• 대한원격탐사학회지
• /
• 제32권1호
• /
• pp.67-71
• /
• 2016

The surface reflectance is essential to retrieval various indicators related land properties such as vegetation index, albedo and etc. In this study, we estimated surface reflectance using Himawari-8 / Advanced Himawari Imager (AHI) channel data. In order to estimate surface reflectance from Top of Atmosphere (TOA) reflectance, the atmospheric correction is necessary because all of the TOA reflectance from optical sensor is affected by gas molecules and aerosol in the atmosphere. We used Second Simulation of a Satellite Signal in the Solar Spectrum Vector (6SV) Radiative Transfer Model (RTM) to correct atmospheric effect, and Look-Up Table (LUT) to shorten the calculation time. We verified through comparison Himawri-8 / AHI surface reflectance and Proba-V S1 products. As a result, bias and Root Mean Square Error (RMSE) are calculated about -0.02 and 0.05.

• 대한원격탐사학회지
• /
• 제36권3호
• /
• pp.425-439
• /
• 2020

최근 성능이 크게 개선된 정지궤도 기상위성 Himawari-8, GK2A등이 운용됨에 따라 시공간적으로 보다 고해상도 AOD(Aerosol Optical Depth) 자료의 사용이 가능해졌다. 본 연구에서는 최근 4년간 한반도내 AERONET(Aerosol Robotic Network) 참여 5개 지점(서울대학교, 연세대학교, 한국외국어대학교, 광주과학기술원(GIST), 안면도 기후변화감시센터)의 에어로졸 관측 자료를 이용하여 Himawari-8/AHI(Advanced Himawari Imager) 에어로졸 산출물의 특징과 두 AOD 자료 간에 차이가 발생하는 원인에 대해 분석하였다. 분석결과 위성과 지상관측 AOD는 하늘이 맑을 경우(운량 < 3)에는 지리적 위치에 관계없이 매우 유사하게 나타났다. 하지만 운량이 증가할 경우 위성 관측과 지상관측 AOD의 차이는 지리적 위치에 관계없이 현저하게 증가하였다(편의: 0.05(맑음) → 0.21(전체), 상관계수: 0.74 → 0.64, RMSE: 0.21 → 0.51). 5개 지점 모두에서 운량이 많거나 상대습도가 높을 때 위성이 지상관측에 비해 AOD를 크게 과대 추정하는 것으로 보아 두 AOD 자료 간의 차이는 주로 운량과 상대습도와 관련이 깊은 것으로 판단된다. 하지만 풍속, 가강수량, 구름 하부 높이, 그리고 옹스트롬 지수(Angstrom Exponent)는 두 AOD 자료 간의 차이에 영향을 미치지 않는 것으로 보인다. 본 연구의 결과는 운량이 많을 경우 위성 관측 AOD 자료 사용시 주의가 필요함을 제시한다.

• 대한원격탐사학회지
• /
• 제32권6호
• /
• pp.589-601
• /
• 2016

Himawari-8/Advanced Himawari Imager (AHI) 열적외 채널 자료에 Maximum Cross Correlation (MCC), Zero-mean Sum of Absolute Distances (ZSAD), Zero-mean Sum of Squared Distances (ZSSD) 알고리즘을 적용하여 표층 해류를 산출하고, 그 결과를 비교 분석하였다. 각 알고리즘으로 쿠로시오해류 해역의 표층 해류장을 산출한 결과 서로 유사한 양상을 보였다. 오차 발생 비율은 알고리즘에 따른 차이가 거의 나타나지 않았으며, 표층 해류 산출 연산에 소요되는 시간은 ZSAD와 ZSSD 알고리즘이 MCC 알고리즘에 비해 각각 24%, 18% 감소하였다. 산출된 표층 해류는 인공위성 추적 표층 뜰개 자료와 인공위성 고도계 자료로 계산한 표층 해류를 통해 검증하였고, 세 가지 알고리즘의 정확도는 모두 유사한 범위의 값으로 나타났다. 또한 산출된 표층 해류의 정확도는 휘도 온도 수평 구배의 크기와 두 영상 사이의 시간 간격에 의해 영향을 받았다.

• 대한원격탐사학회지
• /
• 제33권5_1호
• /
• pp.599-605
• /
• 2017

위성 영상의 정확한 구름 판별 여부는 이를 활용하여 생산되는 다른 산출물들의 정확도에 민감한 영향을 미치므로 매우 중요하다. 특히 해양에서 구름에 오염된 화소는 해수면 온도(Sea Surface Temperature: SST), 해색(ocean color), 클로로필-a(chlorophyll-a) 등 다양한 해양 기반산출물의 주된 오차 요인으로써 해양에서의 정확한 구름 탐지는 필수적이며 이는 해양 순환을 이해하는데 기여한다. 그러나 현재 Moderate Resolution Imaging Spectroradiometer (MODIS), Advanced Himawari Imager (AHI) 등 대부분 실시간 운영을 위한 알고리즘에서 사용되고 있는 고정 경계값 검사 방법은 태양-해양-센서의 상대적인 위치에 따라 변화하는 해양의 분광 특성을 고려하지 못하는 단점을 가지고 있다. 따라서 본 연구에서는 NOAA의 Himawari-8 구름 산출물을 이용하여 Himawari-8/AHI 반사도 채널에서의 태양 천정각(Solar Zenith Angle: SZA), 위성 천정각(Viewing Zenith Angle: VZA) 변화에 따른 청천 해양 표면 화소의 반사도를 수집하여 분광 라이브러리를 구축하였고 이를 이용하여 동적 경계값 방법인 Dynamic Time Warping (DTW)기법에 적용하여 구름탐지를 수행하였다. 본 연구의 구름탐지 결과를 Japan Meteorological Agency (JMA)의 구름 산출물과 정성적 비교한 결과 JMA 구름 산출물은 청천 화소를 불확실(unknown)으로 오탐지 및 과대탐지 하는 경향을 보였다. 이에 반해 본 연구에서는 태양 천정각이 고각인 지역에서 과대 탐지 및 오탐지되는 문제점을 개선하였다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.861-870
• /
• 2021

본 연구에서는 COMS (Communication, Oceanography and Meteorology Satellite) 위성의 GOCI(Geostationary Ocean Color Imager) 센서와 Himawari-8 위성의 AHI (Advanced Himawari Imager) 센서에서 산출되는 에어로졸 광학두께 (Aerosol Optical Depth; AOD)를 활용하여 단일화된 AOD 합성장을 생산하였다. 위성 간의 공간해상도와 위치좌표계가 다르기 때문에 이를 맞춰주는 전처리 작업을 선행하였다. 이후 지상관측 기반인 AERONET (AErosol RObotic NETwork)의 레벨 1.5 AOD 자료를 사용하여 각 위성과 AERONET과의 상관관계 분석 및 추세를 보간하여 기존 위성 AOD 보다 정확한 위성 AOD 자료를 생산하였다. 이후 합성과정을 진행하며 최종적으로 시공간적으로 더 완벽하고 정확한 AOD 합성장을 생산하였다. 생산된 AOD 합성장의 제곱근 평균 오차(Root Mean Square Error; RMSE)는 0.13, 평균 편향(mean bias)는 0.05로, 기존의 GOCI AOD (RMSE: 0.15, Mean bias: 0.11)와 AHI AOD (RMSE: 0.15, Mean bias: 0.05) 보다 나은 성능을 보였다. 또한 합성된 AOD는 단일위성에서 구름으로 인하여 관측되지 못한 지역에서 시공간적으로 보다 완벽하게 생산되었음을 확인하였다.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.1025-1032
• /
• 2018

적설은 강수의 한 형태로 지표면에 쌓인 눈으로 정의되며 빙권의 가장 큰 단일 구성 요소로서 지구 표면과 대기 사이의 열 교환이나 전 지구 또는 지역적인 측면에서 지구의 에너지 수지 균형을 유지하는 중요한 역할을 하는 등 지구 표면 온도를 조절하는데 영향을 미친다. 그러나 적설은 인간의 접근이 어려운 지역에 주로 분포하기 때문에 위성을 활용한 적설 탐지가 활발히 수행되고 있으며 산림 지역의 적설 탐지는 구름과 적설의 구분 다음으로 중요한 과정이다. 따라서 본 연구는 기존 극 궤도 위성에서 산림 지역 적설 탐지에 활용하는 Normalized Difference Snow Index(NDSI) 및 Normalized Difference Vegetation Index(NDVI)를 정지궤도 위성에 적용하였으며, 산림 지역 외 영역은 적설의 분광 특징을 활용한 $R_{1.61{\mu}m}$ anomaly 기법 및 NDSI를 활용하여 적설 탐지를 수행하였다. 본 연구에서 산출한 Snow Cover 자료와 Visible Infrared Imaging Radiometer(VIIRS) Snow Cover 자료를 활용해 간접 검증을 수행한 결과, Probability of Detection(POD)는 99.95%, False Alarm Ratio(FAR)는 16.63 %로 나타났다. Himawari-8 Advanced Himawari Imager(AHI) RGB 영상을 추가로 활용해 정성적 검증 또한 수행하였으며 수행 결과, VIIRS Snow Cover가 미탐지한 영역과 본 연구가 오탐지한 영역이 혼합되어 나타났다.

• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.483-489
• /
• 2019

True color 영상은 자연색과 유사한 색상이 표출되며 이는 복잡한 지구의 대기 현상 및 지표의 변화에 빠른 모니터링이 가능하다는 장점이 있다. 현재 다양한 기관에서 true color 영상을 생산 중이며 우리나라에서도 차세대 기상위성으로 세대교체가 이루어져 true color 영상 생산의 필요성이 대두되고 있다. 따라서 본 연구에서는 Himawari-8 위성에 탑재된 Advanced Himawari Imager(AHI) 센서의 Top of Atmosphere(TOA) 자료를 이용해 true color 영상 생산을 위한 시각화 향상을 수행하였다. 시각화 향상을 위해 본 연구는 Nonlinear enhancement과 Histogram equalization 두 가지 기법을 각각 수행하였다. 이를 비교해 본 결과, Histogram equalization는 Nonlinear enhancement 대비 Solar Zenith Angle(SZA) $70^{\circ}$ 이상 지역과 해양 영역에서 청색 계열이 강한 영상이 나타났으며, Nonlinear enhancement 기법의 경우 Histogram equalization 기법과 비교했을 때 식생 영역이 붉은 특징이 나타났다.

• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.777-788
• /
• 2021

Since aerosol has a relatively short duration and significant spatial variation, satellite observations become more important for the spatially and temporally continuous quantification of aerosol. However, optical remote sensing has the disadvantage that it cannot detect AOD (Aerosol Optical Depth) for the regions covered by clouds or the regions with extremely high concentrations. Such missing values can increase the data uncertainty in the analyses of the Earth's environment. This paper presents a spatial gap-filling framework using a univariate statistical method such as DCT-PLS (Discrete Cosine Transform-based Penalized Least Square Regression) and FMM (Fast Matching Method) inpainting. We conducted a feasibility test for the hourly AOD product from AHI (Advanced Himawari Imager) between January 1 and December 31, 2019, and compared the accuracy statistics of the two spatial gap-filling methods. When the null-pixel area is not very large (null-pixel ratio < 0.6), the validation statistics of DCT-PLS and FMM techniques showed high accuracy of CC=0.988 (MAE=0.020) and CC=0.980 (MAE=0.028), respectively. Together with the AI-based gap-filling method using extra explanatory variables, the DCT-PLS and FMM techniques can be tested for the low-resolution images from the AMI (Advanced Meteorological Imager) of GK2A (Geostationary Korea Multi-purpose Satellite 2A), GEMS (Geostationary Environment Monitoring Spectrometer) and GOCI2 (Geostationary Ocean Color Imager) of GK2B (Geostationary Korea Multi-purpose Satellite 2B) and the high-resolution images from the CAS500 (Compact Advanced Satellite) series soon.

• 한국대기환경학회지
• /
• 제34권3호
• /
• pp.493-507
• /
• 2018

Due to high spatio-temporal variability of amount and optical/microphysical properties of atmospheric aerosols, satellite-based observations have been demanded for spatiotemporal monitoring the major aerosols. Observations of the heavy aerosol episodes and determination on the dominant aerosol types from a geostationary satellite can provide a chance to prepare in advance for harmful aerosol episodes as it can repeatedly monitor the temporal evolution. A new geostationary observation sensor, namely the Advanced Himawari Imager (AHI), onboard the Himawari-8 platform, has been observing high spatial and temporal images at sixteen wavelengths from 2016. Using observed spectral visible reflectance and infrared brightness temperature (BT), the algorithm to find major aerosol type such as volcanic ash (VA), desert dust (DD), polluted aerosol (PA), and clean aerosol (CA), was developed. RGB color composite image shows dusty, hazy, and cloudy area then it can be applied for comparing aerosol detection product (ADP). The CALIPSO level 2 vertical feature mask (VFM) data and MODIS level 2 aerosol product are used to be compared with the Himawari-8/AHI ADP. The VFM products can deliver nearly coincident dataset, but not many match-ups can be returned due to presence of clouds and very narrow swath. From the case study, the percent correct (PC) values acquired from this comparisons are 0.76 for DD, 0.99 for PA, 0.87 for CA, respectively. The MODIS L2 Aerosol products can deliver nearly coincident dataset with many collocated locations over ocean and land. Increased accuracy values were acquired in Asian region as POD=0.96 over land and 0.69 over ocean, which were comparable to full disc region as POD=0.93 over land and 0.48 over ocean. The Himawari-8/AHI ADP algorithm is going to be improved continuously as well as the validation efforts will be processed by comparing the larger number of collocation data with another satellite or ground based observation data.

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1405-1423
• /
• 2021

강우 현상은 물 순환과 에너지 순환의 주요 요소 중 하나이며 강우량 추정은 수자원 확보와 수재해 예측 및 피해 감축에 매우 중요한 역할을 한다. 위성 기반 강우량 추정은 시공간적으로 고해상도인 자료를 통하여 넓은 지역을 연속적으로 감시할 수 있다는 장점이 있다. 본 연구에서는 Himawari-8 Advanced Himawari Imager(AHI) 수증기 채널(6.7 ㎛), 적외 채널(10.8 ㎛)과 기상 레이더 Column Max (CMAX) 합성장을 이용하여 기계학습 기반 정량적 강우량 추정 모델을 개발하였다. 기계학습 기법으로는 랜덤 포레스트(Random Forest, RF)를 사용하였으며 기상 레이더 반사도(dBZ)와 Z-R식으로 변환한 강우강도(mm/hr)를 타겟으로 하는 모델을 구축하여 비교하였다. 레이더 강우강도를 통해 검증하였을 때 임계성공지수(Critical Success Index, CSI)는 0.34, Mean-Absolute-Error (MAE) 4.82 mm/hr였다. GeoKompsat-2(GK-2A) 강우강도 산출물, Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) 산출물과 비교하였을 때 강우 유무 분류에서 CSI 21.73%, 10.81%, 강우강도 정량적 평가에서 MAE 31.33%, 23.49% 높은 성능을 보였다. 강우량 산출물을 지도화 한 결과, 실제 강우강도 분포와 유사한 분포를 모의하여 기존 산출물 대비 높은 정확도의 강우량을 추정했다.