• 대한방사선방어학회:학술대회논문집
• /
• 2009.11a
• /
• pp.202-203
• /
• 2009

• Proceedings of the Korean Nuclear Society Conference
• /
• 1995.05b
• /
• pp.867-873
• /
• 1995

개방수조형 연구로인 하나로에서 가상적인 채널유동 차단사고에 따른 방사능 방출시의 환경영향을 부지 기상자료 측정결과를 이용하여 고공방출과 지표 면방출의 두가지 경로에 대해 평가하였다. 계산 결과, 지표면방출이 고공방출보다 피폭선량이 크게 나타났으나, 두 경우 모두 제한구역(EAB) 및 저인구지역(LPZ) 경계에서의 피폭선량 허용기준치를 만족하였다. 그리고 비상계획구역은 800 m로 설정하면 적절함을 입증하였다.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 2000.11a
• /
• pp.173-175
• /
• 2000

도시기상의 원인으로는 지표면 상태의 변화, 인공구조물과 인공열 방출을 들 수 있으며 그 외 오염물질 또한 하나의 원인이다. 도시의 낮은 함수률의 지표면 증가는 증발산 영역을 감소시켜 결과적으로 잠열방출을 감소시키고 현열을 증가시킨다(Tapper, et. al., 1981). 또한 도시의 배수시설은 유입된 강수의 흐름을 시골보다 짧은 기간 머무르게 하여 도시에서 낮은 절대 습도를 가지게 한다. (중략)

• Proceedings of the KSRS Conference
• /
• 2007.03a
• /
• pp.271-276
• /
• 2007

지표면의 파장별 방출율을 알고 있다는 가정하에 대기의 흡수효과가 상이한 두 파장역을 이용하여 대기효과를 보정해주는 일반적인 분리대기창(Generalized Split-Window) 방법으로 MTSAT-1R 자료로부터 지표면 온도(LST) 산출 알고리즘을 개발하였다. 지표면온도 산출 회귀식은 대기복사전달모델 MODTRAN4.0으로 위성으로부터 LST를 산출하는데 영향을 주는 여러 가지 요소(주/야간，수증기, 방출율，위성관측각 등)들을 고려하여 모의된 자료로부터 도출하였다. 개발한 LST 산출알고리즘의 수준을 분석하기 위해 MSGl SEVIRI 센서에 적합하도록 개 발된 Sobrino and Romaguera(2004)의 알고리즘과 GMS-5 VISSR 센서에 적합하도록 개발된 Prata and Cechet(1999)의 알고리즘과 비교하였다. 3 알고리즘을 MTSAT-1R 자료에 적용하여 LST를 산출한 결과 LST의 공간분포는 정성적으로 서로 유사하게 나타났으나，정량적으로는 지리적 위치，계절 및 주간/야간에 따라서 LST가 다르게 나타났다.

• Journal of the Korean earth science society
• /
• v.38 no.4
• /
• pp.269-282
• /
• 2017

In this study, the surface broadband emissivity ($3.0-14.0{\mu}m$) was calculated using the multiple linear regression model with narrow bands (channels 29, 30, and 31) emissivity data of the Moderate Resolution Imaging Spectroradiometer (MODIS) on Earth Observing System Terra satellite. The 307 types of spectral emissivity data (123 soil types, 32 vegetation types, 19 types of water bodies, 43 manmade materials, and 90 rock) with MODIS University of California Santa Barbara emissivity library and Advanced Spaceborne Thermal Emission & Reflection Radiometer spectral library were used as the spectral emissivity data for the derivation and verification of the multiple linear regression model. The derived determination coefficient ($R^2$) of multiple linear regression model had a high value of 0.95 (p<0.001) and the root mean square error between these model calculated and theoretical broadband emissivities was 0.0070. The surface broadband emissivity from our multiple linear regression model was comparable with that by Wang et al. (2005). The root mean square error between surface broadband emissivities calculated by models in this study and by Wang et al. (2005) during January was 0.0054 in Asia, Africa, and Oceania regions. The minimum and maximum differences of surface broadband emissivities between two model results were 0.0027 and 0.0067 respectively. The similar statistical results were also derived for August. The surface broadband emissivities by our multiple linear regression model could thus be acceptable. However, the various regression models according to different land covers need be applied for the more accurate calculation of the surface broadband emissivities.

• Korean Journal of Remote Sensing
• /
• v.29 no.2
• /
• pp.219-233
• /
• 2013

In this study, spatio-temporal variations of Land Surface Emissivity (LSE) of the three LSE data sets in the Asian-Oceanian regions were addressed. The MODerate Resolution Imaging Spectroradiometer (MODIS) LSE, Cooperative Institute for Meteorological Satellite Studies (CIMSS) LSE, and Kongju National Univ. (KNU) LSE data sets were used. The three data sets showed very similar emissivity in the Tibetan Plateau, desert in the Middle East and Australia, and low latitude regions irrespective of season. The emissivity of $12{\mu}m$ was systematically greater than that of $11{\mu}m$, in particular, in the Tibetan Plateau, desert over Middle East and Australia. In general, they showed a weak seasonal variation in the low latitude regions although the emissivity was different among them. However, the three data sets showed quite different spatial and temporal variations in the other regions of Asian-Oceanian regions. The KNU LSE showed a systematic seasonal variation with a high emissivity during summer and low emissivity during winter but the other two LSE data sets showed irregular seasonal variations without regard to the regions. And the annual mean correlations of $11{\mu}m$ and $12{\mu}m$ between KNU LSE and MODIS LSE (KNU LSE and CIMSS LSE; MODIS LSE and CIMSS LSE) were 0.423 and 0.399 (0.330, 0.101; 0.541, 0.154), respectively. The relatively low correlations and strong inter-month variations, in particular, in $12{\mu}m$, indicated that consistency in spatial variation was very low. The comparison results showed that caution should be given before operational use of the LSE data sets in these regions.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.99-102
• /
• 2012

지표면 온도는 토지피복의 상태, 식생의 분포 상태, 토양수분, 증발산 등의 영향으로 많은 차이를 가지게 되며, 지면-대기의 상호순환의 중요한 인자로써 기후모델 및 농업 등의 기본적인 데이터로 사용되고 있다. 이러한 지표면의 온도를 정확하게 파악하는 것은 수문학적 관점 및 기상적인 관점에서 매우 중요하다. 기존에 LST (Land Surface Temperature, 지표면온도), ET (EvapoTranspiration, 증발산), NDVI (Normalized Difference Vegetation Index, 정규식생지수) 등의 검증이 많이 이루어진 MODIS위성의 Terra/Aqua센서는 한반도를 스캔하고 지나갈 때의 순간적인 데이터를 산출된다. 공간적인 면에서는 많은 이점이 있으나 시간적인 면에서는 시간에 따른 인자들의 변동성을 파악 하는데는 많은 문제가 있다. 그렇기 때문에 시 공간적으로 변화양상을 측정 할 수 있는 정지궤도위성의 중요성이 대두되고 있다. 본 연구에서는 국내에서 2010년 6월 27일 발사된 정지궤도위성인 천리안의 데이터를 활용하였다. 천리안 위성은 기상 센서와 해양관측 센서 그리고 통신센서를 가진 위성이다. 천리안 위성의 기상 센서는 MTSAT-1 위성과 같은 적외선 센서를 탑재하고 있으며, 평시에는 15분 단위의 데이터를 산출하게 된다. 천리안에서 제공되는 많은 Product(강우강도, 해수면온도, 가강수량, 지구방출복사 등)는 수자원 및 기상에 관련된 데이터가 제공된다. 하지만 아직 검증이 많이 이루어지지 못하였다. 그래서 천리안 위성 데이터인 지표면 온도자료를 이용하여 천리안 위성의 효율성에 대해서 알아보고자 하며, 기존의 검증이 많이 이루어진 MODIS의 데이터와의 상관성을 분석하고 지상과의 관계를 검증 및 비교하여 천리안 위성의 활용성에 대해서 알아보려고 한다.

• Korean Journal of Remote Sensing
• /
• v.22 no.6
• /
• pp.507-518
• /
• 2006

The radiation at $11{\mu}m$ absorbed more than at $12{\mu}m$ when aerosols is loaded in the atmosphere, whereas it will be the other way around when cloud is present. The difference of the two channels provides an opportunity to detect aerosols such as Yellow Sand even with the presence of clouds and at night. However problems associated with this approach arise because the difference can be affected by various atmospheric and surface conditions. In this paper, we has analyzed how the threshold and sensitivity of the brightness temperature difference between two channel (BTD) vary with respect to the conditions in detail. The important finding is that the threshold value for the BTD distinguishing between aerosols and cloud is $0.8^{\circ}K$ with the US standard atmosphere, which is greater than the typical value of $0^{\circ}K$. The threshold and sensitivity studies for the BTD show that solar zenith angle, aerosols altitude, surface reflectivity, and atmospheric temperature profile marginally affect the BTD. However, satellite zenith angle, surface temperature along with emissivity, and vertical profile of water vapor are strongly influencing on the BTD, which is as much as of about 50%. These results strongly suggest that the aerosol retrieval with the BTD method must be cautious and the outcomes must be carefully calibrated with respect to the sources of the error.

• Korean Journal of Remote Sensing
• /
• v.36 no.3
• /
• pp.487-501
• /
• 2020

As a viable option for retrieval of LST (Land Surface Temperature), this paper presents a DNN (Deep Neural Network) based approach using 148 Landsat 8 images for South Korea. Because the brightness temperature and emissivity for the band 10 (approx. 11-㎛ wavelength) of Landsat 8 are derived by combining physics-based equations and empirical coefficients, they include uncertainties according to regional conditions such as meteorology, climate, topography, and vegetation. To overcome this, we used several land surface variables such as NDVI (Normalized Difference Vegetation Index), land cover types, topographic factors (elevation, slope, aspect, and ruggedness) as well as the T₀ calculated from the brightness temperature and emissivity. We optimized four seasonal DNN models using the input variables and in-situ observations from ASOS (Automated Synoptic Observing System) to retrieve the LST, which is an advanced approach when compared with the existing method of the bias correction using a linear equation. The validation statistics from the 1,728 matchups during 2013-2019 showed a good performance of the CC=0.910~0.917 and RMSE=3.245~3.365℃, especially for spring and fall. Also, our DNN models produced a stable LST for all types of land cover. A future work using big data from Landsat 5/7/8 with additional land surface variables will be necessary for a more reliable retrieval of LST for high-resolution satellite images.

• 한국신재생에너지학회:학술대회논문집
• /
• 2010.11a
• /
• pp.40.1-40.1
• /
• 2010

인간의 삶과 밀접한 관련이 있는 태양 에너지는 전세계적으로 에너지 부족 문제 해결방안을 위한 대체 에너지 자원으로 각광 받고 있다. 즉 태양으로부터 방출되어 지표면에 도달하는 태양광은 연간 약 23,000 TW(Perez et al., 2009)로써 다른 어떤 종류의 에너지원보다 풍부하기 때문에 태양광 발전은 양적인 측면에서의 무한한 잠재력뿐만 아니라 환경적인 측면에서 무공해라는 장점을 가진다. 특히 국내에서는 2030년까지 태양광 에너지와 풍력 및 수소에너지들은 3대 국가 에너지 전략 분야로 집중 육성되고 있다(한국과학기술정보연구원, 2007). 지표면에 도달하는 태양 에너지 평가 및 분석을 위하여 일사계에 의한 관측 자료가 이용될 수 있으나 관측 영역 및 관측 정밀도 문제 때문에 태양 복사 모델(Solar Radiative Transfer Model)에 의한 계산 자료가 중요하게 활용된다. 이 연구에서 한반도의 지표면 태양광 계산을 위하여 사용된 모델은 Iqbal(1983)에 근거한 것으로써 단일 기층의 모형대기를 가정한 모델이며 상세 모델(Line-by-Line Model)에 의하여 보정하여 2009년 1월부터 2009년 12월까지 한반도의 지표면 태양광 시공간 분포를 계산하였다. 이 계산을 위하여 대기 중의 가스와 에어로졸 및 구름 성분들에 대한 모델 입력자료 등이 요구되며 이 자료들은 기상청의 수치 모델(Regional Date Assimilation and Prediction System; RDAPS)과 기상 관련 인공위성(OMI와 MODIS 및 MTSAT-1R 등)으로부터 발췌하여 사용하였다. 그 결과 이 연구 기간(2009년 1월 ~ 2009년 12월)동안 1 km 간격의 수평면에 대하여 계산된 한반도의 지표면 태양광은 안동과 대구 및 진주를 연결하는 지역에서 최대값($5400MJ/m^2$ 이상)이 나타났다. 그러나 지표면 일사 관측 자료의 공간 분포는 이 연구 결과와 차이가 있었으며 그 원인은 관측소 일사계의 보정 및 관리운영에 따른 자료 정확성 결여 때문으로 평가된다.