Korean Journal of Remote Sensing (대한원격탐사학회지)

Korean Society of Remote Sensing (대한원격탐사학회)
권호 표지
DOI QR코드

DOI QR Code

Retrieval of Sulfur Dioxide Column Density from TROPOMI Using the Principle Component Analysis Method

주성분분석방법을 이용한 TROPOMI로부터 이산화황 칼럼농도 산출 연구

  • Yang, Jiwon (Department of Spatial Information Engineering, Division of Earth Environmental System Science, Pukyong National University) ;
  • Choi, Wonei (Department of Spatial Information Engineering, Division of Earth Environmental System Science, Pukyong National University) ;
  • Park, Junsung (Department of Spatial Information Engineering, Division of Earth Environmental System Science, Pukyong National University) ;
  • Kim, Daewon (Department of Spatial Information Engineering, Division of Earth Environmental System Science, Pukyong National University) ;
  • Kang, Hyeongwoo (Department of Spatial Information Engineering, Division of Earth Environmental System Science, Pukyong National University) ;
  • Lee, Hanlim (Department of Spatial Information Engineering, Division of Earth Environmental System Science, Pukyong National University)
  • 양지원 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) ;
  • 최원이 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) ;
  • 박준성 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) ;
  • 김대원 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) ;
  • 강형우 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공) ;
  • 이한림 (부경대학교 지구환경시스템과학부 공간정보시스템공학전공)
  • Received : 2019.11.09
  • Accepted : 2019.11.19
  • Published : 2019.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

We, for the first time, retrieved sulfur dioxide (SO2) vertical column density (VCD) in industrial and volcanic areas from TROPOspheric Monitoring Instrument (TROPOMI) using the Principle component analysis(PCA) algorithm. Furthermore, SO2 VCDs retrieved by the PCA algorithm from TROPOMI raw data were compared with those retrieved by the Differential Optical Absorption Spectroscopy (DOAS) algorithm (TROPOMI Level 2 SO2 product). In East Asia, where large amounts of SO2 are released to the surface due to anthropogenic source such as fossil fuels, the mean value of SO2 VCD retrieved by the PCA (DOAS) algorithm was shown to be 0.05 DU (-0.02 DU). The correlation between SO2 VCD retrieved by the PCA algorithm and those retrieved by the DOAS algorithm were shown to be low (slope = 0.64; correlation coefficient (R) = 0.51) for cloudy condition. However, with cloud fraction of less than 0.5, the slope and correlation coefficient between the two outputs were increased to 0.68 and 0.61, respectively. It means that the SO2 retrieval sensitivity to surface is reduced when the cloud fraction is high in both algorithms. Furthermore, the correlation between volcanic SO2 VCD retrieved by the PCA algorithm and those retrieved by the DOAS algorithm is shown to be high (R = 0.90) for cloudy condition. This good agreement between both data sets for volcanic SO2 is thought to be due to the higher accuracy of the satellite-based SO2 VCD retrieval for SO2 which is mainly distributed in the upper troposphere or lower stratosphere in volcanic region.

본 연구에서는 처음으로 주성분분석(Principle component analysis; PCA) 방법을 이용하여 Sentinel-5p의 TROPOspheric Monitoring Instrument (TROPOMI) 위성센서 원시자료로부터 산업활동 및 화산활동에 의해 발생한 이산화황 연직칼럼농도(Vertical column density; VCD)를 산출하였다. 본 연구에서 TROPOMI로부터 주성분분석방법을 이용하여 산출된 이산화황 연직칼럼농도는 차등흡수분광법(Differential Optical Absorption Spectroscopy; DOAS)을 이용하여 산출된 TROPOMI Level 2 이산화황 연직칼럼농도 산출물과 비교되었다. 산업활동과 같은 인위적 요인에 의하여 다량의 이산화황을 지표부근에 배출하는 동아시아 지역에서 TROPOMI 로부터 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법을 이용하여 산출된 TROPOMI 이산화황 연직칼럼농도의 평균값은 각각 0.05 Dobson Unit (DU)와 -0.02 DU로 비슷한 값으로 나타났다. 두 산출물 사이의 기울기(Slope)는 모든 구름조건에 대하여 0.64, 상관계수(Correlation coefficient, R)는 0.51로 다소 낮은 상관관계를 보였으나, 구름비율이 0.5 이하인 픽셀에 대한 기울기는 0.68, 상관계수는 0.61로 증가하였다. 이러한 결과는 두 알고리즘에서 공통적으로 구름비율이 높을 때 지표부근에 대한 이산화황의 산출 민감도가 감소한다는 것을 의미한다. 화산활동에 의한 고농도 이산화황이 발생하는 지역인 인도네시아와 일본 남부 지역에서 두 알고리즘으로 산출된 이산화황 연직칼럼농도 사이의 상관계수는 모든 구름 조건에 대하여 0.90으로 높은 상관관계를 보였다. 이는 화산지역에서의 가스 분출로 인하여 고농도로 대류권 상층 혹은 성층권 하부에 주로 분포하는 이산화황에 대한 위성 기반 이산화황 산출 정확도가 높게 나타나기 때문인 것으로 사료된다.

Keywords

1. 서론

이산화황(Sulfur dioxide; SO2)은 인위적 요인 및 자연적 요인에 의하여 대기 중에 방출된다. 이산화황을 발생시키는 인위적 요인으로는 대규모 산업단지에서 발생하는 화석연료의 연소 및 금속용융이 있으며 주로 지표부근에 분포한다. 화산 폭발과 같은 자연적 요인에 의한 이산화황은 대류권 상층부 혹은 성층권 하층에 주입되며, 대기 중 배출된 이산화황은 황산염 에어로졸의 전구물질로 작용한다(McCormick et al., 1995; Bobrowski et al., 2010; Theys et al., 2017). 이산화황은 황산염 에어로졸과 황산의 형성을 통해 국지적 및 전지구적 규모의 대기 화학에 있어서 중요한 역할을 하며, 이는 단기적인 대기질 오염 뿐만 아니라 기후 강제력에 까지 영향을 미친다(Chin and Jacob, 1996; Lohamnn and Feichter, 2005; Bobrowski et al., 2010; IPCC Climate, 2013).

위성 원격측정 기반의 이산화황 관측은 전지구적 대기오염 연구 및 화산 활동 모니터링을 위해 필수적이며, 지난 수십 년간 위성 센서를 이용한 전구규모의 이산화황 모니터링이 활발히 이루어지고 있다. 이산화황은 Total Ozone Mapping Spectrometer(TOMS; Krueger, 1983) 위성센서를 시작으로, Global Ozone Monitoring Experiment (GOME; Eisinger and Burrows, 1998; Burrows et al., 1999), GOME-2 (Rix et al., 2009; Nowlan et al., 2011), SCanning Imaging Absorption Spectrometer for Atmospheric CHartographY (SCIAMACHY; Lee et al., 2008)과 같은 초분광 위성센서로부터 대기 중 다양한 미량기체의 칼럼 농도 산출에 이용되고 있는 차등흡수분광법(Differential Optical Absorption Spectroscopy; DOAS)을 이용하여 산출되었다. 미국우주항공국(National Aeronautics and Space Administration; NASA)에서는 2004년 발사된 EOSAura 위성에 탑재된 Ozone Monitoring Instrument (OMI; Yang et al., 2007; Li et al., 2017)의 초분광 원시자료로부터 오존의 흡수와 같은 강한 산란 및 흡수에 의해 이산화황의 흡수특성이 뚜렷하지 않은 점을 보완하고자 개발된 주성분분석(Principle Component Analysis; PCA)방법을 이용하여 이산화황 칼럼농도를 산출해오고 있다. 최근 발사된 Sentinel-5p의 TROPOspheric Monitoring Instrument (TROPOMI; Veefkind et al., 2012)는 UV에서 SWIR 파장 구간을 모두 포함하는 초분광 위성센서로써, 7 km×3.5 km의 높은 공간해상도로 이산화황을 포함한 다양한 미량 기체 및 에어로졸 산출물을 제공하고 있다. TROPOMI는 분광해상도 측면에서 OMI와 유사한 성능을 보이지만, 13 km×24 km의 공간해상도를 갖는 OMI보다 높은 공간해상도를 가지며, 현재 row anomaly 문제를 겪고 있는 OMI와 비교하여 이산화황 모니터링에 있어서 개선된 성능을 보일 것으로 기대되고 있다. 현재 유럽우주국(European Space Agency; ESA)에서는T ROPOMI 원시자료로부터 이산화황 경사칼럼농도 (Slant column density; SCD)에 따라 산출 파장구간(Fitting window)을 다르게 적용하는 Multi-window DOAS 이산화황 산출 알고리즘을 개발하여 이산화황을 산출해오고 있다(Theys et al., 2015; Theys et al., 2017).

위성 기반의 이산화황 산출물은 지상 기반의 원격측정자료를 이용하여 검증될 수 있으나 지상 관측 값의 짧은 관측 기간 및 적은 관측 사이트로 인한 관측 자료의 부재(Krotkov et al., 2006; Theys et al., 2015)와 위성과 지상기반 관측 사이의 관측 커버리지 및 시야각의 차이로 인한 불일치가 발생한다. 따라서 다수의 선행연구에서는 다른 위성의 산출물과의 정성적인 비교를 수행하였다. 하지만 이러한 위성 산출물 간의 비교 또한 overpasstime, 공간해상도, 이산화황 관측에 대한 센서별 민감도 등의 차이가 발생할 수 있다. Theys et al. (2015)은 이러한 관측기기 특성의 차이가 존재하기 때문에 동일한 OMI 원시자료를 사용하여 차등흡수분광법, 주성분분석방법, 선형 피팅(Linear fitting) 방법을 이용하여 산출된 중국 및 화산지역에서 방출된 이산화황 칼럼농도의 상호비교를 수행하였다. 동일한 위성센서의 원시자료를 사용하고 다른 알고리즘으로 산출된 이산화황 결과 사이의 비교 분석을 통해서 각 알고리즘의 이산화황 산출 정확도에 대한 간접적인 평가 및 스펙트럼 피팅, 복사전달모델의 사용, 편차 보정과 같은 산출 단계에 대한 차이를 분석하는 것이 가능하다(They et al., 2017). 따라서 본 연구에서는 처음으로 최근 발사된 TROPOMI 원시자료로부터 주성분분석방법으로 산업활동 및 화산활동에 의해 배출된 이산화황 칼럼농도를 산출하고, 주성분분석방법으로 산출된 이산화황 칼럼농도와 차등흡수분광법을 이용하여 산출된 TROPOMI 이산화황 칼럼농도와의 비교를 수행하였다.

2. 연구지역과 자료

1) 연구지역 및 기간

본 연구에서는 인위적 배출에 의한 고농도 이산화황이 발생하는 지역으로 동아시아 지역(15°N–40°N; 100°E–140°E)을 선정하였으며, 화산지역으로는 인도네시아 몰루카제도의 술라웨시(Sulawesi) 섬과 할마헤라(Halmahera) 섬 일대(1°S–4°N; 122°E–132°E)와 일본규슈 남부 구치노에라부 섬 일대(26°N–36°N; 125°E– 145°E)로 선정하였다(Fig. 1). 환태평양 조산대에 위치하고 있는 인도네시아의 술라웨시 섬과 할마헤라 섬 일대는 지진과 화산 분화 등이 자주 일어나는 지역으로 두코노산(Mt.Dukono), 이부산(Mt.Ibu), 가말라마산(Mt.Gamalama), 카랑게탕산(Mt.Karangetang) 등 의 많은 활화산이 위치하여 화산가스에 의한 고농도 이산화황이 관측되는 것으로 알려져 있다(Zaennudin, 2010; Carn et al., 2017; Bani et al., 2018). 또한 일본의 환태평양 조산대에 위치하는 구치노에라부 섬의 신다케 화산은 2019년 1월 17일 폭발하여 화산재 및 화산가스를 대량으로 배출하였다. 따라서, 본 연구에서는 이산화황을 산출할 대상날짜를 선택하기 위해 TROPOMI 위성센서로부터 차등흡수분광법으로 산출되어 NASA의 Global Sulfur Dioxide Monitoring 서비스를 통해 제공되는 이산화황분포 영상을 바탕으로 고농도 이산화황이 발생한 사례들을 선정하였다. 그리고 현재 ESA에서 제공하는 TROPOMI L2 SO2 자료의 기간이 2018년 12월 5일 이후부터 현재까지라는 점을 함께 고려하여 2019년 2월 19일, 2019년 3월 3일, 2019년 1월 17일의 Fig. 1에서 보여진 동아시아, 인도네시아, 일본 지역에서 이산화황 산출 사례로 선정하여 주성분분석방법을 이용하여 이산화황 산출 연구를 수행하였다.

OGCSBN_2019_v35n6_3_1173_f0001.png 이미지

Fig. 1. Map of the study region. (a) East Asia region for PBL SO2 retrieval, and (b) The island of Sulawesi and Halmahera in Indonesian and (c) Kuchinoerabujima in Japan for volcanic SO2 retrieval.

2) 자료

• TROPOMI

Sentinel-5P 위성에 탑재된 TROPOMI 센서는 2017년 10월 13일에 발사되어 현재까지 이산화황을 포함한 다양한 미량기체들을 산출하여 제공하고 있다. TROPOMI 센서는 Table 1에서 나타난 바와 같이, UVIS에서 270 nm에서 500 nm, NIR에서 710 nm에서 775 nm, SWIR에서 2305 nm에서 2385 nm 구간의 파장 정보를 제공하여, 분광해상도는 각각 UVIS와 NIR 구간에서 0.5 nm, SWIR 구간에서 0.23 nm로 나타난다. TROPOMI 센서는 2600km 넓이의 관측 폭으로 하루에 전세계를 관측할 수 있으며, 7×7 km2의 공간해상도를 갖는다 (Veefkind et al., 2012). TROPOMI 센서의 이산화황 산출을 위한 현업 알고리즘으로는 차등흡수분광기술을 사용하며, 평균적으로 0.5 nm의 분광해상도를 갖는 305 nm에서 400nm 파장구간의 복사휘도 정보를 사용하였다(Babi’c et al., 2017; Rozemeijer and Kleipool, 2019).

Table 1. TROPOMI instrument characteristics

OGCSBN_2019_v35n6_3_1173_t0001.png 이미지

본 연구에서는 Sentinel-5P Expert Users Data hub에서 제공하는 TROPOMI Level1B 원시자료로부터 주성분분석방법을 이용하여 이산화황의 경사칼럼농도를 산출하였다. 또한 원시자료로부터 산출된 이산화황 경사칼럼농도를 연직칼럼농도로 변환해주기 위하여 선정된 연구기간에 대하여 배포된 TROPOMI Level2 SO2 산출물에서 제공하는 TROPOMI 이산화황 대기질량인자를 이용하였다. 동일한 대기질량인자를 사용함으로써 본 연구에서 사용되는 주성분분석방법과 TROPOMI에서 사용되는 차등흡수분광법, 이 두 가지 스펙트럼 피팅 기법이 대상 기체인 이산화황 산출에 어떠한 민감도를 갖는지에 대하여 비교 분석 할 수 있다. 최종적으로 변환된 이산화황 연직칼럼농도와 차등흡수분광법으로 산출된 TROPOMI 이산화황 연직칼럼농도 값과의 비교 분석을 수행하였다.

3. 연구방법

본 연구에서는 이산화황 산출을 위하여 주성분분석방법을 이용하였다. 위성센서로부터 관측된 초분광 자료를 이용한 이산화황 산출에 있어서는 주로 자외선 파장 구간을 주로 이용하게 된다. 이때 자외선 구간에서는 대기 중 많은 양의 오존의 흡수 및 대기 분자에 의한 Rayleigh 산란과 같은 강한 산란 및 흡수가 일어나며, 이러한 간섭으로부터 이산화황 산출에 어려움이 발생한다(Yan et al., 2017). 주성분분석방법은 이러한 간섭에 의하여 위성 센서로부터 관측된 복사휘도에서 이산화황의 흡수특성이 뚜렷하게 나타나지 못하는 점을 개선할 수 있다(Li et al., 2013). 다변량 통계 분석방법 중의 하나인 주성분분석방법을 이용하여 매우 낮은 농도의 이산화황 흡수 특성이 반영된 다수의 복사휘도 값들로부터 주성분(Principle component, PC)을 직접적으로 추출한다. 이러한 주성분들을 이산화황 산출에 사용함으로써 물리적으로 설명하기 어려운 스펙트럼 특성에 의해 발생되는 이산화황 산출 불확실성을 감소시킬 수 있다(Li et al., 2013). 차등흡수분광 기법 기반의 이산화황 산출에서는 실험실에서 측정한 이산화황 및 오존의 흡수단면적과 회전 라만 산란(Rotational Raman scattering)에 의해 나타나는 스펙트럼 특성 정보를 이산화황 산출에 이용한다. 주성분분석방법 또한 차등흡수분광 기법을 기반으로 하지만, 주성분분석방법에서는 이산화황의 흡수단면적과 파장의 함수로 추출된 주성분을 이용하며, 이러한 주성분들은 복사휘도 값들을 가장 대표하는 스펙트럼 특성 뿐만 아니라, 오존 흡수 또는 회전 라만 산란과 같은 자외선 파장구간에서 간섭이 크게 나타나는 물리적 과정 또는 파장 이동(Wavelength shift)과 같은 관측 기기에 대한 측정 세부사항을 나타낼 수 있다(Li et al., 2013; Li et al., 2017). 주성분들과 이산화황 흡수단면적을 이용한 이산화황의 경사칼럼농도를 산출하는 식은 차등흡수분광법의 식을 기반으로 하여 식 (1)과 같이 표현될 수 있다(Yang et al2018)

\(\ln \left(\frac{I}{I_{0}}\right)=\sum_{i=1}^{n_{v}} \omega_{i} v_{i}-S_{S O 2} \sigma_{S O 2}\)       (1)

식 (1)에서 왼쪽 항은 대기 상한에서의 태양 복사조도(I0)와 센서로부터 관측된 지구 복사휘도(I)의 비의 자연로그함수로써 정의되며, υ는 주성분분석방법으로부터 추출된 nv개의 주성분을 나타내며, ω는 식 (1)의 오른쪽 항과 왼쪽항의 선형 피팅으로부터 계산된 주성분들의 계수를 나타낸다. σSO2은 이산화황의 흡수단면적을 나타내며, SSO2는 ω와 마찬가지로 식 (1)의 선형 피팅으로부터 계산된 이산화황 흡수단면적의 계수, 즉 이산화황의 경사칼럼농도를 나타낸다(Yang et al., 2018). 식 (1)을 이용한 선형 피팅을 위해서는 이산화황 경사칼럼농도 산출에 대하여 최적화된 산출 파장을 이용하게 되며, 본 연구에서는 민감도 테스트 및 310.8 nm 파장에서 높은 이산화황의 흡수특성이 나타나는 점을 고려하여 310 –324 nm 로 최적의 파장 구간을 설정하여 연구를 수행하였다.

이렇게 산출된 이산화황의 경사칼럼농도는 광경로 (Light path)에 따라 달라지는 각 기체의 경사칼럼농도를 나타내며, 이를 대기질량인자(Air mass factor, AMF)로 나누어 줌으로써, 연직칼럼농도로 변환할 수 있다.

본 연구에서 이산화황 연직칼럼농도를 산출하기 위한 연구 흐름도는 Fig. 2에 나타난다. 본 연구에서는 먼저 TROPOMI로 관측된 복사휘도 및 태양 복사조도 값들에 대하여 파장 검보정을 수행한다. 파장 검보정을 거친 복사휘도 값들로부터 통계기법인 주성분분석 기법을 이용하여 주성분들을 추출하며, 추출된 주성분들은 관측된 복사휘도의 다양한 스펙트럼 특성들을 대변하는 것으로 나타난다. 식 (1)에 나타난 바와 같이 이렇게 추출된 주성분들과 이산화황의 흡수단면적 정보를 각 픽셀의 복사휘도와 선형 피팅함으로써 각 주성분들의 계수와 이산화황 흡수단면적의 계수, 즉 이산화황 경사 칼럼농도를 계산할 수 있다. 이러한 주성분분석 과정은 두 번에 걸쳐 수행되며, 처음 모든 픽셀의 복사휘도 값들을 이용하여 수행된 주성분분석방법으로부터 산출된 이산화황 경사칼럼농도는 두 번째 주성분분석방법의 초기값으로 사용되며, OMI 이산화황 산출에서 사용되는 방법을 기반으로 초기 이산화황 경사칼럼농도 중평균(Mean) ± 1.5 표준편차(Standard deviation) 범위내의 값들이 포함된 픽셀에 대한 복사휘도 값들을 두 번째 주성분분석에 이용한다(Li et al., 2013; Li et al., 2017). 첫 번째 주성분분석방법과 동일한 방식으로 두 번째 주성분분석을 통하여 방법을 통하여 최종 이산화황 경사칼럼농도를 산출하며, 이렇게 산출된 이산화황 경사칼럼농도 결과는 위에서 언급한 바와 같이 TROPOMI L2 SO2에서 제공하는 이산화황 대기질량인자를 이용하여 이산화황 연직칼럼농도로 변환할 수 있다. 최종적으로 산출된 이산화황 연직칼럼농도를 차등흡수분광법으로 산출된 TROPOMI L2 이산화황 연직칼럼농도 산출결과와 비교 분석하였다.

OGCSBN_2019_v35n6_3_1173_f0002.png 이미지

Fig. 2. The flow chart for retrieval of SO2 vertical column density from TROPOMI data using PCA.

4. 결과

Fig. 3은 2019년 2월 19일 인위적 요인에 의한 고농도 이산화황이 발생하는 지역인 동아시아 지역에 대한 지표부근 이산화황 산출 결과를 나타낸다. Fig. 3(a)는 본 연구에서 주성분분석방법을 이용하여 산출된 이산화황 연직칼럼농도, Fig. 3(b)는 차등흡수분광법을 이용하여 산출된 TROPOMI Level 2 이산화황 연직칼럼농도산출 결과이다. Fig. 3에 나타난 바와 같이, 대규모 산업단지에서의 인위적 요인에 의한 이산화황의 배출이 많이 나타나는 중국지역에서 고농도의 이산화황이 분포하였으며, 중국 지역에 대하여 본 연구에서 주성분분석방법을 통하여 산출된 이산화황이 좀 더 높은 값으로 산출되는 경향을 보였다. 또한, Fig. 3(a)와 (b)에서 모두 우리나라의 동해안과 일본지역에 걸쳐 고농도 이산화황이 분포하는 경향을 보였으며, 마찬가지로 주성분분석방법을 이용하여 산출된 Fig. 3(a)의 이산화황 결과가 Fig. 3(b)의 이산화황 결과에 비하여 높게 나타나는 것으로 확인되었다. Fig. 3(a)에 나타난 주성분분석방법을 이용하여 산출된 이산화황 연직칼럼농도의 최대값과 최소값은 각각 -45.5 DU, 45.8 DU이며, 평균 값은 약 0.05DU 이며, Fig. 3(b)에서 차등흡수분광법으로 산출된 TROPOMI 이산화황 연직칼럼농도의 최대값, 최소값은 각각 -42.8 DU, 46.1 DU, 평균 값은 약 -0.02 DU로 나타났다. 이러한 차이는 두 알고리즘의 방법적인 차이와 주성분분석방법과 차등흡수분광법에 사용된 산출 파장 구간의 차이 등에서 발생된 것으로 사료된다. 본 연구에서는 310.8 nm에서 높은 이산화황 흡수계수가 나타나는 것을 고려하여 주성분분석방법을 이용한 최적파장을 310–324 nm으로 선정하였으며, TROPOMI의차등흡수분광법에서 사용된 산출파장은 312–326 nm으로 보고되었다(Theys et al., 2017). 추가적으로 인위적 요인에 의한 이산화황 발생이 일어나는 주요 지역인 중국 외에 지역인 일본지역에서도 9 DU이상의 고농도 이산화황이 발생하고, 주성분분석방법을 이용하여 산출된 이산화황 연직칼럼농도의 값이 높게 나타나는 경향에 대해 보다 자세한 분석을 위하여, 두 결과에 대한 선형회귀분석을 수행하였다.

OGCSBN_2019_v35n6_3_1173_f0007.png 이미지

Fig. 3. (a) SO2 VCDs retrieved by PCA algorithm and (b) those retrieved by DOAS algorithm (TROPOMI L2 SO2) from TROPOMI L1B data over East Asia on 19 February 2019.

Fig. 4는 Fig. 3(a)에 나타난 TROPOMI L1B 자료로부터 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 Fig. 3(b)에 나타난 차등흡수분광법으로 산출된 TROPOMI의 이산화황 연직칼럼농도 사이의 선형회귀분석 결과를 나타낸다. 지표부근 이산화황 연직칼럼농도의 정확도는 구름 조건에 의하여 큰 영향을 받는 것으로 알려져 있으며(Theys et al., 2015; 2017), Fig. 4에서는 구름의 영향을 확인하고자, TROPOMI L2구름 산출물로부터 각 픽셀에 대하여 산출된 구름비율(Cloud fraction) 값을 동시에 표시하였다. Fig. 4에서 볼 수 있는 바와 같이, 음의 이산화황 값이 발생하는 이유는 높은 태양천정각일 때 와 같이 광경로의 길이가 길어졌을 때, 이산화황 산출에 있어서 오존 흡수에 의한 영향을 크게 받기 때문인 것으로 알려진 바 있다(Theyset al., 2017). 1.0이하의 구름비율을 갖는 모든 구름 조건을 포함한 두 결과의 선형회귀분석 결과, 기울기(Slope)와 y절편은 각각 0.64와 0.06 DU로 나타났으며, 상관계수(Correlation coefficient, R)는 0.51로 낮은 상관성을 나타냈다. 특히, Fig. 4에서 볼 수 있는 바와 같이, 두 이산화황 연직칼럼농도 산출 결과 사이의 낮은 상관성을 보이는 산점도의 가장자리에 구름비율이 높게 나타나는 경향을 보였으며, 10 DU이상의 고농도 이산화황 연직칼럼농도가 나타나는 부분에서의 구름비율 또한 높은 것으로 확인되었다. 또한, 구름비율이 높은 지역에서 주성분분석방법으로 산출된 이산화황 연직칼럼농도 값이 TROPOMI 이산화황 연직칼럼농도 값에 비하여 크게 나타나는 것으로 나타났다. Theys et al. (2017)은 인위적 요인에 의하여 발생된 지표 이산화황이 구름 고도 아래 존재하고 있을 때, 위성에 의한 이산화황 관측에 어려움이 있어 산출오차가 크게 나타나며, 따라서 이산화황이 위치하는 고도 아래에 구름이 존재한다는 가정하에 구름비율 0.3 이하인 조건에서의 이산화황 산출 정확도가 신뢰할 만 하다고 보고된 바 있다. 이러한 이유로 구름비율이 높은 지역에 대하여 주성분분석방법으로 산출된 이산화황연직칼럼농도와 차등흡수분광법을 이용하여 산출된 TROPOMI 연직칼럼농도 사이의 차이가 나타나는 것으로 사료된다

OGCSBN_2019_v35n6_3_1173_f0003.png 이미지

Fig. 4. Scatter plot between SO2 VCDs retrieved by PCA algorithm and those retrieved by DOAS algorithm (TROPOMI L2 SO2) fromTROPOMI L1B data over East Asia on 19 February 2019 (Cloud fraction < 1.0).

Fig. 5는 Fig. 4와 마찬가지로 Fig. 3(a)와 Fig. 3(b)에 각각 나타난 TROPOMI L1B 자료로부터 본 연구에서 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법으로 산출된 TROPOMI의 이산화황 연직칼럼농도 사이의 선형회귀분석 결과를 나타내며, Fig. 5(a)는 구름비율이 0.7이하인 픽셀에 대하여, Fig. 5(b)는 구름비율이 0.5 이하인 픽셀에 대하여 비교한 산점도를 나타낸다. 구름비율이 낮은 픽셀에 대한 비교를 수행할수록 기울기 및 상관계수가 1에 가까워지는 경향이 나타났다. 구름비율이 0.5 (0.7) 이하인 픽셀에 대한 두 결과의 선형회귀분석 결과, 기울기와 y 절편은 각각 0.68 (0.66)과 0.05 (0.06) DU로 나타났으며, 상관계수는 0.61 (0.56) 로 나타났다. 모든 구름 조건에서의 비교 결과에 비하여, 구름비율이 0.5 이하인 픽셀에 대한 두 결과의 사이의 상관계수는 8% 정도 증가하였으며, Fig. 5에서 볼 수 있는 바와 같이, Fig. 4에서 산점도 가장자리에 분포하고 있던 10 DU이상의 이산화황 이상치가 감소한 것을 확인할 수 있다. 이러한 결과는 선행 연구에서 나타난 바와 같이, 두 알고리즘에서 공통적으로 구름비율이 높을 때 이산화황의 산출 정확도가 감소하여 큰 차이를 불러일으키는 것으로 나타난다(Theys et al., 2015; Theys et al., 2017).

OGCSBN_2019_v35n6_3_1173_f0008.png 이미지

Fig. 5. Scatter plots between SO2 VCDs retrieved by PCA algorithm and those retrieved by DOAS algorithm (TROPOMI L2 SO2) from TROPOMI L1B data over East Asia on 19 February 2019. (a) Cloud fraction < 0.7; (b) Cloud fraction < 0.5.

Fig. 6은 2019년 3월 3일 화산지역에서의 화산가스분출에 의한 고농도 이산화황이 발생하는 인도네시아술라웨시 섬과 할마헤라 섬 일대에 대한 지표부근 이산화황 산출 결과를 나타낸다. Fig. 6(a)는 본 연구에서 주성분분석방법을 이용하여 산출된 이산화황 연직칼럼농도, Fig. 6(b)는 차등흡수분광법을 이용하여 산출된 TROPOMI Level 2 이산화황 연직칼럼농도 산출 결과이다. Fig. 6에 나타난 바와 같이, 활화산인 카랑게탕 화산과 두코노 화산에서 3 DU 이상의 높은 이산화황 연직칼럼농도가 뚜렷하게 관측되었다. Fig. 6(a)에서 주성분분석방법으로 산출된 이산화황의 최대값과 최소값은 각각 -3.1 DU, 7.5 DU이며, 평균값은 0.14 DU로 나타났으며, Fig. 6(b)에서 차등흡수분광법으로 산출된 TROPOMI의 최대값, 최소값, 평균값은 각각 -2.6 DU, 6.3 DU, -0.06 DU로 나타났다. 화산지역에서의 고농도 이산화황의 뚜렷한 분포는 Fig. 3의 산업지역에서 지표 부근에 존재하는 이산화황 연직칼럼농도 분포와 비교하였을 때, 화산지역에서의 가스 분출로 인한 고농도 이산화황은 대류권 상층에 주로 분포하여 위성 기반 이산화황 산출 정확도가 높게 나타나기 때문인 것으로 사료된다(Theys et al., 2015; Theys et al., 2017).

OGCSBN_2019_v35n6_3_1173_f0004.png 이미지

Fig. 6. (a) SO2 VCDs retrieved by PCA algorithm and (b) those retrieved by DOAS algorithm (TROPOMI L2 SO2) from TROPOMI L1B data over Indonesia volcanic region on 3 March 2019.

Fig. 7은 Fig. 6(a)와 Fig. 6(b)에 각각 나타난 TROPOMIL1B 자료로부터 본 연구에서 주성분분석방법으로 산 출된 이산화황 연직칼럼농도와 차등흡수분광법으로 산출된 TROPOMI의 이산화황 연직칼럼농도 사이의 선형회귀분석 결과를 나타낸다. Fig. 4와 마찬가지로 Fig. 7에서 음의 이산화황 값이 발생하는 이유는 광경로의 길이가 길어졌을 때, 이산화황 산출에 있어서 오존흡수에 의한 영향을 크게 받기 때문인 것으로 알려진 바 있다(Theys et al., 2017). 화산 지역에서의 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법으로 산출된 TROPOMI 이산화황 연직칼럼농도 사이에는 Fig. 4와 Fig. 5와 비교하여 높은 상관성을 보였다. 1.0 이하의 구름비율을 갖는 모든 구름 조건을 포함한 두 결과의 선형회귀분석 결과, 기울기와 y절편은 각각 0.79와 0.19 DU로 나타났으며, 상관계수는 0.70 로 나타났다. Fig. 4와 Fig. 5에 나타난 동아시아 지역에서의 두 산출물 비교 결과에 비하여 화산지역에서의 높은 상관성을 보이는 것은 Fig. 6에서 언급한 바와 같이, 이산화황이 분포하는 고도는 위성 기반의 이산화황 산출 민감도에 큰 영향을 미치며, 지표부근에 존재하는 이산화황에 대한 위성 기반 이산화황 산출민감도가 감소하기 때문인 것으로 사료된다(Theys et al., 2015; They et al., 2017).

OGCSBN_2019_v35n6_3_1173_f0009.png 이미지

Fig. 7. Scatter plot between SO2 VCDs retrieved by PCA algorithm and those retrieved by DOAS algorithm (TROPOMI L2 SO2) from TROPOMI L1B data over Indonesia volcanic region on 3 March 2019 (Cloud fraction < 1.0).

Fig. 8은 화산지역에서의 화산 폭발에 의한 고농도 이산화황이 발생한 2019년 1월 17일 일본 규슈 남부 구치노에라부 섬 일대에 대한 이산화황 산출 결과를 나타낸다. Fig. 8(a)는 본 연구에서 주성분분석방법을 이용하여 산출된 이산화황 연직칼럼농도, Fig. 8(b)는 차등흡수분광법을 이용하여 산출된 TROPOMI Level 2 이산화황 연직칼럼농도 산출 결과이며, 화산폭발에 의하여 분출된 화산 가스가 동쪽으로 이동하는 형태의 이산화황 분포를 보였다. Fig. 8에서 볼 수 있는 바와 같이, 화산폭발이 일어난 구치노에라부 섬의 화산 동쪽으로는 20 DU에서 100 DU에 이르는 매우 높은 농도의 이산화황 연직칼럼농도가 관측되었으며, 두 결과는 매우 유사한 분포를 보였다. Fig. 8(a)에서 주성분분석방법으로부터 산출된 이산화황 연직칼럼농도는 -31.8 DU에서 234.8 DU의 범위로 분포하였으며, 평균 값은 0.01 DU로 나타났으며, Fig. 8(b)에서 차등흡수분광법을 이용하여 산출된 TROPOMI 이산화황 연직칼럼농도는 - 32.4 DU 에서 220.8 DU의 범위를 가지며, 평균 값은 0.32 DU로 나타났다.

OGCSBN_2019_v35n6_3_1173_f0005.png 이미지

Fig. 8. (a) SO2 VCDs retrieved by PCA algorithm and (b) those retrieved by DOAS algorithm (TROPOMI L2 SO2) from TROPOMI L1B data over southern Japan volcanic region on 17 January 2019.

Fig. 9는 Fig. 8(a)와 Fig. 8(b)에 각각 나타난 TROPOMIL1B 자료로부터 본 연구에서 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법으로 산출된 TROPOMI의 이산화황 연직칼럼농도 사이의 선형회귀분석 결과를 나타낸다. Fig. 9에서 볼 수 있는 바와 같이, 일본 규슈 남부에서 관측된 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법으로 산출된 TROPOMI 이산화황 연직칼럼농도 사이에는 매우 높은 상관성을 보였다. 1.0 이하의 구름비율을 갖는 모든 구름 조건을 포함한 두 결과의 선형회귀분석 결과, 기울기와 y절편은 각각 1.0와 -0.32 DU로 나타났으며, 상관계수는 0.92로 나타났다. 이는 화산폭발에 의해 성층권 하층에 주입된 20 DU 이상의 고농도 이산화황 연직칼럼농도에 대한 두 알고리즘의 산출 정확도가 비슷하게 나타나는 것으로 해석할 수 있다.

OGCSBN_2019_v35n6_3_1173_f0006.png 이미지

Fig. 9. Scatter plot between SO2 VCDs retrieved by PCA algorithm and those retrieved by DOAS algorithm (TROPOMI L2 SO2) from TROPOMI L1B data overIndonesia volcanic region on 3  March 2019 (Cloud fraction < 1.0).

5. 결론

본 연구에서는 TROPOMI L1B 자료로부터 주성분 분석방법을 이용하여 인위적 요인에 의한 이산화황이 발생하는 지역과 화산지역에 대한 이산화황 연직칼럼농도를 산출하였다. 또한 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법으로 산출된 TROPOMI 이산화황 산출물과의 비교를 수행하였다.

산업활동에 의한 화석연료의 연소 등으로 이산화황이 발생하는 중국을 포함한 동아시아 지역에서 본 연구에서 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법으로 산출된 TROPOMI 이산화황과 비교하였을 때, 모든 구름 조건에 대하여 낮은 상관관계(R = 0.51)를 보였으며, 구름비율이 낮은 조건에 대하여 비교할수록 두 알고리즘의 산출결과가 높은 상관성을 보이는 것을 확인하였다. 이러한 결과는 두 알고리즘에서 공통적으로 구름비율이 높을 때 이산화황의 산출 정확도가 감소하여 큰 차이를 불러일으키는 것으로 나타난다.

화산가스 분출로 인하여 이산화황이 발생하는 인도네시아 및 일본의 화산지역에서 주성분분석방법으로 산출된 이산화황 연직칼럼농도와 차등흡수분광법을 이용하여 산출된 TROPOMI 이산화황 연직칼럼농도 사이의 상관관계는 인위적 요인에 의한 배출이 주로 일어나는 동아시아 지역에 비하여 매우 높은 상관성(R = 90)을 보이는 것을 확인하였다. 이는 산업지역에서 지표부근에 존재하는 이산화황과는 달리, 화산지역에서 배출된 고농도 이산화황은 대류권 상층 혹은 성층권 하부와 같이 높은 고도에 주로 분포하여 위성 기반 이산화황 산출 정확도가 높게 나타나기 때문인 것으로 생각된다.

본 연구에서는 처음으로 TROPOMI 초분광 원시자료로부터 주성분분석방법을 이용하여 이산화황 칼럼농도를 산출하였으며, 이를 차등흡수분광법을 이용하여 산출된 TROPOMI 이산화황 칼럼농도와 비교 분석하였다. 본 연구에서 동일한 위성센서의 원시자료로부터 주성분분석방법과 차등흡수분광법을 이용하여 산출된 이산화황 칼럼농도를 비교함으로써 현재 현업 알고리즘으로 활발히 사용되고 있는 두 알고리즘에 대한 이산화황 산출 정확도에 대한 간접적인 평가가 가능하다. 향후 장기간의 이산화황 지상기반 원격측정 자료의 확보를 통한 추가 분석이 필요할 것으로 보이며, TROPOMI 뿐만 아니라 2020년 발사 예정인 환경위성탑제체(GEO-KOMPSAT-2B)에 탑재된 Geostationary Environment Monitoring Spectrometer (GEMS) 위성 산출물의 검보정 연구를 위해 국내 지상기반 원격 장비의 관측 지점확보, 그리고 지표에 민감한 특성을 지닌 지상 기반 관측 장비의 미량기체 산출 알고리즘 개선에 대한 추가적인 연구가 이루어져야 할 필요가 있다.

사사

이 연구는 기상청 “기상·지진See-At기술개발연구” (KMI2018-02610)의 지원으로 수행되었습니다.

References

  1. Yang, J. W., W. Choi, J. S. Park, D. W. Kim, H. W. Kang, and H. L. Lee, 2018. Investigation of the Effect of Spectral Fitting Windows on the $SO_2 Retrieval Based on the Radiance Simulation Using Principle Component Analysis, Journal of Korean Society for Atmospheric Environment, 34(6): 792-805 (in Korean with English abstract). https://doi.org/10.5572/KOSAE.2018.34.6.792
  2. Babi'c, L., R. Braak, W. Dierssen, J. Kissi-Ameyaw, Q. Kleipool, J. Leloux, E. Loots, A. Ludewig, N. Rozemeijer, J. Smeets, and G. Vacanti, 2017. Algorithm theoretical basis document for the TROPOMI L01b data processor, issue 8.0.0, https://sentinel.esa.int/documents/247904/2476257/Sentinel-5P-TROPOMI-Level-1B-ATBD.
  3. Bani, P., G. Tamburello, E. F. Rose-Koga, M. Liuzzo, A. Aiuppa, N. Cluzel, I. Amat, D.K. Syahbana, H. Gunawan, and M. Bitetto, 2018. Dukono, the predominant source of volcanic degassing in Indonesia, sustained by a depleted Indian-MORB, Bulletin of Volcanology, 80(1): 5. https://doi.org/10.1007/s00445-017-1178-9
  4. Bobrowski, N., C. Kern, U. Platt, C. Hormann, and T. Wagner, 2010. Novel $SO_2$ spectral evaluation scheme using the 360-390 nm wavelength range, Atmospheric Measurement Techniques, 3(4): 879-891. https://doi.org/10.5194/amt-3-879-2010
  5. Burrows, J. P., M. Weber, M. Buchwitz, V. Rozanov, A. Ladstatter-Weissenmayer, A. Richter, R. Debeek, R. Hoogen, K. Bramstedt, K. Eichmann, and M. Eisinger, 1999. The global ozone monitoring experiment (GOME): Mission concept and first scientific results, Journal of the Atmospheric Sciences, 56(2): 151-175. https://doi.org/10.1175/1520-0469(1999)056<0151:TGOMEG>2.0.CO;2
  6. Carn, S. A., V. E. Fioletov, C. A. McLinden, C. Li, and N. A. Krotkov, 2017. A decade of global volcanic $SO_2$ emissions measured from space, Scientific Reports, 7: 44095. https://doi.org/10.1038/srep44095
  7. Chin, M. and D. J. Jacob, 1996. Anthropogenic and natural contributions to tropospheric sulfate: A global model analysis, Journal of Geophysical Research: Atmospheres, 101(D13): 18691-18699. https://doi.org/10.1029/96JD01222
  8. Eisinger, M. and J. P. Burrows, 1998. Tropospheric sulfur dioxide observed by the ERS-2 GOME instrument, Geophysical Research Letters, 25(22): 4177-4180. https://doi.org/10.1029/1998GL900128
  9. Intergovernmental Panel on Climate Change, 2013. Climate Change 2013: The Physical Science Basis, Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, In: Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (eds.), Cambridge University Press, Cambridge, New York, NY, USA.
  10. Krotkov, N.A., S.A. Carn, A.J. Krueger, P.K. Bhartia, and K. Yang, 2006. Band residual difference algorithm for retrieval of $SO_2$ from the aura ozone monitoring instrument (OMI), IEEE Transactions on Geoscience and Remote Sensing, 44(5): 1259-1266. https://doi.org/10.1109/TGRS.2005.861932
  11. Krueger, A. J., 1983. Sighting of El Chichon sulfur dioxide clouds with the Nimbus 7 total ozone mapping spectrometer, Science, 220(4604): 1377-1379. https://doi.org/10.1126/science.220.4604.1377
  12. Lee, C., A. Richter, M. Weber, and J. P. Burrows, 2008. $SO_2$ retrieval from SCIAMACHY using the Weighting Function DOAS (WFDOAS) technique: Comparison with standard DOAS retrieval, Atmospheric Chemistry and Physics, 8(20): 6137-6145. https://doi.org/10.5194/acp-8-6137-2008
  13. Li, C., J. Joiner, N. A. Krotkov, and P. K. Bhartia, 2013. A fast and sensitive new satellite $SO_2$ retrieval algorithm based on principal component analysis: Application to the ozone monitoring instrument, Geophysical Research Letters, 40(23): 6314-6318. https://doi.org/10.1002/2013GL058134
  14. Li, C., N. A. Krotkov, S. Carn, Y. Zhang, R. J. Spurr, and J. Joiner, 2017. New-generation NASA Aura Ozone Monitoring Instrument (OMI) volcanic $SO_24 dataset: Algorithm description, initial results, and continuation with the Suomi-NPP Ozone Mapping and Profiler Suite (OMPS), Atmospheric Measurement Techniques, 10(2): 445-458. https://doi.org/10.5194/amt-10-445-2017
  15. Lohmann, U. and J. Feichter, 2005. Global indirect aerosol effects: a review, Atmospheric Chemistry and Physics, 5(3): 715-737. https://doi.org/10.5194/acp-5-715-2005
  16. McCormick, M. P., L. W. Thomason, and C. R. Trepte, 1995. Atmospheric effects of the Mt Pinatubo eruption, Nature, 373(6513): 399. https://doi.org/10.1038/373399a0
  17. Nowlan, C. R., X. Liu, K. Chance, Z. Cai, T. P. Kurosu, C. Lee, and R. V. Martin, 2011. Retrievals of sulfur dioxide from the Global OzoneMonitoring Experiment 2 (GOME-2) using an optimal estimation approach: Algorithm and initial validation, Journal of Geophysical Research: Atmospheres, 116(D18).
  18. Rix, M., P. Valks, N. Hao, J. Van Geffen, C. Clerbaux, L. Clarisse, P. Coheur, D.G. Loyola, T. Erbertseder, W. Zimmer, and S. Emmadi, 2009. Satellite monitoring of volcanic sulfur dioxide emissions for early warning of volcanic hazards, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2(3): 196-206.
  19. Rozemeijer, N.C. and Q. Kleipool, 2019. S5P Mission Performance Centre Level 1b Readme Level 1b V01.00.00, https://sentinel.esa.int/documents/247904/3541451/Sentinel-5P-Level-1b-Product-Readme-File.
  20. Theys, N., I. D. Smedt, J. Van Gent, T. Danckaert, T. Wang, F. Hendrick, T. Stavrakou, S. Bauduin, L. Clarisse, C. Li, and N. Krotkov, 2015. Sulfur dioxide vertical column DOAS retrievals from the Ozone Monitoring Instrument: Global observations and comparison to ground-based and satellite data, Journal of Geophysical Research: Atmospheres, 120(6): 2470-2491. https://doi.org/10.1002/2014JD022657
  21. Theys, N., I. D. Smedt, H. Yu, T. Danckaert, J. V. Gent, C. Hormann, T. Wagner, P. Hedelt, H. Bauer, F. Romahn, D. Loyola, M. Pedergnana, and M. Van Roozendael, 2017. Sulfur dioxide retrievals from TROPOMI onboard Sentinel-5 Precursor: algorithm theoretical basis, Atmospheric Measurement Techniques, 10(1).
  22. Yan, H., X. Li, W. Wang, X. Zhang, L. Chen, D. Han, C. Yu, and L. Gao, 2017. Comparison of $SO_2$ column retrievals from BRD and DOAS algorithms, Science China Earth Sciences, 60(9): 1694-1706. https://doi.org/10.1007/s11430-016-9057-6
  23. Yang, K., N. A. Krotkov, A. J. Krueger, S. A. Carn, P. K. Bhartia, and P. F. Levelt, 2007. Retrieval of large volcanic $SO_2$ columns from the Aura Ozone Monitoring Instrument: Comparison and limitations, Journal of Geophysical Research: Atmospheres, 112(D24S43).
  24. Veefkind, J. P., I. Aben, K. McMullan, H. Förster, J. De Vries, G. Otter, J. Claas, H. J. Eskes, J. F. de Hann, Q. Kleipool, M. Van Weele, O. Hasekamp, R. Hoogeveen, J. Landgraf, R. Snel, P. Tol, P. Ingmann, R. Voors, B. Kruizinga, R. Vink, H. Visser, and P. F. Levelt, 2012. TROPOMI on the ESA Sentinel-5 Precursor: A GMES mission for global observations of the atmospheric composition for climate, air quality and ozone layer applications, Remote Sensing of Environment, 120: 70-83. https://doi.org/10.1016/j.rse.2011.09.027
  25. Zaennudin, A., 2010. The characteristic of eruption of Indonesian active volcanoes in the last four decades, Jurnal Lingkungan dan Bencana Geologi, 1(2): 113-129.