이 연구에서는 Earth Observing System Terra 위성에 탑재된 Moderate Resolution Imaging Spectroradiometer (MODIS) 협대역 방출율(채널 29, 30, 31) 자료와 다중선형회귀모형을 이용하여 지표면 광대역 방출율을 추정하였다. 다중선형회귀모형 도출 및 검증을 위한 분광 방출율 자료는 MODIS University of California, Santa Barbara와 Advanced Spaceborne Thermal Emission and Reflection Radiometer spectral library의 307종(토양 123종, 식생 32종, 물 19종, 인위적 재료 43종, 바위 90종)을 사용하였다. 도출된 다중선형회귀모형의 결정계수($R^2$)는 0.95 (p<.001)로 높게 나타났고 또한 이 모형 결과와 이론적 광대역 방출율 값의 평균제곱근오차(Root Mean Square Error)는 0.0070이었다. 그리고 이 연구 결과에 따라 계산된 지표면 광대역 방출율을 선행 연구 Wang et al. (2005)의 결과와 비교하였다. 그 결과 아시아, 아프리카, 오세아니아 지역에서 이 연구와 Wang et al. (2005)의 결과에 대한 1월 평균 지표면 광대역방출율의 평균제곱근오차는 0.0054이었고 최소와 최대 편차는 각각 0.0027과 0.0067이었으며 이러한 통계 값은 8월에도 유사하였다. 이 연구에서 다중선형회귀모형에 의하여 계산한 지표면 광대역 방출율은 Wang et al. (2005)의 값과 큰 차이가 없이 비교적 정확하게 산출되었으나 산출 정확성 향상을 위해서는 토지피복특성에 따른 차별화된 회귀모형 적용 필요성이 제기된다.
이 연구에서는 Earth Observing System Terra 위성에 탑재된 Moderate Resolution Imaging Spectroradiometer (MODIS) 협대역 방출율(채널 29, 30, 31) 자료와 다중선형회귀모형을 이용하여 지표면 광대역 방출율을 추정하였다. 다중선형회귀모형 도출 및 검증을 위한 분광 방출율 자료는 MODIS University of California, Santa Barbara와 Advanced Spaceborne Thermal Emission and Reflection Radiometer spectral library의 307종(토양 123종, 식생 32종, 물 19종, 인위적 재료 43종, 바위 90종)을 사용하였다. 도출된 다중선형회귀모형의 결정계수($R^2$)는 0.95 (p<.001)로 높게 나타났고 또한 이 모형 결과와 이론적 광대역 방출율 값의 평균제곱근오차(Root Mean Square Error)는 0.0070이었다. 그리고 이 연구 결과에 따라 계산된 지표면 광대역 방출율을 선행 연구 Wang et al. (2005)의 결과와 비교하였다. 그 결과 아시아, 아프리카, 오세아니아 지역에서 이 연구와 Wang et al. (2005)의 결과에 대한 1월 평균 지표면 광대역방출율의 평균제곱근오차는 0.0054이었고 최소와 최대 편차는 각각 0.0027과 0.0067이었으며 이러한 통계 값은 8월에도 유사하였다. 이 연구에서 다중선형회귀모형에 의하여 계산한 지표면 광대역 방출율은 Wang et al. (2005)의 값과 큰 차이가 없이 비교적 정확하게 산출되었으나 산출 정확성 향상을 위해서는 토지피복특성에 따른 차별화된 회귀모형 적용 필요성이 제기된다.
In this study, the surface broadband emissivity ($3.0-14.0{\mu}m$) was calculated using the multiple linear regression model with narrow bands (channels 29, 30, and 31) emissivity data of the Moderate Resolution Imaging Spectroradiometer (MODIS) on Earth Observing System Terra satellite. ...
In this study, the surface broadband emissivity ($3.0-14.0{\mu}m$) was calculated using the multiple linear regression model with narrow bands (channels 29, 30, and 31) emissivity data of the Moderate Resolution Imaging Spectroradiometer (MODIS) on Earth Observing System Terra satellite. The 307 types of spectral emissivity data (123 soil types, 32 vegetation types, 19 types of water bodies, 43 manmade materials, and 90 rock) with MODIS University of California Santa Barbara emissivity library and Advanced Spaceborne Thermal Emission & Reflection Radiometer spectral library were used as the spectral emissivity data for the derivation and verification of the multiple linear regression model. The derived determination coefficient ($R^2$) of multiple linear regression model had a high value of 0.95 (p<0.001) and the root mean square error between these model calculated and theoretical broadband emissivities was 0.0070. The surface broadband emissivity from our multiple linear regression model was comparable with that by Wang et al. (2005). The root mean square error between surface broadband emissivities calculated by models in this study and by Wang et al. (2005) during January was 0.0054 in Asia, Africa, and Oceania regions. The minimum and maximum differences of surface broadband emissivities between two model results were 0.0027 and 0.0067 respectively. The similar statistical results were also derived for August. The surface broadband emissivities by our multiple linear regression model could thus be acceptable. However, the various regression models according to different land covers need be applied for the more accurate calculation of the surface broadband emissivities.
In this study, the surface broadband emissivity ($3.0-14.0{\mu}m$) was calculated using the multiple linear regression model with narrow bands (channels 29, 30, and 31) emissivity data of the Moderate Resolution Imaging Spectroradiometer (MODIS) on Earth Observing System Terra satellite. The 307 types of spectral emissivity data (123 soil types, 32 vegetation types, 19 types of water bodies, 43 manmade materials, and 90 rock) with MODIS University of California Santa Barbara emissivity library and Advanced Spaceborne Thermal Emission & Reflection Radiometer spectral library were used as the spectral emissivity data for the derivation and verification of the multiple linear regression model. The derived determination coefficient ($R^2$) of multiple linear regression model had a high value of 0.95 (p<0.001) and the root mean square error between these model calculated and theoretical broadband emissivities was 0.0070. The surface broadband emissivity from our multiple linear regression model was comparable with that by Wang et al. (2005). The root mean square error between surface broadband emissivities calculated by models in this study and by Wang et al. (2005) during January was 0.0054 in Asia, Africa, and Oceania regions. The minimum and maximum differences of surface broadband emissivities between two model results were 0.0027 and 0.0067 respectively. The similar statistical results were also derived for August. The surface broadband emissivities by our multiple linear regression model could thus be acceptable. However, the various regression models according to different land covers need be applied for the more accurate calculation of the surface broadband emissivities.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
자료를 사용하였으나 이 연구에서는 두자료를 모두 이용하여 경험적 실험으로 307종의 분광 방출율 자료를 선택 및 이용하였으며 독립변수를 늘리고 협대역과 광대역 방출율 사이의 특성을 더확고히 하고자 함이 핵심이다. 그리고 Earth Observing System (EOS) MODIS 협대역 방출율 자료(MOD11C3)를 입력자료로 사용하여 지표면 광대역 방출율을 산출하였으며 선행연구인 Wang et al. (2005)의 모형과 비교 및 분석 되었다. 이 결과는 차세대 정지궤도 위성 GK-2A의 산출물인 지표면 상향장파복사 산출 알고리즘 개발에 활용될 수 있다.
반사율 자료 중 307종자료를 사용하였다. 그리고 해당 방출율 자료를 이용하여 MODIS 센서의 TIR 영역에 해당하는 채널 29와 31 및 32의 협대역 방출율과 광대역 방출율의 선형적 관계를 분석하여 다중선형회귀모형을 도출하였다. 그 결과 회귀모형의 결정계수는 0.
0067로 감소하였다. 따라서 이 연구에서는 MODIS 세 채널의 협대역 방출율을 모두 사용하여 식 (8)과 같이 다중선형회귀 모형을 도출하였다.
이러한 과정을 통한 307 종류의 협대역 방출율과 광대역 방출율 계산 결과를 Levesque (2007)의 Statistical Package for the Social Sciences (SPSS) 통계 프로그램을 이용하여 다중선형회귀모형을 도출하였다. 먼저 MODIS 채널 중에서 가장 상관 계수가 높았던 채널 31의 협대역 방출율을 이용하여 회귀모형을 도출하였고 이후 순차적으로 채널 29와 32의 협대역 방출율을 단계적으로 추가함(Astin and Denson, 2009)으로써 총 세 개의 회귀모형을 도출하 였다. 그 결과 세 회귀모형의 결정계수(p< .
이 연구에서는 Fig. 2에 나타낸 10종류를 포함한 전체 307 종류의 방출율 자료에 대해서 식 (4)-(5)를이용하여 3-14 μm 광대역 방출율과 MODIS 채널(29, 31, 32)의 협대역 범위에 대한 방출율을 각각 적분 계산하였다.
이 연구에서는 지표면 특성에 따라 미리 실험실에서 관측된 MODIS UCSB 분광 방출율 및 ASTER S.L. 반사율 자료를 모두 이용하여, 지표면 광대역 방출율 산출을 위한 다중선형회귀모형을 도출하였다. 선행연구 Wang et al.
4e의 5종류(토양, 바위, 식생, 물, 인위적 재료)로 분리된 방출율 자료를 통합하여 하나의 선형 회귀선으로 나타낸 것이다. 이때 통합된 하나의 선형 회귀선은 Fig. 4b와 Fig. 4d 및 Fig. 4f에서와 같이 5종류에 따른 각각의 선형회귀선과 비교하여 차이가 발생될 수 있으나 지표면 광대역 방출율의 연속성을고려하여 이 연구에서는 토양(123 종류), 바위(90 종류), 인위적 물질(43 종류), 식생(32 종류) 그리고 물 (19 종류)의 307종류의 자료를 통합하여 하나의 선형 회귀식으로 나타내었다. 그에 따른 MODIS 각 채널에 대한 협대역과 광대역 방출율의 상관계수는 모두 0.
대상 데이터
이 연구에서 도출한 다중선형회귀모형을 이용하여 지표면의 광대역 방출율을 산출하고자 EOS MODIS 에서 제공되는 MOD11C3 (CGM Monthly LandSurface Temperature/Emissivity-0.05 Deg)자료 중 채널 29와 31 및 32의 지표면 방출율 자료를 입력자료로써 사용하였다. 그에 따른 입력자료는 유라시아와 아프리카 및 오세아니아 지역들에 대해 2014년 1월과 8월의 평균값을 사용하여 Fig.
이 연구에서는 경험적 실험으로 MODIS UCSB 자료 중 142 종류(토양 71, 식생 28, 물 10, 인위적 물질 33)와 ASTER S.L. 자료 중 165 종류(토양 52, 식생 4, 물 9, 바위 90, 인위적 물질 10)를 선택하였다. ASTER S.
이 연구에서는 지표면 종류에 따른 MODIS UCSB 방출율 자료와 ASTER S.L. 반사율 자료 중 307종자료를 사용하였다. 그리고 해당 방출율 자료를 이용하여 MODIS 센서의 TIR 영역에 해당하는 채널 29와 31 및 32의 협대역 방출율과 광대역 방출율의 선형적 관계를 분석하여 다중선형회귀모형을 도출하였다.
이때 분광반응함수(fch(λ))는 Numerical Weather Prediction network of Satellite Application Facilities (NWP SAF) 자료를 이용하였고 지표 피복에 따른 방출율(ε (λ))은 여러 물질 및 파장에 따른 실험 자료인 MODIS UCSB 방출율 자료와 ASTER S.L. 반사율 자료를 사용하였다.
데이터처리
이 연구 결과인 광대역 방출율 산출 결과는 관측 자료와 직접 비교 검증하는 것이 바람직하나 자료 한계 때문에 Wang et al. (2005)의 회귀모형 결과와 간접 비교하였다. 즉 이 연구에서 도출한 지표면 광대역 방출율 산출 값은 Wang et al.
83으로 가장 높았다. 이러한 과정을 통한 307 종류의 협대역 방출율과 광대역 방출율 계산 결과를 Levesque (2007)의 Statistical Package for the Social Sciences (SPSS) 통계 프로그램을 이용하여 다중선형회귀모형을 도출하였다. 먼저 MODIS 채널 중에서 가장 상관 계수가 높았던 채널 31의 협대역 방출율을 이용하여 회귀모형을 도출하였고 이후 순차적으로 채널 29와 32의 협대역 방출율을 단계적으로 추가함(Astin and Denson, 2009)으로써 총 세 개의 회귀모형을 도출하 였다.
이론/모형
ASTER S.L. 자료는 반사율(ρλ)로 제공되기 때문에 에너지 보존법칙 및 키르호프(Kirchhoff)법칙에 따라 다음 식 (7)과 같이 방출율(ελ)로 환산하여 사용하였다.
성능/효과
, 2002)이기 때문이다. Fig. 3은 Fig. 2와 같은 10 종류 표본에 대하여 온도변화에 따른 광대역 방출율 변화를 나타낸 것으로써 10 종류 표본 모두 온도 변화 효과가 매우 작았으며 그 중 비교적 크게 나타난 표본 번호 4번 조차 온도에 따른 광대역 방출율 변화율이 0.002/K 정도로 크지 않았다.
그 결과 세 회귀모형의 결정계수(p< .001)는 각각 0.6945, 0.9485, 0.9491로 증가하였으며 평균제곱 근오차는 0.0165, 0.0068, 0.0067로 감소하였다.
그 결과 회귀모형의 결정계수는 0.95(p< .001)이었고 지표면에 따른 광대역 방출율 계산 값의 평균 제곱근오차는 토양, 바위, 식생, 물, 인위적 재료에 대하여 각각 0.0041, 0.0101, 0.0065, 0.0041 그리고 0.0073 이었다.
00 에 접근하고 있음을 알 수 있다. 그리고 물(표본번호: 199)과 눈(표본 번호: 203) 및 얼음(표본번호: 202)은 전체 파장 영역 에서 방출율이 높았고, 토양(표본번호: 44와 54)과 바위(표본번호: 218)는 MODIS 채널 29 파장범위에서 방출율 변화가 컸고 얼음은 다른 물들에 비해 채널 32에서 방출율 변화가 크게 나타났다.
0073 이었다. 그리고 이 연구 결과를 이용한 유라시아와 아프리카 및 오세아니아 지역들에 대한 2014년 1월과 8월 평균 지표면 광대역 방출율 산출 결과는 토양 피복과 시간에 따른 변화가 분명하게 나타났다.
그에 따른 MODIS 각 채널에 대한 협대역과 광대역 방출율의 상관계수는 모두 0.65(p< .001) 이상이었고 특히 채널 31의 상관계수는 0.83으로 가장 높았다.
채널 29의 협대역 방출율 값은 다른 두 채널과 비교하여 낮고 공간적으로 뚜렷한 반면 채널 32는 방출율 값은 높으나 사막지역을 제외하고 공간적 변화가 크지 않았으며 또한 32 채널은 카스피 해 지역에서보듯 액체 물에 대한 민감도가 매우 떨어졌다. 세 채널 모두 적설과 식생 변화에 대한 계절 변동이 뚜렷하였으며 저위도에서는 식생의 변화가 거의 없어 방출율 변화도 매우 작았다. 특히 채널 29에서 시간적 방출율 변동이 가장 뚜렷하였고 채널 32는 채널 29 및 31과 반대로 러시아지역에서 겨울철 눈 덮임에 의한 방출율이 낮게 나타났으며 이러한 방출율 특징은 Fig.
종류별로 나누어 확인했을 때, 인위적 물질과 바위를 제외하면 이론식과 비교하여 ±1.0% 내외의 오차율을 나타내었다.
8에 나타내었다. 채널 29의 협대역 방출율 값은 다른 두 채널과 비교하여 낮고 공간적으로 뚜렷한 반면 채널 32는 방출율 값은 높으나 사막지역을 제외하고 공간적 변화가 크지 않았으며 또한 32 채널은 카스피 해 지역에서보듯 액체 물에 대한 민감도가 매우 떨어졌다. 세 채널 모두 적설과 식생 변화에 대한 계절 변동이 뚜렷하였으며 저위도에서는 식생의 변화가 거의 없어 방출율 변화도 매우 작았다.
후속연구
(2005)의 모형과 비교 및 분석 되었다. 이 결과는 차세대 정지궤도 위성 GK-2A의 산출물인 지표면 상향장파복사 산출 알고리즘 개발에 활용될 수 있다.
이 연구에 의한 다중선형회귀모형의 광대역 방출율 결과는 지표면에서의 상향장파복사 계산을 위하여 사용될 것이고 다중선형회귀모형의 정확성 향상을 위하여 다양한 지표면 방출율 자료와 그에 따른 검증자료 확보가 중요하며 이 내용에 대해서는 추가적인 연구를 통하여 밝히고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
지표면 광대역 방출율은 어떤 요소인가?
지표면 광대역 방출율(Surface Broadband Emissivity) 은 지구복사 수지 및 기후 평가 요소일 뿐만 아니라 기상 예측 및 수문 모델의 중요 매개변수로 사용되며(Tang et al., 2011), 특히 아래의 식 (1)과 같은 지표면 상향장파복사(Upward Longwave Radiation; ULR) 계산을 위한 핵심 요소이다(Lee et al., 2010).
바위류는 종류에 따라 추정결 과가 매우 다르게 나온 이유는?
5% 이내의 양호한 추정 결과를 보였다. 이때 바위류는 종류에 따라서 추정결 과가 매우 다르게 나타나는데 이러한 결과는 파장에 대해 바위 구성 성분에 따른 방출율의 변화 경향이 매우 상이하기 때문이다. 물의 경우 모두 좋은 추정치로 나타났으며 그 중 눈에 대해서는 과소추정 그리고 얼음에 대해서는 과대 추정되었다.
지표면 광대역 방출율 분포 결과는 어떻게 나타났는가?
9에 나타내었다. 이그림에서 보는 바와 같이 산출된 지표면 광대역 방출율은 토양 피복에 따른 공간 변화가 뚜렷하게 나타났고 지표면의 눈 덮임이나 식생 변화 등의 시간 변화도 분명하였다(Figs. 10, 11).
참고문헌 (18)
Astin, A.W. and Denson, N., 2009, Multi-Campus Studies of College Impact: Which Statistical Method is Appropriate?. Research in Higher Education, 50, 354-367.
Choi, D.S., Kim, J.H., and Park, H., 2015, Derivation of Geostationary Satellite Based Background Temperature and Its Validation with Ground Observation and Geographic Information. Korean Journal of Remote Sensing, 31, 583-598.
Huete, A., Justice, C., and Leeuwen, W.V., 1999, MODIS vegetation index (MOD 13) algorithm theoretical basis document Version 3.0, 120 p.
Jin, M. and Liang, S., 2006, An Improved Land Surface Emissivity Parameter for Land Surface Models Using Global Remote Sensing Observations. Journal of Climate, 19, 2867-2881.
Lee, H.T., Laszlo, I., and Gruber, A., 2010, ABI Earth Radiation Budget Upward Longwave Radiation: Surface (ULR). NOAA NESIDS CENTER for SATELLITE APPLICATIONS and RESEARCH, Algorithm Theoretical Basis Document Version 2.0, 39 p.
Levesque, R., 2007, SPSS programming and Data Management, 4th Edition, A Guide for SPSS and SAS Users. SPSS Incorporated., Chicago, USA, 522 p.
Liang, S., Wang, K., and Townshend, J., 2008, Land Surface Thermal-IR Emissivity Modeling. https://www.star.nesdis.noaa.gov/jcsda/documents/meetings/wkshp2008/3/Land_Surface_Thermal-IR_Emissivity_Modeling3.pdf(December 15th 2016)
NASA, 2017, CERES_SSFdeg-Hour/Day/Month_Ed4A Data Quality Summary. https://ceres.larc.nasa.gov/dqs.php
Ogawa, K., Schmugge, T., Jacob, F., and French, A, 2002, Estimation of Broadband land surface emissivity from multi-spectral thermal infrared remote sensing. Agro nomie, 22, 695-696.
Ogawa, K.T., Schmugge, T., and Jacob, F., 2003, Estimation of land surface window ( $8-12{\mu}m$ ) emissivity from multi-spectral thermal infrared remote sensing-A case study in a part of Sahara Desert. Geophysical Research Letters, 30, 1067-1070.
Park, K.H. and Suh, M.S., 2013, Inter-comparison of three land surface emissivity data set (MODIS, CIMSS, KNU) in the Asian-Oceanian regions. Korean Journal of Remote Sensing, 29, 219-233. (in Korean)
Park, K.H. and Suh, M.S., 2014, Improvement of infrared channel emissivity data in COMS observation area from recent MODIS data (2009-2012). Korean Junrnal of Remote sensing, 30, 109-126.
Wan, Z., 1999, MODIS Land-Surface Temperature Algorithm Theoretical Basis Document (LSTATBD) Version 3.3. Institute for Computational Earth System Science University of California, Santa Barbara, 75 p.
Wang, K., Liu, J., Zhou, X., Sparrow, M., Ma, M., Sun, Z., and Jiang, W., 2004, Validation of the MODIS global land surface albedo product using ground measurements in a semidesert region on the Tibetan Plateau. Journal of Geophysical Research, 109, D05107.
Wang, K., Wan, Z., Wang, P., Sparrow, M., Liu, J., Zhou, X., and Haginoya, S., 2005, Estimation of surface long wave radiation and broadband emissivity using Moderate Resolution Imaging Spectroradiometer (MODIS) land surface temperature/emissivity products. Journal of Geophysical Research, 110, D11109.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.