태풍은 지구 시스템 내 상호작용을 일으키는 대표적인 해양-대기 현상으로 최근 들어 기후변화로 인해 점점 더 강력해지는 추세이다. 2022 개정 과학과 교육과정은 미래 사회 시민으로서의 디지털 소양 함양을 위하여 첨단 과학기술을 활용한 교수-학습 활동의 중요성에 대해 강조하고 있다. 따라서 교과서 삽화의 시공간적 한계점을 해결하고 지 구과학 분야에서 다루는 전지구적 규모의 빅데이터를 활용한 효과적인 수업자료의 개발이 필요하다. 본 연구에서는 PDIE (준비, 개발, 실행, 평가) 모형의 절차에 따라 천리안 위성 2A호 영상 자료를 활용하여 태풍의 경로를 시각화하는 탐구활동 자료를 개발하였다. 준비 단계에서는 2015 및 2022 개정 교육과정과 현행 교과서의 탐구활동 내용을 분석하 였다. 개발 단계에서는 관측 데이터를 수집, 처리, 시각화, 분석할 수 있는 일련의 과정들로 탐구활동을 구성하였으며, 간단한 조작만으로도 결과를 도출할 수 있는 GUI (Graphic User Interface) 기반 시각화 프로그램을 제작하였다. 실행 및 평가 단계에서는 학생들을 대상으로 수업을 진행하였으며 코드를 활용한 수업과 GUI 프로그램 활용 수업을 각각 실시하여 각 활동의 특징을 비교하고 학교 현장에서의 적용 가능성을 확인하였다. 본 연구에서 제시한 수업자료는 전문 적인 프로그래밍 지식이 없어도 GUI 기반으로 실제 관측 데이터를 활용한 탐구활동에 활용될 수 있으며, 이를 통해 학 생들의 지구과학 분야의 이해도와 디지털 소양 함양에 기여할 수 있을 것으로 기대된다.

해상풍은 해양 현상을 이해하고, 지구 온난화에 의한 지구 환경의 변화를 분석하기 위한 필수 요소이다. 전세계 연구 기관은 해상풍을 정확하고 지속적으로 관측하기 위해 산란계(scatterometer)를 개발하여 운영해오고 있으며, 정확도는 풍향이 ±20°, 풍속이 ±2 m s−1 안팎이다. 하지만, 산란계의 해상도는 12.5-25.0 km로, 해안선이 복잡하고 섬이 많은 한반도 근해에서는 자료의 결측이 빈번하게 발생하여 활용도가 감소한다. 그에 반해, Synthetic Aperture Radar (SAR, 합성개구레이더)는 마이크로파를 활용하는 전천후 센서로, 1 km 이하의 고해상도 해상풍이 산출이 가능하여 산란계의 단점 보완이 가능하다. 본 연구에서는 일반적으로 활용되는 SAR 자료 기반 해상풍 산출 알고리즘인 Geophysical Model Function (GMF, 지구 물리 모델 함수)를 밴드별로 분류하여 조사하였다. 상대 풍향, 입사각, 풍속에 따른 후방산 란계수를 L-band Model (LMOD, L 밴드 모델), C-band Model (CMOD, C 밴드 모델), X-band Model (XMOD, X 밴 드 모델)에 적용하여 모의하였고, 각 GMF의 특성을 분석하였다. 이러한 GMF를 SAR 탑재 인공위성 자료에 적용하여 산출한 해상풍의 정확도 검증 연구에 대해 조사하였다. SAR 자료 기반 해상풍의 정확도는 영상 관측 모드, 적용한 GMF의 종류, 정확도 비교 기준 자료, SAR 자료 전처리 방법, 상대 풍향 정보 산출 방법 등에 따라 변하는 것으로 나타났다. 본 연구를 통해 국내 연구자들의 SAR 자료 기반 해상풍 산출 방법에 대한 접근성이 향상되고, 고해상도 해상풍 자료를 활용한 한반도 근해 분석에 이바지할 것으로 기대된다.

전정색과 다중분광 위성영상으로부터 고해상도 컬러영상을 제작하는 융합기법에 대한 연구가 원격탐사 분야에서 활발하게 진행되어왔다. 기 개발된 많은 영상융합 기법들은 분광대체, 산술병합 그리고 공간영역 등 세 개의 범주로 구분될 수 있다. 본 연구는 기존 고해상도 위성에 비해 공간해상도와 분광해상도가 향상된 WorldView-2 위성에서 제공하는 전정색과 다중분광영상에 적용된 각 범주의 융합영상 결과물 특성을 색상과 공간정보 왜곡 측면에서 분석하였다. 색상정보의 왜곡을 평가하기 위해 평균차, 분산차 및 ERGAS 등의 정량지표를 산출하였고, 공간정보의 왜곡은 시각적 분석에 의해 평가하였다. 본 연구의 결과에 의하면 공간영역에 기초한 융합기법이 다른 범주의 융합에 비해 상대적으로 분광 및 공간정보의 왜곡이 적은 것으로 분석되었다. 따라서 공간영역에 기반한 융합영상은 대축척 주제도 뿐 아니라 온라인 영상지도 제작을 위해 적절한 입력자료로 활용될 것으로 기대된다.

호모몰픽 필터링은 푸리에 변환에 기초를 둔 기법으로 주파수 영역에서 저주파 신호는 약화시키고 고주파 신호는 강화하여 영상의 대비 차를 강화시키는 처리기법이다. 호모몰픽 필터링을 위한 응용 프로그램을 개발하여 인공위성영상과 지구물리 자력탐사 자료를 이미지화한 영상에 시험적으로 적용하여 그 결과를 분석하였다. 영상평활화 기법이나 커널 마스크 처리 등과 같은 영상강화 기법에서는 추출 가능한 경계부의 위치를 변화시키거나 영상의 화소값이 전체 영상을 대상으로 변화시키는 반면에 호모몰픽 필터링은 세부적인 영상 정보의 내용을 선택적으로 강조할 수 있다. 호모몰픽 필터링은 인공위성 영상에서 복잡한 지형지물의 특성을 추출하거나 분리하는 데 효과적인 방법으로 나타났으며 지구물리 영상자료에서 이상대를 조사하는 경우에도 유용하게 적용될 수 있을 것으로 생각된다.

This study examined the efficiency of satellite images in terms of detecting wheat cultivation areas, and then analyzed the possibility of climate change through an correlation analysis of time series climate data from the western regions of Gyeongnam province, Korea. Furthermore, we analyzed the effect of climate change on wheat production through a multiple regression analysis with the time series wheat production and climate data. A relatively accurate distribution was achieved on the wheat cultivation area extracted through satellite image classification with an error rate of less than 10% in comparison to the statistical data. Upon correlation analysis with time series climate data, significant results were displayed in the following changes: the monthly mean temperature of the seedling stage, the monthly mean duration of sunshine, the monthly mean temperature of the growing period, the monthly mean humidity, the monthly mean temperature of the ripening stage, and the monthly mean ground temperature. Accordingly, in the study area, the monthly mean temperature, precipitation, and ground temperature generally increased whereas the monthly mean duration of sunshine and humidity decreased. The monthly mean wind speed did not display a particular change. In the multiple regression analysis results, the greatest effect on the production and productivity of wheat as climate factors included the annual mean humidity of the seedling stage, the annual mean temperature of the wintering period, and the annual mean ground temperature of the ripening stage. These results demonstrate that there is a change in wheat production depending on the climate change in the study area. in addition, it is determined that this study will be used as important basic data in the resolution of food security problems based on climate change.

The purpose of this study is to identify the effectiveness of satellite images in detecting the areas of rice production in the Barisal of Bangladesh. We also investigated the effect of climate change on the crop production through comparative analysis of rice production area and production statistics with climate data at multi-temporal time scale. This analysis found that the classification of rice fields extracted through satellite image and made as the number of rice cultivation areas did not exceed 10 percent of the statistical data. Climate data analysis showed that the average temperature during the ripening stage has the greatest impact on Boro’s production. It would be more make sense if you can describe the results of how precipitation is also important for rice production in addition to temperature. Therefore, it is believed that this research could serve as a key basis for solving food security issues due to climate change.

This paper described the estimation of corn and soybeans yields of four states in the US Midwest using time-series satellite imagery and climate dataset between 2001 and 2012. We first constructed a database for (1) satellite imagery acquired from Terra MODIS (Moderate Resolution Imaging Spectroradiometer) including NDVI (Normalized Di°erence Vegetation Index), EVI (Enhanced Vegetation Index), LAI (Leaf Area Index), FPAR (Fraction of Photosynthetically Active Radiation), and GPP (Gross Primary Productivity), (2) climate dataset created by PRISM (Parameter-Elevation Regressions on Independent Slopes Model) such as precipitation and mean temperature, and (3) US yield statistics of corn and soybeans. ˜en we built OLS (Ordinary Least Squares) regression models for corn and soybeans yields between 2001 and 2010 after correlation analyses and multicollinearity tests. These regression models were used in estimating the yields of 2011 and 2012. Comparisons with the US yield statistics showed the RMSEs (Root Mean Squared Errors) of 0.892 ton/ha and 1.095 ton/ha for corn yields in 2011 and 2012 respectively, and those of 0.320 ton/ha and 0.391 ton/ha for soybeans yields. ˜is result can be thought of as a good agreement with the in-situ statistics because the RMSEs were approximately 10% of the usual yields: 9 ton/ha for corn and 3 ton/ha for soybeans. Our approach presented a possibility for extending to more advanced statistical modeling of crop yields using satellite imagery and climate dataset.

본 연구에서는 지상의 관측 자료와 광역의 정보를 제공하는 수치 예보 모형 자료 및 인공위성 자료를 이용하고 자료와 강수예측치의 물리적 상관 특성을 나타내기 위하여 자료 사이의 비선형 거동을 잘 나타내는 신경망 모형에 적용시켜 단시간 강수 예측을 수행하였다. 이를 위하여 서울지점에 대하여 현재로부터 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 인공위성 자료(MTSAT-1R) 및 수치 예보 모형 자료(RDAPS, Regional Data Assimilation and Prediction System)와 실시간 전송되는 자동 기상 관측 시스템(AWS, Automatic Weather System)의 관측치를 신경망 모형의 입력 자료로 하여 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 자료로 강수를 예측 할 수 있는 강수 예측 모형을 개발하였다. 장마와 태풍과 같이 전선형강수와 선풍형강수 등 강수 양상의 차이를 고려하기 위하여 6월, 7월과 8월, 9월 자료를 구분하여 신경망을 구축하였으며, 자료가용성에 기초하여 2006년에서 2008년 기간 동안에 대하여 모형을 학습하고 2009년에 대하여 모형의 적용성을 검증한 결과, 단시간 강수예측에 대한 모형의 적용 가능성을 보여주었으나 다양한 광역 자료와 인공신경망을 사용함에도 불구하고 단시간 강수예측의 정량적 정도향상을 위한 여지가 많음을 보여준다.

융설 모형을 이용하여 융설 기간 동안의 하천유출량을 모의하기 위해서는 융설 관련 매개변수의 정립이 반드시 필요하다. 우리나라의 경우 관측 자료의 부족으로 인하여 적설분포면적, 적설심, 적설분포면적 감소곡선과 같은 융설 관련 매개변수의 추출이 불가능하였다. 본 연구에서는 1997년부터 2003년까지의 겨울철(11월-4월) NOAA/AVHRR 위성영상을 이용하여 한반도의 적설분포도를 추출하고 기상청의 69개소 유인지상기상관측소의 기상자료 중 최심적설심 자료