1. 서론
적외선 영상의 복사량은 원격 탐사 영상의 주요 변수 이며, 특히 지상으로부터 비행물체를 감지하는 등의 군사적 목적으로 널리 활용되고 있다(Driggers et al., 2012). 적외선은 대기를 투과할 때 에너지의 일부가 대기에 흡수되기 때문에 대기에서의 적외선 투과율을 이용한 복사량 신호 보정이 필요하다. Han and Hahn(2018)의 연구에서는 화염의 온도를 결정하기 위해 중적외선 영역에서의 대기의 복사 에너지 흡수 효과를 고려하였으며, Lisenko(2018) 연구에서는 근적외선 및 가시광 영역에 서의 대기 투과율의 영향을 고려하여 지구 지형 위성 관측 자료의 보정을 수행하였다.
MODTRAN(MODerate resolution atmospheric TRANs mission) 6은 미국 공군과 Spectral science 사에서 제작한 대기복사전달 수치모사 프로그램으로, 다양한 분야에서 대기의 영향을 분석하고 보정하는 연구에 주로 많이 활용되어 왔다(Berk et al., 2014). MODTRAN 6에서는 위도별, 계절별로 나눈 6가지 대표적인 표준 대기모델을 이용하여, 해당 지역의 기상 정보 및 에어로졸, 대기 조성 정보의 영향을 고려하고 대기 복사과정에서의 에너지의 흡수 및 산란을 파장에 따라 계산할 수 있다(Berk et al., 2014; Stotts and Schroeder, 2019).
특별히, 해안 또는 해수면 인접 영역에서 MODTRAN 6는 에어로졸 모델로 NAM(NAvy Maritime) (Gathman, 1983), NOVAM(Navy Oceanic Vertical Aerosol Model) (Jensen et al., 1998)을 이용한다. 하지만 최근 연구에 따르면, 해안 지역의 경우 대륙과 해양이 접한 지리적 특 성으로 잦은 연무가 발생하며, 이에 따른 에어로졸의 구성이 다양하고 변화가 커 적외선 투과율 계산 시 정확 도가 다른 지역에 비해 상대적으로 낮아지는 경향을 보여주고 있다(Vogelbacher et al., 2015). 이에 대해 에어로 졸과 다른 기상 변수들의 연관성 및 환경 기상 변수들이 적외선 투과율에 주는 영향에 대한 분석과 해안 지역에 국한된 대기의 여러가지 관측 변수들에 대한 데이 터베이스를 구축하고 이를 대기 투과율 계산에 적용해야 할 연구가 필요하다.
본 연구의 목표가 되는 태안지역은 한반도 서해안의 반도 지형으로써, 여름이 온난한 대륙성 기후(Dca)에속하여 최저평균온도가 0°C 이하, 최고 평균온도가 22°C 이상으로 연교차가 크게 나타난다(Choi et al., 2018). 또한 서해안은 수심이 얕고 조수간만이 크며 복잡한 해안선과 크고 작은 섬이 많은 리아스식 해안의 특징이 있으며(Park et al., 2016), 미세먼지 등의 대기오염 물질이 주로 유입되는 중국과 접하고 있어 주변국의 미세먼지 영향을 직접적으로 받는 지리적인 위치에 있다(Cha et al., 2016). 이러한 기후적, 지리적 특성으로 인해 태안반 도의 대기환경은 복잡하고 계절에 따른 변화가 크며, MODTRAN 6에서 제공되는 6가지 표준대기모델 중 단일한 대기 모델만으로 연간 대기환경의 특성을 구현하 기에는 한계가 있다. 최근 연구에서는 태안군 안흥항 인근에서의 에어로졸의 크기별 입자수 농도를 관측하여 분석하였으나(Lee et al., 2018), 해당 지역에의 대기 투과 율과 밀접한 관련성이 있는 직달일사량에 대한 수치모사 연구는 전무하였다.
태양의 일사량은 지구 대기를 통과하여 지표면에 도달하는 태양의 복사 에너지를 의미하며, 태양의 고도 및해당 파장에서의 대기 투과율의 영향을 받기 때문에 (Reno et al., 2012), 태양 일사량의 관측 데이터베이스를 분석함으로써 해당 지역에서의 대기의 광학적 특성을 직관적으로 파악할 수 있다. 미국 국립신재생에너지연 구소(National Renewable Energy Laboratory)에서는 미국 전역에서 관측된 태양 일사량의 데이터베이스(National Solar Radiation Data Base)를 제공하고 있으며, 기후 연구를 포함한 여러 연구 분야에 활용되고 있다(Sengupta et al., 2018). 또한, 국내에서는 전국 각지에서 관측된 일사량을 지역별, 계절별로 분석하여 고 집광 태양에너지 이용시스템 설치 최적지 결정 등의 기초 자료로 활용하고 있다(Jo and Kang, 2006).
본 연구에서는 2018년 1년 동안 태안반도의 자동기 상관측시스템(Automatic Weather Station; AWS) 및 라디 오존데(Radiosonde; RS)에서 관측된 구름의 영향을 무시할 수 있는 청명일의 기상 관측 자료의 데이터베이스를 만들고, 이를 MODTRAN 6의 표준대기모델과 비교 하여 가장 유사한 표준대기모델을 채택하여 법선면 직달일사량을 계산하는 개선된 수치모사기법을 구축하 였다. 구축된 수치모사기법에서 계산된 법선면 직달일 사량은 전천일사계에서 측정된 수평면 전천일사량과 비교하였다.
2. 연구자료 및 연구방법
1) 연구자료
본 연구에서는 태안반도 부근에 위치한 총 3개의 AWS(G1~3)에서 관측된 2018년도 기상 자료를 이용하 였으며, 관측 지역은 Fig. 1과 같다. G3는 G1, G2와 약 30 km 정도 내륙방향으로 떨어진 곳에 위치하고 있으며, G1과 G2는 태안반도 최 외곽 해안에서 수 백 미터 정도 떨어져 있다.
Fig. 1. Geographical location of Taean observation sites. (a) The observation area in Korean peninsula, (b) the magnified observation area in Taean.
각 AWS에서 운용되는 기상 관측 장비와 관측 정밀 도는 Table 1과 같다(Vaisala, 2002; 2004; 2018a; 2018b). 라디오존데는 G1에서 운용되고 있으며, 이를 통해 관측된 기온, 기압, 상대습도의 연직 기상 자료는 대기 모델 생성을 위한 데이터베이스 구축에 이용되었다. 라디오존데 자료는 2018년 365일 중 160일 관측이 수행되었으며, 총 관측 횟수는 291번이다. 라디오존데 관측은 기상 상황에 따라 변동이 있었으나 주로 오전 11시경에 평균 85분 동안 관측이 수행되었으며, 하루에 최대 5회까지 추가 관측이 수행된 날도 포함되어 있다. 보통 지상에서 상공 15~20 km의 영역까지 관측이 수행되었으며, 1회관측 시 고도 별 자료 수는 약 100~600개이다.
Table 1. Specification of weather observation instruments
Table 2. Specification of the pyranometer (LP02, Hukseflux) used in this study
지상관측자료는 AWS를 통하여 일정한 시간간격으로 상시 관측되었다. G2의 지상관측자료 중 풍속(Wind Speed)과 시정거리(Visibility)는 대기 투과율 계산을 위한 MODTRAN 6의 입력자료로 이용되었으며, 관측자 료는 매 10분 간격으로 측정되었다. 또한 본 연구에서는 G3의 운고계(Ceilometer)로 관측된 운저 고도 자료를 이용하여 구름의 유무를 파악하고, 일사량 분석 대상 일자에 대한 선택 기준으로 활용하였다.
고공 및 지상에서 관측된 기상자료를 기반으로 MODTRAN 6을 통해 태양의 일사량을 계산할 수 있으며, 실제 일사량 관측치와의 비교 분석을 수행할 수있다. 본 연구에서는 2018년 중 청명일 93일에 대한 일사량 관측자료를 대상으로 하여, MODTRAN 6 직달일 사량 계산 결과와의 비교분석을 수행하였다. G2에서는 전천일사계(Pyranometer)를 운용하고 있으며, 일별 일사량 자료는 10분 간격으로 관측되어 총 144회 관측치로 이루어져 있다. 전천일사계를 통해 근적외선 및 단 파장 적외선(< 3 µm) 영역에서 전천의 태양 일사량을 측정할 수 있으며, 기기의 상세한 사양은 Table 2와 같다(Hukseflux, 2017).
2) 연구방법
(1) 일사량 관측
전천일사계는 시야각 180도에서의 일사량을 측정함 으로써 수평면 전천일사량(Global Horizontal Irradiance; GHI)을 얻을 수 있다. GHI는 법선면 직달일사량(Direct Normal Irradiance; DNI)과 수평면 산란일사량(Diffuse Horizontal Irradiance; DHI)으로 나타낼 수 있으며, 그 관계는 식 (1)과 같다(Reno et al., 2012).
GHI = DHI + DNI × cos(z) (1)
Fig. 2는 법선면 직달일사량 및 수평면 산란일사량의 개념을 도식화한 것이다. 법선면 직달일사량은 태양으 로부터 직접 입사하여 태양 방향과 수직하는 평면에 도달하는 일사량을 의미한다(Reno et al., 2012). 전천일사 계는 수평면을 기준으로 일사량을 측정하기 때문에, 실제 전천일사계에서 관측되는 직달일사량의 성분은 법선면 직달일사량에서 천정거리(z)를 보정한 수평면 직달일사량(DNI × cos(z))이 된다. 태양복사에너지의 일부는 지구대기를 통과하면서 전 방향으로 산란되며 그중 지구 방향으로 들어오는 성분이 수평면 산란일사량 으로 전천일사계를 통해 관측된다. 구름의 영향이 없는 청명(Clear Sky; CS)일의 경우 수평면 산란일사량은 수평면 전천일사량의 약 10~20%를 차지한다(Reindl et al., 1990).
Fig. 2. Diagram of (a) the Direct Normal Irradiance (DNI) and (b) the Diffuse Horizontal Irradiance (DHI).
연중 청명일을 결정하기 위한 구름 관측 데이터로 전천일사계 주변 관측소 G3의 운고계 관측자료를 이용하 였다. 일조시간 중 운고계 관측 자료에서 구름이 감지된 시간이 120분 이내인 날을 기준으로 하여 청명일을 선별하였으며, 2018년 중 총 93일에 해당하는 관측자료가 청명일로 선별되어 연구에 이용되었다. 기상청의 한 국기후표(2011)에 따르면 태안반도 주변 지역(서산시) 에서 1981년부터 2010년동안의 전운량이 2.4 이하인 맑은 날은 1년 중 23.5%에 해당하며, 본 연구에서 선별된 태안 지역의 맑은 날은 25.4%에 해당하여 각각의 맑은 날이 유사한 비율을 차지하고 있음을 보여준다.
청명일(93일) 중 라디오존데 관측이 수행된 날은 모두 47일이며, 해당 시간의 관측자료가 없거나 적합하지 않은 경우 가까운 주변 시간대의 관측자료를 선택 하였다. 또한 오전 11시를 기준으로 하여 해당일의 대표 라디오존데 관측자료로 선택하였다. Table 3은 선별된 맑은 날을 월별로 정리한 것이며, 라디오존데와 일사계의 관측 날짜가 다른 경우 괄호 안에 대체된 라디 오존데의 관측일을 명시하였다.
Table 3. List of clear-sky days in 2018
(2) MODTRAN에서의 태양 일사량 계산
만약 I λ (0)의 복사강도를 가지는 단일파장(λ)의 광선이 균일한 대기를 s만큼 통과하여 I λ (s)의 복사강도를 가지게 되었을 때, 복사 투과율 T λ 는 Beer-Bougure-Lambert law에 따라 식 (2)와 같이 정의된다(Liou, 2002).
\(T_{\lambda}=\frac{I_{\lambda}(s)}{I_{\lambda}(0)}=e^{-k_{\lambda} u}\) (2)
식 (2)에서 k λ 는 파장 λ에서의 질량소산계수(mass extinction cross section)이며 대기 조성 및 에어로졸 등의 영향을 받는 대기 흡수 특성을 나타낸다. u는 광선의 경로 거리(path length)를 의미하며, 태양 일사량의 경우, 태양 광선이 지표면에 도달하는 광선의 경로 거리에서 지구의 대기층을 모두 통과하기 때문에, 복사 투과율을 계산하기 위해서는 연직 대기 환경에 대한 정보가 필요 하다(Halthore et al., 1997).
본 연구에서는 MODTRAN 6에서 연직 대기 환경 정보를 적용하여 파장 별 대기 투과율 및 직달일사량을 계산하였으며, Fig. 3은 MODTRAN 6에서의 일사량 계산 과정을 도식화하여 정리한 것이다.
기온(T), 기압(P), 상대습도(RH)의 라디오존데 연직 관측 자료를 이용하여 관측과 가장 유사한 표준대기모 델을 선택할 수 있으며, 선택된 표준대기모델의 연직 대기환경 자료는 MODTRAN 6의 입력자료로 이용된다. MODTRAN 6에서 제공하는 표준대기모델은 지역의 계절 및 위도별로 구분되며 중위도/겨울(MdLt Win), 중위도/여름(MdLt Sum), 냉대/겨울(SbAr Win), 냉대/여름(SbAr Sum), 1976년 표준대기(1976 Std), 열대(Tropical) 의 총 6가지의 모델을 제공한다. 각 표준대기모델은 지상에서 상공 100 km까지의 대기를 32개의 층으로 나누 었으며 특히 25 km까지는 1 km 간격으로 층이 구성되어 있다(Stotts and Schroeder, 2019). 표준대기모델의 각층마다 기온, 기압, 상대습도 및 가스 대기 조성에 대한 대표치가 할당되어 있다. 라디오존데의 측정치가 없는 오존, 메탄, 이산화탄소 등의 가스 대기 조성의 경우 관측 자료와의 비교를 통해 선택된 표준대기모델에 내장된 연직 가스 구성비를 입력자료로 이용하였다.
모델간 유사성을 판단하기 위해 라디오존데 관측치와 표준대기모델의 수치에 대한 규격화 잔차 평균(Normalized Residual Mean; NRM)을 구하였다. 변수 A 에 대한 규격화 잔차 평균(NRM A)은 고도에 따른 A의변화를 나타낸 N개의 값에 대하여, 표준대기모델의 기본값 A MOD와 라디오존데 관측값 A RS을 식 (3)에 대입하여 구할 수 있다.
\(N R M_{A}=\frac{1}{N} \sum_{i=1}^{N}\left|\frac{A_{M O D}(i)-A_{R S}(i)}{A_{R S}(i)}\right|\) (3)
해안 지역의 에어로졸 특성을 수치 모사하기 위해 MODTRAN 6에서 제공하는 제공되는 NAM(Navy Maritime) 에어로졸 모델을 이용하였다(Gathman, 1983). NAM은 해풍의 영향으로 인한 해양 에어로졸의 유입및 육지 에어로졸 분포의 변화를 계산할 수 있으며, G2 AWS에서 관측된 시정거리(VIS), 풍속(WSS) 및 하루 평균 풍속을 입력 변수로 이용하였다. 또한 구름 및 강수의 경우, 청명일이 본 연구의 분석 대상이기 때문에 에어로졸 모델에 포함하지 않았다. 대기질량계수(Air Mass)는 1에서부터 10까지 설정할 수 있으며 수치가 클수록 대륙의 영향을 많이 받음을 의미한다(Stotts and Schroeder, 2019). 전천일사계가 설치된 G2는 남쪽을 해안으로 두고 있고 태양은 북반구에서 일조시간동안 주로 남쪽으로 치우치기 때문에 해양의 영향을 많이 받을 것으로 판단하여 대기질량계수를 1로 고정하였다.
Fig. 3. The diagram of the DNI calculation process with MODTRAN 6.
Fig. 4. An example of (a) the calculated transmittance and (b) the extraterrestrial (TOA) and terrestrial(H1) solar irradiance from MODTRAN 6.
미국해양청(National Oceanic and Atmospheric Admini -stration)의 태양위치추정 알고리즘을 통해 관측 시각 및일자와 관측지점의 위·경도, 고도에 따른 태양의 천정 거리를 계산하여(Reda and Andreas, 2004) MODTRAN 6의 입력변수로 이용하였다. 또한 MODTRAN 6에서는 지구 공전 궤도에 따라 달라지는 일사량 변화를 고려하여 대기권 밖 일사량(Extraterrestrial solar irradiance; I TOA) 을 파장별로 계산하였다.
MODTRAN 6의 LBLRTM(Line-By-Line Radiative Transfer Model)을 통해 단위 파장 별 에너지 흡수 혹은 방출에 따른 스펙트럼을 계산할 수 있다(Berk et al., 2015). 본 연구에서는 연직 대기 환경정보, 지상의 기상 정보 및 태양 위치를 고려하여 해당 일사량의 광선 경로 거리에 대응하는 파장 별 대기 투과율을 계산하였으며, Fig. 4(a)는 그 결과를 그래프로 나타낸 것이다. 계산 파장 범위는 전천일사계 관측 범위와 동일한 0.285∼3 µm 이다. MODTRAN 6은 주파수 단위로 계산을 수행하기 때문에 계산 주파수 범위는 3333~35088 cm -1 , 계산 주파 수 간격은 20 cm -1 으로 설정하였다. 대기 통과 전 일사량 (TOA)에 대기 투과율을 적용하면 지구 대기를 통과한 일사량(H1)을 파장별로 계산할 수 있으며, Fig. 4(b)는 TOA 및 H1의 파장 별 그래프를 나타낸 것이다. 최종적 으로 H1을 파장에 따라 적분하여 해당 관측 시각에서의 법선면 직달일사량을 수치 모사하였으며 Fig. 4(b)에따르면 721.5 W/m 2 이 된다.
3. 결과
Fig. 5는 2018년 1월 8일에 해당하는 라디오존데 관측 자료와 MODTRAN 6 표준대기모델 값을 기온, 기압, 상대습도에 대해 비교하여 나타낸 그래프이다. Fig. 5(a) 와 (b)는 각각 기온과 기압에 해당하며 표준대기모델과 관측된 연직 기상자료의 일치성이 높게 나타났으나, Fig. 5(c)의 상대습도는 전반적으로 MODTRAN 6의 표준대기모델과는 낮은 일치성을 보였다. 이는 지리적 영향과 계절 및 일별 날씨 영향에 따라 큰 변동성을 보이는 상대습도를 위도, 계절별로 기후적 대표성으로 구분한 대기복사모델의 표준대기모델과의 일치 판단 요인 으로 적용하기에는 한계가 있음을 의미하기 때문에, 표준대기모델 선택 시 상대습도는 고려하지 않았다.
Fig. 5. Plots of the vertical profiles of the MODTRAN 6 standard model and measurements ((a) Temperature, (b) Pressure, (c) Relative Humidity) from radiosondes used in this study.
청명일로 선별된 93일의 기온 및 기압의 연직 관측 자료를 통해 결정된 표준대기모델의 월별 분포는 Table 4와 같다. 대략적으로, 겨울은 중위도 겨울(MdLt Win), 여름은 열대(Tropical)에 주로 분포하며, 봄·가을의 경우에는 기온을 기준으로 했을 때는 1976년 표준대기(1976 Std), 기압을 기준을 했을 때는 1976 표준대기(1976 Std)와 중위도 여름(MdLt Sum)에 분포하는 경향을 보였다. 관측자료 중 약 43%의 경우 기온과 기압으로부터 결정된 표준대기모델이 서로 달랐으며, 7, 8월의 경우 표준 대기모델이 서로 일치하는 경향을 보였다.
각 계절별로 겨울은 1월 6일, 여름은 8월 2일, 봄·가을은 10월 13일로 대표 일자를 정하였고, 해당 일자에 대한 MODTRAN 입력 변수의 값을 Table 5에, 일사량 계산 결과를 Fig. 6 및 Table 6에 정리하였다. Fig. 6은 각 계절별 대표일자에 해당하는 일사량을 그래프로 나타낸 것으로, 수평면 전천일사량(GHI)와 수평면 직달일사량(DNI × COS(Z)) 그리고 두 값의 차이(Difference)가 시간에 따라 변화하는 추이를 나타내고 있다. 겨울과 여름을 대표하는 Fig. 6(a)와 (b)의 경우 관측된 기온과 기압에 따라 선택된 표준대기모델이 서로 일치하였기 때문에 그래프 상에서는 구별없이 단선으로 표현하였다. 봄·가을로 대표되는 Fig. 6(c)의 경우, 관측된 기온과 기압에 따라 선택된 표준대기모델은 각각 1976 표준대기와 중위도 여름 모델로 서로 일치하지 않았으며, 두 모 델간 계산된 일사량의 차이는 정오 부근에서 20.78 W/m 2 로 약 3% 정도의 차이를 보이나, 그래프의 경향성은 거의 동일하게 나타났다.
Table 4. Distribution of the estimated standard atmospheric models in 2018
Table 5. Input parameters for the DNI simulation at January 6, August 2, and October 13, 2018
Fig. 6. Measurements(GHI), simulations(DHI) and differences of solar irradiances with time of day in (a) January 6, (b) August 2, (c) October 13, 2018.
Table 6. Results of the DNI simulation at January 6, August 2, and October 13, 2018
수직면 전천일사량과 수평면 직달일사량의 차이를 표준대기모델과 마찬가지로 규격화 잔차 평균으로 계산할 수 있으며, 일조 시간에 해당하는 일사량 데이터에 대한 일간 NRM(E)를 구할 수 있다. 식 (1)에 따르면 수평면 직달일사량이 정확할 경우, NRM(E)은 일 평균 수평면 산란일사량이 전천일사량에서 차지하는 비율로 계산된다. Fig. 7은 각 관측일의 NRM(E)에 대한 히스 토그램을 나타낸 것으로 Fig. 7(a)와 (b)는 각각 기온과 기압으로부터 결정된 표준대기모델을 일사량 계산에 적용했을 때의 결과이다. 평균 NRM(E)는 기온의 경우 0.28, 기압의 경우 0.32으로 계산되었으며, 청명일의 경우 수평면 산란일사량이 전천일사량에서 차지하는 비율이 보통 0.1~0.2 수준인 것과 비교하자면 값이 높게 나왔다. 이는 직달일사량의 계산 오차이거나 태안지역의 대기 특성에 의한 현상으로 파악된다. Fig 4의 각 표준대기모델의 기온, 기압의 연직 분포선에 따르면, 기압의 경우 기온에 비해 모델에 따른 프로파일의 차이가 크게 나타나지 않았다. 라디오존데 관측 오차 등을 생각 해보았을 때, 기온의 프로파일을 통해 표준대기모델을 결정하는 것이 기압에 비해 더 높은 신뢰도를 보장할 수있으며, 이는 기온이 기압보다 더 작은 NRM(E) 값을 가지게 되는 근거가 될 수 있다.
Fig. 8는 기온, 기압 및 상대습도의 표준대기모델과 관측자료의 NRM과 일사량에 대한 NRM(E)을 연중 시간에 따라 나타낸 시계열 변화이다. 그래프의 중간 부분은 1년 중 여름에 해당하는데, 일사량의 NRM(E)은기온이 높아질수록 수치가 높아지는 경향을 뚜렷하게 보이고 있으며, 이는 Fig. 6의 일사량 그래프의 비교를 통해서도 확인할 수 있다. 이러한 경향은 기온과 산란 일사량이 서로 비례관계를 가지거나, 혹은 해당 지역의 대기 특성을 모델이 제대로 반영하지 않아 생긴 계산의 오차일 수 있다. 습도의 경우 여름 부근에서는 NRM이줄어들지만 대부분의 구역에서 1에 가까운 높은 NRM 값을 보여주고 있으며, 이는 실제 관측환경에서의 상대 습도가 표준대기모델의 상대습도와 매우 다른 프로파 일을 가지고 있음을 의미한다.
Fig. 7. Frequency distributions of NRM(E) for (a) the model by temperatures and (b) the model by pressures.
Fig. 8. Annual NRM variations of (a) temperature, (b) pressure, (c) relative humidity, (d) solar irradiance in 2018. Blue line represents the value by the moving average method, respectively.
4. 토의
MODTRAN 6에 설정된 위도별, 계절별로 대표되는 6가지 표준대기모델만으로는 한반도 서해에 위치해 대기 변화가 빈번한 태안반도의 환경을 정확히 반영하기 어려우며, 환절기인 봄·가을의 경우 기온 및 기압의 관측으로 결정된 표준대기모델이 서로 불일치하는 경우가 약 43% 있었다. 또한 계절에 따른 NRM(E) 변화를 분석하기 위해서는 산란일사량 및 계산 오차에 대한 분석을 통해 NRM(E)로부터 대기의 지역적 특성을 파악할수 있을 것이다. 또한 겨울의 경우 타 계절에 비해 청명 일의 관측 자료가 부족하였기 때문에, 추가로 자료를 확보하여 분석할 필요가 있다.
실제 관측 값이 그대로 입력되는 시정거리(Visibility) 와 풍속(Wind Speed)의 경우 각각 15%, 0.17 m/s 2 의 불확 도를 가진다. 2월 1일 12시 48분에 해당하는 일사량 값 에 대한 분산 기반 전역 민감도 분석(Thomassen et al., 2018)을 수행한 결과 입력 변수의 불확도에 의해 야기된 직달일사량의 불확도는 44.07 W/m 2 으로 계산되었 으며, 이는 관측된 일사량 629.97 W/m 2 의 7%에 해당하는 값이다. 입력 변수의 민감도는 시정거리의 경우 0.9999, 풍속은 0.0055로 계산되었다. 민감도가 1에 가까 울수록 상대적인 영향이 큰 것이며, 이 경우에는 풍속의 영향은 거의 무시할 수 있을 정도로 시정거리의 민감도가 크다. 즉, 시정거리의 관측 정밀도를 개선할 수있다면, 직달일사량의 계산 정확도를 더 높일 수 있음을 의미한다.
라디오존데 운용 장소(G1) 및 일사계 운용장소(G5) 가 완전히 일치하지 않는 것 또한 오차의 원인이 될 수있다. G1과 G5는 약 800 m 정도 떨어져 있으며, 특히 라디오존데를 발사한 후 편서풍의 영향으로 인해 동쪽 방향으로 이동하게 된다. 이는 높은 고도일수록 내륙의 정보가 편향되어 나타날 수 있기 때문에 입력 자료에 영향을 줄 수 있을 것으로 추정된다.
5. 결론
본 연구에서는 태안반도 지역의 3개의 지상관측소및 라디오존데를 통해 관측된 2018년 기상 자료를 기반 으로 하여 최초로 연간 청명일에 대한 표준대기모델을 결정하였다. 태안반도의 대기는 계절별로 겨울은 중위도 겨울(MdLt Win), 여름은 열대(Tropical), 봄·가을의 경우 1976 표준대기(1976 Std)와 유사하게 나타나는 것을 확인할 수 있었다. 선택된 표준대기모델의 연직 기상 환경 자료 및 지상 관측 자료, 태양 위치를 MODTRAN 6 에 입력하여 청명일에 대한 대기의 투과율 및 직달일사 량을 수치모사하였으며, 실제 관측한 전천일사량과 비교 분석을 최초로 수행하였다. 일사량의 규격화 잔차 평균은 기온에 의한 대기표준모델을 적용한 경우 0.28, 기압의 경우 0.32로 나타났으며, 기온이 높아지는 여름철로 갈수록 일사량 규격화 잔차 평균이 커지는 경향을 확인할 수 있었다.
본 연구를 통해 일사량 수치모사 및 일사계 관측과 비교 분석을 수행하였고, 태안반도에 대한 MODTRAN 6의 표준대기모델과 구별되는 대기 특성의 일부를 확인할 수 있었다. 이러한 대기 특성을 고려하여 태안반 도에 최적화된 대기모델을 구성하여 표준대기모델의 대체제로 활용한다면, 비교 원격탐사 및 비행체 탐지 등에 널리 활용되어온 적외선 영역에서의 대기 투과율을 정확하게 계산할 수 있을 것이다.
사사
이 논문은 국방과학연구소의 지원을 받아 수행된 연구임(14-201-103-030). 이 연구는 2020년도 정부(교육부)의 재원으로 한국 연구재단의 지원을 받아 수행된 기초연구사업임(No.2018R1D1A1B07048991). 이 연구는 한국연구재단 재원의 은하진하연구센터의 지원을 받아 수행되었음(No. 2017R1A5A1070354). 이 연구는 BK21플러스 사업의 지구 대기 천문사업 단의 지원을 받아 수행되었음(21A20131500002).
References
-
Berk, A., P. Conforti, and F. Hawes, 2015. An accelerated line-by-line option for MODTRAN combining on-the-fly generation of line center absorption within
$0.1cm^{-1}$ bins and pre-computed line tails, Proc. of SPIE Defense + Security, Baltimore, MD, May 21, vol. 9472, p. 947217. -
Berk, A., P. Conforti, R. Kennett, T. Perkins, F. Hawes, and J. van den Bosch, 2014. MODTRAN6
${(R)}$ : a major upgrade of the MODTRAN${(R)}$ radiative transfer code, Proc. of 2014 6th Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS), Lausanne, Jun. 24-27, pp. 1-4. - Cha, J.W., H.-J. Ko, B. Shin, H.-J. Lee, J.E. Kim, B. Ahn, and S.-B. Ryoo, 2016. Characteristics of Aerosol Mass Concentration and Chemical Composition of the Yellow and South Sea around the Korean Peninsula Using a Gisang 1 Research Vessel, Atmosphere, 26(3): 357-372 (in Korean with English abstract). https://doi.org/10.14191/Atmos.2016.26.3.357
- Choi, Y., Y. Kim, M. Kim, M. Park, S. Min, Y.-A. Kwon, and M.-K. Kim, 2018. The Determination of Detailed Climate Classification and Future Projections in the Republic of Korea using Highresolution Grid Climate Data and Trewartha Climate Classification, Journal of Climate Research, 13(4): 247-261 (in Korean with English abstract). https://doi.org/10.14383/cri.2018.13.4.247
- Driggers, R.G., J.M. Nichols, and M.H. Friedman, 2012. Introduction to Infrared and Electro-Optical Systems, 2nd edition, Artech House, Norwood, MA, USA.
- Gathman, S.G., 1983. Optical properties of the marine aerosol as predicted by the Navy aerosol model, Optical Engineering, 22(1): 220157. https://doi.org/10.1117/12.7973048
- Halthore, R.N., S.E. Schwartz, J.J. Michalsky, G.P. Anderson, R.A. Ferrare, B.N. Holben, and H.M. Ten Brink, 1997. Comparison of model estimated and measured direct-normal solar irradiance, Journal of Geophysical Research: Atmospheres, 102(D25): 29991-30002. https://doi.org/10.1029/97JD02628
- Han, K. and J. W. Hahn, 2018. Uncertainty analysis of the flame temperature determination based on atmospheric absorption effect with optical emission spectroscopy, Combustion Science and Technology, 190(11): 2044-2060. https://doi.org/10.1080/00102202.2018.1488249
- Hukseflux, Theremal Sensors, 2017. User Manual LP02: Second class pyranometer, Hukseflux, Delft, Netherlands.
- Korea Meteorological Administration, 2011. Climatological Normals of Korea 1981-2010, Korea Meteorological Administration, Seoul, Korea (in Korean).
- Jensen, D.R., C.H. Wash, and M.S. Jordan, 1998. Air mass parameterization and coastal aerosol modeling, Proc. of SPIE's International Symposium on Optical Science, Engineering, and Instrumentation, San Diego, CA, Nov. 3, vol. 3433, pp. 2-9.
- Jo, D.-K. and Y.-H. Kang, 2006. A Detailed Survey of Normal Radiation and Clear-day for the Construction of Solar Concentrating System in Korea, Journal of the Korean Solar Energy Society, 26(3): 53-62 (in Korean with English abstract).
- Lee, K.-H., K.-T. Lee, J.-H. Kim, and G.-H. Mun, 2018. Characteristics of Aerosol Mass Concentrations and Size Distribution Measured at Anheung, Korea, Journal of Korean Society for Atmospheric Environment, 34(5): 677-686 (in Korean with English abstract). https://doi.org/10.5572/KOSAE.2018.34.5.677
- Liou, K.-N., 2002. An Introduction to Atmospheric Radiation, 2nd edition, Academic Press, San Diego, CA, USA.
- Lisenko, S.A., 2018. Atmospheric correction of multispectral satellite images based on the solar radiation transfer approximation model, Atmospheric and Oceanic Optics, 31(1): 72-85. https://doi.org/10.1134/S1024856018010116
- Park, S.U., K.A. Koo, and W.-S. Kong, 2016. Potential Impact of Climate Change on Distribution of Warm Temperate Evergreen Broad-leaved Trees in the Korean Peninsula, Journal of the Korean Geographical Society, 51(2): 201-217 (in Korean with English abstract).
- Reda, I. and A. Andreas, 2004. Solar position algorithm for solar radiation applications, Solar Energy, 76(5): 577-589. https://doi.org/10.1016/j.solener.2003.12.003
- Reno, M.J., C.W. Hansen, and J.S. Stein, 2012. Global horizontal irradiance clear sky models: Implementation and analysis, SANDIA report SAND2012-2389, U.S. Department of Commerce National Technical Information Service, Springfield, VA, USA.
- Reindl, D.T., W.A. Beckman, and J. A. Duffie, 1990. Diffuse fraction correlations, Solar Energy, 45(1): 1-7. https://doi.org/10.1016/0038-092X(90)90060-P
- Sengupta, M., Y. Xie, A. Lopez, A. Habte, G. Maclaurin, and J. Shelby, 2018. The national solar radiation data base (NSRDB), Renewable and Sustainable Energy Reviews, 89: 51-60. https://doi.org/10.1016/j.rser.2018.03.003
-
Stotts, L.B. and J. Schroeder, 2019. Atmospheric Modeling Using PcModWin
${(c)}$ /MODTRAN${(R)}$ , SPIE Press, Bellingham, WA, USA. - Thomassen, J., A.D. van Rheenen, E.B. Madsen, M. Pszczel, N. Bilton, and O. Pushkarov, 2018. Sensitivity of input parameters to modelling of atmospheric transmission of long-wave infrared radiation at sea under warm and humid conditions, Proc. of SPIE Security + Defence, Berlin, Oct. 9, vol. 10794, p. 107940A.
- Vaisala, 2002. User's Guide, Anemometer WAA151, M210293en-A, Vaisala, Helsinki, Finland.
- Vaisala, 2004. Present Weather Detector PWD22 User's Guide, M210543EN-B, Vaisala, Helsinki, Finland.
- Vaisala, 2018a. Radiosonde RS41-D, B211609EN-D, Vaisala, Helsinki, Finland.
- Vaisala, 2018b. Ceilometer CL31 for Cloud Height Detection, B210415EN-G, Vaisala, Helsinki, Finland.
- Vogelbacher, S., D. Sprung, A.M. van Eijk, and K. Stein, 2015. Influence of aerosols on atmospheric transmission at the Baltic Sea: comparison of experimental results with model simulations using MODTRAN, Proc. of SPIE Remote Sensing, Toulouse, Oct. 8, vol. 9641, p. 964106.