$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

하이퍼센서 정보를 이용한 태화강지역의 비점오염원 분석

Analysis of Non-Point Pollution Sources in the Taewha River Area Using the Hyper-Sensor Information

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.20 no.1, 2017년, pp.56 - 70  

김용석 (동아대학교 디자인환경대학 조경학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 태화강 유역을 중심으로 다중영상정보 등을 이용하여 비점오염원 분포도 제작 및 분석을 하였다. 자료취득을 위하여 하이퍼센서와 항공사진, 그리고 지상분광센서를 통하여 자료를 수집하였고, 각 자료들에 대하여 영상보정과정을 거쳐 정사영상을 제작하였다. 그리고 지상분광측정을 통하여 분류등급별 분광스펙트럼을 분석하고 토지피복도와 비점오염원 분포도를 제시하였다. 태화강 유역의 비점오염원 분석에서 발생부하량 분포도는 산림과 농경지가 주로 분포하는 서쪽 지역의 경우 BOD($kg/km^2{\times}day$)가 1.0~2.3, TN($kg/km^2{\times}day$)이 0.06~9.44, TP($kg/km^2{\times}day$)는 0.03~0.24의 낮은 부하량 분포를 보이는 것으로 나타났다. 그리고 도시화가 진행된 동쪽 지역의 경우 토지이용을 대지로 분류한 결과 BOD 85.9, TN 13.69, TP 2.76의 비교적 높은 부하량 분포도가 나타남을 알 수 있었다.

Abstract AI-Helper 아이콘AI-Helper

In this study, multi-image information for the central Taewha River basin was used to develop and analyze a distribution map of non-point pollution sources. The data were collected using a hyper-sensor (image), aerial photography, and a field spectro-radiometer. An image correction process was perfo...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 실험지역에 대한 연구는 하이퍼센서 자료와 항공 라이다 자료를 취득하고, 항공사진과의 영상정합을 통한 3차원 지형 DB 구축을 수행한다. 구축된 DB를 바탕으로 토지피복분석, 비점오염원분석의 결과 분석하는 것이 연구의 목적이다. 본 연구에 적용할 다양한 공간정보에 대하여 정확도, 해상도와의 관계를 표 1과 같이 나타내었으며, 태화강 지역의 3차원 공간정보 구축 및 오염원조사 기법에 대하여 다양한 자료들을 사용하여 처리하였다.
  • 본 연구에서는 이러한 연구동향을 기반으로 태화강 일원에 대하여 하이퍼센서 정보를 이용한 비점오염원에 대하여 분석하고자 한다.
  • 본 연구에서는 하이퍼센서를 통해 태화강 인근의 다양한 토지피복의 재질을 과학적이고 체계적으로 분류하고 다양한 지표물 피복에 대한 영상데이터와 분광데이터를 구축하기 위하여 토지피복분류에 최적화된 작업계획을 수립하고 각 단계별 성과를 철저히 검증하여 하이퍼센서를 처리하고자 한다.
  • 25×발생부하량). 여기서 0.25를 적용하는데 있어 한강의 저수기 유출계수를 적용한 것으로서 모든 수계에 이 수치를 적용하기 에는 다소 무리가 있다고 판단되지만 넓은 구역의 비점오염원 분석을 하는데 있어 기초자료로 사용할 수 있는 것에 그 목적을 두었다.
  • 측정당시 표준 백색판을 통해 태양광량의 기준을 설정한 후, 목표물에 대한 분광반사율을 취득하였고, 위치 이동시 표준 백색판에 의한 반사율의 기준은 새로 측정하여 지표물을 측정하였다. 이는 위치 이동에 따른 시간차로 인해 달라지는 광량의 차이와 기상조건의 영향 등을 고려해야하기 때문에 별도로 실시하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
하이퍼 영상센서란 무엇인가? 이들의 분광반사 특성은 지상분광센서와 하이퍼센서를 이용하여 측정이 가능하다. 지상분광센서는 한 지점에서 분광반사특성을 측정하게 되고, 하이퍼 영상센서는 각 화소에 대한 지상분광특성을 측정함으로써 화소 개수만큼의 분광반사특성을 측정하고 이를 영상으로 구성한 것이다. 토지피복도는 이러한 분광반사특성의 차이를 이용하여 지표 피복을 분류한 것으로, 환경부 토지피복도는 대분류의 경우 7개 등급, 중분류 22개 등급, 세분류 41개 등급으로 분류하고 있다(그림 11).
환경부 토지피복도는 어떻게 분류되는가? 지상분광센서는 한 지점에서 분광반사특성을 측정하게 되고, 하이퍼 영상센서는 각 화소에 대한 지상분광특성을 측정함으로써 화소 개수만큼의 분광반사특성을 측정하고 이를 영상으로 구성한 것이다. 토지피복도는 이러한 분광반사특성의 차이를 이용하여 지표 피복을 분류한 것으로, 환경부 토지피복도는 대분류의 경우 7개 등급, 중분류 22개 등급, 세분류 41개 등급으로 분류하고 있다(그림 11).
분광각매퍼(SAM) 알고리즘의 장점은 무엇인가? 분광각매퍼(SAM) 알고리즘은 이러한 변이와 오차로 인한 오분류를 최소화하기 위하여 스펙트럼을 밴드 수 공간의 벡터로 가정한 후 벡터의 방향을 각으로 비교한다. 이 방법은 스펙트럼의 증감 패턴을 비교함으로써 절대 값을 비교하는 것보다 스펙트럼의 형태를 비교하는 방법에 해당하기 때문에 각 화소가 13개 분류등급 중 어떤 등급에 해당하는지를 보다 명확하게 분류할 수 있다(식 1).
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. Choi, B.G. 2014. Study on practical application of multi sensor. National Geographic Information Institute. pp.42-56 (최병길. 2014. 다목적 센서 실용화 연구. 국토지리정보원. 42-56쪽). 

  2. Cho, H.G., D.W, Kim, and J.I. Shin. 2014. Study of comparison of classification accuracy of airborne hyperspectral image land cover classification though resolution change. Journal of the Korean Society for Geospatial Information System 22(3): 155-160 (조형갑, 김동욱, 신정일. 2014. 해상도변화에 따른 항공초분광영상 토지피복 분류의 분류정확도 비교 연구. 한국지형공간정보학회지 22(3):155-160). 

  3. Han, Y.H. 2015. Effect analysis of nonpoint source by the change of load unit in Han River Basin of Gangwon Province. Research Institute for Gangwon 6(1):1-20 (한영한. 2015. 원단위 변화에 따른 강원도 한강수계의 비점오염원 영향 분석. 강원발전연구원 강원논총 6(1):1-20). 

  4. KHOA (Korea Hydrographic and Oceanographic Administration). 2014. Research report on utilization of new technology for waterway surveying. pp.31-65 (해양수산부 국립해양조사원. 2014. 수로측량 신기술 활용 연구 보고서. 31-65쪽). 

  5. Kim S.H and C.S, Yang. 2015. Current status of hyperspectral data processing techniques for monitoring coastal waters. Journal of the Korean Association of Geographic Information Studies 18(1):48-63 (김선화, 양찬수. 2015. 연안해역 모니터링을 위한 초분광영상 처리기법 현황. 한국지리정보학회지 18(1):48-63). 

  6. Kim, T.W., G.J, We, and Y.C, Suh. 2012. Correlation analysis with vegetation indices and vegetation-endmembers from airborne hyperspectral data in forest area. Journal of the Korean Association of Geographic Information Studies 15(3):52-65 (김태우, 위광재, 서용철. 2012. 산림지역의 항공기 탑재 하이퍼스펙트럴 영상에 대한 식생-Endmember와 식생지수의 상관 분석. 한국지리정보학회지 15(3):52-65). 

  7. Lee J.W., Y.J. Yi, H.G. Kwon, J.S. Yoon, C.S. Lee, and S.U. Cheon. 2012. Estimation of runoff characteristics of nonpoint pollutant source by land cover characteristics. Journal of the Environmental Sciences 21(8):977-988 (이재운, 이윤정, 권헌각, 윤종수, 이춘식, 천세억. 2012. 토지피복 특성에 따른 비점오염원 유출특성 평가. 한국환경과학회지 21(8):977-988). 

  8. LX (Korea Land and Geospatial Informatix Corporation). 2013. Acquisition and processing of hyper-sensor image. Research report. pp.44-57 (한국국토정보공사 공간정보연구원. 2013. 초분광영상 자료취득 및 처리. 연구 보고서. 44-57쪽). 

  9. Ministry of Environment. 2006. Water pollution total management manual. pp.245-247 (환경부 영산강유역환경청. 2006. 수질오염총량관리 업무편람. 245-247쪽). 

  10. Na, H.S., J.M. Park, and J.S. Lee. 2015. Analysis of land cover classification and pattern using remote sensing and spatial statistical method. Journal of the Korean Association of Geographic Information Studies 18(4):100-118 (나현섭, 박정묵, 이정수. 2015. 원격탐사와 공간통계 기법을 이용한 토지피복 분류 및 패턴 분석. 한국지리정보학회지 18(4):100-118). 

  11. Olmanson, L.G., P.L. Brezonik, and M.E. Bauer. 2013. Airborne hyperspectral remote sensing to assess spatial distribution of water quality characteristics in large rivers: the Mississippi River and its Tributaries in Minnesota. Remote Sensing of Environment 130:254-265. 

  12. Petropoulos, G.P., C. Kalaitzidis, and K.P. Vadrevu. 2012. Support vector machines and object-based classification for obtaining land-use/cover cartography from hyperion hyperspectral imagery. Computers and Geosciences 41:99-107. 

  13. Plaza, J., R. Perez, A. Plaza, P. Martinez, and D. Valencia. 2005. Mapping oil spills on sea water using spectral mixture analysis of hyperspectral image data. Proceedings of SPIE 5995. pp.599-609. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 보고서와 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트