The Cross-validation of Satellite OMI and OMPS Total Ozone with Pandora Measurement

지상 Pandora와 위성 OMI와 OMPS 오존관측 자료의 상호검증 방법에 대한 분석 연구

Abstract

Korea launched Geostationary Environmental Monitoring Satellite (GEMS), a UV/visible spectrometer that measure pollution gases on 18 February 2020. Because satellite retrieval is an ill-posed inverse solving process, the validation with ground-based measurements or other satellite measurements is essential to obtain reliable products. For this purpose, satellite-based OMI and OMPS total column ozone (TCO), and ground-based Pandora TCO in Busan and Seoul were selected for future GEMS validation. First of all, the goal of this study is to validate the ground ozone data using characteristics that satellite data provide coherent ozone measurements on a global basis, although satellite data have a larger error than the ground-based measurements. In the cross validation between Pandora and OMI TCO, we have found abnormal deviation in ozone time series from Pandora #29 observed in Seoul. This shows that it is possible to perform inverse validation of ground data using satellite data. Then OMPS TCO was compared with verified Pandora TCO. Both data shows a correlation coefficient of 0.97, an RMSE of less than 2 DU and the OMPS-Pandora relative mean difference of >4%. The result also shows the OMPS-Pandora relative mean difference with SZA, TCO, cross-track position and season have insignificant dependence on those variables.In addition, we showed that appropriate thresholds depending on the spatial resolution of each satellite sensor are required to eliminate the impact of the cloud on Pandora TCO.

한국은 세계 최초로 정지궤도 환경위성탑재체 Geostationary Environment Monitoring Spectrometer(GEMS)를 발사하여, 동북아시아 지역 대기오염물질을 실시간으로 감시할 계획 중이다. 위성을 이용한 대기오염물질 관측은 불량조건문제(ill-posed problem)에서 역문제의 해를 찾는 과정이기 때문에, 위성 관측 값은 오차를 포함하고 있다. 따라서 GEMS 산출물이 신뢰성을 갖기 위해서는 지상관측 또는 다른 위성과의 상호 비교 검증 연구가 반드시 요구된다. 본 연구는 향후 GEMS의 오존 관측자료의 검증에 사용될 위성인 OMI, OMPS 그리고 서울과 부산에 설치된 지상 관측기기인 Pandora에서 측정된 total column ozone (TCO)를 상호 비교분석 함으로써 자료의 평가를 실시하였다. 이 연구에서는 위성이 전지구적으로 일관된 정확도의 오존 자료를 제공한다는 특성을 이용하여 지상 관측자료의 정확도를 평가하였다. 그 결과 서울 Pandora #29의 자료에서 심각한 기기오차를 발견하여, 위성자료를 이용한 지상자료의 역검증이 가능함을 보였다. 다음으로 지상 Pandora를 이용한 OMPS의 자료 비교 검증에서 OMPS TCO는 Pandora TCO 값에 대해 상관관계 0.97과 ~1.8 DU의 RMSE 그리고 4%의 양의 편차(bias)를 가졌으며, 이 편차는 SZA과 Cross track position, TCO 그리고 계절 변화에 대한 의존성을 갖지 않음을 보였다. 또한 Pandora TCO은 구름 필터링이 제대로 수행되어 있지 않기 때문에, Pandora 자료를 위성자료 검증에 활용하기 위해서는 각 위성 센서의 관측 공간 해상도에 따른 적절한 경계 조건이 사용되어야 함을 보였다.

1. 서론

전체 오존 양의 90%를 차지하는 성층권 오존은 태양에서 방출되는 유해 자외선을 흡수함으로써 생태계를 보호하는 역할을 하고, 10%의 대류권 오존은 그 위치에 따라 지구온난화를 야기하는 온실가스, 오염물질을 제거하는 대기산화제 그리고 광화학 스모그를 형성하는 대기오염물질이다(Crutzen, 1979; Thornton et al., 2002). 위성을 이용한 오존관측은 효과적으로 전지구 오존을 감시하기 위하여, 1978년 Total Ozone Mapping Spectro -meter (TOMS) 센서를 탑재한 Nimbus 7 위성을 발사함으로써 시작되었으며, 이후 Global Ozone Monitoring Experiment (GOME), SCanning Imaging Absorption spectro Meter for Atmospheric CHartographY (SCIAMACHY), Ozone Moni toring Instrument (OMI) 그리고 현재 Ozone Mapper and Profiler Suite (OMPS)와 TROPOspheric Monitoring Instrument (TROPOMI) 같은 고분광, 고해상도의 위성 센서를 이용해서 오존관측이 수행되고 있다. 더욱이 미국 유럽 그리고 한국은 극궤도 위성 관측이 갖는 한계를 극복하기 위해서, 시간별 연속적인 관측이 가능한 정지궤도 위성을 이용한 전 지구 범위의 대기오염 물질 관측을 계획하고 있다(Bak et al., 2013; Kim et al., 2020). 이 계획의 일환으로 한국은 환경 측정 센서인 GEMS를 2020년 2월 18일에 발사하였고 동북아시아 지역의 오존 및 대기오염물질의 실시간 감시를 계획 중이다.

위성 오존 관측은 제한적인 관측 결과로부터 주어진 조건에 해당하는 오존 양을 찾는 역문제(inverse-problem) 를 해결함으로써 수행된다. 하지만 대부분의 역문제는 유일 해를 갖지 않는 불량설정문제(ill-posed problem) 조건에 해당하며 사전 배경지식 정보 및 다양한 가정과 제한 조건을 이용하여 문제의 해를 구하기 때문에 위성 오존 산출자료는 잠재적인 오차를 내포하고 있다. 따라서 높은 정확도의 GEMS 산출물을 얻기 위해서는 정확한 지상관측 및 서로 다른 위성을 이용한 상호 비교 검증 연구가 요구된다(McPeters et al., 2008; Fioletov et al., 2008). 다양한 선행연구는 원격 오존측정 장비와 존데 시스템을 이용하여 위성 오존관측의 정확성을 검증하고 그 자료를 바탕으로 오존 산출 알고리즘을 개선 시켜왔다 (Balias et al., 2007; Anton et al., 2009). 하지만 이러한 대부분의 연구는 미국과 유럽지역과 같은 일부 지역에서 집중되어 수행되었고, 동북아시아 지역에서는 위성 오존 관측의 정확성을 검증하는 연구가 부족하다. 본 연구는 향후 GEMS 오존 산출물 검증에 사용 될 지상 Pandora TCO와 OMI와 그 후속 위성인 OMPS TCO를 이용한 상호 비교검증 분석을 수행하고자 한다.

Pandora는 GEMS의 관측 파장영역인 300~500 nm 영역의 자외선-가시광선을 이용하여 O₃, NO₂, SO₂, HCHO 와 같은 주요 미량기체를 관측할 수 있는 지상측정 스펙트로미터로서(Herman et al., 2009; Herman et al., 2015; Park et al., 2018), 2012년 Dragon (Distributed Regional Aerosol Gridded Observation Networks) 캠페인 기간 동안에 서울과 부산에 각각 설치되었으며, 2016년 4월부터 6월까지 수행된 한미 공동 대기질 오염물질 관측 캠페인(Korea U.S.-Air Quality (KORUS-AQ))과 그것의 예비 캠페인이었던 MAPS-Seoul (Megacity Air Pollution Studies) 캠페인 기간 동안 서울 부산을 포함해서 9개의 지상관측 지점(광주, 안면도, 태화산, 여주1, 여주2, 송천, 올림픽공원)과 선박에 설치되어 관측을 수행하였다. 그 이후에도 서울, 부산에서 현재까지 오존 관측을 수행하고 있기 때문에, 향후 GEMS 오존 산출물 검증에 표준 관측자료로 활용될 수 있을 것으로 기대된다.

Ozone Mapping and Profiler Suit (OMPS)는 2011년 10월 28일에 발사된 Suomi National Polar-orbiting Partnership (Suomi NPP) 우주선에 의해 탑재된 센서로서, OMI와 유사한 Nadir Mapper (NM), SBUV와 SBUV-2 profile와 유사한 Nadir Profile (NP) 그리고 MLS와 유사한 Limb Profiler(LP) 3개로 구성되어있다(Flynn et al., 2014). OMPS NM는 300~380 nm 범위의 자외선을 측정하는 초분광 센서로 OMI를 대신하여 오존관측을 수행중인 후속 위성센서이기 때문에 GEMS 오존 산출물의 상호 비교 검증 자료로서 활용될 수 있다. 한편 2017년 10월에 발사된 Sentinel-5 위성에 탑재 된 TROPOMI 센서 역시 GEMS의 위성간 비교 검증 자료로서 활용될 수 있지만, 현재 TROPOMI는 L1B Irradiance 자료 품질에 문제가 보고되고 있어 분석자료에 제외하였다.

위성자료의 정확도는 태양 천정각(SZA, Solar Zenith Angle)과 위성 관측각(VZA, Viewing Zenith Angle)이 높거나 구름운량이 크거나 흡수 에어로졸의 유무에 따라서 감소될 수 있지만, 위성은 장기간에 하나의 알고리듬을 이용하여 대기 물질을 측정하며, 지상관측 지점에 대한 일관성이 있는 관측 자료를 제공한다는 특성을 갖는다. 또한 위성 관측기기(instrument)의 degradation은 일반적으로 느리게 변화하기 때문에 시공간 일치된 위성과 지상관측 값을 비교 시, 두 오존 차이에서 급격한 변화는 지상측정 관측 값을 변화로부터 기인되었다고 생각할 수 있다. 이러한 위성 자료의 특성을 이용하여 Bojkev et al. (1998)과 Fioletov et al. (2008)은 지상관측 값의 품질을 평가하는데 위성 관측 값을 이용하였다. OMI TCO는 오차를 야기할 수 있는 다양한 요인에 대한 분석 연구를 통해 높은 신뢰도를 갖는다고 알려져 있다(Balias et al., 2007; Anton et al., 2009; McPeters et al., 2008). 따라서 서울과 부산 지역의 Pandora TCO 자료를 이용하여 OMPS TCO 자료의 검증 및 특성 분석을 수행하기 앞서, OMI-TOMS TCO 자료를 이용하여 서울, 부산에서 측정한 지상관측 Pandora TCO 자료 평가를 먼저 수행하였고, 이후 Pandora 자료를 이용하여 OMPS 위성 오존 자료를 검증 분석하고자 한다.

2. 자료 및 방법

1) Pandora

Pandora는 크게 태양트래커와 센서 헤드, 온도컨트롤러에 2개의 분광기로 구성되이 있는 지상 원격측정 시스템으로, Table 1에 제시된 바와 같이 265 nm 에서 500 nm 범위의 태양직당광을 0.6 nm의 분광해상도로 관측한다. 2분의 시간 해상도를 갖으며 시야각은 1.6°, 0.01의 높은 위치 정밀도를 가진다. Pandora의 시준기를 통과하는 빛은 오존과 이산화황을 측정하는데 사용되는 파장 구간(오존: 280-320 nm, 이산화황: 280-380 nm) 을 포함하는 두개의 UV 밴드패스 필터(band-pass filter) 와 이산화질소를 관측하기 위해 사용되는 필터가 존재하지 않는 관측모드(open hole) 그리고 각각의 측정 이후 암전류 측정을 위해 차단된 영역을 포함하는 필터 휠의 구조를 통과하게 된다(Herman et al., 2009). Pandora 관측기기의 더 자세한 설명은 Tzortziou et al.(2012)과 Herman et al. (2015)에 요약되어 있다.

Pandora는 측정된 직달 태양광 스펙트럼의 세기를 피팅(fitting)하여 높은 정확도의 오존과 NO 2 등의 연직 농도(total column)를 산출하는 분광센서이다(Herman et al., 2015). Pandora TCO는 305~328.6 nm 좁은 파장 밴드 에서 기체의 차등흡수 변화를 이용하여 대기 중 기체의 농도를 산출하는 DOAS (Differential Optical Absorption Spectroscopy) 기법을 이용하여 상대 경사 연직농도 (relative slant column density)를 계산한 후, 이 값을 대기 질량인자(AMF, Air Mass Factor)로 나누어 줌으로써 계산된다(Platt et al., 1979; Platt, 1994; Herman et al., 2015).

2) OMI

OMI는 대기와 지표에서 산란 또는 반사된 270~500 nm 파장대를 측정하는 위성탑재체로서 Aura 위성에 탑재되어 고도 705 km에 위치한 태양 동기궤도를 돌고 있다. OMI는 천저 관측 기준 약 13 × 24 km² 의 공간해 상도를 가지며 2600 km의 넓은 관측폭을 가지기 때문에 하루동안 전 지구 감시가 가능하다(Levelt et al., 2006). 부가적인 OMI 센서의 정보 역시 Table 1에 나타내었다.

Table 1. The overview of Pandora, OMI and OMPS NM Characteristics

OMI는 미국 National Aeronautics and Space Administr -ation (NASA)에서 개발된 TOMS 방법을 기반으로하는 OMI-TOMS 알고리즘과 Koninklijk Nederlands Meteoro -logisch Instituut (KNMI)에서 개발된 DOAS 방법을 이용하여 TCO을 산출하고 있으며(Bhartia and Wellemeyer, 2002; Veefkind et al., 2006), 자료의 불확실성을 정의하고 산출 오차를 정량화기 위해 지상 오존 관측자료를 이용한 다양한 검증 연구가 수행된바 있다(Balias et al., 2007; McPeters et al., 2008). 현재 OMI-TOMS TCO 자료는 TOMS Version 8.5 (OMI-TOMS V85) 알고리즘을 이용하여 산출되고 있다. TOMS V8.5 알고리즘은 오존을 강하게 흡수하는 파장(317.5 nm)과 약하게 흡수하는 파장 (331.2 nm) 두 파장을 이용하여 오존을 산출한다(고농도 오존과 높은 태양각에서는 331.2와 360 nm 파장이 사용된다). 오존흡수가 약한 파장대는 구름이 레일리 산란에 대한 구름의 영향을 모의하기 위해 개발된 Mixed Lambertian Equivalent Reflectivity (MLER) 모델을 기반으로한 유효 구름운량(effective cloud fraction, CF) 계산에 사용된다. CF가 0이거나 0보다 작을 경우 구름이 없다고 가정되며, Lambertian Equivalent Reflectivity (LER) 모델을 이용하여 청소화소에서의 반사도를 계산한다. 최종적으로 TCO는 주어진 CF과 반사도에서 강한 오존 흡수 파장을 이용하여 계산된다. OMI-DOAS TCO 알고리즘은 측정된 331.1 nm 에서 336.1 nm 범위의 지구 복사 스펙트럼과 태양 복사조도 스펙트럼 자료를 DOAS 기법을 적용하여 경사 층 적분농도 (slant column density)를 구한 후, 대기질량인자(AMF, air mass factor) 로 나누어 줌으로써 연직오존농도를 계산한다. OMITOMS과 OMI-DOAS 알고리즘의 더 자세한 설명은 각각 Bhartia and Wellemeyer (2002)와 Veefkind et al.(2006)에 제시되어 있다. 본 연구는 두 자료 중, 선행 연구로부터 태양 천정각(Solar zenith angle, SZA)과 구름의 영향에 덜 민감하다고 알려진 OMI-TOMS TCO를 분석에 사용하였다.

3) OMPS

OMPS nadir mapper(NM)는 지구대기 및 표면에 의해 후방 산란 된 태양 복사 중 300-380 nm의 자외선을 관측하는 위성탑재체로서 SNPP 위성에 탑재되어 고도 705 km의 태양동기궤도에서 운용되고 있다. 천저관측 기준 50 × 50 km 2 의 공간해상도를 가지며 2800 km의 넓은 관측폭을 가지기 때문에, 전 지구를 하루 동안에 관측이 가능하다(Flyn et al., 2006).

최근 OMPS 위성 자료는 이전 위성 관측 값들과 연속적인 오존자료를 제공하기 위해서, Seftor et al. (2014)의 OMPS의 검증 논문을 바탕으로 2017년 5월부터 Level-1B 자료 보정을 수행하였고, 버전 2.1의 Level-2 오존자료를 제공하고 있다. OMPS TCO는 OMI와 마찬가지로 TOMS V85 알고리즘을 이용하여 산출되고 있다. 그러나 Bass and Paur (1985)의 오존흡수 단면적을 사용하는 OMI TCO 알고리즘과는 달리 OMPS TCO 알고리즘은 Brion et al. (1983)의 오존 흡수 단면적을 이용한다. 이러한 차이는 오존흡수밴드 사이의 차이는 약 1~2%의 계통오차 (systematic bias)를 야기할 수 있다(McPeters et al., 2015). 이밖에 OMPS 센서의 정보는 Table 1에 제시하였다.

4) 자료분석

Pandora 자료는 부산대학교와 연세대학교에서 2012년 3월부터 2018년 12월까지 측정된 자료를 사용하였으며, 구름 영향을 제거하기 위해서 선행연구에서 제시한 정규화된 평균 제곱근오차(normalized RMSE)가 0.05 이하이고 추정 에러가 2 DU 이하인 자료만을 사용하였다(Tzortizou et al., 2012; Herman et al., 2009). 또한 위성 TCO와 비교하기 위해서 위성이 서울과 부산 관측소를 통과하는 시간을 기준으로, ±15분이내 측정된 Pandora TCO의 평균 값을 사용하였다.

OMI와 OMPS 오존전량 자료는 NASA 자료 센터 MIRADOR(http://mirador.gsfc.nasa.gov)에서 Pandora 관측이 수행된 2012년 3월 이후부터 2018년 12월 기간의 Level-2 자료를 이용하였다. 시공간 일치자료(collocation dataset)를 생산하기 위해서 AURA와 Suomi NPP 위성이 관측소가 있는 서울(북위 37.564, 동경 126.934 )과 부산 (북위 35.235, 동경 129.083)의 상공을 통과할 때, 관측지 점과 거리가 50 km 이내인 위성 TCO 값의 평균을 각 지상 관측 지점에 시공간 일치된 위성 TCO 자료로 사용 하였다(Tzortziou et al., 2012; Reed et al., 2013). 또한 위성 TCO 자료 중에서, 기술적 문제가 있다고 알려진 자료 (Flagged data)를 분석에서 제외하기 위해서, quality flag 가 0(좋은품질의 자료를 의미)과 1(sunglint 보정이 수행된 자료를 의미)인 자료만을 사용하였다. 부가적으로 비교 분석에 구름의 영향을 줄이기 위해서, 청천대기라고 가정할 수 있는 CF가 0.2 이하인 자료를 사용였다(Reed et al., 2013). 또한 본 연구팀은 에어로졸이 포함된 실제 대기에서 측정된 자외선과 모델에서 레일리 산란만 고려하여 계산된 자외선의 비로써 에어로졸의 효과를 나타내는 aerosol Index (AI) 자료를 이용하였다. Liu et al. (2010)의 방법을 따라 AI의 절대 값이 1 보다 작은 자료만을 사용하여 에어로졸의 효과를 제거하였다.

3. 결과

1) 지상관측 Pandora와 OMI 위성관측 오존과의 비교 분석

Fig. 1은 2012년 3월부터 2017년 12월 기간 동안 서울과 부산에서 관측된 Pandora TCO와 OMI TCO 값의 상호 연관성에 대한 통계적 유의성을 검증하기 위해 수행된 상관선형 회귀분석(Linear regression analysis)을 수행한 결과를 보여준다. 그림에서 검은색 점선은 1:1 대응 선을 검은 실선은 Pandora와 OMI에서 측정한 TCO의회귀선을 나타낸다. 두 오존 관측자료의 상관관계와 회귀선과 관측 값의 차이(잔차)의 제곱 평균의 제곱근을 나타내는 Root mean square error (RMSE), 그리고 두 오존 관측자료 사이의 자세한 통계분석 결과는 Table 2에 제시하였으며, Reliative difference (RD), Mean Bias Error (MBE) 그리고 Mean Absolute Bias Error (MABE) 통계치의 정의는 아래의 식과 같다.

Fig. 1. A comparison of Pandora measurements with OMI retrieval results in Seoul and Busan. The black solid lines represent the best-fit line.

Table 2. Results from correlation analysis of Pandora and OMI column ozone measurements over Seoul, Busan during the period from March 2012 to December 2018

\(R D_{i}=\frac{Y-X}{X} * 100\)       (1)

\(M B E=\frac{1}{N} \sum_{i=1}^{N} R D_{i}\)       (2)

\(M A B E=\frac{1}{N} \sum_{i=1}^{N}\left|R D_{i}\right|\)       (3)

식에서 N은 시공간 일치된 위성과 지상관측 자료의 수를 나타내며, X는 검증기준(reference) 자료로 사용된 OMI TCO를 Y는 평가 대상 자료인 Pandora TCO를 나타낸다. MBE와 MABE의 불확실성은 각각 SE와 |SE| 의 표준편차로 설명되며, 아래의 식으로 정의된다.

\(\mathrm{SE}=\sqrt{\frac{\sum_{i=1}^{N}\left(x_{i}-\bar{x}\right)^{2}}{\mathrm{~N})}}\)       (4)

식에서 x는 RD 또는 |RD|를 나타낸다.

서울 지역의 Pandora TCO는 OMI TCO와 비교 결과는 0.96의 상관관계와 0.925의 회귀선기울기 그리고 2.11 DU의 RMSE 가지며, Pandora TCO가 OMI에 비해서 -3.09 ± 2.98% 낮은 오존을 관측하였다. 부산 지역에서두 관측 결과의 비교 분석은 0.98의 상관관계, 1.015의 기울기와 1.76 DU의 RMSE를 가지며, 서울과 유사하게 Pandora TCO가 OMI에 비해서 -1.93 ± 1.85% 낮은 오존을 관측하였다. 이러한 비교 통계치는 0.96의 높은 상관관계와 Pandora가 OMI에 비해 오존을 약 2% 과대산출 한다는 선행 연구결과와 일치한다(Reed et al., 2013). 그러나 서울지역의 결과는 부산지역의 결과와는 달리, 자료의 분포가 회귀선에서 벗어나는 관측자료들이 관측된다. 이는 RD (Pandora와 OMI TCO의 상대 백분율 차이, Pandora-OMI RD)의 도수분포로 분석한 결과에서 보다 뚜렷하게 나타난다(Fig. 2). 서울과 부산의 RD 도수분포는 각각 중심이 -2.58%이고 1.54%의 표준편차 그리고 중심이 -1.81%, 표준편차 1.77%인 정규분포를 따르는 것을 확인할 수 있다. 이렇게 두 관측 값의 차이가 정규분포를 따른다는 것은 두 관측 값의 차이가 임의적, 무작위적 발생되었다는 것을 의미하며, 두 관측 자료는 2~3% 계통오차(systematical bias)를 갖지만 서로 일관된 TCO을 관측하고 있음을 의미한다. 그러나 서울 지역 RD 도수분포에서는 부산지역의 분포와는 다르게 정규분포 중심에서 2σ를 벗어나는 큰 음의 이상치 (outlier)가 관측된다(Fig. 2에 표시된 검은 원). 이러한 이상치가 발생하는 원인을 살펴보기 위해서, 서울지역에서 Pandora TCO와 OMI TCO 자료의 시계열 분석을 수행하였다. Fig. 3(a)는 분석 기간 동안 서울에 설치된 Pandora 기기로부터 측정된 TCO의 시간별 자료를 나타낸다. 분석기간동안 서울지역 Pandora 기기는 관측기간 동안 다섯 번의 기기 교체가 있었고(Pandora #19, Pandora #17, Pandora#29, Pandora #40, Pandora #27), 현재는 Pandora #27 기기로 오존관측이 수행되고 있다. Fig. 3(b)는 OMI TCO(검정)와 비교 분석을 위해 시공간 일치된 Pandora TCO(회색)의 시계열을, Fig. 3(c)는 Pandora-OMI RD의 시계열 관측을 나타낸다. 시간에 따른 RD 변화는 분석기간 동안 평균적으로 약 3%로 일정하지만, 2016년 1월 18일부터 2016년 5월 15일 기간에 갑자기 높은 음의 Bias가 관측된다(Fig. 3(c)). 이러한 음의 bias가 관측되는 기간은 2015년 6월 26일부터 2016년 5월 15일까지 관측을 수행한 Pandora #29 기기의 관측 기간에 해당되며, Fig. 2의 서울 도수분포의 이상치를 의미하는 검정원 영역에 해당한다. 이 기간의 관측 자료를 제외하면 Pandora-OMI RD의 시간 변화에 따른 bias 는 평균 2.6% bias를 갖고 대부분 자료는 신뢰도 구간 95% 이내(Fig. 3(c)에서 회색 점선 구간 안)에 위치한다

Fig. 2. Histogram of the relative differences between Pandora and OMI TCO over Seoul and Busan stations with their corresponding gaussian fitting lines (black).

Fig. 3. (a) Time series of Pandora total ozone measurements over Seoul in Korea during 2012-2017. Each color means the Pandora spectrometer used for TCO measurements. (b) Time series of OMI (black) overpass TCO data for Seoul compared to Pandora (gray) TCO averaged over a 15 minute interval centered on OMI overpass time. (c) Time series of the relative difference between Pandora and OMI TCO.

한편 관측 자료의 품질에 대한 문제로 인해 Pandora #29기기가 Pandora #40 기기로 교체 되었지만, Pandora #29 기기로 관측된 오존 자료을 사용하기 위한 부가적인 정보는 제공되고 있지 않다. 본 연구는 Herman et al. (2009)이 제시한 표준 품질관리(quality control) 기준에 부합되는 Pandora 관측 자료만을 분석에 사용하였음에도 불구하고, OMI TCO와의 비교분석 결과에서 나타나는 매우 높은 양의 Bias의 결과는 표준 품질관리 기준에 의해 신뢰도가 낮은 Pandora TCO 자료가 제거되지 않는다는 것을 의미한다. 따라서 본 연구팀은 앞선 OMI와의 비교결과에서 높은 양의 Bias가 나타나는 2016년 1월 18일부터 2016년 5월15일 사이에 관측된 Pandora 자료를 OMPS TCO 자료의 비교 검증 분석에서 제외하였다.

2) Comparison of OMPS with Pandora

Fig. 4는 서울과 부산 두 지역에서 측정된 OMPS와 Pandora TCO의 비교 결과를 나타내며, 서울과 부산 두지역에서 두 관측치의 비교결과는 0.97과 0.98으로 높은 상관관계와 2 DU 이하의 RMSE를 보이며 OMPS는 Pandora에 비해 각각 4.02 ± 2.86%과 2.86 ± 2.16% 오존을 과대 측정하였다. 이 결과는 2013부터 2016년 기간 동안 Colorado Boulder 지역에서 Pandora와 위성 오존의 비교를 수행한 Herman et al. (2015)의 결과와 MBE 측면 에서 약 1~2% 높다는 것을 제외하면 거의 유사한 검증 수치이다. OMPS TCO가 OMI TCO 보다 Pandora TCO 값에 대해서 1~1.5% 더 높은 Bias를 갖는 이유는 OMI 와 OMPS의 오존 산출 알고리즘은 각각 서로 다른 오존 흡수밴드인 Bass and Paur (1975) 오존 흡수 밴드와 Brion et al. (1993) 흡수 밴드를 사용하기 때문이다. 동일한 조건에서 Brion 오존흡수 밴드를 사용할 경우, 오존 산출 파장인 317.5 nm에서 오존 흡수량이 Bass Paur 흡수밴드를 사용할 때보다 1.3% 작으며, 이는 산출오존을 1~1.5% 증가시키게 된다(McPeters et al., 2015). 따라서 두 위성이 동일한 TOMS 알고리즘을 사용하여 오존을 산출하지만 알고리즘에 사용된 오존흡수밴드 정보가 서로 다르기 때문에, OMPS가 OMI보다 더 높은 오존 양을 관측하게 된다. OMPS와 Pandora TCO의 RD (OMPS-Panora RD)를 돗수분포로 나타낸 결과(Fig. 5), 서울과 부산에서 OMPS-Pandora RD의 분포는 평균(u)이 3 ~ 4%, 표준 편차(σ) 1.8 ~ 1.9%인 정규분포를 따른다. 하지만 앞선 OMI와 Pandora와의 비교 결과와는 달리 서울과 부산지역 모두에서 OMPS-Pan RD의 정규분포 중심에서 2σ를벗어나는 큰 음의 이상치(outlier)가 발견된다. 이 이상치의 특성을 살펴보기 위해서 우선 OMPS-Panora RD의시간에 따른 변화를 분석하였다(Fig. 6). 그 결과 분석 기간 동안에 RD의 평균은 서울과 부산에서 각각 4.02 ± 2.83%와 2.92 ± 2.12%였으며, RD의 평균 + 2σ(회색선) 보다 벗어나는 큰 음의 편차가 발생하는 빈도 수가 OMI와 Pandora 사이의 RD보다 증가하였다.

Fig. 4. A comparison of Pandora with OMPS TCO in Seoul and Busan. The black dashed and solid lines represent the line with unit slope and the best-fit line, respectively.

Fig. 5. Histogram of the relative differences between OMPS and Pandora TCO over Seoul (left) and Busan (right) stations with their corresponding Gaussian fitting lines (black).

Fig. 6. (Top) Time series of the relative difference between OMPS TCO and Pandora TCO in Seoul, Korea. (Bottom) Time series of the relative difference between OMI TCO and Pandora TCO in Seoul, Korea.

선행연구는 Pandora 기기가 구름이 존재할 때 높은 TCO 양이 관측되는 관측 오차를 가지기 때문에, 구름의 영향을 적절히 제거하지 않으면, 갑자기 실제 오존의 양보다 70 DU 이상 높은 오존 양이 관측됨을 보였다 (Reed et al., 2013; Baek et al., 2017). 따라서 본 연구는 Pandora TCO 자료 중 Tzortziou et al. (2012)이 제시한 자료품질 경계 조건을 만족하고, 시공간 일치된 위성 자료의 CF 관측 값이 0.2 보다 작은 Panodra TCO 자료만을 위성의 검증 비교 분석에 사용함으로써 구름의 영향을 제거하고자 하였다. Fig. 7은 음의 이상치가 관측된 2013년 6월 29일 사례의 서울지역에서 관측된 Pandora TCO (검정 사각형) 일 변화를 나타내며, 동일 위치에 설치되어 있는 Brewer 분광 광도계에서 측정된 TCO 관측 (파랑)과 함께 살펴보았다. 서울 기상대에서 1시간 간격으로 관측된 구름 운량정보를 그림 하단에 원으로 제시하였다. 부가적으로 Brewer TCO는 직달일사법(Direct Sun method, DS)과 천정 산란 일사법(Zenith Sky method, ZS) 두 방법을 이용하여 SZA에 따라 정해지는 관측 스케쥴에 따라 자동으로 관측되며, 하루동안 약 20번 정도 관측이 수행된다. 관측동안 태양방향에 대해서 구름의 영향으로 충분한 직달 일사량이 부족한 경우 DS 관측은 수행되지 않고 ZS 관측만 수행하게 된다. 그림에서 9 시부터 11시 사이의 Pandora TCO는 320 DU ± 10 DU 로 거의 일정 하지만, 12-15시에 갑자기 60 DU 이상 증가된 370 DU가 관측된다. 이 때 서울 기상대에서 관측된 구름 운량은 평균 3-5 옥타 관측되었으며, Brewer ZS 관측은 수행된 반면, Brewer DS 관측은 수행되지 않은 것으로 판단컨대 이 시간에 구름이 존재하였음을 예상할 수 있다. 그림에서 OMI와 OMPS는 각각 녹색과 빨강원으로 표시되었으며, 각 위성 센서로부터 관측된 TCO 는 332.8 DU와 337.9 DU 그리고 CF는 0.23와 0.1이다. 높은 음의 Bias의 발생빈도가 OMPS-Pandora RD결과에서 높은 이유는 OMI 위성에 시공간 일치된 Pandora TCO (녹색 빈원, Collocated Pan-OMI TCO)는 CF를 이용한 구름 필터링으로부터 이 자료가 분석에 제외되는 반면, OMPS 위성에 시공간 일치된 Pandora TCO (빨강 빈원, Collocated Pan-OMPS)는 구름필터링으로 제외되지 않고, OMPS TCO 비교 분석에 사용되기 때문에 이로부터 -30 DU 차이가 발생한다. Fig. 8은 2013년 6월 29일에 MODIS 센서로 관측된 RGB 영상, OMPS CF 그리고 OMI CF 공간분포를 나타낸다. 공간해상도(1 × 1 km²)가 뛰어난 MODIS RGB 영상에서는 서울지역에 구름이 존재하는 것을 확인 할 수 있지만, 공간해상도가 커짐에 따라 OMI는 구름운량이 0.23 그리고 OMPS는 0.12로 구름탐지가 떨어진다. 따라서 관측 공간 해상도 차이에 의해서 OMPS가 OMI보다 구름의 영향을 적절히 제거하지 못하였기 때문에 음의 편차가 발생하는 비율이 OMI보다 크게 된다. CF의 경계 조건을 0.1로 조절 하였을 때, OMI-Pandora RD는 크게 변화가 없지만 OMPS-Pandora RD의 분포에서는 큰 음의 이상치가 발생하는 것이 줄어 드는 것을 확인 할 수 있다(Fig. 9). 따라서 향후, Pandora TCO 자료를 위성자료 비교 검증에 활용할 경우, 위성 공간 해상도를 고려하여 구름필터링 경계조건을 선정할 필요가 있다.

Fig. 7. Comparison of Pandora (black) with Brewer DS (filled blue diamond) and Brewer ZS (blue triangle) from one day on June 29, 2013. The OMPS (filled red circle) and OMI (filled green circle) overpass observation are also shown. The empty red and green circle represents that Pandora TCO data averaged over a 15 minute interval centered on the OMPS and OMI overpass time, respectively. At the bottom of the figure, the circle symbols indicate observed cloud fraction at the Seoul station.

Fig. 8. MODIS RGB image and cloud fraction from OMPS and OMI on June 29, 2013.

Fig. 9. (Left) Histogram of the OMPS-Pandora TCO and OMI-Pandora TCO for cloud fraction (CF) < 0.2 in Seoul and Busan. (Right) Histogram of the OMPS-Pandora TCO and OMI-Pandora TCO for CF < 0.1.

부가적으로 OMPS-Pandora TCO 사이의 Bias가 다른 외부요인에 의한 의존성을 갖는지를 확인하기 위해서 위성에서 측정된 SZA과 OMPS TCO, Cross track position(CTP), 그리고 계절에 대한 차이를 분석하였다(Fig. 10). 그림에서 계산된 평균 Bias가 각 계급(class)의 대표성을 가지는 것을 나타내기 위해 표본의 수가 20개 이상인 것을 검정색, 20개 미만인 것을 흰색으로 나타내었다. 각 변수들에 대한 OMPS-Pandora Bias는 서울과 부산에서 각각 2~6% 와 2~4% 범위에서 관측되었다. 이 Bias는 SZA가 증가함에 따라 증가하는 경향성이 보이는 반면, TCO가 증가함에 따라 뚜렷하게 감소하였다. 그러나 이 경향성은 Bias의 표준편차의 크기보다 작기 때문에 유의미하지 않는 경향성으로 생각된다. CTP에 대한 OMPS-Pandora bias는 서울과 부산에서 각각 3.98%와 2.79%로 일정하였다. 이것은 Seftor et al. (2014) 연구를 바탕으로 수행된 OMPS Level-1B 자료 보정이 효과적이었음을 보여준다. 또한 Pandora 표준 오존산출 알고리즘은 225 K로 고정된 오존흡수 계수를 사용하기 때문에 성층권의 온도가 변함에 따라 측정 오차가 발생할 수 있다. 반면에 OMPS TOMS 알고리듬은 주어진 위치에서 계절에 따라 변하는 온도 기후 값으로 산출된 오존을 보정하기 때문에 OMPS-Pandora는 계절에 따른 systematic한 bias를 가질 것이라고 예상되었다. 하지만 계절에 따른 OMPS-Pandora bias는 서울과 부산에서는 4.07%와 2.79%의 일정한 bias를 보여주었다. 이러한 결과는 Herman et al. (2015) 이 사용한 Pandora 오존 알고리듬의 온도보정 과정을 고려한 보다 추가적인 연구가 필요하다는 것을 의미한다.

Fig. 10. Dependence of OMIPS-Pandora relative mean differences on (a) OMPS SZA, (b) OMPS TCO, (c) OMPS crosstrack position and (d) months. The gray lines represent one standard deviation.

4. 결론

본 연구는 위성 자료가 다양한 변수들에 의존성을 갖지만, 지상관측 지점에 대해서 일관성이 있는 관측 자료를 제공한다는 특성을 이용하여, OMI 위성자료를 이용하여 GEMS 산출물의 표준 검증 자료로 이용될 예정인 서울과 부산에서 관측된 Pandora 자료의 품질 검증을 수행하였다. 그 결과 분석 기간 동안의 두 지역에서 측정된 TCO 비교에서 2.6%의 일정한 bias를 보인 반면, 서울 지역에서 Pandora #29 기기로 측정된 자료의 정확 도에 문제가 있음을 밝혔다. 이러한 결과는 위성자료를 이용한 지상검증이 향후 지상 검증자료의 역검증방법 에도 활용될 수 있음을 의미한다. 앞서 검증된 Pandora TCO 자료를 이용한 OMPS TCO의 검증 분석 결과는 OMI와 상응하는 통계적 결과를 보였다. OMPS TCO는 Pandora TCO 값에 비해 약 4%의 양의 편차(bias)를 보이 지만 이 차이는 위성 오존 측정에 영향을 주는 다양한 변수들 때문에 발생한 것이 아니라 두 기기의 systematic 차이에 의해 기인된 결과이다. 한편 Pandora TCO는 구름이 존재하는 경우 관측 정확도에 영향을 받기 때문에 자료를 적절히 보정해주는 절차가 요구된다. 이 연구는 GEMS 산출물의 검증자료 예비 연구로서 위성 오존 자료의 오류 및 불확실성 분석을 새로운 방법을 제시함으로써 향후 GEMS 오존 자료의 품질을 이해하는데 도움이 될 수 있을 것이다.