Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

Cloud Detection Using HIMAWARI-8/AHI Based Reflectance Spectral Library Over Ocean

Himawari-8/AHI 기반 반사도 분광 라이브러리를 이용한 해양 구름 탐지

  • Kwon, Chaeyoung (Division of Earth Environmental System Science(Major of Spatial Information Engineering), Pukyong National University) ;
  • Seo, Minji (Division of Earth Environmental System Science(Major of Spatial Information Engineering), Pukyong National University) ;
  • Han, Kyung-Soo (Division of Earth Environmental System Science(Major of Spatial Information Engineering), Pukyong National University)
  • 권채영 (부경대학교 지구환경시스템과학부 공간정보시스템공학과) ;
  • 서민지 (부경대학교 지구환경시스템과학부 공간정보시스템공학과) ;
  • 한경수 (부경대학교 지구환경시스템과학부 공간정보시스템공학과)
  • Received : 2017.10.13
  • Accepted : 2017.10.18
  • Published : 2017.10.30
Download PDF
⟨ Previous Next ⟩

Abstract

Accurate cloud discrimination in satellite images strongly affects accuracy of remotely sensed parameter produced using it. Especially, cloud contaminated pixel over ocean is one of the major error factors such as Sea Surface Temperature (SST), ocean color, and chlorophyll-a retrievals,so accurate cloud detection is essential process and it can lead to understand ocean circulation. However, static threshold method using real-time algorithm such as Moderate Resolution Imaging Spectroradiometer (MODIS), Advanced Himawari Imager (AHI) can't fully explained reflectance variability over ocean as a function of relative positions between the sun - sea surface - satellite. In this paper, we assembled a reflectance spectral library as a function of Solar Zenith Angle (SZA) and Viewing Zenith Angle (VZA) from ocean surface reflectance with clear sky condition of Advanced Himawari Imager (AHI) identified by NOAA's cloud products and spectral library is used for applying the Dynamic Time Warping (DTW) to detect cloud pixels. We compared qualitatively between AHI cloud property and our results and it showed that AHI cloud property had general tendency toward overestimation and wrongly detected clear as unknown at high SZA. We validated by visual inspection with coincident imagery and it is generally appropriate.

위성 영상의 정확한 구름 판별 여부는 이를 활용하여 생산되는 다른 산출물들의 정확도에 민감한 영향을 미치므로 매우 중요하다. 특히 해양에서 구름에 오염된 화소는 해수면 온도(Sea Surface Temperature: SST), 해색(ocean color), 클로로필-a(chlorophyll-a) 등 다양한 해양 기반산출물의 주된 오차 요인으로써 해양에서의 정확한 구름 탐지는 필수적이며 이는 해양 순환을 이해하는데 기여한다. 그러나 현재 Moderate Resolution Imaging Spectroradiometer (MODIS), Advanced Himawari Imager (AHI) 등 대부분 실시간 운영을 위한 알고리즘에서 사용되고 있는 고정 경계값 검사 방법은 태양-해양-센서의 상대적인 위치에 따라 변화하는 해양의 분광 특성을 고려하지 못하는 단점을 가지고 있다. 따라서 본 연구에서는 NOAA의 Himawari-8 구름 산출물을 이용하여 Himawari-8/AHI 반사도 채널에서의 태양 천정각(Solar Zenith Angle: SZA), 위성 천정각(Viewing Zenith Angle: VZA) 변화에 따른 청천 해양 표면 화소의 반사도를 수집하여 분광 라이브러리를 구축하였고 이를 이용하여 동적 경계값 방법인 Dynamic Time Warping (DTW)기법에 적용하여 구름탐지를 수행하였다. 본 연구의 구름탐지 결과를 Japan Meteorological Agency (JMA)의 구름 산출물과 정성적 비교한 결과 JMA 구름 산출물은 청천 화소를 불확실(unknown)으로 오탐지 및 과대탐지 하는 경향을 보였다. 이에 반해 본 연구에서는 태양 천정각이 고각인 지역에서 과대 탐지 및 오탐지되는 문제점을 개선하였다.

Keywords

References

  1. An, H.J., J.Y. Jeong, and M.H. An, 2005. Cloud detection in satellite imagery using neural network model, Korean Meteorological Society, 4: 442-443 (in Korean).
  2. Jeong C., 1997. Korean speech recognition, The Magazine of the IEEK, 24(9): 1071-1078 (in Korean).
  3. Jin, D.H., K. S. Lee, S. W. Choi, M. Seo, D. Lee, C.Y., Kwon, and K. S. Han, 2017. Determination of dynamic threshold for sea-ice detection through relationship between 11${\mu}m$ brightness temperature and 11-12 ${\mu}m$ brightness temperature difference, Korean Journal of Remote Sensing, 33(2): 243-248 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2017.33.2.11
  4. Key, J.R., J.B. Collins, C. Fowler, and R.S. Stone, 1997. High-latitude surface temperature estimates from thermal satellite data, Remote Sensing of Environment, 61: 302-309. https://doi.org/10.1016/S0034-4257(97)89497-7
  5. Kim, S.H. and C.S. Yang, 2015. Current Status of Hyperspectral Data Processing Techniques for Monitoring Coastal Waters, Journal of the Korean Association of Geographic Information Studies, 18(1): 48-63 (in Korean with English abstract). https://doi.org/10.11108/kagis.2015.18.1.048
  6. Sakoe, H. and S. Chiba, 1978. Dynamic programming algorithm optimization for spoken word recognition, IEEE transactions on acoustics, speech, and signal processing, 26(1): 43-49. https://doi.org/10.1109/TASSP.1978.1163055
  7. Simpson, J. J., T. J. McIntire, J. R. Stitt, and G. L. Hufford, 2001. Improved cloud detection in AVHRR daytime and night-time scenes over the ocean, International Journal of Remote Sensing, 22(13): 2585-2615. https://doi.org/10.1080/01431160119916
  8. The Korean earth science society, 2009. Earth Science Dictionary, Bookshill, Korea (in Korean).