• 한국광학회지
• /
• 제25권1호
• /
• pp.1-7
• /
• 2014

구름에서의 다중산란 효과는 Mie 산란현상을 이용하는 탄성산란 라이다에서 그 해를 구하는데 있어서, 매우 중요한 오차요인으로 작용하기 때문에 이 효과를 보정하는 것은 그 자체만으로도 매우 중요하다. 이를 위하여 구름에서 다중산란되는 현상을 Monte Carlo 방법으로 계산하였으며, 이 결과를 적용하여 물방울 구름의 총량과 유효입자크기를 추출하는 방법을 제안하였다. 구름의 유효입자 크기가 $2.5{\mu}m$ 이하일 경우엔 355 nm나 1064 nm에서 얻은 두 파장의 소광계수로 쉽게 그 값들을 구할 수 있음을 알 수 있었다. 크기가 큰 경우엔 라이다 신호의 안정화된 선형편광도가 유효입자크기, 총량, 그리고 소광계수와 관련이 있음을 알 수 있었으며, 이 관계를 통하여 큰 입자의 경우에도 라만 라이다와 편광 라이다를 이용한다면 유효입자크기와 총량을 구할 수 있다는 것을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제23권2호
• /
• pp.71-87
• /
• 2007

본 연구는 NASA/GSFC에서 제공하는 MODIS 구름 산출물 자료를 활용하여 국지적 현상으로 나타난 영동지역의 14개 대설 사례를 분석하였다. MODIS에 의해 특정시간에 관측된 영동지역의 구름은 운정 온도(CTT), 광학 두께(COT), 유효 입자 반경$(r_e)$, 입자상(CP)과 같이 구름 내 속성의 특징에 따라 A, B, C 형으로 분류하였다. 각각의 구름 형태에 대한 강수량과 구름의 속성 사이의 연관성 분석에서 COT는 A와 B형에서 상당히 높은 통계적으로 유의한 관계성을 보였으며, CTT는 A형에서만 높은 상관성을 보였다. 그렇지만, C형에서는 통계적으로 유의한 관계성이 구름의 특성물에 대해 나타나지 않았다. A형 구름은 작은 크기의 물방울과 함께 주로 낮은 층운형 구름으로 구성되어 있으며, 동해에서 종관적으로 유도된 하층 한기 이류 하에서 발생할 수 있다. B형 구름은 발달하는 적운형 구름과 관련되어 있으며, 이러한 구름은 동해상에서 발달하는 저기압 중심과 밀접하게 관련되어 있다. 그렇지만, C형 구름은 다층 구름들로써 영동대설과 직접적으로 관련된 하층 구름을 상층구름이 덮고 있어 위성 관측이 어렵다. 따라서 MODIS 구름 산출물은 영동대설의 경우에 다층 구름을 제외하고 위성 자료로부터 강수량 추정과 대설 기작을 이해하는데 도움이 될 수 있다고 결론지을 수 있다.

• 대기
• /
• 제29권1호
• /
• pp.105-112
• /
• 2019

대기 중에 지름이 약 1.68 mm 이상인 물방울이 존재하는 경우, 연직방향으로 주사하는 구름레이더에서 미(Mie) 기법을 사용하여 공기의 연직속도를 구할 수 있다. 이 리뷰논문에서는 강수가 있는 작은 적운 구름에서 구름레이더를 사용하여 공기의 연직속도를 구할 수 있는 방법을 정리하였다. 공기의 연직속도는 첫 번째 미(Mie) 최소치가 이론적으로 가지는 낙하속도와 스펙트럼상에서 첫 번째 미(Mie) 최소치가 실제로 관측된 시선속도와의 차이로 추정할 수 있다. 구름레이더가 항공기에 탑재된 경우에는, 항공기의 운동 및 자세각이, 관측된 도플러속도의 연직성분에 영향을 미치므로 이 항들을 보정하여 공기의 연직속도를 구할 수 있다. 항공용 도플러 레이더의 경우, 미(Mie)기법으로 구한 공기의 연직속도는 구름입자로부터 직접 후방산란 되어 관측된 연직속도 및 항공기 운항시스템으로부터 구한 연직속도와 잘 일치하는 결과를 보여주었다. 구름 레이더로부터 미(Mie) 산란 특징을 이용하여 연직속도를 추정하는 이 기술은 강수 및 비강수 구름시스템에서의 연직속도장 매핑(mapping)에 응용할 수 있다. 또한 여러 고도에서의 항공기 관측을 통하여, 연직속도의 총체적인 구조뿐 만 아니라 폭풍우의 성장, 발달, 소멸 주기(life cycle)를 재구성할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1181-1189
• /
• 2022

구름은 대기 중에 떠 있는 작은 물방울이나 얼음 알갱이들 또는 혼합물 등으로 구성되며 지구 표면의 약 2/3를 덮고 있다. 위성영상내에서의 구름은 일부 다른 지상 물체 또는 지표면과 유사한 반사도 특성으로 인해 구름과 구름이 아닌 영역을 분리하는 구름탐지는 매우 어려운 작업이다. 특히 뚜렷한 특징을 가지는 두꺼운 구름과 달리 얇은 반투명 구름은 위성영상내에서 구름과 배경의 대비가 약하고 지표면과 혼합되어져 나타나기 때문에 대부분 구름탐지에서 쉽게 놓쳐지고 많은 어려움을 주는 대상으로 작용한다. 이러한 구름탐지의 반투명 구름의 한계점을 극복하기 위해, 본 연구에서는 머신러닝 기법(Random Forest [RF], Convolutional Neural Networks [CNN])을 활용하여 반투명 구름을 중점으로 한 구름탐지 연구를 수행하였다. Reference자료로는 MOderate Resolution Imaging Spectroradiometer (MODIS)에서 제공하는 MOD35자료에서 Cloud Mask와 Cirrus Mask를 활용하였으며 반투명 구름 픽셀을 고려한 모델 훈련을 위해 훈련 데이터의 픽셀 비율을 구름, 반투명 구름, 청천이 약 1:1:1이 되도록 구성하였다. 연구의 정성적 비교 결과, RF와 CNN 모두 반투명 구름을 포함한 다양한 형태의 구름 등을 잘 탐지하였고, RF 모델 결과와 CNN 모델 결과를 혼합한 RF+CNN경우에는 개별 모델의 한계점을 개선시키며 구름탐지가 잘 수행되어진 것을 확인하였다. 연구의 정량적 결과 RF의 전체 정확도(OA) 값은 92%, CNN은 94.11%를 보였고, RF+CNN은 94.29%의 정확도를 보였다.

• 대한원격탐사학회지
• /
• 제32권2호
• /
• pp.119-131
• /
• 2016

한반도 에어로졸 라이다 관측 네트워크(Korea Aerosol Lidar Observation Network; KALION)의 라이다 관측자료 처리 및 실시간 표출을 위한 표준 알고리즘을 개발하였다. KALION 표준 알고리즘은 라이다 관측으로부터 얻어진 후방산란강도와 편광소멸도 자료를 이용하여 (1) 에어로졸과 구름 구분, (2) 에어로졸 유형 구분, (3) 에어로졸 소산계수 그리고 (4) 에어로졸 질량농도를 산출하는 단계로 구성이 되어 있다. 에어로졸의 유형은 후방산란강도와 편광소멸도 자료에 근거하여, (대륙 기원) 청정기단 에어로졸(clean continental aerosol), 황사(dust aerosol) 그리고 오염 입자(polluted continental/urban pollution aerosol)로 구별된다. 에어로졸 소산계수에 필요한 라이다 상수는 약 9년간의 라이다와 스카이 라디오미터 자료로부터 도출된 63.31 sr을, 에어로졸 질량소산효율은 약 9년간의 라이다와 기상청 Particulate Matter($PM_{10}$) 질량농도 자료를 이용하여 도출된 $3.36m^2\;g^{-1}$ (황사는 $1.39m^2\;g^{-1}$)을 적용한다. 2015년 3월 28일부터 30일까지 라이다 관측 사례(서울 관악)에서 KALION 표준 알고리즘을 통해 산출된 에어로졸 유형 구분, 특히 황사 판별 결과는 기상청의 황사 보고와 잘 일치하였으며, 2006년 6월부터 약 9년 동안의 라이다 관측자료로부터 산출된 에어로졸 질량농도 역시 지상 $PM_{10}$ 농도와 약 $3{\mu}g\;m^{-3}$ 내에서 잘 일치하였다. 향후 에어로졸의 유형에 따른 서로 다른 라이다 상수 및 에어로졸 질량소산효율 적용 알고리즘, 빙정 구름(ice cloud)과 물방울 구름(water droplet cloud) 구분 알고리즘, 그리고 운저 고도와 혼합고 판별 알고리즘을 개발할 계획에 있다.