Analysis of Uncertainty in Ocean Color Products by Water Vapor Vertical Profile

수증기 연직 분포에 의한 GOCI-II 해색 산출물 오차 분석

Abstract

In ocean color remote sensing, atmospheric correction is a vital process for ensuring the accuracy and reliability of ocean color products. Furthermore, in recent years, the remote sensing community has intensified its requirements for understanding errors in satellite data. Accordingly, research is currently addressing errors in remote sensing reflectance (R_rs) resulting from inaccuracies in meteorological variables (total ozone, pressure, wind field, and total precipitable water) used as auxiliary data for atmospheric correction. However, there has been no investigation into the error in R_rs caused by the variability of the water vapor profile, despite it being a recognized error source. In this study, we used the Second Simulation of a Satellite Signal Vector version 2.1 simulation to compute errors in water vapor transmittance arising from variations in the water vapor profile within the GOCI-II observation area. Subsequently, we conducted an analysis of the associated errors in ocean color products. The observed water vapor profile not only exhibited a complex shape but also showed significant variations near the surface, leading to differences of up to 0.007 compared to the US standard 62 water vapor profile used in the GOCI-II atmospheric correction. The resulting variation in water vapor transmittance led to a difference in aerosol reflectance estimation, consequently introducing errors in R_rs across all GOCI-II bands. However, the error of R_rs in the 412-555 nm due to the difference in the water vapor profile band was found to be below 2%, which is lower than the required accuracy. Also, similar errors were shown in other ocean color products such as chlorophyll-a concentration, colored dissolved organic matter, and total suspended matter concentration. The results of this study indicate that the variability in water vapor profiles has minimal impact on the accuracy of atmospheric correction and ocean color products. Therefore, improving the accuracy of the input data related to the water vapor column concentration is even more critical for enhancing the accuracy of ocean color products in terms of water vapor absorption correction.

해색 원격탐사에서 대기 보정은 자료의 정확도와 신뢰성 확보를 위해 반드시 수행해야하는 과정으로 높은 정확도가 요구된다. 또한 최근 원격 탐사 커뮤니티에서는 위성 자료의 오차에 대한 요구 사항이 증가함에 따라 대기 보정의 보조 자료로 사용되는 기상 변수(오존량, 기압, 바람장, 층적분 수증기량[total precipitable water, TPW])의 오차에 의해 발생하는 원격 반사도(remote sensing reflectance, R_rs)의 오차에 대한 연구가 진행되고 있지만 오차 요인으로 알려진 수증기 프로파일의 변동성에 의한 R_rs의 오차에 대한 연구는 수행되지 않았다. 본 연구에서는 Second Simulation of a Satellite Signal Vector version 2.1 모의를 통해 GOCI-II 관측 영역 내의 수증기 프로파일의 변동성에 따른 수증기 투과도의 오차를 계산하고 이로 인해 발생하는 해색 산출물의 오차에 대해 분석하였다. Radiosonde 관측 수증기 프로파일은 그 형태가 복잡할 뿐만 아니라 지표 부근의 큰 변동성으로 인해 기존 GOCI-II 대기 보정에서 사용하고 있는 US standard 62 수증기 프로파일과의 차이가 최대 0.007만큼 발생하였다. 이로 인해 발생한 수증기 투과도의 차이는 GOCI-II 대기 보정에서 에어로졸 반사도 추정의 차이를 발생시키고, 결과적으로 모든 밴드에서 R_rs의 오차가 발생하였다. 하지만 412-555 nm 밴드에서 수증기 프로파일 차이로 인한 R_rs 오차는 요구 정확도보다 낮은 2% 미만으로 나타났으며, 다른 해색 산출물인 클로로필(chlorophyll-a) 농도, 용존 유기물, 총 부유물 농도에서도 유사한 오차를 보이고 있다. 본 연구의 결과는 대기 보정 및 해색 산출물의 정확도에 있어 수증기 프로파일의 차이의 영향이 적다는 것을 의미한다. 하지만 추후 연구에서 수증기 흡광 보정 시 수증기 프로파일의 변동성을 고려할 경우 보다 높은 수준의 R_rs 정확도 확보를 기대할 수 있다.

1. 서론

해색 원격 탐사에서 대기 보정은 위성에서 관측된 복사휘도에서 대기 영향을 제거하여 복사전달이론 기반 해양 환경변수 산출을 위한 원격 반사도(remote sensing reflectance, R_rs)를 도출하는 과정으로, 해색 위성의 관측 데이터의 정확성과 신뢰성을 향상시키기 위해 필수적으로 수행되어야 한다(Gordon, 1978; Gordon and Wang, 1994; Wang and Gordon, 1994; Gordon, 2021). 대기 상층(top-of-atmosphere, TOA)에서 해색 위성을 통해 관측된 대기 상층 복사휘도(L_TOA) 중에서 해수에 의한 복사휘도(water-leaving radiance, L_w)가 기인하는 비율은 맑은 해수 기준 10% 이하이며, 나머지는 대기 광산란으로 인한 복사휘도이다. 대기보정은 90% 이상의 대기 복사휘도를 빼주는 과정에서 발생할 수 있는 오차에 대한 민감도가 높은 알고리즘이지만 해색 원격탐사커뮤니티에서는 낮은 대기 보정 오차가 요구되고 있으며, Global Climate Observing System (GCOS)에서는 위성 기반 R_rs의 정확도를 참값 대비 5% 이내의 오차로 요구하고 있다(Zemp et al., 2022).

세계 최초의 정지궤도 해색 위성인 천리안해양위성(Geostationary Ocean Color Imager, GOCI)과 그 후속 임무 해양탑재체인 GOCI-II의 표준 대기 보정 알고리즘은 크게 1) 흡광성 미세 가스 영향 및 백파(white cap) 영향의 보정, 2) 대기 분자입자에 의한 광산란(Rayleigh scattering) 보정, 3) 에어로졸에 의한 광산란 보정, 4) 탁수에 의한 에어로졸 광산란 과대추정 보정, 5) 이등방성 반사 특성(bi-directional reflectance distribution function, BRDF) 보정으로 구성된다(Ahn et al., 2012; 2015; 2016; Ahn and Park, 2020; Ahn et al., 2021). 각 처리 과정은 연속적으로 이루어지며 이전 처리 과정에서 발생한 오차가 다음 처리 과정에 영향을 미치므로 대기 보정 정확도 향상을 위해서는 각 단계에서 발생하는 오차를 최소화하는 것이 필요하다. 본 연구에서는 첫 번째 처리 과정인 가스 흡광 보정에 중점을 두었으며, 특히 GOCI-II 분광밴드에 영향을 주는 기체(오존, 이산화질소, 수증기) 중에서 수증기 흡광에 대해 다루고자 한다.

GOCI-II의 분광밴드는 기본적으로 산소 및 수증기 흡광 파장영역을 최대한 피하도록 설계되어 있지만 적색부터 근적외(near-infrared, NIR) 분광밴드의 분광응답 특성 외곽(out-of-response) 영역에서 일부 수증기 흡광의 영향을 미세하게 받는다. 수증기 흡광에 의한 투과율 감소 정도가 크지 않더라도 대기보정은 그 특성상 오차 민감도가 높기 때문에 수증기 흡광의 보정이 권장되어왔으며(Ibrahim et al., 2018) 가시광 밴드 에어로졸 반사도 추정에 사용되는 근적외 밴드의 수증기 흡광 영향이 상대적으로 더 큰 편이기 때문에 모든 가시광 밴드의 대기보정 오차발생과도 직결된다(Pahlevan and Ahn, 2018). 수증기는 오존과 달리 다중 산란이 많이 일어나는 지표 부근에서의 농도가 높기 때문에 단일 산란 기반의 Beer’s 법칙을 적용할 경우 흡광 추정에 오차가 발생하게 된다(Lee et al., 2021). 따라서 정확한 수증기 흡광 보정을 위해 복사 전달 모델(radiative transfer model, RTM)을 사용하여 수증기 투과도를 계산하며, 이때 채널의 분광 반응 함수(spectral response function, SRF), 위성 및 태양 천정각, 기압뿐만 아니라 수증기 층적분 농도(total precipitable water, TPW)와 수증기 프로파일이 입력 변수로 사용된다. 따라서, 수증기 투과도를 정확하게 계산하기 위해서는 TPW와 수증기 프로파일의 시공간 변동성을 정확히 반영하는 것이 필요하다(Lee et al., 2023).

수증기 프로파일은 그 형태가 복잡하고 실시간 사용 및 위성에 적용 가능한 자료의 부재로 인해 현업 해색 위성의 실시간 처리에서 고려하기에는 한계가 있다. 실제로 European Space Agency (ESA)와 National Aeronautics and Space Administration (NASA)에서도 수증기 투과도 계산을 위해 사용하는 변수의 차이는 있지만 수증기 프로파일의 변동성은 고려하지 않고 있다(Fischer et al., 2010; Mobley et al., 2016; Frouin et al., 2019). 한국해양과학기술원 해양위성센터는 GOCI-II Ground Segment (G2GS) 실시간 처리를 위한 TPW 자료를 기존 시공간 해상도가 낮은 National Centers for Environmental Prediction (NCEP) 기상장 자료에서 고해상도로 실시간 관측이 가능한 Advanced Meteorological Imager (AMI) 자료로 대체함으로써 TPW의 시공간 변동성으로 인한 오차를 개선하고, R_rs 및 해색 산출물의 정확도 개선 정도를 제시하였다(Lee et al., 2023). 하지만 해당 연구에서도 수증기 프로파일이 시공간적으로 변하지 않는다는 가정하에 수증기 투과도 계산을 위해 Second Simulation of a Satellite Signal in the Solar Spectrum (6S) 복사 전달 모델에서 사용되는 고정 수증기 프로파일(US standard 62)을 사용하였다. US Standard 62는 1962년에 업데이트된 정적 US Standard Atmosphere 모델로, 넓은 고도 범위에서 대기의 기압, 기온, 밀도 등이 어떻게 변하는지 설명하고 있다(National Aeronautics and Space Administration, 1962). 하지만 GOCI-II 관측 영역인 동아시아 지역은 기상 상태에 따라 수증기 프로파일과 TPW의 변동성이 굉장히 큰 지역이다(Lee et al., 2016; Du et al., 2023). 따라서, 이러한 변동성으로 인해 기존 연구에서 사용된 가정이 GOCI-II 대기 보정 및 해색 산출물의 불확실성 요인으로 작용할 수 있다. 최근 위성 자료가 가진 오차를 사용자 커뮤니티에게 제공하는 것에 대한 중요성이 강조되고 있음에 따라 보조 자료(가스 농도, 바람장, 기압)의 오차로 인해 발생하는 해색 산출물의 불확실성이 분석되고 있지만(Lee et al., 2023; Mélin et al., 2022), 여전히 수증기 프로파일 변동성으로 인해 발생하는 해색 산출물의 불확실성 분석에 대한 연구는 이루어지지 않고 있다. 따라서 해색 위성 자료의 이해 향상과 신뢰성 확보를 위해서 수증기 프로파일의 변동에 따른 수증기 투과도의 차이를 분석하고, 이로 인해 야기되는 해색 산출물의 오차를 정량적으로 분석하는 것이 필요하다.

본 연구에서는 먼저 라디오 존데에서 관측한 수증기 프로파일 자료를 이용하여 복사전달 시뮬레이션을 통해 수증기 프로파일의 변화에 따른 수증기 투과도의 차이를 계산하였다. 그리고 이 결과를 GOCI-II 표준 대기 보정(Korea Ocean Satellite Center, 2021b) 및 클로로필 농도(Korea Ocean Satellite Center, 2021c), 용존 유기물(Korea Ocean Satellite Center, 2021d),총 부유물 농도(Korea Ocean Satellite Center, 2021a) 산출 알고리즘에 적용하고 민감도 분석을 통해 수증기 프로파일에 따른 해색 산출물의 오차를 정량적으로 제시하고자 한다.

2. 연구자료 및 방법

2.1.1. 위성 및 모델 자료

본 연구에서는 GOCI-II 대기 보정 수행을 위해 GOCI-II Level-1B (L1B), NCEP 예측장 자료를 사용하였다. GOCI-II L1B 자료는 1개의 UV 밴드(380 nm), 8개의 visible 밴드(412, 443, 490, 510, 555, 620, 660, 680 nm), 3개의 NIR 밴드(709, 745, 865 nm)를 포함한 총 12개 밴드에 대해 관측을 하고 있으며, 본 연구에서는 photo-response-non-uniformity (PRNU)의 영향이 있는 380 nm 자료를 제외한 나머지 11개 밴드 자료를 사용하였다. GOCI-II 밴드는 분광 반응 함수는 가스 흡광을 최대한 피하도록 설계되었으나 620–865 nm 파장대의 6개 밴드에서는 out-of-band의 분광 반응 함수가 수증기 흡광 스펙트럼과 겹치면서 수증기 흡광의 영향을 받고 있다(Fig. 1). GOCI-II는 지역 관측 모드에서 36°N, 130°E 주변 2,500 × 2,500 km² 영역을 12개 슬롯으로 나누어 관측하고 있으나, 본 연구에서는 남한 지역이 속하는 7번 슬롯(30.6654–39.28563°N, 121.99647°E, 130.40538°E) 자료만 이용하였으며 자료의 시간적 범위는 2022년 1~12월로 설정하였다.

Fig. 1. Log-scaled spectral response functions (black solid lines) and normalized water vapor absorption (green dashed lines)for six GOCI-II bands ((a) 620 nm,(b) 660 nm,(c) 680 nm,(d) 709 nm,(e) 745 nm, and (f) 865 nm))impacted by water vapor absorption.

NCEP는 대기, 해양, 육지 및 해빙 모델을 결합하는 Global Forecast System (GFS)을 이용하여 전 지구 영역에 대해 기압, 온도, 바람장, TPW를 포함한 여러가지 대기 및 육상 변수의 예측장을 제공하고 있다(Rao et al., 2022). 본 연구에서 사용한 자료는 GFS v16을 이용하여 예측된 기압, 풍속, 총오존량 자료를 이용하였다. NCEP 예측장의 시간 해상도는 1시간으로 GOCI-II와 동일하지만, 공간해상도는 0.25°로 GOCI-II의 공간 해상도인 250 m에 비해 매우 낮다. 본 연구에서는 NCEP 예측장 자료를 250 m로 보간한 후에 사용하였다. 보간 방법은 일반적으로 선형 보간에 비해 근사 정확도가 높은 cubic spline 보간 방법을 이용하였다.

2.1.2. 수증기 지점 자료

수증기 프로파일 자료로는 radiosonde observations (RAOB) 자료를 사용하였다. 본 연구에서 사용한 자료는 Wyoming 대학에서 제공하는 자료로, 기압, 기온, 상대습도, 혼합비 등 11개 파라미터에 대한 프로파일을 1일 2회(0, 12 UTC) 제공한다. 충분한 지점 자료의 확보를 위해 GOCI-II 7번 슬롯 이외에도 지역 관측 영역 이내에 있는 7개 지점에 대해 GOCI-II 관측 시간에 해당하는 0 UTC 자료를 이용하였다(Table 1). 수집된 자료들은 서로 다른 기압 및 TPW 조건에서 관측된 자료이므로, 복사전달 모델의 입력 자료로 사용할 수 있도록 기압에 대해 보간하고, US Standard 62와 동일한 TPW 값(1.42 cm)으로 스케일을 조정하여 사용하였다.

Table 1. List of stations for radiosonde observations used in this study

2.2. 연구 방법

본 연구의 흐름도는 Fig. 2와 같다. 먼저 RAOB 수증기 프로파일과 고정된 US Standard 62 수증기 프로파일을 입력자료로 하여 6S RTM을 통해 각각의 수증기 투과도를 계산하고, 그 차이로 수증기 프로파일에 따른 수증기 투과도의 오차를 추정하였다. 그리고 추정된 오차를 대기 보정(atmospheric correction, AC) 알고리즘 및 클로로필 농도(chlorophyll-a concentration, CHL), 용존 유기물(colored dissolved organic matter, CDOM), 총부유물질농도(total suspended sediments, TSS) 알고리즘에 적용하여 비교함으로써 수증기 프로파일의 변동성에 의해 발생하는 주요 해색 산출물의 오차를 정량화 하였다. 각 단계별 자세한 설명을 이후 세션에서 서술하였다.

Fig. 2. Flowchart of this study.

2.2.1. 수증기 투과도 모의 및 불확실성 추정

본 연구에서는 수증기 투과도 모의를 위해 6S vector version 2.1 (6SV2.1)을 이용하였다. 6SV2.1은 밴드의 SRF를 직접 입력할 수 있기 때문에 GOCI-II와 같이 사전에 정의되지 않은 센서에 적용하기 용이하다. 또한, 편광을 설명할 수 있고 위성 밴드를 2.5 nm 간격마다 모의하여 타 RTM보다 Monte Carlo code와 높은 일치율을 나타냈다(Kotchenova et al., 2008). Kotchenova et al. (2006)에 따르면 6SV로 보정된 Aqua 센서의 R_rs는 Marine Optical Buoy (MOBY)에서 관측된 R_rs와 비교 시 약 2 %의 작은 오차를 보였다.

6SV2.1에서는 위성-타겟-태양 간의 관측 기하각(태양/위성 천정각), 대기 조건(기압, TPW, 수증기 프로파일)을 입력하여 수증기 투과도를 계산한다. 수증기 프로파일은 34개 층에 대한 수증기 밀도가 입력되며, 6SV2.1 내에 사전 정의된 6개(US standard 62, midlatitude summer, midlatitude winter, subarctic summer, subarctic winter, tropical) (Fig. 3) 외에도 사용자가 직접 34개 층에 대한 프로파일을 입력할 수 있다. 그리고 입력 조건에 대해 2.5 nm 간격의 수증기 투과도를 계산한 후, 식(1)과 같이 파장에 대한 적분을 수행하여 최종적인 수증기 투과도를 계산한다.

Fig. 3. Pre-defined water vapor profiles in 6SV2.1.

\(\begin{aligned}T w_{\text {integ }}=\frac{\int_{\lambda=\lambda_{\text {start }}}^{\lambda_{\text {end }}} S(\lambda) \cos \left(\theta_{s}\right) E_{\lambda} T w_{\lambda}\left(\theta_{s}, \theta_{v}\right) d \lambda}{\int_{\lambda=\lambda_{\text {start }}}^{\lambda_{\text {end }}} S(\lambda) \cos \left(\theta_{s}\right) E_{\lambda} d \lambda}\end{aligned}\)       (1)

위 식에서, Tw_integ는 적분된 수증기 투과도를 의미하며, Tw_λ는 2.5 nm 간격으로 계산된 수증기 투과도를 의미한다. λ_start, λ_end는 각각 특정 밴드의 시작 파장과 끝 파장이며, S(λ), E_λ는 각각 파장 λ에서의 밴드 SRF, TOA에서의 태양 복사 조도를 나타낸다. 마지막으로 θ_s, θ_v는 각각 태양 천정각과 위성 천정각이다.

현재 GOCI-II AC 알고리즘 내에서는 US standard 62 수증기 프로파일을 이용하여 계산된 수증기 투과도의 회귀식을 통해 수증기 흡광 보정을 수행하고 있다(Lee et al., 2021). 본 연구에서는 RAOB 관측 지점에 대해 US standard 62와RAOB수증기프로파일을이용하여6SV2.1를 통해 각각의 수증기 투과도를 계산하고, 두 수증기 투과도 차이의 표준 편차를 이용하여 GOCI-II 대기 보정에서 고정된 수증기 프로파일에 의해 발생하는 수증기 투과도의 오차(u_Tw)를 정량화 하였다(식 2).

\(\begin{aligned}u_{T w}=2.58 \times \sqrt{\frac{\sum_{i=1}^{n}\left(T w_{u s 62, i}-T w_{R A O B, i}\right)^{2}}{n-1}}\end{aligned}\)       (2)

위 식에서 Tw_us62와 Tw_RAOB는 각각 US standard 62와 RAOB 수증기 프로파일 이용에 대한 수증기 투과도를 의미하며, n은 사용된 데이터 수를 의미한다.

2.2.2. 주요 해색 산출물에서의 오차 분석

본 연구에서는 주요 해색 산출물인 R_rs, CHL, CDOM, TSS를 대상으로 수증기 프로파일에 의해 발생하는 오차를 정량화 하였다. 해색 산출물의 오차는 US standard 62를 이용했을 때와 수증기 프로파일에 따른 수증기 투과도의 오차를 추가했을 때 GOCI-II 표준 알고리즘을 통해 산출된 R_rs, CHL, CDOM, TSS를 이용하여 계산하였다. GOCI-II AC 알고리즘은 GOCI AC 알고리즘(Ahn et al., 2016; Ahn and Park, 2020)을 기반으로 하며, GOCI-II에서 추가된 4개 밴드(380, 510, 620, 709 nm)를 이용하여 탁한 해역에서의 대기 보정 정확도를 향상시켰다(Ahn and Park, 2020). GOCI-II AC 알고리즘에서의 에어로졸 반사도 보정은 black pixel assumption (BPA) 기반으로, 두 NIR 밴드(745, 865 nm) 레일레이(Rayleigh) 산란 보정 반사도(ρ_rc)의 비율을 통해 6개의 후보 에어로졸 모델(T50, C50, M50C, M70C, M95C, O99) 중 가장 적합한 에어로졸 모델과 가중치를 계산하고, 파장 별 에어로졸 반사도 관계식을 이용해 장파장에서 단파장 순서로 초기 에어로졸 반사도를 추정한다. 그 후, 탁수보정과 최적화를 거쳐 최종 에어로졸 반사도를 계산하게 된다.

CHL, CDOM, TSS 알고리즘은 각각 Ocean Chlorophyll 4-band (OC4)알고리즘(KoreaOcean Satellite Center, 2021c), Yellow Sea Large Marine Ecosystem Ocean Color Work Group (YOC)알고리즘(Korea Ocean Satellite Center, 2021a), YOC-Switch 알고리즘(Korea Ocean Satellite Center, 2021d)을 이용하며, 사용하는 밴드와 산출식의 차이는 있지만 모두 밴드비를 이용하여 각각의 산출물을 추정한다. 오차를 정량화 하기 위해 정량적 변수 오차 추정에 주로 활용되는 RMSE, MAPE, 상관 계수(R), bias를 사용하였으며, 계산식은 식(3–6)과 같다.

\(\begin{aligned}R M S E=\sqrt{\frac{\sum_{i=1}^{n}\left(e s t_{i}-r e f_{i}\right)^{2}}{n}}\end{aligned}\)       (3)

\(\begin{aligned}M A P E=\frac{100}{n} \sum_{i=1}^{n}\left|\frac{e s t_{i}-r e f_{i}}{r e f_{i}}\right|\end{aligned}\)       (4)

\(\begin{aligned}R=\frac{\sum_{i=1}^{n}\left(r e f_{i}-\overline{r e f_{i}}\right)\left(e s t_{i}-\overline{e s t_{i}}\right)}{\sqrt{\sum_{i=1}^{n}\left(r e f_{i}-\overline{\text { ref }_{i}}\right)^{2}} \sqrt{\sum_{i=1}^{n}\left(e s t_{i}-\overline{\left.\text { est }_{i}\right)^{2}}\right.}}\end{aligned}\)       (5)

\(\begin{aligned}bias=\frac{\sum_{i=1}^{n} e s t_{i}-r e f_{i}}{n}\end{aligned}\)       (6)

위 식에서 ref_i와 est_i는 각각 i번째 참조값과 추정치를 의미하며, \(\begin{aligned}\overline {ref}_i\end{aligned}\), \(\begin{aligned}\overline {est}_i\end{aligned}\)는 각각 참조값과 추정치의 평균이다.

3. 연구결과 및 토의

3.1. 수증기 흡광 프로파일 변동성 분석

Fig. 4는 RAOB 및 US standard 62 수증기 프로파일을 나타낸다. RAOB 수증기 프로파일은 US standard 62와의 스케일 일치를 위해 TPW가 1.42 cm로 정규화 되었기 때문에 계절에 따른 변화 양상을 뚜렷하게 나타나지 않고 있지만, 그 수직 분포가 매우 복잡하며 프로파일의 변화 양상이 US standard 62와는 차이를 보이고 있다. 또한, 대기 상층(400 hPa 미만)에서는 거의 변동성이 없는 분포를 보이고 있지만 지표면에 가까워질수록 그 변동성이 매우 크게 나타나고 있다.

Fig. 4. RAOB (colored) and US standard 62 (black) water vapor profile in 2022.

이에 따라 RAOB와 US standard 62 수증기 프로파일의 차이도 대기 상층에서는 0에 가까운 차이를 보이고 있지만 기압 800 hPa 이상의 지표 부근에서는 그 차이가 점차 커지는 경향을 보인다(Fig. 5). 가장 아래 층인 지표에서의 차이는 2.26±3.61 g/cm³으로, US standard 62 대비 100%에 가까운 차이가 나타나고 있다. 수증기 투과도 계산 단계에서는 단일 산란이 지배적인 대기 상층보다는 다중 산란이 일어나는 지표 부근의 자료가 더욱 중요한 역할을 한다. 따라서 GOCI-II 관측 영역 내에서 US standard 62 수증기 프로파일을 사용할 경우, 지표 부근의 큰 수증기 변동성을 반영하지 못하기 때문에 수증기 투과도 계산에 있어 수증기 프로파일의 영향을 정확하게 고려하기 어렵다는 것을 의미한다.

Fig. 5. Difference between RAOB and US standard 62 water vapor density profiles. Blue solid line and shade indicate average and standard deviation, respectively.

3.2. 수증기 흡광 프로파일에 따른 수증기 투과도 오차

Fig. 6은 US standard 62와 RAOB 수증기 프로파일을 입력하여 6SV2.1로 계산된 수증기 투과도의 산점도를 나타낸다. 모든 밴드에서 수증기 프로파일에 의한 수증기 투과도의 차이는 0.2% 이내로 나타난다. 수증기 흡광의 영향이 큰 709, 745 nm에서 0.18%로 가장 큰 차이를 나타내며, 상대적으로 수증기 흡광의 영향이 적은 620, 680 nm에서는 0.01% 이내로 차이가 거의 나타나지 않는다. 뿐만 아니라, 에어로졸 보정에 사용되는 두 NIR 밴드(745 nm와 865 nm)에서는 745 nm의 수증기 투과도 차이가 상대적으로 크게 나타나고 있다. 따라서 수증기 프로파일에 따라 에어로졸 모델 선택 시 사용되는 \(\begin{aligned}\frac{\rho_{r c}(745 \mathrm{~nm})}{\rho_{r c}}\end{aligned}\)(865 nm) 값의 차이가 발생하게 되고, 이로 인해 추정된 에어로졸반사도 뿐만 아니라 모든 밴드의 R_rs에서 오차가 발생할 수 있다.

Fig. 6. Scatter plot of water vapor transmittances calculated using US standard 62 (x-axis) and RAOB (y-axis) water vapor profile for six GOCI-II bands. The red solid line and gray dashed line indicate 1 to 1 line and regression line, respectively.

수증기 프로파일에 따른 수증기 투과도 오차를 정량화 하기 위해 수증기 투과도에 직접적인 영향을 주는 수증기 경사 농도 구간 별 수증기 투과도의 오차를 분석하였다(Fig. 7). 수증기 투과도의 평균 bias는 샘플링 된 자료의 조건으로 인해 수증기 경사 농도가 7.5–10 cm일 때 가장 높게 나타나지만, 수증기 경사 농도가 커질수록 수증기 투과도가 증가함에 따라 99% 신뢰 구간(2.58 × 표준 편차)은 모든 밴드에서 증가하는 경향을 보이고 있다. 앞선 결과와 동일하게 수증기 흡광의 영향 차이로 인해 709 nm에서 -0.00076±0.007 cm로 가장 큰 차이가 나타났으며, 680 nm에서는 모든 수증기 경사 농도에 대해 0에 가까운 차이를 보이고 있다.

Fig. 7. Difference of two water vapor transmittances calculated using US standard 62 and RAOB as a function of water vapor slant column density for (a) 620, (b) 660, (c) 680, (d) 709, (e) 745, and (f) 865 nm. The blue line means mean bias, and the gray shade is 99% confidence level.

3.3. 수증기 흡광 프로파일에 따른 해색 산출물의 오차

해색 산출물의 오차를 분석하기에 앞서 먼저 수증기 프로파일에 따른 ρ_rc (745 nm) 및 ρ_rc (865 nm)의 차이를 분석하였다(Fig. 8). 두 NIR 밴드에서 ρ_rc의 차이는 각각 0.24, 0.19%로 작은 차이를 보이고 있다. 하지만 수증기 투과도의 차이로 인해, 865 nm (0.19%)보다 745 nm (0.24%)에서 보다 큰 오차가 나타나고 있다.

Fig. 8. Scatter plot of Rayleigh-corrected reflectances at two NIR bands ((a) 745 and (b) 865 nm)). The red solid line represents 1 to 1 line.

앞서 언급한대로, 두 NIR에서의 서로 다른 영향은 에어로졸 모델 및 에어로졸 반사도 추정 과정을 거치면서 GOCI-II의 모든 밴드의 R_rs에 차이를 야기한다. 이 매커니즘은 2022년 6월 25일 03 UTC 영상의 단일 화소(32.337°N, 124.660°E)에 대한 분석 결과로 설명할 수 있다(Fig. 9). BPA 가정에 따라, 두 NIR 채널의 ρ_rc는 에어로졸 반사도로 정의된다. Fig. 9(a)에서 볼 수 있듯이, 865 nm에서는 수증기 프로파일에 의한 영향이 적어 에어로졸 반사도의 차이가 작지만(1e-05) 상대적으로 수증기 프로파일의 영향이 큰 745 nm에서는 에어로졸 반사도의 차이가 증가하므로(4e-05) 두 NIR 채널 간의 에어로졸 반사도 비율이 변하게 된다. 이러한 변화로 인해 US standard 62 수증기 프로파일을 이용했을 때, 사전 정의된 에어로졸 모델 중 가장 인접한 두 에어로졸 모델인 T50과 C50의 가중치가 조정되어 전 파장에 걸쳐 에어로졸 반사도를 과소 추정하게 되고(Fig. 9b), 결과적으로 R_rs를 과대 추정하게 된다(Fig. 9c). R_rs의 차이는 중심 파장이 짧을수록 크게 나타나며 모든 파장에서 일관된 방향(양 또는 음)으로 나타난다.

Fig. 9. Example of the impact of water vapor profile on Rrs. (a) Aerosol reflectance of six pre-defined aerosol models in GOCI-II AC algorithm (solid line) and estimated aerosol reflectance in two NIR channels for US standard 62 (red dash line) and radiosonde (black dash line). Spectral profiles of (b) aerosol reflectance and (c) remote sensing reflectance.

Fig. 10은 전체 연구 기간의 수증기 프로파일에 따른 412–709 nm 밴드 R_rs 산점도를 나타낸다. 745 nm와 865 nm는 해수에 의한 강한 흡수로 인해 R_rs가 0에 가깝게 나타나기 때문에 본 분석에서는 제외하였다. 수증기 프로파일에 의한 에어로졸 반사도의 차이가 단파장일수록 증가하기 때문에(Fig. 9b) R_rs에서의 RMSE 역시 중심 파장이 짧을수록 증가하는 경향을 보인다. 하지만 청색과 녹색 파장대(412–555 nm)의 오차는 1.16–1.83%로 GCOS의 요구 정확도인 5% 이내의 오차를 보이므로 수증기 프로파일의 차이가 R_rs에 야기하는 오차는 미미한 것으로 나타났다. CHL, CDOM, TSM에서도 각각 1.7, 1.45, 1.72%로 R_rs와 유사한 오차를 보이고 있다(Fig. 11). 이러한 이유는 CHL, CDOM, TSM 산출에 각자 다른 밴드의 R_rs비가 사용되지만, 수증기 프로파일에 의한 R_rs의 오차는 모든 밴드에서 같은 방향으로 나타나기 때문에 R_rs의 비율이 크게 변하지 않기 때문인 것으로 사료된다. CHL의 GCOS 요구 정확도가 30%인 것을 고려할 때, 해색 산출물 산출 시에 수증기 프로파일의 차이에 의해 나타나는 오차가 R_rs보다 미미하다고 할 수 있다. 또한, 본 분석에서 사용된 자료는 다양한 해수 조건을 포함하고 있음에도 불구하고 모든 경우에서 낮은 오차가 발생하므로(Fig. 11), 수증기 프로파일 차이에 영향은 해색 산출물을 산출함에 있어 엽록소 농도에 의해 광특성이 결정되는 해역인 case-1과 그 외의 해역인 case-2 (Morel and Prieur, 1977) 모두에서 미미하다고 할 수 있다.

Fig. 10. Scatter plots of remote sensing reflectances for (a) 412, (b) 443, (c) 490, (d) 510, (e) 555, (f) 620, (g) 660, (h) 680, and (i) 709 nm band estimated using two different water vapor profiles. The red solid line is a 1 to 1 line.

Fig. 11. Same as Fig. 10, but for (a) CHL, (b) CDOM, and (c) TSM.

4. 결론

본 연구에서는 수증기 프로파일 변동에 의한 수증기 투과도의 차이를 분석하고, 이로 인해 발생하는 해색 산출물 산출물의 오차를 분석하였다. GOCI-II 영역 내에서 수증기 프로파일은 수직 분포가 매우 복잡하다. 또한 GOCI-II 수증기 흡광 보정 모델에서 사용되는 US standard 62와 차이를 보이고 있었으며, 특히 다중 산란이 일어나는 지표면 부근에서 가장 큰 차이가 나타났다. 이는 수증기 흡광의 영향을 받는 GOCI-II의 6개 밴드(620–865 nm)에서의 수증기 투과도의 차이를 야기하였으며, 수증기 흡광 영향의 정도에 따라 밴드, 수증기 경사 농도 별로 다르게 나타났다. 수증기 흡광의 영향이 가장 적은 660 nm에서는 0에 가까운 차이가 보였으나, 반대로 수증기의 영향이 가장 큰 709 nm에서는 오차가 0.007까지 증가하였다. 이러한 수증기 투과도 차이로 인해 745, 865 nm에서의 ρ_rc가 변해 GOCI-II 대기 보정 과정에서 추정되는 에어로졸 반사도의 차이가 발생하고, 결과적으로 GOCI-II 모든 밴드의 R_rs에서 오차를 야기하였다.

하지만 청색과 녹색 밴드(412–555 nm) 및 해색 산출물(CHL, CDOM, TSM)에서 GCOS의 요구 정확도보다 작은 2% 미만으로 낮은 오차를 보였다. 이는 수증기 프로파일의 오차로 인해 기인하는 대기 보정 및 해색 산출물의 오차는 흡광성 에어로졸, 탁수 대기 보정 등(Ahn and Park., 2020; Toratani et al., 2007; Zhang et al., 2019) 다른 오차 요인에 비해 해색 산출물의 정확도에 미치는 영향이 작으며, 다른 요인에 의해 기인되는 오차가 적다면 고정된 수증기 프로파일을 사용하더라도 해색 위성 자료의 신뢰성 확보가 가능하다는 것을 의미한다. 하지만 추후 연구에서 수증기 흡광 보정 시 수증기 프로파일의 변동성을 고려할 경우 보다 높은 수준의 R_rs 정확도 확보를 기대할 수 있다.