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.6 pp.555-567
DOI : https://doi.org/10.5467/JKESS.2018.39.6.555

Comparison of Sea Surface Temperature from Oceanic Buoys and Satellite Microwave Measurements in the Western Coastal Region of Korean Peninsula

Hee-Young Kim1, Kyung-Ae Park2*
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
Corresponding author: kapark@snu.ac.kr Tel: +82-2-880-7780
November 22, 2018 December 24, 2018 December 24, 2018

Abstract


In order to identify the characteristics of sea surface temperature (SST) differences between microwave SST from GCOM-W1/AMSR2 and in-situ measurements in the western coast of Korea, a total of 6,457 collocated matchup data were produced using the in-situ temperature measurements from marine buoy stations (Deokjeokdo, Chilbaldo, and Oeyeondo) from July 2012 to December 2017. The accuracy of satellite microwave SSTs was presented by comparing the ocean buoy data of Deokjeokdo, Chilbaldo, and Oeyeondo stations with the AMSR2 SST data more than five years. The SST differences between the microwave SST and the in-situ temperature measurements showed some dependence on environmental factors, such as wind speed and water temperature. The AMSR2 SSTs were tended to be higher than the in-situ temperature measurements during the daytime when the wind speed was low (<6 ms−1). On the other hand, they showed positive deviation increasingly as the wind speed increased for nighttime. In addition, increasing tendency of SST differences was related to decreasing sensitivity of microwave sensors at low temperatures and data contamination by land. A monthly analysis of the SST difference showed that unlike the previous trend, which was known to be the largest in winter when strong winds were blowing, the SST difference was largest in summer in Deokjeokdo and Chilbaldo buoy stations. This seemed to be induced by differential tidal mixing at the collocated matchup points. This study presented problems and limitations of the use of microwave SSTs with high contribution to the SST composites in the western coastal region off the Korean peninsula.



한반도 서해 연안 해역에서의 해양 부이 관측 수온과 위성 마이크로파 관측 해수면온도의 비교

김 희영1, 박 경애2*
1서울대학교 과학교육과, 08826, 서울특별시 관악구 관악로 1
2서울대학교 지구과학교육과/해양연구소, 08826, 서울특별시 관악구 관악로 1

초록


본 연구에서는 서해 연안에서의 실측-위성 해수면온도 차이를 규명하고 그 특성을 분석하기 위해 GCOM-W1/AMSR2 마이크로파 해수면온도 자료와 서해 연안에 위치한 덕적도, 칠발도, 외연도 해양기상 부이의 실측 수온 자료를 활용하여 2012년 7월부터 2017년 12월까지 총 6,457개의 일치점 자료를 생산하였다. 5년 이상의 덕적도, 칠발도, 외연 도 해양 부이 수온 자료와 AMSR2 해수면온도를 비교하여 정확도를 제시하였다. 마이크로파 위성 해수면온도와 현장 관측 부이 해수면온도 간의 차이는 풍속과 수온 등 환경 요인에 대한 의존성을 가지는 것으로 나타났다. 낮시간 풍속 이 약할 때 (<6 ms−1) AMSR2 해수면온도는 실측 해수면온도보다 높게 산출되며, 밤시간에 대해서는 풍속이 커질수록 양의 편차가 증가함을 밝혔다. 또한 AMSR2 해수면온도와 실측 해양부이 수온 간의 차이가 증가하는 경향은 낮은 온 도에서 마이크로파 센서의 민감도의 저하와 육지에 의한 자료오염과 관련이 있는 것으로 나타났다. 실측-위성 해수면온 도 차이를 월별로 도시해본 결과, 마이크로파 위성 해수면온도의 편차는 강한 바람이 부는 겨울철에 가장 커진다고 알 려져 있던 기존의 경향성과는 달리 덕적도, 칠발도 부이에서는 여름철 가장 큰 해수면온도 편차값이 나타났다. 이러한 차이는 부이의 위치에 따른 조석 혼합의 공간적 차등에 기인한 것으로 사료된다. 본 연구는 인공위성 합성장에 기여도 가 높은 마이크로파 위성 해수면온도를 사용할 때 한반도 서해안에서 발생할 수 있는 문제점과 제한점을 제시하였다.



    Korea Meteorological Administration
    KMI2018-05110

    서 론

    해수면온도는 해양-대기의 상호작용을 규명하고, 기후 변동을 이해하는 데 필수적인 해양 매개 변수 중 하나이며, 대기와 해양 사이의 열, 운동량 및 수 증기 교환에 근본적인 역할을 한다. 해수면온도의 분 포와 특성은 해양 생태계에 중요한 영향을 미치며, 기후 변화 모니터링, 일기 예보, 해양 자료 동화와 같은 많은 환경 응용 분야에서 널리 사용되어 왔다 (Yan et al., 2015;Dai, 2016).

    해수면온도를 측정하기 위한 종래의 방법은 해양 부이나 선박 등을 이용하여 직접 해수 표면을 관측 하는 것이었으나, 공간적인 제약으로 자료 분포가 매 우 희박하여, 넓은 지역에 대한 해수면온도 자료를 얻는데 매우 비효율적이라는 단점이 있다(Banzon et al., 2010). 이에 비하여 인공위성을 통한 해수면온도 관측은 전 지구적 영역에 대한 지속적인 자료 산출 이 가능하기 때문에 해수면온도의 공간 분포를 분석 하고 지상 관측 데이터의 범위를 보완하는 데 유용 하게 활용될 수 있다. 해수면온도 측정 기술은 1970 년대 이후 원격 탐사 위성의 발사와 함께 상당한 발 전을 보여왔는데, 적외 영역과 마이크로파 영역을 이 용하여 산출될 수 있다. 3.7 및 10-12 μm의 스펙트럼 영역의 적외선(IR) 센서는 20년 이상 해수면온도의 산출에 활용되어 왔다. 적외 영역 해수면온도는 높은 공간 해상도(~4k m)와 정확도(0.3-0.4K)를 가지지만 구름이나 에어로졸이 존재할 경우 산출이 불가능하여 모든 기상 조건에서의 유용성을 제한하게 한다 (Emery et al., 1994;Harris and Saunders, 1996;McClain, 1989;Donlon et al., 2007;Walton, 2016). 이에 비하여 마이크로파 영역에서는 강수 구역이 아 니라면 구름이 존재하여도 자료를 획득할 수 있고, 대기 보정이 비교적 쉬워 해수면온도의 연속적인 시 계열 자료를 얻을 수 있다는 장점을 가진다(Wentz et al., 2000). 이러한 마이크로파 해수면온도의 성질은 적외 영역 해수면온도의 결측을 채우고, 이를 통해 해수면온도 합성장을 생산하는 중요한 수단을 제공한 다(Donlon et al., 2004;Maturi et al., 2017). 반면 낮은 공간 해상도(~50 km)와 저온에서의 감도 감소 로 인한 정확도 저하와 같은 단점 또한 존재한다.

    초기 마이크로파 복사계는 열악한 보정 시스템과 해수면의 변수에 민감하게 반응하는 저주파 채널의 부재로 인해 유용성이 현저히 떨어져 사용이 제한되 었다. 고품질의 마이크로파 해수면온도 자료는 1997 년 11월에 발사된 Tropical Rainfall Microwave Mission (TRMM) Microwave Imager (TMI)의 10.7 GHz 주파수에서 관측 자료가 산출되면서부터 가능해 졌다. 이후, Advanced Earth Observing Satellite-II (ADEOS-II) / Advanced Microwave Scanning Radiometer (AMSR)와 EOS-Aqua / AMSR Earth Observing System (AMSR-E)의 마이크로파 센서로부터 산출된 해수면온도가 다양한 연구에 활발하게 활용되어 왔 고, 현재는 WindSat과 Global Change Observation Mission-Water1 (GCOM-W1) / AMSR2, Global Precipitation Measurement (GPM) / GPM Microwave Sensor (GMI)가 운용되고 있다.

    마이크로파 해수면온도의 정확도 및 오차 특성을 밝히기 위한 연구는 지금껏 꾸준히 이루어져 왔다. 마이크로파 해수면온도는 평균 0.4-0.9 °C의 정확도를 가지는 것으로 평가되며 풍속, 수증기량, 연안으로부 터의 거리, 수온 등의 다양한 환경적인 요인들로부터 오차가 발생할 수 있다(Gentemann et al., 2004;Dong et al., 2006;Hihara et al., 2015;Gentemann and Hilburn, 2015;Kim et al., 2018). 그러나 대부분 의 정확도 평가 연구가 전지구 영역에 초점이 맞춰 져 진행되다 보니 지역적인 오차 특성을 세세히 살 피지 못하는 경우가 많다. 다양한 지역적 특성의 영 향을 받아 마이크로파 산출 해수면온도의 정확도는 크게 달라질 수 있으므로 국지적인 지역에 대한 자 료 검증 연구가 선행되어야 한다.

    한반도 서쪽에 위치하는 황해는 최대 수심 약 152 m, 평균 수심은 44 m 정도로 얕은 해역에 속하며 중 앙부에 수심 100 m 내외의 남-북 방향 깊은 골이 한 반도 쪽으로 치우쳐 위치하고 있다(Fig. 1). 얕은 수 심과 복잡한 지형을 지닌 탓에 황해는 시공간적인 변동성이 크게 나타나는 편이다. 대기 기온 변화에 빠르게 반응하여 해수와 대기간의 열 교환이 활발히 이루어지고, 계절적인 변동이 크게 나타난다. 또한 강한 조석작용으로 연안에서는 연직혼합이 활발히 이 루어지는 모습을 보인다(Lie et al., 1986). 이와 같이 수온이 큰 폭의 변동성을 보이는 해역은 다양한 해 양과 대기 조건으로 인해 인공위성 자료로부터 산출 된 해수면온도가 실제 수온과 큰 차이를 나타낼 수 있다. 따라서, 본 연구에서는 황해 해역에 대한 GCOMW1/ AMSR2 위성의 마이크로파 해수면온도를 기상청 의 덕적도, 칠발도, 외연도 해양부이 자료와 비교하 고, 관측 자료의 차이를 유발하는 요인을 파악하여, 추후 마이크로파 해수면온도 자료 및 해양기상부이 자료 활용의 기반을 마련하고자 한다.

    자료 및 방법

    마이크로파 해수면온도 자료

    AMSR2는 극궤도 위성 GCOM-W1에 탑재된 수동 마이크로파 센서로 JAXA에서 개발하여 운용중이며 2012년 5월에 발사되어 같은 해 7월부터 자료가 배 포되고 있다. 지구 표면으로부터 방출되는 복사에너 지를 7개의 마이크로파 파장대에서 탐지하며 각 파 장에 대하여 수직 및 수평으로 편광된 총 12개의 채 널을 가지고 있다. 같은 지역에 대한 관측은 약 16일 을 주기로 반복된다. 주요 특징 및 채널 정보를 Table 1에 요약하였다.

    4-11 GHz 사이의 주파수 영역에서 수직으로 편광 된 해수면의 휘도 온도(Tb)는 해수면온도에 대해 상 당한 민감도를 가지고 있다. 해수면온도 이외에도, 휘도 온도는 해수면의 거칠기와 대기 온도 및 수분 의 수직적 구조에 의존하여 변하지만, 해수면 거칠기 와 대기의 스펙트럼 및 편광 신호는 해수면온도의 신호와는 분명히 다르기 때문에 이러한 요인들이 주 는 영향은 다중 주파수 및 편파를 동시에 이용하여 보정할 수 있다(Meissner et al., 2012).

    마이크로파 복사계에 일반적으로 적용되는 알고리 즘은 물리적 기반의 회귀 분석으로, 이를 통해 휘도 온도로부터 해수면온도를 추정할 수 있다. 먼저, 복 사 전달 모델에서 결정된 회귀 계수를 계산하여 초 기 해수면온도를 추정한 다음, 일련의 국지적 산출 알고리즘이 초기 해수면온도의 상대적으로 좁은 범위 에 대하여 적용된다. 그 결과 모든 해수면온도와 풍 향의 다양한 조합을 고려한 −3-34 °C 범위의 해수면 온도 기준값이 유도된다(Wentz and Meissner, 2007). 강우, 태양 반사점, 육지 근처 또는 주파수 간섭이 존재하는 해역에서는 마이크로파 해수면온도의 산출 이 제한된다(Gentemann, 2014).

    본 연구에서는 해양 실측자료와의 비교 및 실측-위 성 해수면온도 차이가 나타내는 특성을 분석하기 위 하여 Remote Sensing Systems (RSS)에서 배포되고 있는 버전 8의 level 2 (L2) 해수면온도를 수집하였 다. 2012년 7월부터 2017년 12월까지 총 5년 6개월 간의 AMSR2 해수면온도 자료를 분석에 활용하였으 며, 해수면온도 오차의 다양한 요인들에 대한 분석을 위해 L2 자료 중 풍속, 대기 수증기량, 구름 수액량 (cloud liquid water), 강수량 등의 변수 정보도 수집 하여 활용하였다.

    해양 기상 부이 자료

    황해 해역에 대한 해양 실측 자료로 기상청에서 제공하는 해양 기상 부이 자료를 수집하였다. 해양 기상 부이는 해수면에서 종합적인 해양기상현상을 각 종 관측장비로 측정하고, 측정한 값을 일정한 물리량 으로 변환·처리하여 위성으로 전송하는 장비이다. 현 재 서해 7개소(덕적도, 칠발도, 외연도, 신안, 인천, 부안, 추자도), 남해 4개소(거문도, 거제도, 통영, 울 산), 동해 4개소(동해, 포항, 울릉도, 울진), 제주도 2 개소(마라도, 서귀포) 등 총 17개소에 설치되어 있다. 관측요소는 풍향, 풍속, 기압, 기온, 습도, 파고, 파주 기, 파향, 수온 등이며, 매 정시 자료를 생산하는 것 을 기본으로 한다. 본 연구에서는 17개의 해양 기상 부이 중 황해에 위치하고 있는 덕적도, 칠발도, 외연 도의 관측 자료를 활용하였으며 2012년 7월부터 2017년 12월까지 총 120,603개의 부이 자료를 획득 하였다.

    해양 실측 자료 품질 검사

    위성 해수면온도와 해양 실측 자료의 비교 분석을 수행하기 위해서는 우선 정확한 실측 자료가 필요하 다. 해역의 상태나 물리적인 환경 요인 및 관측 센서 의 오류 등으로 인해 해양 부이 자료에 관측 오차가 나타날 수 있는데, 예를 들어 13시간 동안 동일한 값 을 기록한다던가, 일변화가 30 °C 이상 나타나는 경우 는 실제 관측값이라기보다는 관측 오류로 간주할 수 있을 것이다. 따라서, 실측 자료를 연구에 활용하기 전 자료의 품질을 검사하고 통계적인 기법을 통해 관측 오차로 판단되는 자료를 제거하는 과정이 필요 하다.

    본 연구에서는 기상청에서 개발한 품질 관리 절차 를 적용하여 부이 자료의 오류를 제거하였으며 다음 과 같은 순서로 이를 수행하였다. 1) −99 이하의 값 을 제거하고 하루에 10회 미만의 관측치를 가진 부 이는 자료에서 제외하였다. 2) 하루 중 부이별 최대 값과 최소값의 차이가 4 °C 이상인 자료와 최대값과 최소값이 같은 경우, 즉 지속적으로 같은 값이 기록 된 자료를 제거하였다. 3) m (일평균)±3σ (표준편차) 의 범위를 벗어나는 자료도 오류로 간주하여 제외하 였다. 4) 표준편차가 기준일 이후 4일 동안 2 °C 이상 이거나 0 °C인 경우 4일간 해당 부이의 자료는 모두 제외하였다. 위의 과정을 거쳐도 부이 자료에 여전히 남아있는 관측 오차는 10년 동안의 일별 해수면온도 기후장을 사용하여 제거하였다. 해수면온도 기후장과 8 °C 이상의 차이를 보이는 부이 해수면온도는 이상치 로 간주하였으며(O’Carroll et al., 2006), 그 결과 6,020개의 덕적도 부이 자료, 9,818개의 칠발도 부이 자료, 5,986개의 외연도 부이 자료가 제거되었다.

    일치점 생산 과정

    AMSR2 해수면온도와 해양 실측 해수면온도간의 비교를 위해 일정 시간, 공간 내의 일치점 자료를 생 산하였다. 30분 이내의 시간 격차를 주고, AMSR2의 공간 해상도 및 실측 자료가 연안 부이 자료임을 고 려하여 50 km 이내의 공간 격차를 주었다. 일치점 자료에는 실측 부이와 위성의 해수면온도뿐만 아니라 부이와 위성의 관측 위치, 시간, 부이의 풍속, 풍향, 기온 및 위성의 풍속, 대기 수증기량, 구름의 수분량, 강수량 등의 정보 또한 함께 기록되도록 하여 위성 마이크로파 해수면온도의 오차 특성 분석을 수행하 였다.

    연구 결과

    실측-위성 해수면온도 일치점 생산 결과

    2012년 7월부터 2017년 12월까지 5년 이상의 인공 위성-해양 실측 자료를 활용하여 총 6,457개의 일치 점을 생산하였다. 일치점 자료의 공간 분포는 인공위 성 궤도, 해양 자료가 관측된 위치 및 관측 시간에 따라 그 개수가 달라질 수 있다. 이러한 일치점들의 위치 정보는 인공위성이 산출한 해수면온도의 오차를 이해하는 데 중요한 역할을 한다. Table 2에 위성 해 수면온도와 각 해양 기상 부이 자료 간의 일치점 개 수를 연도에 따라 표기하였다.

    마이크로파 영역에서 육지의 방사율은 평균 0.85 정도로, 해양의 평균 방사율인 0.4보다 높은 방사율 을 가진다. 따라서, 육지로부터 방출된 마이크로파 신호가 연안을 지나는 마이크로파 센서에 의해 해양 관측값과 함께 관측된다면 실제 휘도온도보다 높은 값이 산출되어 그로 인한 양의 편차가 마이크로파 해수면온도에 남을 수 있다(Ricciardulli and Wentz, 2004). 이러한 육지에 의한 자료 오염을 고려하여 연 안으로부터 100 km 이내의 해수면온도는 RSS의 AMSR2 해수면온도 자료에서 제거된다. 본 연구에 사용된 해양 기상 부이는 모두 연안 70 km 이내에 위치하므로 일치점 생산시 AMSR2 자료와의 공간 격차가 다소 크게 나타날 수 있다. 연안으로부터 37, 51 km 떨어져있는 덕적도, 칠발도 부이에 비하여 상 대적으로 외해에 위치한 외연도 부이 자료와의 일치 점이 가장 많았고, 연도별 분포는 비교적 고르게 나 타나있다.

    생성된 일치점 자료는 1.4 °C부터 30.9 °C까지 넓은 해수면온도 분포를 보였으며 전체의 26.8%에 해당하 는 1333개의 일치점들이 5-10 °C 범위에 분포하고 있 다. 5 °C 이하에서는 12.1%를 차지하는 601개의 일치 점들이 생산되었으며, 30 °C 이상의 고수온에서는 8개 의 일치점이 생산되었다. 이처럼 온도 범위에 따라 분포 편차는 존재하지만 비교적 고른 분포를 보이고 있어 다양한 온도 범위에 대한 오차 특성 및 극한 상황에서의 해수면온도 정확도를 분석할 수 있다.

    마이크로파 해수면온도와의 비교

    AMSR2 해수면온도의 정확도 검증을 위해 해양 부이 해수면온도와 인공위성 관측 해수면온도를 비교 하였다(Fig. 2a, c, e). 해양 실측 수온에 대하여 AMSR2 해수면온도는 선형의 비례관계를 보여 전반 적으로 잘 일치하는 것으로 평가되지만 양의 편차가 강하게 나타나는 것을 확인할 수 있다. Table 3에 AMSR2 해수면온도의 일치점 개수, 평균제곱근오차 (RMSE, Root Mean Square Error), 편차(bias) 및 상 관계수(correlation coefficient)를 정리하였다. 주야간 을 나누지 않고 모든 일치점 자료에 대하여 AMSR2 해수면온도의 정확도를 계산한 결과 덕적도, 칠발도, 외연도 해양부이에 따라 약 2.07, 2.33, 1.14 °C의 평 균제곱근오차를 보였고, 편차는 약 1.29, 1.59, 0.66 °C로 나타났다. 이는 기존 연구에서 마이크로파 해수 면온도의 평균제곱근오차로 제시되어온 0.4-0.9 °C에 비하면 높은 수치이다(Gentemann et al., 2010;Hosoda, 2010;Stammer et al., 2003).

    해양 실측 해수면온도와 AMSR2 해수면온도 간의 차이가 나타내는 특성을 이해하기 위하여 AMSR2 해수면온도의 오차를 해양 실측 해수면온도에 대한 함수로 도시하였다(Fig. 2b, d, f). AMSR2 해수면온 도의 오차는 실측 해수면온도에 대하여 대략 5-5 °C 이내에 분포하였으며 전반적으로 양의 편차를 보였다. 실측 해수면온도가 낮아질수록 AMSR2 해수면온도 와 해양 부이 해수면온도간의 차이는 커지는 것을 확인할 수 있는데, 이는 수온이 낮아질수록 마이크로 파 센서의 민감도가 현저히 저하되어 오차가 발생하 기 때문인 것으로 추정된다.

    실측-위성 해수면온도 차이에 대한 풍속의 영향

    풍속이 AMSR2 해수면온도와 실측 해수면온도 간 의 차이에 미치는 영향을 분석하기 위해 위성 풍속 자료를 활용하여 해수면온도 차이의 변동을 나타내었 다. 분석에 필요한 자료의 신뢰도 면에서 실측 풍속 자료를 활용하는 것이 가장 좋지만, 일치점 자료 중 풍속 자료가 기록된 해양 부이 자료가 거의 없어 자 료 획득에 어려움을 겪었다. 매우 제한적인 자료 개 수는 분석 결과에도 큰 영향을 줄 것으로 판단되어 부득이하게 위성 풍속 자료로 분석을 수행하였다.

    Fig. 3a, b, c는 낮시간 동안 풍속에 따른 실측-위 성 해수면온도 차이의 변동을 나타낸 것이다. 덕적 도, 칠발도, 외연도 해양 부이 모두 6 ms−1 이하의 풍 속 범위에서 풍속이 감소할수록 위성 해수면온도의 양의 편차가 증가하는 경향이 나타났다. 낮은 풍속에 서 해수면온도 오차가 큰 양의 편차를 보이는 것은 이전 연구에서도 밝혀진 바 있듯이 주간, 약한 바람 조건에서 해수면의 과도한 가열로 인한 것일 수 있 다(Gentemann and Wentz, 2001;Donlon et al., 2007;Park et al., 2015). 해양 실측 부이는 수십 cm 정도의 깊이 사이에서 수온을 측정하는 반면 마이크 로파 센서는 해수면에서 대략 1 mm 이내에서 나오 는 복사에너지를 관측하여 해수면온도를 산출한다. 위성과 해양 실측 부이 간의 이러한 관측 깊이의 차 이는 낮은 풍속 조건에서 낮시간 동안 해수면의 가 열로 인해 수온의 수직 변화가 커지면 오차 요인으 로 작용할 수 있다.

    밤시간 동안 풍속에 따른 실측-위성 해수면온도 차 이는 풍속이 증가함에 따라 양의 방향으로 증가하는 모습을 보인다(Fig. 3d). 이것의 주된 이유는 높은 풍 속일 때 해수면 방사율이 더 큰 오차를 갖기 때문이 다. 표면 거칠기는 풍속 및 풍향의 함수로 나타낼 수 있는데(Meissner and Wentz, 2012), 이 때 방사율과 풍속의 상관 관계가 완벽하게 정의되지 않으므로 오 차가 발생할 수 있으며(Wentz, 1997), 강한 풍속으로 인한 표면 방사율의 불확실성은 마이크로파 해수면온 도 산출 시 오차의 주요 원인 중 하나가 될 수 있다.

    실측-위성 해수면온도 차이의 계절별 특성

    Fig. 4는 AMSR2 해수면온도와 해양부이 해수면온 도 간의 차이를 월별로 도시한 것이다. 덕적도와 칠 발도의 경우 여름철에 해당하는 6-7월에 실측-위성 해수면온도 차이가 최대가 되고 봄, 가을에 최솟값이 나타난다. 이와는 반대의 형태로 외연도 부이 자료에 서는 해수면온도 차이가 여름철에 가장 낮은 값을 보이고, 봄, 가을에 증가하여 최댓값이 나타나는 경 향성이 있었다.

    일반적으로 마이크로파 해수면온도의 오차는 강한 바람이 부는 겨울철에 가장 커진다고 알려져 있다 (Kim et al., 2018). 마이크로파의 방사율은 해수면의 거칠기에 따라 그 값이 달라지며, 해수면의 거칠기가 커질수록 방사율도 증가하게 된다(Stogryn, 1967;Wentz, 1983). 해수면 거칠기는 풍속, 풍향, 취송거리 의 영향을 받는데(Yoshimori et al., 1994), 만약 해상 풍의 풍속이 커지면 해수면의 방사율이 높아져 위성 에서 측정되는 휘도온도를 증가시키게 될 것이다. 해 수면온도 산출 시 강한 풍속에서의 이러한 효과가 잘 보정되지 않으면 오차로 남아 양의 편차를 일으 킬 수 있다. 또한, 겨울철의 낮은 해수면온도 역시 마이크로파 센서의 민감도를 저하시켜 오차 요인으로 작용할 수 있다. 따라서 마이크로파 해수면온도는 보 편적으로 겨울철에 가장 큰 오차를 가지게 된다. 기 존의 이러한 경향성과 다른 패턴을 보이는 덕적도와 칠발도 부이에서의 실측-위성 해수면온도 차이는 또 다른 요인이 작용하는 것으로 생각해 볼 수 있으며 이는 아래에서 다시 제시하였다.

    실측 해수면온도의 변동 특성에 따른 실측-위성 해수면온도 차이

    실측 해수면온도의 변동 특성에 따라 실측-위성 해 수면온도 차이가 어떻게 나타나는지 분석해보기 위하 여 2013년부터 2017년까지 5년 동안의 부이 해수면 온도를 일평균하여 월별로 도시하였다(Fig. 5). 덕적 도, 칠발도, 외연도 부이의 해수면온도 분포 범위는 0-31.5 °C이며 4-7 °C의 낮은 겨울철 온도와 26-27 °C의 높은 여름철 온도가 주기적으로 나타나는 뚜렷한 계 절성이 드러난다. 덕적도와 칠발도의 여름철 수온보 다 외연도의 여름철 수온이 높게 나타나는 것을 확 인할 수 있는데, 이는 계절별 해수면온도의 공간 분 포도에서도 나타난다(Fig. 6). 여름철 덕적도와 칠발 도 주변의 수온이 외연도 부근의 수온보다 확연히 낮게 나타나는 것은 황해의 강한 조류로 인한 조석 혼합의 현상이라고 사료된다. 덕적도, 칠발도, 외연도 해양부이가 위치한 한반도 서해 연안은 강한 반일주 조 형의 조석이 나타나는 것으로 잘 알려져 있다. 각 부이가 위치한 곳에서 가장 가까운 조위관측소의 해 수면고도 자료로 스펙트럼 분석을 수행한 결과 역시 뚜렷한 반일주조의 주기를 나타내고 있다(Fig. 7).

    황해는 가운데에 깊은 골이 존재하고 동쪽과 서쪽 연안 방향으로 가까워질수록 수심이 얕아지는 구조의 해저지형을 가지며, 조석의 영향을 강하게 받는 해역 이다. 여름철 태양복사 가열과 강수 및 강으로부터의 담수 유입은 수괴의 밀도를 성층화시켜 수심이 깊은 황해의 외해에서는 2층 구조의 수층이 형성된다. 반 면, 수심이 얕아지고 해안선의 변화로 조류가 크게 증가하는 황해 연안에서는 조류혼합에 의해 조석전선 이 형성되며, 해수가 연직방향으로 잘 혼합되어 저층 에서의 등온선이 해저 바닥 쪽으로 기울어져 있는 모습을 확인할 수 있다(Fig. 8) (Lee and Choi, 1997;Lie, 1989;Lee and Beardsley, 1999;Kwon et al., 2011). 조석 전선의 위치는 조류의 속력과 수심에 따 라 결정된다는 이론을 제시한 Simpson and Hunter (1974)의 연구에서는 역학적 에너지 균형에 따라 조 석 전선의 위치를 정량적으로 제시할 수 있는 Simpson Hunter parameter가 제시되었으며, 황해에서 의 Simpson Hunter parameter를 계산한 Ren et al. (2014) 연구에 따르면 덕적도와 칠발도 부이의 위치 는 조석 혼합이 활발히 일어나는 조석 전선 내에 위 치하고, 외연도는 조석 전선 바깥에 위치한다.

    이러한 조석전선의 영향으로 조석전선 내의 덕적도 와 칠발도에서의 여름철 해수면온도는 상대적으로 낮 게 나타나고, 조석 전선 바깥의 성층화된 해역의 외 연도 부이 해수면온도는 여름철에 수온이 높게 나타 나게 되는 것이다. 이는 실측-위성 해수면온도 차이 의 계절별 특성에서도 드러난다. 여름철 덕적도와 칠 발도에서 실측-위성 해수면온도 차이가 최대값을 가 지는 이유는 일치점 생산시 마이크로파 해수면온도 자료는 부이 자료보다 상대적으로 외해에 위치할 수 밖에 없는데, 여름철 태양복사의 가열과 강수 등으로 인해 성층화된 외해의 해수면온도는 조석 혼합에 의 해 해수가 연직 방향으로 잘 섞인 서해 연안의 부이 수온보다 높게 관측될 수 있기 때문이라고 생각해볼 수 있다.

    요약 및 결론

    마이크로파 해수면온도의 정확도는 다양한 지역적 특성에 따라 크게 달라질 수 있으며, 현재 JAXA가 운용하고 있는 마이크로파 센서인 GCOM-W1/AMSR2 로 관측한 해수면온도와 서해 연안의 부이 해수면온 도와의 비교 분석 및 해수면온도 차이에 대한 특성 은 분석된 바가 없다. 따라서 본 연구에서는 2012년 7월부터 2017년 12월까지 AMSR2 해수면온도와 기 상청 해양기상부이 중 서해 연안에 위치한 덕적도, 칠발도, 외연도 부이 해수면온도를 비교 분석하고 실 측-위성 해수면온도 차이를 유발하는 요인을 고찰하 였다. AMSR2의 공간 해상도 및 연안 부이임을 고려 하여 공간 격차는 50 km, 시간 격차는 30분 이내의 일치점 자료를 생산하였다.

    각 해양부이 해수면온도에 대한 AMSR2 해수면온 도의 평균제곱근오차는 덕적도, 칠발도, 외연도 해양 부이에 따라 약 2.07, 2.33, 1.14 °C로 나타났고, 편차 는 약 1.29, 1.59, 0.66 °C로 나타났다. 이는 기존 연 구에서 제시되어왔던 마이크로파 해수면온도의 평균 오차보다는 다소 높은 수치이다. 마이크로파 해수면 온도와 실측 해수면온도 간에는 여러 환경적인 요인 들의 영향을 받아 해수면온도 차이가 발생할 수 있 다. AMSR2 해수면온도는 낮시간 동안 낮은 풍속 (<6 ms−1)에서 실측 해수면온도보다 높게 산출되는 경 향이 있으며, 밤시간에 대해서는 풍속이 커질수록 양 의 편차가 증가하는 모습을 확인할 수 있었다. 또한, 저온에서 저하되는 민감도와 육지에 의한 자료오염 또한 AMSR2 해수면온도와 해양 부이 해수면온도 간의 차이를 발생시킨다. 실측 해수면온도가 낮아질 수록 오차가 증가하며 연안에 근접할수록 육지의 영 향으로 양의 편차가 증가하였다.

    실측-위성 해수면온도 차이를 월별로 도시해보았을 때, 덕적도와 칠발도의 경우 여름철에 해당하는 6-7 월에 해수면온도 차이가 최대가 되고 봄, 가을에 최 소값이 나타난다. 반대로 외연도 부이 자료에서는 해 수면온도 차이가 여름철에 가장 낮은 값을 보이고 봄, 가을에 증가하여 최대값이 나타나는 형태를 보인 다. 일반적으로 마이크로파 위성 해수면온도의 오차 는 강한 바람이 부는 겨울철에 가장 커진다고 알려 져 있으나, 덕적도, 칠발도 부이에서 기존의 경향성 과 다른 패턴인 여름철에 가장 큰 해수면온도간 양 의 편차가 나타나는 것은 일치점 간의 위치와 조석 혼합에 의한 것으로 사료된다. 마이크로파 해수면온 도 자료는 일치점 생산시 부이 자료보다 상대적으로 외해에 위치할 수밖에 없으며, 이러한 위치 차이는 여름철 태양복사의 가열과 강수 등으로 인해 성층화 된 외해의 해수면온도와 조석 혼합에 의해 해수가 연직 방향으로 잘 섞인 서해 연안의 부이 수온 간의 차이를 가져와 여름철 높은 양의 해수면온도 편차를 보인 것으로 판단된다.

    사 사

    본 연구는 기상청 “기상·지진See-At기술개발연구 사업(KMI2018-05110)”의 지원을 받아 수행되었습 니다.

    Figure

    JKESS-39-555_F1.gif

    (a) Bathymetry of the seas around the Korean Peninsula and (b) the locations of the marine buoy stations (Deokjeokdo, Oeyeondo, and Chilbaldo) of Korea Meteorological Agency (KMA) west of the Korean Peninsula as marked in red stars.

    JKESS-39-555_F2.gif

    Comparison of satellite-observed sea surface temperature from AMSR-2 and surface temperatures from the marine buoys at (a) Deokjeokdo, (c) Chilbaldo, and (e) Oeyeondo, and the differences between the two temperatures, satellite SST minus buoy temperature, at the stations of (b) Deokjeokdo, (d) Chilbaldo, and (f) Oeyeondo for the period from 2012 to 2017.

    JKESS-39-555_F3.gif

    Differences of satellite-observed sea surface temperature and buoy temperatures as a function of wind speed (ms−1) in the daytime at the marine buoy stations of (a) Deokjeokdo, (b) Chilbaldo, and (c) Oeyeondo, and (d) the differences as a function of wind speed (ms -1 ) in the nighttime at the Oeyeondo station.

    JKESS-39-555_F4.gif

    Monthly variations of the differences of satelliteobserved sea surface temperature and buoy temperatures from the marine buoys at (a) Deokjeokdo, (b) Chilbaldo, and (c) Oeyeondo stations.

    JKESS-39-555_F5.gif

    Year-month variations of buoy temperatures from the marine buoys at the stations of (a) Deokjeokdo, (b) Chilbaldo, and (c) Oeyeondo.

    JKESS-39-555_F6.gif

    Spatial distribution of mean sea surface temperatures ( °C) in the coastal region off the Korean Peninsula divided into (a) spring, (b) summer, (c) autumn, and (d) winter where the red stars denote the marine buoy stations of Deokjeokdo, Chilbaldo, and Oeyeondo

    JKESS-39-555_F7.gif

    Power spectrum of sea level observed at (a) Deokjeokdo, (b) Chilbaldo, and (c) Oeyeondo stations in the coastal region off the Korean Peninsula.

    JKESS-39-555_F8.gif

    Zonal section of vertical distribution of sea water temperatures ( °C) at the western coastal region off the the Korean Peninsula during summer under conditions (a) without tidal mixing and (b) with vigorous tidal mixing.

    Table

    Characteristics of GCOM-W1/AMSR2

    Number of matchup points by year for 3 oceanic buoy station

    Rms error, mean bias (AMSR2 minus in-situ), correlation coefficient, and number of collocations

    Reference

    1. Banzon, V. F. , R. W. Reynolds, and T. M. Smith., 2010. The role of satellite data in extended reconstruction of sea surface temperatures. Paper read at Extended Abstracts, Oceans from Space Symp, Venice.
    2. Chelton, D. B. and F. J. , Wentz, 2005. Global microwave satellite observations of sea surface temperature for numerical weather prediction and climate research . Bulletin of the American Meteorological Society, 86(8), 1097-1115.
    3. Dai, A. , 2016. Future warming patterns linked to today’s climate variability . Scientific Reports6, 19110.
    4. Dong, S. , S. T. Gille, J. Sprintall, and C. Gentemann, 2006. Validation of the Advanced Microwave Scanning Radiometer for the Earth Observing System (AMSR-E) sea surface temperature in the Southern Ocean . Journal of Geophysical Research: Oceans, 111(C4).
    5. Donlon, C. J. , L. , Nykjaer, and C. , Gentemann, 2004. Using sea surface temperature measurements from microwave and infrared satellite measurements . International Journal of Remote Sensing, 25(7-8), 1331-1336.
    6. Donlon, C. , N. Rayner, I. Robinson, D. J. S. Poulter, K. S. Casey, J. Vazquez-Cuervo, E. Armstrong, A. Bingham, O. Arino, and C. Gentemann., 2007. The Global ocean data assimilation experiment high-resolution sea surface temperature pilot project . Bulletin of the American Meteorological Society88(8), 1197-1213. doi:.
    7. Emery, W. J. , Y. Yu, G. A. Wick, P. Schluessel, and R. W. Reynolds, 1994. Correcting infrared satellite estimates of sea surface temperature for atmospheric water vapor attenuation . J. Geophys. Res., 99, 5219-5236.
    8. Gentemann, C. L. , and F. J. Wentz, 2001. Satellite microwave SST: Accuracy, comparisons to AVHRR and Reynolds SST, and measurement of diurnal thermocline variability. Proc. of 2001 Geoscience and Remote Sensing Symposium, Sydney, Jul. 9-Jul. 13, vol. 1, pp. 246-248.
    9. Gentemann, C. L. , and F. J. Wentz, C. A. Mears, and D. K. Smith, 2004. In situ validation of tropical rainfall measuring mission microwave sea surface temperatures . Journal of Geophysical Research: Oceans, 109(C4).
    10. Gentemann, C. L. , T. Meissner, and F. J. Wentz, 2010. Accuracy of satellite sea surface temperature at 7 and 11 GHz . IEEE Transactions on Geoscience and Remote Sensing, 48(3), 1009-1018.
    11. Gentemann, C. L. , 2014. Three way validation of MODIS and AMSR-E sea surface temperatures . Journal of Geophysical Research: Oceans, 119, 2583-2598.
    12. Gentemann, C. L. , and K. A. Hilburn, 2015. In situ validation of sea surface temepratures from the GCOMW1/AMSR2 RSS calibrated brightness temperatures . Journal of Geophysical Research: Oceans, 120(5), 3567-3585.
    13. Harris, A. R. , and M. A. Saunders, 1996. Global validation of the alongtrack scanning radiometer against drifting buoys . Journal of Geophysical Research: Oceans, 101(C5), 12127-12140.
    14. Hihara, T. , M. Kubota, and A. Okuro, 2015. Evaluation of sea surface temperature and wind speed observed by GCOM-W1/AMSR2 using in situ data and global products . Remote Sensing of Environment, 164, 170-178.
    15. Hosoda, K. , 2010. A review of satellite-based microwave observations of sea surface temperatures . Journal of Oceanography, 66(4), 439-473.
    16. Kim, H. Y. , K. A. Park, S. R. Chung, S. K. Baek, B. I. Lee, I. C. Shin, C. Y. Chung, J. G. Kim, and W. C. Jung, 2018. Validation of Sea Surface Temperature (SST) from satellite passive microwave sensor (GPM/GMI) and causes of SST errors in the Northwest Pacific . Korean Journal of Remote Sensing, 34(1), 1-15.
    17. Kwon, K. M. , B. J. Choi, S. H. Lee, Y. K. Cho, and C. Jang, 2011. Coastal current along the eastern boundary of the Yellow Sea in summer: Numerical simulations . Sea, 16(4), 155-168.
    18. Lie, H. J. , I. K. Bang, Y. Q. Kang, 1986. Empirical orthogonal function analysis of seawater temperature in the southeastern Hwanghae . Journal of the Oceanological Society of Korea, 21(4), 193-202.
    19. Lie, H. J. , 1989. Tidal fronts in the southern Hwanghae (Yellow Sea) . Cont. Shelf Res., 9, 527-546.
    20. Lee, S. H. , and R. C. Beardsley, 1999. Influence of stratification on residual tidal currents in the Yellow Sea . Journal of Geophysical Research, 104, 15679-15701.
    21. Lee, S. H. , and H. Y. Choi, 1997. A numerical model study of residual tidal currents in the mid-eastern Yellow Sea-initial stratification . The Yellow Sea, 3, 58-70.
    22. Maturi, E. , A. , Harris, J. , Mittaz, J. , Sapper, G. , Wick, X. , Zhu, and P. , Koner, 2017. A New High-Resolution Sea Surface Temperature Blended Analysis . Bulletin of the American Meteorological Society, 98(5), 1015-1026.
    23. McClain, E. P. , 1989. Global sea surface temperatures and cloud clearing for aerosol optical depth estimates . Int. J. Remote Sens., 10, 763-769.
    24. Meissner, T. , F. J., Wentz, and D., Draper, 2012. GMI calibration algorithm and analysis theoretical basis document. Remote Sensing Systems.
    25. Meissner, T. , and F. J. Wentz, 2012. The emissivity of the ocean surface between 6 and 90 GHz over a large range of wind speeds and earth incidence angles . IEEE Trans. Geosci. Remote Sens., 50(8), 3004-3026.
    26. O'Carroll, A. G. , J. G. Watts, L. A. Horrocks, R. W. Saunders, and N. A. Rayner, 2006. Validation of the AATSR meteo product sea surface temperature . Journal of Atmospheric and Oceanic Technology, 23(5), 711-726.
    27. Park, K. A. , E. Y. , Lee, X. , Li, S. R. , Chung, E. H. , Sohn, and S. , Hong, 2015. NOAA/AVHRR sea surface temperature accuracy in the East/Japan Sea . International Journal of Digital Earth, 8(10), 784-804.
    28. Ren, S. , J. Xie, and J. Zhu, 2014. The roles of different mechanisms related to the tide-induced fronts in the Yellow Sea in summer . Advances in Atmospheric Sciences, 31(5), 1079-1089.
    29. Ricciardulli, L. , and F. J. Wentz, 2004. Uncertainties in sea surface temperature retrievals from space: Comparison of microwave and infrared observations from TRMM . Journal of Geophysical Research: Oceans, 109(C12).
    30. Simpson, J. H. , and J. R. Hunter, 1974. Fronts in the Irish Sea . Nature, 250, 404-406.
    31. Stammer, D. , F. Wentz, and C. Gentemann, 2003. Validation of microwave sea surface temperature measurements for climate purposes . Journal of Climate, 16(1), 73-87.
    32. Stogryn, A. , 1967. The apparent temperature of the sea at microwave frequencies . IEEE Transactions on Antennas and Propagation, 15(2), 278-286.
    33. Walton, C. C. , 2016. A review of differential absorption algorithms utilized at NOAA for measuring sea surface temperature with satellite radiometers. Remote Sensing of Environment, 187, 434-446. doi:. 10.011.
    34. Wentz, F. J. , 1983. A model function for ocean microwave brightness temperature . Journal of Geophysical Research: Oceans, 88(C3), 1892-1908.
    35. Wentz, F. J. , 1997. A well-calibrated ocean algorithm for special sensor microwave/imager . Journal of Geophysical Research: Oceans, 102(C4), 8703-8718.
    36. Wentz, F. J. , C. , Gentemann, D. , Smith, and D. , Chelton, 2000. Satellite measurements of sea surface temperature through clouds . Science, 288(5467), 847-850.
    37. Wentz, F. J. , and T. Meissner, 2000. Algorithm theoretical basis document (ATBD) version 2 AMSR ocean algorithm. Remote Sensing Systems, Santa Rosa, CA, USA.
    38. Wentz, F.J. , and T. Meissner, 2007. Supplement 1 Algorithm Theoretical Basis Document for AMSR-E ocena algorithm. Santa Rosa, CA, USA, Remote Sensing Systems.
    39. Yan, Y. , A. Barth, J.-M. Beckers, G. Candille, J.-M. Brankart, and P. Brasseur., 2015. Ensemble assimilation of ARGO temperature profile, sea surface temperature, and altimetric satellite data into an eddy permitting primitive equation model of the North Atlantic Ocean . Journal of Geophysical Research: Oceans, 120(7), 5134-5157.
    40. Yoshimori, K. , K. Itoh, and Y. Ichioka, 1994. Thermal radiative and reflective characteristics of a windroughened water surface . JOSAA, 11(6), 1886-1893.