• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.274-277
• /
• 2006

KARI is currently developing a geostationary ocean color imager (GOCI) for COMS. We report the progress in integrated optical modeling and analysis for stray light suppression and the end-to-end instrument performance verification including in-orbit calibration. The Sun is modeled as the emitting light source and the selected area around Korean peninsular as the observation target that scatters the sun light towards GOCI in orbit. The optical ray tracing employing active geometric scaling was then used for precise characterization of the spatial and radiometric performance at the instrument focal plane. The analysis results show positive reduction in the simulated stray light level with the design improvement including baffles. It also indicates that the ray traced in-orbit radiometric performances are effective tools for the independent assessment of more traditional linear and quadratic equation based estimation of water leaving radiance. The concept of integrated GOCI optical model and the computational method are presented.

• 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.

• 대한원격탐사학회지
• /
• 제32권3호
• /
• pp.221-234
• /
• 2016

우리나라는 대규모 산업단지와 대도시들이 연안에 집중되면서 연안의 오염이 날로 심각해지고 있다. 이러한 연안 오염을 모니터링하기 위해서 위성 영상을 이용한 연안 수질평가지수 모니터링 연구가 수행될 필요가 있다. 수질평가지수란 저층 산소포화도, 엽록소 농도, 투명도, 용존무기질소 및 용존무기인 농도를 수질평가 항목으로 구성하여 해양환경관리법에 따른 해양환경기준을 통해 해역별로 기준을 설정하여 산출하는 지수이다. 이 연구는 한반도 주변의 연안지역을 대상으로 2011년부터 2013년까지의 현장관측 자료 및 Geostationary Ocean Color Imager (GOCI) 위성 영상을 이용하여 연안 표층 해수에 대한 기계학습 기반의 두 가지 수질평가지수 추정 기법을 개발하였다. 첫 번째 방법으로는 GOCI 반사도를 이용하여 추정된 수질평가 항목들로 수질평가지수를 계산하였고, 두 번째 방법은 GOCI 반사도 및 산출물(엽록소 농도, 총 부유물질, 용존유기물)을 이용하여 수질평가지수를 추정하였다. 기계학습으로는 Random Forest(RF), Support Vector Regression (SVR), Cubist를 사용하였다. 수질평가 항목 추정에서 투명도의 정확도가 가장 높게 나타났으며, 모든 수질평가 항목 추정에서 세 가지 기계학습 중 RF의 정확도가 가장 높았다. 하지만 추정된 수질평가 항목들로 계산한 수질평가지수는 추정된 수질평가 항목들의 오차와 저층 산소포화도의 불확실성으로 인해 정확도가 높지는 않았다. 반면 GOCI 반사도와 산출물을 이용하여 추정한 수질평가지수는 현장 관측 기반 수질평가지수와 비교했을 때 첫 번째 방법보다 정확도가 높게 나타났다. 또한 엽록소 농도가 수질평가지수 추정에 가장 중요한 변수로 나타났다.

• 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
• /
• 제34권6_4호
• /
• pp.1519-1529
• /
• 2018

대규모의 화산이 분출하면 화산재는 수 킬로미터 이상 퍼져 나갈 수 있고 도시 지역과 교통수단에 피해를 줄 수 있다. 이러한 화산 재해에 대응하기 위해서는 화산재의 확산 면적을 효율적으로 추정할 필요가 있다. 이 연구에서는 2016년 10월 7일 16시 40분(UTC) 일본의 아소산 분화의 관측 자료와 위성 영상의 분석 결과를 비교하였다. 정지궤도 천리안 위성 GOCI(Geostationary Ocean Color Imager) 센서의 근적외선(Near-Infrared) 채널로 주성분 분석과 임계값 설정 방법 및 일련의 형태학적 필터링(Eroded, Opening, Dilation, Closing)을 각각 적용하였다. 또한, 2016년 아소산 분화에 관한 일본 기상청(JMA)의 보고서에 명시된 현장 관측 자료를 비교하였다. 그 결과, 약 $380km^2$의 화산재 퇴적 지역을 위성영상으로 탐지하였다. 전통적인 방법에서의 화산재 퇴적 지역 탐지는 직접 측정 및 소문 증거와 같은 인간 활동에 의해 추정되었지만 이는 비효율적이며 시간소모적이다. 하지만 이 연구를 통해 분연주 높이가 높거나 분화지수가 큰 화산 분화의 피해 지역을 신속하게 추출할 수 있으며 지표 변화 분포도를 작성하여 화산 활동으로 인한 피해 정책 수립 등 다양한 방면으로 활용 가능하다.

• 한국위성정보통신학회논문지
• /
• 제1권2호
• /
• pp.25-31
• /
• 2006

기상, 해양 및, Ka-대역 통신 탑재체를 탑재하고 정지궤도에서 기상 및 해양 감시 임무 및 통신 서비스를 수행하는 통신해양기상위성은 기상 및 해양 탑재체에서 관측된 원시 데이터의 지상국 전송 및 지상국에서 처리된 기상 데이터의 최종 사용자국에게 중계 전송을 기상해양데이터통신 서브시스템이 있다. 기상해양데이터통신 서브시스템은 기상 및 해양 탑재체에서 수집된 원시 데이터를 받아 CCSDS 권고안에 준하여 포맷하고 증폭기를 거쳐 지상국에 전송하는 SD 채널과 지상국에서 처리된 기상 데이터를 CGMS 권고안에 따라 LRIT/HRIT 포맷팅된 신호를 최종 사용자국에 중계하는 기능을 제공하는 MPDR 채널로 구성된다. 본 논문은 관측 데이터 전송 및 중계를 위해 구성된 기상 해양데이터통신 서브시스템을 구성하고 서브시스템 예비 성능 해석을 통해 주요 요구 성능 파라미터의 만족 여부를 확인하는데 있다.

• 한국지리정보학회지
• /
• 제15권3호
• /
• pp.137-147
• /
• 2012

최근 해양에서 부유성 녹조류(Floating Green Algae)의 확산이 보고되고 있으나, 기존의 현지 관측이나 실험실에서의 화학적 분석으로는 정확하고 주기적인 광역 감시에 한계가 있다. 이에 반해 녹조에 포함된 엽록소의 광학특성에 기인한 분광 반사도 측정은 부유성 녹조에 대한 정보를 비교적 빠르고 정확하게 획득하는 것이 가능하다. 본 연구의 목적은 최근 서해에서 발생한 부유성 녹조류의 분광 반사도 특성을 알아보고, 인공위성 영상으로부터 부유성 녹조를 탐지하기 위한 방법으로서 비교적 간단한 파장별 반사도 비율을 이용한 부유성 녹조 지수(Floating Green Alage Index; FGAI)를 개발하는 것이다. 500m 공간 해상도를 가지는 MODIS와 천리안 GOCI 영상자료를 이용하여 서해안의 녹조 현상이 발생하였던 기간을 대상으로 적색 밴드(660nm)와 근적외 밴드(860nm)의 비를 이용한 부유성 녹조지수를 분석한 결과는 녹조 현상에 대한 조류의 탐지 가능성을 증명하였다. 특히, 매 시간별 GOCI 관측 자료는 저궤도 위성보다 상세한 녹조의 감시가 가능함을 알 수 있었다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 춘계학술대회 논문집
• /
• pp.204-209
• /
• 2007

수중에서의 하향 방향의 감쇠 계수 (Diffuse attenuation coefficient of down-welling irradiance, $K_d$)에 대한 연구는 상충 해양에 대한 열전달 수중에서의 광합성 및 다른 생물학적 과정에 대한 연구，해양 일차 생산력 추정, 대양 및 연안에서의 탁도 추정 등에 대한 연구의 보조 자료로서 해양원격탐사를 포함한 해양에 대한 연구에 매우 중요한 요소이다. 우리나라는 세계 최초의 정지궤도 해색 센서인 Geostationary Ocean Color Imager (GOCI)를 2008년 말에 통신해양기상위성 (COMS, Communication Ocean and Meteorological Satellite)에 탑재하여 쏘아 올릴 계획에 있다. 이 센서는 매일 한 시간 간격으로 한반도 주변 해역을 8회 이상 관측할 계획에 었다. 따라서 기존의 해색 센서들에 비해서 시간 해상도가 향상되기 때문에 해양 환경 모니터링에 있어서 많은 도움이 될 것으로 예상된다. 본 연구에서는 앞으로 운영될 GOCI 센서에 대한 수중에서의 하향 방향의 감쇠계수 (The diffuse attenuation coefficient of down-welling irradiance, $K_d$) 알고리즘을 현장 관측 값을 이용하여 미리 만들어 보고 이를 현재의 대표적인 해색 센서인 SeaWiFS 영상의$K_d$(490) product와 비교하여 보았다.

• 대한원격탐사학회지
• /
• 제29권3호
• /
• pp.331-335
• /
• 2013

This study detected red tide areas using the existing Moderate-Resolution Imaging Spectroradiometer(MODIS) and Geostationary Ocean Color Imager(GOCI), and then compared the results between results of two sensors. The coasts of Jeollanam-do in the South Sea of Korea were set as the study area based on the red tide data which occurred on Aug. 26th, 2012. This study compared the results of sensors to detect red tides by using a satellite. In the results of analyzing MODIS by limiting it as chlorophyll concentration and the sea surface temperature which is considered to have red tides by the existing researches, it was possible to delete considerable amount of errors compared to the case of detecting red tides by using only chlorophyll while still there were differences from the range of red tides actually observed. In the results of GOCI by using empirical algorithm for detecting red tides, currently used by Korea Institute of Ocean Science & Technology(KIOST), it was possible to obtain more detailed results than MODIS. However, there was an area misjudged as red tides due to the influence of clouds. Also both MODIS and GOCI extracted red tides were not actually occurring, which might be because they were not able to perfectly distinguish red tides from turbid water in coastal areas with high turbidity.

• 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.