A Comparison between Multiple Satellite AOD Products Using AERONET Sun Photometer Observations in South Korea: Case Study of MODIS,VIIRS, Himawari-8, and Sentinel-3

우리나라에서 AERONET 태양광도계 자료를 이용한 다종위성 AOD 산출물 비교평가: MODIS, VIIRS, Himawari-8, Sentinel-3의 사례연구

Abstract

Because aerosols have different spectral characteristics according to the size and composition of the particle and to the satellite sensors, a comparative analysis of aerosol products from various satellite sensors is required. In South Korea, however, a comprehensive study for the comparison of various official satellite AOD (Aerosol Optical Depth) products for a long period is not easily found. In this paper, we aimed to assess the performance of the AOD products from MODIS (Moderate Resolution Imaging Spectroradiometer), VIIRS (Visible Infrared Imaging Radiometer Suite), Himawari-8, and Sentinel-3 by referring to the AERONET (Aerosol Robotic Network) sun photometer observations for the period between January 2015 and December 2019. Seasonal and geographical characteristics of the accuracy of satellite AOD were also analyzed. The MODIS products, which were accumulated for a long time and optimized by the new MAIAC (Multiangle Implementation of Atmospheric Correction) algorithm, showed the best accuracy (CC=0.836) and were followed by the products from VIIRS and Himawari-8. On the other hand, Sentinel-3 AOD did not appear to have a good quality because it was recently launched and not sufficiently optimized yet, according to ESA (European Space Agency). The AOD of MODIS, VIIRS, and Himawari-8 did not show a significant difference in accuracy according to season and to urban vs. non-urban regions, but the mixed pixel problem was partly found in a few coastal regions. Because AOD is an essential component for atmospheric correction, the result of this study can be a reference to the future work for the atmospheric correction for the Korean CAS (Compact Advanced Satellite) series.

에어로솔은 입자의 크기와 조성 및 관측센서에 따라 상이한 분광특성을 보이기 때문에, 다양한 센서의 에어로솔 산출물에 대한 비교분석이 반드시 필요하다. 그러나, 우리나라에서 다종위성의 공식적인 AOD (Aerosol Optical Depth) 산출물을 대상으로 수년간의 자료를 수집하여 정확도 비교평가를 수행한 사례는 아직 보고된 바가 없다. 이에, 본 연구에서는 2015년 1월부터 2019년 12월까지 MODIS (Moderate Resolution Imaging Spectroradiometer), VIIRS (Visible Infrared Imaging Radiometer Suite), Himawari-8, Sentinel-3 AOD 산출물과 AERONET (Aerosol Robotic Network) 지상 태양광도계 자료의 비교분석을 통하여 위성 AOD의 성능을 평가하고, 계절적 및 지리적 차이에 따른 정확도 특성을 분석하였다. 오랜 기간 축적되어온 산출 기술에 MAIAC (Multiangle Implementation of Atmospheric Correction) 알고리듬을 추가하여 최적화된 MODIS 산출물이 가장 높은 정확도를 나타냈고(CC=0.836), VIIRS와 Himawari-8이 그보다 약간 낮은 정도의 성능을 보였으며, Sentinel-3는 비교적 최근에 발사되어 알고리듬 최적화가 아직 덜 이루어진 관계로 정확도가 낮게 나타났다. MODIS, VIIRS, Himawari-8 AOD 산출물은 계절에 따라, 그리고 도시/비도시에 따라 별다른 정확도 차이를 보이지는 않았지만, 일부 해안지역에서는 혼합화소 문제로 인하여 약간 정확도가 떨어지는 경우도 존재했다. AOD는 위성영상 대기보정의 핵심 인자이기 때문에, 본 연구의 AOD 비교평가는 향후 국토위성, 농림위성 등의 대기보정 연구에도 중요한 참고자료가 될 것으로 사료된다.

1. 서론

에어로솔(aerosol)은 공기 중에 부유하는 작은 고체 및 액체 입자로서, 자연적 또는 인위적 공급원으로부터 대기로 유입되며, 광물성 먼지, 바이오매스 연소에 의한 연기, 화산재, 산업 오염물질, 해염, 유기체 등에 의한 화합물을 포함한다(Huang et al., 2016). 이러한 입자들 중 일부는 인체에 유해하게 작용하기도 하고, 또한 태양광 입사 및 지표면 반사에 대한 산란과 흡수를 통해 대기복사 과정에 영향을 미치기도 한다(Lau et al., 2006; Prather, 2009; Ramanathan et al., 2001). 우리나라는 편서풍의 영향으로 대륙에서 발생하는 에어로솔의 이입이 상당한 것으로 추정되며, 최근 고농도 미세먼지 사례의 증가로 인해 에어로솔은 국민적인 관심사가 되었다.

에어로솔은 입자의 크기와 조성에 따라 다양한 분광 특성을 가지는데, 이러한 분광특성은 관측센서에 따라 상당히다르게나타날수있기때문에(Lee andKim, 2008), 다종 센서의 에어로솔 산출물에 대한 비교분석이 필요하다. 가장 널리 사용되는 에어로솔 매개변수인 AOD (Aerosol Optical Depth)는 고도에 대한 에어로솔 흡광 계수(extinction coefficient)의 적분으로 정의된다(Kinne et al., 2006). 대기 중 에어로솔의 영향을 이해하기 위해서는 장기간의 정확한 AOD 자료가 필요한데, MODIS (Moderate Resolution Imaging Spectroradiometer), VIIRS (Visible Infrared Imager Radiometer Suite), MISR (Multiangle Imaging Spectroradiometer)와 같은 극궤도 위성센서(Diner et al., 1998; Hsu et al., 2004)와 더불어, 최근에는 Himawari-8, GK2A 등 정지궤도 위성으로부터 AOD 정보가 산출되고 있다(Lee et al., 2020). 이러한 위성관측은 비교적 장기간의 광역적 AOD 자료를 제공하지만 (Martins et al., 2017; Popp et al., 2016), 에어로솔의 복잡한 화학 및 광학 특성으로 인해 상당한 불확실성이 존재하 고(Kaufman et al., 1997; Myhre et al., 2005), 위성센서와 알고리듬의 차이로 인해 동일한 시공간에 대해서도 AOD 값이 상당히 다르게 나타나기도 한다(Zhao et al., 2019).

따라서, 위성 AOD 산출물의 객관적인 평가를 위해서는 위성자료 간 상호비교 및 지상관측자료를 이용한 정확도 검증이 반드시 필요하다. Wang et al. (2017)은 중국 Wuhan을 대상으로 MODIS와 VIIRS의 AOD 산출물을 지상 태양광도계(sun photometer) 자료와 비교하였고, Jiang et al. (2017)은 중국 전역에 대해 MODIS와 Himawari-8 AOD의 비교분석을 수행하였다. Choi et al.(2019)은 동아시아 지역에 대해 MODIS, VIIRS, MISR, Himawari-8, GOCI (Geostationary Ocean Color Imager)의 AOD 산출물을 비교평가하였고, Wang et al. (2020)은 아시아 영역에서 MODIS DB (Deep Blue), MODIS DT (Dark Target),VIIRS DB,VIIRS EDR (Environmental Data Record)의 AOD 산출물에 대한 비교분석을 제시한 바 있다. 우리나라의 경우, Lee et al. (2020)은 AERONET (Aerosol Robotic Network) 태양광도계 자료를 이용하여 Himwari-8 AOD 산출물의 정확도를 분석하였고, Lim et al. (2018)은 다종위성의 상호비교를 위하여 약 1개월간 국내 13개 지점 AERONET 자료를 이용하여 COMS, GOCI, Himwari-8으로부터 연구자들이 직접 산출한 AOD에 대한 검증을 수행한 바 있다.

최근 우리나라의 AERONET 관측지점이 26개소로 늘어났고, 위성센서의 증가와 함께 다양한 AOD 산출물이 상당히 축적되고 있다. 그러나, 우리나라에서 다종위성의 공식적인 AOD 산출물의 장기간 자료를 대상으로, 계절적 및 지리적 특성을 포함한 정확도 비교 평가를 수행한 사례는 찾아보기 힘들다. 이에, 본 연구에서는 우리나라 지역에 대하여 2015년 1월부터 2019년 12월까지 MODIS, VIIRS, Himawari-8, Sentinel-3 등 다종 위성 AOD 산출물과 AERONET 지상 태양광도계 자료를 종합적으로 비교하여, 위성산출물 성능에 대한 평가와 함께, 계절적 및 지리적 차이에 따른 정확도 특성을 분석하고자 한다.

2. 자료 및 방법

Table 1은 본 연구에서 사용된 MODIS, VIIRS, Hima wari-8, Sentinel-3 AOD 산출물과 AERONET 관측자료를 요약한 것이다.

Table 1. Summary of the AOD data used in this study

1) MODIS AOD 산출물

MODIS는 Terra와 Aqua 위성에 탑재되어 운영되고 있으며, 현지시각 10시 30분(Terra) 경과 13시 30분(Aqua) 경에 관측이 수행된다. MODIS MAIAC (Multiangle Implementation of Atmospheric Correction) 알고리듬은 밝은 사막 표면과 어두운 초목 표면 모두에 대해 에어로 솔 산출 및 대기보정을 수행한다(Lyapustin et al., 2011a; 2011b). 기존의 MODIS DB, DT 알고리듬에 비해, MAIAC 알고리듬에서는 시계열분석과 영상처리의 결합을 통해 구름 탐지, 에어로솔 산출 및 대기보정의 정확도가 향상되었다. 시계열분석을 위해 과거 수일간의 영상을 이용한 슬라이딩 윈도우를 사용하고, 다양한 지오메트리의 위성관측으로부터 도출된 표면 BRDF (Bidirectional Reflectance Distribution Function)를 활용하며(Lyapustin et al., 2018), Terra와 Aqua 자료를 함께 처리하여 교차 보정을 수행한다. 본 연구에서는 MAIAC 알고리듬으로 산출된 일일 1 km 해상도의 MCD19A2를 수집하여 550 nm AOD를 사용하였다.

2) VIIRS AOD 산출물

VIIRS는 SuomiNPP (National Polar-orbiting Partnership) 위성에 탑재된 센서로 MODIS의 후속임무를 수행한다. MODIS의 관측폭이 2330 km인데 비해, VIIRS는 3060 km의 넓은 관측폭을 가지기 때문에 저위도 지역에서 궤도간 스캐닝 갭이 완화된다(Sayer et al., 2015; 2019). VIIRS 550 nm AOD는 육상에서 DB 알고리듬을 적용하고, 해양에서 SOAR (Satellite Ocean Aerosol Retrieval) 알고리듬을 적용하여 산출된다. VIIRS DB 알고리듬은 MODIS DB 알고리듬과 유사하지만, 분광밴드, 관측폭, 센서 천정각 범위, 공간해상도 등의 차이로 인해 산출 결과는 다소 상이하게 나타난다(Hsu et al., 2019). 본 연구에서는 6 km의 공간해상도를 가지는 AERDB_L2_VIIRS_SNPP 산출물에서 550 nm AOD를 추출하여 사용하였다.

3) Himawari-8 AOD 산출물

Himawari-8AHI(Advanced HimawariImager)는 가시광선과 적외선 영역의 16개 분광밴드를 가지며, 아시아–태평양 지역에 대하여 2 km 해상도, 10분 간격의 위성관측을 제공한다(Bessho et al., 2016). 레벨 3 에어로솔 산출물은 5 km 해상도, 1시간 간격의 500 nm AOD와 Ångström 지수(AE)를 포함한다. AOD 산출물은 AOD_Pure와 AOD_Merged로 구성되어 있는데, AOD_Pure는 10분 간격의 레벨 2 자료에서 구름을 최대한 제거하고 AOD 를 산출한 결과이고, AOD_Merged는 레벨 2 AOD의 시간적, 공간적 가변성 정보를 기반으로 AOD_Pure를 시공간 내삽하여 만든 것이다. AOD_Merged는 대체로 결측이 적고, 구름 오염의 영향을 덜 받아 AOD_Pure보다 정확도가 높은 것으로 평가되므로(Kikuchi et al., 2018), 본 연구에서는 L3 AOD_Merged 산출물을 사용하였다.

4) Sentinel-3 AOD 산출물

Sentinel-3는 2016년 발사된 3A와 2018년 발사된 3B의 쌍둥이 위성으로서, 각 위성은 OLCI (Ocean and Land Colour Instrument)와 SLSTR (Sea and Land Surface Temperature Radiometer)의 두 광학 센서와 더불어, 해수면 높이 측정을 위한 SRAL (Sentinel-3 Ku/C Radar Altimeter)를 탑재하고 있다. Sentinel-3는 SPOT (Satellite Pour l’Observation de la Terre) Vegetation 프로그램의 연속선상에 있으며(Donlon et al., 2012), OLCI/SLSTR 의 SYN (Synergy) 산출물은 MERIS (Medium Resolution Imaging Spectrometer)/AATSR (Advanced Along-Track Scanning Radiometer)의 Synergy 프로젝트 방법론에 기초하여 육상에서의 대기 보정 및 에어로솔 산출을 수행 한다(North and Heckel, 2010). 본 연구에서는 300 m 해상도의 레벨 2 산출물(SY_2_SYN)에서 550 nm AOD를 추출하여 사용하였다.

5) AERONET 태양광도계 자료

AERONET은 NOAA(NationalOceanic andAtmospheric Administration)에서 운영하는 지상 태양광도계 기반의 에어로솔 관측 네트워크로서, 약 1.2°의 시야각을 가지는 센서가 일정 속도로 회전하면서 직달일사량과 산란 일사량을 관측하여 에어로솔에 의한 산란복사량을 파장별로 측정한다(Lee, 2018). 이러한 관측자료에 대한 보정 및 품질관리를 거쳐 단산란 알베도, 에어로솔 입경, 연직 AOD 등 에어로솔의 물리적 특성 데이터베이스를 제공한다(Holben et al., 1998). 이 데이터베이스는 원자료(레벨 1), 구름이 제거된 자료(레벨 1.5), 보정 및 품질 관리된 자료(레벨 2) 등으로 구성되며, 레벨 2는 340~ 1020 nm의 8개 파장대에 대하여 ±0.01~0.02의 정확도로 AOD를 계산한다(Eck et al., 1999). 본 연구에서는 우리나라 영역에 위치한 26개의 AERONET 지점(Table 2) 중에서 2015년 1월부터 2019년 12월까지의 기간 동안 운영되었던 21개 지점(Fig. 1)의 레벨 3 AOD 자료를 수집하였다. MODIS, VIIRS, Sentinel-3는 550 nm AOD를 제공하고, Himawari-8, AERONET은 500 nm AOD를 제공하므로, 비교 분석의 편의를 위해 500 nm AOD를 550 nm AOD로 변환하여 사용하였다(Prasad and Singh, 2007).

\(A O D_{550=m}=A O D_{500 m}\left(\frac{550}{500}\right)-\alpha\)       (1)

여기에서 α는 440~870 nm 파장대의 Ångstrom 지수이다.

Table 2. Information of the AERONET ground measurement stations in South Korea

Fig. 1. Distribution of the AERONET ground measurement stations in South Korea that worked for the period of 2015-2019.

3. 결과 및 토의

자료 가용성의 차이로 인해 MODIS, VIIRS는 2015~ 2019년, HImawari-8은 2016~2019년, Sentinel-3는 2019년 AOD 산출물에 대하여 비교 분석을 수행하였다. 검증 기준자료인 AERONET 지상관측치 및 MODIS, VIIRS 는 일별 자료이지만, Himawari-8은 시간별 자료이므로 일단위로 집계하였고, Sentinel-2는 약 2일의 재방문주기를 가지므로 최근접 시간대를 기준으로 매치시켰다. 정확도 통계량으로는 MBE (Mean Bias Error), MAE (Mean Absolute Error), RMSE (Root Mean Square Error), CC (Correlation Coefficient)를 사용하였다.

1) 계절에 따른 정확도 비교

4가지 위성 AOD 산출물을 계절별로 나누어 분석하였으며, Table 3은 기간 중 모든 자료에 대한 MODIS, VIIRS, Himawari-8, Sentinel-3의 정확도 통계량을 보여준다. 전반적으로 MODIS의 정확도가 가장 높게 나타났고, VIIRS와 Himawari-8의 정확도가 비슷하게 높은 수준이었으며, Sentinel-3는 비교적 낮은 정확도를 보였다. MODIS는 봄, 여름, 가을에 0.848~0.871의 높은 CC를 보였으나, VIIRS는 가을에, Himawari-8은 봄, 여름에 0.8이 약간 넘는 CC를 나타냈다. 위성산출물과 지상 관측치 간의 산점도를 보았을 때, MODIS는 모든 계절에 일치도가 높아 보이지만, VIIRS와 Himawari-8은 MODIS에 비해 1:1 선에 대한 집중도가 다소 떨어진다(Fig. 2 to 4). 이는 시계열분석과 영상처리를 결합한 MODIS MAIAC 알고리듬이 효과적으로 작용한 것으로 추정된다. 반면, Sentinel-3의 경우 모든 계절에 CC가 0.5 미만이었고, 산점도에서도 1:1 선으로부터 많이 이격된 것으로 나타나는데(Fig. 5), ESA (2021)에서는 Sentinel-3 AOD 산출물의 신뢰성이 아직은 충분히 확보되지 않았기 때문인 것으로 보고한 바 있다.

Table 3. Accuracy statistics of the AOD products by season

Fig. 2. Comparison of MODIS AOD and AERONET observations by season

Fig. 3. Comparison of VIIRS AOD and AERONET observations by season.

Fig. 4. Comparison of Himawari-8 AOD and AERONET observations by season.

Fig. 5. Comparison of Sentinel-3 AOD and AERONET observations by season.

2) 2019년 자료의 정확도 비교

4개 위성산출물이 모두 중첩되는 기간인 2019년에 대한 검증결과를 추출하여 분석하였다(Table 4). 전체 기간의 경우와 마찬가지로, MODIS의 정확도가 가장 높았고(CC=0.841), VIIRS와 Himawari-8이 비교적 높은 정확도를 보였으며(CC=0.741~0.766), Sentinel-3는 매우 낮은 정확도를 나타냈다(CC=0.358). 이러한 결과는 Fig. 6에서도 잘 나타나는데, MODIS, VIIRS, Himawari-8은 1:1 선에 상당히 부합하나, Sentinel-3는 과대추정 경향이 있는 것으로 보인다. ESA(2021)에서 실시한 S3A와 S3B AOD의 전지구적 검증에서 CC=0.493~0.522 및 과대추정이 나타난 것으로 볼 때, 알고리듬의 개선이 필요할 것으로 사료된다.

Fig. 6. Comparison of the AOD products and AERONET observations in 2019.

3) 지역별 정확도 비교

국내발생 에어로솔의 경우, 인구, 산업, 자동차 등 대기오염원이 주로 도시 지역에 존재하는 점을 고려할 때, AERONET 관측소의 위치를 도시 또는 비도시 지역으로 구분하여 분석할 필요가 있다. 본 연구에서는 MODIS 토지피복분류와 환경부 대분류 토지피복도를 참조하여 Table 2와 같이, AERONET 관측소를 도시 지역 10개소, 비도시(농지, 산림, 도서 등) 지역 16개소로 구분하였다. Table 5에서 보는 것처럼, 도시와 비도시에서 정확도의 차이는 거의 없었으나, Himawari-8의 경우 도시보다(CC=0.754) 비도시에서(CC=0.852) 좀 더 나은 정확도를 보였다(Fig. 7). 또한 AERONET 관측지점에 따라 정확도의 차이가 존재하는지 알아보기 위하여 각 지점별 CC와 RMSE를 지도에 표시하였다(Fig. 8 and 9). 위성 센서마다 자료의 기간과 결측 상황이 다르기 때문에, 집계되는 관측소 구성은 다소 차이가 있었다. 정확도에 있어서는 지리적으로 유의한 차이를 보이지 않았으나, 일부 해안 관측소에서 다소 낮은 정확도가 나타나기도 했다. 육지 또는 해양 배경에 따라 에어로솔산 란 모델링이 달라지기 때문에, 육지와 해양의 혼합화소 (mixed pixel) 가능성이 있는 곳에서는 메커니즘의 복잡 성이 증가하고 산출결과의 신뢰도가 낮아지기도 한다.

Table 4. Accuracy statistics of the AOD products in 2019

Table 5. Accuracy statistics of the AOD products in urban and non-urban areas

Fig. 7. Comparison of the AOD products and AERONET observations in urban and non-urban areas.

Fig. 8. Map of the correlation coefficient between satellite AOD and AERONET observations.

Fig. 9. Map of the root mean square error between satellite AOD and AERONET observations.

4. 결론

우리나라에서 다종위성의 공식적인 AOD 산출물을 대상으로 수년간의 자료를 수집하여 정확도 비교평가를 수행한 사례는 아직 보고된 바가 없다. 이에, 본 연구에서는 2015년 1월부터 2019년 12월까지 MODIS,VIIRS, Himawari-8, Sentinel-3 AOD 산출물과 AERONET 지상 태양광도계 자료의 비교분석을 통하여 위성 AOD의 성능을 평가하고, 계절적 및 지리적 차이에 따른 정확도 특성을 분석하였다. 오랜 기간 축적되어 온 산출 기술에 새로이 MAIAC 알고리듬을 추가하여 최적화된 MODIS 산출물이 가장 높은 정확도를 나타냈고, VIIRS 와 Himawari-8이 그보다 약간 낮은 정도의 성능을 보였으며, 비교적 최근에 발사되어 아직 알고리듬 최적화가 충분치 않은 Sentinel-3의 정확도가 가장 낮게 나타났다. MODIS, VIIRS, Himawari-8 AOD 산출물은 계절에 따라, 그리고 도시/비도시에 따라 별다른 정확도 차이를 보이지는 않았지만, 일부 해안지역에서는 혼합화소 문제로 인하여 약간 정확도가 떨어지는 경우도 존재했다. AOD는 대기질의 중요 척도이며, 또한 위성영상 대기 보정의 핵심 인자이다. 2021년 발사된 국토위성과 2025년 발사 예정인 농림위성 등 고해상도 위성영상의 대기 보정에 있어서도 AOD 정보가 매우 중요하기 때문에, 본 연구의 AOD 비교평가를 토대로 하여, 고품질 AOD 합성장 연구가 향후에 반드시 필요할 것으로 사료된다.