[논문]GOCI-II 자외선 채널을 활용한 흡수성 에어로졸 관측

이서영; 김준; 안재현; 임현광; 조예슬

doi:10.7780/kjrs.2021.37.6.1.17

GOCI-II 자외선 채널을 활용한 흡수성 에어로졸 관측
Exploiting GOCI-II UV Channel to Observe Absorbing Aerosols 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.6 pt.1, 2021년, pp.1697 - 1707

이서영 (연세대학교 대기과학과) , 김준 (연세대학교 대기과학과) , 안재현 (한국해양과학기술원 해양위성센터) , 임현광 (연세대학교 대기과학과) , 조예슬 (연세대학교 대기과학과)

초록
AI-Helper

2020년 2월 19일 천리안 2B호의 해양 탑재체 GOCI-II가 발사되었다. GOCI-II 기기는 이전의 GOCI 대비 여러 향상된 기능을 탑재함으로써, 에어로졸 산출 연구의 범위를 확장해주었다. 특히, 새롭게 추가된 380 nm 자외선 채널은 흡수성 에어로졸 관측의 민감도를 유의미하게 향상시키는 역할을 하였다. 본 연구에서는, GOCI-II의 380 및 412 nm 채널을 활용하여 2021년 1월부터 6월까지의 에어로졸 지수를 계산하고 이를 통해 흡수성 에어로졸을 탐지하였다. TROPOMI 에어로졸 지수와 비교한 결과 GOCI-II 에어로졸 지수는 양의 편차를 보였으나, 황사 화소에서의 에어로졸 지수는 구름 및 청천 화소와 뚜렷하게 구분할 수 있을 만큼 더 크게 나타났다. 또한 GOCI-II 에어로졸 지수가 크게 나타날 때, 지상 관측 장비에서도 흡수성 에어로졸이 우세하게 탐지되었음을 발견하였다. GOCI-II 에어로졸 지수 상위 25% 범위에 드는 자료들을 조사하자, 연구 기간 동안 지상에서 Dust 및 Moderately-absorbing fine 유형으로 확인된 자료들의 71.3%, 80.0%가 각각 여기에 속함을 확인할 수 있었다.

Abstract ▼ AI-Helper

On 19 February 2020, the 2nd Geostationary Ocean Color Imager (GOCI-II), a maritime sensor of GEO-KOMPSAT-2B, was launched. The GOCI-II instrument expands the scope of aerosol retrieval research with its improved performance compared to the former instrument (GOCI). In particular, the newly included UV band at 380 nm plays a significant role in improving the sensitivity of GOCI-II observations to the absorbing aerosols. In this study, we calculated the aerosol index and detected absorbing aerosols from January to June 2021 using GOCI-II 380 and 412 nm channels. Compared to the TROPOMI aerosol index, the GOCI-II aerosol index showed a positive bias, but the dust pixels still could be clearly distinguished from the cloud and clear pixels. The high GOCI-II aerosol index coincided with ground-based observations indicating dust aerosols were detected. We found that 70.5% of dust and 80% of moderately-absorbing fine aerosols detected from the ground had GOCI-II aerosol indices larger than the 75th percentile through the whole study period.

주제어

표/그림 (6)

그림 Fig. 1. Aerosol index of dust aerosols as a function of aerosol optical depth and aerosol layer height. Solid lines and dashed lines indicate aerosol index for two wavelength pairs: 380/412 nm and 412/443 nm.
그림 Fig. 2. (a) GOCI-II RGB composite image; (b) GOCI-II Aerosol index; (c) TROPOMI UV aerosol index for Asian dust event on 15 March 2021 at 04:30 UTC.
그림 Fig. 3. (a) Solar zenith angle (SZA) on 28 March 2021 at 03:30 UTC and coverage of 12 individual slots of GOCI-II. (b) Time series of daily median GOCI-II aerosol index for each observation slot from January to June 2021.
그림 Fig. 4. (top) GOCI-II RGB composite image on March 28, 2021 at 03:30 UTC. Pixels located in red boxes of the RGB image are identified as (a) clear, (b) dust, and (c) cloud. (bottom) relative frequency histogram of GOCI-II aerosol index for clear (blue), dust (yellow), and cloud (green).
그림 Fig. 5. Comparison of GOCI-II aerosol index and AERONET SSA at 443 nm for six aerosol types obtained from AERONET. A histogram shows the relative frequency of the GOCI-II aerosol index for each aerosol type.
표 Table 1. The number of data classified into each aerosol type and the ratio of data with GOCI-II aerosol index greater than the 50 and 75 percentile for each aerosol type

AI 본문요약
AI-Helper

문제 정의

본 연구는 2020년 2월 발사된 GOCI-II 자료를 이용하여 흡수성 에어로졸을 탐지한 결과를 최초로 제시하였다. GOCI 관측 밴드에는 존재하지 않았으나 GOCI-II 에 새롭게 도입된 자외선 채널(380 nm)을 활용하여 에어 로졸 지수를 산출하고, 흡수성 에어로졸 탐지 가능성을 살펴보았다.
본 연구에서는 GOCI-II의 자외선 관측 자료를 활용하여 황사 혹은 블랙카본(Black Carbon) 등의 광 흡수 성질을 갖는 에어로졸의 탐지 가능성을 조사하였다. GOCI-II의 380 nm 및 412 nm 밴드를 이용한 에어로졸 지수의 계산 과정을 기술하였으며, 2021년 1월부터 6월 까지 계산된 GOCI-II 에어로졸 지수를 활용하여 흡수 성 에어로졸 탐지 성능을 분석하였다.

제안 방법

본 연구는 2020년 2월 발사된 GOCI-II 자료를 이용하여 흡수성 에어로졸을 탐지한 결과를 최초로 제시하였다. GOCI 관측 밴드에는 존재하지 않았으나 GOCI-II 에 새롭게 도입된 자외선 채널(380 nm)을 활용하여 에어 로졸 지수를 산출하고, 흡수성 에어로졸 탐지 가능성을 살펴보았다. GOCI-II의 380 nm와 412 nm 밴드 관측 자료로부터 계산된 에어로졸 지수를 고농도 황사 사례에 대해 분석한 결과, 에어로졸 지수는 황사가 존재하는 화소에서 큰 값을 보였다.
GOCI-II는 경도 130°E, 위도 36°N를 중심으로 2,500 km×2,500 km 넓이의 동아시아 영역을 250 m의 공간해상도로 관측한다. GOCI-II는 23 UTC부터 8 UTC까지 한 시간 간격으로 일 10회 지역관측을 수행하며, 이는 12개의 촬영 슬롯으로 구성되어 있다. 지역관측 외에도 GOCI-II는 일 1회 1 km의 공간해상도로 235개 슬롯으로 구성된 전구관측을 수행한다.
GOCI-II는 경도 130°E, 위도 36°N를 중심으로 2,500 km×2,500 km 넓이의 동아시아 영역을 250 m의 공간해상도로 관측한다
본 연구에서는 GOCI-II의 자외선 관측 자료를 활용하여 황사 혹은 블랙카본(Black Carbon) 등의 광 흡수 성질을 갖는 에어로졸의 탐지 가능성을 조사하였다. GOCI-II의 380 nm 및 412 nm 밴드를 이용한 에어로졸 지수의 계산 과정을 기술하였으며, 2021년 1월부터 6월 까지 계산된 GOCI-II 에어로졸 지수를 활용하여 흡수 성 에어로졸 탐지 성능을 분석하였다. 또한, 지상원격관측장비에서 얻어진 에어로졸 유형과 GOCI-II에서 얻어진 에어로졸 지수 사이의 관계를 살펴보았다.
본 연구에서는 흡수성 에어로졸이 존재하는 사례에 대해 GOCI-II 에어로졸 지수의 공간 분포 특성을 분석 하였다. 또한, AERONET으로부터 얻어진 에어로졸 유형과 GOCI-II 에어로졸 지수 사이의 관계를 살펴보고, GOCI-II 에어로졸 지수를 이용한 흡수성 에어로졸 탐지 가능성에 대해 분석하였다.
GOCI-II의 380 nm 및 412 nm 밴드를 이용한 에어로졸 지수의 계산 과정을 기술하였으며, 2021년 1월부터 6월 까지 계산된 GOCI-II 에어로졸 지수를 활용하여 흡수 성 에어로졸 탐지 성능을 분석하였다. 또한, 지상원격관측장비에서 얻어진 에어로졸 유형과 GOCI-II에서 얻어진 에어로졸 지수 사이의 관계를 살펴보았다.
본 연구에서는 흡수성 에어로졸이 존재하는 사례에 대해 GOCI-II 에어로졸 지수의 공간 분포 특성을 분석 하였다. 또한, AERONET으로부터 얻어진 에어로졸 유형과 GOCI-II 에어로졸 지수 사이의 관계를 살펴보고, GOCI-II 에어로졸 지수를 이용한 흡수성 에어로졸 탐지 가능성에 대해 분석하였다.
따라서 편차가 발생하더라도, 일관적인 크기를 갖는다면 여전히 활용가치를 가진다. 이 같은 맥락에서, 본 연구는 GOCI-II 에어로졸 지수가 양의 편차에도 불구하고 흡수성 에어로졸 탐지에 이용될 수 있는지를 조사하였다. Fig.
흡수성 에어로졸이 존재할 때 실제로 큰 값의 GOCIII 에어로졸 지수가 관측되는지를 정량적으로 확인하기 위해, AERONET 자료와 시공간 대응이 이루어진 GOCI-II 에어로졸 지수 값의 50, 75 퍼센타일을 계산하였다(각각 5.4, 6.0). 그 후 50, 75 퍼센타일 값보다 큰 에 어로졸 지수가 관측된 자료의 비율을 에어로졸 유형별로 계산하여 관측 자료의 수와 함께 Table 1에 나타냈다.

대상 데이터

지역관측 외에도 GOCI-II는 일 1회 1 km의 공간해상도로 235개 슬롯으로 구성된 전구관측을 수행한다. GOCI-II 관측 밴드는 자외선 1개(380 nm), 가시광 8개(412, 443, 490, 510, 555, 620, 660, 680 nm), 근적외 3개(709, 745, 865 nm), 광대역폭 1개를 포함하는 총 13개의 밴드로 구성되어 있다. 본 연구는 2021년 1월부터 6월까지의 GOCI-II 지역관측 자료를 이용하여 분석을 수행하였다.
GOCI-II 관측 밴드는 자외선 1개(380 nm), 가시광 8개(412, 443, 490, 510, 555, 620, 660, 680 nm), 근적외 3개(709, 745, 865 nm), 광대역폭 1개를 포함하는 총 13개의 밴드로 구성되어 있다. 본 연구는 2021년 1월부터 6월까지의 GOCI-II 지역관측 자료를 이용하여 분석을 수행하였다.
본 연구에서는 2021년 3월 14일 내몽골 지역과 고비 사막에서 발생한 황사 사례를 분석하였다. 이때 발생한 황사는 수일 동안 지속되며 동쪽으로 수송되었으며, 3월 16일에는 한반도 전역이 황사 영향권 안에 들었다.

성능/효과

GOCI-II 에어로졸 지수에 양의 편차가 존재하지만, 황사 화소에서의 에어로졸 지수는 청천이나 구름 화소 의 에어로졸 지수와 구분 가능한 정도의 큰 값을 나타냈다. 또한, AERONET SSA와 GOCI-II 에어로졸 지수 사이에서 -0.
GOCI 관측 밴드에는 존재하지 않았으나 GOCI-II 에 새롭게 도입된 자외선 채널(380 nm)을 활용하여 에어 로졸 지수를 산출하고, 흡수성 에어로졸 탐지 가능성을 살펴보았다. GOCI-II의 380 nm와 412 nm 밴드 관측 자료로부터 계산된 에어로졸 지수를 고농도 황사 사례에 대해 분석한 결과, 에어로졸 지수는 황사가 존재하는 화소에서 큰 값을 보였다. 또한 그 공간 분포는 TROPOMI 에어로졸 지수의 공간 분포와 유사했다.
또한 그 공간 분포는 TROPOMI 에어로졸 지수의 공간 분포와 유사했다. 그러나 GOCIII 에어로졸 지수는 2021년 1월부터 6월까지 모든 관측 슬롯에 대해 양의 편차를 가지는 것으로 나타났다.
GOCI-II의 380 nm와 412 nm 밴드 관측 자료로부터 계산된 에어로졸 지수를 고농도 황사 사례에 대해 분석한 결과, 에어로졸 지수는 황사가 존재하는 화소에서 큰 값을 보였다. 또한 그 공간 분포는 TROPOMI 에어로졸 지수의 공간 분포와 유사했다. 그러나 GOCIII 에어로졸 지수는 2021년 1월부터 6월까지 모든 관측 슬롯에 대해 양의 편차를 가지는 것으로 나타났다.
GOCI-II 에어로졸 지수에 양의 편차가 존재하지만, 황사 화소에서의 에어로졸 지수는 청천이나 구름 화소 의 에어로졸 지수와 구분 가능한 정도의 큰 값을 나타냈다. 또한, AERONET SSA와 GOCI-II 에어로졸 지수 사이에서 -0.42의 선형 상관계수를 확인했으며, 이는 GOCI-II 에어로졸 지수로 에어로졸의 흡수 강도를 설명할 수 있음을 뜻한다. 연구 기간 동안 얻어진 전체 GOCI-II 에어로졸 지수의 75 퍼센타일보다 큰 값을 가지는 자료의 비율은 dust와 Moderately-absorbing fine 에 어로졸 유형에 대해 각각 71.
본 연구를 통해, GOCI-II의 자외선 채널을 활용하면 흡수성 에어로졸을 관측할 수 있음을 증명하였다. GOCI-II 기기의 강점 중 하나는 높은 시공간 해상도이다.
GOCI-II 기기의 강점 중 하나는 높은 시공간 해상도이다. 본 장비를 활용하면 250 m 간격으로 매시간 흡수 성 에어로졸의 탐지가 가능하다. 향후 장기적인 통계 분석을 통하여 임계 값을 설정한다면, GOCI-II 에어로졸 지수는 에어로졸의 유형 구분에도 활용될 수 있을 것이다.
42의 선형 상관계수를 확인했으며, 이는 GOCI-II 에어로졸 지수로 에어로졸의 흡수 강도를 설명할 수 있음을 뜻한다. 연구 기간 동안 얻어진 전체 GOCI-II 에어로졸 지수의 75 퍼센타일보다 큰 값을 가지는 자료의 비율은 dust와 Moderately-absorbing fine 에 어로졸 유형에 대해 각각 71.3%, 80.0%로 나타났으며, 흡수성 에어로졸로부터 큰 에어로졸 지수가 관측됨을 확인하였다.
즉, 큰 값의 에어로졸 지수를 가지는 에어로졸 유형으로는 흡수성 에어로 졸이 지배적으로 나타남을 확인할 수 있었다. 이 결과는 GOCI-II 에어로졸 지수에 편향이 존재하지만, 흡수성 에어로졸 탐지에는 여전히 이용 가능하다는 것을 의미한다. 본 연구에서는 흡수성 에어로졸의 탐지 가능성만을 분석하였지만, 추후 에어로졸 지수의 임계값 설정을 통해 보다 상세한 유형 구분 수행이 가능할 것으로 기대된다.
50 퍼센타일을 기준으로 분석하 였을 때도, dust와 MA 에어로졸 유형의 비율이 다른 에어로졸 유형에 비해 높게 나타났다. 즉, 큰 값의 에어로졸 지수를 가지는 에어로졸 유형으로는 흡수성 에어로 졸이 지배적으로 나타남을 확인할 수 있었다. 이 결과는 GOCI-II 에어로졸 지수에 편향이 존재하지만, 흡수성 에어로졸 탐지에는 여전히 이용 가능하다는 것을 의미한다.

후속연구

이 결과는 GOCI-II 에어로졸 지수에 편향이 존재하지만, 흡수성 에어로졸 탐지에는 여전히 이용 가능하다는 것을 의미한다. 본 연구에서는 흡수성 에어로졸의 탐지 가능성만을 분석하였지만, 추후 에어로졸 지수의 임계값 설정을 통해 보다 상세한 유형 구분 수행이 가능할 것으로 기대된다. 특히 샘플 데이터의 대부분(97%)이 6.
이렇게 얻어진 에어로졸 유형 자료는 에어로졸의 광학 특성을 산출할 시 선행 입력자료로 적용 가능하다. 뿐만 아니라, 에어로졸 지수를 이용해 극심한 황사를 탐지하게 되면 황사 화소가 구름 신호로 오인되어 제거될 가능성을 낮추므로, 에어로졸 광학 특성 자료의 산출 영역을 확대할 수 있을 것이다. 현재 지속적인 검보정을 통해 GOCI-II 관측 자료의 정확도를 높이려는 시도가 이루어지고 있으므로, 향후 보다 정확한 흡수성 에어로졸 탐지가 가능해질 것으로 기대된다.
향후 장기적인 통계 분석을 통하여 임계 값을 설정한다면, GOCI-II 에어로졸 지수는 에어로졸의 유형 구분에도 활용될 수 있을 것이다. 이렇게 얻어진 에어로졸 유형 자료는 에어로졸의 광학 특성을 산출할 시 선행 입력자료로 적용 가능하다. 뿐만 아니라, 에어로졸 지수를 이용해 극심한 황사를 탐지하게 되면 황사 화소가 구름 신호로 오인되어 제거될 가능성을 낮추므로, 에어로졸 광학 특성 자료의 산출 영역을 확대할 수 있을 것이다.
본 장비를 활용하면 250 m 간격으로 매시간 흡수 성 에어로졸의 탐지가 가능하다. 향후 장기적인 통계 분석을 통하여 임계 값을 설정한다면, GOCI-II 에어로졸 지수는 에어로졸의 유형 구분에도 활용될 수 있을 것이다. 이렇게 얻어진 에어로졸 유형 자료는 에어로졸의 광학 특성을 산출할 시 선행 입력자료로 적용 가능하다.
뿐만 아니라, 에어로졸 지수를 이용해 극심한 황사를 탐지하게 되면 황사 화소가 구름 신호로 오인되어 제거될 가능성을 낮추므로, 에어로졸 광학 특성 자료의 산출 영역을 확대할 수 있을 것이다. 현재 지속적인 검보정을 통해 GOCI-II 관측 자료의 정확도를 높이려는 시도가 이루어지고 있으므로, 향후 보다 정확한 흡수성 에어로졸 탐지가 가능해질 것으로 기대된다.

참고문헌 (37)

Ahn, Y.-H., J.-H. Ryu, S. Cho, and S.-H. Kim, 2010. Missions and User Requirements of the 2nd Geostationary Ocean Color Imager (GOCI-II), Korean Journal of Remote Sensing, 26(2): 277-285 (in Korean with English abstract).
Ahn, J.-H., K. Kim, E. Lee, S.-J. Bae, K.-S. Lee, J.-E. Moon, T.-H. Han, and Y.-J. Park, 2021. Introduction of GOCI-II Atmospheric Correction Algorithm and Its Initial Validations, Korean Journal of Remote Sensing, 37(5-2): 1259-1268 (in Korean with English abstract).

원문보기 상세보기
Choi, M., J. Kim, J. Lee, M. Kim, Y.-J. Park, U. Jeong, W. Kim, H. Hong, B. N. Holben, T.F. Eck, C. H. Song, J.-H. Lim, and C.-K. Song, 2016. GOCI Yonsei Aerosol Retrieval (YAER) algorithm and validation during the DRAGON-NE Asia 2012 campaign, Atmospheric Measurement Techniques, 9(3): 1377-1398.

상세보기
Choi, M., J. Kim, J. Lee, M. Kim, Y. Park, B. Holben, F. Thomas, Z. Li, and C.H. Song, 2018. GOCI Yonsei aerosol retrieval version 2 aerosol products: improved algorithm description and error analysis with uncertainty estimation from 5-year validation over East Asia, Atmospheric Measurement Techniques, 11: 385-408.

상세보기
Choi, M., H. Lim, J. Kim, S. Lee, T.F. Eck, B.N. Holben, M.J. Garay, E.J. Hyer, and P.E. Saide. 2019. Validation, comparison, and integration of GOCI, AHI, MODIS, MISR, and VIIRS aerosol optical depth over East Asia during the 2016 KORUS-AQ campaign, Atmospheric Measurement Techniques, 12(8): 4619-4641.

상세보기
Ciren, P. and S. Kondragunta, 2014. Dust aerosol index (DAI) algorithm for MODIS, Journal of Geophysical Research: Atmospheres, 119: 4770-4792.

상세보기
De Graaf, M., P. Stammes, O. Torres, and R.B.A. Koelemeijer, 2005. Absorbing Aerosol Index: Sensitivity analysis, application to GOME and comparison to TOMS, Journal of Geophysical Research, 110: D01201.

상세보기
Goto, D., M. Kikuchi, K. Suzuki, M. Hayasaki, M. Yoshida, T. M. Nagao, M. Choi, J. Kim, N. Sugimoto, A. Shimizu, E. Oikawa, and T. Nakajima, 2019. Aerosol model evaluation using two geostationary satellites over East Asia in May 2016, Atmospheric Research, 217: 93-113.

상세보기
Herman, J.R., P.K. Bhartia, O. Torres, C. Hsu, C. Seftor, and E. Celarier, 1997. Global distribution of UV-absorbing aerosols from Nimbus 7/TOMS data, Journal of Geophysical Research, 102 (D14): 16911-16922.

상세보기
Holben, B.N., T.F. Eck, I. Slutsker, D. Tanre, J.P. Buis, A. Setzer, E. Vermote, J.A. Reagan, Y.J. Kaufman, and T. Nakajima, 1998. AERONET-A federated instrument network and data archive for aerosol characterization, Remote sensing of environment, 66(1): 1-16.

상세보기
Hsu, N.C., S.-C. Tsay, M.D. King, and J.R. Herman, 2006. Deep Blue retrievals of Asian aerosol properties during ACE-Asia, IEEE Transactions on Geoscience and Remote Sensing, 44(11): 3180-3195.

상세보기
Jeon, W., Y. Choi, P. Percell, A. Hossein Souri, C.-K. Song, S.-T. Kim, and J. Kim, 2016. Computationally efficient air quality forecasting tool: Implementation of STOPS v1.5 model into CMAQ v5.0.2 for a prediction of Asian dust, Geoscientific Model Development, 9: 3671-3684.

상세보기
Jung, J., A.H. Souri, D.C. Wong, S. Lee, W. Jeon, J. Kim, and Y. Choi, 2019. The Impact of the Direct Effect of Aerosols on Meteorology and Air Quality Using Aerosol Optical Depth Assimilation During the KORUS-AQ Campaign, Journal of Geophysical Research: Atmospheres, 124: 8303-8319.

상세보기
Kim, J., J. Lee, H.C. Lee, A. Higurashi, T. Takemura, and C.H. Song, 2007. Consistency of the aerosol type classification from satellite remote sensing during the Atmospheric Brown Cloud-East Asia Regional Experiment campaign, Journal of Geophysical Research, 112: D22S33.

상세보기
Kim, M., J. Kim, O. Torres, C. Ahn, W. Kim, U. Jeong, S. Go, X. Liu, K. J. Moon, D.-R. Kim, 2018. Optimal Estimation-Based Algorithm to Retrieve Aerosol Optical Properties for GEMS Measurements over Asia, Remote Sensing, 10: 162.

상세보기
Kleipool, Q.L., M.R. Dobber, J.F. de Haan, and P.F. Levelt, 2008. Earth surface reflectance climatology from 3 years of OMI data, Journal of Geophysical Research, 113: D1830.
Lambert, J.-C., S. Compernolle, K.-U. Eichmann, M. de Graaf, D. Hubert, A. Keppens, Q. Kleipool, B. Langerock, M.K. Sha, T. Verhoelst, T. Wagner, C. Ahn, A. Argyrouli, D. Balis, K.L. Chan, I. De Smedt, H. Eskes, A.M. Fjaeraa, K. Garane, J.F. Gleason, F. Goutail, J. Granville, P. Hedelt, K.-P. Heue, G. Jaross, ML. Koukouli, J. Landgraf, R. Lutz, S. Nanda, S. Niemeijer, A. Pazmino, G. Pinardi, J.-P. Pommereau, A. Richter, N. Rozemeijer, M. Sneep, D. Stein Zweers, N. Theys, G. Tilstra, O. Torres, P. Valks, J. van Geffen, C. Vigouroux, P. Wang, and M. Weber, 2021. Quarterly Validation Report of the Copernicus Sentinel-5 Precursor Operational Data Products #13: April 2018 - December 2021. S5P MPC Routine Operations Consolidated Validation Report Series, Issue #13, Version 13.01.00, p. 189, https://mpc-vdaf.tropomi.eu/ProjectDir/reports//pdf/S5P-MPC-IASB-ROCVR-13.00.10-20211217_signed.pdf, Accessed on Dec. 24, 2021.
Lee, J., J. Kim, C.H. Song, J.-H. Ryu, Y.-H. Ahn, and C. Song, 2010a. Algorithm for retrieval of aerosol optical properties over the ocean from the Geostationary Ocean Color Imager, Remote Sensing of Environment, 114(5): 1077-1088.

상세보기
Lee, J., J. Kim, C.H. Song, S.B. Kim, Y. Chun, B.J. Sohn, and B.N. Holben, 2010b. Characteristics of aerosol types from AERONET sunphotometer measurements, Atmospheric Environment, 44: 3110-3117.

상세보기
Lee, J., J. Kim, P. Yang, and N.C. Hsu, 2012. Improvement of aerosol optical depth retrieval from MODIS spectral reflectance over the global ocean using new aerosol models archived from AERONET inversion data and tri-axial ellipsoidal dust database, Atmospheric Chemistry and Physics, 12(15): 7087-7102.

상세보기
Lee, S., J. Kim, M. Choi, J. Hong, H. Lim, T.F. Eck, B.N. Holben, J.-Y. Ahn, J. Kim, and J.-H. Koo, 2019. Analysis of long-range transboundary transport (LRTT) effect on Korean aerosol pollution during the KORUS-AQ campaign, Atmospheric Environment, 204: 53-67.

상세보기
Lee, S., M. Kim, S.-Y. Kim, D.-W. Lee, H. Lee, J. Kim, S. Le, and Y. Liu, 2021. Assessment of long-range transboundary aerosols in Seoul, South Korea from Geostationary Ocean Color Imager (GOCI) and ground-based observations, Environmental Pollution, 269: 115924.

상세보기
Lee, S.-J., K.-S. Lee, T.-H. Han, J.-E. Moon, S.-J. Bae, and J.-K. Choi, 2021c. Introduction on the products and the quality management plans for GOCI-II, Korean Journal of Remote Sensing, 37(5-2): 1245-1257 (in Korean with English abstract).

원문보기 상세보기
Mukai, S., I. Sano, and M. Nakata, 2019. Algorithms for the classification and characterization of aerosols: utility verification of near-UV satellite observations, Journal of Applied Remote Sensing, 13(1): 014527.
Mukai, S., I. Sano, and M. Nakata, 2021. Improved Algorithms for Remote Sensing-Based Aerosol Retrieval during Extreme Biomass Burning Events, Atmosphere, 12: 403.

상세보기
Park, S., M. Shin, J. Im, C.-K. Song, M. Choi, J. Kim, S. Lee, R. Park, J. Kim, D.-W. Lee and S.-K. Kim, 2019. Estimation of ground-level particulate matter concentrations through the synergistic use of satellite observations and process-based models over South Korea, Atmospheric Chemistry and Physics, 19: 1097-1113.

상세보기
Park, S., J. Lee, J. Im, C.-K. Song, M. Choi, J. Kim, S. Lee, R. Park, S.-M. Kim, J. Yoon, D.-W. Lee, and L.J. Quackenbush, 2020. Estimation of spatially continuous daytime particulate matter concentrations under all sky conditions through the synergistic use of satellite-based AOD and numerical models, Science of the Total Environment, 713: 136516.

상세보기
Penning de Vries, M.J.M., S. Beirle, and T. Wagner, 2009. UV Aerosol Indices from SCIAMACHY: introducing the SCattering Index (SCI), Atmospheric Chemistry and Physics, 9: 9555-9567.

상세보기
Penning de Vries, M.J.M., S. Beirle, C. Hormann, J.W. Kaiser, P. Stammes, L.G. Tilstra, O.N.E. Tuinder, and T. Wagner, 2015. A global aerosol classification algorithm incorporating multiple satellite data sets of aerosol and trace gas abundances, Atmospheric Chemistry and Physics, 15: 10597-10618.

상세보기
Sinyuk, A., B.N. Holben, T.F. Eck, D.M. Giles, I. Slutsker, S. Korkin, J.S. Schafer, A. Smirnov, M. Sorokin, and A. Lyapustin, 2020. The AERONET Version 3 aerosol retrieval algorithm, associated uncertainties and comparisons to Version 2, Atmospheric Measurement Techniques, 13: 3375-3411.

상세보기
Stein Zweers, D.C., 2021. TROPOMI ATBD of the UV aerosol index, S5P-KNMI-L2-0008-RP, https://sentinel.esa.int/web/sentinel/user-guides/documentlibrary, Accessed on Oct. 12, 2021.
Spurr, R.J.D., 2006. VLIDORT: A linearized pseudo-spherical vector discrete ordinate radiative transfer code for forward model and retrieval studies in multilayer multiple scattering media, Journal of Quantitative Spectroscopy and Radiative Transfer, 102(2): 316-342.

상세보기
Tilstra, L.G., 2008. SCIAMACHY Absorbing Aerosol Index Algorithm Theoretical Basis Document, Koninklijk Nederlands Meteorologisch Instituut, De Bilt, NED.
Torres, O., P.K. Bhartia, J.R. Herman, and Z. Ahmad, 1998. Derivation of aerosol properties from satellite measurements of backscattered ultraviolet radiation: Theoretical basis, Journal of Geophysical Research, 103: 17099-17110.

상세보기
Torres, O., A. Tanskanen, B. Veihelmann, C. Ahn, R. Braak, P.K. Bhartia, P. Veefkind, and P. Levelt, 2007. Aerosols and surface UV products from Ozone Monitoring Instrument observations: An overview, Journal of Geophysical Research, 112: D24S47.

상세보기
Xu, J.-W., R.V. Martin, A. Van Donkelaar, J. Kim, M. Choi, Q. Zhang, G. Geng, Y. Liu, Z. Ma, L. Huang, Y. Wang, H. Chen, H. Che, P. Lin, and N. Lin, 2015. Estimating ground-level PM 2.5 in eastern China using aerosol optical depth determined from the GOCI satellite instrument, Atmospheric Chemistry and Physics, 15: 13133-13144.

상세보기
Yang, Y., H. Wang, S.J. Smith, P.-L. Ma, and P.J. Rasch, 2017. Source attribution of black carbon and its direct radiative forcing in China, Atmospheric Chemistry and Physics, 17: 4319-4336.

상세보기

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