Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

Introduction of GOCI-II Atmospheric Correction Algorithm and Its Initial Validations

GOCI-II 대기보정 알고리즘의 소개 및 초기단계 검증 결과

  • 안재현 (한국해양과학기술원 해양위성센터) ;
  • 김광석 (한국해양과학기술원 해양위성센터) ;
  • 이은경 (한국해양과학기술원 해양위성센터) ;
  • 배수정 (한국해양과학기술원 해양위성센터) ;
  • 이경상 (한국해양과학기술원 해양위성센터) ;
  • 문정언 (한국해양과학기술원 해양위성센터) ;
  • 한태현 (한국해양과학기술원 해양위성센터) ;
  • 박영제 (한국해양과학기술원 해양위성센터)
  • Received : 2021.10.05
  • Accepted : 2021.10.28
  • Published : 2021.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

The 2nd Geostationary Ocean Color Imager (GOCI-II) is the successor to the Geostationary Ocean Color Imager (GOCI), which employs one near-ultraviolet wavelength (380 nm) and eight visible wavelengths(412, 443, 490, 510, 555, 620, 660, 680 nm) and three near-infrared wavelengths(709, 745, 865 nm) to observe the marine environment in Northeast Asia, including the Korean Peninsula. However, the multispectral radiance image observed at satellite altitude includes both the water-leaving radiance and the atmospheric path radiance. Therefore, the atmospheric correction process to estimate the water-leaving radiance without the path radiance is essential for analyzing the ocean environment. This manuscript describes the GOCI-II standard atmospheric correction algorithm and its initial phase validation. The GOCI-II atmospheric correction method is theoretically based on the previous GOCI atmospheric correction, then partially improved for turbid water with the GOCI-II's two additional bands, i.e., 620 and 709 nm. The match-up showed an acceptable result, with the mean absolute percentage errors are fall within 5% in blue bands. It is supposed that part of the deviation over case-II waters arose from a lack of near-infrared vicarious calibration. We expect the GOCI-II atmospheric correction algorithm to be improved and updated regularly to the GOCI-II data processing system through continuous calibration and validation activities.

'천리안 해양위성 2호(2nd Geostationary Ocean Color Imager: GOCI-II)는 천리안 해양위성 1호(GOCI)의 후속위성으로 1개의 근자외 채널(380 nm), 8개의 가시광 채널(412, 443, 490, 510, 555, 620, 660, 680 nm), 3개의 근적외 채널(709, 745, 865 nm)의 총 12개 파장대에서 다분광 관측을 하며, 1시간 간격의 시간 해상도로 한반도 주변 동북아 해양, 1일 간격으로 반구(full disk)영역의 해양 환경 자료를 생산한다. 해색 자료처리의 첫 단계로 대기 상층 복사휘도에서 해수표면 반사도를 계산하는 대기보정을 수행하며, GOCI-II의 표준 대기보정은 GOCI 대기보정 방법에 이론적인 기반을 두고 있으며, GOCI-II에 새로 추가된 밴드 중 620, 709 nm를 이용하여 탁도가 높은 해역에서의 대기보정 성능을 향상시켰다. 본 연구에서는 GOCI-II 지상국 시스템에 구현 되어있는 대기보정 알고리즘을 우선 소개하고, 현장 측정 원격반사도 자료를 이용하여 초기단계 검증을 수행하였다. 검증은 1차적으로 대양에서 수집된 현장 자료와의 비교를 통해 수행하였으며 여기서의 대기보정 정확도는 대양 대기보정 정확도 요구범위인 청색 파장대 오차율 5% 이내의 범위를 만족시켰다. 그러나 연안의 해양관측타워에 설치된 무인 관측장비인 AERONET-OC로 수집된 원격반사도 자료를 이용한 추가적인 검증결과에서는 대양과 달리 높은 오차율을 보여주었다. 연안에서의 대기보정 정확도는 추후 추가적인 근적외 파장대 대리교정을 통해 보완이 가능할 것으로 보이며, 지속적인 검보정 활동을 통해 수집된 현장자료들을 이용할 경우 연안뿐 아니라 전체적인 대기보정 성능 향상이 가능할 것으로 기대된다. 이후 검보정 활동을 통해 개선된 대기보정은 주기적으로 GOCI-II 지상국 시스템에 반영하여 재처리 및 재 배포를 수행할 예정이다.

Keywords

1. 서론

세계 최초의 정지궤도 해색 위성인 천리안 해양 위성 (GOCI: Geostationary Ocean Color Imager)은 2010년 6월부터 2021년 3월까지 성공적으로 운영되며 타 극궤도 해색위성들이 1~2일 주기로 한 장소를 방문하며 전 지구를 관측하는 것과 달리 GOCI는 한반도를 포함한 동북아해역의 해양 환경을 정지궤도에서 1시간 간격으로 관측하였다. GOCI의 후속 임무인 천리안 해양 위성 2호(GOCI-II)는 2020년 2월 발사되어 8개월 간의 궤도상 테스트를 거쳐 2021년 10월부터 현재까지 운영되어 오고 있으며 250 m의 해상도로 매일 오전 8시부터 오후 5시까지 하루 10회 동북아해역을 촬영하고, 하루 1회 반구(full disk)영역을 촬영한다. 기존 GOCI의 경우 6개의 가시광 파장대인 412, 443, 490, 555, 660, 680 nm 밴드와 2개의 근적외 파장대 745, 865 nm로 해양을 관측하였으며, GOCI-II에서는 4개의 추가 밴드(380 nm, 510, 620 nm, 709 nm)를 이용하여 대기보정 뿐 아니라 해양 환경 추정 정확도를 향상시킬 수 있게 되었다.

GOCI-II를 이용하여 해양의 엽록소-a, 부유사농도, 또는 유색 용존유기물등(CDOM)의 환경 정보를 추정하기 위해서는 해수의 정확한 색 정보인 해수표면 반사도(ρwn)나 원격반사도(remote-sensing reflectance: Rrs)를 분석해야 한다. 그러나 위성궤도인 대기상층(top-ofatmosphere: TOA)에서 관측된 복사휘도 영상에서는 대기광 복사 휘도가 대부분을 차지하며 순수 해수의 색 정보를 담고 있는 휘도는 전체 휘도의 10% 미만이다. 이처럼 위성에서 관측된 TOA 복사 휘도 영상에서 해수표면반사도나 원격반사도를 추정해 내는 과정을 대기보정이라고 한다. 대기 복사 휘도의 크기가 해수 복사 휘도보다 10배 이상 크기 때문에 1%의 대기 복사 휘도 오차는 10%이상의 해수표면반사도 추정오류를 일으킨다 (Eplee et al., 2001). 이러한 이유로 위성기반 해색원격탐사 임무는 높은 대기보정 정밀도를 요구하고 있으며 대기보정 알고리즘의 개발이 전체 해색 알고리즘 개발 중 큰 부분을 차지하고 있다.

본 논문은 GOCI-II 지상국 시스템에 구현되어 실제 배포자료에 적용될 GOCI-II의 표준 대기보정 알고리즘에 대해 기술하고 있다. GOCI-II의 대기보정 알고리즘은 GOCI 대기보정 알고리즘(Ahn et al., 2012; Ahn et al., 2015; Ahn et al., 2016)에 이론적인 기반을 두고 있으며 GOCI-II에 추가된 620, 709 nm 밴드들을 이용하여 탁도가 높은 해역에서의 정확도를 기존보다 향상시켰다 (Ahn et al., 2020).

마지막으로 본 연구에서는 GOCI-II 대기보정의 정확도를 평가하기 위하여 선박을 통해 수집된 현장 측정 자료를 통해 대기보정 최종 산출물인 원격반사도(Rrs)의 정확도를 우선적으로 검증하였고 연안 해양관측타워에서 수집된 현장 Rrs 자료와의 비교를 통해 추가적인 검증을 수행하였다

2. 천리안 해양 위성 2호의 대기 보정 알고리즘

1) 대기보정 알고리즘

대기상층(TOA)에서 대기보정을 통해 표층에서 대기의 영향이 없는 해수 반사도(ρwn)을 계산하기 위해서 는 우선 파장(λ)에 대한 대기상층 위성관측 복사 휘도(LTOA)를 가스 흡광이 보정된 대기상층 반사도(ρTOA)로 다음의 수식을 통해 변환해준다.

\(\rho_{T O A}(\lambda)=\frac{\pi L_{T O A}(\lambda)}{t_{g}^{s}(\lambda) t_{g}^{V}(\lambda) F_{0}(\lambda) \cos \left(\theta_{s}\right)}\)       (1)

여기서 \(t_{g}^{s}\)와 \(t_{g}^{v}\)는 각각 오존, 이산화질소, 수증기 등 대기 중의 미세가스 흡광에 의한 상향 및 하향 투과도, F0는 지구-태양의 거리가 고려된 태양상수, θs는 태양 천정각이다.

대기상층 반사도 ρTOA는 ρwn뿐 아니라 대기 광 산란 (ρr + ρam), 해수표면 태양광 직접 반사(ρg), 백파(ρwc) 등으로 구성되며 이를 수식으로 표현하면 다음과 같다.

\(\begin{aligned} \rho_{T O A}(\lambda)=& \rho_{r}(\lambda)+\rho_{a m}(\lambda)+t_{d}^{v}(\lambda) \rho_{g}(\lambda)+t_{d}^{v}(\lambda) t_{d}^{s}(\lambda) \\ &\left\{\rho_{w n}(\lambda)+\rho_{w c}(\lambda)\right\} \end{aligned}\)       (2)

여기서 \(t_{g}^{s}\)와 \(t_{g}^{v}\)는 각각 대기에 의한 빛의 하향 및 상향 확산 투과도, \(t_{d}^{v}\)는 빛의 직접 투과도이다.

대기분자 광 산란 반사도(ρr)의 경우 시공간적으로 대기분자입자의 농도나 종류가 크게 변하지 않기 때문에 위성-태양 기하 각, 표층 풍속, 대기압 정보만 있으면 복사전달 시뮬레이션을 통해 1% 이하의 오차율로 계산이 가능하다(Gordon et al., 1988; Gordon and Wang, 1992; Wang, 2002, Wang, 2005). 태양광 직접 반사(ρg)의 경우 Cox와 Munk 모델(Cox and Munk, 1954) 모델을 사용했으며, \(t_{d}^{v}\)는 단일 광 산란 분석적 모델(Gordon et al., 1983)을 사용하였다. 확산 투과도 \(t_{d}^{v}\)와 \(t_{d}^{s}\)의 경우 단일 광 산란 분석적 모델의 적용이 일반적이지만 GOCI-II의 경우 정확도 향상을 위해 복사전달 시뮬레이션 결과를 사용한다. 에어로졸 반사도(ρam)의 경우 시공간적으로 에어로졸의 종류 및 농도가 크게 달라지기 때문에 위성영상에서 화소 별로 이들을 추정하고 다시 복사전달 시뮬레이션을 통해 모든 가시광 파장대의 에어로졸 반사도를 계산한다. 일반적인 해수의 경우 근적외(near infrared: NIR) 파장대에서 해수의 강한 흡광 특성으로 인해 ρwn가 0에 가까우며(black pixel assumption: BPA) ρam(NIR) 는 ρTOA(NIR) – ρr(NIR)라 가정할 수 있다. 두 NIR 파장대의 ρam 값을 입력으로 하는 복사 전달 역산 모델을 이용하여 에어로졸의 종류와 농도를 추정할 수 있으며 다시 이를 입력으로 하는 가시광 파장대 복사 전달 시뮬레이션을 적용하여 가시광 파장대 ρam 값들을 계산한다. GOCI-II의 경우 에어로졸 반사도 계산을 위해 에어로졸 다중 산란 반사도 분광 상관관계 모델(Ahn et al., 2016)을 사용한다. 이 방법은 역산모델의 잔류오차가 National Aeronautics and Space Administration (NASA)의 대기보정 방법(Gordon and Wang, 1994; Wang and Gordon, 1994), European Space Agency (ESA)의 방법(Antoine and Morel, 1999), 혹은 Japan Aerospace Exploration Agency (JAXA)의 방법(Fukushima et al., 1998)보다 적게 발생하며 전체적인 에어로졸 반사도 계산 정확도가 향상되는 장점이 있다(Ahn et al., 2018).

한반도 연안 및 황해의 경우 해수의 부유사 농도가 높아지며, 이 부유사들의 상대적으로 강한 광 역산란 특성에 의해 BPA가 유효하지 않을 수 있다. 이처럼 해수의 탁도가 높을 경우 Fig. 1과 같이 NIR 파장 해수 반사도 모델과 에어로졸 반사도 모델을 기반으로 하는 반복적인 최적화 기법을 통해 ρwn(NIR)과 ρam(NIR)을 분리하는 것이 가장 일반적 방법이다(Siegel et al., 2000; Stumpf et al., 2003; Lavender et al., 2005; Bailey et al., 2010; Wang et al., 2012; Ahn et al., 2012; Lee et al., 2013; Ahn et al., 2020). GOCI-II의 경우 620, 709, 745, 865 nm 파장대의 해수 고유 광 특성(inherent optical properties: IOP) 분광 상관관계 모델(Ahn et al., 2020)을 사용하며 NASA의 대기보정 방법(Bailey et al., 2010)이나 기존 GOCI의 대기보정 방법(Ahn et al., 2012)보다 탁도가 높은 해역에서 더 정확한 결과를 산출하였다(Ahn et al., 2020).

OGCSBN_2021_v37n5_2_1259_f0001.png 이미지

Fig. 1. Flow chart of the turbid water ρwn(NIR) correction scheme for the GOCI-II atmospheric correction process. In the figure, ρTOA represents the top-of-atmosphere reflectance from satellite level, ρr represents the Rayleigh multiple-scattering reflectance in the absence of aerosols, ρam represents the aerosol multiple-scattering reflectance in the presence of air-molecules, and ρwnrepresents normalized-water reflectance at the sea surface. The terms \(t_{d}^{v}\) and \(t_{d}^{s}\) are the downward and upward diffuse transmittances, respectively.

해수 표면 아래로 투과되는 빛은 태양광 및 대기에 의한 하향 확산 광이지만 위성은 상향 확산광이 아닌 위 성방향으로의 휘도만 관측 가능하기 때문에 해수 반사도 ρwn 보다 해수원격반사도 Rrs를 더 일반적으로 사용한다. Rrs는 태양-위성 기하 각, 해수표면 거칠기, IOP에 의해 값이 달라질 수 있기 때문에 이들을 고려하여 ρwn을 Rrs로 다음과 같이 변환한다.

\(R_{r s}(\lambda)=R \frac{F}{\pi} \rho_{w n}(\lambda)\)       (3)

여기서 R은 해수 표면의 프레넬(Fresnel) 투과 관련 양방향 반사 분포 특성(Bidirectional Reflectance Distribution Function: BRDF) 보정 함수(Wang, 2006), F는 해수 속 입자들의 광 산란 방향성에 의한 BRDF 보정 함수(Morel et al., 2005)이며 이들 BRDF함수는 복사전달 시뮬레이션 기반으로 개발되었다.

마지막으로, 본 연구에서는 복사전달 시뮬레이션을 위해 Second Simulation of a Satellite Signal in the Solar Spectrum vector code (6SV)를 이용하였으며 처리속도의 향상을 위해 계산결과 및 계산에 필요한 상수 값들을 미리 조견표(look-up table)에 저장 후 내삽하여 계산하였다.

2) 시스템 대리교정

해색 원격탐사를 위해 요구하는 센서의 복사보정 오차범위는 가시광 1% 이내, 근적외 파장 5% 이내이지만, 대부분 해색 센서들의 궤도상 복사보정 정확도는 이 수준을 만족하기 어렵다(Eplee et al., 2001; Wang and Gordon, 2002). 또한 대기보정 알고리즘에 사용된 복사전달모델과 실제 위성관측 복사 휘도와의 차이도 존재하는데, 이런 복사전달모델과의 차이 및 복사보정 오차는 대기 보정의 결과에 규칙적인 오차를 발생시키게 된다. 이러한 이유로 복사보정과 대기보정 알고리즘 시스템과 실제 위성의 관측결과와의 차이를 해색 원격탐사 요구사항 수준으로 줄이기 위해 센서의 복사보정 감도(gain)을 조절해야 하는데 이를 시스템 대리교정(system vicarious calibration: SVC)이라 부른다. GOCI-II의 SVC 방법은 NASA의 해색 임무에 적용되는 방법(Franz et al., 2007)을 GOCI 관측영역에 맞게 수정한 방법(Ahn et al., 2015)을 기본적으로 따르고 있다.

Ahn et al. (2015)을 비롯한 일반적인 대리교정 방법은 NIR 밴드의 상대 복사보정을 먼저 수행하여 가시광 파장대 에어로졸 추정 정확도를 우선적으로 확보 후 가시광 파장대의 대리교정을 수행한다. 가시광 파장대의 대리교정 수행을 위해 레퍼런스가 될 수 있는 현장 혹은 타 해색 위성 Rrs를 충분히 수집하고 대기보정에 사용된 복사전달 모델을 이용하여 대기반사도 및 투과도를 산출하여 여러 상황들에 해당하는 TOA 복사 휘도(\(L_{T O A}^{vc}\))를 모의한다. 오랜 기간동안 수집된 N개의 실제 위성 관측 복사 휘도(LTOA)와 모의된 \(L_{T O A}^{vc}\)의 비율 값의 이상치 (outlier)를 제외한 평균값을 대리교정 상수(gvc = average (\(L_{T O A}^{vc}\)/LTOA)라고 하며 수식으로 표현하면 수식 (4)와 같다.

\(g_{v c}(\lambda)=\left[\sum_{n=1}^{N}\left\{\frac{L_{T O A}^{v c}(\lambda)}{L_{T O A}(\lambda)}\right\}\right] / N\)       (4)

대리교정 상수 도출에 앞서 언급해야 할 점은 아직 GOCI-II는 1년이 안 되는 짧은 운영기간에 의해 NIR 밴드 상대 복사보정에 필요한 자료를 충분히 확보하지 못하였으며, 실제 대리교정의 수행은 가시광 밴드들만을 대상으로 gvc를 수정하였다. GOCI-II SVC를 위한 레퍼런스 Rrs의 수집을 위해 본 연구에서는 대양(위경도 24.8-29.0°N, 132-142°E)에서 수집된 NASA운용 VIIRS 산출 자료를 사용하였으며, VIIRS의 분광밴드를 GOCI-II 분광밴드 Rrs로 변환해주기 위해 Morel and Maritorena (2001) 모델을 적용하였다.

본 연구에서 도출된 대리교정 상수는 380, 412, 443, 490, 510, 555, 620, 660, 680, 709, 745, 865 nm 밴드에 대해 각각 순서대로 1.020, 0.951, 0.971, 0.944, 0.971, 0.941, 0.959, 0.969, 0.985, 1.0, 1.0, 1.0 값과 같다. 이 대리교정 상수는 추후 검보정 활동을 통해 누적된 현장 수집 레퍼런스 Rrs들을 이용하여 지속적으로 업데이트될 예정이다.

3. 검증

1) 현장자료 처리 및 검증방법

대부분의 대양에서는 해수의 광특성이 식물성플랑크톤에 의한 1차 생산 활동에 지배되는 특성을 가지며 이런 해역을 1형수(case-I water)라고 하며 그 이외의 해수는 2형수(case-II water)로 구분한다(Morel and Prieur, 1977). 일반적으로 해색 알고리즘 검증이나 보정을 위해서는 지구 바다 영역의 가장 큰 부분을 차지하는 1형수에서 수집된 자료를 이용하지만 대양에서의 현장조사는 많은 비용이 발생하기 때문에 연안에서 수집된 자료를 대신 사용하기도 한다. 본 연구에서 GOCI-II 대기 보정의 검증을 위해 전형적인 1형수의 특징을 지닌 필리핀해에서 수집된 4개의 Rrs 자료를 이용하였으며, 추가적으로 연안의 해양 관측 타워에서 무인 관측장비인 AERONET-OC를 통해 수집된 자료도 사용하였다 현재 GOCI-II 관측영역 안에 있는 AERONETOC 기기들의 경우 380 nm 밴드를 지원하지 않으므로 AERONETOC를 통한 380 nm 밴드는 정확도 검증대상에서 제외되었으며 정확도를 평가하기 위한 지표로 아래의 평균 절대 오차(mean absolute percentage error: MAPE)과 평균 제곱근 오차(Root Mean Square Error: RMSE)을 사용하였다.

\(\operatorname{MAPE}(\%)=\frac{100}{K} \sum_{n=1}^{K}\left(\frac{\left|R_{r s}^{i n-\text { situ }}-R_{r s}^{G O C R}\right|}{R_{r s}^{i n-\text { situ }}}\right)\)       (5)

\(\operatorname{RMSE}=\sqrt{\frac{\sum_{n=1}^{\mathrm{K}}\left(R_{r s}^{i n-\text { situ }}-R_{r s}^{G O C R}\right)^{2}}{K}}\)       (6)

위 식에서 K는 검증에 사용된 샘플의 개수, \(R_{r s}^{i n-s i t u}\)은 참값(여기서는 현장자료의 Rrs 값) \(R_{r s}^{G O C I2}\)은 GOCI-II가 산출한 Rrs 값이다.

2) 대양에서 수집한 현장자료를 이용한 검증결과

한국해양과학기술원 해양위성센터는 2021년 7월 3일부터 15일까지 1형수 광특성을 지닌 필리핀해에서의 고정 정점(위경도 17.18°N, 131.82°E) 관측을 수행하였으며 이 기간 동안 비교검증이 가능한 4개의 현장 Rrs 분광 스펙트럼들을 수집할 수 있었다. 현장 Rrs는 TriOS-RAMSES 장비를 이용 측정 및 수집되었으며 측정방법이나 자료 처리 방법은 Moon et al. (2012) 및 Ahn et al. (2015) 방법을 적용하였다.

필리핀해에서 측정한 현장자료를 이용한 GOCI-II 대기보정의 검증결과 근자외 파장~녹색파장대인 380, 412, 443, 490, 510, 555 nm의 오차율(MAPE)는 각각 순서대로 7.5, 3.5, 3.9, 5.7, 7.7, 8.9%로 산출되었다. 그러나 적색 파장대 밴드인 620, 660, 680 nm에서의 오차율은 각각 순서대로 150.5, 167.8, 183.1%로 상대적으로 높은 오차율을 보여주었다(Table 1). 이는 필리핀해와 같이 매우 맑은 해역에서 적색 파장대의 Rrs 절대 값이 다른 밴드들보다 상대적으로 작은 것이 원인이며, 이런 이유로 대양을 대상으로 하는 대부분의 해색 알고리즘들은 청색~녹색 파장 영역까지만 주로 이용한다. 실제 620, 660, 680 nm 밴드 RMSE의 경우 순서대로 0.00066, 0.00049, 0.00048로 380~555 nm 밴드의 RMSE 평균값 0.00080보다 낮은 값을 보여주고 있다.

Table 1. Mean absolute percentage errors (MAPE), and RMSEs of GOCI-II Rrsand in-situ measurements at each wavelength of GOCI-II during a cruise in the Philippine Sea for a period of 3-15 July 2021

OGCSBN_2021_v37n5_2_1259_t0001.png 이미지

OGCSBN_2021_v37n5_2_1259_f0002.png 이미지

Fig. 2. Validation of the GOCI-II retrieved Rrsand in-situ Rrs. The red diamonds represent Rrsspectrum retrievals through the GOCI-II atmospheric correction algorithm. The gray lines represent Rrsspectra obtained from in-situ above water radiometry in Philippine Sea.

3) AERONET-OC현장자료를 이용한 검증결과

NASA는 해양 및 대기환경의 검보정을 위해 무인 관측 장비인 AERONET-OC 관측 네트워크를 운용해오고 있으며(Zibordi et al., 2006; 2009), AERONET-OC의 경우 현장에서 측정 전문가가 직접 수집한 자료와 비교하여 품질은 다소 낮을 수 있지만 무인 운영을 통해 낮은 비용으로 대량의 자료수집이 가능하다는 장점이 있다.

본 연구에서는 GOCI-II 관측영역에 포함된 AERO NET-OC 사이트들이며 2형수 광특성을 가진 소청초 해양과학기지(위경도 37.423°N, 124.738°E)와 일본의 아리아케 관측타워(위경도 33.104°N, 130.272°E)에서 수집된 레벨 2자료를 사용하였다. AERONET-OC 배포자료는 GOCI-II 대기보정 산출물인 Rrs 산출물을 포함하지 않기 때문에 AERONET-OC 자료 중 양방향 반사 분포 함수가 보정된 정규화된 수출 복사 휘도(f/Q corrected normalized water-leaving radiance: nLw)에서 태양상수 (Thuillier et al., 2003) 값을 나눠서 Rrs로 변환해 주었다. AERONET-OC 관측기기의 파장 및 분광응답특성을 GOCI-II와 맞춰주는 방법은 Ahn et al. (2015) 방법을 따르고 있다.

AERONET-OC를 통한 검증 결과 GOCI-II 대기보정 산출 결과가 모든 파장에서 현장자료 보다 Rrs를 과대 추정하고 있음을 보여주었다. MAPE의 경우 청색~녹색 파장대인 412, 443, 490, 510, 555 nm에서 순서대로 88.7, 73.6, 48.2, 61.2, 36.2%의 오차율을 보여주었지만, 필리핀해와의 검증 결과와 반대로 적색 파장대 밴드인 620, 660, 680 nm에서의 오차율은 각각 순서대로 52.5, 56.0, 33.0%로 오히려 청색~녹색 파장대보다 낮은 오차율을 보여주었다(Table 2). 이는 AERONET-OC 검증 자료가 필리핀해와는 달리 대부분 탁도가 높은 해역(660 nm의 Rrs가 0.0015 보다 큰 경우)의 자료이며, 이 경우 대기보정에서 일반적인 대기 광 산란 보정과정(Ahn et al., 2016)보다 NIR밴드에서의 탁수 영향을 보정해주는 과정(Ahn et al., 2020)이 결과에 더욱 큰 영향을 주기 때문에 맑은 해역과는 검증 결과 정확도가 크게 달라질 수 있다.

Table 2. Mean absolute percentage errors (MAPE), and RMSEs of GOCI-II Rrsand AERONET-OC measure - mentsat each wavelength of GOCI-II obtained during Oct./2020~Mar./2010. AERONET-OC sites are located at Socheongcho (124.738°E, 37.423°N) and Ariake (130.272°E, 33.104°N) observation tower, respectively

OGCSBN_2021_v37n5_2_1259_t0002.png 이미지

OGCSBN_2021_v37n5_2_1259_f0003.png 이미지

Fig. 3. Validation of the GOCI-II atmospheric correction with AERONET-OC Rrs obtained during Oct./ 2020~Mar./2010. The AERONET-OC sites are located at Socheongcho (124.738°E, 37.423°N) and Ariake (130.272°E, 33.104°N) observation tower, respectively.

4. 토의

GOCI-II 대기보정의 주 검증 대상이었던 1형수 해역에서는 일반적인 해색 원격탐사 대기보정요구 정확도 범위인 청색파장 오차율 5% 이내 수준을 만족하고 있으며 적색 파장대에서 발생하는 오차의 경우 추후 검보정을 통해 해당밴드의 대리교정 상수들을 수정하는 것으로 개선이 가능할 것으로 예상된다. 그러나 필리핀해와 같은 1형수와 달리 연안의 탁도가 높은 2형수에서는 아직 상대적으로 높은 오차를 발생하며 전체적으로 Rrs를 과대 추정하는 결과를 보여주고 있다. 앞서 언급했듯이 탁도가 높은 해역의 경우 대기보정 결과는 탁수에 의한 NIR 해수 반사도 보정 모델에 영향을 크게 받는다. 이 NIR 해수 반사도 보정모델의 경우 시뮬레이션과 현장자료를 통해 정확도 검증을 수행한바 있지만 (Ahn et al., 2020)이 모델에 사용되는 GOCI-II NIR 밴드 (709, 745, 865 nm)는 아직 대리교정을 수행하지 않았다. Wang and Gordon (2002)에 의하면 일반적인 대기보정의 경우 에어로졸 보정에 사용하는 두 NIR 밴드(GOCI-II의 경우 745와 865 nm)의 보정오차가 5%이내야 하며 실제로 오랜 운영기간동안 대리교정이 잘 수행된 GOCI와의 TOA복사휘도 비교결과에서도 약 4~5% 이내의 차이를 보여주고 있음을 확인하였다.

그러나 Nima et al. (2017)은 연안의 탁도가 높은 해역을 대상으로 관측을 수행하는 LANDSAT-8을 기준으로 NIR 밴드 대리교정 오차 민감도 분석을 다시 수행하였으며 이 경우에는 기존의 맑은 해역 기준 요구사항보다 더 엄격한 NIR 밴드 대리교정 수준이 요구됨을 확인하였다.

추후 지속적인 검보정 및 대리교정활동을 통해 GOCI-II 대기보정의 정확도를 향상시킬 수 있으며, GOCI-II와 밴드 디자인이 유사하며 이미 지난 10여 년 동안 운영되며 충분한 검보정이 수행된 GOCI 자료를 활용할 경우 GOCI-II 검보정 기간의 단축이 가능할 것으로 예상된다. 이를 위해서는 1) GOCI의 센서 감도저하까지 모두 고려하여 GOCI와 GOCI-II의 745와 865 nm 밴드 비교를 통한 대리교정을 수행, 2) Lerebourg et al. (2011) 및 Wang et al. (2016) 등의 방법을 적용하여 GOCI-II 709 nm 밴드 대리교정 수행, 3) 충분한 현장 광측정자료 및 MODIS-Aqua나 VIIRS 등의 타 해색 위성 자료를 확보하여 GOCI 감도저하까지 고려한 가시광 파장대 대리교정 수행, 4) GOCI와 GOCI-II 비교를 통한 GOCI-II 가시광 밴드 교차 대리교정 등을 수행해야 한다. 수년 간의 교차 대리교정을 통해 위성 자료 간의 연속성을 확보하는 해외의 경우와 달리 GOCI와 GOCI-II의 임무가 겹치는 기간은 GOCI-II 궤도상 테스트 기간을 제외하고 6개월 정도로 많이 부족하기 때문에 이를 극복하기 위해서도 추후 많은 연구와 노력이 필요할 것으로 보인다.

5. 요약 및 결론

본 연구에서는 천리안 해양위성 2호(GOCI-II)대기보정의 개발, 대리교정의 적용, 현장 원격반사도 자료를 이용한 대기보정의 검증에 대하여 기술하였다. GOCI-II 대기보정 알고리즘은 천리안해양위성 1호(GOCI)의 대기보정 방법(Ahn et al., 2012; Ahn et al., 2015; Ahn et al., 2016)에 이론적인 기반을 두고 있으며 GOCI-II의 신규 밴드인 620, 709 nm를 이용하여 탁도가 높은 해역에서의 정확도 향상(Ahn et al., 2020)을 도모하였다.

대기보정을 포함한 GOCI-II 전체 시스템과 실제 관측결과와의 차이를 줄이기 위해 대리교정을 수행하였고 이 방법은 GOCI에 적용된 방법(Ahn et al., 2015)과 유사하다. 그러나 GOCI-II 운영초기 시점에서는, 짧은 검보정 기간 동안 대기보정에 필요한 현장자료를 충분히 확보하기 어려우며 이를 극복하기 위해 현장자료가 아닌 대양에서 VIIRS가 산출한 Rrs 자료를 사용하여 가시광 파장대만을 대상으로 대리교정을 수행하였다.

대리교정이 적용된 대기보정 시스템은 1형수 해역인 필리핀해 및 2형수 연안해역(한국 소청초 과학기지, 일본 아리아케 관측타워)에서 수집된 현장 수집 원격반사도 자료를 이용하여 초기단계 검증이 수행되었다. 검증 결과 대양에서는 380, 412, 443, 490, 510, 555, 620, 660, 680 nm 밴드에서 순서대로 7.5, 3.5, 3.9, 5.7, 7.7, 8.9, 150.5, 167.8, 183.1%의 오차율(MAPE)을 보여주었고 이는 대양을 대상으로 하는 대기보정 정확도 요구사항을 만족하고 있다(청색 파장대에서 평균 5% 이내의 오차율). 그러나 연안에서의 정확도 검증 결과 412, 443, 490, 510, 555, 620, 660, 680 nm 밴드에서 순서대로 88.7, 73.6, 48.2, 61.2, 36.2, 52.5, 56.0, 33.0%의 오차율로 대양에서의 검증 결과보다 낮은 정확도를 보여주었는데 이는 GOCI-II의 NIR밴드 대리교정의 부재가 원인인 것으로 판단된다. 대기보정의 일반적이고 가장 중요한 과정은 대기 광 산란에 의한 영향 보정이지만 탁도가 높은 연안해역에서는 탁수에 의한 NIR 파장대 해수 반사도 영향을 보정하는 과정이 대기보정 결과를 더 크게 좌우하기 때문이다. 탁수의 영향의 보정에 중요한 역할을 하는 NIR밴드 대리교정이 수행되지 않을 경우 탁수 대기보정 과정에서 전체적으로 오차가 더 발생할 수 있으며 이는 추후 대리교정 상수 업데이트를 통해 개선되어야 할 것이다.

GOCI-II 등의 일반적인 해색 임무에서는 지속적인 검보정 활동을 통해 대리교정 계수 및 대기보정 알고리즘 업데이트를 수행하고 있다. 본 연구의 대기보정 알고리즘도 추가적으로 확보된 위성자료를 적용하여 현재 해양조사원을 통해 배포되고 있는 산출물(2021년 1월자, 배포용 버전)보다 대리교정 상수가 일부 개선된 버전이며(2021년 6월, 연구용 개선 버전) 추후 검보정을 통해 주기적으로 업데이트 내용이 자료처리 시스템에 반영되어 공지 후 재처리 및 재배포가 될 예정이다.

사사

이 논문은 한국해양과학기술원의 “해양위성센터 운영”사업, 해양수산부의 R&D 사업인 “다종위성 기반 해양 현안대응 실용화 기술 개발”, 한국연구재단의 R&D 사업인 “해색위성 기반의 광합성유효복사량 추정 및 활용 연구”의 지원을 받았으며, 이에 감사드립니다.

References

  1. Ahn, J.H., Y.J. Park, J.H. Ryu, B. Lee, and I.S. Oh, 2012. Development of atmospheric correction algorithm for Geostationary Ocean Color Imager (GOCI), Ocean Science Journal, 47(3): 247-259. https://doi.org/10.1007/s12601-012-0026-2
  2. Ahn, J.H., Y.J. Park, W. Kim, and B. Lee, 2015. Vicarious calibration of the geostationary ocean color imager, Optics Express, 23(18): 23236-23258. https://doi.org/10.1364/OE.23.023236
  3. Ahn, J.H., Y.J. Park, W. Kim, and B. Lee, 2016. Simple aerosol correction technique based on the spectral relationships of the aerosol multiple-scattering reflectances for atmospheric correction over the oceans, Optics Express, 24(26): 29659-29669. https://doi.org/10.1364/OE.24.029659
  4. Ahn, J.H., Y.J. Park, and H. Fukushima, 2018. Comparison of aerosol reflectance correction schemes using two near-infrared wavelengths for ocean color data processing, Remote Sensing, 10(11): 1791. https://doi.org/10.3390/rs10111791
  5. Ahn, J.H. and Y.J. Park, 2020. Estimating Water Reflectance at Near-Infrared Wavelengths for Turbid Water Atmospheric Correction: A Preliminary Study for GOCI-II, Remote Sensing, 12(22): 3791. https://doi.org/10.3390/rs12223791
  6. Antoine, D. and A. Morel, 1999. A multiple scattering algorithm for atmospheric correction of remotely sensed ocean colour (MERIS instrument): principle and implementation for atmospheres carrying various aerosols including absorbing ones, International Journal of Remote Sensing, 20(9): 1875-1916. https://doi.org/10.1080/014311699212533
  7. Bailey, S.W., B.A. Franz, and P.J. Werdell, 2010. Estimation of near-infrared water-leaving reflectance for satellite ocean color data processing, Optics Express, 18(7): 7521-7527. https://doi.org/10.1364/OE.18.007521
  8. Cox, C. and W. Munk, 1954. Measurement of the roughness of the sea surface from photographs of the sun's glitter, Josa, 44(11): 838-850. https://doi.org/10.1364/JOSA.44.000838
  9. Eplee, R.E., W.D. Robinson, S.W. Bailey, D.K. Clark, P.J. Werdell, M. Wang, R.A. Barnes, and C.R. McClain, 2001. Calibration of SeaWiFS. II. vicarious techniques, Applied Optics, 40(36): 6701-6718. https://doi.org/10.1364/AO.40.006701
  10. Franz, B.A., S.W. Bailey, P.J. Werdell, and C.R. McClain, 2007. Sensor-independent approach to the vicarious calibration of satellite ocean color radiometry, Applied Optics, 46(22): 5068-5082. https://doi.org/10.1364/AO.46.005068
  11. Fukushima, H., A. Higurashi, Y. Mitomi, T. Nakajima, T. Noguchi, T. Tanaka, and M. Toratani, 1998. Correction of atmospheric effect on ADEOS/OCTS ocean color data: Algorithm description and evaluation of its performance, Journal of Oceanography, 54(5): 417-430. https://doi.org/10.1007/BF02742444
  12. Gordon, H.R., D.K. Clark, J.W. Brown, O.B. Brown, R.H. Evans, and W.W. Broenkow, 1983. Phytoplankton pigment concentrations in the Middle Atlantic Bight: comparison of ship determinations and CZCS estimates, Applied Optics, 22(1): 20-36. https://doi.org/10.1364/AO.22.000020
  13. Gordon, H.R., J.W. Brown, and R.H. Evans, 1988. Exact Rayleigh scattering calculations for use with the Nimbus-7 coastal zone color scanner, Applied Optics, 27(5): 862-871. https://doi.org/10.1364/AO.27.000862
  14. Gordon, H.R. and M. Wang, 1992. Surface-roughness considerations for atmospheric correction of ocean color sensors, 1: The Rayleigh-scattering component, Applied Optics, 31(21): 4247-4260. https://doi.org/10.1364/AO.31.004247
  15. Gordon, H.R. and M. Wang, 1994. Retrieval of water-leaving radiance and aerosol optical thickness over the oceans with SeaWiFS: a preliminary algorithm, Applied Optics, 33(3): 443-452. https://doi.org/10.1364/AO.33.000443
  16. Lavender, S.J., M.H. Pinkerton, G.F. Moore, J. Aiken, and D. Blondeau-Patissier, 2005. Modification to the atmospheric correction of SeaWiFS ocean colour images over turbid waters, Continental Shelf Research, 25(4): 539-555. https://doi.org/10.1016/j.csr.2004.10.007
  17. Lerebourg, C., C. Mazeran, J.P. Huot, and D. Antoine, 2011. Vicarious adjustment of the MERIS ocean colour radiometry, MERIS ATBD 2.24, ACRI-ST, Prestons, NSW, AU.
  18. Lee, B., J.H. Ahn, Y.J. Park, and S.W. Kim, 2013. Turbid water atmospheric correction for GOCI: Modification of MUMM algorithm, Korean Journal of Remote Sensing, 29(2), 173-182 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2013.29.2.2
  19. Moon, J.E., Y.J. Park, J.H. Ryu, J.K. Choi, J.H. Ahn, J.E. Min, Y.-B. Son, S.-J. Lee, H.-J. Han, and Y.H. Ahn, 2012. Initial validation of GOCI water products against in situ data collected around Korean peninsula for 2010-2011, Ocean Science Journal, 47(3): 261-277. https://doi.org/10.1007/s12601-012-0027-1
  20. Morel, A. and L. Prieur, 1977. Analysis of variations in ocean color 1, Limnology and Oceanography, 22(4): 709-722. https://doi.org/10.4319/lo.1977.22.4.0709
  21. Morel, A. and S. Maritorena, 2001. Bio-optical properties of oceanic waters: A reappraisal, Journal of Geophysical Research: Oceans, 106(C4): 7163-7180. https://doi.org/10.1029/2000JC000319
  22. Morel, A., B. Gentili, and D. Antoine, 2005. Assessing the Atmospheric and Marine Signal from a Geostationary Orbit (part II), COMS Ocean Data Processing System Development Project (3).
  23. Pahlevan, N., J.C. Roger, and Z. Ahmad, 2017. Revisiting short-wave-infrared (SWIR) bands for atmospheric correction in coastal waters, Optics Express, 25(6): 6015-6035. https://doi.org/10.1364/OE.25.006015
  24. Siegel, D.A., M. Wang, S. Maritorena, and W. Robinson, 2000. Atmospheric correction of satellite ocean color imagery: the black pixel assumption, Applied Optics, 39(21): 3582-3591. https://doi.org/10.1364/AO.39.003582
  25. Stumpf, R.P., R.A. Arnone, R. W. Gould, P.M. Martinolich, and V. Ransibrahmanakul, 2003. A partially coupled ocean-atmosphere model for retrieval of water-leaving radiance from SeaWiFS in coastal waters, NASA Technical Memorandum, 206892, 51-59.
  26. Thuillier, G., M. Herse, T. Foujols, W. Peetermans, D. Gillotay, P.C. Simon, and H. Mandel, 2003. The solar spectral irradiance from 200 to 2400 nm as measured by the SOLSPEC spectrometer from the ATLAS and EURECA missions, Solar Physics, 214(1): 1-22. https://doi.org/10.1023/A:1024048429145
  27. Wang, M. and H.R. Gordon, 1994. A simple, moderately accurate, atmospheric correction algorithm for SeaWiFS, Remote Sensing of Environment, 50(3): 231-239. https://doi.org/10.1016/0034-4257(94)90073-6
  28. Wang, M. and H.R. Gordon, 2002. Calibration of ocean color scanners: how much error is acceptable in the near infrared?, Remote Sensing of Environment, 82(2-3): 497-504. https://doi.org/10.1016/S0034-4257(02)00072-X
  29. Wang, M., 2002. The Rayleigh lookup tables for the SeaWiFS data processing: Accounting for the effects of ocean surface roughness, International Journal of Remote Sensing, 23(13): 2693-2702. https://doi.org/10.1080/01431160110115591
  30. Wang, M., 2005. A refinement for the Rayleigh radiance computation with variation of the atmospheric pressure, International Journal of Remote Sensing, 26(24): 5651-5663. https://doi.org/10.1080/01431160500168793
  31. Wang, M., 2006. Effects of ocean surface reflectance variation with solar elevation on normalized water-leaving radiance, Applied Optics, 45(17): 4122-4128. https://doi.org/10.1364/AO.45.004122
  32. Wang, M., W. Shi, and L. Jiang, 2012. Atmospheric correction using near-infrared bands for satellite ocean color data processing in the turbid western Pacific region, Optics Express, 20(2): 741-753. https://doi.org/10.1364/OE.20.000741
  33. Wang, M., W. Shi, L. Jiang, and K. Voss, 2016. NIR- and SWIR-based on-orbit vicarious calibrations for satellite ocean color sensors, Optics Express, 24(18): 20437-20453. https://doi.org/10.1364/OE.24.020437
  34. Zibordi, G., B. Holben, S.B. Hooker, F. Melin, J.F. Berthon, I. Slutsker, D. Giles, D. Vandemark, H. Feng, K. Rutledge, G. Schuster, and A. Al Mandoos, 2006. A network for standardized ocean color validation measurements, Eos, Transactions American Geophysical Union, 87(30): 293-297.
  35. Zibordi, G., F. Melin, J.F. Berthon, B. Holben, I. Slutsker, D. Giles, D. D'Alimonte, D. Vandemark, H. Feng, G. Schuster, B.E. Fabbri, S. Kaitala, and J. Seppala, 2009. AERONET-OC: a network for the validation of ocean color primary products, Journal of Atmospheric and Oceanic Technology, 26(8): 1634-1651. https://doi.org/10.1175/2009JTECHO654.1

Cited by

  1. GOCI-II 자외선 채널을 활용한 흡수성 에어로졸 관측 vol.37, pp.6, 2021, https://doi.org/10.7780/kjrs.2021.37.6.1.17