• 대한원격탐사학회지
• /
• 제34권2_1호
• /
• pp.191-201
• /
• 2018

본 연구에서는 한반도 서울의 연세대학교에서 Multi-Axis Differential Optical Absorption Spectroscopy(MAX-DOAS)장비로부터 산출된 원시자료를 이용하여 처음으로 최적추정(Optimal Estimation; OE)을 사용하여 오존전량 및 오존의 대류권 프로파일을 산출하였다. 오존전량 및 오존의 대류권 프로파일을 산출하기 위하여 최적추정을 통하여 MAX-DOAS자료의 광학두께 피팅을 수행하였다. 광학두께 피팅은 MAX-DOAS 장비로부터 각각의 기기 고도각별로 관측된 값을 천정각에서 관측된 값으로 나누어 계산된 자료를 통하여 수행하였다. 오존전량은 2017년 5월 23일 오전(08:13)과 오후(17:55)에 각각 375.4와 412.6 DU로 산출되었다. 오존의 대류권 프로파일(<10 km)은참값 오존존데와 비교하여 약 5% 이내의 오차로 산출되었다. 하지만 10 km 이상의 높은 고도에서는 산출 에러가 커져 10% 이상 과대추정 하는 것으로 산출되었다. MAX-DOAS 자료의 스펙트럼 피팅에 의한 오차는 오전과 오후에 각각 16.8%와 19.1%로 계산되었다. 본 연구에서 제시한 방법은 지상관측 기반의 초분광 UV 센서를 이용하여 오존전량과 대류권 오존 프로파일을 산출하는데 유용하게 사용될 수 있다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1497-1503
• /
• 2023

본 연구는 Near-UltraViolet (UV) 파장에서의 지표면 반사도 산출 시 발생하는 구름과 적설의 분류 한계를 극복하기 위해 Geostationary Environmental Monitoring Spectrometer (GEMS)와 Advanced Meteorological Imager (AMI) 위성의 구름 자료를 융합하여 적설역에서의 지표면 반사도 품질을 향상시키는 방법을 제안한다. GEMS 구름 산출물과 AMI 구름탐지 자료를 기반으로 융합 구름자료를 생산하였으며, 이를 GEMS 지표면 반사도 산출에 적용하였다. 그 결과 적설역에서 GEMS 구름 산출물만 사용한 경우에 비해 미산출이 개선되었으며 이는 전체 관측 영역에서 약 17%의 개선 효과를 확인하였다. 본 연구 결과는 융합 구름자료를 활용하여 적설역에서 지속적으로 발생했던 지표면 반사도 미산출 문제를 개선할 수 있음을 입증하며, 이를 통해 산출된 고품질의 지표면 반사도를 기반으로 타 Level-2 산출물의 품질향상을 기대할 수 있다.

• Environmental Sciences Bulletin of The Korean Environmental Sciences Society
• /
• 제4권1호
• /
• pp.11-23
• /
• 2000

Photochemical air quality models are essential tools in predicting future air quality and assessing air pollution control strategies. To evaluate air quality using a photochemical air quality model, emission inventories are important inputs to these models. Since most emission inventories are provided at a county-level, these emission inventories need to be geographically allocated to the computational grid cells of the model prior to running the model. The conventional method for the spatial allocation of these emissions uses "spatial surrogate indicators", such as population for mobile source emissions and county area for biogenic source emissions. In order to examine the applicability of such approximations, more detailed spatial surrogate indicators were developed using Geographic Information System(GIS) tools to improve the spatial allocation of mobile and boigenic source emissions, The proposed spatial surrogate indicators appear to be more appropriate than conventional spatial surrogate indicators in allocating mobile and biogenic source emissions. However, they did not provide a substantial improvement in predicting ground-level ozone(O3) concentrations. As for the carbon monoxide(CO) concentration predictions, certain differences between the conventional and new spatial allocation methods were found, yet a detailed model performance evaluation was prevented due to a lack of sufficient observed data. The use of the developed spatial surrogate indicators led to higher O3 and CO concentration estimates in the biogenic source emission allocation than in the mobile source emission allocation.llocation.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.953-966
• /
• 2022

에어로솔(aerosol)은 대기 질을 악화시키는 등 인체 건강에 악영향을 끼치므로 에어로솔의 분포 및 특성에 대한 정량적인 관측이 필수적이다. 최근 전 지구 규모에서의 주기적이고 정량적인 정보 획득 수단으로 위성관측 Aerosol Optical Depth (AOD) 영상이 다양한 연구에 활용되지만 광학센서 기반의 위성 AOD 영상은 구름 등의 조건을 가진 일부 지역에서 결측을 가진다. 이에 본 연구는 위성자료의 결측복원을 위하여 격자형 기상자료와 지리적 요소를 입력변수로 하여 Random Forest (RF) 기반 gap-filling 모델을 생성한 이후, gap-free GK-2A/AMI AOD hourly 영상을 산출하였다. 모델의 정확도는 -0.002의 Mean Bias Error (MBE), 0.145의 Root Mean Square Error (RMSE)로, 원자료의 목표 정확도보다 높으며 상관계수 0.714로 복원 대상이 대기변수인 점을 감안하면 상관계수 측면에서도 충분한 설명력을 갖춘 모델이다. 정지궤도 위성의 높은 시간 해상도는 일변화 관측에 적합하며 대기보정을 위한 입력, 지상 미세먼지 농도 추정, 소규모 화재 또는 오염원 분석 등 타 연구를 위한 자료 활용 측면에서 중요하다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.274-277
• /
• 2007

This study is to estimate the spatial distribution of soil loss using the land use data produced from QuickBird satellite imagery. For a small agricultural watershed (1.16 $km^2$) located in the upstream of Gyeongan-cheon watershed, a precise agricultural land use map were prepared using QuickBird satellite image of April 5 of 2003. RUSLE (Revised Universal Soil Loss Equation) was adopted for soil loss estimation. The data (DEM, soil and land use) for the RUSLE were prepared for 5 m and 30 m spatial resolution. The results were compared with each other and the result of 30 m Landsat land use data.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.432-435
• /
• 2006

Potential application topics of KOMPSAT-3 image in the field of precision agriculture are suggested. The topics can be categorized as fundamental and applied ones that have contents of static and dynamic characteristics respectively. As fundamental topics, precision information of agriculture that is related to farmland and its crop attributes, precision information of rural infrastructure that is related to rural village and its facilities, precision information of stream environment that is related to rural water resources and its facilities, and precision information of eco-environment that is especially related to riparian ecology and environmental status are included. As applied topics, precision rural water resources that has thematic contents of continuous and event-based runoff, spatial and temporal soil moisture and evapotranspiration, precision agricultural watershed environment that has the contents of spatial and temporal soil loss, sediment and pollutants transport, and precision temporal and spatial crop growth that has the contents of temporal crop texture, spectral reflectance, leaf area index, spatial crop protein information.

• 한국공간정보시스템학회 논문지
• /
• 제1권1호
• /
• pp.39-48
• /
• 1999

본 논문은 GIS를 이용하여 대기오염도 정보를 전달하는 환경정보시스템을 연구하는 것을 목적으로 한다. 본 연구에서는 ArcView 3.1과 수치지도를 이용하여 환경정보시스템을 개발하였다. 본 논문은 4장으로 구성되어 있는데, 서론에 이어 제2장에서는 대기오염정보 전달시스템의 현황을 서울시를 중심으로 살펴본다. 제3장에서는 본 연구를 통해 구현된 인터페이스와 시스템을 설명하고, 마지막 장에서는 요약으로 결론을 맺기로 한다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1743-1747
• /
• 2022

Sentinel-2는 분광파장대나 공간해상도 측면에서 우리나라 차세대중형위성 4호(농림위성)의 모의영상으로 활용될 수 있다. 이 단보에서는 향후 농림위성영상에 적용하기 위한 예비실험으로, 딥러닝 기술을 이용한 Sentinel-2 영상의 구름탐지를 수행하였다. 전통적인 Convolutional Neural Network (CNN) 모델인 DeepLabV3+와 최신의 Transformer 모델인 Shifted Windows (Swin) Transformer를 이용한 구름탐지 모델을 구축하고, Radiant Earth Foundation (REF)에서 제공하는 22,728장의 학습자료에 대한 암맹평가를 실시하였다. Swin Transformer 모델은 0.886의 정밀도와 0.875의 재현율로, 과탐지와 미탐지가 어느 한쪽으로 치우치지 않는 경향을 보였다. 딥러닝 기반 구름탐지는 향후 우리나라 중심의 실험을 거쳐 농림위성 영상에 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제32권6호
• /
• pp.733-739
• /
• 2016

일사량은 지구 내 시스템의 에너지원으로 작용하는 중요한 지표변수로써, 원격탐사를 통해 모니터링 하는 것은 태양 에너지의 잠재량을 평가할 수 있어 매우 중요하다. 따라서 본 논문에서는 한반도에서 관측 빈도에 따른 일 평균 일사량 산출의 민감도를 분석하고자 한다. COMS의 채널 자료 및 구름탐지 분석자료, 구름에 의한 일사량의 감쇠 정도를 이용하여 시간 해상도가 1시간과 3시간 간격의 자료를 이용하여 일사량을 산출하였다. 전천을 의미하는 공간적 범위만큼 Hemispherical Integration를 실시하였고, 각 일사량을 일 평균하여 지상 37곳의 일사계 자료와 검증을 실시하였다. 그 결과, 1시간 간격의 자료를 이용하여 일평균한 일사량은 $28.6401W/m^2$의 정확도를, 3시간 간격의 자료를 이용하여 일 평균한 일사량은 $30.4960W/m^2$의 정확도를 보여, 일 평균 일사량은 위성의 관측 빈도에 큰 민감도를 보이지 않았다. 하지만 시간해상도가 다른 두 일사량은 공간적 분포에서 구름의 관측 빈도에 따라 큰 차이를 보였고, 구름의 관측 빈도와 두 일사량의 차이 간 민감도 분석을 실시한 결과 최대 $19.4392W/m^2$의 민감도를 보였다.

• 대한원격탐사학회지
• /
• 제36권4호
• /
• pp.573-586
• /
• 2020

PM (particulate matter) is of interest to everyone because it can have adverse effects on human health by the infiltration from respiratory to internal organs. To date, many studies have made efforts for the prediction of PM10 and PM2.5 concentrations. Unlike previous studies, we conducted the prediction of tomorrow's PM10 concentration for the Air Korea stations using Chinese PM10 data in addition to the satellite AOD and weather variables. We constructed 230,639 matchups from the raw data over 3 million and built an RF (random forest) model from the matchups to cope with the complexity and nonlinearity. The validation statistics from the blind test showed excellent accuracy with the RMSE (root mean square error) of 9.905 ㎍/㎥ and the CC (correlation coefficient) of 0.918. Moreover, our prediction model showed a stable performance without the dependency on seasons or the degree of PM10 concentration. However, part of coastal areas had a relatively low accuracy, which implies that a dedicated model for coastal areas will be necessary. Additional input variables such as wind direction, precipitation, and air stability should also be incorporated into the prediction model as future work.