최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기대한원격탐사학회지 = Korean journal of remote sensing, v.35 no.5 pt.2, 2019년, pp.861 - 871
이미희 (국립재난안전연구원 재난정보연구실) , 천은지 (국립재난안전연구원 재난정보연구실) , 어양담 (건국대학교 기술융합공학과)
Landsat satellite images have been increasingly used for disaster damage analysis and disaster monitoring because they can be used for periodic and broad observation of disaster damage area. However, periodic disaster monitoring has limitation because of areas having missing data due to clouds as a ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
결측된 영역의 복원 연구가 필요한 이유는 무엇인가? | Landsat 위성영상은 재난 피해 지역에 대해 주기적이며 광역적인 관측이 가능하여 재난 피해분석, 재난 모니터링 등 활용도가 증가하고 있다. 하지만 광학위성영상 특성상 구름으로 인한 결측된 영역으로 인해 주기적인 재난 모니터링에는 한계가 있어 결측된 영역의 복원 연구가 필요하다. 본 연구에서는 Landsat 8호 영상 취득 시 제공되는 QA밴드를 이용하여 구름 및 구름그림자를 탐지 및 제거하고, STARFM 알고리즘을 통해 제거된 영역의 영상 복원을 수행하였다. | |
Landsat 영상을 이용한 재난 분석의 효과는 무엇인가? | 82로 기존 복원방법보다 효과적인 것을 확인할 수 있었다. 이는 위성영상을 이용하여 재난 피해 분석을 위해서 필수적인 피해 전 최근 영상 수급이 가능해지며 뿐만 아니라 지속적인 재난 모니터링 관측이 가능하게 된다. 따라서 본 연구결과를 통해 구름의 영향을 많이 받는 여름철 청천영상 수급에 대한 문제점을 해결하여 향후 Landsat 영상을 이용한 재난 분석 수행 시 활용도를 높일 수 있을 것으로 기대된다. | |
생산자 정확도란 무엇인가? | 각 클래스별 분류정확도는 생산자 정확도(producer’s accuracy)와 사용자 정확도(user’s accuracy)로 구성되어있다. 생산자 정확도는 누락오차라고도 하며 해당 클래스가 어느 클래스로 얼마나 분류될 수 있는가를 나타내는 지표를 의미한다. 사용자 정확도는 수행오차 또는 신뢰도라고도 부르며 참조자료를 기준으로 복원영상이 해당 클래스가 얼마나 정확하게 분류가 되었는지에 대한 지표를 나타낸다. |
Brindha, S., S. Archana, V. Divya, S. Manoshruthy, and R. Priy, 2013. Removing thick clouds in Landsat images, ITSI Transactions on Electrical and Engineering, 1(6): 121-125.
Chen, J., X. Zhu, J. E. Vogelmann, F. Gao, and S. Jin. 2011. A simple and effective method for filling gaps in Landsat ETM+ SLC-off images, Remote Sensing of Environment, 115(4): 1053-1064.
Cho, M. H., Y. J. Park, S. S. Kim, J. W. Choi, and S. H. Goo, 2012. Analysis on HAITI earthquake damage using high resolution imagery, Proc. of Korean Society of Hazard Mitigation, YongIn-si, Republic of Korea, Feb. 16. vol. 10, p. 125.
Gao, F., J. Masek, M. Schwaller, and F. Hall, 2006. On the blending of the Landsat and MODIS surface reflectance: predicting daily Landsat surface reflectance, IEEE Transactions on Geoscience and Remote Sensing, 44: 2207-2218.
Han, S. H. and J. K. Park, 2012. Construction of corrected image about cloud cover area using multi-temporal Landsat data, Proc. of the Korean Academia-Industrial Cooperation Society(KAIS) Fall Conference, Daejeon, Republic of Korea, May 25-26, pp. 845-847.
Jensen, J. R., 2005. Introductory Digital Image Processing: A Remote Sensing Perspective 3rd Edition, Pearson Prentice Hall, Upper Saddle River, NJ, USA.
Jin, S., C. Homer, L. Yang, G. Xian, J. Fry, P. Danielson, and P. A. Townsed, 2013. Cloud-free satellite image mosaics with regression trees and histogram matching, International Journal of Remote Sensing, 34(5): 1540-1560.
Kim, Y. J. and J. S. Won, 2008. Zero disaster, disaster prevention strategy for Seoul, SDI Policy Report, 25: 1-22.
La, P. H. and M. Q. Nguyen, 2017. Reconstruction of missing data caused by cloudcover based on beyesian neural network and multitemporal images, Proc. of the International Conference on Geo-Spatial Technologies and Earth Resource, Hanoi, Vietnam, Oct. 5-6, pp. 89-102.
Lee, B. R., Y. K. Lee, D. H. Kim, and S. W. Kim, 2019. Correction of lunar lrradiation effect and change detection using Suomi-NPP data, Korean Journal of Remote Sensing, 35(2): 265-278 (in Korean with English abstract).
Maxwell, S., 2004. Filling Landsat ETM+ SLC-off gaps using a segmentation model approach, Photogrammetric Engineering and Remote Sensing, 70(10): 1109-1112.
Shiu, Y. S., M. L. Lin, and T. H. Chu, 2011. Mapping and recovering cloud-contaminated area in multispectral satellite imagery with visible and near-infrared bands, Proc. of 2011 IEEE International Geoscience and Remote Sensing Symposium, Vancouver, BC, Canada, Jul. 24-29, pp. 543-546.
Sun, L., X. Mi, J. Wei, J. Wang, X. Tian, H. Yu, and P. Gan, 2017. A cloud detection algorithm-generating method for remote sensing data at visible to short-wave infrared wavelengths, ISPRS Journal of Photogrammetry and Remote Sensing, 124: 70-88.
Tralli, D. M., R. G. Blom, V. Zlotnicki, A. Donnellan, and D. L. Evans, 2005. Satellite remote sensing of earthquake, volcano, flood, landslide and coastal inundation hazards, ISPRS Journal of Photogrammetry and Remote Sensing, 59(4): 185-198.
Walker, J. J., K. M. De Beurs, R. H. Wynne, and F. Gao, 2012. Evaluation of Landsat and MODIS data fusion products for analysis of dryland forest phenology, Remote Sensing of Environment, 117: 381-393.
Yin, G., G. Mariethoz, and M. McCabe, 2016. Gap-filling of Landsat 7 imagery using the direct sampling method, Remote Sensing, 9(1): 12.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.