Availability of Land Surface Temperature Using Landsat 8 OLI/TIRS Science Products

Landsat 8 OLI/TIRS Science Product를 활용한 지표면 온도 유용성 평가

Abstract

Recently, United States Geological Survey (USGS) distributed Landsat 8 Collection 2 Level 2 Science Product (L2SP). This paper aims to derive land surface temperature from L2SP and to validate it. Validation is made by comparing the land surface temperature with the one calculated from Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP) and the one from Automated Synoptic Observing System (ASOS). L2SP is calculated from Landsat 8 Collection 2 Level 1 data and it provides land surface temperature to users without processing surface reflectance data. Landsat 8 data from 2018 to 2020 is collected and ground sensor data from eight sites of ASOS are used to evaluate L2SP land surface temperature data. To compare ground sensor data with remotely sensed data, 3×3 grid area data near ASOS station is used. As a result of analysis with ASOS data, L2SP and L1TP land surface temperature shows Pearson correlation coefficient of 0.971 and 0.964, respectively. RMSE (Root Mean Square Error) of two results with ASOS data is 4.029℃, 5.247℃ respectively. This result suggests that L2SP data is more adequate to acquire land surface temperature than L1TP. If seasonal difference and geometric features such as slope are considered, the result would improve.

본 연구에서는 최근 USGS에서 공개한 Landsat 8 Collection 2 Level 2 Science Product (L2SP) 위성 영상을 이용하여 국내 지표면 온도를 산출하였고, 기존 Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP) 위성 영상을 활용하여 산출한 국내 지표면 온도와의 비교와 기상청 종관기상관측자료(Automated Synoptic Observing System, ASOS)와의 검증을 통해 L2SP 기반 지표면 온도 자료의 국내 영역에 대한 적합성을 평가하고자 하였다. L2SP는 연구 및 분석에 용이하도록 Landsat 8 Collection 2 Level 1 데이터를 기반으로 만든 Level 2 자료로, 기존의 계산식을 통해 산출해야 하는 지표면 반사도 자료와 지표면 온도 자료를 계산 처리 없이 바로 사용할 수 있다는 장점이 있다. 2018년부터 2020년까지 3년간의 Landsat 8 지표면 온도 산출물과 관측소 지점 8개소 주변 3×3 격자 영역과의 비교한 결과, 8개 관측소 기준 L2SP 지표면 온도와 L1TP 지표면 온도의 평균 피어슨 상관계수(Pearson correlation coefficient)는 각각 0.971, 0.964로 두 자료 모두 상당히 강한 양의 상관관계를 보여주었으며, RMSE (Root Mean Square Error)의 경우 각각 4.029℃, 5.247℃로 L2SP 지표면 온도 자료가 더 낮은 RMSE를 보여주는 것을 확인 하였다. 이는 관측소 위치별로 값에 차이가 생길 수 있지만 평균적인 지표 결과를 보았을 때, L2SP 지표면 온도 자료가 L1TP를 통해 산출되는 지표면 온도 자료와 비교했을 때 준수하거나 그 이상의 정확도를 보여주어 국내 지표면 온도 산출 연구에 적합하다고 판단된다. 따라서 향후 계절적 요인과 고도에 따른 온도 차이 등의 환경 및 지형적인 요인도 고려를 하거나, 본 연구 과정에서 발생한 Science Product의 고정적인 영상 품질 문제 등이 개선된다면 보다 더 안정적이고 정확도 높은 지표면 온도 참조 자료로써의 유용성이 클 것이라 판단된다.

1. 서론

도시 환경은 다양한 토지 피복으로 구성되어 있으며 토지 피복 종류에 따라 열특성이 다르게 나타나며, 열 특성에 대한 공간적 및 환경적 특성을 파악하기 위해 지표면 온도 자료가 주로 활용된다(Small, 2006). 지표면 온도는 지구 표면의 에너지 균형을 나타내는 중요한 지표임과 동시에 지속적인 모니터링을 통해 지표면 온도 상승의 현황과 원인을 파악하고 이를 방지하는 대책을 수립하는 데 있어 중요한 정보로 사용될 수 있다(Mohan, 2000; Ahn et al., 2012). 이러한 지표면 온도는 시·공간적으로 분포가 계속해서 변하기 때문에 더욱 상세한 관측을 필요로 하게 되는데(Li et al., 2013), 현장관측의 경우 점 단위 관측이기 때문에 넓은 공간연속면 상의 자료를 확보하기 힘든 한계점이 존재한다(Tomlinson et al., 2011; Kim et al., 2020). 반면에 최근 위성 원격탐사 기술의 발전으로 위성 자료를 활용하여 도시지역에서의 공간적으로 연속된 지역의 온도변화를 분석하는 것이 용이해 짐에 따라 이러한 지표면 온도의 특성을 관측하고 활용하기 위해 현재까지 많은 연구가 진행되고 있다(Orhan et al., 2014).

Chae et al. (2017)은 Landsat 8지표면 온도 자료와 NDVI 의 비율을 통해 TVDI (Temperature Vegetation Dryness Index)를 산출하여 세분류된 토양의 수분 상태를 관측하였고, Singh et al. (2017)은 NDVI, UTFVI (Urban Thermal Field Variance Index)와 Landsat 8 지표면 온도와의 상관 관계를 통해, 지표면 온도의 공간적 분포가 토지 피복 변화와 인위적 활동에 의해 영향을 받는다는 것을 제시하였다. Guha et al. (2018)은 NDVI와 NDBI (Normalized Difference Built-up Index) 임계값을 이용한 토지 피복 분류 산출물과 Landsat 8 지표면 온도 자료와의 상관성을 분석하여 도시 열섬에 대한 분포를 산출하고, 도심 지역에서 지표면 온도가 NDVI와는 음의 상관관계를 나타내고, NDBI와는 양의 상관관계를 나타냄을 보여주었다. 또한 Kim et al. (2018a)은 Landsat 8 지표면 온도를 통해 면적대비 도심지의 비율에 따른 열섬포텐셜 변화와 도심지 내의 녹지가 열섬 현상을 완화시키는 경향을 발견하였고, Kim et al. (2018b)은 Landsat 8 지표면 온도를 통해 도심 녹지의 냉각효과 강도와 범위를 산출하여 상업지역보다 주거지역에서의 강도와 범위가 크다는 것을 분석하였다. 이처럼 지표면 온도를 정확히 산출하는 것은 온도에 따른 식생 및 토지이용 변화, 열섬(heat island) 현상, 도심지 냉각효과 및 등의 현상을 규명하는 데 있어 매우 중요한 문제라 볼 수 있다. 그리고 지표면 온도를 활용한 연구 외에도 지상관측 자료와의 비교를 통해 국내 지표면 온도 자료의 정확도를 비교 및 검증하는 연구가 지속적으로 진행되고 있는데, Jee et al. (2016)은 Landsat 8 위성 자료로부터 지표면 온도를 산출하고, 산출된 지표면 온도를 보정해 초기 지표면 온도와 ASOS 지상관측 자료와의 오차를 줄여 지표면 온도 자료의 정확도를 크게 향상시켰다. 그리고 Lee et al. (2019)은 Landsat 8 지표면 온도 자료와 방재기상관측자료 (Automated Weather Station, AWS)와의 비교를 통해 서울시의 계절별 지표면 온도 분포를 관측하고 AWS 기온 자료와의 비교를 통해 Landsat 8 지표면 온도 자료의 활용 가능성을 분석하였으며, Kim et al. (2020)은 딥러닝을 활용하여 산출한 Landsat 8 지표면 온도 자료와 ASOS 지상관측 자료와의 비교를 통해 지표면 온도 자료의 정확도를 향상시킨 바 있다. 이같이 많은 선행 연구들에 서 지표면 온도 자료를 산출하여 이용하고 있지만, 각 연구마다 지표면 온도를 계산하기 위한 지표면 방출률 추정 자료와 계산에 사용되는 알고리즘들이 연구자마다 각각 다르게 사용되고 있다. 이는 정형화된 지표면 온도 산출물이 존재하지 않는 것과 더불어 국내에 적합한 지표면 온도 산출 알고리즘의 부재로 인한 한계로 판단된다. 따라서 국내 지역에 적합한 지표면 온도 산출물을 사용할 수 있다면, 보다 손쉽게 지표면 온도 자료를 산출하고 보정하여 객관적이고 정확한 지표면 온도 산출물을 생성할 수 있을 것이라 판단하여, 본 연구에서는 최근 USGS에서 제공하는 Landsat 8 Science Product 지표면 온도 산출물을 제시하고자 한다.

최근 미국지질조사국 (United States Geological Survey, USGS)에서는 Landsat 8 Collection 2 Level 1 자료를 보정하고 알고리즘 등을 개선시켜 만든 Landsat 8 Collection 2 Level 2 Science Product (L2SP) 자료를 제공하기 시작했는데(USGS, 2020), 이는 토지 피복 및 열 특성과 관련된 연구 및 자료 처리를 용이하게 할 목적으로 제공되는 분석대기자료 (Analysis Ready Data, ARD) 수준의 자료이다. L2SP 자료는 지표면 반사도(Surface Reflectance) 와 지표면 온도(Surface Temperature) 자료를 자체적인 산출 과정을 통해 사용자들에게 제공하고 있기 때문에 식생 및 재해 모니터링에 손쉽게 적용이 가능하다는 이점이 있다(USGS, 2020). 국내 지표면 온도 산출의 경우 주로 Landsat 8 Collection 1 Level 1 혹은 Level 2 자료를 통해 주로 연구되어 왔으며, 아직까지 Landsat 8 Science Product 자료를 통해 국내에 대한 지표면 온도 관련 연구의 사례가 없다. 이에 본 연구에서는 향후 지표면 온도 활용 연구에 대한 Landsat 8 L2SP 자료의 국내 활용 가능성에 대해 검증하기 위해 기존 Landsat 8 Collection 1 Level 1 (L1TP) 지표면 온도 산출물과 기상청에서 제공하는 종관기상관측자료(ASOS)와의 비교를 통해 평가하고자 한다.

2. 자료 및 방법

1) 연구지역

본 연구에서 사용한 Landsat 8 영상의 path 및 row는 116, 34 영역으로 이 영역 내에는 서울특별시를 기준으로 인천광역시와 경기도 지역이 포함이 된다. 이처럼 서울특별시를 포함한 수도권 지역의 경우 지속적인 경제 성장과 도시 인프라 확장 등을 통해 인구가 지속적으로 유입되어 도시화가 급격히 진전되고 있는 지역이며, 아스팔트 및 콘크리트 등과 같은 불투수 면적의 비율이 증가되어 열 환경 문제에 큰 영향을 받기 때문에 지표면 온도에 대한 관심이 높은 지역이다(Kim et al., 2018a). 따라서 본 연구에서는 도심지 증가율이 높고 지표면 온도 자료의 활용성이 높은 서울특별시와 수도권 지역으로 연구 대상지를 선정하였다.

Fig. 1은 연구 대상 지역에 해당하는 Landsat 8 영상 의 116 path, 34 row 영역과 본 연구에서 지표면 온도자료의 검증자료로 활용할 종관기상관측(Automated Synoptic Observing System, ASOS) 8개소의 위치를 나타낸 것이다. Landsat 8 영상의 영역 내에서 수도권 지역에 대한 관측소만 선정하였으며, 총 10개 관측소 중 관악산 (116), 세종(239) 관측소를 제외한 8개의 관측소 정보를 사용하였다. 또한 Landsat 8 영상의 경우 path와 row가 동일하더라도 전체 영상의 범위(extent)는 조금씩 상이하기 때문에 Fig. 1의 노란색 사각형 영역과 같이 관측소 위치를 모두 포함하는 영역을 추출하여 연구에 사용 하였다.

Fig. 1. Location of the analysis region (yellow box) and ASOS stations (red points).

2) 위성자료

Landsat 8OLI/TIRS(Operational Land Imager / Thermal Infrared Sensor) 위성은 미국지질조사국(United States Geological Survey, USGS)와 미국항공우주국(National Aeronautics and Space Administration, NASA)의 공동 임무를 목적으로 2013년 2월에 발사되어 현재까지 운용 중이다. Landsat OLI 다중 분광 센서의 경우 30 m 공간 해상도를 가지며, 열 적외선 밴드를 제공하는 TIRS 센서의 경우 100 m의 해상도로 수신되지만, USGS에서는 30 m 로 해상도 매칭 과정을 적용한 후 사용자에게 제공되고 있다. Landsat 위성 자료는 Earth Explorer (http:// earthexplorer.usgs.gov/)에서 제공받을 수 있으며, 본 연구에서는 Landsat 8 Collection 1 level 1 Terrain Precision (L1TP) 자료와 Collection 2 level 2 Science Product (L2SP) 자료를 사용하였다.

Landsat 8 L2SP 자료는 연구 및 분석에 사용자가 용이하게 사용할 수 있도록 Collection 2 level 1 자료를 기반으로 만든 level 2 자료로써, 영상에 대한 전처리 및 각종 보정 과정을 거친 지표면 반사도(Surface Reflectance, SR) 와 온도(Surface Temperature, ST) 자료 등을 Table 1과 같이 제공하고 있다. 이를 통해 토지 이용 및 피복 변화 등 식생과 관련된 연구에 활용하기 용이하고, 특히 Band 10의 경우 지표면 온도 산출 과정이 모두 적용된 영상으로 제공하고 있어 연구에 즉시 적용해도 된다는 이점이 존재한다. 따라서 collection 1 자료에 비해 보다 더 정 밀한 수준의 지표면 반사도 산출이 가능한 점과 기하 및 방사보정 알고리즘 그리고 대기 재분석장 자료를 통한 온도 자료 추출이 가능한 점 등을 고려했을 때[USGS, 2020], 이전까지 제공해오던 Landsat 8 자료에 비해 정확도 측면에서 많이 향상된 자료라 판단되었다. 그러므로 본 연구에서 지표면 온도 산출물 비교를 위해 사용하고자 하였으며, 사용한 영상들은 2018 ~ 2020년 영상 중구름의 영향을 최소화할 수 있는 영상을 선정하여 사용하였다(Table 2 참조).

Table 1. Collection 2 Level 2 Science Products (L2SP) Band Specifications

Table 2. List of Landsat 8 images used to this study

3) 현장관측자료

국내 기상청 기상자료개방포털(https://data.kma.go. kr)에서는 종관관측기상자료인 ASOS를 통해 현장 관측 지면 온도 자료를 제공하고 있다. 매시 정각자료를 기록하는 시간 단위 자료를 이용하였으며, 그 중 Landsat 8 위성이 국내 지역을 주로 촬영하는 시각인 오전 11시 자료를 이용하였다. 본 연구에서는 총 8개 관측소 자료를 이용하였으며, 관측소 정보는 Table 3과 같다. 연구 지역 내에 서울특별시에 위치한 관악산 관측소(116)과 세종 특별자치시에 위치한 세종 관측소(239)도 포함되어 있지만, 연구기간 내의 자료를 제공하지 못하고 있는 점과 세종 관측소의 경우 위치 정보가 정확히 제공되지 않는 점을 고려해 본 연구에서는 제외하였다.

Table 3. List of Automated Synoptic Observing Stations within the analysis region

4) 분석방법

Landsat 8 L2SP는 지표면 온도결과를 절대온도(Kelvin, K) 단위로 제공하고 있기 때문에 식 (1)을 통해 영상의 보정 계수들을 적용하고, 섭씨온도 기준 지표면 온도 자료(LST(℃)로 변환하였다.

LST(℃) = M_LB_st + A_L – 273.15          (1)

여기에서 B_st는 L2SP 지표면 온도 자료를 의미하고, M_L과 A_L은 SP 지표면 온도 자료에 대한 multiplicative rescaling factor와 additive rescaling factor로 써 각각 0.00341802, 149.0를 의미한다. 아울러 L2SP 지표면 온도와 비교하기 위해 Landsat 8 L1TP 자료를 수집하였는데, L1TP는 대기의 효과가 제거되지 않은 Level 1 자료이기 때문에 Dark Object Subtraction(DOS) 방법으로 대기보정을 적용하여 사용하였다. Landsat 8 L1TP 영상의 경우 밴드 10번(약 11 µm 파장대)과 밴드 11번(약 12 µm 파장대)이 열적외 영역에 해당하지만, 밴드 11번의 경우 누광(stray light) 문제로 인해 대기에 대한 영향을 많이 받기 때문에(Kim et al., 2018b; Kim et al., 2020), 본 연구에서는 밴드 10번을 사용하고자 하였다.

지표면 온도를 산출하기 위해서는 밴드 10번과 USGS에서 제공하는 선형 회귀식의 상수 및 식 (2)을 이용해 위성에서 관측되어 정량화된 DN (Digital Number) 값을 복사휘도(L_λ)값으로 변환하는 과정이 필요하다[USGS, 2019].

L_λ = M_LQ_cal + A_L         (2)

위 식에서 Q_cal 은 각 밴드의 DN값을 의미하고, M_L과 A_L은 각 밴드에 대한 multiplicative rescaling factor와 additive rescaling factor로써 제공된 상수 값을 통해 복사휘도를 구할 수 있다.

다음으로 밝기온도(Brightness Temperature, BT)를 구하기 위하여 식 (2)을 통해 얻어진 복사휘도를 제시된 식 (3)를 이용하여 변환한다.

\(B T=\frac{K_{2}}{\ln \left(\frac{K_{1}}{L_{\lambda}}+1\right)}\)         (3)

위 식에서 BT는 10번 밴드의 밝기온도 값이며, 단위는 절대온도(K)이다. K₁과 K₂는 10번 밴드에 대한 보정 계수로 각각 774.8853, 1321.0789에 해당한다.

열적외 영상 자료로부터 지표면 온도를 정확히 산출하기 위해서는 각 파장대별 지표면 방출률 자료가 필요 하다(Kim et al., 2018b). 하지만 지표면의 방출률은 시· 공간적인 변동이 매우 크기 때문에 최근에는 위성 관측 자료를 통해 식 (4)와 같이 정규식생지수(Normalized Difference Vegetation Index, NDVI)를 이용하여 촬영 당시 영상의 지표면 방출률을 추정할 수 있다(Ramaiah et al., 2020; Sekertekin et al., 2020).

\(\mathrm{NDVI}=\frac{N I R-\mathrm{Red}}{N I R+\operatorname{Red}}\)         (4)

따라서 본 연구에서는 식 (5)를 통해 지표면 온도를 산출하는 방정식을 사용하였고, 방정식 내의 지표면 방출률(є)의 경우 Zhang et al. (2006)이 열 환경 분석에 적용하기 위해 정리한 Table 4를 참고하여 계산하였다(Kim et al., 2018b).

\(L S T\left({ }^{\circ} \mathrm{C}\right)=\frac{B T}{\left[1+\left\{\left(\lambda * \frac{B T}{\rho}\right) * \ln (\epsilon)\right\}\right]}-273.15\)         (5)

\(\rho=h \frac{c}{\sigma}=1.438 \times 10^{-2} \mathrm{mK}\)         (6)

Table 4. Emissivity values corresponding to NDVI ranges (Zhang et al., 2006)

위 식 (5)에서 BT는 밴드 10의 밝기온도, λ는 밴드 10 의 중심 파장(10.895 µm)이며, є은 지표면 방출률이다. ρ는 식 (6)을 참조해 계산하였고, σ는 볼츠만 상수(1.38×10^–23 J/K)이며, h는 플랑크 상수(6.626×10^–34 Js), 그리고 c는 빛의 속도(2.998×10⁸ m/s)이다(Avdan et al., 2016).

3. 연구 결과

Fig. 2는 연구에서 활용한 Landsat 8 영상 중 2020년 4월 28일에 해당하는 Landsat 8 RGB 트루 컬러 영상, NDVI, L2SP 지표면 온도 영상 그리고 collection 1 level 1 영상으로부터 산출된 L1TP 지표면 온도 영상을 각각 나타낸 모습이다. Fig. 2(c)의 경우 NODATA 값이 분포하는 것을 볼 수 있는데, 이는 USGS에서 지표면 온도를 산출할 때 사용하는 지표면 방출률 자료인 ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) GED(Global Emissivity Database) 내에서 생기는 문제인 것으로 보인다. Fig. 3을 보면 알 수 있듯이 L2SP 지표면 온도 산출에 필요한 자료들 중 지표면 방출률에 관련이 있는 밴드(EMIS, EMSD, CDIST, ST_QA) 모두 공간적으로 동일한 영역에 대해 NODATA 값(Fig. 3 영상 내의 흰색 픽셀 영역 참조)이 분포하고 있는 것을 확인할 수 있다. 이러한 점에 대해 USGS에서 제공하는 Science Product 가이드 내에도 ASTER GED 내의 missing data로 인해 내륙과 연안 해역에 NODATA가 포함될 수 있다고 기술되어 있음을 확인할 수 있다[USGS, 2020]. 이처럼 Science Product 내에 NODATA 값의 비율이 높아지게 된다면 전역적인 지표면 온도 자료로 활용함에 있어 한계점이 될 수 있다. 이 점을 고려하여 본 연구에서는 연구 영역에 대한 전역적인 지표면 온도 비교를 통해 NODATA 외의 다른 영상 품질 문제 유무에 대해 확인하고, 관측소 주변 지역에 대한 국지적인 비교를 통해 L2SP 자료의 정확도 및 활용성에 대해 평가하고자 하였다.

Fig. 2. (a) Landsat 8 RGB image, (b) NDVI image, (c) L2SP LST image and (d)L1TP LST retrieved from Landsat 8 at 28 April 2020.

Fig. 3. Surface Temperature, QA, Emissivity bands of Landsat Science Product (white pixels: NODATA).

Fig. 4의 경우 L2SP 지표면 온도와 L1TP 지표면 온도 자료 간의 연구 영역(Fig. 2 참조) 전체에 대한 상관성 분석결과를 산점도로 나타낸 결과이다. 분석 시 L2SP의 NODATA 영역은 제외하고 계산을 하였고, x축의 경우 L2SP, y축은 L1TP 자료 값을 나타낸다. 연구에서 사용한 모든 날짜에 대해 두 자료 모두 강한 양의 상관관계를 보여주었지만, L2SP 지표면 온도와 L1TP 지표면 온도 값의 차이가 크게 나타나는 구간이 존재하는 것을 볼 수 있었다. Fig. 4(e)와 Fig. 4(h)의 경우 L2SP가 최대 70℃ 값을 나타내고 있음을 볼 수 있는데, 이처럼 차이가 큰 구간은 주로 L2SP 지표면 온도의 값이 L1TP 지표면 온도 값에 비해 상당히 큰 값을 나타내고 있으며, 이 역시 L2SP 지표면 방출률 자료의 영상 품질 문제로 인해 야기되는 이상치가 영상에 간헐적으로 존재하는 문제라 판단된다. Science Product 내의 고정적인 NODATA 값과 L1TP와의 큰 차이를 나타내는 이상치 문제는 전역적인 지표면 온도를 비교할 시, 정확도에 오차를 증가시킬 수 있는 부분이기 때문에 지표면 온도 산출에 있어 정량적이고 객관적인 평가를 위해서는 지표면 방출률 자료에 대한 개선이 필요할 것으로 보이며, 향후 이상치가 발생하는 구간에 대해서도 추가적인 연구가 필요할 것으로 판단된다.

Fig. 4. Correlation scatter plot between L2SP (x-axis) and L1TP (y-axis).

다음으로 지상관측 데이터인 ASOS 자료와 L2SP 지표면 온도 자료와의 비교를 통해 L2SP 자료의 정확도를 산출하였다. 관측소 자료와 지표면 온도 자료와의 시· 공간적인 비교를 위해 ASOS 관측 자료를 역거리가중 기법(Inverse Distance Weighting, IDW)을 이용해 미관측 지점 값을 내삽하였다. 역거리 가중 기법은 통계적 내삽법 중 하나로서 알려진 값들에 거리가 가깝게 위치할수록 관측치의 영향을 크게 반영하여 값을 추정하는 기법이다(Jo et al., 2018). 그러므로 본 연구에서는 연구 영역 내의 관측소 개수가 많지 않고, 지표면 온도 자료의 관측소 위치 주변 3×3 격자 영역을 추출하여 비교할 것이기 때문에 샘플의 수가 적어도 높은 정확도를 나타내고, 관측 데이터 자료의 공간적 연속성을 보장할 수 있는 IDW를 적용하였다 (Song et al., 2013). Fig. 5는 연구에서 사용한 자료들 중 2020년 2월, 4월, 9월 영상에 대한 ASOS 관측소 데이터의 IDW 적용 영상이다.

Fig. 5. IDW (Inverse Distance Weighting) images for the ASOS data. (a) 2020.02.08, (b) 2020.04.28, (c) 2020.09.19.

지상 관측 자료와 지표면 온도 자료 모두 관측소 위치 기준 3×3 격자 영역을 통해 값을 추출하여 평균하였다. Table 5 결과를 보았을 때, L2SP와 L1TP 지표면 온도 모두 0.9 이상으로 각 관측소 자료와 매우 강한 양의 상관 관계를 가지고 있음을 볼 수 있고, RMSE의 경우 각각 평균 4.029℃, 5.247℃로 L2SP의 오차가 더 낮게 계산되는 것을 볼 수 있었다. 동두천 관측소의 경우 L2SP와 L1TP 모두 다른 관측소에 비해 RMSE가 상대적으로 크게 나타났는데, 이는 다른 관측소에 비해 해발고도가 높은 곳에 위치하고 있어 생기는 오차로 판단되나, 이는 지표면 온도 비교 시 고도, 경사, 향 등의 지형적인 요인에 대해 고려한 추가적인 연구가 필요한 부분이다 (Table 3 참조). 이와 더불어 앞서 설명한 L2SP 자료의 이상치가 관측소 주변에 존재할 가능성이 있지만, L2SP LST의 RMSE가 NODATA값이 존재하지 않는 L1TP와 크게 차이가 나지 않는 것으로 보아 L2SP 자료의 3×3 격자 영역 내에는 이상치가 존재하지 않았음을 추정할 수 있었다. 이와 같이 L2SP 자료는 정량적으로 큰 수준에서의 차이는 아니지만, 국내 지표면 온도 관련 연구 시 기존 선행연구와 같이 복잡한 계산 과정을 통해 산출하지 않고도 지표면 온도 자료로 활용할 수 있다는 점에서, 분석 대기자료로써의 효율성이 높다는 것을 알 수 있다. 또한 데이터 품질 문제로 인해 전역적인 영역에 대한 비교에는 한계가 존재하지만, 국지적인 영역에 대해서는 기존 지표면 온도 산출 결과보다 오차가 더 낮거나 유사함을 보여주었고, 추후 데이터 품질 향상 및 알고리즘 개선 등을 통해 개선될 수 있다는 점을 고려 하면 국내에서의 Science Product의 활용 가능성은 충분하다고 판단된다.

Table 5. Correlation and RMSE values of Landsat 8 L2SP LST and L1TP LST about ASOS values

4. 결론

본 연구에서는 USGS에서 연구 및 분석의 용이를 위해 제공하는 Landsat 8 Collection 2 Level 2 Science Product (L2SP)의 지표면 온도 자료를 국내에 적용하여 L2SP의 국내 활용 가능성을 보고자 하였다. L2SP 지표면 온도 자료와 Landsat 8 Collection 1 Level 1 Terrain Precision (L1TP)을 통한 지표면 온도 자료를 산출하여 IDW 보간을 적용한 ASOS 지상관측 자료와의 상관성 및 RMSE 를 도출하였다. 그 결과 L2SP 지표면 온도와 L1TP 지표면 온도의 각 관측소 자료에 대한 평균 상관관계 계수는 각각 0.971, 0.964로 강한 상관관계를 나타냈으며, RMSE의 경우 각각 4.029℃, 5.247℃로 L2SP 지표면 온도 자료가 L1TP 지표면 온도 자료에 비해 상관관계가 더 높고, 지상관측자료와의 오차가 더 낮게 나타나는 것으로 나타났다. 이를 통해 L2SP 지표면 온도 자료가 국내 지표면 온도 산출 연구에 대한 활용 가능성이 높고, 국내 지표면 온도를 나타내는 지표로 활용이 가능하다는 것을 알 수 있었다. 다만, Science Product 자료의 경우 지표면 방출률 자료의 품질 문제가 존재하여 지표면 온도 자료 내 내륙 혹은 연안 해역 부분에 고정적인 NODATA값이 포함되고, 이와 함께 발생하는 간헐적인 이상치의 분포는 전역적인 지표면 온도 비교에 오차를 증가시키는 주요 요인이 될 수 있다. 그러므로 자료의 정확도가 향상되어도 연구 영역내의 NODATA 값과 이상치의 비율이 높아지게 되면 분석에 활용되는 가치가 낮아지는 문제가 될 수 있기에 이는 시급한 개선이 필요하다. 따라서 고정적인 NODATA 값을 필링(filling) 할 수 있는 보간 기법에 대한 연구 혹은 L2SP가 기본적으로 제공하는 방출률 자료와 대기 상승(upwelling) 및 하강(downwelling) 추정 복사량 자료의 보정을 통한 이상치 제거 연구를 통해 정확도를 향상시킬 수 있는 추가 연구가 필요할 것이다. 더 나아가 향후 지표면 온도에 영향을 줄 수 있는 계절적 요인이나 고도, 경사, 향 등의 환경 및 지형적 요인을 고려한 연구를 통해 더욱 안정적이고 정확한 연구를 할 수 있을 것으로 판단되며, 아직까지는 Science Product 자료에 대한 선행연구들이 미미하기 때문에 추후 지속되는 연구와 지표면 방출률 자료의 품질 개선 등으로 인한 정확도 향상은 토지 피복 및 식생, 열 환경 등을 관측 및 활용하는 연구들에 유용하게 활용될 수 있을 것으로 기대된다.