[논문]가시 밴드와 근적외 밴드를 이용한 해무 탐지 알고리즘

이경훈; 권병혁; 윤홍주

doi:10.13067/jkiecs.2018.13.3.669

가시 밴드와 근적외 밴드를 이용한 해무 탐지 알고리즘
Sea Fog Detection Algorithm Using Visible and Near Infrared Bands 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.13 no.3, 2018년, pp.669 - 676

이경훈 (경대학교 지구환경시스템과학부) , 권병혁 (부경대학교 환경대기과학과) , 윤홍주 (부경대학교 공간정보시스템공학과)

초록
AI-Helper

GOCI(: Geostationary Ocean Color Imager)는 8개 밴드의 레일리 보정 반사도를 이용하여 수평 $500m{\times}500m$의 높은 공간 해상도로 해무를 탐지한다. 가시광선과 근적외선은 지표면의 특성을 강하게 반영하여 구름과 안개 판별에 오차를 유발한다. Band7 반사도의 임계값을 설정하여 육지로 유입되는 해무를 탐지할 수 있었다. Band4 반사도가 Band8보다 크게 나타나는 영역이 구름으로 판별되는 경우는 주변 영역과 평균 반사도의 비교를 통해 해무로 탐지되는 오류를 보정하였다. 개선된 알고리즘은 천리안위성(COMS: Communication, Ocean, Meteorological Satellite)의 안개 영상 및 기상청 시정계 자료와 비교하여 검증되었다.

Abstract ▼ AI-Helper

The Geostationary Ocean Color Imager(: GOCI) detects the sea fog at a high horizontal resolution of $500m{\times}500m$ using the Rayleigh corrected reflectance of 8 bands. The visible and the near infrared waves strongly reflect the characteristics of the earth surface, causing errors in cloud and fog detection. A threshold of the Band7 reflectance was set to detect the sea fog entering the land. When the region on which Band4 reflectance is larger than Band8 is determinated as cloud, the error over-estimated as sea fog is corrected by comparing the average reflectance with the surrounding region. The improved algorithm has been verified by comparing the fog images of the Cheollian satellite (COMS: Communication, Ocean, and Meteorological Satellite) as well as the visibility data from the Korea Meteorological Administration.

주제어

AI 본문요약
AI-Helper

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

문제 정의

GOCI 해무 탐지 방법은 해무 유입으로 인한 영종대교 사고 당시 COMS에선 탐지하지 못했던 해무를 탐지할 만큼 유용한 방법이다. 하지만 육지로 유입되는 해무를 하층운으로 오탐지하는 것과 물 위에 있는 구름을 해무로 과탐지하는 문제점이 있어 본 연구에서 이를 개선코자 하였다.

가설 설정

초록 경계선은 섬의 경계이고 검은 픽셀은 구름이 없는 육지다. 섬 위에 있는 구름은 흰 픽셀이 많고, 바다 위의 구름은 빨간 픽셀이 많다. 따라서 BSI만으로 해무와 하층운을 구별한다면 육지에 있는 구름은 대부분 하층운으로 판별되고, 바다에 있는 구름은 대부분 해무로 판별되는 오류가 발생한다

제안 방법

3 이하로 나타났다. 따라서 Band7 Rrc 0.3을 임계값으로 정하고, 임계값 이하는 하층운, 이상은 해무로 판별하는 알고리즘을 추가하여 육무 오탐지 문제점을 개선하였다.
본 연구에서는 육지로 유입되는 해무를 탐지하기 위해서 Band7 Rrc의 수증기에 반응하는 특성 임계값을 적용하였다. 육지에서 하층운이 해무로 과탐지되는 문제는 Band4와 Band8 Rrc의 차이가 큰 영역의 구름을 주변 영역과 MBR 값을 비교하여 개선하였다.
사례 1에 대해 개선된 알고리즘의 검증을 수행한 결과, GOCI 해무 탐지 알고리즘은 그림 3의 윗 그림과 같이 서해상 및 남해안 지역에 위치한 넓은 영역의 구름을 해무로 탐지하였고, 육지의 구름은 대부분 하층운으로 탐지하였다. 그림 3에서 분홍색은 해무, 검정색은 하층운, 초록색은 중상층운, 회색은 육지 그리고 파란색은 바다이다.
수액량 LWC가 하층운보다 안개에서 크다[13-14]는 점을 토대로, 시정계로 안개가 탐지되었던 백령도와 안개가 발생하지 않았던 영종도의 구름 픽셀을 분석하였다. 영종도에 발생한 하층운 픽셀의 Rrc는 수증기 흡수 영역인 Band7에서 99.
하층운과 안개를 구별하기 위해 MODIS와 Himawari 구름 영상의 표면 특성을 이용한 방법이 제시되었지만 아직 명확한 구분이 어렵다[4]. 이는 GOCI 해무 탐지알고리즘에서도 나타나는 문제점으로, 본 연구에서는 이를 해결하기 위해 먼저 GDPS를 이용하여 Band6과 Band7의 Rrc를 분석하였다. 한반도와 주변 해역을 대상으로 그림 1과 같이 동일 위도 선상에 그은 빨간 선을 따라 육지에서는 Band7의 Rrc가 Band6의 Rrc보다 크게 나타나고, 바다에서는 반대의 특징을 보인다[11].

대상 데이터

육지에 해무가 유입되는 것을 탐지하기 위해서 섬 또는 연안지역에 해무가 유입되어 문제가 발생한 사례들을 선정하였다. 2014년 5월 23일 사례(사례 1)는 서해 전역 및 남부내륙지방까지 안개가 짙게 꼈던 사례이고, 2015년 2월 11일의 경우 영종대교에 유입된 짙은 해무로 인해 103중 추돌 사고가 발생했던 사례이다(사례 2).
COMS에서 산출되는 기상 자료의 처리 시스템CMDPS(: COMS Meteorological Data Processing System)의 16종 산출물의 종류로는 구름 탐지, 지표면 온도, 표면 도달 일사량, 상층 수증기량, 가강수량, 구름 분석, 안개, 강우 강도, 에어로솔 탐지, 대기 운동 벡터, 해수면 온도, 해빙/적설 탐지, 지구 방출 복사량이 있으며, 본 연구에서는 안개 자료를 사용하였다.
GOCI 해무 탐지 알고리즘은 원시자료를 대기 보정한 GOCI Lv1-B 자료에서 레일리 산란 보정을 거친 GOCI Lv2-C Rrc 자료를 사용한다. Rrc는 육지,바다, 구름 등 지표 특성에 따라 다르게 나타나는데 이러한 특징을 이용하여 해무 탐지 알고리즘에서 사용하는 세 가지 지수인 SLDI, MCDI, BSI를 산출한다.
GOCI에서 GOCI 자료 처리시스템 GDPS(GOCI Data Processing System)를 통해 산출되는 자료는 33종이 있다. Lv2-A 13종(해수 수출광량, 정규 해수 수출광량, 하향 확산 소산계수, 용존 유기물, 엽록소, 총 부유물질, 적조지수, 수중 가시거리, 육상 식생지수1, 육상 식생지수2, 에어로졸1, 에어로졸2, 산출물 유효 정보), Lv2-B 2종(흡광계수, 역산란계수), Lv2-C 1종(레일리 산란이 제거된 반사율), Lv2-P 9종(원격반사도, 양방향인자, 위도, 경도,위성 방위각, 위성 천정각, 태양 방위각, 태양 천정각, 코사인 방향의 태양 천정각), Lv3 5종(어장 정보지수, 수질 등급지수, 해양 일차생산력, 해류벡터, 일간 자료 합성), Lv3-P 3종(해수면 온도, 광합성 유효복사, 일장)이며, 본 연구에서는 Lv2-C Rrc 자료를 사용하였다.
가시채널은 0.67m의 중심 파장으로 1km 공간해상도의 가시영상을 촬영한다. 적외 채널은 휘도온도(K)를 단위로 사용하며, 4km 공간 해상도로 각각 단파 적외 영상, 수증기 영상, 적외1 영상, 적외2 영상을 촬영한다.
안개의 경우 전국의 시정 관측소에서 관측값을 제공하고 있으며, 안개·연무 종합 감시 시스템 및 자동 국지 기상 감시 시스템 ALWAIS(: Automatic Local Weather Information System)의 안개 시스템에서 전국 시정 분포도와 10분 간격의 시정, 습도, 실링고도, 일기 실황 자료를 제공하고 있다. 본 연구에서는 전국 시정 관측소의 시정 자료를 사용하였다.
육지에 해무가 유입되는 것을 탐지하기 위해서 섬 또는 연안지역에 해무가 유입되어 문제가 발생한 사례들을 선정하였다. 2014년 5월 23일 사례(사례 1)는 서해 전역 및 남부내륙지방까지 안개가 짙게 꼈던 사례이고, 2015년 2월 11일의 경우 영종대교에 유입된 짙은 해무로 인해 103중 추돌 사고가 발생했던 사례이다(사례 2).
67m의 중심 파장으로 1km 공간해상도의 가시영상을 촬영한다. 적외 채널은 휘도온도(K)를 단위로 사용하며, 4km 공간 해상도로 각각 단파 적외 영상, 수증기 영상, 적외1 영상, 적외2 영상을 촬영한다. 단파 적외 영상은 3.

성능/효과

육지에서 하층운이 해무로 과탐지되는 문제는 Band4와 Band8 Rrc의 차이가 큰 영역의 구름을 주변 영역과 MBR 값을 비교하여 개선하였다. 개선된 알고리즘을 COMS 안개 영상과 기상청 AWS시정계 자료로 검증하여 GOCI의 가시광선과 근적외선을 이용해 주간에 안개를 탐지할 수 있음을 확인하였다.
그림 4에서 안개 영역은 주황색으로 표시된다. 이는 임계값을 설정하여 필터링하는 방법이 유용하다는 것을 증명하고, 이 방법을 통해 육상의 하층운을 해무로 판별하여 자연스러운 해무 영역을 산출할 수 있음을 의미한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	가시광선과 근적외선은 무엇을 유발하는가?	GOCI(: Geostationary Ocean Color Imager)는 8개 밴드의 레일리 보정 반사도를 이용하여 수평 $500m{\times}500m$의 높은 공간 해상도로 해무를 탐지한다. 가시광선과 근적외선은 지표면의 특성을 강하게 반영하여 구름과 안개 판별에 오차를 유발한다. Band7 반사도의 임계값을 설정하여 육지로 유입되는 해무를 탐지할 수 있었다.
	영종대교에 유입된 짙은 해무로 인해 103중 추돌사고같은 사고를 사전에 방지하기 위해 기상청에서는 무엇을 하는가?	실제로 영종대교에 유입된 짙은 해무로 인해 103중 추돌사고가 발생하기도 하였다. 이러한 사고를 사전에 방지하기 위하여, 기상청에선 시정계 및 해상카메라 등을 이용해 해무를 감시하고 있다[3]. 하지만 몇몇 고정 지점의 측기로 해상에서 발생한 해무를 탐지하기에는 한계가 있기 때문에 인공위성과 같은 원격 장비를 이용한 탐사가 필요하다[4].
	Band7 반사도의 임계값을 설정하여 무엇을 탐지할 수 있는가?	가시광선과 근적외선은 지표면의 특성을 강하게 반영하여 구름과 안개 판별에 오차를 유발한다. Band7 반사도의 임계값을 설정하여 육지로 유입되는 해무를 탐지할 수 있었다. Band4 반사도가 Band8보다 크게 나타나는 영역이 구름으로 판별되는 경우는 주변 영역과 평균 반사도의 비교를 통해 해무로 탐지되는 오류를 보정하였다.

참고문헌 (14)

M. Kim, "Characteristics of sea fog distribution around the Korean Peninsula," (Master's Thesis), Department of Oceanography, Chonnam National University Graduate School, 1998.
H. Byun, D. Lee, and H. Lee, "Analysis on the Characteristics and Predictablility of the Marine Fog over and near the East Sea," Korean Meteorological Society, vol. 33, no. 1, 1997, pp. 41-62.
B. Kim, I. Jang, and G. Lee, "Real-time Road-Visibility Measurement Using CCTV Camera," J. of Korean Society of Transportation, vol. 29, no. 4, 2011, pp. 125-138.
K. Heo, S. Min, K. Ha, and J. Kim, "Discrimination between Sea Fog and Low Stratus Using Texture Structure of MODIS Satellite Images," Korean J. of Remote Sensing, vol. 24, no. 6, 2008, pp. 571-581.
Y. Son, Y. Kang, and J. Ryu, "Monitoring red tide in South Sea of Korea (SSK) using the geostationary ocean color imager (GOCI)," Korean J. of Remote Sensing, vol. 28, no. 5, 2012, pp. 531-548.

원문보기 상세보기
S. Oh, H. Yoon, and J. Park, "Prediction of Red Tide Occurrence by using Oceanic and Atmospheric Data by Satellite," J. of the Korea Institute of Electronic Communication Sciences, vol. 10, no. 2, 2015, pp. 311-318.

원문보기 상세보기
S. Bak and H. Yoon, "Analysis on optical property in the South Sea of Korea by using Satellite Image," J. of the Korea Institute of Electronic Communication Sciences, vol. 11, no. 7, 2016, pp. 723-728.

원문보기 상세보기
H. Kim, J. Park and H. Yoon, "Analysis of Distributions of Macrobenthic in the Intertidal Zone of Suncheon Bay by using Satellite Image and In-situ Data," J. of the Korea Institute of Electronic Communication Sciences, vol. 11, no. 3, 2016, pp. 339-344.

원문보기 상세보기
J. Eyre, J. Brownscombe, and R. Allam, " Detection of fog at night using Advanced Very High Resolution Radiometer (AVHRR) imagery," Meteorological Mag., vol. 113, no. 1346, 1984, pp. 266-271.
G. Ellrod, "Advances in the detection and analysis of fog at night using GOES multispectral infrared imagery," Weather and Forecasting, vol. 10, no. 3, 1995, pp. 606-619.

상세보기
J. Jeon, "Preliminary Study on Spring Season Daytime Sea Fog Detection Method Using MODIS in the Yellow Sea," (Master's Thesis), Department of Convergence Study on the Ocean Science and Technology, School of Ocean Science and Technology, Korea Maritime and Ocean University, 2016.
Y. Yuan, Z. Qiu, D. Sun, S. Wang, and X. Yue, "Daytime sea fog retrieval based on GOCI data: a case study over the Yellow Sea," Optics Express, vol. 24, no. 2, 2016, pp. 787-801.

상세보기
Z. Li, "Studies of fog in China over the past 40 years," Acta Meteorologica Sinica, vol. 59, (no. 5), 2001, pp. 616-624.
P. Sheng, J. Mao, J. Li, J. Sang, and N. Pan, "Atmospheric Physics," Peking University Press, pp. 522. (북경대학 출판물)

저자의 다른 논문 :

LOADING...

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