KR102404712B1 - 인공신경망 기법을 이용한 일사량 산출을 위한 위성영상분석모델 생성 방법 및 시스템 - Google Patents
인공신경망 기법을 이용한 일사량 산출을 위한 위성영상분석모델 생성 방법 및 시스템 Download PDFInfo
- Publication number
- KR102404712B1 KR102404712B1 KR1020207016260A KR20207016260A KR102404712B1 KR 102404712 B1 KR102404712 B1 KR 102404712B1 KR 1020207016260 A KR1020207016260 A KR 1020207016260A KR 20207016260 A KR20207016260 A KR 20207016260A KR 102404712 B1 KR102404712 B1 KR 102404712B1
- Authority
- KR
- South Korea
- Prior art keywords
- insolation
- satellite image
- correlation
- horizontal plane
- reflectance
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
본 발명은 위성영상분석모델 생성 방법으로서, (a) 청천 시 수평면 전 일사량에 영향을 주는 제1 파라미터를 기초로 청천 시 수평면 전 일사량을 산출하기 위한 제1 상관식을 획득하는 단계; (b) 상기 청천 시 수평면 전 일사량과 위성영상의 각 픽셀 별 측정값의 동적 범위의 하한계 및 상한계에 해당하는 지면 반사율 및 구름 반사율을 기초로 결정되는 구름지수를 이용하여, 청천 시 수평면 전 일사량과 구름지수간의 제2 상관식을 획득하는 단계; 및 (c) 상기 구름지수와 대기 반사율에 영향을 주는 제2 파라미터를 기초로 수평면 전 일사량을 산출하기 위한 제3 상관식을 획득하는 단계를 포함한다.
Description
본 발명은 위성영상분석모델 생성 기술에 관한 것으로서, 보다 상세하게, 일사량 연산에 영향을 주는 인자들간의 연관성을 기초로 인공위성영상을 활용하여 지상도달일사량을 산출할 수 있도록 위성영상분석모델을 생성하는, 인공신경망 기법을 이용한 일사량 산출을 위한 위성영상분석모델 생성 방법에 관한 것이다.
일사량은 일사의 세기이며, 태양으로부터 지구로 복사되는 에너지를 일사라 한다. 일사량은 일반적으로 1m2의 넓이에 복사된 양(일반적으로 Wh 단위 이용)으로 측정한다. 일사량 중에서, 수평면(일반적으로 평평한 지면)으로 입사하는 일사량은 수평면 일사량이라고 하며, 일사의 방향으로 수직인 면에 대해 도달하는 일사량은 법선면 일사량이라고 한다. 태양복사량이 도달면에 직접 도달하는 일사량은 직달 일사량이라고 하며, 중간매개물질에 의해 산란되어 간접적으로 도달한 일사량은 산란 일사량, 그리고 일반적으로 직달일사량과 산란일사량의 합을 전 일사량이라고 한다. 태양에너지 분야에서는 이들 용어를 조합하여 보편적으로 수평면 전 일사량, 법선면 직달 일사량, 수평면 산란 일사량의 용어를 활용한다.
특정 지역의 수평면 전 일사량(Global Horizontal Irradiation, GHI)을 구하는 가장 대표적인 방법으로는, 일사계(pyranometer)로 대표되는 지상일사센서를 이용하여 직접 측정하는 방법, 기상인자들간의 상관식을 알고 있다는 가정하에 특정 지점과 시간대에 얻을 수 있는 기상인자들(예를 들어, 일조시간, 온도, 가강수량, 습도, 운량 등)을 이용하여 일사량을 추정하는 방법, 및 기상위성을 활용하는 방법이 있다. 여기에서, 기상위성을 이용하는 방법은 광범위한 지역을 장기데이터로 얻을 수 있는 장점이 있다. 즉,위성영상이 다룰 수 있는 전 영역을 대상으로 하므로 일사센서와 관련 기상인자가 존재하지 않아도 원하는 정보를 취득할 수 있으나 가장 대표적으로 사용되는 지구정지위성(geostationary satellite)의 경우 약 36,000km 상공에서 데이터를 취득하므로상당한 오차가 발생하는 문제가 있다. 따라서, 기상위성영상 화사 값을 이용하여 특정 지점의 일사량을 보다 정확하게 추정하는 방법이 요구되고 있다.
본 발명의 목적은 수평면 전 일사량에 영향을 주는 다양한 인자들 간에 인공신경망(Artificial Neural Network) 기법을 적용하여 도출되는 상관관계들을 기초로,위성영상을 이용하여 수평면 전 일사량을 산출하기 위한 반 경험적 모델(semi-empirical model)에 해당하는 위성영상분석모델을 생성하는 위성영상분석모델 생성 방법 및 시스템을 제공하는데 있다.
본 발명의 목적은 새로운 위성자료 또는 지상관측값이 추가될 때마다 위성영상분석모델을 재생성하는 위성영상분석모델 생성 방법 및 시스템을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 제1 측면은, 위성영상분석모델 생성 방법으로서, (a) 청천 시 수평면 전 일사량에 영향을 주는 제1 파라미터를 기초로 청천 시 수평면 전 일사량을 산출하기 위한 제1 상관식을 획득하는 단계;(b) 상기 청천 시 수평면 전 일사량과 위성영상의 각 픽셀 별 측정값의 동적 범위의 하한계 및 상한계에 해당하는 지면 반사율 및 구름 반사율을 기초로 결정되는 구름지수를 이용하여, 청천 시 수평면 전 일사량과 구름지수간의 제2 상관식을 획득하는 단계; 및(c) 상기 구름지수와 대기 반사율에 영향을 주는 제2 파라미터를 기초로 수평면 전 일사량을 산출하기 위한 제3 상관식을 획득하는 단계를 포함한다.
바람직하게, 상기 (a) 단계 이전에,위성영상의 각 픽셀 별 동적 범위로부터 상기 동적 범위의 하한계에 해당하는 지면 반사율 및 상기 동적 범위의 상한계에 해당하는 구름 반사율을 획득하는 단계를 더 포함하되, 상기 지면 반사율 및 상기 구름 반사율은 특정 기간 동안 수집된 위성영상을 이용하여 주기적으로 갱신될 수 있다.
바람직하게, 상기 (a) 단계는,특정 시 특정지점에서 수신한 위성영상을 기초로 청천 시 여부를 판단하는 단계; 및상기 청천 시에 해당하는 경우에는, 상기 위성영상을 수신하는 때의 제1 파라미터에 해당하는 태양의 위치, 위성의 위치, 기단, 및 태양시를 기초로 획득되는 청천 시 수평면 전 일사량과 상기 제1 파라미터 간의 제1 상관식을 생성하는 단계를 포함할 수 있다.
바람직하게, 상기 청천 시 여부를 판단하는 단계는,상기 수신한 위성영상의 각 픽셀 별 측정값이 상기 동적 범위의 하한계 값 이하인 경우에 청천 시에 해당하는 것으로 결정하는 단계를 포함할 수 있다.
바람직하게, 상기 (b) 단계는,상기 구름지수 및 상기 청천 시 수평면 전 일사량에 인공신경망 기법을 적용하여 상기 제2 상관식을 생성하는 단계를 포함할 수 있다.
바람직하게, 상기 (c) 단계는,상기 구름지수와, 특정 시 특정지점에서 위성영상을 수신하는 때의 제2 파라미터에 해당하는 수증기량, 오존량, 및 에어로졸량에 인공신경망 기법을 적용하여, 제3 상관식을 생성하는 단계를 포함할 수 있다.
바람직하게, 상기 (c) 단계 이후에,수평면 전 일사량을 산출하기 위하여 특정 시 특정지점에서의 위성영상을 수신하면,상기 위성영상을 수신하는 때의 태양의 위치, 위성의 위치, 기단 및 태양시에 대한 값을 상기 제1 상관식에 적용하여 상기 특정 시 특정지점에서의 청천 시 수평면 전 일사량을 산출하는 단계;상기 청천 시 수평면 전 일사량과, 상기 수신한 위성영상의 각 픽셀 별 측정값, 상기 지면 반사율 및 상기 구름 반사율을 기초로 결정되는 구름지수를 상기 제2 상관식에 적용하여, 구름에 의한 영향이 반영된 수평면 전 일사량을 산출하는 단계; 및상기 구름에 의한 영향이 반영된 수평면 전 일사량과, 상기 위성영상을 수신하는 때의 수증기량, 오존량, 및 에어로졸량을 상기 제3 상관식에 적용하여, 대기에 의한 영향이 반영된 상기 특정 시 특정지점에서의 최종 수평면 전 일사량을 산출하는 단계를 더 포함할 수 있다.
바람직하게, 특정 시 특정지점에서의 새로운 위성영상을 수신하거나, 상기 지면 반사율 및 상기 구름 반사율이 갱신되면, 상기 단계 (a) 내지 (c)가 반복 수행되어 상기 제1 내지 제3 상관식이 재생성될 수 있다.
상기 목적을 달성하기 위한 본 발명의 제2 측면은, 위성영상분석모델 생성 시스템으로서, 청천 시 수평면 전 일사량에 영향을 주는 제1 파라미터를 기초로 청천 시 수평면 전 일사량을 산출하기 위한 제1 상관식을 획득하는 제1 상관식 획득부;상기 청천 시 수평면 전 일사량과 위성영상의 각 픽셀 별 측정값의 동적 범위의 하한계 및 상한계에 해당하는 지면 반사율 및 구름 반사율을 기초로 결정되는 구름지수를 이용하여, 청천 시 수평면 전 일사량과 구름지수간의 제2 상관식을 획득하는 제2 상관식 획득부; 및상기 구름지수와 대기 반사율에 영향을 주는 제2 파라미터를 기초로 수평면 전 일사량을 산출하기 위한 제3 상관식을 획득하는 제3 상관식 획득부를 포함한다.
바람직하게, 위성영상의 각 픽셀 별 동적 범위로부터 상기 동적 범위의 하한계에 해당하는 지면 반사율 및 상기 동적 범위의 상한계에 해당하는 구름 반사율을 획득하는 동적 범위 분석부를 더 포함하되, 상기 지면 반사율 및 상기 구름 반사율은 특정 기간 동안 수집된 위성영상을 이용하여 주기적으로 갱신될 수 있다.
바람직하게, 상기 제1 상관식 획득부는,특정 시 특정지점에서 수신한 위성영상을 기초로 청천 시 여부를 판단하고,상기 청천 시에 해당하는 경우에는, 상기 위성영상을 수신하는 때의 제1 파라미터에 해당하는 태양의 위치, 위성의 위치, 기단, 및 태양시를 기초로 획득되는 청천 시 수평면 전 일사량과 상기 제1 파라미터 간의 제1 상관식을 생성할 수 있다.
바람직하게, 상기 제1 상관식 획득부는,상기 수신한 위성영상의 각 픽셀 별 측정값이 상기 동적 범위의 하한계 값 이하인 경우에 청천 시에 해당하는 것으로 결정할 수 있다.
바람직하게, 상기 제2 상관식 획득부는,상기 구름지수 및 상기 청천 시 수평면 전 일사량에 인공신경망 기법을 적용하여 상기 제2 상관식을 생성할 수 있다.
바람직하게, 상기 제3 상관식 획득부는,상기 구름지수와, 특정 시 특정지점에서 위성영상을 수신하는 때의 제2 파라미터에 해당하는 수증기량, 오존량, 및 에어로졸량에 인공신경망 기법을 적용하여, 제3 상관식을 생성할 수 있다.
바람직하게, 수평면 전 일사량을 산출하기 위하여 특정 시 특정지점에서의 위성영상을 수신하면,상기 위성영상을 수신하는 때의 태양의 위치, 위성의 위치, 기단 및 태양시에 대한 값을 상기 제1 상관식에 적용하여 상기 특정 시 특정지점에서의 청천 시 수평면 전 일사량을 산출하고,상기 청천 시 수평면 전 일사량과, 상기 수신한 위성영상의 각 픽셀 별 측정값, 상기 지면 반사율 및 상기 구름 반사율을 기초로 결정되는 구름지수를 상기 제2 상관식에 적용하여, 구름에 의한 영향이 반영된 수평면 전 일사량을 산출하고,상기 구름에 의한 영향이 반영된 수평면 전 일사량과, 상기 위성영상을 수신하는 때의 수증기량, 오존량, 및 에어로졸량을 상기 제3 상관식에 적용하여, 대기에 의한 영향이 반영된 상기 특정 시 특정지점에서의 최종 수평면 전 일사량을 산출하는 수평면 전 일사량 산출부를 더 포함할 수 있다.
상기한 바와 같이 본 발명에 의하면, 대규모 데이터로부터 인자들 간의 상관관계를 인공신경망 기법을 기초로 분석하여 위성영상분석모델을 생성하므로, 종래 기술에 비하여 우수한 성능을 가질 수 있다.
도 1은 본 발명의 바람직한 실시예에 따른 위성영상분석모델 생성 시스템에 대한 블록도이다.
도 2는 일 실시예에 따른 위성영상분석모델 생성 방법을 나타내는 흐름도이다.
도 3은 위성영상을 이용하여 수평면 전 일사량이 측정되는 방법을 설명하기 위한 예시도이다.
도 4는 위성영상의 화소의 동적 범위를 설명하기 위한 예시도이다.
도 5는 본 발명에 따라 생성된 위성영상분석모델의 활용 결과를 설명하기 위한 예시도이다.
도 2는 일 실시예에 따른 위성영상분석모델 생성 방법을 나타내는 흐름도이다.
도 3은 위성영상을 이용하여 수평면 전 일사량이 측정되는 방법을 설명하기 위한 예시도이다.
도 4는 위성영상의 화소의 동적 범위를 설명하기 위한 예시도이다.
도 5는 본 발명에 따라 생성된 위성영상분석모델의 활용 결과를 설명하기 위한 예시도이다.
이하, 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.
비록 제1, 제2 등이 다양한 소자, 구성요소 및/또는 섹션들을 서술하기 위해서 사용되나, 이들 소자, 구성요소 및/또는 섹션들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자, 구성요소 또는 섹션들을 다른 소자, 구성요소 또는 섹션들과 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자, 제1 구성요소 또는 제1 섹션은 본 발명의 기술적 사상 내에서 제2 소자, 제2 구성요소 또는 제2 섹션일 수도 있음은 물론이다.
또한, 각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 “포함한다(comprises)" 및/또는 “포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
또한, 본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로써 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 바람직한 실시예에 따른 위성영상분석모델 생성 시스템에 대한 블록도이다.
도 1을 참조하면, 위성영상분석모델 생성 시스템(100)은 제1 상관식 획득부(110), 제2 상관식 획득부(120), 제3 상관식 획득부(130), 수평면 전 일사량 산출부(140), 및 제어부(150)를 포함한다. 여기에서, 제어부(150)는 제1 상관식 획득부(110), 제2 상관식 획득부(120), 제3 상관식 획득부(130), 및 수평면 전 일사량 산출부(140)의 동작 및 데이터의 흐름을 제어한다. 이하에서는, 도 2를 참조하여, 위성영상분석모델 생성 시스템(100)의 각 구성을 통하여 수행되는 위성영상분석모델 생성 방법에 대하여 구체적으로 설명한다.
먼저, 도 3을 참조하여, 위성영상을 이용하여 수평면 전 일사량이 측정되는 방법을 설명한다. 태양으로부터 지구로 복사되는 에너지(일사)는 대기에서 산란되고, 산란된 일사량 중 일부는 대기중에 흡수되고, 나머지는 대기, 구름, 및 지면에 도달한 다음 반사된다. 기상위성은 이와 같이 대기, 구름, 및 지면으로부터 반사되는 일사량을 입력 받아 각 화소별로 일사량에 대한 측정값을 가지는 위성영상을 생성하고, 수평면 전 일사량은위성영상의 각 화소별 측정값을 기초로 측정되는 것이다. 본 발명에서는 대기, 구름, 및 지면으로부터 반사되는 일사량을 각각 구분하고, 대기, 구름, 및 지면으로부터 반사되는 일사량에 영향을 미치는 다양한 인자(파라미터)들 간의 상관관계를 인공신경망 기법을 기초로 도출하여,위성영상만을 이용하여 보다 정확한 수평면 전 일사량이 산출되도록 하는 위성영상분석모델을 생성하는 것이다.
위성영상분석모델 생성 시스템(100)은 기상위성 및 일사센서와 연결되어, 기상위성 및 일사센서로부터 전송되는 데이터를 주기적으로 수신할 수 있다. 바람직하게, 위성영상분석모델 생성 시스템(100)의 데이터 수신부(도면에 도시되지 않음)는 기상위성으로부터 촬영된 위성영상을 수신할 수 있고, 일사센서로부터 관측된 지상관측값을 수신할 수 있다.바람직하게, 기상위성은 가시광선(visible) 영역대의 분광채널을 이용하여 위성영상을 획득하거나, 가시광선, 단파장 적외선(shortwave infrared), 수증기(water vapor), 및 적외선(infrared) 영역대의 분광채널들 중 하나, 또는 둘 이상의 분광채널들을 조합하여 위성영상을 획득할 수 있다. 분광채널들을 조합하여 위성영상이 획득되는 경우에는, 각 분광채널들의 신호강도(intensity), 대기영향인자에 해당하는 수증기량, 오존량, 및 에어로졸량, 그리고 지상관측일사량 간의 상관관계(즉, 상관식)가 인공신경망 기법을 활용하여 도출되고, 도출된 상관식을 기초로 각 화소별 위성영상이 획득될 분광채널이 결정될 수 있다.
데이터 수신부를 통하여 위와 같은 데이터들이 수신되면, 위성영상분석모델 생성 시스템(100)의 동적 범위 분석부(도면에 도시되지 않음)는 위성영상의 각 픽셀(pixel)별 동적 범위(dynamic range)로부터 동적 범위의 하한계에 해당하는 지면 반사율(albedo) 및 동적 범위의 상한계에 해당하는 구름 반사율을 획득한다.예를 들어, 도 4는 위성영상의 화소의 동적 범위(dynamic range)를 나타내는 것으로서, 동적 범위는 각 픽셀에 대하여 반사된 빛의 시계열을 의미한다. 동적 범위로부터 단위 픽셀의 최소 및 최대 정규화 반사율의 측정치가 획득될 수 있다. 즉, 기상위성으로부터 수신되는 이미지들의 흐름은 각 픽셀의 동적 범위를 구성하는데 이용되고, 각 픽셀에 대한 고유 범위를 사용하면 상한계 및 하한계가 결정되는 것이다.바람직하게, 지면 반사율 및 구름 반사율은 특정 기간 동안 수집된 위성영상을 이용하여 주기적으로 갱신될 수 있고, 예를 들어, 지면 반사율은 식생 등에 의하여 변화되므로 1달 간격으로 지면 반사율 및 구름 반사율이 갱신될 수 있다.
제1 상관식 획득부(110)는 청천 시 수평면 전 일사량에 영향을 주는 제1 파라미터를 기초로 청천 시 수평면 전 일사량을 산출하기 위한 제1 상관식을 획득한다(단계 S210).바람직하게, 제1 상관식 획득부(110)는 특정 시 특정지점에서 수신한 위성영상을 기초로 청천 시 여부를 판단할 수 있고,여기에서, 청천 시는 구름이 존재하지 않는 맑은 시점에 해당한다. 보다 구체적으로, 제1 상관식 획득부(110)는 수신한 위성영상의 각 픽셀 별 측정값이,동적 범위 분석부에서 획득된 동적 범위의 하한계 값 이하인 경우에 청천 시에 해당하는 것으로 결정할 수 있다.일반적으로 구름의 반사율(albedo)은 지면의 반사율보다 크므로,동적범위의 상한계 및 하한계의 범위는 실제 관측가능한 범위가 되며, 특히 최소의 위성관측 반사율(즉, 동적 범위의 하한계)은 맑은 날의 관측 값이 되며 구름의 영향이 0인 상태(즉, 지상의 반사율만 반영된 상태)인 청천시라고 할 수 있다.
또는, 제1 상관식 획득부(110)는 데이터 수신부를 통하여 수신된 특정지점의 수평면 전 일사량에 대한 지상관측값, 사용자에 의하여 입력된 운량정보, 및 위성영상의 동적 범위의 하한계 값을 이용하여 청천 시에 해당하는지 여부를 판단할 수 있다. 여기에서, 지상관측값은 일사센서로부터 관측되어 데이터 수신부를 통하여 수신될 수 있고, 운량정보는 대기중의 구름이 있는 정도에 관한 것으로서 사용자에 의하여 직접 입력될 수 있다.
바람직하게, 특정 시 특정지점에서 수신한 위성영상을 기초로 청천 시에 해당하는 것으로 판단되면, 제1 상관식 획득부(110)는 위성영상을 수신하는 때의 제1 파라미터에 해당하는 태양의 위치, 위성의 위치, 기단(air mass), 및 태양시(solar time)를 기초로 획득되는 청천 시 수평면 전 일사량과 제1 파라미터 간의 제1 상관식을 생성할 수 있다. 여기에서, 태양의 위치, 위성의 위치, 기단, 및 태양시는 위성영상이 수신될 때, 해당 특정지점에 대하여 주어지는 값으로서, 특정지점에 구비된 다양한 센서들로부터 제공받은 데이터, 또는 위성영상이 수신될 때의 시점 및 특정지점의 위치에 대한 정보를 기초로 결정될 수 있다. 또한, 대기인자 중 기단의 값은 아래와 같은 [식 1]을 이용하여, Kasten and Young model로 산출될 수 있다.
[식 1] 
여기에서, m은 기단의 값이고,
는 태양의 위치이다.
제2 상관식 획득부(120)는 청천 시 수평면 전 일사량과 위성영상의 각 픽셀 별 측정값의 동적 범위의 하한계 및 상한계에 해당하는 지면 반사율 및 구름 반사율을 기초로 결정되는 구름지수를 이용하여, 청천 시 수평면 전 일사량과 구름지수간의 제2 상관식을 획득한다(단계 S220).바람직하게, 구름지수는 위성영상의 화소의 동적 범위를 기초로 아래의 [식 2]를 이용하여 결정될 수 있고, 구름지수는 제2 상관식 획득부(120) 또는 동적 범위 분석부에서 획득될 수 있다.
[식 2] 
여기에서, n(i,j)는 좌표(i,j)에 위치한 픽셀의 구름지수이고, ρ(i,j)는 위성영상에서 좌표(i,j)에 위치한 픽셀의 측정값이고, ρg(i, j)는 좌표(i, j)에 위치한 픽셀의 동적 범위의 하한계이고, ρc는 위성영상의 동적 범위의 상한계이고, 동적 범위는 ρc -ρg(i,j) 에 해당한다.
바람직하게, 제2 상관식 획득부(120)는 구름지수 및 청천 시 수평면 전 일사량에 인공신경망 기법을 적용하여 제2 상관식을 생성할 수 있다. 즉, 구름지수와 청천 시 수평면 전 일사량에 대한 상관관계가 인공신경망 기법을 통하여 수식으로 나타내어 지는 것이다.
제3 상관식 획득부(130)는 구름지수와 대기 반사율에 영향을 주는 제2 파라미터를 기초로 수평면 전 일사량을 산출하기 위한 제3 상관식을 획득한다(단계 S230).바람직하게, 제3 상관식 획득부(130)는 구름지수와, 특정 시 특정지점에서 위성영상을 수신하는 때의 제2 파라미터에 해당하는 수증기량(water vapor), 오존량(ozone), 및 에어로졸량(aerosol)에 인공신경망 기법을 적용하여 제3 상관식을 생성할 수 있다. 여기에서, 구름지수는 제2 상관식 획득부(120) 또는 동적 범위 분석부를 통하여 획득된 구름지수가 사용되거나 또는 제2 상관식 획득부(130)에서 상기에서 설명한 방식으로 구름지수가 다시 결정될 수 있고, 제3 상관식 획득부(130)를 통하여 구름지수와 수증기량, 오존량, 및 에어로졸량 간의 상관관계가 인공신경망 기법을 통하여 수식으로 나타내어 지는 것이다.
즉, 제1 상관식 획득부(110)를 통하여 지면 반사율과 구름 반사율에 대한 영향이 반영된 수평면 전 일사량을 산출하기 위한 상관식이 도출되고, 제2 상관식 획득부(120)를 통하여 구름지수에 대한 영향이 반영된 수평면 전 일사량을 산출하기 위한 상관식이 도출되고, 제3 상관식 획득부(130)를 통하여 대기 반사율에 대한 영향이 반영된 수평면 전 일사량을 산출하기 위한 상관식이 도출되는 바, 제1 내지 제3 상관식들로 구성된 본 발명에 따른 위성영상분석모델을 이용하면, 위성영상으로부터 지면 반사율, 구름 반사율, 및 대기 반사율의 영향이 모두 고려된 수평면 전 일사량이 산출될 수 있는 것이다.
일 실시예에서, 데이터 수신부를 통하여 특정 시 특정지점에서의 새로운 지상관측값 및 위성영상이 수신되거나, 동적 범위 분석부를 통하여 지면 반사율 및 구름 반사율이 갱신되면, 제1 상관식 획득부(110), 제2 상관식 획득부(120), 및 제2 상관식 획득부(130)를 통하여 단계 S210 내지 S230이 반복 수행되어 위성영상분석모델이 재생성될 수 있다.
일 실시예에서, 제1 내지 제3 상관식 획득부(110, 120, 및 130)를 통하여 위성영상분석모델에 해당하는 제1 내지 제3 상관식이 획득된 후, 수평면 전 일사량을 산출하기 위한 특정 시 특정지점에서의 위성영상이 데이터 수신부를 통하여 수신되면, 수평면 전 일사량 산출부(140)는 제1 내지 제3 상관식을 기초로특정 시 특정지점에서의 위성영상을 이용하여 대기 반사율, 구름 반사율, 및 지면 반사율에 대한 영향이 모두 반영된 수평면 전 일사량을산출할 수 있다.
보다 구체적으로, 수평면 전 일사량 산출부(140)는 위성영상을 수신하는 때의 태양의 위치, 위성의 위치, 기단 및 태양시에 대한 값을 제1 상관식에 적용하여 특정 시 특정지점에서의 청천 시 수평면 전 일사량을 산출한다. 여기에서, 태양의 위치, 위성의 위치, 기단 및 태양시에 대한 값은 위성영상을 수신하는 때에 동시에 획득될 수 있으며, 획득되는 방법은 다양한 종래 기술이 적용될 수 있다. 그 다음, 수평면 전 일사량 산출부(140)는 산출된 청천 시 수평면 전 일사량과 구름지수를 제2 상관식에 적용하여 구름에 의한 영향이 반영된 수평면 전 일사량을산출한다. 여기에서, 구름지수는, 수신한 위성영상의 각 픽셀 별 측정값, 및 동적 범위 분석부를 통하여 획득된 지면 반사율과 구름 반사율을 기초로 [식 2]를 이용하여 결정될 수 있다. 그 다음, 수평면 전 일사량 산출부(140)는 구름에 의한 영향이 반영된 수평면 전 일사량과 위성영상을 수신하는 때의 수증기량, 오존량, 및 에어로졸량을 제3 상관식에 적용하여 대기에 의한 영향까지 반영된 특정 시 특정지점에서의 최종 수평면 전 일사량을 산출할 수 있다. 여기에서, 수증기량, 오존량, 및 에어로졸량은 위성영상을 수신하는 때에 동시에 획득될 수 있으며, 획득되는 방법은 다양한 종래 기술이 적용될 수 있다.
도 5는 본 발명에 따라 생성된 위성영상분석모델의 활용 결과를 설명하기 위한 예시도이다.
도 5를 참조하면, 본 발명에 따라 생성된 위성영상분석모델을 활용한 결과를 나타내는 그래프로서, 한 달 분량의 위성영상데이터를 활용하여 획득한 일사량이 각 위성영상분석모델에 얼마나 적합한지를 나타낸다. 본 발명에 따라 인공신경망 기법을 이용하여 대규모 데이터의 입력에 따라 생성된 위성영상분석모델(경험회귀식)을 활용한 결과를 보면, R2의 값이 약 0.8에 해당하는 바, 본 발명에 따라 생성된 위성영상분석모델을 활용하면 보다 정확한 일사량이 산출될 수 있음을 알 수 있다.
한편, 본 발명의 일 실시예에 따른 위성영상분석모델 생성 방법은 또한 컴퓨터로 읽을 수있는 기록매체에 컴퓨터가 읽을 수있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
예컨대, 컴퓨터가 읽을 수 있는 기록매체로는 롬(ROM), 램(RAM), 시디-롬(CD-ROM), 자기 테이프, 하드디스크, 플로피디스크, 이동식 저장장치, 비휘발성메모리(Flash Memory), 광 데이터 저장장치 등이 있다.
또한, 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.
전술한 본 발명에 따른 위성영상분석모델 생성 방법 및 시스템에 대한 바람직한 실시예에 대하여 설명하였지만, 본 발명은 이에 한정되는 것이 아니고 특허청구범위와 발명의 상세한 설명 및 첨부한 도면의 범위 안에서 여러가지로 변형하여 실시하는 것이 가능하고 이 또한 본 발명에 속한다.
100: 위성영상분석모델 생성 시스템
110: 제1 상관식 획득부
120: 제2 상관식 획득부
130: 제3 상관식 획득부
140: 수평면 전 일사량 산출부
150: 제어부
110: 제1 상관식 획득부
120: 제2 상관식 획득부
130: 제3 상관식 획득부
140: 수평면 전 일사량 산출부
150: 제어부
Claims (16)
- (0) 특정 기간 동안 수집된 위성영상의 각 픽셀 별 동적 범위로부터 상기 동적 범위의 하한계에 해당하는 지면 반사율 및 상기 동적 범위의 상한계에 해당하는 구름 반사율을 획득하는 단계;
(a) 특정 시 특정지점에서 수신한 위성영상의 각 픽셀 별 측정값이 상기 동적 범위의 하한계 값 이하인 경우에 청천 시에 해당하는 것으로 결정하고, 청천 시 수평면 전 일사량에 영향을 주는 제1 파라미터를 기초로 청천 시 수평면 전 일사량을 산출하기 위한 제1 상관식을 획득하는 단계;
(b) 상기 청천 시 수평면 전 일사량과 위성영상의 각 픽셀 별측정값의 동적 범위의 하한계 및 상한계에 해당하는 지면 반사율 및 구름 반사율을 기초로 결정되는 구름지수를 이용하여,청천 시 수평면 전 일사량과 구름지수간의 제2 상관식을 획득하는 단계; 및
(c) 상기 구름지수와 대기 반사율에 영향을 주는 제2 파라미터를 기초로 수평면 전 일사량을 산출하기 위한 제3 상관식을 획득하는 단계를 포함하는 위성영상분석모델 생성 방법. - 제1항에 있어서, 상기 (0) 단계는,
상기 지면 반사율 및 상기 구름 반사율은 특정 기간 동안 수집된 위성영상을 이용하여 주기적으로 갱신되는 것을 특징으로 하는 위성영상분석모델 생성 방법. - 제1항에 있어서, 상기 (a) 단계는,
상기 청천 시에 해당하는 경우에는, 상기 위성영상을 수신하는 때의 제1 파라미터에 해당하는 태양의 위치, 위성의 위치, 기단, 및 태양시를 기초로 획득되는 청천 시 수평면 전 일사량과 상기 제1 파라미터 간의 제1 상관식을 생성하는 단계를 포함하는 것을 특징으로 하는 위성영상분석모델 생성 방법. - 삭제
- 제1항에 있어서, 상기 (b) 단계는,
상기 구름지수 및 상기 청천 시 수평면 전 일사량에 인공신경망 기법을 적용하여 상기 제2 상관식을 생성하는 단계를 포함하는 것을 특징으로 하는 위성영상분석모델 생성방법. - 제1항에 있어서, 상기 (c) 단계는,
상기 구름지수와, 특정 시특정지점에서 위성영상을 수신하는 때의 제2 파라미터에 해당하는 수증기량, 오존량, 및 에어로졸량에 인공신경망 기법을 적용하여, 제3 상관식을 생성하는 단계를 포함하는 것을 특징으로 하는 위성영상분석모델 생성방법. - 제1항에 있어서, 상기 (c) 단계 이후에,
수평면 전 일사량을 산출하기 위하여 특정 시특정지점에서의 위성영상을 수신하면,
상기 위성영상을 수신하는 때의 태양의 위치, 위성의 위치, 기단 및 태양시에 대한 값을 상기 제1 상관식에 적용하여 상기 특정 시특정지점에서의 청천 시 수평면 전 일사량을 산출하는 단계;
상기 청천 시 수평면 전 일사량과, 상기 수신한 위성영상의 각 픽셀 별 측정값, 상기 지면 반사율 및 상기 구름 반사율을 기초로 결정되는 구름지수를 상기 제2 상관식에 적용하여, 구름에 의한 영향이 반영된 수평면 전 일사량을 산출하는 단계; 및
상기 구름에 의한 영향이 반영된 수평면 전 일사량과, 상기 위성영상을 수신하는 때의 수증기량, 오존량, 및 에어로졸량을 상기 제3 상관식에 적용하여, 대기에 의한 영향이 반영된 상기 특정 시특정지점에서의 최종 수평면 전 일사량을 산출하는 단계를 더 포함하는 것을 특징으로 하는 위성영상분석모델 생성방법. - 제1항에 있어서,
특정 시 특정지점에서의 새로운 위성영상을 수신하거나, 상기 지면 반사율 및 상기 구름 반사율이 갱신되면, 상기 단계 (a) 내지 (c)가 반복 수행되어 상기 제1 내지 제3 상관식이 재생성되는 것을 특징으로 하는위성영상분석모델 생성 방법. - ◈청구항 9은(는) 설정등록료 납부시 포기되었습니다.◈특정 기간 동안 수집된 위성영상의 각 픽셀 별 동적 범위로부터 상기 동적 범위의 하한계에 해당하는 지면 반사율 및 상기 동적 범위의 상한계에 해당하는 구름 반사율을 획득하는 동적 범위 분석부;
특정 시 특정지점에서 수신한 위성영상의 각 픽셀 별 측정값이 상기 동적 범위의 하한계 값 이하인 경우에 청천 시에 해당하는 것으로 결정하고, 청천 시 수평면 전 일사량에 영향을 주는 제1 파라미터를 기초로 청천 시 수평면 전 일사량을 산출하기 위한 제1 상관식을 획득하는 제1 상관식 획득부;
상기 청천 시 수평면 전 일사량과 위성영상의 각 픽셀 별 측정값의 동적 범위의 하한계 및 상한계에 해당하는 지면 반사율 및 구름 반사율을 기초로 결정되는 구름지수를 이용하여, 청천 시 수평면 전 일사량과 구름지수간의 제2 상관식을 획득하는 제2 상관식 획득부; 및
상기 구름지수와 대기 반사율에 영향을 주는 제2 파라미터를 기초로 수평면 전 일사량을 산출하기 위한 제3 상관식을 획득하는 제3 상관식 획득부를 포함하는 위성영상분석모델 생성 시스템. - ◈청구항 10은(는) 설정등록료 납부시 포기되었습니다.◈제9항에 있어서,
상기 동적 범위 분석부는 상기 지면 반사율 및 상기 구름 반사율은 특정 기간 동안 수집된 위성영상을 이용하여 주기적으로 갱신하는 것을 특징으로 하는 위성영상분석모델 생성 시스템. - ◈청구항 11은(는) 설정등록료 납부시 포기되었습니다.◈제9항에 있어서, 상기 제1 상관식 획득부는,
상기 청천 시에 해당하는 경우에는, 상기 위성영상을 수신하는 때의 제1 파라미터에 해당하는 태양의 위치, 위성의 위치, 기단, 및 태양시를 기초로 획득되는 청천 시 수평면 전 일사량과 상기 제1 파라미터 간의 제1 상관식을 생성하는 것을 특징으로 하는 위성영상분석모델 생성 시스템. - 삭제
- ◈청구항 13은(는) 설정등록료 납부시 포기되었습니다.◈제9항에 있어서, 상기 제2 상관식 획득부는,
상기 구름지수 및 상기 청천 시 수평면 전 일사량에 인공신경망 기법을 적용하여 상기 제2 상관식을 생성하는 것을 특징으로 하는 위성영상분석모델 생성 시스템. - ◈청구항 14은(는) 설정등록료 납부시 포기되었습니다.◈제9항에 있어서, 상기 제3 상관식 획득부는,
상기 구름지수와, 특정 시 특정지점에서 위성영상을 수신하는 때의 제2 파라미터에 해당하는 수증기량, 오존량, 및 에어로졸량에 인공신경망 기법을 적용하여, 제3 상관식을 생성하는 것을 특징으로 하는 위성영상분석모델 생성 시스템. - ◈청구항 15은(는) 설정등록료 납부시 포기되었습니다.◈제9항에 있어서,
수평면 전 일사량을 산출하기 위하여 특정 시 특정지점에서의 위성영상을 수신하면, 상기 위성영상을 수신하는 때의 태양의 위치, 위성의 위치, 기단 및 태양시에 대한 값을 상기 제1 상관식에 적용하여 상기 특정 시 특정지점에서의 청천 시 수평면 전 일사량을 산출하고,
상기 청천 시 수평면 전 일사량과, 상기 수신한 위성영상의 각 픽셀 별 측정값, 상기 지면 반사율 및 상기 구름 반사율을 기초로 결정되는 구름지수를 상기 제2 상관식에 적용하여, 구름에 의한 영향이 반영된 수평면 전 일사량을 산출하고,
상기 구름에 의한 영향이 반영된 수평면 전 일사량과, 상기 위성영상을 수신하는 때의 수증기량, 오존량, 및 에어로졸량을 상기 제3 상관식에 적용하여, 대기에 의한 영향이 반영된 상기 특정 시 특정지점에서의 최종 수평면 전 일사량을 산출하는 수평면 전 일사량 산출부를 더 포함하는 것을 특징으로 하는 위성영상분석모델 생성 시스템. - 제1항 내지 제3항, 제5항 내지 제8항 중 어느 한 항의 방법을 컴퓨터로 실행시킬 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2017/013950 WO2019107622A1 (ko) | 2017-11-30 | 2017-11-30 | 인공신경망 기법을 이용한 일사량 산출을 위한 위성영상분석모델 생성 방법 및 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200075881A KR20200075881A (ko) | 2020-06-26 |
| KR102404712B1 true KR102404712B1 (ko) | 2022-06-29 |
Family
ID=66664067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020207016260A KR102404712B1 (ko) | 2017-11-30 | 2017-11-30 | 인공신경망 기법을 이용한 일사량 산출을 위한 위성영상분석모델 생성 방법 및 시스템 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102404712B1 (ko) |
| WO (1) | WO2019107622A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102454007B1 (ko) * | 2022-03-16 | 2022-10-14 | 대한민국 | 인공위성 관측 자료를 이용한 인공지능 기반 일사량 산출 장치 및 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010217107A (ja) | 2009-03-18 | 2010-09-30 | Pasuko:Kk | 日射量の評価方法および評価装置 |
| JP5059073B2 (ja) | 2009-09-07 | 2012-10-24 | 一般財団法人日本気象協会 | 日射量予測装置、方法及びプログラム |
| JP2013044572A (ja) | 2011-08-22 | 2013-03-04 | Kansai Electric Power Co Inc:The | 日射量推定装置及び日射量推定方法 |
| JP5423096B2 (ja) | 2009-03-27 | 2014-02-19 | 富士通株式会社 | 衛星画像シーンの晴天判別装置、判別方法、判別プログラム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6167155A (en) * | 1997-07-28 | 2000-12-26 | Physical Optics Corporation | Method of isomorphic singular manifold projection and still/video imagery compression |
| JP3751737B2 (ja) * | 1998-01-21 | 2006-03-01 | 富士通株式会社 | 衛星画像データを用いた日射量推定システム、方法及び記録媒体 |
| US20110282514A1 (en) * | 2010-05-07 | 2011-11-17 | Michael Ropp | Systems and methods for forecasting solar power |
| KR101383617B1 (ko) | 2012-08-09 | 2014-04-17 | 연세대학교 산학협력단 | 일사량 예측 방법 및 장치 |
| KR102326375B1 (ko) * | 2015-05-14 | 2021-11-22 | 한국에너지기술연구원 | 일사량 누락 데이터 생성 장치 및 방법 |
-
2017
- 2017-11-30 WO PCT/KR2017/013950 patent/WO2019107622A1/ko active Application Filing
- 2017-11-30 KR KR1020207016260A patent/KR102404712B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010217107A (ja) | 2009-03-18 | 2010-09-30 | Pasuko:Kk | 日射量の評価方法および評価装置 |
| JP5423096B2 (ja) | 2009-03-27 | 2014-02-19 | 富士通株式会社 | 衛星画像シーンの晴天判別装置、判別方法、判別プログラム |
| JP5059073B2 (ja) | 2009-09-07 | 2012-10-24 | 一般財団法人日本気象協会 | 日射量予測装置、方法及びプログラム |
| JP2013044572A (ja) | 2011-08-22 | 2013-03-04 | Kansai Electric Power Co Inc:The | 日射量推定装置及び日射量推定方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102454007B1 (ko) * | 2022-03-16 | 2022-10-14 | 대한민국 | 인공위성 관측 자료를 이용한 인공지능 기반 일사량 산출 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019107622A1 (ko) | 2019-06-06 |
| KR20200075881A (ko) | 2020-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10832390B2 (en) | Atmospheric compensation in satellite imagery | |
| Kosmopoulos et al. | Dust impact on surface solar irradiance assessed with model simulations, satellite observations and ground-based measurements | |
| Benas et al. | The MSG-SEVIRI-based cloud property data record CLAAS-2 | |
| US9921105B2 (en) | Mobile cellular spectroscopy | |
| Garvelmann et al. | From observation to the quantification of snow processes with a time-lapse camera network | |
| Tokola et al. | Use of topographic correction in Landsat TM-based forest interpretation in Nepal | |
| Tan et al. | A comparison of radiometric correction techniques in the evaluation of the relationship between LST and NDVI in Landsat imagery | |
| CN105424188B (zh) | 评估环境光中的光谱贡献以及校正视场误差的系统和方法 | |
| Yoon et al. | Evaluation of hourly solar radiation on inclined surfaces at Seoul by Photographical Method | |
| Back et al. | A rapid fine-scale approach to modelling urban bioclimatic conditions | |
| Hulley et al. | Moderate Resolution Imaging Spectroradiometer (MODIS) land surface temperature and emissivity product (MxD21) algorithm theoretical basis document collection-6 | |
| Alonso et al. | Sky camera imagery processing based on a sky classification using radiometric data | |
| Sola et al. | Synthetic images for evaluating topographic correction algorithms | |
| Zhang et al. | A novel method for estimating shortwave direct radiative effect of above-cloud aerosols using CALIOP and MODIS data | |
| Sur et al. | Prognostic and diagnostic assessment of hydrological drought using water and energy budget-based indices | |
| KR102404712B1 (ko) | 인공신경망 기법을 이용한 일사량 산출을 위한 위성영상분석모델 생성 방법 및 시스템 | |
| Seiz et al. | Cloud mapping with ground‐based photogrammetric cameras | |
| CN111175231B (zh) | 冠层植被指数的反演方法、装置及服务器 | |
| Zarate-Valdez et al. | Estimating light interception in tree crops with digital images of canopy shadow | |
| Valdelomar et al. | Comparison of two different techniques to determine the cloud cover from all-sky imagery | |
| JP6856066B2 (ja) | 情報処理装置、情報処理システム、情報処理方法およびコンピュータプログラム | |
| Rajagukguk et al. | Sun-blocking index from sky image to estimate solar irradiance | |
| Grimming | Uncooled Microbolometer Imaging Systems for Machine Vision | |
| Vazquez Navarro | Life cycle of contrails from a time series of geostationary satellite images | |
| Shin et al. | Estimation of LAI in the forested watershed using ASTER data based on Price’s model in summer and winter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |