KR20190113289A - Automation system for disaster damage investigation - Google Patents
Automation system for disaster damage investigation Download PDFInfo
- Publication number
- KR20190113289A KR20190113289A KR1020180035778A KR20180035778A KR20190113289A KR 20190113289 A KR20190113289 A KR 20190113289A KR 1020180035778 A KR1020180035778 A KR 1020180035778A KR 20180035778 A KR20180035778 A KR 20180035778A KR 20190113289 A KR20190113289 A KR 20190113289A
- Authority
- KR
- South Korea
- Prior art keywords
- damage
- investigation
- image
- disaster
- satellite
- Prior art date
Links
- 238000011835 investigation Methods 0.000 title claims description 104
- 238000001514 detection method Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000003702 image correction Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000008014 freezing Effects 0.000 claims 1
- 238000007710 freezing Methods 0.000 claims 1
- 238000011084 recovery Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 230000002265 prevention Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000002310 reflectometry Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000035755 proliferation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000012857 radioactive material Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
Description
본 발명은 자연재해 피해조사를 위한 위성기반 재난피해조사 자동화시스템에 관한 것으로, 더욱 상세하게는 위성영상과 GIS 주제도, 복구단가를 이용하여 피해조사전 개략적인 피해규모를 파악하고 신속한 복구 계획수립을 위한 기초자료 및 현장조사 우선순위 지역 선정의 근거자료로 활용할 수 있도록 자연재해 피해조사를 되, 고해상도의 위성영상을 활용하여 자연재해 피해탐지를 자동화한 재난피해조사 자동화시스템에 관한 것이다.The present invention relates to a satellite-based disaster damage automation system for investigation of natural disaster damage, more specifically, using the satellite image, GIS thematic map, recovery unit price to grasp the rough damage size before the investigation and establish a quick recovery plan It is about disaster disaster investigation automation system that investigates natural disaster damages and utilizes high-resolution satellite image to detect natural disasters so that it can be used as a basis for selecting basic data and field investigation priority area.
재난 또는 재해는 주로 이상 자연현상 또는 인위적 사고가 원인이 되어 발생하고 사회적 및 경제적으로 큰 피해를 주고 있어 최근 이상 기후현상이 지구촌에서 발생하고 있다. 이러한 이상 자연현상에 의한 재난원인으로는 폭풍, 호우, 대설, 홍수, 해일 및 지진 등이며, 그 밖의 인위적인 재난원인으로는 화재, 폭발, 방사성 물질의 방출, 자동차사고, 선박의 침몰, 항공기의 조난 등인 것이다. Disasters or disasters are mainly caused by abnormal natural phenomena or anthropogenic accidents, and are causing great social and economic damage. Disaster causes of abnormal natural phenomena include storms, heavy rain, heavy snow, floods, tsunamis, and earthquakes. Other causes of artificial disasters include fire, explosion, release of radioactive materials, car accidents, ship sinking, and aircraft distress. Etc.
정보통신기술의 발전과 모바일 단말기의 보급 확대, 인터넷 서비스 확산 폭발적으로 늘어나고 있는 인터넷 인구에 비례하여 생산되는 데이터가 폭증하고 있다. 이러한 다양한 데이터를 수집하고 이를 분석하는 과정을 통해 많은 가치를 창출하고자 하는 기대가 증가하고 있으나, 재난과 관련된 정보를 선별적으로 검색하여 이를 이용하는 것에 대해서는 용이하지 않다.The development of information and communication technology, the proliferation of mobile terminals, and the proliferation of Internet services are causing a surge in data produced in proportion to the exploding Internet population. There is a growing expectation to create a lot of value through the collection and analysis of various data, but it is not easy to selectively search for and use information related to disasters.
국가재난관리시스템(National Disaster Management System ; NDMS)은 예방, 대비, 대응, 복구 등과 같이 재난관리 단계별 업무를 지원하는 전국 단위 종합 정보 시스템으로, 풍수해와 지진 등과 같은 재난 유형별 업무지원 시스템, 기상청 및 홍수 통제소 등과 같이 유관기관의 재난정보를 연계, 활용하는 재난정보 공동 활용시스템 및 재난현장을 지원하는 119 소방현장 대응시스템 등이 구축되어 운영중에 있다.National Disaster Management System (NDMS) is a nationwide comprehensive information system that supports work in each stage of disaster management, including prevention, preparedness, response, and recovery. Disaster information sharing system that links and utilizes disaster information of related organizations such as control station, and 119 firefighting site response system that supports disaster sites are in operation.
국가재난관리시스템의 기능과 서비스 범위를 한 단계 높이기 위한 고도화 작업으로, 예컨데 국민안전처에서는 중앙행정기관과 시ㆍ도 중심으로 구축된 재난 대응 시스템을 전국 주요 시ㆍ군ㆍ구로 확대하고, 이전에 구축된 범정부 차원의 재난관리 네트워크의 범위를 확장하고 있다. In order to upgrade the functions and services of the national disaster management system to the next level, for example, the National Security Agency has expanded the disaster response system built around central administrative agencies and cities and provinces to major cities, counties, and districts. It is expanding the scope of the nationwide disaster management network that has been established.
국가 재난관리 고도화사업을 위해서는 효율적인 재난지역의 피해조사가 선행되어야 하지만, 현행 피해조사는 대부분 수작업에 의존함에 따라 많은 인력과 시간이 소요되어 피해 조사 과정에서 신속성과 객관성이 결여될 뿐만 아니라, 과학적이고 표준화된 현장 조사 장비의 부재와 광범위한 피해 지역 등으로 인해 피해 규모 및 피해액의 산정이 어렵기 때문에 조사원의 임의 판단에 의존할 수밖에 없으며, 이러한 주관적인 판단은 실제의 피해규모 및 피해액 산정에 매우 큰 오차를 발생시킬 수 있다.In order to upgrade the national disaster management program, efficient disaster area damage investigation should be preceded. However, most current damage investigations require a lot of manpower and time, depending on manual labor, which not only lacks promptness and objectivity in the damage investigation process, Due to the lack of standardized on-site survey equipment and extensive damage areas, it is difficult to calculate the magnitude of damage and the amount of damage. Therefore, the investigator has to rely on the discretion of the investigator. Can be generated.
현장조사를 실행하는 각 지방자치단체별로 표준화된 조사과정 및 조사장비가 없기 때문에 결과 항목 도출과 산정 근거 마련에 어려움이 있으며, 조사 진행후 결과 도출 및 피해액 산정까지의 과정 진행시 대부분의 과정을 수작업으로 진행해야 하기 때문에 많은 인력과 시간이 낭비될 뿐만 아니라 오차 발생 위험성이 있고, 조사결과로부터 피해액 산출시 근거 자료 부족 및 산출 기준의 애매성에 의한 어려움이 존재한다.Since there is no standardized survey process and equipment for each local government that conducts on-site survey, it is difficult to derive the result items and prepare the basis for calculation. Because it is necessary to proceed to the process, not only a lot of manpower and time are wasted, but there is also a risk of error.
종래 기술로써 대한민국 등록특허 제 10-0748528 호(무선통신과 웹-지아이에스를 이용한 재해 피해조사 실시간 자동 업데이트 시스템 및 그 운영방법)에서는 피해원인 정보, 피해 화상 및 동영상, 음성정보를 포집하여 서버로 전송하기 위한 각종 장비로 구성된 현장장비단을 구축하고, 상기 현장장비단을 통해 획득된 피해 조사정보를 각 서버단으로 전송하여 정해진 유형에 맞는 정보의 형태로 실시간으로 자동 가공하고 홈페이지의 메인페이지와 게시판에 게시함은 물론 표준화된 재해 대장 형태로 가공하여 웹페이지를 생성하고, 발생 지점 좌표 등을 통해 Web-GIS 상에 피해발생 지점 등록 및 그 속성을 표출하며, 이러한 홈페이지, 재해대장, Web-GIS 등을 연계하여 신속하게 각종 정보를 검색하고 확인할 수 있도록 함으로써 신속한 피해복구 대책 수립과 방재 정책 수립의 진행을 지원할 수 있고, 일반 인터넷상에 재해조사의 각종 정보를 게시함으로써 방재 및 재해복구 대책의 투명성을 확보하여 대민정책 신뢰도를 제고할 수 있도록 지원하였다.As a prior art, the Republic of Korea Patent No. 10-0748528 (in real-time automatic update system for disaster damage investigation using wireless communication and Web-GS) and its operation method collects the cause information, damage image, video, and voice information to the server. Establish a field equipment stage composed of various equipments for transmission, and transmit damage investigation information acquired through the field equipment stages to each server stage to automatically process in real time in the form of information suitable for a predetermined type, Not only posting on the bulletin board but also processing the standardized disaster log form to create web pages, and register damage points and their attributes on the Web-GIS through coordinates of the point of occurrence. It is possible to establish quick recovery measures by linking GIS to search and confirm various information. And to support the progress of the re-established policy, and help by posting a variety of information on the investigation of the disaster the general Internet by ensuring the transparency of emergency measures and disaster recovery policies to enhance citizen confidence.
대한민국 공개특허 제 10-2014-32205 호에서는 국가재난관리시스템(National Disaster Management System : NDMS)과 연계된 모바일(예컨대, 스마트폰)을 기반으로 하는 재난피해 조사시스템 및 그 방법으로, 조사자 단말기와, 상기 조사자 단말기를 통해 수집된 재난지역의 피해조사정보를 제공받고, 피해조사정보에 포함된 부가정보를 부가정보 DB에 저장 및 관리하는 모바일서버와, 모바일서버로부터 제공되는 피해조사정보를 제공받아 저장하는 중계 DB와, 중계 DB에 저장된 상기 피해조사정보의 재해대장을 스케줄러를 통해 주기적으로 검증한 후 검증된 피해조사정보를 메인 DB에 저장 및 관리하는 재난관리서버를 포함하는 모바일 기반 재난피해 조사시스템을 제공하고 있다.Korean Patent Laid-Open Publication No. 10-2014-32205 discloses a disaster damage investigation system based on a mobile (eg, a smartphone) associated with a National Disaster Management System (NDMS) and a method thereof, including an investigator terminal, Provides damage investigation information of the disaster area collected through the investigator terminal, and receives and stores the damage investigation information provided from the mobile server and the mobile server for storing and managing the additional information included in the damage investigation information in the additional information DB Mobile-based disaster prevention investigation system including a relay DB and a disaster management server that periodically verifies the disaster register of the damage investigation information stored in the relay DB through a scheduler and stores and manages the verified damage investigation information in the main DB. To provide.
그러므로, 기상이변 현상에 따라 전 세계적으로 태풍, 폭설, 산사태와 같은 자연재해 피해가 증가하고 있으나, 이러한 자연재해 피해의 특징은 광범위한 지역에 돌발적으로 발생하여 피해지역에 대한 효율적인 피해조사 방안이 요구되고 있다. 한국에서는 자연재해로 인한 피해규모 파악을 위하여 해당 지방자치단체에서 공무원을 파견하여 현장조사를 통한 피해조사를 수행하고 있다.Therefore, natural disasters such as typhoons, snowfall, and landslides are increasing worldwide due to extreme weather events.However, the characteristics of such natural disasters occur suddenly in a wide range of areas, and therefore, effective damage survey methods are required. have. In Korea, local governments dispatch civil servants to conduct damage surveys through field surveys to find out the scale of natural disasters.
이러한 자연재해로 인한 피해지역이 광범위한 만큼 지방자치단체의 부족한 인력으로 인하여 피해조사시 많은 시간이 소요되는 문제점이 있다. 또한, 피해조사 시간이 길어질수록 불완전한 응급복구로 인한 2차 피해 유발 및 지역 주민들의 불편 초래 등 다양한 문제도 발생한다. 따라서, 지방자치단체 공무원의 인원보충이 현실적으로 어려운 만큼 피해조사를 지원하는 시스템의 개발이 시급한 실정이다. As the area affected by such natural disaster is wide, there is a problem that it takes a lot of time when the damage investigation due to the lack of manpower of local governments. In addition, the longer the damage investigation time causes a variety of problems, such as causing secondary damage due to incomplete emergency recovery and causing inconvenience to local residents. Therefore, it is urgent to develop a system that supports the investigation of damages because it is difficult to supplement the personnel of local government officials.
종래 기술로서는 위성사진과 해당 지역의 지도를 융합하여 피해범위를 산출하는 방법이지만, 이를 고려한 본 발명자는 위성측정사진에 의해 피해지역의 피해범위를 측정하고, 복구우선순위를 전해줌으로 효과적으로 복구할 수 있는 자동화시스템을 개발하였다.The prior art is a method of calculating the damage range by fusing the satellite image and the map of the region, but the present inventors considering this can effectively recover by measuring the damage range of the affected area by the satellite measurement photo, and conveying the recovery priority. Developed an automated system.
본 발명은 상기와 같은 제반 사정을 감안하여 발명한 것으로, 위성영상, GIS 주제도, 복구단가를 이용하여 피해면적, 피해액, 현장조사 우선순위를 선정함으로 신속한 복구 계획수립 및 현장조사 우선순위 선정의 근거 자료로 활용할 수 있는 재난피해조사 자동화시스템을 제공하고자 하는 것과, 특히 고해상도의 위성영상을 활용하여 자연재해 피해탐지를 자동화하는 것에 그 목적이 있는 것이다.The present invention has been invented in view of the above circumstances, and it is possible to quickly establish a recovery plan and to prioritize field investigation by selecting the damage area, the damage amount and the field investigation priority by using satellite image, the GIS theme map, and the unit price. The purpose is to provide an automatic disaster damage investigation system that can be used as evidence, and especially to automate natural disaster damage detection using high resolution satellite images.
상기 목적을 달성하기 위한 본 발명은, 인터넷망과의 네트워크 가능한 컴퓨터시스템 서버에서 자연재해 피해조사를 위한 위성기반 재난피해조사 자동화시스템에 있어서, 연속지적도, 수치형도, 토지피복도, 행정구역도를 저장하는 GIS DB(105), 위성영상(Kompsat-2, Landsat-8)을 저장하는 영상 DB(110) 및, 복구단가를 저장하는 피해액 DB(115)를 포함하는 데이터베이스 (120); 영상 전처리 프로그램, 파일관리기능부, 피해정보 추출기능부, 기타 기능부를 포함하는 시스템인터페이스의 피해조사 자동화시스템 본체(125) 및; 위성기반 재난피해조사 자동화시스템 본체(125)에 적용될 자연 재해별 태풍이나 폭설의 피해조사 자동화모듈(130)을 포함하여 구성된 것을 그 특징으로 한다. In order to achieve the above object, the present invention, in the satellite-based disaster damage investigation automated system for natural disaster damage investigation in a networkable computer system server with the Internet network, the continuous map, numerical shape, land cover, administrative area
본 발명의 다른 구체적인 특징은, 인터넷망과의 네트워크 가능한 컴퓨터시스템 서버에서 연속지적도, 수치형도, 토지피복도, 행정구역도를 저장하는 GIS DB(105), 위성영상(Kompsat-2, Landsat-8)을 저장하는 영상 DB(110) 및, 복구단가를 저장하는 피해액 DB(115)를 포함하는 데이터베이스 (120); 영상 전처리 프로그램, 파일관리기능부, 피해정보 추출기능부, 기타 기능부를 포함하는 시스템인터페이스의 피해조사 자동화시스템 본체(125) 및; 위성기반 재난피해조사 자동화시스템 본체(125)에 적용될 자연 재해별 태풍이나 폭설의 피해조사 자동화모듈(130)을 포함하여 구성되어; 인터넷망을 통해 예컨데 항공우주연구원 사이트로부터 고해상도 위성 Kompsat-2의 피해 전후 영상을 컴퓨터시스템 서버가 공급받아, 고해상도 위성 Kompsat-2의 피해 전후 영상을 데이터베이스(120)의 영상 DB(110)로 저장하고; 상기 영상 DB(110) 내의 Kompsat-2 피해 전후 위성영상을 피해조사자동화시스템 본체(125) 내에서 영상 전처리 프로그램을 통해 전처리를 수행하며; 이렇게 전처리를 마친 Kompsat-2 피해 전후 위성영상을 전처리 프로그램연계로써 영상정사 보정하고, 피해조사자동화시스템 본체(125)의 파일 관리기능부를 통해 피해조사자동화모듈(130)에 입력하고; 입력된 영상에 피해정보 추출 기능을 적용하기 위하여 피해조사 자동화모듈 (130) 내의 범위설정 버튼을 클릭하여 변화탐지를 수행할 범위를 선택하고 있으며, 이어 자동탐지실행 버튼을 클릭하여 피해탐지 수행하며; 피해탐지는 영상에 존재하는 분광학적 특성의 변화 크기 및 양상을 효율적으로 탐지할 수 있는 알고리즘인 CVA를 피해 전후 Kompsat-2 위성영상의 R,G,B,NIR 밴드에 적용한 후 DNDVI 알고리즘을 적용하여 피해 전 영상보다 피해 후 영상에 식생이 증가한 지역은 피해지역이 아닌 것으로 간주하여 최종적인 피해면적을 산출한 것이다. Another specific feature of the present invention is a GIS DB (105) and satellite image (Kompsat-2, Landsat-8) for storing a continuous map, numerical shape, land cover, administrative area map in a computer system server capable of network with the Internet
본 발명은, 상기 피해면적에 대하여 피해정보 추출 기능을 적용하기 위하여 피해조사 자동화모듈(130) 내의 피해액 산정 버튼을 클릭하면, 피해면적에 GIS DB(105) 내의 연속지적도, 수치지형도, 임도망도를 중첩하고 중첩된 GIS DB 항목들을 산출하고; 중첩 항목으로 산출된 GIS DB(105)와 피해액 DB(115)를 연계하여 피해조사 자동화모듈 상에서 피해액 산정을 나타낼 수 있음을 더 포함하도록 구성할 수 있을 것이다.According to the present invention, when the damage amount calculation button is clicked in the damage
또한, 상기 피해전후 영상좌표체계 통일과 제반데이터의 좌표체계 통일하고, 이로부터 위성영상과 제반데이터를 통일하도록 구성할 수 있을 것이다. In addition, it may be configured to unify the coordinate system of the pre- and post-damage image coordinate system and the overall data, and to unify the satellite image and the general data therefrom.
이상 설명한 바와 같이 본 발명에 의하면, 위성영상, GIS 주제도, 복구단가를 융합하여 현장조사 우선순위를 선정하는 등 새로운 형태의 자연재해 피해정보를 사용하여 피해조사 업무효율성을 높이는 효과가 있다.As described above, according to the present invention, it is possible to increase the efficiency of damage investigation work by using new types of natural disaster damage information such as satellite field, GIS thematic map, and the unit cost of restoration to select the field priority.
본 발명은, 정량화된 피해조사 지원 체계 구축으로 재해 담당자 업무경감 및 재난관리 역량 강화를 제공하게 되며, 신속한 피해조사를 지원함으로써 국민 편의성을 제공할 수 있다.The present invention, by providing a quantitative damage investigation support system to provide a disaster management work reduction and disaster management capacity reinforcement, it can provide a convenience to the public by supporting a quick damage investigation.
본 발명은, 재해지역에 대한 피해면적 산출과 피해면적에 따른 개략적 피해액을 산출하며, 현장조사 우선순위 등 기타 피해정보를 제공 등의 개략적인 피해정보 산출을 수행할 수 있용게 된다.According to the present invention, it is possible to calculate the damage area for the disaster area and to calculate the rough damage amount according to the damage area, and to perform the rough damage information calculation such as providing other damage information such as the field investigation priority.
도 1 은 본 발명의 실시예에 따른 자연재해 피해조사를 위한 위성기반 재난피해조사 자동화시스템을 설명하는 전체 구성도,
도 2 는 본 발명의 실시예에 따른 고해상도 위성영상을 활용한 태풍 피해탐지를 수행하여 피해면적 및 피해액을 산출한 이미지를 나타낸 예시도,
도 3 은 도 2 에 도시된 고해상도 태풍의 피해면적 및 피해액 화면을 설명하기 위한 상세 흐름도,
도 4 는 CVA(Change Vector Analysis)의 크기와 방향 및 변화섹터(3 밴드)를 도시해놓은 도면,
도 5 는 파장대역에 따른 물체의 반사특성을 도시해놓은 도면이다.1 is an overall configuration diagram illustrating a satellite-based disaster damage automation system for investigation of natural disaster damage according to an embodiment of the present invention,
2 is an exemplary view showing an image of a damage area and a damage amount by performing a typhoon damage detection using a high resolution satellite image according to an embodiment of the present invention;
3 is a detailed flowchart illustrating a damage area and a damage amount screen of a high-resolution typhoon shown in FIG. 2;
4 is a diagram showing the size and direction of the CVA (Change Vector Analysis) and the change sector (3 bands),
5 is a diagram illustrating reflection characteristics of an object according to a wavelength band.
이하, 본 발명의 바람직한 실시예를 예시도면에 의거하여 상세히 설명한다. Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1 은 본 발명의 실시예에 따른 자연재해 피해조사를 위한 위성기반 재난피해조사 자동화시스템을 설명하는 전체 구성도로서, 본 발명은 자연재해 피해조사를 위한 위성기반 재난피해조사 자동화시스템인 바, 이는 위성영상, GIS 주제도, 복구단가를 이용하여 자연재해 피해면적, 피해액, 현장조사 우선순위를 제공하여 신속한 복구 계획 수립 및 현장조사 우선순위 선정의 근거 자료로 활용할 수 있는 자연재해 피해조사를 위한 자연재해 피해조사를 위한 재난피해조사 자동화시스템인 것이다.1 is an overall configuration diagram illustrating a satellite-based disaster damage investigation automated system for natural disaster damage investigation according to an embodiment of the present invention, the present invention is a satellite-based disaster damage investigation automation system for natural disaster damage investigation, It provides natural disaster damage area, amount of damage and field investigation priority by using satellite image, GIS theme map, and recovery unit price. It is an automated disaster investigation system for disaster investigation.
본 발명은 인터넷망과의 네트워크 가능한 컴퓨터시스템 서버로써 데이터베이스(120), 피해조사 자동화시스템본체(125) 및 피해조사 자동화모듈(130)로 구성되는 바, 상기 데이터베이스(120)에서는 연속지적도, 수치형도, 토지피복도, 행정구역도를 저장하는 GIS 데이터베이스(DB)(105), 위성영상(Kompsat-2, Landsat-8)을 저장하는 영상 DB(110) 및, 복구단가를 저장하는 피해액 DB(115)를 포함하고 있다. The present invention comprises a
시스템인터페이스의 피해조사자동화시스템 본체(125)는 영상 전처리 프로그램, 파일관리 기능부, 피해정보 추출기능부, 기타 기능부를 포함하고, 또한 피해조사자동화시스템 본체에 적용될 자연 재해별(태풍/폭설) 피해조사자동화모듈(130)을 포함하여 구성되는 것이다.The damage investigation automation system
피해조사 자동화시스템 본체(125)는 영상 전처리 프로그램을 통해 상용 전처리시스템과의 연계를 수행하여 위성영상에 대한 정사보정과 DSM(DiskStation Manager) 생성을 지원하는 것이다. 피해조사자동화시스템 본체(125)는 파일관리 기능부를 통해 파일검색 또는 위성영상의 입출력 관리 및 메타데이터 관리, 시스템 결과파일 저장 및 로드를 지원하는 것이다.The damage investigation automation system
피해조사자동화시스템 본체(125)는 피해정보 추출기능부를 통해 고해상도 위성영상을 활용한 태풍 피해탐지를 통해 수동탐지 및 자동탐지, 피해액 산정, 시스템 결과물의 KML(Keyhole Markup Language)파일로의 전환을 지원할 수 있다.The damage investigation automation system
상기 KML은 구글 어스(Google Earth), 구글 지도 등에서 지형 정보를 모델링하고 표현하는데 활용 가능, 구글에서 개발되었으며, 본 발명에서는 구글 어스에서 피해규모 자동산정시스템의 결과를 조회 및 활용하기 위하여 사용하고 있다. The KML can be used for modeling and expressing terrain information in Google Earth, Google Map, etc., and was developed by Google. The present invention is used to search and utilize the results of the automatic damage calculation system in Google Earth. .
그러므로, 결과물 전환으로 KML 파일을 사용하는 이유는 많은 사람이 활용하는 구글 어스에서 본 시스템의 결과물로써 피해면적, 지적 및 피복 정보 등을 누구나 쉽게 조회할 수 있다. Therefore, the reason for using KML file as the result conversion is the result of this system in Google Earth, which is used by many people, and anyone can easily search the damage area, intellectual and cover information.
본 발명에서는 피해조사자동화시스템 본체(125)의 피해정보 추출 기능부를 통해 중저해상도 위성영상을 활용한 태풍 피해탐지를 통해 자동탐지, 현장조사 우선순위 선정, 지적정보 및 토지피복 정보에 관한 세부정보 제공, 시스템 결과물의 KML파일로의 전환을 지원할 수 있다.In the present invention, through the damage information extraction function unit of the damage
또한, 피해조사 자동화시스템 본체(125)의 피해정보 추출기능부를 통해 중저해상도 위성영상을 활용한 폭설 피해탐지를 통해 자동탐지, 현장조사 우선순위 선정, 지적정보 및 토지피복 정보에 관한 세부정보 제공, 시스템 결과물의 KML파일로의 전환을 지원할 수 있다.In addition, through the damage information extraction function of the damage
피해조사 자동화시스템 본체(125)에는 기타 기능부에서 지도조작과 측정도구로 구분되는 한편, 피해조사 자동화모듈(130)에서는 자연재해로써 태풍/폭설뿐만아니라, 산사태, 산불, 그리고 지진/쓰나미/가뭄 등도 나타낼 수 있다. The damage investigation automation system
이상 설명한 바와 같이, 본 발명의 재난피해조사 자동화시스템을 통해 위성영상과 GIS 주제도를 중첩하여 생성된 새로운 형태의 피해규모 정보를 사용하여 피해조사 전 개략적인 피해규모 산정과 현장조사 우선순위 선정시 근거자료로 활용할 수 있다. As described above, using the new type of damage scale information generated by superimposing satellite image and GIS thematic map through the disaster damage investigation automation system of the present invention, when roughly estimating damage size and prioritizing field investigation prior to the damage investigation, It can be used as evidence.
도 1 에 도시된 시스템 구성도에 의거하여 도 2 와 도 3 을 인용하고 본 발명의 바람직한 실시예를 구체적으로 설명하며, 바람직한 실시예에 본 발명의 권리 범위가 한정되는 것은 아니며, 당업자 수준에서 용이하게 변형가능한 발명으로서 기술적 사상이 동일하다면 모두 본 발명의 권리범위에 속함을 밝혀 둔다.Reference is made to FIG. 2 and FIG. 3 based on the system configuration shown in FIG. 1 and the preferred embodiment of the present invention will be described in detail. The scope of the present invention is not limited to the preferred embodiment, and is easy to those skilled in the art. If the invention can be modified to the same, the technical spirit is the same all puts it belongs to the scope of the present invention.
그러므로, 본 발명은 신속한 피해조사 구축으로 재해 담당자 업무 경감 및 재난관리 역량 강화를 제공하게 되며, 대민 서비스와 연계하여 재해관련 정보를 제공하여 국민 편의성을 제공할 수 있다.Therefore, the present invention can provide a disaster damage reduction and disaster management capacity reinforcement by establishing a rapid damage investigation, it can provide the convenience of the public by providing disaster-related information in connection with public services.
도시되지 않는 인터넷망과의 네트워크 가능한 컴퓨터시스템 서버의 데이터베이스(120)는 재해 지역에 대한 각종 정보들을 각각의 독립된 데이터베이스(DB)에 구축하여 이를 관리하게 된다.The
GIS DB(105)에서는 연속지적도, 수치지형도, 토지피복도, 행정구역도 등의 GIS 주제도를 저장하고 있게 된다. 즉, 각 재해 피해면적 산출, 현장조사 우선순위 선정, 세부정보 제공시 이를 활용하게 된다.The
영상 DB(110)에는 예컨데 Kompsat-2, Kompsat-3, Landsat-8 이미지를 저장하고 있으며, 재해 피해지역에 대한 영상이 촬영될 경우 수집 및 구축하게 된다. 즉, 위성영상을 통해 변화탐지 알고리즘을 적용하여 피해면적을 산출하게 된다.For example, the
여기서, 변화탐지 알고리즘으로는 CVA(Change Vector Analysis)와 DNDVI(Differenced Normalized Difference Vegetation Index), NDSI(Normalized Difference Snow Index)등을 활용할 수 있다. Here, the change detection algorithm may use change vector analysis (CVA), difference normalized difference vegetation index (DNDVI), normalized difference snow index (NDSI), and the like.
데이터베이스(120)의 피해액 DB(115)에는 복구계획 수립지침에 수록되어있는 복구단가 정보를 저장하게 되는 바, 즉 복구단가 정보를 통해 고해상도 위성영상을 활용한 태풍 피해탐지 시 피해액 산정에 활용하게 된다. The
도 2 는 고해상도 위성영상을 활용한 태풍 피해탐지 시 피해면적 산출, 피해액 산정까지 수행한 결과물이고, 피해전 목록, 피해후 목록, 자동탐지의 총피해액, 세부항목변동, 그리고 경기도 이천시의 피해 전후 지도 등이 디스플레이되고 있다. 2 is a result of performing damage area calculation and damage amount calculation during typhoon damage detection using high resolution satellite image, before damage list, after damage list, total damage of automatic detection, detail change, and before and after damage map of Icheon-si, Gyeonggi-do And the like are displayed.
도 3 은 도 2 에 도시된 고해상도 태풍의 피해면적 및 피해액 화면을 설명하기 위한 상세 흐름도이고, 도 4 는 CVA(Change Vector Analysis)의 크기와 방향 및 변화섹터(3 밴드)를 도시해놓은 도면이며, 도 5 는 파장대역에 따른 물체의 반사특성을 도시해놓은 도면이다. FIG. 3 is a detailed flowchart illustrating the damage area and the amount of damage screen of the high resolution typhoon shown in FIG. 2, and FIG. 4 is a diagram illustrating the size and direction of the CVA (Change Vector Analysis) and the change sector (3 bands). 5 is a diagram illustrating reflection characteristics of an object according to a wavelength band.
고해상도 태풍 피해탐지의 플로우를 도 1 내지 도 5 에 의거하여 설명하면, 도시되지 않는 인터넷망을 통해 예컨데 항공우주연구원 사이트로부터 고해상도 위성 Kompsat-2의 피해 전후 영상을 본 발명의 컴퓨터시스템 서버가 공급받을 수 있는 바, 이는 고해상도 위성 Kompsat-2의 피해 전후 영상을 데이터베이스(120)의 영상 DB(110)로 저장하고 있다. Referring to the flow of high-resolution typhoon damage detection based on Figures 1 to 5, for example, the computer system server of the present invention to receive before and after the damage of the high-resolution satellite Kompsat-2 from the Aerospace Research Institute site through the Internet network not shown As can be seen, it stores the before and after damage of the high resolution satellite Kompsat-2 to the
상기 영상 DB(110) 내의 Kompsat-2 피해 전후 위성영상을 피해조사자동화시스템 본체(125) 내에서 영상 전처리 프로그램을 통해 전처리를 수행할 수 있다. 이때 피해전후 영상좌표체계 통일과 제반데이터의 좌표체계 통일하고, 이로부터 위성영상과 제반데이터를 통일할 수 있다. The satellite image before and after the Kompsat-2 damage in the
이렇게 전처리를 마친 Kompsat-2 피해 전후 위성영상을 전처리 프로그램연계로써 영상정사 보정하고, 피해조사자동화시스템 본체(125)의 파일 관리기능부를 통해 피해조사자동화모듈(130)에 입력한다. Thus, after the pre-processing Kompsat-2 damage before and after satellite image correction by preprocessing program linkage, the damage investigation automation system through the file management function of the
따라서, 입력된 영상에 피해정보 추출 기능을 적용하기 위하여 피해조사 자동화모듈(130) 내의 범위설정 버튼을 클릭하여 변화탐지를 수행할 범위를 선택하고 있으며, 이어 자동탐지실행 버튼을 클릭하여 피해탐지 수행할 수 있다. Therefore, in order to apply the damage information extraction function to the input image, the range setting button in the damage
그러므로, 피해탐지는 영상에 존재하는 분광학적 특성의 변화 크기 및 양상을 효율적으로 탐지할 수 있는 알고리즘인 CVA를 피해 전후 Kompsat-2 위성영상의 R,G,B,NIR 밴드에 적용한 후 DNDVI 알고리즘을 적용하여 피해 전 영상보다 피해 후 영상에 식생이 증가한 지역은 피해지역이 아닌 것으로 간주하여 최종적인 피해면적을 산출한다. Therefore, damage detection is applied to the R, G, B, NIR bands of Kompsat-2 satellite image before and after damage, and the DNDVI algorithm is applied to CVA, an algorithm that can efficiently detect the magnitude and pattern of changes in spectroscopic characteristics in the image. As a result, the area where vegetation increased in the post-damage image is considered to be not the damaged region, and the final damage area is calculated.
변화탐지 알고리즘을 설명하면, 먼저 CVA(Change Vector Analysis)는 서로 다른 두 시기 영상의 화소벡터들 간의 크기와 방향을 이용하여 변화지역의 크기와 방향을 추정하는 대표적인 무감독 변화탐지 기법 중의 하나인 것이다. To describe the change detection algorithm, CVA (Change Vector Analysis) is one of the representative unsupervised change detection techniques that estimates the size and direction of the change area by using the size and direction between the pixel vectors of two different time frames. .
예컨데, 토지에 변화가 생기게 되면 분광학적인 특성이 달라지고, 달라진 분광학적 특성의 크기(Magnitude)와 방향(Direction)을 설명하는 벡터를 분석하는 방법이 CVA 인 바, 이 CVA 는 변화량으로 계산되어 임계치 이하의 값은 변하지 않은 지역으로 무시되고 있으며, 임계치 이상은 변화된 곳으로 감지할 수 있다. For example, changes in land cause spectroscopic characteristics to change, and CVA is a method of analyzing vectors that describe magnitude and direction of the changed spectroscopic characteristics. The following values are ignored for areas that have not changed, and above thresholds can be detected as changed.
각 화소의 변화크기 와 는 각각 k밴드의 Date2와 Date1의 화소의 밝기값(식)Change size of each pixel Wow Are the brightness values of the pixels of Date2 and Date1 of k band, respectively.
이다. to be.
변화의 방향은 섹터에 의해 나타낼 수 있는 바, 이는 변화가 증가(Positive), 또는 감소(Negative)를 하였는지를 설명한다. The direction of change can be represented by a sector, which explains whether the change is positive or negative.
섹터의 가능한 형태(Type)는 으로 표현할 수 있으며, 만약 3개의 밴드가 사용되었다면 섹터는 8 개로 분류가 가능하다. 섹터의 가능한 형태(Type)는 으로 표현 할 수 있으며, 만약 3개의 밴드가 사용되었다면 섹터는 8개로 분류가 가능하다(도 4 참조).Possible types of sectors are If three bands are used, eight sectors can be classified. Possible types of sectors are If three bands are used, sectors can be classified into eight (see FIG. 4).
CVA 변화탐지는 기존의 변화탐지와 달리 변화정도의 크기와 함께 변화의 성향을 탐지할 수 있으며, 여러 다분광 입력 자료를 동시에 처리하고 분석할 수 있다는 것과 다시기(Multi-date) 분류에서 종종 발생하는 공간적·분광학적 오차를 피할 수 있다.Unlike conventional change detection, CVA change detection can detect the propensity of change along with the magnitude of change, and can often process and analyze multiple multispectral input data, and often occurs in multi-date classification. Spatial and spectroscopic errors can be avoided.
다차원 변화에 대한 벡터의 계산과 변화 영상의 조합을 통하여 변화 해석과 라벨링을 용이하게 수행 가능한 것이다. 그러므로, CVA 는 피해 전후 위성영상의 동일한 지점에 대한 변화를 파악할 수 있는 알고리즘인 것이다. The change analysis and labeling can be easily performed through the combination of the vector calculation and the change image for the multi-dimensional change. Therefore, CVA is an algorithm that can grasp changes to the same point of satellite image before and after damage.
예컨데, 산림의 분포를 정량적으로 표현할 수 있는 척도로 산림 녹지의 질을 대변하는 정규식생지수인 NDVI(Normalized Difference Vegetation Index: 정규화식생지수)는 식생의 정량적 표현이 가능하며, -1 ~ 1 사이의 값으로 눈, 암반, 물 나지 등을 나타낸다. For example, the Normalized Difference Vegetation Index (NDVI), which represents the quality of forest greenery, is a quantitative representation of the distribution of forests. Values indicate snow, rock, water rubs and the like.
비식생 지역은 0 이하의 값으로 표현되어지며, 식생 분포가 많은 지역일수록 1 에 가까운 값으로 나타낸다. 이러한 정규식생지수는 식생의 반사율이 가시영역에서 낮고 근적외선 영역에서 높은 성질을 이용하여 계산할 수 있으며, 여기서 NIR은 근적외선 영역에서의 반사율이며, RED는 가시광선 영역 중 적색광 영역에서의 반사율을 나타낸다. Non- vegetation areas are expressed with values of zero or less, and the more vegetation distribution, the closer to one. The normal vegetation index can be calculated using the properties of the vegetation reflectance in the visible region is low in the visible region and high in the near infrared region, where NIR is the reflectance in the near infrared region, RED represents the reflectance in the red region of the visible region.
DNDVI(Differenced NDVI)는 서로 다른 시기에 측정된 NDVI 의 차이를 통해 재난으로 인한 식생피해의 가늠이 가능하다. Differenced NDVI (DNDVI) can be used to estimate vegetation damage due to disaster through the difference in NDVI measured at different times.
그러므로, DNDVI 는 피해 전후 위성영상에 식생의 정도를 정량적으로 판단할 수 있는 NDVI의 시계열적인 차이를 확인할 수 있는 DNDVI를 적용하여 식생이 증가한 지역은 피해지역에서 제외한다. Therefore, DNDVI applies the DNDVI which can identify the time series difference of NDVI which can quantitatively determine the degree of vegetation on the satellite image before and after the damage.
NDSI(Normalized Difference Snow Index)는 Hall 등에 의하여 개발되어 미국 동북쪽 지역의 적설현황을 분석하고 매핑 정확도를 평가하는데 활용할 수 있다. The Normalized Difference Snow Index (NDSI), developed by Hall et al., Can be used to analyze snowfall conditions in the northeastern United States and to assess mapping accuracy.
NDSI는 눈 지수로 불리며 일반적으로 중저해상도 위성영상을 통한 적설지역 탐지에 주로 활용한다. NDSI는 가시광선 영역(0.4-0.7m)에서는 반사율이 높고, 단파장적외선인 SWIR(1-3m) 영역에서는 반사율이 낮은 눈의 분광특성을 이용하여 표현 가능(식)NDSI is called the snow index and is generally used for snow cover detection through low and medium resolution satellite images. NDSI is in the visible region (0.4-0.7 m) has high reflectivity and short wavelength infrared SWIR (1-3) m) can be expressed by using spectral characteristics of the eye with low reflectance (expression)
NDSI 값은 눈과 결빙지역 탐지를 목표로 하며 식생지역, 육지 및 대부분의 구름으로부터 눈을 구별하기 위하여 활용한다. NDSI 는 눈과 눈으로 덮인 결빙지역은 따로 구별할 수 없기 때문에 눈과 눈으로 덮인 결빙지역을 동일하게 눈으로 판별한다. NDSI values are aimed at detecting snow and ice zones and are used to distinguish snow from vegetation, land and most clouds. Since NDSI cannot distinguish between snow and snow covered ice regions, snow and snow covered ice regions are identified by snow.
눈과 구름의 경우 분광학적 특징은 가시광선 영역과 근적외선 영역에서 매우 유사한 반사도를 보이지만, 단파장적외선 영역에서는 대부분의 구름은 매우 높은 반사도를 보이며, 이와 반대로 눈은 매우 낮은 반사도의 특징을 가진다.In the case of snow and clouds, the spectroscopic characteristics show very similar reflectance in the visible and near-infrared region, but in the short-infrared region, most clouds show very high reflectivity, whereas snow has very low reflectivity.
눈과 식생, 육지등도 서로 다른 반사도 특징을 보인다(도 5 참조). 따라서, 눈, 구름, 식생, 육지 등의 서로 다른 반사특성을 활용하여 눈을 다른 대상들로부터 구별 가능하다. 그러므로, NDSI 는 눈을 식생, 육지 및 구름 등 다른 물체와 확연하게 구분할 수 있는 알고리즘인 것이다. Snow, vegetation, land and the like also have different reflection characteristics (see FIG. 5). Thus, the snow can be distinguished from other objects by utilizing different reflection characteristics such as snow, clouds, vegetation, and land. Therefore, NDSI is an algorithm that can clearly distinguish snow from other objects such as vegetation, land and clouds.
본 발명의 재난피해조사 자동화시스템에서는 피해면적에 대하여 피해정보 추출 기능을 적용하기 위하여 피해조사 자동화모듈(130) 내의 피해액 산정 버튼을 클릭하면, 피해면적에 GIS DB(105) 내의 연속지적도, 수치지형도, 임도망도를 중첩하고 중첩된 GIS DB 항목들을 산출할 수 있다. In the disaster damage investigation automation system of the present invention, if the damage calculation button is clicked in the damage
그러므로, 중첩 항목으로 산출된 GIS DB(105)와 피해액 DB(115)를 연계하여 피해조사 자동화모듈 상에서 도 2 에 도시된 바와 같이 피해액 산정할 수 있다. Therefore, the damage amount may be calculated as shown in FIG. 2 on the damage investigation automation module by linking the
이상 설명한 바와 같이, 고해상도 태풍 알고리즘 활용은 피해 전후 위성영상에 CVA 알고리즘을 적용하고 있으며, 예컨데 임계치의 경우 4 개지역에 시범 적용해본 결과 100이 가장 적합한 것으로 나타낼 수 있다. CVA 알고리즘에 임계치 100을 적용하여 산출된 피해면적에 DNDVI를 적용하고 피해전 영상에 비하여 피해후 영상에서 식생이 증가한 지역은 피해지역에서 제외함으로써 최종피해면적을 산출할 수 있다.As described above, the high resolution typhoon algorithm is applied to the CVA algorithm in the satellite image before and after the damage. For example, in the case of the threshold value, 100 can be shown to be the most suitable as a result of the pilot application in four regions. The final damage area can be calculated by applying DNDVI to the damage area calculated by applying the threshold value of 100 to the CVA algorithm and excluding areas where vegetation increased in the post-damage image compared to the pre-damage image.
본 발명에 의하면, 위성영상과 GIS 주제도를 중첩하여 생성된 새로운 형태의 피해규모 정보를 사용하여 피해조사 전 개략적인 피해규모 산정과 현장조사 우선순위 선정 시 근거자료로 활용할 수 있다.According to the present invention, a new type of damage scale information generated by superimposing satellite images and GIS thematic maps can be used as a basis for estimating damage size before the damage investigation and selecting priorities for field investigation.
그러므로, 본 발명의 재난피해조사 자동화시스템을 이용하면 전산화된 피해규모 데이터를 통해 2 차적 피해 분석 및 IT 기반의 방재 업무 혁신에 기여하고, 전산화된 피해정보의 전자재해대장 연계를 통한 효과적인 방재 DB 구축 기틀 마련할 수 있다. Therefore, if the disaster prevention investigation automation system of the present invention is used, it contributes to secondary damage analysis and IT-based disaster prevention work innovation through computerized damage scale data, and establish effective disaster prevention DB by linking the electronic disaster register of computerized damage information. I can prepare a framework.
본 발명의 재난피해조사 자동화시스템은 신속한 피해조사 구축으로 재해 담당자 업무 경감 및 재난관리 역량 강화를 제공하게 되며, 대민 서비스와 연계하여 재해관련 정보를 제공하여 국민 편의성을 제고하게 된다. 재해지역의 피해규모에 대한 개략적 산출과 정략적 피해규모에 따른 과학적 피해액을 산출하며, 기타 피해 위치 및 소유자 및 토지 이용 등의 정량적 산출을 수행할 수 있게 된다.Disaster damage investigation automation system of the present invention provides a disaster damage investigation and disaster management capacity reinforcement by establishing a rapid damage investigation, and provides disaster-related information in connection with public services to improve the convenience of the people. It will be able to roughly calculate the damage size of the disaster area and scientific damage amount according to the political damage size, and perform quantitative calculation of other damage locations, owners and land use.
본 발명의 재난피해조사 자동화시스템은 신속한 피해액 산출을 통한 긴급 대응 체계, 재난피해 복구계획, 향후 예방 대책 수립 등의 의사결정 지원에 기여한다. 광범위한 피해지역에 대해 보다 정확하고 효율적인 피해조사가 가능할 것이며, 현장조사 지원 및 조기복구계획 수립 등 국가 차원의 방재 능력 향상에 기여한다. The disaster damage investigation automation system of the present invention contributes to decision support such as an emergency response system, a disaster recovery plan, and the establishment of future preventive measures. More accurate and efficient damage investigations will be possible for a wide range of affected areas, and contribute to the improvement of national disaster prevention capabilities, such as support for field investigations and the establishment of early recovery plans.
본 발명의 재난피해조사 자동화시스템은 상기와 같은 실시예에 한하여 설명하였으나, 본 발명의 기술적 사상을 벗어나지 아니하는 범위 내에서는 얼마든지 다양하게 실시할 수 있으며, 그 내용이 본 발명의 권리에 포함되는 것은 당연하다 할 것이다.Disaster damage investigation automation system of the present invention has been described in the above embodiments, but can be carried out in various ways without departing from the spirit of the present invention, the contents of which are included in the rights of the present invention It will be natural.
105 : GIS DB
110 : 영상 DB
115 : 피해액 DB
120 : 데이터베이스
125 : 피해조사 자동화시스템 본체
130 : 피해조사 자동화모듈105: GIS DB
110: Image DB
115: damage DB
120: database
125: damage investigation automation system
130: damage investigation automation module
Claims (3)
상기 재난피해조사 자동화시스템 본체(125)는 영상 전처리 프로그램을 통해 상용 전처리 시스템과의 연계를 수행하여 위성 영상에 대한 정사보정과 DSM(Disk Station Manager)생성을 지원하기위한 것이며,
인터넷망을 통해 예컨데 항공우주연구원 사이트로부터 고해상도 위성 Kompsat-2의 피해 전후 영상을 컴퓨터시스템 서버가 공급받아, 고해상도 위성 Kompsat-2의 피해 전후 영상을 데이터베이스(120)의 영상 DB(110)로 저장하고;
상기 영상 DB(110) 내의 Kompsat-2 피해 전후 위성영상을 피해조사자동화시스템 본체(125) 내에서 영상 전처리 프로그램을 통해 전처리를 수행하며;
이렇게 전처리를 마친 Kompsat-2 피해 전후 위성영상을 전처리 프로그램연계로써 영상정사 보정하고, 피해조사자동화시스템 본체(125)의 피해 정보 추출기능부를 통해 시스템 결과물의 KML(Keyhole Markup Language)파일로 전환한 다음, 피해조사자동화시스템 본체(125)의 파일 관리기능부를 통해 피해조사자동화모듈(130)에 입력하고;
입력된 영상에 피해정보 추출 기능을 적용하기 위하여 피해조사 자동화모듈 (130) 내의 범위설정 버튼을 클릭하여 변화탐지를 수행할 범위를 선택하고 있으며, 이어 자동탐지실행 버튼을 클릭하여 피해탐지 수행하며;
피해탐지는 위성영상을 통한 변화 탐지 알고리즘을 적용하여 피해면적을 산출하게되는데, 변화 탐지 알고리즘으로는 서로 다른 두 시기 영상의 화소벡터들 간의 크기와 방향을 이용하여 변화지역의 크기와 방향을 추정하는 무감독 변화탐지기법인 CVA(Change Vector Analysis)와, DNDVI(Differenced Normalized Difference Vegetation Index)와, NDSI(Normalized Differenced Snow Index)가 반드시 함께 사용되는데,
먼저 토지에 변화가 생기면 분광학적인 특성이 달라지므로 달라진 분광학적인 특성의 크기와 방향을 설명하는 벡터를 분석하는 방법인 CVA를 사용하고,
산림의 분포를 정량적으로 분석하기 위해서는 산림녹지의 질을 대변하는 정규 식생지수인 DNDVI를 사용하며,
눈과 결빙지역을 탐지하기 위해서는 식생지역, 육지 및 구름 등 다른 물체와 확연히 구별하기 위한 NDSI를 함께 사용하며,
영상에 존재하는 분광학적 특성의 변화 크기 및 양상을 탐지할 수 있는 알고리즘인 CVA를 피해 전후 Kompsat-2 위성영상의 R,G,B,NIR 밴드에 적용한 후 DNDVI 알고리즘을 적용하여 피해 전 영상보다 피해 후 영상에 식생이 증가한 지역은 피해지역이 아닌 것으로 간주하여 최종적인 피해면적을 산출한 것을 특징으로 하는 고해상도 위성영상을 활용한 재난피해조사 자동화시스템. GIS DB 105 for storing continuous maps, numerical maps, land cover maps, administrative maps, and image DBs 110 for storing satellite images (Kompsat-2, Landsat-8) in network-enabled computer system servers with the Internet network. And a database 120 including a damage DB 115 storing a repair unit cost. An automatic damage investigation system 125 for a system interface including an image preprocessing program, a file management function, a damage information extraction function, and other functions; It is configured to include a disaster investigation automation module 130 of the typhoon or heavy snow for each natural disaster to be applied to the satellite-based disaster damage investigation automation system main body 125;
The disaster damage investigation automation system main body 125 is intended to support orthodontic correction and satellite station manager (DSM) generation for satellite images by performing linkage with a commercial preprocessing system through an image preprocessing program.
For example, the computer system server receives the before and after image of the high resolution satellite Kompsat-2 from the Aerospace Research Institute site and stores the image before and after the damage of the high resolution satellite Kompsat-2 as the image DB 110 of the database 120. ;
Performing preprocessing of the satellite image before and after the Kompsat-2 damage in the image DB 110 through an image preprocessing program in the main body 125 of the damage investigation automation system;
After the preprocessing, Kompsat-2 damages satellite images before and after the image correction by preprocessing program linkage, and converts them into KML (Keyhole Markup Language) files of the system result through the damage information extraction function of the main body of the damage investigation automation system 125. Inputting the damage investigation automation module 130 through the file management function of the damage investigation automation system main body 125;
In order to apply the damage information extraction function to the input image, the range setting button in the damage investigation automation module 130 is selected to select a range to perform the change detection, and then the damage detection is performed by clicking the automatic detection execution button;
Damage detection calculates the damage area by applying the change detection algorithm through satellite image. The change detection algorithm estimates the size and direction of the change area by using the size and direction between pixel vectors of two different time periods. The unsupervised change detection method, CVA (Change Vector Analysis), DNDVI (Differenced Normalized Difference Vegetation Index), and NDSI (Normalized Differenced Snow Index) must be used together.
First of all, if the land changes, the spectroscopic characteristics will change, so we use CVA, which is a method of analyzing vectors that explain the magnitude and direction of the changed spectroscopic characteristics.
To quantitatively analyze the distribution of forests, we use DNDVI, a normal vegetation index that represents the quality of forests.
In order to detect snow and freezing areas, NDSI is used together to distinguish clearly from other objects such as vegetation area, land and clouds.
CVA, an algorithm for detecting the magnitude and pattern of changes in spectroscopic characteristics, is applied to the R, G, B, and NIR bands of Kompsat-2 satellite images before and after damage, and then applied to the DNDVI algorithm to prevent damage. Automated disaster investigation investigation system using high-resolution satellite imagery, which calculates the final damage area, considering that the area where vegetation has increased afterwards is not the damage area.
상기 피해면적에 대하여 피해정보 추출 기능을 적용하기 위하여 피해조사 자동화모듈(130) 내의 피해액 산정 버튼을 클릭하면, 피해면적에 GIS DB(105) 내의 연속지적도, 수치지형도, 임도망도를 중첩하고 중첩된 GIS DB 항목들을 산출하고;
중첩 항목으로 산출된 GIS DB(105)와 피해액 DB(115)를 연계하여 피해조사 자동화모듈 상에서 피해액 산정을 나타낼 수 있음을 더 포함한 것을 특징으로 하는 고해상도 위성영상을 활용한 재난피해조사 자동화시스템. The method of claim 1,
When the damage amount calculation button is clicked in the damage investigation automation module 130 to apply the damage information extraction function to the damage area, the continuous area of the GIS DB 105 is overlaid on the damage area, and the network map is overlaid. Calculating the GIS DB items;
Disaster investigation investigation automation system using a high-resolution satellite image, characterized in that it further comprises the damage calculation calculation on the damage investigation automation module by linking the GIS DB (105) and the damage amount DB (115) calculated as an overlap item.
피해전후 영상좌표체계 통일과 제반데이터의 좌표체계 통일하고, 이로부터 위성영상과 제반데이터를 통일한 것을 특징으로 하는 고해상도 위성영상을 활용한 재난피해조사 자동화시스템.The method according to claim 1 or 2,
Automated disaster investigation investigation system using high resolution satellite imagery, which is unified before and after image coordinate system and coordinate system of general data, and from this, satellite image and general data are unified.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180035778A KR20190113289A (en) | 2018-03-28 | 2018-03-28 | Automation system for disaster damage investigation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180035778A KR20190113289A (en) | 2018-03-28 | 2018-03-28 | Automation system for disaster damage investigation |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20190113289A true KR20190113289A (en) | 2019-10-08 |
Family
ID=68208778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180035778A KR20190113289A (en) | 2018-03-28 | 2018-03-28 | Automation system for disaster damage investigation |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20190113289A (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102328834B1 (en) * | 2020-08-25 | 2021-11-18 | 한남대학교 산학협력단 | Disaster and disaster situation propagation management portal system |
KR102342192B1 (en) | 2021-06-25 | 2021-12-23 | (주)아인스에스엔씨 | Apparatus and Method for Predicting Disaster risk based on bigdata |
CN114299385A (en) * | 2021-12-07 | 2022-04-08 | 中国农业大学 | Crop flood level monitoring method and system based on optical and radar coupling |
KR20220076333A (en) | 2020-11-30 | 2022-06-08 | 주식회사 한국그린데이터 | Systems and methods for managing green areas using Enhanced Vegetation Index and Green Chlorophyll Index |
CN115934749A (en) * | 2022-11-22 | 2023-04-07 | 江苏省基础地理信息中心 | Integrated processing method and application of natural disaster comprehensive risk census data |
-
2018
- 2018-03-28 KR KR1020180035778A patent/KR20190113289A/en not_active Application Discontinuation
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102328834B1 (en) * | 2020-08-25 | 2021-11-18 | 한남대학교 산학협력단 | Disaster and disaster situation propagation management portal system |
KR20220076333A (en) | 2020-11-30 | 2022-06-08 | 주식회사 한국그린데이터 | Systems and methods for managing green areas using Enhanced Vegetation Index and Green Chlorophyll Index |
KR102342192B1 (en) | 2021-06-25 | 2021-12-23 | (주)아인스에스엔씨 | Apparatus and Method for Predicting Disaster risk based on bigdata |
CN114299385A (en) * | 2021-12-07 | 2022-04-08 | 中国农业大学 | Crop flood level monitoring method and system based on optical and radar coupling |
CN114299385B (en) * | 2021-12-07 | 2024-04-26 | 中国农业大学 | Crop waterlogging grade monitoring method and system based on optical and radar coupling |
CN115934749A (en) * | 2022-11-22 | 2023-04-07 | 江苏省基础地理信息中心 | Integrated processing method and application of natural disaster comprehensive risk census data |
CN115934749B (en) * | 2022-11-22 | 2024-04-09 | 江苏省基础地理信息中心 | Integrated processing method and application of natural disaster comprehensive risk census data |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20190113289A (en) | Automation system for disaster damage investigation | |
JP6770125B2 (en) | Estimated damage prevention due to building renovation | |
Le Cozannet et al. | Space-based earth observations for disaster risk management | |
KR101856490B1 (en) | Method for processing disaster vulnerability information about heavy rain | |
US10032267B2 (en) | Automating the assessment of damage to infrastructure assets | |
US20080208962A1 (en) | Real time automatic update system and method for disaster damage investigation using wireless communication and web-gis | |
US11893538B1 (en) | Intelligent system and method for assessing structural damage using aerial imagery | |
Mück et al. | Assessing building vulnerability to earthquake and tsunami hazard using remotely sensed data | |
Horion et al. | JRC experience on the development of Drought Information Systems | |
WO2023287276A1 (en) | Geographic data processing methods and systems for detecting encroachment by objects into a geographic corridor | |
CN116580532A (en) | Geological disaster early warning system based on radar remote sensing technology | |
KR20080023098A (en) | Disaster state analysis system and method thereof using geographic information system | |
Huyck et al. | Remote sensing for disaster response: A rapid, image-based perspective | |
Lozano et al. | Data collection tools for post-disaster damage assessment of building and lifeline infrastructure systems | |
Amatya et al. | Learnings from rapid response efforts to remotely detect landslides triggered by the August 2021 Nippes earthquake and Tropical Storm Grace in Haiti | |
KR102350252B1 (en) | The method to build and use map library datasets | |
Nguyen et al. | Flood inundation assessment of UNESCO World Heritage Sites using remote sensing and spatial metrics in Hoi An City, Vietnam | |
Davis et al. | Post-Hurricane Michael damage assessment using ADCIRC storm surge hindcast, image classification, and LiDAR | |
KR101941468B1 (en) | Automatic damage detection method using low-resolution satellite images | |
Ozisik | Post-earthquake damage assessment using satellite and aerial video imagery | |
Lozano et al. | Spatial and temporal evolution of post-disaster data for damage assessment of civil infrastructure systems | |
Ramlal et al. | A Rapid Post-Hurricane Building Damage Assessment Methodology using Satellite Imagery. | |
Hu et al. | Framework for prioritizing geospatial data processing tasks during extreme weather events | |
Nwokoye et al. | Development of an Advanced Knowledge Domain for Coordinated Flood Inundation Management in Developing Nations. | |
Miyazaki et al. | Development of a global built-up area map using ASTER satellite images and existing GIS data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |