• 대한원격탐사학회지
• /
• 제35권1호
• /
• pp.117-136
• /
• 2019

In this study, a hybrid-type of day fog detection algorithm (DFDA) was developed based on the optical and textural characteristics of fog top, using the Himawari-8 /Advanced Himawari Imager data. Supplementary data, such as temperatures of numerical weather prediction model and sea surface temperatures of operational sea surface temperature and sea ice analysis, were used for fog detection. And 10 minutes data from visibility meter from the Korea Meteorological Administration were used for a quantitative verification of the fog detection results. Normalized albedo of fog top was utilized to distinguish between fog and other objects such as clouds, land, and oceans. The normalized local standard deviation of the fog surface and temperature difference between fog top and air temperature were also assessed to separate the fog from low cloud. Initial threshold values (ITVs) for the fog detection elements were selected using hat-shaped threshold values through frequency distribution analysis of fog cases.And the ITVs were optimized through the iteration method in terms of maximization of POD and minimization of FAR. The visual inspection and a quantitative verification using a visibility meter showed that the DFDA successfully detected a wide range of fog. The quantitative verification in both training and verification cases, the average POD (FAR) was 0.75 (0.41) and 0.74 (0.46), respectively. However, sophistication of the threshold values of the detection elements, as well as utilization of other channel data are necessary as the fog detection levels vary for different fog cases(POD: 0.65-0.87, FAR: 0.30-0.53).

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1405-1423
• /
• 2021

강우 현상은 물 순환과 에너지 순환의 주요 요소 중 하나이며 강우량 추정은 수자원 확보와 수재해 예측 및 피해 감축에 매우 중요한 역할을 한다. 위성 기반 강우량 추정은 시공간적으로 고해상도인 자료를 통하여 넓은 지역을 연속적으로 감시할 수 있다는 장점이 있다. 본 연구에서는 Himawari-8 Advanced Himawari Imager(AHI) 수증기 채널(6.7 ㎛), 적외 채널(10.8 ㎛)과 기상 레이더 Column Max (CMAX) 합성장을 이용하여 기계학습 기반 정량적 강우량 추정 모델을 개발하였다. 기계학습 기법으로는 랜덤 포레스트(Random Forest, RF)를 사용하였으며 기상 레이더 반사도(dBZ)와 Z-R식으로 변환한 강우강도(mm/hr)를 타겟으로 하는 모델을 구축하여 비교하였다. 레이더 강우강도를 통해 검증하였을 때 임계성공지수(Critical Success Index, CSI)는 0.34, Mean-Absolute-Error (MAE) 4.82 mm/hr였다. GeoKompsat-2(GK-2A) 강우강도 산출물, Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) 산출물과 비교하였을 때 강우 유무 분류에서 CSI 21.73%, 10.81%, 강우강도 정량적 평가에서 MAE 31.33%, 23.49% 높은 성능을 보였다. 강우량 산출물을 지도화 한 결과, 실제 강우강도 분포와 유사한 분포를 모의하여 기존 산출물 대비 높은 정확도의 강우량을 추정했다.

• 대한공간정보학회지
• /
• 제24권4호
• /
• pp.105-113
• /
• 2016

산불방사열에너지(fire radiative power)는 산불로부터 방출되는 에너지로서 산불의 연소과정에서 발생하는 온실가스를 추정하기 위한 기초자료로 이용된다. 유럽, 아프리카, 아메리카 지역의 정지궤도 위성센서들은 준실시간의 산불방사열에너지를 산출 및 제공하고 있지만 아시아권에는 아직까지 정지궤도 위성기반의 공식적인 산불방사열에너지 산출물이 제공되지 않고 있다. 본 연구에서는 중적외 복사휘도법(mid-infrared radiance method)을 이용하여 히마와리(Himawari-8) 위성 기반의 산불방사열에너지를 최초로 산출하였으며, 산출정확도를 검증하기 위해 인도네시아 수마트라 지역에 대해 Aqua/Terra 위성의 MODIS(moderate resolution imaging spectroradiometer) 산불방사열에너지 산출물과의 비교검증을 실시하였다. 이 과정에서 NDVI(normalized difference vegetation index)와 FVC(fraction of vegetation coverage)를 이용하여 중적외 복사휘도법의 중요인자인 지표면 방출률을 지면피복 종류에 따라 계산하였으며, 최적화 실험을 통하여 히마와리 AHI(advanced Himawari imager)의 센서계수 a = 3.11을 도출하였다. 본 연구를 통해 산출된 히마와리 산불방사열에너지는 MODIS를 기준으로 약 20%의 평균절대백분비오차를 나타내었으며 이는 미국과 유럽연합의 정지궤도위성의 산불방사열에너지 검증결과와 유사한 수준의 정확도로 평가된다. 히마와리 산불방사열에너지의 산출정확도는 산불의 크기와 위성관측각에 따라 일부 차이를 보였으나 태양천정각과 토지피복에 따른 영향은 거의 없는 것을 알 수 있었다. 이 연구는 아시아권의 정지궤도위성 산불방사열에너지 산출을 위한 참고자료로서 활용가치가 있으며 산불방출 온실가스 추정에 기초자료로 활용될 수 있을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제37권1호
• /
• pp.161-167
• /
• 2021

This paper presents the method to quantitatively evaluate the uncertainty of the semi-empirical Bidirectional Reflectance Distribution Function (BRDF) model for Himawari-8/AHI. The uncertainty of BRDF modeling was affected by various issues such as assumption of model and number of observations, thus, it is difficult that evaluating the performance of BRDF modeling using simple uncertainty equations. Therefore, in this paper, Monte-Carlo method, which is most dependable method to analyze dynamic complex systems through iterative simulation, was used. The 1,000 input datasets for analyzing the uncertainty of BRDF modeling were generated using the Second Simulation of a Satellite Signal in the Solar Spectrum (6S) Radiative Transfer Model (RTM) simulation with MODerate Resolution Imaging Spectroradiometer (MODIS) BRDF product. Then, we randomly selected data according to the number of observations from 4 to 35 in the input dataset and performed BRDF modeling using them. Finally, the uncertainty was calculated by comparing reproduced surface reflectance through the BRDF model and simulated surface reflectance using 6S RTM and expressed as bias and root-mean-square-error (RMSE). The bias was negative for all observations and channels, but was very small within 0.01. RMSE showed a tendency to decrease as the number of observations increased, and showed a stable value within 0.05 in all channels. In addition, our results show that when the viewing zenith angle is 40° or more, the RMSE tends to increase slightly. This information can be utilized in the uncertainty analysis of subsequently retrieved geophysical variables.

• 한국지구과학회지
• /
• 제39권2호
• /
• pp.119-130
• /
• 2018

동아시아 지역의 에어로졸 광학정보에 대하여 천리안 위성에 탑재된 GOCI, MI, 그리고 Himawari 8 위성에 탑재된 AHI 센서들의 측정자료를 연세 에어로졸 알고리즘(YAER)을 이용하여 산출하였다. 본 연구에서는 각 센서에서 산출되는 에어로졸 광학두께(Aerosol optical depth, AOD)를 상호비교하고, 지상장비인 AERONET과의 검증결과도 보였다. 사용한 AOD 자료는 세 종류의 센서에서 최소반사도 방법(Minimum reflectance method, MRM)을 이용하여 산출된 AOD, 그리고 AHI에서는 단파적외선이용 지표면정보산출방법(Estimated surface reflectance from SWIR, ESR)을 이용한 방법의 AOD까지 총 네가지이다. 세 위성간의 산출결과에서 육지와 해양에서 일관된 결과를 보이고 있으나, MI와 GOCI에서는 구름제거에 한계가 존재하며 AOD의 과대 추정 문제가 보인다. 한편 지상장비인 AERONET과의 비교검증결과는 MI, GOCI, 그리고 AHI 의 MRM 방법, ESR 방법 에서 기대오차 내에 들어오는 비율(% within Expected error, EE)이 36.3, 48.4, 56.6, 68.2%로 각각 나타났다. MI의 경우는 단일 채널을 이용하여 에어로졸광학정보를 산출하고 있고, 계절에 따른 에어로졸 유형을 고정하고 있어, 다양한 오차가 포함되어 낮은 EE를 보이고 있다. 5, 6월에는 ESR 방법의 결과물은 높은 EE 를 나타내고 있는데 이는 GOCI, MI, MRM 방법 에서 사용하고 있는 최소반사도 방법보다 정확한 지면반사도를 산출하기 때문으로 추정된다. 이 결과는 AERONET 사이트 별로 RMSE 와 EE 로 설명하고 있으며, 검증한 총 22개 사이트 중 15개 사이트에서 ESR 방법이 가장 높은 EE 를 보이고 있고, RMSE는 13개 사이트에서 가장 낮게 나타났다. 또한 정지궤도 위성의 특징을 이용하여 시간대별 오차를 각 산출물 별로 보였다. 00~06 Universal Time Coordinated (UTC)에서 한 시간별로 최대로 나타나는 absolute median bias error 는 0.05, 0.09, 0.18, 0.18, 0.14, 0.09, 0.10 로 나타나며 00UTC에서는 GOCI 에서, 나머지 시간대에서는 MI에서 최대오차를 보였다.

• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.777-788
• /
• 2021

Since aerosol has a relatively short duration and significant spatial variation, satellite observations become more important for the spatially and temporally continuous quantification of aerosol. However, optical remote sensing has the disadvantage that it cannot detect AOD (Aerosol Optical Depth) for the regions covered by clouds or the regions with extremely high concentrations. Such missing values can increase the data uncertainty in the analyses of the Earth's environment. This paper presents a spatial gap-filling framework using a univariate statistical method such as DCT-PLS (Discrete Cosine Transform-based Penalized Least Square Regression) and FMM (Fast Matching Method) inpainting. We conducted a feasibility test for the hourly AOD product from AHI (Advanced Himawari Imager) between January 1 and December 31, 2019, and compared the accuracy statistics of the two spatial gap-filling methods. When the null-pixel area is not very large (null-pixel ratio < 0.6), the validation statistics of DCT-PLS and FMM techniques showed high accuracy of CC=0.988 (MAE=0.020) and CC=0.980 (MAE=0.028), respectively. Together with the AI-based gap-filling method using extra explanatory variables, the DCT-PLS and FMM techniques can be tested for the low-resolution images from the AMI (Advanced Meteorological Imager) of GK2A (Geostationary Korea Multi-purpose Satellite 2A), GEMS (Geostationary Environment Monitoring Spectrometer) and GOCI2 (Geostationary Ocean Color Imager) of GK2B (Geostationary Korea Multi-purpose Satellite 2B) and the high-resolution images from the CAS500 (Compact Advanced Satellite) series soon.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.763-774
• /
• 2020

수치예보모델의 예측 바람장은 대기운동벡터 알고리즘의 표적 추적 과정에서 추적 정확도 향상이나 계산 시간 단축을 위해 초기 추정치로 사용된다. 대기운동벡터는 수치예보모델의 자료동화 시 활용가치가 높다고 알려졌으나, 초기 추정치로 사용된 수치예보모델 바람장이 대기운동벡터의 검증 과정에 참 값으로 사용된다는 모순이 있다. 이를 해결하기 위해서는 수치예보모델로부터 독립적인 초기 추정치가 필요하다. 본 연구에서는 Lucas and Kanade 옵티컬 플로우 방법을 적용하여 바람장을 도출한 후 이를 초기 추정치로 사용함으로써 표적 추적과정에서의 모델 의존성을 제거하고 계산 속도를 향상시키고자 하였다. 대기운동벡터 산출에는 2015년 8월 18일 ~ 9월 5일 00, 06, 12, 18시 동안의 정지궤도 위성 Himawari-8/AHI의 14번 채널 Level 1B 자료를 사용하였다. 옵티컬 플로우 방법이 대기운동벡터 산출에 미치는 영향을 평가하기 위하여 다음과 같은 세가지 방법으로 교차 검증을 수행 하였다. (1) 초기 추정치 없이, (2) KMA/UM 예보바람장을 초기 추정치로 사용하여, 그리고 (3) 옵티컬 플로우 방법으로 계산된 바람장을 초기 추정치로 사용하여 대기운동벡터를 산출하고 ECMWF ERA-Interim 재분석장과 비교 검증한 결과, 옵티컬 플로우 기반 바람장을 초기 추정치로 사용한 경우에 가장 높은 정밀도를 보였다(RMSVD: 5.296-5.804 ms^-1). 계산 속도는 초기 추정치를 사용하지 않은 경우에 가장 느렸고, 나머지 테스트는 유사한 속도를 보였다. 그러므로 대기운동벡터 알고리즘의 표적 추적 과정에 옵티컬 플로우 방법을 적용하면, 모델 의존성 없는 고품질 바람벡터의 산출이 가능할 것으로 사료된다.