[논문]모의영상을 이용한 농림위성 대기보정의 주요 파라미터 민감도 분석 및 타위성 산출물 활용 가능성 제시

강유진; 조동진; 한대현; 임정호; 임중빈; 오금희; 권언혜

doi:10.7780/kjrs.2021.37.5.1.16

모의영상을 이용한 농림위성 대기보정의 주요 파라미터 민감도 분석 및 타위성 산출물 활용 가능성 제시
Sensitivity Analysis for CAS500-4 Atmospheric Correction Using Simulated Images and Suggestion of the Use of Geostationary Satellite-based Atmospheric Parameters 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.5 pt.1, 2021년, pp.1029 - 1042

강유진 (울산과학기술원 도시환경공학과) , 조동진 (울산과학기술원 도시환경공학과) , 한대현 (울산과학기술원 도시환경공학과) , 임정호 (울산과학기술원 도시환경공학과) , 임중빈 (국립산림과학원 국제산림연구과) , 오금희 ((주)쎄트렉아이 지상사업부문) , 권언혜 ((주)쎄트렉아이 지상사업부문)

초록
AI-Helper

차세대 중형위성 사업의 일환으로 농지 및 산림에서의 원격 탐사를 위하여 농림위성 (차세대 중형위성 4호)이 발사 예정에 있다. 위성 영상에서 식생의 정량적인 정보를 얻기 위해서는 대기보정을 통한 지표 반사도 취득이 선행되어야 하므로 농림위성을 위한 대기보정 기술 개발은 불가피할 것으로 생각된다. 특히 대기에서의 흡수와 산란 특성은 파장에 따라 다르게 나타나므로 농림위성 파장 영역을 고려한 대기보정 파라미터 민감도 분석이 필요하다. 또한, 농림위성은 5개 채널(Blue, Green, Red, Red edge, Near-infrared)을 보유하고있어 대기보정 주요 파라미터인 AOD (Aerosol optical depth)와 WV (Water vapor)를 직접 산출하기 어려우므로 이를 외부에서 제공할 수 있는 방안을 마련할 필요가 있다. 따라서, 본 연구에서는 농림위성과 유사한 사양을 가진 Sentinel-2 위성 영상을 이용하여 주요 파라미터인 AOD, WV, O₃ 민감도 분석을 수행하고, 파라미터 제공을 위해 천리안 2A (GK2A; GEO-KOMPSAT-2A) 정지궤도 복합위성의 산출물을 이용하여 대기보정 파라미터로서의 활용 가능성을 살펴보았다. 민감도 분석 결과는 AOD가 가장 중요한 파라미터임을 보여주었으며, 근적외선 채널보다는 가시광 채널에서 더 큰 민감도를 가지는 것으로 나타났다. 특히 Blue 채널에서 AOD의 20%의 변화는 지표 반사도에서 약 100%의 오차율을 야기하므로 정확한 지표 반사도 취득을 위해서는 높은 신뢰성을 가진 AOD가 필요할 것으로 생각된다. GK2A AOD 산출물을 이용한 대기보정 결과는 토지피복별 분류 가능성을 이용하여 Sentienl-2 L2A 자료와 비교한 결과, 두 모델별 분류 가능성은 유사하였으나, 파장대가 짧은 영역일수록 GK2A AOD 산출물을 적용한 대기보정 결과가 Sentinel-2 L2A보다 높게 나타났다. 이를 통해 GK2A에서 제공되는 산출물이 향후 농림위성 대기보정 파라미터로서 충분히 활용될 수 있을 것으로 판단된다. 본 연구의 결과는 추후 농림위성 발사 후 대기보정에 참고 자료로서 활용될 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

As part of the next-generation Compact Advanced Satellite 500 (CAS500) project, CAS500-4 is scheduled to be launched in 2025 focusing on the remote sensing of agriculture and forestry. To obtain quantitative information on vegetation from satellite images, it is necessary to acquire surface reflectance through atmospheric correction. Thus, it is essential to develop an atmospheric correction method suitable for CAS500-4. Since the absorption and scattering characteristics in the atmosphere vary depending on the wavelength, it is needed to analyze the sensitivity of atmospheric correction parameters such as aerosol optical depth (AOD) and water vapor (WV) considering the wavelengths of CAS500-4. In addition, as CAS500-4 has only five channels (blue, green, red, red edge, and near-infrared), making it difficult to directly calculate key parameters for atmospheric correction, external parameter data should be used. Therefore, thisstudy performed a sensitivity analysis of the key parameters (AOD, WV, and O3) using the simulated images based on Sentinel-2 satellite data, which has similar wavelength specifications to CAS500-4, and examined the possibility of using the products of GEO-KOMPSAT-2A (GK2A) as atmospheric parameters. The sensitivity analysisshowed that AOD wasthe most important parameter with greater sensitivity in visible channels than in the near-infrared region. In particular, since AOD change of 20% causes about a 100% error rate in the blue channel surface reflectance in forests, a highly reliable AOD is needed to obtain accurate surface reflectance. The atmospherically corrected surface reflectance based on the GK2A AOD and WV was compared with the Sentinel-2 L2A reflectance data through the separability index of the known land cover pixels. The result showed that two corrected surface reflectance had similar Seperability index (SI) values, the atmospheric corrected surface reflectance based on the GK2A AOD showed higher SI than the Sentinel-2 L2A reflectance data in short-wavelength channels. Thus, it is judged that the parameters provided by GK2A can be fully utilized for atmospheric correction of the CAS500-4. The research findings will provide a basis for atmospheric correction of the CAS500-4 in the future.

주제어

표/그림 (9)

그림 Fig. 1. The Sentinel-2 L2A RGB image (left) collected on October 24, 2020 and the land cover map (right) of the study area. Land cover data were derived from Finer Resolution Observation and Monitoring of Global Land Cover 10 (From-GLC10) produced by Chen et al. (2019).
표 Table 1. Specification of the Sentinel-2 Multispectral Instrument sensor used in this study
표 Table 2. Parameters and their ranges used in the sensitivity analysis of the atmospheric correction model using the simulated images
그림 Fig. 2. AOD parameter sensitivity analysis results. (a-e) is the percent error for Blue, Green, Red, Red edge, and NIR channels, respectively. (f) is the distribution of the AOD parameter percent change in the image, which has a negative value when the adjusted AOD is lower than the original AOD.
그림 Fig. 3. Difference in surface reflectance according to the difference in AOD change when AOD is low (a, b, c, d, and e) and when AOD is high (f, g, h, i, j) for each channel (Blue (a, d), Green (b, e), Red (c, f), Red edge (g, i), and NIR (h, j)).
그림 Fig. 4. The percent error of the surface reflectance according to the AOD percent change with low AOD conditions (AOD: 0.01-0.3). The X-axis is the adjusted AOD percent change compared to the original AOD, and the Y-axis is the absolute percent error of the surface reflectance. (a)-(c) correspond to blue, green and red channels, respectively.
그림 Fig. 5. Water Vapor (WV) sensitivity analysis results: (a)-(e) show the percent error of surface reflectance for Blue, Green, Red, Red edge, and NIR channels, respectively. (f) is the distribution of WV parameter percent change applied to the simulated image.
그림 Fig. 6. O₃ sensitivity analysis results: the difference in surface reflectance by channel is depicted when O₃ is 200, 400, and 500 DU considering 300 DU as a control value.
표 Table 3. Separability index values between Sentinel-2 L2A data and the reflectance data derived from the py6S model using AOD and WV extracted from GK2A (GK2A-py6S) for each land cover

참고문헌 (23)

Ariza, A., M.R. Irizar, and S. Bayer, 2018. Empirical line model for the atmospheric correction of sentinel-2A MSI images in the Caribbean Islands, European Journal of Remote Sensing, 51(1): 765-776.

상세보기
Gong, P., H. Liu, M. Zhang, C. Li, J. Wang, H. Huang, N. Clinton, L. Ji, W. Li, Y. Bai, B. Chen, B. Xu, Z. Zhu, C. Yuan, H.P. Suen, J. Guo, N. Xu, W. Li, Y. Zhao, J. Yang, C. Yu, X. Wang, H. Fu, L. Yu, and I. Dronova, F. Hui, X. Cheng, X. Shi, F. Xiao, Q. Liu, and L. Song, 2019. Stable classification with limited sample: Transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017, Science Bulletin, 64: 370-373.

상세보기
Han, B.R., J.Y. Oh., S.M. Park., and S.W. Son, 2019. Evaluation of the Total Column Ozone in the Reanalysis Datasets over East Asia, Atmosphere, Korean Meteorological Society, 29(5): 659-669 (in Korean with English abstract).
Jung, D.S., D.H. Jin., N.H. Seong., K.S. Lee., M.J. Seo., S.W. Choi., and B.R. Kim, 2020. Sensitivity Analysis of Surface Reflectance Retrieved from 6SV LUT for Each Channel of KOMPSAT-3/3A, Korean Journal of Remote Sensing, 36(5): 785-791 (in Korean with English abstract).

원문보기 상세보기
Kotchenova, S.Y., E.F. Vermote, R. Matarrese, and F.J. Klemm Jr, 2006. Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part I: Path radiance, Applied Optics, 45(26): 6762-6774.

상세보기
Kwon, S.K., K.M. Kim., and J.B. Lim, 2021. A Study on Pre-evaluation of Tree Species Classification Possibility of CAS500-4 Using RapidEye Satellite Imageries, Korean Journal of Remote Sensing, 37(2): 291-304 (in Korean with English abstract).

원문보기 상세보기
Lee, K.S., 2019. Atmospheric Correction Issues of Optical Imagery in Land Remote Sensing, Korean Journal of Remote Sensing, 1299-1312. (in Korean with English abstract).

원문보기 상세보기
Lee, K.H. and J.M. Yum, 2019. A Review on Atmospheric Correction Technique Using Satellite Remote Sensing, Korean Journal of Remote Sensing, 35(6): 1011-1030. (in Korean with English abstract).

원문보기 상세보기
Lee, S.B., P.H. La., Y.D. Eo., and M.W. Pyeon, 2015. Generation of Simulated Image from Atmospheric Corrected Landsat TM Images, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 33(1): 1-9. (in Korean with English abstract).

원문보기 상세보기
Louis, J. and L2A team, 2021. Level-2A Algorithm Theoretical Basis Document (S2-PDGS-MPCATBD-L2A), European Space Agency, Paris, FR.
Louis, J., V. Debaecker, B. Pflug, M. Main-Knorn, J. Bieniarz, U. Mueller-Wilm, E. Cadau, and F. Gascon, 2016. Sentinel-2 Sen2Cor: L2A processor for users, Proc. of ESV Living Planet Symposium 2016, Prague, CS, May. 09-13, pp. 1-8.
Maeda, E.E. and Galvao, L.S, 2015. Sun-sensor geometry effects on vegetation index anomalies in the Amazon rainforest, GIScience and Remote Sensing, 52(3): 332-343.

상세보기
Meng, R., J. Wu, K.L. Schwager, F. Zhao, P.E. Dennison, B.D. Cook K. Brewster, T.M. Green, and S.P. Serbin, 2017. Using high spatial resolution satellite imagery to map forest burn severity across spatial scales in a Pine Barrens ecosystem, Remote Sensing of Environment, 191: 95-109.

상세보기
Motohka, T., K.N. Nasahara, H. Oguma, and S, Tsuchida, 2010. Applicability of green-red vegetation index for remote sensing of vegetation phenology, Remote Sensing, 2(10): 2369-2387.

상세보기
Obregon, M.A., G. Rodrigues, M.J. Costa, M. Potes, and A.M. Silva, 2019. Validation of ESA Sentinel-2 L2A Aerosol Optical Thickness and Columnar Water Vapour during 2017-2018, Remote Sensing, 11(14): 1649.

상세보기
Pereira, J.M., 1999. A comparative evaluation of NOAA/AVHRR vegetation indexes for burned surface detection and mapping, IEEE Transactions on Geoscience and Remote Sensing, 37(1): 217-226.

상세보기
Richter, R., T. Heege, V. Kiselev, and D. Schlapfer, 2014. Correction of ozone influence on TOA radiance, International Journal of Remote Sensing, 35(23): 8044-8056.

상세보기
Rouse, J.W., R.H. Haas, J.A. Schell, and D.W. Deering, 1974. Monitoring vegetation systems in the Great Plains with ERTS, NASA Special Publication, 351(1974): 309.
Tzortziou, M., O. Parker, B. Lamb, J.R. Herman, L. Lamsal, R. Stauffer, and N. Abuhassan, 2018. Atmospheric Trace Gas (NO 2 and O 3 ) variability in South Korean coastal waters, and implications for remote sensing of coastal ocean color dynamics, Remote Sensing, 10(10): 1587.

상세보기
Vicent, J., J. Verrelst, N. Sabater, L. Alonso, J.P. Rivera-Caicedo, Martino, L., J. Munoz-Mari, and Moreno, J, 2020. Comparative analysis of atmospheric radiative transfer models using the Atmospheric Look-up table Generator (ALG) toolbox (version 2.0), Geoscientific Model Development, 13(4): 1945-1957.

상세보기
Wang, Z., A.C. Bovik, H.R. Sheikh, and E.P. Simoncelli, 2004. Image quality assessment: from error visibility to structural similarity, IEEE Transactions on Image Processing, 13(4): 600-612.

상세보기
Zhang, Z., G. He, and X. Wang, 2010. A practical DOS model-based atmospheric correction algorithm, International Journal of Remote Sensing, 31(11): 2837-2852.

상세보기
Zhang, Z., G. He, X. Zhang, T. Long, G. Wang, and M, Wang, 2018. A coupled atmospheric and topographic correction algorithm for remotely sensed satellite imagery over mountainous terrain, GIScience and Remote Sensing, 55(3): 400-416.

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