[논문]천리안해양관측위성 산출물 활용성 향상을 위한 오픈소스 R 기반 데이터 처리기술 연구

오정희; 최현우; 이철용; 양현; 한희정

doi:10.11108/kagis.2019.22.4.215

천리안해양관측위성 산출물 활용성 향상을 위한 오픈소스 R 기반 데이터 처리기술 연구
A Study on Data Processing Technology based on a open source R to improve utilization of the Geostationary Ocean Color Imager(GOCI) Products 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.22 no.4, 2019년, pp.215 - 228

오정희 (한국해양과학기술원 해양빅데이터센터) , 최현우 (한국해양과학기술원 해양빅데이터센터) , 이철용 (한국해양과학기술원 해양빅데이터센터) , 양현 (한국해양과학기술원 해양위성센터) , 한희정 (한국해양과학기술원 해양위성센터)

초록
AI-Helper

해양관측 정지궤도 위성인 GOCI(Geostationary Ocean Color Imager) 데이터는 대용량 산출물을 효과적으로 저장, 배포하기 위해 HDF5 자료 형식을 사용하고 있다. 해양위성센터에서는 HDF5(Hierarchical Data Format version5) 포맷에 익숙지 않은 일반 사용자를 위해 GDPS(GOCI Data Processing System)를 개발하여 관측자료와 함께 제공하고 있다. 그럼에도 불구하고 위성데이터 특성에 대한 이해와 GDPS의 사용법을 익혀야 하는 점, 그리고 위치정보와 속성정보가 분리되어 있는 HDF5 형식의 자료를 병합하고 가공하는 일은 쉽지 않은 일이다. 따라서 본 연구에서는 오픈소스 R과 rhdf5, data.table, matrixStats 패키지를 이용하여 GDPS를 이용하는 과정 없이도 HDF5 형식의 위성데이터를 손쉽게 활용할 수 있는 알고리즘을 개발하였다.

Abstract ▼ AI-Helper

HDF5 data format is used to effectively store and distribute large volume of Geostationary Ocean Color Imager(GOCI) satellite data. The Korea Ocean Satellite Center has developed and provided a GOCI Data Processing System(GDPS) for general users who are not familiar with HDF5 format. Nevertheless, it is not easy to merge and process Hierarchical Data Format version5(HDF5) data that requires an understanding of satellite data characteristics, needs to learn how to use GDPS, and stores location and attribute information separately. Therefore, the open source R and rhdf5, data.table, and matrixStats packages were used to develop algorithm that could easily utilize satellite data in HDF5 format without the need for the process of using GDPS.

주제어

표/그림 (15)

표 TABLE 1. Comparison of data processing software for Oceanographic Satellite
그림 FIGURE 1. GOCI shooting area (A) and examples of cloudy weather images (B∼E)
그림 FIGURE 2. GOCI Data Processing System(GDPS) v.2.0
그림 FIGURE 3. HDF5 File Archietecture (The HDF Group, 2019)
그림 FIGURE 4. HDFView 3.1.0 program
그림 FIGURE 5. The data processing algorithm for daily and monthly GOCI’s Chlorophyll-a datasets
그림 FIGURE 6. Rstudio-screenshot of before and after for Chlorophyll-a datasets composition
그림 FIGURE 7. Regeneration process of HDF5 file for GOCI Chlorophyll-a daily datasets
그림 FIGURE 8. Generating process of CSV file for GOCI Chlorophyll-a daily datasets
그림 FIGURE 9. Generating process of composited monthly dataframe for GOCI Chlorophyll-a datasets
그림 FIGURE 10. Valid pixcel ratio of Chlorophyll-a during October, 2018
표 TABLE 2. Performance comparison of daily and monthly datasets processing
그림 FIGURE 11. Mapping and Histogram for Valid Date Count
그림 FIGURE 12. Spatial distribution of Chlorophyll-a concentrations
그림 FIGURE 13. The visualization of CV thematic mapping for monthly composited Chlorophyll-a using QGIS

AI 본문요약
AI-Helper

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

문제 정의

따라서 기존 처리 방법과 본 연구에서 사용한 방법과의 직접적인 성능 비교는 크게 의미가 없다고 판단하여 본 연구에서는 고려하지 않았다. rhdf5라는 R패키지를 공개한 이유도 이러한 제한요건과 불편함을 줄이고 오픈소스 기술로도 데이터를 직접 활용할 수 있도록 하기 위한 통로를 제공한 것이므로 본 논문을 통하여 그 실효성을 GOCI 데이터에 최초로 적용하여 실험 및 검토하였다.
따라서 이러한 한계와 문제점들을 극복하고 대용량의 위성데이터를 좀 더 친숙한 데이터 형태로 활용하고자 하는 사용자 요구가 증가하고 있어 관련 기술개발이 필요한 실정이다. 본 연구에서는 GOCI 산출물 중 활용도가 높은 대용량 Chlorophyll-a(Chl-a) 데이터를 대상으로 빠른 합성과 통계 산출, 위치정보 병합, 데이터를 경량화 할 수 있는 오픈소스 기반의 데이터 처리, 분석 알고리즘을 구현하여 제시하고자 한다.
본 연구에서는 HDF5 포맷을 직접 다룰 수 있는 오픈소스 소프트웨어인 rhdf5 패키지와 data.table, matrixStats 패키지, R 등을 이용하여 GOCI 2차 산출물인 Chl-a 데이터셋을 빠르게 처리하고 위치정보와 통계값을 모두 포함한 활용성 높은 오픈데이터 형태로 제공하기 위한 데이터 처리, 분석 알고리즘을 실험, 구현하였다. 일간 3개의 데이터를 합성, 병합하는 데 약 30초가 소요되었고, 27일간의 월간데이터로 합성, 병합하는 데 약 10분이 소요되었다.
바인딩시킨 데이터프레임을 통계산출에 최적화 되어 있는 matrixStats 패키지를 이용하여 각 시간대별, 픽셀별 행 방향 기준(row-wise) Chl-a의 중앙값(median)을 산출하여 항목(컬럼)을 추가한 후, 다시 교차 매트릭스 형태로 환원시켜 HDF5의 데이터셋을 재생성하였다. 중앙값을 일간 대표값으로 사용함으로써 이상값(outlier)에 대한 영향을 최대한 배제하고자 하였다.

제안 방법

촬영 영상은 대기보정과 기하보정을 거쳐 해색 분석 알고리즘을 통해 2차 산출물로 제공되며 육지영역의 픽셀값과 광학정보가 획득되지 못한 픽셀값은 – 999를 입력하여 식별한다. GOCI 2차 산출물 데이터는 래스터 영상, 팔레트, 텍스트, 테이블 형태 데이터 등 다양한 유형의 데이터 객체들을 하나의 파일로 저장할 수 있는 계층적 자료구조인 HDF5를 기본 데이터포맷으로 채택하였으며, 기본파일의 확장자는 he5(HDF-EOS V5)로 정의하였다.
세계 최초의 정지궤도위성 GOCI는 한반도 주변 해양생태계, 장·단기 해양환경 및 기후 변화, 연안·해양 환경, 연안·해양자원관리를 위한 모니터링 및 해양·수산정보의 생산을 위해 운영되고 있는 정지궤도 위성으로써 매일 오전 9시~오후 4시까지 매 시간마다 8회씩 한반도 근해와 동북아시아의 해양환경을 관측하고 있다. GOCI 영상은 대용량 데이터 특성에 따라 효과적인 저장, 배포를 위하여 데이터패키지 형태의 HDF5를 기본 자료포맷으로 채택하였다. 해양위성센터에서는 촬영된 영상에 대해 대기보정과 기하보정 등을 거친 후 각종 해색 분석을 통해 생산한 2차 산출물들을 비영리 목적에 한하여 웹에서 서비스하고 있으며 자료 활용과 배포를 위해 전용 소프트웨어인 GDPS(GOCI Data Processing System)를 개발하여 제공하고 있다(한국해양위성센터, 2019).
또한 해양연구 활용에 관한 실용성 검토를 위해 각 픽셀별 월간 변동계수를 산출하여 Chl-a값의 변화가 상대적으로 심한 지역의 공간분포 가시화 분석을 수행하였다(그림 13).
일일 데이터셋은 빛 조건과 촬영각이 양호한 11시, 12시, 13시 촬영영상을 이용해 생산된 Chl-a 데이터셋을 사용하였으며 교차 매트릭스형 HDF5 데이터셋을 플래튼(flatten)시켜 벡터화 한 후 R의 데이터프레임 형태의 행과 열을 갖는 2차원 메모리 테이블 형식으로 바인딩시킨다. 바인딩시킨 데이터프레임을 통계산출에 최적화 되어 있는 matrixStats 패키지를 이용하여 각 시간대별, 픽셀별 행 방향 기준(row-wise) Chl-a의 중앙값(median)을 산출하여 항목(컬럼)을 추가한 후, 다시 교차 매트릭스 형태로 환원시켜 HDF5의 데이터셋을 재생성하였다. 중앙값을 일간 대표값으로 사용함으로써 이상값(outlier)에 대한 영향을 최대한 배제하고자 하였다.
본 연구에서는 GOCI 위성을 통해 생산된 Chl-a 데이터셋을 rhdf5 패키지(Fischer and Smith, 2019)를 이용하여 직접 인터페이스하여 일간, 월간 등 복수의 데이터셋을 픽셀별로 합성할 수 있도록 프로그래밍하였으며 대용량 파일을 빠르게 읽고 저장하기 위한 data.table 패키지(Matt, 2019), 행렬구조 데이터의 통계값 산출을 위한 전용 패키지인 matrixStats(Henrik, 2019)를 사용하여 픽셀 별 최대, 최소, 평균, 중앙값, 표준편차, 변동계수, NA값 등을 집계하여 포함시키는 등 단기, 중기, 장기간의 위성 데이터를 빠르게 합성하기 위한 프로그래밍 및 성능실험을 수행하였다. R과 R 패키지를 이용하여 Chl-a 데이터셋을 처리하기 위한 데이터 처리 알고리즘은 그림 5와 같으며, 일간 데이터를 처리하기 위한 모듈과 월간 데이터를 처리하기 위한 모듈을 구분하여 작성하였다.
유의미한 판별을 위해 픽셀별 유효값 촬영 일수가 7일 이상, 변동계수가 30이상인 조건으로 가시화하여 공간분포도를 작성하였다. 따라서 본 연구의 결과를 통해 GOCI 데이터 합성결과의 제공뿐 아니라 중·장기간의 데이터 관측현황, 픽셀별 통계값 등 좀 더 다양한 정보로 처리, 분석하여 제시할 수 있음을 보임으로써 GOCI 위성 데이터의 활용성을 높일 수 있는 기법 개발을 실증하였다.
R과 R 패키지를 이용하여 Chl-a 데이터셋을 처리하기 위한 데이터 처리 알고리즘은 그림 5와 같으며, 일간 데이터를 처리하기 위한 모듈과 월간 데이터를 처리하기 위한 모듈을 구분하여 작성하였다. 일간 데이터 처리 과정에서는 GOCI의 고유포맷인 HDF5 파일로 먼저 재생성한 후, 경도, 위도 데이터셋과 병합하고 육지 영역을 제외한 오픈데이터 포맷(CSV)으로 생성하게 하였다.
BEAM은 2003년 ESA의 지원으로 MERIS에 특화되어 개발된 자료처리 소프트웨어로 자바 언어 기반으로 개발되어 운영체제에 독립적으로 사용할 수 있다는 특장점이 있다(Fomferra and Brockmann, 2005). 파일 형식은 BEAMIMAP(Digital Image Map)의 자체 포맷을 사용하여 표출, 분석, 처리 기능을 구현하였다. 2011년 윈도우 기반의 C언어로 개발된 GDPS는 HDF-EOS5를 기본 파일형식으로 채택하였으며 정지궤도 위성 특성에 따라 설계되어 극궤도 위성들이 표출, 분석, 처리에 중점을 둔 반면 기본 처리, 분석 기능 외에 시계열적 자료의 표현을 위한 애니메이션 기능 등이 추가되었다(Han et al.

대상 데이터

, 2012). GOCI는 매일 동일 한반도 지역을 8회 촬영하며, 본 연구에서는 이 중 빛 조건과 촬영 각도가 양호한 11시, 12시, 13시의 3개 데이터셋을 선택하여 사용하였으며 기상 악화로 데이터생산이 부적합했던 12일, 21일, 23일, 24일의 4일을 제외한 총 27일간의 자료를 사용하였다. 그림 1-A는 GOCI 위성 촬영영역을 나타내며 그림 1-B~E는 구름이 많고 기상조건이 좋지 못한 날의 위성영상 이미지 예시를 보여준다.
GOCI 위성은 동경 130도, 북위 36도를 중심점으로 하여 동서 방향으로 각 1,250㎞, 남북 방향으로 각 1,250㎞씩 총 2,500㎞× 2,500㎞의 공간범위를 매일 오전 9시 정각부터 16시 정각까지 매시간 마다 촬영하고 있으며 단위 픽셀의 크기는 500m×500m로서 단위 공간격자의 수가 총 31,648,395(5567×5685)개에 달하는 대용량 자료를 생산하고 있다(그림 1-A). 그림 1-B부터 그림 1-E는 2018년 10월 중에 촬영된 영상으로써 기상조건이 좋지 않아 산출물 생산이 제외된 날의 사례이다. 촬영 영상은 대기보정과 기하보정을 거쳐 해색 분석 알고리즘을 통해 2차 산출물로 제공되며 육지영역의 픽셀값과 광학정보가 획득되지 못한 픽셀값은 – 999를 입력하여 식별한다.
, 2017). 본 연구에서 사용한 데이터는 해색 알고리즘을 통해 분석된 2차 산출물인 Chl-a 데이터셋으로써 2018년 10월 한 달간 생산된 자료이다. Chl-a 데이터셋은 해양에서의 물리현상과 해양생태환경 등의 분석에 매우 중요한 정보로써 Chl-a 데이터를 이용하여 동해에서의 중규모 소용돌이(eddy)의 공간분포 현상을 분석한 바 있다(Park et al.
일일 데이터셋은 빛 조건과 촬영각이 양호한 11시, 12시, 13시 촬영영상을 이용해 생산된 Chl-a 데이터셋을 사용하였으며 교차 매트릭스형 HDF5 데이터셋을 플래튼(flatten)시켜 벡터화 한 후 R의 데이터프레임 형태의 행과 열을 갖는 2차원 메모리 테이블 형식으로 바인딩시킨다. 바인딩시킨 데이터프레임을 통계산출에 최적화 되어 있는 matrixStats 패키지를 이용하여 각 시간대별, 픽셀별 행 방향 기준(row-wise) Chl-a의 중앙값(median)을 산출하여 항목(컬럼)을 추가한 후, 다시 교차 매트릭스 형태로 환원시켜 HDF5의 데이터셋을 재생성하였다.

데이터처리

두 번째 모듈인 월간데이터 합성, 병합 프로세스에서는 일간데이터가 저장되어진 위치를 지정하여 연속적으로 읽어 들이면서 일 수 만큼의 열 데이터를 추가하도록 자동화하였으며 이후에 행방향(row-wise)의 각종 통계값을 일간데이터와 동일한 방법으로 산출한다. 산출된 통계값 중 표준편차와 평균값을 이용하여 변동계수(CV; Coefficient of Variation) 항목을 추가하여 생성하였다(그림 9).

성능/효과

데이터 처리 프로세스의 복잡성과 규모를 감안할 때 양호한 처리 성능을 보여준 것으로 판단되며 기상조건에 따라 중·장기간 데이터셋을 추출, 합성, 가공해야 할 경우, PC장비와 오픈소스 기술로도 처리할 수 있는 방법을 제시하였다.
따라서 본 연구의 결과를 통해 GOCI 데이터 합성결과의 제공뿐 아니라 중·장기간의 데이터 관측현황, 픽셀별 통계값 등 좀 더 다양한 정보로 처리, 분석하여 제시할 수 있음을 보임으로써 GOCI 위성 데이터의 활용성을 높일 수 있는 기법 개발을 실증하였다.
따라서 본 연구의 결과를 통해 GOCI 데이터 합성결과의 제공뿐 아니라 중·장기간의 데이터 관측현황, 픽셀별 통계값 등 좀 더 다양한 정보로 처리, 분석하여 제시할 수 있음을 보임으로써 GOCI 위성 데이터의 활용성을 높일 수 있는 기법 개발을 실증하였다. 본 연구에서 실험한 결과를 통해 대용량 위성데이터에 대한 자료현황을 오픈소스 기술을 이용하여 빠르게 파악할 수 있었으며 위성데이터에 대한 지식이나 GDPS 사용법을 익혀야 하는 등의 기존 방법을 사용하지 않으므로써 자료 활용 준비에 소요되는 노력과 시간을 대폭 줄일 수 있었다. 또한 일반 사용자들이 다루기 어려운 HDF5 파일구조 대신 익숙한 형태로 데이터를 사용할 수 있게 함으로써 GOCI 영상 데이터에 대한 접근성과 활용성이 크게 향상될 것으로 예상된다.
표 2는 일간 데이터셋과 월간 데이터셋 처리 환경 및 평가 요소를 종합하여 비교한 것으로서 Chl-a 일간 데이터셋을 합성하는 데 소요되는 시간이 평균 30초가량 소요되었으며 하루 8개의 데이터셋을 모두 처리하는 데에도 수 분 내로 처리할 수 있을 것으로 판단되므로 PC로도 일간 합성자료의 생성 작업을 신속하게 수행할 수 있을 것으로 판단된다. 월간 데이터셋의 합성 및 병합 시에는 반복문을 사용하여 데이터 프레임의 항목을 연속적으로 추가할 수 있도록 자동화 하였으며 각 픽셀의 위도, 경도 값과 각 픽셀별 통계 산출값, 유효 촬영일수 등을 모두 포함한 오픈데이터 형식의 월간 데이터셋 파일의 크기는 육지 영역 데이터를 제외하는 작업을 통해 5.22GB 정도로 줄일 수 있었다. 처리시간 중 대부분은 일간데이터 파일들을 읽어 들이거나 물리적 파일로 저장하는 단계에서 소요되었으며, 데이터프레임을 조작하거나 통계산출 시에는 빠르게 진행되었다.
table, matrixStats 패키지, R 등을 이용하여 GOCI 2차 산출물인 Chl-a 데이터셋을 빠르게 처리하고 위치정보와 통계값을 모두 포함한 활용성 높은 오픈데이터 형태로 제공하기 위한 데이터 처리, 분석 알고리즘을 실험, 구현하였다. 일간 3개의 데이터를 합성, 병합하는 데 약 30초가 소요되었고, 27일간의 월간데이터로 합성, 병합하는 데 약 10분이 소요되었다. 데이터 처리 프로세스의 복잡성과 규모를 감안할 때 양호한 처리 성능을 보여준 것으로 판단되며 기상조건에 따라 중·장기간 데이터셋을 추출, 합성, 가공해야 할 경우, PC장비와 오픈소스 기술로도 처리할 수 있는 방법을 제시하였다.
전체 해양영역 중 유효 픽셀값 비율이 최대인 날은 25일로 55%의 비율을 보였으며 가장 빈약한 유효 픽셀값 비율은 16%로써 11일에 나타났음을 알 수 있듯이 중·장기간에 걸친 데이터 현황을 파악할 수 있어 필요 데이터 선택 시 유용한 정보를 얻을 수 있다.
표 2는 일간 데이터셋과 월간 데이터셋 처리 환경 및 평가 요소를 종합하여 비교한 것으로서 Chl-a 일간 데이터셋을 합성하는 데 소요되는 시간이 평균 30초가량 소요되었으며 하루 8개의 데이터셋을 모두 처리하는 데에도 수 분 내로 처리할 수 있을 것으로 판단되므로 PC로도 일간 합성자료의 생성 작업을 신속하게 수행할 수 있을 것으로 판단된다. 월간 데이터셋의 합성 및 병합 시에는 반복문을 사용하여 데이터 프레임의 항목을 연속적으로 추가할 수 있도록 자동화 하였으며 각 픽셀의 위도, 경도 값과 각 픽셀별 통계 산출값, 유효 촬영일수 등을 모두 포함한 오픈데이터 형식의 월간 데이터셋 파일의 크기는 육지 영역 데이터를 제외하는 작업을 통해 5.

후속연구

데이터 처리 프로세스의 복잡성과 규모를 감안할 때 양호한 처리 성능을 보여준 것으로 판단되며 기상조건에 따라 중·장기간 데이터셋을 추출, 합성, 가공해야 할 경우, PC장비와 오픈소스 기술로도 처리할 수 있는 방법을 제시하였다. 따라서 각종 해양 수치모델의 입력자료 구성, 해양 관련 인공지능화 기법 개발, 공간가시화, 공간분석 등 다양한 사용자 요구에 맞는 데이터 활용이 가능할 것으로 판단되므로 GOCI 산출물들을 이용한 해양연구를 활성화하는 데 기여할 수 있을 것으로 판단된다. 향후 수명이 다 된 GOCI의 기존 데이터를 체계적으로 재처리하여 관리 하고 재활용할 수 있도록 데이터 서비스를 구축하는 것이 필요하며, 2020년부터 운용 예정인 GOCI-Ⅱ는 GOCI에 비해 공간해상도가 높아지고 촬영영역도 확대되는 등 수십 배에 달하는 데이터량 증가가 예상되고 있어 GOCI-Ⅱ의 데이터 접근성 및 활용성 제고를 위한 연구가 필요하다.
본 연구에서 실험한 결과를 통해 대용량 위성데이터에 대한 자료현황을 오픈소스 기술을 이용하여 빠르게 파악할 수 있었으며 위성데이터에 대한 지식이나 GDPS 사용법을 익혀야 하는 등의 기존 방법을 사용하지 않으므로써 자료 활용 준비에 소요되는 노력과 시간을 대폭 줄일 수 있었다. 또한 일반 사용자들이 다루기 어려운 HDF5 파일구조 대신 익숙한 형태로 데이터를 사용할 수 있게 함으로써 GOCI 영상 데이터에 대한 접근성과 활용성이 크게 향상될 것으로 예상된다.
월간데이터 처리 속도는 27개 일간 데이터셋을 처리하는 데 약 10분이 소요되었으나 기상조건, 중·장기 요건 등 데이터양의 증감에 따라 다소 단축되거나 증가될 것으로 판단된다. 본 처리결과는 다른 조건에서의 처리 성능을 예상하는 데 참고할 수 있을 것이다.
변동계수는 각 월간 단위 픽셀별 평균값들을 기준으로 얼마나 변동이 큰가를 나타내는 지표로써 표준편차를 평균으로 나눈 값이다. 월간데이터 합성을 통해 얻어진 R 데이터프레임 형식의 데이터 객체를 통해 단위 픽셀별 유효촬영일 수, 무효촬영일수, 최대, 최소, 평균, 중앙값, 표준편차, 변동계수 등의 정보를 생성함으로써 필요한 기간만큼의 서브 데이터셋을 추출하거나 특정 월간 통계값에 대한 정보만 추출할 수도 있어 위성데이터를 해양 수치모델의 입력자료, 인공지능(머신러닝, 딥러닝) 모델 개발, 공간정보가시화 분석 등 다양한 활용이 가능할 것으로 판단된다.
향후 수명이 다 된 GOCI의 기존 데이터를 체계적으로 재처리하여 관리 하고 재활용할 수 있도록 데이터 서비스를 구축하는 것이 필요하며, 2020년부터 운용 예정인 GOCI-Ⅱ는 GOCI에 비해 공간해상도가 높아지고 촬영영역도 확대되는 등 수십 배에 달하는 데이터량 증가가 예상되고 있어 GOCI-Ⅱ의 데이터 접근성 및 활용성 제고를 위한 연구가 필요하다. 이러한 측면에서 본 연구결과는 관련 사전 연구로써 검토되고 활용될 수 있을 것이다.
따라서 각종 해양 수치모델의 입력자료 구성, 해양 관련 인공지능화 기법 개발, 공간가시화, 공간분석 등 다양한 사용자 요구에 맞는 데이터 활용이 가능할 것으로 판단되므로 GOCI 산출물들을 이용한 해양연구를 활성화하는 데 기여할 수 있을 것으로 판단된다. 향후 수명이 다 된 GOCI의 기존 데이터를 체계적으로 재처리하여 관리 하고 재활용할 수 있도록 데이터 서비스를 구축하는 것이 필요하며, 2020년부터 운용 예정인 GOCI-Ⅱ는 GOCI에 비해 공간해상도가 높아지고 촬영영역도 확대되는 등 수십 배에 달하는 데이터량 증가가 예상되고 있어 GOCI-Ⅱ의 데이터 접근성 및 활용성 제고를 위한 연구가 필요하다. 이러한 측면에서 본 연구결과는 관련 사전 연구로써 검토되고 활용될 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	GDPS의 특징은 무엇인가?	해양위성센터에서는 촬영된 영상에 대해 대기보정과 기하보정 등을 거친 후 각종 해색 분석을 통해 생산한 2차 산출물들을 비영리 목적에 한하여 웹에서 서비스하고 있으며 자료 활용과 배포를 위해 전용 소프트웨어인 GDPS(GOCI Data Processing System)를 개발하여 제공하고 있다(한국해양위성센터, 2019). GDPS는 Windows기반 Visual C++로 개발되었으며 대기보정 및 해양광학 알고리즘, 해양 환경 분석 알고리즘을 실시간으로 처리할 수 있다(Ryu et al., 2012).
	GOCI 영상의 자료 종류인 Raw, Level 1, Level 2는 각각 무엇을 의미하는가?	GOCI 영상의 자료처리는 크게 수신, 처리, 저장, 배포로 구분되며, 자료의 종류는 Raw, Level 1, Level 2 등으로 나눠진다. Raw 자료는 위성으로부터 수신한 직후의 자료로 구조화 되기 이전의 자료를 의미하고 Level 1 자료는 방사보정 및 기하보정을 통하여 2차원으로 구조화한 반사도 자료를 의미하며, Level 2 자료는 Level 1 반사도 자료에 대해 해색 알고리즘을 적용하여 Chl-a, 부유물질농도 등을 추출한 해색자료를 의미한다(Yang et al., 2017).
	GOCI란 무엇인가?	세계 최초의 정지궤도위성 GOCI는 한반도 주변 해양생태계, 장·단기 해양환경 및 기후 변화, 연안·해양 환경, 연안·해양자원관리를 위한 모니터링 및 해양·수산정보의 생산을 위해 운영되고 있는 정지궤도 위성으로써 매일 오전 9시~오후 4시까지 매 시간마다 8회씩 한반도 근해와 동북아시아의 해양환경을 관측하고 있다. GOCI 영상은 대용량 데이터 특성에 따라 효과적인 저장, 배포를 위하여 데이터패키지 형태의 HDF5를 기본 자료포맷으로 채택하였다.

참고문헌 (13)

Fischer, C.M. and M.L. Smith. 2019. rhdf5-HDF5 inteface for R. https://www.bioconductor.org/packages/release/bioc/vignettes/rhdf5/inst/doc/rhdf5.html(Accessed October 10, 2019)
Fomferra, N. and C. Brockmann. 2005. BEAM-The ENVISAT MERIS and (A)ATSR toolbox. Proceeding of the MERIS(A) ATSR Workshop. Vol.1, pp.1-3.
Fu, G., K. Settle, and C. R. McClain. 1998. SeaDAS:The SeaWiFS Data Analysis System. Proc of the Ocean Remote Sensing. Conference. pp.73-77.
Han, H.J., J.H. Ryu and Y.H. Ahn. 2010. Development the Geostationary Ocean Color Imager(GOCI) Data Processing System(GDPS). Korean Journal of Remote Sensing. 26(2):239-249.
Henrik, B. 2019. Package 'matrixStats'. https://cran.r-project.org/web/packages/matrixStats/matrixStats.pdf(Accessed October 10, 2019)
Matt, D. 2019. Package 'data.table'. https://cran.r-project.org/web/packages/data.table/vignettes/datatable-intro.html(Accessed October 10, 2019)
Park, K.A., H.J. Woo and J.H. Ryu. 2012. Spatial Scales of Mesoscale Eddies from GOCI Chlorophyll-a Concentration Images in the East/Japan Sea. Ocean Science Journal. 47(3):347-358.

원문보기 상세보기
Ryu, J.H., H.J. Han, S.I. Cho, Y.J. Park, and Y.H. Ahn. 2012. Overview of geostationary ocean color imager (GOCI) and GOCI data processing system (GDPS). Ocean Science Journal. 47(3):223-233.

원문보기 상세보기
The HDF Group. 2019. INTRODUCTION TO HDF5. https://portal.hdfgroup.org/display/HDF5/Introduction+to+HDF5(Accessed October 10, 2019)
Wikipedia. 2019. Hierarchical Data Format. https://en.wikipedia.org/wiki/Hierarchical_Data_Format(Accessed October 10, 2019).
Yang, H., J.M. Ryu, H.J. Han, J.H. Ryu and Y.J. Park. 2012. Ocean Disaster Detection System(OD2S) using Geostationary Ocean Color Imager(GOCI). Korea Society of IT Services. 11:1-13.
Yang, H., S. Yoon, H.J. Han, M.J. Heo and Y.J. Park. 2017. Data Processing System for the Geostationary Ocean Color Imager (GOCI). KIISE Transactions on Computing Practices. 23(1):74-79.

원문보기 상세보기
한국해양위성센터. http://kosc.kiost.ac.kr(Accessed October 10, 2019)

저자의 다른 논문 :

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