• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1529-1539
• /
• 2023

바다의 색을 관측하여 해양환경을 관측하는 천리안 해양위성 2호(Geostationary Ocean Color Imager-II, GOCI-II)의 자료는 지상국 시스템에서 다양한 보정과정을 거쳐 Raw~Level 2 (L2)로 생산되는데, 각 처리 단계에서 발생하는 품질 정확도는 단계별로 누적되어 위성자료의 오차가 점차 증폭된다. 이에 GOCI-II의 Level-1A/B (L1A/B) 자료에서 발생할 수 있는 광학적 품질 및 위치보정 성능 오차를 측정할 수 있도록 GOCI-II 지상국 시스템을 개선하였다. 신규로 구축된 광학적 품질 및 위치보정 성능 평가 모듈(Radiometric and Geometric Performance Assessment Module, RGPAM)은 시험 운영을 통해 성능 측정, 측정 결과의 표출 및 저장 등 기능들이 정상 운영됨을 확인하였다. RGPAM을 통해 측정된 성능들은 향후 GOCI-II 검출기의 감도 저하에 따른 실시간 복사보정 모델 개선, 위성 L1A/B 자료의 품질 일관성 확인 및 이슈사항에 대한 재보정 방안 마련을 위한 기초자료로 활용될 수 있을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1697-1707
• /
• 2021

2020년 2월 19일 천리안 2B호의 해양 탑재체 GOCI-II가 발사되었다. GOCI-II 기기는 이전의 GOCI 대비 여러 향상된 기능을 탑재함으로써, 에어로졸 산출 연구의 범위를 확장해주었다. 특히, 새롭게 추가된 380 nm 자외선 채널은 흡수성 에어로졸 관측의 민감도를 유의미하게 향상시키는 역할을 하였다. 본 연구에서는, GOCI-II의 380 및 412 nm 채널을 활용하여 2021년 1월부터 6월까지의 에어로졸 지수를 계산하고 이를 통해 흡수성 에어로졸을 탐지하였다. TROPOMI 에어로졸 지수와 비교한 결과 GOCI-II 에어로졸 지수는 양의 편차를 보였으나, 황사 화소에서의 에어로졸 지수는 구름 및 청천 화소와 뚜렷하게 구분할 수 있을 만큼 더 크게 나타났다. 또한 GOCI-II 에어로졸 지수가 크게 나타날 때, 지상 관측 장비에서도 흡수성 에어로졸이 우세하게 탐지되었음을 발견하였다. GOCI-II 에어로졸 지수 상위 25% 범위에 드는 자료들을 조사하자, 연구 기간 동안 지상에서 Dust 및 Moderately-absorbing fine 유형으로 확인된 자료들의 71.3%, 80.0%가 각각 여기에 속함을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1497-1503
• /
• 2023

본 연구는 Near-UltraViolet (UV) 파장에서의 지표면 반사도 산출 시 발생하는 구름과 적설의 분류 한계를 극복하기 위해 Geostationary Environmental Monitoring Spectrometer (GEMS)와 Advanced Meteorological Imager (AMI) 위성의 구름 자료를 융합하여 적설역에서의 지표면 반사도 품질을 향상시키는 방법을 제안한다. GEMS 구름 산출물과 AMI 구름탐지 자료를 기반으로 융합 구름자료를 생산하였으며, 이를 GEMS 지표면 반사도 산출에 적용하였다. 그 결과 적설역에서 GEMS 구름 산출물만 사용한 경우에 비해 미산출이 개선되었으며 이는 전체 관측 영역에서 약 17%의 개선 효과를 확인하였다. 본 연구 결과는 융합 구름자료를 활용하여 적설역에서 지속적으로 발생했던 지표면 반사도 미산출 문제를 개선할 수 있음을 입증하며, 이를 통해 산출된 고품질의 지표면 반사도를 기반으로 타 Level-2 산출물의 품질향상을 기대할 수 있다.

• 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.