KR20200059085A - 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법 - Google Patents

해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법 Download PDF

Info

Publication number
KR20200059085A
KR20200059085A KR1020180143964A KR20180143964A KR20200059085A KR 20200059085 A KR20200059085 A KR 20200059085A KR 1020180143964 A KR1020180143964 A KR 1020180143964A KR 20180143964 A KR20180143964 A KR 20180143964A KR 20200059085 A KR20200059085 A KR 20200059085A
Authority
KR
South Korea
Prior art keywords
temperature
data
sea level
sea
satellite
Prior art date
Application number
KR1020180143964A
Other languages
English (en)
Inventor
박경애
우혜진
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020180143964A priority Critical patent/KR20200059085A/ko
Publication of KR20200059085A publication Critical patent/KR20200059085A/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
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming

Abstract

본 발명은 해양 표층 표류부이 수온 관측 자료와 인공위성 가시영상 및 적외 영상자료를 활용하여 해수면온도를 산출하기 위한 방법에 관한 것으로서, 더욱 상세하게는 인공위성과 해양 실측 자료간의 시간과 공간적으로 가까운 일치점 데이터베이스를 생산하고, 구름제거 기술을 개발하여, 해수면온도 산출에 필요한 계수를 유도하는 일련의 기술을 포함하고 있다. 아울러, 인공위성 빅데이터 조작기술, 해양관측 수온 품질 관리 기술, 위성 영상 내 구름 혹은 구름으로 오염된 화소 제거기술, 위성천정각과 태양천정각을 고려하여 노이즈가 많은 화소를 제거하는 기술, 및 이들 기술을 기반으로 강력 선형회귀통계기법을 적용하여 해수면온도 산출 계수를 경험적으로 유도하는 전체적인 기술들을 포함하고 있다. 해수면온도 산출 결과를 출력하는 단계를 포함하여 해수면온도의 높은 정확도 구현이 가능하며 이후 유관 분야에 활발하게 사용될 수 있는 효과가 있다.

Description

해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법 {A Method for Sea Surface Temperature Retrieval using Surface Drifter Temperature Data and Satellite Infrared Images}
본 발명은 해양 표층 표류부이 수온 관측 자료와 인공위성 가시영상 및 적외 영상자료를 활용하여 해수면온도를 산출하기 위한 방법에 관한 것으로서, 더욱 상세하게는 인공위성과 해양 실측 자료간의 시간과 공간적으로 가까운 일치점 데이터베이스를 생산하고, 구름제거 기술을 개발하여, 해수면온도 산출에 필요한 계수를 유도하는 일련의 기술을 포함하고 있다. 아울러, 인공위성 빅데이터 조작기술, 해양관측 수온 품질 관리 기술, 위성 영상 내 구름 혹은 구름으로 오염된 화소 제거기술, 위성천정각과 태양천정각을 고려하여 노이즈가 많은 화소를 제거하는 기술을 포함하며, 이들 기술을 기반으로 강력 선형회귀통계기법을 적용하여 해수면온도 산출 계수를 경험적으로 유도할 수 있다.
해수면온도는 해양-대기 상호작용, 기후 변화 등 해양과 대기의 현상을 이해하는 가장 중요한 변수 중 하나이다. 위성 관측 휘도온도에서 산출된 전구 해수면온도는 기상 예측뿐만 아니라 기후 예측 분야에도 응용되어 왔다. 극궤도 위성과 정지 궤도 위성에 탑재된 적외선 센서는 상대적으로 높은 공간 해상도(극궤도)와 시간 해상도(정지 궤도)의 전지구 해수면온도장을 제공할 수 있어 해양 현상과 해양 현상의 일변동 연구를 가능하게 하였다. 미국 국립해양대기청(National Oceanic and Air Administration)의 GOES(Geostationary Operational Environmental), 유럽기상위상센터 (European Organisation for the Exploitation of Meteorological Satellites)의 MSG(Meteosat Second Generation), 일본 기상청(JMA)의 Himawari와 같은 정지 위성들 모두 해양 연구 및 현업을 위해 고빈도 해수면 영상을 제공하고 있다.
위성으로 관측한 휘도온도를 활용해 해수면온도을 산출하는 알고리즘을 1970년대에 제안한 이후로 지난 수십년 동안 해수면온도 알고리즘 개발에 관한 몇몇 연구가 제안되었다. 현업에서 부분 활용되는 해수면온도인 다중 채널 해수면온도(MCSST)와 비선형 해수면온도(NLSST) 알고리즘은 대표적인 경험 회귀 알고리즘이다. MCSST와 NLSST를 기반으로 한 다양한 알고리즘이 더 정확한 해수면온도 산출을 위해 평가되고 개발되고 있다. 또한 해수면 산출을 위해 쓸 수 있는 채 널이 늘어남에 따라 해수면온도는 인공위성 센서에 대해 최적화된 경험적 회귀 알고리즘을 적용하여 도출되었다. MCSST와 NLSST의 회귀 방법은 정지궤도 위성뿐만 아니라 극궤도 위성에서도 여전히 널리 사용되고 있다. 수치예보모델(NWP model)장을 이용한 복사 전달 모델(RTM)로부터 실시간으로 모의된 밝기온도 자료를 활용한 물리적인 알고리즘 또한 현업에서 해수면온도 자료를 생산하기 위해 개발되었다. 천리안위성(COMS)은 2010년 6월 27일에 발사되어 서태평양과 주변 해역인 동중국해, 황해, 동해(일본해), 남중국해, 인도양 동쪽 일부를 포함한 경도 128.2°E 적도 상에 위치한다.
COMS 의 MI (Meteorological Imager)는 2010년 이래로 지난 8년동안 현업에서 운용되어 왔다. COMS/MI 의 관측 해역은 열대 인도양과 서태평양 온난해수역 (warm pool) 및 대표적인 서안 경계류 중 하나인 쿠로시오 해류를 포함하고 있어 매우 중요하다. 가장 활발한 대기 대류와 함께 28℃ 정도의 매우 따듯한 해수면온도를 특징으로 하는 warm pool 지역은 기후 변화에 강한 영향을 끼친다.
또한 쿠로시오 해류는 열대 해양에서 중위도로 많은 양의 열을 운반하며 지구 해양 순환에 중요한 역할을 한다. 이러한 이유들로 아시아 태평양 지역의 몇몇 국가는 COMS/MI 데이터를 수신하여 일기 예보 및 다양한 해양 및 대기 현상의 연구 목적으로 이용하고 있다. 이 지역에서 해수면온도가 중요함에도 불구하고 COMS/MI 관측 해수면온도는 제한적으로 사용되었다. 그 이유 중 하나는 COMS/MI 해수면온도 산출에 쓰이는 계수를 사용할 수 없다는 것이다. COMS의 8년 데이터 베이스를 고려할 때 COMS/MI 관측 해수면온도 자료를 활용하여 연속적인 시계열 자료를 얻을 수 있을 것으로 기대된다. 따라서 COMS/MI 해수면온도 자료를 이용한 해양 현상을 이해하고 서 태평양에서 해수면온도 산출에 기여하기 위해 해수면온도 산출 계수를 제시할 필요가 있다.
본 발명은 전술한 종래기술의 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 COMS 위성 자료와 실측 관측간의 일지첨 자료를 생성하고, 회귀 분석시 구름에 의해 오염된 픽셀을 제거하고, 기존 알고리즘을 이용한 해수면온도 산출하여 특성을 비교하고, COMS 자료에 대한 MCSST 및 NLSST의 계수를 제시하고, 한반도 주변의 해수면온도의 특성을 파악하며, 표층 뜰개 부이 자료를 활용하여 위성 산출 해수면온도 자료의 정확도를 평가하는 방법을 제공하기 위한 것이다.
본 발명은, 상술한 목적을 달성하기 위하여 위성 및 해양관측 자료를 다음 일련의 단계와 같이 수집하고 분석한다. 본 발명에 의한 해양 표층 해수면온도 산출 방법은, 인공위성으로 획득한 영상에서 구름 오염 및 문제 화소를 제거하는 단계; 를 포함한다. 아울러, 상기 단계는, 반사율 임계값 시험은 주간 가시영역 채널에서 측정한 알베도가 5%를 초과하면 구름에 의해 오염된 것으로 판단하는 단계 IR1 채널 휘도온도가 -3.5 o C 이하인 화소를 제거하는 단계, 균일성 시험에서, 3×3 격자 내의 알베도 및 위도온도의 최대값과 최소값의 차이 또는 표준 편차가 특정 임계값을 초과하면 제외하는 단계, 얇은 권운에 대한 추가 시험은 IR1의 휘도온도 함수로서 임계값을 부여하여 구름을 제거 하는 단계, SWIR과 IR2 채널 간의 휘도온도 차이를 사용하여 고도가 낮은 구름을 제거하는 단계, IR4 채널의 휘도온도에 따라 임계값을 결정하는 단계, 구름과 해면의 공간적 특성의 차이를 고려하여, IR1 채널의 휘도온도를 지난 10일동안의 IR1 채널의 최대 휘도온도와 비교하여 구름 픽 셀을 제거하는 단계, 구름 제거 외에도, 태양반사각이 15° 미만이고 위성천정각이 60° 보다 큰 픽셀을 일치점 자료에서 제거하는 단계의 하위단계를 포함한다.
본 발명에 의하면, COMS 위성 자료와 실측 관측간의 일지첨 자료를 생성하고, 회귀 분석시 구름에 의해 오염된 픽셀을 제거하고, 기존 알고리즘을 이용한 해수면온도 산출하여 특성을 비교하고, COMS 자료에 대한 MCSST 및 NLSST의 계수를 제시하고, 한반도 주변의 해수면온도의 특성을 파악하며, 표층 뜰개 부이 자료를 활용하여 위성 산출 해수면온도 자료의 정확도를 평가하는 방법을 제공하여 해수면온도의 정확한 산출이 가능하다.
아울러, 본 연구에서 제안한 기술을 이용하여 인공위성 해수면온도를 산출함으로써 해양 현상을 이해하고 아시아 태평양 지역의 해수면온도 기후장을 생산하는 데 활용할 수 있을 것으로 기대된다.
또한, 본 발명은 해수면온도의 높은 정확도 구현이 가능하며 각 단계에 최적 응용기술을 제시하고 있어서 해수면온도와 관련된 분야에 파생효과가 지대하여 이후 유관 분야에 활발하게 사용될 수 있다. 예를 들어 지구온난화와 기후변화와 그 파급력에 관심있는 기업들, 해양 환경 변화 모니터링 산업화에 관심입는 기업들, 특히 기온 및 해수의 온도에 영향을 받는 기업들 및 국기기관(기상관련 기관 및 연구소, 해양관련 기관 및 연구소, 대학 등)와 그 외 기업들에 기초 정보 제공하여 응용기술 정착 사업화에 경쟁력을 유도하는 효과가 있다.
도 1은 위성 해수면온도 산출을 위한 순서도,
도 2는 COMS/MI 관측 영역에서의 (a) 수심, (b) 겨울철 수온 기후장 및 (c) 여름철 수온 기후장,
도 3은 COMS/MI 관측 자료와 표층 뜰개 부이 실측 자료의 일치점 (a) 공간 분포 및 (b) 월별 분포, (c) 시간별 분포, (d) 위도별 분포, (e) 실측 수온별 분포,
도 4는 실측 수온 자료에 대한 OSI SAF 알고리즘 적용 위성 해수면온도 자료의 오차 ((a) 낮, (b) 밤), MCSST 알고리즘 적용 위성 해수면온도 자료의 오차 ((c) 낮, (d) 밤), NLSST 알고리즘 적용 위성 해수면온도 자료의 오차 ((e) 낮, (f) 밤),
도 5는 실측 수온과 위성 산출 해수면온도 비교 ((a) MCSST (낮), (b) MCSST (밤), (c) NLSST (낮), (d) NLSST (밤)),
도 6은 위성 산출 해수면온도와 실측 수온 차의 공간 분포 ((a) MCSST (낮), (b) MCSST (밤), (c) NLSST (낮), (d) NLSST (밤)),
도 7은 풍속에 대한 위성 해수면온도 자료의 오차 ((a) MCSST (낮), (b) MCSST (밤), (c) NLSST (낮), (d) NLSST (밤)),
도 8은 위성천정각에 대한 위성 해수면온도 자료의 오차 ((a) MCSST (낮), (b) MCSST (밤), (c) NLSST (낮), (d) NLSST (밤)),
도 9는 위도에 대한 위성 해수면온도 자료의 오차 ((a) MCSST (낮), (b) MCSST (밤), (c) NLSST (낮), (d) NLSST (밤)),
도 10은 연안에서의 거리에 따른 위성 해수면온도 자료의 오차 ((a) MCSST (낮), (b) MCSST (밤), (c) NLSST (낮), (d) NLSST (밤)),
도 11은 위성 산출 해수면온도 정확도 평가 ((a) MCSST (낮), (b) MCSST (밤), (c) NLSST (낮), (d) NLSST (밤)),
도 12는 위성 산출 해수면온도와 실측 수온 차의 공간 분포 ((a) MCSST (낮), (b) MCSST (밤), (c) NLSST (낮), (d) NLSST (밤)),
도 13은 (a) 위성 산출 해수면온도 합성장 예시 및 (b) OSTIA 합성장 자료와의 비교. (c) 한반도 주변 해역 위성 산출 해수면온도 합성장, (d) 한반도 주변 해역 OSTIA 합성장과의 비교를 나타낸 것이다.
이하, 본 발명의 실시예를 나타내는 첨부 도면을 참조하여 본 발명을 더욱 상세히 설명한다.
우선, 본 발명에 의한 위성 자료 해양 표층 해수면온도 산출 방법에서 사용된 자료는 위성 자료, 실온 수온 측정 자료, 풍속, 일일 해수면온도이며, 각각을 설명하면 아래와 같다.
1) 위성 자료
COMS/MI는 하나의 가시 채널 (VIS, 0.55 μm-0.80 ㎛)과 4개의 적외선 채널 (단파 (SWIR), 3.5 μm- 4.0 μm, 수증기 (WV), 6.5 μm-7.0 μm, 적외선 1 (IR1), 10.3 11.3 ㎛, 적외선 2 (IR2), 11.5 ㎛-12.5 ㎛) 을 가지고 있다. MI의 공간 해상도는 가시 채널에서 1km이고 적외선 채널에서는 4km이다(표 1). COMS/MI는 전구 영상의 경우 3시간마다, 한반도를 포함한 국지 영상의 경우 매 15분마다 대기 상부 열적외 및 가시 복사도를 제공한다. 우리는 2011년 4월부터 2015년 3월까지 COMS/MI의 전구 영상 (full disk) Level1B 자료를 사용하여 해수면온도 산출을 위한 계수를 도출하고 도출된 해수면온도의 유효성을 검증한다.
Figure pat00001
<표 1>
2) 실측 수온 측정 자료
위성 뜰개 부이 및 계류 부이에서 관측한 수온 자료를 수집하였다. 이 자료는 세계기상기구 (WMO)의 Global Telecommunication System(GTS)을 통해 배포되고 있다. 위성 뜰개 부이의 대부분은 약 20cm 깊이의 수온를 측정하는 반면, 계류 부이는 부이 종류 및 설치 위치에 따라 수십 cm에서 수 미터 깊이에서 수온을 측정한다.
따라서 우리는 위성 해수면온도 계수를 추정하고 산출된 위성 해수면온도의 정확도 검증을 위해 위성 뜰개 부이에서 관측된 수온 자료만을 사용하였다. GTS를 통해 얻은 실측 수온 자료에는 관측 오차 및 비이상적인 관측값이 포함될 수 있다. 따라서 위성 산출 해수면온도의 검보정을 위해서는 실측 수온의 품질 관리 절차가 필수적이다. 이 연구에서는 기상청에서 개발된 일련의 품질 관리 절차를 적용하여 관측 오차 및 비이상적인 관측 값을 제거하였다.
품질관리절차는 각 부표에 대해 개별적으로 수행되었다. 우선, 하루 동안 10번 미만으로 관측되었거나 하루 중 최고와 최저 수온의 차가 0℃ 이거나 또는 4℃ 보다 큰 경우 제거 되었다. 시간 연속성 시험은 하루 평균 수온값과 표준편차를 활용하여 검사가 수행되었다. 부이 실측 자료의 엄격한 품질관리를 위해 4일간의 자료를 활용하여서도 시간 연속성 시험을 반복하였다. 마지막으로 4일간 자료의 표준편차가 0℃ 또는 2℃ 이상인 경우 해당 기간의 모든 자료가 제거되었다. 이러한 품질관리절차는 실측 자료의 오차를 크게 줄일 수 있었다. AATSR (Advanced Along Track Scanning Radiometer), AMSR-E (Advanced Microwave Scanning Radiometer) 및 부이 수온 자료에 대하여 3방향 오차분석기법(triple collocation method)을 사용하여 추정된 부이 수온의 불확실성은 0.23℃이다.
3) 풍속 자료
풍속은 해수면온도의 일변동 및 피층-표층 수온 차이 등을 야기하는 필수적인 매개 변수 중 하나이다. 위성에서 유도된 해수면온도의 오차를 분석하고, 바람장에 대한 관련성을 이해하기 위해 Special Sensor Microwave Imager Sounder(SSMIS)에서 관측된 풍속 자료를 사용하였다. SSMIS 풍 속 자료는 Remote Sensing System (RSS)에서 처리되고 제공되었다.
4) 일일 해수면온도 자료
NLSST 알고리즘에 사용되는 first-guess 해수면온도는 고해상도의 해수면온도 기후장 자료가 가장 이상적인 자료이다. 그러나 해양 현상의 공간 규모가 작고 시간 변동성이 큰 연안지역에서는 해 수면온도 기후장 자료를 사용해서는 안된다. 이 문제를 보완하기 위해 NLSST 알고리즘에서 흐리고 구름으로 오염 된 픽셀을 제거하고 first-guess 해수면온도를 제공하기 위해 영국 기상청 (Met Office)의 Operational Sea surface Temperature and sea-Ice Analysis (OSTIA) 자료를 수집하였다. OSTIA는 적외선 및 마이크로파 위성 해수면온도, 실측 수온 자료를 최적 보간법 (optimal interpolation)을 사용하여 고해상도 (1/20 o C)의 해수면온도 일 합성장을 제공하고 있다.
이하에서는 상기 자료를 토대로 한 본 발명에 의한 해양 표층 해수면온도 산출 방법의 단계에 대해서 설명한다.
본 발명에 의한 해양 표층 해수면온도 산출 방법은, 인공위성으로 획득한 영상에서 구름 오염 및 문제 화소를 제거하는 단계; 를 포함한다. 아울러, 상기 단계는, 반사율 임계값 시험은 주간 가시영역 채널에서 측정한 알베도가 5%를 초과하면 구름에 의해 오염된 것으로 판단하는 단계 IR1 채널 휘도온도가 -3.5 o C 이하인 화소를 제거하는 단계, 균일성 시험에서, 3×3 격자 내의 알베도 및 위도온도의 최대값과 최소값의 차이 또는 표준 편차가 특정 임계값을 초과하면 제외하는 단계, 얇은 권운에 대한 추가 시험은 IR1의 휘도온도 함수로서 임계값을 부여하여 구름을 제거 하는 단계, SWIR과 IR2 채널 간의 휘도온도 차이를 사용하여 고도가 낮은 구름을 제거하는 단계, IR4 채널의 휘도온도에 따라 임계값을 결정하는 단계, 구름과 해면의 공간적 특성의 차이를 고려하여, IR1 채널의 휘도온도를 지난 10일동안의 IR1 채널의 최대 휘도온도와 비교하여 구름 픽 셀을 제거하는 단계, 구름 제거 외에도, 태양반사각이 15° 미만이고 위성천정각이 60° 보다 큰 픽셀을 일치점 자료에서 제거하는 단계의 하위단계를 포함한다.
아울러, 적외 영상 자료와 위성천정각을 활용하여 해수면온도를 산출하는 알고리즘과 회귀식 구성에 관한 단계; 해수면온도 산출 계수를 유도하고 추정된 해수면온도 자료를 검증하기 위해 위성 관측 자료와 실측 자료 사이에 일치점 자료를 생성하기 위하여 시간적 및 공간적 차에 의해 야기된 오류를 최소화하기 위해 위성으로부터 유도된 해수면온도와 실측 온도 사이의 최대 시간 간격과 공간를 선정 하여 일치점을 생산하는 단계; 해수면온도 계수를 산츨하기 위한 선형 최소 제곱 회귀법을 적용하는 단계 및 강성 회귀(robust regression)법을 적용하는 단계; 산출된 해수면온도 계수와 해수면온도 산출 오차를 제시하는 단계; 위성천정각에 대한 해수면온도 오차 특성을 해석하는 단계; 연안으로부터 거리에 대한 해수면온도 오차 특성을 해석하는 단계; 산출된 해수면온도 자료와 기간 합성된 해수면온도 자료와 비교하는 단계;를 포함할 수 있다.
이하에서는 상기 각 단계 및 관련 기술에 대해서 설명한다.
1. 구름 오염 및 문제 화소 제거 단계 및 관련 기술
구름 픽셀 제거 과정은 인공위성 적외선 영상으로부터 해수면온도를 유도하는 데 있어 중요하고 필수적인 과정 중 하나이다.
구름으로 오염된 픽셀을 제거하기 위해 아래 표와 같이 물리적 특성에 따라 해수면과 구름 사이의 방사선 차이를 기반으로 일련의 임계값 시험를 적용하였다.
반사율 임계값 시험은 주간 가시영역 채널에서 측정한 알베도가 5%를 초과하면 구름에 의해 오염된 것으로 가정한다. IR1 채널 휘도온도가 -3.5 o C 이하인 픽셀도 제거되었다.
균일성 시험에서, 3 x 3 격자 내의 알베도 및 위도온도의 최대값과 최소값의 차이 또는 표준 편차가 특정 임계값을 초과하면 구름으로 식별된다.
얇은 권운에 대한 추가 시험은 IR1의 휘도온도 함수로서 임계값을 부여함으로써 수행되었다.
VIS 채널을 야간에 사용할 수는 없지만 SWIR과 IR2 채널 간의 휘도온도 차이를 사용하여 고도가 낮은 구름을 제거하였다. 임계값은 IR4 채널의 휘도온도에 따라 결정된다.
구름과 해면의 공간적 특성의 차이를 고려하여, IR1 채널의 휘도온도를 지난 10일동안의 IR1 채널의 최대 휘도온도와 비교하여 구름 픽셀을 제거하였다.
명백한 차이가 있는 픽셀은 잔여 구름에 의해 오염되었다고 간주되어 제거되었다. 구름 제거 외에도, 태양반사각이 15° 미만이고 위성천정각이 60° 보다 큰 픽셀을 일치점 자료에서 제거하여 잠재적인 오류를 제거하였다.
Figure pat00002
2. 해수면온도 산출 단계 및 산출식 유도 기술
다양한 식의 형태로 세분화된 MCSST 알고리즘과 NLSST 알고리즘은 해수면온도의 추정과 다양한 해양 현상의 이해에 사용되고 수치예보모델의 입력 입력자료로서 사용된다.
NLSST 알고리즘의 식은 비슷하지만 ACSPO (Advanced Clear Sky Processor for Ocean), NAVO (Naval Oceanographic Office), Pathfinder, NRL (Naval Research Laboratory)과 OSI SAF (Ocean and Sea Ice Satellite Application Facility)에 의해 제안된 바와 같이 위성천정각과 first-guess 해수면온도의 고려 사항에서 약간의 차이가 있는 것으로 보인다.
기존 해수면온도 알고리즘의 성능을 평가한 연구 중 하나는 OSI SAF의 NLSST 알고리즘이 Suomi National Polar-Orbiting Partnership의 VIIRS (Visible Infrared Imaging Radiometer Suite) 자료에 대한 해수면온도 산출에서 다른 알고리즘보다 우수하다고 제시하였다.
Figure pat00003
식 (1) 에서 식 (4)의 MCSST 및 NLSST는 지난 수십년 동안 오랫동안 널리 사용되어왔다. 여러 측면을 고려한 후 본 연구에서는 알고리즘을 선택했다. COMS / MI에 대해 최적화된 알고리즘의 해수면온도 계수를 제안하기 위해 OSI SAF의 NLSST 공식과 다음과 같이 식 (1)과 식 (2) 를 비교하여 성능 성능을 평가하였다.
Figure pat00004
BTSWIR, BTIR1, BTIR2과 은 각각 COMS/MI의 SWIR, IR1, IR2 채널로 측정한 휘도온도이다. SSTFG 는 first-guess 해수면온이다.
Figure pat00005
는 위성천정각이다. 0, 1, 2 , 3 은 회귀 분석을 통해 유도된 해수면 온도 산출 계수이다. 방정식 (3)과 (4)는 IR1, IR2 및 SWIR 영역 자료를 사용하는 MCSST 및 NLSST 방정식을 타낸다. 주간(태양천정각 =80°) 과 야간(태양천정각 >80 °) 을 구분하여 COMS/MI 관측 자료의 MCSST와 NLSST가 추정된다.
3. 일치점 자료 생성 단계 및 생성 기술
해수면온도 산출 계수를 유도하고 추정된 해수면온도 자료를 검증하기 위해 위성 관측 자료와 실측 자료 사이에 일치점 자료를 생성했다. 시간적 및 공간적 차에 의해 야기된 오류를 최소화하기 위해 위성으로부터 유도된 해수면온도와 실측 온도 사이의 최대 시간 간격과 공간 거리는 각각 30분과 4km 이내로 제한하였다. 구름에 의해 오염된 픽셀을 탐지하고 산출 해수면온도의 오차 특성을 분석하기 위해 위성 관측 휘도 온도와 실측 수온뿐만 아니라 3×3 픽셀 격자 내 표준 편차와 최대값과 최소값의 차이, 위성천정각, 태양반사각, 위성 관측 풍속 또한 일치점 자료 내에 함께 저장하였다.
4. 회귀 분석법 적용 단계 및 적용 기술
해수면온도 계수는 일반적으로 실측 수온에 대한 위성 산출 해수면온도의 제곱 오차의 합을 최 소화하는 선형 최소 제곱 회귀를 적용하여 유도된다. 그러나, 구름 검출 과정에서 통과된 픽셀 크 기보다 작은 구름이 일치점 자료에 여전히 존재하거나, 완벽하지 않은 품질관리과정으로 인하여 비이상적인 자료가 남아 있다면, 선형 최소 제곱법은 해수면온도를 추정하기에 덜 정확할 수 있다. 반면에, 강성 회귀(robust regression)는 최소 제곱 회귀와 비교할 때 이상치에 대한 민감도가 상대적으로 낮다. 따라서 MCSST와 NLSST의 계수는 COMS / MI의 휘도온도와 실측 수온 사이의 강성 회귀에 의해 유도되었다.
강력한 회귀 분석의 경우, M- 추정량은
Figure pat00006
의 견고한 추정치를 얻기 위해 다음 함수를 최소화 함으로써 정의된다.
Figure pat00007
는 회귀의 i번째 잔차이고 τ 는 스케일 인자이다. ρ()는 최대 우도 함수와 관련이 있다.
Figure pat00008
에 대 한 ρ의 미분을 ø()라고 하면,
Figure pat00009
는 다음과 같이 풀 수 있다.
Figure pat00010
이 방정식을 쉽게 풀기 쉽게하려면 ø를 다음과 같은 가중 함수로 대체해야 한다.
Figure pat00011
가중치 함수는 회귀의 잔차에 의존하므로 솔루션을 직접 얻을 수 없다. 그러므로, 가중 최소 제곱의 방법을 기준이 충족될 때까지 반복 수행하여야 한다. 이 연구에서 해수면온도 산출을 위한 계수는 강성 회귀 기법에서 가장 보편적인 방법인 bisquare 가중 함수를 적용하여 결정되었다.
5. 일치점 자료 특성 분석 단계 및 분석 기술
COMS/MI와 실측 수온 사이에서 총 284,175개의 일치점 자료가 2011년 4월부터 2015년 3월에 걸쳐 획득되었다. 전체 COMS/MI 관측영역에서 일치점 자료가 생성되었으나 자료의 공간 밀도 분포는 일정하지 않다[도3].
예를 들어, 필리핀 해와 호주의 북서부 지역에서는 1000개 이상의 일치점 자료가 생성된 반면 적도 지역의 경우 일치점 자료가 거의 없는 것을 볼 수 있다. 이러한 일치점 자료의 공간 분포는 지형, 구름의 존재 및 해류의 분포에 영향을 받았다. 일치점 자료 수의 월별 특성은 7월에 17,717개로 가장 적었고, 10월에 31,692개로 가장 많았다.
관측 시간에 대해서는 23시를 제외하고는 매시간 7,000개 이상의 일치점 자료가 생성되었다. 일치점 자료의 위도 분포는 북반구에서는 15°N ~ 30°N 사이, 남반구에서는 10°S ~ 20°S 사이에 분포되어 있었다. 그러나 일치점 자료는 적도 지역과 40 o 이상의 고위도에서는 거의 생산되지 않았다.
6. COMS/MI의 해수면온도 계수 유도 및 평가 단계 및 기술
OSI SAF 알고리즘을 활용하여 추정된 해수면온도의 RMSE는 낮과 밤에 각각 0.55℃와 0.63℃로 상대적으로 작다. 그러나 OSI SAF의 NLSST는 특히 약 10℃ 미만의 낮은 해수면온도 범위에서 큰 차이를 나타냈다. 또한 주간 OSI SAF의 NLSST 오류는 약 0.5 o C~1.5 o C의 저온에서 양의 값을 보인 현저한 과대 평가 경향을 나타냈다. 해수면온도의 그러한 과대추정은 수온이 15℃ 에서 5℃ 로 감소함에 따라 증폭되는 것으로 보인다.
해수면온도는 한반도, 특히 동해 북부, 보하이해, 북한 황해 동부에서 해수면온도가 0℃ 보다 매우 낮기 때문에 낮은 온도 범위의 해수면온도에서 과대 추정되는 것은 대기 및 해양 분야에서의 연구뿐만 아니라 일기 예보를 위한 사용에 심각한 잠재적인 문제를 야기 할 수 있다. 해수면온도 자료의 지역적 사용의 관점에서, 국외기관에서 제안된 알고리즘을 한국 주변의 바다에 적용하는 것은 적절하지 않을 수 있다. 따라서 본 연구는 극궤도 위성의 해수면온도 추정에 오랫동안 적용 되었던 방정식 (1)과 (2)의 식을 사용하여 해수면온도 정확도를 조사하였다.
표의 마지막 두 열의 값은 MCSST 및 NLSST의 RMSE 및 편차를 나타낸다. RMSE의 범위는 알고리즘과 시간에 따라 0.29 o C에서 0.71 o C이다. [도3]은 OSI SAF의 알고리즘에 대한 실측 해수면온도 의 함수로 추정된 해수면온도와 실측 해수면온도차를 주간과 야간으로 나누어 나타내었다.
OSI SAF 알고리즘을 활용하여 유도된 해수면온도의 중요한 특징 중 하나는 낮은 수온 범위, 특히 10° C 미만에서 찾을 수 있다. OSI SAF 알고리즘은 낮은 해수면온도의 높은 과대 평가를 초래했다. 본 연구의 MCSST 및 NLSST 공식은 낮은 해수면온도 범위에서 그러한 과대 평가 문제를 드러내지 않는다.
주간 및 야간에 관계없이 MCSST는 대부분의 실측 수온 범위에서 편차가 거의 나타나지 않았다. 이는 현재의 MCCST 알고리즘이 저온 범위에서 과대 평가되는 경향을 해결하는 데 기여할 수 있음을 의미한다. NLSST의 경우 매우 차갑고 건조한 대기 조건이 계수 추정에 충분히 반 영되지 않았기 때문에 저온 범위 (<10°C)에서 약간 과대 평가되었다.
NLSST 알고리즘의 다른 특성은 25°C 이상의 고온 범위에서 MCSST에서 나타난 음의 편차 특성이 사라진 점이다. NLSST 알고리즘은 고온에서 수증기의 비선형 효과를 감소시키는 것으로 보인다. 따라서 본 연구에서는 일 반적인 MCSST 알고리즘과 NLSST 알고리즘을 적용하여 COMS/MI의 해수면온도 계수를 추정하고 해수면온도의 오차 특성을 분석한 후 정확도를 검증했다.
Figure pat00012
7. 해수면온도의 정확도와 오차의 공간 분포 조사 단계 및 기술
주간 및 야간 MCSST 및 NLSST는 2011년 4월부터 2014년 3월까지 3년간 위성 뜰개 부이의 실측 해수면온도와 비교되었다. MCSST와 NLSST 모두 상관 계수가 0.98 이상으로 실측 수온과 높은 일치성을 보였다. 실측 해수면온도와 관련하여 MCSST는 주간과 야간 모두에서 각각 -0.02°C와 - 0.04°C의 매우 작은 음의 편차를 보였다. 주간과 야간의 NLSST는 각각 -0.01℃와 -0.08℃의 편차를 보였다.
이것은 감지되지 않은 권운과 픽셀보다 작은 구름 및 비정상적인 대기 조건의 영향으로 인한 것일 수 있다. NLSST의 RMSE는 주간에 0.58 o C이고 야간에 0.71 o C로 MCSST의 RMSE (주 간 0.67℃, 야간 0.79℃)보다 작았으며 이는 이전 연구에서의 결과와 유사하다.
[도 6]은 주간 및 야간에 5°Х5° 격자 내에서 위성 해수면온도(MCSST 및 NLSST)와 실측 수온 사이의 차에 대한 공간 분포를 보여준다. 적도 해역의 일부에서는 구름이 지속적으로 존재함에 따 라 결과가 생성되지 않았다. 전반적으로, 저위도에서 -0.5 ℃ 를 초과하는 음의 편차가 확인된 경우를 제외하고는 전체 영역에서 ± 0.5 ℃ 이내의 편차가 나타났다. 위성에서 산출한 해수면온도는 호주 주변의 바다에서 과대 평가되는 경향이 있다.
반면에, 북서 태평양에는 작은 편차가 있다. 평균 편차의 공간 분포는 MCSST와 NLSST 사이에서 유사하다. NLSST는 주간 및 야간 모두 MCSST보다 작고 균일한 편차 특성을 나타낸다.
8. 풍속에 대한 해수면온도의 오차 특성 분석 단계 및 기술
상부 해양에서의 수온의 수직 구조는 태양 복사, 풍속, 해류 시스템 등에 의해 영향을 받는다. 특히 낮은 풍속과 높은 일사량 조건 하에서 상부 대양의 주간 수온약층이 강화될 수 있다. 위성 적외선 센서는 약 10㎛의 깊이에서 피층 온도를 관측하며, 부이는 수심을 약 1m 깊이 내에서 수 온을 측정한다. 그러므로 부이 온도에 대한 위성 산출 해수면온도의 오차는 풍속에 따라 다른 특성을 나타낼 수 있다.
[도 7]에서 각 패널은 SSMIS에서 관측된 풍속에 대하여 COMS/MI 산출 해수면온와 위성 뜰개 부이 관측 수온 자료의 차를 나타낸다. 주간 및 야간 MCSST 오차는 [도 7a] 및 [도 7b]에 도시된 것처럼 뚜렷한 경향성을 나타내지 않았다. NLSST 오차 또한 MCSST와 유사한 특성을 나타내었다 ([도 7c] 및 [도 7d]). 본 연구에서 계산된 해수면온도는 약 20 cm 깊이에서 관찰 된 위성 뜰개 부이 온도에 회귀법을 적용하여 계수가 유도됨에 따라 산출 해수면온도는 약 10 ~ 수십 cm 깊이 를 대변한다. 엄밀히 말하자면, 이 연구에서 COMS/MI 관측 자료로부터 유도된 해수면온도는 피층 수온이라고 불릴 수 없으며, 약 20cm 깊이의 표류 부표 온도 또한 일주 변동과 관계없는 온도가 아니다. 이러한 이유 때문에 [도 7]의 COMS/MI 해수면온도의 오차는 풍속과 관련하여 기존 연구결과와 달리 풍속에 둔감하였다.
9. 위성천정각에 대한 해수면온도의 오차 특성 분석 단계 및 기술
정지위성 영상의 공간 범위는 약 ± 60° 의 위도 및 경도 한계로 광범위하다. 따라서, 산출된 해수면온도의 정확도에 위성천정각의 영향이 있는지 조사 할 필요가 있다. 해수면온도 계수 유도 과정에서 위성천정각 (> 60°)이 큰 범위에서는 일치점 자료를 제거하여 위성천정각과 관련된 예측할 수 없는 오류를 방지하였다. 위성천정각에 대한 일치점 자료 수를 조사한 결과 주로 20 ~ 50° 의 범위에 분포했다. 이 범위에서는 위성 해수면온도의 편차가 0℃ 에 가까운 무시할 수 있는 값을 나타냄으로써 MCSST 및 NLSST 모두 위성천정각에 대한 해수면온도 편차의 분포에 유의한 경향이 없었다. 반면 MCSST와 NLSST 둘 다에 대해 10° 미만의 작은 위성천정각 값에서 약간의 음의 편차 (< 0.3℃)가 나타났다. 그러나 적도 근처에서 적은 수의 일치점 자료를 고려하면, 해수면온도 오차에 대한 위성천정각 효과의 전반적인 기여는 사소한 것으로 보인다.
위성천정각과 관련된 추가적인 보정항을 포함하는 NLSST 방정식은 해수면온도 계수의 유도에서 위성천정각 값의 제한을 두지 않았다. COMS/MI의 해수면온도 정확도에 대한 위성천정각 효과를 조사하기 위해, 모든 위성천정각 범위에서 예비적으로 유도되었다. [도 8a-8d]와 유사하게, 야간 및 주간 데이터에 대해 20° ~60° 의 범위에서 실측 해수면온도로부터의 위성 해수면온도의 차이가 매우 작았다. 그러나, 평균 차이는 위성 관측 영역의 경계 부근인 높은 위성천정각에서 약 -1℃까지 음의 편차를 나타내었다.
해수면온도 오차에 대한 위성천정각 효과를 조사하기 위해 회귀 절차에서 위성천정각 범위가 80 미만인 모든 일치점 자료를 포함했다. [도 8]은 녹색과 파란색으로 표시된 MCSST 및 NLSST에 대해 20° ~ 80° 의 위성천정각 값의 함수로서 해수면온도 오차를 보여준다. 주간에서 MCSST의 평 균 오차는 [도 8e]에 표시된 것과 같이 NLSST의 평균 오차보다 컸다. 그러나 NLSST 오류의 감소 효과는 야간 60° 미만의 위성천정각 범위에서 동일한 오차를 보여줌으로써 사라졌다. 이는 일치점 자료를 활용한 해수면온도 계수 유도 과정과 해수면온도 산츨 단계 모두에서 높은 위성천정각 영역의 자료를 제거하지 않으면 위성천정각에 대한 오차가 포함될 수 있음을 의미한다. 그러므로, 본 연구의 알고리즘은 해수면온도 정확도를 유지하기 위해 높은 위성천정각 값을 갖는 바람직하지 않은 픽셀을 제거함으로써 작은 범위의 위성천정각(<60°)에만 적용될 수 있다.
위성천정각에 대한 추가적인 단일 보정항이 포함되면, [도 8e와 8f]에서 빨간색 선으로 표시된 것처럼 MCSST 및 NLSST 알고리즘에 대해 훨씬 작은 오차를 보여줌으로써 추정된 해수면온도의 과소 평가가 사라졌다. 그러나 추가적인 보정항이 해수면온도 산출식에 포함되어 있더라도 저온에서 해수면온도의 심각한 양의 편차를 나타냄에 따라 본 연구에서는 식 (1) ~ (4)에 나타난 바와 같이 해수면온도 유도식에서 위성천정각의 단일 보정항을 선택하지 않았다.
10. 위도에 대한 해수면온도의 오차 특성 분석 단계 및
[도 9]는 해수면온도 잔차(위성 해수면온도 - 부이 실측 수온)를 위도에 따라 나타내었다. 전반적으로 MCSST 잔차는 위도에 특정 의존성이 있지만 ([도 9a]과 [도 9b]) [도 9c] 및 [도 9d]의 NLSST 잔차는 특히 야간에 위도에 따른 오차 특성이 나타나지 않았다. MCSST는 적도 해역에서 약간 음의 편차를 보였으며, 남반구와 북반구 모두 극쪽으로 갈수록 양의 편차로 변화하였다. [도 9a]에서 추측할 수 있듯이, MCSST는 북반구와 비교하여 남반구에서 실측 해수면온도보다 높다. 이것은 북반구의 중위도 지역에서의 일치점 자료가 집중되어 있는 것과 관련이 있을 수 있다. [도 8]의 결과는 위도에 대한 오차의 특성이 나타나지 않는다고 결론 지었다. 이는 유도된 계수가 심각한 위도에 의한 영향 없이 MCSST와 NLSST의 추정에 적용될 수 있음을 제시한다.
11. 연안으로부터 거리에 따른 해수면온도의 오차 특성 평가 단계 및 기술
연안 지역의 해수면온도 오차 특성을 분석하기 위해 해안으로부터의 거리에 대한 해수면온도 오차의 평균 편차와 표준 편차를 조사했다 ([도 10)). 주간 및 야간에 관계없이 COMS/MI 해수면온도의 오차는 모든 알고리즘에 대해 먼 바다(> 10km)에서는 오차 특성이 나타나지 았았다. 그러나 10km 미만의 거리에서 음의 편차가 나타난다는 것은 주목할만한 사실이다. 해안선에 가까워지면서 오차가 커져서 음의 편차가 심하게 나타났다 (<0.3℃). 이것은 복잡한 해안 지형과 같은 다양한 원인에 의해 유발될 수 있다.
10km 이내의 해안 지역에서는 4km 해상도의 COMS / MI에서 관측된 자료는 육지에 의한 영향이 포함될 가능성이 높다. 또한 연안 지역에서 규모가 작고 변동이 큰 해수면온도의 특징은 인공위성의 공간적으로 평균된 해수면온도와 실측 수온자료와의 비교에서 차이를 유발할 수 있다. 따라서 해수면온도 추정에 대한 연안 효과의 분석은 본 연구의 알고리즘으로부터 유도된 해수면온도가 정확한 해수면온도 자료를 필요로 하는 연안 현상의 공간적 및 시간적 변동을 이해하는데 신중하게 사용되어야 함을 시사한다.
12. COMS/MI 해수면온도 정확도 평가 단계 및 기술
COMS/MI 자료로부터 산출된 해수면온도가 계수를 추정한 기간 후에도 안정적인지 확인하기 위해 2014년 4월부터 2015년 3월까지 위성 뜰개 부이로 측정한 실측 수온 자료를 기반으로 정확도 평가를 추가로 수행하였다.
[도 11]에 나타낸 그림과 같이 산출된 해수면온도의 오차는 [도 5]의 2011년에서 2014년까지의 3년 동안의 결과와 상당히 유사하다. 위성 해수면온도 계수 유도에 사용된 자료와 독립된 일치점 자료를 사용한 검증 결과에서 MCSST의 RMSE 및 편차는 주간 0.65℃, -0.05℃, 야간 0.80℃, -0.09℃ 이다. NLSST는 주간 0.55℃ 및 야간 0.71℃ 의 RMSE를 보임에 따라 MCSST보다 더 정확하였다.
[도 12]는 위성 뜰개 부이 해수면온도에 대한 COMS/MI의 MCSST 및 NLSST에 대한 RMSE의 공간 분포와 평균 편차를 위도와 경도에 대하여 5° 간격으로 도시하였다. MCSST 오차의 대다수 격자에서 상대적으로 위성천정각이 큰 위성 관측 영역 경계 근처의 픽셀을 제외하고 0.8℃ 보다 작은 RMSE 값을 보였다. 이 경향은 NLSST의 경우에서도 발견되었지만, RMSE는 COMS/MI 관측 영역이 경계 해역을 제외하고 훨씬 낮은 값(<0.6℃)을 보여줌으로써 크게 향상되었다.
MCSST의 편차는 약 1.0℃ 의 호주 서쪽에서의 하나의 격자를 제외하고는 -0.5 ℃에서 0.5℃ 범위였다. [도 12b] 및 [도 12d]에 도시된 바와 같이, 0.27℃의 표준 편차 값을 갖는 NLSST의 평균 편차의 공간 분포는 0.32℃ 의 값을 갖는 MCSST의 평균 편차의 공간 분포보다 더 균일하다. 이는 NLSST 알고리즘이 COMS 데이터의 MCSST 알고리즘보다 더 잘 사용될 수 있음을 의미한다.
두 알고리즘에 대한 유효성을 확장하여 시험한 결과, 본 연구의 알고리즘이 COMS/MI 자료에 대해 지속적으로 사용될 수 있음이 확인하였다.
13. 위성 산출 해수면온도 자료와 합성장 자료와의 비교 단계 및 기술
유도된 해수면온도 계수가 전체 COMS 관측 해역에서 제대로 작동할 수 있는지를 분석하기 위해 2015년 3월 26일 자료에 대하여 NLSST 알고리즘을 기반으로 해수면온도를 추정했다.
적도 지역뿐만 아니라 중위도 지역에서도 구름이 상당히 존재함에 따라 해수면온도 영상은 [도 13]에 나타낸 바와 같이 단순한 시간 평균을 취하여 일일 해수면온도 합성장을 생성하였다. 인공위성에서 추출한 해수면온도와 Level4 해수면온도를 비교하기 위해 동일한 날짜에 OSTIA 해수면온도 또한 함께 나타내었다.
전반적인 비교에 따르면 두 해수면온도 영상은 온도 범위와 수온의 공간분포 특성면에서 상당히 유사했다. 심층 비교를 위해 [도 13c]와 [도 13d]와 같이 추정된 해수면온도 영상을 한반도 주변의 바다에 집중되도록 확대하었다.
두 해수면온도 영상 모두 쿠로시오 해류와 동해의 극전선과 같은 해양 현상의 특징을 비교적 잘 나타냈다. COMS/MI에서 산출된 해수면온도는 OSTIA의 평활화되고 여과된 수온 특징과 대조적으로 동해의 극전선 주변 중규모 소용 돌이와 쿠로시오 해류의 사행 및 해류 주변의 세부적인 특징을 상세하게 표현했다. 규모가 작고 빠르게 변화하는 특징의 세부 사항은 긴 반복주기(일반적으로 1 일 이상)와 극궤도 위성의 넓은 관측 간격으로 인해 Level4 수온장에서는 상세하게 표현되기 어렵다.
OSTIA 해수면온도는 하루 동안 가능한 모든 위성 자료와 실측 수온을 결합하여 최적의 해수면온도 자료 중 하나이다. 그러나 현재 자료에는 북서태평양 영역에서의 정지 궤도 위성 자료가 포함되어 있지 않다. 따라서, 해수면온도 합성장은 최적 내삽 과정에서 마이크로파 관측 해수면온도에 의존할 수밖에 없다. 이를 고려하여 하루에 여러 번 관측을 수행하는 COMS/MI의 해수면온도는 이러한 합성장 자료의 한계점을 보완하는 데 기여할 수 있다. 결국, COMS/MI 해수면온도는 일일 해수면온도 합성장 자료에 활용될 수 있을 뿐만 아니라 대기 및 해양 분야의 다양한 응용 분야에도 사용될 수 있을 것으로 예상된다.
부호 없음

Claims (1)

  1. 구름 오염 및 문제 화소를 제거하는 단계;
    산출식을 이용하여 해수면온도를 산출하는 단계;
    위성 관측 자료와 실측 자료 사이의 일치점 자료를 생성하는 단계;
    회귀 분석법을 적용하는 단계;
    상기 일치점 자료 특징을 분석하는 단계;
    COMS/MI 의 해수면온도 계수를 유도하고 평가하는 단계;
    해수면온도의 정확도와 오차의 공간 분포를 조사하는 단계;
    풍속에 대한 해수면온도의 오차 특성을 분석하는 단계;
    위도에 대한 해수면온도의 오차 특성을 분석하는 단계;
    연안으로부터 거리에 따른 해수면온도의 오차 특성을 평가하는 단계;
    COMS/MI 해수면온도 정확도를 평가하는 단계;
    위성 산출 해수면온도 자료와 합성장 자료를 비교하는 단계;
    를 포함하는 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양표층 해수면온도 산출 방법.

KR1020180143964A 2018-11-20 2018-11-20 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법 KR20200059085A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180143964A KR20200059085A (ko) 2018-11-20 2018-11-20 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180143964A KR20200059085A (ko) 2018-11-20 2018-11-20 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법

Publications (1)

Publication Number Publication Date
KR20200059085A true KR20200059085A (ko) 2020-05-28

Family

ID=70919997

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180143964A KR20200059085A (ko) 2018-11-20 2018-11-20 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법

Country Status (1)

Country Link
KR (1) KR20200059085A (ko)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723524A (zh) * 2020-06-23 2020-09-29 南通大学 一种基于日变化约束的pm2.5卫星遥感反演方法
CN112612916A (zh) * 2020-12-29 2021-04-06 深圳航天宏图信息技术有限公司 一种海洋卫星数据的检验误差空间分布图生成方法及装置
CN113792091A (zh) * 2021-11-15 2021-12-14 国家卫星气象中心(国家空间天气监测预警中心) 一种海表温度数据归一化质量检验方法
CN113900069A (zh) * 2021-09-29 2022-01-07 中国科学院国家空间科学中心 一种基于干涉成像高度计的垂线偏差计算方法及其系统
KR20220071038A (ko) 2020-11-23 2022-05-31 한국해양과학기술원 인공지능과 위성영상을 이용한 냉수대 탐지 및 예측을 위한 장치 및 방법
CN115235431A (zh) * 2022-05-19 2022-10-25 南京大学 一种基于光谱分层的浅海水深反演方法及系统
KR20230001873A (ko) * 2021-06-29 2023-01-05 한국해양과학기술원 인공지능을 이용한 위성영상 관측 해상풍 자료의 정확도 보정을 위한 장치 및 방법
KR20230040222A (ko) * 2021-09-15 2023-03-22 부경대학교 산학협력단 북극-동아시아 원격 기후 상관성 진단 방법, 컴퓨터 판독 가능한 기록 매체, 진단 장치 및 진단 시스템
CN117077437A (zh) * 2023-10-12 2023-11-17 中科星图维天信科技股份有限公司 基于多源卫星的极区海表净辐射模型构建和确定方法
CN117371333A (zh) * 2023-11-17 2024-01-09 中国农业科学院农业资源与农业区划研究所 一种基于核驱动模型的地表温度产品角度归一化方法
CN117390509A (zh) * 2023-10-12 2024-01-12 中国船舶集团风电发展有限公司 一种海面大气稳定度确定方法、装置、设备及介质
CN115235431B (zh) * 2022-05-19 2024-05-14 南京大学 一种基于光谱分层的浅海水深反演方法及系统

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723524A (zh) * 2020-06-23 2020-09-29 南通大学 一种基于日变化约束的pm2.5卫星遥感反演方法
CN111723524B (zh) * 2020-06-23 2024-01-30 南通大学 一种基于日变化约束的pm2.5卫星遥感反演方法
KR20220071038A (ko) 2020-11-23 2022-05-31 한국해양과학기술원 인공지능과 위성영상을 이용한 냉수대 탐지 및 예측을 위한 장치 및 방법
CN112612916A (zh) * 2020-12-29 2021-04-06 深圳航天宏图信息技术有限公司 一种海洋卫星数据的检验误差空间分布图生成方法及装置
CN112612916B (zh) * 2020-12-29 2024-02-06 深圳航天宏图信息技术有限公司 一种海洋卫星数据的检验误差空间分布图生成方法及装置
KR20230001873A (ko) * 2021-06-29 2023-01-05 한국해양과학기술원 인공지능을 이용한 위성영상 관측 해상풍 자료의 정확도 보정을 위한 장치 및 방법
KR20230040222A (ko) * 2021-09-15 2023-03-22 부경대학교 산학협력단 북극-동아시아 원격 기후 상관성 진단 방법, 컴퓨터 판독 가능한 기록 매체, 진단 장치 및 진단 시스템
CN113900069A (zh) * 2021-09-29 2022-01-07 中国科学院国家空间科学中心 一种基于干涉成像高度计的垂线偏差计算方法及其系统
CN113792091A (zh) * 2021-11-15 2021-12-14 国家卫星气象中心(国家空间天气监测预警中心) 一种海表温度数据归一化质量检验方法
CN115235431A (zh) * 2022-05-19 2022-10-25 南京大学 一种基于光谱分层的浅海水深反演方法及系统
CN115235431B (zh) * 2022-05-19 2024-05-14 南京大学 一种基于光谱分层的浅海水深反演方法及系统
CN117077437A (zh) * 2023-10-12 2023-11-17 中科星图维天信科技股份有限公司 基于多源卫星的极区海表净辐射模型构建和确定方法
CN117390509A (zh) * 2023-10-12 2024-01-12 中国船舶集团风电发展有限公司 一种海面大气稳定度确定方法、装置、设备及介质
CN117077437B (zh) * 2023-10-12 2024-01-23 中科星图维天信科技股份有限公司 基于多源卫星的极区海表净辐射模型构建和确定方法
CN117371333A (zh) * 2023-11-17 2024-01-09 中国农业科学院农业资源与农业区划研究所 一种基于核驱动模型的地表温度产品角度归一化方法
CN117371333B (zh) * 2023-11-17 2024-03-22 中国农业科学院农业资源与农业区划研究所 一种基于核驱动模型的地表温度产品角度归一化方法

Similar Documents

Publication Publication Date Title
KR20200059085A (ko) 해양 표층 표류부이 관측 수온자료와 인공위성 적외영상자료를 활용한 해양 표층 해수면온도 산출 방법
Donlon et al. The operational sea surface temperature and sea ice analysis (OSTIA) system
CN109668635B (zh) 海表温度融合方法与系统
Liston et al. A distributed snow‐evolution model for sea‐ice applications (SnowModel)
Doubrawa et al. Satellite winds as a tool for offshore wind resource assessment: The Great Lakes Wind Atlas
Gentemann Three way validation of MODIS and AMSR‐E sea surface temperatures
McClain Multiple atmospheric-window techniques for satellite-derived sea surface temperatures
Zhang et al. Capturing the signature of severe weather events in Australia using GPS measurements
Box et al. Greenland ice sheet albedo feedback: thermodynamics and atmospheric drivers
Christian et al. Global frequency and distribution of lightning as observed from space by the Optical Transient Detector
Shoji Retrieval of water vapor inhomogeneity using the Japanese nationwide GPS array and its potential for prediction of convective precipitation
Djurdjevic et al. Verification of a coupled atmosphere-ocean model using satellite observations over the Adriatic Sea
Ming-An et al. Validation of satellite-derived sea surface temperatures for waters around Taiwan
CN104820250A (zh) 一种极轨气象卫星virr海洋上云检测的处理方法
Ming-An et al. Validation of JAXA/MODIS sea surface temperature in water around Taiwan using the Terra and Aqua satellites
Tsukada et al. UAV-based mapping of nearshore bathymetry over broad areas
Mauri et al. Northern Adriatic Sea surface circulation and temperature/pigment fields in September and October 1997
Hamada et al. Convective cloud top vertical velocity estimated from geostationary satellite rapid‐scan measurements
Li et al. Synergistic use of satellite observations and numerical weather model to study atmospheric occluded fronts
Lu et al. Numerical simulation-aided MODIS capture of sediment transport for the Bohai Sea in China
Tzeng et al. Interannual variability of wintertime sea surface temperatures in the eastern Taiwan Strait
Zheng et al. Winter sea ice albedo variations in the Bohai Sea of China
CN102109456A (zh) Landsat卫星传感器的高悬浮泥沙浓度计算方法
Koffi et al. The water vapour flux above Switzerland and its role in the August 2005 extreme precipitation and flooding
Park et al. Sea surface temperature retrievals optimized to the East Sea (Sea of Japan) using NOAA/AVHRR data

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal