• 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.

• 전자통신동향분석
• /
• 제31권3호
• /
• pp.91-100
• /
• 2016

뉴스와 신문, 라디오, 인터넷에 이르기까지 기상정보를 제공하지 않는 매체가 없는 시대가 되었다. 그만큼 기상정보는 세계적이며 동시에 개인적인, 무엇보다 생활에 밀접한 정보이다. 국민은 보다 정확하며 신속한 정보를 요구하며, 이에 답하기 위해 국가기상위성센터에서는 유관기관들과 천리안의 뒤를 이을 후속 기상위성 개발에 착수하였다. 자연재해 대비에서부터 수많은 산업과 서비스업에 이르기까지, 기상정보는 관련 분야에 엄청난 영향을 끼친다고 볼 수 있다. 본고에서는 대한민국 최초의 기상위성 천리안과, 일본 Himawari-8호의 위성자료 서비스 현황을 소개한다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.763-774
• /
• 2020

수치예보모델의 예측 바람장은 대기운동벡터 알고리즘의 표적 추적 과정에서 추적 정확도 향상이나 계산 시간 단축을 위해 초기 추정치로 사용된다. 대기운동벡터는 수치예보모델의 자료동화 시 활용가치가 높다고 알려졌으나, 초기 추정치로 사용된 수치예보모델 바람장이 대기운동벡터의 검증 과정에 참 값으로 사용된다는 모순이 있다. 이를 해결하기 위해서는 수치예보모델로부터 독립적인 초기 추정치가 필요하다. 본 연구에서는 Lucas and Kanade 옵티컬 플로우 방법을 적용하여 바람장을 도출한 후 이를 초기 추정치로 사용함으로써 표적 추적과정에서의 모델 의존성을 제거하고 계산 속도를 향상시키고자 하였다. 대기운동벡터 산출에는 2015년 8월 18일 ~ 9월 5일 00, 06, 12, 18시 동안의 정지궤도 위성 Himawari-8/AHI의 14번 채널 Level 1B 자료를 사용하였다. 옵티컬 플로우 방법이 대기운동벡터 산출에 미치는 영향을 평가하기 위하여 다음과 같은 세가지 방법으로 교차 검증을 수행 하였다. (1) 초기 추정치 없이, (2) KMA/UM 예보바람장을 초기 추정치로 사용하여, 그리고 (3) 옵티컬 플로우 방법으로 계산된 바람장을 초기 추정치로 사용하여 대기운동벡터를 산출하고 ECMWF ERA-Interim 재분석장과 비교 검증한 결과, 옵티컬 플로우 기반 바람장을 초기 추정치로 사용한 경우에 가장 높은 정밀도를 보였다(RMSVD: 5.296-5.804 ms^-1). 계산 속도는 초기 추정치를 사용하지 않은 경우에 가장 느렸고, 나머지 테스트는 유사한 속도를 보였다. 그러므로 대기운동벡터 알고리즘의 표적 추적 과정에 옵티컬 플로우 방법을 적용하면, 모델 의존성 없는 고품질 바람벡터의 산출이 가능할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제35권1호
• /
• pp.39-55
• /
• 2019

In this study, we have proposed an improved method to detect forest fires by correcting the reflected signals of day images using the middle-wavelength infrared (MWIR) channel. The proposed method is allowed to remove the reflected signals only using the image itself without an existing data source such as a land-cover map or atmospheric data. It includes the processing steps for calculating a solar-reflected signal such as 1) a simple correction model of the atmospheric transmittance for the MWIR channel and 2) calculating the image-based reflectance. We tested the performance of the method using the MODIS product. When compared to the conventional MODIS fire detection algorithm (MOD14 collection 6), the total number of detected fires was improved by approximately 17%. Most of all, the detection of fires improved by approximately 30% in the high reflection areas of the images. Moreover, the false alarm caused by artificial objects was clearly reduced and a confidence level analysis of the undetected fires showed that the proposed method had much better performance. The proposed method would be applicable to most satellite sensors with MWIR and thermal infrared channels. Especially for geostationary satellites such as GOES-R, HIMAWARI-8/9 and GeoKompsat-2A, the short acquisition time would greatly improve the performance of the proposed fire detection algorithm because reflected signals in the geostationary satellite images frequently vary according to solar zenith angle.

• 대한원격탐사학회지
• /
• 제37권1호
• /
• pp.41-55
• /
• 2021

To detect thunderstorms occurring in Korea, National Meteorological Satellite Center (NMSC) also introduced the rapid-development thunderstorm (RDT) algorithm developed by EUMETSAT. At NMCS, the H-RDT (HR) based on the Himawari-8 satellite and the K-RDT (KR) which combines the GK2A convection initiation output with the RDT were developed. In this study, we optimized the KR (KU) to improve the detection level of thunderstorms occurring in Korea. For this, we used all available data, such as GK2A/AMI, RADAR, lightning, and numerical model data from the recent two years (2019-2020). The machine learning of logistic regression and stepwise variable selection was used to optimize the KU algorithms. For considering the developing stages and duration time of thunderstorms, and data availability of GK2A/AMI, a total of 72 types of detection algorithms were developed. The level of detection of the KR, HR, and KU was evaluated qualitatively and quantitatively using lightning and RADAR data. Visual inspection using the lightning and RADAR data showed that all three algorithms detect thunderstorms that occurred in Korea well. However, the level of detection differs according to the lightning frequency and day/night, and the higher the frequency of lightning, the higher the detection level is. And the level of detection is generally higher at night than day. The quantitative verification of KU using lightning (RADAR) data showed that POD and FAR are 0.70 (0.34) and 0.57 (0.04), respectively. The verification results showed that the detection level of KU is slightly better than that of KR and HR.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.439-439
• /
• 2022

인공위성은 위성통신, 기상 등 다양한 분야에서 활용되고 있지만 재난과 위성영상 특성 매칭의 제약으로 재난 상황에서는 제한적으로 사용되었다. 국내외 위성 갯수의 증가로 위성영상을 준-실시간으로 확보 가능함에 따라 활용할 수 있는 범위가 증가하여 최근에는 재난·재해에 신속하게 대비하기 위한 연구가 활발히 진행되고 있다. 본 연구는 재난 발생 지역의 위성 영상 확보를 위해 촬영된 영상과 미래시점의 촬영 예정인 영상의 촬영 예정 시간 및 영역을 빠른 시간 내 분석하여 최적 위성영상 확보에 기반이 되고자 한다. 행정안전부에서 분류한 재난·재해 유형에 따라 재난 예측, 탐지, 사후처리를 위한 위성자료의 확보를 위하여 다양한 위성과 탑재된 센서들의 궤도, 공간 해상도, 파장대 등의 위성영상의 적시성을 분석하여 최적 위성을 정의하였다. 위성 궤도 시뮬레이션은 TLE(Two Line Element) 정보를 이용하는 SGP4(Simplified General Perturbations version 4) 모델에 적용하여 개발하였다. 최신 TLE 정보를 이용하여 위성 궤도 정보 및 센서 정보(공간 해상도, Swath width, incidence angle IFOV 등)을 적용하였다. 수집된 위성 궤도 정보를 기반으로 위성의 궤도를 예측하여 예측된 위치에서의 촬영 영역을 산정하는 분석 기능을 수행하여 최종 시뮬레이션 데이터를 생성한다. 개발된 위성 궤도 시뮬레이션 알고리즘을 토대로 태풍 미탁 사례에 적용하였다. 위성 궤도 시뮬레이션 알고리즘을 태풍 미탁 사례에 적용한 결과 다종 위성리스트 중 위성 궤도 분석을 통해 최단기간 획득 가능한 위성 중 정지 궤도 기상위성인 Himawari-8, GK-2A는 태풍 경로 모니터링, 광학 위성인 Sentinel-2, PlanetScope는 건물 피해 지역, SAR 위성인 Sentinel-1, ICEYE는 홍수 지역을 탐지하는데 최적 위성 영상으로 분석되었다.

• 대한원격탐사학회지
• /
• 제35권3호
• /
• pp.415-431
• /
• 2019

본 연구에서는 위성관측운량을 지상관측운량에 가깝게 보정하기 위한 알고리즘을 개발하였다. 위성관측운량과 지상관측운량은 같은 구름을 각각 평면과 반구면에 투영한 관점이라는 차이를 가진다. 따라서, 개발된 위성보정 알고리즘은 평면의 위성관측 영역에 투영된 구름에 적절한 높이를 부여하여 지상관측 영역인 반 구면에 투영된 구름으로 변환하는 것이 핵심이다. 이때 평면구름은 위성 구름탐지를 이용하며, 높이는 운정압력을 이용하여 결정한다. Himawari-8 Level 1B 관측자료로 입력자료를 만들어 기존의 위성관측운량과 개발된 알고리즘을 통해 산출한 위성관측운량을 2016년 7월부터 2017년 6월, 매월 1일부터 7일까지 낮 시간 동안 한국(22개소)과 중국(724개소)의 종관지상관측소의 목측 전운량에 대해 검증하였다. 그 결과, 개발된 알고리즘을 통해 산출한 보정위성관측운량이 기존 위성관측운량에 비해 작은 평균오차($1.01{\rightarrow}0.61$)를 가지며, 예측의 성공률(PC) 또한 증가($55%{\rightarrow}61%$)했다. 특히 '흐림(Cloudy)'에 대한 관측률(POD)이 증가하였다($60%{\rightarrow}73%$). 예측 성공률은 55%에서 61%로 상승하였다. 이때, 겨울 기간(12-2월)에는 구름 과탐지에 의한 것으로 추정되는 오차가 다소 증가하나, 전 계절과 마찬가지로 좋은 예측 성공률을 보인다($56%{\rightarrow}60%$). 개발된 알고리즘으로 산출한 보정위성관측운량이 기존의 위성관측운량보다 지상관측운량에 더 가까워지는 것을 확인하였다.

• 한국지구과학회지
• /
• 제41권6호
• /
• pp.617-629
• /
• 2020

기후변화와 지구환경변화에 중요한 역할을 하고 있는 해수면온도는 인공위성 적외선 센서가 관측하는 피층 수온과 측기들이 관측하는 표층 수온으로 나누어질 수 있다. 국외 여러 기관에서 보급되고 있는 해수면온도 관측 자료들은 각각 서로 다른 깊이의 수온을 나타내고 있어서 해양 피층과 표층 수온 사이의 관계를 이해하는 것은 매우 중요하다. 본 연구에서는 적외선 라디오미터를 해양조사선에 장착하기 위한 시스템을 설계하고 부착하고 운용하여 국내에서 처음으로 해양 피층 수온을 산출할 수 있는 관측 환경을 구축하였다. 선박 관측 전에 실험실에서 라디오미터 기기의 검보정을 실시하여 보정 계수를 산출하였다. 관측된 해수면에서 방출된 복사에너지와 하늘 복사에너지를 피층 수온으로 산출하는 일련의 과정을 적용하였다. 산출된 피층 해수면온도를 현장 관측 표층 수온자료와 비교하여 표층과 피층 수온 차이를 정량적으로 조사하고자 하였으며, Himawari-8 정지궤도 위성 해수면온도 자료와의 비교를 통해 해양 상층 연직구조의 특성을 이해하고자 하였다. 2020년 4월 21일부터 5월 6일까지 남해안의 장목항과 동해 남부를 관측한 해양 피층 수온은 전체적으로 표층 수온과 0.76℃ 정도의 차이를 보였다. 또한 이 두 수온 차이의 평균제곱근오차는 약 0.6℃에서 0.9℃까지의 일간변화를 가지고 있었으며, 하루 중 1-3시에 0.83-0.89℃로 가장 크게 나타났으며, 15시에 0.59℃로 최소의 차이를 가지고 있었다. 또한 편차도 0.47-0.75℃의 일간변화를 나타내었다. 해양 피층 관측 수온과 위성 해수면 온도 간 차이는 약 0.74℃의 평균제곱근오차, 0.37℃의 편차를 나타냈다. 본 연구의 분석을 통해 관측 수심에 따른 피층-표층 수온의 차이를 확인할 수 있었으며, 피층-표층 수온 차의 계절적 변화를 정량적으로 이해하고 또 변동 요인과의 관련성을 연구하기 위하여 연구조사선을 이용한 추가적인 연안 및 대양 관측이 지속적으로 진행되어야 함을 시사한다.

• 한국지구과학회지
• /
• 제39권2호
• /
• pp.119-130
• /
• 2018

동아시아 지역의 에어로졸 광학정보에 대하여 천리안 위성에 탑재된 GOCI, MI, 그리고 Himawari 8 위성에 탑재된 AHI 센서들의 측정자료를 연세 에어로졸 알고리즘(YAER)을 이용하여 산출하였다. 본 연구에서는 각 센서에서 산출되는 에어로졸 광학두께(Aerosol optical depth, AOD)를 상호비교하고, 지상장비인 AERONET과의 검증결과도 보였다. 사용한 AOD 자료는 세 종류의 센서에서 최소반사도 방법(Minimum reflectance method, MRM)을 이용하여 산출된 AOD, 그리고 AHI에서는 단파적외선이용 지표면정보산출방법(Estimated surface reflectance from SWIR, ESR)을 이용한 방법의 AOD까지 총 네가지이다. 세 위성간의 산출결과에서 육지와 해양에서 일관된 결과를 보이고 있으나, MI와 GOCI에서는 구름제거에 한계가 존재하며 AOD의 과대 추정 문제가 보인다. 한편 지상장비인 AERONET과의 비교검증결과는 MI, GOCI, 그리고 AHI 의 MRM 방법, ESR 방법 에서 기대오차 내에 들어오는 비율(% within Expected error, EE)이 36.3, 48.4, 56.6, 68.2%로 각각 나타났다. MI의 경우는 단일 채널을 이용하여 에어로졸광학정보를 산출하고 있고, 계절에 따른 에어로졸 유형을 고정하고 있어, 다양한 오차가 포함되어 낮은 EE를 보이고 있다. 5, 6월에는 ESR 방법의 결과물은 높은 EE 를 나타내고 있는데 이는 GOCI, MI, MRM 방법 에서 사용하고 있는 최소반사도 방법보다 정확한 지면반사도를 산출하기 때문으로 추정된다. 이 결과는 AERONET 사이트 별로 RMSE 와 EE 로 설명하고 있으며, 검증한 총 22개 사이트 중 15개 사이트에서 ESR 방법이 가장 높은 EE 를 보이고 있고, RMSE는 13개 사이트에서 가장 낮게 나타났다. 또한 정지궤도 위성의 특징을 이용하여 시간대별 오차를 각 산출물 별로 보였다. 00~06 Universal Time Coordinated (UTC)에서 한 시간별로 최대로 나타나는 absolute median bias error 는 0.05, 0.09, 0.18, 0.18, 0.14, 0.09, 0.10 로 나타나며 00UTC에서는 GOCI 에서, 나머지 시간대에서는 MI에서 최대오차를 보였다.