[논문]수치표고모형 공간해상도에 따른 선구조 자동 추출 연구

박서우; 김건일; 신진호; 홍상훈

doi:10.7780/kjrs.2018.34.3.1

수치표고모형 공간해상도에 따른 선구조 자동 추출 연구
A Study on Automated Lineament Extraction with Respect to Spatial Resolution of Digital Elevation Model 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.34 no.3, 2018년, pp.439 - 450

박서우 (부산대학교 지질환경과학과) , 김건일 (부산대학교 지질환경과학과) , 신진호 (부산대학교 지질환경과학과) , 홍상훈 (부산대학교 지질환경과학과)

초록
AI-Helper

선구조는 인접한 지형구조 사이의 구분이 명확한 직선 또는 만곡의 지형요소로서 일반지질, 광물탐사, 자연재해, 지구조 분석 등에 널리 활용된다. 과거에는 현장조사 혹은 지도를 이용하여 선구조를 추출하였으나, 현재는 원격탐사 기술의 발달로 인하여 넓은 지역에 대한 선구조를 효율적으로 추출할 수 있게 되었다. 선구조 추출을 위해서 항공기 혹은 인공위성 원격탐사 영상 혹은 지형표고모형의 육안판독 방법 이외에 보다 객관적인 결과 도출을 위한 자동화 방법이 개발되었다. 본 연구에서는 지형표고모형의 공간해상도 차이에 따라 자동 추출된 선구조의 특성을 분석, 평가하고자 한다. 연구 지역은 대한민국 경상도 언양, 모량 주변 지역으로 약 90 m (3초) 공간해상도를 갖는 Shuttle Radar Topography Mission(SRTM) Digital Elevation Model(DEM)과 12 m 공간해상도를 갖는 TerraSAR-X add-on for Global Digital Elevation Measurement(Global DEM) 자료를 사용하였다. 또한 Global DEM을 재배열(resampling)하여 30 m (1초) 간격의 공간해상도를 갖는 지형고도모형을 제작하였다. 다양한 각도의 태양고도와 태양방위각을 고려한 음영기복도를 제작하였으며, 선구조 자동 추출을 위해 PCI Geomatica 소프트웨어의 LINE 모듈을 이용하였다. 수치표고모형 공간해상도에 상관없이 선구조의 최빈값은 $N15-25^{\circ}E$로 북북동(NNE)의 방향성을 보였다. 그러나 공간해상도가 좋을수록 보다 많고 세밀한 선구조가 추출되었다. 본 연구 결과를 통해 선구조 밀도는 수치표고모형의 공간해상도에 비례함을 알 수 있었으며 연구 목적에 따라 적절한 공간해상도를 갖는 수치표고모형이 선택되어야 함을 알 수 있었다.

Abstract ▼ AI-Helper

The lineament is a linear or curved terrain element to discriminate adjacent geological structures in each other. It has been widely used for analysis of geology, mineral exploration, natural disasters, and earthquake, etc. In the past, the lineament has been extracted using cartographic map or field survey. However, it is possible to extract more efficiently the lineament for a very wide area thanks to development of remote sensing technique. Remotely sensed observation by aircraft, satellite, or digital elevation model (DEM) has been used for visual recognition for manual lineament extraction. Automatic approaches using computer science have been proposed to extract lineament more objectively. In this study, we evaluate the characteristics of lineament which is automatically extracted with respect to difference of spatial resolution of DEM. We utilized two types of DEM: one is Shuttle Radar Topography Mission (SRTM) with spatial resolution of about 90 m (3 arc sec), and the other is the latest world DEM of TerraSAR-X add-on for Global DEM with 12 m spatial resolution. In addition, a global DEM was resampled to produce a DEM with a spatial resolution of 30 m (1 arc sec). The shaded relief map was constructed considering various sun elevation and solar azimuth angle. In order to extract lineament automatically, we used the LINE module in PCI Geomatica software. We found that predominant direction of the extracted lineament is about $N15-25^{\circ}E$ (NNE), regardless of spatial resolution of DEM. However, more fine and detailed lineament were extracted using higher spatial resolution of DEM. The result shows that the lineament density is proportional to the spatial resolution of DEM. Thus, the DEM with appropriate spatial resolution should be selected according to the purpose of the study.

주제어

표/그림 (19)

그림 Fig. 1. Landsat-8 optic color composite image of the study area (courtesy of USGS). The red inlet represent the area which is used for automatic lineament extraction.
그림 Fig. 2. Main fault lines overlaid with shaded relief map of Global DEM in the study area (courtesy of DLR; Choi, 2003; Han et al., 2009, Lee and Moon, 2003).
그림 Fig. 3. Flow chart used in this study. The software which used in this study is presented at each processing step.
표 Table 1. Definition of six parameters in PCI Geomatica LINE Module
표 Table 2. Six parameters of PCI Geomatica LINE module with respect to spatial resolution of digital elevation model in this study
그림 Fig. 5. Shaded relief of 1-arc Global DEM at sun azimuth angle of (a) 0°, (b) 45°, (c) 90°, (d) 135°.
그림 Fig. 4. Shaded relief of SRTM at sun azimuth angle of (a) 0°, (b) 45°, (c) 90°, (d) 135°.
그림 Fig. 6. Shaded relief of Global DEM at sun azimuth angle of (a) 0°, (b) 45°, (c) 90°, (d) 135°.
그림 Fig. 7. Lineament extraction pattern of SRTM by shadow relief at sun azimuth angle of (a) 0°, (b) 45°, (c) 90°, (d) 135°.
그림 Fig. 8. Lineament extraction pattern of 1-arc Global DEM by shadow relief at sun azimuth angle of (a) 0°, (b) 45°, (c) 90°, (d) 135°.
그림 Fig. 9. Lineament extraction pattern of Global DEM by shadow relief at sun azimuth angle of (a) 0°, (b) 45°, (c) 90°, (d) 135°.
표 Table 3. Number of lineaments according to spatial resolution of DEM
그림 Fig. 10. Final lineament map by DEM:(a) SRTM,(b) 1-arc Global DEM,(c) Global DEM.
그림 Fig. 11. Lineament density map by DEM with lineament: (a) SRTM, (b) 1-arc Global DEM, (c) Global DEM.
그림 Fig. 12. Lineament density map by DEM without lineament: (a) SRTM, (b) 1-arc Global DEM, (c) Global DEM.
그림 Fig. 13. Rose diagram of lineament at sun azimuth angle of (a) 0° (N=221), (b) 45° (N=228), (c) 90° (N=220), (d) 135° (N=211) using SRTM.
그림 Fig. 14. Rose diagram of lineament at sun azimuth angle of (a) 0° (N=221), (b) 45° (N=228), (c) 90° (N=220), (d) 135° (N=211) using 1-arc Global DEM.
그림 Fig. 15. Rose diagram of lineament at sun azimuth angle of (a) 0° (N=1,043), (b) 45° (N=1,033), (c) 90° (N=959), (d) 135° (N=1,013) using Global DEM.
그림 Fig. 16. Rose diagram of lineament at all of sun azimuth angle of (a) SRTM (N=486), (b) 1-arc Global DEM (N=569), (c) Global DEM (N=2,007).

AI 본문요약
AI-Helper

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

문제 정의

또한 다양한 공간해상도를 갖는 지형고도모형의 자료 특성에 따라 나타나는 선구조 추출 결과를 비교하고자 한다. 나아가 본 연구를 통해 원격탐사 자료 및 소프트웨어에 기반한 자동화된 선구조 추출 자료가 야외지질조사 전 기초 참고자료로 활용 가능한지에 대해 고찰해보고자 한다.
본 연구에서는 소프트웨어에 기반한 자동화된 선구조 추출 연구의 국내 지역에 대한 적용 가능성을 평가하는데 그 목적이 있다. 또한 다양한 공간해상도를 갖는 지형고도모형의 자료 특성에 따라 나타나는 선구조 추출 결과를 비교하고자 한다. 나아가 본 연구를 통해 원격탐사 자료 및 소프트웨어에 기반한 자동화된 선구조 추출 자료가 야외지질조사 전 기초 참고자료로 활용 가능한지에 대해 고찰해보고자 한다.
본 논문에서는 지형고도모형 자료의 공간해상도 차이에 따른 자동화된 선구조 추출 경향을 분석하였다. 선구조 추출 결과 태양방위각의 변화에 따라 음영기복도의 형태와 선구조의 추출 양상이 모두 다르게 추출됨을 확인할 수 있었다.
본 연구에서는 소프트웨어에 기반한 자동화된 선구조 추출 연구의 국내 지역에 대한 적용 가능성을 평가하는데 그 목적이 있다. 또한 다양한 공간해상도를 갖는 지형고도모형의 자료 특성에 따라 나타나는 선구조 추출 결과를 비교하고자 한다.

제안 방법

PCI Geomatica의 LINE 모듈에서 RADI, GTHR, LTHR, FTHR, ATHR, DTHR의 6가지 변수를 조정하여 선구조 추출을 수행하였다. 6가지 변수 모두 선구조 추출에 영향을 끼쳤으나, 그 중에서도 RADI, GTHR, LTHR이 선구조 추출에 가장 큰 영향을 끼쳤다.
최종 선구조 추출을 위해서 일정 부분 수동 보정작업이 필요하였으나 거의 모든 부분에서 자동화가 가능함을 확인하였다. PCI Geomatica의 LINE 모듈을 사용한 선구조 추출 시 해당 연구 지역 지형 구조에 알맞은 6가지 변수를 찾는 작업이 필요함을 확인하였으며 연구 지역에 맞는 변수를 조정하여 선구조 추출 작업을 수행하였다. 6가지 변수가 모두 선구조 추출에 영향이 있음을 확인하였으며, 본 연구의 경우 RADI, GTHR, LTHR의 값이 선구조 추출에 가장 큰 영향을 미침을 알 수 있었다.
또한, 공간해상도에 따른 밀도 분포를 비교하기 위해 선구조가 가장 많이 추출된 Global DEM에 밀도 범위의 최댓값을 맞추었다. 또한 주요 선구조의 방향성을 검증하기 위해 RockWorks^TM 프로그램을 사용하여 지형고도모형과 태양방위각에 따른 rose diagram을 제작하였다.
입력 자료는 두 가지 형태의 지형고도모형을 수집하였으며, 약 90 m(3초) 공간해상도를 갖는 Shuttle Radar Topography Mission(SRTM) Digital Elevation Model(DEM)과 12 m 공간해상도를 갖는 TerraSAR-X add-on for Global Digital Elevation Measurement(Global DEM) 자료를 사용하였다. 또한 중간 공간해상도를 갖는 약 1초 간격의 SRTM DEM을 수집하였으나 본 연구 지역에 해당하는 자료가 존재하지 않아 30 m(1초) 간격의 공간해상도를 갖는 지형고도모형을 제작하기 위하여 12 m 공간해상도를 갖는 Global DEM을 재배열(resampling)하였다.
선행 연구(Kusák and Krbcová, 2017)에서 제시된 6가지 변수를 연구 지역에 그대로 적용해보았을 때 선구조가 제대로 추출되지 않는 문제점이 발생하여 연구 지역에 맞는 변수를 새로 조정할 필요가 있었다. 또한, 6가지 변수를 조정할 때 보다 객관적인 기준을 찾기 위해 한국지질자원연구원의 1:50,000 지질도 상에 기재된 지질학적 선구조 중 연구 지역에 가장 뚜렷하게 나타나는 밀양단층과 유사하게 선구조를 추출하는 기준으로 찾기 위한 변수를 조정하였다. Table 1은 PCI Geomatica LINE 모듈에서 입력값으로 사용되는 6개의 변수들에 대한 설명이며, 연구 지역에 적합한 각 공간해상도 별 지형고도모형에 따른 6가지 변숫값을 Table 2에 제시하였다.
선구조 밀도의 단위는 [선구조의 개수/km²]로 선구조가 적게 분포한 곳은 연두색, 많이 분포한 곳은 붉은색으로 나타내었다. 또한, 공간해상도에 따른 밀도 분포를 비교하기 위해 선구조가 가장 많이 추출된 Global DEM에 밀도 범위의 최댓값을 맞추었다. 또한 주요 선구조의 방향성을 검증하기 위해 RockWorks^TM 프로그램을 사용하여 지형고도모형과 태양방위각에 따른 rose diagram을 제작하였다.
(2005)은 ASTER와 Landsat ETM 자료를 이용하여 선구조를 추출하였으며 PCI Geomatica의 LINE 모듈과 ArcGIS^TM 등 다양한 소프트웨어가 활용되었다. 또한, 방향성과 선구조 밀도 분석 등 통계분석을 통해 결과를 점검하는 일련의 과정을 통해 자동적이고 디지털화된 선구조 분석법을 개발하였다.
본 선구조 추출 연구는 수치표고모형을 이용한 음영기복도 제작, 선구조 추출, 선구조 수정, 통계 분석 순으로 진행하였다. 전체적인 자료 처리 순서도는 Fig.
본 연구에서는 음영기복도 제작과 관련한 선행 연구를 참고하여 태양고도는 45°, 태양방위 각은 0°, 45°, 90°, 135°로 지정하여 세 종류의 지형고도모형의 공간 해상도에 따라 총 12개의 음영기복도를 제작하였다.
선구조 밀도 분석은 ArcGIS^TM프로그램을 통해 수행하였으며, 격자의 크기와 선구조 밀도의 범주는 공간해상도차이에 따른 동일한 선구조 밀도의 비교를 위하여 제일 낮은 공간해상도와 선구조 밀도를 보이는 SRTM DEM 을 기준에 맞춰 도시하였다. 선구조 밀도의 범위는 0∼5.
선구조 추출 후 ArcGISTM 프로그램을 사용하여 0°, 45°, 90°, 135°의 모든 태양방위각의 선구조 지도를 병합한 후에 중복되거나 오류가 있는 선구조를 제거하는 작업을 수행하여 최종적인 선구조 지도를 제작하였다.
우선, 소프트웨어에 기반한 통계 처리를 위해 벡터화(vectorization)를 실시하여 각 선구조의 첫 점과 끝 점을(x1, y1),(x2, y2) 좌표로 표시하였다. 우선 공간해상도에 따른 선구조 추출 분포를 확인하기 위해 선구조 밀도 분석을 하였다. 밀도 분석은 ArcGIS^TM 프로그램의 spatial analyst tools에 있는 line density 모듈을 사용하여 선구조 밀도 지도를 제작하는 방식으로 진행하였다.
, 2005), 자동 방법은 선구조 추출 프로그램을 제작 혹은 활용하여 선구조를 자동으로 추출하는 것이다. 자동화된 선구조 추출은 여러 프로그램으로 제작 수행되어 왔으나 본 연구에서는 PCI Geomatica에서 제공하는 LINE 모듈을 이용하여 선구조 추출을 수행하였다. LINE 모듈에는 선구조 추출을 위한 6가지 변수가 존재하며 연구지역에 적합한 각 변수의 조정을 통해 선구조를 효과적으로 추출할 수 있다.
선구조 수정 시 최대한 객관성을 보장하기 위하여 가장 높은 공간 해상도의 음영기복도를 배경으로 하여 중복되는 선구조 중 가장 적합한 하나의 선구조를 제외하고 나머지 선구조를 수작업으로 제거하였다. 제거 후 프로그램의 data management tools의 병합(merge) 기능을 통해 하나의 통합된 선구조 지도를 제작하였다.
지형표고모형의 공간해상도 차이에 따라 태양방위각 각 범위 내의 선구조 최대 빈도가 다르게 나타났기 때문에, 비교 검증을 위해 각 태양방위각에 대해 SRTM 은 90, 1-arc Global DEM은 100, Global DEM은 350을 최대 빈도로 설정하여 도시하였다.
직접 손으로 만드는 기법, 프로그램을 사용하는 기법 등 여러 방법이 있으나(Chang et al., 2003), 본 연구에서는 ENVI® 프로그램의 지형학적 모델링(topography modeling) 모듈을 이용하여 수집된 지형고도모형 자료에 대한 음영기복도를 제작하였다.
소프트웨어를 이용하여 수행하였다. 태양방위각에 따라 선구조 추출 양상에 차이가 있었기 때문에 모든 태양방위각을 고려하기 위하여 네 개의 선구조 지도를 중첩하여 도시하였다. 네 개의 선구조를 중첩한 결과, 동일하게 겹쳐 있거나, 너무 가까이 붙어있거나, 교차 되어있는 것 등의 중복 선구조가 발견되었다.
(1996; 1997)는 경상분지 의성지역, 옥천대 남서경계부 등에서 원격탐사자료와 수치표고모형(DEM)을 이용하여 선구조의 방향성을 분석하였다. 해당 연구에서는 선구조 추출시 한계점으로 지적되었던 관측 방향에 따른 선택적 증감 효과를 보정하기 위해 음영기복도를 사용하였다. 또한 Hough 변환 등 기존의 선구조 추출 알고리즘이 국내에 적합하지 않다는 한계가 지적되어 Won et al.

대상 데이터

본 연구에서는 선구조 추출 분석을 위해 대한민국 동남부 경상권에 위치한 언양, 모량을 포함한 지역을 선정하였다(Fig. 1). 한국지질자원연구원에서 발행한 1:50000 지질 도폭상 모량, 언양, 자인, 유천도폭에 해당하며, 경산, 경주, 밀양, 언양 지역을 부분적으로 포함한다.
3과 같다. 입력 자료는 두 가지 형태의 지형고도모형을 수집하였으며, 약 90 m(3초) 공간해상도를 갖는 Shuttle Radar Topography Mission(SRTM) Digital Elevation Model(DEM)과 12 m 공간해상도를 갖는 TerraSAR-X add-on for Global Digital Elevation Measurement(Global DEM) 자료를 사용하였다. 또한 중간 공간해상도를 갖는 약 1초 간격의 SRTM DEM을 수집하였으나 본 연구 지역에 해당하는 자료가 존재하지 않아 30 m(1초) 간격의 공간해상도를 갖는 지형고도모형을 제작하기 위하여 12 m 공간해상도를 갖는 Global DEM을 재배열(resampling)하였다.

데이터처리

선구조 수정 후, 선구조 지도에 대해 선구조의 밀도와 방향성 검증 등의 통계 분석을 하였다. 우선, 소프트웨어에 기반한 통계 처리를 위해 벡터화(vectorization)를 실시하여 각 선구조의 첫 점과 끝 점을(x1, y1),(x2, y2) 좌표로 표시하였다.
선구조 수정 후, 선구조 지도에 대해 선구조의 밀도와 방향성 검증 등의 통계 분석을 하였다. 우선, 소프트웨어에 기반한 통계 처리를 위해 벡터화(vectorization)를 실시하여 각 선구조의 첫 점과 끝 점을(x1, y1),(x2, y2) 좌표로 표시하였다. 우선 공간해상도에 따른 선구조 추출 분포를 확인하기 위해 선구조 밀도 분석을 하였다.

이론/모형

우선 공간해상도에 따른 선구조 추출 분포를 확인하기 위해 선구조 밀도 분석을 하였다. 밀도 분석은 ArcGIS^TM 프로그램의 spatial analyst tools에 있는 line density 모듈을 사용하여 선구조 밀도 지도를 제작하는 방식으로 진행하였다. 선구조 밀도의 단위는 [선구조의 개수/km²]로 선구조가 적게 분포한 곳은 연두색, 많이 분포한 곳은 붉은색으로 나타내었다.
선구조 수정 작업은 ArcGIS^TM 소프트웨어를 이용하여 수행하였다. 태양방위각에 따라 선구조 추출 양상에 차이가 있었기 때문에 모든 태양방위각을 고려하기 위하여 네 개의 선구조 지도를 중첩하여 도시하였다.

성능/효과

SRTM DEM 자료에서 선구조를 추출할 때, 태양방위각이 0°에서 135°로 변화함에 따라 선구조 최빈값의 범위는 N05-10°E에서 N25-30°E로 변화하는 양상을 보였다. 1-arc Global DEM과 Global DEM 또한 태양방위각에 따라 최빈값의 범위가 북에서 북동 방향으로 점진적으로 달라지는 것을 확인하였다. 그러나 선구조 수정 후 모든 태양방위각을 고려한 지형고도모형 자료의 방향성 검증시, 선구조 최빈값의 범위는 N15-25°E로 북북동(NNE)의 방향성을 보였다.
6가지 변수 모두 선구조 추출에 영향을 끼쳤으나, 그 중에서도 RADI, GTHR, LTHR이 선구조 추출에 가장 큰 영향을 끼쳤다. 4개의 태양방위각에 따라 선구조의 추출 경향이 다르게 나타났으며, 공간해상도가 증가할수록 보다 많은 선구조가 추출되는 경향이 있음을 알 수 있었다(Fig. 7, 8, 9). 따라서 DEM을 이용한 선구조 추출 시 다양한 태양 방위각을 고려하는 것이 필수적임을 알 수 있다.
PCI Geomatica의 LINE 모듈에서 RADI, GTHR, LTHR, FTHR, ATHR, DTHR의 6가지 변수를 조정하여 선구조 추출을 수행하였다. 6가지 변수 모두 선구조 추출에 영향을 끼쳤으나, 그 중에서도 RADI, GTHR, LTHR이 선구조 추출에 가장 큰 영향을 끼쳤다. 4개의 태양방위각에 따라 선구조의 추출 경향이 다르게 나타났으며, 공간해상도가 증가할수록 보다 많은 선구조가 추출되는 경향이 있음을 알 수 있었다(Fig.
PCI Geomatica의 LINE 모듈을 사용한 선구조 추출 시 해당 연구 지역 지형 구조에 알맞은 6가지 변수를 찾는 작업이 필요함을 확인하였으며 연구 지역에 맞는 변수를 조정하여 선구조 추출 작업을 수행하였다. 6가지 변수가 모두 선구조 추출에 영향이 있음을 확인하였으며, 본 연구의 경우 RADI, GTHR, LTHR의 값이 선구조 추출에 가장 큰 영향을 미침을 알 수 있었다.
Fig. 4, 5, 6에서 나타나듯이 태양방위각에 따라 0°에서는 180°방향, 45°에서는 225°방향, 90°에서는 270°방향, 135°에서는 315°방향 등 태양 빛의 반대방향으로 음영이 생기는 것을 확인할 수 있었으며, 지정한 태양방위각에 따라 음영기복도에서 각각 다른 색조 경계가 나타났다.
최종적으로 모든 태양방위각을 고려하여 선구조를 병합한 경우, 공간해상도가 증가함에 따라 선구조 추출 빈도가 증가함을 확인하였으며, 동시에 선구조 밀도 또한 증가하는 양상을 보였다. 고해상도 지형고도모형을 사용할수록 많은 수의 선구조가 추출되는 것을 확인하였다. 그러나 30 m의 공간해상도를 갖는 재배열된 Global DEM의 경우 90 m의 SRTM DEM에 비해 다소 선구조의 개수가 증가하였으나 증가 비율은 Global DEM에 비해 매우 낮았다.
그러나 0°, 45°, 90°, 135°의 모든 태양방위각을 고려한 수정 후 선구조 지도에서는 최빈값의 각도 범위가 SRTM은 N15-20°E, 1-arc Global DEM은 N20-25°E, Global DEM은 N15-20°E로 매우 유사하게 나타났다.
태양방위각에 따라 선구조 추출 양상에 차이가 있었기 때문에 모든 태양방위각을 고려하기 위하여 네 개의 선구조 지도를 중첩하여 도시하였다. 네 개의 선구조를 중첩한 결과, 동일하게 겹쳐 있거나, 너무 가까이 붙어있거나, 교차 되어있는 것 등의 중복 선구조가 발견되었다. 선구조 수정 시 최대한 객관성을 보장하기 위하여 가장 높은 공간 해상도의 음영기복도를 배경으로 하여 중복되는 선구조 중 가장 적합한 하나의 선구조를 제외하고 나머지 선구조를 수작업으로 제거하였다.
또한 모든 지형고도모형 자료의 선구조를 종합한 결과 연구지역 선구조의 주 방향성은 N15-25°E로 나타났다.
4, 5, 6에서 나타나듯이 태양방위각에 따라 0°에서는 180°방향, 45°에서는 225°방향, 90°에서는 270°방향, 135°에서는 315°방향 등 태양 빛의 반대방향으로 음영이 생기는 것을 확인할 수 있었으며, 지정한 태양방위각에 따라 음영기복도에서 각각 다른 색조 경계가 나타났다. 또한, 지형고도모형의 공간해상도가 증가할수록 보다 자세한 지형 구조에 대한 음영이 표현되었다.
본 논문에서는 소프트웨어를 이용한 선구조 추출이 성공적으로 추출됨을 확인하였다. 최종 선구조 추출을 위해서 일정 부분 수동 보정작업이 필요하였으나 거의 모든 부분에서 자동화가 가능함을 확인하였다.
본 논문에서는 지형고도모형 자료의 공간해상도 차이에 따른 자동화된 선구조 추출 경향을 분석하였다. 선구조 추출 결과 태양방위각의 변화에 따라 음영기복도의 형태와 선구조의 추출 양상이 모두 다르게 추출됨을 확인할 수 있었다. 최종적으로 모든 태양방위각을 고려하여 선구조를 병합한 경우, 공간해상도가 증가함에 따라 선구조 추출 빈도가 증가함을 확인하였으며, 동시에 선구조 밀도 또한 증가하는 양상을 보였다.
본 논문에서는 소프트웨어를 이용한 선구조 추출이 성공적으로 추출됨을 확인하였다. 최종 선구조 추출을 위해서 일정 부분 수동 보정작업이 필요하였으나 거의 모든 부분에서 자동화가 가능함을 확인하였다. PCI Geomatica의 LINE 모듈을 사용한 선구조 추출 시 해당 연구 지역 지형 구조에 알맞은 6가지 변수를 찾는 작업이 필요함을 확인하였으며 연구 지역에 맞는 변수를 조정하여 선구조 추출 작업을 수행하였다.
선구조 수정 작업을 통해 Table 3과 같이 선구조의 개수가 감소됨을 확인할 수 있었다. 최종 선구조의 수는 높은 공간해상도를 가질수록 많이 추출됨을 알 수 있었으며, 12 m 해상도를 갖는 Global DEM의 경우 90 m 공간해상도를 가지는 SRTM DEM에 비해 약 4배 가량 많은 선구조가 추출됨을 알 수 있었다. 흥미로운 점은 30 m의 공간해상도를 갖는 재배열된 Global DEM의 경우 SRTMDEM에 비해 다소 선구조의 개수가 증가하였으나 증가 비율은 Global DEM에 비해 매우 낮음을 알 수 있었다.
선구조 추출 결과 태양방위각의 변화에 따라 음영기복도의 형태와 선구조의 추출 양상이 모두 다르게 추출됨을 확인할 수 있었다. 최종적으로 모든 태양방위각을 고려하여 선구조를 병합한 경우, 공간해상도가 증가함에 따라 선구조 추출 빈도가 증가함을 확인하였으며, 동시에 선구조 밀도 또한 증가하는 양상을 보였다. 고해상도 지형고도모형을 사용할수록 많은 수의 선구조가 추출되는 것을 확인하였다.
최종 선구조의 수는 높은 공간해상도를 가질수록 많이 추출됨을 알 수 있었으며, 12 m 해상도를 갖는 Global DEM의 경우 90 m 공간해상도를 가지는 SRTM DEM에 비해 약 4배 가량 많은 선구조가 추출됨을 알 수 있었다. 흥미로운 점은 30 m의 공간해상도를 갖는 재배열된 Global DEM의 경우 SRTMDEM에 비해 다소 선구조의 개수가 증가하였으나 증가 비율은 Global DEM에 비해 매우 낮음을 알 수 있었다.

후속연구

소프트웨어를 이용한 자동화된 선구조 추출은 선구조에 대한 야외조사 전 보조자료로서 활용 가능성이 매우 크다. 그러나 연구 목적 및 지역의 크기에 따라 적절한 공간해상도의 지형고도모형 자료의 선택이 필요함을 알 수 있었으며, 연구 지역 특성을 고려하고, 선구조 추출에 필요한 알맞은 변숫값을 찾는 작업이 필요하며, 태양방위각에 따른 방향 편차도 함께 고려해야 함을 알 수 있었다. 또한 소프트웨어를 이용한 선구조 추출에는 비지질학적 선구조를 포함하고 있을 가능성이 있으므로, 보다 정밀한 수정 작업이 요구될 것으로 판단된다.
그러나 연구 목적 및 지역의 크기에 따라 적절한 공간해상도의 지형고도모형 자료의 선택이 필요함을 알 수 있었으며, 연구 지역 특성을 고려하고, 선구조 추출에 필요한 알맞은 변숫값을 찾는 작업이 필요하며, 태양방위각에 따른 방향 편차도 함께 고려해야 함을 알 수 있었다. 또한 소프트웨어를 이용한 선구조 추출에는 비지질학적 선구조를 포함하고 있을 가능성이 있으므로, 보다 정밀한 수정 작업이 요구될 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	선구조란 무엇인가?	선구조는 인접한 지형구조 사이의 구분이 명확한 직선 또는 만곡의 지형요소로서 일반지질, 광물탐사, 자연재해, 지구조 분석 등에 널리 활용된다. 과거에는 현장조사 혹은 지도를 이용하여 선구조를 추출하였으나, 현재는 원격탐사 기술의 발달로 인하여 넓은 지역에 대한 선구조를 효율적으로 추출할 수 있게 되었다.
	선구조를 추출하는 방법 중 수동 방법은 무엇인가?	선구조를 추출하는 방법은 크게 사람에 의한 수동 방법과 컴퓨터 알고리즘에 기반한 자동 방법이 있다. 수동 방법은 소벨 (Sobel), 라플라시안(Laplacian)과 같은 이미지 경계 탐지 (Image Edge Detection)를 사용하여 경계 향상(edge enhancement)을 시킨 후 직접 선구조를 찾아내는 방법 이고(Hung et al., 2005), 자동 방법은 선구조 추출 프로그 램을 제작 혹은 활용하여 선구조를 자동으로 추출하는 것이다.
	선구조의 활용도는?	선구조는 인접한 지형구조 사이의 구분이 명확한 직선 또는 만곡의 지형요소로서 일반지질, 광물탐사, 자연재해, 지구조 분석 등에 널리 활용된다. 과거에는 현장조사 혹은 지도를 이용하여 선구조를 추출하였으나, 현재는 원격탐사 기술의 발달로 인하여 넓은 지역에 대한 선구조를 효율적으로 추출할 수 있게 되었다.

참고문헌 (21)

Abdullah, A. J., M. Akhir, and I. Abdullah, 2010. Automatic mapping of lineaments using shaded relief images derived from Digital Elevation Model(DEMs) in the Maran-Sungi Lembing Area, Malaysia, Electronic Journal of Geotechnical Engineering, 15: 1-9.
Chang, M.-C., C.-M. Jun, and Y.-S. Choi, 2003. Creating the Shaded Relief Map using DEM, The Korean Society for Geospatial Information Science International Symposium, Korea, Sep. 26, vol. 2003, pp. 101-106.
Choi, W.-H., 2003. Neotectonics of the Gyeongju-Ulsan area in the southeastern part of Korean peninsula, Department of Earth and Environmental Sciences, Seoul National University, Seoul, Korea.
Geology map service at Korea Institute of Geoscience And Mineral Resources, https://mgeo.kigam.re.kr/map/geology.jsp, Accessed on Nov. 2, 2017.
Han, S.-R., J. Park, and Y.-S. Kim, 2009. Evolution modeling of the Yangsan-Ulsan fault system with stress changes, Journal of the Geological Society of Korea, 45(4): 361-377.
Hobbs, W.H., 1904. Lineaments of the Atlantic border region, Geological Society of America Bulletin, 15: 483-506.

상세보기
Hobbs, W.H., 1912. Earth Features and Their Meaning: An Introduction to Geology for the Student and General Reader, Macmillan, New York, NY, USA.
Hong, C.-K., J.-S. Won, and K.-D. Min, 2000. Quantitative Analysis of the Look Direction Bias in SAR Image for Geological Lineament Study, Journal of the Korean Society of Remote Sensing, 16(1): 13-24.
Hung, L. Q., O. Batelaan, and F. De Smedt, 2005. Lineament extraction and analysis, comparison of LANDSAT ETM and ASTER imagery, Case study: Suoimuoi tropical karst catchment, Vietnam, Proc. of Remote Sensing for Environmental Monitoring, GIS Applications, and Geology V, Bruges, Belgium, Sep. 19-20, vol. 5983.
Kim, W.-K., J.-S. Won, and S.-W. Kim, 1996. A technique Assessing Lineaments Using Remotely Sensed Data and DEM : Euiseong Area, Kyungsang Basin, Journal of the Korean Society of Remote Sensing, 12(2): 139-154.
Kim, W.-K., Y.-S. Lee, J.-S. Won, K.-D. Min, and Y. Lee, 1997. A study on lineament analysis along southwestern boundary of Okcheon Zone using the remote sensing and DEM data, Economic and Environmental Geology, 30(5): 459-467.
Kocal, A., H. S. Duzgun, and C. Karpuz, 2007. An accuracy assessment methodology for the remotely sensed discontinuities: a case study in Andesite Quarry area, Turkey International Journal of Remote Sensing, 28(17): 3915-3936.

상세보기
Korea Institute of Geoscience and Mineral Resources, 1998. An investigation and evaluation of capable fault, Korea Institute of Geoscience and Mineral Resources, Daejeon, Korea.
Kusak, M. and K. Krbcova, 2017. Analysis of the Relationship of automatically and manually extracted lineaments from DEM and geologically mapped tectonic faults around the main Ethiopial rift and the Ethiopian highlands, AUC GEOGRAPHICA, 52(1): 5-17.

상세보기
Lee, B.-J. and S.-W. Choon, 2003. Geological engineering characteristics around the local road passing through the fault system in the north-east direction of the Yangsan area, Proc. of Korean Society for Rock Mechanics and Rock Engineering, Korea, Mar. 1, vol. 2003, pp. 161-172.
Lee, S.-B., J.-S. Kim, and C.-Y. Kim, 2008. Accuracy Evaluation of Various Digital Elevation Model including LiDAR DEM, Proc. of Korean Society for Geospatial Information Science Symposium, Korea, Jun. 13, vol. 2008, pp. 254-259.
Lee, T.-H. and W.-M. Moon, 2002. Lineament Extraction from Landsat TM, JERS-1 SAR, and DEM for Geological Applications, Proc. of Geoscience and Remote Sensing Symposium, Toronto, Ontario, Canada, Jun. 24-28, vol. 6, pp. 3276-3278.
O'leary, D. W., J. D. Friedman, and H. A. Pohn, 1976. Lineament, linear, lineation: some proposed new standards for old terms, Geological Society of America Bulletin, 87(10): 1463-1469.

상세보기
Sabins, F. F., 1997. Remote Sensing-Principles and Interpretation, W.H. Freeman and Company, New York, NY, USA.
Won, J.-S., S.-W. Kim, K.-D. Min, and Y. Lee, 1998. A development of automatic lineament extraction algorithm from Landsat TM images for geological applications, Journal of the Korean Society of Remote Sensing, 14(2): 175-195.
Yoon, K-.C., M.-H. Kim, K.-W. Lee, and H.-J. Lee, 2008. Reading and understanding of Map, Purungil, Seoul, Korea.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증