초록
해색 원격탐사 자료의 처리과정에서는 일반적으로 관측 영역의 확보를 위해 시공간적 합성을 수행하며, 이 때 Level-2 flag를 참조하여 합성 재료가 되는 영상의 유효성을 판단한다. NASA OBPG의 표준 알고리즘은 stray light에 의한 관측 오차를 최소화하기 위해서 필터링 윈도우를 채택하고 있으나, 이로 인한 관측 영역의 손실이 많다. 이 연구는 유효 관측 영역의 복원/확장을 통한 해색 원격탐사 자료의 품질 향상에 목적을 둔다. 이를 위해서 MODIS/Aqua의 필터링 윈도우의 크기 변화에 따른 관측 영역과 클로로필a 농도 측정값의 변화를 분석하였다. 그 결과 유효 관측 영역에 있어 Level-2 swath 자료, Level-3 일별 합성자료, 8일 합성자료, 월별 합성자료에서 각각 $13.2({\pm}5.2)%$, $30.8({\pm}16.3)%$, $15.8({\pm}9.2)%$, $6.0({\pm}5.6)%$의 복원 효과가 발생하였으며, 표준 자료와의 측정값 차이는 공통 관측 영역에서 평균 0.012% 이하로 매우 유의하였다. 또한 공간 영역 확장으로 인해 시계열 자료에서의 관측 밀도도 상승하였으며 그 이득은 8일 합성자료에서 가장 크게 나타났다. 제안 방법을 통한 유효 영역의 확장은 자료 생산의 효율성뿐만 아니라 자료 분석의 통계적 신뢰성 확보의 측면에서도 해색 원격탐사 자료의 품질 향상에 기여할 수 있다.
In the processing of ocean color remote sensing data, spatio-temporal binning is crucial for securing effective observation area. The validity determination for given source data refers to the information in Level-2 flag. For minimizing the stray light contamination, NASA OBPG's standard algorithm suggests the use of large filtering window but it results in the loss of effective observation area. This study is aimed for quality improvement of ocean color remote sensing data by recovering/extending the portion of effective observation area. We analyzed the difference between MODIS/Aqua standard and modified product in terms of chlorophyll-a concentration, spatial and temporal coverage. The recovery fractions in Level-2 swath product, Level-3 daily composite product, 8-day composite product, and monthly composite product were $13.2({\pm}5.2)%$, $30.8({\pm}16.3)%$, $15.8({\pm}9.2)%$, and $6.0({\pm}5.6)%$, respectively. The mean difference between chlorophyll-a concentrations of two products was only 0.012%, which is smaller than the nominal precision of the geophysical parameter estimation. Increase in areal coverage also results in the increase in temporal density of multi-temporal dataset, and this processing gain was most effective in 8-day composite data. The proposed method can contribute for the quality enhancement of ocean color remote sensing data by improving not only the data productivity but also statistical stability from increased number of samples.