지구온난화와 급속한 기후 변화는 북서 태평양 내 태풍의 특성에 오랫동안 영향을 미쳤고, 이로 인해 한반도 연안에서 치명적인 재해가 증가하고 있다. 마이크로파 센서의 일종인 Synthetic Aperature Radar (SAR)는 위성 광학 및 적외선 센서로는 바람을 구할 수 없는, 흐린 대기 조건인 태풍 주위에서 고해상도 바람장을 생산할 수 있다. SAR 자료 로부터 해상풍을 산출하기 위한 Geophysical Model Functions (GMFs)에는 풍향 입력이 필수적이며, 이는 태풍 중심을 정확히 추정하는 것에 기반해야 한다. 본 연구는 태풍 중심 탐지 방법의 문제점을 개선하고 이를 해상풍 산출에 반영하기 위하여, Sentinel-1A 영상을 이용해 태풍 중심을 추정하였다. 그 결과는 한국 및 일본 기상청이 제공한 태풍 경로 자료와 비교하여 검증하였고, Himawari-8 위성의 적외 영상도 활용하여 검증하였다. 태풍의 초기 중심 위치는 VH 편파를 이용해 설정하여 오차의 발생 가능성을 줄였다. 탐지된 중심은 한국 및 일본 기상청에서 제공하는 4개 태풍의 경로 자료와 평균 23.76 km의 차이를 보였다. Himawari-8 위성에서 추정된 태풍 중심에 비교했을 때 결과는 육지 근처에 위치하면서 58.73 km의 큰 차이를 보인 한 태풍을 제외하고는 평균 11.80 km의 공간 변이를 보였다. 이는 고해상도 SAR 영상이 태풍 중심을 추정하고 태풍 주위 해상풍 산출에 활용될 수 있음을 시사한다.

해상풍은 해양 현상을 이해하고, 지구 온난화에 의한 지구 환경의 변화를 분석하기 위한 필수 요소이다. 전세계 연구 기관은 해상풍을 정확하고 지속적으로 관측하기 위해 산란계(scatterometer)를 개발하여 운영해오고 있으며, 정확도는 풍향이 ±20°, 풍속이 ±2 m s−1 안팎이다. 하지만, 산란계의 해상도는 12.5-25.0 km로, 해안선이 복잡하고 섬이 많은 한반도 근해에서는 자료의 결측이 빈번하게 발생하여 활용도가 감소한다. 그에 반해, Synthetic Aperture Radar (SAR, 합성개구레이더)는 마이크로파를 활용하는 전천후 센서로, 1 km 이하의 고해상도 해상풍이 산출이 가능하여 산란계의 단점 보완이 가능하다. 본 연구에서는 일반적으로 활용되는 SAR 자료 기반 해상풍 산출 알고리즘인 Geophysical Model Function (GMF, 지구 물리 모델 함수)를 밴드별로 분류하여 조사하였다. 상대 풍향, 입사각, 풍속에 따른 후방산 란계수를 L-band Model (LMOD, L 밴드 모델), C-band Model (CMOD, C 밴드 모델), X-band Model (XMOD, X 밴 드 모델)에 적용하여 모의하였고, 각 GMF의 특성을 분석하였다. 이러한 GMF를 SAR 탑재 인공위성 자료에 적용하여 산출한 해상풍의 정확도 검증 연구에 대해 조사하였다. SAR 자료 기반 해상풍의 정확도는 영상 관측 모드, 적용한 GMF의 종류, 정확도 비교 기준 자료, SAR 자료 전처리 방법, 상대 풍향 정보 산출 방법 등에 따라 변하는 것으로 나타났다. 본 연구를 통해 국내 연구자들의 SAR 자료 기반 해상풍 산출 방법에 대한 접근성이 향상되고, 고해상도 해상풍 자료를 활용한 한반도 근해 분석에 이바지할 것으로 기대된다.

국제 해상교통량 및 물동량이 증가함에 따라 한반도 주변해역의 선박유동량도 늘어나고 있으며 이에 따라 크고 작은 항구가 위치하고 있는 남해에서의 해양 사고도 꾸준히 발생하고 있다. 특히 선박간의 충돌 및 침몰 사고는 인적 및 물적 피해뿐만 아니라 해양환경오염을 유발하기 때문에 광역의 범위를 고해상도로 볼 수 있는 인공위성을 통한 신속한 선박탐지가 필요하다. 본 연구에서는 광학 인공위성 아리랑 2호 관측자료를 활용하여 광양만 인근해역의 각 채널 별 반사도 값을 비교 분석하여 새로운 선박탐지지수를 제시하였다. 선박 분류를 위해 그 선박탐지지수의 역치를 0.1로 설정하였고, RGB 합성영상과 비교하였을 때 대다수의 선박을 탐지하였음을 보여주었다. 연구해역에 포함되어 있는 큰 규모의 선박을 선정 후, 선박 주변의 공간적 반사도 분포를 분석하였다. 그 결과 선박 북서방향에 위치한 균일한 형태의 선박그림자를 확인할 수 있었다. 이는 태양의 위치가 남동방향에 위치하고 있음을 나타내고 있으며, 실제 위성영상이 촬영된 시기의 방위각은 144.80o로 영상내의 그림자의 위치를 통해 태양의 방위각을 유추할 수 있다. 그림자의 반사도는 주변 바다 및 선박에 비해 낮은 0.005 값을 나타냈고, 선수 및 선미에 따라 높이차가 달라짐을 보였다. 이는 선박의 갑판 및 구조물의 높이를 반영한 것으로 판단된다. 본 연구 결과는 연안 해상사고 발생 시 실종선박 수색기술에 고해상도 광학 인공위성 영상이 활용될 수 있음에 의의가 있다.

해수면온도는 급변하는 기후를 이해하는 가장 중요한 해양 변수 중의 하나이므로 과학 교과서에는 정확하고 오류없는 해수면온도 영상이 제시되어야 한다. 그러나 고등학교 교과서에 제시된 해수면온도 영상들은 다양한 원인에서 비롯된 많은 오류들을 가지고 있었다. 본 연구는 제 7차 교육과정에 근거한 24종의 고등학교 과학 교과서, 지구과학 I, 지구과학 II 교과서의 36개의 인공위성 해수면온도 영상을 17개 항목에 대하여 분석하였다. 해수면온도 영상 처리 과정에서 생긴 구름 제거, 육지 마스킹, 색상표, 위치 정보, 시간 표시와 관련된 오류와 인공위성에 대한 기본적인 표현 오류를 조사하였다. 예비교사 25명에게 문제가 있는 대표적인 인공위성 영상들을 제시하고 설문을 실시하고 반응을 분석하였다. 그 결과 대부분의 예비교사들은 해수면온도 영상 처리 과정에서 발생할 수 있는 오류에 대하여 인지하지 못하였으며, 해빙, 강수 유입, 한류와 같은 실제 해양현상과 연관지어 해수면온도를 이해하려는 경향을 보였다. 따라서 교과서 해수면온도 영상은 본 연구에서 제시한 세부 항목들을 고려하여 정확하게 처리되어야 한다.

웨이브렛 변환을 이용한 인공위성 영상의 압축을 보다 효과적으로 수행할 수 있는 필터의 조합을 살펴보았다. 압축정도를 표현하는 방법으로 encoding ratio를 이용하였고, 웨이브렛의 선택에 따라 PSNR값과 encoding ratio값이 변하는 양상을 보았다. 웨이브렛의 선택에 따라 PSNR값은 대략 13.2-21.6% 정도의 차이를 보였고 encoding ratio는 16.8-45.5%까지의 차이를 보였다. SAR 영상의 경우 encoding ratio는 16%20% 변동이 있지만, 일반영상의 경우는 웨이브렛의 선택에 따라 40% 이상 변화였다. 영상 압축시 웨이브렛의 선택효과는 인공위성 영상보다 일반영상에서 큰 영향을 미쳤다. PSNR, encoding ratio의 지수에서 인공위성 영상은 웨이브렛 선택에 영향을 덜 받는다. 인공위성 영상의 압축에 대한 웨이브렛 선택효과를 보여주기 위하여 새로운 지수인 ECR을 제안하였다. ECR은 일반영상보다 인공위성영상에서 웨이브렛의 종류에 따른 영향이 더 적게 나타났다. 그러나 인공위성 영상 압축시 3개의 지수에서 웨이브렛의 선택효과는 최소한 10% 이상으로 선택의 중요성은 무시될 수 없을 것이다.

본 연구에서는 2015년에서 2017년 사이에 유럽항공우주국 Sentinel-1 위성이 촬영한 Synthetic Aperture Radar (SAR) 영상을 활용하여 한강 유역 내 하천의 유량을 추정하는 모형을 개발하였다. 한강 유역 내 15개 중소규모 하천을 연구지역으로 선정하였으며 SAR 인공위성 영상 자료와 수위 및 유량관측소에서 산정한 유량 자료를 모형 구축을 위하여 사용하였다. 우선, 오류 보정을 위해 다양한 전처리 과정을 거친 12장의 SAR 영상 을 히스토그램 매칭 기법을 적용하여 이미지의 밝기 분포를 동일하게 만들었다. 이후 임계치 분류방식을 사용하여 추출된 하천 수체의 면적과 지상 관측유량자료와의 관계식을 도출하여 유량추정모형을 구축하였다. 그 결과, 1개소를 제외한 14개 관측소에서 인공위성에서 추출한 하천 면적을 입력 자료로 하는 멱함수 형태의 유량추정모형을 구축할 수 있었다. 14개 관측소의 최소, 평균, 최대 결정 계수(R2)는 0.3, 0.8, 0.99로 나타났다.

토지피복은 물리적인 지표면의 상태를 나타내며, 재난, 수자원, 환경생태, 행정 등의 관리에 이용되는 중요한 지표이다. 이는 지표수의 증발, 강우에 의한 유출이나 해안 침식 등 인간의 생활에 큰 영향을 주는 인자이며, 또한, 인간의 활동에 의해 많은 변화를 받기도 한다. 따라서 정확한 토지피복의 상태와 변화를 파악을 위한 연구가 오래 전부터 진행되었다. 최근에는 토지피복의 변화를 감지하기 위해 넓은 지역을 일관되게 관측하며 오래된 자료의 획득이 가능한 인공위성 영상을 이용한 토지피복 분석 방법이 실행되고 있다. 본 연구에서는 지표에 대한 인간의 활동에 의한 토지피복의 변화를 파악하기 위해 Landsat 인공위성을 이용하여 대규모 간척사업인 새만금 지역의 공사 진행에 따른 토지피복 변화를 분석하였다. 본 연구의 결과로 공사의 전후에 따라 수역의 영역이 감소하며 반면 습지의 영역이 증가한 것을 확인하였다. 또한 시간의 흐름에 따른 도시화의 영향으로 시가의 증가와 농지 및 산림의 감소를 확인하였다.

In general, neural networks are widely used for the category classification of multispectral images. Since the input multispectral images into neural networks we, however, low contrast images, neural networks converge very slowly and are of bad performance. To overcome this problem, we propose a new image enhancement method which consists of smoothing process, finding the main valley and enhancement process. In addition the enhanced images by the proposed method are used as the input of neural networks for the category classification. When the new category classification method is applied to multispectral LANDSAT TM images, we verified that the neural networks converge very lastly and that the overall category classification performance is improved.