선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 또한, 산악지역에서의 연속적인 정보 생산을 위해 Jang et al.(2014a)에 의해 제안된 위성정보 융합기술을 사용하여 자료 획득률을 제고하고자 하였다.
- 따라서 위성레이더 정보의 사용 또는 정보간융합기술은 광역지역에 대한 연속적인 전천후 기온정보를 산출할 수 있는 가능성이 있다. 본 연구에서는 MYD07_L2 기온정보 내 구름의 영향을 최소화하여 산악지역에 대한 연속적인 기온정보 산출을 위해 10km 공간해상도의 AMSR2 37GHz 밝기온도(brightness temperature) 자료를 활용하였다. 선행연구에서는 기온과 AMSR-E 37GHz 밝기온도 간의 높은 상관성이 있음을 제시한 바 있다(Jones et al.
- 이 연구에서는 위성정보를 기반으로 복잡 산악지역에서의 기온정보를 생산하고 강원도 산악지역에서 관측한 산악기상관측자료를 이용하여 평가하였다. 우선 산악기상관측지점을 대상으로 Aqua MODIS 기온 프로파일 자료(MYD07_L2)로부터 지표면 기온정보를 산출하여 관측자료와 비교 평가 하였고, 대기기온감률 방법을 적용하여 MYD07_L2 기온정보의 정확도를 개선한 결과 ME와 RMSE는 각각 95%, 4% 감소하였다.
- 하지만 복잡 산악지역에서의 관측 정확도의 한계와 구름 등에 의한 자료 결측은 연속적인 모니터링을 제한한다. 이 연구에서는 위성정보를 기반으로 복잡 산악지역에서인 강원도 지역을 대상으로 전천후 기온정보를 생산하여 산악기상관측자료를 이용하여 평가하였다. 산악지역에 대한 정확도 개선을 위해 Aqua MODIS 기온정보(MYD07_L2)에 대기기온감률 방법을 적용한 결과, 기존보다 약 4% RMSE 개선효과(ME의 경우 95%)가 나타났다.
가설 설정
- 10km 공간 해상도의 AMSR2 밝기온도 자료는 5km 공간해상도의 MYD07_L2 기온정보와 해상도 일치를 위해 5km 공간 해상도로 변환하였다. 이때 10km 픽셀 내 4개의 하부 픽셀의 값은 동일하다고 가정하였다. 선형 회귀식은 개별픽셀 단위에서 생성되며, 이것은 구름이 끼어 기온이 생산되지 않은 MYD07_L2 픽셀에 적용되어 기온정보를 추정하였다.
제안 방법
- 1은 MODIS 기온정보(MYD07_L2)와 AMSR2 밝기온도 자료 간의 픽셀기반 회귀모형을 이용하여 전천후 기상자료 생산 과정을 나타낸 것이다. 10km 공간 해상도의 AMSR2 밝기온도 자료는 5km 공간해상도의 MYD07_L2 기온정보와 해상도 일치를 위해 5km 공간 해상도로 변환하였다. 이때 10km 픽셀 내 4개의 하부 픽셀의 값은 동일하다고 가정하였다.
- 이 연구에서는 고도가 높은 산악지역에서의 기온 자료의 정확도 개선을 위해 Eq. 2에 제시된 대기기온감률 방법을 적용하여 기온 자료를 보정하였다. Fig.
- 본 연구에서는 복잡 산악지역의 기온정보를 산출하기 위해 Aqua 위성에 탑재되어 지표환경을 감시하고 있는 MODIS 자료와 GCOM-W1에 탑재된 AMSR2 자료를 이용하였다. MODIS07_L2 (MYD07_L2) 대기 프로파일 자료로부터 획득한 기온정보를 국내 주요 산악지역의 기상상황을 모니터링하고 있는 산악기상관측정보와 비교하여 산악지역에서의 MYD07_L2 기온의 정확도를 평가하고, 대기기온감률을 적용하여 복잡 산악지역에서의 고도 영향을 고려하였다. 또한, 산악지역에서의 연속적인 정보 생산을 위해 Jang et al.
- 이 연구에서는 산악지역에서의 기온 자료를 산출하기 위해 Aqua 위성에서 관측하여 생산한 Collection 6 MODIS07_L2 자료(MYD07_L2)를 이용하였다. MYD07_L2로부터 산출된 기온 프로파일 자료는 고도가 높은 산악지역에 위치한 AMOS 자료와 비교하기 위해 관측고도 오차 보정 과정을 수행하였다. MYD07_L2 기온 프로파일 자료는 20 개의 대기압층을 기준으로 산출되는데(Borbas et al.
- 우선 산악기상관측지점을 대상으로 Aqua MODIS 기온 프로파일 자료(MYD07_L2)로부터 지표면 기온정보를 산출하여 관측자료와 비교 평가 하였고, 대기기온감률 방법을 적용하여 MYD07_L2 기온정보의 정확도를 개선한 결과 ME와 RMSE는 각각 95%, 4% 감소하였다. 또한 맑은 날과 흐린 날에 대한 구분 없이 산악지역에 대한 연속적인 시공간 정보를 산출하기 위해 MYD07_L2 기온정보와 GCOM-W1 AMSR2 37 GHz 밝기온도 자료간의 픽셀 기반의 회귀모형을 이용하여 전천후 기온정보를 생산하였다. 그 결과 전체 자료 중 구름 등의 영향으로 결측되었던 61.
- 선형 회귀식은 개별픽셀 단위에서 생성되며, 이것은 구름이 끼어 기온이 생산되지 않은 MYD07_L2 픽셀에 적용되어 기온정보를 추정하였다. 마지막으로 맑은 날에 MYD07_L2로부터 획득한 기온과 회귀모형에 의해 추정된 기온 정보를 합쳐 연속적인 기온정보를 생산하였다.
- 산악지역에 대해 MYD07_L2로부터 획득한 기온정보의 정확도를 평가하기 위해 1 시간 단위로 관측한 산악기상관측망(AMOS) 관측자료와 비교하였다. 본 연구에서 사용한 Collection 6 MYD07_L2 기온정보는 전반적으로 AMOS 관측자료와 좋은 일치도(87.
- 이때 10km 픽셀 내 4개의 하부 픽셀의 값은 동일하다고 가정하였다. 선형 회귀식은 개별픽셀 단위에서 생성되며, 이것은 구름이 끼어 기온이 생산되지 않은 MYD07_L2 픽셀에 적용되어 기온정보를 추정하였다. 마지막으로 맑은 날에 MYD07_L2로부터 획득한 기온과 회귀모형에 의해 추정된 기온 정보를 합쳐 연속적인 기온정보를 생산하였다.
- 위성정보를 기반으로 연속적인 기온정보를 생산하기 위해서 Fig. 1의 흐름에 따라 전천후 기온자료를 생산하였다. Fig.
- 산악지역에 대한 정확도 개선을 위해 Aqua MODIS 기온정보(MYD07_L2)에 대기기온감률 방법을 적용한 결과, 기존보다 약 4% RMSE 개선효과(ME의 경우 95%)가 나타났다. 전천후 기온정보 산출을 위해 MYD07_L2 기온정보와 GCOM-W1 AMSR2 37 GHz 밝기온도 자료간의 픽셀 기반의 회귀모형 방법을 적용하였다. 산악기상관측 자료와 비교한 결과 전반적으로 좋은 일치도를 보였으나(r=0.
대상 데이터
- kr)에서 확인할 수 있다. 본 연구에서는 강원도 지역의 해발고도 700m이상인 지점 6곳을 대상으로 2013년 1월 1일부터 12월 31일까지 관측한 1 시간 단위 기온자료를 수집하여 위성정보로부터 산출된 기온정보의 평가자료로 사용하였다. 위성정보와 관측정보 간의 관측시간 불일치를 해결하여 비교하기 위해 Jang et al.
- 본 연구에서는 복잡 산악지역의 기온정보를 산출하기 위해 Aqua 위성에 탑재되어 지표환경을 감시하고 있는 MODIS 자료와 GCOM-W1에 탑재된 AMSR2 자료를 이용하였다. MODIS07_L2 (MYD07_L2) 대기 프로파일 자료로부터 획득한 기온정보를 국내 주요 산악지역의 기상상황을 모니터링하고 있는 산악기상관측정보와 비교하여 산악지역에서의 MYD07_L2 기온의 정확도를 평가하고, 대기기온감률을 적용하여 복잡 산악지역에서의 고도 영향을 고려하였다.
- 위성정보로부터 산출된 기온정보를 평가하기 위해 산림청 국립산림과학원에서 운영중인 산악기상관측소(automated mountain meteorology stations, AMOS) 중 복잡 산악지형의 영향을 평가하기 위해 강원도 지역에 위치한 자료를 활용하였다(Table 1). AMOS는 최근 기후변화의 영향으로 빈번해지고 있는 산불, 산사태, 산림 병해충 등 산림재해를 예방 및 대응하기 위해 전국 주요 산악지역에 구축하여 운영중인 자동기상관측장비이다.
- 이 연구에서는 산악지역에서의 기온 자료를 산출하기 위해 Aqua 위성에서 관측하여 생산한 Collection 6 MODIS07_L2 자료(MYD07_L2)를 이용하였다. MYD07_L2로부터 산출된 기온 프로파일 자료는 고도가 높은 산악지역에 위치한 AMOS 자료와 비교하기 위해 관측고도 오차 보정 과정을 수행하였다.
이론/모형
- 본 연구에서는 흐린 날에도 연속적으로 기온정보를 생산하기 위해서 Jang et al.(2014a)이 제안한 다중 인공위성정보융합 활용 기술을 적용하였다. 그들은 MODIS 기온정보와 AMSR-E 밝기온도를 이용하여 픽셀기반의 회귀모형(pixel-wise regression model)을 개발하여 구름이 끼어 결측된 픽셀 내 기온정보를 추정하는 기술을 제안하였다.
- 이 연구에서는 Jang et al.(2014b)가 제안한 대기기온감률(ambient lapse rate) 방법을 적용하여 산악지역의 기온정보를 추정하였다(Eq. 2).
- 위성정보와 관측정보 간의 관측시간 불일치를 해결하여 비교하기 위해 Jang et al.(2014b)에 의해 제안된 방법을 사용하였다(Eq. 1).
- 8 m s-2)를 의미한다. LR은 기온감률을 의미하는데, 본 연구에서는 Bisht and Bras(2010)가 제안한 -6.5K km-1를 적용하였다.
성능/효과
- 파란색 원은 맑은 날 MYD07_L2로부터 산출된 기온정보를 나타낸 것이고, 녹색 원은 흐린 날 결측된 기온정보를 복원한 것이다. MYD07_L2 기온정보와 AMSR2 밝기온도 간의 회귀모형을 통해 복원된 흐린 날의 기온정보량(n=2,657)은 맑은 날 산출된 기온정보(n=1,669)의 약 1.6배로 구름 등에 의해 결측되었던 61.4%를 복원할 수 있었다. 강원권역 6개소 AMOS를 대상으로 획득한 자료는 총 4,326개로 관측소별로 낮과 밤 자료를 포함하여 평균 721개의 자료를 얻을 수 있었다.
- 4%를 복원할 수 있었다. 강원권역 6개소 AMOS를 대상으로 획득한 자료는 총 4,326개로 관측소별로 낮과 밤 자료를 포함하여 평균 721개의 자료를 얻을 수 있었다.
- 또한 맑은 날과 흐린 날에 대한 구분 없이 산악지역에 대한 연속적인 시공간 정보를 산출하기 위해 MYD07_L2 기온정보와 GCOM-W1 AMSR2 37 GHz 밝기온도 자료간의 픽셀 기반의 회귀모형을 이용하여 전천후 기온정보를 생산하였다. 그 결과 전체 자료 중 구름 등의 영향으로 결측되었던 61.4%의 자료(n=2,657)가 복원되어 다중 위성정보를 기반으로 연속적인 기상자료 생산하였다. 비록 기온정보의 정확도 고도화를 위한 후속 연구가 필요하지만, 본 연구 결과를 통해 얻어진 결과는 위성정보를 기반으로 복잡 산악지역에서 기온정보의 시공간적 산출이 가능하다는 것을 보였다.
- 9K), 겨울철에 다소 과소모의의 경향을 나타냈다. 그럼에도 불구하고 전체 자료 중 결측되었던 61.4%의 자료(n=2,657)를 복원하여 복잡 산악지역에 대해 위성정보 기반의 전천후 기온정보 생산이 가능함을 확인하였다. 향후 이 연구에서 사용한 간단하고 효과적인 회귀모형 방법은 과거 및 최신 위성정보를 활용을 통한 시공간적인 확장이 가능할 것으로 사료된다.
- 3은 MYD07_L2로부터 산출된 기온정보에 대기기온감률을 적용시킨 후 산악기상관측 자료와 비교한 결과를 제시한 것이다. 두 자료간의 일치도는 86.2%로 나타나 보정 전과 큰 차이를 보이지 않았지만, 오차는 전반적으로 감소하는 결과를 보였다. ME는 +0.
- 산악지역에 대해 MYD07_L2로부터 획득한 기온정보의 정확도를 평가하기 위해 1 시간 단위로 관측한 산악기상관측망(AMOS) 관측자료와 비교하였다. 본 연구에서 사용한 Collection 6 MYD07_L2 기온정보는 전반적으로 AMOS 관측자료와 좋은 일치도(87.0%)를 보였다(Fig. 2). 전 지점에 대한 평균 오차(mean error, ME)는 +1.
- 4%의 자료(n=2,657)가 복원되어 다중 위성정보를 기반으로 연속적인 기상자료 생산하였다. 비록 기온정보의 정확도 고도화를 위한 후속 연구가 필요하지만, 본 연구 결과를 통해 얻어진 결과는 위성정보를 기반으로 복잡 산악지역에서 기온정보의 시공간적 산출이 가능하다는 것을 보였다. 향후 이 연구에서 사용한 간단하고 효과적인 회귀모형 방법은 과거 및 최신 위성정보를 활용을 통한 시공간적인 확장이 가능할 것으로 사료된다.
- 전천후 기온정보 산출을 위해 MYD07_L2 기온정보와 GCOM-W1 AMSR2 37 GHz 밝기온도 자료간의 픽셀 기반의 회귀모형 방법을 적용하였다. 산악기상관측 자료와 비교한 결과 전반적으로 좋은 일치도를 보였으나(r=0.80, RMSE=7.9K), 겨울철에 다소 과소모의의 경향을 나타냈다. 그럼에도 불구하고 전체 자료 중 결측되었던 61.
- 이 연구에서는 위성정보를 기반으로 복잡 산악지역에서인 강원도 지역을 대상으로 전천후 기온정보를 생산하여 산악기상관측자료를 이용하여 평가하였다. 산악지역에 대한 정확도 개선을 위해 Aqua MODIS 기온정보(MYD07_L2)에 대기기온감률 방법을 적용한 결과, 기존보다 약 4% RMSE 개선효과(ME의 경우 95%)가 나타났다. 전천후 기온정보 산출을 위해 MYD07_L2 기온정보와 GCOM-W1 AMSR2 37 GHz 밝기온도 자료간의 픽셀 기반의 회귀모형 방법을 적용하였다.
- 5b는 동일한 날짜를 대상으로 MYD07_L2 기온과 AMSR2 밝기온도 간의 영상융합을 통하여 추정한 기온 분포도를 나타낸 것이다. 상기 결과를 바탕으로 이 연구에서 제시한 영상융합기술은 흐린 날 AMOS 관측지점에 대한 기온정보의 복원뿐만 아니라 광역지역에 대한 기온정보도 연속적으로 생산이 가능하다는 것을 확인하였다. 또한 이 기술은 장기적으로 관측한 위성정보를 활용한다면 과거 산악지역에 대한 기온정보의 생산이 가능할 것으로 사료되며, 현재 운영되고 있는 AMOS 관측망 간의 공간상의 한계를 극복할 수 있는 기초정보를 효과적으로 제공할 수 있을 것이라고 판단된다.
- 이 연구에서는 위성정보를 기반으로 복잡 산악지역에서의 기온정보를 생산하고 강원도 산악지역에서 관측한 산악기상관측자료를 이용하여 평가하였다. 우선 산악기상관측지점을 대상으로 Aqua MODIS 기온 프로파일 자료(MYD07_L2)로부터 지표면 기온정보를 산출하여 관측자료와 비교 평가 하였고, 대기기온감률 방법을 적용하여 MYD07_L2 기온정보의 정확도를 개선한 결과 ME와 RMSE는 각각 95%, 4% 감소하였다. 또한 맑은 날과 흐린 날에 대한 구분 없이 산악지역에 대한 연속적인 시공간 정보를 산출하기 위해 MYD07_L2 기온정보와 GCOM-W1 AMSR2 37 GHz 밝기온도 자료간의 픽셀 기반의 회귀모형을 이용하여 전천후 기온정보를 생산하였다.
- 위성정보 융합기반의 전천후 기온정보는 AMOS 관측자료와 전반적으로 좋은 상관성을 보이고 있지만(r=0.80), 여름 일부와 겨울철 기온이 과소모의 경향이 뚜렷하게 나타났다. 이러한 경향은 흐린 날 복원된 결과에서 뚜렷하게 드러났는데, 이러한 원인은 AMSR2 밝기온도에 대한 강우 및 강설에 대한 영향일 수 있다.
- , 2014b). 이러한 결과를 바탕으로 MYD07_L2 기온정보는 평지지역과 산악지역 모두 대기기온감률 방법을 적용함으로써 정확도를 다소 개선시킬 수 있음을 보였다. 하지만 실제 기온감률은 계절별, 사면별로 다르기 때문에(Choi et al.
- 2). 전 지점에 대한 평균 오차(mean error, ME)는 +1.68K로 약간 과다모의의 경향을 보였으며, 평균제곱근오차(root mean square error, RMSE)는 4.17K로 나타났다. 지점별로 보았을 때, 강원도 정선군 봉화치의 RMSE 오차(2.
- 17K로 나타났다. 지점별로 보았을 때, 강원도 정선군 봉화치의 RMSE 오차(2.38K)가 가장 작게 나타난 반면, 강원도태백군 함백산에서는 가장 큰 오차(5.45K)를 보였다. 하지만, 다수의 선행연구에서 보고한 MOD07_L2과 MYD07_L2 기온정보의 오차범위가 3∼5K인 것을 감안한다면(Bisht et al.
- 회귀모형은 방법이 간단하고 활용이 용이한 측면이 있다. 특히 기온정보와 AMSR-E 밝기온도간의 높은 상관성은 이 방법이 효과적으로 적용될 수 있음을 보여준다.
후속연구
- 상기 결과를 바탕으로 이 연구에서 제시한 영상융합기술은 흐린 날 AMOS 관측지점에 대한 기온정보의 복원뿐만 아니라 광역지역에 대한 기온정보도 연속적으로 생산이 가능하다는 것을 확인하였다. 또한 이 기술은 장기적으로 관측한 위성정보를 활용한다면 과거 산악지역에 대한 기온정보의 생산이 가능할 것으로 사료되며, 현재 운영되고 있는 AMOS 관측망 간의 공간상의 한계를 극복할 수 있는 기초정보를 효과적으로 제공할 수 있을 것이라고 판단된다.
- (2011)은 이러한 영향을 고려하여 청천화소수가 20 이상인 자료만을 활용한 바 있다. 이러한 구름의 영향은 자료의 획득률에 영향을 미치기도 하지만, 직접적으로 자료의 품질과 연관되기 때문에 향후 픽셀 내 구름과 자료의 품질간의 관계에 대한 추가적인 연구가 필요할 것으로 생각된다.
- 이러한 결과를 바탕으로 MYD07_L2 기온정보는 평지지역과 산악지역 모두 대기기온감률 방법을 적용함으로써 정확도를 다소 개선시킬 수 있음을 보였다. 하지만 실제 기온감률은 계절별, 사면별로 다르기 때문에(Choi et al., 2010; Choi, 2011), 향후 연구에서는 이러한 요인을 고려하여 위성정보 기반의 기온정보의 상세공간화를 수행할 예정이다.
- (2012)은 AMSR-E 자료를 바탕으로 전구 기온 추정 시 강수, 토양 염도 등 지표 특성에 따른 지표 방사율의 영향에 대해 보고한 바 있다. 향후 연구에서는 AMSR2 계절적 지표 특성 변화에 따른 방사율 변화를 고려하여 위성정보 기반의 지표면 기온정보 산출 고도화를 진행할 계획이다.
- 비록 기온정보의 정확도 고도화를 위한 후속 연구가 필요하지만, 본 연구 결과를 통해 얻어진 결과는 위성정보를 기반으로 복잡 산악지역에서 기온정보의 시공간적 산출이 가능하다는 것을 보였다. 향후 이 연구에서 사용한 간단하고 효과적인 회귀모형 방법은 과거 및 최신 위성정보를 활용을 통한 시공간적인 확장이 가능할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.