Landsat 영상 및 인공 신경망 기법을 활용한 춘천 소양호 면적 및 가뭄 모니터링 Monitoring of Lake area Change and Drought using Landsat Images and the Artificial Neural Network Method in Lake Soyang, Chuncheon, Korea원문보기
가뭄은 일반적으로 장기간에 걸쳐 물 공급이 부족하여 나타나는 환경 재앙 중 하나로 대부분 넓은 지역에 걸쳐 나타난다. 원격탐사 자료는 이러한 넓은 지역에서 나타나는 가뭄 모니터링에 적합한 방법이다. 따라서 이 연구에서는 강원도 소양호 지역의 Landsat 위성 영상 자료를 활용하여 약 30년(1985-2015) 동안의 소양호 면적을 산출하고 이를 가뭄 패턴과 분석하였다. 특히 ISODATA, Maximum likelihood 및 인공신경망을 활용하여 Landsat 영상을 분류하여 소양호 면적을 산출하였다. 또한 가뭄 패턴을 분석하기 위하여 산출된 호수 면적과 소양호 지역의 강수량을 활용한 표준강수지수(Standardized Precipitation Index: SPI)와의 상관관계를 분석하였다. 영상 분류 연구 결과, ISODATA, Maximum likelihood 및 인공신경망 방법 중에서 호수 면적 산출의 최적의 방법은 인공신경망 방법임을 알 수 있었다. 또한, 인공신경망 방법을 적용하여 산출한 호수 면적과 SPI와의 상관관계 분석 결과 R2 값이 0.52를 가진다. 즉, SPI지수가 낮을 때 호수 면적이 감소하는 것을 알 수 있었다. 즉 호수 면적 변화를 통하여 소양호 지역의 가뭄 상태 감지 및 모니터링이 가능하다는 것을 알 수 있었다. 이 연구는 향후 지역 가뭄 모니터링 프로그램 개발 등에 사용이 가능할 것이다.
가뭄은 일반적으로 장기간에 걸쳐 물 공급이 부족하여 나타나는 환경 재앙 중 하나로 대부분 넓은 지역에 걸쳐 나타난다. 원격탐사 자료는 이러한 넓은 지역에서 나타나는 가뭄 모니터링에 적합한 방법이다. 따라서 이 연구에서는 강원도 소양호 지역의 Landsat 위성 영상 자료를 활용하여 약 30년(1985-2015) 동안의 소양호 면적을 산출하고 이를 가뭄 패턴과 분석하였다. 특히 ISODATA, Maximum likelihood 및 인공신경망을 활용하여 Landsat 영상을 분류하여 소양호 면적을 산출하였다. 또한 가뭄 패턴을 분석하기 위하여 산출된 호수 면적과 소양호 지역의 강수량을 활용한 표준강수지수(Standardized Precipitation Index: SPI)와의 상관관계를 분석하였다. 영상 분류 연구 결과, ISODATA, Maximum likelihood 및 인공신경망 방법 중에서 호수 면적 산출의 최적의 방법은 인공신경망 방법임을 알 수 있었다. 또한, 인공신경망 방법을 적용하여 산출한 호수 면적과 SPI와의 상관관계 분석 결과 R2 값이 0.52를 가진다. 즉, SPI지수가 낮을 때 호수 면적이 감소하는 것을 알 수 있었다. 즉 호수 면적 변화를 통하여 소양호 지역의 가뭄 상태 감지 및 모니터링이 가능하다는 것을 알 수 있었다. 이 연구는 향후 지역 가뭄 모니터링 프로그램 개발 등에 사용이 가능할 것이다.
Drought is an environmental disaster typically defined as an unusual deficiency of water supply over an extended period. Satellite remote sensing provides an alternative approach to monitoring drought over large areas. In this study, we monitored drought patterns over about 30 years (1985-2015), usi...
Drought is an environmental disaster typically defined as an unusual deficiency of water supply over an extended period. Satellite remote sensing provides an alternative approach to monitoring drought over large areas. In this study, we monitored drought patterns over about 30 years (1985-2015), using satellite imagery of Lake Soyang, Gangwondo, South Korea. Landsat images were classified using ISODATA, maximum likelihood analysis, and an artificial neural network to derive the lake area. In addition, the relationship between areas of Lake Soyang and the Standardized Precipitation Index (SPI) was analyzed. The results showed that the artificial neural network was a better method for determining the area of the lake. Based on the relationship between the SPI value and changes in area, the R2 value was 0.52. This means that the area of the lake varied depending on SPI value. This study was able to detect and monitor drought conditions in the Lake Soyang area. The results of this study are used in the development of a regional drought monitoring program.
Drought is an environmental disaster typically defined as an unusual deficiency of water supply over an extended period. Satellite remote sensing provides an alternative approach to monitoring drought over large areas. In this study, we monitored drought patterns over about 30 years (1985-2015), using satellite imagery of Lake Soyang, Gangwondo, South Korea. Landsat images were classified using ISODATA, maximum likelihood analysis, and an artificial neural network to derive the lake area. In addition, the relationship between areas of Lake Soyang and the Standardized Precipitation Index (SPI) was analyzed. The results showed that the artificial neural network was a better method for determining the area of the lake. Based on the relationship between the SPI value and changes in area, the R2 value was 0.52. This means that the area of the lake varied depending on SPI value. This study was able to detect and monitor drought conditions in the Lake Soyang area. The results of this study are used in the development of a regional drought monitoring program.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
하지만 이 연구의 경우 가뭄으로 인한 호수 지역의 변화를 모니터링 하는 것으로 기존 식생 지수 적용이 어렵다는 단점이 있다. 따라서 이 연구에서는 기존 식생 지수가 아닌 영상 분류 방법을 사용하여 호수의 가뭄 상태를 모니터링 하고자 한다. 즉 이 연구의 목적은 강원도 소양호 지역의 Landsat 위성 영상 자료를 활용하여 약 30 년 동안 (1985-2015)의 소양호 면적을 산출하고 이를 가뭄 패턴과 분석하는 것이다.
, 1998). 따라서 이 연구에서는 수위 변동이 큰 7월과 8월 이전(5월과 6 월)과 이후(9월과 10월)의 춘천시, 인제, 양구, 홍천에 걸쳐 있는 소양호의 면적을 산출하고자 한다. 또한 산출된 면적을 활용하여 연구 지역의 가뭄을 모니터링 하고자 한다.
따라서 이 연구에서는 기존 식생 지수가 아닌 영상 분류 방법을 사용하여 호수의 가뭄 상태를 모니터링 하고자 한다. 즉 이 연구의 목적은 강원도 소양호 지역의 Landsat 위성 영상 자료를 활용하여 약 30 년 동안 (1985-2015)의 소양호 면적을 산출하고 이를 가뭄 패턴과 분석하는 것이다. 이를 위하여 ISODATA, Maximum likelihood 및 인공 신경망을 활용하여 Landsat 영상을 분류하여 소양호 면적을 산출하여 가뭄 지수와 상관 관계를 분석하고자 한다.
제안 방법
소양호 면적 산출을 위한 영상 분류 알고리즘 비교 결과, ISODATA, Maximum likelihood, 인공 신경망 방법 중에서 인공 신경망 방법이 최적의 방법임을 알 수 있었다. 따라서 이 연구에서는 인공 신경망을 통하여 소양호 면적을 산출하였다. 그 결과, 소양호 면적은 9월과 10월에는 최대 78 km2 이상의 면적을 가지는 반면에 5월과 6월에는 최대 66 km2 이상이다.
또한 가뭄과의 상관관계 분석을 위하여 산출된 소양호의 면적과 강수량을 활용한 표준강수지수(SPI) 와의 관계를 분석하였다. 강수량 자료는 소양강과 가까운 곳에 위치해 있으며 상류 지역에 위치해 있는 인제 관측소 자료(기상청 제공)(Fig.
이 연구에서는 가뭄으로 인한 소양호 면적 변화를 분석하기 위해 1985년부터 2015년의 Landsat 영상을 사용하였다. 소양호 면적은 ISODATA, Maximum likelhood 및 인공 신경망 방법을 사용하여 영상을 분류하여 산출하였다. 또한 산출된 소양호의 면적과 가뭄 지수인 표준강수지수(SPI)와의 관계도 분석했다.
Landsat 영상은 30 m의 공간 해상도를 가지며 16일에 한 번씩 획득이 가능하다. 이 연구에서는 수위 변동이 큰 7월과 8월 이전인 5월에서 6월에 획득된 총 29장 Landsat 영상과 9월과 10월에 획득된 50장의 Landsat 영상을 ISODATA, Maximum likelihood 및 인공신경망 방법을 사용하여 영상 분류를 실시하였다. ISODATA 알고리즘은 분석가의 개입 없이 픽셀 값을 기준으로 클래스를 분류하는 방법이다(Tou, 1974).
즉 이 연구의 목적은 강원도 소양호 지역의 Landsat 위성 영상 자료를 활용하여 약 30 년 동안 (1985-2015)의 소양호 면적을 산출하고 이를 가뭄 패턴과 분석하는 것이다. 이를 위하여 ISODATA, Maximum likelihood 및 인공 신경망을 활용하여 Landsat 영상을 분류하여 소양호 면적을 산출하여 가뭄 지수와 상관 관계를 분석하고자 한다.
대상 데이터
또한 가뭄과의 상관관계 분석을 위하여 산출된 소양호의 면적과 강수량을 활용한 표준강수지수(SPI) 와의 관계를 분석하였다. 강수량 자료는 소양강과 가까운 곳에 위치해 있으며 상류 지역에 위치해 있는 인제 관측소 자료(기상청 제공)(Fig. 1)를 사용하였다.
소양호의 면적 산출을 위하여 1985년부터 2015년까지 수집된 총 79장의 Landsat 영상을 사용하였다 (Table 1). Landsat 영상은 30 m의 공간 해상도를 가지며 16일에 한 번씩 획득이 가능하다.
연구 지역은 강원도 춘천시 동면에 위치한 소양호 지역이다(Fig. 1).
이 연구에서는 가뭄으로 인한 소양호 면적 변화를 분석하기 위해 1985년부터 2015년의 Landsat 영상을 사용하였다. 소양호 면적은 ISODATA, Maximum likelhood 및 인공 신경망 방법을 사용하여 영상을 분류하여 산출하였다.
데이터처리
소양호 면적은 ISODATA, Maximum likelhood 및 인공 신경망 방법을 사용하여 영상을 분류하여 산출하였다. 또한 산출된 소양호의 면적과 가뭄 지수인 표준강수지수(SPI)와의 관계도 분석했다.
이에 이 연구에서는 원본 영상 영상을 지상 데이터로 사용하였다. 이를 활용하여 각 영상의 Kappa coefficient를 산출하였다. Kappa 계수의 경우 0.
이론/모형
, 2011). 기존의 가뭄 모니터링 방법은 기후 및 기상 관측에 기반하여 측정하였으며(Ebaid, 2015), 주로 Palmer Drought Severity Index (PDSI) (Palmer, 1965), Rainfall Anomaly Index (RAI) (Van Rooy, 1965), Crop Moisture Index (CMI) (Palmer, 1968), BhalmeMooley Index (BMDI) (Bhalme and Mooley, 1980), SWI (Surface Water Supply Index) (Shafer and Dezman, 1982), SAI (Standardized Anomaly Index) 및 SPI (Standardized Precipitation Index) (Mckee et al., 1993; Mckee et al., 1995) 방법이 사용되었다. 그러나 기존 방법은 지역적인 결과만 산출이 가능하며 많은 시간이 필요하다(Petropoulos et al.
3b) 분류 결과로서 인공 신경망 알고리즘이 분류 오류가 적은 것을 알 수 있다. 따라서 이 연구에서는 인공신경망 알고리즘을 적용하여 소양호 호수 면적을 산출하였다.
성능/효과
2c) 방법을 사용 하여 분류된 소양호 호수의 면적이다. Landsat 영상분류 결과 전체 정확도(overall accuracy)는 ISODATA의 경우 평균 30% 이며, Maximum likelihood는 약 78%, 인공 신경망의 경우 약 85%이다. 또한 Kappa coefficient는 각각 평균 0.
소양호 면적 산출을 위한 영상 분류 알고리즘 비교 결과, ISODATA, Maximum likelihood, 인공 신경망 방법 중에서 인공 신경망 방법이 최적의 방법임을 알 수 있었다. 따라서 이 연구에서는 인공 신경망을 통하여 소양호 면적을 산출하였다.
52의 값을 나타냈다. 즉 가뭄일 때 호수의 면적 변화와 SPI 1 지수와의 상관관계가 높은 것을 알 수 있었다.
후속연구
뿐만 아니라 SPI 2, SPI 3 지수도 고려할 예정이다. 또한 이 연구에서는 30 m 공간해상도 자료를 활용하여 연구를 진행하였지만 추후 고해상도의 영상을 활용하여 연구를 진행한다면 정밀한 가뭄 모니터링이 가능할 것으로 사료된다. 특히 다양한 자료를 통하여 많은 시기의 결과를 획득한다면 가뭄 모니터링의 정확도가 향상될 것이다.
특히 다양한 자료를 통하여 많은 시기의 결과를 획득한다면 가뭄 모니터링의 정확도가 향상될 것이다. 뿐만 아니라 고해상도 자료와 가뭄 지수와의 상관관계를 통한 알고리즘을 개발한다면 추후에는 영상으로부터 면적을 산출하여 가뭄 단계를 판단할 수 있을 것으로 생각된다. 이러한 연구는 향후 지역 가뭄 모니터링 시스템 개발에 사용될 수 있으며 가뭄 대비에 중요한 역할을 할 수 있을 것이다.
뿐만 아니라 고해상도 자료와 가뭄 지수와의 상관관계를 통한 알고리즘을 개발한다면 추후에는 영상으로부터 면적을 산출하여 가뭄 단계를 판단할 수 있을 것으로 생각된다. 이러한 연구는 향후 지역 가뭄 모니터링 시스템 개발에 사용될 수 있으며 가뭄 대비에 중요한 역할을 할 수 있을 것이다.
또한 이 연구에서는 30 m 공간해상도 자료를 활용하여 연구를 진행하였지만 추후 고해상도의 영상을 활용하여 연구를 진행한다면 정밀한 가뭄 모니터링이 가능할 것으로 사료된다. 특히 다양한 자료를 통하여 많은 시기의 결과를 획득한다면 가뭄 모니터링의 정확도가 향상될 것이다. 뿐만 아니라 고해상도 자료와 가뭄 지수와의 상관관계를 통한 알고리즘을 개발한다면 추후에는 영상으로부터 면적을 산출하여 가뭄 단계를 판단할 수 있을 것으로 생각된다.
그러나 이 연구에서는 SPI 1 지수가 −1일 때의 면적만 고려하였다. 향후에는 SPI 1 지수를 세분화하여 면적과의 상관성을 비교할 예정이다. 뿐만 아니라 SPI 2, SPI 3 지수도 고려할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
가뭄이란 무엇인가?
가뭄은 일반적으로 장기간에 걸쳐 물 공급이 부족하여 나타나는 환경 재앙 중 하나로 대부분 넓은 지역에 걸쳐 나타난다. 원격탐사 자료는 이러한 넓은 지역에서 나타나는 가뭄 모니터링에 적합한 방법이다.
위성 자료의 장점은 무엇인가?
, 2009). 이와 반면에 위성 자료는 넓은 지역에 대한 가뭄 변 화를 탐지할 수 있다(Shin et al., 2005).
가뭄의 위험성은 무엇인가?
, 2012). 또한 다른 모든 자연 재해보다도 인간에게 많은 영향을 미치고 농업 손실을 초래 한다. 특히 가뭄의 시작과 끝이 불분명하기 때문에 가뭄이 현저하게 진행된 후에만 상황이 인식되어 피해가 증가하게 된다(Park et al.
참고문헌 (31)
Anderson, M.C., Hain, C., Wardlow, B., Pimstein, A., Mecikalski, J.R., and Kustas, W.P., 2011, Evaluation of drought indices based on thermal remote sensing of evapotranspiration over the continental United States. Journal of Climate, 24, 2025-2044.
Anderson, M.C., Norman, J., Mecikalski, J., Otkin, J., and Kustas, W., 2007, A climatological study of evapotranspiration and moisture stress across the continental US based on thermal remote sensing: 2. Surface moisture climatology. Journal of Geophysical Ressearch, 112, D111112.
Bhalme, H.N. and Mooley, D.A., 1980, Large-scale droughts/floods and monsoon circulation. Monthly Weather Review, 108(8), 1197-1211.
Cho, S.-H., Sohn, W.-M., Shin, S.-S., Song, H.-J., Choi, T.-G., Oh, C.-M., Kong, Y., and Kim, T.-S., 2006, Infection status of pond smelts, Hypomesus olidus, and other freshwater fishes with trematode metacercariae in 6 large lakes. The Korean Journal of Parasitology, 44(3), 243-246.
Cohen, W.B., Spies, T.A., Alig, R J., Oetter, D.R., Maiersperger, T.K., and Fiorella, M., 2002, Characterizing 23 years (1972-95) of stand replacement disturbance in Western Oregon forests with Landsat imagery, Ecosystems, 5(2), 122-137.
Ebaid, H.M., 2015, Real time drought monitoring using Remote Sensing approaches A Case Study: Western desert of Kharga and Dakhla Regions. International Journal of Geomatics and Geosciences, 6(3), 1638-1652.
Heo, W.M., Kim, B., Kim, Y., and Cho, K.S., 1998, Storm runoff of phosphorus from nonpoint sources into Lake Soyang and transportation of turbid water mass within the lake. Korean Journal of Limnology, 31, 1-8.
Huang, H., Zhou, H., Wang, P., Wu, W., and Yang, S., 2012, Monitoring southwest drought of China using HJ-1A/B and Landsat remote sensing data. Proceeding of SPIE, Land Surface Remote Sensing, 8524, 852410.
Jin, Y., Zhu, J., Sung, S., and Lee, D.K., 2017, Application of Satellite Data Spatiotemporal Fusion in Predicting Seasonal NDVI. Korean Journal of Remote Sensing, 33(2), 149-158.
Kim, B. and Kim, Y., 2004, Phosphorus Cycle in a Deep Reservoir in Asian Monsoon Area (Lake Soyang, Korea) and the Modeling with a 2-D Hydrodynamic Water Quality Model. Korean Journal of Limnology, 37(2), 205-212.
Kim, B., Choi, K., and Shim, S., 1997, Storm runoff of phosphorus from nonpoint sources. Proceeding of the International Symposium on the preservation of water quality and the management of watershed in rivers and lakes. National Institute of Environmental Research, Korea.
Kim, Y. and Jim, B., 2006, Application of a 2-Dimensional Water Quality Model (CE-QUAL-W2) to the Turbidity Interflow in a Deep Reservoir (Lake Soyang, Korea). LAKE RESERV MANAGE, 22(3), 213-222.
Klisch, A., Atzberger, C., and Luminari, L., 2005, Satellitebased Drought Monitoring in Kenya in an Operational Setting. 36th International Symposium on Remote Sensing of Environment, Berlin, Germany.
Kogan, F.N., 1997, Global drought watch from space. Bulletin of the American Meteorological Society, 78, 621-636.
Lee, J.H., Seo, J.W., and Kim, C.J., 2012, Analysis on Trends, Periodicities and Frequencies of Korean Drought Using Drought Indices, Journal of Korea Water Resources Association, 45(1), 75-89.
Lillesand, T.M. and Keifer, R.W., 1994, Remote Sensing and Image Interpretation, John Wiley & Sons.
McKee, T.B., Doesken, N.J., and Kleist, J., 1993, The relationship of drought frequency and duration to time scales. Proceeding of Eighth Conference on Applied Climatology, American Meteorological Society, Anaheim, CA, 17-22 January.
Mckee, T.B., Doeskin, N.J., and Kleist, J., 1995, Drought monitoring with multiple time scales. Proceeding of Ninth Conference on Applied Climatology, American Meteorological Society, Boston, MA, 15-20 January.
Ortiz, M.J., Formaggio, A.R., and Epiphanio, J.C.N., 1997, Classification of croplands through integration of remote sensing, GIS, and historical database, International Journal of Remote Sensing, 18(1), 95-105.
Parihar, S.M., Sarkar, S., Dutta, A., Sharma, S., and Dutta, T., 2013, Characterizing wetland dynamics: a postclassification change detection analysis of the East Kolkata Wetlands using open source satellite data, Geocarto International, 28(3), 273-287.
Park, J.Y., Yoo, J.Y., Chi, M., and Kim, T.-W., 2011, Evaluation of Drought Risk in Gyeonsang-do Using EDI. Journal of the Korean Society of Civil Engineers, 31(3B), 243-252.
Petropoulos, G., Carlson, T.N., Wooster, M.J., and Islam, S., 2009, A review of Ts/VI remote sensing based methods for the retrieval of land surface energy fluxes and soil surface moisture. Progress in Physical Geography, 33(2), 224-250.
Saravanan, K. and Sasithra, S., 2014, Review on classification based in artificial neural networks, International Journal of Ambient Systems and applications, 2(4), 11-18.
Shafer, B.A. and Dezman, L.E., 1982, Development of a surface water supply index (SWSI) to assess the severity of drought conditions in snowpack runoff areas. Proceeding of 50th Annual Western Snow Conference, Colorado State University, Fort Collins, CO, USA, 19-23 April.
Shin, S.C., Hwang, M.H., Ko, I.H., and Lee, S.J., 2005, Application of Areal Drought Detection Using the Satellite Data. Proceeding of Korean Society of Civil Engineers, Jeju, Korea.
Tou, J.T. and Gonzalez, R.C., 1974, Pattern recognition principles, Addison-Wesley.
Van Rooy, M.P., 1965, A rainfall anomaly index independent of time and space. Notes, 14, 43-48.
Wilson, E.H. and Sader, S.A., 2002, Detection of forest harvest type using multiple dates of Landsat TM imagery, Remote Sensing of Environment, 80(3), 385-396.
Zhou, Q., Li, B., and Kurban, A., 2008, Trajectory analysis of land cover change in arid environment of China, International Journal of Remote Sensing, 29(4), 1093-1107.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.