[이력서] 학술 발표 : 대기 상단에서의 상향단파복사 알고리즘

 정보

• 업무명     : 학술 발표 : 대기 상단에서의 상향단파복사 알고리즘

• 작성자     : 이상호

• 작성일     : 2020-04-01

• 설   명      :

• 수정이력 :

 

 내용

[개요]

• 안녕하세요? 기상 연구 및 웹 개발을 담당하고 있는 해솔입니다.

• 오늘은 학술 발표한 내용을 소개해 드리고자 합니다.

 

[특징]

• 학술 발표 내용 소개

 

[기능]

• 세부 내용 참조

 

[사용 OS]

• Windows v10

 

[사용 언어]

• 한글 v2018

• Power Point v2018

 

 세부 내용

[서론]

• 대기 상단에서의 상향단파복사(TOA RSR; TOA of Atmosphere Reflected Shortwave Radiation, 이하 RSR)는 지표(15%)와 대기 상태(20%) 그리고 구름(65%)에 따라 변하며(AWG et al., 2012) 위성의 협대역 또는 광대역센서를 이용하여 산출될 수 있다.

• 특히, 협대역 센서인 ABI와 AHI 등은 시∙공간 해상도가 높기 때문에 구름의 이동 및 기상 상태 등을 연속적으로 관측 할 수 있어 RSR의 변화를  탐지하기에 효과적이다.

• 따라서 이 연구에서는 협대역 센서인 Himawari-8 AHI(이하 AHI)를 이용하여 대기 상단에서의  상향단파복사를 산출하였고, 그 결과는 CERES 자료와 비교 및 분석을 수행하였다.

 

[자료 및 연구 방법]

• RSR을 산출하기 위하여 AHI 자료 중에서 단파 영역의 복사휘도를 사용하였으며, 비교 분석에 사용된 사례는 2015년 8월 2일 0110, 0120, 0130 UTC이다. 사용된 자료의 공간 해상도는 8km⨉8km 이며, 태양 천정각과 위성 천정각이 80˚ 이하인 영역만을 비교 및 분석에 사용하였다.

• 검증에 사용된 CERES의 RSR 자료는 SYN Level 3의 3시간 평균(공간 해상도: 100km×100km;  기간: 2015.08.02. 0000~0300 UTC)과 SSF Level 2(공간 해상도: 20km×20km;  기간: 2015.08.02. 0105~0135 UTC) 자료이다(Wielicki et al., 1998). 

• 비교 및 분석은 CERES의 자료에 따라 반구와 스캔 영역으로 구분된다. 반구 영역에서는 CERES의 3시간 평균된 RSR(0000~0300 UTC)과 AHI의 RSR(0130 UTC)을 분석에 사용하였으며, 공간 일치를 위하여 CERES 격자를 기준으로 50 km 반경 내의 AHI RSR을 평균하였다.

• 스캔 영역에서는 그림 1과 같이 AHI의 RSR(0110, 0120, 0130 UTC)을 기준으로 CERES의 RSR(0115~0135  UTC)에서의 5분 전후 자료를 분석에 사용하였으며, 공간 일치를 위하여 CERES 격자를 기준으로 10 km  반경 내의 자료를 평균하였다.

 

그림 1. 스캔 영역에서 AHI와 CERES 간의 시간 일치.

 

[알고리즘]

• RSR은 그림 2와 같은 흐름도를 따라 산출되며, 식 (1)로써 계산된다(Donohoe et al., 2011).  이때 대기 상단에서의 광대역 알베도는 채널별 협대역 반사율 자료와 회귀 계수를 통해 산출된다.

• 회귀 계수는 구름 유무에 따라 복사전달모델(SBDART)을 수행하고, 수행된 결과를 능형회귀모형(Ridge Regression Model)에 접합하여 추정하였다. 
  

 

 

• 여기서 지표면 알베도(𝛼)는 육상과 해상을 각각 0.2와 0.06 그리고 대기 흡수율(𝐴)은 0.2로 가정하였으며, 𝑆_𝑜와 𝜃 그리고 𝑅는 각각 태양 상수와 태양 천정각 그리고 광대역 알베도를 의미한다. 
  

 

그림 2. RSR 산출 알고리즘 흐름도.

 

[결과 및 결론]

• 그림 3은 반구 영역에 대한 CERES(그림 3a)와 AHI(그림 3b)의 RSR로써 구름 영역에서 큰 값이 나타났고 구름이 없는 육상과 해상에서 낮은 값을 가지며 전반적으로 유사한 결과를 보여주었다.

• 그러나 구름이 없는 육상과 구름의 가장자리에서 큰 차이를 보이고 있다. 이는 육상의 경우 지표면 알베도를 0.2로 고정하여 사용하였기 때문에 실제 지표면의 알베도가 고려되지 못한 것으로 분석되며, 구름의 가장자리의 경우 분석 시간의 불일치로 차이를 보이는 것으로 분석된다.

• 그럼에도 불구하고 0.001의 유의수준에서 결정계수는 0.84로 나타났고 Bias와 RMSE는 각각 50.57 Wm-2 과 72.80 Wm-2 이었다(그림 3d 참조).

 

그림 3. 반구 영역에서의 CERES 3시간 평균 RSR(a), AHI RSR(b), RGB 합성영상(c), 두 자료의 산포도(d).

 

• 그림 4는 스캔 영역에 대한 CERES(그림 4a)와 AHI(그림 4b)의 RSR로써 그림 3과 마찬가지로 유사한 분포를 보였다.  또한 % 차이(그림 4c)에서 구름이 없는 육상과 구름의 가장자리에서 큰 차이를 보이고 있다.

• 이 차이는 앞서 설명한 오차로 분석된다.  이때의 결정계수는 0.90으로 반구 영역보다 높았으며, Bias와 RMSE는 각각 33.61 Wm-2 과 59.13 Wm-2 으로 나타났다(그림 4d 참조). 이는 반구 영역보다 비교적 시간 일치가 이뤄진 결과로 판단된다.
  

 

그림 4. 스캔 영역에서의 CERES RSR(a), AHI RSR(b), 두 자료의 퍼센트 차이(c), 두 자료의 산포도(d).

 

• 이 연구에서는 대기 상단에서의 상향단파복사를 산출하였고 CERES RSR과 비교 분석을 통해 알고리즘의 정확성을 나타내었다.  

• 그러나 구름이 없는 육상과 구름의 가장자리에서 큰 차이를 보이고 있어 향후 구름과 지표면 상태에 따른 분석을 수행하여 정확한 RSR이 산출될 수 있도록 알고리즘의 개선이 요구된다.

 

 관련 자료

• 포스터

[이력서] 학술 발표 : 대기 상단에서의 상향단파복사 알고리즘 from Lee Sang-Ho

 

 참고 문헌

[논문]

• 없음

[보고서]

• 없음

[URL]

• 없음

 

 문의사항

[기상학/프로그래밍 언어]

• sangho.lee.1990@gmail.com

[해양학/천문학/빅데이터]

• saimang0804@gmail.com