MODIS Aerosol (MOD04·MOD08)¶

MODIS/Terra·Aqua Aerosol 5-Min L2 Swath 10km·3km (MOD04_L2·MYD04_L2·MOD04_3K·MYD04_3K) 및 MOD08/MYD08 L3 1° 에어로졸 Collection 6.1 (MODIS Dark Target·Deep Blue 에어로졸 광학두께)

지원 축소·대체 예정

한눈에 보기¶

기간 참고: Terra(MOD04·MOD08)는 2000-02-24부터, Aqua(MYD04·MYD08)는 2002-07-04부터입니다. 2026-10-13 확인 시 LAADS에는 2026년 10월 초 자료(MOD08_D3 A2026282)까지 있습니다. C6.1은 Terra가 2017년 9~12월, Aqua가 2018년 1~3월에 전 기간 재처리되었고, 2018년 4월 30일 이후로는 C6.1만 생산됩니다. Terra·Aqua 운용이 끝나면 새 자료는 나오지 않습니다.

개요¶

MODIS 가시·근적외 반사도로 구한 맑은 하늘 에어로졸 광학두께(AOD) 자료로, 알고리즘이 다른 두 계열을 한 파일에 함께 담습니다. Dark Target(DT)은 해양과 식생으로 어두운 육지에서, Deep Blue(DB)는 사막처럼 밝은 지면을 포함한 모든 육지에서 산출하며, 두 결과를 합친 결합 AOD(AOD_550_Dark_Target_Deep_Blue_Combined)도 제공합니다. Collection 6.1에서는 DT의 도시 지역 지표 반사도 처리와 DB의 화소별 불확실성 추정이 개선되었습니다. 10 km 표준 L2, 대기질 연구용 3 km DT L2, 1° 격자 L3(일·8일·월)가 있으며, Terra(오전)·Aqua(오후) 판이 따로 있습니다.

후속 자료와 무엇이 달라졌나¶

MODIS 에어로졸 C6 (MOD04·MOD08) → MODIS 에어로졸 C6.1¶

전환 시점: 2018-03

입력 L1B 보정 문제를 고치고 L2·L3 일부를 개선한 판입니다. Terra는 2017년 9~12월(10월 15일 공개), Aqua는 2018년 1~3월에 전 기간 재처리되었고, 2018년 4월 30일 이후로는 C6.1만 생산됩니다. DT는 도시 지역 지표 반사도 처리가, DB는 화소별 불확실성 추정이 새로 들어갔습니다.

출처: MODIS Atmosphere — Data Versions (컬렉션 개요) · C6.1 Dark Target 변경 문서 · C6.1 Deep Blue 변경 문서

MODIS 에어로졸 MOD04·MOD08 C6.1 → VIIRS Deep Blue AERDB·Dark Target AERDT 예정¶

같은 Deep Blue·Dark Target 알고리즘을 VIIRS(Suomi NPP·NOAA-20·NOAA-21)에 적용한 연속성 제품이 후속입니다. 두 알고리즘이 별도 제품(AERDB·AERDT)으로 나뉘고, DB에는 해양 알고리즘(SOAR)이 붙어 육지·해양을 함께 산출하며, 결합 AOD와 8일 L3는 없습니다. 같은 오후 궤도인 Aqua를 주로 잇고, Terra 오전 관측을 잇는 VIIRS는 없습니다. Terra·Aqua가 2027년 운용을 마치면 전환이 완료됩니다.

출처: Sawyer et al. (2020), Remote Sensing — Continuing the MODIS Dark Target Aerosol Time Series with VIIRS · Sawyer et al. (2025), Frontiers in Environmental Science — 갱신된 VIIRS DT와 MODIS 연속성 · Sayer et al. (2019), JGR — MODIS C6.1·VIIRS Deep Blue 일관성 · LAADS DAAC — MODIS to VIIRS Transition

두 자료를 비교표로 나란히 보기

활용 가능한 변수¶

CMR 변수 목록(UMM-Var)과 C6.1 문서 기준 SDS 이름입니다. 파일은 HDF-EOS2(HDF4)이고 정수로 저장되므로 실제 값 = scale_factor × (저장값 − add_offset)입니다(MODIS 대기 L3 ATBD 정의, add_offset을 '뺍니다'). AOD는 무차원이며 550 nm(0.55 µm) 기준입니다. MYD(Aqua) 파일도 변수 이름이 같습니다.

순간값 평균 누적 최대 최소 고정값 — 순간값: 표시 시각의 값 · 평균/누적/최대/최소: 표시된 구간 동안의 값 · 고정값: 시간에 따라 변하지 않음

L2 스와스 10 km (MOD04_L2·MYD04_L2) · 3 km (MOD04_3K, DT만)¶

L3 일자료 1° (MOD08_D3·MYD08_D3)¶

L3 8일·월 자료 1° (MOD08_E3 8일 / MOD08_M3 월)¶

전체 변수 목록은 공식 문서에서 확인하세요.

받는 방법¶

• LAADS DAAC (검색·주문·직접 받기) — 웹 검색·HTTPS 직접 받기(archive/allData/61//) / LAADS API-V2 / OPeNDAP
  • short name 예: MOD04_L2·MYD04_L2·MOD04_3K·MYD04_3K·MOD08_D3·MOD08_E3·MOD08_M3(Aqua는 MYD). 모두 C6.1(아카이브 61, CMR version "6.1")입니다. 2026-04-30부터 OPeNDAP도 Earthdata 로그인이 필요하고, 옛 LAADS Classic API는 2026-08-31 폐지되어 API-V2로 바꿔야 합니다.
• NASA Earthdata Search — 웹 검색 / earthaccess(파이썬)
  • 링크는 MOD08_D3 C6.1입니다. 다른 제품은 short name으로 검색하세요. 파일은 Earthdata Cloud(s3://prod-lads)에서도 제공됩니다.
• LANCE 준실시간(NRT) MOD04_L2 — 웹 검색 / HTTPS
  • 준실시간판(version 6.1NRT, DOI 10.5067/MODIS/MOD04_L2.NRT.061, 2017-10-11부터)입니다. 재해 감시처럼 빠른 자료가 필요할 때 쓰고, 연구용 시계열에는 확정판을 쓰세요.

예시 코드¶

earthaccess로 Terra MOD08_D3 일자료를 받아 pyhdf로 결합 AOD 일평균을 읽는 예입니다. MODIS 대기 산출물은 '저장값에서 add_offset을 뺀 뒤 scale_factor를 곱하는' 방식이라 직접 변환해야 합니다.

# pip install earthaccess pyhdf numpy
import earthaccess
import numpy as np
from pyhdf.SD import SD, SDC

earthaccess.login()  # 무료 NASA Earthdata 계정
results = earthaccess.search_data(
    short_name="MOD08_D3", version="6.1",
    temporal=("2024-04-01", "2024-04-03"),
)
files = earthaccess.download(results, "mod08")

hdf = SD(files[0], SDC.READ)
sds = hdf.select("AOD_550_Dark_Target_Deep_Blue_Combined_Mean")
raw = sds.get().astype("float64")
att = sds.attributes()
aod = np.where(raw == att["_FillValue"], np.nan,
               att["scale_factor"] * (raw - att["add_offset"]))  # 1° 격자 180×360
# 행 0 = 89~90°N, 열 0 = 180~179°W
lat = 89.5 - np.arange(180); lon = -179.5 + np.arange(360)
j = np.argmin(abs(lat - 37.5)); i = np.argmin(abs(lon - 127.0))
print("서울 부근 1° 칸 AOD:", aod[j, i])

실전 팁¶

• 결합 AOD(AOD_550_Dark_Target_Deep_Blue_Combined)는 지역·계절마다 DT와 DB 중 어느 쪽을 썼는지가 바뀝니다(_Algorithm_Flag). 한 지역의 장기 분석에서는 알고리즘 전환이 값의 불연속으로 보일 수 있으니, 필요하면 DT나 DB 한쪽만 쓰세요.
• 정량 분석에는 Optical_Depth_Land_And_Ocean(해양 QA≥1, 육지 QA=3)이나 DB _Best_Estimate(QA 2·3)를 쓰고, Image_Optical_Depth_Land_And_Ocean처럼 모든 품질을 담은 필드는 쓰지 마세요.
• HDF4 파일의 실제 값은 scale_factor × (저장값 − add_offset)입니다. 일반적인 '저장값 × scale + offset'과 부호가 반대이므로 pyhdf 등으로 직접 읽을 때 조심하세요. 유효 범위(valid_range) 밖 값도 걸러지지 않은 채 들어 있습니다.
• Terra와 Aqua는 관측 시각과 보정이 달라 AOD 수준이 조금 다릅니다(Sawyer et al., 2025는 DT에서 Terra가 Aqua보다 약 0.015 높다고 보고). 두 위성을 섞어 평균하기보다 한 위성을 기준으로 쓰고, 2020년(Terra)·2021년(Aqua) 이후 궤도 표류 구간은 통과 시각 변화를 함께 확인하세요.
• 3 km 제품(MOD04_3K)은 DT 알고리즘·조견표를 그대로 쓰되 화소 선택·최소 유효 화소 수·품질 처리를 바꾼 대기질용 자료입니다. 결합 AOD·DB 필드는 없고 DT 값만 들어 있습니다.
• MODIS 대기팀 문제 목록에 따르면 C6.1 DB의 하층운(층운) 오염을 줄인 구름 선별 개선은 2019년 가을 이후 생산분에만 들어가 있고, 그 이전 기간은 다음 재처리 때 반영될 예정입니다. 해양 층운 지역의 DB 시계열에서 이 시점 전후를 비교할 때 주의하세요.
• L3 일평균(_Mean)은 맑은 화소만 모은 값이라 구름이 많은 날·지역은 표본이 적습니다. _Pixel_Counts를 함께 보고, 월평균은 유효 일수가 적은 칸을 해석할 때 조심하세요.
• AOD는 지상 PM2.5와 같은 양이 아닙니다. 기주 전체 소광량이므로 경계층 높이·습도에 따라 지상 농도와의 관계가 달라집니다.

공지 및 변경 이력¶

논문에 넣을 레퍼런스¶

데이터셋 인용¶

MOD04_L2 C6.1 (Terra 10 km L2 에어로졸) — DOI 10.5067/MODIS/MOD04_L2.061

@misc{mod04_l2_c61,
  author    = {Levy, R. and Hsu, C. and others},
  title     = {{MODIS} Atmosphere {L2} Aerosol Product},
  year      = {2015},
  publisher = {NASA MODIS Adaptive Processing System, Goddard Space Flight Center, USA},
  doi       = {10.5067/MODIS/MOD04_L2.061}
}

MYD04_L2 C6.1 (Aqua 10 km L2 에어로졸) — DOI 10.5067/MODIS/MYD04_L2.061

@misc{myd04_l2_c61,
  author    = {Levy, R. and Hsu, C. and others},
  title     = {{MODIS} Atmosphere {L2} Aerosol Product},
  year      = {2015},
  publisher = {NASA MODIS Adaptive Processing System, Goddard Space Flight Center, USA},
  doi       = {10.5067/MODIS/MYD04_L2.061}
}

MOD08_D3 C6.1 (Terra L3 일자료) — DOI 10.5067/MODIS/MOD08_D3.061

@misc{mod08_d3_c61,
  author    = {Platnick, S. and others},
  title     = {{MODIS} Atmosphere {L3} Daily Product},
  year      = {2015},
  publisher = {NASA MODIS Adaptive Processing System, Goddard Space Flight Center, USA},
  doi       = {10.5067/MODIS/MOD08_D3.061}
}

MOD08_M3 C6.1 (Terra L3 월자료) — DOI 10.5067/MODIS/MOD08_M3.061

@misc{mod08_m3_c61,
  author    = {Platnick, S. and others},
  title     = {{MODIS} Atmosphere {L3} Monthly Product},
  year      = {2015},
  publisher = {NASA MODIS Adaptive Processing System, Goddard Space Flight Center, USA},
  doi       = {10.5067/MODIS/MOD08_M3.061}
}

논문 인용¶

MODIS Collection 6 에어로졸 (Levy et al., 2013) — DOI 10.5194/amt-6-2989-2013

@article{levy2013c6,
  author  = {Levy, R. C. and Mattoo, S. and Munchak, L. A. and Remer, L. A. and Sayer, A. M. and Patadia, F. and Hsu, N. C.},
  title   = {The Collection 6 {MODIS} aerosol products over land and ocean},
  journal = {Atmospheric Measurement Techniques},
  volume  = {6},
  number  = {11},
  pages   = {2989--3034},
  year    = {2013},
  doi     = {10.5194/amt-6-2989-2013}
}

DT·DB·결합 AOD 비교와 사용 권고 (Sayer et al., 2014) — DOI 10.1002/2014JD022453

@article{sayer2014merged,
  author  = {Sayer, A. M. and Munchak, L. A. and Hsu, N. C. and Levy, R. C. and Bettenhausen, C. and Jeong, M.-J.},
  title   = {{MODIS} {Collection 6} aerosol products: Comparison between {Aqua}'s e-{Deep Blue}, {Dark Target}, and ``merged'' data sets, and usage recommendations},
  journal = {Journal of Geophysical Research: Atmospheres},
  volume  = {119},
  pages   = {13965--13989},
  year    = {2014},
  doi     = {10.1002/2014JD022453}
}

MODIS C6.1·VIIRS Deep Blue 검증·일관성 (Sayer et al., 2019) — DOI 10.1029/2018JD029598

@article{sayer2019dbval,
  author  = {Sayer, A. M. and Hsu, N. C. and Lee, J. and Kim, W. V. and Dutcher, S. T.},
  title   = {Validation, stability, and consistency of {MODIS} {Collection 6.1} and {VIIRS} {Version 1} {Deep Blue} aerosol data over land},
  journal = {Journal of Geophysical Research: Atmospheres},
  volume  = {124},
  pages   = {4658--4688},
  year    = {2019},
  doi     = {10.1029/2018JD029598}
}

사사(Acknowledgements) 작성¶

쓴 제품마다 LAADS 데이터셋 DOI(10.5067/MODIS/.061 형식, 예: 3 km 자료 10.5067/MODIS/MOD04_3K.061, 8일 자료 10.5067/MODIS/MOD08_E3.061)를 인용하세요. DT는 Levy et al. (2013), DB와 결합 AOD는 Sayer et al. (2014)·Sayer et al. (2019)를 알고리즘 근거로 함께 인용합니다.

Information on the datasets used in this study was compiled with the help of the Korean Climate Data Navigator (KCDN) (Sim, 2026; https://doi.org/10.5281/zenodo.23300923).

참고 링크¶

• MOD04_L2 제품 페이지 (LAADS DAAC)
• MOD08_D3 제품 페이지 (LAADS DAAC)
• MODIS 대기팀 — 에어로졸(04_L2) 제품 설명
• MODIS 대기팀 — 에어로졸 알려진 문제(C6.1)
• MODIS Atmosphere L3 User's Guide & ATBD (C6·C6.1)
• MOD04 ATBD
• Dark Target 알고리즘 팀
• LAADS DAAC — MODIS to VIIRS Transition