인공위성 고도계 해상풍 검증과 해상상태편차와의 관련성 - 이어도, 마라도, 외연도 해상풍 관측치를 중심으로 - Validation of Sea Surface Wind Speeds from Satellite Altimeters and Relation to Sea State Bias - Focus on Wind Measurements at Ieodo, Marado, Oeyeondo Stations원문보기
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 풍속자료는 해수면고도를 산출하기 위한 해상상태편차(sea state bias) 보정항의 입력 자료로서 활용됨에 따라 높은 정확도가 요구된다. 본 연구에서는 인공위성 고도계(GFO, Jason-1, Envisat, Jason-2, Cryosat-2, SARAL) 풍속을 검증하고 오차 특성을 분석하기 위하여 이어도 해양과학기지와 마라도, 외연도 해양기상부이의 풍속 자료를 활용하여 2007년 12월부터 2016년 5월까지 총 1504개의 일치점 자료를 생성하였다. 해양실측 풍속에 대한 고도계 풍속은 $1.59m\;s^{-1}$의 평균 제곱근오차와 $-0.35m\;s^{-1}$의 음의 편차를 보였다. 해양실측 풍속에 대한 고도계 해상풍 오차를 분석한 결과 고도계 해상풍은 풍속이 약할 때 과대추정되며 풍속이 강할 때 과소추정되는 특징을 보였다. 위성-실측 자료 간의 거리에 따른 고도계 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 풍속자료를 활용하여 해상상태편차를 산출하였으며 Jason-1의 해상상태편차에 대한 해상풍 오차 보정의 영향을 확인하였다.
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 풍속자료는 해수면고도를 산출하기 위한 해상상태편차(sea state bias) 보정항의 입력 자료로서 활용됨에 따라 높은 정확도가 요구된다. 본 연구에서는 인공위성 고도계(GFO, Jason-1, Envisat, Jason-2, Cryosat-2, SARAL) 풍속을 검증하고 오차 특성을 분석하기 위하여 이어도 해양과학기지와 마라도, 외연도 해양기상부이의 풍속 자료를 활용하여 2007년 12월부터 2016년 5월까지 총 1504개의 일치점 자료를 생성하였다. 해양실측 풍속에 대한 고도계 풍속은 $1.59m\;s^{-1}$의 평균 제곱근오차와 $-0.35m\;s^{-1}$의 음의 편차를 보였다. 해양실측 풍속에 대한 고도계 해상풍 오차를 분석한 결과 고도계 해상풍은 풍속이 약할 때 과대추정되며 풍속이 강할 때 과소추정되는 특징을 보였다. 위성-실측 자료 간의 거리에 따른 고도계 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 풍속자료를 활용하여 해상상태편차를 산출하였으며 Jason-1의 해상상태편차에 대한 해상풍 오차 보정의 영향을 확인하였다.
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 ...
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 $1.59m\;s^{-1}$ and a negative bias of $-0.35m\;s^{-1}$ 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.
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 $1.59m\;s^{-1}$ and a negative bias of $-0.35m\;s^{-1}$ 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.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구는 이어도 해양과학기지와 마라도, 외연도의 기상청 해양기상부이의 실측 해상풍 자료와 인공위성 고도계 해상풍 자료를 이용하여 1) 해양실측 해상풍과 고도계 해상풍 자료간의 일치점 데이터베이스를 생산하고, 2) 일치점 자료를 활용하여 한반도 주변 해역에서 고도계 해상풍의 정확도를 평가하고, 3) 해양실측 해상풍과 위성 고도계 해상풍의 차이에 대한 특성을 다양한 측면에서 이해하고자 하며, 4) 한반도 주변 해역에서 인공위성 고도계 해상풍 자료보정을 통한 해상상태편차 보정에 기여하는 바를 확인하는데 목적이 있다.
실제 해상풍이 커질수록 구간별 해상풍 오차의 평균값이 감소하는 결과를 보였는데, 실제 해상의 풍속이 약한 경우에는 위성 고도계의 해상풍이 실제 풍속보다 과대추정되며 바람의 세기가 강한 경우에는 실제 풍속보다 과소추정되는 경향을 보였다. 또한 거리에 따른 해상풍 오차에 대한 특성에 대해서도 확인하였다. 해상풍 오차의 평균과 표준편차는 거리에 따라 비교적 일정하게 유지되지만 일치점 자료간의 거리가 멀어질수록 구간별 오차의 최댓값과 최솟값 차이가 점차 증가하였으며, 이는 풍속의 공간 규모가 클 때에는 산란도가 적고, 반대로 공간 규모가 작을 때는 다른 다양한 요인과 함께 풍속 오차가 더 커지는 경향성이 나타난 것으로 추정된다.
위성 고도계 해상풍과 해양실측 해상풍의 차이가 지니는 다양한 특성을 이해하기 위하여 실측 해상풍에 대하여 해상풍 오차의 특성을 분석하여 오차 요인을 파악하고자 하였다. 전체 일치점의 개수 중에 63%에 해당하는 일치점의 해상풍 오차가 음의 영역에 분포하는 것으로 보아 인공위성 고도계의 해상풍은 실측 해상풍과 비교하여 전체적으로 작게 산출되고 있음을 알 수 있었다.
제안 방법
유의파고 자료와 보정 전과 후의 풍속 자료 및 Labroue et al.(2004)에 의해 제시된 계수를 (4)에 적용하여 해상상태편차를 계산하고 풍속 보정에 따른 해상상태 편차 보정 효과를 분석하였다. 해상상태편차는 풍속이 강한 해역에서 음의 편차 특성이 뚜렷하게 나타났다(Fig.
2012년 8월 3일부터 12일까지 한반도 주변 해역을 Jason-1이 관측한 보정 전 풍속(Fig. 9a)을 유도된 보정식을 활용하여 보정한 후(Fig. 9b)의 풍속을 산출하였다. 앞서 언급한 바와 같이 고도계 해상풍 오차의 특징은 약한 바람에서 과대추정되고 강한 바람에서는 과소추정되는 단점이 있었다.
이를 보정하기 위하여 오차 특성을 분석하기에 적합한 Jason-1 해상풍 자료를 선택하여 해상풍 오차 보정을 수행하였고 선형회귀기법을 이용하여 보정식을 유도하였다. 2012년 8월 3일부터 12일에 한반도 주변 해역을 관측한 Jason-1의 해상풍 자료에 대하여 풍속 오차를 보정하였으며, 보정 전/후의 풍속 자료를 활용하여 해상상태 편차를 산출하였다. Jason-1 해상풍의 풍속이 3 m s−1 이하인 경우에는 풍속이 감소하며 보정되었으며, 3 m s−1 이상인 경우에는 풍속이 더해지며 보정되었다.
Jason-1 풍속 자료는 장기간 해상풍 관측을 수행했으며, 본 연구에서는 해양실측 자료와 322개의 일치점이 생산되었으며 오차의 특성이 뚜렷하게 나타난 위성 자료로 판단되어 대표적으로 Jason-1의 해상풍 자료를 이용해 해상풍 보정을 수행하였다. 따라서 Fig.
, 1994). 고도계 풍속과 유의파고 자료를 (4)의 해상상태편차 보정식에 적용하여 풍속 오차에 의해 야기되는 해상상태편차의 관련성을 분석하였다.
5 m s-1 의 풍속을 10 m 중립바람으로 변환하였을 때 15 m s-1 가 된다. 그러나 해양 실측 풍속은 중립 상태에서 관측되는 자료가 아니므로 대기안정도 또한 고려되어 하며 LKB 모델을 활용하여 변환하였다.
일련의 인공위성 고도계 관측 자료를 생산하기 위하여 TOPEX/Poseidon과 Jason-1/2는 동일 궤도로 관측을 수행하도록 계획되었다. 따라서 Jason-1의 후속위성인 Jason-2가 발사되면서 Jason-2가 Jason-1의 본 관측 궤도를 따라 관측을 수행하고, Jason-1은 Fig. 1b의 연한 빨간색과 같이 궤도를 이동하여 관측을 수행하였다(Fig. 1).
보다 정확한 해수면고도를 산출하기 위해서는 해상상태편차 보정에 사용되는 해상풍의 정확도에 대한 연구가 필요하다. 따라서 본 연구에서는 인공위성 고도계(GFO, Jason-1, Envisat, Jason-2, Cryosat-2, SARAL)를 이용한 해상풍을 이어도 해양과학기지와 마라도, 외연도의 해양기상부이의 풍속을 표준 고도로 변환한 후 비교 분석하여 고도계 해상풍의 정확도에 대하여 확인하였다. 해양실측 해상풍에 대한 위성 고도계 해상풍의 일치점은 2007년 12월부터 2016년 5월까지 총 1504개가 생성되었으며 평균제곱근오차는 1.
외연도 해양기상부이는 황해에 위치한 기상청 해양기상부이로 육지 해안선으로부터 약 35 km 떨어진 곳에 설치되어 있다. 마라도와 외연도의 해양기상부이는 비교적 외해에 위치하여 위성 고도계 자료와 일치점을 생산할 때 육지의 영향을 적게 받을 것으로 예상되어 선별하였다. 마라도와 외연도 해양기상부이에서 각 2008년 11월, 2009년 11월부터 자료가 제공되고 있으며 풍속, 풍향을 포함하여 기온, 습도, 기압 등의 기상환경요소와 수온, 파고 등의 해양환경요소를 관측하고 있다.
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 반영하여 해양실측 풍속의 표준화 과정을 수행하였다(Woo et al., 2017; KHOA, 2018).
, 2015). 시간 격차에 대한 한계치의 경우 이어도 해상풍과 마라도, 외연도 해상풍 자료의 시간 간격을 고려하여 설정하였다. 연구에 활용한 이어도 풍속 자료의 경우 시간 간격이 10분이므로 시간 격차 한계치를 5분으로 설정하였으며, 마라도와 외연도 풍속은 1시간 간격 자료임에 따라 30분으로 한계치를 두어 일치점 자료를 획득하였다.
시간 격차에 대한 한계치의 경우 이어도 해상풍과 마라도, 외연도 해상풍 자료의 시간 간격을 고려하여 설정하였다. 연구에 활용한 이어도 풍속 자료의 경우 시간 간격이 10분이므로 시간 격차 한계치를 5분으로 설정하였으며, 마라도와 외연도 풍속은 1시간 간격 자료임에 따라 30분으로 한계치를 두어 일치점 자료를 획득하였다.
위성 고도계 풍속의 오차 특성을 분석하기 위해 실측 풍속에 따른 위성 고도계 관측 풍속의 오차를 도시하였다(Fig. 5). 모든 해양실측 지점에서 대부분의 고도계 풍속 오차는 실측 해상풍에 대하여 −3-3 m s−1 이내에 분포하였다.
고도계로 관측한 해상풍은 관측 지점과 고도계 종류에 관계없이 실측 풍속이 약할 때 과대추정되고 실측 풍속이 강할 때 과소추정되는 오차 특성을 보였다. 위성 고도계 해상풍을 보정하기 위하여 실측풍속에 대한 위성 고도계 풍속의 보정식을 선형회귀기법을 이용하여 유도한 후 인공위성 풍속 자료에 적용하였다. 위성 고도계 풍속의 오차 보정식은 (5)와 같다.
Cryosat-2의 관측 주기는 369일로 연구에 활용된 위성 중 가장 긴 주기를 가진다(Table 1). 일련의 인공위성 고도계 관측 자료를 생산하기 위하여 TOPEX/Poseidon과 Jason-1/2는 동일 궤도로 관측을 수행하도록 계획되었다. 따라서 Jason-1의 후속위성인 Jason-2가 발사되면서 Jason-2가 Jason-1의 본 관측 궤도를 따라 관측을 수행하고, Jason-1은 Fig.
위성 고도계는 관측 궤도를 따라 약 7km의 공간해상도로 풍속을 관측하므로 하나의 실측 해상풍 관측값에 대하여 여러 지점의 고도계 해상풍이 수집될 수 있다. 하나의 실측 자료에 대해 고도계 자료의 대표값으로 일치점 자료를 생산하기 위하여 고도계 해상풍을 공간 평균한 자료를 일치점 데이터베이스에 포함하였으며, 거리에 따른 오차 특성에 대한 분석을 제외한 모든 분석에서 공간 평균한 고도계 자료를 활용하였다. 일치점 데이터베이스에는 고도계와 해양실측 해상풍을 비롯하여 관측 시각, 위도, 경도, 인공위성 정보 및 해양관측 자료 정보를 모두 수집하여 분석에 활용하였다
대상 데이터
3 m 높이에서 관측한 풍속 자료가 제공되고 있다. 다른 해양-대기 관측 자료 또한 2004년 말부터 자료를 제공하였으나 수온 자료는 2007년 12월부터 자료를 제공함에 따라 해당 기간에 대한 자료만 수집하였다.
연구에서 활용한 위성은 Fig. 1과 같으며 각 위성의 관측 주기는 Jason-1/2의 경우 약 10일, GFO는 17일, Envisat과 SARAL는 35일로 다양하다. Cryosat-2의 관측 주기는 369일로 연구에 활용된 위성 중 가장 긴 주기를 가진다(Table 1).
, 2015). 외연도 해양기상부이는 황해에 위치한 기상청 해양기상부이로 육지 해안선으로부터 약 35 km 떨어진 곳에 설치되어 있다. 마라도와 외연도의 해양기상부이는 비교적 외해에 위치하여 위성 고도계 자료와 일치점을 생산할 때 육지의 영향을 적게 받을 것으로 예상되어 선별하였다.
위성 고도계와 해양실측 해상풍의 일치점 자료 생산 시 공간 격차를 50 km 이내로 설정하였기 때문에 50 km 이내에서 다양한 거리의 일치점 자료가 생산되었다. 위성-실측 자료간의 거리에 따른 오차 특성을 파악하기 위하여 공간 평균하지 않은 고도계 자료를 사용하였다. 이어도 해양과학기지에서의 평균제 곱근오차는 1.
인공위성 고도계 해상풍 자료의 정확도 검증을 위하여 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 laMer)로부터 수집하였다.
인공위성 고도계 해상풍을 비교 검증하기 위하여 이어도 해양과학기지와 마라도, 외연도에 설치된 해양기상부이의 해양 및 대기 실측 자료를 활용하였다(Fig. 1). 해양실측 지점에 대한 정보는 Table 2에 제시하였다.
인공위성 고도계로 관측한 해상풍의 정확도를 평가하기 위해서 해상풍 실측자료와 각 고도계 해상풍 자료가 시공간적으로 일정한 범위 이내에 있는 일치점 자료를 선별하였다. Fig.
인공위성 고도계와 해양실측 해상풍 자료를 활용하여 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 관측된 기간에 해당한다.
하나의 실측 자료에 대해 고도계 자료의 대표값으로 일치점 자료를 생산하기 위하여 고도계 해상풍을 공간 평균한 자료를 일치점 데이터베이스에 포함하였으며, 거리에 따른 오차 특성에 대한 분석을 제외한 모든 분석에서 공간 평균한 고도계 자료를 활용하였다. 일치점 데이터베이스에는 고도계와 해양실측 해상풍을 비롯하여 관측 시각, 위도, 경도, 인공위성 정보 및 해양관측 자료 정보를 모두 수집하여 분석에 활용하였다
데이터처리
인공위성 고도계 풍속의 정확도는 해양실측 풍속에 대한 평균제곱근오차(Root Mean Square Error; RMSE)와 편차(Bias)를 이용해 정량적으로 분석하였다. 각 오차는 (2), (3)과 같이 계산한다.
이론/모형
6 m로 서로 상이하므로 고도계 해상풍 자료와의 비교를 위하여 해양실측 자료를 10 m에서 관측된 중립바람으로 표준화하는 과정이 필요하다. 본 연구에서는 해양-대기 경계층 역학을 잘 표현하고 있는 Liu-Katsaros-Businger (LKB) 모델을 활용하여 해양실측자료를 변환하였다(Liu et al., 1979; Liu and Tang, 1996). LKB 모델은 풍속, 기온, 습도와 각 변수들의 관측 높이, 해수면온도 및 기압 자료를 활용하여 관측 풍속을 10 m 높이의 바람으로 변환한다.
관측 지점 혹은 고도계에 관계없이 고도계 해상풍은 실제 풍속이 약할 때 과대추정하고 실제 풍속이 강할 때 과소추정하는 실측 해상풍에 대한 오차 특성이 나타났다. 이를 보정하기 위하여 오차 특성을 분석하기에 적합한 Jason-1 해상풍 자료를 선택하여 해상풍 오차 보정을 수행하였고 선형회귀기법을 이용하여 보정식을 유도하였다. 2012년 8월 3일부터 12일에 한반도 주변 해역을 관측한 Jason-1의 해상풍 자료에 대하여 풍속 오차를 보정하였으며, 보정 전/후의 풍속 자료를 활용하여 해상상태 편차를 산출하였다.
이러한 파동의 형태로 인해 위성 고도계가 평균 해수면을 과대추정하거나, 골에서 더 큰 전자기파의 후방산란을 유발하여 해수면고도 자료의 편차가 야기된다. 해상상태편차는 해상풍과 유의파고에 대한 경험식을 사용하여 보정한다(Chelton, 1994; Gaspar et al., 1994). 고도계 풍속과 유의파고 자료를 (4)의 해상상태편차 보정식에 적용하여 풍속 오차에 의해 야기되는 해상상태편차의 관련성을 분석하였다.
성능/효과
2m s−1 이하의 풍속이 매우 약한 환경에서는 128개로 전체 일치점 자 료 중 약 9%를 차지하였다.
7에 해양실측 풍속에 대한 공간 평균하지 않은 고도계 풍속 오차를 거리에 대하여 도시하였다. 5 km 간격으로 각 구간별 고도계 풍속 오차의 평균과 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.
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.
실 측 풍속에 대한 위성 풍속 오차는 GFO를 제외한 모든 고도계에서 음의 오차 특성을 나타내었다. GFO를 제외한 고도계에서 실측 풍속이 증가할수록 위성 풍속 오차의 구간 평균값이 감소하는 추세를 보였고 실측 풍속이 약할수록 고도계의 풍속이 과대추정되었으며 실측 풍속이 강할수록 고도계 풍속이 과소추정 되는 특징이 나타났다.
GFO를 제외한 모든 고도계에서 전반적으로 음의 편차를 보였으나 Envisat과 Jason-2 풍속과 외연도 풍속 간의 비교 결과에서는 각각 0.12 m s−1와 0.18 m s−1의 양의 편차를 보였다.
Jason-1은 322개, Envisat은 187개, Jason-2는 364개, Cryosat-2는 367개, SARAL은 253개의 일치점이 생산되었다. 각 해양실측 지점별 일치점 자료 개수는 지점의 위치와 인공위성 관측 궤도의 특성에 따라 다양한 특성을 보였다. 마라도 해양기상부이의 위치기준으로 50 km 이내에 Jason-2의 관측 궤도가 통과하지 않아서 Jason-2와 마라도 해상풍 자료와 일치점이 생산되지 않았다.
고도계 해상풍은 0 m s−1 에서 20 m s−1 의 범위 내에서 다양하게 분포하였으며, 대부분의 해상풍이 2m s−1 이상 10 m s−1 이하 범위 내에 포함됨을 알 수 있었다.
고도계로 관측한 해상풍은 관측 지점과 고도계 종류에 관계없이 실측 풍속이 약할 때 과대추정되고 실측 풍속이 강할 때 과소추정되는 오차 특성을 보였다. 위성 고도계 해상풍을 보정하기 위하여 실측풍속에 대한 위성 고도계 풍속의 보정식을 선형회귀기법을 이용하여 유도한 후 인공위성 풍속 자료에 적용하였다.
관측 지점 혹은 고도계에 관계없이 고도계 해상풍은 실제 풍속이 약할 때 과대추정하고 실제 풍속이 강할 때 과소추정하는 실측 해상풍에 대한 오차 특성이 나타났다. 이를 보정하기 위하여 오차 특성을 분석하기에 적합한 Jason-1 해상풍 자료를 선택하여 해상풍 오차 보정을 수행하였고 선형회귀기법을 이용하여 보정식을 유도하였다.
구간별 고도계 풍속의 오차는 실측 풍속이 약한 경우(<4 m s−1) 위성 고도계의 풍속이 실측 풍속보다 과대추정되었으며, 실측 풍속이 강한 경우(>6 m s−1)에 는 고도계 풍속이 과소추정되는 결과를 보였다.
현재 해수면고도는 인공위성 관측 기기 및 보정 기술의 개발이 고도화됨에 따라 최종 해수면고도의 정확도는 수 cm 이하의 수준에 도달하였다. 따라서 고도계 해상풍의 정확성이 필연적으로 요구되는 시점이며 본 연구의 결과는 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.
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.
본 연구를 통해서 인공위성 고도계 해상풍은 해상의 바람장을 이해할 수 있는 중요한 변수임과 동시에 지구온난화와 기후변화의 척도인 해수면고도의 오차보정 중 해상상태편차의 보정 과정에 기여하는 핵심 해양-대기 변수임을 제시하였다. 이러한 고도계해상풍의 정확도 개선에 대한 연구는 추후 심층 연구를 통해 보다 높은 정확도를 가진 해상풍 자료와 해수면 고도 자료 산출에 기여하고 급변하는 해양의 변동성 연구에 인공위성 자료의 활용성을 극대화할 수 있을 것으로 기대된다.
전체 일치점의 개수 중에 63%에 해당하는 일치점의 해상풍 오차가 음의 영역에 분포하는 것으로 보아 인공위성 고도계의 해상풍은 실측 해상풍과 비교하여 전체적으로 작게 산출되고 있음을 알 수 있었다. 실제 해상풍이 커질수록 구간별 해상풍 오차의 평균값이 감소하는 결과를 보였는데, 실제 해상의 풍속이 약한 경우에는 위성 고도계의 해상풍이 실제 풍속보다 과대추정되며 바람의 세기가 강한 경우에는 실제 풍속보다 과소추정되는 경향을 보였다. 또한 거리에 따른 해상풍 오차에 대한 특성에 대해서도 확인하였다.
전반적으로 인공위성 고도계 관측 풍속은 실측 해양실측 풍속에 비하여 과소추정되는 특성을 나타내었다. 위성 해상풍 오차에 대한 구간별 평균의 추세는 실측 해상풍이 커질수록 오차가 감소하는 경향을 보이며 이러한 특징은 모든 해양실측 지점에서 동일하게 나타났다. 구간별 고도계 풍속의 오차는 실측 풍속이 약한 경우(<4 m s−1) 위성 고도계의 풍속이 실측 풍속보다 과대추정되었으며, 실측 풍속이 강한 경우(>6 m s−1)에 는 고도계 풍속이 과소추정되는 결과를 보였다.
5 km 간격으로 각 구간별 고도계 풍속 오차의 평균과 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.
모든 해양실측 지점에서 대부분의 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 고도계 해상풍과 해양실측 해상풍의 차이가 지니는 다양한 특성을 이해하기 위하여 실측 해상풍에 대하여 해상풍 오차의 특성을 분석하여 오차 요인을 파악하고자 하였다. 전체 일치점의 개수 중에 63%에 해당하는 일치점의 해상풍 오차가 음의 영역에 분포하는 것으로 보아 인공위성 고도계의 해상풍은 실측 해상풍과 비교하여 전체적으로 작게 산출되고 있음을 알 수 있었다. 실제 해상풍이 커질수록 구간별 해상풍 오차의 평균값이 감소하는 결과를 보였는데, 실제 해상의 풍속이 약한 경우에는 위성 고도계의 해상풍이 실제 풍속보다 과대추정되며 바람의 세기가 강한 경우에는 실제 풍속보다 과소추정되는 경향을 보였다.
풍속이 10 m s−1 이상으로 강한 제주도 남쪽 동중국해역의 궤도에서는 풍속이 더욱 강해지도록 보정됨에 따라 해상상태편차가 더 낮아지는 특성이 나타났다.
또한 거리에 따른 해상풍 오차에 대한 특성에 대해서도 확인하였다. 해상풍 오차의 평균과 표준편차는 거리에 따라 비교적 일정하게 유지되지만 일치점 자료간의 거리가 멀어질수록 구간별 오차의 최댓값과 최솟값 차이가 점차 증가하였으며, 이는 풍속의 공간 규모가 클 때에는 산란도가 적고, 반대로 공간 규모가 작을 때는 다른 다양한 요인과 함께 풍속 오차가 더 커지는 경향성이 나타난 것으로 추정된다.
Jason-1 해상풍의 풍속이 3 m s−1 이하인 경우에는 풍속이 감소하며 보정되었으며, 3 m s−1 이상인 경우에는 풍속이 더해지며 보정되었다. 해상풍의 보정 전/후의 해상상태편차의 차의 경우 풍속 보정 특성에 따라 명확한 차가 나타나는 것을 확인하였다.
후속연구
인공위성 고도계 해상풍은 정확한 해수면고도를 관측하기 위한 해상상태편차 보정 과정에 사용되는 중요한 변수이지만 한반도 주변 해역에서 다른 위성 센서를 이용한 해상풍 자료에 비하여 연구가 활발하게 수행되지 않았다. 보다 정확한 해수면고도를 산출하기 위해서는 해상상태편차 보정에 사용되는 해상풍의 정확도에 대한 연구가 필요하다. 따라서 본 연구에서는 인공위성 고도계(GFO, Jason-1, Envisat, Jason-2, Cryosat-2, SARAL)를 이용한 해상풍을 이어도 해양과학기지와 마라도, 외연도의 해양기상부이의 풍속을 표준 고도로 변환한 후 비교 분석하여 고도계 해상풍의 정확도에 대하여 확인하였다.
본 연구에서 제시한 예시는 태풍 등의 극심한 경우이거나 약한 풍속이 지속적으로 유지되는 시기가 아니지만 악기상 또는 극단적인 기상 상황에서 해수면고도 산출 시에는 풍속 오차에 기인한 해상상태편차 오차가 유발될 가능성이 높다. 현재 해수면고도는 인공위성 관측 기기 및 보정 기술의 개발이 고도화됨에 따라 최종 해수면고도의 정확도는 수 cm 이하의 수준에 도달하였다.
본 연구를 통해서 인공위성 고도계 해상풍은 해상의 바람장을 이해할 수 있는 중요한 변수임과 동시에 지구온난화와 기후변화의 척도인 해수면고도의 오차보정 중 해상상태편차의 보정 과정에 기여하는 핵심 해양-대기 변수임을 제시하였다. 이러한 고도계해상풍의 정확도 개선에 대한 연구는 추후 심층 연구를 통해 보다 높은 정확도를 가진 해상풍 자료와 해수면 고도 자료 산출에 기여하고 급변하는 해양의 변동성 연구에 인공위성 자료의 활용성을 극대화할 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
인공위성 센서를 활용하여 고해상도의 해상풍을 관측한 사례는?
원격탐사기술이 발전함에 따라 다양한 인공위성 센서를 활용하여 해양의 광범위한 영역에 대해 주기적으로 고해상도의 해상풍을 관측하고 있다. 1992년 ERS-1 (European Remote Sensing Satellite)의 운용을 시작으로 인공위성 산란계(scatterometer)를 이용한 해상풍 관측이 활발히 이루어지고 있으며, 인공위성 산란계를 통해 평균적으로 1-2일에 걸쳐 전 지구 해양의 풍속과 풍향을 2m s-1 와 20o의 정확도로 관측하고 있다. 산란계로부터 관측한 해상풍은 높은 정확도와 광범위한 해역의 관측으로 해양실측 자료의 시공간적 한계를 극복하고 전 지구 해상풍 관측을 위하여 가장 일반적으로 사용되고 있다.
해상풍은 어떤 역할을 하는가?
해상풍은 대기에서 해양으로 운동에너지를 전달하며, 해양 표층을 통해 열속 교환 및 다양한 입자들의 해양 유출입을 제어하는 조절자 역할을 함으로써 해양-대기 상호작용에 기여하는 가장 중요한 변수 중 하나이다. 해상풍은 난류, 용승 및 해류와 같은 다양한 해양 현상에 관여하며 장기적으로 기후 변화에 대한 기작을 이해하는데 널리 활용되어 왔다.
해상풍은 무엇을 활용하여 관측되어 왔는가?
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.
참고문헌 (27)
Abdalla, S., 2014, Calibration of SARAL/AltiKa wind speed. IEEE Geoscience and Remote Sensing Letters, 11, 1121-1123.
Abdalla, S., and Chiara, G.D., 2017, Estimating random errors of scatterometer, altimeter, and model wind speed data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10, 2406-2414.
Chelton, D.B., 1994, The sea state bias in altimeter estimates of sea level from collinear analysis of TOPEX data. Journal of Geophysical Research, 99, 24995-25008.
Chelton, D.B., Ries, J.C., Haines, B.J., Fu, L.-L., and Callahan, P.S., 2001, Satellite altimetry. In Fu L.-L. and Cazenave A. (eds.), Satellite altimetry and the earth sciences: A handbook for techniques and applications, Academic Press, San Diego, CA, USA, 1-131.
Dobson, E., Monaldo, F., Goldhirsh, J., and Wilkerson J., 1987, Validation of Geosat altimeterderived wind speeds and significant wave heights using buoy data. Journal of Geophysical Research Atmospheres, 921, 10719-10732.
Durrant, T.H., Greenslade, D.J.M., and Simmonds, I., 2009, Validation of Jason-1 and Envisat remotely sensed wave heights. Journal of Atmospheric and Oceanic Technology, 26, 123-134.
Ebuchi, N., and Kawamura, H., 1994, Validation of wind speeds and significant wave heights observed by the TOPEX altimeter around Japan. Journal of Oceanography, 50, 479-487.
Freilich, M.H., and Challenor, P.G., 1994, A new approach for determining fully empirical altimeter wind speed model functions. Journal of Geophysical Research, 99, 25051-25062.
Gaspar, P., Ogor, F., Le Traon, P.Y., and Zanife, O.Z., 1994, Estimating the sea state bias of the TOPEX and POSEIDON altimeters from crossover differences. Journal of Geophysical Research, 99, 24981-24994.
Gommenginger, C.P., Srokosz, M.A., Challenor, P.G., and Cotton P.D., 2002, Development and validation of altimeter wind speed algorithms using an extended collocated buoy/Topex dataset. IEEE Transactions on Geoscience and Remote Sensing, 40, 251-260.
Gourrion, J., Vandemark, D., Bailey, S., and Chapron, B., 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.
Gourrion, J., Vandemark, D., Bailey, S., Chapron, B., Gommenginger, C.P., Challenor, P.G., and Srokosz, M.A., 2002, A two parameter wind speed algorithm for Kuband altimeters. Journal of Atmospheric and Oceanic Technology, 19, 2030-2048.
Hwang, P.A., Teague, W.J., Jacobs, G.A., and Wang, D.W., 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. Journal of Geophysical Research, 103, 10451-10468.
Jeong J.Y., Shim J.S., Lee D.K., Min I.K., and Kwon J.I., 2008, Validation of QuikSCAT wind with resolution of 12.5 km in the vicinity of Korean Peninsula. Ocean and Polar Research, 30, 47-58.
Kang Y.H., Seuk H.B., Bang J.H., and Kim Y.K., 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, 24, 291-302.
Korea Hydrographic and Oceanographic Agency(KHOA): http://www.khoa.go.kr/ (2018. 4. 16)
Kumar, U.M., Swain, D., Sasamal, S.K., Reddy, N.N., and Ramanjappa, T., 2015, Validation of SARAL/AltiKa significant wave height and wind speed observations over the North Indian Ocean. Journal of Atmospheric and Solar-Terrestrial Physics, 135, 174-180.
Lillibridge, J., Scharro, R., Abdalla, S., and Vandemark D., 2014, One- and two-dimensional wind speed models for Ka-band altimetry, Journal of Atmospheric and Oceanic Technology, 31, 630-638.
Liu, W.T., and Tang, W., 1996, Equivalent neutral wind, Jet Propulsion Laboratory, JPL Publication 96-17, 22 p.
Liu, W.T., Katsaros, K.B., and Businger, J.A., 1979, Bulk parameterization of air-sea exchanges of heat and water vapor including the molecular constraints at the interface, Journal of the Atmospheric Sciences, 36, 1722-1735.
Paulson, C.A., 1970, The mathematical representation of wind speed and temperature profiles in the unstable atmospheric surface layer, Journal of Applied Meteorology, 9, 857-861.
Witter, D.L., and Chelton, D.B., 1991, A Geosat wind speed algorithm and a method for altimeter wind speed algorithm development. Journal of Geophysical Research, 96, 8853-8860.
Woo, H.J., Park, K.A., Byun, D.S., Lee, J.Y., and Lee, E.I, 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.
Wu, J., 1999, On wave dependency of altimeter sea returns-Weak fetch influence on short ocean waves. Journal of Atmospheric and Oceanic Technology, 16, 373-378.
Zieger, S., Vinoth, J., and Young, I.R., 2009, Joint calibration of multiplatform altimeter measurements of wind speed and wave height over the past 20 years. Journal of Atmospheric and Oceanic Technology, 26, 2549-2564.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.