⚡ electrical engineering

Analysis of tropospheric noise at small spatial scales based on GNSS ZTD and Numerical Weather Prediction models

본 연구는 GNSS와 수치예보모델(NWP)의 ZTD 데이터를 비교함으로써 InSAR 관측에서의 소규모 대류권 노이즈를 정량화하며, 잔차 오차가 NWP 모델의 해상도보다는 주로 위도와 고도에 의존한다는 것을 밝히고, 이러한 격자 하부 불확실성을 InSAR 오차 추정에 포함시키기 위한 함수 모델을 제안한다.

원저자: Adeyinka Olaseinde, Jeremy Maurer

게시일 2026-07-06

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Adeyinka Olaseinde, Jeremy Maurer

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

개요: 지구의 "숨결" 측정하기

당신이 지면이 움직이고 있는지(예: 화산이 부풀어 오르거나 광산이 가라앉는 현상) 확인하기 위해 초정밀 사진을 찍으려 한다고 상상해 보세요. 과학자들은 InSAR라는 기술을 사용하는데, 이는 지구 표면의 사진을 찍어 몇 달 전의 사진과 비교하는 것과 같습니다. 이들은 몇 밀리미터 수준의 아주 미세한 움직임까지도 감지할 수 있습니다.

하지만 문제가 하나 있습니다. 위성과 지면 사이의 공기가 비어 있는 것이 아니라는 점입니다. 그곳은 대류권(우리 대기의 가장 낮은 층)으로 채워져 있습니다. 이 층은 마치 안개가 낀 창문처럼 작용합니다. 레이더 신호가 이 층을 통과할 때, "안개"(구체적으로는 수증기)가 신호를 느리게 만들어, 실제로는 지면이 움직이지 않았음에도 불구하고 마치 움직인 것처럼 보이게 만듭니다. 이를 **대류권 노이즈(tropospheric noise)**라고 부릅니다.

현재의 해결책: "일기 예보" 지도

이를 해결하기 위해 과학자들은 **수치 예보 모델(NWP)**을 사용합니다. 이 모델들을 거대한 디지털 기상 지도로 생각하면 됩니다. 이 지도는 지구 곳곳의 온도, 기압, 습도를 예측합니다. 과학자들은 이 "안개"가 신호를 얼마나 늦췄는지 계산하여, 사진에서 그 오차를 빼내려고 노력합니다.

핵리적인 가정:
대부분의 과학자들은 매우 좁은 지역(예: 동네 하나)을 본다면, 그 안의 "안개"는 어디나 거의 비슷할 것이라고 가정해 왔습니다. 그들은 "기상 지도를 이용해 보정을 하면, 작은 동네에 남은 미세한 오차는 무시해도 될 정도로 작을 것이다"라고 생각했습니다.

이 연구가 수행한 것: "쌍둥이 테스트"

이 논문의 저자들은 그 가정을 검증하고 싶었습니다. 그들은 다음과 같이 질문했습니다. "작은 동네 안에서도 날씨가 정말 똑같을까, 아니면 기상 지도를 사용한 후에도 여전히 '노이즈'가 남아 있을까?"

이를 알아내기 위해 그들은 영리한 실험을 설계했습니다:

쌍둥이: 그들은 서로 매우 가까운 거리(불과 몇 킬로미터 이내)에 모여 있는 GPS 스테이션 그룹(대기를 매우 정확하게 측정하는 장치)을 찾아냈습니다.
비교: 그들은 이 GPS 스테이션들이 측정한 "실제" 대기와 두 가지 서로 다른 기상 모델이 "예측"한 대기를 비교했습니다:
- ERA5: 약 31km의 "그리드" 크기를 가진 전 지구적 모델 (마치 커다란 블록 모양의 사각형으로 이루어진 지도를 보는 것과 같습니다).
- HRRR: 약 3km의 "그리드" 크기를 가진 지역 모델 (마치 훨씬 더 작고 정밀한 사각형으로 이루어진 지도를 보는 것과 같습니다).

만약 가정이 사실이라면, 같은 작은 동네에 있는 GPS 스테이션들은 서로 일치해야 하며, 기상 모델 또한 이들과 완벽하게 일치해야 합니다.

놀라운 발견들

결과는 과학계에 다소 충격적이었습니다:

1. 작은 동네에서도 "안개"는 여전히 존재합니다.
GPS 스테이션들이 서로 가까이 있었음에도 불구하고, 그들은 완벽하게 일치하지 않았습니다. 기상 모델을 사용한 후에도 상당한 양의 "노이즈"(변동성)가 남아 있었습니다. 이는 같은 방 안에 있는 쌍둥이들을 보는 것과 같습니다. 우리는 그들이 똑같은 옷을 입고 있을 것이라 기대하지만, 실제로는 각자 조금씩 다른 옷을 입고 있는 것과 같습니다. 공기 중의 "안개"는 실제로 매우 짧은 거리 사이에서도 변화하고 있었습니다.

2. 큰 지도가 항상 더 나은 것은 아닙니다.
연구진은 HRRR 모델(3km의 작은 사각형을 가진 모델)이 ERA5 모델(31km의 큰 사각형을 가진 모델)보다 훨씬 더 잘 해낼 것이라고 생각했습니다.

결과: 그들의 예상은 틀렸습니다. 고해상도 모델이 이러한 작은 규모에서의 정확도를 크게 개선하지 못했습니다.
비유: 숲을 세밀하게 그리려고 한다고 상상해 보세요. 당신은 굵은 마커(ERA5)보다 가는 붓(HRRR)을 사용하는 것이 더 낫다고 생각할 것입니다. 하지만 바람에 의해 나뭇잎들이 끊임없이 움직이고 흔들린다면(수증기), 아무리 가는 붓을 사용하더라도 그 움직임을 완벽하게 포착할 수는 없습니다. 문제는 붓의 크기가 아니라, "나뭇잎"(수증기) 자체가 모델이 완벽하게 예측하기에는 너무나 혼란스럽다는 점입니다.

3. 높이보다 위치가 더 중요합니다.
연구는 당신이 어디에 있느냐가 얼마나 높이 있느냐보다 더 중요하다는 것을 발견했습니다.

위도: "노이즈"는 적도 근처에서 훨씬 높았고 극지방에서는 낮았습니다. 이는 적도 근처의 공기가 더 뜨겁고 수증기를 더 많이 머금고 있어, 예측하기 어렵고 혼란스럽다는 점에서 타당합니다. 극지방의 공기는 더 건조하고 안정적입니다.
고도: 놀랍게도, 스테이션이 얼마나 높은 곳에 있는지(산인지 계곡인지)에 대해서는 일관된 패턴이 나타나지 않았습니다. 때로는 높은 곳에서 노이즈가 더 많았고, 때로는 낮은 곳에서 더 많았습니다.

시사점: 새로운 경험칙

저자들은 우리가 작은 구역에서도 공기가 "잔잔하다"고 단순히 가정해서는 안 된다고 결론지었습니다. 최선의 기상 모델을 사용한 후에도, 여전히 무시할 수 없는 "불확실성의 지점"이 남아 있습니다.

그들은 과학자들이 사용할 수 있는 간단한 수학 공식(레시피)을 만들었습니다. 만약 당신이 위치(위도)와 높이(고도)를 공식에 입력하면, 공식은 예상되는 "노이즈"의 양을 나타내는 숫자를 제공할 것입니다.

이것이 중요한 이유:
지면이 움직이는 것을 측정할 때, 과학자들은 자신의 수치를 얼마나 믿을 수 있는지 알아야 합니다. 이 연구는 그들에게 계산에 "안전 마진"을 더할 수 있는 방법을 제공합니다. 단순히 "지면이 5mm 움직였다고 100% 확신한다"라고 말하는 대신, 이제는 "지면이 5mm 움직였으며, 위치에 따른 기상 노이즈를 고려했을 때 ±특정 수치만큼의 오차가 있을 수 있다"라고 말할 수 있게 된 것입니다.

한 문장 요약

이 논문은 최고의 기상 지도와 함께하더라도, 아주 좁은 거리에서 공기는 여전히 너무 "흔들리고" 예측 불가능하여 무시할 수 없으며, 지구 표면을 측정할 때 이러한 남겨진 무질서함을 설명할 새로운 방법이 필요하다는 것을 증명합니다.

기술 요약: GNSS ZTD 및 수치 기상 예보 모델에 기반한 소규모 공간 척도에서의 대류권 노이즈 분석

문제 제기
간섭 합성 개구 레이더(InSAR)는 밀리미터 수준의 정밀도로 지표면 변위를 모니터링하는 주요 도구이다. 그러나 대류권 지연은 종종 관심 신호의 크기를 초과하는 15~20 cm에 달하는 오차의 주요 원인이 된다. 수치 기상 예보(NWP) 모델이 이러한 지연을 보정하기 위해 흔히 사용되지만, 대부분의 연구는 NWP 기반 보정 후의 소규모 공간 척도(예: InSAR 시계열의 "기준점" 영역 내)에서 대류권 변동성이 무시할 수 있는 수준이라고 가정한다. NWP 기반 보정 후 소규모 길이 척도에서 발생하는 잔류 대류권 노이즈의 크기에 대한 체계적인 정량화가 부족한 실정이다. 또한, 더 높은 해상도의 NWP 모델이 이러한 서브 그리드(sub-grid) 척도에서의 보정 정확도를 개선하는지 여부도 여전히 불분명하다.

연구 방법론
본 연구는 NWP 모델에서 유도된 천정 전지연(ZTD)을 밀집된 GNSS 스테이션 클러스터(최대 이격 거리 ≲13 km, 대부분 <7 km)의 GNSS 유도 ZTD와 비교함으로써 소규모 대류권 오차를 정량화한다. 분석은 단일 스테이션에서의 시간적 변동성보다는, 주어진 시점에 그룹 내 스테이션들 간의 공간 표준 편차( $\sigma_{sp}$ )에 초점을 맞춘다.

양 끝단의 공간 해상도를 나타내는 두 가지 NWP 모델을 평가하였다:

ERA5: 약 31 km 격자 간격을 가진 ECMWF의 글로벌 재분석 모델.
HRRR: 약 3 km 격자 간격을 가진 NOAA의 지역 재분석 모델.

데이터 소스는 다음과 같다:

GNSS ZTD: 11개 글로벌 사이트(호주, 일본, 독일, 이탈리아, 칠레, 알래스카, 캘리포니아 포함)를 위한 Nevada Geodetic Laboratory(NGL) 데이터 및 미국 미주리주 롤라(Rolla, Missouri)의 4개 스테이션에서 수집한 수동 정적 조사 데이터.
처리 과정: RAiDER 소프트웨어 패키지를 사용하여 NWP 데이터를 다운로드하고, 이를 정규 격자로 재구성한 후, ZTD를 계산하기 위해 3D 보간법을 사용하여 GNло 스테이션 위치로 보간하였다.
통계 분석: 각 사이트에 대한 평균 공간 표준 편차( $\sigma_{sp}$ )를 계산하였으며, $\sigma_{sp}$ 를 위도 및 고도의 함수로 피팅하였다.

주요 결과

소규모 노이즈의 지속성: NWP 보정 후에도 ≤13 km의 공간 척도에서 유의미한 잔류 변동성이 지속된다. 공간 표준 편차( $\sigma_{sp}$ )는 이전 연구에서 보고된 글로벌 단일 스테이션별 시간적 표준 편차의 크기와 유사하다.
위도 의존성: 잔류 노이즈는 주로 위도에 따라 변한다. 변동성은 저위도 및 중위도(예: 이탈리아, 캘리포니아, 미주리)에서 일반적으로 높고, 고위도(예: 알래스카, 독일)에서는 낮다. 가우시안 형태의 모델이 이러한 경향을 효과적으로 포착한다.
고도 의존성: 고도에 대한 의존성은 더 약하고 일관성이 낮다. 일부 경향이 관찰되었으나 모델과 데이터셋마다 차이가 있었으며, 이는 고도가 위도에 비해 지배적인 통제 요인이 아님을 시사한다.
모델 해상도 영향: 고해상도 모델이 소규모 일치도를 개선할 것이라는 가설과 달리, 더 미세한 해상도의 HRRR 모델(~~3 km)은 ERA5(~~31 km) 모델에 비해 GNSS ZTD와의 일치도를 개선하지 못했다.
- 편향(Bias): 두 모델 모두 계통적 편향을 보였다 (ERA5 ~50.1 mm; HRRR ~49.5 mm).
- 변동성: HRRR은 실제로 ERA5( $\sigma_t \approx 1.4$ cm)보다 약간 높은 시간적 변동성( $\sigma_t \approx 1.9$ cm)을 나타냈다.
잔류물의 성격: 관찰된 스테이션 간 편차(1–2 cm)는 일반적인 GNSS ZTD 불확실성(2–4 mm)을 크게 상회하며, 이는 잔류물이 GNSS 측정 오차가 아니라 NWP 모델이 해결하지 못하는 실제 소규모 대류권 변동성(수증기에 의해 구동되는 것으로 추정)을 나타냄을 의미한다.

주요 기여

서브 그리드 오차의 정량화: 본 연구는 NWP 보정 후 소규모 공간 척도(≤13 km)에서의 대류권 노이즈를 최초로 체계적으로 정량화하여, 이 노이즈가 무시할 수 없는 수준임을 입증하였다.
해상도 독립성: 고해상도 NWP 모델이 본질적으로 더 나은 소규모 보정을 제공한다는 가정을 반박하며, ERA5와 HRRR이 잔류 공간 변동성에 대해 유사하게 수행됨을 보여준다.
함수적 불확실성 모델: 저자들은 위도( $\phi$ )와 고도( $z$ )의 함수로서 소규모 불확실성( $\hat{\sigma}_{sp}$ )을 추정하는 간단한 함수 모델(식 6)을 제안한다:
$\hat{\sigma}_{sp} \approx (az + b)e^{-\frac{\phi^2}{2c^2}}$
이 모델을 통해 실무자는 연구 지역에 대한 지점별 불확실성 추정치를 사전 계산할 수 있다.

의의 및 주장
본 논문은 식별된 소규모 대류권 변동성이 밀집된 GNSS 네트워크와 3 km 해상도의 HRRR에서도 지속되는 지속적인 전 지구적 특징이라고 주장한다. 저자들은 이러한 변동성이 특히 픽셀이 집계되거나 기준점에 대한 "노이즈 없는" 가정이 적용되는 지각 변동 연구에서 InSAR 불확실성 예산에 반드시 고려되어야 한다고 강조한다.

제안된 함수 모델은 서브 그리드 대류권 오차를 InSAR 불확실성 추정에 포함시키기 위한 정량적 근거를 제공한다. 저자들은 이러한 잔류 구조가 현재의 NWP 물리 법칙이나 해상도로는 해결되지 않으므로, 향후 개선을 위해서는 NWP 보정과 미세 규모 대류권 변동성을 더 잘 해결할 수 있는 머신러닝 접근법과 같은 보완적인 방법의 결합이 필요할 수 있다고 제안한다. 본 연구는 NWP 모델이 대규모 보정에는 효과적이지만, 픽셀 척도에서의 남은 불확실성을 정확하게 나타내기 위해서는 위도와 고도에서 유도된 "지점별(point-wise)" 오차 항이 필요하다는 결론을 내린다.