3.1 ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station (ECOSTRESS)

ECOSTRESS mission은 전 지구적 수문 및 탄소순환의 모니터링과 작물별 수분 스트레스 산정을 통한 가뭄의 모니터링을 위해 시작되었다^{(Fisher et al., 2020)}. ECOSTRESS는 NASA 제트 추진 연구소(Jet Propolusion Laboratory; JPL)에서 개발하여 국제우주정거장(International Space Station; ISS)에 탑재한 다중 파장 복사계이다. ECOSTRESS는 정해진 시각에 적도를 통과하는 극궤도 위성(MODIS, Landsat 등)과 달리 ISS에 탑재되어 하루 중 다른 시간에 ~52°N과 ~52°S에서 관측 인자의 추정값을 산정한다. ECOSTRESS 산출물의 시간해상도는 위도에 따라 1~5일로 나타나며, 기존 MODIS 기반 자료에 비해 높은 공간해상도로 LST 및 ET (70 m)를 포함한 다양한 산출물을 제공한다.

3.2 MODerate Resolution Imaging Spectroradiometer (MODIS)

MODIS는 NASA의 지구 전역 장기 관측 계획(Earth Observing System)의 목적으로 발사한 지구 관측 센서이다. MODIS는 1999년 12월 발사된 Terra 위성과 2002년 5월에 발사된 Aqua 위성에 탑재되어 지구 전역을 일 1~2회 관측하고 있다. Terra와 Aqua 위성은 각각 지상 관측과 해양 관측의 목적으로 지구의 북극과 남극 상공을 통과하는 극궤도 광학 위성이며, 각 지역의 오전 10시 30분에 북쪽에서 남쪽으로 Terra 위성이, 오후 1시 30분에 남쪽에서 북쪽으로 Aqua 위성이 상공을 통과하며 지구 현상을 관측한다.

MODIS LST (DOI: 10.5067/MODIS/MOD11A1.061)는 MODIS 센서의 36개 밴드 중 31(10.78~11.28 µm), 32(11.77~ 12.27 µm) 열적외 밴드(Thermal InfeaRed)의 값을 이용하여 분리대기창 방법을 기반으로 추정한다. 분리대기창 방법은 ^{Mcmillin(1975)}에 의해 해수면 온도(Sea Surface Temperature) 산출에 활용되어 왔으나, ^Price(1984)는 LST의 산출에도 활용할 수 있도록 하였다. 분리대기창 방법은 각 토지 피복별 방사율과 LST의 선형적인 비례관계를 가정하고, 대기 연직 방향의 수증기 양에 따른 감쇠 효과를 고려하여 LST를 산정한다. 또한, MODIS LST의 분석 과정에서 식생의 영향을 확인하기 위해 MODIS Leaf Area Index (LAI; DOI: 10.5067/MODIS/MCD15A2H.006)를 추가적으로 활용하였다.

MODIS 8-day ET (DOI: 10.5067/MODIS/MOD16A2.061)는 PM 방정식을 기반으로 토지 피복, Leaf Area Index (LAI), Albedo, Fraction of Photosynthetically Active Radiation 등 원격탐사 자료와 기상학적 입력 자료를 통해 추정한다^{(Mu et al., 2013)}. NASA Earthdata의 MOD16A2.061 자료는 Total ET, Average Latent heat flux, Total PET, Average Potential Latent heat flux로 구분하여 제공하며, 본 연구에 활용한 Total ET (8-day ET)는 8일 간 ET의 합으로 계산한다. 본 연구에 활용한 MODIS 추정 자료는 NASA Earthdata를 통해 수득할 수 있다.

3.3 에디 공분산 기반 플럭스 타워 (Eddy Covariance Flux Tower)

본 연구에 활용한 지점 관측 자료는 환경부에서 운영하는 SMK 및 CFK를 포함하여 총 13개소의 에디 공분산 기반 플럭스 타워를 통해 수득하였다. 플럭스 타워에서는 정밀 기기를 활용하여 순복사량(Net Radiation), 잠열 플럭스(Latent heat flux; LE), 그리고 LST 등 다양한 수문기상인자 측정 자료를 30분 간격으로 생산 및 제공한다. 플럭스 타워의 원시 자료를 Level 0, EddyPro를 활용한 데이터 처리 과정을 거친 자료를 Level 1 (L1)으로 정의한다. 본 연구 과정에서는 L1 자료의 결측 구간에 대한 Gap-Filling을 시행하고, 품질관리 과정을 거쳐 도출된 Level 2 자료를 활용하였다^{(Kim et al., 2016)}.

SMK와 CFK 데이터는 MODIS LST 및 ET, ECOSTRESS LST 및 ET의 비교·분석에, 나머지 11개 지점 플럭스 타워 데이터는 ECOSTRESS ET 데이터 중 ETdaily의 비교·분석에 활용하였다. 본 연구에 활용한 관측소 현황은 한국수문조사연보(https: //hrfco.go.kr/) 및 한국수자원조사기술원(https://www.kihs.re.kr/)을 통해 확인할 수 있다.

5.1 원격탐사 기반 LST와 지점 기반 LST의 비교

본 절에서는 ECOSTRESS LST의 정확도를 평가하기 위해 플럭스 타워 LST와 비교하였다. 구체적으로, SMK와 CFK에서 ECOSTRESS LST와 플럭스 타워 LST, 그리고 MODIS LST와 플럭스 타워 LST를 각각 비교하였다(Fig. 2, Fig. 3).

전반적으로 ECOSTRESS LST와 MODIS LST는 사계절에 따라 주기성을 가지고 변동하였고, 시계열적 변동성 역시 플럭스 타워 관측 자료와 유사한 경향을 나타내었다. MODIS LST와 플럭스 타워 LST의 통계적 분석을 수행한 결과 SMK에서 MAE, RMSE, R, IOA는 순서대로 4.98℃, 6.05℃, 0.90, 0.89로, CFK에서는 5.13℃, 6.09℃, 0.92, 0.91로 나타났다. ECOSTRESS LST와 플럭스 타워 LST의 통계적 분석 결과 MAE, RMSE, R, IOA는 SMK에서 순서대로 5.11℃, 6.69℃, 0.47, 0.81로, CFK에서는 4.96℃, 6.12℃ 0.73, 0.91로 나타났다. MODIS LST는 두 지점에서 전반적으로 과대 산정되는 경향을 보였고, ECOSTRESS LST는 여름에 과소 산정, 그 외 계절에 과대 산정되는 경향을 나타내었다. 계절적으로 MODIS LST는 봄에 MAE 및 RMSE가 크게 나타났으며, 봄과 가을에 R과 IOA가 높은 값을 보였다. 또한, 상대적으로 CFK가 SMK보다 R 및 IOA가 높게 나타났다. ECOSTRESS LST는 봄과 여름에 높은 MAE와 RMSE를 보였고, SMK가 CFK보다 높은 MAE와 RMSE를 나타내었다. 반면, 가을에는 통계치의 경향이 역전되어 CFK가 SMK보다 MAE 및 RMSE가 높게 나타났다(Table 3).

MODIS LST가 과대 산정되는 과정에서 식생의 영향을 확인하기 위해 MODIS LAI를 활용하여 비교하였다. 두 지점에서 봄과 여름에 걸쳐 LAI의 증가에 따라 지점 기반 LST와 MODIS LST 간의 차이가 증가하는 경향을 보였고, SMK에서 더욱 뚜렷한 것으로 나타났다. 특히, SMK와 같이 식생의 밀도가 높은 지역에서는 식생 표면에서 증산작용으로 인한 Cooling effect로 인해 LST가 낮게 추정되었다^{(Pan et al., 2021)}. 또한, MODIS LST는 산정 과정에서 다양한 회귀 상수를 필요로 하며, 이는 토지 피복별로 구성된 Look-up table에 제시된 값을 활용한다^{(Wan et al., 2004)}. 이 값은 식생의 활력 및 생장을 고려하지 못하기 때문에 MODIS LST가 과대 산정된 것으로 판단된다^{(Neteler, 2010)}.

Fig. 2. Time Series of LST (℃) over (a) SMK, (b) CFK

Fig. 3. Scatterplot of ECOSTRESS based LST over (a) SMK, (b) CFK

ECOSTRESS LST는 TES 알고리즘에 의해 추정되며, 이 방법은 알베도가 낮은 물체(물, 눈, 식생 등)와 고온 다습한 대기 환경에서 오차가 발생한다^{(Kim, 2017)}. 따라서, 고온 다습한 여름에 두 지점에서 상대적으로 높은 불확실성을 포함하고, 비교적 강수량이 적고 동시에 식생 활력이 감소하는 가을에 높은 통계적 유의성을 보였다. 또한, ECOSTRESS LST 산정 과정에서 난류 발생에 따른 방사율의 불확실성에 의해 산지(SMK)가 논지(CFK)보다, 식생의 생장이 활발한 봄과 여름에 비교적 큰 오차를 나타내었다^{(Hulley and Hook, 2018)}.

5.2 원격탐사 기반 ET와 지점 기반 ET의 비교

ECOSTRESS ET의 정확도를 평가하기 위해 기존 검증이 이루어진 MODIS 8-day ET를 ECOSTRESS ET와 함께 플럭스 타워 ET와 비교하였다. 먼저 MODIS 8-day ET와 ECOSTRESS ETinst를 SMK와 CFK에서 분석하였으며, 그 결과를 Fig. 4와 Fig. 5에 나타내었다. MODIS 8-day ET는 전반적으로 지점 자료의 경향을 잘 모의하는 것으로 나타났다. MODIS 8-day ET와 플럭스 타워 ET의 통계적 분석을 수행한 결과 SMK에서 MAE, RMSE, R, IOA는 순서대로 8.59 mm/8 day, 11.20 mm/8 day, 0.81, 0.68, CFK에서는 6.74 mm/8 day, 9.16 mm/8 day, 0.67, 0.79로 나타났다.

Fig. 4. Time Series of MODIS 8-day ET (mm/8 day) and ECOSTRESS Daily ET (mm/day) over (a) SMK, (b) CFK

MODIS 8-day ET는 여름에 SMK에서 19.00~39.60 mm/ 8 day의 범위를 나타내며 지점 자료(8.30~25.50 mm/8 day)에 비해 과대 산정되었다. CFK에서도 마찬가지로 9.80~56.20 mm/ 8 day의 범위를 보이며 지점 자료(12.20~35.50 mm/8 day)에 비해 과대 산정되었다. 계절별 MODIS 8-day ET의 정확도를 분석한 결과 SMK에서는 여름을 제외한 봄과 가을, 겨울에 R 값이 0.66 이상으로, CFK에서는 가을과 겨울에 R 값이 0.67 이상으로 나타났다. ^{Ruhoff et al.(2013)}에 따르면 MODIS 8-day ET는 광학 위성의 특성상 구름의 영향을 받기 때문에 건조한 계절에 추정값의 정확도가 높게 나타나고, 습한 계절에 상대적으로 오차가 증가한다. 따라서 건조한 가을과 겨울에 높은 R 값을 보였으며, 습한 여름에 상대적으로 오차가 크게 나타난 것으로 판단된다. 추가적으로, SMK에서 여름과 가을에 MAE와 RMSE가 높은 값을 보였으며, CFK에서는 봄과 여름에 MAE와 RMSE가 높게 나타났다. 단, CFK에서는 2021년과 2022년 봄에 과소 산정되는 경향을 보였다. 이는 MODIS 8-day ET 추정 과정에서 500 m 공간해상도로 인해 논지에 위치한 CFK 주변 관개(Irrigation)를 충분히 모의하지 못하기 때문에 4.80~14.80 mm/8 day의 범위를 보이며 지점 자료(4.70~29.20 mm/8 day)보다 과소 산정되는 경향을 나타내는 것으로 판단된다. 마지막으로, MOD16 알고리즘에 활용되는 다양한 입력 인자들의 불확실성이 MODIS 8-day ET의 불확실성을 증가시키는 것으로 판단된다. MOD16 알고리즘은 110 km의 공간해상도를 가진 GMAO 재분석 자료 기반 수문기상인자를 활용하여 ET를 계산한다. 이때 resampling 과정을 통해 1 km의 공간해상도로 변환하는 과정에서 오차가 발생한다. 또한, MODIS 기반 LAI는 식생 생장기 또는 휴면기에 crop, savanna, grassland를 명확히 구분하지 못하는 경우가 간간히 발생한다^{(Fang et al., 2013)}. 이는 MOD16 알고리즘에 따른 ET에서 aerodynamic term을 계산할 때 불확실성을 나타낼 수 있다^{(Ruhoff et al., 2013)}.

Fig. 5. Scatterplot of ECOSTRESS based ETinst over (a) SMK, (b) CFK

ECOSTRESS ETinst와 플럭스 타워 ET의 통계적 분석을 수행한 결과, SMK에서 MAE, RMSE, R, IOA는 순서대로 9.69 mm/day, 10.98 mm/day, 0.40, 0.26으로, CFK에서는 5.96 mm/day, 7.76 mm/day, 0.42, 0.50으로 나타났다. ECOSTRESS ETinst는 Fig. 5에서 확인할 수 있듯, 전반적으로 과대 산정되는 경향을 보였다. MODIS와 비슷한 경향의 RMSE와 상대적으로 낮은 R, IOA를 통해 ECOSTRESS ETinst는 전반적으로 추정된 값의 정확도와 정밀도가 저하되며, 선형적 상관성과 일치성 역시 MODIS에 비해 낮게 나타났다. ECOSTRESS ETinst와 플럭스 타워 ET 간의 R은 두 지점에서 유사한 값을 나타내었으며, IOA는 CFK가 SMK보다 상대적으로 높은 값을 보여 CFK의 일치성이 우수한 것으로 나타났다. ^{Liang et al.(2022)}에 따르면 ETinst는 전반적으로 과대 산정되는 경향을 나타내었다. 이는 오전(10시~12시)에 더욱 두드러지게 나타났는데, 본 연구에서 활용한 ETinst 자료 중 SMK에서 28.75 %, CFK에서 33.80 %가 오전에 해당된다. SMK와 CFK에서 오전 시간 관측치를 대상으로 MAE를 계산하였을 때, 전체 시간(9.69 mm/day, 5.96 mm/day) 및 오전을 제외한 나머지 시간(8.62 mm/day, 5.51 mm/day)보다 높은 12.43 mm/day, 7.10 mm/day로 나타났다. 이는 오전에 태양의 입사각이 낮아 주변 식생 및 지형적 조건에 의해 발생하는 그림자의 영향으로 발생한 순복사량의 불확실성이 원인이 된 것으로 사료된다^{(Valdés-Uribe et al., 2023)}. 특히, 평지(논지)에 설치된 CFK보다 산림 지역의 계곡부에 설치된 SMK에서 지형 조건에 따른 그림자의 영향으로 인해 오차가 높아진 것으로 보여진다.

마지막으로 ECOSTRESS ETdaily를 13개 지점에서 통계적 분석하였다(Fig. 6). 13개 관측소에서 MAE, RMSE, R, IOA의 평균은 순서대로 7.41 mm/day, 8.59 mm/day, 0.40, 0.25로 나타났으며, IOA는 모든 관측소에서 0.5 미만으로 일치성이 낮게 나타났다. 전반적으로 낮게 산정된 통계 결과는 ECOSTRESS와 지점 기반 일평균 자료의 산출 방법 차이에서 비롯된 것으로 판단된다. ECOSTRESS ETdaily가 06~18시에 추정된 값을 활용하여 제공하는 반면, 한국수문조사연보에서는 00시~24시에 관측한 값을 바탕으로 일평균한 ETdaily 자료만을 제공한다. 추후 30분 단위로 관측된 ET를 활용해 ECOSTRESS 추정 시간에 평균치를 계산하여 비교한다면, 더욱 정확한 검증이 이루어질 것으로 판단된다.

Fig. 6. Maps of ECOSTRESS ETdaily Statistics at 13 Eddy Covariance Flux Towers: (a) MAE, (b) RMSE, (c) R, (d) IOA