Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-6692(Print)
ISSN : 2287-4518(Online)
Journal of the Korean earth science society Vol.39 No.1 pp.53-66
DOI : https://doi.org/10.5467/JKESS.2018.39.1.53

Sensitivity Experiment of Surface Reflectance to Error-inducing Variables Based on the GEMS Satellite Observations

Hee-Woo Shin1, Jung-Moon Yoo2*
1Department of Atmospheric and Environmental Sciences, Gangneung-Wonju National University, Gangwon-do 25457, Korea
2Department of Science Education, Ewha Womans University, Seoul 03760, Korea
Corresponding author: yjm@ewha.ac.kr+82-2-3277-2710+82-2-3277-2685
20171220 20180204 20180214

Abstract

The information of surface reflectance (Rsfc) is important for the heat balance and the environmental/climate monitoring. The Rsfc sensitivity to error-induced variables for the Geostationary Environment Monitoring Spectrometer (GEMS) retrieval from geostationary-orbit satellite observations at 300-500 nm was investigated, utilizing polar-orbit satellite data of the MODerate resolution Imaging Spectroradiometer (MODIS) and Ozone Mapping Instrument (OMI), and the radiative transfer model (RTM) experiment. The variables in this study can be cloud, Rayleigh-scattering, aerosol, ozone and surface type. The cloud detection in high-resolution MODIS pixels (1 km×1 km) was compared with that in GEMS-scale pixels (8 km×7 km). The GEMS detection was consistent (~79%) with the MODIS result. However, the detection probability in partially-cloudy (≤40%) GEMS pixels decreased due to other effects (i.e., aerosol and surface type). The Rayleigh-scattering effect in RGB images was noticeable over ocean, based on the RTM calculation. The reflectance at top of atmosphere (Rtoa) increased with aerosol amounts in case of Rsfc <0.2, but decreased in Rsfc≥0.2. The Rsfc errors due to the aerosol increased with wavelength in the UV, but were constant or slightly decreased in the visible. The ozone absorption was most sensitive at 328 nm in the UV region (328-354 nm). The Rsfc error was +0.1 because of negative total ozone anomaly (-100 DU) under the condition of Rsfc=0.15. This study can be useful to estimate Rsfc uncertainties in the GEMS retrieval.


GEMS 위성관측에 기반한 지면반사도 산출 시에 오차 유발 변수에 대한 민감도 실험

신 희우1, 유 정문2*
1강릉원주대학교 대기환경과학과, 25457, 강원도 강릉시 죽헌길 7
2이화여자대학교 과학교육과, 03760, 서울특별시 서대문구 이화여대길 52

초록

지면반사도 정보는 열평형 및 환경/기후 모니터링에 중요하다. 본 연구에서는 정지궤도위성의 Geostationary Environment Monitoring Spectrometer (GEMS) 관측에서 300-500 nm 파장 영역의 지면반사도 산출 시에 오차 유발 요 소에 대한 민감도를 조사하였다. 장차 GEMS 지면반사도 산출 시에 오차 분석을 위하여 극궤도 위성의 MODerate resolution Imaging Spectroradiometer (MODIS; 공간 해상도 1 km×1 km) 자료 및 Ozone Mapping Instrument (OMI; 12 km×24 km) 자료 그리고 복사전달모델 수치실험도 분석에 사용하였다. 본 연구에서 오차 유발 요소는 구름, 레일리 산란, 에어로졸, 오존 그리고 지면 특성이다. GEMS 저해상도(8 km×7 km)에서의 구름 탐지율은 MODIS 대비 약 79% 이었으나, GEMS 화소의 운량이 40% 이하에서는 상대적으로 낮았다. 이러한 경향은 구름 이외의 다른 효과(에어로졸, 지면 특성)로 인하여 주로 발생하였다. RGB 영상과 복사전달모델 계산을 기초로 조사된 레일리 산란 효과는 육지에 비하여 해양 지역에서 뚜렷하였다. 지면반사도가 0.2보다 작은 경우에 위성관측 대기상단 반사도는 에어로졸 양에 비례 하였으나, 0.2보다 큰 경우에는 그 반대 경향을 보였다. 또한 에어로졸 양에 의한 지면반사도 산출 오차는 자외선 영역 에서 파장에 따라 급격하게 증가하였으나, 가시광선에서는 일정하거나 다소 감소하였다. 오존 흡수는 자외선 영역(328-354 nm) 중 328 nm에서 가장 크게 나타났다. 지면반사도가 0.15인 육지 경우에 음의 오존전량 아노말리(-100 DU)로 인한 지면반사도 산출 오차는 +0.1이었다. 본 연구는 GEMS 위성관측을 이용한 지면반사도 원격탐사의 정확도를 높이 는데 기여할 수 있다.


    Ministry of Environment
    2017000160003

    서 론

    대한민국의 정지궤도 환경위성(Geostationary Korea Multi-Purpose Satellite-2B; GK-2B)의 GEMS 복사계 (Table A1)에서 산출된 지면반사도 정보는 장기간의 지표 및 생태계 변화 뿐만 아니라 일변화 지시계로 사용할 수 있어서 환경 및 기후 모니터링에 중요하 다(e.g., Moran et al., 1992; Xianqiang et al., 2013). 지면반사도는 태양복사가 지면에 반사되어 우주 공간 으로 나가는 비율이며, 복사전달모델(radiative transfer model; RTM)과 위성 원격탐사에 요구되는 중요한 하부 경계 조건이다(Kang et al., 2009; Loeb et al., 2009; Yeom et al., 2010). 또한 다양한 위성관측 조 건에서의 지면반사도는 광범위한 지역에 이용 가능하 며, 열평형 관점에서 기상/기후 및 환경 모형에 중요 한 입력 자료로서 이용된다(Hall, 2003; Shupe and Intrieri, 2003; An et al., 2004; Yoo et al., 2008).

    위성관측에서 대기 중의 에어로졸, 미량기체 정보 를 원격탐사하는데 있어서 정확한 지면반사도값이 요 구되지만(Veefkind et al., 2006; Kim et al., 2014; Noguchi et al., 2014), 태양복사는 입사 과정에서 대 기 내의 성분들과 지표 특성에 의해 변화하기 때문 에 지면반사도의 산출 오차가 발생할 수 있다. 청천 (clear-sky) 조건에서 주요 오차 유발 요소는 오존, 이 산화질소, 이산화황 등의 미량기체, 공기분자에 의한 레일리 산란 그리고 에어로졸이다(Koelemeijer et al., 2003; Boersma et al., 2004; Krotkov et al., 2008; Loyola et al., 2011). 또한 산출 오차는 자연적인 조 건(지형, 육지/해양, 생태계)과 인위적인 조건(건물, 아스팔트, 개간지)에 의한 지표 특성으로 발생할 수 있다(Choi and Lee, 2007; Choi et al., 2012).

    위성관측 지면반사도는 RTM 역산(inversion) 과정 을 통하여 산출된다. 이 과정에서 지면반사도는 각 위성 화소에 대하여 태양 및 위성 천정각과 방위각, 그리고 온도, 기압, 미량기체, 에어로졸 등의 연직분 포가 입력된 후 계산되기 때문에 처리 시간을 단축 하기 위하여 사전에 작성된 조견표(look-up table; LUT)가 필요하다. 그러나 RTM에 입력되는 연직분포 자료는 위성관측 시의 해당 값이 아니므로, 지면반사 도의 산출 오차가 발생할 수 있다. 또한 오존 흡수는 GEMS 파장 영역 중에 자외선에서 강하므로, 지면반 사도의 파장 의존도를 고려해야 한다.

    위성관측(GEMS 또는 OMI)에서 자외선 및 가시광 선 영역의 지면반사도를 산출하기 위하여는 장기간 (e.g., 3-10년) 관측 자료에서 최소반사도를 유도하는 방법이 사용되고 있으며(e.g., Hsu et al., 2004; Kleipool et al., 2008), 이 방법은 지면반사도 기후값 을 산출하는데 적절하다(Hsu et al., 2006). 이 방법 은 초기단계에서 청천 화소들을 각 격자별로 수집하 기 때문에 화소 내의 운량을 판별하기 위한 구름 탐 지 알고리즘이 필요하다. GEMS에서 유도되는 다양 한 산출물의 초기 유도 과정에서 구름 탐지가 있으 나, 여전히 미탐지된 구름이 잔존할 수 있다. 그러므 로 좀더 정확한 지면반사도 산출을 위한 추가적인 구름화소 탐지가 필요하다. 또한 구름에 의해 발생하 는 그림자는 대기상단 반사도값을 감소시키므로, 이 에 따른 지면반사도의 과소 추정을 피하기 위하여 구름 그림자 화소도 제거되어야 한다.

    지면반사도 산출값은 각 위성센서의 공간해상도, 파장 등에 따라 다르므로 궁극적으로 GEMS 관측에 적용할 수 있는 방법을 사용하여 도출해야 한다. 본 연구의 목적은 지면반사도 산출에 영향을 미치는 여 러 오차 유발 요소를 기존의 위성관측 자료 및 RTM 수치실험을 통하여 분석하고, 이를 기초로 GEMS 알 고리즘 산출물들의 정확도 향상에 기여하는데 있다.

    자료 및 방법

    지면반사도 산출

    최소반사도 방법으로 지면반사도를 산출하는 흐름 도에 의하면, 초기에 GEMS 위성관측 대기상단 반사 도에 대한 구름 영향을 판단한 후에 조견표를 이용 하여 미량기체의 흡수효과와 레일리 산란 효과를 제 거한다(Fig. 1). 다음에 빙설과 흡수성 에어로졸이 존 재한다면 해당 화소를 배제한다. 위의 과정들을 반복 하여 자료를 축적한 후 지면반사도 최소값을 결정한 다. 그러나 에어로졸 및 미량기체의 효과가 잔재한다 면 지면반사도 오차가 발생하므로 추가로 보정해야 한다. 본 연구에서는 지면반사도 산출 과정에서 나타 나는 오차 유발 요소(레일리 산란, 구름, 미량기체, 그리고 에어로졸)에 대한 민감도 수치실험을 실시하 였으며, 이 요소들을 그림에서 분홍색으로 표시하였 다. 이들 요소 외에 지면 특성에 따른 오차도 분석하 였다.

    레일리 산란 효과는 관측각과 파장에 함수이므로 RTM에서 계산이 가능하다. GEMS 파장 영역에서 선택된 23개 파장에 대한 레일리 산란 효과 보정을 실시하였으며, GEMS와 파장 정보가 유사한 저해상 도 OMI 위성관측 자료도 사용하였다. 본 연구에서는 정지궤도 위성에 탑재된 GEMS 복사계와 극궤도 위 성에 탑재된 OMI 복사계에 대한 상세 정보를 Table A1에 제시하였다. 지면반사도 산출 시점에서는 구름 에 의한 오차를 보정할 수 없으므로, 해당 화소를 사 전에 제거하여야 한다. 구름 알고리즘 분석을 위하여 1 km×1 km 해상도인 Aqua 극궤도위성에 탑재된 MODIS 자료에서 MYD021KM와 MYD03 자료를 이용하였다. MYD021KM 자료는 36개 파장대(band) 의 L1b 자료를 제공하며, 각 파장대에 대한 공간 해 상도는 다르다(Xiong et al., 2009). MYD021KM의 470 nm 파장에 대하여는 geo-location 자료가 제공되 지 않기 때문에 MYD03 자료를 대신 사용하였다.

    최소반사도 방법은 에어로졸양이 적은 화소를 효과 적으로 찾는 데에 이용되고 있다(Herman and Celarier, 1997). 그러나 주 산출물의 공간 영역이 동 아시아인 본 연구에서 특히 중국 북동부 지역에서는 에어로졸이 지속적으로 존재할 수 있으므로, 최소반 사도 방법에 의한 지면반사도 산출은 에어로졸에 의 한 유의적인 오차를 포함할 수 있다(Kim et al., 2014). 또한 사전에 입력된 RTM의 중위도 여름의 미량기체 연직분포는 동아시아 지역을 반영할 수 없 기 때문에 해당 지역의 위성관측 오존값을 기초로 민감도 실험을 실시하여 산출 오차를 조사하였다.

    복사전달모델

    본 연구에서는 민감도 실험을 기초로 GEMS 파장 영역 내의 23개 파장(Table 1)에 대한 산출 오차를 제시하였다. 오차 유발 요소가 파장별 태양복사에 미 치는 영향을 조사하기 위하여 RTM 6SV (Vermote et al., 1997; Kotchenova et al., 2006)를 사용하였다. 이 모델은 미항공우주국(NASA)에서 개발되었으며, 현재 운용 중인 MODIS 위성자료에 대한 대기 보정 에 이용되고 있다. 이 모델은 등방성(isotropic) 혹은 비등방성 표면 위에서 인공위성 또는 비행기로 관측 된 파장별 복사에너지를 대기 중의 흡수 기체에 의 한 효과를 고려하여 정확하게 모사할 수 있다. 또한 이 모델은 복사의 편극(polarization) 효과가 위성관측 산출물에 미치는 영향 분석에도 이용될 수 있다(e.g., Jeong et al., 2012).

    6 SV는 50개 연직 대기층을 사용할 수 있으며, 0- 100 km 고도에서 에어로졸 층을 설정할 수 있다. 이 모델은 여러 가지 센서 파장대와 사용자가 지정한 파 장 영역에 대하여 2.5 nm 간격으로 결과를 제공할 수 있다. 모델에서의 여섯 종류 대기 조건은 열대, 중위 도 여름, 중위도 겨울, 극 여름, 극 겨울, 그리고 미국 표준 대기(Sissenwine et al., 1962)이다. 모델에서의 흡수 기체들은 O2, CO2, CH4, N2O, O3, 그리고 H2O 이며, 이들 중에 O3와 H2O는 시공간적으로 상당히 변하므로 사용자가 변경할 수 있다. 에어로졸 경우에 는 대륙, 해양, 도시, 사막, 산불, 그리고 성층권으로 구성된 여섯 종류를 사용할 수 있으며, 이들에 대한 에어로졸 층은 주어진 반사도 값을 사용한다(Hansen and Travis, 1975). 본 연구에서는 수치실험을 위하여 표준 대기의 대륙형 에어로졸 모델(Shettle and Fenn, 1979)을 사용하였다. 지면은 두 종류(식물권, 모래 사 막)으로 설정하였으며, 해당 지면반사도값을 ASTER Spectral Library (Baldridge et al., 2009)에서 입수하 여 사용하였다. 태양 천정각(Solar Zenith Angle; SZA) 은 60 o , 위성 천정각(Viewing Zenith Angle; VZA)은 45 o , 태양 방위각(Solar Azimuth Angle; SAA)은 155 o , 그리고 위성 방위각(Viewing Azimuth Angle; VAA)은 40 o 를 관측 기하 조건으로 사용하였다.

    결 과

    잡음 대비 신호(SNR)

    복잡한 복사전달과정을 통하여 위성에 도달한 태양 복사는 대기 내에 존재하는 여러 요소 뿐만 아니라 지면 피복 특성과 파장에 따라서도 변화할 수 있다. 지면반사도가 GEMS 자외선 및 가시광선의 파장 영 역에서 대기상단에 도달하는 태양복사에 미치는 영향 은 미량기체(e.g., 오존)의 흡수, 공기분자의 레일리 산란, 에어로졸의 산란 및 흡수 등에 비하여 상대적 으로 작다. 따라서 지면반사도를 정확하게 산출하기 위하여는 높은 잡음 대비 신호(signal-to-noise ratio; SNR)가 요구되며, 다음과 같이 정의된다.

    SNR= ρ L n / NE Δ L n = ρ n / NE Δ ρ n
    (1)

    여기서 Ln은 nominal 복사휘도(radiance), NEΔLn 은 복사휘도의 잡음 상당 오차(noise-equivalent errors of radiance), NEΔρn*은 반사도의 잡음 상당 오차, ρn*은 nominal 겉보기 반사도(apparent reflectance), ρ n = π L n μ 0 F 0 , μ 0 = cos ( θ 0 ) , θ 0 는 태양 천정각, 그리고 F0는 대기상단에 입사하는 태양 복사조도 또는 플럭 스(extraterrestrial irradiance or flux)이다.

    지면반사도 산출에 요구되는 SNR을 계산하기 위 하여 6SV RTM을 이용하였으며, 본 연구에서는 이 미 언급한 관측각 조건과 함께 지면반사도값은 0.2, 오존전량(total ozone) 값은 300 Dobson Unit (DU) 으로 가정하였다(Table 2). 최소반사도 방법으로 지면 반사도를 산출하는 경우에 특정 지역(i.e., 중국 북동 부)을 제외하고는 에어로졸 양이 극미한 사례를 이용 하므로 에어로졸은 계산에 고려되지 않았다. 지표에 서 위성에 도달하는 상향 태양복사가 자외선 영역 (e.g., 340 nm)에서 지면반사도의 정밀도를 0.001로 유지하기 위하여는 상대적으로 높은 SNR=840이 요 구된다. 이는 단파로 갈수록 대기상단에 도달하는 태 양복사량이 지면 반사의 영향으로 현저하게 감소하기 때문이다.

    지면반사도에 대한 레일리 산란 효과

    공기분자의 레일리 산란 효과가 적외선에 비하여 자외선 및 가시광선 영역(i.e., GEMS 파장)에서 크기 때문에(Kaufman and Holben, 1993), 최소반사도를 유도하기 위하여 이 효과를 우선 제거하여야 한다. 이러한 산란 효과는 실제 위성의 다양한 관측각에서 제거되어야 하므로 여러 관측각에 대하여 사전에 계 산된 수치모사 조견표가 필요하다. 이러한 조견표를 작성하기 위한 입력 자료를 Table 1에 제시하였다. 하향 태양복사가 지면 및 대기에 반사된 후에 위성 에 도달하는 광경로의 길이가 고도에 따라서도 달라 진다.

    300-500 nm의 GEMS 파장 영역에서는 이산화황이 나 이산화질소의 흡수가 존재한다(e.g., for SO2, Krotkov et al., 2008; for NO2, Boersma et al., 2004). 그러나 지면반사도는 이 영역에서 파장 의존 도가 작기 때문에, 본 연구에서는 미량기체 중에 이 들 기체 흡수가 상대적으로 적은 23개 파장을 선택 하여 에어로졸 및 오존에 대한 민감도 실험을 실시 하였다. 그러나 300-500 nm에서 지면반사도는 일반 적으로 이들 미량기체에 비하여 에어로졸 및 오존의 영향을 상대적으로 크게 받으므로 현재는 이에 대한 분석을 제외하고 에어로졸 및 오존에 대한 지면반사 도 민감도에 집중하였다.

    GEMS와 유사한 파장을 가진 OMI를 이용하여 레 일리 산란 효과의 보정을 시도하였으며, 검증을 위하 여는 MODIS 자료를 이용하였다. Fig. 2는 2015년 11월 26일 09:10 UTC 아프리카 남서 지역(5-30 ° E, 4-24 ° S)에 대하여 두 종류 위성관측 RGB 영상에서 레일리 산란 효과의 보정을 보여준다. 이들 영상에서 흰색 부분은 구름이 존재하는 지역이다. 보정 전에는 에어로졸이나 구름이 없는 지역도 영상이 흐릿한 반 면에(Fig. 2a, Fig. 2c), 보정 후에는 에어로졸과 구름 이 없는 청천화소에 대하여 선명한 지면을 확인할 수 있으며 해양에서는 청색계열의 영상이 짙은 남색 으로 감소하였다(Fig. 2b, Fig. 2d). 따라서 레일리 산 란 효과의 보정 알고리즘이 잘 수행되고 있음을 알 수 있다.

    지면반사도에 대한 구름 효과

    Martins et al.(2002)은 MODIS 가시 반사도 관측 을 이용한 에어로졸 분포 및 광학적 두께의 산출에 서 구름 화소를 제거하기 위하여 관심 대상 화소 부 근의 9개 화소(중심 화소 포함)의 공간 변동성을 이 용하였다. 그들은 이들 화소에 대한 대기상단 반사도 의 표준편차(i.e., 9개 화소의 σ)가 어느 문턱값 (threshold) 이상의 경우를 구름 화소로써 판별하였다. 이 방법은 다음 사실에 기초를 두고 있다: 구름에 대 한 반사도가 빙설면을 제외하고는 지면에 비하여 현 저하게 크므로, 한 화소 내에서 운량이 감소하면 대 기상단 반사도값은 작게 된다.

    구름 탐지 알고리즘을 위한 경계값을 설정하기 위하 여 1 km×1 km 해상도를 가진 470 nm에서의 MODIS 대기상단 반사도 자료 그리고 이 자료를 합성하여 만든 GEMS 공간 해상도(8 km×7 km)의 자료를 비교 분석하였다(Fig. 3). 구름이 존재할 가능성이 있는 화 소에 대한 대기상단 반사도의 하한값을 결정한 후에 σ값들에 대한 빈도 분포를 통하여 구름 및 구름 그 림자에 해당하는 화소를 제거하였다. 공간 해상도가 다른 두 종류 자료는 Rtoa 빈도 분포에서 대체로 유 사하였으며(Fig. 3a), σ 분포에서는 각각 두 개의 극 대값을 보였다(Fig. 3b). 이 그림에서 작은 극대값은 구름 부재 하에서의 Rtoa 공간 변동에 의한 분포, 그 리고 큰 극대값은 구름 화소 주변에 대한 공간 변동 을 나타낸다. 고해상도 경우(1 km×1 km, 푸른색)에 σ 극대값들이 빈도 분포에서 서로 분명하게 구분되는 반면에, 저해상도(8 km×7 km, 붉은색)에서는 구분 정 도가 약하였다. GEMS 저해상도는 고해상도에 비하 여 구름 판별의 정확도가 떨어질 수 있으므로 위에 서 제시된 경계값(보라색 파선)을 이용하여 구름 존 재와 구름 부재의 화소들을 구분할 수 있다.

    Fig. 4a와 Fig. 4c는 두 사례(2006년 5월 29일 05:10 UTC, 2007년 3월 30일 04:55 UTC)에 대한 MODIS RGB 영상을 보여준다. 또한 Fig. 4b와 Fig. 4d에서는 Fig. 3에서의 방법으로 결정된 경계값을 GEMS 화소에 적용하여 탐지된 구름 분포(붉은 색) 를 제시하였다. 중국 동부 및 한반도 지역(102-133 °E, 25-46 °N)에 대한 영상에서는 남한 및 동해 지역 에 있는 구름을 잘 탐지하였다(Fig. 4a, Fig. 4b). 그 러나 만주(121 °E, 43 °N) 지역의 나지(bare soil) 그리 고 고비 사막 부근(105 °E, 43 °N)의 구름 부재 지역을 구름으로 오탐지하였다. 반면에 고비 사막 남쪽의 초 원(116 °E, 33 °N) 지역에서는 구름과 초원 간의 구분 이 비교적 잘 되었다. 주로 중국 지역(93-123 °E, 23- 44 °N)에 대한 Fig. 4c와 Fig. 4d에서는 중국 동쪽에 있는 구름 덩어리(117 °E, 37 °N)를 잘 탐지하였다. 그 러나 고비 사막으로부터 남서(105 °E, 43 °N) 지역에서 는 구름이 MODIS 경우에 거의 없었으나, GEMS에 서는 대부분 존재하는 것처럼 오탐지되었다.

    Fig, 5a와 Fig. 5b는 화소 내의 운량에 따른 구름 탐지의 성공 여부를 정규화된 빈도 분포로 나타내었 다. 본 연구에서는 구름 탐지 실패와 오탐지를 다음 과 같이 각각 정의하였다: 구름이 MODIS 화소에 있 으나 GEMS에 없으면 구름 탐지 실패, 그리고 앞과 반대 경우는 오탐지이다. Fig. 5에서 운량이 GEMS 화소 내에 40% 이상에서 탐지 성공률이 높은 반면 에, 40% 이하 중에 특히 10% 미만 경우에 현저하게 낮았다. 총 49010 개의 GEMS 화소에서 2006년 5월 29일 경우에 구름 탐지 실패는 2.5% 그리고 오탐지 는 17.2%이었다. 2007년 3월 30일에서는 구름 탐지 실패는 6.0% 그리고 오탐지는 16.4%이었다. 요약하 면 구름 탐지 실패는 ~4%, 그리고 오탐지는 ~17%이 었다. 따라서 구름 및 청천 화소를 판별한 경우는 전 체 관측 화소의 ~79%이었다. 오탐지 사례는 대부분 경우에 사막, 나지, 그리고 짙은 황사 지역에서 발생 하였다. 이러한 오탐지는 기존 지면반사도 자료를 초 기 참고 자료로 활용함으로써 경감시킬 수 있다.

    지면반사도에 대한 오차 유발 요소: 지면 특성, 에어로졸 그리고 미량 기체

    위성관측 대기상단 반사도로부터 파장별 지면반사 도를 유도하는 과정에서 여러 요소(e.g., 지면반사도, 에어로졸 미량 기체 그리고 지면 특성)가 오차를 유 발할 수 있다. 이와 관련하여 대기상단 반사도 변화 를 세 개 변수(지면반사도, 파장, 에어로졸 양)의 함 수로서 수치실험하였다(Fig. 6). 여기서는 6개 파장, 에어로졸 광학적 두께(AOT=0, 0.5) 그리고 Rsfc =0-1 의 조건을 사용하였다.

    지면반사도값이 0.2 이하일 때, 6개 파장 모두에서 에어로졸 부재(AOT=0) 시의 Rtoa값이 에어로졸 존재 (AOT=0.5)에 비하여 최대 0.1 정도 작았다(Fig. 6). 반면에 지면반사도값이 0.2 이상일 때는 에어로졸 부 재 시의 Rtoa값이 에어로졸 존재 경우에 비하여 Rsfc 증가에 따라 크게 나타났다. 이러한 원인은 지면반사 도가 작은 경우에 레일리 산란 효과가 지배적이나, 큰 경우에서는 지표-대기 시스템에서의 다중 산란 효 과 때문이다. 또한 에어로졸 부재 시에는 에어로졸이 있는 경우에 비하여 지면반사도가 Rtoa에 미치는 영 향이 커짐으로써 곡선 기울기가 상대적으로 증가하여 1에 가까웠다. 다시 말해, 전자(i.e., 에어로졸 부재)에 비하여 후자의 경우에는 지면에서 반사된 상향 태양 복사가 에어로졸 층에 소산되어 대기상단에 도달하기 가 어렵다. 이 결과는 지면반사도가 작은 경우에 위 성관측 대기상단 반사도가 낮으면 에어로졸 영향이 적다는 것을 의미하며, 위성관측 반사도값에서 지면 반사도를 산출하는 최소반사도 방법을 뒷받침한다. 따라서 보다 장기간 자료를 축적하여 지면반사도 최 소값을 산출할수록 정확한 지면반사도값이 기대된다.

    Fig. 6의 결과에 기초할 때, 최소반사도 방법으로 산출된 23개 파장의 지면반사도는 장기간의 위성관 측 자료에서 대체로 에어로졸 영향을 받지 않는 경 향이 있다(Fig. 7). 그러나 지속적으로 미세먼지나 황 사가 존재하는 중국 지역에서는 에어로졸이 지면반사 도 산출에 영향을 줄 수 있다. Fig. 7은 AOT=0-1에 서 0.1씩 증가할 때 파장별 지면반사도의 산출 오차 를 보여준다. 이들 오차는 AOT 크기에 따라 비례하 였다. 또한 AOT 증가에 따른 오차 폭은 감소하였으 며, 이러한 경향은 328-354 nm 파장 영역에서 뚜렷 하였다. 지면반사도 오차는 AOT=1 경우에 328-354 nm에서 0.05-0.15로 현저하게 증가하는 반면에 367- 499 nm에서는 0.15-0.16으로 거의 일정하였다. 이러 한 에어로졸의 파장별 특성을 이용하여 장차 GEMS 지면반사도 산출 오차에 대한 보정이 가능하다. 현재 는 ‘대륙형 모델’을 이용하였으므로 장차 다양한 종 류의 에어로졸 광학적 특성을 고려해야 한다. 따라서 에어로졸 발생이 빈번한 지역에서는 해당 화소에 대 한 에어로졸 광학 특성을 파악하여 오차를 보정해야 한다.

    에어로졸 효과 뿐만 아니라 지면 특성에 따라서도 위성에 도달하는 태양복사량이 다르기 때문에 이들 효과가 대기상단 반사도에 미치는 영향을 조사하였다 (Fig. 8). 도시형(urban)과 대륙형(continental) 에어로 졸에 대한 조건(AOT=0.0, 0.5, 1.0, 1.5, 2.0), 그리고 지표 특성이 식물권과 모래사막인 두 경우에 대해서 각각 수치실험하였다.

    Fig. 8a와 Fig. 8b는 대륙형 에어로졸 조건에서 지 면이 각각 모래와 식생인 경우의 대기상단 반사도를 파장과 에어로졸 양의 함수로 보여준다. 이들 그림에 서 Rtoa가 350 nm 이하의 자외선 영역에서는 강한 오 존 흡수로 인하여 지면 특성 및 에어로졸 광학적 두 께에 거의 의존하지 않았다. 그러나 가시광선 영역에 서는 에어로졸 증가에 따라 Rtoa값이 체계적으로 증 가하였다. 또한 AOT가 증가할수록 지면 영향이 감 소하여 대기상단 반사도값들이 서로 근접함을 알 수 있다(500 nm에서 Rtoa=0.28-0.3). 이러한 원인은 AOT 값이 작을 때는 지면 효과가 크지만, 클 때는 에어로 졸 영향으로 상향 태양복사 투과율이 낮아지기 때문 이다. 따라서 350-500 nm 파장에서는 최소반사도 방 법을 사용할 수 있을 것으로 판단된다. 그러나 단 파 장인 300-350 nm에서 지면반사도값을 산출하기 위하 여는 오존 보정을 수행하여야 한다. 추가하면, 이 파 장 영역에서 에어로졸 효과를 최소화하기 위하여는 다른 파장 영역(i.e., 350-500 nm)에서 최소반사도 방 법으로 유도된 지면반사도 자료의 동일 시점 자료를 사용할 수 있다.

    300-350 nm 자외선 영역에서 태양복사 흡수가 강 한 도시형 에어로졸 경우에는 지면 특성과 에어로졸 양에 따른 파장별 대기상단 반사도 값이 대륙형 에 어로졸 경우와 다르게 나타났다(Fig. 8c, Fig 8d). 도 시형 에어로졸에 대한 대기상단 반사도 변화를 모래 (Fig. 8c) 및 식생(Fig. 8d) 지면에 대하여 각각 나타 내었다. 모래 지면에서는 에어로졸 흡수 효과가 식생 에 비하여 크게 나타났다. 이는 식생에서 모래 상태 로 지면반사도가 증가하면, 지면과 대기 간에 에어로 졸 다중 산란이 증가하기 때문이다. 이 과정에서 대 기에 흡수되는 태양복사가 증가하여 대기상단 반사도 를 감소시키게 된다. 한편 식생 지면에서는 대기상단 반사도가 AOT 증가에 따라 긴 파장(>450 nm)에서 증가하는 반면에 짧은 파장(<430 nm)에서 감소하는 것은 주목할 만하다(Fig. 8d). 따라서 모래 사막 위에 흡수성 에어로졸이 존재한다면(Fig. 8c, AOT=2의 붉 은 선), 위성관측 결과는 에어로졸이 적은 화소(Fig. 8a, AOT=0의 보라색 선)로 과소 추정하여 오차를 유 발할 수 있다. 그러므로 이러한 화소들은 사전에 배 제되어야 한다.

    지면반사도 산출에서는 미량기체 흡수 영향이 최소 인 파장을 일반적으로 선택한다(Kleipool et al., 2008). 그러나 성층권과 대류권에 존재하는 오존은 자외선 및 가시광선의 특정 영역에서 강한 흡수대 (Huggins band, 320-360 nm; Chappius band, 375- 650 nm)를 보이므로, 오존전량 변화가 GEMS 파장 영역에서 대기상단 반사도에 미치는 영향을 조사하였 다. Fig. A1은 2017년 1월 1일 23:03 LST의 전구 오존 전량값의 공간분포를 보여준다(http://es-ee.tor.ec. gc.ca/e/ozone/Curr_allmap_g.ht1m). 공간 분포에서 100-600 DU을 보이는 오존전량값은 양반구 고위도 (60 °N, 60 °S)에서 컸으며 열대 지역에서는 작았다. 본 연구에서는 수치실험을 위하여 오존전량의 공간 변화 가 큰 다음 세 지역을 선택하였다: 동아시아 부근의 태평양(150 °E, 60 °N; 500 DU), 한반도 부근의 서해 및 동해(100 °E, 28 °N; 350 DU), 그리고 일본 남쪽과 필리핀해 사이 지역(100 °E, 32 °N; 200 DU). 대기상 단 반사도값이 300-350 nm 자외선 영역에서는 오존 흡수 영향으로 오존전량 증가에 따라 감소한 반면에 파장에 따라서는 급격히 증가하였다(Fig. 9). 주로 가 시광선 영역(350-500 nm)에서는 오존 흡수가 적어 대 기상단 반사도는 오존전량 변화에 상관없이 파장에 따라 감소하였다.

    오존전량 변화가 지면반사도 산출 오차에 미치는 영향을 조사하기 위하여, GEMS 파장 영역 내에 오 존 흡수가 강한 두 파장(328, 335 nm)에 대하여 산출 오차를 지면반사도 함수로 제시하였다(Fig. 10a). 오 차는 주어진 오존전량(i.e., 200, 350, 500 DU)에서 계산된 각 지면반사도값에서 기준 대기의 오존전량 (300 DU)에서의 지면반사도값을 뺀 것이다. 지면반 사도 산출 오차는 Rsfc=0일 때 328 nm에서 −0.15~0.1, 그리고 335 nm에서는 −0.05~0.05이었다. 음의 오차 인 경우(붉은 선)는 오존전량 증가(양의 아노말리)에 해당하며, 이러한 이유는 강한 오존 흡수로 인하여 상향 태양복사가 감소하여 대기상단 및 지면 반사도 가 감소하기 때문이다. 이러한 경향은 지면반사도가 최대일 때 뚜렷하였다(Rsfc 오차= −0.42). 한편 오존전 량 감소 경우(파란 선)에는 Rsfc=1에서 양의 오차 (+0.2)를 보였다.

    위성관측에서 지면반사도 산출 시에 오존 흡수 영 향으로 인한 산출 오차를 파장 함수로 제시하였다 (Fig. 10b). 여기서 지면반사도는 0.15로 가정하였다. 가시광선 영역이 대부분인 354-499 nm에서는 오존 흡수가 약하기 때문에 오차는 오존전량 증감에 무관 하게 거의 일정하였다. 그러나 오존 흡수가 현저한 자외선(328-354 nm)에서는 오차가 크게 나타났다. 328 nm에서의 오차는 오존전량값에 따라 200 DU에 서 0.1, 350 DU에서 −0.05, 그리고 500 DU에서는 −0.2 이었다. 따라서 354 nm 이하의 GEMS 자외선 영역 에서는 지면반사도 산출 시에 오존전량 변화를 고려 하여 보정해야 한다.

    결 론

    본 연구에서는 극궤도 위성의 고해상도 MODIS와 저해상도 OMI 자료 그리고 수치실험을 이용하여 GEMS 위성관측으로부터 지면반사도 산출 시에 오차 유발 요소(구름, 에어로졸, 오존, 레일리 산란, 지면 특성)를 분석하였다. 지면반사도 산출 시에 요구되는 정밀도(±0.001 오차)를 충족하기 위한 잡음 대비 신 호의 비율(SNR)은 340 nm 자외선 영역에서 840이었 으며, 파장이 증가할수록 감소하였다. 청천 조건에서 지면반사도를 산출하기 위한 구름 탐지 분석에서 MODIS 대비 GEMS 공간해상도 에서의 구름 탐지 성공률은 약 79%이었다. 오탐지율은 GEMS 화소 격 자 내의 운량이 작을수록 증가하였으며, 오탐지는 사 막, 나지, 그리고 짙은 황사 경우에 주로 나타났다.

    대기상단 반사도는 지면반사도가 작은 경우(Rsfc<0.2) 에 에어로졸 양에 비례하였으나 지면반사도가 큰 경 우에는 반비례하였다. 청천 조건 하에서 지면반사도 값은 일반적으로 0.2 이하이므로, 위성관측 대기상단 반사도값이 작으면 대기 중의 에어로졸양이 적은 것 을 의미한다. 이러한 사실은 지면반사도를 위한 최소 반사도 방법이 기후값 산출에 적절함을 뒷받침한다. 에어로졸 광학두께(AOT=1)에서의 지면반사도 산출 오차는 자외선 영역에서 0.05-0.15, 그리고 가시광선 에서는 거의 일정(~0.16)하였다.

    대기상단 반사도는 자외선 영역(<340 nm)에서 강 한 오존 흡수로 인하여 에어로졸 양에 영향을 받지 않았으나, 가시광선에서는 AOT에 따라 계통적으로 증가하였다. 따라서 가시광선 영역에서는 에어로졸 양이 적은 상태에서 유도된 최소반사도값을 지면반사 도 산출에 이용해야 한다. 주목할만한 사실은 흡수성 도시형 에어로졸 및 지면이 식생인 상태에서 대기상 단 반사도가 가시광선 영역(λ <430 nm)에서 에어로졸 양에 비례하는 반면에, 상대적으로 짧은 가시광선 영 역에서는 반비례하였다. 요약하면, 모래사막 위에 흡 수성 에어로졸이 존재할 경우에 최소반사도 방법에 의한 지면반사도 산출값은 실제에 비하여 과소 추정 하게 된다. 따라서 최소반사도 산출을 위한 위성관측 자료 축적 시에 흡수성 에어로졸이 존재하는 화소는 사전에 배제되어야 한다.

    오존으로 인한 지면반사도 산출 오차는 자외선 영 역에서 파장이 짧을수록 컸으며, 오존전량 증가(+200 DU)에서 음의 값 (−0.2) 그리고 오존전량 감소(−100 DU) 에서는 양의 값으로(+0.1) 나타났다. 오차는 자 외선 영역(328-354 nm)에서 0.005-0.1이었으며 이에 대한 보정이 필요하였다. GEMS 위성관측에서 지면 반사도를 정확하게 산출하기 위해서는 대기상단 반사 도에 영향을 미치는 여러 오차 유발 요소들을 파악 할 필요가 있다. 특히 시공간 변동이 큰 구름과 에어 로졸은 이들의 양과 형태에 따라 지면반사도 산출에 서 유의적인 오차를 유발할 수 있다. 본 연구에서 수 행된 오차 유발 요소에 대한 민감도 실험 결과는 위 성관측 지면반사도 산출에서 불확실성 및 오차를 줄 이는데 기여할 수 있다.

    사 사

    본 연구는 환경부의 “환경정책기반공공기술개발사 업(2017000160003)”에서 지원받았습니다. 또한 저자 들은 연구 수행에 있어서 (고)정명재 교수님의 격려 와 조언, 그리고 제 1저자에 대한 논문 지도에 감사 드립니다.

    Figure

    JKESS-39-53_F1.gif

    Flow diagram for surface reflectance (Rsfc) remote-sensing from GEMS, based on the method of minimum reflectance (Rmin). Sensitivity experiments of Rsfc to the factors of cloud, Rayleigh-scattering, aerosol and ozone in pink-color shaded area of the figure have been performed in this study. Rtoa: reflectance at top of atmosphere.

    JKESS-39-53_F2.gif

    Two examples of Rayleigh corrections for deriving surface reflectance from satellite observations. (a) RGB-like image obtained from the measurements by OMI visible sensor (360, 430, 480 nm) on November 26, 2015 at 09:10 UTC. (b) Same as in Fig. 2a except for the image after Rayleigh correction. (c) Same as in Fig. 2a except for the MODIS band (1, 3, 4). (d) Same as in Fig. 2b except for the MODIS.

    JKESS-39-53_F3.gif

    Normalized frequency distributions of the (a) reflectance at 470 nm at top of atmosphere and (b) Rtoa standard deviation (σ), obtained from 9 pixels around the pixel of interest. Note that σ values in the abscissa of Fig. 3b were shown in the logarithmic scale.

    JKESS-39-53_F4.gif

    (a) RGB image at MODIS 1 km×1 km spatial resolution over the northeast Asia (105-135 °E, 25-45 °N) on May 29, 2006 at 05:10 UTC. (b) Cloud mask at GEMS 8 km×7 km resolution reconstructed by MODIS data. (c) Same as Fig. 4a except for the region (90-120 °E, 25-45 °N) on March 30, 2007 at 04:55 UTC. (d) Same as Fig. 4b except for the region on March 30, 2007 at 04:55 UTC.

    JKESS-39-53_F5.gif

    Normalized frequency distributions of sub-pixel cloud fractions in the two cases on May 29, 2006 at 05:10 UTC (Fig. 4b) and March 30, 2007 at 04:55 UTC (Fig. 4d). The success and failure cases for cloud-screening are shown in the lines of green and red, respectively.

    JKESS-39-53_F6.gif

    Simulated reflectance at top of atmosphere (Rtoa) without aerosol-loading (i.e., aerosol optical thickness, AOT=0; blue lines) and with moderate aerosol loading (AOT=0.5; red lines) as a function of surface reflectance (Rsfc) at six wavelengths (328, 354, 388, 418, 452, 488 nm).

    JKESS-39-53_F7.gif

    Simulated surface reflectance (Rsfc) errors as a function of aerosol amount (i.e., AOT) and wavelength. The values of AOT and wavelength in Table 1 have been used in this analysis.

    JKESS-39-53_F8.gif

    Simulated reflectance at top of atmosphere (Rtoa) from four input conditions: (a) continental aerosol and sand surface, (b) continental aerosol and vegetation surface, (c) urban aerosol and sand surface, and (d) urban aerosol and vegetation surface.

    JKESS-39-53_F9.gif

    Simulated reflectance at top of atmosphere (Rtoa) as a function of total ozone and wavelength.

    JKESS-39-53_F10.gif

    (a) Simulated surface reflectance (Rsfc) error as a function of Rsfc, total ozone, and wavelength. (b) Simulated Rsfc error as a function of wavelength and total ozone (200, 350 and 500 DU) under the condition of Rsfc=0.15.

    JKESS-39-53_A1.gif

    Global total ozone (DU) map on January 1, 2017 at 23:03 LST from the Environment and Climate Change Canada (ECCC; http://esee.tor.ec.gc.ca/e/ozone/Curr_allmap_g.htm; December 19, 2017). In this study, region of A (150 ° E, 60 ° N; 500 DU), B (100 ° E, 28 ° N; 350 DU), C (100 ° E, 32 ° N; 200 DU) is selected. The ozone distribution has been derived from the ground-based measurements by Brewer spectrophotometer.

    Table

    6SV RTM input variables for Rayleigh correction with respect to OMI surface reflectance

    Requirement of signal-to-noise ratio (SNR) to derive surface reflectance (Rsfc) for the precision of NEΔRsfc= 0.001

    The information for GEMS and OMI sensors (for GEMS, https://directory.eoportal.org/web/eoportal/satellite-missions/ g/geo-kompsat-2; for OMI, https://aura.gsfc.nasa.gov/omi.html; February 3, 2018)

    *LECT mean local equatorial crossing time.

    Reference

    1. AnJ.H. KimT.W. LeeS.E. (2004) A numerical study of the effects of land characteristics on the air cooling. , Korean Journal of Environmental Agriculture, Vol.23 (4) ; pp.264-271
    2. BaldridgeA.M. HookS.J. GroveC.I. RiveraG. (2009) The ASTER spectral library version 2.0. , Remote Sens. Environ., Vol.113 (4) ; pp.711-715
    3. BoersmaK.F. EskesH.J. BrinksmaE.J. (2004) Error analysis for tropospheric NO2 retrieval from space. , J. Geophys. Res., Vol.109 (D4) ; pp.D04311
    4. ChoiD.H. LeeB.Y. (2007) Analysis of passive cooling effect of membrane shading structure and the tree by field observations in the summer. , Journal of the Korean Solar Energy Society, Vol.27 (4) ; pp.137-146
    5. ChoiD.H. LeeB.Y. OhH.Y. (2012) Observation and analysis of the long and short wave radiation according to different altitudes and locations in Daegu during summer. , Journal of the Korean Solar Energy Society, Vol.32 (4) ; pp.1598-6411
    6. HallA. (2003) The role of surface albedo feedback in climate. , J. Clim., Vol.17 ; pp.1550-1568
    7. HansenJ.E. TravisL.D. (1975) Light scattering in planetary atmospheres. , Space Sci. Rev., Vol.16 (4) ; pp.527-610
    8. HermanJ. CelarierE.A. (1997) Earth surface reflectivity climatology at 340-380 nm from TOMS data. , J. Geophys. Res., Vol.102 (D23) ; pp.28003-28011
    9. HsuN.C. TsayS.C. KingM.D. HermanJ.R. (2004) Aerosol properties over bright-reflecting source regions. , IEEE Trans. Geosci. Remote Sens., Vol.42 (3) ; pp.557-569
    10. HsuN.C. TsayS.C. KingM.D. HermanJ.R. (2006) Deep blue retrievals of Asian aerosol properties during ACE-Asia. , IEEE Trans. Geosci. Remote Sens., Vol.44 (11) ; pp.3180-3195
    11. JeongM.J. HsuN.C. KwiatkowskaE.J. FranzB.A. MeisterG. SalustroC.E. (2012) Impacts of crossplatform vicarious calibration on the deep blue aerosol retrievals for moderate resolution imaging spectroradiometer aboard Terra. , IEEE Trans. Geosci. Remote Sens., Vol.49 (12) ; pp.4877-4888
    12. KangJ.H. SuhM.S. KwakC.H. (2009) Classification of land cover over the Korean peninsula using MODIS data. , Journal of the Korean Meteorological Society, Vol.19 (2) ; pp.169-182
    13. KaufmanY.J. HolbenB.N. (1993) Calibration of the AVHRR visible and near-IR bands by atmospheric scattering, ocean glint and desert reflection. , Int. J. Remote Sens., Vol.14 (1) ; pp.21-52
    14. KimM.J. KimJ. YoonJ. (2014) Estimation of surface reflectance by utilizing single visible reflectance from COMS meteorological imager. , Korean Journal of Remote Sensing, Vol.30 (5) ; pp.627-639
    15. KleipoolQ. DobberM. HaanJ.D. LeveltP. (2008) Earth surface reflectance climatology from 3 years of OMI data. , J. Geophys. Res., Vol.113 (D18)
    16. KoelemeijerR.B.A. de HaanJ.F. StammesP. (2003) A database of spectral surface reflectivity in the range 335 ?"772 nm derived from 5.5 years of GOME observations. , J. Geophys. Res., Vol.108 (D2) ; pp.4070
    17. KotchenovaS.Y. VermoteE.F. MatarreseR. KlemmF.J. Jr (2006) Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part I: Path radiance. , Optical Society of America, Vol.45 (26) ; pp.6762-6774
    18. KrotkovN.A. McClureB. DickersonR.R. CarnS.A. LiC. BhartiaP.K. YangK. KruegerA.J. LiZ. LeveltP.F. ChenH. WangP. DarenL. (2008) Validation of SO2 retrievals from the ozone monitoring instrument over NE China. , J. Geophys. Res., Vol.113 (D16) ; pp.D16S40
    19. LoebN.G. WielickiB.A. DoellingD.R. SmithG.L. KeyesD.F. KatoS. SmithM.M. WongT. (2009) Toward optimal closure of the earth ?(tm)s top-ofatmosphere radiation budget. , J. Clim., Vol.22 ; pp.748-766
    20. LoyolaD.G. KoukouliM.E. ValksP. BalisD.S. HaoN. RoozendaelM.V. SpurrR.J.D. ZimmerW. KiemleS. LerotC. LambertJ.C. (2011) The GOME-2 total column ozone product: Retrieval algorithm and ground-based validation. , J. Geophys. Res., Vol.116 (D7) ; pp.D07302
    21. MartinsJ.V. TanreD. RemerL. KaufmanY. MattooS. LevyR. (2002) MODIS cloud screening for remote sensing of aerosols over oceans using spatial variability. , Journal of Geophysical Research, Vol.29 (12) ; pp.1
    22. MoranM.S. JacksonR.D. SlaterP.N. TeilletP.M. (1992) Evaluation of simplified procedures for retrieval of land surface reflectance factors from satellite sensor output. , Remote Sens. Environ., Vol.41 ; pp.169-184
    23. NoguchiK. RichterA. RozanoV. BurrowsJ.P. KitaK. (2014) Effect of surface BRDF of various land cover types on geostationary observations of tropospheric NO2. , Atmos. Meas. Tech., Vol.7 (10) ; pp.3497-3508
    24. ShettleE.P. FennR.W. (1979) FENN models for the aerosols of the lower atmosphere and the effects of humidity variations on their optical propertie. , Environmental Research Paper, Vol.676 ; pp.1-23
    25. ShupeM.D. IntrieriJ.M. (2003) Cloud radiative forcing of the arctic surface: The influence of cloud properties, surface albedo, and solar zenith angle. , J. Clim., Vol.17 ; pp.616-628
    26. SissenwineN. DubinM. WexlerH. (1962) The U.S. standard atmosphere. , J. Geophys. Res., Vol.67 (9) ; pp.3627-3630
    27. VeefkindJ.P. de HaanJ.F. BrinksmaE.J. KroonM. LeveltP.F. (2006) Total ozone from the ozone monitoring instrument (OMI) using the DOAS technique. , IEEE Trans. Geosci. Remote Sens., Vol.44 (5) ; pp.1239-1244
    28. VermoteE.F. TanrA(c)D. DeuzeJ.L. HermanM. MorcetteJ.J. (1997) Second simulation of the satellite signal in the solar spectrum, 6S: An overview. , IEEE Trans. Geosci. Remote Sens., Vol.35 (3) ; pp.675-686
    29. XianqiangH. BaiY. PanD. HuangN. DongX. ChenJ. ChenC.T. CuiQ. (2013) Using geostationary satellite ocean color data to map the diurnal dynamics of suspended particulate matter in coastal waters. , Remote Sens. Environ., Vol.133 ; pp.225-239
    30. XiongJ. (2009) MODIS Characterization and Support Team (MCST), MODIS level 1b product user’s guide, Members of the MODIS Characterization Support Team For NASA/Goddard Space Flight Center, ; pp.20
    31. YeomJ.M. HanK.S. KimI.H. (2010) The study of land surface change detection using long-term spot/ vegetation. , Journal of the Korean Association of Geographic Information Studies, Vol.13 (4) ; pp.111-124
    32. YooJ.M. JeongM.J. LeeK.T. KimJ. RheeJ.E. HurY.M. KimB.R. LeeY.G. LeeJ.H. YoonJ.M. LeeW.H. (2008) Intercomparison of shortwave radiative transfer models for aerosol-laden atmospheres. , Journal of Korean Earth Science Society, Vol.29 (2) ; pp.128-139