초소형 위성과 연계한 딥러닝 수계 및 침수 지역 탐지 활용성 평가: PlanetScope 위성 영상과 HRNet 모형 (Evaluation of Deep Learning-Based Water Bodies and Flooded Area Detection with Nanosatellites: The PlanetScope Satellite Imageries and HRNet Model)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 40권 / 5호 / 617 ~ 627페이지
· 저자명 : 김완엽, 조신현, 정준혁, 김예지, 김현옥, 최민하

초록

효율적인 수자원 관리와 수재해를 예방하기 위해서는 지속적인 수계 모니터링이 필수적이다. 특히초소형 위성 영상의 경우 높은 시공간해상도에서 지속적이고 정확한 수계 모니터링을 위한 도구가 된다. 본연구에서는 3.7 m급 해상도를 갖는 PlanetScope 영상과High-Resolution Network (HRNet) 모델을 활용하여국내 댐 및 강을 대상으로 수체를 탐지하였으며, 수표면적 모니터링의 활용성을 평가하고자 하였다. 우선,HRNet 모델과 PlanetScope 영상의 최적 밴드 조합(R+G+B, R+G+B+NIR, Normalized Difference Water Index[NDWI], Green+NIR+NDWI)을 평가한 결과, Green+NIR+NDWI 조합에서 validation set의 정확도와 손실함수가 각각 0.91과 0.05로 가장 우수한 성능이 나타났다. 최적의 밴드 조합에서의 HRNet 모델과 선행 연구의 수체 탐지 모델(Otsu, K-means, U-net)을 활용하여 수체 영역을 산정하였으며, 레이블 영상과의 검증을통해 성능을 정량적으로 평가하였다. HRNet 모델의 경우 Intersection over Union (IoU) 0.96으로 선행 연구의 모델들과 비교하여 가장 높은 성능이 나타나는 것을 확인하였다(Otsu: 0.90, K-means: 0.92, U-net: 0.95). 추가적으로 HRNet 모델의 침수 탐지 성능을 평가한 결과 IoU는 0.93으로 높은 정확도에서 탐지가 가능하였으나 침수 지역 경계의 진흙이나 습윤한 토양을 수체로 오탐지하는 한계점도 존재하였다. 향후 국내 초소형 군집 위성이 개발된다면 본 연구 결과를 바탕으로 지속적인 수체 탐지를 통한 효과적인 가용수자원 및수재해 관리에 기여할 수 있을 것으로 기대된다.

영어초록

The continuous monitoring of water body is essential for efficient water resource managementand the prevention of water-related disasters. Microsatellite and nanosatellite imageries provide a tool forcontinuous and accurate monitoring of water bodies at high spatial and temporal resolution. In this study,PlanetScope imagery with a resolution of 3.7 m and High-Resolution Network (HRNet) model were usedto detect water bodies at dams and rivers in Korea, with the objective of evaluating the utility of watersurface area monitoring. The HRNet model and the optimal band combinations of PlanetScope imagerywhich were R+G+B, R+G+B+NIR, Normalized Difference Water Index (NDWI), and Green+NIR+NDWI, were initially evaluated. The Green+NIR+NDWI combination performed the best, with anaccuracy of 0.91 and loss function of 0.05 for the validation set. Water body detection was performed usingthe HRNet model with the optimal band combination and models from previous studies (Otsu, K-means,U-net) The performance was evaluated through quantitative validation using labeled images. The HRNetmodel showed the best performance with an Intersection over Union (IoU) of 0.96, compared to models in previous studies (Otsu: 0.90, K-means: 0.92, U-net: 0.95). Additionally, the HRNet model’s flooddetection performance showed an IoU of 0.93, indicating a high accuracy. However, there were limitations,as muddy and wet soil at the boundaries of flooded areas were false detected as water bodies. In the future,when a constellation of microsatellites is developed in Korea, the results of this study are expected tocontribute to better management of water resources and water-related disasters through continuousmonitoring of water bodies.

참고자료

· 없음