SAR 영상을 활용한 저수지 수표면적 탐지 알고리즘 비교 연구

정하규,박종수,이달근,이준우,Jeong, Hagyu,Park, Jongsoo,Lee, Dalgeun,Lee, Junwoo 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6

The reservoir is a major water supply source in the domestic agricultural environment, and the monitoring of water storage of reservoirs is important for the utilization and management of agricultural water resource. Remote sensing via satellite imagery can be an effective method for regular monitoring of widely distributed objects such as reservoirs, and in this study, image classification and image segmentation algorithms are applied to Sentinel-1 Synthetic Aperture Radar (SAR) imagery for water body detection in 53 reservoirs in South Korea. Six algorithms are used: Neural Network (NN), Support Vector Machine (SVM), Random Forest (RF), Otsu, Watershed (WS), and Chan-Vese (CV), and the results of water body detection are evaluated with in-situ images taken by drones. The correlations between the in-situ water surface area and detected water surface area from each algorithm are NN 0.9941, SVM 0.9942, RF 0.9940, Otsu 0.9922, WS 0.9709, and CV 0.9736, and the larger the scale of reservoir, the higher the linear correlation was. WS showed low recall due to the undetected water bodies, and NN, SVM, and RF showed low precision due to over-detection. For water body detection through SAR imagery, we found that aquatic plants and artificial structures can be the error factors causing undetection of water body.

농업용 저수지 모니터링을 위한 다해상도 SAR 영상의 활용

이슬찬 ( Seulchan Lee ),정재환 ( Jaehwan Jeong ),오승철 ( Seungcheol Oh ),정하규 ( Hagyu Jeong ),최민하 ( Minha Choi ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.5

농업용 저수지는 수자원이 계절적으로 편중된 한반도에서 갈수기 용수 공급을 위한 필수적인 구조물이다. 효율적인 물 관리를 위해서는 중소규모 저수지에 대한 체계적이고 효과적인 모니터링이 필요하며, 합성개구 레이더(Synthetic Aperture Radar, SAR) 영상은 전천후 관측이 가능하다는 특징과 함께 연속적인 저수지 모니터링을 위한 도구가 된다. 본 연구에서는 10 m급 해상도를 갖는 Sentinel-1 SAR 영상과 1 m급 해상도의 Capella XSAR 영상을 활용하여 울산광역시 차리, 갈전, 뒷골 저수지의 수체를 탐지하였으며, 이를 통해 국내 중소규모 저수지 모니터링에의 활용성을 평가하고자 하였다. Z fuzzy function 기반 임계값 산정을 통한 영상분할기법과 객체 탐지 기반 분할기법인 Chan-vese (CV) 기법을 통해 수체 영역을 산정하였으며, UAV 영상과의 비교를 통해 성능을 정량적으로 평가하였다. 임계값 기반 탐지 정확도는 Sentinel-1의 경우 약 0.87, 0.89, 0.77 (차리, 갈전, 뒷골), Capella의 경우 약 0.78, 0.72, 0.81로 나타났으며, CV 기법 적용 시 모든 저수지에서 정확도가 향상되는 것을 확인하였다(Sentinel-1: 0.94, 0.89, 0.84, Capella: 0.92, 0.89, 0.93). Capella는 모든 저수지/분할기법에 대해 수체와 비수체의 경계를 비교적 뚜렷하게 모의하였으나, 고해상도로 인한 speckle noise가 충분히 평활화되지 않아 오탐지 및 미탐지가 다소 발생하였다. 오탐지의 제거를 위해 광학 센서 기반 보조자료를 활용하여 마스킹한 결과, 정확도가 최대 13% 향상되는 것을 확인할 수 있었다. 본 연구 결과를 바탕으로 SAR 위성 기반 더욱 정확한 저수지 탐지가 이루어진다면 소규모 저수지를 포함, 종합적인 가용수량에 대한 연속적인 모니터링이 가능할 것이며, 효과적인 수자원 관리에 기여할 수 있을 것으로 기대된다. Agricultural reservoirs are essential structures for water supplies during dry period in the Korean peninsula, where water resources are temporally unequally distributed. For efficient water management, systematic and effective monitoring of medium-small reservoirs is required. Synthetic Aperture Radar (SAR) provides a way for continuous monitoring of those, with its capability of all-weather observation. This study aims to evaluate the applicability of SAR in monitoring medium-small reservoirs using Sentinel-1 (10 m resolution) and Capella X-SAR (1 m resolution), at Chari (CR), Galjeon (GJ), Dwitgol (DG) reservoirs located in Ulsan, Korea. Water detected results applying Z fuzzy function-based threshold (Z-thresh) and Chan-vese (CV), an object detection-based segmentation algorithm, are quantitatively evaluated using UAV-detected water boundary (UWB). Accuracy metrics from Z-thresh were 0.87, 0.89, 0.77 (at CR, GJ, DG, respectively) using Sentinel-1 and 0.78, 0.72, 0.81 using Capella, and improvements were observed when CV was applied (Sentinel-1: 0.94, 0.89, 0.84, Capella: 0.92, 0.89, 0.93). Boundaries of the waterbody detected from Capella agreed relatively well with UWB; however, false- and un-detections occurred from speckle noises, due to its high resolution. When masked with optical sensor-based supplementary images, improvements up to 13% were observed. More effective water resource management is expected to be possible with continuous monitoring of available water quantity, when more accurate and precise SAR-based water detection technique is developed.

가뭄 경향 분석을 위한 저수지 수표면적 측정에 관한 연구

이준우(Junwoo Lee),박종수(Jongsoo Park),정하규(Hagyu Jeong),천은지(Eunji Cheon),이달근(Dalguen Lee) 대한공간정보학회 2024 한국공간정보학회 학술대회 Vol.2024 No.5

다종 위성영상을 활용한 재난대응 방안 연구

박종수 ( Jongsoo Park ),이달근 ( Dalgeun Lee ),이준우 ( Junwoo Lee ),천은지 ( Eunji Cheon ),정하규 ( Hagyu Jeong ) 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5

최근 심각한 기후변화, 기상이상 현상 등으로 인해 자연재난의 발생빈도 및 규모가 증가하고 있다. 대형화 재난 발생 시 시간·경제적 제약으로 인해 인공위성, 드론 등 원격탐사 기반의 재난관리의 필요성이 대두되고 있다. 본 연구에서는 재난 발생 시 활용가능한 국내·외 위성들과 최근 우주산업 활성화에 따라 운용 중 및 개발 중인 차세대중형위성, 초소형위성의 현황과 대량의 위성영상들의 활용 기술 동향에 대해 정리하였다. 분석 기술로는 딥러닝의 근간인 인공지능 기술을 접목한 연구들이 있으며, 사용자 중심의 분석 준비 데이터(analysis ready data)를 활용할 수 있는 주요 플랫폼을 소개하였다. 또한 최근 발생된 대형재난인 홍수, 산사태, 가뭄, 산불을 중심으로 위성영상을 활용하여 피해분석을 함으로써 재난관리에 어떻게 활용될 수 있는지에 대해 확인하였다. 마지막으로 개발될 위성을 고려하여 재난 관리 단계별 활용방안에 대해 제시하였다. 본 연구를 통해 위성개발 및 운영현황, 최신 위성영상 분석기술 동향과 다종 위성영상을 활용한 재난대응 방안에 대해 제시되었다. 재난 진행단계에서는 예방과 대비 보다는 대응과 복구에 대한 위성영상의 활용도가 높은 것을 확인할 수 있었다. 향후 다종의 영상이 수급되었을 때 효과적인 재난관리를 위해 인공지능, 딥러닝 등 최신기술 융합 방안과 적용 가능성에 대한 연구를 수행할 예정이다. Due to recent severe climate change, abnormal weather phenomena, and other factors, the frequency and magnitude of natural disasters are increasing. The need for disaster management using artificial satellites is growing, especially during large-scale disasters due to time and economic constraints. In this study, we have summarized the current status of next-generation medium-sized satellites and microsatellites in operation and under development, as well as trends in satellite imagery analysis techniques using a large volume of satellite imagery driven by the advancement of the space industry. Furthermore, by utilizing satellite imagery, particularly focusing on recent major disasters such as floods, landslides, droughts, and wildfires, we have confirmed how satellite imagery can be employed for damage analysis, thereby establishing its potential for disaster management. Through this study, we have presented satellite development and operational statuses, recent trends in satellite imagery analysis technology, and proposed disaster response strategies that utilize various types of satellite imagery. It was observed that during the stages of disaster progression, the utilization of satellite imagery is more prominent in the response and recovery stages than in the prevention and preparedness stages. In the future, with the availability of diverse imagery, we plan to research the fusion of cutting-edge technologies like artificial intelligence and deep learning, and their applicability for effective disaster management.

Sentienl-1 SAR 영상과 AI 기법을 이용한 국내 중소규모 농업저수지의 수표면적 산출

최소연 ( Soyeon Choi ),윤유정 ( Youjeong Youn ),강종구 ( Jonggu Kang ),박강현 ( Ganghyun Park ),김근아 ( Geunah Kim ),이슬찬 ( Seulchan Lee ),최민하 ( Minha Choi ),정하규 ( Hagyu Jeong ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.5

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다. Agricultural reservoirs are an important water resource nationwide and vulnerable to abnormal climate effects such as drought caused by climate change. Therefore, it is required enhanced management for appropriate operation. Although water-level tracking is necessary through continuous monitoring, it is challenging to measure and observe on-site due to practical problems. This study presents an objective comparison between multiple AI models for water-body extraction using radar images that have the advantages of wide coverage, and frequent revisit time. The proposed methods in this study used Sentinel-1 Synthetic Aperture Radar (SAR) images, and unlike common methods of water extraction based on optical images, they are suitable for long-term monitoring because they are less affected by the weather conditions. We built four AI models such as Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), and Automated Machine Learning (AutoML) using drone images, sentinel-1 SAR and DSM data. There are total of 22 reservoirs of less than 1 million tons for the study, including small and medium-sized reservoirs with an effective storage capacity of less than 300,000 tons. 45 images from 22 reservoirs were used for model training and verification, and the results show that the AutoML model was 0.01 to 0.03 better in the water Intersection over Union (IoU) than the other three models, with Accuracy=0.92 and mIoU=0.81 in a test. As the result, AutoML performed as well as the classical machine learning methods and it is expected that the applicability of the water-body extraction technique by AutoML to monitor reservoirs automatically.