인버스 모델링을 이용한 지표면 이산화탄소 플럭스 추정 향상을 위한 항공기 관측 이산화탄소 자료동화 체계 개발 Development of the Aircraft CO2 Measurement Data Assimilation System to Improve the Estimation of Surface CO2 Fluxes Using an Inverse Modeling System원문보기
In order to monitor greenhouse gases including $CO_2$, various types of surface-, aircraft-, and satellite-based measurement projects have been conducted. These data help understand the variations of greenhouse gases and are used in atmospheric inverse modeling systems to simulate surface...
In order to monitor greenhouse gases including $CO_2$, various types of surface-, aircraft-, and satellite-based measurement projects have been conducted. These data help understand the variations of greenhouse gases and are used in atmospheric inverse modeling systems to simulate surface fluxes for greenhouse gases. CarbonTracker is a system for estimating surface $CO_2$ flux, using an atmospheric inverse modeling method, based on only surface observation data. Because of the insufficient surface observation data available for accurate estimation of the surface $CO_2$ flux, additional observations would be required. In this study, a system that assimilates aircraft $CO_2$ measurement data in CarbonTracker (CT2013B) is developed, and the estimated results from this data assimilation system are evaluated. The aircraft $CO_2$ measurement data used are obtained from the Comprehensive Observation Network for Trace gases by the Airliner (CONTRAIL) project. The developed system includes the preprocessor of the raw observation data, the observation operator, and the ensemble Kalman filter (EnKF) data assimilation process. After preprocessing the raw data, the modeled value corresponding spatially and temporally to each observation is calculated using the observation operator. These modeled values and observations are then averaged in space and time, and used in the EnKF data assimilation process. The modeled values are much closer to the observations and show smaller biases and root-mean-square errors, after the assimilation of the aircraft $CO_2$ measurement data. This system could also be used to assimilate other aircraft $CO_2$ measurement data in CarbonTracker.
In order to monitor greenhouse gases including $CO_2$, various types of surface-, aircraft-, and satellite-based measurement projects have been conducted. These data help understand the variations of greenhouse gases and are used in atmospheric inverse modeling systems to simulate surface fluxes for greenhouse gases. CarbonTracker is a system for estimating surface $CO_2$ flux, using an atmospheric inverse modeling method, based on only surface observation data. Because of the insufficient surface observation data available for accurate estimation of the surface $CO_2$ flux, additional observations would be required. In this study, a system that assimilates aircraft $CO_2$ measurement data in CarbonTracker (CT2013B) is developed, and the estimated results from this data assimilation system are evaluated. The aircraft $CO_2$ measurement data used are obtained from the Comprehensive Observation Network for Trace gases by the Airliner (CONTRAIL) project. The developed system includes the preprocessor of the raw observation data, the observation operator, and the ensemble Kalman filter (EnKF) data assimilation process. After preprocessing the raw data, the modeled value corresponding spatially and temporally to each observation is calculated using the observation operator. These modeled values and observations are then averaged in space and time, and used in the EnKF data assimilation process. The modeled values are much closer to the observations and show smaller biases and root-mean-square errors, after the assimilation of the aircraft $CO_2$ measurement data. This system could also be used to assimilate other aircraft $CO_2$ measurement data in CarbonTracker.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 탄소추적시스템에 이산화탄소 항공 관측 자료를 동화할 수 있는 이산화탄소 항공 관측 자료동화 시스템을 개발하고 테스트 실험을 통해 개발된 시스템으로 모의된 결과를 평가하였다. 본 연구에서는 일본을 중심으로 수행된 CONTRAIL 프로젝트로부터 얻어진 이산화탄소 항공 관측 자료를 기반으로 항공 관측 자료동화 시스템을 개발하였다. CONTRAIL 프로젝트는 온실 기체 관측을 목적으로 일반 여객기에 관측 장비를 탑재하여 관측을 수행하기 때문에 비행 경로를 따라 넓은 공간에 관측이 분포한다.
본 연구에서는 탄소추적시스템에 이산화탄소 항공 관측 자료를 동화할 수 있는 이산화탄소 항공 관측 자료동화 시스템을 개발하고 테스트 실험을 통해 개발된 시스템으로 모의된 결과를 평가하였다. 본 연구에서는 일본을 중심으로 수행된 CONTRAIL 프로젝트로부터 얻어진 이산화탄소 항공 관측 자료를 기반으로 항공 관측 자료동화 시스템을 개발하였다.
본 연구에서는 항공 관측으로 얻어진 이산화탄소 관측 자료를 탄소추적시스템에 동화하는 체계를 개발하였다. 구체적으로는 Japan Airlines (JAL) 여객기와 함께 수행된 CONTRAIL 프로젝트에서 관측된 이산화탄소 몰농도 자료를 탄소추적시스템인 CarbonTracker 2013B (CT2013B) 버전에 동화하는 이산화탄소 항공 관측 자료동화 시스템을 최초로 개발하였다.
제안 방법
1. Distribution of the aircraft CO2 measurement data from the CONTRAIL project (gray) and the locations of the airports where CO2 measurements were conducted (blue star). The boxes are bins used for averaging: horizontal bins for the observations of level mode are represented by the black box and vertical bins for the observations of vertical mode are represented by the red box.
각 관측 자료 위치에 대해 잠재 소용돌이도를 계산해 그 값이 2 PVU (Potential Vorticity Unit, 1 PVU = 10−6 m2 s−1 K kg−1) 이상이면 Sawa et al. (2008)을 따라 성층권 자료로 분류하였다.
개발된 시스템을 이용해 모의된 이산화탄소 농도를 자료동화에 사용된 전구 지표 관측 이산화탄소 농도 자료와 비교해 보았다(Fig. 5). 자료동화에 사용된 지표 관측 이산화탄소 농도로 검증을 한 것은 개발된 시스템이 잘 작동하는지를 확인하기 위해서이다.
개발된 항공 관측 자료동화 시스템을 평가하기 위해 1년 동안의 기간에 대한 실험 결과를 분석해 보았다. 초기 지표 플럭스 및 지표 관측 자료, 그리고 둥지 격자 설정은 Kim et al.
본 연구에서는 항공 관측으로 얻어진 이산화탄소 관측 자료를 탄소추적시스템에 동화하는 체계를 개발하였다. 구체적으로는 Japan Airlines (JAL) 여객기와 함께 수행된 CONTRAIL 프로젝트에서 관측된 이산화탄소 몰농도 자료를 탄소추적시스템인 CarbonTracker 2013B (CT2013B) 버전에 동화하는 이산화탄소 항공 관측 자료동화 시스템을 최초로 개발하였다. CT2013B에 CONTRAIL 자료를 동화할 수 있는 시스템을 개발함으로써 지표면 탄소 플럭스를 보다 정확하게 추정하는데 기여할 뿐만 아니라 추후 다른 항공 프로젝트로부터 얻어진 관측 자료를 탄소추적시스템에 동화할 수 있는 기반이 될 것으로 기대된다.
1장에서 언급된 수평 및 수직 구간 별 평균을 하였다. 그리고 평균된 관측 및 모델 값의 차이를 이용해 분석 값을 업데이트 하고 다음 단계의 배경 값을 계산하는 앙상블 칼만 필터 자료동화 과정을 수행하게 된다.
따라서 비행 모드와 이·착륙 모드를 합쳐 총 77개의 구간에 대해, 시간적으로는 일 평균한 값을 자료동화에 사용하였다.
자료동화가 잘 수행되면, 자료동화 전보다 자료동화 후 모의 자료가 관측 자료와 더 비슷해져야 한다. 따라서 자료 동화 전 지표면 탄소 플럭스로부터 계산된 이산화탄소 농도(Prior)와 자료동화 후 지표면 탄소 플럭스로 부터 계산된 이산화탄소 농도(CNTL, CONTRAIL)를 비교하였다. 자료동화 전(Prior)에는 관측에 비해 이산화탄소 농도를 과대모의 하였으나, 자료동화 과정을 거친 CNTL 실험과 CONTRAIL 실험에서 모의한 이산화탄소 농도는 관측과 비슷해졌다(Fig.
또한, 이·착륙 모드 11개 수평구간에 대해서는 연직 4층(575~625, 475~525, 375~ 425, 225~275 hPa)으로 확장하여, 총 44개의 구간으로 정의하였다.
CONTRAIL 자료는 비행 중 관측인 비행 모드(level mode)와 공항에서 이·착륙시 관측된 이·착륙 모드(ascending and descending mode 또는 vertical mode)로 나누어지는데, 비행 중에는 1분 간격으로, 이·착륙 중에는 10초 간격으로 이산화탄소를 측정하기 때문에 시공간 평균이 필요하다. 본 연구에서는 Niwa et al. (2012)를 따라, 비행 모드에 대해서는 수평으로 33개의 구간(bin) (225~275 hPa)을 정의하였다(Fig. 1). 또한, 이·착륙 모드 11개 수평구간에 대해서는 연직 4층(575~625, 475~525, 375~ 425, 225~275 hPa)으로 확장하여, 총 44개의 구간으로 정의하였다.
자료동화에 앞서 원시 미가공 관측 자료의 전처리 과정이 필요하다. 우선 결측값을 제거하고 모델 입력 자료로 사용될 수 있도록 형식을 변환하였으며, 전진실험을 통해 잠재 소용돌이도를 계산하여 계산된 잠재 소용돌이도를 기준으로 성층권 자료를 필터링하였다. 전진 실험은 관측 연산자를 이용해 수행되는데, 관측 연산자는 관측 위치 및 시간에 상응하는 모델값 계산 과정을 포함한다.
대상 데이터
(2016)과 같다. CONTRAIL 자료가 2005년 11월부터 있지만 자료의 양의 매우 불규칙하기 때문에, 자료가 충분히 동화되어 CONTRAIL 자료 동화의 효과를 뚜렷이 볼 수 있는 2009년에 대한 분석을 수행하였다.
본 연구에서 사용한 항공 관측 자료는 CONTRAIL 프로젝트로부터 관측된 이산화탄소 몰농도 자료이다. CONTRAIL 프로젝트는 메탄, 이산화탄소 등의 온실 기체 관측을 목적으로 2005년 11월에 시작되었으며, JAL 여객기에 연속적인 이산화탄소 측정 장비 (Continuous CO2 Measuring Equipment, CME)를 탑재해 비행경로를 따라 이산화탄소를 측정한다(Machida et al.
데이터처리
관측 연산자 내에서는 관측 위치 및 시간에 상응하는 모델 값을 계산하는데, 이렇게 계산된 값들은 1분 혹은 10초 간격으로 존재하기 때문에 관측과 모델 값에 대한 시공간 평균이 수행된다. 시간적으로는 일 평균을, 공간적으로는 2.1장에서 언급된 수평 및 수직 구간 별 평균을 하였다. 그리고 평균된 관측 및 모델 값의 차이를 이용해 분석 값을 업데이트 하고 다음 단계의 배경 값을 계산하는 앙상블 칼만 필터 자료동화 과정을 수행하게 된다.
이론/모형
관측 연산자를 이용해 관측 자료에 상응하는 모델 값을 산출한 후 앙상블 칼만 필터 방법으로 상태 벡터를 업데이트 한다. 앙상블 칼만 필터 과정에서는 식 (1), (2)의 칼만 게인 행렬과 감소된 칼만 게인 행렬을 계산해 분석 값을 구하고, 다음의 식 (3)을 이용해 다음 분석 단계에 대한 배경 값을 구하게 된다.
탄소추적시스템에서는 앙상블 제곱근 칼만 필터(ensemble square root filter, EnSRF; Whitaker and Hamill, 2002) 방법을 통해 관측 자료를 동화한다. 탄소추적시스템의 자료동화 체계에 대한 자세한 설명은 선행 연구(e.
성능/효과
5b, c). Bias와 RMSE 는 CONTRAIL 실험에서 CNTL 실험보다 그 크기가 각각 22.5%, 2.3% 작아 CONTRAIL 자료를 추가로 동화한 것이 효과적이다(Table 2). CONTRAIL 실험과 CNTL 실험의 차이가 전구 평균보다는 지역적으로 더 크게 나타나는데, 이는 Kim et al.
, CarbonTracker 2013B, 2015)와 일치한다. CNTL 실험과 CONTRAIL 실험의 결과를 비교해보면, CONTRAIL 자료가 동화됨에 따라 시베리아 지역의 지표면 탄소 플럭스의 흡수 강도가 특히 약해짐을 확인할 수 있다(Fig. 4c). 이는 탄소추적 시스템에 기존에는 동화되지 않던 시베리아 지역의 지표 관측 자료를 동화함에 따라 시베리아 지역의 탄소 플럭스 흡수 강도가 약해짐을 보였던 Kim et al.
전구 평균에서 CNTL 실험과 CONTRAIL 실험의 차이가 지역적 분포에 비해 상대적으로 작은 것은 검증에 사용한 전구 지표 관측 이산화탄소 농도 자료가 두 자료동화 실험에 모두 사용된 것에 기인한다. 결과적으로 개발된 시스템을 이용하여 자료동화 후 모의된 지표 이산화탄소 농도가 관측된 이산화탄소 농도와 더 비슷하여 개발된 시스템이 잘 작동함을 알 수 있다.
앙상블 칼만 필터 과정에서는 상태 벡터를 최적화하고 다음 단계의 배경 값을 계산하는 과정이 수행된다. 결과적으로 이산화탄소 항공 관측 자료에 대한 전처리 과정, 관측 연산자, 그리고 전처리 과정과 관측연산자를 CT2013B 내의 앙상블 칼만 필터와 연계하여 항공 관측 자료를 동화하는 전체 시스템을 개발하였고, 테스트 실험을 수행해 개발된 시스템이 잘 작동함을 확인하였다. Kim et al.
따라서 자료 동화 전 지표면 탄소 플럭스로부터 계산된 이산화탄소 농도(Prior)와 자료동화 후 지표면 탄소 플럭스로 부터 계산된 이산화탄소 농도(CNTL, CONTRAIL)를 비교하였다. 자료동화 전(Prior)에는 관측에 비해 이산화탄소 농도를 과대모의 하였으나, 자료동화 과정을 거친 CNTL 실험과 CONTRAIL 실험에서 모의한 이산화탄소 농도는 관측과 비슷해졌다(Fig. 5a). 탄소추적시스템의 초기 플럭스는 생권, 해양, 화재, 그리고 화석연료 플럭스로 구성되는데 생권 및 해양 플럭스만 자료동화 과정을 거친다(Peters et al.
, 2007). 즉, 화재 및 화석연료 플럭스는 자료동화 전후에 차이가 없으며, 생권 및 해양 플럭스는 자료동화 전보다 자료동화 후 전구 평균적으로 탄소 흡수가 증가하여 관측과 비슷해졌다. 이로 인해 자료동화 전에, 관측보다 이산화탄소 농도를 과대모의 했던 것이 보정된 것으로 보이며, 이는 자료동화 후인 CNTL 실험과 CONTRAIL 실험에서 bias와 root-mean-square error (RMSE)가 작아진 것으로 확인할 수 있다(Figs.
후속연구
구체적으로는 Japan Airlines (JAL) 여객기와 함께 수행된 CONTRAIL 프로젝트에서 관측된 이산화탄소 몰농도 자료를 탄소추적시스템인 CarbonTracker 2013B (CT2013B) 버전에 동화하는 이산화탄소 항공 관측 자료동화 시스템을 최초로 개발하였다. CT2013B에 CONTRAIL 자료를 동화할 수 있는 시스템을 개발함으로써 지표면 탄소 플럭스를 보다 정확하게 추정하는데 기여할 뿐만 아니라 추후 다른 항공 프로젝트로부터 얻어진 관측 자료를 탄소추적시스템에 동화할 수 있는 기반이 될 것으로 기대된다. 2장에서는 CONTRAIL 자료 및 개발된 자료동화 시스템에 대해 설명하고, 3장에서는 개발된 시스템으로부터 얻어진 결과를 제시할 것이다.
결과적으로 이산화탄소 항공 관측 자료에 대한 전처리 과정, 관측 연산자, 그리고 전처리 과정과 관측연산자를 CT2013B 내의 앙상블 칼만 필터와 연계하여 항공 관측 자료를 동화하는 전체 시스템을 개발하였고, 테스트 실험을 수행해 개발된 시스템이 잘 작동함을 확인하였다. Kim et al. (2016)에서 언급된 바와 같이 CONTRAIL 자료를 대기 인버스 모델링 방법에 사용한 선행 연구 결과간에 차이가 있기 때문에, CONTRAIL 자료동화가 지표면 탄소 플럭스 추정에 미치는 영향에 대해 좀 더 정량적인 분석을 향후 수행할 예정이다.
(2014)의 연구가 있다. 따라서 CONTRAIL 자료가 기존의 지표 관측 자료를 보완해 지표면 탄소 플럭스 추정 결과 개선에 기여할 것이라 기대할 수 있다. 하지만 위에서 언급된 선행 연구들에서는 NOAA에서 개발한 탄소추적시스템에 CONTRAIL 관측 자료를 동화한 것은 아니다.
CONTRAIL 프로젝트로부터 얻어진 관측 자료는 신뢰도가 높아 모델 및 위성 자료를 검증하거나 지표면 탄소 플럭스를 추정하는 데 많이 사용되고 있다. 따라서 CONTRAIL 자료를 기반으로 항공 관측 자료동화 시스템을 개발함으로써, 지표면 탄소 플럭스를 보다 정확하게 추정할 수 있을 것으로 기대된다.
본 연구를 통해 개발된 탄소추적시스템과 연동하는 이산화탄소 항공 관측 자료동화 시스템은 지표면 탄소 플럭스 추정 결과 개선에 기여할 뿐만 아니라, 추후 다른 항공 프로젝트로부터 관측된 이산화탄소 자료를 탄소추적시스템에 동화할 수 있는 기반이 될 것으로 기대된다.
하지만 위에서 언급된 선행 연구들에서는 NOAA에서 개발한 탄소추적시스템에 CONTRAIL 관측 자료를 동화한 것은 아니다. 현재 NOAA에서 개발한 탄소추적시스템을 국립기상과학원에서 현업으로 활용하고 있고 이 시스템에는 지표 관측 자료만 동화되고 있으므로, NOAA에서 개발한 탄소추적시스템에 CONTRAIL 자료를 동화할 수 있는 시스템을 개발하면 지표면 탄소 플럭스를 좀 더 정확히 추정하는데 기여할 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
CONTRAIL 자료를 기반으로 항공 관측 자료동화 시스템을 개발함으로써, 지표면 탄소 플럭스를 보다 정확하게 추정할 수 있을 것으로 기대되는 이유는?
CONTRAIL 프로젝트는 온실 기체 관측을 목적으로 일반 여객기에 관측 장비를 탑재하여 관측을 수행하기 때문에 비행 경로를 따라 넓은 공간에 관측이 분포한다. CONTRAIL 프로젝트로부터 얻어진 관측 자료는 신뢰도가 높아 모델 및 위성 자료를 검증하거나 지표면 탄소 플럭스를 추정하는 데 많이 사용되고 있다. 따라서 CONTRAIL 자료를 기반으로 항공 관측 자료동화 시스템을 개발함으로써, 지표면 탄소 플럭스를 보다 정확하게 추정할 수 있을 것으로 기대된다.
온실기체 감시가 중요한 이유는?
또한 온실기체 감시를 위해 여러 나라에서 지상 관측 및 위성 관측을 수행하며 관측 자료를 제공 하고 있다. 온실기체 감시는 현재 대기 상태를 파악하기 위해서뿐만 아니라 기후변화 예측 및 기후변화 대응 대책 수립의 기반이 되기 때문에 매우 중요하다. 특히 이산화탄소는 주요 온실기체로 기후 및 생태계 변화에 있어 중요한 역할을 하므로 다양한 종류의 관측을 통해 대기 중 이산화탄소 농도를 감시하려는 노력이 지속되고 있다.
대기 인버스 모델링 방법이란?
, 2010). 대기 인버스 모델링 방법은 대기 중 이산화탄소 농도 관측 자료로부터 지표면 탄소 플럭스를 역으로 추정하는 방법을 말한다. 본 연구에서 사용한 시스템인 탄소추적시스템(CarbonTracker) 은 앙상블 칼만 필터(ensemble Kalman filter, EnKF) 자료동화 방법(Evensen, 1994; Whitaker and Hamill, 2002)을 기반으로 한 대기 인버스 모델링 시스템으로, 미국 해양대기청(National Oceanic and Atmospheric Administration, NOAA) 산하 지구시스템연구소(Earth System Research Laboratory, ESRL)에서 처음 개발되었다(Peters et al.
참고문헌 (33)
Aumann, H. H., and Coauthors, 2003: AIRS/AMSU/HSB on the aqua mission: design, science objectives, data products, and processing systems. IEEE Trans. Geosci. Remote Sens., 41, 253-264.
Brenninkmeijer, C. A. M., and Coauthors, 2007: Civil aircraft for the regular investigation of the atmosphere based on an instrumented container: The new CARIBIC system. Atmos. Chem. Phys., 7, 4953-4976, doi:10.5194/acp-7-4953-2007.
Chevallier, F., and Coauthors, 2010: $CO_2$ surface fluxes at grid point scale estimated from a global 21 year reanalysis of atmospheric measurements. J. Geophys. Res., 115, D21307, doi:10.1029/2010JD013887.
Crevoisier, C., A. Chedin, H. Matsueda, T. Machida, R. Armante, and N. A. Scott, 2009: First year of upper tropospheric integrated content of $CO_2$ from IASI hyperspectral infrared observations. Atmos. Chem. Phys., 9, 4797-4810.
Evensen, G., 1994: Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics. J. Geophys. Res., 99, 10143-10162.
Feng, L., P. I. Palmer, H. Bosch, and S. Dance, 2009: Estimating surface $CO_2$ fluxes from space-borne $CO_2$ dry air mole fraction observations using an ensemble Kalman filter. Atmos. Chem. Phys., 9, 2619-2633.
Feng, L., and Coauthors, 2011: Evaluating a 3-D transport model of atmospheric $CO_2$ using ground-based, aircraft, and space-borne data. Atmos. Chem. Phys., 11, 2789-2803, doi:10.5194/acp-11-2789-2011.
Gurney, K. R., and Coauthors, 2002: Towards robust regional estimates of $CO_2$ sources and sinks using atmospheric transport models. Nature, 415, 626-630.
Houweling, S., and Coauthors, 2015: An intercomparison of inverse models for estimating sources and sinks of $CO_2$ using GOSAT measurements. J. Geophys. Res. Atmos., 120, 5253-5266, doi:10.1002/2014JD022962.
Jiang, F., H. M. Wang, J. M. Chen, T. Machida, L. X. Zhou, W. M. Ju, H. Matsueda, and Y. Sawa, 2014: Carbon balance of China constrained by CONTRAIL aircraft $CO_2$ measurements. Atmos. Chem. Phys., 14, 10133-10144.
Kim, H., H. M. Kim, J. Kim, and C.-H. Cho, 2016: A comparison of the atmospheric $CO_2$ concentrations obtained by an inverse modeling system and passenger aircraft based measurement. Atmosphere, 26, 387-400, doi:10.14191/Atmos.2016.26.3.387 (in Korean with English abstract).
Kim, H., H. M. Kim, J. Kim, T. Machida, A. R. Jacobson, C.-H. Cho, and T.-Y. Goo, 2017a: Effect of assimilating aircraft $CO_2$ observations in CarbonTracker, Proceedings of 2017 10th International Carbon Dioxide Conference, 21th - 25th August, 2017, Interlaken, Switzerland.
Kim, H., H. M. Kim, J. Kim, and C.-H. Cho, 2018: Effect of data assimilation parameters on the optimized surface $CO_2$ flux in Asia. Asia-Pac. J. of Atmos. Sci., 54, 1-17, doi:10.1007/s13143-017-0049-9.
Kim, J., H. M. Kim, and C.-H. Cho, 2012: Application of Carbon Tracking System based on ensemble Kalman filter on the diagnosis of Carbon Cycle in Asia. Atmosphere, 22, 415-427, doi:10.14191/Atmos.2012.22.4.415 (in Korean with English abstract).
Kim, J., H. M. Kim, and C.-H. Cho, 2014a: The effect of optimization and the nesting domain on carbon flux analyses in Asia using a carbon tracking system based on the ensemble Kalman filter. Asia-Pac. J. of Atmos. Sci., 50, 327-344, doi:10.1007/s13143-014-0020-y.
Kim, J., H. M. Kim, and C.-H. Cho, 2014b: Influence of $CO_2$ observations on the optimized $CO_2$ flux in an ensemble Kalman filter. Atmos. Chem. Phys., 14, 13515- 13530, doi:10.5194/acp-14-13515-2014.
Kim, J., H. M. Kim, C.-H. Cho, K.-O. Boo, A. R. Jacobson, M. Sasakawa, T. Machida, M. Arshinov, and N. Fedoseev, 2017b: Impact of Siberian observations on the optimization of surface $CO_2$ flux, Atmos. Chem. Phys., 17, 2881-2899, doi:10.5194/acp-17-2881-2017.
Kulawik, S., and Coauthors, 2016: Consistent evaluation of ACOS-GOSAT, BESD-SCIAMACHY, CarbonTracker, and MACC through comparisons to TCCON. Atmos. Meas. Tech., 9, 683-709, doi:10.5194/amt-9-683-2016.
Machida, T., and Coauthors, 2008: Worldwide measurements of atmospheric $CO_2$ and other trace gas species using commercial airlines. J. Atmos. Oceanic Technol., 25, 1744-1754, doi:10.1175/2008JTECHA1082.1.
Machida, T., Y. Tohjima, K. Katsumata, and H. Mukai, 2011: A new $CO_2$ calibration scale based on gravimetric onestep dilution cylinders in National Institute for Environmental Studies - NIES 09 $CO_2$ Scale, Proc. 15th WMO/IAEA Meeting of Experts on Carbon Dioxide, Other Greenhouse Gases and Related Tracers Measurement Techniques, GAW Rep. 194, Geneva, Switzerland, World Meteorol. Organ., 114-119.
Matsueda, H., T. Machida, Y. Sawa, Y. Nakagawa, K. Hirotani, H. Ikeda, N. Kondo, and K. Goto, 2008: Evaluation of atmospheric $CO_2$ measurements from new flask air sampling of JAL airliner observations. Pap. Meteorol. Geophys., 59, 1-17, doi:10.2467/mripapers.59.1.
Niwa, Y., T. Machida, Y. Sawa, H. Matsueda, T. J. Schuck, C. A. M. Brenninkmeijer, R. Imasu, and M. Satoh, 2012: Imposing strong constraints on tropical terrestrial $CO_2$ fluxes using passenger aircraft based measurements. J. Geophys. Res., 117, D11303, doi:10.1029/2012JD01747.
Peters, W., J. B. Miller, J. Whitaker, A. S. Denning, A. Hirsch, M. C. Krol, D. Zupanski, L. Bruhwiler, and P. P. Tans, 2005: An ensemble data assimilation system to estimate $CO_2$ surface fluxes from atmospheric trace gas observations. J. Geophys. Res., 110, D24304, doi:10.1029/2005JD006157.
Peters, W., and Coauthors, 2007: An atmospheric perspective on North American carbon dioxide exchange: CarbonTracker. Proc. Natl. Acad. Sci. U.S.A., 104, 18925-18930.
Peters, W., and Coauthors, 2010: Seven years of recent European net terrestrial carbon dioxide exchange constrained by atmospheric observations. Glob. Change Biol., 16, 1317-1337, doi:10.1111/j.1365-2486.2009.02078.x.
Peylin, P., and Coauthors, 2013: Global atmospheric carbon budget: results from an ensemble of atmospheric $CO_2$ inversions. Biogeosciences, 10, 6699-6720, doi:10.5194/bg-10-6699-2013.
Sawa, Y., T. Machida, and H. Matsueda, 2008: Seasonal variations of $CO_2$ near the tropopause observed by commercial aircraft. J. Geophys. Res., 113, D23301, doi:10.1029/2008JD010568.
Stephens, B. B., and Coauthors, 2007: Weak Northern and Strong Tropical Land Carbon Uptake from Vertical Profiles of Atmospheric $CO_2$ . Science, 316, 1732-1735, doi:10.1126/science.1137004.
Yokota, T., Y. Yoshida, N. Eguchi, Y. Ota, T. Tanaka, H. Watanabe, and S. Maksyutov, 2009: Global concentrations of $CO_2$ and $CH_4$ retrieved from GOSAT: first preliminary results. SOLA, 5, 160-163.
Zhang, H. F., and Coauthors, 2014: Estimating Asian terrestrial carbon fluxes from CONTRAIL aircraft and surface $CO_2$ observations for the period 2006-2010. Atmos. Chem. Phys., 14, 5807-5824, doi:10.5194/acp-14-5807-2014.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.