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.40 No.3 pp.212-226
DOI : https://doi.org/10.5467/JKESS.2019.40.3.212

Surface Reflectance Retrieval from Satellite Observation (OMI) over East Asia Using Minimum Reflectance Method

Hee-Woo Shin1, Jung-Moon Yoo2*, Kwon-Ho Lee1
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 Tel: +82-2-3277-2710
March 27, 2019 May 15, 2019 June 10, 2019

Abstract


This study derived spectral Lambertian Equivalent Reflectance (LER) over East Asia from the observations of Ozone Monitoring Instrument (OMI) onboard polar-orbit satellite Aura. The climatological (October 2004-September 2007) LER values were compared with the surface reflectance products of OMI or MODerate resolution Imaging Spectroradiometer (MODIS) in terms of the atmosphere-environment variables as follows: wavelength (UV, visible), surface properties (land, ocean), and cloud filtering. Four kinds of LER outputs in the UV and visible region (328-500 nm) were retrieved based on the averages of lowest (1, 5, and 10%) surface reflectance values as well as the minimum reflectance. The average of the lowest 10% among them was in best agreement with the OMI product: correlation coefficient (0.88), RMSE (1.0%) and mean bias (−0.3%). The 10% average and OMI LER values over ocean were 2% larger in UV than in visible, while the values over land were 1% smaller. The LER variability on the wavelength and surface property was highest (~3%) in the condition of both land and visible, particularly in the ice-cap and desert regions. The minimum reflectance values over the oceanic and inland sample areas overestimated the MODIS product by 1.4%. This high-resolution MODIS observations were effective in removing cloud contamination. The relative errors of the 10% average to MODIS were smaller (−0.6%) over ocean but larger (1.5%) over land than those of the OMI product to MODIS. The reduced relative error in the OMI product over land may result from additional cloud filtering using the Landsat data. This study will be useful when retrieveing the surface reflectance from geostationary-orbit environmental satellite (e.g., Geostationary Environment Monitoring Spectrometer; GEMS).



위성관측 오존계에서 최소 반사도법을 이용하여 동아시아 지역의 지면반사도 산출

신 희우1, 유 정문2*, 이 권호1
1강릉원주대학교 대기환경과학과, 25457, 강원도 강릉시 죽헌길 7
2이화여자대학교 과학교육과, 03760, 서울특별시 서대문구 이화여대길 52

초록


극궤도 위성(Aura)에 탑재되어 운용 중인 Ozone Monitoring Instrument (OMI)를 이용하여 동아시아 지역에 대 한 등가 람버시안 반사도(Lambertian Equivalent Reflectance; LER)를 유도하였다. 본 연구의 LER 기후값(2004년 10월 -2007년 9월)은 기존 OMI 및 MODIS 결과와 다음 대기환경 변수의 관점에서 비교분석되었다. 파장(자외선, 가시광선), 지표 특성(육지, 해양), 그리고 구름 제거. 자외선 및 가시광선 파장역(328-500 nm)에서 산출된 LER은 최소 반사도뿐만 아니라 세 종류 하위 평균(1, 5, 10% 이내)으로 산출되었다. 이들 중에 10% 평균값이 OMI 결과와 가장 잘 일치하였 다. 여기서 상관계수는 0.88, 평균 제곱근 오차는 1.0%. 그리고 평균 편차는 −0.3%이었다. 10% 평균값과 기존 OMI LER값은 해양에서 가시광선에 비하여 자외선 영역에서 큰(~2%) 반면에 육지에서는 작게(~1%) 나타났다. 또한 파장 및 지표 특성에 따른 LER 변동폭은 육지 및 가시광선 조건에서, 특히 만년설 및 사막 지역에서 크게 나타났다(~3%). 최 소 반사도값은 해양 및 육지의 표본 지역에서 MODIS에 비하여 약 1.4% 과대 산출되었다. 이러한 원인은 고해상도 MODIS 자료에서의 효과적인 구름 제거에 있다고 분석되었다. MODIS에 대한 10% 평균값의 상대 오차는 기존 OMI 산출물에 비하여 해양에서 작았으나(−0.6%) 육지에서는 컸다(1.5%). OMI 산출물 경우에 육지에서의 작은 상대 오차는 Landsat 자료 이용한 효과적인 구름 제거에 있다고 추정되었다. 본 연구는 정지궤도 환경위성(예, GEMS) 관측을 이용 한 지면반사도 산출에 기여할 것으로 기대된다.



    Ministry of Environment
    RE201702147

    서 론

    지면반사도는 위성관측에서 오존(O3), 이산화황 (SO2), 이산화질소(NO2), 포름알데히드(HCHO) 그리 고 에어로졸(aerosol) 등의 정보를 원격탐사하는 데에 필요한 입력변수이므로 정확한 산출이 요구된다(Hsu, et al., 2013; Lee et al., 2008). 또한 지면반사도는 기후 및 복사 모델에서도 하층 경계 조건에 필수 요 소이다(Brovkin et al., 2013). 이러한 지면반사도 산 출에는 대기의 미량기체 및 에어로졸의 연직분포 정 보가 필요하다.

    위성에 탑재된 복사계(예, MODIS)가 여러 채널을 보유한다면, 이들의 분광학적 특성을 이용하여 위성 관측에서 준 실시간의 지면반사도 산출이 가능하다. MODIS 센서는 가시에서 적외 영역까지 36개 채널 을 가지고 있으며, 이 중 일부를 이용하여 지면반사 도를 산출하는 방법들이 개발되었다(e.g., Kaufman et al., 1997; Schaaf et al., 2002; Hsu et al., 2004, 2006). MODIS와는 다르게, 초분광(hyperspectral) 센 서의 좁은 파장역을 사용하는 경우에는 일반적으로 최소 반사도법을 이용한다. 이 방법은 일정기간 관측 된 최소값을 지면반사도로 사용하는 방법으로써 산출 하는 과정에서 지면을 등방성(isotropic)으로 가정한다 (Tilstra et al., 2017). 그러나 실제 지면에는 경사 또 는 물체가 존재하므로 하위값 평균(Wong et al., 2010)이나 통계적인 방법을 이용하여 지면반사도를 산출한 경우도 있다(Kleipool et al., 2008). 이러한 방법으로 지면반사도 산출에 이용된 대표적인 위성센 서들은 Total Ozone Mapping Spectrometer (TOMS), Global Ozone Monitoring Experiment (GOME) 그리 고 Ozone Monitoring Instrument (OMI)이다.

    TOMS는 6개 채널을 사용하는 cross-tracking scanning 센서로서 Nimbus-7 위성에 탑재되어 1979-1992년까 지, 그리고 Earth-Probe 위성에서는 1997-2006년까지 관측에 사용되었다. Herman and Celarier (1997)는 Nimbus-7의 TOMS 자료에서 70ºN-70ºS 전구 위도대 의 1º ×1.25º 공간격자 상태로 14년 6개월 기간의 반 사도 자료를 축적한 뒤에 월별로 각 격자 내에서의 최소값을 선택하여 LER로 정의하였다. 그러나 TOMS 센서의 비교적 큰 수평해상도(직하점에서 50 km; 직 하점에서 떨어진 곳에서 250 km)로 인하여 지속적으 로 구름이 존재하는 지역에서는 청천 화소 부족으로 LER값을 산출할 수 없었다.

    GOME 센서는 유럽의 European Remote Sensing (ERS)-2 위성에 탑재되어 1995년부터 관측을 시작하 였으며(Koelemeijer et al., 2003), 1995년 6월-2000년 12월 기간의 GOME 반사도 자료를 1º ×1º의 위경도 격자 위에 축적한 후에 월별로 산출된 670 nm에서 의 최소 LER값을 동시 관측된 다른 10개 파장들에 적용하여 최종 단계의 LER을 결정하였다. 이러한 LER 자료는 OMI, Scanning Imaging Absorption Spectrometer or Atmospheric Cartography (SCIAMACHY) 센서 등의 초기 관측 기간에 이용되었다. 한편 Aura 위성에 탑재된 OMI 센서는 2004년 10월부터 현재까 지 운용되고 있으며, 270-500 nm 파장역에서 13 km ×24 km의 공간분해능을 갖고 있다. Kleipool et al. (2008)은 2004년 10월-2007년 9월 기간에 0.5o ×0.5o 공간 격자에서 328-500 nm 중 23개 파장의 LER값을 지면 특성에 따라 분류된 히스토그램을 이용하여 산 출하였다.

    LER 산출을 위한 최소 반사도법은 장기간 자료를 축적하여 그 중 가장 낮은 값을 LER값으로 사용한 다(Herman and Celarier, 1997). OMI에서 제공하는 LER은 위의 3년간 자료에서 지면 특성에 따라 통계 적 방법으로 산출되었다(Kleipool et al., 2008). 이 경우에 지면이 눈이거나 축적된 지면반사도값의 변동 이 작다면(i.e., 작은 표준편차) 최소값 평균 대신에 중간값(median) 방법을, 그리고 그 외의 경우에는 하 위 1% 이내의 평균값을 지면반사도 산출에 사용하였 다. 이러한 방법에서는 자료 수의 증가로 인하여 최 소값 하나의 선택 시에 나타나는 불확실성이 감소한 다. 그러나 하위 범위의 평균값은 실제 지면반사도에 비하여 크게 나타나는 경향도 있다. 한편 청천 가정 하의 LER 유도 과정에서 구름이 존재하는 화소는 최소 반사도법으로 거의 제거되지만, 눈이 있는 화소 도 구름으로 오인하여 제거될 수도 있다.

    따라서 본 연구에서는 OMI 산출물과 같은 기간의 자료에서 복사전달모델(Radiative Transfer Model; RTM)을 이용하여 대기 및 기체 흡수 보정을 우선적 으로 실시 후에 지면반사도 산출의 방해 요소(e.g., 구름, 미량기체, 흡수성 에어로졸)의 효과를 제거하고 LER을 산출하였다. 본 연구의 목적은 3년간의 OMI 관측자료를 이용하여 동아시아 지역에 대한 LER값 을 산출한 후에 여러 변수(산출 방법, 지표 특성, 파 장 등)에 따라 기존 지면반사도 산출물(OMI, MODIS) 과 비교분석하여 위성관측 LER 산출 알고리즘에 기 여하는 데에 있다.

    자료 및 방법

    자료

    초분광 센서인 OMI는 NASA EOS-Aura 위성에 탑재되어 한반도 부근을 13:45 Local Standard Time (LST) 경에 일 1회 관측한다. OMI 관측의 세 파장 역은 자외선 UV-1 (264-311 nm), 자외선 UV-2 (307- 383 nm) 그리고 가시광선 VIS (349-504 nm)이다. 이 센서의 Full Width Half Maximum (FWHM)은 각각 0.63, 0.42, 0.63 nm이며, Field of View (FOV)는 114º 그리고 swath가 2600 km이다.

    대기상단 반사도(Rtoa)를 산출하기 위하여 OMI L1B 자료인 BRUG, BRVG 그리고 BIRR을 사용하 였다. BRUG에는 UV-1 및 UV-2, 그리고 BRVG에는 VIS의 복사휘도(radiance) 자료가 포함되어 있다. 또 한 BIRR에는 UV-1, UV-2, 그리고 VIS에 해당하는 복사조도(irradiance) 자료가 있다. 이들 자료는 Ground Data Processing Software (GDPS)에서 L0에서 L1B 형태로 변환되며, 이에 대한 내용은 van den Oord et al. (2006)에 상세히 기술되어 있다. Rtoa값은 OMI에 서 직접적으로 제공되지 않으므로 사용자가 직접 산 출해야 하며, 산출 방법은 본 연구의 대기상단 반사 도에 설명하였다. 이 산출 과정에서는 BRUG, BRVG 에 각각 포함된 pixel, ground, xtrack, measurement Quality Flag (QF)에 대한 정보가 필요하다(Douch Space, 2008).

    본 연구에서는 지면반사도 유도 과정에서 구름, 흡 수성 에어로졸 그리고 오존의 효과를 보정하기 위하 여 세 종류 자료(OMCLDO2, OMTO3, OMAERO) 를 이용하였다. OMI L2 상태인 이들 자료는 Cloud Fraction (CF), 오존전량(total ozone; Dobson Unit; DU) 그리고 Aerosol Index (AI) 형태로 이용가능하 다. 이에 대한 정보는 OMCLDO2와 OMAERO 경우 에 Stammes (2002), 그리고 OMTO3 경우에는 Bhartia (2002)에 상세하게 기술되어 있다. 본 연구에서는 빙 설면을 탐지하기 위하여 Near real time Ice and Snow Extent (NISE)값을 이용하였다(Nolin, 1998). National Snow and Ice Data Center (NSIDC)에서는 Defence Meteorological Satellite Program (DMSP) F13 Special Sensor Microwave/Imager (SSM/I) 관측 자료를 기초로 NISE를 준 실시간으로 산출하고 있다.

    본 연구에서는 이미 설명한 여섯 종류 자료(BRUG, BRVG, BIRR, OMCLDO2, OMAERO, OMTO3)가 동시에 존재할 경우에만 지면반사도를 산출하였다. 다시 말해, 화소 당 UV-2 또는 VIS 자료에서 해당 파장역의 반사도 관측값이 모두 존재하지 않는 자료 는 사용하지 않았다. 또한 위성 직하점을 기준으로 양 방향을 주사(scan)하는 OMI 관측에서는 위성 주 사각(scan angle)이 클수록 해당 화소 면적이 커진다. 이 면적은 직하점 화소에서 가장 작고(약 380 km2), 가장 외곽 화소에서는 2000 km2 이상으로 직하점에 비하여 약 7배 크다(Fig. 1). 위성관측에 의한 지면반 사도 산출에서 화소 면적이 커지면 다양한 대기/환경 효과 및 잡음이 증가할 수 있다. 따라서 본 연구에서 는 직하점 면적의 2배 이상의 경우를 제외하였으며, 해당 기준(i.e., track 또는 scan number: 약 9-51)을 그림에서 주황색 점선으로 표시하였다.

    본 연구에서는 LER값을 유도한 후에 기존 OMI 산출물과 비교하여 차이를 조사하였다. 또한 두 개 표본 지역에 대하여는 공간 해상도가 우수한 MODIS 자료도 추가하여 지면반사도값을 비교 분석하였다. OMI 센서를 탑재한 Aura 위성은 MODIS를 탑재한 Aqua 위성과 함께 A-train에 포함되어 있다(https:// atrain.nasa.gov/). MODIS에서는 지면반사도 산출을 위한 청천 조건(i.e., 구름 유무)을 판단하기 위하여 MODIS와 관련된 세 종류 자료(MYD03, MYD09, MYD35)를 이용하였다. 이 중에 MYD03은 geolocation, MYD09는 지면반사도, 그리고 MYD35는 구름에 대한 정보를 제공한다. 본 연구에서는 화소 중에 confidence clear flag를 만족하는 경우만을 사 용하였다. 한편, MODIS와 OMI의 공간 해상도는 화 소당 각각 1 km×1 km와 13 km×24 km이므로 직하점 에서 하나의 OMI 화소는 약 312개의 MODIS 화소 에 해당하며, 본 연구의 하나의 공간격자(50 km×50 km)에는 약 2500개의 MODIS 화소가 존재한다.

    지면반사도 산출 방법

    본 연구에서는 장차 정지궤도위성(예, GEMS)의 지면반사도 산출 알고리즘에 기여할 목적으로 동아시 아 영역(75ºE-155ºE, 5ºS-75ºN)에 대하여 극궤도 위 성에 탑재된 OMI의 기존 LER 산출물과 같은 기간 (2004년 10월-2007년 9월)을 선택하여 비교분석하였 다. 여기서 LER 산출을 위하여 등방성 지면과 청천 대기를 가정하였으며, 다음의 대기/환경 영향을 제외 하였다: 레일리 산란, 미량기체(O3, NO2, SO2 그리고 O2-O2) 그리고 구름. 여기서 흡수성 에어로졸의 효과 는 일반 에어로졸과 분리하여 제거하였다. 장기간의 위성관측 자료에서 최소 반사도법을 이용하여 LER 을 산출할 경우에 에어로졸 효과를 최소화할 수 있 기 때문에 본 연구에서는 흡수성 에어로졸 효과 만 을 고려하였다.

    Figure 2는 위성관측에서 지면반사도 산출을 위한 흐름도를 보여준다. 첫 단계에서는 OMI L1B 자료에 서 Rtoa를 산출한 후에 OMI에서 제공하는 운량(CF) 값이 0.1 이하인 경우를 구름없는 청천 대기로 가정 하였다. 다음 단계에서는 구름 부재(i.e., 청천) 화소 에서 공기분자 산란효과를 제거한 후에 빙설면을 조 사하였다. 최종 단계에서는 화소 별로 AI값이 2 이상 인 경우를 흡수성 에어로졸로 간주하여 제거한 후에 존재하는 자료를 0.5º ×0.5º 격자 내에 축적하였다. 본 연구에서는 위의 과정을 반복하여 격자 별로 자료를 축적한 후에 LER을 산출하였다.

    위성관측 지면반사도값이 격자당 하루에 한 개 이 내이므로 본 연구 기간(3년)에는 격자당 0-396개의 관측값이 존재한다. 본 연구에서는 각 격자에서의 지 면반사도값을 크기 순으로 나열한 후에 상대적으로 작은 LER값을 다음 네 종류 방법으로 산출하였다: i) 가장 작은값 (Rmin; 약칭, 최소값), ii) 하위 1%이내 의 값들을 평균(Ravg_1%; 하위 1%), iii) 하위 5%이내 의 값들을 평균(Ravg_5%; 하위 5%), 그리고 iv) 하위 10% 이내의 값들을 평균(Ravg_10%; 하위 10%). 위의 네 종류 LER 산출물과 기존 OMI LER값(https:// mirador.gsfc.nasa.gov/cgi-bin/mirador/presentNavigation. pl?tree=project&project=OMI) 간에 차이를 세 종류 통계값(상관계수, r; 평균제곱근 오차, RMSE; 평균 편차, mean bias)으로 분석 후, 가장 근사한 두 자료 간의 파장별 공간별 차이를 비교하였다. 육지 및 해 양에서 각각 한개 표본 지역(150 km×150 km)에서는 MODIS 자료도 추가하여 분석하였다. 한편 기존 OMI LER의 경우에는 지면 특성에 따라 Ravg_1% 이내 의 지면반사도값을 평균하여 LER값을 산출하였으며, 지면 특성을 함께 고려하여 유도하였다(Kleipool et al., 2008). 또한 OMI에서는 지면반사도 자료의 0.01 간격의 빈도 분포에서 지면반사도값을 상향 조정하여 (예, 0-0.01이면 0.01), 구름 그림자 및 하층 에어로졸 효과를 감소시키고자 하였다.

    대기상단 반사도

    지면반사도는 입사된 태양복사가 지면에 의해 반사 된 정도를 의미하며, 반사된 태양광은 위성센서를 통 하여 관측될 수 있다. 실제 지구의 지면(지표 및 해 표)은 여러 구조물이 존재하므로 입사된 태양복사는 난반사하게 된다. 그러나 이러한 모든 효과를 정확하 게 고려하기가 어렵기 때문에 지면이 평편(Lambertian surface)하다는 가정하에 LER를 산출할 수 있다. 이 러한 가정하에서 대기상단에서 측정되는 반사도는 (1)식과 같이 표현할 수 있다.

    R t o a = π L F 0 cos θ 0
    (1)

    여기서 F0는 대기권 밖에서의 태양복사량, θ0는 태양 천정각, 그리고 L은 위성센서에서 관측한 복사량(i.e., 복사휘도; radiance 또는 intensity)를 의미한다. Rtoa값 은 위성과 태양 사이의 상대 위치 관계에서 (2)식으 로 표현할 수 있다.

    R t o a ( θ 0 , θ v , ϕ , λ ) = R a t m ( θ 0 , θ v , ϕ , λ ) + T o ( θ 0 , λ ) T v ( θ v , λ ) R s f c ( θ 0 , θ v , ϕ , λ ) 1 s o ( λ ) R s f c ( θ 0 , θ v , ϕ , λ )
    (2)

    여기서 θνφ는 각각 위성 관측각과 위성과 태양 사이의 상대방위각이며, λ는 파장이다. RatmRsfc는 각각 대기와 지면의 반사도이다. Ratm값은 대기에서 의 공기분자 뿐만 아니라 에어로졸 효과도 포함한다. ToTν는 태양복사가 전달 과정에서 각각 입사각과 반사각 방향에 대한 투과도이다. 다시 말해, To는 태 양에서 지면까지의 투과도이며, Tν는 지면에서부터 위성센서까지의 투과도를 나타낸다. so는 반구 형태 의 대기(hemispheric atmosphere)에서의 태양복사 다 중산란 반사도이다. Rsfc값은 (3)식에서 Rtoa 위성관측 값, 여러 관측각(태양천정각, 상대방위각과 위성천정 각 등) 그리고 복사전달모델로 계산된 여러값(투과율, 다중산란과 대기반사) 등을 이용하여 산출할 수 있다.

    R s f c ( θ 0 , θ v , ϕ , λ ) = + R t o a ( θ 0 , θ v , ϕ , λ ) R a t m ( θ 0 , θ v , ϕ , λ ) T o ( θ 0 , λ ) T v ( θ v , λ ) + s o ( λ ) [ R t o a ( θ 0 , θ v , ϕ , λ ) R a t m ( θ 0 , θ v , ϕ , λ ) ]
    (3)

    대기보정

    위성에서 관측된 복사에너지 세기는 우주 공간 상 에서 위성 및 태양의 위치(i.e., 관측각), 대기 상태 그리고 지면 특성에 의존한다. 이 중에 LER 산출에 필요한 지면 영향만을 고려하기 위하여는 관측각과 대기 효과를 제거해야 한다. 이 과정에서 본 연구에 서는 Vector Linearized Discrete Ordinate Radiative Transfer (VLIDORT) RTM을 사용하였다(Spurr, 2006). 이 모델에서는 다양한 기체(예, O3, SO2, NO2 그리고 O2-O2 등)에 대한 시뮬레이션이 가능하며 구름(운형, 운저와 운정 등) 및 에어로졸의 광학적 특성을 분석 할 수 있다.

    본 연구의 LER 산출을 위한 위성관측 파장역은 300-500 nm로 미량기체의 흡수 영향이 적은 23개 파 장을 선택하였다. 이러한 선택에도 불구하고 일부 기 체(O3, SO2, NO2 그리고 O2-O2)에 대한 흡수 효과는 여전히 존재하기 때문에 RTM계산을 통하여 보정하 였다. 네 가지 미량기체 중에 오존 경우에는 일부 파 장역에서 태양복사 흡수가 강하므로, TOMS V7 (Hsu et al., 1997) 자료를 사용하여 추가 보정하였다. 이러한 대기 보정을 위하여 본 연구에서는 장시간이 소요되는 실시간 복사전달모델 계산 대신에 사전에 RTM 결과의 조견표를 작성한 후에 내삽하는 방법을 이용하였다. 조견표 작성 시에는 중위도 여름 표준대 기 연직분포(US62; Sissenwine et al., 1962)를 가정 하에 다양한 대기 및 환경 조건 하의 대기보정을 수 행하였으며, 이와 관련된 변수를 RTM 입력 자료로 사용하였다(Table 1). 여기서 주요 해당 변수는 다음 과 같다: θ0, θν, φ. 또한 파장은 23개, 고도 상한은 8 km이며, 그리고 오존전량 범위는 100-500 DU이다.

    결 과

    LER 산출 과정에서 사전 처리(Fig. 2 흐름도)를 거 친 지면반사도의 격자 당 위성자료 수는 각기 다르 므로, 예를 들면, 최소 반사도값(Rmin)에 비하여 하위 10% 이내 평균값(Ravg_10%)에서 크게 됨을 예상할 수 있다. 또한 Rmin에 비하여 Ravg_10%에서는 평균에 사용 된 격자 당 관측 횟수의 증가로 인하여 잡음(noise) 이 작게 되는 평활(smoothing) 효과를 갖는다.

    네 종류 지면반사도 값의 비교

    파장별 LER값은 공간 분포에서 Rmin으로부터 Ravg_1%, Ravg_5%, Ravg_10%의 산출 방법으로 갈수록 점진적으로 증가하였으며, 이러한 경향은 해양에 비하여 육지에 서 그리고 자외선 영역(345, 372 nm)에 비하여 499 nm 가시광선에서 뚜렷하였다(Fig. 3). 산출 방법 간 에 차이가 적은 해양의 LER값은 499 nm를 제외한 파장에서 최대 0.03의 차이를 보였으며, 이러한 차이 는 일본 남쪽 해상(120-155ºE, 15-30ºN)에서 현저하 였다. 네 종류 LER값 모두는 해양에서 가시광선에 비하여 자외선 영역에서 컸으며, 이러한 결과는 기존 연구(Wang et al., 2007)와 일치하였다. 해양에 대한 LER값이 자외선 영역에서 상대적으로 큰 이유는 물 에 대한 투과도가 단파에서 상대적으로 낮아서(Lee et al., 2013) 반사도가 높기 때문이다.

    육지에서의 LER값은 히말라야 산맥 부근의 K2산 (76.2ºE, 35.2ºN: 고도 8611 m) 및 남차바르와산(100ºE, 30ºN: 고도 7756 m)의 만년설 지역에서 상대적으로 크게(0.1-0.15) 나타났으며, 그 변동폭도 컸다(Fig. 3). K2산 부근의 LER값은 Rmin에서 Ravg_1%, Ravg_5%, Ravg_10% 으로 갈수록 0.04-0.08 정도 증가하였다. 남차바르와 산 경우에 빙설면이 주로 정상 부근에(Fig. 3의 499 nm에서 분홍색 원)에 존재하므로(Nolin, 1998; NISE 값), 499 nm 경우에 약 50 km×50 km 격자내의 최소 값 (0.08; 녹색), 그리고 10%에서는 상대적으로 높은 반사도(0.15; 붉은 색)가 나타났다(Figs. 4a-b). 이들 고산지역에서의 LER값 증가 원인은 Rmin에 비하여 Ravg_10%가 격자 안의 빙설면 면적이 크기 때문으로 추정된다.

    육지 LER값은 분지 상태의 타클라마칸 사막(75- 90ºE, 35-45ºN), 평원의 고비 사막(100-107ºE, 37- 42ºN), 그리고 티벳 고원(80-90ºE, 30-40ºN) 부근에서 는 Rmin에서 Ravg_10%으로 갈수록 증가 형태가 파장 별 로 각각 다르게 나타났다(Fig. 3). 참고로 Fig. 5a에 서는 대략 타클라마칸 사막을 푸른색, 고비 사막을 초록색, 그리고 티벳 고원을 노란색으로 각각 표시하 였다. 이러한 산출 방법 및 파장별 차이를 보기 위하 여 최소값에 대한 Ravg_1%및 Ravg_10%의 증가값을 네 파장에 대하여 조사하였다(Fig. 5). 예상한 바와 같이, 최소값에 대한 Ravg_10%의 LER 증가 (Figs. 5e-h)는 최소값에 대한 Ravg_1% 증가(Figs. 5a-d)에 비하여 크게 나타났으며, 파장별 경향은 자외선에 비하여 가시광 선 영역(특히 499 nm; Figs. 5d-h)에서 현저하였다. 세 지역 중 타클라마칸 사막에서의 LER 증가가 가 장 뚜렷하였다. 이러한 증가는 다른 사막에 비하여 칼슘(Ca+) 성분이 지배적인 석회암의 흰색 및 회색 토양(Kwon et al., 2004)에 있다고 추정되었다. 이상 의 결과를 요약하면, 본 연구에서의 LER값은 산출 방법 및 파장, 그리고 지면 및 지형 특성에 의존하므 로, 정확한 LER값 산출을 위하여는 이들 변수를 고 려할 필요가 있다.

    본 연구 결과와 기존 OMI 산출물과의 비교 분석

    본 연구의 네 종류 LER 산출물 중에서 어느 것이 기존 OMI LER값과 가장 근사한지를 통계적으로(상 관계수, RMSE, mean bias) 분석하였다(Fig. 6와 Table 2). 이들 그림에서 네 종류 산출물은 다음과 같다: Rmin (푸른색), Ravg_1% (녹색), Ravg_5% (노란색) 그리고 Ravg_10% (붉은색). OMI에 대한 네 종류 산출 물의 각 상관값(r)은 자외선에서 가시광선 영역으로 갈수록 최소 0.81에서 최대 0.93으로 전반적으로 증 가하였다(Fig. 6a). 이러한 원인은 LER 산출에서의 불확실성(e.g., O3 및 NO2의 연직 분포 차이 등; Veefkind et al., 2006)이 가시광선에 비하여 자외선 영역에서 큰 데에 있다. 23개 파장에서의 네 종류 상 관값들(r=0.81-0.93)은 약 1% 이내로 상호 일치하였 으며, 이들 중에 Ravg_10%에서 가장 높았다. 23개 파장 에 대하여 평균한 Ravg_10%와 기존 OMI 산출물 간에 상관값은 0.88이었다.

    기존 OMI LER값에 대한 본 연구의 네 종류 산출 물의 각 RMSE값은 자외선에서 가시광선 영역으로 갈수록 최대 1.8%에서 최소 1.0%로 감소하여 가시 광선에서 좋은 일치도를 보였다(Fig. 6b). 그러나 360-380 nm에서는 파장에 따른 RMSE 변동(톱니 형 태)이 컸으며, 이러한 원인은 본 연구와 기존 OMI 방법에서 사용한 미량 기체(NO2, O3)의 연직 분포 간에 차이가 있다고 추정된다. 본 연구에서는 중위도 여름 표준대기 연직분포를 사용한 반면에 OMI 경우 는 Air Force Geophysics Laboratory (AFGL)의 중위 도 여름 연직분포(Anderson et al., 1986)를 사용하였 다. 이들 연직분포는 LER 복원(retrieval)시에 RTM 입력 변수로 사용되었다. 이 외의 원인에 대하여는 좀 더 조사되어야 필요가 있다. 본 연구의 네 종류 산출물 중에 Ravg_10%의 RMSE값이 가장 작아서(전체 23개 파장에서의 평균값=1.0%), 기존 OMI LER값에 가장 근사하였다. 기존 OMI LER값에 대한 본 연구 의 네 종류 산출물의 mean bias 절대값은 장파로 갈 수록 최대 1.3%에서 최소 0.0%로 감소하였으며, 이 들 중에 Ravg_10%에서 가장 작았다(Fig. 6c). RMSE 결 과(Fig. 6b)에서 나타났던 350-380 nm 파장역에서의 불확실성은 mean bias (Fig. 6c)에서도 나타났다. Figures 6a-c의 결과를 종합하면, Ravg_10%가 네 종류 산출물 중에 상대적으로 높은 상관, 그리고 작은 RMSE 및 Mean bias값을 보여 기존 OMI 결과와 가 장 잘 일치하였다.

    기존 OMI 산출물에 대한 본 연구의 Ravg_10% LER 값의 파장별 일치도를 23개 파장에서 좀더 구체적으 로 분석하였다(Fig. 7, Table 2). 두 산출물 간에 상관 은 장파로 갈수록 0.82에서 0.93으로 증가, RMSE값 은 1.3%에서 1.0%로 감소, 그리고 mean bias 절대값 은 0.7%에서 0.0%로 감소하였다. 이전 결과(Fig. 5) 와 유사하게, 두 종류 산출물의 관계는 자외선에서 가시광선 파장역으로 갈수록 높은 상관, 그리고 작은 RMSE값 및 mean bias를 보여 산출물 간에 상대적 으로 높은 일치성을 보였다. LER 변동폭은 두 종류 산출물 모두에서 장파로 갈수록 증가하였다. 자외선 에 비하여 가시광선 영역에서의 높은 일치성은 후자 파장대에서는 주요 흡수대가 존재하지 않아 상대적으 로 투명하며, Rayleigh 산란이 지배적인 데에 있다고 판단된다. 이미 언급한 바와 같이 자외선 영역에서는 미량 기체(O3, NO2)의 흡수 보정에 대한 불확실성(예, 360-380 nm에서의 톱니 형태)이 상대적으로 크므로 이에 대한 추가적인 연구가 필요하다.

    두 종류 LER 산출물 간에 일치성을 파장(자외선, 가시광선)과 지표(육지, 해양) 조건으로 각각 분류하 여 LER 평균값과 표준편차(σ)를 조사하였다(Table 3). 여기서 자외선 영역은 328-388 nm내에 10개 파장, 그리고 가시광선은 406-499 nm내에 13개 파장을 의 미한다. 여기서 표준편차는 LER값의 공간 변동을 나 타낸다. 본 연구 지역에서 강이나 해안선에 해당하는 격자를 제외하면 육지와 해양에 대한 격자 수는 각 각 8636개, 8953개이었다. 두 종류 산출물의 LER값 은 자외선 영역에서는 육지(~4.1%)보다 해양(~6.2%) 에서 약 2.1% 더 크게 나타난 반면에, 가시광선에서 는 해양(~4.4%)보다 육지(~5.0%)에서 약 0.6% 더 크 게 나타났다.

    두 종류 산출물의 LER 공간 변화(σ)는 해양(0.7- 1.4%)에 비하여 지면 특성이 다양한(i.e., 사막, 눈 등) 육지(1.9-2.8%)에서 크게 나타났다(Table 3). 육지 경 우에 자외선 영역(1.9%)보다 가시광선(2.8%)에서 더 크게 나타났다. 따라서 LER 공간 변화는 네 경우 중 에 가시광선 및 육지 조건에서 가장 컸다. 본 연구의 Ravg_10% LER값에서 기존 OMI 결과를 뺀 mean bias 값은 −0.6-0.2%이었으며, 가시광선 및 육지 조건(0.2%) 을 제외한 다른 조건들에서는 음의 값(약 −0.5%)으 로 나타났다. 이러한 사실은 본 연구의 Ravg_10% LER 값이 기존 OMI 결과에 비하여 약간 과소(−0.32%) 산출됨을 의미한다.

    본 연구의 두 종류 산출물(Rmin, Ravg_10%) 및 기존 OMI 결과 뿐만 아니라 이들과 독립적인 MODIS Level 2 (L2) 지면반사도도 포함하여 두 개의 표본 지역(3×3 격자, 150 km×150 km; Fig. 5a에 A와 B지 역)에서 비교분석하였다(Fig. 8). 이들 지역은 육지에 서 중국 남서부 스촨성 부근(78.5-80.0oE, 25.5-27oN), 그리고 해양에서는 열대 서태평양(147.5-149.0oE, 17.5-19.0oN)에 해당한다. Ravg_10% 및 기존 OMI 결과 가 3년간의 위성관측 자료에서 유도된 반면에 MODIS 지면반사도 자료(Vermote et al., 2015)는 36개 파장 대에 대한 실시간 위성관측(일 1회)에서 산출되었다. 이들 파장 중에서 본 연구의 LER 산출물의 파장에 상당하는 것은 각각 MODIS 파장대의 중심인 네 개 (406, 425, 463 그리고 488 nm)이다. 본 연구에서는 객관적인 비교를 위하여 각 격자에서 Rmin값이 존재 하는 경우에만 MODIS 자료를 추출하여 사용하였다. 여기서 두 산출물 간에 관측시간 차는 약 15분 이다 (Thomas, 2004). 그러므로 Fig. 8은 Rmin과 MODIS 지면반사도 간에 비교를 위하여 제시되었으나, 참고 로 본 연구의 주요 관심사인 Ravg_10% 및 기존 OMI 결과도 포함하였다.

    Rmin값(4.9%; 녹색 실선)은 MODIS 지면반사도 (3.5%; 검은색 실선)에 비하여 해양 및 육지 모두에 서 ~1.4% 높게 나타났다(Fig. 8). 이러한 원인은 고 해상도의 MODIS 자료가 저해상도 OMI 자료를 이 용한 본 연구 결과에 비하여 좀 더 효과적으로 (상대 적으로 반사도가 높은) 구름을 제거한 데에 있다고 추정된다(Shin and Yoo, 2018). 본 연구의 LER이나 MODIS 지면반사도 값은 가시광선 영역에서 파장 증 가에 따라 해양에서 감소하였으나(Fig. 8a), 육지에서 는 거의 일정하였다(Fig. 7b). 이러한 사실은 LER값 이나 지면반사도가 해양 경우에 가시광선에 비하여 자외선 영역에서 크게 나타나는 Table 3 결과와 관련 이 있는 듯 보인다. 또한 Ravg_10%(붉은 파선) 및 기존 OMI 결과(파란 파선)는 해양 경우에 Rmin이나 MODIS 지면반사도 값보다 더 크게 나타났다(Fig. 8a). 한편 Ravg_10%값이 기존 OMI 산출물에 비하여 해양에서 작 은(−0.6%) 반면에 육지에서는 크게(1.5%) 나타났다 (Figs. 8a-b). 이러한 지표 특성에 따른 경향은 해양이 나 육지의 전 지역 평균에 대한 Table 3의 가시광선 경우와 일치하였으나, Fig. 7은 표본 지역에 대한 결 과이므로 크기에서는 차이가 있다. 요약하면, 이들 표본 지역에서 가시광선 영역에서 MODIS 지면반사 도값에 대한 Ravg_10%값의 상대 오차는 기존 OMI 결 과에 비하여 해양 경우에 작았으나, 육지에서는 컸다.

    결 론

    본 연구는 총 3년 기간의 Aura 위성에 탑재된 OMI 자료를 이용하여 동아시아 지역에 대한 자외선 및 가시광선 영역에서의 파장별 등가 람버시안 반사 도(LER)를 네 종류 방법으로 산출한 후에 기존의 OMI 및 MODIS 결과와 비교분석하였다. 본 연구의 LER값은 산출 방법, 파장 및 지면 특성에 의존하였 으며, 네 종류 방법 중에 하위 10% 평균값이 기존 OMI 결과와 가장 근사하였다: 23개 파장에서의 평균 통계값(상관계수=0.88, RMSE=1.0% 그리고 mean bias=−0.3%). 두 산출물(하위 10% 평균값과 OMI) 간의 관계는 자외선에서 가시광선 파장역으로 갈수록 높은 상관, 그리고 RMSE 및 mean bias의 작은 값을 보임으로써 높은 일치도를 나타내었다.

    본 연구의 하위 10% 평균값과 기존 OMI LER값 사이에 차이를 육지/해양 및 자외선/가시광선 경우로 분류하여 조사하였다. 이들 산출물은 공통적으로 해 양에서는 가시광선에 비하여 자외선 영역에서 큰 (~2%) 반면에 육지에서는 작게(~1%) 나타났다. 이러 한 원인은 해양에서 자외선 경우에 물에 대한 투과 도가 작아 반사도가 증가하는 데에 있다. 육지 경우 에는 다양한 지면 특성(예, 식생, 모래, 암석 등)으로 인하여 자외선에서 가시광선으로 갈수록 반사도가 점 차 증가하는 경향이 있다(Doda and Green, 1980, 1981). 한편 파장 및 지표 특성에 따른 LER 크기 및 변동 값은 육지 및 가시광선 조건에서 가장 컸으며 (~3%), 특히 만년설 및 사막(고비, 타클라마칸) 지역 에서 컸다.

    두 개 표본 지역(해양, 육지)에 대한 본 연구 LER 값과 MODIS 지면반사도와의 비교분석에서 Rmin값은 MODIS에 비하여 해양 및 육지에서 약 1.4% 컸다. 이러한 원인은 고해상도 MODIS 자료에서의 효과적 인 구름 제거에 있다고 추정되었다. 이들 표본 지역 에서 MODIS값에 대한 본 연구 Ravg_10%의 상대 오차 는 기존 OMI 결과에 비하여 해양에서 작았으나 (−0.6%) 육지에서는 크게(1.5%) 나타났다. 육지 경우 에 OMI의 작은 상대 오차는 추가적으로 Landsat 자 료 이용한 효과적인 구름 제거(Kleipool et al., 2008) 에 있다고 추정되었다. 본 연구 결과들은 장차 정지 궤도 환경위성(e.g., GK-2B Geostationary Environment Monitoring Spectrometer; GEMS)의 지면반사도 산출 에 기여할 것으로 기대된다.

    사 사

    본 연구는 환경부의 “환경정책기반공공기술개발사 업(RE201702147)”에서 지원 받았습니다.

    Figure

    JKESS-40-3-212_F1.gif

    Pixel area as a function of the OMI track number. The number at nadir is approximately 30. The OMI data in the number range of 9-51 (within the orange dashed lines) have been used in this study.

    JKESS-40-3-212_F2.gif

    Retrieval of the Lambertian Equivalent Reflectance (LER) data from satellite observations, based on the minimum reflectance method. For the retrieval, the correction or filtering to the factors of cloud, Rayleigh scattering, ozone, snow/ice, and absorbing aerosols have been carried out in this study. The acronyms in the flow diagram were explained in Table A1.

    JKESS-40-3-212_F3.gif

    Spatial distributions of LER over the East Asia during the period of October 2004-September 2007 at four wavelengths 345, 372, 418 and 499 nm from the four methods of a) Rmin, b) Ravg_1%, c) Ravg_5%, and d) Ravg_10%. The area near the Namcharbarwa mountain was shown by pink dashed circle in the map at 499 nm, enlarged for Rmin and Ravg_10% in Fig. 4.

    JKESS-40-3-212_F4.gif

    Spatial distributions of the a) Rmin and b) Ravg_10% at 499 nm in the region (80-105ºE, 25-45ºN). The area near the Namcharbarwa mountain was indicated by pink dashed circle.

    JKESS-40-3-212_F5.gif

    The LER difference (Ravg_1% - Rmin) at the wavelengths of a) 345 nm, b) 372 nm, c) 418 nm, and d) 499 nm. The difference (Ravg_10% - Rmin) at the wavelengths of e) 345 nm, f) 372 nm, g) 418 nm, and h) 499 nm. Fig. 5a also shows two sample regions of ‘A’ over ocean and ‘B’ over land, two deserts of ‘Taklamakan’ and ‘Gobe’, and the Tibet Plateau. In the figure, the deserts of ‘Taklamakan’ and ‘Gobe’ were shown in the colors of blue and green, respectively. The plateau area was shown in yellow.

    JKESS-40-3-212_F6.gif

    Spectral statistics at 23 wavelengths in the relationship between four LER retrieval methods of this study and the OMI LER product for the a) correlation coefficient ‘r’, b) RMSE (%), and c) mean bias (%). The four products of this study with respect to the OMI are as follows; Rmin(blue), Ravg_1%(green), Ravg_5%(yellow), and Ravg_10%(red).

    JKESS-40-3-212_F7.gif

    Scatter plot of the retrieved LER values of this study (Ravg_10%) vs. the OMI product at 23 wavelengths over the East Asia during the period of October 2004- September 2007. The figure shows the statistics of correlation coefficients (r), RMSE (%), mean bias (%), and linear regression (red dashed line).

    JKESS-40-3-212_F8.gif

    Spectral LER values at four visible wavelengths (406, 425, 463 and 488 nm) from the products of Rmin (green solid line), Ravg_10% (red dashed line), OMI LER (blue dashed line), and MODIS (black solid line) over the sample regions (Fig. 5a) of a) ocean and b) land, respectively.

    Table

    List of acronyms used in this study

    Input variables of the RTM VLIDORT for Rayleigh correction in the LER retrieval

    Spectral statistics at 23 wavelengths in the relationship of Ravg_10% versus OMI over the East Asia (5ºS-55ºN, 75- 155ºE), using the RTM VLIDORT. Note that the wavelength regions of UV and visible in this study are different from those of OMI bands. The symbols of ‘λ’ and ‘r’ in the table mean wavelength and correlation coefficient, respectively. Please see Table A1 for the acronyms

    Statistics (i.e., average, standard deviation and mean bias) of Ravg_10% and the OMI LER products under the conditions of wavelength regions (UV, visible) and surface property (ocean, land). Here the symbol ‘σ’ means standard deviation

    Reference

    1. Anderson, G.P. , Clough, S.A. , Kneizys, F.X., Chetwynd, J.H., and Shettle, E.P.,1986, AFGL atmospheric constituent profiles (0.120 km). Environmental Research Papers, 954.
    2. Bhartia, P.K. ,2002, OMI algorithm theoretical basis document: volume III, OMI ozone products. ATBDOMI- O2.
    3. Brovkin, V. , Boysen, L. , Gayler, V. , Loew, A. , and Claussen, M. ,2013, Evaluation of vegetation cover and land-surface albedo in MPI-ESM CMIP5 simulations. Journal of Advances in Modeling Earth Systems, 5, 48-57.
    4. Doda, D.D. , and Green, A.E.S. ,1980, Surface reflectance measurements in the UV from an airborne platform. part1. Applied Optics, 19(13), 2140-2145.
    5. Doda, D.D. , and Green, A.E.S. ,1981, Surface reflectance measurements in the UV from an airborne platform. part2. Applied Optics, 20(4), 636-642.
    6. Douch Space,2008, GDPS input/output data specification (IODS) volume 2: level 1B output products and metadata. SD-OMIE-7200-DS-467, 8, 1-69.
    7. Herman, J. , and Celarier, E.A. ,1997, Earth surface reflectivity climatology at 340-380 nm from TOMS data. Journal of Geophysical Research: Atmospheres, 102(D23), 28003-28011.
    8. Hsu, N.C. , Jeong, M.J. , Bettenhausen, C. , Sayer, A.M. , Seftor, C.S. , Huang, J. , and Tsay, S.C. ,2013, Enhanced deep blue aerosol retrieval algorithm: the second generation. Journal of Geophysical Research, 118, 9296-9315.
    9. Hsu, N.C. , Mcpeters, R.D. , Seftor, C.J. , and Thompson, A.M. ,1997, Effect of an improved cloud climatology on the total ozone mapping spectrometer total ozone retrieval. Journal of Geophysical Research, 102, 4247-4255.
    10. Hsu, N.C. , Tsay, S.C. , King, M.D. , and Herman, J.R. ,2004, Aerosol properties over bright-reflecting source regions. IEEE Transactions on Geoscience and Remote Sensing, 42(3), 557-569.
    11. Hsu, N.C. , Tsay, S.C. , King, M.D. , and Herman, J.R. ,2006, Deep blue retrievals of Asian aerosol properties during ACE-Asia. IEEE Transactions on Geoscience and Remote Sensing, 44(11), 3180-3195.
    12. Kaufman, Y.D. , Tanré, L.A. , Remer, E. , Vermote, A.C. , and Holben, B. ,1997, Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer. Journal of Geophysical Research, 102(D14), 17051-17067.
    13. Kleipool, Q. , Dobber, M. , Haan, J.D. , and Levelt, P. ,2008, Earth surface reflectance climatology from 3 years of OMI data. Journal of Geophysical Research, 113(D18), D18308.
    14. Koelemeijer, R.B.A. , de Haan , J.F , and Stammes, P. ,2003, A database of spectral surface reflectivity in the range 335–772 nm derived from 5.5 years of GOME observations. Journal of Geophysical Research, 108(D2), 4070.
    15. Kwon, Y.I. , Lee, S.G. , Kim, K.H. , Shin, J.B. , and Yu, K.M. ,2004, Geochemical characteristic of the surface sediments from the middle-to-eastern Taklimakan desert, China. Journal of the Geological Society of Korea, 40(4), 383-393.
    16. Lee, C. , Richter, A. , Weber, M. , and Burrows, J.P. ,2008, SO2 retrieval from SCIAMACHY using the weighting function DOAS (WFDOAS) technique: comparison with standard DOAS retrieval. Atmospheric Chemistry and Physics, 8, 6137-6145.
    17. Lee, Z. , Hu, C. , Shang, S. , Du, K. , Lewis, M. , Arnone, R. , and Brewin, R. ,2013, Penetration of UV-visible solar radiance in the global oceans: insights from ocean color remote sensing. Journal of Geophysical Research, 118, 4241-4255.
    18. Nolin, A.R. , Armstrong, L. , and Maslanik, J. ,1998, Nearreal-time SSM/I-SSMIS EASE-grid daily global ice concentration and snow extent, version 5. https://nsidc.org/data/nise.
    19. Schaaf, C.B. , Gao, F. , Strahler, A.H. , Lucht, W. , Li, X. , Tsang, T. , Strugnell, N.C. , Zhang, X. , Jin, Y. , Muller, J.P. , Lewis, P. , Barnsley, M. , Hobson, P. , Disney, M. , Roberts, G. , Dunderdale, M. , Doll, C. , d’Entremont, R.P. , Hu, B. , Liang, S. , Privette, J.L. , and Roy, D. ,2002, First operational BRDF, albedo nadir reflectance products from MODIS. Remote Sensing of Environment, 83(1), 135-148.
    20. Shin., H.W. , and Yoo, J.M. ,2018, Sensitivity experiment of surface reflectance to error-inducing variables based on the GEMS satellite observations. Journal of the Korean Earth Science Society, 39(1), 53-66.
    21. Sissenwine, N. , Dubin, M. , and Wexler, H. ,1962, The U.S. standard atmosphere, 1962. Journal of Geophysical Research, 67(9), 3627-3630.
    22. Spurr, R.J. ,2006, VLIDORT: A linearized pseudo-spherical vector discrete ordinate radiative transfer code for forward model and retrieval studies in multilayer multiple scattering media. Journal of Quantitative Spectroscopy and Radiative Transfer, 102(2), 316-342.
    23. Stammes, P. ,2002, OMI algorithm theoretical basis documet: volume II, OMI ozone proudcts. ATBD-OMIO2.
    24. Thomas, N.P. ,2004, The EOS aqua/aura experience: lessons learned on design, integration, and test of earthobserving satellites. Northrop Grumman Space Technology, Redondo Beach, CA90278.
    25. Tilstra, L.G. , Tuinder, O.N.E. , Wang, P. , and Stammes, P. ,2017, Surface reflectivity climatologies from UV to NIR determined from earth observations by GOME-2 and SCIAMACHY. Journal of Geophysical Research, 122(7), 4084-4111.
    26. van den Oord, G.H.J. , Rozemeijer, N.C. , Schenkelaars, V. , Levelt, P.F. , Dobber, M.R. , Voors, RHM. Claas, J. , De Vries, J. , Ter Linden, M. , De Haan, C. , and de Berg, T.V. ,2006, OMI level 0 to 1b processing and operational aspects. IEEE Transactions on Geoscience and Remote Sensing, 44, 1380-1397.
    27. Veefkind, J.P. , de Haan, J.F. , Brinksma, E.J. , Kroon, M. , and Levelt, P.F. ,2006, Total ozone from the ozone monitoring instrument (OMI) using the DOAS technique. IEEE transactions on geoscience and remote sensing, 44(5), 1239-1244.
    28. Vermote, E.F. , Kotchenova, S.Y. , and Ray, J.P. ,2015, MODIS surface reflectance user’s guide. MODIS Land Surface Reflectance Science Computing Facility, 1-40.
    29. Wang, M. , Tang, J. , and Shi, W. ,2007, MODIS-derived ocean color products along the China east coastal region. Geophysical Research Letters, L06611, 34.
    30. Wong, M.S. , Lee, K.H. , Nichol, J.E. , and Li, Z.Q. ,2010, Retrieval of aerosol optical thickness using MODIS 500×500 m2, a study in Hong Kong and the Pearl River delta region. IEEE Transactions on Geoscience and Remote Sensing, 48(8), 3318-3327.