권호기사보기
기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
---|
대표형(전거형, Authority) | 생물정보 | 이형(異形, Variant) | 소속 | 직위 | 직업 | 활동분야 | 주기 | 서지 | |
---|---|---|---|---|---|---|---|---|---|
연구/단체명을 입력해주세요. |
|
|
|
|
|
* 주제를 선택하시면 검색 상세로 이동합니다.
표제지 1
목차 4
요약 10
ABSTRACT 18
제1장 서론 19
제1절 연구배경 및 목적 20
제2절 연구범위 및 방법 21
제2장 위성영상 분석기술 동향 및 활용사례 23
제1절 위성영상 특징 및 분석기술 동향 24
1. 공간정보와 위성영상 24
2. 위성정보와 인공위성 종류 및 특징 26
3. 국내외 주요 위성과 위성영상 제공 29
4. 위성영상 관련 분석기술 동향 33
제2절 위성영상과 분석기술을 활용한 국내외 사례 40
1. 분야별 위성영상과 인공지능 분석기술 활용 및 연구사례 40
2. 감사 분야 위성영상 활용사례 52
제3장 위성영상을 활용한 산림훼손 사례 분석 62
제1절 분석개요 63
1. 산림훼손 현황 63
2. 산림훼손 관련 감사원 감사사례 65
3. 분석내용 66
제2절 분석방법 68
1. 위성영상과 인공지능 기술을 활용한 벌채 의심지역 도출 68
2. 산림유전자원보호구역 내에서의 산림훼손 분석 75
제4장 결론 및 시사점 98
제1절 연구결과 요약 및 결론 99
제2절 연구의 한계 및 시사점 101
참고문헌 103
판권기 106
[그림 1] 벡터와 래스터 데이터 형태 25
[그림 2] 위성의 궤도와 고도 28
[그림 3] EarthExplorer 사이트 화면(Landsat 위성영상 다운로드) 30
[그림 4] Open Hub 사이트 화면(Sentinel-2 다운로드) 31
[그림 5] 위성영상활용지원서비스 화면 32
[그림 6] 라벨링 데이터 표출 예시 35
[그림 7] 분류, 탐지, 분할 예시 36
[그림 8] CNN 이미지 처리 예시 38
[그림 9] SegFormer 프레임워크 구조 39
[그림 10] 폭염, 지반 변위 등 재난정보 표출 개발 화면 40
[그림 11] 지역 내 안전수준 및 위성영상 조도를 결합한 분석 예시 41
[그림 12] Cascade Mask R-CNN 모델 기반 검출결과 42
[그림 13] 모델별 건물 손상 감지 결과 43
[그림 14] 기계학습법과 위성영상을 활용하여 추정한 산림 GPP, NEE, NPP 분포 44
[그림 15] 기계학습법과 위성영상을 활용한 산불현장 취약지수 산출 결과 45
[그림 16] 2022년 DMZ 산불피해 분류 결과 46
[그림 17] 알고리즘 적용을 통한 농도 산출 예시 47
[그림 18] Random Forest 모델을 통해 추정한 Chlorophyll-a의 농도 분포 48
[그림 19] 국토위성영상 건물 탐지 추출 결과 49
[그림 20] 무단점유 추정 객체 추출 결과 50
[그림 21] 대기보정 여부에 따른 식생지수 비교 및 위성ㆍ드론 활용 작물 생육이상 모니터링 51
[그림 22] 물 재배지역 추출 결과. (a) RapidEye 영상, (b) FC-DenseNet 결과, (c) 레퍼런스 데이터 52
[그림 23] 부당 토석채위 허가지역 사례 위성사진(감사원, 2021) 53
[그림 24] 불법 묘지 조성 및 진입로 개설 사례 위성사진(감사원, 2019) 54
[그림 25] 면허구역 외 불법 양식어업 사례 위성사진(감사원, 2020) 54
[그림 26] 지붕 배출관의 대기배출 흔적 사례 위성사진(감사원, 2019) 55
[그림 27] 아이티 지진피해 전후 확인 원격탐사 화면 예시 56
[그림 28] 인도네시아 아체 쓰나미 발생지역 감사를 위한 원격탐사 분석 사례 57
[그림 29] 구획에 따른 평가 결과 시뮬레이션 예시 58
[그림 30] 물 스트레스 확인 및 관개 일정 시뮬레이션 예시 59
[그림 31] 산림이용지도(산림훼손 지역 표시) 예시 60
[그림 32] Boat scars detection 결과 예시 61
[그림 33] 분석대상 범위 67
[그림 34] 원천데이터 및 라벨링데이터 69
[그림 35] 모델학습 및 대상지역 예측결과 도출 프로세스 69
[그림 36] 성능 평가지표 - 평균 벌목지 IOU 값 변화 70
[그림 37] 분석 대상지역 영상 검색 화면(Copernicus Open Hub) 72
[그림 38] 10m급 영상 다운로드 화면(Copernicus Open Hub) 72
[그림 39] 다운로드한 위성영상 표출 및 위성영상 분할 도구 활용 화면(QGIS) 73
[그림 40] ㊀군 □면 인근 분석결과 도출 예시 74
[그림 41] ㊁군 ○면 인근 분석결과 도출 예시 74
[그림 42] 한국보호지역 통합DB 관리시스템(KDPA)의 산림보호구역 표시 화면 76
[그림 43] 분석대상지역 위성영상과 산림보호구역 중첩(QGIS) 예시 77
[그림 44] 구글어스 타임랩스 실행 화면 예시 78
[그림 45] 산림유전자원보호구역 내 산림훼손 의심지역 확인 지역 79
[그림 46] □면 ▣리 ○번지 산림유전자원보호구역 영역 81
[그림 47] 분석결과 벌채 의심지역 82
[그림 48] 벌채 의심지역과 산림유전자원보호구역 중첩 82
[그림 49] 구글지도 및 Sentinel-2 위성영상 확인 83
[그림 50] 구글어스 타임랩스 시계열 영상 확인 83
[그림 51] 산림보호구역(산림유전자원보호구역) 지정해제 고시 내역 84
[그림 52] 고시도면과 KDPA의 산림유전자원보호구역 영역 비교 84
[그림 53] ㊁군 ○면 ◉리 ○번지 산림유전자원보호구역 영역 85
[그림 54] 분석결과 벌채 의심지역 86
[그림 55] 벌채 의심지역과 산림유전자원보호구역 중첩 86
[그림 56] Sentinel-2 영상 확인 87
[그림 57] 구글어스 타임랩스 시계열 영상 확인 87
[그림 58] 산림보호구역(산림유전자원보호구역) 지정해제 고시 88
[그림 59] 고시도면과 KDPA의 산림유전자원보호구역 영역 비교 88
[그림 60] 해제지역의 구글어스 위성영상 89
[그림 61] ㊂군 ◇면 ◈리 ○번지산림유전자원보호구역 영역 90
[그림 62] 분석결과 벌채 의심지역 91
[그림 63] 벌채 의심지역과 산림유전자원보호구역 중첩 91
[그림 64] 구글지도 및 Sentinel-2 위성영상 확인 92
[그림 65] 구글어스 타임랩스 시계열 영상 확인 92
[그림 66] V-WORLD 웹사이트 산림보호 데이터셋 정보 화면 93
[그림 67] 산림공간정보 데이터셋 속성 구조 94
[그림 68] 산림보호 데이터셋 속성 값 예시 94
[그림 69] 고시도면과 산림유전자원보호구역 지정해제구역 비교 96
[그림 70] KDPA 산림유전자원보호구역 지정해제구역 96
[그림 71] 고시도면과 산림유전자원보호구역 지정해제구역 비교 97
[그림 72] KDPA와 지적도 산림유전자원보호구역 지정해제구역 비교 97
등록번호 | 청구기호 | 권별정보 | 자료실 | 이용여부 |
---|---|---|---|---|
0003168855 | 352.83 -25-1 | 서울관 사회과학자료실(208호) | 이용가능 | |
0003168856 | 352.83 -25-1 | 서울관 사회과학자료실(208호) | 이용가능 |
*표시는 필수 입력사항입니다.
*전화번호 | ※ '-' 없이 휴대폰번호를 입력하세요 |
---|
기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
---|
번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
---|
도서위치안내: 사회과학자료실(208호) / 서가번호: 13
우편복사 목록담기를 완료하였습니다.
*표시는 필수 입력사항입니다.
저장 되었습니다.