• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.261-263
• /
• 2009

본 논문에서는 퍼지 기법을 이용하여 구름의 종류를 분석하는 방법을 제안한다. 제안된 방법은 각각 영상에 대해 R채널의 임계치를 적용하여 잡음을 제거하며, 잡음 영역이 제거된 각각의 근적외 영상과 가시 영상의 반사 특성 및 근적외 영상과 적외 영상의 방출 특성의 특징을 구한 후, 각각의 임계치를 적용하여 1차적으로 구름을 판별한다. 1차적으로 구름 판별에서 제외된 영역에 대해서는 가시 및 적외 영상의 R 채널 값을 퍼지 기법에 적용하여 2차적으로 구름의 종류를 판별한다. 1차적으로 판별된 구름 영역과 2차적으로 판별된 구름 영역을 합성하여 최종 구름 영역을 도출한다. 제안된 방법을 실험한 결과, 기존의 구름 분류 방법보다 제안된 방법이 구름 분류의 성능이 개선된 것을 확인하였다.

• Korean Journal of Remote Sensing
• /
• v.23 no.2
• /
• pp.71-87
• /
• 2007

In this study, 14 heavy snow events in Yeongdong area which are local phenomena are analyzed using MODIS cloud products provided from NASA/GSFC. The clouds of Yeongdong area at observed at specific time by MODIS are classified into A, B, C Types, based on the characteristic of cloud properties: cloud top temperature, cloud optical thickness, Effective Particle Radius, and Cloud Particle Phase. The analysis of relations between cloud properties and precipitation amount for each cloud type show that there are statistically significant correlations between Cloud Optical Thickness and precipitation amount for both A and B type and also significant correlation is found between Cloud Top Temperature and precipitation amount for A type. However, for C type there is not any significant correlations between cloud properties and precipitation amount. A-type clouds are mainly lower stratus clouds with small-size droplet, which may be formed under the low level cold advection derived synoptically in the East sea. B-type clouds are developed cumuliform clouds, which are closely related to the low pressure center developing over the East sea. On the other hand, C-type clouds are likely multi-layer clouds, which make satellite observation difficult due to covering of high clouds over low level clouds directly related with Yeongdong heavy snow. It is, therefore, concluded that MODIS cloud products may be useful except the multi-layer clouds for understanding the mechanism of heavy snow and estimating the precipitation amount from satellite data in the case of Yeongdong heavy snow.

• 한국지구과학회:학술대회논문집
• /
• 2003.09a
• /
• pp.112-125
• /
• 2003

구름의 몬순의 활동에 있어서 직접적으로나 간접적으로 영향을 준다. 본 연구에서는 이러한 구름이 몬순의 활동에 어떠한 영향을 주는지를 알아보기 위해 ISCCP 구름자료와 GAME 재분석 자료를 입력자료로한 장파 복사 모델을 수행하였다. 모델 수행의 결과로 얻어진 대기 상부에서의 플럭스는 CERES 관측치와 비교하였으며, 구름에 의한 가열율은 몬순활동을 해석하기 위해 사용하였다. 구름이 몬순에 끼치는 영향을 파악하기 위해 맑은 대기의 가열율과 구름을 포함한 평균 대기의 가열율의 차이를 구하였으며, 이를 수평과 연직분포의 관점에서 해석하였다. 가열율의 지리적 분포는 수평적으로는 인도양에서 장파 복사 가열율의 최대가 나타났으며, 가열의 최저 (냉각)은 티벳고원에 나타났다. 이러한 공간적 분포는 구름이 남북방향으로 차등가열을 유발시키고 있음을 보여주고 있어 구름의 분포가 열적인 몬순순환을 강화시켜주고 있음을 시사하고 있다. 이러한 차등가열의 강화는 동서방향으로도 나타나 구름이 동서방향 순환에도 영향을 줄 수 있음을 보여준다. 구름에 의한 복사 가열의 연직구조는 운정에 의한 냉각과 운저에 의한 가열이 일어날 수 있음을 보여주고 있으며, 이로 인해 대기의 불안정성이 높아져 연직 운동을 향상시킬 수 있는 역할을 하고 있음이 밝혀졌다. 즉 몬순순환에 의해 생성된 구름은 구름 생성의 원인이 되었던 순환을 더욱 강화시키고 있음을 보이고 있다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.13 no.6
• /
• pp.1181-1187
• /
• 2009

In this paper, we proposed a method to analyze kind of clouds using a fuzzy reasoning method. In the proposed method, we used the clues that G channel value is dominant from RGB color values in land areas and B channel value is dominant in the sea areas discovered by the analyses of both visible images and infrared images. By these information, R and B channel values are applied to land areas and R and G channel values are applied to the sea areas. Noise areas(areas except cloud areas) are removed from a visible image and an infrared image by a threshold value, and then land areas and the sea areas are discriminated from the noise removed image. Cloud areas are extracted from discriminated areas using R, G, B channel values and a fuzzy reasoning method, and finally kind of clouds is decided by combining same cloud areas included in both the visible image and the infrared image. In comparison with a conventional quantization method, we verified that the performance of cloud analysis by the proposed method is more efficient through experiments.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.05a
• /
• pp.355-359
• /
• 2009

본 논문에서는 퍼지 기법을 이용하여 구름의 종류를 분석하는 방법을 제안한다. 본 논문에서는 가시 영상과 적외 영상을 대상으로 육지 영역은 RGB 컬러 정보 중에 G 채널 값의 수치가 높고, 바다영역에서는 B 채널 값의 수치가 높다는 정보를 이용한다. 이 정보를 이용하여 육지 영역에서는 R과 B 채널 값을 적용하고, 바다 영역에서는 R과 G 채널 값을 적용한다. 가시 영상과 적외 영상에서 임계치를 적용하여 잡음(구름 이외의 영역)을 제거하고, 잡음을 제거한 영상에서 육지 영역과 바다 영역을 구분한 후, 각 R, G, B 채널 정보를 퍼지 기법에 적용하여 구름 영역을 판별한다. 그리고 가시영상과 적외 영상에 모두 포함된 구름 영역에 대해서는 두 영상을 합성하여 구름을 판별한다. 제안된 기법을 구름 분류에 적용한 결과, 제안된 방법이 기존의 양자화를 적용한 방법보다 구름의 분류 성능이 개선된 것을 확인하였다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.169-174
• /
• 2007

식생지수 시계열 자료를 이용한 식생 및 토지피복 모니터링을 수행하기 위해서는 구름으로 인한 누락 및 왜곡된 식생지수 문제를 먼저 해결해야만 한다. 특히 한반도와 같이 여름철 집중 호우기에 대부분의 영상에 구름이 존재하는 경우 이들 구름화소를 제거하거나 복원하지 않을 경우, 분석 결과에 상당한 왜곡이 발생하거나 특정 시기의 영상자료를 분석에 반영할 수 없는 경우가 발생하게 된다. HANTS 알고리즘은 이 같은 구름 화소 문제를 해결하기 위한 알고리즘으로 연중 식생지수의 변화는 비교적 단순한 반복적 주기함수의 형태를 가지므로 소수의 cos 함수를 이용한 푸리에 근사식으로 전체 연중 식생지수를 표현할 수 있다는 가정에서 출발한다. 이 때 구름화소로 인한 원식생지수와의 차이가 특정 임계값을 초과하였을 경우 해당 관측치를 근사과정에서 제외함으로써 구름의 영향을 받지 않은 식생지수 시계열 자료만을 이용하게 된다. 이 과정을 수행하기 위해서는 몇몇 제어변수의 설정이 필요한데, 본 연구에서는 한반도와 같이 특정 시기에 장기간 구름이 분포하는 상황에서 최적의 식생지수 복원을 위한 HANTS 알고리즘의 제어변수를 선정하고 재구축된 식생지수를 평가하였다. 이를 위한 실험으로 2002년 대전 지역의 MODIS Terra 식생지수 시계열 영상을 대상으로 HANTS 알고리즘을 주요 식생피복별로 적용해 보았다.

• 한국지구과학회:학술대회논문집
• /
• 2010.04a
• /
• pp.38-39
• /
• 2010

낙뢰란 뇌운 속에서 분리 축적 된 음 (-)과 양 (+)의 전하 사이 또는 뇌운 속의 전하와 지면에 유도되는 전하 사이에서 발생하는 불꽃 방전을 말한다. 뇌운 안에는 이 불꽃 방전을 반복하기에 충분한 전하의 분리가 계속 일어나고 있는데, 그 결과 양전하 (+)는 구름의 상부에 넓게 분산되어 분포하고, 음전하 (-)는 주로 구름 하부에 분포한다. 이 때 음전하가 대지로 방전되어 발생하는 낙뢰를 부극성 (-)낙뢰, 양전하가 대지로 방전되어 발생하는 낙뢰를 정극성 (+)낙뢰라 한다. 낙뢰의 약 80%는 구름 내부 또는 구름 대 구름 사이에서 발생하고, 약 20%만이 구름과 지면 사이에서 발생하는데, 이러한 구름-지면 낙뢰 (Cloud-to-ground lightning)는 가장 위험하고 그 피해도 크다. 우리나라는 동아시아 몬순 기후의 영향으로 여름철에 대기가 불안정하여 낙뢰가 집중적으로 발생하며, 복잡한 지형과 해양의 영향으로 낙뢰현상의 공간적 변동도 크게 나타난다. 이러한 낙뢰는 최근으로 올수록 강도가 증가하고 있어 그 피해의 증가가 우려되기 때문에 낙뢰 발생 특성에 대한 연구가 필요하다. 본 연구에서는 낙뢰자료와 강수자료, 그리고 시 공간 분해능이 뛰어난 MTSAT-1R (Multi-functional Transport SATellite - 1 Replacement) 정지궤도 위성의 휘도온도를 이용하여 낙뢰 발생 시 강수 및 위성 휘도온도의 특성을 분석하고자 한다. 이러한 연구는 대류활동에 대한 정보 제공 뿐 아니라, 낙뢰 예측성 향상 및 재해 경감에도 활용될 수 있을 것이다. 본 연구에서는 2001년 기상청에 도입되어 운영 중인 신 낙뢰관측 시스템 (Total Lightning Detection System, TLDS)에서 관측된 낙뢰자료와 MTSAT-1R 위성에서 관측된 휘도온도 자료, 그리고 자동기상관측장비 (Automatic Weather System, AWS)에서 관측된 강수자료를 사용하였으며, 세 자료의 출처는 모두 기상청이다. 분석 기간은 2006년부터 2007년까지이며 우리나라에서 낙뢰발생 빈도가 여름철에 집중되어 나타나는 것을 고려하여 여름철 (6~8월) 낙뢰에 대해서만 분석하였다. 또한 낙뢰 발생 사례에 대하여 관측 효율이 90% 이상으로 알려진 위도 $33{\sim}39^{\circ}N$, 경도 $124{\sim}130^{\circ}E$ 영역에서 낙뢰발생시 강수 및 위성 휘도온도의 특성을 분석하였다. 사례는 낙뢰 발생 횟수가 많은 날을 중심으로 먼저 적외영상과 낙뢰영상을 정성적으로 분석한 후 뇌우의 지속시간이 긴 9개 사례를 선정하였다. MTSAT-1R 위성과 낙뢰자료 및 강수자료는 관측주기와 공간규모가 서로 다르기 때문에 세 자료를 함께 사용하기 위해서는 시 공간을 일치시키는 과정이 필요하다. 본 연구에서는 위성자료 관측시간(00분, 33분)과 AWS 지점 위 경도를 시 공간 일치를 위한 기준으로 사용하였다.

• Journal of Satellite, Information and Communications
• /
• v.8 no.3
• /
• pp.32-40
• /
• 2013

The Boltwood Cloud Sensor is meteorological sensor that is used to estimate an amount of clouds in the sky. This sensor will be installed for OWL(Optical Wide-field patroL) telescope and observatory system of Korea Astronomy and Space Science. Before applying this sensor to an observatory system, we performed test observations at Chungbuk University Observatory at Jincheon, Chungbuk. During the test run, a significant correlation between air temperature difference and the number of visible stars recorded in the CCD frames has not been found. This preliminary result can be attributed to test environment of the observation and our lack of knowledge on calculation algorithm as well as the hardware system of the Boltwood Cloud Sensor.In this paper, we present the procedure and the result of the performance test employing the cloud sensor.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.5 no.2 s.17
• /
• pp.45-56
• /
• 2005

Cloud meteorological properties over Daegwallyeong mountain area were analyzed for experimental cloud seeding which related to a feasibility study of fog modification. The cloud seeding for fog modification has been refocused to using hygroscopic chemical to dissipate warm fog. In this study, the statistics of fog observations were analyzed and discussed. Fog properties mostly showed the Summer warm fog, the early morning occurrences before to 6 o'clock AM, and 7 to 9 o'clock dissipation in the statistics. In the Spring and Winter season an easterly wind produced cold fog which is good applied with AgI seeding agents. Extrapolation of these results suggests that the suitable seeding method and material for fog modification will be introduced from the actual seeding experiments in the cold and warm fog.

• Korean Journal of Remote Sensing
• /
• v.39 no.2
• /
• pp.143-156
• /
• 2023

To precisely and reliably analyze the contents of the satellite imagery, recognizing the clouds which are the obstacle to gathering the useful information is essential. In recent times, deep learning yielded satisfactory results in various tasks, so many studies using deep neural networks have been conducted to improve the performance of cloud detection. However, existing methods for cloud detection have the limitation on increasing the performance due to the adopting the network models for semantic image segmentation without modification. To tackle this problem, we introduced the multi-branch neural architecture search to find optimal network structure for cloud detection. Additionally, the proposed method adopts the soft intersection over union (IoU) as loss function to mitigate the disagreement between the loss function and the evaluation metric and uses the various data augmentation methods. The experiments are conducted using the cloud detection dataset acquired by Arirang-3/3A satellite imagery. The experimental results showed that the proposed network which are searched network architecture using cloud dataset is 4% higher than the existing network model which are searched network structure using urban street scenes with regard to the IoU. Also, the experimental results showed that the soft IoU exhibits the best performance on cloud detection among the various loss functions. When comparing the proposed method with the state-of-the-art (SOTA) models in the field of semantic segmentation, the proposed method showed better performance than the SOTA models with regard to the mean IoU and overall accuracy.