DOI QR코드

DOI QR Code

Cross-Calibration of GOCI-II in Near-Infrared Band with GOCI

GOCI를 이용한 GOCI-II 근적외 밴드 교차보정

  • Eunkyung Lee (Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology) ;
  • Sujung Bae (Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology) ;
  • Jae-Hyun Ahn (Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology) ;
  • Kyeong-Sang Lee (Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology)
  • 이은경 (한국해양과학기술원 해양위성센터) ;
  • 배수정 (한국해양과학기술원 해양위성센터) ;
  • 안재현 (한국해양과학기술원 해양위성센터) ;
  • 이경상 (한국해양과학기술원 해양위성센터)
  • Received : 2023.10.01
  • Accepted : 2023.11.27
  • Published : 2023.12.31

Abstract

The Geostationary Ocean Color Imager-II (GOCI-II) is a satellite designed for ocean color observation, covering the Northeast Asian region and the entire disk of the Earth. It commenced operations in 2020, succeeding its predecessor, GOCI, which had been active for the previous decade. In this study, we aimed to enhance the atmospheric correction algorithm, a critical step in producing satellite-based ocean color data, by performing cross-calibration on the GOCI-II near-infrared (NIR) band using the GOCI NIR band. To achieve this, we conducted a cross-calibration study on the top-of-atmosphere (TOA) radiance of the NIR band and derived a vicarious calibration gain for two NIR bands (745 and 865 nm). As a result of applying this gain, the offset of two sensors decreased and the ratio approached 1. It shows that consistency of two sensors was improved. Also, the Rayleigh-corrected reflectance at 745 nm and 865 nm increased by 5.62% and 9.52%, respectively. This alteration had implications for the ratio of Rayleigh-corrected reflectance at these wavelengths, potentially impacting the atmospheric correction results across all spectral bands, particularly during the aerosol reflectance correction process within the atmospheric correction algorithm. Due to the limited overlapping operational period of GOCI and GOCI-II satellites, we only used data from March 2021. Nevertheless, we anticipate further enhancements through ongoing cross-calibration research with other satellites in the future. Additionally, it is essential to apply the vicarious calibration gain derived for the NIR band in this study to perform vicarious calibration for the visible channels and assess its impact on the accuracy of the ocean color products.

천리안 해양관측위성 2호기(Geostationary Ocean Color Imager-II, GOCI-II)는 한반도 주변을 포함한 동북아 해역과 전구 영역을 관측하는 해색 위성으로 지난 10년간 운용된 GOCI의 임무를 이어받아 2020년부터 현재까지 운용되고 있다. 본 연구에서는 해색 데이터 산출에 있어 필수 과정인 대기보정 알고리즘을 개선하기 위해 GOCI 영상을 이용한 GOCI-II 근적외 파장(near-infrared, NIR) 밴드의 대리교정을 수행하였다. 이를 위해 NIR 밴드의 대기상층(top-of-atmosphere, TOA) radiance에 대한 교차보정 연구를 수행하였으며, 그 결과로 대리교정 상수를 도출하였다. 본 연구에서 도출된 대리교정 상수를 이용하여 보정한 결과 두 센서의 offset이 감소하였으며, ratio는 745 nm, 865 nm에 대해 각 1.02, 1.04에서 1.0, 0.99로 개선되었다. 이는 두 센서의 일관성이 높아진 것으로 판단된다. 또한, 대기 분자 산란 보정 반사도(Rayleigh-corrected reflectance, 𝜌rc)는 각각 5.62, 9.52% 증가하였다. 이로 인해 745 nm와 865 nm 𝜌rc의 비율의 차이가 발생했으며, 이는 대기보정 알고리즘 내 에어로졸 광 산란 보정 과정을 통해 모든 밴드의 대기보정 결과에 영향을 줄 수 있다. GOCI, GOCI-II 두 위성의 중복되는 운용 기간이 짧아 2021년 3월의 자료만을 사용하였으나, 향후 타위성과의 지속적인 교차보정 연구를 통해 개선이 가능할 것으로 사료된다. 또한 본 연구에서 도출된 NIR 밴드의 대리교정 상수를 적용하여 가시 채널의 대리교정을 수행하고, 해색 산출물의 정확도에 미치는 영향을 분석할 필요가 있다.

Keywords

1. 서론

세계 최초 정지궤도 해색 위성인 천리안 해양 위성(Geostationary Ocean Color Imager, GOCI)은 2010년 발사되어 2021년 3월까지 운영되었으며 관측 밴드가 8개, 500 m의 해상도로 우리나라를 포함한 동북아해역을 1시간 간격, 하루 8회 관측하였다. 이후 2020년에 발사된 GOCI-II는 GOCI의 임무를 이어받아 현재까지 동북아시아 해역과 full disk 영역을 관측하고 있으며, 공간해상도 250 m, 일 관측 횟수 10회, 관측 밴드가 13개로 GOCI에 비해 향상된 시간, 공간, 분광 해상도로 해색을 관측하고 있다(Lee et al., 2021b).

해색은 일차 생산력과 엽록소 농도와 같은 해양 생태학적 특성을 도출할 수 있어 기후 연구에 필수적인 변수로써 다양한 생태계와 기상 현상에 대한 모니터링과 이해가 가능하다(Platt and Sathyendranath, 2008). 위성을 이용한 해색 관측을 위해서는 위성에서 관측된 대기 상한 복사휘도(top-of-atmosphere [TOA] radiance)에서 대기 영향을 제거하여 해수 신호만을 추출하는 과정인 대기 보정이 필수적이다. 국제 커뮤니티에서는 대기 보정 알고리즘의 오차를 5% 이내로 요구하고 있으나(Zemp et al., 2022), 위성 관측 TOA radiance에서 대기의 신호는 90%를 차지하는 반면 해수의 신호는 10%에 불과하기 때문에 대기 보정의 오차 민감도는 매우 높다고 알려져 있다(Eplee et al., 2001). 특히 복사 보정에서 발생한 1%의 오차는 대기 보정 시 약 10% 이상의 오차를 야기하므로 복사 보정과정에서 오차를 최소화하는 것은 더욱 중요하다.

일반적으로 해색 센서의 on-board calibration 불확도 범위는 대기보정에서 요구하는 수준을 만족하지 못하며 대기보정에 사용되는 복사 전달 모델의 복사 휘도는 실제 위성의 관측 값과 차이가 존재한다. 따라서 해색 원격탐사에서는 복사 보정의 불확도 및 복사 전달 모델과 실제 값의 차이를 보정하기 위해 대리교정(system vicarious calibration)을 통해 센서의 복사 보정 감도(gain)를 조정하는 방법으로 대기보정의 정확도를 향상시키고 있다(Ahn et al., 2015; Franz et al., 2007). 대리 교정에서는 먼저 근적외(near-infrared, NIR) 밴드의 복사보정 정확도를 확보하여 에어로졸 반사도 추정의 오차를 최소화하고, 이후 현장자료와 복사전달 모델을 통해 가시광 밴드의 대리교정을 수행한다(Pahlevan et al., 2017).

일반적으로 NIR 밴드의 복사보정 오차는 5% 이내로 요구되지만(Wang and Gordon, 2002), 탁도가 높은 해역에서는 더 엄격한 수준의 대리교정이 요구된다(Ahn et al., 2021). 또한, 센서 간 근적외 밴드 복사보정의 일관성은 전체 산출물의 일관성에도 중요한 역할을 한다(Barnes et al., 2022). 이처럼 최근 연구에서 근적외 밴드의 교차보정의 필요성이 제시되고 있지만 현재까지 수행된 연구는 극히 드물다. Ahn et al. (2021)에 따르면 GOCI-II는 GOCI에 비해 대기보정 정확도가 다소 낮은 수준으로, 검보정이 잘 된 GOCI의 자료를 활용하여 빠른 정확도 향상이 가능하다. 하지만 NIR 밴드는 가시광 밴드와 다르게 현장 자료를 이용한 대리 교정이 불가능하므로 대기 보정에서 요구하는 복사보정 정확도를 만족하기 위해서는 검보정이 잘 수행된 타위성과의 ray-matching을 통한 교차 검보정이 수행되어야 한다. 해수에서 NIR 밴드의 신호는 물의 강한 흡수로 인해 매우 작기 때문에 NIR 밴드의 ray-matching에서는 위성 관측 신호에 영향을 줄 수 있는 촬영 시간, 분광 반응 함수(spectral response function, SRF), 태양 및 위성의 기하각 등의 차이를 최소화해야 한다(Wang, 2016; Rao et al., 2001).

따라서 본 연구에서는 GOCI-II NIR 밴드의 대기 보정에서 요구하는 복사 보정 정확도를 확보하기 위해 타 위성과의 ray-matching을 수행하였으며, NIR 밴드의 교정이 잘 되어 있을 뿐만 아니라 GOCI-II와 운영 궤도, 밴드의 분광특성 및 촬영 시간의 차이가 거의 없는 GOCI 자료로 교차 검보정을 수행하였다. 이를 통해 대기보정 측면에서의 GOCI-II NIR 밴드 복사 보정 오차를 개선함으로써 GOCI-II 대기 보정 알고리즘의 정확도 향상 및 GOCI와의 일관성 확보를 기대할 수 있다.

2. 연구자료 및 방법

2.1. 연구 자료

2.1.1. 천리안 해양 위성 자료

서로 다른 두 센서의 자료를 비교할 때, 관측 시간의 차이는 태양천정각 및 방위각이 바뀔 수 있으며 이는 TOA radiance 값에 영향을 준다. 본 연구의 연구 영역은 GOCI의 slot 6, GOCI-II의 slot 7으로 이는 관측 시각의 차이가 3~5분으로 가장 적은 곳이며, 두 slot이 겹치는 영역에 대해 교차보정 분석을 수행하였다(Fig. 1).

OGCSBN_2023_v39n6_2_1553_f0001.png 이미지

Fig. 1. Study area (purple). The blue and red rectangles indicate the observation area of GOCI slot 6 and GOCI-II slot 7, respectively.

두 위성의 공통 운용 기간은 2020년 9월부터 2021년 3월로 약 7개월의 짧은 기간의 자료로 일관성을 확보해야 하는 한계가 있다. 그 중에서도 GOCI-II 초기 임무 기간 중 복사보정 계수가 업데이트 된 1월 4일 이후의 자료를 사용하였다. 태양 천정각이 높은 겨울철에는 두 센서의 radiance 차이가 높게 발생할 수 있어, 1~2월을 제외한 3월 중에서도 구름이 적고 맑은 8일(4, 5, 18, 22, 23, 24, 26, 30일)의 영상을 교차교정 분석에 사용하였다. 또한, 하루 중 태양 천정각이 비교적 낮은 시간대인 03 UTC의 Level 1B (L1B) TOA radiance와 Level 2 (L2) flag 자료를 수집하였다(Table 1). GOCI-II의 경우, 임무 초기에 크게 발생하는 센서 감도 저하를 고려하기 위해 L1B 자료에 보정계수를 적용하였다(Kim et al., 2023).

Table 1. GOCI, GOCI-II data information used in this study

OGCSBN_2023_v39n6_2_1553_t0001.png 이미지

2.1.2. 재분석 자료(ERA5)

본 연구에 사용된 TOA radiance는 일반적으로 대기와 해수 성분에 따라 달라지기 때문에 교차보정에는 대기 중 수증기와 산란각의 차이 등을 엄격하게 고려해야 한다(Chen et al., 2020). 따라서 대기 상태를 고려한 교차보정을 수행하기 위해 유럽중기예보센터(European Centre for Medium-Range Weather Forecasts, ECMWF)에서 제공하는 재분석 자료인 ERA5를 수집하였다.

ERA5는 1940년 1월부터 현재까지의 전 지구 영역의 데이터가 제공되고 있으며 대기와 육지, 해양 기후 변수에 대한 시간별 추정치가 포함되어 있다(Hersbach et al., 2020). 유효 픽셀 선택 기준에 기상 조건을 고려하기 위해 ERA5에서 공간해상도 0.25°의 03 UTC 자료를 2021년 3월에 대해 수집하였으며, 사용한 기상 변수는 Table 2와 같다.

Table 2. ECMWF ERA5 data used in this study (03 UTC)

OGCSBN_2023_v39n6_2_1553_t0002.png 이미지

ERA5 자료를 적용하기 위해 공간해상도를 GOCI 해상도인 500 m에 맞춰 변환하였으며, GOCI/GOCI-II의 관측 시간과 ERA5의 생성 시간 차이는 약 15분으로 각 날짜 별 태양천정각을 이용하여 보정하였다.

2.2. 연구 방법

2.2.1. 수증기 흡광 보정

NIR 채널의 분광 반응 함수는 수증기 흡광이 일어나는 스펙트럼은 최대한 피하도록 설계되었지만, 수증기의 넓은 흡광 스펙트럼에 의해 그 영향을 완전히 피하기는 어렵다. GOCI-II NIR 채널에서는 out-of-band의 분광 반응 함수가 수증기 흡광 스펙트럼과 겹치면서 수증기 흡광의 영향을 받고 있으므로 이를 보정하는 것이 필요하다. 본 연구에서는 수증기 흡광 보정을 위해 GOCI와 GOCI-II의 TOA radiance에 각각 Ahn (2017)Lee et al.(2021a)의보정모델을적용하였으며,모두ERA5의 total column vertically-integrated water vapor 자료를 이용하였다(식 1).

\(\begin{aligned}L_{T O A}^{\prime}=\frac{L_{T O A}}{t_{w v}}\end{aligned}\)       (1)

위 식에서 L′TOA는 수증기 흡광이 보정된 TOAradiance를, LTOA는 TOA radiance, twv는 보정 모델에서 계산된 수증기 투과도(water vapor transmittance)를 의미한다.

2.2.2. 유효 픽셀 선정

위성 영상의 대리교정을 위해서는 육상과 구름에 의한 인접 효과(adjacency effect)를 최소화하는 것이 좋으므로 육지와 구름 및 주변 5 km 이내의 픽셀을 마스킹(masking) 하였다. Whitecap은 바람에 의해 파도가 부서지면서 생성되는 거품으로 위성 원격탐사 자료의 신호를 과대 추정 시킬 수 있다. 이러한 whitecap과 해수 표면의 거칠기의 요인인 바람도 중요하게 고려해야 할 요소 중 하나이다. 따라서, 대리교정 시 앞서 언급한 변수들의 영향을 최소화하는 것이 중요하다(Gordon, 1997; Stramska and Petelski, 2003).

앞서 서술한 whitecap을 고려하기 위해 ECMWFERA5의 10 meter U wind component (u10), 10 meter V wind component (v10)으로 풍속을 계산하였다. 또한 고농도의 에어로졸 및 미처 제거되지 않은 구름과 같은 bright target의 영향을 줄이기 위해 GOCI/GOCI-II 443 nm 밴드의 대기 분자 산란 보정 반사도(Rayleigh-corrected reflectance, ρrc) 자료를 활용하였다. 유효 픽셀의 선정 기준은 Chen et al. (2020)에서 제안한 범위를 기반으로 하며, 자세한 기준은 Table 3에 나타나 있다.

Table 3. Criteria for selecting valid pixels for cross-calibration of each sensor data (Chen et al., 2020)

OGCSBN_2023_v39n6_2_1553_t0003.png 이미지

GOCI와 GOCI-II는 위성 궤도와 이 연구에 사용된 각 slot의 관측 시각이 거의 유사하므로 기하각의 차이는 고려하지 않았다. 교차보정 과정에서 각 센서의 공간해상도 차이와 노이즈 등의 특성을 고려하기 위해 11 × 11 픽셀 영역의 평균값을 분석에 사용하였다. 또한, 기준에 따라 선정된 자료들을 이용하여 통계 분석을 수행하였다. 이 통계 분석 과정에서 각 날짜 별 slope에 대해 2% 이상 떨어진 값들을 이상치(outlier)로 판단하고, 대리교정 계산을 위한 입력 자료에서 제외하였다.

3. 연구결과 및 토의

3.1. 유효 픽셀 선정

2.2.2.에 제시된 방법에 따라 TOA radiance 자료들을 마스킹 하였다. 예시 날짜의 RGB 영상은 Fig. 2와 같으며 마스킹 결과는 Fig. 3과 4에 나타나 있다. 육지와 구름 주변이 잘 구분된 것을 육안으로 확인할 수 있었으며, 맑은 해역뿐만 아니라 탁한 해역까지 다양한 해수 조건을 포함하고 있음을 알 수 있었다. 또한, 유효 픽셀값의 분포는 745 nm에서 GOCI 9.5–16.9 W m–2 μm–1 sr–1, GOCI-II 9.2–16.9, 865 nm에서 GOCI 4.6–8.8 W m–2 μm–1sr–1, GOCI-II 4.5–8.7 W m–2 μm–1 sr–1 사이로 히스토그램은 Fig. 5에 나타나 있다. 이는 에어로졸과 구름, 육지 등의 영향이 없는 일반적인 해수의 값 범위를 나타내고 있어 교차보정에 활용할 수 있는 수치임을 알 수 있다. 본 연구의 마스킹 과정을 거쳐 선정된 날짜 별 유효 박스(11 × 11 pixel)의 총 개수는 Table 4와 같이 4,301개로, 한 박스 안에 포함된 픽셀 값의 평균값을 대리교정 상수 도출을 위한 입력 자료로 사용하였다.

OGCSBN_2023_v39n6_2_1553_f0002.png 이미지

Fig. 2. GOCI RGB image for March (a) 22 and (b) 30, 2021.

OGCSBN_2023_v39n6_2_1553_f0003.png 이미지

Fig. 3. Masked TOA radiance image at 745 nm for March (a) 22 and (b) 30, 2021.

OGCSBN_2023_v39n6_2_1553_f0004.png 이미지

Fig. 4. Masked TOA radiance image at 865 nm for March (a) 22 and (b) 30, 2021.

OGCSBN_2023_v39n6_2_1553_f0005.png 이미지

Fig. 5. Histogram of GOCI and GOCI-II TOA radiance at (a) 745 nm, (b) 865 nm.

Table 4. Number of boxes after masking

OGCSBN_2023_v39n6_2_1553_t0004.png 이미지

3.2. NIR 채널의 교차 검보정을 통한 대리교정 상수 도출

유효 픽셀에서의 TOA radiance를 이용하여 각 밴드에서의 통계 값을 계산하고 2.2.2.에 서술한 바와 같이 이상치를 제거하였다. 제거 전·후의 평균 절대 오차(mean absolute error) 값의 비교 결과, 745 nm에서는 0.26 W m–2 μm–1 sr–1으로 같고 865 nm에서는 0.31, 0.28 W m–2μm–1 sr–1로 0.03 W m–2 μm–1 sr–1 감소하였다. 두 센서의 채널 별 이상치 보정과 대리교정 전, 후 값의 분포는 Fig. 6과 7에 나타나 있으며 비교적 865 nm에서 높은 차이를 보였다. 각 그림에서 (a)에 나타나 있는 통계치는 이상치 제거 후의 자료를 기준으로 계산된 값이며 이상치 보정 후 산출된 GOCI와 GOCI-II의 ratio, 즉 GOCI-II 대리교정 상수는 745 nm에서 1.02, 865 nm에서 1.05로 산출되었으며 이를 GOCI-II TOA radiance 대리교정에 적용하였다(Figs. 6b, 7b). 그 결과, GOCI와 GOCI-II의 ratio가 두 채널에서 1.0으로 계산됨을 확인하였으며 이를 TOA radiance를 입력으로 하는 대기보정 산출물에 적용시켜 비교하였다.

OGCSBN_2023_v39n6_2_1553_f0006.png 이미지

Fig. 6. Scatter plot of GOCI and GOCI-II TOA radiance data: (a) before and (b) after vicarious calibration at 745 nm at 03 UTC for March 4, 5, 18, 22, 23, 24, 26, 30, 2021. Statistical values of (a) were calculated using data that had outliers removed.

OGCSBN_2023_v39n6_2_1553_f0007.png 이미지

Fig. 7. Scatter plot of GOCI and GOCI-II TOA radiance data: (a) before and (b) after vicarious calibration at 865 nm at 03 UTC for March 4, 5, 18, 22, 23, 24, 26, 30, 2021. Statistical values of (a) were calculated using data that had outliers removed.

3.3. 대리교정 상수 적용 결과

Fig. 8과 9는 본 연구를 통해 도출된 GOCI-II NIR 밴드 대리교정 상수를 적용하기 전, 후 각 밴드에서의 TOA radiance를 비교한 산점도이다. 2021년 3월, 구름이 없는 해양 픽셀에서의 값에 대해 이상치를 제거한 후 상호 비교를 수행하였다. 대리교정 전 두 밴드에서 발생했던 offset이 교정 후 감소된 결과를 보였다. 또한, 두 센서의 ratio는 745 nm와 865 nm에서 각 1.02, 1.04에서 1.0, 0.99로 개선되었으며 이는 대리교정을 통해 두 센서가 일관성이 높아진 것으로 사료된다.

OGCSBN_2023_v39n6_2_1553_f0008.png 이미지

Fig. 8. Scatter plot of GOCI and GOCI-II TOA radiance data that had outliers removed (a) before and (b) after vicarious calibration at 745 nm at 03 UTC in March 2021.

OGCSBN_2023_v39n6_2_1553_f0011.png 이미지

Fig. 9. Scatter plot of GOCI and GOCI-II TOA radiance data that had outliers removed (a) before and (b) after vicarious calibration at 865 nm at 03 UTC in March 2021.

Fig. 10은 대리교정 상수의 적용 전과 후 두 밴드의 ρrc histogram을 나타낸다. 745 nm와 865 nm 모두에서 보정 후 ρrc의 값이 증가하였다. 745 nm와 865 nm에서 각각 5.62, 9.52%로 865 nm에서의 증가율이 더 큰 것으로 나타났다. 이러한 영향으로 두 NIR 밴드의 ρrc 비율에서 차이를 보이고 있다(Fig. 11). 865 nm에서의 보정 효과가 크기 때문에 대리교정 상수 적용 후 두 NIR 밴드의 비율은 전체적으로 감소하였다. 보정 전과 후의 차이는 0.01–0.3으로 모든 경우에서 비율이 감소한 것으로 나타나며 주로 목포 주변 해역 및 동중국해와 같이 NIR 밴드의 반사도가 높은 탁한 해역에서 그 차이가 크게 나타나고 있다. 부산 앞바다의 경우, 탁도가 낮음에도 불구하고 차이가 상대적으로 크게 나타나며 이는 에어로졸에 의한 영향인 것으로 보인다. 보정 전 두 NIR 밴드 ρrc 비율의 최빈값은 1.168이며 보정 후에는 1.103으로 감소하였다.

OGCSBN_2023_v39n6_2_1553_f0009.png 이미지

Fig. 10. Histogram of Rayleigh-corrected reflectance before (orange) and after correction (blue) for (a) 745 and (b) 865 nm.

OGCSBN_2023_v39n6_2_1553_f0010.png 이미지

Fig. 11. The spatial distribution of the ratio of Rayleigh-corrected reflectances in two NIR channels (a) before and (b) after correction at 2021.03.22 03 UTC. Panel (c) displays the difference between before and after correction.

4. 결론

본 연구에서는 2021년 3월의 GOCI, GOCI-II의 L1B와 L2, ERA5의 기상 변수를 이용하여 GOCI-II 대기보정 알고리즘의 정확도를 향상시키기 위한 대리교정 연구를 수행하였다. GOCI와 GOCI-II의 NIR 밴드 TOA radiance에 대해 ratio를 계산하였으며 이를 이용하여 대리교정을 수행하였다. 그 결과, 두 센서 간 TOA radiance의 offset이 낮아졌으며 ratio가 745 nm, 865 nm에서 각각 1.02, 1.04에서 1.0, 0.99로 개선된 결과를 보였으며 이는 대리교정 상수 적용 후 두 센서의 일관성이 높아진 것으로 사료된다.

또한 두 센서 NIR 밴드에서의 ρrc가 증가하였으며, 각 밴드의 ρrc 비율과 최빈값은 각각 0.01–0.3, 0.0065가 감소하는 결과를 보였다. 이러한 차이는 에어로졸 모델 선택 과정에서 영향을 주며, 모든 밴드에 대한 대기보정 결과의 차이를 야기할 수 있다. 본 연구의 결과를 추후 GOCI-II 대기보정 알고리즘에 적용함으로써 해색 산출물에서 발생하는 오차를 개선할 수 있을 것으로 예상되며 GOCI 자료와의 일관성 확보로 GOCI 시리즈를 활용한 우리나라 근해에서의 장기 기후 분석도 가능할 것으로 사료된다.

GOCI의 경우 아직 감도 저하 개선에 관한 연구가 이루어지지 않았으며, 감도 저하는 일반적으로 임무 초기에 많이 발생한다. 특히 GOCI-II는 GOCI와 다르게 full disk 촬영으로 센서의 태양광 노출 시간이 길어 감도 저하가 더 크게 나타났을 것으로 사료되기 때문에, 본 연구는 GOCI-II의 감도 저하만을 고려하였다. 향후 GOCI와 GOCI-II의 각 NIR 밴드 별 SRF에 대한 분석을 통해, shift가 발생한 경우 해당 특성도 고려할 예정이다.

추후 연구에서는 본 연구에서 제시한 대리교정 상수를 이용하여 가시 채널의 대리교정을 수행하고, 이를 통해 해색 산출물을 생산함으로써 NIR 채널의 대리교정이 해색 산출물의 정확도에 미치는 영향을 분석하는 것이 필요하다. 또한, GOCI와 GOCI-II의 동시 운영 기간이 짧아 1달간의 자료를 사용하였지만, 타 위성 자료(MODIS, VIIRS 등)를 활용하면 향후 누적될 장기간GOCI-II 자료의 교차보정을 통해 개선된 결과를 얻을 수 있을 것으로 기대한다.

사사

이 논문은 2022년도 해양수산부 재원으로 해양수산과학기술진흥원의 지원을 받아 수행된 연구임(20220546, 천리안 2B호 산출물 정확도 향상 연구).

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

References

  1. Ahn, J. H., 2017. A study on the atmospheric correction and vicarious calibration for the Geostationary Ocean Color Imager. Doctoral dissertation, Korea National Maritime University, Busan, Korea.
  2. Ahn, J. H., Kim, K. S., Lee, E. K., Bae, S. J., Lee, K. S., Moon, J. E. et al., 2021. Introduction of GOCI-II atmospheric correction algorithm and its initial validations. Korean Journal of Remote Sensing, 37(5-2), 1259-1268. https://doi.org/10.7780/kjrs.2021.37.5.2.4
  3. Barnes, B. B., Bailey, S. W., Hu, C., and Franz, B. A., 2022. Vicarious calibration of the long near infrared band: Cross-sensor differences in sensitivity. IEEE Transactions on Geoscience and Remote Sensing, 60, 1-9. https://doi.org/10.1109/TGRS.2022.3185932
  4. Chen, J., He, X., Liu, Z., Xu, N., Ma, L., Xing, Q. et al., 2020. An approach to cross-calibrating multi-mission satellite data for the open ocean. Remote Sensing of Environment, 246, 111895. https://doi.org/10.1016/j.rse.2020.111895
  5. Eplee, R. E., Robinson, W. D., Bailey, S. W., Clark, D. K., Werdell, P. J., Wang, M. et al., 2001. Calibration of SeaWiFS. II. Vicarious techniques. Applied Optics, 40(36), 6701-6718. https://doi.org/10.1364/AO.40.006701
  6. Franz, B. A., Bailey, S. W., Werdell, P. J., and McClain, C. R., 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
  7. Gordon, H. R., 1997. Atmospheric correction of ocean color imagery in the Earth Observing System era. Journal of Geophysical Research: Atmospheres, 102(D14), 17081-17106. https://doi.org/10.1029/96JD02443
  8. Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horanyi, A., Munoz-Sabater, J. et al., 2020. The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999-2049. https://doi.org/10.1002/qj.3803
  9. Kim, M., Park, M. S., Ahn, J. H., and Kang, G. S., 2023. GOCI-II visible radiometric calibration using solar radiance observations and sensor stability analysis. Korean Journal of Remote Sensing, 39(6-2), 1541-1551. https://doi.org/10.7780/kjrs.2023.39.6.2.3
  10. Lee, K. S., Ahn, J. H., and Park, M. S., 2021a. GOCI-II capability of improving the accuracy of ocean color products through fusion with GK-2A/AMI. Korean Journal of Remote Sensing, 37(5-2), 1295-1305. https://doi.org/10.7780/kjrs.2021.37.5.2.7
  11. Lee, S. J., Lee, K. S., Han, T. H., Moon, J. E., Bae, S., and Choi, J. K., 2021b. Introduction on the products and the quality management plans for GOCI-II. Korean Journal of Remote Sensing, 37(5-2), 1245-1257. https://doi.org/10.7780/kjrs.2021.37.5.2.3
  12. Pahlevan, N., Schott, J. R., Franz, B. A., Zibordi, G., Markham, B., Bailey, S. et al., 2017. Landsat 8 remote sensing reflectance (Rrs) products: Evaluations, intercomparisons, and enhancements. Remote Sensing of Environment, 190, 289-301. https://doi.org/10.1016/j.rse.2016.12.030
  13. Platt, T., and Sathyendranath, S., 2008. Ecological indicators for the pelagic zone of the ocean from remote sensing. Remote Sensing of Environment, 112(8), 3426-3436. https://doi.org/10.1016/j.rse.2007.10.016
  14. Rao, C. N., Zhang, N., and Sullivan, J. T., 2001. Inter-calibration of meteorological satellite sensors in the visible and near-infrared. Advances in Space Research, 28(1), 3-10. https://doi.org/10.1016/S0273-1177(01)00262-9
  15. Stramska, M., and Petelski, T., 2003. Observations of oceanic whitecaps in the north polar waters of the Atlantic. Journal of Geophysical Research: Oceans, 108(C3). https://doi.org/10.1029/2002JC001321
  16. Wang, M., 2016. Rayleigh radiance computations for satellite remote sensing: Accounting for the effect of sensor spectral response function. Optics Express, 24(11), 12414-12429. https://doi.org/10.1364/OE.24.012414
  17. Wang, M., and Gordon, H. R., 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
  18. Zemp, M., Chao, Q., Han Dolman, A. J., Herold, M., Krug, T., Speich, S. et al., 2022. GCOS 2022 implementation plan. Global Climate Observing System GCOS, 244, 85. https://doi.org/10.5167/uzh-224271