한반도 에어로졸 라이다 네트워크(KALION)의 에어로졸 유형 구분 및 질량 농도 산출 알고리즘 The KALION Automated Aerosol Type Classification and Mass Concentration Calculation Algorithm원문보기
한반도 에어로졸라이다 관측 네트워크(Korea Aerosol Lidar Observation Network; KALION)의 라이다 관측자료 처리 및 실시간 표출을 위한 표준 알고리즘을 개발하였다. KALION 표준 알고리즘은 라이다 관측으로부터 얻어진 후방산란강도와 편광소멸도 자료를 이용하여 (1) 에어로졸과 구름 구분, (2) 에어로졸 유형 구분, (3) 에어로졸 소산계수 그리고 (4) 에어로졸 질량농도를 산출하는 단계로 구성이 되어 있다. 에어로졸의 유형은 후방산란강도와 편광소멸도 자료에 근거하여, (대륙 기원) 청정기단 에어로졸(clean continental aerosol), 황사(dust aerosol) 그리고 오염 입자(polluted continental/urban pollution aerosol)로 구별된다. 에어로졸 소산계수에 필요한 라이다 상수는 약 9년간의 라이다와 스카이 라디오미터 자료로부터 도출된 63.31 sr을, 에어로졸 질량소산효율은 약 9년간의 라이다와 기상청 Particulate Matter($PM_{10}$) 질량농도 자료를 이용하여 도출된 $3.36m^2\;g^{-1}$ (황사는 $1.39m^2\;g^{-1}$)을 적용한다. 2015년 3월 28일부터 30일까지 라이다 관측 사례(서울 관악)에서 KALION 표준 알고리즘을 통해 산출된 에어로졸 유형 구분, 특히 황사 판별 결과는 기상청의 황사 보고와 잘 일치하였으며, 2006년 6월부터 약 9년 동안의 라이다 관측자료로부터 산출된 에어로졸 질량농도 역시 지상 $PM_{10}$ 농도와 약 $3{\mu}g\;m^{-3}$ 내에서 잘 일치하였다. 향후 에어로졸의 유형에 따른 서로 다른 라이다 상수 및 에어로졸 질량소산효율 적용 알고리즘, 빙정 구름(ice cloud)과 물방울 구름(water droplet cloud) 구분 알고리즘, 그리고 운저 고도와 혼합고 판별 알고리즘을 개발할 계획에 있다.
한반도 에어로졸 라이다 관측 네트워크(Korea Aerosol Lidar Observation Network; KALION)의 라이다 관측자료 처리 및 실시간 표출을 위한 표준 알고리즘을 개발하였다. KALION 표준 알고리즘은 라이다 관측으로부터 얻어진 후방산란강도와 편광소멸도 자료를 이용하여 (1) 에어로졸과 구름 구분, (2) 에어로졸 유형 구분, (3) 에어로졸 소산계수 그리고 (4) 에어로졸 질량농도를 산출하는 단계로 구성이 되어 있다. 에어로졸의 유형은 후방산란강도와 편광소멸도 자료에 근거하여, (대륙 기원) 청정기단 에어로졸(clean continental aerosol), 황사(dust aerosol) 그리고 오염 입자(polluted continental/urban pollution aerosol)로 구별된다. 에어로졸 소산계수에 필요한 라이다 상수는 약 9년간의 라이다와 스카이 라디오미터 자료로부터 도출된 63.31 sr을, 에어로졸 질량소산효율은 약 9년간의 라이다와 기상청 Particulate Matter($PM_{10}$) 질량농도 자료를 이용하여 도출된 $3.36m^2\;g^{-1}$ (황사는 $1.39m^2\;g^{-1}$)을 적용한다. 2015년 3월 28일부터 30일까지 라이다 관측 사례(서울 관악)에서 KALION 표준 알고리즘을 통해 산출된 에어로졸 유형 구분, 특히 황사 판별 결과는 기상청의 황사 보고와 잘 일치하였으며, 2006년 6월부터 약 9년 동안의 라이다 관측자료로부터 산출된 에어로졸 질량농도 역시 지상 $PM_{10}$ 농도와 약 $3{\mu}g\;m^{-3}$ 내에서 잘 일치하였다. 향후 에어로졸의 유형에 따른 서로 다른 라이다 상수 및 에어로졸 질량소산효율 적용 알고리즘, 빙정 구름(ice cloud)과 물방울 구름(water droplet cloud) 구분 알고리즘, 그리고 운저 고도와 혼합고 판별 알고리즘을 개발할 계획에 있다.
Descriptions are provided of the automated aerosol-type classification and mass concentration calculation algorithm for real-time data processing and aerosol products in Korea Aerosol Lidar Observation Network (KALION, http://www.kalion.kr). The KALION algorithm provides aerosol-cloud classification...
Descriptions are provided of the automated aerosol-type classification and mass concentration calculation algorithm for real-time data processing and aerosol products in Korea Aerosol Lidar Observation Network (KALION, http://www.kalion.kr). The KALION algorithm provides aerosol-cloud classification and three aerosol types (clean continental, dust, and polluted continental/urban pollution aerosols). It also generates vertically resolved distributions of aerosol extinction coefficient and mass concentration. An extinction-to-backscatter ratio (lidar ratio) of 63.31 sr and aerosol mass extinction efficiency of $3.36m^2g^{-1}$ ($1.39m^2g^{-1}$ for dust), determined from co-located sky radiometer and $PM_{10}$ mass concentration measurements in Seoul from June 2006 to December 2015, are deployed in the algorithm. To assess the robustness of the algorithm, we investigate the pollution and dust events in Seoul on 28-30 March, 2015. The aerosol-type identification, especially for dust particles, is agreed with the official Asian dust report by Korean Meteorological Administration. The lidar-derived mass concentrations also well match with $PM_{10}$ mass concentrations. Mean bias difference between $PM_{10}$ and lidar-derived mass concentrations estimated from June 2006 to December 2015 in Seoul is about $3{\mu}g\;m^{-3}$. Lidar ratio and aerosol mass extinction efficiency for each aerosol types will be developed and implemented into the KALION algorithm. More products, such as ice and water-droplet cloud discrimination, cloud base height, and boundary layer height will be produced by the KALION algorithm.
Descriptions are provided of the automated aerosol-type classification and mass concentration calculation algorithm for real-time data processing and aerosol products in Korea Aerosol Lidar Observation Network (KALION, http://www.kalion.kr). The KALION algorithm provides aerosol-cloud classification and three aerosol types (clean continental, dust, and polluted continental/urban pollution aerosols). It also generates vertically resolved distributions of aerosol extinction coefficient and mass concentration. An extinction-to-backscatter ratio (lidar ratio) of 63.31 sr and aerosol mass extinction efficiency of $3.36m^2g^{-1}$ ($1.39m^2g^{-1}$ for dust), determined from co-located sky radiometer and $PM_{10}$ mass concentration measurements in Seoul from June 2006 to December 2015, are deployed in the algorithm. To assess the robustness of the algorithm, we investigate the pollution and dust events in Seoul on 28-30 March, 2015. The aerosol-type identification, especially for dust particles, is agreed with the official Asian dust report by Korean Meteorological Administration. The lidar-derived mass concentrations also well match with $PM_{10}$ mass concentrations. Mean bias difference between $PM_{10}$ and lidar-derived mass concentrations estimated from June 2006 to December 2015 in Seoul is about $3{\mu}g\;m^{-3}$. Lidar ratio and aerosol mass extinction efficiency for each aerosol types will be developed and implemented into the KALION algorithm. More products, such as ice and water-droplet cloud discrimination, cloud base height, and boundary layer height will be produced by the KALION algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 KALION의 라이다 관측 자료 해석 및 처리를 위해 개발된 표준 알고리즘을 소개하고자 한다. KALION 표준 알고리즘은 구름과 에어로졸 구분, 에어로졸 유형 구분, 그리고 에어로졸 소산계수 및 질량농도 산출 과정으로 구성되어 있으며, 상세한 방법론은 4장에 기술되어 있다.
제안 방법
구름이 존재하면 발사한 빛이 소산되어 구름 층 위로는 신호 대 잡음비(Signal-to-Noise Ratio, SNR)가 작아지게 되어 정확한 계산을 수행할 수 없기 때문에 고도에 따른 구름과 에어로졸의 구별 결과를 활용하여 에어로졸 소산계수를 산출한다. 에어로졸이 거의 없다고 가정 하고 에어로졸 소산계수 산출을 시작하는 기준고도 (reference altitude, Zref)에 구름이 존재하는 경우 에어로졸 소산계수를 산출할 수 없다(Klett, 1981; Fernald, 1984).
대기 투과도는 공기 분자와 에어로졸에 의한 소산계수(extinction coefficient, σ)로 구분하여 나타내었다.
5와 같다. 라이다 기기 구조적 특성으로 인해 지표 부근의 일정 고도까지는 신호 감쇄가 발생하고, 기상청 PM10 관악산 지점의 경우 해발 622 m 에 위치하고 있어 본 연구에서는 라이다 소산계수를 지표면부터 고도 1 km까지 평균하여 사용하였다. 본 연구에서 산출된 질량소산효율은 약 3.
KALION 표준 알고리즘은 라이다 관측으로부터 얻어진 후방산란강도와 편광소멸도 자료를 이용하여 에어로졸과 구름을 우선 구별하고, 다음으로 에어로졸의 유형을 (대륙 기원) 청정기단 에어로졸 (clean continental aerosol), 황사(dust aerosol) 그리고 오염 입자(polluted continental/urban pollution aerosol)로 구별한다. 라이다 상수 63.31 sr과 에어로졸 질량소산 효율 3.36 m2 g-1 (황사는 1.39 m2 g-1 )을 각각 적용하여 에어로졸 소산계수와 질량농도를 산출한다.
에어로졸 소산계수 및 질량농도 산출을 위해 라이다로부터 관측된 후방산란강도 자료를 이용하여 에어로졸과 구름을 구분한다. 구름의 경우, 구름 층 내 높은 구름 입자 밀도로 인해 에어로졸 층에 비해 훨씬 큰 후방 산란강도(즉, 높은 구름 광학적 두께)가 나타나며, 구름 층 상부 대기의 경우 라이다에서 관측된 후방산란강도가 급격히 감소하여 0(zero)에 가까워지는 특성을 보인다.
KALION 표준 알고리즘에서는 에어로졸 유형을 후 방산란강도와 편광소멸도에 근거하여, (대륙 기원) 청정기단 에어로졸(clean continental aerosol), 황사(dust aerosol) 그리고 오염입자(polluted continental/urban pollution aerosol)로 구별하고 있다. 에어로졸 중에 후방산란강도와 편광소멸도가 매우 낮은 경우는 (대륙 기원) 청정기단 에어로졸(clean continental aerosol), 청정기단 에어로졸 보다 높은 후방산란강도를 보이는 에어로졸 중에 편광소멸도가 0.1 이상의 값을 보이는 에어로졸은 비구형성 입자가 많은 것으로 간주하여 황사(dust aerosol)로 구분하였다. 마지막으로 후방산란강도가 청정기단 에어로졸보다 크며, 편광소멸도가 0.
8은 서울 관악에서 관측된 라이다 자료(2006년 6월 - 2015년 12월)를 이용하여 산출한 에어로졸 질량 농도와 PM10 농도를 비교하여 그린 것이다. 여기서 관악산 지상 PM10 농도(관측 지점 해발 고도: 622 m)를 사용하였기에, 라이다 산출 에어로졸 질량농도를 각각 지표면부터 고도 1 km까지 평균한 에어로졸 질량농도 (Fig. 8a)와 지표면부터 혼합고(대기경계층 높이)까지 평 균된 에어로졸 질량농도(Fig. 8b)를 각각 비교하였다. Fig.
일반적으로 에어로졸 미산란 라이다 관측과 동일 지점에서 스카이 라디오미터(sky radiometer)를 통해 관측된 에어로졸 광학적 두께 자료가 존재하는 경우 임의의 라이다 상수를 가정, 반복(iteration) 계산 과정을 통해 라이다 상수를 결정한다(김만해 등, 2015). 즉, 소산계수의 적분을 통해 산출된 라이다 에어로졸 광학적 두께가 스카이 라디오미터 에어로졸 광학적 두께와 비교하여 그 차이가 일정 수준 이하가 될 때 까지 라이다 상수를 변경, 반복 계산하며, 결정된 라이다 상수를 이용하여 에어로졸 소산계수 연직 프로파일을 산출한다. 그러나, 스카이 라디오미터의 에어로졸 광학적 두께 자료는 주간에만 이용가능하며, 대부분의 라이다 관측지점에서 스카이 라디오미터 관측이 동시에 이루어지고 있지 않고 있다.
현재 KALION에서 운영 중인 에어로졸 미산란 라이다는 서로 다른 제작사에서 제작된 라이다 시스템으로 구성되어 있어 각 라이다마다 레이저 출력과 수신부의 민감도 차이가 존재하고 있다(상세 내용은 Supplement Table 1). 지표면 부근의 신호 감쇄를 보정하는 중첩보정계수(overlap correction factor) 또한 각 라이다 특성에 맞게 달리 적용할 필요가 있어 KALION 표준 알고리즘을 각 지역 라이다 관측 자료에 적합하도록 개선하였다.
대상 데이터
2015년 3월 구축된 한반도 에어로졸 라이다 네트워크(Korea Aerosol Lidar Observation Network; KALION)의 라이다 관측자료 처리 및 실시간 표출을 위한 표준 알고리즘을 개발하였다. KALION 표준 알고리즘은 라이다 관측으로부터 얻어진 후방산란강도와 편광소멸도 자료를 이용하여 에어로졸과 구름을 우선 구별하고, 다음으로 에어로졸의 유형을 (대륙 기원) 청정기단 에어로졸 (clean continental aerosol), 황사(dust aerosol) 그리고 오염 입자(polluted continental/urban pollution aerosol)로 구별한다.
에어로졸 질량농도는 에어로졸 소산계수와 에어로졸 단위 질량당 소산 면적을 의미하는 질량소산효율(Mass Extinction Efficiency, MEE)로부터 계산할 수 있다 (김만해 등, 2015). 에어로졸 질량소산효율은 앞서 설명한 라이다 상수 산출 과정과 유사하게, 2006년 6월부터 2015년 12월까지 산출된 라이다 소산계수 자료(서울 관악)와 기상청 PM10 자료(관악산)를 이용하여 산출하였으며, 그 결과는 Fig. 5와 같다. 라이다 기기 구조적 특성으로 인해 지표 부근의 일정 고도까지는 신호 감쇄가 발생하고, 기상청 PM10 관악산 지점의 경우 해발 622 m 에 위치하고 있어 본 연구에서는 라이다 소산계수를 지표면부터 고도 1 km까지 평균하여 사용하였다.
이에 2015년 3월 국내 9개 기관에서 개별 운영하는 10개 라이다 관측지점을 통합하는 ‘한반도 에어로졸 라이다 관측 네트워크(Korea Aerosol Lidar Observation Network; KALION)’가 구축되었다.
이론/모형
8b에서의 라이다 측정 자료로부터 혼합고 산출은 Kim et al.(2007b)이 제시한 방법으로 산출하였다. 비록 두 경우 모두 음의 편차 값을 보여 라이다 산출 에어로졸 질량농도가 지상 PM10 관측 자료에 비해 낮게 나타 났지만, 라이다 상수와 질량소산효율을 장기간 평균 값을 적용하여 계산하였음에도 편차 값이 크지 않았다 (약 3 μg m-3).
성능/효과
2015년 3월 28일부터 30일 사례에 대해 KALION 표준 알고리즘에 의한 에어로졸 유형 구분, 특히 황사 판별 결과는 기상청의 황사 보고와 잘 일치하였으며, 라이다 산출 질량농도와 기상청(관악) PM10 농도는 값뿐 만 아니라 시간에 따른 변화 경향도 잘 일치하였다. 또한, 2006년 6월부터 2015년 12월까지 약 9.
앞에서 언급하였듯이 3월 29일 00시부터 약 15시까지는 고도 2 km 이하에 구름이 존재하여 에어로졸 질량농도가 산출되지 않았다. 3월 29일 15시 이후 오염 물질 및 황사가 유입되면서(Fig. 6) 지상 PM10 농도가 높아진 시기에 KALION 표준 알고리즘으로 산출된 에어로졸 질량농도가 농도의 값뿐만 아니라 변화 경향까지 상당히 유사함을 확인할 수 있다.
6은 2015년 3월 28일부터 31일까지 서울(관악)지점 라이다로 관측된 자료를 KALION 표준 알고리즘을 통해 계산한 결과이다. 라이다 관측 자료 (후방산란강도와 편광소멸도)를 이용하여 에어로졸 유형을 구분한 결과, 상대적으로 후방산란강도가 작게 나오는 3월 28일에는 (대륙 기원) 청정기단 에어로졸(clean continental aerosol)로 구분되었고, 3월 29일 새벽부터 후방산란강도가 급격하게 증가한 고도 1 km 이하에 구름이 존재하는 것으로 판별되었다. 앞서 언급하였듯이 구름이 기준 고도 이하에 존재하는 경우 라이다 방정식을 통한 에어로졸 소산계수 산출이 불가능하기 때문에, KALION 표준 알고리즘에서는 고도 2 km 이내에 구름이 존재하는 3월 29일 오전 동안 에어로졸 소산계수 및 질량농도를 산출하지 않았다.
7의 기간에 대해 라이다 상수와 질량소산효율을 각각 10%와 20% 임의로 변화시켜 산출된 평균 에어로졸 질량농도와 변화율(%)을 정리하여 나타낸 것이다. 라이다 상수가 20% 줄어들 때 질량농도가 약 11% 줄어드는 것으로 나타났다. 이는 라이다 상수와 에어로졸 소산계수는 비례 관계에 있어, 라이다 상수가 작을수록 에어로졸 소산계수가 낮게 나오며, 결과적으로 동일한 질량소산효율을 적용하는 경우에어로졸 질량농도가 낮게 산출된 것이다.
1 이상의 값을 보이는 에어로졸은 비구형성 입자가 많은 것으로 간주하여 황사(dust aerosol)로 구분하였다. 마지막으로 후방산란강도가 청정기단 에어로졸보다 크며, 편광소멸도가 0.1 이하(즉, 구형의 입자가 우세하게 존재)의 에어로졸은 오염 입자(polluted continental/urban pollution aerosol)로 판별하였다. 라이다 관측자료로 부터 장거리 이동 되어온 오염물질 (continental pollution)과 국지 발생 오염물질(local urban pollution)을 실시간으로 구별할 수 없기에, 이를 오염 입자(polluted continental/urban pollution aerosol)로 통칭하였다.
마지막으로, 3월 30일 오후부터는 높은 편광소멸도(>0.15)를 보이는 에어로졸 층이 지표면부터 고도 약 1.5 km까지 관측되었으며, KALION 표준 알고리즘을 통해 황사(dust aerosol) 로 구분되었다.
이는 라이다 상수와 에어로졸 소산계수는 비례 관계에 있어, 라이다 상수가 작을수록 에어로졸 소산계수가 낮게 나오며, 결과적으로 동일한 질량소산효율을 적용하는 경우에어로졸 질량농도가 낮게 산출된 것이다. 반면, 질량소산효율이 20% 줄어들 때 에어로졸 질 량농도는 25% 증가하여 나타났다. 이는 에어로졸 질량 소산효율은 동일한 소산계수 조건하에서 에어로졸 질량농도와 반비례 관계에 있어 질량소산효율이 작을수록 산출된 에어로졸 질량농도가 크게 나타나기 때문이다.
비록 두 경우 모두 음의 편차 값을 보여 라이다 산출 에어로졸 질량농도가 지상 PM10 관측 자료에 비해 낮게 나타 났지만, 라이다 상수와 질량소산효율을 장기간 평균 값을 적용하여 계산하였음에도 편차 값이 크지 않았다 (약 3 μg m-3).
1a는 2006년 5월 16일부터 19일까지 서울(관악)에서 관측된 에어로졸의 후방산란강도를 나타낸 것이다. 지표에서부터 지상 1 km 내외까지 다소 높은 값의 후방산란강도를 보이는 에어로졸 층이 존재하며, 대기 경계층(또는 혼합고)의 일변화에 따라 대기경계층 아래 고도에서 에어로졸이 비교적 균일하게 분포함을 확인할 수 있다. 그리고, 5월 17일부터 고도 약 8 ~ 10 km 부근에 높은 후방산란강도를 보이는 층이 존재하는데 이는 대부분이 빙정으로 이루어진 구름이다(Fig.
후속연구
에어로졸 소산계수 및 질량농도를 산출하기 위해서 사용하는 라이다 상수와 질량소산효율이 에어로졸의 크기, 유형, 화학적 조성 등에 따라 달라지지만, 현재 KALION 표준 알고리즘은 상수 값을 적용하고 있다. 따라서 추후 에어로졸 화학 측정 자료와 in-situ 소산계 수 자료를 이용하여 에어로졸의 유형에 따른 이들 값을 결정하고, KALION 표준 알고리즘에 적용할 예정이다. 또한, 현재 표출하고 있는 다섯 가지의 정보(후방산란 강도, 편광소멸도, 에어로졸 유형, 에어로졸 소산계수, 에어로졸 질량농도) 이외에 알고리즘을 추가로 개발할 계획이다.
우선 구름을 빙정 구름(ice cloud)과 물방울 구름(water droplet cloud)으로 구분하고, 운저 고도(cloud base height)를 판별하는 알고리즘을 개발하여 실시간으로 표출할 계획에 있다. 또한 에어로졸의 유형을 세분화하여 황사가 국내로 유입될 때 대기오염물질과 황사 입자가 혼합된 경우 오염 황사(polluted dust)로 정의, 구분할 예정이다. 마지막으로 대기의 안정도 및 지상 에어로졸 질량농도에 큰 영향을 미치는 대기경계층 높이 (혼합고)를 판별하는 알고리즘을 추가해 실시간으로 대기경계층 높이를 표출할 예정이다.
따라서 추후 에어로졸 화학 측정 자료와 in-situ 소산계 수 자료를 이용하여 에어로졸의 유형에 따른 이들 값을 결정하고, KALION 표준 알고리즘에 적용할 예정이다. 또한, 현재 표출하고 있는 다섯 가지의 정보(후방산란 강도, 편광소멸도, 에어로졸 유형, 에어로졸 소산계수, 에어로졸 질량농도) 이외에 알고리즘을 추가로 개발할 계획이다. 우선 구름을 빙정 구름(ice cloud)과 물방울 구름(water droplet cloud)으로 구분하고, 운저 고도(cloud base height)를 판별하는 알고리즘을 개발하여 실시간으로 표출할 계획에 있다.
또한 에어로졸의 유형을 세분화하여 황사가 국내로 유입될 때 대기오염물질과 황사 입자가 혼합된 경우 오염 황사(polluted dust)로 정의, 구분할 예정이다. 마지막으로 대기의 안정도 및 지상 에어로졸 질량농도에 큰 영향을 미치는 대기경계층 높이 (혼합고)를 판별하는 알고리즘을 추가해 실시간으로 대기경계층 높이를 표출할 예정이다.
또한, 현재 표출하고 있는 다섯 가지의 정보(후방산란 강도, 편광소멸도, 에어로졸 유형, 에어로졸 소산계수, 에어로졸 질량농도) 이외에 알고리즘을 추가로 개발할 계획이다. 우선 구름을 빙정 구름(ice cloud)과 물방울 구름(water droplet cloud)으로 구분하고, 운저 고도(cloud base height)를 판별하는 알고리즘을 개발하여 실시간으로 표출할 계획에 있다. 또한 에어로졸의 유형을 세분화하여 황사가 국내로 유입될 때 대기오염물질과 황사 입자가 혼합된 경우 오염 황사(polluted dust)로 정의, 구분할 예정이다.
현재 운영 중인 KALION 자료들은 황사나 대기질 예보(대기화학수송) 모델의 입력 및 검증 자료로 활용될 수 있을 뿐만 아니라, 전국에 분포하는 선포토미터(sun photometer), 운고계(ceilometer) 등을 모두 취합하면 한반도 상의 구름 및 에어로졸의 광학·물리적 특성 및 이동 특성을 입체적으로 파악할 수 있고 이를 통해 대기질 감시 및 에어로졸 기후효과 연구 활용에 기여할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
대기 기주에 존재하는 미세먼지와 황사의 연직 분포나 광학적·물리적 특성을 파악하기위해 어떠한 기법과 자료들이 활용되는가?
, 2010b). 이러한 대기 기주에 존재하는 미세먼지와 황사의 연직 분포나 광학적·물리적 특성을 파악하기 위하여 라이다(Light Detection and Ranging: Lidar)와 스카이라디오미터(sky radiometer) 같은 지상원격탐사기법을 활용한 관측자료뿐만 아니라 위성 원격탐사 자료들이 광범위하게 사용되고 있다.
라이다는 어떠한 장점이 있는가?
현재 라이다는 대기 중 에어로졸의 연직 분포를 실시간으로 파악할 수 있는 장점이 있어 폭 넓게 사용되고 있으며, 에어로졸 연직 분포의 시공간 변화를 입체적으로 이해하기 위해서 국외의 경우 Micro-Pulse Lidar Network(MPL-NET), Asian dust and aerosol lidar observation network(AD-NET), European Aerosol Lidar Network (EARNET) 등 다수의 라이다 네트워크가 구축, 운영되고 있다(Murayama et al., 2001; Campbell et al.
KALION의 라이다 관측 자료 해석 및 처리를 위해 개발된 표준 알고리즘은 무엇들로 구성되는가?
본 논문에서는 KALION의 라이다 관측 자료 해석 및 처리를 위해 개발된 표준 알고리즘을 소개하고자 한다. KALION 표준 알고리즘은 구름과 에어로졸 구분, 에어로졸 유형 구분, 그리고 에어로졸 소산계수 및 질량농도 산출 과정으로 구성되어 있으며, 상세한 방법론은 4장에 기술되어 있다. 5장과 6장에는 KALION 표준 알 고리즘을 통해 산출된 결과 및 향후 계획이 제시되어 있다.
참고문헌 (16)
Cattrall, C., J. Reagan, K. Thome, and O. Dubovik, 2005. Variability of aerosol and spectral lidar and backscatter and extinction ratios key aerosol types derived from selected Aerosol Robotic Network locations, Journal of Geophysical Research, 110(D10S11), doi:10.1029/2004JD005124.
Campbell, J. R., D. L. Hlavka, E. J. Welton, C. J. Flynn, D. D. Turner, J. D. Spinhirne, V. S. Scott, and I. H. Hwang, 2002. Full-time, Eye-Safe Cloud and Aerosol Lidar Observation at Atmospheric Radiation Measurement Program Sites: Instrument and Data Processing, Journal of Atmospheric Oceanic Technology, 19: 431-442.
Chen, W.-N., C.-W. Chiang, and J.-B. Nee, 2002. Lidar ratio and depolarization ratio for cirrus clouds, Applied Optics, 41(30): 6470-6476.
Kim, J. Y., Y. S. Ghim, C. H. Song, S.-C. Yoon, and J. S. Han, 2007a. Seasonal characteristics of air masses arriving at Gosan, Korea, using fine particle measurements between November 2001 and August 2003, Journal of Geophysical Research, 112(D07202), doi:10.1029/2005JD006946.
Kim, M.-H., H. Yeo, N. Sugimoto, H.-C. Lim, C.-K. Lee, B.-H. Heo, Y.-S. Yu, B.-J. Sohn, S.-C. Yoon, and S.-W. Kim, 2015. Estimation of particle mass concentration from lidar measurement, Atmosphere, 25(1): 169-177. (In Korean with English abstract)
Kim, S.-W., S.-C. Yoon, J.-G. Won, and S.-C. Choi, 2007b. Ground-based remote sensing measurements of aerosol and ozone in an urban area: A case study of mixing height evolution and its effect on ground-level ozone concentrations, Atmospheric Environment, 41: 7069-7081.
Kim, S.-W., S.-C. Yoon, J. Kim, J.-Y. Kang, and N. Sugimoto, 2010a. Asian dust event observed in Seoul, Korea, during 29-31 May 2008: Analysis of transport and vertical distribution of dust particles from lidar and surface measurements, Science of the Total Environment, 408: 1707-1718.
Kim, S.-W., I.-J. Choi, and S.-C. Yoon, 2010b. A multiyear analysis of clear-sky aerosol optical properties and direct radiative forcing at Gosan, Korea (2001-2008), Atmospheric Research, 95: 279-287.
Murayama, T., N. Sugimoto, I. Uno, K. Kinoshita, K. Aoki, N. Hagiwara, Z. Liu, I. Matsui, T. Sakai, T. Shibata, K. Arao, B.-J. Sohn, J.-G. Won, S.-C. Yoon, T. Li, J. Zhou, H. Hu, M. Abo, K. Iokibe, R. Koga, Y. Iwasaka, 2001. Groundbased network observation of Asian dust events of April 1998 in East Asia, Journal of Geophysical Research, 106: 18345-18359.
Nemuc, A., J. Vasilescu, C. Talianu, L. Belegante, and D. Nicolae, 2013. Assessment of aerosol's mass concentrations from measured linear particle depolarization ratio (vertically resolved) and simulations, Atmospheric Measurement Techniques, 6: 3243-3255.
Noh, Y. M., D. Mullera, D. H. Shin, H, Lee, J. S. Jung, K. H. Lee, M. Cribb, Z. Li, and Y. J. Kim, 2009. Optical and microphysical properties of severe haze and smoke aerosol measured by integrated remote sensing techniques in Gwangju, Korea, Atmospheric Environment, 43: 879-888.
Omar, A. H., D. M. Winker, C. Kittaka, M. A. Vaughan, Z. Liu, Y. Hu, C. R. Trepte, R. R. Rogers, R. A. Ferrare, K.-P. Lee, R. E. Kuehn, and C. A. Hostetler, 2009. The CALIPSO automated aerosol classification and lidar ratio selection algorithm, Journal of Atmospheric and Oceanic Technology, 26: 1994-2014.
Park, R. J. and S.-W. Kim, 2014. Air quality modeling in East Asia: Present issues and future directions, Asia-Pacific Journal of Atmospheric Sciences, 50(1): 105-120.
Won, J.-G., S.-C. Yoon, and S.-W. Kim, 2004. Estimation of direct radiative forcing of Asian dust aerosols with sun/sky radiometer and lidar measurements at Gosan, Korea, Journal of the Meteorological Society of Japan, 82(1): 115-130.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.