• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.404-414
• /
• 2023

본 연구에서는 미래 SSP 기후변화 시나리오 자료를 생산하기 위해 과거 30년(1981-2010)에 대한 한반도 농업용 전자기후도를 생산하고 평가하였다. ERA5 재분석 자료와 기상청 ASOS 자료에 지형인자를 고려하는 IGISRM 통계 모형을 이용하여 기후요소 6종(강수량, 평균기온, 최고기온, 최저기온 풍속, 상대습도, 일사량)에 대한 1km 해상도의 격자형 상세자료를 생산하였다. 연 평균(누적) 분포도를 살펴본 결과, 모든 변수는 기상청 ASOS 관측에서 나타난 일반적인 특성을 잘 모의하면서 지형적 효과가 적절하게 반영되었다. 농진청 농업기상 AWS와 기상청 방재기상 AWS를 이용하여 상관계수, Slope, NRMSE를 계산한 결과, 기온관련 변수에서는 재현성이 우수하게 나타났으며, 그 외 변수에서는 재현성이 다소 낮고 지역적 편차가 큰 것으로 나타났다. 관측정보 기반의 농업용 전자기후도는 미래 SSP 기후변화 시나리오 자료를 상세화하는데 기본 자료로 활용될 것이다.

• 한국해양학회지:바다
• /
• 제29권1호
• /
• pp.1-13
• /
• 2024

동해 남서부해역은 대마난류나 연안 용승에 의한 영양염 공급 등으로 동해 북부나 동부에 비해 일차생산력이 높은 것으로 알려져 있지만, 이 해역의 생물 펌프에 관한 연구는 제한적이다. 본 연구에서는 O₂/Ar 측정으로 산출한 고해상도 순군집생산 현장 관측 결과와 기계학습 모형을 결합하여 시공간 해상도가 8일 간격, 4 km인 봄과 여름 순군집생산 시계열 자료를 추정하였다. 기계 모형의 예측과 실측의 평균 제곱근 오차는 6 mmol O₂ m^-2 d^-1로 관측값 평균의 15%에 해당했다. 울릉분지 중앙부의 순군집생산은 3월에 49 mmol O₂ m^-2 d^-1로 가장 높았고, 6월과 7월에 18 mmol O₂ m^-2 d^-1로 가장 낮았다. 이 같은 계절 변화는 ³He 기체교환율로 추정한 질산염 공급률이나 ²³⁴Th 비평형법으로 추정한 입자유기탄소 방출률과 유사하였다. 봄과 여름의 순군집생산 추정으로 한정된 이 연구방법을 가을과 겨울로 확대하기 위해서는 아표층수의 표층 혼입에 따른 O₂/Ar 순군집생산의 오차를 보정하는 연구가 필요하다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.165-179
• /
• 2024

도시 지역의 홍수 위험을 완화하고 지속 가능한 수자원을 관리하기 위해서는 도시 홍수와 물순환의 연계 해석이 필수적이다. 본 연구는 간단한 전환 규칙을 통해 침수의 시공간적 변화를 모의하는 셀룰러 오토마타 기법을 이용하여 고해상도 도시침수 및 물순환 해석 모형 CAW (Cellular Automata-based integrated Water cycle model)를 개발하고, 그 적용성을 평가하였다. 개발된 모형을 미국 포틀랜드 도심지 유역에 적용하고, 물리 기반 모형 및 기존 셀룰러 오토마타 기반 모형의 침수 해석 결과와 비교하여 도시침수 재현의 적절성을 평가하였다. 연구 결과, 침수 검증 대상 지점에 대한 CAW 모형의 최대 침수심 분포는 확산파 방정식을 모사하는 WCA2D (Weighted Cellular Automata 2 Dimension) 모형과 평균오차 값이 1.3 cm로 유사하게 모의되었고, 이진 패턴 유사도 검증에서 HR 0.91, FAR 0.02, CSI 0.90으로 비교적 높은 유사성을 나타내며 모형의 침수 해석 적용성을 검증하였다. 또한, 토지피복 및 토양 조건이 침수, 침투에 미치는 영향을 시험 평가한 결과, 불투수율이 41% 더 높은 지역에서의 침투와 최대 침수심이 각각 54%(4.16 mm/m²) 감소 및 10%(2.19 mm/m²) 증가하였다. CAW 모형을 이용하여 도시 유역의 다양한 토지피복 및 토양 특성을 고려한 고해상도 물순환 및 도시침수 연계 모의 해석이 가능할 것으로 기대된다.

• 한국지구과학회지
• /
• 제40권6호
• /
• pp.613-623
• /
• 2019

지난 수십년 동안 인공위성을 통해 광범위하고 주기적으로 관측된 해수면온도 자료를 사용하여 일별 해수면온도 합성장이 생산되고 있으며 기후변화 감시와 해양 대기 예측 등 다양한 목적으로 활용되어 왔다. 본 연구에서는 지역적인 해역에서 최적화된 활용을 위해 한반도 주변해역에서 해수면온도 합성장 자료의 정확도 평가와 오차 특성 분석을 수행하였다. 2016년 1월부터 12월까지 이어도 해양과학기지 관측 수온 자료를 활용하여 4종의 다중 인공위성 기반 해수면온도 합성장 자료(OSTIA (Operational Sea Surface Temperature and Sea Ice Analysis), OISST (Optimum Interpolation Sea Surface Temperature), CMC (Canadian Meteorological Centre) 해수면온도 및 MURSST (Multi-scale Ultra-high Resolution Sea Surface Temperature))를 비교하여 각 해수면온도 합성장의 정확도를 평가하였다. 이어도 해양과학기지 수온 자료에 대하여 각 해수면온도 합성장은 최소 0.12℃ (OISST)와 최대 0.55℃ (MURSST)의 편차와 최소 0.77℃ (CMC 해수면온도)와 최대 0.96℃ (MURSST)의 평균 제곱근 오차를 나타냈다. 해수면온도 합성장 사이의 상호 비교 결과에서는 -0.38-0.38℃의 편차와 0.55-0.82℃의 평균 제곱근 오차의 범위를 보였으며 OSTIA와 CMC 해수면온도 자료가 가장 작은 오차 특성을 보인 반면 OISST와 MURSST 자료는 가장 큰 오차 특성을 나타내었다. 이어도 해양과학기지와 가장 가까운 지점에서 해수면온도 합성장 자료를 추출하여 시계열을 비교한 결과에서는 이어도 해양과학기지 관측 수온 뿐만 아니라 모든 해수면온도 합성장 자료에서 뚜렷한 계절 변동을 보였으나 봄철 해수면온도 합성장은 이어도 해양과학기지 관측 수온에 비해 과대추정되는 경향이 나타났다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1767-1772
• /
• 2021

장기간에 걸친 전 지구적인 위성관측 지표면 알베도 자료는 전 지구 기후 및 환경의 변화 감시에 활발히 이용되고 있으며 그 활용도와 중요성이 크다. 우리나라의 경우 정지궤도위성 천리안위성 1호(Communication, Ocean and Meteorological Satellite, COMS) MI(Meteorological Imager) 센서와 천리안위성 2A호(GEO-KOMPSAT-2A, GK-2A) AMI (Advanced Meteorological Imager) 센서의 세대교체를 통해 지속적인 지표면 알베도 산출물의 확보가 가능하다. 그러나 COMS/MI 및 GK-2A/AMI의 지표면 알베도 산출물은 센서 및 알고리즘의 차이로 인해 산출물 간의 차이가 존재한다. 따라서 COMS/MI와 GK-2A/AMI 지표면 알베도 산출 기간을 확장하고 지속적인 기후변화 감시 연계성 확보를 위해 두 위성 산출물 간의 오차 분석이 선행되어야 한다. 본 연구에서는 COMS/MI 및 GK-2A/AMI 지표면 알베도 자료의 중복기간을 대상으로 지상관측자료 AERONET (Aerosol Robotic Network)와 타 위성자료 GLASS (Global Land Surface Satellite)와 함께 비교 분석하였다. 오차 분석 결과 AERONET과의 검증에서 COMS/MI의 평균 제곱근 오차(Root Mean Square Error, RMSE)가 0.043로 GK-2A/AMI의 RMSE인 0.015보다 높게 나타났다. 또한 GLASS와 비교하였을 때 COMS/MI의 RMSE는 0.029로 GK-2A/AMI의 0.038보다 낮게 나타났다. 이러한 오차특성을 이해하고 COMS/MI 및 GK-2A/AMI의 지표면 알베도 자료를 사용할 때 장기간 기후변화 감시에 적극적으로 활용할 수 있을 것이다.

• 한국지구과학회지
• /
• 제43권5호
• /
• pp.604-617
• /
• 2022

해수면온도는 해양-대기의 현상을 이해하고 기후변화를 예측하기 위해 사용되는 중요한 변수이다. 마이크로파 영역의 인공위성 원격탐사는 구름과 강수와 같은 기상현상 위성 관측 측기의 경로에 존재하더라도 해수면온도 획득을 가능하게 한다. 따라서 마이크로파 해수면온도의 높은 활용도를 고려하면 위성 해수면온도를 정확도를 지속적으로 검증하고 오차 특성을 분석할 필요가 있다. 본 연구에서는 2014년 3월부터 2021년 12월까지 약 8년 동안 Global Precipitation Measurement (GPM)/GPM Microwave Imager (GMI) 마이크로파 해수면온도의 정확도를 표층 뜰개 부이 수온 자료를 사용하여 검증하였다. GMI 해수면온도는 실측 해수면온도에 비해 0.09 K의 편차와 0.97 K의 평균 제곱근 오차를 보였고, 이는 기존 연구 결과에 비해 다소 높게 나타났다. 이외에도 GMI 해수면 온도의 오차 특성은 위도, 연안과의 거리, 해상풍 및 수증기량과 같은 환경적 요인과 관련성이 있다. 오차는 육지에서 300 km 이내의 거리에서 해안 지역에 가까운 지역과 고위도 지역에서 증가하는 경향이 있다. 또한 낮에는 약한 풍속(<6 m s^-1), 밤에는 강한 풍속(>10 m s^-1) 범위에서 상대적으로 높은 오차가 나타났다. 대기 수증기는 30 mm 미만의 매우 낮은 범위 또는 60 mm보다 큰 매우 높은 범위에서 높은 해수면온도 차이에 기여했다. 이러한 오차들은 저수온에서 GMI 자료의 정확도가 떨어지는 기존 연구와 일치하며, 연안으로부터의 거리, 풍속, 수증기량에 의한 오차의 경우 육지와 해양의 방사율 차이 및 바람에 의한 해수면 거칠기 변화, 수증기의 마이크로파 대기 흡수에서 기인하는 것으로 추정된다. 이는 한반도 주변해에서 마이크로파 위성 계산 SST를 보다 광범위하게 활용하기 위해서는 GMI 해수면온도 오차의 특성에 대한 이해가 필요함을 시사한다.

• 한국광학회지
• /
• 제28권3호
• /
• pp.108-115
• /
• 2017

본 논문은 400~900 nm 파장 대역을 갖는 가시광 및 근적외선 분광기의 조립 및 성능 평가에 대하여 보고한다. 본 분광기는 이 후 결상 망원경과 함께 시야각 ${\pm}7.68^{\circ}$을 갖는 f/2.5의 영상 분광기를 구성한다. 검출기로는 $24{\times}24{\mu}m$ 피치로 이뤄진 $640{\times}480$ 전하결합소자(CCD)가 적용된다. 분광기는 두 개의 동심 구면으로 구성된 오프터 타입이며, 분광을 위하여 2번째 거울이 회절격자 거울로 교체되어 있다. 본 논문에서 다루는 분광기 광학 설계가 제곱평균제곱근(root mean suqared, RMS) 파면 잔여 수차가 210 nm(파장 600 nm 기준, $0.35{\lambda}$)로 통상 적용되는 간섭계를 이용한 이중 경로 광학 측정법 적용이 어렵고, 또한 측정 및 정렬의 용이성을 고려하여 샤크-하트만 센서를 적용한 단일 경로 파면 측정법을 적용하여 정렬 및 조립 절차를 수립하였다. 최종 조립 후 RMS 파면 오차 변화가 전 시야에 걸쳐 90 nm이내로 정렬되었음을 확인하였다. 이 후 조립 광학 구성을 유지한 채 2개 적층슬릿 지그를 이용하여 생성한 다중 핀 홀의 크립톤 램프 분광 이미지를 획득하였으며, 획득된 이미지의 분석을 통하여 조립 분광기의 분광 분해능, 키스톤 및 스마일이 각 4.32 nm, 0.08 픽셀 및 0.13 픽셀로 요구 사항을 만족하는 것을 확인하였다. 결론적으로 샤크-하트만 센서를 적용한 오프너 분광기의 조립 절차는 유효함을 확인하였다.

• Journal of Plant Biotechnology
• /
• 제42권1호
• /
• pp.60-70
• /
• 2015

본 연구의 목적은 적외선 분광스펙트럼 데이터를 이용하여 대두 종자내의 지방산 함량을 동시에 예측할 수 있는지 여부를 조사하기 위한 것이다. 총 153종의 대두(Glycine max Merrill) 종자로부터 적외선 분광스펙트럼 및 지방산의 함량을 기체크로마토그라피 분석을 통하여 확인하였다. 적외선 분광스펙트럼 조사결과 대두는 단백질이나 아미노산의 amide bond region ($1,700{\sim}1,500cm^{-1}$), 핵산이나 인지질의 phosphodiester groups ($1,500{\sim}1,300cm^{-1}$) 그리고 탄수화물 등 다당류의 sugar region ($1,200{\sim}1,000cm^{-1}$)에서 계통별로 큰 차이가 이루어짐을 알 수 있었다. 총 29라인의 대두 계통별 시료로부터 지방산 함량을 조사한 결과 총 지방산의 함량은 건조 시료 0.1 g 당 $185.57{\mu}g$에서 $325.9{\mu}g$으로 계통간에 차이가 있었음을 알 수 있었으며 평균 함량은 $244.48{\mu}g$이었다. PLS regression 분석을 이용하여 총 5개 지방산(팔미틱산, 스테아릭산, 올레익산, 리노레익산 그리고 리노레닉산) 함량 예측 calibration models의 실측 검증 결과, 팔미틱산($R^2=0.8002$), 올레익산($R^2=0.8909$) 그리고 리노레익산($R^2=0.815$)은 회귀분석 상관계수가 0.8 이상으로 정확도 높음을 알 수 있었다. 그러나 스테아릭산($R^2=0.4598$)과 리노레닉산($R^2=0.6868$)의 경우 상관계수가 0.7 이하로 상대적으로 예측정확도가 낮음을 알 수 있었다. 본 연구에서 확립된 기술은 지방산의 조성 변환을 통하여 새로운 대두 품종 개발을 위한 계통선발 과정에서 매우 효율적인 수단으로 활용이 가능할 것으로 사료된다. 더 나아가 본 기술은 대두는 물론 대두 유래 농산물이나 식품의 품질 검증 수단으로 활용이 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1117-1132
• /
• 2019

산림생태계 내의 총일차생산량은 산림 자원 생산량과 직결되고, 산림생태계의 건강성, 산림식물계절 및 생태계 서비스의 중요한 지표가 된다. 이 연구에서는 인공위성 자료와 기계학습 알고리즘을 활용하여 우리 나라의 산림유역의 총일차생산량을 연구하였다. 에디공분산 타워가 있는 6개 지점에서의 MODIS (Moderate Resolution Imaging Spectroradiometer) 산출물과 에디공분산타워의 총일차생산성으로 연구기간의 75%-80%에 해당하는 자료로 기계학습 알고리즘을 훈련하고 나머지 기간으로 구축된 모델의 총일차생산성 예측 결과를 검증하였다. 모델을 구축할 때 MODIS 지상 산출물과 대기 산출물을 조합하여 새로운 입력자료(e.g., 포화수증기압차)를 모델의 입력자료(Processed MODIS)로 사용하였을 때와 이러한 과정 없이 QC(Quality control)만 거친 MODIS 산출물을 그대로 입력자료(Unprocessed MODIS)로 사용하였을 때의 총일차생산량을 비교해 보고 그 활용 가능성에 대해 고찰하였다. 추가로 MODIS 총일차생산량 산출물(MYD17)과 에디공분산 총일차생산성 및 기계학습 알고리즘 기반의 총일차생산성과의 상관관계를 보고 그 적합성에 대해 논의하였다. 이 연구에서 사용된 기계학습 알고리즘은 Support Vector Machine (SVM)으로 산림생태계 연구에서 가장 많이 사용되고 있는 기계학습 알고리즘 중 하나이다. 기계학습 알고리즘 기반(SVM 모델)의 총일차생산량 예측 결과는 MODIS 총일차생산량 산출물(MYD17)보다 에디공분산 총일차생산량과 전반적으로 높은 상관관계를 보였고 특히 식생 성장을 시작하는 시점의 값을 좀더잘 예측하는 결과를 보였다. 단일 지역에서 Unprocessed MODIS 입력자료로 훈련된 SVM 모델 결과는 피어슨 상관계수 0.75 - 0.95 (p < 0.001), 6개의 연구 지점에서 훈련된 SVM 모델 결과는 피어슨 상관계수 0.77 - 0.94 (p < 0.001) 사이를 보였다. 이 결과는 훈련 자료에 다양한 이벤트들이 포함되면 모델의 예측력이 향상되는 가능성을 보여주었고 위성영상의 산출물을 재계산하여 새로운 산출물을 내는 과정을 거친 위성 자료가 아니어도 그 예측력에는 크게 문제가 없음을 보여주었다.

• 한국농림기상학회지
• /
• 제21권1호
• /
• pp.29-41
• /
• 2019

산림생태계에서 총일차생산성(Gross Primary Production, GPP)은 기후변화에 따른 산림의 생산성과 그에 영향을 미치는 식물계절, 건강성, 탄소 순환 등을 대표하는 지표이다. 총일차생산성을 추정하기 위해서는 에디공분산 타워 자료나 위성영상관측자료를 이용하기도 하고 물리지형적 한계나 기후변화 등을 고려하기 위해 기작기반모델링을 활용하기도 한다. 그러나 총일차생산성을 포함한 산림 탄소 순환의 기작기반 모델링은 식물의 생물, 생리, 화학적 기작들의 반응과 지형, 기후 및 시간 등과 같은 환경 조건들이 복잡하게 얽혀 있어 비선형적이고 유연성이 떨어져 반응에 영향을 주는 조건들을 모두 적용하기가 어렵다. 본 연구에서는 산림 생산성 추정 모델을 에디공분산 자료와 인공위성영상 정보를 사용하여 기계학습 알고리즘을 사용한 모델들로 구축해 보고 그 사용 및 확장 가능성을 검토해 보고자 하였다. 설명변수들로는 에디공분산자료와 인공위성자료에서 나온 대기기상인자들을 사용하였고 검증자료로 에디공분산 타워에서 관측된 총일차생산성을 사용하였다. 산림생산성 추정 모델은 1) 에디공분산 관측 기온($T_{air}$), 태양복사($R_d$), 상대습도(RH), 강수(PPT), 증발산(ET) 자료, 2) MODIS 관측 기온(T), 일사량($R_{sd}$), VPD 자료(개량식생지수 제외), 3) MODIS 관측 기온(T), 일사량($R_{sd}$), VPD, 개량식생지수(EVI) 자료를 사용하는 세 가지 경우로 나누어 구축하여 2006 - 2013년 자료로 훈련시키고 2014, 2015년 자료로 검증하였다. 기계학습 알고리즘은 support vector machine (SVM), random forest (RF), artificial neural network (ANN)를 사용하였고 단순 비교를 위해 고전적 방법인 multiple linear regression model (LM)을 사용하였다. 그 결과, 에디공분산 입력자료로 훈련시킨 모델의 예측력은 피어슨 상관계수 0.89 - 0.92 (MSE = 1.24 - 1.62), MODIS 입력자료로 훈련시킨 모델의 예측력은 개량식생지수 제외된 모델은 0.82 - 0.86 (MSE = 1.99 - 2.45), 개량식생지수가 포함된 모델은 0.92 - 0.93(MSE = 1.00 - 1.24)을 보였다. 이러한 결과는 산림총일차생산성 추정 모델 구축에 있어 MODIS인공위성 영상 정보 기반으로 기계학습 알고리즘을 사용하는 것에 대한 높은 활용가능성을 보여주었다.