• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권1호
• /
• pp.74-79
• /
• 2017

세계 최초의 정지궤도 해양관측위성 센서인 천리안해양관측위성(Geostationary Ocean Color Imager; GOCI)은 적조, 녹조, 모자반, 냉수대, 태풍 등의 해양재해를 실시간으로 모니터링하여 피해를 최소화하는데 활용될 수 있다. 이와 같은 활용성을 극대화하기 위해, 이 논문에서는 천리안해양관측위성의 자료처리 방법 및 절차에 관하여 기술하고 있다. 천리안해양관측위성의 자료처리는 크게 수신, 처리, 저장, 배포로 구분되며, 자료의 종류는 Raw, Level 1, Level 2 등으로 나눠진다. Raw 자료는 위성으로부터 수신한 직후의 자료로 구조화되기 이전의 자료를 의미하고, Level 1 자료는 방사보정 및 기하보정을 통하여 2차원으로 구조화한 반사도 자료를 의미하며, Level 2 자료는 Level 1 반사도 자료에 다양한 해색 알고리즘을 적용하여 엽록소농도, 부유물질농도 등을 추출한 해색자료를 의미한다.

• Spatial Information Research
• /
• 제19권1호
• /
• pp.29-40
• /
• 2011

정지궤도 해색 센서(GOCI: Geostationary Ocean Color Imager) 는 세계 최초의 정지궤도 위성으로 매일 1 시간마다 8 장의 영상을 획득 할 수 있어 육상파 해양 모두 활용성이 높은 위성이다. 그러나 500m의 GSD(Ground Sample Distance)를 지니는 서해성도 영상은 육성 활용에 한계가 있다. 최근, 컴퓨터 비전분야에서 활발히 진행 중인 기술인 Super Resolution(이하 SR)는 유사 시간대에 촬영한 저해상도 영상으로부터 고해상도 영상을 제작하는 기술로, 이를 시간 해상도가 높은 시계열 위성인 GOCI에 적용한다면 해상도가 향상 된 영상을 제작하는 기술로, 이를 시간 해상도가 높은 시계열 위성인 GOCI에 적용한다면 해상도가 향상 된 영상의 취득이 가능하며, 또한 광학 위성 영상의 단점인 구름에 의해 손실된 지상 정보의 복원이 가능할 것이다. 본 연구에서는, GOCI 자료를 위한 효율적인 초해상도 영상 복원 알고리즘 개발을 위한 선행연구로써 위성 영상 취득과정과 유사한 환경의 시뮬레이션을 통해 시계열 자료를 제작하고, 제작된 자료를 제안한 알고리즘에 적용함으로서 0.1 단위의 픽셀 정합도를 확인하였고, 원본 영상과 RMSE 0.5763, PSNR 52.9183 db, SSIM Index 0.9486의 정확도를 나타낸 HR 영상을 복원하였다.

• 대한원격탐사학회지
• /
• 제28권4호
• /
• pp.421-434
• /
• 2012

동해에서 CDOM의 광학적 특성과 순환을 이해하기 위하여 MODIS의 원격탐사반사도($R_{rs}$)를 이용한 기존의 CDOM 흡광계수 추정 알고리즘들(Semi-Algorithms (3개), Empirical-Algorithms (3개))을 현장관측 자료와 비교 평가하였다. 2009년부터 2011년까지 총 7번의 현장 관측 자료는 연안 해역에서부터 외양의 다양한 해양환경을 포함하고 있다. 본 연구 결과, 동해에서 Quasi-Analytical Algorithm (QAA_v5) 이 현장 $a_{CDOM}$(412) 값을 가장 유사하게 추정하였다. Quasi-Analytical Algorithm (QAA_v5) 알고리즘을 기준으로 Semi-analytical 알고리즘은 과소추정하는 경향을 보였다. 그러나 Empirical 알고리즘은 과대추정하는 경향을 보였다. $a_{CDOM}$(412)의 값이 높은 곳에서 위성관측 엽록소-a (Chlorophyll-a)의 값도 높았다. 이 결과는 CDOM이 엽록소-a의 함량 추정에 영향을 줄 수 있다는 가능성을 제시한다. 본 연구 결과는 세계최초 정지궤도 해색위성인 GOCI의 CDOM 알고리즘을 개선하는데 기초자료로 활용될 것이다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.747-763
• /
• 2022

해양 염분은 전 지구 규모에서 해수 순환에 영향을 미칠 뿐만 아니라, 연·근해 지역 저염분수가 어족자원 및 수산업에 피해를 줄 수 있는 등 해양 식생환경의 변화를 줄 수 있다. 해수의 표면 특성인 sea surface salinity (SSS)에 따라 마이크로웨이브 영역의 방사율이 달라지며, 이를 통해 Soil Moisture Active Passive (SMAP) 등 위성 센서를 활용한 SSS 산출물이 제공되고 있다. 하지만 마이크로파 위성 센서 기반의 SSS 산출물은 낮은 시공간해상도로 자료를 생산하며, 연안지역과 고위도 지역에서 정확도가 낮다. 이러한 이유로 연·근해 지역 SSS의 상세한 시공간적 변화를 관측하기에는 적합하지 않다. 본 연구에서는 Jang et al. (2022)에서 제시한 기계학습 기반의 개선된 SMAP SSS (SMAP SSS (Jang))를 참조자료로 활용하여, 정지궤도해색센서(Geostationary Ocean Color Imager, GOCI) 영상으로부터 고해상도 SSS를 추정하는 Light Gradient Boosting Machine (LGBM) 기반의 모델을 개발하였다. 3가지 입력변수 조합을 테스트하였고, Multi-scale Ultra-high Resolution Sea Surface Temperature (SST) 자료가 추가된 scheme 3가 가장 높은 정확도를 보였다(R² = 0.60, RMSE = 0.91 psu). 이를 바탕으로 본 연구영역에서 SST가 SSS 모의에 효과적인 환경변수로 작용함을 보였다. 본 연구에서 제시한 LGBM 기반의 GOCI SSS는 SMAP SSS (Jang)와 비슷한 시공간적 패턴을 보였지만, 더 높은 공간해상도를 바탕으로 SSS의 보다 상세한 공간적 분포와 더불어 SMAP SSS (Jang)에서 산출하지 않는 연안 지역의 정보까지 모의하였다. 또한, 중국 남방지역에 대홍수가 발생하였던 2020년 8월을 대상으로 양자강 유출수(Changjiang Diluted Water)의 거동을 분석한 결과, GOCI SSS는 한국 해양수산연구원의 보도자료와 비교하여 일관성 있는 시공간적 변화를 보였다. 본 연구의 결과로 연안 지역의 저염수 뿐 아니라, 원해 지역에서 광학위성 신호를 활용한 고해상도 SSS 산출의 가능성을 제시하였다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1605-1613
• /
• 2023

해양 내의 다양한 물리적 변화는 수온과 염분의 지속적인 변동에 의해 결정된다. 수온과 더불어 넓은 영역의 염분 변화를 파악하기 위해서는 인공위성 자료에 의존할 수밖에 없다. 그럼에도 불구하고 염분을 관측하는 위성인 Soil Moisture Active Passive (SMAP)는 낮은 시·공간 해상도로 인해 연안 근처에서 빠르게 변화하는 해양환경을 관측하기에는 어렵다는 한계가 존재한다. 이러한 한계를 극복하기 위해 본 연구에서는 천리안 해양 관측 위성의 정지궤도 해색 센서인 Geostationary Ocean Color Imager-II (GOCI-II) 원격반사도 자료를 입력자료로 하여 고해상도 표층 염분을 산출하는 Multi-layer Perceptron Neural Network (MPNN) 기반의 알고리즘을 개발하였다. SMAP과 비교한 결과 coefficient of determination (R²)는 0.94, root mean square error (RMSE)는 0.58 psu 그리고 relative root mean square error (RRMSE)는 1.87%였으며, 공간적인 분포 또한 매우 유사한 결과를 나타냈다. R²의 공간 분포는 0.8 이상을 보여주었으며 RMSE는 전반적으로 1 psu 이하의 낮은 값을 보여주었다. 이어도 과학기지에서의 실측 염분값과도 비교하였지만 상대적으로 조금 낮은 결과를 보여주었다. 이에 대한 원인을 분석하였으며, 산출된 GOCI-II 기반 고해상도 염분 자료를 활용하여 2022년 11호 태풍 힌남노에 의한 하루 동안의 동중국해 표층 염분 변화를 표준편차로 계산하였다. 그 결과 SMAP에서 관측할 수 없는 시공간의 염분 변화를 고해상도의 GOCI-II 기반 염분 산출물을 통해 확인할 수 있었다. 따라서 본 연구를 통해 시간 단위로 변화하는 해양환경 모니터링에 큰 기여를 할 것으로 기대된다.