search

대기(전리층, 대류권) 영향

hashtag
전리층(Ionosphere) 개요

GNSS 신호는 발사된 후 수신기에 도달하기까지 지구 대기권을 통과하게 된다. 이 때 가장 큰 영향을 미치는 대기권 영역 중 하나가 전리층이다. 전리층은 태양으로부터 방사된 자외선 및 X선에 의해 대기 중의 분자가 이온화되어 형성된 자유 전자(Free electron) 밀도가 높은 영역을 말한다. 일반적으로 전리층은 고도 약 50 km부터 1,000 km 부근까지로 정의되며, GNSS 신호가 통과할 때 전파의 위상 및 그룹 지연을 일으켜 측정 정확도를 저하시킨다.

전리층에서 발생하는 오차는 신호 주파수에 반비례하여 변화하는 특성이 있으며, 단일 주파수 수신기의 경우 전리층 보정이 완벽하지 않으면 수 미터 이상의 오차가 발생할 수 있다. 따라서 전리층으로 인한 GNSS 오차를 줄이기 위해서는 전리층 모델링 기법이나 이중 주파수 관측을 통한 직접 보정이 필수적이다.

hashtag
전리층 전파 지연 특성

전리층 내에 자유 전자가 존재할 경우 전파는 전자와 상호 작용하여 굴절이나 지연을 일으킨다. 일반적으로 GNSS 신호는 L밴드(약 1~2 GHz) 범위를 사용하기 때문에, 이 주파수 대역에서 전리층 영향은 다음과 같은 특징을 가진다.

  • 주파수 의존성: 전리층에서의 위상 및 그룹 지연은 대략적으로 $1/f^2$ (여기서 $f$는 신호 주파수)에 비례하여 달라진다.

  • 전자 밀도 의존성: 전리층에 존재하는 자유 전자 수, 즉 총 전자 수(TEC, Total Electron Content)에 비례하여 지연 크기가 커진다.

이를 보다 수식으로 표현하면, 전리층에서 발생하는 그룹 지연 $\Delta t_{\mathrm{ion}}$은 대략

Δtion≈α⋅TECf2\Delta t_{\mathrm{ion}} \approx \alpha \cdot \frac{\mathrm{TEC}}{f^2}

와 같은 형태로 나타낼 수 있다. 여기서 $\alpha$는 전리층 모델 및 물리 상수 등을 종합한 비례 상수이며, $\mathrm{TEC}$는 통과 경로상의 총 전자 개수를 나타낸다.

hashtag
총 전자 수(TEC)와 경로 적분

GNSS 신호가 전리층을 지날 때 전파의 진행 경로를 따라 자유 전자가 어느 정도 분포하는지에 따라 전리층 지연이 결정된다. 이를 보다 엄밀하게 표현하기 위해 전리층 구간에서 전파 경로를 $L$이라 할 때, 경로 적분 형태로

TEC=∫Lne dl\mathrm{TEC} = \int_L n_e \, dl

로 나타낼 수 있다. 여기서 $n_e$는 위치에 따른 자유 전자 밀도이며, $dl$은 전파 진행 방향으로의 미소 경로 요소이다. 즉, 총 전자 수(TEC)는 전리층에서 전자 밀도 함수를 경로 적분한 결과가 된다.

만일 전자 밀도 분포 $n_e(\mathbf{r})$가 공간 좌표 $\mathbf{r}$에 따라 다양하게 변한다면,

TEC=∫rstartrendne(r) dr\mathrm{TEC} = \int_{\mathbf{r}_\mathrm{start}}^{\mathbf{r}_\mathrm{end}} n_e(\mathbf{r}) \, d\mathbf{r}

와 같이 3차원 적분으로 표현할 수 있다. 이는 지구 자전, 태양 활동, 계절 및 위도 등에 따라 매우 가변적이므로 전리층 지연 오차는 일관적이지 않고 시간적∙공간적으로 다르게 나타난다.

hashtag
전리층 단일주파수 보정 방법

GNSS 단일주파수 수신기(L1만 사용하는 경우)는 전리층 지연에 취약하기 때문에, 국제 GNSS 서비스(IGS) 등이 제공하는 전리층 모델이나 위성에서 제공하는 보정 파라미터 등을 활용하여 보정한다. 대표적으로 GPS 시스템에서 제공하는 Klobuchar 모델의 계수를 이용하여 전리층 보정을 수행한다. Klobuchar 모델의 기본 형태는 대략적으로 전리층 지연을 코사인 함수를 포함한 8개의 계수를 이용해 근사화한다.

hashtag
전리층 이중주파수 보정 방법

이중주파수(L1, L2) 수신기의 경우, 전리층 지연이 서로 다른 주파수 간에 상호 차이를 보이는 점을 이용하여 전리층 영향을 직접 추정하고 제거할 수 있다. 두 주파수 $f_1$과 $f_2$에서 관측한 위상 측정치 혹은 범위 측정치를 각각 $P_1, P_2$라 하면, 전리층 보정항을 간단하게 표현한 예시는 다음과 같다.

I=f12f12−f22(P1−P2)I = \frac{f_1^2}{f_1^2 - f_2^2} \bigl(P_1 - P_2\bigr)

여기서 $I$는 전리층 오차 추정값이다. 이 식은 이중주파수 기반의 전리층 보정을 간단화한 형태이며, 실제로는 수신기 내부 설정과 자세한 관측 방정식을 종합적으로 고려해야 한다.

hashtag
전리층 모델의 한계와 추가 고려사항

  • 태양 활동: 태양흑점 활동이 활발해지면 전리층 전자 밀도 변동성이 커져 모델로는 예측하기 어려운 급격한 오차가 발생할 수 있다.

  • 위도, 계절, 시간적 요인: 전리층은 지역적 및 시간적 차이가 크게 나타난다. 예컨대 적도 부근과 극지방, 주간과 야간, 동계와 하계에 따른 차이가 존재한다.

  • 우주기상 예측의 중요성: 고밀도 전리층 폭풍이나 이리디움 섬광 등으로 인한 순간적 섭동은 기존 모델로 커버하기 어렵다.

hashtag
대류권(Troposphere) 개요

전리층 외에도 GNSS 신호 지연에 중요한 또 다른 대기권 층이 대류권이다. 대류권은 지표면부터 약 10~15 km 고도 영역을 말하며, 수증기가 존재하는 영역이기 때문에 온도, 압력, 습도 등 기상 요소에 따라 굴절률이 달라진다. 이러한 대류권 굴절은 전파를 지연시켜 GNSS 측정에 오차를 일으킨다.

대류권 지연은 전리층 지연과 달리 주파수에 의존적이지 않다. 따라서 이중주파수 차분으로는 제거할 수 없고, 별도의 대류권 모델링 및 추정 과정을 통하여 보정해야 한다. 대류권 지연은 일반적으로 건조(불포화) 지연(Dry delay)과 습윤(포화 수증기) 지연(Wet delay)의 합으로 표현된다.

hashtag
대류권 굴절 이론

GNSS 신호가 대류권을 지날 때는 대기압, 온도, 습도 등 물리적인 기상 상태에 따라 굴절률이 달라져 전파가 지연된다. 이러한 지연은 주파수에 큰 영향을 받지 않으므로, 이중 주파수 측정을 통해 직접 상쇄하기 어렵다. 대신 대류권 모델, 혹은 추가 관측(예: 기상 센서) 등을 통해 보정한다.

대류권 굴절률(N)은 통상적으로 다음과 같이 근사화하여 표현한다. 기체 방정식과 수증기압 관계를 반영하면, 국제적으로 널리 사용되는 형태의 굴절률 모델은 아래와 같다.

N=77.6PT+3.73×105eT2N = 77.6 \frac{P}{T} + 3.73 \times 10^5 \frac{e}{T^2}

여기서

  • $P$: 기압 (단위: hPa),

  • $T$: 온도 (단위: K),

  • $e$: 부분수증기압 (단위: hPa),

  • $77.6, 3.73×1053.73 \times 10^5$: 실험적으로 구해진 상수.

위 식에 따르면, 대류권 굴절률은 건조 공기(첫 항)와 습윤 공기(둘째 항)의 기여도가 합쳐져 나타난다.

hashtag
건조 지연(Hydrostatic Delay)과 습윤 지연(Wet Delay)

대류권 지연은 전통적으로 건조 지연(건조 또는 정역학적 지연)과 습윤 지연(습기 기여)로 나누어 분석한다.

  1. 건조 지연(정역학적 지연)

    • 대기 중 비활성 기체(질소, 산소 등)가 만드는 압력 성분으로 인한 지연이다.

    • 대략 전체 대류권 지연의 90% 이상을 차지한다.

    • 상대적으로 비교적 예측이 쉽고 시공간적 변동이 작기 때문에 모델 적합도가 높다.

  2. 습윤 지연

    • 대기 중 수증기 상태에 의해 발생하는 지연이다.

    • 건조 지연에 비해 편차가 심하며, 기상 상태(날씨, 계절, 지역)마다 크게 달라진다.

    • 정확한 예측이 어려우며, 관측 자료(기상대 측정, GNSS 추가 추정 등)를 필요로 한다.

hashtag
대류권 지연의 수직방향 모델링: 천정 지연(Zenith Delay)

신호가 지구 중심부에서 수직(천정) 방향으로 들어올 때의 지연을 천정 지연(ZD, Zenith Delay)이라고 한다. 실제 위성 신호는 다양한 방위각과 고도각(엘리베이션각)으로 들어오기 때문에, 천정 지연을 기반으로 한 후속 계산(매핑 함수)을 통해 위성 방향 지연값을 추정한다.

  • 천정 건조 지연(ZHD, Zenith Hydrostatic Delay)

  • 천정 습윤 지연(ZWD, Zenith Wet Delay)

이를 합하여 천정 총 지연(ZTD, Zenith Total Delay)라 하며,

ZTD=ZHD+ZWD\mathrm{ZTD} = \mathrm{ZHD} + \mathrm{ZWD}

로 표현할 수 있다.

hashtag
Saastamoinen 모델

GNSS 대류권 지연 보정에서 가장 전통적이며 널리 이용되는 경험적 모델 중 하나로 Saastamoinen 모델이 있다. 천정 건조 지연(ZHD)은 기압과 중력가속도 등을 기준으로 다음과 같이 근사화된다.

ZHD≈0.002277⋅P1−0.00266cos⁡(2ϕ)−0.00028H\mathrm{ZHD} \approx 0.002277 \cdot \frac{P}{1 - 0.00266 \cos(2\phi) - 0.00028 H}

여기서

  • $\phi$: 관측 지점의 위도,

  • $H$: 해발 고도(km),

  • $P$: 현지 기압(hPa).

Saastamoinen 모델에서 습윤 지연(ZWD)은 아래와 같은 형태를 가지며, 실제로는 기상 관측 데이터(온도, 습도)나 대기 수증기압 ee를 이용하여 근사화한다.

hashtag
대류권 매핑 함수의 확장

현대의 정밀 GNSS 측위(예: PPP, 정밀 RTK 등)에서는 전 세계적 혹은 지역적 대류권 모델을 더욱 세밀하게 적용하기 위해, 기존의 Niell 모델이나 Hopfield 모델 외에도 다양한 확장 매핑 함수를 사용한다. 예컨대 Vienna Mapping Function(VMF1, VMF3) 계열은 다음과 같은 특징을 갖는다.

  • 대기 압력장, 온도장 예보 자료 활용: 유럽 중기예보센터(ECMWF) 또는 다른 기상 예측 모델의 대기압, 온도, 습도 분포를 바탕으로 시간적∙공간적으로 세분화된 매핑 함수를 생성한다.

  • 지리적 세분화: 위도와 경도, 해발 고도에 따라 달라지는 기상장(Pressure Field)을 반영한다.

  • 시계열 예측: 통상 6시간 간격으로 갱신되는 기상 자료를 이용해, 여러 시점(예: +6시간, +12시간 후 등)의 매핑 함수를 예측한다.

이처럼 고도화된 매핑 함수는 글로벌 및 지역 기상 데이터를 받아 동적 업데이트를 수행하므로, 표준화된 경험 모델보다 높은 정확도를 제공한다.

hashtag
GNSS 기반 대류권 추정

GNSS 측정값(코드, 위상) 안에는 필연적으로 대류권 지연이 포함되어 있다. 이를 이용해 역으로 대류권 물리량(예: 수증기 양)을 추정하는 절차를 **GNSS 대기측정(GNSS Meteorology)**라고 부르기도 한다. GNSS 자료를 통해 대류권 추정을 진행하는 절차를 간략히 요약하면 아래와 같다.

  1. 기본 측위 방정식 설정

    • 위성-수신기 간 측정값(코드, 위상) 식에서 대류권 항을 독립 변수로 포함한다.

  2. 초기 대류권 모델링 적용

    • 예: Saastamoinen 건조 지연, Niell 매핑 함수 등.

  3. 관측 조합 및 파라미터 추정

    • Kalman 필터, 최소제곱법 등의 기법을 사용하여 대류권 잔여 오차(특히 습윤 지연 성분)를 추정한다.

  4. 추정값을 이용한 보정

    • 추정된 천정 대류권 지연(ZTD) 또는 천정 습윤 지연(ZWD)을 매핑 함수로 위성 방향(사선) 지연으로 환산하여 보정한다.

hashtag
GNSS 대류권 파라미터 추정의 수학적 개념

GNSS 관측 방정식을 단순화하여 쓰면, 어떤 위성 ii에 대해 다음과 같이 표현할 수 있다 (범위 측정 기준).

ρi=∥rsat,i−rrec∥+c δtrec+Ti+Ii+ϵi\rho_i = \|\mathbf{r}_\mathrm{sat,i} - \mathbf{r}_\mathrm{rec}\| + c\,\delta t_\mathrm{rec} + T_i + I_i + \epsilon_i

여기서

  • $\mathbf{r}_\mathrm{sat,i}$: 위성 ii의 위치 (3차원 좌표),

  • $\mathbf{r}_\mathrm{rec}$: 수신기 위치 (3차원 좌표),

  • $c,\delta t_\mathrm{rec}$: 수신기 시계 오차,

  • $T_i$: 대류권 지연(사선 방향),

  • $I_i$: 전리층 지연(사선 방향),

  • $\epsilon_i$: 측정 잡음, 악영향(멀티패스 등)을 포함한 오차 항.

이때 전리층 지연 IiI_i는 이중 주파수 측정으로 제거 가능하지만, 대류권 지연 TiT_i는 별도의 파라미터로 두어야 한다. 대류권 지연 TiT_i는 대략

Ti=mdry(Ei)⋅ZHD+mwet(Ei)⋅ZWDT_i = m_\mathrm{dry}(E_i) \cdot \mathrm{ZHD} + m_\mathrm{wet}(E_i) \cdot \mathrm{ZWD}

로 표현할 수 있다.

  • $m_\mathrm{dry}(E_i)$: 건조 성분 매핑 함수(위성 고도각 $E_i$에 의존),

  • $m_\mathrm{wet}(E_i)$: 습윤 성분 매핑 함수(위성 고도각 $E_i$에 의존).

GNSS 데이터 처리는 모든 위성 ii에 대해 이런 방정식을 구성한 뒤, $\mathrm{ZHD}, \mathrm{ZWD}$를 추정 파라미터에 포함하고, 수신기 위치나 시계 오차 등과 함께 동시 추정한다.

hashtag
순차 추정의 예: Kalman 필터

실시간(또는 준 실시간)으로 GNSS 위치를 추정할 때, 대류권 파라미터도 함께 시간이 지남에 따라 동적으로 추정한다. 이를 위해 Kalman 필터 같은 순차 추정 방법을 사용한다. Kalman 필터에서는 시간 업데이트(Time Update)와 관측 업데이트(Measurement Update)가 반복되며, 다음과 같은 확장 상태 벡터를 고려한다.

x=[rrecc δtrecZWD⋮]\mathbf{x} = \begin{bmatrix} \mathbf{r}_\mathrm{rec} \\ c\,\delta t_\mathrm{rec} \\ \mathrm{ZWD} \\ \vdots \end{bmatrix}

(필요 시, 기타 오차 항들도 포함)

여기서 $\mathrm{ZWD}$는 습윤 지연을 대표하는 하나의 스칼라 파라미터(또는 점차 세분화된 형태)로 추정되기도 한다. Kalman 필터를 통해 $\mathrm{ZWD}$가 시간이 지남에 따라 업데이트되면, 측정 모델에 반영하여 각 시점의 GNSS 측정 값을 보정할 수 있다.

spinner

hashtag
대류권 그래디언트(Tropospheric Gradient)

실제 대류권은 단순히 수직(천정) 방향으로 균일하게 분포하는 것이 아니라, 수평 방향으로도 대기 변화가 존재한다. 이러한 수평 방향 비균질성으로 인해, 동일한 높이에서조차 지점마다 다른 대류권 상태가 발생한다. 이를 표현하기 위해 대류권 그래디언트(Tropospheric Gradient) 개념이 도입된다.

  • 정의: 대류권 그래디언트는 통상적으로 ‘천정 대류권 지연(ZTD)과는 독립적으로, 수평 방향으로 변화하는 대류권 지연 성분’을 나타내기 위한 추가 파라미터이다. GNSS 해석 시, 수평 방향의 대기 불균일을 하나의 벡터 형태로 근사할 수 있다.

  • 수학적 표현 예시: 위성 $i$에 대한 실제 대류권 지연 $T_i$가 다음처럼 표현된다고 가정해 보자.

    Ti=mdry(Ei) ZHD+mwet(Ei) ZWD+G(cos⁡Ai sin⁡Ei gN+sin⁡Ai sin⁡Ei gE)T_i = m_\mathrm{dry}(E_i)\,\mathrm{ZHD} + m_\mathrm{wet}(E_i)\,\mathrm{ZWD} + G \left( \cos A_i \,\sin E_i \,g_N + \sin A_i \,\sin E_i \,g_E \right)

    여기서

    • $m_\mathrm{dry}(E_i), m_\mathrm{wet}(E_i)$: 위성 고도각($E_i$)에 따른 매핑 함수,

    • $\mathrm{ZHD}, \mathrm{ZWD}$: 천정 건조 지연과 천정 습윤 지연,

    • $A_i$: 위성 방위각(Azimuth),

    • $g_N, g_E$: 대류권 그래디언트 벡터의 북방향, 동방향 성분,

    • $G$: 그래디언트 항에 대한 스케일링(모델에 따라 다른 형태를 취하기도 함).

    위 수식의 뒤쪽 항은 위성 방위각($A_i$)과 고도각($E_i$)에 따라 가중되어 추가되는 그래디언트 지연을 나타낸다. 즉, 특정 방향(북∙동)에 따라 대류권 지연 값이 달라지는 것을 모델링하기 위한 것이다.

  • 추정 방법: 그래디언트를 추정하기 위해서는 기존의 GNSS 해(solver)에서 대류권 파라미터(예: ZTD)에 추가로 $(g_N, g_E)$ 항을 독립 파라미터로 설정한다. Kalman 필터나 최소제곱추정 과정에서 여러 위성 방향(방위각, 고도각)에 대한 측정을 통해 이 그래디언트 값을 유추한다.

  • 필요성:

    • 극한 기상 상태나 특정 지형적 영향(예: 산악 지형, 해안선 근처의 급격한 습도 차이 등)에서 수평 대류권 구조가 균일하지 않다면, 그래디언트 항을 무시할 경우 오차가 증가할 수 있다.

    • 정밀 측위(예: VLBI, 수 mm~cm 급 GNSS 측위)에서는 그래디언트 추정이 필수적이기도 하다.

hashtag
대류권 보정 요약 (중간 정리)

  • 건조 지연: 대류권 지연의 대부분(약 90% 이상)을 차지하며, 모델로 정확히 예측 가능.

  • 습윤 지연: 시공간 변동성이 크므로 추가 파라미터 추정이 필요.

  • 매핑 함수: 천정 지연(ZHD, ZWD)을 실제 위성 방향 지연으로 변환.

  • 그래디언트: 수평 방향의 비균질 보정.

hashtag
GNSS 대류권 추정과 기상학적 활용

GNSS를 이용해 대류권 지연을 추정하면, 이를 기상학적으로도 활용할 수 있다. 전통적으로 기상관측은 지상 관측소, 레이더, 위성(기상위성) 등을 통해 이루어지지만, GNSS 관측망을 통해서도 수증기 분포를 효과적으로 파악할 수 있다. 이는 **GNSS 대기측정(GNSS Meteorology)**라고 불리며, 수증기량(특히 강수 가능성)을 추정하는 핵심 자료로 활용된다.

  • 수증기량 산출

    • GNSS로부터 얻은 천정 습윤 지연(ZWD)을 추정하고, 이를 온도 프로파일과 함께 변환하여 가강수량(IWV, Integrated Water Vapor)으로 환산한다.

    • 지역별∙시간별 GNSS 자료를 수집하여, 기상 예측 모델의 초기 조건(Initial Condition) 혹은 동화(Assimilation) 자료로 사용할 수 있다.

  • 실시간 기상 모니터링

    • 실시간(혹은 근실시간) GNSS 측정망을 운용하면, 변화하는 대류권 습기량을 연속적으로 모니터링 가능하다.

    • 집중호우, 태풍 등 급변 기상 상황에서 GNSS 기반 증강 자료를 통해 예측 정확도를 향상시킬 수 있다.

hashtag
GNSS 대류권 3차원/4차원 토모그래피

더 나아가 대규모 GNSS 관측망을 통해, 대기 내 수증기 분포를 3차원(또는 시간 포함 4차원)으로 재구성하는 기법인 GNSS 토모그래피가 연구되고 있다.

  1. 원리

    • 여러 관측소에서 다양한 방위각∙고도각으로 들어오는 GNSS 신호를 집합적으로 사용한다.

    • 대기(특히 대류권)의 특정 격자(예: 3D 셀)마다 수증기밀도 혹은 굴절률을 추정한다.

  2. 수학적 모델

    • 각 위성–관측소 경로별로, 통과 셀마다 적분 형태로 수증기밀도 기여를 누적하여 식을 세운다.

    • 이를 선형 혹은 비선형 역산(Inversion) 기법으로 풀어, 격자마다의 수증기 함유량을 추정한다.

  3. 활용 예시

    • 국지 폭우나 기상 급변 지역을 3D로 파악하여, 단기 예측(Nowcasting) 정밀도를 높인다.

    • 산악 지역처럼 레이더 관측 사각지대가 큰 곳에서, GNSS 토모그래피가 유용하다.

hashtag
기타 대류권 보정 기법과 외부 자료 연계

  • 기상 센서 연동

    • GNSS 수신기에 기압계, 온도계, 습도계 등 기상 센서를 함께 설치하여, 실시간 관측치(P, T, e 등)를 대류권 모델에 직접 반영한다.

    • 정확도를 높이기 위해, 근처 기상대나 자동기상관측망(AWS)의 자료를 병합하기도 한다.

  • 위성기상 자료 동화

    • 적외선, 수증기 채널 등을 제공하는 기상위성 자료를 GNSS 대류권 추정과 결합하여, 수증기 분포에 대한 종합적인 추정精度를 높일 수 있다.

    • 유럽 중기예보센터(ECMWF)나 우리나라 기상청의 수치예보모델(NWP)에 GNSS ZTD 자료가 동화되어 예보 정확도를 향상시키는 사례도 보고되고 있다.

hashtag
대류권 보정 정확도에 영향을 주는 요인

대류권 보정은 위에서 언급한 다양한 모델과 기법을 통해 수행되지만, 실제 적용 시에는 아래와 같은 요인들이 보정 정확도에 영향을 준다.

  • 기상 센서의 정확도

    • 기압계, 온도계, 습도계 등에서 발생하는 측정 오차가 대류권 모델 파라미터 산출에 누적될 수 있다.

  • 관측소 위치 및 환경

    • 산악 지형, 해양 인접 지형, 극지방, 적도 부근 등 지형과 기후대에 따라 대류권 구조가 달라져 보정 모델의 적용성이 달라진다.

  • GNSS 관측망의 밀도

    • 대류권 토모그래피나 기상 동화 등을 수행하기 위해서는 일정 수준 이상의 GNSS 관측망(공간적∙시간적 해상도)이 필요하다.

  • 모델 계수의 갱신 주기

    • Saastamoinen, Hopfield 같은 전통적 모델은 계수 갱신이 실시간으로 되지 않는다.

    • VMF 계열이나 기상예보자료(NWP)를 연동하는 경우, 3~6시간 주기로 예측 파라미터를 갱신할 수 있으나, 그 사이에도 급격한 기상 변화가 있을 수 있다.

  • 고급 처리 소프트웨어의 유무

    • Kalman 필터 기반의 순차 추정, 대류권 그래디언트 추정, 토모그래피 등 고급 기법을 사용하기 위해서는 적절한 소프트웨어와 알고리즘이 필요하다.

hashtag
다중 GNSS 시스템과 대류권 오차

과거 GPS 단독 이용 시절에 비해, 현재는 GLONASS, Galileo, BeiDou 등 다중(멀티) GNSS 시스템이 동시 제공된다. 이는 위성 가시 개수가 많아져서 다음과 같은 장점을 가진다.

  • 관측 밀도 증가

    • 동일 시점에 더 많은 위성–수신기 선로(Path)를 확보할 수 있으므로, 대류권 추정 파라미터(특히 그래디언트, 토모그래피 등)에 유리하다.

  • 추정 정확도 향상

    • 다양한 고도각∙방위각 데이터가 확보되어, 매핑 함수 및 대류권 3D 재구성의 정확도를 높인다.

  • 시간 분해능 향상

    • 관측 양이 많으므로, 더 짧은 시간 간격으로 안정적인 대류권 파라미터 추정이 가능해진다.

다만, 다중 GNSS 시스템마다 신호 주파수 대역과 위성 배치 궤도가 달라 대류권 보정 방식 자체는 유사하나, 전리층 보정이나 위성–수신기 오차 모델이 조금씩 상이할 수 있다.

hashtag
대류권 오차와 정밀도 한계

GNSS 측위 정밀도에 대해 대류권 오차는 다음과 같은 양상을 보인다.

  • 표준 단일주파수 수신기

    • 대류권 오차를 별도로 정밀 추정하지 않고, 단순 모델(예: Saastamoinen + Niell 매핑)로만 보정할 경우, 몇 cm~수십 cm 수준의 잔여 오차가 남을 수 있다.

    • 전리층 보정 역시 완전하지 않으면, 전리층∙대류권 복합 오차가 m 급 이상이 되기도 한다.

  • 정밀 GNSS (예: PPP, RTK)

    • 정밀 PPP(Precise Point Positioning)나 네트워크 RTK 등에서는 대류권 파라미터(ZTD, ZWD, 그래디언트 등)를 동적으로 추정한다.

    • 측정 환경이 좋고, 충분히 긴 관측 시간(수십 분수 시간)이 확보되면, 잔여 오차 수 mm수 cm 수준까지도 낮출 수 있다.

  • 극단 기상 상황

    • 지역적 소나기, 태풍, 장마, 열대성 저기압 등으로 인해 수증기 분포가 급변하는 경우, 모델 예측 성능이 떨어질 수 있다.

    • 이러한 경우는 토모그래피나 외부 기상 레이더/위성 자료 연동을 통해서만 어느 정도 커버 가능하다.

PreviousGNSS 오차 요인 전반Next위성 궤도(Orbital Error)

Last updated