• 물리적 방법
물리적인 방법에 의한 산출의 주된 과정은 선택된 채널들의 위성 관측 값을 바탕으로 초기추정 프로파일을 반복적으로 재구성하는 것으로 이루어진다. 복원 과정의 대기 프로파일을 이용하여 이론적으로 계산한 밝기온도 값이 위성에서 관측된 밝기온도에 근사할 때까지 프로파일을 반복적으로 변경한다.

• 통계적인 방법
통계적인 방법에서는 대기 프로파일과 그에 해당하는 위성 관측 값 (혹은 이론적인 추정 값)으로 구성된 훈련 자료를 이용하여 구하고자 하는 물리량과 위성 관측 값 사이의 통계적인 관계식을 구성한다. 훈련자료로부터 구성된 관계식을 위성의 실제 관측자료에 적용하면, 복사전달계산 과정이 필요한 물리적인 방법에 비해 매우 빠르게 원하는 물리량을 산출할 수 있다.
아래 그림은 라디오존데 관측자료를 기준으로 위성과 수치모델의 온도 및 습도 산출물의 root-mean-square difference를 나타낸 것으로, 초분광센서인 IASI의 온습도 산출결과가 ATOVS의 수 십여 채널을 이용한 산출결과에 비해 뛰어남을 알 수 있다. 또한 통계적 회귀 방법의 산출물 (IASI_FG)에 비해 물리적인 방법의 산출물 (IASI_PR)이 라디오존데 관측과 더 잘 일치함을 확인할 수 있다.

에어로솔의 한 종류인 황사는 중국 및 몽골의 건조 지역에서 발생한 모래먼지가 한국, 일본 등 동아시아 지역에 영향을 미치는 현상으로 우리가 직면하고 있는 주요한 환경 문제 중 하나이다. 그러나 지금까지 개발된 황사의 관측 및 특성 연구는 주로 지상관측자료에 국한되어 있고, 광범위한 영역을 감시할 수 있는 위성자료의 이용은 가시자료가 생산되는 주간에 한정되어 있어 야간에 대한 정량적인 탐지가 어려운 실정이다. 그리고 적외선은 구름 및 대기 중 기체에 의한 흡수가 강하게 일어나는 영역으로 기존의 적외 센서들을 이용해서 대기 중 에어로솔을 탐지하는 것에는 한계가 존재했다. 초분광 센서는 기존의 적외 센서들에 비해 해상도가 탁월하게 좋으며 적외선 파장영역의 대부분을 관측할 수 있어 보다 개선된 황사탐지가 가능하다. 복사전달모델을 이용하여 대기 중 황사층이 있을 때 대기 상층에 도달하는 적외복사를 초분광 위성 센서 중의 하나인 IASI의 파장 범위와 해상도에 맞추어 모의한 결과 (그림 2, 3)를 보면 위성 관측 자료로부터 황사의 광학두께 및 황사고도 등에 대한 정보를 얻을 수 있을 것으로 기대된다. 적외 초분광 자료로부터 산출한 광범위한 영역의 황사의 광학 두께 및 황사 고도는 황사 예측 모델의 입력 자료로 활용 가능하다. 기존의 황사 예측 모델은 지표면 풍속 등의 기상장과 모델에 내재한 황사 발원지 자료를 이용하여 황사의 농도, 이동 방향을 결정하므로 위성자료와의 직접적인 피드백이 존재하지 않는다. 또한 기존 황사 예측 모델의 중요한 관건 중 하나는 정확한 황사 발생량 추정이며, 지금의 기술로 발생량을 모델에 입력하기 위해서는 정확한 기상자료를 입력하여 모수화를 통해 추정하는 방법 외에는 없다.

적외 초분광 자료로부터 산출된 황사의 광학두께 및 황사고도 자료는 적절한 자료동화 기법을 통해 황사 예측 모델에 입력 자료로 사용되어 기상자료 모수화로 인한 오차를 현저히 줄일 수 있으며, 이로 인해 황사 예측 모델의 성능이 크게 향상될 것으로 예상된다. 황사로 인한 산업계 피해액은 연간 5조 5,000억 원에 달하며 특히 조선, 전자, 반도체 등 황사로 인하여 생산 활동에 막대한 피해를 입고 있다. 황사에 따른 사회, 경제적인 피해를 줄이고 이에 대처하기 위해서는 황사 예측 기술의 발달이 필수적이며 위성 초분광 자료를 이용한 황사 관측 기술 개발 및 자료 생산을 통한 위성 자료 활용 기술의 극대화가 요구되고 있다.

위성 센서를 검정하는 방법은 일반적으로 세가지 방법이 있는데, 첫 번째는 ray-matching (RM) 방법으로, 잘 검정된 센서 (well-calibrated sensor, 이하 기준 센서)와 검정하고자 하는 센서 (이하 보정 센서)의 자료를 collocation 시켜서 관측된 복사량 (또는 휘도온도)을 비교하는 방법이다. 이 방법은 위성 자료를 직접 활용한다는 장점이 있는 반면, 채널간의 반응함수의 차이와 센서 자체의 민감도에 따라 큰 오차가 발생할 수 있는 단점이 있다.

두 번째는 복사 전달 모형을 이용하는 방법이다. 이 방법은 크게 두 가지로 구분할 수 있는데, 하나는 기준 센서로 관측된 위성 자료를 복사 모형의 입력 자료로 사용하여 보정 센서의 복사량을 모의하고, 실제 관측된 결과와 비교하여 검정 계수를 얻는 방법이다. 또 다른 하나는 복사 전달 모형에서 얻어진 결과를 두 센서의 반응 함수를 적용하여 채널 상당의 복사량으로 변환하여 비교하는 방법으로 기존에 개발된 CMDPS의 적외 검정 알고리즘은 이 방법을 이용하여 개발되었다. 이렇게 복사 모형을 이용하는 방법은 첫 번째 방법 (RM)에서 발생하는 오차를 줄일 수 있는 장점이 있으나, 복사 전달 모형이 갖는 오차 또한 검정 과정에 포함되는 단점이 있다.

세 번째 방법은 High-Spectral Convolution 방법으로, 초분광 관측 자료를 보정 센서의 채널에 상당하는 복사량으로 변환시켜 이 복사량을 보정 센서에서 관측된 결과와 비교하여 보정 센서를 검정하는 방법이다. 이 방법은 AIRS 자료를 기반으로 개발되어 왔으나 AIRS 자료에 존재하는 스펙트럼의 공백으로 인하여 매우 제한적으로 사용되거나 자료의 공백을 복사모형에서 얻은 자료를 이용하여 보완한 후 복사량으로 환산하는 방법 (convolution method)을 거쳐 이용되었다. 최근에는 스펙트럼의 공백이 없는 IASI 자료를 사용하는 convolution을 거치지 않고 보정 센서 상당의 복사량을 얻는 방법 (constrain method)이 활용되고 있으며, 이 연구에서는 IASI 자료를 활용하는 방법에 중점을 두어 적외 센서 검정 알고리즘을 개발할 것이다.

아래 그림은 일본 기상청 (JMA)에서 제공하는 MTSAT-1R의 검정 결과로 IR1 채널 (10.8 μm)과 IR3 (6.8 μm)의 검정 결과를 보인 것이다. 이 결과는 MTSAT-1R의 각 채널별로 2008년 1월부터 제공되고 있다. MTSAT-1R은 COMS 기상 센서 Meteorological Imager (MI)와 동일한 파장대를 갖는 위성으로 이 검정 결과는 COMS MI의 적외 채널 검정에 활용될 것이다.