• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1029-1042
• /
• 2021

차세대 중형위성 사업의 일환으로 농지 및 산림에서의 원격 탐사를 위하여 농림위성 (차세대 중형위성 4호)이 발사 예정에 있다. 위성 영상에서 식생의 정량적인 정보를 얻기 위해서는 대기보정을 통한 지표 반사도 취득이 선행되어야 하므로 농림위성을 위한 대기보정 기술 개발은 불가피할 것으로 생각된다. 특히 대기에서의 흡수와 산란 특성은 파장에 따라 다르게 나타나므로 농림위성 파장 영역을 고려한 대기보정 파라미터 민감도 분석이 필요하다. 또한, 농림위성은 5개 채널(Blue, Green, Red, Red edge, Near-infrared)을 보유하고있어 대기보정 주요 파라미터인 AOD (Aerosol optical depth)와 WV (Water vapor)를 직접 산출하기 어려우므로 이를 외부에서 제공할 수 있는 방안을 마련할 필요가 있다. 따라서, 본 연구에서는 농림위성과 유사한 사양을 가진 Sentinel-2 위성 영상을 이용하여 주요 파라미터인 AOD, WV, O₃ 민감도 분석을 수행하고, 파라미터 제공을 위해 천리안 2A (GK2A; GEO-KOMPSAT-2A) 정지궤도 복합위성의 산출물을 이용하여 대기보정 파라미터로서의 활용 가능성을 살펴보았다. 민감도 분석 결과는 AOD가 가장 중요한 파라미터임을 보여주었으며, 근적외선 채널보다는 가시광 채널에서 더 큰 민감도를 가지는 것으로 나타났다. 특히 Blue 채널에서 AOD의 20%의 변화는 지표 반사도에서 약 100%의 오차율을 야기하므로 정확한 지표 반사도 취득을 위해서는 높은 신뢰성을 가진 AOD가 필요할 것으로 생각된다. GK2A AOD 산출물을 이용한 대기보정 결과는 토지피복별 분류 가능성을 이용하여 Sentienl-2 L2A 자료와 비교한 결과, 두 모델별 분류 가능성은 유사하였으나, 파장대가 짧은 영역일수록 GK2A AOD 산출물을 적용한 대기보정 결과가 Sentinel-2 L2A보다 높게 나타났다. 이를 통해 GK2A에서 제공되는 산출물이 향후 농림위성 대기보정 파라미터로서 충분히 활용될 수 있을 것으로 판단된다. 본 연구의 결과는 추후 농림위성 발사 후 대기보정에 참고 자료로서 활용될 수 있을 것으로 기대된다.

• 대기
• /
• 제25권2호
• /
• pp.205-219
• /
• 2015

In this study, the simulation results of temperature by regional climate model (Reg- CM4) over South Korea were corrected by Hempel et al. (2013)'s method (Hempel method), and evaluated with the observation data of 50 stations from Korea Meteorological Administration. Among the 30 years (1981~2010) of simulation data, 20 years (1981~2000) of simulation data were used as a training data, and the remnant 10 years (2001~2010) data were used for the evaluation of correction. In general, the Hempel method and parametric quantile mapping show a reasonable correction both in mean and extreme climate of temperature. As the results, the systematic underestimation of mean temperature was greatly reduced after bias correction by Hempel method. And the overestimation of extreme climate, such as the number of TN5% and freezing day, was significantly recovered. In addition to that, the Hempel method better preserved the temporal trend of simulated temperature than other bias correction methods, such as the quantile mapping. However, the overcorrection of the extreme climate related to the upper quantile, such as TX5% and hot days, resulted in the exaggeration of the simulation errors. In general, the Hempel method can reduce the systematic biases embedded in the simulation results preserving the temporal trend but it tends to overcorrect the non-linear biases, in particular, extreme climate related to the upper percentile.

• 대기
• /
• 제31권5호
• /
• pp.473-488
• /
• 2021

A new physical/statistical diagnostic downscale model has been developed for use to improve near-surface air temperature forecasts. The model includes a series of physical and statistical correction methods that account for un-resolved topographic and land-use effects as well as statistical bias errors in a low-resolution atmospheric model. Operational temperature forecasts of the Local Data Assimilation and Prediction System (LDAPS) were downscaled at 100 m resolution for three months, which were used to validate the model's physical and statistical correction methods and to compare its performance with the forecasts of the Korea Meteorological Administration Post-processing (KMAP) system. The validation results showed positive impacts of the un-resolved topographic and urban effects (topographic height correction, valley cold air pool effect, mountain internal boundary layer formation effect, urban land-use effect) in complex terrain areas. In addition, the statistical bias correction of the LDAPS model were efficient in reducing forecast errors of the near-surface temperatures. The new high-resolution downscale model showed better agreement against Korean 584 meteorological monitoring stations than the KMAP, supporting the importance of the new physical and statistical correction methods. The new physical/statistical diagnostic downscale model can be a useful tool in improving near-surface temperature forecasts and diagnostics over complex terrain areas.

• 대한원격탐사학회지
• /
• 제28권2호
• /
• pp.237-243
• /
• 2012

이 논문에서는 중심주파수 9.65 GHz의 X-밴드 안테나를 이용한 원형레일 기반의 지상 SAR(Arc-SAR) 시스템의 반복 실험을 통해 대기 효과를 정량적으로 분석하였다. 안정된 신호 획득을 위해 고정된 삼각삼면반사체 4개를 사용하였는데 이에 의한 신호는 약 43시간에 걸쳐 연속적으로 획득되었다. 분석 결과 반사체는 고정된 상태였지만 약 5 radian(12.4 mm)의 최대 오차를, 총 65회의 실험에 대한 RMSE는 1.62 radian(4 mm)을 보였다. 이러한 위상변화 양상은 온도, 습도, 그리고 기압을 통해 산출되는 대기굴절률의 변화 양상과 높은 상관관계를 보였다. 대기굴절률을 이용한 보정을 선택된 16시간에 대해 적용하였고 보정 결과 RMSE는 1.74 radian(4.3 mm)에서 0.10 radian(0.24 mm)으로 감소하여 보정이 효과적으로 이루어졌음을 확인하였다.

• 대한원격탐사학회지
• /
• 제30권5호
• /
• pp.627-639
• /
• 2014

인공위성의 가시 영역 관측으로부터 에어로솔의 정량적인 정보를 산출하는데 있어, 지표면 반사도의 보정은 매우 중요한 역할을 한다. 이에 본 연구에서는 두 가지 방법을 이용하여 천리안위성의 기상탑재체로부터 관측된 가시채널의 반사도로부터 지표면 반사도를 산출하고, 상호 비교 하여 정확도를 검증하고자 하였다. 첫 번째 방법은 최소 반사도법으로, 동일한 화소에서 일정 기간 동안 관측된 반사도 중 최소값이 에어로솔에 의한 영향 없이 지표반사에 의한 영향만을 포함한다는 가정을 기반으로, 대기산란 효과를 보정하여 지표면 반사도를 산출하는 방법이다. 두 번째 방법은 미리 알고 있는 에어로솔 정보를 고려하여 대기-에어로솔 효과를 보정함으로써 지표면 반사도를 얻는 것으로 본 연구에서 대기 보정법 이라 칭한다. 두 번째 방법을 적용하기 위해서는 정확한 에어로솔 정보가 요구되므로, 에어로솔 광학두께의 오차범위가 0.01 (${\geq}440nm$) 이내인 것으로 알려진 AERONET의 산출물을 이용하였다. 본 연구의 주요 목적은 최소 반사도법을 통하여 산출되는 지표면 반사도가 어느 정도의 정확도를 가지는지를 파악하는데 있어, 대기 보정법을 통하여 산출되는 값을 기준 값으로 두고 비교 분석을 수행하였다. 또한, 대기 중 존재하는 배경광학두께가 최소 반사도법의 정확도에 미치는 영향을 분석해보고자 하였다. 서울 지역에서 2012년 봄철 기간(3월 ~ 5월)동안 AERONET 관측지점에서 산출된 결과를 분석 한 결과, 대기 보정법을 통해 산출된 지표면 반사도의 평균이 0.108로 나타났고, 배경광학두께에 대한 고려 없이 최소 반사도법을 통하여 산출된 지표면 반사도는 그에 비해 약 0.012 높은 값을 보였다. 한 편 배경광학두께를 고려하였을 경우 그 차이는 0.010으로 감소하여, 정확도 향상에 기여하였음을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.647-660
• /
• 2022

이 단보에서는 농림위성(차세대 중형위성 4호)에 적합한 대기보정 기법 개발을 위하여, 농림위성과 공간 및 분광 해상도가 유사한 Sentinel-2 영상을 이용한 대기보정 결과를 소개하고자 한다. 대부분의 연구에서 동일한 조건에 대하여 상이한 Aerosol Optical Depth (AOD) 자료를 사용한 결과를 비교한 사례는 찾아보기 힘들다. 따라서 향후 농림위성의 대기보정에 사용될 Geo-Kompsat 2A (GK2A) Advanced Meteorological Imager (AMI)와 Aerosol Robotic Network (AERONET) AOD 입력자료를 기반으로 Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH), Sen2Cor, Second Simulation of the Satellite Signal in the Solar Spectrum - Vector (6SV) 버전 1.1과 2.1 모델의 대기보정 결과를 비교하였다. 모델 간 반사도 상관행렬이나 Normalized Difference Vegetation Index (NDVI) 결과를 고려해 볼 때, 6SV2.1이 보다 안정적인 모델로 사료된다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1565-1576
• /
• 2023

천리안 해양위성 2호(Geostationary Ocean Color Imager-II, GOCI-II)에서 관측된 대기상층 복사휘도에서 해양환경 분석이 가한 원격반사도(remote-sensing reflectance, R_rs) 자료를 얻기 위해서 복사 전달 모델 기반의 대기 보정을 수행한다. 이 R_rs는 다시 엽록소, 총부유사, 용존유기물 농도 등의 다양한 해양환경변수 산출에 이용되고 있기 때문에 대기보정은 모든 해색 산출물의 정확도에 영향을 주는 중요한 알고리즘이다. 맑은 해역에서는 대기의 복사휘도가 청색 파장대의 해수 복사휘도보다 10배 이상 높다. 따라서 대기보정 과정에서 1%의 대기 복사휘도 추정 오차가 10% 이상의 R_rs 오차를 유발할 수 있으며, 이처럼 대기보정은 매우 높은 오차 민감도를 가진 알고리즘이다. 그 결과 대기보정 산출물인 R_rs의 품질 평가는 신뢰성 있는 해양 위성 기반 자료 분석을 위해 반드시 선행되어야 한다. 본 연구에서는 Sea-viewing Wide Field-of-view Sensor (SeaWiFS) Bio-optical Archive and Storage System (SeaBASS)을 통해 데이터베이스화 된 현장 측정 R_rs 기반 통계적 신뢰성을 평가하는 Quality Assurance (QA) 알고리즘을 GOCI-II의 분광 특성에 맞게 수정 및 적용하였다. 이 방법은 National Oceanic and Atmospheric Administration (NOAA)의 해색위성 자료처리 시스템에 공식적으로 적용되어 서비스 중이며, R_rs의 품질 분석 점수(0~1점)를 제공할 뿐 아니라 해수의 유형(23 유형)도 구분해 준다. 실제로 검보정 초기 단계의 GOCI-II 자료에 QA를 적용한 결과, R_rs는 비교적 낮은 값인 0.625에서 가장 높은 빈도를 보여주었지만 추가적인 검보정을 통해 개선된 GOCI-II 대기보정 결과에 QA 알고리즘을 적용했을 시 기존보다 높은 0.875에서 가장 높은 빈도를 보여주었다. QA 알고리즘을 통한 해수 유형 분석 결과, 동해 및 남해 일부 그리고 북서태평양 해역은 주로 탁도가 낮은 case-I 해역이었으며 서해 연안 및 동중국해는 주로 탁도가 높은 case-II 해역으로 구분되었다. 이처럼 QA 알고리즘의 적용을 통해 대기보정 과정에서 오차가 크게 발생한 R_rs 자료를 객관적으로 판별하여 배제할 수 있으며 이는 배포자료 및 검보정의 신뢰도 향상으로 이어질 수 있다. 본 방법은 추후 GOCI-II의 대기보정 flag에 적용되어 사용자들이 양질의 R_rs 자료만을 적용할 수 있도록 도움을 줄 것이다.

• 한국대기환경학회지
• /
• 제15권5호
• /
• pp.697-700
• /
• 1999

• 한국항해항만학회지
• /
• 제40권5호
• /
• pp.271-278
• /
• 2016

Localized atmospheric conditions between multi-reference stations can bring the tropospheric delay irregularity that becomes an error terms affecting positioning accuracy in network RTK environment. Imbalanced network error can affect the network solutions and it can corrupt the entire network solution and degrade the correction accuracy. If an anomaly could be detected before the correction message was generated, it is possible to eliminate the anomalous satellite that can cause degradation of the network solution during the tropospheric delay anomaly. An atmospheric grid that consists of four meteorological stations was used to detect an inhomogeneous weather conditions and tropospheric anomaly applied AWSs (automatic weather stations) meteorological data. The threshold of anomaly detection algorithm was determined based on the statistical weather data of AWSs for 5 years in an atmospheric grid. From the analytic results of anomaly detection algorithm it showed that the proposed algorithm can detect an anomalous satellite with an anomaly flag generation caused tropospheric delay anomaly during localized atmospheric conditions between stations. It was shown that the different precipitation condition between stations is the main factor affecting tropospheric anomalies.

• 대기
• /
• 제23권4호
• /
• pp.453-470
• /
• 2013

As a part of the KIAPS Observation Processing System (KOPS), we have developed the modules of satellite radiance data pre-processing and quality control, which include observation operators to interpolate model state variables into radiances in observation space. AMSU-A (Advanced Microwave Sounding Unit-A) level-1d radiance data have been extracted using the BUFR (Binary Universal Form for the Representation of meteorological data) decoder and a first guess has been calculated with RTTOV (Radiative Transfer for TIROS Operational Vertical Sounder) version 10.2. For initial quality checks, the pixels contaminated by large amounts of cloud liquid water, heavy precipitation, and sea ice have been removed. Channels for assimilation, rejection, or monitoring have been respectively selected for different surface types since the errors from the skin temperature are caused by inaccurate surface emissivity. Correcting the bias caused by errors in the instruments and radiative transfer model is crucial in radiance data pre-processing. We have developed bias correction modules in two steps based on 30-day innovation statistics (observed radiance minus background; O-B). The scan bias correction has been calculated individually for each channel, satellite, and scan position. Then a multiple linear regression of the scan-bias-corrected innovations with several predictors has been employed to correct the airmass bias.