[이력서] 학술 발표 : 대기 상단에서의 광대역 알베도 알고리즘

 정보

• 업무명     : 학술 발표 : 대기 상단에서의 광대역 알베도 알고리즘

• 작성자     : 이상호

• 작성일     : 2020-04-01

• 설   명      :

• 수정이력 :

 

 내용

[개요]

• 안녕하세요? 기상 연구 및 웹 개발을 담당하고 있는 해솔입니다.

• 오늘은 학술 발표한 내용을 소개해 드리고자 합니다.

 

[특징]

• 학술 발표 내용 소개

 

[기능]

• 세부 내용 참조

 

[사용 OS]

• Windows v10

 

[사용 언어]

• 한글 v2018

• Power Point v2018

 

 세부 내용

[서론]

• 최근에 인간활동으로 인한 에어로솔의 증가로 구름 수함량이 많아지고 그에 따른 대기상단에서의 광대역 알베도(TOA Albedo: Top of Atmosphere Broadband Albedo, 이하 TOA Albedo)가 커져 지구의 냉각효과(음의 복사강제력)가 나타나고 있다(Stephens et al., 2005). 그 결과로서 지구 복사 수지의 불균형 및 기후변화가 초래되기 때문에 인공위성을 활용한 TOA Albedo의 시·공간 변화의 분석이 시급하다.  

• 인공위성 자료에 따른 TOA Albedo는 협대역과 광대역으로 분리되고, 정지궤도위성의 협대역 알베도는 협대역 센서(ABI, AHI 등) 기능과 관련되어 시·공간 해상도가 우수하며 시시각각 변화하는 구름과 기상 현상 등에 따라 변화한다. 그러나 지구대기의 기상과 기후  및  기상요소 분석을 위해서는 TOA Albedo 자료가 요구되고 협대역 알베도로부터 산출될 수 있다(Tang et al., 2006; Niu and Pinker et al., 2012).  
  

• 이 연구는 GK-2A AMI에 적용할 TOA Albedo 산출 알고리즘을 개발하기 위한 것으로써Himawari-8 AHI를 이용하여 이론 및 경험적인 방법으로 계산하였고 그 결과는 CERES 자료와 비교 분석하였다.
  

[자료 및 분석]

• 이 연구에서 TOA Albedo를 산출하기 위하여 AHI 자료 중에서 1~6 채널의 복사휘도를 사용하였다(공간해상도: 2km×2km;  시간해상도: 매 10분;  기간:2015.08.18. 0100~0130 UTC).

• 이들 AHI 자료 중 채널 1, 2, 4는 1km×1km의 해상도 자료이고 채널 3은 0.5km×0.5km의 해상도이기 때문에 각 화소들을 2×2, 4×4 평균하여 공간일치 시켰다.

• 그리고 이 연구 결과와 비교분석을 위한 자료로써 Terra CERES의 SSF (Single Scanner Footprint) Level 2 Edition 4A 자료를 이용하여 식(1)과 같이 TOA Albedo를 계산하였다(공간해상도: 20km×20km;  시간해상도: 매 초;  기간: 2015.08.18. 0055~0135 UTC).

 

 

• 여기서 𝐿, 𝑆_0, 𝜃는 각각 대기 상단에서의 상향단파복사와 태양상수 그리고 태양천정각을 의미한다. 이때 AHI를 기준으로 CERES에서의 5분 전후 자료를 시간 일치 하였으며 CERES 위·경도를 기준으로 10 km 내의 AHI의 자료를 반경 평균하여 공간 일치 시켰다.

 

[알고리즘]

• TOA Albedo는 그림 1과 같은 구성을 따라 식 (2)로써 산출하여 계산된다.  

• 즉, 그림 1에서 ① 과정은 각 채널의 협대역 복사휘도를 협대역 반사율(Reflectance)로 변환하는 과정을 거치고, 구름의 유무에 따라 ②와 ③ 과정에 따라 협대역 반사율은 TOA Albedo로 산출되는데 이 과정에서 회귀모형이 사용된다.

• 그림 2와 같이 복사모델(SBDART)은 지표면 특성과 기하학 조건(태양 천정각, 위성 천정각, 상대 방위각)에 따라 수행되고 그 결과는 능형회귀모형(Ridge Regression Model)에 적합하여 회귀계수를 추정하였다.  그 예로서 지표면 특성(vegetation)과 상대 방위각(0~60°)에 따른 회귀계수는 식 (2) 및 그림 3과  같다.
  

 

 

• 여기서 𝑐_𝑖는 회귀계수(𝑎_𝑖:clear, 𝑏_𝑖:cloudy)와 𝜌_(𝑛,𝑖)는 각 채널의 협대역 반사율이다.

 

그림 1. TOA Albedo 산출 알고리즘 흐름도,  그림 2. 복사모델 상세 수행과정.

 

그림 3. TOA Albedo 산출하기 위한 회귀계수와 Fitting 결과.

 

[결과]

• 그림 4는 CERES(그림 4a) 그리고 AMI(그림 4b)의 TOA Albedo이다.  이들 결과는 매우 유사하나 이 연구결과는 CERES와 비교하여 구름영역에서 다소 큰 차이가 나타났다(그림 c와 d 참조).

• 즉, 구름 영역에서 R와 RMSE는 각각 0.96과 0.06이었고 구름이 없는 영역에서는 각각 0.98과 0.03 으로 나타났다. 구름 영역에서 두 결과의 시·공간 불일치 때문에 R이 비교적 작고 RMSE가 크게 나타났음에도 구름이 포함된 전체 영역에 대한 결과는 0.96과 0.05로 양호하였다(그림 4e 참조).

 

그림 4. CERES와 AMI의 TOA Albedo(a, b), 두 자료의 차이 분포(c), RGB 합성영상(d) 그리고 두 자료의 산포도(e).

 

• 그림 5a는 육상과 해상 그리고 구름의 유무에 따른 조견별 분류에 대한 산출 결과와 두 자료의 SD, R, Bias, RMSE를 그림 5b에 나타내었다. 이 그림에서 구름 없는 육상과 해상은 CERES와 비교하여 유사하나 구름 영역에서 운량이 증가할수록 큰 차이가 발생되었고 그 이유는 위에서 설명된 화소의 시·공간 불일치 때문이다.

 

그림 5. 영역 내의 조건별 분류(a)와 테일러 다이어그램을 이용한 통계 분석 결과(b).

 

[요약 및 향후계획]

• 이 연구는 GK-2A AMI에 적용할 TOA Albedo 산출 알고리즘을 개발하기 위한 것으로서 Himawari-8 AHI 자료를 이용하여 결과를 산출하였고 CERES 결과와 비교하였다. 

• 그 결과로써 AMI는 CERES 결과와 매우 유사하나 구름 영역에서 다소 큰 차이를 발생되기 때문에 향후 구름 영역에 대하여 상세 분석 및 개선될 것이다.

 

 관련 자료

• 포스터

[이력서] 학술 발표 : 대기 상단에서의 광대역 알베도 알고리즘 from Lee Sang-Ho

 

 참고 문헌

[논문]

• 없음

[보고서]

• 없음

[URL]

• 없음

 

 문의사항

[기상학/프로그래밍 언어]

• sangho.lee.1990@gmail.com

[해양학/천문학/빅데이터]

• saimang0804@gmail.com