황사/미세먼지 발생예측을 위한 동아시아지역 능동/수동형 위성 토양수분 비교

• 영문명: An Inter-comparison of Active and Passive satellite Soil Moisture Products in East Asia for Dust-Outbreak Prediction
• 발행기관: 한국방재학회
• 저자명: 김형록(Kim, Hyunglok) 최민하(Choi, Minha)
• 간행물 정보: 『2. 한국방재학회 논문집』15권4호, 53~58쪽, 전체 6쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2015.08.31

국문 초록

본 연구는 세 종류의 위성에서 산출된 토양수분과 Global Land Data Assimilation System (GLDAS)의 토양수분을 비교하여 (2013년 6월) 각 위성의 동아시아지역에서의 토양수분 데이터를 평가하였다. 동아시아 지역의 각기 다른 토지 피복에서의 위성 토양수분 비교 를 통해 흙먼지의 근원이 되는 사막지역에서 가장 적절한 위성을 선정하였다. 위성 비교에는 유럽 (European Space Agency) ESA의 Soil Moisture and Ocean Salinity (SMOS)에 탑제된 Microwave Imaging Radiometer with Aperture Synthesis (MIRAS), MetOp-A에 탑제된 Advanced Scatterometer (ASCAT)과 일본 Japan Aerospace Exploration Agency (JAXA)의 GCOM-W에 탑제된 Advanced Microwave Scanning Radiometer 2를 이용하였다. ASCAT의 경우 건조지역 외의 지역에서 좋은 결과를 보여주었으며, SMOS 위성이 건조한 지역에서 상대적으로 좋은 신뢰도를 보여주었다. SMOS위성의 경우 사막지역에서 가장 좋은 결과를 보여주기 때문에, 향후 연구에서는 SMOS위성 토양수분 데이터를 활용하여 동아시아지역에서 토양수분과 먼지발생과의 관계를 규명하고 여러 수문인자의 관계를 통해 먼지발생의 예측 연구를 진행할 예정이다.

영문 초록

In this study, three of satellite soil moisture datasets were inter-compared using Global Land Data Assimilation System (GLDAS) soil moisture over East Asia in summer (June, 2013) to evaluate soil moisture data for global-scale analysis. The applied satellite sensors are Microwave Imaging Radiometer with Aperture Synthesis (MIRAS) on Soil Moisture and Ocean Salinity (SMOS), Advanced Microwave Scanning Radiometer 2 (AMSR2) on GCOM-W, and Advanced Scatterometer (ASCAT) on MetOp-A. While the ASCAT soil moisture was found to be most correlated with GLDAS soil moisture in the non-desert parts of study area, SMOS-retrieved soil moisture data showed most reliable result in dry regions(desert and semi-desert). In the future study, soil moisture derived from SMOS will be uses for dust-outbreaks prediction research.

목차

1. 서 론

2. 위성 및 자료동화 데이터

3. 데이터 분석

4. 분석결과

5. 결 론

키워드

토양수분 위성 토양수분 데이터 SMOS ASCAT AMSR2 GLDAS Soil Moisture Satellite-based soil moisture products SMOS ASCAT AMSR2 GLDAS