The GOCI-II Early Mission Ocean Color Products in Comparison with the GOCI Toward the Continuity of Chollian Multi-satellite Ocean Color Data

천리안해양위성 연속자료 구축을 위한 GOCI-II 임무 초기 주요 해색산출물의 GOCI 자료와 비교 분석

Abstract

The recent launch of the GOCI-II enables South Korea to have the world's first capability in deriving the ocean color data at geostationary satellite orbit for about 20 years. It is necessary to develop a consistent long-term ocean color time-series spanning GOCI to GOCI-II mission and improve the accuracy through validation using in situ data. To assess the GOCI-II's early mission performance, the objective of this study is to compare the GOCI-II Chlorophyll-a concentration (Chl-a), Colored Dissolved Organic Matter (CDOM), and remote sensing reflectances (R_rs) through comparison with the GOCI data. Overall, the distribution of GOCI-II Chl-a corresponds with that of the GOCI over the Yellow Sea, Korea Strait, and the Ulleung Basin. In particular, a smaller RMSE value (0.07) between GOCI and GOCI-II over the summer Ulleung Basin confirms the GOCI-II data's reliability. However, despite the excellent correlation, the GOCI-II tends to overestimate Chl-a than the GOCI over the Yellow Sea and Korea Strait. The similar over-estimation bias of the GOCI-II is also notable in CDOM. Whereas no significant bias or error is found for R_rs at 490 nm and 550 nm (RMSE~0), the underestimation of R_rs at 443 nm contributes to the overestimation of GOCI-II Chl-a and CDOM over the Yellow Sea and the Korea Strait. Also, we show over-estimation of GOCI-II R_rs at 660 nm relative to GOCI to cause a possible bias in Total suspended sediment. In conclusion, this study confirms the initial reliability of the GOCI-II ocean color products, and upcoming update of GOCI-II radiometric calibration will lessen the inconsistency between GOCI and GOCI-II ocean color products.

최근 GOCI-II 위성이 발사되면서 우리나라는 세계 최초로 약 20년 동안 정지궤도상에 있는 천리안 해양위성 시리즈(GOCI, GOCI-II)를 운용하게 되었다. 본 연구에서는 GOCI-II 주요 해색산출물인 엽록소-a 농도(Chl-a), 유색용존유기물(CDOM), 원격반사도(R_rs)를 GOCI 자료와 비교 분석하여, 위성 임무초기 산출물의 현황을 파악하고 향후 천리안 해양위성 시리즈 데이터 구축을 위한 알고리즘 개선 방향을 논의한다. 2020년 황해, 남해, 울릉분지에서 GOCI-II의 엽록소-a 농도의 공간적인 분포는 GOCI 뿐 아니라 MODIS와도 잘 일치한다(상관계수: 0.83 이상). 특히, 여름철 울릉 분지 영역에서는 GOCI와 GOCI-II 자료의 엽록소-a 농도는 RMSE도 낮으며(~0.08), 편향성(Systematic Bias)도 거의 없었다. 선택된 모든 영역에서 490 nm와 555 nm 원격반사도는 GOCI와 GOCI-II 간 불확도가 낮고, 유사한 경향성이 나타났다. 그러나, 남해와 황해의 443 nm 원격반사도의 경우 GOCI-II가 GOCI에 비해 과소추정하여, 엽록소-a 농도와 유색용존유기물의 과다추정을 유도한다. 또한, 660 nm 원격반사도의 경우에도 systematic bias가 나타나 총부유입자 산출물에 영향을 줄 수 있다. 본 연구는 현재 GOCI-II 자료는 기본적으로 GOCI나 MODIS와 잘 일치하고 있어, 해양환경 관측을 위한 기본적인 신뢰도는 확보되었음을 의미한다. 그러나, 향후 GOCI-II 복사보정, 산출물 검보정, 알고리즘 개선으로 자료의 정량적인 정확도를 개선하는 연구가 반드시 필요하며, 이를 기반으로 20년간 천리안 해양위성자료의 일괄적 재처리로 GOCI, GOCI-II 연속성이 보장된 자료를 제공할 수 있다.

1. 서론

2020년 2월 천리안위성 2호(Geo-Kompsat 2B, GK-2B) 에 탑재된 정지궤도해양위성 2호(Geostationary Ocean Color Imager-II, GOCI-II)가 발사되어 임무 초기의 위 성 자료가 제공되고 있다. GOCI-II는 향후 10년간 운영 될 예정이며, 우리나라는 1호 위성(GOCI)에 이어 세계 최초로 정지궤도 해색위성을 약 20년간 보유하게 된다. 장기간 해양위성자료는 식물성 플랑크톤이나 해양 생지화학적 요소의 시공간 변화, 해양생산성 변화, 해양의 탄소 순환, 해양 기후변화 피드백 메커니즘 연구에 필수 적으로 사용되고 있다(Behrenfeld et al., 2006; Dutkiewicz et al., 2019). 특히, GOCI와 GOCI-II의 관측 영역인 한반도 연안 및 동아시아 해역은 전지구적으로 지구온난화 의 경향성이 가장 큰 해역 중 하나이다(Lee et al., 2020). 동아시아 해역은 해수의 해양광학 구성 요소들(e.g., 플랑크톤, 유색용존유기물, 비조류 입자)이 다양하게 존재하는 황해, 남해, 동중국해 영역을 포함하고 있기 때문에, 대양의 맑은 해역(Case I water)을 관측 대상으로 하는 극궤도 위성자료의 활용은 제한적이며, 지역 특화 된 해색원격 탐사 자료 구축이 필요하다. 현재까지 국내에서 정지궤도 해색위성 자료는 단기적인 관점의 해 양환경 변화 관측에 중점을 두고 현장 관측 자료를 기반으로 산출물 정확도를 진단하여 알고리즘을 개선해 왔다(Moon et al., 2012, Kim et al., 2016). 따라서, 적조, 부유 조류, 탁도 등 단기적인 해양 변화 탐지를 위한 활용 연구가 주로 이루어졌다(Choi et al., 2012; Doxaran et al., 2014; Noh et al., 2018).

미국의 경우 Coastal Zone Color Scanner Experiment (CZCS, 1978-1986년)를 시작으로 여러 극궤도 해색위 성 시리즈를 운영하고 있다. 1997-2020년에는 National Aeronautics and SpaceAdministration (NASA)의Sea-viewing Wide Field-of-view Sensor (SeaWiFS) 위성, 2002년에서 현재까지는 NASA의 ModerateResolution Imaging Spectroradiometer (MODIS)/Aqua 위성, 2011년부터 현재까지 National Oceanic andAtmosphericAdministration (NOAA) 의 Visible Infrared Imaging Radiometer Suite (VIIRS) 위성을 운영하고 있다. NASA Ocean Biology Processing Group (OBPG)는1988년부터현재까지수십년에걸친SeaWiFSMODISA-VIIRS 연속 해색위성 장기자료를 제공하고 있다. 특히, 현장관측 기반 검보정 뿐만 아니라 위성간 일관성/연속성 연구를 통하여, 관측 임무가 완료된 위성자료의 경우에도 지속적인 알고리즘 업데이트와 자료 재처리를 수행하고 있다(Franz et al., 2017). 특히, 두 개 이상의 해색위성이 동시에 운용되는 특정 기간 동안 해색산출물 자료를 상호 비교하여 장기적인 관점에서 산출물 품질을 진단하고, 이를 기반으로 해색위성탐지 전 과정의 재처리 및 자료 개선을 통하여 위성자료의 신뢰도를 확보하고 있다(Gregg and Woodward, 1998; Brewin et al., 2014; NASA OBPG).

GOCI, GOCI-II(천리안해양위성 시리즈)의 경우에도 두 위성의 임무 중첩기간을 중심으로 자료 일관성 연구가 필요하다. 또한, 2021년 10월 현재 GOCI-II 알고리즘은 발사 전 테스트 자료를 이용하여 개발된 초기 알고리즘의 상태이기 때문에, GOCI-II 초기 위성 영상의 성능 파악을 위해 두 자료 간 비교가 필요하다. 위성간 산출물 비교의 장점은 현장 관측 자료가 가용하지 않는 지역에서도, 합리적인 일관성을 보일 경우, 자료의 기본 신뢰도를 확보할 수 있다는 것이다(Lee et al., 2019). 반면, 위성 자료 간 의미 있는 차이가 보일 경우, 복사보정 (Radiometric calibration),대기보정(AtmosphericCorrection) 과정, 해색 산출물 추정 알고리즘의 해색 원격 탐사의 주요 단계에서의 불확도가 그 원인이 될 수 있으므로, 각 산출물 단계별 비교 검증이 필요하다.

해색원격탐사의 첫 번째 단계로 센서를 통해 대기상 층(top-of-atmosphere: TOA)에서 관측된 디지털 신호 값 (Digital Number)을 TOA 복사휘도(Radiance)로 변환하는 복사보정 과정을 거치게 된다. GOCI의 궤도상(on-orbit) 복사보정은 태양을 기준광원으로 하는 태양광 확산기 (Solar Diffuser)를 이용하여, 위성 임무 기간 센서의 성능 변화 감지 및 보정을 수행하였다(Kang and Youn, 2008). GOCI-II의 궤도상 복사보정은 GOCI와 유사하지만 추 가적으로 달과 같이 밝기가 항상 일정한 대상을 관측하 여 보정하는 방법이 추가적으로 적용되어 있다.

두 번째 단계인 대기보정은 TOA 복사휘도에서 전체 휘도의 90% 이상을 차지하는 대기광산란의 영향을 보정하여 해수 성분에 의한 원격반사도(Remote Sensing Reflectance; R_rs)을 산출하는 과정이다. 즉, 대기보정은 대기 미량 기체 분자에 의한 효과(대기 분자 흡수 및 Rayleigh 산란 효과)와 에어로졸에 의한 산란 효과의 보정을 포함한다. GOCI-II의 경우 탁도가 낮은 일반적인 해역에서는 GOCI와 동일한 Ahn et al. (2016) 대기보정 방법이 적용되고 있지만, 탁도가 높은 해역에서는 새로 추가된 620, 709 nm 밴드를 이용함으로써 기존 방법이 탁도가 높은 해역에서 R_rs를 과소 추정하는 이슈를 보완 하였다(Ahn et al., 2020). 대기보정 알고리즘이 완전하게 구현된 이후에도 대기보정의 오차가 더 줄어들 수 있도록 대리교정(vicarious calibration)을 수행하여 복사보정 계수를 정밀하게 조정하는 과정을 거친다. 현 시점에서는 대리교정을 위한 위성자료 및 현장자료가 충분히 수집되지 않아서 GOCI-II의 가시광 파장대만 대리교정 되어있으며, 추후 지속적인 검보정을 통해 추가적인 대리교정을 수행할 예정이다.

세 번째 단계로, R_rs에서 엽록소-a 농도(chlorophyll-a concentration; Chl-a), 유색용존유기물(Colored Dissolved Organic Matter; CDOM), 총 부유입자 등 해양환경변수 로 정량화하는 알고리즘을 거친다. 그 중 Chl-a은 주요 한 해양생태계와 생지화학적 과정을 이해하는 핵심적인 해색 산출물이다. 식물성 플랑크톤의 광합성 색소는 녹색 파장의 빛보다 청색과 적색 파장의 빛을 더 많이 흡수하는 광학적 특성을 보인다. 따라서, 같은 양의 태양 복사량이 입사될 때 순수한 물에 비해 플랑크톤 농도가 높은 해수에 후방 산란된 태양복사는 청색 파장에서 낮은 R_rs 값을 보이며, 반분석적 경험적인 방법으로 청색 파장과 녹색 파장의 R_rs 밴드비(blue-to-green band ratio) 방법을 이용하여 Chl-a을 산출한다(O’Reilly et al., 1998). 그러나, 이런 밴드비를 이용한 알고리즘(OCx; e.g., OC2, OC3, and OC4)은 플랑크톤이 주로 해양광학 특성을 지 배적으로 결정하는 Case I 해수에 주로 적용 가능하며, 육지에서 유입되는 유색용존유기물이나 부유입자에 의한 흡수와 산란이 같이 일어나는 Case-II 해역에서는 산출물의 불확실성을 야기한다(Kim et al., 2016). Darecki and Stramski (2004)의 연구에서는 SeaWiFS와 MODIS의 OC4 알고리즘의 경우에도 약 150에서 200% 정도 Chl-a을 과 다추정하는 결과를 보였다. CDOM은 용존유기물 중에서 수층 내 빛을 흡수하고 표층에서는 태양광에 의해 광분해되는 유기물로서, 해양환경의 탄소 순환에 중요한 역할을 한다(Park and Park, 2018). 광학적으로 CDOM은 자외선과 청색 파장대의 빛을 주로 흡수하고, 순수한 물은 더 긴 파장의 적색광을 흡수한다. 일반적으로 외해보다는 연안과 강어귀에서 많은 양의 CDOM을 포함하고 있는데, 연안에서는 주로 육지의 오수, 퇴적물 등으로부터 공급되고, 외해에서는 주로 식물플랑크톤의 분해나 동물플랑크톤의 배설물에 의해서 해양 환경에 공급된다 (Kim et al., 2012). CDOM 추정 알고리즘은 크게 반분석적 (Semi-analytic) 알고리즘(e.g. Carder-semi, GSM, QAA_v5) 과 경험적 알고리즘(e.g. Carder-empirical, Tassan)으로 나눌 수 있다. 반분석적인 알고리즘은 전 지구 및 광역적 특성을 가지고 있는 반면에, 경험적인 알고리즘은 해역에 따른 광학 특성을 고려하여 개발된다. GOCI의 알고리즘은 경험적 알고리즘(i.e. YOC)을 적용해왔으며, GOCI-II 에서는 다양한 해역에서의 지속적인 현장 관측 자료 확보를 통하여 알고리즘의 개선과정을 수행할 예정이다 (Morel and Maritorena, 2001; O’Reilly et al., 1998).

본 연구의 목적은 임무 초반 GOCI-II 주요산출물인 R_rs, Chl-a, CDOM 기본 성능을 진단하는 것이다. GOCI, GOCI-II 두 센서의 임무 중첩기간 동안 자료의 상호 비교 및 2차원 빈도 분석을 통해 두 위성에서 산출된 독립된 자료의 일관성을 조사하며, 필요한 경우 MODIS 자료도 추가적으로 비교하였다. 분석 결과를 기반으로 현재 GOCI-II 초기 영상의 성능을 진단하며, 향후 정량적 정확도 검보정을 위한 현장 관측 계획 수립 및 알고리즘 개선에 대한 방향성을 제안하며, 향후 GOCI-II와 GOCI 자료뿐 아니라 다른 위성과도 일관성이 보장된 장기시계열 위성자료를 지속적으로 개선하는 자료재 처리 시스템 구축에 기여하도록 한다.

2. 사용 자료 및 방법

1) GOCI, GOCI-II 자료

본 연구에서는 GOCI와 GOCI-II R_rs를 이용하여 Chla, CDOM 변수를 직접 산출하여 사용하였다. Table 1은 두 위성의 기본 스펙(관측 방법, 시공간 분해능, 밴드)을 나타낸다. GOCI는 2010년 6월에 발사되어 2021년 3월에 임무를 종료하였으며, 8개의 가시-근적외(Near-infrared, NIR) 밴드를 가지며, 500 m 공간해상도로 하루에 8번 관측하는 세계최초의 정지궤도 해색위성이다. GK-2B/ GOCI-II 위성은 2020년 2월에 발사되어 궤도상 시험 (In-Orbit-Test)을 마치고 현재 임무 초기 자료를 국립해 양조사원 국가위성센터에서 제공하고 있다. 13개의 밴드를 가지며, 약 250 m의 공간해상도로 하루에 10번 관측을 수행하고 있다. 본 연구에서는 GOCI, GOCI-II 임무 중첩 기간 중 황사 에어로졸 등 대기보정 영향에 의한 불확도를 줄이기 위해서 여름철 구름의 영향이 상대적으로 적은 영상들을 선택하였다(Table 2). Chl-a의 경우 2020년 여름은 MODIS를 포함한 세 위성간 비교, GOCI 위성 임무 종료 후인 2021년 여름의 경우 GOCIII와 MODIS 자료만 비교 분석하였다.

Table 1. Basic specification for GOCI and GOCI-II satellite

Table 2. Description of the selected GOCI and GOCI-II satellite images

본 연구에서는 GOCI, GOCI-II 동일 대기 보정 알고 리즘(Ahn et al., 2016)을 적용하여 Level 1자료에서 재처리한 해색 자료를 생산하여 사용하였다(Table 4). 본 연구에서는 한국해양과학기술원 해양위성센터에서 제공 하는 GOCI L1B 자료를 입력자료로 사용하였다. Level 2 R_rs를 산출하기 위해서, GDPS 2.0 소프트웨어를 적용하였다. 현재 공식적으로 제공되는 GOCI 자료는 2020년 2월 이후에는 5년 평균 기후 값을 적용하여 해색자 료를 처리하고 있으나, 본 연구에서는 6시간 간격의 NCEP 재분석자료를 사용하여 처리하였다. GOCI-II 의 경우에도 L1B 자료에서 동일한 대기보정 방법을 기반으로 하지만 탁도가 높은 해역은 성능이 향상된 대기보정 방법을 적용하여 R_rs를 산출하였다. 즉, 본 연구에서 사용된 GOCI-II 자료는 1시간 간격의 재분석 기상 장 자료를 사용할 뿐 아니라, Ahn et al. (2021)에 따라 가시채널에서 추가적인 대리교정이 이뤄진 상태로 현재 국립해양조사원에서 제공되는 Level 2 R_rs, Chl-a, CDOM 자료와 다른 자료임을 유념할 필요가 있다.

또한, 본 연구에서는 위성간 최종 산출물 비교 시 위성간의 다른 해양수질 알고리즘에 의한 산출물 에러를 줄이기 위해서 동일한 알고리즘 채택하였다. 공식적으로 제공되는 GOCI 자료의 경우 OC3, GOCI-II의 경우 OC4 알고리즘을 통해 산출된다(Table 3). 현재 사용된 Chl-a 자료는 아래와 같이 O’Reilly et al. (1998)에서 제안한 OC3 알고리즘의 3차원 다항식을 이용해 이용해 계산하였다(Table 4). 이때 사용된 계수는 MODIS OC3 계수를 사용하였다(https://oceancolor.gsfc.nasa.gov/atbd/ chlor_a/).

Table 3. The standard algorithms for the official GOCI and GOCI-II data that is currently distributed to users

Table 4. The algorithms and input meteorological data for GOCI and GOCI-II data processing of the current study

\(\begin{equation} \begin{gathered} \log _{10}[\text { Chl }-a]=a_{0}+a_{1} X^{1}+a_{2} X^{2}+a_{3} X^{3}+a_{4} X^{4} \\ X=\frac{\max \left[R_{r s}(443), R_{s s}(490)\right]}{R_{r}(555)} \\ a_{0}=0.2424, a_{1}=-2.7423, a_{2}=1.8017, \\ a_{3}=0.0015, a_{4}=-1.2280 \end{gathered} \end{equation}\)       (1)

사용된 유색용존유기물 알고리즘은 YOC (TheYellow Sea Large Marine Ecosystem Ocean Color Work Group) 에서 제안한 경험식을 사용하였다(Siswanto et al., 2011). 아래 수식과 같이 3개 파장대역 R_rs (443, 490, 555 nm) 값들의 조합으로 파장 440 nm 에서의 흡광도를 추정하고 있으며, 다항식의 형태는 Tang et al. (2004)에서 제안한 것을 사용하였다.

\(\begin{equation} \begin{gathered} a_{\text {daw }}(440)=10^{\left(c_{0}+c_{1} \log _{\Delta}(R)+c_{2} \log _{\omega}^{2}(R)\right)} \\ R=\left(\frac{R_{s}(490)}{R_{r s}(555)}\right)\left(R_{r s}(443)\right)^{0.069} \\ c_{0}=-1.23, c_{1}=-2.311, c_{2}=-2.16 \end{gathered} \end{equation}\)       (2)

2) MODIS 자료

본 연구에서는 GOCI와 GOCI-II의 엽록소-a 농도의 객관적인 비교를 위해 추가로 MODIS 자료를 사용하였다. MODIS는 미국 NASA에서 추진하는 지구 전역의 장기관측 계획(Earth Observing System, EOS)에 의해 발사한 극궤도 위성인 Terra와 Aqu에 탑재된 분광계이다. Aqua/MODIS는 2002년 5월에 발사되어 현재까지 임무를 수행 중이다. 약 705 km 고도에 위치하며, Aqua위성 은 오후 1시 30분경 적도를 통과하면서 남에서 북쪽으로 통과한다. MODIS는 36개의 분광밴드를 통해 0.4~ 15.4 µm 의 파장 영역을 관측하며, 그 중 8개의 밴드를 통해 1 km의 공간 해상도로 해양에서 일어나는 다양한 변화를 관측한다(https://modis.gsfc.nasa.gov/about/ specifications.php). MODIS의 대기보정은 Gordon and Wang (1994)에 의해 만들어진 표준 대기보정 알고리즘이 적용되었다. 본 연구에는 MODIS Level 2 자료를 NASA OBPG (http://oceancolor.gsfc.nasa.gov)에서 수집하였으며, GOCI OC3 방법론에 맞춰 엽록소-a를 계산하기 위해 443 nm, 488 nm, 555 nm 밴드 R_rs를 사용하였다.

3) 위성자료간 시공간 일치 방법

본 연구에서 GOCI와 GOCI-II는 03 UTC 자료를 사용하였다. MODIS는 GOCI의 연구 지역인 동아시아 해상을 지나가는 시간과 일치시키기 위해 03-05 UTC 자료를 사용하였고 일 평균을 위해 2 km 해상도로 격자로 맞추는 Binning을 수행하였다. Binning은 2 km 해상도로 격자를 나누어 해당 격자 안에 포함되는 R_rs 자료를 평균하였다. 각 위성들의 공간 해상도가 다르므로(GOCI: 500 m, GOCI-II: 250 m, MODIS: 2 km) 공간 해상도를 일치시키기 위하여 격자를 재생산 하였다. 2차원 빈도 분포 분석 시 누락되는 격자값을 최소화하기 위하여 GOCI와 GOCI-II 비교 시에는 상대적으로 저해상도인 GOCI의 공간 해상도에 맞춰 500 m로 재격자화 하였다. 마찬가지로 GOCI-II와 MODIS 비교 시에는 MODIS의 공간 해상도에 맞춰 2 km로 재격자화하여 비교 분석을 수행하였다. 재격자 방법은 최근접 이웃보간법(nearest neighbor interpolation)을 사용하여, 변환된 위치와 가장 가까이 이웃한 픽셀 값을 사용하여 보간하는 방법이다.

본 연구에서 선택한 GOCI 영상 flag mask 방법은 구름, 육지, 대기 보정 실패, 높은 위성 천정각, 높은 태양 천정각, 탁도가 아주 높은 픽셀을 제외하는 것이다. 각 위성마다 flag 정보가 완전히 동일하지 않아, 위성마다 영상에서 제거되는 영역이 완전히 일치하지는 않는다. 그러나, 가능한 GOC-II와 MODIS 영상도 GOCI와 유사한 기준으로 flag mask 처리를 수행하도록 하였다.

3. GOCI-II 해색산출물과GOCI 자료 비교

1) 엽록소-a 농도(Chl-a)

한반도 주변 해역에서 엽록소-a 농도 변화와 관련한 여러 현상들이 일어나는 GOCI-II Chl-a영상을 선택하여 위성 간 비교를 수행하였다(Fig. 1-2). 현재까지 GOCI-II 초기단계 검보정은 7번 슬롯 위주로 진행되었으며, 이 슬롯은 넓은 범위의 광특성을 가진 해역들이 포함되어 있으므로, 본 연구에서는 우선적으로 GOCI-II 7번 슬롯만 결과로 제시 및 분석하였다. 2020년 7월 12일 03 UTC GOCI-II 영상의 경우 황해 해안선에서 100 km 이내의 탁도가 높은 지역에서 고농도 Chl-a값이 집중되어 나타나는 공간 분포를 보인다(Fig. 1(b)). 남해에서도 해안선 근처에서 생산성이 높은 해수의 특성을 보인다(Fig. 1(b)). 황해에서 GOCI-II Chl-a분포는 GOCI, MODIS와 전반적으로 일치하는 특성을 보인다. 그러나, GOCI-II의 값이 GOCI와 MODIS 보다 Chl-a 값을 과다추정하는 특성 이 명확하게 나타난다(Fig. 1(a)-(c)). GOCI-II 영상은 2020년 7월 21이 동해 울릉분지 근처에서 중규모 에디 순환 과 관련된 엽록도-a 농도의 변화를 잘 나타내고 있다. 특히 선택된 “C” 영역 내에서 영역 상단과 하단에서 상대적으로 농도가 높은 중규모의 엽록도-a 농도의 최대 영역이 보이는데, 이런 분포는 GOCI와 MODIS 영상에서도 잘 나타난다.

Fig. 1. Chlorophyll-a images in summer 2020 from GOCI (top), GOCI-II (center), and MODIS (bottom): (a-c) 17 July and (d-f) 21 July. GOCI and GOCI-II 03 UTC images and MODIS image available between 02 and 05 UTC

최근 영상인 2021년 6월 4일 GOCI-II 영상에서는 동해안 연안 냉수대 발생에 따른 용승에 의한 고농도 엽록소-a 농도의 플랑크톤 띠가 나타나는 현상을 잘 탐지 하였다(Fig. 2(a)). MODIS도 아주 유사하게 냉수대에 의한 해양생태변화를 잘 나타내고 있는 것을 확인하였으나, 플랑크톤의 띠를 따라 GOCI-II가 MODIS에 비해 엽록소-a 농도를 과다추정하는 경향이 영상에서도 확인되었다(Fig. 2(b)). 2021년 6월 21일 03 UTC의 경우 동 중국해에서 양쯔강 담수 방출과 관련하여 엽록소-a 농도가 높은 영역이 나타나며, 제주 해역의 서쪽에서도 산발된 형태의 플랑크톤 분포가 나타난다. 이런 특성들은 GOCI-II와 MODIS에서 공통적으로 잘 나타났다.

Fig. 2. GOCI-II and MODISchlorophyll-a images in summer 2021:(a-b) 4 June and (c-d) 21 July (d-f).GOCI-II 03 UTC images and MODIS image available between 02 and 05 UTC.

Fig. 3은 GOCI-II Chl-a 산출물이 다른 위성과 어떻게 다른지 보다 정량적으로 파악하기 위해서, Fig. 1-2 에서 주요 해역을 선택하여 2차원 빈도 분포 분석(twodimensional contoured frequency distribution analysis, CFDA; Park et al., 2007)을 수행하였다. 위의 영상 비교를 기반으로 GOCI-II, GOCI Chl-a차이 양상이 지역적으로 다를 수 있음을 가정하였다. 따라서, Fig. 1-2에서 주요한 변화가 일어나는 지역 5개의 영역(A: Yellow Sea, B: Korean Strait, C: Ulleung Basin, D: East Sea, E: East China Sea)을 정의하였다. 2020년 여름 사례의 경우 앞의 세 지역에서, GOCI-II 기준으로 GOCI와 MODIS위성의 Chl-a의 CFDA 분석을 수행하였으며, 2021년 사례의 경우 GOCI-II 대비 MODIS Chl-a 산출물 CFDA만 분석하였다.

분석 결과 GOCI, GOCI-II Chl-a 산출물의 상관관계 (Correlation; CORR)는 황해, 남해, 울릉분지 영역에서 모두 0.83 이상으로 나타나, 통계적으로 일치성이 높은 것을 보인다(Fig. 3(a)-(c)). 선형회귀 분석을 통해 두 위성 산출물 간의 Root Mean Square Error (RMSE)를 계산하여, Chl-a 산출의 불확도(uncertainty)를 조사하였다. 특히, 울릉분지에서는 GOCI, GOCI-II 클로로필-a 농도 간 RMSE가 0.07로 아주 낮았다. 독립적으로 관측된 두 위성자료의 상관성이 높고 불확도가 낮은 것은, 여름철 울릉분지와 같이 탁도가 낮고 에어로졸 농도가 낮은 조건에서는 GOCI, GOCI-II 자료의 신뢰도가 보장된다는 것으로 간접적으로 시사한다.

Fig. 3. The two-dimensional contouredfrequencydistribution analyses (CFDA) ofGOCI versusGOCI-II chlorophylla values in summer 2020 (left) and those of MODIS versus GOCI-II (right) for the regions “A: Yellow Sea”, “B: Korea Strat”, and “C: Ulleung Basin” as defined in Fig. 1. The CFDA in summer 2021 between MODIS and GOCI-II for the regions of “C: East Sea” and “E: East China Sea".

그러나, GOCI, GOCI-II Chl-a 비교에서 RMSE 값이 남해에서 황해로 갈수록 높아진다(RMSE=1.17, 2.69; Fig. 1(b)-(c)). 또한, GOCI-II가 GOCI에 비해 Chl-a 값을 과대추정하는 편향성(systemetic bias)이 나타난다(Slope =1.67, 1.74; Fig. 1(b)-(c)). GOCI 현장 관측 자료가 없는 상황에서 두 위성간의 불확도는, 어느 특정 센서 자료를 원인으로 돌릴 수 없다. 생산성이 높고, 탁도가 높은 해수 환경이 대기보정, 엽록소-a 농도 추정 과정에서 해색산 출의 불확실성을 유도한 것으로 보인다. 그러나, GOCIII Chl-a 과대추정 이슈는 GOCI 뿐 아니라 MODIS와 비교해서도 나타나는 bias이다(Fig. 3(d)-(f)). 최근 여름인 2021년 6월 동중국해에서도, GOCI-II 자료를 MODIS 자료와 비교해도 비슷한 bias를 보였다. 다만, Fig. 3(e)-(f) 에서 GOCI Chl-a와 다르게 MODIS Chl-a 값이 일정한 값으로 나오는 특성이 있는데, 이는 2 km MODIS 자료를 공통된 2 km의 격자좌표로 내삽하는 샘플링 과정에서 생성되는 문제로, GOCI-II에 비해 상대적으로 낮은 MODIS 공간분해능의 한계로 판단된다. 전반적으로, GOCI-II Chl-a은 탁한 해역, 생산성이 높은 해역에서 다른 위성 자료들과 비교해서 systematic bias가 있어, 이 이유를 더 자세히 조사할 필요가 있다.

2) 유색용존유기물(CDOM)

CDOM 비교 분석을 위해서, 2020년 7월 17일 03 UTC에 촬영한 GOCI와 GOCI-II 영상자료에 YOC 알고리즘을 적용하여 결과를 산출하였다. YOC 알고리즘은 담수 유입이 많은 서해 및 동중국해에 대해서 개발되었기에 본 연구에서는 동해지역을 제외하고 서해와 남해지역을 대상으로 CDOM 에 대한 비교 분석을 실시하였다. Fig. 4는 CDOM 산출물 결과를 보여주며 GOCI500 m, GOCI-II 250 m로 다른 해상도로 공간적인 분포의 양상을 보여주고 있다. 상대적으로 고해상도인GOCI-II CDOM 산출물의 결과 값들이 GOCI 값보다 세밀한 공간 분포를 나타내는 것을 확인하였다.

Fig. 4. (a) GOCI and (b) GOCI-II CDOM images in 17 July 2020 03 UTC.

CDOM 분포에 있어서는 GOCI-II와 GOCI 산출물들이 비슷한 양상을 보여주고 있다. Case-2 water의 전형적인 모습으로 연안에서 외해로 가면서 CDOM 농도값이 줄어드는 모습을 보여주고 있지만, 지역적으로는 해류를 비롯한 해양환경의 영향을 포함하고 있다. Fig. 4에서는 국내 연안 CDOM 의 농도가 0.2 m–1 이상의 값을 높은 값을 보여주고 있는 반면에 외해로 갈수록 0.05 m–1이하의 값을 보여주고 있다.

Fig. 5는 Fig. 4의 지역 A(서해), 지역 B(남해)에 대해서GOCI-II와 GOCI CDOM의 2차원 빈도 분석 및 회귀분석 결과를 보여준다. 지역적으로는 서해가 남해보다는 비교분석 관점에서 GOCI-II와 GOCI 산출물 간의 평균제곱근 오차(RMSE)와 상관계수(CORR)에서 다소 우월한 것을 보여주고 있다. YOC 알고리즘이 탁도가 다소 더 높은 서해에서 더 안정적으로 적용된 것으로 해석된다. 점선으로 표시되는 두 지역의 추세선들의 기울기가 각각 1.18, 1.36으로 모두 1 이상 값을 보여주고 있다. 이는 동일한 환경에서 YOC 알고리즘을 적용하였을 때, 높은CDOM 농도에서는 GOCI-II가 GOCI보다도 과대추정이 되고 낮은 CDOM 농도에서는 과소추정이 되는 경향성을 나타내고 있다.

Fig. 5. The CFDA of GOCI versusGOCI-IICDOMinsummer 2020 (left) the regions “A: Yellow Sea”, “B: Korea Strat”.

3) 원격반사도(R_rs)

Fig. 6은 Chl-a과 CDOM 두 변수의 산출에 중요한 443,490, 555 nm 밴드 R_rs에 대해서 GOCI, GOCI 위성간 2차원 빈도분석과 선형회귀 분석을 통한 비교를 수행하였다. 분석 결과, 남해와 동해에서 490, 555 nm 밴드 R_rs의 경우 기울기는 거의 1에 가깝고, RMSE가 0.0004에서0.0008로 아주 낮은 값을 보인다(Fig. 6(d)-(e); Fig. 6(g)-(h)).이는 독립적으로 관측된 두 위성의 490, 555 nm R_rs 값이잘 일치되며, 불확도가 낮음으로 보여, GOCI-II 초기자료에 대한 해당 밴드 원격반사도의 신뢰도를 반증한다.그러나, 443 nm 밴드의 경우 황해에서는 추세선의 기울이가 1보다 훨씬 적으며(0.43; Fig. 6(a)), 남해에서도 도 추세 선과Offset이1보다훨씬적은값을보인다(0.87과-0.0013; Fig. 6(b)). 따라서, GOCI-II 443 nm R_rs의 bias가 앞에서 분석한 Chl-a과 CDOM 값의 과다추정 Bias를 유도함을 알았다.

Fig. 6. The CFAD of GOCI versus and GOCI-II for R_rs at 443 nm (left), 490 nm (center), and 330 nm (right) bands over the regions “A: Yellow Sea”,“B: Korean Strait”, and “C: East Sea” selected in Fig. 1.

동해(울릉분지)의 경우 다른 지역에 비해 원격반사도 값의 영역이 좁은 값 영역에 집중되어 있는 특성을 보인다. 해당 해역의 특성상 값의 변동성이 절대적으로 작기 때문에, 490 nm나 555 nm 밴드 R_rs 틍계적인 상관계수가 다른 지역에 비해 살짝 떨어지는 것으로 보인다. 특히, 울릉 분지는 탁도가 낮은 해역으로, 555 nm 밴드R_rs 값이 거의 일정하게 나타난다. R_rs 값의 변화폭이 적어서 두 위성자료의 상관관계가 낮게 나타난다. 울릉분지에서 443 nm 밴드의 경우 추세선의 기울기가 거의 1에 가깝고 RMSE 값도 아주 적다. 이로 인해, 동해 지역은 GOCI-II 위성의 Chl-a 값의 편향성이나 불확도가 크지 않는 것으로 보인다.

4. 요약 및 토의

연속적인 천리안 해색자료 구축과 GOCI-II 위성 임무 초기의 산출물의 현황을 파악하기 위해서, 본 연구는 GOCI-II 위성의 주요 해색산출물인 엽록소-a 농도,유색용존유기물, 원격반사도를 GOCI 및 MODIS 자료와 비교하였다. GOCI, GOCI-II 위성의 임무 중첩 기간을 중심으로, 정성적으로는 영상 분석 비교를 수행하였으며, 정량적으로는 2차원 빈도 분포 분석과 선형회귀분석을 수행하였다.

본 연구의 주요한 결론은 임무 초기 GOCI-II 자료의엽록소-a 농도, 원격반사도, CDOM의 정성적인 분포가 다른 위성과 일관되게 나타난다는 것이다. 이는, GOCIII 자료의 기본적인 신뢰도 확보를 의미한다. 특히, 2020년 황해, 남해, 울릉분지에서 GOCI-II의 엽록소-a 농도의 공간적인 분포는 GOCI 뿐 아니라 MODIS와도 잘 일치한다. 특히, 여름철 울릉 분지 영역에서는 GOCI와GOCI-II 값의 불확도가 낮으며(RMSE~0.08), 편향성(Systematic Bias)도 거의 없이 잘 일치되는 결과를 보인다. 선택된 모든 지역에서 490 nm와 555 nm R_rs의 경우GOCI과 GOCI-II간 불확도도 낮고, 눈에 띄는 bias도 나타나지 않았다.

현재 단계의 GOCI-II 자료는 발사 전 다른 센서 자료를 이용하여 개발한 알고리즘에 기반을 두고 있기 때문에, 향후 자료의 품질을 위해서 GOCI-II 관측에 기반을 둔 복사보정, 대리교정, 산출물 검보정, 알고리즘 개선을 수행하여 정량적인 정확도를 개선할 필요성이 있다. 특히, 본 연구는 황해/남해에서 GOCI-II 443 nmR_rs가 GOCI 보다 과소추정 되면서, Chl-a과 CDOM을 과다추정하는 두 위성간의 차이 및 불연속성을 알아냈다.Ahn et al. (2020)에 의하면 GOCI-II에 적용된 탁수 대기보정은 탁도가 높은 해역에서의 R_rs 과소추정 이슈를 GOCI보다 많이 완화하였다. 하지만, 현재 GOCI-II의경우 NIR밴드 대리교정이 적용되지 않았는데, 특히 탁수 대기보정에 사용되는 709 nm가 대리교정 되지 않는경우 탁도가 높은 해역에서 GOCI보다 660 nm등의 장파장에서 R_rs를 과다추정 하는 와중에도 443 nm와 같은단파장에서 오히려 R_rs를 과소추정할 수도 있다. 이로 인하여 황해와 남해에서 GOCI-II R_rs(443 nm)/R_rs(555nm)의 밴드비가 작아지면서 Chl-a와 CDOM을 과다추정하게 된다.

추가로, 본 연구는 GOCI-II 660 nm R_rs가 GOCI에 비해 과다 추정되는 것을 보이는데, 이는 총부유입자 산출물에 영향을 줄 수 있다(Fig. 7). 연안해수에서 660 nm R_rs은 총 부유입자 농도를 추정하는데 중요하게 활용된다. 일반적으로 대양의 맑은 해역에서 위성으로부터 총 부유입자의 농도를 추정하기 위해서는 청색 또는 녹색 파장의 원격반사도가 주로 이용된다(Zhang et al., 2010). 그러나 연안환경에서 바닥의 퇴적물 입자의 재부유에 의해 해수면에서 높은 총 부유입자 농도를 보이는 경우에는, 표층의 부유퇴적물에 의한 반사도가 크게 나타나 청색 파장 및 녹색 파장에서의 원격반사도가 saturation이일어나므로 적색 또는 적외선 영역의 파장이 적합하다(Nechad et al., 2010). 특히, 우리나라 경기만 연안 및 목포 주변해역 등 높은 총 부유입자 농도를 보이는 환경에서 GOCI 660 nm 밴드 R_rs가 효과적으로 적용된 바 있다(Choi et al., 2012, 2014). 이들 연구에 의하면, 660 nm R_rs는총 부유입자 농도 값과 지수함수의 관계를 보이므로,660 nm 원격반사도의 과다 추정은 총 부유입자 농도 산출물에 큰 영향을 줄 수 있다.

Fig. 7. CFAD of GOCI versus GOCI-II R_rs 660 nm for Yellow Sea and East China Sea.

향후 연속적인 천리안 해양위성 자료를 위해서 다양한 노력이 필요하다(Franz et al., 2012). 현재 GOCI와GOCI-II의 산출물은 거의 동일한 알고리즘을 적용하여 산출물간 좋은 상관관계를 보여주고 있지만 센서 분광응답 특성 및 복사/대리보정의 차이에 의해 산출물의 정량적인 차이가 유도되고 있다. GOCI, GOCI-II 공통적인 임무 수행 기간 동안, 본 연구의 영역뿐 아니라Oligotrophic water를 포함한 보다 다양한 해역에서 위성 간 비교를 수행할 필요가 있다. 또한, GOCI 위성의 임무 후반에는 센서 감쇄에 의한 산출물에 영향이 발생하고 있는데(Lee et al., 2017), 센서 감쇄 효과 보정도 고려되어야 한다. 무엇보다 기본적으로 단일 위성에 집중하여 향후 GOCI-II 산출물의 정량적인 정확도 평가를 위한 현장관측 광자료 획득 및 알고리즘 업데이트가 필수적이다. 지속적인 검보정 활동을 통해 많은 현장자료를 확보하고 이를 바탕으로 센서 감도 저하까지 고려된 대리교정계수를 추가 적용하여 복사보정으로 인한 위성간 차이를 완화할 예정이다. 각 위성의 정확도 개선 및 자료 신뢰도 확보를 기반으로, GOCI와 GOCI-II 위성에 공통된 대리교정 방법, 해수환경 알고리즘을 적용하여 해색위성자료 재처리를 통해 약 20년간 연속된 동아시아 해역에 특화된 연속된 플랑크톤 생체량 자료를 제공할 수 있을 것이다.