[논문]초분광 스펙트로미터를 활용한 분광특성 기반의 수심 측정 기법 적용성 검토

유호준; 김동수; 신형섭

doi:10.7780/kjrs.2020.36.2.1.2

초분광 스펙트로미터를 활용한 분광특성 기반의 수심 측정 기법 적용성 검토
Evaluation of Depth Measurement Method Based on Spectral Characteristics Using Hyperspectrometer 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.2 pt.1, 2020년, pp.103 - 119

유호준 (단국대학교 토목환경공학과) , 김동수 (단국대학교 토목환경공학과) , 신형섭 (주식회사 이알아이)

초록
AI-Helper

최근 기후변화와 4대강 살리기 사업으로 인위적으로 조성된 하천의 급속한 재퇴적 및 침식이 의심스러운 상황이다. 이에 따라 최근 하천법을 개정하여 하상변동조사를 정기적으로 실시해야 한다고 규정하였다. 하지만 하상 조사의 공간적 범위 및 밀도가 대폭 증가하고 조사 간격은 줄어드는 추세에 반해 기술적인 한계가 존재하여, 국가기관 등에서 하상 조사 효율화를 위해 혁신적인 하상조사 기술 개발에 관심을 보이고 있다. 하상 조사의 핵심은 다양한 하천 조건에서 하천의 수심을 측정하는 것에 있으며, 일반적인 지상의 지형측량에 비해 수중에서의 직접 조사는 상대적으로 많은 위험과 시간, 비용을 수반한다. 이에 전통적인 기술의 한계를 극복하고자, 해양 수심측량에 주로 활용되어 온 음향측심기(Echo-sounder)를 하천에 적용하였지만, 여러 기술적 한계로 여전히 광범위한 영역에 대한 주기적인 조사에 어려움을 겪고 있는 실정이다. 이에 원격탐사를 활용한 기법이 그 대안으로 각광받고 있으며, 특히 분광특성을 활용한 수심 측정의 가능성을 보이고 있다. 본 연구에서는 분광특성 중 반사도를 활용하여 수심을 측정할 수 있는 기술을 개발하고 이를 검토하고자 한다. 본 연구에서 제시한 기법을 적용한 결과, 약 0.95 m이내에 해당하는 수심 범위에서 실제 측정된 수심과 0.986, 0.053 m에 해당하는 상관성과 오차를 나타냄을 확인하였다. 향후 본 연구를 드론에 탑재된 초분광 센서에 접목할 경우, 공간적인 수심 측정에 가능할 것으로 사료되며, 광범위한 영역의 주기적인 하상변동조사에 큰 기여를 할 것으로 판단된다.

Abstract ▼ AI-Helper

Recently, the rapid redeposition and erosion of rivers artificially created by climate change and the Four Rivers Restoration Project is questionable. According to the revised law in Korea, the river management agency will periodically carry out bed changes surveys. However, there are technical limitations in contrast to the trend of increasing spatial coverage, density and narrowing of intervals. National organizations are interest in developing innovative bed changessurvey techniquesfor efficiency. Core of bathymetry survey is to measure the depth of rivers under a variety of river conditions, but that is relatively more risky, time-consuming and expensive compared to conventional ground surveys. To overcome the limitations of traditional technology, echo sounder, which has been mainly used for ocean depth surveying, has been applied to rivers. However, due to various technical limitations, it is still difficult to periodically investigate a wide range of areas. Therefore, technique using the remote sensing has been spotlighted as an alternative, especially showing the possibility of depth measurement using spectral characteristics. In this study, we develop and examine a technique that can measure depth of water using reflectance from spectral characteristics. As a result of applying the technique proposed in thisstudy, it was confirmed that the measured depth and the correlation and error corresponding to 0.986 and 0.053 m were measured in the depth range within 0.95 m. In the future, this study could be applied to the measurement of spatial depth if it is applied to the hyperspectral sensor mounted on the drone.

주제어

표/그림 (16)

그림 Fig. 1. Cases of fluvial remote sensing in Korea: (a) Monitoring algae (Lee et al., 2014) and (b) Study on relationship between NDVI and algae (Park et al., 2017).
그림 Fig. 2. Cases of depth measurement using multispectral images with (a) Winterbottom (1997) and (b) Lyzenga et al. (2006).
그림 Fig. 3. A Case of depth measurement using hyperspectral image (Legleiter, 2004).
그림 Fig. 4. Example of estimating water depth using band ratio: (a) Comparison of depth estimation results according to bed materials and (b) Comparison of LiDAR and estimated water depth result (Stumpf, 2003).
그림 Fig. 5. Flow chart of Optimal Band Ratio Analysis in this project.
그림 Fig. 6. Example of Correlation map to find optimal band.
그림 Fig. 7. HPA software GUI and functions driven by (a) Visualizing spectral profile and (b) Optimal Band Ratio Analysis.
그림 Fig. 8. (a) Total Dataset is randomly sampled into (b) Training Dataset and (c) Validation Dataset.
그림 Fig. 9. Arrangement of runoff channel, reservoir and culvert in target area.
그림 Fig. 10. Depth measurement with (a) Ultrasonic range meter and (b) Ultrasonic flow meter.
그림 Fig. 11. (a) Hyperspectromter and (b) method for collecting spectral characteristics in the vertical direction.
그림 Fig. 12. Depth measurement result.
그림 Fig. 13. Histogram of training and validation dataset.
그림 Fig. 14. Training result with (a) Correlation map and (b) Relationship between Band ratio and Water depth.
그림 Fig. 15. Validation result with (a) Error analysis and (b) Relationship between Band ratio and Water depth.
그림 Fig. 16. Water depth changes of measurement and estimating over time.

AI 본문요약
AI-Helper

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

문제 정의

또한 여전히 다중분광 및 초분광 영상에 대한 적용성 검토가 이루어지지 않았고, 위성, 항공기, 그리고 드론 등 플랫폼에 대한 고려가 충분히 이루어지지 않아 초분광 영상에 대한 연구는 사실상 전무한 실정이다. 따라서 본 연구에서는 드론에 탑재된 초분광 카메라를 기반으로 수심 추정 기술에 대한 선행 연구로서 지상에서 측정한 분광특성을 활용하여 밴드비를 통해수심을 추정하고자 한다.
따라서 본 연구에서는 방대한 양의 계산부하를 줄이기 위한 목적으로 특정 수심에서 수집된 분광특성을 입력자료로 분석하고자 하는 파장 범위에 대하여 자동으로 최적 밴드비 검출과 관계식을 구축하는 소프트웨어인 HPA(Hyperspectral Profile Analysis)를 개발하였다. 개발된 소프트웨어는 독립형 응용 프로그램으로서, Microsoft의 ‘Visual Studio 2010’에서 ‘.
그럼에도 불구하고 아직 드론에 초분광 카메라를 탑재하여 운용하는 방법은 도입 초기에 머물러 있어, 자료의 확보가 어려운 상황이다. 따라서 본 연구에서는 현 기술수준에 맞추어 드론을 통해 촬영된 다중분광, 초분광 영상을 수집할 수 있는 기술적인 토대가 마련되기 이전에, 지상에서 수집된 분광특성을 활용하여 수심을 측정하는 방법을 개발 및 적용성을 검토하고자 한다.
주기적인 하상변동조사와 하천을 연구하기 위한 기초자료를 수집하기 위해서는 기존의 하천지형 계측 기술의 기반인 수심 측정의 기술적 한계를 극복하고, 시간적·경제적 비용을 줄이기 위한 노력이 필요하다. 따라서, 본 연구의 주요 목표는 분광특성과 수심의 상관관계를 규명하는 것으로, 분광특성을 추출하고 수심과의 상관관계를 자동으로 분석할 수 있는 기법을 소프트웨어로 개발하는 것이다.
, 2008). 본 연구에서는 여러 연구 사례를 통해 RGB 영상의 한계와 초분광 영상을 활용하여 수심 계측의 가능성을 확인하였다.
이에 따라 본 연구에서는 하천법 개정을 통해 발생한 하상변동조사와 하천을 연구하기 위한 기초자료에 대한 수요를 충족시킬 수 있는 효율성 높은 하상계측 기술을 개발하고자 한다. 주기적인 하상변동조사와 하천을 연구하기 위한 기초자료를 수집하기 위해서는 기존의 하천지형 계측 기술의 기반인 수심 측정의 기술적 한계를 극복하고, 시간적·경제적 비용을 줄이기 위한 노력이 필요하다.

가설 설정

따라서 본 연구에서는 현장에서 적용성을 극대화할 수 있도록 수심과 밴드비의 관계를 Eq. 6과 같이 선형이라 가정하고, 주어진 하천영역에서 다양한 수심과 촬영조건에서 관측된 수심을 활용하여 수심과 최적관계를 가지는 밴드비를 지수로서 활용하고자 한다. 이러한 방식은 각종 지표를 활용하는 방식들, 예를 들면 수위-유량, 초음파 산란도-부유사 등과 같은 관계식을 구축할 때 각종 직접 산정이 불가한 항목들을 실측치와의 관계식을 통해 해결하는 측면에서 동일하다 할 수 있다.

제안 방법

초분광 스펙트로미터를 활용한 원격탐사에서는 광원을 태양광을 활용하므로, Eq. 1과 같이 실외에서 백색의 반사판을 이용해서 분광특성을 수집하고 측정하고자 하는 대상체의 분광특성을 수집한 후 두 분광특성을 나누어 반사도를 산정한다. 반사도를 활용할 경우, 태양과 같이 시간에 따라 빛의 세기가 변화하는 경우에도, 광원의 영향을 받지 않고 대상체의 특성을 파악할 수 있다.
또한 본 연구에서는 Fig. 16과 같이 실제 측정된 수심과 반사도를 통해 산정된 밴드비·수심 회귀식을 활용하여 모의된 수심을 시간에 따라 비교하였다.
본 연구에서 제시하는 기법의 검증을 위해, 검증자료를 학습자료 기반의 밴드비와 수심의 관계식에 적용하여 분광특성 기반의 추정된 수심과 실제 측정된 수심 간의 검증을 실시하였다. 이 때, 밴드비는 최적밴드를 구성하는 680.
본 연구에서 제시한 초분광 스펙트로미터로 측정된 분광특성 기반 수심 계측 기술의 적용성을 검토하기 위해 최적 밴드비 분석법 적용을 위한 소프트웨어인 HPA를 개발하였으며, HPA를 활용하여 수집된 분광특성과 수심자료를 활용하여 분석을 실시하였다. 이를 위해 총 43개의 자료 중, 학습자료와 검증자료를 6:4로 분류하였다.
본 연구에서는 2016년 4월 20일에 자료 수집을 실시하였으며, 오후 1시 30분부터 오후 5시 45분까지 약 4시간 15분 동안 10초 간격으로 수심을 연속적으로 측정하였다. 또한 수심 측정이 진행되는 동안 초분광 스펙트로미터를 활용하여 분광특성을 수집하였으며, 결과적으로 임의의 시간의 수심과 분광특성을 수집할 수 있었다.
본 연구에서는 관측값을 통해 밴드비와 수심의 상관관계를 관측값을 통해 검증해야 하기 때문에, 관측값을 학습자료와 검증자료로 구분하여 활용하였다. 별도의 테스트 과정을 걸치지 않기 때문에 기존 연구들(Haganet al.
하지만 초음파 거리계의 경우 흔들리는 수면에 의해 이상치가 다수 발생한 것을 알수있으며, 마찬가지로 초음파 유량계로 측정된 수심의 경우에도 일정구간 이상치가 발생하였다. 본 연구에서는 초음파 거리계와 초음파 유량계 자료를 이상치 제거를 위한 필터링 기법과 연속적으로 부드럽게 변하는 수심의 특성을 반영하고자 매끄럽게 보정(Smoothing)하여 활용하였다. 측정된 수심의 범위는 0 m ~ 0.
따라서 최종적으로는 학습 및 검증 자료로 활용하기에 적합하게 된다. 분류된 학습 및 검증 자료를 활용하여 각 계급 구간에 해당하는 자료는 단순 무작위 추출(Random Sampling)을 수행하여 학습 및 검증에 활용하였다. 검증에 사용되는 통계량은 상관계수와 오차로, 실제 측정된 수심과 관계식을 통해 추정된 수심이 서로 높은 상관성과 편차를 보이는 것이 정확도를 판단하는 기준이 된다.
이를 위해 총 43개의 자료 중, 학습자료와 검증자료를 6:4로 분류하였다. 분류된 학습 및 검증자료는 전체 자료를 대표하기 위해, 전체 자료의 수심 측정 범위인 0 m ~ 0.92 m를 포함함과 동시에 0.1 m로 구분되는 범위내에서 학습자료 및 검증자료의 비율이 6:4가 되도록 실시하였다. 분류된 학습 및 검증자료의 분포는 Fig.
본 연구에서는 대상지역의 콘크리트를 재료로 하는 암거를 대상으로 1 m 이내에 해당하는 수심의 범위에 대하여 분광특성과 수심을 동시에 수집하였다. 수집된 분광특성과 수심을 학습자료와 검증자료로 분류하여, 본 연구에서 제시한 최적 밴드비 분석법을 활용하여 밴드비와 수심의 관계를 구축하였다. 최적 밴드비 분석법을 학습자료에 적용한 결과 최적 밴드를 구성하는 680.
본 연구에서 다양한 수심 조건에 해당하는 총 47개의 분광특성을 수집하였다. 수집된 분광특성의 활용 파장대는 추후 초분광 카메라를 활용하여 같은 방법을 적용할 것으로 예상되어, 350 nm ~ 2,500 nm에 해당하는 모든 파장대역을 쓰기 보다는 현재 상용화된 초분광 카메라가 일반적으로 촬영할 수 있는 근적외선-가시광선(Visible Near-Infrared, VNIR) 영역에 해당하는 350 nm ~ 1,000 nm에 해당하는 파장대역의 정보만 활용하였다. 또한 측정된 총 47개 분광특성 중 수면산란 및 사용자 따른 이상치로 판단되는 4개의 분광특성을 제외한 총 43개의 반사도 자료만 활용하였다.
, 2019b). 이러한 이론을 바탕으로 과거에는 다중 분광 및 초분광 영상에 적용되기 이전에 위성이나 항공기에 탑재된 RGB 영상과 근적외선 영상을 활용하여 수심을 추정하였다(Lyzenga, 1978; Lyzenga, 1985; Stumpf, 2003).
본 연구에서 제시한 초분광 스펙트로미터로 측정된 분광특성 기반 수심 계측 기술의 적용성을 검토하기 위해 최적 밴드비 분석법 적용을 위한 소프트웨어인 HPA를 개발하였으며, HPA를 활용하여 수집된 분광특성과 수심자료를 활용하여 분석을 실시하였다. 이를 위해 총 43개의 자료 중, 학습자료와 검증자료를 6:4로 분류하였다. 분류된 학습 및 검증자료는 전체 자료를 대표하기 위해, 전체 자료의 수심 측정 범위인 0 m ~ 0.
14(b)와 같이 밴드비와 수심은 서로 강한 상관성을 보임을 알 수 있다. 학습자료를 활용하여 구축된 관계식이 높은 상관계수와 낮은 오차를 보여줌에 따라 대체적으로 잘 학습된 것으로 판단되어, 검증자료를 활용하여 검증을 실시하였다.

대상 데이터

수집된 분광특성의 활용 파장대는 추후 초분광 카메라를 활용하여 같은 방법을 적용할 것으로 예상되어, 350 nm ~ 2,500 nm에 해당하는 모든 파장대역을 쓰기 보다는 현재 상용화된 초분광 카메라가 일반적으로 촬영할 수 있는 근적외선-가시광선(Visible Near-Infrared, VNIR) 영역에 해당하는 350 nm ~ 1,000 nm에 해당하는 파장대역의 정보만 활용하였다. 또한 측정된 총 47개 분광특성 중 수면산란 및 사용자 따른 이상치로 판단되는 4개의 분광특성을 제외한 총 43개의 반사도 자료만 활용하였다.
본 연구에서는 관측값을 통해 밴드비와 수심의 상관관계를 관측값을 통해 검증해야 하기 때문에, 관측값을 학습자료와 검증자료로 구분하여 활용하였다. 별도의 테스트 과정을 걸치지 않기 때문에 기존 연구들(Haganet al., 1996; Osowski, 1996; Mikrut and Tadeusiewicz, 2000)에서 제안하는 테스트 자료의 비율을 검증 자료로 환산하여 수심자료를 6:4의 비율로 분류하여 사용하였으며, 전체 학습 자료 중 이상치로 판단되는 자료는 제외하여 사용하였다. 단, 오차율이 크게 발생하는 수심이 존재하지 않을 경우의 치우침을 예방하기 위한 목적으로 수심이 0 m일 때의 자료는 활용하지 않았다.
본 연구에서 다양한 수심 조건에 해당하는 총 47개의 분광특성을 수집하였다. 수집된 분광특성의 활용 파장대는 추후 초분광 카메라를 활용하여 같은 방법을 적용할 것으로 예상되어, 350 nm ~ 2,500 nm에 해당하는 모든 파장대역을 쓰기 보다는 현재 상용화된 초분광 카메라가 일반적으로 촬영할 수 있는 근적외선-가시광선(Visible Near-Infrared, VNIR) 영역에 해당하는 350 nm ~ 1,000 nm에 해당하는 파장대역의 정보만 활용하였다.
본 연구에서 제시한 초분광 스펙트로미터로 측정된 분광특성 기반 수심 계측 기술의 적용성을 검토하기 위해 경상북도 안동시에 위치한 한국건설기술연구원 하천실험센터를 대상지역으로 선정하였다. 본 연구에서 한국건설기술연구원 하천실험센터를 대상지역으로 선정한 이유는 자연하천과 유사한 대규모 환경을 보유함과 동시에 자유롭게 수위를 조절할 수 있는 최적의 실험장소로 판단했기 때문이다.
11(b)에서 묘사된 방법과 같이, 암거 상단에서 임의의 수심에 대해 연직 방향으로 분광특성을 수집하였다. 본 연구에서 활용된 분광복사계는 350 nm ~ 2,500 nm에 해당하는 범위로, 약 3 nm 간격으로 총 768개에 해당하는 파장에 대한 휘도와 반사도를 측정할 수 있다.
7과 같이 조합(Combination)으로 산 정할 수 있다. 본 연구에서 활용한 초분광 스펙트로미터를 통해 근적외선-가시광선에 해당하는 파장에 대한 분광특성을 수집하면, 768개의 파장을 수집할 수 있다. Eq.
본 연구에서는 대상지역의 콘크리트를 재료로 하는 암거를 대상으로 1 m 이내에 해당하는 수심의 범위에 대하여 분광특성과 수심을 동시에 수집하였다. 수집된 분광특성과 수심을 학습자료와 검증자료로 분류하여, 본 연구에서 제시한 최적 밴드비 분석법을 활용하여 밴드비와 수심의 관계를 구축하였다.
본 연구의 대상지역인 한국건설기술연구원 하천실 험센터는 낙동강 인근에 위치하고 있으며, 보유하고 있는 3개의 수로에서 발생한 유량을 하나의 유출수조를 통해 낙동강으로 배출한다. 유출수조는 낙동강과 이어진 하나의 유출수로를 통해 유량을 배출하며, 유출수조와 유출수로 사이에 위치한 암거는 수위 및 분광특성 수집에 용이하다.

데이터처리

초분광 스펙트로미터로 측정된 복수의 휘도, 반사도 등 분광특성으로 밴드비를 산정할 때, 수심과 상관성이 높은 밴드비를 구성하는 두 파장을 알아야 하기 때문이다. 본 연구에서는 Fig. 5와 같이 측정된 분광특성의 파장범위에서 밴드비를 산정할 수 있는 모든 경우에 수에 대하여, 밴드비와 수심을 기반으로 선형회귀분석을 실시하였다. 각 경우의 수에 해당하는 선형회귀분석 결과에서 도출되는 상관계수를 확인하여 가장 높은 상관계수를 가지는 두파장을 최적 밴드비로 정의하며, 이 때의 밴드비와 수심의 관계식을 밴드비 수심 관계식으로서 활용한다.

성능/효과

0257 m에 해당하는 낮은 오차를 보였다. 검증자료를 구축된 관계식을 적용하여 추정된 수심과 실제 측정된 수심 비교 결과 또한 0.986에 해당하는 높은 상관계수와 0.053 m에 해당하는 낮은 오차를 보였다. 이 결과는 본 연구에서 제시된 방법의 정확도는 초음파 유량계 정확도 0.
7 nm임을 알 수 있었으며, 비록 인접한 밴드임에도 불구하고 높은 정확도의 밴드비-수심 관계식을 구축하는 파장대임을 알 수 있다. 구축된 밴드비-수심 관계식은 학습자료 내에서 밴드비와 수심은 서로 1160.9954에 해당하는 높은 상관계수를 보임과 동시에 0.0257 m에 해당하는 낮은 오차를 보였다. 검증자료를 구축된 관계식을 적용하여 추정된 수심과 실제 측정된 수심 비교 결과 또한 0.
16과 같이 실제 측정된 수심과 반사도를 통해 산정된 밴드비·수심 회귀식을 활용하여 모의된 수심을 시간에 따라 비교하였다. 그 결과 시간에 따라 실제 계측된 수심의 경향성과 모의된 수심의 경향성이 일치하는 것을 확인하였다. 물론, 일부 구간에서는 과소 혹은 과대 산정되는 구간이 존재하지만 대체로 그 오차가 크지 않으며, 시간에 따른 경향을 따르는 등 분광특성을 활용하여 수심을 추정할 수 있음을 증명하는 것이라 할 수 있다.
단일 산란에 의한 수심 추정을 이론이 빛의 특성을 기록한 반사도로부터 수심을 추정할 수 있음을 증명함과 동시에, 수심과 특정 파장에 대한 분광특성과 높은 상관성을 보임을 알 수 있었다. 하지만 단일 산란 이론을 활용한 수심 추정 연구는 자료 수집의 어려움에 비해 상대적으로 큰 오차를 보여 실제 현장에 적용하기 어려운 수준이다.
그러나 초음파 유량계는 50 cm 미만의 수심을 측정할 수 없는 점과 초음파 거리계는 10 m 이상 떨어진 대상에 대해 거리를 측정할 수 없는 점과 비교해볼 때, 현실적으로 저수심을 대상으로 드론에 탑재하여 수심을 측정할 수 있는 유일한 방법은 초분광 스펙트로미터, 초분광 카메라 등 초분광 센서를 활용하는 방법이라 할 수 있다. 따라서 본 연구에서 제시하는 방법은 초분광 스펙트로미터로 수집된 분광특성을 통해 수심을 추정할 수 있는 가능성을 보여주었으며, 수심 측정을 위한 드론 기반의 하천원격탐사의 기반 기술로 판단된다.
뿐만 아니라 본 연구에서 제시하는 기법이 가지는 기술적 한계와 충분한 수의 자료수집 어려웠으며, 수심이 가지는 수리·수문학적 중요성에 비해 지점에 대한 측정 보다 공간적으로 확장할 수 있는 방안에 대한 고려가 부족했다. 또한 밴드비-수심 관계식 구축 결과인 상관계 수 맵에 따르면, 상관성 높은 관계식이 다수 발생하는 것을 알 수 있다. 따라서 향후 연구에서는 공간적인 대표성을 가질 수 있도록 드론에 탑재된 초분광 카메라를 활용하여 넓은 지역을 대상으로 초분광 영상을 촬영할 예정이며, 다양한 조건에서의 분석사례를 늘리기 위해 바닥재료와 수심범위의 보이는 지역을 대상으로 선정하여 본 연구에서 제시하는 방법의 기술적 한계와 활용성을 검토할 예정이다.
본 연구에서는 2016년 4월 20일에 자료 수집을 실시하였으며, 오후 1시 30분부터 오후 5시 45분까지 약 4시간 15분 동안 10초 간격으로 수심을 연속적으로 측정하였다. 또한 수심 측정이 진행되는 동안 초분광 스펙트로미터를 활용하여 분광특성을 수집하였으며, 결과적으로 임의의 시간의 수심과 분광특성을 수집할 수 있었다.
초음파 거리계는 송신 센서에서 발생한 초음파가 거리를 측정하려는 대상의 표면에 의해 반사된 음파가 수신 센서에 도달하는 시간과 매질에 대한 음파 속도의 곱으로 초음파 거리계와 대상체 사이의 거리를 알 수 있다. 본 연구에서 활용한 초음파 유량계는 수로 바닥에 위치하여, 초음파 거리계와 동일한 원리로 센서로부터 수면까지 거리를 측정할 뿐만 아니라 압력계를 이용하여 수체의 높이인 수심을 측정하여 보다 정밀한 수심 측정이 가능하다.
053 m에 해당하는 낮은 오차를 보였다. 이 결과는 본 연구에서 제시된 방법의 정확도는 초음파 유량계 정확도 0.1% 보다는 부정확하고 초음파 거리계 정확도인 1% ~ 3% 보다는 정확한 것으로 보인다. 그러나 초음파 유량계는 50 cm 미만의 수심을 측정할 수 없는 점과 초음파 거리계는 10 m 이상 떨어진 대상에 대해 거리를 측정할 수 없는 점과 비교해볼 때, 현실적으로 저수심을 대상으로 드론에 탑재하여 수심을 측정할 수 있는 유일한 방법은 초분광 스펙트로미터, 초분광 카메라 등 초분광 센서를 활용하는 방법이라 할 수 있다.
수집된 분광특성과 수심을 학습자료와 검증자료로 분류하여, 본 연구에서 제시한 최적 밴드비 분석법을 활용하여 밴드비와 수심의 관계를 구축하였다. 최적 밴드비 분석법을 학습자료에 적용한 결과 최적 밴드를 구성하는 680.6nm와 688.7 nm임을 알 수 있었으며, 비록 인접한 밴드임에도 불구하고 높은 정확도의 밴드비-수심 관계식을 구축하는 파장대임을 알 수 있다. 구축된 밴드비-수심 관계식은 학습자료 내에서 밴드비와 수심은 서로 1160.

후속연구

국내외 다양한 사례들을 통해, 다양한 분야에서 하천원격탐사가 적용되고 있음을 확인하였으며, 다중분광, 초분광 영상 등을 통해 수집된 분광특성을 통해 하천 수심을 측정할 수 있을 것으로 기대된다. 하지만 여전히 국내외 대부분의 원격탐사에서 진행된 연구의 경우 항공기나 위성을 통해 자료수집이 이루어지고 있으며, 수집된 영상으로 수심을 측정하더라도 해상도가 낮아 참조자료와 비교가 어려워 직접적인 오차 분석이나 공간 분포의 정성적 비교보다는 자료 자체가 가진 히스토그램과 같은 빈도 비교 위주로 진행되고 있다.
또한 밴드비-수심 관계식 구축 결과인 상관계 수 맵에 따르면, 상관성 높은 관계식이 다수 발생하는 것을 알 수 있다. 따라서 향후 연구에서는 공간적인 대표성을 가질 수 있도록 드론에 탑재된 초분광 카메라를 활용하여 넓은 지역을 대상으로 초분광 영상을 촬영할 예정이며, 다양한 조건에서의 분석사례를 늘리기 위해 바닥재료와 수심범위의 보이는 지역을 대상으로 선정하여 본 연구에서 제시하는 방법의 기술적 한계와 활용성을 검토할 예정이다.
하지만 본 연구에서는 바닥재료가 균일하며 저수심에 해당하는 수심 1 m 이내의 대상지역에 대하여 밴드비와 수심의 관계성을 고려했기 때문에, 밴드비와 수심이 일반적인 관계에 대한 증명에 한계가 존재한다. 뿐만 아니라 본 연구에서 제시하는 기법이 가지는 기술적 한계와 충분한 수의 자료수집 어려웠으며, 수심이 가지는 수리·수문학적 중요성에 비해 지점에 대한 측정 보다 공간적으로 확장할 수 있는 방안에 대한 고려가 부족했다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수심이란 무엇인가?	하천에서의 수심은 수면을 기준으로 측정된 물의 깊이를 뜻하는 것으로, 유량, 유속 등과 더불어 하천특성을 이해하기 위한 수리·수문학적 자료 중 하나이다. 과거 농경시대에는 농사와 수확량 증대를 위한 목적으로 수심을 측정하였으며, 현대에는 한정된 물의 효율적인 이용과 관리의 목적으로 수심을 측정하였다.
	수심 자료의 용도는 무엇인가?	과거 농경시대에는 농사와 수확량 증대를 위한 목적으로 수심을 측정하였으며, 현대에는 한정된 물의 효율적인 이용과 관리의 목적으로 수심을 측정하였다. 이러한 수심 자료는 댐, 저류지, 보, 그리고 제방 등의 하천 시설물의 설계를 위한 기준이 되며, 하천의 유량 혹은 유속을 산정하기 위한 기초 자료로써 활용된다. 특히, 하천에 관련된 건설공사를 위해 필요한 하상의 지형측량은 직접 측량할 수 없기 때문에, 수심 측량을 통해 간접적으로 유량 혹은 유속을 산정하고 있는 사실은 수심 측량의 필요성을 보여주는 단적인 예이다.
	수심 측량의 한계를 극복하기 위해서 새롭게 시도 중인 방법은 무엇이 있는가?	이에 따라 종래의 직접, 혹은 음향측심기와 같은 접촉식 수심 측량의 한계를 극복하기 위해 새로운 기술 개발이 시도되고 있다. 그 중대표적인 접근 방식이 영상과 전자기파를 활용하는 원격탐사 기법들을 하천환경에 적용하여 수심을 측정하고자 하는 기술이다. 원격탐사는 기본적으로 관측하고자 하는 대상 표면에서 반사, 또는 방출하는 전자기파를 계측하고 관측된 전자기파를 기반으로 관측하고자하는 대상의 물리적 성질을 분석하는 기술이다.

참고문헌 (34)

Chuvieco, E., 2009. Fundamentals of satellite remote sensing, CRC Press, Boca Raton, FL, USA.
Fausch, K.D., C.E. Torgersen, C.V. Baxter, and H.W. Li, 2002. Landscapes to riverscapes: bridging the gap between research and conservation of stream fishes: A continuous view of the river is needed to understand how processes interacting among scales set the context for stream fishes and their habitat, BioScience, 52(6): 483-498.

상세보기
Marcus, W.A. and M.A. Fonstad, 2010. Remote sensing of rivers: the emergence of a subdiscipline in the river sciences, Earth Surface Processes and Landforms, 35(15): 1867-1872.

상세보기
Hagan, M.T., H. B. Demuth, M. H. Beale, and O.D. Jesus, 1996. Neural network design (vol. 20), PWS Publishing Company, Gretna, LA, USA.
Jeon, E.I., K.W. Kim, S.B. Cho, and S.H. Kim, 2019. A Comparative Study of Absolute Radiometric Correction Methods for Drone-borne Hyperspectral Imagery, Korean Journal of Remote Sensing, 35(2): 203-215 (in Korean with English abstract).

원문보기 상세보기
Kim, H.G. and T.G. Kim, 1996. The water Quality Management of Daecheong Reservoir using remote sensing, Journal of the Korean Society of Environmental Engineering, 18(10): 1383-1396 (in Korean with English abstract).
Kim, J.G. and H.S. Jeon, 2002. The extract of red tide patch on the coast of the Southern Sea using RS, Journal of the Korean Society of Civil Engineers, 22(1): 791-799 (in Korean with English abstract).
Kim, D.H. and J.H. Yom, 2018. Machine Learning Based Estimation of Chlorophyll-a Concentrations in the Nakdong River Using Satellite Imagery, Proc. of 2018 the Korean Society of Survey, Geodesy, Photogrammetry, and Cartography, Yongin, Korea, Apr. 19-20, vol. 1, pp. 231-236 (in Korean with English abstract).
Lee, Z., K.L. Carder, C.D. Mobley, R. G. Steward, and J.S. Patch, 1998. Hyperspectral remote sensing for shallow waters, I. A semianalytical model, Applied Optics, 37(27): 6329-6338.

상세보기
Lee, Z., K.L. Carder, C. D. Mobley, R. G. Steward, and J. S. Patch, 1999. Hyperspectral remote sensing for shallow waters: 2, Deriving bottom depths and water properties by optimization, Applied Optics, 38(18): 3831-3843.

상세보기
Lee, J.C., Y.H. Jeong, S.R. Cha, H.G. Kim, W.Y. Yang, and T.H. No, 2008. Estimation of Estuary Area Water Depth with Morphology Image Processing, Proc. of 2008 the Korean Society of Civil Engineers, Daejeon, Korea, Oct. 29-31, vol. 1, pp. 3996-3999 (in Korean with English abstract).
Lee, H., T. Kang, G. Nam, R. Ha, and K. Cho, 2015. Remote Estimation Models for Deriving Chlorophyll-a Concentration using Optical Properties in Turbid Inland Waters: Application and Valuation, Journal of the Korean Society on Water Environment, 31(3): 272-285 (in Korean with English abstract).

원문보기 상세보기
Legleiter, C.J., D.A. Roberts, W.A. Marcus, and M.A. Fonstad, 2004. Passive optical remote sensing of river channel morphology and in-stream habitat:Physical basis and feasibility, Remote Sensing of Environment, 93(4): 493-510.

상세보기
Legleiter, C.J. and M.F. Goodchild, 2005. Alternative representations of in-stream habitat: classification using remote sensing, hydraulic modeling, and fuzzy logic, International Journal of Geographical Information Science, 19(1): 29-50.

상세보기
Legleiter, C.J. and D.A. Roberts, 2009a. A forward image model for passive optical remote sensing of river bathymetry, Remote Sensing of Environment, 113(5): 1025-1045.

상세보기
Legleiter, C.J., D.A. Roberts, and R.L. Lawrence, 2009b. Spectrally based remote sensing of river bathymetry, Earth Surface Processes and Landforms, 34(8): 1039-1059.

상세보기
Lyzenga, D.R., N.P. Malinas, and F.J. Tanis, 2006. Multispectral bathymetry using a simple physically based algorithm, IEEE Transactions on Geoscience and Remote Sensing, 44(8): 2251-2259.

상세보기
Lyzenga, D.R., 1978. Passive remote sensing techniques for mapping water depth and bottom features, Applied Optics, 17(3): 379-383.

상세보기
Lyzenga, D.R., 1985. Shallow-water bathymetry using combined lidar and passive multispectral scanner data, International Journal of Remote Sensing, 6(1): 115-125.

상세보기
Mertes, L.A., 2002. Remote sensing of riverine landscapes, Freshwater Biology, 47(4): 799-816.

상세보기
Mikrut, Z. and R. Tadeusiewicz, 2000. Neural networks in image processing and recognition, Biocybernetics and Biomedical Engineering, 6(1): 459-493.
Mobley, D.C. and L.K. Sundman, 2001. Hydrolight 4.2 technical documentation, Sequoia Scientific, Incorporated, Redmond, WA, USA.
Mobley, C.D., 1999. Estimation of the remote-sensing reflectance from above-surface measurements, Applied Optics, 38(36): 7442-7455.

상세보기
Nguyen, G.H., A. Bouzerdoum, and S.L. Phung, 2008. A supervised learning approach for imbalanced data sets, Proc. of 2008 19th International Conference on Pattern Recognition, Tampa, FL, Dec. 8-11, vol. 1, pp. 1-4.
Na, S.I., C.W. Park, K.H. So, H.Y. Ahn, and K.D. Lee, 2019a. Selection on Optimal Bands to Estimate Yield of the Chinese Cabbage Using Dronebased Hyperspectral Image, Korean Journal of Remote Sensing, 35(3): 375-387 (in Korean with English abstract).

원문보기 상세보기
Na, S.I., C.W. Park, K.H. So, H.Y. Ahn, and K.D. Lee, 2019b. Photochemical Reflectance Index (PRI) Mapping using Drone-based Hyperspectral Image for Evaluation of Crop Stress and its Application to Multispectral Imagery, Korean Journal of Remote Sensing, 35(5): 637-647 (in Korean with English abstract).
Osowski, S., 1996. A Neural networks in algorithmic use, WNT, Warsaw, Polish.
Pan, Z., C. Glennie, C. Legleiter, and B. Overstreet, 2015. Estimation of water depths and turbidity from hyperspectral imagery using support vector regression, Geoscience and Remote Sensing, 12(10): 2165-2169.

상세보기
Park, J.I., S.Y. Choi, and M.H. Park, 2017. A study on green algae monitoring in watershed using fixed wing UAV, Journal of The Korean Institute of Intelligent Systems, 27(2): 164-169.

원문보기 상세보기
Suh, Y.S., 2006. Study on Abnormal Distribution of High Concentration Chlorophyll a in the East Sea of Korea in Spring Season using Ocean Color Satellite Remote Sensing, Journal of Environmental Science International, 15(1): 59-66 (in Korean with English abstract).

원문보기 상세보기
Stumpf, R.P., K. Holderied, and M. Sinclair, 2003. Determination of water depth with high-resolution satellite imagery over variable bottom types, Limnology and Oceanography, 48(2): 547-556.

상세보기
Winterbottom, S.J. and D.J. Gilvear, 1997. Quantification of channel bed morphology in gravel-bed rivers using airborne multispectral imagery and aerial photography, Regulated Rivers: Research and Management: An International Journal Devoted to River Research and Management, 13(6): 489-499.

상세보기
Yeo, H.K., S.J. Kim, and J.G. Kang, 2015. Management of Small River Using Real Scale Experiments, The Korean Society of Civil Engineers, 63(2):43-47 (in Korean with English abstract).
Yu, Y.H., Y.S. Kim, and S.G. Lee, 2008. A study on estimation of water depth using hyperspectral satellite imagery, Aerospace Engineering and Technology, 7(1): 216-222.

저자의 다른 논문 :

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