선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 2000년 3월 집중관측기간(IOP) ARM 관측 자료를 활용하여 비강수형 대륙 층운형 구름에 대해 에어로솔이 구름 연직 발달에 미치는 영향을 확인하고, WRF 수치 모델을 이용한 간단한 CCN 민감도 실험을 통해 구름미세물리 및 구름역학 특성 관점에서 AIV 효과를 분석하였다. 2000년 3월 21일 관측사례에 대해 에어로솔과 LWP와의 상호상관관계 분석 결과, 에어로솔이 최대로 증가한 이후 약 2시간 40분의 시간 경과가 있은 후 LWP가 최대값을 보이는 경향을 확인하였다.
제안 방법
- (2011)의 방법과 유사하게 CCN 농도를 각각 100 cm−3(CTL; 규준실험), 280 cm−3(2N), 840 cm−3(8N),1680 cm−3(16N)으로 변화시키며 그 차이를 비교 분석하였다.
- 앞 절에서 에어로솔 민감도 실험을 통해 에어로솔 농도에 따른 구름미세물리 특성 차이를 확인하였지만 최근 Kim et al.(2012) 논문에서 제시한 것처럼 에어로솔-구름 상호작용은 대기 안정도, 단열도 등의 구름 주변 환경의 영향을 배제할 수 없기 때문에 구름역학적 변수와 관련한 연직속도(w)와 잠재 가열률(latent heating rate) 등을 추가 분석하였다.
- Active Remotely Sensed Cloud Location(ARSCL)의 반사도(reflectivity), 운저와 운정 고도 등의 자료를 통해 구름의 경계(cloud boundary)를 추정하였으며, 연직으로 누적된 구름수함량(Liquid Water Path, LWP)은 Microwave Radiometer(MWR), 에어로솔 농도를 대변할 수 있는 에어로솔 산란계수(σsp)는 Aerosol Observation System(AOS)의 자료를 이용하였다.
- , 2012). 따라서 본 연구에서는 에어로솔 효과로 추가적으로 더해진 응결된 물의 양(qc)과 응결 잠열(Lv)을 이용하여 아래의 식 (3)과 같이 잠열(L; latent heat)을 계산하였으며, 이것을 시간에 따른 온도변화의 에너지 형태로 잠재 가열률을 나타낼 수 있다(식 (4)). 여기서, Lv는 2.
- 5와 같이 운량의 차이(difference)를 제시하였다. 또한 구름 발달 시간대를 구분하고자 1차 모의시간(1500~1800 UTC)과 2차 모의시간(1800~2400 UTC)으로 나누어 살펴보았다. 1차 기간의 경우, 3개의 민감도 실험 모두 미미한 차이를 보이며 규준 실험과 유사한 결과를 보였다.
- 민감도 실험을 통해 에어로솔 수농도 증가가 상대적으로 높은 고도에서 구름이 연직적으로 활성화됨을 확인하였지만 AIV 효과를 뒷받침할 수 있는 구름 미세물리 특성(구름방울 개수농도, 구름방울 크기 등)의 이해가 추가적으로 필요하기 때문에 에어로솔 농도 차이에 따른 구름미세물리 특성 변화를 분석하였다.
- 또한 아직 어떠한 기후 모델링 연구에 있어서도 AIV 효과가 고려되지 않고 있다. 본 연구는 General Circulation Model(GCM) 개선을 위한 노력의 일환으로 ARM의 대표관측소인 Southern Great Plains(SGP) 지점에서 집중관측이 가능했던 Intensive Operational Period(IOP) 중 이상적인 사례를 선정하여 에어로솔이 구름 연직발달에 미치는 영향을 주로 미세물리 규모 관점에서 분석하였고, 더불어 WRF 모델을 이용하여 CCN 변화에 따른 민감도 실험을 수행하였다.
- 본 연구에 사용한 두가지 변수는 에어로솔 산란계수(σsp)와 구름수함량(LWP)이며, σsp는 에어로솔 부하량을 대변할 수 있고 LWP는 단열적인 조건에서 구름 두께의 제곱에 비례하므로(Albrecht et al., 1990), 구름의 거시적 특성을 대변할 수 있을 것으로 생각된다.
- 에어로솔 증가에 따른 대륙성 구름의 AIV 효과를 살펴보기 위해서는 미세한 시간 규모에서 에어로솔과 구름 특성 변화를 파악하는 것이 필요하다. 본 연구에서는 에어로솔과 구름의 정량적인 연관성 비교를 위해 앞서 2절에서 제시한 방법을 통해 상호상관성(cross-correlation)을 분석하였다. 본 연구에 사용한 두가지 변수는 에어로솔 산란계수(σsp)와 구름수함량(LWP)이며, σsp는 에어로솔 부하량을 대변할 수 있고 LWP는 단열적인 조건에서 구름 두께의 제곱에 비례하므로(Albrecht et al.
- 앞절에서 상호상관관계 분석을 통해 에어로솔 증가 이후 구름이 연직으로 발달하는 경향을 확인하였다. 에어로솔 농도에 따른 구름 연직발달 효과를 정량적으로 분석하기 위하여 2절에 제시한 초기 CCN 농도를 각각 2배, 8배, 16배로 변화시키며 민감도 실험을 수행하였다.
- 에어로솔의 연직 활성화 효과를 살펴보기 위해서는 구름미세물리 과정뿐만 아니라 역학적인 관점에서 분석이 요구되어지므로, 잠재 가열률(latent heating rate), 연직 속도 등을 추가 분석하였다. 특히 에어로솔 부하량 증가로 인한 AIV 효과는 높은 고도에서 잠재가열률의 증가와 관련 있는 것으로 보고되고 있다(Lebo et al.
- 연구에서는 SGP 관측소의 2000년 3월 집중관측 기간(IOP) 중 3월 21일 사례를 AIV 효과를 제시하기에 가장 적합한 관측사례로 선정하고 Fig. 2와 같이 시계열 분석을 수행하였다. 에어로솔 산란계수(σsp)가 계속 증가하다가 0930 UTC(Universal Time Coordinated, 지역시간으로 오전 3시 30분)에 최대값(48 Mm−1)을 보인 이후 다시 20 Mm−1 내외의 수준으로 값이 낮아지는 것을 볼 수 있다(Fig.
- 연직속도(w)는 1000 hPa 고도면에서의 기압연직속도(ω)와 이상기체 상태방정식을 이용하여 계산하였으며(w = (− ω/ρg) ×100), 민감도 실험에 따라 구름이 가장 발달했던 2차 기간에 대해 모의 평균하였다.
- 8에 제시하였다. 연직적인 구름 발달 정도에 따른 잠재 가열률의 상대적인 변화 양상을 살펴보기 위하여 모의기간을 2개 기간으로 구분하였다.
- 특히 CCN 농도를 8배(8N) 증가시켰을 경우, 전반적으로 구름방울크기가 50% 정도 감소하는 경향을 잘 보여주고 있다. 한편 구름 두께와 밀접한 관련이 있는 구름수함량(LWP)은 각 민감도 실험에서 모의된 구름혼합비를 연직으로 적분하여 계산하였다. 분석 결과 관측된 평균 LWP(400 g m−2)와 비교해서는 규준실험(160 gm−2)이 과소 모의하는 경향이 있지만, CCN 증가(2N, 8N, 16N)에 따라 규준실험에 비해 LWP가 각각 2.
- 한편 에어로솔의 증감에 따라 AIV 효과를 살펴보고자 IOP 기간 중 2000년 3월 21일 사례를 선정하여 WRF 수치모의를 수행하였다. 모델 영역은 Fig.
대상 데이터
- Simulated latent heating rates for the (a) 1st period (1500~1800 UTC, 3/21), (b) 2nd period (1800~2400 UTC, 3/21), and (c) difference (2nd period minus 1st period) field. Results are shown for the aerosol sensitivity tests of CTL (solid), 2N (dotted), 8N (dashed), and 16N (dash-dotted).
- Active Remotely Sensed Cloud Location(ARSCL)의 반사도(reflectivity), 운저와 운정 고도 등의 자료를 통해 구름의 경계(cloud boundary)를 추정하였으며, 연직으로 누적된 구름수함량(Liquid Water Path, LWP)은 Microwave Radiometer(MWR), 에어로솔 농도를 대변할 수 있는 에어로솔 산란계수(σsp)는 Aerosol Observation System(AOS)의 자료를 이용하였다. 또한 이론적인 에어로솔의 구름 활성화 효과(AIV)를 분석하기 용이한(운저 고도 1 km 내외, 운정 고도 2~3 km) 혼합상(mixed-phase) 구름을 선정하였고, 지상 에어로솔의 효과를 분석하기 위하여 단일층 구름만을 대상으로 하였다. 또한 에어로솔과 구름의 시간차를 고려한 정량적인 상관성 분석을 위해 선행 연구들(Anderson et al.
- 한편 에어로솔의 증감에 따라 AIV 효과를 살펴보고자 IOP 기간 중 2000년 3월 21일 사례를 선정하여 WRF 수치모의를 수행하였다. 모델 영역은 Fig. 1과 같고, 각 도메인의 수평 격자는 각각 27 km(D1), 9 km(D2), 3 km(D3) 둥지격자 방법을 이용하였다. 모델 초기장과 배경장은 북미 지역에 적합한 National Centers for Environmental Prediction(NCEP) North American Regional Reanalysis(NARR) 자료(32 km 해상도, 3시간 간격)를 사용하였으며, 구름미세물리 과정은 WDM6(WRF Double-Moment 6) Scheme(Lim and Hong, 2010)의 벌크 (Bulk) 방법을 적용하였다.
- 본 연구에서는 AIV 효과 분석을 위하여 미국 ARM 프로그램의 집중 관측 지점인 SGP(36.6oN, 97.5oW)측정소의 2000년 3월 집중관측기간(IOP) 자료를 이용하였다. Active Remotely Sensed Cloud Location(ARSCL)의 반사도(reflectivity), 운저와 운정 고도 등의 자료를 통해 구름의 경계(cloud boundary)를 추정하였으며, 연직으로 누적된 구름수함량(Liquid Water Path, LWP)은 Microwave Radiometer(MWR), 에어로솔 농도를 대변할 수 있는 에어로솔 산란계수(σsp)는 Aerosol Observation System(AOS)의 자료를 이용하였다.
데이터처리
- 또한 이론적인 에어로솔의 구름 활성화 효과(AIV)를 분석하기 용이한(운저 고도 1 km 내외, 운정 고도 2~3 km) 혼합상(mixed-phase) 구름을 선정하였고, 지상 에어로솔의 효과를 분석하기 위하여 단일층 구름만을 대상으로 하였다. 또한 에어로솔과 구름의 시간차를 고려한 정량적인 상관성 분석을 위해 선행 연구들(Anderson et al., 2003; McComiskey and Feingold, 2012)에서 많이 활용하였던 식 (1)의 상호상관관계(cross-correlation) 분석을 수행하였다.
이론/모형
- 1과 같고, 각 도메인의 수평 격자는 각각 27 km(D1), 9 km(D2), 3 km(D3) 둥지격자 방법을 이용하였다. 모델 초기장과 배경장은 북미 지역에 적합한 National Centers for Environmental Prediction(NCEP) North American Regional Reanalysis(NARR) 자료(32 km 해상도, 3시간 간격)를 사용하였으며, 구름미세물리 과정은 WDM6(WRF Double-Moment 6) Scheme(Lim and Hong, 2010)의 벌크 (Bulk) 방법을 적용하였다. 본 연구에 사용한 구체적인 모델 설정은 Table 1에 제시하였다.
- (2011)의 방법과 유사하게 CCN 농도를 각각 100 cm−3(CTL; 규준실험), 280 cm−3(2N), 840 cm−3(8N),1680 cm−3(16N)으로 변화시키며 그 차이를 비교 분석하였다. 여기서 CCN 농도는 Song and Yum(2012)의 Large-Eddy Simulation(LES) 모델링 연구에 활용된 CCN 농도 수준을 이용하였다.
성능/효과
- 7a). 2000 UTC경 규준실험(CTL)이 2N 실험보다 작은 Re를 나타내는 등 일부를 제외하고 CCN 증가(2N, 8N, 16N)에 따라 규준 실험 대비 평균 Re가 각각 0.8배, 0.5배, 0.4배 감소하였다. 특히 CCN 농도를 8배(8N) 증가시켰을 경우, 전반적으로 구름방울크기가 50% 정도 감소하는 경향을 잘 보여주고 있다.
- 2a)에 비해 약 3시간 정도 늦게 모의를 하였으나, 구름형태(morphology)나 지속 시간(약 8시간)은 비교적 잘 모의하는 것을 알 수 있다. Single Column Model(SCM) 이나 Cloud Resolving Model(CRM)과 같은 고해상도 구름모델이 아닌 둥지 격자(nesting) 방법의 중규모 수치모의 실험임을 감안한다면 모델의 재현성이 우수한 것으로 판단된다. 다음으로 초기 CCN 농도를 규준 실험에 비해 2배 증가(2N)시켰을 경우(Fig.
- 규준 실험에서 연직속도가 가장 작았으며(0.21 m s−1), 8N과 16N 실험의 경우 규준 실험에 비해 30% 정도 더 큰 값(0.3 m s−1)을 보이는 등 고농도 실험에서 연직속도가 증가하는 것을 모의하였다.
- 예상했던 대로 에어로솔 수농도(CCN)를 증가시켰을 경우 구름방울개수농도는 증가, 구름방울 유효반경은 감소하는 등의 구름 미세물리 특성 변화를 확인할 수 있었고, 규준실험에 비해 고농도의 CCN 실험에서 LWP가 뚜렷하게 증가하는 경향을 모의하였다. 다음으로 구름 역학 특성을 대변할 수 있는 연직속도, 잠재 가열률의 분석 결과, 고농도 에어로솔 실험에서 연직속도가 강하게 나타났으며 모의실험 후반부 상층에 높은 잠재 가열률을 모의하였는데, 이는 에어로솔 증가에 따라 하층에서 구름방울크기가 감소하고 구름 발달이 지체되면서 상층의 추가적인 잠열이 발생하기 때문에 구름의 연직발달을 활성화시켰을 것으로 판단된다.
- Single Column Model(SCM) 이나 Cloud Resolving Model(CRM)과 같은 고해상도 구름모델이 아닌 둥지 격자(nesting) 방법의 중규모 수치모의 실험임을 감안한다면 모델의 재현성이 우수한 것으로 판단된다. 다음으로 초기 CCN 농도를 규준 실험에 비해 2배 증가(2N)시켰을 경우(Fig. 4b), 1630 UTC에 구름이 뚜렷하게 발달하고 있으며 규준실험의 1800~2100 UTC에 발달하지 않고 2 km 이하의 하층에 머물던 구름이 상층으로 점차 발달하는 경향을 알 수 있다. CCN 농도를 8배로 증가시켰을 경우, 2N 실험보다 더욱 뚜렷한 구름 형체를 보이며 모의 시간 내내 1.
- 또한 Fig. 8c는 2차 기간에서 1차 기간의 잠재 가열률 차이를 확연히 보여준 것인데, 규준실험과 2N 실험의 경우 약 2 km 고도 이하에서 음의 값을 나타내며 1차 기간에 비해 낮은 가열률을 모의하였지만 8N과 16N 실험은 2 km 이상의 상층에서 최대 2 K hr−1까지 응결 잠열이 증가함을 보였으며, 특히 2차 기간에 잠재 가열률이 현저하게 증가하는 것은 AIV 효과의 가능성을 보여주는 결과이다.
- 8a). 반면 2차 기간은 1차 기간에 비해 높은 고도(약 2.5 km)에서 최대 가열률을 보이는 특징을 나타냈으며, CCN 농도가 증가할수록 가열률이 급격히 증가함을 확인할 수 있었다(Fig. 8b). 또한 Fig.
- 본 연구는 장기간의 관측결과를 활용한 기후학적인 측면이나 중규모 구름모델링 차원에서 AIV 효과를 분석한 기존의 연구들(Li et al., 2011; Fan et al., 2012)과 달리 분석 대상을 대륙성 층운형 구름으로 제한하였고, 선정된 사례를 중심으로 실제 구름발달규모 차원에서 에어로솔 변동에 의한 구름의 미시적·거시적 특성 분석과 관측결과를 기반으로 한 민감도 실험을 통해 에어로솔에 의한 구름연직발달 가능성을 분석하였다는 점에서 의의가 크다.
- 분석 결과 관측된 평균 LWP(400 g m−2)와 비교해서는 규준실험(160 gm−2)이 과소 모의하는 경향이 있지만, CCN 증가(2N, 8N, 16N)에 따라 규준실험에 비해 LWP가 각각 2.5배, 4.6배, 4.9배 증가하였다(Fig. 7b).
- 분석 결과, 3월 21일 사례의 에어로솔 산란계수와 구름수함량의 상호상관계수가 가장 높을 때의 지체시간은 160분(2시간 40분)이었으며, 상호상관계수(r)는 0.83이었다(Fig. 3). 즉 에어로솔이 증가하기 시작한 후약 160분이 지난 후 구름수함량과 유의한 수준의 높은 상관성(r > 0.
- 앞절에서 상호상관관계 분석을 통해 에어로솔 증가 이후 구름이 연직으로 발달하는 경향을 확인하였다. 에어로솔 농도에 따른 구름 연직발달 효과를 정량적으로 분석하기 위하여 2절에 제시한 초기 CCN 농도를 각각 2배, 8배, 16배로 변화시키며 민감도 실험을 수행하였다.
- Figure 6은 구름응결핵(CCN) 농도를 변화시켰을 때 구름방울 개수농도(Nc)의 고도에 따른 시간변화를 나타낸 것이다. 예상했던 대로 규준실험(Fig. 6a)에 비해 CCN이 증가(2N, 8N, 16N)함에 따라 평균 Nc가 각각 1 cm3당 7개, 42개, 96개의 값을 나타내며 지수함수적으로 증가함을 확인하였다(Figs. 6b~d).
- 예상했던 대로 에어로솔 수농도(CCN)를 증가시켰을 경우 구름방울개수농도는 증가, 구름방울 유효반경은 감소하는 등의 구름 미세물리 특성 변화를 확인할 수 있었고, 규준실험에 비해 고농도의 CCN 실험에서 LWP가 뚜렷하게 증가하는 경향을 모의하였다. 다음으로 구름 역학 특성을 대변할 수 있는 연직속도, 잠재 가열률의 분석 결과, 고농도 에어로솔 실험에서 연직속도가 강하게 나타났으며 모의실험 후반부 상층에 높은 잠재 가열률을 모의하였는데, 이는 에어로솔 증가에 따라 하층에서 구름방울크기가 감소하고 구름 발달이 지체되면서 상층의 추가적인 잠열이 발생하기 때문에 구름의 연직발달을 활성화시켰을 것으로 판단된다.
- 2000년 3월 21일 관측사례에 대해 에어로솔과 LWP와의 상호상관관계 분석 결과, 에어로솔이 최대로 증가한 이후 약 2시간 40분의 시간 경과가 있은 후 LWP가 최대값을 보이는 경향을 확인하였다. 이 사례에 대해 CCN 민감도 실험을 수행한 결과, 우선 규준실험에서 모의한 구름이 관측 구름의 형태나 지속시간을 잘 모의하였고, 에어로솔 농도 변화에 따른 구름연직 발달효과 차이를 확인할 수 있었다.
- 8)를 나타냈다. 이처럼 에어로솔이 증가한 후 시간이 경과한 다음 구름두께가 증가하는 경향을 관측을 통해 확인할 수 있었다.
- 4d). 즉 에어로솔 농도 증가에 따른 구름의 발달 경향은 서로 뚜렷한 연관성을 가지지만, 적정 수준 이상(8N)에서는 큰 변화가 없는 임계 범위(optimal range)가 존재할 가능성 역시 나타났다.
- 즉 에어로솔이 증가하기 시작한 후약 160분이 지난 후 구름수함량과 유의한 수준의 높은 상관성(r > 0.8)을 보였다.
- 8c는 2차 기간에서 1차 기간의 잠재 가열률 차이를 확연히 보여준 것인데, 규준실험과 2N 실험의 경우 약 2 km 고도 이하에서 음의 값을 나타내며 1차 기간에 비해 낮은 가열률을 모의하였지만 8N과 16N 실험은 2 km 이상의 상층에서 최대 2 K hr−1까지 응결 잠열이 증가함을 보였으며, 특히 2차 기간에 잠재 가열률이 현저하게 증가하는 것은 AIV 효과의 가능성을 보여주는 결과이다. 즉 이와 같은 결과는 에어로솔 증가에 따라 구름방울크기가 감소하고 구름발달이 지체되면서 1차 기간에 비해 2차 기간 상층에 추가적인 구름응결로 잠재 가열률이 증가하는 경향을 잘 모의하였던 것으로 판단된다.
후속연구
- 하지만 AIV 효과의 보다 의미 있는 해석을 위해서는 선정된 사례들과 같은 에어로솔에 의한 구름연직발달 증거들의 추가 확보가 필요하다. 또한 향후 국내에서도 구름 및 강수에 미치는 에어로솔의 다양한 영향을 이해하기 위해서는 구름, 에어로솔, 강수, 복사 등에 대한 장기간 고해상도의 통합관측이 이루어져야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.