• 한국농림기상학회지
• /
• 제13권2호
• /
• pp.69-78
• /
• 2011

벼는 전 세계 주요 식량 자원 중 하나이며, 특히 아시아 지역에서 벼 경작이 활발히 이루어지고 있다. 벼를 경작하기 위한 논은 다른 작물과 달리 모내기전에 논에 물을 가둬두며, 많은 양의 물이 관개용수로 사용된다. 따라서 신뢰도 있는 관개시기 및 논의 탐지는 효율적인 수자원 관리 및 물 수지 분석을 위해 반드시 필요한 요소이다. 본 연구에서는 MODIS 자료로부터 산출된 개선된 식생지수(Enhanced Vegetation Index, EVI)와 지표수분지수(Land Surface Water Index, LSWI)를 활용하여 관개시기와 논의 공간분포탐지를 실시했다. 한국의 이천 연구지와 일본 Mase 연구지를 대상으로 MODIS 기반의 관개시기 탐지 결과 관측자료와 각각 1일과 8일정도의 차이를 나타냈다. 이 결과는 MODIS 8일 단위 자료의 오차범위 내에서 신뢰도 있는 관개시기 탐지 결과를 나타낸 것으로 판단된다. 또한 관개시기 탐지 결과를 토대로 한국 전체를 대상으로 MODIS 기반의 논을 탐지하고 환경부 토지피복도의 논과 비교하였다. 그 결과, 논이 넓게 분포한 지역에서는 MODIS가 과대평가하는 결과를 나타냈으며, 규모가 작은 논에 대해서는 과소평가하는 결과를 나타냈다. 이는 MODIS 자료의 공간해상도(500m)가 한국 논의 규모를 표현할 정도로 세밀하지 못한 점과 산림, 도시, 호수 및 강 등을 제거하는 과정에서 오차가 발생했을 것으로 판단된다. 또한 Xiao et al.(2005)이 제안한 LSWI에 대한 임계값(+0.05)은 중국을 대상으로 개발된 값으로, 한국 논의 토지피복 복잡성을 잘 반영하지 못하여 오차를 발생시킨 것으로 사료된다. 따라서 신뢰도 있는 관개시기 및 논 탐지를 위해서는 한국 논의 규모 및 토지피복의 이질성을 체계적으로 고려한 LSWI의 임계값을 개발하여 적용할 필요가 있다.

• 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
• /
• 제39권5_3호
• /
• pp.933-948
• /
• 2023

대기 중 에어로졸은 인체에 악영향을 끼칠 뿐 아니라 기후 시스템에도 직간접적인 영향을 미치므로 에어로졸의 특성과 시공간적인 분포에 대한 이해는 매우 중요하다. 이를 위해 위성기반 관측을 통해 에어로졸 광학 두께(Aerosol Optical Depth, AOD)를 산출하여 에어로졸을 모니터링하는 다양한 연구가 수행되어 왔다. 하지만 이는 주로 조견표를 활용한 역 산출 알고리즘에 기반하여 이루어지기 때문에 많은 계산량을 요구하며 불확실성이 존재한다. 따라서, 본 연구에서는 Geostationary Ocean Color Imager-II (GOCI-II)의 대기상한반사도와 30일 동안의 대기상한반사도 중 최솟값과 관측 시점 값의 차이 값, 수치 모델 기반 기상학적 변수 등을 활용하여 기계학습 기반 고해상도 AOD 직접 산출 알고리즘을 개발하였다. Light Gradient Boosting Machine (LGBM) 기법이 사용되었으며, 추정된 결과는 지상 관측 자료인 Aerosol Robotic Network (AERONET) AOD를 활용하여 랜덤, 시간 및 공간별 N-fold 교차검증을 통해 검증되었다. 세 가지 교차검증 결과 R²=0.70-0.80, RMSE=0.08-0.09, 기대오차(Expected Error, EE) 안에 있는 비율은 75.2-85.1% 수준으로 안정적인 성능을 보였다. Shapley Additive exPlanations (SHAP) 분석에서는 반사도 관련 변수들이 기여도의 상위권 대부분을 차지하고 있는 것을 통해 반사도 자료가 AOD 추정에 많은 기여를 하는 것을 확인하였다. 서울과 울산 지역에 대한 시간 별 AOD의 공간 분포를 분석한 결과, 개발된 LGBM 모델은 시간의 흐름에 따라 AERONET AOD 값과 유사한 수준으로 AOD를 추정하고 있었다. 이를 통해 높은 시공간 해상도(i.e., 시간별, 250 m)에서의 AOD 산출이 가능함을 확인하였다. 또한, 산출 커버리지 비교에서 LGBM 모델의 평균 산출 빈도가 GOCI-II L2 AOD 산출물 대비 8.8%가량 증가한 것을 통해 기존 물리모델기반 AOD 산출 과정에서 발생하던 밝은 지표면에 대한 과도한 마스킹의 문제점을 개선시킨 것을 확인하였다.