[국내논문]천리안 위성영상(MI)과 Landsat-8 위성영상(OLI, TIRS)을 이용한 화산재 정보 산출: 사쿠라지마 화산의 사례연구 Retrieving Volcanic Ash Information Using COMS Satellite (MI) and Landsat-8 (OLI, TIRS) Satellite Imagery: A Case Study of Sakurajima Volcano원문보기
화산재는 화산쇄설물 중 2 mm 이하의 크기를 가지는 작은 미세 암편으로 화산 분화 이후 낙하에 의해 여러 가지 피해를 가져온다. 화산재 피해는 운송업과 생산업 그리고 동 식물 및 인간의 호흡기 활동에 영향을 줄 수 있다. 따라서 이러한 화산재의 피해를 예방하기 위해서는 화산재 확산 정보가 중요하며 광범위하게 확산되는 화산재 관측은 위성을 활용하는 것이 효과적이다. 본 연구에서는 일본 사쿠라지마 화산의 두 번의 분화 사례를 연구하였으며 정지궤도 위성인 천리안 위성(Communication, Ocean and Meteorological Satellite: COMS)의 기상 탑재체(Meteorological Imager: MI) 영상과 극궤도 위성인 Landsat-8의 Operational Land Imager (OLI), Thermal InfraRed Sensor (TIRS) 영상을 활용하여 화산재 확산 정보를 산출하였다. COMSMI 영상으로부터 화산재 화소를 추출하여 화산재의 확산 방향과 속도를 분석하였으며, Landsat-8 영상에 대하여 그림자 측정법을 적용하여 화산재 높이를 산출하였다. 또한 본 연구에서 산출된 결과를 도쿄 화산재 주의보센터(Volcanic Ash Advisories center: VAAC)와 비교하였다. 비교 결과, 화산재 확산의 방향은 두 연구에서 모두 유사한 방향으로 산출되었으나 화산재 속도는 화산재주의보센터에서 제공되는 속도에 비해 약 4배 느리게 산출되었다. 또한, 화산재 높이는 화산재 주의보센터 정보에서는 단일 값으로 제공되지만 본 연구에서는 화산재 확산위치에 따라 다르게 관측됨을 확인하였다. VAAC의 경우 화산 분화의 빠른 대응을 위해 분화구 주변 지역에 대해 대략적 값을 산정하지만 본 연구에서는 화산재 확산이 중요하기 때문에 실제 화산재 확산이 관측된 다양한 영상으로부터 화산재가 확산된 전체 지역에 대한 정보를 산출하였기 때문에 차이가 발생하였을 것으로 판단된다. 대규모 분화가 발생할 경우 한반도에 미치는 영향을 확인하기 위해서는 화산재 확산 관측이 중요하다. 본 연구를 통해 서로 다른 특성을 지니는 위성영상을 활용하여 화산재가 확산된 전체 영역에 대해 다양한 정보를 산출하는데 활용될 수 있을 것이다.
화산재는 화산쇄설물 중 2 mm 이하의 크기를 가지는 작은 미세 암편으로 화산 분화 이후 낙하에 의해 여러 가지 피해를 가져온다. 화산재 피해는 운송업과 생산업 그리고 동 식물 및 인간의 호흡기 활동에 영향을 줄 수 있다. 따라서 이러한 화산재의 피해를 예방하기 위해서는 화산재 확산 정보가 중요하며 광범위하게 확산되는 화산재 관측은 위성을 활용하는 것이 효과적이다. 본 연구에서는 일본 사쿠라지마 화산의 두 번의 분화 사례를 연구하였으며 정지궤도 위성인 천리안 위성(Communication, Ocean and Meteorological Satellite: COMS)의 기상 탑재체(Meteorological Imager: MI) 영상과 극궤도 위성인 Landsat-8의 Operational Land Imager (OLI), Thermal InfraRed Sensor (TIRS) 영상을 활용하여 화산재 확산 정보를 산출하였다. COMSMI 영상으로부터 화산재 화소를 추출하여 화산재의 확산 방향과 속도를 분석하였으며, Landsat-8 영상에 대하여 그림자 측정법을 적용하여 화산재 높이를 산출하였다. 또한 본 연구에서 산출된 결과를 도쿄 화산재 주의보센터(Volcanic Ash Advisories center: VAAC)와 비교하였다. 비교 결과, 화산재 확산의 방향은 두 연구에서 모두 유사한 방향으로 산출되었으나 화산재 속도는 화산재주의보센터에서 제공되는 속도에 비해 약 4배 느리게 산출되었다. 또한, 화산재 높이는 화산재 주의보센터 정보에서는 단일 값으로 제공되지만 본 연구에서는 화산재 확산위치에 따라 다르게 관측됨을 확인하였다. VAAC의 경우 화산 분화의 빠른 대응을 위해 분화구 주변 지역에 대해 대략적 값을 산정하지만 본 연구에서는 화산재 확산이 중요하기 때문에 실제 화산재 확산이 관측된 다양한 영상으로부터 화산재가 확산된 전체 지역에 대한 정보를 산출하였기 때문에 차이가 발생하였을 것으로 판단된다. 대규모 분화가 발생할 경우 한반도에 미치는 영향을 확인하기 위해서는 화산재 확산 관측이 중요하다. 본 연구를 통해 서로 다른 특성을 지니는 위성영상을 활용하여 화산재가 확산된 전체 영역에 대해 다양한 정보를 산출하는데 활용될 수 있을 것이다.
Volcanic ash is a fine particle smaller than 2 mm in diameters. It falls after the volcanic eruption and causes various damages to transportation, manufacturing industry and respiration of living things. Therefore diffusion information of volcanic ash is highly significant for preventing the damages...
Volcanic ash is a fine particle smaller than 2 mm in diameters. It falls after the volcanic eruption and causes various damages to transportation, manufacturing industry and respiration of living things. Therefore diffusion information of volcanic ash is highly significant for preventing the damages from it. It is advantageous to utilize satellites for observing the widely diffusing volcanic ash. In this study volcanic ash diffusion information about two eruptions of Mt. Sakurajima were calculated using the geostationary satellite, Communication, Ocean and Meteorological Satellite (COMS) Meteorological Imager (MI) and polar-orbiting satellite, Landsat-8 Operational Land Imager (OLI) and the Thermal InfraRed Sensor (TIRS). The direction and velocity of volcanic ash diffusion were analyzed by extracting the volcanic ash pixels from COMS-MI images and the height was retrieved by adjusting the shadow method to Landsat-8 images. In comparison between the results of this study and those of Volcanic Ash Advisories center (VAAC), the volcanic ash tend to diffuse the same direction in both case. However, the diffusion velocity was about four times slower than VAAC information. Moreover, VAAC only provide an ash height while our study produced a variety of height information with respect to ash diffusion. The reason for different results is measured location. In case of VAAC, they produced approximate ash information around volcano crater to rapid response, while we conducted an analysis of the ash diffusion whole area using ash observed images. It is important to measure ash diffusion when large-scale eruption occurs around the Korean peninsula. In this study, it can be used to produce various ash information about the ash diffusion area using different characteristics satellite images.
Volcanic ash is a fine particle smaller than 2 mm in diameters. It falls after the volcanic eruption and causes various damages to transportation, manufacturing industry and respiration of living things. Therefore diffusion information of volcanic ash is highly significant for preventing the damages from it. It is advantageous to utilize satellites for observing the widely diffusing volcanic ash. In this study volcanic ash diffusion information about two eruptions of Mt. Sakurajima were calculated using the geostationary satellite, Communication, Ocean and Meteorological Satellite (COMS) Meteorological Imager (MI) and polar-orbiting satellite, Landsat-8 Operational Land Imager (OLI) and the Thermal InfraRed Sensor (TIRS). The direction and velocity of volcanic ash diffusion were analyzed by extracting the volcanic ash pixels from COMS-MI images and the height was retrieved by adjusting the shadow method to Landsat-8 images. In comparison between the results of this study and those of Volcanic Ash Advisories center (VAAC), the volcanic ash tend to diffuse the same direction in both case. However, the diffusion velocity was about four times slower than VAAC information. Moreover, VAAC only provide an ash height while our study produced a variety of height information with respect to ash diffusion. The reason for different results is measured location. In case of VAAC, they produced approximate ash information around volcano crater to rapid response, while we conducted an analysis of the ash diffusion whole area using ash observed images. It is important to measure ash diffusion when large-scale eruption occurs around the Korean peninsula. In this study, it can be used to produce various ash information about the ash diffusion area using different characteristics satellite images.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
, 2010). 따라서 이번 연구에서는 정지궤도 위성과 극궤도 위성 각각의 특성을 지니는 자료를 활용하여 화산재 정보 생성에 관한 연구를 수행함으로써, 화산재 확산의 실제적인 정보를 산출하고자 한다.
본 연구에서는 화산재 확산 모니터링에 필요한 확산 방향, 확산 속도, 화산재 높이정보를 산출하기 위해 정지궤도 위성 자료와 극궤도 위성 자료를 사용하여 상호 보완적으로 이를 활용하기 위한 연구를 진행하였다. 이를 위해, 정지궤도 위성인 COMS-MI의 준 실시간 영상 정보를 이용하여 화산재 속도와 방향을 산출하였으며, 극궤도 위성인 Landsat-8 위성영상의 높은 공간 해상도를 이용하여 화산재 높이 값을 산출하였다.
화산재 높이값은 화산재 확산 예측 모델에 사용되며, 높을수록 화산재가 더 먼 거리까지 확산되는 경향이 있다. 산출된 화산재 높이는 화산재 확산 모델에 이용되어 피해 예측 정보로 사용될 수 있기 때문에, 본 연구에서는 최고점에 해당하는 값을 화산재 높이로 제시하였다. 따라서 화산재 확산 모델 예측의 정확도 향상 측면에서 화산재 높이변화 정보는 중요한 산출 정보로서 활용될 수 있다.
제안 방법
화산재 확산 정보를 생성하기 위해서 화산재 확산 방향, 속도, 높이 등의 정보가 중요하며 이를 위해서 다양한 방법을 이용하여 관측을 수행한다. 지상에서는 레이더(radar)나 라이다(lidar)와 같은 장비를 이용하여 정밀하게 화산재 확산을 관측할 수 있다.
열적외 센서는 대기에 거의 흡수되지 않는 파장대역인 대기의 창(Atmospheric Window)영역에 해당하는 파장 11 μm와 12 μm의 밝기온도차를 이용하여 화산재와 화산가스와 같은 에어로졸을 검출, 분석한다.
화산재 정보를 산출하기 위해서 우선적으로 도쿄화산재 주의보센터에서 제공하는 화산분화 시간정보와 위성관측시간을 검색하여 위성영상을 확보하였다. COMSMI와 Landsat-8 위성 영상은 제공하는 정보가 서로 다르기 때문에 각각 다른 분석과정을 거쳐 화산재를 검출 하였다.
COMS-MI 자료를 이용한 화산재 정보 산출 과정은 3단계로 진행하였으며, 위성의 해상도가 낮아 화산재 검출 보정 전과 후의 차이가 거의 없기 때문에 지형보정과 대기보정을 생략하였다. 우선, 밝기온도차방법 (Brightness Temperature Difference; BTD)을 사용하여 구름과 화산재를 구분하고 그 후 임계값을 이용하여 화산재를 추출하였다.
우선, 밝기온도차방법 (Brightness Temperature Difference; BTD)을 사용하여 구름과 화산재를 구분하고 그 후 임계값을 이용하여 화산재를 추출하였다. 마지막으로 시간별 영상에서 화산분화구와 화산재 끝점을 연결하여 화산재의 확산 속도 및 방향을 산출하였다.
네 번째 단계에서는 화산재 그림자 추출 단계로서 위성영상에서 단파적외선과 열적외선 색상을 이용한다. 다섯 번째 단계에서는 정확한 그림자 길이 측정을 위해 UTM 좌표계 (Universal Transverse Mercator Coordinate System)로 변환하였으며 여섯 번째 단계로 수치표고모델(Digital elevation model)을 이용하여 지형에 의한 그림자 길이를 보정하고 마지막 단계에서 그림자 길이를 산출하여 화산재 높이를 계산한다.
COMS-MI 영상은 15분 간격의 영상정보를 제공하기 때문에 여러 개의 영상을 이용하여 화산재의 확산 속도와 방향을 산출할 수 있다. 도쿄화산재주의보센터에서 제공하는 화산의 첫 분화시간으로부터 위성영상시간까지를 확산시간으로 설정한 후 화산의 분화 위치를 시작점으로 하여 확산된 화산재의 끝점을 각 영상별로 연결해 화산재가 확산된 거리를 측정하였다. 이를 통해 화산재의 확산 시간과 거리를 이용하여 확산 속도를 산출하고 분화구에서 화산재 끝점으로 이어지는 방향을 화산재 확산 방향으로 제시하였다.
도쿄화산재주의보센터에서 제공하는 화산의 첫 분화시간으로부터 위성영상시간까지를 확산시간으로 설정한 후 화산의 분화 위치를 시작점으로 하여 확산된 화산재의 끝점을 각 영상별로 연결해 화산재가 확산된 거리를 측정하였다. 이를 통해 화산재의 확산 시간과 거리를 이용하여 확산 속도를 산출하고 분화구에서 화산재 끝점으로 이어지는 방향을 화산재 확산 방향으로 제시하였다.
위성영상 분석 전에 우선적으로 대기에 의한 왜곡을 보정하기 위해 Chavez(1996)이 제시한 대기보정 모델(COSine Theta; COST)을 사용하여 대기효과를 제거한다. 그리고 지형기복으로 인한 위성자료의 관측값을 보정하기 위해 기하학적 보정을 수행한다. 그 후 대기와 지형 보정 과정을 거쳐 오차가 줄어든 영상으로부터 화산재 추출의 오차요인이 되는 구름과 물을 제거하였다.
그리고 지형기복으로 인한 위성자료의 관측값을 보정하기 위해 기하학적 보정을 수행한다. 그 후 대기와 지형 보정 과정을 거쳐 오차가 줄어든 영상으로부터 화산재 추출의 오차요인이 되는 구름과 물을 제거하였다. 이때 위성영상에서 많은 부분을 차지하는 바다와 호수, 강등을 우선적으로 제거하였으며(Water Masking, Fig.
그림자의 길이는 태양의 천정각 방향으로 측정하며, 산과 같이 높은 지형에 의해 그림자 길이가 짧게 나타나는 부분은 수치표고모델 (Digital Elevation Model)을 이용해 보정하였다. 본 연구에서 사용한 수치표고모델은 SRTM(Shuttle Radar Topography Mission)으로 30 m 해상도의 자료를 사용하여 그림자 길이를 보정하였으며 위성영상에서 뚜렷하게 그림자가 검출된 부분만을 이용하여 높이를 산출하였다.
일본 사쿠라지마 화산의 2013년 11월 분화와 2015년 5월 분화를 대상으로 15분 간격으로 측정된 COMS-MI 영상을 각각 4장씩 이용하여 화산재 확산 속도와 방향을 산출하였다(Fig. 6(a)).
한반도 주변의 화산이 분화하면 도쿄 화산재주의보 센터(Tokyo VAAC: Volcano Ash Advisory Center)에서는 화산재 방향, 속도, 높이에 대한 정보를 자동 산출한다. 본 연구결과의 최종 산출물(확산 방향, 속도, 높이)을 도쿄 화산재주의보센터와 비교하였으며(Table 2), 다음과 같은 결론을 얻을 수 있었다. 첫째, 화산재의 확산 방향은 두 연구사례 모두 유사하게 나타났으며, 두 결과 사이에서 발생한 약간의 차이는 COMS-MI 영상과 화산재 주의보센터의 관측 시간 차이에 의해 유발된 것으로 볼 수 있다.
화산 재주의보센터에서는 화산재 전체의 면적보다 넓은 범위에서 4~9개의 점을 선정하여 폴리곤을 형성하고 확산 정보를 산출한다. 반면에 본 연구에서는 위성영상에서 뚜렷하게 나타나는 화산재 화소만을 검출하여 화산재 확산 거리를 측정하고 확산 정보를 산출하였다. 빠르고 대략적인 정보 산출에서는 폴리곤 방법이 유용하지만 정밀한 정보 산출 측면에서는 화산재 화소를 이용한 방법이 보다 유용하다고 할 수 있다.
셋째, 화산재 높이는 화산재가 일정한 높이로 확산되는 경우 화산재주 의보센터와 유사하게 산출되지만 난기류와 같은 현상으로 인하여 화산재의 높이가 일정하지 않을 때는 두 결과 사이에 큰 차이가 발생하는 경향이 보였다. 화산재 주의보센터에서는 분화 직후 화구 위로 솟구치는 화산재가 도달하는 최고점을 화산재 높이로 제공하지만 본 연구에서는 화산재가 확산 과정 중에 도달하는 높이의 최고점을 화산재 높이로 제시하였다. 이와 같이 화산재는 실시간으로 다양하게 변화하기 때문에 관측 시점과 관측 기준점 위치에 따라서도 결과값 정보가 다르게 산출될 수 있다는 것을 도쿄 화산재주의보센터와의 비교를 통하여 확인할 수 있었다.
본 연구에서는 화산재 확산 모니터링에 필요한 확산 방향, 확산 속도, 화산재 높이정보를 산출하기 위해 정지궤도 위성 자료와 극궤도 위성 자료를 사용하여 상호 보완적으로 이를 활용하기 위한 연구를 진행하였다. 이를 위해, 정지궤도 위성인 COMS-MI의 준 실시간 영상 정보를 이용하여 화산재 속도와 방향을 산출하였으며, 극궤도 위성인 Landsat-8 위성영상의 높은 공간 해상도를 이용하여 화산재 높이 값을 산출하였다. 동일한 화산 분화에 대해 서로 다른 위성영상 자료로부터 산출된 화산재 정보는 화산재 예·경보에 더욱 유용하게 사용될 수 있을 것이다.
그리고 화산재 추출의 마지막 과정으로 열적외선을 이용한 밝기온도차 방법을 적용하여 경험적 임계값으로 화산재를 추출하였다(BTD, Fig.4
3의 흐름도와 같이 COMS-MI와 Landsat-8 영상분석으로 이루어진다. 화산재 정보를 산출하기 위해서 우선적으로 도쿄화산재 주의보센터에서 제공하는 화산분화 시간정보와 위성관측시간을 검색하여 위성영상을 확보하였다. COMSMI와 Landsat-8 위성 영상은 제공하는 정보가 서로 다르기 때문에 각각 다른 분석과정을 거쳐 화산재를 검출 하였다.
대상 데이터
본 연구에서는 제주도와 부산에 약 400 km의 거리에 위치하고 있으며 대규모 화산 분화시 국내 화산재 유입 가능성이 있는 일본 규슈지역 사쿠라지마 화산을 대상으로 선정하였다. 사쿠라지마 화산은 우리나라 남동쪽 방향으로 위도 31.
, 2014). 따라서 본 연구에서는 주로 공간해상도가 좋은 가시광선과 밝기온도차로부터 화산재 구분이 가능한 열적외선 영역을 활용하였으며 화산재의 시공간적 탐지 능력 향상을 위해 정지궤도 위성인 천리안 위성영상 자료와 극궤도 위성인 Landsat-8 위성영상 자료를 활용하였다.
그림자 측정법을 이용하여 화산재 높이 산출을 위해 2013년 11월과 2015년 5월의 사쿠라지마 분화를 대상으로 Landsat-8 자료를 취득하였다(Fig. 7(a1), Fig.
이론/모형
천리안 위성은 해양관측위성탑재체(Geostationary Ocean Color Imager; GOCI)와 기상 탑재체(MI) 센서를 탑재하고 있으며 하루에 8회 찍는 GOCI 센서와 달리 MI 센서는 3-15분 간격의 준-실시간 데이터를 획득할 수 있다. 짧은 데이터 획득 주기는 화산재의 확산 모니터링에 적합하며 본 연구에서는 천리안 위성의 기상탑재체(COMS-MI)를 활용하였다. 그러나 COMS-MI 영상은 공간해상도가 2-4 km로 낮기 때문에 전체적인 기상 상태 관측에는 용이하지만 지역적으로 정밀한 정보를 얻기 어렵다(Fig.
따라서 추가적으로 오차를 줄이기 위해 휘도온도차 방법과 함께 Prata(1989a)가 제시한 IR10(10 μm), IR12(12 μm) 채널의 밝기온도차(BTD) 방법을 이용한다(Eq. 1).
COMS-MI 자료를 이용한 화산재 정보 산출 과정은 3단계로 진행하였으며, 위성의 해상도가 낮아 화산재 검출 보정 전과 후의 차이가 거의 없기 때문에 지형보정과 대기보정을 생략하였다. 우선, 밝기온도차방법 (Brightness Temperature Difference; BTD)을 사용하여 구름과 화산재를 구분하고 그 후 임계값을 이용하여 화산재를 추출하였다. 마지막으로 시간별 영상에서 화산분화구와 화산재 끝점을 연결하여 화산재의 확산 속도 및 방향을 산출하였다.
위성영상 분석 전에 우선적으로 대기에 의한 왜곡을 보정하기 위해 Chavez(1996)이 제시한 대기보정 모델(COSine Theta; COST)을 사용하여 대기효과를 제거한다. 그리고 지형기복으로 인한 위성자료의 관측값을 보정하기 위해 기하학적 보정을 수행한다.
그 후 대기와 지형 보정 과정을 거쳐 오차가 줄어든 영상으로부터 화산재 추출의 오차요인이 되는 구름과 물을 제거하였다. 이때 위성영상에서 많은 부분을 차지하는 바다와 호수, 강등을 우선적으로 제거하였으며(Water Masking, Fig. 4(a)) Ji et al. (2015)이 제시한 물 추출지수(Automated Water Extraction Index; AWEI) 방법 중 AWEIsh(Eq. 2)을 이용하였다.
, 2006). 다른 방법들은 화산지역의 직접적인 관측정보와 경험식에 의한 산출이 필요하고 화산재의 전체적인 정보를 얻기 어렵기 때문에, 본 연구에서는 그림자 측정법을 이용하였다(Fig. 5). 그림자 측정법은 위성영상을 사용함으로써 화산재의 전체적인 정보를 얻을 수 있으며, 기하학적인 방법으로 측정하기 때문에 지역적으로 지상관측정보를 얻기 어려운 곳에서도 활용성이 높다는 장점이 있다.
는 구름 그림자 길이, Z는 태양 천정각, θ는 위성 천정각, φ는 태양과 위성 사이의 상대적 방위각을 의미한다. 그림자의 길이는 태양의 천정각 방향으로 측정하며, 산과 같이 높은 지형에 의해 그림자 길이가 짧게 나타나는 부분은 수치표고모델 (Digital Elevation Model)을 이용해 보정하였다. 본 연구에서 사용한 수치표고모델은 SRTM(Shuttle Radar Topography Mission)으로 30 m 해상도의 자료를 사용하여 그림자 길이를 보정하였으며 위성영상에서 뚜렷하게 그림자가 검출된 부분만을 이용하여 높이를 산출하였다.
화산재 그림자는 Jin et al. (2013)이 제시한 그림자 추출 방법으로 Band 6(SWIR), Band 10~11(TIR)의 임계값을 적용하여 추출하였다(Shadow detection, Fig. 4
성능/효과
태양의 천정각 35°를 이용하여 화산재 높이를 산출한 결과, 수치표고모델 보정 전과 후 평균높이가 0.3 km 상승하였다.
본 연구결과의 최종 산출물(확산 방향, 속도, 높이)을 도쿄 화산재주의보센터와 비교하였으며(Table 2), 다음과 같은 결론을 얻을 수 있었다. 첫째, 화산재의 확산 방향은 두 연구사례 모두 유사하게 나타났으며, 두 결과 사이에서 발생한 약간의 차이는 COMS-MI 영상과 화산재 주의보센터의 관측 시간 차이에 의해 유발된 것으로 볼 수 있다. 둘째, 화산재의 확산 속도는 본 연구결과에서 화산재주의보센터보다 약 4배 느리게 계산되었다.
첫째, 화산재의 확산 방향은 두 연구사례 모두 유사하게 나타났으며, 두 결과 사이에서 발생한 약간의 차이는 COMS-MI 영상과 화산재 주의보센터의 관측 시간 차이에 의해 유발된 것으로 볼 수 있다. 둘째, 화산재의 확산 속도는 본 연구결과에서 화산재주의보센터보다 약 4배 느리게 계산되었다. 이것은 화산재 면적 산출방식 차이에 의해서 화산재의 확산된 거리가 다르게 산출되기 때문으로 판단된다.
빠르고 대략적인 정보 산출에서는 폴리곤 방법이 유용하지만 정밀한 정보 산출 측면에서는 화산재 화소를 이용한 방법이 보다 유용하다고 할 수 있다. 셋째, 화산재 높이는 화산재가 일정한 높이로 확산되는 경우 화산재주 의보센터와 유사하게 산출되지만 난기류와 같은 현상으로 인하여 화산재의 높이가 일정하지 않을 때는 두 결과 사이에 큰 차이가 발생하는 경향이 보였다. 화산재 주의보센터에서는 분화 직후 화구 위로 솟구치는 화산재가 도달하는 최고점을 화산재 높이로 제공하지만 본 연구에서는 화산재가 확산 과정 중에 도달하는 높이의 최고점을 화산재 높이로 제시하였다.
화산재 주의보센터에서는 분화 직후 화구 위로 솟구치는 화산재가 도달하는 최고점을 화산재 높이로 제공하지만 본 연구에서는 화산재가 확산 과정 중에 도달하는 높이의 최고점을 화산재 높이로 제시하였다. 이와 같이 화산재는 실시간으로 다양하게 변화하기 때문에 관측 시점과 관측 기준점 위치에 따라서도 결과값 정보가 다르게 산출될 수 있다는 것을 도쿄 화산재주의보센터와의 비교를 통하여 확인할 수 있었다. 따라서 일본 지역의 활발히 분화하는 화산과 약 400 km 이상 떨어져 있는 우리나라의 경우에는 실제 위성영상을 활용하여 화산재 정보를 산출하는 방법이 더욱 정확한 정보를 생성할 수 있을 것으로 판단된다.
그러나 본 연구에서 정지궤도 위성과 극궤도 위성을 활용하여 화산재 모니터링에 필요한 정보를 생성하였지만 몇 가지 한계점이 존재하였다. 첫째, COMS-MI의 낮은 공간해상도는 화산재 높이 값을 정확히 산출하기 어렵지만 높은 공간해상도를 가진 Landsat-8으로 보완이 가능하다. 하지만 Landsat-8은 COMS-MI에 비하여 시간적 해상도가 낮아 완벽한 보완이 어려운 단점이 존재한다.
따라서 향후 데이터 수집시간과 산출 결과 시간을 단축시킬 수 있는 요소를 찾아서 적용할 필요가 있다. 셋째, 그림자 측정법의 경우 날씨가 흐리거나 화산재가 확산되어 옅어졌을 때 그림자의 형상이 분명하지 않아 정보 산출이 어렵다. 향후, 그림자 방법 이외에 밝기온도값을 이용한 에어로졸 두께 측정 등과 같은 다양한 위성활용법을 화산재 정보 산출에 적용하고 다양한 위성을 함께 이용함으로써 상호 보완적인 활용이 가능할 수 있도록 추가적인 연구가 필요할 것이다.
후속연구
Table 1은 COMS-MI와 Landsat-8 영상에 대한 특성을 비교한 것으로 정지궤도 위성과 극궤도 위성의 해상도 및 취득 주기 차이를 확인할 수 있다. 특히, 연구 지역에 대한 영상의 시간 해상도와 공간 해상도 차이가 매우 크며 이를 상호보완적으로 활용함으로써 화산재 관측 정보를 다양화 할 수 있다.
동일한 화산 분화에 대해 서로 다른 위성영상 자료로부터 산출된 화산재 정보는 화산재 예·경보에 더욱 유용하게 사용될 수 있을 것이다.
이와 같이 화산재는 실시간으로 다양하게 변화하기 때문에 관측 시점과 관측 기준점 위치에 따라서도 결과값 정보가 다르게 산출될 수 있다는 것을 도쿄 화산재주의보센터와의 비교를 통하여 확인할 수 있었다. 따라서 일본 지역의 활발히 분화하는 화산과 약 400 km 이상 떨어져 있는 우리나라의 경우에는 실제 위성영상을 활용하여 화산재 정보를 산출하는 방법이 더욱 정확한 정보를 생성할 수 있을 것으로 판단된다.
하지만 Landsat-8은 COMS-MI에 비하여 시간적 해상도가 낮아 완벽한 보완이 어려운 단점이 존재한다. 이러한 단점은 국내 아리랑 위성 자료, 유럽의 Sentinel-2와 같이 고해상도의 다양한 위성을 활용함으로써 시간 해상도의 차이를 줄여나갈 수 있을 것이다. 둘째, 고해상도 위성영상의 경우 데이터 용량 때문에 자료수집에 많은 시간이 소요된다.
둘째, 고해상도 위성영상의 경우 데이터 용량 때문에 자료수집에 많은 시간이 소요된다. 따라서 향후 데이터 수집시간과 산출 결과 시간을 단축시킬 수 있는 요소를 찾아서 적용할 필요가 있다. 셋째, 그림자 측정법의 경우 날씨가 흐리거나 화산재가 확산되어 옅어졌을 때 그림자의 형상이 분명하지 않아 정보 산출이 어렵다.
셋째, 그림자 측정법의 경우 날씨가 흐리거나 화산재가 확산되어 옅어졌을 때 그림자의 형상이 분명하지 않아 정보 산출이 어렵다. 향후, 그림자 방법 이외에 밝기온도값을 이용한 에어로졸 두께 측정 등과 같은 다양한 위성활용법을 화산재 정보 산출에 적용하고 다양한 위성을 함께 이용함으로써 상호 보완적인 활용이 가능할 수 있도록 추가적인 연구가 필요할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
화산재가 광범위한 피해를 야기한 대표적인 예는?
특히, 화산재는 화산인근에만 영향을 주는 화산쇄설류와 다르게 분화 크기와 대기 상태에 따라 광범위한 피해를 야기할 수 있다. 대표적인 예로 아이슬란드 에이야프얄라요쿨 화산의 2010년 4월 분화에서는 화산재가 상공 16 km까지 상승하여 유럽전역을 뒤덮으며 산업 및 교통, 농작물에 막대한 재산피해를 입힌 사례가 있다(Gudmundsson et al., 2010; Stohl et al.
정지궤도 위성의 특징은?
위성의 종류는 궤도에 따라 크게 극궤도와 정지궤도 위성으로 나눌 수 있다. 정지궤도 위성은 고도 36,000 km에서 지구 자전 속도와 동일한 속도로 움직이기 때문에 지구의 1/4 크기에 해당하는 면을 매일 관측할 수 있다. 극궤도 위성은 남극과 북극을 지나가는 위성으로 위성이 한 바퀴 공전하는 동안 지구가 자전하여 전 지구를 관측할 수 있다.
폭발적인 분화를 보이는 화산들이 주로 위치하는 곳은?
맨틀에서 생성된 마그마보다 암석권에서 생성된 마그마가 수분의 함량이 높으며 지하수에 의해 수분이 다량 포함되기도 한다. 따라서 폭발적인 분화를 보이는 화산들은 섭입대 주변과 많은 유량을 가진 대수층 지역에 분포하고 있다. 우리나라 주변으로는 울릉도, 제주도, 백두산, 일본지역의 화산들이 대표적이다.
참고문헌 (25)
Ackerman, S.A., 1989. Using the radiative temperature difference at 3.7 and 11 ${\mu}m$ to track dust outbreaks, Remote Sensing of Environment, 27: 129-133.
Dubuisson, P., H. Herbin, F. Minvielle, M. Compiegne, F. Thieuleux, F. Parol, and J. Pelon, 2014. Remote sensing of volcanic ash plumes from thermal infrared: a case study analysis from SEVIRI, MODIS and IASI instruments, Atmospheric Measurement Techniques, 7: 359-371.
Emili, E., C. Popp, M. Petitta, M. Riffler, S. Wunderle, and M. Zebisch, 2010. PM10 remote sensing from geostationary SEVIRI and polar-orbiting MODIS sensors over the complex terrain of the European Alpine region, Remote Sensing of Environment, 114: 2485-2499.
Fukushima, H. and M. Toratani, 1997. Asian dust aerosol: Optical effect on satellite ocean color signal, Journal of Geophysical Research, 102: 119-17, 130.
Gislason, S.R., T. Hassenkam, S. Nedel, N. Bovet, E.S. Eiriksdottir, H.A. Alfredsson, C.P. Hem, Z.I. Balogh, K. Dideriksen, N. Oskarsson, B. Sigfusson, G. Larsen, and S.L.S. Stipp, 2011. Characterization of Eyjafjallajokull volcanic ash particles and a protocol for rapid risk assessment, National Acad Sciences, 108(18): 7307-7312.
Gudmundsson, M.T., R. Pedersen, K. Vogfjord, B. Thorbjarnardottir, S. Jakobsdottir, and M.J. Roberts, 2010. Eruption of Eyjafjallajokull volcano, Iceland, Earth and Space Science News, 95: 190-191.
Guffanti, M., T.J. Casadevall and K. Budding, 2010. Encounters of Aircraft with volcanic ash clouds: A compilation of known incidents, 1953-2009, United States Geological Survey, Data Series 545: 1-12.
Horwell, C.J. and P.J. Baxter, 2006. The respiratory health hazards of volcanic ash: a review for volcanic risk mitigation, Bulletin of Volcanology, 69: 1-24.
Iguchi, M., 2013. Magma movement from the deep to shallow Sakurajima volcano as revealed by geophysical observations, Bulletin of the Volcanological Society of Japan, 58: 1-18.
Ji, L., X. Geng, K. Sun, K. Zhao, and P. Gong, 2015. Target detection method for water mapping using landsat 8 OLI/TIRS imagery, Water, 7(2) 794-817.
Jin, S., C. Homer, L. Yang, G. Xian, J. Fry, J. Danielson, and P.A. Townsend, 2013. Automated cloud and shadow detection and filling using two-date Landsat imagery in the USA, International Journal of Remote Sensing, 34(5): 1540-1560.
Kim, K., E.H. Hwang, Y.K. Lee, and C.W. Lee, 2014, Sakurajima volcano eruption detected by GOCI and geomagnetic variation analysis, Korean Journal of Remote Sensing, 30(2): 259-274 (in Korean with English abstract).
Lee, K.H. and E.S. Jang, 2014. Monitoring of the volcanic ash using satellite observation and trajectory analysis model, Korean Journal of Remote Sensing, 30(1): 13-24 (in Korean with English abstract).
Lee, S.K., G.H. Ryu, E.H. Hwang, J.K. Choi, and C.W. Lee, 2014. Predicting the extent of the volcanic ash dispersion using GOCI image and HYSPLIT model, Korean Journal of Remote Sensing, 30: 303-314 (in Korean with English abstract).
Omori, F., 1914. The Sakura-jima eruptions and earthquakes I, Bulletin of the Imperial Earthquake Investigation Committe, 8: 5-34.
Prata, A.J., 1989a. Observations of volcanic ash clouds in the 10-12 ${\mu}m$ window using AVHRR/2 data, International Journal of Remote Sensing, 10: 751-761.
Richards, M.S., S.A. Ackerman, M.J. Pavolonis, W.F. Feltz, and A. Tupper, 2006. Volcanic ash cloud heights using the MODIS CO2-slicing algorithm, 12th Conference on Aviation Range and Aerospace Meteorology, Atlanta, Ga., Jan. 29-Feb. 2, 97.
Simpson, J.J., T. McIntire, Z. Jin, and J.R. Stitt, 2000. Improved cloud top height retrieval under arbitrary viewing and illumination conditions using AVHRR data, Remote Sensing of Environment, 72: 95-110.
Stohl, A., A.J. S. Prata, L. Eckhardt, A. Henne Clarisse, Durant, S., N.I. Kristiansen, A. Minikin, U. Schumann, P. Seibert, K., Stebel, H.E. Thomas, T. Torseth, K., Thorsteinsson, and B. Weinzierl, 2010. Determination of time- and height-resolved volcanic ash emissions and their use for quantitative ash dispersion modeling: the 2010 Eyjafjallajokull eruption, Atmospheric Chemistry and Physics, 11: 4333-4351.
Vanhellemont, Q., G. Neukemans, and K. Ruddick, 2014. Synergy between polar-orbiting and geostationary sensors: Remote sensing of the ocean at high spatial and high temporal resolution, Remote Sensing of Environment, 146: 49-62.
Watson, I.M., V.J. Realmuto, W.I. Rose, A.J. Prata, G.J.S. Bluth, Y. Gu, C.E. Bader, and T. Yu, 2004. Thermal infrared remote sensing of volcanic emissions using the moderate resolution imaging spectroradiometer, Journal of Volcanology and Geothermal Research, 135: 75-89.
Zaksek, K., M. Hort, J. Zaletelj, and B. Langmann, 2013. Monitoring volcanic ash cloud top height through simultaneous retrieval of optical data from polar orbiting and geostationary statellites, Atmospheric Chemistry and Physics, 13: 2589-2606.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.