KR20210032210A - 구름이동벡터 산출 장치 및 그 방법 - Google Patents

구름이동벡터 산출 장치 및 그 방법 Download PDF

Info

Publication number
KR20210032210A
KR20210032210A KR1020190113693A KR20190113693A KR20210032210A KR 20210032210 A KR20210032210 A KR 20210032210A KR 1020190113693 A KR1020190113693 A KR 1020190113693A KR 20190113693 A KR20190113693 A KR 20190113693A KR 20210032210 A KR20210032210 A KR 20210032210A
Authority
KR
South Korea
Prior art keywords
vector
region
cloud
area
calculating
Prior art date
Application number
KR1020190113693A
Other languages
English (en)
Other versions
KR102360577B1 (ko
Inventor
김보영
김현구
강용혁
윤창열
김창기
김진영
Original Assignee
한국에너지기술연구원
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 한국에너지기술연구원 filed Critical 한국에너지기술연구원
Priority to KR1020190113693A priority Critical patent/KR102360577B1/ko
Publication of KR20210032210A publication Critical patent/KR20210032210A/ko
Application granted granted Critical
Publication of KR102360577B1 publication Critical patent/KR102360577B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명의 실시예에 따른 구름이동벡터 산출 장치는 복수의 위성영상을 입력받는 입력부, 상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 상기 제1 영역에 인접하고 구름이 미검출된 제2 영역을 선정하는 선정부, 상기 제1 영역에 대한 제1 벡터를 산출하고, 상기 제1 벡터에 기초하여 상기 제2 영역에 대한 제2 벡터를 산출하는 산출부, 그리고 제1 벡터와 제2 벡터를 이용하여 구름 이동 벡터를 생성하는 생성부를 포함한다.

Description

구름이동벡터 산출 장치 및 그 방법{APPARATUS FOR CALCULATING CLOUD MOTION VECTOR AND METHOD THEREOF}
실시 예는 구름이동벡터 산출 장치 및 그 방법 에 관한 것이다.
태양 에너지는 지구 해양-대기 시스템의 에너지원으로서 육지, 해양, 대기의 온도를 조절하고, 농업, 환경, 기상 등 인간의 생활에 매우 중요한 역할을 한다. 최근 신재생 에너지에 대한 사회적인 관심이 높아지고 실제적인 활용이 증대되면서 태양광과 태양열 설비의 성능예측이 중요하게 다루어지고 있으며, 이에 따라 시스템의 성능을 결정하는 일사량에 대해서도 정밀도와 정확도의 향상을 위한 연구가 활발하게 진행되고 있다.
미국, 스위스와 같은 해외 선진국에서는 기초 일사 자원량 산정을 위하여 1950년대부터 지상관측 네트워크를 설치하여 일사량 관측이 이루어져 왔으며, 국내에서도 1982년부터 한국에너지기술연구원이 관측을 시작한 이래 현재 한국에너지기술연구원과 기상청에서 일사량 데이터를 제공하고 있다. 지상 관측소에 의한 일사량 측정은 높은 정확도의 관측값을 짧은 시간 간격으로 제공할 수 있는 장점이 있으나, 관측소가 존재하지 않는 지역에 대해서는 값을 취득할 수 없어 주변값들을 이용한 일사량의 추정에 의존해야 하는 단점이 있다.
위성자료를 이용하여 산출되는 일사량 데이터는 지상 관측 데이터와는 달리, 광역 공간에 대한 정보를 제공해줄 수 있으며 비접근 지역에 대한 정보도 제공해 줄 수 있다는 장점이 있다. 최근에는 위성영상을 활용하여 일사량을 추정하는 연구들이 국내외적으로 많이 진행되고 있다.
하지만, 위성영상을 활용하여 일사량을 추정하는데 있어, 일사량 추정의 정확도 향상에 가장 큰 걸림돌은 구름의 검출과 구름의 이동 예측이다. 구름의 존재 여부에 따라 실제 수평면에 입사되는 일사량이 크게 변할 수 있기 때문이다.
따라서, 위성영상에서 구름의 검출 및 이동 예측의 정확도를 향상시킬 수 있는 방안이 요구된다.
본 발명의 배경이 되는 기술은 한국공개특허공보 제10-2008-0031702호(2008.04.10.공개)에 개시되어 있다.
실시 예는 위성 영상의 구름 미검출 영역에 대한 구름이동벡터를 산출하는 장치 및 방법을 제공한다.
실시 예에서 해결하고자 하는 과제는 이에 한정되는 것은 아니며, 아래에서 설명하는 과제의 해결수단이나 실시 형태로부터 파악될 수 있는 목적이나 효과도 포함된다고 할 것이다.
본 발명의 실시예에 따른 구름이동벡터 산출 장치는 복수의 위성영상을 입력받는 입력부, 상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 상기 제1 영역에 인접하고 구름이 미검출된 제2 영역을 선정하는 선정부, 상기 제1 영역에 대한 제1 벡터를 산출하고, 상기 제1 벡터에 기초하여 상기 제2 영역에 대한 제2 벡터를 산출하는 산출부, 그리고 제1 벡터와 제2 벡터를 이용하여 구름 이동 벡터를 생성하는 생성부를 포함한다.
상기 선정부는, 상기 복수의 위성영상을 소정의 크기를 가진 윈도우로 분할하고, 상기 윈도우에 의해 분할된 복수의 분할 영역을 상기 제1 영역과 상기 제2 영역으로 분류하여 상기 제1 영역과 상기 제2 영역을 선정할 수 있다.
상기 산출부는, 복수의 위성영상 사이에 제1 영역간 상관도를 산출하고, 상기 상관도가 가장 높은 제1 영역간 구름의 변위를 산출하며, 산출된 상기 구름의 변위와 상기 복수의 위성영상 사이의 시간차에 기초하여 상기 제1 영역에 대한 제1 벡터를 산출할 수 있다.
상기 산출부는, 상기 제2 영역에 인접한 상기 제1 영역의 제1 벡터와 유체 연속 방정식을 이용하여 상기 제2 영역에 대한 제2 벡터를 산출할 수 있다.
상기 선정부는, 상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 이격되고 구름이 미검출된 제3 영역을 선정하고, 상기 산출부는, 수치일기예보(Numerical Weather Prediction, NWP)에 기초하여 상기 제3 영역에 대응하는 바람 벡터를 검출하고, 상기 바람 벡터를 이용하여 상기 제3 영역에 대한 제3 벡터를 산출할 수 있다.
상기 생성부는, 상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터를 결합하여 상기 복수의 위성영상에 대한 구름 이동 벡터를 생성할 수 있다.
본 발명의 실시예에 따른 구름이동벡터 산출 방법은 복수의 위성영상을 입력받는 단계, 상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 상기 제1 영역에 인접하고 구름이 미검출된 제2 영역을 선정하는 단계, 상기 제1 영역에 대한 제1 벡터를 산출하는 단계, 상기 제1 벡터에 기초하여 상기 제2 영역에 대한 제2 벡터를 산출하는 단계, 그리고 제1 벡터와 제2 벡터를 이용하여 구름 이동 벡터를 생성하는 단계를 포함할 수 있다.
상기 제1 영역과 상기 제1 영역에 인접한 제2 영역을 선정하는 단계는, 상기 복수의 위성영상을 소정의 크기를 가진 윈도우로 분할하는 단계, 그리고 상기 윈도우에 의해 분할된 복수의 분할 영역을 상기 제1 영역과 상기 제2 영역으로 분류하여 상기 제1 영역과 상기 제2 영역을 선정하는 단계를 포함할 수 있다.
상기 제1 영역에 대한 제1 벡터를 산출하는 단계는, 복수의 위성영상 사이에 제1 영역간 상관도를 산출하는 단계, 상기 상관도가 가장 높은 제1 영역간 구름의 변위를 산출하는 단계, 그리고 산출된 상기 구름의 변위와 상기 복수의 위성영상 사이의 시간차에 기초하여 상기 제1 영역에 대한 제1 벡터를 산출하는 단계를 포함할 수 있다.
상기 제2 벡터를 산출하는 단계는, 상기 제2 영역에 인접한 상기 제1 영역의 제1 벡터와 유체 연속 방정식을 이용하여 상기 제2 영역에 대한 제2 벡터를 산출할 수 있다.
상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 이격되고 구름이 미검출된 제3 영역을 선정하는 단계, 그리고 수치일기예보(Numerical Weather Prediction, NWP)에 기초하여 상기 제3 영역에 대응하는 바람 벡터를 검출하고, 상기 바람 벡터를 이용하여 상기 제3 영역에 대한 제3 벡터를 산출하는 단계를 더 포함할 수 있다.
상기 구름 이동 벡터를 생성하는 단계는, 상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터를 결합하여 상기 복수의 위성영상에 대한 구름 이동 벡터를 생성할 수 있다.
상기의 어느 한 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체일 수 있다.
실시 예에 따르면, 위성영상에서 구름이 검출되지 않은 영역에 대한 구름이동벡터를 산출할 수 있다.
구름 이동의 단기 예측뿐만 아니라 장기 예측에서 이용할 수 있는 정확도 높은 구름이동벡터를 제공할 수 있다.
본 발명의 다양하면서도 유익한 장점과 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시형태를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 구름이동벡터 산출 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 구름이동벡터 산출 방법의 순서도이다.
도 3은 본 발명의 실시예에 따른 제1 영역과 제2 영역을 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 제1 벡터를 산출하는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 제1 영역에 대한 제1 벡터를 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 제2 벡터를 산출하는 과정을 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 제1 벡터 및 제2 벡터가 산출된 결과를 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 구름이동벡터 산출 방법의 순서도이다.
도 9는 본 발명의 실시예에 따른 제3 영역의 선정 과정을 설명하기 위한 도면이다.
도 10은 본 발명의 실시예에 따른 제3 벡터를 산출하는 과정을 설명하기 위한 도면이다.
도 11은 본 발명의 실시예에 따른 구름이동벡터의 생성 과정을 설명하기 위한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제2, 제1 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 실시예에 따른 구름이동벡터 산출 장치의 구성도이다.
입력부(110)는 복수의 위성영상을 입력받는다.
여기서, 위성영상은 인공위성에 탑재된 감지기에 의해 기록된 영상일 수 있다. 인공위성은 서로 다른 파장에서 동작하는 복수의 채널을 통해 위성영상을 촬영할 수 있다. 따라서, 위성영상은 채널에 따라 적외영상, 수증기영상, 단파적외영상, 가시영상 등 다양한 형태의 영상을 포함할 수 있다.
복수의 위성영상은 제1 위성영상 및 제2 위성영상을 포함할 수 있다. 제1 위성영상 및 제2 위성영상은 소정의 시간 간격으로 촬영된 영상일 수 있다. 소정의 시간 간격은 인공위성의 규격에 기초하거나 사용자 등에 의해 임의로 설정될 수 있다. 예를 들어, 소정의 시간 간격은 15분이나 30분 간격일 수 있다. 제2 위성영상은 제1 위성영상보다 늦게 촬영된 영상일 수 있다. 예를 들어, 제1 위성영상이 9:00에 촬영된 영상이면, 제2 위성영상은 소정의 시간 간격 후인 9:15에 촬영된 영상일 수 있다.
또한, 입력부(110)는 수치일기예보를 입력받을 수도 있다.
선정부(120)는 복수의 위성영상으로부터 구름이 검출된 제1 영역과 제1 영역에 인접하고 구름이 미검출된 제2 영역을 선정한다.
구체적으로, 선정부(120)는 복수의 위성영상을 소정의 크기를 가진 윈도우로 분할할 수 있다. 그리고 선정부(120)는 윈도우에 의해 분할된 복수의 분할 영역을 제1 영역과 제2 영역으로 분류하여 제1 영역과 제2 영역을 선정할 수 있다.
또한, 선정부(120)는 복수의 위성영상으로부터 구름이 검출된 제1 영역과 이격되고 구름이 미검출된 제3 영역을 선정할 수 있다.
산출부(130)는 제1 영역에 대한 제1 벡터를 산출한다.
구체적으로, 산출부(130)는 복수의 위성영상 사이에 제1 영역간 상관도를 산출할 수 있다. 그리고, 산출부(130)는 상관도가 가장 높은 제1 영역간 구름의 변위를 산출할 수 있다. 산출부(130)는 산출된 구름의 변위와 복수의 위성영상 사이의 시간차에 기초하여 제1 영역에 대한 제1 벡터를 산출할 수 있다. 이때, 산출부(130)는 PIV(Particle Image Velocimetry) 기법이나 CMV(Cloud Motion Vector) 기법을 이용하여 제1 벡터를 산출할 수 있다.
그리고, 산출부(130)는 제1 벡터에 기초하여 제2 영역에 대한 제2 벡터를 산출한다. 산출부(130)는 제2 영역에 인접한 제1 영역의 제1 벡터와 유체 연속 방정식을 이용하여 제2 영역에 대한 제2 벡터를 산출할 수 있다.
또한, 산출부(130)는 수치일기예보(Numerical Weather Prediction, NWP)에 기초하여 제3 영역에 대응하는 바람 벡터를 검출하고, 바람 벡터를 이용하여 제3 영역에 대한 제3 벡터를 산출할 수 있다.
생성부(140)는 제1 벡터와 제2 벡터를 이용하여 구름이동벡터를 생성한다.
생성부(140)는 제1 벡터와 제2 벡터를 결합하여 구름이동벡터를 생성할 수 있다. 또한, 생성부(140)는 제1 벡터, 제2 벡터 및 제3 벡터를 결합하여 복수의 위성영상에 대한 구름이동벡터를 생성할 수 있다.
본 발명의 실시예에 따른 구름이동벡터 산출 장치(100)(100)는 서버(server)나 퍼스널 컴퓨터(persnol computer)와 같은 연산구성(예를 들어, 중앙처리장치(Central Processing Unit) 등)를 포함하는 장치를 통해 구현될 수 있다.
도 2는 본 발명의 실시예에 따른 구름이동벡터 산출 방법의 순서도이다.
도 2를 참조하면, 우선, 입력부(110)는 복수의 위성영상을 입력받는다(S210).
그러면, 선정부(120)는 복수의 위성영상으로부터 구름이 검출된 제1 영역과 제1 영역에 인접하고 구름이 미검출된 제2 영역을 선정한다(S220). 구체적으로, 선정부(120)는 복수의 위성영상을 소정의 크기를 가진 윈도우로 분할할 수 있다. 그리고, 선정부(120)는 윈도우에 의해 분할된 복수의 분할 영역을 제1 영역과 제2 영역으로 분류하여 제1 영역과 제2 영역을 선정할 수 있다.
다음으로, 산출부(130)는 제1 영역에 대한 제1 벡터를 산출한다(S230). 구체적으로, 산출부(130)는 복수의 위성영상 사이에 제1 영역간 상관도를 산출할 수 있다. 그리고, 산출부(130)는 상관도가 가장 높은 제1 영역간 구름의 변위를 산출할 수 있다. 산출부(130)는 산출된 구름의 변위와 복수의 위성영상 사이의 시간차에 기초하여 제1 영역에 대한 제1 벡터를 산출할 수 있다.
그리고, 산출부(130)는 제1 벡터에 기초하여 제2 영역에 대한 제2 벡터를 산출한다(S240). 산출부(130)는 제2 영역에 인접한 제1 영역의 제1 벡터와 유체 연속 방정식을 이용하여 제2 영역에 대한 제2 벡터를 산출할 수 있다.
다음으로, 생성부(140)는 제1 벡터와 제2 벡터를 이용하여 구름이동벡터를 생성한다(S250). 생성부(140)는 제1 벡터와 제2 벡터를 결합하여 구름이동벡터를 생성할 수 있다.
도 3은 본 발명의 실시예에 따른 제1 영역과 제2 영역을 설명하기 위한 도면이다.
본 발명의 실시예에 따르면, 선정부(120)는 위성영상으로부터 제1 영역과 제2 영역을 선정할 수 있다. 위성영상은 소정의 크기를 가진 윈도우로 분할될 수 있으며, 선정부(120)는 각 분할 영역이 제1 영역에 해당하는지 제2 영역에 해당하는지를 판단하여 선정할 수 있다. 윈도우의 크기는 이미지의 해상도 등을 고려하여 당업자에 의해 설계변경이 가능하다.
도 3을 참조하면, 제1 영역은 구름이 검출된 영역을 의미할 수 있다. 예를 들어, 선정부(120)는 각 분할 영역에 대한 청천지수(Clear Sky Index, CSI)와 기 설정한 임계치를 비교하여 구름의 존부를 검출할 수 있다. 선정부(120)는 해당 영역에 대한 청천지수가 기 설정된 임계치보다 작으면 해당 영역에서 구름이 검출된 것으로 보고, 해당 영역을 제1 영역으로 선정할 수 있다.
도 3을 참조하면, 제2 영역은 구름이 검출되지 않았으나 제1 영역에 인접한 영역을 의미할 수 있다. 예를 들어, 선정부(120)는 분할 영역에 대한 청천지수와 기 설정된 임계치를 비교하여 구름의 존부를 검출할 수 있다. 선정부(120)는 해당 영역에 대한 청천지수가 기 설정된 임계치보다 크거나 같으면, 해당 영역에서 구름이 검출되지 않은 것으로 판단할 수 있다. 그리고, 선정부(120)는 해당 영역에 인접한 영역에서 제1 영역이 존재하는지 여부를 판단할 수 있다. 이때, 해당 영역에 인접한 제1 영역이 존재하면, 선정부(120)는 해당 영역을 제2 영역으로 선정할 수 있다.
선정부(120)는 입력된 복수의 위성영상에 대해 제1 영역 및 제2 영역을 선정할 수 있다. 예를 들어, 복수의 위성영상이 제1 위성영상과 제2 위성영상을 포함하는 경우, 선정부(120)는 제1 위성영상 및 제2 위성영상 각각에 대하 제2 영역 및 제2 영역을 선정할 수 있다.
도 4는 본 발명의 실시예에 따른 제1 벡터를 산출하는 과정을 설명하기 위한 도면이다. 도 5는 본 발명의 실시예에 따른 제1 영역에 대한 제1 벡터를 설명하기 위한 도면이다.
도 4를 참조하면, 복수의 위성영상은 제1 위성영상과 제2 위성영상을 포함할 수 있다. 제1 위성영상과 제2 위성영상은 동일한 지역을 일정한 시간 간격으로 촬영한 연속 영상일 수 있다.
상기에서 살펴본 것처럼, 선정부(120)는 제1 위성영상과 제2 위성영상에 대해 제1 영역을 선정할 수 있다. 그러면, 산출부(130)는 제1 위성영상의 제1 영역과 이에 대응하는 제2 위성영상의 제1 영역을 비교할 수 있다. 구체적으로, 산출부(130)는 제1 위성영상의 제1 영역과 제2 위성영상의 제1 영역 사이의 상관도를 산출할 수 있다. 그리고, 산출부(130)는 제1 위성영상의 제1 영역과 제2 위성영상의 제1 영역 사이에 상관도가 가장 높은 영역간 구름의 변위를 산출할 수 있다.
구름의 변위가 산출되면, 산출부(130)는 도 5에 도시된 것처럼 제1 영역에 대한 제1 벡터를 산출할 수 있다. 구체적으로, 산출부(130)는 제1 위성영상과 제2 위성영상 사이의 시간차, 즉, 촬영간격과 구름의 변위를 통해 해당 제1 영역에 대한 제1 벡터를 산출할 수 있다.
도 4 및 도 5에서는, 설명을 위해 하나의 제1 영역에 대해서만 도시하고 있으나, 제1 영역이 복수인 경우 복수의 제1 영역에 대해 제1 벡터를 산출할 수 있다.
도 6은 본 발명의 실시예에 따른 제2 벡터를 산출하는 과정을 설명하기 위한 도면이다.
제1 벡터가 산출되면, 산출부(130)는 제2 영역에 대한 제2 벡터를 산출할 수 있다.
도 6에 도시된 것처럼, 위성영상에서 윈도우에 의해 분할된 각 영역 중 구름이 검출된 제1 영역에 대해서는 벡터가 산출될 수 있으나, 구름이 검출되지 않은 제2 영역에 대해서는 벡터가 산출될 수 있다. 하지만, 제2 영역은 제1 영역과 인접해 있으므로, 제2 영역에 대한 벡터가 산출되지 않으면 단기 예측에서 연속된 구름의 이동을 예측할 수 없는 문제점이 있다. 따라서, 제2 영역에 대한 벡터의 산출이 요구된다.
이러한 문제점을 해결하고자, 산출부(130)는 제2 영역에 인접한 제1 영역의 제1 벡터를 이용하여 제2 영역에 대한 제2 벡터를 산출한다.
예를 들어, 산출부(130)는 유체 연속 방정식을 이용하여 제2 영역에 대한 제2 벡터를 산출할 수 있다. 도 6에서 제2 영역의 아래면부터 시계방향으로 제1 내지 제4면이라고 가정한다. 우선, 산출부(130)는 제1 면에 인접한 제1 영역(a), 제1 영역(b), 제1 영역(c)의 벡터를 통해 제1 면에 대응하는 벡터값을 산출할 수 있다. 유체 연속 방정식에 따르면, 제1면을 기준으로 유입량과 유출량이 같아야 하므로, 제1 면에 대응하는 벡터값은 제1 영역(a), 제1 영역(b), 제1 영역(c)의 벡터를 합산한 값과 동일할 수 있다. 다음으로, 산출부(130)는 제2 면에 인접한 제1 영역(a)의 벡터를 통해 제2 면에 대응하는 벡터값을 산출할 수 있다. 다음으로, 산출부(130)는 제3 면에 인접한 제1 영역(e)의 벡터를 통해 제3 면에 대응하는 벡터값을 산출할 수 있다. 다음으로, 산출부(130)는 제4 면에 인접한 제1 영역(c), 제1 영역(d)의 벡터를 통해 제4 면에 대응하는 벡터값을 산출할 수 있다.
제1 내지 제4면에 대한 벡터를 산출하면, 산출부(130)는 제1 내지 제4면에 대한 벡터를 합산하여 제2 영역에 대한 제2 벡터를 산출할 수 있다.
도 7은 본 발명의 실시예에 따른 제1 벡터 및 제2 벡터가 산출된 결과를 나타낸 도면이다.
제1 영역에 대한 제1 벡터와 제2 영역에 대한 제2 벡터를 산출하면, 도 7에 도시된 것처럼 각 분할 영역에 대한 벡터가 생성될 수 있다.
다만, 제1 영역과 제2 영역에 해당하지 않는 분할 영역에 대해서는 벡터가 생성되지 않을 수 있으며, 이는 장기 예측에서 구름의 이동 예측이 부정확할 수 있다.
도 8은 본 발명의 실시예에 따른 구름이동벡터 산출 방법의 순서도이다.
도 8을 참조하면, 본 발명의 실시예에 따른 구름이동벡터 산출 방법은 S810 내지 S880 단계를 포함할 수 있다.
우선, S810 내지 S840 단계는 도 2를 참조하여 설명한 S210 내지 S240 단계와 동일하다. 따라서, S810 내지 S840 단계에 대한 상세한 설명은 생략하도록 한다.
입력부(110)는 수치일기예보를 입력 받을 수 있다(S850).
수치일기예보(Numberical Weather Prediction, NWP)는 수치예보모델에 의해 산출된 기상 예측 정보를 의미할 수 있다. 수치예보모델은 지구의 기상시스템을 대기 상태와 운동을 지배하는 역학ㆍ물리 방정식을 사용하여 기상학적으로 모델링한 것을 의미할 수 있다. 수치예보모델은 일반적으로 지구를 바둑판 같은 수많은 격자로 나누어 격자점마다 대기의 상태와 운동에 대한 방정식을 계산하도록 구성한다. 수치일기예보에는 다양한 일기 관련 예보 정보가 포함되어 있다. 예를 들어, 수치일기예보는 대기의 운동과 같은 바람장 정보를 포함할 수 있다.
도 8에서는 수치일기예보를 입력받는 단계가 S840 단계 이후에 진행되는 단계로 도시되었으나, S810 단계에서 위성영상과 함께 입력될 수도 있다.
선정부(120)는 제3 영역을 선정할 수 있다(S860). 구체적으로 선정부(120)는 복수의 위성영상으로부터 구름이 검출된 제1 영역과 이격되고 구름이 미검출된 제3 영역을 선정할 수 있다.
구체적으로, 선정부(120)는 복수의 위성영상으로부터 구름이 검출된 제1 영역과 이격되고 구름이 미검출된 제3 영역을 선정할 수 있다.
산출부(130)는 제3 영역에 대한 제3 벡터를 산출할 수 있다(S870).
구체적으로, 산출부(130)는 수치일기예보(Numerical Weather Prediction, NWP)에 기초하여 제3 영역에 대응하는 바람 벡터를 검출하고, 바람 벡터를 이용하여 제3 영역에 대한 제3 벡터를 산출할 수 있다.
생성부(140)는 제1 벡터, 제2 벡터 및 제3 벡터를 결합하여 구름이동벡터를 생성할 수 있다(S880).
도 9는 본 발명의 실시예에 따른 제3 영역의 선정 과정을 설명하기 위한 도면이다.
도 9를 참조하면, 선정부(120)는 위성영상으로부터 제1 영역 및 제2 영역뿐만 아니라 제3 영역을 선정할 수 있다. 소정의 크기를 가진 윈도우로 분할된 위성영상의 각 분할 영역은 제1 영역 및 제2 영역뿐만 아니라 제3 영역으로 분할될 수 있다.
도 9에 도시된 것처럼, 제1 영역은 구름이 검출된 분할 영역, 제2 영역은 구름이 미검출되고 제1 영역에 인접한 분할 영역, 제3 영역은 구름이 미검출되고 제1 영역과 이격된 분할 영역일 수 있다. 제1 영역 내지 제3 영역 선정되면, 위성영상의 모든 분할 영역이 카테고리화 될 수 있다.
선정부(120)는 입력된 복수의 위성영상에 대해 제3 영역을 선정할 수 있다. 예를 들어, 복수의 위성영상이 제1 위성영상과 제2 위성영상을 포함하는 경우, 선정부(120)는 제1 위성영상 및 제2 위성영상 각각에 대해 제3 영역을 선정할 수 있다.
제3 영역의 선정은 제1 영역 및 제2 영역의 선정과 별개로 진행될 수 있을 뿐만 아니라, 제1 영역 및 제2 영역의 선정과 함께 진행될 수도 있다.
도 10은 본 발명의 실시예에 따른 제3 벡터를 산출하는 과정을 설명하기 위한 도면이다.
산출부(130)는 수치일기예보(Numerical Weather Prediction, NWP)에 포함된 바람장 정보에 기초하여 제3 영역에 대한 제3 벡터를 산출할 수 있다.
도 10을 참조하면, 산출부(130)는 위성영상의 제3 영역에 대응하는 지역의 바람장 정보를 수치일기예보로부터 검출할 수 있다. 이때, 위성영상과 수치일기예보의 비교는 지형적으로 대응하는 영역을 대상으로 할 수 있다. 예를 들어, 제3 영역이 독도를 포함하는 영역인 경우, 산출부(130) 역시 독도를 포함하는 영역에 대한 수치일기예보로부터 바람장 정보를 검출할 수 있다.
제3 영역에 대응하는 지역의 바람장 정보가 검출되면, 산출부(130)는 도 10에 도시된 것처럼, 해당 제3 영역에 대한 제3 벡터를 검출된 바람장 벡터를 통해 산출할 수 있다. 예를 들어, 산출부(130)는 검출된 바람장 벡터를 제3 벡터로 산출할 수 있다. 또는 산출부(130)는 검출된 바람장 벡터를 기 설정된 알고리즘을 통해 가공하여 제3 벡터를 산출할 수도 있다.
제2 영역에서 도출된 제2 벡터를 통해 제3 영역에 대한 제3 벡터를 산출할 수도 있다. 하지만, 제2 벡터는 위성영상을 통해 직접적으로 산출된 벡터가 아닌 제1 벡터로부터 산출된 벡터이므로, 이를 다시 제3 벡터를 산출하는데 이용할 경우 정확도가 낮아질 수 있다. 따라서, 본 발명은 수치일기예보에 포함된 바람장 정보를 통해 제3 영역에 대한 제3 벡터를 산출함으로써 정확도를 향상시킬 수 있다.
도 11은 본 발명의 실시예에 따른 구름이동벡터의 생성 과정을 설명하기 위한 도면이다.
앞서 살펴본 도 7과 비교하면, 도 7에서 구름이동벡터가 생성되지 않은 영역인 제3 영역에 대한 구름이동벡터가 도 11에서는 생성되었음을 알 수 있다.
한편, 상술한 구름이동벡터 산출 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램(코드)로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 구름이동벡터 산출 장치
110 : 입력부
120 : 선정부
130 : 산출부
140 : 생성부

Claims (13)

  1. 복수의 위성영상을 입력받는 입력부,
    상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 상기 제1 영역에 인접하고 구름이 미검출된 제2 영역을 선정하는 선정부,
    상기 제1 영역에 대한 제1 벡터를 산출하고, 상기 제1 벡터에 기초하여 상기 제2 영역에 대한 제2 벡터를 산출하는 산출부, 그리고
    제1 벡터와 제2 벡터를 이용하여 구름 이동 벡터를 생성하는 생성부를 포함하는 구름 이동 벡터 산출 장치.
  2. 제1항에 있어서,
    상기 선정부는,
    상기 복수의 위성영상을 소정의 크기를 가진 윈도우로 분할하고,
    상기 윈도우에 의해 분할된 복수의 분할 영역을 상기 제1 영역과 상기 제2 영역으로 분류하여 상기 제1 영역과 상기 제2 영역을 선정하는 구름 이동 벡터 산출 장치.
  3. 제1항에 있어서,
    상기 산출부는,
    복수의 위성영상 사이에 제1 영역간 상관도를 산출하고,
    상기 상관도가 가장 높은 제1 영역간 구름의 변위를 산출하며,
    산출된 상기 구름의 변위와 상기 복수의 위성영상 사이의 시간차에 기초하여 상기 제1 영역에 대한 제1 벡터를 산출하는 구름 이동 벡터 산출 장치.
  4. 제1항에 있어서,
    상기 산출부는,
    상기 제2 영역에 인접한 상기 제1 영역의 제1 벡터와 유체 연속 방정식을 이용하여 상기 제2 영역에 대한 제2 벡터를 산출하는 구름 이동 벡터 산출 장치.
  5. 제1항에 있어서,
    상기 선정부는,
    상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 이격되고 구름이 미검출된 제3 영역을 선정하고,
    상기 산출부는,
    수치일기예보(Numerical Weather Prediction, NWP)에 기초하여 상기 제3 영역에 대응하는 바람 벡터를 검출하고, 상기 바람 벡터를 이용하여 상기 제3 영역에 대한 제3 벡터를 산출하는 구름 이동 벡터 산출 장치.
  6. 제5항에 있어서,
    상기 생성부는,
    상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터를 결합하여 상기 복수의 위성영상에 대한 구름 이동 벡터를 생성하는 구름 이동 벡터 산출 장치.
  7. 복수의 위성영상을 입력받는 단계,
    상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 상기 제1 영역에 인접하고 구름이 미검출된 제2 영역을 선정하는 단계,
    상기 제1 영역에 대한 제1 벡터를 산출하는 단계,
    상기 제1 벡터에 기초하여 상기 제2 영역에 대한 제2 벡터를 산출하는 단계, 그리고
    제1 벡터와 제2 벡터를 이용하여 구름 이동 벡터를 생성하는 단계를 포함하는 구름 이동 벡터 산출 방법.
  8. 제7항에 있어서,
    상기 제1 영역과 상기 제1 영역에 인접한 제2 영역을 선정하는 단계는,
    상기 복수의 위성영상을 소정의 크기를 가진 윈도우로 분할하는 단계, 그리고
    상기 윈도우에 의해 분할된 복수의 분할 영역을 상기 제1 영역과 상기 제2 영역으로 분류하여 상기 제1 영역과 상기 제2 영역을 선정하는 단계를 포함하는 구름 이동 벡터 산출 방법.
  9. 제7항에 있어서,
    상기 제1 영역에 대한 제1 벡터를 산출하는 단계는,
    복수의 위성영상 사이에 제1 영역간 상관도를 산출하는 단계,
    상기 상관도가 가장 높은 제1 영역간 구름의 변위를 산출하는 단계, 그리고
    산출된 상기 구름의 변위와 상기 복수의 위성영상 사이의 시간차에 기초하여 상기 제1 영역에 대한 제1 벡터를 산출하는 단계를 포함하는 구름 이동 벡터 산출 방법.
  10. 제7항에 있어서,
    상기 제2 벡터를 산출하는 단계는,
    상기 제2 영역에 인접한 상기 제1 영역의 제1 벡터와 유체 연속 방정식을 이용하여 상기 제2 영역에 대한 제2 벡터를 산출하는 구름 이동 벡터 산출 방법.
  11. 제7항에 있어서,
    상기 복수의 위성영상으로부터 구름이 검출된 제1 영역과 이격되고 구름이 미검출된 제3 영역을 선정하는 단계, 그리고
    수치일기예보(Numerical Weather Prediction, NWP)에 기초하여 상기 제3 영역에 대응하는 바람 벡터를 검출하고, 상기 바람 벡터를 이용하여 상기 제3 영역에 대한 제3 벡터를 산출하는 단계를 더 포함하는 구름 이동 벡터 산출 방법.
  12. 제11항에 있어서,
    상기 구름 이동 벡터를 생성하는 단계는,
    상기 제1 벡터, 상기 제2 벡터 및 상기 제3 벡터를 결합하여 상기 복수의 위성영상에 대한 구름 이동 벡터를 생성하는 구름 이동 벡터 산출 방법.
  13. 제7항 내지 제12항 중 어느 한 청구항의 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체.
KR1020190113693A 2019-09-16 2019-09-16 구름이동벡터 산출 장치 및 그 방법 KR102360577B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190113693A KR102360577B1 (ko) 2019-09-16 2019-09-16 구름이동벡터 산출 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190113693A KR102360577B1 (ko) 2019-09-16 2019-09-16 구름이동벡터 산출 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210032210A true KR20210032210A (ko) 2021-03-24
KR102360577B1 KR102360577B1 (ko) 2022-02-09

Family

ID=75256974

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190113693A KR102360577B1 (ko) 2019-09-16 2019-09-16 구름이동벡터 산출 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102360577B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220144237A (ko) * 2021-04-19 2022-10-26 중앙대학교 산학협력단 구름 이미지를 이용한 실시간 강수량 예측 장치, 이를 이용한 강수량 예측 방법 및 이를 제공하기 위한 컴퓨터 프로그램이 기록된 컴퓨터-판독가능매체

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08271649A (ja) * 1995-03-30 1996-10-18 Nippon Telegr & Teleph Corp <Ntt> 気象予測装置
JPH1125278A (ja) * 1997-07-02 1999-01-29 Nippon Telegr & Teleph Corp <Ntt> 移動体の挙動解析予測装置およびそのうねり対応づけ処理方法
JP2002156466A (ja) * 2000-11-16 2002-05-31 Mitsubishi Electric Corp 雲量算出システムおよび方法
KR20180083054A (ko) * 2017-01-12 2018-07-20 경북대학교 산학협력단 예측장 생성방법, 이를 수행하기 위한 기록매체 및 장치
KR101926544B1 (ko) * 2018-08-27 2019-03-07 (주)지비엠 아이엔씨 기상 예측 모델을 이용한 기상 관측 방법, 시스템 및 컴퓨터 프로그램

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08271649A (ja) * 1995-03-30 1996-10-18 Nippon Telegr & Teleph Corp <Ntt> 気象予測装置
JPH1125278A (ja) * 1997-07-02 1999-01-29 Nippon Telegr & Teleph Corp <Ntt> 移動体の挙動解析予測装置およびそのうねり対応づけ処理方法
JP2002156466A (ja) * 2000-11-16 2002-05-31 Mitsubishi Electric Corp 雲量算出システムおよび方法
KR20180083054A (ko) * 2017-01-12 2018-07-20 경북대학교 산학협력단 예측장 생성방법, 이를 수행하기 위한 기록매체 및 장치
KR101926544B1 (ko) * 2018-08-27 2019-03-07 (주)지비엠 아이엔씨 기상 예측 모델을 이용한 기상 관측 방법, 시스템 및 컴퓨터 프로그램

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220144237A (ko) * 2021-04-19 2022-10-26 중앙대학교 산학협력단 구름 이미지를 이용한 실시간 강수량 예측 장치, 이를 이용한 강수량 예측 방법 및 이를 제공하기 위한 컴퓨터 프로그램이 기록된 컴퓨터-판독가능매체

Also Published As

Publication number Publication date
KR102360577B1 (ko) 2022-02-09

Similar Documents

Publication Publication Date Title
Nonnenmacher et al. Streamline-based method for intra-day solar forecasting through remote sensing
US9188701B2 (en) Power generation predicting apparatus and method thereof
Tan et al. Comparative analysis of spatial interpolation methods: an experimental study
Yang et al. Solar irradiance forecasting using spatio-temporal empirical kriging and vector autoregressive models with parameter shrinkage
Huang et al. Cloud motion estimation for short term solar irradiation prediction
Bone et al. Intra-hour direct normal irradiance forecasting through adaptive clear-sky modelling and cloud tracking
Alonso-Montesinos et al. Solar radiation forecasting in the short-and medium-term under all sky conditions
KR20210032788A (ko) 위성영상 기반의 태양광 발전량 예측 장치 및 그 방법
Yoo et al. Depth inversion in the surf zone with inclusion of wave nonlinearity using video-derived celerity
Sun et al. Short term cloud coverage prediction using ground based all sky imager
Jamaly et al. Robust cloud motion estimation by spatio-temporal correlation analysis of irradiance data
Zhou et al. Time series prediction methods for depth-averaged current velocities of underwater gliders
Cros et al. Cloud pattern prediction from geostationary meteorological satellite images for solar energy forecasting
KR102360577B1 (ko) 구름이동벡터 산출 장치 및 그 방법
Khoshboresh-Masouleh et al. A deep learning method for near-real-time cloud and cloud shadow segmentation from gaofen-1 images
Tang et al. Estimating slope from raster data: a test of eight different algorithms in flat, undulating and steep terrain
Ian et al. Performance Analysis of Machine Learning Algorithms in Storm Surge Prediction.
KR102360576B1 (ko) 구름이동벡터 산출 장치 및 그 방법
Nou et al. Clear-sky irradiance model for real-time sky imager application
Cheng et al. Prediction of non-stationary multi-head cloud motion vectors for intra-hourly satellite-derived solar power forecasting
KR20210034238A (ko) 일사량 추정 장치 및 그 방법
Li et al. Discern Depth Under Foul Weather: Estimate PM $ _ {2.5} $ for Depth Inference
Kowaleski et al. Relationship between the track and structural evolution of Hurricane Sandy (2012) using a regional ensemble
KR102285686B1 (ko) 구름 이동 예측 장치 및 그 방법
Acosta et al. Comparative analysis on interpolation methods for bathymetric data gaps [J]

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right