KR101378774B1 - 열적외선영상을 이용한 시계열 지표온도 모니터링 방법 - Google Patents

열적외선영상을 이용한 시계열 지표온도 모니터링 방법 Download PDF

Info

Publication number
KR101378774B1
KR101378774B1 KR1020130134745A KR20130134745A KR101378774B1 KR 101378774 B1 KR101378774 B1 KR 101378774B1 KR 1020130134745 A KR1020130134745 A KR 1020130134745A KR 20130134745 A KR20130134745 A KR 20130134745A KR 101378774 B1 KR101378774 B1 KR 101378774B1
Authority
KR
South Korea
Prior art keywords
temperature
thermal infrared
image
target region
temperature difference
Prior art date
Application number
KR1020130134745A
Other languages
English (en)
Inventor
정형섭
박숭환
신한섭
Original Assignee
중앙항업(주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 중앙항업(주) filed Critical 중앙항업(주)
Priority to KR1020130134745A priority Critical patent/KR101378774B1/ko
Application granted granted Critical
Publication of KR101378774B1 publication Critical patent/KR101378774B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G01J5/20—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using resistors, thermistors or semiconductors sensitive to radiation, e.g. photoconductive devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation

Abstract

본 발명은 열적외선영상을 이용하여 시계열 지표온도를 모니터링 하는 방법에 관한 것으로, 더욱 상세하게는 열적외선영상의 촬상 시간 및 계절에 따라 달라지는 복사율, 대기효과 및 고도효과를 고려한 열적외선영상을 이용한 시계열 지표온도 모니터링 방법에 관한 것이다.
본 발명에 따른 열적외선영상을 이용한 시계열 지표온도 모니터링 방법은 열적외선영상에서 모니터링을 위한 대상지역을 선정하는 대상지역 선정단계; 상기 대상지역 선정단계에서 선정된 대상지역에서 임의 기준지표의 기준온도를 추정하는 기준온도 추정단계; 상기 기준온도 추정단계에서 추정된 기준온도에 대한 대상지역의 각 대상지표에 대한 온도차를 추출하여 온도차영상을 제작하는 온도차영상 제작단계; 상기 온도차영상 제작단계에서 제작된 온도차영상으로부터 대상지역의 고도별 온도차분포를 추출하여 온도감율을 추정하는 온도감율 추정단계; 상기 온도감율 추정단계에서 추정된 온도감률을 이용해 대상지역의 각 대상지표에 대한 고도효과를 반영하여 갱신온도차영상을 제작하는 고도효과 보정단계;를 포함하여 이루어진다.

Description

열적외선영상을 이용한 시계열 지표온도 모니터링 방법{Method for time-series monitoring of surface temperature Using TIR (thermal infrared) images}
본 발명은 열적외선영상을 이용하여 시계열 지표온도를 모니터링 하는 방법에 관한 것으로, 더욱 상세하게는 열적외선영상의 촬상 시간 및 계절에 따라 달라지는 복사율, 대기효과 및 고도효과를 고려한 열적외선영상을 이용한 시계열 지표온도 모니터링 방법에 관한 것이다.
절대온도 0K 이상을 지니는 모든 물체는 복사에너지를 방출하며, 지구표면에서 방출되는 지표의 복사에너지는 지표온도에 대한 정보를 담고 있기 때문에, 화산활동 감시, 도심 열섬현상 관측, 농업활동 관측, 발전소 열 누설 감시 등 지표온도와 밀접한 분야에 활용되어 왔다.
온도자료를 수집할 수 있는 자동기상관측장비는 특정 지역에 집중되어 있는 형편이며, 설치 및 관리에 많은 인적ㆍ물적 자원이 소요되며, 전력공급의 문제로 장기간의 관측이 쉽지 않아 인구가 많은 도심지 지역에 주로 사용되어 왔다.
그래서 위성영상을 이용해 직접 온도자료를 수집하기 어려운 지역의 지표 온도를 추정하는 방법에 대한 연구가 진행되었다.
위성영상을 이용하여 지표온도에 대한 정보를 수집하기 위해서는 지표에서 방출하는 복사에너지의 파장대역에 대한 이해가 요구된다. 일반적으로 지구를 300K의 흑체에 가깝다고 가정할 수 있으므로, 빈의 변위법칙에 의하여 최대복사에너지를 방출하는 파장대역은 9.7 μm일 것이다.
따라서 위성영상을 이용하여 지표온도를 관측하기 위해서는, 열적외선 파장대역(8-14 μm)에 대한 정보를 수집할 수 있는 열적외선센서를 이용하는 것이 효율적이다(McMillin, 1975).
위성에 탑재된 열적외선센서로부터 열적외선영상을 취득하고, 취득한 열적외선영상으로부터 지표의 온도를 추정하는 방법이 활발히 연구개발되고 있다.
이는 열적외선센서로부터 수집된 지표의 복사에너지를 온도로 변환하는 방법으로, 넓은 면적의 관측이 가능하며, 주기적인 시계열 모니터링이 가능하며, 데이터 획득비용을 절감시킬 수 있는 장점이 있다.
그러나 열적외선센서를 이용하여 측정한 온도는 대상지표에서 방출하는 복사에너지로부터 추정한 방사온도(radiant temperature)로, 대상지표에서 직접 측정한 운동온도(true kinetic temperature)와는 차이가 있다. 이러한 차이가 나타나는 원인 중 하나는 실세계의 대상지표의 복사율(emissivity; 방출율)에 의한 것으로, 복사율이란 동일온도에서 흑체가 방출하는 총 복사에너지와 실세계의 대상지표가 방출하는 총 에너지의 비로 정의된다(Li and Becker, 1993). 동일 운동온도를 지니는 지표라도 색상(color), 표면거칠기(surfaceroughness), 수분함유량(moisture content) 등에 따라 복사율이 다르기 때문에, 열적외선영상으로부터 대상지표의 온도를 측정하기 위해서는 대상지표의 복사율이 반영되어야 한다.
열적외선영상을 이용해 지표 온도 산출 및 추정하는 기술에 관하여 특허등록 제0573789호 및 특허등록 제1207925호에 제안된 바 있다.
도 1은 특허등록 제0573789호(이하‘종래기술 1’이라 함)에서 지표면 온도지도를 제작하는 순서도이다.
도 1에서 보는 바와 같이 종래기술 1의 지표면온도지도 제작방법은 Landsat 위성으로부터 다중파장대역의 영상을 취득하는 단계; 상기 다중파장대역 영상을 방사휘도를 구하는 알고리즘을 통해 방사휘도 값 영상으로 변환시키고, 상기 변환된 방사휘도 값 영상을 절대온도를 구하는 알고리즘을 통해 켈빈온도 값 영상으로 변환시킨 다음, 상기 변환된 켈빈온도 값 영상으로부터 섭씨온도를 구하는 알고리즘을 통해 섭씨온도 영상자료를 생성하는 단계; 상기 섭씨온도 영상자료를 레스터를 벡터로 변환하는 알고리즘을 통해 온도속성을 가진 벡터형태의 등온선으로 변환시키고, 변환된 벡터형태의 등온선으로부터 일반화 과정을 통해 일반화된 등온선 자료를 결정하는 단계; 및 상기 결정된 등온선 자료에 지도 도시 규격을 적용하여 지표면 온도지도를 생성하는 단계를 포함한다.
그러나 종래기술 1에 의한 Landsat 위성영상을 이용한 지표면 온도지도제작 방법은 대기효과 보정 및 복사율(emissivity)를 고려하지 않은 방법으로써 정밀도가 저하되는 문제점이 있으며, 위성영상의 촬상 시간, 촬상 당시의 계절을 고려하지 않은 단일영상에 의한 온도지도제작 방법으로 시계열 지표온도 모니터링이 어려운 문제점이 있었다.
도 2는 특허등록 제1207925호(이하 ‘종래기술 2’이라 함)에서 지표면 온도를 산출하기 위한 모의(즉, 시뮬레이션) 자료를 생성하는 과정을 보여주는 순서도이다.
도 2에서 보는 바와 같이 종래기술 2의 지표면 온도 산출 방법은 기상 위상에 의해 관측된 적어도 하나의 지표면 온도 산출 지점에 대한 대기 프로파일, 위성 천정각, 방출율, 방출율차 및 지표면 온도 감율 중 적어도 하나 이상을 포함하는 기상 데이터를 획득하는 기상 데이터 획득 단계; 상기 기상 데이터 중 위성 천정각이 소정 각도 내에 있는 지를 판단하여 상기 소정 각도 내의 지표면 온도 산출 지점 개수를 결정하는 지표면 온도 산출 지점 개수 결정 단계; 상기 결정된 지표면 온도 산출 지점을 제 1 파장으로 검출한 제 1 방출율의 초기값과, 상기 제 1 파장과 상이한 제 2 파장으로 검출하는 제 2 방출율의 초기값을 설정하고, 상기 제 1 방출율과 제 2 방출율 차이에 해당하는 방출율차의 초기값을 구하는 방출율차 산출 단계; 상기 방출율차로부터 상기 제 1 방출율값을 감산하여 상기 제 2 방출율을 구하고, 상기 제 2 방출율이 소정값 미만인지를 판단하는 소정값 미만 여부 판단 단계; 판단 결과, 소정값 미만이면 상기 기상 데이터 중 지표면 온도 감율에 따른 주간/야간/전체별 범위를 설정하는 주/야간/전체별 범위 설정 단계; 상기 방출율차에 제 1 소정의 증가값을 더하여 증가된 방출율차가 제 1 소정 범위내에 있는 지를 판단하는 증가된 방출율차 판단 단계; 상기 제 1 방출율에 제 2 소정의 증가값을 더하여 증가된 방출율이 제 2 소정 범위내에 있는지를 판단하는 증가된 방출율 판단 단계; 및 지표면 온도를 복사 전달 모델로 모의(시뮬레이션)하여 상기 주간/야간/전체별로 모의 자료를 생성하는 모의 자료 생성 단계를 포함한다.
그러나 종래기술 2에 의한 지표면 온도 산출 방법은 파장이 다른 두 채널을 이용한 것으로, 하나의 채널을 이용할 시 적용이 불가능하며, 위성 천정각에 따라 복사율을 추정하는 것으로 정밀도에 문제점이 있다.
본 발명의 목적은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위한 것으로, 열적외선영상의 촬상 시간 및 계절에 따라 달라지는 복사율, 대기효과 및 고도효과를 고려함으로써, 보다 정밀한 온도차영상을 제작하여 시계열 화산활동 감시, 시계열 도심 열섬현상 관측, 시계열 농업활동 관측, 시계열 발전소 열 누설 감시 등과 같은 장기간의 관측이 요구되는 다양한 분야에 활용될 수 있게 한 열적외선영상을 이용한 시계열 지표온도 모니터링 방법을 제공하는 것이다.
이와 같은 목적을 달성하기 위한 본 발명에 따른 열적외선영상을 이용한 시계열 지표온도 모니터링 방법은
열적외선영상에서 모니터링을 위한 대상지역을 선정하는 대상지역 선정단계;
상기 대상지역 선정단계에서 선정된 대상지역에서 임의 기준지표의 기준온도를 추정하는 기준온도 추정단계;
상기 기준온도 추정단계에서 추정된 기준온도에 대한 대상지역의 각 대상지표에 대한 온도차를 추출하여 온도차영상을 제작하는 온도차영상 제작단계;
상기 온도차영상 제작단계에서 제작된 온도차영상으로부터 대상지역의 고도별 온도차분포를 추출하여 온도감율을 추정하는 온도감율 추정단계;
상기 온도감율 추정단계에서 추정된 온도감률을 이용해 대상지역의 각 대상지표에 대한 고도효과를 반영하여 갱신온도차영상을 제작하는 고도효과 보정단계;를 포함하여 이루어진다.
그리고 다른 시기에 촬영된 열적외선영상들 각각으로부터 상기 갱신온도차영상을 제작하고, 이를 시계열로 비교분석하는 시계열 지표온도 모니터링단계;를 더 포함하는 것을 특징으로 하고,
상기 대상지역 선정단계 이전 또는 이후에 상기 열적외선영상을 촬영한 날의 촬영지역에 대한 대기온도와 상대습도를 이용하여 대기투과율을 계산하는 대기투과율 계산단계;를 더 포함하는 것을 특징으로 하고,
상기 온도차영상 제작단계는 상기 대기투과율 계산단계에서 계산된 대기투과율과 상기 기준온도 추정단계에서 추정된 기준온도를 이용하여 온도차영상을 제작하는 것을 특징으로 한다.
이와 같은 구성을 갖는 본 발명에 따른 열적외선영상을 이용한 시계열 지표온도 모니터링 방법은 열적외선영상의 촬상 시간 및 계절에 따라 달라지는 복사율, 대기효과, 고도효과를 고려하여 보다 정밀하게 시계열 지표온도를 추정함으로써 시계열 화산활동 감시, 시계열 도심 열섬현상 관측, 시계열 농업활동 관측, 시계열 발전소 열 누설 감시 등과 같은 장기간의 관측이 요구되는 다양한 분야에 활용될 수 있는 효과가 있다.
그리고 본일 복사율을 지닌 지표의 경우, 기준지표의 지표온도가 영상촬영 시각에 따라 변하는 만큼 대상지표의 지표온도 또한 같은 양 만큼 변할 것이므로, 다수의 영상간 기준지표의 온도차이를 고려하지 않아도 된다는 장점이 있다
그리고 본 발명은 기준지표와 대상지표를 차분하기 때문에, 대기변화에 민감하지 않는 장점이 있으며, 기준지표와 대상지표가 복사율 값이 비교적 높은 식생지역으로 타겟지역을 한정함으로써 단일밴드의 열적외선영상에서도 정밀한 지표온도차를 추정할 수 있는 장점이 있다. 이는 곧 현장관측을 이용하여 기준지표의 정확한 지표온도를 측정할 수 있다면, 기준지표의 지표온도에 추정된 지표온도차를 합산하는 방법으로 대상지표의 지표온도를 정밀히 추정할 수 있음을 의미한다.
도 1은 종래기술 1에 의한 지표면 온도지도를 제작하기 위한 방법을 보여주는 순서도이다.
도 2는 종래기술 2에 의한 지표면 온도를 산출하기 위한 모의(즉, 시뮬레이션) 자료를 생성하는 과정을 보여주는 순서도이다.
도 3은 본 발명에 의한 열적외선 영상을 이용한 시계열 지표온도 모니터링 방법의 블록도이다.
도 4는 본 발명에 의한 열적외선 영상을 이용한 시계열 지표온도 모니터링 방법을 통해 선정된 대상지역의 예를 나타낸 이미지이다.
도 5는 본 발명에 의한 열적외선 영상을 이용한 시계열 지표온도 모니터링 방법을 통해 제작한 온도차 영상 예를 나타낸 이미지이다.
도 6은 본 발명에 의한 열적외선 영상을 이용한 시계열 지표온도 모니터링 방법을 통해 고도별 온도차 분포와 온도감율의 예를 나타낸 그래프이다.
도 7은 본 발명에 의한 열적외선 영상을 이용한 시계열 지표온도 모니터링 방법을 통해 고도효과를 보정한 온도차 영상의 예를 나타낸 이미지이다.
도 8은 본 발명에 의한 열적외선 영상을 이용한 시계열 지표온도 모니터링 방법을 통해 시계열 지표온도 모니터링의 예를 나타낸 그래프이다.
이하, 도면을 참조하여 본 발명에 따른 열적외선영상을 이용한 시계열 지표온도 모니터링 방법에 대하여 보다 구체적으로 설명한다.
본 발명을 보다 상세하게 설명하기에 앞서,
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 구현예(態樣, aspect)(또는 실시예)들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
또 각 도면에서 구성요소들은 이해의 편의 등을 고려하여 크기나 두께를 과장되게 크거나(또는 두껍게) 작게(또는 얇게) 표현하거나, 단순화하여 표현하고 있으나 이에 의하여 본 발명의 보호범위가 제한적으로 해석되어서는 안 된다.
본 명세서에서 사용한 용어는 단지 특정한 구현예(태양, 態樣, aspect)(또는 실시예)를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, ~포함하다~ 또는 ~이루어진다~ 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도3에서 보는 바와 같이 본 발명에 따른 열적외선영상을 이용한 시계열 지표온도 모니터링 방법은 대상지역 선정단계(S100), 대기투과율 계산단계(S110), 기준온도 추정단계(S120), 온도차영상 제작단계(S130), 온도감율 추정단계(S140), 고도효과 보정단계(S150) 및 시계열 지표온도 모니터링단계(S160)를 포함한다.
상기 대상지역 선정단계(S100)는 위성으로부터 취득한 열적외선영상에서 시계열 지표온도 모니터링을 하기 위한 대상지역을 선정한다.
이때, 대상지역은 복사율이 높은 수목지역을 선정하는 것이 바람직하다.
즉, 상기 대상지역 선정 단계(S100)의 수행시 열적외선센서를 사용하여 추정된 온도는 지표에서 방출하는 복사에너지로부터 추정한 방사온도(radiant temperature)로, 직접 측정한 온도와는 차이가 있다. 이러한 차이가 나타나는 원인 중 하나는 지표의 복사율에 의한 것이다. 이때, 복사율이란 동일온도에서 흑체가 방출하는 총 복사에너지와 실세계의 지표가 방출하는 총 에너지의 비로 정의된다.
동일한 온도를 지니는 지표라도 색상, 표면거칠기, 수분함유량 등에 따라 복사율이 다르기 때문에 복사에너지로부터 추정한 방사온도는 다르게 된다. 따라서 복사에너지로부터 지표의 온도를 측정하기 위해서는 복사율에 대한 정보가 필수적으로 요구된다.
특히 육지의 경우, 다양한 물체로 이루어져 있어 복사율이 다양하기 때문에 온도추정이 어렵다. 그러나 식생지대(수목지대)의 경우, 복사율이 다른 물체에 비하여 높은 값을 지니는데 이 값은 약 0.99 정도를 지니게 되며, 따라서 태양에너지의 양과 기온에 따라 온도의 변화가 심하지 않은 특성을 지니는 지역이다.
따라서 시계열 지표온도 모니터링은 지표의 온도가 태양에너지의 양과 기온에 따라서 변화가 심하지 않은 지역을 선정하는 것이 정밀도를 향상시킬 수 있기 때문에 열적외선영상에서부터 우선 식생지대를 추출하는 것이 중요하다.
영상으로부터 식생지대의 추출(즉, 대상지역의 선정)은 적색영상과 근적외선영상의 비를 이용한 정규식생지수(NDVI; normalized difference vegetation index)를 이용한다.
참고로, 위성으로부터 취득하는 정보에는 위성에 탑재된 적외선센서가 촬영한 파장에 따른 열적외선영상, 적색영상, 근적외선영상이 있고, 이외에 위성의 촬영고도, 촬영각도, 촬영위치, 촬영시각, 촬영영역의 복사휘도 값 등이 있다.
정규식생지수 NDVI(x,y)는 하기 수학식 1을 통하여 얻어진다.
[수학식 1]
Figure 112013101532921-pat00001
여기서,
Figure 112013101532921-pat00002
과
Figure 112013101532921-pat00003
는 각각 근적외선영상과 적색영상의 반사도를 나타내며, x와 y는 각각 픽셀방향과 라인방향의 영상좌표를 나타낸다.
이때, 근적외선영상과 적색영상의 반사도 계산시 대기보정을 포함하는 것이 더욱 좋다. 대기보정은 크게 대기모델에 의한 대기보정기법과 영상기반보정기법으로 구분할 수 있다.
대기모델에 의한 대기보정기법은 MODTRAN, 6S 등과 같은 대기모델을 통하여 투과율, 대기상향복사량, 대기하향복사량을 구하여 보정하는 방법이고, 영상기반 보정기법은 영상 내 흑체에 가까운 물체가 있다고 가정하여 이로부터 대기효과를 추정하는 방법이다.
예컨대, 정규식생지수가 0.5를 넘는 경우, 대상지표가 거의 식생으로만 구성되어 있다고 가정할 수 있으며, 10.5-12.5㎛의 열적외선영상이 사용되었다면, 복사율을 0.99로 가정할 수 있다. 그러므로 상기 대상지역 선정단계(S100)에서는 수학식 1로부터 구해진 정규식생지수로부터 정규식생지수가 0.5이상인 지역을 추출하여 대상지역으로 선정한다.
도 4는 본 발명의 실시예로 각각의 영상좌표에서 정규식생지수가 0.5이상인 지역을 도시한 것이다.
상기 대기투과율 계산단계(S110)는, 열적외선영상의 대기효과를 최소화하기 위한 대상지역의 대기투과율을 열적외선영상을 촬상한 날의 대기기온과 상대습도로부터 계산하는 단계이다.
참고로, 상기 대기투과율 계산단계(S110)는 보통 상기 대상지역 선정단계(S100) 이후에 행해질 것이나, 대기투과을 계산단계(S110)에서 계산된 대기투과율은 상기온도차영상 제작단계에서 사용되고, 대기투과율을 계산하는데 사용되는 입력값은 대상지역 선정단계에서 사용되는 값이나 계산된 값을 사용하지 아니하므로 대상지역 선정단계(S100) 이전에 행해질 수도 있다.
상기 대기투과율 계산 단계(S110)에서의 대기투과율은 대기모델을 이용하여 쉽게 계산할 수 있지만, 대기모델을 이용한 투과율의 계산은 대기의 물리량을 요구하며, 대부분의 경우 대기 물리량을 알기 어렵기 때문에 대기투과율 계산은 대기모델을 이용하여 구하기 쉽지 않다. 그러므로 대부분의 경우 대기투과율은 수분량(water vapor)으로부터 계산이 가능하며, 하기 수학식 2로부터 계산될 수 있다.
[수학식 2]
τ=0.974290-0.08007h (높은 대기온도)
τ=0.982007-0.09611h (낮은 대기온도)
여기서, τ는 대기투과율을 의미하며, h는 수분량을 의미한다.
수분량 h는 하기의 수학식3으로부터 계산될 수 있다.
[수학식 3]
Figure 112013101532921-pat00004
여기서, h는 수분량을 의미하며 단위는 g/cm2이고,
Figure 112013101532921-pat00005
는 물의 밀도로서 1g/cm3이고, g느 중력가속도로서 9.8m/s2이며,
Figure 112013101532921-pat00006
는 수분압을 나타낸다.
수분압
Figure 112013101532921-pat00007
(
Figure 112013101532921-pat00008
=P_0)는 아래와 같이 정의된다.
P_0=exp(1.81+17.27T_d/(T_d+237.3))
여기서, T_d는 이슬점온도를 나타내고 아래와 같이 정의된다.
T_d=br/(a-r)
여기서, a와 b는 상수이고, r은 아래와 같이 대기온도와 상대습도를 이용하여 계산할 수 있다.
r=aT_a/(b+T_a)*(RH/100)
여기서, RH는 상대습도를, T_a는 대기온도를 나타낸다.
결국, 수학식2의 대기투과율(τ)은 상대습도(RH)와 대기온도(T_a)로부터 구할 수 있다.
상기 대기투과율 계산단계(S110)에서 계산된 대기투과율은 온도차영상을 제작하는데 입력값으로 사용되기 때문에 최대한 정확하게 계산하는 것이 중요하다.
상기 기준온도 추정단계(S120)는 대상지역에서 임의로 선정된 어느 한 지점인 기준지표에서의 기준온도를 추정하는 단계이다.
여기서, 기준온도는 열적외선영상으로부터 근사적으로 지표온도를 관측하여 추정할 수도 있고, 현장관측에 의하여 관측할 수도 있다. 그러나 본 발명에 의한 열적외선 영상을 이용하여 지표온도를 모니터링하는 방법은 정밀한 기준온도가 요구되지 않기 때문에 실측값보다는 열적외선영상으로부터 추정하는 것이 보다 쉽다.
열적외선영상으로부터 지표온도 추정방법은 열적외선 센서의 특성에 따라 다르게 적용된다. 예를 들어, Landsat TM 열적외선영상의 경우, 일반적으로 사용되는 지표온도추정방법은 크게 모노-윈도우(Mono-window) 알고리즘과 싱글-채널(Single-channel) 알고리즘이 있다. 모노-윈도우 알고리즘은 싱글-채널 알고리즘에 비해 간단하게 지표온도를 추정할 수 있지만 정밀도는 ±2.41K로 상대적으로 낮다고 알려져 있다. 반면 싱글-채널 알고리즘을 이용한 기준지표온도의 추정은 ±0.56K의 정밀도를 지니고, 모노-윈도우 알고리즘보다 더 정밀한 측정을 수행할 수 있다고 알려져 있다. 본 단계인 기준온도추정에서는 정밀한 지표온도가 요구되지 않기 때문에 두 방법 모두 사용가능하다. 이러한 싱글-채널 알고리즘과 모노-윈도우 알고리즘은 본 발명이 속한 분야에서는 매우 잘 알려진 기술이다.
상기 온도차영상 제작단계(S130)는 상기 대상지역 선정단계(S100)된 대상지역에 속하는 각 지점, 즉, 각각의 대상지표의 온도와 상기 기준온도추정단계(S120)에서 추정된 기준지표의 기준온도의 온도차를 계산하여 온도차영상을 제작한다.
즉, 상기 온도차영상 제작단계(S130)는 상기 대기투과율 계산단계(S110)로부터 계산된 대기투과율과 기준온도 추정단계(S120)로부터 추정된 기준온도로부터 온도차를 계산하여 온도차영상을 제작하는 단계이다.
기준지표 기준온도(
Figure 112013101532921-pat00009
)와 대상지표의 온도를 차분한 온도차는 하기 수학식 4와 같이 표현할 수 있다.
[수학식 4]
Figure 112013101532921-pat00010
여기서,
Figure 112013101532921-pat00011
는 기준지표와 대상지표의 온도차를 의미하며, K_1, K_2는 열적외선영상에 사용된 파장에 따른 상수이며,
Figure 112013101532921-pat00012
는 기준지표에서의 복사휘도와 대상지표에서의 복사휘도 차이를 의미하며,
Figure 112013101532921-pat00013
는 물체의 복사율로 식생지역만을 대상으로 하기 때문에 0.99로 가정할 수 있으며,
Figure 112013101532921-pat00014
는 상기 대기투과율 계산단계(S110)로부터 계산된 투과율을 의미하며,
Figure 112013101532921-pat00015
는 상기 기준온도 추정단계(S120)로부터 추정된 기준온도를 의미한다.
이러한 온도차영상의 정밀도는 입력자료인 기준온도의 추정 정밀도와 대기투과율 정밀도에 의하여 결정되며, 수분량의 오차범위가 ±0.302 g/cm2이고 복사휘도차이가 0.2, 0.5, 1.0일 때 각각 약 ±0.06K, ±0.15K, ±0.30K임을 보이며, 또한, 기준온도의 오차가 ±2.41K이고 복사휘도차이가 0.2, 0.5, 1.0일 때 각각 약 ±0.037K, ±0.089K, ±0.168K를 보이며, 기준온도의 오차가 ±0.56K일 때에는 약 ±0.008K, ±0.020K, ±0.038K의 오차가 있는 것으로, 이러한 온도차 영상은 직접적인 지표온도를 추정하는 것이 아닌 지표 간의 온도를 차분하는 것으로서 보다 정밀한 온도차를 추정할 수 있다.
도 5는 본 발명의 실시예로 중위도지역의 Landsat 열적외선영상으로부터 제작한 온도차영상을 나타낸 이미지이다. 도 5의 중심부로 갈수록 온도차가 음의 값을 지니는데, 이러한 이유는 고도가 상승할 때 온도는 하강하는 온도감율에 의한 것이다.
상기 온도감율 추정단계(S140)는 온도차영상과 동일 지역의 수치표고모델(DEM; Digital Elevation Model)로부터 고도별 온도차분포를 이용하면서 선형 회귀분석을 통하여 온도감율을 추정하는 단계이다. 이를 위하여 수치표고모델을 온도차영상의 공간해상도를 지니도록 리샘플링한 후, 수치표고모델과 온도차영상에서 각각의 지표들에 대한 지형고도 h와 온도차 dT를 가져와 대상지역의 고도별 온도차분포도를 추출하고, 고도별 온도차분포도를 대표하는 하기 수학식 5와 같은 선형회귀곡선을 구한다.
[수학식 5]
dT=aㆍh+b
여기서, dT는 온도차이고, h는 지형고도이고, a와b는 선형회괴곡선의 파라미터이다.
상기 선형회귀곡선이 계산되면 고도에 따른 온도감율은 선형회귀곡선의 파라미터 중 a로부터 구할 수 있다.
도 6은 본 발명의 실시예로 고도별 온도차분포와 온도감율을 나타낸 그래프이다. 도 6은 지형고도 h를 X축과 온도차 dT를 Y축에 놓고 온도차분포도(scattergram)를 도시한 것으로, 고도에 따른 선형변화를 확인할 수 있다. 도 6은 온도감율이 0.60℃/100m임을 의미하며, 이때의 평균제곱근오차(RMSE; root mean square error)는 0.35℃로 정밀한 온도감율을 추정할 수 있다.
상기 고도효과 보정단계(S150)는 온도감율 추정단계(S140)에 의해 추정된 온도감율을 이용하여 온도차영상에서 나타나는 고도효과를 보정하는 단계로 하기 수학식 6과 같이 표현할 수 있다.
[수학식 6]
Figure 112013101532921-pat00016
여기서,
Figure 112013101532921-pat00017
은 고도효과가 보정된 대상지표의 온도를 나타내고,
Figure 112013101532921-pat00018
는 기준지표의 온도를 나타내며,
Figure 112013101532921-pat00019
는 대상지표의 고도를 나타내고,
Figure 112013101532921-pat00020
는 기준지표의 고도는 나타내고, a는 온도감율을 나타낸다.
도 7은 본 발명의 실시예로 고도효과가 보정된 온도차영상을 나타낸 이미지이다. 고도효과가 보정된 온도차 영상은 대부분이 -1℃ ~ +1℃에 가깝게 분포하며, 고도효과가 잘 보정되었음을 확인할 수 있다.
이와 같이 상기 고도효과 보정단계(S150)에 의해서 얻어진 각 대상지표의 온도(
Figure 112013101532921-pat00021
)는 상기 온도차영상 제작단계(S130)에서 제작된 온도차영상의 해당 지표의 온도차(
Figure 112013101532921-pat00022
)에 더해져서, 온도차영상은 갱신온도차영상으로 갱신되어 보다정밀한 온도지도가 된다.
상기 시계열 지표온도 모니터링 단계(S160)는 다른 시기에 촬상된 열적외선 영상들을 취득하여, 각기 대상지역 선정단계(S100)부터 고도효과 보정단계(S150)까지 수행되어서 고도효과가 보정된 온도차영상들을 제작한 후, 이를 이용하여 시계열 지표온도를 모니터링하는 단계이다.
고도효과 보정단계(S150)에 의해 고도효과가 보정된 온도차영상들은 대부분의 위치에서 -1℃ ~ +1℃에 고른 분포를 보인다. 그러나 예를 들어, 화산활동, 도심 열섬현상, 농업활동, 발전소 열 누설 등과 같이 국지지역에서의 지표온도가 변화할 시 1℃이상의 값을 나타내 지표온도 모니터링이 가능하다.
이때, 시계열 지표온도 모니터링은 한 점에 대한 지표온도 변화를 관측할 수도 있고, 넓은 지역에 대한 지표온도 변화를 관측할 수도 있다. 이때, 넓은 지역에 대한 지표온도 변화를 관측할 경우, 평균값을 기준으로 표준편차값을 구하여 함께 도시하는 것이 좋다.
도 8은 본 발명의 실시예로 시계열 지표온도 모니터링을 나타낸 그래프이다. 도 8은 1985년부터 2011년까지 열적외선영상 촬상 시기를 X축과 임의의 지역에서의 온도차자료를 Y축에 놓고 시계열 지표온도를 도시한 것으로, 시기에 따른 온도차변화를 확인할 수 있다.
이상에서 본 발명을 설명함에 있어 첨부된 도면을 참조하여 특정 절차를 갖는 열적외선영상을 이용한 시계열 지표온도 모니터링 방법에 대해 설명하였으나 본 발명은 당업자에 의하여 다양한 변형 및 변경이 가능하고, 이러한 변형 및 변경은 본 발명의 보호범위에 속하는 것으로 해석되어야 한다.

Claims (4)

  1. 열적외선영상에서 모니터링을 위한 대상지역을 선정하는 대상지역 선정단계;
    상기 대상지역 선정단계에서 선정된 대상지역에서 임의 기준지표의 기준온도를 추정하는 기준온도 추정단계;
    상기 기준온도 추정단계에서 추정된 기준온도에 대한 대상지역의 각 대상지표에 대한 온도차를 추출하여 온도차영상을 제작하는 온도차영상 제작단계;
    상기 온도차영상 제작단계에서 제작된 온도차영상으로부터 대상지역의 고도별 온도차분포를 추출하여 온도감율을 추정하는 온도감율 추정단계;
    상기 온도감율 추정단계에서 추정된 온도감률을 이용해 대상지역의 각 대상지표에 대한 고도효과를 반영하여 갱신온도차영상을 제작하는 고도효과 보정단계;를 포함하여 이루어지는 열적외선영상을 이용한 시계열 지표온도 모니터링 방법.
  2. 제 1 항에 있어서,
    다른 시기에 촬영된 열적외선영상들 각각으로부터 상기 갱신온도차영상을 제작하고, 이를 시계열로 비교분석하는 시계열 지표온도 모니터링단계;를 더 포함하는 것을 특징으로 하는 열적외선영상을 이용한 시계열 지표온도 모니터링 방법.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 대상지역 선정단계 이전 또는 이후에 상기 열적외선영상을 촬영한 날의 촬영지역에 대한 대기온도와 상대습도를 이용하여 대기투과율을 계산하는 대기투과율 계산단계;를 더 포함하는 것을 특징으로 하는 열적외선영상을 이용한 시계열 지표온도 모니터링 방법.
  4. 제 3 항에 있어서,
    상기 온도차영상 제작단계는 상기 대기투과율 계산단계에서 계산된 대기투과율과 상기 기준온도 추정단계에서 추정된 기준온도를 이용하여 온도차영상을 제작하는 것을 특징으로 하는 열적외선영상을 이용한 시계열 지표온도 모니터링 방법.
KR1020130134745A 2013-11-07 2013-11-07 열적외선영상을 이용한 시계열 지표온도 모니터링 방법 KR101378774B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130134745A KR101378774B1 (ko) 2013-11-07 2013-11-07 열적외선영상을 이용한 시계열 지표온도 모니터링 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130134745A KR101378774B1 (ko) 2013-11-07 2013-11-07 열적외선영상을 이용한 시계열 지표온도 모니터링 방법

Publications (1)

Publication Number Publication Date
KR101378774B1 true KR101378774B1 (ko) 2014-03-27

Family

ID=50649682

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130134745A KR101378774B1 (ko) 2013-11-07 2013-11-07 열적외선영상을 이용한 시계열 지표온도 모니터링 방법

Country Status (1)

Country Link
KR (1) KR101378774B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160097679A1 (en) * 2013-06-11 2016-04-07 University Of Seoul Industry Cooperation Foundation Method for estimating land surface termperature lapse rate using infrared image
CN109978862A (zh) * 2019-03-27 2019-07-05 北京邮电大学 一种基于卫星图像的空气污染估计方法
KR20190136850A (ko) * 2018-05-31 2019-12-10 한국전자통신연구원 정지궤도 적외선영상에서의 고도영향 저감방법 및 그 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100573793B1 (ko) 2006-01-10 2006-04-24 (주)한성개발공사 지표면 온도지도를 이용한 도로결빙 구간 위험지도제작방법
JP2007003308A (ja) 2005-06-22 2007-01-11 Pasuko:Kk 地表面温度推定方法及びそのためのプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007003308A (ja) 2005-06-22 2007-01-11 Pasuko:Kk 地表面温度推定方法及びそのためのプログラム
KR100573793B1 (ko) 2006-01-10 2006-04-24 (주)한성개발공사 지표면 온도지도를 이용한 도로결빙 구간 위험지도제작방법

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160097679A1 (en) * 2013-06-11 2016-04-07 University Of Seoul Industry Cooperation Foundation Method for estimating land surface termperature lapse rate using infrared image
US10337925B2 (en) * 2013-06-11 2019-07-02 University of Seoul Cooperation Foundation Method for estimating land surface temperature lapse rate using infrared image
KR20190136850A (ko) * 2018-05-31 2019-12-10 한국전자통신연구원 정지궤도 적외선영상에서의 고도영향 저감방법 및 그 장치
KR102577435B1 (ko) * 2018-05-31 2023-09-12 한국전자통신연구원 정지궤도 적외선영상에서의 고도영향 저감방법 및 그 장치
CN109978862A (zh) * 2019-03-27 2019-07-05 北京邮电大学 一种基于卫星图像的空气污染估计方法
CN109978862B (zh) * 2019-03-27 2021-04-27 北京邮电大学 一种基于卫星图像的空气污染估计方法

Similar Documents

Publication Publication Date Title
KR101404430B1 (ko) 적외선 영상을 이용한 지표온도감률 추정 방법
Jeevalakshmi et al. Land cover classification based on NDVI using LANDSAT8 time series: A case study Tirupati region
Tan et al. A comparison of radiometric correction techniques in the evaluation of the relationship between LST and NDVI in Landsat imagery
Morgenroth et al. Assessment of tree structure using a 3D image analysis technique—A proof of concept
Leng et al. A practical algorithm for estimating surface soil moisture using combined optical and thermal infrared data
Kuc et al. Sentinel-2 imagery for mapping and monitoring imperviousness in urban areas
Walawender et al. A new ArcGIS toolset for automated mapping of land surface temperature with the use of LANDSAT satellite data
Meier et al. Atmospheric correction of thermal-infrared imagery of the 3-D urban environment acquired in oblique viewing geometry
CN109509319B (zh) 基于静止卫星监测资料的输电线路山火监测预警方法
CN110927120B (zh) 一种植被覆盖度预警方法
Lewis et al. Integrated thermal infrared imaging and structure-from-motion photogrammetry to map apparent temperature and radiant hydrothermal heat flux at Mammoth Mountain, CA, USA
Yu et al. Modeling directional brightness temperature over a maize canopy in row structure
Chang et al. Calibration and evaluation of precipitable water vapor from MODIS infrared observations at night
Ni et al. Extraction of ground surface elevation from ZY-3 winter stereo imagery over deciduous forested areas
KR101378774B1 (ko) 열적외선영상을 이용한 시계열 지표온도 모니터링 방법
Yin et al. Estimation of grassland height based on the random forest algorithm and remote sensing in the Tibetan Plateau
Rajendran et al. Estimation of spatial variability of land surface temperature using Landsat 8 imagery
Yuvaraj Extents of predictors for land surface temperature using multiple regression model
Rivas et al. Evapotranspiration in the Pampean Region using field measurements and satellite data
Hammerle et al. Implications of atmospheric conditions for analysis of surface temperature variability derived from landscape-scale thermography
Zhu et al. Monitoring spatio-temporal variance of an extreme heat event using multiple-source remote sensing data
Qiu et al. Remotely monitoring evaporation rate and soil water status using thermal imaging and “three-temperatures model (3T Model)” under field-scale conditions
He et al. Retrieval of Rugged Mountainous Areas Land Surface Temperature from High-spatial-resolution Thermal Infrared Remote Sensing Data
Zhou et al. Land surface albedo estimation with Chinese GF-1 WFV data in Northwest China
Zhou et al. A new model for surface soil moisture retrieval from CBERS-02B satellite imagery

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170320

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180305

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190305

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200303

Year of fee payment: 7