Professional Documents
Culture Documents
위성 AOD 품질향상을 위한 MODIS와 AHI 산출물의 결측복원 및 시공간영상융합
위성 AOD 품질향상을 위한 MODIS와 AHI 산출물의 결측복원 및 시공간영상융합
위성 AOD 품질향상을 위한 MODIS와 AHI 산출물의 결측복원 및 시공간영상융합
결측복원 및 시공간영상융합
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
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
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
6
2. 연구 자료 및 방법│연구 자료 및 연구 범위
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
DCT-PLS DCT-PLS
method
Validation
method
→ Gap filling
HF data result
8
2. 연구 자료 및 방법│시공간영상융합 (spatio-temporal image fusion) 기법
2019)
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
10
2. 연구 자료 및 방법│DCT-PLS (penalized least square regression based on discrete cosine transform) 결측복원 기법
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)
Wind speed 54,502 0.014 m/s 0.584 m/s 0.803 m/s 0.958
‐ 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
14
3. 연구 내용│자료 별 결측 비 분석
시공간해상도 일치를 통한 자료 분석 : 0.05deg & daily 합성 / nrow, ncol, ncell = 110, 80, 8800
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)
March 4, June 9,
2016 2017
58% 결측 38% 결측
34% 결측 42% 결측
18
3. 연구 내용│AERONET 지상관측자료를 이용한 복원값 검증 (Terra and Aqua/MODIS)
연구목표
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
20
┌( 감사합니다 )┘
21