[논문]한반도지역 가뭄 모니터링 활용을 위한 위성강우 편의보정

박지훈; 정임국; 박경원

doi:10.7780/kjrs.2018.34.6.1.12

[국내논문] 한반도지역 가뭄 모니터링 활용을 위한 위성강우 편의보정
Evolution of Bias-corrected Satellite Rainfall Estimation for Drought Monitoring System in South Korea 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.34 no.6 pt.1, 2018년, pp.997 - 1007

박지훈 (APEC 기후센터 기후사업본부) , 정임국 (APEC 기후센터 기후사업본부) , 박경원 (APEC 기후센터 기후사업본부)

초록
AI-Helper

가뭄감시는 기후변화로 인해 빈번히 발생하는 자연재해를 저감하기 위해 필요한 중요한 요소 중의 하나이다. 한반도 지역의 가뭄감시를 수행하기 위해서는 위성기반 강수량을 관측하는 것이 필요하다. 본 연구에서는 위성기반의 원시위성강우자료와 편의보정한 위성자료를 이용하여 위성기반 강수량의 정확도를 확인하였다. 서로 다른 공간/시간 해상도를 가지는 원시위성자료(TRMM TMPA, GPM IMERG)를 10 km로 재격자화 하고, 일단위로 변환하였다. 최종적으로 원시위성강우의 표준 시간대를 한반도 표준시(GMT+9)로 변환하여 데이터베이스를 구축하였다. 한반도를 대상지역으로 선정하여, 지상관측자료와 검증을 실시하였다. 편의보정 기법은 GRA-IDW 기법을 선정하여 수행하였다. 먼저 원시위성자료를 검증한 결과를 살펴보면, 상관계수는 1998년부터 2017년까지 0.775로 비교적 정확도가 높게 나왔으며, TRMM TMPA, GPM IMERG 각각의 10 km 일강수량 상관계수값은 0.776, 0.753으로 크게 차이 나지 않았다. BIAS값은 원시위성자료 값이 지상관측자료보다 과대추정하는 것으로 나타났다. 편의보정한 위성자료를 검증한 결과를 살펴보면, 상관계수와 RMSE가 편의보정 전보다 개선된 값을 보여주고 있다. 본 연구에서 검증한 위성강우자료는 가뭄감시시스템의 기초자료로 충분히 활용할 수 있으며, 향후 미계측지역의 가뭄관리 의사결정을 위한 격자자료로 활용할 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

Drought monitoring is the important system for disasters by climate change. To perform this, it is necessary to measure the precipitation based on satellite rainfall estimation. The data developed in this study provides two kinds of satellite data (raw satellite data and bias-corrected satellite data). The spatial resolution of satellite data is 10 km and the temporal resolution is 1 day. South Korea was selected as the target area, and the original satellite data was constructed, and the bias-correction method was validated. The raw satellite data was constructed using TRMM TMPA and GPM IMERG products. The GRA-IDW was selected for bias-correction method. The correlation coefficient of 0.775 between 1998 and 2017 is relatively high, and TRMM TMPA and GPM IMERG 10 km daily rainfall correlation coefficients are 0.776 and 0.753, respectively. The BIAS values were found to overestimate the raw satellite data over observed data. By using the technique developed in this study, it is possible to provide reliable drought monitoring to Korean peninsula watershed. It is also a basic data for overseas projects including the un-gaged regions. It is expected that reliable gridded data for end users of drought management.

Keyword

표/그림 (14)

표 Table 1. Station list for South Korea
그림 Fig. 1. Station location for South Korea.
표 Table 2. Overview of satellite imagery
그림 Fig. 2. Flow chart of satellite rainfall based climate data management system.
그림 Fig. 3. Overview of GRA bias-correction techniques.
표 Table 3. Contingency table for comparison of SRE with ASOS gauge
표 Table 4. Statistics evaluation of the performance of SRE
그림 Fig. 4. Cross-validation result of three bias-correction methods for South Korea.
표 Table 5. Comparison of FBS, POD, FAR for satellite rainfall estimations
그림 Fig. 5. Scatter plot before and after bias-correction (GRA-IDW) for South Korea.
그림 Fig. 6. 20-year average annual precipitation before and after bias-correction(GRA-IDW) for South Korea.
그림 Fig. 7. 20-year average monthly precipitation before and after bias-correction(GRA-IDW) for South Korea.
그림 Fig. 8. Annual precipitation before and after bias-correction(GRA-IDW) for South Korea.
그림 Fig. 9. 20-year average monthly precipitation before and after bias-correction(GRA-IDW) for South Korea.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구의 목적은 가뭄 모니터링을 위하여 활용 가능한 위성영상 자료(강수량)를 구축하고, 편의 보정을 수행하여 의사결정자에게 필요한 고해상도(1 day / 10 km)의 신뢰성 있고 쉽게 접근할 수 있는 위성강우자료를 산출하는 데 있다. 비교적 신뢰성이 높은 위성 강우가 구축된 한반도를 대상으로 위성영상 편의 보정 기법을 검증하고 위성강우 기반 기후 자료를 구축하여 한반도 가뭄 모니터링의 기초자료로 이용하고자 하였다.
본 연구의 목적은 가뭄 모니터링을 위하여 활용 가능한 위성영상 자료(강수량)를 구축하고, 편의 보정을 수행하여 의사결정자에게 필요한 고해상도(1 day / 10 km)의 신뢰성 있고 쉽게 접근할 수 있는 위성강우자료를 산출하는 데 있다. 비교적 신뢰성이 높은 위성 강우가 구축된 한반도를 대상으로 위성영상 편의 보정 기법을 검증하고 위성강우 기반 기후 자료를 구축하여 한반도 가뭄 모니터링의 기초자료로 이용하고자 하였다.
본 연구에서는 가뭄 모니터링을 위한 신뢰성 높은 강우 자료를 제공하기 위해 위성영상 기반 격자단위의 강수 자료를 산출하고 검증하였다. 본 연구에서 산출한 위성자료는 총 2가지(원시위성자료, 편의보정한 위성자료)이며, 최종 위성자료의 공간해상도는 10 km이며, 시간해상도는 1 day이다.

제안 방법

본 연구에서 사용한 위성자료에 대한 설명을 Table 2에 나타내었다. 한반도에서 자료 검증을 수행하기 위해서는 위성자료를 UTC시간대에서 KST시간대로 변경해야 하며 위성종류별(TRMM TMPA: 3 hr, GPM: 30min) 제공하는 시간해상도를 고려하여 1998년부터 자료를 구축하였다. 1998년부터 2014년 7월까지는 TRMM TMPA 자료를, 2014년 8월부터는 2017년까지는 GPM자료를 산출한 뒤 데이터베이스화하여 사용하였다.
본 연구는 위성영상 자료 수득 및 전처리, 위성강우편의 보정으로 나누어 수행하였다. Fig.
2는 본 연구의 전체적인 개요를 보여주고 있다. 위성영상 자료 수득 및 전처리는 원시위성자료의 격자단위 강수량을 추출하여 한국시간으로 변환하고 데이터베이스로 구축한 다음 전처리 작업을 수행한다. 위성강우 편의보정은 원시위성자료를 품질관리가 된 지점 관측자료를 이용하여 보정하는 방법으로 수행한다.
위성자료는 TRMM 25 km의 공간해상도를 보간하여 GPM 10 km로 변환하고 지상관측자료와 검증하였다. 변환하여 구축한 위성자료와 지상관측자료의 검증하기 위하여 기본적으로 상관계수(Correlation coefficient; COR)을 구하고, 위성강우자료와 지상관측자료와의 정량적 비교를 위해 평균제곱근오차(Root Mean SquareError; RMSE), BIAS, MAE(mean absolute error)를 산정하여 검증하였다(Eq.
또한 위성강우와 지상관측자료의 강수감지 빈도를 알아보기 위하여 FBS(False Bias)와 위성강우의 강수발생의 정확도를 추정하기 위하여 POD(Probability of Detection), ASOS의 강수량이 없을 때 위성강우가 발생한 빈도를 나타내는 FAR(False Alarm Ratio)의 평가항목으로 위성강우 자료의 정확도를 검증하였다(Table 3,Eq. (5)–(7))
상세화 기법의 검증은 한반도를 대상으로 지점 관측자료와 지점 관측자료 위치에 해당하는 위성자료 격자값을 추출한 다음 COR, RMSE, MAE, NSE를 산정하여 수행하였다. 지점 관측자료와 원시위성자료, 편의 보정한 위성자료를 각각 비교하여 수행하였다.
상세화 기법의 검증은 한반도를 대상으로 지점 관측자료와 지점 관측자료 위치에 해당하는 위성자료 격자값을 추출한 다음 COR, RMSE, MAE, NSE를 산정하여 수행하였다. 지점 관측자료와 원시위성자료, 편의 보정한 위성자료를 각각 비교하여 수행하였다. 편의보정 기법 검증은 한반도를 60개 관측소를 기준으로 수행하였으며, GRA-IDW 편의보정 기법에 대해 교차검증을 수행하여 최적 편의보정 기법을 선정하였다.
지점 관측자료와 원시위성자료, 편의 보정한 위성자료를 각각 비교하여 수행하였다. 편의보정 기법 검증은 한반도를 60개 관측소를 기준으로 수행하였으며, GRA-IDW 편의보정 기법에 대해 교차검증을 수행하여 최적 편의보정 기법을 선정하였다. 계통임의 추출(systematic random sample)을 사용하여 60개 관측소중 11개를 보정 세트를 추출하였고, 최종적으로 교차검증을 60번 반복하였다.
계통임의 추출(systematic random sample)을 사용하여 60개 관측소중 11개를 보정 세트를 추출하였고, 최종적으로 교차검증을 60번 반복하였다. 따라서 GRA-IDW 편의보정 기법을 60번 수행하여 COR, RMSE, MAE, NSE를 산정하였다.
한반도를 대상으로 GRA-IDW 편의보정 기법으로 교차검증을 60번씩 수행하여 COR, RMSE, MAE, NSE를 산정하였다. Fig.
COR, RMSE를 살펴보면 BC_SRE(GRA-IDW)가 비교적 우수한 보정 결과를 보여주고 있다. MAE, NSE까지 검토한 결과도 마찬가지로 BC_SRE(GRA-IDW)가 우수한 보정 결과를 보여주는 것으로 분석되어 최종적으로 GRA-IDW 기법을 사용하여 편의보정한 위성자료를 생산하였다.
본 연구에서 산출한 위성자료는 총 2가지(원시위성자료, 편의보정한 위성자료)이며, 최종 위성자료의 공간해상도는 10 km이며, 시간해상도는 1 day이다. 한반도를 대상지역으로 선정하여 원시위성자료를 데이터베이스화한 다음 편의보정을 수행하여 각각의 결과를 검증하였다. 원시위성자료는 TRMM TMPA 3 hr 25 km의 시·공간 자료와 GPMIMERG 30 min 10 km UTC자료를 1998년부터 2007년까지 한국시간 10 km 일강수자료로 구축하였다.
원시위성자료는 TRMM TMPA 3 hr 25 km의 시·공간 자료와 GPMIMERG 30 min 10 km UTC자료를 1998년부터 2007년까지 한국시간 10 km 일강수자료로 구축하였다. 편의보정은 GRA-IDW 기법을 본 연구에 적합한 알고리즘으로 개발하였다.
TRMM TMPA는 Kummerow et al.(2001)가 개발한 Goddard Profiling Algorithm에 의해 수동마이크로파 (TMI)를 강수자료로 변환환 기본 자료 이외에 여러 협력위성 강우자료를 블렌딩하여 산출하였으며, GPM IMERG는 TMPA자료를 산출할 때 사용한 알고리즘과 NOAA에서 칼만필터를 이용하여 CMORPH을 산출하던 알고리즘(Joyce et al., 2004)을 결합하여 자료를 산출하였다.

대상 데이터

본 연구의 대상지역은 한반도로 선정하였다. 본 연구에서 사용한 관측 자료는 자료의 신뢰성을 고려하여 30년 이상의 양질의 자료가 축적된 총 60개 종관기상관측장비(Automated Synoptic Observing System; ASOS)를 선정하여 사용하였다.
본 연구의 대상지역은 한반도로 선정하였다. 본 연구에서 사용한 관측 자료는 자료의 신뢰성을 고려하여 30년 이상의 양질의 자료가 축적된 총 60개 종관기상관측장비(Automated Synoptic Observing System; ASOS)를 선정하여 사용하였다. Table 1은 본 연구에서 사용한 한반도 내의 관측소 목록을 보여주고 있다.
한반도에서 자료 검증을 수행하기 위해서는 위성자료를 UTC시간대에서 KST시간대로 변경해야 하며 위성종류별(TRMM TMPA: 3 hr, GPM: 30min) 제공하는 시간해상도를 고려하여 1998년부터 자료를 구축하였다. 1998년부터 2014년 7월까지는 TRMM TMPA 자료를, 2014년 8월부터는 2017년까지는 GPM자료를 산출한 뒤 데이터베이스화하여 사용하였다.
원시위성자료 일강수량에 대한 검증 결과를 Table 4에 나타내었다. 1998년부터 2017년 10 km 공간해상도의 일자료에 대한 ASOS 관측자료와 TRMM과 GPM 위성결과를 비교하기 위하여 1998년부터 2014년 7월까지 일강수량과 2014년 8월부터 2017년까지 통계적 분석 자료를 표시하였다.
원시위성자료는 TRMM TMPA 3 hr 25 km의 시·공간 자료와 GPMIMERG 30 min 10 km UTC자료를 1998년부터 2007년까지 한국시간 10 km 일강수자료로 구축하였다.
본 연구에서는 가뭄 모니터링을 위한 신뢰성 높은 강우 자료를 제공하기 위해 위성영상 기반 격자단위의 강수 자료를 산출하고 검증하였다. 본 연구에서 산출한 위성자료는 총 2가지(원시위성자료, 편의보정한 위성자료)이며, 최종 위성자료의 공간해상도는 10 km이며, 시간해상도는 1 day이다. 한반도를 대상지역으로 선정하여 원시위성자료를 데이터베이스화한 다음 편의보정을 수행하여 각각의 결과를 검증하였다.
TRMM TMPA(TRMM Multi-satellite Precipitation Analysis; 3B42) 자료는 TRMM TMI, SSM/I(Special Sensor Microwave Imager), AMSR(Advanced Microwave Scanning Radiometer), AMSU-B(Advanced Microwave Sounding Unit) 수동마이크로파 센서, NOAA위성 VIRS 가시, 적외 채널 등 다양한 센서를 결합하여 시간해상도 3 hr, 공간해상도 25 km로 격자화 한 자료로 남위 60°에서 북위 60°까지 관측한 자료를 이용하였다.

데이터처리

위성자료는 TRMM 25 km의 공간해상도를 보간하여 GPM 10 km로 변환하고 지상관측자료와 검증하였다. 변환하여 구축한 위성자료와 지상관측자료의 검증하기 위하여 기본적으로 상관계수(Correlation coefficient; COR)을 구하고, 위성강우자료와 지상관측자료와의 정량적 비교를 위해 평균제곱근오차(Root Mean SquareError; RMSE), BIAS, MAE(mean absolute error)를 산정하여 검증하였다(Eq. (1)–(4)).
편의보정 기법 검증은 한반도를 60개 관측소를 기준으로 수행하였으며, GRA-IDW 편의보정 기법에 대해 교차검증을 수행하여 최적 편의보정 기법을 선정하였다. 계통임의 추출(systematic random sample)을 사용하여 60개 관측소중 11개를 보정 세트를 추출하였고, 최종적으로 교차검증을 60번 반복하였다. 따라서 GRA-IDW 편의보정 기법을 60번 수행하여 COR, RMSE, MAE, NSE를 산정하였다.

이론/모형

지점 관측자료를 이용한 위성강우자료 보정 기법은 GRA(Geographical Ratio Analysis)을 선정하여 수행하였다(Jia et al., 2011; Duan and Bastiaanssen, 2013; Laurent etal., 2013). 본 연구에서 GRA를 편의보정 방법으로 선정한 이유는 GDA(Geographical Differential Analysis) 방법과 더불어 위성영상 보정에 보편적으로 사용하는 방법이기 때문이다.
GRA에서 오차 비율을 보간하는 기법으로 IDW을 적용하여 보정을 수행하였다. Fig.

성능/효과

753으로 크게 차이 나지 않았다. BIAS값은 원시위성자료 값이 지상관측자료보다 과대추정하는 것으로 나타났다. MAE, RMSE값은 전체기간에 대해서 2.
GMI 센서는TMI 센서와 비교하여 공간해상도가 더 좋아졌으며,166, 183 GHz 센서 탑재로 적은 양의 비(<0.5 mm/hr) 관측 정확도가 향상되었다.
5 mm/hr) 관측 정확도가 향상되었다. 또한, GPM 위성의 듀얼레이더(DPR)도 TRMM 위성의 단독 레이더에 비하여 Ka(35 GHz) 레이더 추가되었기 때문에 TRMM PR 관측 강수량보다 정확성이 향상되었다.
상관계수는 원시위성자료 1998년부터 2017년까지 0.775로 비교적 정확도가 높게 나왔으며, TRMM TMPA, GPM IMERG 10 km 일강수량 상관계수값은 0.776, 0.753으로 크게 차이 나지 않았다. BIAS값은 편의를 알아보기 위한 통계적 분석방법으로 최적값이 1일 경우이고 값이 1보다 클 경우에는 원시위성자료 값이 ASOS보다 과대 추정을 1보다 적을 때는 과소추정하는 값을 나타내는 지수로 모든 값이 원시위성자료 값이 지상관측자료보다 과대추정하는 것을 알 수 있다.
753으로 크게 차이 나지 않았다. BIAS값은 편의를 알아보기 위한 통계적 분석방법으로 최적값이 1일 경우이고 값이 1보다 클 경우에는 원시위성자료 값이 ASOS보다 과대 추정을 1보다 적을 때는 과소추정하는 값을 나타내는 지수로 모든 값이 원시위성자료 값이 지상관측자료보다 과대추정하는 것을 알 수 있다. MAE, RMSE 값은 정량적으로 원시위성자료 값이 ASOS 자료값에 근접하는지를 나타내는 통계값으로 0일수록 정확도가 높게 된다.
284로 비교적 정확도가 높게 나왔다. MAE, RMSE값을 TRMM TMPA, GPM IMERG로 나누어서 분석하면 MAE가 3.045, 2.504, RMSE는 9.575, 7.770으로GPM IMERG 자료가 TRMM TMPA보다 우수한 결과를 나타내었다. GPM 위성(30 min, 10 km)이 최근 개선된 센서를 사용하고 TRMM TMPA(3 hr, 25 km)보다 시·공간해상도가 높기 때문인 것으로 판단된다.
6은 한반도를 대상으로 관측자료, 원시위성자료, GRA-IDW 기법으로 편의보정한 위성자료에 대해 20년 평균 연강수량을 상자그림으로 보여주고 있다. 한반도의 관측자료, 원시위성자료, GRA-IDW 기법으로 편의보정한 위성자료의 평균값은 각각 1397.5 mm, 1455.6mm, 1371.0 mm으로 산정되었다.
9는 한반도를 대상으로 관측자료, 원시위성자료, GRA-IDW 기법으로 편의보정한 위성자료에 대해 연강수량, 20년 평균 월강수량을 평균값과 함께 막대그래프로 나타내고 있다. 전체적으로 편의보정을 통해 개선된 것을 확인되었다
원시위성자료를 검증한 결과를 살펴보면 상관계수는 1998년부터 2017년까지 0.775로 비교적 정확도가 높게 나왔으며, TRMM TMPA, GPM IMERG 10 km 일강수량 상관계수값은 0.776, 0.753으로 크게 차이 나지 않았다. BIAS값은 원시위성자료 값이 지상관측자료보다 과대추정하는 것으로 나타났다.
BIAS값은 원시위성자료 값이 지상관측자료보다 과대추정하는 것으로 나타났다. MAE, RMSE값은 전체기간에 대해서 2.949, 9.284로 비교적 정확도가 높게 나왔으며, MAE, RMSE값을 TRMM TMPA, GPM IMERG로 나누어서 분석하면 MAE가 3.045, 2.504, RMSE는 9.575, 7.770으로 GPM IMERG 자료가 TRMM TMPA보다 우수한 결과를 나타내었다. GPM 위성(30 min, 10km)이 최근 개선된 센서를 사용하고 TRMM TMPA(3hr, 25 km)보다 시·공간해상도가 높기 때문인 것으로 판단된다.
GPM 위성(30 min, 10km)이 최근 개선된 센서를 사용하고 TRMM TMPA(3hr, 25 km)보다 시·공간해상도가 높기 때문인 것으로 판단된다. 편의보정 기법을 교차 검증한 결과를 COR, RMSE를 기준으로 살펴보면 BC_SRE(GRA-IDW)이 우수한 보정 결과를 보여주고 있다. 본 연구를 통해 개발된 기법을 활용하면 남한지역 유역에 격자단위로 보정된 위성강우 기후자료를 기초로 가뭄 모니터링을 준 실시간으로 관측이 가능하다.
원시위성자료의 강수 감지 정확도는 FBS, POD, FAR 0.968, 0.671, 0.306 값을 나타내었고, TRMM TMPA, GPM IMERG의 차이는 크게 없이 동일하게 나타나는 것을 확인할 수 있었다.

후속연구

위성기반 강수량 관측은 지상관측자료와 더불어 격자화 된 자료를 제공함으로써 가뭄에 대한 선제적 대응의 기초자료로 활용이 가능하다(Jeong and Shin, 2006; Sapiano and Arkin, 2009). 특히 지자체의 분야별 실제 활용 가능한 기후변화 적응대책인 의사결정지원시스템의 기초 자료로 지상관측자료를 이용하여 보정한 고해상도 격자화된 위성자료로 활용이 가능하며, 범위를 한반도로 확장하면 미계측지역인 북한지역의 기후변화연구 기초자료로 활용할 수 있다.
편의보정 기법을 교차 검증한 결과를 COR, RMSE를 기준으로 살펴보면 BC_SRE(GRA-IDW)이 우수한 보정 결과를 보여주고 있다. 본 연구를 통해 개발된 기법을 활용하면 남한지역 유역에 격자단위로 보정된 위성강우 기후자료를 기초로 가뭄 모니터링을 준 실시간으로 관측이 가능하다. 향후 본 연구에서 사용한 위성강우 자료 외에 TRMM위성이 발사되기 전에 정지궤도 적외선 센서에 의해 산출되었던 PERSIANN-CDR, CHIRPS 위성강우 자료, TRMM위성이 발사된 이후에는 NASA(TMPA), NOAA(CMORPH), JAXA(GSMaP)에서 각기 다른 알고리즘을 이용하여 산출한 위성강우 자료를 추가로 사용하여 지상 관측자료와 검증을 수행할 예정이다.
본 연구를 통해 개발된 기법을 활용하면 남한지역 유역에 격자단위로 보정된 위성강우 기후자료를 기초로 가뭄 모니터링을 준 실시간으로 관측이 가능하다. 향후 본 연구에서 사용한 위성강우 자료 외에 TRMM위성이 발사되기 전에 정지궤도 적외선 센서에 의해 산출되었던 PERSIANN-CDR, CHIRPS 위성강우 자료, TRMM위성이 발사된 이후에는 NASA(TMPA), NOAA(CMORPH), JAXA(GSMaP)에서 각기 다른 알고리즘을 이용하여 산출한 위성강우 자료를 추가로 사용하여 지상 관측자료와 검증을 수행할 예정이다. 다양한 위성강우 산출물을 활용하여 추후 남한지역 이외에 북한, 아시아-태평양 지역을 포함한 미계측지역의 기초자료로 활용할 수 있을 것으로 사료된다.
향후 본 연구에서 사용한 위성강우 자료 외에 TRMM위성이 발사되기 전에 정지궤도 적외선 센서에 의해 산출되었던 PERSIANN-CDR, CHIRPS 위성강우 자료, TRMM위성이 발사된 이후에는 NASA(TMPA), NOAA(CMORPH), JAXA(GSMaP)에서 각기 다른 알고리즘을 이용하여 산출한 위성강우 자료를 추가로 사용하여 지상 관측자료와 검증을 수행할 예정이다. 다양한 위성강우 산출물을 활용하여 추후 남한지역 이외에 북한, 아시아-태평양 지역을 포함한 미계측지역의 기초자료로 활용할 수 있을 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	위성기반 강수량 관측의 활용성은 무엇인가?	위성기반 강수량 관측은 지상관측자료와 더불어 격자화 된 자료를 제공함으로써 가뭄에 대한 선제적 대응의 기초자료로 활용이 가능하다(Jeong and Shin, 2006; Sapiano and Arkin, 2009). 특히 지자체의 분야별 실제 활용 가능한 기후변화 적응대책인 의사결정지원시스템의 기초 자료로 지상관측자료를 이용하여 보정한 고해상도 격자화된 위성자료로 활용이 가능하며, 범위를 한반도로 확장하면 미계측지역인 북한지역의 기후변화연구 기초자료로 활용할 수 있다.
	최근 한반도에 가뭄으로 인한 자연재해를 저감하기 위하여 활용할 수 있는 방법은 무엇인가?	, 2016; Smith and Katz, 2013). 준 실시간 가뭄 모니터링은 가뭄으로 인한 자연재해 저감과 수자원 관리 및 효과적인 적응대책을 수립하는데 있어 매우중요한 정보 중에 하나이다. 가뭄을 관측하는데 있어 핵심 기후변수는 강수량이며, 강수량을 정확히 관측하는 것이 대단히 중요하다.
	가뭄감시의 중요성은 무엇인가?	가뭄감시는 기후변화로 인해 빈번히 발생하는 자연재해를 저감하기 위해 필요한 중요한 요소 중의 하나이다. 한반도 지역의 가뭄감시를 수행하기 위해서는 위성기반 강수량을 관측하는 것이 필요하다.

참고문헌 (14)

Baek, S.G., H.W. Jang, J.S. Kim, and J.W. Lee, 2016. Agricultural drought monitoring using the satellite-based vegetation index, Journal of Korea Water Resource Association, 49(4): 305-314 (in Korean with English abstract).
Laurent, L., P. Audois, I. Marie-Joseph, M. Becker, and R. Seyler, 2013. Calibration of TRMM 3B42 with geographical differential analysis over North Amazonia, Proc. of 2013 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Melbourne, VIC, Jul. 21-26, pp. 2234-2237.
Baek, S.G., H.W. Jang, J.S. Kim, and J.W. Lee, 2016. Agricultural drought monitoring using the satellite-based vegetation index, Journal of Korea Water Resource Association, 49(4): 305-314 (in Korean with English abstract).
Baik, J.J. and M. Choi, 2016. Geospatial blending to improve spatial mapping of precipitation with high spatial resolution by merging satellite based and ground-based data, Hydrological Processes, 30(6): 2789-2803.
Cheema, M.J.M. and W.G.M. Bastiaanssen, 2012. Local calibration of remotely sensed rainfall from the TRMM satellite for different periods and spatial scales in the Indus Basin, International Journal of Remote Sensing, 33: 2603-2627.

상세보기
Duan, Z. and W.G.M. Bastiaanssen, 2013. First results from Version 7 TRMM 3B43 precipitation product in combination with a new downscaling-calibration procedure, Remote Sensing of Environment, 131: 1-13.

상세보기
Huffman, G.J., R.F. Adler, D.T. Bolvin, G. Gu, E.J. Nelkin, K.P. Bowman, Y. Hong, E.F. Stocker, and D.B. Wolff, 2007. The TRMM Multisatellite Precipitation Analysis (TMPA): Quasi-global, multiyear, combined-sensor precipitation estimates at fine scales, Journal of Hydrometeorology, 8(1): 38-55.

상세보기
Jeong, S. and S.C. Shin, 2006. The applicastion of satellite imagery in droughts analysis of large area, Journal of the Korean Society for Geospatial Information Science, 14(2): 55-62 (in Korean with English abstract).
Jia, S., W. Zhu, A. Lu, and T. Yan, 2011. A statistical spatial downscaling algorithm of TRMM precipitation based on NDVI and DEM in the Qaidam Basin of China, Remote Sensing of Environment, 115(12): 3069-3079.

상세보기
Joyce, R.J., J.E. Janowiak, P.A. Arkin, and P. Xie, 2004. CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution, Journal of Hydrometeorology, 5(3): 487-503.

상세보기
Kim, K.Y., J.M. Park, J.G. Baik, and M.H. Choi, 2017. Evaluation of topographical and seasonal feature using GPM IMERG and TRMM 3B42 over Far-East Asia, Atmospheric Research, 187: 95-105.

상세보기
Kummerow, C., Y. Hong, W.S. Olson, S. Yang, R.F. Adler, J. McCollum, R. Ferraro, G. Petty, D.-B. Shin, and T.T. Wilheit, 2001. The evolution of the Goddard Profiling Algorithm (GPROF) for rainfall estimation from passive microwave sensors, Journal of Applied Meteorology, 40(11): 1801-1820.

상세보기
Laurent, L., P. Audois, I. Marie-Joseph, M. Becker, and R. Seyler, 2013. Calibration of TRMM 3B42 with geographical differential analysis over North Amazonia, Proc. of 2013 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Melbourne, VIC, Jul. 21-26, pp. 2234-2237.
Park, Y.J., J.H. Yu, Y.M. Kim, S.S. Kim, S.H. Lee, S.H. Goo, Y.W. Jeon, and J.D. Lee, 2014. Application Plan Research of National Satellite Images for Disaster Management, National Disaster Management research Institute, Seoul, Republic of Korea, pp. 1-207 (in Korean).

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증