권호 표지

대한원격탐사학회지 (Korean Journal of Remote Sensing) (Korean Journal of Remote Sensing)

대한원격탐사학회 (Korean Society of Remote Sensing)

  • 격월간
  • /
  • 1225-6161(pISSN)
  • /
  • 2287-9307(eISSN)

과학기술표준분류

  • 에너지/자원 ＞ 자원탐사/개발/활용

Aim & Scope

Korean Journal of Remote Sensing serves the remote sensing community with the publication of results based on theory, technology and applications of remote sensing fields. Thoroughly interdisciplinary, this journal focuses on the research and development of remote sensing science and technologies and promotes the exchange of expert knowledge among remote sensing researchers as well. Areas of interest include, but are not necessarily restricted to: Remote Sensor Technology Novel Sensor Design and Platforms Development Multi-Sensor System Design and On-Board Processing Advances in Remote Sensing Techniques and Applications Multi-Sensor Integration Multi-Platform Remote Sensing Image Processing and Analysis Geospatial Information Sciences (GIS) Remote Sensing in Atmospheric Science and Meteorology Remote Sensing in Oceanography - Remote Sensing in Geology and Geoscience Remote Sensing in Agriculture, Forestry and Ecology Remote Sensing in Earth and Environmental Sciences Remote Sensing in Hydrology and Water Resources

http://www.kjrs.or.kr KSCI KCI SCOPUS

제39권6_2호

  1. 최종국;정한철;김원국;최준명 1523
    https://doi.org/10.7780/kjrs.2023.39.6.2.1 PDF HTML
    Geostationary Ocean Color Imager-II (GOCI-II)는 2020년 2월 성공적으로 발사된 이후 본격적인 검보정 활동을 통해, 산출물 정확도 향상을 위한 다양한 연구들이 진행 중이다. 본 특별호는 GOCI-II 자료의 검보정 및 알고리즘 개선 연구가 시작된 지 2년이 되어가는 현재 시점에서의 GOCI-II 자료 품질 관리 알고리즘을 점검하고, 정확도 향상 및 활용 진행 사항과 관련 연구결과를 소개한다. GOCI-II 영상 자료의 지속적인 검보정 활동을 통해 정확도 높은 자료가 제공되고 활용되기를 기대한다.
  2. 이순주;오금희;강금실;최우창;최종국;안재현 1529
    https://doi.org/10.7780/kjrs.2023.39.6.2.2 PDF HTML
    바다의 색을 관측하여 해양환경을 관측하는 천리안 해양위성 2호(Geostationary Ocean Color Imager-II, GOCI-II)의 자료는 지상국 시스템에서 다양한 보정과정을 거쳐 Raw~Level 2 (L2)로 생산되는데, 각 처리 단계에서 발생하는 품질 정확도는 단계별로 누적되어 위성자료의 오차가 점차 증폭된다. 이에 GOCI-II의 Level-1A/B (L1A/B) 자료에서 발생할 수 있는 광학적 품질 및 위치보정 성능 오차를 측정할 수 있도록 GOCI-II 지상국 시스템을 개선하였다. 신규로 구축된 광학적 품질 및 위치보정 성능 평가 모듈(Radiometric and Geometric Performance Assessment Module, RGPAM)은 시험 운영을 통해 성능 측정, 측정 결과의 표출 및 저장 등 기능들이 정상 운영됨을 확인하였다. RGPAM을 통해 측정된 성능들은 향후 GOCI-II 검출기의 감도 저하에 따른 실시간 복사보정 모델 개선, 위성 L1A/B 자료의 품질 일관성 확인 및 이슈사항에 대한 재보정 방안 마련을 위한 기초자료로 활용될 수 있을 것으로 기대한다.
  3. 김민상;박명숙;안재현;강금실 1541
    https://doi.org/10.7780/kjrs.2023.39.6.2.3 PDF HTML
    해색위성 원격탐사에서 광학센서에서 측정된 전자기 시그날을 태양광 복사휘도로 산출하는 것은 해양 환경 모니터링의 시작이 되는 중요 단계이다. 일반적으로 광학센서가 임무 기간 수많은 촬영을 하면서 감쇄가 일반적이며 이로 인해 발생하는 복사 보정의 불확도는 해수원격반사도, 엽록소-a 농도, 유색용존유기물 등 최종 산출물에 영향을 미치기 때문에, 국제적으로 해색위성의 임무기간 중 자료 연속성을 위한 복사보정의 중요성을 강조해 왔다. 본 연구는 Geostationary Ocean Color Imager-II (GOCI-II) 위성의 지속적인 품질과 정확성을 확보하기 위해 GOCI-II의 복사 보정 알고리즘을 개선 방법을 제시한다. GOCI-II는 궤도상 복사 보정 장치인 태양광 확산기(Solar Diffuser, SD)를 사용하여 gain을 지속적으로 측정하였다. 시계열 분석 결과 gain이 방위각에 따라 계절적 변동을 보임과 동시에 센서의 노후화 가능성을 고려해야 함을 확인하였다. 본 연구에서는 방위각 보정 모델을 도입하여 계절 주기성을 제거하였고, 센서 감쇄 보정 모델을 통해 복사 이득의 비선형적 추세를 산출하였다. 본 연구에서 개선된 복사 보정 알고리즘을 적용하여 대기 최상층(Top of Atmosphere, TOA) 복사휘도의 스펙트럼에 미치는 영향을 확인하였고, 이는 GOCI-II 데이터의 장기적인 안정성 확보를 통해 신뢰성 있는 위성 산출물을 제공함으로써 장기간 트렌드 분석 및 해양 환경 모니터링에 기여할 것으로 기대된다.
  4. 이은경;배수정;안재현;이경상 1553
    https://doi.org/10.7780/kjrs.2023.39.6.2.4 PDF HTML
    천리안 해양관측위성 2호기(Geostationary Ocean Color Imager-II, GOCI-II)는 한반도 주변을 포함한 동북아 해역과 전구 영역을 관측하는 해색 위성으로 지난 10년간 운용된 GOCI의 임무를 이어받아 2020년부터 현재까지 운용되고 있다. 본 연구에서는 해색 데이터 산출에 있어 필수 과정인 대기보정 알고리즘을 개선하기 위해 GOCI 영상을 이용한 GOCI-II 근적외 파장(near-infrared, NIR) 밴드의 대리교정을 수행하였다. 이를 위해 NIR 밴드의 대기상층(top-of-atmosphere, TOA) radiance에 대한 교차보정 연구를 수행하였으며, 그 결과로 대리교정 상수를 도출하였다. 본 연구에서 도출된 대리교정 상수를 이용하여 보정한 결과 두 센서의 offset이 감소하였으며, ratio는 745 nm, 865 nm에 대해 각 1.02, 1.04에서 1.0, 0.99로 개선되었다. 이는 두 센서의 일관성이 높아진 것으로 판단된다. 또한, 대기 분자 산란 보정 반사도(Rayleigh-corrected reflectance, 𝜌rc)는 각각 5.62, 9.52% 증가하였다. 이로 인해 745 nm와 865 nm 𝜌rc의 비율의 차이가 발생했으며, 이는 대기보정 알고리즘 내 에어로졸 광 산란 보정 과정을 통해 모든 밴드의 대기보정 결과에 영향을 줄 수 있다. GOCI, GOCI-II 두 위성의 중복되는 운용 기간이 짧아 2021년 3월의 자료만을 사용하였으나, 향후 타위성과의 지속적인 교차보정 연구를 통해 개선이 가능할 것으로 사료된다. 또한 본 연구에서 도출된 NIR 밴드의 대리교정 상수를 적용하여 가시 채널의 대리교정을 수행하고, 해색 산출물의 정확도에 미치는 영향을 분석할 필요가 있다.
  5. 배수정;이은경;;이경상;김민상;최종국;안재현 1565
    https://doi.org/10.7780/kjrs.2023.39.6.2.5 PDF HTML
    천리안 해양위성 2호(Geostationary Ocean Color Imager-II, GOCI-II)에서 관측된 대기상층 복사휘도에서 해양환경 분석이 가한 원격반사도(remote-sensing reflectance, Rrs) 자료를 얻기 위해서 복사 전달 모델 기반의 대기 보정을 수행한다. 이 Rrs는 다시 엽록소, 총부유사, 용존유기물 농도 등의 다양한 해양환경변수 산출에 이용되고 있기 때문에 대기보정은 모든 해색 산출물의 정확도에 영향을 주는 중요한 알고리즘이다. 맑은 해역에서는 대기의 복사휘도가 청색 파장대의 해수 복사휘도보다 10배 이상 높다. 따라서 대기보정 과정에서 1%의 대기 복사휘도 추정 오차가 10% 이상의 Rrs 오차를 유발할 수 있으며, 이처럼 대기보정은 매우 높은 오차 민감도를 가진 알고리즘이다. 그 결과 대기보정 산출물인 Rrs의 품질 평가는 신뢰성 있는 해양 위성 기반 자료 분석을 위해 반드시 선행되어야 한다. 본 연구에서는 Sea-viewing Wide Field-of-view Sensor (SeaWiFS) Bio-optical Archive and Storage System (SeaBASS)을 통해 데이터베이스화 된 현장 측정 Rrs 기반 통계적 신뢰성을 평가하는 Quality Assurance (QA) 알고리즘을 GOCI-II의 분광 특성에 맞게 수정 및 적용하였다. 이 방법은 National Oceanic and Atmospheric Administration (NOAA)의 해색위성 자료처리 시스템에 공식적으로 적용되어 서비스 중이며, Rrs의 품질 분석 점수(0~1점)를 제공할 뿐 아니라 해수의 유형(23 유형)도 구분해 준다. 실제로 검보정 초기 단계의 GOCI-II 자료에 QA를 적용한 결과, Rrs는 비교적 낮은 값인 0.625에서 가장 높은 빈도를 보여주었지만 추가적인 검보정을 통해 개선된 GOCI-II 대기보정 결과에 QA 알고리즘을 적용했을 시 기존보다 높은 0.875에서 가장 높은 빈도를 보여주었다. QA 알고리즘을 통한 해수 유형 분석 결과, 동해 및 남해 일부 그리고 북서태평양 해역은 주로 탁도가 낮은 case-I 해역이었으며 서해 연안 및 동중국해는 주로 탁도가 높은 case-II 해역으로 구분되었다. 이처럼 QA 알고리즘의 적용을 통해 대기보정 과정에서 오차가 크게 발생한 Rrs 자료를 객관적으로 판별하여 배제할 수 있으며 이는 배포자료 및 검보정의 신뢰도 향상으로 이어질 수 있다. 본 방법은 추후 GOCI-II의 대기보정 flag에 적용되어 사용자들이 양질의 Rrs 자료만을 적용할 수 있도록 도움을 줄 것이다.
  6. 이동욱;유주형;주형태;곽근호 1577
    https://doi.org/10.7780/kjrs.2023.39.6.2.6 PDF HTML
    해양의 모니터링을 위해서는 변화를 예측하는 과정이 필요하다는 것은 널리 인정되고 있다. 이 연구에서는 Geostationary Ocean Color Imager (GOCI) 자료를 이용하여 해양의 변화를 지시할 수 있는 반사도의 시계열 예측을 수행하였다. 이를 위해 다중 규모 Convolutional Long-Short-Term-Memory (ConvLSTM) 모델을 제안하였으며, GOCI-I 자료를 이용하여 모델을 학습하였다. 취득 기간이 다른 GOCI-II 자료를 이용하여 모델의 성능을 검증하였으며, 기존의 ConvLSTM 모델과 성능을 비교하였다. 비교 결과, 제안한 모델은 시공간적 특성을 모두 고려하여 반사도의 변화 경향성을 파악하는데 있어 가장 우수한 결과를 보였다. 장기 예측 결과를 통해 모델이 학습한 반사도의 시간적 변화 경향을 확인하였으며, 이를 이용한 주기적 변화 탐지가 가능할 것으로 기대된다.
  7. 이경상;배수정;이은경;안재현 1591
    https://doi.org/10.7780/kjrs.2023.39.6.2.7 PDF HTML
    해색 원격탐사에서 대기 보정은 자료의 정확도와 신뢰성 확보를 위해 반드시 수행해야하는 과정으로 높은 정확도가 요구된다. 또한 최근 원격 탐사 커뮤니티에서는 위성 자료의 오차에 대한 요구 사항이 증가함에 따라 대기 보정의 보조 자료로 사용되는 기상 변수(오존량, 기압, 바람장, 층적분 수증기량[total precipitable water, TPW])의 오차에 의해 발생하는 원격 반사도(remote sensing reflectance, Rrs)의 오차에 대한 연구가 진행되고 있지만 오차 요인으로 알려진 수증기 프로파일의 변동성에 의한 Rrs의 오차에 대한 연구는 수행되지 않았다. 본 연구에서는 Second Simulation of a Satellite Signal Vector version 2.1 모의를 통해 GOCI-II 관측 영역 내의 수증기 프로파일의 변동성에 따른 수증기 투과도의 오차를 계산하고 이로 인해 발생하는 해색 산출물의 오차에 대해 분석하였다. Radiosonde 관측 수증기 프로파일은 그 형태가 복잡할 뿐만 아니라 지표 부근의 큰 변동성으로 인해 기존 GOCI-II 대기 보정에서 사용하고 있는 US standard 62 수증기 프로파일과의 차이가 최대 0.007만큼 발생하였다. 이로 인해 발생한 수증기 투과도의 차이는 GOCI-II 대기 보정에서 에어로졸 반사도 추정의 차이를 발생시키고, 결과적으로 모든 밴드에서 Rrs의 오차가 발생하였다. 하지만 412-555 nm 밴드에서 수증기 프로파일 차이로 인한 Rrs 오차는 요구 정확도보다 낮은 2% 미만으로 나타났으며, 다른 해색 산출물인 클로로필(chlorophyll-a) 농도, 용존 유기물, 총 부유물 농도에서도 유사한 오차를 보이고 있다. 본 연구의 결과는 대기 보정 및 해색 산출물의 정확도에 있어 수증기 프로파일의 차이의 영향이 적다는 것을 의미한다. 하지만 추후 연구에서 수증기 흡광 보정 시 수증기 프로파일의 변동성을 고려할 경우 보다 높은 수준의 Rrs 정확도 확보를 기대할 수 있다.
  8. 김소현;김대원;조영헌 1605
    https://doi.org/10.7780/kjrs.2023.39.6.2.8 PDF HTML
    해양 내의 다양한 물리적 변화는 수온과 염분의 지속적인 변동에 의해 결정된다. 수온과 더불어 넓은 영역의 염분 변화를 파악하기 위해서는 인공위성 자료에 의존할 수밖에 없다. 그럼에도 불구하고 염분을 관측하는 위성인 Soil Moisture Active Passive (SMAP)는 낮은 시·공간 해상도로 인해 연안 근처에서 빠르게 변화하는 해양환경을 관측하기에는 어렵다는 한계가 존재한다. 이러한 한계를 극복하기 위해 본 연구에서는 천리안 해양 관측 위성의 정지궤도 해색 센서인 Geostationary Ocean Color Imager-II (GOCI-II) 원격반사도 자료를 입력자료로 하여 고해상도 표층 염분을 산출하는 Multi-layer Perceptron Neural Network (MPNN) 기반의 알고리즘을 개발하였다. SMAP과 비교한 결과 coefficient of determination (R2)는 0.94, root mean square error (RMSE)는 0.58 psu 그리고 relative root mean square error (RRMSE)는 1.87%였으며, 공간적인 분포 또한 매우 유사한 결과를 나타냈다. R2의 공간 분포는 0.8 이상을 보여주었으며 RMSE는 전반적으로 1 psu 이하의 낮은 값을 보여주었다. 이어도 과학기지에서의 실측 염분값과도 비교하였지만 상대적으로 조금 낮은 결과를 보여주었다. 이에 대한 원인을 분석하였으며, 산출된 GOCI-II 기반 고해상도 염분 자료를 활용하여 2022년 11호 태풍 힌남노에 의한 하루 동안의 동중국해 표층 염분 변화를 표준편차로 계산하였다. 그 결과 SMAP에서 관측할 수 없는 시공간의 염분 변화를 고해상도의 GOCI-II 기반 염분 산출물을 통해 확인할 수 있었다. 따라서 본 연구를 통해 시간 단위로 변화하는 해양환경 모니터링에 큰 기여를 할 것으로 기대된다.
  9. 이한빛;김주은;김문선;김동수;민승환;김태호 1615
    https://doi.org/10.7780/kjrs.2023.39.6.2.9 PDF HTML
    괭생이모자반은 황해 및 동중국해에서 대규모 번식하는 부유조류 중 하나로 우리나라 연안에 유입되어 환경 파괴 및 양식업 피해 등 다양한 문제점을 야기한다. 효율적인 피해 예방 및 연안 환경 보존을 위하여 최근 인공위성 기반 원격탐사 기술을 활용한 괭생이모자반 탐지 알고리즘 개발이 활발하게 이루어지고 있다. 하지만, 잘못된 탐지 정보는 해상 수거 선박의 이동 거리 증가, 지자체나 유관기관의 대응 혼선 등을 유발하므로 괭생이모자반 공간정보 생산 시 오탐지 최소화는 매우 중요하다. 본 연구는 국립해양조사원 국가해양위성센터의 GOCI-II 기반 괭생이모자반 탐지 알고리즘을 활용하여 자동으로 오탐지 화소를 제거하는 기술을 적용하였다. 주요 오탐지 발생 원인 분석 결과를 바탕으로 선형·산발적 오탐지 및 봄, 여름철에 중국 연안에서 대량으로 발생하는 녹조류를 오탐지로 간주하여 제거하는 과정을 포함하였다. 2022년 2월 24일부터 6월 25일까지 괭생이모자반 발생일을 대상으로 오탐지 자동 제거 기법을 적용하고, 중해상도 위성 영상을 이용하여 육안 판독 결과를 생성하고 정성적, 정량적 평가를 수행하였다. 선형 오탐지는 완전히 제거하였으며, 산발적 및 녹조 오탐지는 분포 파악에 영향을 주는 대부분의 오탐지 결과를 제거하였다. 자동 오탐지 제거 과정 이후에도 육안 판독 결과 대비 괭생이모자반의 분포 면적 확인이 가능하였으며, 이진분류모델을 이용하여 정확도와 정밀도는 각각 평균 97.73%, 95.4%로 산출하였다. 재현율은 매우 낮은 29.03%였는데, 이는 GOCI-II와 중해상도 위성영상의 관측 시간 불일치에 의한 괭생이모자반 이동 영향, 공간해상도 차이, 정사보정에 따른 위치 편차, 그리고 구름 마스킹 영향에 의한 것으로 추정하였다. 본 연구의 괭생이모자반 오탐지 제거 결과는 공간적인 분포 현황을 준실시간으로 파악할 수 있으나 생체량을 정확하게 추정하는 것은 한계가 존재하였다. 따라서, 지속적인 괭생이모자반 모니터링 시스템 고도화 연구를 통해 향후 괭생이모자반 대응계획수립을 위한 자료로 활용하고자 한다.
  10. 이선주;최종국;박명숙;김상우 1635
    https://doi.org/10.7780/kjrs.2023.39.6.2.10 PDF HTML
    지구온난화로 인한 해수면온도 상승은 해양 생태계와 해양 생물에 열적 스트레스를 유발하여 해양 종의 생산성과 분포에 심각한 영향을 미친다. 이와 관련하여 최근 우리나라의 수산자원 중 살오징어의 어획량이 지속적으로 감소하고 있다. 본 연구에서는 지속적인 수산자원 관리를 위하여 어장 형성에 영향을 주는 해양환경을 분석하고 천리안해양관측위성 자료를 비롯한 여러 위성자료들을 이용하여 계절별 살오징어 서식지적합 모델을 개발하였다. 해수면온도는 14.11-26.16℃, 해수면높이는 0.56-0.82 m, 엽록소-a 농도는 0.31-1.52 mg m-3, 일차생산량은 580.96-1574.13 mg C m-2 day-1인 범위에서 평균적으로 약 83%의 살오징어가 어획되는 것을 확인하였다. 계절별로 적합지수를 곡선 접합한 후, 네 가지 통계 방법으로 서식지적합지수를 개발하였고 그 중 산술평균을 사용한 모델이 가장 좋은 성능을 보였다. 개발한 통계 모델과 2019년 어획량 자료와 비교하였을 때, 계절별로 다른 해역에 생성되는 어장과 어획량이 높은 곳에 서식지적합지수가 높게 나타나는 것을 확인하여 모델이 잘 개발될 것을 볼 수 있었다. 또한, 살오징어의 어장 형성과 관련이 높은 해수면온도의 뚜렷한 증가 추세를 확인하였으며 앞으로 지속될 해양 온난화에 의해 어장이 변화할 것으로 예상이 된다. 수산자원 관리를 위해서는 꾸준히 모니터링하는 것이 필요하다고 보여진다.
  11. 김진영;장소영;권재엽;김태호 1651
    https://doi.org/10.7780/kjrs.2023.39.6.2.11 PDF HTML
    해빙(sea ice)은 현재 전 세계 해양 면적의 약 7%를 차지하고 있으며 계절적, 연간 변화를 보이고 주로 극지방과 고위도 지역에 나타난다. 해빙은 대규모 공간 규모에서 다양한 종류로 형성되며 석유 및 가스탐사, 기타 해양활동이 급속히 증가하는 발해해는 해양 구조물 피해 및 해상 운송, 해양 생태계에 심각한 영향을 미치기 때문에 시계열 모니터링을 통해 해빙의 면적 및 유형 분류를 분석하는 것이 매우 중요하다. 현재 고해상도 위성영상 및 현장 실측 자료를 바탕으로 해빙의 종류 및 영역에 대한 연구가 진행되고 있지만 현장 실측자료를 획득하여 해빙 모니터링에는 한계가 있다. 고해상도 광학 위성영상은 광범위에서 해빙의 유형을 육안으로 탐지하고 식별할 수 있고, 짧은 시간해상도를 갖는 해양위성인 천리안 2B호(Geostationary Ocean Color Imager-II, GOCI-II)를 이용하여 해빙 모니터링의 공백을 보완할 수 있다. 이 연구에서는 고해상도 광학위성영상을 이용하여 생산된 학습자료를 기반으로 규칙기반 기계학습 모델을 훈련시키고 이를 GOCI-II 영상에서 탐지를 수행함으로써, 해빙 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 발해(Bohai Sea)의 2021-2022년 랴오둥만(Liaodong Bay)을 대상으로 추출하였으며, GOCI-II를 활용한 Random Forest (RF) 모델을 구축하여 기존 normalized difference snow index (NDSI) 지수 기반 및 고해상도 위성영상에서 획득된 해빙 영역과 정성적 및 정량적 비교 분석하였다. 본 연구 결과 해빙의 영역을 과소평가한 NDSI 지수 기반 결과와 달리 비교적 자세한 해빙 영역을 탐지하였으며 유형별 해빙을 분류할 수 있어 해빙 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 및 해빙형성에 영향인자 구축을 통해 탐지 모델의 정확도를 향상시킨다면 고위도 해양 지역에서 해빙 모니터링 분야에 활용할 수 있을 것으로 기대된다.