• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1829-1836
• /
• 2021

구름탐지란 위성영상내의 픽셀 혹은 화소에서의 구름 유무를 결정하는 것을 의미하며 해당 위성영상의 활용성과 정확도에 영향을 미치는 중요한 요소로 작용한다. 본 연구에서는 구름탐지 자료를 제공해주는 여러 선진기관들의 위성 중에서, GK-2A(GeoKompsat-2A)/AMI(Advanced Meteorological Imager)와 Terra(Earth Observation System-Terra)/MODIS(Moderate-Resolution Imaging Spectroradiometer), Suomi-NPP(The Suomi National Polar-orbiting Partnership)/VIIRS(Visible Infrared Imaging Radiometer Suite)의 구름탐지 자료의 차이에 대해서 정량적 및 정성적으로 비교 분석을 수행하고자 한다. 정량적으로 비교한 결과 1월의 Proportion Correct(PC)지수 값이 GK-2A & MODIS가 74.16%, GK-2A & VIIRS가 75.39%를 나타냈으며 4월의 GK-2A & MODIS는 87.35%, GK-2A & VIIRS는 87.71%로 4월이 1월보다 위성별로 큰 차이 없이 구름을 탐지한 것으로 나타났다. 정성적 비교 결과는 RGB영상과 비교하였을 때, 앞선 정량적 결과들의 경향과 동일하게 1월보다 4월에 해당하는 결과들이 구름을 잘 탐지한 것을 확인할 수 있었으나 얇은 구름이나 적설이 존재하는 경우에는 위성별로 구름탐지 결과에 다소 차이가 존재하였다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1631-1645
• /
• 2021

세계 최초 능동형 라이더 센서 Atmospheric Laser Doppler Instrument (ALADIN)의 바람 자료와 한국형 수치예보모델에 바람 자료로 활용되고 있는 Geostationary Korea Multi Purpose Satellite 2A (GK2A)의 대기운동벡터의 자료를 비교함으로써 두 위성의 바람 자료의 특징을 분석하였다. 2019년 9월부터 20220년 8월 1년의 자료를 ALADIN의 미(Mie)채널과 GK2A 적외채널에 대하여 비교한 결과 수집된 자료는 177,681개이며 평균 제곱근 오차(Root Mean Square Error; RMSE)는 3.73 m/s, 상관계수는 0.98이다. 상세한 분석을 위해 위도와 고도를 고려하여 비교한 결과, 대부분의 위도에서 표준화된 평균 제곱근 오차(Normalized Root Mean Squared Error; NRMSE)가 0.2~0.3으로 두 바람 자료가 일치하지만 상층, 중층의 경우 저위도지역에서, 하층의 경우 남반구 특정 위도(30°S-15°S)에서 0.4 이상으로 큰 값을 가진다. 이러한 결과는 계절에 상관없이 수증기채널, 가시채널에서도 동일하게 나타나며 채널 별 특징과 계절별 특징은 두드러지게 나타나지 않는다. 두 바람 자료 간에 차이가 큰 위도 영역에 대하여 구름의 분포를 확인해본 결과, 대기운동벡터의 고도 할당 정확도를 낮출 수 있는 권운 이나 적운이 다른 위도에 비해 더 많이 분포하고 있다. 이러한 특성에 따라, 정확한 고도 할당이 어려워 대기운동벡터의 오차가 크게 나타나는 남반구와 저위도 영역에서 ALADIN 바람 자료는 기존 대기운동벡터의 바람 정보를 보완함으로써 수치예보모델에 긍정적인 영향을 미칠 수 있음을 제시한다.

• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1295-1305
• /
• 2021

연안 및 대양의 효과적인 모니터링을 위해 여러 연구 분야에서 고품질의 위성 기반 해색 산출물들이 요구 있으며 이를 위해서는 정확한 대기 효과의 보정이 필수적이다. 현재 Geostationary Ocean ColorImage (GOCI)-II 지상시스템에서는 수증기 및 오존 등에 의한 가스 흡광 보정을 수행하기 위해 European Centre for Medium-Range Weather Forecasts (ECMWF) 또는 National Centers for Environmental Prediction (NCEP) 기상장 자료를 사용하고 있다. 이 과정에서 기상장 자료의 낮은 시공간해상도로 인해 오차가 발생할 수 있다. 따라서 본 연구에서는 복사 전달 모델 모의를 통해 개발된 GOCI-II의 수증기 흡광 보정 모델 및 GeoKompsat (GK)-2A/Advanced Meteorological Imager (AMI)의 가강수량 자료를 이용하여 수증기 흡광 효과를 보정하고 이에 따른 영향력을 분석하였다. 개발된 수증기 흡광 보정 모델 적용 유무에 따른 오차는 수증기의 영향이 적은 620 nm와 680 nm의 대기 상한 반사도에서 최대 1.3%와 0.27%로 적은 오차를 보였다. 그러나 수증기 흡광의 경향이 큰 709 nm 채널의 경우 태양 천정각 및 가강수량에 따라 6~15%의 큰 오차를 나타냈다. 레일리 보정 반사도에서는 대기 상한 반사도에서 발생한 오차가 크게 증폭되어 태양 천정각에 따라 GOCI-II의 각 밴드(620~865 nm) 별로 1.46~4.98, 7.53~19.53, 0.25~0.64, 14.74~40.5, 8.2~18.56, 5.7~11.9%의 큰 오차를 보이고 있다. 이는 수증기 흡광 보정이 해색 산출물의 정확도와 안정성에 큰 영향을 미칠 수 있다는 것을 의미하며, 향후 시공간 해상도가 높은 GK-2A/AMI와의 융합을 통해 GOCI-II 해색 산출물의 정확도 향상이 가능함을 시사한다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1605-1613
• /
• 2023

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.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1615-1633
• /
• 2023

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.