http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Himawari-8/AHI 기반 반사도 분광 라이브러리를 이용한 해양 구름 탐지
권채영,서민지,한경수,Kwon, Chaeyoung,Seo, Minji,Han, Kyung-Soo 대한원격탐사학회 2017 大韓遠隔探査學會誌 Vol.33 No.5
위성 영상의 정확한 구름 판별 여부는 이를 활용하여 생산되는 다른 산출물들의 정확도에 민감한 영향을 미치므로 매우 중요하다. 특히 해양에서 구름에 오염된 화소는 해수면 온도(Sea Surface Temperature: SST), 해색(ocean color), 클로로필-a(chlorophyll-a) 등 다양한 해양 기반산출물의 주된 오차 요인으로써 해양에서의 정확한 구름 탐지는 필수적이며 이는 해양 순환을 이해하는데 기여한다. 그러나 현재 Moderate Resolution Imaging Spectroradiometer (MODIS), Advanced Himawari Imager (AHI) 등 대부분 실시간 운영을 위한 알고리즘에서 사용되고 있는 고정 경계값 검사 방법은 태양-해양-센서의 상대적인 위치에 따라 변화하는 해양의 분광 특성을 고려하지 못하는 단점을 가지고 있다. 따라서 본 연구에서는 NOAA의 Himawari-8 구름 산출물을 이용하여 Himawari-8/AHI 반사도 채널에서의 태양 천정각(Solar Zenith Angle: SZA), 위성 천정각(Viewing Zenith Angle: VZA) 변화에 따른 청천 해양 표면 화소의 반사도를 수집하여 분광 라이브러리를 구축하였고 이를 이용하여 동적 경계값 방법인 Dynamic Time Warping (DTW)기법에 적용하여 구름탐지를 수행하였다. 본 연구의 구름탐지 결과를 Japan Meteorological Agency (JMA)의 구름 산출물과 정성적 비교한 결과 JMA 구름 산출물은 청천 화소를 불확실(unknown)으로 오탐지 및 과대탐지 하는 경향을 보였다. 이에 반해 본 연구에서는 태양 천정각이 고각인 지역에서 과대 탐지 및 오탐지되는 문제점을 개선하였다. Accurate cloud discrimination in satellite images strongly affects accuracy of remotely sensed parameter produced using it. Especially, cloud contaminated pixel over ocean is one of the major error factors such as Sea Surface Temperature (SST), ocean color, and chlorophyll-a retrievals,so accurate cloud detection is essential process and it can lead to understand ocean circulation. However, static threshold method using real-time algorithm such as Moderate Resolution Imaging Spectroradiometer (MODIS), Advanced Himawari Imager (AHI) can't fully explained reflectance variability over ocean as a function of relative positions between the sun - sea surface - satellite. In this paper, we assembled a reflectance spectral library as a function of Solar Zenith Angle (SZA) and Viewing Zenith Angle (VZA) from ocean surface reflectance with clear sky condition of Advanced Himawari Imager (AHI) identified by NOAA's cloud products and spectral library is used for applying the Dynamic Time Warping (DTW) to detect cloud pixels. We compared qualitatively between AHI cloud property and our results and it showed that AHI cloud property had general tendency toward overestimation and wrongly detected clear as unknown at high SZA. We validated by visual inspection with coincident imagery and it is generally appropriate.
MODIS 자료를 이용한 한반도에서의 가강수량 장기변화 분석
권채영 ( Chae Young Kwon ),이다래 ( Da Rae Lee ),이경상 ( Kyeong Sang Lee ),서민지 ( Min Ji Seo ),성노훈 ( Noh Hun Seong ),최성원 ( Sung Won Choi ),진동현 ( Dong Hyun Jin ),김홍희 ( Hong Hee Kim ),한경수 ( Kyung Soo Han ) 대한원격탐사학회 2016 大韓遠隔探査學會誌 Vol.32 No.2
수증기는 다양한 규모의 대기 순환을 유도하고 온실효과의 약 60%를 설명하는 중요한 기후 변수이다 (Karl and Trenberth, 2003). 본 연구의 목적은 Terra/Aqua 위성의 Moderate Resolution Imaging Spectroradiometer (MODIS) 센서를 통해 생산된 총 가강수량 (Total Precipitable Water, TPW) 자료의 장기적인 변화를 분석하고 강수 및 기온 실측자료와의 비교를 통해 TPW의 변화가 한반도를 포함한 동아시아 지역의 기후에 미치는 영향을 정량적으로 파악하고자 하는 것이다. 따라서 본 연구에서는 TPW와 강수및 기온과의 상관을 알아보기 위하여 선형회귀분석을 실시하였고 TPW와 강수 및 기온의 주기 변화 양상을 분석하기 위하여 조화분석을 실시하였다. 선형회귀분석 결과 TPW와 강수 및 기온과의 상관성이 높게 나타났다(TPW-기온의 결정계수 (determination coefficient, R2): 0.94, TPW아노말리-기온 아노말리의 결정계수: 0.8, TPW-강수량의 결정계수: 0.73, TPW아노말리-강수량 아노말리의 결정계수: 0.69). 조화분석 결과 2년에서 5년 사이의 다년주기 성분 중에서 TPW와 강수량 모두 3.5년 주기성분에서 진폭의 기여도가 높게 나타났으며 TPW와 강수량의 3.5년 주기 성분의 위상이 유사한 시기에 나타났다. Water vapor leading various scale of atmospheric circulation and accounting for about 60% of the naturally occurring warming effect is important climate variables. Using the Total Precipitable Water (TPW) from Moderate Resolution Imaging Spectroradiometer (MODIS) operating on both Terra and Aqua, we study long-term Variation of TPW and define relationship among TPW and climatic parameters such as temperature and precipitation to quantitatively demonstrate the impact on climate change over East Asia focusing on the Korea peninsula. In this study, we used linear regression analysis to detect the correlation of TPW and temperature/precipitation and harmonic analysis to analyze changeable aspects of periodic characteristics. A result of analysis using linear regression analysis between TPW and climate elements, TPW shows a high determination coefficient (R2) with temperature and precipitation (determination coefficient between TPW and temperature: 0.94, determination coefficient between TPW anomaly and temperature anomaly: 0.8, determination coefficient between TPW and precipitation: 0.73, determination coefficient between TPW anomaly and precipitation anomaly: 0.69). A result of harmonic analysis of TPW and precipitation of two-year to five-year cycle, amplitude contribution ratio of 3.5-year cycle are much higher and two phases are similar in 3.5-year cycle.