• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.274-274
• /
• 2021

토양수분은 가뭄, 홍수, 산불 및 산사태 등 자연재해 발생에 직간접적으로 영향을 미치기 때문에, 시·공간적으로 연속적인 토양수분 관측이 필요하다. 과거에는 TDR (Time Domain Reflectometry) 관측 장비를 설치하여 토양수분의 변화를 관측하였으나, 이러한 지점관측의 경우 하나의 관측지점에서 토양수분을 관측하기 때문에 공간적인 토양수분 변화를 나타내지 못한다. 최근 이러한 문제를 해결하기 위하여 인공위성 이미지 자료를 이용한 토양수분 산정에 관한 연구가 활발히 수행되고 있다. 그러나 SMOS (Soil Moisture and Ocean Salinity), SMAP (Soil Moisture Active Passive)와 같은 다양한 위성에서 관측된 토양수분은 낮은 공간해상도로 인한 불확실성이 커지는 단점이 있다. 최근 이러한 한계를 극복하기 위하여 광학위성영상과 달리 날씨의 영향을 받지 않으며 고해상도 이미지자료를 제공하는 Sentinel-1A/B 위성을 활용하여 토양수분을 관측하는 연구가 진행되고 있다. Sentinel-1은 10m의 높은 공간해상도를 제공하지만, 1~2주 주기로 영상취득이 가능하기 때문에 재방문시기와 같은 시간해상도 문제가 발생한다. 따라서 본 연구에서는 Sentinel-1A/B SAR 기반 후방산란계수와 농촌진흥청에서 제공하는 TDR 기반 토양수분 실측값을 이용하여 우리나라 토양수분 공간분포를 산정하였다. 산정된 Sentinel-1A/B 기반 토양수분과 토양수분자료동화기법을 연계하여 토양의 수리학적 매개변수를 추출하였으며, 추출된 매개변수와 기상자료를 이용하여 장기간(2001~2018) 일별 토양수분 공간분포를 산정하였다.

• Korean Journal of Remote Sensing
• /
• v.37 no.5_2
• /
• pp.1307-1315
• /
• 2021

The Changjiang Diluted Water (CDW) spreads over the East China Sea every summer and significantly affects the sea surface salinity changes in the seas around Jeju Island and the southern coast of Korea peninsula. Sometimes its effect extends to the eastern coast of Korea peninsula through the Korea Strait. Specifically, the CDW has a significant impact on marine physics and ecology and causes damage to fisheries and aquaculture. However, due to the limited field surveys, continuous observation of the CDW in the East China Sea is practically difficult. Many studies have been conducted using satellite measurements to monitor CDW distribution in near-real time. In this study, an algorithm for estimating Sea Surface Salinity (SSS) in the East China Sea was developed using the Geostationary Ocean Color Imager (GOCI). The Multilayer Perceptron Neural Network (MPNN) method was employed for developing an algorithm, and Soil Moisture Active Passive (SMAP) SSS data was selected for the output. In the previous study, an algorithm for estimating SSS using GOCI was trained by 2016 observation data. By comparison, the train data period was extended from 2015 to 2020 to improve the algorithm performance. The validation results with the National Institute of Fisheries Science (NIFS) serial oceanographic observation data from 2011 to 2019 show 0.61 of coefficient of determination (R²) and 1.08 psu of Root Mean Square Errors (RMSE). This study was carried out to develop an algorithm for monitoring the surface salinity of the East China Sea using GOCI and is expected to contribute to the development of the algorithm for estimating SSS by using GOCI-II.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.95-95
• /
• 2011

토양수분은 전 지구 및 기후 모델 연구, 전 지구 환경 감시, 기후변화, 대기-지표의 물과 에너지 상호교환 등 중요한 역할을 한다. 최근에는 수동형 마이크로웨이브 센서를 이용하여 토양수분을 탐지하고 있으며, NASA는 공식적인 전구 토양수분을 제공하고 있다. 특히, AMSR-E(Advandced Microwave Scanning Radiometer on EOS)의 6 GHz 영역에서 산출된 토양수분은 지표 토양층(0～5 cm)의 높으 정확도의 토양 수분 정보를 제공하고 있다. 지금까지의 위성관측을 이용한 토양 수분 알고리즘은 복잡한 선행모델과 관측된 경험식을 바탕으로 한다. 이 연구의 제안한 알고리즘은 위성에서 관측된 휘도온도 정보를 이용하여 역변환 방법을 이용하여 토양수분을 산출할 수 있기에, 복잡한 선행모델 사용을 최소화하는 장점이 있다. 본 연구에서 제시한 토양수분 산출 알고리즘은 각 채널(6.9 및 37 GHz)의 특성을 이용하여 거친 표면의 반사도를 산출한 후, 편광비율 특성을 이용한다. 아울러 반사도는 Hong 근사식을 이용하여 지표면 거칠기, 물질의 특성을 나타내는 유전상수를 산출하고 두 변수 사이의 관측된 경험적 관계식를 이용하여 전 지구적인 토양수분이 산출한다. 이 결과는 NASA에서 산출한 토양 수분과 현장관측 (SMEX03)의 오클라호마, 조지아 지역 관측 결과와 비교하였을 때, 사용자들이 요구하는 수준 (<0.06g/$cm^3$)의 정확도를 만족시킨다. 본 연구에서 제시된 토양수분 알고리즘은 단순성, 정확성, 물리적 기반을 바탕으로 하기에 현업용으로 그 활용 가치가 높다. 본 연구 결과는 향후 국외 토양수분산출 전용 위성들인 SMOS(Soil Moisture and Ocean Salinity)와 SMAP(Soil Moisture Active/Passive) 자료들을 생산하는데 활용된다면, 전 지구적 토양수분 정보제공에 기여할 수 있을 것으로 예산된다.

• Journal of the Korean earth science society
• /
• v.41 no.5
• /
• pp.469-477
• /
• 2020

Salinity is not only an important variable that determines the density of the ocean but also one of the main parameters representing the global water cycle. Ocean salinity observations have been mainly conducted using ships, Argo floats, and buoys. Since the first satellite salinity was launched in 2009, it is also possible to observe sea surface salinity in the global ocean using satellite salinity data. However, the satellite salinity data contain various errors, it is necessary to validate its accuracy before applying it as research data. In this study, the salinity accuracy between the Soil Moisture Active Passive (SMAP) satellite salinity data and the in-situ salinity data provided by the Ieodo ocean research station was evaluated, and the error characteristics were analyzed from April 2015 to August 2020. As a result, a total of 314 match-up points were produced, and the root mean square error (RMSE) and mean bias of salinity were 1.79 and 0.91 psu, respectively. Overall, the satellite salinity was overestimated compare to the in-situ salinity. Satellite salinity is dependent on various marine environmental factors such as season, sea surface temperature (SST), and wind speed. In summer, the difference between the satellite salinity and the in-situ salinity was less than 0.18 psu. This means that the accuracy of satellite salinity increases at high SST rather than at low SST. This accuracy was affected by the sensitivity of the sensor. Likewise, the error was reduced at wind speeds greater than 5 m s^-1. This study suggests that satellite-derived salinity data should be used in coastal areas for limited use by checking if they are suitable for specific research purposes.

• Korean Journal of Remote Sensing
• /
• v.39 no.6_2
• /
• pp.1605-1613
• /
• 2023

The physical properties of the ocean interior are determined by temperature and salinity. To observe them, we rely on satellite observations for broad regions of oceans. However, the satellite for salinity measurement, Soil Moisture Active Passive (SMAP), has low temporal and spatial resolutions; thus, more is needed to resolve the fast-changing coastal environment. To overcome these limitations, the algorithm to use the Geostationary Ocean Color Imager-II (GOCI-II) of the Geo-Kompsat-2B (GK-2B) was developed as the inputs for a Multi-layer Perceptron Neural Network (MPNN). The result shows that coefficient of determination (R²), root mean square error (RMSE), and relative root mean square error (RRMSE) between GOCI-II based sea surface salinity (SSS) (GOCI-II SSS) and SMAP was 0.94, 0.58 psu, and 1.87%, respectively. Furthermore, the spatial variation of GOCI-II SSS was also very uniform, with over 0.8 of R² and less than 1 psu of RMSE. In addition, GOCI-II SSS was also compared with SSS of Ieodo Ocean Research Station (I-ORS), suggesting that the result was slightly low, which was further analyzed for the following reasons. We further illustrated the valuable information of high spatial and temporal variation of GOCI-II SSS to analyze SSS variation by the 11th typhoon, Hinnamnor, in 2022. We used the mean and standard deviation (STD) of one day of GOCI-II SSS, revealing the high spatial and temporal changes. Thus, this study will shed light on the research for monitoring the highly changing marine environment.

• International Journal of Aeronautical and Space Sciences
• /
• v.17 no.2
• /
• pp.184-194
• /
• 2016

In existing identification methods for on-orbit spacecraft, such as eigensystem realization algorithm (ERA) and subspace method identification (SMI), singular value decomposition (SVD) is used frequently to estimate the modal parameters. However, these identification methods are often used to process the linear time-invariant system, and there is a lower computation efficiency using the SVD when the system order of spacecraft is high. In this study, to improve the computational efficiency in identifying time-varying modal parameters of large spacecraft, a faster recursive algorithm called fast approximated power iteration (FAPI) is employed. This approach avoids the SVD and can be provided as an alternative spacecraft identification method, and the latest modal parameters obtained can be applied for updating the controller parameters timely (e.g. the self-adaptive control problem). In numerical simulations, two large flexible spacecraft models, the Engineering Test Satellite-VIII (ETS-VIII) and Soil Moisture Active/Passive (SMAP) satellite, are established. The identification results show that this recursive algorithm can obtain the time-varying modal parameters, and the computation time is reduced significantly.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.19-19
• /
• 2019

토양수분은 지표수가 증발, 유출, 침투되는 과정에 중요한 역할을 하는 수문 인자로, 수문학적인 관점에서 물 순환을 이해하는 데 필수적인 요소이다. 그럼에도 불구하고 토양 내 수분을 측정하는 데 어려움이 많아 국내에서는 토양수분의 지속적인 관측을 위한 관측소 운영이 원활하게 이루어지지 않고 있으며, 주로 유전율식 계측 방식을 통해 지점 기반의 토양수분 자료를 생산하는데 그치고 있다. 최근 발사된 토양수분 위성인 SMAP (Soil Moisture Active Passive)을 비롯한 위성기반의 토양수분 자료와 융합하여 사용하기 위해서는 지점에서의 토양수분 네트워크가 우선적으로 구축되어야 하나, 관측소의 수도 부족할 뿐 아니라, 지형이 복잡하고 산지가 많은 한반도에서는 점 단위의 토양수분 자료의 공간적 대표성이 부족하여 활용에 어려움이 많다. 따라서 본 연구에서는 운영중인 지점 기반의 토양수분 관측소의 FDR (Frequency Domain Reflectometry), TDR (Time Domain Reflectometry) 센서를 함께 활용하여 산악지형에서의 Cosmic-ray 기반 토양수분자료를 생산하고자 한다. 산악지형에서의 Cosmic-ray 센서는 토양 유기물과 식생 차단 등에 의한 영향이 많으므로 평지에서 토양수분을 산정하기 위한 교정 함수들의 비교 및 평가를 실시하였다. 일반적으로 평지에서 활용되는 교정 함수들은 강우에 따른 토양수분의 거동을 잘 나타내고 있는 것으로 확인되었으나, 갑작스러운 강우로 인한 식생 차단과 토양 유기물의 영향이 커지는 경우 토양수분의 급격한 변동성을 표현하기에는 한계가 있는 것으로 나타났다. 이러한 연구를 기반으로 산악지형에서 Cosmic-ray 센서에 영향을 미치는 인자들을 분석할 수 있으며, 추후 산악지형에서 지역 규모의 토양수분을 관측할 수 있는 관측소를 구축하는데 활용될 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.433-433
• /
• 2023

토양수분은 물 순환의 필수적인 요소로써 수문순환 및 기상 현상에 큰 영향을 미친다. 현재 우리나라에서는 토양수분 자료구축을 위해 Frequency Domain Reflectometry (FDR), Time Domain Reflectometry (TDR) 센서를 활용하여 지점 단위 토양수분 자료를 생산하고 있다. 그러나 한반도는 도서, 산간 지역이 다수 분포하고 있어, 지점관측 센서만으로 공간 대표성을 갖는 토양수분 자료를 산출하기 어렵다. 이에, 광범위한 지역을 장기간 모니터링 할 수 있는 원격탐사 기법을 활용하여, Advanced SCATterometer (ASCAT), Soil Moisture Active and Passive (SMAP) 등의 공간 단위 토양수분 자료의 적용성이 평가되고 있다. 하지만, 공간 토양수분 자료의 검증을 위해 필수적인 지점 토양수분 자료가 구축되지 않은 미계측지역이 다수 존재하며, 한반도와 같이 지형적 복잡성이 높게 나타나는 지역에서는 계측지역에서의 활용성 평가 결과가 미계측지역에서도 유사하게 나타난다고 가정하기 어렵다. 이에 본 연구에서는, 미계측지역의 공간 토양수분 자료를 산출하고자 계측지역에서 SM2RAIN 알고리즘으로 산출된 강수량 자료와 위성 산출 자료 그리고 지점관측 자료의 관계성을 분석했다. SM2RAIN 알고리즘의 입력자료는 Advanced SCATterometer (ASCAT) 토양수분 자료를 활용했다. ASCAT 토양수분 자료와 SM2RAIN 강수 자료의 검증을 위해 기상청에서 제공하는 Automated Agriculture Observing System (AAOS) 토양수분 자료, Automatic Weather System (AWS) 강수량 자료와 Global Precipitation Measurement (GPM) 강수 자료를 활용하였다. 전반적으로 ASCAT 토양수분을 통해 산출한 SM2RAIN 강수량의 추정과GPM 강수량이 유의미한 상관성이 나타나는 것을 확인할 수 있었으며, 추후 Downscaling 기법과 연계하여 지형적 복잡성이 높게 나타나는 지역의 토양수분 추정이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.162-162
• /
• 2020

토양수분은 TDR(Time Domain Reflectometry)이나 Tensiometer 등의 장비를 이용하여 측정을 시행하고 있으나, 이를 위해서는 많은 인력과 경제적 자원이 소비될 뿐만 아니라 시공간적으로 측정할 수 있는 범위에 한계가 있다. 지상 관측의 대안으로 MIRAS(Microwave Imaging Radiometer with Aperture Synthesis)나 SMAP(Soil Moisture Active Passive), AMSR2(Advanced Microwave Scanning Radiometer 2) 등의 수동 마이크로파 위성 센서를 이용한 공간 토양수분 관측이 수행되었으나, 낮은 공간 해상도(9~36km)는 지역 규모의 토양수분 분포를 나타내기 충분하지 않고, 높은 불확실성을 내포하고 있다. 본 연구에서는 금강 상류의 용담댐 유역(930.0㎢)을 대상으로 Sentinel-1 C-band SAR(Synthetic Aperture Radar) 영상을 이용한 토지 피복 및 토양 속성을 고려한 10m 해상도의 토양수분 산출을 수행하였다. 용담댐 유역은 산림 79.7%, 논 9.0%, 밭 5.4%, 주거지 2.9%의 토지 피복 비율을 가지며 토양은 사양토(66.6%)와 양토(20.9%)가 우세하다. Sentinel-1 C-band SAR 영상은 SeNtinel Application Platform(SNAP)을 이용하여 전처리 후, 후방산란계수로 변환하였다. 토양수분 알고리즘은 TU-Wien change detection algorithm과 Regression model을 활용하였고, 검증을 위한 실측 토양수분 자료는 한국수자원공사(K-water)에서 제공하는 5년(2014~2018)간의 토양수분 관측자료를 이용하였다. 산출된 토양수분은 결정계수(Coefficient of determination, R²) 및 평균제곱근오차(Root Mean Square Error, RMSE)를 이용하여 실측 토양수분과 비교하였다. Sentinel-1 C-band SAR 영상을 이용한 고해상도의 토양수분 산출은 토지 피복 및 토양 속성을 고려한 지역 규모의 공간 토양수분 분포 및 시간적 변화를 표현 가능할 것으로 판단된다.

• Atmosphere
• /
• v.31 no.2
• /
• pp.229-240
• /
• 2021

The Global Ocean Data Assimilation and Prediction System (GODAPS) in operation at the KMA (Korea Meteorological Administration) is introduced. GODAPS consists of ocean model, ice model, and 3-d variational ocean data assimilation system. GODAPS assimilates conventional and satellite observations for sea surface temperature and height, observations of sea-ice concentration, as well as temperature and salinity profiles for the ocean using a 24-hour data assimilation window. It finally produces ocean analysis fields with a resolution of 0.25 ORCA (tripolar) grid and 75-layer in depth. This analysis is used for providing a boundary condition for the atmospheric model of the KMA Global Seasonal Forecasting System version 5 (GloSea5) in addition to monitoring on the global ocean and ice. For the purpose of evaluating the quality of ocean analysis produced by GODAPS, a one-year data assimilation experiment was performed. Assimilation of global observing system in GODAPS results in producing improved analysis and forecast fields with reduced error in terms of RMSE of innovation and analysis increment. In addition, comparison with an unassimilated experiment shows a mostly positive impact, especially over the region with large oceanic variability.