Study on improvement of 6SV LUT discontinuity using DNN: based on KOMPSAT-3/3A

Abstract

대기보정은 대기효과를 제거하여 지표반사도를 산출하는 방법이다. 식생지수 등 위성 기반의 2차 산출물들을 획득하기 위하여 정확한 대기보정 방법은 필수적이다. 복사전달모델은 정확도는 높지만, 연산 과정에 많은 시간이 소요된다. 이를 해결하기 위하여 조견표 기반 실시간 지표반사도를 산출하고 있다. 그러나, 조견표 구축에 사용되는 입력 변수들의 간격으로 인해 지표반사도를 산출하는 과정에서 불연속면이 발생한다. 즉, 지표반사도의 오차를 발생시켜 정확한 지표에 대한 정보를 획득하기가 어렵다. 조견표의 간격을 해소하기 위하여 선행 연구들은 조견표에 보간법을 적용하고 있다. 보간법을 통해 지표반사도의 정확도는 향상되었지만, 태양 천정각, 에어로졸 등 지표반사도 산출 과정에 영향력이 큰 입력 변수들의 변동성을 해결하기에는 한계가 있다. 이 한계점을 해결하기 위하여, Deep Neural Network (DNN) 기반 지표반사도 산출 모델을 생성하였다. DNN 모델은 비선형 관계들을 모델링하여 예측 모델을 생성하고, 연산에 대한 효율도 높게 나타나고 있다. 그리고, 기존의 고해상도 영상에 대해 대기보정 수행 시 단일 대기 성분 자료를 입력하여 지표반사도를 산출하였다. 이것은 고해상도 영상의 정밀한 지표반사도를 산출하는 방법에 적합하지 않다. 본 연구는 고해상도 위성인 다목적실용위성-3/3A호의 지표반사도를 산출하기 위하여 연구를 수행하였다. DNN 모델의 성능을 평가하기 위하여 보간법 대비 정확도 및 산출 속도에 대하여 분석하였다. DNN 모델은 보간법의 정확도 대비 복사전달모델과 유사한 결과가 나타났고, 산출 속도도 조견표와 차이가 없는 결과가 나타났다. 본 연구를 통해 다양한 기하 자료 및 대기 성분에 대해 높은 정확도로 지표반사도를 산출할 수 있다.