2003년부터 국가 우주 개발 중장기 계획에 따라서 다수의 기관들(기상청, 교육과학기술부, 국토해양부, 방송통신위원회)의 공동사업으로 2010년 6월 27일에 정지궤도 위성인 COMS가 발사되었다. 그로부터 약 9년 동안 COMS는 2020년 4월 1일을 마지막으로 대한민국 주변에 대한 기상관측임무를 완료하였다. COMS의 뒤를 이어 차세대 위성인 GK-2A와 GK-2B가 2018년 12월 5일과 2020년 2월 19일에 발사되었다. 특히, GK-2A는 기상관측 위성인 정지궤도 복합위성으로 기존의 COMS의 임무를 승계받아 보다 더 향상된 성능[공간 해상도: 0.5 km 및 1 km (가시채널⋅컬러), 2 km (적외채널)]으로 한반도 주변의 기상관측 임무를 수행하고 있다. 본 연구에서는 GK-2A에서 총 제공예정인 52종의 다양한 기상/수문 산출물 중 수문/기상 분석 및 활용에서 기초가 되는 LST에 대한 적절성 파악을 위하여 이를 활용하였다. GK-2A의 LST 산출 알고리즘은 분리대기창 기법을 적용하여 기온 감률과 수증기 및 에어로졸 조건 등을 주간과 야간으로 구분하여 총 6개의 세부 산출식으로 구분되어 계산되며, LST에 대한 알고리즘의 자세한 내용은 Choi and Suh (2020)과 국가기상위성센터의 알고리즘 문서(https://nmsc.kma.go.kr/homepage/html/base/cmm/selectPage.do?page=static.edu.atbdGk2a)에 자세히 기술되어있다.

지구관측시스템(Earth Observing System, EOS) 프로젝트 목적으로 NASA (National Aeronautics and Space Administration)에서는 지구권 내를 관측할 수 있는 MODIS 센서를 탑재한 Terra (EOS AM-1, 1999년)/Aqua (EOS PM-1, 2002년) 위성을 발사하였다. 정지궤도 위성 자료와는 다르게 극궤도 위성은 하루에 1~2회의 관측 주기를 가지고 있어, 전 세계의 변화를 파악하는 데 용이하다. 산출되는 자료로는 기상, 지상 등에 대한 구름, 해수면 온도, 해색, 식생 등을 포함한 20개 이상의 환경⋅수문/기상 자료를 제공하고 있으며, 정확성에 대한 많은 검증이 이뤄져 왔다. 본 연구에서는 MODIS/Terra Land Surface Temperature/Emissivity Daily L3 Global 1 km SIN Grid (MOD11A1) 자료를 활용하여 비교를 시행하였다. 센서 및 활용된 자료에 대한 부가적인 설명은 Table 2에서 확인 할 수 있다.

중국은 1970년 4월 24일에 처음으로 발사한 DFH (Dongfanghong)-1을 시작으로 현재까지 FENGYUN (FY) 1~4 series 및 이산화탄소를 관찰하는 TANSAT 등 현재까지 많은 정지궤도 위성 및 극궤도 위성을 발사 및 보유하고 있다. 본 연구에서는 정지궤도 기상위성인 FY-2 시리즈에서 8번째로 2018년 6월 5일에 발사된 FY-2H를 활용하였다. FY-2H는 기상센서인 Stretched-Visible and Infrared Spin-Scan Radiometer (S-VISSR)와 고에너지 입자인 이온 및 전자를 관측하는 Space Environment Monitor (SEM) 센서를 탑재하고 있으며, 중국을 중심으로 30분마다 관측하며 적외채널 해상도는 5 km, 가시채널은 1.25 km의 영상을 제공한다. FY-2H의 S-VISSR에는 2018년 6월 말 이후부터 현재까지 정지궤도 위성에서 산출되는 다양한 수문⋅기상인자 산출물인 대기 운동 벡터, 구름 분류 및 감지, 구름 상층 온도, 지표면 온도, 표면 일사량 해수면 온도, 강수 등을 제공하고 있다. 본 연구에서는 GK-2A의 AMI LST와 비교를 위하여 일단위 자료를 활용하였다.

Fig. 2는 총 106개소의 AAOS와 ASOS에서 관측된 일단위 LST 자료와 여러 인공위성 자료들에서 관측지점 위치에 해당하는 픽셀의 결과를 평균하여 시계열로 나타내었다. 2020년 1월부터 12월까지의 시계열 변동성을 비교한 결과, 지상관측소의 LST는 계절 특성을 뚜렷하게 나타내었다. Fig. 2를 확인하면 겨울철인 1~2월에는 –2~9 °C 범위로 상승하고 봄(3~5월)에서 5~25 °C로 점차 증가하고 있다. 여름(6~8월)에 들어서 21~32 °C로 최대로 증가하다가, 가을을 통해 겨울(9월~12월)에 근접하면서 28~–2 °C로 다시 감소하는 경향을 나타내었다. 전반적으로 인공위성의 LST의 시계열은 지상관측 LST와 양적인 차이를 보이나, 계절적인 경향성은 잘 따라가고 있는 것을 확인할 수 있다.

Fig. 3는 Fig. 2에서 양적인 차이가 나타내는 것을 파악하여 관측지점과 인공위성 LST의 월별 차이를 나타낸 것이다. GK-2A의 AMI LST 결과의 경우 1월부터 3월까지 약 –2.34~ –1.18 °C, 4월에 9월까지는 –5.28~–3.64 °C의 과소 산정되는 결과를 나타내었다가 겨울철(10월~12월)에 들어서면서 다시 온도 차이(–2.43~–1.34 °C)가 줄어드는 것을 확인할 수 있다. FY-2H의 S-VISSR LST의 결과는 GK-2A의 AMI LST 경향과 비슷하게 움직이는 것을 볼 수 있으나, 여름철에 최대 –9.16 °C까지 차이 나는 것으로 확인되었다. 극궤도 위성의 MODIS LST 대부분 월에서 과대 산정되는 것을 볼 수 있으나 4월에서 8월까지 감소하다가 다시 증가하는 결과를 나타내었다. 이러한 이유는 각각 인공위성의 시간해상도에 대한 영향과 외부적인 영향으로 인한 문제로 기인되는 것으로 보인다. 특히 인공위성은 다른 시기에 비하여 늦은 봄부터 가을까지 구름 및 비의 영향이 점차 많아지며 LST가 결측되기 때문에 관측 횟수의 부족(Lee et al., 2016) 및 구름으로 생기는 shadow의 영향으로 LST 과소 추정이 발생한 것으로 판단된다.

인공위성 자료는 일반적으로 해안과 내륙에 따른 차이와 고도에 따른 오차 역시 발생한다고 알려져 있다. COMS LST에 관한 분석 및 보정 연구는 여러 선행연구들(Baek and Choi, 2012; Choi and Suh, 2016; Lee et al., 2016; Jeong et al., 2017)을 통해서 이뤄져 왔으나, GK-2A 자료의 경우 이에 대한 비교 분석조차 미비한 실정이다. GK-2A의 검증 및 적절성 파악을 위하여, 다른 인공위성의 LST 결과와 함께 지점관측에서 비교⋅검증하였으며, 이를 대하여 먼저 내륙과 해안지역으로 구분하여 분석을 시행하였다. Table 3에는 이러한 상태에 따른 인공위성 자료들의 통계적 결과(Bias, MAE, RMSE, RRMSE, R)를 나타내었다. Table 3를 확인하면, MODIS LST의 편향 결과는 다른 위성과 비교하여 관측지점 LST와 비교하였을 때, 내륙(해안)에서 4.62 °C (–3.50 °C) 정도 과대(과소) 산정되었으며 양적인 오차는 약 5.81 °C (4.98 °C)는 경향을 나타내었다. 이러한 결과는 Chung et al. (2019)에서도 비슷한 결과를 나타내었다. 이 연구에서는 2008년부터 2018년까지의 Terra/Aqua MODIS 센서에서 관측되는 낮과 밤 시간의 LST에 대한 결과를 기상청 ASOS 86개 지점과 비교를 실시하였으며, 지점자료와의 RMSE 결과에서 4.2~12.3 °C의 차이를 나타내는 것을 볼 수 있었다. 그에 비하여, AMI의 결과가 가장 낮은 RMSE (RRMSE)와 R의 결과를 나타내었으며, MODIS와 S-VISSR의 순으로 확인되었다. 본 연구의 GK-2A의 AMI LST의 결과와 Lee et al. (2016)의 결과를 비교하면, 2013년부터 2015년까지 COMS의 LST를 AAOS 11개소와 비교한 결과, 약 실제 관측 지점에 비하여 1~5 °C 정도 낮은 결과를 나타낸 것을 확인할 수 있다. 또한, GK-2A의 LST에 대한 알고리즘 개선 연구인 Choi and Suh (2020)의 결과를 확인하면, 일본의 Baseline Surface Radiation Network의 Tateno 관측소와의 검증에서 야간에는 Bias (RMSE)가 0.32 K (1.948 K)로 주간에는 Bias (RMSE)가 0.84 K (2.13 K)를 나타내었으며, 본 연구의 GK-2A의 통계 결과와 유사한 경향을 나타내었다.

Fig. 4는 3개의 위성자료기반 LST에서 관측된 지점에 대한 RMSE 결과만을 나타낸 것이다. S-VISSR과 MODIS 센서의 자료들은 33개소 중 20개소와 22개소의 관측지점에 대해서만 반영이 되는 것으로 나타났다. 이러한 결과는 내륙지역의 관측소에 비하여 해안 지역에서 약 60% 정도의 관측소의 통계 결과를 나타내기 때문에 통계 결과에 대한 명확성을 나타내기에는 부족함이 있으며, 이러한 문제로 인하여 해안 지점에서 MODIS (R = 0.62)와 S-VISSR (R = 0.52)의 결과가 낮은 상관성을 나타낸 것으로 파악된다(Table 3). 전반적으로 3개의 위성 자료들의 결과를 확인하면, 내륙지역에서의 결과가 해안지역에서의 결과보다 높은 RMSE를 보였으며, 그중 GK-2A AMI의 통계 결과를 확인하면 몇몇 지점을 제외하고는 다른 인공위성의 결과와 비교하여 모든 지점에서 낮은 RMSE를 나타내었다. 특히 중국의 정지궤도 위성인 FY-2H에 탑재된 S-VISSR의 통계 결과가 다른 위성들에 비하여 낮게 나오는 이유로는 다른 인공위성 자료(MODIS: 1 km, AMI: 2 km)에 비하여 낮은 공간해상도(5 km)로 인한 문제로 보여진다. Table 3과 Fig. 4의 결과를 종합하면 앞서 언급된 것과 같이 공간해상도에 대한 문제 또는 해안에 대한 영향을 고려한 지표면 온도 산출 알고리즘 개선이 필요할 것으로 판단된다.

다음으로 고도에 따른 영향을 파악하기 위하여 내륙지역에서만의 지점 관측 지점의 고도 높이를 기준으로 5단계로 구분하여 분석을 실시하였다(Table 1). Fig. 5(a)에서 MODIS LST는 앞서 나타낸 것과 같이 고도에 따라서도 다른 인공위성과는 다르게 과대 산정의 결과를 나타내었다. S-VISSR은 고도에 따라 높은 RMSE (5.76~7.18 °C)와 낮은 RRMSE (0.40~0.56) 결과를 보였으며, 다음으로는 MODIS (4.19~6.18 °C / RRMSE: 0.36~0.60)로 나타났다(Figs. 5(a) and 5(b)). GK-2A AMI의 LST 결과는 고도가 올라감에 따라서 RMSE (4.52~5.71 °C)와 RRMSE (0.36~0.51)가 대체적으로 증가 경향을 보이며, 평지와 높은 고도의 RMSE의 차이가 약 1 °C 정도의 차이가 발생하는 것으로 확인되었다. 또한, 고도가 높아짐에 따라서 인공위성 자료에 대한 정확성이 낮아지는 것을 확인할 수 있다(Fig. 5(a)). 모든 위성 기반 LST의 상관성을 확인하면 대체적으로 고도가 증가함에 따라 상관성이 감소하는 경향이 나타났다(Fig. 5(b)). 전반적인 결과를 종합하면, 위성기반 LST 결과는 고도에 따라 0 ≤ h < 300 m까지는 점차 RMSE 정도가 증가하였다가, 300 m 이후부터는 증⋅감소하는 경향을 나타내는 것을 확인할 수 있다. 그러나 300 m 이후의 증감하는 경향의 이유는 평지의 관측소 개수와 비교하여 300 m 이상의 관측 지점 개수의 부족(300~400 m: 2개소, 400 m~: 3개소)으로 인하여 차이가 발생하며 이는 통계 결과를 신뢰하기에는 다소 떨어지는 것으로 판단된다.

Fig. 6에는 2020년에 대한 각 인공위성 자료에 대한 연평균 분포와 관측 횟수를 나타내었다. 먼저 Fig. 6(a)의 극궤도 위성인 MODIS의 각 픽셀에 대한 관측 횟수를 확인하면, 각 픽셀에서 1년 중 평균 125일(MODIS) 정도의 관측 횟수만을 보였다. MODIS 위성의 후속 센서인 VIIRS에 대한 평가를 시행한 선행연구인 Liu et al. (2019)에서도 확인할 수 있듯이, MODIS 센서와 동일한 관측 주기를 가지고 있는 VIIRS의 관측횟수(17~103일)도 높지 않는 것을 확인할 수 있다. 반면에, 정지궤도 위성에 탑재된 센서인 S-VISSR (평균 301일)와 AMI (평균 339일)는 극궤도 위성보다 연속적인 관측이 가능하므로 대부분의 픽셀에서 많은 관측 횟수를 보인다. 이러한 영향은 전반적인 연평균 결과에도 많은 부분 영향을 미치는 것으로 나타났다(Fig. 6(b)). 연평균 LST 분포를 확인하면, 내륙에서는 도심지역과 녹지 비율이 높은 지역과 비교하면 연평균 온도에 대한 차이가 나는 것을 볼 수 있다. 특히 산맥으로 이뤄진 영역에서는 평지보다 낮은 연평균 LST 분포를 보였으며, 도심지역(서울, 대전, 대구, 광주, 부산 등)에서 도시열섬 현상으로 주변 지역 녹지 지역보다 높은 연평균 LST 분포를 나타내었다. 이는 LST의 경우 토지의 피복과 건축물의 유형의 영향을 크게 받으므로, 식생 비율이 적고 열용량이 낮은 재료로 구성된 건축물이 밀집되어 있어 다른 녹지 지역보다 높은 지표면 온도를 형성하게 되기 때문이다(Hwang and Kang, 2020). 또한, 해안선 영역에서는 해수 온도 및 기상조건(해풍 및 해무)의 영향 및 비열의 차의 영향으로 겨울철에 육지에 비하여 상대적으로 따뜻한 해안의 영향으로 해안선을 따라 연평균 LST 온도가 높게 나타나는 것으로 확인된다. AMI와 S-VISSR의 연평균 LST의 분포는 전반적으로 평균 7.29 °C와 평균 8.27 °C의 분포를 하고 있으나, MODIS의 LST 분포는 평균 20.45 °C으로 높은 값을 나타내고 있다. 이러한 근본적인 이유는 실제 자연상태에서의 날씨는 대부분 지역에서 일 년의 절반 이상이 흐린 상태로(Fan et al., 2007), 구름이 있는 경우에 인공위성 광학센서의 특성상 구름을 투과하지 못하며, 구름 위(상층부)의 온도를 관측하게 되기 때문에 지표면 방출율에 대한 정보를 산출하기 어려워진다. 따라서, 위성영상을 이용하여 구름 아래에서의 지표면 열적외선 정보를 얻을 수 없으며, 직접 계산하기에는 한계가 있다(Zhang et al., 2015; Zhao et al., 2020). 특히, 극궤도 위성은 하루에 적은 횟수의 관측을 통하여 하루의 값을 대표하기 때문에, 특정 시간에 외부적인 기상요인으로 인하여 관측이 되지 않을 경우에는 missing value가 발생하게 된다. 그에 비하여 정지궤도 위성은 시간 연속성이 높기 때문에 극궤도 위성에 비하여 ~20배(MODIS 하루 2회, AMI 하루 144회, S-VISSR 하루 24회) 이상 관측을 할 수 있어서 보다 명확한 LST 및 다양한 수문/기상인자에 대한 관측이 가능하다.