선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 연구에서는 초분광영상에 대한 수심보정을 통해 연안 해저 피복 조사 범위 및 정확도 향상이 가능한지 분석하고자 한다. 2장에서는 연구지역과 사용한 초분광영상 및 전처리, 3장에서는 수심보정 방법, 4장에서는 수심보정 결과, 5장에서는 수심보정 전·후 영상을 이용한 해저 피복 분류결과를 비교함으로써 조사 범위 및 정확도 향상 가능성을 분석하고자 한다.
제안 방법
- 이 연구에서는 초분광영상을 연안 해저 피복조사에 활용하기 위해 수심보정을 실시하였고, 그 영향을 알아보기 위하여 수심보정 전·후의 해저 피복 분류 정확도를 비교하였다. 그 결과 수심보정 전에는 약 6-7m 정도의 비교적 얕은 수심까지 해저면에 대한 판독이 가능하였지만, 수심보정 후에는 약 15m의 상대적으로 깊은 수심까지 명확한 판독이 가능하였다.
- 초분광영상에 대한 전처리는 복사보정, 대기보정, 기하보정의 과정으로 수행하였다. 복사보정은 원시영상에 센서 복사보정계수 및 시스템 정보를 적용하여 각 화소별로 센서에 도달한 복사휘도(at-sensor radiance)를 획득하는 과정이다.
- 초분광영상의 수심보정에 따른 연안 해저 피복 분류의 정확도 및 분석가능 범위 향상을 평가하기 위하여 수심보정 전·후 영상의 동일 밴드를 이용하여 해저 피복을 분류하였고, 정확도를 비교하였다.
대상 데이터
- 2nm 폭의 96개 밴드로 촬영되었다. 96개 밴드 중 전처리 이후 수심보정 단계부터는 가시광선 영역에 해당하는 402.6n-682.8nm (band 6-band 45)의 40개 밴드를 사용하였다. 그 이유는 자외선 영역에 해당하는 366.
- 해저면의 피복등급은 총 4개로 밝은 모래, 어두운 모래, 해조류(암반), 백화 암반으로 정의하였다. 분류 알고리즘은 최대우도법(maximum likelihood)을 사용하였고, 훈련 샘플은 영상에서 총 4300개(밝은 모래 1100개, 어두운 모래 2200개, 해조류 700개, 백화 암반 300개) 화소를 육안판독으로 수집하여 사용하였다. 분류정확도 검증 샘플은 훈련 샘플과 다른 화소를 대상으로 총 1600개(밝은 모래 300개, 어두운 모래 800개, 해조류 350개, 백화 암반 150개) 화소를 수집하여 사용하였다.
- 분류 알고리즘은 최대우도법(maximum likelihood)을 사용하였고, 훈련 샘플은 영상에서 총 4300개(밝은 모래 1100개, 어두운 모래 2200개, 해조류 700개, 백화 암반 300개) 화소를 육안판독으로 수집하여 사용하였다. 분류정확도 검증 샘플은 훈련 샘플과 다른 화소를 대상으로 총 1600개(밝은 모래 300개, 어두운 모래 800개, 해조류 350개, 백화 암반 150개) 화소를 수집하여 사용하였다.
- 수심자료는 2014년 10월 CZMIL (Optech Inc., Canada) 항공수심라이다로부터 획득되었다. 촬영고도는 400m, 레이저 펄스의 점밀도는 1.
- 연구지역은 강원도 강릉시 영진항-사천진항-순긋해수욕장에 이르는 수심 15m 미만의 연안해역으로 면적은 약 2km2 이다. 이 해역은 남부 동해안에 비해 바다 사막화(갯녹음)가 심각하지 않지만 갯녹음 현상이 북상함에 따라 해저피복의 변화가 급격히 발생하고 있다.
- 이러한 장점은 보다 다양한 지표물을 분류하거나 특정 인자를 정량적으로 분석하는데 유리하다. 이 연구에서 사용한 초분광영상은 Table 1과 같이 CASI-1500 영상으로 2014년 9월에 촬영되었고, 촬영고도는 2000m, 공간해상도는 1.5m이다. 분광해상도는 366.
- , Canada) 항공수심라이다로부터 획득되었다. 촬영고도는 400m, 레이저 펄스의 점밀도는 1.5 point/m2 이고, 격자화를 통해 공간해상도 1.5m의 수심자료를 획득하였다. CZMIL 항공수심라이다는 근적외선과 녹색광 두 개 파장의 레이저펄스가 해면과 해저면에서 후방산란되어 센서에 도달하는 시간차를 이용하여 수심을 산출한다.
- 해저면의 피복등급은 총 4개로 밝은 모래, 어두운 모래, 해조류(암반), 백화 암반으로 정의하였다. 분류 알고리즘은 최대우도법(maximum likelihood)을 사용하였고, 훈련 샘플은 영상에서 총 4300개(밝은 모래 1100개, 어두운 모래 2200개, 해조류 700개, 백화 암반 300개) 화소를 육안판독으로 수집하여 사용하였다.
이론/모형
- 따라서 대기의 영향과 수면에서 반사된 에너지(복사휘도)를 모두 제거해야 수체와 해저의 반사율을 획득할 수 있다. 전처리 과정에서는 일반적인 복사전달모델(MODTRAN)을 이용하여 대기의 영향을 보정하였다. 수면의 반사율을 제거하는 과정은 3장 연구방법에서 보다 자세히 설명하였다.
성능/효과
- 22로 나타났다. 따라서 수심보정시 수심에 따른 해저면의 반사율 변이가 크게 감소한 것을 알 수 있었다. 수심보정 영상의 활용 가능성을 평가하기 위하여 수심보정 전·후 영상에 대한 해저면 피복분류를 실시한 결과 분류정확도가 84%에서 97%로 향상되었다.
- 또한 수심에 따라 반사율이 급격히 낮아짐에 따라 대부분의 화소가 해조류가 분포하는 암반으로 분류되는 현상이 사라지는 것을 볼 수 있었다. 따라서 연안 해저피복을 조사하기 위해 원격탐사자료를 이용할 때 수심보정을 통해 조사의 정확도와 조사범위를 향상시킬 수 있다. 이 연구에서는 강릉시 연안 일부를 대상으로 실험을 실시하였지만, 한반도 연안은 해역에 따른 해수특성 변이가 크다는 점을 고려하였을 때, 향후 연구에서는 다양한 연안해역에 대한 수심보정의 가능성을 확인하는 연구가 필요하다.
- 수심보정 영상의 활용 가능성을 평가하기 위하여 수심보정 전·후 영상에 대한 해저면 피복분류를 실시한 결과 분류정확도가 84%에서 97%로 향상되었다. 또한 수심에 따라 반사율이 급격히 낮아짐에 따라 대부분의 화소가 해조류가 분포하는 암반으로 분류되는 현상이 사라지는 것을 볼 수 있었다. 따라서 연안 해저피복을 조사하기 위해 원격탐사자료를 이용할 때 수심보정을 통해 조사의 정확도와 조사범위를 향상시킬 수 있다.
- 따라서 수심보정시 수심에 따른 해저면의 반사율 변이가 크게 감소한 것을 알 수 있었다. 수심보정 영상의 활용 가능성을 평가하기 위하여 수심보정 전·후 영상에 대한 해저면 피복분류를 실시한 결과 분류정확도가 84%에서 97%로 향상되었다. 또한 수심에 따라 반사율이 급격히 낮아짐에 따라 대부분의 화소가 해조류가 분포하는 암반으로 분류되는 현상이 사라지는 것을 볼 수 있었다.
후속연구
- 이 연구에서는 강릉시 연안 일부를 대상으로 실험을 실시하였지만, 한반도 연안은 해역에 따른 해수특성 변이가 크다는 점을 고려하였을 때, 향후 연구에서는 다양한 연안해역에 대한 수심보정의 가능성을 확인하는 연구가 필요하다. 또한 다중분광영상과 초분광영상의 분광해상도에 따른 해저 피복 분류 정확도 비교와 관련된 연구가 필요하다.
- 따라서 연안 해저피복을 조사하기 위해 원격탐사자료를 이용할 때 수심보정을 통해 조사의 정확도와 조사범위를 향상시킬 수 있다. 이 연구에서는 강릉시 연안 일부를 대상으로 실험을 실시하였지만, 한반도 연안은 해역에 따른 해수특성 변이가 크다는 점을 고려하였을 때, 향후 연구에서는 다양한 연안해역에 대한 수심보정의 가능성을 확인하는 연구가 필요하다. 또한 다중분광영상과 초분광영상의 분광해상도에 따른 해저 피복 분류 정확도 비교와 관련된 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.