최근 지구 온난화의 영향으로 변화하는 한반도 식물계절에 대한 연구가 많이 이루어지고 있다. 그러나 지리적인 특성상 봄철 식물계절에 비해 실측이 어려운 가을철 식물계절의 연구는 미비한 실정이다. 이에 본 연구에서는 대표적인 가을철 식물계절인 단풍과 낙엽 등을 '마른 잎'으로 정의하고 Landsat-8 위성영상을 기반으로 마른 잎 탐지를 수행하였다. NDVI를 이용하여 마른 잎의 1차 경계 값을 산출하고, 건강한 잎과의 분광특성 차이 및 NDWI를 이용하여 마른 잎의 2차 경계 값을 산출하였다. 본 연구의 마른 잎 탐지 알고리즘의 정확도 검증을 위해 POD, FAR 값을 이용하였으며, 검증 결과 POD는 98.619, FAR은 1.203으로 높은 정확성을 보였다.

태양 일사량은 관측 지역의 대기 조성 및 기상에 따른 대기 투과율의 영향을 고려하여 계산된다. 특히, 태안 지역과 같은 복잡한 해안 특성을 가진 지역에서의 일사량 계산의 정확도를 높이기 위해서 국소 지역에 대한 연직 기상 환경 자료를 통해 대기의 지역적 특성을 파악하고 이를 바탕으로 한 대기투과율을 계산할 수 있어야 한다. 본 연구에서는 한반도 태안반도에 위치한 3개 지상관측소 및 라디오존데의 2018년도 기상 자료를 이용하여 청명일에 대한 대기투과율 및 직달일사량을 MODTRAN (MODerate-resolution atmospheric TRANsmission) 6를 이용하여 수치모사하였다. MODTRAN 6로 계산된 직달일사량 추정 값은 일사계의 실제 관측 값과의 비교 연구를 수행한 결과, 일사량의 규격화 잔차 평균(Normalized Residual Mean)은 기온에 의한 대기표준모델을 적용한 경우 0.28, 기압의 경우 0.32로 나타나서 타 연구의 0.1~0.2에 비해 높게 나왔으며, 이는 지역적 대기 특성의 차이에 기인한 것으로 이해된다. 또한 기온이 높아지는 여름철로 갈수록 일사량 규격화 잔차 평균이 커지는 경향을 확인할 수 있었다. 이를 통해 태안 지역과 같은 복잡한 해안 특성을 지닌 지역에서의 대기 모델 개선 가능성을 제시하였다.

최근 성능이 크게 개선된 정지궤도 기상위성 Himawari-8, GK2A등이 운용됨에 따라 시공간적으로 보다 고해상도 AOD(Aerosol Optical Depth) 자료의 사용이 가능해졌다. 본 연구에서는 최근 4년간 한반도내 AERONET(Aerosol Robotic Network) 참여 5개 지점(서울대학교, 연세대학교, 한국외국어대학교, 광주과학기술원(GIST), 안면도 기후변화감시센터)의 에어로졸 관측 자료를 이용하여 Himawari-8/AHI(Advanced Himawari Imager) 에어로졸 산출물의 특징과 두 AOD 자료 간에 차이가 발생하는 원인에 대해 분석하였다. 분석결과 위성과 지상관측 AOD는 하늘이 맑을 경우(운량 < 3)에는 지리적 위치에 관계없이 매우 유사하게 나타났다. 하지만 운량이 증가할 경우 위성 관측과 지상관측 AOD의 차이는 지리적 위치에 관계없이 현저하게 증가하였다(편의: 0.05(맑음) → 0.21(전체), 상관계수: 0.74 → 0.64, RMSE: 0.21 → 0.51). 5개 지점 모두에서 운량이 많거나 상대습도가 높을 때 위성이 지상관측에 비해 AOD를 크게 과대 추정하는 것으로 보아 두 AOD 자료 간의 차이는 주로 운량과 상대습도와 관련이 깊은 것으로 판단된다. 하지만 풍속, 가강수량, 구름 하부 높이, 그리고 옹스트롬 지수(Angstrom Exponent)는 두 AOD 자료 간의 차이에 영향을 미치지 않는 것으로 보인다. 본 연구의 결과는 운량이 많을 경우 위성 관측 AOD 자료 사용시 주의가 필요함을 제시한다.

GMTI (Ground Moving Target Indication) 레이다 시스템은 항공기와 위성과 같이 이동하는 플랫폼에 탑재되어 지상에서 이동하는 표적을 탐지하고, 그 표적의 위치와 속도 정보를 제공하기 때문에 결과에 해당하는 표적의 위치 정확도가 중요하다. 그러나 안테나 혹은 김발 자체의 지향 정확도, EGI 자이로 센서와 하우징 간의 정렬 오차, EGI 정렬치구의 공차 등의 기계적 오차와 측정 센서 등에서 발생하는 전기적 오차로 인해 표적의 위치 결과에서 방위각 오차가 발생할 수 있다는 문제점이 있다. 이러한 경우, 모노펄스 기울기(Monopulse ratio) 정보가 아무리 정확하더라도 표적의 방위각 정확도가 저하된다는 문제점이 있다. 따라서 본 논문에서는 발생한 표적의 위치 오차를 보정하기 위해 모노펄스 레이다 시스템으로부터 수신한 합/차 신호를 이용하여 표적의 방위각 오차를 추정하고 그 위치를 보상하는 방법을 제안하고자 한다. 제안한 방법은 하드웨어 변경 없이 소프트웨어적으로 구현이 간단하지만 다양한 환경에서 적응적으로 사용할 수 있어 보다 정확한 표적 위치 정보를 획득할 수 있다는 장점이 있다.

초해상화 기법은 저해상도 영상을 고해상도 영상으로 변환하는 기법이다. 최근에는 딥러닝 기술을 활용한 초해상화 방법이 주류를 이루고 있으며, 원격 탐사 분야에서도 이를 응용한 연구가 증가하고 있다. 본 연구에서는 위성 영상의 4배 해상도 향상을 위하여 deep back-projection network (DBPN) 네트워크에 기반한 초해상화 기법을 제안하였다. 또한, 복원된 영상의 디테일 및 윤곽선 부분에서의 고품질 영상 획득을 위해 윤곽선 손실 함수를 제안하고, 효과적이고 안정적인 학습을 위하여 Wasserstein distance 손실 함수를 사용한 GAN 기법을 적용하였다. 또한, 자연스러운 저해상도 훈련 영상을 획득하기 위한 detail preserving image downscaling (DPID) 기법을 적용하였다. 마지막으로 전정 영상의 특징을 추출하여 훈련의 마지막 단계에 적용 시킴으로써 출력 영상의 세부적인 특징을 효과적으로 생성하였다. 그 결과 실험에 사용된 WorldView-3 영상 및 KOMPSAT-2 영상에서 해상도 향상 효과를 확인하였고, 다른 초해상화 모델에 대비하여 윤곽선 보존력이나 영상의 선명도가 향상 되었음을 확인하였다

한국은 세계 최초로 정지궤도 환경위성탑재체 Geostationary Environment Monitoring Spectrometer(GEMS)를 발사하여, 동북아시아 지역 대기오염물질을 실시간으로 감시할 계획 중이다. 위성을 이용한 대기오염물질 관측은 불량조건문제(ill-posed problem)에서 역문제의 해를 찾는 과정이기 때문에, 위성 관측 값은 오차를 포함하고 있다. 따라서 GEMS 산출물이 신뢰성을 갖기 위해서는 지상관측 또는 다른 위성과의 상호 비교 검증 연구가 반드시 요구된다. 본 연구는 향후 GEMS의 오존 관측자료의 검증에 사용될 위성인 OMI, OMPS 그리고 서울과 부산에 설치된 지상 관측기기인 Pandora에서 측정된 total column ozone (TCO)를 상호 비교분석 함으로써 자료의 평가를 실시하였다. 이 연구에서는 위성이 전지구적으로 일관된 정확도의 오존 자료를 제공한다는 특성을 이용하여 지상 관측자료의 정확도를 평가하였다. 그 결과 서울 Pandora #29의 자료에서 심각한 기기오차를 발견하여, 위성자료를 이용한 지상자료의 역검증이 가능함을 보였다. 다음으로 지상 Pandora를 이용한 OMPS의 자료 비교 검증에서 OMPS TCO는 Pandora TCO 값에 대해 상관관계 0.97과 ~1.8 DU의 RMSE 그리고 4%의 양의 편차(bias)를 가졌으며, 이 편차는 SZA과 Cross track position, TCO 그리고 계절 변화에 대한 의존성을 갖지 않음을 보였다. 또한 Pandora TCO은 구름 필터링이 제대로 수행되어 있지 않기 때문에, Pandora 자료를 위성자료 검증에 활용하기 위해서는 각 위성 센서의 관측 공간 해상도에 따른 적절한 경계 조건이 사용되어야 함을 보였다.

기후변화 시나리오는 기후변화 대응 연구의 기반이 되는 사항으로, 대용량 시공간 데이터로 구성되어 있다. 데이터의 관점에서는 1종의 시나리오가 약 83 기가바이트(Giga bytes) 이상의 대용량이며, 데이터 형식은 반정형으로 검색, 추출, 저장 및 분석 등 활용상 제약이 있다. 본 연구에서는 대용량, 다중시기 기후변화 시나리오의 활용을 편리하게 개선하기 위하여 공간정보 기반의 극단적 기후사상 분석 도구를 개발하였다. 또한, 개발된 도구를 RCP8.5 기후변화 시나리오에 적용하여 과거 발생한 집중호우 임계치가 미래 발생 가능한 시기와 공간에 대한 시범 분석을 수행하였다. 분석결과, 3일 누적 강우량 587.6 mm 이상인 날이 2080년대 약 76회 발생하는 것으로 분석되었으며, 집중호우는 국지적으로 발생하였다. 개발된 분석도구는 초기 설정부터 분석결과를 도출하는 전 과정이 단일 플랫폼에서 구현되도록 하였다. 더불어 상용 소프트웨어가 없어도 분석결과를 다양한 형식(웹 문서형식(HTML), 이미지(PNG), 기후변화 시나리오(ESR), 통계(XLS))으로 구현되도록 하였다. 따라서 본 분석도구 활용을 통해 기후변화에 대한 미래 전망이나 취약성 평가 등의 활용에 도움이 될 것으로 사료되며, 향후 제공될 기후변화 보고서에 따른 기후변화 시나리오 분석 도구 개발에도 사용될 것으로 기대된다.

이 연구에서는 고해상도 위성영상을 이용하여 지표면 온도를 산출하는 기존의 여러가지 방법 이외에 보다 새로운 접근으로, 인공지능 기반의 심층신경망 기법을 148장의 Landsat 8 영상에 적용하여 우리나라 지표면온도를 산출하고 그 적합성을 평가하였다. Landsat 8 열적외 10번 밴드(약 11 ㎛ 파장대)의 밝기온도와 방출률은 물리방정식에 경험상수가 결합하여 도출된 값이기 때문에, 지역적 기상, 기후, 지형, 식생 등의 조건에 따른 불확실성을 내포하고 있다. 이를 보완하기 위하여 본 연구에서는 밝기온도와 방출률로부터 지표면온도 초기추정치 T₀를 산출하고 이와 함께, NDVI, 토지피복, 지형요소(고도, 경사, 향, 거칠기) 등을 입력변수로 하는 계절별 심층신경망 모델을 최적화하여 지표면온도를 산출하였다. 이는 ASOS(Automated Synoptic Observing System)와의 선형관계식으로 편의보정을 수행하는 기존 방법에 비해 진보된 기법이다. ASOS 관측치와 시공간적으로 일치되는 1,728건의 자료를 비교한 결과, 계절별로 차이가 있기는 하지만 특히 봄, 가을에는 상당히 좋은 결과를 보였으며(CC=0.910~0.917, RMSE=3.245~3.365℃), 또한 토지피복 유형에 상관없이 안정적인 산출이 이루어짐을 확인하였다. 향후 Landsat 5/7/8 자료의 장기시계열 빅데이터와 함께 추가적인 지표면변수를 활용하여 모델링 을 수행함으로써 기후변화 및 특이기상 하에서도 보다 신뢰도 높은 고해상도 지표면온도 산출이 필요할 것이다.