위성 AOD 품질향상을 위한 MODIS와 AHI 산출물의

결측복원 및 시공간영상융합

공간정보시스템공학과 지오컴퓨팅 연구실

석사 3학기 202055064 윤유정

2021.03.31
목 차

1. 연구 배경

2. 연구 자료 및 방법

3. 연구 내용

4. 향후 계획

2
1. 연구 배경│에어로졸과 위성 관측 AOD

 에어로졸
‐ 대기 중에 부유하는 고체 및 액체 물질 전체
‐ 태양광과의 상호작용 및 구름 미세물리에 영향 (IPCC, 2013)
‐ 지구복사 및 기후변화 연구에 중요한 요소
‐ 다양한 지표 및 해양 관련 원격탐사 산출물의 정확도에 영향
‐ 시정 악화 및 인체에 유해 (WHO, 2005)

 에어로졸 관측
‐ 지상관측, 위성관측, 선박관측, 항공관측 등이 있음
‐ 위성관측법에는 휘도온도차법, 자외선 흡수법, 반사도 측정법, 에어로졸 광학두께 측정이 있음
‐ 에어로졸 광학두께 (Aerosol Optical Depth: AOD) 측정 : 위성 관측법 중 가장 많이 이용
→ AOD : 위성과 지구표면사이의 대기경로에 존재하는 에어로졸이 산란, 흡수를 통해 복사에너지를 소산시키는 정도로 대기 중
에 존재하는 에어로졸 양을 표현하는 물리량 (NMSC, 2012)

3
1. 연구 배경│고정밀 시공간 연속성의 AOD 위성영상 필요성

 위성 관측 AOD는 현재 다양한 연구에 활용

‐ 기후 변화 및 대기질에 미치는 에어로졸 영향 분석
‐ 지상 미세먼지 농도 추정 연구 (Wang and Christopher, 2003; Gupta and Christopher, 2008; Schaap et al., 2009)
‐ 소규모 화재 또는 오염원 분석 (Li et al., 2005, Lyapustin et al., 2011)

 구름으로 인한 결측 지역 존재 → 관심있는 특정 시기 영상 확보의 어려움 → 결측복원 필요성

 일 1~2회 AOD 관측값을 제공하는 극궤도 위성 (MODIS, VIIRS 등) → 시간별 변화 분석에 한계 → 시간해상도 향상 필요성
 정지궤도 위성 (Himawari, GOCI 등) 의 경우 하루에 여러 번 관측하지만 산출 오차를 줄이기 위해 화소 여러 개를 합친 공간해상도의
AOD 산출물 제공 → 소규모 분석에 한계 → 공간해상도 향상 필요성

사용 목적에 따라 신뢰할 수 있는 고정밀의 AOD 시계열 영상 구축이 필수적

→ 단일 센서 영상은 시공간 해상도가 동시에 높은 자료를 제공할 수 없다는 한계 (Zhu et al., 2018)
→ 다중 센서 위성영상 융합의 필요성 (Kim et al., 2020)

4
1. 연구 배경│위성 AOD 품질 향상에 관한 문헌 고찰

저자 내용 키워드 시공간해상도 품질 개선
MODIS AOD 영상의 정규 크리깅(Ordinary Kriging) 1km로 공간해상도 향상
Yu et al., (2011) Kriging 10km / 1장
을 통한 결측복원 및 공간해상도 향상 결측 복원
MISR AOD의 공동 크리깅(Co-Kriging)을 통한 결측
Singh et al., 0.5deg / 월 평균
복원, MISR AOD에 MODIS AOD 정보를 이용하여 회 Kriging 결측 복원
(2017a) (2001-2003)
귀 크리깅(Regression Kriging)을 통한 결측 복원
Tang et al., MODIS, SeaWiFS AOD dataset과 AERONET 지상 10km / daily 정확도 향상
Bayesian 합성
(2016) 관측 데이터를 이용하여 Bayesian 합성 (2007) 결측 복원 (by 자료 병합)
MODIS, MISR, SeaWiFS AOD dataset과 AERONET
Singh et al., 0.25deg / 9일 간격 정확도 향상
지상 관측 데이터를 이용하여 BME (Bayesian Bayesian 합성
(2017b) (2001-2014) 결측 복원 (by 자료 병합)
maximum entropy method) 합성
ERA5 기상자료, 고도, 토지 이용, 도로 이용, 인구 등
Zhao et al., 0.01deg / daily
26가지 변수를 이용하는 RF모델 기반의 MODIS AOD 기계학습 결측 복원 (by RF 모델)
(2019) (2010-2016)
결측 복원

 MODIS AOD는 공간해상도는 충분하지만 (1km) 정오 부근 (10:30, 13:30 경)에 국한됨

 크리깅을 이용한 갭필링: 정확도 양호
 Bayesian 합성 또는 기계 학습: 다양한 보조자료 이용
 결측복원 및 시공간해상도 향상이 동시에 가능한 기법 필요
5
1. 연구 배경│시사점 및 연구 목적

 시사점
‐ 에어로졸은 지구복사 및 기후변화에 영향을 미치는 중요한 요소로서 다양한 연구에 활용됨
‐ 극궤도 & 정지궤도 위성은 서로 다른 시공간해상도의 위성 관측 AOD 산출물을 제공

 문제점
‐ 구름으로 인한 결측 영역 존재
‐ 위성 영상의 시간해상도와 공간해상도 trade-off로 인해 시공간해상도가 모두 높은 영상 확보에 제약

DCT-PLS (penalized least square 시공간영상융합 (spatio-temporal

regression based on discrete cosine fusion) 기법을 통해 시간해상도와
transform) 기반 결측복원 기법 적용 공간해상도 모두 충분한 영상 생산

본 연구에서는 시공간해상도가 모두 향상된 AOD 시계열 영상 구축이 목적

6
2. 연구 자료 및 방법│연구 자료 및 연구 범위

 시간 범위 : 2016년 1월 1일 – 2019년 12월 31일

 공간 범위 : 위도 33-38.5°N / 경도 125.8-129.8°E

 연구 자료
Temporal
Satelllite(Sensor) Product Spatial resolution Use in spatio-temporal fusion model
resolution
Terra and Aqua 1km→ 0.01deg 저주기 고해상도 자료 (low temporal scale at
MCD19A2 10:30, 13:30
combined (MODIS) Resampling fine-scale data : LF data)
고주기 저해상도 자료 자료 (high temporal
Himawari-8 (AHI) AOT_L3_Merged_Mean 0.05deg hourly
scale at coares-scale data : HC data)
‐ MODIS AOD 산출 알고리듬 : Dark Target 알고리듬 (해상이나 어두운 육상에 적용) + Deep Blue 알고리듬 (밝은 육상도 포함)
‐ AHI AOD 산출 알고리듬 : Ocean과 Land model로 나누어 산출  10분 단위의 산출물을 공간 및 시간 보간하여 hourly 제공

 AERONET 지상관측자료 (결측 복원 검증에 이용)

‐ Sunphotometer를 이용하여 구름 제거 등 자료 보정 후, 대기 중 총 연직에 대한 에어로졸의 물리적 특성 산출물 제공
‐ 우리나라 26개 지점
7
2. 연구 자료 및 방법│연구 흐름도

MODIS AOD AHI AOD product

product with Gap with Gap

DCT-PLS DCT-PLS
method
Validation
method
→ Gap filling

Gap filled AERONET Gap filled

MODIS AOD Reference data AHI AOD

LF data for Spatio HC data for Spatio

Run Spatio-temporal
temporal image temporal image → Spatio-temporal fusion
image fusion model
fusion model fusion model

HF data result

8
2. 연구 자료 및 방법│시공간영상융합 (spatio-temporal image fusion) 기법

 시공간영상융합 (spatio-temporal image fusion)

‐ 공간해상도가 낮지만 시간해상도가 높은 영상과 공간해상도가

높지만 시간해상도가 낮은 영상을 융합하여 시간해상도와 공간

해상도 모두 높은 영상을 생성하는 방법론 (Kim and Park,

2019)

‐ 현재 개발된 시공간 융합 모델은 가중치 함수 기반, 분광혼합분

석 기반, 학습 기반, 하이브리드 모델로 구분 (Liu et al., 2019)

→ 시공간 융합 모델 유형과 상관없이 동일 시기에 획득한 한 개 이

Schematic illustration of spatio-temporal data fusion. White
상의 저해상도 및 고해상도 영상 pair와 예측 시기의 저해상도 rectangles denote no available data. (Kim and Park., 2019).

영상과의 관계성을 정량적으로 모델링하여 저해상도 영상만 이

용 가능한 시기의 고해상도 영상을 예측

9
2. 연구 자료 및 방법│시공간영상융합 (spatio-temporal image fusion) 기법

구분 설명 대표 모델
픽셀단위로 토지피복이 정의된 조건에서 저해상도 및 고해상도
STARFM (Gao et al., 2006),
가중치 함수 기반 영상의 각 밝기에 토지피복 가중치를 주어 예측 시기의 고해상도
ESTARFM (Zhu et al., 2010)
영상 생성
이질적인 토지피복이 존재하는 지역에서의 효과적인 시공간 융
STRUM (Gevaert and Garcia-
분광혼합분석 기반 합을 위해 분광혼합분석을 통해 얻어지는 저해상도 영상의 토지
Haro, 2015)
피복 비율 정보를 이용하여 예측 시기의 고해상도 영상 생성
동일 시기에 획득된 저해상도 영상과 고해상도 영상의 관계성을
SPSTFM (Huang and Song,
학습 기반 정량적으로 모델링한 후 예측시기의 저해상도 영상으로부터 고
2012)
해상도 영상을 예측

 시공간영상융합기법에 위성 AOD 영상을 적용한 사례 없음

 가중치 함수 기반, 분광혼합분석 기반은 토지피복구분을 참조하는 기법임
 시공간영상융합을 위한 하이브리드 기법 → 추가 문헌고찰 필요
 시공간영상융합기법 적용을 위한 AOD 결측복원 필요성

10
2. 연구 자료 및 방법│DCT-PLS (penalized least square regression based on discrete cosine transform) 결측복원 기법

 DCT-PLS (penalized least square regression based on discrete cosine transform)

‐ 이산코산인변환(Discrete Cosine Transform, DCT)을 이용한 벌점최소제곱법회귀(Penalized Least Square Regression,

PLS)를 기반으로 하는 다차원 자료의 평활화 (smoothing) 기법 (Gracia, 2010; Wang 2012)

‐ PLS의 기본 원리는 원자료와 평활화 자료의 편차를 나타내는 잔차제곱합(residual sum-of-squares, RSS)과 평활화 자료 간

의 거칠기를 반영하는 패털티항(P)을 최소화하여 원자료와 평활화 자료 사이의 균형 유지 (Whittaker, 1923; Wahba, 1990;

Eilers, 2003)

‐ PLS는 DCT에 의해 공식화 될 수 있음 (Gracia, 2010; Wang 2012)

‐ DCT는 다차원 적용이 가능

→ DCT-PLS를 시공간으로 확장하여 격자자료를 결측복원

Illustration on a simple 1D case of the "deviation" and

“roughness" terms of the penalized least squares
method (Moulart and Rotinat, 2014). 11
2. 연구 자료 및 방법│DCT-PLS 결측복원 기법 활용성 평가 논문 리뷰

 격자자료 결측 복원을 위한 DCT-PLS 기법의 활용성 평가 (Youn et al., 2020)

‐ DCT-PLS 기법을 서로 다른 특성을 가진 복수의 격자자료에 적용하고 정량적인 검증을 통하여 그 활용성을 평가
‐ 원본 자료와의 객관적인 비교를 위하여 결측이 없는 LDAPS 모델의 상대습도, 풍속 변수와 MODIS 월간 합성 LST, NDVI 영상을
사용하여, 임의 결측 블록을 생성하고 복원값에 대한 검증을 수행
‐ 4가지 변수 모두 상관계수 0.95 이상의 일치도를 나타냄

Variable N MBE MAE RMSE CC

Relative humidity 54,522 0.036 % 2.997 % 4.845 % 0.967

Wind speed 54,502 0.014 m/s 0.584 m/s 0.803 m/s 0.958

LST 37,690 0.045 K 1.087 K 1.511 K 0.986

NDVI 36,831 0.000 0.039 0.054 0.966

‐ DCT-PLS 기법은 별도의 보조자료가 필요하지 않고 필요시 시간 및 공간 정보를 모두 활용할 수 있으며 처리속도가 빠름

12
2. 연구 자료 및 방법│DCT-PLS 결측복원 기법 활용성 평가 논문 리뷰

1) RH (상대습도) 2) WS (풍속)
결측복원 vs 원자료 산점도 결측복원 vs 원자료 산점도

3) LST 4) NDVI
결측복원 vs 원자료 산점도 결측복원 vs 원자료 산점도

13
2. 연구 자료 및 방법│DCT-PLS 결측복원 기법 활용성 평가 논문 리뷰

1) RH (상대습도) 결측복원 시각화 (예시) 2) WS (풍속) 결측복원 시각화 (예시)

3) LST 결측복원 시각화 (예시) 4) NDVI 결측복원 시각화 (예시)

14
3. 연구 내용│자료 별 결측 비 분석

 시공간해상도 일치를 통한 자료 분석 : 0.05deg & daily 합성 / nrow, ncol, ncell = 110, 80, 8800

Daily 자료 결측 비율 MODIS AHI - 2016

0< NULL (%) <=10 60 23
10 <NULL (%) <=20 107 35
20 <NULL (%) <=30 133 54
30 <NULL (%) <=40 155 67 - 2017
40 <NULL (%) <=50 168 99
50 <NULL (%) <=60 171 140
60 <NULL (%) <=70 181 163
70 <NULL (%) <=80 199 215 - 2018
80 <NULL (%) <=90 206 217
90 <NULL (%) <100 367 332
Null (%) = 100 76 114
합계 1,459 1,459 - 2019

15
 연속적 결측
3. 연구 내용│Himawari-8/AHI 결측복원 사례 시각화

March 6, June 9,
2016 2017

38% 결측 44% 결측

June 7, November
2018 1, 2019

28% 결측 38% 결측

산발적 결측
16
3. 연구 내용│AERONET 지상관측자료를 이용한 복원값 검증 (Himawari-8/AHI)

 AHI AOD 원 자료 값 (결측복원 값 미포함) vs AERONET 지상관측자료

- AHI 결측복원 값 vs AERONET 지상관측값
Daily 자료 결측 비율 N MAE RMSE CC
0< NULL (%) <=10 109 0.117 0.144 0.858 n = 1347
MBE = 0.038
10 <NULL (%) <=20 161 0.113 0.150 0.767 MAE = 0.123
RMSE = 0.197
20 <NULL (%) <=30 208 0.122 0.171 0.778
CC = 0.807
30 <NULL (%) <=40 243 0.113 0.146 0.846
40 <NULL (%) <=50 222 0.108 0.145 0.862
50 <NULL (%) <=60 241 0.103 0.140 0.866

 AHI AOD 결측복원값 (원 자료 값 미포함) vs AERONET 지상관측자료

Daily 자료 결측 비율 N MAE RMSE CC

0< NULL (%) <=10 11 0.137 0.236 0.741
10 <NULL (%) <=20 57 0.131 0.175 0.815
20 <NULL (%) <=30 140 0.134 0.215 0.813
30 <NULL (%) <=40 214 0.120 0.185 0.875 결측복원 정확도 양호
40 <NULL (%) <=50 360 0.118 0.207 0.758
50 <NULL (%) <=60 565 0.124 0.191 0.815
17
3. 연구 내용│Terra and Aqua/MODIS 결측복원 사례 시각화

March 4, June 9,
2016 2017

58% 결측 38% 결측

March 24, Octorber

2018 29, 2019

34% 결측 42% 결측

18
3. 연구 내용│AERONET 지상관측자료를 이용한 복원값 검증 (Terra and Aqua/MODIS)

 MODIS AOD 원 자료 값 (결측복원 값 미포함) vs AERONET 지상관측자료

- MODIS 결측복원 값 vs AERONET 지상관측값
Daily 자료 결측 비율 N MAE RMSE CC
0< NULL (%) <=10 255 0.070 0.089 0.869 n = 864
MBE = 0.010
10 <NULL (%) <=20 414 0.078 0.108 0.914 MAE = 0.134
RMSE = 0.206
20 <NULL (%) <=30 469 0.077 0.114 0.793
CC = 0.770
30 <NULL (%) <=40 509 0.822 0.125 0.860
40 <NULL (%) <=50 505 0.770 0.109 0.827
50 <NULL (%) <=60 453 0.087 0.122 0.845

 MODIS AOD 결측복원값 (원 자료 값 미포함) vs AERONET 지상관측자료

Daily 자료 결측 비율 N MAE RMSE CC

0< NULL (%) <=10 13 0.075 0.130 0.668
10 <NULL (%) <=20 55 0.118 0.196 0.850
20 <NULL (%) <=30 99 0.116 0.167 0.753
30 <NULL (%) <=40 149 0.127 0.223 0.822 결측복원 정확도 양호
40 <NULL (%) <=50 246 0.149 0.232 0.741
50 <NULL (%) <=60 302 0.136 0.188 0.780
19
4. 향후 계획

 연구목표

 시공간해상도가 모두 향상된 AOD 시계열 영상 구축 목적

 MODIS, AHI 산출물의 시공간영상융합  1km, 3-hourly 합성 AOD 산출 (Diurnal variation 반영)

10:30 13:30

0 3 6 9 12 15 18 21 24

 향후 계획

 사용 대상 영상의 결측률 기준 설정 (예 : 50%)

 Himawari-8/AHI 야간 산출물 정확도 검증 : 문헌 및 자료 검토

 추가 문헌 고찰을 통하여 AOD에 적합한 Spatio-temporal image fusion 기법 개발

 ATPRK 기법의 융합 가능성 검토

20
┌( 감사합니다 )┘

21