[논문]중규모 수치모델 WRF를 이용한 강원 지방 하층 풍속 예측 평가

서범근; 변재영; 임윤진; 최병철

doi:10.5467/jkess.2015.36.2.158

중규모 수치모델 WRF를 이용한 강원 지방 하층 풍속 예측 평가
Evaluation of Surface Wind Forecast over the Gangwon Province using the Mesoscale WRF Model 원문보기

한국지구과학회지 = Journal of the Korean Earth Science Society, v.36 no.2, 2015년, pp.158 - 170

서범근 (국립기상과학원 응용기상연구과) , 변재영 (국립기상과학원 지구환경시스템연구과) , 임윤진 (국립기상과학원 응용기상연구과) , 최병철 (국립기상과학원 관측예보연구과)

초록
AI-Helper

큰 에디 모의과정을 포함한 WRF 모델 (WRF-LES)을 이용하여 수치모델의 수평공간 규모에 따른 대기경계층 모수화 실험과 LES 모의 결과를 지표층 근처의 풍속 예측에 대하여 비교하였다. 수치실험은 복잡한 산악지형과 해안지역을 포함하는 강원도 지역에서 수평해상도 1 km와 333 m 실험을 수행하였다. 수평해상도 1 km 실험은 대기경계층 모수화 방안을 채택하였으며, 333 m 실험에서는 LES를 이용하였다. 복잡한 산악지역에서의 풍속 예측의 정확성은 수평해상도 1 km 실험 보다 333 m 실험에서 향상되었으며 해안지역에서는 1 km 실험에서 관측과 더 일치하였다. 지표층 근처의 큰 난류를 직접 계산하는 LES 실험은 산악지역의 풍속예측 개선에 기여하였다.

Abstract ▼ AI-Helper

This study evaluates the wind speed forecast near the surface layer using the Weather Research Forecasting with Large Eddy Simulation (WRF-LES) model in order to compare the planetary boundary layer (PBL) parameterization with the LES model in terms of different spatial resolution. A numerical simulation is conducted with 1-km and 333-m horizontal resolution over the Gangwon Province including complex mountains and coastal region. The numerical experiments with 1-km and 333-m horizontal resolution employ PBL parameterization and LES, respectively. The wind speed forecast in mountainous region shows a better forecast performance in 333-m experiment than in 1-km, while wind speed in coastal region is similar to the observation in 1-km spatial resolution experiment. Therefore, LES experiment, which directly simulates the turbulence process near the surface layer, contributes to more accurate forecast of surface wind speed in mountainous regions.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

또한, 지역에 따라서는 모수화 방안에 의해서만 우수한 정확도의 지표층 풍속 예측이 가능하다고 사료된다. 그러므로, 효율적인 수치 모델 운영을 위하여 지역별로 모델 해상도에 따라 대기경계층 모수화 방안과 LES을 이용하여 하층 풍속을 모의하고 평가하고자 한다.
대관령의 하층풍속에 대하여 수치모델의 모의 능력을 평가하기 위해서 지상 80 m의 수치모델의 해상도별 자료와 집중관측 자료를 서로 비교 및 검증하고자 한다. 관측자료는 라디오존데가 고도 별로 풍향, 풍속을 측정하므로 80 m 높이에 대한 자료를 산출할 수 있다.
우리나라에서 강원도지역은 산악과 해안지역이 있으므로 지형구조가 다양하고 복잡하여 풍속은 지역별로 차이를 보인다. 본 연구는 강원도 지역을 대상으로 지형구조에 따른 예측정확도의 차이가 모델의 수평해상도에 따라 달라지는 것인지를 확인하기 위해서 수치모델을 이용하여 수평해상도 1 km와 333 m으로 예보 모의 조건을 각각 구성하고 하층 풍속을 평가하였다. 검증은 수평해상도별로 지역에 따라 강원도 산악지역에 위치한 풍력발전단지에서 집중 관측한 풍속자료와 그 주변 기상관측소들의 바람자료를 활용하여 지역별로 구분하여 비교 및 평가한다.
우리나라 강원도 지역은 지형구조가 다양하고 복잡하므로 하층 풍속의 예측이 어렵다. 본 연구에서는 산지, 해안 등 다양한 지형구조를 갖는 강원도 일부 지역을 대상으로 해상도를 1 km와 333 m조건으로 각각 적용한 수치모델 실험을 이용하여 수평 해상도와 경계층 모수화 개선에 따른 하층 풍속의 예측 정확도를 평가하고자 한다.
본 연구에서 수평해상도 1 km 영역은 MellorYamada-Janjic (MYJ) (Mellor and Yamada, 1974; Janjic, 2002) 행성경계층(Planetary Boundary Layer, PBL) 모수화 방안을 사용한 실험(1 km 실험조건, 이하 Exp_1km로 표기)으로 예측자료를 생산하였으며, 333 m 영역은 LES을 적용한 실험(333 m 실험조건, 이하 Exp_333m로 표기)으로 예측자료를 생산하였다. 여기서, 행성경계층 모수화 방안과 지면모델(Land Surface Model, LSM)은 Seo et al. (2010)에서 제시한 바와 같이 각각 MYJ와 RUC (Rapid Update Cycle; Smirnova et al, 2000)을 채택하면 풍속 예측 성능이 향상되었기 때문에 본 연구에서는 선행 연구 결과를 따른다. Exp_1km은 27-1 km 해상도 영역에 대하여 MYJ 방안을 사용하고 2-way 네스팅(nesting) 기법으로 모의하였으며, Exp_333m는 333 m 해상도 영역에 대하여 격자내에 난류를 모의할 수 있는 LES를 적용하고 Exp_1km에서 생산된 1 km 해상도 자료를 이용하는 1-way 네스팅 기법으로 모의하였다.

제안 방법

본 연구는 강원도 지역을 대상으로 지형구조에 따른 예측정확도의 차이가 모델의 수평해상도에 따라 달라지는 것인지를 확인하기 위해서 수치모델을 이용하여 수평해상도 1 km와 333 m으로 예보 모의 조건을 각각 구성하고 하층 풍속을 평가하였다. 검증은 수평해상도별로 지역에 따라 강원도 산악지역에 위치한 풍력발전단지에서 집중 관측한 풍속자료와 그 주변 기상관측소들의 바람자료를 활용하여 지역별로 구분하여 비교 및 평가한다.
관측 수행 기간은 2010년 10월 08일 00 UTC부터 2010년 10월 21일 00 UTC까지이다. 관측주기는 6시간 간격으로 00, 06, 12, 18 UTC (09 15 21 03 LST)로 1일 4회 실시하였다. 관측요소는 풍향, 풍속, 온도, 기압, 상대습도이며, 연구에 활용한 자료는 Table 2에서 제시하였다.
그리고 Exp_333m가 앞에서 언급한 풍력에너지 발전과 관련된 풍속 구간인 3-12 m s−1에서 Exp_1km보다 관측과 유사한 풍속 별 빈도로 예측하였다.
넓은 영역의 하층풍속 평가는 집중관측지점 주변의 여러 자동기상관측 지점들을 내륙 산간지역에 위치한 지점들과 연안에 인접하고 완만한 지역에 위치한 지점들을 A그룹 지역과 B그룹 지역으로 구분한 후 Exp_1km와 Exp_333m 별로 각각 비교하였다. 각 지점별로 관측과 예측된 풍속 오차는 1 km에서 333 m로 해상도가 증가하면서 A, B그룹에 대하여 모두 감소하였다.
Exp_1km은 27-1 km 해상도 영역에 대하여 MYJ 방안을 사용하고 2-way 네스팅(nesting) 기법으로 모의하였으며, Exp_333m는 333 m 해상도 영역에 대하여 격자내에 난류를 모의할 수 있는 LES를 적용하고 Exp_1km에서 생산된 1 km 해상도 자료를 이용하는 1-way 네스팅 기법으로 모의하였다. 본 실험에서 예보를 위한 모델운영은 1일 2회로 00 UTC와 12 UTC를 기준으로 24시간 예측자료를 생산한 뒤 모델의 spin-up을 고려하여 초기 12시간은 제외하고 나머지 12시간 예측자료만을 활용하였다. 활용된 예측자료의 기간은 2010년 10월 8일 00 UTC부터 2010년 10월 21일 00 UTC이다.
관측 지점들의 지점번호, 위도, 경도, 해수면고도 정보는 Table 3에 각각 기술하였다. 본 연구에서는 자동기상관측지점들을 바다와 인접한 정도와 지형구조에 따라 내륙지점 (A그룹)과 해안지점 (B그룹)으로 구분하였다. Fig.
지표층 근처에서 조밀한 연직의 풍속 관측자료를 수집하기 위하여 라디오존데를 이용한 집중관측을 수행하였다. 관측 지점은 강원도 평창군 대관령면에 위치한 대관령 풍력발전단지 내의 지점(위도: 37.
집중관측 기간 동안의 날씨 변화 경향을 살펴보기 위해서 Fig. 3에서는 집중관측지점과 가장 가까운 자동기상관측지점인 대관령(AWS100)에서 관측된 기상 변수를 시계열과 집중관측의 라디오존데 자료로부터 1,000 m 이하에서 관측된 일별 풍향과 풍속 연직 분포를 제시하였다. 풍향은 동풍과 서풍이 주로 형성되었고, 풍속은 서풍일 때 강하게 나타났으며 평균 풍속은 약 2.

대상 데이터

지표층 근처에서 조밀한 연직의 풍속 관측자료를 수집하기 위하여 라디오존데를 이용한 집중관측을 수행하였다. 관측 지점은 강원도 평창군 대관령면에 위치한 대관령 풍력발전단지 내의 지점(위도: 37.7465^o, 경도: 128.7171^o)이다. 관측 수행 기간은 2010년 10월 08일 00 UTC부터 2010년 10월 21일 00 UTC까지이다.
관측주기는 6시간 간격으로 00, 06, 12, 18 UTC (09 15 21 03 LST)로 1일 4회 실시하였다. 관측요소는 풍향, 풍속, 온도, 기압, 상대습도이며, 연구에 활용한 자료는 Table 2에서 제시하였다.
대관령의 하층풍속에 대하여 수치모델의 모의 능력을 평가하기 위해서 지상 80 m의 수치모델의 해상도별 자료와 집중관측 자료를 서로 비교 및 검증하고자 한다. 관측자료는 라디오존데가 고도 별로 풍향, 풍속을 측정하므로 80 m 높이에 대한 자료를 산출할 수 있다. 수치모델은 연직층 별로 기상자료를 생산하므로 각 연직층의 자료들에서 80 m 높이에 대한 바람자료를 산출한다.
이 자료는 6시간 간격으로 생산되어 저장되고 있으며, 수평격자 간격은 약 100 km (1^o)이다. 모델 영역은 Fig. 1과 같이 수평 해상도를 27, 9, 3, 1 km, 333 m으로 구성하였다. 특히, 1 km 영역은 우리나라의 주변 바다와 육지, 제주도, 백령도 등을 포함하고 있으며, 333 m 해상도 영역은 본 연구에서 수행한 라디오 존데(Radiosonde) 집중 관측 지점이 포함된 강원도 지역이다.
특히, 1 km 영역은 우리나라의 주변 바다와 육지, 제주도, 백령도 등을 포함하고 있으며, 333 m 해상도 영역은 본 연구에서 수행한 라디오 존데(Radiosonde) 집중 관측 지점이 포함된 강원도 지역이다. 모델의 연직층은 총 28개로 구성하였다. 미세물리 모수화 과정은 WRF DoubleMoment 6 class (WDM6) 방안(Lim and Hong, 2010)이며, 적운 모수화 과정은 Kain-Fritsch 방안(Kain, 2004)이다.
본 연구에서 수평해상도 1 km 영역은 MellorYamada-Janjic (MYJ) (Mellor and Yamada, 1974; Janjic, 2002) 행성경계층(Planetary Boundary Layer, PBL) 모수화 방안을 사용한 실험(1 km 실험조건, 이하 Exp_1km로 표기)으로 예측자료를 생산하였으며, 333 m 영역은 LES을 적용한 실험(333 m 실험조건, 이하 Exp_333m로 표기)으로 예측자료를 생산하였다. 여기서, 행성경계층 모수화 방안과 지면모델(Land Surface Model, LSM)은 Seo et al.
수치모델의 모의조건은 총 5개의 도메인으로 구성하였으며 우리나라의 모든 영역은 1 km 해상도로 설정하였고 연구대상지역인 강원도 영역은 333 m 해상도로 설정하였다. 경계층 모수화 방안은 1 km 해상도 영역까지는 MYJ 모수화 방안을 사용하였으며, 333 m 해상도 영역은 난류를 모의할 수 있는 LES을 적용 하였다.
하층 풍속에 대한 정보는 지상관측과 원격탐사 관측 방법을 이용할 수 있다. 지상 관측은 풍속의 표준 관측고도인 10 m에서 바람을 관측한다. 그러나 풍력발전을 위한 터빈의 고도는 50 m 이상이므로 지상 10 m 바람을 직접 이용할 수는 없다.
모델의 설계조건은 Table 1과 같다. 초기입력자료와 경계자료는 NCEP FNL (National Centers for Environmental Prediction Final) 재분석자료이다. 이 자료는 6시간 간격으로 생산되어 저장되고 있으며, 수평격자 간격은 약 100 km (1^o)이다.
모의 기간은 2010년 10월 08일 00 UTC부터 2010년 10월 21일 00 UTC까지이다. 하층 풍속의 예측성능 비교와 검증은 대관령의 한 지점에서 라디오 존데를 이용하여 집중 관측한 80 m 풍속자료와 집중 관측지점 주변에 위치한 자동기상관측소의 10 m 풍속자료를 이용하였다. 실험기간 동안의 날씨는 강풍사례와 강수사례가 관측되었으며, 강풍사례일 때는 서풍이며 연직으로 지상 1000 m까지 강풍이 나타났다.

이론/모형

(2010)에서 제시한 바와 같이 각각 MYJ와 RUC (Rapid Update Cycle; Smirnova et al, 2000)을 채택하면 풍속 예측 성능이 향상되었기 때문에 본 연구에서는 선행 연구 결과를 따른다. Exp_1km은 27-1 km 해상도 영역에 대하여 MYJ 방안을 사용하고 2-way 네스팅(nesting) 기법으로 모의하였으며, Exp_333m는 333 m 해상도 영역에 대하여 격자내에 난류를 모의할 수 있는 LES를 적용하고 Exp_1km에서 생산된 1 km 해상도 자료를 이용하는 1-way 네스팅 기법으로 모의하였다. 본 실험에서 예보를 위한 모델운영은 1일 2회로 00 UTC와 12 UTC를 기준으로 24시간 예측자료를 생산한 뒤 모델의 spin-up을 고려하여 초기 12시간은 제외하고 나머지 12시간 예측자료만을 활용하였다.
수치모델의 모의조건은 총 5개의 도메인으로 구성하였으며 우리나라의 모든 영역은 1 km 해상도로 설정하였고 연구대상지역인 강원도 영역은 333 m 해상도로 설정하였다. 경계층 모수화 방안은 1 km 해상도 영역까지는 MYJ 모수화 방안을 사용하였으며, 333 m 해상도 영역은 난류를 모의할 수 있는 LES을 적용 하였다. 모의 기간은 2010년 10월 08일 00 UTC부터 2010년 10월 21일 00 UTC까지이다.
본 연구에서 사용한 수치모델은 미국 National Center for Atmospheric Research (NCAR)에서 개발한 WRF Version 3.2.1이다(Skamarock et al., 2008; Wang et al., 2010). 모델의 설계조건은 Table 1과 같다.
미세물리 모수화 과정은 WRF DoubleMoment 6 class (WDM6) 방안(Lim and Hong, 2010)이며, 적운 모수화 과정은 Kain-Fritsch 방안(Kain, 2004)이다. 장파복사 모수화 과정은 Rapid Radiative Transfer Model for GCM (RRTMg) 방안 (Iacono et al., 2008)이고, 단파복사 모수화 과정은 Goddard 방안(Chou and Suarez, 1994)으로 설정하였다.

성능/효과

8 m s−1 이상 강풍사례의 전체 빈도수는 관측과 Exp_1km에서 약 22%을 차지하였고, Exp_333m 에서는 18%의 분포로 관측과 해상도 별 실험 조건 간의 차이는 적었다.
A그룹에 대하여 관측은 1 m s−1 이하에서 발생한 풍속 빈도가 다른 풍속 구간보다 높았으며 풍속이 점차 강해지면서 빈도는 감소하였다.
넓은 영역의 하층풍속 평가는 집중관측지점 주변의 여러 자동기상관측 지점들을 내륙 산간지역에 위치한 지점들과 연안에 인접하고 완만한 지역에 위치한 지점들을 A그룹 지역과 B그룹 지역으로 구분한 후 Exp_1km와 Exp_333m 별로 각각 비교하였다. 각 지점별로 관측과 예측된 풍속 오차는 1 km에서 333 m로 해상도가 증가하면서 A, B그룹에 대하여 모두 감소하였다. A그룹은 내륙지점이면서 복잡한 산악지역이므로 A그룹의 풍속 오차가 B그룹의 오차보다 높은 것으로 판단된다.
관측된 풍속은 2-3 m s−1 구간과 4-5 m s−1 구간에서 각각 8 %로 가장 빈번하게 발생하였다.
그러나 풍속이 7m s−1이상의 강풍사례에서 모델은 과소예보 되었고 수평해상도가 1 km에서 333 m로 증가하면서 관측과의 오차는 감소하였다.
따라서 본 연구에서는 풍속이 4m s−1 이상에서 2-4시간 이내에 풍속차이가 약 2배 이상 차이가 날 경우에 Ramp 현상이라고 판단한다.
특히, A그룹에서 Exp_333m에서 Exp_1km보다 RMSE가 최대 1/3로 감소하는 개선 효과를 보였다. 또한 풍속 별 빈도 분포에서 A그룹에서는 Exp_333m가 Exp_1km보다 관측과 유사한 빈도수를 나타냈으며 B그룹에서는 Exp_1km에서 예측된 풍속 별 빈도수는 Exp_333m보다 관측과 유사하였다.
추후에는 Ramp 현상에 대해 정확한 예측를 위해서는 정확도가 높은 초기경계자료를 모델에 활용하고 모의 영역에 대한 Wind Profiler, Radio Sonde등의 종관 관측자료와 예측 지점에 대한 Wind LIDAR등의 지점 관측자료를 모델에 자료동화 하는 방안으로 예측 능력을 향상하기 위한 개선연구가 필요하다. 모의된 풍속과 관측간의 선형 회귀분석 결과는 해상도가 증가하면서 선형회귀선의 기울기가 0.748에서 0.810로 증가하였고 y절편도 0.943에서 0.399으로 감소하여 상관관계가 증가하였다. 이러한 결과는 풍력에너지 발전량에 영향을 주는 풍속 세기 이상에서 Exp_333m일 때 예보 능력이 향상 되었음을 알 수 있다.
A그룹의 지점들은 동해 지점의 Bias 변화를 제외한 B그룹의 관측지점들보다 더 큰 폭으로 오차가 감소하였다. 수치모델의 수평해상도가 1 km에서 333 m로 증가하면서 모델 지형 조건이 복잡한 산악지역을 더욱 상세하게 반영하고 대기경계층 모수화 대신 LES를 적용하여 지상 10 m 바람이 지형에 의한 풍속 감소, 풍향 변화 등이 현실성 있게 모의되므로 오차가 감소한 것으로 판단된다. Exp_1km에 대하여 B그룹의 RMSE는 1.
수치모델의 풍속은 8m s−1 이상 강풍사례에서 과소예보가 되었으며 이시기에는 해상도 조건이 1 km에서 333 m로 증가하면서 관측과의 오차는 감소하였다.
6은 Table 3에서 제시된 A그룹(내륙)과 B그룹(해안)으로 구분된 자동기상관측소 지점 별로 해상도에 대한 Exp_1km과 Exp_333m 조건에서 지상 10 m 높이 풍속의 예측오차이다. 수평해상도가 1 km에서 333 m로 높아지면서 A그룹의 관측지점들에서 Bias는 51.9-83.9% 감소하고 RMSE도 13.1-43.5% 감소하였으며, B그룹의 지점들은 Bias가 24.3-94.7% 감소하였고 RMSE는 8.3-15.2% 감소하였다. A그룹의 지점들은 동해 지점의 Bias 변화를 제외한 B그룹의 관측지점들보다 더 큰 폭으로 오차가 감소하였다.
집중관측기간 동안에 Exp_1km와 Exp_333m별 예측된 풍속자료와 관측된 풍속의 선형 회귀분석을 각각 실시하면 Exp_333m가 대관령 집중관측에 대한 예측 성능이 향상되었음을 알 수 있다. 집중관측기간 동안에 Ramp 현상으로 최대풍속이 관측되었는데 수치모델에서는 관측보다 약 6시간 늦게 예측하여 수치모델이 풍속의 급변화를 예보하는 시간차이를 보였다. 풍속 별 빈도분포에서 Exp_333m가 관측과 Exp_1km에서 나타나지 않았던 1m s⁻¹ 이하 풍속을 모의하였지만 풍속이 5m s⁻¹이상으로 점차 강해지면서 관측의 풍속 별 빈도 분포의 차이는 감소하였다.
집중관측자료로부터 수치모델의 하층(지상 80 m 높이) 풍속 예측결과를 비교하면 관측된 평균풍속은 5.84 m s−1이고 예측된 Exp_1km와 Exp_333m의 평균 풍속은 각각 5.30, 5.13 m s−1였다.
A그룹은 내륙지점이면서 복잡한 산악지역이므로 A그룹의 풍속 오차가 B그룹의 오차보다 높은 것으로 판단된다. 특히, A그룹에서 Exp_333m에서 Exp_1km보다 RMSE가 최대 1/3로 감소하는 개선 효과를 보였다. 또한 풍속 별 빈도 분포에서 A그룹에서는 Exp_333m가 Exp_1km보다 관측과 유사한 빈도수를 나타냈으며 B그룹에서는 Exp_1km에서 예측된 풍속 별 빈도수는 Exp_333m보다 관측과 유사하였다.
풍속 별 빈도분포에서 Exp_333m가 관측과 Exp_1km에서 나타나지 않았던 1m s−1 이하 풍속을 모의하였지만 풍속이 5m s−1이상으로 점차 강해지면서 관측의 풍속 별 빈도 분포의 차이는 감소하였다.

후속연구

개선을 위한 방법 중 하나는 1 km 미만의 고해상도 자원지도 개발이다. 그러므로 본 연구 결과에 근거하여 복잡한 지형에서는 LES 모델을 활용하여 고해상도의 풍력기상자원지도 개발에 기여할 수 있을 것으로 사료된다. 또한 풍력발전 단지는 바람이 강한 산악지역 또는 해상풍이 강한 해상지역에 위치한다.
그러나 LES 모의는 많은 계산 시간이 소요되므로 풍속의 정확성은 향상될 수 있으나 풍속 예측의 실시간 정보 제공을 위해서는 비경제적이다. 또한, 지역에 따라서는 모수화 방안에 의해서만 우수한 정확도의 지표층 풍속 예측이 가능하다고 사료된다. 그러므로, 효율적인 수치 모델 운영을 위하여 지역별로 모델 해상도에 따라 대기경계층 모수화 방안과 LES을 이용하여 하층 풍속을 모의하고 평가하고자 한다.
이러한 차이는 시계열변화에서 알 수 있듯이 수치모델이 Ramp 현상을 정확한 시간에 예측하지 못하였기 때문이다. 추후에는 Ramp 현상에 대해 정확한 예측를 위해서는 정확도가 높은 초기경계자료를 모델에 활용하고 모의 영역에 대한 Wind Profiler, Radio Sonde등의 종관 관측자료와 예측 지점에 대한 Wind LIDAR등의 지점 관측자료를 모델에 자료동화 하는 방안으로 예측 능력을 향상하기 위한 개선연구가 필요하다. 모의된 풍속과 관측간의 선형 회귀분석 결과는 해상도가 증가하면서 선형회귀선의 기울기가 0.

질의응답

핵심어	질문	논문에서 추출한 답변
	지표층 풍속은 어떻게 활용할 수 있는가?	지표층 풍속은 지면 근처의 에어러졸 수송, 지면 토양 침식과 관련된 분석을 위한 자료제공과 대기-해양 또는 대기-지면의 상호 작용 연구에 활용될 수 있다(Halpern et al., 1994; Yin, 2000).
	고해상도의 수치모델의 단점은 무엇인가?	즉, 대기경계층 난류의 직접 계산이 가능하다. 그러나, 해상도 증가와 난류과정의 직접 계산은 방대한 전산자원이 소모되는 단점이 있다.
	대기경계층의 특징은 무엇인가?	대기경계층은 대기 오염을 비롯하여 인간 생활에 직접적인 영향을 미치는 공간이며 수치예보,기후 예측 등에도 결정적인 역할을 한다. 대기경계층의 예측에서 난류 재현은 가장 중요한 요소이며, 난류를 모의하기 위한 여러 방법이 있다.

참고문헌 (25)

Bykjedal, O., and Berge, E., 2009, The use of WRF for wind resource mapping in Norway. 9th WRF user's workshop, National center for atmospheric research, Boulder, CO, USA, 9-18.
Byon, J.-Y., Choi, Y.-J., and Seo, B.-K., 2009, Numerical simulation of local circulation over the Deachung lake area by using the mesoscale model. Journal of Korean Earth Science Society, 30(4), 464-477. (in Korean)

원문보기 상세보기
Byon, J.-Y., Kang, M.-S., and, Jung, H.-S., 2013, Evaluation of wind turbine efficiency of Haengwon wind farm in Jeju island based on Korean wind map. Journal of Korean Earth Science Society, 34(7), 633-633. (in Korean)

원문보기 상세보기
Chou, M.-D., and Suarez, M.J., 1994, An efficient thermal infrared radiation parameterization for use in general circulation model. National Aeronautics Space Administration Technical Memo.104606, 3, Greenbelt, MD, USA, 85 p.
Cultler, N., and Kay, M., 2007, Detecting, categorizing and forecasting large ramps in wind farm power output using meteorological observations and WPPT. Wind Energy, 10, 453-470.

상세보기
Halpern D., Hollingsworth, A., and Wentz, F., 1994, ECMWF and SSM/I global surface wind speed. Journal of Atmospheric and Oceanic Technology, 11, 779-788.
Ferreira, C., Game, J., Matias, L., Botterud, A., Wang, J., 2010, A survey on wind power ramp forecasting. Report ANL/DIS-10-13. Argonne National Laboratory, Chicago, IL, USA, 40 p.
Iacono, M.J., Delamere, J.S., Mlawer, E.J., Shephard, M.W., Clough, S.A., and Collins, W.D., 2008, Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models. Journal of Geophysical Research, 113, D13103, doi:10.1029/2008JD009944.

상세보기
IEA, 2013, Tracking clean energy progress 2013, Paris, France, 154p.
Janjic Z.I. 2002, Nonsingular implementation of Mellor-Yamada Level 2.5 scheme in the NCEP meso model. National Centers for Environment Prediction Office Note, 437, Greenbelt, MD, USA, 61 p.
Kain, J.S., 2004, The Kain-fritsch convective parameterization an update. Journal of Applied Meteorology, 43, 17-181.
Kim, H.J., and Noh Y., 1999, Simulation of convective boundary layer using a new large eddy simulation model with the analysis on the effects of subgrid parameterization. Journal of Korean Meteorological Society, 35(4), 587-598. (in Korean)
Lee, S.-H., 2011, A Numerical study on the characteristics of high resolution wind resource in mountainous areas using computational fluid dynamic analysis. Journal of Korean Earth Science Society, 32(1), 46-56. (in Korean)

원문보기 상세보기
Lim, K.-S.S., and Hong, S.-Y., 2010, Development of effective double-moment cloud microphysics scheme with prognostic cloud condensation nuclei (CCN) for weather and climate models. Monthly Weather Review, 138, 1587-1612.

상세보기
Liu, Y., Warner, T., Liu Y., Vincent C., Wu, Wanli, Mahoney, b., Swerdlin, S., Parks, K., and Boehnert, J., 2011, Simultaneous nested modeling from the synoptic scale to the LES scale for wind energy applications. Journal of Wind Engineering and Industrial Aerodynamics, 99, 308-319.

상세보기
Mellor, G.L., and Yamada, T., 1974, A hierarchy of turbulence closure models for planetary boundary layers. Journal of Atmospheric Science, 31, 1791-1806.
Moeng, C.-H., Dudhia, J., and Sullvian P. 2007, Examining two-way grid nesting for large eddy simulation of the PBL using the WRF model. Monthly Weather Review, 135, 2295-2311.

상세보기
Seo, B.-K., Byon, J.-Y., Choi, Y.-J., 2010, Sensitivity evaluation of wind fields in surface layer by WRF-PBL and LSM parameterizations. Atmosphere, 20(3), 219-332. (in Korean)
Skamarock, W.C., Klemp, J.B., Dudhia, J., Gill, D.O., Barker, D.M., Duda, M.G., Huang, X.-Y., Wang, W., Powers, J.G., 2008, A description of the advanced research WRF version 3. NCAR/TN-475+STR, National Center for Atmospheric Research, Bounder, CO, USA, 113 p.
Smirnova, T.G., Brown, J.M., Benjamin, S.G., and Kim, D.S., 2000, Parameterization of cold-season processes in the MAPS land-surface scheme. Journal of Geophysical Research, 105(D03), 4077-4086, doi:10.1029/1999JD901047.

상세보기
Talbot, C., Bouzeld, E. and Smith, J., Nested mesoscale large-eddy simulation with WRF: performance in real test cases. Journal of Hydrometeorology, 13, 1421-1441.
Wang, W., Bruyere, C., Duda, M., Dudhia, J., Gill, D., Lin, H.C. Michalakes, J., Rizvi, S. and Zhang X., 2010, Weather research & WRF ARW version 3 modeling system user's guide. National Center for Atmospheric Research, Boulder, CO, USA, 350 p.
Yang, Q., Berg, L.K., Pekour, M., Fast J.D., and Newsom R.K., 2013, Evaluation of WRF-predicted near-hubheight winds and ramp events over a pacific northwest site with complex terrain. American Meteorological Society, 52, 1753-1763.
Yim, S.H.L., Fung, J.C.H., Lau, A.K.H., and Kot, S.C., 2007, Developing a high-resolution wind map for a complex terrain with a coupled MM5/CALMET system. Journal of Geophysical Research. 112, D05106, doi:10.1029/2006JD007752.

상세보기
Yin, X., 2000, Surface wind speed over land: A global view. Journal of Applied Meteorology, 39, 1861-1865.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증