[이력서] 학위 논문 : Himawari-8/AHI 자료를 이용한 대기상단에서의 상향단파복사 산출 (Retrieval for Reflected Shortwave Radiation at the Top of the Atmosphere using Himawari-8/AHI)
1. 석 사 학 위 논 문
Himawari-8/AHI 자료를 이용한
대기상단에서의 상향단파복사 산출
Retrieval for Reflected Shortwave Radiation
at the Top of the Atmosphere using Himawari-8/AHI
2017년 8월
강릉원주대학교 대학원
대기환경과학과
이 상 호
2. Himawari-8/AHI 자료를 이용한
대기상단에서의 상향단파복사 산출
Retrieval for Reflected Shortwave Radiation
at the Top of the Atmosphere using Himawari-8/AHI
지 도 교 수 이 규 태
이 논문을 석사학위 논문으로 제출함
2017년 6월
강릉원주대학교 대학원
대기환경과학과
이 상 호
이상호의 석사학위 논문을 인준함
2017년 6월
위 원 장 이 권 호 (인)
위 원 이 규 태 (인)
위 원 권 태 영 (인)
3. - i -
차 례
차례 ⅰ
그림 차례 ⅱ
표 차례 ⅴ
국문 요약 ⅵ
제 1 장 서론 1
제 2 장 자료 4
2.1 입력 자료 4
2.2 검증 자료 5
제 3 장 연구 방법 6
3.1 이론적 배경 및 민감도 실험 6
3.2 상향단파복사 산출 알고리즘 10
3.3 능형회귀모형을 통한 광대역 알베도 산출 14
제 4 장 결과 및 분석 20
4.1 스캔 영역 분석 20
4.2 일별 분석 29
제 5 장 요약 및 결론 35
참고 문헌 37
영문 요약 43
4. - ii -
그림 차례
Fig. 1. Schematic representing the RSR (green area) in the one-layer solar radiation
model. The line at the Top of the Atmosphere represents the atmospheric
contribution (red) that associated with cloud reflection and the dotted line
indicates the surface contribution (blue area) that associated with surface
reflection. The variables A, R and α are the atmospheric absorption and
scattering of extraterrestrial solar irradiation, the reflection by cloud, and
surface albedo, respectively. 8
Fig. 2. Simulation results for TOA albedo, spectral response function and spectral
reflectance according to cloud cover, a) clear skies and b) cloudy skies
(MLS: Mid-Latitude Summer; VIS: Visibility; COT: Cloud Optical Thickness;
CH: Cloud Height, grey area: spectral response functions for different
channels from Himawari-8/AHI). 9
Fig. 3. Flow chart for the retrieval algorithm for RSR. Reflectance converted from
radiance from each channel (Process 1) is used to retrieve TOA albedo using
regression coefficients according to cloud cover (Process 2, 3). Then, the
processed data is calculated to CERES data. These regression coefficients
were calculated using results from the radiative transfer model (SBDART)
that simulated according to different atmospheric conditions (solar zenith
angle, viewing zenith angle, relative azimuth angle, surface type, and cloud
cover), and a ridge regression. Then, these regression coefficients were
collated in a look-up-table. 10
Fig. 4. Flow chart to calculate regression coefficients and numerical simulations with
the radiative transfer model (SBDART). The SBDART simulated atmospheric
profile, solar zenith angle, viewing zenith angle, relative azimuth angle, and
surface type. In addition, cloud optical thickness and cloud height were
5. - iii -
considered for clouds, and aerosol types (rural, urban, etc.) and aerosol
amount (visibility) were considered for clear skies. The results from the
SBDART (independent variable: reflectance of each channel, dependent
variable: TOA albedo) were used for ridge regression calculations. 13
Fig. 5. Matrix of correlation coefficients between the independent variable, narrowband
reflectance ( , , , , , and ) of
each channel, and the dependent variable, TOA albedo. Correlation
coefficients between independent and dependent variables are shown in red
and correlation coefficients between independent variables are shown in blue.
16
Fig. 6. Regression coefficients (a1-a6, b1-b6) of each channel are shown according to
surface type (vegetation) and solar zenith angles and viewing zenith angles
when 0° ≤ relative azimuth angle ≤ 60°. For clear skies (a), variation in a6
was greater than other coefficients but for cloudy skies (b), significant
variations were observed in all coefficients. Coefficients changed significantly
when the solar zenith angle and viewing zenith angles were both at 40°.
Comparison between the actual TOA albedo, for such conditions, and these
estimated using Eqs. (4) and (5) with coefficients stored in the look-up-table
are shown in (c) and (d). 17
Fig. 7. Red-green-blue composite imagery of Himawari-8/AHI(a), Terra/CERES(b),
multiple linear regression (c), and ridge regression (d). (a, c, d: 20 August
2015, 0110 UTC; b: 20 August 2015, 0055-0125 UTC). Statistical analysis
results from spatio-temporal adjustments of the two regressions (c and d)
compared to (b) and scan line (MLR: R=0.925, Bias=0.148, RMSE=0.191;
RR: R=0.961, Bias=-0.001, RMSE=0.054). 19
Fig. 8. RSR of Himawari-8/AHI and Terra/CERES from data on the first day of
every month between August 1, 2015 and July 1, 2016, percent errors, and
clear fraction between AHI and CERES data sets, R, RMSE, and mean
6. - iv -
percent error (MPE) between the two data sets. 23
Fig. 9. Sun glint angle between Himawari-8/AHI and Terra/CERES data sets on April
1, 2016. 24
Fig. 10. Bias, standard deviation (Stdev), RMSE, and coefficient correlation (R) in
TOA albedo using CERES and AHI related to the solar zenith angle (a), and
viewing zenith angle (b) for cloudy skies (0 ≤ clear fraction ＜ 95%) for
all cases in Figure 8. statistic according to clear fraction (c) for all cases.
The bar graph shows the quantity of data. 25
Fig. 11. Two-dimensional histograms of RSR from Terra/CERES and Himawari-8/AHI
for all cases in Table 2. The colors represent the 2D histogram of
coincident pairs using a bin size of 0.001. The solid red line is a linear fit
to the data. The black line corresponds to the 1:1 line. 28
Fig. 12. Similar to Figure 8 but for daily mean data. 32
Fig. 13. Similar to Figure 11 but for Table 3. 34
7. - v -
표 차례
Table 1. Shortwave channel data from Himawari-8/AHI for retrieving RSR. 4
Table 2. Statistical analysis of RSR retrieval results according to cloud cover, land,
and ocean surfaces(clear: 0-5 %, partly cloudy: 5-50 %, mostly cloudy:
50-95 %, overcast: 95-100 %). 27
Table 3. Similar to Table 2 but for daily mean data. 33
8. - vi -
국문 요약
Himawari-8/AHI 자료를 이용한
대기상단에서의 상향단파복사 산출
이 상 호
강릉원주대학교 대학원 대기환경과학과
이 연구는 지구대기의 복사수지 및 기후 분석을 위해 2018년에 발사될 차세대
정지궤도 기상위성(Geostationary Korea Multi-Purse Satellite/Advanced Meteorological
Imager, GK-2A/AMI)과 유사한 센서 특징과 관측 영역을 갖는 Himawari-8/AHI
(Advanced Himawari Imager) 자료를 이용하여 대기상단에서의 상향단파복사 산출
알고리즘을 개발하기 위한 선행연구이다. 이 알고리즘은 6개 단파 채널의 반사
율과 회귀계수를 통해 산출된다. 이때 회귀계수는 각 대기조건(태양 천정각, 위
성 천정각, 상대 방위각, 지표면 특성, 구름의 유무)에 따른 광대역 알베도와 각
채널별 반사율의 관계를 복사전달모델(SBDART)로 수치실험한 결과와 능형회귀모
형을 통해 조견표로 작성되었다. 산출된 상향단파복사를 검증하기 위해 2015년
8월부터 2016년 7월까지의 매월 1일 주간 사례를 스캔 영역과 일별에 대해
Terra/CERES(Clouds and the Earth’s Radiant Energy System) 자료와 비교 분석을 수
행하였다. 스캔 영역에 대한 분석의 경우 청천 영역은 중위도 해양에서 sun glint
9. - vii -
로 인해 오차가 발생되었다. 구름 영역의 경우 실제 대기와 복사전달모델에서
가정된 평행평면 대기에서 태양 천정각와 위성 천정각에 따라 광학경로로 인해
오차가 커졌고 특히 AHI와 CERES 자료의 시·공간 불일치로 인해 구름 가장자리
부근에서 큰 오차가 발생되었다. 그럼에도 불구하고 전체 사례에서 AHI와
CERES의 상관계수는 0.96로 높았고 평균제곱근오차는 49.19 Wm-2
로 나타났다.
또한 장기적인 정확성을 판단하기 위해 일별에 대한 분석을 수행하였으며 그 결
과는 0.90-0.96의 상관성을 보였고 평균제곱근오차는 18.01-25.81 Wm-2
로 나타났다.
주제어: 차세대 정지궤도 기상위성(Geostationary Korea Multi-Purse
Satellite/Advanced Meteorological Imager, GK-2A/AMI), 대기상단에서의 상향단파복
사, Himawari-8/AHI(Advanced Himawari Imager), 능형회귀모형, Terra/CERES(Clouds
and the Earth Radiant Energy System)
10. - 1 -
제 1 장 서론
대기상단에서의 상향단파복사(Reflected Shortwave Radiation at the top of the
atmosphere, RSR)는 지표면(15 %)과 대기 상태(6 %) 및 구름(20 %)에 따라 변하
고 특히 구름에 의한 반사는 지구대기 복사수지와 에너지 균형에 중요한 영향을
미친다. 최근 인간 활동에 의한 에어로졸 증가는 지역적인 구름 분포와 특성을
변화시켜(Kim et al., 2012) 상향단파복사와 그에 따른 지구대기 에너지 불균형
(Stephens et al., 2015; Doelling et al., 2013)을 초래하기 때문에 전 세계적으로 인공
위성을 이용한 상향단파복사 탐지 및 분석에 집중하고 있다.
상향단파복사 측정 및 분석은 1960년대 이후로 많은 연구가 수행되었으며 광
대역 센서로 측정 및 물리적 방법 및 통계적 방법으로 나눌 수 있다. 광대역 센
서인 ERBE(Earth Radiation Budget Experiment; Luther et al., 1986)와 CERES(Clouds
and the Earth Radiant Energy System; Wielicki et al., 1996)로 측정된 복사휘도의 경
우 ADM(Angular Distribution Model, Loeb et al., 2003)을 적용하여 복사조도로 변환
한 후 상향단파복사로 산출한다. 이러한 센서는 주로 극궤도 위성에 탑재되기 때
문에 특정 지역을 연속 관측(하루에 약 2회) 할 수 없고 공간해상도(20 km 이상)
가 조밀하지 못하다는 단점이 있다(Hatzianastassiou et al., 2004). 반면에 물리적
방법의 경우 위성 자료 또는 재분석 모델(NCEP/NCAR, ECMWF 등)에서 가공된
자료(구름, 에어로졸, 수증기 등)를 복사전달모델에 입력하여 상향단파복사를 모의
한다(Hatzianastassiou et al., 2005). 그러나 이 방법은 해당 격자마다 자료를 입력
하여 수행하기 때문에 계산 시간이 오래 걸려 실시간 산출이 어렵다. 또한 입력
자료가 누락되거나 품질 저하되면 계산하기 어렵다(Stubenrauch et al., 2012).
따라서 이 두 가지 방법은 시공간 변화에 따라 상향단파복사를 산출하기에 한
계가 있으며 연속적인 모니터링이 어렵기 때문에 주로 통계적 방법이 이용되고
있다(Bhartia, 2016). 이러한 방법은 각 채널별 반사율과 광대역(단파 영역)으로 변
환하기 위한 회귀계수를 통해 광대역 알베도 및 상향단파복사로 산출하게 된다.
다수의 연구 결과에 의하면 회귀계수는 복사전달모델과 회귀모형으로 계산되며
11. - 2 -
구름의 광학두께 및 지표면 특성 등과 같은 많은 요소에 영향을 끼친다고 보고
하였다(Wydick et al., 1987; Laszlo et al., 1988; Buriez et al., 2007; Wang and Liang,
2016).
단일 스캔 영역에 대한 연구로서 Vázquez-Navarro et al. (2013)은 2004년 해당
사례(3, 4, 6, 9월)에 Meteosat-8/SEVIRI의 반사율(0.6, 0.8, 1.6 µm)과 회귀계수를 이
용하여 상향단파복사(매 15분, 3 km 해상도)를 산출하였다. 그 결과 CERES SSF
자료와 비교한 편이는 -15.99, -16.81, -30.88, -7.48 Wm-2
이었고 상관계수는 모두
0.96 이상이었다. 김동철과 정명재 (2016)는 2012년 한반도 사례(1, 5, 8, 10월)에
서 Terra/MODIS의 반사율(0.55 um)과 회귀계수를 이용하여 상향단파복사(5 km 해
상도)를 산출하였다. 그 결과 CERES SSF 자료와 비교한 상관계수는 0.93 이상이
고 평균제곱근오차는 25.53, 46.81, 62.42 그리고 45.11 Wm-2
이었다. 그리고 상향
단파복사의 장기적인 정확성 평가를 위하여 Niu and Pinker (2012)는 2004년 4-7월
동안에 Meteosat-8/SEVIRI의 반사율(0.6, 0.8 µm)과 회귀계수를 통해 상향단파복사
(매 15분, 12.5 km 해상도)를 산출하였다. 그 결과 CERES SRBAVG 자료와 시·공
간 일치(4달 평균, 100 km 해상도)시켜 상관계수는 0.98 이고 편이와 평균제곱근오
차는 각각 2.5 Wm-2
와 5.9 Wm-2
로 나타났다. Wang and Liang (2017)은 2009년
1-12월 동안에 MODIS의 반사율과 회귀계수를 통해 상향단파복사(일평균, 100 km
해상도)를 산출하였다. 그 결과 CERES SSF1deg 자료와의 편이와 평균제곱근오차
는 각각 3.4 Wm-2
와 13.5 Wm-2
이었다.
그러나 기존연구들은 다중선형회귀모형을 사용하여 최소제곱법으로 회귀계수
를 결정한 결과이다. 이 경우 단파 영역의 채널들 간의 상관성이 높아(Nanni and
Demattê, 2006; Mokhtari and Busu, 2011) 다중공선성이 존재하여 회귀계수의 정확
성을 낮추기 때문에 능형회귀모형을 사용할 필요가 있다(Draper et al., 1966;
Kleinbaum et al., 2013). 그리고 CERES 자료와 검증 할 때 Niu and Pinker (2012)
와 Wang and Liang (2017)는 100 km 해상도로 일치시켜 일평균 또는 월평균을 하
였기 때문에 시시각각 변화하는 상향단파복사의 정확성을 평가하기에 적절하지
못하다. 반면에 Vázquez-Navarro et al. (2013)와 김동철과 정명재 (2016)는 높은
시·공간 해상도 자료를 통해 상향단파복사를 산출하여 CERES 자료와 검증하였으
12. - 3 -
나 특정 영역에 대한 단일 사례로만으로 정확성을 판단하기에 어려움이 있다.
따라서 이 연구는 천리안(Communication Ocean Meteorological Satellite, COMS)
위성의 후속으로서 차세대 정지궤도 기상위성(Geostationary Korea Multi-Purse
Satellite/Advanced Meteorological Imager, GK-2A/AMI; Park et al., 2016)과 유사한 센
서 특성을 갖는 Himawari-8/AHI(Advanced Himawari Imager; Murata et al., 2015) 자
료를 이용한 상향단파복사 산출 알고리즘을 개발하기 위한 선행 연구이다. 이러
한 알고리즘은 각 채널별 반사율과 회귀계수를 통해 상향단파복사를 산출하였고
이때 회귀계수는 복사전달모델로 수치실험한 결과와 다중공선성을 해결한 능형회
귀모형을 통해 계산하였다. 또한 산출된 상향단파복사의 정확성을 평가하기 위해
스캔 영역과 일별에 대해 Terra/CERES 자료와 비교 분석을 수행하였다. 이 논문
의 2장에서는 연구에 사용한 위성 자료 및 검증 자료를 설명하였다. 3장에서는
대기상단에서의 상향단파복사의 이론적 배경 및 산출 알고리즘을 제시하였다. 4
장에서는 스캔 영역과 일별에 대해 분석하였고 5장에서는 요약 및 결론을 논의하
였다.
13. - 4 -
제 2 장 자료
2.1 입력 자료
이 연구에서 상향단파복사를 산출하기 위하여 Himawari-8 위성 자료(Source:
NWSC(National Meteorological Satellite Center) and ETRI(Electronics
Telecommunications Research Institute))를 사용하였다. 이러한 위성은 2014년 10월
7일에 발사되어 GK-2A 위성과 비슷한 위치에서 관측된 자료를 2015년 7월 7일부
터 관측 제공한다. Himawari-8 위성에 탑재된 AHI 센서는 단파 영역의 채널 6개
(0.5-2.0 km 해상도)와 적외 영역의 10개 채널(2.0 km 해상도)로 구성되어 있으며
(Bessho et al., 2016) 이들 중 이 연구에서 사용한 6개 단파채널 정보는 Table 1과
같다. 이 연구에서 개발한 알고리즘은 Table 1의 Himawari-8/AHI 단파채널 자료에
적용하여 상향단파복사를 산출하였다. 이 과정에서 Himawari-8/AHI 단파 채널들
의 공간해상도가 서로 다르기 때문에 이 연구에서는 2.0 km로 평균하여 공간을
일치시켰다.
Table 1. Shortwave channel data from Himawari-8/AHI for retrieving RSR.
Channel Wavelength [µm]
Resolution
Spatial [km] Numbers of pixels Temporal
1 (Blue) 0.47 (0.43-0.48) 1.0 11,000
Every 10 min
Full Disk
2 (Green) 0.51 (0.50-0.52) 1.0 11,000
3 (Red) 0.64 (0.63-0.66) 0.5 22,000
4 (NIR) 0.86 (0.85–0.87) 1.0 11,000
5 (NIR) 1.61 (1.60-1.62) 2.0 5,500
6 (NIR) 2.26 (2.25-2.27) 2.0 5,500
14. - 5 -
2.2 검증 자료
이 연구에서 상향단파복사의 정확성 평가를 위한 검증 자료로서 CERES 자료
를 이용하였다(Tang et al., 2006; Kang and Ahn, 2015; Kim et al., 2016). 이러한
CERES는 광대역 센서로서 단파 영역(0.3-5.0 µm), 대기의 창 영역(8-12 µm), 전체
영역(0.3-200 µm)에서 장기적인 관측을 통해 복사수지 자료를 제공해준다(Wielicki
et al., 1996; Doelling et al., 2013). 선행연구에 의하면 CERES 자료에 의한 대기상
단에서 하향 및 상향 단파복사 불확실성은 각각 0.5 %와 2 % 이하임을 보고하였
다(Loeb and Manalo-Smith, 2005; Loeb et al., 2009).
스캔 영역에 대한 검증을 위하여 사용한 자료는 Terra/CERES SSF(Single
Scanner Footprint) Level 2 Edition 4A이고 관측시간(Fields of view) 내에서 매 순간
관측되며 20 km의 공간 해상도를 갖는다. AHI와 CERES 간의 시·공간 해상도와
다르기 때문에 CERES의 위·경도를 기준으로 이 연구 결과를 약 10 km 간격으로
평균하여 공간 일치 시켰고 시간 일치를 위해서 이 연구 결과 기준하여 ±5분 이
내의 CERES 자료를 이용하였다. 이 연구에 사용된 사례는 2015년 8월부터 2016
년 7월까지의 매월 1일 주간 사례 중에서 Himawari-8/AHI와 Terra/CERES 자료가
동시에 존재하는 사례로 선정하여 비교 분석을 하였다.
또한 이 연구 결과의 장기적인 정확성 평가를 위하여 CERES SSF1deg Edition
4A 자료를 사용하였다. 이 자료는 앞서 SSF Level 2 자료를 전구 영역과 대기 상
태(구름과 에어로졸)에 대해 100 km로 공간 일치 시켰고 시간(일별, 월별)에 따라
선형 내삽이 되었다. 이 연구에서는 2015년 8월부터 2016년 7월까지의 매월 1일
주간 사례 중에서 Himawari-8/AHI 자료를 일평균하여 CERES 자료와 비교 분석을
하였다.
15. - 6 -
제 3 장 연구 방법
3.1 이론적 배경 및 민감도 실험
상향단파복사의 이론적 배경을 위하여 Fig. 1과 같이 단층 복사모델을 도식화
하여 나타냈으며 지표면과 대기 사이의 단파복사 경로를 표시하였다. Fig. 1에서
실선은 대기에서 입사하는 단파복사(대기 외 일사량)의 1차적인 흡수와 반사 경로
이며 점선은 지표면과 대기에 의한 다중산란 과정을 나타낸 것이다. 이러한 상향
단파복사는 Fig. 1의 초록색 음영 부분과 식 (1)과 같이 표시되고 이를 테일러급수
(Taylor series)를 통해 근사식으로 나타냈다. 최종적인 상향단파복사의 식에서 태
양 상수와 태양 천정각은 이론적으로 계산할 수 있으나 광대역 알베도는 경험적
으로 산출해야 된다. 따라서 여러 연구에서 광대역 알베도는 각 채널별 반사율과
회귀계수를 통해 계산된다고 보고하였다(Wydick et al., 1987; Laszlo et al., 1988;
Buriez et al., 2007; Wang and Liang, 2016).
⋯
≒ ×
≒ cos× (1)
여기서 , , 는 대기에 의한 흡수 및 산란과 대기에 의한 반사 그리고 지표면
알베도이고 , , 는 각각 태양 상수와 태양 천정각 및 광대역 알베
도를 의미한다.
Himawari-8/AHI의 각 채널별 협대역 반사율로 광대역 알베도를 산출하기 위해
서 Fig. 2와 같이 SBDART(Santa Barbara Disort Atmospheric Radiative Transfer;
Ricchiazzi et al., 1998) 복사 모델을 구름의 유무와 지표면 특성 및 중위도 여름철
16. - 7 -
표준대기(Mid-Latitude Summer, MLS; McClatchey et al., 1972)에 대해 모의를 수행
하였다. Fig. 2에서 지표면 특성에 따라 파장별 반사율을 실선으로 나타냈고 이
영역에 대한 광대역 알베도를 범례에 나타내었다. Fig. 2a의 청천 영역에서 지표
면이 눈(snow)으로 덮힌 경우 가시영역 이하의 반사율이 높으나 식물(vegetation)과
모래(sand)는 근적외 영역의 반사율이 높다. 반면에 해양(ocean)은 근적외 파장 영
역의 복사를 대부분 대기 중에서 흡수 때문에 가시영역에서 근적외로 갈수록 반
사율이 낮아졌다. 즉 청천영역의 경우 파장에 따른 반사율은 지표면의 특성에 따
라 중요하게 작용되나 Fig. 2b와 같은 구름 영역의 경우 근적외 영역에서 반사율
은 대부분 지표면 특성(해양, 모래, 식생)에 좌우되지 않으나 가시 영역에서는 눈
(snow)의 반사율이 강하게 나타났다. 따라서 각 채널별 협대역 반사율로부터 광
대역 알베도를 산출하기 위해서는 Fig. 2의 결과에 근거한 구름의 유무와 지표면
특성들이 적절하게 고려되어야 한다. 또한 태양-위성 간의 기하학적 조건(태양 천
정각, 위성 천정각, 상대 방위각)도 상세하게 분석되어야 한다(Loeb et al., 1999,
2000; Kato and Marshak, 2009; Gardner and Sharp, 2010).
17. - 8 -
Fig. 1. Schematic representing the RSR (green area) in the one-layer solar radiation
model. The line at the Top of the Atmosphere represents the atmospheric contribution
(red) that associated with cloud reflection and the dotted line indicates the surface
contribution (blue area) that associated with surface reflection. The variables A, R and
α are the atmospheric absorption and scattering of extraterrestrial solar irradiation, the
reflection by cloud, and surface albedo, respectively.
18. - 9 -
a)
b)
Fig. 2. Simulation results for TOA albedo, spectral response function and spectral
reflectance according to cloud cover, a) clear skies and b) cloudy skies (MLS:
Mid-Latitude Summer; VIS: Visibility; COT: Cloud Optical Thickness; CH: Cloud
Height, grey area: spectral response functions for different channels from
Himawari-8/AHI).
19. - 10 -
3.2 상향단파복사 산출 알고리즘
상향단파복사 산출 알고리즘의 단계별 과정은 Fig. 3과 같다. Himawari-8/AHI
에서 1-6번의 단파채널 자료와 보조 자료를 입력하여 반사율로 변환한다(Process
1). 그리고 청천 및 구름 영역을 구별하여 각 채널별 반사율과 회귀계수를 통해
광대역 알베도 및 상향단파복사로 산출된다(Process 2, 3). 그 결과를 CERES 자료
와 비교 분석하였으며 각 단계별 핵심 내용은 다음과 같다.
Fig. 3. Flow chart for the retrieval algorithm for RSR. Reflectance converted from
radiance from each channel (Process 1) is used to retrieve TOA albedo using
regression coefficients according to cloud cover (Process 2, 3). Then, the processed
data is calculated to CERES data. These regression coefficients were calculated using
results from the radiative transfer model (SBDART) that simulated according to
different atmospheric conditions (solar zenith angle, viewing zenith angle, relative
azimuth angle, surface type, and cloud cover), and a ridge regression. Then, these
regression coefficients were collated in a look-up-table.
20. - 11 -
3.2.1. Process 1 : 협대역 복사휘도를 협대역 반사율로 변환
Fig. 3의 Process 1 과정은 Himawari-8/AHI의 각 채널별 협대역 복사휘도
( ) 자료를 협대역 반사율()로 변환하기 위한 것으로서 식(2)과 같
이 대기에 입사되는 단파복사와 위성이 관측하는 각 채널의 복사조도
( 의 비율이다.
cos
(2)
여기서 , , , 는 각각 태양 천정각과 위성 천정각 및 태양 방위각 그리고
위성 방위각을 의미한다.
3.2.2. Process 2, 3 : 광대역 알베도 산출을 위한 복사전달모델의
수치실험 및 회귀모형
Fig. 3의 Process 1 과정을 수행 후 구름 유무에 따라 각 채널별 협대역 반사율
을 광대역 알베도로 산출된다. 이 과정에서 식 (3)과 (4)의 회귀계수(a1-a6, b1-b6)는
Fig. 4와 같이 복사전달모델(SBDART)의 수치실험과 회귀모형으로 계산된다.
(3)
(4)
여기서 와 는 청천과 구름 영역에서 광대역 알베
21. - 12 -
도이고 와 는 청천과 구름 영역에 대한 회귀계수이고 , ,
, , , 는 각 채널별 협대역 반사율을 의미한다. 청천
과 구름 영역에서 식 (3)과 (4)의 광대역 알베도 계산을 위하여 사용된 복사전달모
델(SBDART)은 대기 중의 가스에 의한 흡수와 에어로졸 및 구름 입자에 의한 산
란 과정들을 계산하고 지표면은 5가지(해양(Tanré et al., 1990), 호수(Kondrat’ev,
1969), 식생(Reeves et al., 1975), 눈(Wiscombe and Warren, 1980), 모래(Staetter and
Schroeder, 1978))로 분류하여 각각의 파장별 반사율 자료를 제공된다. Fig. 4에서
복사전달모델(SBDART)을 이용한 수치실험은 태양 천정각(0°, 10°, 20°, 30°, 40°,
50°, 60°, 65°, 70°, 75°, 80°, 85°의 총 12개), 위성 천정각(0-85° 까지 5° 간격의 총
18개), 상대 방위각(0-180° 까지 10
o
간격의 총 19개), 표준대기조건(열대, 중위도 여
름, 중위도 겨울, 아북극 여름, 아북극 겨울, 미국 표준대기의 총 6개) 그리고 지표
면 특성(해양, 호수, 식생, 눈, 모래의 총 5개)에 대하여 수행하였다. 추가적으로
청천 영역에서 에어로졸 종류(시골, 도시, 해양, 대류권의 총 4개)와 시정(5, 10,
15, 20 km의 총 4개) 그리고 구름 경우 구름광학두께(8, 16, 32, 64, 128의 총 5개)
와 구름 높이(2, 4, 6, 8, 10, 12, 14, 16 km의 총 8개)에 대하여 수치실험을 수행하
였다. 따라서 이 연구에서 복사전달모델(SBDART)을 이용한 전체 수치실험 횟수
는 청천 영역의 경우 총 12×18×19×5×5×4×4=1,641,600 사례 그리고 구름 영역은
12×18×19×5×5×5×8=4,104,000 사례이다.
22. - 13 -
Fig. 4. Flow chart to calculate regression coefficients and numerical simulations with
the radiative transfer model (SBDART). The SBDART simulated atmospheric profile,
solar zenith angle, viewing zenith angle, relative azimuth angle, and surface type. In
addition, cloud optical thickness and cloud height were considered for clouds, and
aerosol types (rural, urban, etc.) and aerosol amount (visibility) were considered for
clear skies. The results from the SBDART (independent variable: reflectance of each
channel, dependent variable: TOA albedo) were used for ridge regression calculations.
23. - 14 -
3.3 능형회귀모형을 통한 광대역 알베도 산출
식 (3), (4)에서 각 채널별 회귀계수(a1-a6, b1-b6)는 앞서 수행된 복사전달모델 결
과를 식 (5), (6)와 같이 다중선형회귀모형(Multiple Linear Regression, MLR)과 능형
회귀모형(Ridge Regression, RR; Hoerl and Kennard, 1970; Hoerl et al., 1975)으로 계
산할 수 있다. 독립변수가 2개 이상일 경우 회귀계수 계산방법으로서 식(5)의 다
중선형회귀모형을 사용하여 최소제곱법으로 회귀계수를 결정할 수 있다. 그러나
이 경우 독립 변수 간의 상관성이 높을 경우 추정량의 정확도가 낮아지기 때문에
식(6)의 능형회귀모형을 사용하는 것이 적절한 것으로 평가되어 있다(Draper et al.,
1966; Kleinbaum et al., 2013).
(5)
(6)
여기서 는 종속변수(SBDART에 의한 광대역 알베도), 는 독립변수(SBDART에
의한 각 채널별 협대역 반사율)이고 는 회귀계수로서 그 추정량()은
로 표시되며 는 무작위오차이다. 식 (6)의 능형회귀 추정량
( )은 식(5)에서 최소제곱 추정량의
부분을
로 치환하여
로 표시된다. 그리고 는 능형매개변수(Ridge Parameter)
로서 이 연구에서는 종속변수와 독립변수의 평균제곱오차(Mean Square Error)가 최
소가 되도록 를 설정하였다. 이 연구에서는 식 (5)의 방법 다중선형회귀모형으
로 회귀계수를 도출하고자 우선 독립변수와 종속변수의 상관계수를 계산하여 Fig.
5에 나타내었다. Fig. 5에서 독립변수와 종속변수의 상관계수(빨강색 숫자)는 모
두 0.90 이상으로 높음에도 불구하고 파랑색으로 표시한 독립변수들 사이의 상관
계수 역시 대부분 높기 때문에 다중공선성(Multicollinearity) 분석이 요구되고 그에
따라 다음의 식 (7)과 같은 분산팽창지수(Variance Inflation Factor, VIF; O’brien,
2007)를 계산하였다.
24. - 15 -
(7)
이 식에서 는 각 채널별 상관계수 행렬이고 독립변수들끼리 분산팽창지수는
10을 넘었기 때문에 다중공선성으로 판단하였다. 식 (5)에 의한 다중선형회귀모형
은 정확한 광대역 알베도 산출이 어려운 상황이다(Farrar and Glauber, 1967; Moon
et al., 2007; Rehman and Saleem, 2014). 따라서 이 연구는 식 (6)과 같이 다중공선
성(독립변수가 서로 종속되어 있다는 문제)을 해결한 능형회귀모형으로 계산하였
고 회귀계수는 각 대기조건(태양 천정각, 위성 천정각, 상대방위각, 지표면 특성,
구름의 유무)에 따라 조견표로 작성되었다. Fig. 6에서 지표면 특성(식생)와 0°≤
상대 방위각≤60°일 때 태양 천정각과 위성 천정각에 따른 각 채널별 회귀계수
(a1-a6, b1-b6)로 나타냈으며 청천 영역(Fig. 6a 참조)의 경우 a6 변동성은 다른 계수
에 비해 크나 구름 영역(Fig. 6b 참조)은 모든 계수에 뚜렷한 변화를 보였다. 이
들 중에서 계수가 급변하는 태양천정각=40°과 위성천정각=40° 일 때 회귀계수를
통해 계산된 광대역 알베도와 SBDART에 의한 광대역 알베도의 상관계수 및 평균
제곱근오차는 청천과 구름 영역에서 모두 0.99와 0.02로 나타났다(Fig. 6c, 6d 참
조).
25. - 16 -
Fig. 5. Matrix of correlation coefficients between the independent variable, narrowband
reflectance ( , , , , , and ) of each channel,
and the dependent variable, TOA albedo. Correlation coefficients between independent
and dependent variables are shown in red and correlation coefficients between
independent variables are shown in blue.
26. - 17 -
a) c)
b) d)
Fig. 6. Regression coefficients (a1-a6, b1-b6) of each channel are shown according to
surface type (vegetation) and solar zenith angles and viewing zenith angles when 0°
≤ relative azimuth angle ≤ 60°. For clear skies (a), variation in a6 was greater than
other coefficients but for cloudy skies (b), significant variations were observed in all
coefficients. Coefficients changed significantly when the solar zenith angle and viewing
zenith angles were both at 40°. Comparison between the actual TOA albedo, for such
conditions, and these estimated using Eqs. (4) and (5) with coefficients stored in the
look-up-table are shown in (c) and (d).
다중선형회귀모형과 능형회귀모형에 의한 차이를 분석하기 위해서
Himawari-8/AHI 자료를 이용하여 두 회귀모형을 통해 산출된 광대역 알베도와
Terra/CERES 자료와 비교 분석을 수행하였다. 또한 광대역 알베도는 청천 영역(0
%)에서 깊은 대류운(80 % 이상)에 이르기까지 큰 변동성을 보이기 때문에(Vá
zquez-Navarro et al., 2013) 강수와 태풍(고니(GONI): 18.8°N, 125.3°E; 앗사니
(ATSANI): 21.2°N, 149.5°E)을 동반하는 2015년 8월 20일 사례를 선정 하였다.
27. - 18 -
Fig. 7a는 Himawari-8/AHI의 RGB 합성영상으로 다양한 대기와 구름 및 지표면 특
성들을 나타내고 Fig. 7b는 2015년 8월 20일 0055-0125 UTC에서 Terra/CERES의 광
대역 알베도이다. Fig. 7c와 Fig. 7d는 다중선형회귀모형과 능형회귀모형을 통해
산출된 광대역 알베도이다. 구름 영역에서 광대역 알베도가 청천 영역보다 크게
나타났고 특히 다중선형회귀모형에 의한 결과는 청천 영역 중 호주 사막과 구름
영역에서 CERES 자료보다 크게 나타났다. 이러한 원인은 다중선형회귀모형에서
다중공선성이 존재하여 회귀계수 부호가 바뀌는 기현상이 발생(Kwon, 2004a)하였
기 때문이다. 그러나 다중공선성을 해결한 능형회귀모형은 다중선형회귀모형 결
과보다 CERES 자료와 가장 유사하였다. 또한 두 회귀모형을 Fig. 7b와 같은 스캔
영역에 대해서 시·공간 일치하여 통계 분석을 수행하였다. 능형회귀모형에 의한
결과(R=0.961, Bias=-0.001, RMSE=0.054)는 다중선형회귀모형(R=0.925, Bias=0.148,
RMSE=0.191)보다 높은 상관성을 보일뿐만 아니라 편이 및 평균제곱근오차도 작았
다. 따라서 이 연구에서는 정성적 및 통계 분석을 통해 능형회귀모형을 상향단파
복사 산출 알고리즘으로 선택하였다.
28. - 19 -
a) b)
c) d)
Fig. 7. Red-green-blue composite imagery of Himawari-8/AHI(a), Terra/CERES(b),
multiple linear regression (c), and ridge regression (d). (a, c, d: 20 August 2015, 0110
UTC; b: 20 August 2015, 0055-0125 UTC). Statistical analysis results from
spatio-temporal adjustments of the two regressions (c and d) compared to (b) and scan
line (MLR: R=0.925, Bias=0.148, RMSE=0.191; RR: R=0.961, Bias=-0.001,
RMSE=0.054).
29. - 20 -
제 4 장 결과 및 분석
4.1 스캔 영역 분석
스캔 영역에 대한 분석을 위하여 Fig. 8과 같이 해당 사례에 대한
Himawari-8/AHI의 상향단파복사와 Terra/CERES의 상향단파복사 및 두 자료의 백분
율오차 그리고 CERES의 청천비율을 나타내었습니다. 이러한 청천 비율은 0-100
%에 따라 구름을 상세 분류하였다(overcast: 0-5 %, partly cloudy: 5-50 %, mostly
cloudy: 50-95 %, clear: 95-100 %). 또한 주간에 태양 천정각와 위성 천정각이 80°
이하인 영역에 대해 분석을 수행하였기 때문에 각 사례마다 약 3-5개의 스캔 영역
이 분석되었다. 그러나 2016년 2월 1일과 2016년 3월 1일 사례들은 Himawari-8/
AHI 자료가 없기 때문에 분석에서 제외하였다. Fig. 8에서 상향단파복사는 구름
의 유무와 지표면 특성에 따라 서로 다르며 고위도로 갈수록 태양 천정각이 커지
기 때문에 현저하게 작아졌다. 즉 청천 영역은 지표면 알베도에 따라 지표면과
대기에 의한 다중 산란효과를 일으킨다(Coakley 2003; Li et al., 2006; Donohoe and
Battisti, 2011). 따라서 알베도가 높은 육지(0.12-0.36)는 약 150 Wm-2
의 상향단파복
사를 보였으나 해양(0.03-0.06)은 약 80 Wm-2
로 나타났다. 반면에 구름 영역은 지
표면 특성에 비해 구름 특성(광학두께, 높이, 종류 등)에 따라 좌우되며 약
300-1200 Wm-2
로 큰 변동성을 보였다. 또한 두 자료의 백분율오차는 중위도 해양
에서 45 % 이상의 큰 차이를 보였으며 이러한 원인은 sun glint로 인한 오차로 판
단된다(Bertrand et al., 2005; Decoster et al., 2014). 그 예로서 2016년 4월 1일 사
례에서 sun glint가 20° 이하에서 앞서 설명된 오차 영역과 일치하였다(Fig. 9 참
조). 그리고 구름 영역에서는 태양 천정각과 위성 천정각에 따라 오차가 발생되
며(Navarro and Margarita, 2013; Wang and Liang, 2016) 특히 구름 가장자리에서 뚜
렷하게 나타났다.
30. - 21 -
August 1st, 2015 (R=0.96, RMSE=44.99 Wm-2
, MPE=-4.21 %)
September 1st, 2015 (R=0.95, RMSE=47.36 Wm-2
, MPE=2.28 %)
October 1st, 2015 (R=0.96, RMSE=49.06 Wm-2
, MPE=4.00 %)
November 1st, 2015 (R=0.96, RMSE=49.68 Wm-2
, MPE=0.45 %)
31. - 22 -
December 1st, 2015 (R=0.96, RMSE=53.64 Wm-2
, MPE=4.10 %)
January 1st, 2016 (R=0.96, RMSE=54.71 Wm-2
, MPE=4.73 %)
February 1st, 2016 (R=0.96, RMSE=47.84 Wm-2
, MPE=-3.23 %)
March 1st, 2016 (R=0.96, RMSE=46.30 Wm-2
, MPE=1.69 %)
32. - 23 -
April 1st, 2016 (R=0.96, RMSE=47.32 Wm-2
, MPE=-1.03 %)
May 1st, 2016 (R=0.97, RMSE=43.02 Wm-2
, MPE=-4.90 %)
June 1st, 2016 (R=0.97, RMSE=49.37 Wm-2
, MPE=-3.92 %)
July 1st, 2016 (R=0.96, RMSE=50.59 Wm-2
, MPE=-3.16 %)
RSR [Wm-2
] percent error [%]
clear fraction [%]
Fig. 8. RSR of Himawari-8/AHI and Terra/CERES from data on the first day of every
month between August 1, 2015 and July 1, 2016, percent errors, and clear fraction
between Himawari-8/AHI and Terra/CERES data sets, R, RMSE, and mean percent
error (MPE) between the two data sets.
33. - 24 -
April 1, 2016
Fig. 9. Sun glint angle between Himawari-8/AHI and Terra/CERES data sets on April
1, 2016.
앞서 구름 영역에 대한 오차 분석을 위하여 상향단파복사에서 큰 영향을 미치
는 광대역 알베도를 Fig. 10에 나타내었다. Fig. 10은 태양 천정각과 위성 천정각
및 청천 비율에 따라 편이와 표준편차 및 평균제곱근오차 그리고 상관계수를 나
타냈으며 막대그래프는 자료 개수를 의미한다. Fig. 10a와 Fig. 10b는 Fig. 8의 구
름 영역(0≤청천 비율＜95 %)에 대해 통계 분석을 수행하였고 Fig. 10a는 표준편
차는 태양 천정각이 50° 이하일 경우에 ± 0.05 이하이나 태양 천정각이 60° 이상
이면 점차 증가하였다. 이러한 경향은 상관계수와 평균제곱근오차에서도 나타났
다. 또한 Fig. 10b에서도 유사하게 60° 이상일 경우 태양 천정각에 비해 작게 변
화하였다. 이러한 원인은 회귀계수 계산 과정에서 평행평면 대기를 가정한 복사
전달모델(SBDART)을 사용하나 평행평면 대기와 실제 대기에서 태양 천정각과 위
성 천정각이 증가할수록 길어지는 광학경로로 인해 오차가 커지기 때문이다(Wang
and Liang, 2016). 그리고 Fig. 10c는 Fig. 8의 전체 사례에 대해 통계 분석을 수행
하였다. 낮은 청천 비율에서 평균제곱근오차가 0.06로 나타났고 반대로 청천 비
율이 높은 경우는 평균제곱근오차가 0.03으로 낮았다. 또한 AHI와 CERES 자료의
공간 해상도는 각각 20 km와 2 km로서 특히 구름 가장자리 부근에서 시·공간 불
일치가 발생되었다. 따라서 부분 구름(partly, mostly cloudy)은 흐린 영역(overcast)
과 청천 영역(clear)에 비해 낮은 상관성과 높은 평균제곱근오차를 보였다.
34. - 25 -
a)
b)
c)
Fig. 10. Bias, standard deviation (Stdev), RMSE, and coefficient correlation (R) in
TOA albedo using CERES and AHI related to the solar zenith angle (a), and viewing
zenith angle (b) for cloudy skies (0 ≤ clear fraction ＜ 95%) for all cases in Figure
8. statistic according to clear fraction (c) for all cases. The bar graph shows the
quantity of data.
35. - 26 -
그리고 Fig. 8의 전체 사례를 육지와 해양 및 전운량에 따라 분류하였고 이들
분류 영역에 대한 통계 분석 결과를 Table 2에 나타내었다. 해양의 경우 평균백
분율오차는 육지에 비해 다소 차이를 보였으며 특히 구름 영역에 비해 청천 영역
에서 큰 차이를 보였다. 해양에서 지표면 알베도(0.06-0.09)는 육지(0.12-0.36)와 큰
차이에도 불구하고 앞서 설명한 바와 같이 sun glint로 인해 오차가 발생되었기 때
문이다(Bertrand et al., 2005; Decoster et al., 2014). 또한 육지와 해양에 관계없이
비교적 균질하게 분포하는 흐린 영역(overcast)은 부분 구름(partly, mostly cloudy)에
비해 높은 상관성을 보이며 이러한 경향은 평균백분율오차와 상대적인 평균제곱
근오차에서도 일치한다. 육지와 해양 및 전운량에 따른 차이가 있음에도 불구하
고 해당 사례에서 AHI와 CERES의 상관계수는 0.95 이상으로 높았고 평균제곱근
오차와 평균백분율오차는 각각 54.71 Wm-2
와 -4.90 % 이하로 분포하였다(Fig. 8 참
조). 특히 전체 사례에 대한 AHI와 CERES의 상관계수는 0.96로서 0.001 수준의
유의성을 나타내고 편이와 평균제곱근오차는 각각 2.48 Wm-2
와 49.19 Wm-2
로 나
타났다(Fig. 11 참조). 이 결과는 선행 연구인 Vázquez-Navarro et al. (2013)와 김동
철과 정명재 (2016)에 비해 개선된 결과를 나타내었다.
36. - 27 -
Table 2. Statistical analysis of RSR retrieval results according to cloud cover, land,
and ocean surfaces(clear: 0-5 %, partly cloudy: 5-50 %, mostly cloudy: 50-95 %,
overcast: 95-100 %).
Statistics
Clear Fration
Land & Ocean
N
Mean
RMSE (rRMSE) R MPE
AHI CERES
Land
Clear 115,164 192.30 184.62 26.61 (14.41 %) 0.94 4.59 %
Cloudy 309,486 323.80 323.20 55.27 (17.10 %) 0.94 0.71 %
-Partly 91,242 202.85 200.98 33.93 (16.88 %) 0.88 1.67 %
-Mostly 85,871 273.50 271.21 56.04 (20.66 %) 0.83 1.26 %
-Overcast 132,373 439.78 441.18 65.66 (14.88 %) 0.92 -0.30 %
Total 424,650 288.13 285.62 49.18 (17.22 %) 0.95 1.76 %
Ocean
Clear 146,061 82.93 88.55 26.88 (30.36 %) 0.76 -6.70 %
Cloudy 1,390,138 254.89 251.57 50.97 (20.26 %) 0.96 0.85 %
-Partly 374,107 105.72 109.52 31.60 (28.85 %) 0.67 -3.59 %
-Mostly 359,580 187.57 180.17 53.55 (29.72 %) 0.81 3.44 %
-Overcast 656.451 376.77 371.62 57.99 (15.60 %) 0.94 1.95 %
Total 1,536,199 238.54 236.07 49.19 (20.84 %) 0.96 0.13 %
Note: N is the number of pairs, Mean is the average in Wm-2
, RMSE is the root
mean square error in Wm-2
, rRMSE is the relative RMSE of (RMSE/CERESMean)×100
in %, R is the correlation coefficient, MPE is mean percent error of
((AHI-CERES)/CERES)×100 in %.
37. - 28 -
Fig. 11. Two-dimensional histograms of RSR from Terra/CERES and Himawari-8/AHI
for all cases in Table 2. The colors represent the 2D histogram of coincident pairs
using a bin size of 0.001. The solid red line is a linear fit to the data. The black line
corresponds to the 1:1 line.
38. - 29 -
4.2 일별 분석
이 알고리즘의 장기적인 정확성 평가를 위하여 2015년 8월부터 2016년 7월까
지의 매월 1일 중에서 Himawari-8/AHI 자료를 일평균하여 Terra/CERES 자료와 비
교 분석하여 Fig. 12와 Table 3에 나타내었다. Fig. 12에서 AHI와 CERES 자료를
시·공간 일치시킨 상향단파복사와 두 자료의 백분율오차 및 청천비율을 나타내었
다. 해당 사례마다 일평균을 위해서 사용된 AHI 자료는 약 90개 이상을 필요로
하나 특정 사례(2015년 12월 1일, 2016년 1월 1일, 2016년 2월 1일)에서는 자료 누
락으로 인해 71개 이하 자료를 이용하였기 때문에 다른 사례에 비해 평균제곱근
오차와 평균백분율오차가 크다. 또한 앞서 스캔 영역에서 나타낸 바와 같이 sun
glint와 구름 영역에서 오차가 발생되며 특히 부분 구름에서 뚜렷한 차이를 보였다
(Table 3 참조). 그럼에도 불구하고 각 해당 사례에서 AHI와 CERES의 상관계수
는 0.90-0.96이고 평균제곱근오차는 각각 18.01-25.81 Wm-2
로 분포하였다. 그리고
전체 사례에서 상관계수가 스캔 영역에 비해 좋지 못하나 편이와 평균제곱근오차
는 크게 작아졌다(Fig. 11, 13 참조). 이러한 결과는 Wang and Liang (2017)와 유
사한 경향을 나타났으나 평균된 자료의 공간 해상도가 클수록 그리고 장기간에
대한 자료가 많을수록 편이와 평균제곱근오차가 작아지기 때문에 이 연구에서 나
타낸 결과는 개선되었다고 판단된다(Bhartia, 2016; Wang and Liang, 2017).
39. - 30 -
August 1st, 2015 (R=0.95, RMSE=18.01 Wm-2
, MPE=-2.26 %)
September 1st, 2015 (R=0.92, RMSE=18.69 Wm-2
, MPE=2.17 %)
October 1st, 2015 (R=0.93, RMSE=18.01 Wm-2
, MPE=3.11 %)
November 1st, 2015 (R=0.93, RMSE=19.37 Wm-2
, MPE=4.04 %)
40. - 31 -
December 1st, 2015 (R=0.94, RMSE=22.20 Wm-2
, MPE=2.55 %)
January 1st, 2016 (R=0.91, RMSE=25.81 Wm-2
, MPE=3.47 %)
February 1st, 2016 (R=0.93, RMSE=23.93 Wm-2
, MPE=1.74 %)
March 1st, 2016 (R=0.90, RMSE=20.77 Wm-2
, MPE=2.91 %)
41. - 32 -
April 1st, 2016 (R=0.92, RMSE=18.60 Wm-2
, MPE=2.64 %)
May 1st, 2016 (R=0.93, RMSE=19.57 Wm-2
, MPE=-0.89 %)
June 1st, 2016 (R=0.96, RMSE=19.53 Wm-2
, MPE=-1.99 %)
July 1st, 2016 (R=0.96, RMSE=18.54 Wm-2
, MPE=-2.51 %)
RSR [Wm-2
] percent error [%]
clear fraction [%]
Fig 12. Similar to Figure 8 but for daily mean data.
42. - 33 -
Table 3. Similar to Table 2 but for daily mean data.
Statistics
Clear Fration
Land & Ocean
N
Mean
RMSE (rRMSE) R MPE
AHI CERES
Land
Clear 5,362 66.21 66.08 10.89 (16.48 %) 0.86 -0.13 %
Cloudy 23,782 113.31 114.39 20.67 (18.07 %) 0.94 0.11 %
-Partly 8,161 75.01 73.93 16.04 (21.69 %) 0.85 2.05 %
-Mostly 8,351 105.05 106.66 20.57 (19.28 %) 0.88 -0.76 %
-Overcast 7,270 165.78 168.69 24.97 (14.80 %) 0.91 -1.06 %
Total 29,145 104.64 105.50 19.25 (18.25 %) 0.94 0.07 %
Ocean
Clear 3,556 44.20 45.96 11.87 (25.83 %) 0.82 -4.22 %
Cloudy 103,620 93.10 92.39 20.87 (22.59 %) 0.93 1.75 %
-Partly 28,850 54.73 53.42 14.33 (26.83 %) 0.78 2.76 %
-Mostly 37,446 82.07 79.70 19.70 (24.71 %) 0.86 3.18 %
-Overcast 37,324 133.82 135.24 25.72 (19.02 %) 0.91 -0.46 %
Total 107,176 91.48 90.85 20.63 (22.71 %) 0.93 1.55 %
Note: N is the number of pairs, Mean is the average in Wm-2
, RMSE is the root
mean square error in Wm-2
, rRMSE is the relative RMSE of (RMSE/CERESMean)×100
in %, R is the correlation coefficient, MPE is mean percent error of
((AHI-CERES)/CERES)×100 in %.
43. - 34 -
Fig. 13. Similar to Figure 11 but for Table 3.
44. - 35 -
제 5 장 요약 및 결론
이 연구는 천리안 위성의 후속으로서 차세대 정지궤도 기상위성(GK-2A/AMI)과
유사한 Himawari-8/AHI 자료를 이용하여 대기상단에서의 상향단파복사 알고리즘을
개발하였다. 이 알고리즘은 각 채널별 반사율과 각 대기 조건(태양 천정각, 위성
천정각, 상대 방위각, 지표면 특성, 구름의 유무)에 따른 회귀계수를 통해 광대역
알베도 및 상향단파복사를 산출하였고 이 결과에 대한 검증을 위하여
Terra/CERES 자료와 비교 분석을 하였다. 복사전달모델의 수치실험한 결과(독립
변수: 각 채널별 반사율, 종속변수: 광대역 알베도)로 도출한 회귀모형의 계수는
다중선형회귀모형과 능형회귀모형으로 계산되나 이 연구에서 다중공선성(독립변수
가 서로 종속되어 있다는 문제)을 해결한 능형회귀모형으로 계산하였다.
그 결과 산출된 상향단파복사와 CERES 자료와의 백분율오차는 해양에서 크고
육지에서 비교적 작았으며 이러한 차이는 구름 영역에 비해 청천영역에서 더 크
게 나타났다. 이러한 원인은 해양 알베도의 경우 육지 알베도에 비해 지표 특성
의 변동이 작음에도 불구하고 sun glint로 인한 오차로 판단된다(Coakley 2003; Li
et al., 2006). 또한 복사전달모델(SBDART)의 경우 대기를 평행평면 대기로 가정
하기 때문에 실제 대기와 평행평면 대기에서 태양 천정각과 위성 천정각이 증가
할수록 오차가 커졌다. 그리고 AHI와 CERES의 공간 해상도 불일치로 인한 오차
가 나타났다.
그럼에도 불구하고 스캔 영역의 경우 전체 사례에 대한 상관계수는 0.96으로
높았고 편이와 평균제곱근오차는 각각 2.48 Wm-2
와 49.19 Wm-2
로 Vázquez-Navarro
et al. (2013)와 김동철과 정명재 (2016)에 비해 개선된 결과를 나타내었다. 또한
일별에 대한 분석 결과는 0.90-0.96의 상관성을 보였고 평균제곱근오차는
18.01-25.81 Wm-2
로 Wang and Liang (2017)와 유사한 경향을 나타내었으나 공간해
상도가 클수록 장기간 평균할수록 통계분석 결과는 좋아지기 때문에(Bhartia 2016;
Wang and Liang, 2017) 이 연구 결과는 개선되었다고 판단된다.
45. - 36 -
결과적으로 Himawari-8/AHI와 같은 높은 시·공간해상도의 상향단파복사는 자연
적·인위적 요인(대기오염, 도시화, 산불 등)으로 발생된 복사강제력을 이해하는 연
구뿐만 아니라 시시각각 변화하는 권운과 비행운에 의한 복사효과 연구에 사용된
다. 그 밖에 동북아시아 영역의 상향단파복사를 산출하여 국제 기후 대응 프로젝
트에 참여를 위한 초석이 되고 인간 활동에 의한 인위적인 요인을 분석하여 기상
청의 기후변화 영향 평가 연구에 활용될 것으로 사료된다. 또한 이 연구는 대한
민국의 후속위성인 차세대 정지궤도 기상위성(GK-2A/AMI)의 복사요소 산출물 알
고리즘 개발을 위한 선행적인 연구로 연구개발의 가이던스가 될 뿐만 아니라 과
학 기술 발전을 도모할 것이다. 그러므로 추후 상향단파복사 산출의 개선과 다양
한 사례에 대한 검증을 통해 산출 정확도 향상의 필요성이 제기된다.
46. - 37 -
참고문헌
Bertrand, C., N. Clerbaux, A. Ipe, S. Dewitte, and L. Gonzalez, 2005: Angular
distribution models, anisotropic correction factors, and mixed clear-scene types:
A sensitivity study. IEEE transactions on geoscience and remote sensing, 43,
92-102.
Bessho, K., M. Hayashi, A. Ikeda, H. Inoue, Y. Kumagai, T. Miyakawa, H. Murata,
O. Tomoo, A. Okuyama, and R. Oyama, 2016: An introduction to
Himawari-8/9—Japan’s new-generation geostationary meteorological satellites.
Journal of the Meteorological Society of Japan. Ser. II, 94, 151-183.
Bhartia, P. K., 2016: Top-of-the-atmosphere shortwave flux estimation from satellite
observations: an empirical neural network approach applied with data from the
A-train constellation. Atmospheric Measurement Techniques, 9, 2813.
Buriez, J. C., F. Parol, Z. Poussi, and M. Viollier, 2007: An improved derivation of
the top‐of‐atmosphere albedo from POLDER/ADEOS‐2: 2. Broadband albedo.
Journal of Geophysical Research: Atmospheres, 112.
Coakley, J., 2003: Reflectance and albedo, surface. Academic, 1914-1923.
Decoster, I., N. Clerbaux, E. Baudrez, S. Dewitte, A. Ipe, S. Nevens, A. V. Blazquez,
and J. Cornelis, 2014: Spectral aging model applied to meteosat first generation
visible band. Remote Sensing, 6, 2534-2571.
Doelling, D. R., N. G. Loeb, D. F. Keyes, M. L. Nordeen, D. Morstad, C. Nguyen,
B. A. Wielicki, D. F. Young, and M. Sun, 2013: Geostationary enhanced
temporal interpolation for CERES flux products. Journal of Atmospheric and
Oceanic Technology, 30, 1072-1090.
Donohoe, A., and D. S. Battisti, 2011: Atmospheric and surface contributions to
planetary albedo. Journal of Climate, 24, 4402-4418.
Draper, N. R., H. Smith, and E. Pownell, 1966: Applied regression analysis. Wiley
47. - 38 -
New York.
Farrar, D. E., and R. R. Glauber, 1967: Multicollinearity in regression analysis: the
problem revisited. The Review of Economic and Statistics, 92-107.
Gardner, A. S., and M. J. Sharp, 2010: A review of snow and ice albedo and the
development of a new physically based broadband albedo parameterization.
Journal of Geophysical Research: Earth Surface, 115.
Hatzianastassiou, N., A. Fotiadi, C. Matsoukas, K. Pavlakis, E. Drakakis, D.
Hatzidimitriou, and I. Vardavas, 2004: Long-term global distribution of earth's
shortwave radiation budget at the top of atmosphere. Atmospheric Chemistry
and Physics, 4, 1217-1235.
Hatzianastassiou, N., C. Matsoukas, A. Fotiadi, K. Pavlakis, E. Drakakis, D.
Hatzidimitriou, and I. Vardavas, 2005: Global distribution of Earth's surface
shortwave radiation budget. Atmospheric Chemistry and Physics, 5, 2847-2867.
Hoerl, A. E., R. W. Kannard, and K. F. Baldwin, 1975: Ridge regression: some
simulations. Communications in Statistics-Theory and Methods, 4, 105-123.
Hoerl, A. E., and R. W. Kennard, 1970: Ridge regression: Biased estimation for
nonorthogonal problems. Technometrics, 12, 55-67.
Kang, S., and J.-B. Ahn, 2015: Global energy and water balances in the latest
reanalyses. Asia-Pacific Journal of Atmospheric Sciences, 51, 293-302.
Kato, S., and A. Marshak, 2009: Solar zenith and viewing geometry‐dependent errors
in satellite retrieved cloud optical thickness: Marine stratocumulus case. Journal
of Geophysical Research: Atmospheres, 114.
Kim, Y., H.-R. Kim, Y.-S. Choi, W. Kim, and H.-S. Kim, 2016: Development of
statistical seasonal prediction models of Arctic Sea Ice concentration using
CERES absorbed solar radiation. Asia-Pacific Journal of Atmospheric Sciences,
52, 467-477.
Kim, Y.-J., B.-G. Kim, M. Miller, Q. Min, and C.-K. Song, 2012: Enhanced
aerosol-cloud relationships in more stable and adiabatic clouds. Asia-Pacific
48. - 39 -
Journal of Atmospheric Sciences, 48, 283-293.
Kleinbaum, D., L. Kupper, A. Nizam, and E. Rosenberg, 2013: Applied regression
analysis and other multivariable methods. Nelson Education.
Kondrat'Ev, K. Y., 1969: Radiation in the Atmosphere. Radiation in the atmosphere.,
by Kondrat'ev, K. Ya.. New York, NY (USA): Academic Press, 915 p., 1.
Kwon, S., 2004: Survey analysis (SAS utilizing SPSS), Chapter 6 Multicollinearity
(Korean edition). 134-154.
Laszlo, I., A. Gruber, and H. Jacobowitz, 1988: The relative merits of narrowband
channels for estimating broadband albedos. Journal of Atmospheric and Oceanic
Technology, 5, 757-773.
Li, J., J. Scinocca, M. Lazare, N. McFarlane, K. Von Salzen, and L. Solheim, 2006:
Ocean surface albedo and its impact on radiation balance in climate models.
Journal of climate, 19, 6314-6333.
Loeb, N. G., P. O. R. Hinton, and R. N. Green, 1999: Top‐of‐atmosphere albedo
estimation from angular distribution models: A comparison between two
approaches. Journal of Geophysical Research: Atmospheres, 104, 31255-31260.
Loeb, N. G., and N. Manalo-Smith, 2005: Top-of-atmosphere direct radiative effect of
aerosols over global oceans from merged CERES and MODIS observations.
Journal of Climate, 18, 3506-3526.
Loeb, N. G., N. Manalo-Smith, S. Kato, W. F. Miller, S. K. Gupta, P. Minnis, and
B. A. Wielicki, 2003: Angular distribution models for top-of-atmosphere
radiative flux estimation from the Clouds and the Earth's Radiant Energy
System instrument on the Tropical Rainfall Measuring Mission satellite. Part I:
Methodology. Journal of applied meteorology, 42, 240-265.
Loeb, N. G., B. A. Wielicki, D. R. Doelling, G. L. Smith, D. F. Keyes, S. Kato, N.
Manalo-Smith, and T. Wong, 2009: Toward optimal closure of the Earth's
top-of-atmosphere radiation budget. Journal of Climate, 22, 748-766.
Luther, M., J. Cooper, and G. Taylor, 1986: The Earth radiation budget experiment
49. - 40 -
nonscanner instrument. Reviews of Geophysics, 24, 391-399.
Mokhtari, M. H., and I. Busu, 2011: Downscaling Albedo from moderate-resolution
imaging spectroradiometer (MODIS) to advanced space-borne thermal emission
and reflection radiometer (ASTER) over an agricultural area utilizing ASTER
visible-near infrared spectral bands. International Journal of Physical Sciences,
6, 5804-5821.
Moon, J., S.-B. Ryoo, and W.-T. Kwon, 2007: On the Improvement of Seasonal
Predictability from Multi Model Ensembles. Asia-Pacific Journal of Atmospheric
Sciences, 43, 305-320.
Murata, H., M. Takahashi, and Y. Kosaka, 2015: VIS and IR bands of
Himawari-8/AHI compatible with those of MTSAT-2/Imager. MSC technical
note, 60, 1-18.
Nanni, M. R., and J. A. M. Demattê, 2006: Spectral reflectance methodology in
comparison to traditional soil analysis. Soil Science Society of America Journal,
70, 393-407..
Niu, X., and R. T. Pinker, 2012: Revisiting satellite radiative flux computations at the
top of the atmosphere. International journal of remote sensing, 33, 1383-1399.
O’brien, R. M., 2007: A caution regarding rules of thumb for variance inflation
factors. Quality & Quantity, 41, 673-690.
Park, J., J. Bok, H. Oh, and H. Lim, 2016: Development of Radiometric Calibration
System for AMI. 14th International Conference on Space Operations, 2325.
Reeves, R. G., A. Anson, and D. Landen, 1975: Manual of Remote Sensing American
Society of Photogrammetry. Falls Church, Virginia, 2.
Rehman, S. U., and K. Saleem, 2014: Forecasting scheme for swan coastal river
streamflow using combined model of IOHLN and Niño4. Asia-Pacific Journal
of Atmospheric Sciences, 50, 211-219.
Ricchiazzi, P., S. Yang, C. Gautier, and D. Sowle, 1998: SBDART: A research and
teaching software tool for plane-parallel radiative transfer in the Earth's
50. - 41 -
atmosphere. Bulletin of the American Meteorological Society, 79, 2101.
Staetter, R., and M. Schroeder, 1978: Spectral characteristics of natural surfaces. Proc.
Int. Conf. on Earth Observation from Space and Management of Planetary
Resources. Council of Europe, Commission of the European Communities, and
European Association of Remote Sensing Laboratories.
Stephens, G. L., D. O'Brien, P. J. Webster, P. Pilewski, S. Kato, and J. l. Li, 2015:
The albedo of Earth. Reviews of Geophysics, 53, 141-163.
Stubenrauch, C., W. Rossow, and S. Kinne, 2012: Assessment of Global Cloud Data
Sets from Satellites A Project of the World Climate Research Programme
Global Energy and Water Cycle Experiment (GEWEX) Radiation Panel Lead
Authors.
Tang, B., Z.-L. Li, and R. Zhang, 2006: A direct method for estimating net surface
shortwave radiation from MODIS data. Remote Sensing of Environment, 103,
115-126.
Tanré, D., C. Deroo, P. Duhaut, M. Herman, J. Morcrette, J. Perbos, and P.
Deschamps, 1990: Technical note Description of a computer code to simulate
the satellite signal in the solar spectrum: the 5S code. International Journal of
Remote Sensing, 11, 659-668.
Vazquez-Navarro, M., B. Mayer, and H. Mannstein, 2013: A fast method for the
retrieval of integrated longwave and shortwave top-of-atmosphere upwelling
irradiances from MSG/SEVIRI (RRUMS). Atmospheric Measurement
Techniques, 6, 2627-2640.
Wang, D., and S. Liang, 2016: Estimating high-resolution top of atmosphere albedo
from Moderate Resolution Imaging Spectroradiometer data. Remote Sensing of
Environment, 178, 93-103.
Wang, D., and S. Liang, 2017: Estimating Top-of-Atmosphere Daily Reflected
Shortwave Radiation Flux Over Land From MODIS Data. IEEE Transactions
on Geoscience and Remote Sensing.
51. - 42 -
Wielicki, B. A., B. R. Barkstrom, E. F. Harrison, R. B. Lee III, G. Louis Smith, and
J. E. Cooper, 1996: Clouds and the Earth's Radiant Energy System (CERES):
An earth observing system experiment. Bulletin of the American Meteorological
Society, 77, 853-868.
Wiscombe, W. J., and S. G. Warren, 1980: A model for the spectral albedo of snow.
I: Pure snow. Journal of the Atmospheric Sciences, 37, 2712-2733.
Wydick, J. E., P. A. Davis, and A. Gruber, 1987: Estimation of broadband planetary
albedo from operational narrowband satellite measurements. Unknown.
김동철, and 정명재, 2016: 극궤도 위성 관측을 이용한 지표면에서의 태양 복사에
너지 도출. 대한원격탐사학회지, 32, 201-220.
52. - 43 -
Abstract
Retrieval for Reflected Shortwave Radiation
at the Top of the Atmosphere using Himawari-8/AHI
Sang-Ho Lee
Department of Atmospheric and Environmental Sciences,
Gangneung-Wonju National University, Gangneung 210-702, Korea
This is a preliminary study for developing an algorithm for deriving the reflected
shortwave radiation at the top of the atmosphere (RSR) using Advanced Himawari
Imager (Himawari-8/AHI) data. Himawari-8/AHI has similar sensor properties and
scan line with Geostationary Korea Multi-Purse Satellite/Advanced Meteorological
Imager (GK-2A/AMI) which will be launched in 2018 to analyze climate and radiation
budget for Earth’s atmosphere. The regression coefficient is calculated using the
results of the radiative transfer model (SBDART) and ridge regression. The SBDART
used simulations of the relationship between broadband albedo according to each
atmospheric condition (solar zenith angle, viewing zenith angle, relative azimuth angle,
surface type, and cloud cover) and reflectance of each channel. Cases from weeks
containing day 1st of every month between August 2015 and July 2016 were used to
perform comparative analysis with the National Aeronautics and Space Administration
(NASA) satellite Terra with onboard sensor Clouds and the Earth’s Radiant Energy
System (CERES) data for each day and the scan line to validate the retrieved RSR.
53. - 44 -
Scan line analysis showed errors due to sun glint for middle-latitude ocean under clear
skies. For cloudy skies, error increased according to the solar zenith angle and viewing
zenith angle since optic pathways were different for the actual atmosphere and the
plane parallel atmosphere that was assumed in the SBDART. The error was
especially large on the edges of clouds due to time and spatial disagreement between
AHI data and CERES data. Nonetheless, the correlation coefficient between AHI and
CERES data was high at 0.96 and the root mean square error (RMSE) was 49.19
Wm-2
when all the cases were considered. Furthermore, analysis was done for each
day to determine long term accuracy, and the results showed correlations between
0.90-0.96 and RMSEs between 18.01-25.81 Wm-2
.
Keyword: Geostationary Korea Multi-Purse Satellite/Advanced Meteorological Imager
(GK-2A/AMI), Reflected Shortwave Radiation at the top of the atmosphere (RSR),
Himawari-8/Advanced Himawari Imager (AHI), Ridge Regression, Terra/Clouds and the
Earth Radiant Energy System (CERES)
