InSAR 긴밀도 영상을 이용한 남극 장보고기지 인근 정착해빙의 연간 변화 분석 Analysis of Annual Variability of Landfast Sea Ice near Jangbogo Antarctic Station Using InSAR Coherence Images원문보기
남극 장보고 과학기지가 위치한 동남극 테라노바 만의 정착해빙은 해양 생태계 및 쇄빙선의 운항에 큰 영향을 미치고 있다. 따라서 테라노바 만의 정착해빙에 대한 시공간적 변화 연구가 수행될 필요가 있다. 이 연구에서는 2010년 12월부터 2012년 1월까지 테라노바 만이 촬영된 총 62개의 COSMO-SkyMed 영상 레이더(Synthetic Aperture Radar; SAR) 영상을 이용하여 1-9일의 시간적 기선거리를 가지는 38개의 간섭쌍을 구축하였고, 각각의 간섭쌍에 대한 긴밀도를 분석하였다. 정착해빙은 해안에 고착되어 시간적 위상오차가 작았으며, 최대 9일의 시간적 기선거리를 가지는 간섭쌍에서도 0.3 이상의 높은 긴밀도를 유지하였다. 이와 같이 정착해빙의 작은 시간적 위상오차에 기초하여, 각각의 긴밀도 영상에서 0.5 이상의 긴밀도가 공간적으로 균질하게 관찰되는 영역을 정착해빙으로 정의하였다. 유빙과 바다는 해류와 바람에 의해 유동하여 시간적 위상오차가 크기 때문에 낮은 긴밀도를 보였다. 긴밀도 영상에서 바다와 구분이 어려운 유빙은 SAR 후방산란강도(amplitude) 영상에서 유빙 표면의 균열(crack)을 관찰함으로써 검출하였다. 긴밀도 및 SAR 영상으로부터 검출된 정착해빙과 유빙의 면적을 산출하였고, 시간에 따른 해빙의 면적변화를 분석하였다. 테라노바 만의 정착해빙 면적은 3월 이후 증가하여 7월에 최대 $170.7km^2$을 나타냈고, 10월부터 감소하는 것으로 나타났다. 유빙의 면적은 2-5월에 증가하고, 정착해빙의 면적이 급격히 증가하는 5-7월에 감소하였다. 긴밀도 영상에서 분석된 테라노바 만의 정착해빙 면적을 장보고 과학기지의 자동기상관측기구로 측정된 기온 및 풍속과 비교하였다. 정착해빙 면적은 기온의 증감과 약 2개월의 시간차를 가지는 역의 상관관계를 나타냈다. 반면 풍속과 정착해빙의 면적은 서로 매우 낮은 상관성을 보였다. 이는 테라노바 만의 정착해빙 면적 변화가 풍속보다는 기온에 더 크게 영향을 받는다는 것을 의미한다.
남극 장보고 과학기지가 위치한 동남극 테라노바 만의 정착해빙은 해양 생태계 및 쇄빙선의 운항에 큰 영향을 미치고 있다. 따라서 테라노바 만의 정착해빙에 대한 시공간적 변화 연구가 수행될 필요가 있다. 이 연구에서는 2010년 12월부터 2012년 1월까지 테라노바 만이 촬영된 총 62개의 COSMO-SkyMed 영상 레이더(Synthetic Aperture Radar; SAR) 영상을 이용하여 1-9일의 시간적 기선거리를 가지는 38개의 간섭쌍을 구축하였고, 각각의 간섭쌍에 대한 긴밀도를 분석하였다. 정착해빙은 해안에 고착되어 시간적 위상오차가 작았으며, 최대 9일의 시간적 기선거리를 가지는 간섭쌍에서도 0.3 이상의 높은 긴밀도를 유지하였다. 이와 같이 정착해빙의 작은 시간적 위상오차에 기초하여, 각각의 긴밀도 영상에서 0.5 이상의 긴밀도가 공간적으로 균질하게 관찰되는 영역을 정착해빙으로 정의하였다. 유빙과 바다는 해류와 바람에 의해 유동하여 시간적 위상오차가 크기 때문에 낮은 긴밀도를 보였다. 긴밀도 영상에서 바다와 구분이 어려운 유빙은 SAR 후방산란강도(amplitude) 영상에서 유빙 표면의 균열(crack)을 관찰함으로써 검출하였다. 긴밀도 및 SAR 영상으로부터 검출된 정착해빙과 유빙의 면적을 산출하였고, 시간에 따른 해빙의 면적변화를 분석하였다. 테라노바 만의 정착해빙 면적은 3월 이후 증가하여 7월에 최대 $170.7km^2$을 나타냈고, 10월부터 감소하는 것으로 나타났다. 유빙의 면적은 2-5월에 증가하고, 정착해빙의 면적이 급격히 증가하는 5-7월에 감소하였다. 긴밀도 영상에서 분석된 테라노바 만의 정착해빙 면적을 장보고 과학기지의 자동기상관측기구로 측정된 기온 및 풍속과 비교하였다. 정착해빙 면적은 기온의 증감과 약 2개월의 시간차를 가지는 역의 상관관계를 나타냈다. 반면 풍속과 정착해빙의 면적은 서로 매우 낮은 상관성을 보였다. 이는 테라노바 만의 정착해빙 면적 변화가 풍속보다는 기온에 더 크게 영향을 받는다는 것을 의미한다.
Landfast sea ice (LFI) in Terra Nova Bay, East Antarctica where the Jangbogo Antarctic Research Station is located, has significant influences on marine ecosystem and the sailing of an icebreaker. Therefore, it is essential to analyze the spatio-temporal variation of the LFI in Terra Nova Bay. In th...
Landfast sea ice (LFI) in Terra Nova Bay, East Antarctica where the Jangbogo Antarctic Research Station is located, has significant influences on marine ecosystem and the sailing of an icebreaker. Therefore, it is essential to analyze the spatio-temporal variation of the LFI in Terra Nova Bay. In this study, we chose interferometric pairs with the temporal baseline from 1 to 9 days out of a total of 62 COSMO-SkyMed synthetic aperture radar (SAR) images over Terra Nova Bay obtained from December 2010 to January 2012, and then constructed the coherence image of each pair. The LFI showed coherence values higher than 0.3 even in the interferometric SAR (InSAR) pairs of up to 9-days of temporal baseline. This was because the LFI was fixed at coastline and thus showed low temporal phase decorrelation. Based on the characteristics of the coherence on LFI, We defined the areas of LFI that show spatially homogeneous coherence values higher than 0.5. Pack ice (PI) and open water showed low coherence values due to large temporal phase decorreation caused by current and wind. Distinguishing PI from open water in the coherence images was difficult due to their similarly low coherence values. PI was identified in SAR amplitude images by investigating cracks on the ice. The extents of the LFI and PI were estimated from the coherence and SAR amplitude images and their temporal variations were analyzed. The extent of the LFI increased from March to July (maximum extent of $170.7km^2$) and decreased from October. The extent of the PI increased from February to May and decreased from May to July when the LFI increases dramatically. The extent of the LFI and air temperature showed an inverse correlation with a time lag of about 2 months, i.e., the extent of the LFI decreases after 2 months of the increase in the air temperature. Meanwhile the correlation between wind speed and the extent of the LFI was very low. This represents that the extent of LFI in Terra Nova Bay are influenced more by the air temperature than wind speed.
Landfast sea ice (LFI) in Terra Nova Bay, East Antarctica where the Jangbogo Antarctic Research Station is located, has significant influences on marine ecosystem and the sailing of an icebreaker. Therefore, it is essential to analyze the spatio-temporal variation of the LFI in Terra Nova Bay. In this study, we chose interferometric pairs with the temporal baseline from 1 to 9 days out of a total of 62 COSMO-SkyMed synthetic aperture radar (SAR) images over Terra Nova Bay obtained from December 2010 to January 2012, and then constructed the coherence image of each pair. The LFI showed coherence values higher than 0.3 even in the interferometric SAR (InSAR) pairs of up to 9-days of temporal baseline. This was because the LFI was fixed at coastline and thus showed low temporal phase decorrelation. Based on the characteristics of the coherence on LFI, We defined the areas of LFI that show spatially homogeneous coherence values higher than 0.5. Pack ice (PI) and open water showed low coherence values due to large temporal phase decorreation caused by current and wind. Distinguishing PI from open water in the coherence images was difficult due to their similarly low coherence values. PI was identified in SAR amplitude images by investigating cracks on the ice. The extents of the LFI and PI were estimated from the coherence and SAR amplitude images and their temporal variations were analyzed. The extent of the LFI increased from March to July (maximum extent of $170.7km^2$) and decreased from October. The extent of the PI increased from February to May and decreased from May to July when the LFI increases dramatically. The extent of the LFI and air temperature showed an inverse correlation with a time lag of about 2 months, i.e., the extent of the LFI decreases after 2 months of the increase in the air temperature. Meanwhile the correlation between wind speed and the extent of the LFI was very low. This represents that the extent of LFI in Terra Nova Bay are influenced more by the air temperature than wind speed.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
테라노바 만의 주된 해빙 유형인 정착해빙의 경우, 형성 및 소멸 과정이 해양 영향인자보다 대기 영향인자에 지배적으로 영향을 받는다고 알려져 있다(Heil, 2006). 이 연구에서는 장보고 과학기지의 AWS에서 실측된 기온과 풍속 자료를 이용하여 테라노바 만의 정착해빙의 면적 변화에 영향을 미치는 요인을 분석하고자 하였다.
가설 설정
이는 해빙의 면적이 단기간 내에 급격히 변화하지 않기 때문이다. 연구에 사용된 간섭쌍의 공간적 기선거리는 최대 293 m로 크지 않으므로 해빙 표면의 긴밀도는 간섭쌍의 시간적 기선거리에 크게 영향을 받는다고 가정하였고, 해빙의 시간적 위상오차 특성에 기초하여 정착해빙과 유빙을 구분하였다.
제안 방법
86 km2이다. 2010년 12월부터 2012년 1월까지 약 1년 동안 SAR 영상에서 추출된 정착해빙과 유빙의 시간적인 면적 변화를 분석하였고, 이를 통해 테라노바 만 주변 정착해빙의 형성 및 소멸 시기를 파악하였다. 또한 정착해빙의 면적 변화에 기온과 풍속이 미치는 영향을 분석하고자 AWS로 측정된 기온과 풍속을 정착해빙의 면적과 비교하였다.
해빙 표면의 긴밀도를 분석하여 해빙 유형과 바다를 구분하였고, 이로부터 정착해빙을 검출하여 시간적인 면적 변화를 분석하였다. 그리고 정착해빙의 면적 변화와 기온, 풍속과의 관계를 분석하였다.
반면 유빙과 바다는 시공간적 변화가 크기 때문에 1일의 시간적 기선거리에서도 정착해빙에 비해 낮은 긴밀도를 보였으며, 일부 유빙은 바다와 유사한 긴밀도를 보여 구분이 불가능하였다. 긴밀도 영상에서 구분이 어려운 유빙과 바다는 SAR 후방산란 영상에서 유빙 표면의 균열과 거칠기에 의한 후방산란을 관찰함으로써 구분하였다.
2010년 12월부터 2012년 1월까지 약 1년 동안 SAR 영상에서 추출된 정착해빙과 유빙의 시간적인 면적 변화를 분석하였고, 이를 통해 테라노바 만 주변 정착해빙의 형성 및 소멸 시기를 파악하였다. 또한 정착해빙의 면적 변화에 기온과 풍속이 미치는 영향을 분석하고자 AWS로 측정된 기온과 풍속을 정착해빙의 면적과 비교하였다.
시계열적으로 획득된 고해상도 SAR 간섭영상의 긴밀도 분석을 통해 테라노바 만의 해빙 유형을 정밀하게 분류할 수 있었고, 해빙 면적의 시간적 변화를 분석할 수 있었다. 또한 현장에서 실측된 기상 자료를 이용하여 정착해빙의 면적 변화에 영향을 미치는 환경요인을 해석할 수 있었다. 향후 장보고 과학기지에서 대기와 해양에 대한 다양한 물리적 특성을 실측하고, 이를 고해상도 SAR 영상에서 분석된 해빙의 시계열적 변화와 상호 비교분석 한다면, 테라노바 만의 해빙의 형성과 확장, 소멸에 대한 보다 정밀한 분석이 가능할 것으로 기대한다.
이 연구에서는 2010년 12월부터 2012년 1월까지 남극 장보고 과학기지에 인접한 테라노바 만이 촬영된 총 62개의 COSMO-SkyMed SAR 영상을 이용하여 1-9일의 시간적 기선거리를 가지는 38개의 레이다 간섭영상을 생성하였고, 긴밀도를 분석하여 해빙의 유형을 정착해빙과 유빙으로 분류하였다. 정착해빙에서는 최대 9일의 시간적 기선거리에서도 높은 긴밀도가 관찰되었으며, 긴밀도의 공간적 변화는 비교적 작았다.
따라서 테라노바 만의 정착해빙에 대한 시공간적 변화 연구는 동남극 지역에서 장보고 과학기지를 거점으로 하는 우리나라의 극지 연구 및 현장 활동을 위해 필수적으로 수행되어야 한다. 이 연구에서는 2010년 12월부터 2012년 1월까지 테라노바 만이 촬영된 시계열적 COSMO-SkyMed (COnstellation of small Satellites for Mediterranean basin Observation) SAR 영상을 이용하여 다양한 시간적 기선거리(temporal baseline)를 가지는 간섭영상(interferogram)을 생성하고, 긴밀도를 추출하여 분석하였다. 해빙 표면의 긴밀도를 분석하여 해빙 유형과 바다를 구분하였고, 이로부터 정착해빙을 검출하여 시간적인 면적 변화를 분석하였다.
2를 통해 레이다 간섭기법 적용에 의한 긴밀도 영상으로부터 정착해빙의 검출이 가능하고, 정착해빙의 상대적인 변형 크기 또한 추정 가능함을 확인할 수 있었다. 이 연구에서는 총 38개의 긴밀도 영상으로부터 0.5 이상의 높은 긴밀도가 공간적으로 비교적 일정하게 분포하는 영역을 정착해빙으로 검출하였고, 긴밀도 영상과 SAR 후방산란 영상을 함께 이용하여 유빙을 검출한 후 면적을 산출하였다. 육지 및 빙하와 접해 있는 영역의 해빙은 ~0.
따라서 레이다 간섭기법의 적용을 통한 긴밀도 영상을 분석함으로써 해빙의 유형 구분이 가능하다. 이 연구에서는 총 62개의 SAR 영상으로부터 최소 1일에서 최대 9일의 시간적 기선거리를 가지는 38개의 간섭영상(Table 1)을 생성하고 긴밀도를 분석하였다. 하나의 간섭쌍에 대한 부영상을 다른 간섭쌍 생성 시 주영상으로 사용하면 간섭영상의 시간적인 연속성을 표현할 수 있으나, 38개의 간섭영상은 모두 시간적으로 연속되지는 않는다.
이 연구에서는 2010년 12월부터 2012년 1월까지 테라노바 만이 촬영된 시계열적 COSMO-SkyMed (COnstellation of small Satellites for Mediterranean basin Observation) SAR 영상을 이용하여 다양한 시간적 기선거리(temporal baseline)를 가지는 간섭영상(interferogram)을 생성하고, 긴밀도를 추출하여 분석하였다. 해빙 표면의 긴밀도를 분석하여 해빙 유형과 바다를 구분하였고, 이로부터 정착해빙을 검출하여 시간적인 면적 변화를 분석하였다. 그리고 정착해빙의 면적 변화와 기온, 풍속과의 관계를 분석하였다.
대상 데이터
4는 Table 2의 해빙 면적을 시계열적으로 도시한 것이다. 2010년 12월에 테라노바 만의 정착해빙은 장보고 과학기지가 위치한 뫼비우스 곶(Cape Mobius)부터 이탈리아의 마리오 주켈리 기지(Mario Zucchelli Station)가 위치한 게를라흐 만(Gerlache Inlet) 사이에 분포하였다. 정착해빙의 면적은 남극의 여름철이 끝나는 3월까지 감소하였고, 게를라흐 만의 일부 지역에만 정착해빙이 존재하였다.
연구지역은 남극 장보고 과학기지(74° 37′ 4′′S, 164°13′ 7′′E)에 인접한 동남극 테라노바 만이다. Fig. 1(a)는 2011년 11월 11일에 획득된 COSMO-SkyMed SAR 영상으로 장보고 과학기지를 기준으로 동쪽에는 Campbell 빙하와 서쪽에는 Priestly 빙하가 위치한다. 테라노바 만에는 여름을 제외하고 연중 9-10 개월 동안 정착해빙이 넓게 형성되어 있으며, 서쪽 해안을 따라 강한 활강풍이 부는 지역이다(Bromwich and Kurtz, 1984).
연구지역은 남극 장보고 과학기지(74° 37′ 4′′S, 164°13′ 7′′E)에 인접한 동남극 테라노바 만이다.
이 연구에서 사용된 모든 SAR 영상은 Stripmap 모드에서 획득된 single look complex 영상으로, 40 km의 관측폭, 3 m의 공간해상도, VV 편파, 40°의 레이다 입사각을 가진다.
이 연구에서는 2010년 12월 1일부터 2012년 1월 21일까지 테라노바 만이 촬영된 총 62개의 COSMO-SkyMed SAR 영상을 이용하였다. COSMO-SkyMed는 총 4기의 위성군으로 구성되어 있으며, 중심 주파수 9.
이 연구에서는 기온 및 풍속에 따른 정착해빙의 면적 변화를 분석하기 위해 장보고 과학기지에 설치된 자동 기상 관측 시스템(Automatic Weather System, AWS)으로 2010년 12월부터 2012년 1월까지 매 시간 측정된 기온과 풍속자료를 사용하였다.
성능/효과
Fig. 2를 통해 레이다 간섭기법 적용에 의한 긴밀도 영상으로부터 정착해빙의 검출이 가능하고, 정착해빙의 상대적인 변형 크기 또한 추정 가능함을 확인할 수 있었다. 이 연구에서는 총 38개의 긴밀도 영상으로부터 0.
그러나 연구에 사용된 SAR 영상은 테라노바 만 전체를 포함하고 있지 않기 때문에 영상의 범위 내에서만 정착해빙의 면적 분석이 가능하였다. 따라서 이 연구에서 산출될 수 있는 해빙의 최대 면적은 SAR 영상에 포함된 테라노바 만의 면적인 175.86 km2이다. 2010년 12월부터 2012년 1월까지 약 1년 동안 SAR 영상에서 추출된 정착해빙과 유빙의 시간적인 면적 변화를 분석하였고, 이를 통해 테라노바 만 주변 정착해빙의 형성 및 소멸 시기를 파악하였다.
시계열적으로 획득된 고해상도 SAR 간섭영상의 긴밀도 분석을 통해 테라노바 만의 해빙 유형을 정밀하게 분류할 수 있었고, 해빙 면적의 시간적 변화를 분석할 수 있었다. 또한 현장에서 실측된 기상 자료를 이용하여 정착해빙의 면적 변화에 영향을 미치는 환경요인을 해석할 수 있었다.
이 연구를 통해 테라노바 만에서 정착해빙의 면적은 기온과 매우 밀접한 관계를 가지는 것을 분석할 수 있었다. 정착해빙의 면적 변화는 기온 외에, 해류, 조위, 수온에도 일정 부분 영향을 받는다(Heil, 2006).
이 연구에서는 2010년 12월부터 2012년 1월까지 남극 장보고 과학기지에 인접한 테라노바 만이 촬영된 총 62개의 COSMO-SkyMed SAR 영상을 이용하여 1-9일의 시간적 기선거리를 가지는 38개의 레이다 간섭영상을 생성하였고, 긴밀도를 분석하여 해빙의 유형을 정착해빙과 유빙으로 분류하였다. 정착해빙에서는 최대 9일의 시간적 기선거리에서도 높은 긴밀도가 관찰되었으며, 긴밀도의 공간적 변화는 비교적 작았다. 반면 유빙과 바다는 시공간적 변화가 크기 때문에 1일의 시간적 기선거리에서도 정착해빙에 비해 낮은 긴밀도를 보였으며, 일부 유빙은 바다와 유사한 긴밀도를 보여 구분이 불가능하였다.
5(b)는 테라노바 만의 월평균 풍속을 정착해빙의 면적과 비교한 것이다. 테라노바 만의 월평균 풍속은 일정한 계절적 변화를 나타내지 않았으며, 정착 해빙의 면적 변화와 상관성을 보이지 않았다. 이는 테라노바 만의 정착해빙 면적 변화에 기온이 풍속보다 더 큰 영향을 준다는 것을 의미한다.
정착해빙의 면적이 최대로 증가하는 7월부터 남극의 여름철인 2월까지 유빙의 면적은 최소로 거의 일정하게 나타났다. 테라노바 만의 정착해빙 면적은 기온이 증가하면 감소하고, 기온이 감소하면 다시 증가하는 역의 상관관계를 나타냈다. 이러한 정착해빙의 면적과 기온 사이의 상관관계는 약 2개월의 시간차를 가지는 것으로 분석되었다.
후속연구
이에 따라 테라노바 만에서는 해빙 면적이 최소로 관찰되는 12-2월이 쇄빙선의 운항 및 보급, 그리고 안전한 항해를 위해 최적의 시기로 제시할 수 있으며, 그 외의 시기에는 선박을 이용한 활동에 제약이 따를 것으로 판단된다. 그러나 국지적인 해빙의 면적 변화는 매년 변화할 수 있으므로, 향후 테라노바 만의 해빙 면적에 대한 지속적인 모니터링이 필요할 것으로 보인다.
이는 정착해빙의 증가와 감소가 기온의 변화와는 역의 상관관계가 있으며, 기온의 변화로부터 약 2개월의 시간차(time lag)를 두고 영향을 받는다는 것을 의미한다. 그러나 이 연구 결과는 약 1년 동안의 관측 결과만이 반영되었으므로, 보다 장기간의 정착해빙 모니터링을 통해 테라노바 만의 정착해빙 면적과 기온의 상관성을 연구할 필요가 있다.
또한 현장에서 실측된 기상 자료를 이용하여 정착해빙의 면적 변화에 영향을 미치는 환경요인을 해석할 수 있었다. 향후 장보고 과학기지에서 대기와 해양에 대한 다양한 물리적 특성을 실측하고, 이를 고해상도 SAR 영상에서 분석된 해빙의 시계열적 변화와 상호 비교분석 한다면, 테라노바 만의 해빙의 형성과 확장, 소멸에 대한 보다 정밀한 분석이 가능할 것으로 기대한다.
정착해빙의 면적 변화에 해양 영향인자가 대기 영향인자에 비해 상대적으로 작은 영향을 미친다고 알려져 있으나(Heil, 2006), 이는 지역에 따라 크게 다를 수 있다. 향후 장보고 과학기지에서 해양 환경에 대한 다양한 실측 자료가 수집되고, 이를 시계열적으로 획득된 고해상도의 SAR 영상과 융합한다면 테라노바 만의 정착해빙 변화에 영향을 미치는 요인을 보다 정밀하게 분석할 수 있을 것으로 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
극지의 해빙을 관찰하는 것에 사용하는 센서는?
해빙은 인간의 접근이 제한적이고 넓은 범위에 걸쳐 분포하기 때문에 인공위성 원격탐사가 유용하게 사용되고 있다. 현재 광학센서(optical sensor), 영상레이더(Synthetic Aperture Radar; SAR), 수동 마이크로파 센서(passive microwave sensor) 등 다양한 종류의 센서가 인공위성에 탑재되어 극지의 해빙을 관찰하고 있다(Han and Lee, 2007). 광학 센서의 경우 태양고도와 기상조건의 영향을 많이 받기 때문에 구름이 많고 6개월간 흑야 현상이 지속되는 극지방에서는 고품질의 자료를 확보하기가 쉽지 않다.
남극의 해빙 면적이 최대인 시기와 최소인 시기의 면적 차이는?
, 2001). 남극의 해빙은 대부분 유년 해빙(young ice) 및 일년생 해빙(first year ice)으로 구성되어 있고, 해빙 면적이 최대인 9-10월과 최소인 2월의 면적 차이는 약 1.6×107 km2이다. 이러한 해빙이전 지구적 기후 및 환경에 미치는 영향은 상당하다 (Allison et al.
해빙이 지구적 기후 및 환경에 미치는 영향은 무엇이 있는가?
, 1993). 특히 해안에 고착되어 있는 정착해빙(landfast sea ice, LFI)은 고위도 지방에서 대기와 해양 사이의 열 전달 작용을 방해하여 국지적 기후변화를 야기할 수 있으며, 다양한 해양 생물 종의 서식지 형성에도 큰 영향을 미치고 있다(Giles et al., 2008).
참고문헌 (24)
Allison, I., R.E. Brandt, and S.G. Warren, 1993. East Antarctic sea ice: albedo, thickness distribution, and snow cover, Journal of Geophysical Research, 98(C7): 12417-12429.
Bjorgo, E., O.M. Johannessen, and M.W. Miles, 1997. Analysis of merged SMMR-SSMI time series of Arctic and Antarctic sea ice parameters 1978-1995, Geophysical Research Letters, 24(4): 413-416.
Cavalieri, D.J., C.L. Parkinson, P. Gloersen, J.C. Comiso, and H.J. Zwally, 1999. Deriving longterm time series of sea ice cover from satellite passive-microwave multisensor data sets, Journal of Geophysical Research, 104(C7): 15803-15814.
Dammert, P.B.G., M. Lepparanta, and J. Askne, 1998. SAR interferometry over Baltic Sea ice, International Journal of Remote Sensing, 19(16): 3019-3037.
Giles, A.B., R.A. Massom, and V.I. Lytle, 2008. Fastice distribution in East Antarctica during 1997 and 1999 determined using RADARSAT data, Journal of Geophysical Research, 113, C02S14.
Han, H. and H. Lee, 2007. Comparative study of KOMPSAT-1 EOC images and SSM/I NASA Team sea ice concentration of the Arctic, Korean Journal of Remote Sensing, 23(6): 507-520 (In Korean with English abstract).
Han, H. and H. Lee, 2011. Analysis of surface displacement of glaciers and sea ice around Canisteo Peninsula, West Antarctica, by using 4-pass DInSAR technique, Korean Journal of Remote Sensing, 27(5): 535-542 (In Korean with English abstract).
Han, H. and H. Lee, 2014. Tide deflection of Campbell Glacier Tongue, Antarctica, analyzed by double-differential SAR interferometry and finite element method, Remote Sensing of Environment, 141: 201-213.
Han, H. and H. Lee, 2015. Tide-corrected flow velocity and mass balance of Campbell Glacier Tongue, East Antarctica, derived from interferometric SAR, Remote Sensing of Environment, 160:180-192.
Heil, P., 2006. Atmospheric conditions and fast ice at Davis, East Antarctica: A case study, Journal of Geophysical Research, 111, C05009.
Hong, S.-H. and S. Wdowinski, 2013. Interferometric coherence analysis using space-borne synthetic aperture radar with respect to spatial resolution, Korean Journal of Remote Sensing, 29(4): 389-397 (In Korean with English abstract).
Leberl, F., J. Raggam, C. Elachi, and W.J. Campbell, 1983. Sea ice motion measurements from SEASAT SAR images, Journal of Geophysical Research, 88(C3): 1915-1928.
Lei, R., Z. Li, B. Cheng, Z. Zhang, and P. Heil, 2010. Annual cycle of landfast sea ice in Prydz Bay, east Antarctica, Journal of Geophysical Research, 115, C02006.
Lepparanta, M., Y. Sun, and J. Haapala, 1998. Comparisons of sea ice velocity fields from ERS-1 SAR and a dynamic model, Journal of Glaciology, 44(147): 248-262.
Markus, T., D.J. Cavalieri, M.A. Tschudi, and A. Ivannoff, 2003. Comparison of aerial video and Landsat 7 data over ponded sea ice, Remote Sensing of Environment, 86(4): 458-469.
Markus, T. and S.T. Dokken, 2002. Evaluation of late summer passive microwave Arctic sea ice retrievals, IEEE Transactions on Geoscience and Remote Sensing, 40(2): 348-356.
Nystuen, J.A. and F.W. Garcia Jr., 1992. Sea ice classification using SAR backscatter statistics, IEEE Transactions on Geoscience and Remote Sensing, 30(3): 502-509.
Parkinson, C.L., D. Rind, R.J. Healy, and D.G. Martinson, 2001. The impact of sea ice concentration accuracies on climate model simulations with the GISS GCM, Journal of Climate, 14(12): 2606-2623.
Peterson, I.K., S.J. Prinsenberg, and J.S. Holladay, 2008. Observations of sea ice thickness, surface roughness and ice motion in Amundsen Gulf, Journal of Geophysical Research, 113, C06016.
Stenni, B., F. Serra, M. Frezzotti, V. Maggi, R. Traversi, S. Becagli, and R. Udisti, 2000. Snow accumulation rates in northern Victoria Land, Antarctica, by firn-core analysis, Journal of Glaciology, 46(155): 541-552.
Zebker, H.A. and J. Villasenor, 1992. Decorrelation in interferometric radar echoes, IEEE Transactions on Geoscience and Remote Sensing, 30(5): 950-959.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.