Bias Characteristics Analysis of Himawari-8/AHI Clear Sky Radiance Using KMA NWP Global Model

기상청 전구 수치예보모델을 활용한 Himawari-8/AHI 청천복사휘도 편차 특성 분석

Abstract

The clear sky radiance (CSR) is one of the baseline products of the Himawari-8 which was launched on October, 2014. The CSR contributes to numerical weather prediction (NWP) accuracy through the data assimilation; especially water vapor channel CSR has good impact on the forecast in high level atmosphere. The focus of this study is the quality analysis of the CSR of the Himawari-8 geostationary satellite. We used the operational CSR (or clear sky brightness temperature) products in JMA (Japan Meteorological Agency) as observation data; for a background field, we employed the CSR simulated using the Radiative Transfer for TOVS (RTTOV) with the atmospheric state from the global model of KMA (Korea Meteorological Administration). We investigated data characteristics and analyzed observation minus background statistics of each channel with respect to regional and seasonal variability. Overall results for the analysis period showed that the water vapor channels (6.2, 6.9, and $7.3{\mu}m$) had a positive mean bias where as the window channels(10.4, 11.2, and $12.4{\mu}m$) had a negative mean bias. The magnitude of biases and Uncertainty result varied with the regional and the seasonal conditions, thus these should be taken into account when using CSR data. This study is helpful for the pre-processing of Himawari-8/Advanced Himawari Imager (AHI) CSR data assimilation. Furthermore, this study also can contribute to preparing for the utilization of products from the Geo-Kompsat-2A (GK-2A), which will be launched in 2018 by the National Meteorological Satellite Center (NMSC) of KMA.

청천복사휘도는 히마와리-8호 정지궤도 기상위성에서 제공되는 주요 산출물 중의 하나로서, 자료동화 과정을 통해 수치예보 정확도 향상에 기여한다. 특히, 청천복사휘도는 대기운동벡터와 함께 대기 상층에서 자료동화의 효과를 보인다. 본 연구에서는 히마와리-8호 청천복사휘도의 편차 특성 분석과 평가를 통해 자료를 활용하는 사용자에게 정보를 제공해주고, 효과적으로 자료를 사용할 수 있도록 수치예보모델자료를 활용한 편차와 불확실성을 계산하였다. 일본 기상청에서 제공되는 청천복사휘도를 관측 자료로 사용하였고, 17 km 공간해상도의 기상청 전구 모델 Unified Model(UM) 자료와 복사전달모델 RTTOV-v11.2를 이용하여 청천복사휘도를 모의하였다. 먼저, 관측자료의 특성을 파악하고 관측자료와 모의된 청천복사휘도의 채널별 편차특성을 분석하였다. 전반적인 결과는 히마와리-8호 위성의 세 개의 수증기 채널(6.2, 6.9, $7.3{\mu}m$)에서는 양의 편차를 보인 반면에 대기창 적외 채널(10.4, 11.2, $12.4{\mu}m$)에서는 음의 편차를 보였다. 또한 분석결과는 계절과 영역에 따라 상이하게 나타났으며, 특히 사막이나 고지대 지역의 편차 특성이 뚜렷하게 나타났다. 이를 통해 청천복사자료를 활용할 때 시공간적인 특성을 고려해야 함을 확인할 수 있었다. 본 연구의 결과는 히마와리-8호 AHI의 청천복사휘도를 자료동화 할 때 전처리 과정에서 유용하게 활용될 수 있을 것이며, 2018년에 발사된 천리안-2A호의 산출물 활용에도 도움이 될 것으로 기대한다.

1. 서론

정지궤도기상위성에서 산출된 자료는 해양이나 사막과 같은 관측 공백 지역이나 대기의 상층정보를 광범위한 영역에서 지속적으로 확보할 수 있다. 또한 정지궤도 기상위성의 영상은 태풍이나 전선과 같은 현상을 한눈에 파악함으로써 예보 활용과 위험기상에 대비할 수 있다는 점에서 중요하다 (Ahn, 2014). 최근 일본의 Himawari-8/9(Bessho et al., 2016)와 미국의 Geostationary  Operational Environmental Satellite(GOES)-16(Schmit et al., 2005), 중국의 Feng-Yun(FY)-4A(Yang et al., 2016)와 같은 정지궤도 기상위성이 발사되어 운용되고 있으며, 유럽의 Meteosat Third Generation(MTG)(Just et al., 2014) 위성도 발사를 준비하고 있다. 또한 우리나라의 천리안- 2A 호(Geo-KOMPSAT-2A, GK-2A) 위성이 2018년 12월에 성공적으로 발사되었다. 이러한 정지궤도 기상위성들은 이전의 위성에 비해 향상된 시/공간 해상도로 다중채널 관측자료와 영상을 제공하고 긴 운영수명을 가지며, 더 나은 기상관측 정보를 제공할 것으로 기대하고 있다.

하지만 진보된 위성일지라도 시간에 따른 위성기기의 성능 저하와 위성마다 제공하는 채널 정보와 해상도, 관측영역과 자료처리 과정 등의 차이로 인해 발생하는 오차와 편차는 여전히 존재할 수 있다. 특히, 다양한 위성 자료를 사용하는 수치 예보 분야에서 이러한 오차와 편차는 더욱 중요하게 고려되어야 한다. 위성의 복사량 자료가 수치 예보 시스템에 직접적으로 동화되기 위해서는 관측된 복사량과 모델 배경장 사이의 편차를 보정(bias correction)하는 전처리 과정이 선행되어야 한다 (Harris and Kelly, 2001; Lee et al., 2013). 불규칙하게 나타나는 확률적 오차(random error)는 자료의 모니터링과 증가된 관측 오차를 통해 평균적으로 나타날 수 있는 값의 범위를 벗어나는 값이나 이상치를 구분하여 고려될 수 있다. 하지만 시간에 따른 센서의 변화 및 복사 전달 모델의 불확실성으로부터 나타날 수 있는 계통 오차(systemetic error)를 고려하기 위해서는 위성에서 관측된 복사량과 모델 배경장 사이의 편차를 장기간 모니터링하고 종합적인 통계분석을 수행하는 과정이 필요하다. 계통 오차, 즉 편차는 자료 동화 결과에 영향을 줄 정도로 유의미할 수 있기 때문이다(Harris and Kelly, 2001). 자료 동화되는 모든 관측 자료들은 관측 자료 처리 시스템(Observation Processing System, OPS)을 거치며 각각의 품질 정보를 생산한다. OPS의 가장 중요한 역할 중에 하나는 모델의 배경장(6시간이 전 초기 시간 기준의 6시간 모델 예측장)과 관측 자료의 오차를 고려하여 보정이 필요한 경우, 이를 수행하고 관련 정보를 생산하는 것이다. 이때 생산되는 측 자료와 모델 배경장의 차이 또는 편차 정보를 관측증분 또는 O(Observation)- B(Background)라고 한다(Auligné and McNally, 2007; Auligné et al., 2007; Lee et al., 2013).

본 연구에서는 Himawari-8/Advanced Himawari Imager (AHI) 정지궤도 기상위성에서 산출되는 청천복사휘도(Clear Sky Radiance, CSR) 자료의 특성을 분석하고, 수치예보모델자료와의 편차 분석을 수행하였다. 청천복사휘도는 구름이 없는 맑은 대기의 복사량을 의미하고, 크게 두 종류로 구분할 수 있다. 하나는 위성에서 실제 관측한 복사량 정보 중에 구름 영역을 제거하고, 일정 영역의 평균을 취함으로써 산출한 관측 청천복사휘도이고, 다른 하나는 수치예보모델 자료의 온/습도 프로파일과 지표면 정보를 입력 자료로 사용하여 복사전달모델을 이용해 이론적으로 계산한 모의 청천복사휘도이다. 청천복사휘도자료는 대기운동벡터(Atmospheric Motion Vector, AMV)와함께수치예보모델자료동화과정에서 중요한 입력자료로 활용되며 수치 예보 정확도에 기여하고 있다. 특히, 수증기 채널의 청천복사휘도는 대기의 수증기량 정보를 제공해 줌으로써, 상층 대기에서 자료 동화의 효과를 잘 보여주기도 한다(Köpken et al., 2003; Schreiner et al., 2003; Köpken et al., 2004; Szyndel et al., 2005). 이 밖에도 청천복사휘도 자료는 다른 위성 산출물의 생산과정에서도 이용되는데, 구름과 안개, 에어로졸과 같은 기상정보를 생산할 때, 보조자료로서 중요한 역할을 한다 (KMA, 2012).

본 연구의 주된 목적은 청천복사휘도 자료와 기상청 전구 수치예보모델과의 편차 정보를 제공해주는 것으로, 이러한 정보는 수치 예보의 자료 동화시스템에서 가용할 수 있는 청천복사휘도 자료의 특성과 불확실성을 제공해줄 수 있다. 청천복사휘도를 활용하는 사용자에게 품질 정보를 제공해주고, 효과적으로 자료를 사용할 수 있도록 하는 것이다. 또한 올해 발사된 천리안-2A 호 위성 산출물의 활용 준비를 위함이다. 천리안-1호에 이은 후속 위성에서 생산될 52종 산출물 중에는 수치 예보에 활용되는 대기운동벡터, 청천복사휘도 등의 기본 산출물뿐 아니라 청천복사휘도 자료를 활용하는 구름 탐지, 에어로졸, 황사, 안개등의 산출물을 포함하고 있기 때문에 향후 본 연구에서 수행한 품질관리 절차와 방법이 필요하다.

2장에서는 본 연구에 사용된 두 종류의 청천복사휘도를 산출하기 위한 자료와 방법을 제시하였다. 이를 바탕으로, Himawari-8/AHI 위성의 청천복사휘도에 대한 특징과 시/공간적인 통계분석을 수행하고, 영역별, 계절별, 위성천 정각에 따른 O-B의 특성을 비교하여 3장에 기술하였다. 마지막으로 4장에서는 결론을 요약하고, 추가적으로 보완해야 할 내용을 논의하였다.

2. 자료 및 방법

1) 관측 청천복사휘도

본 연구에서는 일본의 Himawari-8/AHI 정지궤도 기상위성에서 산출되는 청천복사휘도 자료의 특성과 수치예보모델 자료와의 편차를 통한 품질분석을 수행하였다. Himawari-8 위성은 2014년 10월 발사 이후 적도 상공 140.68oE에 위치하며, 다양한 기상 업무와 연구에 활용되고 있다(Bessho et al., 2016; Lee et al., 2018; Kramar et al., 2016; Shang et al., 2017; Wickramasinghe et al., 2017). AHI 센서를 탑재하고 10분마다 전구 영상을 제공한다. Table 1과 같이 16개의 관측채널 자료를 이용하여 청천복사휘도 외에도 각 채널 특성에 따라 구름 관련 정보와 대기운동벡터, 에어로졸과 화산재 등의 기상 산출물을 생산한다(Bessho et al., 2016).

Table 1. Himawari-8/AHI specification

한편, 관측 청천복사휘도는 구름이 없는 맑은 대기 의복사량을 위성으로부터 관측한 값이다. 청천 복사 휘도의 분석을 위해서는 위성에서 관측한 복사량을 휘도 온도로 변환한 Clear Sky Brightness Temperature(CSBT) 값을 주로 사용한다. 일본기상청(Japan Meteorological  Agency, JMA)에서 생산하는 청천복사휘도 산출물은 Table 1에서 보인 Himawari-8/AHI 의 16개 채널 중 7번부터 16번까지 22 km 공간 해상도의 10개의 적외(Infrared, IR) 채널에서 생산되고, 본 연구에서도 동일한 채널의 청천복사휘도 특성을 분석하였다.

일본의 이전 세대 위성인 Multi-functional Transport Satellite(MTSAT) 위성에서는 단순히 구름 탐지를 이용하여 구름 영역을 선별하고, 16×16 픽셀(약 64×64 km²)의 청천영역 화소를 평균함으로써 청천복사휘도를 계산하였다 (Uesawa, 2009). Imai(2016)에 기술된 Himawari- 8/AHI의 청천복사휘도를 생산하는 방법도 MTSAT 위성의 청천복사휘도와와 대부분 동일한 과정으로 계산하는데, 이때, 구름 영역의 선별은 해당 위성에서 생산된 구름 탐지 산출물을 이용하여 수행하게 된다. 하지만 MTSAT 위성과는 다르게 Himawari-8/AHI의수증기채 널(6.2, 6.9, 7.3 µm)들은 계산과정 중 청천영역 검사를 통과하지 못한 구름영역에 대하여 추가적으로 임계값 검사를 적용하여 청천복사휘도를 산출한다.

Fig. 1은 U.S. 표준대기(U.S. Standard Atmosphere) 정보를 이용하여, Himawari-8/AHI 수증기 채널들에 대해 복사 전달모델인 Radiative Transfer for TOVS(RTTOV)- v11로부터계산된 층별 투과율을 보인 것이다. 그림에서 y 축은 고도에 따른 기압, x축은 각 기압 고도에서 대기상단까지의 투과율을 나타낸다. Fig. 1에서 볼 수 있듯이 복사휘도의 대기투과율이 상층으로 갈수록 커지고, 대기의 층별 투과율이 채널별로 차이를 가진다. Fig. 2는 대기의 층별 투과율 자료를 이용하여 계산된 AHI10개 적외 채널의 채널별 가중함수를 보인 것이며, 수증기 채널의 가중함수는 8번부터 10번까지 순서대로 대류권의 상, 중, 하층에서 가중함수의 최대치가 나타나는 것을 확인할 수 있다. 이와 같이 Fig. 1에서 보인 세 개의 수증 기채널들이 특정고도 이하에서 대기투과율의 변화가 거의 없고, 이 고도 역시 각 수증기 채널에 따라 다르다는 것을 확인할 수 있다. 이렇듯 수증기 채널은 특정 고도 이하에서는 대기투과율의 변화가 거의 없기 때문에 위성에서 관측되는 복사량에 영향을 미치지 않는다(Imai, 2016). 따라서 청천복사휘도 산출 과정에서 무시할 수 있고, 수증기 채널에 따라 일부 하층운을 포함하는 영역을 청천으로 고려할 수 있다.

Fig. 1. Atmospheric transmittances for Himawari-8/AHI water vapor channels.

Fig. 2. Weighting functions for Himawari-8/AHI Infrared channels.

청천 임계값 적용을 위해 사용되는 구름상단에서 대기상단(Top of Atmosphere, TOA) 까지의 투과율(τ(p_c))은 일본 수치예보모델(Global Spectral Model, GSM)에서 생산된 온/습도 프로파일을 입력 자료로 사용하여 RTTOV-v11로부터 계산되며, 사용하는 임계값은 0.0001이다 (Imai, 2016). p_c는운정기압(Cloud Top Pressure, CTP) 을 의미하고, 이 또한 Himawari-8/AHI로부터 산출된 자료를 사용한다. 최종적으로 구름 영역의 선별과 임계값 검사를 통해 청천영역으로 분류된 화소를 16×16픽셀(약 32×32 km²)의 평균값으로 청천복사휘도를 계산한다 (Imai, 2016). 이러한 방법은 The European Organisation for  the Exploitation of Meteorological Satellites(EUMETSAT) 에서 사용하고 있는 Meteosat Second Generation(MSG) 위성의The Spinning Enhanced Visible and Infrared Imager (SEVIRI) 센서에서 산출되는 수증 기채널(6.2 m)의 청의 청천복사휘도를 생산하는 방법과 동일하다 (EUMETSAT, 2015).

Fig. 3은 앞선 계산과정을 통해 JMA로부터 생산된 2017년 7월 2일 09:00 UTC의 Himawari-8AHI 청천복사휘도 온도의 분포를 채널별로 나타낸 그림이다. 관측 청천복사휘도 온도의 청천 영역이 채널에 따라 상이하게 산출됨을 확인할 수 있다. Fig. 3(a), (b), (c)는 각각 6.2, 6.9, 7.3 µm 수증기 채널의 청천복사휘도 온도분포로, Fig. 2에서 보인 바와 같이 상층, 중층, 하층의 수증기량을 대표하는 채널이다. 각 채널의 최대 가중 함수 고도 가상 층에 나타날수록 대기투과율에 따른 하층 구름에 의한 영향이 적기 때문에 Fig. 3에서(a), (b), (c)의 순서로 청천복사휘도가 넓게 산출된 것을 확인할 수 있다. 반면에 Fig. 3(d)에 보인 최대가 중 함수 고도가 지표면 부근에 있는 10.4 µm 대기창 영역의 청천복사휘도 산출 영역은 북서 태평양 부근에 존재하는 태풍 주변의 구름 등 모든 구름역이 제거되어 수증기 채널들보다 적은 영역에서 청천복사휘도 온도의 분포가 나타났다. 수증기 채널들을 제외한 7개의 적외 채널들은 Fig. 3(d)와동일 한 청천복사휘도 온도의 분포를 갖는다. 추가적으로, Himawari-8/AHI 의 관측 청천복사휘도 산출물에는 채널에 따라 다르게 계산된 청천 비율(clear fraction) 정보가 같이 제공되고, 이 정보는 본 연구의 채널별 편차 특성을 분석하는데 사용하였다.

Fig. 3. Clear sky radiance of JMA operational products for (a) 6.2 μm channel, (b) 6.9 μm channel, (c) 7.3 μm channel, and (d) 10.4 μm channel on 2 July 2017 at 09:00 UTC.

2) 모의 청천복사휘도

관측된 복사량 자료와 수치예보모델 자료는 직접적으로 비교할 수 없다. 따라서 관측과 같은 영역과 시간에 대해 해 수치예보모델의 예측장 자료를 사용하여 복사 전달 모델로부터 위성에서 관측된 청천복사휘도를 이론적인 복사량 값으로 계산한 것이 모의 청천복사휘도이다. 모의 청천복사휘도는 식(1)과 같은 복사 전달방정식을 통해 계산된다(Trigo and Viterbo, 2003).

\(\begin{aligned} L^{c l r}(v, \theta)=& \tau_{s}(v, \theta) \varepsilon_{s}(v, \theta) B\left(v, T_{s}\right)+\int_{\tau_{s}}^{1} B(v, T) d \tau+\\ &\left[1-\varepsilon_{s}(v, \theta)\right] \tau_{s}^{2}(v, \theta) \int_{\tau_{s}}^{1} \frac{B(v, T)}{\tau_{2}} d \tau \end{aligned}\)       (1)

여기서 B(υ, T)는 파수 υ 와 온도 T에서 방출되는 흑체 복사량, T와 T_s는 각 층의 평균온도와 지표면온도, τ는 투과율, ε_s는 지표면 방출율을 의미한다. 식(1)에서 L^clr (υ, θ)는 위성으로 도달하는 청천대기의 상향복사량이고, υ는 채널별 파수, θ는 위성천정각을 의미한다. 식(1)에서 첫 번째 항은 지상으로부터 방출된 에너지가대기 를 투과해서 위성에도 달한 복사량을 나타내고, 두 번째 항은 각 층의 대기로부터 방출된 에너지가 상부대기를 투과하여 위성에도 달한 총복사량을 나타낸다. 세 번째 항은 각 층의 대기로부터 하향으로 방출된 에너지가 지표에 반사되어 위성에도 달하는 총복사량을 나타낸다.

본 연구에 사용된 수치예보모델 자료는 기상청의 현업모델인 전구 수치예보모델(Unified Model, UM)에서 생산된 대기 및 지표면 정보이다. 본연 구에서 복사 전달 모델 계산을 위해 사용된 입력자료는 공간 해상도 17 km의 70개 연직층 자료이고, 4~9시간 예측장을 사용하였다. Table 2는 본 연구에서 사용한 기상청 전구 수치예보모델의 사양을 나타낸 것이다. 기상청은 최근 2018년 6월부터 현업수치예보시스템을 N768(약 17 km)에서 N1280(약 10 km)으로 업그레이드한 바 있다.

Table 2. KMA N768 Global NWP model specification

한편, RTTOV는 빠른 계산 속도와 정확도를 가지는 복사 전달 모델로서, 입력되는 대기 조건과 지표 정보를 기반으로 대기 입자의 상호작용에 따른 복사량의 흡수, 방출, 산란을 계산한다. 수치예보모델의 자료 동화 측면에서 복사 전달 모델은 은 다양한 위성으로부터 관측된 복사량을 자료 동화하기 위한 관측 연산자의 역할을 수행하기도 한다. 본 연구에서는모의청천복사량 자료계 산을위하여RTTOV-v11.2(Hocking et al., 2015)의 복사 전달 모델을 사용하였다.

수치예보모델로부터 생산된 입력자료와 복사 전달 모델을 통해 Himawarii-8/AHI 의 청천복사휘도를 모의하는 과정(ECMWF, 2015)을 Fig. 4에 보였다. Fig. 4의 과정에서 보조자료로 사용되는 정보는 Himawari-8/AHI 위성의 전개계수와 위성천정각, 지면 방출율 자료이다. 먼저, Himawari-8/AHI 위성의 전개계수는 위성의 파장별 반응함 수 특성을 고려하기 위해 RTTOV 모델에 포함되어 사용되고, 위성천 정각 자료는 수증기와 혼합기체가 고려된 연산자들과 이에 대한 전개계수를 통해 층별 광학 두께를 계산하는 과정에 활용한다. 이러한 계산 후에 사용자가 설정한 층에 따라 광학 두께를 내삽하는 과정을 거치고, 복사 전달방정식의 계산을 통해 1시간 간격의 모의 청천복사휘도를 최종적으로 산출한다. 이 과에서 지면 방출율 자료는 해상의 경우 복사 전달 모델 내부에 장착되어 있는 Infrared Surface Emissivity Model (ISEM)을 이용하고, 육상에서는 Cooperative Institute for Meteorological Satellite Studies(CIMSS)에서 제공하는 전구지면방출율Infraredl and surface Emissivity(IREMIS) 자료를 사용하였다. IREMIS는 Moderate  Resolution Imaging Specroradiometer(MODIS) 의 10개 IR 채널(3.6, 4.3, 5.0, 5.8, 7.6, 8.3, 9.3, 10.8, 12.1, and14.3 µm) 에 대한 2003년부터 2014년까지 12년 동안의 육상의 지면 방출율 자료이다(Seemann et al., 2008). 이 자료를 이용하여 AHI 채널과 격자에 맞게 육지의 월평균 지면 방출율을 재생산하였다. 기후적인 방출율의 적용은 고정된 상수값을 사용하는 문제점을 개선하고 월별로 나타나는 계절적인 특징을 잘 반영시켜 육지의 모의 청천복사휘도 정확도를 높일 수 있다.

Fig. 4. RTTOV-v11.2 simulation process flow chart

위와 같은 과정을 통해 RTTOV로부터 모의한 청천복사휘도를 Fig. 5에 나타내었다. Fig. 3과 같은 시간, 채널에 대해 모의한 것이고, RTTOV로부터 계산된 청천복사휘도의 분포가가 Fig. 3의 관측과 비교했을 때, 유사한 분포를 보이며 잘 모의된 것을 확인할 수 있다.

Fig. 5. Same as Fig. 2 except for simulated CSR using RTTOV-11.

3) 비교방법

본 연구의 분석기간은 2017년의 각 계절을 대표하는 4월, 7월, 10월, 1월의 1일~ 7일까지 각 달의 일주일 자료를 이용하였다. Himawari-8/AHI의 10개 적외 채널 중 8개의 적외 채널에 대해 일본 기상청에서 제공되는 관측청천복사휘도와 RTTOV로부터 계산된 모의 청천복사휘도를 한 시간 간격으로 분석하였다. 기상청의 전구 수치예보모델에서는 오존을 모의하지 않고, RTTOV 모델에서는 주간에 태양복사 반사성분의 영향을 고려하지 않았기 때문에 9.6 µm오존채널과3.8 µm 단파적 외 채널의 결과는 본 연구의 분석에서 제외하였다. 두 청천복사휘도의 비교를 위한 공간 일치 방법으로는 bilinear 내삽 방법(Press et al., 1988)을 이용하였고, 시간일 치는 전구 모델의 예측장 시간과 동일한 관측 자료 시간을 찾아 계산하였다. 이어 서두 청천복사휘도의 차이 즉, O-B 편차분포의 특징을 살펴보고, 평균 편차와 그에 따른 른 불확실성과 같이 정량적인 통계적인 결과를 확인하여, 지역과 계절에 따른 채널별 특성에 대해 분석하였다.

3. 결

1) Observation–Background(O-B)의 공간 분포

Fig. 6은 2017년 7월 2일 09:00 UTC의Observation– Background(O-B)의 공간적인 분포 결과이다. Fig. 6(a), (b), (c)는 3개의 수증기 채널이고, (d)는 대기창 채널이다. 수증기와 대기창 채널의 편차분포가 뚜렷한 차이가 나타남을 확인할 수이다. 수증기 채널인 6.3 µm(a)와 6.9 µm(b)에서는 양의 편차를 가지는 지역이 넓게 분포하며 서로 유사한 공간 분포를 보였고, Fig. 6(c)의 7.3µm 채널은 편차의 분포 패턴은 비슷하지만 앞서 두 수증기 채널에 비해 편차가 0에 더 가깝게 나타났다. 반면에 Fig. 6(d)의 10.4 µm 채널의 편차분포는 수증기 채널과는 다르게 대부분의 영역에서 음의 편차를 보이는데, 해상의 편차는 거의 0에 가까운 값을 보였지만 육상에서의 편차는 지역에 따라 분포의 특성이 차이를 보이는 것을 알 수 있다. 즉, 대기창 채널의 편차결과는 지표면 종류 또는 특성에 따라 큰 차이를 보이고, 특히 호주나 몽골 지역의 사막이나 티베트 고원 부근과 같은 고지대 지역에서 그 특징이 뚜렷하게 나타났다. 이렇듯 수증기 및 대기창채널의관측과 모의 청천복사휘도에 대한 공간적인 편차분포의 결과가 지표면 특성에 따라 차이를 보이는 것을 확인하였고, 이러한 차이가 계절 또는 특정 영역별 분포에서도 나타나는지, 있다면 어떤 특성이 있는지 살펴보기 위해 계절 및 영역별 편차분포를 분석하였다.

Fig. 6. Spatial distribution of O-B biases of AHI channels for (a) 6.2 μm, (b) 6.9 μm, (c) 7.3 μm, and (d) 10.4 μm on 2 July 2017 at 09:00 UTC.

2) 계절별 O-B 분석

Fig. 7은 각 계절을 대표하는 달의 7일 기간의 자료를 한 시간 간격으로 누적한 10.4 µm 대기 창 채널의 계절별 O-B 평균 편차의 결과를 나타낸 것이다. Fig. 6(d)에서 보인 2017년 7월 2일 09:00 UTC 사례의 공간분포 결과보다 뚜렷한 편차의 변동성을 보였고, 전반적인 계절별 편차는 대부분이 약±2 K의 범위를 가지고 분포하는 것을 확인할 수 있다. 하지만 Fig. 7에서 보인 O-B 전구 영역의 편차 변동성을 자세히 살펴보면 봄철은-9.7 K~ 10.3 K, 여름은 -20.9 K~ 6.6 K의 범위로 나타났으며, 가을철에는-10.9 K~ 7.6 K, 겨울에는-11.0 K~ 9.3 K의 편차 범위를 보이며 계절별로 큰 변동성을 보였다. 보다 자세한 확인을 위해 Table 3에 공간분포 결과에 대한 정량적인 통계값을 나타내었다. 앞서 확인한 공간 분포 결과와 마찬가지로 정량적인 통계값에서도 3개의 수기 채널(6.3, 6.9, 7.3 µm)에서는 계절에 상관없이 모두 양의 편차를 보이고, 그 밖에 적외 채널에서는 모두 음의 편차를 보였다. 수증기 채널의 편차 특성은 수증기 흡수에 보다 민감한 채널일수록 양의 편차가 크게 나타나는 경향을 보였으며, 봄에는 약 0.5 K, 여름에는 약 0.6 K, 가을에는 약 0.7 K, 겨울에는 약 0.4 K으로 가을철에 가장 큰 편차 값을 보였다. 이러한 양의 편차는 관측값에 비해 모델값이 작다는 의미로, 상대적으로 모델에서 수증기 영역을 다소 습윤하게 모사하였을 때 이러한 결과를 추정할 수 있다. 또한 RTTOV 의 수증기 모의 불확실성으로 인한 한편 차의원인 도 생각할 수 있다 (Waller et al., 2016). 표준편차 값은 봄, 여름, 가을에 약 1.5 K, 겨울에 1.6 K으로 겨울철의 불확실성이 가장 크게 나타났다. 한편, 대기창 영역의 적외 채널(10.4, 11.2, 12.4 µm) 의 경우 채널에 따른 편차의 차이는 크지 않으며, 계절별 평균 편차는 각각 약-0.4 K, -0.6 K, -0.3 K, -0.5 K 으로 여름에 가장 큰 편차값을 보였으며, 이에 대한 불확실성은 각각 2.1 K, 1.6 K, 1.9 K, 2.1 K으로 적설의 영향을 받는 겨울의 불확실성이 가장 크게 나타났으며, 모든 계절에서 수증기 채널에 비해 큰 값을 보였다.

Fig. 7. Seasonal distribution for the difference of JMA operational CSR and RTTOV-11 CSR simulation for 10.4 μm channel from (a) 1 to 7 April 2017, (b) 1 to 7 July 2017, (c) 1 to 7 October 2017, and (d) 1 to 7 January 2017.

Table 3. The statistics (mean biases, standard deviations) in season (April, July, October, January)

3) 영역별 O-B 분석

이러한 변동성은 모든 계절에서 육상과 해상의 결과가 명확히 구분되는 것을 확인할 수 있는데, Fig. 7에서 해상은 대부분 0에 가까운 편차를 보이고 있으나 육상의 편차는 특정 영역에 따라 큰 차이를 보이는 것을 알 수 있다. 이러한 결과를 정량적으로 확인하기 위해 Table 4에 대기창 채널에 대한 계절별 육/해상의 종합적인 통계 결과를 보였다. 편차의 절대값은 육상과 해상에서 큰 차이가 없으나 해상에서는 모든 계절에서 음의 편차를 보이고, 육상에서는 여름철을 제외하고는 대부분 양의 편차를 보였다. 편차의 절대적인 크기는 육상의 공간 분포 결과에서 보였듯이 영역별로 변동성이 다르기 때문에 크게 고려할 사항은 아니다. Table 4에서 확인할 수 있는 가장 큰 특징은 편차의 불확실성으로, 자료 수가 육상 해상에 비해 약세 배정도 적음에도 불구하고 육상의 불확실성은 모든 계절에서 3 K가 넘는 큰 값을 보였으며, 그에 비해 해상은 1 K 이하의 값을 보였다. 평균적인 값은 각각 3.3 K와 0.6 K으로 두 지표 유형에 따른 두드러진 차이를 보였다. 육상과 해상에 따라 나타나는 이러한 특징들은 기존에 알려진 지면 방출율의 불확실성 및 기상청의 전구 수치예보모델 자료에서 예측하는 지면 온도의 오차에서 기인한 것으로 판단된다. 따라서, 지표 유형을 보다 세분화하고, 그에 따른 결과를 다시 분석하였다.

Table 4. The statistics (mean biases, standard deviations, and the numbers of clear sky condition pixels of O-B) with regard to surface type in season (April, July, October, January)

본 연구에서 선택된 영역과 지표 유형을 Fig. 8에나 타내었다. 선택된 지표 영역은 지표 특성이 서로 다른 적도 및 중위도 지역의 해상 영역, 호주의 사막 지역, 티베트 고원을 포함한 고지대 영역 등이 포함된다. Fig. 9는 선택된 6개 영역의 지표 유형에 따라 분석된 된 계절별 평균 편차와 불확실성에 대한 그래프 결과이다. Fig. 9에서 점선은 육지의 지표 유형, 일점 쇄선은 해상의 유형, 실선은 참조 결과로서 전체 영역의 월평균 결과를 나타낸다. 6개의 영역 중에 열대 지역 적도와 중위도 해상으로 분류된 영역의 편차와 불확실성은 계절에 상관없이 0에 가까운 값을 가지며, 육지 영역과 비교했을 때 안정적인 결과를 보였다. 반면에 육지 영역은 각각의 지표 유형에 따라 계절별로 큰 변동성을 가지며 차이를 보였다. 대기창 영역의 파장에서 위성으로부터 관측되는 복사량은 대기의 소산 효과가 적기 때문에 대부분이 지면 온도에 의해 좌우된다. 또한, 육지는 해상과 다르게 다양한 고도와 식생이 존재하기 때문에 그 변동성이 크고, Fig. 9의 그래프 결과에서도 이를 뒷받침하는 결과가 나타났다.

Fig. 8. Regions of surface type considered in this study. (a) Desert (Australia), (b) Tropic ocean, (c) mid-latitude ocean, (d) high elevated terrain, (e) The Plateau of China, and (f) snow cover regions of high latitude.

Fig. 9. Time series of (a) mean O-B bias, and (b) standard deviation of mean bias for seasonal and regional analysis. Dashed line represent land type result of desert (red asteris), high elevated terrain (blue diamond), the Plateau of China (navy triangle), and snow cover regions of latitude (purple square) and Dot dashed line represent ocean type result of tropic ocean (orange asterisk) and mid-latitude ocean (yellow triangle) and Solid line (black asterisk) represent the reference result of monthly mean.

Fig. 9의 영역별 결과를 보다 자세히 살펴보면 호주의 사막은 다른 지역과 다르게 모든 계절에서 양의 편차를 보였다. 이는 남반구 호주 사막 지역이 북반구 영역과 계절이 반대이기 때문에 나타나는 특징으로 보여진다. 또한 호주 사막 지역이 평균 편차의 결과는 봄철(실제는 가을철)에 약 3.3 K으로 가장 큰 값을 보였으며, 같은 사막이지만 북반구의 몽골 부근 고지대 지역은 여름철에 약-1.4 K으로 가장 큰 음의 편차를 보였다. 사막의 경우는 주간에 태양에너지의 입사에 의한 한 지면 가열로 지면 온도가 크게 상승할 뿐만 아니라, 해안지역에 비해 비열이 상대적으로 작기 때문에 큰 일교차를 보이는 특징이 있다. Fig. 9의 결과에서 같은 사막일지라도 위도와 고도, 지형에 따른 방출율 차이가 있고, 모델이 실제지 형에 맞는지면 온도를 정확하게 모사하는 데 한계가 있기 때문에 서로 다른 특성의 결과가 나타났다. 또한 북반구 고지대 지역의 여름철 결과는 편차 가약-4.6 K, 불확실성이 약-3.5 K으로 모든 영역별 결과에서 가장 큰 편차와 불확실성을 보였다. Fig. 7의 편차의 공간분포 결과에서도 여름철 해당 지역의 음의 편차가 강하게 나타남을 확인할 수 있다. 하지만 다른 계절에서는 다른 육상과 비슷한 결과를 보였다. 이 지역은 평균적인 해발 고도 가약 1 km 이상인 곳으로, 실제 자료 동화에서는 해발 고도가 1 km 이상 이곳의 자료는 전처리 과정에서 제거되어 사용되지 않는다. 겨울철의 적설 지역을 제외하고 다른 육지 영역들은 월평균 결과와 비슷하거나 작은 음의 편차를 보였다. 적설 지역의 편차와 불확실성은 겨울에 급격히 커지는 결과를 확인할 수 있다. 이는 겨울철 적설의 영향이 나타난 결과로 해석된다. 육상과 해상의 특징과 지표 특성에 따라 통계 결과가 크게 달라지기 때문에 자료의 활용에 있어 이러한 관측 자료의 특성이 고려되어야 한다.

4) 위성천정각에 따른 O-B 분석

Fig. 10은 위성천정각에 따른 세 개의 수증기 채널(a)- (c) 와 적외 채널(d)의 편차(실선)와 불확실성(점선)을 나타낸 결과이다. 위성천 정각을 1° 간격으로 나누어 계산한 결과이고, 배경은 계산을 위해 사용된 자료의 수를 나타낸 것이다. 자료의 수는 채널마다 청천복사량이 다르기 때문에 모두 다르게 타난 것을 다시 한 번 확인할 수 있다. Fig. 10에서 수증기 채널과 대기창 적외 채널의 변동성이 다소 상이하게 나타남을 볼 수 있다. 수증기 채널의 경우 전반적인 값이 앞서 분석했던 결과와 같이 모두 0 K보다 큰 양의 편차를 보이며, 그에 따른 불확실성 또한 위성천정각에 상관없이 안정적인 결과를 나타낸다. 반면에 대기창 채널의 경우 0 K보다 작은 음의 편차를 보이고, 그에 따른 불확실성도 수증기 채널에 비해 큰 변동성을 보이는 것을 확인할 수 있다. 15° 이전에 위성천 정각의 편차와 불확실성은 수증기 채널에서는 감소하는 경향을 보였고, 대기창 채널에서는 편차는 다소 증가하고, 불확실성은 감소하는 경향을 보인다. 하지만 전반적인 결과는 위성천 정각에 따른 채널별 편차와 불확실성의 변동성은 큰 특징을 보이지 않는 것을 알 수 있다.

Fig. 10. Variations of biases (solid) and standard deviations (dashed) of O-B of AHI channels for (a)6.2 μm, (b) 6.9 μm, (c) 7.3 μm, and (d) 10.4 μm. Data count at 1°interval are indicated in background shading.

4. 요약 및 결론

본 연구에서는 Himawari-8/AHI의 청천복사휘도자료의 특성 분석과 수치 모델 자료와의 편차를 통한 품질분석을 위해 위성에서 직접 관측된 자료와 기상청 현업 수치예보모델 자료를 입력 자료로 사용한 RTTOV-v11.2를 통해 계산된 모의자료를 O-B 관측증분을 통해 비교하였다. 분석 결과는 2017년의 각 계절을 대표하는 달의 7일 자료를 1시간 간격으로 계산하고 계절과 영역, 위성천 정각 등의 조건을 고려하여 정량적, 정성석 분석을 수행하였다. 통계 결과는 평균 편차가 수증기 채널과 대기창 채널에서 모두 약 0.5 K 정도로 나타났으며, 전반적으로 수증기 채널에서는 양의 편차, 대기창 채널에서는 음의 편차를 보였다. 이에 대한 불확실성은 수증기 채널과 대기창 채널에서 각각 1.5 K와 1.9 K로 나타났다. 또한 계절별 결과의 편차와 불확실성 모두 정량적으로는 큰 변동성을 보이지 않았으나, 각각의 정성적인 분포를 확인했을 때, 육지에서 영역별로 차이를 보이는 것을 확인하였다. 육상과 해상의 통계 결과 역시, 해상의 편차가 큰 계절도 있었으나 이에 대한 불확실성은 해상이 육지에 비해 큰 결과를 보이며 다시 한번 지표 유형에 따른 중요한 차이를 확인할 수 있었다. 선택된 영역별 결과에서도 일과된 결과를 보였으며, 특히 사막이나 고지대, 적설 지역의 편차 특성이 뚜렷하게 나타남을 확인하였다. 마지막으로 위성천 정각에 따른 편차와 불확실성의 변동성은 큰 특징을 보이지 않았다.

본 연구의 결과는 관측과 모의 청천복사휘도중에 어떤 값이 더 참값에 가까운지를 나타내지 않는다. 두 청천 복사도자료의 오차를 발생시키는 요인이 다르기 때문에 상대적인 비교를 통해 다양한 원인으로부터 발생하는 편차를 고려하고 보정하기 위함이다. 이외에도 수치 예보의 자료동화 과정에서 위성자료는 위성기기의 오차, 관측 연산자 오차, 공간 해상도 차이에 따른 대표성 오차와 자료처리 과정에서의 오차를 포함한다 (Weston, 2011; Waller et al., 2016). 따라서 이러한 위성자 료의불확실성을 종합적으로 고려하여 자료를 사용해야한다. 또한 자료동화는 편향되지 않은 관측 자료에 기반을 두기 때문에 실제로 수치 예보자료동화에 사용하기 위해서는 Himawari-8/AHI 관측자료의 편차보정이 필요하다. 그러므로 향후 대기질량에 따른 청천복사휘도의 보정계수를 계산하여 이를활용한 관측 자료의 편차보정이 수행되어야한다.

본 연구를 통해, 기상청 수치예보모델의 자료 동화시스템에 Himawari-8/AHI 청천복사휘도가 효과적으로 사용될 것으로 기대한다. 그리고 기상청 차세대 정지궤도 기상위성 천리안 2A의 온/습도 프로파일 산출이나 구름탐지 등과 같은 주요 산출물의 산출 과정에서도 중요하게 활용될 것으로 기대한다.