닫기

Search
Search
Advanced Search +
닫기
Quick links
Most View Most Download Archives Go to e-Submission

Research Article

Split Viewer

Korean J. Remote Sens. 2025; 41(1): 101-110

Published online: February 28, 2025

https://doi.org/10.7780/kjrs.2025.41.1.9

© Korean Society of Remote Sensing

GOCI-II 자료를 활용한 해수 표층 광합성 유효광량 산정 및 검증 연구

황득재*

한국해양과학기술원 해양위성센터 박사후연구원

Received: February 9, 2025; Revised: February 12, 2025; Accepted: February 12, 2025

Estimation and Validation of Photosynthetically Available Radiation at the Sea Surface Using GOCI-II Data

Deuk Jae Hwang*

Author Affiliations
Postdoctoral Researcher, Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology, Busan, Republic of Korea

Correspondence to : Deuk Jae Hwang
E-mail: ghkdemrwo@kiost.ac.kr

Received: February 9, 2025; Revised: February 12, 2025; Accepted: February 12, 2025

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

Go to

Photosynthetically available radiation (PAR), used in primary productivity research, is calculated from the amount of solar radiation reaching the sea surface in the 400-700 nm wavelength band. This study developed and validated a Geostationary Ocean Color Imager II (GOCI-II)-based PAR algorithm to increase the utilization of GOCI-II and contribute to the production of accurate input data for primary productivity research in the waters around the Korean Peninsula. The algorithms used in MODIS and GOCI PAR studies were improved to suit the spatiotemporal and spectral resolution of GOCI-II, and daily PAR was calculated from GOCI-II hourly PAR. As a result of examining the hourly and daily PAR images on April 27, 2024, it was found that the daily PAR distribution in areas heavily affected by clouds was about 30% lower than in clear atmosphere areas. As a result of validation using ECO-PAR sensor field observation data installed at the Socheong-cho Ocean Research Station, GOCI-II daily PAR showed an underestimation tendency with 11.10% root-mean-square error (RMSE) and 9.89% mean bias error (MBE) compared to field observation data, but the determination coefficient (R2) value showed a high linear correlation of 0.98. As a result of comparing GOCI and GOCI-II daily PAR between sensors in the GOCI-II slot 4 areas on March 10, 11, and 14, 2021, after randomly selecting areas A, B, and C, high consistency was shown in areas A and B with little cloud cover, but a maximum RMSE of 6.24% was shown in area C, which was heavily affected by clouds. In the future, we plan to research to improve the accuracy of GOCI-II PAR through algorithm verification and correction by adding field observation data. The development and verification of the GOCI-II PAR algorithm are expected to help monitor the marine environment and research activities in the waters around the Korean Peninsula, which have been continued from GOCI and contribute to research on responding to changes through long-term observation data.

Keywords GOCI-II, GOCI, Photosynthesis available radiation, In-situ measurements

요약

Go to

광합성 유효광량(photosynthesis available radiation, PAR)은 해양에서는 400에서 700 nm 파장 대역의 해수 표층에 도달하는 태양의 광량을 통해 계산되며 주로 일차생산량 연구에 활용된다. 이 연구에서는 Geostationary Ocean Color Imager II (GOCI-II)의 활용도를 높이고, 한반도 주변 해역의 일차생산량 연구에 대한 정확한 입력자료의 생산에 기여하고자 GOCI-II 기반 PAR 알고리즘을 개발하고 검증하였다. MODIS, GOCI PAR 연구에 활용되었던 알고리즘을 GOCI-II의 시공간 및 분광해상도에 알맞게 개선하고, GOCI-II 시간별 PAR로부터 일별 PAR를 계산하였다. 2024년 4월 27일의 시간별, 일별 PAR 영상을 확인한 결과, 구름의 영향을 많이 받은 해역에서는 맑은 대기 해역에 비하여 약 30% 낮은 값의 일별 PAR 분포를 보였다. 소청초 종합해양과학기지에 설치된 ECO-PAR 센서 현장관측 자료를 활용한 검증 결과, GOCI-II 일별 PAR는 현장관측 자료 대비 11.10%의 평균제곱근오차(root-mean-square error, RMSE)와 9.89%의 평균 편향 오차 (mean bias error, MBE)로 과소추정 경향을 보였으나, 결정계수(determination coefficient, R2) 값은 0.98로 높은 선형 상관관계를 보였다. 2021년 3월 10, 11, 14일 GOCI-II 4번 슬롯(slot) 영역에서 A, B, C 영역을 임의로 선정하여 GOCI와 GOCI-II 일별 PAR의 센서간 비교 결과, 구름이 적은 A와 B 영역에서는 높은 일치도를 보였지만 구름의 영향을 많이 받은 C 영역에서는 최대 6.24%의 RMSE를 보였다. 향후 현장관측 자료를 추가하여 알고리즘 검보정을 통해 GOCI-II PAR의 정확도 개선 연구를 수행할 예정이다. GOCI-II PAR 알고리즘의 개발 및 검보정은 GOCI로부터 지속된 한반도 주변 해역에 대한 해양환경 모니터링 및 연구활동을 계승하여, 장기 관측 자료를 통한 변화 대응 연구에 도움을 줄 수 있을 것으로 기대된다.

주요어 GOCI-II, GOCI, 광합성유효광량, 현장관측자료

1. 서론

Go to

광합성 유효광량(photosynthetically available radiation, PAR)은 엽록소가 광합성에 활용하는 400–700 nm 파장 대역의 태양광 에너지 입력량을 나타내는 지표로, 해양 생태계 연구에 있어 핵심적인 역할을 수행한다(Kirk, 1994). 특히, 해양 생산성을 나타내는 일차 생산량 계산 과정에서 주요 입력 변수로 활용되며, Vertically Generalized ProductionModel (VGPM) 등 다양한 일차 생산량 모델 연구에 활용되어 왔다(Behrenfeld and Falkowski, 1997; Carr et al., 2006). 국내 연구에서도 동중국해와 동해 일대 일차 생산량 변화 연구에 PAR가 주요 입력 인자로 활용된 바 있다(Joo et al., 2015; Siswanto et al., 2006; 2007).

PAR는 일차 생산량 계산 외에도 산호, 적조 등 해양 생물 환경과 직·간접적인 관계를 가진다. 산호는 공생 조류에 도달하는 빛의 강도에 따라 생산성이 크게 변화하며, 이는 산호의 칼슘 고정 활동에 영향을 미친다(Mass et al., 2007; Titlyanov et al., 2001). 또한, 한반도 주변 해역에 큰 영향을 미치는 적조 생물인 Cochlodinium polykrikoides의 일간 수직 이동과 번성 과정에서 PAR가 중요한 역할을 수행함이 밝혀졌다(Kim et al., 2016a). 이 외에도 부유 해조류인 Ulva prolifera의 생장에 있어 PAR는 수온, 염분과 함께 주요 영향 요인으로 작용한다(Xiao et al., 2016).

다양한 분야에서 활용되는 PAR는 최근 인공위성 원격 탐사 기술발달로 넓은 해역에 대한 관측이 가능해짐에 따라 활용성이 더욱 증대되고 있다. Sea-Viewing Wide Field-of-View Sensor (SeaWiFS)는 1997년부터 2010년까지 400–700 nm파장 대역의 6개 밴드를 활용하여 일별 PAR를 계산하고 제공하였으며, Moderate Resolution Imaging Spectroradiometer (MODIS) 또한 Terra 및 Aqua 위성에서 PAR를 공식 산출물로 제공하고 있다(Carder et al., 2003; Patt et al., 2003). 이렇게 계산된 위성 기반 PAR 산출물의 신뢰도는 다양한 지역에서 획득한 현장 관측 자료와의 비교 검증을 통해 확보되고 있다(Frouin et al., 2012; Laliberté et al., 2016; Somayajula et al., 2018). 해색 위성 외에도 Global Imager (GLI)와 같은 지구 관측 위성에서도 PAR 자료를 산출하여 타 위성 기반 PAR 자료와 비교하는 연구가 수행되었다(Frouin and Murakami, 2007).

그러나 전 지구 관측을 목적으로 하는 극궤도 위성의 경우 재방문 주기가 하루 이상으로, 급변하는 해양 환경 변화를 반영하는 데 한계가 존재한다(Ruddick et al., 2014). 반면 정지궤도 위성은 특정 해역을 하루에 여러 차례 관측하여 짧은 시간 동안의 변화를 관측할 수 있다는 장점을 가진다. 일례로 국외위성의 하나인 Himawari 위성은 정지궤도 기상 위성으로, GLI PAR 알고리즘에 기반하여 시간별 및 일별 PAR를 산출물로 제공한다(Frouin and Murakami, 2007). 국내에서는 Geostationary Ocean Color Imager (GOCI)에 이어 GOCI-II 정지궤도 해색 위성을 운용 중이다. GOCI는 1시간 간격으로 하루 8회 관측을 수행하였으며, GOCI-II는 1시간 간격 10회 관측을 통해 해양 환경 변화를 보다 정밀하게 관측할 수 있게 되었다(Choi et al., 2021; Ryu et al., 2012). GOCI PAR 산출물은 기존 연구를 통해 정확도 및 신뢰도가 검증되었으나(Frouin and McPherson, 2012; Hwang et al., 2022; Kim et al., 2016b), GOCI-II는 GOCI에 비해 시·공간 해상도 및 분광

해상도가 향상되었음에도 불구하고 PAR 산출물 개발 및 검증 연구가 미흡한 실정이다.

이 연구에서는 GOCI PAR 알고리즘을 개선하여 GOCI-II에 적용 및 GOCI-II 일별 PAR를 산출하고, 소청초 종합해양과학기지에서 관측된 현장 관측 PAR 자료를 활용하여 정확도를 평가한다. 이를 통해 한반도 주변 해역의 정확한 PAR를 제공함으로써, 일차생산량 연구 등 해양 생태 환경 변화연구를 위한 주요 인자로 활용 가능하도록 하고자 한다.

2. 연구 자료 및 방법

Go to

2.1. 연구지역 및 현장관측 자료

GOCI-II는 한반도 주변 해역 및 육상 지역을 총 12개의 슬롯(slot)으로 나누어 촬영을 수행하며, 그 중 황해를 포함하는 7번 슬롯을 대상으로 연구를 수행하였다(Fig. 1a). 현장관측 PAR 자료가 수집되고 있는 소청초 종합해양과학기지는 해당 슬롯에서 북서부에 위치하며, 서해 5도 중 하나인 소청도로부터 남서쪽으로 약 37 km떨어진 동경 124도 44분 17초, 북위 37도 25분 23초의 지점에 위치한다. 해당 지역은 경기만 하구 부유퇴적물 유동의 영향을 받는 끝자락에 위치하며, 때로는 고농도의 부유퇴적물이 유입되지만 대부분 기간동안 낮은 부유퇴적물 농도를 보인다(Eom et al., 2017). 고농도의 부유퇴적물은 PAR 관측 영상에서 얇은 구름처럼 판명될 수 있어(Frouin and McPherson, 2012; Hwang et al., 2022), 현장관측과GOCI-II PAR 자료 간의 비교시, 이 점을 고려하여 비교를 수행하였다.

Fig. 1. Study area and in-situ measurement location. (a) GOCI-II RGB true colored image captured from 1 April 2024 UTC 03, (b) bird’s-eye view of Socheong-cho ocean research station and location of the ECO-PAR sensor, and (c) equipped ECO-PAR sensor.

PAR 현장관측은 소청초 종합해양과학기지에 설치된 장비를 활용하였다. 설치 위치는 다른 구조물 및 센서의 영향을 최소화하고 태양광을 최대한 관측할 수 있도록 기지 최상층 남쪽 난간에 위치하였다(Figs. 1b, c). 설치된 장비는WET-Labs© (현 Sea-Bird 사)에서 제작된 ECO-PAR 센서로 1초에 3회씩, 매분 촬영을 수행한다. 2015년부터 설치하여 현재까지 현장관측 PAR 자료를 획득하고 있다. 다만 소청초 종합해양과학기지의 특성상 기지 내 전원 공급에 문제가 발생하거나 통신상의 오류 발생으로 인하여 관측되지 아니한 기간이 발생하였다. 이 연구에서 활용한 자료는 2023년 11월부터 2024년 8월까지 관측된 자료 중 앞서 기술한 문제가 발생하지 않은 날짜의 자료를 선별하였으며, 총 24일의 자료가 선정되었다(Table 1). 해당 날짜들에 획득한 ECO-PAR 관측 자료를 일별 자료로 적분하여 사용하였다.

Table 1 Information for in-situ measurement

In-situ measurement information
Sensor nameECO-PAR (from WET-Labs©)
Sensor typeIrradiance sensor
Temporal resolution3 times per 1 second, every minute (modifiable)
Observation periodsNovember 2023–August 2024
Location of equipmentSocheong-cho Ocean Research Station
Coordinate37° 25′ 23″N
124° 44′ 17″E

2.2. 입력 자료

GOCI-II 일별 PAR 산출물의 생산을 위한 입력자료는GOCI-II top of atmosphere (TOA) radiance 자료 및 태양/센서의 기하각, 대기 정보이다. TOA radiance는 GOCI-II Level 1B (L1B) 영상을 통해 획득할 수 있으며, 태양 및 센서 기하각은 GOCI-II L1B에 포함된 영상 정보를 활용하여 계산하였다. GOCI-II는 250 m의 공간해상도로 오전 8시부터 오후 5시까지 1시간 간격으로 일 10회 촬영된다. 촬영 파장 대역은 총 12개의 밴드를 활용하며 GOCI에 비하여 총 4개의 밴드가 추가되었다. GOCI-II와 GOCI의 차이점을 보다 정량적으로 확인하기 위하여 Table 2를 통해 정리하였다. PAR 계산에 활용되는 가시광 영역 파장 대역은 GOCI-II는 GOCI에 비하여 510, 620 nm 파장의 2개의 밴드가 추가되었다.

Table 2 Characteristics of GOCI and GOCI-II data

GOCIGOCI-II
Band no.Band center (nm)Band no.Band center (nm)
Spectral bands14121380
24432412
34903443
45554490
56605510
66806555
77457620
88658660
9680
10709
11745
12865
Temporal resolution8 times during a day (1 hour period, 00–07 UTC)10 times during a day (1 hour period, 23–08 UTC)
Spatial resolution500 m250 m
Coverage2,500 × 2,500 km (16 slots)2,500 × 2,500 km (12 slots)
PlatformCOMS (Communication, Ocean and Meteorological)GK-2B (Geostationary Korea Multi- Purpose Satellite, GEO-KOMPSAT)

GOCI-II는 GOCI와 마찬가지로 광학 위성이기 때문에 자체적으로 대기 정보를 획득할 수 있는 밴드가 없다. 따라서 대기 정보를 획득하기 위하여 외부 자료인 Modern-Era Retrospective analysis for Research and Applications, Version 2 (MERRA-2) 자료를 사용하였다. MERRA-2는 위성, 모델 등으로부터 산정된 영상자료를 재분석하여, 정확도 및 신뢰도를 높인 자료로 다양한 대기 정보를 전지구 단위로 제공한다(Gelaro et al., 2017). 그 중 오존, 수증기, 해수표면 기압, 에어로졸 등의 정보를 활용하였다. 공간해상도는 0.5° × 0.625°로 GOCI 시리즈에 비하여 낮은 공간해상도를 갖지만 시간해상도는 1시간으로 동일하다. GOCI-II L1B 자료와 공간해상도를 일치시키기 위하여 쌍선형보간을 통해 MERRA-2 자료를 250 m 공간해상도로 변환하였다.

2.3. GOCI-II PAR 알고리즘

GOCI-II PAR 알고리즘은 평형 대기 이론에 입각한 알고리즘으로 기존 연구에서 수행된GOCI PAR 알고리즘과 동일한 구성을 갖고 있다. 최초 Frouin and McPherson (2012)에서 해당 알고리즘이 소개되었으며, Hwang et al. (2022)을 통해 검보정 및 개선이 진행되었다. 기본적으로 해당 알고리즘은 대기를 3개의 표면으로 나뉜 2개의 층으로 구분하며, 최상층 표면인 TOA에 태양광이 진입한 뒤 상층 대기층을 지나 하층 구름층에 입사되어 최종적으로 해수 표면까지 도달하는 과정을 계산하여 해수 표면에서 관측되는 PAR를 계산한다. 상층 대기층에서는 대기 중 포함된 오존과 수증기, 에어로졸 등과 반응하게 되고, 하층 구름층에서는 구름에 의한 반응이 일어나 태양광의 투과도가 달라지게 된다. 이러한 과정을 정리하면 식(1)과 같다.

E=E0cosθsTdTg1−A1−As −11−Sa A−1

식(1)에서E0와 θ는 각각TOA에 도달한 태양의 복사조도(irradiance)와 그 입사각(solar zenith angle)을 의미하며, E는 최종적으로 계산되는 해수 표층에서의 PAR이다. Td와 Tg는 각각 대기확산투과도와 가스흡광투과도이며, 에어로졸과 오존으로부터 계산된다. 또한 Sa는 구면반사도를, A는 대기층과 구름층 사이의 표면에서의 반사도를, As는 해수 표면에서의 반사도를 의미한다. 위 계산 과정에서 PAR 파장 대역 내에서 추가된 2개의 밴드와 관측 시간대의 증가를 반영할 수 있도록 추가된 파장 대역 및 시간대의 대기 정보를 MERRA-2 영상으로부터 추가하였다. 최종적으로 각 시간대별 영상으로부터 시간별 PAR를 계산한 뒤 이를 사다리꼴 적분을 통해 일별 PAR로 계산하였다. 알고리즘을 통해 계산된 일별 PAR 및 시간별 PAR의 단위는 Ein/m2/day로 설정하였다. PAR는 태양광의 입력량 변수이며, 주로 mol 혹은 μmol 단위를 사용하지만, 1 Einstein이 광자 1몰의 에너지와 동일하기 때문에 이 연구에서는 Einstein 단위를 사용하였다.

3. 연구결과

Go to

3.1. GOCI-II 일별 PAR 계산

GOCI-II PAR 자료의 확인을 위하여 시간별 PAR와 일별 PAR 영상을 제작하였다. 먼저 시간별 PAR의 일변화 영상을 통해 시간의 흐름에 따라 PAR 값이 급격하게 변함을 확인할 수 있었다(Fig. 2). 4월 27일의 경우, 하루 동안 최대 200 Ein/m2/day 이상의 시간별 PAR 값을 나타내었으며, 가장 높은 값을 나타낸 시간은 UTC 03시, 한국 시간 오후 12시였다. 시간별 PAR 값의 분포는 위도 및 경도에 따라 다르게 분포하며, UTC 03시를 기준으로 동해 연안이 황해에 비하여 오전 시간에는 빠르게 증가하고, 오후 시간에는 빠르게 감소하는 경향을 보였다. 해당 날짜에는 0에 가까운 값을 보이는 두터운 구름이 남쪽에 위치하였고, 황해 중부 일대에 주변 픽셀에 비하여 약 40% 가까이 낮은 값을 나타내는 중규모의 구름 층이 분포하였는데, 시간별 PAR 영상의 변화를 통해 구름이 동쪽에서 서쪽으로 이동하는 모습을 확인할 수 있었다.

Fig. 2. Diurnal variation of GOCI-II instantaneous PAR data at slot 7 on April 27, 2024.

일별 PAR 영상을 통해 시간별 PAR 변화가 반영된 PAR 분포를 확인할 수 있었다 (Fig. 3). 2024년 4월 27일의 일별 PAR 값은 GOCI-II 7번 슬롯 내에서 최대 60 Ein/m2/day의 값을 보였으며, 황해 중부 해역의 얇은 구름 이동 경로를 따라 45–50 Ein/m2/day의 PAR 값이 나타났다. 또한 제주 남해안 먼바다의 두터운 구름층들이UTC 03시 이전, 오전 시간에는 위도 33도 부근까지 영향을 미쳤으나, UTC 03시부터 그 영향이 감소하여 맑은 하늘을 보였는데 그로 인하여 PAR 값이 0에 가까운 값이 아닌 20–30 Ein/m2/day 사이의 값을 보였다. 구름 심부에 해당하는 위도 32도 남쪽에서 최소값인 21 Ein/m2/day의 값을 보인다. 해당 날짜에 가장 높은 값을 보인 부분은 황해 남부에서 동중국해로 이어지는 제주도 서부 해역이었다. 일별 PAR 값 산정에서 가장 큰 불확도를 제공하는 요인은 구름과 에어로졸이다(Frouin et al., 2018).

Fig. 3. Daily PAR distribution at slot 7 on April 27, 2024.

그 중 에어로졸의 영향을 확인하기 위하여 국가기상위성센터에서 제공되는 GK-2A Advanced Meteorological Imager (AMI) 에어로졸 광학 두께 영상을 확인하였으며, 해당 날짜의GOCI-II 7번 슬롯 내의 구름을 제외한 영역에서 모두 550 nm 파장대역의 에어로졸 광학 두께가 0.4 미만의 맑은 대기 상태를 보였다. 따라서 해당 날짜의 일별 PAR 값의 분포는 순수하게 태양천정각과 구름의 분포에 의하여 주도되었으며, 그로 인해 하루동안 구름의 영향을 받지 않은 황해 남부에서 동중국해로 이어지는 제주도 서부 해역에서 가장 높은 일별 PAR 값을 보였다.

3.2. GOCI-II 일별 PAR 자료와 현장관측 자료 비교

GOCI-II 일별 PAR의 검증을 위하여 소청초 종합해양과학기지에서 획득한 현장관측 자료 중 22일 간의 자료를 선정하여 비교하였다(Fig. 4). 비교 결과는 현장관측 자료를 참값으로, GOCI-II 자료를 예 측값으로 하여 평균제곱근오차(root-mean-square error, RMSE), 평균 편향 오차(mean bias error, MBE), 결정계수(determination coefficient, R2)를 활용하여 평가하였다. 두 자료 간의 RMSE와 MBE는 각각 11.10%와 5.80%로 현장관측 일별 PAR에 비하여 GOCI-II 일별 PAR가 과소추정되는 경향을 나타내었고, 그래프에서도 모든 점이 일대 일 대응선(점선) 하부에 위치함을 확인하였다. 다만 R2 값은 0.98로 두 자료 간에 높은 선형 상관관계가 있음을 나타냈다. 비록 점의 개수가 22개로 통계적인 분석을 하기에 부족하지만, 점의 분포가 한 구간에 치우치지 않고 0–60 Ein/m2/day 사이의 범위에 고루 분포하여 유의미한 비교 검증 결과로 판단된다.

Fig. 4. Validation of GOCI-II daily PAR with in-situ measurement daily PAR.

3.3. GOCI와 GOCI 일별 PAR 자료의 비교

GOCI-II는 GOCI의 후속 센서로 관측 지속성을 위하여 동시에 관측된 기간이 존재한다. 따라서 이 기간에 획득된 자료를 활용하여 GOCI-II 일별 PAR 자료의 신뢰도 및 자료 지속성 확보를 위하여 GOCI 일별 PAR 자료와의 비교를 수행하였다. GOCI의 경우 선행 연구들을 통해 그 정확도 및 신뢰도가 이미 확보되었으므로GOCI daily PAR 자료를 reference로 활용하였다. 두 센서 모두에서 동일한 촬영조건을 적용하기 위해 먼저 2021년 3월 10, 11, 14일의 날짜를 선택하여 비교연구를 수행하였다(Fig. 5). 해당 기간 GOCI-II의 경우 센서유지보수로 인하여 7번 슬롯에서 촬영되지 않은 영상이 존재하여 이를 피하기 위하여 동해 남부와 일본 규슈 일대 해역이 포함된 4번 슬롯을 활용하였다. GOCI 일별 PAR 자료는Hwang et al. (2022)에서 개발된 GOCI 일별 PAR 알고리즘을 사용하였다. Fig. 5(a–c)에서 확인할 수 있듯이 GOCI 영상 전체 영역에서는 두터운 구름의 영향으로 일별 PAR 값이 0에 가까운 분포를 보이는 지역이 있지만 4번 슬롯 해역의 경우 두터운 구름의 영향은 없는 것으로 보인다. 다만 Fig. 5(d–f)를 통해 중규모의 구름 유동이 발생하여 일부 낮은 일별 PAR 값의 분포가 나타난다. GOCI-II 4번 슬롯 내에서 일별 PAR 값은 3월 11일부터 14일까지 일반적으로 10–50 Ein/m2/day의 분포를 보이지만 연안의 구름이 밀집한 지역에서 10 Ein/m2/day 미만의 분포를 보이기도 한다(Fig. 5f).

Fig. 5. Comparison of daily PAR between GOCI and GOCI-II (March 10, 11, and 14, 2021). From (a) to (c) were generated from GOCI, and from (d) to (f) were generated from GOCI-II.

두 센서 간의 비교를 위하여 각 영상으로부터 픽셀 값의 분포 히스토그램(histogram)을 추출하여 날짜별로 영상 대 영상 비교를 수행하였다(Fig. 6). GOCI와 GOCI-II 모두 3일 동안 전체 값의 분포는 0–45 Ein/m2/day 사이에 위치하였다. 두 센서는 히스토그램을 기준으로 극값의 분포에서 차이를 보이며, GOCI-II 일별 PAR의 극값이 GOCI 일별 PAR에 비해 약 5 Ein/m2/day 낮은 경향을 보였다(Figs. 6a, b). 그 밖에도 두 자료 간의 분포값 히스토그램에서 경사도, 최빈값이 나타나는 지점 등에서 차이를 보였으나 전체적으로 높은 유사도를 보였다.

Fig. 6. Histogram comparison between GOCI and GOCI-II daily PAR images during three days. (a) Captured from 10 March 2021, (b) captured from 11 March 2021, and (c) captured from 14 March 2021. Blue dotted lines were from GOCI daily PAR images and red solid lines were from GOCI-II daily PAR images.

히스토그램에서 정량적으로 확인할 수 없는 차이를 살펴보기 위하여 영상 간의 비교를 실시하였다. GOCI-II 4번 슬롯 내에서 무작위로 3개의 사각형 영역을 설정하여 해당 영역 내에서 GOCI와 GOCIII 일별 PAR 값을 픽셀 대 픽셀로 비교하였다(Fig. 7d). 가장 구름의 영향을 많이 받은 C 영역의 날짜별 밀도 산점도 그래프를 대표적으로 본 결과, GOCI-II 일별 PAR가 GOCI 일별 PAR에 비해 과소추정되는 경향을 나타냄을 확인하였다(Figs. 7a, b, c).

Fig. 7. Comparison between GOCI and GOCI-II daily PAR at the region C. (a) Density plot between GOCI and GOCI-II PAR from 10 March 2021, (b) density plot from 11 March 2021, and (c) density plot from 14 March 2021.

각 영역에서의 두 센서간 차이를 확인하기 위하여 평균값(mean), 표준편차(standard deviation), RMSE, MBE를 계산하여 비교하였다(Table 3). 영역별로 보면 C 영역에서 GOCI와 GOCI-II 일별 PAR 간의 차이가 모든 날짜에서 가장 크게 나타났으며, RMSE 기준 최대 6.24%의 차이를 보였다. A와 B 영역에서는 모든 날짜에 평균값의 차이가 1 Ein/m2/day 미만을 나타내며, RMSE 또한 3월 10일의 5%가 가 장 큰 오차임을 고려하면GOCI와GOCI-II 간의 실제 편차는 크지 않을 것으로 판단된다. 다만 3월 10일 B 영역의 경우, 11일과 14일보다 많은 구름층이 존재함을 알 수 있는데 이렇게 구름이 있는 경우 5.01%의 상대적으로 높은 오차를 보였다(Fig. 5d).

Table 3 Statistics from the comparison between GOCI and GOCI-II daily PAR at three regions: A, B, and C

DateRegionSensorMean valuesStandard deviationsRMSE (rRMSE)MBE (rMBE)
10 Mar 2021AGOCI-II40.040.230.240.00
GOCI40.270.26(0.61%)(0.00%)
BGOCI-II39.892.532.000.00
GOCI39.942.60(5.01%)(0.00%)
CGOCI-II34.771.662.170.00
GOCI36.051.56(6.24%)(0.00%)
11 Mar 2021AGOCI-II38.170.710.630.00
GOCI38.680.85(1.64%)(0.00%)
BGOCI-II41.711.311.280.00
GOCI42.251.31(3.08%)(0.00%)
CGOCI-II32.821.921.740.00
GOCI33.922.04(5.31%)(0.00%)
14 Mar 2021AGOCI-II33.282.380.500.00
GOCI33.762.28(1.51%)(0.00%)
BGOCI-II41.741.330.900.00
GOCI41.731.27(2.15%)(0.00%)
CGOCI-II32.592.081.610.00
GOCI33.441.97(4.94%)(0.00%)

4. 토의 및 결론

Go to

GOCI-II 일별 PAR 자료의 검증이 현장관측 자료를 활용하여 수행되었으나 현장관측 자료의 수가 22개로 모든 기상 및 해양 조건에 대한 결과를 대변한다고 보기엔 어렵다. 다만 현장관측 값의 분포가 낮은 값에서 높은 값까지 균질하게 분포하고, GOCI와 GOCI-II 일별 PAR 자료가 높은 상관관계를 나타내고 있으므로 GOCI-II 일별 PAR 자료의 신뢰도는 확보되었다고 할 수 있다.

GOCI 일별 PAR에 대하여 연구한 Hwang et al. (2022)에서는 2015년부터 2016년의 약 2년의 기간동안 데이터를 축적하여 GOCI 일별 PAR의 검보정 활동을 수행하였으며, 그로 인해 이 연구에서 제시한 GOCI-II 일별 PAR 보다 높은 정확도를 나타내었다. GOCI-II는 2020년 10월부터 영상을 배포하여 운용되고 있지만, 알고리즘 및 배포 자료의 검보정 및 안정화를 필요로 하고 있다(Lee et al., 2021). 따라서 GOCI-II 운영 기간 동안 추가적으로 획득한 현장관측 자료를 파악하고 이를 활용한 GOCI-II PAR 알고리즘의 검보정 활동을 통해 산출물의 정확도를 높일 수 있을 것으로 기대된다.

GOCI 및 GOCI-II에서 활용된 PAR 알고리즘은 본질적으로 입력 자료의 복사보정 편향에 영향을 받을 수 있으며, 특히 맑은 대기 영역보다 구름과 같이 광학적으로 밝은 관측 대상에서 그 편향이 크게 나타날 수 있다. 현재 PAR 알고리즘의 입력자료로 사용된 GOCI-II 영상 자료에는 이러한 복사보정 편향을 보정하는 대리교정 상수가 적 용되지 않아 구름 지역에서 PAR 산출물에 편향이 발생한다. 실제 GOCI-II 자료처리 시스템의 대기보정 알고리즘에 적용된 412–680 nm 대리교정 상수는 0.941에서 0.985 사이 값을 가지며 이는 GOCIII가 해당 파장대에서 TOA radiance를 약 1.5–6.9% 과대 추정하고 있음을 의미한다(Ahn et al., 2021). 이로 인해 발생한 구름 및 대기 반사도의 과대추정은 대기 투과도의 과소추정으로 이어지며 이로 인하여 PAR의 과소추정을 발생시킨다. GOCI의 해당 파장 대역 대리교정 상수 범위 또한 0.962에서 1.005 범위 값을 가지며 이는 GOCI-II보다는 적은 범위이지만 여전히 영향을 받을 수 있음을 의미한다(Ahn et al., 2015). 따라서 후속 연구에서는 센서 노후화에 따른 감도 저하를 고려한 대리교정 상수를 적용하여 복사보정 편향을 보정할 계획이며, 이를 통해 GOCI-II PAR 알고리즘의 신뢰도를 높이는 중요한 단계가 될 것이다.

GOCI와 GOCI-II PAR 알고리즘에서 일별 PAR의 계산은 시간별 PAR를 계산한 후 적분하는 방식으로 이루어 진다. 따라서 일별 PAR가 아닌 시간별 PAR 단계에서 알고리즘의 검보정을 수행한다면 보다 정확한 일별 PAR를 산정할 수 있을 것으로 판단된다. 시간별 PAR 자료의 경우 GOCI 및 GOCI-II 영상과 연계하여 일차생산량 계산에 입력 자료로 활용되어 그 정확도 및 활용도를 높일 수 있다(Wu et al., 2022). GOCI-II는 GOCI에 비하여 오전 8시와 오후 5시경에 두 번의 촬영이 추가되어 해양환경의 변화를 보다 세분화하여 연구할 수 있다. 따라서 지속적인 연구를 통해 GOCI-II 시간별 PAR 자료의 정확도가 확보된다면 이러한 시간별 일차생산 및 해양환경 변화의 단기변화 연구에 도움이 될 수 있을 것으로 사료된다.

이 연구에서는 GOCI-II PAR 알고리즘을 개발하고 GOCI-II 일별 PAR를 계산하여 현장관측 자료와의 비교를 수행하였다. GOCI-II PAR 알고리즘을 통해 계산된 2024년 4월 27일의 시간별PAR 영상을 통해 한국 시간 기준 오전 8시부터 오후 5시까지의 구름 등의 일변화를 감지하여 일별 PAR 영상을 성공적으로 계산해내었다. 4월 27일의 일별 PAR는 최대 60 Ein/m2/day의 분포를 보이며, 구름의 유동이 있던 제주 남부 먼바다 일대 및 동중국해 지역에서 20~30 Ein/m2/day 안팎의 분포를 보였다. GOCI-II와 현장관측 일별 PAR의 비교 결과, 현장관측 자료에 비해 과소추정하는 경향을 보였으며, 11.10%의 RMSE와 9.89%의MBE를 나타내었다. R2는 0.98로GOCI-II 일별 PAR 자료가 현장관측 자료와 높은 상관관계가 있음을 나타내었다.

GOCI-II 일별 PAR와 기존에 연구된 GOCI 일별 PAR 자료와의 비교를 통해 두 센서 간의 높은 유사성을 확인하였으며, 다만 구름이 있는 지역에서 두 자료 간의 편차가 증가하는 경향을 보여 이 부분에 대한 추가적인 연구를 수행할 예정이다. GOCI-II 일별 PAR 연구를 통 해 GOCI로부터 지속된 한반도 주변 해역에 대한 해양환경 모니터링 및 연구활동을 계승하고, 나아가 장기 관측 자료를 바탕으로 한 변화 대응 연구에 도움을 줄 수 있을 것으로 기대된다. 또한 PAR 산출물을 GOCI-II에서 공식 산출물로 제공하여 GOCI 및 GOCI-II의 활용성을 높이고, 국내외 사용자들에게 홍보하는 기회가 되고자 한다. 또한 GOCI-II PAR 산출물은 적조 예측, 해양 생태계 모델링, 어업 자원 관리 등 다양한 분야에 활용되어 관련 연구 및 정책 결정에 기여할 수 있을 것으로 기대된다. 추후 연구에서는 GOCI-II 관측 기간 동안에 수행한 현장관측 자료를 추가하여 GOCI-II PAR 알고리즘의 검보정을 수행하여 정확도를 높일 수 있도록 할 예정이다.

사사

Go to

이 논문은 해양수산과학기술진흥원의 지원을 받아 수행된 천리안 2B호 산출물 정확도 향상 연구(RS-2022-KS221660) 과제와 한국연구재단의 지원을 받아 수행된 해색위성 기반의 광합성유효복사량 추정 및 활용연구(RS-2021-NR058578) 과제의 지원을 받아 수행된 연구임.

Conflict of Interest

Go to

No potential conflict of interest relevant to this article was reported.

REFERENCES

Go to
  1. Ahn, J. H., Kim, K. S., Lee, E. K., Bae, S. J., Lee, K. S., and Moon, J. E., et al, 2021. Introduction of GOCI-II atmospheric correction algorithm and its initial validations. Korean Journal of Remote Sensing, 37(5-2), 1259-1268. https://doi.org/10.7780/kjrs.2021.37.5.2.4
  2. Ahn, J. H., Park, Y. J., Kim, W., Lee, B., and Oh, I. S., 2015. Vicarious calibration of the geostationary ocean color imager. Optics Express, 23(18), 23236-23258. https://doi.org/10.1364/OE.23.023236
    Pubmed Crossref
  3. Behrenfeld, M. J., and Falkowski, P. G., 1997. Photosynthetic rates derived from satellite-based chlorophyll concentration. Limnology and Oceanography, 42(1), 1-20. https://doi.org/10.4319/lo.1997.42.1.0001
    Crossref
  4. Carder, K. L., Chen, R. F., and Hawes, S. K., 2003. MODIS ocean science team algorithm theoretical basis document - Instataneous photosynthetically available radiation and absorbed radiation by phytoplankton, College of Marine Science University of South Florida. https://modis.gsfc.nasa.gov/data/atbd/atbd_mod20.pdf
  5. Carr, M. E., Friedrichs, M. A. M., Schmeltz, M., Noguchi Aita, M., Antoine, D., and Arrigo, K. R., et al, 2006. A comparison of global estimates of marine primary production from ocean color. Deep Sea Research Part II: Topical Studies in Oceanography, 53(5-7), 741-770. https://doi.org/10.1016/j.dsr2.2006.01.028
    Crossref
  6. Choi, J. K., Park, M. S., Han, K. S., Kim, H. C., and Im, J., 2021. One year of GOCI-II launch present and future. Korean Journal of Remote Sensing, 37(5-2), 1229-1234. https://doi.org/10.7780/kjrs.2021.37.5.2.1
  7. Eom, J., Choi, J.-K., Won, J.-S., Ryu, J.-H., Doxaran, D., Ruddick, K., and Lee, S., 2017. Spatiotemporal variation in suspended sediment concentrations and related factors of coastal waters based on multispatial satellite data in Gyeonggi Bay, Korea. Journal of Coastal Research, 333, 653-667. https://doi.org/10.2112/jcoastresd-16-00012.1
    Crossref
  8. Frouin, R., and McPherson, J., 2012. Estimating photosynthetically available radiation at the ocean surface from GOCI data. Ocean Science Journal, 47(3), 313-321. https://doi.org/10.1007/s12601-012-0030-6
    Crossref
  9. Frouin, R., McPherson, J., Ueyoshi, K., and Franz, B. A., 2012. A time series of photosynthetically available radiation at the ocean surface from SeaWiFS and MODIS data. In Proceedings of SPIE Asia-Pacific Remote Sensing, Kyoto, Japan, Oct. 29-Nov. 1, pp. 234-245. https://doi.org/10.1117/12.981264
    Crossref
  10. Frouin, R., and Murakami, H., 2007. Estimating photosynthetically available radiation at the ocean surface from ADEOS-II global imager data. Journal of Oceanography, 63(3), 493-503. https://doi.org/10.1007/s10872-007-0044-3
    Crossref
  11. Frouin, R. J., Ramon, D., Jolivet, D., and Compiègne, M., 2018. Specifying algorithm uncertainties in satellite-derived PAR products. In Proceedings of the SPIE Asia-Pacific Remote Sensing, Honolulu, HI, USA, Sept. 24-26, pp. 146-154. https://doi.org/10.1117/12.2501681
    Crossref
  12. Gelaro, R., McCarty, W., Suárez, M. J., Todling, R., Molod, A., and Takacs, L., et al, 2017. The modern-era retrospective analysis for research and applications, version 2 (MERRA-2). Journal of Climate, 30(14), 5419-5454. https://doi.org/10.1175/JCLI-D-16-0758.1
    Pubmed PMC Crossref
  13. Hwang, D. J., Frouin, R., Tan, J., Ahn, J. H., Choi, J. K., Moon, J. E., and Ryu, J. H., 2022. Algorithm to estimate daily PAR at the ocean surface from GOCI data: Description and evaluation. Frontiers in Marine Science, 9, 924967. https://doi.org/10.3389/fmars.2022.924967
    Crossref
  14. Joo, H., Son, S., Park, J.-W., Kang, J., Jeong, J.-Y., Lee, C., Kang, C.-K., and Lee, S., 2015. Long-term pattern of primary productivity in the East/Japan Sea based on ocean color data derived from MODIS-Aqua. Remote Sensing, 8(1), 25. https://doi.org/10.3390/rs8010025
    Crossref
  15. Kim, D. W., Jo, Y. H., Choi, J. K., Choi, J. G., and Bi, H., 2016a. Physical processes leading to the development of an anomalously large Cochlodinium polykrikoides bloom in the East Sea/Japan Sea. Harmful Algae, 55, 250-258. https://doi.org/10.1016/j.hal.2016.03.019
    Pubmed Crossref
  16. Kim, J., Yang, H., Choi, J.-K., Moon, J.-E., and Frouin, R., 2016b. Estimating photosynthetically available radiation from Geostationary Ocean Color Imager (GOCI) data. Korean Journal of Remote Sensing, 32(3), 253-262. https://doi.org/10.7780/kjrs.2016.32.3.5
    Crossref
  17. Kirk, J. T. O., 1994. Light and photosynthesis in aquatic ecosystems, Cambridge University Press.
    Crossref
  18. Laliberté, J., Bélanger, S., and Frouin, R., 2016. Evaluation of satellite-based algorithms to estimate photosynthetically available radiation (PAR) reaching the ocean surface at high northern latitudes. Remote Sensing of Environment, 184, 199-211. https://doi.org/10.1016/j.rse.2016.06.014
    Crossref
  19. Lee, S. J., Lee, K. S., Han, T. H., Moon, J. E., Bae, S., and Choi, J. K., 2021. Introduction on the products and the quality management plans for GOCI-II. Korean Journal of Remote Sensing, 37(5-2), 1245-1257. https://doi.org/10.7780/kjrs.2021.37.5.2.3
  20. Mass, T., Einbinder, S., Brokovich, E., Shashar, N., Vago, R., Erez, J., and Dubinsky, Z., 2007. Photoacclimation of Stylophora pistillata to light extremes: Metabolism and calcification. Marine Ecology Progress Series, 334, 93-102. https://doi.org/10.3354/meps334093
    Crossref
  21. Patt, F. S., Barnes, R. A., Eplee, R. E., Jr., Franz, B. A., Robinson, W. D., and Feldman, G. C., et al, 2003. Algorithm updates for the fourth SeaWiFS data reprocessing (Report No. NASAD'M-2003-206892). Goddard Space Flight Center, Nationat Aeronautics and Space Administration. https://ntrs.nasa.gov/citations/20030102166
  22. Ruddick, K., Neukermans, G., Vanhellemont, Q., and Jolivet, D., 2014. Challenges and opportunities for geostationary ocean colour remote sensing of regional seas: A review of recent results. Remote Sensing of Environment, 146, 63-76. https://doi.org/10.1016/j.rse.2013.07.039
    Crossref
  23. Ryu, J. H., Han, H. J., Cho, S., Park, Y. J., and Ahn, Y. H., 2012. Overview of geostationary ocean color imager (GOCI) and GOCI data processing system (GDPS). Ocean Science Journal, 47(3), 223-233. https://doi.org/10.1007/s12601-012-0024-4
    Crossref
  24. Siswanto, E., Ishizaka, J., and Yokouchi, K., 2006. Optimal primary production model and parameterization in the eastern East China Sea. Journal of Oceanography, 62(3), 361-372. https://doi.org/10.1007/s10872-006-0061-7
    Crossref
  25. Siswanto, E., Ishizaka, J., Yokouchi, K., Tanaka, K., and Tan, C. K., 2007. Estimation of interannual and interdecadal variations of typhooninduced primary production: A case study for the outer shelf of the East China Sea. Geophysical Research Letters, 34(3), L03604. https://doi.org/10.1029/2006GL028368
    Crossref
  26. Somayajula, S. A., Devred, E., Bélanger, S., Antoine, D., Vellucci, V., and Babin, M., 2018. Evaluation of sea-surface photosynthetically available radiation algorithms under various sky conditions and solar elevations. Applied Optics, 57(12), 3088. https://doi.org/10.1364/ao.57.003088
    Pubmed Crossref
  27. Titlyanov, E. A., Titlyanova, T. V., Yamazato, K., and Van Woesik, R., 2001. Photo-acclimation dynamics of the coral Stylophora pistillata to low and extremely low light. Journal of Experimental Marine Biology and Ecology, 263(2), 211-225. https://doi.org/10.1016/S0022-0981(01)00309-4
    Crossref
  28. Wu, J., Goes, J. I., do Rosario Gomes, H., Lee, Z., Noh, J. H., and Wei, J., et al, 2022. Estimates of diurnal and daily net primary productivity using the Geostationary Ocean Color Imager (GOCI) data. Remote Sensing of Environment, 280, 113183. https://doi.org/10.1016/j.rse.2022.113183
    Crossref
  29. Xiao, J., Zhang, X., Gao, C., Jiang, M., Li, R., Wang, Z., Li, Y., Fan, S., and Zhang, X., 2016. Effect of temperature, salinity and irradiance on growth and photosynthesis of Ulva prolifera. Acta Oceanologica Sinica, 35(10), 114-121. https://doi.org/10.1007/s13131-016-0891-0
    Crossref

Research Article

Korean J. Remote Sens. 2025; 41(1): 101-110

Published online February 28, 2025 https://doi.org/10.7780/kjrs.2025.41.1.9

Copyright © Korean Society of Remote Sensing.

GOCI-II 자료를 활용한 해수 표층 광합성 유효광량 산정 및 검증 연구

Deuk Jae Hwang*

한국해양과학기술원 해양위성센터 박사후연구원

Received: February 9, 2025; Revised: February 12, 2025; Accepted: February 12, 2025

Estimation and Validation of Photosynthetically Available Radiation at the Sea Surface Using GOCI-II Data

Deuk Jae Hwang*

Postdoctoral Researcher, Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology, Busan, Republic of Korea

Correspondence to:Deuk Jae Hwang
E-mail: ghkdemrwo@kiost.ac.kr

Received: February 9, 2025; Revised: February 12, 2025; Accepted: February 12, 2025

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (https://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

Photosynthetically available radiation (PAR), used in primary productivity research, is calculated from the amount of solar radiation reaching the sea surface in the 400-700 nm wavelength band. This study developed and validated a Geostationary Ocean Color Imager II (GOCI-II)-based PAR algorithm to increase the utilization of GOCI-II and contribute to the production of accurate input data for primary productivity research in the waters around the Korean Peninsula. The algorithms used in MODIS and GOCI PAR studies were improved to suit the spatiotemporal and spectral resolution of GOCI-II, and daily PAR was calculated from GOCI-II hourly PAR. As a result of examining the hourly and daily PAR images on April 27, 2024, it was found that the daily PAR distribution in areas heavily affected by clouds was about 30% lower than in clear atmosphere areas. As a result of validation using ECO-PAR sensor field observation data installed at the Socheong-cho Ocean Research Station, GOCI-II daily PAR showed an underestimation tendency with 11.10% root-mean-square error (RMSE) and 9.89% mean bias error (MBE) compared to field observation data, but the determination coefficient (R2) value showed a high linear correlation of 0.98. As a result of comparing GOCI and GOCI-II daily PAR between sensors in the GOCI-II slot 4 areas on March 10, 11, and 14, 2021, after randomly selecting areas A, B, and C, high consistency was shown in areas A and B with little cloud cover, but a maximum RMSE of 6.24% was shown in area C, which was heavily affected by clouds. In the future, we plan to research to improve the accuracy of GOCI-II PAR through algorithm verification and correction by adding field observation data. The development and verification of the GOCI-II PAR algorithm are expected to help monitor the marine environment and research activities in the waters around the Korean Peninsula, which have been continued from GOCI and contribute to research on responding to changes through long-term observation data.

Keywords: GOCI-II, GOCI, Photosynthesis available radiation, In-situ measurements

요약

광합성 유효광량(photosynthesis available radiation, PAR)은 해양에서는 400에서 700 nm 파장 대역의 해수 표층에 도달하는 태양의 광량을 통해 계산되며 주로 일차생산량 연구에 활용된다. 이 연구에서는 Geostationary Ocean Color Imager II (GOCI-II)의 활용도를 높이고, 한반도 주변 해역의 일차생산량 연구에 대한 정확한 입력자료의 생산에 기여하고자 GOCI-II 기반 PAR 알고리즘을 개발하고 검증하였다. MODIS, GOCI PAR 연구에 활용되었던 알고리즘을 GOCI-II의 시공간 및 분광해상도에 알맞게 개선하고, GOCI-II 시간별 PAR로부터 일별 PAR를 계산하였다. 2024년 4월 27일의 시간별, 일별 PAR 영상을 확인한 결과, 구름의 영향을 많이 받은 해역에서는 맑은 대기 해역에 비하여 약 30% 낮은 값의 일별 PAR 분포를 보였다. 소청초 종합해양과학기지에 설치된 ECO-PAR 센서 현장관측 자료를 활용한 검증 결과, GOCI-II 일별 PAR는 현장관측 자료 대비 11.10%의 평균제곱근오차(root-mean-square error, RMSE)와 9.89%의 평균 편향 오차 (mean bias error, MBE)로 과소추정 경향을 보였으나, 결정계수(determination coefficient, R2) 값은 0.98로 높은 선형 상관관계를 보였다. 2021년 3월 10, 11, 14일 GOCI-II 4번 슬롯(slot) 영역에서 A, B, C 영역을 임의로 선정하여 GOCI와 GOCI-II 일별 PAR의 센서간 비교 결과, 구름이 적은 A와 B 영역에서는 높은 일치도를 보였지만 구름의 영향을 많이 받은 C 영역에서는 최대 6.24%의 RMSE를 보였다. 향후 현장관측 자료를 추가하여 알고리즘 검보정을 통해 GOCI-II PAR의 정확도 개선 연구를 수행할 예정이다. GOCI-II PAR 알고리즘의 개발 및 검보정은 GOCI로부터 지속된 한반도 주변 해역에 대한 해양환경 모니터링 및 연구활동을 계승하여, 장기 관측 자료를 통한 변화 대응 연구에 도움을 줄 수 있을 것으로 기대된다.

주요어: GOCI-II, GOCI, 광합성유효광량, 현장관측자료

1. 서론

광합성 유효광량(photosynthetically available radiation, PAR)은 엽록소가 광합성에 활용하는 400–700 nm 파장 대역의 태양광 에너지 입력량을 나타내는 지표로, 해양 생태계 연구에 있어 핵심적인 역할을 수행한다(Kirk, 1994). 특히, 해양 생산성을 나타내는 일차 생산량 계산 과정에서 주요 입력 변수로 활용되며, Vertically Generalized ProductionModel (VGPM) 등 다양한 일차 생산량 모델 연구에 활용되어 왔다(Behrenfeld and Falkowski, 1997; Carr et al., 2006). 국내 연구에서도 동중국해와 동해 일대 일차 생산량 변화 연구에 PAR가 주요 입력 인자로 활용된 바 있다(Joo et al., 2015; Siswanto et al., 2006; 2007).

PAR는 일차 생산량 계산 외에도 산호, 적조 등 해양 생물 환경과 직·간접적인 관계를 가진다. 산호는 공생 조류에 도달하는 빛의 강도에 따라 생산성이 크게 변화하며, 이는 산호의 칼슘 고정 활동에 영향을 미친다(Mass et al., 2007; Titlyanov et al., 2001). 또한, 한반도 주변 해역에 큰 영향을 미치는 적조 생물인 Cochlodinium polykrikoides의 일간 수직 이동과 번성 과정에서 PAR가 중요한 역할을 수행함이 밝혀졌다(Kim et al., 2016a). 이 외에도 부유 해조류인 Ulva prolifera의 생장에 있어 PAR는 수온, 염분과 함께 주요 영향 요인으로 작용한다(Xiao et al., 2016).

다양한 분야에서 활용되는 PAR는 최근 인공위성 원격 탐사 기술발달로 넓은 해역에 대한 관측이 가능해짐에 따라 활용성이 더욱 증대되고 있다. Sea-Viewing Wide Field-of-View Sensor (SeaWiFS)는 1997년부터 2010년까지 400–700 nm파장 대역의 6개 밴드를 활용하여 일별 PAR를 계산하고 제공하였으며, Moderate Resolution Imaging Spectroradiometer (MODIS) 또한 Terra 및 Aqua 위성에서 PAR를 공식 산출물로 제공하고 있다(Carder et al., 2003; Patt et al., 2003). 이렇게 계산된 위성 기반 PAR 산출물의 신뢰도는 다양한 지역에서 획득한 현장 관측 자료와의 비교 검증을 통해 확보되고 있다(Frouin et al., 2012; Laliberté et al., 2016; Somayajula et al., 2018). 해색 위성 외에도 Global Imager (GLI)와 같은 지구 관측 위성에서도 PAR 자료를 산출하여 타 위성 기반 PAR 자료와 비교하는 연구가 수행되었다(Frouin and Murakami, 2007).

그러나 전 지구 관측을 목적으로 하는 극궤도 위성의 경우 재방문 주기가 하루 이상으로, 급변하는 해양 환경 변화를 반영하는 데 한계가 존재한다(Ruddick et al., 2014). 반면 정지궤도 위성은 특정 해역을 하루에 여러 차례 관측하여 짧은 시간 동안의 변화를 관측할 수 있다는 장점을 가진다. 일례로 국외위성의 하나인 Himawari 위성은 정지궤도 기상 위성으로, GLI PAR 알고리즘에 기반하여 시간별 및 일별 PAR를 산출물로 제공한다(Frouin and Murakami, 2007). 국내에서는 Geostationary Ocean Color Imager (GOCI)에 이어 GOCI-II 정지궤도 해색 위성을 운용 중이다. GOCI는 1시간 간격으로 하루 8회 관측을 수행하였으며, GOCI-II는 1시간 간격 10회 관측을 통해 해양 환경 변화를 보다 정밀하게 관측할 수 있게 되었다(Choi et al., 2021; Ryu et al., 2012). GOCI PAR 산출물은 기존 연구를 통해 정확도 및 신뢰도가 검증되었으나(Frouin and McPherson, 2012; Hwang et al., 2022; Kim et al., 2016b), GOCI-II는 GOCI에 비해 시·공간 해상도 및 분광

해상도가 향상되었음에도 불구하고 PAR 산출물 개발 및 검증 연구가 미흡한 실정이다.

이 연구에서는 GOCI PAR 알고리즘을 개선하여 GOCI-II에 적용 및 GOCI-II 일별 PAR를 산출하고, 소청초 종합해양과학기지에서 관측된 현장 관측 PAR 자료를 활용하여 정확도를 평가한다. 이를 통해 한반도 주변 해역의 정확한 PAR를 제공함으로써, 일차생산량 연구 등 해양 생태 환경 변화연구를 위한 주요 인자로 활용 가능하도록 하고자 한다.

2. 연구 자료 및 방법

2.1. 연구지역 및 현장관측 자료

GOCI-II는 한반도 주변 해역 및 육상 지역을 총 12개의 슬롯(slot)으로 나누어 촬영을 수행하며, 그 중 황해를 포함하는 7번 슬롯을 대상으로 연구를 수행하였다(Fig. 1a). 현장관측 PAR 자료가 수집되고 있는 소청초 종합해양과학기지는 해당 슬롯에서 북서부에 위치하며, 서해 5도 중 하나인 소청도로부터 남서쪽으로 약 37 km떨어진 동경 124도 44분 17초, 북위 37도 25분 23초의 지점에 위치한다. 해당 지역은 경기만 하구 부유퇴적물 유동의 영향을 받는 끝자락에 위치하며, 때로는 고농도의 부유퇴적물이 유입되지만 대부분 기간동안 낮은 부유퇴적물 농도를 보인다(Eom et al., 2017). 고농도의 부유퇴적물은 PAR 관측 영상에서 얇은 구름처럼 판명될 수 있어(Frouin and McPherson, 2012; Hwang et al., 2022), 현장관측과GOCI-II PAR 자료 간의 비교시, 이 점을 고려하여 비교를 수행하였다.

Figure 1. Study area and in-situ measurement location. (a) GOCI-II RGB true colored image captured from 1 April 2024 UTC 03, (b) bird’s-eye view of Socheong-cho ocean research station and location of the ECO-PAR sensor, and (c) equipped ECO-PAR sensor.

PAR 현장관측은 소청초 종합해양과학기지에 설치된 장비를 활용하였다. 설치 위치는 다른 구조물 및 센서의 영향을 최소화하고 태양광을 최대한 관측할 수 있도록 기지 최상층 남쪽 난간에 위치하였다(Figs. 1b, c). 설치된 장비는WET-Labs© (현 Sea-Bird 사)에서 제작된 ECO-PAR 센서로 1초에 3회씩, 매분 촬영을 수행한다. 2015년부터 설치하여 현재까지 현장관측 PAR 자료를 획득하고 있다. 다만 소청초 종합해양과학기지의 특성상 기지 내 전원 공급에 문제가 발생하거나 통신상의 오류 발생으로 인하여 관측되지 아니한 기간이 발생하였다. 이 연구에서 활용한 자료는 2023년 11월부터 2024년 8월까지 관측된 자료 중 앞서 기술한 문제가 발생하지 않은 날짜의 자료를 선별하였으며, 총 24일의 자료가 선정되었다(Table 1). 해당 날짜들에 획득한 ECO-PAR 관측 자료를 일별 자료로 적분하여 사용하였다.

Table 1 . Information for in-situ measurement.

In-situ measurement information
Sensor nameECO-PAR (from WET-Labs©)
Sensor typeIrradiance sensor
Temporal resolution3 times per 1 second, every minute (modifiable)
Observation periodsNovember 2023–August 2024
Location of equipmentSocheong-cho Ocean Research Station
Coordinate37° 25′ 23″N
124° 44′ 17″E

2.2. 입력 자료

GOCI-II 일별 PAR 산출물의 생산을 위한 입력자료는GOCI-II top of atmosphere (TOA) radiance 자료 및 태양/센서의 기하각, 대기 정보이다. TOA radiance는 GOCI-II Level 1B (L1B) 영상을 통해 획득할 수 있으며, 태양 및 센서 기하각은 GOCI-II L1B에 포함된 영상 정보를 활용하여 계산하였다. GOCI-II는 250 m의 공간해상도로 오전 8시부터 오후 5시까지 1시간 간격으로 일 10회 촬영된다. 촬영 파장 대역은 총 12개의 밴드를 활용하며 GOCI에 비하여 총 4개의 밴드가 추가되었다. GOCI-II와 GOCI의 차이점을 보다 정량적으로 확인하기 위하여 Table 2를 통해 정리하였다. PAR 계산에 활용되는 가시광 영역 파장 대역은 GOCI-II는 GOCI에 비하여 510, 620 nm 파장의 2개의 밴드가 추가되었다.

Table 2 . Characteristics of GOCI and GOCI-II data.

GOCIGOCI-II
Band no.Band center (nm)Band no.Band center (nm)
Spectral bands14121380
24432412
34903443
45554490
56605510
66806555
77457620
88658660
9680
10709
11745
12865
Temporal resolution8 times during a day (1 hour period, 00–07 UTC)10 times during a day (1 hour period, 23–08 UTC)
Spatial resolution500 m250 m
Coverage2,500 × 2,500 km (16 slots)2,500 × 2,500 km (12 slots)
PlatformCOMS (Communication, Ocean and Meteorological)GK-2B (Geostationary Korea Multi- Purpose Satellite, GEO-KOMPSAT)

GOCI-II는 GOCI와 마찬가지로 광학 위성이기 때문에 자체적으로 대기 정보를 획득할 수 있는 밴드가 없다. 따라서 대기 정보를 획득하기 위하여 외부 자료인 Modern-Era Retrospective analysis for Research and Applications, Version 2 (MERRA-2) 자료를 사용하였다. MERRA-2는 위성, 모델 등으로부터 산정된 영상자료를 재분석하여, 정확도 및 신뢰도를 높인 자료로 다양한 대기 정보를 전지구 단위로 제공한다(Gelaro et al., 2017). 그 중 오존, 수증기, 해수표면 기압, 에어로졸 등의 정보를 활용하였다. 공간해상도는 0.5° × 0.625°로 GOCI 시리즈에 비하여 낮은 공간해상도를 갖지만 시간해상도는 1시간으로 동일하다. GOCI-II L1B 자료와 공간해상도를 일치시키기 위하여 쌍선형보간을 통해 MERRA-2 자료를 250 m 공간해상도로 변환하였다.

2.3. GOCI-II PAR 알고리즘

GOCI-II PAR 알고리즘은 평형 대기 이론에 입각한 알고리즘으로 기존 연구에서 수행된GOCI PAR 알고리즘과 동일한 구성을 갖고 있다. 최초 Frouin and McPherson (2012)에서 해당 알고리즘이 소개되었으며, Hwang et al. (2022)을 통해 검보정 및 개선이 진행되었다. 기본적으로 해당 알고리즘은 대기를 3개의 표면으로 나뉜 2개의 층으로 구분하며, 최상층 표면인 TOA에 태양광이 진입한 뒤 상층 대기층을 지나 하층 구름층에 입사되어 최종적으로 해수 표면까지 도달하는 과정을 계산하여 해수 표면에서 관측되는 PAR를 계산한다. 상층 대기층에서는 대기 중 포함된 오존과 수증기, 에어로졸 등과 반응하게 되고, 하층 구름층에서는 구름에 의한 반응이 일어나 태양광의 투과도가 달라지게 된다. 이러한 과정을 정리하면 식(1)과 같다.

E=E0cosθsTdTg1−A1−As −11−Sa A−1

식(1)에서E0와 θ는 각각TOA에 도달한 태양의 복사조도(irradiance)와 그 입사각(solar zenith angle)을 의미하며, E는 최종적으로 계산되는 해수 표층에서의 PAR이다. Td와 Tg는 각각 대기확산투과도와 가스흡광투과도이며, 에어로졸과 오존으로부터 계산된다. 또한 Sa는 구면반사도를, A는 대기층과 구름층 사이의 표면에서의 반사도를, As는 해수 표면에서의 반사도를 의미한다. 위 계산 과정에서 PAR 파장 대역 내에서 추가된 2개의 밴드와 관측 시간대의 증가를 반영할 수 있도록 추가된 파장 대역 및 시간대의 대기 정보를 MERRA-2 영상으로부터 추가하였다. 최종적으로 각 시간대별 영상으로부터 시간별 PAR를 계산한 뒤 이를 사다리꼴 적분을 통해 일별 PAR로 계산하였다. 알고리즘을 통해 계산된 일별 PAR 및 시간별 PAR의 단위는 Ein/m2/day로 설정하였다. PAR는 태양광의 입력량 변수이며, 주로 mol 혹은 μmol 단위를 사용하지만, 1 Einstein이 광자 1몰의 에너지와 동일하기 때문에 이 연구에서는 Einstein 단위를 사용하였다.

3. 연구결과

3.1. GOCI-II 일별 PAR 계산

GOCI-II PAR 자료의 확인을 위하여 시간별 PAR와 일별 PAR 영상을 제작하였다. 먼저 시간별 PAR의 일변화 영상을 통해 시간의 흐름에 따라 PAR 값이 급격하게 변함을 확인할 수 있었다(Fig. 2). 4월 27일의 경우, 하루 동안 최대 200 Ein/m2/day 이상의 시간별 PAR 값을 나타내었으며, 가장 높은 값을 나타낸 시간은 UTC 03시, 한국 시간 오후 12시였다. 시간별 PAR 값의 분포는 위도 및 경도에 따라 다르게 분포하며, UTC 03시를 기준으로 동해 연안이 황해에 비하여 오전 시간에는 빠르게 증가하고, 오후 시간에는 빠르게 감소하는 경향을 보였다. 해당 날짜에는 0에 가까운 값을 보이는 두터운 구름이 남쪽에 위치하였고, 황해 중부 일대에 주변 픽셀에 비하여 약 40% 가까이 낮은 값을 나타내는 중규모의 구름 층이 분포하였는데, 시간별 PAR 영상의 변화를 통해 구름이 동쪽에서 서쪽으로 이동하는 모습을 확인할 수 있었다.

Figure 2. Diurnal variation of GOCI-II instantaneous PAR data at slot 7 on April 27, 2024.

일별 PAR 영상을 통해 시간별 PAR 변화가 반영된 PAR 분포를 확인할 수 있었다 (Fig. 3). 2024년 4월 27일의 일별 PAR 값은 GOCI-II 7번 슬롯 내에서 최대 60 Ein/m2/day의 값을 보였으며, 황해 중부 해역의 얇은 구름 이동 경로를 따라 45–50 Ein/m2/day의 PAR 값이 나타났다. 또한 제주 남해안 먼바다의 두터운 구름층들이UTC 03시 이전, 오전 시간에는 위도 33도 부근까지 영향을 미쳤으나, UTC 03시부터 그 영향이 감소하여 맑은 하늘을 보였는데 그로 인하여 PAR 값이 0에 가까운 값이 아닌 20–30 Ein/m2/day 사이의 값을 보였다. 구름 심부에 해당하는 위도 32도 남쪽에서 최소값인 21 Ein/m2/day의 값을 보인다. 해당 날짜에 가장 높은 값을 보인 부분은 황해 남부에서 동중국해로 이어지는 제주도 서부 해역이었다. 일별 PAR 값 산정에서 가장 큰 불확도를 제공하는 요인은 구름과 에어로졸이다(Frouin et al., 2018).

Figure 3. Daily PAR distribution at slot 7 on April 27, 2024.

그 중 에어로졸의 영향을 확인하기 위하여 국가기상위성센터에서 제공되는 GK-2A Advanced Meteorological Imager (AMI) 에어로졸 광학 두께 영상을 확인하였으며, 해당 날짜의GOCI-II 7번 슬롯 내의 구름을 제외한 영역에서 모두 550 nm 파장대역의 에어로졸 광학 두께가 0.4 미만의 맑은 대기 상태를 보였다. 따라서 해당 날짜의 일별 PAR 값의 분포는 순수하게 태양천정각과 구름의 분포에 의하여 주도되었으며, 그로 인해 하루동안 구름의 영향을 받지 않은 황해 남부에서 동중국해로 이어지는 제주도 서부 해역에서 가장 높은 일별 PAR 값을 보였다.

3.2. GOCI-II 일별 PAR 자료와 현장관측 자료 비교

GOCI-II 일별 PAR의 검증을 위하여 소청초 종합해양과학기지에서 획득한 현장관측 자료 중 22일 간의 자료를 선정하여 비교하였다(Fig. 4). 비교 결과는 현장관측 자료를 참값으로, GOCI-II 자료를 예 측값으로 하여 평균제곱근오차(root-mean-square error, RMSE), 평균 편향 오차(mean bias error, MBE), 결정계수(determination coefficient, R2)를 활용하여 평가하였다. 두 자료 간의 RMSE와 MBE는 각각 11.10%와 5.80%로 현장관측 일별 PAR에 비하여 GOCI-II 일별 PAR가 과소추정되는 경향을 나타내었고, 그래프에서도 모든 점이 일대 일 대응선(점선) 하부에 위치함을 확인하였다. 다만 R2 값은 0.98로 두 자료 간에 높은 선형 상관관계가 있음을 나타냈다. 비록 점의 개수가 22개로 통계적인 분석을 하기에 부족하지만, 점의 분포가 한 구간에 치우치지 않고 0–60 Ein/m2/day 사이의 범위에 고루 분포하여 유의미한 비교 검증 결과로 판단된다.

Figure 4. Validation of GOCI-II daily PAR with in-situ measurement daily PAR.

3.3. GOCI와 GOCI 일별 PAR 자료의 비교

GOCI-II는 GOCI의 후속 센서로 관측 지속성을 위하여 동시에 관측된 기간이 존재한다. 따라서 이 기간에 획득된 자료를 활용하여 GOCI-II 일별 PAR 자료의 신뢰도 및 자료 지속성 확보를 위하여 GOCI 일별 PAR 자료와의 비교를 수행하였다. GOCI의 경우 선행 연구들을 통해 그 정확도 및 신뢰도가 이미 확보되었으므로GOCI daily PAR 자료를 reference로 활용하였다. 두 센서 모두에서 동일한 촬영조건을 적용하기 위해 먼저 2021년 3월 10, 11, 14일의 날짜를 선택하여 비교연구를 수행하였다(Fig. 5). 해당 기간 GOCI-II의 경우 센서유지보수로 인하여 7번 슬롯에서 촬영되지 않은 영상이 존재하여 이를 피하기 위하여 동해 남부와 일본 규슈 일대 해역이 포함된 4번 슬롯을 활용하였다. GOCI 일별 PAR 자료는Hwang et al. (2022)에서 개발된 GOCI 일별 PAR 알고리즘을 사용하였다. Fig. 5(a–c)에서 확인할 수 있듯이 GOCI 영상 전체 영역에서는 두터운 구름의 영향으로 일별 PAR 값이 0에 가까운 분포를 보이는 지역이 있지만 4번 슬롯 해역의 경우 두터운 구름의 영향은 없는 것으로 보인다. 다만 Fig. 5(d–f)를 통해 중규모의 구름 유동이 발생하여 일부 낮은 일별 PAR 값의 분포가 나타난다. GOCI-II 4번 슬롯 내에서 일별 PAR 값은 3월 11일부터 14일까지 일반적으로 10–50 Ein/m2/day의 분포를 보이지만 연안의 구름이 밀집한 지역에서 10 Ein/m2/day 미만의 분포를 보이기도 한다(Fig. 5f).

Figure 5. Comparison of daily PAR between GOCI and GOCI-II (March 10, 11, and 14, 2021). From (a) to (c) were generated from GOCI, and from (d) to (f) were generated from GOCI-II.

두 센서 간의 비교를 위하여 각 영상으로부터 픽셀 값의 분포 히스토그램(histogram)을 추출하여 날짜별로 영상 대 영상 비교를 수행하였다(Fig. 6). GOCI와 GOCI-II 모두 3일 동안 전체 값의 분포는 0–45 Ein/m2/day 사이에 위치하였다. 두 센서는 히스토그램을 기준으로 극값의 분포에서 차이를 보이며, GOCI-II 일별 PAR의 극값이 GOCI 일별 PAR에 비해 약 5 Ein/m2/day 낮은 경향을 보였다(Figs. 6a, b). 그 밖에도 두 자료 간의 분포값 히스토그램에서 경사도, 최빈값이 나타나는 지점 등에서 차이를 보였으나 전체적으로 높은 유사도를 보였다.

Figure 6. Histogram comparison between GOCI and GOCI-II daily PAR images during three days. (a) Captured from 10 March 2021, (b) captured from 11 March 2021, and (c) captured from 14 March 2021. Blue dotted lines were from GOCI daily PAR images and red solid lines were from GOCI-II daily PAR images.

히스토그램에서 정량적으로 확인할 수 없는 차이를 살펴보기 위하여 영상 간의 비교를 실시하였다. GOCI-II 4번 슬롯 내에서 무작위로 3개의 사각형 영역을 설정하여 해당 영역 내에서 GOCI와 GOCIII 일별 PAR 값을 픽셀 대 픽셀로 비교하였다(Fig. 7d). 가장 구름의 영향을 많이 받은 C 영역의 날짜별 밀도 산점도 그래프를 대표적으로 본 결과, GOCI-II 일별 PAR가 GOCI 일별 PAR에 비해 과소추정되는 경향을 나타냄을 확인하였다(Figs. 7a, b, c).

Figure 7. Comparison between GOCI and GOCI-II daily PAR at the region C. (a) Density plot between GOCI and GOCI-II PAR from 10 March 2021, (b) density plot from 11 March 2021, and (c) density plot from 14 March 2021.

각 영역에서의 두 센서간 차이를 확인하기 위하여 평균값(mean), 표준편차(standard deviation), RMSE, MBE를 계산하여 비교하였다(Table 3). 영역별로 보면 C 영역에서 GOCI와 GOCI-II 일별 PAR 간의 차이가 모든 날짜에서 가장 크게 나타났으며, RMSE 기준 최대 6.24%의 차이를 보였다. A와 B 영역에서는 모든 날짜에 평균값의 차이가 1 Ein/m2/day 미만을 나타내며, RMSE 또한 3월 10일의 5%가 가 장 큰 오차임을 고려하면GOCI와GOCI-II 간의 실제 편차는 크지 않을 것으로 판단된다. 다만 3월 10일 B 영역의 경우, 11일과 14일보다 많은 구름층이 존재함을 알 수 있는데 이렇게 구름이 있는 경우 5.01%의 상대적으로 높은 오차를 보였다(Fig. 5d).

Table 3 . Statistics from the comparison between GOCI and GOCI-II daily PAR at three regions: A, B, and C.

DateRegionSensorMean valuesStandard deviationsRMSE (rRMSE)MBE (rMBE)
10 Mar 2021AGOCI-II40.040.230.240.00
GOCI40.270.26(0.61%)(0.00%)
BGOCI-II39.892.532.000.00
GOCI39.942.60(5.01%)(0.00%)
CGOCI-II34.771.662.170.00
GOCI36.051.56(6.24%)(0.00%)
11 Mar 2021AGOCI-II38.170.710.630.00
GOCI38.680.85(1.64%)(0.00%)
BGOCI-II41.711.311.280.00
GOCI42.251.31(3.08%)(0.00%)
CGOCI-II32.821.921.740.00
GOCI33.922.04(5.31%)(0.00%)
14 Mar 2021AGOCI-II33.282.380.500.00
GOCI33.762.28(1.51%)(0.00%)
BGOCI-II41.741.330.900.00
GOCI41.731.27(2.15%)(0.00%)
CGOCI-II32.592.081.610.00
GOCI33.441.97(4.94%)(0.00%)

4. 토의 및 결론

GOCI-II 일별 PAR 자료의 검증이 현장관측 자료를 활용하여 수행되었으나 현장관측 자료의 수가 22개로 모든 기상 및 해양 조건에 대한 결과를 대변한다고 보기엔 어렵다. 다만 현장관측 값의 분포가 낮은 값에서 높은 값까지 균질하게 분포하고, GOCI와 GOCI-II 일별 PAR 자료가 높은 상관관계를 나타내고 있으므로 GOCI-II 일별 PAR 자료의 신뢰도는 확보되었다고 할 수 있다.

GOCI 일별 PAR에 대하여 연구한 Hwang et al. (2022)에서는 2015년부터 2016년의 약 2년의 기간동안 데이터를 축적하여 GOCI 일별 PAR의 검보정 활동을 수행하였으며, 그로 인해 이 연구에서 제시한 GOCI-II 일별 PAR 보다 높은 정확도를 나타내었다. GOCI-II는 2020년 10월부터 영상을 배포하여 운용되고 있지만, 알고리즘 및 배포 자료의 검보정 및 안정화를 필요로 하고 있다(Lee et al., 2021). 따라서 GOCI-II 운영 기간 동안 추가적으로 획득한 현장관측 자료를 파악하고 이를 활용한 GOCI-II PAR 알고리즘의 검보정 활동을 통해 산출물의 정확도를 높일 수 있을 것으로 기대된다.

GOCI 및 GOCI-II에서 활용된 PAR 알고리즘은 본질적으로 입력 자료의 복사보정 편향에 영향을 받을 수 있으며, 특히 맑은 대기 영역보다 구름과 같이 광학적으로 밝은 관측 대상에서 그 편향이 크게 나타날 수 있다. 현재 PAR 알고리즘의 입력자료로 사용된 GOCI-II 영상 자료에는 이러한 복사보정 편향을 보정하는 대리교정 상수가 적 용되지 않아 구름 지역에서 PAR 산출물에 편향이 발생한다. 실제 GOCI-II 자료처리 시스템의 대기보정 알고리즘에 적용된 412–680 nm 대리교정 상수는 0.941에서 0.985 사이 값을 가지며 이는 GOCIII가 해당 파장대에서 TOA radiance를 약 1.5–6.9% 과대 추정하고 있음을 의미한다(Ahn et al., 2021). 이로 인해 발생한 구름 및 대기 반사도의 과대추정은 대기 투과도의 과소추정으로 이어지며 이로 인하여 PAR의 과소추정을 발생시킨다. GOCI의 해당 파장 대역 대리교정 상수 범위 또한 0.962에서 1.005 범위 값을 가지며 이는 GOCI-II보다는 적은 범위이지만 여전히 영향을 받을 수 있음을 의미한다(Ahn et al., 2015). 따라서 후속 연구에서는 센서 노후화에 따른 감도 저하를 고려한 대리교정 상수를 적용하여 복사보정 편향을 보정할 계획이며, 이를 통해 GOCI-II PAR 알고리즘의 신뢰도를 높이는 중요한 단계가 될 것이다.

GOCI와 GOCI-II PAR 알고리즘에서 일별 PAR의 계산은 시간별 PAR를 계산한 후 적분하는 방식으로 이루어 진다. 따라서 일별 PAR가 아닌 시간별 PAR 단계에서 알고리즘의 검보정을 수행한다면 보다 정확한 일별 PAR를 산정할 수 있을 것으로 판단된다. 시간별 PAR 자료의 경우 GOCI 및 GOCI-II 영상과 연계하여 일차생산량 계산에 입력 자료로 활용되어 그 정확도 및 활용도를 높일 수 있다(Wu et al., 2022). GOCI-II는 GOCI에 비하여 오전 8시와 오후 5시경에 두 번의 촬영이 추가되어 해양환경의 변화를 보다 세분화하여 연구할 수 있다. 따라서 지속적인 연구를 통해 GOCI-II 시간별 PAR 자료의 정확도가 확보된다면 이러한 시간별 일차생산 및 해양환경 변화의 단기변화 연구에 도움이 될 수 있을 것으로 사료된다.

이 연구에서는 GOCI-II PAR 알고리즘을 개발하고 GOCI-II 일별 PAR를 계산하여 현장관측 자료와의 비교를 수행하였다. GOCI-II PAR 알고리즘을 통해 계산된 2024년 4월 27일의 시간별PAR 영상을 통해 한국 시간 기준 오전 8시부터 오후 5시까지의 구름 등의 일변화를 감지하여 일별 PAR 영상을 성공적으로 계산해내었다. 4월 27일의 일별 PAR는 최대 60 Ein/m2/day의 분포를 보이며, 구름의 유동이 있던 제주 남부 먼바다 일대 및 동중국해 지역에서 20~30 Ein/m2/day 안팎의 분포를 보였다. GOCI-II와 현장관측 일별 PAR의 비교 결과, 현장관측 자료에 비해 과소추정하는 경향을 보였으며, 11.10%의 RMSE와 9.89%의MBE를 나타내었다. R2는 0.98로GOCI-II 일별 PAR 자료가 현장관측 자료와 높은 상관관계가 있음을 나타내었다.

GOCI-II 일별 PAR와 기존에 연구된 GOCI 일별 PAR 자료와의 비교를 통해 두 센서 간의 높은 유사성을 확인하였으며, 다만 구름이 있는 지역에서 두 자료 간의 편차가 증가하는 경향을 보여 이 부분에 대한 추가적인 연구를 수행할 예정이다. GOCI-II 일별 PAR 연구를 통 해 GOCI로부터 지속된 한반도 주변 해역에 대한 해양환경 모니터링 및 연구활동을 계승하고, 나아가 장기 관측 자료를 바탕으로 한 변화 대응 연구에 도움을 줄 수 있을 것으로 기대된다. 또한 PAR 산출물을 GOCI-II에서 공식 산출물로 제공하여 GOCI 및 GOCI-II의 활용성을 높이고, 국내외 사용자들에게 홍보하는 기회가 되고자 한다. 또한 GOCI-II PAR 산출물은 적조 예측, 해양 생태계 모델링, 어업 자원 관리 등 다양한 분야에 활용되어 관련 연구 및 정책 결정에 기여할 수 있을 것으로 기대된다. 추후 연구에서는 GOCI-II 관측 기간 동안에 수행한 현장관측 자료를 추가하여 GOCI-II PAR 알고리즘의 검보정을 수행하여 정확도를 높일 수 있도록 할 예정이다.

사사

이 논문은 해양수산과학기술진흥원의 지원을 받아 수행된 천리안 2B호 산출물 정확도 향상 연구(RS-2022-KS221660) 과제와 한국연구재단의 지원을 받아 수행된 해색위성 기반의 광합성유효복사량 추정 및 활용연구(RS-2021-NR058578) 과제의 지원을 받아 수행된 연구임.

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

Fig 1.

Download
Figure 1.Study area and in-situ measurement location. (a) GOCI-II RGB true colored image captured from 1 April 2024 UTC 03, (b) bird’s-eye view of Socheong-cho ocean research station and location of the ECO-PAR sensor, and (c) equipped ECO-PAR sensor.
Korean Journal of Remote Sensing 2025; 41: 101-110https://doi.org/10.7780/kjrs.2025.41.1.9

Fig 2.

Download
Figure 2.Diurnal variation of GOCI-II instantaneous PAR data at slot 7 on April 27, 2024.
Korean Journal of Remote Sensing 2025; 41: 101-110https://doi.org/10.7780/kjrs.2025.41.1.9

Fig 3.

Download
Figure 3.Daily PAR distribution at slot 7 on April 27, 2024.
Korean Journal of Remote Sensing 2025; 41: 101-110https://doi.org/10.7780/kjrs.2025.41.1.9

Fig 4.

Download
Figure 4.Validation of GOCI-II daily PAR with in-situ measurement daily PAR.
Korean Journal of Remote Sensing 2025; 41: 101-110https://doi.org/10.7780/kjrs.2025.41.1.9

Fig 5.

Download
Figure 5.Comparison of daily PAR between GOCI and GOCI-II (March 10, 11, and 14, 2021). From (a) to (c) were generated from GOCI, and from (d) to (f) were generated from GOCI-II.
Korean Journal of Remote Sensing 2025; 41: 101-110https://doi.org/10.7780/kjrs.2025.41.1.9

Fig 6.

Download
Figure 6.Histogram comparison between GOCI and GOCI-II daily PAR images during three days. (a) Captured from 10 March 2021, (b) captured from 11 March 2021, and (c) captured from 14 March 2021. Blue dotted lines were from GOCI daily PAR images and red solid lines were from GOCI-II daily PAR images.
Korean Journal of Remote Sensing 2025; 41: 101-110https://doi.org/10.7780/kjrs.2025.41.1.9

Fig 7.

Download
Figure 7.Comparison between GOCI and GOCI-II daily PAR at the region C. (a) Density plot between GOCI and GOCI-II PAR from 10 March 2021, (b) density plot from 11 March 2021, and (c) density plot from 14 March 2021.
Korean Journal of Remote Sensing 2025; 41: 101-110https://doi.org/10.7780/kjrs.2025.41.1.9

Table 1 . Information for in-situ measurement.

In-situ measurement information
Sensor nameECO-PAR (from WET-Labs©)
Sensor typeIrradiance sensor
Temporal resolution3 times per 1 second, every minute (modifiable)
Observation periodsNovember 2023–August 2024
Location of equipmentSocheong-cho Ocean Research Station
Coordinate37° 25′ 23″N
124° 44′ 17″E

Table 2 . Characteristics of GOCI and GOCI-II data.

GOCIGOCI-II
Band no.Band center (nm)Band no.Band center (nm)
Spectral bands14121380
24432412
34903443
45554490
56605510
66806555
77457620
88658660
9680
10709
11745
12865
Temporal resolution8 times during a day (1 hour period, 00–07 UTC)10 times during a day (1 hour period, 23–08 UTC)
Spatial resolution500 m250 m
Coverage2,500 × 2,500 km (16 slots)2,500 × 2,500 km (12 slots)
PlatformCOMS (Communication, Ocean and Meteorological)GK-2B (Geostationary Korea Multi- Purpose Satellite, GEO-KOMPSAT)

Table 3 . Statistics from the comparison between GOCI and GOCI-II daily PAR at three regions: A, B, and C.

DateRegionSensorMean valuesStandard deviationsRMSE (rRMSE)MBE (rMBE)
10 Mar 2021AGOCI-II40.040.230.240.00
GOCI40.270.26(0.61%)(0.00%)
BGOCI-II39.892.532.000.00
GOCI39.942.60(5.01%)(0.00%)
CGOCI-II34.771.662.170.00
GOCI36.051.56(6.24%)(0.00%)
11 Mar 2021AGOCI-II38.170.710.630.00
GOCI38.680.85(1.64%)(0.00%)
BGOCI-II41.711.311.280.00
GOCI42.251.31(3.08%)(0.00%)
CGOCI-II32.821.921.740.00
GOCI33.922.04(5.31%)(0.00%)
14 Mar 2021AGOCI-II33.282.380.500.00
GOCI33.762.28(1.51%)(0.00%)
BGOCI-II41.741.330.900.00
GOCI41.731.27(2.15%)(0.00%)
CGOCI-II32.592.081.610.00
GOCI33.441.97(4.94%)(0.00%)

References

  1. Ahn, J. H., Kim, K. S., Lee, E. K., Bae, S. J., Lee, K. S., and Moon, J. E., et al, 2021. Introduction of GOCI-II atmospheric correction algorithm and its initial validations. Korean Journal of Remote Sensing, 37(5-2), 1259-1268. https://doi.org/10.7780/kjrs.2021.37.5.2.4
  2. Ahn, J. H., Park, Y. J., Kim, W., Lee, B., and Oh, I. S., 2015. Vicarious calibration of the geostationary ocean color imager. Optics Express, 23(18), 23236-23258. https://doi.org/10.1364/OE.23.023236
    Pubmed Crossref
  3. Behrenfeld, M. J., and Falkowski, P. G., 1997. Photosynthetic rates derived from satellite-based chlorophyll concentration. Limnology and Oceanography, 42(1), 1-20. https://doi.org/10.4319/lo.1997.42.1.0001
    Crossref
  4. Carder, K. L., Chen, R. F., and Hawes, S. K., 2003. MODIS ocean science team algorithm theoretical basis document - Instataneous photosynthetically available radiation and absorbed radiation by phytoplankton, College of Marine Science University of South Florida. https://modis.gsfc.nasa.gov/data/atbd/atbd_mod20.pdf
  5. Carr, M. E., Friedrichs, M. A. M., Schmeltz, M., Noguchi Aita, M., Antoine, D., and Arrigo, K. R., et al, 2006. A comparison of global estimates of marine primary production from ocean color. Deep Sea Research Part II: Topical Studies in Oceanography, 53(5-7), 741-770. https://doi.org/10.1016/j.dsr2.2006.01.028
    Crossref
  6. Choi, J. K., Park, M. S., Han, K. S., Kim, H. C., and Im, J., 2021. One year of GOCI-II launch present and future. Korean Journal of Remote Sensing, 37(5-2), 1229-1234. https://doi.org/10.7780/kjrs.2021.37.5.2.1
  7. Eom, J., Choi, J.-K., Won, J.-S., Ryu, J.-H., Doxaran, D., Ruddick, K., and Lee, S., 2017. Spatiotemporal variation in suspended sediment concentrations and related factors of coastal waters based on multispatial satellite data in Gyeonggi Bay, Korea. Journal of Coastal Research, 333, 653-667. https://doi.org/10.2112/jcoastresd-16-00012.1
    Crossref
  8. Frouin, R., and McPherson, J., 2012. Estimating photosynthetically available radiation at the ocean surface from GOCI data. Ocean Science Journal, 47(3), 313-321. https://doi.org/10.1007/s12601-012-0030-6
    Crossref
  9. Frouin, R., McPherson, J., Ueyoshi, K., and Franz, B. A., 2012. A time series of photosynthetically available radiation at the ocean surface from SeaWiFS and MODIS data. In Proceedings of SPIE Asia-Pacific Remote Sensing, Kyoto, Japan, Oct. 29-Nov. 1, pp. 234-245. https://doi.org/10.1117/12.981264
    Crossref
  10. Frouin, R., and Murakami, H., 2007. Estimating photosynthetically available radiation at the ocean surface from ADEOS-II global imager data. Journal of Oceanography, 63(3), 493-503. https://doi.org/10.1007/s10872-007-0044-3
    Crossref
  11. Frouin, R. J., Ramon, D., Jolivet, D., and Compiègne, M., 2018. Specifying algorithm uncertainties in satellite-derived PAR products. In Proceedings of the SPIE Asia-Pacific Remote Sensing, Honolulu, HI, USA, Sept. 24-26, pp. 146-154. https://doi.org/10.1117/12.2501681
    Crossref
  12. Gelaro, R., McCarty, W., Suárez, M. J., Todling, R., Molod, A., and Takacs, L., et al, 2017. The modern-era retrospective analysis for research and applications, version 2 (MERRA-2). Journal of Climate, 30(14), 5419-5454. https://doi.org/10.1175/JCLI-D-16-0758.1
    Pubmed PMC Crossref
  13. Hwang, D. J., Frouin, R., Tan, J., Ahn, J. H., Choi, J. K., Moon, J. E., and Ryu, J. H., 2022. Algorithm to estimate daily PAR at the ocean surface from GOCI data: Description and evaluation. Frontiers in Marine Science, 9, 924967. https://doi.org/10.3389/fmars.2022.924967
    Crossref
  14. Joo, H., Son, S., Park, J.-W., Kang, J., Jeong, J.-Y., Lee, C., Kang, C.-K., and Lee, S., 2015. Long-term pattern of primary productivity in the East/Japan Sea based on ocean color data derived from MODIS-Aqua. Remote Sensing, 8(1), 25. https://doi.org/10.3390/rs8010025
    Crossref
  15. Kim, D. W., Jo, Y. H., Choi, J. K., Choi, J. G., and Bi, H., 2016a. Physical processes leading to the development of an anomalously large Cochlodinium polykrikoides bloom in the East Sea/Japan Sea. Harmful Algae, 55, 250-258. https://doi.org/10.1016/j.hal.2016.03.019
    Pubmed Crossref
  16. Kim, J., Yang, H., Choi, J.-K., Moon, J.-E., and Frouin, R., 2016b. Estimating photosynthetically available radiation from Geostationary Ocean Color Imager (GOCI) data. Korean Journal of Remote Sensing, 32(3), 253-262. https://doi.org/10.7780/kjrs.2016.32.3.5
    Crossref
  17. Kirk, J. T. O., 1994. Light and photosynthesis in aquatic ecosystems, Cambridge University Press.
    Crossref
  18. Laliberté, J., Bélanger, S., and Frouin, R., 2016. Evaluation of satellite-based algorithms to estimate photosynthetically available radiation (PAR) reaching the ocean surface at high northern latitudes. Remote Sensing of Environment, 184, 199-211. https://doi.org/10.1016/j.rse.2016.06.014
    Crossref
  19. Lee, S. J., Lee, K. S., Han, T. H., Moon, J. E., Bae, S., and Choi, J. K., 2021. Introduction on the products and the quality management plans for GOCI-II. Korean Journal of Remote Sensing, 37(5-2), 1245-1257. https://doi.org/10.7780/kjrs.2021.37.5.2.3
  20. Mass, T., Einbinder, S., Brokovich, E., Shashar, N., Vago, R., Erez, J., and Dubinsky, Z., 2007. Photoacclimation of Stylophora pistillata to light extremes: Metabolism and calcification. Marine Ecology Progress Series, 334, 93-102. https://doi.org/10.3354/meps334093
    Crossref
  21. Patt, F. S., Barnes, R. A., Eplee, R. E., Jr., Franz, B. A., Robinson, W. D., and Feldman, G. C., et al, 2003. Algorithm updates for the fourth SeaWiFS data reprocessing (Report No. NASAD'M-2003-206892). Goddard Space Flight Center, Nationat Aeronautics and Space Administration. https://ntrs.nasa.gov/citations/20030102166
  22. Ruddick, K., Neukermans, G., Vanhellemont, Q., and Jolivet, D., 2014. Challenges and opportunities for geostationary ocean colour remote sensing of regional seas: A review of recent results. Remote Sensing of Environment, 146, 63-76. https://doi.org/10.1016/j.rse.2013.07.039
    Crossref
  23. Ryu, J. H., Han, H. J., Cho, S., Park, Y. J., and Ahn, Y. H., 2012. Overview of geostationary ocean color imager (GOCI) and GOCI data processing system (GDPS). Ocean Science Journal, 47(3), 223-233. https://doi.org/10.1007/s12601-012-0024-4
    Crossref
  24. Siswanto, E., Ishizaka, J., and Yokouchi, K., 2006. Optimal primary production model and parameterization in the eastern East China Sea. Journal of Oceanography, 62(3), 361-372. https://doi.org/10.1007/s10872-006-0061-7
    Crossref
  25. Siswanto, E., Ishizaka, J., Yokouchi, K., Tanaka, K., and Tan, C. K., 2007. Estimation of interannual and interdecadal variations of typhooninduced primary production: A case study for the outer shelf of the East China Sea. Geophysical Research Letters, 34(3), L03604. https://doi.org/10.1029/2006GL028368
    Crossref
  26. Somayajula, S. A., Devred, E., Bélanger, S., Antoine, D., Vellucci, V., and Babin, M., 2018. Evaluation of sea-surface photosynthetically available radiation algorithms under various sky conditions and solar elevations. Applied Optics, 57(12), 3088. https://doi.org/10.1364/ao.57.003088
    Pubmed Crossref
  27. Titlyanov, E. A., Titlyanova, T. V., Yamazato, K., and Van Woesik, R., 2001. Photo-acclimation dynamics of the coral Stylophora pistillata to low and extremely low light. Journal of Experimental Marine Biology and Ecology, 263(2), 211-225. https://doi.org/10.1016/S0022-0981(01)00309-4
    Crossref
  28. Wu, J., Goes, J. I., do Rosario Gomes, H., Lee, Z., Noh, J. H., and Wei, J., et al, 2022. Estimates of diurnal and daily net primary productivity using the Geostationary Ocean Color Imager (GOCI) data. Remote Sensing of Environment, 280, 113183. https://doi.org/10.1016/j.rse.2022.113183
    Crossref
  29. Xiao, J., Zhang, X., Gao, C., Jiang, M., Li, R., Wang, Z., Li, Y., Fan, S., and Zhang, X., 2016. Effect of temperature, salinity and irradiance on growth and photosynthesis of Ulva prolifera. Acta Oceanologica Sinica, 35(10), 114-121. https://doi.org/10.1007/s13131-016-0891-0
    Crossref
KSRS
February 2025 Vol. 41, No.1, pp. 1-86
Current Issue Archives

Metrics

Share

  • line

Related Articles

Korean Journal of Remote Sensing