Improvement of cloud detection algorithm for the downwelling radiance measured by an infrared thermometer

Abstract

Cloud detection is the important technique for the various applications in weather/climate studies and for the retrievals from the remote-sensing measurements. Particularly, the cloud detection using the downwelling radiation measured by an infrared thermometer (IRT) has been utilized for many applications. In current study, to improve the ability of cloud detection algorithm employed the IRT measurement, the effects of the disparate characteristics of input parameters used for the detection algorithm are investigated using the data from the ARM SGP site. Firstly, to analyze the effects of instrument characteristics, the IRT data with different specifications are prepared and applied to the cloud detection algorithm. Secondly, to investigate the effects of the input parameters for the estimation of the clear-sky characteristics, the cloud detection algorithm is developed depending on the different parameters (PWV and radiance). The clouds detected by each algorithm is compared with the Cloud Base Best Estimate (CBBE), which is the combined CBH of the ceilometer and miropulse lidar (MPL). The comparison results show that the low-altitude clouds are detected with a sufficient accuracy: better than 97% probability of detection (POD) of all cloud detection algorithm. This is due to the much warmer brightness temperature (Tb) of the low clouds compared with the clear sky in the atmospheric window region where the IRT measurement was made, such feature is proved by the radiative transfer model (RTM) simulation. Conversely, the high-altitude cold clouds are hard to detect with the spectral test due to the much-reduced Tb contrast between cloudy and clear sky. Thus, the algorithm performance is largely dependent on the performance of the temporal test. Since the lower measurement noise provides a better estimation of the temporal variability of clear sky Tb with less estimation uncertainty, the IRT data having a better noise performance shows a better POD value by as much as 53.4%. However, the improvement is realized only when the dynamic range of IRT covers sufficiently cold Tb, such as −100 °C. Through the utilization of the PWV data and the radiance, the spectral test is improved detecting the high clouds in spite of the less spectral difference, and such effects are mainly due to the accurate estimation of the clear-sky radiance and the dynamic thresholds. Such effect is relatively weaken in winter due to the looser threshold. Therefore, noticeable improvement of cloud detection algorithm for winter season is enabled when the IRT data with the better NEdR and the PWV data with the radiance domain is utilized. The optimized cloud detection algorithm shows the best value (60.1%) of POD for the detection of the high clouds, that is as 27.4% as larger than the original algorithm. Lastly, the IRT-based cloud detection is applied to modify the current TCA retrieved from COMS observation and the result is compared with the visual TCA observed at Changwon weather station during one year. The comparison before and after the modification of TCA shows the potential benefits of its application through the improved statistical indices and suggests the future study for the further applications. ;구름탐지는 날씨/기후연구나 원격탐사 연구와 같은 다양한 응용분야에서 필요로 하는 중요한 기술이다. 특히 적외 대기의 창 영역에서 측정된 하향복사를 이용하는 구름탐지는 많은 분야에서 이용되고 있다. 구름이 있는 경우, 청천(clear- sky)에 비해 상대적으로 따뜻하고 시간변동성이 크다는 특성을 이용하여 구름을 탐지 할 수 있다. 본 연구에서는 ARM(Atmospheric Radiation Measurement) SGP(Southern Great Plain) 관측소에서 설치된 적외복사온도계(infrared thermometer, IRT)를 이용하여 구름탐지 알고리즘에 대한 깊은 이해와 탐지성능을 개선시키고자 한다. 이를 위해 알고리즘의 주요 입력자료들의 특성- 1) IRT 기기특성과 2)정확한 청천기준값 추정을 위한 사용되는 자료특성-이 알고리즘의 물리적 특성을 규명하고 이를 토대로 알고리즘의 개발과정에서 미치는 그 효과를 조사하였다. 이와 더불어 알고리즘의 구름탐지 성능개선에 주된 요소는 무엇인지 분석하였다. 첫째로 고려된 IRT 장비특성은 기기가 측정할 수 있는 최저탐지 온도와 관련된 dynamic range와 기기의 잡음(noise) 특성에 관여하는 sampling rate을 중점으로 구름탐지에 미치는 효과를 분석한다. 둘째, 정확한 청천기준값 추정을 위해 필요한 대기 수증기(지상 수증기압 또는 가강수량)와 측정 하향복사량(휘도온도 또는 복사조도)에 따라 구름탐지에 미치는 효과를 분석한다. 각각의 자료특성이 구름탐지 성능에 미치는 효과는 운고계와 라이다(MPL)의 탐측한계를 보완한 CBBE (Cloud Base Best Estimate)와 비교를 통해 평가되고 이로서 구름탐지 알고리즘의 개선시키는 효율적인 방법을 모색합니다. CBBE 자료와의 비교 결과는 저고도 구름이 모든 구름 탐지 알고리즘에서 POD(Probability Of Detection) 값이 97% 이상의 정확도로 탐지되었음을 보여준다. 이는 IRT 측정이 이루어진 대기 창 지역의 청천에 비해 낮은 구름에서 훨씬 더 높은 휘도온도가 측정되기 때문이다. 운저고도에 따른 이러한 휘도온도 차이는 복사전달모델 모의를 통해서도 증명된다. 반대로, 차가운 상층운의 경우에는 청천대비 휘도온도 차이가 크게 감소하기 때문에 스펙트럼 테스트로는 감지하기가 어렵다. 따라서 알고리즘 성능은 시간적 테스트의 성능에 크게 좌우된다. 측정된 휘도온도의 시간변동성은 구름에 의한 변동성과 기기의 잡음이 함께 나타나기 때문에 잡음대비신호가 그 정도가 작은 기기에서 측정된 휘도온도를 이용한 경우에 청천의 시간변동성을 좀 더 정확하게 추정할 수 있게 된다. 때문에, 잡음등가온도차(Noise Equivalent difference Temperature, NEdT)가 작은 IRT 자료에서 상층운탐지가 최대 54%만큼 우수한 POD 값을 얻을 수 있었다. 그러나 이러한 개선도 IRT의 동적 범위가 -100°C와 같이 충분히 차가운 휘도온도를 측정할 수 있는 경우에만 유효하다. 대기 수증기량과 하향복사량과 관련하여, 청천의 스펙트럴 특성과 시간변동적 특성을 추정하기 위해 가강수량과 복사조도를 이용함으로써 알고리즘의 스펙트럼 테스트의 개선을 통해 상층운임에도 구름탐지가 향상되었다(POD값이 최대 52%). 이는 청천의 스펙트럴 특성에 대한 정확한 추정과 복사조도 사용으로 인한 동적임계치 효과 때문이다. 따라서, 최종 알고리즘의 개선은 잡음이 작고 매우 낮은 온도까지 측정할 수 있으며 가강수량을 이용한 청천특성을 추정한 복사조도 기반의 구름탐지 알고리즘을 통해서 이루어졌다. 기존 알고리즘 대비 전체적인 성능이 개선되었으며 특히 상층운에 대한 탐지성능은 POD값이 최대 27%까지 개선되었다. 구름탐지 알고리즘 개선연구를 통해 제언할 수 있는 한 가지 중요한 이슈는 알고리즘 성능 비교를 위해 사용되는 참조자료의 특성에 대한 정확한 이해와 분석이 요구된다는 것이다. 특히 구름을 어떻게 정의 하는가 - 눈으로 보이는 구름(visual), 복사학적인 구름(radiative), 열역학적(thermodynamic)으로 정의된 구름 등-에 따라 다르기 때문이다. 본 연구에서는 기존의 비교자료인 운고계와 라이다 관측자료가 가지는 구름탐측 한계를 해결하기 위해 두 자료의 결합한 CBBE 자료를 사용하여 검증하였고 세 자료와의 비교를 통해 얻어지는 알고리즘의 성능의 절대적 값의 차이는 있었지만 알고리즘의 개선에 미치는 상대적인 요소(효과)가 무엇인지에 대해서는 동일한 결과를 보여주었다. 마지막으로, 총운량 자동산출를 보완하기 위해 IRT를 이용한 구름탐지을 적용을 해보았다. 통신, 해양 및 기상 위성 (COMS)에서 산출되는 TCA를 IRT를 이용한 구름탐지 정보를 통해 위성이 놓치기 쉬운 하층운과 지상기반 구름관측과의 근본적 차이를 해결하는 등의 개선효과를 보여주었으나 상대적으로 좁은 시야각으로 인해 과대 산출하는 경향이 있었다. 이를 통해 IRT 기반 구름 탐지 알고리즘 적용의 잠재적인 효과와 더불어 현업활용을 위한 추가연구를 제안하였다.