초소형 군집위성을 포함한 시간해상도가 높은 고해상도 위성영상의 이용이 증가하고 있지만, 광학영상 내 구름이나 구름 그림자로 인한 결측 지역의 복원은 여전히 시계열 영상 구성에서 매우 중요하다. 합성 개구레이더(synthetic aperture radar, SAR) 영상을 광학영상으로 변환하는 SAR-광학영상 변환은 광학영상의 결측 지역 복원에 효과적인 방법으로 적용되고 있다. 그러나 SAR-광학영상 변환을 고해상도 광학영상의 결측 지역 복원에 적용한 사례는 많지 않다. 이 연구에서는 고해상도 광학영상 복원을 위한 생성적 적대 신경망(generative adversarial networks, GAN) 기반 SAR-광학영상 변환 모델의 성능을 비교하고자 한다. 대표적인 GAN 기반 모델인 Pix2Pix, CycleGAN 그리고 다중시기 영상 페어를 추가로 이용하는 multi-temporal conditional GAN (MTcGAN)을 선정하였다. 김제 평야 일대에서 촬영된 단일 편파 COSMO-SkyMed 영상과 다중분광 PlanetScope 영상을 이용하여 SAR-광학영상 변환 실험을 수행하였고, 다양한 다중시기 영상 페어에 따른 예측 성능을 비교하였다. 실험 결과, Pix2Pix, CycleGAN, MTcGAN의 다중 분광밴드 유사도를 나타나내는 spectral angle mapper 값은 각각 최소 9.1°, 13.4°, 6.9°로 나타나MTcGAN이 실제 광학영상과 분광학적으로 가장 유사한 예측 결과를 생성하였다. 또한MTcGAN은 정량 및 정성적 평가에서 고해상도 구조 정보를 효과적으로 반영하였다. 이러한 결과는 딥러닝 기반 SAR-광학영상 변환에서 추가 입력 특징의 사용이 예측 정확도를 향상시킬 수 있음을 나타낸다.

의미론적 영상 분할 기술은 원격탐사 분야에서 지표 속성의 분류나 특정 객체의 추출을 위해 최근에 널리 사용되는 방법이다. 의미론적 영상 분할의 성능은 사용하는 딥러닝 모델의 종류에 따라 성능이 달라질 뿐만 아니라 학습률이나 배치 크기(batch size)와 같이 딥러닝 모델의 학습 파라미터(parameter) 설정방법에도 영향을 받는다. 딥러닝 학습 파라미터 가운데 학습 데이터셋의 배치 크기는 일반적으로 큰 값으로 설정하는 것이 딥러닝 성능 향상에 좋은 것으로 알려져 있으나 일반적인 딥러닝 시스템의 그래픽 처리장치(graphics processing unit, GPU)의 처리 용량은 제한되기 때문에 적절한 크기의 배치 크기 설정이 필요하다. 본 논문에서는 위성 및 항공 영상을 사용한 의미론적 영상 분할을 위한 딥러닝 시스템에서 배치 크기가 건물 검출 성능에 미치는 영향을 분석하였다. 성능 분석을 위하여 의미론적 영상 분할의 대표적인 모델인 UNet을 포함하여 ResUNet, DeepResUNet, CBAM-DRUNet을 기본 모델로 사용하였으며 전이학습(transfer learning)을 적용한 UNet-VGG19, UNet-ResNet50, CBAM-DRUNet-VGG19 모델을 추가적으로 사용하였다. 학습 데이터셋은 의미론적 영상 분할을 위한 대표적인 데이터셋인 WHU와 INRIA 데이터셋과 함께 Kompsat-3A 데이터셋을 이용하였다. 실험 결과에서 배치 크기가 2 이상인 경우에 각 모델마다 모든 데이터셋에서 F1 score가 향상되었다. 데이터셋 크기가 제일 작은 WHU 데이터셋의 경우 CBAM-DRUNetVGG19 모델을 제외하고 배치 크기가 증가할수록 F1 score가 증가하다 감소하는 경향을 보였다. WHU 데이터셋 크기보다 약 1.5배 큰 INRIA 데이터셋에서는 전이학습 모델들은 배치 크기가 증가할 때 F1 score가 일정한 수준을 유지한 반면에 그 외 모델들은 F1 score가 증가하다가 감소하는 경향을 보였다. WHU 데이터셋 크기보다 4배, 5배큰두 종류의 Kompsat-3A 데이터셋의 경우에는 배치 크기가 2일 때 모든 모델들이 F1 score가 크게 증가하고 2보다 큰 경우에는 F1 score의 추가적인 큰 상승이 없이 일정한 수준의 값으로 수렴하는 결과를 보였다. 학습 시간 측면에서는 배치 크기가 증가할수록 모든 모델의 학습 시간이 단축되는 경향을 보였다. 따라서 학습데이터셋의 크기가 충분히 큰 경우에는 F1 score 정확도 향상 측면에서는 배치크기를 2로 설정하는 정도만으로도 성능 향상을 충분히 달성할 수 있음을 확인하였다. 배치 크기를 2보다 크게 설정하는 것은 딥러닝 시스템의 GPU 용량이 충분히 처리 가능하다면 학습 시간의 추가적인 단축 측면에서 유리할 것으로 판단된다.

The Compact Advanced Satellite 500-4 (CAS500-4) is scheduled for launch in 2025 and is expected to play a significant role in monitoring agricultural and forest resources across the Korean Peninsula. However, the absence of actual CAS500-4 data prior to launch presents challenges for pre-launch research and verification, which constrains the ability to reflect the distinctive attributes of the satellite accurately. To address this issue, this study proposes a method for generating CAS500-4 Level-1 Radiometric (L1R) simulated images by inverse orthorectification based on the rational function model (RFM). Sentinel-2 orthoimages were used as the base image, and rational polynomial coefficients (RPCs) collected from Korea Multi-Purpose Satellite-3A (KOMPSAT-3A) were adjusted and utilized. The objective was to meet the ground sample distance (GSD) requirement of 5 m, consistent with CAS500-4 specifications, and to simulate different viewing angles from the base orthoimage using adjusted RPCs. The results demonstrated that the proposed method established a relationship with the base orthoimage and generated L1R simulated images. These simulated images provide a reliable basis for validating operational processes and preparing for various applications, ensuring effective utilization of CAS500-4 during its early operations.

Cerro Azul 화산은 갈라파고스 제도에서 가장 활동적인 화산 중 하나로, 2017년 3월에 칼데라(caldera) 주변과 남동쪽 평원에서 급격한 변위를 동반한 중대한 불안 현상을 보였다. 이 연구에서는 Cerro Azul 화산의 불안 기간에 대해 Sentinel-1A 위성의 상향 및 하향 궤도에서 획득된 영상레이더(synthetic aperture radar, SAR) 간섭쌍에 차분간섭기법(differential interferometric SAR, DInSAR)을 적용하여 레이더 관측 방향(line of sight, LOS)의 변위와 2차원(상하 및 동서 방향) 변위를 산출하였다. Cerro Azul 화산의 칼데라 주변 및 남동쪽 평원에서 원형의 광범위한 간섭띠 패턴이 관측되었으며, 각각 위성으로부터 멀어지는 LOS 변위와 위성에 가까워지는 LOS 변위로 확인되었다. 2차원 변위는 Cerro Azul 화산의 칼데라 주변 화산체가 수축하고 남동쪽 평원은 융기 및 팽창하였음을 보였다. 화산 불안 기간 동안 마그마의 활동 특성을 파악하고자 Mogi 및 Sill 소스 모델에 기반하여 두 궤도에서 측정된 LOS 변위의 역산을 수행하였다. 역산을 통해 추정된 최적의 마그마 소스 파라미터(source parameters)로부터 모사된 지표변위는 DInSAR 관측 변위와 비교하여 5% 미만의 정규화된 평균제곱근편차를 보였으며, 역산 모델링의 결과가 신뢰할 수 있음이 확인되었다. Mogi 소스는 화산의 북동쪽 칼데라 림(rim) 아래 약 4.7 km 깊이에 위치하였으며, 부피 변화는 약 -31 × 10⁶ m³로 추정되었다. Sill 소스는 화산의 남동쪽 평원에서 길이와 폭이 각각 약 10 km와 1 km인 긴 직사각형 형태로 약 7 km 깊이에 위치하였으며, 부피 변화는 약 68 × 10⁶ m³로 추정되었다. Sill 소스 부피 증가의 크기는 Mogi 소스 부피 감소의 크기보다 약 2배 컸다. 이 연구의 결과는 Mogi 소스와 더 깊은 곳에 위치한 마그마 소스에서 화산의 남동쪽 평원으로 마그마가 관입하여 불안이 야기되었을 가능성을 시사하였다. 또한 Cerro Azul 화산이 복잡한 마그마 활동 특성을 가질 수 있으며, 화산의 활동과 화산 재해의 위험성 평가를 위해 지속적인 변위 모니터링이 필요함을 보였다.

도서지역은 내륙과의 전력계통 연계 미형성으로 인해 전력 공급을 주로 도서 내 디젤발전에 의존하며 이는 도서지역 온실가스 배출의 주요 원인 중 하나이다. 에너지 자립섬은 도서지역의 주 발전원인 디젤발전을 신재생에너지로 대체하여 전력을 수급하는 모델로 이를 통해 도서지역의 탈탄소화를 실현할 수 있다. 본 연구에서는 대한민국 전라남도 신안군 흑산면 하태도를 대상으로 에너지 자립섬 전환을 위한 건물 옥상 및 해상에서의 태양광 발전을 위한 후보지 평가와 태양광 발전 잠재량 산정을 수행하였다. 건물 옥상과 해수면에 태양광 발전 시스템 적용 시 자연 훼손을 방지하고 부지 매입 비용을 줄일 수 있다. 옥상태양광 발전 시 태양 복사량 평가를 위해 먼저 하태도의 수치지형도 및 항공사진을 기반으로 옥상면의 각도, 옥상면의 구성재질, 모양 및 면적을 고려하여 태양광 패널이 설치 가능한 건물을 선정하였다. 그 후 ArcGIS Pro 소프트웨어의 Solar Radiation 분석도구들을 활용하여 선정된 건물 옥상에 대한 연간 태양 복사량을 계산하였다. 이를 태양광 발전 잠재량으로 변환하고 하태도의 판매전력량과 비교하여 부족한 전력량은 해상태양광 발전을 통해 수급하고자 하였다. 사방이 모두 바다인 도서지역의 특성상 해상태양광 발전 적용이 수월하며 하태도의 경우 바람과 파도의 영향이 감소하는 만 형태의 해안 지형이 있어 해상태양광 적용에 적합하다. 만 형태의 해안 지형 내부에 존재하는 해안 절벽은 해안선이 복잡하고 돌출된 지형이 많기에 해수욕장과 항구 주변으로 해상태양광 발전 설치 수역을 선정하고 추가로 어업지역과 선박항로를 고려하였다. 최종적으로 하태도에서의 판매전력량을 옥상 및 해상태양광 발전을 통해 전량 수급하여 하태도를 에너지 자립섬으로 조성할 수 있는 방안을 제시하였다.

Maritime accidents cause human and property losses, making timely detection of small ships crucial for improving rescue operations' efficiency. To address this, this study constructed a high-resolution training dataset for small ship detection using satellite imagery and evaluated the performance of various deep learning models. Among the detection transformer (DETR) models, the DETR with improved denoising anchor boxes for end-to-end object detection (DINO) model achieved an average precision (AP) of 0.934, outperforming convolutional neural network (CNN)-based models. Notably, it succeeded in detecting small ships under 10 meters. Furthermore, detection experiments using the BlackSky microsatellite constellation evaluated the efficiency of maritime monitoring and search and rescue operations, with positional errors between global positioning system (GPS) and detected ship locations of 64.23 m and 54.89 m in the first and second experiments,respectively. These results confirm the practicality of the proposed transformer-based high-resolution satellite imagery methodology for small ship detection and suggest potential improvements in detection performance under various maritime conditions.

광학위성영상으로부터 추출된 시계열 정규식생지수 자료는 농작물의 생육 및 수확량 예측에 가장 많이 사용되는 자료이다. 시계열 정규식생지수 패턴을 살펴보면 농작물의 생육주기에 따른 변이와 함께 구름에 의한 감소현상이 자주 나타난다. 특히 국내 장마철은 농작물의 중요한 생육기간이나 많은 구름으로 인해 광학 위성영상의 활용이 매우 어렵다. 본 연구에서는 당진의 논지역을 촬영한 Sentinel-2A/B 정규식생지수영상을 대상으로 시공간적 결측 보정 기법을 개발하였다. 공간적 보정기법은 결측 지역의 경계나 작은 규모의 결측 지역을 대상으로 주변부에 정상 화소의 정규식생지수 정보를 가져오는 방법으로 보정한다. 이후 큰 규모의 결측 지역의 화소들은 대상 시기 전과 후에 획득된 자료에 가우시안 처리 회귀모델을 적용하여 시간적 보정을 수행한다. 이렇게 개발된 시공간적 보정 기법은 주기합성된 정규식생지수영상을 대상으로 0.15 이하의 평균 제곱근 오차(Root Mean Squared Error, RMSE)를 보였으며, 구름이 제거되고 보정된 영상을 육안으로 확인할 수 있었다. 또한 구름의 양이 많은 일별 정규식생지수영상을 대상으로 구름의 양에 따라 0.11~0.17 RMSE를 보이는 것을 알 수 있었다. 해당 알고리즘은 파이썬(Python)을 이용하여 프로그램으로 개발되었으며, 5분 이내의 처리 시간이 소요된다. 향후 농림위성영상을 활용하는 전문가를 대상으로 제공될 예정이다. 본 알고리즘은 농경지 뿐만 아니라 산악지역을 포함한 다양한 피복을 대상으로 테스트될 예정이며, 보다 긴 시계열 자료에 적용될 예정이다. 이를 통해 식생지수 뿐만 아니라 농작물 모니터링에 필요한 다른 생육인자에 대한 적용성을 분석할 예정이다.

본 연구는 탐사로버가 미끄러짐을 유발할 수 있는 위험 지형인 부드러운 모래 지형에서 안전한 주행 경로를 확보하기 위해 별 모션 블러링(star motion blurring) 현상을 활용한 카메라 비전 기반의 이미지 전처리 과정을 통한 미끄러짐 인지-판단 방법을 제안한다. 또한 저전력 임베디드(embedded) 환경에서의 실시간 성능을 목표로 코텍스(Cortex) 기반의 Printed Circuit Board (PCB) 보드를 제작하여 사용하였으며, 검증 데이터셋에서 미끄러짐 판단 알고리즘의 정확도와 실시간 성능을 평가한 결과, 윤곽 추적 기법이 허프(Hough) 변환대비 31% 높은 정확도를 나타냈다. Frame Per Second (FPS) 성능과 전력 소비 비교에서도 윤곽 추적 기법을 활용한 미끄러짐 판단 알고리즘이 자율주행 환경에 더 적합한 알고리즘임을 확인할 수 있었다. 본 연구는 초소형 탐사로버인 큐브로버(CubeRover)에서 사용될 저전력 임베디드 시스템에서 실시간 위험 지형 인지-판단을 위한 최적의 알고리즘과 하드웨어 구성을 제시함으로써, 향후 큐브로버를 활용한 탐사로버의 개발과정과 자율주행 환경에서의 추가 검증에서 본 연구결과가 기여할 수 있는 부분이 있을 것으로 기대된다.

Remote sensing technology has significantly enhanced crop growth and disease monitoring. While satellites operate above the clouds, Unmanned Aerial Vehicle (UAV) mostly operate below the clouds, making cloud cover a critical factor. This study aims to identify the best surface reflectance correction method for UAV images under Sky Clear (SKC) and Broken Clouds Sky (BKN) conditions by comparing NoProcess, New Row Gradient (NewROW), and Bidirectional Reflectance Distribution Function (BRDF) methods. Data was collected using a RedEdge MX camera, and the accuracy of the data results was validated by comparing them with Calibrated Reference Tarp (CRT) ground reflectance data. The RedEdge MX camera includes the Original Row Gradient (OriROW) parameter in its metadata. For users without the BRDF parameter (f_iso, f_geo, and f_vol), OriROW can be utilized after data collection. NewROW was proposed to address the limitations of existing OriROW. The NewROW formula was enhanced to consider sun position and image center values. In the SKC, NewROW and BRDF were highly accurate with correction total values of ±1.57 and ±1.68% in all bands, while NoProcess was lower accurate with correction values of ±4.02%. In BKN, NewROW, and BRDF performed well with correction values of 1.31 and 1.33%, while NoProcess was less effective at 1.83%. Comparing the NoProcess, NewROW, and BRDF under SKC and BKN, the reflectance differences were -2.414 to 1.212, -0.687 to 0.745, and -0.989 to 1.143%. Therefore, both BRDF and NewROW showed high accuracy under both clear and cloudy sky conditions, with the simpler NewROW serving as an effective alternative to BRDF.

산불 피해지 탐지는 산림관리와 복구전략 수립에 있어 핵심적인 역할을 한다. 본 연구는 딥러닝 Swin(shifted windows) Transformer 모델을 활용하여 PlanetScope와 Sentinel-2 고해상도 위성 영상을 융합함으로써 산불 피해지 탐지 성능을 효과적으로 향상시킬 수 있음을 보여주었다. 한국에서 발생한 대형산불 5개 지역을 대상으로 5-fold 교차검증을 수행하여, 각 지역별로 독립적인 탐지 성능을 도출함으로써 모델의 신뢰성과 일반화를 평가하였다. 기존의 기하학적 증강기법과 AugMix 기법의 성능비교 결과, AugMix는 평균 F1-score 76.48로 기존 증강기법보다 일관되고 향상된 성능을 보였다. 또한, Sentinel-2 데이터를 추가한 모델은 지역별 평균 F1-score 81.06을 달성하며 탐지 정확도와 피해지역 성능이 개선되었음을 확인하였다. 이는 두 데이터셋의 상호 보완적인 공간적·분광적 정보를 융합하여 더 높은 정확도와 정밀도로 산불 피해지를 탐지할 수 있음을 보여주며, PlanetScope와 Sentinel-2 데이터 간 높은 상관계수는 다종위성 융합 접근법의 효과적인 활용가능성을 뒷받침한다. 본 연구는 지역별 독립적 평가를 통해 다종위성 영상을 활용한 접근법이 산불 피해지 탐지의 정밀성과 신뢰성을 높일 수 있는 가능성을 제시한다.

지상기준점은 드론 영상의 정밀한 지오레퍼런싱(Georeferencing)에 필수적인 역할을 하지만 기존의 수동 측점 방식은 시간과 비용이 많이 소요된다. 이를 개선하기 위해 지상기준점 패치를 활용한 자동 지오레퍼런싱 방법에 대한 연구가 필요하다. 본 연구의 목적은 지상기준점 패치를 활용하여 드론 영상의 지오레퍼런싱 정확도를 향상시키는 자동화된 방법을 제안하고 검증하는 데 있다. 제안된 방법은 반복적인 자동 측점과 번들 조정을 결합하여 측점 정확도를 점진적으로 개선하는 방식으로 설계되었으며, 랜덤 포레스트(Random Forest) 기반의 이진 분류기를 활용하여 신뢰도 높은 측점 결과만을 반영하였다. 시간적 간격이 있는 데이터셋을 활용하여 성능을 검증하였으며, 반복 과정에서 매칭 범위와 외부표정요소, 내부표정요소를 점진적으로 선별하였다.실험 결과, 랜덤 포레스트 분류기는 분류 성능 0.9의 높은 성능을 보였으며, 검사점을 기준으로 최종 위치 정확도가 6 cm에 도달하였다. 또한, 자동 측점의 성공률과 정밀도가 반복 과정을 통해 지속적으로 개선되었다.

Ocean eddies play an important role in transferring and releasing thermal energy and momentum through horizontal and vertical advections. In order to understand their motions, the spatial boundaries are important to determine. Thus, this study validated the spatial boundaries of intrathermocline Ulleung Warm Eddy (UWE) as a case study. The surface spatial boundary was determined based on the Lagrangian Particle Tracking (LPT) method, which was evaluated based on subsurface thermal profile measurements collected by the National Institute of Fisheries Science (NIFS). We found that first, the surface spatial boundary was well determined by LPT when compared with the subsurface eddy shape determined by the isothermal 10℃. The mean and standard deviation of the differences between surface and subsurface-based UWE boundaries are 7.70-4.71 km. Second, when there are some non-uniform thermal structures in the upper layer, it is difficult to determine the spatial boundary based on LPT. Third, potential capabilities to validate UWE boundary based on Surface Water Ocean Topography (SWOT)were examined. Since the Sea Surface Height Anomaly (SSHA) Level 4 data and SWOT are not comparable yet due to being non-fully calibrated up to now, it is difficult to confirm the spatial boundary of UWE using SWOT.?Overall, this study can suggest how the altimetry to detect ocean eddies using LPT may need subsurface thermal structures to determine eddy shape.

각국은 자국의 환경을 모니터링하기 위해 인공위성을 기획, 발사, 운영하고 있으며, 민간과 공공 분야 모두 많은 양과 종류의 위성영상정보를 생산하고 있다. 국가의 예산 투입이 된 만큼 취득된 정보에 대한 소유권, 사용권, 2차 가공 저작물에 대한 관심도 국가마다 다른 입장을 보여준다. 이에 본 연구에서는 위성영상정보 활용과 라이선스 정책, 가격정책에 대한 현황을 분석하고 논의의 필요성이 있는 주제를 명료화하는 것을 목적으로 한다. 위성영상정보를 유통하고 배포하는 선진국을 비롯한 국외 사례를 조사하고, 관련 법규 수준과 내, 유료화 무료화 여부를 조사 및 분석하였으며, 우리나라의 영상 배포 공유사례 또한 포함시켰다. 20여 명의 위성 전문가의 의견을 수렴하여 이슈를 종합적으로 정리하였다. 공공정보로서의 위성영상정보, 제한적 요건, 가공데이터 부가가치에 대한 비용징수 등 환수정책, 산업 활성화에 대한 기대와 우려 등을 확인할 수 있었으며, 가격 및 라이선스 정책에 있어서 일관된 가이드가 필요하며, 우주산업과 정보기술의 변화를 고려해야 한다는 결론을 제시한다.

크라우드소싱 드론 라이다 데이터는 다양한 센서와 환경에서 수집되기 때문에 데이터 품질의 일관성이 저하될 수 있다. 이러한 데이터에서 발생하는 이상점은 지형 및 구조물의 특성을 왜곡하여 부정확한 의사결정을 초래할 수 있다. 본 연구에서는 의미론적 분할 기반의 정밀한 이상점 탐지 방법을 개발하여 크라우드소싱 라이다 데이터의 품질을 검증하고자 하였다. 오픈소스 데이터셋인 semantic terrain points labeling synetic 3D (STPLS3D)를 활용하였으며, 시뮬레이션을 통해 노이즈가 포함된 학습 데이터를 생성하고, kernel point convolution (KPConv) 모델을 학습하였다. 학습된 모델을 실제 크라우드소싱 라이다 데이터에 적용하여 기존의 통계적 이상치 제거(statistical outlier removal, SOR) 방법 및 밀도 기반 클러스터링(density-based spatial clustering of applications with noise, DBSCAN) 기법과 성능을 비교하였다. 실험 결과, KPConv 모델은 SOR 및 DBSCAN에 비해 높은 정확도와 신뢰도를 가지며 이상점을 탐지하였고, 원본 데이터에 내재된 노이즈까지 효과적으로 식별하였다. 이러한 결과는 딥러닝 기반의 이상점 탐지 방법이 크라우드소싱 라이다 데이터의 품질 검증에 유용함을 시사한다.

The frequency and scale of large wildfires are increasing worldwide due to the rise in extreme weather events. Wildfires not only cause direct damage to human life and property but also lead to complex environmental issues, including forest ecosystem destruction and acceleration of climate change through massive greenhouse gas emissions. In South Korea, where forests cover 70% of the territory, accurate assessment and effective management of wildfire damage have emerged as critical challenges. Notably, 99.5% of domestic wildfires are small to medium fires under 100 ha, and their cumulative impact on forest ecosystems is substantial. Traditional burn severity assessment methods based on spectral indices such as normalized difference vegetation index (NDVI) and normalized burn ratio (NBR) have limitations in providing consistent evaluation criteria, as appropriate thresholds vary depending on forest types and regional characteristics. Therefore, this study developed a Transformer-based semantic segmentation model to classify burn severity into three levels: surface fire, crown scorch, and crown fire. To mitigate the class imbalance issues, we conducted experiments with three different sampling approaches for the unburned class, achieving a mean intersection over union (mIoU) of 0.748 with the final model. Notably, the model demonstrated its practical applicability by achieving over 90% prediction accuracy in validating small wildfires under 1ha. This study presents a novel methodology for rapid and accurate estimation of burn severity using deep learning-based segmentation. It is expected to provide a foundation for establishing burn severity assessment systems and effective forest restoration planning tailored to South Korea's forest characteristics.

산사태 피해지는 다른 토지 피복지에 비해 분광 특성이 명확하지 않은 한계를 가지고 있다. 이를 해결하기 위해 위성 영상에서 제공하는 분광 정보와 다른 정보를 결합하는 방식을 통해 딥러닝 기반의 산사태 피해지 탐지 성능을 향상시킬 수 있다. 본 연구에서는 산사태 탐지에서 높은 성능을 보인다고 알려진 Swin Transformer 딥러닝 모델과 전 세계를 일별로 관측할 수 있는 PlanetScope 위성을 활용하여, 분광 정보, 식생 정보, 지형 정보, 질감 정보를 다양하게 조합했을 때 딥러닝 모델의 성능 차이를 분석하였다. 분광 정보만 사용하는 경우 mean Intersection over Union (mIoU) 기준 72.08%의 정확도를 보였으며, 분광 정보, 식생 정보, 지형 정보, 질감 정보를 여러 방식으로 조합하여 사용하는 경우 mIoU 기준 최대 74.31%의 정확도를 기록하며 모델 성능이 향상되었으나 그 차이는 크지 않았다. 테스트 자료에 모델을 적용한 결과, 지역 특성에 따라 성능 차이가 나타나는 것을 확인하였다. 산림 지역이 넓게 분포하는 지역에서는 다양한 정보를 활용한 자료가 분광 정보만을 사용한 자료에 비해, 향상된 예측 능력을 나타냈다. 산림지역, 경작지, 나지, 기개발지 등이 혼재된 지역에서는 모델의 상대적 탐지 능력이 떨어지는 경향이 있었다. 그러나 이러한 경우에도 분광 정보, 식생 정보, 지형 정보, 질감 정보를 조합하여 사용할 경우 상대적으로 우수한 탐지 능력을 보여주었다. 본 연구는 딥러닝 기반 산사태 탐지에서 입력 자료 조합을 신중히 선택하는 것이 중요하다는 점을 강조하며, 위성 영상과 딥러닝 모델을 활용한 데이터 구축 및 적용 과정에서 유용한 시사점을 제공한다.

해양 사고의 수색 및 구조(Search and Rescue, SAR) 임무는 넓은 수색 범위와 복잡한 환경적 요인으로 인해 상당한 도전 과제를 안고 있다. 특히, 해양 사고의 특성상 구조 활동의 신속성과 효율성이 중요한데, 이는 전통적인 탐색 기법으로는 달성하기 어렵다. 이러한 배경에서 본 연구는 유인기를 활용한 비행 경로 최적화 프레임워크를 제안하여 SAR 임무의 탐지 성능을 향상시키고자 하였다. 본 연구는 주로 해양 사고 발생 빈도가 높은 2톤급 소형 선박을 대상으로 하였으며, 이를 위해 표류 선박의 위치를 예측하고 유인기에 탑재된 센서의 제원과 선박의 특성을 기반으로 탐지 가능 조건을 산출하였다. 이러한 조건을 바탕으로 탐지 가능한 최소 면적과 유효 탐지 범위를 도출하였으며, 이를 통해 최적화 및 비최적화 비행 경로를 생성하였다. 생성된 경로들은 시뮬레이션을 통해 탐지 성능이 비교 평가되었다. 실험 결과, 선박의 분포와 지역적 특성에 따라 최적의 탐색 경로가 다르게 나타났다. 비최적화 경로는 특정 상황에서 효율적이었지만, 일반적으로 최적화된 경로는 탐지 거리를 최소화하고 탐지 성공률을 높이는 데 더 우수한 성능을 보였다. 특히, 지역의 지형적 특성과 선박의 분포 형태가 탐지 성능에 중요한 영향을 미친다는 점이 강조되었으며, 이에 따라 SAR 임무에서 맞춤형 경로 계획이 필수적임이 입증되었다. 본 연구는 해양 SAR 임무의 효율성을 높이기 위해 유인기 기반 탐지의 잠재력을 제시하고, 탐지 성능을 극대화할 수 있는 경로 최적화 기법을 구체적으로 분석하였다. 이를 통해 SAR 임무의 실행 가능성을 높이고 해양 사고에서의 신속한 대응을 위한 중요한 기여를 할 수 있을 것으로 기대된다.

Methane from rice fields has a strong greenhouse effect and its accurate estimation is essential to combat climate change. In this study, we conducted an analysis based on the Gradient Boosting Machine (GBM) model using Local Data Assimilation and Prediction System (LDAPS) data, Normalized Difference Vegetation Index (NDVI), and Normalized Difference Water Index (NDWI) from VIIRS and Moderate Resolution Imaging Spectroradiometer (MODIS), and FluxNet ground observations of the Cheorwon rice paddy region. This was used to estimate methane emissions from rice paddy fields in South Korea and to create a gridded spatial information map of methane concentrations. Using data with a spatial resolution of 1.5 kilometers, we identified detailed changes within the region and generated daily maps to analyze daily changes and seasonal characteristics. To predict methane concentration, we considered the correlation between meteorological factors such as latent heat flux, humidity, soil moisture, and soil temperature and methane emissions as key variables. Latent heat flux and humidity were selected as key variables considering that the migration of methane gas is affected by the evapotranspiration process. In addition, soil moisture, which creates the anaerobic conditions necessary for methane production, and soil temperature, which affects the activity of methanogenic microorganisms, were included in the analysis. Taking these various factors into consideration, we analyzed methane emission data from rice fields in Korea and visualized them on a map to understand the pattern of methane production in response to changing weather conditions. The developed model showed a correlation coefficient of 0.91 and Mean Absolute Error (MAE) of 28.97 in the 5-fold cross-validation and an average correlation coefficient of 0.87 and MAE of 35.46 in the Leave One Year Out (LOYO) cross-validation. These results are expected to contribute to the understanding of methane generation patterns under changing weather conditions and accurate methane emission estimation. In addition, the developed model and the constructed methane concentration map can be utilized as an important basis for establishing greenhouse gas reduction policies in the agricultural sector and effective climate change response strategies in the future.

COVID-19 팬데믹(Pandemic)은 전 세계적으로 인간 활동을 감소시켜 도시 환경에 다양한 변화를 초래했다. 도시 열섬(Urban Heat Island, UHI) 현상에 대한 팬데믹의 영향을 분석한 연구들은 있지만, 대부분 Moderate Resolution Imaging Spectroradiometer (MODIS)의 1 km 공간해상도 지표면온도(Land Surface Temperature, LST)를 사용했다는 한계가 있다. MODIS의 1 km 해상도는 복잡한 도시 구조를 충분히 반영하지 못해 UHI를 정확하게 이해하는 데 어려움이 있다. 본 연구는 대구광역시를 대상으로 MODIS의 1 km 공간해상도 LST를 250 m 해상도로 상세화 하여 COVID-19 팬데믹 전후의 인간 활동 변화가 UHI에 미치는 영향을 분석하였다. LST 상세화에는 지역 선형 포레스트 모델을 활용하였으며, 라쏘(Lasso) 변수 선택을 통해 높은 상관성을 보이는 입력 커널을 선별하였다. 검증에는 MODIS LST와 겹치는 날짜의 Landsat, ECOSTRESS LST 자료를 레퍼런스로 활용하였다. 모델 검증 결과, 상세화 된 LST_250m는 낮 시간대에 0.790-0.929의 상관계수(Correlation Coefficient, r) 및 0.731-1.333℃의 평균 제곱근 오차(Root Mean Square Error, RMSE)를, 밤 시간대에 0.892의 r 및 0.771℃의 RMSE를 보였다. 상세화 된 LST_250m는 레퍼런스 LST와의 비교에서 기존 낮(r: 0.771-0.882, RMSE: 0.990-1.497℃)과 밤(r: 0.857, RMSE: 0.906℃) MODIS LST_1km보다 더 높은 상관성과 낮은 오차를 보였다. COVID-19 팬데믹 전후 대구시의 Surface UHI (SUHI) 강도를 계산 및 정규화 하여 행정동 단위로 분석한 결과, 지역별로 상이한 변화가 확인되었다. 밤 시간대에는 거주 지역에서 정규화 된 SUHI 강도가 증가하는 반면, 상업 지역에서는 감소하는 경향이 두드러졌다. 이러한 변화는 행정동 내 토지피복 비율과 밀접하게 연관되어 있으며, 인간 활동과 관련된 주거, 상업, 교통 지역에서 그 영향이 뚜렷하게 나타났다. 본 연구는 고해상도 LST를 활용해 COVID-19로 인한 인간 활동 변화가 UHI에 미치는 영향을 규명하며, 이 결과는 도시 기후 변화에 대한 이해를 심화하는 데 기여할 것으로 기대된다.

최근 기후변화로 인해 폭염 및 도시 열섬 현상이 심화하면서 시민 건강과 경제적 손실에 대한 우려가 증가하고 있다. 본 연구는 대한민국의 부산광역시와 대구광역시를 대상으로, 열 취약성 지수(Heat Vulnerability Index, HVI)를 활용하여 열 취약성을 정량적으로 평가하였다. 본 연구에서는 ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station (ECOSTRESS)을 활용하여 열 환경의 시공간 변동성을 반영한 열 노출 변수를 도출하였으며, 사회·환경적 지표 데이터에 대한 주성분 분석(Principal Component Analysis, PCA)을 통해 도출한 민감도 및 적응능력 변수와 결합해 HVI를 산출하였다. 연구 결과, 부산의 서면역 일대와 대구의 동성로 일대가 열에 가장 취약한 지역으로 식별되었으며, 높은 열 노출과 취약 계층 비율, 낮은 적응능력 등이 주요 요인으로 작용하였다. 도출된 HVI 지도는 온열 질환자 통계와 높은 상관성을 보였으며, 열 취약성 평가의 유효성을 입증하였다. 본 연구는 고취약 지역의 특성을 구체적으로 규명함으로써, 폭염으로 인한 피해를 완화하기 위한 지역 맞춤형 대응 전략 수립에 기초 자료를 제공한다.

With the recent development of satellites and microsatellite constellations, higher temporal resolution satellite imagery and larger numbers of satellites have become available. As the availability of satellite data increases, it is necessary to develop ship detection models that consider specific data characteristics,such as polarization,spatialresolution, and frequency bands.Among these, to leverage the distinct features of polarization, we employed a late fusion approach to merge the ship detection results from Sentinel-1 dual-polarization data. To evaluate the effectiveness of the fusion model, we built four single training models using two polarizations (VV, VH) and two colormaps (gray, parula), as well as six multimodal models with late fusion. As a result of comparing the accuracy of the single model and the fusion model, we found that the accuracy of the fusion model consisting of 1) VH gray colormap and VV parula colormap, and 2) VH parula colormap and VV parula colormap is higher than that of the single model (based on intersection over union (IoU) thresholds of 0.4 and 0.5). Each fusion model achieved a relative accuracy improvement of at least 1.5% and up to 6.5% compared to the single model with the highest accuracy among the two. The significance of this study is that the late fusion was applied using both polarization data and colormap information simultaneously. These results suggest that the fusion model can detect ships more accurately and that colormaps, which have been underexplored in SAR research, can be a factor in improving accuracy.

우리나라에는 농업수 공급, 홍수 예방의 역할을 수행하는 17,100여 개의 농업용 저수지가 존재하지만, 이 중 13,700여 개의 농업용 저수지는 수문 계측 시설이 설치되어 있지 않아 제대로 된 운영을 하기가 힘들다. 한편, 위성영상을 이용한 저수지 수체 탐지와 이를 저수율로 변환하는 연구가 활발히 진행되고 있으며, 저수율 예측 모델을 이용하여 농업용 저수지의 저수율을 높은 정확도로 예측한다면 계측 및 미계측 저수지에 대한 효과적 운영을 가능하게 할 수 있다. 본 연구에서는 저수량 기준 상위 48개 농업용 저수지를 대상으로 순환신경망 구조 및 트랜스포머 구조 시계열모델의 저수율 예측 능력을 비교·분석하였다. 2013년부터 2023년까지의 11년 저수율 데이터를 구축하였으며 2013년부터 2021년 데이터를 훈련데이터셋, 2022년 데이터를 검증데이터셋, 2023년 데이터를 평가데이터셋으로 분리하여 사용하였고 mean absolute error (MAE), root mean square error (RMSE), 상관계수 평가지표를 사용하여 저수율 예측 능력을 정량적으로 평가하였다. 과거 저수율만을 입력변수로 사용하는 단변량 시계열예측이 아닌 기상적 영향과 계절적 영향을 입력변수로 반영한 다변량 시계열예측을 사용하였으며, 본 연구에서 사용한 트랜스포머 구조 시계열모델인 temporal fusion transformer (TFT)와 순환신경망 구조 시계열모델 중 더 우수한 예측 능력을 보인 gated recurrent unit (GRU)의 20일 후 예측에 대한 48개 저수지의 RMSE 평균은 각각 7.115%와 17.428%로 TFT 모델이 GRU 모델보다 중기에서 더 우수한 저수율 예측 능력을 보여주었다.

건물 및 도로의 현황 정보는 국토 모니터링 및 관리에 있어 필수적인 요소로 도시계획, 재난관리, 변화 탐지 등 다양한 분야에서 활용된다. 최근 딥러닝 기술의 발전에 따라 고성능의 시멘틱 세그멘테이션(semantic segmentation) 기법이 보편화되기 시작하면서, 이를 건물 및 도로 탐지에 적용하는 연구도 활발히 진행되기 시작했다. 그러나 대부분의 연구가 해외를 대상으로 이루어지기 때문에 국내 현업에 적용하기에는 여전히 한계가 있는 상황이다. 따라서 본 연구에서는 고해상도의 국토위성(Compact Advanced Satellite, CAS500) 영상과 수치지형도를 활용하여 우리나라에 최적화된 건물 및 도로 탐지 데이터셋을 구축하고, 최신 시멘틱 세그멘테이션 모델인 sifted window (Swin) transformer 기반의 unified perceptual parsing network (UPerNet)와 masked-attention mask transformer (Mask2Former)를 활용한 탐지 모델을 개발하여 그 성능을 비교평가 하였다. 특히 데이터셋 구축 시 체계화된 정제 과정을 거쳐 국토위성영상과 수치지형도 간의 시공간적 불일치를 최소화하였으며, 해당 방식으로 구축된 데이터셋의 효용성을 평가하기 위해 순수 수치지형도 레이블로만 구성된 임시 데이터셋을 별도로 제작하여 데이터셋 품질에 따른 모델 성능을 분석하였다. 건물 및 도로 탐지 실험 결과, Swin-L 백본(backbone)을 사용한Mask2Former 모델이 건물 intersection over union (IoU) 77.93, 도로 IoU 74.85로 가장 우수한 성능을 보였다. 또한 본 연구의 최적화 데이터셋으로 학습한 모델이 순수 수치 지형도 데이터셋으로 학습한 모델 대비 정성적·정량적으로 더 높은 성능을 보이며 그 효용성을 입증하였다. 본 연구의 방법론 및 성과는 국내 국토현황정보 구축 및 모니터링 업무 효율화에 기여할 것으로 기대되며, 나아가 국토 공간정보 서비스 고도화와 관련 정책 수립에 실질적인 기반이 될 수 있을 것으로 보인다.

This study develops an integrated water body monitoring system at the administrative district level using synthetic aperture radar (SAR) images. A semantic segmentation model based on the Swin transformer was constructed and trained on a dataset of 1,043 patches collected from 2018 to 2023. The 5-fold cross-validation results showed an average Intersection over Union (IoU) of 0.9311, precision of 0.9637, and recall of 0.9576, with low variability between folds (IoU standard deviation of 0.0181). The practical applicability of the administrative district-based water body detection system was evaluated through comparison with the normalized difference water index (NDWI) across diverse environmental conditions in Gwangsan-gu, Ulju-gun, and Hapcheon-gun administrative districts. This automated system provides a framework for efficient water resource monitoring that integrates with existing administrative management structures.

기후 변화로 인한 농작물 생산의 불확실성 증가는 벼와 같은 주요 식량 작물의 수확량 예측 필요성을 더욱 부각시키고 있다. 본 연구는 위성 영상과 인공지능을 활용하여 기후 변화를 고려하는 벼 수확량 예측 모델을 개발하였다. 기상청 Automated Synoptic Observing System (ASOS) 데이터를 기반으로 기온, 강수, 일사량 등 주요 변수와 NASA's Shuttle Radar Topography Mission Digital Elevation Model (SRTM DEM) 데이터를 결합하여 지형적 요인을 반영하였다. 또한, Moderate Resolution Imaging Spectroradiometer(MODIS)와 Visible Infrared Imaging Radiometer Suite (VIIRS) 식생 지수를 통합한 데이터베이스를 구축하였으며, Automated Machine Learning (AutoML)을 활용해 벼 수확량 예측 모델을 최적화하였다. 모델 검증 결과, ASOS 데이터를 활용한 모델이 높은 예측 정확도를 보였으며, 2023년 벼수확량 예측 결과 MAPE 4.091%를 기록하여 신뢰성을 입증하였다. 본 연구는 기후 변화 대응 농업 정책 및 식량 안보 강화를 위한 데이터 기반 의사결정에 기여할 것으로 기대된다.

도시활력은 도시의 성장 가능성과 시민 삶의 질을 평가하는 주요 지표로써, 도시의 다면적 특성을 반영한다는 점에서 그 중요성이 점차 부각되고 있다. 특히, 북한의 경우 독특한 정치적 체제와 사회 이념이 도시 공간과 사회 전반에 깊게 반영되어 있기에, 사회경제 지표만으로 그 실태를 명확히 파악하는데 한계가 있다. 따라서 북한을 심층적으로 이해하기 위해서는 도시활력에 대한 분석이 요구된다. 본 연구에서는 북한을 대상으로, 도시의 동적 특성을 반영한 지역 수준의 도시활력 지표를 추정하고, 이를 바탕으로 북한의 도시활력을 분석하고자 하였다. 이를 위해 남한의 사회경제데이터에 기반한 도시활력 지표를 정의하고, 기계학습을 통해 북한의 도시활력 지표를 추정하였으며, 추정된 지표 값을 기반으로 북한에 대한 정성적 분석을 수행하였다. 연구 결과. 북한 내 도시활력이 높은 지역은 북한 정부주도의 개발 지역임을 확인하였으며, 도시활력이 낮은 지역의 경우 접근성이 떨어지는 농업 지역, 섬, 산간 지역 등으로 나타났다. 또한, 북한 주요 도시의 기반 시설 수준에 비해 실질적인 야간 전력 공급량이 부족함을 확인하였다. 본 연구에서 제안한 방법론은 북한을 포함한 접근 불능 지역으로의 확장 가능성이 존재하며, 본 연구 방법을 통해 추정된 도시활력은 향후 북한을 비롯한 접근 불능 지역에 대한 정책 결정에 유용하게 활용될 수 있을 것으로 기대된다.

Deep learning technologies have revolutionized image processing and analysis, introducing groundbreaking innovations that significantly improve the accuracy and efficiency of object segmentation, especially in satellite imagery. The increasing availability of high-resolution satellite images has created a demand for advanced models capable of handling the complexities of object detection in diverse environments. This study investigates the potential of the Segment Anything Model for Remote Sensing(SAMRS), a deep learning framework specifically designed for remote sensing applications, to accurately identify and segment a wide range of objects within satellite imagery. The model was trained using prominent datasets such as Dataset for Object Detection in Aerial Images (DOTA), Dataset for Object Detection in Optical Remote Sensing Images (DIOR), Fine-grained Object Detection in Aerial Images for Remote Sensing Version 2.0 (FAIR1M-2.0), and Instance Segmentation in Aerial Images Dataset (iSAID), enabling it to learn diverse object features and complexities. The evaluation of SAMRS was conducted on Northwestern Polytechnical University Very High Resolution 10-Class Dataset (NWPU VHR-10) andBeijing-3B datasets, where it demonstrated impressive results. In vehicle detection tasks, SAMRS achieved an Intersection over Union (IoU) of 0.9175, an F1-score of 0.9570, and an accuracy of 0.9385. These metrics highlight SAMRS's capability to automate object detection in complex satellite images, overcoming challenges posed by intricate backgrounds and diverse object sizes. Furthermore, SAMRS is optimized to analyze both large and small-scale objects, ensuring robust performance across varying conditions. The findings emphasize the model's utility not only for current remote sensing applications but also for future extensions involving drone imagery and domestic satellite datasets. By automating object detection and segmentation, SAMRS has the potential to transform practical fields such as urban planning, disaster management, traffic monitoring, and environmental analysis, making it a vital tool in advancing satellite imagery analysis.

This study evaluated the reliability and applicability of the Geostationary Environment Monitoring Spectrometer (GEMS) data for monitoring atmospheric conditions in South Korea. This study analyzed correlations between GEMS satellite products (Aerosol Optical Depth [AOD], NO₂, HCHO, Ozone Profile [O₃P]), Airkorea ground-based data, Local Data Assimilation and Prediction System (LDAPS) meteorological data, and land cover map across 161 administrative districts from 2021 to 2023. Despite the satellite's low spatial resolution, analysis revealed significant correlations between GEMS observations and ground-based measurements. GEMS AOD showed strong negative correlations (-0.6) with atmospheric instability indices and positive correlations with ground PM_2.5 (0.57) and carbon monoxide (CO) (0.6) measurements in spring, while summer ozone measurements demonstrated high correlations with ground observations (0.6) and temperature (0.59). Particularly strong correlations were observed in spring and fall, with GEMS AOD showing a distinct positive correlation with ground Particulate Matter (PM) concentrations and a negative correlation with atmospheric instability. The study found varying correlation patterns across different land cover types: urban areas demonstrated high positive correlations between GEMS AOD and PM substances, while forest regions showed generally lower pollutant concentrations, confirming their air purification function. Seasonal analysis revealed complex patterns, with spring and fall showing more interpretable correlations between variables compared to summer. Interpreting correlation patterns in summer was difficult due to the unique atmospheric meteorological factors of the Korean Peninsula. Regional analysis showed effective capture of pollutant transport phenomena, particularly along the west coast where spring westerly winds influence pollution patterns. The study also found that meteorological conditions, especially Boundary Layer Height (BLH) and atmospheric instability, significantly influenced pollutant concentrations and their spatial distribution. These findings suggest that GEMS satellite data can effectively complement ground-based monitoring networks for comprehensive air quality assessment in South Korea, particularly in monitoring broad-scale pollution phenomena and tracking pollutant transport patterns. However, there are limitations to local spatial analysis and special meteorological phenomena, so satellite and ground observation data must be integrated to build an optimal air quality monitoring system.

본 연구는 위성정보 데이터의 활용 영역을 확장하고 활용 가치를 높이는 방안을 모색하는 학제적 연구이다. 지리학 교육 영역에서 위성정보 데이터의 활용을 전제로 지리학 교육 콘텐츠 기획 방법론을 제시하는 것이다. 연구 수행 방법론을 위해 국내외 문헌 조사와 콘텐츠 영역의 사례들을 조사하고 분석하였다. 국내외 사례 조사에 따르면 초·중·고등학교 지리교육에서 Global Positioning System (GPS)와 Geographic Information System (GIS) 기술을 응용하여 도시의 환경의 변화를 분석하는 교육을 하고 있었다. 증강현실 (Augmented Reality, AR)과 가상현실(Virtual Reality, VR)의 디지털 미디어 기술을 활용하여 지형, 지물, 산맥 등을 직관적으로 관찰하는 지리학 교육 콘텐츠를 교육 현장에 적용하고 있었다. 또한 위성정보 데이터를 활용해 도시계획과 지역 개발에 대한 이해도를 높이는 지리학 교육 콘텐츠를 활용하고 있었다. 따라서 본 연구에서는 국내외 사례 조사와 분석을 통한 지리학 교육 콘텐츠를 기획하는 4단계 기획 방법론을 제시하였다. 4단계 기획 방법론의 구성은 컨셉 설계, 콘텐츠 시나리오의 구조화, 콘텐츠의 시각화 및 Focus Group Test (FGT), 콘텐츠 Marketing Public Relations (MPR) 전략 및 Business Model (BM) 구축의 4단계로 이루어지는 방법론을 제시하였다. 4단계 기획 방법론의 범용성과 유용성을 검증하기 위해 인천과 제주시를 대상으로 지리학 교육 콘텐츠의 실증 사례 연구를 제시하였다. 실증 사례 연구는 위성정보 데이터를 활용 영역을 지리학 교육 콘텐츠 기획 방법론 연구로 확장할 수 있다는 것을 제시하고 있다.

기후변화로 인한 농업생산성과 지속가능성의 문제를 해결하기 위해 농업관측 모니터링의 중요성이 높아지고 있다. 다양한 원격탐사 플랫폼을 활용한 필지단위, 시군단위, 국가단위의 원격탐사 자료가 수집되고 있으며, 특히 드론영상은 기존 위성, 항공영상에 비해 높은 해상도와 함께 원하는 시기에 원하는 지역을 관측 하여 농업환경변화에 즉각적인 대응을 할 수 있는 매력적인 플랫폼으로 활용성이 높아지고 있다. 사물인터넷(Internet of Things) 기술 발전으로 드론영상의 촬영은 자동화 된 프로그램을 통해 비전문가도 손쉽게 수집이 가능하나, 농경지 작황분석을 위한 전처리 과정은 복잡하고 많은 시간이 소요되어 시의적절한 정보생산에 한계를 가진다. 본 연구는 드론 영상의 특성상 촬영 환경에 따라 발생하는 복사 왜곡과 기하 왜곡을 보정하면서 사용자 의존성을 줄이고, 드론 영상 기반 농업 관측 시스템의 표준화와 확장성을 강화하기 위해 자동화 된 농업관측 다중분광 드론영상의 전처리 모듈을 개발 하고 적용하였다. 전처리 모듈은 다중분광 드론영상의 정량적인 반사율 추출을 위한 반사율 정규화 모듈과 준실시간으로 모자이크 영상을 생산하기 위한 고속기하보정 모듈로 구성하였으며, 표준화 된 영상을 바탕으로 농업관측에 활용하기 위해 가장 우선시 되어야 하는 농경지 작물분류 모듈을 소개한다. 다중분광 드론영상에서 요구되는 전처리 및 작물분류 자동화를 통해 데이터 처리의 효율성과 정확성을 제고하였으며, 이를 통해 원격탐사 전문가 뿐만 아니라 농업직 공무원, 농업인의 활용을 통한 실시간 농업관측 및 신뢰도를 높여 효율적이고 과학적인 영농의사결정 지원이 가능할 것으로 기대된다. 기후변화로 인한 농업생산성과 지속가능성의 문제를 해결하기 위해 농업관측 모니터링의 중요성이 높아지고 있다. 다양한 원격탐사 플랫폼을 활용한 필지단위, 시군단위, 국가단위의 원격탐사 자료가 수집되고 있으며, 특히 드론영상은 기존 위성, 항공영상에 비해 높은 해상도와 함께 원하는 시기에 원하는 지역을 관측 하여 농업환경변화에 즉각적인 대응을 할 수 있는 매력적인 플랫폼으로 활용성이 높아지고 있다. 사물인터넷(Internet of Things) 기술 발전으로 드론영상의 촬영은 자동화 된 프로그램을 통해 비전문가도 손쉽게 수집이 가능하나, 농경지 작황분석을 위한 전처리 과정은 복잡하고 많은 시간이 소요되어 시의적절한 정보생산에 한계를 가진다. 본 연구는 드론 영상의 특성상 촬영 환경에 따라 발생하는 복사 왜곡과 기하 왜곡을 보정하면서 사용자 의존성을 줄이고, 드론 영상 기반 농업 관측 시스템의 표준화와 확장성을 강화하기 위해 자동화 된 농업관측 다중분광 드론영상의 전처리 모듈을 개발 하고 적용하였다. 전처리 모듈은 다중분광 드론영상의 정량적인 반사율 추출을 위한 반사율 정규화 모듈과 준실시간으로 모자이크 영상을 생산하기 위한 고속기하보정 모듈로 구성하였으며, 표준화 된 영상을 바탕으로 농업관측에 활용하기 위해 가장 우선시 되어야 하는 농경지 작물분류 모듈을 소개한다. 다중분광 드론영상에서 요구되는 전처리 및 작물분류 자동화를 통해 데이터 처리의 효율성과 정확성을 제고하였으며, 이를 통해 원격탐사 전문가 뿐만 아니라 농업직 공무원, 농업인의 활용을 통한 실시간 농업관측 및 신뢰도를 높여 효율적이고 과학적인 영농의사결정 지원이 가능할 것으로 기대된다.

드론 기반 초분광 자료의 활용 증가로 드론 자료 특성에 맞는 대기보정 방법이 요구되고 있다. 이 단보에서는 드론 초분광 자료의 대기보정을 위한 drone atmospheric correction (DROACOR) 모델의 성능을 평가하기 위해 경험적 선형보정 결과와 비교하였다. Normalized difference vegetation index와 Fe³⁺ index를 활용하여 평가한 결과 가시근적외(visible/near infrared, VNIR) 대역에서는 두 보정 모델 사이에 높은 유사도(R²=0.99)를 보였다. 하지만 DROACOR 모델은 단파장적외(short-wave infrared, SWIR) 대역에서 고령토의 전체적인 반사강도를 상대적으로 낮게 그리고 2,200 nm 부근에서 발생하는 특징적인 흡수 깊이를 약하게 추정했다. 이 결과들은 VNIR에서의 DROACOR 모델의 높은 성능과 SWIR에서의 한계를 보여준다.

Land surface albedo, a key component of Earth's energy balance, is influenced by aerosols and clouds, which impact atmospheric and surface temperatures, ultimately affecting the climate system. This study utilized data from the Communication, Ocean, and Meteorological Satellite (COMS) to analyze the long-term trends of surface albedo, Aerosol Optical Depth (AOD), and Cloud Optical Thickness (COT) over East Asia. From January 2012 to December 2019, surface albedo, AOD, and COT all showed decreasing trends in the region,with rates of -0.0003, -0.0008, and -0.0328,respectively. Spatial distribution analysis revealed that albedo experienced significant decreases in the Inner Mongolia region north of 40°N latitude and southern China. AOD declined across most of the study area, with exceptions in certain parts of southern and northern China, while COT exhibited a consistent decrease across all regions. The findings of this study provide a foundational understanding of the climate characteristics of East Asia and offer valuable insights for future research into the correlation and causality between these climate variables through quantitative analyses.

This study compares two resampling methods, the k-dimensional tree (kd-tree) and the Python interface for Terra Advanced Fusion Resample/Reprojection functions (PyTAF), using surface albedo data from the GEO-KOMSAT-2A (GK2A) Advanced Meteorological Imager (AMI) geostationary satellite, with and without consideration of Earth’s curvature. Evaluation metrics include Correlation Coefficient (R), Root Mean Square Deviation (RMSD), Relative RMSD (RRMSD), Bias, spatial distribution, and processing time. Additional quantitative analyses were performed based on viewing zenith angle (VZA) intervals, ranging from 0° to 80° at 20° increments. The results showed that both resampling methods exhibited similar performance in terms of quantitative metrics, but differences emerged in processing time and VZA-specific analysis. These differences were primarily attributed to variations in algorithm design. Specifically, as VZA increased, the panoramic effect caused each pixel to cover a larger geographic area, resulting in geometric distortions. Additionally, the influence of reflectance variability between snow covered and non-snow-covered regions further exacerbated data uncertainty and geometric distortions. These combined factors contributed to reduced accuracy and increased errors during resampling, leading to higher RMSD and RRMSD values. This study provides empirical evidence of the performance differences between the two resampling methods, offering practical insights for selecting the optimal resampling technique based on research objectives and data conditions.