1. 서론
기상청은 지상에서 종관기상관측과 방재기상관측을 수행하고 있다. 2021년 11월 현재, 전국 98개 지점의 종관기상관측소(automated synoptic observing system, ASOS) 가 운영되고 있다. 서울과 부산 종관기상관측소는 2017년에 세계기상기구(World Meteorological Organization, WMO)에서 선정하는 100년 관측소(Centennial Observing Stations)로 선정되어 그 가치를 인정받고 있다. 종관기상관측소는 WMO가 권장하는 관측 환경 가이드라인을 준수하여 관측을 수행하고 있다. WMO에 따르면, 지상 기상 관측을 위한 기기는 최소 10×7 m 면적에 잔디가 덮여 있는 노장을 갖추거나 국지적 대표성을 갖는 지면에 설치해야 한다(Jarraud, 2018). 또한, 가파른 경사면이나 분지 등 국지적 지형 특성이 나타날 수 있는 지형을 피해야 한다는 등의 기준을 제시하고 있다. 기상청에서는 2017년부터 매년 WMO와 International Organization for Standardization (ISO)가 제시한 기준을 준수할 수 있도록 기온, 습도, 강수, 바람(풍향, 풍속), 일사, 일조 관측 환경을 평가하여 관측 품질을 지속적으로 관리하고 있다.
WMO와 ISO는 토지 피복과 지상 장애물을 고려하여 현장에서 목측과 장비를 이용해 기온과 바람 관측 환경을 5개의 등급으로 평가하고 있다. WMO와 ISO는 태양 고도각이 5° 이상일 때, 주변 장애물에 의해 그림자가 발생하지 않아야 할 것을 기온 관측 지점 조건으로 권장한다. 관측 지점 경사도는 19° 이하이고 지면은 10 cm 미만의 식생으로 구성되어야 한다. 건물과 도로 같은 열원과 수원으로부터 100 m 이상의 거리를 두어야 하고, 면적은 반경 100 m 이내에 10% 이하, 10–30 m 범위에서 5% 이하, 10 m 이내에 1%를 만족해야 한다. 바람 관측 지점은 주변 장애물 높이보다 30배 이상(작은 장애물로부터 15배 이상) 떨어져 있어야 하고 거칠기 길이 등급이 4 이하일 때 관측에 적합하다고 제시하고 있다.
Kang and Kim (2020)은 WMO와 ISO가 제시한 관측 환경 평가 기준을 기반으로 토지피복지도, 수치지도, 일조시간 분석 알고리즘을 이용하여 ASOS 기온, 바람, 일조 관측 환경을 평가하였고, 관측 환경은 1 km 이상의 원거리에 위치한 건물 영향을 받을 수 있다고 분석한 바있다. 우리나라의 종관기상관측소 주변에는 지형과 건물이 복잡하게 분포하고 있기 때문에, 현장 관측만으로 장애물(특히, 원거리 장애물)이 관측환경에 미치는 영향을 상세하게 분석하기에는 한계가 있다.
지형이 복잡하거나 건물이 밀집한 지역의 대기 흐름과 기온을 상세하게 분석하기 위해서는 고해상도 수치 모델이 필요하다. 전산유체역학(computational fluid dynamics, CFD) 모델은 수 m의 해상도로 수 km 영역에 대한 수치 모의가 가능하다. CFD 모델을 이용하여 다양한 도시 형태와 실제 도시 지역을 대상으로 바람과 기온을 분석하는 연구가 활발히 진행되고 있고, 수치 모의 성능을 향상시키는 연구가 지속적으로 진행되고 있다(Blocken et al., 2012; Brozovsky et al., 2021; Ku and Tsai, 2020; Liu et al., 2017; Zhang et al., 2021). Liu et al. (2017)은 도시 지역을 대상으로 CFD 모델을 수행할 때, 적절한 거칠기(roughness) 설정 방법에 대한 연구를 수행하였다. Blocken et al. (2012)은 대학교 캠퍼스를 대상으로 CFD 모델을 이용하여 보행자 고도에서 풍환경을 조사하였다.
전산유체역학 모델을 이용하여 국내 지상관측소의 관측 환경을 평가한 선행 연구 대부분은 바람 관측 환경 평가에 국한되었고(Kwon and Kim, 2015; Yang and Kim, 2015a; Yang and Kim, 2015b), 다수의 지상관측소의 기온과 바람 관측 환경을 종합적으로 평가한 연구는 매우 드물다. 본 연구에서는 CFD 모델을 이용하여 ASOS 10개 지점 주변의 토지 피복, 지형, 건물 등이 기온과 바람 관측 환경에 미치는 영향을 배경 바람의 풍향에 따라 분석하고자 한다.
2. 연구 방법
1) 전산유체역학(CFD) 모델
본 연구에서 사용한 CFD 모델은 Kim et al. (2014)이 사용한 모델과 동일하다. 3차원, 비정수, 비회전, 비압축 대기 흐름 계를 가정하여 Reynolds-averaged Navier-Stokes equations (RANS) 방정식을 풀이한다. 지배 방정식 계는 유한체적법(finite volume method), 엇갈림 격자계(staggered grid system),semi-implicit method for pressure-linked equations (SIMPLE) 알고리즘을 사용하여 수치적으로 적분한다. CFD 모델에 대한 자세한 내용은 Kim et al. (2014)에 기술되어 있다.
2) 실험 설계
본 연구에서는 기상청이 운용 중인 종관기상관측소(ASOS) 중에서 수도권기상청(ASOS 119), 6개 지방기상청(ASOS 159, 156, 104, 133, 143, 184), 2개 기상지청(ASOS 131, 146)에 위치한 ASOS 9지점과 서울 ASOS(ASOS 108)를 대상으로 기온, 풍속, 풍향 관측 환경을 분석하였다(Table 1).
Table 1. Information on the locations (latitude, longitude, altitude) of the ASOSs considered in this study
Source: https://data.kma.go.kr/
ASOS 주변의 장애물(건물 등) 온도와 토지 피복별로 차등 가열된 지표면 온도가 ASOS의 기상 관측 환경에 미치는 영향을 조사하기 위하여, 국토교통부 지리정보시스템(geographic information system, GIS)의 건물, 등고선, 표고점 자료를 이용하였고, 환경부 환경지리정보시스템(environmental geographic information service, EGIS)의 토지 피복 자료를 이용하였다. 국토교통부의 GIS는 건물 높이에 관련된 정보를 층수로 제공한다. 본 연구에서는 건물 한 층 높이를 3 m로 가정하였다. 환경부 EGIS의 세분류 토지피복지도는 41개의 세부 항목으로 분류되어 있지만, 본 연구에서는 대분류(7개 항목)와 중분류(22개 항목) 기준에 기반하여 건물, 도로, 나지, 초지, 수목, 수역 등 6개 항목으로 재분류하였다. 본 연구에서 선정한 ASOS 10개 지점을 대상으로 수치 영역을 구성하고 GIS와 EGIS를 이용하여 3차원 지표 경계 자료를 구축하였다. 대상이 되는 ASOS가 중심에 위치하고 x (동서), y (남북), z (연직) 방향의 크기가 각각 2000 m, 2000 m, 750 m인 수치 영역(이하, ASOS OOO 영역)을 구축하였다(Fig. 1). x, y, z 방향의 격자 크기는 각각 10 m, 10 m, 5 m이다.
Fig. 1. Three-dimensional configurations of topography and buildings for the (a) ASOS 104, (b) 108, (c) 119, (d) 131, (e) 133, (f) 143, (g) 146, (h) 156, (i) 159, and (j) 184 areas.
토지 피복별 지표면 온도는 Bourbia and Awbi (2004)의 지표면 온도 일변화 경향을 이용하여 Park et al. (2016)이 구축한 지표면 온도를 사용하였다. Park et al. (2016)은 Bourbia and Awbi (2004)가 관측한 여름철 지표면 온도의 일변화 경향과 각 토지 피복의 최고와 최저 온도를 이용하여 각 토지 피복의 시간별 지표면 온도를 산출한 바 있다. 본 연구에서는 Park et al. (2016)이 산출한 토지 피복별 24시간 지표면 온도를 평균하여 지표면 온도로 사용하였다(Fig. 2).
Fig. 2. Distributions of the initial land surface temperatures (24-hr average) for the (a) ASOS 104, (b) 108, (c) 119, (d) 131, (e) 133, (f) 143, (g) 146, (h) 156, (i) 159, and (j) 184 areas.
풍향에 따른 ASOS의 기상 관측 환경을 분석하기 위하여 8방위(북동, 동, 남동, 남, 남서, 서, 북서, 북)의 유입류를 고려하였다. 배경 바람이 수치 도면으로 유입되면서 진행하는 발달 과정을 배제하기 위하여 충분히 발달(fully developed)한 유입류를 사용하였다. ASOS에서 관측한 최근 10년(2010–2019년) 8월의 풍속을 이용하여, 풍향별 평균 풍속(Table 2)을 참고 고도(z = 10 m) 풍속으로 사용한 중립 대기의 연직 풍속 분포를 가정(Castro and Apsley, 1997)하고, 건물이 없는 평탄한 지형에서 수치적분을 수행하여, 거리에 따른 연직 풍속 분포의 변화가 매우 작은 상태의 유입류를 충분히 발달한 유입류로 사용하였다(Lee et al., 2015). 8방위 풍향의 평균 풍속을 계산할 때, 무풍(0.4 m s–1 이하의 풍속)은 제외하였다.
Table 2. Wind speeds and air temperatures for each inflow direction averaged in August from 2010 to 2019
초기 기온은 풍향별 평균 풍속과 동일하게 ASOS에서 최근 10년간(2010–2019년) 8월의 평균 기온을 이용하였다(Table 2). CFD 모델은 충분히 발달한 유입류의 바람(수평 바람 성분, 연직 바람 성분), 기온, 난류운동에너지, 난류운동에너지 소멸률, 난류 확산 계수의 연직분포를 이용하여 3,600초 동안 1초 간격으로 수치 적분하였다.
3. 결과와 토의
1) 기온 관측 환경 분석
관측 지점 주변 토지 피복이 기온 관측 환경에 미치는 영향을 분석하기 위하여, 관측소 주변의 실제 토지피복을 고려한 경우(land cover temperature, LCT)와 모든 토지 피복을 초지로 가정한 경우(grass land temperature, GLT)의 초기 기온 대비 기온 변화율(Tratio)을 산출하였다. Tratio는 다음과 같이 정의하였다
\(\begin{aligned}T_{\text {ratio }}=\frac{\frac{T_{L C T}}{T_{\text {initial }}}}{\frac{T_{G L T}}{T_{\text {initial }}}}=\frac{T_{L C T}}{T_{G L T}}\end{aligned}\) (1)
여기서, Tinitial은 초기 기온(°C)을 나타낸다(Table 2). TLCT는 실제 토지 피복을 고려한 경우의 기온(°C)이고, TGLT는 모든 토지 피복을 초지로 가정한 경우의 기온(°C)이다. 기온 관측 고도는 ASOS 지점 고도(Table 1)로 부터 1.5 m이다.
Fig. 3은 GLT 기온 변화율 대비 LCT의 풍향별 기온 변화율 비를 나타낸다. 기온 변화율 비는 ASOS 133 지점에서 유입 풍향이 동풍일 때, 0.01%로 가장 작게 나타났고, ASOS 184 지점에서 유입 풍향이 북동풍일 때, 7.53%로 가장 크게 나타났다. 유입 풍향에 대해 평균한 기온 변화율 비는 ASOS 184 지점(6.47%),ASOS 159 지점(4.09%), ASOS 143 지점(3.81%) 순으로 높게 나타났고, ASOS 146 지점(0.29%), ASOS 133 지점(0.33%), ASOS 104 지점(0.47%) 순으로 낮게 나타났다. 평균 기온 변화율 비가 가장 크게 모의된 ASOS 184 영역과 가장 작은 ASOS 146 영역에 대한 상세 분석을 수행하였다.
Fig. 3. The ratios of air-temperatures at the ASOSs for each inflow direction in LCT to those in GLT.
Fig. 4는 ASOS 184 영역의 위성 사진, 토지 피복, 북동풍이 유입될 때의 관측 고도 기온 변화율을 나타낸다. ASOS 184 지점 북쪽에는 바다가 위치하고 있고, 남쪽으로 건물이 밀집되어 있으며, 남동쪽 방향으로 지형 고도가 증가한다(Fig. 4(a)). ASOS 184 지점을 중심으로 반경 100 m 이내의 지역에는 주로 건물과 도로가 분포하고 있고, 곳곳에 초지가 분포하고 있음을 확인할 수 있다(Fig. 4(b)). LCT의 지면으로부터 1.5 m 고도에서 기온 분포는 Fig. 2의 지표면 기온 분포와 유사하게, 도로와 건물 영역에서 높은 기온, 수목과 초지 영역에서 낮은 기온이 나타났다. LCT의 경우(Fig. 4(c)), ASOS 184 지점을 기준으로 풍하측 지역(①)에서 기온 변화율(71.1%)이 가장 크게 나타났는데, 이는 건물과 도로 온도의 영향으로 분석된다. 관측 고도보다 낮고 바다가 위치한 북쪽 영역(②)에서는 기온이 거의 변화하지 않았다. GLT의 경우(Fig. 4(d)), 전반적으로 기온 상승이 나타나지 않거나 5% 미만의 기온 상승 효과가 나타났다.
Fig. 4. The (a) satellite image (from https://map.naver.com/) and (b) land-cover types, and the distributions of the air-temperature change ratios at the measurement height around ASOS 184 for the northwesterly case of (c) LCT and (d) GLT. The black thick rectangles indicate ASOS 184.
ASOS 146 지점은 산 지형 내부에 위치하고 있고 관측 지점으로부터 약 70 m 거리에 건물이 위치하고 있다(Fig. 5(a)). 그러나 ASOS 146 지점은 주변 지역보다 높은 고도에 위치하고 있기 때문에, 반경 100 m 내에는 관측 고도보다 높은 건물은 없다. ASOS 146 지점 주위에는 대부분 수목, 초지, 나지가 분포하고 있다(Fig. 5(b)). ASOS 146 지점의 경우, 유입류가 북동풍일 때, 관측 지점의 기온 변화율이 가장 낮았고, 이 때의 기온변화율 분포를 조사하였다(Fig. 5c and 5d). LCT의 경우에는 수치 영역 내의 대부분 지역에서 초기 기온 대비 기온 변화율이 10% 이내로 나타났고, 관측 지점 반경 100 m 내에서는 최대 8.12%의 기온 변화율이 나타났다(Fig. 5(c)). 높은 건물이 밀집한 ASOS 146 지점 남쪽(①)에서는 기온 변화율이 25.16%로 가장 크게 나타났다. 반면, GLT의 경우에는 전체적으로 6% 이내의 기온 변화율이 나타났고, 관측 지점 반경 100 m 내에서는 최대 5.07%의 기온 변화율이 나타났다(Fig. 5(d)). 관측 지점 반경 100 m 내에서 LCT와 GLT의 최대 기온 변화율은 큰 차가 나타나지 않았다. 이는 ASOS 146 지점 주변이 대부분 수목, 초지, 나지로 구성되어 있기 때문인 것으로 분석된다.
Fig. 5. The same as Fig. 4 except for ASOS 146 and the northeasterly case.
2) 풍속 관측 환경 분석
주변 장애물이 풍속 관측 환경에 미치는 영향을 분석하기 위하여, 유입 풍속 대비 관측 지점의 풍속 변화율을 분석하였다. 바람 관측 환경(풍속, 풍향)은 실제 토지 피복을 고려한 경우에 대해 분석하였으며, 관측 고도는 ASOS 지점 고도(Table 1)로부터 10 m이다. Fig. 6은 관측 지점에서 수치 모의한 유입류 대비 풍속 변화율을 나타낸다. 풍속 변화율은 ASOS 143 지점에서 유입 풍향이 북서풍일 때 0.18%로 가장 작았고, ASOS 159 지점에서 북서풍일 때 76.03%로 가장 크게 나타났다. 그러나, 모든 유입 풍향에 대해 평균했을 때, ASOS 143 지점의 풍속 변화율이 가장 컸고(평균 30.32%, 최소 0.18%, 최대 69.48%), ASOS 119 지점의 풍속 변화율이 가장 작았다(평균 11.47%, 최소 2.63%, 최대 30.69%). 그리고 ASOS 159 지점(평균 27.95%), ASOS 108(평균 25.37%) 지점 순으로 풍속 변화율이 크게 나타났고, ASOS 156 지점(평균 14.08%), ASOS 131 지점(16.79%)의 풍속 변화율이 비교적 작았다.
Fig. 6. The ratios of wind speeds at the ASOSs for each inflow direction in LCT.
평균 풍속 변화율이 가장 큰 ASOS 143 지점과 가장 작은 ASOS 119 지점을 포함한 수치 영역에 대해 상세한 분석을 수행하였다. ASOS 143 영역에서는 북서쪽부터 남동쪽으로 강이 흐르고 건물이 밀집되어 있다(Fig. 7(a)). 대부분의 건물 높이는 관측 고도보다 낮지만, 관측 지점 주위에는 관측 고도보다 높은 지형과 건물이 다소 위치한다. 관측 고도보다 높은 건물이나 지형 때문에, ASOS 143 영역에서는 대부분의 유입 풍향에서 풍속 변화율이 크게 나타났고, 북동풍이 부는 경우의 풍속 변화율이 69.48%로 가장 크게 나타났다. 북동풍이 부는 경우에는 관측 고도보다 높은 건물들(①, ② in Fig. 7(b) and 7(c)) 사이에서는 부분적으로 풍속이 증가하였지만, 건물에 의한 마찰 효과로 인해 풍하측에서 풍속이 감소하였다(Fig. 7(c)). 또한, 관측 지점으로부터 약 60 m 풍상측에 위치하고 높이가 관측 고도(약 64 m)와 유사한 건물(③ in Fig. 8)에 의해 ASOS 143 지점에서는 약한 풍속이 모의되었고 풍속 변화율이 크게 나타났다.
Fig. 7. The (a) satellite image (from https://map.naver.com/), (b) streamlines and contours of the horizontal wind speeds, and (c) distribution of the wind-speed change ratios at the observation height around the ASOS 143 area for the northeasterly case. The black thick rectangles indicate ASOS 143.
Fig. 8. The streamlines and contours of horizontal wind speeds in the y-z plane along \(\begin{aligned}\overline{A B}\\\end{aligned}\) in Fig. 7(b).
ASOS 119 영역은 지형 기복이 작고 대부분의 건물 높이도 관측 고도보다 낮았다(Fig. 9(a)). 즉, ASOS 119 지점 주변에는 풍속 관측에 영향을 미치는 환경 요소가 적었기 때문에 관측 지점의 평균 풍속 변화율이 낮게 나타났다. 특히, 관측 지점 서쪽에는 건물이 거의 없기 때문에, 서풍이 부는 경우에는 ASOS 119 지점에서 수치 모의된 풍속은 유입 풍속과 유사하였고 풍속 변화율이 2.63%로 가장 작았다(Fig. 9(b) and 9(c)). 한편, ASOS 119 영역 남쪽에 관측 고도보다 높은 건물이 위치하고 있고, 남풍이 부는 경우에 풍속 변화율이 30.69%로 가장 컸다.
Fig. 9. The same as Fig. 7 except for ASOS 143 and the westerly case.
3) 풍향 관측 환경 분석
실제 토지 피복을 사용한 경우에 대해 분석한 풍향 변화는 ASOS 143 지점에서 남서풍이 부는 경우에 0.02°로 가장 작았고, ASOS 159 지점에서 북서풍이 부는 경우에 129.88°로 가장 크게 나타났다(Fig. 10). 평균 풍향 변화는 ASOS 159 지점이 가장 컸고(평균 28.24°, 최소 4.65°, 최대 129.88°), ASOS 104 지점이 가장 작았다(평균 7.79°, 최소 2.36°, 최대 15.12°). ASOS 159 지점에서 풍향 변화가 큰 경우(북서풍)와 ASOS 104 지점에서 풍향 변화가 가장 작은 경우(북서풍)에 대해 상세 분석하였다.
Fig. 10. The wind-direction changes for each inflow direction.
Fig. 11은 ASOS 159 영역의 위성 사진, 북서풍이 불 때 관측 고도의 바람 벡터, 수평 속도 분포, 풍향 변화를 나타낸다. ASOS 159 지점 주위에는 다수의 건물이 분포하고 있지만, 관측 지점의 고도가 건물 높이보다 높다(Fig. 11(a)). 관측 지점 북쪽과 북서쪽에는 보수산이 위치하고 있고(① in Fig. 11(a)), 남동쪽에는 바다가 위치하고 있다. 북서풍이 부는 경우, 보수산 후면에 2차 순환이 형성되고(Fig. 11(b)), 보수산 남동쪽에서는 유입류와 다른 풍향이 나타나는 지역이 넓게 분포한다(② in Fig. 11(c)). 이 때, 관측 지점이 2차 순환이 나타나는 범위에 포함되면서 관측 지점에서는 남풍(185.12°)이 모의되었다. 관측 고도에서 풍향 변화는 주로 관측 지점과 북서쪽에 위치한 보수산 사이에서 나타났고, 그 이외의 지역에서는 풍향 변화가 거의 나타나지 않았다. 북풍과 북동풍이 부는 경우에도 비교적 풍향 변화가 크게 나타났고(북풍: 22.1°, 북동풍: 20.5°), 남풍이 부는 경우에 풍향 변화(4.65°)가 가장 작았다.
Fig. 11. The (a) satellite image (from https://map.naver.com/), (b) wind vectors and contours of the horizontal wind speeds, and (c) distribution of the wind-direction changes at the observation height around the ASOS 159 area for the northwesterly case. The black thick rectangles indicate ASOS 159.
ASOS 104 영역은 관측 지점 주위에 주로 구릉지가 위치해 있고, 관측 지점 근거리에 낮은 건물이 위치하고 있다(Fig. 12(a)). 서쪽과 남서쪽에는 관측 지점 고도보다 약 20 m 정도 높은 지형이 위치해 있다. 관측 지점의 북서쪽에는 주로 관측 고도보다 낮은 건물이 위치하고 지형 고도도 낮아서 풍향 변화가 크지 않았다(Fig. 12(b) and 12(c)).
Fig. 12. The same as Fig. 11 except for ASOS 104.
4. 요약 및 결론
기상청에서 운용 중인 종관기상관측소(ASOS) 10개 지점을 선정하여 CFD 모델을 이용하여 ASOS의 기온, 풍속, 풍향 관측 환경을 분석하였다. 선정한 ASOS에서 2010년부터 2019년까지의 기간 동안 8월에 관측한 8방위의 풍향별 평균 풍속을 이용하여 충분히 발달시킨 유입류를 이용한 수치 모의를 수행하였다. 초기 기온과 배경 대기 기온은 각 ASOS의 10년간 8월 평균 기온을 이용하였다. 보다 현실적인 수치 모의를 위하여, 국토교통부의 수치지형도(version 2.0)와 환경부의 토지피복지도를 이용하여 3차원 지표면 경계 입력 자료를 구축하였다. 기온 관측 환경은 실제 토지 피복을 고려한 경우와 토지 피복을 모두 초지로 가정한 경우에 대해 수치 모의하였다. 모든 토지 피복을 초지로 가정한 경우의 기온 변화율과 실제 토지 피복을 고려한 경우의 관측 고도에서 기온 변화율을 비교하여 관측 지점 주변의 토지 피복별 차등 가열 영향을 분석하였다. 8방위의 유입 풍향에 대해 평균적으로 기온 변화율이 가장 큰 지점은 ASOS 184 지점이었고 가장 작은 지점은 ASOS 146지점이었다. ASOS 184 지점 주변에는 지표면 기온이 높은 건물과 도로가 밀집되어 있어, 실제 토지 피복을 고려한 경우와 모든 피복을 초지로 가정한 경우의 기온 변화율 차가 크게 나타났다. 반면, ASOS 146 지점 주변은 주로 수목, 초지, 나지로 구성되었고, 관측 지점 근거리에 건물이 위치했지만 건물 높이가 관측 고도보다 낮았기 때문에 기온 관측에 큰 영향을 미치지 않았다.
풍속과 풍향 관측 환경 평가는 실제 토지 피복을 고려한 경우에 대해서 분석을 수행하였고, 관측 고도에서 유입류 대비 풍속 변화율과 풍향 변화를 조사하였다. 평균 풍속 변화율이 가장 큰 지점은 ASOS 119 지점이었다. ASOS 143 지점 주변에는 관측 고도보다 높거나 비슷한 높이의 지형과 장애물이 다소 위치하고 있었다. 대부분의 유입 풍향에서 주변 지형과 건물들에 의한 마찰 효과로 인해 풍속이 감소하였다. ASOS 119 지점 주변의 지형과 건물은 대부분 관측 고도보다 낮았기 때문에 평균 풍속 변화율이 가장 작았다.
전 풍향에 대해 유입류 대비 평균 풍향 변화가 가장 큰 지점은 ASOS 119 지점이었고, 관측 지점 북쪽과 북서쪽에 위치한 높은 구릉지 영향을 받은 것으로 분석되었다. 평균 풍향 변화가 작은 지점은 ASOS 104 지점이었다. 관측 지점 주변의 지형 기복이 다소 컸지만, 지형 고도가 관측 고도와 유사하거나 낮아서 풍향 변화는 크지 않은 것으로 분석되었다.
본 연구를 통해 ASOS에서 관측된 기온, 풍속, 풍향 자료에는 주변 장애물 영향이 반영되어 있을 것으로 분석되었다. 특히, 기온 관측 환경은 관측 고도와 주변 지형이나 건물 높이 차뿐만 아니라 지표면 토지 피복 영향이 큰 것으로 분석되었다. 기온 관측은 표면 온도가 높은 도로와 건물 주위나 인공열이 배출되는 지역보다는 초지와 같이 상대적으로 지표면 온도가 낮고 인공열 배출이 적은 토지 피복으로 구성하는 것이 적합한 것으로 판단된다. 다만, 관측 지점 주변에 건물과 도로가 위치해도, 관측 고도보다 낮다면 건물, 도로의 높은 지표면 온도 영향은 크지 않을 것으로 판단된다. ASOS 184 지점과 같이 주변에 도로나 건물이 밀집하고 관측 고도가 높지 않는 지점은 기온 관측에 미치는 주변 환경의 영향이 매우 크기 때문에, 관측 지점 주변의 토지 피복을 개선시키거나 관측 지점 이전을 고려할 필요가 있다고 판단된다. 바람(풍속, 풍향) 관측은 원거리(ASOS 143 – 관측 지점으로부터 약 500 m 이상)의 높은 건물이나 근거리에 위치한 관측 고도와 유사한 높이의 건물 영향을 받을 수 있다. 본 연구에서 분석한 대부분의 ASOS 지점은 주변 장애물의 영향을 받지 않기 위해 주변보다 다소 높은 곳에 위치했다. 그러나 도시 개발이나 재개발로 인한 고층 건물 신축은 관측 환경에 영향을 미칠 것으로 예상되기 때문에, 도시 개발 또는 재개발 계획에 대비한 종관기상관측소의 관측 환경 유지 방안 확보가 필요하다.
우리나라의 도시 지역은 고층 건물이 밀집되어 있고 토지 피복이 다양하기 때문에, WMO가 권장하는, 현장 목측과 장비에 기반하여 원거리의 지형물 영향을 반영하지 못하는 관측 환경 평가 방법을 ASOS 관측 환경을 평가하는데 적용하기 어렵다. 본 연구에서는 CFD 모델을 이용한 관측 환경 분석 방법을 제시하였는데, 이 방법을 적용하면 ASOS의 관측 환경을 정량적으로 상세하게 평가할 수 있을 것으로 기대된다. 또한, ASOS의 이전과 신설을 위한 지점 선정 시, 사전 관측 환경 평가를 통한 지점 선정의 적정성 평가에도 기여할 것으로 기대된다. 본 연구는 여름철에 국한하여 관측 환경을 분석하였기 때문에 다른 계절에 대한 추가적인 분석이 필요하다. 이를 위해서는 다른 계절의 토지 피복별 지표면 온도 산출 방법에 대한 추가적인 연구가 필요하다. 또한, 중립대기 조건을 가정하였기 때문에, 안정도별 연직 분포를 이용한 모의 결과와의 비교를 수행하고자 한다.
사사
이 연구는 기상청 스마트시티 기상기후 융합기술 개발 사업 KMI2021-03511의 지원으로 수행되었습니다. 논문에 대해 유익한 지적을 해주신 심사위원님께 감사드립니다.
참고문헌
- Blocken, B., W.D. Janssen, and T. van Hooff, 2012. CFD simulation for pedestrian wind comfort and wind safety in urban areas: General decision framework and case study for the Eindhoven University campus, Environmental Modelling & Software, 30: 15-34. https://doi.org/10.1016/j.envsoft.2011.11.009
- Bourbia, F. and H.B. Awbi, 2004. Building cluster and shading in urban canyon for hot dry climate, Part 1: Air and surface temperature measurements, Renewable Energy, 29(2): 249-262. https://doi.org/10.1016/S0960-1481(03)00170-8
- Brozovsky, J., A. Simonsen, and N. Gaitani, 2021. Validation of a CFD model for the evaluation of urban microclimate at high latitudes: A case study in Trondheim, Norway, Building and Environment, 205: 108175. https://doi.org/10.1016/j.buildenv.2021.108175
- Castro, I.P. and D.D. Apsley, 1997. Flow and dispersion over topography: a comparison between numerical and laboratory data for two-dimensional flows, Atmospheric Environment, 31(6): 839-850. https://doi.org/10.1016/S1352-2310(96)00248-8
- Jarraud, M., 2018. Guide to Instruments and Methods of Observation (2018 edition - Volume I: Measurement of Meteorological Variables), World Meteorological Organization, Geneva, Switzerland.
- Kang, J.-E. and J.-J. Kim, 2020. Assessment of Observation Environments of Automated Synoptic Observing Systems Using GIS and WMO Meteorological Observation Guidelines, Korean Journal of Remote Sensing, 36(5-1): 693-706 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2020.36.5.1.4
- Kim, J.-J., E. Pardyjak, D.-Y. Kim, K.-S. Han, and B.- H. Kwon, 2014. Effects of Building-Roof Cooling on Flow and Air Temperature in Urban Street Canyons, Asia-Pacific Journal of Atmospheric Sciences, 50(3): 365-375. https://doi.org/10.1007/s13143-014-0023-8
- Ku, C.A. and H.K. Tsai, 2020. Evaluating the influence of urban morphology on urban wind environment based on computational fluid dynamics simulation, ISPRS International Journal of Geo-Information, 9(6): 399. https://doi.org/10.3390/ijgi9060399
- Kwon, A.-R. and J.-J. Kim, 2015. Analysis on the Observation Environment of Surface Wind Using GIS data, Korean Journal of Remote Sensing, 31(2): 65-75 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2015.31.2.2
- Lee, H., J.-J. Kim, and Y.-G. Lee, 2015. A Study on the Characteristics of Flows around Building Groups Using a CFD Model, Atmosphere, 25(3): 501-510 (in Korean with English abstract). https://doi.org/10.14191/Atmos.2015.25.3.501
- Liu, S., W. Pan, H. Zhang, X. Cheng, Z. Long, and Q. Chen, 2017. CFD simulations of wind distribution in an urban community with a full-scale geometrical model, Building and Environment, 117: 11-23. https://doi.org/10.1016/j.buildenv.2017.02.021
- Park, S.-J., S.-H. Choi, J.-E. Kang, D.-J. Kim, D.-S. Mun, W.-S. Choi, J.-J. Kim, and Y.-G. Lee, 2016. Effects of Differential Heating by LandUse types on flow and air temperature in an urban area, Korean Journal of Remote Sensing, 32(6): 603-616 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2016.32.6.5
- Yang, H.-J. and J.-J. Kim, 2015a. Assessment of Observation Environment for Surface Wind in Urban Areas Using a CFD model, Atmosphere, 25(3): 449-459 (in Korean with English abstract). https://doi.org/10.14191/Atmos.2015.25.3.449
- Yang, H.-J. and J.-J. Kim, 2015b. Evaluation of Observation Environment for Weather Stations Located in Metropolitan Areas, Korean Journal of Remote Sensing, 31(2): 193-203 (in Korean with English abstract). https://doi.org/10.7780/kjrs.2015.31.2.13
- Zhang, S., K.C. Kwok, H. Liu, Y. Jiang, K. Dong, and B. Wang, 2021. A CFD study of wind assessment in urban topology with complex wind flow, Sustainable Cities and Society, 71: 103006. https://doi.org/10.1016/j.scs.2021.103006