KOMPSAT-2 위성영상과 머신러닝 기법을 이용한 파랑 영향이 심한 해역에서의 유출 기름 탐지 방법

Abstract

기름 유출 사고는 해수오염을 야기한다. 기름 유출 사고에 의한 피해를 최소화하기 위해서는 유출기름의 이동 및 확산에 대한 모니터링이 요구된다. 위성영상을 활용하는 원격탐사 기술은 원거리에서유출 기름을 안정적으로 모니터링할 수 있는 장점이 있다. 광학 위성영상은 유출 기름 영역을 시각적으로 사람이 눈으로 보는 것과 동일한 형태로 제공하며, 분광정보의 변화를 이용하여 유출 기름의 두께 또한 추정이 가능한 장점이 있다. 그러나, 광학 위성영상에 파랑에 의한 영향이 심하게 나타날 경우, 유출 기름에 대한 분광정보에 영향을 주기 때문에 유출 기름을 모니터링 하는 것에 큰 제약이 된다.본 연구에서는 2010년 미국 멕시코만의 딥워터호라이즌 기름 유출 사고로 발생한 유출 기름 영역을 KOPMSAT-2 위성영상을 이용하여 탐지하고자 하였다. 위성영상 촬영일에는 평균 풍속 9.1 m/s및 최대 풍속 17.0 m/s을 기록하였고, 이로 인하여 영상 내 파랑에 의한 영향이 심하게 확인되었다.파랑에 의한 영향을 저감하기 위해서, 푸리에변환을 이용하여 파랑의 크기, 방향 및 주기를 추정하였다. 추정된 파랑의 정보를 이용하여 방향중앙값필터의 크기를 결정한 후, 전체 채널영상에 적용하여파랑의 영향을 최소화 하였다. 이후, 머신러닝 기법을 적용하여 유출 기름 영역과 해수 영역의 화소값을 학습시켰으며, 학습된 결과를 바탕으로 연구지역에 대한 유출 기름 탐지 모델을 생성하였다. 모델로부터 연구지역의 유출 기름 확률도를 제작한 후, 확률적 임계값을 적용하여 유출 기름 영역을 탐지하였다. 머신러닝 기법을 통해 제작된 모델의 구축 정확도는 98.12%로 계산되었으며, 실제 유출 기름지도와 비교결과 89.56%의 정확도로 유출 기름을 탐지하였다.