Hee-Jung Kang and Jung-Moon Yoo *
1Department of Atmospheric Science and Engineering, Ewha Womans University, Seoul 120-750, Korea
2Department of Science Education, Ewha Womans University, Seoul 120-750, Korea
Abstract: We investigated the relative errors of satellite-observed Surface Skin Temperature (SST) data caused by sea ice in the northern hemispheric ocean (30-90oN) during April 16-24, 2003-2014 by intercomparing MODerate Resolution Imaging Spectroradiometer (MODIS) Ice Surface Temperature (IST) data with two types of Atmospheric Infrared Sounder (AIRS) SST data including one with the AIRS/Advanced Microwave Sounding Unit-A (AMSU) and the other with ‘AIRS only’. The MODIS temperatures, compared to the AIRS/AMSU, were systematically up to ~1.6 K high near the sea ice boundaries but up to ~2 K low in the sea ice regions. The main reason of the difference of skin temperatures is that the MODIS algorithm used infrared channels for the sea ice detection (i.e., surface classification), while microwave channels were additionally utilized in the AIRS/AMSU. The ‘AIRS only’ algorithm has been developed from NASA’s Goddard Space Flight Center (NASA/GSFC) to prepare for the degradation of AMSU-A by revising part of the AIRS/AMSU algorithm. The SST of ‘AIRS only’ compared to AIRS/AMSU showed a bias of 0.13 K with RMSE of 0.55 K over the 30-90oN region. The difference between AIRS/AMSU and ‘AIRS only’ was larger over the sea ice boundary than in other regions because the ‘AIRS only’ algorithm utilized the GCM temperature product (NOAA Global Forecast System) over seasonally-varying frozen oceans instead of the AMSU microwave data. Three kinds of the skin temperatures consistently showed significant warming trends (0.23-0.28 Kyr−1) in the latitude band of 70-80oN. The systematic disagreement among the skin temperatures could affect the discrepancies of their trends in the same direction of either warming or cooling.
Keywords: surface skin temperature, sea ice, MODIS, AIRS/AMSU, AIRS only
요 약: 본 연구에서는 위성관측 표면온도 및 해당 온도경향의 불확실성을 조사하기 위하여 북반구(30-90oN) 해양 지역 에서 2003-2014년 4월 16-24일 기간에 세 종류의 위성관측 자료(MODIS IST, AIRS/AMSU SST, AIRS only SST)를 상호 비교하였다. AIRS/AMSU 표면온도값에 비하여 MODIS는 해빙과 해수의 경계지역에서 계통적으로 최대 1.6 K 높은 반면에, 해빙 지역에서는 2 K 낮았다. 이러한 주요 원인은 표면온도 산출알고리즘의 해표 정보(e.g., 해빙 탐지)를 위하여 MODIS는 적외 채널만을 사용하는 반면에, AIRS/AMSU는 마이크로파 및 적외 채널을 함께 사용하는 데에 있 다. 미국 항공우주국(NASA’s Goddard Space Flight Center; NASA/GSFC)은 AMSU-A의 노후화를 대비하기 위하여
*Corresponding author: [email protected]
*Tel: +82-2-3277-2710
*Fax: +82-2-3277-2684
This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://
creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
AIRS/AMSU 알고리즘을 일부 수정하여 AIRS only 알고리즘을 개발하였다. AIRS/AMSU와 AIRS only 표면온도 사이 에 평균 제곱근 오차(RMSE)값은 30-90oN 해양 지역에서 0.55 K이며, 편차(bias)는 0.13 K이었으며, 해빙/해수 경계 지 역에서는 이들 차이가 더 크게 나타났다. 해빙 경계지역에서 AIRS/AMSU와 AIRS only 간의 차이가 다른 지역에 비하 여 큰 이유는 AIRS only 알고리즘이 AMSU 마이크로파 자료 대신에 GCM (NOAA Global Forecast System) 온도 산 출물을 사용하는 데에 있다. 세 종류의 위성관측 표면온도 자료는 70-80oN 위도대에서 유의적인 온도증가(0.23-0.28 K
yr−1)를 보였다. 위성관측 표면온도들 간에 계통적인 불일치는 같은 방향(온도증가 또는 온도감소)으로 해당 온도경향 값
들 간의 차이에 영향을 줄 수 있다.
주요어: 표면온도, 해빙, MODIS, AIRS/AMSU, AIRS only
서 론
표면온도(surface skin temperature: SST)는 지표의 열평형과 대기 열역학 상태와 관련되어 있으며, 토양 및 지표면 특성 그리고 생태계를 이해하는데 중요한 기상변수이다(Jin et al., 1997; Jee and Choi, 2014).
이러한 표면온도의 정확한 관측은 기후연구와 모델 개선에 중요한 역할을 한다(Yoo et al., 2013). 전구 적인 위성관측으로 인하여 기존의 지상 관측망 설치 가 어려운 지역(예, 해양, 산악 등)에도 균질한 공간 해상도의 피복온도자료가 이용 가능하게 되었다(Jin and Dickinson, 2010). 특히 Aqua 위성의 Atmospheric Infrared Sounder (AIRS) 복사계로 관측된 표면온도 자료는 대류권 및 하부 성층권의 다른 위성관측 (e.g., Yoo and Kim, 1997; Yoo and Kim, 1998)과 함께 기후 분석과 모델 개선에 다양한 방면으로 활 용되어 왔다(Aumann et al., 2003; Tian et al., 2013). AIRS 및 Advanced Microwave Sounding Unit-A (AMSU) 복사계들의 관측을 함께 이용하는 AIRS/AMSU 자료는 표면온도, 파장별 지표 방출율 (surface spectral emissivity), 지면 반사율, 여러 기상 및 환경 요소(예, 온도, 습도, 오존, 일산화탄소, 메탄) 의 연직 분포를 산출하는데 활용되어 왔다. 그러나 AMSU 복사계의 성능이 점차 저하됨에 따라 AMSU 마이크로파 채널을 사용하지 않고 AIRS 관측자료만 을 기초로 표면온도를 산출하는 AIRS only 알고리즘 이 최근에 개발되었다(Susskind et al., 2014).
MODIS (MODerate Resolution Imaging Spectro- radiometer) 복사계는 AIRS 계열(AIRS only, AIRS/
AMSU)의 복사계들과 함께 Aqua 위성에 탑재되어 있기 때문에 이들 복사계의 관측 영역과 시각이 상 당 부분에서 서로 일치한다. 그러므로 이들 관측자료 를 결합하여 각각의 단점을 보완하거나 특성을 밝히 는 연구가 활발하게 진행되어 왔다(Li et al., 2005;
Molnar and Susskind, 2005; Liu et al., 2008). 또한 극해양에서의 표면온도 정보는 해빙(sea ice)의 계절 적인 이동과 경년변화와 밀접하게 관련되어 있어서, 지구온난화와 같은 기후변화의 지시계가 될 수 있다 (Lindsay and Rothrock, 1994, Comiso and Hall, 2014).
극궤도 위성에 의한 관측 횟수는 고위도로 갈수록 증가하므로 극 지방의 경우는 저위도에 비하여 상대 적으로 많은 위성관측이 이용가능하다. 그러나 극 해 양에서는 해빙 방출율의 정보가 부정확하고, 극야에 는 가시광선 영역의 관측을 이용하기 어렵기 때문에 이 지역에 대한 표면온도 관측자료는 제한적으로 사 용할 수 있다(Hall et al., 2004; English, 2008;
Karbou et al., 2014). AIRS/AMSU와 MODIS 복사 계의 경우에 정확성을 향상시키기 위한 다양한 검증 과 많은 노력이 있었음에도 불구하고, 고위도에서 AIRS/AMSU와 MODIS 간의 표면온도에서 상당한 불일치가 있음이 보고된 바 있다(Tobin et al., 2006;
Lee et al., 2013; Hearty et al., 2014). Lee et al.
(2013)은 2002-2011년 기간의 MODIS Collection 5 (C5) 육지/해양 표면온도와 AIRS/AMSU Version 5 (V5) 간의 비교에서 50oN-50oS 지역의 MODIS 표면 온도는 AIRS/AMSU에 비하여 육지에서 계통적으로
~1.7 K 낮았고, 해양에서는 ~0.5 K 높았다고 보고한 바 있다. 특히 고위도 해양에서 MODIS 표면온도가 AIRS/AMSU에 비하여 현저하게(~5.5 K) 높았다. 그 들은 이러한 불일치의 원인으로 AIRS/AMSU와 MODIS 간의 채널 차이(i.e., AMSU 경우에 마이크로파 사용) 에 따른 표면 정보(e.g., 해빙/눈) 불일치, 그리고 두 위성 간에 지역적인 관측시간의 차이를 보고하였다.
그러나 Lee et al. (2013) 연구에서는 2003년 4월과 9월의 단기간(각 9일)에 대하여 MODIS IST 자료를 사용하였기 때문에 해빙 효과에 의한 위성관측 표면 온도 간의 불일치와 온도 추세의 관계를 분석하는데
자료 및 방법
본 연구에서는 2002년 4월에 발사되어 현재까지 작동 중인 Aqua위성에 탑재된 MODIS, AIRS/AMSU, AIRS 복사계의 위성관측에서 각각 유도된 세 종류 Level 3 (L3) 표면온도(MODIS, AIRS/AMSU, AIRS only)를 사용하였다(Table 1). 발사 당시 Aqua 기대 수명은 6년이었으나 현재는 2020년대까지 운영을 계 획하고 있다(http://aqua.nasa.gov/). Aqua 극궤도 위성 은 705 km 고도의 태양동기궤도(sun-synchronous orbit) 를 선회하면서 13:30 LST에 북쪽으로, 그리고 01:30 LST에는 남쪽으로 적도를 통과한다(Aumann et al., 2003; Tian et al., 2013). 위성관측 SST는 해수면의 표면온도에 해당하며, Buoy 측정 온도와는 차이가 있다(Liou, 2002; Yuan, 2009). 위성관측 해수면 표면 온도는 주로 해표에서 수심 약 500 µm 이내에 존재 하는 10 µm 두께의 해수 층인 해양 피층(oceanic skin layer)에서 주로 방출되는 온도이다(Emery et al., 2001; Donlon et al., 2002). 위성관측 SST는 적 외선 영역의 채널(파장대)에 따라 다를 수 있으나 그 차이는 0.01 K 이내로 작은 편이다. 해양 피층에서는 대기와 해수 간의 열(잠열, 현열, 장파복사 플럭스) 교환이 활발하므로 표면온도의 정확한 정보는 대기- 해양 상호작용과 기후변화 분석에 중요하다(Fairall et al., 1996; Kim and Hong, 2010). MODIS IST
spectroradiometer로서 에어로졸(aerosol)과 지표 온도 와 같은 다양한 정보를 산출하는 데에 필요한 고해 상도 관측자료를 전구적으로 제공한다(Barnes et al., 1998). 특히 극 지역에서는 해빙의 양과 두께, 해빙/
눈 반사도(albedo), 해빙표면온도(IST)에 대해서 자세 한 정보를 제공할 수 있다(Hall et al., 2004; Scott et al., 2014). AIRS 복사계는 2378개의 적외 채널과 네 개의 광학밴드를 가지고 있는 고해상도의 spectrometer 로 AMSU와 함께 산출물을 생산한다(Susskind et al., 2014). AIRS/AMSU 자료는 연직적으로 고해상도 의 자료를 산출하는데 AMSU 복사계 이용하기 때문 에 구름과 극야(polar night)의 영향을 받지 않는다는 장점을 가지고 있다(Dong et al., 2006). 그러나 AIRS/AMSU 자료는 공간 해상도가 MODIS 자료에 비하여 낮다는 단점이 있다.
위성 발사 초기에 계획된 MODIS 알고리즘의 산 출물은 i) 반사율을 이용한 해빙의 유무, ii) IST를 이용한 해빙의 유무, iii) 반사율과 IST를 결합한 해 빙의 유무, 그리고 iv) IST이다(Fig. A1a; Riggs et al., 1999). 현재는 이들 산출물 중에 i)와 iv)만이 제 공되고 있다(Riggs et al., 2006). 이들 MODIS 산출 물의 유도 과정에 대한 흐름도(Fig. A1a)에 의하면, Land mask 그리고 가시채널 반사율을 이용한 Cloud mask를 실시한 후에 구름이 없는(cloud free) pixel에 서 해표 반사율과 IST를 계산한다. MODIS 경우에
Table 1. Satellite-observed surface skin temperature (Tskin) Level 3 (L3) data information used in this study. Three datasets of Tskin have been compared over the northern hemisphere during April 16-24, 2003-2014. Here the abbreviations are as follows;
Ice surface Skin Temperature (IST) and Surface Skin Temperature (SST) Satellite sensor Dataset
(Collection/Version) Variable name Area Spatial resolution Abbreviation Reference Aqua MODIS MYD29E1D/5 IST 30-90oN 4×4 km Tskin(MODIS) Riggs et al. (2006)
Aqua AIRS/AMSU-A AIRX3STD/6 SST Globe 1×1o Tskin(AA_V6) Olsen (2013b)
Aqua AIRS AIRS3STD/6 SST Globe 1×1o Tskin(AO_V6) Olsen (2013b)
적외선 영역을 이용하여 건조한 극해양 지역의 특성 을 반영할 수 있는 IST를 산출하기 위해 다양한 식 이 개발되어왔다(Lindsay and Rothrock, 1994; Hall, 2001). MODIS 알고리즘은 Key et al. (1997)에서 사 용한 다음 (1)식을 사용한다;
IST=a+bT11+c(T11−T12)+d[(T11−T12)(sec(θ )−1)]
(1) 여기서 T11은 11 µm (MODIS Band 31) 밝기온도 (K), T12은 12 µm (MODIS Band 32) 밝기온도(K), 그리고 θ 은 천정각이다. a, b, c, d는 계수이며, 그 값은 경계 조건(T11>260 K, 240 K≤T11≤260 K, T11<240 K)에 따라 변한다. 해표 상태는 눈이나 해 빙으로 가정한다. Key et al. (1997)은 복사전달모델 (Radiative Transfer Model: RTM)인 LOW resolution TRANsmission (LOWTRAN) 계산 결과에서 T11와 표면온도 간의 차이가 T11 온도범위(230-260 K)에서 3 K 이내라고 보고하였다. MODIS 알고리즘은 이러 한 T11와 표면온도 간의 차이가 적은 특성을 이용한 다. (1)식에서 대기 중의 수증기 흡수는 11 µm 파장 에 비하여 12 µm에서 크기 때문에, 이러한 차이를 이용하여 수증기 효과를 보정한다(Lindsay and Rothrock, 1994; Emery et al., 2001). 또한 (1)식의 마지막 항은 천정각의 변화에 따른 광학적 두께의 변화를 보정하는 데에 사용한다. MODIS 알고리즘에 서는 해수과 해빙을 구분하기 위하여 IST를 경계값 으로 사용하며, IST<271.5 K인 pixel을 해빙 지역으 로 분류한다(Hall et al., 2004). 271.5 K 경계값은 계 절과 지역에 따라 변할 수 있다.
AIRS/AMSU 알고리즘에서 산출물을 유도하는 과 정을 Fig. A1b의 흐름도에 제시하였다. AIRS/AMSU V6 알고리즘은 하부 경계층(bottom boundary layer) 의 조건에 필요한 General Circulation Model (GCM) 의 지표 압력을 제외하고는 관측자료를 기반으로 한 다(Molnar and Susskind, 2005). 이 알고리즘은 우선 적으로 대기 변수들에 대한 기후값과 마이크로 채널 의 복사값을 이용하여 지면정보를 산출한다. 그 다음에 53개의 구름제거 채널과 인공신경망(Neural-Network methodology)을 이용하여 초기값을 얻고, 구름이 제 거된 초기의 적외선 복사값을 구한다(Susskind et al., 2014). 인공신경망 방법에서는 입력값과 산출값 사이 의 반복적인 훈련을 통하여 산출값의 근사치를 얻는 다(Gardner and Dorling, 1998). 구름이 제거된 여러
파장대의 적외선 복사값을 기초로 표면온도, 지표 방 출율, 지면 반사율, 연직분포(기온, 습도, 오존, 일산 화탄소, 메탄)와 같은 지상 및 대기 변수를 유도한다.
이 후에 관측된 복사값을 이용하여 구름변수(i.e., 운 량과 운정 기압)와 장파복사(outgoing longwave radiance) 를 계산한다.
AIRS/AMSU 알고리즘 V5에 비하여 V6의 주요 개선 사항은 다음 두 가지이다; 첫째, 변수의 초기값 을 산출하는데 있어서 V5에서 사용한 회귀식 대신에 인공신경망을 사용한다. 이전에는 변수와 AIRS 복사 관측값 사이의 회귀식을 이용하여 초기값을 산출하였 으나, V6에서는 인공신경망 방법을 사용한다. 둘째, 표면온도와 지표 방출율을 V5에서는 장파인 8-12 µm와 단파인 3.7-4 µm를 함께 이용하였다. 그러나 V6에서는 구름제거 과정에서 장파가 단파보다 더 오 차가 크기 때문에 단파 파장대만을 사용하였다. 이러 한 개선은 구름이 부분적으로 있는 상황에서 보다 정확한 연직 온도분포와 표면온도의 산출에 도움을 준다(Susskind et al., 2014)
산출 과정의 초기에 수행되는 지면정보 분류방법 중 해빙/해수 분류 부분을 Fig. A1d에 제시하였다 (Grody et al., 1999; Barnet et al., 2007). 마이크로파 방출율은 적외선 경우에 비하여 다양한 지표 상태 (e.g., 해빙, 눈, 해수 등)에 대하여 민감하다(Table A1). 해수 경우에 마이크로파 진동수가 증가함에 따 라 방출율은 증가하는 반면에, 해빙에서는 감소하는 특성을 이용하여 해빙/해수를 구분할 수 있다 (Hewison and English, 1999; Kongoli et al., 2008).
이러한 특징을 반영한 DF1은 해빙/해수를 분리하는 주요한 기준으로 아래 (2)식과 같다;
DF1=2.85+0.02T23−0.028T50 (2) 여기서 T23, T50은 각각 23 GHz (AMSU 채널1), 50 GHz (AMSU 채널3)에서의 밝기온도를 의미한다 (Won, 2008). 42o 이상 고위도의 특정 pixel에서 Land의 비율이 0.5 이하이며, DF1>0인 경우에 해빙 으로 인식한다. 아래 (3)식에 제시한 DF4는 해빙의 연령을 구분하는 기준으로 이용된다;
DF4=T23−T31 (3)
여기서 T23, T31은 각각 23 GHz (AMSU 채널1), 31 GHz (AMSU 채널2)에서의 밝기온도를 의미한다.
다년생 해빙이 단년생 해빙에 비하여 마이크로파 방
출율이 작고 진동수에 따른 방출율의 변화가 크다는 특징을 이용하여 해빙 연령을 구분 할 수 있다.
AIRS only 알고리즘은 AMSU 관측자료를 사용하 지 않는 점에서 AIRS/AMSU와 차이가 있다(Olsen, 2013c). AIRS only에서는 일부 AMSU 채널의 고장 으로 인해 AIRS 관측만을 이용하여 산출물을 생산하 여 왔다. AMSU 채널4 (52.8 GHz)의 복사계 잡음 (radiometric noise)은 2007년 6월부터 증가하였고, 2007년 10월에는 이 채널 사용을 중단하였다(Won, 2008; Olsen, 2013b). 또한 채널5 (53.592 GHz)는 2010년 1월 이후 잡음이 증가하고 있다. 이들 채널 4 와 5는 AIRS/AMSU V6에서도 사용하지 않는다.
AIRS only V6 알고리즘은 지표 정보를 분류하기 위 하여 AMSU 관측자료 대신에 NOAA Global Forecast System의 수치예보 온도를 이용하였다(Fig. A1c;
Olsen, 2013a; Susskind et al., 2014).
본 연구에서는 격자별, 위도별 아노말리 표면온도 를 이용하여 온도 추세를 분석하였다. 온도아노말리 추세와 95% 신뢰구간은 bootstrap 방법(Wilks, 2006) 을 이용하여 계산하였다. bootstrap 방법으로 온도 추 세를 분석하기 위하여, 연별 9일 기간의 평균 온도 아노말리를 그 시계열에서 시간 순서에 관계없이 무 작위로 추출한 다음에 선형회귀식을 얻는 작업을 10,000번 반복하였다. 그 다음에 10,000개의 선형회 귀식 기울기값과 95% 신뢰구간을 계산하였다.
위성 자료 간의 표면온도 기후값 차이
Fig. 1은 2003-2014년의 4월 16-24일 기간에 북반 구 해양에서의 위성관측(MODIS, AIRS/AMSU, AIRS only) 피복온도 기후값의 공간 분포를 보여준다.
MODIS 4 km×4 km 격자에서의 기후값은 Fig. 1a에 Fig. 1. 12-year composite skin temperatures (K) of (a) MODIS IST in a 4×4 km grid, (b) MODIS IST in a 1×1o grid, (c) AIRS/AMSU and (d) AIRS only over the northern hemisphere during April 16-24, 2003-2014. The original MODIS data (MYD29E1D) in a 4×4 km spatial resolution have been reconstructed to 1×1o to compare with the AIRS/AMSU and AIRS only data.
제시하였다. 본 연구에서는 AIRS 계열의 단위 격자 (1×1o) 내에 MODIS 4 km×4 km pixel들이 50% 이 상 존재하는 경우에만 전환하여 1×1o 격자에서 상호 비교하였다. 1×1o 공간 격자는 적도 부근에서 약
111×111 km의 면적에 해당하므로, 772개 MODIS pixel들을 최대 포함할 수 있으나, 극으로 갈수록 면 적이 좁아져서 80oN 부근에서는 127개까지 포함할 수 있다. MODIS 자료의 공간 격자 전환에 따른 위 Fig. 2. The number of colocated observations in a 1×1o grid of (a) Tskin(AO_V6) and Tskin(AA_V6) and (b) Tskin(MODIS), Tskin(AA_V6) and Tskin(AO_V6) over the northern hemisphere during the period of April 16-24, 2003-2014.
Fig. 3. The spatial distributions of (a) Tskin(MODIS) minus Tskin(AA_V6), (b) Tskin(MODIS) minus Tskin(AO_V6), and (c) Tskin(AO_V6) minus Tskin(AA_V6) over the northern hemisphere during April 16-24, 2003-2014.
도별 평균값 변화 분석에서도 위의 50% 기준을 사 용하였다. Fig. 1c-d는 각각 위 기간에 AIRS/AMSU 와 AIRS only의 기후값을 보여준다. 표면온도는 전 반적으로 저위도에서 높고 고위도에서는 낮은 공간 분포를 보여준다.
Fig. 2는 1×1o 격자별로 해당 기간에 동시에 이용 가능한 자료의 연단위의 횟수(i.e., 12년 기간에 최대 12개)를 보여준다. Fig. 2a의 대부분의 격자에서 AIRS/AMSU와 AIRS only 자료가 12년간 동시에 존 재하고 있음을 알 수 있다. Fig. 2b에서는 격자별 세 종류의 위성자료(MODIS, AIRS/AMSU, AIRS only) 가 동시에 이용가능한 횟수가 북태평양과 북대서양의 50-80oN 부근에서 (Fig. 2a 경우에 비하여) 약 3-4년
정도 적음을 볼 수 있다. 이것은 이들 지역에서 빈번 히 발생하는 구름에 의한 것으로 판단된다(Boucher et al., 2013; Jakob, 1999).
Fig. 3는 각 공간 격자에서 2003-2014년의 9일 기 간에 대한 세 종류 위성관측 표면온도(Tskin(MODIS), Tskin(AA_V6), Tskin(AO_V6)) 간의 매년 차이값의 12 년 평균을 보여준다. Fig. 3a는 Tskin(MODIS)와 Tskin(AA_V6) 차이값(전자에서 후자를 뺀 것), 그리고 Fig. 3b는 Tskin(MODIS)와 Tskin(AO_V6) 차이값의 공 간 분포를 보여준다. Tskin(MODIS)가 Tskin(AA_V6)에 비하여 해빙/해수 경계 지역인 허드슨 만(Hudson Bay), 그린란드 해(Greenland Sea)와 베링해(Bering Sea)에서 지역적으로 ~3 K 높게 나타났다. Tskin(MODIS) Fig. 4. The scatter diagrams of Tskin(MODIS) versus Tskin(AA_V6) in a 1×1o grid each year in the 35-90oN region during April 16-24, 2003-2014.
와 Tskin(AO_V6) 간의 차이는 그린란드 해에서 Tskin(MODIS)와 Tskin(AA_V6) 경우보다 더 광범위한 지역에서 나타났다(Fig. 3a-b). Fig. 3c는 AIRS 계열 의 표면온도 간에 차이를 보여준다. AIRS 계열 표면 온도 사이의 차이는 Tskin(MODIS)와 Tskin(AA_V6)간 의 차이에 비하여 현저하게 작으며, 다른 지역에 비 하여 그린란드 해와 오호츠크 해에서 Tskin(AA_V6)이 Tskin(AO_V6)보다 높았다(Fig. 3a and 3c).
Fig. 4는 2003-2014년 기간에 35oN 이북 지역에서 매년 Tskin(MODIS)와 Tskin(AA_V6)의 관계를 분산도 표(scatter diagram)로 나타낸 것이다. 이들 그림에서 온도 분포가 선형이 아니라 일부 구간에서 곡선 형 태를 보인다. RTM 계산에서 T11값이 표면온도와
3 K 이내의 차이가 있는 MODIS 표면온도 구간(240- 260 K)에서는 두 종류 온도가 잘 일치한다. 그러나 MODIS 알고리즘의 회귀식에서 계수들이 바뀌는 경 계값 온도(260 K), 그리고 해빙이 존재하기 시작하는 빙점 273 K 부근에서 기울기가 달라지는 불연속적인 분포가 나타난다. Tskin(AA_V6)에 대한 Tskin(MODIS) 기울기가 전체 온도 구간에서의 기울기에 비하여 260-273 K 구간에서는 거의 매년 경년적으로 작았다.
다시 말해, 이 온도 구간에서는 Tskin(MODIS)가 Tskin(AA_V6)보다 계통적으로 높았다.
2003-2014년 기간에 매년 Tskin(AO_V6)와 Tskin(AA_V6) 표면온도들의 관계를 나타내는 분산도표에서는 Tskin(MODIS)와 Tskin(AA_V6)의 상관(r=0.986−0.994) Fig. 5. Same as Fig. 4 except Tskin(AO_V6) versus Tskin(AA_V6).
에 비하여 높은 상관(r=0.996-0.999)이 나타났다(Figs.
4-5). Tskin(AO_V6)와 Tskin(AA_V6)간의 기울기는 0.97- 1.01로 이들 표면온도가 상당히 잘 일치함을 보여준 다. 그러나 273 K 부근에서는 다른 온도 구간에 비 하여 불일치가 크게 나타났다. Tskin(AA_V6)값이 260-273 K인 구간에서의 AIRS 계열 온도 간에 불일 치로 인하여 Tskin(AO_V6)가 Tskin(AA_V6)에 비하여 낮았다. 이러한 사실은 AIRS 계열의 표면온도 간에 도 해빙/해수 구분에 상당한 불일치가 있는 것을 의 미한다.
Table 2에서는 2003-2014년 기간의 세 종류 위성 관측에서 30-90oN와 66-90oN (북극권)의 두 지역에 서 9일 동안의 표면온도 기후값들 간에 공간분포 차 이를 편차(bias), 공간상관 계수(r), 평균 제곱근 오차 (Root Mean Square Error, RMSE)의 통계값으로 나 타내었다. Hall et al. (2004)에 의하면, Tskin(MODIS) 오차는 극해양 부근에서 1.2-1.3 K이다. 본 연구 기 간 동안 30-90oN에서는 Tskin(MODIS)와 Tskin(AA_V6) 사이의 RMSE는 1.50 K, 그리고 Tskin(MODIS)와 Tskin(AO_V6) 사이의 RMSE는 1.57 K이어서 Tskin
(MODIS)의 자체 오차에 비하여 다소 크게 나타났다.
Tskin(MODIS)와 Tskin(AA_V6) 사이의 공간 상관값은 30-90oN에서 0.994, 그리고 66-90oN에서 0.983으로 나타나서 중위도 해양을 포함한 경우에 비하여 고위 도 지역에서 작았다. 이러한 사실은 극해양 부근에서 위의 두 종류 위성관측 간에 상대오차가 크다는 것 을 의미한다. AIRS 계열 표면온도 간의 상관은 0.997-0.999로 대부분의 지역에서 MODIS와 AIRS 계열과의 관계(r=0.982-0.994)에 비하여 높았다.
Fig. 6에서는 2003-2014년의 4월 16-24일 기간에 세 종류 위성관측(Tskin(MODIS), Tskin(AA_V6), Tskin (AO_V6))간의 위도별 차이값을 매년 1도 간격의 위 도대에서 경년 변화(12년)를 반영하는 표준편차(Fig.
6에서 vertical bar)와 함께 제시하였다. Tskin(MODIS) 와 AIRS 계열 표면온도 간의 비교에서 표본 추출 (sampling)에 의한 영향을 줄이기 위하여, 세 종류 위 성관측 모두가 동시에 존재하는 격자만을 분석에 사 용하였다. 그러나 AIRS 계열 간의 비교에서는 두 종 류 자료(Tskin(AA_V6), Tskin(AO_V6))가 동시에 존재 하는 격자에 대하여 위도별 평균을 구하여 비교하였 다. 또한 각 위도대에서 해양의 비율은 최소 15% 이 상이었다. Fig. 6a는 Tskin(MODIS)의 인위적인 공간 해상도 전환에 의한 차이를 보여준다. 앞서 언급한 바와 같이, Tskin(MODIS_4km)와 Tskin(MODIS_1o)은 1×1o 공간해상도의 격자에서Tskin(MODIS)의 본래 해 상도인 4×4 km 자료의 면적이 50%를 넘는 격자에서 의 온도값을 이용하였다. Fig. 6a에서 표준편차를 고 려하더라도 공간 해상도 전환에 의한 차이는 1 K을 초과하지 않으며, 기후값 경우에는 0.5 K 이내에 있다.
북반구의 Tskin(MODIS)와 Tskin(AA_V6) 간의 온도 차이(Fig. 6b), 그리고 Tskin(MODIS)와 Tskin(AO_V6) 간의 차이(Fig. 6c)에서 해빙/해수 경계가 존재하는 56-81oN에서 Tskin(MODIS)가 AIRS 계열 표면온도보 다 더 높았다. Tskin(MODIS) 값이 Tskin(AA_V6)에 비 하여 최대 1.65 K 크게 나타났다. Tskin(AA_V6)와 Tskin(AO_V6)간의 차이는 최대 0.35 K이었다(Fig. 6d).
극해양의 해빙 지역(81oN 이북)에서는 Tskin(MODIS) 가 AIRS 계열 표면온도에 비하여 최대 2.4 K 더 낮 았다.
30-50oN의 중위도 해양지역에서는 Tskin(MODIS)값 이 Tskin(AA_V6)에 비하여 낮았다(Fig. 6b). 이러한 이유는 Tskin(MODIS) 경우에서는 지표 상태를 눈 또 는 얼음으로 가정하고 표면온도를 산출하기 때문으로 저위도에서 오차가 큰 데에 있다. 저위도에서는 표면 온도의 표준편차가 고위도 지역에 비하여 작았다.
Tskin(MODIS)와 Tskin(AA_V6) 간에 차이값의 표준편
차가 해빙이 주로 존재하는 60oN 이북의 극해양 지 역에서는 크게 나타났다(Fig. 6b). Tskin(AA_V6)와 Tskin(AO_V6) 간에 차이의 표준편차도 고위도로 갈수 록 점차 크게 나타났다(Fig. 6d).
위성 자료 간의 온도 경향 차이
세 종류 위성관측(Tskin(MODIS), Tskin(AA_V6), Tskin(AO_V6))간의 차이와 온도 추세와의 관련성을 조사하기 위하여 북반구에서 2003-2014년의 4월 16- 24일 동안에 매년 9일간의 각각의 위성관측 표면온
도 평균값을 이용하여 위도별, 격자별 온도 경향을 분석하였다(Table 3와 Fig. 7). 이 기간 중에 2012년 에는 그린란드에서 기록적인 해동(thaw)이 있었다 (Comiso and Hall, 2014; Hall et al., 2013; Nghiem et al., 2012). Table 3은 세 종류 위성관측의 각각 10o간격 위도대에서의 온도경향과 그것의 95% 신뢰 수준, 그리고 위성관측들 간의 온도경향 차이를 보여 준다. MODIS 경우는 구름의 영향으로 AIRS 계열에 비해 공간적으로 자료가 적다(Fig. 2b). 표면온도 자 료수의 공간적 분포 차이를 고려하여 한 해에 세 종 류의 위성자료가 모두 존재하는 격자만을 이용하여서 Fig. 6. (a) Difference between zonally averaged surface skin temperatures (∆Tskin) of MODIS due to the grid conversion from 4×4 km to 1×1o (i.e., Tskin(MODIS_4km) minus Tskin(MODIS_1o)) over the northern hemisphere during April 16-24, 2003-2014.
The difference has been calculated only if the number of 4×4 km grids exceed 50% of their expected value within a 1×1o (~100×100 km at the equator) grid. Difference values in zonally averaged surface skin temperatures of (b) Tskin(MODIS) minus Tskin(AA_V6), (c) Tskin(MODIS) minus Tskin(AO_V6), and (d) Tskin(AO_V6) minus Tskin(AA_V6) under the colocated condition of both datasets. The vertical bar in the figure means one standard deviation of the annual 9-day temperature differences.
온도경향을 계산하였다. 참고로 자료의 공간적 분포 차이를 고려하지 않고 계산한 온도경향은 괄호 안에 나타내었다.
통계적으로 유의적인 온도증가(0.23-0.28 K yr−1)가 70-80oN에서 나타났다(Table 3). 이러한 값은 세 종류 위성관측 자료를 공간적으로 일치하였을 때(i.e., colocation), Tskin(MODIS)에서 0.23 K yr−1, Tskin(AA_
V6)에서 0.28 K yr−1, Tskin(AO_V6)에서 0.27 K yr−1로 Tskin(AA_V6)>Tskin(AO_V6)>Tskin(MODIS)의 크기 순 으로 나타났다. Colocation을 고려하지 않았을 때에 는 세 종류 자료의 온도 경향은 대략 0.23 K yr−1으로 서로 비슷하게 나타났다. Comiso and Hall (2014)에 의하면, 온난화가 64oN 이북의 북반구 지역에서 1981-2012년 기간에 GISS (Goddard Institute for Space Studies)에서 0.60 K 10 yr−1, 그리고 AVHRR (Advanced Very High Resolution Radiometer) 위성 관측에서는 0.69 K 10 yr−1이었다. 따라서, 북극 부근 의 온도증가가 1981-2012년에 비하여 최근(2003- 2014년)에 심화되었음을 알 수 있다. Tskin(MODIS)와 Tskin(AA_V6) 간의 온도경향 차이의 폭은 40-70oN 지 역의 0.01-0.02 K yr−1에 비하여 70oN 이상의 고위도 지역(-0.05 K yr−1)에서 크게 나타났다. AIRS계열 간 에 온도경향 불일치는 60-70oN에서 컸으며, Tskin
(AA_V6)가 Tskin(AO_V6)보다 0.03 K yr−1만큼 더 크 게 나타났다. 이는 오호츠크 해 지역에서 AIRS계열 간의 표면온도 차이에 의한 영향으로 추정된다(Fig.
3c).
Fig. 7a는 북반구에서 2003-2014년의 4월 16-24일 기간에 매년 9일 Tskin(MODIS)의 평균값을 사용하여 1×1o 격자에서 95% 신뢰수준에서 통계적으로 의미있 는 온도경향의 공간 분포를 보여준다. Tskin(MODIS) 자료는 구름으로 인한 부족한 관측 횟수를 고려하여 각 공간 격자에서 12년 중에 최소 10년 이상의 자료 가 존재할 때 온도경향을 계산하였다. Tskin(AA_V6) 와 Tskin(AO_V6)의 온도 경향은 12년 자료가 모두 있는 경우에만 계산하였고, 95% 신뢰수준을 고려하 여 통계적으로 유의적인 경우를 각각 Fig. 7b-c에 나 타내었다.
Table 3에서는 70-80oN에서 세 종류의 위성관측 (Tskin(MODIS), Tskin(AA_V6), Tskin(AO_V6)) 모두가 온도증가를 현저하게 보였다. 그러나 Tskin(MODIS) 결과에 의하면, 같은 70-80oN 위도대에서도 지역에 따라 온도 경향이 상이하였다(Fig. 7a). 북극해 부근 에서는 온도증가, 반면에 그린랜드 부근에서는 온도 감소가 나타났다. 태평양과 대서양에서는 각각 약한 온도증가와 온도감소가 나타났다. 이러한 특징은 Tskin(AA_V6)와 Tskin(AO_V6) 경우에서도 유사하게 나타났다(Fig. 7b-c). Comiso and Hall (2014)은 1981년 8월부터 2012년 12월까지 기간에 AVHRR 관측자료를 이용하여 북반구 고위도에서의 온난화 경 향, 특히 카라해(Kara Sea; 76oN, 80oE)에서 1.5 K 10 yr−1 이상의 온난화를 보고한 바 있다. 본 연구의 70-80oN에서의 통계적으로 유의미한 온도 증가는 12 년 동안 매년 9일 간의 자료만을 이용하였음에도 불
60-70oN -0.051±0.117 (-0.050±0.116)
-0.065±0.129 (-0.051±0.123)
-0.090±0.105 (-0.075±0.103)
0.014 (0.001)
0.040 (0.025)
-0.026 (-0.024)
50-60oN -0.035±0.054 (-0.035±0.054)
-0.052±0.063 (-0.042±0.060)
-0.047±0.055 (-0.042±0.052)
0.018 (0.007)
0.012 (0.007)
0.006 (0.000)
40-50oN 0.029±0.040 (0.029±0.037)
0.010±0.058 (0.021±0.043)
0.019±0.056 (0.031±0.040)
0.019 (0.008)
0.010 (-0.002)
0.009 (0.010)
구하고 Comiso and Hall (2014)의 온난화 결과와 잘 일치하였다.
Tskin(MODIS)와 Tskin(AA_V6)가 동시에 이용가능한 격자에서 이들 온도경향 간의 차이는 북반구의 북극 해 일부 지역과 그린란드 부근에서 존재하였다(Fig.
8a). Tskin(MODIS)와 Tskin(AO_V6)간의 격자별 온도경 향 차이도 거의 동일한 지역에서 존재하였다(Fig.
8b). Tskin(AA_V6)와 Tskin(AO_V6)의 추세는 대부분 지역에서 ~1 K 이내에서 잘 일치하였다(Fig. 8c).
Spencer (2015)는 위성관측들의 온도경향이 서로 다른 이유는 온도산출 알고리즘의 차이, 분석 기간의 차이, 위성궤도의 변동에 있다고 보고하였다. 본 연 구에서는 세 종류의 위성관측 표면온도 산출물에서 유도된 온도 경향들 간의 차이가 표면온도 산출 알 고리즘의 차이와 관련되어 있음을 보이고자 하였다.
이러한 알고리즘 차이는 위성관측 복사계의 채널과
밀접하게 관련되어 있다. Table 4는 북위 50oN 이북 에서 2003-2014년의 4월 16-24일 기간에 매년 Tskin
(MODIS)와 Tskin(AA_V6) 간의 차이, Tskin(MODIS)와 Tskin(AO_V6) 간의 차이, Tskin(AO_V6)와 Tskin(AA_V6) 간의 차이에 따른 해당 온도경향의 차이를 보여준다.
여기서는 해당하는 격자수가 100개 이상인 경우에만 분석하였다. 각 공간 격자에서 Tskin(MODIS)가 Tskin
(AA_V6)에 비하여 큰 경우에 온도 차이가 1, 1.5, 2 K으로 커질수록 Tskin(MODIS)과 Tskin(AA_V6)의 온 도경향의 차도 각각 −0.10, 0.04, 0.19 K 10 yr−1로 증 가하는 방향로 나타났다.
Tskin(MODIS)값이 Tskin(AA_V6)에 비하여 작은 격 자에서의 해당 온도 경향은 −1, −1.5, −2 K으로 차이 가 커질수록 온도감소가 −0.45, −0.45, −0.60 K 10 yr−1 로 심화되었다. Tskin(MODIS)와 Tskin(AO_V6) 간의 온도경향 차이는 표면온도 간의 차이가 커질수록 같 Fig. 7. In the 95% confidence interval, the satellite-observed 9-day anomaly trends (K yr−1) in a spatial grid box of 1×1o dur- ing Apr. 16-24, 2003-2014 in the northern hemisphere using the (a) Tskin(MODIS), (b) Tskin(AA_V6) and (c) Tskin(AO_V6).
은 방향으로 크게 나타났다. 다시 말해, Tskin(MODIS) 값이 Tskin(AO_V6)에 비하여 큰 공간격자의 경우에 해당 온도경향의 평균에서도 Tskin(MODIS)가 Tskin
(AO_V6)에 비하여 크게 나타났다. 요약하면, 전자
값이 후자보다 작은 격자에서의 해당 온도경향의 평 균은 같은 방향으로 전자가 후자에 비하여 작았다.
AIRS 계열 간의 비교에서도 표면온도 간의 차이가 클수록 온도경향의 차이도 크게 나타났다. 또한 표면 Fig. 8. Difference in anomaly trend (K yr−1) between satellite-derived surface skin temperatures of 9 day composite data over the northern hemisphere during April 16-24, 2003-2014: (a) Tskin(MODIS) minus Tskin(AA_V6), (b) Tskin(MODIS) minus Tskin(AO_V6), and (c) Tskin(AO_V6) minus Tskin(AA_V6).
Table 4. Difference between satellite-derived surface skin temperature trends (∆Trend) due to the temperature difference (∆Tskin) over the region poleward from 50oN: Tskin(MODIS) minus Tskin(AA_V6), Tskin(MODIS) minus Tskin(AO_V6), and Tskin(AO_V6) minus Tskin(AA_V6). Also the difference values in its lower part indicate the cases of ±∆Trend with respect to ±∆Tskin (double signs in same order). In this case, thus positive values of ∆Trend have been used under the positive ∆Tskin condition. The cases for the grid (1×1o) number (i.e., Num) less than 100 have not been considered due to sampling problem.
∆Tskin(K)
Tskin(MODIS) minus Tskin(AA_V6) Tskin(MODIS) minus Tskin(AO_V6) Tskin(AO_V6) minus Tskin(AA_V6)
Num of grids ∆Tskin ∆Trend
(K 10yr−1) Num of grids ∆Tskin ∆Trend
(K 10yr−1) Num of grids ∆Tskin ∆Trend (K 10yr−1)
≥1.0 2.2×103 2.0 -0.10 1.8×103 1.9 0.13 9.5×10 - -
≥1.5 1.5×103 2.3 0.04 1.2×103 2.3 0.32 1.9×10 - -
≥2.0 9.4×102 2.7 0.19 6.9×102 2.7 0.38 5 - -
≤-1.0 1.8×103 -1.9 -0.45 2.1×103 -1.7 -0.41 2.4×102 -2.3 -0.34
≤-1.5 9.2×102 -1.9 -0.45 1.3×103 -2.1 -0.42 1.6×102 -2.7 -0.47
≤-2.0 3.7×102 -2.3 -0.60 6.1×102 -2.4 -0.45 1.1×102 -3.2 -0.78
온도 차이 평균의 부호와 온도경향 차이 평균의 부 호가 동일하게 나타났다. 이는 세 종류 표면온도 간 의 상대오차가 온도 추세 불일치에도 계통적으로 영 향을 미친다는 것을 의미한다.
결 론
본 연구에서는 북반구(30-90oN)의 1×1o 공간 격자 에서 2003-2014년의 4월 15-23일 기간에 9일 평균값 을 기초로 세 종류 위성관측(MODIS, AIRS/AMSU 와 AIRS only)의 표면온도와 해당 온도경향을 상호 비교하였다. Tskin(MODIS)와 Tskin(AA_V6) 사이의 상 관은 0.98-0.99이었으며, 비교적 높았으나, Tskin(AA_V6) 의 260-273 K 구간에서 두 종류 자료 간에 계통적인 불일치가 나타났다. 세 종류 위성관측 표면온도값 간 의 차이는 해빙/해수 경계 부근(56-81oN)에서는 Tskin
(MODIS)가 AIRS 계열에 비하여 최대 1.65 K 높았 으나, 해빙이 우세하게 존재하는 고위도에서는 최대 2.37 K 낮았다. 해빙이 존재하는 위도대에서는 표면 온도값 간의 차이뿐만 아니라 해빙의 계절적 이동에 의하여 표준편차(i.e., 경년 변화)도 크게 나타났다.
이러한 이유는 세 종류 위성관측 알고리즘이 해빙 탐지에 있어서 서로 다른 데에 있다고 추정되었다.
MODIS 관측을 이용한 해빙 탐지 방법은 가시영역 반사율과 IST를 사용하는데, IST는 지표정보(i.e., 해 빙)를 구분하기 전에 산출되어 해빙/해수 경계 또는 해빙 지역에서 부정확하다. 반면에 AIRS/AMSU 알 고리즘은 MODIS에 비하여 공간해상도는 낮지만, AMSU 복사계의 23과 50 GHz에서 해수와 해빙의 방출율 변화의 차이를 이용하여 해빙과 해수를 구분 한 후에 표면온도를 산출하기 때문에 해빙/해수 구분 에 MODIS에 비하여 유리하다(Barnet et al., 2007).
AIRS 계열의 표면온도 간에 상관(r= ~1.00)은 Tskin
(MODIS)와 AIRS 계열의 관계(r=0.98-0.99)에 비하 여 높았다. AIRS 계열의 표면온도 알고리즘들은 상 당 부분이 서로 유사하지만, Tskin(AO_V6)는 Tskin
(AA_V6)와는 다르게 마이크로파 대신에 GCM의 예 보온도를 이용하여 지표정보를 얻는다. 이러한 차이 가 해빙/해수 경계 부근에서 상대적으로 큰 불일치의 원인으로 추정된다.
세 종류의 위성자료 간에 표면온도 불일치와 온도 추세의 불일치의 관련성을 조사하기 위하여 동일한 기간에 위도대별 및 격자별 온도경향을 계산하였다.
세 종류 자료 모두에서 북반구 고위도(70-80oN)에서 통계적으로 유의적인 온도증가(0.23-0.28 K yr−1)가 나 타났다. 격자별 온도경향의 분석에서는 같은 위도대 라 할지라도 북극해 일부 지역에서 통계적으로 의미 있는 온도증가가 나타났으며, 그린란드 부근에서는 온도감소가 나타났다. 세 종류 위성관측 간에 위도별 온도경향의 차이는 중위도에 비하여 고위도에서 현저 하였다. Tskin(AA_V6)와 Tskin(AO_V6) 간에 차이는 다른 위도대에 비하여 60-70oN에서 0.03 K yr−1로 상 대적으로 크게 나타났다. Tskin(MODIS)와 Tskin(AO_V6), 그리고 Tskin(AA_V6)와 Tskin(AO_V6) 간의 격자별 온 도경향 차이는 격자별 표면온도의 차이와 같은 부호 (i.e., 온도증가 또는 온도감소)를 보였다. 본 연구에서 는 12년 동안 매년 9일 간의 단기간 자료를 이용하 였음에도 불구하고, 통계적으로 유의적인 70-80oN에 서의 온도경향 결과는 기존 연구(Comiso and Hall, 2014)와 잘 일치하였다. 이와 비슷하게 적은 표본 수 를 이용한 연구로는 Angell (2003), Kal et al.
(2006), Randal and Wu (2006), Trenberth et al.
(2007)와 IPCC (2007) 등이 있으며, 여전히 다양한 분야에서 활용되고 있다.
본 연구에서는 북반구 지역에서 세 종류 위성관측 표면온도 간의 차이가 해당 온도경향에 미치는 영향 을 분석하여, 그 원인이 주로 해빙/해수 탐지 알고리 즘의 차이에 주로 있음을 제시하였다. 현 연구에서 사용한 세 종류의 위성관측 L3 산출물에서는 명확한 지표정보 자료를 제공하지 않고 있다. 후속 연구에서 는 AIRS 계열 L2 자료에서 이용가능한 세부적인 지 표정보를 이용함으로써 지표정보에 따른 Tskin(AA_
V6)와 Tskin(AO_V6) 간에 상대오차를 보다 정확하게 조사할 수 있을 것으로 기대된다. 또한 장차 연구에 서 연구 지역을 북반구 뿐만 아니라 남반구로 확대 하여 반구별 특성을 조사할 필요가 있다. 본 연구는 극해양 지역에 대한 기후연구나 온도추세 분석에 도 움을 줄 수 있으며, 수치 모델에서 자료동화나 입력 자료로 활용되는 위성자료의 상대적인 정확성을 비교 함으로써 모델 개선에도 유용하다.
사 사
본 논문은 강희정의 2015년도 석사 학위논문의 데 이터를 활용해 재구성하였으며, 환경부의 차세대핵심 환경기술개발사업(Eco-technopia21 project)의 지원
Aqua mission: design, science objectives, data products, and processing systems. IEEE Geoscience and Remote Sensing Society, 41, 253-264.
Angell, J.K., 2003, Effect of exclusion of anomalous tropical stations on temperature trends from a 63-station radiosonde network, and comparison with other analyses. Journal of Climate, 16, 2288-2295.
Barnes, W.L., Pagano, T.S., and Salomonson, V.V., 1998, Prelaunch characteristics of the moderate resolution imaging spectroradiometer (MODIS) on EOS-AM1.
IEEE Geoscience and Remote Sensing Society, 36, 1088-1100.
Barnet, C., Manning, E., Rosenkranz, P., Strow, L., Susskind, J., Chahine, M.T., and Aumann, H.H., 2007, AIRS-team retrieval for core products and geophysical parameters (Level2). http://disc.sci.gsfc.nasa.gov/AIRS/
documentation/v6_docs (December 4th 2014)
Boucher, O., Randall, D., Artaxo, P., Bretherton, C., Feingold, G., Forster, P., Kerminen, V.-M., Kondo, Y., Liao, H., Lohmann, U., Rasch, P., Satheesh, S.K., Sherwood, S., Stevens, B., and Zhang, X.Y., 2013, Clouds and Aerosols. In Stocker, T.F. et al. (eds.), Climate Change 2013: The Physical Science Basis.
Cambridge University Press, Cambridge, UK, 571-657.
Comiso, J.C. and Hall, D.K., 2014, Climate trends in the Arctic as observed from space. WIREs Climate Change, 5, 389-409, doi: 10.1002/wcc.277.
Dong, S., Gille, S.T., Sprintall, J., and Gentemann, C., 2006, Validation of the advanced microwave scanning radiometer for the earth observing system (AMSR-E) sea surface temperature in the southern ocean. Journal of Geophysical Research, 111, C04002, doi:10.1029/
2005JC002934.
Donlon, C.J., Minnett, P.J., Gentemann, C., Nightingale, T.J., Barton, I.J., Ward, B., and Murray, M.J., 2002, Toward improved validation of satellite sea surface skin temperature measurements for climate research. Journal of Climate, 15, 353-369.
Emery, W.J., Castro, S., Wick, G.A., Schluessel, P., and Donlon, C., 2001, Estimating sea surface temperature
Gardner, M.W. and Dorling, S.R., 1998, Artificial neural networks (the multilayer perceptron) - A review of applications in the atmospheric sciences. Atmospheric Environment, 32, 2627-2636.
Grody, N., Weng, F., and Ferraro, R., 1999, Application of AMSU for obtaining water vapor, cloud liquid water, precipitation, snow cover and sea ice concentration. In Marshall, J.L. and Jasper, J.D. (eds.), Technical proceedings of the tenth international atovs study conference. Bureau of Meteorology Research Centre, Melbourne, Australia, 230-240.
Hall, D. K., 2001, Algorithm Theoretical Basis Document (ATBD) for the MODIS Snow and Sea Ice-Mapping Algorithms. http://modis-snow-ice.gsfc.nasa.gov/?c=atbd
&t=atbd (December 4th 2014)
Hall, D.K., Key, J.R., Casey, K.A., Riggs, G.A., and Cavalieri, D.J., 2004, Sea ice surface temperature product from MODIS. IEEE Geoscience and Remote Sensing Society, 42, 1076–1087.
Hall, D.K., Comiso, J.C., Digirolamo, N.E., Shuman, C.A., Box, J.E., and Koenig, L.S., 2013, Variability in the surface temperature and melt extent of the Greenland ice sheet from MODIS. Geophysical Research Letters, 40, 2114–2120, doi:10.1002/grl.50240.
Hearty, T.J., Savtchenko, A., Tian, B., Fetzer, E., Yung, Y.L., Theobald, M., Vollmer, B., Fishbein, E., and Won, Y.-I., 2014, Estimating sampling biases and measurement uncertainties of AIRS/AMSU-A temperature and water vapor observations using MERRA reanalysis. Journal of Geophysical Research, 119, 2725–2741, doi:10.1002/
2013JD021205.
Hewison, T.J. and English, S.J., 1999, Airborne retrievals of snow and ice surface emissivity at millimeter wavelengths. IEEE Geoscience and Remote Sensing Society, 37, 1871-1879.
IPCC, 2007, IPCC Fourth Assessment Report: Climate Change 2007 (AR4). Cambridge University Press, Cambridge, UK and New York, USA, 976 p.
Jakob, C., 1999, Cloud cover in the ECMWF reanalysis.
American Meteorological Society, 12, 947-959.
Jee, J.-B. and Choi, Y.-J., 2014, Conjugation of Landsat data for analysis of the land surface properties in capital area. Journal of the Korean Earth Science Society, 35, 54-68. (in Korean)
Jin, M., Dickinson, R.E., and Vogelmann, A.M., 1997, A comparison of CCM2-BAT skin temperature and surface-air temperature with satellite and surface observations. Journal of Climate, 10, 1505–1524.
Jin, M., and Dickinson, R. E., 2010, Land surface skin temperature climatology: benefitting from the strengths of satellite observations. Environmental Research Letters, 5, 044004.
Karbou, F., Rabier, F., and Prigent, C., 2014, The assimilation of observations from the Advanced Microwave Sounding Unit over sea ice in the French global numerical weather prediction system. Monthly Weather Review, 142, 125-140, doi: 10.1175/MWR-D- 13-00025.1.
Karl, T.R., Hassol, S.J., Miller, C.D., and Murray, W.L.
(eds.), 2006, Temperature trends in the lower atmosphere: steps for understanding and reconciling differences. A report by the Climate Change Science Program and Subcommittee on Global Change Research, Washington, DC, 180 p.
Key, J., John, R., Collins, B., Fowler, C., and Stone, R.S., 1997, High-latitude surface temperature estimates from thermal satellite data. Remote Sensing of Environment, 61, 302-309.
Kim, E.-J. and Hong, S.-Y., 2010, Impact of air-sea interaction on East Asian summer monsoon climate in WRF. Journal of Geophysical Research, 115, D19118.
Konda, M., Imasato, N., Nishi, K., and Toda, T., 1994, Measurement of the sea surface emissivity. Journal of Oceanography, 50, 17-30.
Kongoli, C., Boukabara, S., Yan, B., Weng, F., and Ferraro, R., 2008, Sea ice concentration retrievals from variationally retrieved microwave surface emissivities.
http://microrad2008.cetem.org/public/presentations/
20080314_16.50_Kongoli.pdf (December 4th 2014) Lee, Y.-R., Yoo, J.-M., Jeong, M.-J., Won, Y.-I., Hearty, T.,
and Shin, D.-B., 2013, Comparison between MODIS and AIRS/AMSU satellite-derived surface skin temperatures.
Atmospheric Measurement Techniques, 6, 445-455, doi:10.5194/amt-6-445-2013.
Li, G., Huang, H.-L., Baggett, K., and Li, J., 2005, Comparison of global AIRS/AMSU and AIRS/MODIS cloud-clearing performance. In Huang, H.-L. et al.
(eds.), Atmospheric and Environmental Remote Sensing Data Processing and Utilization: Numerical Atmospheric Prediction and Environmental Monitoring. SPIE, California, USA, 334-342, doi: 10.1117/12.615510.
Lindsay, R.W. and Rothrock, D.A., 1994, Arctic sea ice surface temperature from AVHRR. Journal of Climate,
7, 174-183.
Liou, K.N., 2002, An introduction to atmospheric radiation.
Academic press, Amsterdam, Netherlands, 583 p.
Liu, C.-Y., Li, J., Weisz, E., Schmit, T.J., Ackerman, S.A., and Huang, H.-L., 2008, Synergistic use of AIRS and MODIS radiance measurements for atmospheric profiling. Geophysical Research Letters, 35, L21802, doi:10.1029/2008GL035859.
Molnar, G.I. and Susskind, J., 2005, Validation of AIRS/
AMSU cloud retrievals using MODIS cloud analyses.
In Shen, S. S. and Lewis, P. E. (eds.), Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XI. SPIE, Florida, USA, 618, doi:10.1117/12.603706.
Nghiem, S.V., Hall, D.K., Mote, T.L., Tedesco, M., Albert, M.R., Keegan, K., Shuman, C.A., Digirolamo, N.E., and Neumann, G., 2012, Extreme melt across Greenland ice sheet. Geophysical Research Letters, 39, L20502, doi:10.1029/2012GL053611.
Olsen, E., 2013a, AIRS/AMSU/HSB version 6 changes from version 5. http://disc.sci.gsfc.nasa.gov/AIRS/
documentation/v6_docs/v6releasedocs-1/
V6_Changes_from_V5.pdf (December 4th 2014) Olsen, E., 2013b, AIRS/AMSU/HSB version 6 data release
user guide. http://disc.sci.gsfc.nasa.gov/AIRS/documentation/
v6_docs/v6releasedocs-1/
V6_Data_Release_User_Guide.pdf (December 4th 2014) Olsen, E., 2013c, AIRS/AMSU/HSB version 6 retrieval
flow. http://disc.sci.gsfc.nasa.gov/AIRS/documentation/
v6_docs/v6releasedocs-1/V6_Retrieval_Flow.pdf (December 4th 2014)
Randel, W.J. and Wu, F., 2006, Biases in stratospheric and tropospheric temperature trends derived from historical radiosonde data. Journal of Climate, 19, 2094-2104.
Riggs, G.A., Hall, D.K., and Ackerman, S.A., 1999, Sea ice extent and classification mapping with the moderate resolution imaging spectroradiometer airborne simulator.
Remote Sensing of Environment, 68, 152-163.
Riggs, G.A., Hall, D.K., and Salomonson, V.V., 2006, MODIS Sea Ice Products User Guide to Collection 5.
http://modis-snow-ice.gsfc.nasa.gov/uploads/siug_c5.pdf (December 4th 2014)
Scott, K.A., Li, E., and Wong, A., 2014, Sea ice surface temperature estimation using MODIS and AMSR-E data within a guided variational model along the Labrador Coast. IEEE Geoscience and Remote Sensing Society, 7, 3685-3694, doi: 10.1109/JSTARS.2013.
2292795.
Spencer, R.W., 2015, Why Do Different Satellite Datasets Produce Different Global Temperature Trends. http://
www.drroyspencer.com/2015/01/why-do-different-satellite- datasets-produce-different-global-temperature-trends/
(March 1st 2015)
L.A., Fetzer, E.J., and Cress, T.S., 2006, Atmospheric radiation measurement site atmospheric state best estimates for Atmospheric Infrared Sounder temperature and water vapor retrieval validation. Journal of Geophysical Research, 111, D09S14, doi:10.1029/
2005JD006103.
Trenberth, K.E., and Coauthors, 2007, Observations:
Surface and atmospheric climate change. In Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K.B., Tignor, M., and Miller, H.L. (eds.), Climate Change 2007: The physical science basis.
Contribution of working group I to the fourth assessment report of the Intergovernmental panel on climate change. Cambridge University Press, Cambridge, UK and New York, USA, 159-254.
Wang, K., Wan, Z., Wang, P., Sparrow, M., Liu, J., Zhou, X., and Haginoya, S., 2005, Estimation of surface long wave radiation and broadband emissivity using moderate resolution imaging spectroradiometer (MODIS) land surface temperature/emissivity products. Journal of Geophysical Research, 110, D11109, doi:10.1029/
microwave sounding unit. Journal of Geophysical Research, 113, D19206, doi:10.1029/ 2007JD009559.
Yoo, J.-M., and Kim, G.-S., 1997, Inference of atmospheric thermal state from satellite data: Global temperature trends. Journal of the Korean Earth Science Society, 18, 40-50. (in Korean)
Yoo, J.-M., and Kim, S.-H., 1998, Empirical orthogonal function analysis of microwave satellite data for lower stratospheric temperature. Journal of the Korean Earth Science Society, 19, 649-663. (in Korean)
Yoo, J.-M., Won, Y.-I., Jeong, M.-J., Kim, K.-M., Shin, D.- B., Lee, Y.-R., and Cho, Y.-J., 2013, Intensity of climate variability derived from the satellite and MERRA reanalysis temperatures: AO, ENSO, and QBO. Journal of Atmospheric and Solar-Terrestrial Physics, 95-96, 15-27,doi:10.1016/j.jastp.2013.01.002.
Yuan, D., 2009, Science focus: Sea surface temperature measurements of the MODIS and AIRS instruments onboard of Aqua satellite. http://disc.sci.gsfc.nasa.gov/
oceans/additional/sciencefocus/modis/MODIS_and_AIRS _SST_comp.html (December 4th 2014)
Manuscript received: January 14, 2015 Revised manuscript received: March 1, 2015 Manuscript accepted: April 15, 2015
Fig. A1. Flow diagrams of algorithms for the (a) MODIS IST product (Riggs et al., 1999), (b) AIRS/AMSU (Olsen, 2013c), (c) AIRS only (Olsen, 2013a), and d) surface classification of AIRS/AMSU (Grody et al., 1999). Ref: reflectance, coeffs: coeffi- cients, sfc: surface, MW: microwave, atm: atmospheric, rad: radiances, OBS: observed, IR: infrared, Ts: surface skin tempera- ture, εs: surface spectral emissivity, ρv: surface bidirectional reflectance of solar radiation, T(p): atmospheric temperature profile, q(p): atmospheric moisture profile, O3(p): atmospheric ozone profile, CO(p): atmospheric carbon monoxide profile, CH4(p): atmo- spheric methane profile, OLR: outgoing longwave radiation, and temp: temperature.
Table A1. Infrared (IR) and microwave (MW) emissivity (ε) values on three different surface types. IR values have been available in the previous studies (Konda et al., 1994;
Key et al., 1997; Hall, 2001; Wang et al., 2005), and MW values (Hewison and English, 1999; Yan et al., 2008)
Surface type Infrared Microwave
Land 0.8-0.97 0.9-1.0
Snow/ice 0.90-0.99 0.6-0.9
Water 0.96-0.98 0.5-0.7
Fig. A1. Continued.
