• 대한원격탐사학회지
• /
• 제14권3호
• /
• pp.277-284
• /
• 1998

해색관측센서 (OSMI)의 월별 자료수집계획을 수립하기 위해 색소농도, 운량 및 태양반사의 세가지 영향요소에 대한 전구분포가 검토되었다. 위성의 임무 제한조건 (예, 임무주기)을 제외한 이들 세 요소들은 OSMI 자료수집에 매우 중요한 것으로 간주된다. Nimbus-7 CZCS 월평균 자료 및 ISCCP 월평균 자료가 색소농도 및 운량 분포 분석에 각각 사용되었다. 그리고 태양반사의 월별 모사분포는 OSMI 궤도예측 및 대기 상층부 태양반사 레이디언스 계산을 수행함으로 얻어졌다. 주어진 경위도 $10^{\circ}$격자에 대한 상기 각 요소의 월별 통계자료 (월평균 혹은 표준편차)를 이용해 월별 우선순위 도를 생성시켰다. 이어서 세 요소의 중복효과를 보기위해 각 달의 세 요소에 대한 우선순위 도를 중첩 시켰다. 초기결과는 하반구의 대부분이 구름과 태양반사의 계절변화로 인해 우선순위가 낮은 지역으로 분류됨을 보였다. 서로 다른 분류세트에 대한 민감도 시험을 하여 구름과 태양반사의 계절변화가 강건함을 보였다.

• 대한원격탐사학회지
• /
• 제15권2호
• /
• pp.175-181
• /
• 1999

동한 난류의 북상 끝부분 해역에서 재발생하는 와동류는 봄철과 가을철에 위성이 관측한 해수면 온도 영상에 나타났다. 이러한 재발생 와동류는 1997년 9월 하순 NOAA 위성에 탑재된 AVHRR의 열적외선 영상과 일본 ADEOS 위성에 탑재된 OCTS의 클로로필 영상에도 나타났다. 와동류의 중심은 주변보다 온도가 낮으며, OCTS 위성자료에서 3mg/m$^3$ 이상의 클로로필 농도가 나타났다. 반면, 와동류를 이루는 주변의 더운물에서는 클로로필 농도가 1mg/m$^3$ 이하로 나타났다. 와동류는 가을철 표면수온영상에도 나타났으며 봄에 나타난 것보다 와동류 중심핵의 찬물 온도가 높게 나타났다. 또한 와동류 중심에서 서쪽축의 더운물 온도가 봄에 나타난 것보다 가을에 더 높게 나타났다. 1998년 3월 NOAA 위성과 SeaWIFS 위성자료에서도 재발생되는 와동류와 클로로필량의 농도가 높은 물이 와동류 주변으로 포획되는 장면이 포착되었다. 동한난류의 북쪽 확장 선두와 약 1500m 수심의 대륙붕 위로 남하하는 리만한류가 만나 충돌하는 해역에서 와동류가 형성되는 것으로 사료된다. 와동류가 형성되는 이 해역은 동해 중앙부 해수면에서 우세하게 나타나는 극전선역에서 중규모 구조의 와동류가 극전선 서쪽 해역의 역학적인 해양현상과 강한 연관성이 있음을 나타내었다. ARGOS 위성 추적 표류부이와 와동류의 상호연관성 및 와동류의 지속성에 관한 증거가 토론되었다.

• 대한원격탐사학회지
• /
• 제33권6_1호
• /
• pp.917-930
• /
• 2017

본 연구는 2017년부터 "이사부호"를 활용하여 인도양에서 본격적으로 수행되는 관측에 앞서 위성을 활용하여 인도양 쌍극진동(Indian Ocean Dipole, IOD) 변동에 따른 위성에서 추정된 클로로필-a 농도의 시/공간적 변화를 이해하는데 목적이 있다. 특히 단기적인 변화보다는 장기 변화에 초점을 두고 1998년부터 2016년까지 해색위성에서 계산된 월평균 클로로필-a 농도 자료를 이용하여 인도양 전 해역($30^{\circ}E{\sim}120^{\circ}E$, $30^{\circ}S{\sim}30^{\circ}N$)을 대상으로 분석했다. 클로로필-a 농도는 중앙 인도양에서 낮고, 용승해역 및 대륙 주변 해역에서 증가되었다. 계절풍과 해류 시스템의 영향으로 클로로필-a 농도는 봄에 가장 감소하고 여름에 최대를 나타냈다. Empirical Orthogonal Function(EOF) 분석 결과, 첫 번째 모드의 클로로필-a 농도 변화는 엔소(El $Ni{\tilde{n}}o$/Southern Oscillation, ENSO)의 변화와 높은 관계를 보이고, 두 번째 모드의 클로로필-a 농도 변화는 엔소에 의한 영향보다는 인도양 쌍극진동의 변화와 상대적으로 높은 관계를 나타냈다. 클로로필-a 농도는 두 개의 모드에서 공통적으로 동 인도양과 서 인도양에서 서로 상반된 변화를 나타냈다. 클로로필-a 농도 변화는 동 인도양, 서 인도양 및 인도 주변 해역에서는 인도양 쌍극진동과 밀접한 관계를 보이고, 열대 중앙 인도양 중에서는 상대적으로 엔소의 변화와 높은 관계를 나타냈다. 그러나 클로로필-a 농도의 시/공간적 변화는 인도양 쌍극진동의 발생 기작에 따라 다른 반응을 나타냈다. 클로로필-a 농도 변화는 첫 번째 타입 인도양 쌍극진동(엔소 발생시기와 동일)은 여름철에 동 인도양과 서 인도양에서 클로로필-a 농도 차이가 생기고, 최대는 가을에 발생했다. 두 번째 타입 인도양 쌍극진동(엔소 발생 후 그 다음 해 또는 소멸되는 시기)은 봄에 동 인도양과 서 인도양 클로로필-a 농도 차이가 생기고, 여름과 가을에 증가되어, 겨울에 감소되었다. 인도양 쌍극진동의 변동에 따른 클로로필-a 농도 변화는 동 인도양과 서 인도양의 클로로필-a 농도 차이를 발생시키는 과정은 유사하지만, 북부 인도양은 쌍극진동 발생 기작에 따라 상반된 클로로필-a 농도 변화를 나타냈다.

• 한국수산과학회지
• /
• 제35권3호
• /
• pp.265-272
• /
• 2002

동한난류 주변 해역의 해색전선과 수온전선의 공간적 분포 특성을 CZCS와 AVHRR 위성자료를 이용하여 살펴보았다. 동한난류 주류의 난수 streamer 주변 해역의 색소농도와 SST의 공간적 분포를 살펴본 결과, 식물플랑크톤의 흡수보다는 황색물질이나 용존유기물질과 같은 부유물질에 의해 높은 색소농도를 나타낸 연안냉수해역, 연안의 부유물질에 의한 영향과 식물플랑크톤에 의한 영향이 혼합된 특성이 나타난 색소농도가 높은 수온전선의 냉수해역, 외해수의 특성과 유사한 순수한 식물플랑크톤의 영향에 의해 색소농도가 높은 난수중첩해역, 식물플랑크톤의 홉수에 의해 지배를 받고 있으나 색소농도가 적은 난수해역, 식물플랑크톤의 흡수에 의한 영향으로 색소농도가 높은 외해해역의 5개 범주로 구분할 수 있었다. 동해안을 따른 연안냉수해역의 높은 색소농도의 확장은 동한난류의 흐름에 크게 영향을 받고 있으며, 동한난류의 난수 내부에 있는 낮은 색소농도와 분리된다. 또한, 동한난류해역 주변의 색소 농도와 SST 사이의 관계는 전체적으로, 색소농도가 높은 곳은 수온이 낮은 곳에 나타나고 있으며, 색소농도가 낮은 곳은 수온이 높은 곳에서 나타났다. 색소농도가 가장 높게 나타난 것은 수온전선해역 냉수쪽에서 가장 높은 550nm 반사와 비교적 높은 443nm 흡수와 일치하는 일반적인 연안수와 같이 식물플랑크톤 단독으로 나타나는 것이 아니라 부유물질과 동시에 나타났다. 그리고, 또 다른 색소농도의 높은 농도가 외해수에서 나타난 것과 유사하게 난수 streamer 내부에서 나타났으며, 이것은 연안의 부유물질의 영향은 거의 받지 않은 식물플랑크톤에 의해 색소농도가 높은 것을 알았다. 동한난류 해역과 같이 색소농도가 높은 해역에서 SST와 색소농도 영상만으로 복잡한 물리 생물학적인 현상에 기인한 모든 현상을 이해하기는 어렵지만, 광범위한 해역에서 이러한 현상을 이해하는데 위성자료는 효과적인 수단으로 판단된다. 또한, 현재 운용중인 NASA의 Seastar에 탑재된 SeaWiFS (Sea-viewing Wide Field-of·view Sensor)에 의한 보다 정확한 식물플랑크톤 색소농도 자료는 현장에서 측정된 관측자료와 더불어 동한난류 해역의 물리$\cdot$생물학적인 시공간변동을 이해하는데 많은 도움을 줄 것이라 사료된다.

• 대한원격탐사학회지
• /
• 제26권2호
• /
• pp.251-262
• /
• 2010

GOCI(Geostationary Ocean Color Imager) 표준자료의 지속적인 품질관리를 위해서는 위성 운용기간 중 궤도상 복사보정, 대기보정 단계를 거쳐야 되며 해수환경 분석 알고리즘에 대한 검보정도 지속적으로 이루어져야 한다. GOCI의 복사, 대기, 해양환경 자료에 대한 검보정은 부이나 고정 플랫폼을 이용한 수온, 염분, 해수 광특성, 형광, 및 탁도 관측과, 주기적으로 해양환경 자료 수집을 통하여 실시한다. 이를 위하여 동중국해에 위치하고 있는 이어도 종합해양과학기지에 설치된 광학 관측 장비와 현장 관측의 복사자료를 상호 비교해 보았으며, GOCI 표준자료의 검정에 앞서 SeaWiFS 복사량과 비교하여 검정하였다. 해수출 광량은 현장관측에서 얻어진 광과 광량과는 약간의 차이를 보였지만, 흡광영역이 매우 잘 일치하고 있으며 스펙트럴 이동은 없는 것으로 판단된다. 이어도 종합해양과학기지의 분광측정기와 SeaWiFS의 전 밴드에서 얻어진 해수출 광량을 비교한 결과 평균 25% 정도의 에러가 발생했지만, 대기보정 밴드를 제외하면 절대오차가 11% 정도로 상당히 낮아진다. 이것은 SeaWiFS 표준 대기보정 방법의 문제점으로 GOCI 검보정 연구에서 고려되어 보완 되어야 할 것으로 판단된다. 이와 더불어 독도 지역의 표준 관측치(Reference Target Site) 구축을 통한 검보정 연구를 위하여, 독도 주변 해수의 광 특성과 해양환경 자료는 2009년 8월과 2009년 10월 2차례에 걸쳐서 현장관측을 실시하였다. 독도 주변 해역의 해양 광 특성은 원격반사도의 스펙트럼형태를 기준으로 Case-1 Water 성향이 강한 해수에서 나타나는 특성과 매우 유사하였다. 식물플랑크톤, 부유물질, 용존유기물의 흡광계수 스펙트럼의 형태들은 대체적으로 각 성분별 흡광 스펙트럼 특성을 잘 보여주었다. 또한 MODIS Aqua로부터 산출된 엽록소 농도와 현장관측을 통한 검증에서 위성자료 값들은 잘 일치한다. 위와 같이 현재 진행되고 있는 GOCI 검보정 연구를 통해서 복사, 대기, 해양환경 알고리즘에 대한 문제점이 도출되었고, 차후 검보정 계획에 반영하여 이 부분들에 대한 개선 및 보완이 이루어질 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.959-974
• /
• 2021

Forel-Ule Index (FUI)는 자연에 존재하는 담수 및 해수의 색을 남색부터 고동색까지 21 가지의 등급으로 구분하는 지표이다. FUI는 여러 선행연구에서 수계의 부영양화 지수, 수질인자, 광 특성 등과 연관 지어 분석되었으며, 여러 수질인자의 광학적 정보를 동시에 가지고 있는 새로운 수질 지표로써의 가능성이 제시되었다. 본 연구에서는 500 m의 높은 공간해상도를 가지는 정지궤도 해양위성해색탑재체(Geostationary Ocean Color Imager; GOCI) 관측 자료와 Random Forest (RF) 기계학습 기법을 활용하여 Ocean Colour-Climate Change Initiative(OC-CCI) 기반의 4 km FUI 자료를 공간 상세화 시켰다. 이를 활용하여 우리나라 연안 해역에 대한 수질인자와의 상관관계와 주요 해역에 대한 FUI의 공간적 분포 및 계절별 특성 변화를 분석하였다. 검증 결과 RF 기법으로 추정한 RF FUI는 결정계수(R²)=0.81, 평균 제곱근 오차(Root Mean Square Error; RMSE)=0.7784로, Pitarch의 OC-CCI FUI 알고리즘을 적용하여 계산한 GOCI FUI 추정 정확도(R²=0.72, RMSE=0.9708) 대비 향상된 결과를 보였다. RF FUI는 총 질소(Total Nitrogen), 총 인(Total Phosphorus), 클로로필-a(Chlorophyll-a), 총 부유물질(Total Suspended Solids), 투명도(Secchi Disk Depth)를 포함하는 5가지 수질인자와 각각 0.87, 0.88, 0.97, 0.65, -0.98의 상관계수로 강한 상관성을 보였다. 산출된 FUI의 시간적 패턴 역시 여러 수질인자와의 물리적 관계를 반영하며 유의미한 계절적 패턴의 변화를 보였다. 본 연구의 결과로 한반도 연안 수질 관리에서 고해상도 FUI의 활용 가능성을 제시하였다.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1259-1268
• /
• 2021

'천리안 해양위성 2호(2nd Geostationary Ocean Color Imager: GOCI-II)는 천리안 해양위성 1호(GOCI)의 후속위성으로 1개의 근자외 채널(380 nm), 8개의 가시광 채널(412, 443, 490, 510, 555, 620, 660, 680 nm), 3개의 근적외 채널(709, 745, 865 nm)의 총 12개 파장대에서 다분광 관측을 하며, 1시간 간격의 시간 해상도로 한반도 주변 동북아 해양, 1일 간격으로 반구(full disk)영역의 해양 환경 자료를 생산한다. 해색 자료처리의 첫 단계로 대기 상층 복사휘도에서 해수표면 반사도를 계산하는 대기보정을 수행하며, GOCI-II의 표준 대기보정은 GOCI 대기보정 방법에 이론적인 기반을 두고 있으며, GOCI-II에 새로 추가된 밴드 중 620, 709 nm를 이용하여 탁도가 높은 해역에서의 대기보정 성능을 향상시켰다. 본 연구에서는 GOCI-II 지상국 시스템에 구현 되어있는 대기보정 알고리즘을 우선 소개하고, 현장 측정 원격반사도 자료를 이용하여 초기단계 검증을 수행하였다. 검증은 1차적으로 대양에서 수집된 현장 자료와의 비교를 통해 수행하였으며 여기서의 대기보정 정확도는 대양 대기보정 정확도 요구범위인 청색 파장대 오차율 5% 이내의 범위를 만족시켰다. 그러나 연안의 해양관측타워에 설치된 무인 관측장비인 AERONET-OC로 수집된 원격반사도 자료를 이용한 추가적인 검증결과에서는 대양과 달리 높은 오차율을 보여주었다. 연안에서의 대기보정 정확도는 추후 추가적인 근적외 파장대 대리교정을 통해 보완이 가능할 것으로 보이며, 지속적인 검보정 활동을 통해 수집된 현장자료들을 이용할 경우 연안뿐 아니라 전체적인 대기보정 성능 향상이 가능할 것으로 기대된다. 이후 검보정 활동을 통해 개선된 대기보정은 주기적으로 GOCI-II 지상국 시스템에 반영하여 재처리 및 재 배포를 수행할 예정이다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.609-625
• /
• 2022

위성산출물의 검증은 위성자료를 이용하게 되는 후속 분석작업에 결정적인 영향을 미친다. 특히, 탁하고 얕은 수심의 육상 인근 해역에서의 해색산출물은 해수구성입자 분포의 복잡성으로 인하여 오랫동안 그 성능 개선이 이루어지지 않고 있어왔다. 또한, 선박이나 고정관측소를 이용한 검증은 위성산출물과 현저히 차이나는 공간범위로 인하여 명확한 한계점을 노출해왔었다. 본 연구는 우선 선박을 이용한 현장조사를 통해서 천리안해양위성2호(GOCI-II)의 주요 산출물인 원격탐사반사도, 엽록소농도, 총부유물농도, 용존유기물 등에 대한 검증을 수행하였다. 둘째로, 본 연구에서는 드론영상을 이용한 산출물 검증을 위한 초기분석결과를 제시하였다. 선박과 위성사이의 공간범위 차이를 메우기 위하여 각 선박 정점에서 드론에 탑재된 MicaSense RedEdge 카메라를 이용해 해수에 대한 다분광 영상을 획득하였다. 향후 드론을 이용한 위성산출물 검증에 활용되도록 드론 고도에 따른 해수복사휘도의 변화를 분석하였다. 제한된 숫자의 현장조사 자료 개수이지만, 검증결과, 555 nm 에서의 GOCI-II 원격탐사반사도는 약 30% 가량 과대추정 되는 것으로 나타났고, 엽록소농도 및 용존 유기물은 현장 측정값과의 상관도가 낮았다. 총부유물농도는 결정계수 약 0.6의 상관도를 나타내었고 약 20%의 불확도를 가지는 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.747-763
• /
• 2022

해양 염분은 전 지구 규모에서 해수 순환에 영향을 미칠 뿐만 아니라, 연·근해 지역 저염분수가 어족자원 및 수산업에 피해를 줄 수 있는 등 해양 식생환경의 변화를 줄 수 있다. 해수의 표면 특성인 sea surface salinity (SSS)에 따라 마이크로웨이브 영역의 방사율이 달라지며, 이를 통해 Soil Moisture Active Passive (SMAP) 등 위성 센서를 활용한 SSS 산출물이 제공되고 있다. 하지만 마이크로파 위성 센서 기반의 SSS 산출물은 낮은 시공간해상도로 자료를 생산하며, 연안지역과 고위도 지역에서 정확도가 낮다. 이러한 이유로 연·근해 지역 SSS의 상세한 시공간적 변화를 관측하기에는 적합하지 않다. 본 연구에서는 Jang et al. (2022)에서 제시한 기계학습 기반의 개선된 SMAP SSS (SMAP SSS (Jang))를 참조자료로 활용하여, 정지궤도해색센서(Geostationary Ocean Color Imager, GOCI) 영상으로부터 고해상도 SSS를 추정하는 Light Gradient Boosting Machine (LGBM) 기반의 모델을 개발하였다. 3가지 입력변수 조합을 테스트하였고, Multi-scale Ultra-high Resolution Sea Surface Temperature (SST) 자료가 추가된 scheme 3가 가장 높은 정확도를 보였다(R² = 0.60, RMSE = 0.91 psu). 이를 바탕으로 본 연구영역에서 SST가 SSS 모의에 효과적인 환경변수로 작용함을 보였다. 본 연구에서 제시한 LGBM 기반의 GOCI SSS는 SMAP SSS (Jang)와 비슷한 시공간적 패턴을 보였지만, 더 높은 공간해상도를 바탕으로 SSS의 보다 상세한 공간적 분포와 더불어 SMAP SSS (Jang)에서 산출하지 않는 연안 지역의 정보까지 모의하였다. 또한, 중국 남방지역에 대홍수가 발생하였던 2020년 8월을 대상으로 양자강 유출수(Changjiang Diluted Water)의 거동을 분석한 결과, GOCI SSS는 한국 해양수산연구원의 보도자료와 비교하여 일관성 있는 시공간적 변화를 보였다. 본 연구의 결과로 연안 지역의 저염수 뿐 아니라, 원해 지역에서 광학위성 신호를 활용한 고해상도 SSS 산출의 가능성을 제시하였다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.695-713
• /
• 2023

연안 해역에서 식물성플랑크톤, 부유입자, 용존유기물은 복합적이고 비선형적으로 해수반사도를 변화시킨다. 최근 빠르게 발전하는 신경망 기술은 복잡한 비선형 관계를 효과적으로 처리할 수 있는 장점이 있다. 기존 연구에서는 성분별 고유광특성을 도출하기 위하여 세 단계의 신경망을 구성하였으나 본 연구에서는 심층신경망을 직접 적용하는 알고리즘을 제안하였다. 본 연구에서 활용한 데이터세트는 국제해색조정그룹에서 제공하는 합성데이터를 활용하였으며, 입력데이터는 9개의 파장의 원격반사도를 입력하였다. 이를 통해 해수 고유광특성을 심층신경망을 기반으로 도출하였다. 성능을 평가하기 위해 준분석 알고리즘(quasi-analytical algorithm)과 비교하였으며, 데이터 분포에 따른 로그 변환 여부가 심층신경망 알고리즘의 성능에 영향을 미치는 정도를 비교 분석하였다. 그 결과, 준분석 알고리즘보다 심층신경망 알고리즘을 활용하면 부유입자에 대한 흡광계수를 제외한 고유광특성을 정확하게 추정할 수 있으며(R² 0.9 이상), 부유입자와 용존유기물의 흡광계수를 부유입자와 용존유기물 흡광계수로 각각 분리할 수 있었다. 그리고 심층신경망을 직접적으로 적용하는 알고리즘은 데이터의 로그 변환을 하지 않아도 성능 차이가 거의 없음을 파악할 수 있었다. 이 연구 결과를 해색 자료 처리에 실제 적용하기 위해서는 다양한 해역의 현장자료 및 추가적인 데이터 세트를 활용한 학습을 진행하여, 경험적 및 반분석적 방법과 비교 분석하고 알고리즘 간 장단점을 적절히 파악하는 연구가 필요하다.