저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할

Transcription

1 저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우, 이저작물에적용된이용허락조건을명확하게나타내어야합니다. 저작권자로부터별도의허가를받으면이러한조건들은적용되지않습니다. 저작권법에따른이용자의권리는위의내용에의하여영향을받지않습니다. 이것은이용허락규약 (Legal Code) 을이해하기쉽게요약한것입니다. Disclaimer

2 교육학석사학위논문 자료를활용한 한반도주변해해상풍산출 Retrieval of Sea Surface Wind from Sentinel-1A/B SAR Data in the Seas around Korea 년 월 서울대학교대학원 과학교육과지구과학전공 장재철

3 자료를활용한 한반도주변해해상풍산출 Retrieval of Sea Surface Wind from Sentinel-1A/B SAR Data in the Seas around Korea 지도교수박경애 이논문을교육학석사학위논문으로제출함 년 월 서울대학교대학원 과학교육과지구과학전공 장재철 장재철의석사학위논문을인준함 년 월

4 초 록 해상풍은파도, 해류, 해양순환및대기-해양상호작용연구에중요한요소중하나로, 우리에게복합적인해양현상에대한전체적인이해를제공한다. 기후변화에대한관심이증대되면서전세계바람장관측의중요성이강조되어왔고, 그에따라 European Space Agency (ESA) 와 National Aeronautics and Space Administration (NASA) 에서는산란계를이용하여전세계바람장자료를산출해왔다. 이러한산란계자료는 ±2 m/s의정확도를보여주지만, 낮은공간해상도로인해연안바람장자료의결핍과작은규모의해양현상분석이불가능하다는단점을보인다. Synthetic Aperture Radar (SAR) 는능동마이크로파를사용하여대기및기상상태에의한영향이적고, 수십 m의공간해상도를가지고있어 1 km 이하의고해상도바람장자료산출이가능하다. 그로인해 SAR 자료는연안바람장자료산출및작은규모의해양현상분석이가능하다는장점이있지만기존의 SAR 자료에대한접근성은낮았다. Sentinel-1A/B 위성은 C-Band(5.405 GHz) SAR를탑재한위성으로, 기존의 SAR 탑재위성과는다르게 SAR 자료수집이용이하며, Terrain Observation with Progressive Scans SAR (TOPSAR) 기술을사용하여관측범위가넓기때문에다양한분야연구에활발히사용되고있다. 본연구에서는 2015년 5월 1일부터 2017년 9월 30일까지총 395장의 Sentinel-1A/B Interferometric Wide swath 모드수직이중편파자료 (vertical dual polarization) 를수집하여처리하였다. Shuttle Radar Topography Mission (SRTM) Digital Elevation Model (DEM) 자료를이용하여육지차폐 (Land masking) 과정을거친후, 적응임계치방법 (adaptive threshold method) 을적용하여선박을탐지하여제거하고, 스페클잡음 (speckle noise) 을제거하기위해배경장을설정하여앙상블평균 (ensemble average) 을취하는전처리과정을거쳤다. 전처리과정을거친 Sentinel-1A/B 자료를 C-Band VV 편파산란계자료를기반으로개발된 CMOD4, CMOD_IFR2, CMOD5, CMOD5.N, CMOD5.Na 알고리즘에적용하여한반도주변해역

5 에서의고해상도해상풍을산출하고, 산출한결과를기상청해양기상부이의실측자료와비교하였다. 산출한결과 Root Mean Square Error (RMSE) 가 CMOD4는 1.83 m/s, CMOD_IFR2는 1.82 m/s, CMOD5는 1.69 m/s, CMOD5.N은 1.68 m/s, CMOD5.Na는 1.65 m/s로나타나 CMOD5.Na 알고리즘이우리나라연안해상풍을가장잘모의하는것으로나타났다. 해역별로는황해해역이다른해역에비해편향 (bias) 이큰것으로나타났는데, 이는낮은수심해역에서의해저지형이해수면거칠기에영향을줘해상풍의오차요인으로작용한것으로해석된다. 본연구를통해서 Sentinel-1A/B 자료를이용하여산출한우리나라주변연안고해상도해상풍자료는복잡한연안해양현상기작에대한연구에활발히사용될것으로기대된다. 주요어 : 고해상도해상풍, Sentinel-1A/B, 적응임계치방법, C-Band SAR 자료기반 GMFs 학번 :

6 목 차 초록 i List of Tables v List of Figures vi 1. 서론 1 2. 연구자료 SAR 자료 대기모델자료와육지고도자료 실측자료 8 3. 연구방법 육지영역차폐및선박탐지방법 해상풍산출방법 m 해상풍환산 이중편파 SAR 자료의 Pol-SAR 분해 연구결과 일치점데이터베이스 해상풍산출정확도 해상풍산출오차분석 수심의영향 선박의영향 39

7 기름의영향 기타영향 요약및결론 47 참고문헌 49 Abstract 57

8 List of Tables Table 1. Sentinel-1A/B products characteristics 6 Table 2. Marine meteorological buoy station specification of Korea Meteorological Administration (KMA) in the seas around the Korean Peninsula 10 Table 3. List of accuracy of geophysical model functions such as CMOD4, CMOD_IFR2, CMOD5, and CMOD5.N based on previous research and satellite onboard C-Band SAR 17 Table 4. Accuracy of sea surface wind retrieval from Sentinel-1A/B IW mode data by C-Band Geophysical Model Functions (GMFs) such as CMOD4, CMOD_IFR2, CMOD5, CMOD5.N and CMOD5.Na, and Corr. indicates correlation coefficient 33

9 List of Figures Figure 1. Large scale bathymetry map of the seas around the Korean Peninsula, where the black stars and the red text around the stars indicate location and name of KMA marine meteorological buoy station around the Korean Peninsula, respectively 9 Figure 2. Illustration of the target window, guard window, and background window for adaptive threshold method 13 Figure 3. Flow chart for ship detection and compensation process from Sentinel-1A/B IW mode data using the adaptive threshold method 14 Figure 4. Flow diagram for sea surface wind retrieval from radiometric calibrated Sentinel-1A/B IW mode data in vertical-vertical (VV)-polarization 16 Figure 5. Simulation of 10-m height wind speed retrieval from LKB model as a function of air temperature and sea surface temperature at a given wind speed (7 m/s), observation height of wind (3.9 m), humidity (0.8), observation height of humidity (3.6 m), air pressure (1013 hpa), and observation height of air temperature (3.4 m) 23 Figure 6. Characteristics of matchup database, (a) the number of matchup data on that time from May 1, 2015 to September 30, 2017,

10 the distribution of (b) sea surface temperature, (c) sea surface temperature minus air temperature, (d) relative humidity, and (e) wind vector in meteorological convention of matchup data 28 Figure 7. Scatter plot of in-situ wind speed versus estimated wind speed and in-situ wind versus wind speed difference from Sentinel-1A/B IW mode data using (a), (b) CMOD4, (c), (d) CMOD_IFR2, (e), (f) CMOD5, (g), (h) CMOD5.N, and (i), (j) CMOD5.Na, respectively 30 Figure 8. Scatter plot of in-situ wind speed versus estimated wind speed from Sentinel-1A/B IW mode data using (a), (b), (c) CMOD4, (d), (e), (f) CMOD_IFR2, (g), (h), (i) CMOD5, (j), (k), (l) CMOD5.N, and (m), (n), (o) CMOD5.Na in East Sea, Southern region, and Yellow Sea, respectively 32 Figure 9. Tendency of wind speed difference for in-situ wind speed, red triangle and errorbar indicate mean and standard deviation of error, respectively, and dashed blue line means linear regression line of mean error, in (a) East/Japan Sea, (b) Southern region, and (c) Yellow Sea 35 Figure 10. Scatter plot of depth of KMA marine meteorological buoy versus wind speed difference, red triangle and errorbar indicate mean and standard deviation of error, respectively 36 Figure 11. Effect of bathymetry on wind speed estimation from

11 Sentinel-1A/B in shallow region, subscene of RGB composite image of Landsat-8 OLI/TIRS on (a) April 27, 2017 and (b) May 6, 2017, raw data of sigma naught from Sentinel-1B on (c) May 6, 2017 and Sentinel-1A on (d) May 19, 2017, (e) wind speed estimation from (c), and (f) wind speed estimation from (d) using CMOD5.Na 38 Figure 12. Effect of ship on wind speed estimation from Sentinel-1A on March 25, 2017, subscene of (a) raw data of sigma naught, (b) sigma naught averaged in 11 by 11 moving window after ship detection and compensation using adaptive threshold method from (a), (c) wind speed estimation from (b) using CMOD5.Na algorithm 40 Figure 13. Effect of ship oil on wind speed estimation and polarimetric features extracted from Sentinel-1B on April 19, 2017, subscene including a ship oil of (a) VV-polarized sigma naught image, (b) VH-polarized sigma naught image, (c) wind speed estimation using CMOD5.Na algorithm from (a), (d) entropy, H, (e) Anisotropy, A, and (f) mean alpha angle, α 42 Figure 14. Effect of biogenic oil on wind speed estimation and polarimetric features extracted from Sentinel-1A on April 13, 2016, subscene including a biogenic oil of (a) VV-polarized sigma naught image, (b) VH-polarized sigma naught image, (c) wind speed estimation using CMOD5.Na algorithm from (a), (d) entropy, H, (e) Anisotropy, A, and (f) mean alpha angle, α 43 Figure 15. Effect of ship wake on wind speed estimation and

12 polarimetric features extracted from Sentinel-1A on April 30, 2016, subscene including a ship wake of (a) VV-polarized sigma naught image, (b) VH-polarized sigma naught image, (c) wind speed estimation using CMOD5.Na algorithm from (a), (d) entropy, H, (e) Anisotropy, A, and (f) mean alpha angle, α 45 Figure 16. Effect of atmospheric gravity wave and oceanic internal wave on backscattering coefficient, subscene of (a) Sentinel-1A including atmospheric gravity wave on May 24, 2016 and (b) Sentinel-1B including oceanic internal wave on July 19,

13 1. 해상풍은파도, 해류, 해양순환및대기-해양상호작용연구에중요한요소중하나로, 우리에게복합적인해양현상에대한전체적인이해를제공한다. 기후변화에대한관심이증대되면서바람장에대한지속적인관측이강조되어왔다. 1990년대초부터 European Space Agency (ESA) 와 National Aeronautics and Space Administration (NASA) 에서는 European Remote Sensing-1/2 (ERS-1/2), NASA Scatterometer (NSCAT), Quick Scatterometer (Quickscat), Advanced Scatteromter (ASCAT), Rapid Scatteromter (RapidScat) 과같은산란계 (scatterometer) 를발사하여지속적으로전세계바람장을관측하고있다 (Ebuchi, 1999; Liu and Chan, 1999; Risien and Chelton, 2008). 산란계로부터산출된바람장자료는 25 km의공간해상도를가지며, 매일해빙이없는전세계바다의약 92% 를망라하는바람장자료를지속적으로산출하고있다 (Ebuchi et al., 2002). 산란계바람장자료는풍속은 2 m/s, 풍향은 20 안팎의정확도를보이고, 수치예보모델의입력자료로사용되어모델의정확도를높여주며, 태풍, 용승, 열속 (heat flux), 엘니뇨, 대기-해양상호작용과같은복잡한해양현상기작을이해하는데사용되었다 (Liu et al., 1998; Chen et al., 1999; Jones et al., 1999; Park and Cornilon, 2002; Sato et al., 2002; Castelao and Barth, 2006; Park et al., 2006). 하지만, 이러한산란계바람장자료는낮은공간해상도로인해연안바람장자료의결핍과작은규모의해양현상분석이불가능하다는단점을보인다. 합성개구레이더 (Synthetic Aperture Radar, SAR) 는능동마이크로파센서로대기및기상상태에의한영향이적어전천후센서로사용되고있다. SAR에서송신한마이크로파는지표면에서반사되어돌아오고, 수신된에너지를이용하여후방산란계수 (backscattering coefficient) 를산출한다. 전세계연구기관에서는 ERS-1/2, Shuttle Imaging Radar with Payload C (SIR-C), RADARSAT-1/2, Envisat Advanced Synthetic Aperture Radar (ASAR), Advanced Land Observing Satellite-1/2 Phased Array L-band

14 Synthetic Aperture Radar (ALOS-1/2 PALSAR), TerraSAR-X, COnstellation of small Satellites for the Mediterranean basin Observation (COSMO-SkyMed), KOrean Multi-Purpose SATellite-5 (KOMPSAT-5), Sentinel-1A/B와같이 SAR를탑재한인공위성을지속적으로발사하였고, 이를이용하여장기적이고지속적으로해양을관측하고있다. SAR는산란계에비해수십 m의높은공간해상도를가지고있어 1 km 이하의고해상도바람장을산출하기때문에산란계로산출한바람장보다상세한바람장구조분석과산란계에서는산출불가능한연안바람장산출이가능하다 (Korsbakken et al., 1998; Furevik and Korsbakken, 2000; Yang et al., 2011). 이러한장점으로인해 SAR를이용한해상풍산출결과는연안용승, 해양전선 (front), 연안지형 (topography) 에의한활강바람 (katabatic wind) 의영향과같은연안해양환경모니터링 (Johannessen et al., 1996; Li et al, 2007, 2009; Gurova et al., 2013), 용승과전선지역에서의대기-해양상호작용, 태풍에의한해양특성변화, 대기중력파 (atmospheric gravity wave) 로인한해수면거칠기변화와같은해양대기경계층 (marine atmospheric boundary layer) 에서의현상연구에사용되고있다 (Johannessen et al., 1996; Li et al., 2002, 2004, 2011, 2013; Kim et al., 2014, 2017). SAR를이용한해상풍산출방법은산란계해상풍산출방법을기반으로개발되었다. SAR 자료에는 HH( 수평편파송신-수평편파수신 ), HV( 수평편파송신-수직편파수신 ), VV( 수직편파송신-수직편파수신 ), VH( 수직편파송신-수평편파수신 ) 편파와같이 4 종류의편파모드 (mode) 가존재하고, 각편파모드에서측정된후방산란계수에따른경험식을기반으로 Geophysical Model Functions (GMFs) 가개발되었다. GMFs는레이더가사용하는파장및편파에따라달라지며, 입사각, 레이더관측각 (radar look angle) 에대한풍향의상대방향, 10 m 높이에서의풍속및후방산란계수를성분으로하는관계식으로표현된다. C-Band SAR VV 편파자료에적용가능한 GMFs는 CMOD4, CMOD_IFR2, CMOD5, CMOD5.N, CMOD5.Na이다. CMOD4는 European Centre for Medium-Range Weather

15 Forecasts (ECMWF) 수치예보모델분석결과를기반으로개발되었고, CMOD_IFR2는풍속에대한계수는미국 National Oceanic and Atmospheric Administration (NOAA) 의부이 (buoy) 자료를, 풍향에대한계수는 ECMWF 수치예보모델분석결과를기반으로개발되었다. CMOD5는 ECMWF 수치예보모델분석결과를기반으로 CMOD4의극단적인풍속에서의결함을개선하였고, CMOD5.N은 CMOD5의편향 (bias) 을보완하였으며, CMOD5.Na는수치예보모델분석결과를기반으로 CMOD5.N의입사각에따른잔차 (residual) 를수정한알고리즘이다 (Stoffelen and Anderson, 1997; Quilfen et al., 1998; Hersbach et al., 2005, 2007; Hersbach, 2010; Verspeek et al., 2012). SAR 자료는공간해상도가좋고관측당시의정확한바람장산출이가능하다는장점이있지만, 능동마이크로파센서이기때문에자료의양이적고자료의취득도어려워광대한데이터베이스 (database) 를구축하는데한계가있다. 그럼에도불구하고 SAR 자료의높은공간해상도를이용하여우리나라주변연안을중심으로연안바람장산출, 기름유출모니터링, 해류및파도분석과같은연구가이루어졌다 (Kim and Moon., 2002; Kim et al., 2003; Gang et al., 2007; Kim et al., 2010; Moon et al., 2010; Kim et al., 2014). 하지만수십장의 SAR 자료데이터베이스를구축하여연구하기에는여전히한계가있었고, 실측자료와는일치점 (matchup) 개수가적어산란계바람장자료를 SAR 자료기반산출해상풍의정확도평가기준자료로사용하기도하였다 (Kim et al., 2010, 2012). Sentinel-1 임무 (mission) 는두개의인공위성으로구성된 Global Monitoring for Environment and Security (GMES) 프로그램이다. Sentinel-1A는 2014년 4월 3일, Sentinel-1B는 2016년 4월 22일에 ESA에서발사한 C-Band SAR 탑재위성으로, 산림, 수계 (water system), 농업, 해양환경, 해빙, 자연재해및재난지역등의전세계지구환경모니터링을관측목적으로한다 (Velotto et al., 2016). 재방문시간 (revisit time) 은 12일로, 두위성이약 700 km의고도에서 180도간격으로같은궤도를공전

16 하기때문에한지역을 6일에한번씩관측하고, Terrain Observation with Progressive Scans SAR (TOPSAR) 기술을사용하여넓은관측폭 (swath width) 및좋은공간해상도를보이기때문에전세계지구환경모니터링에유리하다 (Torres et al., 2012). 이러한특징과더불어 Sentinel-1A/B 자료는기존 SAR 자료에비해접근성이뛰어나자료획득이용이하여광대한데이터베이스를구축이가능하다. Sentinel-1A/B 인공위성은 2014년 4월부터지구환경을주기적으로관측하고있어지속적으로고해상도해상풍자료산출이가능한반면, Sentinel-1A/B 자료를기반으로산출된해상풍의정확도를평가한연구는아직이루어지지않은실정이다. 본연구에서는우리나라연안에서의해양현상에대한상세한분석을위해 Sentinel-1A/B 자료를이용하여고해상도해상풍자료를산출하고정확도를평가하고자하였다. 기존의 SAR 자료기반고해상도해상풍자료의정확도평가연구는 10장안팎의 SAR 자료를처리하거나산란계자료와의상호비교를통해이루어졌지만, 본연구에서는 (1) 395장의 Sentinel-1A/B 영상을처리하였고, (2) CMOD4, CMOD_IFR2, CMOD5, CMOD5.N, CMOD5.Na 알고리즘을적용하여고해상도해상풍자료를산출하였으며, (3) 각알고리즘의해상풍산출결과를기상청해양기상부이실측자료와의비교를통해정확도를정량적으로평가하였고, (4) 각알고리즘의해상풍산출결과를비교분석하여한반도연안환경에적합한알고리즘을제시하였으며, (5) SAR 자료를이용하여고해상도해상풍자료를산출할때, 발생하는오차요인에대해서분석및제시하였다.

17 2. 연구자료 2.1. SAR 자료 한반도주변해역의고해상도해상풍을산출하기위해서 2014년과 2016년에 ESA에서발사한 Sentinel-1A/B 자료를수집하였다. Sentinel-1A/B는 C-Band SAR를탑재하고있으며, 중심주파수는 GHz이다. Stripmap (SM), Interferometric Wide swath (IW), Extra-Wide swath (EW), Wave (WV) 와같은총 4 종류의촬영모드가있으며, 각촬영모드는모두 HH, VV 단일편파 (single-polarized) 자료산출이가능하고, WV 모드를제외한나머지촬영모드는 HH+HV, VV+VH 이중편파 (dual-polarized) 자료도산출가능하다. 본연구에서는한반도주변해역에대한촬영영상이가장많은 IW 모드수직이중편파 (VV+VH) 자료를사용하였다. IW 모드자료의관측폭은약 250 km이고, 공간해상도는 5 m (range 방향 ) X 20 m (azimuth 방향 ), 입사각의범위는 29.1 에서 46.0 까지이른다 (Table 1). 2015년 5월 1일부터 2017년 9월 30일까지의자료를취득하였으며, 총 395장의 IW 모드수직이중편파자료를사용하였고, azimuth 방향과 range 방향으로공간해상도가일치하고스페클잡음 (speckle noise) 을줄이기위해서 4 (range 방향 ) X 1 (azimuth 방향 ) multi-looking을적용하였다.

18 Table 1. Sentinel-1A/B products characteristics Mode Stripmap (SM) Interferometric Wide swath (IW) Extra-Wide swath (EW) Wave (WV) Swath width 80 km 250 km 400 km 20 km Incidence angle range 18.3 ᜭ ᜭ ᜭ ᜭ ᜭ 38.0 Resolution Polarization options HH+HV, VV+VH, HH, VV HH+HV, VV+VH, HH, VV HH+HV, VV+VH, HH, VV HH, VV Maximum Noise Equivelent Sigma Zero Radiometric stability -22 db -22 db -22 db -22 db 0.5 db (3 ) 0.5 db (3 ) 0.5 db (3 ) 0.5 db (3 ) Radiometric accuracy 1 db (3 ) 1 db (3 ) 1 db (3 ) 1 db (3 ) Phase Error

19 2.2. 대기모델자료와육지고도자료 Sentinel-1A/B IW 모드자료를이용하여해상풍을산출하기위해서는풍향정보가필요하다. 풍향정보를산출하는방법으로는 SAR 영상을기반으로산출하는방법 (Lenher et al., 1998; Vachon and Dobson, 2000; Koch, 2004), HH+HV+VH+VV 사중편파 (quad polarized) 자료를이용하여산출하는방법 (Zhang et al., 2012, 2015), 외부자료를이용하는방법이있다. 본연구에서는 ECMWF 재분석 (reanalysis) 바람장자료를외부입력자료로사용하여풍향정보를산출하였다. ECMWF 재분석바람장자료는 1979년 1월 1일부터현재까지지속적으로산출되는전세계대기재분석모델자료로, 공간해상도는약 80 km이고, 매 6시간 (0 UTC, 6 UTC, 12 UTC, 18 UTC) 마다해당시간의자료사용이가능하다. Sentinel-1A/B 위성이한반도주변해역을관측하는시각은상승궤도 (ascending orbit) 의경우 9 UTC, 하강궤도 (descending orbit) 의경우 21 UTC 부근으로재분석바람장자료와 SAR 자료사이의시간차이는 3시간이내이다. 본연구에서는 SAR 영상내에서육지영역을차폐 (land masking) 하기위해 Shuttle Radar Topography Mission (SRTM) Digital Elevation Model (DEM) 자료를활용하였다. SRTM DEM 자료는 NASA의우주왕복프로그램주관하에 2000년 2월 11일부터 2000년 2월 22일까지 12일동안우주왕복선 Endeavor를통해서측정된육지고도자료로, 1 arc-seconds ( 약 30 m) 의공간해상도를가지며, 56 S에서 60 N까지의근전지구적 (near-global) 범위를포함한다.

20 2.3. 실측자료 (In-situ measurement) Sentinel-1A/B IW 모드자료를이용하여산출한해상풍의정확도를평가하기위해기상청해양기상부이실측자료를사용하였다. 기상청에서관리하는해양기상부이는총 17개로, 황해에는 6개, 동해에는 5개, 남쪽해역에는 6개의부이가위치하고, 한반도주변해역에고르게분포하고있다 (Figure 1). 해양기상부이는 1시간또는 30분간격으로해양환경을관측하며해수면을기준으로, 수온은 -1.2 m에서 -0.1 m, 기온은 2.9 m에서 3.9 m, 습도는 2.9 m에서 3.4 m, 풍속은 3.6 m에서 4.0 m, 풍향은 4.0 m에서 4.4 m 범위의높이에서측정한다 (Table 2). 본연구에서는 Sentine-1A/B 영상내화소 (pixel) 와부이의공간거리는 20 m 이내에위치하고, Sentinel-1A/B 영상촬영시간과부이의관측시간간격은 1시간이내인조건을만족하는경우, Sentinel-1A/B 자료와해양기상부이의일치점자료로구축하였다.

21 Figure 1. Large scale bathymetry map of the seas around the Korean Peninsula, where the black stars and the red text around the stars indicate location and name of KMA marine meteorological buoy station around the Korean Peninsula, respectively

22 Table 2. Marine meteorological buoy station specification of Korea Meteorological Administration (KMA) in the seas around the Korean Peninsula Station Longitude Location Latitude Observation height (m) Atmospheric Wind Sea Temp. Humidity Pressure Speed Direction Temp. Ulleungdo `52``E 37 27`20``N Deokjeokdo `08``E 37 14`10``N Chilbaldo `37``E 34 47`36``N Geomundo `05``E 34 00`05``N Geojedo `00``E 34 46`00``N Donghae `00``E 37 28`50``N Pohang `00``E 36 21`00``N Marado `00``E 33 05`00``N Oeyeondo `00``E 36 15`00``N Shinan `30``E 34 44`00``N / / / / / / / / / / Depth (m) 2, , Chujado `28``E 33 47`37``N Incheon `44``E 37 05`30``N Buan `50``E 35 39`31``N Seogwipo `22``E 33 07`41``N Tongyeong `30``E 34 23`30``N Ulsan `29``E 35 20`43``N Uljin `28``E 36 54`25``N / / / / / /

23 3. 연구방법 3.1. 육지영역차폐및선박탐지방법 SAR 영상내에서해양영역은단일산란 (single scattering) 으로인해지표면에서반사되어돌아오는에너지가낮아후방산란계수의값이작다. 그에반해육지영역은단일산란, 이중산란 (double scattering), 체적산란 (volume scattering) 의복합적인발생으로인해해양영역보다후방산란계수가크게나타난다. 해양영역내에존재하는선박또한이중산란및직접반사가우세하게 (dominantly) 발생하여해양영역보다후방산란계수가크게나타난다. SAR 자료를이용하여정교한해상풍을산출하기위해서는바다영역에포함된선박을탐지하여제거하는과정이필요하고, 정확하게선박을탐지하기위해서는육지영역을차폐하는과정이먼저선행되어야한다. SAR 영상내에서육지영역과선박을제거하지않고해상풍을산출하게되면, 선박의후방산란계수에의해오차가포함된해상풍을추정하게되고, 이는주변영역에도영향을주기때문에해상풍의오차요인으로작용하여정확한해양현상분석을방해한다. 본연구에서는육지영역차폐과정을위해서 SRTM DEM 자료를사용하였다. Sentinel-1A/B 자료와 SRTM DEM 자료의공간해상도는각각약 20 m, 30 m 이기때문에 Sentinel-1A/B 자료의위도, 경도정보에부합하게 SRTM DEM 자료를내삽 (interpolation) 하여육지로판별되는부분을제거하였다. 육지영역차폐과정이후에는 SAR 영상내해양영역에존재하는선박을제거하는과정을수행하였다. 본연구에서사용한선박탐지알고리즘은적응임계치방법 (adaptive threshold method) 이다 (Friedman et al., 2000, 2001; Chen et al., 2005; Martín-de-Nicolás et al., 2015). 적응임계치방법은전체영상에일괄적인임계치를적용하는전역적임계치방법 (global threshold method) 과유사한관계식을사용하지만, 관측하는영역에대한주변영역특성 (local

24 characteristics) 을기반으로임계치를지속적으로수정하여적용하는방법이다. 적응임계치방법을적용하기위하여표적창 (target window), 보호창 (guard window), 배경창 (background window) 을설정한다. 표적창은보호창보다작고, 보호창에포함되어야하며, 배경창은보호창보다크고, 보호창을포함해야한다 (Figure 2). 보호창을제외한배경창으로부터평균 ( ) 과표준편차 ( ) 를계산하고, 표적창에서의평균 ( ) 을계산한다. 계산한평균과표준편차를이용하여다음관계식에따라탐지변수 (detection parameter) d를산출한다. (1) d가설정한임계치보다클경우, 표적창을선박으로판단하고, 그렇지않을경우에는해양으로판단한다. 세개의창은 azimuth 방향과 range 방향으로각각 1칸씩이동하면서 SAR 전체영상에대해적용된다. 선박으로판별된화소는해상풍을산출하였을때, 해당위치의실제해상풍을표현하지않기때문에주변영역의특성을기반으로보상해주는과정이필요하다. 11 X 11 크기의창을설정하여선박으로판별된화소를제외한주변화소의후방산란계수를기반으로앙상블평균 (ensemble average) 을계산하였고, 선박으로판별된화소에앙상블평균을대입하였다 (Figure 3).

25 Figure 2. Illustration of the target window, guard window, and background window for adaptive threshold method

26 Figure 3. Flow chart for ship detection and compensation process from Sentinel-1A/B IW mode data using the adaptive threshold method

27 3.2. 해상풍산출방법 Sentinel-1A/B 자료로부터해상풍을산출하기위해서는각화소에대한후방산란계수, 입사각을산출하고, SAR의관측각에대한바람의상대적인방향정보가필요하다 (Figure 4). SAR 영상자체에서영상특성을기반으로풍향을산출하는방법도존재하지만, SAR 영상내해양영역에서의기름, 대기중력파, 내부파 (internal wave), 강수지역 (rain cell) 등이존재하는경우, 후방산란계수의분포특성에영향을주기때문에정확한풍향정보를산출하는데한계가있다. 따라서본연구에서는일관된외부입력자료로부터풍향정보를산출하여 SAR 자료에대입하는방법을적용하였으며, ECMWF 재분석바람장자료를사용하였다. SAR 영상을기반으로해상풍을산출하는방법은산란계관측값을기반으로개발된 GMFs를사용한다. GMFs는후방산란계수, 입사각, 바람의상대적인방향에따른풍속을관계식으로나타낸함수로, 레이더가사용하는파장과편파에따라달라진다. 본연구에서사용하는 Sentinel-1A/B 수직이중편파자료는 C-Band SAR를이용하여산출된자료이기때문에 C-Band SAR의 VV 편파자료를기반으로개발된 CMOD를적용하였다. CMOD 알고리즘의종류로는기존해상풍정확도연구에서사용되는 CMOD4, CMOD_IFR2, CMOD5, CMOD5.N 알고리즘이있다. Table 3은기존연구를기반으로사용한위성자료에따른각알고리즘별정확도를나타낸표로, 각알고리즘은 SAR 탑재위성및자료처리방법, 입력자료에따라달라지지만, 정확도가 1.37 m/s에서 3.47 m/s까지이른다 (Horstmann et al., 2002; Beaucage et al., 2007; Lin et al., 2008; Xu et al., 2010; Yang et al., 2011; Komarov et al., 2012; Zhang et al., 2012; Komarov et al., 2014). 추가적으로 Verspeek, J. et al. (2012) 는 CMOD5.N 알고리즘에서입사각에의한잔차수정항을추가하여 CMOD5.Na 알고리즘을제안하였고, 본연구에서는기존의 C-Band SAR 자료기반해상풍산출알고리즘별정확도를비교하기위해 CMOD4, CMOD_IFR2, CMOD5, CMOD5.N, CMOD5.Na 알고리즘을모두적용하였다.

28 Figure 4. Flow diagram for sea surface wind retrieval from radiometric calibrated Sentinel-1A/B IW mode data in vertical-vertical (VV)-polarization

29 Table 3. List of accuracy of geophysical model functions such as CMOD4, CMOD_IFR2, CMOD5, and CMOD5.N based on previous research and satellite onboard C-Band SAR Authors Lin, H. et al (2008) Xu, Q. et al (2010) Horstmann, J. et al (2002) Beaucage, P. et al (2007) Yang, X. et al (2011) Komarov, S. et al (2012) Zhang, B. et al (2012) Komarov, A. et al (2014) Satellite ENVISAT ASAR (VV-polarized) ENVISAT ASAR (VV-polarized) Radarsat-1 (HH-polarized) Radarsat-1 (HH-polarized) Radarsat-1 (HH-polarized) Radarsat-2 (VV-polarized) Radarsat-2 (VV-polarized) Radarsat-2 (VV-polarized) Accuracy of GMFs CMOD4 CMOD_IFR2 CMOD5 CMOD5.N 1.74 m/s 2.02 m/s 2.14 m/s ᜭ 1.45 m/s 1.58 m/s 1.51 m/s ᜭ 3.47 m/s ᜭ ᜭ ᜭ ᜭ 2.07 m/s ᜭ ᜭ ᜭ ᜭ 1.65 m/s ᜭ ᜭ 1.13 m/s 1.52 m/s 1.42 m/s 1.40 m/s 1.39 m/s 1.37 m/s ᜭ 2.23 m/s 2.62 m/s ᜭ ᜭ ᜭ 1.95 m/s 2.40 m/s

30 CMOD4 알고리즘은 ERS-1 산란계관측자료와 ECMWF 재분석바람 장자료, NOAA 부이자료를기반으로개발된 C-Band VV 편파경험식 으로, 입사각및바람장에따른후방산란계수관계식은다음과같다. log cos tanh cos (2) (3) (4) (5) (6) (7) 는 db단위의후방산란계수, 는입사각, 는 SAR의관측각에대한바람의상대적인방향, 는풍속을나타내며,,,,,, 는 Legendre 다항식으로총 18개의계수로표현되고, 은잔차수정항으로순람표 (look up table) 로정리되어있다. CMOD_IFR2 알고리즘은 ERS 산란계의비직결처리과정 (off-line processing) 과실측부이자료와의비교결과를기반으로개발된 C-Band VV 편파경험식으로, 입사각및바람장에따른후방산란계수관계식은다음과같다. log cos tanh cos (8)

31 (9) (10) (11) (12) (13),,, 는총 25개의계수로표현되는함수이다. 은 CMOD_IFR2 알고리즘에의해계산된풍속, 는풍속에따른잔차로, 높은풍속에서의편향을수정하는항이추가되었고, 풍속에따라 값은변화한다. CMOD5 알고리즘은 ERS-2 산란계자료와 ECMWF 수치모델자료를비교하여개발된함수로, CMOD4 알고리즘이입사각이작은경우에는 25 m/s 보다높은풍속에서는후방산란계수가감소하고, 높은풍속조건에서는후방산란계수를과대추정하는단점을보완하였다. C-Band VV 편파경험식으로, 입사각및바람장에따른후방산란계수관계식은다음과같다. log cos cos (14) (15)

32 tanh exp (16) exp (17),, 는총 28개의계수로표현된함수값을나타낸다. CMOD5.N 알고리즘은비중성 (non-neutral) 표면바람을산출하기위해개발된 CMOD5 알고리즘을수정하여중성표면바람을산출하기위해개발한알고리즘으로, ASCAT과 ERS-2 산란계자료와 ECMWF 수치모델자료를비교하여개발되었다. CMOD5.N 알고리즘의관계식은 CMOD5 알고리즘과동일하고, CMOD5 알고리즘관계식에사용되는 28 개의계수를조정하였다. CMOD5.Na 알고리즘은 CMOD5.N 알고리즘에서풍속의규모를결정하는변수에입사각에의한잔차가존재함을증명하고, 이를수정한알고리즘이다. ASCAT 산란계자료와 ECMWF 수치모델자료를비교하여개발되었다. CMOD5.N 알고리즘과관계식은동일하지만입사각에의한잔차수정항을추가한형태로, 관계식은다음과같다. (18) 는잔차수정항으로입사각에대해경험적으로도출된 3 차 다항식으로표현된다.

33 m 해상풍환산 Sentinel-1A/B 자료를이용하여산출한해상풍의정확도를평가하기위해서기상청해양기상부이실측자료를사용하였다. 산란계와 SAR 자료를이용하여산출하는해상풍은해수면기준 10 m 높이에서의해상풍을의미하고, 기상청해양기상부이는 3.6 m에서 4.3 m 범위의높이에서해상풍을측정한다. Sentinel-1A/B 자료를이용하여산출한해상풍과정확도평가기준자료의해상풍은의미하는높이가다르기때문에실측자료를기반으로실측해상풍을변환하는과정이필요하다. 실측해상풍을 10 m 높이에서의해상풍으로변환하기위해서사용한모델은대기와해양환경에따른대기-해양경계층을잘모의하는것으로알려진 Liu-Katsaros-Businger (LKB) 모델이다 (Liu et al, 1979; Liu and Tang, 1996). LKB 모델은풍속, 기온, 습도의관측높이와해수면온도, 기온, 습도, 기압, 풍속의실측값을이용하여특정높이의풍속을산출할수있도록설계되었고, 관계식은다음과같다 (Figure 5). ln (19) ln (20) ln (21)

34 ,, 는구하고자하는높이에서의풍속, 기온, 습도,,, 는해수면에서의풍속, 기온, 습도,,, 는해수면에서의마찰에의해발생하는속도, 온도, 습도, 는구하고자하는높이,,, 는풍속, 온도, 습도의관측높이를나타낸다.,, 는유체의특성을나타내는변수로 Businger-Dyer 모델에의해대기의성층정도를반영하고, 는 Von Karman 상수,,, 는운동량 (momentum), 열, 습도에따른난류확산계수 (turbulent diffusivity) 를의미한다.

35 Figure 5. Simulation of 10-m height wind speed retrieval from LKB model as a function of air temperature and sea surface temperature at a given wind speed (7 m/s), observation height of wind (3.9 m), humidity (0.8), observation height of humidity (3.6 m), air pressure (1013 hpa), and observation height of air temperature (3.4 m)

36 3.4. 이중편파 SAR 자료의 Pol-SAR 분해 (decomposition) SAR는마이크로파를송신하여지표면에서의산란을통해돌아오는에너지를측정하고, 수신된에너지는지표면의산란및편파특성에관한정보를포함한다. Pol-SAR 분해는이러한 SAR 자료의측정원리를기반으로산란및편파특성을분석하고, 산란및편파특성에따라지표면에분포하는물질을분류하는방법을가리킨다. SAR 영상내해양영역에는잔잔한해수만존재하는것이아니라, 선박의이동으로인해생기는선박후류 (ship wake), 선박및해양생물의기름등다양한요소들이존재한다. 이러한요소들은해양표면의거칠기 (roughness) 를변화시켜 SAR에서측정되는후방산란계수에영향을준다. 선박후류의경우후방산란계수분포를기반으로탐지가능하지만, 선박및해양생물의기름의경우후방산란계수분포를기반으로탐지하기에는한계가있다. 하지만, 선박및해양생물의기름은해수와는산란및편파특성이다르기때문에 Pol-SAR 분해를이용하면 SAR 영상내해양영역에서분류하는것이가능하다 (Nunziata et al., 2013; Zhang et al., 2014). 본연구에서는이러한요소들이 Sentinel-1A/B 영상내존재하는것을보여주고, 해상풍산출의오차요인가능성을보이기위해서 SAR 자료의편파특성을이용한분류방법을적용하였다. SAR 자료는산란벡터 (scattering vector) 로저장이되고, 사중편파 SAR 자료의산란벡터는다음과같이정의된다. (22),,, 는각각 HH 편파, HV 편파, VH 편파, VV 편파에해당하는산란벡터이고,,,, 는각각 HH 편파, HV 편파, VH편파, VV 편파에해당하는위상각 (phase angle) 이다.

37 본연구에서는 Sentinel-1A/B IW 모드수직이중편파자료를사용하기때문에산란벡터의배열을수직이중편파자료에적합하도록변환해야하고, 그에따른산란벡터는다음과같이정의된다 (Cloude, 2007; Velotto et al., 2016). (23) 는표적벡터 (target vector) 로, 산란벡터를나열한벡터이고, 는행렬의전치 (transpose) 를의미한다. 표적벡터를이용하여간섭성 (coherency) 을산출하고직교대각화 (orthogonal diagonalizability) 정리를적용하면다음과같이정리된다. (24), 는고유벡터 (eigenvector),, 는고유값 (eigenvalue) 를가리킨 다 ( ). 이렇게산출한고유벡터와고유값을이용하여 Pol-SAR 분해를위한변수산출이가능하고, 관계식은다음과같다. (25) cos (26) log (27)

38 (28) (29) 는확률분포 (probability), 는엔트로피 (entropy), 는산란각 (scattering angle) 또는 mean alpha angle, 는비등방성 (anisotropy) 을의미한다 (Xie et al., 2013). 일반적으로기름영역에서는해양영역보다엔트로피, 산란각이높고, 비등방성은낮은것으로나타난다 (Velotto et al., 2012; Singha et al., 2016).

39 4. 연구결과 4.1. 일치점데이터베이스 2015년 5월 1일부터 2017년 9월 30일까지총 395 장의 Sentinel-1A/B IW 모드수직이중편파자료를수집하였고, 기상청해양기상부이와공간거리는 20 m이내, 시간차는 1시간이내를만족하는자료를선별하여일치점데이터베이스로구축하였다. 우리나라주변해역을포함한 IW 모드수직이중편파자료는 Sentinel-1A가관측을시작한 2014년 4 월부터 2015년 4월까지는수집되지않았지만, 2015년 5월부터는지속적으로수집되고있으며, 2017년 2월부터는매달 15 장이상의자료가생산되고있다 (Figure 6(a)). 일치점데이터베이스의해수면온도분포는 3 C에서 30 C까지나타났으며, 15 C에서 18 C 구간에서가장많은빈도수가나타났다 (Figure 6(b)). 대기-해양경계층의안정도를나타내는해수면온도와기온의차이분포는 -5 C에서 17 C까지나타났고, 0 C에서 2 C 구간에서가장많은빈도수가나타났다 (Figure 6(c)). 상대습도의분포는 30% 에서 100% 까지나타났으며, 80% 에서 97.5% 구간에서가장많은빈도수가나타났다 (Figure 6(d)). 풍속의분포는 0 m/s에서 18 m/s까지나타났고, 10 m/s 이하구간에서가장많은빈도수가나타났다. 풍향은모든방향에대해분포하였고, 북서풍의빈도수가가장많은것으로나타났다 (Figure 6(e)).

40 Figure 6. Characteristics of matchup database, (a) the number of matchup data on that time from May 1, 2015 to September 30, 2017, the distribution of (b) sea surface temperature, (c) sea surface temperature minus air temperature, (d) relative humidity, and (e) wind vector in meteorological convention of matchup data

41 4.2. 해상풍산출정확도 CMOD4, CMOD_IFR2, CMOD5, CMOD5.N, CMOD5.Na 알고리즘을사용하여해상풍을산출하고기상청해양기상부이실측자료를 10 m 높이에서의해상풍으로변환하여정확도를평가하였다. Sentinel-1A/B IW 모드수직이중편파자료로산출한해상풍자료는알고리즘에관계없이전체적으로실제해상풍을잘모의하는것으로나타났다. CMOD4, CMOD5, CMOD5.N, CMOD5.Na 알고리즘은실제해상풍이 5 m/s 이하의영역에서는해상풍을과대추정하는경향이보여바람이약한부분에서자료가결핍되는현상이나타났고, 실제해상풍이 5 m/s 이상의영역에서는해상풍을과소추정하는경향이보였지만자료의결핍을보이지는않았다. 약한바람조건에서의결핍은 CMOD4 알고리즘을적용하였을때가장뚜렷하게나타났다. 다른알고리즘에비해 CMOD_IFR2 알고리즘은실제해상풍이 5 m/s 이하의영역에서과대추정하는경향이약하게나타났고, 5 m/s 이상의영역에서도과소추정하는경향이뚜렷하지않았다 (Figure 7).

42 Figure 7. Scatter plot of in-situ wind speed versus estimated wind speed and in-situ wind versus wind speed difference from Sentinel-1A/B IW mode data using (a), (b) CMOD4, (c), (d) CMOD_IFR2, (e), (f) CMOD5, (g), (h) CMOD5.N, and (i), (j) CMOD5.Na, respectively

43 Sentinel-1A/B IW 모드수직이중편파자료를사용하여산출한해상풍의해역별특징을분석하기위해서기상청해양기상부이의분포위치에따라덕적도, 외연도, 인천, 칠발도, 신안, 부안 6개부이는황해영역으로, 마라도, 서귀포, 거문도, 추자도, 거제도, 통영 6개부이는남쪽해역으로, 포항, 울산, 울진, 울릉도-독도, 동해 5개부이는동해영역으로분류하여해상풍산출정확도를비교하였다 (Figure 8). 동해영역과남쪽해역에서는 CMOD5.N과 CMOD5.Na 알고리즘을적용하여해상풍을산출하였을때다른알고리즘보다 Root Mean Square Error (RMSE) 와편향의절대값이작아실제해상풍을잘모의하는것으로나타났다. 황해영역에서는 CMOD5 알고리즘이 RMSE가 1.54 m/s, 편향이 0.17 m/s로나타나다른알고리즘보다실제해상풍을잘모의하는것으로나타났다. 황해영역에서는알고리즘에상관없이다른해역에서보다편향이증가하는경향이나타났고, 다른해역에서좋은정확도와작은편향을보였던 CMOD5.N과 CMOD5.Na 알고리즘은 RMSE가 1.68 m/s 1.76 m/s, 편향이 0.71 m/s 0.87 m/s으로나타나황해해역에서는정확도가감소하고, 과대추정하는경향이뚜렷하게나타났다. CMOD_IFR2 알고리즘은해역에관계없이전체적으로편향이 m/s ᜭ m/s로나타나과소추정하는경향이나타났다. 상관계수 (correlation coefficient) 는해역에상관없이 CMOD5.Na 알고리즘이가장높은것으로나타났다. 전체해역을기준으로 CMOD5.Na 알고리즘은 RMSE가 1.65 m/s, 편향이 0.14 m/s, 상관계수는 으로나타나다른알고리즘보다실제해상풍을잘모의하는것으로나타났다 (Table 4).

44 Figure 8. Scatter plot of in-situ wind speed versus estimated wind speed from Sentinel-1A/B IW mode data using (a), (b), (c) CMOD4, (d), (e), (f) CMOD_IFR2, (g), (h), (i) CMOD5, (j), (k), (l) CMOD5.N, and (m), (n), (o) CMOD5.Na in East Sea, Southern region, and Yellow Sea, respectively

45 Table 4. Accuracy of sea surface wind retrieval from Sentinel-1A/B IW mode data by C-Band Geophysical Model Functions (GMFs) such as CMOD4, CMOD_IFR2, CMOD5, CMOD5.N and CMOD5.Na, and Corr. indicates correlation coefficient Region East Sea Southern region Yellow Sea Total Number of matchup CMOD4 CMOD_IFR2 CMOD5 CMOD5.N CMOD5.Na RMSE (m/s) Bias (m/s) Corr RMSE (m/s) Bias (m/s) Corr RMSE (m/s) Bias (m/s) Corr RMSE (m/s) Bias (m/s) Corr RMSE (m/s) Bias (m/s) Corr

46 4.3. 해상풍산출오차분석 수심의영향 Sentinel-1A/B IW 모드수직이중편파자료를이용하여해상풍을산출한결과, 해역에관계없이실측풍속이 5 m/s 이하의영역에서는과대추정하는경향이나타났고, 5 m/s 이상의영역에서는과소추정하는경향이나타났다. 실측풍속을 2 m/s 간격으로구간을나누어선형회귀분석을적용하였을때, CMOD5.Na 알고리즘의경우, 기울기가황해영역에서는 , 남쪽해역에서는 , 동해영역에서는 이나왔다 (Figure 9). 실측풍속이증가할수록해상풍산출경향이과대추정에서과소추정으로바뀌는경향은동해영역에서두드러지게나타났다. 황해영역에서는동해영역보다실측풍속에따른해상풍산출경향이뚜렷하지않았지만, 5 m/s 이하의풍속에서의과대추정경향이다른해역에비해강하게나타났고, 그로인해다른해역보다해상풍산출편향이크게나타났다. 수심에따른해상풍산출오차분석결과수심 40 m 이상의해역에서는해상풍의평균오차는 ±1 m/s 미만으로과대추정및과소추정경향이임의적으로 (randomly) 나타났지만, 수심 40 m 이하의해역에서는해상풍산출시과대추정하는경향이나타났다 (Figure 10).

47 Figure 9. Tendency of wind speed difference for in-situ wind speed, red triangle and errorbar indicate mean and standard deviation of error, respectively, and dashed blue line means linear regression line of mean error, in (a) East/Japan Sea, (b) Southern region, and (c) Yellow Sea

48 Figure 10. Scatter plot of depth of KMA marine meteorological buoy and wind speed difference, red triangle and errorbar indicate mean and standard deviation of error, respectively

49 약한바람조건에서는파도가약하고해수면이잔잔하다. 이러한조건에서는해수면거칠기가작아 SAR에서송신한에너지가해수면에서반사되어돌아오는에너지량이감소하고 SAR 영상내에서산출되는후방산란계수가감소한다. 반대로강한바람조건에서는파도가강하기때문에해수면거칠기는증가하고, SAR에서송신한에너지가해수면에서반사되어돌아오는에너지량이증가하여 SAR 영상내에서산출되는후방산란계수가증가한다. 하지만, 수심이얕은해역에서는풍속뿐만아니라, 해저지형에의한영향으로해류에따라해수면거칠기가변화한다. 해저지형에존재하는모래로형성된해저산맥인사퇴 (sand ridge) 가대표적인예이다. 모래로구성되어있기때문에해류의세기와방향에따라모양과크기가달라진다. 수심이얕은해역에존재하는사퇴는광학영상을이용하여관측가능하고 (Figure 11(a), (b)), 사퇴가존재하는해역에서는수심이얕고경사에의한영향으로해수의수렴및발산이발생하여해수면거칠기가변화한다 (Figure 11(c), (d)). 이렇게변화된해수면거칠기는 SAR 영상내후방산란계수를변화시켜산출되는바람에도영향을준다. 2017년 5월 6일에관측한 Sentinel-1A/B 자료에서는사퇴근처해역에서는 4.2 m/s의풍속이관측되었지만, 사퇴에서는 5.8 m/s의풍속이산출되었고, 2017년 5월 19일에관측한 Sentinel-1A/B 자료에서는사퇴근처해역에서는 3.6 m/s의풍속이관측되었지만, 사퇴에서는 6.8 m/s의풍속이산출되었다 (Figure 11(d), (e)). 해저지형에의해변화된후방산란계수를기반으로산출한해상풍은관측당시의해상풍을의미하지않기때문에해상풍의복합적인구조로인식하여다른해양기작으로해석하게되는원인으로작용한다.

50 Figure 11. Effect of bathymetry on wind speed estimation from Sentinel-1A/B in shallow region, subscene of RGB composite image of Landsat-8 OLI/TIRS on (a) April 27, 2017 and (b) May 6, 2017, raw data of sigma naught from Sentinel-1B on (c) May 6, 2017 and Sentinel-1A on (d) May 19, 2017, (e) wind speed estimation from (c), and (f) wind speed estimation from (d) using CMOD5.Na

51 선박의영향 SAR 영상을이용해서해상풍을산출할때, 해양영역에서선박을제거하는전처리과정을거친다. 본연구에서는 Sentinel-1A/B 영상내선박을탐지하여제거하는방법으로적응임계치방법을적용하였다. 선박은해양표면과는달리이중산란및직접반사가지배적으로발생하기때문에 SAR에서송신한에너지가해수면에서반사되어돌아오는에너지량이증가하고그로인해해양영역내에서큰후방산란계수를나타낸다 (Figure 12(a)). 또한 SAR가선박의주변을촬영할때, 선박의강한산란의영향으로사이드로브효과 (side-lobe effect) 이발생한다. 사이드로브효과는강한산란체로인해주변화소에영향을줘강한산란체를기준으로주변화소의후방산란계수가증가하는현상을의미하고, 선박의강한산란으로인해선박의주변부로긴십자 ( ) 모양의밝은색띠가형성된다. 이는선박의중심으로부터멀어질수록후방산란계수값이감소하여주변해양표면과비슷한값을갖게되지만, 선박주변은선박의후방산란계수값과유사한크기의값을갖게된다. 이는선박의크기를파악하는데장애물로작용할뿐만아니라선박의강한산란이주변에영향을주게되어부정확한해상풍을산출하게만드는요인으로작용한다. 또한선박탐지알고리즘을이용하여정확하게선박을제거하더라도선박의강한산란으로인해선박을중심으로생기는십자모양의높은후방산란계수흔적을깨끗이제거하는데한계가있어흔적이남게된다 (Figure 12(b)). 2017년 5월 25일에관측한 Sentinel-1A 자료에서는주변화소에서는 1.7 m/s의풍속이관측되었지만, 선박화소에서는 2.7 m/s의풍속이관측되었다 (Figure 12(c)). SAR 영상내에서선박에의한영향을제거하지않고해상풍을산출하게되면선박에의한영향이주변으로퍼지게되어선박을중심으로강한해상풍이발생한것처럼표현된다. 하지만 SAR 영상내에서선박을탐지하여제거하더라도선박의강한산란으로인해발생하는사이드로브효과는완벽하게제거하는데한계가있고, 이는해상풍산출의오차요인으로작용한다.

52 Figure 12. Effect of ship on wind speed estimation from Sentinel-1A on March 25, 2017, subscene of (a) raw data of sigma naught, (b) sigma naught averaged in 11 by 11 moving window after ship detection and compensation using adaptive threshold method from (a), (c) wind speed estimation from (b) using CMOD5.Na algorithm

53 기름의영향 해상에존재하는기름은해수면거칠기에영향을줘주변해역에서의후방산란계수보다작은값을나타낸다. 하지만낮은후방산란계수가모두기름으로분류되는것은아니다. 해양기작에의해특정해역에서해상풍이약화되어해수면거칠기가감소하거나해저지형이나대기환경에의한영향으로해수의발산및수렴이발생하여후방산란계수가감소하는경우도존재한다. 기름은해수면거칠기를감소시키지만, 해수와는편파특성이달라대기-해양환경에의해해수면거칠기가감소하는경우와구분이가능하다. 본연구에서는해상에존재하는기름이해상풍산출의오차요인으로작용하는경우를보이기위해편파특성을기반으로해수와기름을분류하였다. 2017년 4월 19일에관측한 Sentinel-1B 자료는선박에서유출되는기름을관측하였다 (Figure 13(a), (b)). 기름띠마지막부분에는후방산란계수가높고선박으로판별된화소가존재하고, 기름으로판별된화소는주변화소에비해낮은풍속이산출되는것을확인하였다 (Figure 13(c)). 기름으로판별된영역은주변해역에비해높은엔트로피 (H), 낮은비등방성 (A), 높은산란각 (α) 이나타났다 (Figure 13(d) ᜭ (f)). 2016년 4월 13일에관측한 Sentinel-1A 자료는해양생물에의해유출된기름을관측하였다 (Figure 14(a), (b)). 기름으로판별된화소는주변화소에비해낮은풍속이산출되는것을확인하였다 (Figure 14(c)). 선박에서유출되는기름의경우와마찬가지로, 기름으로판별된영역은주변해역에비해높은엔트로피 (H), 낮은비등방성 (A), 높은산란각 (α) 이나타났다 (Figure 14(d) ᜭ (f)).

54 Figure 13. Effect of ship oil on wind speed estimation and polarimetric features extracted from Sentinel-1B on April 19, 2017, subscene including a ship oil of (a) VV-polarized sigma naught image, (b) VH-polarized sigma naught image, (c) wind speed estimation using CMOD5.Na algorithm from (a), (d) entropy, H, (e) Anisotropy, A, and (f) mean alpha angle, α

55 Figure 14. Effect of biogenic oil on wind speed estimation and polarimetric features extracted from Sentinel-1A on April 13, 2016, subscene including a biogenic oil of (a) VV-polarized sigma naught image, (b) VH-polarized sigma naught image, (c) wind speed estimation using CMOD5.Na algorithm from (a), (d) entropy, H, (e) Anisotropy, A, and (f) mean alpha angle, α

56 기타영향 SAR 영상내선박이빠른속도로이동할때, 선박이동궤적뒤로 V 자형모양의높은후방산란계수흔적이형성되고, V자형안쪽으로는낮은후방산란계수흔적이형성된다. 이러한 V자형모양의흔적을선박후류라하고, V자형안쪽으로낮은후방산란계수의흐름을켈빈파 (Kelvin wave) 라한다. 2016년 4월 30일에관측한 Sentinel-1A 자료는선박과선박의이동으로인해생기는선박후류및켈빈파를관측하였다 (Figure 15(a), (b)). V자형의선박후류화소는주변화소보다높은풍속이산출되었고, V자형안쪽에형성된켈빈파화소는주변화소보다낮은풍속이산출되었다 (Figure 15(c)). 선박의이동으로생기는선박후류와켈빈파는해수에형성된인위적인 (artificial) 파도이기때문에주변해수와엔트로피 (H), 비등방성 (A), 산란각 (α) 이유사하게나타났다 (Figure 15(d) ᜭ (f)). 대기-해양상호작용으로인해형성되는대기중력파와해양환경에의해형성되는내부파또한 SAR에서측정되는후방산란계수를변화시킨다. 대기중력파는대기환경에의해바람의방향을따라서대기의수렴및발산이발생하는현상으로, 대기의수렴및발산은해수면거칠기를변화시켜 SAR에서측정하는후방산란계수에영향을미친다 (Figure 16(a)). 내부파는해양환경에의해급격한밀도경사 (pycnocline) 를따라서해수의수렴및발산이발생하는현상으로, 해수의수렴및발산은해수면거칠기를변화시켜 SAR에서측정하는후방산란계수에영향을미친다 (Figure 16(b)). 이렇게변화된후방산란계수는해상풍에의한영향뿐만아니라대기중력파및내부파의영향또한포함하게되므로해상풍산출의오차요인으로작용한다.

57 Figure 15. Effect of ship wake on wind speed estimation and polarimetric features extracted from Sentinel-1A on April 30, 2016, subscene including a ship wake of (a) VV-polarized sigma naught image, (b) VH-polarized sigma naught image, (c) wind speed estimation using CMOD5.Na algorithm from (a), (d) entropy, H, (e) Anisotropy, A, and (f) mean alpha angle, α

58 Figure 16. Effect of atmospheric gravity wave and oceanic internal wave on backscattering coefficient, subscene of (a) Sentinel-1A including atmospheric gravity wave on May 24, 2016 and (b) Sentinel-1B including oceanic internal wave on July 19, 2017

59 5. 요약및결론 본연구에서는한반도주변연안에서의고해상도해상풍을산출하고해상풍의정확도를평가하기위해 2015년 5월 1일부터 2017년 9월 30일까지총 395장의 Sentinel-1A/B IW 모드수직이중편파자료를수집하여처리하였고, C-Band VV 편파자료기반 GMFs인 CMOD4, CMOD_IFR2, CMOD5, CMOD5.N, CMOD5.Na 알고리즘을적용하여고해상도해상풍을산출하였다. 해상풍을산출하기전 SRTM DEM 자료를이용하여육지차폐과정을거쳤고, 적응임계치방법을적용하여선박을탐지하여선박화소를제거하고보상하는과정을거쳤다. Sentinel-1A/B 자료자체의스페클잡음을제거하기위해창을설정하여앙상블평균을취하는전처리과정을거쳤다. 해상풍의정확도를평가하기위해서실측자료로, 기상청해양기상부이실측자료를사용하였다. 산란계자료를기반으로개발된 GMFs는해수면기준 10 m 높이에서의해상풍을산출하기때문에정확한정확도비교를위해서기상청해양기상부이의실측풍속자료를 10 m 높이에서의풍속으로변환하는과정을거쳤고, LKB 모델에실측자료를입력하여 10 m 해상풍으로변환하였다. 검증결과 RMSE와편향은각각 CMOD4 알고리즘은 1.83 m/s와 0.64 m/s, CMOD_IFR2 알고리즘은 1.82 m/s와 0.59 m/s, CMOD5 알고리즘은 1.69 m/s와 0.38 m/s, CMOD5.N 알고리즘은 1.68 m/s와 0.31 m/s, CMOD5.Na 알고리즘은 1.65 m/s와 0.14 m/s로나타났다. 해역별로는동해역역과남해영역에서는 CMOD5.Na 알고리즘이다른알고리즘에비해실제해상풍을잘모의하는것으로나타났고, 황해영역에서는 CMOD5 알고리즘이실제해상풍을잘모의하는것으로나타났다. 다만황해영역에서는다른해역에비해모든알고리즘의편향이증가하는것으로나타났고, 이는우리나라황해영역은최대수심이 100 m이하인낮은수심으로이루어져있어낮은수심에서의해저지형이해수면거칠기를변화시켜 Sentinel-1A/B 영상내후방산란계수에영향을준것으로해석된다. 또한적응임계치방법을이용하여선박을탐지하고보상해주

60 는과정을거쳤으나선박의이중산란및직접반사에의한강한산란으로발생하는사이드로브효과는완벽히제거하지못하여남아있는경우, 해상풍을과대추정하는잠재적요인으로작용한다. 이외의기타요인으로는해상에존재하는기름과선박후류, 대기중력파, 내부파등이있으며, 이와같은요인들은해수면의거칠기를변화시켜부정확한해상풍을산출하게만드는요인으로작용한다. Sentinel-1A/B IW 모드수직이중편파자료를이용하여해상풍자료를산출할경우, 우리나라주변연안에적합한알고리즘은 CMOD5.Na 알고리즘으로판단된다. 산출된고해상도해상풍자료는추후우리나라주변연안해양현상에대한분석을실시할때유용한자료로사용될것으로기대된다. 해상풍을산출할때, 수심, 선박의제거방법, 해상표면에서의기름의존재, 선박항적, 대기중력파, 내부파등다양한요소를고려해야하며, 각요소들이해상풍에미치는영향에대한정량적인추가분석과정확한해상풍추정을위해서각요소들을제거하는방법에대한추후연구가필요하다.

61 참고문헌 Beaucage, P., Glazer, A., Choisnard, J., Yu, W., Bernier, M., Benoit, R., and Lafrance, G., 2007, Wind assessment in a coastal environment using synthetic aperture radar satellite imagery and a numerical weather prediction model. Canadian Journal of Remote Sensing, 33(5), Castelao, R. M., & Barth, J. A. (2006). Upwelling around Cabo Frio, Brazil: The importance of wind stress curl. Geophysical Research Letters, 33(3). Chen, D., Cane, M. A., and Zebiak, S. E., 1999, The impact of NSCAT winds on predicting the 1997/1998 El Niño: A case study with the Lamont-Doherty Earth Observatory model. Journal of Geophysical Research: Oceans, 104(C5), Chen, P., Huang, W., Yang, J., Fu, B., Lou, X., and Shi, A., 2005, Comparison of ship detection algorithms in spaceborne SAR imagery. In Geoscience and Remote Sensing Symposium, IGARSS'05. Proceedings IEEE International, 3, Cloude, S., 2007, The dual polarization entropy/alpha decomposition: A PALSAR case study. In Science and Applications of SAR Polarimetry and Polarimetric Interferometry, 644. Ebuchi, N., 1999, Statistical distribution of wind speeds and directions globally observed by NSCAT. Journal of Geophysical Research: Oceans, 104(C5), Ebuchi, N., Graber, H. C., and Caruso, M. J., 2002, Evaluation of wind vectors observed by QuikSCAT/SeaWinds using ocean buoy data. Journal of Atmospheric and Oceanic Technology, 19(12), Friedman, K. S., Wackerman, C., Funk, F., Rowell, K., Pichel, W. G., Clemente-Colon, P., and Li, X., 2000, Validation of an automatic vessel detection algorithm using SAR data and known vessel fleet distributions.

62 In Geoscience and Remote Sensing Symposium, Proceedings. IGARSS IEEE 2000 International, 5, Friedman, K. S., Wackerman, C., Funk, F., Pichel, W. G., Clemente-Colón, P., and Li, X., 2001, Validation of a CFAR vessel detection algorithm using known vessel locations. In Geoscience and Remote Sensing Symposium, IGARSS'01. IEEE 2001 International, 4, Furevik, B. R., and Korsbakken, E., 2000, Comparison of derived wind speed from synthetic aperture radar and scatterometer during the ERS tandem phase. IEEE Transactions on Geoscience and Remote Sensing, 38(2), Gurova, E., Lehmann, A., and Ivanov, A., 2013, Upwelling dynamics in the Baltic Sea studied by a combined SAR/infrared satellite data and circulation model analysis. Oceanologia, 55(3), Hersbach, H., Stoffelen, A., and De Haan, S., 2005, The improved C-band geophysical model function CMOD5. In Proceedings of the 2004 Envisat and ERS Symposium. Hersbach, H., Stoffelen, A., and de Haan, S., 2007, An improved C-band scatterometer ocean geophysical model function: CMOD5. Journal of Geophysical Research: Oceans, 112(C3). Hersbach, H., 2010, Comparison of C-band scatterometer CMOD5. N equivalent neutral winds with ECMWF. Journal of Atmospheric and Oceanic Technology, 27(4), Horstmann, J., Koch, W., Lehner, S., and Tonboe, R., 2002, Ocean winds from RADARSAT-1 ScanSAR. Canadian journal of remote sensing, 28(3), Johannessen, J. A., Shuchman, R. A., Digranes, G., Lyzenga, D. R., Wackerman, C., Johannessen, O. M., and Vachon, P. W., 1996, Coastal ocean fronts and eddies imaged with ERS 1 synthetic aperture radar. Journal of Geophysical Research: Oceans, 101(C3),

63 Johannessen, O. M., Johannessen, J. A., Jenkins, A. D., Davidson, K., Lyzenga, D. R., Shuchman, R., Samuel, P., Espedal, H. A., Knulst, J., Dano, E., and Reistad, M., 1996, COAST WATCH-95: ERS-1/2 SAR applications of mesoscale upper ocean and atmospheric boundary layer processes off the coast of Norway. In Geoscience and Remote Sensing Symposium, IGARSS'96.'Remote Sensing for a Sustainable Future.', International. IEEE, Jones, W. L., Cardone, V. J., Pierson, W. J., Zec, J., Rice, L. P., Cox, A., and Sylvester, W. B., 1999, NSCAT high-resolution surface wind measurements in Typhoon Violet. Journal of Geophysical Research: Oceans, 104(C5), Kang, M. K., Lee, H., Lee, M., Park, Y. W., and Yoon, W. J., 2007, The extraction of ocean wind, wave, and current parameters using SAR imagery. In Geoscience and Remote Sensing Symposium, IGARSS IEEE International, Kim, D. J., and Moon, W. M., 2002, Estimation of sea surface wind vector using RADARSAT data. Remote Sensing of Environment, 80(1), Kim, D. J., Moon, W. M., and Nam, S., 2003, Evaluation of ENVISAT ASAR data for measurement of surface wind field over the Korean east coast. In Geoscience and Remote Sensing Symposium, IGARSS'03. Proceedings IEEE International, 4, Kim, D. J., Moon, W. M., and Kim, Y. S., 2010, Application of TerraSAR-X data for emergent oil-spill monitoring. IEEE Transactions on Geoscience and Remote Sensing, 48(2), Kim, T. S., Park, K., and Moon, W. I., 2010, Wind vector retrieval from SIR-C SAR data off the east coast of Korea. Journal of the Korean earth science society, 31(5), Kim, T. S., Park, K., Choi, W. M., Hong, S., Choi, B. C., Shin, I., and Kim, K. R., 2012, L-band SAR-derived sea surface wind retrieval off

64 the east coast of Korea and error characteristics. Korean Journal of Remote Sensing, 28(5), Kim, H. G., Hwang, H. J., Lee, S. H., and Lee, H. W., 2014, Evaluation of SAR wind retrieval algorithms in offshore areas of the Korean Peninsula. Renewable Energy, 65, Kim, T. S., Park, K. A., Li, X., and Hong, S., 2014, SAR-derived wind fields at the coastal region in the East/Japan Sea and relation to coastal upwelling. International journal of remote sensing, 35(11-12), Kim, T. S., Park, K. A., Li, X., Mouche, A. A., Chapron, B., and Lee, M., 2017, Observation of Wind Direction Change on the Sea Surface Temperature Front Using High-Resolution Full Polarimetric SAR Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Koch, W., 2004, Directional analysis of SAR images aiming at wind direction. IEEE Transactions on Geoscience and Remote Sensing, 42(4), Komarov, A. S., Zabeline, V., and Barber, D. G., 2014, Ocean surface wind speed retrieval from C-band SAR images without wind direction input. IEEE Transactions on Geoscience and Remote Sensing, 52(2), Komarov, S., Komarov, A., and Zabeline, V., 2012, Marine wind speed retrieval from RADARSAT-2 dual-polarization imagery. Canadian Journal of Remote Sensing, 37(5), Korsbakken, E., Johannessen, J. A., and Johannessen, O. M., 1998, Coastal wind field retrievals from ERS synthetic aperture radar images. Journal of Geophysical Research: Oceans, 103(C4), Lehner, S., Horstmann, J., Koch, W., and Rosenthal, W., 1998, Mesoscale wind measurements using recalibrated ERS SAR images. Journal of Geophysical Research: Oceans, 103(C4), Li, X., Pichel, W. G., He, M., Wu, S. Y., Friedman, K. S.,

65 Clemente-Colón, P., and Zhao, C., 2002, Observation of hurricane-generated ocean swell refraction at the Gulf Stream north wall with the RADARSAT-1 synthetic aperture radar. IEEE transactions on geoscience and remote sensing, 40(10), Li, X., Dong, C., Clemente-Colón, P., Pichel, W. G., and Friedman, K. S., 2004, Synthetic aperture radar observation of the sea surface imprints of upstream atmospheric solitons generated by flow impeded by an island. Journal of Geophysical Research: Oceans, 109(C2). Li, X., Zheng, W., Pichel, W. G., Zou, C. Z., and Clemente-Colón, P., 2007, Coastal katabatic winds imaged by SAR. Geophysical research letters, 34(3). Li, X., Li, X., and He, M., 2009, Coastal upwelling observed by multi-satellite sensors. Science in China Series D: Earth Sciences, 52(7), Li, X., Zheng, W., Yang, X., Li, Z., and Pichel, W. G., 2011, Sea surface imprints of coastal mountain lee waves imaged by synthetic aperture radar. Journal of Geophysical Research: Oceans, 116(C2). Li, X., Zhang, J. A., Yang, X., Pichel, W. G., DeMaria, M., Long, D., and Li, Z., 2013, Tropical cyclone morphology from spaceborne synthetic aperture radar. Bulletin of the American Meteorological Society, 94(2), Lin, H., Xu, Q., and Zheng, Q., 2008, An overview on SAR measurements of sea surface wind. Progress in Natural Science, 18(8), Liu, K. S., and Chan, J. C., 1999, Size of tropical cyclones as inferred from ERS-1 and ERS-2 data. Monthly Weather Review, 127(12), Liu, W. T., Katsaros, K. B., and Businger, J. A., 1979, Bulk parameterization of air-sea exchanges of heat and water vapor including the molecular constraints at the interface. Journal of the Atmospheric

66 Sciences, 36(9), Liu, W. T., and Tang, W., 1996, Equivalent neutral wind. JPL Publication 96-17, Jet Propulsion Laboratory, Pasadena, CA, USA. Liu, W. T., Tang, W., and Polito, P. S., 1998, NASA scatterometer provides global ocean-surface wind fields with more structures than numerical weather prediction. Geophysical Research Letters, 25(6), Martín-de-Nicolás, J., Jarabo-Amores, P., del-rey-maestre, N., Gómez-del-Hoyo, P., and Bárcena-Humanes, J. L., 2015, Robustness of a generalized gamma CFAR ship detector applied to TerraSAR-X and Sentinel-1 images. In EUROCON 2015-International Conference on Computer as a Tool (EUROCON), 1-6. Moon, W. M., Staples, G., Kim, D. J., Park, S. E., and Park, K. A., 2010, RADARSAT-2 and coastal applications: Surface wind, waterline, and intertidal flat roughness. Proceedings of the IEEE, 98(5), Nunziata, F., Gambardella, A., and Migliaccio, M., 2013, On the degree of polarization for SAR sea oil slick observation. ISPRS journal of photogrammetry and remote sensing, 78, Park, K. A., and Cornillon, P. C., 2002, Stability-induced modification of sea surface winds over Gulf Stream rings. Geophysical research letters, 29(24). Park, K. A., Cornillon, P. C., and Codiga, D. L., 2006, Modification of surface winds near ocean fronts: Effects of Gulf Stream rings on scatterometer (QuikSCAT, NSCAT) wind observations. Journal of Geophysical Research: Oceans, 111(C3). Quilfen, Y., Chapron, B., Elfouhaily, T., Katsaros, K., and Tournadre, J. 1998, Observation of tropical cyclones by high-resolution scatterometry. Journal of Geophysical Research: Oceans, 103(C4), Risien, C. M., and Chelton, D. B., 2008, A global climatology of surface wind and wind stress fields from eight years of QuikSCAT

67 scatterometer data. Journal of Physical Oceanography, 38(11), Sato, O. T., Polito, P. S., and Timothy Liu, W. (2002). Intra-decadal variability in the Ekman heat flux from scatterometer winds. Geophysical research letters, 29(17). Singha, S., Ressel, R., Velotto, D., and Lehner, S., 2016, A combination of traditional and polarimetric features for oil spill detection using TerraSAR-X. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 9(11), Stoffelen, A., and Anderson, D., 1997, Scatterometer data interpretation: Estimation and validation of the transfer function CMOD4. Journal of Geophysical Research: Oceans, 102(C3), Torres, R., Snoeij, P., Geudtner, D., Bibby, D., Davidson, M., Attema, E., Potin, P., Rommen, B., Floury, N., Brown, M., Traver, I. N., Deghaye, P., Duesmann, B., Rosich, B., Miranda, N., Bruno, C., L Abbate, M., Croci, R., Pietropaolo, A., Huchler, M., and Rostan, F., 2012, GMES Sentinel-1 mission. Remote Sensing of Environment, 120, Vachon, P. W., and Dobson, F. W., 2000, Wind retrieval from RADARSAT SAR images: Selection of a suitable C-band HH polarization wind retrieval model. Canadian Journal of Remote Sensing, 26(4), Velotto, D., Bentes, C., Tings, B., and Lehner, S., 2016, First comparison of Sentinel-1 and TerraSAR-X data in the framework of maritime targets detection: South Italy case. IEEE Journal of Oceanic Engineering, 41(4), Velotto, D., Lehner, S., Soloviev, A., and Maingot, C., 2012, Analysis of oceanic features from dual-polarization high resolution X-band SAR imagery for oil spill detection purposes. In Geoscience and Remote Sensing Symposium (IGARSS), 2012 IEEE International, Velotto, D., Bentes, C., Tings, B., and Lehner, S., 2016, First comparison of

68 Sentinel-1 and TerraSAR-X data in the framework of maritime targets detection: South Italy case. IEEE Journal of Oceanic Engineering, 41(4), Verspeek, J., Stoffelen, A., Verhoef, A., and Portabella, M., 2012, Improved ASCAT wind retrieval using NWP ocean calibration. IEEE Transactions on Geoscience and Remote Sensing, 50(7), Xie, L., Zhang, H., Wang, C., Wu, F., Zhang, B., and Tang, Y., 2013, Maritime application using Ha decomposition in compact and dual-pol SAR. In Synthetic Aperture Radar (APSAR), 2013 Asia-Pacific Conference, Xu, Q., Lin, H., Li, X., Zuo, J., Zheng, Q., Pichel, W. G., and Liu, Y., 2010, Assessment of an analytical model for sea surface wind speed retrieval from spaceborne SAR. International Journal of Remote Sensing, 31(4), Yang, X., Li, X., Zheng, Q., Gu, X., Pichel, W. G., and Li, Z., 2011, Comparison of ocean-surface winds retrieved from QuikSCAT scatterometer and Radarsat-1 SAR in offshore waters of the US west coast. IEEE Geoscience and Remote Sensing Letters, 8(1), Zhang, B., Perrie, W., Vachon, P. W., Li, X., Pichel, W. G., Guo, J., and He, Y., 2012, Ocean vector winds retrieval from C-band fully polarimetric SAR measurements. IEEE Transactions on Geoscience and Remote Sensing, 50(11), Zhang, Y., Li, Y., and Lin, H., 2014, Oil-spill pollution remote sensing by synthetic aperture radar. In Advanced Geoscience Remote Sensing. Zhang, B., Li, X., Perrie, W., and He, Y., 2015, Synergistic measurements of ocean winds and waves from SAR. Journal of Geophysical Research: Oceans, 120(9),

69 Abstract Retrieval of Sea Surface Wind from Sentinel-1A/B SAR Data in the Seas around Korea Jae-Cheol Jang Science Education (Earth Science) The Graduate School Seoul National University Sea surface wind is one of the key components in the study of waves, currents, ocean circulation, and atmospheric-ocean interactions, providing us with a overall understanding of complex marine phenomena. As interest in climate change has increased, the importance of observing the global wind field has been emphasized and European Space Agency (ESA) and National Aeronautics and Space Administration (NASA) have been producing global wind fields data using scatterometer. These scatterometer data are accurate to ±2 m/s, but they have disadvantages that are deficiency of coastal wind field data and impossibility of analysis of small scale marine phenomena due to low spatial resolution. Synthetic Aperture Radar (SAR) with active microwave sensor has low effects due to atmospheric and meteorological