Visible-equivalent dust AOT retrieval from MODIS IR measurements and its application to dust forecasting

Abstract

적외광선을 이용하여 황사의 유무 및 세기를 판단하는 다양한 적외 황사지수들의 성능을 살펴보기 위해2011년의 강한 황사사례 기간(4월 30일 – 5월 1일)에 일기도 및 위성자료를 이용하여 비교 검토하였다. 이를 통해 적외 황사지수들은 주간과 야간에 공히 활용 가능하므로 황사의 이동양상을 감시하기에 매우 유용함을 알 수 있었다. 그러나 육지와 해양간에 그리고 주간과 야간 사이에 존재하는 불연속성은 차치하고라도 하나의 물리적인 양이 아닌 정성적인 지수에 불과한 근본적인 한계를 보이고 있음도 알 수 있었다. 따라서 이 연구에서는 적외광선과 가시광선의 장점들을 취하여 적외 황사지수의 근본적인 한계점을 극복하고 또한 그 결과를 황사 예측모델 개선에 활용 가능함을 보이고자 한다. 본 연구에서는 적외채널과 가시채널의 에어러솔 특성을 연관시키기 위해 가시채널 활용이 가능한 주간에MODIS에서 관측한 적외 밝기온도와 가시채널의 에어러솔 광학두께를 인공신경망 모델을 이용하여 서로 결합하였다. 인공신경망 모델을 이용하여 훈련할 때, 적외 밝기온도와 가시채널의 에어러솔 광학두께 뿐 아니라 그에 상응한 지표면 특성(IGBP 지표 타입, 지표 방출률, 고도)과 기하 정보(위성 천정각)도 입력자료로 사용하였다. 인공 신경망 훈련을 위해 동아시아 영역(20°N-55°N, 90°E-145°E)에서 2006년 봄철(3 – 5월)에 대하여 MODIS 자료를 이용하였다. 인공신경망 모델을 이용하여 산출된 에어러솔 광학두께를 검증하기 위해 2007년 봄철(3 – 5월)에 대해 적외 밝기 온도로부터 가시채널의 에어러솔 광학두께를 산출하였으며 MODIS에서 산출된 에어러솔 광학두께와 비교한 결과 유의한 결과를 얻었다. 전체 상관계수는 0.77이었으며 수면(water bodies) 위에서 가장 좋은 상관계수인 0.85를 얻은 반면 불모지(barren) 타입에서 0.75로 가장 낮은 상관관계를 보였다. 적외 밝기 온도는 야간에도 관측 가능하므로 인공신경망 모델을 이용하면 야간의 에어러솔 광학두께 산출이 가능하다. 이를 검증하기 위해 CALIPSO 위성 라이다 자료를 활용하였으나 상관관계는 낮았다. 그러나 주간에 MODIS와 CALIPSO 사이의 상관관계 자체가 낮은 것으로 알려져 있으며 인공신경망 모델과의 결과도 이에 준하는 정도로 나타났다. 인공신경망 모델을 통해 얻어진 야간의 에어러솔 광학두께는 그 동안 극궤도 위성의 가시채널이 가지는 최대 단점인 시간 해상도 문제를 극복하여 황사의 이동양상을 파악하는 데 유용할 것으로 사료된다. 더 나아가서 에어러솔 광학 두께는 상대적인 지수에 불과한 것이 아니라 물리적인 양으로서 황사 예측모델의 자료동화에 효과적으로 활용할 수 있게 된다. 야간 에어러솔 광학두께가 자료동화에 기여하는 정도를 확인하기 위해 기상청에서 현업으로 활용하고 있는 황사 예측모델(ADAM)에 최적내삽법을 활용한 자료동화를 실시하였다. 이를 실험하기 위해 두 차례의 황사 사례(사례1: 2006년 4월 5 – 9일, 사례 2: 2009년 3월 14 – 18일)를 선택하였으며, 주간 MODIS에어러솔 광학두께만을 활용하여 24시간마다 자료동화를 하는 실험(DA1)과 야간의 인공신경망을 이용한 에어러솔 광학두께도 함께 활용하여 12시간마다 자료동화를 하는 실험(DA2)을 동시에 진행하였다. 각 실험의 결과를 비교하기 위해 자료동화를 실시하지 않는 실험(CTL)도 함께 진행하였다. 각 실험으로부터 예측된 에어러솔 광학두께는 MODIS 에어러솔 광학두께와 지상에서 관측한 스카이라디오미터 자료를 이용하여 비교하였다. 그 결과 두 사례에서 모두 자료동화를 한 예측장(DA1, DA2)이 CTL보다 관측값에 유사한 결과를 얻어 황사 예측모델의 성능을 높인 것으로 드러났으며, 그 중에서도 DA2가 DA1보다 나은 결과를 도출하였다. 따라서 인공신경망을 통해 산출된 야간 에어러솔 광학두께는 가시채널 활용시 시간해상도를 좋게 함으로써 황사 감시에도 유용할 뿐 아니라 황사 예측모델의 예측력 향상에도 기여하는 것으로 나타났다.

The various infrared (IR) techniques of diagnosing the dust presence and intensity (so-called dust indices) were reviewed using the dust case occurred from 30 April to 1 May 2011. It was found the IR-based dust indices are a useful tool for monitoring evolutionary features of dust storm. However, apart from a limitation of discontinuity between land and ocean and between daytime and nighttime, there appears a serious limitation that the dust indices are not physical quantities but qualitative indices in a lack of scalability. This study is an attempt to reduce such limitations by taking advantages of both IR- and visible (VIS)-based monitoring methods. An algorithm was developed to relate IR brightness temperatures (BTs) to VIS-based aerosol optical thickness (AOT). In doing so an artificial neural network (ANN) model approach was used to combine MODIS-measured infrared BTs with visible AOTs. For training the ANN model, IR BTs, surface type and geometrical information were used as inputs to predict MODIS-derived AOTs during the daytime when VIS-based AOTs are available. The training was done exclusively over dust-laid pixels during the spring (March - May) of 2006 over the East Asian domain (20°N-55°N, 90°E-145°E). It should be noted that the obtained daytime AOTs from the ANN model are in good agreement with MODIS-derived AOTs, with a correlation coefficient of 0.77 over the analysis domain. A maximum correlation coefficient of 0.85 is found over water bodies type surface whereas a minimum correlation coefficient of 0.75 over the barren type surface. However, a weak correlation is found during the nighttime when derived AOTs are compared against AOTs from CALIPSO

the weak correlation has been known between MODIS-driven AOT and CALIPSO-driven AOT. Selected case study indicates that the developed ANN method appears to well capture evolutionary features of dust area at nighttime, suggesting that the model can be readily used for monitoring the dust movement. It is further suggested that more frequent AOT estimates due to the IR-based AOTs during the nighttime can provide benefits to the aerosol data assimilation, despite degraded quality in comparison to visible measurements. A data assimilation (DA) system employing day and nighttime AOTs for the Asian Dust Aerosol Model (ADAM), the dust forecasting model operated by Korea Meteorological Administration (KMA), has been developed with an optimal interpolation (OI) method. Two Asian dust cases occurred in 5 – 9 April 2006 (CASE1) and 14 – 18 March 2009 (CASE2) were simulated using ADAM. To examine the impact of inclusion of IR-based AOTS in the data assimilation system on the forecasting, two experiments were performed with different assimilation cycles (i.e., DA1: 24 hour cycle with daytime only MODIS AOT, DA2: 12 hour cycle with additional IR-based AOT during the night). Besides a control (CTL) simulation with no data assimilation was performed. Simulations were validated by comparing with MODIS-derived AOT distributions as well as with ground-based Korean skyradiometer network (KSNET) observations of AOTs. It is found that both experiments (DA1, DA2) led to improved forecasting, but DA2 outperformed DA1. Results suggest that the ANN-based AOT contributes positively to the forecasting capability through more temporal coverage in the data assimilation.