ICESat-2 고도계 자료를 활용한 여름철 북극 융빙호 탐지

한대현 ( Daehyeon Han ),김영준 ( Young Jun Kim ),정시훈 ( Sihun Jung ),심성문 ( Seongmun Sim ),김우혁 ( Woohyeok Kim ),장은나 ( Eunna Jang ),임정호 ( Jungho Im ),김현철 ( Hyun-cheol Kim ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.5

북극의 융빙호(melt pond)는 해빙 면적 감소 및 북극 빙권 변화에 중요한 역할을 하기 때문에 융빙호의 정확한 관측이 필요하다. 미국 NASA의 차세대 고도계 위성인 Ice, Cloud, and Land elevation Satellite-2 (ICESat-2)는 532 nm의 녹색 레이저를 발사한 뒤 반사되는 광자(photon)의 이동 시간을 계산하여 전 지구적으로 고해상도 고도 정보를 관측한다. ICESat-2는 현재 널리 쓰이고 있는 고도계인 CryoSat-2에 비해 세밀한 관측이 가능하기 때문에, Cryosat-2에서 관측할 수 없는 작은 규모의 융빙호를 탐지할 수 있을 것으로 기대된다. ICESat-2의 기본적인 정보로는 표면 높이(surface height)와 반사되는 광자의 수(photon count)가 있다. 본 연구에서는 각 ICESat-2 지점을 중심으로 10 m 길이의 segment를 생성하여 segment 내의 높이 표준편차와 총 광자 수를 활용한 융빙호 탐지 알고리즘을 제시하였다. 융빙호는 표면이 해빙에 비해 매끄러워서 높이의 분산이 적으므로 높이의 표준편차를 활용하여 일차적으로 융빙호와 해빙을 분류하였다. 그 다음으로는 융빙호 중에서 표면이 물인 융빙호와 얼음 표면인 융빙호를 분류하였다. 표면이 물인 융빙호는 광자를 많이 흡수하기 때문에 단위 segment 내에서 반사되어 수집된 광자의 수가 적으며, 반대로 얼음으로 덮인 융빙호는 반사되는 광자의 수가 많다. 결과적으로 본 연구에서 제시하는 융빙호 탐지 방법을 통해 물과 얼음으로 덮인 융빙호를 구별하여 탐지할 수 있다. Sentinel-2 광학 영상을 활용하여 융빙호 탐지 결과의 정성적인 분석을 하였다. 그 결과 Sentinel-2 광학 영상으로 구분하기 어려운 표면이 물인 융빙호와 얼음인 융빙호를 ICESat-2를 활용해 효과적으로 분류하였다. 마지막으로 고도계 위성 및 광학 영상을 활용한 융빙호 탐지의 고찰을 서술하였다. As the Arctic melt ponds play an important role in determining the interannual variation of the sea ice extent and changes in the Arctic environment, it is crucial to monitor the Arctic melt ponds with high accuracy. Ice, Cloud, and Land Elevation Satellite-2 (ICESat-2), which is the NASA’s latest altimeter satellite based on the green laser (532 nm), observes the global surface elevation. When compared to the CryoSat-2 altimetry satellite whose along-track resolution is 250 m, ICESat-2 is highly expected to provide much more detailed information about Arctic melt ponds thanks to its high along-track resolution of 70 cm. The basic products of ICESat-2 are the surface height and the number of reflected photons. To aggregate the neighboring information of a specific ICESat-2 photon, the segments of photons with 10 m length were used. The standard deviation of the height and the total number of photons were calculated for each segment. As the melt ponds have the smoother surface than the sea ice, the lower variation of the height over melt ponds can make the melt ponds distinguished from the sea ice. When the melt ponds were extracted, the number of photons per segment was used to classify the melt ponds covered with open-water and specular ice. As photons are much more absorbed in the water-covered melt ponds than the melt ponds with the specular ice, the number of photons per segment can distinguish the water- and ice-covered ponds. As a result, the suggested melt pond detection method was able to classify the sea ice, water-covered melt ponds, and ice-covered melt ponds. A qualitative analysis was conducted using the Sentinel-2 optical imagery. The suggested method successfully classified the water- and ice-covered ponds which were difficult to distinguish with Sentinel-2 optical images. Lastly, the pros and cons of the melt pond detection using satellite altimetry and optical images were discussed.

정지궤도 위성과 기계학습 기법을 이용한 대류운 전조 탐지

한대현(Daehyeon Han),이상균(Sanggyun Lee),임정호(Jungho Im) 대한공간정보학회 2018 한국공간정보학회 학술대회 Vol.2018 No.11

정오표

강유진,조동진,한대현,임정호,임중빈,오금희,권언혜,Kang, Yoojin,Cho, Dongjin,Han, Daehyeon,Im, Jungho,Lim, Joongbin,Oh, Kum-hui,Kwon, Eonhye 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.2

정지 궤도 기상 위성을 이용한 기계 학습 기반 강우 강도 추정: 한반도 여름철을 대상으로

신예지 ( Yeji Shin ),한대현 ( Daehyeon Han ),임정호 ( Jungho Im ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.5

강우 현상은 물 순환과 에너지 순환의 주요 요소 중 하나이며 강우량 추정은 수자원 확보와 수재해 예측 및 피해 감축에 매우 중요한 역할을 한다. 위성 기반 강우량 추정은 시공간적으로 고해상도인 자료를 통하여 넓은 지역을 연속적으로 감시할 수 있다는 장점이 있다. 본 연구에서는 Himawari-8 Advanced Himawari Imager (AHI) 수증기 채널(6.7 μm), 적외 채널(10.8 μm)과 기상 레이더 Column Max (CMAX) 합성장을 이용하여 기계학습 기반 정량적 강우량 추정 모델을 개발하였다. 기계학습 기법으로는 랜덤 포레스트(Random Forest, RF)를 사용하였으며 기상 레이더 반사도(dBZ)와 Z-R식으로 변환한 강우강도(mm/hr)를 타겟으로 하는 모델을 구축하여 비교하였다. 레이더 강우강도를 통해 검증하였을 때 임계성공지수(Critical Success Index, CSI)는 0.34, Mean-Absolute-Error (MAE) 4.82 mm/hr였다. GeoKompsat-2(GK-2A) 강우강도 산출물, Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) 산출물과 비교하였을 때 강우 유무 분류에서 CSI 21.73%, 10.81%, 강우강도 정량적 평가에서MAE 31.33%, 23.49% 높은 성능을 보였다. 강우량 산출물을 지도화 한 결과, 실제 강우강도 분포와 유사한 분포를 모의하여 기존 산출물 대비 높은 정확도의 강우량을 추정했다. Precipitation is one of the main factors that affect water and energy cycles, and its estimation plays a very important role in securing water resources and timely responding to water disasters. Satellite-based quantitative precipitation estimation (QPE) has the advantage of covering large areas at high spatiotemporal resolution. In this study, machine learning-based rainfall intensity models were developed using Himawari-8 Advanced Himawari Imager (AHI) water vapor channel (6.7 μm), infrared channel (10.8 μm), and weather radar Column Max (CMAX) composite data based on random forest (RF). The target variables were weather radar reflectivity (dBZ) and rainfall intensity (mm/hr) converted by the ZR relationship. The results showed that the model which learned CMAX reflectivity produced the Critical Success Index (CSI) of 0.34 and the Mean-Absolute-Error (MAE) of 4.82 mm/hr. When compared to the GeoKompsat-2 and Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) rainfall intensity products, the accuracies improved by 21.73% and 10.81% for CSI, and 31.33% and 23.49% for MAE, respectively. The spatial distribution of the estimated rainfall intensity was much more similar to the radar data than the existing products.

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

강유진 ( Yoojin Kang ),조동진 ( Dongjin Cho ),한대현 ( Daehyeon Han ),임정호 ( Jungho Im ),임중빈 ( Joongbin Lim ),오금희 ( Kum-hui Oh ),권언혜 ( Eonhye Kwon ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.5

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)와WV (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 영역일 수록 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. 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, this study 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 analysis showed that AOD was the 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.

K-Means Clustering 기법과 원격탐사 자료를 활용한 탄소기반 글로벌 해양 생태구역 분류

김영준,배덕원,임정호,정시훈,추민기,한대현,Young Jun Kim,Dukwon Bae,Jungho Im,Sihun Jung,Minki Choo,Daehyeon Han 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5

An acceleration of climate change in recent years has led to increased attention towards 'blue carbon' which refers to the carbon captured by the ocean. However, our comprehension of marine ecosystems is still incomplete. This study classified and analyzed global marine eco-provinces using k-means clustering considering carbon cycling. We utilized five input variables during the past 20 years (2001-2020): Carbon-based Productivity Model (CbPM) Net Primary Production (NPP), particulate inorganic and organic carbon (PIC and POC), sea surface salinity (SSS), and sea surface temperature (SST). A total of nine eco-provinces were classified through an optimization process, and the spatial distribution and environmental characteristics of each province were analyzed. Among them, five provinces showed characteristics of open oceans, while four provinces reflected characteristics of coastal and high-latitude regions. Furthermore, a qualitative comparison was conducted with previous studies regarding marine ecological zones to provide a detailed analysis of the features of nine eco-provinces considering carbon cycling. Finally, we examined the changes in nine eco-provinces for four periods in the past (2001-2005, 2006-2010, 2011-2015, and 2016-2020). Rapid changes in coastal ecosystems were observed, and especially, significant decreases in the eco-provinces having higher productivity by large freshwater inflow were identified. Our findings can serve as valuable reference material for marine ecosystem classification and coastal management, with consideration of carbon cycling and ongoing climate changes. The findings can also be employed in the development of guidelines for the systematic management of vulnerable coastal regions to climate change.

딥 러닝기반 실시간 영상처리를 통한 크랙 탐지 및 개인형 이동수단 주행 보조 시스템 개발

문희찬(Huichan Moon),김민혁(Minheok Kim),용권순(Kwonsoon Yong),한대현(Daehyeon Han),김태운(Taewoon Kim) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11

장애인 및 거동이 불편한 고령자를 위한 전동 휠체어, 짧은 이동거리를 편리하게 이동할 수 있는 전동 킥보드 등 전동 모빌리티의 사용이 지속적으로 증가하는 추세이다. 이와 같은 개인형 이동수단의 확산으로 인해 관련 사고 또한 증가하고 있는데, 특히 고르지 못한 노면으로 인한 사고가 빈번하게 발생한다. 본 논문은 노면 크랙으로 인한 사고 및 주행 중 탑승자에게 가해지는 충격을 감소하여 개인형 이동수단의 안전한 주행을 보조하기 위한 딥러닝 기반의 주행 보조시스템을 제안한다. 제안하는 시스템은 실시간으로 촬영한 노면 사진을 입력 받고, 영상처리 및 CNN 기반의 딥러닝 기술을 활용하여 노면에 존재하는 크랙을 탐지한다. 크랙이 탐지된 경우, 크랙과 전동 모빌리티 기체와의 거리를 계산하고 이를 기반으로 기체의 이동 속도를 제어하여 탑승자에게 가해지는 충격 및 이로 인한 사고를 효과적으로 줄일 수 있다. 제한된 연산 자원을 가진 사물인터넷 기기에서 실시간 주행 보조를 가능케 하기 위해 경량화 된 딥러닝 모델을 사용했으며, 이미지 분할 및 선택적 크랙 탐지 기법을 제안하여 연산 복잡도를 효과적으로 감소시켰다. 실 환경에서 수행한 검증 결과를 통해 제안하는 시스템이 실시간으로 크랙을 탐지하고 주행 속도를 자동으로 제어하여 효과적으로 충격 량을 감소시키는 것을 확인했다.