[논문]기상모델자료와 기계학습을 이용한 GK-2A/AMI Hourly AOD 산출물의 결측화소 복원

윤유정; 강종구; 김근아; 박강현; 최소연; 이양원

doi:10.7780/kjrs.2022.38.5.3.12

기상모델자료와 기계학습을 이용한 GK-2A/AMI Hourly AOD 산출물의 결측화소 복원
Spatial Gap-filling of GK-2A/AMI Hourly AOD Products Using Meteorological Data and Machine Learning 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.38 no.5 pt.3, 2022년, pp.953 - 966

윤유정 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 강종구 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 김근아 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 박강현 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 최소연 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) , 이양원 (부경대학교 지구환경시스템과학부 공간정보공학전공)

초록
AI-Helper

에어로솔(aerosol)은 대기 질을 악화시키는 등 인체 건강에 악영향을 끼치므로 에어로솔의 분포 및 특성에 대한 정량적인 관측이 필수적이다. 최근 전 지구 규모에서의 주기적이고 정량적인 정보 획득 수단으로 위성관측 Aerosol Optical Depth (AOD) 영상이 다양한 연구에 활용되지만 광학센서 기반의 위성 AOD 영상은 구름 등의 조건을 가진 일부 지역에서 결측을 가진다. 이에 본 연구는 위성자료의 결측복원을 위하여 격자형 기상자료와 지리적 요소를 입력변수로 하여 Random Forest (RF) 기반 gap-filling 모델을 생성한 이후, gap-free GK-2A/AMI AOD hourly 영상을 산출하였다. 모델의 정확도는 -0.002의 Mean Bias Error (MBE), 0.145의 Root Mean Square Error (RMSE)로, 원자료의 목표 정확도보다 높으며 상관계수 0.714로 복원 대상이 대기변수인 점을 감안하면 상관계수 측면에서도 충분한 설명력을 갖춘 모델이다. 정지궤도 위성의 높은 시간 해상도는 일변화 관측에 적합하며 대기보정을 위한 입력, 지상 미세먼지 농도 추정, 소규모 화재 또는 오염원 분석 등 타 연구를 위한 자료 활용 측면에서 중요하다.

Abstract ▼ AI-Helper

Since aerosols adversely affect human health, such as deteriorating air quality, quantitative observation of the distribution and characteristics of aerosols is essential. Recently, satellite-based Aerosol Optical Depth (AOD) data is used in various studies as periodic and quantitative information acquisition means on the global scale, but optical sensor-based satellite AOD images are missing in some areas with cloud conditions. In this study, we produced gap-free GeoKompsat 2A (GK-2A) Advanced Meteorological Imager (AMI) AOD hourly images after generating a Random Forest based gap-filling model using grid meteorological and geographic elements as input variables. The accuracy of the model is Mean Bias Error (MBE) of -0.002 and Root Mean Square Error (RMSE) of 0.145, which is higher than the target accuracy of the original data and considering that the target object is an atmospheric variable with Correlation Coefficient (CC) of 0.714, it is a model with sufficient explanatory power. The high temporal resolution of geostationary satellites is suitable for diurnal variation observation and is an important model for other research such as input for atmospheric correction, estimation of ground PM, analysis of small fires or pollutants.

주제어

표/그림 (15)

표 Table 1. Imager specifications of AMI
표 Table 2. LDAPS variables used in GK-2A/AMI AOD gapfilling model (KMA, 2020)
표 Table 4. Spatio-temporal resolution and source of gap-filling model input data
표 Table 3. Organization class for Korea land cover map
그림 Fig. 1. The land use ratio is calculated by resampling a land cover map of 30m to 0.002° and corresponding 100 (10×10) pixels to one target grid (0.02°) to calculate of Natural vegetation/ Agricultural/Urban area ratio in the range of 0–1. (a) Land cover map, (b) Natural vegetation area ratio, (c) Agricultural area ratio, (d) Urban area ratio.
그림 Fig. 2. Steps of random forest modeling for hourly gap-free AMI AOD data.
그림 Fig. 3. Concept of 5-fold cross-validation with random sampling.
표 Table 5. Training accuracy of the gap-filling model for AMI AOD in 2021
표 Table 6. Variable importance of the gap-filling model for hourly AMI AOD in 2021
그림 Fig. 4. Scatter plots of the RF for gap-filling of AMI AOD in 2021.
표 Table 7. Training accuracy of the gap-filling model for AMI AOD in 2021
표 Table 8. Seasonal statistics of AMI hourly AOD before gap-filling
표 Table 9. Seasonal statistics of AMI hourly AOD after gap-filling
그림 Fig. 5. GK-2A AMI hourly AOD maps before and after gap-filling.
그림 Fig. 5. Continued.

AI 본문요약
AI-Helper

제안 방법

0.02° 해상도를 가지는 14종의 격자형 입력자료(기온, 풍속, 경계층높이, 잠열유동량, 고도에 따른 운량, 하향단파복사, 기압, 이슬점 온도, 고도, 식생 이용률)를 복원모델에 투입하여 생성된 격자 자료를 AOD 원자료의 결측 격자점마다 대응시켜 최종적으로 결측복원 자료를 산출하였다
한국은 세계적으로 많은 양의 에어로솔이 관측되는 지역 중 하나로 AOD의 위성관측을 통한 정보 획득이 중요하다. 이에 본 연구는 기상예보모델 자료에 지리적 요소를 더한 랜덤포리스트 기반의 AOD 결측복원모델을 구축하고 결측복원된 AOD 산출물을 생성하였다. 2021년 1월 1일부터 12월 31일까지의 기간의 매치업으로 5-fold CV 결과 MBE가 –0.

대상 데이터

중요도 2% 미만의 변수를 제외한 복원모델을 활용하여 2021년한해 동안 한반도 육지영역의 AMI AOD 자료의 결측복원자료를 산출하였다. 0.

데이터처리

3). 모델링 과정에 사용된 평가지표는 Mean Bias Error (MBE), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Correlation Coefficient (CC)이며 5회 실험의 평균값을 계산하여, 훈련 정확도가 가장 높은 모델을 선택하였다. 학습이 완료된 결측복원모델에 격자형 입력자료를 투입하여 생성된 격자형 예측 AOD는 AMI AOD 원자료의 결측 격자점마다 대응시켜 복원 자료를 산출한다.

이론/모형

학습은 모든 데이터를 훈련 및 평가에 활용하면서 편중 및 과적합을 피할 수 있도록 5-fold cross validation (CV) 방식을 사용하였다(Fig. 3).

성능/효과

2021년 1월 1일부터 12월 31일까지의 기간의 매치업으로 5-fold CV 결과 MBE가 –0.002, RMSE가 0.145로 원자료의 목표 정확도보다 높은 정확도를 보였으며 기초통계 분석 결과 원자료의 경향성을 따르는 예측값이 복원된 것을 알 수 있었다
145로 원자료의 목표 정확도보다 높은 정확도를 보였으며 기초통계 분석 결과 원자료의 경향성을 따르는 예측값이 복원된 것을 알 수 있었다. 무엇보다 2021년 기준 평균 49.24%의 결측률을 보이는 hourly AMI 관측자료를 100% 관측률로 복원해내어 일변화추적(diurnal variation)이 가능할 뿐만 아니라 대기보정을 위한 입력자료 사용, 지상 미세먼지 농도 추정, 소규모 화재 또는 오염원 분석, 시정 산출, 기후 변화 및 대기질에 미치는 에어로솔 영향 분석 등 자료 활용성을 크게 증가시켰다. 기상예보모델을 포함한 입력 자료의 실시간 수집을 통하여 향후 현업시스템으로의 활용 또한 기대해볼 수 있을 것이다.

후속연구

24%의 결측률을 보이는 hourly AMI 관측자료를 100% 관측률로 복원해내어 일변화추적(diurnal variation)이 가능할 뿐만 아니라 대기보정을 위한 입력자료 사용, 지상 미세먼지 농도 추정, 소규모 화재 또는 오염원 분석, 시정 산출, 기후 변화 및 대기질에 미치는 에어로솔 영향 분석 등 자료 활용성을 크게 증가시켰다. 기상예보모델을 포함한 입력 자료의 실시간 수집을 통하여 향후 현업시스템으로의 활용 또한 기대해볼 수 있을 것이다.

참고문헌 (36)

Aires, F., C. Prigent, and W. B. Rossow, 2004. Temporal interpolation of global surface skin temperature diurnal cycle overland under clear and cloudy conditions, Journal of Geophysical Research: Atmospheres, 109: D04313. https://dx.doi.org/10.1029/2003JD003527

상세보기
Bessho, K., K. Date, M. Hayashi, A. Ikeda, T. Imai, H. Inoue, Y. Kumagai, T. Miyakawa, H. Murata, T. Ohno, A. Okuyama, R. Oyama, Y. Sasaki, Y. Shimazu, K. Shimoji, Y. Sumaida, M. Suzuki, H. Taniguchi, H. Tsuchiyama, D. Uesawa, H. Yokota, and R. Yoshida, 2016. An introduction to Himawari-8/9 - Japan's new-generation geostationary meteorological satellites, Journal of the Meteorological Society of Japan. Ser. II, 94(2): 151-183. https://doi.org/10.2151/jmsj.2016-009

상세보기
Breiman, L., 2001. Random forests, Machine Learning, 45(1): 5-32. https://doi.org/10.1023/A:1010933404324
Bucholtz, A., 1995. Rayleigh-scattering calculations for the terrestrial atmosphere, Applied Optics, 34(15): 2765-2773. https://doi.org/10.1364/AO.34.002765

상세보기
Chen, J.M., F. Deng, and M. Chen, 2006. Locally adjusted cubic-spline capping for reconstructing seasonal trajectories of a satellite-derived surface parameter, IEEE Transactions on Geoscience and Remote Sensing, 44(8): 2230-2238. https://doi.org/10.1109/TGRS.2006.872089

상세보기
Chen, B., S. You, Y. Ye, Y. Fu, Z. Ye, J. Deng, K. Wang, and Y. Hong, 2021. An interpretable selfadaptive deep neural network for estimating daily spatially-continuous PM 2.5 concentrations across China, Science of The Total Environment, 768: 144724. https://doi.org/10.1016/j.scitotenv.2020.144724

상세보기
Fan, Z., Q. Zhan, C. Yang, H. Liu, and M. Bilal, 2020. Estimating PM 2.5 concentrations using spatially local XGBoost based on full-covered SARA AOD at the urban scale, Remote Sensing, 12(20): 3368. https://doi.org/10.3390/rs12203368

상세보기
Gao, L., J. Li, L. Chen, L. Zhang, and A. K Heidinger, 2016. Retrieval and validation of atmospheric aerosol optical depth from AVHRR over China, IEEE Transactions on Geoscience and Remote Sensing, 54(11): 6280-6291. https://doi.org/10.1109/TGRS.2016.2574756

상세보기
Gao, L., L. Chen, J. Li, A. K. Heidinger, X. Xu, and S. Qin, 2018. A long-term historical aerosol optical depth data record (1982-2011) over China from AVHRR, IEEE Transactions on Geoscience and Remote Sensing, 57(5): 2467-2480. https://doi.org/10.1109/TGRS.2018.2873944

상세보기
Gao, L., L. Chen, C. Li, J. Li, H. Che, and Y. Zhang, 2021. Evaluation and possible uncertainty source analysis of JAXA Himawari-8 aerosol optical depth product over China, Atmospheric Research, 248: 105248. https://doi.org/10.1016/j.atmosres.2020.105248

상세보기
Geogdzhayev, I.V., M.I. Mishchenko, W.B. Rossow, B. Cairns, A.A Lacis, 2002. Global two-channel AVHRR retrievals of aerosol properties over the ocean for the period of NOAA-9 observations and preliminary retrievals using NOAA-7 and NOAA-11 data, Journal of the Atmospheric Sciences, 59(3): 262-278. https://doi.org/10.1175/1520-0469(2002)059%3C0262:GTCARO%3E2.0.CO;2

상세보기
Grell, G.A. and A. Baklanov, 2011. Integrated modeling for forecasting weather and air quality: a call for fully coupled approaches, Atmospheric Environment, 45(38): 6845-6851. https://doi.org/10.1016/j.atmosenv.2011.01.017

상세보기
Hoff, R., H. Zhang, N. Jordan, A. Prados, J. Engel-Cox, A. Huff, S. Weber, E. Zell, S. Kondragunta, J. Szykman, B. Johns, F. Dimmick, A. Wimmers, J. Al-Saadi, and C. Kittaka, 2009. Applications of the three-dimensional air quality system to western US air quality: IDEA, Smog Blog, Smog Stories, AirQuest, and the Remote Sensing Information Gateway, Journal of the Air & Waste Management Association, 59(8): 980-989. https://doi.org/10.3155/1047-3289.59.8.980

상세보기
Huang, J., S. Kondragunta, I. Laszlo, H. Liu, L.A. Remer, H. Zhang, S. Superczynski, P. Ciren, B.N. Holben, and M. Petrenko, 2016. Validation and expected error estimation of Suomi-NPP VIIRS aerosol optical thickness and Angstrom exponent with AERONET, Journal of Geophysical Research: Atmospheres, 121(12): 7139-7160. https://doi.org/10.1002/2016JD024834

상세보기
Huebert, B.J., T. Bates, P.B. Russell, G. Shi, Y.J. Kim, K. Kawamura, G. Carmichael, and T. Nakajima, 2003. An overview of ACE-Asia: Strategies for quantifying the relationships between Asian aerosols and their climatic impacts, Journal of Geophysical Research: Atmospheres, 108(D23). https://doi.org/10.1029/2003JD003550

상세보기
Jackson, J.M., H. Liu, I. Laszlo, S. Kondragunta, L.A. Remer, J. Huang, and H.C. Huang, 2013. SuomiNPP VIIRS aerosol algorithms and data products, Journal of Geophysical Research: Atmospheres, 118(22): 12673-12689. https://doi.org/10.1002/2013JD020449

상세보기
Jee, J.B., K.T. Lee, K.H. Lee, and I.S. Zo, 2020. Development of GK-2A AMI aerosol detection algorithm in the East-Asia region using Himawari-8 AHI data, Asia-Pacific Journal of Atmospheric Sciences, 56(2): 207-223. https://doi.org/10.1007/s13143-019-00156-3

상세보기
Kaufman, Y.J., A. Wald, L.A. Remer, B.C. Gao, R.R. Li, and L. Flynn, 1997. The MODIS 2.1-/spl mu/m channel-correlation with visible reflectance for use in remote sensing of aerosol, IEEE Transactions on Geoscience and Remote Sensing, 35(5): 1286-1298. https://doi.org/10.1109/36.628795

상세보기
Kaufman, Y.J., I. Koren, L.A. Remer, D. Rosenfeld, and Y. Rudich, 2005. The effect of smoke, dust, and pollution aerosol on shallow cloud development over the Atlantic Ocean, Proceedings of the National Academy of Sciences, 102(32): 11207-11212. https://doi.org/10.1073/pnas.0505191102

상세보기
Kianian, B., Y. Liu, and H.H. Chang, 2021. Imputing satellite-derived aerosol optical depth using a multi-resolution spatial model and random forest for PM 2.5 prediction, Remote Sensing, 13(1):126. https://doi.org/10.3390/rs13010126

상세보기
Kim, S.M., J. Yoon, K.J. Moon, D.R. Kim, J.H. Koo, M. Choi, K. Kim, and Y.G. Lee, 2018. Empirical estimation and diurnal patterns of surface PM 2.5 concentration in Seoul using GOCI AOD, Korean Journal of Remote Sensing, 34(3): 451-463 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2018.34.3.2

원문보기 상세보기
Kim, S., Y. Jeong, Y. Youn, S. Cho, J. Kang, G. Kim, and Y. Lee, 2021. A comparison between multiple satellite AOD products using AERONET sun photometer observations in South Korea: Case study of MODIS, VIIRS, Himawari-8, and Sentinel-3, Korean Journal of Remote Sensing, 37(3): 543-557 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2021.37.3.14

원문보기 상세보기
Kinne, S., M. Schulz, C. Textor, S. Guibert, Y. Balkanski, S.E. Bauer, T. Berntsen, T.F. Berglen, Q. Boucher, M. Chin, W. Collins, F. Dentener, T. Diehl, R. Easter, J. Feichter, D. Fillmore, S. Ghan, P. Ginoux, S. Gong, A. Grini, J. Hendricks, M. Herzog, L. Horowitz, I. Isaksen, T. Iversen, A. Kirkevag, S. Kloster, D. Koch, J.E. Kristjansson, M. Krol, A. Lauer, J.F. Lamarque, G. Lesins, X. Liu, U. Lohmann, V. Montanaro, G. Myhre, J. Penner, G. Pitari, S. Reddy, O. Seland, P. Stier, T. Takemura, and X. Tie, 2006. An AeroCom initial assessment - optical properties in aerosol component modules of global models, Atmospheric Chemistry and Physics, 6(7): 1815-1834. https://doi.org/10.5194/acp-6-1815-2006
KMA (Korea Meteorological Administration), 2020. Guide to Utilization of Numerical Prediction Model Data, https://data.kma.go.kr/community/board/selectBoardList.do?bbrdTypeNo4&pgmNo92, Accessed on Feb. 2, 2022.
Lau, K.M., M.K. Kim, and K.M. Kim, 2006. Asian summer monsoon anomalies induced by aerosol direct forcing: the role of the Tibetan Plateau, Climate Dynamics, 26(7-8): 855-864. https://doi.org/10.1007/s00382-006-0114-z

상세보기
NMSC (National Meteorological Satellite Center), 2019. GK-2A AMI Algorithm Theoretical Basis Document, https://nmsc.kma.go.kr/homepage/html/base/cmm/selectPage.do?pagestatic.edu.atbdGk2a, Accessed on Jan. 10, 2022.
Park, J., J. Kim, G. Lee, and J. E. Yang, 2017. Vertical Accuracy Assessment of SRTM Ver 3.0 and ASTER GDEM Ver 2 over Korea, Journal of Soil and Groundwater Environment, 22(6): 120-128 (in Korean with English abstract). https://doi.org/10.7857/JSGE.2017.22.6.120

원문보기 상세보기
Park, S.Y., H.J. Lee, J.E. Kang, T. Lee, and C.H. Kim, 2018. Aerosol radiative effects on mesoscale cloudprecipitation variables over Northeast Asia during the MAPS-Seoul 2015 campaign, Atmospheric Environment, 172: 109-123. https://doi.org/10.1016/j.atmosenv.2017.10.044

상세보기
Ramanathan, V.C.P.J., P.J. Crutzen, J.T. Kiehl, and D. Rosenfeld, 2001. Aerosols, climate, and the hydrological cycle, Science, 294(5549): 2119-2124. https://doi.org/10.1126/science.1064034

상세보기
Remer, L.A., Y.J. Kaufman, D. Tanre, S. Mattoo, D.A. Chu, J.V. Martins, R.-R. Li, C. Ichoku, R. Levy, R. Kleidman, T.F. Eck, E. Vermote, and B.N. Holben, 2005. The MODIS aerosol algorithm, products, and validation, Journal of the Atmospheric Sciences, 62(4): 947-973. https://doi.org/10.1175/JAS3385.1

상세보기
Ricchiazzi, P., S. Yang, C. Gautier, and D. Sowle, 1998. SBDART: A research and teaching software tool for plane-parallel radiative transfer in the Earth's atmosphere, Bulletin of the American Meteorological Society, 79(10): 2101-2114. https://doi.org/10.1175/1520-0477(1998)079%3C2101:SARATS%3E2.0.CO;2

상세보기
Russell, P.B., J.M. Livingston, E.G. Dutton, R.F. Pueschel, J.A. Reagan, T.E. DeFoor, M.A. Box, D. Allen, P. Pilewskie, B.M. Herman, S.A. Kinne, and D.J. Hofmann, 1993. Pinatubo and pre-Pinatubo optical-depth spectra: Mauna Loa measurements, comparisons, inferred particle size distributions, radiative effects, and relationship to lidar data, Journal of Geophysical Research: Atmospheres, 98(D12): 22969-22985. https://doi.org/10.1029/93JD02308

상세보기
Singh, M.K., R. Gautam, and P. Venkatachalam, 2017. Bayesian merging of MISR and MODIS aerosol optical depth products using error distributions from AERONET, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(12): 5186-5200. https://doi.org/10.1109/JSTARS.2017.2734331

상세보기
Yu, C., L. Chen, L. Su, M. Fan, and S. Li, 2011. Kriging interpolation method and its application in retrieval of MODIS aerosol optical depth, Proc. of 2011 19th International Conference on Geoinformatics, Shanghai, China, Jun. 24-26, pp. 1-6. https://doi.org/10.1109/GeoInformatics.2011.5981052
Zhang, Y., M. Bocquet, V. Mallet, C. Seigneur, and A. Baklanov, 2012. Real-time air quality forecasting, part I: History, techniques, and current status, Atmospheric Environment, 60: 632-655. https://doi.org/10.1016/j.atmosenv.2012.06.031

상세보기
Zhao, C., Z. Liu, Q. Wang, J. Ban, N.X. Chen, and T. Li, 2019. High-resolution daily AOD estimated to full coverage using the random forest model approach in the Beijing-Tianjin-Hebei region, Atmospheric Environment, 203: 70-78. https://doi.org/10.1016/j.atmosenv.2019.01.045

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