Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-6692(Print)
ISSN : 2287-4518(Online)
Journal of the Korean earth science society Vol.36 No.4 pp.330-340
DOI : https://doi.org/10.5467/JKESS.2015.36.4.330

Estimation of Total Cloud Amount from Skyviewer Image Data

Bu-Yo Kim1,Joon-Bum Jee2,,*,Myeong-Jae Jeong1,3,Il-Sung Zo3,Kyu-Tae Lee1,3
1Department of Atmospheric & Environmental Sciences, Gangneung-Wonju National University,Gangwon-do 210-702, Korea
2Weather Information Service Engine, Hankuk University of Foreign Studies, Gyeonggi-do 449-791, Korea
3Research Institute for Radiation-Satellite, Gangneung-Wonju National University, Gangwon-do 210-702, Korea
*Corresponding author: rokmcjjb717@gmail.com Tel: +82-70-4617-3764 Fax: +82-31-321-6470
May 26, 2015 July 8, 2015 July 28, 2015

Abstract

For this study, we developed an algorithm to estimate the total amount of clouds using sky image data from the Skyviewer equipped with CCD camera. Total cloud amount is estimated by removing mask areas of RGB (Red Green Blue) images, classifying images according to frequency distribution of GBR (Green Blue Ratio), and extracting cloud pixels from them by deciding RBR (Red Blue Ratio) threshold. Total cloud amount is also estimated by validity checks after removing sunlight area from those classified cloud pixels. In order to verify the accuracy of the algorithm that estimates total cloud amount, the research analyzed Bias, RMSE, and correlation coefficient compared to records of total cloud amount earned by human observation from the Gangwon Regional Meteorological Administration, which is in the closest vicinity of the observation site. The cases are selected four daily data from 0800 LST to 1700 LST for each season. The results of analysis showed that the Bias in total cloud amount estimated by the Skyviewer was an average of −0.8 tenth, and the RMSE was 1.6 tenths, indicating the difference in total cloud amount within 2 tenths. Also, correlation coefficient was very high, marking an average of over 0.91 in all cases, despite the distance between the two observation sites (about 4 km).


Skyviewer 영상 자료를 이용한 전운량 산출

김부요1,지준범2,*,정명재1,3,조일성3,이규태1,3
1강릉원주대학교 대기환경과학과, 210-702, 강원도 강릉시 죽헌길 7
2한국외국어대학교 차세대도시농림융합기상사업단, 449-791, 경기도 용인시 처인구 모현면 외대로 81
3강릉원주대학교 복사-위성연구소, 210-702, 강원도 강릉시 죽헌길 7

초록

본 연구에서는 CCD 카메라가 장착된 Skyviewer로부터 촬영된 하늘 영상 자료를 이용하여 전운량을 산출하는 알고리즘을 개발하였다. 전운량 산출은 RGB 영상 내의 차폐 영역을 제거하고 GBR 빈도분포에 따른 영상을 분류하며, RBR 경계값을 결정하여 구름 화소를 분류한다. 분류된 구름 화소에서 태양광 영역을 제거한 후 유효성 검사를 통해 전운량을 산출하게 된다. 전운량 산출 알고리즘의 정확성을 검증하기 위하여 관측소와 가장 가까운 강원지방기상청의 목측 전운량 자료와 편이(Bias), 평균제곱근오차(RMSE), 상관계수를 분석하였다. 선정된 사례는 계절별 일 사례로 8시 부터 17시까지의 정시 자료를 사용하였다. 분석 결과 Skyviewer로부터 산출된 전운량의 편이는 평균적으로 −0.8할의 차이를 보였으며, 평균제곱근오차는 1.6할로 전운량의 차이가 2할 내에서 나타나고 있었다. 또한, 두 관측소는 떨어진 거리의 차이가 있음(약 4 km)에도 불구하고 상관계수가 모든 사례에서 평균 0.91 이상으로 매우 높았다.


    Korea Meteorological Administration
    KMIPA 2014-21080

    1.서 론

    구름은 태양에서 입사되는 태양복사를 반사시키는 냉각효과와 지구 장파 복사를 가두는 온실효과를 함 께 가지고 있으며, 다른 기후과정들과 피드백을 통해 지구에너지의 순환과정에서 중요한 역할을 담당한다 (Cess et al., 1989). 특히 전운량은 일기예보뿐만 아 니라 기상관련 요소들의 변화에 영향을 미치며, 지표 면의 일사량 및 일조시간을 결정하는 변수이다. 구름 자료는 주요 도시의 일사량을 추정하고(Yoo et al., 2008, Lee et al., 2010) 일조와의 관계(Kim et al., 2004)를 통해 지면에 도달하는 태양에너지에 대한 정 보를 얻을 뿐만 아니라 지표면 온도를 산출하는데도 활용된다(Lee and Cho, 2012). 또한, 태양복사의 시· 공간 분포 연구(Jee et al., 2010, 2011)와 안개와 구 름의 특성분석(Leem et al., 2005) 등의 활용도가 매 우 다양하다.

    전운량은 아직도 목측으로 수행되는 것이 일반적이 기 때문에 관측자의 주관적 판단에 따른 오차가 유 발되고 시·공간적 제한이 크다(Sutter et al., 2004). 이러한 전운량의 목측 단점을 극복하기 위하여 위성 자료를 이용한 전운량 산출이 시도되고 있으나 지상 에서 관측되는 전운량과 일치하지 않는 등과 같은 정확성 및 객관성 문제는 여전히 한계를 극복하지 못하고 있다(Lee et al., 2007, Kim et al., 1992).

    운량 산출의 문제점을 해결하고자 미국에서는 WSI (Whole Sky Imager) 방법을 통해 1984년부터 관측을 시작하여 1990년대 초에 Day/Night WSI를 개발하는 등 다양한 연구들이 진행되어 왔다(Johnson and Hering, 1987; Shields et al., 1993, 2007b, 2013). 또한, ARM (Atmospheric Radiation Measurement Climate Research Facility; Long et al., 2001)에서는 TSI (Total Sky Imager)와 WSI의 비교분석을 수행하 는 등 운량 산출의 정확성을 높이기 위하여 다양한 연구가 진행되었다. 하지만 우리나라에서는 이와 관 련된 연구가 부족하며 미흡한 실정이다.

    본 연구에서는 Skyviewer 장비를 통해 촬영된 하 늘 영상 자료를 이용하여 전운량을 산출하는 알고리 즘을 개발하였고 알고리즘의 성능을 평가하기 위하여 기상청 목측 자료와 비교분석을 실시하였다. 전운량 을 산출하기 위한 알고리즘 구성으로 영상 자료에서 보여지는 차폐물의 제거와 촬영된 영상마다 통계분석 을 통해 영상이 분류되고 영상에서 밝게 빛나는 태 양광을 제거하는 과정을 거쳐 구름 유효성 검사를 수행하였다.

    2.자료 및 연구방법

    2.1.자료

    본 연구에서는 강릉원주대학교 생명과학2호관 옥 상(위도 37.8 ° N, 경도 128.9 ° E, 고도 63.5 m)에 설치 된 Skyview (PSV-100H; PREDE社)를 이용하였다. 이 장비는 관측소의 상공을 5분 간격으로 촬영하여 그림 파일로 저장하는 장비이며, 그 외형은 Fig. 1과 같다. 장비의 구성 중 태양 차폐판은 유리돔에서 약 5 cm 떨어져 장착되어 있으며, 내장 프로그램에 의해 태양을 자동으로 추적한다. 그리고 유리돔은 비나 눈 과 같은 기상현상과 나뭇잎, 곤충 등의 침입을 막아 주어 카메라 렌즈에 이물질이 생기지 않도록 보호해 준다.

    이 장비에 장착된 디지털카메라는 CCD (Charge Coupled Device) 이미지 센서와 컬러필터를 통해 0 에서 255까지의 명암값을 갖는 적색(Red, R)과 녹색 (Green, G) 그리고 청색(Blue, B)에 의해 총 1,678만 개의 색으로 이미지를 표현한다. 카메라 렌즈는 어안 렌즈로 모든 시야각을 촬영할 수 있으나 영상 중심 에서 멀리 떨어진 지역의 전운량 자료는 오차가 클 수 있기 때문에 태양 천정각이 75 ° 이하(즉 총 시야 각이 150 ° 이하)인 영역의 자료만을 사용하였다.

    이 연구에서 사용한 영상 자료는 2012년 1월 1일 부터 12월 31일까지 매 5분마다 관측된 1년 동안의 자료이다. 그러나 기상청 목측 자료와 비교하기 위하 여 오전 8시부터 오후 5시까지의 정시 자료(하루 총 10회)를 사용하였다. 전운량 산출 알고리즘을 통해 산출된 전운량을 비교하기 위하여 강릉원주대학교 생 명과학2호관(Fig. 2의 A지점)에서 약 4 km 떨어진 강원지방기상청 노장(Fig. 2의 B지점)에서 관측되는 전운량 자료를 사용하였다.

    기상청은 목측을 통해 전운량을 0~10 사이의 정수 로 나타낸다. 따라서 알고리즘을 통해 산출된 백분율 값을 갖는 전운량과 비교분석하기 위해서 백분율 값 을 Table 1과 같이 변환하여 분석하였다.

    이 연구에서는 2012년 자료 중 계절별로 하루씩의 사례를 선정하여 전운량을 산출하였으며, 기상청의 목측 전운량 자료와 비교하였다. 전운량 산출 알고리 즘을 분석하기 위한 사례는 Table 2와 같으며, 계절 별로 전운량이 다양하게 변하는 사례들을 선정하였다. 표기된 기상상태는 사례 일의 주된 기상현상이고 시 각에 따라 변화된 특이 기상상황을 나타내었다.

    2.2.전운량 산출 알고리즘

    Skyviewer로 촬영된 하늘 영상은 우리가 눈으로 보는 것과 같은 가시영역(360~820 nm)의 색으로 표 출되고 각 화소에 대한 값은 적색(R, 685±65 nm)과 녹색(G, 533±38 nm) 그리고 청색(B, 473±23 nm) (RGB)으로 0~255의 명암으로 변환된다.

    하늘은 가시영역에서 파장이 짧은 푸른색 계열이 파장이 긴 붉은색 계열보다 산란이 강하기 때문에 푸른빛을 띠고, 구름은 모든 파장에 대하여 산란하기 때문에 희게 보이며, 구름의 두께에 따라 어두운 색 을 띤다.

    Fig. 3은 하늘과 구름 화소에서 차이를 보이는 RGB 각각의 평균명도와 평균표준편차를 나타낸 것 으로 구름이 없는 A 영역과 구름이 존재하는 B 영 역으로 구분하였다. Fig. 3a는 구름이 존재하지 않는 A영역에서 보여주듯이 B, G, R 순서로 파장이 짧을 수록 평균명도가 높게 나타나며, 천정각이 낮아지는 정오에 가까울수록 입사되는 일사량의 증가로 산란이 강해져 RGB 모두 평균명도가 높아지는 것을 알 수 있다. 반면에 구름이 존재하는 B영역에서 RGB의 평 균명도가 유사하게 분포하게 된다. 따라서 RGB 명 암의 비율로 영상에서 하늘과 구름 화소를 구분할 수 있다.

    하늘과 구름을 구분하기 위하여 (Shields et al. 2009, 2007a)과 Ghonima et al. (2012) 그리고 Kim et al. (2008)은 적색과 청색의 비율인 RBR (Red Blue Ratio)을 사용하였으며, 본 연구 또한 RBR로 하늘과 구름을 구분하였다. 그리고 Fig. 3b에서 영상 의 평균표준편차를 통해 구름의 유무를 판단할 수 있어 RBR 경계값의 가중치를 조절하여 구름 화소를 구별한다. 또한, G의 평균표준편차가 가장 작아 화소 별 편차가 크지 않으며, 안정적인 값을 형성하고 있 다. 따라서 알고리즘에서 영상 분류는 GBR의 빈도 분포에 따라 결정한다.

    알고리즘을 통해 전운량을 산출하는 과정에서 Fig. 4a처럼 푸른 하늘에 구름이 낀 영상은 Fig. 4b와 같 은 화소별 RBR 분포를 보인다. RBR이 0.97일 때를 경계값으로 0.97보다 작으면 하늘 화소로, 0.97보다 크면 구름 화소로 구별하며 Fig. 4c와 같이 나타난다. 그러나 모든 사례에 대하여 고정된 비율로 하늘과 구름을 구분 지을 경우 RBR 경계값을 통해 잘못된 구름 화소의 구분으로 과대 혹은 과소평가된 전운량 을 산출하게 된다.

    어두운 구름이 있는 사례로는 Fig. 5a에서 영상이 어두울수록 화소별 명도가 낮아진다. 따라서 Fig. 5b 의 RBR 분포에서 구름 화소임에도 불구하고 RBR이 낮은 화소가 존재하며, RBR 0.97을 경계값으로 하늘 과 구름을 구별할 경우 Fig. 5c처럼 어두운 영역의 구름 화소를 구별하지 못한다.

    뿌연 하늘 사례인 Fig. 5d의 경우 태양의 직달광선 을 차단시켜주는 차폐판 주변으로 태양광이 밝게 촬 영되어 영상으로 저장된다. 이때 대기 혼탁도에 따라 산란이 강해지기 때문에 Fig. 5e와 같이 태양광 주변 으로 RBR의 비율이 높아지며, RBR을 0.97로 고정 할 경우 Fig. 5f와 같이 구름이 존재하지 않음에도 불구하고 구름 화소로 오인된 화소가 나타난다.

    일출 사례인 Fig. 5g의 경우 태양 천정각이 크고 광학경로가 길어져 대기 중에서 파장대가 짧은 푸른 색 계열보다 파장대가 긴 붉은색 계열의 산란된 빛 의 명도가 더 높은 값으로 화소에 저장된다. 따라서 일출시 태양 주변 화소에서는 Fig. 5h와 같이 RBR 이 높아지며, 구름이 없음에도 불구하고 Fig. 5i와 같 이 구름으로 오인할 수 있다.

    일몰 사례인 Fig. 5j는 전운량이 10할인 경우 어두 운 영상에서 낮은 RGB 명도가 화소에 저장되며, RBR 비율 또한 낮아져 Fig. 5k와 같이 구름이 있음 에도 불구하고 구름 화소를 구별하지 못한다. 따라서 다양한 사례를 고려할 수 있는 유동적인 RBR로 알 고리즘을 수행하여야 한다.

    본 연구는 Fig. 6과 같은 알고리즘으로 영상의 RGB 명도를 이용하여 유·부동 차폐물 화소의 제거 를 거쳐 나머지 화소들의 GBR 빈도 분포의 형태로 영상을 분류한다. 형태는 단봉형(최빈값이 1개)과 쌍 봉형(최빈값이 2개) 그리고 다봉형(최빈값이 3개 이 상)으로 나뉘며, 각 형태에 따라 유동적인 RBR을 설 정하게 되고 태양광 제거와 구름 화소 유효성 검사 를 거쳐 전운량이 산출된다.

    전운량은 다음과 같은 수식으로 태양 천정각이 75 ° 이하인 영역 내의 화소에서 유·부동 차폐물 화소와 태양광 화소를 제외한 총 화소와 구름 화소의 비율 을 백분율(%)로 산출한 것이다.

    Total cloud amount % = N cloud N total N mask 1 N mask 2 × 100
    (1)

    식 (1)에서 Ncloud는 구름 화소의 개수이며, Ntotal은 태양 천정각이 75 ° 이하인 영역내의 총 화소의 개수 이고 Nmask1Nmask2는 유·부동 차폐 그리고 태양광 화소의 개수이다.

    3.결 과

    3.1.차폐 제거

    카메라에 장착된 어안렌즈는 시야각이 180 ° 이기 때문에 영상 가장자리에 주변 건물 혹은 관측 장비 와 나무(침엽수) 등의 차폐물을 포함하여 상공을 촬 영하게 된다. 이 차폐물들은 계절과 상관없는 부동적 인 차폐물로 영상 분석에서 제거되어야 하는 부분이 다. 또한, 태양을 자동으로 추적하여 직접적인 태양 광을 제거해주는 유동 차폐물인 차폐판도 영상에서 제거되어야 한다. 따라서 촬영된 영상 중에서 분석에 사용되는 태양 천정각이 75 ° 이하(시야각 150 ° )인 영 역에서 Fig. 7과 같이 유·부동 차폐물 화소와 태양광 화소를 제외한 나머지 영역의 화소와 구름 화소의 비로 전운량을 산출하게 된다.

    3.2.화소 분포에 따른 분류

    하늘과 구름 화소를 구분 짓는 유동적인 RBR의 경 계값을 설정하기 위하여 영상에서 화소별 편차가 가장 작은 GBR을 이용하였다. GBR의 값을 0.5부터 1.5까 지 0.05간격으로 빈도 분포를 나타내었을 때의 모양에 따라 단봉형과 쌍봉형 그리고 다봉형으로 구분한다. 구분된 모양에서 최빈값을 갖는 GBR 계급에서의 빈 도와 빈도 분포의 왜도(skewness) 그리고 GBR의 평균 표준편차를 이용하여 더 상세하게 영상이 분류된다.

    이는 빈도 분포가 한 계급에 집중되어 있을수록 영상에서 구름이 하늘을 덮고 있음을 의미하며, 최빈 값 주변으로 대칭적인 분포를 가지면 영상이 뿌옇기 때문에 구분해 주어야 한다. 그리고 GBR 빈도 분포 의 왜도가 양의 값을 갖거나 쌍봉형에서 GBR의 최 빈값이 작은 계급의 빈도가 높을 때 하늘 화소가 많 아 전운량이 작음을 의미한다. 반대로 왜도가 음의 값을 갖거나 최빈값이 큰 계급의 빈도가 높을 때 구 름 화소가 많아 전운량이 큼을 의미하기 때문에 RBR의 경계값 설정을 위하여 구분해 주어야 한다. 또한, 구름 가장자리에서 GBR의 표준편차가 커지기 때문에 GBR의 평균표준편차를 통해 구름의 유·무를 판단할 수 있다.

    Fig. 8에서 단봉형은 MoT (a, Monomodal distribution; Top shape), MoB (b, Monomodal distribution; Bell shape), MoSH (c, Monomodal distribution; Skewed shape High dist.), MoSL (d, Monomodal distribution; Skewed shape Low dist.)로, 쌍봉형은 BiN (e, Bimodal distribution; Negatively skewed shape)과 BiP (f, Bimodal distribution; Positively skewed shape)로, 다봉형은 Mu (g, Multimodal distribution)로 영상을 세분화하여 분류 한다(Fig. 6 참조).

    단봉형에서 MoT는 GBR의 빈도 분포가 한 계급에 집중되는 특징을 보이며, 구름이 많은 사례의 영상이 분류된다. MoB는 최빈값 주변으로 종 모양처럼 대칭 적인 분포를 보여 왜도가 0에 가깝고 뿌연 하늘에 해당하는 사례의 영상이 분류된다. MoSHMoSL은 최빈값을 갖는 계급의 빈도 차이로 분류되며, 영상의 빈도 분포의 왜도에 따라 RBR의 경계값을 달리한다. MoSH는 주로 음의 왜도를 갖는 옅은 구름 사례의 영 상이 분류되며 MoSL은 양의 왜도를 갖는 일출과 일 몰 사례의 영상이 분류된다.

    쌍봉형에서 BiN은 GBR의 최빈값이 큰 계급의 빈 도가 높을 때의 분포로 구름 많음에 해당하는 사례 의 영상에 해당한다. 반대로 BiP는 GBR의 최빈값이 작은 계급의 빈도가 높을 때의 분포로 구름 적음과 맑음에 해당하는 사례의 영상이 분류된다.

    다봉형 Mu는 단봉형과 쌍봉형 분포 외의 분포로 최빈값을 3개 이상 갖는 사례의 영상이 분류된다. 이 경우의 영상은 태양광과 구름 그리고 하늘의 화소 개수가 비슷하게 존재할 때 분류되며, 분석기간 내에 전체 사례 중에서 약 1%가 해당하였다.

    3.3.태양광 제거 및 화소 유효성 검사

    태양의 직접적인 직달광선은 영상에서 백색광 (RGB 명암이 255, 255, 255)에 가까우며, 주변 하늘 까지 밝게 만들기 때문에 태양 주변 화소의 RGB 명 도로는 하늘과 구름을 구별하기 어렵다. 따라서 Skyviewer 장비에 내장된 시스템에 의하여 자동으로 태양을 따라 차폐판이 움직이며 태양의 직접적인 직 달광선을 차단한다. 하지만 직달광선을 차단하여도 태양 주변으로 빛이 산란되어 화소의 RGB 명도와 RBR과 GBR을 높이는 태양광이 존재한다. 또한, 직 달광선을 받는 구름의 영역으로부터 밝게 빛나는 화 소 정보는 하늘과 구름을 판단하는데 있어서 어려움 을 준다. 따라서 화소의 명도를 이용하여 하늘과 구 름을 구별할 수 없는 영역을 유·부동 차폐 화소와 같이 제거해주어 전운량 산출의 오차를 줄일 수 있다.

    이러한 과정을 거쳐 영상에서 구름 화소로 구분된 화소들의 유효성 검사를 통해 전운량이 산출되게 된 다. 전운량 산출에 사용되는 유효한 구름 화소는 기 준 화소 주변의 5×5 영역 화소에서 30% 이상이 구 름 화소일 때 해당된다. 이 방법은 구름 영역 중 중 간에 구름 화소가 아닌 경우와 구름의 가장자리 부 분에서 구름의 형태를 잡아준다. 또한, 구름과 구름 주변에서 구름 화소임에도 불구하고 RBR 경계값을 넘지 못하는 경우를 구름 화소로 유효하게 만들며, 하늘 영역에서 RBR 경계값을 넘는 화소에 대하여 유효성 검사를 통해 구름 산출의 오차를 줄이게 된다.

    3.4.전운량 산출 및 검증

    Skyviewer 영상 자료를 이용하여 전운량을 산출하 기 위해 Fig. 6과 같은 알고리즘 과정을 거친다. 촬 영된 영상에서 유·부동 차폐를 제거하고 GBR 분포 에 따른 영상 분류를 통해 각각의 영상별로 RBR 경 계값이 설정되며, 태양광 화소를 제거 후 구름 화소 의 유효성을 거쳐 전운량이 산출된다.

    개발된 알고리즘을 통해 산출된 전운량을 검증하기 위하여 선정한 사례는 계절별 일 사례로 8시부터 17 시까지의 자료이다. 강원지방기상청의 경우 1시간 간 격의 자료이며, Skyviewer의 경우 5분 관측 자료로 두 관측소의 전운량 시계열은 Fig. 9와 같다. 두 관 측소의 전운량 분포는 시간에 따라 유사한 패턴을 보이고 있으며, Table 2에 나타낸 기상 특징에 따라 전운량의 변화를 보여주고 있다. Skyviewer 전운량의 경우 5분 간격으로 관측한 결과를 보여주고 있어 구 름의 시간에 따른 변동성을 잘 보여주고 있다. 기상 청 목측에 의한 정시 관측 시각 사이에도 전운량은 계속 변화하고 있기 때문에 관측 시간의 조밀함은 기상분석에 있어서 중요한 요소로 작용될 것으로 사 료된다.

    두 관측소의 전운량에 대한 평균전운량과 편이 (Bias), 평균제곱근오차(RMSE, Root Mean Square Error), 상관관계는 Table 3과 같다. 모든 사례에서 편이는 평균적으로 –0.8할의 큰 차이를 보여주어 강 원지방기상청의 전운량이 더 큼을 알 수 있었다. 평 균제곱근오차는 1.6할로 두 관측소의 전운량 차이가 2할 내에서 차이를 보이고 있으며, 상관계수는 평균 약 0.91로 높은 상관성을 보였다. 이는 두 관측소가 약 4 km 떨어져 있기 때문에 전운량의 지역적인 차 이를 보이고 있어 편이와 평균제곱근오차가 크게 나 타났지만 전운량의 유사한 패턴을 보이고 있어 상관 성이 높은 것으로 분석되었다.

    4.결 론

    본 연구에서는 Skyviewer 장비에서 촬영된 영상 자료를 이용한 전운량 산출 알고리즘을 개발하였다. 이 알고리즘은 다른 연구와는 차별된 GBR 빈도 분 포에 따른 영상 분류를 통해 유동적인 RBR 경계값 을 설정하여 전운량을 산출해 낸다. 알고리즘의 성능 분석을 위해 장비의 관측이 수행된 강릉원주대학교 생명과학2호관에서 약 4 km 떨어진 강원지방기상청 과 2012년 한 해 중 계절별 일 사례를 분석하였다.

    두 관측소의 사례별 전운량 분포는 시간에 따라 유사한 패턴을 보이고 있으며, 기상 특징에 따라 전 운량의 변화를 보여주었다. Skyviewer 전운량의 경우 5분 간격으로 관측하고 있기 때문에 기상청 목측 자 료와는 다르게 구름의 시간에 따른 변동성을 잘 나 타내고 있다. 이는 정시 관측되는 기상청 전운량 자 료가 아닌 1시간 간격보다 더 조밀한 시간 해상도의 전운량을 제공할 수 있을 것으로 판단된다.

    사례에 대한 통계분석을 시행하기 위하여 편이와 평균제곱근오차, 상관관계를 나타내었다. 모든 사례에 대하여 일 평균전운량의 차이인 편이는 −0.8할로 강 원지방기상청의 목측 전운량이 더 크게 나타났으며, 평균제곱근오차는 1.6할로 두 관측소의 전운량은 2할 내에서 차이를 보였다. 그럼에도 불구하고 상관성은 평균 0.91 이상으로 전운량이 유사한 패턴을 보이고 있어 상관성이 높은 것으로 분석되었다.

    두 관측소 전운량에서 지역 차이가 나타났지만 높 은 상관성을 통해 본 연구에서 개발된 전운량 산출 알고리즘을 신뢰할 수 있음을 보여주었다. 그러나 좀 더 다양한 사례 분석을 통해 전운량 산출의 정확성 을 향상시킬 수 있는 지속적인 연구가 필요하다.

    Figure

    JKESS-36-330_F1.gif

    Appearance of Skyviewer instrument.

    JKESS-36-330_F2.gif

    The distance between the Life Sciences 2nd building in Gangneung-Wonju National University (A) and Gangwon Regional Meteorological Administration (B) and distances from each sites to the seashore.

    JKESS-36-330_F3.gif

    (a) time series of average RGB brightness and (b) time series of average standard deviation of RGB brightness in August 14 2012. And (c) clear sky image of region A and (d) cloudy sky image of region B from (a) and (b).

    JKESS-36-330_F4.gif

    (a) sky image of cloudy sky, (b) RBR distribution by pixel and (c) cloud pixel when RBR is greater than 0.97 at 0800 LST July 20 2012.

    JKESS-36-330_F5.gif

    Same as Fig. 4 except for dark cloud (a,b,c) on October 22, unclear sky (d,e,f) on April 30, sunrise (g,h,i) on December 25 and sunset (j,k,l) on December 21, respectively.

    JKESS-36-330_F6.gif

    Flowchart of total cloud amount estimated from Skyviewer image. Th: RBR’s threshold, Av: average RBR by pixel, Mod: mode of RBR by pixel, Gstd: average standard deviation of green (G) by pixel, Skew: skewness, Mask1: removal of shadow band and standing mask, Mask2: removal of sunlight.

    JKESS-36-330_F7.gif

    Sunlight to be removed from the image (blue area), shadow band and standing mask pixel (grey area), clear sky (yellow area) and cloud (green area) pixel from Fig. 3 (c) and (d).

    JKESS-36-330_F8.gif

    Sky image, frequency distribution of GBR and estimated cloud pixels (green area) for the cases that distribution shapes are MoT, MoB, MoSH, MoSL, BiN, BiP and Mu.

    JKESS-36-330_F9.gif

    Time series of total cloud amount of Gangwon Regional Meteorological Administration (GRMA) and Skyviewer for these cases in Table 2.

    Table

    Conversion table of total cloud amount

    Description of the cases used in this study

    Average of total cloud amount, Bias, RMSE and correlation coefficient (R) between Gangwon Regional Meteorological Administration (GRMA) and Skyviewer for these cases

    Reference

    1. Cess R D , Potter G L , Blanchet J P , Boer G J , Ghan S J , Kiehl J T , Le Treut H , Li Z-X , Liang X-Z , Mitchell J F B , Morcreete J-J , Randall D A , Riches M R , Roechner E , Schlese U , Slingo A , Taylor K E , Washington W M , Wetherald R T , Yagai I (1989) Interpretation of cloud-climate feedback as produced by 14 atmospheric general circulation model , Science, Vol.245 ; pp.513-516
    2. Ghonima M S , Urquhart B , Chow C W , Shields J E , Cazorla A , Kleissl J (2012) A method for cloud detection and opacity classification based on ground based sky imagery , Atmospheric Measurement Techniques Discussions, Vol.5 ; pp.4535-4569
    3. Jee J B , Zo I S , Lee K T , Choi Y J (2011) Distribution of photovoltaic energy including topography effect , Journal of the Korean Earth Science Society, Vol.32 ; pp.190-199
    4. Jee J B , Kim Y D , Lee W H , Lee K T (2010) Temporal and spatial distributions of solar radiation with surface pyranometer data in South Korea , Journal of the Korean Earth Science Society, Vol.31 ; pp.720-737
    5. Johnson R W , Hering W S (1987) Automated cloud cover measurements with a solid-state imaging system , In Proceedings of the Cloud Impacts on DOD Operations and Systems-1987 Workshop, ; pp.59-69
    6. Kim Y H , Koo H J , Nam J C , Oh S N (2004) Characteristics of sunshine and cloudiness in Seoul , Asia-Pacific Journal of Atmospheric Sciences, Vol.40 ; pp.571- 586
    7. Kim Y K , Jang E S , Jin B H (1992) Variation of the atmospheric transmissivity by cloud amount and topographic condition , Journal of the Korean Earth Science Society, Vol.13 ; pp.342-354
    8. Kim Y M , Kim J , Cho H K (2008) Development of objective algorithm for cloudiness using all-sky digital camera , Atmosphere, Vol.18 ; pp.1-14
    9. Lee B I , Kim Y J , Chung C Y , Lee S H , Oh S N (2007) Development of cloud amount calculation algorithm using MTSAT-1R satellite data , Atmosphere, Vol.17 ; pp.125-133
    10. Lee K H , Yoo H H , Geoff J L (2010) Generation of typical weather data using the ISO Test Reference Year (TRY) method for major cities of South Korea , Building and Environment, Vol.45 ; pp.956-963
    11. Lee K H , Cho H C (2012) Analysis and calculation of hourly surface temperature based on typical meteorological data for major cities in Korea , Journal of the Korean Solar Energy Society, Vol.32 ; pp.123-128
    12. Leem H H , Lee H W , Lee S H (2005) The analysis of the characteristics of the fog generated at the Incheon Int’l Airport , Asia-Pacific Journal of Atmospheric Sciences, Vol.41 ; pp.1111-1123
    13. Long C , Slater D , Tooman T (2001) Total Sky Imager (TSI) model 880 status and testing results , ARM-TR-006. http://www.arm.gov/publications/tech_ reports/arm-tr-006.pdf (February 28th 2015),
    14. Sutter M , Dürr D , Philipona R (2004) Comparison of two radiation algorithms for surface-based cloud-free sky detection , Journal of Geophysical Research, Vol.109 ; pp.D17202
    15. Shields J E , Johnson R W , Koehler T L (1993) Automated whole sky imaging systems for cloud field assessment , Fourth Symposium on Global Change Studies, American Meteorological Society, ; pp.228-231
    16. Shields J E , Karr M E , Burden A R , Johnson R W , Hodgkiss W S (2007a) Continuing support of cloud free line of sight determination including whole sky imaging of clouds , Final report for ONR Contract N00014-01-D-0043 DO #13 Marine Physical Laboratory Scripps Institution of Oceanography University of California San Diego Technical Note 273,
    17. Shields J E , Karr M E , Burden A R , Johnson R W , Hodgkiss W S (2007b) Enhancement of near-realtime cloud analysis and related analytic support for whole sky imagers , Final report for ONR contract N00014-01-D-0043 DO# 4, Marine Physical Laboratory, Scripps Institution of Oceanography, University of California, ADA468076
    18. Shields J E , Karr M E , Burden A R , Johnson R W , Mikuls V , Streeter J , Hodgkiss W (2009) Research toward Multi-Site Characterization of Sky Obscuration by Clouds , Final Report for grant N00244-07-1-009, Marine Physical Laboratory, Scripps Institution of Oceanography, University of California San Diego, Technical Note 274,
    19. Shields J E , Karr M E , Johnson R W , Burden A R (2013) Day/night whole sky imagers for 24-h cloud and sky assessment: history and overview , Applied Optics, Vol.52 ; pp.1605-1616
    20. Yoo H C , Lee K H , Park S H (2008) Analysis of data and calculation of global solar radiation based on cloud data for major cities in Korea , Journal of the Korean Solar Energy Society, Vol.28 ; pp.17-24