GEO-KOMPSAT-2A AMI Best Detector Select Map Evaluation and Update

천리안위성2A호 기상탑재체 Best Detector Select 맵 평가 및 업데이트

Abstract

GEO-KOMPSAT-2A (GK2A) AMI (Advanced Meteorological Imager) Best Detector Select (BDS) map is pre-determined and uploaded before the satellite launch. After the launch, there is some possibility of a detector performance change driven by an abrupt temperature variation and thus the status of BDS map needs to be evaluated and updated if necessary. To investigate performance of entire elements of the detectors, AMI BDS analyses were conducted based on a technical note provided from the AMI vendor (L3HARRIS). The concept of the BDS analysis is to investigate the stability of signals from detectors while they are staring at targets (deep space and internal calibration target). For this purpose, Long Time Series (LTS) and Output Voltage vs. Bias Voltage (V-V) methods are used. The LTS for 30 secs and the V-V for two secs are spanned respectively for looking at the targets to compute noise components of detectors. To get the necessary data sets, these activities were conducted during the In-Orbit Test (IOT) period since a normal operation of AMI is stopped and special mission plans are commanded. With collected data sets during the GK2A IOT, AMI BDS map was intensively examined. It was found that about 1% of entire detector elements, which were evaluated at the ground test, showed characteristic changes and those degraded elements are replaced by alternative best ones. The stripping effects on AMI raw images due to the BDS problem were clearly removed when the new BDS map was applied.

천리안위성2A호 기상탑재체 AMI(Advanced Meteorological Imager) 센서 검출기의 최상의 요소들로 구성된 Best Detector Select (BDS) 맵은 발사 전 확정되어 AMI에 업로드 되어 있다. 위성 발사 이후 급격한 온도 변화 환경에 노출되면 검출기의 성능에 변화가 생길 수 있으며, 발사 및 탑재체 아웃개싱 이후에 BDS맵의 성능을 다시 분석하고 필요시 업데이트가 필요하다. 검출기 요소 전체에 대한 성능을 검증하기 위한 분석 작업이 탑재체 개발업체(미 L3HARRIS사)가 제공한 BDS맵 분석 기술 문서를 기반으로 진행되었다. BDS맵 분석이란 탑재체 검출기가 기준 목표물(심우주와 탑재체 내부 보정 타겟)을 응시하는 동안 얼마나 안정적인 신호를 보이는 지를 평가하는 것이다. 이러한 목적으로 LTS(Long Time Series) 및 V-V(Output Voltage vs. Bias Voltage)라 부르는 검증법이 이용된다. LTS는 30초 동안, V-V는 2초 동안 목표물을 응시하고 이 때의 검출기 노이즈 성분을 계산한다. 자료를 획득하기 위해서는 탑재체의 운영을 멈추고 특별 관측을 실시하여야 하기 때문에, 정상 운영 전인 궤도상 시험기간 중에 해당 작업이 이루어지게 된다. 천리안위성2A호 기상탑재체 궤도상 시험 기간 동안 획득한 자료를 바탕으로 BDS맵의 상태를 평가하였다. 발사 전 지상 시험에서 평가된 BDS맵의 전체 성분들 중에 약 1%에 해당하는 요소들이 성능 변화를 보였으며, 이를 다른 요소들 중 최상의 성능을 보이는 성분으로 교체하였다. 새로운 BDS맵을 적용한 결과 BDS문제로 인해 야기된 기상탑재체 원시영상에 나타나는 노이즈 성분(줄무늬)이 완전하게 제거되었다.

1. 서론

천리안위성2A호(Park et al., 2013)에는 차세대 고성능 기상 탑재체인 AMI(Jin and Park, 2020)가 장착되어 있다. AMI는 GOES-16 위성의 ABI(Advanced Baseline Imager) 및 Himawari-8/9 위성의 AHI(Advanced Himawari Imager) (Okuyama et al., 2015)와 거의 유사하게 설계 및 제작되었으므로 이에 대한 상세한 정보는 ABI관련 논문들(Griffith, 2016; Schmit et al., 2017; Yu et al., 2017; Kalluri et al., 2018)을 참조하기 바란다. AMI기상탑재체 의검출기는 2차원 배열로 되어 있으며, 전체 16개 채널에 걸쳐 대략 70000개의 검출기 성분을 가진다. 이들 검출기 요소들 중 10%에 해당하는 약 7000개가 실제 영상 촬영 시 이용된다. 검출기의 각 행에 대해 열 성분들 중 최상의 성능을 보이는 한 개의 열 성분인 BestDetector Select(BDS)가 선택되어 활용된다(Fig. 1). 가시 채널 3개(VIS0.4, VIS0.5, VIS0.6) 의 경우는 선택할 수 있는 3개의 열 성분을 가지며, 이들을 제외한 나머지 AMI13개 채널의 경우, 선택할 수 있는 열 성분은 총 6개이다. 즉, 내부적으로 2차원 배열로 구성된 검출기 중 실제 운영상 쓰이는 것은 1차원 배열이 된다. 최상의 요소들로 구성된 검출기 BDS 맵은 발사 전 지상시험을 통해 결정되어 탑재체 내장 메모리에 저장된다. 발사 후 위성의 아웃개싱(위성체나 탑재체 등에 남아 있는 가스 형태의 오염물질이나 수증기 등을 제거하기 위해 일정기간 고온을 유지하는 작업)이 이루어진다. 이과 관련하여 탑재체의 검출기 초점면 배열이 고온에서 저온으로 냉각되는 과정을 거치는 동안 검출기 성분의 변화가 발생할 가능성이 생긴다. 이 때문에 발사 후 검출기 BDS 맵의 상태를 다시 분석하게 되며, 문제가 발견되면 선택되지 않은 요소들 중에서 최상의 성분으로 대체하게 된다.

Fig. 1. GK2A AMI detector array and BDS map (Adopted from Kalluri et al., 2018).

2. 연구방법

BDS맵 분석은 AMI 탑재체 전체 검출기 성분(약 70000개)에 해당하는 모든 행과 열 성분에 대한 상태를 점검하는 작업이다. 복사에너지 제로(0)값에 해당하는 심우주 관측과 고온의 복사에너지 기준을 제시하는 내부보정타겟(흑체 복사체)를 목표물로 하여, 검출기 2차원 배열의 각 행에 대해 열성 분의 상태를 검사한다. 첫 번째 LTS(Long Time Series) 분석은 상대적으로 긴 시간(~30초)동안 목표물을 응시하는 관측을 하게 된다. 이 시간 동안 검출기의 상태를 확인하기 위해 노이즈 성분을 판별할 수 있는 파라미터들: 1) Noise Ratio, 2) Smoothed Ratio, 3) Pseudo Range를 계산한다. 그 다음 계산 값이 적절한 범위 내에 드는지를 판별하고, 허용범위 내의 건강한 검출기 요소들 중 순위를 결정하여 최상의 상태를 나타내는 성분을 BDS로 결정한다. Noise Ratio, Smoothed Ratio 및 Pseudo Range의 물리적인 의미를 아래에 간단히 설명하였다. 각각의 파라미터에 대한 상세한 계산과정과 이들 값의 적정 범위 결정은 탑재체 제작사(L3HARRIS)의 기술문서를 바탕으로 하였다.

1) Noise Ratio

Noise Ratio는 중간 값 보정한 검출기 샘플들에 대한 표준편차 값을 열 성분들의 표준편차 중간 값으로 나누어 준 값을 나타낸다. 이 때 중간 값 보정이란 매우 크거나 작은 값들에 의한 편향성을 고려하며 평균값 대신 중간 값을 취하고 관측값에서 이 값의 차이(노이즈 성분)를 구하는 것을 의미한다.

2) Smoothed Ratio

Smoothed Ratio는 중간값 보정한 검출기 샘플들을 두 번의 평활(smoothing)을 수행한 뒤에 표준편차 값으로 정규화한 값을 나타낸다. 평활의 목적은 일반적인 노이즈 성분은 제거하면서 데이터의 중요한 패턴은 포착하기 위함이다.

3) Pseudo Range

Pseudo Range는 중간 값 보정한 검출기 샘플들의 분포에서 최소 5%와 최대 95% 범위에 해당하는 Digital Counts 값들의 차이를 의미한다. 즉, 중간값 보정한 데이터가 적정분포 범위에 속하는지의 여부를 검사하는 것이다.

두 번째, V-V(Output Voltage vs. Bias Voltage) 방법은 2초 동안 기준 목표물들을 응시하며, 입력된 편향 레벨 (Bias Level)에 대한 상대적인 반응도(Relative Response)의 비율(각 Bias  level에서의 평균적인 검출기 반응도 기준값에 대한, 같은 Bias Level에서의 평균적인 검출기 반응도 실제 측정값의 비율)를 점검하게 된다. 기준값에 대한 반응 비율이 일정 기준을 벗어나는 경우(4% 이상 높거나 낮을 경우) 검출기의 상태가 좋지 않은 것으로 추정한다.

Fig. 2는 BDS맵 분석을 위한 흐름도를 나타낸다. 두 가지 방법(LTS와 V-V)을 적용하기 위해 위성을 통해 AMI 탑재체에 특별명령을 전송하고, 분석을 위한 자료(Full stack of LTS and V-V  data sets)를 수집한 뒤 검출기 요소들의 노이즈 성분을 판별하기 위한 파라미터들을 계산한다. 먼저 허용치를 벗어나는 좋지 않은 요소들을 걸러내고 남은 요소들 중에 순위를 정하여 그 중에서 가장 성능이 좋은 것을 선정한다.

Fig. 2. BDS Map Analysis and Update Flow Chart.

3. 연구결과

Fig. 3은 LTS방법으로 구한 검출기의 노이즈 성분을 나타내는 세 가지 파라미터를 보여준다. 54번째 행 성분에 대해 6개의 열 성분별 세 가지 파라미터의 값들이 나타나 있다. 우선 Noise Ratio의 경우 2번째와 4번째 열 성분이 허용치 범위를 벗어나므로 빨간색으로 표시하였다. 그 외의 4개 열 성분은 정상 범위이며, 다른 2개의 파라미터(Smoothed Ratio와 Pseudo Range)의경우는모 든 6개의 열 성분이 정상 범위 내에 있음을 확인하였다. 다음 단계는 선택 가능한 열 성분 중에 최상의 검출기 성분을 선정하는 것이다. 일단 Noise Ratio에서 높은 노이즈 성분을 보이는 2개의 성분(2번째와 4번째 열 성분)을 제외하고 나머지 4개의 성분 중에 최상의 요소를 선택하기로 한다. 예를 들어 Smoothed Ratio의 경우는 1번 열이 Pseudo-Range의 경우는 5번째의 열이 제일 양호한(낮은) 값을 보인다. 하지만 5번째 열 성분의 경우 Smoothed Ratio 값이 상대적으로 높다. 따라서 가장 적합한 선택은 1번 열을 선택하는 것이다. 3번의 열의 경우도 Smoothed Ratio와 Pseudo  Range 값이 낮으므로(양호하므로) 선택할 수 있으나, 좋지 않은 열 성분들(2번째와 4번째)의 사이에 위치하므로 피하는 것이 합리적인 선택이다.

Fig. 3. Computation of noise-related parameters (Noise Ratio, Smoothed Ratio, Pseudo Range) and screening/ flagging from LTS method.

Fig. 4는 V-V 방법에 의해 산출된 상대적인 반응도(Relative Response) 값을 계산한 표이다. LTS방법과 마찬가지로 각 행에 대해 선택 가능한 열 성분(총 6개)의 반응도 값을 나타낸다. 아래 예의 경우 Bias Level 16가지에 대해 상대적인 반응도를 보는 기준이 Level5이므로 값이 1을 나타내며 V5를 기준으로 좌우의 요소들의 상대 반응도 비율을 살펴본다. 세 번째 열의 경우 V4를 제외한 모든 Bias Level에 대해 기준값에 대한 측정 Bias 값이 4%를 벗어나므로 빨간색 표시를 하였다. 두 번째 열의 경우도 V9~V16의 상대 반응도 값이 높게(>4%) 나타나 빨간색이 표시되었다. 다른 열(1번과 4~6번)은 특별히 높은 상대 반응도 값이 없으므로 모두 통과되었다. V-V 방법의 경우 통과한 양호한 열 성분들 중에 순위를 결정하기는 쉽지 않은데 이유는 값들의 차이가 크게 나지 않기 때문이다. 따라서 LTS와 V-V 두 방법에 의한 결과를 동시에 보고 최종 BDS를 결정하여야 한다.

Fig. 4. Computation of noise-related parameter (Relative Response) and screening/flagging from V-V method.

BDS 분석 및 업데이트를 위한 기본적인 방법은 앞서 설명한 LTS와 V-V 분석법을 적용하여 노이즈 성분이 과도한 요소들을 가려내고, 안정된 시그널을 보이는 요소들 중에 최상의 것을 선택하는 것이다. 이에 덧붙여 보조적으로 이용할 수 있는 또 하나의 분석법이 있다. 이는 AMI 실시간 데이터 처리 시스템인 DPS(Data Pre- processing Sub-system)에서 획득한 내부 흑체 타겟(ICT) 관측값(매 10분마다 획득됨)의 Raw Digital Counts 값을 검사하는 것이다. Fig. 5(a)와 Fig. 6(a)는DPS를통해얻 은 IR6.9와 IR7.3채널의 300여개 검출기 요소들의 내부 흑체 관측시의 Digital Counts 값을 보여준다. 각 행마다 선택된 BDS의 열이 보여주는 값을 단순히 그려본 것인데 IR6.9채널의 경우 1개, IR7.3채널의 경우는 2개의 특이값(Outlier)이 관측된다. 직관적으로 이들 특이값들은 비정상적인 성분으로 판단할 수 있으므로, 계산해놓은 BDS맵 분석표(LTS 및 V-V 방법이 적용되어 계산된)를 보고 선택된 열 성분의 상태를 재분석한다. 이때 현재 선택된 열 성분이 다른 성분에 비해 성능이 좋지 않을 경우 최상의 성분으로 교체하면 된다. 새로운 요소들로 그린 그림(Fig. 5(b) 와 Fig. 6(b))에서는 더이상 특이값이 보이지 않는다. BDS맵 분석에 이들 3가지 방법 (LTS, V-V and ICT Outlier)을 모두 적용하는 것이 성능이 저하된 요소를 찾아내고 최상의 성분을 선택하여 BDS 맵을 업데이트하는 데에 가장 효과적이다.

Fig. 5. Removal of outliers based on raw digital counts analysis (IR69 channel): (a) with outliers, (b) without outliers.

Fig. 6. Removal of outliers based on raw digital counts analysis (IR73 channel): (a) with outliers, (b) without outliers.

Fig. 7은 IR13.3채널의 BDS 맵 분석을 통해 기존의 맵에서 업데이트된 요소들(열 성분)을 보여준다. 첫 번째 열(제목: Row)은 업데이트된 행 번호를 나타내며, 두 번째 열(제목: Column)은 기존의 선택된 열 성분의 번호를, 세 번째 열(제목: NewColumn)은 업데이트된 열 성분을 나타낸다. 그리고 마지막 열(제목:Notes)에는 어떤 방법을 적용하여 BDS 맵이 업데이트 되었는지를 나타낸다. 예를 들어 그림에서 21번 행의 경우 기존의 BDS는 4번재 열 성분이었는데 V-V 및 LTS 분석을 통해 2번째 열 성분으로 교체되었음을 의미한다. 95번째 행의 경우 Raw digital counts 값이 상치 분석(ICT Outlier)을 통해 2번째 열이 5번째 열로 대체되었음을 나타낸다. 이러한 AMI 탑재체 BDS 맵 분석은 위성의 궤도상 시험기간 동안 수차례에 걸쳐 이루어졌으며, 이를 통해 AMI 전체 검출기 성분 중 약 1%에 해당되는 요소들의 성능변화를 확인하고 이를 대체한 새로운 BDS맵을 확정하여 정상 운영 전 최종 업데이트하였다.

Fig. 7. Example of an updated BDS Map (AMI 13.3 μm Channel, Side 2).

Fig. 8은 AMI 탑재체 BDS맵 업데이트 이후 영상의 변화를 보여주는 그림이다. Level0 영상에서 나타나는 줄무늬(주위의 다른 검출기 성분들에 비해 상대적으로 현저히 높거나 낮은 digital counts 값으로 인해 나타나는 현상)가 BDS맵 업데이트 이후에는 완전히 사라졌음을 알 수 있다. 아래 Fig. 9는 Level1A영상의 BDS맵의 적용 전(위)과 후(아래)의 그림이다. Level0 영상과 마찬가지로 줄무늬가 제거된 모습을 볼 수 있다. BDS 맵 문제와 관련된 영상의 경우 일반적인 노이즈 제거 효과를 볼 수 있는 Leve1A 처리 과정(복사보정)을 거친 후에도 줄무늬가 남아있게 된다. 원시 영상의 줄무늬를 제거하는 일반적인 영상처리 방법(예, 노이즈 정규화 처리 등)과 달리 BDS 맵 분석 및 업데이트를 통해서는 검출기 레벨에서 물리적으로 다른 검출기 성분을 선택함으로써 문제의 원인을 근본적으로 제거하여 해결할 수 있다.

Fig. 8. BDS Map update effect of AMI Level 0 data: before (top) and after (bottom) the new BDS Map upload.

Fig. 9. BDS Map update effect of AMI Level1A data: before (top) and after (bottom) the new BDS Map upload.

4. 결론

천리안2A호위성발사(2018.12) 후 기상 탑재체 검출 성분 중 최상의 상태를 보이는 요소들로 구성된 배열인 BDS 맵의 상태를 분석 및 평가하고 BDS맵 업데이트 작업을 수행하였다. LTS 및 V-V분석법을 기본으로 AMI 탑재체 16채널의 전체 검출기 상태를 점검하였다. 추가적으로 DPS를 통해 획득된 내부보정 타겟의 원시디지털카운트 값들의 주위 성분들과의 상대적인 값 차이를 통한 이상치 분석도 수행하였다. 분석결과 AMI 탑재체 검출기 전체성분 중 약 1% 정도의 요소들에서 성능변화가 나타났으며, 성능이 좋은 다른 최상의 요소로 대체하여 BDS 맵을 업데이트하였다. 위성 발사 후의 기상탑재체는 검출기 성분의 변화(특히 아웃개싱 이후의 온도 변화에 따른 검출기의 특성 변화)를 고려하여 BDS분석 및 업데이트가 필요함을 본 연구를 통해 확인할 수 있었다. 또한 현재 AMI 탑재체 운영 중에도 이 방법을 적용하여 필요시 BDS맵의 업데이트가 가능하다.