Derivation of Synergistic Aerosol Model by Using the ECMWF/MACC and OPAC

ECMWF/MACC와 OPAC자료를 이용한 시너지 에어로솔 모델 산출

Abstract

The microphysics and spatio-temporal distribution of atmospheric aerosols are responsible for estimating the optical properties at a given location. Its accurate estimation is essential to plan efficient simulation for radiative transfer. For this sake, synergetic use of reanalysis data with optics database was used as a potential tool to precisely derive the aerosol model on the basis of the major representative particulates exist within a model grid. In detail, mixing of aerosol types weighted by aerosol optical depth (AOD) components has been developed. This synergetic aerosol model (SAM) is spectrally extended up to $40{\mu}m$. For the major aerosol event cases, SAM showed that the mixed aerosol particles were totally different from the typical standard aerosol models provided by the radiative transfer model. The correlation among the derived aerosol optical properties along with ground-based observation data has also been compared. The current results will help to improve the radiative transfer model simulation under the real atmospheric environment.

특정 지점에서 대기 에어러솔의 미세물리적 특성과 시공간적 분포는 에어로솔 입자의 광학특성을 파악하기 위한 중요한 변수이다. 이러한 에어러솔의 광학특성값에 대한 정확한 산출은 복사전달 모의 과정에서 정확한 값을 제공함으로 중요한 역할을 가지게 된다. 따라서 본 연구는 사용자가 요구하는 시공간적 조건에서 정확한 에어로솔 모델을 산출하기 위한 방법으로서 재분석 자료와 광학 특성 데이터 베이스를 이용한 시너지 에어로솔 모델을 산출하는 방법을 제시하였다. 제안된 시너지 에어로솔 모델은 에어로솔의 주요 성분별 광학두께(Aerosol Optical Depth; AOD)값에 의하여 가중치가 적용된 혼합 에어러솔 형태의 광학 모델을 산출하기 위함이며, $40{\mu}m$까지의 파장영역에서 광학특성값을 제공한다. 주요 에어로솔 이벤트 사례에 대하여, 시너지적 에어러솔 모델(Synergy Aerosol Model; SAM)은 기존의 복사전달 모델에서 사용되고 있는 표준 에어러솔 모델과는 차별적인 결과를 보여주었으며, 지상관측 Aerosol Robotic Network(AERONET) inversion 산출물과의 비교를 통하여 오차범위 내의 정량적인 결과를 가지고 있는 것을 보였다. 따라서, 복사전달 모의에 있어 시너지 에어로솔 모델의 사용은 실제 대기 중 에어러솔에 의한 영향을 정량적으로 평가하는데 도움을 줄 수 있을 것이며, 개선된 복사 모의 결과를 얻을 수 있을 것이다.

요약

특정 지점에서 대기 에어러솔의 미세물리적 특성과 시공간적 분포는 에어로솔 입자의 광학특성을 파악하기 위한 중요한 변수이다. 이러한 에어러솔의 광학특성값에 대한 정확한 산출은 복사전달 모의 과정에서 정확한 값을 제공함으로 중요한 역할을 가지게 된다. 따라서 본 연구는 사용자가 요구하는 시공간적 조건에서 정확한 에어로솔 모델을 산출하기 위한 방법으로서 재분석 자료와 광학 특성 데이터 베이스를 이용한 시너지 에어로솔 모델을 산출하는 방법을 제시하였다. 제안된 시너지 에어로솔 모델은 에어로솔의 주요 성분별 광학두께(Aerosol Optical Depth; AOD)값에 의하여 가중치가 적용된 혼합 에어러솔 형태의 광학 모델을 산출하기 위함이며, 40 μm까지의 파장영역에서 광학특성값을 제공한다. 주요 에어로솔 이벤트 사례에 대하여, 시너지적 에어러솔 모델(Synergy Aerosol Model; SAM)은 기존의 복사전달 모델에서 사용되고 있는 표준 에어러솔 모델과는 차별적인 결과를 보여주었으며, 지상관측 Aerosol Robotic Network(AERONET) inversion 산출물과의 비교를 통하여 오차범위 내의 정량적인 결과를 가지고 있는 것을 보였다. 따라서, 복사전달 모의에 있어 시너지 에어로솔 모델의 사용은 실제 대기 중 에어러솔에 의한 영향을 정량적으로 평가하는데 도움을 줄 수 있을 것이며, 개선된 복사 모의 결과를 얻을 수 있을 것이다.

1. 서론

지구 관측과 기후변화와 관련된 연구에서 실환경에 기반한 대기 조성물질에 대한 이해도의 증진은 복사전달 모델과 기후 모델의 성능과 밀접한 관련이 있다. 특히, 대기 에어로솔은 복사에너지를 흡수하거나 산란함으로 인하여 복사전달과정에서 매우 복잡한 영향을 미치는 것으로 알려져 있다(Charlson et al., 1992; IPCC, 2013). 대기 에어로솔의 광학특성은 입자의 화학적 조성과 물리적 특성(크기와 모양 등)과 직접적인 관련이 있으며, 시공간적으로 불균일한 분포 특성은 복사전달과정을 해석하는데 어려움으로 작용한다. 그럼에도 불구하고 대부분의 복사전달모델에서는 이러한 에어러솔 입자에 대한 특성을 대표하는 표준화된 에어로솔 모델을 입력조건으로 사용하고 있다(Shettle and Fenn, 1979; McClatchey, 1972; Ricchiazzi et al., 1998). 표준 에어로솔모델이 가지는 한계로 인하여 실제 에어러솔 입자의 광학특성이 고려되지 못하는 경우에는 복사전달 모델의 결과에 오차가 발생한다(Halthor et al., 1998). 실제 동아시아 에어로솔의 광학특성과 공간적 분포는 매우 다양하게 관측되고 있음이 선행연구를 통하여 보고되었다(Shin et al., 2014; Lee, 2014). 더욱이, 광 흡수성 에어로솔의 존재시에는 산란 복사량이 적어지게 되어 관측값과 복사 모의값과의 차이가 크게 발생한다(Hansen et al., 2004; Mlawer et al., 2000). 이러한 오차를 최소화하기 위하여 지상관측값을 기초로 한 복사모의 실험방법이 사용되기도 하였다(Lee and Kim, 2008).

지난 수 세기동안 태양복사 관측을 이용한 다양한 에어로솔 원격탐사 기법이 개발되었다. 일반적으로 사용되는 방법론은 입자 산란 이론을 이용하는 것으로서, 관측된 복사량과 에어로솔의 특성값과의 관계를 이용한다. 예를 들면, Mie 산란 이론을 이용한 파장별 에어로솔 광학두께(Aerosol Optical Depth; AOD)값의 역방향 문제에 대한 해로부터 입자 크기분포값을 산출가능하다(King and Byrne, 1978; Nakajima et al., 1983). 그리고 기하조건과 분광 정보를 이용한 입자 크기분포와 굴절률을 산출하기 위한 방법론(Dubovik and King, 2000; Dubovik et al., 2002)이 개발되었다.

실제 대기중의 에어로솔 입자의 광학특성값을 정밀하게 측정하여 복사전달모델의 입력자료로 사용하는 것이 가장 정확한 방법이지만, 실제 관측 자료 획득의 어려움이 문제가 된다. 본 연구의 목적은 시공간적으로 불균일한 에어로솔의 광학특성값을 산출하여 유효성을 검증하고 복사전달모델의 입력자료로 활용하는 것이다. 그리고 산출된 에어로솔 모델의 검증을 위하여 연구대상 지역내의 지상에서 관측된 AERONET 관측 지점별로 시공간일치법을 이용한 비교분석을 수행하였으며, 복사전달 모델의 결과값에 영향을 미치는 주요 인자인 표준 어로솔 모과의 산출 오차에 대한 분석을 하였다.

2. 연구 방법

1) 시너지 에어로솔 모델 산출

본 연구에서 산출하기 위한 결과 자료는 시너지 에어로솔 모델(Synergytic Aerosol Model; SAM) 으로 정의하며, 파장별 에어로솔 소산계수(extinction coefficient, σ_ext), 단산란 알베도(single scattering albedo, ω₀), 비대칭 계수(asymmetry parameter, δ)로 구성된다. SAM 산출과정은 Fig. 1과 같으며, 사용자의 요구 사항(시간, 위도, 경도)에 따른 Data Base(DB) 조회 및 수치계산 그리고 결과값의 저장 과정을 따르도록 설계되었다. 여기서 사용된 DB는 유럽의 The European Centre for Medium-Range Weather Forecasts(ECMWF)의 Monitoring Atmospheric Composition and Climate(MACC) 모델(Morcrette et al., 2009)과 Optical Properties of Aerosols and Clouds(OPAC) 모델(Hess et al., 1998) 이다. 본 연구에서 사용된 자료의 목록과 특징은 Table 1에 나타내었으며, 각 자료에 대한 상세 설명은 아래에서 설명하였다.

Table 1. Input data used in this study

Fig. 1. Flowchart of deriving the synergetic aerosol model.

MACC 모델은 다양한 위성관측값과 화학수송모델을 이용한 일종의 재분석자료로서, 주요 에어로솔 타입별 AOD 값을 제공한다. 본 연구에서 사용한 MACC 에어로솔 자료는 수평격자 크기 0.125° × 0.125°이며, 6종의 AOD(Black Carbon AOD at 550 nm, Dust AOD at 550nm, Organic Matter AOD at 550 nm, Sea Salt AOD at 550nm, Sulphate AOD at 550 nm, Total AOD at 550 nm)로서, 1일 중 3시간 간격으로 생산되는 자료를 사용하였다. MACC의 총 AOD(τ_tot)는 각 성분별 AOD를 합산한 값으로 다음의 식(1)과 같이 정의된다.

τ_tot = τ_BC + τ_OM + τ_DU + τ_SU + τ_SS       (1)

여기서, τ_BC, &tu;_OM, &ta;_DU, τ_SU, τ_SS는 각각 탄소입자(Black Carbon; BC), 유기물(Organic Matter; OM), 먼지(Dust; DU), 황산염(Sulphate; SU), 해염(Sea Salt; SS)에 의한 에어로솔 광학두께값이다. 사용자의 요구 사항 입력단계에서 전달받은 시간, 위도, 경도에 맞는 MACC 자료를 조회하여 다음 단계로 전달한다. 여기서 선택된 MACC 자료는 550 nm에서의 성분별 AOD 이므로, 에어러솔 모델의 산출을 위한 파장별 광학특성값(σ_ext(λ), ω₀(λ), δ(λ)) 산출을 위하여 에어로솔 광학특성값 DB인 OPAC의 파장별 광학특성 테이블을 사용한다.

MACC에서 사용되는 에어로솔 타입과 유사한 OPAC의 에어로솔 타입을 선택하기 위하여, 탄소성 입자 계열인 BC와 OM은 OPAC 자료 중 탄소입자와 무기물/유기물질이 혼합된 Continental Polluted(CP) 모델을, 거대먼지 입자 계열인 DU는 OPAC에서 Desert Dust(DD) 모델을, 거대 해염 입자 계열인 SS는 OACP에서 Maritime Clean(MC) 모델을, 수용성 황산염 임자 계열인 SU는 OPAC에서 Sulphate(SU) 모델과 동기화하였다. Fig. 2는 OPAC 모델에서 선택된 에어로솔 타입별 광학특성값을 나타내며, 4가지 에어로솔 타입의 파장별 광학특성값의 차이는 매우 다른 파장별 변화 특성을 가짐을 보여준다. 정규화된 에어로솔 소산계수(normalized aerosol extinction)은 파장별 에어로솔 소산계수를 550 nm에서의 값으로 정규화 시킨 값으로서, 에어로솔 입자에 의하여 소산되는 복사 에너지의 절대량을 의미하기보다는 파장별로 소산되는 특성을 의미한다. 입자 크기가 상대적으로 작은 CP와 SU 모델은 0.55 μm 보다 짧은 파장 영역에서 소산계수가 크게 나타나지만, 적외 영역에서는 입자크기가 큰 DD와 MC가 더욱 큰 값을 나타낸다. 즉, 성분별 에어로솔 입자에 의하여 각 파장별로 소산되는 상대적인 양이 다르게 나타나므로 특정 파장에서의 영향을 파악할 수 있게 한다. 단산란 알베도(Single Scattering Albedo, SSA)는 입자의 광 흡수 특성을 대표하는 값으로서, 0.55 μm 보다 짧은 파장 영역에서 DD와 CP 모델이 소산계수가 크게 나타나지만, 적외 영역에서는 SU 모델의 광 흡수가 크게 나타나는 특성을 보이고 있다. 입자크기가 큰 DD와 MC가 더욱 큰 값을 나타낸다. 비대칭 계수(asymmetry parameter)는 입자에 의한 광 산란 방향을 지칭하는 값으로서, 0보다 적을수록 후방산란이 강한 입자를 의미하지만 0보다 클수록 전방산란이 우세하게 나타나는 입자를 의미한다. 일반적으로, 파장에 비하여 입자의 크가 커질수록 전방산란이 증가하므로 비대칭 계수는 1에 근접하게 된다. Fig. 2에서 모든 입자는 전방산란이 우세하게 나타나지만, 각 입자별 강도는 파장별로 다르게 나타나고 있다. 입자 크기가 상대적으로 작은 입자인 SU는 파장이 길어질수록 전방과 후방산란의 비율이 유사하게 나타난다.

Fig. 2. Spectral extinction (top), single scattering albedo (middle), and asymmetry parameter (bottom) for 0.25 μm – 4.0 μm (left column) and whole wavelength range (right column) from the selected OPAC database.

그리고 각 성분별 광학특성값은 다음의 식 (2), (3), (4)를 이용하여 계산하였다

\(\sigma_{e x t}(\lambda)=\frac{\sum_{i} \tau_{i} \cdot \sigma_{i}^{e x t}(\lambda)}{\sum_{i} \tau_{i}}\)       (2)

\(\omega_{0}(\lambda)=\frac{\sum_{i} \tau_{i} \cdot \sigma_{i}^{e x t} \cdot \omega_{0 i}(\lambda)}{\sum_{i} \tau_{i} \cdot \sigma_{i}^{\operatorname{ext}}(\lambda)}\)       (3)

\(\delta(\lambda)=\frac{\sum_{i} \tau_{i} \cdot \sigma_{i}^{e x t} \cdot \delta_{i}(\lambda)}{\sum_{i} \tau_{i} \cdot \sigma_{i}^{\operatorname{ext}}(\lambda)}\)       (4)

여기서, τ_i는 MACC 모델의 각 성분(i)별 AOD이며, \(\sigma_{i}^{e x t} \omega_{0 i}\), · δ_i는 각각 OPAC 의 성분(i)별 소산계수, 단산란 알베도, 비대칭계수이다. 즉, 대기중의 에어로솔 성분은 혼합된 상태이며, 각 성분별 기여도는 MACC 타입별 AOD에 의하여 기여도가 결정되며, 파장별 광학특성값은 OPAC으로부터 제공되는 값을 가중함수의 합으로 결정하는 방법론다.

2) 비교 검증

MACC와 OPAC자료를 이용하여 산출된 SAM 자료의 유효성 검증 방법은 동일한 시간과 지리적 공간상에서 관측된 에어로솔 광학특성값과의 비교를 통하여 가능하다. 본 연구에서는 비교검증용 자료로서 지상 관측자료인 AERONET 에어러솔 관측 DB 자료를 사용하였다. AERONET에서 사용되는 관측기기는 CIMEL 사의 Sun-sky radiometer이며, 이 기기는 대기투과도의 영향이 비교적 적은 파장대에서 직달일사(direct irradiance)와 산란일사량(diffuse irradiance)을 측정한다. 측정된 파장별 일사량과 지구로 입사하는 태양복사량과의 관계로부터 AOD를 산출하며, 그 정확도는 약~0.015정도로 알려져 있다(Eck et al., 2010).

AERONET 에서 사용되고 있는 Sun-sky radiometer는 역 방향 산출 방법(inverse method)에 의한 에어로솔 미세물리 광학특성값(입자 크기 분포, 굴절률 등)을 제공하고 있으므로, SAM의 결과와 비교가능하다. 보다 상세하게는, Sun-sky radiometer의 센서가 일정 각도별로 관측 방향을 회전하여 직달일사량과 산란일사량을 측정하며, 에어로솔에 의한 산란복사량을 파장별로 측정한다. 이 결과를 이용하여 일련의 역행렬 방정식(inverse matrix equation)로부터 미지수인 에어로솔 크기분포, 유효반경, 입자 굴절률, 단산란 알베도, 산란위상함수(scattering phase function), 비대칭계수를 계산한다. AERONET 자료는 지상에서 관측된 자료 중 일련의 참값(truth value)로서 사용되고 있으며, 위성 원격 관측자료 및 복사전달 모의 결과에 대한 검증자료로서 널리 사용되고 있다. 모든 관측 지점별 산출값은 온라인상의 데이타 베이스로 구축되어 있으며(http://aeronet.gsfc.nasa.gov/), 자료의 품질관리 및 관련 연구보고서가 제공되고 있다.

SAM과 AERONET의 비교 검증 방법은 동일시간대에 동일한 화소 영역에서 추출한 자료를 비교하는 시공간일치법(spatio-temporal collocation method)을 사용한다. 지상의 지점관측(point measurement)방법이 가지는 공간적인 한계로 인하여 SAM이 제공하는 전체 관측 영역에 대한 직접적인 비교가 불가능하므로, 지상 관측 지점 근처에서 관측시간이 일치하는 조건을 만족하는 화소만 비교가 가능하다. SAM 자료의 유효시각의 ± 60분 이내에 관측된 AERONET 관측자료를 선택하며, 공간적으로는 AERONET 관측 화소의 경위도를 중심으로 약 30 km × 30 km 영역에서 추출된 평균값을 비교하였다. 본 연구의 대상지역에서 유효한 AERONET 관측지점은 Fig. 3과 같이 총 52개 지점이며, 2012년부터 2017년까지 관측된 자료를 이용하였다.

Fig. 3. Available AERONT measurement sites (circle)located within the study area (total 52 sites).

3. 결과

1) 에어로솔 분포 특성

Fig. 4는 2016년 3월 6일의 MACC AOD 자료(total aerosol, black carbon(BC), dust(DU), organic matter(OM), sea salt(SS), sulphate(SU))를 6시간 간격으로 추출하여 시간별 변화를 나타낸 사례이다. 해당 사례에서는 MACC에서 제공하는 각 성분별 에어러솔의 분포 특성에 대한 시공간 분포가 잘 나타내고 있음을 알 수 있다. 2016년 3월 6일의 대기조건은 중국으로부터 발생한 황사와 연무가 한반도 전체 영역으로 이동을 했던 사례로서, Fig. 4의 Total AOD결과에서는 대기중 에어로솔 입자의 상대 부하량이 높은 영역(약 AOD>1.0)이 00Z에는 중국 대도시 및 산업시설 접 지역(베이징, 상해, 보하이만 등)에 위치하고 있으나, 시간이 지날수록 동진하여 서해안 영역으로 분포하고 있다. Total AOD가 높은 Hot spot 영역에서 각 성분별 AOD의 경향성을 보면, 북쪽 지역의 먼지 입자와 남쪽지역의 탄소성/황산염 입자가 우세하게 보이고 있는 것으로 나타났다.

Fig. 4. ECMWF/MACC AOD fortotal aerosol, black carbon (BC), dust(DU), organic matter(OM), sea salt(SS), sulphate (SU) for 00~18z on 6 March 2016 (selected every 6 hour data)

Fig. 4의 사례와 같은 유사한 결과를 타 위성자료를 통하여 확인가능하다. 예를 들어, Fig. 5는 천리안 위성GOCI 관측 자료를 이용한 칼라 RGB 합성영상(03Z)과 Moderate Resolution Imaging Spectroradiometer(MODIS)AOD 산출 결과(02Z ~ 03Z)로서 에어로솔에 대한 분포정보를 직간접적으로 비교할 수 있다. GOCI 칼라합성영상은 대기분자산란 효과가 제거된 반사도로부터 산출된 3개의 파장별 반사도를 합성하는 방법(Lee, 2013)을 사용하였으며, 구름 화소가 아닌 영역에서의 에어로솔 입자로 인한 대기 투과도가 현저히 떨어지는 영역이 다수 발견되고 있다. MODIS AOD는 MODIS satellite aerosol retrieval(MSTAR) 기법을 사용하여 산출된 결과로서(Lee and Kim, 2010), 만주지방의 황사영역과 서해의 혼합 에어로솔 입자에 대한 영향으로 증가된 AOD 영역을 확인할 수 있다. 탄소성 입자와 황산화물은 주로 화석연료의 연소나 인위적인 오염원에서 발생을 하는 것으로 알려져 있으며, Fig. 4에서는 중국의 인구밀집지역과 주요 산업시설이 위치한 지역으로부터 발생된 오염성 입자성분이 이동하였음을 확인 수 있으므로 각 성분별 지역 대기환경에 미치는 기여도를 파악할 수 있다.

Fig. 5. COMS/GOCI color rgb image and AQUA/MODIS AOD for 03z on 6 March 2016.

Fig. 6은 2019년 3월 6일 사례에 대한 SAM의 파장 450nm에서의 에어로솔 소산계수(550 nm 소산계수에 의하여 정규화된 값), 단산란 알베도, 비대칭 계수로서 에어러솔 타입 별 광학특성이 고려된 결과 산출물이다. 정규화된 에어로솔 소산계수는 550 nm 소산계수에 대한 상대적인 값으로서, 파장별 소산계수의 비율로서 입자의 크기와 관련이 있다. 이 값이 1보다 크면 입자의 크기가 상대적으로 적은 입자를 대표하며, 반대로 이 값이 1보다 작은 경우는 입자의 크기가 상대적으로 큰 입자를 의미한다. 따라서, Fig. 4의 AOD와 비교하면, AOD가 크게 나타나는 영역이 모두 정규화된 소산계수값이 동일하게 나타나고 있지않고 있음을 알 수 있다. 이러한 결과는 증가된 AOD 값에 기여하는 황사와 오염성 입자의 지리적 위치가 다르고, 두 가지가 혼합된 경우 우세한 입자 성분이 정규화된 소산계수값에 영향을 미치기 때문이다.

Fig. 6. Derived extinction (EXT), single scattering albedo (SSA), asymmetry parameter (ASY) for 00~18z on 6 March 2016 (examples selected every 6 hour data).

Fig. 6의 단산란 알베도는 남부 지역에서 우세하게 나타나는 유기물과 황산염에 의하여 다소 증가된 값(SSA>0.9)을 보이고 있으며, 중북부에서의 탄소성 입자와 먼지로 인하여 광 흡수성이 크게 증가함으로 인하여 다소 낮아짐(SSA<0.9)을 알 수 있다. 그리고 비대칭 계수는 전방산란(forward scattering)과 후방산란(backward scattering)의 비율을 의미하므로, 파장대비 입자의 크기가 클수록 전방산란의 증가가 나타나므로, 입자의 크기가 큰 먼지가 우세하게 존재하는 영역과 입자의 크기가 작은 오염성 입자가 주로 나타나는 영역에서의 상대적인 값이 다르게 나타나고 있다. Fig. 3-6의 결과를 통하여, 에어러솔의 광학 특성값은 특정 에어러솔의 성분별 분포 조건과 개별 에어러솔의 기여도에 의존함을 확인할 수 있다.

2) SAM과 AERONET Inversion 산출물 비교

연구 대상 지역내의 SAM과 AERONET Inversion 산출물의 비교를 위하여 2012년 7월부터 2017년 12월까지 관측된 자료 중 시공간 일치된 사례는 총 1,959개이며, 단산란 알베도와 비대칭계수를 대상으로 비교를 위한 기술 통계 분석 결과는 Table 2와 같다. 여기서 SAM과 비교를 위하여 AERONET inversion 산출물의 파장 중 441 nm와 75 nm를 선택하였으며, 두 파장 λ₁과 λ₂의 멱지수를 이용한 내삽을 위하여 식(5), (6)를 이용하여 450nm와 650 nm로 환산하였다.

\(\omega_{0}\left(\lambda_{2}\right)=\omega_{0}\left(\lambda_{1}\right) \times\left(\frac{\lambda_{2}}{\lambda_{1}}\right)^{-\alpha_{\omega}}\)       (5)

\(\delta\left(\lambda_{2}\right)=\delta\left(\lambda_{1}\right) \times\left(\frac{\lambda_{2}}{\lambda_{1}}\right)^{-\alpha_{\delta}}\)       (6)

Table 2. SSA and Asymmetry parameter derived from the SAM and collocated AERONET inversion products. Reference results from Lee et al. (2007) and Dubovik et al. (2000) are listed for the comparsion

여기서, α는 인접한 두 파장에 대한 광학 특성값의 비율로서 다음과 같이 정의된다.

\(\alpha_{\omega}=-\frac{\log \frac{\omega_{0}\left(\lambda_{1}\right)}{\omega_{0}\left(\lambda_{2}\right)}}{\log \frac{\lambda_{1}}{\lambda_{2}}}\)       (7)

\(\alpha_{\delta}=-\frac{\log \frac{\delta\left(\lambda_{1}\right)}{\delta\left(\lambda_{2}\right)}}{\log \frac{\lambda_{1}}{\lambda_{2}}}\)       (8)

Table 2의 결과에서는 SAM과 AERONET inversion 산출물과의 비교를 위한 통계수치로서, 평균 오차(bias 또는 mean error)와 평균 제곱근 오차(Root-Mean-Square Error; RMSE)를 계산하였다.

 

\(\text { Bias }=\frac{1}{N} \sum_{i=1}^{n}(S A M-A E R O N E T)\)       (9)

\(\mathrm{RMSE}=\sqrt{\frac{\sum_{i=1}^{n}(S A M-A E R O N E T)^{2}}{N}}\)       (10)

여기서, SAM은 본 연구에서 산출된 광학특성값을 의미하고, AERONET Inversion 산출물이며, n과 N은 비교에 사용된 자료의 개수이다.

비교 기간동안 SAM의 단산란 알베도는 0.45 μm와 0.65 μm에서 각각 0.910±0.033, 0.924±0.031으로서, 동일 기간 동안 AERONET 산출물 중 단산란 알베도 0.931±0.036, 0.936±0.035와 유사한 범위의 값을 가지는 것으로 나타났다. 두 단산란 알베도 자료간의 차이는 0.45 μm에서 Bias = -0.021, RMSE = 0.049, 0.65 μm에서 Bias = -0.013, RMSE = 0.046의 결과를 보였다. 이러한 결과값의 범위는 기존의 연구사례로서 Lee et al.(2007)이 파장별 AOD를 이용하여 산출된 값과 AERONET 과의 비교결과로 제시된 범위보다 유사하거나 적은 범위의 값을 가지는 것을 알 수 있다. 그리고 AERONET의 단산란 알베도 값의 불확실도(uncertainty)가 0.03(AOD>0.2), 0.05~0.07(AOD<0.2)인 것을 참고하면(Dubovik et al., 2000), SAM과 AERONET의 단산란 알베도의 유사도가 예측 오차범위 수준 안에 있는 것으로 판단된다.

단산란 알베도의 경우와 유사하게, 비교 기간동안 SAM의 비대칭 계수는 0.45 μm와 0.65 μm에서 각각 0.703 ± 0.020, 0.685 ± 0.017이며, 동일 기간동안 AERONET의 비대칭 계수인 0.719±0.028, 0.667±0.035와 유사한 범위의 값을 가지는 것으로 나타났다. 두 자료간의 Bias와 RMSE는 0.5 μm에서 -0.016, 0.035, 0.65 μm에서 0.017, 0.039의 결과를 보였다. 따라서 SAM을 이용한 광학특성 산출 결과는 AERONET 자료 대비 유사한 오차수준에 가지고 있는 결과를 보였으며, 실제 지상관측 자료가 없거나 자료획득이 불가능한 지역에서 활용가능한 에어로솔 모델임을 증명한다.

3) 복사전달 모의 비교

에어로솔 광학특성 입력값이 복사전달모의 결과에 미치는영향을 분석하기 위하여 Santa Babara Disort Radiative Transfer(SBDART)(Ricchiazzi et al., 1998) 복사전달모델을 사용하여 파장 0.2~4.0 μm 영역의 하향단파복사량(downward shortwave flux)를 계산하였다. SBDART 모델의 입력값은 에어로솔 모델에 따른 결과값 비교를 위하여 에어로솔 모델 이외의 입력조건(US 표준 대기 모델, 식생 타입 지표 모델)은 동일하게 유지하였다. 에어러솔 모델의 입력값은 표준모델인 대류권에어로솔 모델(tropospheric aerosol model; TAM)과 SAM을 이용하여 산출된 결과를 비교하였다.

Fig. 7은 두 가지 에어로솔 모델을 입력값으로 사용하여 SBDART로 계산한 플럭스 값을 AERONET에서 제공되는 플럭스 값과 비교한 산점도와 회귀분석 결과이다. TAM과 SAM을 사용하여 계산한 플럭스값은 AERONET 플럭스와의 상관계수가 0.9이상으로 높은 결과를 보임으로 인하여 두 변수간의 유의한(P<0.00001) 결과를 얻었다. 그러나 두 가지 에어로솔 모델의 사용으로 인한 차이는 회귀직선의 기울기와 평균제곱근 편차(RMSD)값으로부터 확인할 수 있다. 즉, TAM을 이용한 복사모의 결과와 AERONET 플럭스값과의 회귀직선의 기울기는 1.026, RMSD = 15.911, SAM과 AERONET의 회귀직선의 기울기는 1.005, RMSD = 13.224로서 SAM을 이용한 플럭스 계산 결과가 AERONET 플럭스값과 보다 유사한 결과를 보였다. 이러한 결과는 에어로솔 모델의 선택이 전체 SW 플럭스에 미치는 영향이 절대적으로 크지는 않지만, 실제 대기 환경중에 존재하는 에어로솔의 광학특성값의 사용으로 개선이 가능함을 증명한다. 따라서, 복사전달 모의시 에어로솔 모델뿐 아니라 대기 모델과 지표모델이 실 환경을 반영하게 되는 경우 보다 정확한 결과를 산출할 수 있을 것이다.

Fig. 7. Downward SW fluxes at the TOA from the AERONET inversion product and as a function of downward SW fluxes at the surface from SBDART calculations with (upper) tropospheric aerosols and (lower) SAM.

4. 요약 및 결론

복사전달 모의시 사용되는 에어로솔 모델의 광학특값에 대한 가정 또는 표준 에어러솔 모델의 사용은 실제 대기중의 에어로솔에 관한 광학특성값에 대한 대표적인 값을 제시하지 못하므로 모의 결과에 대한 오차에 영향을 미칠 수 있다. 본 연구는 시공간적 변화에 따른 에어러솔의 광학특성값을 반영할 수 있는 에어러솔 모델의 산출을 위하여 MACC 재분석자료와 OPAC 에어러솔 광학 특성 DB와의 시너지적 사용방법을 제시하였다. 시너지적 에어러솔 모델로 명명된 SAM은 사자가 정의한 지점별, 시간별로 주요 에어로솔의 성분별 광학특성 정보가 포함된 파장별 소산계수, 단산란 알베도, 비대칭 계수값을 제공한다.

SAM 산출 결과물의 정확도 검증을 위하여 최초 생산이 된 2012년 7월 부터 2017년 12월 기간 동안의 AERONET inversion 산출물과의 비교를 수행하였다. 두 자료의 통계적 오차 분석 결과, SAM과 AERONET 의 단산란 알베도의 Bias와 RMSE는 0.45 μm에서 -0.013, 0.045, 0.65μm에서 -0.002, 0.042의 결과를 보였으며, 기존의 연구사례와 유사하거나 적은 범위의 값을 가지는 것으로 나타났다. 그리고 비대칭 계수의 Bias와 RMSE는 0.45 μm에서 -0.008, 0.032, 0.65 μm에서 0.025, 0.042의 결과를 보였다. 따라서 SAM의 산출 결과는 AERONET 자료 대비 오차 수준에 유의한 결과를 나타나고 있는 것으로 나타났다. 따라서, SAM 결과 자료는 지역규모의 기후학적 정보(climatological data) 또는 복사전달 모의에 필요한 에어러솔 모델로 사용가능하며, 궁극적으로는 에어로솔에 의한 대기환경, 복사전달, 기후에 미치는 영향 등에 활용 가능할 것이다.