• Korean Journal of Remote Sensing
• /
• v.36 no.5_4
• /
• pp.1179-1194
• /
• 2020

This study investigates the feasibility of three algorithms, K-Nearest Neighbors (K-NN), Random Forest (RF) and Neural Network (NN), for estimating the air temperature of an unobserved area where the weather station is not installed. The satellite image were obtained from Landsat-8 and MODIS Aqua/Terra acquired in 2019, and the meteorological ground weather data were from AWS/ASOS data of Korea Meteorological Administration and Korea Forest Service. In addition, in order to improve the estimation accuracy, a digital surface model, solar radiation, aspect and slope were used. The accuracy assessment of machine learning methods was performed by calculating the statistics of R² (determination coefficient) and Root Mean Square Error (RMSE) through 10-fold cross-validation and the estimated values were compared for each target area. As a result, the neural network algorithm showed the most stable result among the three algorithms with R² = 0.805 and RMSE = 0.508. The neural network algorithm was applied to each data set on Landsat imagery scene. It was possible to generate an mean air temperature map from June to September 2019 and confirmed that detailed air temperature information could be estimated. The result is expected to be utilized for national disaster safety management such as heat wave response policies and heat island mitigation research.

• The Korean Journal of Applied Statistics
• /
• v.24 no.3
• /
• pp.535-546
• /
• 2011

This study develops statistical models for the binary forecast of Asian dust days over South Korea in the winter season. For this study, we used three kinds of data; the rst one is the observed Asian dust days for a period of 31 years (1980 to 2010) as target values, the second one is four meteorological factors(near surface temperature, precipitation, snowfall, ground wind speed) in the source regions of Asian dust based on the NCEP reanalysis data and the third one is the large-scale climate indices. Four kinds of statistical models(multiple regression models, logistic regression models, decision trees, and support vector machines) are applied and compared based on skill scores(hit rate, probability of detection and false alarm rate).

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.26-26
• /
• 2018

기후변화로 인한 홍수, 가뭄 등의 자연재해가 빈번히 발생함에 따라서, 수자원의 변동성이 심각해짐에 따라서 물 부족에 대한 관심이 대두되고 있다. 특히, 수문분야에서 수자원의 확보 및 효율적 관리에 대한 중요성 및 관심이 높아지고는 있으나, 물 순환에 대한 이해 및 분석에 대한 부분은 아직 계속적으로 연구할 필요성이 있다. 물 순환에서 다른 수문기상인자들에 비해 직접적인 관측이 어려운 실제증발산은 단순 가정 및 경험식, 또는 물수지 방정식을 통해 어림되어 계산되어 진다. 지상에서 실제증발산을 관측하기 위해 에디 공분산 기반의 플럭스 타워(flux tower)를 이용하여 한 지역(지점)에서의 정량적인 관측이 이뤄지고 있으나, 공간적인 관측은 이뤄지고 있지 않는 문제점을 가지고 있다. 따라서, 기술이 발전함에 따라 다양한 물리식 기반의 재분석자료(reanalysis data)/인공위성(satellite)기반의 실제증발산에 대한 자료가 산출되어진다. 그렇지만, 다양한 물리식 기반으로 산출되는 결과는 알고리즘의 특성상 오차가 발생할 수 있다. 이러한 방법을 해결하기 위하여 다양한 합성 방법을 이용하여 각 알고리즘에서 오차를 보정 및 개선한 최적의 실제증발산 결과를 필요로 하게 된다. 이 연구에서는 재분석/인공위성 기반의 8일 단위 실제증발산 자료를 활용하여 두 가지의 합성 방법(simple taylor skill score, maximize r)을 이용하여 개선된 실제증발산 결과를 산출하기 위하여, 2005년부터 2014년까지의 호주에서의 실제증발산에 대한 합성 결과를 나타내었다. 전반적으로 두 방법으로 산정된 결과는 기존의 결과에 비해 오차가 상당히 개선된 것을 확인 할 수 있었으며, 특히, 다양한 자료를 이용하여 합성하는 방법인 simple taylor skill score방법이 maximize r의 방법에 비해 보다 오차 및 상관성이 높은 것을 확인 할 수 있다. 본 연구에서 합성 방법을 이용하여 기존의 자료에 비해서 개선된 결과를 산정할 수 있는 것을 확인하였고, 향후 가뭄에 직접적으로 연관성을 가진 합성 증발산 자료를 활용하여 가뭄 분석의 신뢰성을 향상시킬 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.383-383
• /
• 2021

강수는 수자원 분석 및 지리학적 연구에 가장 핵심적으로 쓰이는 수문인자이며, 최근 기후변화와 방재 관련한 다양한 연구에서 정확한 강수자료의 중요성이 부각되고 있다. 특히, 강수는 지표에서의 유출, 침투, 증발 등 다양한 수문현상으로 이어지므로, 수문순환, 물수지 분석에 있어 강우강도 등 강수 발생 양상과 유형에 대한 정확한 자료는 필수불가결하다. 강수량은 Automatic Weather Station (AWS)을 통해 비교적 정확하게 측정되고 있으나, 이러한 계측자료는 기상학적, 지형적 영향을 크게 받으며 대표성이 좁다는 단점을 가지고 있어 유출 및 기후 등 공간적 범위를 대상으로 한 연구에 활용하기에 한계점을 가지고 있다. 이러한 한계점을 극복하기 위해 지상강우레이더를 통한 국지적 강수자료 및 인공위성 기반 전 지구적 강수 관측 자료가 활용되고 있다. 특히 인공위성을 활용한 강우 측정방법은 미계측 유역에서 수자원 측정 및 관리 계획을 세우거나 전 지구적으로 장기적 변화를 분석하는데 있어 가장 활용도가 높다. National Aeronautics and Space Administration (NASA)의 Tropical Rainfall Measuring Mission (TRMM)을 포함한 기존 강수측정 보조 위성에 더하여 2014년 Global Precipitation Measurement (GPM) 핵심 위성이 발사된 이후 다양한 기관에서 여러 인공위성을 결합한 강수 산출물들을 제공하고 있다(NASA-IMERG, JAXA-GSMAP, NOAA-CMORPH). 본 연구에서는 세 가지 위성 기반 강수 자료의 산출 알고리즘을 비교□분석하고, 강우강도에 따른 산출물들의 정확도를 평가하였다. 본 연구결과는 높은 강우강도 발생 시 나타나는 위성 강수자료의 불확실성을 개선하는 데 기여할 수 있을 것으로 판단되며, 이후 신뢰도 높은 다중 위성 융합 강수 산출물을 구현하기 위한 바탕이 될 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.332-332
• /
• 2022

적설은 지구 기후시스템과 수문순환 과정에서 중요한 역할을 하고 있으며, 겨울철의 적설은 봄철에 녹으면서 식생과 수자원 제공에 큰 영향을 주는 인자로 알려져 있다. 동아시아가 위치한 북반구는 적설량의 90%가 관찰되고 토지의 약 42%가 긴 시간동안 눈으로 덮여 있어 지표 에너지와 물 균형에 영향을 주고, 특히 수자원 관리를 위한 유출이나 토양수분과 같은 수문 인자에 큰 영향을 미친다. 따라서 적설을 정확하게 예측하는 것은 수자원 관리에 있어 매우 중요한 일이다. 한편, 이러한 수문 순환을 정확히 예측하기 위해 수문 분야에서는 지면모형(Land Surface Model, LSM)을 많이 사용하고 있다. 지면모형은 지표면과 대기 사이의 상호작용을 모의하기 위해 개발되었고, 에너지, 수증기, 이산화탄소 등의 다양한 인자들의 교환에 대하여 해석하며, 토양수분, 유출량 등의 수자원 분야의 주요 인자들을 산출하여 수자원 관리에 적극적으로 활용되고 있다. 이에 본 연구에서는 National Center for Atmospheric Research(NCAR)에서 개발한 Community Land Model(CLM)을 사용하여 2001년부터 2016년까지 25km의 공간해상도로 동아시아 지역의 적설 모의를 평가하였다. CLM의 적설 모의 평가 인자는 Snow depth, Snow water equivalent의 2가지 인자를 대상으로 수행하였고, 모의 성능 평가를 위한 관측 자료로 NASA Aqua와 JAXA GCOM-W1 위성에 탑재된 Advanced Microwave Scanning Radiometer(AMSR) 센서에서 제공하는 위성 관측 자료와 Defense Meteorological Satellite Program(DMSP) 위성의 Special Sensor Microwave/Imager(SSM/I) 센서와 Nimbus-7 위성의 Scanning Multichannel Microwave Radiometer(SMMR) 센서에서 제공하는 위성 관측 자료를 기반으로 지상 기상 관측소 자료와 조합하여 재생성한 European Space Agency Global Snow Monitoring for Climate Research (ESA GlobSnow)의 자료를 사용하였다. 그 결과 CLM의 적설 모의는 과대 추정하는 것을 알 수 있었으며, 본 연구의 결과는 동아시아 적설 모의 개선을 위해 자료 동화를 사용하는 후속 연구의 기초자료로 사용할 수 있다.

• Korean Journal of Remote Sensing
• /
• v.26 no.2
• /
• pp.65-73
• /
• 2010

To observe and analyze the characteristics of cloud and precipitation properties, the Cloud physics Observation System (CPOS) has been operated from December 2003 at Daegwallyeong ($37.4^{\circ}N$, $128.4^{\circ}E$, 842 m) in the Taebaek Mountains. The major instruments of CPOS are follows: Forward Scattering Spectrometer Probe (FSSP), Optical Particle Counter (OPC), Visibility Sensor (VS), PARSIVEL disdrometer, Microwave Radiometer (MWR), and Micro Rain Radar (MRR). The former four instruments (FSSP, OPC, visibility sensor, and PARSIVEL) are for the observation and analysis of characteristics of the ground cloud (fog) and precipitation, and the others are for the vertical cloud characteristics (http://weamod.metri.re.kr) in real time. For verification of CPOS products, the comparison between the instrumental products has been conducted: the qualitative size distributions of FSSP and OPC during the hygroscopic seeding experiments, the precipitable water vapors of MWR and radiosonde, and the rainfall rates of the PARSIVEL(or MRR) and rain gauge. Most of comparisons show a good agreement with the correlation coefficient more than 0.7. These reliable CPOS products will be useful for the cloud-related studies such as the cloud-aerosol indirect effect or cloud seeding. The visibility value is derived from the droplet size distribution of FSSP. The derived FSSP visibility shows the constant overestimation by 1.7 to 1.9 times compared with the values of two visibility sensors (SVS (Sentry Visibility Sensor) and PWD22 (Present Weather Detect 22)). We believe this bias is come from the limitation of the droplet size range ($2{\sim}47\;{\mu}m$) measured by FSSP. Further studies are needed after introducing new instruments with other ranges.

• Journal of Korea Water Resources Association
• /
• v.49 no.9
• /
• pp.749-759
• /
• 2016

The aim of this study is to apply and to evaluate the radar-based risk prediction algorithm for damage reduction by sudden localized heavy rain in urban areas. The algorithm is combined with three processes such as "detection of cumulonimbus convective cells that can cause a sudden downpour", "automatic tracking of the detected convective cells", and "risk prediction by considering the possibility of sudden downpour". This algorithm was applied to rain events that people were marooned in small urban stream. As the results, the convective cells were detected through this algorithm in advance and it showed that it is possible to determine the risk of the phenomenon of developing into local heavy rain. When use this risk predicted results for flood prevention operation, it is able to secure the evacuation time in small streams and be able to reduce the casualties.

• Proceedings of the KSRS Conference
• /
• 2009.03a
• /
• pp.167-171
• /
• 2009

정지궤도에서는 세계 최초의 해양관측위성으로 개발된 정지궤도 해양위성(GOCI, Geostationary Ocean Color Imager)은 통신해양기상위성(COMS, Communication, Ocean and Meterological Satellite)의 탑재체로서 2009년말 발사 예정이다. 정지궤도 해양위성의 복사보정은 센서의 전기적 특성에 의한 잡음을 제거하기 위한 암흑전류 교정(Dark Current Correction)을 먼저 수행한 다음, 주운영지상국인 해양위성센터(KOSC, Korea Ocean Satellite Center)에서 수신된 위성의 원시자료의 Digital Number(DN)를 실제 해양원격탐사에서 이용하는 물리량인 복사휘도(Radiance, $W/m^2/{\mu}m/sr$)로 변환하는 복사보정을 수행한다. 정확도 높은 복사보정을 수행하기 위해서는 기준광원의 복사휘도와 센서의 물리적 특성을 정확하게 알아야 한다. 정지궤도 해양위성 궤도상 복사보정(on-orbit radiometric calibration)에서는 태양이 기준광원이기 때문에, 기준 태양복사모델(Thuillier 2004 Solar Irradiance Model)에서 지구-태양간 거리 변화(1년 주기)를 보정한 태양의 방사도 (Irradiance)를 이용하고, 태양입사각에 대한 태양광 확산기의 감쇄 특성 변화를 고려하여 센서에 입력되는 복사휘도를 계산한다. 센서의 물리적 특성으로 인한 복사보정의 오차를 줄이기 위해 우주방사선 및 우주먼지(space debris)로 인해 위성 운용기간 중 그 특성이 저하되는 태양광 확산기(solar Diffuser)의 특성변화를 모니터링하기 위한 DAMD(Diffuser Aging Monitoring Device)를 이용한다. 정지궤도 해양위성 주관운영기관인 한국해양연구원의 해양위성센터에서는 정지궤도 해양위성 복사보정을 수행하기 위한 S/W를 통신해양기상위성 자료처리시스템 개발사업의 일환으로 개발하였으며, 관련 성능 시험을 수행하고 있다.

• Journal of Wetlands Research
• /
• v.16 no.1
• /
• pp.19-32
• /
• 2014

The purpose of this paper is to obtain reliable rainfall data for runoff simulation and other hydrological analysis by the calibration of gauge rainfall. The calibrated gauge rainfall could be close to the actual value with rainfall on the ground. In order to analyze the wind effect of ground rain gauge, we selected the rain gauge sites with and without a windshield and standard rain gauge data from Chupungryeong weather station installed by standard of WMO. Simple linear regression model and artificial neural networks were used for the calibration of rainfalls, and we verified the reliability of the calibrated rainfalls through the runoff analysis using $Vflo^{TM}$. Rainfall calibrated by linear regression is higher amount of rainfall in 5%~18% than actual rainfall, and the wind remarkably affects the rainfall amount in the range of wind speed of 1.6~3.3m/s. It is hard to apply the linear regression model over 5.5m/s wind speed, because there is an insufficient wind speed data over 5.5m/s and there are also some outliers. On the other hand, rainfall calibrated by neural networks is estimated lower rainfall amount in 10~20% than actual rainfall. The results of the statistical evaluations are that neural networks model is more suitable for relatively big standard deviation and average rainfall. However, the linear regression model shows more suitable for extreme values. For getting more reliable rainfall data, we may need to select the suitable model for rainfall calibration. We expect the reliable hydrologic analysis could be performed by applying the calibration method suggested in this research.

• Korean Journal of Remote Sensing
• /
• v.39 no.6_1
• /
• pp.1389-1399
• /
• 2023

KOMPSAT-3/3A (K3/K3A) absolute radiometric calibration study was conducted based on a Field Line of sight Automated Radiance Exposure (FLARE) system. FLARE is a system, which has been developed by Labsphere, Inc. adopted a SPecular Array Radiometric Calibration (SPARC) concept. The FLARE utilizes a specular mirror target resulting in a simplified radiometric calibration method by minimizing other sources of diffusive radiative energies. Several targeted measurements of K3/3A satellites over a FLARE site were acquired during a field campaign period (July 5-15, 2021). Due to bad weather situations, only two observations of K3 were identified as effective samples and they were employed for the study. Absolute radiometric calibration coefficients were computed using combined information from the FLARE and K3 satellite measurements. Comparison between the two FLARE measurements (taken on 7/7 and 7/13) showed very consistent results (less than 1% difference between them except the NIR channel). When additional data sets of K3/K3A taken on Aug 2021 were also analyzed and compared with gain coefficients from the metadata which are used by current K3/K3A, It showed a large discrepancy. It is assumed that more studies are needed to verify usefulness of the FLARE system for the K3/3A absolute radiometric calibration.