11 µm 휘도온도와 11-12 µm 휘도온도차의 상관성 분석을 활용한 해빙탐지 동적임계치 결정 Determination of dynamic threshold for sea-ice detection through relationship between 11 µm brightness temperature and 11-12 µm brightness temperature difference원문보기
지구 기후시스템의 중요구성인자인 해빙은 극지방과 고위도에 분포하는 특성상 위성을 통한 탐지가 활발히 수행되고 있다. 위성자료를 이용한 해빙탐지기법은 반사도와 휘도온도자료를 이용하며, 많은 연구에서 휘도온도자료를 통해 산출된 Ice Surface Temperature (IST)를 활용한 기법인 Moderate-Resolution Imaging Spectroradiometer (MODIS)의 해빙탐지기법을 활용하고 있다. 본 연구에서는 IST 산출과정이 생략된 단순하고 효율적인 동적임계값 기법을 활용한 해빙탐지기법을 제시하고자 한다. 동적임계값을 지정하기 위하여 해수의 어는점 이하의 화소를 대상으로 MODIS IST와 MODIS $11{\mu}m$ 채널의 휘도온도, Brightness Temperature Difference ($BTD:T_{11{\mu}m}-T_{12{\mu}m}$)의 상호관계를 분석하였다. 분석 결과, 세수치의 관계가 선형의 특징을 나타내었으며 이를 활용하여 임계값을 지정하였다. 청천역에서 지정한 임계값을 MODIS $11{\mu}m$ 채널에 적용하여 해빙을 탐지하였다. 또한, 본 연구의 해빙탐지기법의 성능을 검증하기 위해 MODIS Sea ice extent를 이용하여 정확도를 분석하였으며 그 결과, Producer Accuracy (PA) 99% 이상의 높은 정확도를 보였다.
지구 기후시스템의 중요구성인자인 해빙은 극지방과 고위도에 분포하는 특성상 위성을 통한 탐지가 활발히 수행되고 있다. 위성자료를 이용한 해빙탐지기법은 반사도와 휘도온도자료를 이용하며, 많은 연구에서 휘도온도자료를 통해 산출된 Ice Surface Temperature (IST)를 활용한 기법인 Moderate-Resolution Imaging Spectroradiometer (MODIS)의 해빙탐지기법을 활용하고 있다. 본 연구에서는 IST 산출과정이 생략된 단순하고 효율적인 동적임계값 기법을 활용한 해빙탐지기법을 제시하고자 한다. 동적임계값을 지정하기 위하여 해수의 어는점 이하의 화소를 대상으로 MODIS IST와 MODIS $11{\mu}m$ 채널의 휘도온도, Brightness Temperature Difference ($BTD:T_{11{\mu}m}-T_{12{\mu}m}$)의 상호관계를 분석하였다. 분석 결과, 세수치의 관계가 선형의 특징을 나타내었으며 이를 활용하여 임계값을 지정하였다. 청천역에서 지정한 임계값을 MODIS $11{\mu}m$ 채널에 적용하여 해빙을 탐지하였다. 또한, 본 연구의 해빙탐지기법의 성능을 검증하기 위해 MODIS Sea ice extent를 이용하여 정확도를 분석하였으며 그 결과, Producer Accuracy (PA) 99% 이상의 높은 정확도를 보였다.
Sea ice which is an important component of the global climate system is being actively detected by satellite because it have been distributed to polar and high-latitude region. and the sea ice detection method using satellite uses reflectance and temperature data. the sea ice detection method of Mod...
Sea ice which is an important component of the global climate system is being actively detected by satellite because it have been distributed to polar and high-latitude region. and the sea ice detection method using satellite uses reflectance and temperature data. the sea ice detection method of Moderate-Resolution Imaging Spectroradiometer (MODIS), which is a technique utilizing Ice Surface Temperature (IST) have been utilized by many studies. In this study, we propose a simple and effective method of sea ice detection using the dynamic threshold technique with no IST calculation process. In order to specify the dynamic threshold, pixels with freezing point of MODIS IST of 273.0 K or less were extracted. For the extracted pixels, we analyzed the relationship between MODIS IST, MODIS $11{\mu}m$ channel brightness temperature($T_{11{\mu}m}$) and Brightness Temperature Difference ($BTD:T_{11{\mu}m}-T_{12{\mu}m}$). As a result of the analysis, the relationship between the three values showed a linear characteristic and the threshold value was designated by using this. In the case ofsea ice detection, if $T_{11{\mu}m}$ is below the specified threshold value, it is detected as sea ice on clear sky. And in order to estimate the performance of the proposed sea ice detection method, the accuracy was analyzed using MODIS Sea ice extent and then validation accuracy was higher than 99% in Producer Accuracy (PA).
Sea ice which is an important component of the global climate system is being actively detected by satellite because it have been distributed to polar and high-latitude region. and the sea ice detection method using satellite uses reflectance and temperature data. the sea ice detection method of Moderate-Resolution Imaging Spectroradiometer (MODIS), which is a technique utilizing Ice Surface Temperature (IST) have been utilized by many studies. In this study, we propose a simple and effective method of sea ice detection using the dynamic threshold technique with no IST calculation process. In order to specify the dynamic threshold, pixels with freezing point of MODIS IST of 273.0 K or less were extracted. For the extracted pixels, we analyzed the relationship between MODIS IST, MODIS $11{\mu}m$ channel brightness temperature($T_{11{\mu}m}$) and Brightness Temperature Difference ($BTD:T_{11{\mu}m}-T_{12{\mu}m}$). As a result of the analysis, the relationship between the three values showed a linear characteristic and the threshold value was designated by using this. In the case ofsea ice detection, if $T_{11{\mu}m}$ is below the specified threshold value, it is detected as sea ice on clear sky. And in order to estimate the performance of the proposed sea ice detection method, the accuracy was analyzed using MODIS Sea ice extent and then validation accuracy was higher than 99% in Producer Accuracy (PA).
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 청천역에 한해 MODIS 11 µm, 12 µm 채널 자료를 이용하여 IST 산출 과정이 필요하지 않는 단순한 임계값을 통한 해빙탐지 기법을 제시하였다.
본 연구에서는 해빙 유무를 탐지하기 위하여 IST 대신 계수산출과정 없이 단순하고 효율적인 T11 µm 휘도온도의 동적 임계값 방법을 제시하고자 한다.
제안 방법
세 수치(MODIS IST·T11 µm·BTD)의 상호관계 분석 결과, MODIS IST에 따라 T11 µm와 BTD의 관계는 선형의 특징을 보였으며 MODIS IST에 따른 T11 µm와 BTD의 영향을 구체적으로 파악하기 위해 MODIS IST 값을 4.0 K 간격인 245.0 K 이하, 245.0-249.0 K, 249.0-253.0 K, 253.0-257.0 K, 257.0-261.0 K, 261.0-265.0 K, 265.0-269.0 K, 269.0-273.0 K 범위별로 분류하여 추가 분석을 수행하였다.
분석 결과를 통해 MODIS IST가 구간별 최대값을 가지는 선을 기준선으로 설정하였고, 설정된 기준선을 임계값으로 지정하였다. 그리고 본 연구는 해빙의 유무를 판단하는 것이 목적이기 때문에 구간별 기준선 중, IST 범위 상단 (269.0-273.0 K)에 해당하는 Fig. 2의 실선의 임계값을 이용하여 해빙탐지를 수행하였다. 지정된 임계값은 IST0로 정의하였으며 이를 구하는 식은 다음과 같다.
또한 MODIS IST·Brightness Temperature Difference (BTD, T11 µm-T12 µm)·T11 µm의 상호관계 특성을 분석하고, 분석 결과에 따라 지정된 임계값을 이용한 탐지 기법을 제시하였다.
추출된 채널자료는 각 채널의 Scale factor와 offset을 이용해 Radiance로 변환 후 각 채널의 밝기온도인 T11 µm, T12 µm로 변환하였다. 또한 해빙탐지 시 하나의 오차요인인 수증기 효과를 감안하기 위해 BTD를 함께 분석하였다. 세 수치(MODIS IST·T11 µm·BTD)의 상호관계 분석 결과, MODIS IST에 따라 T11 µm와 BTD의 관계는 선형의 특징을 보였으며 MODIS IST에 따른 T11 µm와 BTD의 영향을 구체적으로 파악하기 위해 MODIS IST 값을 4.
본 연구에서는 T11 µm가 IST0 이하의 값을 가질 때 해빙으로 탐지하였다.
본 연구에서는 제안한 해빙탐지 기법을 통한 해빙자료의 정확도를 평가하기 위해 MODIS Sea ice extent와 비교분석을 수행하였으며, Table 1은 본 연구에서 탐지한 해빙을 MODIS 자료를 이용하여 정량적 분석을 수행한 결과이다. Table 1의 Producer Accuracy (PA)는 실제 위성 영상에서 특정 범주에 속하는 화소 중 특정 범주로 분류한 화소의 백분율을 나타내는 통계치로 omission error를 측정하는 역할을 한다.
2). 분석 결과를 통해 MODIS IST가 구간별 최대값을 가지는 선을 기준선으로 설정하였고, 설정된 기준선을 임계값으로 지정하였다. 그리고 본 연구는 해빙의 유무를 판단하는 것이 목적이기 때문에 구간별 기준선 중, IST 범위 상단 (269.
이어서 해빙의 특성을 파악하기 위해 선정된 Scene을 대상으로 MODIS IST·T11 µm·BTD의 상호관계 분석을 수행하였다.
구름의 경우, 해빙과 광학적 특성이 비슷하기 때문에 위성을 이용한 해빙탐지의 주요한 오차요인 중 하나이다. 이에 따라 본 연구에서는 확실한 해빙에 대한 분석을 수행하기 위해 MODIS Cloud mask가 적용된 MODIS Sea ice extent와 RGB 영상을 이용해 Training Scene을 선정하였다. 이어서 해빙의 특성을 파악하기 위해 선정된 Scene을 대상으로 MODIS IST·T11 µm·BTD의 상호관계 분석을 수행하였다.
본 연구에서는 청천역에 한해 MODIS 11 µm, 12 µm 채널 자료를 이용하여 IST 산출 과정이 필요하지 않는 단순한 임계값을 통한 해빙탐지 기법을 제시하였다. 제시된 해빙탐지 기법은 먼저 임계값을 지정하기 위하여 산출한 MODIS IST 중 273.0 K 이하인 화소를 대상으로 4.0 K 간격으로 분류하였다. 분류 결과, 구간에 따라 T11 µm와 BTD가 선형관계임을 확인하였으며, 이를 적용하여 임계값인 IST0를 지정하였고 최종적으로 청천역에서 T11 µm가 IST0 이하일 때 해빙으로 탐지하였다.
추출된 채널자료는 각 채널의 Scale factor와 offset을 이용해 Radiance로 변환 후 각 채널의 밝기온도인 T11 µm, T12 µm로 변환하였다.
대상 데이터
MODIS의 채널 중 적외 채널인 MODIS band 31(10.780-11.280 µm), 32(11.770-12.270 µm)번 자료를 사용하였고, 해빙이 분포하지 않는 육상과 구름역을 구분하기 위해 Geolocation 자료인 MOD03 product의 Landsea mask와 MOD35_L2 product의 MODIS Cloud mask를 이용하였다.
1. Study area of this study (Sea of Okhotsk).
1). 그리고 시간적 범위는 해빙이 존재하는 북반구 겨울기간인 2011-2013년 12-02월의 기간을 선정하였다.
, 1999). 본 연구는 오호츠크 해 영역 중, 위도 40-65 ˚N, 경도 130-165 ˚E 지역을 연구영역으로 선정하였다 (Fig. 1). 그리고 시간적 범위는 해빙이 존재하는 북반구 겨울기간인 2011-2013년 12-02월의 기간을 선정하였다.
본 연구에서는 해빙을 탐지하기 위해 MODIS의 공간 해상도가 1 km, 시간해상도 5분 자료를 사용하였다. MODIS는 NASA의 Terra 위성에 탑재되어 있으며, 다중분광 센서로 총 36개의 채널을 이용하여 지구를 관측하고 있다.
데이터처리
또한 MODIS IST·Brightness Temperature Difference (BTD, T11 µm-T12 µm)·T11 µm의 상호관계 특성을 분석하고, 분석 결과에 따라 지정된 임계값을 이용한 탐지 기법을 제시하였다. 이어서 제안한 해빙탐지 기법을 평가하기 위해 MODIS Sea Ice Extent 자료와 비교 및 분석을 실시하였다.
이론/모형
MODIS IST는 Hall et al.(2001)의 기법을 이용하여 산출하였으며 산출된 MODIS IST가 해수의 어는점인 273.0 K 이하인 화소에 대해 MODIS band 31, 32번 채널자료를 추출하였다. 추출된 채널자료는 각 채널의 Scale factor와 offset을 이용해 Radiance로 변환 후 각 채널의 밝기온도인 T11 µm, T12 µm로 변환하였다.
270 µm)번 자료를 사용하였고, 해빙이 분포하지 않는 육상과 구름역을 구분하기 위해 Geolocation 자료인 MOD03 product의 Landsea mask와 MOD35_L2 product의 MODIS Cloud mask를 이용하였다. 또한 해빙의 특성 분석 및 본 연구에서 산출한 해빙자료의 정확도를 검증하기 위해 MOD29_L2product를 사용하였다. MOD29_L2 product는 IST와 Sea ice extent로 구성되어 있으며, MODIS를 통해 산출된 IST는 0.
성능/효과
Comparison Index (CI)는 PA와 UA의 곱의 제곱근으로 두 개의 자료를 비교하여 전체적인 정확도를 나타낸다. 본 연구에서 제안한 기법과 MODIS 자료를 이용한 정량적 분석 결과, PA는 전체적으로 99% 이상의 일치율을 보이고, 전체 정확도를 나타내는 CI 또한 99% 이상으로 높은 정확도를 보였다. 그러나 RGB 영상과의 추가적인 정성적 검증 결과, Fig.
분류 결과, 구간에 따라 T11 µm와 BTD가 선형관계임을 확인하였으며, 이를 적용하여 임계값인 IST0를 지정하였고 최종적으로 청천역에서 T11 µm가 IST0 이하일 때 해빙으로 탐지하였다.
추가 분석수행 결과, 분류한 MODIS IST 구간에 따른 T11 µm와 BTD의 관계 또한 선형의 특징을 보였다(Fig. 2).
17% 결과를 보였고, 본 연구의 검증 결과, 99% 이상의 정확도를 보였다. 하지만 간접검증을 위해 사용한 MODIS Sea ice extent와 본 연구에서 산출한 해빙자료를 RGB 영상과 비교 시, 두 자료 모두 구름을 오탐지하는 지역과 MODIS IST값이 높은 지역에서 해빙이 아닌 바다를 오 탐지하는 지역이 존재하였다. 이에 따라 추가적인 연구가 필요할 것으로 사료된다.
후속연구
이에 따라 추가적인 연구가 필요할 것으로 사료된다. 또한 오호츠크 해가 포함된 영역에 대해서만 연구를 수행하였기 때문에 추후 오호츠크 해 이외의 영역에 대한 추가적인 연구가 필요할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
해빙의 직접 관찰이 어려운 이유는 무엇인가?
, 1987). 한편, 해빙은 지구상에 분포하는 지역이 광범위하고 접근이 어려우며 시간에 따른 변동성이 존재하기 때문에 해빙을 직접 관측하는데 어려움이 있다. 이에 반해 위성 자료를 이용한 해빙탐지는 실측보다 시·공간적으로 효율적이기 때문에 많은 선행연구에서 위성 자료를 이용한 연구가 진행되고 있다 (Hall et al.
해빙이 지구의 기후시스템에서 중요한 이유는 무엇인가?
해빙은 지표의 알베도와 바다의 열에너지 방출에 영향을 주며, 해양과 대기 사이에서 가스인 수증기 및 CO2의 교환을 조절하기 때문에 지구의 기후시스템에 중요 구성인자이다 (Allison et al., 2014; Seo et al.
위성 자료를 이용한 해빙탐지의 주요한 오차요인은 무엇인가?
구름의 경우, 해빙과 광학적 특성이 비슷하기 때문에 위성을 이용한 해빙탐지의 주요한 오차요인 중 하나이다. 이에 따라 본 연구에서는 확실한 해빙에 대한 분석을 수행하기 위해 MODIS Cloud mask가 적용된 MODIS Sea ice extent와 RGB 영상을 이용해 Training Scene을 선정하였다.
참고문헌 (14)
Allison, I., J. Carrasco, G. Kaser, R. Kwok, P. Mote, T. Murray, F. Paul, J. Ren, E. Rignot, O. Solomina, K. Steffen, T. Zhang, 2014. IPCC Fifth assessment report, WGI chapter 4: Observations: Cryosphere (2014), European Climate Adaptation Platform.
Cavalieri, D. J., C. L. Parkinson, 1987. On the relationship between atmospheric circulation and the fluctuations in the sea ice extents of the Bering and Okhotsk Seas. Journal of Geophysical Research, 92(C7): 7141-7162.
Hall, D. K., G. A. Riggs, V. V. Salomonson, J. S. Barton, K. Casey, J. Y. L. Chien, N. E. DiGirolamo, A. G. Klein, H. W. Powell, and A. B. Tait, 2001. Algorithm Theoretical Basis Docunemnt (ATBD) for the MODIS snow and sea ice-mapping algorithms, NASA GSFC, September.
Hall, D. K., G. A. Riggs, V. V. Salomonson, N. E. DiGirolamo and K. J. Bayr, 2002. MODIS snow-cover products, Remote Sensing of Environment, 83: 181-194.
Key, J. R., J. B. Collins, C. Fowler and R. S. Stone, 1997. High-latitude surface temperature estimates from thermal satellite data, Remote Sensing of Environment, 61: 302-309.
Key, J. R., R. Mahoney, Y. Liu, P. Romanov, M. Tschudi, I. Appel, J. Maslanik, D. Baldwin, X. Wang, and P. Meade, 2013. Snow and ice products from Suomi NPP VIIRS. Journal of Geophysical Research: Atmospheres, 118(23): 12816-12830.
Kimura N. and M. Wakatsuchi, 1999. Precesses controlling the advance and retreat of sea ice in the Sea of Okhotsk. Journal of Geophysical Research, 15 May 1999, 104(C5): 11137-11150.
Parkinson C. L., D. J. Cavalieri, P. Gloersen, H. J. Zwally, and J. C. Comiso, 1999. Arctic sea ice extents, areas, and trends, 1978-1996. Journal of Geophysical Research, 104(C9): 20837-20856.
Parkinson, C. L., J. C. Comiso, H. J. Zwally, D. J. Cavalieri, P. Gloersen and W. J. Campbell, 1987. Arctic sea ice, 1973-1976: Satellite passive-microwave observations, NASA SP-489, GPO, Washington, D.C., USA.
Riggs, G. A., D. K. Hall, V. V. Salomonson, 2006. MODIS Sea ice products User Guide to Collection 5, NASA.
Seo, M., H. C. Kim, M. Huh, J. M. Yeom, C. S. Lee, K. S. Lee, S. W. Choi, and K. S. Han, 2016. Long-Term Variability of Surface Albedo and Its Correlation with Climatic Variables over Antarctica, Remote Sensing, 8(12): 981.
Su, H., Y. Wang, J., Xiao, and X. H. Yan, 2015. Classification of MODIS images combining surfaces temperature and texture features using the support vector machine method for estimation of the extent of sea ice in the frozen Bohai Bay, China, International Journal of Remote Sensing, 36(10): 2734-2750.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.