1. 서론
해상풍은 파도, 해류, 해양 순환 및 대기–해양 상호 작용을 이해하기 위한 기초 요소 중 하나이다. 특히 대기–해양 상호작용에 의한 해양 대기 경계층(marine atmospheric boundary layer)에서의 복합적인 현상을 이해하기 위해서는 해상풍에 대한 이해가 필요하다 (Cornillon and Park, 2001). 또한 기후 변화에 의한 해양 환경의 반응이 해상풍의 변화에 따라 다르게 나타나고 (Xie et al., 2010), 기후 변화에 대한 관심이 증대되면서 지속적이고 정확한 전세계 바람장 관측의 필요성이 대두되었다(Graf et al., 1998).
1990년대 초부터 현재까지 전세계 연구기관에서는 European Remote Sensing-1/2(ERS-1/2), NASA Scatterometer(NSCAT), Quik Scatterometer(Quikscat), Advanced Scatteromter(ASCAT), Rapid Scatteromter (RapidScat)과 같은 산란계(scatterometer)를 운영하면서 약 25 km 공간 해상도의 바람장 자료를 산출하여 전세 계 바람장을 지속적으로 관측하고 있다(Ebuchi, 1999). 산란계 바람장 자료는 풍속은 2 m s–1, 풍향은 20° 안팎의 정확도를 보이며, 수치 예보 모델의 정확도를 높여주는 입력 자료로 사용되었고, 태풍, 소용돌이(eddies), 대기-해양 상호작용을 포함한 해양 현상 기작을 이해하는데 활용되었다(Liu et al., 1998; Park et al., 2006). 하지만, 이러한 산란계 바람장 자료는 낮은 공간 해상도로 인해 연안에서의 정확도 감소 및 결측이 발생하고, 작은 규모의 해양 현상 분석이 불가능하다는 한계점을 보인다(Tang et al., 2004; Rodriguez et al., 2009).
Synthetic Aperture Radar(SAR)는 능동 마이크로파 센서로 대기 및 기상 상태에 의한 영향이 적어 전천후 센서로 사용되고 있다. 전세계 연구기관에서는 Shuttle Imaging Radar with Payload C(SIR-C), ERS-1/2, RADARSAT-1/2, Envisat Advanced Synthetic Aperture Radar(ASAR), Advanced Land Observing Satellite-1/2 Phased Array L-band Synthetic Aperture Radar(ALOS1/2 PALSAR), TerraSAR-X/Tandem-X(TS-X/TD-X), COnstellation of small Satellites for the Mediterranean basin Observation(COSMO-SkyMed), KOrean Multi-Purpose SATellite-5(KOMPSAT-5), Sentinel-1A/B와 같이 SAR 탑재 인공위성을 운영하면 장기적이 지속적으로 해양을 관측하고 있다. SAR는 관측 방법의 특이성으로 인해 1 km 이하의 고해상도 바람장 산출이 가능하여 산란계의 한계점을 보완할 수 있다(Thompson and Beal, 1998; Furevik and Korsbakken, 2000). 이러한 장점으로 인해 SAR를 이용한 해상풍 산출 결과는 연안 해양 환경 감시(Li et al., 2007), 작은 규모의 바람장 구조 분석을 통한 해양 대기 경계층에서의 상호작용 연구에 활용되고 있다(Li et al., 2013).
KOMPSAT-5 인공위성은 2013년 8월 22일에 발사된 우리나라 최초의 X-band(9.66 GHz) SAR 탑재 인공위성으로, 고해상도, 표준, 광역 촬영 모드의 관측 모드(mode) 가 존재한다(Lee, 2010). 고해상도 촬영 모드는 1 m 공간 해상도의 자료로, High Resolution mode(HR), Enhanced High Resolution mode(EH), Ultra High Resolution mode (UH)로 분류되고, 표준 촬영 모드는 3 m 공간 해상도의 자료로, Standard mode(ST), Enhanced Standard mode(ES)로 분류되며, 광역 촬영 모드는 20 m 공간 해상도의 자료로, Wide Swath mode(WS), Enhanced Wide Swath mode(EW)로 분류된다(SIIS, 2015). 현재까지 KOMPSAT-5 영상 활용 해양 연구는 SAR 자료의 상대적인 영상 세기(intensity)를 활용한 임계값 설정 또는 영상 구조 특징 분석(texture feature analysis)을 기반으로 한 기름 유출 탐지 연구(Harahsheh, 2016), 해빙 탐지 연구(Han et al., 2017), 선박 탐지 연구(Hwang et al., 2017; Kim et al., 2018)에 국한 되어 있으며, 후방산란계수(backscattering coefficient 또는 Normalized Radar Cross Section, NRCS) 절대값을 활용한 연구는 아직 전무하다.
육지 환경에서는 단일 산란(single scattering)보다는 이중 산란(double bounce scattering), 다중 산란(multiple scattering), 체적 산란(volume scattering)이 주도적으로 발생하지만, 해양 환경에서는 단일 산란이 주를 이루고 있기 때문에 SAR 자료의 후방산란계수 절대값이 작아 후방산란계수의 절대적인 정확도를 평가하기에 적합하다. 따라서 본 연구에서는 KOMPSAT-5 후방산란계수 자료의 절대값을 활용한 해상풍 산출 연구 활용 가능성을 평가하기 위해 1) 연안 환경을 관측한 KOMPSAT-5 표준 촬영 모드 자료를 수집하고, 2) 육지 화소 제거, 스펙클 잡음(speckle noise) 감소, 선박 탐지를 포함한 전처리 과정을 적용하고, 3) 전처리된 SAR 자료로부터 해상풍을 산출하여 실측 자료와 비교하여 4) KMPSAT-5자료의 정확도 및 오차 요인을 분석하고자 한다.
2. 연구 해역 및 자료
1) 연구 해역
본 연구에서는 다양한 해양 환경에서 KOMPSAT-5 후방산란계수 자료 기반 해상풍 산출 정확도를 평가하기 위해 VV 편파 관측 자료가 다수 수집된 미국 서부 연안과 하와이 부근 연안을 연구 지역으로 선정하였다. 연구 해역은 위도 17°N 부근에서 48°N부근까지의 해역으로, 해양 환경을 실시간 감시하는 해양 부이가 다수 존재한다(Fig. 1).
Fig. 1. (a) Location of study area with contours of the water depth (m), where the red boxes indicate the (b-c) enlarged images of bathymetry in the study area, which the yellow circles, the green triangles, and the red stars represent the locations of the moored buoys, Coastal-Marine Automated Network (C-MAN) stations, and the buoys used in this study, respectively.
2) 실측 자료
KOMPSAT-5 자료를 기반으로 산출된 해상풍의 정확도를 평가하기 위해서 해양 환경을 감시하는 해양부이 실측 자료를 활용하였다. 하와이 부근 연안과 미국 서부 연안의 해양부이 자료는 National Oceanic and Atmospheric Administration(NOAA)의 National Centers for Environmental Informmation(https://www.nodc.noaa. gov/BUOY/)에서 배포하며, 해양 부이는 설치된 센서에 따라 다양한 기상 성분(기온, 기압, 습도, 풍속, 풍향, 돌풍, 해수면 온도, 파향, 파고, 파주기 등)을 관측하고 품질 관리(quality control) 과정을 통과한 자료를 제공하고 있다(Evans et al., 2003). 본 연구에서는 연구 해역 내 KOMPSAT-5 표준 촬영 모드 VV 편파 관측 자료와 일치점 자료를 생성하면서 풍속, 풍향, 기압, 기온, 습도, 해수면 온도를 모두 관측하는 해양 부이 6개를 선별하여 활용하였다(Table 1).
Table 1. Information on locations (longitude, latitude), the heights of observing air temperature (Air Temp.), air pressure, wind, and sea surface temperature (SST), and water depth of the buoy stations of National Oceanic and Atmospheric dministration (NOAA)used in this study
3) SAR 자료
본 연구에서는 KOMPSAT-5 영상으로부터 계산된 후방산란계수를 활용하여 해상풍을 산출하기 위해서 VV 편파 자료를 선별하여 수집하였다. KOMPSAT-5 자료 수집 기간은 2017년 4월 30일부터 2017년 10월 31일 까지이고, 총 18장의 KOMPSAT-5 ES 모드 VV 편파 자료를 수집하였다(Table 2). ES 모드 자료의 관측 폭(swath width)과 공간 해상도는 각각 약 30 km과 2.5 m로, 관측 입사각의 범위에 따라 달라진다. KOMPSAT-5 ES 모드 자료의 경우, 고해상도 관측으로 인해 관측 폭이 좁아 한 장의 자료에 1개의 해양 부이가 일치점으로 생성되어 총 18개의 일치점이 생성되었다(Fig. 2).
Table 2. Characteristics of the KOMPSAT-5 data (observation date and time, beam mode, look direction, polarization, orbit) used in this study
Fig. 2. A series of KOMPSAT-5 VV-pol images to be used for the estimation of sea surface wind speed, where (a) to (r) correspond to the images listed in Table 2 and the red stars represent the buoy stations for the validation of the estimated wind speed.
4) 모델 해상풍 자료 및 고도 자료
SAR 자료로부터 해상풍을 산출하기 위해서는 풍향 정보가 필요하다. 풍향 정보를 산출하는 방법으로는 SAR 영상 기반 산출 방법(Lenher et al., 1998; Vachon and Dobson, 2000; Koch, 2004), 사중 편파(quad polarized) 자료 기반 산출 방법(Zhang et al., 2015), 외부 자료 입력 방법이 있다. 하지만, SAR 영상에 대기에 의한 바람 줄 무늬(wind streak)가 형성되지 않을 경우, SAR 영상 기반 방법은 유효하지 않고, KOMPSAT-5 자료는 단일 편파 자료이기 때문에 본 연구에서는 ECMWF 재분석 자료 를 입력 자료로 사용하여 풍향 정보를 산출하였다. 또한 SAR 영상 내 육지 화소를 제거하기 위해 Shuttle Radar Topography Mission(SRTM) DigitalElevation Model(DEM) 자료를 활용하였다.
3. 연구 방법
1) SAR 자료 복사 보정(radiometric calibration)
KOMPSAT-5의 후방산란계수 산출식은 영상 리 프로그램의 버전에 따라 상이하다. 본 연구에서 활용한 KOMPAT-5 자료에 적용된 영상 처리 프로그램 버전 [K5-SARP2017 / TAS-I-R131-2017.1.3-CW64OIV2 – 2017. 05.14]에 대응되는 후방산란계수 변환식은 다음과 같이 두 가지가 존재한다
\(\begin{aligned} \sigma^{0}{ }_{1 s t}[d B]=& 10 \log _{10}\left[\frac{C A L C O}{N\left(\delta_{a} \delta_{S}\right)} \sum_{\{i j\}}^{N} \in D\left\{\left(\left(\mathrm{I}_{i, j} \times R F\right)^{2}\right.\right.\right.\\ &\left.\left.+\left(Q_{i j} \times R F\right)^{2} \sin \left(\theta_{i j}\right)\right\}\right] \end{aligned}\) (1)
\(\begin{aligned} \sigma^{0} 2 \text { nd }[d B]=& 10 \log _{10}\left[\frac{C A L C O}{N\left(\rho_{c} \rho_{L}\right)} \sum_{\{i, j\} \in D}^{N}\left\{\left(\left(\mathrm{I}_{i, j} \times R F\right)^{2}\right.\right.\right.\\ &\left.\left.+\left(Q_{i, j} \times R F\right)^{2} \sin \left(\theta_{i, j}\right)\right\}\right] \end{aligned}\) (2)
N은 도메인 D에 속하는 화소의 수, CALCO는 calibration constant, RF는 rescaling factor이다. δS 는 \(\frac{c}{2 \cdot B W_{r g}}\) 으로 계산되며, c는 빛의 속도, BWrg는 range focusing bandwidth를 가리킨다. δa는 azimuth instrument geometric resolution, ρC와 ρL은 각각 column spacing과 line spacing 을 가리키고, Ii,j와 Qi,j는 각각 번째 row, j번째 column 화소의 실수부와 허수부를 뜻한다. θi,j는 i번째 row, j번째 column 화소의 국지 입사각(local incidence angle)이며, 다음과 같은 식을 통해서 계산 가능하다:
\(\theta[\text { deg }]=G I M \times G I M_{R F}-G I M_{o f f}\) (3)
GIM은 GIM layer의 DN 값, GIMRF는 GIM layer의 rescaling factor, GIMoff는 GIM layer의 offset을 가리키고, 계산에 필요한 모든 변수는 KOMPSAT-5 자료에 포함되어 있다.
2) SAR 자료 전처리
SAR 자료로부터 정확한 해상풍을 산출하기 위해서는 SAR 영상 내 존재하는 육지 화소, 스페클 잡음, 선박 화소를 제거하는 전처리 과정이 선행되어야 한다(Fig. 3). 본 연구에서는 SAR 영상 내 육지 화소를 제거하기 위해 SRTM DEM 자료를 활용하였다. KOMPSAT-5 ES 모드 자료와의 해상도 차이로 인해 제거되지 않은 육지 화소는 KOMPSAT-5 표준 모드 자료의 입사각 범위를 국지 입사각에 적용하여 추가적으로 제거하였다.
Fig. 3. Flow diagram for preprocessing method of the KOMPSAT-5 ES mode data such as land masking, ship detection using adaptive threshold method, and speckle noise reduction.
일반적으로 영상의 품질을 저하시키는 스페클 잡음은 SAR 영상에서 분명하게 나타나고, 주변 화소에 영향을 주기 때문에 SAR 영상을 분석하기 전에 반드시 제거하는 과정을 거쳐야 한다(Lee, 1986; Singh and Shree, 2016). 본 연구에서는 KOMPSAT-5 ES 모드 자료의 스페클 잡음을 제거하기 가장 널리 사용되는 low-pass 필터 중 하나인 boxcar 필터를 적용하였다(Mastin, 1985; Smith, 1996). Boxcar 필터는 계산의 부담이 적으면서 스페클 잡음을 효율적으로 제거하기 때문에 SAR 영상을 활용한 해상풍 산출 연구에 적극적으로 활용되고 있다(Zhang et al., 2012; Zhang et al., 2017).
SAR 영상에서 해양은 단일 산란이 주를 이루지만, 선박은 해양과의 상대적인 위치와 구조물로 인해 이중 산란, 다중 산란, 체적 산란이 주도적으로 발생한다(Xi et al., 2017). 이로 인해, 선박 화소의 경우, 해양 화소에 비해 극명하게 큰 에너지가 수신되어 주변 화소에 영향을 주기 때문에 해상풍 산출의 오차 요인으로작용할 수 있다. 따라서 본 연구에서는 SAR 영상 내 선박 화소를 제거하기 위해 가장 널리 사용되는 방법 중 하나인 적응 임계치 방법(Adaptive threshold method)을 적용하였다(Crisp, 2004; Wang et al., 2008). 이 방법은 일정 오탐지율(Constant False Alarm Rate, CFAR) 알고리즘으로 불리며, 화소의 주변 특성(local characteristic)을 기반으로 임계값을 지속적으로 수정하여 적용되기 때문에 높은 컴퓨터 계산 능력이나 추가적인 자료 지식이 필요하지 않다는 장점이 있다(Park et al., 2018).
3) 해상풍 산출
Fig. 4는 KOMPSAT-5 ES 모드 VV 편파 자료로부터 해상풍을 산출하는 순서도이다. KOMPSAT-5 ES 모드 VV 편파 자료로부터 후방산란계수, 입사각, SAR의 look angle을 계산하고, 후방산란계수는 전처리 과정을 거쳤다. X-band Geophysical Model Function(GMF)에 입력 자료로 사용되는 상대 풍향을 산출하기 위해 ECMWF 재분석 자료를 활용하였다. 최종적으로, 전처리된 후방 산란계수, 입사각, 상대 풍향 자료를 X-band GMF에 적용하여 해상풍을 산출하였다.
Fig. 4. Schematic diagram of sea surface wind retrieval procedure from KOMPSAT-5 ES moe data.
GMF는 산란계 관측값을 기반으로 개발된 경험식으로, 후방산란계수, 입사각, 레이더에 대한 상대적인 풍향에 따른 풍속의 변화로 표현되며, 레이더의 파장과 편파에 따라 달라진다. 본 연구에서 사용한 X-band GMF는 XMOD2로, TS-X/TD-X 자료와 National Data Buoy Center에서 제공하는 해양부이 자료와의 비교를 통해서 개발된 경험식으로 다음과 같이 표현된다(Li and Lehner, 2014):
\(\begin{aligned} \sigma^{0}=& B_{0}\left(c, U_{10}, \theta\right)\left[1+B_{1}\left(c, U_{10}, \theta\right) \cos \varphi+\right.\\ &\left.B_{2}\left(c, U_{10}, \theta\right) \cos 2 \varphi\right] \end{aligned}\) (4)
σ0은 NRCS이고, U10은 해수면 기준 10-m 중성(neutral) 풍속, θ는 입사각, φ는 레이더에 대한 상대적인 풍향을 나타내고, B0, B1, B2, c, p는 계수로, U10과 θ에 따라 달라진다. SAR 자료를 활용여 해상풍을 산출하는 경우, NRCS와 입사각, 상대 풍향 정보만을 가지고 있기 때문에 직접적인 해상풍 산출이 불가능하다. 따라서 본 연구에서는 XMOD2로부터 계산된 NRCS와 관측된 NRCS의 차이를 최소로 만드는 풍속을 추정하였다.
Fig. 5(a)와 5(b)는 각각 입사각이 20°와 45°일 때, XMOD2에 의해 계산된 NRCS와 상대 풍향에 따른 풍속의 분포를 나타낸 것이다. Upwind/Crosswind의 이방성(anisotropy)은 입사각이 작을 때 뚜렷하게 나타났고, Upwind/Downwind의 비대칭성(asymmetry)는 입사각이 클 때 뚜렷하게 나타났다. Fig. 5(c)와 5(d)는 각각 상대 풍향이 0°와 90°일 때, XMOD2에 의해 계산된 입사각에 따른 풍속과 NRCS의 분포를 나타낸다. 상대 풍향이 0°일 때 입사각이 증가할수록 20 m s–1 이상의 강한 풍속 조건 에서는 NRCS가 포화되는 것으로 나타났고, 상대 풍향이 90°일 때 입사각에 상관없이 20 m s–1 이상의 강한 풍속 조건에서는 NRCS와 풍속이 선형 관계로 나타났다.
Fig. 5. Distributions of estimated wind speeds as a function of relative wind direction and NRCS at given incidence angles of (a)20° and (b) 45° using XMOD2, and distribution of the estimated NRCS as a function of wind speed at a given relative wind direction (c) 0° and (d) 90° with each incidence angle.
4) 10-m 풍속 변환
인공위성 관측 자료를 기반으로 산출된 해상풍은 해수면 기준 10-m 중성 바람을 의미하지만, 정확도 평가를 위해 사용하는 해양 부이 실측 해상풍은 4 m에서 5 m 범위의 높이에서 측정된다. 따라서 KOMPSAT-5 자료로부터 산출한 해상풍과 정확도 기준 자료로 사용되는 해양 부이 실측 해상풍이 의미하는 높이가 다르기 때문에 실측 자료를 기반으로 실측 해상풍을 10-m 중성 바람으로 변환하는 과정이 필요하고, 본 연구에서는 대기– 해양 경계층을 잘 모의하는 것으로 알려진 Liu-KatsarosBusinger(LKB) 모델을 사용하였다(Liu et al., 1979; Liu and Tang, 1996).
LKB 모델은 풍속, 기온, 습도의 관측 높이와 해수면 온도, 기온, 습도, 기압, 풍속의 실측값을 입력하여 특정 높이에서의 중성 바람을 추정하도록 설계되었고, 다음과 같이 표현된다:
\(\frac{u-u_{s}}{u_{*}}=\frac{\ln \left(\frac{z}{z_{u}}\right)-\Psi_{u}}{k}\) (5)
u와 us는 각각 구하고자 하는 높이와 기준 높이에서의 풍속이고, u*은 마찰 속도를 가리킨다. z와 zu는 각각 구하고자 하는 높이와 풍속의 관측 높이를 가리키고, k 는 Von Karman 상수로 본 연구에서는 0.4를 대입하였다(Paulson, 1970). Ψu는 유체의 특성을 나타내는 안정도 변수로, Businger-Dyer 모델에 따라 다음과 같이 표현된다(Businger et al., 1971; Dyer, 1974):
\(\Psi_{u}=2 \ln \left[\frac{(X+1)}{2}\right]+\ln \left[\frac{\left(X^{2}+1\right)}{2}\right]-2 \tan ^{-1}[X]+\frac{\pi}{2}\) (6)
X는 \(\left(1+a_{u} \zeta\right)^{\frac{1}{4}}, \xi\)는 \(\frac{z}{L}\)이고, au는 상수로 10을 사용하였으며, L은 Monin-Obukhov 길이로 열속(heat flux), 수분속(moisture flux), 마찰 속도에 의해 계산된다(Liu an Tang,1996).
4. 연구 결과
1) SAR 자료 전처리 결과
본 연구에서는 해양 영역을 관측한 SAR 자료의 정확한 정량적 분석을 위해 육지 화소, 스펙클 잡음, 선박 화소 제거를 포함한 전처리를 수행하였다. Fig. 6은 2017년 9월 1일에 촬영한 KOMPSAT-5 ES 모드 자료의 전처리 과정 적용 전후 결과이다. SAR 영상 내 육지 영역이 제거되었고, 주변 해양 화소에 영향을 줘 해상풍 산출의 오차 요인으로 작용할 수 있는 해양 영역 내 모든 선박 화소가 제거되었다. Boxcar 필터 적용으로 인해 전처리된 KOMPSAT-5 영상은 평활화(smoothing)되었고, SAR 영상에 임의로 분포하는 스페클 잡음 또한 효과적으로 제거되었다.
Fig. 6. An example of distribution of backscattering coefficient (sigma naught, σ0), based on the first conversion equation (1), from KOMPAT-5 ES mode VV-pol data (a) before and (b) after preprocessing on 1 September 2017, where the red star indicates the buoy station.
2) 풍속 산출 결과
Fig. 7은 2017년 9월 1일에 촬영한 KOMPSAT-5 ES 모드 자료에 XMOD2 알고리즘을 적용하여 해상풍을 산출한 결과이다. 해양 부이에서는 4.33 m s–1, 후방산란계수 변환식 (1)에서는 3.91 m s–1, 후방산란계수 변환식 (2) 에서는 4.63 m s–1의 풍속이 관측되었다. 해당 자료에서 는 δa는 2.18 m, δS는 1.51 m, ρC는 1.25 m, ρL은 2.01 m이기 때문에 후방산란계수 변환식 (2)의 NRCS가 변환식 (1) 의 NRCS보다 1.1976 dB 크게 계산되었고, 그로부터 산출한 해상풍 또한 더 높은 값을 가지는 것으로 나타났다. XMOD2 함수의 시뮬레이션 결과 NRCS가 같은 크기만큼 차이 나더라도 NRCS가 증가할수록 그에 대응되는 풍속의 차이는 증가하는 것으로 나타났다(Fig. 5(c)–5(d)). 따라서 두 가지 산출식으로부터 계산된 NRCS 차이는 영상 내 모든 화소에서 동일하였지만, 산출된 해상풍이 증가할수록 변환식간 해상풍의 차이는 증가하였고, 산출된 해상풍의 분포와 변환식간 해상풍의 차이는 유사한 것으로 나타났다.
Fig. 7. Distribution of wind speed from (a) ECMWF interim reanalysis data, (b) sigma naught (σ0) calculated from the first conversion equation (1), and (c) σ0 from the second conversion equation (2), and (d) distribution of wind speed difference between σ0 equation version ((c) – (b)) on 1 September 2017, where the red star represents buoy station.
3) 풍속 산출 정확도
본 연구에서는 상대 풍향 정보 산출을 위해 ECMWF 재분석 자료를 입력 자료로 활용하고, XMOD2에 적용하여 해상풍을 산출하였다. 정확도 평가 기준 자료로는 LKB 모델을 적용한 해양 부이 실측 자료를 사용하였고, KOMPSAT-5 ES 모드 자료의 후방산란계수 변환식 (1) 과 (2)을 모두 비교하였다(Fig. 8).
Fig. 8. Comparison of buoy wind speed with the wind speed derived from the KOMPSAT-5 using XMOD2, where the red and blue circles indicate the estimated wind speeds from the conversion equation (1) and (2), respectively
Table 3은 후방산란계수 변환식에 따른 정확도 평가 결과를 정리한 것이다. 변환식 (1)을 사용하는 경우, 2.74 m s–1의 평균 제곱근 오차(root-mean-square error, RMSE) 와 -1.19 m s–1의 음의 편차(bias)가 나타났다. 변환식 (2)을 사용하는 경우, 2.41 m s–1의 평균 제곱근 오차와 -0.13 m s–1의 음의 편차가 나타났다. KOMPSAT-5 ES 모드 자료에 XMOD2를 적용하여 산출한 해상풍의 정확도는 변환식 (1)보다 변환식 (2)으로부터 산출한 해상풍이 평균 제곱근 오차가 더 낮았고, 편차의 절대값 또한 작아 변환식 (2)이 더 정확한 해상풍을 산출하는 것으로 나타났다.
Table 3. Comparisons of the wind speeds derived from KOMPSAT-5 ES mode data using XMOD2 with insitu measurement respect to sigma naught (σ0) conversion equations Reference wind data In-situ measurement RMSE conversion equation
4) 해양 기상 환경에 의한 오차
해양 관측 SAR 자료에서 후방산란계수는 표면의 거칠기를 의미하여 해상풍을 산출하는데 사용되지만, 다양한 해양 기상 환경에 따라 변화한다. 연안 지형에 의해 주로 발생하는 대기 중력파(Atmospheric Gravity Wave) 의 경우 풍속 변화를 일으키지 않지만, 대기의 수렴과 발산 및 그에 따른 수증기 분포의 변화로 인해 후방산란계수를 변화시킨다(Alpers and Huang, 2011). 2017년 9월 3일 자료에서는 전처리에 의해 영상이 평활화되었음에도 불구하고 대기 중력파에 의한 영향이 완전히 사라지지 않았다(Fig. 9(a)-9(b)). 해양 부이에서의 풍속은 1.54 m s–1이었지만, 변환식 (2)으로부터 산출된 해상풍 은 5.76 m s–1로 과대 추정되었다.
Fig. 9. Distribution of backscattering coefficients from KOMPSAT-5 ES mode V-pol data (a) before and (b) after preprocessing on 3 September 2017, (c) before and (d) after preprocessing on 26 October 2017, and (e) before and (f) after preprocessing on 28 October 2017, where the red stars represent buoy stations and the black portions represent the land-masking areas.
해양 표면에 존재하는 작은 규모의 파랑과 바람장 전선(wind field front) 또한 해수면 거칠기를 변화시킨다 (Franceschetti et al., 1998). 2017년 10월 26일 자료에서는 작은 규모의 파랑과 큰 규모의 바람장 전선이 관측되었고, 전처리에 의해 영상이 평활화되었음에도 작은 규모의 파랑 흔적과 큰 규모의 바람장 전선은 남아있었다 (Fig. 9(c)-9(d)). 해양 부이에서의 풍속은 10.36 m s–1이었지만, 후방산란계수 변환식 (2)으로부터 산출된 해상풍 은 6.57 m s–1로 과소 추정되었다.
외부 충격파의 유입, 해양 구조물에 의한 영향 등 다양한 원인에 의해 발생하는 내부파 또한 해수면 거칠기를 변화시킨다(Alpers and Huang, 2011). 2017년 10월 18 일 자료에서는 다수의 내부파 중첩 현상과 큰 규모의 대기 중력파가 관측되었다(Fig. 9(e)-9(f)). 해양 부이에서의 풍속은 8.85 m s–1이었지만, 후방산란계수 변환식 (2)으 로부터 산출된 해상풍은 5.85 m s–1로 과소 추정되었다.
5) 영상 품질에 의한 오차
SAR는 관측 방법의 특이성으로 인해 다양한 모호성 (ambiguity)이 발생한다. SAR 탑재 인공위성이 이동하는 방향과 평행한 방향으로의 변위(displacement)를 보이는 방위각(azimuth) 모호성과 SAR 센서가 측정하는 방향과 평행한 방향으로의 변위를 보이는 레인지(range) 모호성이 존재한다(Kare, 2001; Vilano et al., 2014). 본 연구에서 활용한 KOMPSAT-5 인공위성의 경우, 관측 범위 외곽에 강한 산란을 보이는 물체가 존재하는 경우, 사이드로브(side lobe) 효과에 의해 목표 신호가 아닌 외부의 강한 산란 신호가 레인지 방향으로의 변위를 발생시켜 관측 영상에 겹쳐지는 레인지 모호성이 발생하였다 (Fig. 10). 2017년 10월 31일 자료는 KOMPSAT-5 인공위성이 하강 궤도에서 오른쪽 방향으로 관측한 자료이다. 본 자료에서는 해양 관측 영상에 레인지 방향으로 평행한 위치에 있는 육지 관측 영상이 겹쳐진 레인지 모호성이 발생하였고, 해양 부이 실측 자료에 비해 .32 m s–1 과대 추정된 것으로 나타났다.
Fig. 10. (a) Land topography (m) from 1-arc second SRTM DEM data, where the black box represents the location of the KOMPSAT-5 ES mode data, and (b) distribution of backscattering coefficient from KOMPSAT-5 ES mode VV-pol data, where the red star indicates the buoy station.
KOMPSAT-5 인공위성의 경우, 후방산란계수 산출식에 필요한 국지 입사각을 산출식으로부터 계산 가능하다. 하지만 KOMPSAT-5 자료에서 제공되는 국지 입사각은 일반적인 입사각의 분포와는 다르게 이산적·불연속적으로 분포하였고, 또한 연안에서의 국지 입사각의 분포는 물결 모양의 분포 특징이 발견되었다(Fig. 11). 이러한 국지 입사각의 분포는 후방산란계수 산출 정확도 및 GMF 입력 자료로 사용되는 입사각의 정확도에도 영향을 미친다. 따라서 추후 정확한 후방산란계수 및 해상풍 산출을 위해서는 입사각 산출물에 대한 추가적인 보정 작업이 필요하다.
Fig. 11. Distribution of local incidence angle from KOMPSAT5 ES mode data on 30 September 2017
5. 요약 및 결론
KOMPSAT-5 후방산란계수 자료의 정확도를 검증하고, 후방산란계수 절대값 활용 가능성을 평가하기 위해 SAR 자료로부터 해상풍을 산출하고, 그 정확도를 해양 부이 자료와 비교하였다. 다양한 해양 환경을 반영하기 위해 미국 서부 연안과 하와이 북부 안에 위치하는 해양 부이 6개 실측 자료를 활용하였고, 2017년 4월부터 2017년 10월까지 18장의 KOMPSAT-5 ES 모드 VV 편파 자료를 수집하였다. 본 연구에서 활용한 KOMPSAT-5 ES 모드 자료에 적용된 영상 처리 프로그램 버전은 [K5-SARP2017 / TAS-I-R131-2017.1.3-CW64OIV2 – 2017.05.14]으로 두 가지의 후방산란계수 변환식이 존재하고, 두 가지의 후방산란계수 변환식을 모두 검증하였다.
해상풍을 산출하기에 앞서 보다 정확한 SAR 영상 분석을 위해 연안 해양 화소에 영향을 주는 육지 화소를 SRTM DEM 자료와 국지 입사각을 기반으로 제거하였고, 임의로 분포하면서 영상의 질을 저하시키는 스페클 잡음을 boxcar 필터를 적용하여 제거하였으며, 주변 해양 화소에 영향을 주는 선박 화소를 일정 오탐지율 알고리즘을 적용하여 제거하였다. ECMWF 재분석 자료로부터 풍향 정보를 산출하여 상대 풍향 정보를 계산하였고, XMOD2 알고리즘에 적용하 해상풍을 산출하였다. SAR 자료 기반 해상풍의 기준 고도는 해수면 기준 10 m이지만, 해양 부이의 해상풍 측정 고도는 4 m 에서 5 m이므로 LKB 모델을 적용하여 10-m 중성 바람으로 변환하였다. 후방산란계수 변환식 (1)의 정확도는 2.74 m s–1의 평균 제곱근 오차와 -1.19 m s–1의 음의 편차가 나타났고, 변환식 (2)은 2.41 m s–1의 평균 제곱근 오차와 -0.13 m s–1의 음의 편차가 나타났다. 후방산란계수 변환식 (2)이 변환식 (1)보다 평균 제곱근 오차가 더 낮았고, 편차의 절대값이 작아 더 정확하게 해상풍을 모의하는 것으로 나타났다.
KOMPSAT-5 자료를 활용하여 풍속 분포를 산출할 때, 고려해야하는 오차 요인으로는 해양 기상 환경 요소와 KOMPSAT-5 영상 자체 오차가 존재하였다. 대기 중력파, 해양 표면에 존재하는 작은 규모의 파랑, 바람장 전선, 내부파 등과 같은 해양 기상 환경 요소는 SAR 후방산란계수의 변화를 발생시켜 해상풍 산출의 오차를 야기하였다. SAR 관측 방법의 특이성으로 인해 발생하는 레인지 모호성과 이산적 및 불연속적, 연안에서의 물결 모양의 특징을 포함하고 있는 국지 입사각의 분포 특성과 같이 KOMPSAT-5 영상 자체 특성도 해상풍 산출의 오차 요인으로 작용할 수 있으므로 추후 정확한 해 상풍 산출을 위해서는 KOMPSAT-5 후방산란계수 자료의 처리 기법 개발 및 보완이 필요하다.
고해상도 바람장 자료의 필요성이 강조되면서 전세계 연구기관에서는 다양한 SAR 탑재 인공위성을 운영하고 있고, 후방산란계수 산출에 관한 고해상도 바람장 자료를 지속적으로 생산해오고 있다. 그에 따라 다양한 SAR 센서, 전처리 방법, 풍향 산출 방법, GMF, 편파 비율(Polarization ratio) 등을 주로 하여 SAR 자료 기반 해상풍의 정확도와 오차 요인에 대한 연구가 오랫동안 수행되어 왔고, 대기와 해양, 지질학적 조건 또는 유류 오염 관련 문제로 인한 정확도 연구뿐만 아니라 지역적 특성도 규명하였다. 이러한 연구들을 통해 SAR 자료 기반 해상풍의 해역에 따른 최적화가 진행된다면 SAR 자료로부터 생산된 정확한 고해상도 바람장 자료는 다양한 목적으로 사용될 수 있을 것으로 예상된다. 본 연구에서는 SAR 자료를 기반으로 산출하는 해상풍에 미치 는 다양한 해양 기상 환경 및 기타 특성에 의한 영향을 분석하였고, 이는 SAR 자료의 관측 환경 및 오차 요인을 고려한 해상풍 산출 알고리즘 개발에 기여할 것으로 기대된다.
SAR를 탑재한 최초의 우리나라 인공위성인 KOMPSAT-5는 2013년 8월부터 운영되고 있지만, 후방 산란계수 절대값을 활용한 해양 환경 연구 및 해상풍 산출에 관한 연구는 진행되지 않았다. 본 연구에서는 KOMPSAT-5 후방산란계수를 활용하여 최초로 해상풍을 산출하였고, 해양 부이 측 자료와 비교하여 정확도를 분석하였다. 또한 레인지 모호성과 국지 입사각의 분포 특이성과 같은 KOMPSAT-5 자료 자체의 오차 요인을 규명하였고, 이러한 연구 결과는 KOMPSAT-5 자료의 최적화 및 해상풍 산출에 필요한 입력 자료의 정밀도 향상에 기여할 것으로 기대된다. KOMPSAT-5 자료 기반 해상풍의 정확도를 향상시키기 위해서는 해양 환경에 따른 잠재적 오차 요인이 존재하는 연안 지역에 대한 집중적인 관측이 필요하고, SAR 자료 기반 해상풍 산출 알고리즘의 입력 자료로 활용되는 VV 편파 기반 관측이 보다 활발하게 이루어져야한다.
사사
이 논문은 2018년 해양수산부 재원으로 해양수산과 학기술진흥원의 지원을 받아 수행된 연구입니다(동해 심층해수 및 물질 순환 기작 규명)(20160040). 또한 본 연구는 기상청 “기상·지진See-At기술개발연구사업(KMI 2018-05110)”의 지원을 받아 수행되었습니다.
참고문헌
- Alpers, W. and W. Huang, 2011. On the discrimination of radar signatures of atmospheric gravity waves and oceanic internal waves on synthetic aperture radar images of the sea surface, IEEE Transactions on Geoscience and Remote Sensing, 49(3): 1114-1126. https://doi.org/10.1109/TGRS.2010.2072930
- Businger, J.A., J.C. Wyngaard, Y. Izumi, and E.F. Bradley, 1971. Flux-profile relationships in the atmospheric surface layer, Journal of the Atmospheric Sciences, 28(2): 181-189. https://doi.org/10.1175/1520-0469(1971)028<0181:FPRITA>2.0.CO;2
- Cornillon, P. and K. Park, 2001. Warm core ring velocities inferred from NSCAT, Geophysical Research Letters, 28(4): 575-578. https://doi.org/10.1029/2000GL011487
- Crisp, D.J., 2004. The state-of-the-art in ship detection in synthetic aperture radar imagery (No. DSTORR- 0272), Defence Science and Technology Organisation Salisbury (Australia) Info Sciences Lab, Fairbairn, Canberra, Australia.
- Dyer, A., 1974. A review of flux-profile relationships, Boundary-Layer Meteorology, 7(3): 363-372. https://doi.org/10.1007/BF00240838
- Ebuchi, N., 1999. Statistical distribution of wind speeds and directions globally observed by NSCAT, Journal of Geophysical Research: Oceans, 104 (C5): 11393-11403. https://doi.org/10.1029/98JC02061
- Evans, D., C.L. Conrad, and F.M. Paul, 2003. Handbook of automated data quality control checks and procedures of the National Data Buoy Center, NOAA National Data Buoy Center, Hancock County, Mississippi, USA.
- Franceschetti, G., M. Migliaccio, and D. Riccio, 1998. On ocean SAR raw signal simulation, IEEE Transactions on Geoscience and Remote Sensing, 36(1): 84-100. https://doi.org/10.1109/36.655320
- Furevik, B.R. and E. Korsbakken, 2000. Comparison of derived wind speed from synthetic aperture radar and scatterometer during the ERS tandem phase, IEEE Transactions on Geoscience and Remote Sensing, 38(2): 1113-1121. https://doi.org/10.1109/36.841990
- Graf, J.E., W.Y. Tsi, and L. Jones, 1998. Overview of QuikSCAT mission-a quick deployment of a high resolution, wide swath scanning scatterometer for ocean wind measurement, Proc. of IEEE Southeastcon '98 'Engineering for a New Era', Orlando, FL, pp. 314-317.
- Han, H., S.H. Hong, H.C. Kim, T.B. Chae, and H.J. Choi, 2017. A study of the feasibility of using KOMPSAT-5 SAR data to map sea ice in the Chukchi Sea in late summer, Remote Sensing Letters, 8(5): 468-477. https://doi.org/10.1080/2150704X.2017.1285501
- Harahsheh, H.A., 2016. Oil Spill Detection and Monitoring of Abu Dhabi Coastal Zone Using KOMPSAT-5 SAR Imagery, Proc. of XXIII International Society for Photogrammetry and Remote Sensing Congress, Prague, Czech Republic, Jul. 12-19, vol. XLI-B8, pp. 1115-1121.
- Hwang, J.I., S.H. Chae, D. Kim, and H.S. Jung, 2017. Application of Artificial Neural Networks to Ship Detection from X-Band Kompsat-5 Imagery, Applied Sciences, 7(9): 961. https://doi.org/10.3390/app7090961
- Kare, J.T., 2001. Moving receive beam method and apparatus for synthetic aperture radar, U.S. Patent No. 6,175,326, Patent and Trademark Office, Washington D.C., USA,.
- Kim, S.-W., D.-H. Kim, and Y.-K. Lee, 2018. Operational ship monitoring based on integrated analysis of KOMPSAT-5 SAR and AIS data, Korean Journal of Remote Sensing, 34(2): 3327-3338 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2018.34.2.2.3
- Koch, W., 2004. Directional analysis of SAR images aiming at wind direction, IEEE Transactions on Geoscience and Remote Sensing, 42(4): 702-710. https://doi.org/10.1109/TGRS.2003.818811
- Lee, J.S., 1986. Speckle Suppression and Analysis for Synthetic Aperture Radar Images, Optical Engineering, 25: 255636. https://doi.org/10.1117/12.7973877
- Lee, S.R., 2010. Overview of KOMPSAT-5 program, mission, and system, Proc. of 2010 International Geoscience and Remote Sensing Symposium, Honolulu, HI, Jul. 25-30, pp. 797-800.
- Lehner, S., J. Horstmann, W. Koch, and W. Rosenthal, 1998. Mesoscale wind measurements using recalibrated ERS SAR images, Journal of Geophysical Research: Oceans, 103(C4): 7847-7856. https://doi.org/10.1029/97JC02726
- Li, X., W. Zheng, W.G. Pichel, C.Z. Zou, and P. Clemente-Colon, 2007. Coastal katabatic winds imaged by SAR, Geophysical Research Letters, 34(3).
- Li, X., J.A. Zhang, X. Yang, W.G. Pichel, M. DeMaria, D. Long, and Z. Li, 2013. Tropical cyclone morphology from spaceborne synthetic aperture radar, Bulletin of the American Meteorological Society, 94(2): 215-230. https://doi.org/10.1175/BAMS-D-11-00211.1
- Li, X.M. and S. Lehner, 2014. Algorithm for sea surface wind retrieval from TerraSAR-X and TanDEMX data, IEEE Transactions on Geoscience and Remote Sensing, 52(5): 2928-2939. https://doi.org/10.1109/TGRS.2013.2267780
- Liu, W.T., K.B. Katsaros, and J.A. Businger, 1979. Bulk parameterization of air-sea exchanges of heat and water vapor including the molecular constraints at the interface, Journal of the Atmospheric Sciences, 36(9): 1722-1735. https://doi.org/10.1175/1520-0469(1979)036<1722:BPOASE>2.0.CO;2
- Liu, W. T. and W. Tang, 1996. Equivalent neutral wind, JPL Publication 96-17, Jet Propulsion Laboratory, Pasadena, CA, USA.
- Liu, W.T., W. Tang, and P.S. Polito, 1998. NASA scatterometer provides global ocean-surface wind fields with more structures than numerical weather prediction, Geophysical Research Letters, 25(6): 761-764. https://doi.org/10.1029/98GL00544
- Mastin, G.A., 1985. Adaptive filters for digital image noise smoothing: An evaluation, Computer Vision, Graphics, and Image Processing, 31(1): 103-121. https://doi.org/10.1016/S0734-189X(85)80078-5
- Park, K., P. Cornillon, and D.L. Codiga, 2006. Modification of surface winds near ocean fronts: Effects of Gulf Stream rings on scatterometer (QuikSCAT, NSCAT) wind observations, Journal of Geophysical Research: Oceans, 111(C3).
- Park, K., J.-J. Park, J.-C. Jang, J.-H. Lee, S. Oh, and M. Lee, 2018. Multi-Spectral Ship Detection Using Optical, Hyperspectral, and Microwave SAR Remote Sensing Data in Coastal Regions, Sustainability, 10(11): 4064. https://doi.org/10.3390/su10114064
- Paulson, C.A., 1970. The mathematical representation of wind speed and temperature profiles in the unstable atmospheric surface layer, Journal of Applied Meteorology, 9(6): 857-861. https://doi.org/10.1175/1520-0450(1970)009<0857:TMROWS>2.0.CO;2
- Rodriguez, E., R.W. Gaston, S.L. Durden, B. Stiles, M. Spencer, L. Veilleux, R. Hughes, D.E. Fernadez, S.C. Chan, S. Veleva, and R.S. Dunbar, 2009. A scatterometer for XOVWM, the extended ocean vector winds mission, Proc. of 2009 IEEE Radar Conference, Pasadena, CA, May 4-8, pp. 1-4.
- SIIS, 2015. KOMPSAT-5 product specifications, Korea Aerospace Research Institute, Daejeon, South Korea.
- Singh, P. and R. Shree, 2016. Analysis and effects of speckle noise in SAR images, Proc. of 2016 2nd International Conference on Advances in Computing, Communication, and Automation (ICACCA), Bareilly, India, Sep. 30-Oct. 1, pp. 1-5.
- Smith, D.M., 1996. Speckle reduction and segmentation of Synthetic Aperture Radar images, International Journal of Remote Sensing, 17(11): 2043-2057. https://doi.org/10.1080/01431169608948758
- Tang, W., W.T. Liu, and B.W. Stiles, 2004. Evaluation of high-resolution ocean surface vector winds measured by QuikSCAT scatterometer in coastal regions, IEEE Transactions on Geoscience and Remote Sensing, 42(8): 1762-1769. https://doi.org/10.1109/TGRS.2004.831685
- Thompson, D.R. and R.C. Beal, 1998. Mapping mesoscale and submesoscale wind fields using synthetic aperture radar, Proc. of 1998 International Geoscience and Remote Sensing Symposium, Seattle, WA, Jul. 6-10, vol. 3, pp. 1382-1384.
- Vachon, P.W. and F.W. Dobson, 2000. Wind retrieval from RADARSAT SAR images: Selection of a suitable C-band HH polarization wind retrieval model, Canadian Journal of Remote Sensing, 26(4): 306-313. https://doi.org/10.1080/07038992.2000.10874781
- Villano, M., G. Krieger, and A. Moreira, 2014. Staggered SAR: High-resolution wide-swath imaging by continuous PRI variation, IEEE Transactions on Geoscience and Remote Sensing, 52(7): 4462-4479. https://doi.org/10.1109/TGRS.2013.2282192
- Wang, C., M. Liao, and X. Li, 2008. Ship detection in SAR image based on the alpha-stable distribution, Sensors, 8(8): 4948-4960. https://doi.org/10.3390/s8084948
- Xi, Y., H. Lang, Y. Tao, L. Huang, and Z. Pei, 2017. Four-component model-based decomposition for ship targets using polsar data, Remote Sensing, 9(6): 621. https://doi.org/10.3390/rs9060621
- Xie, T. and W. Perrie, 2010. Comparison of high winds retrieved from RADARSAT 2 SAR data with in situ buoy data and QuikScat wind vectors, Proc. of SeaSAR 2010 - The 3rd International Workshop on Advances in SAR Oceanography from Envisat and ERS, Frascati, Italy, Jan. 25-29, vol. 679.
- Zhang, B., W. Perrie, P.W. Vachon, X. Li, W.G. Pichel, J. Guo, and Y. He, 2012. Ocean vector winds retrieval from C-band fully polarimetric SAR measurements, IEEE Transactions on Geoscience and Remote Sensing, 50(11): 4252-4261. https://doi.org/10.1109/TGRS.2012.2194157
- Zhang, B., X. Li, W. Perrie, and Y. He, 2015. Synergistic measurements of ocean winds and waves from SAR, Journal of Geophysical Research: Oceans, 120(9): 6164-6184. https://doi.org/10.1002/2015JC011052
- Zhang, G., W. Perrie, X. Li, and J.A. Zhang, 2017. A Hurricane Morphology and Sea Surface Wind Vector Estimation Model Based on C-Band Cross-Polarization SAR Imagery, IEEE Transactions on Geoscience and Remote Sensing, 55(3): 1743-1751. https://doi.org/10.1109/TGRS.2016.2631663