[논문]DRAGON-KORUS-AQ 기간 중 서해안 지역 에어로졸 광학 두께 고도별 PSCF 분석

오세호; 김준; 손장호; 배민석

doi:10.5572/kosae.2017.33.1.019

DRAGON-KORUS-AQ 기간 중 서해안 지역 에어로졸 광학 두께 고도별 PSCF 분석
Assessing the Altitudinal Potential Source Contribution Function of Aerosol Optical Depth in the West Coast of Korean Peninsula during the DRAGON-KORUS-AQ Campaign 원문보기

한국대기환경학회지 = Journal of Korean Society for Atmospheric Environment, v.33 no.1, 2017년, pp.19 - 30

오세호 (목포대학교 환경공학과) , 김준 (연세대학교 대기과학과) , 손장호 (동의대학교 환경공학과) , 배민석 (목포대학교 환경공학과)

Abstract ▼ AI-Helper

The altitudinal potential source contribution function (PSCFa) method was developed by considering topography and height of back trajectories. The PSCFa calculated on the contributions of trans-boundary transport to the hourly mean concentrations of aerosol optical depth (AOD) of the Aerosol Robotic Network (AERONET) in the Distributed Regional Aerosol Gridded Observation Networks (DRAGON) KORea-US Air Quality (KORUS-AQ) campaign from March 31 to July 1 in 2016. Eastern China ($33^{\circ}N{\sim}35^{\circ}N$ and $119^{\circ}E{\sim}121^{\circ}E$) can be the major source of trans-boundary pollution to the western area in South Korea resulted from PSCFa (0~700 m). In this study, AOD by Moderate Resolution Imaging Spectroradiometer (MODIS) was compared to verify the source regions. Regionally, the effects of the long-range transport of pollutants from the eastern China on air quality in south Korea have become more significant over this period.

주제어

AI 본문요약
AI-Helper

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

문제 정의

대체적으로 서울에 인접할수록, 서쪽으로 갈수록 높은 AOD가 나타나, 지역적 일차 오염물질 발생 및 중국으로부터 장거리 이동 에어로졸의 영향이 크다. 이에 본 연구에서는 중국으로부터 장거리 이동 에어로졸의 영향을 자세히 분석하고자, 서해안에 위치한 5곳 측정소(안면도, 백령도, 소청초, 목포대학교, 고산 측정소)를 선정하여 분석하였다. 그림 1(b)는 5곳 측정소의 상위 35% 높은 AOD 값에 대한 평균 농도를 원면적 및 색으로 나타내었다.
이에 본 연구에서는, 한반도 유입 에어로졸의 일차 및 이차오염 관련 에어로졸의 공간 발생 지역을 분석하기 위해서, (1) 우리나라 서해안에 위치한 5곳의 AERONET-AOD를 분석하고, (2) 고도를 고려한 입체지형 및 입체 역궤적 분석을 통해, (3) 서해상 대류권 내 공간격자 Potential Source Contribution Functionaltitudinal (PSCFa)을 분석하였다. (4) 마지막으로 이를 인공위성 MODIS-AOD와 비교 분석하였다.

가설 설정

Sunphotometer는 지상 관측에 의한 총 연직 AOD 값을 나타낸다. 이에, 본 연구에서 선행 연구 연직 분포 결과를 바탕으로 최대 3500 m 이하에서 에어로졸 이동이 수용지점에 대부분 영향을 미쳤을 것으로 가정하였다(Lee et al., 2013a, 2013b; Shin et al., 2012; Noh et al., 2011). 본 연구에서 사용한 PSCFa 모델은 기존 PSCF 모델에서 높이를 고려한 3차원 모델이다.

제안 방법

이에 본 연구에서는, 한반도 유입 에어로졸의 일차 및 이차오염 관련 에어로졸의 공간 발생 지역을 분석하기 위해서, (1) 우리나라 서해안에 위치한 5곳의 AERONET-AOD를 분석하고, (2) 고도를 고려한 입체지형 및 입체 역궤적 분석을 통해, (3) 서해상 대류권 내 공간격자 Potential Source Contribution Functionaltitudinal (PSCFa)을 분석하였다. (4) 마지막으로 이를 인공위성 MODIS-AOD와 비교 분석하였다.
이후 장거리 이동 오염원에 대한 통계적 유의성을 높이기 위해, Potential Source Contribution Function(PSCF) 모델이 사용되었다(Zeng and Hopke, 1989). PSCF 모델은 역궤적 모델 결과와 대기 중 오염물질의 측정값 중 고농도 측정값을 이용하여 오염물질의 발생지역 확률을 모사한다. 이와 유사한, 측정 농도에 로그를 적용한 Concentration Field Analysis (CPA) 모델(Weiss-Penzias et al.
그림 1에 서해상으로 유입되는 에어로졸의 공간 분포를 연구하기 위해, 공간격자 PSCFa 연구 방법을 나타냈다. 간략히, 4개 파트로 나누어 계산하였다. 첫째, 미국 지질조사국(U.
, 2010). 또한, 지상 AOD 연직분포(More et al., 2013) 관측으로부터 에어로졸의 광학 특성 및 복사 강제력과, 인공위성 관측 결과와 연계하여 대기 중 에어로졸의 종합적인 분포 특성을 분석하였다 (Kim et al., 2016a; Bibi et al., 2015).
셋째, 지역별 AERONET AOD 자료 중 서해안에 위치한 5개 측정소에서 관측한 상위 35% AOD를 분석하여, 최종적으로 높이별 PSCFa 결과를 도출하였다. 마지막으로 PSCFa 결과와 MODIS의 AOD 자료를 비교 분석하였다.
본 역궤적 분포는 (1) 지상(0m, 역궤적 지상 도달치 제외), (2) GTOPO30 지형을 고려한 최대 고도(3500 m), (3) 위도(30°N~45°N) 및 (4) 경도(110°E~135°E)를 경계 조건으로, (5) 해발 높이로 재 산정하여 최종 분석하였다.
본 연구에서 서해안지역 5개 측정지점에 대한 역궤적 공간 범위를 경도 110°~135°, 위도 30°~45° 및 높이 3500 m로 하여, 공간격자 1°×1° 내에서 높이 700 m 간격으로 PSCFa를 계산하였다.
사용된 기상자료는 1°의 위경도 해상도를 가진 Global Data Assimilation System 1 (GDAS1) 데이터를 이용하였다. 역궤적 모델 수행은 AERONET 측정위치 20곳에서, 지상으로부터 5곳 수용 높이(200 m, 400 m, 600 m, 800 m, 1000 m (Above Ground Level))로 1시간 간격, 120시간 역궤적으로 3월 31일부터 7월 1일까지 계산하였다. Sunphotometer는 지상 관측에 의한 총 연직 AOD 값을 나타낸다.
본 연구는 한반도 유입 에어로졸 공간 발생 지역을 분석하기 위해서, 2016년 DRAGON-KORUS-AQ 캠페인 기간 동안 중 3월 31일부터 7월 1일까지 측정된 AOD 자료를 이용하였다. 우리나라 서해안에 위치한 5곳의 AERONET AOD와 지형 및 역궤적 분석을 통해, 서해상 대류권 내 공간격자 Potential Source Contribution Function-altitudinal(PSCFa)을 분석하였다. PSCFa (0~700 m)의 경우, 중국 렌윈강시 주변에서 높은 값을 나타냈고, PSCFa (700~1400 m)의 경우, 중국 내륙 내 위도(33°N~37°N) 및 경도(115°E~120°E)의 광범위한 영역에서 상대적으로 높은 PSCFa 값을 나타냈으며, PSCFa (1400~2100m)의 경우, 위도(35°N) 및 경도(125°E)를 중심으로 한 서해안 대부분 영역에서 상대적으로 높은 PSCFa 값을 나타냈다.
즉, PSCFa 모델은 공기의 이동정보인 역궤적 정보와 수용점의 측정값을 이용하여 주된 오염원의 위치를 높이별 확률로 나타내는 배출원 확률 분포 모델이다. 이는 수용지점에서 측정된 결과값 중 고농도를 나타내는 시점에 대한 역궤적 자료와 고농도를 포함한 모든 측정 시점에 대한 역궤적 자료를 이용하여 공간격자에 누적시켜 계산하였다. PSCFa의 값은 식(1)을 따른다.
, 2013). 이를 극복하기 위해, 오래전부터 Moderate Resolution Imaging Spectroradiometer(MODIS), Multiangle Imaging Spectroradiometer(MISR), Ozone Monitoring Instrument(OMI), Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation (CALIPSO) 등의 인공위성 원격탐사로부터 광범위한 범위의 에어로졸 광학 두께(Aerosol Optical Depth, AOD) 및 물리화학적 특성을 관측하였다(Kahn et al., 2010). 또한, 지상 AOD 연직분포(More et al.
, 2017). 이에 미국 National Aeronautics and Space Administration(NASA)에서 2011년 Distributed Regional Aerosol Gridded Observation Networks (GRAGON) 캠페인을 기획하여, 전 세계 Aerosol Robotic Network (AERONET) 프로그램에 의해 우리나라에 다수의 Sunphotometer를 설치하여 측정하였다. 이는 위성산물과 화학수송모형자료의 고공간해상도 검증을 통해 이들 자료의 정확도를 높이고, in-situ 측정을 병행하여 이들 자료 간의 비교검증 및 캠페인을 통해 수집된 다양한 자료를 활용하여 에어로졸의 영향을 입체적으로 분석하였다(Kim et al.
3%가 분포되어, 분석 기간 중 위 두 공간에서 발생된 고농도 에어로졸이 측정소에 영향을 미쳤을 가능성은 상대적으로 적다. 이에, 공간 역궤적 분석 결과를 바탕으로 측정기간 중 수용 측정소에 유입된 전체 공기 궤적 중 고농도에 대해 발생지역을 분석하였다.
이에, 끌림 현상을 최소화하고자, 가중치(W_xyz)를 식 2와 같이 구한 후 PSCFa 결과에 적용하였다. 즉, 모든 역궤적으로부터 평균 공간격자 역궤적 개수(n_avg, 210개)를 기준에서부터 두 배인 420개를 최댓값으로, 가중치 0.150에서 1.000 값을 동배분하여 적용하였다.
간략히, 4개 파트로 나누어 계산하였다. 첫째, 미국 지질조사국(U.S. Geological Survey, USGS)으로부터 획득한 Global 30 Arc-Second Elevation (GTOPO30) 자료를 이용하여 고도를 고려한 지형데이터를 바탕으로, 둘째, 최대 높이 경계조건을 고려한 역궤적 공간 분석을 하였다. 셋째, 지역별 AERONET AOD 자료 중 서해안에 위치한 5개 측정소에서 관측한 상위 35% AOD를 분석하여, 최종적으로 높이별 PSCFa 결과를 도출하였다.

대상 데이터

0 원측정 데이터를 이용하여 구름 제거 등 자체 개발 알고리즘을 적용한 AOD를 분석하였다. 2016 12월 현재, 분석 대상 서해안지역 5곳 측정소 중 백령도 및 고산 측정소, 2곳의 Level 2.0 데이터만 공시되었다. 본 연구에서 사용된 백령도 및 고산 측정소의 Level 1.
PSCFa의 결과를 비교 분석하기 위해, 인공위성(Terra/Aqua) 관측에 대한 MODIS AOD를 그림 7에 나타냈다. MODIS는 서해안지역 5개의 AERONET 측정소 중 2개 이상 상위 35%를 나타내는 시점에 대해서, 공기 궤적의 이동시간을 고려한 46시간에서 50시간 이전의 한반도 주변지역 측정 자료를 이용하였다. 1시간 AERONET의 측정값에 대해 MODIS 관측값과 대응하여, 상위 35%에 대해서 총 128개(격자 평균 15개 파일)의 파일을 평균하여 0.
PSCF 모델에 사용된 기초 자료는 National Oceanic and Atmospheric Administration (NOAA)에서 제공하는 역궤적 모델 결과를 이용하였다(Stein et al., 2015). 사용된 기상자료는 1°의 위경도 해상도를 가진 Global Data Assimilation System 1 (GDAS1) 데이터를 이용하였다.
간략히, 본 연구에서 사용된 MODIS AOD 자료는 36개의 광학채널로 구성된 MODIS 센서의 L1B 자료로부터 0.66, 0.86, 0.47, 0.55, 1.24, 1.64, 2.12 μm의 총 7개 채널값이 사용되며, 후처리 및 알고리즘 적용을 통하여 산출된 Collection 6, Level 2 자료(코드명: Terra MOD04_3K, Aqua MYD04_3K)이다(Kim et al., 2016a).
본 연구는 한반도 유입 에어로졸 공간 발생 지역을 분석하기 위해서, 2016년 DRAGON-KORUS-AQ 캠페인 기간 동안 중 3월 31일부터 7월 1일까지 측정된 AOD 자료를 이용하였다. 우리나라 서해안에 위치한 5곳의 AERONET AOD와 지형 및 역궤적 분석을 통해, 서해상 대류권 내 공간격자 Potential Source Contribution Function-altitudinal(PSCFa)을 분석하였다.
본 연구에서 공간격자 PSCFa의 결과를 비교 분석하기 위해, NASA 인공위성(Terra / Aqua)에서 제공하는 MODIS를 이용하였다. 간략히, 본 연구에서 사용된 MODIS AOD 자료는 36개의 광학채널로 구성된 MODIS 센서의 L1B 자료로부터 0.
, 2011). 본 연구에서 사용한 PSCFa 모델은 기존 PSCF 모델에서 높이를 고려한 3차원 모델이다. 즉, PSCFa 모델은 공기의 이동정보인 역궤적 정보와 수용점의 측정값을 이용하여 주된 오염원의 위치를 높이별 확률로 나타내는 배출원 확률 분포 모델이다.
본 연구에서는 DRAGON-KORUS-AQ 캠페인 기간 중 3월 31일부터 7월 1일까지 측정된 AOD 자료를 이용하였다. 자료는 구름이 제거된 Level 1.
, 1998). 본 연구에서는 일차적으로 우리나라에서 관측된 AERONET AOD를 바탕으로, 이를 NASA Goddard Space Flight Center에서 재검증된 자료를 이용하였다(http://aeronet.gsfc.nasa.gov/). 참고로, 목포대학교 측정소의 sunphotometer에 대한 정보를 표 1에 나타내었다.
우리나라에서 관측된 AERONET AOD를 분석하고자, 그림 3(a)에 DRAGON-KORUS-AQ 캠페인 기간 중 평균 농도를 원 면적 비율과 함께 나타냈다. 본 측정소는 모두 전력 및 인터넷 등 지원이 용이하고 접근성이 좋은 환경부 산하 관측지점 및 전국 대학교들이 포함되었다. DRAGON-KORUS-AQ 캠페인 기간 중 관측한 20개 전체 측정소 평균은 0.
사용된 기상자료는 1°의 위경도 해상도를 가진 Global Data Assimilation System 1 (GDAS1) 데이터를 이용하였다.
우리나라 20개 측정소(연세대학교, 소청초, 서울대학교, 부산대학교, 울산과학기술원, 태화, 송촌, 올림픽공원, 국립환경과학원, 목포대학교, 경북대학교, 익산, 대관령, 백사, 한국외국어대학교, 광주과학기술원, 고산, 강릉원주대학교, 백령도, 안면도)에서 AOD 관측이 이루어졌으며, 이 중 중국으로부터 오염물질이 장거리 이동 시 직접적으로 영향을 받을 가능성이 있는 서해안지역(안면도(36.539°N, 126.330°E), 백령도(37.966°N, 124.630°E), 소청초(37.423°N, 124.738°E), 목포대학교(34.913°N, 126.437°E))과 제주도의 고산 측정소(33.292°N, 126.162°E), 총 5곳을 최종적으로 선택하여 분석하였다.
본 연구에서는 DRAGON-KORUS-AQ 캠페인 기간 중 3월 31일부터 7월 1일까지 측정된 AOD 자료를 이용하였다. 자료는 구름이 제거된 Level 1.5를 이용하였으며, AOD의 파장은 500 nm (소청초 측정소의 경우 490 nm)를 이용하였다. 우리나라 20개 측정소(연세대학교, 소청초, 서울대학교, 부산대학교, 울산과학기술원, 태화, 송촌, 올림픽공원, 국립환경과학원, 목포대학교, 경북대학교, 익산, 대관령, 백사, 한국외국어대학교, 광주과학기술원, 고산, 강릉원주대학교, 백령도, 안면도)에서 AOD 관측이 이루어졌으며, 이 중 중국으로부터 오염물질이 장거리 이동 시 직접적으로 영향을 받을 가능성이 있는 서해안지역(안면도(36.

이론/모형

, 1996). 이후 장거리 이동 오염원에 대한 통계적 유의성을 높이기 위해, Potential Source Contribution Function(PSCF) 모델이 사용되었다(Zeng and Hopke, 1989). PSCF 모델은 역궤적 모델 결과와 대기 중 오염물질의 측정값 중 고농도 측정값을 이용하여 오염물질의 발생지역 확률을 모사한다.

성능/효과

그림 1(b)는 5곳 측정소의 상위 35% 높은 AOD 값에 대한 평균 농도를 원면적 및 색으로 나타내었다. 5곳 중 안면도 측정소에서의 상위 35% 평균 1.024 AOD로 가장 높은 값을 나타내었으며, 안면도(1.024), 목포대학교(1.002), 소청초(0.936), 고산(0.920), 백령도(0.840)의 순으로 나타났다. 5곳 관측 지점에서의 상위 35% 평균은 0.
PSCFa (0~700 m)의 경우, 중국 렌윈강시 주변에서 높은 값을 나타냈고, PSCFa (700~1400 m)의 경우, 중국 내륙 내 위도(33°N~37°N) 및 경도(115°E~120°E)의 광범위한 영역에서 상대적으로 높은 PSCFa 값을 나타냈으며, PSCFa (1400~2100m)의 경우, 위도(35°N) 및 경도(125°E)를 중심으로 한 서해안 대부분 영역에서 상대적으로 높은 PSCFa 값을 나타냈다.
결과, 가중치 미적용시 앞서 설명한 역궤적의 공간 분포 내 끌림 현상 등이 나타났다. 가중치를 적용한 결과 중국 동쪽 지역에서 시작되는 고농도 확률 분포가 분명하게 나타났다. 이는 PSCF 계산시 가중치 적용의 중요성을 의미한다.
0과 비교하여 그림 2에 나타냈다. 결과, Level 2.0 데이터는 Level 1.5 데이터와 비교할 때, 높은 상관관계와 함께 Level 1.5의 이상치가 제거된 값으로 나타났다. Level 1.
고도별 PSCFa 결과를 보면, PSCFa (0~700m)의 경우 중국 렌윈강시 주변에서, 최대 0.793 (120°E, 34°N)로, 위도(33°N~35°N), 및 경도(119°E~121°E) 범위에서 평균 0.634으로 분석되어 본 고도영역(0~700 m)에서 PSCFa 최고값을 나타냈다.
, 2008). 그림에서 보는 바와 같이 수도권을 포함한 서해안 지역에서 전반적으로 AOD가 높게 나타났으며, 특히 장거리 이동 물질의 직접적인 영향을 받는, 서해안지역(안면도, 백령도, 소청초, 목포대학교) 측정소에서 상대적으로 높은 AOD가 나타났다. 연세대학교 측정소에서 측정한 평균 AOD가 0.
또한, 지형 높이를 고려하여, 공간 역궤적이 지상(높이 0 m)에 도달하는 경우, PSCFa 계산에서 제외하여, 최종적으로 5개 층의 PSCFa 결과를 도출하였다.
마지막으로 PSCFa (2800~3500 m)는 위도(35°N) 및 경도(127°E)를 중심으로 매우 미약한 값을 나타냈다.
반면, 경계 조건의 0~3500 m 고도, 위도(30°N~45°N) 및 경도(110°E~115°E) 사이에서 분석된 전체 상위 35% 중 2.4%가 분포되었고, 동일 고도, 위도에서 경도(130°E~135°E) 사이에서 분석된 전체 상위 35% 중 2.3%가 분포되어, 분석 기간 중 위 두 공간에서 발생된 고농도 에어로졸이 측정소에 영향을 미쳤을 가능성은 상대적으로 적다.
상위 35%, 즉 적색 원의 공간 분포를 살펴보면, 위도(33°N~37°N) 및 경도(120°E~127°E), 고도 1400m 이하에서, 분석된 전체 상위 35% 중 36.5%가 분포되었다.
Geological Survey, USGS)으로부터 획득한 Global 30 Arc-Second Elevation (GTOPO30) 자료를 이용하여 고도를 고려한 지형데이터를 바탕으로, 둘째, 최대 높이 경계조건을 고려한 역궤적 공간 분석을 하였다. 셋째, 지역별 AERONET AOD 자료 중 서해안에 위치한 5개 측정소에서 관측한 상위 35% AOD를 분석하여, 최종적으로 높이별 PSCFa 결과를 도출하였다. 마지막으로 PSCFa 결과와 MODIS의 AOD 자료를 비교 분석하였다.
그림에서 보는 바와 같이 수도권을 포함한 서해안 지역에서 전반적으로 AOD가 높게 나타났으며, 특히 장거리 이동 물질의 직접적인 영향을 받는, 서해안지역(안면도, 백령도, 소청초, 목포대학교) 측정소에서 상대적으로 높은 AOD가 나타났다. 연세대학교 측정소에서 측정한 평균 AOD가 0.594로 DRAGON-KORUS-AQ 캠페인 기간 중 관측했던 모든 지역에서의 평균 AOD 중 가장 높은 값을 나타내었으며, 송촌(0.546), 한국외국어대학교(0.543), 백사(0.541), 광주과학기술원(0.524)의 순으로 높게 나타났다. 대체적으로 서울에 인접할수록, 서쪽으로 갈수록 높은 AOD가 나타나, 지역적 일차 오염물질 발생 및 중국으로부터 장거리 이동 에어로졸의 영향이 크다.

후속연구

, 2016). 본 연구는 기존의 수용 측정지점과 연계한 PSCF 모델에 고도를 고려하여 분석한 공간 PSCFa 모델로, 고도별 원인 발생 지역 분석에 의해 향후 한반도 유입 장거리 오염물질에 의한 대책수립의 기초자료로 활용할 수 있고, 장거리 유입 대기환경 평가 및 예측에 있어서 활용 가능하다.
이는 발생한 일차 에어로졸과 중국 동쪽 해안을 거치면서 생성된 이차 에어로졸 및 중국 선박 배출에 의한 일차 오염물질이 혼재할 것으로 사료되며, 이에 따른 추가 연구를 진행할 예정이다. 본 연구는 기존의 수용 측정지점과 연계한 PSCF 모델에 고도를 고려하여 분석한 공간 PSCFa 모델로, 향후 장거리 유입 원인에 따른 국내 대기환경 평가 및 예측에 있어서 활용 가능할 것으로 본다.
PSCFa (1400~2100 m)의 경우, 위도(35°N) 및 경도(125°E)를 중심으로 한 서해안 대부분 영역에서 상대적으로 높은 PSCFa 값을 나타냈다. 선박 배출 물질을 포함하여, 앞선 두 PSCFa 영역에 영향을 미친, 중국 내륙 및 동중국에서 발생한 에어로졸이 서해를 거치면서 생성된 에어로졸로 사료되며, 지표성분 수용모델과 연계하여, 본 영역에서 수용 측정소의 유입량이 계산 가능할 것으로 판단한다. PSCFa (2100~2800 m)의 경우, 위도(37°N~40°N) 및 경도(120°E) 주위 및 한반도 남부에서, 타 지역에 비해 상대적으로 높은 PSCFa 값을 나타냈다.
인공위성 MODIS AOD와 비교한 결과, 고농도 AOD가 PSCFa (0~700 m)의 위도(33°N~35°N) 및 경도(120°E~124°E)의 범위와 일치하였다. 이는 발생한 일차 에어로졸과 중국 동쪽 해안을 거치면서 생성된 이차 에어로졸 및 중국 선박 배출에 의한 일차 오염물질이 혼재할 것으로 사료되며, 이에 따른 추가 연구를 진행할 예정이다. 본 연구는 기존의 수용 측정지점과 연계한 PSCF 모델에 고도를 고려하여 분석한 공간 PSCFa 모델로, 향후 장거리 유입 원인에 따른 국내 대기환경 평가 및 예측에 있어서 활용 가능할 것으로 본다.
AERONET AOD가 에어로졸 내 원인 관련 지표 성분 화학성분의 특성을 이해하는 데 한계가 있으므로, 위 두 가지 가능성의 우선 순위를 본 연구에서 구별할 수 없다. 이에 위 가능성을 바탕으로 다양한 분석 화학 성분과 함께 향후 연구를 진행할 예정이다. PSCFa (1400~2100 m)의 경우, 위도(35°N) 및 경도(125°E)를 중심으로 한 서해안 대부분 영역에서 상대적으로 높은 PSCFa 값을 나타냈다.
5 데이터는 일부 이상치가 포함된 불확실성을 내포하고 있음을 밝힌다. 향후 추가 연구를 통해 Level 2.0 데이터를 심도 있게 분석할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	PSCF 모델의 기능은 무엇인가?	이후 장거리 이동 오염원에 대한 통계적 유의성을 높이기 위해, Potential Source Contribution Function(PSCF) 모델이 사용되었다(Zeng and Hopke, 1989). PSCF 모델은 역궤적 모델 결과와 대기 중 오염물질의 측정값 중 고농도 측정값을 이용하여 오염물질의 발생지역 확률을 모사한다. 이와 유사한, 측정 농도에 로그를 적용한 Concentration Field Analysis (CPA) 모델(Weiss-Penzias et al.
	대기 중 에어로졸의 발생원인은 어떻게 구분되는가?	대기 중 에어로졸은 산업 활동에 의한 인위적 원인과 자연적 원인으로 나뉘며, 대류권 내 연직 및 수평으로 분포되어 있다(Ramachandran and Kedia, 2013). 해염입자, 황산염이온, 그리고 미량 원소 등의 자연발생 주성분과 함께, 인위적 원인에 의해 발생된 에어로졸의 적지 않은 양이 이와 혼재되어 있다(Habib et al.
	인위적 발생에 의해 증대된 복사 강제력의 정량적 산출 문제를 보완하기 위한 방법은 무엇인가?	, 2013). 이를 극복하기 위해, 오래전부터 Moderate Resolution Imaging Spectroradiometer(MODIS), Multiangle Imaging Spectroradiometer(MISR), Ozone Monitoring Instrument(OMI), Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation (CALIPSO) 등의 인공위성 원격탐사로부터 광범위한 범위의 에어로졸 광학 두께(Aerosol Optical Depth, AOD) 및 물리화학적 특성을 관측하였다(Kahn et al., 2010). 또한, 지상 AOD 연직분포(More et al., 2013) 관측으로부터 에어로졸의 광학 특성 및 복사 강제력과, 인공위성 관측 결과와 연계하여 대기 중 에어로졸의 종합적인 분포 특성을 분석하였다 (Kim et al., 2016a; Bibi et al.

참고문헌 (32)

Bae, M.S., J.J. Schwab, W.N. Chen, C.Y. Lin, O.V. Rattigan, and K.L. Demerjian (2011) Identifying pollutant source directions using multiple analysis methods at a rural location in New York, Atmospheric Environment, 45(15), 2531-2540.

상세보기
Bae, M.S., J.S. Shin, K.Y. Lee, K.H. Lee, and Y.J. Kim (2014) Long-range transport of biomass burning emissions based on organic molecular markers and carbonaceous thermal distribution, Science of the Total Environment, 466, 56-66.

상세보기
Barreto, A., E. Cuevas, M.J. Granados-Munoz, L. Alados-Arboledas, P.M. Romero, J. Grobner, N. Kouremeti, A.F. Almansa, T. Stone, C. Toledano, R. Roman, M. Sorokin, B. Holben, M. Canini, and M. Yela (2016) The new sun-sky-lunar Cimel CE318-T multiband photometer-a comprehensive performance evaluation, Atmospheric Measurement Techniques, 9(2), 631-654.

상세보기
Bibi, H., K. Alam, F. Chishtie, S. Bibi, I. Shahid, and T. Blaschke (2015) Intercomparison of MODIS, MISR, OMI, and CALIPSO aerosol optical depth retrievals for four locations on the Indo-Gangetic plains and validation against AERONET data, Atmospheric Environment, 111, 113-126.

상세보기
Habib, G., C. Venkataraman, I. Chiapello, S. Ramachandran, O. Boucher, and M.S. Reddy (2006) Seasonal and interannual variability in absorbing aerosols over India derived from TOMS: relationship to regional meteorology and emissions, Atmospheric Environment, 40(11), 1909-1921.

상세보기
Holben, B.N., T. Eck, I. Slutsker, D. Tanre, J.P. Buis, A. Setzer, E. Vermote, J.A. Reagan, Y.J. Kaufman, T. Nakajima, F. Lavenu, I. Jankowiak, and A. Smirnov (1998) AERONET-A federated instrument network and data archive for aerosol characterization, Remote Sensing of Environment, 66(1), 1-16.

상세보기
Hua, S., H. Tian, K. Wang, C. Zhu, J. Gao, Y. Ma, Y. Xue, Y. Wang, S. Duan, and J. Zhou (2016) Atmospheric emission inventory of hazardous air pollutants from China's cement plants: Temporal trends, spatial variation characteristics and scenario projections, Atmospheric Environment, 128, 1-9.

상세보기
Jeong, J.H., Z.H. Shon, M.S. Kang, S.K. Song, Y.K. Kim, J.S. Park, and H.J. Kim (2017) Comparison of source apportionment of PM2.5 using receptor models in the main hub port city of East Asia: Busan, Atmospheric Environment, 148, 115-127.

상세보기
Kabashnikov, V.P., A.P. Chaikovsky, T.L. Kucsera, and N.S. Metelskaya (2011) Estimated accuracy of three common trajectory statistical methods, Atmospheric Environment, 45(31), 5425-5430.

상세보기
Kahn, R.A., B.J. Gaitley, M.J. Garay, D.J. Diner, T.F. Eck, A. Smirnov, and B.N. Holben (2010) Multiangle Imaging SpectroRadiometer global aerosol product assessment by comparison with the Aerosol Robotic Network, Journal of Geophysical Research: Atmospheres, 115(D23).
Kim, B.G., Y.J. Kim, and S.H. Eun (2008) An analysis of aerosol optical properties around Korea using AERONET, Journal of Korean Society for Atmospheric Environment, 24(6), 629-640. (in Korean with English abstract)

원문보기 상세보기
Kim, K.C., D.S. Lee, K.Y. Lee, K.H. Lee, and Y.M. Noh (2016a) Estimation of Surface-Level PM2.5 Concentration based on MODIS Aerosol Optical Depth Over Jeju, Korea, Korean Journal of Remote Sensing, 32(5), 413-421. (in Korean with English abstract)

원문보기 상세보기
Kim, M., J. Kim, U. Jeong, W. Kim, H. Hong, B. Holben, T.F. Eck, J.H. Lim, C.K. Song, S. Lee, and C.Y. Chung (2016b) Aerosol optical properties derived from the DRAGON-NE Asia campaign, and implications for a single-channel algorithm to retrieve aerosol optical depth in spring from Meteorological Imager (MI) on-board the Communication, Ocean, and Meteorological Satellite (COMS), Atmospheric Chemistry and Physics, 16(3), 1789-1808.

상세보기
Kim, S.W., I.J. Choi, S.C. Yoon, and Y.M. Kim (2013) Sensitivity of Aerosol Optical Parameters on the Atmospheric Radiative Heating Rate, Atmosphere, 23(1), 85-92. (in Korean with English abstract)

원문보기 상세보기
Lee, H.J. and Y.S. Son (2016) Spatial Variability of AERONET Aerosol Optical Properties and Satellite Data in South Korea during NASA DRAGON-Asia Campaign, Environmental Science and Technology, 50(7), 3954-3964.

상세보기
Lee, H.J., J.E. Kim, and Y.S. Chun (2013a) Aerosol Vertical Distribution Measured by LIDARs in Baengnyeongdo, Munsan, and Gunsan during 10-11 May 2010, Atmosphere, 23(4), 519-526. (in Korean with English abstract)

원문보기 상세보기
Lee, K.H. (2013b) Three Dimensional Monitoring of the Asian Dust by the COMS/GOCI and CALIPSO Satellites Observation Data, Journal of Korean Society for Atmospheric Environment, 29(2), 199-210. (in Korean with English abstract)

원문보기 상세보기
Moody, J.L. and P.J. Samson (1989) The influence of atmospheric transport on precipitation chemistry at two sites in the midwestern United States, Atmospheric Environment, 23(10), 2117-2132.

상세보기
More, S., P.P. Kumar, P. Gupta, P.C.S. Devara, and G.R. Aher (2013) Comparison of aerosol products retrieved from AERONET, MICROTOPS and MODIS over a tropical urban city, Pune, India, Aerosol and Air Quality Research, 13(1), 107-121.
Noh, Y.M., K.H. Lee, and H.L. Lee (2011) A retrieval of vertically-resolved Asian dust concentration from quartz channel measurements of Raman lidar, Journal of Korean Society for Atmospheric Environment, 27 (3), 326-336. (in Korean with English abstract)

원문보기 상세보기
Omar, A.H., J.-G. Won, D.M. Winker, S.-C. Yoon, O. Dubovick, and M.P. McCormick (2005) Development of global aerosol models using cluster analysis of Aeronet Robotic Network (AERONET) measurements, Journal of Geophysical Research: atmospheres, 110, D10S14.

상세보기
Prospero, J.M., P. Ginoux, O. Torres, S.E. Nicholson, and T.E. Gill (2002) Environmental characterization of global sources of atmospheric soil dust identified with the Nimbus 7 Total Ozone Mapping Spectrometer (TOMS) absorbing aerosol product, Reviews of Geophysics, 40(1), 2-1-2-31.
Ramachandran, S. and S. Kedia (2013) Aerosol optical properties over South Asia from ground-based observations and remote sensing: a review, Climate, 1(3), 84-119.

상세보기
Ramachandran, S., S. Ghosh, A. Verma, and P.K. Panigrahi (2013) Multiscale periodicities in aerosol optical depth over India, Environmental Research Letters, 8(1), 014034.

상세보기
Shin, S.K., D.H. Shin, K.H. Lee, and Y.M. Noh (2012) Classification of dust/non-dust particle from the Asian dust plumes and retrieval of microphysical properties using Raman Lidar System, Journal of Korean Society for Atmospheric Environment, 28(6), 688-696. (in Korean with English abstract)

원문보기 상세보기
Stein, A.F., R.R. Draxler, G.D. Rolph, B.J.B. Stunder, M.D. Cohen, and F. Ngan (2015) NOAA's HYSPLIT atmospheric transport and dispersion modeling system, Bulletin of the American Meteorological Society, 96(12), 2059-2077.

상세보기
Stohl, A. (1996) Trajectory statistics-a new method to establish source-receptor relationships of air pollutants and its application to the transport of particulate sulfate in Europe, Atmospheric Environment, 30(4), 579-587.

상세보기
Tan, S.C., J. Li, H. Che, B. Chen, and H. Wang (2017) Transport of East Asian dust storms to the marginal seas of China and the southern North Pacific in spring 2010, Atmospheric Environment, 148, 316-328.

상세보기
Tao, M., L. Chen, R. Li, L. Wang, J. Wang, Z. Wang, G. Tang, and J. Tao (2016) Spatial oscillation of the particle pollution in eastern China during winter: Implications for regional air quality and climate, Atmospheric Environment, 144, 100-110.

상세보기
Weiss-Penzias, P.S., M.S. Gustin, and S.N. Lyman (2011) Sources of gaseous oxidized mercury and mercury dry deposition at two southeastern U.S. sites, Atmospheric Environment, 45(27), 4569-4579.

상세보기
Zeng, Y. and P.K. Hopke (1989) A study of the sources of acid precipitation in Ontario, Canada, Atmospheric Environment, 23(7), 1499-1509.

상세보기
Zhou, L., P.K. Hopke, and W. Liu (2004) Comparison of two trajectory based models for locating particle sources for two rural New York sites, Atmospheric Environment, 38(13), 1955-1963.

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