[논문]드론센싱자료와 식생지수를 활용한 환경피해범위 산출 정확도 평가

임언택; 정용한; 김성삼

doi:10.7780/kjrs.2023.39.5.2.8

드론센싱자료와 식생지수를 활용한 환경피해범위 산출 정확도 평가
Accuracy Assessment of Environmental Damage Range Calculation Using Drone Sensing Data and Vegetation Index 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.5/1, 2023년, pp.837 - 847

임언택 (국립재난안전연구원 재난원인조사실) , 정용한 (국립재난안전연구원 재난원인조사실) , 김성삼 (국립재난안전연구원 재난원인조사실)

초록
AI-Helper

본 연구는 사고현장에서 화학물질로 인해 발생한 사고지점의 피해면적을 식생지수로 산출하는 방안을 연구하였다. 자료수집은 두 종류의 드론을 활용하였으며, 사진측량기법을 적용한 3차원 점군자료에서 피해면적을 산출하였다. 다중분광센서의 분광대역 정보를 활용하여 제작한 정사영상을 토대로 식생지수 영상을 제작하였고, 임계값에 따른 피해면적의 결과로 사고현장에 대한 통계를 분석하였다. 근적외선 밴드 기반의 식생지수 Kappa 값은 0.79, 녹색 밴드 기반의 식생지수는 0.76으로 화학물질사고 조사현장에서 식생지수를 활용한 피해면적 분석 방법을 활용할 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

In this study, we explored a method for assessing the extent of damage caused by chemical substances at an accident site through the use of a vegetation index. Data collection involved the deployment of two different drone types, and the damaged area was determined using photogrammetry technology from the 3D point cloud data. To create a vegetation index image, we utilized spectral band data from a multi-spectral sensor to generate an orthoimage. Subsequently, we conducted statistical analyses of the accident site with respect to the damaged area using a predefined threshold value. The Kappa values for the vegetation index, based on the near-infrared band and the green band, were found to be 0.79 and 0.76, respectively. These results suggest that the vegetation index-based approach for analyzing damage areas can be effectively applied in investigations of chemical accidents.

주제어

표/그림 (15)

그림 Fig. 2. Images of drones used in this study. (a) Inspire 2 and Zenmuse X5S. (b) Matrice 300 RTK and RedEdge-P.
그림 Fig. 1. Location of accident area and damaged image.
표 Table 1. Specification of drones used in this study
그림 Fig. 3. Equipment used for ground control points (GCPs) surveying.
표 Table 2. Specification of Trimble R10 used in this study
표 Table 3. Vegetation index formula and rationale using near-infrared
그림 Fig. 4. Flowchart of this study.
표 Table 4. Vegetation index formula and rationale using near-infrared
그림 Fig. 5. Products of drone mapping. (a) Orthoimage acquired by Inspire 2. (b) Orthoimage acquired by Matrice 300 RTK.
표 Table 5. Flight planning and results
그림 Fig. 6. Standard data for calculating the range of environmental damage. (a) Reference data created by digitizing 3D point cloud. (b) Reference data classified into damaged and non-damaged.
그림 Fig. 7. Vegetation index analysis image based on near-infrared band: (a) NDVI, (b) NDRE, and (c) GNDVI.
그림 Fig. 8. Vegetation index analysis image based on green band: (a) GRVI, (b) MGRVI, and (c) RGBVI.
표 Table 6. Near-infrared band-based vegetation index kappa results
표 Table 7. Green band-based vegetation index kappa results

AI 본문요약
AI-Helper

제안 방법

근적외선 밴드는 식생 피해를 구분하기 용이하나 고가의 장비와 별도의 분석 기술이 필요한 경우도 발생한다. 따라서 가시광선 밴드를 활용하여 식생피해 범위를 관측할 수 있는 녹색 밴드 기반의 식생지수를 계산하였다. 대표적으로 green red vegetation index (GRVI), modified green red vegetation index (MGRVI), red green blue vegetation index (RGBVI)가 있으며, 식물 엽록소의 종류와 특성 그리고 반사율의 차이를 통하여 바이오매스를 추정할 수 있다(Table 4).
또한 토양오염으로 인한 화학물질의 잔류로 위험에 노출될 수 있어 조사자가 사고 지점을 직접 관측하기 어렵다. 따라서 조사 장비는 드론을 활용하였으며, 사고지점에 근접한 우회로를 확보하여 기준점 측량을 위한 위치선정과 드론을 운용하기 위한 장소로 선정하였다.
본 연구에서는 환경피해범위를 사고지점 주변으로 제한하였으며, Pix4Dmapper에서 드론 맵핑을 통해 생성된 3차원 점군자료의 피해 영역을 디지타이징(digitizing)하여 기준자료(reference data)를 생성하였다. 이후, 정사영상에서 GIS buffer 분석 기능을 활용하여 사고지점 주변의 면적을 산출하였다.
관련기관에서는 사고수습을 위하여 사고 상황을 파악하고 발생지점에 건사 및 흡착포를 이용한 방재 조치와 인근 배수로 및 하천 유입 통로에 대한 방재 작업을 실시하였다. 사고 수습 후 토양오염, 산림피해, 수질 등 환경피해 범위를 조사하였다.
화학물질 사고현장의 피해면적을 측정하기 위해서 3차원 점군자료 결과를 활용했으며, 소프트웨어의 면적 측정 기능을 사용해 수동으로 피해면적을 측정하였다. 식생지수 분석은 다중분광센서의 정사영상 결과를 활용하여 근적외선 밴드 기반의 영상과 녹색 밴드 기반의 정사영상을 제작하였다. 각각의 식생지수에서 분석된 피해식생지점과 주변에 피해 받지 않은 식생을 활용하여 실제 피해면적과 Kappa 계수를 활용하여 정확도를 비교하였다(Fig.
이후, 정사영상에서 GIS buffer 분석 기능을 활용하여 사고지점 주변의 면적을 산출하였다. 식생지수별로 임계값 특정 구간을 설정한 후 각각의 식생영역을 생성하였으며, 피해영역(damaged area)과 비피해영역(non-damaged area)으로 분류된 기준자료와 비교하여 식생지수 각각의 임계값 구간별로 그 일치도를 비교하였다(Fig. 6).
이 과정에서 사고지점의 지형적 특성을 고려하여 도로시설물을 제외하고 분석자료를 구축하였으며, 근적외선 밴드 기반의 식생지수와 녹색 밴드 기반의 식생지수를 활용하여 피해면적을 산출하고 정확도를 비교하여 다음과 같은 결과를 도출하였다.
본 연구에서는 화학물질 사고현장의 드론을 활용한 신속한 자료 취득과 식생지수 분석을 위해 다음과 같은 연구과정으로 진행되었다. 피해지역에 대한 드론 맵핑영역을 설정하고 분석자료 구축을 위해 광학센서를 장착한 드론과 다중분광센서를 장착한 드론을 활용하였다. 취득한 자료는 드론 항공사진 자료처리 전용 소프트웨어를 활용하여 3차원 점군자료, DSM, DTM, 정사영상을 생성하였다.
취득한 자료는 드론 항공사진 자료처리 전용 소프트웨어를 활용하여 3차원 점군자료, DSM, DTM, 정사영상을 생성하였다. 화학물질 사고현장의 피해면적을 측정하기 위해서 3차원 점군자료 결과를 활용했으며, 소프트웨어의 면적 측정 기능을 사용해 수동으로 피해면적을 측정하였다. 식생지수 분석은 다중분광센서의 정사영상 결과를 활용하여 근적외선 밴드 기반의 영상과 녹색 밴드 기반의 정사영상을 제작하였다.

대상 데이터

조사에 활용한 드론은 2가지이며, 첫 번째 기체는 DJI사의 Inspire 2로 Zenmuse X5S 카메라를 장착하여 사고현장의 전반적인 현황과 맵핑을 위한 항공촬영 임무를 수행하였다. 두 번째 기체는 동일한 제조사의 Matrice 300 RTK 드론과 Micasense사의 RedEdge-P 카메라를 활용하였다(Fig. 2).
조사에 활용한 드론은 2가지이며, 첫 번째 기체는 DJI사의 Inspire 2로 Zenmuse X5S 카메라를 장착하여 사고현장의 전반적인 현황과 맵핑을 위한 항공촬영 임무를 수행하였다. 두 번째 기체는 동일한 제조사의 Matrice 300 RTK 드론과 Micasense사의 RedEdge-P 카메라를 활용하였다(Fig.
피해지역에 대한 드론 맵핑영역을 설정하고 분석자료 구축을 위해 광학센서를 장착한 드론과 다중분광센서를 장착한 드론을 활용하였다. 취득한 자료는 드론 항공사진 자료처리 전용 소프트웨어를 활용하여 3차원 점군자료, DSM, DTM, 정사영상을 생성하였다. 화학물질 사고현장의 피해면적을 측정하기 위해서 3차원 점군자료 결과를 활용했으며, 소프트웨어의 면적 측정 기능을 사용해 수동으로 피해면적을 측정하였다.

데이터처리

식생지수 분석은 다중분광센서의 정사영상 결과를 활용하여 근적외선 밴드 기반의 영상과 녹색 밴드 기반의 정사영상을 제작하였다. 각각의 식생지수에서 분석된 피해식생지점과 주변에 피해 받지 않은 식생을 활용하여 실제 피해면적과 Kappa 계수를 활용하여 정확도를 비교하였다(Fig. 4).

성능/효과

둘째, 분석결과 근적외선 밴드 기반의 식생지수는 NDVI의 임계값이 0.70, NDRE가 0.31, GNDVI가 0.64일 때 Kappa 값이 0.79로 나타났으며, 녹색 밴드 기반의 식생지수는 GRVI의 임계값이 0.10, MGRVI가 0.20, RGBVI가 0.45일 때 Kappa 값이 0.76으로 나타났다.
79 값이 나타났다. 따라서 근적외선 밴드 기반의 식생지수는 각각의 임계값에서 가장 높은 계수값이 0.79로 나타났다(Table 6).
76으로 가장 높은 값이 나타났다. 따라서 녹색 밴드 기반의 식생지수는 각각의 임계값에서 가장 높은 계수값이 0.76으로 나타났다(Table 7).
셋째, 앞선 결과를 토대로 화학물질 사고현장에서 사고지점의 피해면적을 측정할 경우 근적외선 밴드 기반의 식생지수가 녹색 밴드 기반의 식생지수보다 높은 정확도를 나타냈다. 그러나 근적외선 밴드 영상 자료를 취득할 수 있는 다중분광센서가 고가이고 이보다 저렴한 광학센서의 해상도와 성능이 향상되고 있어 사고조사 현장의 여건이나 조사 목적에 따라서 녹색 밴드 기반의 식생지수를 활용한 피해면적 결과도 충분히 활용될 수 있을 것으로 판단된다.
첫째, 분석 대상지의 지형적 특성을 고려한 결과 선행연구의 정규식생지수(NDVI) 결과(0.649)보다 향상된 정확도(0.79)를 확보할 수 있었다.

후속연구

셋째, 앞선 결과를 토대로 화학물질 사고현장에서 사고지점의 피해면적을 측정할 경우 근적외선 밴드 기반의 식생지수가 녹색 밴드 기반의 식생지수보다 높은 정확도를 나타냈다. 그러나 근적외선 밴드 영상 자료를 취득할 수 있는 다중분광센서가 고가이고 이보다 저렴한 광학센서의 해상도와 성능이 향상되고 있어 사고조사 현장의 여건이나 조사 목적에 따라서 녹색 밴드 기반의 식생지수를 활용한 피해면적 결과도 충분히 활용될 수 있을 것으로 판단된다.
넷째,본 연구의 한계는 화학물질 사고가 산림,농경지, 초지 등의 식생 환경에서 발생할 경우 활용할 수 있다는 점이며, 식생 환경에 따라서 식생지수의 특징이 다를 수 있어 이에 대한 추가 연구가 필요할 것으로 사료된다.

참고문헌 (22)

Baik, E. S., and Jeong, G. S., 2018. Damage effects？modeling by chlorine leaks of chemical plants.？Fire Science and Engineering, 32(3), 76-87.？https://doi.org/10.7731/KIFSE.2018.32.3.076

원문보기 상세보기
Cho, S. H., Lee, G. S., and Hwang, J. W., 2020. Drone-based vegetation index analysis considering vegetation vitality. Journal of the Korean Association？of Geographic Information Studies, 23(2), 21-35.？https://doi.org/10.11108/kagis.2020.23.2.021

원문보기 상세보기
Dash, J. P., Watt, M. S., Pearse, G. D., Heaphy, M.,？and Dungey, H. S., 2017. Assessing very high？resolution UAV imagery for monitoring forest？health during a simulated disease outbreak. ISPRS？Journal of Photogrammetry and Remote Sensing,？131, 1-14. https://doi.org/10.1016/j.isprsjprs.2017.07.007

상세보기
Do, M. S., Lim, E. T., Chae, J. H., and Kim, S. H., 2018. Accuracy evaluation and terrain model？creation of urban space using unmanned aerial？vehicle system. The Journal of the Korea Institute？of Intelligent Transport Systems, 17(5), 117-127.？https://doi.org/10.12815/kits.2018.17.5.117

원문보기 상세보기
Hwang, W. Y., 2022. Analysis of the method for enhancing？safety by predicting and comparing damage？ranges due owing to chemical leakages. Journal？of the Korean Society of Hazard Mitigation, 22(6),？89-99. https://doi.org/10.9798/KOSHAM.2022.22.6.89

상세보기
Im, S. H., Hassan, S. I., Minh, D. L., Min, K. B., and？Moon, H., 2018. Analysis of fusarium wilt based？on normalized difference vegetation index for？radish field images from unmanned aerial vehicle.？The Transactions of the Korean Institute of Electrical？Engineers, 67(10), 1353-1357. https://doi.org/10.5370/KIEE.2018.67.10.1353

원문보기 상세보기
Kim, D. I., Song, Y. S., Kim, G., and Kim, C. W., 2014.？A study on the application of UAV for Korean？land monitoring. Journal of the Korean Society？of Surveying, Geodesy, Photogrammetry and？Cartography, 32(1), 29-38. https://doi.org/10.7848/ksgpc.2014.32.1.29

원문보기 상세보기
Kim, E. B., Oh, J. Y., Lee, T. W., Oh, W. K., Kim, H. J.,？and Lim, D. Y., 2020. A study on the development？of GIS-based complex simulation prototype for？reducing the damage of chemical accidents. Korean？Journal of Remote Sensing, 36(5-4), 1255-1266.？https://doi.org/10.7780/kjrs.2020.36.5.4.10

원문보기 상세보기
Kim, S., Park, J., Shin, D., Yoo, S., and Sohn, H. G., 2019a. Applicability assessment of disaster rapid？mapping: Focused on fusion of multi-sensing？data derived from UAVs and disaster investigation？vehicle. Korean Journal of Remote Sensing,？35(5-2), 841-850. https://doi.org/10.7780/kjrs.2019.35.5.2.8

원문보기 상세보기
Kim, S. S., Song, B. G., Cho, S. B., and Kim, H. J., 2019b. Applicability of drone mapping for natural？disaster damage investigation. Journal of Korean？Society for Geospatial Information Science,？27(2), 13-21. https://doi.org/10.7319/kogsis.2019.27.2.013

상세보기
Korea Chemical Industry Council, 2023. Korean chemical？industry. Available online: http://www.kocic.or.kr/sub03/sub03_2.html (accessed on Aug. 25,？2023).
Landis, J. R., and Koch, G. G., 1977. The measurement？of observer agreement for categorical data.？Biometrics, 33(1), 159-174. https://doi.org/10.2307/2529310

상세보기
Lee, D. J., Ahn, J. H., and Song, C. G., 2017. Improvement？of damage range calculation for first response to？chemical accidents. Journal of the Korean Society？of Safety, 32(2), 59-65. https://doi.org/10.14346/JKOSOS.2017.32.2.59

원문보기 상세보기
Lee, G. S., Cho, G. S., Hwang, J. W., and Kim, P. K., 2022. Evaluation of vegetation index accuracy based？on drone optical sensor. Journal of the Korean？Society of Surveying, Geodesy, Photogrammetry？and Cartography, 40(2), 135-144. https://doi.org/10.7848/ksgpc.2022.40.2.135

원문보기 상세보기
Lee, G. S., and Choi, Y. W., 2019. Analysis of cropland？spectral properties and vegetation index using？UAV. Journal of the Korean Association of？Geographic Information Studies, 22(4), 86-101.？https://doi.org/10.11108/kagis.2019.22.4.086

원문보기 상세보기
Lee, T. H., Lee, S. J., and Shin, C. H., 2016. Statistical？analysis of chemical substance transporting？accidents. Fire Science and Engineering, 30(6),？23-30. https://doi.org/10.7731/KIFSE.2016.30.6.023

원문보기 상세보기
Lim, E., Jung, Y., and Kim, S., 2022. NDVI based on？UAVs mapping to calculate the damaged areas？of chemical accidents. Korean Journal of Remote？Sensing, 38(6-3), 1837-1846. https://doi.org/10.7780/kjrs.2022.38.6.3.8

원문보기 상세보기
Lim, E. T., and Do, M. S., 2021. Pine wilt disease detection？based on deep learning using an unmanned aerial？vehicle. KSCE Journal of Civil and Environmental？Engineering Research, 41(3), 317-325. https://doi.org/10.12652/Ksce.2021.41.3.0317

원문보기 상세보기
Ministry of Environment, 2023. 19.9% increase in chemical？handling companies in 2020 compared to 2018.？Available online: https://me.go.kr/home/web/board/read.do?pagerOffset10&maxPageItems10&maxIndexPages10&searchKey&searchValue&menuId10525&orgCd&boardId1574870&boardMasterId1&boardCategoryId&decorator？(accessed on Aug. 25, 2023).
National Institute of Chemical Safety, 2023. Integrated？chemical information system. Available online:？https://icis.me.go.kr/main.do (accessed on Aug.？25, 2023).
Rouse Jr, J. W., Haas, R. H., Deering, D. W., Schell, J.？A., and Harlan, J. C., 1974. Monitoring the vernal？advancement and retrogradation (green wave？effect) of natural vegetation (Report No. NASA-CR-139243). National Aeronautics and Space？Administration. https://ntrs.nasa.gov/citations/19740022555
Tanzi, T. J., Chandra, M., Isnard, J., Camara, D., Sebastien,？O., and Harivelo, F., 2016. Towards "drone-borne"？disaster management: Future application scenarios.？ISPRS Annals of the Photogrammetry, Remote？Sensing and Spatial Information Sciences, 3,？181-189. https://doi.org/10.5194/isprsannals-III8-181-2016

상세보기

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