• 한국농공학회논문집
• /
• 제64권4호
• /
• pp.31-43
• /
• 2022

In this study, we estimated the monthly FDSI (Flash Drought Stress Index) for assessing flash drought on South Korea using AMSR2(Advanced Microwave Scanning Radiometer 2) satellite-based soil moisture footprints. We collected the AMSR2 soil moisture and climate-land surface data from April to November 2018 for analyzing the monthly FDSI values. We confirmed that the FDSI values were high at the regions with the high temperature/evapotranspiration while the precipitation is relatively low. Especially, the regions which satisfied an onset of flash drought (FDSI≧0.71) were increased from June. Then, the most of regions suffered by flash drought during the periods (July to August) with the high temperature and evapotranspiration. Additionally, the impacts of landuse and slope degree were evaluated on the monthly FDSI changes. The forest regions that have the steep slope degree showed the relatively higher FDSI values than the others. Thus, our results indicated that the the slope degree has the relatively higher impact on the onset and increasing of flash drought compared to the others.

• 대한원격탐사학회지
• /
• 제9권2호
• /
• pp.51-69
• /
• 1993

열대 및 아열대 태평양상에서 TOVS(Tiros Operational Vertical Sounder) 가강수량의 추정을 위한 모형을 사용하여 열대 기상 중 하나인 TP(Tropical Plume) 또는 Flare-up현상의 수 증기장을 분석하였다. 전가강수량 모형(71.1% 의 변량과 0.62 g $cm^{-2}$의 표준편차)와 중 대류고도 모형(71.7의 변량과 0.17 g $cm^{-2}$의 표준편차)을 선택하여 Tropical Plume 현상 에 대해 TOVS 가강수량, ECMWF(European Centre of Medium Range Weater Forecasts) 가강 수량, SMMR(Scanning Multichannel Microwave Radiometer) 가강수량과 OLR(Outgoing Longwave Radiation)을 상호비교하고 평가하였다. TOVS가강수량 모형으로는 Tropical Plume이 단지 초기단계인 상층운과 얇은 중층운으로 이루어졌을 때는 이 현상을 식별하기 어려웠으나 발 달단계인 상층운과 짙은 중층운이 존재할 때는 이현상이 뚜렷하였다. ECMWF 가강수량은 종관 기상현상은 잘 설명하였으나 Tropical Plume은 뚜렷하지 않았으며, 열대 수렴대와 남태평양 수렴 대에서는 대체로 TOVS 가강량보다 과습하였다. SMMR 가강수량도 TOVS 가강수량과 비슷한 현상을 보였으나 특히, OLR은 Tropical Plume 현상이 가장 뚜렷이 나타났다.

• Ocean and Polar Research
• /
• 제24권3호
• /
• pp.255-261
• /
• 2002

We investigated the distribution of sea ice using Topex/Poseidon (T/P) and ERS-1 .ada. altimeter data in the northwest Weddell Sea, Antarctica, between the area $45-75^{\circ}W\;and\;55-66^{\circ}S$. Using the Geo_Bad_1 flag of the Merged GDR of the T/P, we classified the surface into ocean, land, and sea. Total 257 cycles of altimeter measurements between Oct. 1992 and Sep. 1999 (for nearly 2570 days) were used to analyze the distribution of the Antarctic sea ice. We then calculated the surface area of ice coverage using SUTM20 map projection to monitor the periodic variations. Each year, the maximum and minimum coverage of the sea ice were found in late August and February in the study area, respectively. We also studied the sea ice distribution using ERS-1 altimeter data between $45-75^{\circ}W\;and\;55-81.5^{\circ}S$ to compare with the T/P Using the Valid/Invalid flag of the Ocean Product, we analyzed the sea ice distribution between March and August of 1995, which showed very good coherence with the T/P measurements. Our preliminary results showed that the altimeter measurements can be effectively used to monitor the distribution of the sea ice in the polar region. However, the size of radar footprint, typically 2-6km depending on the roughness of the sea surface, may be too big to monitor the sharp boundary between ice and water/land. If more other altimeter mission data with dense coverage such as Geosat GM are analyzed together, this limitation can be significantly improved. If we also combine other microwave remote sensing data such as radiometer, and SSM/I, the result will be significantly enhanced.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.306-309
• /
• 2007

Japanese Ocean Flux Data Sets with Use of Remote Sensing Observations (J-OFURO) includes global ocean surface heat flux data derived from satellite data and are used in many studies related to air-sea interaction. Recently latent heat flux data version 2 was constructed in J-OFURO. In version 2 many points are improved compared with version 1. A bulk algorithm used for estimation of latent heat flux is changed from Kondo (1975) to COASRE 3.0(Fairall et al., 2005). In version 1 we used NCEP reanalysis data (Reynolds and Smith, 1994) as SST data. However, the temporal resolution of the data is weekly and considerably low. Recently there are many kinds of global SST data because we can obtain SST data using a microwave radiometer sensor such as TRMM/MI and Aqua/AMSR-E. Therefore, we compared many SST products and determined to use Merged satellite and in situ data Global Daily (MGD) SST provided by Japan Meteorological Agency. Since we use wind speed and specific humidity data derived from one DMSP/SSMI sensor in J-OFURO, we obtain two data at most one day. Therefore, there may be large sampling errors for the daily-mean value. In order to escape this problem, multi-satellite data are used in version 2. As a result we could improve temporal resolution from 3-days mean value in version 1 to daily-mean value in version 2. Also we used an Optimum Interpolation method to estimate wind speed and specific humidity data instead of a simple mean method. Finally the data period is extended to 1989-2004. In this presentation we will introduce latent heat flux data version 2 in J-OFURO and comparison results with other surface latent heat flux data such as GSSTF2 and HOAPS etc. Moreover, we will present validation results by using buoy data.

• 대한원격탐사학회지
• /
• 제14권4호
• /
• pp.315-324
• /
• 1998

TOVS에 탑재된 마이크로파 센서(MSU)와 고감도 적외복사계(HIRS)로부터 도출한 총가강수량과 SSM/I 관측으로 계산한 총가강수량으로 일본에 상륙 후, 한일해협에서 열대성 저기압으로 약화된 태풍 월트(9407)와 1995년 처음 태풍으로 발달한 태풍 페이(9503)의 운동기간 중의 수증기장 변화를 조사하는데 사용하였는데, 이들로 태풍의 운동변화에 따른 수증기장 변화를 나타낼 수 있었다. 태풍 월트와 페이의 전가강수량장은 주로 한국과 일본을 향하여 다가옴에 따라, 그들의 강도를 유지하고 강화하는데 아주 중요한 역할을 하는 북서태평양 상에 수증기의 수평수송에 주로 좌우된다. 도출된 수증기장은 두 주요구름대가 월트와 페이가 다가오고 지나가는 동안 한반도와 일본상공의 강우대 임을 나타내는 두터운 대류운 형태와 유사함을 보였다. 그러나 도출된 TOVS 전가강수량의 값은 SSM/I 값과 비교할 때 상대적으로 과소평가되었음을 나타내었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.159-159
• /
• 2016

북한 지역에서 시작되어 한반도의 금문댐까지 연결되는 임진강은 북한지역의 유출량 미계측으로 인해 유출량 산출에 많은 어려움이 있어왔다. 본 연구에서는 위성 데이터를 활용하여 미계측 유역의 유출량을 추정 할 수 있는 기법을 제시하였다. Satellite-derived Flow Signal (SDF)는 위성 기반 특정 지역의 유출 정보를 제공하며, JAXA의 GCOM-W1 위성에 탑재된 Advanced Microwave Scanning Radiometer 2(AMSR2) 센서에서 산출된다. 본 연구에서는 SDS 뿐 아니라 유출에 크게 관련이 있는 지표 토양수분 데이터와 식생인자를 임진강 유출 값을 예측하기 위한 입력 값으로 활용하였다. 토양수분 데이터는 Metop-A 위성에 탑재된 Advanced Scatterometer(ASCAT) 센서에서 산출되는 데이터를 활용하였으며, 식생데이터는 Aqua 위성에 탑재된 Moderate Resolution Imaging Spectroradiometer(MODIS) 센서에서 측정되는 Normalized Difference Vegetation Index(NDVI) 데이터를 활용하였다. 추가적으로 SDS, 토양수분, NDVI 데이터는 다양한 lag time으로 약 150여개의 입력데이터로 세분화되었다. 150개의 방대한 입력인자는 Partial Mutual Information(PMI) 방법을 통해 소수 중요 인자들로 간추려져 기계 학습 입력인자로 활용되었다. 기계학습에 있어서는 Support Vector Machine(SVM), Artificial Neural Network (ANN) 기법을 활용하였다. SVM, ANN을 통해 모델화된 유출데이터는 금문댐 유출데이터와 비교/분석되었다. SVM 기법 기반의 유출량은 실제 유출량과 0.73의 상관계수를 보여주었고, ANN 기법 기반의 유출량은 0.66의 상관계수를 결과를 나타내었다. 하지만 SVM 기반 유출데이터는 과소 산정 되는 경향을 보였으며, ANN 기법 기반의 유출량은 과대산정되는 결과가 산출되는 한계점이 있음을 파악할 수 있었다.

• 대기
• /
• 제32권4호
• /
• pp.395-409
• /
• 2022

A new soil moisture initialization scheme is applied to the Korea Meteorological Administration (KMA) Global Seasonal forecasting system version 6 (GloSea6). It is designed to ingest the microwave soil moisture retrievals from Soil Moisture Active Passive (SMAP) radiometer using the Local Ensemble Transform Kalman Filter (LETKF). In this technical note, we describe the procedure of the newly-adopted initialization scheme, the change of soil moisture states by assimilation, and the forecast skill differences for the surface temperature and precipitation by GloSea6 simulation from two preliminary experiments. Based on a 4-year analysis experiment, the soil moisture from the land-surface model of current operational GloSea6 is found to be drier generally comparing to SMAP observation. LETKF data assimilation shows a tendency toward being wet globally, especially in arid area such as deserts and Tibetan Plateau. Also, it increases soil moisture analysis increments in most soil levels of wetness in land than current operation. The other experiment of GloSea6 forecast with application of the new initialization system for the heat wave case in 2020 summer shows that the memory of soil moisture anomalies obtained by the new initialization system is persistent throughout the entire forecast period of three months. However, averaged forecast improvements are not substantial and mixed over Eurasia during the period of forecast: forecast skill for the precipitation improved slightly but for the surface air temperature rather degraded. Our preliminary results suggest that additional elaborate developments in the soil moisture initialization are still required to improve overall forecast skills.

• 한국지구과학회지
• /
• 제39권3호
• /
• pp.228-240
• /
• 2018

2015년부터 최근까지 차세대도시농림융합기상사업단에서는 수도권에 위치한 도시기상 관측소에서 관측된 기상자료(14소), 운고계(2소) 그리고 마이크로웨이브 라디오미터(MWR, 7소) 자료를 이용하여 태양에너지를 산출하였다. 수도권지역에 위치한 운고계에서 관측된 후방산란계수와 MWR에서 추정된 액상물량을 이용하여 구름광학두께와 운량을 산출하였다. 각각의 원격탐사장비에서 산출된 운량을 태양복사모델에 입력하여 지표면에 도달하는 태양에너지를 계산하였다. 추정된 태양에너지를 관측과 비교한 결과, 중랑과 광화문지점에서는 과소추정이 나타났다. 선형회귀분석한 결과 0.8이하의 기울기를 나타냈고 $-20W/m^2$의 음의 편차와 $120W/m^2$의 평방근오차(RMSE)가 나타났다. 그리고 MWR을 이용하여 추정된 태양에너지의 정확도(평균 결정계수$(R^2)=0.8$)와 오차율(평균 $RMSE=110W/m^2$)이 향상되었다. 월별 산출된 운량과 태양에너지는 운고계를 이용하여 산출하였을 때 운량이 0.09 이상 크게 나타났으며 태양에너지가 $50W/m^2$ 이상 낮게 산출되었다. 지점에 따라 차이는 있었으나 대체로 7월과 9월의 RMSE가 $50W/m^2$ 이상 크게 계산되었다. 결과적으로 일누적 태양에너지는 광화문지점에서 가장 높은 상관성이 나타났고($R^2=0.80$, RMSE=2.87 MJ/Day), 구로지점에서 상관성이 가장 낮았다($R^2=0.63$, RMSE=4.77 MJ/Day).

• 대한원격탐사학회지
• /
• 제26권2호
• /
• pp.65-73
• /
• 2010

구름과 강수특성을 분석하기 위해 대관령에 구름물리관측시스템(Cloud physics Observation System, 이하 CPOS)을 2003년부터 운영해 오고 있다. 주요 관측 기기는 다음과 같다: FSSP (Forward Scattering Spectrometer Probe), OPC (Optical Particle Counter), VS (Visibility Sensor), PARSIVEL disdrometer, MWR (Microwave Radiometer), MRR (Micro Rain Radar). 앞의 4개 장비는 지상구름 (안개)과 강수 특성을, 뒤의 2개 장비는 연직구름의 특성을 실시간으로 관측하고 있다. CPOS 산출물을 검증하기 위해 FSSP는 흡습성 물질 시딩 실험 중 OPC와, MWR의 가강수량은 라디오존데와, PARSIVEL과 MRR은 우량계와 비교 연구가 수행되었다. 그 결과를 보면 대부분이 0.7이상의 좋은 상관도를 보인다. 이와 같이 신뢰도를 확보한 CPOS 관측 자료는 구름과 에어로솔의 간접효과나 기상조절 실험에 유용한 자료로 활용될 수 있을 것이다. FSSP의 입자 크기 분포를 시정값으로 환산해 보았으며 FSSP 환산 시정값은 visibility sensors (SVS)와 PWD22 (Present Weather Detect 22)의 시정계 값에 비해 1.7~1.9배 과도한 경향을 보였다. 이는 FSSP에 의해 관측되는 입자 크기($2{\sim}47\;{\mu}m$)의 한계 때문으로 사료된다. 향후 다른 입자크기분포를 측정할 수 있는 장비를 도입하여 추가 분석을 추진할 계획이다.

• 대기
• /
• 제27권3호
• /
• pp.359-370
• /
• 2017

In this study, the oceanic Total Precipitable Water (TPW) retrieval algorithm at 16 km altitude of High Altitude Long Endurance Unmanned Aerial Vehicle (HALE UAV) is described. Empirical equation based on Wentz method (1995) that uses the 18.7 and 22.235 GHz channels is developed using the simulated brightness temperature and SeeBor training dataset. To do radiative simulation, Satellite Data Simulator Unit (SDSU) Radiative Transfer Model (RTM) is used. The data of 60% (523) and 40% (349) in the SeeBor training dataset are used to develop and validate the TPW retrieval algorithm, respectively. The range of coefficients for the TPW retrieval at the altitude of 3~18 km with 3 km interval were 153.69~199.87 (${\alpha}$), 54.330~58.468 (${\beta}$), and 84.519~93.484 (${\gamma}$). The bias and RMSE at each altitude were found to be about $-0.81kg\;m^{-2}$ and $2.17kg\;m^{-2}$, respectively. Correlation coefficients were more than 0.9. Radiosonde observation has been generally operated over land. To validate the accuracy of the oceanic TPW retrieval algorithm, observation data from the Korea Meteorological Administration (KMA) Gisang 1 research vessel about six clear sky cases representing spring, autumn, and summer season is used. Difference between retrieved and observed TPW at 16 km altitude were in the range of $0.53{\sim}1.87kg\;m^{-2}$, which is reasonable for most applications. Difference in TPW between retrieval and observation at each altitude (3~15 km) is also presented. Differences of TPW at altitudes more than 6 km were $0.3{\sim}1.9kg\;m^{-2}$. Retrieved TPW at 3 km altitude was smaller than upper level with a difference of $-0.25{\sim}0.75kg\;m^{-2}$ compared to the observed TPW.