Atmospheric Correction of Sentinel-2 Images Using GK2A AOD: A Comparison between FLAASH, Sen2Cor, 6SV1.1, and 6SV2.1

GK2A AOD를 이용한 Sentinel-2 영상의 대기보정: FLAASH, Sen2Cor, 6SV1.1, 6SV2.1의 비교평가

Abstract

To prepare an atmospheric correction model suitable for CAS500-4 (Compact Advanced Satellite 500-4), this letter examined an atmospheric correction experiment using Sentinel-2 images having similar spectral characteristics to CAS500-4. Studies to compare the atmospheric correction results depending on different Aerosol Optical Depth (AOD) data are rarely found. We conducted a comparison of Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH), Sen2Cor, and Second Simulation of the Satellite Signal in the Solar Spectrum - Vector (6SV) version 1.1 and 2.1, using Geo-Kompsat 2A (GK2A) Advanced Meteorological Imager (AMI) and Aerosol Robotic Network (AERONET) AOD data. In this experiment, 6SV2.1 seemed more stable than others when considering the correlation matrices and the output images for each band and Normalized Difference Vegetation Index (NDVI).

이 단보에서는 농림위성(차세대 중형위성 4호)에 적합한 대기보정 기법 개발을 위하여, 농림위성과 공간 및 분광 해상도가 유사한 Sentinel-2 영상을 이용한 대기보정 결과를 소개하고자 한다. 대부분의 연구에서 동일한 조건에 대하여 상이한 Aerosol Optical Depth (AOD) 자료를 사용한 결과를 비교한 사례는 찾아보기 힘들다. 따라서 향후 농림위성의 대기보정에 사용될 Geo-Kompsat 2A (GK2A) Advanced Meteorological Imager (AMI)와 Aerosol Robotic Network (AERONET) AOD 입력자료를 기반으로 Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH), Sen2Cor, Second Simulation of the Satellite Signal in the Solar Spectrum - Vector (6SV) 버전 1.1과 2.1 모델의 대기보정 결과를 비교하였다. 모델 간 반사도 상관행렬이나 Normalized Difference Vegetation Index (NDVI) 결과를 고려해 볼 때, 6SV2.1이 보다 안정적인 모델로 사료된다.

1. 서론

위성센서에서 측정된 복사에너지는 태양-지표면-센서로 전달되는 과정에서 대기에 의한 산란, 흡수, 반사등으로 인한 오차가 발생할 수 있다. 태양광의 산란은 대기 조건에 따라 센서가 탐지하는 복사량을 증가 또는 감소시킬 수 있고(Proud et al., 2010), 대기의 영향은 지표면 원격탐사의 불확실성을 야기하기 때문에 정확한 대기보정은 필수적인 전처리 과정이다. 시공간적으로 변이가 적고 거의 고정적인 가스 분자와 달리 에어로솔 및 수증기의 분포는 시공간적으로 매우 가변적이기 때문에, 광학영상의 대기보정에 있어 가장 핵심적인 과정은 에어로솔과 수증기에 의한 영향을 제거하는 것이다 (Lee, 2019). 특히 우리나라는 대륙으로부터 상당한 양의 에어로솔이 이입되고 최근 고농도 미세먼지 사례가 증가하고 있기 때문에, 대기보정에 있어 고도에 따른 에어로솔 흡광계수(extinction coefficient)의 적분값인 Aerosol Optical Depth (AOD) (Kinne et al., 2006)의 역할이 그만큼 중요하다.

이 단보에서는 2025년 발사 예정인 5 m 공간 해상도의 농림위성(차세대 중형위성 4호)의 활용에 앞서, 농림위성과 공간 및 분광 해상도가 유사한 Sentinel-2 영상을 이용하여 대기보정을 모의하였다. 향후 농림위성의 대기보정에 사용될 gap-free Geo-Kompsat 2A (GK2A) AOD 자료와 Aerosol Robotic Network (AERONET) AOD를 사용하여 Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH), Sen2Cor, Second Simulation of the Satellite Signal in the Solar Spectrum – Vector (6SV) 버전 1.1과 2.1 모델의 결과를 비교 분석하였다.

2. 자료 및 방법

대기보정 실험을 위하여 사용한 자료는 2021년 3월 13일에 획득된 Sentinel-2 Level 1C 영상의 Top of Atmosphere (TOA) 반사도이며, 대기보정 모델의 550 nm AOD 파라미터에는 GK2A AMI 산출물 및 AERONET 태양광도계 자료가 사용되었다. GK2A 위성은 2018년 12월에 발사되어 동경 128.2°의 적도 상공에서 기상관측 임무를 수행하는 정지궤도 위성으로, 낮시간대 10분 단위의 Level 2 AOD 산출물이 제공되고 있다. 위성 AOD 산출물에는 구름에 의한 결측화소가 상당수 존재하기 때문에, GK2A 공식 산출물을 재가공하여 결측화소를 복원한 1시간단위gap-freeGK2AAOD자료(Youn and Lee, 2022)를 사용하였다(Fig. 1). 이 자료는 하향단파복사, 저고도 운량, 기온, 상대습도 등의 기상 변수들을 이용한 기계학습 모델링으로 결측화소를 복원한 것이며, 0.145 의 Root Mean Square Error (RMSE)와 0.715의 상관계수(correlation coefficient, CC)를 나타냈다. 농림위성에서 gap-free GK2A AOD의 자료취득이 안되는 비상상황에는 AERONET AOD 자료를 사용할 수 있다. AERONET AOD는 340–1020 nm의 8개 파장대 Level 2 자료의 오차가 ±0.01–0.02 정도로(Eck et al., 1999) 해당지점에 대해서 높은 정확도를 가지고 있으나, 우리나라의 공간 커버리지가 충분하지 않기 때문에 간혹 100 km이상 떨어진 지점의 AOD 값을 사용해야 하는 경우가 발생하기도 한다.

Fig. 1. GK2A/AMI AOD image of gap free on March 13, 2021.

사례지역은 충북 충주시로 2021년 3월 13일의 gap-free GK2A AOD 평균은 약 0.5이었고, 최근린 AERONET 지점의 AOD 값은 약 0.81이었으며, 식(1)과 같이 500 nm AOD를 550 nm AOD로 변환하여 사용하였다(Prasad and Singh, 2007). 여기에서 α는 440–870 nm파장대의 Ångstrom 지수이다.

\(\begin{aligned}A O D_{550 \mathrm{~nm}}=A O D_{500 \mathrm{~nm}}\left(\frac{550}{500}\right)^{-\alpha}\\\end{aligned}\)       (1)

실험에 사용한 FLAASH는 Moderate Resolution Atmospheric Transmission (MODTRAN) 복사전달모델에서 파생되어 대기 산란으로 인한 복사인접 효과를 고려하며(Cooley et al., 2002), ENVI 소프트웨어에 포함되어 있다. Sen2Cor은 Sentinel-2 Level 1C 자료로부터 Level 2A 영상을 생성하는 프로세서(ESA, 2021)로서, Sentinel-2 영상 자체에서 대기 매개 변수를 산출하고 이를 Library for Radiative Transfer (libRadtran)에서 미리 계산된 조견표와 연결하는 방식으로 대기보정을 수행한다(Martins et al., 2017). 6S 복사전달모델은 5S의 개선된 버전으로 (Vermote et al., 1997) 다양한 기하, 대기, 스펙트럼 조건에 대하여 수증기, 오존, 에어로솔 등의 대기 성분의 산란 및 흡수 효과를 계산하며(Lee et al., 2020), 이 실험에 서는 편광복사(polarized radiation)을 설명할 수 있는 6S의 벡터 버전인 6SV 1.1과 2.1 버전을 사용하였다.

3. 결과

Fig. 2–6은 Sentinel-2 Level 1C 영상의 밴드별 대기보정 결과를 반사도로 나타낸 것이고, Fig. 7은 Normalized Difference Vegetation Index (NDVI)를 계산한 것이다. 대기보정 모델에 따른 결과는 대체로 비슷하나, FLAASH 모델에 AERONET 단일점(single-point) AOD를 사용한 경우, 다른 케이스에 비해 상당히 반사도가 높은 값으로 산출되었다. Fig. 8–13은 대기보정 기법(FLASHH, Sen2Cor, 6SV1.1, 6SV2.1) 및 AOD 자료(gap-free GK2A AOD, single-point AERONET AOD)에 따른 반사도 차이를 비교하기 위한 산점행렬도이다. Sen2Cor은 상이한 AOD 자료를 투입했을 때 동일한 결과를 나타내, 에어로솔에 대한 대기보정 민감도가 낮음을 알 수 있다. 6SV1.1과 6SV2.1은 gap-free GK2A AOD 사용시에나 단일점 AOD 사용시에나, 각 밴드 반사도가 두 모델에서 매우 유사하게 산출되었고, NDVI도 비슷한 경향으로 나타났다. 그러나, 단일점 AOD는 사례지역으로부터 65 km 이상 떨어진 Hankuk_UFS AERONET 관측소 값을 사용했기 때문에, gap-free GK2A AOD를 사용한 것에 비해 비현실적인 AOD 값일 가능성도 배제할 수 없다. 단일점 AOD 사용시 NDVI가 다소 높게 산출된 것은, gap-free GK2A AOD에 비해 AERONET 단일점 AOD가 높은 값이었기 때문에 복사감쇄 정도가 과대추정되고 이로 인해 NIR 반사도가 약간 높게 추정되었기 때문이었을 것으로 추측된다. 따라서, 한반도에 광역적으로 적용하기에는 gap-free GK2A AOD가 더 적합하며, 자료 공급이 안 되는 비상상황 발생시 AERONET 단일점 AOD를 사용할 수 있을 것이다. 6SV1.1과 6SV2.1의 성능은 비슷하나, 편광복사에 대한 로직이 강화되어 에어로솔에 의한 복사감쇄를 잘 설명할 수 있는 6SV2.1 모델을 우선적으로 고려해 볼 수 있을 것이다.

Fig. 2. Surface reflectance of blue band according to atmospheric correction model and AOD products.

Fig. 3. Surface reflectance of green band according to atmospheric correction model and AOD products.

Fig. 4. Surface reflectance of red band according to atmospheric correction model and AOD products.

Fig. 5. Surface reflectance of red edge band according to atmospheric correction model and AOD products.

Fig. 6. Surface reflectance of near infrared (NIR) band according to atmospheric correction model and AOD products.

Fig. 7. Normalized difference vegetation index (NDVI) according to atmospheric correction model and AOD products.

Fig. 8. Scatter matrix of blue band.

Fig. 9. Scatter matrix of green band.

Fig. 10. Scatter matrix of red band.

Fig. 11. Scatter matrix of red edge band.

Fig. 12. Scatter matrix of near infrared (NIR) band.

Fig. 13. Scatter matrix of normalized difference vegetation index (NDVI).

4. 결론

원격탐사에서 대기의 영향은 지표면 관측의 불확실성을 야기하기 때문에 정확한 대기보정은 지표면 특성분석 및 환경 모니터링을 위해 반드시 필요하며, 이 과정에서 에어로솔과 수증기에 의한 영향을 제거하는 것이 중요하다. 2025년 발사 예정인 5 m 해상도의 농림위성에 적합한 대기보정 기법을 검토하기 위하여, 농림위성과 공간 및 분광 해상도가 유사한 Sentinel-2 영상을 대상으로 FLASHH, Sen2Cor, 6SV1.1, 6SV2.1 등의 모델을 사용하여 gap-free GK2A AOD 및 AERONET AOD를 입력자료로 하여 실험한 결과, 6SV2.1과 gap-free GK2A AOD의 조합을 우선적으로 고려할 수 있다.