Caramel LabCaramel Lab
#

초분광

2편의 한국어 분석 — 최신순으로 정렬했어요

환경공학발표 2026.09· 0

UAV 초분광 영상 활용 SIF-ET 증발산 추정

증발산량(ET)의 정확한 추정은 농업용수 관리 및 지표면-대기 상호작용 이해에 필수적입니다. 기존 열 및 광학 원격 감지 기술은 ET 추정에 유용하지만, 경험적 매개변수화, 복잡한 보정, 제한된 적용성 등의 한계가 있습니다. 식생 광합성의 직접적인 지표인 태양유도 엽록소 형광(SIF)은 SIF-GPP 관계에 대한 현장별 경험적 보정 없이도 기계론적 프레임워크를 통해 일관되고 정확한 ET 추정을 가능하게 합니다. 그러나 현재 SIF 기반 ET 추정은 주로 저해상도 위성 데이터에 의존하며, 농경지에서 고해상도 ET 역학을 파악하는 능력은 아직 미개척 분야였습니다. 본 연구에서는 이 문제를 해결하기 위해 기계론적 광 반응 모델과 탄소-물 관계를 통합하여 UAV 협대역 초분광 영상을 활용한 포장 규모 SIF-ET 모델을 구축했습니다. 주요 결과는 다음과 같습니다. 첫째, UAV 초분광 영상에서 SCOPE 모델을 사용하여 고해상도 작물(유채, 콩, 밀) 캐노피 SIF 740을 1nm 스펙트럼 해상도로 추출했습니다. 둘째, SIF-ET 모델의 일일 ET 추정치는 다양한 생육 단계 및 물-질소 처리 조건에서 현장 측정값과 비교 검증되었으며, 밀에서 가장 높은 정밀도(R²=0.72–0.94)를 보였고 유채와 콩이 그 뒤를 이었습니다. 셋째, 각 생육 단계 내 반복적인 UAV 관측에서 누적 ET 오차가 허용 가능한 범위 내에 머물러 장기 ET 역학을 포착하는 SIF-ET 모델의 안정성을 입증했습니다. 결론적으로, UAV 초분광 영상 기반 SIF-ET 모델은 농경지 ET의 미세 규모 시공간적 이질성을 성공적으로 밝혀냈습니다. 이러한 결과는 변화하는 환경 조건에서 정밀 관개, 합리적인 물-질소 관리, 스트레스 진단에 중요한 정보를 제공합니다.

재료공학발표 2026.08· 3최근 1년 3회

딥러닝 기반 초분광 편광 실시간 이미징

빛은 강도, 편광, 스펙트럼 등 다차원 정보를 내재하고 있으며, 이를 단일 노출로 동시에, 즉각적으로, 그리고 정확하게 포착하는 소형 장치 개발은 다양한 분야에서 중요하나 여전히 난제로 남아있습니다. 본 연구는 이러한 문제 해결을 목표로 합니다. 본 연구에서는 잔차 주의 네트워크(residual attention network)로 강화된 메타표면 통합 근적외선 카메라를 통해 1150-1650 nm의 넓은 파장 범위에서 167개 스펙트럼 채널을 갖는 고정밀 초분광 전-스토크스 편광 실시간 이미징 기술을 시연합니다. 편광 다중화와 스펙트럼 분산을 동시에 수행하는 메타표면은 다차원 인코더 역할을 하며, 맞춤형 딥러닝 네트워크가 빛의 다차원 정보를 고정확도로 재구성하도록 훈련되었습니다. 이 기술은 스펙트럼 및 이미지 해상도, 스펙트럼 및 편광 재구성 정확도 등 모든 핵심 성능 지표에서 기존 초분광 편광 카메라의 최고 사양을 수 배에서 한 자릿수 이상 능가합니다. 이를 통해 복잡하게 결합된 다차원 정보도 효과적으로 분석할 수 있습니다. 또한, 데이터 획득, 처리 및 추론에 단 18ms가 소요되어 초당 55프레임의 고차원 초분광 편광 이미징을 실시간으로 구현합니다. 본 연구는 소형 카메라를 이용한 고정밀 초분광 편광 실시간 이미징을 가능하게 하는 유망한 솔루션을 제시하며, 재료 분석, 의료 진단, 원격 감지 등 다양한 응용 분야에 기여할 것으로 기대됩니다.

연구 트렌드로 돌아가기