지구온난화와 급속한 기후 변화는 북서 태평양 내 태풍의 특성에 오랫동안 영향을 미쳤고, 이로 인해 한반도 연안에서 치명적인 재해가 증가하고 있다. 마이크로파 센서의 일종인 Synthetic Aperature Radar (SAR)는 위성 광학 및 적외선 센서로는 바람을 구할 수 없는, 흐린 대기 조건인 태풍 주위에서 고해상도 바람장을 생산할 수 있다. SAR 자료로부터 해상풍을 산출하기 위한 Geophysical Model Functions (GMFs)에는 풍향 입력이 필수적이며, 이는 태풍 중심을 정확히 추정하는 것에 기반해야 한다. 본 연구는 태풍 중심 탐지 방법의 문제점을 개선하고 이를 해상풍 산출에 반영하기 위하여, Sentinel-1A 영상을 이용해 태풍 중심을 추정하였다. 그 결과는 한국 및 일본 기상청이 제공한 태풍 경로자료와 비교하여 검증하였고, Himawari-8 위성의 적외 영상도 활용하여 검증하였다. 태풍의 초기 중심 위치는 VH 편파를 이용해 설정하여 오차의 발생 가능성을 줄였다. 탐지된 중심은 한국 및 일본 기상청에서 제공하는 4개 태풍의 경로 자료와 평균 23.76 km의 차이를 보였다. Himawari-8 위성에서 추정된 태풍 중심에 비교했을 때 결과는 육지 근처에 위치하면서 58.73 km의 큰 차이를 보인 한 태풍을 제외하고는 평균 11.80 km의 공간 변이를 보였다. 이는 고해상도 SAR 영상이 태풍 중심을 추정하고 태풍 주위 해상풍 산출에 활용될 수 있음을 시사한다.
지구온난화와 급속한 기후 변화는 북서 태평양 내 태풍의 특성에 오랫동안 영향을 미쳤고, 이로 인해 한반도 연안에서 치명적인 재해가 증가하고 있다. 마이크로파 센서의 일종인 Synthetic Aperature Radar (SAR)는 위성 광학 및 적외선 센서로는 바람을 구할 수 없는, 흐린 대기 조건인 태풍 주위에서 고해상도 바람장을 생산할 수 있다. SAR 자료로부터 해상풍을 산출하기 위한 Geophysical Model Functions (GMFs)에는 풍향 입력이 필수적이며, 이는 태풍 중심을 정확히 추정하는 것에 기반해야 한다. 본 연구는 태풍 중심 탐지 방법의 문제점을 개선하고 이를 해상풍 산출에 반영하기 위하여, Sentinel-1A 영상을 이용해 태풍 중심을 추정하였다. 그 결과는 한국 및 일본 기상청이 제공한 태풍 경로자료와 비교하여 검증하였고, Himawari-8 위성의 적외 영상도 활용하여 검증하였다. 태풍의 초기 중심 위치는 VH 편파를 이용해 설정하여 오차의 발생 가능성을 줄였다. 탐지된 중심은 한국 및 일본 기상청에서 제공하는 4개 태풍의 경로 자료와 평균 23.76 km의 차이를 보였다. Himawari-8 위성에서 추정된 태풍 중심에 비교했을 때 결과는 육지 근처에 위치하면서 58.73 km의 큰 차이를 보인 한 태풍을 제외하고는 평균 11.80 km의 공간 변이를 보였다. 이는 고해상도 SAR 영상이 태풍 중심을 추정하고 태풍 주위 해상풍 산출에 활용될 수 있음을 시사한다.
Global warming and rapid climate change have long affected the characteristics of typhoons in the Northwest Pacific, which has induced increasing devastating disasters along the coastal regions of the Korean peninsula. Synthetic Aperature Radar (SAR), as one of the microwave sensors, makes it possib...
Global warming and rapid climate change have long affected the characteristics of typhoons in the Northwest Pacific, which has induced increasing devastating disasters along the coastal regions of the Korean peninsula. Synthetic Aperature Radar (SAR), as one of the microwave sensors, makes it possible to produce high-resolution sea surface wind field around the typhoon under cloudy atmospheric conditions, which has been impossible to obtain the winds from satellite optical and infrared sensors. The Geophysical Model Functions (GMFs) for sea surface wind retrieval from SAR data requires the input of wind direction, which should be based on the accurate estimation of the center of the typhoon. This study estimated the typhoon centers using Sentinel-1A images to improve the problem of typhoon center detection method and to reflect it in retrieving the sea surface wind. The results were validated by comparing with the typhoon best track data provided by the Korea Meteorological Administration (KMA) and Japan Meteorological Agency (JMA), and also by using infrared images of Himawari-8 satellite. The initial center position of the typhoon was determined by using VH polarization, thereby reducing the possibility of error. The detected center showed a difference of 23.76 km on average with the best track data of the four typhoons provided by the KMA and JMA. Compared to the typhoon center estimated by Himawari-8 satellite, the results showed an average spatial variation of 11.80 km except one typhoon located near land with a large difference of 58.73 km. This result suggests that high-resolution SAR images can be used to estimate the center and retrieve sea surface wind around typhoons.
Global warming and rapid climate change have long affected the characteristics of typhoons in the Northwest Pacific, which has induced increasing devastating disasters along the coastal regions of the Korean peninsula. Synthetic Aperature Radar (SAR), as one of the microwave sensors, makes it possible to produce high-resolution sea surface wind field around the typhoon under cloudy atmospheric conditions, which has been impossible to obtain the winds from satellite optical and infrared sensors. The Geophysical Model Functions (GMFs) for sea surface wind retrieval from SAR data requires the input of wind direction, which should be based on the accurate estimation of the center of the typhoon. This study estimated the typhoon centers using Sentinel-1A images to improve the problem of typhoon center detection method and to reflect it in retrieving the sea surface wind. The results were validated by comparing with the typhoon best track data provided by the Korea Meteorological Administration (KMA) and Japan Meteorological Agency (JMA), and also by using infrared images of Himawari-8 satellite. The initial center position of the typhoon was determined by using VH polarization, thereby reducing the possibility of error. The detected center showed a difference of 23.76 km on average with the best track data of the four typhoons provided by the KMA and JMA. Compared to the typhoon center estimated by Himawari-8 satellite, the results showed an average spatial variation of 11.80 km except one typhoon located near land with a large difference of 58.73 km. This result suggests that high-resolution SAR images can be used to estimate the center and retrieve sea surface wind around typhoons.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구는 Sentinel-1A 위성의 SAR 영상, Himawari-8 위성의 적외 영상, 그리고 한국과 일본 기상청에서 제공하는 태풍의 경로 자료를 이용하여 1) Du and Vachon (2003)의 태풍 중심 탐지 알고리즘을 적용하여 오차 특성을 파악하고, 2) 분석한 오차 특성을 바탕으로 알고리즘을 개선하고, 3) 기존 알고리즘과 본 연구에서 개선한 알고리즘의 결과를 비교하며, 4) 기상청 태풍 경로 자료와 적외 영상을 활용하여 제안한 알고리즘의 정확도를 평가하는 데 목적이 있다.
이때, 웨이블릿 분석에서 제거되지 않은 바람 흔적이나 강수대의 흔적이 더 큰 구배를 보임에 따라 이들이 탐지될 수 있다. 따라서 본 연구에서는 객체 탐지 시 획득한 태풍 중심 영역으로부터 반경을 계산하고, 해당 반경의 두 배 이내의 구역에서 구배가 최대가 되는 지점을 산출하고자 하였다. 그리하여 1도 간격으로 구배가 가장 큰 지점을 찾았고, 각 지점들의 질량중심을 태풍 중심 위치로 추정하였다.
본 연구에서는 인공위성 SAR 자료에 활용되는 기존 태풍 중심 탐지 방식이 갖는 한계점을 분석 및 개선하였고, 그 한계점이 잘 드러나는 SAR 태풍 영상에 적용하여 개선된 방법이 산출하는 태풍 중심의 정확도를 검증하였다. 본 연구에서 제안한 방식은 더 높은 정확도로 태풍 중심을 탐지함으로써 정확한 태풍 주변 해상풍 산출에 기여할 수 있을 것으로 생각된다.
가설 설정
따라서 많은 웨이블릿 모함수 중 db4, 스케일 레벨은 7로 설정하여 진행한 웨이블릿 분석이 노이즈를 충분히 제거함을 보이기 위해 태풍 중심 내부에 임의로 설정한 초기 위치에 대해 태풍 중심 탐지를 수행하였다. 노이즈가 제거된 영상은 태풍 중심의 테두리를 따라 구배가 가장 크다는 가정을 잘 만족하였고, 일부 노이즈는 그에 비할 정도로 큰 구배를 나타내기는 하였다. 하지만 대부분은 객체 탐지에서 획득한 태풍 중심의 반경의 두 배보다 먼 곳에 위치하였기 때문에 태풍 중심의 탐지에 영향을 주지 않음을 확인하였다(Fig.
제안 방법
3의 좌측 흐름도는 Sentinel-1A IW 모드의 VH 편파 자료를 이용하여 태풍 중심 초기 위치를 추정하는 과정을 개괄적으로 나타낸 것이다. C-2PO 모델을 사용하여 VH 편파 후방산란계수를 풍속으로 변환한 뒤, 영상을 부관측 폭의 크기에 맞게 세 구역으로 구분하였다. 이후 각 구역별로 평균 풍속을 계산한 뒤 그 값의 0.
Du and Vachon (2003)의 태풍 중심 탐지 방법과 본 연구에서 제안한 방법을 비교하기 위해 태풍 솔릭을 제외한 나머지 네 개의 태풍에 대해 각 방법을 적용하였으며, 추정된 태풍 중심의 초기 위치를 제시하였다(Fig. 9). 전자의 방법을 사용하여 초기 위치를 추정한 경우 한국 기상청에서 제공하는 태풍 경로 자료로부터 추정한 태풍 중심과 비교하였을 때 태풍 시마론은 133.
Du and Vachon (2003)이 연구한 태풍 중심 탐지 방법이 지닌 한계점을 이해하기 위하여 태풍 솔릭과 라이언록에 대하여 이 방법을 적용하여 태풍 중심을 탐지하고, 이를 한국 기상청에서 제공하는 태풍 경로와 비교하였다. 태풍 솔릭의 경우 태풍 중심이 비교적 정확하게 탐지되었으나, 태풍 라이언록은 100 km 이상 떨어진 곳에서 태풍 중심이 탐지되었다.
본 연구에서 제안한 방식을 검증하기 위해 한국 기상청과 일본 RSMC에서 제공하는 태풍 경로 자료와 비교하였다. 각 태풍 경로 자료로부터 SAR 촬영 시각에 맞추어 선형적으로 보간하여 태풍 중심을 추정하였고, 그 결과를 각각 SAR 영상으로 추정한 태풍 중심과 비교하였다. 최소 18.
이들 각각의 영역의 형태를 확인하기 위해 형태를 기반으로 하여 객체 탐지(blob detection)를 수행하였다. 객체 탐지는 히스토그램 분석을 통해 이루어졌으며, 먼저 각 화소의 풍속을 일정한 간격을 가지는 라벨로 구분한 뒤, 동일한 라벨이 연속하여 분포하는 영역을 탐지하였다. 또한, 라벨의 간격이 고정됨에 따라 분류 과정에서 발생할 수 있는 오차를 줄이기 위하여 그 간격을 조금씩 달리하였으며, 각각의 경우에 대해 객체 탐지를 진행하여 가능한 많은 객체를 추출하였다.
구배가 최대가 되는 지점을 이용하여 태풍 중심 위치를 추정하였다. 태풍은 보통 눈벽(eye wall)을 기준으로 풍속이 급격하게 변화하므로 후방산란계수 또한 그와 비슷한 양상으로 변화가 나타난다.
따라서 이처럼 촬영 시각만큼 선형 보간하여 차이를 분석하는 것은 바람직하지 않을 수 있다. 그리하여 SAR 영상 촬영 시간대에 함께 촬영된 Himawari-8 위성의 영상에 Dvorak 기법을 적용하여 직접 태풍 중심 위치를 산출한 뒤 이를 SAR 영상으로 추정한 값과 비교하고자 하였다(Fig. 11).
10c도 같은 맥락에서 해석이 가능하다. 둘째로 본 연구에서 제안한 방법은 구배가 최대를 보이는 지점들을 찾은 뒤 그 질량중심으로 중심의 위치를 추정하는 방식을 사용하기 때문이다. Himawari-8 위성 영상에서 태풍 마와르는 마찰로 인해 이동을 방해받으면서 육지 방면으로 태풍의 중심이 집중되며 비대칭적인 형태를 띠는 모습이 관측되었다.
이처럼 제거되지 않은 노이즈는 주변과 현격한 차이를 보이기 때문에 추후 구배를 이용해 태풍 중심을 탐지할 때 오차로 작용할 수 있다. 따라서 많은 웨이블릿 모함수 중 db4, 스케일 레벨은 7로 설정하여 진행한 웨이블릿 분석이 노이즈를 충분히 제거함을 보이기 위해 태풍 중심 내부에 임의로 설정한 초기 위치에 대해 태풍 중심 탐지를 수행하였다. 노이즈가 제거된 영상은 태풍 중심의 테두리를 따라 구배가 가장 크다는 가정을 잘 만족하였고, 일부 노이즈는 그에 비할 정도로 큰 구배를 나타내기는 하였다.
SAR를 이용한 태풍 연구에 있어 정확한 해상풍을 산출하기 위해서는 정확한 태풍 중심 탐지가 필요하지만, 현재까지 태풍 중심을 탐지한 연구들은 태풍 중심에서 후방산란계수가 가장 작고, 그 주변에 나선 형태를 갖는 약간의 강수대가 형성되어 있는 형태의 태풍을 가정하기 때문에 일부 태풍에는 적합하지 않을 수 있다. 따라서 본 연구에서는 Sentinel-1A IW 모드 수직 이중 편파 자료를 이용하여 태풍 중심 탐지 방법을 개선한 뒤, 그 결과를 한국 기상청과 일본 기상청 산하 RSMC, Himawari-8 위성 15번 채널 영상으로부터 추정한 태풍 중심과 비교 분석하여 정확도를 확인하였다. 연구에서 사용한 태풍은 총 5개로, 그 중 Du and Vachon (2003)의 방법으로 중심 탐지가 제대로 되지 않는 4개의 태풍에 대해 본 연구에서 제시하는 알고리즘을 적용하여 중심을 탐지하였다.
IW 모드는 세 개의 부관측 폭을 각각 관측한 뒤 이를 합성하여 하나의 영상으로 만들기 때문에 각 부관측 폭이 접하는 부분과 그렇지 않은 부분이 정합하지 않는다. 따라서 전체 영상에 대해 경계값을 적용함으로써 발생 가능한 오차를 제거하기 위해 이와 같이 영역을 구분하여 경계값을 각각 적용하였다.
영상에서 태풍 중심은 명백히 원 혹은 타원의 형태를 띠는 반면, 노이즈는 영상 전반에 걸쳐 산발적으로 분포하고, 여러 요인에 의해 발생하는 바람이 약한 구간은 태풍의 영향으로 인해 이와 일치하는 나선 형태를 띤다. 따라서 탐지된 객체의 중심으로부터 가장자리까지의 거리들의 총 분산이 가장 작은 객체를 추출하여 태풍 중심이 포함된 영역을 탐지하였고, 이후 해당 영역의 질량중심을 산출함으로써 태풍 중심의 초기 위치를 추정하였다.
객체 탐지는 히스토그램 분석을 통해 이루어졌으며, 먼저 각 화소의 풍속을 일정한 간격을 가지는 라벨로 구분한 뒤, 동일한 라벨이 연속하여 분포하는 영역을 탐지하였다. 또한, 라벨의 간격이 고정됨에 따라 분류 과정에서 발생할 수 있는 오차를 줄이기 위하여 그 간격을 조금씩 달리하였으며, 각각의 경우에 대해 객체 탐지를 진행하여 가능한 많은 객체를 추출하였다.
, 2003)를 따라 본 연구에서는 Daubechies (1988)에 의해 제안된 db4 함수를 모함수로 선택하였다. 또한, 스케일 레벨(scale level)을 7로 설정하여 공간 해상도의 27배의 해상도를 갖는 근사 계수(approximation coefficient)를 얻고 이를 본래 SAR 영상의 크기로 복원하였다.
하지만 VV 편파에 비해 풍향, 입사각의 변화에 덜 민감하여 상대적으로 보편적인 경계값으로 작동 가능한 VH 편파를 활용하여 경계값을 설정함으로써 여타 변수에 의한 오차를 차단하였다. 또한, 이어지는 객체 탐지를 통해 원이나 타원 형태를 띠지 않는 이들 구역을 제거하였다. 그에 따라 추정된 초기 위치가 한국 기상청의 자료와 비교하였을 때 평균 25 km 정도로 비교적 작은 차이를 보였으며, Fig.
본 연구에서 제안하는 방법이 앞서 분석한 오차를 해결하는지 확인하기 위해 태풍 중심의 초기 위치 산출 과정에 대한 평가를 진행하였다. 각 태풍별로 육안으로 태풍 중심부와 주변부를 구분하여 각 영역별 평균 풍속을 계산한 결과 태풍 시마론에 대해 중심부는 21.
각 관계별로, 혹은 풍속의 크기에 따라 계수가 변화하지만, 두 변수의 관계를 선형적으로표현하고 있다. 본 연구에서는 (1)을 이용하여 해상풍을 산출하였다.
, 2006). 본 연구에서는 태풍 강도 추정이 아니라 태풍 중심을 추정하는 것에 초점을 두었기 때문에 Dvorak 기법을 적용하여 Himawari-8 위성 영상으로부터 태풍 중심을 추정하였다.
웨이블릿 분석을 통해 노이즈가 제거되었는지 확인하였다. 연구에 사용된 모든 영상은 웨이블릿 분석을 적용하기 전의 경우 바람 흔적과 더불어 전 영상에 걸쳐 특정 방향을 향하며 일정한 간격으로 분포하는 노이즈를 포함하고 있는 것을 확인하였다(Fig.
이외에도 SAR 시스템 내적인 문제로 발생하는 노이즈나 태풍 중심 근처에서 육지의 영향이나 안전반원 등으로 인해 풍속이 저하된 구간 등이 남게 된다. 이들 각각의 영역의 형태를 확인하기 위해 형태를 기반으로 하여 객체 탐지(blob detection)를 수행하였다. 객체 탐지는 히스토그램 분석을 통해 이루어졌으며, 먼저 각 화소의 풍속을 일정한 간격을 가지는 라벨로 구분한 뒤, 동일한 라벨이 연속하여 분포하는 영역을 탐지하였다.
2766oN에 최종 위치가 추정되었다. 이들 태풍 중심이 제대로 추정되었는지 검증하고자 한국 기상청에서 제공하는 태풍 경로 자료를 SAR 관측 시기에 맞게 선형적으로 보간하여 계산하였다. 태풍 솔릭은 125.
태풍은 보통 눈벽(eye wall)을 기준으로 풍속이 급격하게 변화하므로 후방산란계수 또한 그와 비슷한 양상으로 변화가 나타난다. 이러한 특징을 이용하기 위하여 웨이블릿 분석을 통해 노이즈가 제거된 VV 편파 후방산란계수의 구배를 산출하였다. 구배 계산에는 소벨(Sobel) 필터를 사용하였다.
이전 제시된 알고리즘(Du and Vachon, 2003)이 가지는 한계점을 확인하기 위하여 해당 연구에서 제시하는 방법을 이용하여 태풍 솔릭과 라이언록에 대해 태풍 중심 위치를 탐지하였다. 이들 방식은 태풍 중심이 드러나도록 영상을 별도로 추출한 뒤, 그에 대해 관측값 평균의 0.
C-2PO 모델을 사용하여 VH 편파 후방산란계수를 풍속으로 변환한 뒤, 영상을 부관측 폭의 크기에 맞게 세 구역으로 구분하였다. 이후 각 구역별로 평균 풍속을 계산한 뒤 그 값의 0.9배를 경계값(threshold)으로 설정하여 그보다 큰 값을 가지는 화소(pixel)를 제거하였다. IW 모드는 세 개의 부관측 폭을 각각 관측한 뒤 이를 합성하여 하나의 영상으로 만들기 때문에 각 부관측 폭이 접하는 부분과 그렇지 않은 부분이 정합하지 않는다.
그에 따라 경계값 시험 시 태풍 중심이 항상 산출됨을 확인하였고, 이외에도 나선 형태로 분포하는 작은 풍속 구간이나 산발적인 형태로 나타나는 노이즈도 경계값 시험을 통과하였다. 이후 히스토그램의 간격을 조정하며 각 화소를 여러 단계의 라벨로 구분하여 이러한 라벨이 연속적으로 나타나는 영역을 탐색하였다. 경계값 시험을 통과한 영역 중 가장 원에 가까운 형태를 띠는 곳을 추출함으로써 태풍 중심 영역이 산출됨을 확인하였다.
정확한 태풍 중심 위치를 추정하기 위해 육지 화소와 노이즈를 제거하는 전처리 과정을 수행하였다(Fig. 3). SAR 영상 내에서 육지는 편파에 관계없이 해양과는 상이한 산란 특성을 보이기 때문에 태풍 중심 위치를 추정하는 데 오차를 발생시킬 수 있다.
태풍 라이언록뿐만 아니라 태풍 시마론, 산산, 마와르 또한 육지, 강수대, 안전반원 등이 복합적으로 작용하여 태풍 중심과 비견될 정도의 낮은 후방산란계수를 갖는 구역이 존재함을 확인하였고, 이러한 문제를 개선하기 위하여 VH 편파 자료를 이용한 경계값 시험과 객체 탐지를 추가하였다. 그 결과 태풍 중심의 초기 위치에서 발생하였던 오차가 크게 감소하여 육안으로 식별 가능한 태풍 중심 내부에 추정된 각 초기 위치들이 자리하는 것을 확인하였다.
본 연구에서 제안한 방식 또한 경계값을 통해 탐지를 수행하므로 중간 과정에서 태풍 중심뿐만 아니라 그 주위의 바람이 약한 구역도 추출되는 동일한 문제가 발생하였다. 하지만 VV 편파에 비해 풍향, 입사각의 변화에 덜 민감하여 상대적으로 보편적인 경계값으로 작동 가능한 VH 편파를 활용하여 경계값을 설정함으로써 여타 변수에 의한 오차를 차단하였다. 또한, 이어지는 객체 탐지를 통해 원이나 타원 형태를 띠지 않는 이들 구역을 제거하였다.
4는 태풍 솔릭 영상에 발생한 바람 흔적에 2차원 푸리에 변환을 적용해 풍향을 산출한 것이다. 하지만 본 연구에서의 경우 이들 구조는 추후 구배(gradient)를 이용하여 태풍 중심의 테두리를 산정할 때 큰 오차를 발생하는 요인이 되기 때문에 이를 제거하는 것이 바람직하며, 본 연구에서는 웨이블릿 분석을 사용하였다.
대상 데이터
Sentinel-1A 위성이 관측을 시작한 이래로 북서태평양 해역에서 형성된 태풍 중 IW 모드 수직 이중편파로 중심이 촬영된 태풍을 검색하였다. 그 결과 2016년 8월 17일에 발생한 라이언록(Lionrock), 2017년 8월 30일 마와르(Mawar), 2018년 8월 2일, 15일 16일에 각각 발생한 산산(Shanshan), 솔릭(Soulik), 시마론(Cimaron)으로 총 5개의 태풍에 대하여 SAR 영상을 수집하였다.
Table 1에 제시된 SAR 영상 촬영 시각은 현지 시각으로 환산하였을 때 밤 시간대도 포함하고 있어 500 m, 1 km로 해상도가 좋은 1-3번째 가시영역 채널을 대신하여 15번 적외선 영역 채널 자료를 수집하였다. 15번 채널은 12.
Sentinel-1A 위성이 관측을 시작한 이래로 북서태평양 해역에서 형성된 태풍 중 IW 모드 수직 이중편파로 중심이 촬영된 태풍을 검색하였다. 그 결과 2016년 8월 17일에 발생한 라이언록(Lionrock), 2017년 8월 30일 마와르(Mawar), 2018년 8월 2일, 15일 16일에 각각 발생한 산산(Shanshan), 솔릭(Soulik), 시마론(Cimaron)으로 총 5개의 태풍에 대하여 SAR 영상을 수집하였다. 각 태풍의 발생 및 소멸 날짜와 전기간 동안 최저 기압, 최대 풍속 등에 관한 자세한 정보는 Table 1에 제시하였다.
본 연구에서 제안하는 방식이 태풍 중심을 정확히 추정하는지 검증하기 위해 SAR 영상 자료와 시간이 거의 일치하는 Himawari-8 위성 자료를 활용하였다. Himawari-8 위성은 2014년 10월 발사된 일본의 정지 궤도 위성으로, Advanced Himawari Imager (AHI)라는 센서를 탑재하여 전구(full disk) 관측은 10분, 일본 근처 관측은 2.
제안한 태풍 중심 탐지 알고리즘의 정확도 검증을 위해 수집한 SAR 영상에 대해 한국 기상청과 일본 기상청에서 제공하는 태풍 경로 자료를 활용하였다. 한국 기상청에서는 천리안 위성(Communication, Ocean and Meteorological Satellite, COMS)을 비롯한 여러 위성 자료를 토대로 주관적, 객관적 Dvorak 기법을 이용하여 태풍 정보를 산출한다(Lee et al.
405 GHz이다. 촬영 방식에 따라 Stripmap (SM), Interferometric Wide Swath (IW), Extra Wide Swath (EW), Wave (WV)로, 해상도나 관측 폭(swath)이 서로 다른 네 가지의 모드가 있으며, 본 연구에서는 IW 모드 수직 이중 편파 (VV+VH) 자료를 사용하였다. IW 모드는 관측 폭에 해당하는 영역을 세 부분의 부관측 폭(subswath)으로 구분하여 각각 관측한 뒤 합성하는 방식으로 영상을 처리한 모드로, 관측 폭이 250 km, range 방향 해상도는 5 m, azimuth 방향 해상도는 20 m에 달한다.
태풍 중심 탐지를 위해서 Sentinel-1A 자료를 사용하였다. Sentinel-1A는 2014년에 ESA (European Space Agency)에서 발사한 위성으로, C-밴드 SAR를 탑재하고 있으며, 중심 주파수는 5.
데이터처리
본 연구에서 제안한 방식을 검증하기 위해 한국 기상청과 일본 RSMC에서 제공하는 태풍 경로 자료와 비교하였다. 각 태풍 경로 자료로부터 SAR 촬영 시각에 맞추어 선형적으로 보간하여 태풍 중심을 추정하였고, 그 결과를 각각 SAR 영상으로 추정한 태풍 중심과 비교하였다.
이론/모형
VH 편파 후방산란계수를 풍속으로 변환하기 위해 C-2PO 모델을 사용하였다(Zhang and Perrie, 2012). C-2PO 모델은 VV 편파 후방산란계수를 이용한 해상풍 산출의 문제점을 해결하기 위해 제안되었다.
이러한 특징을 이용하기 위하여 웨이블릿 분석을 통해 노이즈가 제거된 VV 편파 후방산란계수의 구배를 산출하였다. 구배 계산에는 소벨(Sobel) 필터를 사용하였다. 소벨 필터는 수평, 수직 방향으로 각각 미분의 근삿값을 산출하도록 구성된 다음의 소벨 연산자를 이용한다(Kanopoulos et al.
SAR 영상 내에서 육지는 편파에 관계없이 해양과는 상이한 산란 특성을 보이기 때문에 태풍 중심 위치를 추정하는 데 오차를 발생시킬 수 있다. 따라서 SAR 영상 내 육지 화소는 Shutter Radar Topography Mission (SRTM)의 수치표고모델 (Digital Elevation Model, DEM) 자료를 사용하여 제거하였다.
따라서 본 연구에서는 Sentinel-1A IW 모드 수직 이중 편파 자료를 이용하여 태풍 중심 탐지 방법을 개선한 뒤, 그 결과를 한국 기상청과 일본 기상청 산하 RSMC, Himawari-8 위성 15번 채널 영상으로부터 추정한 태풍 중심과 비교 분석하여 정확도를 확인하였다. 연구에서 사용한 태풍은 총 5개로, 그 중 Du and Vachon (2003)의 방법으로 중심 탐지가 제대로 되지 않는 4개의 태풍에 대해 본 연구에서 제시하는 알고리즘을 적용하여 중심을 탐지하였다.
이때 사용되는 대역 통과 필터는 웨이블릿 모함수(mother wavelet)라는 신호를 기본 함수로 하여 이를 시간에 대해 축소 또는 확장시키기 때문에 웨이블릿 분석이라 불린다. 웨이블릿 분석을 통해 노이즈를 제거할 때 모함수를 선택하는 일반적인 기준은 없으므로 바람 흔적을 비롯한 고주파수 노이즈를 웨이블릿 분석으로 제거한 과거 연구(Du et al., 2002; Du et al., 2003)를 따라 본 연구에서는 Daubechies (1988)에 의해 제안된 db4 함수를 모함수로 선택하였다. 또한, 스케일 레벨(scale level)을 7로 설정하여 공간 해상도의 27배의 해상도를 갖는 근사 계수(approximation coefficient)를 얻고 이를 본래 SAR 영상의 크기로 복원하였다.
성능/효과
76 km의 차이를 보였으며, 태풍 시마론이 가장 작은 차이를, 태풍 마와르가 가장 큰 차이를 보였다. Himawari-8 위성 영상에 Dvorak 기법을 적용하여 산출한 태풍 중심 위치와도 비교, 분석하였고, 태풍 마와르를 제외하고서는 10 km 내외의 오차가 발생하였음을 확인하였다. 태풍 마와르의 경우 58.
각 태풍별로 육안으로 태풍 중심부와 주변부를 구분하여 각 영역별 평균 풍속을 계산한 결과 태풍 시마론에 대해 중심부는 21.8652 m s−1, 주변부는 25.3653 m s−1, 태풍 산산에 대해 중심부는 21.2646 m s−1, 주변부는 24.9630m s−1, 태풍 마와르에 대해 중심부는 14.3498 m s−1, 주변부는 19.4459 m s−1, 태풍 라이언록에 대해 중심부는 17.1761 m s−1, 주변부는 23.1084 m s−1를 보이며, 모두 3.5 m s−1 이상의 차이를 보였다(Fig. 8b, c).
이후 히스토그램의 간격을 조정하며 각 화소를 여러 단계의 라벨로 구분하여 이러한 라벨이 연속적으로 나타나는 영역을 탐색하였다. 경계값 시험을 통과한 영역 중 가장 원에 가까운 형태를 띠는 곳을 추출함으로써 태풍 중심 영역이 산출됨을 확인하였다. 해당 영역의 질량중심을 태풍 중심의 초기 위치로 설정하여 분석한 결과, 모든 태풍 영상에 대해서 본 연구에서 제안하는 방식이 초기 위치를 적절하게 추정함을 확인하였다(Fig.
태풍 라이언록뿐만 아니라 태풍 시마론, 산산, 마와르 또한 육지, 강수대, 안전반원 등이 복합적으로 작용하여 태풍 중심과 비견될 정도의 낮은 후방산란계수를 갖는 구역이 존재함을 확인하였고, 이러한 문제를 개선하기 위하여 VH 편파 자료를 이용한 경계값 시험과 객체 탐지를 추가하였다. 그 결과 태풍 중심의 초기 위치에서 발생하였던 오차가 크게 감소하여 육안으로 식별 가능한 태풍 중심 내부에 추정된 각 초기 위치들이 자리하는 것을 확인하였다.
8b, c). 그에 따라 경계값 시험 시 태풍 중심이 항상 산출됨을 확인하였고, 이외에도 나선 형태로 분포하는 작은 풍속 구간이나 산발적인 형태로 나타나는 노이즈도 경계값 시험을 통과하였다. 이후 히스토그램의 간격을 조정하며 각 화소를 여러 단계의 라벨로 구분하여 이러한 라벨이 연속적으로 나타나는 영역을 탐색하였다.
또한, 이어지는 객체 탐지를 통해 원이나 타원 형태를 띠지 않는 이들 구역을 제거하였다. 그에 따라 추정된 초기 위치가 한국 기상청의 자료와 비교하였을 때 평균 25 km 정도로 비교적 작은 차이를 보였으며, Fig. 9와 같이 육안으로 식별 가능한 태풍 중심 내부에 명백하게 위치하고 있음을 확인하였다.
5598 km의 차이를 보이며, 모든 경우에 100 km 이상의 거리 차가 나타났다. 반면, 본 연구에서 제시하는 방법을 적용하였을 때 태풍 시마론은 135.3074oE, 29.1508oN로 21.7981 km, 태풍 산산은 142.2380oE, 32.9851oN로 24.9254 km, 태풍 마와르는 116.1830oE, 22.6022oN로 24.9957 km, 태풍 라이언록은 143.0645oE, 31.9961oN로 27.2810 km의 거리 차이를 보였다.
본 연구에서 제안한 방식 또한 경계값을 통해 탐지를 수행하므로 중간 과정에서 태풍 중심뿐만 아니라 그 주위의 바람이 약한 구역도 추출되는 동일한 문제가 발생하였다. 하지만 VV 편파에 비해 풍향, 입사각의 변화에 덜 민감하여 상대적으로 보편적인 경계값으로 작동 가능한 VH 편파를 활용하여 경계값을 설정함으로써 여타 변수에 의한 오차를 차단하였다.
웨이블릿 분석을 통해 노이즈가 제거되었는지 확인하였다. 연구에 사용된 모든 영상은 웨이블릿 분석을 적용하기 전의 경우 바람 흔적과 더불어 전 영상에 걸쳐 특정 방향을 향하며 일정한 간격으로 분포하는 노이즈를 포함하고 있는 것을 확인하였다(Fig. 6a). 웨이블릿 분석을 수행한 결과 대부분의 고주파수 노이즈가 제거되어 해상도가 감소한 듯한 영상을 획득하였으며, 그 흔적이 너무 강하여 제거되지 않은 바람 흔적도 관찰 가능하였다(Fig.
9). 전자의 방법을 사용하여 초기 위치를 추정한 경우 한국 기상청에서 제공하는 태풍 경로 자료로부터 추정한 태풍 중심과 비교하였을 때 태풍 시마론은 133.8638oE, 29.5661oN로 168.5960 km, 태풍 산산은 140.8197oE, 33.2959oN로 130.0074 km, 태풍 마와르는 115.4794oE, 21.6916oN로 112.9872 km, 태풍 라이언록은 141.9688oE, 32.1919oN로 105.5598 km의 차이를 보이며, 모든 경우에 100 km 이상의 거리 차가 나타났다. 반면, 본 연구에서 제시하는 방법을 적용하였을 때 태풍 시마론은 135.
1은 2019년 8월 북서태평양의 월 평균 해수면온도와 여름동안 발생한 태풍 경로를 나타낸 것이다. 최대 41oN까지 분포하는 25oC 이상의 고수온을 따라 태풍이 북상할 수 있게 되면서 한반도에 영향을 주는 태풍이 7개로, 한국 기상청에서 제시하는 30년 평균인 3.1개를 크게 상회함을 확인할 수 있다. 이처럼 지구온난화와 태풍 사이의 관계를 분석한 여러 연구자들은 북서태평양 내 지속적인 해수면온도의 증가는 한반도 방향의 태풍 빈도 증가를 야기할 것이라 보고하여 왔다(Colbert et al.
각 태풍 경로 자료로부터 SAR 촬영 시각에 맞추어 선형적으로 보간하여 태풍 중심을 추정하였고, 그 결과를 각각 SAR 영상으로 추정한 태풍 중심과 비교하였다. 최소 18.23 km, 최대 30.54 km, 평균 23.76 km의 차이를 보였으며, 태풍 시마론이 가장 작은 차이를, 태풍 마와르가 가장 큰 차이를 보였다. Himawari-8 위성 영상에 Dvorak 기법을 적용하여 산출한 태풍 중심 위치와도 비교, 분석하였고, 태풍 마와르를 제외하고서는 10 km 내외의 오차가 발생하였음을 확인하였다.
다른 태풍과는 달리 태풍 마와르의 경우 한국 기상청과 일본 RSMC에서 제공하는 경로 정보가 크게 차이를 보였는데, 이로 인해 각 경로로부터 환산한 태풍 중심도 상이하였다. 태풍 라이언록은 143.0679oE, 31.9901oN에서 중심 위치가 추정되었고, 기상청 자료와 평균 28.6501 km로 가장 큰 차이를 보였다. 각 태풍별로 선형 보간하여 산출한 태풍 중심 위치, 그리고 그로부터 SAR 영상에서 추정한 태풍 중심 위치까지의 거리는 Table 2에 제시하였다.
10). 태풍 시마론은 135.3654oE, 29.1644oN에서 중심이 추정되었으며, 각 기상청에서 제공하는 태풍의 경로로부터 선형 보간하여 추정한 태풍 중심과 평균 18.4042 km로 가장 작은 차이를 보였다. 태풍 산산의 중심 위치는 142.
경계값 시험을 통과한 영역 중 가장 원에 가까운 형태를 띠는 곳을 추출함으로써 태풍 중심 영역이 산출됨을 확인하였다. 해당 영역의 질량중심을 태풍 중심의 초기 위치로 설정하여 분석한 결과, 모든 태풍 영상에 대해서 본 연구에서 제안하는 방식이 초기 위치를 적절하게 추정함을 확인하였다(Fig. 8d).
후속연구
, 2015). C-2PO 모델을 적용하는 데 있어 적정 해상도에 대한 합의가 아직 이루어지지 않아 널리 사용되고 있지는 않지만, 고해상도의 바람장을 간단하게 산출할 수 있어 후속 연구를 통해 C-3PO, C-2POD라는 명칭의 후속 모델도 제시되었다(K. Zhang et al., 2017; G. Zhang et al., 2017).
본 연구에서 제안한 방식은 더 높은 정확도로 태풍 중심을 탐지함으로써 정확한 태풍 주변 해상풍 산출에 기여할 수 있을 것으로 생각된다. 또한, 태풍의 길목에 위치한 이어도 해양과학기지 주변에 대한 SAR 관측이 빈번하게 이루어진다면 본 연구의 태풍 중심 위치 선정을 기반으로 산출한 태풍 바람장을 검증하고, 그 특성을 분석하는 데 기여할 수 있을 것으로 기대된다.
본 연구에서는 인공위성 SAR 자료에 활용되는 기존 태풍 중심 탐지 방식이 갖는 한계점을 분석 및 개선하였고, 그 한계점이 잘 드러나는 SAR 태풍 영상에 적용하여 개선된 방법이 산출하는 태풍 중심의 정확도를 검증하였다. 본 연구에서 제안한 방식은 더 높은 정확도로 태풍 중심을 탐지함으로써 정확한 태풍 주변 해상풍 산출에 기여할 수 있을 것으로 생각된다. 또한, 태풍의 길목에 위치한 이어도 해양과학기지 주변에 대한 SAR 관측이 빈번하게 이루어진다면 본 연구의 태풍 중심 위치 선정을 기반으로 산출한 태풍 바람장을 검증하고, 그 특성을 분석하는 데 기여할 수 있을 것으로 기대된다.
6b). 이처럼 제거되지 않은 노이즈는 주변과 현격한 차이를 보이기 때문에 추후 구배를 이용해 태풍 중심을 탐지할 때 오차로 작용할 수 있다. 따라서 많은 웨이블릿 모함수 중 db4, 스케일 레벨은 7로 설정하여 진행한 웨이블릿 분석이 노이즈를 충분히 제거함을 보이기 위해 태풍 중심 내부에 임의로 설정한 초기 위치에 대해 태풍 중심 탐지를 수행하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
태풍의 특징은 무엇인가?
태풍은 북서태평양 부근에서 발생하는 열대 저기압으로서 해양 및 대기의 열적 불균형을 조절하는 역할을 하고 있으며, 지구온난화와 기후변화로 인하여 급격하게 변화 중인 중요한 해양-대기 현상이다(Emanuel, 2001; Emanuel, 2005; Webster et al., 2005; Wu et al.
SAR영상에서 전처리 과정이 필요한 이유는 무엇인가?
3). SAR 영상 내에서 육지는 편파에 관계없이 해양과는 상이한 산란 특성을 보이기 때문에 태풍 중심 위치를 추정하는 데 오차를 발생시킬 수 있다. 따라서 SAR 영상 내 육지 화소는 Shutter Radar Topography Mission (SRTM)의 수치표고모델 (Digital Elevation Model, DEM) 자료를 사용하여 제거하였다.
SAR 인공위성이 태풍 바람장 분석에 널리 이용되는 이유는 무엇인가?
1970년대 축적된 위성 자료를 바탕으로 Dvorak(1975) 기법이 등장한 이래로 태풍 관련 정보는 인공위성을 통해 꾸준히 산출되고 심층연구가 활발히 진행되어 왔다. 특히, 1978년 발사된 Seasat을 필두로 한 SAR (Synthetic Aperture Radar) 인공위성은 전천후 마이크로파 센서를 이용하여 주·야간에 관계없이 수 미터에서 수백 미터의 공간 해상도로 해상풍을 산출할 수 있기 때문에 태풍 바람장 분석에 널리 이용되고 있다(Horstmann et al., 2000; Fernandez et al.
참고문헌 (53)
Arnold, C.P., 1977, Tropical cyclone cloud and intensity relationships, Department of Atmospheric Science, Paper No. 277, Colorado State University, Fort Collins, Colorado, 154 pp.
Bell, S.S., Chand, S.S., Camargo, S.J., Tory, K.J., Turville, C., and Ye, H., 2019, Western North Pacific Tropical Cyclone Tracks in CMIP5 Models: Statistical Assessment Using a Model-Independent Detection and Tracking Scheme, Journal of Climate, 32(21), 7191-7208.
Colbert, A.J., Soden, B.J., and Kirtman, B.P., 2015, The Impact of Natural and Anthropogenic Climate Change on Western North Pacific Tropical Cyclone Tracks, Journal of Climate, 28(5), 1806-1823.
Du, Y., Vachon, P.W., and Wolfe, J., 2002, Wind direction estimation from SAR images of the ocean using wavelet analysis, Canadian Journal of Remote Sensing, 28(3), 498-509.
Du, Y., and Vachon, P.W., 2003, Characterization of hurricane eyes in RADARSAT-1 images with wavelet analysis, Canadian Journal of Remote Sensing, 29(4), 491-498.
Du, Y., Vachon, P.W., and van der Sanden, J.J., 2003, Satellite image fusion with multiscale wavelet analysis for marine applications: preserving spatial information and minimizing artifacts (PSIMA), Canadian Journal of Remote Sensing, 29(1), 14-23.
Emanuel, K., 2001, Contribution of tropical cyclones to meridional heat transport by the oceans, Journal of Geophysical Research, 106(D14), 14771-14781.
Emanuel, K., 2005, Increasing destructiveness of tropical cyclones over the past 30years, Nature, 436, 686-688.
Fernandez, D., Carswell, J., Frasier, S.J., Chang, P., Black, P., and Marks, F., 2006, Dual-polarized C- and Ku-band ocean backscatter response to hurricane-force winds, Journal of Geophysical Research, 111, C08013.
Fett, R.W., 1966, Life cycle of tropical cyclone Judy as revealed by ESSA II and NIMBUS II, 94, 605-610.
Fritz, S., Hubert, L.F., and Timchalk, A., 1966, Some Inferences From Satellite Pictures of Tropical Disturbances, Monthly Weather Review, 94(4), 231-236.
Horstmann, J., Koch, W., Lehner, S., and Tonboe, R., 2000, Wind retrieval over the ocean using synthetic aperture radar with C-band HH polarization, IEEE Transactions on Geoscience and Remote Sensing, 38(5), 2122-2131.
Hwang, P.A., Zhang, B., and Perrie, W., 2010, Depolarized radar return for breaking wave measurement and hurricane wind retrieval, Geophysical Research Letters, 37, L01604.
Hwang, P.A., Perrie, W., and Zhang, B., 2014, Cross-polarization radar backscattering from the ocean surface and its dependence on wind velocity, IEEE Transactions on Geoscience and Remote Sensing Letters, 11, 2188-2192.
Isoguchi, O. and Shimada, M., 2009, An L-band ocean geophysical model function derived from PALSAR. IEEE Transactions on Geoscience and Remote Sensing, 47(7), 1925-1936.
Jin, S., Li, X., Yang, X., Zhang, J.A., and Shen, D., 2019, Identification of Tropical Cyclone Centers in SAR Imagery Based on Template Matching and Particle Swarm Optimization Algorithms, IEEE Transactions on Geoscience and Remote Sensing, 57(1), 598-608.
Kanopoulos, N., Vasanthavada, N., and Baker, R.L., 1988, Design of an image edge detection filter using the Sobel operator, IEEE Journal of Solid-State Circuits, 23(2), 358-367.
Kishimoto, K., Nishigaki, T., Nishimura, S., and Terasaka, Y., 2007, Comparative Study on Organized Convective Cloud Systems Detected through Early Stage Dvorak Analysis and Tropical Cyclones in Early Developing Stage in the Western North Pacific and the South China Sea, RSMC Tokyo-Typhoon Center Technical Review, 9, 19-32.
Kunitsugu, M., 2012, Tropical Cyclone Information Provided by the Rsmc Tokyo-Typhoon Center, Tropical Cyclone Research and Review, 1(1), 51-59.
Kurihara, Y., Murakami, H., and Kachi, M., 2016, Sea surface temperature from the new Japanese geostationary meteorological Himawari8 satellite, Geophysical Researach Letters, 43, 1234-1240.
Lee, M., Lee, S., Lee, J., and Han, S.W., 2019, Predictiong Maximum Wind Speed of Typhoons based on Convolutional Recurrent Neural Network via COMS Satellite Data, Journal of the Korean Institute of Industrial Engineers, 45(4), 349-360.
Li, X.M. and Lehner, S., 2013, Algorithm for sea surface wind retrieval from TerraSAR-X and TanDEM-X data, IEEE Transactions on Geoscience and Remote Sensing, 52(5), 2928-2939.
Lyvers, E.P., and Mitchell, O.R., 1988, Precision edge contrast and orientation estimation, IEEE Transactions on Pattern Analysis and Machine Intelligence, 10(6), 927-937.
Mann, M.E., and Emanuel, K.A., 2006, Atlantic hurricane trends linked to climate change, Eos Transaction American Geophysical Union, 87(24), 233-241.
Melsheimer, C., Alpers, W., and Gade, M., 1998, Investigation of multifrequency/multipolarization radar signatures of rain cells over the ocean using SIRC/XSAR data, Journal of Geophysical Research, 103(C9), 18867-18884.
Molinari, J., Skubis, S., Vollaro, D., Alsheimer, F., and Willoughby, H.E., 1998, Potential Vorticity Analysis of Tropical Cyclone Intensification, Journal of the Atmospheric Sciences, 55, 2632-2644.
Monaldo, F., Thompson, D., Beal, R., Pichel, W., and ClementeColon, P., 2002, Comparison of SARderived wind speed with model predictions and ocean buoy measurements, IEEE Transactions on Geoscience and Remote Sensing, 39(12), 2587-2600.
Olander, T.L., and Velden, C.S., 2007, The Advanced Dvorak Technique: Continued Development of an Objective Scheme to Estimate Tropical Cyclone Intensity Using Geostationary Infrared Satellite Imagery, Weather and Forecasting, 22, 287-298.
Park, D.-S. R., Ho, C.-H., Chan, J.C.-L., Ha, K.-J., Kim, H.-S., Kim, J., and Kim, J.-H., 2017, Asymmetric response of tropical cyclone activity to global warming over the North Atlantic and western North Pacific from CMIP5 model projections, Scientific Reports, 7, 41354.
Reppucci, A., Lehner, S., Schulz-Stellenfleth, J., and Yang, C.-S., 2008, Extreme wind conditions observed by satellite synthetic aperture radar in the North West Pacific, International Journal of Remote Sensing, 29(21), 6129-6144.
Reppucci, A., Lehner, S., Schulz-Stellenfleth, J., and Brusch, S., 2010, Tropical Cyclone Intensity Estimated from Wide Swath SAR Images, IEEE Transactions on Geoscience and Remote Sensing, 48(4), 1639-1649.
Romeiser, R., Graber, H.C., Caruso, M.J., Jensen, R.E., Walker, D.T., and Cox, A.T., 2015, A New Approach to Ocean Wave Parameter Estimates From C-Band ScanSAR Images, IEEE Transactions on Geoscience and Remote Sensing, 53(3), 1320-1345.
Shao, W., Li, X., Hwang, P., Zhang, B., and Yang, X., 2017, Bridging the gap between cyclone wind and wave by Cband SAR measurements, Journal of Geophysical Research: Oceans, 122, 6714-6724.
Shen, H., Perrie, W., He, Y., and Liu, G., 2014, Wind Speed Retrieval From VH Dual-Polarization RADARSAT-2 SAR Images, IEEE Transactions on Geoscience and Remote Sensing, 52(9), 5820-5826.
Vachon, P.W., and Dobson, F.W., 2000, Wind Retrieval from RADARSAT SAR Images: Selection of a Suitable C-Band HH Polarization Wind Retrieval Model, Canadian Journal of Remote Sensing, 26(4), 306-313.
Velden, C.S., Olander, T.L., and Zehr, R.M., 1998, Development of an Objective Scheme to Estimate Tropical Cyclone Intensity from Digital Geostationary Satellite Infrared Imagery, Weather and Forecasting, 13, 172-186.
Velden, C.S., Harper, B., Wells, F., Beven, J.L., Zehr, R., Olander, T., Mayfield, M., Guard, C., Lander, M., Edson, R., Avila, L., Burton, A., Turk, M., Kikuchi, A., Christian, A., Caroff, P., and McCrone, P., 2006, The Dvorak Tropical Cyclone Intensity Estimation Technique: A Satellite-Based Method that Has Endured for over 30 Years, Bulletin of the American Meteorological Society, 87, 1195-1210.
Verspeek, J., Stoffelen, A., Verhoef, A., and Portabella, M., 2012, Improved ASCAT wind retrieval using NWP ocean calibration, IEEE Transactions on Geoscience and Remote Sensing, 50(7), 2488-2494.
Webster, P.J., Holland, G.J., Curry, J.A., and Chang, H.-R., 2005, Changes in Tropical Cyclone Number, Duration, and Intensity in a Warming Environment, Science, 309, 1844-1846.
Wong, M.L., and Chan, J.C., 2006, Tropical Cyclone Motion in Response to Land Surface Friction, Journal of Atmospheric Sciences, 63, 1324-1337.
Wu, L., Wang, B., and Geng, S., 2005, Growing typhoon influence on east Asia, Geophysical Research Letters, 32, L18703.
Zhang, B., Perrie, W., and He, Y., 2011, Wind speed retrieval from RADARSAT-2 quad-polarization images using a new polarization ratio model, Journal of Geophysical Research: Atmospheres, 116, C08008.
Zhang, B., and Perrie, W., 2012, Cross-Polarized Synthetic Aperture Radar: A New Potential Measurement Technique for Hurricanes, Bulletin of American Meteorological Society, 93, 531-541.
Zhang, B., Perrie, W., Zhang, J.A., Uhlhorn, E.W., and He, Y., 2014, High-resolution hurricane vector winds from C-band dual-polarization SAR observations, Journal of Atmospheric and Oceanic Technology, 31(2), 272-286.
Zhang, G., Li, X., Perrie, W., Hwang, P.A., Zhang, B., and Yang, X., 2017, A Hurricane Wind Speed Retrieval Model for C-Band RADARSAT-2 Cross-Polarization ScanSAR Images, IEEE Transactions on Geoscience and Remote Sensing, 55(8), 4766-4774.
Zhang, K., Xu, X., Han, B., Mansaray, L.R., Guo, Q., and Huang, J., 2017, The Influence of Different Spatial Resolutions on the Retrieval Accuracy of Sea Surface Wind Speed With C-2PO Models Using Full Polarization C-Band SAR, IEEE Transactions on Geoscience and Remote Sensing, 55(9), 5015-5025.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.