• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1395-1406
• /
• 2022

본 연구는 대구 국채보상운동기념 공원 일대를 대상으로 수목이 주변 흐름과 기온에 미치는 영향을 조사하였다. 이를 위하여, 전산유체역학(computational fluid dynamics, CFD) 모델에 수목의 항력 효과와 냉각 효과를 반영하였고 현장 측정 결과와 비교하였다. 기상 유입 경계 조건은 기상청 국지예보모델(local data assimilation and prediction system, LDAPS) 자료를 사용하였다. 수목 유무에 따른 대기 흐름과 기온 분포를 조사하기 위하여, 수목이 존재하는 현재 상태와 수목이 존재하지 않는다고 가정한 상황에 대하여 수치 실험을 수행하였다. 수목이 없는 경우, 공원 내부에서는 장애물 영향이 작아 강한 풍속과 단조로운 흐름이 형성되었다. 기온은 풍속에 반비례하여 풍속이 강한(약한) 지역에서는 낮게(높게) 모의되었다. 반면, 수목이 존재하는 경우, 수목 항력(냉각) 효과는 식재 밀도가 높은 공원 내부의 풍속(기온)을 40 (5)% 이상 감소시켰고 공원 외부 지역까지 영향을 미쳤다. 또한 공원 내부에는 매우 복잡한 흐름이 형성된다. 도로변 근처에서도 가로수에 의해 풍속과 기온이 전체적으로 감소하지만, 수목에 의한 흐름 패턴 변화로 인해 오히려 풍속과 기온이 증가하는 지역도 발생했다. 수목 냉각 효과에 의한 기온 감소는 주간에는 4-6%였지만, 야간에는 1% 미만으로 미비했다. 수목 항력 효과에 의한 풍속 감소는 주·야간 모두 40% 이상 크게 나타났다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.851-861
• /
• 2022

본 연구는 전산유체역학(computational fluid dynamics, CFD) 모델을 이용하여 도시 지역에서 수목이 PM_2.5 저감에 미치는 영향을 조사하였다. 현실적인 수치 모의를 위해, 기상청에서 현업으로 운영 중인 국지예보시스템(LDAPS)이 예측한 기상 자료를 CFD 모델의 초기·경계 자료로 사용하였다. CFD 모델 성능 검증은 연구 대상지 내에 구축된 6개의 센서에서 측정한 PM_2.5 농도를 이용하였다. 본 연구에서는 수목이 PM_2.5 농도 분포에 미치는 영향을 분석하기 위하여, 수목이 식재 되지 않았다고 가정한 경우, 수목이 식재되어 있지만 바람에 대한 항력 효과만 존재한다고 가정한 경우, 수목의 항력 효과와 침적 효과가 모두 존재한다고 가정한 경우에 대한 수치 실험을 수행하였다. 분석대상 기간 동안 PM_2.5 저감 효과가 뚜렷하게 나타난 세 가지 영역 중 군부대 내의 PM_2.5 평균 농도를 비교한 결과, 수목이 식재되지 않은 경우는 12.8 ㎍ m^-3, 수목의 항력 효과만 고려한 경우는 12.5 ㎍ m^-3이 나타났고, 수목의 항력 효과와 침적 효과가 모두 고려한 경우는 6.8 ㎍ m^-3가 나타났다. 수목에 의한 건성 침적이 PM_2.5 농도를 감소시키는 효과가 있는 것으로 확인되었다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.489-498
• /
• 2023

하드웨어의 성능 및 컴퓨팅 기술의 발전 덕분에 기후환경 변화를 대비하기 위해 기후예측 모델 또한 발전하고 있다. 한국 기상청은 GloSea6를 도입하여 슈퍼컴퓨터를 이용하여 기상 예측을 하고있으며, 각 대학 및 연구 기관에서는 중소규모 서버에서 사용하기 위해 저해상도 결합모델인 Low-GloSea6를 사용하여 기상 연구에 활용하고 있다. 본 논문에서는 중소규모 서버에서의 기상 연구의 원활한 연구를 위해 Low-GloSea6의 Intel VTune Profiler를 사용한 분석을 진행하였으며 1125.987초의 CPU Time을 수행하는 대기모델의 tri_sor_dp_dp 함수를 Hotspot으로 검출하였다. 수치적 연산을 진행하는 기존 함수에 머신러닝 기법의 하나인 비선형 회귀모델을 적용 및 비교하여 머신러닝 적용 가능성을 확인하였다. 기존 tri_sor_dp_dp 함수의 실제 연산되는 값인 1e-3 ~ 1e-20의 범위를 가지는 Output Data인 변수 "Px"를 기준으로 평가하였을때 K-최근접 이웃 회귀 모델은 MAE가 1.3637e-08, SMAPE가 123.2707%로 가장 우수하게 나타났으며 RMSE의 경우 Light Gradient Boosting Machine 회귀 모델이 2.8453e-08로 가장 우수한 성능을 보이는 것으로 측정되었다. 따라서 Low-GloSea6 수행 과정 중 tri_sor_dp_dp 함수의 데이터를 추출 후 비선형 회귀 모델을 적용한 결과로 기존의 tri_sor_dp_dp 함수의 수치적 연산 값과 K-최근접 이웃 회귀 모델을 비교하였을 때 SMAPE가 123.2707%의 오차가 발생하는 것으로 측정되어 기존 모듈의 대체 가능성이 있다는 것을 확인하였다.