본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

[표지]

목차

제1장 서론 17

제2장 위험기상 예보지원 기술개발 21

제1절 위성자료 활용 위험기상 탐지 및 예측 기술개발 / 김재관 ; 김미자 ; 김진영 ; 김현수 ; 박기홍 ; 박희준 ; 성선경 ; 유지은 ; 정민정 21

1. 서론 21

2. 천리안위성 2A호 기반 대류운 전조 탐지 및 일생감시 산출 기술 22

3. 대류운 일생감시(RDT) 산출물 성능 평가 26

4. 천리안위성 2A호 자료를 이용한 겨울철 인공지능 모의 레이더(Proxy Radar) 개선 28

5. 천리안위성 2A호 경계층 가강수량 산출 36

6. 다중 정지궤도 위성관측(스테레오 관측)을 활용한 운정고도 산출 개선 39

7. 위성 3차원 연직 구름정보 생산 47

8. 천리안위성 2A호를 이용한 서리 발생 예측 기술 개발 48

9. 천리안위성 2A호 기반 도로 가시거리 위험정보 개선 56

10. 산불탐지 산출물 개선 60

11. 천리안위성 2A호 상하층운 영상 개발 62

12. RGB 컬러 합성 개요 및 황사 68

13. 천리안위성 2A호 기본채널 초해상화 기술 71

14. 극단화된 위험기상 탐지 예측 능력 향상을 위한 위성시스템 고도화 연구 82

15. 요약 및 결론 89

16. 참고문헌 89

제2절 위성자료의 수치예보 활용 기술개발 / 김미자 ; 허준형 ; 이승희 91

1. 서론 91

2. 대기연직정보 산출기술 개발 92

3. 위성자료의 수치예보모델 자료동화 실험 104

4. 한국형수치예보모델 기반 천리안위성 2A호 구름탐지 산출시스템 구축 114

5. 요약 및 결론 117

6. 참고문헌 118

제3장 기상위성 활용 서비스 기술개발 123

제1절 위성자료의 기후환경 활용 기술개발 / 김미자 ; 박희준 ; 황예지 123

1. 서론 123

2. 인공지능을 활용한 전천 해수면온도 산출기술 개발 124

3. 다중위성 활용 동아시아 영역 토양 수분 합성 기술 개발 127

4. 폭염 및 가뭄 감시시스템 구축 131

5. 참고문헌 140

제2절 위성정보 스마트서비스 및 품질관리 기술개발 / 유종선 ; 이상민 ; 전대겸 ; 이인섭 ; 이원섭 ; 이도훈 ; 정구표 ; 연동주 ; 유현주 ; 최준엽 ; 이한별 ; 황의동 141

1. 서론 141

2. 위성정보 서비스 개선을 위한 기술개발 141

3. 천리안위성 2A호 품질관리 기술개발 147

4. 요약 및 결론 163

5. 참고문헌 163

제3절 우주기상 관측 활용기술 개발 / 오국현 ; 오대현 165

1. 서론 165

2. KSEM 자료를 활용한 2024년 대규모 우주기상 이벤트 사례 분석 165

3. 고층대기/전리권 기상정보 서비스 기술연구 169

4. 요약 및 결론 172

5. 참고문헌 172

제4절 탐측기 센서특성분석 및 영향도 평가연구 / 이병일 ; 김세환 173

1. 서론 173

2. 온실가스 감시를 위한 초소형위성 탑재용 분광계 설계 173

3. 근적외영역 초분광탐측기 활용 이산화탄소 산출 알고리즘 원형개발 181

부록 : 연구성과 190

[뒷표지] 195

표목차

Table 2.1.3.1. 정량 평가 조건 26

Table 2.1.3.2. 월별 조기탐지 정확도 27

Table 2.1.3.3. 낙뢰 강도에 따른 모든 구름셀에 대한 조기탐지 정확도 27

Table 2.1.4.1. 연구 검증 기간(2022.12.~2023.2.) 정량 검증 결과 33

Table 2.1.4.2. 시험운영 기간(2024.12.18~2025.1.31.) 정량 검증 결과 33

Table 2.1.5.1. 파장별 복사전달방정식 흡수계수 37

Table 2.1.8.1. 서리 발생 확률 예측에 사용되는 자료 50

Table 2.1.8.2. 지상 관측지점에 대한 서리발생 예측 정확도 54

Table 2.1.9.1. 2024년 봄철(3~5월) 도로가시거리 위험정보 정확도 59

Table 2.1.11.1. 지면정보 및 구름 높이에 따른 반사도와 밝기온도 63

Table 2.1.12.1. 천리안위성 2A호 황사 RGB 영상 정보 69

Table 2.1.13.1. 참조자료가 필요한 초해상화 모델을 학습시키기 위한 해상도 변환 73

Table 2.1.13.2. 참조자료가 필요 없는 초해상화 모델을 학습시키기 위한 해상도 변환 73

Table 2.1.13.3. 참조자료가 필요한 초해상화모델 학습기준 정량 검증 결과 74

Table 2.1.13.4. 참조자료가 필요한 초해상화모델 예측기준 정량 검증 결과 74

Table 2.1.13.5. 참조자료가 필요 없는 초해상화모델 학습기준 정량 검증 결과 75

Table 2.1.13.6. 참조자료가 필요 없는 초해상화모델 예측기준 정량 검증 결과 76

Table 2.1.14.1. 천리안위성 5호 개발 사업의 위성체 주요 사양 표(예시) 83

Table 2.1.14.2. 천리안위성 5호 개발 사업 선정평가 절차 83

Table 2.1.14.3. 천리안위성 5호 개발 사업추진 법률검토 관련 요약 84

Table 2.1.14.4. 정지궤도 기상탑재체 구성품 개발/확보 방안 86

Table 2.1.14.5. 마이크로파탐측기 구성품에 대한 TRL 및 확보방안 87

Table 2.1.14.6. GNSS-RO 수신기 구성품에 대한 TRL 및 확보방안 88

Table 2.2.2.1. AMSU와 ATMS 중심파수(GHz), 채널별 NEdT(K) 및 최대 가중함수가 나타나는 고도(hPa)와 1DVAR 알고리즘 입력 채널정보 97

Table 2.2.2.2. 천리안위성 2A호와 마이크로 위성(ATMS, MHS센서)이 제공하는 수증기 관측 고도 103

Table 2.2.3.1. 실험 설계 표 108

Table 3.1.3.1. 토양 수분 합성에 사용된 마이크로파 위성 정보 127

Table 3.1.3.2. 농촌 진흥청 지점 자료 10지역 활용 토양 수분 자료 검증 결과 131

Table 3.1.4.1. 토양수분 산출을 위한 입력자료(강수, 일사량) 개선 내용 135

Table 3.1.4.2. 기후장 생산을 위한 천리안위성 표면온도 자료 개요 137

Table 3.1.4.3. 폭염 및 가뭄 감시 생산 자료 138

Table 3.1.4.4. 대국민 서비스 감시 자료 상세 정보 139

Table 3.2.3.1. 파장별 오차 및 불확실성 연 통계 151

Table 3.2.3.2. 천리안위성 2A호 달 검정 통곗값 153

Table 3.2.3.3. 2024년 파장별 오차 및 불확실성 통계 결과 159

Table 3.2.3.4. 2022년 일본 Himawari-9/AHI 센서와 미국 GOES-18/ABI 센서의 파장별 평균 오차(Metop-B/IASI와 비교 결과) 160

Table 3.3.3.1. 고층대기 우주기상 정보서비스 국내·외 동향 169

Table 3.4.2.1. 위성관측 모의 시험의 초기 변수 174

Table 3.4.2.2. 에셀 분광기의 광학설계 요구사항 175

Table 3.4.2.3. 에셀 분광기 설계를 위한 제한조건 175

Table 3.4.2.4. 탑재체 및 위성체의 주요 예측 성능 및 규격 177

Table 3.4.2.5. 광학계 도전적인 핵심기술 요소 178

그림목차

Fig. 2.1.2.1. ConvLSTM 셀 모식도 예시 23

Fig. 2.1.2.2. ConvLSTM을 활용한 대류운 전조 확률 탐지 모델(DeepCI) 구조 23

Fig. 2.1.2.3. 2024년 7월 12일 강원도 정선군 사례 대류운 전조 탐지 산출물 비교 24

Fig. 2.1.2.4. 2024년 8월 3일 제주 사례 대류운 전조 탐지 산출물 비교 25

Fig. 2.1.2.5. 인공지능기반 대류운 전조 탐지 모델 이웃 픽셀(3x3) 검증 예시 25

Fig. 2.1.3.1. RDT 검증영역 : 한반도 주변 낙뢰 관측 누적 횟수(예시) 26

Fig. 2.1.4.1. 시계열 인공지능 모델 알고리즘 모식도 29

Fig. 2.1.4.2. 모의 레이더 산출 및 인공지능 모델 학습 흐름도 30

Fig. 2.1.4.3. 겨울철 인공지능 모의 레이더 자료 산출 결과(2022.12.19. 5:00 KST) 31

Fig. 2.1.4.4. 겨울철 인공지능 모의 레이더 자료 산출 결과(2023.1.2. 22:00 KST) 31

Fig. 2.1.4.5. 겨울철 인공지능 모의 레이더 자료 산출 결과(2025.1.9. 3:40 KST) 32

Fig. 2.1.4.6. 겨울철 인공지능 모의 레이더 자료 산출 결과(2023.2.25. 15:00, 18:00, 21:00 KST) 32

Fig. 2.1.4.7. 겨울철 인공지능 모의 레이더 자료 산출 결과(2024.11.23. 0:40, 3:20, 4:50 KST) 34

Fig. 2.1.4.8. 겨울철 인공지능 모의 레이더 자료 산출 결과(2023.1.24. 16:00 KST) 35

Fig. 2.1.5.1. 천리안위성 2A호 경계층 가강수량 산출 흐름도 36

Fig. 2.1.5.2. 채널별 RTTOV 복사모의 결과 37

Fig. 2.1.5.3. (a) 경계층 가강수량 산출 결과, (b) GK2A 주야간합성 RGB 38

Fig. 2.1.5.4. 해남 ASOS 기준 반경 20 km 경계층 가강수량 및 ASOS 관측(강수량) 시계열 38

Fig. 2.1.5.5. 총가강수량과 경계층 가강수량 상관관계 (a) 육상, (b) 해상 39

Fig. 2.1.6.1. 스테레오 운정고도 산출 원형 알고리즘 흐름도 및 운정고도 계산식 40

Fig. 2.1.6.2. 스테레오 운정고도 산출을 위한 교차상관 방법 적용 40

Fig. 2.1.6.3. 정지궤도 기상위성의 관측 위치 41

Fig. 2.1.6.4. Poisson Image Editing(포아송 이미지 편집)을 이용한 Himawari-9 위성 가시채널 및 적외채널 자료 융합 결과 42

Fig. 2.1.6.5. 교차상관 적용 테스트 결과 43

Fig. 2.1.6.6. 스테레오(Himawari-9-FY-4A) 운정고도 산출 결과(2023.6.1. 15:00 KST) 44

Fig. 2.1.6.7. 스테레오 운정고도와 CALIPSO 위성 비교(2023.6.1. 15:00 KST) 44

Fig. 2.1.6.8. 스테레오(Himawari-9-FY-4A) 운정고도 산출 결과(2023.6.20. 15:00 KST) 45

Fig. 2.1.6.9. 스테레오 운정고도와 CALIPSO 위성 비교(2023.6.20. 15:00 KST) 45

Fig. 2.1.6.10. 스테레오(Himawari-9-FY-4A) 운정고도 산출 결과(2023.5.5. 15:00 KST) 46

Fig. 2.1.6.11. 스테레오 운정고도와 CALIPSO 위성 비교(2023.5.5. 15:00 KST) 46

Fig. 2.1.7.1. 천리안위성 2A호 운정고도 및 운저고도 기반 연직 구름정보 생산 47

Fig. 2.1.7.2. CALIPSO 위성 관측자료를 이용한 천리안위성 2A호 연직 구름정보 단면 비교 48

Fig. 2.1.8.1. 인공지능 기법을 이용한 서리 발생 확률 예측 모델 49

Fig. 2.1.8.2. 모델 입력 채널 예시 이미지(2024년 6월 1일 12:00 KST) 51

Fig. 2.1.8.3. 한반도 23개 서리 관측 지점 51

Fig. 2.1.8.4. 선행시간에 따른 서리발생 확률 정확도 55

Fig. 2.1.8.5. 한반도 서리발생 확률 예측 결과 55

Fig. 2.1.9.1. 개선된 도로가시거리 위험정보 탐지 순서도 57

Fig. 2.1.9.2. 구름탐지 산출물의 청천역을 활용한 오탐지 제거 과정 58

Fig. 2.1.10.1. 천리안위성 2A호 산불탐지 알고리즘 흐름도 60

Fig. 2.1.10.2. 2023년 10월 4일 17:50 KST 구름역 오탐지 개선 전/후 오탐지 화소 변화 61

Fig. 2.1.10.3. 2023년 3월 7일 10:00 KST 해안선 부근 산불 오탐지 개선 전/후 61

Fig. 2.1.11.1. 위치에 따른 반사율 및 밝기온도 값 62

Fig. 2.1.11.2. 상하층운영상 생성 순서도 63

Fig. 2.1.11.3. 지면정보와 구름정보를 분리하기 위한 가시채널 비선형 정규화 64

Fig. 2.1.11.4. 가시채널 전처리 및 비선형 정규화 결과 64

Fig. 2.1.11.5. 적외채널에서의 지면, 하층운, 상층운 구분 65

Fig. 2.1.11.6. 적외채널 전처리 및 비선형 정규화 결과 66

Fig. 2.1.11.7. 색체계 변환을 통한 가시성 향상 66

Fig. 2.1.11.8. 천리안위성 2A호 상하층운영상 산출 결과 67

Fig. 2.1.12.1. 천리안위성 2A호 황사 RGB 영상(2024.03.28 05:00 UTC 1400 KST) 68

Fig. 2.1.12.2. 채널만 평활화 예시 69

Fig. 2.1.12.3. 황사 RGB영상 개선 정규화 70

Fig. 2.1.13.1. 참조자료를 활용하는 초해상화 모델 72

Fig. 2.1.13.2. 참조자료가 필요 없는 초해상화 모델 72

Fig. 2.1.13.3. 참조자료가 필요한 초해상화 기법 정성 평가 결과 75

Fig. 2.1.13.4. 참조자료가 필요 없는 초해상화 기법 정성 평가 결과 76

Fig. 2.1.13.5. 사례별 초해상화 결과(태풍 난마돌1, '22.09.18. 16:00 KST, RGB 주야간 합성) 77

Fig. 2.1.13.6. 사례별 초해상화 결과(태풍 난마돌2, '22.09.18. 16:00 KST, RGB 주야간 합성) 77

Fig. 2.1.13.7. 사례별 초해상화 결과(태풍 카눈1, '23.08.09. 13:00 KST, RGB 주야간 합성) 78

Fig. 2.1.13.8. 사례별 초해상화 결과(태풍 카눈2, '22.09.18. 16:00 KST, RGB 주야간 합성) 78

Fig. 2.1.13.9. 사례별 초해상화 결과(서해안개, '21.03.28. 13:00 KST, RGB 주야간 합성) 79

Fig. 2.1.13.10. 사례별 초해상화 결과(서해안개, '21.03.28. 22:00 KST, RGB 주야간 합성) 79

Fig. 2.1.13.11. 사례별 초해상화 결과(서해안개, '21.03.28. 22:00 KST, RGB 야간안개) 80

Fig. 2.1.13.12. 사례별 초해상화 결과(황사, '21.04.16. 16:00 KST, RGB 황사) 80

Fig. 2.1.13.13. 기본채널 원본과 초해상화 결과를 활용한 RGB 황사 영상의 차이 81

Fig. 2.1.13.14. BTD, 10.5, 11.2의 원본과 초해상도화 결과 차이 82

Fig. 2.1.13.15. 원본과 초해상화 결과의 히스토그램 차이 및 차이영역 82

Fig. 2.2.2.1. 2023년 7월 1~31일에 대한 동아시아 영역 95

Fig. 2.2.2.2. 직수신 마이크로파 자료 실시간 산출체계 흐름도 96

Fig. 2.2.2.3. 총가강수량 및 대기 안정도 지수 5종 예시(2024년 5월 21일 04:34 UTC) 100

Fig. 2.2.2.4. 체계오차 보정 원리 설명 101

Fig. 2.2.2.5. ECMWF, KIM의 연직 대기 온·습도 배경오차 공분산 대각 행렬 101

Fig. 2.2.2.6. 조정된 KIM 대기 연직 온도 및 습도 배경오차 공분산 적용 결과 102

Fig. 2.2.2.7. 2024년 7월 9일 13시 40분 수증기영상(약 750hPa 고도) 103

Fig. 2.2.3.1. ATMS 3번-15번 채널 주파수에 대한 대기 상한 휘도온도의 기여 변수 불확실성에 대한 민감도 테스트 결과 105

Fig. 2.2.3.2. 자료 수집 기간에 따른 ATMS 5-7번 채널의 관측증분 106

Fig. 2.2.3.3. 15일 자료로 계산된 보정계수의 유효기간 평가를 위한 시계열 분석 107

Fig. 2.2.3.4. 2023년 7월 한달 평균 분석장 차이로 왼쪽부터 차례로 온도, 지위고도, 습도 동서바람, 남북방향 변수를 나타냄 108

Fig. 2.2.3.5. 2023년 7월 한달 평균 IFS 대비 분석장 편차 제곱근 오차 차이의 위도별 분포 109

Fig. 2.2.3.6. (a) BC2024 실험과 CTRL 실험의 지역별, 예보 기간에 따른 대기 변수의 예보 성능 차이. (b) BC2023 실험과 CTRL 실험의 예보 성능 차이 110

Fig. 2.2.3.7. (a) BC2024 실험과 CTRL 실험의 예보 기간에 따른 예보 성능 차이. 수직의 에러바는 청색은 95%, 흑색은 68% 신뢰수준을 나타냄. (b) BC2023 실험과 CTRL 실험의 예보 기간에 따른 예보 성능 개선율 110

Fig. 2.2.3.8. (a) BC2024 실험과 CTRL 실험의 지역별, 예보 기간에 따른 대기 변수의 예보 성능 차이. (b) BC2023 실험과 CTRL 실험의 예보 성능 차이 111

Fig. 2.2.3.9. (a) BC2024 실험과 CTRL 실험의 예보 기간에 따른 예보 성능 차이. 수직의 에러바는 청색은 95%, 흑색은 68% 신뢰수준을 나타냄. (b) BC2023 실험과 CTRL 실험 예보 기간에 따른 예보 성능 개선율 112

Fig. 2.2.3.10. BC2023 실험과 해빙 관측자료를 잔차 편향보정 없이 동화한 실험의 지역별, 예보 기간에 따른 대기 변수의 예보 성능 차이 113

Fig. 2.2.3.11. BC2024 실험과 해빙 관측자료를 잔차 편향보정 없이 동화한 실험의 지역별, 예보 기간에 따른 대기 변수의 예보 성능 차이 113

Fig. 2.2.4.1. 10.5 ㎛ 청천복사모의 비교 결과 114

Fig. 2.2.4.2. KIM-UM 청천복사모의 차이 115

Fig. 2.2.4.3. 모델 별 적외-수증기(10.5 ㎛-6.3 ㎛) 채널 차 비교 115

Fig. 2.2.4.4. (a) 천리안위성 2A호 3.8 ㎛, 10.5 ㎛ (b) 동아시아(ELA) 구름탐지 : (좌) UM, (우) KIM, 2024.11.25. 00 UTC (c) 전구(FD) : (좌) UM, (중) KIM 모델 기반 천리안위성 2A호 구름탐지 결과 및 (우) 차이 117

Fig. 2.2.4.5. (a) UM, (b) KIM 모델 기반 천리안위성 2A호 구름탐지 결과, 2024.11.25. 12 UTC 117

Fig. 3.1.2.1. The encoder-decoder structure of DeepLabV3+model 124

Fig. 3.1.2.2. Scatter plot of buoy data and AI-based predicted SST (a), GK2A L2 SST (b), and AI model-predicted SST at 23:00 KST on June 7, 2024 (c) 126

Fig. 3.1.2.3. Spatial distribution of OSTIA SST (a) and AI-based predicted SST (b) on June 1, 2024 126

Fig. 3.1.3.1. 토양수분 합성장 산출 흐름도 128

Fig. 3.1.3.2. 2022년 9월 21일 동아시아 지역의 토양 수분 상태를 나타내는 (a) 합성 이미지와 (b) 7일 이동 평균 이미지 130

Fig. 3.1.4.1. 천리안위성 2A호 토양수분 인공지능모델 구조 133

Fig. 3.1.4.2. 레이더 강수 자료(HSR)로부터 계산된 10일(a), 20일(b) SPI 지수 134

Fig. 3.1.4.3. ASOS(X축) 강수와(레이더(a), 국지모델(b), IMERG(c)) (Y축) 강수 상관성 분석 134

Fig. 3.1.4.4. 레이더+국지모델 합성 SPI10(a), SPI20(b) 지수와 토양수분 분포도(c) 134

Fig. 3.1.4.5. 봄~여름철 현업 대비 개선 토양수분 정확도 검증 136

Fig. 3.1.4.6. 겨울철 현업 대비 개선 토양수분 정확도 검증 136

Fig. 3.1.4.7. 농진청 일부 관측 지점(4지점)의 현업(회색), 개선(파란), 관측(빨강) 토양수분 시계열분포(a), 산점도(b), 토양수분 차이(c), 농진청 관측지점(d) 136

Fig. 3.1.4.8. 신규로 구축한 감시정보 138

Fig. 3.2.2.1. 위성정보시스템3 142

Fig. 3.2.2.2. 위성정보시스템3 심플모드 구성 142

Fig. 3.2.2.3. (a) 기존 데이터기반 GTS 및 (b) 분석일기도와 중첩된 GTS 표출 예시 143

Fig. 3.2.2.4. (a) 그리기도구 개선 및 (b) 한반도 해안선 강조 기능 144

Fig. 3.2.2.5. 자료제공 콘텐츠 개선 전후 비교[(a) 단순 나열 형식, (b) 카드 형식] 145

Fig. 3.2.2.6. 가뭄 감시 정보 화면 146

Fig. 3.2.2.7. 국가기상위성센터 영문 누리집 천리안위성 2A호 관심영역 서비스 예시 146

Fig. 3.2.2.8. 다중 멀티브라우징 기법 적용 예시 147

Fig. 3.2.3.1. 래이매칭(Ray matching) 알고리즘 흐름도 148

Fig. 3.2.3.2. GSICS DCC 검정 알고리즘 흐름도 149

Fig. 3.2.3.3. 천리안위성 2A호 달 관측 영역(적색원 : AMI Field of Regards, 파란색원 : Earth Limb) 150

Fig. 3.2.3.4. 천리안위성 2A호 달 검정 방법 150

Fig. 3.2.3.5. 래이매칭 SNPP VIIRS 결과 - 일별 반사도 비율의 시계열(2019.8.~2024.12.) 152

Fig. 3.2.3.6. 래이매칭 Terra MODIS, SNPP, NOAA-20/21 VIIRS 결과 - 일별 반사도 비율의 시계열(2019.9.~2024.12.) 152

Fig. 3.2.3.7. 천리안위성 2A호 달 검정 결과(2019.9.~2024.12.) 153

Fig. 3.2.3.8. 달 위상각에 따른 달관측 변화량에 나타난 계절변동성(기간 : 2019.9.1.~2024.12.31.) 154

Fig. 3.2.3.9. 천리안위성 2A호와 저궤도위성 간의 상호검정 알고리즘의 흐름도 155

Fig. 3.2.3.10. AMI의 분광반응함수와 청천에서 모의된 IASI(파랑), CrIS(빨강) 복사휘도, CrIS 공백채널 범위(분홍색 음영) 156

Fig. 3.2.3.11. 천리안위성 2A호 적외채널 상호검정 시계열(NOAA-20 CrIS(보라), NOAA-21 CrIS(노랑), MetOp-B IASI(파랑), MetOp-C IASI(초록), IR105~IR133) 159

Fig. 3.2.3.12. 천리안위성 2A호 적외채널 상호검정 계수의 체계적 오류에 대한 기여도 161

Fig. 3.2.3.13. 천리안위성 2A호 적외채널 상호검정 계수의 무작위적 오류에 대한 기여도 162

Fig. 3.3.2.1. 2024년 5월 이벤트 관측값 166

Fig. 3.3.2.2. 2024년 5월 사례의 Lin 모델 추정 정오위치 자기권계면 거리 및 특정 시간대의 자기권계면 평면도 166

Fig. 3.3.2.3. 2024년 10월 이벤트 관측값 167

Fig. 3.3.2.4. 2024년 10월 사례의 Lin 모델 추정 정오위치 자기권계면 거리 및 특정 시간대의 자기권계면 평면도 168

Fig. 3.3.3.1. 고층대기/전리권 기상정보 연구개발 비전 및 목표 170

Fig. 3.3.3.2. 고층대기/전리권 기상정보 서비스 연구개발 로드맵 171

Fig. 3.4.2.1. 에셀 분광기의 공간분해능 개념 176

Fig. 3.4.2.2. 기본 광학설계를 통한 광학계 레이아웃(모든 파장을 하나의 레이아웃에 표시) 176

Fig. 3.4.2.3. 탑재체 및 본체의 규격과 배치 개념도 177

Fig. 3.4.2.4. 2-채널 분리 광학설계 방안 179

Fig. 3.4.2.5. Band 1와 Band 2 광학계의 레이아웃 179

Fig. 3.4.2.6. 에셀 담금격자를 이용한 광학계 경량화 방안 180

Fig. 3.4.3.1. Full Physics 알고리즘의 흐름도 182

Fig. 3.4.3.2. VLIDORT(UNL-VRTM) 기반의 복사모델 구조 182

Fig. 3.4.3.3. 보조입력자료 예시(WACCM v7 기반 안면도 지역 CO₂, H₂O 연직 프로파일 및 공분산 행렬) 183

Fig. 3.4.3.4. 지면반사도 보조입력자료 예시(1월, 6월의 1630와 2314 nm의 SCIAMACHY LER database) 184

Fig. 3.4.3.5. WCO₂, SCO₂ 밴드의 지표반사도, CO₂, H₂O의 파장별 자코비안 함수 분석 184

Fig. 3.4.3.6. OCO-2 관측자료를 이용한 FP 알고리즘 산출 시 반복 과정의 스펙트럼 변화 185

Fig. 3.4.3.7. 반복 과정(n=60) 동안 오차 수렴도 지수(di2m, di2n, RMSA) 변화(a) 및 최종단계에서 OCO-2 관측자료와 모의 된 스펙트럼의 차(b) 186

이용현황보기

(2024년도) 기상위성 예보지원 및 융합서비스 기술개발 = Technical development on weather forecast support and convergence service using meteorological satellites : 연구보고서 이용현황 표 - 등록번호, 청구기호, 권별정보, 자료실, 이용여부로 구성 되어있습니다.
등록번호 청구기호 권별정보 자료실 이용여부
0003216953 551.6354 -25-17 서울관 인문자연과학자료실(314호) 이용가능
0003216954 551.6354 -25-17 서울관 인문자연과학자료실(314호) 이용가능

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기