기상 현상을 예측하는 수치예보모델의 주요한 기초 입력 데이터로 토지이용, 지형, 식생, 지표 온도 등이 있다. 이 중 지표 온도의 일부인 내륙 수면 온도에 대한 지상 관측 데이터는 강이나 호수의 일부 지역에만 존재한다. 따라서 본 연구는 수치예보모델의 입력 데이터인 내륙 수면 온도로 활용할 수 있는 MODIS 위성영상의 지표 온도 데이터의 오차정도를 확인하기 위해 국내 내륙 수온 지상 관측 데이터와 비교 분석하였다. 이를 위해 2011년 7월부터 2012년 6월까지 약 1년의 MODIS Land Surface Temperature(LST) 데이터와 수질자동측정망의 수온 데이터를 비교하였다. MODIS 데이터는 주간 및 야간 데이터로 구성되는 데, 각각의 월 평균 오차는 $2^{\circ}{\sim}8^{\circ}C$, $3^{\circ}{\sim}12^{\circ}C$로 주간 데이터의 오차가 작았다. 특히, 주간 데이터의 오차는 가을에 $2^{\circ}C$로 다른 계절에 비해 작았고, 야간 데이터는 여름에 $3^{\circ}C$로 다른 계절에 비해 작았다. 또한 지역적으로는 한강, 낙동강, 금강, 영산강의 4대강을 비교한 결과 가장 남쪽에 있는 영산강 유역에서 가장 오차가 작았다. 본 연구를 통해 수치예보모델의 입력 데이터로 활용함에 있어 MODIS 지표 온도 데이터의 오차 정도를 확인할 수 있었다. 연구 결과는 아시아 지역에 대해 수치예보모델을 운용할 때 북한 및 해외 지역에 대해 MODIS 지표 온도 데이터를 활용함에 있어 그 오차 정도의 기준이 될 수 있을 것이다.
기상 현상을 예측하는 수치예보모델의 주요한 기초 입력 데이터로 토지이용, 지형, 식생, 지표 온도 등이 있다. 이 중 지표 온도의 일부인 내륙 수면 온도에 대한 지상 관측 데이터는 강이나 호수의 일부 지역에만 존재한다. 따라서 본 연구는 수치예보모델의 입력 데이터인 내륙 수면 온도로 활용할 수 있는 MODIS 위성영상의 지표 온도 데이터의 오차정도를 확인하기 위해 국내 내륙 수온 지상 관측 데이터와 비교 분석하였다. 이를 위해 2011년 7월부터 2012년 6월까지 약 1년의 MODIS Land Surface Temperature(LST) 데이터와 수질자동측정망의 수온 데이터를 비교하였다. MODIS 데이터는 주간 및 야간 데이터로 구성되는 데, 각각의 월 평균 오차는 $2^{\circ}{\sim}8^{\circ}C$, $3^{\circ}{\sim}12^{\circ}C$로 주간 데이터의 오차가 작았다. 특히, 주간 데이터의 오차는 가을에 $2^{\circ}C$로 다른 계절에 비해 작았고, 야간 데이터는 여름에 $3^{\circ}C$로 다른 계절에 비해 작았다. 또한 지역적으로는 한강, 낙동강, 금강, 영산강의 4대강을 비교한 결과 가장 남쪽에 있는 영산강 유역에서 가장 오차가 작았다. 본 연구를 통해 수치예보모델의 입력 데이터로 활용함에 있어 MODIS 지표 온도 데이터의 오차 정도를 확인할 수 있었다. 연구 결과는 아시아 지역에 대해 수치예보모델을 운용할 때 북한 및 해외 지역에 대해 MODIS 지표 온도 데이터를 활용함에 있어 그 오차 정도의 기준이 될 수 있을 것이다.
This paper aims to analyze the root mean square errors of MODIS LST data and inland water temperature measurement data in order to use MODIS LST data as an input of numerical weather prediction model. MODIS LST data from July 2011 to June 2012 were compared to water temperature measurement data in t...
This paper aims to analyze the root mean square errors of MODIS LST data and inland water temperature measurement data in order to use MODIS LST data as an input of numerical weather prediction model. MODIS LST data from July 2011 to June 2012 were compared to water temperature measurement data in the automated water quality measurement network. MODIS data have two composites: day-time and night-time. Monthly errors of day-time and night-time LST range $2{\sim}8^{\circ}C$ and $3{\sim}12^{\circ}C$, respectively. Temporally, monthly errors of day-time LST are less in fall and those of night-time LST are less in summer. Spatially, on the four major rivers including the Han, Nakdong, Geum, and Yeongsan rivers, the errors of Yeongsan river were the smallest, which location is the south-most among them. In this study, the errors of MODIS LST as an input of numerical weather prediction model were analyzed and the results can be used as an error level of MODIS LST data for inaccessible areas such as North Korea.
This paper aims to analyze the root mean square errors of MODIS LST data and inland water temperature measurement data in order to use MODIS LST data as an input of numerical weather prediction model. MODIS LST data from July 2011 to June 2012 were compared to water temperature measurement data in the automated water quality measurement network. MODIS data have two composites: day-time and night-time. Monthly errors of day-time and night-time LST range $2{\sim}8^{\circ}C$ and $3{\sim}12^{\circ}C$, respectively. Temporally, monthly errors of day-time LST are less in fall and those of night-time LST are less in summer. Spatially, on the four major rivers including the Han, Nakdong, Geum, and Yeongsan rivers, the errors of Yeongsan river were the smallest, which location is the south-most among them. In this study, the errors of MODIS LST as an input of numerical weather prediction model were analyzed and the results can be used as an error level of MODIS LST data for inaccessible areas such as North Korea.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 수치예보 모델의 기초 입력 데이터인 내륙 수면 온도에 대해 MODIS 위성 영상의 지표 온도 데이터를 활용하기 위해 국내 내륙 수온 지상 관측 데이터와 MODIS 지표 온도 데이터를 비교・분석하였다. 이를 위해 2011년 7월부터 2012년 6월까지 약 1년의 MODIS Land Surface Temperature(LST) 데이터와 수질자동측정망의 수온 데이터를 비교하였다.
본 연구는 기상청 제원으로 연구된 「수치예보모델 운영기술 개선」 연구보고서의 일부를 수정・보완한 내용이다.
본 연구는 수치예보모델의 기초 입력자료인 내륙 수온 데이터로 MODIS 위성영상 데이터의 지표 온도 데이터를 활용하기 위해 그 오차 정도를 분석하였다. 1km의 해상도의 MODIS 위성영상에서 지표 온도를 추출하면 관측망이 구축되지 않은 내륙 수면 지역에 대해서도 수온 데이터를 구축할 수 있기 때문이다.
오차는 <식 1>을 활용하여 계산하였다. 시간에 따른 오차와 지역에 따른 오차로 구분하여 살펴봄으로써 MODIS 지표 온도 데이터와 수온자동측정망의 수온 데이터의 차이를 살펴보고자 하였다. 또한 수치예보모델의 입력 데이터로 활용함에 있어 오차정보 뿐만 아니라 편차(BIAS) 정보도 매우 중요하다.
1km의 해상도의 MODIS 위성영상에서 지표 온도를 추출하면 관측망이 구축되지 않은 내륙 수면 지역에 대해서도 수온 데이터를 구축할 수 있기 때문이다. 이에 MODIS 데이터의 정확도를 확인하고 편차를 통해 보정할 수 있는 데이터를 제시하고자 하였다.
제안 방법
2011년 7월부터 2012년 6월의 MODIS 지표 온도 데이터와 수온자동측정망의 수온 데이터를 비교하기 위하여 수온 측정 지점을 동일하게 정렬한 후 오차(RMSE)를 평가하였다. 이 때, 시간은 1월부터 12월까지 주간과 야간으로 구분하였다.
MODIS LST의 수온데이터가 주간과 야간으로 구분되므로 비교를 위해 자동측정망의 수온데이터를 주간과 야간으로 나누어 구축하였다. 40개 측정소의 데이터를 바탕으로 도출된 주간 오차는 아래 <그림 5>, 야간 오차는 <그림 6>과 같다.
오차 분석은 2011년 7월부터 2012년 6월의 MODIS LST 데이터와 수질자동측정망의 수온 데이터를 바탕으로 이루어졌다. 두 데이터의 오차를 시공간적으로 비교・분석하였다. 분석결과, 월별 주간 오차는 2°∼8℃의 범위 내에 있으며 계절별로는 가을에 가장 오차가 작게 나타났다.
둘째, 월별로 수집된 8일 평균 데이터들에 대해 공간적으로 분리되어 있는 각 영상 의 좌측을 하나의 영상으로 합쳐주는 과정을 수행하였다.
또한 수질자동측정망 데이터 중 상당한 누락이 발생하여 월평균 계산시 오류 가능성이 있는 13개소(신천, 남면, 강창, 구미, 도개, 봉화, 신암, 예천, 칠서, 회상, 나주, 황룡강, 서창교)를 제외하였다. 따라서 수질자동측정망 중 40개소의 데이터에 대해 MODIS 데이터와 비교하여 그 오차를 계산하였다.
자동측정망의 60개 측정소 중 금강권역의 달천과 낙동강권 역의 고령, 적포, 해평은 데이터 수집기간인 2011년 7월 1일부터 2012년 6월 30일까지의 기간 동안 수온 데이터가 전혀 존재하지 않는다. 따라서 위 4개소를 제외한 56개소의 수온 데이터를 바탕으로 MODIS 수온 데이터와 비교하였다.
비교대상인 MODIS 영상 데이터는 래스터 형식이기 때문에 동일한 지점에서의 수온을 비교하기 위해서는 수질자동측정망의 수온 데이터를 래스터 형식으로 변환시켜야 한다. 따라서 전국의 수질자동측정망 위치 데이터를 MODIS 영상 데이터의 셀 크기와 동일한 크기의 래스터로 변환하여 MODIS 데이터와 비교하였다. 이때 56개 수질자 동측정소가 위치한 지역의 하천 폭을 측정하기 위해 하천의 수치지도 상에서 측정하였다.
수질자동측정망의 수온 데이터는 한 시간 간격으로 측정되어 있다. 따라서 주간 MODIS 데이터와 11시수질자동측정망 수온 데이터를 비교하고 야간 MODIS 데이터와 22시 수질자동측정망 수온 데이터를 비교하였다.
셋째, 모자이크 과정을 거친 데이터는 연구지역 전체에 대해 각각 8일치 평균 온도를 나타내고 있으며 8일 평균으로 모자이크되어 있는 영상 네 개를 중첩하여 평균을 계산하여 월평균 온도 데이터를 구축하였다. <그림 2>는 8월의 월평균 데이터를 구축한 사례를 보여주고 있다.
이를 위해 2011년 7월부터 2012년 6월까지 약 1년의 MODIS Land Surface Temperature(LST) 데이터와 수질자동측정망의 수온 데이터를 비교하였다. 시간적으로는 1시간 단위로 측정되는 수질자동측정망의 수온 데이터와 8일 단위로 구축되는 MODIS 지표 온도 데이터에 대해 월별, 계절별로 그 오차(RMSE) 특성을 분석하고, 지역적으로 한강, 낙동강, 금강, 영상 강의 4대강에 대해 그 오차의 차이를 분석하였다.
따라서 전국의 수질자동측정망 위치 데이터를 MODIS 영상 데이터의 셀 크기와 동일한 크기의 래스터로 변환하여 MODIS 데이터와 비교하였다. 이때 56개 수질자 동측정소가 위치한 지역의 하천 폭을 측정하기 위해 하천의 수치지도 상에서 측정하였다. 수질자동 측정소 위치의 하천 폭은 최소 약 50m에서 최대 1.
지역에 따른 오차를 살펴보기 위해 월별 주간 오차와 야간 오차를 한강, 낙동강, 금강, 영산강 유역으로 나누어 살펴보았다. 유역별 주간 오차는<그림 7>, 유역별 야간 오차는 <그림 8>과 같다.
대상 데이터
데이터의 공간적 범위는 N25°~N50°, E110°~E140°이며 한반도를 포함한다.
본 연구에서는 1km 해상도의 Terra MODIS 위성의 MOD11A2-Level3 8-Day Land Surface Temperature/Emissivity 데이터를 활용하였다. 데이터의 공간적 범위는 N25°~N50°, E110°~E140°이며 한반도를 포함한다.
이 때, 시간은 1월부터 12월까지 주간과 야간으로 구분하였다. 수온데이터는 수질자동측정망의 56개 측정소 데이터 중 총 40개소의 데이터를 사용하였다. 16개소의 제외 원인은 다음과 같다.
MODIS 영상의 수온 데이터를 검증하기 위하여 수질자동측정망의 수온 데이터와 비교하였다. 수질자동측정망 데이터의 분석 시기는 2011년 7월 1일부터 2012년 6월 30일까지 1년 동안 1시간 간격의 수온 데이터를 사용하였다. 수질자동측정망의 측정지점은 총 60개소이며 아래 <표 1>과 같이 하천수, 호소수, 공단배수를 포함한다.
오차 분석은 2011년 7월부터 2012년 6월의 MODIS LST 데이터와 수질자동측정망의 수온 데이터를 바탕으로 이루어졌다. 두 데이터의 오차를 시공간적으로 비교・분석하였다.
따라서 본 연구에서는 수치예보 모델의 기초 입력 데이터인 내륙 수면 온도에 대해 MODIS 위성 영상의 지표 온도 데이터를 활용하기 위해 국내 내륙 수온 지상 관측 데이터와 MODIS 지표 온도 데이터를 비교・분석하였다. 이를 위해 2011년 7월부터 2012년 6월까지 약 1년의 MODIS Land Surface Temperature(LST) 데이터와 수질자동측정망의 수온 데이터를 비교하였다. 시간적으로는 1시간 단위로 측정되는 수질자동측정망의 수온 데이터와 8일 단위로 구축되는 MODIS 지표 온도 데이터에 대해 월별, 계절별로 그 오차(RMSE) 특성을 분석하고, 지역적으로 한강, 낙동강, 금강, 영상 강의 4대강에 대해 그 오차의 차이를 분석하였다.
MODIS 위성영상 데이터를 바탕으로 내륙 온도 데이터를 구축하는 구체적인 방법은 다음과 같다. 첫째, 미항공우주국(NASA)에서 제공하는 8일 평균 MODIS 위성영상 데이터를 한 달 단위 데이터로 수집하였다.
데이터처리
MODIS 영상의 수온 데이터를 검증하기 위하여 수질자동측정망의 수온 데이터와 비교하였다. 수질자동측정망 데이터의 분석 시기는 2011년 7월 1일부터 2012년 6월 30일까지 1년 동안 1시간 간격의 수온 데이터를 사용하였다.
이론/모형
이 과정을 통해 위 <그림 4>의 수질자동측정망의 위치 데이터가 구축된 것이다. 좌표계는 경위도를 사용하는 지리좌표체계(Geographic coordinate system)이며 데이텀은 WGS 1984를 활용하였다.
성능/효과
정종철(2011)은 새만금해역의 표층수온의 변화 경향을 분석하기 위하여 Landsat TM과 MODIS 영상을 이용하였다. 계절별로 표층 수온의 패턴에 차이가 있음을 밝혔으며, MODIS 영상에서 추출한 수온 데이터는 실측 데이터와 유사한 경향을 보이는 것으로 분석되었다. 하지만 측정시간 및 수심에 따른 오차가 발생함을 밝혔다.
0%였다. 또한 각 측정 지점에 대해 수온의 상승 및 하강 형태를 분석한 결과 수온이 상승한 지점이 하강한 지점보다 1.7배 많아 수온 변화가 유의한 지점 중 여러 지점들에서 시간이 지남에 따라 수온이 상승함을 보여 주었다. 다른 한편으로, 수온변화에 관한 연구를 위해 수질측정망의 다양한 관측 장비를 이용하여 실측 데이터를 취득하려는 노력이 계속되어 왔다.
본 연구를 통해 수치예보모델의 입력 데이터로 활용함에 있어 MODIS 지표 온도 데이터의 오차 및 편차 정도를 확인할 수 있었다. 또한 향후 과제로 다음의 두 가지를 제안하고자 한다.
(2004)은 MODIS Land Surface Temperature(LST) 데이터를 활용하여 안정적인 대기상태의 야간 최저기온을 추정하였고, 야간 기온의 변동성을 살펴보았다. 분석결과 Aqua MODIS LST로부터 얻어진 기온의 추정치는 40km ETA 모델로부터 얻어진 기온의 추정치보다 실제에 더 근접하다고 밝혔다. 이는 ETA 모델의 공간해상도가 너무 낮은 것이 원인일 수도 있다.
분석결과, 월별 주간 오차는 2°∼8℃의 범위 내에 있으며 계절별로는 가을에 가장 오차가 작게 나타났다.
지역적으로 영산강은 다른 강들에 비해 위도가 낮고 내륙으로의 연장이 길지 않다. 이러한 지역적 특성이 MODIS 지표 온도와 수질자 동측정망 수온의 차이를 다른 강들에 비해 상대적으로 줄여 주는 것으로 판단된다. 연평균 편차를 살펴보면 주간에는 대체로 양의 값으로 MODIS 지표 온도가 수질자동측정망의 수온에 비해 전반적으로 높게 나타나며, 야간에는 음의 값으로 수온이 지표 온도보다 높게 나타남을 보여준다.
후속연구
MODIS LST를 활용하여 내륙 수온을 추정하기 위해서는 야간 영상 보다는 오차가 상대적으로 작은 주간 영상을 사용하는 것이 타당할 것이다. MODIS 영상 데이터를 활용한다면 수질자동측정망이 포괄할 수 없는 모든 내륙 수면에 대해 수온 데이터를 구축할 수 있을 것이다. 다만 MODIS LST 영상의 공간 해상도가 1km 이므로 1km 폭 이하의 하천과 호소에 대해서는 내륙 수온 추정시 MODIS 데이터의 1km2의 격자 내에 물뿐만 아니라 삼림이나 도시 등 다양한 지표사상이 존재하므로 다양한 지표 온도가 포함되어 있음을 고려하여야 한다.
우선, MODIS LST 데이터와 수면 온도의 계절에 따른 오차와 편차의 원인을 분석한다면 MODIS LST 데이터에 대한 좀 더 정밀한 보정이 가능할 것이다. 둘째, 오차의 지역적인 분석을 통해 MODIS LST 오차의 지역적 차이가 크지 않음을 확인하였으므로 MODIS LST 위성 데이터를 활용하여 북한지역 및 해외지역에 대한 내륙 수온 데이터를 구축할 수 있을 것이다. 이때 수질자동측정망의 수온 측정지점의 수체 특성을 고려한 지역별 수온 비교를 통해 지역적 차이가 없는 원인을 확인할 수도 있을 것이다.
따라서 MODIS 지표 온도 데이터로 내륙 수온을 추정하기 위해서는 MODIS 지표 온도 데이터 중 야간 데이터 보다는 주간 데이터를 활용하는 것이 좋을 것이다. 만약 주간과 야간을 모두 추정하여야 한다면 본 연구에서 제시한 MODIS 지표 온도와 수질자동측정망 수온 사이의 편차를 이용해 보정하여 활용할 수 있을 것이다.
이때 수질자동측정망의 수온 측정지점의 수체 특성을 고려한 지역별 수온 비교를 통해 지역적 차이가 없는 원인을 확인할 수도 있을 것이다. 수온 실측 데이터가 없는 북한지역 및 해외지역의 내륙 수온 데이터 구축을 위해 본 연구의 결과와 더불어 Landsat TM 등 보다 고해상도의 지표 온도 데이터를 활용하는 방안에 대한 연구가 수행되어야 하며, 그 결과와 MODIS LST 데이터에 대한 비교가 연구되어야 할 것이다.
또한 향후 과제로 다음의 두 가지를 제안하고자 한다. 우선, MODIS LST 데이터와 수면 온도의 계절에 따른 오차와 편차의 원인을 분석한다면 MODIS LST 데이터에 대한 좀 더 정밀한 보정이 가능할 것이다. 둘째, 오차의 지역적인 분석을 통해 MODIS LST 오차의 지역적 차이가 크지 않음을 확인하였으므로 MODIS LST 위성 데이터를 활용하여 북한지역 및 해외지역에 대한 내륙 수온 데이터를 구축할 수 있을 것이다.
다만 MODIS LST 영상의 공간 해상도가 1km 이므로 1km 폭 이하의 하천과 호소에 대해서는 내륙 수온 추정시 MODIS 데이터의 1km2의 격자 내에 물뿐만 아니라 삼림이나 도시 등 다양한 지표사상이 존재하므로 다양한 지표 온도가 포함되어 있음을 고려하여야 한다. 이때 본 연구에서 제시한 편차 정보를 MODIS 영상 데이터의 수면 온도 보정에 활용할 수 있을 것이다.
둘째, 오차의 지역적인 분석을 통해 MODIS LST 오차의 지역적 차이가 크지 않음을 확인하였으므로 MODIS LST 위성 데이터를 활용하여 북한지역 및 해외지역에 대한 내륙 수온 데이터를 구축할 수 있을 것이다. 이때 수질자동측정망의 수온 측정지점의 수체 특성을 고려한 지역별 수온 비교를 통해 지역적 차이가 없는 원인을 확인할 수도 있을 것이다. 수온 실측 데이터가 없는 북한지역 및 해외지역의 내륙 수온 데이터 구축을 위해 본 연구의 결과와 더불어 Landsat TM 등 보다 고해상도의 지표 온도 데이터를 활용하는 방안에 대한 연구가 수행되어야 하며, 그 결과와 MODIS LST 데이터에 대한 비교가 연구되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
대기 온도 측정소에서 취득한 기온 데이터가 갖고 있는 단점은 무엇인가?
지표면 온도 측정을 위해서 대기 온도 측정소에서 취득한 기온 데이터는 측정소 주변 지역을 제외한 다른 지역의 정보에 대해 정확도가 낮다는 단점을 가지고 있으므로, 이를 보완하기 위해 기온 관측망보다 조밀한 위성영상 데이터를 사용하여 온도 데이터를 구축하려는 연구가 다수 존재한다. Jones et al.
지표면 온도 데이터는 어떻게 활용되고 있는가?
이러한 수치예보 모델의 주요한 기초 입력 데이터로 토지피복, 지형, 식생, 지표면 온도 등이 있다. 이 중 특히 지표 온도 데이터는 지구온난화, 도시열섬 현상, 도시개발에 따른 도시의 확장 등에 다양하게 활용되고 있다(엄대용, 2006; 송영선, 2005).
수치예보모델의 주요한 기초 입력 데이터는 무엇이 있는가?
기상 현상을 예측하는 수치예보모델의 주요한 기초 입력 데이터로 토지이용, 지형, 식생, 지표 온도 등이 있다. 이 중 지표 온도의 일부인 내륙 수면 온도에 대한 지상 관측 데이터는 강이나 호수의 일부 지역에만 존재한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.