DOI QR코드

DOI QR Code

Correction of Lunar Irradiation Effect and Change Detection Using Suomi-NPP Data

VIIRS DNB 영상의 달빛 영향 보정 및 변화 탐지

  • Lee, Boram (Department of Geoinformation Engineering, Sejong University) ;
  • Lee, Yoon-Kyung (Department of Energy Resources Engineering, Sejong University) ;
  • Kim, Donghan (Department of Geoinformation Engineering, Sejong University) ;
  • Kim, Sang-Wan (Department of Energy Resources Engineering, Sejong University)
  • 이보람 (세종대학교 지구정보공학과) ;
  • 이윤경 (세종대학교 에너지자원공학과) ;
  • 김동한 (세종대학교 지구정보공학과) ;
  • 김상완 (세종대학교 에너지자원공학과)
  • Received : 2019.03.13
  • Accepted : 2019.03.21
  • Published : 2019.04.30

Abstract

Visible Infrared Imaging Radiometer Suite (VIIRS) Day/Night Band (DNB) data help to enable rapid emergency responses through detection of the artificial and natural disasters occurring at night. The DNB data without correction of lunar irradiance effect distributed by Korea Ocean Science Center (KOSC) has advantage for rapid change detection because of direct receiving. In this study, radiance differences according to the phase of the moon was analyzed for urban and mountain areas in Korean Peninsula using the DNB data directly receiving to KOSC. Lunar irradiance correction algorithm was proposed for the change detection. Relative correction was performed by regression analysis between the selected pixels considering the land cover classification in the reference DNB image during the new moon and the input DNB image. As a result of daily difference image analysis, the brightness value change in urban area and mountain area was ${\pm}30$ radiance and below ${\pm}1$ radiance respectively. The object based change detection was performed after the extraction of the main object of interest based on the average image of time series data in order to reduce the matching and geometric error between DNB images. The changes in brightness occurring in mountainous areas were effectively detected after the calibration of lunar irradiance effect, and it showed that the developed technology could be used for real time change detection.

1. 서론

위성영상자료를 활용한 도심지 및 비도심지의 지속적인 모니터링은 주기적으로 정량적인 자료를 제공함으로써 재난·재해에 신속하게 대응할 수 있다는 장점을 가진다(Lee et al., 2009). 하지만, 야간에 발생되는 자연 및 인공재해는 신속한 대응이 어렵고 정량적인 자료 확보에 어려움이 있고 그 피해규모가 큰 경우가 많다. 2000년, 2017년 강릉, 삼척 등지에서 대형 산불이 주·야간에 연속적으로 발생하여 큰 피해를 발생시켰다. The Suomi National Polar-orbiting Partnership(Suomi NPP) 위성에 탑재된 Visible Infrared Imaging Radiometer Suite (VIIRS) 센서의 Day and Night Band(DNB)는 야간에 불빛을 탐지하는 밴드로서 야간 모니터링에 적합하다. 초기 야간 자료는 주로 군사적 목적으로 개발 및 활용되었으나 점차 활용성이 확대되어(Cho et al., 2014) 전력소비량 추정 연구, 빛공해 탐지와 같은 인간의 행위를 반영하는 사회·과학 분야 연구뿐만 아니라(Kim, 2018) 대형 산불, 지진과 같은 재해·재난에 따른 피해량 모니터링 분야에 활용되고 있으며(Zhao et al., 2018) 허리케인과 같은 이벤트 전후 DNB 영상 분석을 통해 정전 예상 지역을 탐지하는 연구가 수행되었다(Molthan et al., 2013). 야간영상을 사용하여 허리케인으로 인한 대규모 정전 피해지역 산정 및 정전의 복구 상황에 대해 분석되었다(Wang et al., 2018). VIIRS는 DNB 센서 외에 visible과 infrared 센서가 탑재되어 있다. 다른 센서와 함께 분석을 하여 높이에 따른 화산재의 이동도 분석하고 (Pavolonis et al., 2013) 구름의 광학적 특성 분석도 수행되고 있다(Walther and Heidinger, 2012).

DNB 영상에 탐지되는 복사량은 인간 활동에 의한 인공 복사량과 달에 의해 지구 표면에서 반사되는 복사량의 합으로 이루어지며 이 중 달에 의한 복사량은 달의 위상과 고도각에 의해 결정된다(Cao et al., 2013). 탐지하고자 하는 타겟의 상대적 변동성을 분석하기 위해서는 달의 위상과 고도각의 영향을 적절하게 보정하여 균일한 밝기값의 일일 영상을 생성해야 한다(Miller et al., 2013). VIIRS 자료의 처리 및 배포를 담당하는 National Oceanic and Atmospheric Administration(NOAA)는 달의 기하각 및 위상을 고려하여 pseudo-albedo 영상을 제공하고 있다. 또한 The Defense Meteorological Satellite Programs-Operational Linescan System(DMSP/OLS)에 비해 향상된 검/보정 성능으로 인해 VIIRS의 산출물의 정확도가 크게 향상되었다(Román et al., 2018). 하지만, 한반도 영역을 대상으로 한 시계열 분석을 통해 달에 의해 지구에서 반사되는 복사량이 얼마나 정량적으로 제거되었는지를 분석한 연구 사례가 희박하다. 또한, DNB 자료를 활용한 변화탐지 연구로는 월평균 영상을 사용하거나 달빛의 영향이 최소화 된 그믐 시기의 영상을 사용한 연구가 주로 수행되었다. 남한 지역 내에서 밝기값이 변하지 않는 지역을 선정하여 간단한 달빛 보정 연구가 수행되었으나(Kim, 2018) 도심지 및 비도심지에 대한 달빛의 영향을 평가하는 연구 수행이 미흡하기 때문에 달빛 영향에 대한 적절한 보정 연구가 필요하다.

이에 따라 본 연구에서는 우리나라 도심지 및 산간지에 대하여 달의 위상에 따른 밝기값의 차이를 분석하고 달빛의 영향이 가장 작은 월삭을 기준으로 한 상대적인 달빛 보정 방안을 제안하고자 한다. 또한, 제안한 방법의 적용가능성을 판단하고자 비도심 지역에서의 변화탐지를 수행하고자 한다.

2. 자료 및 방법

1) Suomi NPP VIIRS DNB 자료

Suomi NPP는 지구 상공 824 km 에서 극궤도 주기로 하루 두 번의 재방문 주기를 가지고 주야간 지구 표면을 관측하도록 설계된 위성이다. 이 위성에 탑재된 VIIRS센서는 가시광선 및 적외선 파장 영역의 22개 밴드를 가진다. Table 1과 같이 공간해상도 750 m인 Moderate 밴드 16개, 공간해상도 375 m인 Imagery 밴드 5개 및 공간해상도 750 m의 DNB 밴드로 구성되어 있다.

Table 1. VIIRS channels specifications

OGCSBN_2019_v35n2_265_t0001.png 이미지

이 중 DNB 밴드는 0.5에서 0.9 um 파장의 팬크로매틱 채널로 Raw Data Records(RDR), Sensor Data Records(SDR), Near-Constant Contrast(NCC) 레벨 자료가 제공되는데 RDR은 원시자료이며 SDR은 RDR로부터 라디언스로 변환되어 좌표정보가 포함된 자료이며 대기 밖 복사휘도인 Top of Atmosphere(TOA) 자료이다. NOAA에서는 달빛에 의한 영향이 보정된 NCC는 EDR로도 불리는데 pseudo reflectance로 변환된 자료이지만 자료수신, 전처리를 거쳐 배포되기까지 1~2일에 시간이 걸려 (준)실시간 변화탐지에 한계가 있다. 재난/재해 관리 그리고 감시/정찰 분야에 있어서 실시간 정보획득은 정보의 정확도 못지않게 매우 중요한 요소이다(Wang et al., 2018; Zhao et al., 2018). 따라서, 본 연구에서는 한국해양과학기술원 해양위성센터에서 직수신한 RDR 자료로부터 Terrascan 소프트웨어에서 전처리된 후 배포되는 SDR 자료를 사용하였다. 2017년 11월 1일부터 12월 17일까지 수집된 자료를 제공받아 사용하였다. 수집된 SDR 자료의 좌표계는 Table 2와 같다. 좌표 투영 시 일반적으로 사용하는 회전타원체가 아닌 장반경과 단반경이 동일한 구체를 사용하였다. 사용된 자료의 달의 위상은 Table 3과 같이 11월 4일과 12월 4일 두 번의 보름달 시기가 포함되고 11월 18일 한 번의 월삭 시기가 포함된다. 한반도를 포함하는 영상의 관측 시각은 한국시간으로 매일 새벽 1시~4시 사이에 촬영된다.

Table 2. Coordinate system of collected SDR data

OGCSBN_2019_v35n2_265_t0002.png 이미지

Table 3. Phases of the Moon during Nov.-Dec. 2017

OGCSBN_2019_v35n2_265_t0003.png 이미지

2) 달빛 보정

NOAA에서 제공되는 NCC 자료와 달리 해양위성센터에서 수신·처리된 자료는 달빛에 의한 영향이 보정되지 않아, 변화 탐지 적용에 적합하지 않다. 하지만, 직수신이 가능하기 때문에 빠른 변화탐지에 적합하다. 본 연구에서 수행된 변화탐지를 위한 달빛 보정은 상대적인 보정으로 달빛의 영향이 가장 작은 월삭 때 획득한 영상을 기준으로 달빛에 의해 변화하는 지표의 상대적 반사 차이를 보정하고자 한다. 이를 통해 다시기에 획득된 DNB 영상의 밝기값 차이를 최소화하여 야간에 발생하는 변화를 탐지하고자 한다.

본 연구에서 수행된 상대적 달빛 보정 알고리즘의 흐름도는 Fig. 1과 같다. Terrascan 소프트웨어를 통해 산출되는 flag 값을 통해 구름 픽셀을 제거하고 관심대상지역만을 추출하였다. 촬영시기별로 달의 위상 때문에 영상에서 밝기값이 변하고 피복형태에 따라 변화가 발생하는 정도가 다르기 때문에 토지피복별로 달빛의 영향을 구분하여 분석할 필요가 있다. 연구지역은 한반도 중부로 도심, 산림지, 농경지 등의 다양한 피복이 혼재되어 있다. 본 연구에서 사용된 토지피복지도는 처음으로 남·북한에 대해 동일한 위성영상과 분석기법을 적용하여 2000년에 제작한 대축척(1:50,000) 토지피복지도로, 7가지 토지피복(시가화/건조지역, 농경지역, 산림지역, 녹지/초지지역, 습지, 나지, 수역)으로 구성되어 있고 75%의 분류정확도를 가진다. 배포되는 대축척 토지피복지도는 Geotiff 형식으로 Bessel 타원체의 중부원점의 기준좌표계를 가지고 있다(MLTMA, 2017). GIS 오픈 프로그램인 The Geospatial Data Abstraction Library(GDAL) (OGR projections tutorial, 2019)을 이용하여 남북한 전체의 1:50,000 토지피복도를 병합하고 좌표계를 SDR 자료의 좌표계로 변환하였다.

OGCSBN_2019_v35n2_265_f0001.png 이미지

Fig. 1. Flowchart of lunar correction method.

토지피복별로 월삭 기간에 획득된 영상과 보름에 획득된 영상간의 밝기값을 도시한 결과는 Fig2와 같다 .X-축에 사용된 2017년 11월 18일 영상은 월삭 기간에 획득된 영상으로 구름에 의해 마스킹 된 지역이 거의 없어 기준영상으로 사용하기에 적합하다. Y-축 영상은 보름달 일 때 촬영된 11월 4일 영상이다. 산림지와 수역은 해당하는 화소 수가 많기 때문에 밀도 산점도로 표현하였으며, 도심지와 경작지는 단순 산점도로 표현하였다. 수역을 제외한 산림지, 도심지, 경작지는 다소 선형의 상관관계를 보이고 있다. 도심지의 밝기값은 월삭과 보름의 달빛 복사량의 차이와 상관없이 거의 유사한 밝기값을 가진다. 산림지와 경작지는 월삭과 보름의 달빛 복사량에 따라 밝기값이 변하는 것으로 보인다. 수역은 거의 상관관계가 나타나지 않으나, 평균값에 있어서 약 2정도의 차이를 보이고 있다. 이와 같은 결과는 상대적보정을 위한 영상 밝기값 사이의 관계식 추정 시, 윈도우 내의 화소 중 유사한 토지피복 상태를 갖는 화소들만을 사용하여야 함을 의미한다.

OGCSBN_2019_v35n2_265_f0002.png 이미지

Fig. 2. Scatterplot between new moon and full moon for each land cover class such as forest, urban, water, agriculture.​​​​​​​

또한, 대기영향 등 국지적인 변화를 고려하기 위해 전체 화소 대상이 아닌 설정된 윈도우 내에서 유사한 토지피복을 갖는 화소들을 추출하고, 기준이 되는 영상과 입력 영상에서 해당 화소값들의 상관관계를 이용하였다. 사용한 토지피복도의 공간해상도는 30×30 m 이고, SDR 영상은 750 m×750 m 이기 때문에 SDR 영상에서 한 화소는 625개(=750/30*750/30)의 토지피복분류값이 존재한다. 토지피복도의 유사성 측정을 위해 7개 토지피복 항목별 빈도수를 625로 나누어 토지피복별 산출확률(Plcc)을 구하였다. 윈도우의 중심화소에서의 Plcc와 주변 화소간의 Plcc의 유클리드 거리(D)를 구하여 토지피복 유사성에 대한 정보로 활용하였다. 본 연구에서는 D값이 0.7 이하인 경우 유사한 토지피복 화소(X)로간주하고 회귀 분석을 수행하였다. 이상점에 의한 회귀분석 오류를 줄이기 위해 선택된 화소들의 중앙값과 중앙값 절대편차(MAD) 값을 식 (1)과 같이 산출하였다.

\(\begin{aligned} M A D=& 1.4826 * \operatorname{median}\left(\left|X_{i}-\operatorname{median}(X)\right|\right) \\ & \text { Outlier: }>\operatorname{median}(X)+5 \cdot M A D \end{aligned}\)       (1)

중앙값 + 5×MAD 이상의 높은 값을 보이는 화소는 이상값으로 간주하고 회귀분석에서 제외하였다. 두 입력자료의 상관성이 낮은 경우에는 평균값 차이만을 보정하였으며, 상관계수가 0.4 이상일 경우에는 1차 직선회귀분석을 수행하였다(Fig. 1 참조). 회귀분석에 사용된 두 영상 모두 독립적인 오류가 존재한다고 간주될 수 있기 때문에, 축소주축회귀 분석을 통해 회귀 직선의 기울기와 절편을 구하였다.

윈도우의 중심 화소가 각각 산림지와 도심지에 속하는 화소일 경우의 달빛 보정 과정의 주요 결과 그림이Fig. 3과 4에 제시되어 있다. Fig. 3과 4에서 (a)와 (b) 그림은 월삭과 보름달에 촬영한 영상을 보여주고 있으며, (c)는 중심화소와 주변화소간의 토지피복 차이정도를 측정한 D 값을, (d)는 중심화소의 토지피복 항목별 확률분포, (e)는 선택된 화소간의 산점도 및 회귀 분석을 통해 구한 1차 직선이 제시되어 있다. Fig. 4에서 중심점이 도심지 화소이기 때문에 D값(Fig. 4(c))을 보면 영상에서 밝게 나타나는 도심지 화소들만 낮은 값을 보이고 있음을 확인할 수 있다. 낮은 D 값에 해당 화소들을 이용하여 도출된 회귀식을 통해 윈도우 내의 중앙값을 보정하여 보정영상의 결과 값으로 적용하였다.

OGCSBN_2019_v35n2_265_f0003.png 이미지

Fig. 3. Example of forest pixel: (a) SDR image acquired on Nov. 18, 2017 at new moon, (b) Nov. 4, 2017 at full moon, (c) Euclidean distance of land cover type with respect to center pixel, (d) distribution of land cover class in test area, (e), scatterplot of the values in (a) and (b).​​​​​​​

OGCSBN_2019_v35n2_265_f0004.png 이미지

Fig. 4. Example of urban pixel: (a) SDR image acquired on Nov. 18, 2017 at new moon, (b) Nov. 4, 2017 at full moon, (c) Euclidean distance of land cover type with respect to center pixel, (d) distribution of land cover class in test area, (e), scatterplot of the values in (a) and (b).​​​​​​​

3. 결과 및 토의

1) 달빛 보정

구름 및 연무 등의 대기에 의한 영향이 가장 적은 2017년 11월 18일 월삭 영상을 기준으로 2017년 11월과 12월 영상에 대해 Fig. 1에 제시된 절차를 수행하여 모든 영상에 대해 상대적인 달빛 보정을 수행하였다. Fig. 5(a)는 기준 영상인 11월 18일 SDR 영상이며 Fig. 5(b)는 달빛의 영향이 최대화되는 11월 4일 보름달 SDR 영상이다. 두 영상은 전체적인 밝기값 차이가 존재함을 알 수 있으며 영상을 보정한 결과 Fig. 5(c)와 같이 0~7 Wcm-2sr-1 의 값의 범위를 보이는 보정 영상을 얻음으로써 월삭 영상의 값의 범위와 유사하게 보정된 결과를 획득하였다.

OGCSBN_2019_v35n2_265_f0011.png 이미지

Fig. 5. (a) SDR image acquired on Nov. 18, 2017 during the new moon on (b) SDR image acquired on Nov. 4, 2017 during the full moon, (c) Corrected SDR image of Nov. 4, 2017.​​​​​​​

2) 도심지 및 비도심지에 대한 달빛 영향성 분석

달의 위상에 따른 밝기값의 차이에 기반 한 상대적 달빛 보정기술을 적용한 결과 영상에서 달빛의 영향이 제거되었는지 확인하기 위하여 보정 전·후 도심지와 산지의 달의 위상에 따른 밝기값의 일간 변동성을 분석하였다. 11월 1일부터 12월 17일까지의 기간 동안 획득된 영상에 대하여 산간지역에 대한 밝기값은 보름달 시기에 가장 높은 평균값을 보였으며 월삭 시기로 갈수록 작아지는 평균값을 나타냄으로써 달의 위상에 따라 전체적인 밝기값에 영향을 받고 있음을 알 수 있다(Fig. 6(a)). 달빛 보정 수행 후, 산간지역에서의 보름달 시기 평균값은 월삭 영상의 평균값에 가깝게 보정되었으며 달의 위상에 따른 값의 일간 패턴이 완화된 것을 확인할 수 있다(Fig. 6(b)). 달빛 보정 전 도심지에서의 일일 값의 범위는 산림지에 비해 10배 이상의 큰 값을 나타내며 일간 값의 변동성은 그림 Fig. 6(c)와 같이 달의 위상에 따른 패턴이 뚜렷하게 나타나지 않았으며 값의 편차도 산지에 비하여 크게 나타났다. 이에 따라 달빛 보정 수행 후에도 Fig. 6(d)와 같이 도심지 자료는 보정의 효과가 뚜렷하게 나타나지 않았다.

OGCSBN_2019_v35n2_265_f0012.png 이미지

Fig. 6. (a) Box plot of the daily SDR value in the mountain area, (b) Box plot of the daily SDR value after calibration of lunarirradiation effect in the mountain area,(c)Box plot of the daily SDRvalue in the urban area, (d) Box plot of the daily SDR value after calibration of lunar irradiation effect in the urban area.​​​​​​​

사용된 데이터 기간 동안 ROI 지역 내에서 변화가 없다는 가정 하에 산지와 도심지에 대하여 각 각 일일 차분 값에 대한 평균 및 표준편차를 분석하였다(Fig. 7, Table 4). 산지의 경우, 달빛 보정 전 후의 일간 차분 값의 평균은 0.20에서 -0.04으로 0에 가까운 값을 보였으며 표준편차는 보정 전 0.66에서 보정 후 0.37로 감소하였다 (Fig. 7(b)). 반면 도심지의 경우 보정 전·후 모두 일일 평균값의 변동성이 크기 때문에 일간 차분 값의 평균이 양과 음의 값을 불규칙하게 나타내었다(Fig. 7(c), (d)). 표준편차의 경우 보정 전 33.1에서 보정 후 29.7으로 감소하였으나 산지에 비해 큰 표준편차를 보였다. 이러한 결과는 산지에서 발생하는 1 라디언스 정도의 복사휘도 변화는 쉽게 탐지가 가능하지만, 도심지역에서는 적어도 수십 라디언스 이상의 변화가 있을 때만 확실한 탐지가 가능하다는 것을 의미한다.

OGCSBN_2019_v35n2_265_f0013.png 이미지

Fig. 7. (a) Mean and standard deviation of the daily difference in the mountain area, (b) Mean and standard deviation of the daily difference after calibration of lunar irradiation effect in the mountain area, (c) Mean and standard deviation of the daily difference in the urban area, (d) Mean and standard deviation of the daily difference after calibration of lunar irradiation effect in the urban area.​​​​​​​

Table 4. Mean and standard deviation of the daily difference before and after calibration of lunar irradiation effect​​​​​​​

OGCSBN_2019_v35n2_265_t0004.png 이미지

도심지에서 나타나는 일간 변동성을 줄이고 변화 지역을 효과적으로 탐지하기 위해 많은 연구에서는 월평균 자료를 이용하여 변화탐지를 수행하고 있으나(Zhao et al., 2018) 이 경우 데이터 간의 편차는 줄어드는 반면, 변화에 대한 즉각적인 대응이 힘들고 변화된 정확한 날짜를 알기 힘들다는 단점이 있다.

3) 야간 변화 탐지

다중시기에 획득된 영상을 이용한 변화 탐지를 위해서는 화소간의 좌표정합이 선행되어야 한다. 해양위성센터에서 수신된 영상은 사전에 정의된 동일한 격자로 재배열되어 제공되는데, 일별 달빛 보정 영상을 확인한 결과, 지형기복이 큰 산악지역에서 영상좌표가 일치하지 않는 문제가 확인되었다. 2017년 11월 18일 17시 46분 (UTC)과 16시 7분(UTC)에 획득된 두 자료는 두 시간 이내에 촬영되었기 때문에 화소 밝기값의 변화는 거의 없는 것으로 가정할 수 있다. 그러나 Fig. 8(a)에서 보는 바와 같이 영상 우측의 해안선과 좌측의 주요 도심지역의 좌표는 잘 일치하는 반면(황색), 산간지역에 위치한 주요 시가지(Fig. 8에서 원형 표시)의 좌표가 불일치하여 녹색과 적색값이 이원화되어 나타나는 것을 확인할 수 있다. 또한 11월 18일 17시 46분(UTC) 자료와 11월 4일 17시 8분(UTC) 자료를 합성한 영상(Fig. 7(b))에서는 산간지역의 주요 시가지에서 전체적으로 황색으로 나타나기 때문에 영상 좌표가 비교적 일치하고 있음을 확인할 수 있다. Fig. 8(a)에 사용된 11월 18일에 촬영된 두 영상은 촬영 위치(위성의 궤도)가 매우 다른 반면, Fig. 8(b)에 사용된 두 영상은 인접한 궤도에서 촬영된 영상이다. 따라서, 좌표 불일치는 위성의 관측 위치 차이에 의해산간지역에서 주로 발생하는 것으로 해석된다. 이는  DNB영상 촬영 기하 각이 일별로 차이가 존재하며 RDR에서 SDR 자료 레벨로 변환 시 지오레퍼런싱 후 좌표값이 제공되기는 하지만 산악지역에서 오차가 발생하기 때문에 DEM을 사용한 지형보정이 추가로 수행되어야 함을 의미한다.

OGCSBN_2019_v35n2_265_f0005.png 이미지

Fig. 8. Color composites of DNB images.​​​​​​​

달빛 보정 후 야간영상을 이용한 변화 탐지 시험 적용을 위해 강원도 하이원 스키장이 포함된 지역을 선정하였으며, 기간은 11월 4일부터 12월 1일 사이로 스키장 개장 전후의 날짜가 포함되도록 하였다. 2017년 11월 14일, 18일, 22일, 30일 영상(Fig. 9)에서 보는바와 같이 영상좌표 정합 오차에 의해 우측 중간에 있는 스키장에서 높은 밝기값을 보여주는 화소가 조금씩 이동하고 있다. 따라서, Fig. 10과 같이 영상좌표 오차에 의한 변화 탐지 영향을 줄이기 위해 화소별 탐지가 아닌, 밝은 값을 보이는 이접 화소들을 묶어서 객체로 구분하고 각 객체에서의 평균 밝기값의 변화를 이용한 변화 탐지를 수행하였다.

OGCSBN_2019_v35n2_265_f0006.png 이미지

Fig. 9. DNB images in different lunar phases after relative correction.​​​​​​​

OGCSBN_2019_v35n2_265_f0007.png 이미지

Fig. 10. Objects and local maximum points for change detection.

변화 탐지를 위한 주요 객체 추출을 위해 달빛 보정된 영상들의 시계열 평균값을 구한 후 평균 밝기값이 특정 값 이상인 객체들을 추출하고 사용하였다. 본 연구에서는 Fig. 6(b)의 달빛 보정 후 산지에서의 밝기값을 고려하여 밝기값이 3 이상인 지역을 주요 탐지 대상지역으로 선정하였으며, 또한 밝기값 기준값 선정에 따른 변화 탐지 결과를 비교하기 위해 8 이상인 지역으로 두 단계 밝기값을 기준으로 객체를 추출하였다. 또한 국지 최대값을 보이는 화소를 추출하여 주요 변화 탐지 객체로 선정하였다(Fig. 10). 평균 밝기값 영상에서 국지 최대값을 보이는 45개 화소가 추출되었으며, 앞서 3 이상의 높은 밝기값을 보이는 객체에 포함된 화소를 제외하고 나머지 26개의 peak를 중심으로 3×3 영역을 설정하여 변화탐지를 수행하였다.

DNB 영상에서 선택된 각 객체 안에 포함된 화소들의 평균 밝기값을 구한 후 평균값의 시계열 변화 정도에 따라 변화를 탐지하는 알고리즘을 적용하였다(Killick et al., 2012). 변화 탐지에서 적절한 임계값 설정은 매우 중요하다. 본 연구에서는 도심지 일간 차분 값의 표준편차 29.7(Table 4)을 고려해 15를 기준 값으로 설정하였으나, 추후 다양한 사례 연구를 통해 보다 적합한 값으로 설정될 필요가 있다. 국지 최대값을 보이는 지점에서는 모두 변화가 발생하지 않는 것으로 분석되었다. 변화 탐지 객체로 선정된 지역 중 Fig. 10에 표시된 T1, T2, T3, T4에서의 시계열 변화 탐지 결과는 Fig. 11과 같다. 각 객체의 평균 밝기값(청색 원)과 각 시계열 구간에서의 평균 밝기값(적색 선)이 제시되어 있다. 녹색 수직선은 평균 밝기값의 변화가 발생한 것으로 해석된 시점을 나타낸다. Fig. 11(a)와 (b)는 제천시와 영월군에 해당하는 지역으로 관측기간 동안 밝기값의 변화는 약 5-15정도의 범위 안에 있으며 변화가 없는 것으로 분석되었다. Fig. 11(b)에서 관측값이 존재하지 않는 경우는 객체 안에 존재하는 화소의 수가 구름 마스킹에 의해 5% 이상 제거된 경우로 평균 밝기값을 NaN 값으로 할당하고 시계열 분석에서 제외한 것이다. T3 지역은 11월 20일 이전에는 평균 밝기값이 2.0으로 매우 낮은 값을 유지하다가 11월 20일 이후에 37.9, 16.8, 41.5로 값의 밝기값이 급격하게 증가하였다. 이 지역은 2018 평창 동계올림픽 개최와 관련하여 스키장 공사가 진행 중인 지역으로 야간 작업이 있었던 것으로 판단된다. T4는 하이원 스키장이 위치한 지역으로 비교적 10 이상의 높은 밝기값을 유지하면서 밝기값의 변화 또한 크게 나타나고 있다. 11월 18일 이후로 밝기값의 변화 있는 것으로 분석되었다. 11월 18일은 스키장 개장일로 확인되었다. 변화 탐지를 위한 임계값에 따른 영향을 살펴보기 위해 임계값을 10으로 설정하고 재분석을 수행하였다. 비교적 밝기값의 변화가 큰 하이원 지역을 제외하고는 변화 탐지 결과는 동일하였다. 하이원 스키장의 변화 탐지 결과는 Fig. 12와 같다. 관측기간 동안 총 6번에 걸쳐 밝기변화가 발생한 것으로 탐지되었다. 11월 11일 이전에는 7.5의 낮은 값을 보이다, 11월 11일과 12일에는 17.6, 그리고 다시 13일에는 5.5로 밝기값이 낮아지는 것으로 분석되었으며, 이후 다시 전반적으로 밝기값이 상승한 것으로 해석된다. 일일차분 영상에서 나타나는 도심지에서의 높은 밝기값 변화(Fig. 7 참조)를 고려하였을 때, 이러한 밝기값의 변화가 실질적인 변화를 반영하는 것인지 위성 관측값 오차에 의한 것인지는 명확하지 않다.

OGCSBN_2019_v35n2_265_f0008.png 이미지

Fig. 11. Change detection using time series data at T1, T2, T3 and T4 area.​​​​​​​

OGCSBN_2019_v35n2_265_f0009.png 이미지

Fig. 12. Change detection with threshold of 10 at the slopein High1 resort (T4).​​​​​​​

Fig. 11과 12에 제시된 결과는 11월 4일부터 12월 1일까지 수집된 18개의 자료를 이용한 변화탐지 결과로써, 관측기간 동안 발생한 과거의 변화를 탐지한 것이다. 실시간 변화탐지 측면에서 개발된 알고리즘의 적합성을 살펴보기 위해 하이원 스키장 객체의 입력 자료를 11월 4일부터 하나씩 추가하면서 변화탐지를 수행하였다. Fig. 13에서 “Case 1”은 11월 4일부터 11월 10일 까지 5개의 영상을 이용한 변화 탐지 결과로, 해당 기간 동안 밝기값의 변화가 발생하지 않았다. 반면 “Case 2”는 11월 4일부터 11월 18일 까지 12개의 자료를 이용한 변환 탐지 결과로, 11월 18일에 영상 밝기값의 평균값에 변화가 있음이 탐지되었다. 11월 18일 이후 지속적으로 추가되는 영상자료를 이용한 분석에서도, 대부분 11월 18일 영상부터 변화가 발생하는 것으로 분석되었다. 14개 자료를 이용한 “Case 3” 분석에서만 11월 16일 영상을 기준으로 변화가 발생한 것으로 분석되었다. 이러한 결과는 지속적으로 수집된 자료를 이용한 실시간 변화탐지를 통해 전반적으로 변화 발생 시점을 정확하게 탐지할 수 있음을 보여준다. 또한 Fig. 13과 같은 변화 탐지 결과의 누적 도표에서 변화 시점(두꺼운 검정 실선)의 일관성은 변화 탐지 시점의 신뢰성에 대한 정보를 제공한다.

OGCSBN_2019_v35n2_265_f0010.png 이미지

Fig. 13. Checkerboard plot showing the results of change detection using each time series data (first row: only one data, last row: all the data of time series).

4. 결론

본 연구에서는 야간영상인 VIIRS DNB에서 달의 위상에 따른 밝기값 차이를 분석하였으며, 이를 바탕으로 상대적인 달빛 보정방법을 제안하였다. 달빛의 영향이 가장 적은 월삭 영상을 기준으로 보정될 영상 값과의 회귀식을 도출하였다. 토지피복에 따라 달빛 복사량 변화에 따른 밝기값의 차이가 다르기 때문에 토지피복지도를 사용하여 윈도우 중심화소와 주변화소간의 토지피복 유사성을 구한 뒤 월삭영상과의 회귀 분석을 통한 윈도위 내의 중앙값을 보정으로 상대적인 달빛 보정을 수행하였다. 인공 불빛의 영향이 적은 산지에서는 달의 위상에 따른 밝기값 변화가 컸으며 보정 후 달빛에 의한 값의 일간 변동량이 줄어드는 것을 확인하였다. 이에 반해 도심지의 경우 보정 후에도 일일 차분 값의 표준편차가 29.7로 산지에 비해 큰 표준 편차를 보였다. 즉, 도심지의 경우 인공조명에 의한 광량이 달의 광량에 비해 10배 이상 큰 값으로 나타나기 때문에 도심지역에서는 수십 라디언스 이상의 변화가 있을 때만 확실한 탐지가 가능하다는 것을 의미한다.

시계열 변화탐지를 위한 분석결과 해양위성센터에서 직수신된 자료는 지형기복이 큰 산악지역에서 수 화소 이상의 좌표오차가 발생하는 것으로 확인되었다. 이런 좌표 불일치는 위성의 관측위치에 의한 것으로 향후 DEM을 사용한 지형보정을 통해 보정될 수 있을 것으로 판단된다. 산악지역에서 영상좌표 정합오차에 의한 영향을 최소화하기 위해 화소별 변화탐지가 아닌 객체의 평균 밝기값의 변화를 이용한 시계열 변화탐지를 수행하였다. 분석 결과 2018 평창 동계올림픽 개최와 관련된 야간작업을 탐지할 수 있었다. 하이원 스키장의 경우 10 라디언스 이상의 높은 밝기값을 유지하면서 밝기 값이 변화하는 것으로 나타났다. 밝기값 변화가 실질적인 변화를 반영하는지 알아보기 위해 추후 검증을 위한 자료 확보 및 현장조사가 필요할 것으로 생각된다. 개발된 알고리즘을 사용한 실시간 변화탐지 적합성 분석결과 변화가 발생한 영상이 들어왔을 때 영상 밝기값의 평균값에 변화가 있음이 탐지 되었다. 이를 통해 개발된 알고리즘이 신뢰성 있는 실시간 변화탐지 및 변화탐지 시점을 제공하는 것으로 판단된다.

References

  1. Cao, C., X. Shao, and S. Uprety, 2013. Detecting light outages after severe storms using the S-NPP/VIIRS day/night band radiances, IEEE Geoscience and Remote Sensing Letters, 10(6): 1582-1586. https://doi.org/10.1109/LGRS.2013.2262258
  2. Cho, W., C. Y. Sung, and K. S. Ki, 2014. Characterizing light pollution in national parks during peak and off-peak tourist seasons using nighttime satellite images, Korean Journal of Environmental and Ecology, 28(4): 484-489 (in Korean with English abstract). https://doi.org/10.13047/KJEE.2014.28.4.484
  3. Killick, R., P. Fearnhead, and I. A. Eckley, 2012. Optimal detection of changepoints with a linear computational cost, Journal of the American Statistical Association, 107: 1590-1598. https://doi.org/10.1080/01621459.2012.737745
  4. Kim, J., 2018. Estimation of DMSP-OLS night vision correction coefficient and urban area extraction in South Korea, Sangmyung University, Seoul, Republic of Korea.
  5. Lee, M., S. Myeong, S. Jeon, and J. S. Won, 2009. Identification of flooded areas and post-flooding conditions: Developing flood damage mitigation strategies using satellite radar imagery, Journal of Environmental Policy, 8(2): 1-23 (in Korean with English abstract). https://doi.org/10.17330/JOEP.8.2.200906.1
  6. Miller, S. D., W. Straka III, S. P. Mills, C. D. Elvidge, T. F. Lee, J. Solbrig, A. Walther, A. K. Heidinger, and S. T. Weiss, 2013. Illuminating the capabilities of the Suomi national polar-orbiting partnership (NPP) visible infrared imaging radiometer suite (VIIRS) day/night band, Remote Sensing, 5: 6717-6766. https://doi.org/10.3390/rs5126717
  7. Molthan, A. and G. Jedlovec, 2013. Satellite observations monitor outages from Superstorm Sandy, Eos, Transactions American Geophysical Union, 94(5): 53-54.
  8. OGR projections tutorial, 2019. https://www.gdal.org, Accessed on Mar. 1, 2019.
  9. Pavolonis, M.J., A. K. Heidinger, and J. Sieglaff, 2013. Automated retrievals of volcanic ash and dust cloud properties from upwelling infrared measurements, Journal of Geophysical Research, 118: 1436-1458.
  10. Plan to implement the National Spatial Information Policy, 2017. MLTMA (Ministry of Land, Transport and Maritime Affairs, Sejong, Republic of Korea (in Korean).
  11. Roman, M.O., Z. Wang, Q. Sun, V. Kalb, S. Miller, A. Molthan, L. Schultz, J. Bell, E. Stokes, B. Pandey, K. Seto, D. Hall, T. Oda, R. Wolfe, G. Lin, N. Golpayegani, S. Devadiga, C. Davidson, S. Sarkar, C. Praderas, J. Schmaltz, R. Boller, J. Stevens, O. M. R. Gonzalez, E. Padilla, J. Alonso, Y. Detres, R. Armstrong, I. Miranda, Y. Conte, N. Marrero, K. acManus, T. Esch, and E. J. Masuoka, 2018. NASA's black Marble nighttime lights product suite, Remote Sensing of Environment, 210: 113-143. https://doi.org/10.1016/j.rse.2018.03.017
  12. Walther, A. and A. K. Heidinger, 2012. Implementation of the daytime cloud optical and microphysical properties algorithm (DCOMP) in PATMOS-x, Journal of Applied Meteorology and Climatology, 51: 1371-1390. https://doi.org/10.1175/JAMC-D-11-0108.1
  13. Wang, Z., M. O. Roman, Q. Sun, A. L. Molthan, L. A. Schultz, and V. L. Kalb, 2018. Monitoring disaster-related power outages using NASA black marble nighttime light product, Proc. of 2018 ISPRS TC III Mid-term Symposium, Beijing, China, May 7-10, pp. 1853-1856.
  14. Zhao, X., B. Yu, Y. Liu, S. Yao, T. Lian, L. Chen, C. Yang, Z. Chen, and J. Wu, 2018. NPP-VIIRS DNB Daily Data in Natural Disaster Assessment: Evidence from Selected Case Studies, Remote Sensing, 10(10): 1526. https://doi.org/10.3390/rs10101526