1. 서론

구름탐지란 위성영상의 픽셀 혹은 화소에서의 구름 유무를 결정하는 것을 의미하며 위성 자료를 산출하기 위해 가장 선행되어야 하는 과정으로, 다른 산출물의 정확도에 영향을 미치기 때문에 정확한 구름탐지는 중요하다(Kwon et al., 2017). 위성영상 내에 구름이 존재하는 경우, 태양광으로부터 지표면에 의해 반사되는 에너지를 관측하는 위성 센서가 구름 아래의 지역에 대한 정보를 취득할 수 없기 때문에(Seong et al., 2020) 구름탐지가 제대로 수행되지 않는다면, 구름으로 인해 해당 위 성영상의 활용성과 정확도가 떨어질 수 있다(Xiang et al., 2018). 따라서 위성영상을 효과적으로 활용하기 위해서는 구름이 존재하는 지역을 판별하거나 구름의 양을 정량화하여 영상품질을 평가하는 과정이 필수적이다(Seong et al., 2020). 이처럼 위성영상내의 구름탐지의 중요성이 부각됨에 따라 여러 선진기관에서 구름탐지 자료를 필수적으로 제공해주고 있다. 정지궤도위성의 경우, 기상청의 GK-2A(GeoKompsat-2A)/AMI(Advanced Meteorological Imager), NASA(National Aeronautics and SpaceAdministration)의GOES-R(GeostationaryOperational Environmental Satellite-R Series)/ABI(Advanced Baseline Imager), EUMETSAT(European Organisation for the Exploitation of Meteorological Satellites)의 MSG(Meteosat Second Generation)/SEVIRI(Spinning Enhanced Visible and Infrared Imager), 극궤도 위성의 경우 NASA의 Terra (Earth Observation System-Terra)/Aqua(Earth Observation System-Aqua) MODIS(Moderate-Resolution Imaging Spectroradiometer)와 Suomi-NPP(The Suomi National Polar-orbiting Partnership)/VIIRS(Visible Infrared Imaging Radiometer Suite)에서 구름탐지 자료가 제공되고 있다.

일반적으로 구름 탐지는 태양천정각과 태양산란각 및 각 채널에 따른 특성을 고려한 다양한 경계값 기법을 활용하며, 위성 센서의 특성 및 관측 당시의 관측 상태에 따라 구름탐지 결과에는 차이가 존재한다. 특히 위성 영상을 활용한 구름탐지는 두꺼운 구름들은 잘 탐지할 수 있으나, 얇은 구름이 존재하는 경우(Lee et al., 2015), 구름과 적설이 혼재되어 있는 경우(Mohajerani et al., 2018) 그리고 구름 그림자 영역 등에서는 상대적으로 낮은 정확도의 구름 탐지 결과물이 산출되며 이러한 영역에서 각 위성별 차이가 두드러지게 나타난다. 해당 결과물의 차이는 위성 자료를 사용함에 있어서 정확도와 큰 관계성을 지니기 때문에 위성별 산출물 비교 분석 관련 연구(Wei et al., 2017; Wang et al., 2019)가 지속적으로 수행되어지고 있으며, 위성 자료 사용자들도 이러한 차 이에 대한 인지가 필수적이다.

따라서 본 연구에서는 위성별 구름탐지 자료의 차이에 대해 비교 및 분석하기 위하여 GK-2A/AMI, Terra/ MODIS, Suomi-NPP/VIIRS의 구름 탐지 자료를 비교하여 각 위성 별 구름 탐지 결과의 차이점을 분석하였다.

2. 연구지역 및 자료

1) 연구지역

본 연구의 연구지역인 대한민국을 포함한 동아시아영역은 위도 33°N~43°N, 경도 124°E~ 132°E에 위치하고 있으며 각 계절 별로 서로 다른 기단의 영향을 받아 4계절이 뚜렷하다. 이는 계절 별로 구름의 특성이 다르게 나타나는 특성을 보이며, 이를 이용하여 각 계절별 구름 탐지 결과를 비교하기에 용이하다는 장점을 지닌다. 구름 탐지는 지표면에 적설이 존재하는 경우 정확도가 떨어지는 경우가 종종 발생하기 때문에 한반도에 적설이 존재하는 겨울 기간의 1월과 기온이 상승하여 적설이 존재하지 않는 봄 기간의 4월을 연구 기간으로 선정하였다.

2) 연구자료

(1) GK-2A/AMI구름탐지 자료

GK-2A는 대한민국의 정지궤도 위성으로 전구영역을15분, 한반도 영역을 2분단 위로 관측하고 있으며 구름 탐지 자료의 공간 해상도는 2 km, 시간 해상도는 2분으로(Table1), 각 픽셀별로0(Cloud), 1(ProbablyCloud), 2(Clear)의 3개의 Flag를 통해 구름 존재 여부를 표현하고 있다. 본연구에서는 구름 영역을 구분하기 위해 해당 Flag 중에서 0, 1 Flag를 Cloud로, 2 Flag를 Clear로 정의하여 활용하였다.

 Table 1. The data used in this study

(2) Terra/MODIS, Suomi-NPP/VIIRS 구름탐지 자료

연구에서는 GK-2A의 구름탐지 자료와 더불어 Terra/MODIS와 Suomi-NPP/VIIRS의 구름탐지 자료를 사용하였다. Terra/MODIS와 Suomi-NPP/VIIRS는 극궤도 위성으로 연구 영역을 하루에 한번 관측하며 두 위성의 관측 시간은 다르다. MODIS의 경우 UTC 기준 01시와 04시 사이, VIIRS의 경우 UTC 기준 03시와 06시 사이에 한반도 상공을 관측한다. 따라서 각 위성의 관측 시간의 차이로 인하여 두 위성의 결과 비교는 불가능하지만 2분의 시간 해상도를 가진 GK-2A의 구름탐지 자료와의 비교는 가능하여 두 위성의 자료와 GK-2A 의 구름 탐지 자료의 결과를 비교하였다. Terra/MODIS 구름탐지 자료의 공간해상도는 1 km이며 시간 해상도는 1 day로 swath 자료 형태로 제공되고, Suomi-NPP/ VIIRS 구름탐지 자료는 공간해상도가 750 m이며 시간해상도는 1 day로 swath 자료 형태로 제공된다(Table1).

두 위성의 구름 탐지 자료에서 구름 영역의 구분 역시 매우 중요한 부분이기 때문에 GK-2A와 마찬가지로 각 구름 탐지 자료의 Flag를 기준으로 구름 영역을 구분하였다. MODIS, VIIRS 에서는 구름탐지 자료가 픽셀당 48 Bit 필드 형식으로 제공되기 때문에(Strabala et al., 2005; Ackerman et al., 2010) 본 연구에서는 GK-2A/AMI 구름 탐지 검증방식과 동일한 조건을 주기 위해 Unobstructed FOV Quality Flag의 Cloudy와 Uncertain을 Cloud로, 나머지는 Clear로 정의하여 활용하였다(Table 2).

Table 2. Bit fields within first bite of the 48-bit MODIS, VIIRS cloud mask

3. 연구 방법

1) 공간 일치화

정지궤도 위성인 GK-2A 자료와 극궤도 위성인 MODIS, VIIRS 자료는 표현하는 Projection 형태가 GK2A는 geostationary 자료, MODIS와 VIIRS는 swath 자료로 제공되는 형태가 다르기 때문에 공간 불일치가 존재한다. 따라서 위성별 공간 불일치 문제를 해결하기 위해 GK-2A 및 MODIS, VIIRS 위성영상을 GCD(Great Circle Distance)를 활용하여 공간 일치화 과정을 수행하였다. GCD란 지구를 구라고 가정할 때, 구의 표면을 따라 측정한 구표면상에 존재하는 두 점 사이의 최단 거리를 의미하며, 해당 과정은 타 연구들(Green et al., 2002; Shaffer et al., 2005)에서 사용되어진 기법이다. 아래의 식은 임의의 점 P₁, P₂의 GCD를 구하는 공식이며 R은 지구 반지름, θ은 위도, ø은 경도를 의미한다.

\(D=2 \times \mathrm{R} \times \sin \sqrt{\sin ^{2}\left(\frac{\theta_{1}-\theta_{2}}{2}\right)+\cos \theta_{1} \times \cos \theta_{2} \times \sin ^{2}\left(\frac{\emptyset_{1}-\emptyset_{2}}{2}\right)}\)

GCD를 활용하여 GK-2A와 MODIS, GK-2A와 VIIRS 구름탐지 자료 사이의 최단 거리를 각각 계산한 뒤, 2 km 해상도를 가진 GK-2A의 구름탐지 영상에서의 1개의 픽셀은 1 km 해상도를 가진 MODIS와 VIIRS에서는 4개의 픽셀이 해당하기 때문에, MODIS와 VIIRS의 4개 픽셀들 중에서 1개라도 구름으로 탐지된 경우는 구름이라고 판정하여 공간 일치화 과정을 수행하였다. 공간 일치화 과정 결과는 Fig. 1과 같다. (a)그림은 GK-2A의 구름탐지 자료 예시이며, (b)는 MODIS 구름탐지 자료, (c)는 GK-2A 구름탐지 자료 기준으로 GCD를 통해 공간일치화 과정이 수행되어 산출된 MODIS 구름탐지 결과물, (d)는 VIIRS 구름탐지 자료, (e)는 GK-2A 구름 탐지 자료 기준으로 GCD를 통해 공간일치화 과정이 수행되어 산출된 VIIRS 구름탐지 결과물을 나타낸다. GK-2A 자료에 해당하는 한반도를 포함한 동아시아 영역이 공간 일치화 과정을 통해, MODIS, VIIRS 자료에서 해당 영역인 동아시아 영역이 산출된 것을 Fig. 1의 표시된 영역으로 확인할 수 있다.

Fig. 1. (a) GK-2A Cloud Mask (2021.04.01.0300 UTC), (b) MODIS Cloud Mask (2021. 04.01.0300 UTC), (c) MODIS GCD Result (2021.04.01.0300 UTC), (d) VIIRS Cloud Mask (2021.04.03.0348 UTC), (e) VIIRS GCD Result (2021.04.03.0348 UTC).

2) 검증지수를 활용한 구름탐지 자료 비교

공간 일치화 과정을 통해 산출된 MODIS, VIIRS 구 름탐지 자료는 검증 지수들을 활용하여 각각 1:1로 비교 분석을 수행하였으며,활용된 검증지수로는 Contingency table을 활용한 검증 방법으로, 카테고리형 자료의 검증 (Tran et al., 2019; Wang et al., 2019)에 많이 활용되어지는 지수를 사용하였다(Table 3, Table 4). Hit와 Cor-reject는 각각 GK-2A 구름자료와 비교 대상이 되는 구름자료가 동일하게 구름과 청천으로 탐지한 것을 의미하며 False 는 GK-2A는 구름으로 탐지하였지만 비교 대상 구름자료가 청천으로 탐지한 것, Miss는 GK-2A는 청천으로 탐지하였지만 비교 대상 구름자료가 구름으로 탐지한 것을 의미한다(Table 3). 해당 Hit, False, Miss, Cor-reject 지 수들을 통해 Probability Of Detection (POD), False Alarm Ratio (FAR), Proportion Correct (PC) 지수를 계산하였다. POD가 높다는 것은 Hit의 비율이 높은 것이고, PC가 높은 것은 Hit와 Cor-reject의 비율이 높은 것으로, 위성별로 동일하게 구름과 청천을 잘 탐지한 것을 의미한다. FAR이 낮은 것은 False의 비율이 낮다는 것으로 GK-2A 가 구름으로 탐지하고 비교 대상 자료가 청천으로 탐지한 경우가 적은 것으로, 위성별로 큰 차이 없이 탐지한 것을 의미한다(Table 4).

Table 3. Index used for comparison between two categorical data (Hit, False, Miss, Cor-reject)

Table 4. Validation Index of POD, FAR, PC

본 연구는 정량적 비교를 위해 POD, FAR, PC 지수를 활용하였고, 정성적 비교는 Hit, False, Miss, Cor-reject 지수를 Map 형식으로 나타내어 수행하였으며 해당 Map 결과물의 비교를 위해 추가적으로 GK-2A RGB영상을 활용하였다.

4. 연구결과

본 연구는 GK-2A구름탐지 자료를 기준으로 MODIS, VIIRS 구름탐지 자료와 비교 분석을 수행하였으며 먼저 정량적인 비교 분석 결과는 Table 5와 같다.

Table 5. GK-2A & MODIS and GK-2A & VIIRS quantitative results for January and April

GK-2A와 MODIS를 POD, FAR, PC 지수별 결과들로 비교하였을 때, 1월에서는 POD가 68.75%, FAR은 4.46%, PC는 74.16%를 나타냈으며 4월에서는 POD가 92.67%, FAR은 14.98%, PC는 87.35%로, 1월보다 더 높은 POD, PC값이 나타났다. GK-2A와 VIIRS를 비교한 결과들은 1월에서는 POD가 69.30%, FAR은 5.53%, PC 는 75.39%를 나타냈으며 4월에서는 POD가 86.91%, FAR은 10.42%, PC는 87.71%로 또한 1월보다 더 높은 POD, PC값이 나타났다. 정량적 비교 분석 결과 GK2A&MODIS와 GK-2A&VIIRS 모두 1월보다 4월에 더 높은 POD, PC, FAR 값을 보였으며, 이는 4월이 위성별 로 동일하게 구름과 청천을 잘 탐지한 경우는 증가하였지만, GK-2A가 구름으로 탐지하고 비교 대상 자료가 청천으로 탐지한 경우가 1월보다는 약간 증가한 추세를 보였다고 할 수 있다. 이처럼 1월과 4월에 차이가 발생한 것은 겨울인 1월에는 적설이 존재하기 때문에 앞서 구름탐지의 한계점으로 언급된 구름과 적설이 혼재 되어 있는 경우에 해당함에 따라 4월보다 POD, PC 값이 떨어진 것이라 판단되어 추가적으로 RGB영상과 함께 정성적 비교 분석을 수행하였다.

GK-2A를 기준으로 한 MODIS와 VIIRS 구름탐지 자료들의 정성적인 비교 분석 결과는 아래의 Fig. 2~4와 같다. 1월에 해당하는 그림인 Fig. 2, Fig. 4와 4월에 해당하는 Fig. 3는 GK-2A를 기준으로 MODIS, VIIRS 구름탐지를 Hit(분홍 영역), False(노란 영역), Miss(초록 영역), Cor-reject(파란 영역) 지수를 활용하여 Map 형식으로 나타낸 그림과 GK-2A RGB 영상으로 구성되어져 있다. Map 결과물과 RGB 영상과 비교하였을 때, 전반적으로 구름탐지가 잘 수행되었으며, 앞선 정량적인 결과들의 경향과 동일하게 1월보다 4월에 해당하는 결과들이 구름을 잘 탐지한 것을 확인할 수 있다. Fig. 2(a)의 경우 (b)의 RGB 영상에서 적설 및 땅으로 존재하는 표시된 부분이 MODIS가 Cloud 영역으로 탐지하고, GK-2A에서 는 Clear 영역으로 탐지한 Miss(녹색 영역)로 나타났다. Fig. 3(a), (c)의 경우 (b), (d)의 RGB영상에서 얇은 구름으로 존재하는 표시된 부분이 MODIS와 VIIRS가 Clear 영역으로 탐지하고, GK-2A에서는 Cloud 영역으로 탐지한 False(노란 영역)로 나타났다. 이처럼 Fig. 2, Fig. 3에 존재하는 얇은 구름과 적설에서는 GK-2A 구름탐지 자료 품질이 다른 자료보다 더 좋은 결과를 보였다.

Fig. 2. (a) January qualitative results of GK-2A & MODIS (2021.01.21.0200 UTC), (b) GK-2A RGB (2021.01.21.0200 UTC) (c) January qualitative results of GK-2A & VIIRS (2021.01.22.0418 UTC), (d) GK-2A RGB (2021.01.22.0418 UTC).

Fig. 3. (a) April qualitative results of GK-2A & MODIS (2021.04.03.0250 UTC), (b) GK-2A RGB (2021.04.03.0250 UTC), (c) April qualitative results of GK-2A & VIIRS (2021.04.03.0348 UTC), (d) GK-2A RGB (2021.04.03.0348 UTC).

Fig. 4. (a) January qualitative results of GK-2A & VIIRS (2021.01.23.0400 UTC), (b) GK-2A RGB(2021.01.23.0400 UTC).

하지만 Fig. 4(a)의 경우 (b)의 RGB영상에서 얇은 구름으로 존재하는 표시된 부분이 GK-2A가 Clear 영역으로 탐지하고, VIIRS에서는 Cloud 영역으로 탐지한 Miss (녹색 영역)로 나타남에 따라 VIIRS 구름탐지 자료 품질이 GK-2A보다 더 좋은 결과를 보였다. 따라서 정성적 비교 분석 결과, 1월에는 적설과 얇은 구름이 존재하는 경우, 4월에는 얇은 구름의 경우에 각 위성별로 구름탐 지 결과에 차이가 존재함을 확인할 수 있었다.

5. 요약 및 결론

본연구는GK-2A/AMI및Terra/MODIS, Suomi-NPP/VIIRS 구름탐지 자료를 이용하여 2021년 1월과 4월을 구분하여, GK-2A 자료를 기준으로 공간 일치화 과정을 통해 산출된 MODIS와 VIIRS의 자료들을 1:1로 각각 비교 분석을 수행하였다. 정량적 비교 결과 1월의 PC가 GK-2A & MODIS는 74.16%, GK-2A & VIIRS는 75.39%를 나타냈으며 4월에서의 PC는 GK-2A & MODIS가 87.35%, GK-2A & VIIRS는 87.71%로 4월이 1월보다 위성별로 큰 차이 없이 구름을 탐지한 것으로 나타났다. 4월과 1월의 차이가 존재하는 것은 1월에는 적설이 존재하기 때문에 구름과 적설이 혼재되어 있는 경우로, 4월보다 정량적 결과값이 떨어진 것이라 판단되어 추가적으로 RGB영상과 함께 정성적 비교 분석을 수행하였다. 정성적인 비교 결과는 RGB영상과 비교하였을 때, 앞선 정량적 결과들의 경향과 동일하게 1월보다 4월에 해당하는 결과들이 구름을 잘 탐지한 것을 확인할 수 있었으나 얇은 구름이나 적설이 존재하는 경우에는 위성별로 구름탐지 결과에 다소 차이가 존재하였다.

본 연구는 우리나라 정지궤도 위성과 해외 극궤도 위성의 구름탐지 자료들을 정량적, 정성적 두 가지의 경우로 나누어 비교를 수행함으로써, 해당 구름탐지 자료에 대해 분석 및 평가한 것에 의의를 둘 수 있다.

겨울기간에는 적설이 존재하기 때문에 정량적, 정성적 모두 위성별로 차이가 존재하였다. 그렇기 때문에, 향후 추가적인 기간 자료를 활용하여 더 많은 구름영상 들을 통해 연구 수행이 진행될 경우, 차이를 발생시키는 원인, 요소에 대한 명확한 분석 가능할 것이라 판단된다. 또한 구름탐지 자료들은 계절의 영향을 받기 때문에 계절에 따른 분석이 필요하며 극궤도와 정지궤도 위성의 자료 비교 시, 시차효과(parallax effect)의 영향에 대한 고려 또한 필요할 것으로 판단된다.

사사

본 논문은 기상청의 기상관측장비 핵심기술 및 관측 자료 활용기법 개발 연구사업의 일환인 “항공기상 자동 관측 기술개발(연구과제번호: KMI2021-02710)”의 지원으로 수행되었습니다.