The Korean Meteorological Society 1

Journal Archive

Atmosphere - Vol. 27 , No. 2

[ Article ]
Atmosphere - Vol. 27, No. 2, pp.119-131
Abbreviation: Atmos
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Jun 2017
Received 13 Oct 2016 Revised 25 Feb 2017 Accepted 10 Mar 2017
DOI: https://doi.org/10.14191/Atmos.2017.27.2.119

천리안 위성 자료를 이용한 대류권계면 접힘 난류 탐지 가능성 연구
김미정 ; 김재환*
부산대학교 지구환경시스템학부 대기과학전공

Feasibility Study for Detecting the Tropopause Folding Turbulence Using COMS Geostationary Satellite
Mijeong Kim ; Jae Hwan Kim*
Department of Atmosphere Sciences, Division of Earth Environmental System, Pusan National University, Busan, Korea
Correspondence to : * Jae Hwan Kim, Department of Atmosphere Sciences, Division of Earth Environmental System, Pusan National University, 2 Busandaehak-ro 63 beon-gil, Geumjeong-gu, Busan 46241, Korea. Phone: +82-51-510-2172, Fax: +82-51-515-1689 E-mail: mjkellykim@pusan.ac.kr

Funding Information ▼

Abstract

We present and discuss the Tropopause Folding Turbulence Detection (TFTD) algorithm for the Korean Communication, Ocean, Meteorological Satellite (COMS) which is originally developed for the Tropopause Folding Turbulence Product (TFTP) from the Geostationary Operational Environmental Satellite (GOES)-R. The TFTD algorithm assumes that the tropopause folding is linked to the Clear Air Turbulence (CAT), and thereby the tropopause folding areas are detected from the rapid spatial gradients of the upper tropospheric specific humidity. The Layer Averaged Specific Humidity (LASH) is used to represent the upper tropospheric specific humidity calculated using COMS 6.7 μm water vapor channel and ERA-interim reanalysis temperature at 300, 400, and 500 hPa. The comparison of LASH with the numerical model specific humidity shows a strong negative correlation of 80% or more. We apply the single threshold, which is determined from sensitivity analysis, for cloud-clearing to overcome strong gradient of LASH at the edge of clouds. The tropopause break lines are detected from the location of strong LASH-gradient using the Canny edge detection based on the image processing technique. The tropopause folding area is defined by expanding the break lines by 2-degree positive gradient direction. The validations of COMS TFTD is performed with Pilot Reports (PIREPs) filtered out Convective Induced Turbulence (CIT) from Dec 2013 to Nov 2014 over the South Korea. The score test shows 0.49 PODy (Probability of Detection ‘Yes’) and 0.64 PODn (Probability of Detection ‘No’). Low POD results from various kinds of CAT reported from PIREPs and the characteristics of high sensitivity in edge detection algorithm.


Keywords: Turbulence detection, clear air turbulence, tropopause folding, COMS

1. 서 론

청천 난류(Clear Air Turbulence; CAT)는 대류권 중상층에서 구름이 없거나 층운형 구름이 존재할 때 갑작스럽게 발달하는 항공 난류이다. 특히 상층 전선 영역에서 제트류의 강화로 인한 시어불안정, 강한 고기압성 흐름이 나타나는 지역에서 관성 불안정, 그리고 산악파의 파동 파괴로 인하여 발생할 수 있다(Min et al., 2011). 그 중, 강한 제트 시스템 근처에서 발생하는 대류권계면 접힘(Tropopause Folding) 주변부는 시어불안정으로 인한 CAT가 발생할 확률이 높으며(Shapiro, 1980), 특히 상층에 연중 강한 제트가 나타나는 동북아시아 지역은 강한 윈드 시어로 인한 CAT 발생 확률이 높다(Jaeger and Sprenger, 2007). 이렇게 발생한 CAT는 20000 fts 이상의 순항 고도를 비행하는 항공기에 직접적인 영향을 끼치므로 극심한 난류의 경우 기체에 구조적인 손상을 입히거나 탑승객의 부상을 야기시킬 수 있다(Ellrod et al., 2003). 또한 국토교통부의 항공 통계에 의하면 2010년 이후 국내외 항공 여객 수와 물류량이 지속적으로 증가하는 추세를 보이면서 난류 예측과 관측 자료의 중요성이 대두되고 있다.

현재 난류의 예측은 수학적으로 결정론적인 해가 존재하지 않으므로 통계적인 접근이나 난류진단지수를 계산하는 접근이 일반적이다. Sharman et al. (2006)은 수치예보 자료를 통해 계산된 64개의 난류 지수를 결합하여 Graphic Turbulence Guidance (GTG) 시스템을 개발하였다. 이를 바탕으로 한국형 Korean Aviation Turbulence Guidance (KTG)이 개발되어 항공기상청에서 현재 운용되고 있다(Kim and Chun, 2011, 2012; Lee and Chun, 2014, 2015). 이렇게 개발된 예측 자료의 정확도 향상을 위해서는 검증 자료로써 신뢰할 수 있는 많은 양의 난류 관측 자료가 필수적이다. 현재 유일한 지속적 난류 관측 자료인 조종사 보고자료(Pilot Reports; PIREPs)는 조종사로부터 구두로 보고되기 때문에 난류 강도와 보고된 위치, 시간이 주관적으로 결정되며(Schwartz, 1996; Bass, 2002; Sharman et al., 2006), 기체의 크기와 종류에 의존적이므로 지속적으로 신뢰할만한 난류 정보를 제공받기 어렵다(Sharman et al., 2014). 이와 같은 단점을 보완하고자 난류의 항공탑재관측 연구가 진행되어왔으며, 대표적으로 항공탑재관측 기기로 측정된 기체의 연직 가속도를 이용하여 대기 난류의 강도를 계산하였고, 항공기 종류에 대하여 독립적인 에디 소산률(Eddy Dissipation Rate; EDR)이 개발되었다(Cornman et al., 1995). 국제 민간항공기구(International Civil Aviation Organization; ICAO)는 EDR을 난류 측정 기준으로 사용하고 지속적으로 수집하여 난류 예측 검증에 활용하고 있으나, 한국은 아직 공식적으로 관측된 EDR 자료가 없다(Min et al., 2011; Sharman et al., 2014). 따라서 시·공간적 해상도가 높은 위성 자료를 이용한 난류 탐지 알고리즘이 개발될 시, 준 실시간 난류 정보를 제공할 수 있게 되므로 수치 예보를 이용한 난류 예측 연구와 실시간 난류 발생 감시에 도움을 줄 것으로 기대된다.

Woods and Panofsky (1973)는 위성을 이용한 난류 관측의 첫 시도이며 수증기 채널 복사량의 수평 경사도로 CAT 발생 가능성이 높은 영역을 정의하였다. 산출한 영역과 PIREPs의 상관 분석을 시도하였으나, 당시 CAT 발생 메커니즘의 역학적 연구가 부족했던 점과 사용한 수증기 채널의 해상도가 낮았다는 점에서 한계가 있었다. 그 이후, 위성 자료를 이용한 난류 탐지를 위하여 상부 대류권의 비습장을 계산하여 그 공간적인 분포로 대류권계면 접힘 근처의 난류를 추정하는 연구가 진행되었다. Wimmers and Moody (2001)Soden and Bretherthon (1993, 1996)이 제시한 상부 대류권 상대습도(Upper Tropospheric Humidity; UTH) 관계식으로부터 상부 대류권 비습 추정장인 GOES Layer Averaged Specific Humidity (GLASH)를 개발했으며, GOES-9의 수증기 채널로 산출한 GLASH와 300 hPa 등압고도면의 잠재 와도(Potential Vorticity; PV)가 강한 상관관계가 있음을 보였다. Wimmers and Moody (2004a, b)는 GLASH와 GOES Sounder 및 TOMS level2 오존 전량(Total Ozone) 자료를 이용하여 GLASH의 공간적인 경사도와 대류권계면 접힘의 강한 연관성에 대한 연구를 수행하였고 대류권계면 접힘 난류를 탐지하는 경험적인 모델을 개발하였다. 이러한 연구들을 바탕으로 2018년 발사 예정인 GOESR의 보조 산출물로써 대류권계면 접힘 난류 산출물(Tropopause Folding Turbulence Product; TFTP)이 채택되었다.

본 연구에서는 TFTP 알고리즘 개념서(Algorithm Theoretical Basis Document; ATBD)에 제시된 산출 방법을 분석하고, 기존보다 효율적으로 산출하기 위해 새로운 이미지 프로세싱(image processing) 기법인 Canny 에지 검출기(edge detection)를 적용하여 개발한 TFTP를 한국 정지궤도 위성인 천리안 위성에 적용하였으며, 알고리즘의 타당성과 활용 가능성을 연구하였다.


2. 대류권계면 접힘 난류 탐지 알고리즘
2.1 알고리즘 개요

본 연구에서 개발된 대류권계면 접힘 난류 탐지 알고리즘(Tropopause Folding Turbulence Detection Algorithm; TFTD)은 정지궤도 기상위성의 수증기 채널을 이용하여 청천 난류를 탐지하는 알고리즘이며, 이는 대류권계면 접힘 영역이 청천 난류가 발생할 수 있는 지역이라는 가정을 바탕으로 한다. 대류권계면 접힘은 중위도 상부 대류권에서 강한 제트의 2차 순환으로 생성된 비지균 흐름으로 인하여 하부 성층권 공기가 상부 대류권으로 유입되어 발생한다(Holton et al., 1995). 유입된 하부 성층권 공기는 상부 대류권에 비해 잠재 와도가 높고 건조하며 열역학적으로 안정하지만, 그 가장자리는 열역학적으로 불안정하고 강한 연직 윈드 시어가 존재하므로 난류가 발생할 가능성이 높다(Shapiro, 1980; Koch et al., 2006). 따라서 대류권계면 접힘 영역을 청천 난류 발생 가능 지역으로 가정한다.

대류권계면 접힘 영역은 건조한 하부 성층권 공기가 유입되면서 상부 대류권 수증기의 수평 경사가 급격히 변하므로, 상부 대류권 수증기를 모수화하고 그 수평 경사를 계산하여 산출할 수 있다(Wimmers and Moody, 2004b). 위 원리를 천리안 위성에 적용하기 위하여 선행 연구에서 제시된 대류권계면 접힘 산출 방법을 크게 4단계로 나누어 다음과 같이 개발하였다(Fig. 1). 첫 단계로 입력 자료 처리를 위해 위경도 0.1o × 0.1o 도메인으로 시공간 일치를 수행하고 두 번째로 상부 대류권 비습장을 산출한 후, 경험적으로 결정된 경계값으로 구름을 제거하였다. 세번째 단계로는 컴퓨터 비전(Computer Vision)의 영상 처리 기술인 Canny 에지 검출기를 적용하여 상부 대류권 비습장의 에지를 탐지하였다. 마지막으로 정확한 난류 발생 가능 영역의 산출을 위해 탐지된 에지를 대류권계면 접힘 방향으로 에지 확장(Edge Expansion)과 품질관리(Quality Control)를 수행하였으며, 최종적으로 확장된 에지와 기존의 에지 사이의 화소 영역을 청천 난류가 발생 가능한 대류권계면 접힘 영역으로 정의하였다.


Fig. 1. 
(a) High-level flowchart for detecting the tropopause folding turbulence and step-by-step result; (b) LASH calculation, (c) Cloud clearing, (d) Edge detection, (e) Edge expansion and Quality control, and (f) Final result on 0010 UTC at 3rd March, 2013. Location of the observed moderate turbulence from PIREPs on the same time is denoted as magenta and inverted triangles.

2.2 연구 자료

대류권계면 접힘 난류 탐지 방법은 입력 자료로써 상부 대류권 비습장을 계산하기 위하여 수증기 채널 복사량과 수치 모델 온도 프로파일이 사용된다.

위성 자료는 천리안 위성(Communication, Ocean and Meteorological Satellite; COMS)의 수증기 채널 복사량을 사용하였다. 천리안 위성은 2010년 6월 27일 발사되어 적도 상공 36,000 km 고도, 동경 128.2도에 위치하고 있는 정지궤도 복합 위성이며, 기상관측, 해양관측, 통신 서비스 임무를 수행하기 위한 탑재체들을 보유하고 있다. 그 중 기상탑재체(Meteorological Imager; MI)는 공간 해상도가 1 km인 하나의 가시 채널과 공간 해상도가 4 km인 4개의 적외 채널을 이용하여 북반구 확장 영역을 기준으로 15분 간격의 관측을 수행한다. 본 연구에서는 상부 대류권 수증기 양에 민감한 수증기 채널(6.75 μm) 휘도 온도가 사용되었으며, 자료의 시간 해상도는 15분, 공간 해상도는 직하점 기준 4 km× 4 km이다.

위성 자료와 함께 계산될 상부 대류권의 연직 평균 온도장은 European Centre for Medium-Range Weather Forecasts (ECMWF) ERA-interim 재분석 자료의 온도 프로파일을 이용하였으며, 자료의 시간 해상도는 6시간이고 공간 해상도는 0.5o × 0.5o이다. Wimmers and Feltz (2010)에서 사용한 GOES-9은 천리안 위성과 유사한 센서가 탑재되어 수증기 채널의 특성 또한 유사하므로, 선행 연구를 바탕으로 6.7 μm 가중 함수의 고도에 해당하는 300, 400, 500 hPa 고도 자료를 사용하여 연직 가중 평균한 온도를 이용하였다.

수집된 두 입력 자료는 0.1o × 0.1o로 재격자화를 수행하였다. 천리안 위성 자료는 공간 해상도가 4 km이며 0.1o (~11 km) 보다 고해상도이므로 각 화소의 중심으로부터 반지름 0.1o의 원 안에 들어오는 화소들을 거리에 따라 가중 평균하였다. 재분석장 온도장은 수평 해상도가 0.5o (~55 km)이므로 양선형 보간법을 사용하였다. 시간 해상도는 재분석 자료가 6시간이므로, 천리안 위성 관측 시간으로 선형 내삽하였다.

2.3 방법
2.3.1 상부 대류권 비습장(LASH) 계산

본 알고리즘의 핵심은 상부 대류권 영역에서 비습의 공간 경사도가 큰 영역을 대류권계면 접힘으로 정의하여 산출하는 것이므로, 먼저 상부 대류권 영역의 비습장을 산출하여야 한다. Soden and Bretherthon(1993, 1996)은 수증기 채널의 강한 수증기 흡수선을 복사 관계식으로 근사 하였고, 수증기 채널 휘도 온도와 상부 대류권 상대습도(Upper Tropospheric Humidity; UTH)와의 관계식을 유도하였다. 식 (1)은 6.75 μm를 중심 파장으로 하는 수증기 채널 휘도 온도와 UTH의 관계식이다.

lnr̅p*cosθ=a-bT6.7(1) 

T6.7는 정지궤도 위성의 6.75 μm 휘도 온도이며, r̅는 상부 대류권 고도의 평균 상대습도, ab는 휘도 온도와 상대습도의 회귀 분석으로 계산한 상수이며 단위는 각각 무차원과 K−1이다. θ는 위성 천정각이고, p*는 사용된 수증기 채널의 기준 고도 압력으로 온위가 240 K인 고도의 기압과 300 hPa의 비율로 정의된다. 상대습도 분포는 온도에 따라 달라지는 포화수증 기압을 고려해야하므로 Calusius-Clapyron 방정식을 결합하여 상대습도와 비습의 관계를 식 (2)와 같이 나타내었다.

lnr̅=lnq̅+c-λT̅T0(2) 

이 때 T0는 기준 고도 온도, T̅q̅는 각각 상부 대류권의 평균 온도와 평균 비습을 나타내며, λc는 상수이다. Moody et al. (1999)는 위 식을 UTH 관계식인 식 (1)에 대입하여 휘도 온도와 비습에 대한 관계식을 유도하였고, 결과적으로 수증기 채널의 휘도 온도가 서로 독립적으로 작용하는 위성 천정각, 상부 대류권의 온도와 비습의 함수로 나타남을 보였다(식 (3)).

T6.7fq̅+fT̅+fθ+240 K(3) 
fq̅=-1blnq̅+a-cb=c1+c2(4) 
fT̅=T̅-240 K(5) 
fθ=1blncosθ(6) 

식 (4)~(6)은 각각 상부 대류권 평균 비습, 온도, 그리고 위성 천정각에 대한 함수를 나타내며, 비습에 대한 식으로 정리한 식 (7)을 LASH로 정의하였다(Wimmers and Moody, 2001).

LASH=T6.7-T̅-1blncosθ+240 K(7) 

Wimmers and Moody (2004a, b)는 상수 b를 Soden and Bretherthon (1993)에서 제시한대로 0.115를 사용하였으나, 본 연구에서는 천리안 위성 자료를 사용하므로 현재 천리안에서 산출되는 UTH 계수를 사용하였다. 각 계수는 식 (1)의 a와 b에 해당하며 a는 위도와 월별, b는 월별로 구성되어 현업에 운용되고 있다. 식 (1)식 (7)로 유도되면서 상수 a는 상부 대류권 평균 온도항에 포함되므로 상수 b만 사용하였고, 그 결과 산출된 LASH와 재분석장 비습과의 상관관계는 UTH 상수를 적용하기 전과 후에 차이가 미비하였다. 이러한 결과는 LASH 식에서 계수 b가 기여도가 낮은 위성 천정각 항에 곱해지며, 상부 대류권 평균 고도를 월별, 위도 별 계수 a의 변동을 고려하지 않고 고정하여 사용한 것이 원인으로 분석된다. 따라서 연직 평균 되는 상부 대류권 고도의 위도와 월 변동을 고려해 세분화 한다면 LASH의 정확도를 보다 더 높일 수 있을 것으로 사료된다.

위와 같이 천리안 UTH 상수를 적용하여 계산된 LASH는 상부 대류권의 수증기 양을 나타낸다. 따라서 상부 대류권의 수증기 변동성을 얼마나 설명할 수 있는지 검증하기 위하여, ERA-Interim 재분석장 습도 프로파일의 300~500 hPa 연직 평균장과 LASH의 매월 위도 별 상관계수(Correlation Coefficient)를 계산하여 Fig. 2에 나타내었다. 상관계수는 전체 평균 −0.70로 LASH와 재분석장 비습은 유의한 음의 관계를 보였다. 이 결과는 Moody et al. (1999)에서 산출된 LASH와 수치예보 자료 혼합비 사이의 상관 계수인 −0.75 보다 낮은 수치이다. 하지만 해당 선행 연구 결과는 4월 중 하루의 단일 시간대 사례로 산출한 점을 고려하면 유사한 결과임을 알 수 있다. 위도 별로는 50oN~60oN에서 가장 낮은 값인 −0.80으로 고위도일수록 강한 상관관계를 보였으며, 월 평균에서는 7월에 −0.58, 3월에 0.72로 각각 여름철에 가장 낮고 봄철에 가장 높은 상관관계를 나타냈다. 여름철과 저위도에서 낮은 상관관계가 나타나는 원인은 저위도 열대 수렴대(Intertropical Convergence Zone; ITCZ)의 대류역과 여름철 중위도에서 발생하는 강한 대류운 발생으로 분석된다. 이는 강한 대류로 높게 발달한 구름 주변부에 수증기 채널에서는 강한 흡수가 발생하는 반면, 재분석장 비습은 구름 효과가 없기 때문이다. 마찬가지로 Moody et al. (1999)은 오차의 원인으로 구름의 주변부에서 비습과 상관관계가 제대로 나타나지 않는 점을 제시한 바 있다. 따라서 대류운이 많이 발생하는 6, 7, 8월과 위도 10도 이하에서 LASH를 산출할 시에 이와 같은 오차 발생 가능성을 유의하여야 하며, 2.3.2에서 구름 주변부 오차를 보완하기 위한 구름 제거 과정을 제시하였다.


Fig. 2. 
The monthly and latitudinal correlation coefficients between COMS LASH and upper tropospheric averaged specific humidity from the ERA-interim reanalysis.

2.3.2 구름 제거(Cloud-Clearing)

2.3.1장에서 수증기 채널의 휘도 온도로부터 상부 대류권 평균 온도와 위성 천정각 효과를 제거하여 상부 대류권 영역의 수증기 영향을 독립적으로 나타내는 LASH를 산출하였다. 하지만 적외 복사는 구름에 의해 강하게 흡수 또는 방출되므로 구름이 존재하는 화소는 수증기의 영향을 측정하기 어렵다. 또한 다음 단계인 수증기 분포의 공간적인 경사도 계산에서 탐지하고자 하는 공간적인 경사도 보다 구름의 가장자리가 강하게 계산되므로, 상부 대류권 고도의 구름 화소가 제거되는 과정이 중요하게 수행되어야 한다. 따라서 구름을 제거하기 위해 LASH 단일 경계값 방법을 사용하였고 식 (8)과 같이 단일 경계값보다 낮은 화소를 경계값으로 다시 할당하여 구름 화소를 제거한다. 위성 자료에서 제공되는 구름 산출물을 구름 제거에 사용하지 않은 이유는 구름 화소를 영상에서 제거할 경우 3 × 3 주변 화소를 사용하는 후속 단계로 인해 구름 주변 화소 또한 사용할 수 없으며, 최종 산출되는 화소 수가 급격히 감소하여 유의미한 산출물이 거의 확보되지 않기 때문이다. 반면 단일 경계값을 사용하였을 때는 화소 단위의 구름 제거 방법보다 차후 공간 미분 과정에 치명적인 잡영(noise)이 감소하는 효과가 있으며, 다른 구름 제거 방법보다 간단하므로 계산 시간이 적게 걸린다는 장점이 있다(Wimmers and Moody, 2004a). 본 연구에서는 Wimmers and Feltz (2010)에서 GOES-9에 적용한 경계값 232 K를 기준으로 사용하였다.

LASH LASH<232 K=232 K(8) 

위 구름 제거법의 타당성을 보다 효과적으로 제시하기 위해 COMS로 계산된 LASH에서 232 K로 제거된 화소 군집을 천리안 위성의 북반구 확장 영역 위도, level2 상부 대류권 상대습도(UTH)와 운정 기압(Cloud Top Pressure; CTP)의 분포를 이용하여 분석하였다. 1년간 주 2일씩 사례를 수집하여 분석하였고, 각 자료의 분포에서 232 K 이하인 화소가 차지하는 비율의 월 변동성을 Fig. 3에 나타내었다. 위 결과는 위도가 20oN 이하인 화소를 저위도, UTH가 80% 이상인 화소를 구름 가장자리, CTP가 300 hPa 보다 높은 화소가 상층까지 영향을 주는 구름이라고 할 때, 각 화소를 얼마나 제거시킬 수 있는가를 나타낸다. 위도, UTH와 CTP에 대하여 각각 겨울철 평균은 80.37%, 75.35%, 70.77%, 여름철 평균은 96.33%, 99.12%, 90.39%, 그리고 전체 기간 평균으로 각각 89.19%, 85.29%, 80.81% 제거되었다. 이는 여름철에 동북아시아 지역으로 북태평양고기압이 확장함에 따라 남서풍의 온난 습윤한 공기가 북쪽으로 이류 되면서 LASH가 232 K인 경계선이 점차 북상하고, 그 결과 위성 관측 영역 내에서 232 K 보다 낮게 화소가 증가하므로 제거되는 화소의 비율이 증가한 것으로 분석된다.


Fig. 3. 
Pixel removal rate of latitude (black solid line), upper tropospheric humidity (gray solid line), and cloud top pressure (dot line) from the December 2013 to November 2014.

위의 LASH 단일 경계값 방법을 이용하면 전체 평균 약 80% 이상의 저위도와 구름 가장자리, 운정 기압이 낮은 구름을 제거할 수 있었으나, 이는 단일 경계값 방법이 LASH가 온도와 위성천정각에 독립적인 결과이기에 가능한 방법이며 수증기 채널 휘도 온도에는 적용되지 않음에 유의하여야 한다(Wimmers and Moody, 2004a). 또한 현업화되기 위해서는 위성에 따라 적절한 경계값 선정이 수행되어야 하므로, COMS에 대한 경계값 선정을 위해 구름 제거 경계값에 따른 최종 알고리즘 정확도의 검사를 수행하였고 3장에서 그 결과를 분석하였다.

2.3.3 에지 탐지(Edge Detection)

구름 제거 단계를 거친 LASH에서 공간적인 경사도가 높은 영역은 상부 대류권의 극 기단, 아열대 기단, 그리고 성층권이 만나는 기단의 경계를 대표할 수 있으므로 중위도의 대류권계면 접힘을 나타낼 수 있다(Wimmers et al., 2003). 이를 탐지 하기 위하여 사용된 에지 탐지 기법은 영상 처리 기법 중 영상 분할(Segmentation)에 사용되는 주요 접근법으로써 밝기 값의 급격한 지역적 변화에 기반하여 에지를 검출하는 방법이다. 에지 탐지에 주로 사용되는 미분 연산자는 영상의 밝기 변화에 민감하게 작용한다. 특히 2차 연산자가 1차 연산자보다 잡영(noise)에 극도로 민감하여 탐지 결과에 좋지 않은 영향을 끼치므로 영상의 스무딩(smoothing)이 요구된다. 따라서 일반적인 에지 탐지 과정은 잡영 제거를 위한 영상 스무딩, 미분 연산자를 이용한 에지 검출, 검출된 후보 에지를 실제 에지 영역으로 한정시키는 에지 범위 축소(localization) 순서로 진행된다(Gonzalez and Woods, 1992).

초기의 방법론을 제시한 Wimmers and Feltz (2010)은 라플라시안(Laplacian) 연산자와 영점 교차(Zero-crossing)를 이용하여 에지를 찾는 방법을 사용하였다. 하지만 위 방법은 2차 미분으로 에지를 날카롭게 탐지 할 수 있는 반면, 작은 변화에 민감하게 반응하여 잘못된 에지를 탐지 할 가능성이 존재하므로 실제 에지의 위치와 다른 위치를 산출할 수 있다(Jain et al., 1995; Forsyth and Ponce, 2003). 이 같은 단점을 보완하기 위하여 본 연구에서는 에지 검출 알고리즘 중에서 최적의 결과를 보이는 방법으로 알려진 Canny 에지 검출기(Canny, 1986)를 COMS에 적용하였다. Wimmers and Feltz (2010) 방법을 적용한 GOES-R TFTP와 본 연구에서 천리안 위성에 적용하여 최종 산출한 Canny 알고리즘의 처리과정은 Fig. 4와 같으며 Canny 에지 검출 알고리즘은 다음 다섯 단계로 수행된다.


Fig. 4. 
Flowchart of the Edge Detection Process for (a) Wimmers and Feltz (2010) method for GOES-R TFTP and (b) Canny edge detection within a main processing.

첫째로 잡영을 제거하기 위하여 Wimmers and Moody (2004a)와 같은 방법인 위도를 고려한 가우시안 함수를 사용한 5 × 5 스무딩 커널(smoothing kernel)이 적용되었다(식 (9)).

w=cexp-ϕi-ϕi022σsecθj2-θi-θi022σ2

and


Fig. 5. 
Sobel operator 3 × 3 mask for (a) x-direction (Gx) and (b) y-direction (Gy).


Fig. 6. 
The partition of gradient orientation for possible edges.

c=i0-Ni0+Nj0-Mj0+Mexp-ϕi-ϕi022σsecθj2-θi-θi022σ2-1(9) 

θφ는 위도와 경도, i0와 j0는 커널의 중심 화소의 위치를 나타내며, 5 × 5 커널일 때 N은 2에 해당한다. 두번째로, 1차 미분 연산자를 이용하여 영상의 경사도를 구해 에지의 강도를 계산한다. 사용된 미분 연산자는 3 × 3 크기의 x와 y 방향에 대한 Sobel 마스크쌍이며, 그 값은 Fig. 5와 같다. 세 번째는 에지의 방향을 계산하고 네 방향으로 양자화(Quantization)하는 과정이다. 식 (10)와 같이 Sobel 마스크로 계산된 LASH의 밝기 값 변화율을 이용하여 에지의 방향(θ)을 계산하고, Fig. 6과 같이 에지의 방향을 45o 기준으로 한 네 영역으로 나누어 각 에지 화소마다 방향 숫자를 할당한다.

θ=arctanGy*IGx*I(10) 

네 번째는 비최대 억압(Nonmaximum Suppression) 과정이며 중복되는 불필요한 화소를 제거하여 단일 화소의 에지 선(edge line)을 남기는 과정이다. 먼저 에지를 따라 순서대로 이동하면서 3 × 3 주변 화소 중 중앙에 할당된 에지 번호에 따라 에지 방향의 두 화소를 비교한다. 두 화소보다 중앙 화소가 최대가 되지 않을 경우 중앙 화소를 에지에서 제거하여 에지를 단일 화소의 선(line)으로 한정시킨다(Fig. 7). 마지막으로 이중 경계값 처리(hysteresis threshold)를 수행한다. 두번째 단계에서 계산된 에지 강도에서 하나의 경계값을 이용할 경우 모호한 경계의 에지가 끊어져 실제 에지의 오탐지가 발생할 수 있으므로 이중 경계값(T1, T2)으로 에지를 연결한다. 각 에지를 따라가면서 T1 보다 작은 강도의 화소는 배경 화소, T2 보다 큰 강도의 화소는 에지 화소로 표시한다. T1 보다 크고 T2 보다 작은 화소일 경우 8 방향으로 연결된 화소(8-connectivity)가 에지 화소일 때 최종 에지 화소로 표시한다. Canny (1986)는 T1과 T2 값의 비를 1:2 또는 1:3으로 제안하였으며, 본 연구에서는 Wimmers and Moody (2004a)에서 제시된 단일 경계값의 범위의 최대값과 최소값을 이중 경계값으로 사용하였다. 이 때 적용한 T1과 T2는 각각 2.8 K deg−1, 3.6 K deg−1이다. 위와 같은 과정으로 이미지의 공간 경사도의 강도를 이용하여 에지의 연결성을 판단한 최종 에지를 산출하였다.


Fig. 7. 
Pixel locations for Non-maximum Suppression according to the gradient orientation partition of (a) 1, (b) 2, (c) 3, (d) 4.

2.3.4 에지 확장(Edge Expansion)과 품질 관리(Quality Control)

에지 탐지 단계에서 탐지된 에지는 대류권계면 갈라짐(tropopause break)을 의미한다. 따라서 상부 대류권으로 침투된 대류권계면 접힘 영역을 정의하기 위하여 에지 확장 단계가 수행된다.

구름 제거 단계에서 제거되지 않은 고위도의 구름은 높은 경사도로 인하여 폐곡, 교차되거나 짧은 에지로 탐지될 수 있다. 따라서 이를 제거하고 난류와 관련성이 높은 에지만 사용하기 위해서 에지의 품질관리(Quality Control)가 수행된다. 보완 전 방법에서 에지 확장 영역을 객체화하여 품질 관리를 수행한 것과 달리, 본 연구에서는 Fig. 8과 같은 순서로 모든 에지를 라벨링(labeling)으로 객체화하여 각 에지마다 품질관리를 수행한 후 에지 확장을 수행하였다. 품질관리는 Wimmers and Feltz (2010)에서 제시한 품질관리 항목을 수행할 수 있도록 개발하였으며, 1) 에지의 길이가 2o (~222 km) 보다 작을 경우, 2) 에지가 서로 교차되는 경우(Criss-Cross), 3) 에지가 폐곡되는 경우(Closed Edge), 4) 경사도가 3.2 K deg−1 보다 큰 화소의 숫자가 에지의 반 이하일 경우 해당 객체를 제거하였다.


Fig. 8. 
Flowchart of the edge expansion and quality control processes within a main processing.

품질 관리를 통과한 에지로부터 LASH의 공간 경사도가 높은 방향으로 2o (~222 km) 확장시킨 영역을 상부 대류권으로 침투한 대류권계면 접힘의 수평 영역으로 정의하며, 청천 난류 영역으로 최종 산출된다(Wimmers and Feltz, 2010). 에지로부터 영역을 확장하기 위하여 먼저 에지 화소를 따라가면서 5 × 5 크기의 Sobel 마스크를 이용하여 에지 주변의 공간 경사도를 계산한다(Fig. 9). 그 후 LASH의 공간 경사도가 높은 양의 방향(positive LASH gradient direction)으로 2o 만큼 확장한 선을 계산한다. 이 때 에지와 확장한 에지 사이의 영역을 계산하기 위하여 Graham Scan 방법을 사용하였다(Graham, 1972). Graham Scan 방법은 공간을 시계 방향으로 감싸는 벡터와의 외적을 이용하여 공간의 내부에 위치하는 점을 판단할 수 있다. 최종적으로 산출된 에지와 확장한 에지 사이의 영역을 1로 그 외 배경 화소는 0으로 표기하여 대류권계면 접힘 난류 탐지 영역으로 산출한다.


Fig. 9. 
Sobel operator 5 × 5 mask for (a) x-direction and (b) y-direction.


3. 연구 결과
3.1 검증 사례일 선정

2장에서는 기존의 방법에서 천리안 위성에 적용하기 위한 새로운 방법을 제시하였다. 최종 산출된 결과를 검증하기 위하여 2013년 1월부터 2014년 12월까지 2년간 수집한 조종사보고자료(PIREPs)가 사용되었으며, 사용된 PIREPs의 분포는 북위 30도에서 40도, 동경 120도에서 135도로 남한 영역에 해당한다. Figure 10의 공간 분포를 통하여 검증 자료가 일부 항공 경로와 공항이 위치한 인천, 김포, 제주, 김해시와 그 사이에 집중되어 있음을 알 수 있다. 따라서 종관 규모로 산출되는 본 산출물의 특성상, 공간적으로 더 넓은 범위의 자료가 수집 되어야 할 필요성이 제기된다. 또한 PIREPs은 주기적이고 지속적인 관측 자료가 아니며 관측된 난류 시점에서 구두로 보고된 지점 자료임을 미루어 보았을 때, 조종사의 주관성이 존재하며 난류가 보고된 위 · 경도와 시간의 낮은 정확성과 비 주기성을 가지는 관측 자료이므로 검증 자료로써 한계가 있음을 알 수 있다. 그러나 한반도 PIREPs은 현재 한반도에서 항공 난류를 검증하기 위해 수집할 수 있는 유일한 관측 자료이므로 본 연구의 검증 자료로 사용되었다.


Fig. 10. 
The distribution of (a) All-level (b) MOD and SEV-level (c) NIL-level turbulence from PIREPs from Dec 2013 to Nov 2014.

PIREPs의 난류는 ICAO에서 제시한 난류 강도 계급에 따라 ‘무’(null; NIL), ‘약’(light; LGT), ‘중’(moderate; MOD), ‘강’(severe; SEV) 그리고 ‘극심’(extreme; EXRTM) 등 5가지 범주로 구분되며 본 연구 기간 동안 수집된 PIREPs의 난류 강도별 분포는 Table 1과 같다. 수집된 PIREPs은 총 1495건이며, 그 중 15000 ft 이하의 저고도 난류가 보고되거나 발생 시간이 일치하는 위성 자료가 없는 388건을 제외하고 중고도와 고고도(이하 중고고도)에 해당하는 1107건을 수집하였다. 중고고도 1107건 중 중간 이상 강도(Moderate Or Greater; 이하 MOG)의 난류는 80건, 난류 미발생 사례는 NIL이 보고된 1027건이었다. 그러나 MOG 난류는 제트 근처 대류권계면 접힘에서 발생하는 CAT 뿐만 아니라 산악파(Mountain Wave), 대류 시스템에 의한 난류, 혹은 그 외 대기 불안정을 야기시키는 다른 요소들에 의해 발생하는 난류가 모두 포함된다(Kim and Chun, 2010, 2011). 따라서 본 연구에서는 PIREPs에 보고된 난류 중에서 CAT를 추출하기 위해 Min et al. (2011)에서 제시한 방법에 따라 기상청 낙뢰 자료를 사용하여 대류 시스템에 의한 난류(Convectively Induced Turbulence; CIT)를 검증 사례에서 제외하였다. MOG 난류 80건 중에서 연구 기간 동안 전국 22개소의 낙뢰 관측소에서 수집된 자료를 통해 낙뢰 발생 전후 40분 이내와 100 km 이내에서 발생한 CIT 15건을 검증 사례에서 제외하였고, 총 65건을 본 연구의 검증을 위한 CAT 사례로 선정하였다(Table 2).

Table 1. 
The number of the categorized turbulence during 2 years (2013~2014) over the South Korea.
Year NIL LGT MOD SEV Total
2013 766 208 49 5 1028
2014 294 143 27 3 467
Total 1060 351 76 8 1495

Table 2. 
The number of the used turbulence cases during 2 years (2013~2014) over the South Korea.
Year NIL MOD + SEV
(Sum of MOD + SEV) − (CIT) CAT
2013 744 50-11 39
2014 283 30-40 26
Total 1027 80-15 65

3.2 검증 방법 및 결과

본 연구에서 산출된 난류와 검증 자료로 사용된 PIREPs은 난류가 ‘있다/없다’로 분류된 이분법적(dichotomous) 자료이다. 따라서 검증표(contingency table)로 구분하여 알고리즘의 정확도를 판단하기 위한 스코어 검사(Score Test)가 수행되었다(Table 3). 그러나 PIREPs의 계통 오차(systematic error)로 인하여 정규 격자로 산출된 자료의 검증 지수로 주로 사용되는 False Alarm Ratio (FAR), Bias, 그리고 Critical Success Index (CSI) 등은 사용되지 않으며, 선행 연구에서 제안함에 따라 PIREPs의 특성을 고려하여 Probability of detection “yes” (PODy), Probability of detection “no” (PODn)와 True Skill Statistic (TSS)을 사용하였다(Brown and Young, 2000; Brown et al., 2000). PODy와 PODn은 식 (11), (12)와 같이 계산되고 0과 1 사이의 범위를 가지며 값이 높을수록 알고리즘의 신뢰도가 높다는 것을 의미한다. TSS는 식 (13)으로 계산되며, −1과 1 사이의 범위를 가지고 그 값이 높을수록 알고리즘 신뢰도가 높음을 의미한다. TSS는 난류 보고된 지역을 난류로 탐지한 비율인 PODy와 난류가 보고되지 않은 지역을 난류로 탐지하지 않은 비율인 PODn을 더하여 최대값이 1이 되도록 정규화된 지수이므로, PODy와 PODn을 모두 고려하여 최종적인 정확도를 판단하기에 용이하다.

Table 3. 
Contingency Table (2 × 2) for the score test.
Obs Yes No Total
Result
Yes A B A + B
No C D C + D
Total A+ C B +D A+ B + C +D

PODy=A/A+C(11) 
PODn=D/B+D(12) 
TSS=PODy+PODn-1=A/A+C+D/B+D-1(13) 

2장에서 제시한 방법에 따라 천리안 위성에 대한 구름 제거 경계값을 선정하기 위하여, 구름 제거 경계값을 232 K를 기준으로 ± 20 K 범위에서 2 K 간격으로 각각 적용하여 산출하였다. 이 때, PIREPs에 보고된 위 · 경도의 불확실성을 고려하고자 일정 반경 이내에서 탐지될 경우 난류가 탐지된 것으로 간주하였으며, PIREPs 난류 자료에 대해 적용할 반경을 정하기 위하여 산출 격자 크기(0.1o~11 km)를 고려하여 0~50 km 범위 내에서 5 km 간격의 반경으로 스코어 검사를 실시하였다. Figure 11은 구름 제거 경계값과 PIREPs 반경에 따라 산출한 결과의 TSS를 나타낸다. 전체 평균 PODy는 0.37, PODn은 0.68이며, 미국 연방항공청(Federal Aviation Administration; FAA)을 비롯한 항공 산업 관계자들이 현업에서 사용하기 위해 제시한 PODy > 0.8, PODn > 0.85에는 미치지는 못하였다(Sharman et al., 2006). 경계값이 230 K일 때 50 km 반경으로 계산한 결과가 가장 높은 TSS를 보였으며, 이 때 PODy와 PODn은 각각 0.49, 0.63이다. 위 결과는 구름 제거 경계값으로 230 K가 사용되었을 때 상대적으로 알고리즘의 신뢰도가 더 높음을 의미하므로 천리안 위성에 대한 경계값으로 제시하고자 한다.


Fig. 11. 
True Skill Statistic (TSS) of the tropopause folding turbulence detection product from 2013 to 2014 over the South Korea.

3.3 결과 분석

전체적인 알고리즘의 검증 결과의 정확도가 현업에서 요구하는 조건보다 현저히 낮은 원인을 크게 두 가지로 설명하고자 한다.

첫 번째는 에지 검출기의 높은 민감도이다. 미분 연산자를 사용하는 에지 검출기는 영상의 잡영에 매우 민감하며, 본 알고리즘에서 잡영은 주로 수증기 채널에서 나타나는 구름 효과에 해당한다. 그러므로 구름 제거 단계가 에지 검출 단계에 매우 중요한 역할을 수행하지만, 단일 경계값을 이용한 구름 제거는 여전히 고위도의 구름 화소가 제거되지 않는다는 한계가 존재한다. 본 연구에서는 제거되지 않은 고위도 구름 효과를 에지 품질 관리 단계에서 제거하도록 개발하였으나, 선행 연구에서 구체적으로 정확한 경계값이 제시되지 않아 임의로 경계값을 선정하였다. 따라서향후 관측 자료를 기반으로 품질 관리 단계의 개선 연구가 수행된다면 알고리즘의 정확도 향상에 기여할 수 있을 것으로 보이며, 수증기 채널의 구름 탐지와 같은 본 알고리즘에서 활용 가능한 구름 제거에 대한 연구가 추가로 수행되어야 할 것이다. 한편 초기 방법론을 제시한 GOES-R TFTP와 천리안 위성에 적용한 본 알고리즘을 분석하였을 때 사용된 영상 처리 기법에 따라 최종 산출되는 영역의 민감도가 높으므로, 보다 적절한 영상 처리 기법의 선정과 이에 따른 경계값 개선이 필요할 것으로 보인다. 더 나아가 난류 발생 가능성이 높은 영역을 본 연구에서 제시한 마스킹(masking) 형식으로 산출하는 대신, 난류가 발생할 가능성을 산출하도록 확률적 접근이 이루어진다면 보다 활용도 높은 산출물이 될 것으로 사료된다.

두 번째 원인은 검증 방법의 부정확성이다. 사례일 선정에서 언급한 바와 같이 검증 자료로 사용된 PIREPs은 자료 자체의 주관성, 불확실성과 비주기적 특성을 가진다. 하지만 PIREPs은 이러한 제약이 존재함에도 난류 검증 자료로써 지속적으로 사용되고 있으며, 특히 Sharman et al. (2014)은 PIREPs을 이용하여 항공기에서 관측한 EDR 자료의 난류 강도별 경계값을 제시한 바 있다. 따라서 PIREPs을 이용한 검증은 타당하나, 본 연구에서는 수집된 기간 내에서 CAT 발생 사례만을 선정하기 위하여 CIT를 제거하여 사용하였고, 선별된 CAT 중에서 추가적으로 대류권계면 근처 제트류와 관련된 CAT를 선별하지 못한 것이 낮은 정확도의 주된 요인으로 분석된다. 따라서 추가적으로 본 연구에서는 Min et al. (2011)에서 제시한 제트류의 강화와 시어 불안정에 의해 발생하는 난류를 선별하기 위한 대표 난류 지수인 TI1 (Ellrod and Knapp, 1992) 지수를 연구 기간에 대하여 계산하였다. 난류 지수 계산을 수행한 결과, CIT가 제거된 CAT 65건 중 13건이 Min et al. (2011)에서 제시된 계절별 임계 값을 이용해 CAT로 선별되었으며, 그 중 본 알고리즘은 4건을 탐지하여 POD가 30.71%로 분석되었다. 이는 전체 CAT를 이용해 검증한 결과보다 더 낮은 정확도를 나타내며, 현업에서 요구하는 정확도 또한 만족하지 못하는 결과이다. 하지만 선별된 CAT 사례일 수가 13건이으로 향후 후속 연구에서 통계적으로 보다 유의미한 결과를 얻기 위하여 긴 시간에 대해 선별이 필요할 것으로 보인다. 또한 Kim and Chun (2010)에서 제시한 TJCAT (Tropopause/Jet streaminduced CAT) 만을 선별하여 검증을 수행한다면 보다 현실적인 검증이 될 것으로 사료된다.


4. 결론 및 요약

본 연구에서는 대류권계면 접힘 영역에서 발생하는 CAT 탐지를 위하여 정지궤도 위성의 수증기 채널을 이용한 GOES-R TFTP 알고리즘을 향후 후속 기상위성에 적용 하기 위한 사전 연구로써 알고리즘을 보완하고 천리안 위성에 대하여 산출하였고 PIREPs으로 검증하였다.

순항하는 항공기에 영향을 줄 수 있는 CAT는 대류권계면 접힘 영역에서 발생할 수 있다. 대류권계면 접힘을 상부 대류권의 수증기 분포에서 밝기 값의 급격한 변화로 정의하였고, 이를 산출하기 위하여 COMS 수증기 채널 휘도 온도와 상부 대류권 온도장으로 상부 대류권 비습을 모수화한 LASH를 산출하였다. 산출된 COMS LASH는 ERA-Interim 재분석장 비습과 비교하여 상부 대류권의 수증기 변동을 평균 80% 이상 설명할 수 있음을 보였다. 특히 여름철(6, 7, 8월)과 위도 20도 이하의 저위도 결과를 제외하면 상관계수가 80% 이상으로 나타나, 제안된 방법으로 LASH를 산출할 때 시 · 공간적 제약이나 주의가 필요함을 제시하였다. LASH 산출 후 LASH의 구름 효과를 단일 경계값으로 제거하였고, 천리안 위성 Level2 산출물인 UTH와 CTP를 이용하여 제거된 화소들의 군집분석을 수행하였다. 저위도 구름과 중상층운, 구름 가장자리를 대표하는 높은 상대습도 화소가 평균 80% 이상 제거되었으나, 더 높은 경계값을 적용할수록 전체 화소에서 제거되는 화소의 비율이 늘어나는 문제점을 보였고, 고위도에서 나타나는 상층운이 제대로 제거되지 않는 결과를 보였다. 구름 제거 과정을 거친 LASH 영상에서 공간 경사도가 높은 영역을 찾기 위하여 에지 검출기를 적용하였으며, 본 연구에서는 영상 처리 영역에서 GOES-R에서 적용된 LOG 방법보다 비교적 최적화된 에지를 탐지하는 방법인 Canny 에지 검출기를 새롭게 적용하였다. 에지 검출 후 품질 관리를 통과한 에지에 대하여 에지 확장을 수행하였고, 확장된 영역을 최종적으로 대류권계면 접힘 난류 탐지 영역으로 산출하였다. 산출물의 검증을 위하여 2년간 수집된 PIREPs 중에서 중고고도에서 CIT를 제외한 CAT 발생 사례를 선별하였고, 스코어 검사(Score Test)를 통해 산출 결과의 정확도를 검증하였으나, 구름 제거 경계값이 230 K일 때, 알고리즘의 PODy와 PODn는 각각 0.49, 0.63로 나타나 현업에서 요구하는 정확도보다 낮은 결과를 보였다. 본 연구에서는 낮은 정확도의 원인을 크게 에지 검출 알고리즘의 민감성과 검증 자료로 사용된 PIREPs의 불확실성으로 설명하였다. 따라서 후속 연구에서 결과에서 분석한 알고리즘의 특성과 현재의 한계점, 향후 연구 방향을 고려하여 이와 연관된 연구가 이루어 진다면 보다 정확한 산출을 수행할 수 있을 것으로 기대된다.

본 연구의 후속 연구로써 2018년에 발사될 예정인 천리안 위성의 후속 기상위성 Geo-KOMPSAT-2A(GK-2A)에 적용하기 위하여 일본의 정지궤도 위성인 Himawari-8 자료를 이용한 새로운 수증기 채널을 이용한 LASH 산출과 민감도 검사가 수행될 예정이며 현재 연구가 진행 중이다. 또한 검증 자료의 한계를 보완하기 위하여 보다 긴 기간의 검증 자료에 대해 난류 지수로 분류한 PIREPs으로 검증할 예정이며, 본 연구에서 분석한 알고리즘의 한계를 극복하기 위한 방안을 타진해보고자 한다.


Acknowledgments

본 논문의 개선을 위해 좋은 의견을 제시해 주신 심사위원께 감사드립니다. 이 논문은 2016년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업(2016R1D1A1B01016565)입니다.


References
1. Bass, E. J., (2002), Turbulence assessment and decision-making in commercial aviation: Investigating the current state of practice and the effects of technology interventions, Int. J. Appl. Aviat. Stud., 2, p11-22.
2. Brown, B. G., and G. S. Young, (2000), Verification of icing and turbulence forecasts: Why some verification statistics cannot be computed using PIREPs, 9th Conf. on Aviation, Range, and Aerospace Meteorology, Orlando, USA, p393-398.
3. Brown, B. G., J. L. Mahoney, J. Henderson, T. L. Kane, R. Bullock, and J. E. Hart, (2000), The turbulence algorithm intercomparison exercise: Statistical verification results, 9th Conf. on Aviation, Range, and Aerospace Meteorology, Orlando, USA, p466-471.
4. Canny, J. F., (1986), A computational approach to edge detection, IEEE Trans. Pattern Anal., 6, p679-698.
5. Cornman, L. B., C. S. Morse, and G. Cunning, (1995), Real-time estimation of atmospheric turbulence severity from in-situ aircraft measurements, J. Aircraft, 32, p171-177.
6. Ellrod, G. P., and D. L. Knapp, (1992), An objective clear-air turbulence forecasting technique: Verification and operational use, Wea. Forecasting, 7, p150-165.
7. Ellrod, G. P., F. Lester, and L. J. Ehernberger, (2003), Clear-air turbulence. In Encyclopedia of Atmospheric Sciences, Academic Press, p393-403.
8. Forsyth, D. A., and J. Ponce, (2003), Computer Vision: A Modern Approach, Pearson Education, p828.
9. Gonzalez, R. C., and R. E. Woods, (1992), Digital Image Processing, Addison-Wesley, p716.
10. Graham, R. L., (1972), An efficient algorithm for determining the convex hull of a finite planar set, Inform. Process. Lett., 1, p132-133.
11. Holton, J. R., P. H. Haynes, M. E. McIntyre, A. R. Douglass, R. B. Rood, and L. Pfister, (1995), Stratospheretroposphere exchange, Rev. Geophys., 33, p403-440.
12. Jaeger, E. B., and M. Sprenger, (2007), A Northern Hemispheric climatology of indices for clear air turbulence in the tropopause region derived from ERA40 reanalysis data, J. Geophys. Res., 112.
13. Jain, R., R. Kasturi, and B. G. Schunck, (1995), Machine Vision, McGraw-Hill Science, p549.
14. Kim, J.-H., and H.-Y Chun, (2010), Statistics and possible sources of aviation turbulence over South Korea, J. Appl. Meteor. Climatol., 50, p311-324.
15. Kim, J.-H., and H.-Y Chun, (2011), Development of the Korean mid- and upper-level Aviation Turbulence Guidance (KTG) system using the regional unified model, Atmosphere, 21, p497-506, (in Korean with English abstract).
16. Kim, J.-H., and H.-Y Chun, (2012), Development of the Korean Aviation Turbulence Guidance (KTG) system using the operational Unified Model (UM) of the Korea Meteorological Administration (KMA) and pilot reports (PIREPs), J. Korean Soc. Aviat. Aeron., 20, p76-83, (in Korean with English abstract).
17. Koch, P., H. Wernli, and H. W. Davies, (2006), An eventbased jet-stream climatology and typology, Int. J. Climatol., 26, p283-301.
18. Lee, D.-B., and H.-Y. Chun, (2014), Development of the seasonal Korean aviation Turbulence Guidance (KTG) system using the regional unified model of the Korea Meteorological Administration (KMA), Atmosphere, 24, p235-243, (in Korean with English abstract).
19. Lee, D.-B., and H.-Y. Chun, (2015), Development of the Korean Peninsula-Korean aviation Turbulence Guidance (KPKTG) system using the Local Data Assimilation and Prediction System (LDAPS) of the Korea Meteorological Administration (KMA), Atmosphere, 25, p367-374, (in Korean with English abstract).
20. Min, J.-S., H.-Y Chun, and J.-H. Kim, (2011), An investigation of synoptic condition for Clear-Air Turbulence (CAT) events occurred over South Korea, Atmosphere, 21, p69-83, (in Korean with English abstract).
21. Moody, J. L., A. J. Wimmers, and J. C. Davenport, (1999), Remotely sensed specific humidity: Development of a derived product from the GOES Imager Channel3, Geophys. Res. Lett., 26, p59-62.
22. Schwartz, B., (1996), The quantitative use of PIREPs in developing aviation weather guidance products, Wea. Forecasting, 11, p372-384.
23. Shapiro, M. A., (1980), Turbulent mixing within tropopause folds as a mechanism for the exchange of chemical constituents between the stratosphere and the troposphere, J. Atmos. Sci., 37, p994-1004.
24. Sharman, R., C. Tebaldi, G. Wiener, and J. Wolff, (2006), An integrated approach to mid- and upper-level turbulence forecasting, Wea. Forecasting, 21, p268-287.
25. Sharman, R., L. B. Cornman, G. Meymaris, J. Pearson, and T. Farrar, (2014), Description and derived climatologies of automated in situ eddy-dissipation-rate reports of atmospheric turbulence, J. Appl. Meteor. Climatol., 53, p1416-1432.
26. Soden, B. J., and F. P. Bretherton, (1993), Upper tropospheric relative humidity from the GOES-7 6.7 μm channel: Method and climatology for July 1987, J. Geophys. Res., 98, p16669-16688.
27. Soden, B. J., and F. P. Bretherton, (1996), Interpretation of TOVS water vapor radiances in terms of layer-average relative humidity: Method and climatology for upper, middle, and lower troposphere, J. Geophys. Res., 101, p9333-9343.
28. Wimmers, A. J., and J. L. Moody, (2001), A fixed-layer estimation of upper tropospheric specific humidity from the GOES water vapor channel: Parameterization and validation of the altered brightness temperature product, J. Geophys. Res., 106, p17115-17132.
29. Wimmers, A. J., and J. L. Moody, (2004a), Tropopause folding at satellite observed spatial gradients: 1. Verification of an empirical relationship, J. Geophys. Res., 109.
30. Wimmers, A. J., and J. L. Moody, (2004b), Tropopause folding at satellite-observed spatial gradients: 2. Development of an empirical model, J. Geophys. Res., 109.
31. Wimmers, A. J., and W. Feltz, (2010), Tropopause Folding Turbulence Product: GOES-R Algorithm theoretical basis document version 2.0. UW/CIMSS, p49.
32. Wimmers, A. J., and Coauthors, (2003), Signatures of tropopause folding in satellite imagery, J. Geophys. Res., 108.
33. Woods, J. A., and H. A. Panofsky, (1973), Satellite radiance and clear air turbulence probabilities, Bound.-Layer Meteor., 4, p361-375.