Evolution of Bias-corrected Satellite Rainfall Estimation for Drought Monitoring System in South Korea

한반도지역 가뭄 모니터링 활용을 위한 위성강우 편의보정

Abstract

Drought monitoring is the important system for disasters by climate change. To perform this, it is necessary to measure the precipitation based on satellite rainfall estimation. The data developed in this study provides two kinds of satellite data (raw satellite data and bias-corrected satellite data). The spatial resolution of satellite data is 10 km and the temporal resolution is 1 day. South Korea was selected as the target area, and the original satellite data was constructed, and the bias-correction method was validated. The raw satellite data was constructed using TRMM TMPA and GPM IMERG products. The GRA-IDW was selected for bias-correction method. The correlation coefficient of 0.775 between 1998 and 2017 is relatively high, and TRMM TMPA and GPM IMERG 10 km daily rainfall correlation coefficients are 0.776 and 0.753, respectively. The BIAS values were found to overestimate the raw satellite data over observed data. By using the technique developed in this study, it is possible to provide reliable drought monitoring to Korean peninsula watershed. It is also a basic data for overseas projects including the un-gaged regions. It is expected that reliable gridded data for end users of drought management.

가뭄감시는 기후변화로 인해 빈번히 발생하는 자연재해를 저감하기 위해 필요한 중요한 요소 중의 하나이다. 한반도 지역의 가뭄감시를 수행하기 위해서는 위성기반 강수량을 관측하는 것이 필요하다. 본 연구에서는 위성기반의 원시위성강우자료와 편의보정한 위성자료를 이용하여 위성기반 강수량의 정확도를 확인하였다. 서로 다른 공간/시간 해상도를 가지는 원시위성자료(TRMM TMPA, GPM IMERG)를 10 km로 재격자화 하고, 일단위로 변환하였다. 최종적으로 원시위성강우의 표준 시간대를 한반도 표준시(GMT+9)로 변환하여 데이터베이스를 구축하였다. 한반도를 대상지역으로 선정하여, 지상관측자료와 검증을 실시하였다. 편의보정 기법은 GRA-IDW 기법을 선정하여 수행하였다. 먼저 원시위성자료를 검증한 결과를 살펴보면, 상관계수는 1998년부터 2017년까지 0.775로 비교적 정확도가 높게 나왔으며, TRMM TMPA, GPM IMERG 각각의 10 km 일강수량 상관계수값은 0.776, 0.753으로 크게 차이 나지 않았다. BIAS값은 원시위성자료 값이 지상관측자료보다 과대추정하는 것으로 나타났다. 편의보정한 위성자료를 검증한 결과를 살펴보면, 상관계수와 RMSE가 편의보정 전보다 개선된 값을 보여주고 있다. 본 연구에서 검증한 위성강우자료는 가뭄감시시스템의 기초자료로 충분히 활용할 수 있으며, 향후 미계측지역의 가뭄관리 의사결정을 위한 격자자료로 활용할 수 있을 것으로 판단된다.

1. 서론

최근 한반도에 가뭄이 빈번히 발생하며, 이로 인한 경제적 손실이 갈수록 커지고 있는 실정이다(Park et al.,2014; Baek et al., 2016; Smith and Katz, 2013). 준 실시간 가뭄 모니터링은 가뭄으로 인한 자연재해 저감과 수자원 관리 및 효과적인 적응대책을 수립하는데 있어 매우 중요한 정보 중에 하나이다. 가뭄을 관측하는데 있어 핵심 기후변수는 강수량이며, 강수량을 정확히 관측하는 것이 대단히 중요하다. 갈수록 국가뿐만 아니라 작은 지자체 단위에서도 가뭄에 대응하고자 하나, 현재 강수량은 지상관측소를 이용하여 강수량을 관측하고 있어 지상관측자료만 사용하여 지자체 단위에서 정확한 강수량 및 이에 기초한 가뭄정보를 생산하는데 한계가 따른다.

위성기반 강수량 관측은 지상관측자료와 더불어 격자화된 자료를 제공함으로써 가뭄에 대한 선제적 대응의 기초자료로 활용이 가능하다(Jeong and Shin, 2006; Sapiano and Arkin, 2009). 특히 지자체의 분야별 실제 활용 가능한 기후변화 적응대책인 의사결정지원시스템의 기초 자료로 지상관측자료를 이용하여 보정한 고해상도 격자화된 위성자료로 활용이 가능하며, 범위를 한반도로 확장하면 미계측지역인 북한지역의 기후변화연구 기초자료로 활용할 수 있다.

격자화된 위성강우는 TRMM, GPM 위성자료를 기초자료로 이용하여 산출하는데 TRMM(The TropicalRainfall Measuing Misssion) TMPA은 TMI 수동 마이크로파를 이용한 강우 추정 알고리즘(Kummerow et al.,2001)으로 산출된 값과 협력위성의 결합으로 산출된 3 hr, 25 km의 시·공간 해상도로 자료를 산출한 연구가 수행되었다(Huffman et al., 2007). GPM(Global PrecipitionMeaurement) IMERG 자료는 GMI 센서와 협력위성 정지궤도 적외채널 기반 강수량 자료를 결합하여 30 min 시간해상도, 10 km 공간해상도의 자료를 산출하여 홍수, 가뭄의 기초자료로 한반도 지역에 월 자료로 지상관측자료와 비교 검토한 연구가 수행되었으나(Kim et al., 2017) 가뭄모니터링을 위한 일 자료의 비교·분석 연구는 미흡한 실정이다.

본 연구의 목적은 가뭄 모니터링을 위하여 활용 가능한 위성영상 자료(강수량)를 구축하고, 편의 보정을 수행하여 의사결정자에게 필요한 고해상도(1 day / 10 km)의 신뢰성 있고 쉽게 접근할 수 있는 위성강우자료를 산출하는 데 있다. 비교적 신뢰성이 높은 위성 강우가 구축된 한반도를 대상으로 위성영상 편의 보정 기법을 검증하고 위성강우 기반 기후 자료를 구축하여 한반도 가뭄 모니터링의 기초자료로 이용하고자 하였다.

2. 연구 자료

1) 대상지역

본 연구의 대상지역은 한반도로 선정하였다. 본 연구에서 사용한 관측 자료는 자료의 신뢰성을 고려하여30년 이상의 양질의 자가 축적된 총 60개 종관기상관측장비(Automated Synoptic Observing System; ASOS)를 선정하여 사용하였다. Table 1은 본 연구에서 사용한 한반도 내의 관측소 목록을 보여주고 있다. Fig. 1은 한반도 내의 관측소 위치를 나타내고 있다.

Table 1. Station list for South Korea

Fig. 1. Station location for South Korea.

2) 위성강우자료

TRMM TMPA(TRMM Multi-satellite Precipitation Analysis; 3B42) 자료는 TRMM TMI, SSM/I(Special Sensor Microwave Imager), AMSR(Advanced Microwave Scanning Radiometer), AMSU-B(Advanced Microwave Sounding Unit) 수동마이크로파 센서, NOAA위성 VIRS 가시, 적외 채널 등 다양한 센서를 결합하여 시간해상도 3 hr, 공간해상도 25 km로 격자화 한 자료로 남위 60°에서 북위 60°까지 관측한 자료를 이용하였다.

GPM IMERG자료는 DPR(Dual Precipitation Radar)레이더 센서와 10.6, 18.7, 23.8, 36.5, 89 GHz 채널과 TRMM TMI 센서와 달리 166, 183 GHz의 채널이 추가된 GMI(GPM Microwave Imager)의 강수량 값에 TRMM TMPA보다 더 많은 협력위성으로 결합된 자료로 30min, 10 km의 시·공간 해상도를 가진다. GMI 센서는TMI 센서와 비교하여 공간해상도가 더 좋아졌으며,166, 183 GHz 센서 탑재로 적은 양의 비(<0.5 mm/hr) 관측 정확도가 향상되었다. 또한, GPM 위성의 듀얼레이더(DPR)도 TRMM 위성의 단독 레이더에 비하여 Ka(35 GHz) 레이더 추가되었기 때문에 TRMM PR 관측 강수량보다 정확성이 향상되었다.

TRMM TMPA는 Kummerow et al.(2001)가 개발한 Goddard Profiling Algorithm에 의해 수동마이크로파 (TMI)를 강수자료로 변환환 기본 자료 이외에 여러 협력위성 강우자료를 블렌딩하여 산출하였으며, GPM IMERG는 TMPA자료를 산출할 때 사용한 알고리즘과 NOAA에서 칼만필터를 이용하여 CMORPH을 산출하던 알고리즘(Joyce et al., 2004)을 결합하여 자료를 산출하였다.

본 연구에서 사용한 위성자료에 대한 설명을 Table 2에 나타내었다. 한반도에서 자료 검증을 수행하기 위해서는 위성자료를 UTC시간대에서 KST시간대로 변경해야 하며 위성종류별(TRMM TMPA: 3 hr, GPM: 30min) 제공하는 시간해상도를 고려하여 1998년부터 자료를 구축하였다. 198년부터 2014년 7월까지는 TRM TMPA 자료를, 2014년 8월부터는 2017년까지는 GPM자료를 산출한 뒤 데이터베이스화하여 사용하였다.

Table 2. Overview of satellite imagery

3. 연구방법

본 연구는 위성영상 자료 수득 및 전처리, 위성강우편의 보정으로 나누어 수행하였다. Fig. 2는 본 연구의 전체적인 개요를 보여주고 있다. 위성영상 자료 수득 및 전처리는 원시위성자료의 격자단위 강수량을 추출하여 한국시간으로 변환하고 데이터베이스로 구축한 다음 전처리 작업을 수행한다. 위성강우 편의보정은 원시위성자료를 품질관리가 된 지점 관측자료를 이용하여 보정하는 방법으로 수행한다.

Fig. 2. Flow chart of satellite rainfall based climate data management system.

1) 편의보정 기법

지점 관측자료를 이용한 위성강우자료 보정 기법은 GRA(Geographical Ratio Analysis)을 선정하여 수행하였다(Jia et al., 2011; Duan and Bastiaanssen, 2013; Laurent etal., 2013). 본 연구에서 GRA를 편의보정 방법으로 선정한 이유는 GDA(Geographical Differential Analysis) 방법과 더불어 위성영상 보정에 보편적으로 사용하는 방법이기 때문이다. GRA는 관측자료와 위성강우자료의 오차 비율을 파악하여 보정하는 기법으로 위성강우자료가 가지는 불확실성을 정량적으로 관측한 지점자료와 융합하여 감소시킨다(Cheema and Bastiaanssen, 2012; Baik and Choi, 2016).

GRA에서 오차 비율을 보간하는 기법으로 IDW을 적용하여 보정을 수행하였다. Fig. 3은 GRA 편의보정 기법의 개요를 나타내고 있다. GRA는 아래와 같이 총 3단계로 구분하여 수행할 수 있다.

Fig. 3. Overview of GRA bias-correction techniques.

(1) 지점 관측자료(\(P_{\text {Obs. }}^{\text {Point }}\))와 지점 위치에 대응되는 원시위성자료\(\left(P_{(i, j) S R E}^{\text {Uncorrected }-10 \mathrm{~km}}\right)\) 격자의 오차 비율\(\left(P_{(i, j) \text { ration }}^{\text {Point }}\right) \)을 산정한다.

(2) 지점 관측 위치에서 산정된 오차 비율\(\left(_{(i, j) \text { ration }}^{\text {Point }}\right)\)을 IDW 기법을 사용하여 윈시위성자료와 같은 공간 해상도인 10 km로 격자\(\left(P_{(i, j) r a t i o n}^{10 k m}\right)\)로 보간한다.

(3 원시위성격자자료\(\left(P_{(i, j) S R E}^{\text {Uncorrected }-10 \mathrm{~km}}\right) \)에 10 km 격자의 오차 비율\(\left(P_{(i, j) \text { ration }}^{10 \mathrm{~km}}\right)\)를 곱해서 지점 자료로 편의 보정한 위성강우 값\(\left(P_{(i, j) S R E}^{\text {Bias-corrected }-10 \mathrm{~km}}\right)\)을 산정한다.

2) 원시위성영상 검증

위성자료는 TRMM 25 km의 공간해상도를 보간하여 GPM 10 km로 변환하고 지상관측자료와 검증하였다. 변환하여 구축한 위성자료와 지상관측자료의 검증하기 위하여 기본적으로 상관계수(Correlation coefficient; COR)을 구하고, 위성강우자료와 지상관측자료와의 정량적 비교를 위해 평균제곱근오차(Root Mean SquareError; RMSE), BIAS, MAE(mean absolute error)를 산정하여 검증하였다(Eq. (1)–(4)). BIAS는 위성강우가 관측된 값과 지상관측 자료의 나타내며, ME(Mean Error)는 위성강우와 지상관측자료의 평균 오차를 의미한다.

\(S E=\sqrt{\frac{\sum_{i=1}^{n}\left(X_{\text {sat }, i}-X_{\text {obs }, i}\right)^{2}}{n}}\)       (1)

\(M A E=\frac{1}{n} \sum_{i=1}^{n}\left|X_{\text {sat }, i}-X_{o b s, i}\right|\)       (2)

\(M E=\frac{1}{n} \sum_{i=1}^{n}\left(X_{s a t, i}-X_{o b s, i}\right)\)       (3)

\(B I A S=\frac{\sum_{i=1}^{n} X_{s a t, i}}{\sum_{i=1}^{n} X_{o b s, i}}\)       (4)

또한 위성강우와 지상관측자료의 강수감지 빈도를 알아보기 위하여 FBS(False Bias)와 위성강우의 강수발생의 정확도를 추정하기 위하여 POD(Probability of Detection), ASOS의 강수량이 없을 때 위성강우가 발생한 빈도를 나타내는 FAR(False Alarm Ratio)의 평가항목으로 위성강우 자료의 정확도를 검증하였다(Table 3,Eq. (5)–(7))

Table 3. Contingency table for comparison of SRE with ASOS gauge

FBS = (x + y) / (x + w)       (5) 

POD = x / (x + w)       (6) 

FAR = y / (x + y)        (7)

3) 편의보정기법 검증

상세화 기법의 검증은 한반도를 대상으로 지점 관측자료와 점 관측자료 위치에 해당하는 위성자료 격자값을 추출한 다음 COR, RMSE, MAE, NSE를 산정하여 수행하였다. 지점 관측자료와 원시위성자료, 편의 보정한 위성자료를 각각 비교하여 수행하였다. 편의보정 기법 검증은 한반도를 60개 관측소를 기준으로 수행하였으며, GRA-IDW 편의보정 기법에 대해 교차검증을 수행하여 최적 편의보정 기법을 선정하였다. 계통임의 추출(systematic random sample)을 사용하여 60개 관측소중 11개를 보정 세트를 추출하였고, 최종적으로 교차검증을 60번 반복하였다. 따라서 GRA-IDW 편의보정 기법을 60번 수행하여 COR, RMSE, MAE, NSE를 산정하였다.

4. 연구결과

1) 원시위성영상 검증 결과

원시위성자료 일강수량에 대한 검증 결과를 Table 4에 나타내었다. 1998년부터 2017년 10 km 공간해상도의 일자료에 대한 ASOS 관측자료와 TRMM과 GPM 위성결과를 비교하기 위하여 1998년부터 2014년 7월까지 일강수량과 2014년 8월부터 2017년까지 통계적 분석 자료를 표시하였다.

Table 4. Statistics evaluation of the performance of SRE

상관계수는 원시위성자료 1998년부터 2017년까지 0.775로 비교적 정확도가 높게나왔으며, TRMM TMPA, GPM IMERG 10 km 일강수량 상관계수값은 0.776, 0.753으로 크게 차이 나지 않았다. BIAS값은 편의를 알아보기 위한 통계적 분석방법으로 최적값이 1일 경우이고 값이 1보다 클 경우에는 원시위성자료 값이 ASOS보다 과대 추정을 1보다 적을 때는 과소추정하는 값을 나타내는 지수로 모든 값이 원시위성자료 값이 지상관측 자료보다 과대추정하는 것을 알 수 있다. MAE, RMSE 값은 정량적으로 원시위성자료 값이 ASOS 자료값에 근접하는지를 나타내는 통계값으로 0일수록 정확도가 높게 된다. MAE, RMSE값은 전체기간에 대해서 2.949, 9.284로 비교적 정확도가 높게 나왔다. MAE, RMSE값을 TRMM TMPA, GPM IMERG로 나누어서 분석하면 MAE가 3.045, 2.504, RMSE는 9.575, 7.770으로GPM IMERG 자료가 TRMM TMPA보다 우수한 결과를 나타내었다. GPM 위성(30 min, 10 km)이 최근 개선된 센서를 사용하고 TRMM TMPA(3 hr, 25 km)보다 시·공간해상도가 높기 때문인 것으로 판단된다. 위성강우의 정성적 평가를 알아보기 위해 앞에서 설명한 FBS, POD, FAR를 표에 나타내었다(Table 5).

Table 5. Comparison of FBS, POD, FAR for satellite rainfall estimations

원시위성자료의 강수 감지 정확도는 FBS, POD, FAR 0.968, 0.671, 0.306 값을 나타었고, TRMM TMPA, GPM IMERG의 차이는 크게 없이 동일하게 나타나는 것을 확인할 수 있었다.

2) 편의보정한 위성자료

한반도를 대상으로 GRA-IDW 편의보정 기법으로 교차검증을 60번씩 수행하여 COR, RMSE, MAE, NSE를 산정하였다. Fig. 4는 한반도를 대상으로 편의 보정기법으로 교차검증을 수행한 결과를 보여주고 있다.Raw_SRE는 관측자료와 원시위성자료를 평가한 결과를 의미하며, BC_SRE(GRA-IDW)은 GRA-IDW 기법을 이용하여 교차검증한 결과를 의미한다. COR값을 살펴보면 Raw_SRE는 0.775, BC_SRE(GRA-IDW) 중간값은 0.799으로 나타났다. RMSE를 살펴보면 Raw_SRE는9.284, BC_SRE(GRA-IDW) 중간값은 8.655으로 나타났다. COR, RMSE를 살펴보면 BC_SRE(GRA-IDW)가 비교적 우수한 보정 결과를 보여주고 있다. MAE, NSE까지 검토한 결과도 마찬가지로 BC_SRE(GRA-IDW)가 우수한 보정 결과를 보여주는 것으로 분석되어 최종적으로 GRA-IDW 기법을 사용하여 편의보정한 위성자료를 생산하였다.

Fig. 4. Cross-validation result of three bias-correction methods for South Korea.

Fig. 5는 한반도를 대상으로 GRA-IDW 기법을 이용하여 편의보정 전후의 결과를 산포도로 보여주고 있다. 140 mm 이상인 강수량에 대해 편의보정 전에는 관측값보다 작게 추정하였는데, 편의보정 후에는 관측값과 비슷하게 추정하는 것을 확인할 수 있다. 90-140 mm의 강수량도 편의보정 전과 비교하여 개선된 것을 확인할 수 있다. 회귀식을 살펴보았을 때 전체적으로는 조금 더 개선된 것으로 사료된다.

Fig. 5. Scatter plot before and after bias-correction (GRA-IDW) for South Korea.

3) 편의보정된 위성자료 시계열 검증

Fig. 6은 한반도를 대상으로 관측자료, 원시위성자료, GRA-IDW 기법으로 편의보정한 위성자료에 대해 20년 평균 연강수량을 상자 그림으로 보여주고 있다. 한반도의 관측자료, 원시위성자료, GRA-IDW 기법으로 편의보정한 위성자료의 평균값은 각각 1397.5 mm, 1455.6mm, 1371.0 mm으로 산정되었다.

Fig. 6. 20-year average annual precipitation before and after bias-correction(GRA-IDW) for South Korea.

Fig. 7은 한반도를 대상으로 관측자료, 원시위성자료,GRA-IDW 기법으로 편의보정한 위성자료에 대해 20년평균 월강수량을 상자 그림으로 보여주고 있다. 월별로 살펴보면 4, 6, 7, 8, 9월에 관측자료와원시위성자료의 차이가 큰 것으로 나타나며 편의보정을 통해 개선된 것을 확인할 수 있다.

Fig. 7. 20-year average monthly precipitation before and after bias-correction(GRA-IDW) for South Korea.

Fig. 8–Fig. 9는 한반도를 대상으로 관측자료, 원시위성자료, GRA-IDW 기법으로 편의보정한 위성자료에 대해 연강수량, 20년 평균 월강수량을 평균값과 함께 막대그래프로 나타내고 있다. 전체적으로 편의보정을 통해 개선된 것을 확인되었다

Fig. 8. Annual precipitation before and after bias-correction(GRA-IDW) for South Korea.

Fig. 9. 20-year average monthly precipitation before and after bias-correction(GRA-IDW) for South Korea.

5. 결론

본 연구에서는 가뭄 모니터링을 위한 신뢰성 높은 강우 자료를 제공하기 위해 위성영상 기반 격자단위의 강수 자료를 산출하고 검증하였다. 본 연구에서 산한 위성자료는 총 2가지(원시위성자료, 편의보정한 위성자료)이며, 최종 위성자료의 공간해상도는 10 km이며, 시간해상도는 1 day이다. 한반도를 대상지역으로 선정하여 원시위성자료를 데이터베이스화한 다음 편의보정을 수행하여 각각의 결과를 검증하였다. 원시위성자료는 TRMM TMPA 3 hr 25 km의 시·공간 자료와 GPMIMERG 30 min 10 km UTC자료를 1998년부터 2007년까지 한국시간 10 km 일강수자료로 구축하였다. 편의보정은 GRA-IDW 기법을 본 연구에 적합한 알고리즘으로 개발하였다.

원시위성자료를 검증한 결과를 살펴보면 상관계수는 1998년부터 2017년까지 0.775로 비교적 정확도가 높게 나왔으며, TRMM TMPA, GPM IMERG 10 km 일강수량 상관계수값은 0.776, 0.753으로 크게 차이 나지 않았다. BIAS값은 원시위성자료 값이 지상관측 자료보다 과대추정하는 것으로 나타났다. MAE, RMSE값은 전체기간에 대해서 2.949, 9.284로 비교적 정확도가 높게 나왔으며, MAE, RMSE값을 TRMM TMPA, GPM IMERG로 나누어서 분석하면 MAE가 3.045, 2.504, RMSE는 9.575, 7.770으로 GPM IMERG 자료가 TRMM TMPA보다 우수한 결과를 나타내었다. GPM 위성(30 min, 10km)이 최근 개선된 센서를 사용하고 TRMM TMPA(3hr, 25 km)보다 시·공간해상도가 높기 때문인 것으로 판단된다. 편의보정 기법을 교차 검증한 결과를 COR, RMSE를 기준으로 살펴보면 BC_SRE(GRA-IDW)이 우수한 보정 결과를 보여고 있다. 본 연구를 통해 개발된 기법을 활용하면 남한지역 유역에 격자단위로 보정된 위성강우 기후자료를 기초로 가뭄 모니터링을 준 실시간으로 관측이 가능하다. 향후 본 연구에서 사용한 위성강우 자료 외에 TRMM위성이 발사되기 전에 정지궤도 적외선 센서에 의해 산출되었던 PERSIANN-CDR, CHIRPS 위성강우 자료, TRMM위성이 발사된 이후에는 NASA(TMPA), NOAA(CMORPH), JAXA(GSMaP)에서 각기 다른 알고리즘을 이용하여 산출한 위성강우 자료를 추가로 사용하여 지상 관측자료와 검증을 수행할 예정이다. 다양한 위성강우 산출물을 활용하여 추후 남한지역 이외에 북한, 아시아-태평양 지역을 포함한 미계측지역의 기초자료로 활용할 수 있을 것으로 사료된다.