천리안 위성과 극궤도 위성 자료를 이용한 북서태평양 해역의 합성 해수면온도 산출 An Estimation of the Composite Sea Surface Temperature using COMS and Polar Orbit Satellites Data in Northwest Pacific Ocean원문보기
국가기상위성센터(NMSC)는 2011년 4월부터 천리안 위성(COMS) 해수면온도자료를 생산해왔다. 본 연구에서는 천리안 해수면온도 알고리즘을 이용하여 북서태평양 지역에 최적화된 해수면온도 산출 알고리즘 및 정지궤도와 극궤도 위성의 해수면온도 자료 합성 알고리즘을 개발하였다. 북서태평양 해역에 최적화된 천리안위성 해수면온도를 산출하기 위해 천리안 위성 자료와 부이(Buoy) 해수면온도 자료를 이용하여 해당지역에 최적화된 회귀계수를 산출 하였으며, 정확도 향상을 위한 새로운 구름 및 기타 오염 화소 제거와 부이자료의 품질검사 과정을 수행하였다. 그리고 본 연구에서 산출한 북서태평양 지역에 최적화된 천리안 위성 해수면 온도와 극궤도 위성(NOAA-18/19 and GCOM-W1) 해수면온도 자료를 이용하여 합성해수면 온도를 산출하였다. 합성 방법은 국립기상과학원에서 개발한 합성해수면온도 알고리즘을 응용하여 적용하였다(NIMR, 2009). 북서태평양 해역에 최적화된 천리안위성 해수면온도를 산출하기 위해 2011년 4월부터 2012년 3월까지의 위성 및 부이 자료를 사용하였고, 합성 해수면온도를 산출하기 위해 2012년 7월부터 2013년 6월까지의 자료를 사용하였다. 합성 해수면온도와 부이 해수면온도 자료를 비교한 결과 $0.95^{\circ}C$의 평균 제곱근 오차(RMSE)를 나타냈다.
국가기상위성센터(NMSC)는 2011년 4월부터 천리안 위성(COMS) 해수면온도자료를 생산해왔다. 본 연구에서는 천리안 해수면온도 알고리즘을 이용하여 북서태평양 지역에 최적화된 해수면온도 산출 알고리즘 및 정지궤도와 극궤도 위성의 해수면온도 자료 합성 알고리즘을 개발하였다. 북서태평양 해역에 최적화된 천리안위성 해수면온도를 산출하기 위해 천리안 위성 자료와 부이(Buoy) 해수면온도 자료를 이용하여 해당지역에 최적화된 회귀계수를 산출 하였으며, 정확도 향상을 위한 새로운 구름 및 기타 오염 화소 제거와 부이자료의 품질검사 과정을 수행하였다. 그리고 본 연구에서 산출한 북서태평양 지역에 최적화된 천리안 위성 해수면 온도와 극궤도 위성(NOAA-18/19 and GCOM-W1) 해수면온도 자료를 이용하여 합성해수면 온도를 산출하였다. 합성 방법은 국립기상과학원에서 개발한 합성해수면온도 알고리즘을 응용하여 적용하였다(NIMR, 2009). 북서태평양 해역에 최적화된 천리안위성 해수면온도를 산출하기 위해 2011년 4월부터 2012년 3월까지의 위성 및 부이 자료를 사용하였고, 합성 해수면온도를 산출하기 위해 2012년 7월부터 2013년 6월까지의 자료를 사용하였다. 합성 해수면온도와 부이 해수면온도 자료를 비교한 결과 $0.95^{\circ}C$의 평균 제곱근 오차(RMSE)를 나타냈다.
National Meteorological Satellite Center(NMSC) has produced Sea Surface Temperature (SST) using Communication, Ocean, and Meteorological Satellite(COMS) data since April 2011. In this study, we have developed a new regional COMS SST algorithm optimized within the North-West Pacific Ocean area based ...
National Meteorological Satellite Center(NMSC) has produced Sea Surface Temperature (SST) using Communication, Ocean, and Meteorological Satellite(COMS) data since April 2011. In this study, we have developed a new regional COMS SST algorithm optimized within the North-West Pacific Ocean area based on the Multi-Channel SST(MCSST) method and made a composite SST using polar orbit satellites as well as the COMS data. In order to retrieve the optimized SST at Northwest Pacific, we carried out a colocation process of COMS and in-situ buoy data to make coefficients of the MCSST algorithm through the new cloud masking including contaminant pixels and quality control processes of buoy data. And then, we have estimated the composite SST through the optimal interpolation method developed by National Institute of Meteorological Science(NIMS). We used four satellites SST data including COMS, NOAA-18/19(National Oceanic and Atmospheric Administration-18/19), and GCOM-W1(Global Change Observation Mission-Water 1). As a result, the root mean square error ofthe composite SST for the period of July 2012 to June 2013 was $0.95^{\circ}C$ in comparison with in-situ buoy data.
National Meteorological Satellite Center(NMSC) has produced Sea Surface Temperature (SST) using Communication, Ocean, and Meteorological Satellite(COMS) data since April 2011. In this study, we have developed a new regional COMS SST algorithm optimized within the North-West Pacific Ocean area based on the Multi-Channel SST(MCSST) method and made a composite SST using polar orbit satellites as well as the COMS data. In order to retrieve the optimized SST at Northwest Pacific, we carried out a colocation process of COMS and in-situ buoy data to make coefficients of the MCSST algorithm through the new cloud masking including contaminant pixels and quality control processes of buoy data. And then, we have estimated the composite SST through the optimal interpolation method developed by National Institute of Meteorological Science(NIMS). We used four satellites SST data including COMS, NOAA-18/19(National Oceanic and Atmospheric Administration-18/19), and GCOM-W1(Global Change Observation Mission-Water 1). As a result, the root mean square error ofthe composite SST for the period of July 2012 to June 2013 was $0.95^{\circ}C$ in comparison with in-situ buoy data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
국가기상위성센터에서 생산되고 있는 위성기반 해수면온도 자료를 수치예보, 해양감시 등 여러 분야에 활용하기 위하여 해수면온도 합성장을 산출하였다. 국가기상위성센터 해수면온도 합성장은 앞에서 기술된 북서태평양 해역에 최적화된 천리안 해수면온도를 비롯하여 극궤도 기상위성인 NOAA/AVHRR와 GCOMW1/AMSR-2를 사용 하였으며, 각각의 주요 특성은 Table 2와 같다.
2 K; JMA 2012). 따라서 본 연구에서 합성 해수면 온도 알고리즘 산출하기 위해 기존의 천리안 해수면온도 알고리즘을 개선 및 북서태평양 지역에 최적화하였으며, 국가기상위성센터에서 직수신되는 정지 및 극궤도 위성을 이용한 합성해수면온도를 산출하였다. 2장에서는 현재 위성센터에서 운용중인 천리안 해수면온도 알고리즘의 기술 및 한계점에 대해 다루었으며, 3장과 4장에서는 천리안 해수면온도 개선 및 북서태평양 해역에 최적화된 알고리즘과 결과를, 그리고 5장에서는 합성해수면온도 산출 방법과 결과를 기술하였다
본 연구의 목적은 우리나라 주변해역을 포함한 북서 태평양의 특성이 반영된 합성해수면온도 알고리즘을 개발하는 것이다. 천리안 해수면온도 자료는 이러한 지역적 특성을 비교적 잘 반영하는 장점이 있으나, 일반적인 인공위성 해수면온도 자료의 정확도와 비교하여 다소 미흡한 부분이 있으며 광학센서의 한계로 인해 구름 지역의 해수면온도를 산출하지 못하는 단점이 있다.
국가기상위성센터는 2011년부터 천리안 위성을 이용한 해수면온도 산출물을 개발하여 서비스하고 있지만 자료의 정확도 및 광학 센서의 한계점으로 인해 수치 모델의 입력자료로 활용하기엔 무리가 따른다. 본 장에서는 천리안 해수면온도 알고리즘 방법과 수치모델의 입력자료로 활용할 수 없는 한계점에 대해 기술하였다.
제안 방법
본 연구에서 L과 T는 1 °와 5일로 하였다. 그 다음, 중심 화소를 기준으로 L과 T거리 내에 있는 센서별 해수면온도의 교차 상관계수가 높은 25개의 자료를 이용하여 자기상관행렬과 가중평균을 구한다. 여기서 가중평균(W)은 다음과 같은 방법으로 산출하였다(NIMS, 2009).
그리고 해수면온도의 단기적 변동성을 고려한 상태에서 이상치를 제거하기 위하여 5일 동안의 표준편차가 2 K 이하인 자료를 사용하였으며, 5일 동안 해수면 온도의 정규분포에서 m(평균) ± 3 σ(표준편차) 이내인 값을 사용하였다.
다음으로, 구름 및 기타 오염화소를 제거한 효과를 알아보기 위해 OSTIA와의 차이를 분석하였다(Fig. 7). OSTIA는 이전 36시간동안 합성한 해수면온도 자료이고 천리안 해수면온도는 순간 관측되는 위성의 밝기 온도로 산출하는 자료로써 방법론적으로 일치하지 않는 자료이나 구름의 영향을 받지 않고 다양한 해수면온도의 평균적인 정보를 나타내는 자료이기 때문에 검증 자료로 활용 하였다.
이렇듯 해양에서 표류하는 장비는 수시로 관리하는데 어려움이 있기 때문에 관측 후 품질검사 과정을 거쳐야 한다. 따라서 동아시아 영역의 부이자료 특성이 반영된 품질 검사 방법을 제안한 Ahn et al. (2006)논문을 응용하였으며, 그 방법은 다음과 같다. 첫 번째로 한 지점에서 하루 동안 관측한 횟수가 10회 이상인 지점의 자료를 사용하였고, 두 번째로 하루 동안 일정한 값을 나타내는 자료는 제거하였다.
따라서 식(2)와 같이 해수면온도의 10일 평균장과 실시간 산출 값의 아노말리(Anomaly) 검사를 수행하여 구름 및 기타오염 화소를 제거 하였다.
북서태평양 해역에 최적화된 천리안 해수면온도를 산출하기 위해 해당 영역의 천리안 위성 자료와 부이자료를 이용하여 새로운 회귀계수를 계산하였으며, 정확도 향상을 위해 새로운 구름 및 기타 오염화소를 탐지하기위한 방법을 적용하고 부이자료의 품질검사 과정을 수행하였다. 북서태평양 해역에 최적화된 천리안 해수면온도를 부이자료와 비교 검증한 결과, 편의(Bias)는-0.
이때 여명기에 발생되는 가시채널의 오류 값을 감소시키기 위해 태양 천정각 65°를 기준으로 낮과 밤을 분리 하였다.
천리안 해수면온도 자료는 이러한 지역적 특성을 비교적 잘 반영하는 장점이 있으나, 일반적인 인공위성 해수면온도 자료의 정확도와 비교하여 다소 미흡한 부분이 있으며 광학센서의 한계로 인해 구름 지역의 해수면온도를 산출하지 못하는 단점이 있다. 이를 개선하기 위해서 국가기상위성센터는 천리안 해수면온도를 북서태평양 해역에 최적화 하고 정확도를 높이기 위한 연구를 수행하였으며, 개선된 천리안 해수면 온도와 극궤도 위성(NOAA-18/19, GCOM-W1) 해수면 온도를 이용하여 합성해수면온도 자료를 생산하였다.
본 연구에서는 북서태평양 해역에 최적화된 천리안 해수면온도산출 알고리즘을 산출하기 위해 천리안 해수면온도 알고리즘에 다음과 같은 방법들을 적용하였다. 첫 번째로는 회귀계수 산출에 사용되는 부이자료의 품질검사를 수행하였으며, 두 번째로는 천리안 평균 해수면온도 자료를 이용한 구름 및 기타 오염화소 제거 방법을 적용하였다. 그리고 북서태평양지역에 최적화된 해수면온도를 산출하기 위해 9 ~ 53 °N, 77 ~ 176 °E 영역의 천리안 위성자료와 부이자료를 이용하여 회귀계수를 산출하였다.
회귀계수는 위성 궤도상 실험(IOT;In Orbit Test)및 안정화 기간 이후 3개월 동안(2011년 4월~6월) 천리안 위성의 전구영역(-81 ~ 81 °N, 47 ~ 209 °E) 자료와 부이 해수면온도 관측자료를 이용하여 계산하였다.
회귀계수를 산출할 때 구름의 영향을 전혀 받지 않은 정확한 위성의 밝기온도 값이 필요하기 때문에 Table 1과 같은 구름 제거 방법을 적용하였으며, 해수면온도의 주·야 특성을 반영하기 위해 주간과 야간을 분리하여 산출하였다.
대상 데이터
영상 분석을 위하여 다음과 같이 동서 고압대의 영향으로 우리나라 주변 해역이 맑아 아한대 전선이 명확하게 관측되고(Fig. 5(B)의 붉은 박스) 북서태평양 해역에 구름이 존재하여 구름 탐지결과를 분석할 수 있는 사례를 선정하였다(Fig. 5). Fig.
Fig. 1(A)는 2011년 4월 18일 천리안 위성 해수면온도 영상이고 (B)는 OSTIA 영상이다. 천리안위성은 광학센서 이기 때문에 구름이 존재하면 지표정보를 관측 할 수 없다(Fig.
결과를 분석하기 위해 북서태평양 해역에 위치한 약 50개의 표류부이(Drift bouy)와 OSTIA 합성장 자료를 사용하였으며 검증 기간은 2011년 4월부터 2012년 3월까지로 하였다. 표류부이자료는 기상청에서 GTS로 수신 받은 자료를, OSTIA는 기상청 현업모델(UM)에서 사용되는 자료를 제공받아 사용하였다.
국가기상위성센터에서 생산되고 있는 위성기반 해수면온도 자료를 수치예보, 해양감시 등 여러 분야에 활용하기 위하여 해수면온도 합성장을 산출하였다. 국가기상위성센터 해수면온도 합성장은 앞에서 기술된 북서태평양 해역에 최적화된 천리안 해수면온도를 비롯하여 극궤도 기상위성인 NOAA/AVHRR와 GCOMW1/AMSR-2를 사용 하였으며, 각각의 주요 특성은 Table 2와 같다.
, 2000). 그리고 비정상적인 값을 제거하기 위해 월별 해수면온도 기후자료를 사용하였다(NMSC, 2012).
첫 번째로 한 지점에서 하루 동안 관측한 횟수가 10회 이상인 지점의 자료를 사용하였고, 두 번째로 하루 동안 일정한 값을 나타내는 자료는 제거하였다. 세 번째로 해수면온도의 일변화가 3 K이하인 지점 자료를 사용하였고, 네 번째로 1일 평균과 표준편차의 차이가 3배 이하인 자료를 사용하였다. 그리고 해수면온도의 단기적 변동성을 고려한 상태에서 이상치를 제거하기 위하여 5일 동안의 표준편차가 2 K 이하인 자료를 사용하였으며, 5일 동안 해수면 온도의 정규분포에서 m(평균) ± 3 σ(표준편차) 이내인 값을 사용하였다.
(2006)논문을 응용하였으며, 그 방법은 다음과 같다. 첫 번째로 한 지점에서 하루 동안 관측한 횟수가 10회 이상인 지점의 자료를 사용하였고, 두 번째로 하루 동안 일정한 값을 나타내는 자료는 제거하였다. 세 번째로 해수면온도의 일변화가 3 K이하인 지점 자료를 사용하였고, 네 번째로 1일 평균과 표준편차의 차이가 3배 이하인 자료를 사용하였다.
결과를 분석하기 위해 북서태평양 해역에 위치한 약 50개의 표류부이(Drift bouy)와 OSTIA 합성장 자료를 사용하였으며 검증 기간은 2011년 4월부터 2012년 3월까지로 하였다. 표류부이자료는 기상청에서 GTS로 수신 받은 자료를, OSTIA는 기상청 현업모델(UM)에서 사용되는 자료를 제공받아 사용하였다.
합성된 해수면온도의 결과를 분석하기 위해 해당 연구 영역에 위치한 약 50개의 표류부이(Drift bouy)와 OSTIA합성장 자료를 사용하였으며 검증 기간은 2012년 7월부터 2013년 6월까지로 하였다.
데이터처리
그리고 북서태평양지역에 최적화된 해수면온도를 산출하기 위해 9 ~ 53 °N, 77 ~ 176 °E 영역의 천리안 위성자료와 부이자료를 이용하여 회귀계수를 산출하였다.
이론/모형
본 연구에서는 북서태평양 해역에 최적화된 천리안 해수면온도산출 알고리즘을 산출하기 위해 천리안 해수면온도 알고리즘에 다음과 같은 방법들을 적용하였다. 첫 번째로는 회귀계수 산출에 사용되는 부이자료의 품질검사를 수행하였으며, 두 번째로는 천리안 평균 해수면온도 자료를 이용한 구름 및 기타 오염화소 제거 방법을 적용하였다.
북서태평양 해역에 최적화된 천리안 해수면온도와 극궤도 위성(NOAA-18/19, GCOM-W1)자료를 이용한 합성장을 생산하기 위해 각 센서의 특징을 고려하여 합성하는 Guan and Kawamura(2004)방법을 사용하였다. 그 결과 편의(Bias) -0.
천리안 해수면온도 알고리즘은 지표면의 정보를 산출하기 위해 천리안 위성의 적외채널4개(4 km)와 가시채널 1개(1 km) 중 윈도우 채널인 10.8 μm 와 12.0 μm 자료를 사용하였으며, 산출 방법으로는 식(1)과 같은 다중채널 회귀분석법(MCSST; Multi-Channel Sea Surface Temperature)을 이용하였다(Prabhakara et al., 1974; McMillin, 1975; McClain,1985).
합성 방법은 국립기상과학원(NIMS; National Institute of Meteorological Science)의 해수면온도 합성장 알고리즘을 응용하였다. 이 방법은 Gauss-Markov 이론에 근거하여 정지 및 극궤도 위성의 해수면온도를 물리적으로 합성하는 것이다(Guan and Kawamura, 2004)(식 (4)).
성능/효과
6은 열전선과 아한대 전선의 관측 여부를 분석하기 위해 천리안 해수면온도와 북서태평양 해역에 최적화된 천리안 해수면온도 그리고 OSTIA의 해수면온도 분포를 나타냈다. 그 결과 OSTIA에 비해 천리안 해수면온도와 북서태평양 해역에 최적화된 천리안 해수면온도에서 열전선 및 아한대전선이 명확하게 관측 되고 있음을 알 수 있다(Fig. 6).
그 결과 편의(Bias) -0.33 °C, 평균 제곱근 오차(RMSE) 0.95 °C를 보였으며, 봄·여름철(Bias -0.41 °C, RMSE 1.08 °C)에 비해 가을·겨울철(Bias -0.25 °C, RMSE 0.83 °C)이 높은 정확도를 보였다(검증기간: 2012년 7월 ~ 2013년 6월, 검증자료: 부이).
따라서 3.1장에 제시한 방법으로 품질검사 과정을 거친 부이자료를 이용한 사용한 결과 Fig. 4(A)에서 나타난 비정상적인 값들이 상당부분 제거 된 것을 알 수 있었으며 기존의 천리안 해수면온도와 비교하여 편의(Bias)는 -1.59 °C에서 -0.97 °C, 평균 제곱근 오차(RMSE)는 3.15 °C에서 2.25 °C로 정확도가 향상되었다(Chung etal., 2012).
북서태평양 해역에 최적화된 천리안 해수면온도를 부이자료와 비교 검증한 결과, 편의(Bias)는-0.52 °C, 평균 제곱근 오차(RMSE)는 1.25 °C로 나타나 기존의 천리안 해수면온도의 정확도인 편의(Bias) -1.59°C, 평균 제곱근 오차 3.15 °C에 비해 크게 향상되었음을 보였다(검증기간 2011년 4월 ~ 2012년 1월).
후속연구
그리고 천리안 해수면온도는 전구 영역(-81 ~ 81 °N, 47 ~ 209 °E)자료를 이용해 계산되어서 북서 태평양 해역의 특징을 반영하지 못하기 때문에 북서 태평양 해역의 합성장을 산출하기엔 한계가 따른다. 또한, 천리안 해수면온도는 품질검사를 수행하지 않은 부이 관측 자료를 이용하여 회귀 계수를 산출하였기 때문에 알고리즘 개선이 필요하다. 또한 천리안 해수면온도의 정확도는 Bias 1.
83 °C)이 높은 정확도를 보였다(검증기간: 2012년 7월 ~ 2013년 6월, 검증자료: 부이). 이러한 계절적 의존은 인공위성 자료로부터 해수면온도를 산출 할 때 해양 피층과 그 아래층 사이의 수온 차이에서 비롯되거나(Park et al., 2008), 봄철의 황사와 에어로솔 등에 의한 오염과 여름철 태풍 및 장마전선의 영향으로 인해 상층의 얇은 구름을 탐지하지 못한 것으로 추정됨에 따라 보다 장기간의 자료와 GPM(Global Precipitation Measurement)과 같은 신규 마이크로파 위성자료를 포함하는 합성해수면온도를 생산하여 오차원인을 분석할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
해수면온도를 산출하는 가장 효과적인 방법은?
해수면온도는 부이와 선박 등을 이용하여 직접적으로 관측하는 방법이 있으나 이는 관측지점의 개수가 모델의 해상도에 비해 부족하며, 관측 지점위치의 간격이 일정하지 않은 단점이 있다. 따라서 인공위성자료를 이용한 해수면온도 산출이 이러한 한계를 극복할 수 있는 가장 효과적인 방법으로, 이미 기후 및 수치예보 모델에 활용되고 있다(Stark et al., 2007).
현제 기상청에서 수치예보 모델로 사용하고 있는 UM의 OSTIA 자료의 단점은?
, 2007). 그러나 OSTIA 자료는 전 지구의 합성장으로 중위도의 해양과 동해 중앙부에서 관측되는 쿠로시오-오야시오(Kuroshio-Oyashio) 열전선과 아한대전선(Subpolar Front)의 특징(Park et al., 2007)을 반영하지 못하는 단점이 있으며 전 지구의 위성자료를 이용하여 합성하기 때문에 자료를 제공 받는데 있어 지연시간이 발생하게 된다. 따라서 국내에서 실시간으로 수신되는 위성자료를 이용하여 한반도 인근 해역 특성이 반영된 합성 해수면온도를 개발해야 하는 실정이다.
해수면온도를 부이와 선박 등을 이용하여 직접적으로 관측하는 방법의 단점은?
해수면온도는 부이와 선박 등을 이용하여 직접적으로 관측하는 방법이 있으나 이는 관측지점의 개수가 모델의 해상도에 비해 부족하며, 관측 지점위치의 간격이 일정하지 않은 단점이 있다. 따라서 인공위성자료를 이용한 해수면온도 산출이 이러한 한계를 극복할 수 있는 가장 효과적인 방법으로, 이미 기후 및 수치예보 모델에 활용되고 있다(Stark et al.
참고문헌 (17)
Ahn, M. H., B. J. Hwang, E. H. Shon, C. Y. Chung, and X. Wu, 2006. Derivation of regression coefficients for sea surface temperature retrieval over East Asia, Advances in Atmospheric Sciences, 23(3): 474-486.
Chung, C. Y., H. K Lee, H. J. Ahn, M. H. Ahn, and S. N. Oh, 2006. Developing the Cloud Detection Algorithm for COMS Meteorological Data Processing System, Korean Journal of Remote Sensing., Korea, 22(5): 367-372 (in Korean with English abstract).
Chung, C. Y., J. S. Hwang, T. M. Kim, and J. R. Lee, 2012. First Year Report on CMOS SST Product, Group for high Resolution Sea Surface Temperature, Tokyo. Japan, Jun.4-8, 2: 195-197.
Guan, L. and H. Kawamura, 2004. Merging satellite infrared and microwave SSTs-Methodology and evaluation of the new SST, Journal of Oceanography, 60(5): 905-912.
Japan Meteorological Agency (JMA), 2012. VALIDATION OF A MULTI-CHANNEL SEA SURFACE TEMPERATURE (SST) ALGORITHM CREATED BY JMA, CGMS-40, JMA-WP-10
McMillin, L. M., 1975. Esimation of sea surface temperatures from two infrared window measurements with different absorption, Journal of Geophysical Research, 80(36): 5113-5117.
McClain E. P., W. G. Pichel, and C. C. Walton, 1985. Comparative performance of AVHRR-based multichannel sea surface temperature. Journal of Geophysical Research:Oceans, 90(C6): 3655-3661.
National Institute of Meteorological Research (NIMR), 2009. Research for the Meteorological Observation Technology and Its Application (I): 26-41.
National Meteorological Satellite Center (NMSC), 2012. COMS Meteorological Data Processing System Algorithm Theoretical Basis Document, Sea Surface Temperature.
Park, K. A., F. Sakaida, and H. Kawamura, 2008. Error Characteristics of Satellite-observed Sea Surface Temperatures in the Northeast Asian Sea. Korean Earth Science Society, 29(3): 280-289.
Park, K. A., D. S. Ullman, K. Kim, J .Y. Chung, and K. R. Kim, 2007. Spatial and temporal variability of Satellite-observed Subpolar Front in the East/Japan Sea. Deep Sea Research Part I, 54(4): 453-470.
Minnett, P. and A. Kaiser-Weiss, 2012. Near-surface oceanic temperature gradients. GHRSST Discussion Document, 12: 1-7.
Prabakahara C., G. Dalu, and V.G. Kunde, 1974. Estimation of sea surface temperature from remote sensing in the 11 - 13 ${\mu}m$ window region, Journal of Geophysical Research, 79(33): 5039-5044.
Saunders, R. W, and K. T. Kriebel, 1988. An improved method for detecting clear sky radiances from AVHRR data, International Journal of Remote Sensing, 9(1): 123-150.
Stark, J. D., C. J. Donlon, M. J. Martin, and M. E. McCulloch, 2007. OSTIA: An operational, high resolution, real time, global sea surface temperature analysis system. IEEE, Oceania, Jun., pp. 1-4.
Zavody, A. M., C. T. Mutlow and D. T. Llewellyn-Jones, 2000. Cloud Clearing over the Ocean in the Processing of Data from the Along-Track Scanning Radiometer(ATSR), Journal of Atmospheric and Oceanic Technology, 17(5) 595-615.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.