10-2022-0096047호(IoT광센서 및 분광센서를 이용한 경보 모니터링 시스템)이 개시된 바 있다.
개시된 모니터링 시스템은, 원수의 일조량 및 색상을 측정하는 광센서부; 원수를 자외선-가시광선-적외선 파장으로 촬영하여 원수의 자외선-가시광선-적외선 스펙트럼을 생성하는 분광센서; 광센서부로부터 수신하는 원수의 일조량을 통해 녹조경보 발령장치의 동작 여부를 결정하며, 광센서로부터 수신하는 원수의 색상과 분광센서로부터 수신하는 원수의 자외선-가시광선-적외선 스펙트럼을 통해 전처리 장치의 동작 여부를 결정하는 모니터링 서버; 녹조경보를 발령하며, 녹조경보를 발령하는 동안 원수 상에 배치된 녹조제거장치를 동작시키는 녹조경보 발령장치; 원수로부터 샘플을 수집한 후에 필터링하며, 샘플을 자외선-가시광선 분광기로 전달하는 전처리장치; 및 샘플에 자외선-가시광선 파장의 빛을 조사하여 샘플의 자외선-가시광선 스펙트럼을 생성한 후, 모니터링 서버로 송신하는 자외선-가시광선 분광기의 구성을 갖는다.
본 발명은, 하천의 녹조 상황을 연속적으로 분광 촬영하여 분광영상 데이터를 획득함과 동시에, 분광 촬영 지점에 대한 수온과 유속과 녹조농도 정보를 동시에 파악 후 통합시켜, 하천 녹조 관련 종합적 정보를 구축할 수 있는 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치를 제공함에 목적이 있다.
본 발명의 바람직한 일 실시예에 따른 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치에 있어서, 녹조발생하천의 상공을 비행하며, 초분광센서를 이용해 하천에 대한 초분광영상을 획득하는 무인항공촬영부, 상기 녹조발생하천을 따라 배치되고, 초분광센서를 이용해 하천의 수면을 촬영하는 다수의 지상촬영부, 상기 지상촬영부가 촬영하는 촬영지점에서의 하천수의 수온과 유속과 녹조농도를 파악하는 하천수센서부, 상기 하천수센서부의 감지데이터를 저장하는 메모리부, 상기 지상촬영부가 획득한 초분광영상과, 메모리부에 저장된 감지데이터를 매칭시키는 데이터매칭부 및, 상기 무인항공촬영부 및 지상촬영부에 의해 획득된 초분광영상을 각각 정합하여 불규칙한 스펙트럼이 보정될 수 있도록 하는 전처리부를 포함하는 것을 특징으로 한다.
상기와 같이 이루어지는 본 발명의 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치는, 하천의 녹조 상황을 연속적으로 분광 촬영하여 분광영상 데이터를 획득함과 동시에, 분광 촬영 지점에 대한 수온과 유속과 녹조농도 정보를 동시에 파악 후 통합시켜, 하천 녹조 관련 종합적 정보를 구축하고 구축된 데이터베이스를 통해 하천을 효율적으로 관리할 수 있게 한다.
도 1은, 본 발명에 따른 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치의 구성도이다.
도 2는, 본 발명의 일 실시예에 따른 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치의 설치 예를 도시한 도면이다.
도 3은, 도 2의 하상분광센서부의 세부 구성을 도시한 도면이다.
도 4는, 도 2의 수변분광센서부를 상세히 도시한 도면이다.
이하, 본 발명에 따른 하나의 실시예를 첨부된 도면을 참조하여 보다 상세히 설명하기로 한다.
도 1 내지 도 4를 참조하면, 본 실시예에 따른 녹조 모니터링장치(10)는, 녹조가 상습적으로 발생하는 하천을 모니터링 대상으로 한다. 특히 항공촬영부(15)와 지상촬영부(20) 및 센서부(30)를 통해 녹조에 관한 상황을 전체적으로 파악 및 종합하여 하천 녹조에 관한 데이터를 축적 및 관리할 수 있게 한다. 하천 이외에 녹조가 발생하는 다른 장소에도 본 실시예의 모니터링 장치가 적용될 수 있음은 물론이다.
도시한 바와 같이, 본 실시예에 따른 녹조 모니터링장치(10)는, 무인항공촬영부(15), 제1정합부(17), 지상촬영부(20), 제2정합부(40), 하천수센서부(30), 메모리부(50), 데이터매칭부(60), 데이터베이스(70), 전처리부(80), 후처리부(90) 및 식생분석부(100)를 포함한다.
상기 무인항공촬영부(15)에는 드론(15a)이 포함된다. 드론(15a)은, 녹조가 수시로 발생하는 하천(101)의 상공을 비행하며, 초분광센서(15b)를 이용해 하천에 대한 2D 초분광 정사영상을 획득하고 획득한 영상 데이터를 제1정합부(17)로 전달한다.
상기 드론(15a)은, 초분광센서(15b)가 탑재되어 있는 무인비행체로서, 촬영대상인 하천 상공을 비행하면서, 초분광센서(15b)를 이용해 하천에 대한 2D 초분광 정사영상을 취득한다. 이때, 무인항공촬영을 위해, 한 두 대의 드론으로 하천의 일부분만 촬영하거나, 수십 대의 드론을 동시 운용하여 하천을 전체적으로 촬영할 수 있음은 당연하다.
상기 초분광센서(15b)는 전자기 스펙트럼의 특정 파장 범위에 속한 초분광 영상을 얻기 위한 일반적인 장비이다. 초분광영상은, 서로 다른 특성의 센서로, 동일한 대상의 여러 단색 영상을 모아 놓은 것이다. 초분광센서를 이용해 인간의 눈이 포획하지 못하는 추가 정보를 추출할 수 있다.
상기 제1정합부(17)는, 무인항공촬영부(15)에서 촬영한 2D 초분광 정사영상을 전달받아 정합하는 역할을 한다. 드론(15a)이 촬영한 수백 장 이상의 분광사진은 제1정합부(17)를 통해 한 장의 사진으로 구성될 수 있다. 제1정합부(17)에서 정합된 데이터는 데이터베이스(70)에 날짜 및 시간 별로 저장된다.
또한, 상기 무인항공촬영부(15)는, AI 모델이 탑재되어, GPS 에러 등 위치 오차나 계획된 경로의 오차로 인해 상기 드론(15a)이 설정된 위치를 벗어날 때나, 현장의 강한 풍속으로 인한 조종이 어려운 경우에도 지속적으로 정확한 경로로 초분광영상이 촬영되도록 초분광센서의 제어 및 드론(15a)의 비행이 제어될 수 있도록 한다. 또한, 무인항공기용 RF 증폭모듈이 마련되어, 소형급 무인항공기에 운용 가능하도록 경량/저전력 기반의 모듈이 마련된다. 또한, 상기 드론(15a)의 제어 및 운용에 간섭되지 않도록 전자기적 차폐 장치가 마련된다. 또한, 상기 무인항공촬영부(15)는, 상기 드론(15a)의 신호 증폭에 따른 발열에 대한 방열 장치 및 광대역에 걸쳐 이득 평탄도가 일정한 증폭회로가 마련될 수 있도록 한다. 또한, 상기 무인항공촬영부(15)는, 무인항공기용 MIMO 안테나부, 페이딩에 의한 다중경로 간섭 최소화를 위한 Diversity, 공간적 규약에 따른 안테나간 간섭 최소화를 위한 차폐장치, 반사계수 최소화를 위한 임피던스 정합 프로그램을 구비한다.
상기 지상촬영부(20)는, 녹조발생하천을 따라 배치되고, 초분광센서를 이용해 하천의 수면을 촬영하여 초분광 근접영상을 획득하는 것이다. 하천의 수면에 녹조가 있으면 녹조를 촬영할 것이고, 녹조가 없으면 수면을 촬영한다. 하천의 수질을 감시하는 용도로도 사용되는 것이다. 그리고, '녹조발생하천'은, 녹조가 수시로 발생하는 하천을 의미한다.
상기 지상촬영부(20)에는, 하상분광센서유니트(21)와 수변분광센서유니트(25)가 포함된다.
상기 지상촬영부(20)는, 도 2에 도시한 바와 같이, 하천(101)의 수면 위에 설치되는 것으로서, 고정베이스(21a), 지지구조체(21b), 길이조절아암(21c), 초분광센서(21d), 컨트롤러(21g), 태양전지판(21f), 통신모듈(21h)을 갖는다.
상기 고정베이스(21a)는 고정파일(21p)에 지지된 상태로 수면 높이에 유지되는 받침부재이다. 고정베이스(21a)는 다수의 고정와이어(21k)에 의해 지지된다. 고정와이어(21k)는 고정베이스(21a)가, 하천수에 밀려 움직이는 것을 방지한다. 고정와이어(21k)는 하단부가 앵커블록(21m)에 고정되고 상단부가 고정베이스(21a)에 연결된다. 상기 앵커블록(21m)은 하천의 바닥에 박히며 고정와이어(21k)을 인장하는 인장수단이다. 고정와이어(21k)의 적용 개수는 물살의 세기나 하천의 특성을 고려하여 달라질 수 있다.
상기 지지구조체(21b)는 고정베이스에 고정되며 수직 상부로 연장된 기둥이다. 지지구조체(21b)는 길이조절아암(21c)을 지지하는 것인데, 길이조절아암(21c)을 안정적으로 지지할 수 있는 한 지지구조체(21b)의 구조를 얼마든지 달라질 수 있다.
상기 길이조절아암(21c)은 지지구조체(21b)의 상단부에 설치되며 수평으로 연장되고 연장단부에 초분광센서(21d)를 갖는다. 길이조절아암(21c)은 지지구조체(21b)를 중심으로 대칭을 이룬다. 특히 길이조절아암(21c)은 텔레스코픽 구조를 가져, 길이조절이 가능하다. 이를테면, 지지구조체(21b)로부터 초분광센서(21d)의 수평 거리를 조절할 수 있는 것이다.
상기 초분광센서(21d)는 하천수(103)의 수면을 촬영한다. 수면에 녹조(105)가 발생하였다면 녹조가 촬영될 것이다. 초분광센서(21d)의 촬영정보는 제2정합부(40)로 전달되어 정합된다. 위에 설명한 바와 같이, 하천에는 여러 대(많게는 수천 대)의 지상촬영부(20)가 설치되는데, 각 지점의 지상촬영부가 촬영한 영상데이터가 제2정합부(40)에 모여 정합되는 것이다.
상기 컨트롤러(21g)는 초분광센서(21d)의 상부에 배치되며 초분광센서(21d)의 동작을 제어한다. 그리고 태양전지판(21f)은 전력을 생산하여 컨트롤러(21g)에 공급한다. 하상분광센서유니트(21)의 작동 전력은 태양전지판(21f)으로부터 제공되는 것이다. 경우에 따라 전력을 공급하기 위한 충전식 배터리가 추가될 수도 있다.
상기 통신모듈(21h)은 초분광센서(21d)가 획득한 영상데이터를 제2정합부(40)로 무선 전송하는 역할을 한다. 초분광센서의 영상데이터는 통신모듈을 통해 클라우드에 업로드 될 수도 있다.
상기 수변분광센서유니트(26)는, 하천(101)의 수변(水邊)에 위치하고, 하상분광센서유니트(25)가 촬영하지 못하는 지점을 촬영한다. 이를테면 하천의 가장자리 부분을 집중적으로 촬영하는 것이다.
상기 수변분광센서유니트(26)는, 기둥(25a), 제2초분광센서(25c), 제2컨트롤러(25f), 제2태양전지판(25e), 제2통신모듈(25g)을 갖는다.
상기 기둥(25a)은 수변(107)의 지면에 박혀 고정되며 수직으로 연장되며 상단부에 제2초분광센서(25c)를 갖는다. 제2초분광센서(25c)는 하천수(103)의 수면을 촬영한다. 상기 제2컨트롤러(25f)는 제2초분광센서(25c)의 동작을 제어하며, 제2태양전지판(25e)은 제2초분광센서(25c)의 동작에 필요한 전력을 공급한다. 수변분광센유니트(26)에도 충전형 배터리가 추가될 수 있다.
상기 제2통신모듈(25g)은 제2초분광센서(25c)가 획득한 영상데이터를 제2정합부(40)로 무선 전송한다.
상기 하상분광센서유니트(21)와 수변분광센서유니트(25)의 간격은, 초분광센서(21d)와 제2초분광센서(25c)의 촬영범위가 겹쳐지도록 설계된다. 하상분광센서유니트(21)와 수변분광센서유니트(25)가 촬영한 분광영상의 정합이 필요한 것이다.
상기 제2정합부(40)는 하상분광센서유니트(21)와 수변분광센서유니트(25)로부터 전달받은 초분광 영상을 정합한다. 제2정합부(40)에서 정합된 분광영상은, 무인항공촬영부(15)가 촬영한 분광영상과 비교 분석된다.
상기 하천수센서부(30)는, 지상촬영부(20)가 촬영하고 있는 하천의 수온과 유속과 녹조농도를 파악하는 역할을 한다.
상기 하천수센서부(30)는, 가변연장로드(27), 부표(30a), 유속센서(31), 수온센서(33), 농도센서(35), 데이터전달부(37)를 갖는다.
상기 가변연장로드(27)는, 일단부가 고정베이스(21a)에 고정되고 수평 연장되며 길이조절이 가능한 막대이다. 가변연장로드(27)도 길이조절아암(21c)와 마찬가지로 텔레스코픽 구조를 갖는다. 고정베이스(21a)에 대한 부표(30a)의 간격 조절이 가능한 것이다.
상기 부표(30a)는 가변연장로드(27)의 단부에 장착되는 부재로서 하천수(103)의 수면에 떠 있는 상태로, 유속센서(31), 수온센서(33), 농도센서(35), 데이터전달부(37)를 지지한다.
상기 유속센서(31)는, 부표(30a) 주변의 하천수의 유속을 감지하는 것이고, 수온센서(33)는 하천수의 수온을 센싱한다. 또한 농도센서(35)는 부표주변의 녹조의 농도를 감지하는 역할을 한다. 유속센서(31), 수온센서(33), 농도센서(35)의 센싱 방식 자체는 일반적인 것이다.
상기 하천수센서부(30)의 센싱 대상은, 지상촬영부(20)가 촬영하는 지점이다. 즉, 하상분광센서유니트(21)와 수변분광센서유니트(25)가 촬영하는 하천수의 상태를 감지하는 것이다. 또한, 하천수센서부(30)의 센싱 간격은 조절 가능하다. 이를테면 한 시간에 한 번, 하루에 한 번, 또는 일주일에 한번 씩 동작시킬 수 있다. 데이터전달부(37)는, 유속센서, 수온센서, 농도센서가 감지한 데이터를 메모리부(50)에 전송한다.
상기 메모리부(50)는 하천수센서부(30)로부터 수신한 녹조의 농도나 하천수의 유속이나 수온 정보를 저장한다. 메모리부(50)에 저장되어 있는 데이터만으로도 계절별 녹조 관련 정보를 얻을 수 있다.
상기 메모리부(50)에 저장되어 있는 센싱정보와, 제2정합부(40)의 영상정보는, 데이터매칭부(60)에서 통합된다. 즉, 하천의 어떤 지점을 촬영한 분광영상에, 동일한 지점에 대한 하천수센싱내용(수온, 유속, 녹조농도)이 합쳐지는 것이다.
따라서, 말하자면, 컴퓨터를 통해 하천의 임의의 지점을 클릭했을 때, 해당 지점의 분광영상내용과, 분광영상을 촬영할 때의 하천수의 컨디션 정보를 함께 얻을 수 있는 것이다.
상기 데이터베이스(70)는, 데이터매칭부(60)에서 매칭 가공된 데이터와, 제1정합부(17)에서 정합된 분광영상 데이터를 전달받아 통합 저장한다. 제1정합부(17)에서 정합된 분광영상의 촬영 날짜는, 지상촬영부(20)가 촬영한 날짜와 동일하다. 이와 같이, 무인항공촬영부(15)와 지상촬영부(20) 및 센서부(30)를 통해 하천 녹조에 관한 상황을 시간순서별로 파악 및 종합하여 녹조에 관한 데이터를 축적함으로써, 하천의 녹조와 관련된 관리를 효율적으로 할 수 있게 된다.
상기 전처리부(80)는, 상기 무인항공촬영부(15) 및 지상촬영부(20)에 의해 획득된 초분광영상을 각각 정합하여 불규칙한 스펙트럼이 보정될 수 있도록 하는 역할을 한다. 또한, 상기 전처리부(80)는, 영상 데이터의 위치 정확도 확인 및 방사보정이 수행될 수 있도록 한다. 일례로, 상기 전처리부(80)는, 상기 무인항공촬영부(15)으로부터 촬영된 초분광영상에 대한 원시데이터를 전달받고, 영상의 위치 정확도를 확인하여 태광에 의한 촬영 대기환경에 따른 불규칙한 스펙트럼이 보정될 수 있도록 초분광영상에 대한 방사보정을 수행한다. 또한, 상기 전처리부(80)는, 획득된 초분광영상으로부터 분광대별 정사영상이 생성되도록 전처리한다.
상기 후처리부(90)는, 상기 초분광영상을 분광대별로 정합하여 레이어 형태의 정사영상이 획득될 수 있도록 하는 역할을 한다. 또한, 상기 후처리부(90)는, 상기 정사영상 이미지의 특징점 상호간 위치 차이, 거리 차이 및 방향벡터를 이용하여 좌표를 계산하고 면적, 높이, 방향, 좌표 등을 계산하여 추출하고 기준점을 설정하여 상기 기준점에 대한 위치보정이 수행될 수 있도록 한다. 또한, 상기 후처리부(90)는, 상기 정사영상의 취득 현장에서 측량기준점이 선정되도록 하여 상기 기준점에 대응되도록 정사영상이 보정될 수 있도록 한다. 그리고, 상기 후처리부(90)는, 상기 정사영상에서 상기 무인항공촬영부(15)의 흔들림, 고도 차이, 촬영각도 변화에 따른 촬영요소가 보정되도록 한다.
즉, 상기 후처리부(90)는, 상기 분광대별 정사영상을 층층이 적층되는 레이어 형태로 정합하고, 상기 정사영상에 대해 대기보정, 분광영역의 분광정보 및 취득시기의 태양고도, 방위각, 획득 시각을 포함하는 현장데이터가 메타데이터에 작성될 수 있도록 한다.
상기 식생분석부(100)는, 상기 후처리부(90)에 의해 정합된 정사영상을 기반으로 녹조의 식생지수가 산출될 수 있도록 한다. 이때, 상기 식생지수는, NDVI(정규식생지수), NDRE(적변식생지수), GNDVI(녹색정규식생지수), SAVI(토양정보식생지수), OSAVI(최적토양조정식생지수), NDMI(정규식생수분지수), GCI(엽록소지수), ARI(안토시아닌 반사 지수), DVI(차이 초목 지수) 및 EVI(향상된 식물지수), GRVI (Green Red Vegetation Index), CVI (Chlorophyll Vegetation Index), AVI (Advanced Vegetation Index), EVI (Enhanced Vegetation Index), CVI(엽록소 식생지수), SABI(표면 녹조 지수), CARI(엽록소 흡수율 지수, Chlorophyll Absorption Ratio Index), 3BM(3-Band Model), MCI(최대 엽록소 지수, Maximum Chlorophyll Index), NDCI(정규엽록소 지수, Normalized Difference Chlorophyll Index) 중 적어도 하나 이상을 포함한다.
상기 식생분석부(100)는, 각 식생지수에 따른 하기 산출식1 내지 산출식15를 통해 각 식생지수를 산출한다.
[산출식1]
NDVI = (NIR-Red)/(NIR+Red)
[산출식2]
NDRE = (NIR-RedEdge)/(NIR+RedEdge)
[산출식3]
GNDVI = (NIR-GREEN)/(NIR+GREEN)
[산출식4]
LCI = (NIR-RedEdge)/(NIR+Red)
[산출식5]
OSAVI = (NIR-Red)/(NIR+Red+0.16)
[산출식6]
GRVI = (GREEN-RED)/GREEN+RED)
[산출식7]
CVI = (NIR*RED)/GREEN2
[산출식8]
GCI = {(NIR/GREEN)}-1
[산출식9]
AVI = NIR*(1-RED)*(NIR-RED) 1/3
[산출식10]
EVI = 2.5*((NIR-RED)/NIR+6RED-7.5BLUE+1)
[산출식11]
SABI = (NIR-Red)/(NIR+Green)
[산출식12]
CARI = CAR*(RE/Red),
Figure PCTKR2023013499-appb-img-000001
[산출식13]
3BM =
Figure PCTKR2023013499-appb-img-000002
[산출식14]
MCI =
Figure PCTKR2023013499-appb-img-000003
[산출식15]
NDCI = (RE-Red)/(RE+Red)
상기 식생분석부(100)는, 상기 데이터베이스(70)로부터 무인항공촬영부(15) 및 지상촬영부(20)에서 촬영되어 전처리, 정합, 후처리 과정을 거친 데이터를 기반으로, 상기 식생지수에 의해 식생의 밀집, 활력, 엽록소의 변화, 영양, 플랑크톤 분포가 정량화될 수 있도록 하여, 녹조의 식생이 모니터링될 수 있도록 한다.
상기 NDVI 지수는, 활력이 높거나 밀도가 높은 식생에서 근적외선의 반사율이 높게 나타나는 것을 기반으로 측정된다. 상기 NDRE 지수는, 엽면적지수, 생체량, 질소함유량, 수관엽록소농도, 잎의 엽록소 농도 등의 생물리적인자 추정에 더 효과적으로 사용된다. LCI 지수는, 초목 성장과 산출량을 평가하는데 중요한 요소로 식물 영양소 스트레스, 질병, 성장 및 노화에 대한 지표로 사용된다. OSAVI 지수는, 토양 보정식생지수로 식생지수에 대한 토양 영향을 제외한다. GRVI 지수는, 클로로필 특성을 보면 540nm의 녹색밴드에서 높은 반사율을 보이며 400-700nm범위의 가시광선 중 적색 및 청색밴드에서 흡수특성을 나타낸다. CVI 지수는, 작물의 잎이 갖고있는 염록소 함량을 판단하는데 활용하는 지수이다. GCI 지수는, 다양한 종류의 식물의 잎의 엽록소의 양을 측정하는데 사용되고, 엽록소양은 식생의 생리적인 상태를 반영한다. 식물이 스트레스를 받았을 때 엽록소의 양은 감소하여 이를 통해 식물의 건강도를 체크 가능한 점을 이용한다. AVI 지수는, 정규식생지수와 마찬가지로 적색광과 근적외선 사용되며, 작물과 산림의 시간에 따른 변화를 감지하는데 유용하다. 그리고, 식생유형의 구분과 계절적인 특성을 구분할 수 있게된다. EVI 지수는, 식생의 생체량이 많은 지역에서 그들이 가지고 있는 다양한 신호 값을 효과적으로 파악하고, 청색광, 적색광, 근적외선을 함께 사용하여 토양 및 대기효과 보정 상수, 에어로졸 제거를 위한 유효계수 등을 사용한다.
또한, 상기 식생분석부(100)는, 1차 식생지수 조합에 따른 계산식과, 2차 식생지수 조합에 따른 계산식을 통해 상기 잔디의 식생지수가 분석될 수 있도록 한다. 상기 1차 식생지수 조합은, NDVI+NDRE, NDVI+NDRE+GNDVI, NDVI+NDRE+GNDVI+LCI, NDVI+NDRE+GNDVI+LCI+OSAVI, NDVI+LCI, GRVI+EVI, NDVI+LCI+GRVI+EVI를 포함한다. 또한, 상기 2차 식생지수 조합은, 3NDVI+3NDRE+2GNDVI+LCI, 4NDVI+3NDRE+2GNDVI+2LCI, 4NDVI+3NDRE+2GNDVI+2LCI+AVI, 4NDVI+3NDRE+2GNDVI+2LCI+EVI를 포함한다.
상기 1차 식생지수 조합에 따른 계산식은, 하기 산출식 16과 같다.
[산출식16]
1. NDVI + NDRE = {(NIR-Red)/(NIR+Red)}+{(NIR-RedEdge)/(NIR+RedEdge)}
2. NDVI + NDRE + GNDVI = {(NIR-Red)/(NIR+Red)}+{(NIR-RedEdge)/(NIR+RedEdge)}+{(NIR-Green)/(NIR+Green)}
3. NDVI + NDRE + GNDVI + LCI = {(NIR-Red)/(NIR+Red)}+{(NIR-RedEdge)/(NIR+RedEdge)}+{(NIR-Green)/(NIR+Green)}+{(NIR-RedEdge)/(NIR+Red)}
4. NDVI + NDRE + GNDVI + LCI + OSAVI = {(NIR-Red)/(NIR+Red)}+{(NIR-RedEdge)/(NIR+RedEdge)}+{(NIR-Green)/(NIR+Green)}+{(NIR-RedEdge)/(NIR+Red)}+{(NIR-Red)/(NIR+Red+0.16)}
5. NDVI + LCI = {(NIR-Red)/(NIR+Red)}+{(NIR-RedEdge)/(NIR+Red)}
6. GRVI + EVI = {(GREEN-RED)/GREEN+RED)}+{2.5*((NIR-RED)/NIR+6RED-7.5BLUE+1)}
7. NDVI + LCI + GRVI + EVI = {(NIR-Red)/(NIR+Red)}+{(NIR-RedEdge)/(NIR+Red)}+{(GREEN-RED)/GREEN+RED)}+{2.5*((NIR-RED)/NIR+6RED-7.5BLUE+1)}
상기 2차 식생지수 조합에 따른 계산식은, 하기 산출식 17과 같다.
[산출식17]
1. 3NDVI + 3NDRE + 2GNDVI + LCI = 3{(NIR-Red)/(NIR+Red)}+3{(NIR-RedEdge)/(NIR+RedEdge)}+2{(NIR-Green)/(NIR+Green)}+{(NIR-RedEdge)/(NIR+Red)}
2. 4NDVI + 3NDRE + 2GNDVI + 2LCI = 4{(NIR-Red)/(NIR+Red)}+3{(NIR-RedEdge)/(NIR+RedEdge)}+2{(NIR-Green)/(NIR+Green)}+2{(NIR-RedEdge)/(NIR+Red)}
3. 4NDVI + 3NDRE + 2GNDVI + 2LCI + AVI = 4{(NIR-Red)/(NIR+Red)}+3{(NIR-RedEdge)/(NIR+RedEdge)}+2{(NIR-Green)/(NIR+Green)}+2{(NIR-RedEdge)/(NIR+Red)}+{NIR*(1-RED)*(NIR-RED) 1/3 }
4. 4NDVI + 3NDRE + 2GNDVI + 2LCI + EVI = 4{(NIR-Red)/(NIR+Red)}+3{(NIR-RedEdge)/(NIR+RedEdge)}+2{(NIR-Green)/(NIR+Green)}+2{(NIR-RedEdge)/(NIR+Red)}+{2.5*((NIR-RED)/NIR+6RED-7.5BLUE+1)}
이로써, 상기 식생분석부(100)는, 상기 초분광영상을 통해 녹조의 식생지수를 분석하여, 상기 녹조의 밀집, 활력, 플랑크톤 분포가 정량화될 수 있도록 한다.
이상, 본 발명을 구체적인 실시예를 통하여 상세하게 설명하였으나, 본 발명은 상기 실시예에 한정하지 않고, 본 발명의 기술적 사상의 범위 내에서 통상의 지식을 가진 자에 의하여 여러 가지 변형이 가능하다.
[부호의 설명]
10 : 모니터링장치
15 : 무인항공촬영부
15a : 드론
15b : 초분광센서
17 : 제1정합부
20 : 지상촬영부
21 : 하상분광센서유니트
21a : 고정베이스
21b : 지지구조체
21c : 길이조절아암
21d : 초분광센서
21f : 태양전지판
21g : 컨트롤러
21h : 통신모듈
21k : 고정와이어
21m : 앵커블록
21p : 고정파일
25 : 수변분광센서유니트
25a : 기둥
25c : 제2초분광센서
25e : 제2태양전지판
25f : 제2컨트롤러
25g : 제2통신모듈
27 : 가변연장로드
30 : 센서부
30a : 부표
31 : 유속센서
33 : 수온센서
35 : 농도센서
37 : 데이터전달부
40 : 제2정합부
50 : 메모리부
60 : 데이터매칭부
70 : 데이터베이스
80 : 전처리부
90 : 후처리부
100 : 식생분석부
101 : 하천
103 : 하천수
105 : 녹조
107 : 수변

Claims (5)

  1. 녹조발생하천의 상공을 비행하며, 초분광센서를 이용해 하천에 대한 초분광영상을 획득하는 무인항공촬영부;
    상기 녹조발생하천을 따라 배치되고, 초분광센서를 이용해 하천의 수면을 촬영하는 다수의 지상촬영부;
    상기 지상촬영부가 촬영하는 촬영지점에서의 하천수의 수온과 유속과 녹조농도를 파악하는 하천수센서부;
    상기 하천수센서부의 감지데이터를 저장하는 메모리부;
    상기 지상촬영부가 획득한 초분광영상과, 메모리부에 저장된 감지데이터를 매칭시키는 데이터매칭부; 및
    상기 무인항공촬영부 및 지상촬영부에 의해 획득된 초분광영상을 각각 정합하여 불규칙한 스펙트럼이 보정될 수 있도록 하는 전처리부;를 포함하는 것을 특징으로 하는 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치.
  2. 제1항에 있어서,
    상기 초분광영상을 분광대별로 정합하여 레이어 형태의 정사영상이 획득될 수 있도록 하는 후처리부;를 더 포함하는 것을 특징으로 하는 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치.
  3. 제2항에 있어서,
    상기 후처리부는,
    상기 정사영상 이미지의 특징점 상호간 위치 차이, 거리 차이 및 방향벡터를 이용하여 좌표를 계산하고 면적, 높이, 방향, 좌표 등을 계산하여 추출하고 기준점을 설정하여 상기 기준점에 대한 위치보정이 수행될 수 있도록 하는 것을 특징으로 하는 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치.
  4. 제1항에 있어서,
    상기 초분광영상을 통해 녹조의 식생지수를 분석하여, 상기 녹조의 밀집, 활력, 플랑크톤 분포가 정량화될 수 있도록 하는 식생분석부;를 더 포함하는 것을 특징으로 하는 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치.
  5. 제1항에 있어서,
    상기 지상촬영부는,
    녹조발생하천의 수면 위에 설치되어 하천수의 수면을 촬영하는 하상분광센서유니트; 및
    상기 녹조발생하천의 수변에 위치하고, 하상분광센서유니트가 촬영하지 못하는 지점을 촬영하는 수변분광센서유니트;를 포함하는 것을 특징으로 하는 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치.
PCT/KR2023/013499 2022-11-24 2023-09-08 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치 WO2024111827A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220158973 2022-11-24
KR10-2022-0158973 2022-11-24

Publications (1)

Publication Number Publication Date
WO2024111827A1 true WO2024111827A1 (ko) 2024-05-30

Family

ID=91195752

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/013499 WO2024111827A1 (ko) 2022-11-24 2023-09-08 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치

Country Status (2)

Country Link
KR (1) KR20240077407A (ko)
WO (1) WO2024111827A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3175595B2 (ja) * 1996-06-25 2001-06-11 松下電工株式会社 水質調査装置
KR101863123B1 (ko) * 2017-02-15 2018-06-01 한국건설기술연구원 자율주행 무인비행체 및 이동형 무인부체를 이용한 하천 녹조지도 작성 시스템
KR101936586B1 (ko) * 2017-11-08 2019-04-09 한국건설기술연구원 Gps-기반 무작위 샘플링 방식으로 측정된 데이터를 활용한 녹조지도 작성 시스템 및 그 방법
KR20220073901A (ko) * 2020-11-26 2022-06-03 조선대학교산학협력단 해양 환경 감시 시스템
KR20220122381A (ko) * 2021-02-26 2022-09-02 창원대학교 산학협력단 드론을 이용한 수질현황 모니터링 방법 및 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102467304B1 (ko) 2020-12-30 2022-11-16 한국건설기술연구원 IoT 광센서 및 분광센서를 이용한 경보 모니터링 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3175595B2 (ja) * 1996-06-25 2001-06-11 松下電工株式会社 水質調査装置
KR101863123B1 (ko) * 2017-02-15 2018-06-01 한국건설기술연구원 자율주행 무인비행체 및 이동형 무인부체를 이용한 하천 녹조지도 작성 시스템
KR101936586B1 (ko) * 2017-11-08 2019-04-09 한국건설기술연구원 Gps-기반 무작위 샘플링 방식으로 측정된 데이터를 활용한 녹조지도 작성 시스템 및 그 방법
KR20220073901A (ko) * 2020-11-26 2022-06-03 조선대학교산학협력단 해양 환경 감시 시스템
KR20220122381A (ko) * 2021-02-26 2022-09-02 창원대학교 산학협력단 드론을 이용한 수질현황 모니터링 방법 및 시스템

Also Published As

Publication number Publication date
KR20240077407A (ko) 2024-05-31

Similar Documents

Publication Publication Date Title
US20230384280A1 (en) Methods and systems for analyzing a field
AU2015315327B2 (en) System and method for calibrating imaging measurements taken from aerial vehicles
CN111815014B (zh) 一种基于无人机低空遥感信息的作物产量预测方法及系统
CN107807125B (zh) 基于无人机载多光谱传感器的植物信息计算系统及方法
US10585210B2 (en) Apparatus for radiometric correction and orthorectification of aerial imagery
US9354216B2 (en) Infrared aerial thermography for use in determining plant health
JP6390054B2 (ja) モニタリングシステム
Yang et al. Yield estimation from hyperspectral imagery using spectral angle mapper (SAM)
KR101953515B1 (ko) 해충 정보 수집 시스템
JP2003009664A (ja) 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体
US20200219246A1 (en) Information processing apparatus, information processing method, program, and information processing system
Yang et al. Airborne hyperspectral imagery and yield monitor data for estimating grain sorghum yield variability
De Biasio et al. UAV-based environmental monitoring using multi-spectral imaging
Näsi et al. UAS based tree species identification using the novel FPI based hyperspectral cameras in visible, NIR and SWIR spectral ranges
JP4140052B2 (ja) 作物の生育診断方法における画像の補正方法
Lan et al. Development of an airborne remote sensing system for crop pest management: system integration and verification
WO2024111827A1 (ko) 초분광센서를 이용한 상습 녹조발생 하천 녹조 모니터링장치
EP1178283A1 (en) Airborne spectroscopic digital camera imaging system
AU2003211938B2 (en) Method of biomass estimation for forests and trees by remote sensing high-resolution data
JP2019039913A (ja) モニタリングシステム
Yang et al. Comparison of airborne multispectral and hyperspectral imagery for estimating grain sorghum yield
Yang et al. Airborne hyperspectral imaging and yield monitoring of grain sorghum yield variability
WO2024111826A1 (ko) 다중분광 영상정보를 이용한 식생 파악을 통한 잔디 보존 시스템 및 방법
Brown et al. The field spectral measurements program of the Canada Centre for Remote Sensing
KR102608448B1 (ko) 멀티드론을 이용한 산지 식생정보 취득장치 및 식생정보 취득방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23894759

Country of ref document: EP

Kind code of ref document: A1