국제 학술지 : Himawari-8/AHI 자료를 이용한 대기상단에서의 상향단파복사 산출 (Retrieval of Reflected Shortwave Radiation at the Top of the Atmosphere using Himawari-8/AHI data)
1. Himawari-8/AHI 자료를 이용한 대기상단에서의 상향단파복사 산출
Retrieval of Reflected Shortwave Radiation
at the Top of the Atmosphere using Himawari-8/AHI data
Abstract
이 연구는 2018년에 발사 예정인 차세대 정지궤도 기상위성 (GK-2A/AMI)과 유사
한 센서 특징과 관측 영역을 갖는 Himawari-8/AHI의 채널별 복사휘도 자료를 이용한 대
기상단에서의 상향단파복사 산출 알고리즘을 개발하였다. 이러한 알고리즘은 6개 단파
채널의 복사휘도를 채널별 반사율로 환산하고 태양-위성의 기하학 조건 (태양 천정각, 위
성 천정각, 상대 방위각, Sun glint) 및 대기 조건 (지표면 특성, 구름의 유무)에 따른 회귀
계수 조견표를 통해 상향단파복사를 산출하였다. 이 연구에서 사용된 회귀계수는 각 대
기조건에 따른 광대역 알베도와 비등방성을 고려한 채널별 반사율의 관계를 복사전달모
델 (SBDART) 수치실험 결과와 능형회귀모형을 통해 조견표로 작성되었다. 산출된 상향
단파복사는 2015년 7월부터 2017년 2월까지 매월 15일의 Terra와 Aqua 및 Suomi-NPP (S-
NPP)/CERES 자료를 이용하여 비교 검증하였다. 이 연구 사례별 검증결과 결정계수 (R2
)
는 0.867 이상으로 높았고 편이 (Bias)와 평균제곱근오차 (RMSE)는 각각 −21.34‒5.52 Wm-
2
와 51.74‒59.28 Wm-2
이었다. 그리고 전체 사례에 대한 R2
과 Bias 및 RMSE는 각각
0.903과 2.34 Wm-2
및 52.12 Wm-2
이었다.
주제어: 차세대 정지궤도 기상위성 (GK-2A/AMI), Himawari-8/AHI, 대기상단에서의 광대역
알베도, 대기상단에서의 상향단파복사, CERES
Key word: Geostationary Korea Multi-Purse Satellite/Advanced Meteorological Imager (GK-
2A/AMI), Himawari-8/Advanced Meteorological Imager (Himawari-8/AHI), broadband albedo at the
top of the atmosphere (TOA albedo), reflected shortwave radiation at the top of the atmosphere (RSR),
Clouds and the Earth Radiant Energy System (CERES)
2. 1. Introduction
대기상단에서의 상향단파복사 (Reflected Shortwave Radiation at the Top of the
Atmosphere, RSR)는 지표면 특성 (15%) 및 대기 중의 가스 (에어로졸, 수증기 등) (20%)
그리고 구름 (65%)에 의해 변화한다 (AWG Radiation Budget Application Team, 2012). 특히
청천 영역은 지표면 특성에 따라 파장이 짧은 자외선 및 근적외선이 중요하게 작용하나
구름 영역의 경우 지표면 특성보다 구름 특성에 의하여 변화된다 (Bhartia et al., 2016). 또
한 황사와 미세먼지 등의 에어로졸은 상향단파복사의 흡수 및 반사 관련하여 (Trenberth
et al., 2014) 구름 분포 및 특성 변화에 영향을 미칠 뿐만 아니라 (Kim et al., 2012) 지구대
기 알베도를 증가시켜 에너지 불균형 및 지구 냉각을 유발할 수 있다 (Stephens et al., 2015;
Doelling et al., 2013). 따라서 고해상도의 위성 자료를 이용한 대기상단에서의 광대역 알
베도 및 상향단파복사는 기후 변화 및 에어로졸에 의한 대기 중의 시공간적 변화 분석에
활용될 수 있다.
대기상단에서의 상향단파복사 측정 및 분석은 복사전달모델과 위성에 탑재된 광
대역 또는 협대역 센서 자료가 이용된다. 복사전달모델의 경우는 입력자료 등에 따른
수치실험 분석이 우선되어야 할 뿐만 아니라 해당 격자마다 복사모델에 의한 계산수행이
필연이기 때문에 많은 시간이 소요된다 (Hatzianastassiou et al., 2005; Stubenrauch et al., 2012).
또한 ERBE (Earth Radiation Budget Experimen) (Luther et al., 1986)와 CERES (Clouds and the
Earth Radiant Energy System) (Wielicki et al., 1996) 등의 광대역 센서는 극궤도 위성에 탑재되
어 전구 영역의 복사량 (radiance)을 관측하나 20 km 이상의 해상도로 자료를 제공하기 때
문에 지역적인 복사 수지 연구에 제한적이다. 또한 이들 센서는 소규모 지역에서 발생
하는 자연적 또는 인위적 대기오염과 도시화 및 산불 등에 대한 탐지가 어려워 (Wang
and Liang, 2016) 상향단파복사의 시∙공간 분포 분석에는 적합하지 못한 실정이다. 일반적
으로 복사전달모델 및 극궤도 위성의 광대역 센서를 이용한 대기상단의 상향단파복사 산
출 방법은 협대역 센서에 비해 높은 정확성을 가지나 시∙공간 변화 분석에 한계를 드러
낸다. 그러나 정지궤도위성의 협대역 센서를 이용하면 시간 및 공간 연속성이 우수하다.
협대역 센서를 이용할 경우 채널별 반사율은 등방성을 가정하여 대기에 입사되는 단파복
사와 위성에서 관측되는 복사조도의 비율을 의미한다. 그러나 실제 대기 조건 (태양-위
성의 기하학 조건, 지표면 특성 등)에서는 등방성을 만족하지 못하기 때문에 복사전달모
델 및 광대역 센서를 활용하여 보정되고 있다 (Niu and Pinker, 2012). 또한 협대역 센서의
채널별 반사율과 광대역 알베도 (Wang and Liang, 2016) 그리고 협대역 센서의 반사율과
3. 상향단파복사의 관계는 태양 천정각, 위성 천정각, 상대 방위각 (Laszlo et al., 1988), 지표
면 특성 (Wydick et al., 1987) 그리고 비등방성(Angular Distribution Models, ADM; Loeb et al.,
2003) 특성 (Viollier, 2001)과 같은 많은 요소에 영향을 받는다 (Buriez et al., 2007).
이러한 협대역 센서의 채널별 반사율을 이용한 상향단파복사 산출 관련 연구로
서 Viollier (2001)은 1999년 1월 20일에서 3월 31일 동안 Meteosat 자료를 이용하여 채널
별 반사율을 계산할 경우 등방성을 가정하고 태양 반사광 (sun glint) 제거한 방법과 등방
성만 가정한 방법 그리고 ERBE 비등방성 요소로 보정한 방법을 비교하였다. 그 결과
Meteosat 자료의 등방성 가정하고 태양 반사광을 제거한 경우는 ScaRaB 자료와의 상관계
수가 0.938로서 등방성만 가정한 경우와 ERBE 비등방성 요소로 보정한 경우의 상관계수
0.919 및 0.929 보다 더 크게 나타났다. 그리고 Vázquez-Navarro et al. (2013)은 2004년 3, 4,
6 그리고 9월에 Meteosat-8/SEVIRI의 반사율(0.6, 0.8, 1.6 µm)과 입력 자료(태양 천정각, 위
성 천정각, 상대 방위각, 육지 및 해상 분류)를 기반으로 인공 신경망을 통해 상향단파복
사를 산출하였고 그 결과 CERES SSF 자료와 비교한 편이는 각각 -15.99, -16.81, -30.88, -
7.48 Wm-2
이었으며 상관계수는 모두 0.96 이상이었다. 또한 상향단파복사의 정확성 평가
를 위하여 Niu and Pinker (2012)는 2004년 4–7월 동안에 Meteosat-8/SEVIRI의 반사율(0.6,
0.8 µm) 및 비등방성 자료를 이용하여 상향단파복사를 산출하였고 이 연구에서 비등방성
은 복사전달모델 (MODTRAN 3.7) (Berk et al., 1983) 및 CERES의 광대역 센서를 이용하여
계산하였다. 그리고 Meteosat-8/SEVIRI의 반사율와 비등방성을 이용한 상향단파복사 산
출 결과를 CERES SRBAVG 자료와 시·공간 일치(4달 평균, 100 km 해상도)하였다. 통계
분석한 결과 이들의 상관계수는 0.98 이고 편이와 평균제곱근오차는 각각 2.5 Wm-2
와 5.9
Wm-2
로 나타났다.
위성의 채널별 복사휘도로부터 상향단파복사를 산출하는 기존 연구들은 복사전
달모델 또는 광대역 센서를 이용하여 비등방성 (ADM)이 우선 계산되어야 하나 이들 협
대역 반사율의 비등방성 계산에 필요한 입력 변수가 결측되거나 부정확할 경우 산출이
어렵다 (Bhartia, 2016). 그리고 상향단파복사 산출 결과를 CERES 자료와 비교 검증한 사
례로서 Niu and Pinker (2012)는 100 km 해상도로 장기간 평균된 자료를 이용하였기 때문에
검증 결과는 좋게 나타났을 수 있으나 알고리즘 정확성 평가시에 다른 상황 (다른 사례
혹은 계절 등)에서 발생될 수 있는 문제점과 특이 현상 등을 고려하지 못한다 (Kim et al.,
2018). 또한 Vázquez-Navarro et al. (2013)은 특정 시간 동안의 단일사례에 대하여 높은 시
공간 해상도 자료를 생산해 CERES 자료와 비교하였으나 장기적인 알고리즘의 정확성을
4. 판단하기 어렵다.
따라서 이 연구는 차세대 정지궤도 기상위성 (Geostationary Korea Multi-Purse
Satellite/Advanced Meteorological Imager, GK-2A/AMI) (Choi and Ho, 2015)의 산출물 중 상향단
파복사 알고리즘 개발을 위한 것이고 또한 GK-2A/AMI와 유사한 센서 특성의 Himawari-
8/AHI (Advanced Himawari Imager) (Murata et al., 2015) 자료를 이용한 대기상단에서의 상향단
파복사 산출 알고리즘을 위한 선행연구이다. 즉 이 상향단파복사 알고리즘은 대기요소
들의 입력자료를 사용하는 기존 연구와 달리 Lee et al (2017)에 의해 위성의 채널별 반사
율과 태양-위성의 기하학 조건 (태양 천정각, 위성 천정각, 상대 방위각) 및 대기 조건
(지표면 특성, 구름의 유무)에 따른 회귀계수 조견표를 통해 광대역 알베도를 산출하였다.
그러나 이 과정에서는 대기를 등방성으로 가정하여 복사전달모델 (Santa Barbara Disort
Atmospheric Radiative Transfer, SBDART) (Ricchiazzi et al., 1998)을 수행하였다. 따라서 이 연
구에서는 기하학 조건 및 대기 조건에 따른 비등방성 요소를 고려하여 상향단파복사를
산출하였으며 불확실성이 큰 태양 반사광 영역 (sun glint)을 제거하였다. 산출된 결과는
Terra와 Aqua 및 S-NPP/CERES 자료와 비교 검증하였다. 이 논문의 2장에서는 연구에
사용한 위성 자료 및 검증 자료를 설명하였다. 3장에서는 대기상단에서의 상향단파복사
의 이론적 배경 및 산출 알고리즘을 제시하였다. 4장에서는 검증 결과에 대해 논의하였
고 5장에서는 결론을 요약하였다.
5. 2. Data
2.1 Input Data
이 연구는 2018년에 발사 예정인 GK-2A/AMI (0.0°N, 128.2°E)를 이용한 상향단파
복사 산출을 위한 것으로서 GK-2A/AMI와 유사한 센서 특성의 Himawari-8/AHI (0.0°N,
140.7°E) 자료를 사용하였다. Himawari-8 위성은 2014년 10월 7일에 발사되었고 16개 채
널을 가지며 (Bessho et al., 2016) 기존의 MTSAT 위성 (5개 센서)보다 (Puschell et al., 2002)
다양한 기상요소들을 산출할 수 있다. 그리고 관측 영역의 시간 해상도는 매 10분이며
공간 해상도는 표 1에 나타낸 바와 같이 0.5-2.0 km 이다. 이 연구에서는 고해상도 상향
단파복사 산출을 위하여 Himawari-8/AHI의 16개 채널 중 6개 단파 채널을 사용하였고 공
간 해상도가 서로 다르기 때문에 2.0 km로 평균하여 공간 일치시켰다. Cao et al. (2013) 는
S-NPP/VIRS의 절대적인 복사 교정 정확도 (Absolute Radiometric Calibration Accuracy)은
CH1-CH6에 대해 2% 이내로 보고하였고 이 자료와 Himawari-8/AHI의 채널별 반사율을
비교한 결과 교정 정확도 (Calibration Accuracy)는 CH5 (5%)을 제외한 CH1–CH4 및 CH6에
서 6–8% 이내를 가진다고 보고하였다 (Yu and Wu, 2016).
2.2 Validation Data
이 연구에서 검증자료로 사용되는 CERES는 NASA (National Aeronautics and Space
Administration) EOS 위성 프로젝트의 일환으로 장기적인 복사 수지 자료를 제공해준다
(Wielicki et al., 1996; Doelling et al., 2013). CERES 센서는 저궤도 위성 (TRMM: 1997/12–
2015/4, Terra: 1999/12–Present, Aqua: 2002/5–Present, S-NPP: 2011/10–Present) (Paden et al., 1997)
(Cao et al., 2014)에 탑재되어 단파 영역 (0.3–5.0 µm)과 대기의 창 영역 (8–12 µm) 및 전체
영역 (0.3–200 µm)의 복사조도 자료를 제공하고 있다. Su et al. (2015)에 의하면 direct
integration test의 경우 CERES의 월평균 편이와 RMSE는 각각 0.5와 0.8 Wm-2
이하로 나타
났고 instantaneous flux은 전천 영역 (All sky)에 대해 평균적인 CERES (along-track
observation)와 MODIS를 비교하였다. 그 결과 ocean 및 land에서 각각 3.3% (9.0 Wm-2
)와
2.7% (8.4 Wm-2
)의 불확실성으로 보고하였다.
이 연구에서 직접적으로 사용하는 자료는 CERES SSF (Single Scanner Footprint)
Level 2 Edition (Terra, Aqua: 4A; S-NPP: 1A)이고 관측 시야각 (Fields of view) 내의 해상도는
20 km 이다. Himawari-8/AHI와 CERES는 시·공간 해상도와 다르기 때문에 CERES의 위·
경도를 기준으로 AHI를 이용하여 계산된 이 연구 결과는 10 km 간격으로 평균하여
CERES 자료와 공간 일치시켰고 시간 일치를 위하여 이 연구 결과를 기준으로 ± 5분 이
6. 내의 CERES 자료를 사용하였다 (Lee et al., 2017; Kim et al., 2016). 그리고 매월 15일은 대
기 상태 (운량, 대기 투과율 등) 및 지표 상태 (알베도, 식생 지수 등)의 해당 월의 특성
을 대표할 수 있는 시기로 (Zerefos et al., 2012; Blanc et al., 2014) 이 연구에서는 2015년 7월
부터 2017년 2월까지의 매월 15일에 대하여 Himawari-8/AHI 그리고 Terra와 Aqua 및 S-
NPP/CERES 자료를 이용하여 비교 검증하였다.
3. Methods
3.1 Theoretical Background
대기상단에서의 상향단파복사 (RSR)의 이론적 배경을 Fig. 1에 나타냈다. 이 그림
에서 실선은 대기에서 입사하는 단파복사 (대기 외 일사량)의 1차적인 흡수와 반사 경로
이며 점선은 지표면과 대기에 의한 다중산란 과정을 나타낸 것이다 (Liang, 2005). 이 그
림에서 상향단파복사 (RSR)는 초록색 음영으로 나타내었고 식 (1)과 같이 대기에 의한
반사 (R) 및 지표면에 의한 알베도 (α)의 곱 (αR)이 1보다 작기 때문에 (Qu and Hall, 2005)
무한등비급수를 통해 근사식으로 표시했다. 식 (1)에서 태양 상수 (=1361 Wm-2
) (Kopp and
Lean, 2011) 와 태양 천정각 (SZA) (Michalsky, 1988)은 선행 연구에서 이론적인 식에 의해
계산 되나 광대역 알베도 (TOA albedo)는 식 (2)와 같이 채널별 반사율과 회귀계수를 통
해 산출할 수 있다 (Wydick et al., 1987; Laszlo et al., 1988; Buriez et al., 2007; Wang and Liang,
2016).
+−−+−−+= 222
)AR1(SR)AR1(SRSRSR
]R[)AR1(SRS 22
++−−+=
−
−−
+
R1
)AR1(
RS
2
)albedoTOA(
d
d
)SZAcos(S 2
2
0
0
(1)
i
6
1i
i )cloudsofsencebsence/PreA,typeSurface,RAA,VZA,SZA(calbedoTOA = =
m26.26m61.15m86.04m64.03m51.02m47.01 cccccc +++++=
(2)
여기서 식 (1)–(2)에서 A과 R 및 α는 각각 대기에 의한 흡수와 반사 그리고 지표면 알베
7. 도이고 S0, d0
2
/d2
, TOA albedo는 태양 상수와 지구와 태양 사이의 거리 그리고 대기상단에
서의 광대역 알베도이다. 그리고 c1–6는 대기조건에 따른 회귀계수이고 m47.0 , m51.0 ,
m64.0 , m86.0 , m61.1 , m26.2 는 채널별 반사율을 의미한다.
3.2 Retrieval Algorithm for Reflected Shortwave Radiation
이 연구에서는 협대역 반사율 계산을 위해서 비등방성을 고려하고 태양 반사광
을 제거하여 대기상단의 상향단파복사를 산출하였고 그에 따른 단계별 알고리즘은 Fig. 2
에 나타내었다. 이 그림에서와 같이 Himawari-8/AHI의 채널별 복사휘도 자료를 이용하
여 채널별 반사율로 환산하였다 (Process 1). 식 (2)에서와 같이 태양-위성 간의 기하학
조건 (태양 천정각, 위성 천정각, 상대 방위각) 및 대기 조건 (지표면 특성, 구름의 유무)
에 따른 보조 자료 및 회귀계수 조견표를 입력하여 대기상단에서의 광대역 알베도를 계
산하고 (Process 2) 최종적으로 태양 반사광을 제거하여 식 (1)을 이용하여 대기상단에서
의 상향단파복사를 산출하였다. 이 연구에서 사용된 회귀계수 조견표는 태양-위성의 기
하학 조건 및 대기 조건에 따라 복사전달모델 (SBDART)를 이용하여 Table 2과 같이 시뮬
레이션하였다. 즉 SBDART를 통한 수치실험은 0.2에서 3.3 µm 영역에 대해 12개의 태양
천정각, 18개의 위성 천정각, 19개의 상대 방위각, 6개의 표준대기조건, 4가지의 지표면 특
성에 대하여 수행하였다. 추가적으로 청천 영역에서 4가지의 에어로졸 종류와 4가지의
시정 그리고 구름 영역의 경우 8가지의 구름 높이 (운고)와 5가지의 구름광학두께로 시
뮬레이션하였다. 그리고 수치실험 결과 (독립변수: 비등방성을 고려한 채널별 반사율, 종
속변수: 광대역 알베도)를 이용하여 다중선형회귀모형 또는 능형회귀모형으로 회귀계수
를 도출할 수 있다. 다중선형회귀모형을 사용하면 최소제곱법으로 회귀계수를 결정할
경우 (Buriez et al 2007; Wang and Liang et al., 2016) 단파 채널들 간의 상관성이 높아 (Nanni
and Demattê, 2006; Mokhtari and Busu, 2011) 다중공선성이 존재하여 회귀계수의 정확성을 낮
추기 때문에 능형회귀모형을 사용하였다 (Draper et al., 1966; Kleinbaum et al., 2013). Lee et
al., (2017)은 2015년 8월 20일에 Himawari-8/AHI 자료를 이용하여 다중선형회귀모형과 능
형회귀모형에 의한 광대역 알베도와 CERES 자료와 비교 분석을 하였다. 그 결과 능형
회귀모형에 의한 상관계수와 평균제곱근오차는 각각 0.956와 0.055로서 다중선형회귀모형
(R=0.925, RMSE=0.191)보다 좋은 결과를 보였다.
3.2.1 Anisotropy Consideration
8. 기존 연구 (Lee et al., 2017)에 의해 산출된 대기상단에서의 광대역 알베도는 협대
역 반사율을 등방성으로 가정하여 계산되었으나 이 연구에서는 비등방성 고려하여 상향
단파복사를 계산하였다. 즉 Lee et al (2017)에서 광대역 알베도 산출 알고리즘은 채널별
복사휘도를 채널별 반사율로 환산하고 식 (2)와 같이 태양-위성 간의 기하학 조건 및 대
기 조건에 따른 보조 자료 및 회귀계수 조견표를 통해 대기상단에서의 광대역 알베도를
산출하였다. 이 기존 연구에서 사용된 회귀계수는 복사전달모델 (SBDART)를 이용하여
각 대기조건에 따라 수치실험 결과와 능형회귀모형 (독립변수: 식 (3)과 같이 등방성을
가정한 채널별 반사율; 종속변수: SBDART를 이용하여 0.2에서 3.3 µm까지 적분된 광대역
알베도)으로 계산되었다. 이 과정에서 식 (3)과 같은 채널별 반사율을 등방성으로 가정
하였으나 정확한 광대역 알베도 산출을 위해서는 채널별 반사율이 식 (4)–(5)와 같이 비
등방성으로 표시되어야 한다. 이러한 채널별 반사율의 비등방성은 각 대기조건 (태양
천정각, 위성 천정각, 상대 방위각, 지표면 특성 등)에 따라 변화하는 요소이다 (Loeb et
al., 1999, 2000; Viollier, 2001; Kato and Marshak, 2009; Gardner and Sharp, 2010). 그리고 식 (3)에
서 복사휘도를 복사조도로 변환하는 과정에서 평균 Dispersion 차이는 비등방성 고려한
경우(2.2 %)보다 람베시안 가정 (i.e., no anisotropic correction)이 16.9 %로 크게 나타났다
(Loeb and Kato (2002).
6,5,4,3,2,1CHi,
d/d)SZAcos(S
)VAA,SAA,VZA,SZA(L
22
0i,0
i
i =
= (3)
6,5,4,3,2,1CHi,
d/d)SZAcos(S
F
22
0i,0
i
i == (4)
ADM/)VAA,SAA,VZA,SZA(LF ii = (5)
여기서 식 (3)–(5)에서 Li, S0,i는 대기상단에서의 복사휘도 (radiance)와 채널별 태양 상수이
고 SAA, VAA는 각각 태양 방위각, 그리고 위성 방위각을 의미한다. 그리고 iF 와 ADM
는 대기상단에서의 복사조도 (irradiance) (Geier et al., 2003) 및 비등방성 요소를 의미한다.
따라서 이 연구에서는 식 (4)와 (5)와 같이 채널별 반사율의 비등방성을 고려하여
회귀계수 조견표 및 광대역 알베도를 산출하였다. 그 결과를 Lee et al (2017)와 비교하였
고 사용된 자료는 2015년 7월에서 2017년 2월까지 매월 15일 (총 60 사례)의 Himawari-
9. 8/AHI와 Terra·Aqua·S-NPP/CERES 자료이다. 이 연구에서 협대역 반사율을 이용하여 등
방성으로 가정한 경우 (Isotropic)와 비등방성 (Anisotropic)을 고려한 광대역 알베도를 통
계 분석하여 Table 3에 나타내었다.
3.2.2 Sun Glint Removal
태양 반사광 (sun glint)은 태양-위성 간의 기하학 조건에 따라 지표면에서 반사된
태양광이 위성 센서의 시야각 (Field of view)으로 입사되고 본래 측정되는 값보다 과도한
값이 측정되어 밝게 보이는 현상이다 (Zhang and Wang, 2010). 선행 연구에 의하면 sun
glint은 해양 관련 위성 산출물에 심각한 오류가 발생될 수 있기 때문에 적절한 제거하거
나 보정한다고 보고하였다 (Kay et al., 20097). 이 연구에서는 태양 천정각과 위성 천정각
및 상대 방위각의 정보를 이용하여 식 6과 같이 태양 반사광을 계산하였고 적절한 태양
반사광 영역 제거를 위하여 Himawari-8/AHI와 Terra/CERES 자료를 이용하여 통계 분석하
였다.
)]RAAcos()VZAsin()SZAsin()VZAcos()SZA[cos(cosGA 1
+= −
(6)
10. 4. Results
4.1. Evaluation of the Reflected Shortwave Radiation Algorithm
4.1.1 Anisotropy Consideration
Table 3는 이 연구 기간 동안 사례별 연구 결과 (Himawari-8/AHI)와 Terra와 Aqua
그리고 S-NPP/CERES의 광대역 알베도를 비교하였다. 이 표에서 등방성 (Isotropic) 및
비등방성 (Anisotropic)의 경우 Terra/CERES와의 상관계수는 유사하였다. 그러나 상대적
인 편이(%Bias)와 상대적인 평균제곱근오차(%RMSE)는 전체 사례에 대하여 각각 비등방
성의 경우 각각 -1.14%와 21.04%로서 등방성 (%Bias=5.16%, %RMSE=22.67%)보다 개선되
었으며 평균백분율오차 (MPE)도 비등방성이 등방성보다 좋게 나타났다. 그러나 사례별
로는 2015-07-15, 2016-05-15, 2016-06-15 그리고 2016-07-15의 경우들이 비등방성보다 등방
성의 경우가 더 좋은 것으로 나타났으며 이러한 원인에 대해서는 Fig. 6에서 추가로 언급
할 것이다.
4.1.2. Sun glint removal
이 연구에서 상향단파복사는 청천 영역에서 깊은 대류운(0–80%)에 이르기까지
크게 변화하기 때문에 (Vázquez-Navarro et al., 2013) 강수와 태풍 (KOPPU: 16.0˚N, 138.8˚E;
CHAMPI: 13.3˚N, 158.2˚E)을 동반하는 2015년 10월 15일 사례로 선정하였다. 태양 반사광
제거를 위한 적절한 각도 계산을 위한 Fig. 2는 2015년 10월 15일 사례로서 태양 반사광
에 따른 상대적인 편이 (%Bias)와 평균백분율오차 (MPE) 및 상관계수를 통계 분석한 결
과이다. 즉 이 그림에서와 같이 Himawari-8/AHI와 Terra/CERES의 결정계수 (R2
)는 태양
광 반사각에 따라 2015년 10월 15일에 0.919–0.923로 변화하였고 %Bias는 3.11–2.53%이었
다. 그리고 태양 반사각이 증가하면서 Himawari-8/AHI와 Terra/CERES의 평균백분율오차
(mean percentage error, MPE)는 감소하여 태양 반사각이 20°일 경우는 0.74% 이하이었다.
이 연구에서는 태양 반사각이 20° 이하인 경우를 태양 반사광으로 간주하였다. 태양 반
사광 (sun glint)에 따른 오차를 장면 분석하기 위해서 Fig. 3은 2015년 10월 15일의
Himawari-8/AHI RGB 합성영상 (a,b,c) 및 상향단파복사 (d,e,f)를 나타낸 것이고 이 그림에
서 검은색 원 (투명도 = 50%)은 태양 반사광 영역( ≤ 20°)이며 또한 3g–3j는 각각 시공간
일치된 Himawari-8/AHI와 Terra/CERES의 상향단파복사 및 백분율오차 그리고 태양 반사
광을 나타낸 것이다. 이 그림에서 3a–3c의 RGB 영상에서 중위도 해양의 주변 화소와
비교하여 밝게 나타나는 태양 반사광을 볼 수 있고 이 영역은 이 연구에서 산출한 3d–3f
의 상향단파복사 그림과 일치한다. 그리고 이들 태양 반사광 영역에서 Himawari-8/AHI
11. 와 Terra/CERES의 평균백분율오차는 45% 이상이었으며 (Fig. 3i) 태양 반사각은 20° 이하
이었다 (Fig. 3j). 즉 이러한 태양 반사광 영역을 제거한 경우 대기상단에서의 상향단파복
사와 CERES의 결정계수는 0.919로 제거하지 않은 경우의 0.923보다 크게 나타났으며 이
러한 결과는 Viollier (2001)의 결과와도 일치하였다.
4.1.3. Reflected Shortwave Radiation
Lee et al (2017)의 연구는 협대역 반사율을 등방성으로 가정하여 대기상단에서 광
대역 알베도 (TOA albedo)를 산출하였다. 그리고 이 연구에서는 지표면 및 대기에 의한
협대역 반사율을 비등방성을 고려하거나 태양 반사광 제거하여 상향단파복사 (RSR)를
산출하였으며 그에 따른 결과는 Fig. 4에 나타내었다. Fig. 4는 2015년 7월부터 2017년 2
월 까지 매월 15일 (총 자료수: 3,411,624 pixel) Himawari-8/AHI 자료를 이용하여 대기상단
에서의 상향단파복사 (이 연구 결과)로서 지표면 및 대기에 의한 협대역 반사율을 등방
성 및 비등성 그리고 태양 반사광 효과를 분석하였다. 이 그림에서 Fig. 4a는 협대역 반
사율을 등방성으로 가정하여 (Lee et al., 2017) 산출된 대기상단에서의 상향단파복사와
Terra/CERES의 산점도로 나타낸 것이다. 그리고 Fig. 4b와 4c는 각각 이 연구를 통하여
협대역 반사율을 비등방성을 고려한 것과 태양 반사광을 제거한 경우에 대한 대기상단에
서의 상향단파복사이다. 그리고 Fig. 4d는 Fig. 4b와 4c를 함께 고려한 것으로서 Fig. 4b–4d
는 Fig. 4a와 마찬가지로 Terra/CERES와 함께 산점도로 나타내었다. Fig 4a와 같이 협대역
반사율을 등방성으로 가정하였을 경우 Himawari-8/AHI 자료를 이용하여 산출한 대기상단
에서의 상향단파복사 (RSR)와 Terra/CERES의 결정계수는 0.910이었고 편이 및 평균제곱
근오차는 각각 15.13과 53.94 Wm-2
이었다. 그러나 이 연구에서 협대역 반사율을 비등방
성으로 고려한 상향단파복사와 Terra/CERES의 결정계수는 0.912으로 Fig. 4a의 경우보다
높게 나타났고 또한 편이와 평균제곱근오차도 2.80 Wm-2
및 50.15 Wm-2
로 Fig. 4a보다 개선
되었다. 또한 태양 반사광을 제거한 Fig. 4c의 경우도 Fig. 4a 경우보다 결정계수는 유사
하나 편이와 평균제곱근오차가 약간 개선되었다. 그리고 협대역 반사율을 비등방성으로
고려하고 동시에 태양 반사광 제거한 Fig. 4d의 경우는 Fig. 4a와 비교하여 결정계수
(0.914)와 편이 (2.07 Wm-2
) 및 평균제곱근오차 (49.22 Wm-2
) 모두 크게 개선되었다. 이러
한 결과는 협대역 반사율 계산할 경우 등방성 및 비등방성에 따른 Meteosat RSR과
ScaRaB RSR의 결정계수가 0.845와 0.863로 나타난 Viollier (2001)의 결과와 잘 일치하고
있다.
12. 4.2. Validation of Reflected Shortwave Radiation Algorithm Using CERES Data
이 연구 사례들에 대한 자료 (Himawari-8/AHI의 채널별 복사휘도, 각 대기 조건에 따
른 회귀계수 조견표)를 Fig. 5의 알고리즘에 적용하여 대기상단에서의 상향단파복사를 산
출하고 Terra와 Aqua 및 S-NPP/CERES 자료와 비교 분석하였다 (Fig. 6). 이때 검증 방법
은 scalar 정확도 측정과 선형관계 분석을 수행하였으며 scalar 정확도의 경우 이 연구 결
과와 Terra와 Aqua 및 S-NPP/CERES의 편이 (Bias), 상대적인 편이 (%Bias =
Bias/CERESMean×100%), 평균제곱근오차 (RMSE), 상대적인 평균제곱근오차 (%RMSE =
RMSE/CERESMean×100%), 평균백분율오차 (MPE = ((AHI-CERES)/CERES)×100%)를 계산하
였다 (Wilks, 2011). 또한 두 자료의 선형관계를 파악하기 위해 상관 분석 및 몬테카를로
시뮬레이션을 통해 피어슨 상관계수 (Benesty et al., 2009) 및 유의수준 (Livezey and Chen,
1983)을 계산하였다. 이 과정에서 태양 및 위성 천정각이 80° 미만인 자료를 사용하였고
태양 반사광 자료는 20° 미만인 자료를 제외하였다.
Fig. 6은 연구 사례 (2015년 7월 15일–2017년 2월 15일)에 대하여 Himawari-8/AHI와
자료를 이용한 대기상단에서의 상향단파복사와 Terra∙Aqua∙S-NPP/CERES를 비교한 결과로
써 2016년 5–7월 사례를 제외하면 상대적인 편이 (%Bias)가 −4.18‒2.49% 그리고 평균백
분율오차 (MPE)는 −4.66‒3.12%로 양호하게 나타났다. 그러나 2016년 5‒7월 사례 중
2016년 6월 15일은 상대적으로 다른 사례에 비교하여 검증 결과가 좋지 못하였고 (%Bias:
−6.20%, MPE : −8.31%) 이러한 결과는 Table 2에서 광대역 알베도의 통계 분석 결과
(%Bias, MPE)에서도 높았던 것 일치하였다. 이와 같은 결과에 대한 이유를 밝히기 위하
여 대기상단에서의 상향단파복사 산출에 사용된 CERES 자료를 청천 비율 (0‒100 %)에
따라 구름을 세분화하였다. 이때 흐림 (overcast)은 0‒5%, 구름 많음 (mostly cloudy)은 5‒
50%, 구름 조금 (partly cloudy)은 50‒95% 그리고 맑음 (clear)은 95‒100%로 분류하여 분석
하였다 (Geier et al., 2003).
Fig. 7은 청천 비율에 따라 편이와 표준편차 및 평균제곱근오차 그리고 상관계수를
나타낸 것이고 막대 그래프는 자료 수를 의미한다. 이 그림에서와 같이 청천 영역(95‒
100%) 및 흐림 (0‒5%)을 제외하고 부분 구름 (partly cloudy와 mostly cloudy) (5‒95%)의 경
우 이 연구에 의한 대기상단에서의 상향단파복사와 Terra∙Aqua∙S-NPP/CERES의 결정계수
(0.571‒0.815) 및 평균제곱근오차 (20.09‒64.61 Wm-2
)가 양호하지 못하였다. 그 이유는 공
간 해상도 일치 과정에서 AHI의 RSR을 평균하였기 때문에 평균되는 영역의 특성 (지표
13. 면 또는 구름)이 CERES의 관측과 다를 경우 큰 차이를 보일 수 있다 (Kim et al., 2018).
특히 이러한 차이는 구름 가장자리 부근에서 크게 나타났다. 따라서 사례별 전체 자료
대비 청천 영역(95‒100%)/구름 영역(0‒95%)의 자료 수를 조사하였고 그 결과 2016년 6월
15일은 5.94/94.06 로서 다른 사례(8.71‒14.15/85.85‒91.29%)와 비교하여 청천 영역이 적거
나 구름 영역이 많았기 때문에 이 연구 결과와 CERES 자료의 통계 분석 결과가 좋지
못하였다.
그리고 상향단파복사 산출의 경우 구름 영역 (clear fraction < 95%)에서 오차 분석
을 위하여 Terra∙Aqua∙S-NPP/CERES 자료를 육지와 해상 및 청천 비율 (partly, mostly cloudy,
overcast, all)에 따라 분류 조사하여 Table 3에 나타내었다. 즉 해양의 경우 통계 분석 결
과(상관계수(R), 편이(Bias), 평균백분율오차(MPE))가 육지에 비해 다소 좋게 나타났으나
육지와 해양 모두 부분 구름 (partly, mostly cloudy)에서는 상관성이 낮았고 이러한 경향은
평균백분율오차(MPE)도 일치하였다.
이러한 Fig. 6의 검증자료별 결과를 분석하기 위해 앞서 검증에 사용된 3개의 데
이터셋 (Terra, Aqua, S-NPP)에 대하여 각각의 통계 분석 결과는 Fig. 8과 같다. 이 그림에
서 보는 바와 같이 편이와 평균제곱근오차 및 평균백분율오차 등의 통계분석 결과들은
Terra, Aqua 그리고 S-NPP의 순으로 좋았다. 즉 Terra의 경우 전체 자료에 대한 %편이
와 %RMSE 및 MPE는 각각 0.83%와 19.82% 및 0.13% 이었으나 Aqua는 각각 −1.40 %와
20.24% 및 −1.59% 그리고 S-NPP는 각각 −1.92%와 21.44% 및 −1.85% 이었다. 그리고
이들 결과의 추가 분석을 위하여 청천 비율에 따른 전체 자료 대비 Terra와 Aqua 및 S-
NPP의 자료수는 Fig. 9에 나타내었다. Fig. 9에서 보는 바와 같이 전체 자료 대비 청천
영역 (clear)의 자료 수는 Terra가 Aqua와 S-NPP의 평균값보다 약 0.24% 많았으나 구름
영역 (partly, mostly, overcast)에서는 각각 약 0.96, 1.40, 1.89% 적게 나타났다. 즉 앞선 분석
에서 Terra가 Aqua와 S-NPP보다 청천 영역이 약간 많고 구름 영역이 더 적기 때문에 이
연구 결과와 Terra의 오차가 Aqua와 S-NPP보다 작게 나타났다.
S-NPP 위성이 Terra와 Aqua (740 km)보다 고도 840 km에서 관측하기 때문에
(Thomas et al., 2011) 연구 사례 (20개)에 대하여 Terra와 Aqua 및 S-NPP 중에서 자료 수가
가장 많은 S-NPP/CERES (36.08%)와 이 연구 결과에 의한 대기상단에서의 상향단파복사
의 장면 분석결과를 Fig. 10에 나타내었다. 즉 Fig. 10은 이 연구 사례에 대하여
Himawari-8/AHI (left)와 S-NPP/CERES의 상향단파복사 (middle left)와 두 자료의 백분율 오
차 (middle right) 그리고 CERES의 청천 비율 (middle right)을 나타낸 것이다. 이 그림에서
14. 상향단파복사는 구름의 유무와 지표면 특성에 따라 서로 다르며 고위도로 갈수록 태양
천정각이 커지기 때문에 현저하게 작아졌다. 또한 이 연구에서 태양 천정각과 위성 천
정각이 80° 이하인 영역에 대해 분석을 수행하였고 각 사례마다 약 3–5개의 스캔 자료가
존재하나 일부는 Himawari-8/AHI 자료의 부재 때문에 1–2개의 스캔 자료만 나타내었다.
또한 이 그림에서 이 연구 결과와 S-NPP/CERES의 결정계수는 0.867–0.922 이었고 편이
는 −21.34–5.52 Wm-2
이었으며 그리고 평균제곱근오차는 51.74‒59.28 Wm-2
이었으며 이 결
과는 Vázquez-Navarro et al. (2013)과 유사한 경향을 나타내었다. 청천 영역 (95‒100%)의
경우 육지 알베도 (0.12‒0.36)에서 이 연구 결과와 S-NPP/CERES의 평균제곱근오차
(RMSE)는 14.33–41.65 Wm-2
로서 비교적 작고 일정한 해양 (0.03‒0.06, RMSE=14.39–24.17
Wm-2
)보다 다소 오차를 보인다. 이는 회귀계수 조견표 작성 과정에서 지표면 특성을 5
개 (식생, 사막, 눈, 해양, 호수)로 분류하였으나 그에 비해 CERES 자료는 20개로 상세
분류되었기 때문에 (Geier et al., 2003) 발생된 오차로 판단된다. 또한 구름 영역에서는 지
표면보다 구름 특성 (구름광학두께, 운량, 운형 등)에 따라 좌우되고 그에 따른 평균제곱
근오차는 54.08‒61.52 Wm-2
이었다. 그리고 부분 구름 (partly, mostly cloudy) 영역은 흐린
영역 (overcast)과 비교하여 더 큰 오차가 발생하고 특히 태양 천정각과 위성 천정각이 증
가할수록 뚜렷하게 나타났다. 그 이유로서 이 연구에서는 평행평면 대기를 가정하고
(Lu et al., 2010; Wang and Liang, 2016) 복사전달모델 (SBDART)을 이용하여 작성한 회귀계수
조견표와 실제 대기의 오차로 분석된다 (Vázquez-Navarro et al., 2013). 또한 대기 조건 (태
양 천정각 (12 including 0o
, 10o
, 20o
, 30o
, 40o
, 50o
, 60o
, 65o
, 70o
, 75o
, 80o
, and 85o
), 위성 천정각 (18
from 0-85o
at 5o
intervals) 그리고 상대방위각 (19 from 0-180o
at 10o
intervals))에 따른 조견표가
세분화하지 못해 발생된 오차로 판단되고 (Lu et al., 2010) Vermote and Kotchenova (2008)은
22개의 태양 및 위성 천정각와 73개의 상대 방위각에 대한 상세 조견표는 0.002의 오차
를 보였다.
그리고 이 연구 사례 (60개)에 대하여 계산한 상향단파복사를 CERES에 대하여
20 km 해상도로 평균하고 Terra와 Aqua 및 S-NPP의 자료도 마찬가지 방법으로 평균한 결
과는 Fig. 11에 나타내었다. 즉 Fig. 11a는 2015년 7월 15일에서 2017년 2월 15일까지 이
연구 결과를 CERES로 평균한 상향단파복사 (20 km)와 두 자료의 백분율오차 및 청천 비
율이다. 그리고 b와 c는 각각 위도와 경도에 따른 이 연구 결과와 CERES의 상향단파
복사 및 두 자료의 백분율오차를 평균하였다. 이들 그림에서 보는 바와 같이 이 연구
결과인 Fig. 11a는 11b의 CERES 평균과 경향이 유사하나 c에서와 같이 위성 천정각이 큰
15. 일출 또는 일몰에서 오차가 증가하였다. 즉 그림 b에서 위도 평균에 대한 이 연구 결과
와 CERES의 오차는 ±4% 이내였으나 c의 경도 평균은 140°를 기준으로하여 95° 및 180°
분기로 커질수록 오차가 증가하였다. 그리고 Fig. 11e의 호주 사막 지역에서 CERES의
상향단파복사가 AHI보다 작게 나타났다. 이는 청천 영역의 경우 지표면과 흡수 기체에
따라 RSR의 차이를 보일 수 있으나 수증기에 따라서 RSR이 크게 감소된다 (Sena et al.,
2014). CERES의 경우 광대역의 단파 영역이 관측되기 때문에 수증기의 흡수가 민감하게
반응하는 영역 (0.89–0.97 µm)에 의하여 RSR이 크게 감소되고 이 연구에서 사용된
Himawari-8/AHI의 단파 채널에서는 CERES에 비하면 transparent 채널이기 때문에 비교적
감쇠가 작게 나타났다. 이때 이 지역에서 연구 기간 내에 total precipitable water는 약 2.0
cm로 CERES와 약 3.81%로 차이를 보였다. 따라서 협대역 센서를 이용하여 RSR을 산출
할 경우 수증기의 감쇠 효과가 고려되어야 한다. 그리고 육지와 해양 및 청천 비율에
따른 차이가 있음에도 총 연구 사례 (60개)에 대한 이 연구 결과와 Terra·Aqua·S-
NPP/CERES의 통계분석 결과를 Fig. 12에 나타내었다. 이 그림에서 상관계수는 0.95이었
고 Bias와 RMSE는 각각 −2.34 Wm-2
와 52.12 Wm-2
로 나타났다.
5. Discussion
이 연구에서는 Lee et al. (2017)에서 등방성으로 가정하였던 협대역 반사율을 비등
방성으로 가정하였고 분석 영역 중 큰 오차를 유발하였던 태양 반사광 (sun glint) 영역을
제거하여 상향단파복사를 산출하였다. 실제 대기는 태양-위성의 기하학 조건과 지표면
특성에 따라 비등방성이 다르기 때문에 Table 3에서와 같은 차이로 비등방성을 고려한 경
우가 CERES 자료와 비교하였을 때 개선되었다. 또한 태양 반사광 지역은 특정한 방향에
서 이론적인 값과 비교하여 강하게 나타나는 현상으로서 특히 해양 영역에서 큰 오차를
유발하기 때문에 (Bertrand et al., 2006; Zhang and Wang, 2010) 통계 분석을 통해 (Fig. 3) 태양
광 20° 이하를 제거하였다 (Fig. 2). 그 결과 태양 반사광 영역을 제거한 경우 대기상단에
서의 상향단파복사와 CERES의 결정계수는 0.923으로 제거하지 않은 경우 (R2
=0.919) 보
다 높고 %Bias와 MPE가 2.53%와 0.74%로 작게 나타났다 (Sun glint 제거 전: 각각 3.11%
와 2.43%). 이러한 연구 결과를 바탕으로 Fig.5와 같이 협대역 반사율을 비등방성으로 고
려하거나 태양 반사광을 제거하여 비교하였다. 그 결과 비등방성의 고려와 태양 반사율
을 제거한 경우가 다른 방법 (협대역 반사율을 비등방성을 고려한 경우, 태양 반사광을
제거한 경우) 보다 좋은 검증 결과를 보였다. 즉 Viollier (2001)에서 제시된 바와 같이 상
16. 향단파복사 산출 시에 비등방성뿐만 아니라 태양 반사광을 제거하는 것이 산출 오차를
줄일 수 있는 방안이 될 수 있다.
이 연구에서는 Himawari-8/AHI를 이용하여 산출된 상향단파복사와 Terra, Aqua, S-
NPP/CERES에서 관측된 상향단파복사의 비교 검증을 수행하였다. 이 과정에서 AHI (2 km)
와 CERES (20 km)의 공간 해상도 차이와 관측 시각의 불일치 (± 5분이내의 자료 검증, i.e.,
0010 UTC vs 0005‒0015 UTC)에 따른 오차가 발생하였다 (Fig 7 참조). 이러한 문제를 해결
하기 위하여 Bhartia et al. (2016)와 같이 일평균 또는 월평균마다 공간 해상도 (0.5, 1, 2, 5,
10°)에 따른 통계 분석을 수행하여 좋은 결과를 보인 시·공간 해상도를 선정하여 분석하
는 것이 바람직하다. 또한 광대역 센서가 탑재된 극궤도 위성은 특정 시간대에 대해서
만 관측을 수행하기 때문에 비교적 연속적인 검증을 수행하기 위하여 하나의 위성 자료
만을 분석하는 것이 아니라 Terra와 Aqua 그리고 S-NPP 자료가 이용되어야 한다. 그리고
Fig. 11과 같이 이 연구에 사용된 모든 연구 사례 (total 60 cases)와 위성 자료들을 평균하
였을 때 태양 및 위성 천정각이 70° 이상에서 비교적 큰 오차를 유발하였기 때문에 70°
미만 영역에 대한 산출과 검증이 바람직하다고 판단된다. 이는 태양 천정각이 85° 이하
에서 광학 경로에 대한 태양 복사의 굴절효과는 겉보기 태양 천정각 (apparent solar zenith
angle)과 실제 태양 천정각 (real solar zenith angle)의 차이는 무시될 정도로 작으나 일출 또
는 일몰 영역에서 큰 오차가 나타나기 때문이다 (Madhavan, 2015; Urraca et al., 2017).
앞서 제기된 시·공간 해상도 불일치와 태양 및 위성 천정각에 따른 오차가 발생
되었음에도 불구하고 Fig. 12와 같은 검증 결과는 AWG Radiation Budget Application Team al.
(2012)에서 제시된 결과와 유사한 경향을 보였다. 그러나 평균되는 위성 자료의 공간 해
상도가 클수록 그리고 장기간에 대한 분석이 수행될수록 결정계수뿐만 아니라 (Li et al.,
2005) 편이와 평균제곱근오차가 좋아지기 때문에 (Bhartia, 2016; Wang and Liang, 2017) 이
연구 결과는 다른 연구 결과 (Niu and Pinker, 2012; Bhartia, 2016; Wang and Liang, 2017)와 비
교하여 개선되었다고 판단된다.
6. Conclusions
이 연구는 지구대기의 복사수지를 위해 2018년 발사 예정인 차세대 정지궤도 기
상위성 (GK-2A/AMI)과 유사한 Himawari-8/AHI 자료를 이용하여 대기상단에서의 상향단
파복사 산출 알고리즘을 개발하였다. 이러한 알고리즘은 채널별 복사휘도를 채널별 반
17. 사율로 환산하고 각 태양-위성의 기하학 조건 (태양 천정각, 위성 천정각, 상대 방위각)
및 대기조건 (지표면 특성, 구름의 유무)에 따른 회귀계수 조견표를 통해 광대역 알베도
로 변환하여 대기상단에서의 상향단파복사를 산출하였다. 이 연구에서 사용된 회귀계수
는 복사전달모델 (SBDART)을 이용하여 태양-위성간의 기하학 조건 및 대기조건에 따른
수치실험 결과 그리고 비등방성을 고려한 채널별 반사율과 광대역 알베도로부터 능형회
귀모형을 통해 조견표로 작성되었다. 또한 이러한 반사율은 sun glint로 인해 심각한 오
류가 발생될 수 있기 때문에 태양 반사각을 제거하기 위한 통계 분석을 수행하였고 그
결과 20° 이하인 경우를 제거하였다. 이 연구 사례 (2015년 7월부터 2017년 2월까지의
매월 15일)들에 대한 자료를 상향단파복사 알고리즘에 적용하여 상향단파복사를 산출하
였다. 이러한 상향단파복사를 검증하기 위해 Terra와 Aqua 및 S-NPP/CERES 자료를 사
용하였다.
연구 사례별 이 연구 결과 (Himawari-8/AHI)와 Terra·Aqua·S-NPP/CERES의 검증
결과는 2016년 5–7월 15일을 제외하면 좋은 검증 결과를 보였다. 특히 2016년 6월 15일
은 전체 자료 대비 청천 영역 및 구름 영역의 자료 수가 영향을 끼쳐 통계 분석 결과가
좋지 못하였다. 그리고 흐림을 제외한 부분 구름 (partly, mostly cloudy)는 결정계수
(0.571‒0.815) 및 평균제곱근오차 (25.09‒64.61 Wm-2
)가 크게 나타났으며 이는 공간 해상도
일치 과정에서 AHI와 CERED의 시공간 불일치로 판단된다. 이러한 검증 결과를 더 자
세히 분석하기 위해 3개 데이터 집합체 (Terra, Aqua, S-NPP)로 나누어 각 사례에 대한 통
계 분석 결과를 조사하였다. 그 결과 Terra, Aqua, S-NPP 순으로 검증 결과가 좋았으며
이는 앞서 설명한 바와 같이 Terra가 Aqua 및 S-NPP에 비해 많은 청천 영역 및 적은 구
름 영역의 자료 수를 차지하였기 때문이다. 이로부터 검증 결과가 청천 영역 및 구름
영역의 자료 수에 영향을 받는다는 것을 의미한다.
스캔 영역에 대해 분석하기 위해 청천 영역의 경우 육지에서 평균제곱근오차
(RMSE)는 14.33‒41.65 Wm-2
로서 해양 (RMSE = 14.39‒24.17 Wm-2
)보다 다소 오차를 보이며
이는 AHI와 CERES의 지표면 특성에 대한 분류 차이 때문이다. 또한 구름 영역에서는
평행평면 대기를 가정한 복사전달모델 (SBDART)을 사용하였기 때문에 실제 대기와 평
행평면 대기에서 태양과 위성 천정각이 증가할수록 오차가 커졌다. 그럼에도 불구하고
연구 사례별에 대한 결정계수는 0.867 이상으로 높았고 Bias와 RMSE는 각각 −21.34‒5.52
Wm-2
와 51.74‒59.28 Wm-2
로 나타났고 전체 사례에 대한 분석 결과는 0.903의 상관성을 보
였고 Bias와 RMSE는 각각 −2.34 Wm-2
와 52.12 Wm-2
로 나타났다. 이러한 결과는 Vázquez-
18. Navarro et al. (2013) 및 AWG Radiation Budget Application Team al. 2012와 유사한 경향을 나타
냈다.
차세대 정지궤도 기상위성 (Himawari-8/AHI, GK-2A/AMI 등)과 같은 높은 시∙공간
해상도의 자료는 시∙공간적으로 변동이 큰 (Vázquez-Navarro et al., 2013) 에어로졸 (He et al.,
2017)과 구름에 따른 복사효과 (Katagiri et al., 2013)를 이해하는 연구에 활용됩니다. 또한
수치예측 및 기후모델의 기초 입력자료로 사용되어 산출 정확도 향상시키고 (Allan et a.,
2005) 더 나아가 복사 수지를 모니터링하여 기후 변화를 매커니즘 파악하는데 기여할 것
으로 사료된다 (Urbain et al., 2017). 따라서 이와같은 연구는 대한민국의 후속위성인 GK-
2A/AMI의 복사요소 산출물 알고리즘 개발에 선행적인 연구로서 연구개발의 가이던스가
될 뿐만 아니라 과학 기술 발전을 도모할 것이다. 그러나 현재 알고리즘은 청천 영역에
서 지표면의 특성 (Congalton et al., 2014)이 상세 분류되지 못하고 구름 영역의 경우 구름
의 특성 (구름광학두께, 운형, 운량 등)을 상세히 반영하지 못하였기 때문에 산출된 RSR
의 오차가 발생되고 있다. 추후 연구를 통하여 지표면과 구름의 특성이 반영된 회귀계
수 조견표가 요구되며 장기간 관측된 광대역 복사량에 의한 주기적 보정이 이루어져야
할 것이다 (Doelling et al., 2013, 2016).
Reflectances
1. AWG Radiation Budget Application Team. GOES-R Advanced Baseline Imager (ABI) Algorithm
Theoretical Basis Document for Downward Shortwave Radiation (Surface), and Reflected Shortwave
Radiation (TOA), NOAA NESDIS Center for Satellite Applications and Research, 27 September 2010.
Available online: https://www.goes-r.gov/products/ATBDs/baseline/baseline-DSR-v2.0.pdf (accessed on
28 November 2017).
2. Bhartia, P.K. Top-of-the-atmosphere shortwave flux estimation from satellite observations: An empirical
neural network approach applied with data from the a-train constellation. Atmos. Meas. Tech. 2016, 9, 2813–
2826.
3. Kim, Y.-J.; Kim, B.-G.; Miller, M.; Min, Q.; Song, C.-K. Enhanced aerosol-cloud relationships in more
stable and adiabatic clouds. Asia-Pacific Journal of Atmospheric Sciences 2012, 48, 283-293.
4. Trenberth, K.E.; Dai, A.; Van Der Schrier, G.; Jones, P.D.; Barichivich, J.; Briffa, K.R.; Sheffield, J. Global
warming and changes in drought. Nat. Clim. Chang. 2014, 4, 17–22.
5. Doelling, D.R.; Loeb, N.G.; Keyes, D.F.; Nordeen, M.L.; Morstad, D.; Nguyen, C.; Wielicki, B.A.; Young,
D.F.; Sun, M. Geostationary enhanced temporal interpolation for CERES flux products. J. Atmos. Ocean.
Technol. 2013, 30, 1072–1090.
6. Stephens, G.L.; O’Brien, D.; Webster, P.J.; Pilewski, P.; Kato, S.; Li, J.L. The albedo of earth. Rev. Geophys.
2015, 53, 141–163.
7. Hatzianastassiou, N.; Matsoukas, C.; Fotiadi, A.; Pavlakis, K.; Drakakis, E.; Hatzidimitriou, D.; Vardavas,
I. Global distribution of earth’s surface shortwave radiation budget. Atmos. Chem. Phys. 2005, 5, 2847–2867.
8. Stubenrauch, C.; Rossow, W.; Kinne, S. 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. Am. Meteorol. Soc. 2012, doi:10.1175/BAMS-D-12-00117.1.
19. 9. Luther, M.; Cooper, J.; Taylor, G. The earth radiation budget experiment nonscanner instrument. Rev.
Geophys. 1986, 24, 391–399.
10. Wielicki, B.A.; Barkstrom, B.R.; Harrison, E.F.; Lee, R.B., III; Louis Smith, G.; Cooper, J.E. Clouds and
the earth’s radiant energy system (CERES): An earth observing system experiment. Bull. Am. Meteorol. Soc.
1996, 77, 853–868.
11. Wang, D.; Liang, S. Estimating high-resolution top of atmosphere albedo from moderate resolution imaging
spectroradiometer data. Remote Sens. Environ. 2016, 178, 93–103.
12. Niu, X.; Pinker, R.T. Revisiting satellite radiative flux computations at the top of the atmosphere. Int. J.
Remote Sens. 2012, 33, 1383–1399.
13. Buriez, J.C.; Parol, F.; Poussi, Z.; Viollier, M. An improved derivation of the top‐of‐atmosphere albedo from
POLDER/ADEOS‐2: 2. Broadband albedo. J. Geophys. Res. Atmos. 2007, 112, doi:10.1029/2006JD008257.
14. Laszlo, I.; Gruber, A.; Jacobowitz, H. The relative merits of narrowband channels for estimating broadband
albedos. J. Atmos. Ocean. Technol. 1988, 5, 757–773.
15. Wydick, J.E.; Davis, P.A.; Gruber, A. Estimation of Broadband Planetary Albedo from Operational
Narrowband Satellite Measurements; National Oceanic and Atmospheric Administration: Washington, DC,
USA, 1987.
16. Loeb, N.G.; Manalo-Smith, N.; Kato, S.; Miller, W.F.; Gupta, S.K.; Minnis, P.; Wielicki, B.A. 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. J. Appl.
Meteorol. 2003, 42, 240–265.
17. Viollier, M. Restitution of longwave and shortwave radiative fluxes at the top of the atmosphere from
combination of scarab and meteosat data. In Proceedings of the Megha-Tropiques 2nd Scientific Workshop,
Paris, France, 2–6 July 2001.
18. Vazquez-Navarro, M.; Mayer, B.; Mannstein, H. A fast method for the retrieval of integrated longwave and
shortwave top-of-atmosphere upwelling irradiances from MSG/SEVIRI (RRUMS). Atmos. Meas. Tech.
2013, 6, 2627–2640.
19. Berk, A.; Bernstein, L.; Robertson, D. Modtran: A Moderate Resolution Model for LOWTRAN 7; Rep.
AFGL-TR-83-0187; Air Force Geophysical Laboratory, Hanscom Air Force Base: Hanscom, MA, USA,
1983.
20. Kim, B.-Y.; Lee, K.-T.; Jee, J.-B.; Zo, I.-S. Retrieval of outgoing longwave radiation at top-of-atmosphere
using himawari-8 AHI data. Remote Sens. Environ. 2018, 204, 498–508.
21. Choi, Y.-S.; Ho, C.-H. Earth and environmental remote sensing community in South Korea: A review.
Remote Sens. Appl. Soc. Environ. 2015, 2, 66–76.
22. Murata, H.; Takahashi, M.; Kosaka, Y. Vis and IR bands of Himawari-8/AHI compatible with those of
MTSAT-2/imager. MSC Tech. Note 2015, 60, 1–18.
23. Lee, S.-H.; Lee, K.-T.; Kim, B.-Y.; Zo, I.-S.; Jung, H.-S.; Rim, S.-H. Retrieval Algorithm for Broadband
Albedo at the Top of the Atmosphere. Asia Pac. J. Atmos. Sci. 2017, accepted.
24. Ricchiazzi, P.; Yang, S.; Gautier, C.; Sowle, D. Sbdart: A research and teaching software tool for plane-
parallel radiative transfer in the earth’s atmosphere. Bull. Am. Meteorol. Soc. 1998, 79, 2101–2114.
25. Bessho, K.; Date, K.; Hayashi, M.; Ikeda, A.; Imai, T.; Inoue, H.; Kumagai, Y.; Miyakawa, T.; Murata, H.;
Ohno, T. An introduction to himawari-8/9—Japan’s new-generation geostationary meteorological satellites.
J. Meteorol. Soc. Jpn. Ser. II 2016, 94, 151–183.
26. Puschell, J.J.; Lowe, H.A.; Jeter, J.W.; Kus, S.M.; Hurt, W.T.; Gilman, D.; Rogers, D.L.; Hoelter, R.L.;
Ravella, R. Japanese advanced meteorological imager: A next-generation geo imager for MTSAT-1R. In
Proceedings of the Earth Observing Systems VII, Seattle, WA, USA, 7–11 July 2002; International Society
for Optics and Photonics: Bellingham, WA, USA, pp. 152–162.
27. Cao, C.; De Luccia, F.J.; Xiong, X.; Wolfe, R.; Weng, F. Early on-orbit performance of the visible infrared
imaging radiometer suite onboard the Suomi National Polar-Orbiting Partnership (S-NPP) satellite. IEEE
Trans. Geosci. Remote Sens. 2014, 52, 1142–1156.
28. Yu, F.; Wu, X. Radiometric inter-calibration between Himawari-8 AHI and S-NPP VIIRS for the solar
reflective bands. Remote Sens. 2016, 8, 165, doi:10.3390/rs8030165.
20. 29. Paden, J.; Smith, G.L.; Lee, R.B.; Pandey, D.K.; Thomas, S. Reality check: A point response function (PRF)
comparison of theory to measurements for the clouds and the earth’s radiant energy system (CERES) tropical
rainfall measuring mission (TRMM) instrument. In Proceedings of the Visual Information Processing VI,
Orlando, FL, USA, 21–25 April 1997; International Society for Optics and Photonics: Bellingham, WA,
USA, 1997; pp. 109–118.
30. Su, W.; Corbett, J.; Eitzen, Z.; Liang, L. Next-generation angular distribution models for top-of-atmosphere
radiative flux calculation from CERES instruments: Validation. Atmos. Meas. Tech. 2015, 8, 3297–3313.
31. Zerefos, C.S.; Isaksen, I.S.; Ziomas, I. Chemistry and Radiation Changes in the Ozone Layer; Springer
Science & Business Media: Berlin/Heidelberg, Germany, 2012; Volume 557.
32. Blanc, P.; Gschwind, B.; Lefevre, M.; Wald, L. Twelve monthly maps of ground albedo parameters derived
from MODIS data sets. In Proceedings of the IEEE International Geoscience and Remote Sensing
Symposium (IGARSS), Quebec City, QC, Canada, 13–18 July 2014; pp. 3270–3272.
33. Liang, S. Quantitative Remote Sensing of Land Surfaces; John Wiley & Sons: Hoboken, NJ, USA, 2005;
Volume 30.
34. Qu, X.; Hall, A. Surface contribution to planetary albedo variability in cryosphere regions. J. Clim. 2005,
18, 5239–5252.
35. Kopp, G.; Lean, J.L. A new, lower value of total solar irradiance: Evidence and climate significance.
Geophys. Res. Lett. 2011, 38, doi:10.1029/2010GL045777.
36. Michalsky, J.J. The astronomical almanac’s algorithm for approximate solar position (1950–2050). Solar
Energy 1988, 40, 227–235.
37. Nanni, M.R.; Demattê, J.A.M. Spectral reflectance methodology in comparison to traditional soil analysis.
Soil Sci. Soc. Am. J. 2006, 70, 393–407.
38. Mokhtari, M.H.; Busu, I. 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. Int. J. Phys. Sci. 2011, 6, 5804–5821.
39. Draper, N.R.; Smith, H.; Pownell, E. Applied Regression Analysis; Wiley: New York, NY, USA, 1966;
Volume 3.
40. Kleinbaum, D.; Kupper, L.; Nizam, A.; Rosenberg, E. Applied Regression Analysis and Other Multivariable
Methods; Nelson Education: Scarborough, ON, Canada, 2013.
41. Loeb, N.G.; Hinton, P.O.R.; Green, R.N. Top‐of‐atmosphere albedo estimation from angular distribution
models: A comparison between two approaches. J. Geophys. Res. Atmos. 1999, 104, 31255–31260.
42. Loeb, N.G.; Parol, F.; Buriez, J.-C.; Vanbauce, C. Top-of-atmosphere albedo estimation from angular
distribution models using scene identification from satellite cloud property retrievals. J. Clim. 2000, 13,
1269–1285.
43. Kato, S.; Marshak, A. Solar zenith and viewing geometry‐dependent errors in satellite retrieved cloud optical
thickness: Marine stratocumulus case. J. Geophys. Res. Atmos. 2009, 114, doi:10.1029/2008JD010579.
44. Gardner, A.S.; Sharp, M.J. A review of snow and ice albedo and the development of a new physically based
broadband albedo parameterization. J. Geophys. Res. Earth Surf. 2010, 115, doi:10.1029/2009JF001444.
45. Loeb, N.G.; Kato, S. Top-of-atmosphere direct radiative effect of aerosols over the tropical oceans from the
clouds and the earth’s radiant energy system (CERES) satellite instrument. J. Clim. 2002, 15, 1474–1484.
46. Geier, E.; Green, R.; Kratz, D.; Minnis, P.; Miller, W.; Nolan, S.; Franklin, C. Clouds and the Earth’s Radiant
Energy System (CERES) Data Management System: Single Satellite Footprint TOA/Surface Fluxes and
Clouds (SSF) Collection Document, And Appendixes, NASA Langley Res. Cent., Hampton, VA. Radiat.
and Aerosol Branch, Atmos. Sci. Res., NASA Langley Res. Cent., Hampton, VA, March 2003. Available
online: https://ceres.larc.nasa.gov/documents/collect_guide/pdf/SSF_CG.pdf (accessed on 28 November
2017).
47. Zhang, H.; Wang, M. Evaluation of sun glint models using MODIS measurements. J. Quant. Spectrosc.
Radiat. Transf. 2010, 111, 492–506.
48. Kay, S.; Hedley, J.D.; Lavender, S. Sun glint correction of high and low spatial resolution images of aquatic
scenes: A review of methods for visible and near-infrared wavelengths. Remote Sens. 2009, 1, 697–730.
49. Wilks, D.S. Statistical Methods in the Atmospheric Sciences; Academic Press: Cambridge, MA, USA, 2011;
Volume 100.
21. 50. Benesty, J.; Chen, J.; Huang, Y.; Cohen, I. Pearson correlation coefficient. In Noise Reduction in Speech
Processing; Springer: New York, NY, USA, 2009; pp. 1–4.
51. Livezey, R.E.; Chen, W. Statistical field significance and its determination by Monte Carlo techniques. Mon.
Weather Rev. 1983, 111, 46–59.
52. Thomas, S.; Priestley, K.; Shankar, M.; Smith, N.; Timcoe, M. Pre-launch sensor characterization of the
CERES flight model 5 (FM5) instrument on NPP mission. In Proceedings of the SPIE, San Diego, CA, USA,
21–25 August 2011.
53. Lu, N.; Liu, R.; Liu, J.; Liang, S. An algorithm for estimating downward shortwave radiation from GMS 5
visible imagery and its evaluation over china. J. Geophys. Res. Atmos. 2010, 115,
doi:10.1029/2009JD013457.
54. Vermote, E.F.; Kotchenova, S. Atmospheric correction for the monitoring of land surfaces. J. Geophys. Res.
Atmos. 2008, 113, doi:10.1029/2007JD009662.
55. Sena, E.; Artaxo, P.; Correia, A. The effects of smoke aerosols, land-use change and water vapor reduction
on the shortwave radiative budget over the Amazônia. In Proceedings of the EGU General Assembly
Conference Abstracts, Vienna, Austria, 27 April–2 May 2014; Volume 16.
56. Bertrand, C.; Clerbaux, N.; Ipe, A.; Dewitte, S.; Gonzalez, L. Angular distribution models anisotropic
correction factors and sun glint: A sensitivity study. International Journal of Remote Sensing 2006, 27, 1741-
1757.
57. Urraca, R.; Gracia-Amillo, A.M.; Koubli, E.; Huld, T.; Trentmann, J.; Riihelä, A.; Lindfors, A.V.; Palmer,
D.; Gottschalg, R.; Antonanzas-Torres, F. Extensive validation of CM SAF surface radiation products over
europe. Remote Sens. Environ. 2017, 199, 171–186.
58. Madhavan, B. Interactive comment on “shortwave surface radiation budget network for observing small-
scale cloud inhomogeneity fields” by B.L. Madhavan et al. Atmos. Meas. Tech. Discuss. 2015, 8, C2233–
C2250.
59. Li, Z.; Cribb, M.; Chang, F.L.; Trishchenko, A.; Luo, Y. Natural variability and sampling errors in solar
radiation measurements for model validation over the atmospheric radiation measurement southern great
plains region. J. Geophys. Res. Atmos. 2005, 110, doi:10.1029/2004JD005028.
60. Wang, D.; Liang, S. Estimating top-of-atmosphere daily reflected shortwave radiation flux over land from
modis data. IEEE Trans. Geosci. Remote Sens. 2017, 55, 4022–4031.
61. He, L.; Wang, L.; Lin, A.; Zhang, M.; Bilal, M.; Tao, M. Aerosol optical properties and associated direct
radiative forcing over the Yangtze River basin during 2001–2015. Remote Sens. 2017, 9, 746,
doi:10.3390/rs9070746.
62. Katagiri, S.; Kikuchi, N.; Nakajima, T.Y.; Higurashi, A.; Shimizu, A.; Matsui, I.; Hayasaka, T.; Sugimoto,
N.; Takamura, T.; Nakajima, T. Cirrus cloud radiative forcing derived from synergetic use of MODIS
analyses and ground-based observations. Sola 2010, 6, 25–28.
63. Allan, R.P.; Slingo, A.; Milton, S.F.; Culverwell, I. Exploitation of geostationary earth radiation budget data
using simulations from a numerical weather prediction model: Methodology and data validation. J. Geophys.
Res. Atmos. 2005, 110, doi:10.1029/2004JD005698.
64. Urbain, M.; Clerbaux, N.; Ipe, A.; Tornow, F.; Hollmann, R.; Baudrez, E.; Velazquez Blazquez, A.; Moreels,
J. The CM SAF TOA radiation data record using MVIRI and SEVIRI. Remote Sens. 2017, 9, 466,
doi:10.3390/rs9050466.
65. Congalton, R.G.; Gu, J.; Yadav, K.; Thenkabail, P.; Ozdogan, M. Global land cover mapping: A review and
uncertainty analysis. Remote Sens. 2014, 6, 12070–12093.
66. Doelling, D.R.; Sun, M.; Nguyen, L.T.; Nordeen, M.L.; Haney, C.O.; Keyes, D.F.; Mlynczak, P.E. Advances
in geostationary-derived longwave fluxes for the CERES synoptic (SYN1deg) product. J. Atmos. Ocean.
Technol. 2016, 33, 503–521.
