[논문]인공위성관측 자료를 이용한 강수량 추정 연구

Classification of precipitating clouds using satellite infrared observations and its implications for rainfall estimation
의 저자이신 서담원 연구원분과 세종대학교 신동빈 교수님의 지도 하에 진행된 교육청 주관 지구과학 Research and Education입니다.
류관형, 여나경, 최지은, 장재연 이렇게 4명이 공동저자입니다.

초 록

강수를 관측하는 다양한 방법 중 하나인 지상레이더를 이용한 강수량 측정법은 레이더의 관측 영역이 제한되어 있어 해양을 포함한 넓은 지역의 강수량을 측정하지 못한다는 한계점이 있다. 정지궤도위성 적외선 관측은 지상레이더와는 달리 해양을 포함 광역 강수관측이 준실시간 가능하다. 본 연구에서는 정지궤도 위성의 관측 밝기온도 값들과 지상레이더의 강수량의 연관성을 이용하여 강수량을 산출하고자 하였다. 사례와 자료로는 강수량이 많았던 2017년 7월 23일 9시 경 일본의 Himawari-8 위성의 6.2μm, 8.6μm, 11.2μm, 12.4μm 파장에서 관측한 밝기온도 값과 레이더 강수량의 관계를 선형 회귀 분석 방법을 통해 유도하였다. 산출된 정지위성 강수량과 지상레이더 강수량과 비교했을 때 전체적인 강수의 패턴은 유사하였으나 지상레이더만큼 강한 강수는 나타나지 않았다. 따라서 정지위성 강수량은 강수량 자체보다 강수패턴 분석에 유용하다는 결론을 얻었다.

본 문

서 론

강수는 태풍, 홍수 등 우리 삶과 밀접한 관련이 있는 기상현상 중 하나이며 이를 관측하고 예측하는 것은 매우 중요하다. 현재 지상레이더, 자동기상관측자료(이하 AWS (Automatic Weather Station)), 위성을 이용한 방법 등을 통하여 기상을 예측하고 있다. 위성은 적외선과 가시광선 센서를 이용해 밝기온도를 측정하는 방법을 사용하며, 지상레이더는 대기 중으로 전파를 보내 반사되어 송신기에 되돌아오는 신호를 이용하여 기상을 관측한다. AWS는 지역마다의 대기온도, 상대습도, 풍향, 풍속, 일사량, 일조시간, 강수량(누적), 대기압력, 지중온도, 등의 기상데이터를 측정하는 방법을 사용하고 있다.
그러나 지상레이더와 AWS는 관측할 수 있는 지역이 한정되어 있어 관측지점에서 멀리 떨어진 육지 곳곳이나 해양 지역에 대한 기상 관측은 오직 위성데이터에 의존해야 한다. 해양 관련 산업에 종사하는 사람들의 안전과 직결되는 이 문제를 해결하기 위해서는 위성 자료를 통한 해역의 기상 예측의 정확성을 확보해야 할 것이다.
본 연구의 주제는 위성관측 자료를 이용한 강수량의 추정이다. 우선 위성이 측정한 밝기온도와 기상레이더, 회귀분석을 통해 이들 간의 유사점을 알아보았다. 또한, 이 데이터를 가지고 해당 지역의 강수량을 분석하였다. 관측 가능 지역의 위성 관측 자료와 레이더 자료를 기반으로 회귀 분석을 통하여 그 유사점을 찾아 실제 해역의 기상으로 이를 응용하여 위성을 통해 강수량을 측정하는 더욱 정확한 방법을 모색해보았다.

Ⅱ. 본문 내용

1. 연구 자료

우리가 사용한 데이터는 정지궤도 기상 위성 Himawari-8 AHI (Advanced Himawari Imager)로 측정한 밝기온도와 한반도에 설치되어 있는 지상레이더 자료이다. 한반도 지상레이더는 1 km의 공간 해상도로 매 10분마다 관측을 수행한다. Himawari-8은 일본 기상청 JMA(Japan Meteorological Agency) 소속으로, 16개의 채널을 탑재해 전지구의 1/3에 해당하는 영역(60°E-220°E, 80°N-80°S)을 관찰한다. 3개의 채널은 가시광선 채널, 3개의 채널은 근적외선 채널, 10개의 채널은 적외선 채널이다. 전구(full disk)영역을 10분 간격으로 촬영하며, 가시광선 채널의 공간해상도는 0.5-1.0㎞, 근적외선 채널과 적외선 채널의 공간해상도는 1.0-2.0㎞이다[1].

표1 Himawari-8 AHI 채널 특성(JMA)

파장(㎛)	밴드 넘버	해상도
0.47	1	1
0.51	2	1
0.64	3	0.5
0.86	4	1
1.6	5	2
2.3	6	2
3.9	7	2
6.2	8	2
6.9	9	2
7.3	10	2
8.6	11	2
9.6	12	2
10.4	13	2
11.2	14	2
12.4	15	2
13.3	16	2

그림1 (a) 히마와리-8 위성이 2018년 12월 3일 6시 6.2㎛ 관측영상

(b) 히마와리-8 위성이 2018년 12월 3일 6시 10.4㎛ 관측영상.

우리나라의 강수량을 추정하고자 하는 연구 목적에 맞게 16개의 채널 중 수증기 흡수가 일어나는 6.2 ㎛, 구름의 상(물인지 얼음인지)을 구분하는데 널리 쓰이는 8.6 ㎛, 대기창 영역인 11.2 ㎛, 12.4 ㎛ 파장에서 측정한 밝기온도 자료를 이용했다[2].
회귀분석을 위해서는 측정된 실제 강수량 자료가 필요한데, 우리는 지상레이더 관측 자료를 이용했다. 우리가 사용한 지상레이더 강수량 관측자료는 기상청에서 제공한 것이다. 기상청은 전국 11개소(백령도, 서울 관악산, 화천 광덕산, 강릉, 군산 오성산, 진도, 청송 면봉산, 부산 구덕산, 제주 고산과 성산, 인천공항)에 기상레이더를 설치하여 운영하고 있다.

그림3  - 기상청 운영 기상레이더의 분포와 측정 범위(기상레이더센터 2018년 12월 4일)

각 레이더 관측소에서 생산된 자료들은 강수대의 이동 및 변화 경향에 대한 중요한 정보를 제공해 주지만, 관측영역이 레이더 관측소 주변 지역으로 한정되어 있기 때문에 한반도 전체의 기상상태를 한눈에 볼 수 있는 영상자료는 제공해 주지 못한다. 그래서 우리는 위도는 31-39도 사이, 경도는 122-132도 사이의 한반도 주변으로 공간을 선택했다. 자료의 관측일자는 강수량이 많았던 2017년 7월 23일 0900 KST를 선택했다.

2. 연구 방법

밝기온도와 강수량의 관계를 구하기 위해 서로 다른 해상도를 가진 자료의 시공간 일치를 진행하였다. 시간 해상도는 위성과 레이더가 모두 10분으로 동일하여 공간 해상도만 일치를 시켰다.
자료를 분석하는 방법은 주로 확률일치 방법(Probability Matching Method, PMM)과 회귀방법으로 두 가지다. 확률일치방법은 한 지역을 대표할 수 있을 만큼 작아야 하지만 우연에 의한 오차에 민감하지 않을 정도로 큰 “창문”이라는 구역을 잡아 그 구역에 내린 강수량과 레이더로 관측한 반사도를 1:1로 매칭하여 다음 강수량을 레이더로 관측한 반사도를 통해 예측하는 방법이다. 회귀방법이란 이론이나 경험적 근거에 의해 설정된 변수들간의 함수관계가 유의한지 알아보는 통계분석 방법으로 Y변수를 종속변수, X변수를 독립변수라 한다. 종속변수에 대한 독립변수의 유의성과 영향력은 회귀계수를 이용한다.
이 실험에서는 회귀방법만을 사용했다. 실제 강수량을 종속변수로, 각각의 파장에서 측정한 밝기온도를 독립변수로 설정했다. 6.2μm, 8.6μm, 11.2μm, 12.4μm의 파장을 가지는 밝기온도의 조합을 달리 하여 총 15회 실시했다. 독립변수를 4가지 파장 중 1가지 파장을 선택하는 경우에서 총 4회, 4가지 파장 중 2가지 파장을 선택하는 경우에서 총 6회, 3가지 선택하는 경우에서 4회, 4가지 모두 선택하는 경우에서 1회 실시했다. 엑셀을 통해 회귀분석을 해 조정된 결정계수, 유의한 F값, P-값을 찾았다. 이때, 조정된 결정계수는 모든 자료 중 결과적으로 나온 회귀식을 통해 설명할 수 있는 자료의 비율을 말한다. 또한 유의한 F값이 0.05미만일 때 독립변수들 중 적어도 하나는 종속변수에 영향을 미친다고 판단하며 각각의 독립변수의 경우 P-값이 0.05미만일 때에는 그 독립변수가 종속변수에 영향을 미치고 0.05이상이면 종속변수에 영향을 미치지 않는다고 판단한다. 따라서 15개의 회귀식에서 조정된 결정계수가 가장 크고, 유의한 F값이 0에 가까워 가장 정확도가 높은 회귀식을 구했으며 각각의 독립변수의 P-값을 통해 그 독립변수가 종속변수에 대해 유의한 지 혹은 유의하지 않은지를 비교해보았다.

3. 연구 결과

그림 4는 2017년 7월 23일 0900 KST의 Himawari-8 11.2 μm 밝기온도와 레이더 강수를 나타낸다.Himawari-8 위성을 통하여 관찰했을 때 밝기온도가 주변보다 낮은 지역에 강수가 내렸음을 확인할 수 있다. 이를 이용하여 강수량 분석을 진행하였다.

그림4 2017년 7월 23일 0900 KST의 Himawari-8 AHI 센서의 11.2 μm 밝기온도(왼쪽)와 레이더 강수(오른쪽)

그림 5는 각각의 독립변수에 따른 결과를 표와 그래프로 정리한 것이다. 그림 5를 보면 네 가지 파장에서 모두 밝기 온도 값이 낮을수록 실제 레이더로 측정한 강수량이 높음을 볼 수 있다. 그림 4과 그림 5의 네 개의 그래프를 분석한 결과 네 가지 파장에서 측정한 밝기온도가 강수량과 깊은 연관이 있음을 알 수 있었고, 이 사실을 바탕으로 회귀분석을 실시했다.

그림5 왼쪽 상단부터 시계 방향으로 12.4, 11.2, 8.6과 6.2 μm 파장별 회귀분석 결과.

표2 회귀분석 결과

사용된 독립변수의 수	6.2μm TB	8.6μm TB	11.2μm TB	12.4μm TB	조정된 결정계수
1	O	X	X	X	0.140645363
	X	O	X	X	0.106774723
	X	X	O	X	0.103470843
	X	X	X	O	0.103910211
2	O	O	X	X	0.152124751
	O	X	O	X	0.155406477
	O	X	X	O	0.157347536
	X	O	O	X	0.116414386
	X	O	X	O	0.109324399
	X	X	O	O	0.104253198
3	O	O	O	X	0.161653515
	O	O	X	O	0.163124904
	O	X	O	O	0.164405114
	X	O	O	O	0.139598673
4	O	O	O	O	0.164601304

어떤 파장에서의 밝기온도를 변수로 포함해 회귀분석을 실시하는가에 따라 15개의 회귀식을 만들 수 있었다. 15개의 회귀식에서 각각의 변수에 대한 유의한 F값과 P-값이 모두 0.05 미만이었기에 유의한 F값과 P-값으로 회귀식을 선별할 수는 없었다. 그러나 15개의 회귀식 중 조정된 결정계수가 0.16 이상으로 정확도가 높은 것으로 나타난 식은 총 4개였다. 그중 4개의 밝기온도를 모두 분석해 만든 회귀식이 가장 높은 정확도를 나타냈다. 따라서 우리는 강수를 계산하기 위해 4가지 밝기온도를 모두 사용하기로 했다.
4개의 밝기온도값을 이용해 만든 회귀식은 다음과 같다.

계산한 강수 = 55.4997108570509 - 0.371544481576638*(6.2㎛ TB)
+0.0992642828440545*(8.6㎛ TB) - 0.683674277491879*(11.2㎛ TB)
+ 0.706702636113064*(12.4㎛ TB) (1)

표3  4개 채널의 밝기온도를 독립변수로 설정해 회귀분석 한 결과

위 표는 4개의 밝기온도 값을 모두 독립변수로 설정해 분석한 값들이다. 각각의 독립변수에서 P-값을 비교해보면 모두 0.05보다 현저히 낮음을 볼 수 있어 모든 독립변수가 종속변수에 대해 유의하다는 걸 알 수 있다.
이 식 (1)을 이용해서 회귀식에 이용한 날짜의 다음 시간인 2017년 7월 23일 0910 KST의 강수량을 계산했다. 계산한 강수량 값을 토대로 강수지도를 그려보았고, 레이더로 측정해 그린 강수지도와 비교해보았다. 그림 6에서 예측된 강수지역에 대해 실제 레이더 데이터와 거의 일치하는 것을 알 수 있다. 하지만 중부지방에서 측정된 레이더 강수가 최대 20~40까지 올라가는 것에 비해 계산한 강수량은 최대값이 10 mm/h 이하로 나타나 강수량에 대한 정확도는 떨어진다고 할 수 있다.

그림6  2017년 7월 23일 09시 10분의 레이더 강수(왼쪽), 회귀식을 이용하여 계산한 강수(오른쪽)

4. 결론

기존 지상레이더를 이용한 강수량 측정은 정확하지만 측정 가능한 영역이 한정되어있다는 점에서 위성의 밝기온도를 통해 회귀분석을 한 결과 강수량의 정확도는 떨어지지만 강수가 내린 공간의 정확도는 꽤 높게 나온 것을 알 수 있다. 실험결과 4가지 파장을 모두 독립변수로 설정한 회귀식의 조정된 결정계수가 0.1646013으로 제일 높게 나와 실험에 사용된 모든 파장이 강수량에 영향을 미쳐 어떤 파장도 누락할 수 없다는 것을 확인하였다. 그러나 가장 높은 결정 계수를 보인 경우에도 그 결정 계수의 값이 상당히 작은데, 4가지 파장을 강수량의 정확도가 떨어진 원인으로 총 2가지를 생각할 수 있었다. 먼저 가장 큰 원인은 강수량과 밝기온도의 관계가 정확하지 않기 때문이다. 밝기온도가 낮을수록 강한 강수가 내리는 경향이 있지만 그렇지 않은 경우도 많이 있기 때문에 단순한 회귀식만으로 강수량을 정확히 추정하는 것은 한계가 있을 것이다. 두 번째로는 사용 독립변수가 부족했을 가능성이 있다. 향후 연구에선 본 연구에서는 사용되지 않은 수증기 채널(6.9μm,7.3μm)이나 밝기온도차 등 다양한 독립변수 데이터를 사용해 강수량을 더 정확히 관측해 낼 수 있을 것이다.
본 연구를 통하여 Himawari 위성 자료를 이용한 강수량 관측의 가능성을 확보할 수 있었다. 이를 더욱 정확하게 발전시킨 다면 레이더를 통하여 측정할 수 없었던 지역의 강수량을 관측하여 해양 관련 직업에 종사하는 사람들의 안전성과 산업의 발전을 도모할 수 있을 것을 기대한다.

5. 참고문헌

[1] "Outline of Himawari." (2018년 11월 4일). Meteorological Satellites -Japan Meteorological Agency. last modified n.d., http://www.jma.go.jp/jma/jma-eng/satellite/himawari89.html.
[2] So, Damwon and Dong-Bin Shin. 2018. "Classification of precipitating clouds using satellite infrared observations and its implications for rainfall estimation." ., Quarterly Journal of the Royal Meteorological Society.
[3] "실시간 관측영상." (2018년 12월 4일). 기상레이더센터. n.d. 수정, http://radar.kma.go.kr/radar/ppi0.do
[4] "Himawari Real-Time Image." (2018년 12월 4일). Meteorological Satellites -Japan Meteorological Agency. last modified n.d., http://www.data.jma.go.jp/mscweb/data/himawari/ sat_img.php?area=jpn.