[논문]동아시아 지역의 위성 구름탐지 산출물 상호 비교를 통한 품질 평가

변유경; 최성원; 진동현; 성노훈; 정대성; 심수영; 우종호; 전우진; 한경수

doi:10.7780/kjrs.2021.37.6.2.5

초록
AI-Helper

구름탐지란 위성영상내의 픽셀 혹은 화소에서의 구름 유무를 결정하는 것을 의미하며 해당 위성영상의 활용성과 정확도에 영향을 미치는 중요한 요소로 작용한다. 본 연구에서는 구름탐지 자료를 제공해주는 여러 선진기관들의 위성 중에서, GK-2A(GeoKompsat-2A)/AMI(Advanced Meteorological Imager)와 Terra(Earth Observation System-Terra)/MODIS(Moderate-Resolution Imaging Spectroradiometer), Suomi-NPP(The Suomi National Polar-orbiting Partnership)/VIIRS(Visible Infrared Imaging Radiometer Suite)의 구름탐지 자료의 차이에 대해서 정량적 및 정성적으로 비교 분석을 수행하고자 한다. 정량적으로 비교한 결과 1월의 Proportion Correct(PC)지수 값이 GK-2A & MODIS가 74.16%, GK-2A & VIIRS가 75.39%를 나타냈으며 4월의 GK-2A & MODIS는 87.35%, GK-2A & VIIRS는 87.71%로 4월이 1월보다 위성별로 큰 차이 없이 구름을 탐지한 것으로 나타났다. 정성적 비교 결과는 RGB영상과 비교하였을 때, 앞선 정량적 결과들의 경향과 동일하게 1월보다 4월에 해당하는 결과들이 구름을 잘 탐지한 것을 확인할 수 있었으나 얇은 구름이나 적설이 존재하는 경우에는 위성별로 구름탐지 결과에 다소 차이가 존재하였다.

Abstract ▼ AI-Helper

Cloud detection means determining the presence or absence of clouds in a pixel in a satellite image, and acts as an important factor affecting the utility and accuracy of the satellite image. In this study, among the satellites of various advanced organizations that provide cloud detection data, we ...

Cloud detection means determining the presence or absence of clouds in a pixel in a satellite image, and acts as an important factor affecting the utility and accuracy of the satellite image. In this study, among the satellites of various advanced organizations that provide cloud detection data, we intend to perform quantitative and qualitative comparative analysis on the difference between the cloud detection data of GK-2A/AMI, Terra/MODIS, and Suomi-NPP/VIIRS. As a result of quantitative comparison, the Proportion Correct (PC) index values in January were 74.16% for GK-2A & MODIS, 75.39% for GK-2A & VIIRS, and 87.35% for GK-2A & MODIS in April, and GK-2A & VIIRS showed that 87.71% of clouds were detected in April compared to January without much difference by satellite. As for the qualitative comparison results, when compared with RGB images, it was confirmed that the results corresponding to April rather than January detected clouds better than the previous quantitative results. However, if thin clouds or snow cover exist, each satellite were some differences in the cloud detection results.

주제어

표/그림 (9)

표 Table 1. The data used in this study
표 Table 2. Bit fields within first bite of the 48-bit MODIS, VIIRS cloud mask
그림 Fig. 1. (a) GK-2A Cloud Mask (2021.04.01.0300 UTC), (b) MODIS Cloud Mask (2021. 04.01.0300 UTC), (c) MODIS GCD Result (2021.04.01.0300 UTC), (d) VIIRS Cloud Mask (2021.04.03.0348 UTC), (e) VIIRS GCD Result (2021.04.03.0348 UTC).
표 Table 3. Index used for comparison between two categorical data (Hit, False, Miss, Cor-reject)
표 Table 4. Validation Index of POD, FAR, PC
표 Table 5. GK-2A & MODIS and GK-2A & VIIRS quantitative results for January and April
그림 Fig. 2. (a) January qualitative results of GK-2A & MODIS (2021.01.21.0200 UTC), (b) GK-2A RGB (2021.01.21.0200 UTC) (c) January qualitative results of GK-2A & VIIRS (2021.01.22.0418 UTC), (d) GK-2A RGB (2021.01.22.0418 UTC).
그림 Fig. 3. (a) April qualitative results of GK-2A & MODIS (2021.04.03.0250 UTC), (b) GK-2A RGB (2021.04.03.0250 UTC), (c) April qualitative results of GK-2A & VIIRS (2021.04.03.0348 UTC), (d) GK-2A RGB (2021.04.03.0348 UTC).
그림 Fig. 4. (a) January qualitative results of GK-2A & VIIRS (2021.01.23.0400 UTC), (b) GK-2A RGB (2021.01.23.0400 UTC).

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 위성별 구름탐지 자료의 차이에 대해 비교 및 분석하기 위하여 GK-2A/AMI, Terra/ MODIS, Suomi-NPP/VIIRS의 구름 탐지 자료를 비교하여 각 위성 별 구름 탐지 결과의 차이점을 분석하였다.

제안 방법

71%로 4월이 1월보다 위성별로 큰 차이 없이 구름을 탐지한 것으로 나타났다. 4월과 1월의 차이가 존재하는 것은 1월에는 적설이 존재하기 때문에 구름과 적설이 혼재되어 있는 경우로, 4월보다 정량적 결과값이 떨어진 것이라 판단되어 추가적으로 RGB영상과 함께 정성적 비교 분석을 수행하였다. 정성적인 비교 결과는 RGB영상과 비교하였을 때, 앞선 정량적 결과들의 경향과 동일하게 1월보다 4월에 해당하는 결과들이 구름을 잘 탐지한 것을 확인할 수 있었으나 얇은 구름이나 적설이 존재하는 경우에는 위성별로 구름탐지 결과에 다소 차이가 존재하였다.
GCD를 활용하여 GK-2A와 MODIS, GK-2A와 VIIRS 구름탐지 자료 사이의 최단 거리를 각각 계산한 뒤, 2 km 해상도를 가진 GK-2A의 구름탐지 영상에서의 1개의 픽셀은 1 km 해상도를 가진 MODIS와 VIIRS에서는 4개의 픽셀이 해당하기 때문에, MODIS와 VIIRS의 4개 픽셀들 중에서 1개라도 구름으로 탐지된 경우는 구름이라고 판정하여 공간 일치화 과정을 수행하였다. 공간 일치화 과정 결과는 Fig.
MODIS의 경우 UTC 기준 01시와 04시 사이, VIIRS의 경우 UTC 기준 03시와 06시 사이에 한반도 상공을 관측한다. 따라서 각 위성의 관측 시간의 차이로 인하여 두 위성의 결과 비교는 불가능하지만 2분의 시간 해상도를 가진 GK-2A의 구름탐지 자료와의 비교는 가능하여 두 위성의 자료와 GK-2A 의 구름 탐지 자료의 결과를 비교하였다. Terra/MODIS 구름탐지 자료의 공간해상도는 1 km이며 시간 해상도는 1 day로 swath 자료 형태로 제공되고, Suomi-NPP/ VIIRS 구름탐지 자료는 공간해상도가 750 m이며 시간해상도는 1 day로 swath 자료 형태로 제공된다(Table1).
본 연구는 정량적 비교를 위해 POD, FAR, PC 지수를 활용하였고, 정성적 비교는 Hit, False, Miss, Cor-reject 지수를 Map 형식으로 나타내어 수행하였으며 해당 Map 결과물의 비교를 위해 추가적으로 GK-2A RGB영상을 활용하였다.
본연구는GK-2A/AMI및Terra/MODIS, Suomi-NPP/VIIRS 구름탐지 자료를 이용하여 2021년 1월과 4월을 구분하여, GK-2A 자료를 기준으로 공간 일치화 과정을 통해 산출된 MODIS와 VIIRS의 자료들을 1:1로 각각 비교 분석을 수행하였다. 정량적 비교 결과 1월의 PC가 GK-2A & MODIS는 74.
정량적 비교 분석 결과 GK2A&MODIS와 GK-2A&VIIRS 모두 1월보다 4월에 더 높은 POD, PC, FAR 값을 보였으며, 이는 4월이 위성별 로 동일하게 구름과 청천을 잘 탐지한 경우는 증가하였지만, GK-2A가 구름으로 탐지하고 비교 대상 자료가 청천으로 탐지한 경우가 1월보다는 약간 증가한 추세를 보였다고 할 수 있다. 이처럼 1월과 4월에 차이가 발생한 것은 겨울인 1월에는 적설이 존재하기 때문에 앞서 구름탐지의 한계점으로 언급된 구름과 적설이 혼재 되어 있는 경우에 해당함에 따라 4월보다 POD, PC 값이 떨어진 것이라 판단되어 추가적으로 RGB영상과 함께 정성적 비교 분석을 수행하였다.

대상 데이터

본 연구의 연구지역인 대한민국을 포함한 동아시아영역은 위도 33°N~43°N, 경도 124°E~ 132°E에 위치하고 있으며 각 계절 별로 서로 다른 기단의 영향을 받아 4계절이 뚜렷하다
연구에서는 GK-2A의 구름탐지 자료와 더불어 Terra/MODIS와 Suomi-NPP/VIIRS의 구름탐지 자료를 사용하였다. Terra/MODIS와 Suomi-NPP/VIIRS는 극궤도 위성으로 연구 영역을 하루에 한번 관측하며 두 위성의 관측 시간은 다르다.

성능/효과

3는 GK-2A를 기준으로 MODIS, VIIRS 구름탐지를 Hit(분홍 영역), False(노란 영역), Miss(초록 영역), Cor-reject(파란 영역) 지수를 활용하여 Map 형식으로 나타낸 그림과 GK-2A RGB 영상으로 구성되어져 있다. Map 결과물과 RGB 영상과 비교하였을 때, 전반적으로 구름탐지가 잘 수행되었으며, 앞선 정량적인 결과들의 경향과 동일하게 1월보다 4월에 해당하는 결과들이 구름을 잘 탐지한 것을 확인할 수 있다. Fig.
4(a)의 경우 (b)의 RGB영상에서 얇은 구름으로 존재하는 표시된 부분이 GK-2A가 Clear 영역으로 탐지하고, VIIRS에서는 Cloud 영역으로 탐지한 Miss (녹색 영역)로 나타남에 따라 VIIRS 구름탐지 자료 품질이 GK-2A보다 더 좋은 결과를 보였다. 따라서 정성적 비교 분석 결과, 1월에는 적설과 얇은 구름이 존재하는 경우, 4월에는 얇은 구름의 경우에 각 위성별로 구름탐 지 결과에 차이가 존재함을 확인할 수 있었다.
정량적 비교 결과 1월의 PC가 GK-2A & MODIS는 74.16%, GK-2A & VIIRS는 75.39%를 나타냈으며 4월에서의 PC는 GK-2A & MODIS가 87.35%, GK-2A & VIIRS는 87.71%로 4월이 1월보다 위성별로 큰 차이 없이 구름을 탐지한 것으로 나타났다
4월과 1월의 차이가 존재하는 것은 1월에는 적설이 존재하기 때문에 구름과 적설이 혼재되어 있는 경우로, 4월보다 정량적 결과값이 떨어진 것이라 판단되어 추가적으로 RGB영상과 함께 정성적 비교 분석을 수행하였다. 정성적인 비교 결과는 RGB영상과 비교하였을 때, 앞선 정량적 결과들의 경향과 동일하게 1월보다 4월에 해당하는 결과들이 구름을 잘 탐지한 것을 확인할 수 있었으나 얇은 구름이나 적설이 존재하는 경우에는 위성별로 구름탐지 결과에 다소 차이가 존재하였다.

후속연구

겨울기간에는 적설이 존재하기 때문에 정량적, 정성적 모두 위성별로 차이가 존재하였다. 그렇기 때문에, 향후 추가적인 기간 자료를 활용하여 더 많은 구름영상 들을 통해 연구 수행이 진행될 경우, 차이를 발생시키는 원인, 요소에 대한 명확한 분석 가능할 것이라 판단된다. 또한 구름탐지 자료들은 계절의 영향을 받기 때문에 계절에 따른 분석이 필요하며 극궤도와 정지궤도 위성의 자료 비교 시, 시차효과(parallax effect)의 영향에 대한 고려 또한 필요할 것으로 판단된다.
그렇기 때문에, 향후 추가적인 기간 자료를 활용하여 더 많은 구름영상 들을 통해 연구 수행이 진행될 경우, 차이를 발생시키는 원인, 요소에 대한 명확한 분석 가능할 것이라 판단된다. 또한 구름탐지 자료들은 계절의 영향을 받기 때문에 계절에 따른 분석이 필요하며 극궤도와 정지궤도 위성의 자료 비교 시, 시차효과(parallax effect)의 영향에 대한 고려 또한 필요할 것으로 판단된다.

참고문헌 (12)

Ackerman, S., 2010. Discriminating clear-sky from cloud with modis, Journal of Geophysical Research: Atmospheres, 103(D24): 32,141 -32,157.

상세보기
Green, M., T. Alerstam, P. Clausen, R. Drent, and B.S. Ebbinge, 2002. Dark-bellied Brent Geese Branta bernicla bernicla, as recorded by satellite telemetry, do not minimize flight distance during spring migration, Ibis, 144(1): 106-121.

상세보기
Kwon, C.Y., M.J. Seo, and K.-S. Han, 2017. Cloud Detection Using HIMAWARI-8/AHI Based Reflectance Spectral Library Over Ocean, Korean Journal of Remote Sensing, 33(5): 559-605 (in Korean with English abstract).
Lee, H.-S. and K.-Y. Lee, 2015. Development of Cloud Detection Method with Geostationary Ocean Color Imagery for Land Applications, Korean Journal of Remote Sensing, 31(5): 371-384 (in Korean with English abstract).

원문보기 상세보기
Mohajerani, S., T.A. Krammer and P. Saeedi, 2018. Cloud detection algorithm for remote sensing images using fully convolutional neural networks, arXiv preprint, arXiv: 1810.05782.
Seong, S.K., S.K. Choi, and J.W. Choi, 2020. Cloud Detection of PlanetScope Imagery Based on Deeplab-V3+ by Using Transfer Learning, Journal of Korean Society for Geospatial Information Science, 28(4): 25-32 (in Korean with English abstract).

상세보기
Shaffer, S.A., Y. Tremblay, J.A. Awkerman, R.W. Henry, S.L. Teo, D.J. Anderson, D.A. Croll, B.A. Block, and D.P. Costa, 2005. Comparison of light-and SST-based geolocation with satellite telemetry in free-ranging albatrosses, Marine Biology, 147(4): 833-843.

상세보기
Strabala, K.I., 2005. MODIS cloud mask user's guide, University of Wisconsin Madison, WI, Madison, USA.
Tran, H., P. Nguyen, M. Ombadi, K.-L. Hsu, S. Sorooshian, and X. Qing, 2019. A cloud-free MODIS snow cover dataset for the contiguous United States from 2000 to 2017, Scientific Data, 6(1): 1-13.

상세보기
Wang, X., M. Min, F. Wang, J. Guo, B. Li, and S. Tang, 2019. Intercomparisons of cloud mask products among Fengyun-4A, Himawari-8, and MODIS, IEEE Transactions on Geoscience and Remote Sensing, 57(11): 8827-8839.

상세보기
Wei, J., Y. Peng, R. Mahmood, L. Sun, and J. Guo, 2019. Intercomparison in spatial distributions and temporal trends derived from multi-source satellite aerosol products, Atmospheric Chemistry and Physics, 19(10): 7183-7207.

상세보기
Xiang, P.S., 2018. A cloud detection algorithm for MODIS images combining Kmeans clustering and Otsu method. In IOP conference series: materials science and engineering, Zhuhai, CHN, Jun. 22-14, Vol. 392, pp. 062199.

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

동아시아 지역의 위성 구름탐지 산출물 상호 비교를 통한 품질 평가
Quality Evaluation through Inter-Comparison of Satellite Cloud Detection Products in East Asia 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9)

표/그림 (9)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

동아시아 지역의 위성 구름탐지 산출물 상호 비교를 통한 품질 평가 Quality Evaluation through Inter-Comparison of Satellite Cloud Detection Products in East Asia 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9) 모든 표/그림 보기

표/그림 (9) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

최성원 (21) 진동현 (17) 성노훈 (18) 한경수 (76)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

동아시아 지역의 위성 구름탐지 산출물 상호 비교를 통한 품질 평가
Quality Evaluation through Inter-Comparison of Satellite Cloud Detection Products in East Asia 원문보기

초록
AI-Helper

표/그림 (9)

표/그림 (9)

AI 본문요약
AI-Helper