Himawari-8/AHI 관측자료를 이용한 주요 대기 에어로솔 탐지 및 분류 방법

이권호; 이규태

doi:10.5572/KOSAE.2018.34.3.493

추천

검색

질문

자료유형: 학술저널

저자정보: 이권호 (강릉원주대학교) 이규태 (강릉원주대학교 복사위성연구소)

저널정보: 한국대기환경학회 한국대기환경학회지(국문) 한국대기환경학회지 제34권 제3호

발행연도: 2018.6

수록면: 493 - 507 (15page)

DOI: 10.5572/KOSAE.2018.34.3.493

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Due to high spatio-temporal variability of amount and optical/microphysical properties of atmospheric aerosols, satellite-based observations have been demanded for spatiotemporal monitoring the major aerosols. Observations of the heavy aerosol episodes and determination on the dominant aerosol types from a geostationary satellite can provide a chance to prepare in advance for harmful aerosol episodes as it can repeatedly monitor the temporal evolution. A new geostationary observation sensor, namely the Advanced Himawari Imager (AHI), onboard the Himawari-8 platform, has been observing high spatial and temporal images at sixteen wavelengths from 2016. Using observed spectral visible reflectance and infrared brightness temperature (BT), the algorithm to find major aerosol type such as volcanic ash (VA), desert dust (DD), polluted aerosol (PA), and clean aerosol (CA), was developed. RGB color composite image shows dusty, hazy, and cloudy area then it can be applied for comparing aerosol detection product (ADP). The CALIPSO level 2 vertical feature mask (VFM) data and MODIS level 2 aerosol product are used to be compared with the Himawari-8/AHI ADP. The VFM products can deliver nearly coincident dataset, but not many match-ups can be returned due to presence of clouds and very narrow swath. From the case study, the percent correct (PC) values acquired from this comparisons are 0.76 for DD, 0.99 for PA, 0.87 for CA, respectively. The MODIS L2 Aerosol products can deliver nearly coincident dataset with many collocated locations over ocean and land. Increased accuracy values were acquired in Asian region as POD=0.96 over land and 0.69 over ocean, which were comparable to full disc region as POD=0.93 over land and 0.48 over ocean. The Himawari-8/AHI ADP algorithm is going to be improved continuously as well as the validation efforts will be processed zy comparing the larger number of collocation data with another satellite or ground based observation data.

#Geostationary satellite #Aerosol #Remote sensing #Detection product #Multispectral

참고문헌 (41)

참고문헌 신청

[학술지(정기간행물)] - Ackerman, S.A. / 1998 / Discriminating clear-sky from cloud with MODIS. Algorithm theoretical basis document (MOD35) / Journal of Geophysical Research 103 (D24) : 32141 ~ 32157

[학술지(정기간행물)] - Al-Saadi, J. / 2005 / Improving national air quality forecasts with satellite aerosol observations / Bulletin of the American Meteorological Society 86 (9) : 1249 ~ 1261

[학술지(정기간행물)] - 배민석 / 2017 / LC-MSMS를 이용한 대기 중 PM2.5 유리아미노산 분석 방법 연구 / 한국대기환경학회지 33 (1) : 54 ~ 63

[학술지(정기간행물)] - Charlson, R.J. / 1987 / Oceanic phytoplankton, atmospheric sulphur, cloud albedo, and climate / Nature 326 : 655 ~ 661

[학술지(정기간행물)] - Charlson, R.J. / 1992 / Climate forcing by anthropogenic aerosols / Science 255 : 423 ~ 430

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이권호

소속기관 국립강릉원주대학교

주요연구분야 자연과학 > 지구과학 > 대기과학 TOP 1% 자연과학 > 물리학

논문수 147 이용수 10,870

이규태

소속기관 강릉원주대학교

주요연구분야 자연과학 > 지구과학 > 대기과학 TOP 10% 공학 > 재료·에너지공학 > 기타 재료·에너지공학

논문수 127 이용수 8,783

이 논문과 함께 이용한 논문

머신러닝 클러스터링을 이용한 컬럼 관측에 따른 대기 에어로솔 특성 분석

이권호 , 이규태 한국대기환경학회지(국문) 2020 .10

광주 지역에서 aethalometer 측정 블랙 카본 입자의 질량흡수단면 평가

박승식 , 유근혜 , 이상일 외 1명 한국대기환경학회지(국문) 2018 .10

효율적인 대기정책 마련을 위한 대기질 모델 활용방안 고찰 : 노후 석탄화력발전소 가동중지에 따른 충남지역 PM_2.5 저감효과 분석을 중심으로

남기표 , 이대균 , 이재범 외 3명 한국대기환경학회지(국문) 2018 .10

연소 배출가스 중 SO₂ 농도에 따른 응축성먼지 변화에 관한 연구

유정훈 , 임슬기 , 송지한 외 3명 한국대기환경학회지(국문) 2018 .10

도시 열환경 시뮬레이션을 위한 라그랑지안 열원 역추적 기법의 연구

김석철 , 이주성 , 윤정임 외 2명 한국대기환경학회지(국문) 2017 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-539-003162020

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (41)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)