KR20210018739A

KR20210018739A - 에어로졸 탐지 및 에어로졸 유형 분류 방법

Info

Publication number: KR20210018739A
Application number: KR1020190097824A
Authority: KR
Inventors: 지준범; 이권호; 이규태; 김부요
Original assignee: 한국전자통신연구원; 강릉원주대학교산학협력단
Priority date: 2019-08-09
Filing date: 2019-08-09
Publication date: 2021-02-18

Abstract

에어로졸 탐지 및 에어로졸 유형 분류 방법이 개시된다. 에어로졸 유형 분류 방법은 위성을 통해 측정된 관측 자료를 이용하여 육지와 해양에 해당하는 화소들을 구분하는 단계; 구름 제거 알고리즘을 통해 상기 구분된 화소들 중 구름에 대응하는 화소를 제거함으로써 청천화소를 결정하는 단계; 및 상기 결정된 청천화소에 경계값 테스트 및 화소별 균일화 테스트를 이용하여 상기 청천화소에서 에어로졸을 탐지하고, 탐지된 에어로졸의 에어로졸의 유형을 분류하는 단계를 포함할 수 있다.

Description

에어로졸 탐지 및 에어로졸 유형 분류 방법{AEROSOL DETECTION AND AEROSOL TYPE CLASSIFICATION METHOD}

본 발명은 위성을 통해 측정된 관측 자료를 이용하여 대기에 존재하는 에어로졸(Aerosol)을 탐지하고, 탐지된 에어로졸의 유형을 분류하는 방법에 관한 것이다.

에어로졸은 대기에 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 유형의 입자들이 포함된다. 에어로졸 입자는 태양광을 산란하거나 흡수하는 역할을 하여 전지구 복사 수지, 물 순환, 기후변화에 영향을 미치는 중요 요소로 알려져 있다. 또한 특정 유형의 에어로졸은 구름 입자와의 상호작용으로 구름의 물리적 특성을 변화시킴으로써 복사특성과 강우과정에 영향을 미친다. 이러한 대기의 에어로졸이 지구 환경에 미치는 복잡한 영향을 이해하기 위해서는 에어로졸의 특성과 분포에 관한 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. 한국은 다목적 실용위성인 천리안 위성의 발사를 계기로 에어로졸의 원격탐사에 관한 연구가 진행되고 있으며, EOS, ENVISAT, NOAA, 히마와리 등의 위성자료를 이용하여 에어로졸 원격탐사에 관한 연구가 활발히 이루어지고 있다. 특히 대표적인 지구관측위성인 EOS, ENVISAT, CALIPSO 등은 현재까지도 운용되고 있으며 에어로졸 탐지 및 산출 결과물을 활용한 연구들이 수행되었다. 이들 자료들은 전세계 다수의 사용자들이 이용하고 있으며 전 지구적인 에어로졸의 모니터링 및 기후변화연구의 기초자료로 활용되고 있다.

2018년 12월 발사되어 2019년 9월 현업운영 예정인 GEO-KOMPSAT 2A (GK-2A) 위성은 정지궤도 위성의 다파장 채널을 가지고 있는 장점으로 인하여 위성원격탐사의 장점을 극대화할 수 있는 것으로 기대되고 있다. 따라서, 이와 같은 위성을 통해 측정된 관측 자료들을 통해 에어로졸을 탐지하고, 유형을 분류하는 방법이 요구되고 있다.

본 발명은 에어로졸 탐지 및 에어로졸 유형 분류 방법에 관한 것으로, 보다 구체적으로는 위성을 통해 측정된 관측 자료를 이용하여 청천화소를 결정하고, 결정된 청천화소에 경계값 테스트 및 화소별 균일화 테스트를 이용함으로써 에어로졸의 탐지 및 유형을 분류하는 방법을 제공한다.

본 발명의 일실시예에 따른 에어로졸 탐지 및 에어로졸 유형 분류 방법은 위성을 통해 측정된 관측 자료를 이용하여 육지와 해양에 해당하는 화소들을 구분하는 단계; 구름 제거 알고리즘을 통해 상기 구분된 화소들 중 구름에 대응하는 화소를 제거함으로써 청천화소를 결정하는 단계; 및 상기 결정된 청천화소에 경계값 테스트 및 화소별 균일화 테스트를 이용하여 상기 청천화소에서 에어로졸을 탐지하고, 탐지된 에어로졸의 유형을 분류하는 단계를 포함할 수 있다.

본 발명은 에어로졸 탐지 및 에어로졸 유형 분류 방법에 관한 것으로, 보다 구체적으로는 위성을 통해 측정된 관측 자료를 이용하여 청천화소를 결정하고, 결정된 청천화소에 경계값 테스트 및 화소별 균일화 테스트를 이용함으로써 에어로졸의 탐지하고, 탐지된 에어로졸의 유형을 분류할 수 있다.

도 1은 본 발명의 일실시예에 따른 에어로졸의 탐지 및 탐지된 에어로졸의 유형을 분류하는 흐름도를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 구름탐지의 중간 결과 및 구름 탐지를 나타낸 도면이다.
도 3은 본 발명의 일실시예에 따른 에어로졸 탐지 및 유형 분류의 중간 산출물 및 산출 결과를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 타 위성 에어로졸 산출물과의 비교를 나타낸 도면이다.
도 5 및 도 6은 본 발명의 일실시예에 따른 에어로졸의 탐지 결과와 타 위성의 에어로졸 탐지 결과의 비교를 나타낸 도면이다.
도 7은 본 발명의 일실시예에 따른 에어로졸 탐지 결과와 CALIPSO 에어로졸 산출물의 비교를 나타낸 도면이다.
도 8은 본 발명의 일실시예에 따른 황사탐지결과와 MODIS 에어로졸 산출물과의 비교를 나타낸 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 에어로졸로 분류할 수 있다.

일례로, 본 발명은 Himawari-8 위성으로 통해 측정되는 관측 자료인 L1B 자료를 에어로졸 탐지 알고리즘의 입력 자료로 사용함으로써 대기에 존재하는 에어로졸을 탐지하고, 탐지된 에어로졸의 유형을 분류하는 방법을 제공할 수 있다. 이때, 본 발명은 에어로졸 탐지 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.

에어로졸 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. 보조자료는 아래의 표 2와 같이 최종 산출물과 동일한 2km로 격자 변환하여 생성하였다.

에어로졸 탐지 알고리즘은 먼저 육지(land surface)와 해양 영역(ocean area)의 구름이 없는 청천화소(clear sky pixel)를 대상으로 대기 중의 에어로졸 성분의 유무를 결정한 후 분광 특성에 따른 경계값 테스트를 통하여 에어로졸의 유형을 구분할 수 있다. 청천 화소란 구름(cloud)으로 탐지된 영역을 제외한 영역을 말한다. 따라서, 구름 탐지 산출물의 활용 또는 자체적인 구름탐지 기법이 사용될 수 있다. 단, 구름탐지 산출물의 활용이 가능한 경우는 구름 탐지 산출 과정에서 에어로졸 영역이 구름으로 오인 되지 않는 경우에 한한다.

주요 에어로졸 성분은 에어로졸 입자에 대한 개별적 화학종(수용성, 금속성, 유기성 물질 등)이 아닌 위성이 관측하는 대기 영역에 존재하는 모든 에어로졸 중 주로 존재하는 에어로졸 입자의 유형(type)이다. 본 발명은 구름이 제거된 화소에 대응하여 탐지된 에어로졸 탐지 산출물(Aerosol Detection Product, ADP)에 대해 화산재와 황사, 스모크 등과 같은 에어로졸 산출물의 탐지 과정을 수행함으로써 해당 에어로졸의 유형에 대한 마스크를 제공할 수 있다. 아래의 표 3은 에어로졸 탐지 및 탐지된 에어로졸의 유형 분류에 따른 산출물 정보를 나타낸다.

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 1을 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.

에어로졸 탐지 알고리즘에서 L1B 자료의 구름제거 과정은 가시채널 반사도 경계값 테스트, 적외채널 밝기온도 경계값 테스트, 균등화소 테스트를 통하여 수행된다. 먼저, 에어로졸의 탐지 과정은 청천화소를 결정하는 것으로부터 시작된다. 이를 위하여 일련의 구름제거 테스트가 적용되는데, 일반적인 구름탐지 산출물과는 경계값 기준이 다소 완화된 상태를 사용한다. 구름제거 알고리즘은 MODIS 에어로졸 알고리즘과 ABI 알고리즘의 방법을 일부 차용하여 수정 적용하였으며, 적외채널의 가중치를 높여 주야간 연속적이고 일관된 탐지를 수행하도록 적용하였다.

① 태양광 반사점(sun-glint) 테스트 (ocean only)

태양광 반사점 테스트는 해양영역에 대하여 태양천정각과 위성천정각, 상대방위각의 정보를 이용하여 산란각을 계산한 이후, 태양광 반사점 각(

)이 20º이하의 영역을 태양광 반사점 화소로서 제거하였고 20º 이상 40º이하의 화소에 대해서는 0.68 가시채널의 반사도(

) 경계값을 설정하여 태양광 반사점 화소로 판정하였다. 이는 아래의 식 1과 같이 표현될 수 있다.

<식 1>

② thick cloud test (VIS = 0.51, 0.64, 0.86㎛)

가시채널의 반사도가 높은 두꺼운 구름들을 제거하였다. 가시채널인 0.51, 0.64, 0.86의 반사도 경계값을 0.35이상은 두꺼운 구름으로 판정하였고 이하일 때 청천으로 판정하였다. 이는 아래의 식 2와 같이 표현될 수 있다.

<식 2>

③ high cloud test

높은 고도의 구름이 존재하는 경우 적외채널(10.4 um)의 밝기온도는 맑은 화소와 비교하여 상대적으로 매우 낮고 고위도일수록 지표면의 밝기온도 또한 낮아진다. 따라서 기존 특정 경계값을 대신하여 위도에 따라 경계값을 변경될 수 있도록 위도(lat)의 절대값(ABS)의 함수로 경계값을 설정하였다. 이는 아래의 식 3과 같이 표현될 수 있다.

<식 3>

④ relative thermal contrast test (RTCTR)

지표면 고도에 따른 열적 대비효과를 통하여 구름화소를 제거할 수 있도록 3x3화소의 밝기온도의 최대값(MAX)과 표준편차(

) 그리고 고도에 따른 기온감률(

)을 고려하여 해양과 육지에 대하여 각각 구름화소를 제거하였다. 이는 아래의 식 4와 같이 표현될 수 있다.

<식 4>

⑤ relative 13-15 test (RFMFT)

대기창 영역의 적외온도차를 지표면의 적외온도차로 보정하여 얇은 구름을 제거하였다. 여기서 BBT는 지표면의 배경장으로서 이전 30일에서 나타난 화소의 최대 밝기온도이다. 이는 아래의 식 5와 같이 표현될 수 있다.

<식 5>

⑥ cirrus water vapor test (CIRH2O)

얇은 수증기 권운은 높은 고도에 있으나 그 층이 얇아 밝기온도의 분포로 제거가 힘들다. 따라서 화소를 중심으로 3x3 화소의 10.4 와 8.6 채널의 밝기온도의 상관계수(CORR)를 계산하면 높은 상관성이 나타나 구름화소로 제거가 가능하다. 이는 아래의 식 6과 같이 표현될 수 있다.

<식 6>

⑦ spatial uniformity test (Ch13 stdev)

국지적인 작은 구름 셀은 비교적 무시되어 오탐지를 유발한다. 따라서 화소를 중심으로 3x3 화소의 10.4 채널의 밝기온도의 평균과 표준편차를 이용하여 비균질 테스트를 통하여 구름화소를 제거할 수 있다. 이는 아래의 식 7 및 식8과 같이 표현될 수 있다.

<식 7>

<식 8>

⑧ snow/ice test

고위도지역의 눈, 유빙 또는 빙하는 낮은 밝기온도로 인하여 구름으로 오탐지된다. 이를 극복하기 위하여 가시채널의 반사도를 이용하여 눈 또는 얼음으로 이루어진 지표면으로 판별하여 에어로졸을 탐지할 수 있는 청천화소로 판별이 가능하다. 이는 아래의 식 9과 같이 표현될 수 있다.

<식 9>

에어로졸 종류 구분을 위하여 사용한 테스트는 주로 적외채널차(Brightness Temperature Difference, BTD), 반사도 비에 대한 경계값 테스트가 사용되며, 각 변수의 정의는 다음과 식 10 내지 식 19와 같다.

<식 10>

<식 11>

<식 12>

<식 13>

<식 14>

<식 15>

<식 16>

<식 17>

<식 18>

<식 19>

여기서 BT는 적외채널의 밝기온도를 의미하고 BTD는 적외채널들의 밝기온차이,그리고 BTR은 적외채널들의 밝기온도비를 의미한다. BBT는 배경장의 적외채널의 밝기온도이고, 배경장은 동일시각에 관측된 이전 30일 적외채널 자료의 최대 밝기온도이며 지표면(해면)의 밝기온도를 의미한다. 이에 대한 밝기온도의 차이와 비는 각각 BBTD, BBTR이다. L은 적/외채널의 밝기온도(BT10.4)를 흑체복사로 가정하였을 때 3.9 um 채널의 복사량이고,

는 3.9 um 채널의 대기외 복사량이며

는 태양의 천정각을 의미한다.

는 3.9um 채널의 관측된 복사량이며

는 반사도이다. 즉 3.9 um의 반사도 (

)는 대기의 흑체복사량이 보정된 지표면에 도달하는 복사량에 대하여 위성에서 관측되는 복사량으로 산출할 수 있다. R은 가시채널의 반사도 비이다. Ellrod et al.은 Three band Volcanic Ash Product (TVAP) 방법을 제안하였고 3개의 열적외채널 자료를 이용하여 화산재를 탐지할 수 있음을 보고하였다. 본 알고리즘에서는 3.7, 10.4, 12.0 um 적외채널을 이용하여 화산재 탐지의 경계값을 최적화하였다.

육상에서 황사 이외의 에어로졸 산출물의 탐지는 주간에만 수행하며, 황사의 경우 주간과 야간을 구분하여 수행한다. 주간의 경우, 가시광선 및 근적외선 채널의 관측과 적외 복사 영역의 채널을 같이 활용하여 탐지의 정확도를 높이고, 야간에는 가시 및 근적외 채널 정보를 활용할 수 없으므로 적외복사 채널 정보만을 활용하여 황사 탐지를 수행한다. Hansell et al.은 8.6, 11, 12㎛를 조합하여 새로운 황사 지수, D* 를 제안하였으며 다음의 식 20과 같이 정의한다.

<식 20>

여기서 D* 를 계산하기 위해 사용된 상수 C, E는 각각 -0.5, 15로 둔다. D*는 주간의 경우 황사와 스모크(smoke)의 에어로졸 산출물 구분 정확도를 높일 수 있을 뿐만 아니라 적외 채널만을 이용한 조합으로 주간, 그리고 야간까지도 황사 탐지에 유용하게 사용할 수 있다. 본 에어로졸 탐지 알고리즘에 적용된 에어로졸 유형에 따른 탐지의 경계값은 다음과 같이 정리할 수 있다.

(1) Ash detection tests

(2) dust detection

(3) haze detection (daytime only)

여기서

는 배경장의 가시채널의 반사도이고, 배경장은 동일시각에 관측된 이전 30일 가시채널 자료의 최소 반사도이며 지표면(해면)의 반사도를 의미한다.

도 2는 본 발명의 일실시예에 따른 구름탐지의 중간 결과 및 구름 탐지를 나타낸 도면이다.

위성을 통해 측정된 관측 자료를 이용한 에어로졸 탐지에 앞서 청천화소의 판별은 매우 중요한 과정이다. 즉, 청천화소로 판별된 화소는 에어로졸이 있는 화소로 판별 가능성이 매우 높다. 산출결과의 분석영역은 한반도를 중심으로 동아시아를 한정하여 분석하였다. 도 2는 2017년 5월 5일 0300UTC에 관측된 AHI L1B 채널자료를 이용하여 임계값들의 분포와 최종 판별된 청천화소의 분포를 나타낸 것이다.

청천화소는 구름 탐지를 통해 제외된 화소로 도 2에서 0 값(dark blue)을 가지는 화소들이다. a)의 ch 1(0.47um) 반사도와 b)의 ch13(10.4um) 발기온도에서 구름화소는 0.35와 위도의 가중치를 더한 265K을 임계값으로 설정하였으며, 구름이 위치한 화소에서는 뚜렷이 높은 반사도와 낮은 밝기온도가 나타나고 있다. c)의 RTCTR의 경우 지표면 온도에 대한 ch13의 기온 감률을 고려한 열적효과는 구름이 존재하는 영역에서 값이 상대적으로 크게 나타나고 있으며, 중국내륙에서의 밝기온도의 크기는 증가한 것을 볼 수 있다. ch13과 ch15의 편차를 이용한 d)의 RFMFT에서는 육해상의 경계와 구름의 경계면에서 불연속적인 특징이 반영되어 구름을 효과적으로 제거할 수 있다. Ch10과 ch13의 상관성을 이용하여 산출되는 e)의 CIRH2O는 구름내의 수증기량에 의하여 두꺼운 구름을 효과적으로 제거할 수 있으며, f)와 같이 ch13의 3x3 표준편차를 이용하였을 때 구름 내부 또는 청천화소에서 작은 표준편차를 나타낸다. 이러한 임계값의 누적을 통하여 구름화소를 제거하고, g)와 같이 조건에 포함되지 않은 화소는 0값이 적용되어 청천화소로 판별되었다.

도 3은 본 발명의 일실시예에 따른 에어로졸 탐지 및 유형 분류의 중간 산출물 및 산출 결과를 도시한 도면이다.

구름제거 알고리즘을 통해 제외된 청천화소에 대하여 에어로졸 탐지 및 유형 분류 알고리즘이 수행된다. 그러나 화산재의 경우는 구름 상부에 존재할 수 있으므로 모든 화소에 대하여 판별을 일차적으로 수행한다. 화산재는 황사와 유사한 광학적 특징을 가지고 있어 강력한 탐지 알고리즘이 적용되며, 화산발생 지점의 영향반경 외에서 탐지되는 화산재는 제외시켜 화산재 탐지의 정확도를 향상시켰다. 청천화소에 대하여 황사와 미세먼지(연무) 탐지 알고리즘이 수행되고, 탐지가 안된 화소는 etc. 에어로졸로 탐지된다.

도 3은 2017년 5월 5일 0300UTC의 에어로졸 탐지 및 유형 분류에 대한 임계값의 분포와 최종 산출된 에어로졸 산출물의 탐지 결과이다. 탐지된 에어로졸 화소는 황사와 화산재, 미세먼지(연무) 및 etc. 등의 에어로졸 산출물로 구분되며 각각 다른 색으로 표현하여 구분하여 나타내었다. 에어로졸은 구름과 달리 BTD10.4-12.2가 음의 값으로 분포된다. 황사가 강하게 나타나는 화소에서 -1.0 이하의 분포되고 있고 etc.로 분류되는 화소에서도 -0.5 이하의 값이 분포된다. BTD8.6-10.4는 -1.0 이상의 값으로 분포되고 있으며 강한 황사의 화소에서는 양의 값이 나타난다. BBTR는 BTD를 더 상세하게 표현되나 그 편차가 작아 비교적 상세한 구분은 어렵다.

D*의 값은 비교적 강한 황사를 탐지하는데 유효하다. 기존 문헌에서 0.9이상의 값을 임계값으로 설정하고 있으나 본 에어로졸 탐지 알고리즘에서는 0.95의 비교적 높은 값을 이용하여 황사 화소를 탐지하도록 적용하였다. 최종 산출된 에어로졸의 탐지에서 볼 수 있듯이 황사 화소는 비교적 뚜렷한 임계값 설정으로 탐지되고 있으나 미세먼지(연무)의 경우는 주간의 가시채널에 의존성을 가지기 때문에 천정각에 의존적으로 탐지되고 있다. 특히 미세먼지(연무)가 자주 탐지되는 서해와 중국동해를 중심으로 미세먼지(연무) 화소가 나타나는 것을 볼 수 있다. 그 이외의 청천화소는 etc. 에어로졸로 탐지되었다.

도 4는 본 발명의 일실시예에 따른 타 위성 에어로졸 산출물과의 비교를 나타낸 도면이다.

에어로졸 탐지의 산출 결과에 대한 정성적인 비교를 위하여 본 발명의 에어로졸 탐지 결과와 MODIS True color 자료, AHI 황사 RGB 그리고 COMS AI 탐지 결과를 나타내었다. 대체로 황사 화소에 대해서는 동일하게 탐지영역이 유사한 것을 알 수 있다. 특히 강한 황사가 나타나는 저기압 구름 주변에서 강한 황사 화소가 잘 나타나는 것을 확인할 수 있다. 그러나 GK-2A에서 탐지된 미세먼지(연무) 화소에 대하여 다른 영상자료들에서는 구분 짓기가 어려운 것을 확인할 수 있다. 또한 etc. 로 분류된 에어로졸 화소에 대해서도 영역의 차이가 있음을 확인할 수 있다.

MODIS True color 의 경우 전체적으로 황사와 같이 노란빛이 강하게 나타나고 있어 황사 에어로졸로 오인하기 쉬우며, AHI dust RGB에서는 비교적 유사한 영역에 대하여 핑크색이 위치하고 있어 에어로졸로 볼 수 있으나 영역은 다소 차이가 있음을 알 수 있다. 반면 황사 탐지를 이용하여 산출된 COMS AI는 황사이외의 영역에 대한 정보는 나타낼 수 없는 것을 볼 수 있다.

도 5 및 도 6은 본 발명의 일실시예에 따른 에어로졸의 탐지 결과와 타 위성의 에어로졸 탐지 결과의 비교를 나타낸 도면이다.

도 5와 도 6은 2017년 5월 5일 주간(0000, 0300, 0600UTC)과 야간(1200, 1500, 1800UTC)의 GK-2A 탐지결과와 AHI Dust RGB 그리고 COMS AI 결과를 동시에 나타낸 도면이다. 도 5에서 만주, 몽골 이남에 위치한 황사화소를 잘 탐지하였으나 GK-2A에 나타나는 미세먼지(연무) 화소인 산둥반도와 중국남쪽 해안근처 및 한반도 영동지역의 미세먼지(연무) 발생은 다른 에어로졸 탐지에서는 나타나지 않고 있다. 도 6은 야간 황사 및 에어로졸의 탐지 결과로서 만주와 북한 지역의 황사영역은 잘 탐지되고 있으나 그 외의 영역의 에어로졸은 나타나지 않고 있다.

도 7은 본 발명의 일실시예에 따른 에어로졸 탐지 결과와 CALIPSO 에어로졸 산출물의 비교를 나타낸 도면이다.

에어로졸 산출물의 검증은 정량적인 방법과 정성적인 방법이 사용된다. 에어로졸 산출물의 정확도 검증을 위한 정성적인 방법은 위성 산출물의 결과의 정확도 여부를 장면 분석적인 측면에서 결과물의 정확도 성공 여부를 판단하였다. 위성 산출물의 정확도 검증을 위한 정량적인 방법은 흔히 검증 지수를 생산하게 되며, 정확도 산출을 위한 지수 계산을 한다. 여기서 산출 값은 본 발명에서 개발된 에어로졸 산출물이며, 검증 보조자료는 위에서 언급된 타 위성자료(공개된 표준 산출물)로서, 각각의 비교를 통하여, 검증량(POD, FAR, PDFD, PC, CSI)을 계산하였다.

에어로졸 산출물은 에어로졸의 유형에 대한 에어로졸 마스크(aerosol mask)로서, 현재 사용가능한 검증용 자료로는 Himawari-8 L1B 칼라합성영상, MODIS AOD, CALIPSO VFM 자료가 있으며, 이들과의 시공간적 비교를 통하여 산출물의 정확도 검증이 수행하였다. 에어로졸 산출물의 탐지 결과에 대한 정량적인 검증을 위한 접근방법은 서로 다른 해상도를 가지는 두 가지 위성자료의 비교이다. 즉, 검증용 자료와 비교 대상 자료의 개별화소의 크기와 관측영역의 모양이 서로 다른 경우에는 인접한 화소 중 유클리디안 거리가 가장 최소인 화소를 선택하게 된다. 그리고 유클리디안 거리가 두 화소 중 큰 크기보다 작아야 함은 물론이다. 이러한 기본 개념에 의하여 시공간적으로 일치된 화소에 대하여 두 자료가 에어로졸로 정의 되어 있으면 에어로졸 탐지 성공으로 확인하였다.

CALIPSO Vertical Feature Mask(VFM) 산출물은 CALIPSO 위성의 궤도에 따라 6가지 종류의 에어로졸 유형의 연직분포에 관한 정보를 제공한다. CALIPSO VFM 자료를 이용한 에어로졸 산출물의 검증을 수행하였으며, 그 결과를 도 7에 나타내었다. 2016년 4월 8일에 발생한 미세먼지(연무)와 황사 동시 발생 사례에 대한 에어로졸 산출물과 CALIPSO VFM의 검증 결과는 아래의 표 4와 같이 황사의 경우, 0.76의 백분율 정확도(percent Correct, PC), 0.19의 임계성공지수(critical success index, CSI), 0.28의 탐지율(probability of detection, POD), 0.63의 오경보율(false alarm rate, FAR)의 값을 보였다. 또한, 미세먼지(연무)의 경우 각각 0.99, 0.01, 0.01, 1.00의 PC, CSI, POD, FAR 값을 보였으며, 기타로 분류된 에어로졸의 경우 각각 0.87, 0.17, 1.00, 0.83의 PC, CSI, POD, FAR 값을 보였다. CALIPSO VFM 자료를 이용한 에어로졸 산출물의 검증은 에어로졸 산출물의 연속 생산과 함께 지속적으로 수행될 수 있을 것이며, 이를 통해 산출물 검증 통계 분석 결과를 획득할 수 있다.

도 8은 본 발명의 일실시예에 따른 황사탐지결과와 MODIS 에어로졸 산출물과의 비교를 나타낸 도면이다.

CALIPSO 는 연직방향의 좁은 영역에 대한 제한된 정보만 제공되므로, 이에 대한 대안으로 MODIS L2 AOD 자료를 검증자료로 사용 가능하다. MODIS AOD 자료를 이용한 에어로졸 산출물의 검증을 수행하였으며, 그 결과를 도 8에 나타내었다. 에어로졸 탐지 알고리즘의 시험기간 동안 생산된 전구영역 자료와 MODIS AOD자료의 검증 결과는 아래의 표 5와 같으며, POD = 0.56 (해상), 0.97 (육상), FAR - 0.55(육상), 0.09(해상)의 결과값을 보였다. 에어로졸 산출물의 검증은 에어로졸 산출물의 연속 생산과 함께 지속적으로 수행될 것이며, 이를 통해 산출물 검증 통계 분석 결과를 획득할 수 있을 것이다.

한편, 본 발명에 따른 에어로졸 유형 분류 방법 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

위성을 통해 측정된 관측 자료를 이용하여 육지와 해양에 해당하는 화소들을 구분하는 단계;
구름 제거 알고리즘을 통해 상기 구분된 화소들 중 구름에 대응하는 화소를 제거함으로써 청천화소를 결정하는 단계; 및
상기 결정된 청천화소에 경계값 테스트 및 화소별 균일화 테스트를 이용하여 상기 청천화소에서 에어로졸을 탐지하고, 탐지된 에어로졸의 유형을 분류하는 단계
를 포함하는 에어로졸 탐지 및 에어로졸 유형 분류 방법.