KR20210018738A - 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법 - Google Patents

에어로졸 산출 시스템의 모듈화 및 일괄처리 방법 Download PDF

Info

Publication number
KR20210018738A
KR20210018738A KR1020190097811A KR20190097811A KR20210018738A KR 20210018738 A KR20210018738 A KR 20210018738A KR 1020190097811 A KR1020190097811 A KR 1020190097811A KR 20190097811 A KR20190097811 A KR 20190097811A KR 20210018738 A KR20210018738 A KR 20210018738A
Authority
KR
South Korea
Prior art keywords
aerosol
calculation
aerosols
optical
module
Prior art date
Application number
KR1020190097811A
Other languages
English (en)
Inventor
지준범
이권호
이규태
김부요
Original Assignee
한국전자통신연구원
강릉원주대학교산학협력단
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 한국전자통신연구원, 강릉원주대학교산학협력단 filed Critical 한국전자통신연구원
Priority to KR1020190097811A priority Critical patent/KR20210018738A/ko
Publication of KR20210018738A publication Critical patent/KR20210018738A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Tourism & Hospitality (AREA)
  • Environmental & Geological Engineering (AREA)
  • Remote Sensing (AREA)
  • Pathology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Resources & Organizations (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Economics (AREA)
  • Dispersion Chemistry (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

에어로졸 산출 시스템의 모듈화 및 일괄처리 방법이 개시된다. 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법은 위성을 통해 측정된 관측 자료를 이용하여 대기 중에서 탐지된 에어로졸의 유형을 분류하는 에어로졸 탐지 및 유형 분류 모듈; 상기 대기 중에서 탐지된 에어로졸의 광학 특성을 산출하는 에어로졸 광학 특성 산출 모듈; 상기 탐지된 에어로졸에서 분류된 황사의 광학 특성을 산출하는 황사 광학 특성 산출 모듈; 및 상기 탐지된 에어로졸에서 분류된 화산재의 특성 정보를 산출하는 화산재 특성 정보 산출 모듈;을 포함하고, 상기 각각의 모듈들은 메인 프로그램, 모듈 프로그램 및 공통모듈 프로그램으로 세분화되어 독립적으로 수행되거나, 선후 관계에 따라 일괄처리 될 수 있다.

Description

에어로졸 산출 시스템의 모듈화 및 일괄처리 방법{METHOD OF MODULARIZATION AND BATCH PROCESSING FOR AEROSOL PRODUCT SYSTEM}
본 발명은 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법에 관한 것으로, 보다 구체적으로는 에어로졸 탐지 및 유형 분류, 에어로졸 광학 특성 산출, 황사 광학 특성 산출 및 화산재 특성 정보 산출에 대한 알고리즘 각각을 모듈화하고, 각각의 모듈에 대한 독립적인 수행 및 선후 관계에 따른 일괄처리 방법을 제공하는 기술에 관한 것이다.
대기 에어로졸은 부유하는 고체 또는 액체 입자로 정의되며 화산재(volcanic ash), 황사(dust), 미세먼지 또는 연무(haze), 꽃가루(pollen), 해염(sea salt), 탄소 입자(soot) 등 다양한 형태로 존재한다. 에어로졸은 대기로 입사되는 태양에너지를 흡수 및 산란하여 전지구 복사 수지, 탄소 및 물 순환 그리고 기후변화에 영향을 미치는 주요 인자이다. 그리고 에어로졸은 구름 입자와 상호작용하여 구름의 물리적 특성을 변화시켜 복사 및 강우과정에 영향을 미친다. 이러한 대기 에어로졸의 영향을 이해하고 분석하기 위해서는 에어로졸의 시공간적 분포와 특성에 관련된 정보 산출이 정량화되어야 한다.
인공위성을 이용한 원격탐사는 짧은 시간 간격과 광범위한 영역을 관측하는 이점이 있어 에어로졸의 지역적 및 전 지구적인 분포를 파악하는데 유용하다. 최근까지 인공위성을 이용하여 에어로졸을 탐지하는 기법들은 미국, 일본, 유럽 등 위성보유국을 중심으로 개발되었으며 다양한 분석 알고리즘들이 위성활용국들을 통하여 운영되어 왔다.
에어로졸과 관련된 특성정보로는 에어로졸 탐지, 에어로졸 유형, 광학적 산란특성, 황사의 고도 및 광학특성 그리고 화산재 고도 및 분출량 등의 다양한 산출물로 나타낼 수 있다. 이들 각각에 대한 연구 및 산출 알고리즘은 다양한 위성자료만큼 다양하게 개발되고 있다.
특히 대한민국에서는 2018년 12월 발사되어 2019년 9월 현업운영 예정인 GEO-KOMPSAT 2A (GK-2A) 위성은 정지궤도 위성의 다파장 채널을 가지고 있는 이점으로 인하여 위성원격탐사를 효율적을 수행할 수 있다. 따라서, 이와 같은 GK-2A 위성을 통해 측정된 관측 자료를 이용하여 에어로졸을 산출하는 방법이 요구되고 있다.
본 발명은 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법에 관한 것으로, 보다 구체적으로는 에어로졸 탐지 및 유형 분류, 에어로졸 광학 특성 산출, 황사 광학 특성 산출 및 화산재 특성 정보 산출에 대한 알고리즘 각각을 모듈화하고, 각각의 모듈에 대한 독립적인 수행 및 선후 관계에 따른 일괄처리 방법을 제공한다.
본 발명의 일실시예에 따른 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법은 위성을 통해 측정된 관측 자료를 이용하여 대기 중에서 탐지된 에어로졸의 유형을 분류하는 에어로졸 탐지 및 유형 분류 모듈; 상기 대기 중에서 탐지된 에어로졸의 광학 특성을 산출하는 에어로졸 광학 특성 산출 모듈; 상기 탐지된 에어로졸에서 분류된 황사의 광학 특성을 산출하는 황사 광학 특성 산출 모듈; 및 상기 탐지된 에어로졸에서 분류된 화산재의 특성 정보를 산출하는 화산재 특성 정보 산출 모듈;을 포함하고, 상기 각각의 모듈들은 메인 프로그램, 모듈 프로그램 및 공통모듈 프로그램으로 세분화되어 독립적으로 수행되거나, 선후 관계에 따라 일괄처리 될 수 있다.
본 발명은 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법에 관한 것으로, 보다 구체적으로는 에어로졸의 탐지 및 유형 분류, 에어로졸의 광학 특성 산출, 황사의 광학 특성 산출 및 화산재의 특성 정보 산출에 대한 알고리즘 각각을 모듈화 할 수 있다.
또한, 본 발명은 각각의 모듈들이 독립적으로 수행되거나 선후 관계에 따라 일괄처리 됨으로써 보다 효율적으로 기상 및 환경 예보를 수행할 수 있다.
도 1은 본 발명의 일실시예에 따른 에어로졸의 탐지 및 탐지된 에어로졸의 유형을 분류하는 흐름도를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 에어로졸 산출물의 탐지 알고리즘을 플로우챠트로 나타낸 도면이다.
도 3은 본 발명의 일실시예에 따른 에어로졸의 광학특성 산출 알고리즘을 플로우챠트로 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 황사의 광학특성 산출 알고리즘을 플로우챠트로 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 화산재의 특성정보 산출 알고리즘을 플로우챠트로 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 에어로졸 산출 시스템을 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 에어로졸 산출물을 도시한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 에어로졸의 탐지 및 탐지된 에어로졸의 유형을 분류하는 흐름도를 도시한 도면이다.
본 발명은 위성을 통해 측정된 관측 자료를 이용한 에어로졸의 탐지 및 탐지된 에어로졸의 유형을 분류하는 알고리즘에 대한 것으로, 관측 자료의 가시 채널과 적외 채널을 이용하여 탐지된 에어로졸을 유형 별로 분류하는 방법을 제공할 수 있다. 일례로, 본 발명은 탐지된 에어로졸을 황사, 미세먼지(연무), 화산재 및 그 외의 에어로졸 산출물로 분류할 수 있다.
일례로, 본 발명은 Himawari-8 위성으로 통해 측정되는 관측 자료인 L1B 자료를 에어로졸 탐지 및 유형 분류 알고리즘의 입력 자료로 사용함으로써 대기에 존재하는 에어로졸을 탐지하고, 탐지된 에어로졸의 유형을 분류하는 방법을 제공할 수 있다. 이때, 본 발명은 에어로졸 탐지 및 유형 분류 알고리즘의 수행을 위해 위성 센서의 특성 정보인 가시 채널 반사도(reflectance)와 적외 채널 밝기온도(brightness temperature)가 이용된다. Himawari-8 위성에 탑재된 Advanced Himawari Imager (AHI)의 센서자료는 아래의 표 1과 같을 수 있다.
Figure pat00001
Figure pat00002
에어로졸의 탐지에 필요한 보조 자료로서 위성의 관측화소 별 위도와 경도(latlon), 지형고도(dem) 그리고 육지해양 마스크(lsmask) 자료가 사용된다. 그리고 화산재 탐지 알고리즘의 경우 해양의 플랑크톤, 산불, 황산, 오염된 구름 등에서 오탐지가 빈번하게 발생되기 때문에 기존에 분화가 발생하였던 화산의 위치를 기준으로 반경 100km 내의 화소를 마스크하여 화산재 탐지화소를 제한하도록 하였다.
위성에서 측정된 관측 자료는 구름에 대한 정보를 따로 산출하여 제거하여야 하기 때문에 지표면에 대한 배경정보가 필요하다. 관측 자료를 이용하여 채널별로 지표면 반사도와 밝기온도를 산출하여 사용할 수 있으나 오차가 크기 때문에 이전 관측된 자료 중에서 맑은 상태의 화소를 이용하여 배경장으로 사용하는 방법들이 사용되고 있다. GK-2A 알고리즘에서는 동일 시각에 관측된 이전 30일 자료를 이용하여 간단한 구름제거 알고리즘을 적용하여 적외 채널의 경우 최대 밝기온도를, 그리고 가시 채널의 경우 최소 반사도 값을 찾아 지표면의 배경장으로 사용하였다. 구름 화소 제거와 에어로졸 탐지 시 사용되는 1~4 가시 채널과 11, 13, 14, 15 적외 채널에 대하여 배경장을 산출하여 적용하였다. 황사와 화산재의 경우 발생 고도에 따라 특성의 차이가 발생된다. 따라서 발생고도 산정을 위하여 수치모델(NWP)의 고도와 온도정보를 활용한다. 그리고 에어로졸 광학정보, 황사 광학정보, 화산재 특성정보는 다양한 위성정보와 태양 위치정보를 활용하여 계산되기 때문에 계산과정에 대한 시간소모가 매우 크다. 따라서 경우의 수를 가정하여 미리 전체적인 계산을 수행하여 조견표(Look Up Table (LUT))를 작성하여 적용함으로 계산시간을 축소한다. 보조자료는 아래의 표 2와 같이 최종 산출물과 동일한 2km로 격자 변환하여 생성하였다.
Figure pat00003
에어로졸과 관련된 산출물은 에어로졸 탐지 및 에어로졸 유형 분류, 에어로졸의 광학특성(에어로졸 광학두께 및 입자크기), 황사의 광학특성(황사 광학두께 및 고도) 그리고 화산재의 특성정보(화산재 고도 및 분출량)로 나뉠 수 있다. 에어로졸 및 황사의 광학특성 그리고 화산재의 특성정보는 에어로졸 탐지 및 유형 분류에 의존적으로 수행되게 된다. 즉, 에어로졸 탐지를 통해 에어로졸로 탐지된 화소에 대하여 에어로졸 광학 특성을 산출하고, 에어로졸 유형 분류를 통해 분류된 황사와 화산재의 화소에 대하여 황사 광학 특성 및 화산재 특성 정보를 산출한다. 에어로졸 산출물의 정보는 아래의 표 3과 같이 정리될 수 있다.
Figure pat00004
에어로졸의 탐지를 위한 전체적인 자료처리의 흐름도는 도 1과 같고 전체 과정은 에어로졸의 탐지 이전 단계인 자료 준비 과정과 에어로졸 탐지 알고리즘이 적용된 본 과정이 구분된다.
도 2는 본 발명의 일실시예에 따른 에어로졸 산출물의 탐지 알고리즘을 플로우챠트로 나타낸 도면이다.
도 2를 참고하면, 자료 준비 과정의 제일 첫 단계에서는 원시자료(모의 영상자료 등)를 읽어서 육지와 해양에 해당하는 화소를 구분한 이후 다음 과정을 진행한다. 육지와 해양을 구분할 수 있는 육지마스크(land mask)는 수치고도지도(Digital Elevation Map; DEM)로부터 고도값을 가지는 화소를 육지로 가정하였다. 위성에서 관측된 반사도와 밝기온도는 대기에 포함된 분자들의 산란 그리고 지표면의 반사된 정보가 다수 포함되어 있다. 이들은 위성의 채널에 따라 제거하거나 보정하였다.
먼저, 분자에 의한 산란은 레일리 산란으로 불리며 산출식을 적용하여 제거하였고, 그리고 지표면의 반사 또는 방출되는 복사에너지는 배경장을 이용하여 제거하였으며, 해양에서 태양광 반사점(sun-glint)에 해당하는 화소는 산란각 정보를 이용하여 제거하였다.
그리고 청천화소 값을 얻기 위하여 일련의 구름제거 프로세스를 거치게 되는데, 여기서 사용되는 구름제거 방법은 구름탐지를 위한 방법보다는 느슨한 경계값을 사용하게 된다. 그 이유는 구름탐지에 사용되는 경계값 방법이 에어로졸을 구름으로 오인하는 경우가 발생하기 때문이다. 따라서, 에어로졸 탐지 시 구름제거를 위하여 널리 사용되고 있는 방법으로서 MODIS나 VIIRS에서 통용되고 있는 방법을 차용하여 선택적으로 사용한다.
청천화소로 결정된 화소는 이후 본 과정에서 에어로졸 탐지 알고리즘이 적용되어 에어로졸 산출물의 탐지 결과로서 에어로졸 마스크(aerosol mask)의 형태로 저장된다. 이때, 에어로졸 마스크의 산출 과정은 주로 각 채널별 자료를 이용한 경계값 테스트(threshold test) 및 화소별 균일화 테스트(spatial uniformity test)를 사용한다.
도 3은 본 발명의 일실시예에 따른 에어로졸의 광학 특성 산출 알고리즘을 플로우챠트로 도시한 도면이다.
에어로졸의 광학 특성 중 에어로졸 광학 두께는 주간 화소에서만 계산되어진다. 이는 주간에 태양광에 의한 반사도 채널을 이용하여 산출되기 때문에 관측이 되지 않는 야간 화소에서는 산출되지 않는다. 에어로졸의 광학특성 산출 알고리즘은 에어로졸 탐지 및 유형 분류 알고리즘에서 에어로졸의 탐지가 확정된 화소에 한하여 적용이 된다. 화소 단위 GK-2A 밴드 별 복사량 자료는 에어로졸의 광 산란 및 흡수 효과로 인하여 영향을 받으므로 위성이 관측하는 복사량의 복사전달 과정에서 에어로졸에 대한 기여도를 역으로 추정하는 방법을 사용한다. 에어로졸의 광학 특성 산출물 중 에어로졸 광학 두께(Aerosol Optical Depth, AOD)는 아래의 식 1과 같이 에어로졸 입자가 가지는 광 소산계수(light extinction, σext)를 대기 총 두께 중 존재하는 모든 입자에 대하여 적분한 값으로서, 에어로졸 입자의 총 개수와 관련이 있다.
<식 1>
Figure pat00005
에어로졸의 입자 크기(Angstrom Exponent, AE)는 에어로졸 광학 두께 결과를 이용하여 계산된다. 에어로졸 입자 크기는 아래의 식 2와 같이 파장과 에어로졸 광학 두께의 관계로 나타낼 수 있다.
<식 2>
Figure pat00006
여기서
Figure pat00007
는 파장
Figure pat00008
에서의 에어로졸 광학 두께이고,
Figure pat00009
는 파장
Figure pat00010
에서의 에어로졸 광학 두께이다. 두 개의 파장 (550nm 과 860nm)는 상기의 식 2의 계산에 선택될 수 있으며, 이 파장 쌍은 MODIS Collection 6 Angstrom exponent_1_ocean product 에서 활용되고 있다.
도 4는 본 발명의 일실시예에 따른 황사의 광학특성 산출 알고리즘을 플로우챠트로 도시한 도면이다.
황사의 광학 두께 산출과 관련된 기존의 연구는 2001년 4월 7일 황사 현상에 대하여 MODIS 적외영상차 기법을 적용하여 황사 영역 탐지 및 황사 영역에 대한 속성정보(광학두께, 유효반경, 총량)에 대한 정보를 산출하는 것이었다. 황사가 강하게 나타나는 영역에 대한 황사의 속성 정보 결과가 상세히 나타나지만 아쉬운 점은 이 결과에 대한 정량적 비교결과가 없는 점이다.
이에 대해 기존의 다른 연구는 AIRS의 적외채널을 이용한 황사 탐지하는데 있어 영향을 미치는 요소가 황사의 광학두께, 고도, 유효반경, 그리고 지표 방사율임을 정량적으로 분석하여 각 채널별 민감도 실험결과를 보고하였다. 그리고 AIR 적외채널로 산출한 광학 두께 값이 MODIS 가시 채널의 에어로졸 광학 두께와 상당히 유사한 상관관계를 가짐을 증명하였다.
황사의 고도는 유효 온도(Teff)와 NWP 온도 프로파일 자료와의 비교를 통하여 얻어진다. NWP 온도 프로파일은 상층부에서부터 검색을 하여 유효온도와 비슷한 두 지점의 자료에 가중치를 주어 다음과 같은 식 3을 통해 고도를 결정한다.
<식 3>
Figure pat00011
여기서
Figure pat00012
는 황사의 고도, T 1과 T 2는 T eff 주위의 경계값이며, Z1, Z2는 이에 해당하는 고도이다.
적외채널 에어로졸 광학 두께는 에어로솔 입자 한 개가 가지는 광 산란 효과 (single scattering)로부터 계산되는 고도 z에서의 광 소산계수 (light extinction, σext)를 대기 총 두께 중 존재하는 모든 입자에 대하여 적분한 값으로서, 에어로졸 입자의 총 개수와 관련이 있다. 황사의 광학 특성 산출 알고리즘의 주요 입력 자료는 에어로졸 탐지 및 유형 분류 알고리즘에서 필요한 자료와 에어로졸 산출물이 사용된다.
도 5는 본 발명의 일실시예에 따른 화산재의 특성정보 산출 알고리즘을 플로우챠트로 도시한 도면이다.
화산재의 특성 정보 산출 알고리즘의 입력자료는 복사보정과 기하보정이 수행된 가시채널 반사도와 적외채널 밝기온도가 사용된다. 보조 입력 자료는 NWP 자료(압력 및 온도 연직분포, 해수온도, 방출률 등)가 사용되며, 화산재로 구분된 화소에 대한 위성 관측자료로부터 특성정보를 산출하기 위하여 사용된다. 화산재 속성 정보 산출 과정은 기상학적 구름의 운정고도 알고리즘과 유사하지만 일반적인 구름이 아닌 화산재 구름을 대상으로 하므로 화산재 구름에 해당하는 화소값에 대해서만 적용된다.
화산재 구름의 고도는 유효 온도(Teff)와 NWP 온도 프로파일 자료와의 비교를 통하여 얻어진다. NWP 온도 프로파일은 상층부에서부터 검색을 하여 유효온도와 비슷한 두 지점의 자료에 가중치를 주어 다음과 같은 식 4를 통해 고도를 결정한다.
<식 4>
Figure pat00013
여기서
Figure pat00014
는 화산재 구름의 고도, T 1 과 T 2 는 T eff 주위의 경계값이며, Z1, Z2는 이에 해당하는 고도이다.
화산재 입자의 광학 두께와 유효반경을 결정하는 방법은 11㎛ 밝기온도와 적외채널 밝기온도차(BTD11-12)와 조견표로부터 결정한다. 화산재 입자의 총량은 입자의 유효반경(re)과 광학두께, 입자의 밀도의 함수로서 하기의 식 5와 같이 정의 된다.
<식 5>
Figure pat00015
여기서
Figure pat00016
는 화산재의 밀도로서 2.6g/cm2, 입자의 총 개수(n(r))은 광학두께와 소산계수로부터 다음의 식 6과 같이 정의된다.
<식 6>
Figure pat00017
도 6은 본 발명의 일실시예에 따른 에어로졸 산출 시스템을 도시한 도면이다.
본 발명의 에어로졸 산출 시스템은 에어로졸과 관련된 산출물의 생산을 위하여 세분화된 산출물별 알고리즘을 모듈화하여 처리할 수 있는 방법을 제공한다. 보다 구체적으로 위성을 통해 측정된 관측 자료를 이용하여 에어로졸을 탐지하고, 유형을 분류하는 알고리즘, 에어로졸의 광학특성(에어로졸 광학두께 및 입자크기)을 산출하는 알고리즘, 황사의 광학특성(황사 광학두께 및 고도)을 산출하는 알고리즘 및 화산재의 특성정보(화산재 고도 및 분출량)를 산출하는 알고리즘이 모듈별로 수행된다. 또한 에어로졸 산출 시스템의 모듈들은 선후관계 존재하기 때문에 순차적으로 수행되어야 하며 일괄처리 될 수도 있다.
이와 같은 각각의 에어로졸 산출물들은 연속적으로 모든 결과를 최종적으로 산출하여 이용할 수 있지만 각각의 독립적인 산출물을 확인 또는 분석 용도로 생산할 경우가 있다. 따라서 모든 과정은 일괄처리 뿐만 아니라 독립적으로 수행되어야 한다. 따라서 본 발명의 에어로졸 산출 시스템은 각각의 에어로졸 산출물의 산출과정에 대하여 독립적으로 수행될 수 있도록 모듈화하였다.
모듈화를 위한 프로그램은 fortran90 프로그램 언어를 공통적으로 적용하였고, 수행을 위하여 bash 쉘을 기본 쉘 프로그램으로 적용하였다. 자료의 활용 및 일관성을 위하여 사용되는 입력자료의 형식은 netcdf4 형태로 일괄적용하였다. 각 단위의 에어로졸 산출 알고리즘에서는 빈번하게 입력자료와 출력자료들을 이용하고 유사한 계산과정들이 존재한다. 따라서 각 단위 모듈을 메인 프로그램과 모듈 프로그램 그리고 공통모듈 프로그램으로 세분화하여 모듈화하였다.
메인 프로그램은 각 단위의 에어로졸 산출 알고리즘의 입출력과 모듈프로그램을 수행하는 뼈대 프로그램만 존재하고 에어로졸 산출물의 산출 과정에서 모듈프로그램을 호출한다. 모듈 프로그램은 에어로졸 산출 알고리즘의 주요 계산과정을 진행하게 된다. 즉, 각 에어로졸 산출 알고리즘에서 산출하고자 하는 변수 설정, 공통모듈 프로그램 호출 및 주요 계산과정이 포함되어 실제 산출정보를 계산한다.
공통모듈 프로그램은 위성, 태양 및 위치에 대한 계산 그리고 자료의 공통적인 입출력 부분이 포함된다. 공통모듈 프로그램에서는 입력자료의 입력과 출력자료의 출력이 다수 포함되어 있으며 위성과 관측격자에 대한 위성, 태양, 지리적인 위치정보의 계산 및 모듈프로그램에서 공통적으로 계산하는 기본적인 통계계산 등의 계산과정이 포함된다. 에어로졸 산출 알고리즘의 입력 정보와 출력정보 및 디렉토리 정보 그리고 계산과정에 쓰이는 변경가능한 상수 정보는 수행 쉘에서 수정 가능하도록 설정하였다. 일괄작업시 시스템의 시간정보를 입력받아 수행될 수 있으며 특정 시간에 대하여 수행할 수 있도록 수작업으로 시간을 설정할 수 있도록 쉘 프로그램에서 설정 가능하다.
각 에어로졸 산출 알고리즘은 독립적으로 수행가능하며, 에어로졸 탐지 및 유형 분류 결과를 이용하여 수행되는 이후의 에어로졸 산출 알고리즘은 에어로졸 탐지 및 유형분류 결과에 기반하여 산출가능하기 때문에 입력자료 유무를 체크할 수 있도록 구성되었다. 또한 일괄처리는 에어로졸 탐지 및 유형 분류에서 화산재의 특성 정보 산출까지 쉘 프로그램을 연속적으로 수행할 수 있도록 전체 제어 쉘 프로그램을 작성하여 수행할 수 있도록 구성된다.
에어로졸 산출 알고리즘의 일괄처리는 전후 산출물의 활용이 얽혀 있어 쉘 프로그램을 이용하여 제어될 수 있도록 하였다. 실시간 일괄처리를 위하여 시스템의 시간정보를 호출하여 시간정보에 일치하여 수행될 수 있도록 하였고, 특정 사례분석 및 사후분석을 위하여 인위적으로 시간을 입력하여 수행될 수 있도록 하였다.
도 6은 일괄처리에 대한 개념도이다. AHI L1B 자료, 배경이미지(Background field), 수치모델(NWP) 및 구름정보 등 다양한 입력자료가 입력되기 때문에 이들에 대한 유무체크는 필수적이다. 또한 에어로졸의 광학 특성 산출 알고리즘은 주간 화소에서 수행되기 때문에 야간의 수행시간을 줄어들 수 있다. 수행시간적으로 보았을 때 에어로졸 탐지 및 형태분류(ADPS) 과정이 선행 수행되고, 이후 과정은 순서에 관계없이 수행이 가능하다.
즉, 에어로졸은 대체로 대기에 존재하기 때문에 필수적으로 수행될 수 있으나 황사 또는 화산재는 계절 또는 발생시점에 따라 수행되지 않을 수 있다. Himawari-8 AHI 자료는 전구자료의 경우 2km 해상도를 기준으로 5500 X5500화소이고, 10분 단위로 관측되며 선행 입력자료를 활용하기 때문에 에어로졸의 모든 산출 알고리즘은 5분이내에 수행완료되어야 한다. 따라서 현업이용을 위해서는 병렬화가 필수적으로 적용되어야 정상 운영이 가능하다. 또한 이들 에어로졸 산출물의 표출과 타 위성 자료 및 관측자료를 이용한 검증 알고리즘에 대한 수행도 일괄처리에 포함하여 수행될 수 있다.
도 7은 본 발명의 일실시예에 따른 에어로졸 산출물을 도시한 도면이다.
에어로졸 산출물은 에어로졸 탐지 및 에어로졸 유형 분류, 에어로졸의 광학 정보(에어로졸 광학두께 및 에어로졸 입자크기), 황사의 광학 정보 및 화산재의 특성 정보이다. 도 7은 2017년 5월 4일의 에어로졸 산출물을 나타낸 것이다. 에어로졸 탐지에서 동아시아 전체에 걸쳐 에어로졸이 나타나고 있으며, 중국 몽골부근에서 발생된 황사의 띠가 동진하고 있다.
그리고 시간에 따라 동중국 및 해안에서 미세먼지(연무)가 발생되었다. 에어로졸의 광학특성은 에어로졸로 판별된 화소에서 에어로졸 광학두께(AOD)와 에어로졸 입자크기(AE)가 산출되었으나 야간 화소에서는 산출되지 않고 있음을 확인할 수 있다. 황사로 판별된 화소에서는 황사의 광학 두께가 계산되어 동진하고 있는 것을 볼 수 있다.
한편, 본 발명에 따른 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록 매체로도 구현될 수 있다.
본 명세서에 설명된 각종 기술들의 구현들은 디지털 전자 회로조직으로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 그들의 조합들로 구현될 수 있다. 구현들은 데이터 처리 장치, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 컴퓨터들의 동작에 의한 처리를 위해, 또는 이 동작을 제어하기 위해, 컴퓨터 프로그램 제품, 예를 들어 기계 판독가능 저장 장치(컴퓨터 판독가능 매체)에서 유형적으로 구체화된 컴퓨터 프로그램으로서 구현될 수 있다. 상술한 컴퓨터 프로그램(들)과 같은 컴퓨터 프로그램은 컴파일된 또는 인터프리트된 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 독립형 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서의 사용에 적절한 다른 유닛으로서 포함하는 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 하나의 사이트에서 하나의 컴퓨터 또는 다수의 컴퓨터들 상에서 처리되도록 또는 다수의 사이트들에 걸쳐 분배되고 통신 네트워크에 의해 상호 연결되도록 전개될 수 있다.
컴퓨터 프로그램의 처리에 적절한 프로세서들은 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들을 실행하는 적어도 하나의 프로세서 및 명령어들 및 데이터를 저장하는 하나 이상의 메모리 장치들을 포함할 수 있다. 일반적으로, 컴퓨터는 데이터를 저장하는 하나 이상의 대량 저장 장치들, 예를 들어 자기, 자기-광 디스크들, 또는 광 디스크들을 포함할 수 있거나, 이것들로부터 데이터를 수신하거나 이것들에 데이터를 송신하거나 또는 양쪽으로 되도록 결합될 수도 있다. 컴퓨터 프로그램 명령어들 및 데이터를 구체화하는데 적절한 정보 캐리어들은 예로서 반도체 메모리 장치들, 예를 들어, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 등을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로조직에 의해 보충되거나, 이에 포함될 수 있다.
또한, 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용매체일 수 있고, 컴퓨터 저장매체를 모두 포함할 수 있다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 장치 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 장치들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.
한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.

Claims (1)

  1. 위성을 통해 측정된 관측 자료를 이용하여 대기 중에서 탐지된 에어로졸의 유형을 분류하는 에어로졸 탐지 및 유형 분류 모듈;
    상기 대기 중에서 탐지된 에어로졸의 광학 특성을 산출하는 에어로졸 광학 특성 산출 모듈;
    상기 탐지된 에어로졸에서 분류된 황사의 광학 특성을 산출하는 황사 광학 특성 산출 모듈; 및
    상기 탐지된 에어로졸에서 분류된 화산재의 특성 정보를 산출하는 화산재 특성 정보 산출 모듈;
    을 포함하고,
    상기 각각의 모듈들은,
    메인 프로그램, 모듈 프로그램 및 공통모듈 프로그램으로 세분화되어 독립적으로 수행되거나, 선후 관계에 따라 일괄처리 되는 방법을 제공하는 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법.
KR1020190097811A 2019-08-09 2019-08-09 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법 KR20210018738A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190097811A KR20210018738A (ko) 2019-08-09 2019-08-09 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190097811A KR20210018738A (ko) 2019-08-09 2019-08-09 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법

Publications (1)

Publication Number Publication Date
KR20210018738A true KR20210018738A (ko) 2021-02-18

Family

ID=74688520

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190097811A KR20210018738A (ko) 2019-08-09 2019-08-09 에어로졸 산출 시스템의 모듈화 및 일괄처리 방법

Country Status (1)

Country Link
KR (1) KR20210018738A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102485924B1 (ko) * 2022-07-06 2023-01-06 강릉원주대학교산학협력단 광학 센서의 원격 탐사 데이터를 이용한 딥러닝 기반 에어로솔 광학 두께 산출 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102485924B1 (ko) * 2022-07-06 2023-01-06 강릉원주대학교산학협력단 광학 센서의 원격 탐사 데이터를 이용한 딥러닝 기반 에어로솔 광학 두께 산출 장치 및 방법

Similar Documents

Publication Publication Date Title
Chen et al. Mesoscale convective systems in the Asian monsoon region from Advanced Himawari Imager: Algorithms and preliminary results
Ajaj et al. Spatial monitoring of desertification extent in western Iraq using Landsat images and GIS
Lingfors et al. Comparing the capability of low-and high-resolution LiDAR data with application to solar resource assessment, roof type classification and shading analysis
Alam et al. Monitoring spatio-temporal aerosol patterns over Pakistan based on MODIS, TOMS and MISR satellite data and a HYSPLIT model
US9097792B2 (en) System and method for atmospheric correction of information
Li et al. Aerosol optical depth (AOD): spatial and temporal variations and association with meteorological covariates in Taklimakan desert, China
Denjean et al. Size distribution and optical properties of African mineral dust after intercontinental transport
KR101914061B1 (ko) 인공위성에 의한 열섬특성 분석방법
Park et al. Combined dust detection algorithm by using MODIS infrared channels over East Asia
Cook et al. Contemporary climate change of the African monsoon systems
Alonso et al. Sky camera imagery processing based on a sky classification using radiometric data
Yue et al. Simulation of dust aerosol radiative feedback using the Global Transport Model of Dust: 1. Dust cycle and validation
KR101429260B1 (ko) 적외 채널을 이용한 화산재 탐지방법 및 화산재의 특성값 도출방법
Lisok et al. Radiative impact of an extreme Arctic biomass-burning event
Stengel et al. Assimilation of SEVIRI infrared radiances with HIRLAM 4D‐Var
Guleria et al. The assessment of aerosol optical properties over Mohal in the northwestern Indian Himalayas using satellite and ground-based measurements and an influence of aerosol transport on aerosol radiative forcing
Koulali et al. Study of seasonal-scale atmospheric water cycle with ground-based GPS receivers, radiosondes and NWP models over Morocco
Oshima et al. Vertical transport mechanisms of black carbon over East Asia in spring during the A‐FORCE aircraft campaign
Xu et al. Warming effect of dust aerosols modulated by overlapping clouds below
Bao et al. Spatiotemporal distributions of cloud parameters and the temperature response over the Mongolian Plateau during 2006–2015 based on MODIS data
Varma Measurement of precipitation from satellite radiometers (visible, infrared, and microwave): Physical basis, methods, and limitations
Lim et al. Tropical cyclone forecasts impact assessment from the assimilation of hourly visible, shortwave, and clear-air water vapor atmospheric motion vectors in HWRF
Lee et al. Analytical approach to estimating aerosol extinction and visibility from satellite observations
Coopman et al. Effects of long-range aerosol transport on the microphysical properties of low-level liquid clouds in the Arctic
Jee et al. Development of GK-2A AMI aerosol detection algorithm in the East-Asia region using Himawari-8 AHI data