한반도 지역에서의 이산화탄소 변화 경향과 AIRS, GOSAT 위성 자료의 정확도 비교 Comparison of Atmospheric Carbon Dioxide Concentration Trend and Accuracy from GOSAT and AIRS data over the Korean Peninsula원문보기
지구 온난화와 기후 시스템에 가장 강력한 영향을 미치는 인자 중 하나인 대기 중 이산화탄소 농도 변화를 지속적으로 모니터링하는 것은 중요하며, 현재 지상 관측과 더불어 위성을 통한 모니터링이 이루어지고 있다. 본 연구에서는 동북아시아 지역 중에서도 1999년부터 주요 대기질 관측소로 운영되어 온 안면도와 고산에서의 대기 중 이산화탄소 농도 변화에 대한 경향성을 전구 월별 평균 값과 비교해 보았으며, 이를 대표적인 온실 기체 관측 위성인 Greenhouse Gases Observing Satellite (GOSAT)과 Atmospheric Infrared Sounder (AIRS)에서 산출되는 값을 안면도와 고산 관측소의 농도 값과 비교하였다. 1999년 1월 대기 중 평균 농도가 371.87 ppm이었던 안면도에서의 이산화탄소 농도는 2013년 12월 405.50 ppm으로 지난 15년간 지속적으로 증가하였다(KMA, 2013). 플라스크 공기 샘플링 방법에 의해 관측된 안면도의 이산화탄소 농도는 같은 기간 전구의 계절 변동성 및 증가 추이가 동일했으나, 동북아시아에서의 이산화탄소 농도의 증가폭이 전구보다 평균 4 ppm 더 높게 나타났다. GOSAT과 AIRS에서 산출된 이산화탄소는 안면도 관측소의 지상 농도와 비교되었으며, 이를 통해 두 위성 자료들의 정확도가 비교하고자 하였다. GOSAT과 AIRS 모두 월별 이산화탄소 농도는 지상 관측소인 안면도의 관측 값보다는 낮은 분포 경향을 보였으나, 계절 변동성과 증가 추이는 동일하게 나타났다. GOSAT과 AIRS에서 산출되는 이산화탄소 농도는 위성별 정확도 분석을 위해 두 위성의 관측 기간 중 동일 관측이 수행된 2011년 1월부터 2012년 12월까지의 자료를 비교하였다. GOSAT은 r이 0.947, RMSD가 5.610, bias가 -5.280으로 r이 0.737, RMSD가 8.574, bias가 -7.316으로 나타난 AIRS보다 동북아시아를 대표하는 안면도 관측소에서의 정확도가 더 높게 나타났다.
지구 온난화와 기후 시스템에 가장 강력한 영향을 미치는 인자 중 하나인 대기 중 이산화탄소 농도 변화를 지속적으로 모니터링하는 것은 중요하며, 현재 지상 관측과 더불어 위성을 통한 모니터링이 이루어지고 있다. 본 연구에서는 동북아시아 지역 중에서도 1999년부터 주요 대기질 관측소로 운영되어 온 안면도와 고산에서의 대기 중 이산화탄소 농도 변화에 대한 경향성을 전구 월별 평균 값과 비교해 보았으며, 이를 대표적인 온실 기체 관측 위성인 Greenhouse Gases Observing Satellite (GOSAT)과 Atmospheric Infrared Sounder (AIRS)에서 산출되는 값을 안면도와 고산 관측소의 농도 값과 비교하였다. 1999년 1월 대기 중 평균 농도가 371.87 ppm이었던 안면도에서의 이산화탄소 농도는 2013년 12월 405.50 ppm으로 지난 15년간 지속적으로 증가하였다(KMA, 2013). 플라스크 공기 샘플링 방법에 의해 관측된 안면도의 이산화탄소 농도는 같은 기간 전구의 계절 변동성 및 증가 추이가 동일했으나, 동북아시아에서의 이산화탄소 농도의 증가폭이 전구보다 평균 4 ppm 더 높게 나타났다. GOSAT과 AIRS에서 산출된 이산화탄소는 안면도 관측소의 지상 농도와 비교되었으며, 이를 통해 두 위성 자료들의 정확도가 비교하고자 하였다. GOSAT과 AIRS 모두 월별 이산화탄소 농도는 지상 관측소인 안면도의 관측 값보다는 낮은 분포 경향을 보였으나, 계절 변동성과 증가 추이는 동일하게 나타났다. GOSAT과 AIRS에서 산출되는 이산화탄소 농도는 위성별 정확도 분석을 위해 두 위성의 관측 기간 중 동일 관측이 수행된 2011년 1월부터 2012년 12월까지의 자료를 비교하였다. GOSAT은 r이 0.947, RMSD가 5.610, bias가 -5.280으로 r이 0.737, RMSD가 8.574, bias가 -7.316으로 나타난 AIRS보다 동북아시아를 대표하는 안면도 관측소에서의 정확도가 더 높게 나타났다.
With the global scale impact of atmospheric $CO_2$ in global warming and climate system, it is necessary to monitor the $CO_2$ concentration continuously on a global scale, where satellite remote sensing has played a significant role recently. In this study, global monthly
With the global scale impact of atmospheric $CO_2$ in global warming and climate system, it is necessary to monitor the $CO_2$ concentration continuously on a global scale, where satellite remote sensing has played a significant role recently. In this study, global monthly $CO_2$ concentrations obtained by satellite remote sensing were compared with ground-based measurements at Anmyeon-do and Gosan Korean Global Atmosphere Watch Center. Atmospheric $CO_2$ concentration has increased from 371.87 ppm in January 1999 to 405.50 ppm in December 2013 at Anmyeon-do station (KMA, 2013). Comparison of the continuous measurements by flask air sampling at Anmyeon-do shows the same trend and seasonal variations with those of global monthly mean dataset. Nevertheless, the trends of $CO_2$ over Northeast Asia showed the higher than those of global and the trends also changes with different slope. $CO_2$ products derived from Greenhouse Gases Observing Satellite (GOSAT) and Atmospheric Infrared Sounder (AIRS) were compared with ground-based measurement at Anmyeon-do. The monthly mean values of GOSAT and AIRS data are systemically lower than those obtained at Anmyeon-do, however, the seasonal cycle of satellite products present the similar trend with values of global and Anmyeon-do. The accuracy of $CO_2$ products from GOSAT and AIRS were evaluated statistically for two years from January 2011 to December 2012. GOSAT showed good correlation with the correlation coefficient, RMSD and bias of 0.947, 5.610 and -5.280 to ground-based measurements respectively, while AIRS showed reasonable comparison with 0.737, 8.574 and -7.316 at Anmyeon-do station, respectively.
With the global scale impact of atmospheric $CO_2$ in global warming and climate system, it is necessary to monitor the $CO_2$ concentration continuously on a global scale, where satellite remote sensing has played a significant role recently. In this study, global monthly $CO_2$ concentrations obtained by satellite remote sensing were compared with ground-based measurements at Anmyeon-do and Gosan Korean Global Atmosphere Watch Center. Atmospheric $CO_2$ concentration has increased from 371.87 ppm in January 1999 to 405.50 ppm in December 2013 at Anmyeon-do station (KMA, 2013). Comparison of the continuous measurements by flask air sampling at Anmyeon-do shows the same trend and seasonal variations with those of global monthly mean dataset. Nevertheless, the trends of $CO_2$ over Northeast Asia showed the higher than those of global and the trends also changes with different slope. $CO_2$ products derived from Greenhouse Gases Observing Satellite (GOSAT) and Atmospheric Infrared Sounder (AIRS) were compared with ground-based measurement at Anmyeon-do. The monthly mean values of GOSAT and AIRS data are systemically lower than those obtained at Anmyeon-do, however, the seasonal cycle of satellite products present the similar trend with values of global and Anmyeon-do. The accuracy of $CO_2$ products from GOSAT and AIRS were evaluated statistically for two years from January 2011 to December 2012. GOSAT showed good correlation with the correlation coefficient, RMSD and bias of 0.947, 5.610 and -5.280 to ground-based measurements respectively, while AIRS showed reasonable comparison with 0.737, 8.574 and -7.316 at Anmyeon-do station, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
1은 전구 월평균 이산화탄소의 변화 경향과 동북아시아를 대표할 수 있는 지구감시센터 중 하나인 안면도에서의 이산화탄소 변화 경향을 비교하여 나타낸 그림이다. 1984년 1월부터 자료가 제공되는 전구 월평균 이산화탄소 농도와 달리 안면도 관측소는 1999년 1월부터 2013년 12월까지 이산화탄소 자료가 제공되어 본 연구에서는 안면도 자료 제공 기간에 대한 전구와 안면도의 대기 중 이산화탄소 변화 추이를 살펴보았다. 1999년 1월 368.
, 2013)되기 이전의 초기 버전 자료를 기반으로 한 분석이다. 본 연구에서는 선행 연구를 바탕으로 정확도 분석의 오차를 줄이기 위해 위성에서 관측된 자료의 분석 기간을 동일 관측 기간으로 제한한 후 WDCGG에서 제공되는 지상 관측 값과 비교하여 동북아시아에서의 AIRS와 GOSAT에 대한 정확도를 재평가하고자 한다. 이러한 연구를 통해 지구 온난화를 나타내는 대표인자인 이산화탄소 농도분포변화에 대한 전반적인 이해를 높이고 위성 자료의 신뢰도를 확보하고자 한다.
본 연구에서는 선행 연구를 바탕으로 정확도 분석의 오차를 줄이기 위해 위성에서 관측된 자료의 분석 기간을 동일 관측 기간으로 제한한 후 WDCGG에서 제공되는 지상 관측 값과 비교하여 동북아시아에서의 AIRS와 GOSAT에 대한 정확도를 재평가하고자 한다. 이러한 연구를 통해 지구 온난화를 나타내는 대표인자인 이산화탄소 농도분포변화에 대한 전반적인 이해를 높이고 위성 자료의 신뢰도를 확보하고자 한다.
제안 방법
(2015)은 SCIAMACHY와 AIRS, GOSAT의 이산화탄소 농도 자료를 세계기상기구(World Meteorological Organization, WMO)에서 운영하는 세계온실가스관측센터(World Data Center for Greenhouse Gases, WDCGG)의 지상 관측 값과 비교하여 위성별 관측 기간과 범위에 대한 특징과 정확도를 분석하였고, Miao et al.(2013) 또한 대기 중 이산화탄소 정보를 제공해주는 세 위성 자료를 온실 가스 관측위성 지상검증 네트워크(Total Carbon Column Observing Network, TCCON) 자료와 비교하여 위성 자료별로 정확도를 비교하였다.
Fig. 2에서 전구 규모의 이산화탄소 농도 분포를 살펴보았다면, Fig. 3에서는 이산화탄소의 배출원으로 주목 받고 있는 동북아시아(100-160°E, 20-60°N) 지역에서의 AIRS와 GOSAT에서 관측된 이산화탄소 농도 변화를 동일한 기간에 대해 비교하였다.
대기 중 이산화탄소의 농도 변화를 살펴보기 위해 본 연구에서는 전구에서의 변화와 동북아시아에서의 변화 경향성을 먼저 비교해 보았으며, Fig. 1은 전구 월평균 이산화탄소의 변화 경향과 동북아시아를 대표할 수 있는 지구감시센터 중 하나인 안면도에서의 이산화탄소 변화 경향을 비교하여 나타낸 그림이다. 1984년 1월부터 자료가 제공되는 전구 월평균 이산화탄소 농도와 달리 안면도 관측소는 1999년 1월부터 2013년 12월까지 이산화탄소 자료가 제공되어 본 연구에서는 안면도 자료 제공 기간에 대한 전구와 안면도의 대기 중 이산화탄소 변화 추이를 살펴보았다.
이와 더불어 대기 중 이산화탄소 농도를 관측하는 대표적인 위성 자료인 AIRS와 GOSAT에서의 대기 중 이산화탄소 농도 값을 전구 규모와 동북아시아 규모로 살펴보았다. 또한 두 위성 자료의 관측 값은 동북아시아의 이산화탄소 변화를 잘 설명할 수 있는 관측소인 안면도의 지상 관측 값과 비교하여 위성의 정확도를 평가해 보았다. 이산화탄소의 계절적 변화 특징 중, 늦겨울의 최대 농도는 두 위성의 관측 값이 유사한 반면 여름의 최소 농도 값은 크게 차이가 나며, 이는 식생의 성장에 따른 이산화탄소 농도 변화에 대한 계절적 특징이 AIRS보다는 지표 근처에서 측정 민감도가 더 높은 GOSAT에서 더 잘 반영된 결과이다.
본 연구에서는 동북아시아 지역의 주요 대기질 감시 관측소인 안면도와 고산에서의 이산화탄소 농도에 대해 10년 이상의 장기간 추세 분석을 AIRS 위성과 비교하여 수행하였으며, 이와 더불어 이 지역에서 산출되는 위성의 이산화탄소 농도 값에 대한 정확도 분석을 수행 하였다. 관측이 시작된 1999년 1월 평균 이산화탄소 농도가 371.
위성 자료의 공간 해상도에 해당하는 전구 이산화탄소 분포 분석과 더불어 지상 관측 값과의 비교를 위해 안면도가 위치(36.53°N, 126.32°E)한 지점이 포함된 위성 관측 값을 안면도 관측 값과 비교하였다.
이렇듯 이산화탄소 농도 계절 변화성과 분포에서 차이가 나는 두 위성의 관측 값은 그 정확도 평가를 위해 지상 관측 값과의 검증을 필요로 한다. 이를 위해 본 연구에서는 한반도의 대표적인 지상 관측소인 안면도와 고산에서 측정된 이산화탄소 농도를 GOSAT과 AIRS에서 동북아시아를 대표할 수 있는 두 지상 관측소인 안면도와 고산이 포함된 영역으로 이산화탄소를 평균하여 지상 관측 값과 비교하였다(Fig.
이렇듯 이산화탄소 농도 계절 변화성과 분포에서 차이가 나는 두 위성의 관측 값은 그 정확도 평가를 위해 지상 관측 값과의 검증을 필요로 한다. 이를 위해 본 연구에서는 한반도의 대표적인 지상 관측소인 안면도와 고산에서 측정된 이산화탄소 농도를 GOSAT과 AIRS에서 동북아시아를 대표할 수 있는 두 지상 관측소인 안면도와 고산이 포함된 영역으로 이산화탄소를 평균하여 지상 관측 값과 비교하였다(Fig. 4). Fig.
이와 더불어 대기 중 이산화탄소 농도를 관측하는 대표적인 위성 자료인 AIRS와 GOSAT에서의 대기 중 이산화탄소 농도 값을 전구 규모와 동북아시아 규모로 살펴보았다. 또한 두 위성 자료의 관측 값은 동북아시아의 이산화탄소 변화를 잘 설명할 수 있는 관측소인 안면도의 지상 관측 값과 비교하여 위성의 정확도를 평가해 보았다.
대상 데이터
, 2008). AIRS에서 제공되는 자료 중 본 연구에서 이용한 자료는 Level 3 (AIRS+AMSU v5)로 2002년 9월부터 2012년 2월까지 제공되는 남위 60도에서 북위 90도까지 관측된 월평균 자료이다(http://airs.jpl.nasa.gov/).
본 연구에서 이용된 위성자료는 AIRS와 GOSAT이다.
본 연구에서 이용된 지상 자료는 WMO에서 운영 중인 WDCGG에서 제공되는 전구 평균 이산화탄소 자료와 동북아시아의 배경 대기를 감시하는 관측소인 충청남도 태안의 안면도와 제주도 고산 관측소의 월별 평균 이산화탄소 자료를 이용하였으며, 제공되는 자료는 각 지점별 관측소에서 규격화된 플라스크에 채집한 샘플 공기의 성분을 분석한 농도 값이다. 1968년 미국 해양대기청 지구시스템연구소 글로벌 모니터링부(National Oceanic and Atmospheric Administration/Earth System Research Laboratory - Global Monitoring Division, NOAA/ ESRL-GMD)에서는 전구 관측 네트워크를 설립하였고, 현재 60개 이상의 국가가 참여하는 200개 이상의 글로벌 관측소에서 공기를 채집하여 온실 기체 등의 가스 농도를 제공하고 있다(Conway and Tans, 1999; Zhang et al.
5 km의 천저 지역 직경의 공간 해상도로 산출한다. 본 연구에서는 GOSAT의 Level 3 월평균 자료 중 가장 최근 버전 2.21의 자료를 2009년 6월부터 2013년 12월까지의 기간에 걸쳐 이용하였다(http://www.gosat.nies.go.jp/index_e.html/).
본 연구에서는 한반도 지역을 대표하는 WMO의 지역급 지구대기감시(Global Atmosphere Watch, GAW) 프로그램 운영을 하는 서해안 안면도와 제주도 고산 관측소 두 지역에서의 대기 중 이산화탄소 월평균 자료를 살펴보았으며(KMA, 2013), 관측소에 대한 정보는 Table 1과 같다. WMO/WDCGG에서 제공되는 두 관측소의 자료 기간은 안면도가 1999년 1월부터 2013년 12월까지 15년, 고산이 2002년 1월부터 2011년 12월까지 10년간의 자료가 활용 가능하다.
지상자료로는 WMO의 WDCGG에서 제공되는 월별 이산화탄소 농도 자료(Conway and Tans, 1999; Solar, 2014)를 이용하였다. 위성 자료는 미국항공우주국(National Aeronautics and Space Administration, NASA)의 Aqua 위성에 탑재된 Atmospheric Infrared Sounder (AIRS) 자료와 일본항공우주국(Japan Aerospace Exploration Agency, JAXA)에서 개발 발사한 GOSAT 위성에 탑재된 Thermal And Near infrared Sensor for carbon Observation - Fourier Transform Spectrometer (TANSOFTS)에서 관측 제공되는 이산화탄소 자료를 이용하였다.
본 연구를 위해 이용된 자료는 크게 지상 자료와 위성 자료로 나누어진다. 지상자료로는 WMO의 WDCGG에서 제공되는 월별 이산화탄소 농도 자료(Conway and Tans, 1999; Solar, 2014)를 이용하였다. 위성 자료는 미국항공우주국(National Aeronautics and Space Administration, NASA)의 Aqua 위성에 탑재된 Atmospheric Infrared Sounder (AIRS) 자료와 일본항공우주국(Japan Aerospace Exploration Agency, JAXA)에서 개발 발사한 GOSAT 위성에 탑재된 Thermal And Near infrared Sensor for carbon Observation - Fourier Transform Spectrometer (TANSOFTS)에서 관측 제공되는 이산화탄소 자료를 이용하였다.
데이터처리
센서의 고도별 관측 민감도에 따라 계절 변동성의 차이가 크지 않았던 기간도 있었지만, 대체로 이산화탄소 농도가 가장 높아지는 12월엔 약 -8 ppm 이상 위성 관측 값들이 낮게 관측되었다. 본 연구에서는 Fig. 4에서 분석한 안면도, 고산의 지상 관측소 값과 AIRS, GOSAT에서 측정된 이산화탄소 관측 값들을 상관계수 Root Mean Square Deviation (RMSD), mean differences(bias)의 비교를 통해 비교해 보았다.
성능/효과
2(b)는 GOSAT에서 관측된 이산화탄소의 농도이며, GOSAT의 이산화탄소 농도 분포가 적도 주변을 제외한 대부분의 지역에서 AIRS보다 낮게 나타났다. GOSAT에서 관측된 2년 평균 이산화탄소 농도는 대부분의 대륙과 북반구 해양에서 다른 지역보다 상대적으로 높은 이산화탄소 농도 분포를 보인 반면, AIRS는 적도 부근에서 상대적으로 낮은 이산화탄소 분포가 나타나고 북반구 중위도 이상의 유럽과 아시아 지역에서 높은 이산화탄소 농도 분포를 보였다. 이러한 결과가 나타나는 원인으로는 이산화탄소를 관측하는 파장 및 산출 알고리즘이 AIRS의 경우 15 μm 주변의 열적외선(Thermal Infrared, TIR)으로 중부 대류권에서의 이산화탄소 농도 산출에 적합하도록 설계되어 있는데 반해, GOSAT의 경우는 1.
이러한 결과는 AIRS가 AK의 최대 값이 대류권 중·상부에 있어 GOSAT에 비해 계절 변동성을 잘 따라가지 못하는 특징으로 인한 것이다. 겨울보다 여름철 높은 상관성을 보이는 AIRS와 달리 GOSAT의 관측 값은 여름에 AIRS와 지상 관측 값보다 낮은 이산화탄소 농도를 보였다. 그러나 식생에 의한 흡수가 줄어들고 난방으로 인한 화석연료의 사용으로 배출량이 높아지는 겨울철에는 하부대류권에서의 민감도가 높은 GOSAT이 지상 관측 값과 비슷한 계절 변동성을 가지며, 이는 전체적인 상관성을 높이는 결과로 나타났다.
5, Table 2). 고산 지상관측소와 두 위성에서 관측한 이산화탄소 농도를 비교한 결과 AIRS에서 r이 0.755, RMSD가 8.306, bias가 -7.110, GOSAT은 r이 0.932, RMSD가 6.147, bias가 -5.721로 안면도와 유사한 상관성이 나타났다. 이러한 결과는 Zhang et al.
이는 앞서 설명했듯이 식생의 성장에 따른 광합성의 영향이 많은 여름과 달리 겨울에는 그 영향이 미치지 않기 때문이다. 그 결과 겨울철 두 위성에서의 관측 값은 유사한 농도를 보이는 것에 반해, 여름철 최소 값은 지표 근처에서 측정 민감도가 낮은 AIRS가 GOSAT보다 높게 나타나게 된다. 이와 같이 식생의 성장에 따른 이산화탄소 농도 변화에 대한 계절적 특징이 AIRS보다는 지표 근처에서 측정 민감도가 더 높은 GOSAT에서 더 잘 반영된 결과이다.
이산화탄소의 계절적 변화 특징 중, 늦겨울의 최대 농도는 두 위성의 관측 값이 유사한 반면 여름의 최소 농도 값은 크게 차이가 나며, 이는 식생의 성장에 따른 이산화탄소 농도 변화에 대한 계절적 특징이 AIRS보다는 지표 근처에서 측정 민감도가 더 높은 GOSAT에서 더 잘 반영된 결과이다. 그 결과 겨울철 두 위성에서의 관측 값은 유사한 농도를 보이는 것에 반해, 여름철 최소 값은 지표 근처에서 측정 민감도가 낮은 AIRS가 GOSAT보다 높게 나타났다. 이는 GOSAT과 AIRS의 관측이 겹치는 기간인 2009, 2010, 2011년의 겨울과 여름 농도 값 비교를 통해서도 뚜렷하게 알 수 있었다.
이러한 결과는 같은 관측 기간 동안 AIRS가 GOSAT보다 높게 관측된 전구 이산화탄소 평균 농도 비교 결과와도 일치한다. 그러나, 같은 분석 기간 동안 AIRS가 GOSAT보다 2.75 ppm 높은 평균 값을 보였던 전구 이산화탄소 농도보다 동북아시아 지역에서 약 1 ppm 정도 차이가 더 커진 것임을 알 수 있다.
그러나 식생에 의한 흡수가 줄어들고 난방으로 인한 화석연료의 사용으로 배출량이 높아지는 겨울철에는 하부대류권에서의 민감도가 높은 GOSAT이 지상 관측 값과 비슷한 계절 변동성을 가지며, 이는 전체적인 상관성을 높이는 결과로 나타났다. 다시 말해 GOSAT이 AIRS에 비해 계절 변동성을 잘 따라가는 특징이 상관계수, RMSD, bias 모두에서 더 정확한 결과를 반영하고 있다고 할 수 있다(Fig. 5, Table 2). 고산 지상관측소와 두 위성에서 관측한 이산화탄소 농도를 비교한 결과 AIRS에서 r이 0.
고산에서의 관측 값이 안면도에서의 값보다 약 2 ppm 정도 낮게 나타난 것은 이산화탄소의 농도가 높게 나타나는 계절인 1월부터 3월까지의 관측 자료 부족에 따른 불연속성이 반영된 때문이다. 두 위성의 관측 자료는 모두 지상 관측 값보다 이산화탄소의 농도가 전 기간에서 낮게 나타났으며, 관측 기간 중 AIRS는 안면도 관측 값보다 평균 -7.32 ppm, GOSAT은 평균 -5.28 ppm 낮은 분포를 보였다. 특히, AIRS는 겨울철 최대 -12.
이와 같이 전구 또는 대표적인 지역의 관측소의 관측 결과를 분석하고 변화 추이를 살펴보는 것이 중요하다. 본 연구에서는 동북아시아를 대표할 수 있는 세계온실가스관측센터 자료 중 안면도와 고산에서 관측된 이산화탄소의 월간 변화를 살펴보았으며 1999년 1월부터 2013년 12월까지 지난 15년간 관측이 수행된 안면도 관측소의 경우 대기 중 이산화탄소 연간 증가율이 2.40 ppmv/yr임을 알 수 있었다. 이와 같은 수치는 안면도와 같은 기간 동안 전구 이산화탄소가 연간 2.
안면도에서 지상관측소와 AIRS에서 관측한 이산화탄소의 농도를 비교한 결과 r은 0.737, RMSD는 8.574, bias는 -7.316으로 비교적 안정적인 상관성을 보였으나, GOSAT은 비교 결과 r은 0.947, RMSD는 5.610, bias는-5.280으로 AIRS보다 높은 상관성을 보였다. 이러한 결과는 AIRS가 AK의 최대 값이 대류권 중·상부에 있어 GOSAT에 비해 계절 변동성을 잘 따라가지 못하는 특징으로 인한 것이다.
이는 이산화탄소의 배출 및 변화가 가장 많은 하부 대류권에서의 식생의 영향에 의한 이산화탄소의 계절 변동성이 GOSAT보다 적게 반영되는 AIRS가 북반구 중위도 이상의 지역에서 GOSAT보다 상대적으로 높은 이산화탄소 농도 분포가 나타난 것으로 판단된다. 이 결과 두 위성 각각의 전체 관측 기간에 대한 전구 평균 이산화탄소 농도는 AIRS가 382.89 ppm, GOSAT이 389.46 ppm으로 나타났으나, 두 센서의 동일 관측 기간인 2010년 1월부터 2011년 12월까지의 전구 평균 이산화탄소 농도는 AIRS가 390.05 ppm, GOSAT이 387.30 ppm으로 AIRS가 GOSAT보다 2.75 ppm 높게 나타났다.
63 ppm이 증가했다. 이는 같은 기간 전구 평균 이산화탄소의 농도 변화가 약 29.31 ppm이었던 것과 비교하면 4.32 ppm 더 증가한 것으로 동북아시아에서의 이산화탄소 농도 증가율이 전구보다 약 14.74% 높게 나타났으며, 이는 북반구 동북아시아에서의 이산화탄소 증가율이 전구보다 월등히 높게 나타나는 경향성이 반영된 결과임을 확인할 수 있다. 같은 기간 전구의 연간 이산화탄소 증가율은 2.
90 ppm 높은 계절 변동성을 보였다. 이러한 안면도에서의 이산화탄소의 계절 변동폭은 연도별로 조금씩 차이는 있지만 평균 8.10 ppm 정도의 계절 변동폭을 가지며 변화했으며, 이는 평균 4.40 ppm의 계절 변동폭을 보이는 전구에 비해 그 변동폭이 약 2배 정도 높게 나타났다. 이는 식생의 성장이 억제되는 겨울철 한반도에서 배출된 이산화탄소와 동북아시아 내에서도 중국의 풍하측에 위치한 안면도 관측소의 지리적 영향, 그리고 관측소 주변의 식생 분포가 함께 작용한 것으로 추정된다.
또한 두 위성 자료의 관측 값은 동북아시아의 이산화탄소 변화를 잘 설명할 수 있는 관측소인 안면도의 지상 관측 값과 비교하여 위성의 정확도를 평가해 보았다. 이산화탄소의 계절적 변화 특징 중, 늦겨울의 최대 농도는 두 위성의 관측 값이 유사한 반면 여름의 최소 농도 값은 크게 차이가 나며, 이는 식생의 성장에 따른 이산화탄소 농도 변화에 대한 계절적 특징이 AIRS보다는 지표 근처에서 측정 민감도가 더 높은 GOSAT에서 더 잘 반영된 결과이다. 그 결과 겨울철 두 위성에서의 관측 값은 유사한 농도를 보이는 것에 반해, 여름철 최소 값은 지표 근처에서 측정 민감도가 낮은 AIRS가 GOSAT보다 높게 나타났다.
위성 간에도 고도별 관측 민감도에 따라 이산화탄소 농도와 계절 변화 경향폭에서 차이가 나게 된다. 이와 같이 AIRS와 GOSAT은 관측 주기와 관측 범위, 관측 가능 고도 등에 있어 차이를 보이지만 대체적으로 지상 관측 값과 유사한 경향성을 보이며 증가하는 것으로 나타났으나, 하부 대류권의 민감도가 높은 GOSAT이 AIRS보다 더 좋은 상관성을 보였으며, GOSAT의 r이 0.947, RMSD가 5.610, bias가 -5.280으로 r이 0.737, RMSD가 8.574, bias가 -7.316인 AIRS보다 모든 분석에서 정확도가 높았다.
3에서는 이산화탄소의 배출원으로 주목 받고 있는 동북아시아(100-160°E, 20-60°N) 지역에서의 AIRS와 GOSAT에서 관측된 이산화탄소 농도 변화를 동일한 기간에 대해 비교하였다. 한반도의 안면도와 고산 관측소가 포함된 영역인 동북아시아에서의 위성 자료별 전체 운영 기간에 대한 평균 농도는 AIRS가 383.49 ppm, GOSAT이 390.42 ppm으로 GOSAT이 AIRS보다 6.93 ppm높게 나타났으며, 동일한 관측기간(2010년 1월-2011년 12월)의 동북아시아 평균 이산화탄소 농도는 AIRS가 392.36 ppm, GOSAT이 388.75 ppm으로 AIRS가 GOSAT보다 3.61 ppm 높게 관측되었다. 이러한 결과는 같은 관측 기간 동안 AIRS가 GOSAT보다 높게 관측된 전구 이산화탄소 평균 농도 비교 결과와도 일치한다.
후속연구
11 ppm/yr로 나타났다. 동북아시아의 중요한 지정학적 위치에 있는 한반도에서 관측된 자료들에 대한 분석은 동북아시아 지역을 대표할 수 있는 대기 중 이산화탄소 농도 변화를 이해하는데 도움이 되며, 이러한 분석을 통한 온실 가스의 정확한 이해는 기후 변화에 있어 인간 활동에 의한 영향을 평가하는 기초 자료로 활용 가능하며, 향후 탄소 관련 정책 수립 및 결정에 있어 근거 자료로도 활용 가능하다. 또한 본 연구는 고산 및 안면도 등의 관측소가 WMO의 지역급 GAW 관측소에서 지구급 GAW 관측소로의 승급 및 지속적인 기후변화 감시의 중요한 역할을 수행할 수 있는 관측소로서의 활용가능성을 보여주는 연구가 될 것이다.
동북아시아의 중요한 지정학적 위치에 있는 한반도에서 관측된 자료들에 대한 분석은 동북아시아 지역을 대표할 수 있는 대기 중 이산화탄소 농도 변화를 이해하는데 도움이 되며, 이러한 분석을 통한 온실 가스의 정확한 이해는 기후 변화에 있어 인간 활동에 의한 영향을 평가하는 기초 자료로 활용 가능하며, 향후 탄소 관련 정책 수립 및 결정에 있어 근거 자료로도 활용 가능하다. 또한 본 연구는 고산 및 안면도 등의 관측소가 WMO의 지역급 GAW 관측소에서 지구급 GAW 관측소로의 승급 및 지속적인 기후변화 감시의 중요한 역할을 수행할 수 있는 관측소로서의 활용가능성을 보여주는 연구가 될 것이다.
지상 관측 자료와 더불어 위성 자료의 활용은 지상 관측소로 한정되어 있는 시공간적 한계를 극복할 수 있을 것으로 기대되며, 본 연구에서 비교·제시했듯이 위성 자료의 정확도 향상으로 향후 위성 관측을 통한 다양한 분석과 활용이 가능할 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
IPCC(2013)에 제시된 지구 시스템에 영향을 미치는 주요 인자들로 무엇이 있는가?
이를 바탕으로 정부간협의체(Intergovernmental Panel on Climate Change, IPCC)인 IPCC에서는 그러한 우려들을 정량화된 수치로 제시한 평가 보고서를 1990년 1차부터 2014년 채택한 5차까지 지속적으로 발간하고 있다 (Griggs and Noguer, 2002; Houghton, 1996; IPCC, 2013; IPCC, 2007; Metz, 2001). IPCC(2013) 에 제시된 지구 시스템에 영향을 미치는 주요 인자들로는 수증기, 오존, 이산화탄소 및 메탄과 같은 인자들이 미치는 영향이 크다고 밝히고 있으며, 이 중 수증기를 제외한 이산화탄소의 영향이 가장 많은 비중을 차지하고 있다(Bindoff et al., 2013).
NASA Aqua 위성에 탑재된 AIRS에는 어떠한 기능이 있는가?
NASA Aqua 위성에 탑재된 AIRS는 2002년 발사 이후 성공적으로 운영 중인 센서 중 하나로 매일 이산화탄소 농도를 13.5 km 천저 지역 직경(nadir footprint diameter) 의 공간 해상도를 가진 전구 규모로 산출할 수 있는 능력을 가지며, 그 정확도 또한 2 ppmv 이내로 알려져 있다 (Chahine et al., 2008).
온실 가스 모니터링 시스템을 수행하는 관측소들로 부터 어떠한 운영 결과를 얻었는가?
이러한 온실 기체 증가에 대한 관심은 지속적인 온실 가스 모니터링 시스템을 구축하기에이르렀고, 1958년부터 지금까지 지속적으로 관측되고 있는 대표적인 온실 가스 관측소인 Mauna Loa와 같은 모니터링 임무를 수행하는 관측소들이 전구적으로 운영되고 있다. 이러한 관측소들의 운영 결과로 대기 중이산화탄소 농도가 꾸준히 증가하고 있으며, 그 증가율이 Mauna Loa의 경우 연간 1.40 ppmv (part per million by volume)이라는 연구 결과(Keeling and Whorf, 2005)를 얻을 수 있었다. 이와 같이 전구 또는 대표적인 지역의 관측소의 관측 결과를 분석하고 변화 추이를 살펴보는 것이 중요하다.
참고문헌 (26)
Alexe, M., P. Bergamaschi, A. Segers, R. Detmers, A. Butz, O. Hasekamp, S. Guerlet, R. Parker, H. Boesch, and C. Frankenberg, 2015. Inverse modelling of CH 4 emissions for 2010-2011 using different satellite retrieval products from GOSAT and SCIAMACHY. Atmospheric Chemistry and Physics, 15: 113-133.
Baek, H.-J., C. Cho, W.-T. Kwon, S.-K. Kim, J.-Y. Cho, and Y. Kim, 2011. Development Strategy for New Climate Change Scenarios based on RCP. Climate Change Research 2: 55-68.
Bindoff, N.L., P.A. Stott, K.M. AchutaRao, M.R. Allen, N. Gillett, D. Gutzler, K. Hansingo, G. Hegerl, Y. Hu, S. Jain, I.I. Mokhov, J. Overland, J. Perlwitz, R. Sebbari, and X. Zhang, 2013. Detection and Attribution of Climate Change: from Global to Regional, in: Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex, and P.M. Midgley, (Eds.), Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, pp. 867-952.
Chahine, M., L. Chen, P. Dimotakis, X. Jiang, Q. Li, E.T. Olsen, T. Pagano, J. Randerson, and Y.L. Yung, 2008. Satellite remote sounding of midtropospheric $CO_{2}$ . Geophysical Research Letters, 35.
Choi, J.H., S.M. Joo, and J.S. Um, 2014. Cross-Correlation Analysis between GOSAT and $CO_{2}$ Concentration Observed by the KGAWC Station. Journal of Korean Society for Geospatial Information System, 22: 11-16. (In Korean with English abstrct).
Conway, T.J. and P.P. Tans, 1999. Development of the CO2 latitude gradient in recent decades. Global Biogeochem. Cycles, 13, 821-826.
Dlugokencky, E., R. Myers, P. Lang, K. Masarie, A. Crotwell, K. Thoning, B. Hall, J. Elkins, and L. Steele, 2005. Conversion of NOAA atmospheric dry air CH4 mole fractions to a gravimetrically prepared standard scale. Journal of Geophysical Research: Atmospheres (1984-2012), 110(D18).
Griggs, D.J. and M. Noguer, 2002. Climate change 2001: the scientific basis. Contribution of working group I to the third assessment report of the intergovernmental panel on climate change. Weather, 57: 267-269.
Houghton, J.T., 1996. Climate change 1995: Thescience of climate change: contribution ofworking group I to the second assessment report of the Intergovernmental Panel on ClimateChange. Cambridge University Press.
IPCC, 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
IPCC, A., 2007. Intergovernmental panel on climate change. IPCC Secretariat Geneva.
Jin, F., J. Kim, and K.-R. Kim, 2010. Estimation of Potential Source Region in Northeast Asia through Continuous In-Situ Measurement of Atmospheric $CO_{2}$ at Gosan, Jeju Island, Korea. Terrestrial, Atmospheric and Oceanic sciences, 21(2): 313-323.
Keeling, C.D. and T.P. Whorf, 2005. Atmospheric $CO_{2}$ records from sites in the SIO air sampling network. Trends: a compendium of data on global change: 16-26.
KMA, 2013. Report of Global Atmosphere Watch 2013.
Kuze, A., H. Suto, M. Nakajima, and T. Hamazaki, 2009. Thermal and near infrared sensor for carbon observation Fourier-transform spectrometer on the Greenhouse Gases Observing Satellite for greenhouse gases monitoring. Applied optics, 48: 6716-6733.
Meinshausen, M., S.J. Smith, K. Calvin, J.S. Daniel, M. Kainuma, J. Lamarque, K. Matsumoto, S. Montzka, S. Raper, and K. Riahi, 2011. The RCP greenhouse gas concentrations and their extensions from 1765 to 2300. Climatic change, 109: 213-241.
Metz, B., 2001. Climate change 2001: mitigation: contribution of Working Group III to the third assessment report of the Intergovernmental Panel on Climate Change. Cambridge University Press.
Miao, R., N. Lu, L. Yao, Y. Zhu, J. Wang, and J. Sun, 2013. Multi-year comparison of carbon dioxide from satellite data with ground-based FTS measurements (2003-2011). Remote Sensing, 5: 3431-3456.
Olsen, E.T., 2009. AIRS Version 5 Release Tropospheric $CO_{2}$ Products. Jet Propulsion Laboratory, California Institute of Technology, Pasadena, California.
Shim, C., R. Nassar, and J. Kim, 2011. Comparison of model-simulated atmospheric carbon dioxide with GOSAT retrievals. Asian Journal of Atmospheric Environment, 5: 263-277.
Tsutsumi Y., K. Mori, T. Hirahara, M. Ikegami, and T. J. Conway, 2009. Technical Report of Global Analysis Method for Major Greenhouse Gases by the World Data Center for Greenhouse Gases, GAW Report No.184 GAW Report No.184.
Wei, J., A. Savtchenko, B. Vollmer, T. Hearty, A. Albayrak, D. Crisp, and A. Eldering, 2014. Advances in Observations From AIRS and ACOS. Geoscience and Remote Sensing Letters, IEEE, 11: 891-895.
Yoshida, Y., N. Kikuchi, I. Morino, O. Uchino, S. Oshchepkov, A. Bril, T. Saeki, N. Schutgens, G. Toon, and D. Wunch, 2013. Improvement of the retrieval algorithm for GOSAT SWIR XCO2 and XCH4 and their validation using TCCON data. Atmospheric Measurement Technigues 61: 1533-1547.
Yoshida, Y., Y. Ota, N. Eguchi, N. Kikuchi, K. Nobuta, H. Tran, I. Morino, and T. Yokota, 2011. Retrieval algorithm for $CO_{2}$ and CH 4 column abundances from short-wavelength infrared spectral observations by the Greenhouse Gases Observing Satellite. Atmospheric Measurement Techniques, 4: 717-734.
Zhang, L., H. Jiang, and X. Zhang, 2015. Comparison analysis of the global carbon dioxide concentration column derived from SCIAMACHY, AIRS, and GOSAT with surface station measurements. International Journal of Remote Sensing, 36: 1406-1423.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.