• 한국신재생에너지학회:학술대회논문집
• /
• 한국신재생에너지학회 2009년도 춘계학술대회 논문집
• /
• pp.486-490
• /
• 2009

In order to investigate the offshore wind resources, the "QuikSCAT Level 3" data by the QuikSCAT satellite was analyzed from Jan 2000 to Dec 2008. QuikSCAT satellite is a specialized device for a microwave scatterometer that measures near-surface wind speed and direction under all weather and cloud conditions. Wind speed measured at 10 m above from the sea surface as extrapolated to the hub height by using the power law model. It has been found that the high wind energy prevailing in the south sea and the east sea of the Korean peninsula. From the limitation of seawater depth for piling the tower and archipelagic environment around the south sea, the west and the south-west sea are favorable to construct the large scale wind farm. Wind map and monthly variation of wind speed are investigate at the positions.

• 한국토양비료학회지
• /
• 제47권2호
• /
• pp.85-91
• /
• 2014

Ground-based polarimetric scatterometers have been effective tools to monitor the growth of crop with multi-polarization and frequencies and various incident angles. An important advantage of these systems that can be exploited is temporal observation of a specific crop target. Polarimetric backscatter data at L-, C- and X-bands were acquired every 10 minutes. We analyzed the relationships between L-, C- and X-band signatures, biophysical measurements over the whole corn growth period. The Vertical transmit and Vertical receive polarization (VV) backscattering coefficients for all bands were greater than those of the Horizontal transmit and Horizontal receive polarization (HH) until early-July, and then thereafter HH-polarization was greater than VV-polarization or Horizontal transmit and Vertical receive polarization (HV) until the harvesting stage (Day Of Year, DOY 240). The results of correlation analysis between the backscattering coefficients for all bands and corn growth data showed that L-band HH-polarization (L-HH) was the most suited for monitoring the fresh weight ($r=0.95^{***}$), dry weight ($r=0.95^{***}$), leaf area index ($r=0.86^{**}$), and vegetation water content ($r=0.93^{***}$). Retrieval equations were developed for estimating corn growth parameters using L-HH. The results indicated that L-HH could be used for estimating the vegetation biophysical parameters considered here with high accuracy. Those results can be useful in determining frequency and polarization of satellite Synthetic Aperture Radar stem and in designing a future ground-based microwave system for a long-term monitoring of corn.

• 한국항공우주학회지
• /
• 제37권11호
• /
• pp.1121-1130
• /
• 2009

QuikSCAT 위성의 관측자료를 이용하여 2000년 1월로부터 2008년 12월에 걸쳐 한반도 근해의 풍력자원을 평가 하였다. QuikSCAT 위성은 초단파 scatterometer를 이용하여 해수면 가까이의 풍향과 풍속을 전천후 상태에서 측정한다. 해면으로부터 10 m 높이에서 측정된 풍속을 power law모델을 이용하여 허브 높이에 맞게 외삽 보정하였다. 계산 결과 한반도의 남해와 동해에서 풍력에너지가 상대적으로 우세하다는 것을 알 수 있었다. 풍력 터빈 타워의 설치를 위해 깊은 수심을 피하고 대규모 풍력단지 조성을 위해 남해의 다도해 지역을 피한다면 한반도 서쪽 또는 남서쪽 연안이 대규모 풍력단지 조성에 유리하나 상대적으로 낮은 풍속을 고려한 블레이드 개발을 요한다. 바람 지도를 작성하였으며, 특정 지점에 대한 월별 풍속 변화를 파악하였다. 그리고 풍력에너지 밀도를 이용한 바람장미를 파악하였다.

• 한국토양비료학회지
• /
• 제45권2호
• /
• pp.127-134
• /
• 2012

다편파 레이더 산란계 시스템 (L, C, X-밴드 안테나)에서 얻어진 편파별 후방산란계수와 토양수분함량과의 상관성을 분석하고 후방산란계수를 이용 토양수분함량을 추정하고자 하였다. 콩 생육시기에 따른 밴드별 후방산란계수 변화 관측 결과 L-밴드 후방산란계수가 C-, X-밴드후방산란계수보다 높게 나타났고, 모든 안테나 밴드에서 콩 생육초기에는 VV-편파가 HH, HV-편파보다 후방산란계수가 높게 나타났다. HH-편파가 VV-편파보다 후방산란계수가 높게 나타나는 시기는 밴드에 따라 차이를 보였다. L-밴드의 경우 7월 20일 (DOY 200), C, X-밴드는 7월 30일 (DOY 210)부터 HH-편파가 다른 편파들 보다 후방산란계수가 높게 나타났다. 모든 안테나 편파별 후방산란계수가 9월 29일 (DOY 271)에 최대값을 보였고, 그 이후 수확기 (DOY 294) 까지 감소하였다. L-밴드 HH-편파와 VV-편파 간의 차이는 꼬투리가 생성되는 착협기 (R3, DOY 228) 부터 다른 밴드에 비해 크게 나타났고, 반면에 C-밴드 HH-편파와 VV-편파 간의 차이는 착협성기 (R4, DOY 242) 이후 증가폭이 크게 나타났다. 후방산란계수와 토양수분함량과의 변화를 분석한 결과 생육기간동안 토양수분함량 변이가 컸고, 전체 생육기간에서는 모든 밴드별 후방산란계수와 토양수분함량 간에 상관성이 나타나지 않았다. 하지만 엽면적지수가 2 이하 (R2, DOY 224) 일 때 후방산란계수가 증가함에 따라 토양수분함량도 증가하는 경향을 보였다. 밴드별 후방산란계수와 토양수분함량과의 상관관계를 분석하였다. 전체 생육기간에서는 모든 밴드에서 두 변수간의 상관계수가 낮게 나타났다 ($r{\leq}0.50$). 반면에 엽면적지수 2 이하 일 때 모든 밴드에서 후방산란계수와 토양수분함량과의 상관계수가 전체 생육단계에서 조사한 것 보다 높게 나타났다. L-밴드 후방산란계수가 C-, X-밴드 후방산란계수 보다 토양수분함량과의 상관성이 높게 나타났고 ($r{\geq}0.84$), L-밴드 HH-편파가 상관계수가 가장 높았다 (r=0.90). X-밴드 후방산란계수는 L-, C-밴드 후방산란계수보다 상관계수가 낮게 나타났다 ($r{\leq}0.71$). 후방산란계수를 이용하여 토양수분함량 추정 모형식을 작성하였다. L-밴드 HH-편파 후방산란계수와 토양수분함량과의 관계를 비교해 본 결과 결정계수가 높게 나타났다($R^2=0.92$). 본 연구를 통해 레이더 산란계 시스템에서 얻어진 후방산란계수를 이용하여 토양수분함량을 추정할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.625-636
• /
• 2019

토양수분은 수문순환에 핵심적인 역할을 하는 대표적인 인자로써 대기와 지표 사이의 상호작용에 관여하며, 농업, 수자원, 대기 등의 분야에서 활용되고 있다. 한반도 영역의 위성기반 토양수분의 적용성 및 불확실성 분석을 위하여 Advanced Microwave Scanning Radiometer 2 (AMSR2), Advanced SCATterometer (ASCAT), European SpaceAgency Climate Change Initiative (ESACCI) 데이터가 사용되었다. 상기 데이터를 사용한 Cumulative Distribution Function (CDF) Matching과 Triple collocation (TC) 분석을 수행하여 위성 토양수분 데이터 보정 및 불확실성에 관한 연구를 진행하였다. 보정 전의 인공위성 기반 토양수분자료를 Automated Agriculture Observing System (AAOS) 관측지점과 비교한 결과, ESACCI와 ASCAT자료는 AAOS의 경향을 잘 반영하였다. 그에 비해 AMSR2 위성 자료는 동결기간에 과대 산정되었다. CDF Matching을 이용하여 인공위성 토양수분 자료를 보정한 결과, 보정 전보다 오차 및 상관성이 개선되었다. 마지막으로, TC 방법을 이용하여 토양수분 자료의 불확실성 분석을 실시하였다. CDF Matching 보정을 실시한 인공위성 토양수분의 불확실성이 동결과 융해 기간에서 확연하게 개선되는 것을 확인할 수 있었다. 한반도에서는 보정을 실시하였을 때, AMSR2 토양수분 자료보다 ASCAT과 ESACCI를 활용하는 것이 보다 정확한 토양수분 결과를 나타낼 수 있을 것으로 나타났다.

• 한국토양비료학회지
• /
• 제44권5호
• /
• pp.878-886
• /
• 2011

본 연구에서는 레이더파 편파 차이비율에서 얻어진 밴드별 Polarimetric Discrimination Ratio (PDR)와 콩 생육인자 및 토양수분과의 관계를 분석하고 PDR를 이용하여 콩 생육 및 토양수분을 추정하고자 하였다. 기후 등의 영향을 받지 않고 10분 단위로 레이더 산란 측정을 할 수 있는 L, C, X-밴드 레이더 산란계 자동측정시스템을 이용하여 PDR와 콩 생육인자 변화를 모니터링 하였다. 콩 생육시기에 따른 밴드별 PDR과 콩 생육인자 변화를 관측한 결과 L-밴드 PDR이 C-, X-밴드 PDR보다 높게 나타났고, 밴드별 PDR이 가장 높게 보인 시기는 L-밴드PDR (DOY 271), C-, X-밴드 PDR (DOY 273)로 거의 일치하였고, 엽면적지수, 식생수분함량, 생체중, 초장 등 콩생육인자들도 동일한 경향을 보였는데 콩 파종 이후 증가하다가 9월 27일 (DOY 270)에 최대값을 보인 후 감소하였다. 하지만 토양수분은 콩 생육인자들과 다른 경향을 보였다. 생육기간동안 토양수분의 변이가 컸고 PDR과 상관성 도 높지 않았다. 하지만 엽면적지수가 2이하 일 때 콩PDR이 증가함에 따라 토양수분도 증가하는 경향을 보였다. 밴드별 PDR과 콩 생육인자와의 상관관계를 분석하였다. L-밴드 PDR에서 생체중 (r=$0.96^{***}$), 엽면적지수 (r=$0.91^{***}$),식생수분함량 (r=$0.94^{***}$), 토양수분 (r=$0.86^{**}$)등 모든 콩생육인자들과 상관계수가 가장 높게 나타났다. C-, X-밴드 PDR에서도 토양수분을 제외한 다른 인자들과 대체로 상관성이 높았다 ($r{\geq}0.83$). 전체 생육기간에서 PDR과 토양수분과의 상관성은 낮았지만 엽면적지수 2 이하 일 때(DOY 220) 모든 밴드에서 PDR과 토양수분과의 상관계수가 전체 생육단계에서 조사한 것 보다 높게 나타났다. 콩 생육인자들과의 상관분석에서 상관계수가 가장 높은 L-밴드 PDR를 이용하여 콩 생육인자 추정을 위한 회귀식을 작성하고 생육인자 실측값과 추정값을 비교하였다. L-밴드 PDR과 생육인자들과의 관계를 비교해 본 결과 생체중 ($L^2$=0.95), 엽면적지수 ($L^2$=0.89), 식생수분함량 ($L^2$=0.93)에서 결정계수가 높게 나타났고 생육인자 실측값과 추정값을 1:1 선상에서 비교해 본 결과 작은 오차를 보여 추정모형의 유효성이 높다는 것이 증명되었다. 본 연구를 통해 PDR를 이용하여 콩 생육 및 토양수분을 추정할 수 있는 가능성을 확인하였다.

• 한국환경과학회지
• /
• 제18권8호
• /
• pp.841-845
• /
• 2009

In this paper, offshore wind resources within the Japan's EEZ (Exclusive Economic Zone) are assessed using wind speed data from the microwave scatterometer SeaWinds onboard QuikSCAT. At first, from the 10m-height wind speed from QuikSCAT, 60 m-height wind speed is estimated by using an empirical equation for height correction. Based on the 60 m-height wind speeds, annual energy Production is calculated under an assumption of installing 2 MW wind turbines every $0.64km^2$. The annual energy production is then accumulated for the entire Japan's territorial waters and EEZ ($4.47{\times}10^6km^2$). As a result, it is shown that the total energy Production is estimated to be $4.86{\times}10^4$ TWh/yr. This offshore wind energy Potential within the EEZ is approximately 50 times higher than the actual annual electricity production in Japan.

• 한국토양비료학회지
• /
• 제45권4호
• /
• pp.503-510
• /
• 2012

본 연구에서는 마이크로파 산란계 시스템을 이용하여 벼, 콩 작물을 대상으로 후방산란계수와 작물생육변화를 관측하고 pauli decomposition을 통해 얻어진 인자값과 작물생육과의 비교를 통해 작물 생육단계를 추정하였다. Pauli decomposition 방법을 이용 생육시기에 따른 벼 산란특성을 분석한 결과 L-밴드는 벼 출수기 (DOY 222, 8월 10일) 이후 이중 산란 (${\sigma}_{hh}-{\sigma}_{vv}$) 효과가 크게 나타났고, C-밴드는 생육기간동안 이중 산란과 체적 산란의 decomposition value가 거의 같았으며, X-밴드는 체적 산란이 이중 산란보다 높게 나타났다. Pauli decomposition 방법을 이용하여 콩 생육시기별 산란특성을 분석한 결과 L-밴드에서는 R2 (DOY 224, 8월 13일) 시기에 이중 산란이 체적 산란보다 높게 나타났고, R4 (DOY 242, 8월 31일) 이후로는 두 요소간의 값 차이가 크게 나타났다. Pauli decomposition ratio을 이용한 벼, 콩 생육단계를 추정하는데 있어 이중 산란이 key factor로 작용하는 것을 알 수 있었다. 벼의 경우 L-밴드에서는 이중 산란이 차지하는 비율이 체적 산란 비율보다 높아지기 시작하는 시점이 분얼기 (DOY 183, 7월 1일)이며, 이중 산란 효과가 벼 출수기 이후 지속적으로 나타나기 때문에 분얼기와 벼 출수기의 생육단계 추정이 가능하다. C-밴드는 이중 산란 비율이 최대값을 나타내는 시점이 벼 출수기와 일치하여 이 시기 추정이 가능할 것으로 판단된다. X-밴드의 경우에는 이중 산란 비율이 최대값을 가지는 시점이 유수형성기 (DOY 206, 7월 24일)로 이 시기 추정이 가능하고, 표면 산란이 다시 증가하는 시점이 유숙기 (DOY 243, 8월 31일)로 이 시기도 pauli decomposition ratio를 이용하여 추정이 가능할 것으로 판단된다. 또한 콩의 경우에는 L-밴드의 이중 산란이 체적 산란보다 높아지는 시기가 R2 (DOY 224, 8월 13일) 임으로 이 시기 예측이 가능할 것으로 판단된다. 따라서 마이크로파 산란계에서 얻어진 decomposition 방법을 이용하여 벼, 콩 생육단계를 예측할 수 있음을 확인하였다.

• 한국지구과학회지
• /
• 제40권5호
• /
• pp.447-463
• /
• 2019

해상풍은 해양 현상을 이해하고, 지구 온난화에 의한 지구 환경의 변화를 분석하기 위한 필수 요소이다. 전세계 연구 기관은 해상풍을 정확하고 지속적으로 관측하기 위해 산란계(scatterometer)를 개발하여 운영해오고 있으며, 정확도는 풍향이 ${\pm}20^{\circ}$, 풍속이 ${\pm}2m\;s^{-1}$ 안팎이다. 하지만, 산란계의 해상도는 12.5-25.0 km로, 해안선이 복잡하고 섬이 많은 한반도 근해에서는 자료의 결측이 빈번하게 발생하여 활용도가 감소한다. 그에 반해, Synthetic Aperture Radar (SAR, 합성개구레이더)는 마이크로파를 활용하는 전천후 센서로, 1 km 이하의 고해상도 해상풍이 산출이 가능하여 산란계의 단점 보완이 가능하다. 본 연구에서는 일반적으로 활용되는 SAR 자료 기반 해상풍 산출 알고리즘인 Geophysical Model Function (GMF, 지구 물리 모델 함수)를 밴드별로 분류하여 조사하였다. 상대 풍향, 입사각, 풍속에 따른 후방산란계수를 L-band Model (LMOD, L 밴드 모델), C-band Model (CMOD, C 밴드 모델), X-band Model (XMOD, X 밴드 모델)에 적용하여 모의하였고, 각 GMF의 특성을 분석하였다. 이러한 GMF를 SAR 탑재 인공위성 자료에 적용하여 산출한 해상풍의 정확도 검증 연구에 대해 조사하였다. SAR 자료 기반 해상풍의 정확도는 영상 관측 모드, 적용한 GMF의 종류, 정확도 비교 기준 자료, SAR 자료 전처리 방법, 상대 풍향 정보 산출 방법 등에 따라 변하는 것으로 나타났다. 본 연구를 통해 국내 연구자들의 SAR 자료 기반 해상풍 산출 방법에 대한 접근성이 향상되고, 고해상도 해상풍 자료를 활용한 한반도 근해 분석에 이바지할 것으로 기대된다.

• 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.