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.2 pp.139-153
DOI : https://doi.org/10.5467/JKESS.2018.39.2.139

Validation of Sea Surface Wind Speeds from Satellite Altimeters and Relation to Sea State Bias

Do-Young Choi1, Hye-Jin Woo1, Kyung-Ae Park2*, Do-Seong Byun3, Eunil Lee3
1Department of Science Education, Seoul National University, Seoul 08826, Korea
2Department of Earth Science Education/Research Institute of Oceanography, Seoul National University, Seoul 08826, Korea
3Ocean Research Division, Korea Hydrographic and Oceanographic Agency, Busan 49111, Korea
Corresponding author: kapark@snu.ac.kr Tel: +82-2-880-7780 Fax: +82-2-874-3289
April 16, 2018 April 19, 2018 April 24, 2018

Abstract


The sea surface wind field has long been obtained from satellite scatterometers or passive microwave radiometers. However, the importance of satellite altimeter-derived wind speed has seldom been addressed because of the outstanding capability of the scatterometers. Satellite altimeter requires the accurate wind speed data, measured simultaneously with sea surface height observations, to enhance the accuracy of sea surface height through the correction of sea state bias. This study validates the wind speeds from the satellite altimeters (GFO, Jason-1, Envisat, Jason-2, Cryosat-2, SARAL) and analyzes characteristics of errors. In total, 1504 matchup points were produced using the wind speed data of Ieodo Ocean Research Station (IORS) and of Korea Meteorological Administration (KMA) buoys at Marado and Oeyeondo stations for 10 years from December 2007 to May 2016. The altimeter wind speed showed a root mean square error (RMSE) of about 1.59 m s−1 and a negative bias of −0.35 m s−1 with respect to the in-situ wind speed. Altimeter wind speeds showed characteristic biases that they were higher (lower) than in-situ wind speeds at low (high) wind speed ranges. Some tendency was found that the difference between the maximum and minimum value gradually increased with distance from the buoy stations. For the improvement of the accuracy of altimeter wind speed, an equation for correction was derived based on the characteristics of errors. In addition, the significance of altimeter wind speed on the estimation of sea surface height was addressed by presenting the effect of the corrected wind speeds on the sea state bias values of Jason-1.



인공위성 고도계 해상풍 검증과 해상상태편차와의 관련성
- 이어도, 마라도, 외연도 해상풍 관측치를 중심으로 -

최 도영1, 우 혜진1, 박 경애2*, 변 도성3, 이 은일3
1서울대학교 과학교육과, 08826, 서울특별시 관악구 관악로 1
2서울대학교 지구과학교육과/해양연구소, 08826, 서울특별시 관악구 관악로 1
3국립해양조사원 해양과학조사연구실, 49111, 부산광역시 영도구 해양로 351

초록


해상풍은 장기간동안 인공위성 산란계와 마이크로파 복사계를 주로 활용하여 관측되어왔다. 반면 위성 고도계 산출 풍속 자료의 중요성은 산란계의 탁월한 해상풍 관측 성능으로 인해 거의 부각되지 않았다. 인공위성 고도계 풍속 자료는 해수면고도를 산출하기 위한 해상상태편차(sea state bias) 보정항의 입력 자료로서 활용됨에 따라 높은 정확도 가 요구된다. 본 연구에서는 인공위성 고도계(GFO, Jason-1, Envisat, Jason-2, Cryosat-2, SARAL) 풍속을 검증하고 오 차 특성을 분석하기 위하여 이어도 해양과학기지와 마라도, 외연도 해양기상부이의 풍속 자료를 활용하여 2007년 12월 부터 2016년 5월까지 총 1504개의 일치점 자료를 생성하였다. 해양실측 풍속에 대한 고도계 풍속은 1.59 m s−1의 평균 제곱근오차와 −0.35 m s−1의 음의 편차를 보였다. 해양실측 풍속에 대한 고도계 해상풍 오차를 분석한 결과 고도계 해상 풍은 풍속이 약할 때 과대추정되며 풍속이 강할 때 과소추정되는 특징을 보였다. 위성-실측 자료 간의 거리에 따른 고 도계 풍속 오차를 분석한 결과 구간별 오차의 최댓값과 최솟값의 차는 거리에 따라 점차 증가하였다. 고도계 풍속의 정확도 향상을 위하여 분석된 오차 특성을 기반으로 보정식을 유도한 후 고도계 풍속을 보정하였다. 보정 전후의 풍속 자료를 활용하여 해상상태편차를 산출하였으며 Jason-1의 해상상태편차에 대한 해상풍 오차 보정의 영향을 확인하였다.



    서 론

    해상풍은 대기에서 해양으로 운동에너지를 전달하 며, 해양 표층을 통해 열속 교환 및 다양한 입자들의 해양 유출입을 제어하는 조절자 역할을 함으로써 해 양-대기 상호작용에 기여하는 가장 중요한 변수 중 하나이다. 해상풍은 난류, 용승 및 해류와 같은 다양 한 해양 현상에 관여하며 장기적으로 기후 변화에 대한 기작을 이해하는데 널리 활용되어 왔다. 따라서 해양-대기의 상호작용과 다양한 해양 현상을 이해하 고 지구환경 변화에 대한 해석과 예측을 위해서 해 상풍에 대한 정확한 관측이 필요하며 심도있는 이해 가 요구된다.

    원격탐사기술이 발전함에 따라 다양한 인공위성 센 서를 활용하여 해양의 광범위한 영역에 대해 주기적 으로 고해상도의 해상풍을 관측하고 있다. 1992년 ERS-1 (European Remote Sensing Satellite)의 운용 을 시작으로 인공위성 산란계(scatterometer)를 이용한 해상풍 관측이 활발히 이루어지고 있으며, 인공위성 산란계를 통해 평균적으로 1-2일에 걸쳐 전 지구 해 양의 풍속과 풍향을 2 m s−1와 20°의 정확도로 관측하 고 있다. 산란계로부터 관측한 해상풍은 높은 정확도 와 광범위한 해역의 관측으로 해양실측 자료의 시공 간적 한계를 극복하고 전 지구 해상풍 관측을 위하 여 가장 일반적으로 사용되고 있다.

    위성 산란계 이외에 인공위성 고도계(altimeter)를 활용하여 해상풍이 산출되고 있다. 인공위성 고도계 는 공전 궤도의 직하점에서 관측이 이루어지므로 넓 은 영역을 동시에 관측하는 산란계와는 달리 공간적, 시간적으로 고해상도의 풍속 자료를 획득하는데 어려 움이 있다. 또한 고도계를 통해서는 풍향을 관측하지 못하기 때문에 해상풍 연구에는 널리 사용되고 있지 않다. 그러나 인공위성 고도계에서 산출되는 해수면 고도 자료는 여러 가지 정밀한 대기 및 해양 보정을 거쳐야 하며, 이 과정에서 해수면고도와 동시에 관측 한 해상풍을 활용하여 해상상태편차(sea state bias) 보정 과정을 거쳐야 정확한 해수면고도를 산출할 수 있어 보다 높은 정확도를 가진 고도계 해상풍 자료 가 요구된다(Chelton, 1994; Gaspar et al., 1994).

    고도계 해상풍의 정확도는 전 대양에서 해양실측 자료와 비교 분석하여 꾸준히 검증되어 왔다(Dobson et al., 1987; Hwang et al., 1998; Gommenginger et al., 2002; Zieger, 2009; Kumar et al., 2015). Gourrion et al.(2002)는 TOPEX/Poseidon 고도계 해 상풍의 정확한 산출을 위하여 산란계, ECMWF (European Centre for Medium-Range Weather Forecasts) 모델, 해양 부이(buoy) 풍속과의 비교를 통해 정확도를 평가한 후 고도계 해상풍 알고리즘을 제안하였고, Abdalla and Chiara(2017)은 산란계, ECMWF 모델을 활용하여 Jason-2 고도계 해상풍의 오차에 대한 연구를 수행하였다. 한반도와 비교적 인 접한 해역에서의 고도계 해상풍 정확도 연구로는 Ebuchi and Kawamura(1994)에 의해 수행된 일본 근 해에서의 TOPEX/Poseidon 고도계에 대한 해상풍과 유의파고에 대한 비교분석 연구가 유일하다. 국외에 서는 고도계 해상풍에 대한 정확도 검증 연구가 활 발히 진행되고 있으나 한반도 주변해역에서의 연구는 현재까지 전무한 실정이다.

    따라서 본 연구는 이어도 해양과학기지와 마라도, 외연도의 기상청 해양기상부이의 실측 해상풍 자료와 인공위성 고도계 해상풍 자료를 이용하여 1) 해양실 측 해상풍과 고도계 해상풍 자료간의 일치점 데이터 베이스를 생산하고, 2) 일치점 자료를 활용하여 한반 도 주변해역에서 고도계 해상풍의 정확도를 평가하고, 3) 해양실측 해상풍과 위성 고도계 해상풍의 차이에 대한 특성을 다양한 측면에서 이해하고자 하며, 4) 한반도 주변해역에서 인공위성 고도계 해상풍 자료 보정을 통한 해상상태편차 보정에 기여하는 바를 확 인하는데 목적이 있다.

    자료 및 방법

    인공위성 고도계 해상풍 자료

    인공위성 고도계 해상풍 자료의 정확도 검증을 위 하여 활용한 고도계는 GFO (Geosat Follow-On), Jason-1 (Joint altimetry satellite oceanography network-1), Envisat (Environmental satellite), Jason- 2, Cryosat-2와 SARAL (Satellite for ARgos and ALtiKa)이며, 해상풍 자료는 IFREMER (Institut Francais de Recherche pour l’Exploitation de la Mer)로부터 수집하였다. 연구에 활용한 위성 고도계 와 관련된 정보는 Table 1에 제시하였다. GFO는 2000년에 발사되어 2008년 9월에 관측을 종료하였다. Jason-1과 Envisat은 각각 2002년 1월과 4월에 관측 을 시작하여 2013년과 2012년에 관측이 종료되었고, Jason-2와 Cryosat-2, SARAL는 각각 2008년, 2010년, 2013년에 발사되어 현재까지 운용되고 있다.

    연구에서 활용한 위성은 Fig. 1과 같으며 각 위성 의 관측 주기는 Jason-1/2의 경우 약 10일, GFO는 17일, Envisat과 SARAL는 35일로 다양하다. Cryosat-2 의 관측 주기는 369일로 연구에 활용된 위성 중 가 장 긴 주기를 가진다(Table 1). 일련의 인공위성 고도 계 관측 자료를 생산하기 위하여 TOPEX/Poseidon과 Jason-1/2는 동일 궤도로 관측을 수행하도록 계획되 었다. 따라서 Jason-1의 후속위성인 Jason-2가 발사되 면서 Jason-2가 Jason-1의 본 관측 궤도를 따라 관측 을 수행하고, Jason-1은 Fig. 1b의 연한 빨간색과 같 이 궤도를 이동하여 관측을 수행하였다(Fig. 1).

    2013년에 운용되기 시작한 SARAL는 Ka-band (35.7 GHz)를 이용하여 해상풍을 관측하고 있으며 (Lillibridge et al., 2014), SARAL를 제외한 5개의 위 성 고도계는 Ku-band (13.5-13.8 GHz) 후방산란계수 를 활용하여 해상풍을 산출한다. 고도계의 해상풍 알 고리즘은 후방산란계수와의 경험적 관계식으로부터 평균해수면에서 10 m 높이의 풍속을 획득하는 The Modified Chelton-Wentz (MCW) 알고리즘(Witter and Chelton, 1991; Freilich and Challenor, 1994)이 가장 보편적으로 활용되고 있으며 후방산란계수와 유 의파고와의 관계를 기반으로 하는 경험식으로부터 해 상풍을 산출하는 알고리즘 또한 개발되어 사용되고 있다(Gourrion et al., 2002).

    해상풍 실측자료

    인공위성 고도계 해상풍을 비교 검증하기 위하여 이어도 해양과학기지와 마라도, 외연도에 설치된 해 양기상부이의 해양 및 대기 실측 자료를 활용하였다 (Fig. 1). 해양실측 지점에 대한 정보는 Table 2에 제 시하였다.

    이어도 해양과학기지는 한반도 최남단인 마라도로 부터 남서쪽으로 약 149 km 떨어진 해상의 수중 암 초에 위치하여 대기 및 해양환경관측에 영향을 줄 수 있는 주위 지형이 없기 때문에 육지의 영향을 거 의 받지 않는다. Durrant et al.(2009)는 연안으로부터 영향을 적게 받기 위한 충분한 거리를 50 km로 제안 하였고, 외해에 위치한 이어도 기지는 인공위성 고도 계 해상풍의 검보정을 위한 실측 자료를 제공하는 지점으로 탁월하다. 현재 이어도 기지에서는 풍속, 풍향을 비롯하여 기온, 상대습도 등의 기상환경 자료 와 수온, 염분, 유의파고, 조위 등의 해양환경 자료를 관측하고 있다. 풍속 자료는 2004년 11월부터 제공되 며, 2011년 8월 이전에는 43.5 m 높이에서 풍속을 측 정하였고 이후에는 42.3 m 높이에서 관측한 풍속 자 료가 제공되고 있다. 다른 해양-대기 관측 자료 또한 2004년 말부터 자료를 제공하였으나 수온 자료는 2007년 12월부터 자료를 제공함에 따라 해당 기간에 대한 자료만 수집하였다.

    마라도 해양기상부이는 제주도의 남서쪽으로 약 25 km 떨어져 설치되어 있어 기상청 해양기상부이 가운데 비교적 육지로부터 거리가 있으나 제주도의 영향을 받아 북동풍 계열의 풍랑이 낮게 관측되는 특징이 있다(Kang et al., 2015). 외연도 해양기상부 이는 황해에 위치한 기상청 해양기상부이로 육지 해 안선으로부터 약 35 km 떨어진 곳에 설치되어 있다. 마라도와 외연도의 해양기상부이는 비교적 외해에 위 치하여 위성 고도계 자료와 일치점을 생산할 때 육 지의 영향을 적게 받을 것으로 예상되어 선별하였다. 마라도와 외연도 해양기상부이에서 각 2008년 11월, 2009년 11월부터 자료가 제공되고 있으며 풍속, 풍향 을 포함하여 기온, 습도, 기압 등의 기상환경요소와 수온, 파고 등의 해양환경요소를 관측하고 있다. 마 라도 부이에는 3.9m 높이에 풍속계가 설치되어 있고, 외연도 부이에는 3.6 m 높이에 설치되어 1시간 간격 으로 풍속 자료를 제공하고 있다.

    해양실측 풍속의 표준 고도 변환

    인공위성 고도계 해상풍은 평균해수면으로부터 10 m 높이의 중립바람(neutral wind)로 변환하여 제공 된다. 해양실측 해상풍 자료가 측정되는 높이는 이어 도의 경우 43.5/42.3 m, 마라도는 3.9 m, 외연도는 3.6 m로 서로 상이하므로 고도계 해상풍 자료와의 비 교를 위하여 해양실측 자료를 10 m에서 관측된 중립 바람으로 표준화하는 과정이 필요하다. 본 연구에서 는 해양-대기 경계층 역학을 잘 표현하고 있는 Liu- Katsaros-Businger (LKB) 모델을 활용하여 해양실측 자료를 변환하였다(Liu et al., 1979; Liu and Tang, 1996). LKB 모델은 풍속, 기온, 습도와 각 변수들의 관측 높이, 해수면온도 및 기압 자료를 활용하여 관 측 풍속을 10 m 높이의 바람으로 변환한다. LKB 모 델에서 제시된 관계식은 (1)과 같다.

    U U s U = 1 k [ ln Z Z 0 ψ u ( Z L ) ]
    (1)

    U는 관측 높이 z에서의 풍속이며, Us는 대기-해양 경계층에서의 풍속, U*는 마찰속도(friction velocity) 로 바람 응력(wind stress), 현열속(sensible heat flux) 및 잠열속(latent heat flux)에 대한 함수이다. z0는 유 체의 성질에 따른 경계 조건 파라미터(parameter)이 고, κ는 Von Karman 상수로 Paulson(1970)이 제시한 0.4를 사용하였다. ψu는 운동량에 대한 안정도 함수 이며, L은 Monin-Obukhov 길이이다. z0에서 풍속이 0이고, 대기 중립 상태를 가정한 후 각 해양실측 관 측 높이와 관측값을 식에 대입하여 정리하면 10 m에 서의 풍속을 구할 수 있다.

    Fig. 2는 대기 중립 상태를 가정할 경우 10 m에서 풍속이 5, 10, 15, 20 m s−1가 될 때 각 고도별 풍속 을 예시로 도시한 것이다. 10 m에서 풍속의 세기가 강할수록 높이에 따른 풍속 변화 구배가 크며, 10 m 보다 고도가 낮을 때 풍속 변화 구배가 크다. 일례로 이어도 해양과학기지와 기상청 해양기상부이에서 각 각 약 17, 13.5 m s−1의 풍속을 10 m 중립바람으로 변 환하였을 때 15 m s−1가 된다. 그러나 해양 실측 풍속 은 중립 상태에서 관측되는 자료가 아니므로 대기 안정도 또한 고려되어 하며 LKB 모델을 활용하여 변환하였다.

    본 연구에서는 해양실측 풍속과 동시 관측된 기온, 습도, 수온 자료에서 기기고장 및 오류 등으로 인한 이상값들을 품질 관리 정보를 활용하여 제거하였으며 품질 관리된 자료들을 활용하여 대기 안정도를 반영 하여 해양실측 풍속의 표준화 과정을 수행하였다 (Woo et al., 2017; KHOA, 2018).

    위성-해양실측 일치점 생산

    인공위성 고도계로 관측한 해상풍의 정확도를 평가 하기 위해서 해상풍 실측자료와 각 고도계 해상풍 자료가 시공간적으로 일정한 범위 이내에 있는 일치 점 자료를 선별하였다. Fig. 3에 고도계와 해양실측 해상풍의 일치점 생산 과정을 나타내었다. 고도계 해 상풍과 각 지점의 실측 해상풍을 비교 분석하기 위 하여 기존 연구와 동일한 공간적 조건인 반경 50 km 이내로 한계치를 두었다(Dobson et al., 1987; Gommenginger et al., 2002; Zieger et al., 2009; Kumar et al., 2015). 시간 격차에 대한 한계치의 경 우 이어도 해상풍과 마라도, 외연도 해상풍 자료의 시간 간격을 고려하여 설정하였다. 연구에 활용한 이 어도 풍속 자료의 경우 시간 간격이 10분이므로 시 간 격차 한계치를 5분으로 설정하였으며, 마라도와 외연도 풍속은 1시간 간격 자료임에 따라 30분으로 한계치를 두어 일치점 자료를 획득하였다.

    위성 고도계는 관측 궤도를 따라 약 7 km의 공간 해상도로 풍속을 관측하므로 하나의 실측 해상풍 관 측값에 대하여 여러 지점의 고도계 해상풍이 수집될 수 있다. 하나의 실측 자료에 대해 고도계 자료의 대 표값으로 일치점 자료를 생산하기 위하여 고도계 해 상풍을 공간 평균한 자료를 일치점 데이터베이스에 포함하였으며, 거리에 따른 오차 특성에 대한 분석을 제외한 모든 분석에서 공간 평균한 고도계 자료를 활용하였다. 일치점 데이터베이스에는 고도계와 해양 실측 해상풍을 비롯하여 관측 시각, 위도, 경도, 인공 위성 정보 및 해양관측 자료 정보를 모두 수집하여 분석에 활용하였다.

    검증 정확도

    인공위성 고도계 풍속의 정확도는 해양실측 풍속에 대한 평균제곱근오차(Root Mean Square Error; RMSE)와 편차(Bias)를 이용해 정량적으로 분석하였 다. 각 오차는 (2), (3)과 같이 계산한다. 편차는 고도 계 풍속에서 실측 풍속을 뺀 값들의 합을 구한 후 전체 자료의 개수로 나눈 값이다. 평균제곱근오차는 두 풍속간의 차이를 제곱하여 평균을 취한 후 그 값 의 제곱근은 구한 것이다.

    Bias= 1 N i = 1 N ( U a l t i U i n s i t u i )
    (2)
    R M S E = 1 N i = 1 N ( U a l t i U i n s i t u i ) 2
    (3)

    N은 일치점 자료 개수, Ualt는 인공위성 고도계 풍 속(m s−1 ), Uinsitu는 해양실측 풍속(m s−1 )이다.

    해상상태편차 보정식

    인공위성 고도계는 관측 궤도의 직하점으로 전자기 파를 방출하여 지표면으로부터 반사된 신호를 획득하 는 능동 마이크로파 센서로서 지표면으로부터 위성의 고도를 측정하고, 위성의 정확한 위치 및 궤도 정보 를 이용하여 해수면고도(sea surface height)를 구할 수 있다. 정확한 해수면고도를 관측하기 위해서 기기 에 대한 보정(instrument corrections), 플랫폼에 대한 보정(platform corrections), 궤도 결정 과정(orbit determination), 전리층 및 대류권으로 인한 굴절 효 과 보정(atmospheric path delay corrections), 해상상 태편차에 대한 보정(sea state bias corrections) 등의 과정이 필요하다.

    해상상태편차는 해양 표면의 거칠기로부터 기인한 다. 해양 표면 파동의 골(trough)은 마루(crest)에 비 하여 넓고 평평하며 마루는 좁고 비교적 날카롭다. 이러한 파동의 형태로 인해 위성 고도계가 평균해수 면을 과대추정하거나, 골에서 더 큰 전자기파의 후방 산란을 유발하여 해수면고도 자료의 편차가 야기된다. 해상상태편차는 해상풍과 유의파고에 대한 경험식을 사용하여 보정한다(Chelton, 1994; Gaspar et al., 1994). 고도계 풍속과 유의파고 자료를 (4)의 해상상 태편차 보정식에 적용하여 풍속 오차에 의해 야기되 는 해상상태편차의 관련성을 분석하였다.

    S S B ( U , H 1 / 3 ) = H 1 / 3 ( a 0 + a 1 U + a 2 U 2 + a 3 H 1 / 3 )
    (4)

    여기서 SSB는 해상상태편차로 위성 고도계에서 관 측한 10 m에서의 풍속(U)과 동시 관측된 유의파고 (H1/3)에 대한 함수이다.

    연구 결과

    실측-위성 풍속 일치점 결과

    인공위성 고도계와 해양실측 해상풍 자료를 활용하 여 2007년 12월부터 2016년 5월까지 총 1504개의 일치점 자료를 획득하였다. 일치점 자료 획득 기간은 풍속 자료뿐만 아니라 10 m 풍속으로 변환하기 위해 필요한 수온, 기온, 습도 및 기압 자료가 모두 관측 된 기간에 해당한다. Table 3에 각 위성 고도계와 해 양실측 지점별 일치점 획득 기간 및 개수를 표기하 였다. GFO는 이어도 해상풍 자료와 11개 일치점이 생산되었고, 마라도, 외연도 해상풍 자료에 대해서는 운용 기간이 상이하여 일치점이 생산되지 않았다. Jason-1은 322개, Envisat은 187개, Jason-2는 364개, Cryosat-2는 367개, SARAL은 253개의 일치점이 생 산되었다. 각 해양실측 지점별 일치점 자료 개수는 지점의 위치와 인공위성 관측 궤도의 특성에 따라 다양한 특성을 보였다. 마라도 해양기상부이의 위치 기준으로 50 km 이내에 Jason-2의 관측 궤도가 통과 하지 않아서 Jason-2와 마라도 해상풍 자료와 일치점 이 생산되지 않았다.

    인공위성 고도계 해상풍은 0 m s−1에서 20 m s−1의 범위 내에서 다양하게 분포하였다. 2 m s−1 이하의 풍 속이 매우 약한 환경에서는 128개로 전체 일치점 자 료 중 약 9%를 차지하였다. 대부분의 풍속은 2 m s−1 이상 10 m s−1 이하 범위 내에 포함되었는데, 1151개 로 총 일치점 자료 중 약 76%이고, 10 m s−1 이상의 풍속이 매우 강한 환경의 자료는 총 225개로 약 15%를 차지한다.

    실측-위성 풍속 비교

    해양실측 풍속에 대하여 인공위성 고도계 풍속을 비교하여 Fig. 4에 제시하였다. 이어도 해양과학기지 풍속 자료에 대한 고도계 풍속은 1.47 m s−1의 평균제 곱근 오차와 −0.46 m s−1의 음의 편차를 나타내었다. 마라도와 외연도 해양기상부이 풍속에 대해서는 고도 계 해상풍의 평균제곱근오차가 1.90ms−1와 1.38ms−1 이었으며, 편차는 각각 −0.48 m s−1와 −0.15 m s−1이었 다. 모든 해양실측 풍속에 대한 고도계 풍속의 평균 제곱근오차는 1.59 m s−1이었으며 편차는 −0.35 m s−1 로 실측 풍속에 비해 전반적으로 낮은 풍속 특성을 보였다. 일반적으로 고도계 풍속 자료와 실측 풍속 자료를 비교하여 분석한 평균제곱근오차 범위는 1.50-2.00 m s−1로 알려져 있으며(Witter and Chelton, 1991; Gower, 1996; Freilich and Challenor, 1994; Wu, 1999), 세 관측소에서의 풍속의 오차는 2 m s−1 이내의 일반적인 오차 범위 내에 분포하였다.

    Table 4에는 각 고도계와 해양실측 지점 간 풍속을 비교 분석한 정확도 결과를 제시하였다. GFO 고도계 풍속의 정확도는 일치점 자료가 생성된 이어도 해양 과학기지 풍속 자료에 대하여 2.24 m s−1의 평균제곱 근오차와 1.32 m s−1의 큰 양의 편차를 보였다. 이는 획득한 일치점 개수가 11개로 적어 통계적으로 유의 하지 않은 결과로 판단된다. Jason-1의 경우 전체 해 양 실측 지점에 대하여 평균제곱근차가 1.72 m s−1이 고 편차는 −0.51 m s−1이며, Envisat의 경우에는 1.68 m s−1의 평균제곱근오차와 -0.08 m s−1의 상대적으로 작은 음의 편차를 보였다. Jason-2는 평균제곱근차가 1.42 m s−1로 가장 작았으며 편차는 -0.23 m s−1이었다. Cryosat-2와 SARAL는 평균제곱근오차가 1.57 m s−1 로 동일하였으며 편차는 각각 −0.41 m s−1와 −0.52 m s−1이었다. GFO를 제외한 모든 고도계에서 전반적 으로 음의 편차를 보였으나 Envisat과 Jason-2 풍속 과 외연도 풍속 간의 비교 결과에서는 각각 0.12 m s−1와 0.18 m s−1의 양의 편차를 보였다.

    풍속에 대한 위성-실측 풍속 오차 특성

    위성 고도계 풍속의 오차 특성을 분석하기 위해 실측 풍속에 따른 위성 고도계 관측 풍속의 오차를 도시하였다(Fig. 5). 모든 해양실측 지점에서 대부분 의 고도계 풍속 오차는 실측 해상풍에 대하여 −3-3 m s−1 이내에 분포하였다. 전체 일치점 1504개 중 37%에 해당하는 557개가 양의 오차를 보였으며, 947 개(63%)가 음의 오차를 보였다(Fig. 5d). 전반적으로 인공위성 고도계 관측 풍속은 실측 해양실측 풍속에 비하여 과소추정되는 특성을 나타내었다. 위성 해상 풍 오차에 대한 구간별 평균의 추세는 실측 해상풍 이 커질수록 오차가 감소하는 경향을 보이며 이러한 특징은 모든 해양실측 지점에서 동일하게 나타났다. 구간별 고도계 풍속의 오차는 실측 풍속이 약한 경 우(<4 m s−1 ) 위성 고도계의 풍속이 실측 풍속보다 과 대추정되었으며, 실측 풍속이 강한 경우(>6 m s−1 )에 는 고도계 풍속이 과소추정되는 결과를 보였다. 이러 한 오차 특성은 인공위성 고도계의 풍속과 실측 풍 속을 비교 검증하는 기존의 연구결과와 유사한 특징 을 보였다(Abdalla, 2014; Kumar et al., 2015). Fig. 6에 해양실측 풍속에 대한 위성 풍속 오차를 고도계 별로 도시하였다. GFO의 경우는 일치점의 개수가 매 우 적어 통계적 분석이 가능하지 않았다(Fig. 6a). 실 측 풍속에 대한 위성 풍속 오차는 GFO를 제외한 모 든 고도계에서 음의 오차 특성을 나타내었다. GFO를 제외한 고도계에서 실측 풍속이 증가할수록 위성 풍 속 오차의 구간 평균값이 감소하는 추세를 보였고 실측 풍속이 약할수록 고도계의 풍속이 과대추정되었 으며 실측 풍속이 강할수록 고도계 풍속이 과소추정 되는 특징이 나타났다.

    거리에 따른 풍속 오차 특성

    위성 고도계와 해양실측 해상풍의 일치점 자료 생 산 시 공간 격차를 50 km 이내로 설정하였기 때문에 50 km 이내에서 다양한 거리의 일치점 자료가 생산 되었다. 위성-실측 자료간의 거리에 따른 오차 특성 을 파악하기 위하여 공간 평균하지 않은 고도계 자 료를 사용하였다. 이어도 해양과학기지에서의 평균제 곱근오차는 1.54ms−1 , 편차는 −0.49ms−1이었으며, 마 라도에서의 평균제곱근오차는 1.97ms−1 , 편차는 −0.37 m s−1이었다. 또한 외연도에서의 평균제곱근오차는 1.47 m s−1 , 편차는 −0.07 m s−1를 보였으며 모든 해양 실측 자료에 대한 위성 고도계 해상풍의 평균제곱근 오차는 1.66 m s−1 , 편차는 −0.30 m s−1로 나타났다.

    Fig. 7에 해양실측 풍속에 대한 공간 평균하지 않 은 고도계 풍속 오차를 거리에 대하여 도시하였다. 5 km 간격으로 각 구간별 고도계 풍속 오차의 평균 과 표준편차를 나타내었으며, 최대, 최소 오차값과 함께 선형 추세선을 파선으로 나타내었다. 이어도와 마라도, 외연도 모든 지점에서 위성 고도계 해상풍의 오차의 구간별 평균은 거리에 대한 뚜렷한 특징은 발견되지 않았으며, 표준편차 또한 비교적 일정하게 유지되었다. 그러나 Fig. 7에서 파선으로나타낸 바와 같이 위성-실측 일치점 자료의 거리가 멀어질수록 구 간별 오차의 최댓값과 최솟값의 차이가 점진적으로 증가하는 형태가 공통적으로 나타났다. 이는 풍속의 공간 규모가 클 때에는 산란도가 적고, 반대로 공간 규모가 작을 때는 다른 다양한 요인과 함께 풍속 오 차가 좀 더 증가하는 경향성이 나타날 것으로 추정 된다.

    인공위성 해상풍 보정

    고도계로 관측한 해상풍은 관측 지점과 고도계 종 류에 관계없이 실측 풍속이 약할 때 과대추정되고 실측 풍속이 강할 때 과소추정되는 오차 특성을 보 였다. 위성 고도계 해상풍을 보정하기 위하여 실측 풍속에 대한 위성 고도계 풍속의 보정식을 선형회귀 기법을 이용하여 유도한 후 인공위성 풍속 자료에 적용하였다. 위성 고도계 풍속의 오차 보정식은 (5) 와 같다.

    U o c r = U a l t + Δ U Δ U = a 1 U i n s i t u + a 2
    (5)

    여기서 Ualt, Uinsitu, Uocr은 각각 보정 전 고도계 풍속, 해양실측 풍속, 보정 후 고도계 풍속을 나타 내며, a1, a2는 선형회귀기법으로 산출한 보정계수이 다. ΔU는 선형회귀기법으로 추정한 고도계 풍속의 보정값이다.

    Jason-1 풍속 자료는 장기간 해상풍 관측을 수행했 으며, 본 연구에서는 해양실측 자료와 322개의 일치 점이 생산되었으며 오차의 특성이 뚜렷하게 나타난 위성 자료로 판단되어 대표적으로 Jason-1의 해상풍 자료를 이용해 해상풍 보정을 수행하였다. 따라서 Fig. 8a에 이어도 해양과학기지와 마라도, 외연도 해 양기상부이에서 관측된 실측 풍속에 대한 Jason-1 해 상풍 오차를 도시하였으며, Fig. 8b에 선형회귀기법 을 통해 추정한 보정식을 파선으로 나타내었다. Jason-1 이외의 위성 고도계 해상풍 보정을 위한 계 수를 Table 5에 제안하였다. GFO는 일치점 자료 개 수가 적어 유의미하지 않은 통계자료로 판단되어 오 차 보정을 수행하지 않았다. 연구에 활용한 Jason-1 풍속 자료에 대한 보정식 계수인 와 는 각각 0.13과 −0.43이다(Table 5).

    2012년 8월 3일부터 12일까지 한반도 주변해역을 Jason-1이 관측한 보정 전 풍속(Fig. 9a)을 유도된 보 정식을 활용하여 보정한 후(Fig. 9b)의 풍속을 산출 하였다. 앞서 언급한 바와 같이 고도계 해상풍 오차 의 특징은 약한 바람에서 과대추정되고 강한 바람에 서는 과소추정되는 단점이 있었다. 이러한 특징적인 오차의 분포를 Fig. 9a9b에서 확인할 수 있는데, 중국 산동반도 남쪽과 황해 중앙부에서와 같이 특히 고도계 풍속이 3 m s−1 이하인 경우에는 보정 후 풍 속이 감소하였으며, 3 m s−1 이상인 경우에는 보정 후 풍속이 증가하였다. 보정 전과 후 풍속은 0-15 m s−1 범위에서 최대 약 1.74 m s−1의 차이를 보였다(Fig. 9c).

    해상상태편차에 대한 관련성

    유의파고 자료와 보정 전과 후의 풍속 자료 및 Labroue et al.(2004)에 의해 제시된 계수를 (4)에 적 용하여 해상상태편차를 계산하고 풍속 보정에 따른 해상상태편차 보정 효과를 분석하였다. 해상상태편차 는 풍속이 강한 해역에서 음의 편차 특성이 뚜렷하 게 나타났다(Fig. 9a and 9d). 이는 강한 풍속에 의해 해수면의 거칠기가 커짐에 따라 위성과 해수면사이의 거리를 과대추정하게 되고 이를 보정하기 위해 해상 상태편차는 강한 음의 값으로 추정되어야 하는 이론 과 부합한다(Chelton, 1994).

    풍속 보정 전과 후 자료를 활용하여 유도된 해상 상태편차(Fig. 9d and 9e)는 뚜렷한 차이가 나지 않 는 것으로 보이나 보정 전/후의 해상상태편차의 차(보 정 후-보정 전)의 경우 풍속의 보정 특성에 따라 명 확한 차가 나타나는 것을 볼 수 있다(Fig. 9f). 풍속 이 10 m s−1 이상으로 강한 제주도 남쪽 동중국해역 의 궤도에서는 풍속이 더욱 강해지도록 보정됨에 따 라 해상상태편차가 더 낮아지는 특성이 나타났다. 이 와 대조적으로 황해 중앙부와 산둥반도 남쪽 해안에 서는 2 m s−1 이하의 낮은 풍속이 더욱 약해지도록 보정됨에 따라 해상상태편차의 오차가 양의 값을 보 였다.

    본 연구에서 제시한 예시는 태풍 등의 극심한 경 우이거나 약한 풍속이 지속적으로 유지되는 시기가 아니지만 악기상 또는 극단적인 기상 상황에서 해수 면고도 산출 시에는 풍속 오차에 기인한 해상상태편 차 오차가 유발될 가능성이 높다. 현재 해수면고도는 인공위성 관측 기기 및 보정 기술의 개발이 고도화 됨에 따라 최종 해수면고도의 정확도는 수 cm 이하 의 수준에 도달하였다. 따라서 고도계 해상풍의 정확 성이 필연적으로 요구되는 시점이며 본 연구의 결과 는 위성 해상풍 연구 분야에 주로 활용되는 산란계 해상풍뿐만 아니라 해수면고도 산출이 주목적이었던 고도계에서 산출되는 해상풍 자료 또한 역할이 매우 중요함을 단적으로 보여준다고 할 수 있다.

    결 론

    인공위성 고도계 해상풍은 정확한 해수면고도를 관 측하기 위한 해상상태편차 보정 과정에 사용되는 중 요한 변수이지만 한반도 주변해역에서 다른 위성 센 서를 이용한 해상풍 자료에 비하여 연구가 활발하게 수행되지 않았다. 보다 정확한 해수면고도를 산출하 기 위해서는 해상상태편차 보정에 사용되는 해상풍의 정확도에 대한 연구가 필요하다. 따라서 본 연구에서 는 인공위성 고도계(GFO, Jason-1, Envisat, Jason-2, Cryosat-2, SARAL)를 이용한 해상풍을 이어도 해양 과학기지와 마라도, 외연도의 해양기상부이의 풍속을 표준 고도로 변환한 후 비교 분석하여 고도계 해상 풍의 정확도에 대하여 확인하였다. 해양실측 해상풍 에 대한 위성 고도계 해상풍의 일치점은 2007년 12 월부터 2016년 5월까지 총 1504개가 생성되었으며 평균제곱근오차는 1.59 m s−1 , 편차는 -0.35 m s−1로 나 타났다. 고도계 해상풍은 0 m s−1에서 20 m s−1의 범위 내에서 다양하게 분포하였으며, 대부분의 해상풍이 2 m s−1 이상 10 m s−1 이하 범위 내에 포함됨을 알 수 있었다.

    위성 고도계 해상풍과 해양실측 해상풍의 차이가 지니는 다양한 특성을 이해하기 위하여 실측 해상풍 에 대하여 해상풍 오차의 특성을 분석하여 오차 요 인을 파악하고자 하였다. 전체 일치점의 개수 중에 63%에 해당하는 일치점의 해상풍 오차가 음의 영역 에 분포하는 것으로 보아 인공위성 고도계의 해상풍 은 실측 해상풍과 비교하여 전체적으로 작게 산출되 고 있음을 알 수 있었다. 실제 해상풍이 커질수록 구 간별 해상풍 오차의 평균값이 감소하는 결과를 보였 는데, 실제 해상의 풍속이 약한 경우에는 위성 고도 계의 해상풍이 실제 풍속보다 과대추정되며 바람의 세기가 강한 경우에는 실제 풍속보다 과소추정되는 경향을 보였다. 또한 거리에 따른 해상풍 오차에 대 한 특성에 대해서도 확인하였다. 해상풍 오차의 평균 과 표준편차는 거리에 따라 비교적 일정하게 유지되 지만 일치점 자료간의 거리가 멀어질수록 구간별 오 차의 최댓값과 최솟값 차이가 점차 증가하였으며, 이 는 풍속의 공간 규모가 클 때에는 산란도가 적고, 반 대로 공간 규모가 작을 때는 다른 다양한 요인과 함 께 풍속 오차가 더 커지는 경향성이 나타난 것으로 추정된다.

    관측 지점 혹은 고도계에 관계없이 고도계 해상풍 은 실제 풍속이 약할 때 과대추정하고 실제 풍속이 강할 때 과소추정하는 실측 해상풍에 대한 오차 특 성이 나타났다. 이를 보정하기 위하여 오차 특성을 분석하기에 적합한 Jason-1 해상풍 자료를 선택하여 해상풍 오차 보정을 수행하였고 선형회귀기법을 이용 하여 보정식을 유도하였다. 2012년 8월 3일부터 12 일에 한반도 주변해역을 관측한 Jason-1의 해상풍 자 료에 대하여 풍속 오차를 보정하였으며, 보정 전/후 의 풍속 자료를 활용하여 해상상태편차를 산출하였 다. Jason-1 해상풍의 풍속이 3 m s−1 이하인 경우에 는 풍속이 감소하며 보정되었으며, 3 m s−1 이상인 경 우에는 풍속이 더해지며 보정되었다. 해상풍의 보정 전/후의 해상상태편차의 차의 경우 풍속 보정 특성에 따라 명확한 차가 나타나는 것을 확인하였다.

    본 연구를 통해서 인공위성 고도계 해상풍은 해상 의 바람장을 이해할 수 있는 중요한 변수임과 동시 에 지구온난화와 기후변화의 척도인 해수면고도의 오 차 보정 중 해상상태편차의 보정 과정에 기여하는 핵심 해양-대기 변수임을 제시하였다. 이러한 고도계 해상풍의 정확도 개선에 대한 연구는 추후 심층 연 구를 통해 보다 높은 정확도를 가진 해상풍 자료와 해수면고도 자료 산출에 기여하고 급변하는 해양의 변동성 연구에 인공위성 자료의 활용성을 극대화할 수 있을 것으로 기대된다.

    사 사

    이 연구는 해양수산부 국립해양조사원 이어도 해양 과학기지 활용 학술연구사업(다중 인공위성 연계 이 어도 종합해양과학기지 해양관측자료 활용 연구(II)) 의 지원을 받았습니다.

    Figure

    JKESS-39-139_F1.gif

    The tracks of satellite altimeters of (a) GFO, (b) Jason-1, (c) Envisat, (d) Jason-2, (e) Cryosat-2, and (f) SARAL on an arbitrary date, where A, B, and C denote in-situ stations of Ieodo, Marado, and Oeyeondo, respectively.

    JKESS-39-139_F2.gif

    Schematic profiles of wind speeds as a function of height from the sea surface based on LKB model for the estimation of 10 m wind speed, where the four profiles represent the wind speeds of 5, 10, 15, and 20m s−1 at a standard height of 10 m.

    JKESS-39-139_F3.gif

    Flow chart for the generation of matchup dataset between wind speeds from six satellite altimeters (GFO, Jason-1, Envisat, Jason-2, Cryosat-2, SARAL) and in-situ wind speed from the stations of Ieodo, Marado, and Oeyeondo, where t1 is 5 mins, t2 is 30 mins, and both d1 and d2 are 50 km.

    JKESS-39-139_F4.gif

    Comparison of in-situ wind speed and satellite altimeter wind speed (m s−1 ) at the stations of (a) Ieodo, (b) Marado, (c) Oeyeondo, and (d) all.

    JKESS-39-139_F5.gif

    Differences of wind speeds (altimeter-in-situ) as function of in-situ wind speed (m s−1 ) measured at the stations of (a) Ieodo, (b) Marado, (c) Oeyeondo, and (d) all. Black dots and bars represent the mean and standard deviation of wind speed differences for each interval, respectively.

    JKESS-39-139_F6.gif

    Differences of wind speeds (satellite-in-situ) as function of wind speed (m s−1 ) measured at all in-situ stations for (a) GFO, (b) Jason-1, (c) Envisat, (d) Jason-2, (e) Cryosat-2, and (f) SARAL. Black dots and bars represent the mean and standard deviation of wind speed differences for each interval, respectively.

    JKESS-39-139_F7.gif

    Difference of wind speed (altimeter-in-situ) as function of distance (km) between ground track point of altimeter and each location of in-situ stations at (a) Ieodo, (b) Marado, and (c) Oeyeondo. Black dots and bars represent the mean and standard deviation of wind speed differences, respectively, for each interval. The asterisk (*) symbols denote maximum and minimum of wind speed difference for each interval, where upper and lower dashed lines represent linear least square fits of the extreme points with maximum errors on each side.

    JKESS-39-139_F8.gif

    (a) Differences of wind speed (in-situ-Jason-1 altimeter) as function of in-situ wind speed, where the dashed line represent a linear least square fit. (b) a linear regression procedure for the correction of wind speed errors.s

    JKESS-39-139_F9.gif

    Spatial distributions of wind speed (m s−1 ) along the tracks of satellite altimeters (a) before, (b) after correction of wind speed, and differences of wind speeds (corrected-original, (b)-(a)), and sea state bias (cm) along the tracks of satellite altimeter, and (d) before and (e) after correction of wind speed, and (f) difference of sea-state bias ((e)-(d)).

    Table

    Information of satellite altimeters of GFO, Jason-1, Envisat, Jason-2, Cryosat-2, and SARAL. Abbreviations of acronyms are NASA (National Aeronautics and Space Administration), CNES (Centre National d’Etudes Spatiales), ESA (European Space Agency), EUMESAT (European Organisation for the Exploitation of Meteorological Satellites), NOAA (National Oceanic and Atmospheric Administration), and ISRO(Indian Space Research Organisation)

    Information of in-situ stations of Ieodo Ocean Research Station (IORS), Marado KMA buoy, and Oeyeondo KMA buoy. Abbreviations of acronyms are KHOA (Korea Hydrographic and Oceanographic Agency) and KMA (Korea Meteorological Administration)

    The number of matchup points between each of altimeters and in-situ stations and period

    RMSE and Bias between each of altimeters and in-situ stations

    The correction coefficients of each altimeter using linear regression analysis

    Reference

    1. S. Abdalla (2014) Calibration of SARAL/AltiKa wind speed., IEEE Geosci. Remote Sens. Lett., Vol.11 ; pp.1121-1123
    2. S. Abdalla , G.D. Chiara (2017) Estimating random errors of scatterometer, altimeter, and model wind speed data., IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., Vol.10 ; pp.2406-2414
    3. D.B. Chelton (1994) The sea state bias in altimeter estimates of sea level from collinear analysis of TOPEX data., J. Geophys. Res., Vol.99 ; pp.24995-25008
    4. D.B. Chelton , J.C. Ries , B.J. Haines , L-L. Fu , P.S. Callahan , L.-L. Fu , A. Cazenave (2001) Satellite altimetry and the earth sciences: A handbook for techniques and applications,, Academic Press, ; pp.1-131
    5. E. Dobson , F. Monaldo , J. Goldhirsh , J. Wilkerson (1987) Validation of Geosat altimeterderived wind speeds and significant wave heights using buoy data., J. Geophys. Res. D Atmospheres, Vol.921 ; pp.10719-10732
    6. T.H. Durrant , D.J.M. Greenslade , I. Simmonds (2009) Validation of Jason-1 and Envisat remotely sensed wave heights., J. Atmos. Ocean. Technol., Vol.26 ; pp.123-134
    7. N. Ebuchi , H. Kawamura (1994) Validation of wind speeds and significant wave heights observed by the TOPEX altimeter around Japan., J. Oceanogr., Vol.50 ; pp.479-487
    8. M.H. Freilich , P.G. Challenor (1994) A new approach for determining fully empirical altimeter wind speed model functions., J. Geophys. Res., Vol.99 ; pp.25051-25062
    9. P. Gaspar , F. Ogor , P.Y. Le Traon , O.Z. Zanife (1994) Estimating the sea state bias of the TOPEX and POSEIDON altimeters from crossover differences., J. Geophys. Res., Vol.99 ; pp.24981-24994
    10. C.P. Gommenginger , M.A. Srokosz , P.G. Challenor , P.D. Cotton (2002) Development and validation of altimeter wind speed algorithms using an extended collocated buoy/Topex dataset., IEEE Trans. Geosci. Remote Sens., Vol.40 ; pp.251-260
    11. J. Gourrion , D. Vandemark , S. Bailey , B. Chapron (2000) Satellite altimeter models for surface wind speed developed using ocean satellite crossovers. French Research Institute for Exploitation of the Sea, DROOS-2000-02, 61 p.,
    12. J. Gourrion , D. Vandemark , S. Bailey , B. Chapron , C.P. Gommenginger , P.G. Challenor , M.A. Srokosz (2002) A two parameter wind speed algorithm for Kuband altimeters., J. Atmos. Ocean. Technol., Vol.19 ; pp.2030-2048
    13. J.F.R. Gower (1996) Intercalibration of wave and wind data from TOPEX/POSEIDON., J. Geophys. Res., Vol.101 ; pp.3817-3829
    14. P.A. Hwang , W.J. Teague , G.A. Jacobs , D.W. Wang (1998) A statistical comparison of wind speed, wave height and wave period derived from satellite altimeters and ocean buoys in the Gulf of Mexico region., J. Geophys. Res., Vol.103 ; pp.10451-10468
    15. J.Y. Jeong , J.S. Shim , D.K. Lee , I.K. Min , J.I. Kwon (2008) Validation of QuikSCAT wind with resolution of 12.5 km in the vicinity of Korean Peninsula., Ocean Polar Res., Vol.30 ; pp.47-58
    16. Y.H. Kang , H.B. Seuk , J.H. Bang , Y.K. Kim (2015) Seasonal characteristics of sea surface winds and significant wave heights observed marine meterological buoys and lighthouse AWSs near the Korean Peninsula., Journal of Environmental Science International, Vol.24 ; pp.291-302
    17. KHOA (2018) http://www.khoa.go.kr/
    18. U.M. Kumar , D. Swain , S.K. Sasamal , N.N. Reddy , T. Ramanjappa (2015) Validation of SARAL/AltiKa significant wave height and wind speed observations over the North Indian Ocean., J. Atmos. Sol. Terr. Phys., Vol.135 ; pp.174-180
    19. S. Labroue , P. Gaspar , J. Dorandeu , O.Z. Zanife , F. Mertz , P. Vincent , D. Choquet (2004) Non-parametric estimates of the sea state bias for Jason-1 radar altimeter., Mar. Geod., Vol.27 ; pp.453-481
    20. J. Lillibridge , R. Scharro , S. Abdalla , D. Vandemark (2014) One- and two-dimensional wind speed models for Ka-band altimetry., J. Atmos. Ocean. Technol., Vol.31 ; pp.630-638
    21. W.T. Liu , W. Tang (1996) Equivalent neutral wind, Jet Propulsion Laboratory., Vol.96-17
    22. W.T. Liu , K.B. Katsaros , J.A. Businger (1979) Bulk parameterization of air-sea exchanges of heat and water vapor including the molecular constraints at the interface., J. Atmos. Sci., Vol.36 ; pp.1722-1735
    23. C.A. Paulson (1970) The mathematical representation of wind speed and temperature profiles in the unstable atmospheric surface layer., J. Appl. Meteorol., Vol.9 ; pp.857-861
    24. D.L. Witter , D.B. Chelton (1991) A Geosat wind speed algorithm and a method for altimeter wind speed algorithm development., J. Geophys. Res., Vol.96 ; pp.8853-8860
    25. H.J. Woo , K.A. Park , D.S. Byun , J.Y. Lee , E.I Lee (2018) Characteristics of the Differences between Significant Wave Height at Ieodo Ocean Research Station and Satellite Altimeter-measured Data over a Decade (2004~2016), 23, 1-19.,
    26. J. Wu (1999) On wave dependency of altimeter sea returns -Weak fetch influence on short ocean waves., J. Atmos. Ocean. Technol., Vol.16 ; pp.373-378
    27. S. Zieger , J. Vinoth , I.R. Young (2009) Joint calibration of multiplatform altimeter measurements of wind speed and wave height over the past 20 years., J. Atmos. Ocean. Technol., Vol.26 ; pp.2549-2564