[논문]GOCI Chlorophyll-a 결측 자료의 복원을 위한 DINEOF 방법 적용

황도현; 정한철; 안재현; 최종국

doi:10.7780/kjrs.2021.37.6.1.2

GOCI Chlorophyll-a 결측 자료의 복원을 위한 DINEOF 방법 적용
Application of DINEOF to Reconstruct the Missing Data from GOCI Chlorophyll-a 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.6 pt.1, 2021년, pp.1507 - 1515

황도현 (한국해양과학기술원해양위성센터) , 정한철 (한국해양과학기술원해양위성센터) , 안재현 (한국해양과학기술원해양위성센터) , 최종국 (한국해양과학기술원해양위성센터)

초록
AI-Helper

해색 원격 탐사를 통해 chlorophyll-a를 추정하면 식물성 플랑크톤, 해양일차생산력의 전 지구적 분포를 파악할 수 있다. 하지만 위성으로 관측된 해색 자료는 구름이나 기상 상황 등에 의하여 결측 데이터가 발생한다. 본 연구에서는 DINEOF를 이용하여 GOCI chlorophyll-a 산출물의 결측 자료를 복원하고자 하였다. DINEOF는 시·공간 자료에 기반을 두어 결측 자료를 복원하는 방법으로, 정확도는 GOCI chlorophyll-a 영상의 일부를 제거한 뒤 복원 영상과 비교하여 교차 검증하였다. 연구지역에서 DINEOF를 위한 최적의 EOF 모드는 10-13이었다. 시·공간 복원 자료 결과에서는 오후 시간대 chlorophyll-a 농도가 증가하는 경향이 반영되었고, 노이즈에 해당되는 이상치는 필터링 되는 효과를 보였다. 따라서 DINEOF는 결측이 발생한 영상에 대하여 복원 자료로 활용 가능할 것으로 보이며, 이를 통해 해양 환경 모니터링을 위한 기초 자료로 사용 가능할 것으로 판단된다.

Abstract ▼ AI-Helper

If chlorophyll-a is estimated through ocean color remote sensing, it is able to understand the global distribution of phytoplankton and primary production. However, there are missing data in the ocean color observed from the satellites due to the clouds or weather conditions. In thisstudy, the missing data of the GOCI (Geostationary Ocean Color Imager) chlorophyll-a product wasreconstructed by using DINEOF (Data INterpolation Empirical Orthogonal Functions). DINEOF reconstructs the missing data based on spatio-temporal data, and the accuracy was cross-verified by removing a part of the GOCI chlorophyll-a image and comparing it with the reconstructed image. In the study area, the optimal EOF (Empirical Orthogonal Functions) mode for DINEOF wasin 10-13. The temporal and spatialreconstructed data reflected the increasing chlorophyll-a concentration in the afternoon, and the noise of outliers was filtered. Therefore, it is expected that DINEOF is useful to reconstruct the missing images, also it is considered that it is able to use as basic data for monitoring the ocean environment.

주제어

표/그림 (6)

그림 Fig. 1. The study area is (a) Korea in (b) the South Sea. (b) is the spatial distribution of missing data (%) in the original GOCI data set. The red '+' is the chlorophyll-a data and reconstructed data comparing point.
그림 Fig. 2. The spatial distribution of GOCI chlorophyll-a EOF mode 1-3 (a-c).
그림 Fig. 3. The result of (a) MAE, (b) RMSE, (c) CC by excluding 5% of the GOCI chlorophyll-a data and the reconstructed data.
그림 Fig. 4. Scatter density graph of GOCI chlorophyll-a data and reconstructed data by removing 5% when EOF mode was 10.
그림 Fig. 5. Example of hourly GOCI chlorophyll-a data (a-h) and reconstructed data (i-p) about 09:00-16:00 on August 13th, 2013.
그림 Fig. 6. Time series of GOCI chlorophyll-a data and reconstructed data point for the locations of Fig. 1(b) red '+' from August 12 to 15, 2013 (a-d).

AI 본문요약
AI-Helper

후속연구

DINEOF는 추가 데이터 없이 반복적인 EOF 수행을 통하여 결측 자료의 복원이 가능하며, 자료의 시·공간 특성이 모두 반영되기 때문에 다양한 데이터를 적용시켜 활용도가 높을 것으로 보인다
본 연구에서는 단기간의 한정된 자료를 사용하여 chlorophyll-a 자료의 시계열 분석에 어려움이 있었으나, 향후 현장 관측 자료 비교 또는 결측 자료 복원 알고리즘간 비교를 해본다면 DINEOF 알고리즘의 정확도 향상과 더불어 해양환경 모니터링을 위한 기초 자료로 활용 가능할 것으로 판단된다. 또한 본 논문에서 제안된 방법을 공간해상도 250 m, 일 10회 영상 획득이 가능한 GOCI-2 영상에 적용해 본다면 연안 지역의 chlorophyll-a 변동성 분석에 더욱 효과적일 것으로 생각된다.
DINEOF는 추가 데이터 없이 반복적인 EOF 수행을 통하여 결측 자료의 복원이 가능하며, 자료의 시·공간 특성이 모두 반영되기 때문에 다양한 데이터를 적용시켜 활용도가 높을 것으로 보인다. 본 연구에서는 단기간의 한정된 자료를 사용하여 chlorophyll-a 자료의 시계열 분석에 어려움이 있었으나, 향후 현장 관측 자료 비교 또는 결측 자료 복원 알고리즘간 비교를 해본다면 DINEOF 알고리즘의 정확도 향상과 더불어 해양환경 모니터링을 위한 기초 자료로 활용 가능할 것으로 판단된다. 또한 본 논문에서 제안된 방법을 공간해상도 250 m, 일 10회 영상 획득이 가능한 GOCI-2 영상에 적용해 본다면 연안 지역의 chlorophyll-a 변동성 분석에 더욱 효과적일 것으로 생각된다.

참고문헌 (16)

Alvera-Azcarate, A., A. Barth, M. Rixen, and J.M. Beckers, 2005. Reconstruction of Incomplete Oceanographic Data Sets Using Empirical Orthogonal Functions: Application to the Adriatic Sea Surface Temperature, Ocean Modelling, 9(4): 325-346.

상세보기
Alvera-Azcarate, A., A. Barth, J.M. Beckers, and R.H. Weisberg, 2007. Multivariate Reconstruction of Missing Data in Sea Surface Temperature, Chlorophyll, and Wind Satellite Fields, Journal of Geophysical Research: Oceans, 112: C03008.

상세보기
Beckers, J.M. and M. Rixen, 2003. EOF Calculations and Data Filling from Incomplete Oceanographic Datasets, Journal of Atmospheric and Oceanic Technology, 20(12): 1839-1856.

상세보기
Dierssen, H.M. and K. Randolph, 2013. Remote Sensing of Ocean Color, In: Orcutt, J. (Ed.), Earth System Monitoring: Selected Entries from the Encyclopedia of Sustainability Science and Technology, Springer, New York, USA., pp. 439-472.
Hwang, D., S. Bak, M. Jeong, N. Kim, M. Park, B. Kim, and H. Yoon, 2021. Study on Dimensionality Reduction for Sea-Level Variations by Using Altimetry Data around the East Asia Coasts, Korean Journal of Remote Sensing, 37(1): 85-95 (in Korean with English Abstract).

원문보기 상세보기
Kim, W., J. Moon, Y. Park, and J. Ishizaka, 2016. Evaluation of Chlorophyll Retrievals from Geostationary Ocean Color Imager (GOCI) for the North-East Asian Region, Remote Sensing of Environment, 184: 482-495.

상세보기
Lin, T., Q. He, W. Zhan, and H. Zhan, 2020. Persistent Data Gap in Ocean Color Observations over the East China Sea in Winter: Causes and Reconstructions, Remote Sensing Letters, 11(7): 667-676.

상세보기
Liu, X. and M. Wang, 2018. Gap Filling of Missing Data for VIIRS Global Ocean Color Products Using the DINEOF Method, IEEE Transactions on Geoscience and Remote Sensing, 56(8): 4464-4476.

상세보기
Liu, X. and M. Wang. 2016. Analysis of Ocean Diurnal Variations from the Korean Geostationary Ocean Color Imager Measurements Using the DINEOF Method, Estuarine, Coastal and Shelf Science, 180: 230-241.

상세보기
Lorenz, E.N., 1956. Empirical Orthogonal Functions and Statistical Weather Prediction, Cambridge, MA, USA.
Ping, B., F. Su, and Y. Meng, 2016. An Improved DINEOF Algorithm for Filling Missing Values in Spatio-Temporal Sea Surface Temperature Data, PLoS One, 11(5): e0155928.

상세보기
Platt, T. and A.W. Herman, 1983. Remote Sensing of Phytoplankton in the Sea: Surface-Layer Chlorophyll as an Estimate of Water-Column Chlorophyll and Primary Production, International Journal of Remote Sensing, 4(2): 343-351.

상세보기
Stock, A., A. Subramaniam, G.t L.V. Dijken, L.M. Wedding, K.R. Arrigo, M.M. Mills, M.A. Cameron, and F. Micheli, 2020. Comparison of Cloud-Filling Algorithms for Marine Satellite Data, Remote Sensing, 12(20): 3313.

상세보기
Tanre, D., M. Herman, P.Y. Deschamps, and A. De Leffe, 1979. Atmospheric Modeling for Space Measurements of Ground Reflectances, Including Bidirectional Properties, Applied Optics, 18(21): 3587-3594.

상세보기
Weiss, D.J., P.M. Atkinson, S. Bhatt, B. Mappin, S.I. Hay, and P.W. Gething, 2014. An Effective Approach for Gap-Filling Continental Scale Remotely Sensed Time-Series, ISPRS Journal of Photogrammetry and Remote Sensing, 98: 106-118.

상세보기
Yang, C., S. Bae, H. Han, Y. Ahn, J. Ryu, T. Han, and H. Yoo, 2010. Introduction of Acquisition System, Processing System and Distributing Service for Geostationary Ocean Color Imager (GOCI) Data, Korean Journal of Remote Sensing, 26(2): 263-275 (in Korean with English abstract).

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