KR20210131115A - 구름의 광학 두께 및 미세물리량 산출 방법 및 장치 - Google Patents

구름의 광학 두께 및 미세물리량 산출 방법 및 장치 Download PDF

Info

Publication number
KR20210131115A
KR20210131115A KR1020200049509A KR20200049509A KR20210131115A KR 20210131115 A KR20210131115 A KR 20210131115A KR 1020200049509 A KR1020200049509 A KR 1020200049509A KR 20200049509 A KR20200049509 A KR 20200049509A KR 20210131115 A KR20210131115 A KR 20210131115A
Authority
KR
South Korea
Prior art keywords
cloud
optical thickness
reflectivity
calculating
channel
Prior art date
Application number
KR1020200049509A
Other languages
English (en)
Inventor
양이석
엄준식
염성수
Original Assignee
한국전자통신연구원
연세대학교 산학협력단
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, 연세대학교 산학협력단 filed Critical 한국전자통신연구원
Priority to KR1020200049509A priority Critical patent/KR20210131115A/ko
Publication of KR20210131115A publication Critical patent/KR20210131115A/ko

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications
    • G01S17/95Lidar systems specially adapted for specific applications for meteorological use
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

구름의 광학 두께 및 미세물리량 산출 방법 및 장치가 제공된다. 상기 방법에서, 장치가, 입력되는 구름의 유효 픽셀에 대하여, 입력되는 위성의 가시 채널에 도달한 반사도 값과 근적외 채널에 도달한 반사도 값을 사용하여, 운정 고도에서의 구름 반사도를 획득하고, 상기 획득된 구름 반사도를 기반으로 상기 가시 채널의 구름 반사도와 상기 근적외 채널의 구름 반사도를 산출한다. 그리고 상기 장치가, 상기 산출된 가시 채널의 구름 반사도와 상기 산출된 근적외 채널의 구름 반사도를 기반으로 구름 광학두께와 구름입자 유효반경을 산출한다.

Description

구름의 광학 두께 및 미세물리량 산출 방법 및 장치{Method and apparatus for calculating the optical thickness and microphysics of clouds}
본 발명은 구름의 광학 두께 및 미세물리량 산출 방법 및 장치에 관한 것이다.
위성의 가시채널의 반사도는 구름 광학두께의 크기에 정비례하는 경향이 있고, 위성의 근적외 채널의 반사도는 구름입자 유효반경의 크기에 반비례하는 경향이 있다. 이러한 위성의 가시/근적외 채널의 특성을 이용하여 가시/근적외 채널의 반사도(reflectance) 값을 통해 구름 광학두께와 구름입자 유효반경을 산출해낼 수 있다.
구름입자 유효반경과 구름 광학두께를 산출하기 위해서는 추가적으로, 복사 전달 모델(radiative transfer model, RTM)에 대한 계산이 필요하다. 그런데 이 방법을 사용하기 위해서는 구름의 미세물리적, 광학적 성질 이외에도 흡수기체, 에어로졸, 레일리 산란 등의 대기보정 과정들을 고려해야 한다.
관련 선행 문헌으로는 대한민국 특허 출원 등록특허 제10-0775654호에 기재된 마이크로 채널을 이용한 구름 광학 두께 및 유효 입자반경의 추정 방법”이 있다.
본 발명이 해결하고자 하는 과제는 가시 채널과 근적외 채널의 반사도를 사용하여 구름 광학두께와 구름입자 유효반경을 산출할 수 있는 방법 및 장치를 제공하는 것이다.
또한, 본 발명이 해결하고자 하는 과제는 구름 광학두께와 구름입자 유효반경 사이의 관계식을 이용하여 구름 수액경로와 구름 빙정경로를 산출할 수 있는 방법 및 장치를 제공하는 것이다.
일 실시 예에 따르면, 구름의 광학 두께 및 미세물리량 산출 방법이 제공된다. 상기 방법은, 장치가, 입력되는 구름의 유효 픽셀에 대하여, 입력되는 위성의 가시 채널에 도달한 반사도 값과 근적외 채널에 도달한 반사도 값을 사용하여, 운정 고도에서의 구름 반사도를 획득하는 단계; 상기 장치가, 상기 획득된 구름 반사도를 기반으로 상기 가시 채널의 구름 반사도와 상기 근적외 채널의 구름 반사도를 산출하는 단계; 및 상기 장치가, 상기 산출된 가시 채널의 구름 반사도와 상기 산출된 근적외 채널의 구름 반사도를 기반으로 구름 광학두께와 구름입자 유효반경을 산출하는 단계를 포함한다.
본 발명의 실시 예에 따르면, 가시 채널과 근적외 채널(천리안 위성 2A호의 가시 채널과 근적외 채널)을 사용하여 구름 광학두께, 구름입자 유효반경, 구름 수액경로, 구름 빙정경로를 용이하게 산출할 수 있다.
도 1은 본 발명의 실시 예에 따른 구름의 광학 두께 및 미세물리량 산출 방법의 흐름도이다.
도 2는 본 발명의 실시 예에 따른 구름 광학 두께 및 미세물리량 산출 방법에서, 구름 광학두께와 구름입자 유효반경을 산출하는 과정의 흐름도이다.
도 3은 본 발명의 실시 예에 따른 구름의 광학 두께 및 미세물리량 산출 장치의 구조를 나타낸 도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에서 단수로 기재된 표현은 "하나" 또는 "단일" 등의 명시적인 표현을 사용하지 않은 이상, 단수 또는 복수로 해석될 수 있다.
이하, 본 발명의 실시 예에 따른 구름의 광학 두께 및 미세물리량 산출 방법 및 장치에 대하여 설명한다.
본 발명의 실시 예에서는 천리안 위성 2A호의 가시 채널과 근적외 채널을 기반으로 하며, 여기서, 가시 채널은 중심 파장이 0.64μm 또는 0.86μm인 채널을 나타내며, 근적외 채널은 중심 파장이 1.61μm인 채널을 나타낸다. 그러나 본 발명은 반드시 이에 한정되는 것은 아니다.
본 발명의 실시 예에서는 구름의 광학 두께 및 미세 물리량 산출을 위해서, 크게 다음 다섯 단계를 수행한다.
첫째로, 추후에 있을 계산에 필요한 구름 특성에 관한 조견표와 미량기체(trace gas) 계수를 복사 전달 모델을 이용하여 계산하고 저장한다.
둘째로, 대기보정(atmospheric correction) 과정을 수행한다.
셋째로, 운정 고도(cloud top height, CTP)에서의 구름 반사도(reflectance of the cloud top, RTOC)를 획득한다.
넷째로, 가시 채널의 구름 반사도와 근적외 채널의 구름 반사도를 기반으로 전방 모형(forward model)를 사용하여, 구름 광학두께와 구름입자 유효반경을 산출한다.
다섯째로, 구름상(cloud phase, CPH) 산출물을 사용하여 해당 화소의 구름이 물상인지 얼음상인지 판정하고, 선행연구를 통해 얻은 구름광학두께/구름입자유효반경과 구름수액경로/구름빙정경로의 관계식을 사용하여 구름 수액경로와 구름 빙정경로를 산출한다.
도 1은 본 발명의 실시 예에 따른 구름의 광학 두께 및 미세물리량 산출 방법의 흐름도이다.
여기서는 구름 특성에 관한 조견표와 미량기체(trace gas) 계수를 복사 전달 모델을 이용하여 계산하고 저장된 미량기체 조건표를 기반으로, 상기 방법이 수행된다.
사용된 복사 전달 모델은 DISTORT이고, 구름은 균일하고(homogenous) 수평하며 단층인(horizontal one layer) 것으로 가정하고, 대기를 진공 상태라 가정하여 계산을 수행하였다.
구름 특성 조견표는 다음 4가지를 포함한다.
① 각 채널의 구름 반사도(cloud reflectance, Rc)를 구름 광학두께, 구름 빙정경로, 태양 천정각(solar zenith angle, SZA), 위성 천정각(local zenith angle, LZA), 태양 위성간 방위각 차이(difference of azimuth angle, DAA)를 포함하는 5개의 변수를 미리 정해 놓은 단계에 따라 변화를 주어 계산한 것
② 각 채널의 구름 투과율(cloud transmission, Tc)을 구름 광학두께, 구름입자 유효반경, 태양 천정각(SZA)의 3개의 변수를 미리 정해놓은 단계에 따라 변화를 주어 계산한 것
③ 각 채널의 구름 알베도(cloud albedo, Ac)를 구름 광학두께, 구름입자 유효반경, 태양 천정각(SZA)의 3개의 변수를 미리 정해 놓은 단계에 따라 변화를 주어 계산한 것
④ 구름 구면 알베도(cloud spherical albedo, Rc,sph)를 구름 광학두께, 구름입자 유효반경의 2개의 변수를 미리 정해놓은 단계에 따라 변화를 주어 계산한 것
미량기체 조견표는 각 채널 별로 구름이 반사한 복사휘도(radiance)를 흡수하는 기체들에 대해서 모수화한 식에 대입할 계수를 HITRAN(HIgh-resolution TRANsmission)을 이용하여 계산해서 저장하였다.
계산에 필요한 구름 특성에 관한 조견표와 미량기체 조건표에 대한 계산이 모두 완료되면, 해당 조견표들은 따로 저장을 해 놓고, 위성의 구름탐지(cloud mask, CLD MASK) 산출물을 이용하여 구름이라 판명된 픽셀(pixel)에 대하여 다음과 같은 과정을 수행한다.
첨부한 도 1에서와 같이, 유효 픽셀에 대하여, 위성의 가시 채널, 근적외 채널에 도달한 반사도 값(reflectance of the top of atmosphere, RTOA)을 입력받는다(S100, S110). 즉, 위성의 가시 채널에 도달한 반사도 값과 위성의 근적외 채널에 도달한 반사도 값을 입력받는다.
다음에, 운정 고도(CTP)에서의 구름 반사도(RTOC)를 산출한다(S120). 위성의 가시 채널, 근적외 채널에 도달한 반사도 값(RTOA)를 사용하는 경우, 구름이 빛을 반사하고 나서 위성에 도달하기 전까지 지구 대기권을 통과하면서 미량 기체에 의한 흡수로 인해 감쇄된 양, 레일리 산란(Rayleigh scattering)에 의해 구름이 반사하지 않은 빛이 유입되어 위성에 관측된 양을 고려해야 한다. 대기보정을 수행하고 하고자 하는 픽셀의 SZA, LZA, DAA 값과 구름의 광학두께, 구름의 입자유효반경의 대표값(일반적으로 구름 광학두께는 10mm, 구름의 입자유효반경은 20mm라 가정한다.)을 통해, 미량 기체에 의한 흡수로 인해 감쇄된 양이 미량기체 조견표로부터 계산될 수 있고, 레일리 산란에 의한 구름이 반사하지 않은 빛은 구름특성 조견표 중 구름 알베도(Ac) 값을 통해 계산될 수 있다. 이를 이용해 SZA, LZA, DAA, 구름 광학두께, 구름입자 유효반경의 대표값과 구름특성 조견표와 미량기체 조견표로부터 미량 기체의 의한 흡수, 레일리 산란 효과를 제거하는 대기 보정 과정이 수행된다(S121).
이러한 대기 보정 과정 이후에, 위성의 가시 채널, 근적외 채널에 도달한 반사도 값(RTOA)를 사용하여, 운정 고도(CTP)에서의 구름 반사도(RTOC)를 산출하며, 이에 따라 가시 채널의 구름 반사도(RVIS)와 근적외 채널의 구름 반사도(RNIR)가 획득된다.
그리고, 가시 채널의 구름 반사도(RVIS)와 근적외 채널의 구름 반사도(RNIR), 선행 연구를 통해 얻어진 전방 모형(forward model)를 기반으로, 최적 추정 방법(optimal estimation inverse method)을 사용하여 구름 광학두께와 구름입자 유효반경을 산출한다.
여기서, 최적 추정 방법은, 입력 변수의 실제 관측 값뿐만 아니라, 입력 변수의 선험 정보(a-priori information)와 관측 오차 그리고 선험 오차(a-priori error)까지 고려하여 종속 변수를 산출하는 방법을 나타낸다.
최적 추정 방법을 사용하여 구름 광학두께와 구름입자 유효반경을 산출하기 위해, 실제 관측 값인 관측 벡터(observation vector) y를 입력받고(S130), 검색(retrieval) 알고리즘에 따라 비용함수(cost function)의 최소값을 만족시키는 종속 변수 값을 찾는다(S140). 이를 위해, Tc, Rc, Ac, Rc,sph가 입력된 LUT와, Asfc를 사용한다. Tc는 구름 투과율을 나타내고, Rc는 구름 반사도를 나타내며, Ac는 구름알베도, Rc,sph는 구름 구면 알베도를 나타낸다. 또한, Asfc는 지면 반사도를 의미한다. 비용 함수의 최소값을 만족시키는 종속 변수 값을 찾는데 있어서, 다음과 같은 수식이 사용된다.
상태 벡터(state vector)인 x는 다음과 같이 나타낼 수 있다.
Figure pat00001
여기서,
Figure pat00002
는 구름 광학두께를 나타내고,
Figure pat00003
는 구름입자 유효반경을 나타낸다.
그리고 선험 값의 상태벡터(a-priori state vector)
Figure pat00004
는 다음과 같이 나타낼 수 있다.
Figure pat00005
여기서,
Figure pat00006
는 구름 광학두께의 선험값(a-priori value)을 나타내고,
Figure pat00007
는 구름입자 유효반경의 선험값을 나타낸다.
벡터 y는 다음과 같이 나타낼 수 있다. 여기서 y는 입력 벡터 또는 관측 벡터를 나타낸다.
Figure pat00008
그리고 선험오차 공분산행렬(a-priori error covariance matrix)
Figure pat00009
는 다음과 같이 나타낼 수 있다.
Figure pat00010
여기서,
Figure pat00011
는 구름 광학두께의 선험오차를 나타내고,
Figure pat00012
는 구름입자 유효반경의 선험오차를 나타낸다.
그리고 관측벡터 오차공분산행렬(observation error covariance matrix)
Figure pat00013
는 다음과 같이 나타낼 수 있다.
Figure pat00014
여기서,
Figure pat00015
는 가시 채널의 구름 반사도의 선험오차를 나타내고,
Figure pat00016
는 근적외 채널의 구름 반사도의 선험오차를 나타낸다.
그리고 상태오차 공분산행렬(state error covariance matrix)
Figure pat00017
는 다음과 같이 산출될 수 있다.
Figure pat00018
여기서, K는 커널 행렬(kernel matrix)을 나타낸다.
그리고 비용 함수는 다음과 같은 식에 따라 산출될 수 있다.
Figure pat00019
여기서, F(x)는 전방모형을 나타내다. F(x)를 계산할 때,
이러한 비용 함수의 최소값을 만족시키는 종속 변수 값 즉, 구름 광학두께와 구름입자 유효반경으로 이루어지는 상태 벡터 x를 획득한다(S150).
다음에, 구름상(cloud phase, CPH) 산출물 즉, 구름 광학두께(
Figure pat00020
)와 구름입자 유효반경(
Figure pat00021
)을 사용하여 해당 픽셀의 구름이 물상인지 또는 얼음상인지를 판정하고, 선행연구를 통해 획득된 미리 설정된 관계식을 사용하여 구름 수액경로와 구름 빙정경로를 산출한다(S160). 여기서 미리 설정된 관계식은 구름 광학두께/구름입자 유효반경과 구름 수액경로/구름 빙정경로의 관계식이다.
구름 수액경로(liquid water path, LWP)는 다음과 같이 산출될 수 있다.
Figure pat00022
구름 빙정경로(ice water path, IWP)는 다음과 같이 산출될 수 있다.
Figure pat00023
여기서,
Figure pat00024
은 물의 밀도를 나타내고,
Figure pat00025
는 얼음의 밀도를 나타낸다.
이러한 과정을 통해, 가시 채널과 근적외 채널의 반사도를 사용하여 구름 광학두께와 구름입자 유효반경을 산출할 수 있으며, 또한, 구름 광학두께와 구름입자 유효반경 사이의 관계식을 이용하여 구름 수액경로와 구름 빙정경로를 산출할 수 있다.
이와 같이 수행되는 본 발명의 실시 예에 따른 구름 광학 두께 및 미세물리량 산출 방법에서, 최적 추정 방법을 사용하여 구름 광학두께와 구름입자 유효반경을 산출하는 과정을 구체적으로 살펴보면 다음과 같다.
도 2는 본 발명의 실시 예에 따른 구름 광학 두께 및 미세물리량 산출 방법에서, 구름 광학두께와 구름입자 유효반경을 산출하는 과정의 흐름도이다.
최적 추정 방법을 사용하여 구름 광학두께와 구름입자 유효반경을 산출하기 위하여, 첨부한 도 2에 도시되어 있듯이, 먼저, 관측 벡터 y가 입력되고(S300), 초기값을 설정한다(S310). 즉, 선험오차 공분산 행렬
Figure pat00026
, 관측벡터 오차 공분산 행렬
Figure pat00027
그리고 선험 값의 상태벡터
Figure pat00028
에 대한 초기값들을 설정한다.
그리고 설정 횟수 i=0부터 시작하면서, 설정된 초기값들을 이용하여 비용 함수 j의 값을 계산한다(S320). 이때, 위의 수학식 7을 토대로 비용 함수 j의 값을 계산할 수 있다.
계산된 비용 함수 j의 값이 미리 설정된 임계값(threshold)보다 작은지를 판단한다(S330). 비용 함수 j의 값이 미리 설정된 임계값보다 크거나 같고 또한 i가 imax보다 작거나 같은 경우에는, 상태 벡터 xi를 산출하고 이에 따라 비용 함수 j의 값을 구하는 과정을 반복 수행한다.
상태 벡터 xi를 산출하고 이에 따라 비용 함수 j의 값을 구하는 과정을 살펴보면, 먼저, 유효 화소에 대해 상태 벡터 xi를 결정하고(S340), 전방 모형 F(xi)을 사용하여 구름 광학두께와 구름입자 유효반경을 산출한다(S350).
그리고 j의 증분 값인 delta_x를 산출한다(S360). 상태 벡터 xi에 산출된 delta_x를 더하여 현재의 상태 벡터 xi+1를 산출한다(S370). 이와 같이 구해진 상태 벡터 xi+1를 토대로 비용 함수 j를 산출한다(S380). 그리고 i를 +1증가시킨다(S390).
이후 단계(S330)로 복귀하여 계산된 비용 함수 j의 값과 미리 설정된 임계값을 비교하고 i가 imax보다 작거나 같은지를 판단한다.
이와 같이, 비용 함수 j의 값이 임계값보다 작아지고 설정 횟수 이상(i> imax)이 될 때까지, 상태 벡터 xi를 산출하고 이에 따라 비용 함수 j의 값을 구하는 과정을 반복 수행한다.
한편, 단계(S330)에서, 현재 산출된 비용 함수 j의 값이 임계값보다 작고 설정 횟수 이상 비용 함수 j의 값을 구하는 과정이 수행된 경우, 임계값 보다 작은 현재 비용 함수 j의 값의 산출에 사용된 상태 벡터를 최적의 상태 벡터로 결정한다(S400).
이와 같이 비용 함수의 최소값을 만족시키는 종속 변수인 결정된 최적의 상태 벡터를 구성하는 구름 광학두께와 구름입자 유효반경이 획득된다. 이후, 위에서 살펴본 바와 같이, 획득된 구름 광학두께와 구름입자 유효반경을 토대로 구름 수액경로와 구름 빙정경로가 산출된다.
도 3은 본 발명의 실시 예에 따른 구름의 광학 두께 및 미세물리량 산출 장치의 구조를 나타낸 도이다.
첨부한 도 3에 도시되어 있듯이, 본 발명의 실시 예에 따른 구름의 광학 두께 및 미세물리량 산출 장치(설명의 편의를 위해, 산출 장치라고도 명명됨)(100)은 컴퓨터 장치로 구현될 수 있으며, 프로세서(110), 메모리(120), 입력 인터페이스 장치(130), 출력 인터페이스 장치(140), 및 저장 장치(150)를 포함하며, 이들은 버스(160)를 통해 통신할 수 있다.
프로세서(110)는 위의 도 1 및 도 2를 토대로 설명한 방법들을 구현하도록 구성될 수 있다. 예를 들어, 프로세서(110)는 구름의 광학 두께 및 미세물리량(구름입자 유효반경, 구름 수액경로, 구름 빙정경로)을 산출하도록 구성될 수 있다.
프로세서(110)는 중앙 처리 장치(CPU)이거나, 또는 메모리(120) 또는 저장 장치(150)에 저장된 명령을 실행하는 반도체 장치일 수 있다.
메모리(120)는 프로세서(110)와 연결되고 프로세서(110)의 동작과 관련한 다양한 정보를 저장한다. 메모리(120)는 프로세서(110)에서 수행하기 위한 명령어를 저장하고 있거나 저장 장치(150)로부터 명령어를 로드하여 일시 저장할 수 있다. 메모리(120)는 예를 들어 메인 메모리에 대응할 수 있다. 프로세서(110)는 메모리(120)에 저장되어 있거나 로드된 명령어를 실행할 수 있다. 메모리는 ROM(121) 및 RAM(122)를 포함할 수 있다.
본 발명의 실시 예에서 메모리(120)/저장 장치(150)는 프로세서(110)의 내부 또는 외부에 위치할 수 있고, 이미 알려진 다양한 수단을 통해 프로세서(110)와 연결될 수 있다.
입력 인터페이스 장치(130)는 입력되는 데이터를 제공받아 프로세서(110)로 전달하도록 구성될 수 있으며, 예를 들어 구름의 픽셀들을 입력받아 프로세서(110)로 전달하도록 구성될 수 있다. 출력 인터페이스 장치(130)는 프로세서(110)의 처리 결과(예를 들어, 산출된 구름의 광학 두께, 구름입자 유효반경, 구름 수액경로, 구름 빙정경로)를 출력하도록 구성될 수 있다.
본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (1)

  1. 구름의 광학 두께 및 미세물리량를 산출하는 방법으로서,
    장치가, 입력되는 구름의 유효 픽셀에 대하여, 입력되는 위성의 가시 채널에 도달한 반사도 값과 근적외 채널에 도달한 반사도 값을 사용하여, 운정 고도에서의 구름 반사도를 획득하는 단계;
    상기 장치가, 상기 획득된 구름 반사도를 기반으로 상기 가시 채널의 구름 반사도와 상기 근적외 채널의 구름 반사도를 산출하는 단계; 및
    상기 장치가, 상기 산출된 가시 채널의 구름 반사도와 상기 산출된 근적외 채널의 구름 반사도를 기반으로 구름 광학두께와 구름입자 유효반경을 산출하는 단계
    를 포함하는, 방법.







KR1020200049509A 2020-04-23 2020-04-23 구름의 광학 두께 및 미세물리량 산출 방법 및 장치 KR20210131115A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200049509A KR20210131115A (ko) 2020-04-23 2020-04-23 구름의 광학 두께 및 미세물리량 산출 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200049509A KR20210131115A (ko) 2020-04-23 2020-04-23 구름의 광학 두께 및 미세물리량 산출 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20210131115A true KR20210131115A (ko) 2021-11-02

Family

ID=78476603

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200049509A KR20210131115A (ko) 2020-04-23 2020-04-23 구름의 광학 두께 및 미세물리량 산출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20210131115A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115468503A (zh) * 2022-09-15 2022-12-13 中国科学院大气物理研究所 一种同时反演薄冰云光学厚度和有效半径的遥感方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115468503A (zh) * 2022-09-15 2022-12-13 中国科学院大气物理研究所 一种同时反演薄冰云光学厚度和有效半径的遥感方法

Similar Documents

Publication Publication Date Title
Matthew et al. Status of atmospheric correction using a MODTRAN4-based algorithm
Levis et al. Multiple-scattering microphysics tomography
Deeter et al. A hybrid Eddington-single scattering radiative transfer model for computing radiances from thermally emitting atmospheres
Wang et al. A novel hybrid scattering order-dependent variance reduction method for Monte Carlo simulations of radiative transfer in cloudy atmosphere
US8559753B2 (en) Reflection removal system
Ng et al. Regularization of RIF blind image deconvolution
CN109633573B (zh) 一种对大幅宽范围内湿对流层延时误差的校正方法
Van Oss et al. Fast and accurate 4 and 6 stream linearized discrete ordinate radiative transfer models for ozone profile retrieval
KR20210131115A (ko) 구름의 광학 두께 및 미세물리량 산출 방법 및 장치
Rozanov et al. Similarity of radiative transfer equation: Error analysis of phase function truncation techniques
Vorontsov et al. Bit error rate in free-space optical communication systems with a partially coherent transmitting beam
CN114624731A (zh) 基于偏振遥感数据的云层上方气溶胶光学厚度反演方法
Böckmann et al. Iterative regularization method for lidar remote sensing
US10262225B2 (en) Image information processing device, image information processing system, image information processing method, and recording medium storing image information processing program
Roger et al. Aerosol models from the AERONET database: application to surface reflectance validation
CN107132545B (zh) 气溶胶中的颗粒物对遥感成像的质量影响的分析方法
JP6463244B2 (ja) 画像処理装置及び画像処理方法
Sánchez et al. A three-dimensional atmospheric radiative transfer model based on the discrete-ordinates method
CN107977943B (zh) 一种基于提纯优化的空间目标光谱解混方法
CN104849724A (zh) 一种气溶胶激光雷达比的测量方法及装置
Jasim et al. Investigation of Numerical Simulation for Adaptive Optics System
Hasekamp et al. Algorithm evaluation for polarimetric remote sensing of atmospheric aerosols
WO2017169946A1 (ja) 情報処理装置、情報処理システム、情報処理方法およびプログラム記憶媒体
Fu et al. Multi-mode retrievals for aerosol microphysical and optical properties
Tonizzo et al. Evaluating the BRDF correction for a new semi-analytical model using field measurements