[강릉원주대 대기환경과학과] 2017년 1학기 전선 역해석 방법 과제물 (2)

 정보

• 업무명     : 2017년 1학기 전선 역해석 방법 과제물 (2)

• 작성자     : 이상호

• 작성일     : 2020-03-18

• 설   명      :

• 수정이력 :

 

 내용

[개요]

• 안녕하세요? 기상 연구 및 웹 개발을 담당하고 있는 해솔입니다. 

• 오늘은 대학원 석사 4학기에 배운 역해석 방법에 대한 내용을 다루고자 합니다. 

• 특히 배운 지식를 활용하여 각 주차별 발표 및 토의는 학술 논문 또는 보고서를 작성 시 많은 도움이 되었습니다. 

• 주차별 과제물은 각 주제에 대한 발표로서 총 6회에 걸쳐 진행하였습니다.

• 오늘 포스팅 역해석 방법의 "과제물 2편"을 소개해 드리고자 합니다.

• 추가로 "과제물 1편"에 대한 링크를 보내드리오니 참고하시기 바랍니다.

[강릉원주대 대기환경과학과] 2017년 1학기 전선 역해석 방법 과제물 (1)

 

[특징]

• 역해석 방법 수업에 대한 이해를 돕기위해 작성

 

[기능]

• 과제물

  • 이어도 일사자료 분석 (구글 지도, 시계열, 빈도 분포, pie 차트)

  • 히마와리 위성 8호 (Himawari-8/AHI) 자료 현황 (heatmap 열지도)

  • 다중선형회귀모형을 이용하여 대기상단에서 광대역 알베도 산출

  • 주성분 분석을 이용한 이미지 복원 및 압축

  • 주성분 회귀모형을 이용한 광대역 알베도 산출

• 소스 코드

• 관련 자료

 

[사용 OS]

• Windows 10

 

[사용 언어]

• Power Point 2018

• Fortran 90

• Gnuplot

 

 과제물

이어도 일사자료 분석 (구글 지도, 시계열, 빈도 분포, pie 차트)

 

[구글 지도]

• 일사자료의 중요성

  • 일사자료는 다양한 연구분야와 산업활동 및 대기 성분 (에어로졸, 수증기)의 변화 분석에 사용

  • 1969년부터 기상청 관측 수행

  • 한반도의 일사자료는 밀집된 주변 건물들 때문에 양호한 관측소 및 자료 생산이 어려움

  • 이어도는 주변환경에 의한 반사 효과를 최소화  할 수 있음

 

[시계열]

• 2005년 01월 01일 - 2015년 12월 31일 자료를 사용 (2013년 9월 이전 매 10분, 이후 매 1분)

• 이어도 기지의 관측자료는 위성통신으로 실시간 해양조사원으로 전송되는 동안 오류가 발생되기 때문에 품질검사가 요구됨

 

• 오류가 발생된 대표적인 사례

 

[시계열, 빈도 분포, pie 차트]

• 품질검사 이전 자료와 이후 자료 및 오류가 발생된 항목

 

• 품질검사 이전/이후 일평균 일사 시계열

 

히마와리 위성 8호 (Himawari-8/AHI) 자료 현황 (heatmap 열지도)

 

[heatmap 열지도]

• 대기 상단에서의 상향단파복사에 필요한 6개 가시 채널 정보 (디렉터리 및 파일명, 날짜 정보) 열지도 가시화

  • 1 시간 = 매 10분 × 6개

  • 1 일 = 1 시간 × 24개 = 144개
    

 

• 대기 상단에서의 상향단파복사에 필요한 구름 탐지 정보 (디렉터리 및 파일명, 날짜 정보) 열지도
  

 

다중선형회귀모형을 이용하여 대기상단에서 광대역 알베도 산출

 

[협대역 반사율와 광대역 알베도의 관계] 

그림. 파장별 반사율와 광대역 알베도 (SBDART model) (MLS:중위도 여름, VIS:시정).

 

 

[복사모델와 다중선형회귀모형으로 회귀계수 계산]

그림. SBDART 에 의한 수치실험 및 회귀계수 산출 흐름도.

 

• 다중선형회귀모형 (Multiple Linear Regression)

  • 독립변수 (각 채널별 반사율, x)와 종속변수 (광대역 알베도, y)을 이용하여 최소제곱법으로 회귀계수(𝜷 ̂𝑶𝑳𝑺) 계산
    

 

• 능형회귀모형 (Ridge Regression)

  • 다중공선성 (독립변수간의 종속되어 있는 경우)을 해결할 뿐만 아니라 분산이 크게 줄어들어 회귀계수의 정확도가 향상됨

 

[두 회귀모형에 따른 광대역 알베도 비교]

• 사례 선정 (2 km, 2015년 08월 20일  0110 UTC)

  • 강수와 태풍 (고니, 앗사니)이 동반하는 사례

  • 광대역 알베도는 청천 영역에서 깊은 대류운 (0-80 %  이상)까지 큰 변동성을 보이기 때문에 (Navarro and  Margarita, 2013) 

 

• CERES 스캔 영역에 대해 시〮공간 일치 (통계 분석)

  • 다중선형회귀모형 : R = 0.925, Bias = 0.148, RMSE = 0.19

  • 능형회귀모형 : R = 0.956, Bias = 0.006, RMSE = 0.045

 

주성분 분석을 이용한 이미지 복원 및 압축

 

[주성분 분석의 이론적 배경]

• 주성분 분석 (Principal  Component  Analysis)

  • 서로 직교하는 변수들의 선형결합 (𝑨𝒗=𝝀𝒗)

    • 차원을 단순화하여  해석하는 방법임

    • 이 방법은 1905년부터 지금까지 여러 분야에서 널리 사용되며 특히 이미지 인식, 자료 분류, 자료 압축 및 통계 분야에서 변수 축소에 활용됨

    • 고유근 (Eigen value)와 고유 벡터 (Eigen vector)는 쌍으로 존재하며 여기서 가장 큰 고유근을 가지는 고유벡터가 첫번째 주성분이 됨

  • 원본 이미지를 각 주성분에 따라 복원하여 크기 용량을 얼마나 줄일 수 있을까?

 

 

그림. 고양이 이미지 (차원 : 640 x 640 x 3, 크기 : 122.415 byte).

 

[각 성분별 설명력 (분산 비율) 및 이미지]

 

그림. Red, Green, Blue에 따른 각 성분별 설명력(640개의 주성분 중에서 상위 10개 해당).

 

그림. 5, 10, 100 주성분을 누적한 Red, Green, Blue, 합성 영상 이미지.

 

[각 성분별 Red, Green, Blue, 합성 영상 (애니메이션)]

• 누적 성분이 높을수록 원본과 비교하여 유사함

• 저장용량은 원본 이미지에 비해 -11.73 % 감소함

• 주성분 분석은 이미지를 단순화할 뿐만 아니라 차원 감소(3차원 > 2차원)으로 인해 저장 용량을 크게 줄임
  

 

 

주성분 회귀모형을 이용한 광대역 알베도 산출

 

[복사모델와  주성분 회귀모형으로  회귀계수 계산]

• 주성분 회귀모형 (Principal Component Regression)

  • 독립변수 (주성분 행렬, Z)와 종속변수 (광대역 알베도, y)을 이용하여 최소제곱법으로 회귀계수 (𝜷 ̂𝑷𝑪𝑹) 계산

  • 다중공선성 (독립변수간의 종속되어 있는 경우)을 해결할 뿐만 아니라 분산이 크게 줄어들어 회귀계수의 정확도가 향상됨.

 

 

[각 성분별 회귀계수에 따른 광대역 알베도 비교]

• CERES 스캔 영역에 대해 시/공간 일치 (통계 분석)

  • 능형회귀모형 : R = 0.961, Bias = 0.001, RMSE = 0.045

  • 각 1 주성분 : R = 0.961, Bias = 0.019, RMSE = 0.056

  • 각 1, 2 주성분 : R = 0.952, Bias = 0.011, RMSE = 0.055

  • 각 1, 2, 3 주성분 : R = 0.861, Bias = 0.014, RMSE = 0.094

 

 

 소스 코드

• 추후에 링크 형식으로 추가 예정

 

 관련 자료

• 이어도 일사자료 분석 (구글 지도, 시계열, 빈도 분포, pie 차트) 그리고 히마와리 위성 8호 (Himawari-8/AHI) 자료 현황

[역해석 방법] 이어도 일사자료 분석 (구글 지도, 시계열, 빈도 분포, pie 차트) 그리고 히마와리 위성 8호 (Himawari-8/AHI) 자료 현황 from Lee Sang-Ho

 

• 다중선형회귀모형을 이용하여 대기상단에서 광대역 알베도 산출

[역해석 방법] 다중선형회귀모형을 이용하여 대기상단에서 광대역 알베도 산출 from Lee Sang-Ho

 

• 주성분 분석을 이용한 이미지 복원 및 압축 그리고 주성분 회귀모형을 이용한 광대역 알베도 산출

[역해석 방법] 주성분 분석을 이용한 이미지 복원 및 압축 그리고 주성분 회귀모형을 이용한 광대역 알베도 산출 from Lee Sang-Ho

 

 참고 문헌

[논문]

• 없음

[보고서]

• 없음

[URL]

• 없음

 

 문의사항

[기상학/프로그래밍 언어]

• sangho.lee.1990@gmail.com

[해양학/천문학/빅데이터]

• saimang0804@gmail.com