• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.187-190
• /
• 2007

The Geostationary Ocean Color Imager (GOCI) is under development to provide a monitoring of ocean-color around the Korean Peninsula from geostationary platforms. It is planned to be loaded on Communication, Ocean, and Meteorological Satellite (COMS) of Korea. The GOCI has been designed to provide multi-spectral data to detect, monitor, quantify, and predict short term changes of coastal ocean environment for marine science research and application purpose. The target area of GOCI observation covers sea area around the Korean Peninsula. Based on the nonlinear radiometric model, the GOCI calibration method has been derived. The nonlinear radiometric model for GOCI will be validated through ground test. The GOCI radiometric calibration is based on on-board calibration devices; solar diffuser, DAMD (Diffuser Aging Monitoring Device). In this paper, the GOCI radiometric error propagation is analyzed. The radiometric model error due to the dark current nonlinearity is analyzed as a systematic error. Also the offset correction error due to gain/offset instability is considered. The radiometric accuracy depends mainly on the ground characterization accuracies of solar diffuser and DAMD.

• 대한원격탐사학회지
• /
• 제36권3호
• /
• pp.461-474
• /
• 2020

한국은 세계 최초로 정지궤도 환경위성탑재체 Geostationary Environment Monitoring Spectrometer(GEMS)를 발사하여, 동북아시아 지역 대기오염물질을 실시간으로 감시할 계획 중이다. 위성을 이용한 대기오염물질 관측은 불량조건문제(ill-posed problem)에서 역문제의 해를 찾는 과정이기 때문에, 위성 관측 값은 오차를 포함하고 있다. 따라서 GEMS 산출물이 신뢰성을 갖기 위해서는 지상관측 또는 다른 위성과의 상호 비교 검증 연구가 반드시 요구된다. 본 연구는 향후 GEMS의 오존 관측자료의 검증에 사용될 위성인 OMI, OMPS 그리고 서울과 부산에 설치된 지상 관측기기인 Pandora에서 측정된 total column ozone (TCO)를 상호 비교분석 함으로써 자료의 평가를 실시하였다. 이 연구에서는 위성이 전지구적으로 일관된 정확도의 오존 자료를 제공한다는 특성을 이용하여 지상 관측자료의 정확도를 평가하였다. 그 결과 서울 Pandora #29의 자료에서 심각한 기기오차를 발견하여, 위성자료를 이용한 지상자료의 역검증이 가능함을 보였다. 다음으로 지상 Pandora를 이용한 OMPS의 자료 비교 검증에서 OMPS TCO는 Pandora TCO 값에 대해 상관관계 0.97과 ~1.8 DU의 RMSE 그리고 4%의 양의 편차(bias)를 가졌으며, 이 편차는 SZA과 Cross track position, TCO 그리고 계절 변화에 대한 의존성을 갖지 않음을 보였다. 또한 Pandora TCO은 구름 필터링이 제대로 수행되어 있지 않기 때문에, Pandora 자료를 위성자료 검증에 활용하기 위해서는 각 위성 센서의 관측 공간 해상도에 따른 적절한 경계 조건이 사용되어야 함을 보였다.

• 대한원격탐사학회지
• /
• 제33권5_1호
• /
• pp.521-535
• /
• 2017

탑재체를 포함한 위성은 발사 이후 문제 발생시 조치할 수 있는 방법이 한정적이므로, 지상시험지원장비를 이용하여 그 기능을 충분히 검증하여야 한다. 또한 위성의 개발기간이 단축되고 있는 추세와 지상시험지원장비의 개발 완료시점이 전장품 엔지니어링 모델 개발완료보다 앞서야 한다는 점을 고려하면, 지상시험지원장비의 조기 확보는 위성 전체의 개발일정 준수를 위해서 반드시 필요하다고 할 수 있다. 본 논문에서는 지상시험지원장비의 일부인 탑재체 패킷 분석장치를 기능별 모듈화와 외부 파라메터화를 통해 시나리오 기반으로 동작할 수 있게 고안하여 고신뢰도의 지상시험지원장비 조기 확보방안을 제시하고, 구현한 장비를 실재 위성 개발사업에 적용한 결과를 보여준다.

• 대한원격탐사학회지
• /
• 제33권4호
• /
• pp.359-375
• /
• 2017

We developed fog detection algorithm (KNU_FDA) based on the optical and textural properties of fog using satellite (COMS) and ground observation data. The optical properties are dual channel difference (DCD: BT3.7 - BT11) and albedo, and the textural properties are normalized local standard deviation of IR1 and visible channels. Temperature difference between air temperature and BT11 is applied to discriminate the fog from other clouds. Fog detection is performed according to the solar zenith angle of pixel because of the different availability of satellite data: day, night and dawn/dusk. Post-processing is also performed to increase the probability of detection (POD), in particular, at the edge of main fog area. The fog probability is calculated by the weighted sum of threshold tests. The initial threshold and weighting values are optimized using sensitivity tests for the varying threshold values using receiver operating characteristic analysis. The validation results with ground visibility data for the validation cases showed that the performance of KNU_FDA show relatively consistent detection skills but it clearly depends on the fog types and time of day. The average POD and FAR (False Alarm Ratio) for the training and validation cases are ranged from 0.76 to 0.90 and from 0.41 to 0.63, respectively. In general, the performance is relatively good for the fog without high cloud and strong fog but that is significantly decreased for the weak fog. In order to improve the detection skills and stability, optimization of threshold and weighting values are needed through the various training cases.

• 한국대기환경학회지
• /
• 제22권6호
• /
• pp.851-862
• /
• 2006

Satellites have been valuable tool for global/regional scale atmospheric environment monitoring as well as emission source detection. In this study, we present the results of application of satellite remote sensing data for air quality forecast in Seoul metropolitan area. AOT (Aerosol Optical Thickness) data from TERRA/MODIS (Moderate Resolution Imaging Spectre-radiometer) satellite were compared to ground based $PM_{10}$ mass concentrations, and used to estimate the possibility of the aerosol forecasting in Seoul metropolitan area. Although correlation coefficient (${\sim}0.37$) between MODIS AOT products and surface $PM_{10}$ concentration data was relatively low, there was good correlation between MODIS AOT and surface PM concentration under certain atmospheric conditions, which supports the feasibility of using the high-resolution MODIS AOT for air quality forecasting. The MODIS AOT data with trajectory forecasts also can provide information on aerosol concentration trend. The success rate of the 24 hour aerosol concentration trend forecast result was about 75% in this study. Finally, application of satellite remote sensing data with ground-based air quality observations could provide promising results for air quality monitoring and more exact trend forecast methodology by high resolution satellite data and verification with long term measurement dataset.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1567-1577
• /
• 2020

시가화 지역 토지피복분류는 도시계획 및 관리에 활용된다. 따라서, 시가화 지역에 대한 분류 정확도 향상 연구는 중요하다고 할 수 있다. 본 연구에서는 고해상도 위성영상인 KOMPSAT-3A을 기계학습 중 Support Vector Machine(SVM)과 Artificial Neural Network(ANN)을 기반으로 시가화지역 분류를 진행하였다. 훈련 데이터 구축과정에서 25 m 격자를 기반으로 훈련 지역을 구분하여 영상을 학습하였으며, 학습된 모델을 활용하여 테스트 지역을 분류하였다. 검증과정에서 250개의 GTP를 활용하여 오차 행렬을 통한 결과를 제시하였다. SVM 4가지 기법과 ANN 2가지 기법 중 SVM Polynomial Model이 가장 높은 정확도인 86%를 나타냈다. Ground Truth Points(GTP)를 활용하여 두 개의 모델을 비교하는 과정에서, SVM 모델은 전체적으로 ANN 모델보다 효과적으로 KOMPSAT-3A 영상을 분류하였다. 건물, 도로, 식생, 나대지 4가지 클래스 분류 중 건물이 가장 낮은 분류정확도를 보여주었으며, 이는 고층건물에 따른 건물 그림자에 의한 오분류가 주요 원인으로 나타났다.

• 대한원격탐사학회지
• /
• 제34권5호
• /
• pp.709-720
• /
• 2018

작황 모니터링에서 바이오매스의 정확한 평가를 위해서는 정확하고 신속한 작물 생육 상황 등 현장자료의 확보가 필수적이다. 또한, 바이오매스의 평가는 작황 모니터링 및 수확량 예측에 활용된다. 무인기 영상은 작물의 성장에 따라 빠르게 수집할 수 있기 때문에 정밀농업에서 포장내 공간변이 파악 및 분석에 사용되고 있다. 본 연구는 원격탐사 기술을 이용한 동계작물 바이오매스 평가 방법 개발을 위하여 식생지수($E{\times}G$)에 의한 식생 피복률(VF)과 작물 표고 모형(CSM) 기반의 초고(PH)를 이용하여 보리와 밀을 대상으로 바이오매스 평가 모델을 개발하는 것을 목적으로 하였다. 식생 피복률, 초고 및 상호작용 항을 독립변수로 하여 다중 선형 회귀 모델을 구축한 결과, 5가지 품종의 결정계수는 0.84~0.99로 나타났으며, 보리와 밀의 결정계수 및 평균 제곱근 오차는 각각 0.91, 0.90 및 102.09, $110.87g/m^2$으로 나타났다. 따라서 무인기 영상을 활용한 동계작물의 바이오매스 평가 및 작황 모니터링이 가능한 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제21권3호
• /
• pp.189-211
• /
• 2005

This paper makes an effort to compare the recently evolved soft classification method based on Linear Spectral Mixture Modeling (LSMM) with the traditional hard classification methods based on Iterative Self-Organizing Data Analysis (ISODATA) and Maximum Likelihood Classification (MLC) algorithms in order to achieve appropriate results for mapping, monitoring and preserving valuable coastal wetland ecosystems of southern India using Indian Remote Sensing Satellite (IRS) 1C/1D LISS-III and Landsat-5 Thematic Mapper image data. ISODATA and MLC methods were attempted on these satellite image data to produce maps of 5, 10, 15 and 20 wetland classes for each of three contrast coastal wetland sites, Pitchavaram, Vedaranniyam and Rameswaram. The accuracy of the derived classes was assessed with the simplest descriptive statistic technique called overall accuracy and a discrete multivariate technique called KAPPA accuracy. ISODATA classification resulted in maps with poor accuracy compared to MLC classification that produced maps with improved accuracy. However, there was a systematic decrease in overall accuracy and KAPPA accuracy, when more number of classes was derived from IRS-1C/1D and Landsat-5 TM imagery by ISODATA and MLC. There were two principal factors for the decreased classification accuracy, namely spectral overlapping/confusion and inadequate spatial resolution of the sensors. Compared to the former, the limited instantaneous field of view (IFOV) of these sensors caused occurrence of number of mixture pixels (mixels) in the image and its effect on the classification process was a major problem to deriving accurate wetland cover types, in spite of the increasing spatial resolution of new generation Earth Observation Sensors (EOS). In order to improve the classification accuracy, a soft classification method based on Linear Spectral Mixture Modeling (LSMM) was described to calculate the spectral mixture and classify IRS-1C/1D LISS-III and Landsat-5 TM Imagery. This method considered number of reflectance end-members that form the scene spectra, followed by the determination of their nature and finally the decomposition of the spectra into their endmembers. To evaluate the LSMM areal estimates, resulted fractional end-members were compared with normalized difference vegetation index (NDVI), ground truth data, as well as those estimates derived from the traditional hard classifier (MLC). The findings revealed that NDVI values and vegetation fractions were positively correlated ($r^2$= 0.96, 0.95 and 0.92 for Rameswaram, Vedaranniyam and Pitchavaram respectively) and NDVI and soil fraction values were negatively correlated ($r^2$ =0.53, 0.39 and 0.13), indicating the reliability of the sub-pixel classification. Comparing with ground truth data, the precision of LSMM for deriving moisture fraction was 92% and 96% for soil fraction. The LSMM in general would seem well suited to locating small wetland habitats which occurred as sub-pixel inclusions, and to representing continuous gradations between different habitat types.

• 대한원격탐사학회지
• /
• 제29권1호
• /
• pp.137-149
• /
• 2013

표면도달일사량은 태양과 지구에너지시스템을 이해하는데 중요하며, 대기-지표면의 흐름, 농업 생산량, 태양발전에 필요한 에너지 연구 등과 같은 많은 분야에 활용되고 있는 중요한 변수이다. 대부분의 태양에너지는 지상관측지점에서 관측하는 경우가 많이 있지만, 공간적인 분포를 판단하기에는 한계성을 지니고 있다. 이에 반해 인공위성을 활용한 원격탐사 기법은 지속적인 자료 제공과 더불어 광역범위의 공간적 분포를 파악하는 장점이 있다. 본 연구에서는 COMS 위성자료 중 표면도달일사량 (Solar Insolation, INS)의 정확성 판단하기 위해 플럭스 타워에서 측정된 지점 자료와의 비교, 검증을 실시하였다. 결론적으로 볼 때, 30분 간격의 자료와 일평균의 자료에서 높은 상관계수를 보임에 따라 천리안 위성자료의 한반도 적용가능성이 높다고 판단된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.403-406
• /
• 2005

In order to evaluate the Capability of ETM+ remotely- sensed data to provide 'Forest-shrub land-Rangeland' cover type map in areas near the timberline of northern forests of Iran, the data were analyzed in a portion of nearly 790 ha located in Neka-Zalemroud region. First, ortho-rectification process was used to correct the geometric errors of the image, yielding 0/68 and 0/69 pixels of RMS. error in X and Y axis, respectively. The original and panchromatic bands were fused using PANSHARP Statistical module. The ground truth map was made using 1 ha field plots in a systematic-random sampling grid, and vegetative form of trees, shrubs and rangelands was recorded as a criteria to name the plots. A set of channels including original bands, NDVI and IR/R indices and first components of PCI from visible and infrared bands, was used for classification procedure. Pair-wise divergence through CHNSEL command was used, In order to evaluate the separability of classes and selection of optimal channels. Classification was performed using ML classifier, on both original and fused data sets. Showing the best results of $67\%$ of overall accuracy, and 0/43 of Kappa coefficient in original data set. Due to the results represented above, it's concluded that ETM+ data has an intermediate capability to fulfill the spectral variations of three form- based classes over the study area.