구름방울 활성화 과정 모수화 방법에 따른 구름 형성의 민감도 실험 Sensitivity Test of the Parameterization Methods of Cloud Droplet Activation Process in Model Simulation of Cloud Formation원문보기
Cloud droplet activation process is well described by $K{\ddot{o}}hler$ theory and several parameterizations based on $K{\ddot{o}}hler$ theory are used in a wide range of models to represent this process. Here, we test the two different method of calculating the solute effect i...
Cloud droplet activation process is well described by $K{\ddot{o}}hler$ theory and several parameterizations based on $K{\ddot{o}}hler$ theory are used in a wide range of models to represent this process. Here, we test the two different method of calculating the solute effect in the $K{\ddot{o}}hler$ equation, i.e., osmotic coefficient method (OSM) and ${\kappa}-K{\ddot{o}}hler$ method (KK). To do that, each method is implemented in the cloud droplet activation parameterization module of WRF-CHEM (Weather Research and Forecasting model coupled with Chemistry) model. It is assumed that aerosols are composed of five major components (i.e., sulfate, organic matter, black carbon, mineral dust, and sea salt). Both methods calculate similar representative hygroscopicity parameter values of 0.2~0.3 over the land, and 0.6~0.7 over the ocean, which are close to estimated values in previous studies. Simulated precipitation, and meteorological variables (i.e., specific heat and temperature) show good agreement with reanalysis. Spatial patterns of precipitation and liquid water path from model results and satellite data show similarity in general, but on regional scale spatial patterns and intensity show some discrepancy. However, meteorological variables, precipitation, and liquid water path do not show significant differences between OSM and KK simulations. So we suggest that the relatively simple KK method can be a good alternative to the OSM method that requires various information of density, molecular weight and dissociation number of each individual species in calculating the solute effect.
Cloud droplet activation process is well described by $K{\ddot{o}}hler$ theory and several parameterizations based on $K{\ddot{o}}hler$ theory are used in a wide range of models to represent this process. Here, we test the two different method of calculating the solute effect in the $K{\ddot{o}}hler$ equation, i.e., osmotic coefficient method (OSM) and ${\kappa}-K{\ddot{o}}hler$ method (KK). To do that, each method is implemented in the cloud droplet activation parameterization module of WRF-CHEM (Weather Research and Forecasting model coupled with Chemistry) model. It is assumed that aerosols are composed of five major components (i.e., sulfate, organic matter, black carbon, mineral dust, and sea salt). Both methods calculate similar representative hygroscopicity parameter values of 0.2~0.3 over the land, and 0.6~0.7 over the ocean, which are close to estimated values in previous studies. Simulated precipitation, and meteorological variables (i.e., specific heat and temperature) show good agreement with reanalysis. Spatial patterns of precipitation and liquid water path from model results and satellite data show similarity in general, but on regional scale spatial patterns and intensity show some discrepancy. However, meteorological variables, precipitation, and liquid water path do not show significant differences between OSM and KK simulations. So we suggest that the relatively simple KK method can be a good alternative to the OSM method that requires various information of density, molecular weight and dissociation number of each individual species in calculating the solute effect.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 구름 형성 과정 중 에어로졸의 화학적 특성을 고려한 용질효과 계산 방법의 활용성을 검증하기 위하여 OSM과 KK 실험을 수행하였다. 두 방법으로 5가지 주요 에어로졸 화학성분을 고려하여 κ를 산출하였는데 두 실험 간의 산출된 κ 값 차이가 5% 이내로 나타났으며 이는 선행연구 결과와 유사하다(Petters and Kreidenweis, 2007; Andreae and Rosenfeld, 2008; Pringle et al.
본 연구에서는 쾰러 이론에서 용질효과를 계산하는 방법 중 KK 방법이 OSM 방법의 어려움을 보완함과 함께 OSM 방법과 유사한 성능을 보이는지 확인하였다. 수치실험을 위해 중규모 대기화학모형인 WRFCHEM(Weather Research and Forecasting model coupled with Chemistry)을 이용하였고, 쾰러 이론을 기본으로 한 ARG scheme에 OSM 방법과 KK 방법을 적용하여 다섯 가지 대표 에어로졸 성분에 대한 용질효과를 산출하였다.
가설 설정
, 2001)을 이용하였다. MADE/SORGAM은 에어로졸의 크기분포가 세 개의(핵형성 모드, 누적 모드,그리고 거대 모드) 다중모드 대수정규분포를 가진다고 가정한다. 인위적 배출량은 Emissions Database for Global Atmospheric Research - Hemispheric Transportof Air Pollution (EDGAR-HTAP; Janssens-Maenhoutet al.
, 2001)은 에어로졸의 크기별로 핵형성과 에이킨 모드(Nucleation and Aitken mode), 누적모드(accumulation mode), 그리고 거대 모드(coarse mode) 등 세 가지 모드로 분류하여 계산한다. 이와 같은 다중모드 에어로졸은 대수정규분포(multimode lognormal distribution)를 가정하며(Von der Emde and Wacker, 1993), 구름방울로 활성화되는 에어로졸의 비율은 아래와 같이 나타낸다(Abdul-Razzak et al., 1998).
제안 방법
ARG scheme 내에서 용질효과를 계산하는 방법의 차이가 모형의 성능에 영향을 주는지 확인하기 위하여 삼투 계수를 이용한 OSM 실험(osmotic coefficientmethod experiment, OSM)과 κ를 이용하는 KK 실험(κ-Köhler method experiment, KK)을 진행하였다.
NCEP과 NCAR (National Center for Atmospheric Research)에서 공동제작한 재분석장(NCEP/NCAR Reanalysis 1; Kalnay et al., 1996)을 이용하여 모형에서 산출한 기상장과 비교하였다. 또한, Moderate Resolution Imaging Spectroradiometer (MODIS/aqua)자료를 이용하여 모형에서 산출한 액체수경로와 비교하였다.
하지만, OSM 실험과 KK 실험간의 차이는 미미하였다. OSM 방법과 KK방법이 수치모형 결과에 주는 유효성을 확인하기 위하여 전 지구 대기모형과 대기화학모형이 접합된 HadGEM-UKCA (Hadley Centre Global EnvironmentalModel-United Kingdom Chemistry and Aerosols; Mannet al., 2010; Hewitt et al., 2011)에 OSM 방법과 KK방법을 적용시킨 결과와 위성관측자료 및 기후 자료를 비교하였다. 그 결과, OSM 방법과 KK 방법이 관측 자료와 0.
수치실험을 위해 중규모 대기화학모형인 WRFCHEM(Weather Research and Forecasting model coupled with Chemistry)을 이용하였고, 쾰러 이론을 기본으로 한 ARG scheme에 OSM 방법과 KK 방법을 적용하여 다섯 가지 대표 에어로졸 성분에 대한 용질효과를 산출하였다. 그리고 각각의 방법을 이용했을 때 모형을 통해 산출된 흡습도, 연직 구름방울수농도, 그리고 기상장이 서로 얼마나 다른 지 비교 분석하였다.
, 1996)을 이용하여 모형에서 산출한 기상장과 비교하였다. 또한, Moderate Resolution Imaging Spectroradiometer (MODIS/aqua)자료를 이용하여 모형에서 산출한 액체수경로와 비교하였다. 본 연구에서 모형 결과와의 비료를 위해 사용한 일평균 재분석장 자료는 수평적으로 N96(1.
본 연구에서는 쾰러 이론에서 용질효과를 계산하는 방법 중 KK 방법이 OSM 방법의 어려움을 보완함과 함께 OSM 방법과 유사한 성능을 보이는지 확인하였다. 수치실험을 위해 중규모 대기화학모형인 WRFCHEM(Weather Research and Forecasting model coupled with Chemistry)을 이용하였고, 쾰러 이론을 기본으로 한 ARG scheme에 OSM 방법과 KK 방법을 적용하여 다섯 가지 대표 에어로졸 성분에 대한 용질효과를 산출하였다. 그리고 각각의 방법을 이용했을 때 모형을 통해 산출된 흡습도, 연직 구름방울수농도, 그리고 기상장이 서로 얼마나 다른 지 비교 분석하였다.
대상 데이터
수치실험의 모의 영역은 남북으로는 20o~50oN, 동서로는 105o~135oE으로 동아시아 지역을 포함하며(2,700 km × 2,700 km), 18 km의 수평격자를 가진다(Fig.1).
MADE/SORGAM은 에어로졸의 크기분포가 세 개의(핵형성 모드, 누적 모드,그리고 거대 모드) 다중모드 대수정규분포를 가진다고 가정한다. 인위적 배출량은 Emissions Database for Global Atmospheric Research - Hemispheric Transportof Air Pollution (EDGAR-HTAP; Janssens-Maenhoutet al., 2015) 자료를 이용하였으며, 자연적 배출량은 Model of Emissions of Gases and Aerosols from Nature(MEGAN; Guenther et al., 2006) 자료를 이용하였다.
5˚, 연직으로 40개의 층, 6시간 간격을 가진다. 적분 수행 기간은 CCN 및 에어로졸 흡습도 관측값이 존재하는 2015년 5월부터 6월(Kim et al., 2017) 중 하층운이 도메인 영역에서 많았던 기간인 2015년 6월 24일부터 27일까지 총 3일이다. 적분 수행 기간 동안 6시간 간격으로 재분석장을 이용한 4DDA (4 Dimensional Data Assimilation)분석 넛징(analysis nudging) 기법을 적용하였다.
초기와 경계 조건을 생성하기 위해 사용한 자료는 National Center for Environment Prediction-ClimateForecast System Reanalysis (NCEP-CFSR) 자료로 해상도는 수평으로 0.5˚ × 0.5˚, 연직으로 40개의 층, 6시간 간격을 가진다.
이론/모형
Table 1. List of models that use Abdul-Razzak and Ghan(2000) activation scheme.
기체상 및 에어로졸 화학 변환 과정 계산은 에어로졸의 액상 반응을 포함하는 Regional AtmosphericChemistry Mechanism 2 (RACM2; Goliff et al., 2013)와 MADE/SORGAM (Ackermann et al., 1998; Schell et al., 2001)을 이용하였다. MADE/SORGAM은 에어로졸의 크기분포가 세 개의(핵형성 모드, 누적 모드,그리고 거대 모드) 다중모드 대수정규분포를 가진다고 가정한다.
본 연구에서는 구름방울 활성화 과정 모수화 방법의 차이에 따른 모형 결과의 민감도 실험을 진행하기 위해 WRF-Chem 대기화학모형(Weather Research andForecasting model coupled with Chemistry version3.8.1)을 이용하였다(Grell et al., 2005; Fast et al., 2006;Peckham et al., 2011). 구름방울 활성화 과정 모수화는 ARG scheme을 사용하며, CDNC 계산 시 에어로졸의 특성정보, 연직속도, 온도, 압력의 함수를 이용하기 때문에 에어로졸의 수농도, 화학성분, 크기분포에 대한 정보가 포함되어 에어로졸-구름 상호작용에 의한 효과(예, 복사수지 변화, 강수 특성, 구름 발달특성 등)를 연구할 경우 사용하기 적합하다(Chapmanet al.
용질효과는 다양한 방법으로 계산 가능한데(Rose et al., 2008), 본 연구에서는 에어로졸의 삼투 계수(osmotic coefficient)를 사용하는 방법(이하 OSM 방법; Abdul-Razzak et al., 1998)과 유효 흡습도(effective hygroscopicity parameter, κ; Petters and Kreidenweis, 2007)를 고려하는 κ-Köhler 방법(이하 KK 방법; Petters and Kreidenweis, 2007)을 이용하여 용질효과를 계산하였다.
, 2017) 중 하층운이 도메인 영역에서 많았던 기간인 2015년 6월 24일부터 27일까지 총 3일이다. 적분 수행 기간 동안 6시간 간격으로 재분석장을 이용한 4DDA (4 Dimensional Data Assimilation)분석 넛징(analysis nudging) 기법을 적용하였다. 적운모수화는 Grell 3-dimensional Ensemble Scheme (Grelland Devenyi, 2002), 미세물리 모수화는 Morrison 2-moment 방법(Morrison et al.
적운모수화는 Grell 3-dimensional Ensemble Scheme (Grelland Devenyi, 2002), 미세물리 모수화는 Morrison 2-moment 방법(Morrison et al., 2009) 단파와 장파 복사 전달 과정은 Rapid and accurate Radiative Transfer Model for GCM (RRTMG; Iacono et al., 2008), 대기경계층 모수화는 Yonsei University방법(YSU scheme;Hong et al., 2006), 지면 모수화는 Unified NOAH(NCEP Oregon State University, Air Force, andHydrologic Research Lab’s) Land Surface Model(Tewari et al., 2004)를 사용하였다(Table 3).
쾰러 이론을 이용하여 구름방울 활성화 과정을 계산하는 방법은 Abdul-Razzak et al. (1998)과 Abdul-Razzak and Ghan (2000)에서 제시한 방법(ARG scheme)을 사용하며, 그 식은 아래와 같다(Pruppacher and Klett, 2010; Khvorostyanov and Curry, 2014):
그중, 쾰러 이론은 구름응결핵이 구름방울로 활성화되는 과정을, 에어로졸에 수증기가 응결하여 생성되는 용액입자의 표면장력 변화를 고려한 곡률 효과(켈빈효과)와 화학적 영향을 고려한 용질효과(라울 효과)의 경쟁에 의해 결정된다는 것을 설명한다. 쾰러 이론을 이용한 구름방울 활성화 과정을 모수화하는 방법은 여러 종류가 존재하지만, 에어로졸의 간접효과의 차이가 10% 이내로 나타나므로(Ghan et al., 2011), 본 연구에서는 그 중 하나인 Abdul-Razzak and Ghan(2000)의 연구에서 제시한 방법을 이용하였다(이하 ARG scheme). 이 방법은 여러 중규모 모형과 대기대순환 모형에 적용되고 있으며, ARG scheme을 사용하는 대표적인 수치모형을 Table 1에 정리하였다(Wang and Penner, 2009; Ghan et al.
성능/효과
4DDA의 포함하지 않은 경우에도 흡습도, 평균 CDNC의 연직분포, 2 m 고도 온도의 경우 4DDA를 포함한 실험과 유사한 결과를 보였으며(본문에서는 보이지 않았음), 강수량의 경우에는 4DDA를 포함한 실험과 포함하지 않은 실험 간의 차이는 있으나 4DDA를 포함하지 않은 OSM 실험과 KK 실험 간의 차이는 미미하였다.
OSM 실험보다 KK실험이 더 높은 CDNC를 보이며 두 실험의 최대 차이를 나타내는 중국 동부지역(33.5°~34°N, 115.5°~116°E)의 평균 OSM 실험과 KK 실험의 차이 값은−4.00 cm−3를 그 외의 지역에선 이보다 적은 차이를보이며 연직 CDNC 분포에서 보인 차이와 유사한 결과를 나타낸다.
, 2011)에 OSM 방법과 KK방법을 적용시킨 결과와 위성관측자료 및 기후 자료를 비교하였다. 그 결과, OSM 방법과 KK 방법이 관측 자료와 0.8 이상의 상관관계를 가졌다.
,2017). 두 실험에서 모의한 기상장의 경우, 유사한 분포의 지면온도와 강수량을 모의하였으며, 재분석장과도 유사한 모습을 보이며 모형 결과가 용질효과 계산방법의 차이에 대해 민감하게 변하지 않았음을 알 수 있다.
본 연구에서 모형 결과와의 비료를 위해 사용한 일평균 재분석장 자료는 수평적으로 N96(1.25o ×1.875o 간격, 192 × 145 격자)의 분해능을 가진다.
액체수경로의 경우, 위성자료와 모형에서 산출된 자료 모두 300 g m−2 이상을 보이는 지역이 동아시아지역의 동서 방향으로 분포하는 형태는 유사하지만, 위성자료에 비해 모형결과에서 일본 및 동해지역(30o~40oN, 130oE)의 액체수경로를 과다모의함을 보였다.
후속연구
, 2004)를 사용하였다(Table 3). 본 연구에서는 적운 모수화 내에서 아격자 규모 상승류에 의한 구름방울 수농도의 변화를 반영하지 않았기 때문에, 적운발생 지역에서 구름방울 수농도를 상대적으로 적게 모의할 가능성이 있어 관측 자료와 비교 시주의가 필요하다.
KK 방법은 용질효과를 계산하는데 있어서 OSM 방법에 비해 사용하는 변수를 최소화하고 계산과정을 줄임으로써 용질효과를 효율적으로 계산해낼 수 있어 기존의 OSM 방법을 대체 가능한 것으로 사료된다. 이 방법은 추후에 보다 다양한 에어로졸의 종류를 고려할 경우 매우 유용할 것이다. 특히, 유기화합물이 약 45% 정도의 비율을 차지하고 있는 동아시아 지역의 경우(Kim et al.
이 방법은 추후에 보다 다양한 에어로졸의 종류를 고려할 경우 매우 유용할 것이다. 특히, 유기화합물이 약 45% 정도의 비율을 차지하고 있는 동아시아 지역의 경우(Kim et al., 2017) KK 방법은 여러 캠페인을 통해 관측된 값을 직접 적용하여 지역적 특성을 고려한 구름 형성 과정 연구에도 유용하게 사용될 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
구름 알베도 효과는 지구에 어떤 영향을 미치는가?
구름 알베도 효과는 인위적인 에어로졸 증가가 작은 구름방울들의 생성을 유도하여 구름의 알베도를 증가시키는 효과를 말한다. 이는 지구에 입사하는 태양복사에너지를 보다 효율적으로 반사하여 지표온도를 낮추는 효과를 가져다 준다. 구름 수명 효과는 에어로졸 수농도 증가에 의한 구름방울 크기 감소가 강수 효율을 감소시키고, 구름 수명을 증가시켜 구름의 알베도 효과가 지속되는 현상이다.
구름 알베도 효과란 무엇인가?
이는 에어로졸–구름 상호작용에 의한 복사수지 효과로 알려져 있으며, 크게 구름 알베도 효과(Twomey Effects; Twomey, 1977)와 구름 수명 효과(Albecht Effects; Albrecht, 1989)로 이해된다. 구름 알베도 효과는 인위적인 에어로졸 증가가 작은 구름방울들의 생성을 유도하여 구름의 알베도를 증가시키는 효과를 말한다. 이는 지구에 입사하는 태양복사에너지를 보다 효율적으로 반사하여 지표온도를 낮추는 효과를 가져다 준다.
KK 방법의 장점은 무엇인가?
KK 방법은 OSM 방법에 비해 쾰러 방정식의 용질효과 계산이 용이하며, 에어로졸의 화학적 특성을 나타내는 값을 확보하는 것에 대한 수고로움이 적다. 즉,용질효과 계산과정을 단순화하고자 에어로졸의 화학적 특성에 따른 유효흡습도 κ 값으로 이용하는 방법이다(Petters and Kreidenweis, 2007).
참고문헌 (62)
Abdul-Razzak, H., S. J. Ghan, and C. Rivera-Carpio, 1998: A parameterization of aerosol activation. Part I: Single aerosol type. J. Geophys. Res., 103, 6123-6131.
Ackermann, I. J., H. Hass, M. Memmesheimer, A. Ebel, F. S. Binkowski, and U. Shankar, 1998: Modal aerosol dynamics model for Europe: Development and first applications. Atmos. Environ., 32, 2981-2999.
Andreae, M. O. and D. Rosenfeld, 2008: Aerosol-cloud precipitation interactions. Part 1. The nature and sources of cloud-active aerosols. Earth. Sci. Rev., 89, 13-41.
Chang, D. Y., J. Lelieveld, H. Tost, B. Steil, A. Pozzer, and J. Yoon, 2017: Aerosol physicochemical effects on CCN activation simulated with the chemistry-climate model EMAC. Atmos. Environ., 162, 127-140, doi:10.1016/j.atmosenv.2017.03.036.
Chapman, E. G., W. I. Gustafson Jr., J. C. Barnard, S. J. Ghan, M. S. Pekour, and J. D. Fast, 2009: Coupling aerosol-cloud-radiative processes in the WRF-Chem model: Investigating the radiative impact of large point sources. Atmos. Chem. Phys., 9, 945-964.
Chuang, C. C., J. E. Penner, K. E. Taylor, A. S. Grossman, and J. J. Walton, 1997: An assessment of the radiative effects of anthropogenic sulphate. J. Geophys. Res., 102, 3761-3778.
Chylek, P. and J. G. D. Wong, 1998: Erroneous use of the modified Kohler equation in cloud and aerosol physics applications. J. Atmos. Sci., 55, 1473-1477.
Clark, A. J., and Coauthors, 2012: An overview of the 2010 hazardous weather testbed experimental forecast program spring experiment. Bull. Amer. Meteor. Soc., 93, 55-74, doi:10.1175/BAMS-D-11-00040.1.
Fast, J. D., W. I. Gustafson Jr., R. C. Easter, R. A. Zaveri, J. C. Barnard, E. G. Chapman, G. A. Grell, and S. E. Peckham, 2006: Evolution of ozone, particulates, and aerosol direct forcing in an urban area using a new fully-coupled meteorology, chemistry, and aerosol model. J. Geophys. Res., 111, D21305.
Ghan, S. J., L. R. Leung, R. C. Easter, and H. Abdul-Razzak, 1997: Prediction of cloud droplet number in a general circulation model. J. Geophys. Res., 102, 21777-21794.
Ghan, S. J., and Coauthors, 2011: Droplet nucleation: Physically based parameterizations and comparative evaluation. J. Adv. Model. Earth Syst., 3, M10001, doi:10.1029/2011MS000074.
Goliff, W. S., W. R. Stockwell, and C. V. Lawson, 2013: The regional atmospheric chemistry mechanism, version 2. Atmos. Environ., 68, 174-185, doi:10.1016/j.atmosenv.2012.11.038.
Grell, G. A. and D. Devenyi, 2002: A generalized approach to parameterizing convection combining ensemble and data assimilation techniques. Geophys. Res. Lett., 29, 1693-1696.
Grell, G. A., S. E. Peckham, R. Schmitz, S. A. McKeen, G. Frost, W. C. Skamarock, and B. Eder, 2005: Fully coupled "online" chemistry within the WRF model. Atmos. Environ., 39, 6957-6975.
Guenther, A., T. Karl, P. Harley, C. Wiedinmyer, P. I. Palmer, and C. Geron, 2006: Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Nature). Atmos. Chem. Phys., 6, 3181-3210.
Gunthe, S. S., and Coauthors, 2009: Cloud condensation nuclei in pristine tropical rainforest air of Amazonia: size-resolved measurements and modeling of atmospheric aerosol composition and CCN activity. Atmos. Chem. Phys., 9, 7551-7575.
Hanel, G., 1976: The properties of atmospheric aerosol particles as a function of relative humidity at thermodynamic equilibrium with the surrounding moist air. Adv. Geophys., 19, 73-188.
Hewitt, H. T., D. Copsey, I. D. Culverwell, C. M. Harris, R. S. R. Hill, A. B. Keen, A. J. McLaren, and E. C. Hunke, 2011: Design and implementation of the infrastructure of HadGEM3: the next generation Met Office climate modelling system. Geosci. Model Dev., 4, 223-253, doi:10.5194/gmd-4-223-2011.
Hong, S.-Y., Y. Noh, and J. Dudhia, 2006: A new vertical diffusion package with an explicit treatment of entrainment processes. Mon. Wea. Rev., 134, 2318-2341.
Iacono, M. J., J. S. Delamere, E. J. Mlawer, M. W. Shephard, S. A. Clough, and W. D. Collins, 2008: Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models. J. Geophys. Res., 113, D13103.
IPCC, 2007: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K. B. Averyt, M. Tignor, and H. L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 976 pp.
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 [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.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535 pp.
Janssens-Maenhout, G., and Coauthors, 2015: HTAP_v2.2: a mosaic of regional and global emission grid maps for 2008 and 2010 to study hemispheric transport of air pollution. Atmos. Chem. Phys., 15, 11411-11432.
Jones, A., D. L. Roberts, and A. Slingo, 1994: A climate model study of indirect radiative forcing by anthropogenic sulfate aerosols. Nature, 370, 450-453.
Khvorostyanov, V. I., and J. A. Curry, 2014: Thermodynamics, Kinetics, and Microphysics of clouds. Cambridge Univ. Press, 782 pp.
Kim, D., C. Wang, A. M. L. Ekman, M. C. Barth, and P. J. Rasch, 2008: Distribution and direct radiative forcing of carbonaceous and sulfate aerosols in an interactive size resolving aerosol climate model. J. Geophys. Res, 113, D16309.
Kim, J. H., S. S. Yum, S. Shim, W. J. Kim, M. Park, J.-H. Kim, M.-H. Kim, and S.-C. Yoon, 2014: On the submicron aerosol distributions and CCN number concentrations in and around the Korean Peninsula. Atmos. Chem. Phys., 14, 8763-8779, doi:10.5194/acp-14-8763-2014.
Kim, N., and Coauthors, 2017: Hygroscopic properties of urban aerosols and their cloud condensation nuclei activities measured in Seoul during the MAPS-Seoul campaign. Atmos. Environ., 153, 217-232, doi:10.1016/j.atmosenv.2017.01.034.
Koehler, K. A., S. M. Kreidenweis, P. J. DeMott, M. D. Petters, A. J. Prenni, and C. M. Carrico, 2009: Hygroscopicity and cloud droplet activation of mineral dust aerosol. Geophys. Res. Lett., 36, L08805.
Kreidenweis, S. M., K. Koehler, P. J. DeMott, A. J. Prenni, C. Carrico, and B. Ervens, 2005: Water activity and activation diameters from hygroscopicity data - Part I: Theory and application to inorganic salts. Atmos. Chem. Phys., 5, 1357-1370.
Lyubartsev, A. P., and A. Laaksonen, 1997: Osmotic and activity coefficients from effective potentials for hydrated ions. Phys. Rew. E, 55, 5689-5696.
Mann, G. W., K. S. Carslaw, D. V. Spracklen, D. A. Ridley, P. T. Manktelow, M. P. Chipperfield, S. J. Pickering, and C. E. Johnson, 2010: Description and evaluation of GLOMAP-mode: a modal global aerosol microphysics model for the UKCA composition-climate model. Geosci. Model Dev., 3, 519-551.
Mason, B. J., 1971: The physics of clouds: 2nd Ed., Oxford University Press, 671 pp.
Morrison, H., G. Thompson, and V. Tatarskii, 2009: Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line: comparison of one- and two-moment schemes. Mon. Wea. Rev., 137, 991-1007.
Peckham, S., and Coauthors, 2011: WRF-Chem Version 3.3 User's Guide. NOAA Technical Memo., 94 pp.
Petters, M. D., and S. M. Kreidenweis, 2007: A single parameter representation of hygroscopic growth and cloud condensation nucleus activity. Atmos. Chem. Phys., 7, 1961-1971.
Pringle, K. J., H. Tost, A. Pozzer, U. Poschl, and J. Lelieveld, 2010: Global distribution of the effective aerosol hygroscopicity parameter for CCN activation. Atmos. Chem. Phys., 10, 5241-5255, doi:10.5194/acpd-10-6301-2010.
Pringle, K. J., K. S. Carslaw, D. V. Spracklen, G. M. Mann, and M. P. Chipperfield, 2009: The relationship between aerosol and cloud drop number concentrations in a global aerosol microphysics model. Atmos. Chem. Phys., 9, 4131-4144.
Pruppacher, H. R., and J. D. Klett, 2010: Microphysics of Clouds and Precipitation. Springer, 954 pp.
Reutter, P., H. Su, J. Trentmann, M. Simmel, D. Rose, S. S. Gunthe, H. Wernli, M. O. Andreae, and U. Poschl, 2009: Aerosol and updraft-limited regimes of cloud droplet formation: influence of particle number, size and hygroscopicity on the activation of cloud condensation nuclei (CCN). Atmos. Chem. Phys., 9, 7067-7080.
Rose, D., S. S. Gunthe, E. Mikhailov, G. P. Frank, U. Dusek, M. O. Andreae, and U. Poschl, 2008: Calibration and measurement uncertainties of a continuousflow cloud condensation nuclei counter (DMT-CCNC): CCN activation of ammonium sulfate and sodium chloride aerosol particles in theory and experiment. Atmos. Chem. Phys., 8, 1153-1179.
Rose, D., A. Nowak, P. Achtert, A. Wiedensohler, M. Hu, M. Shao, Y. Zhang, M. O. Andreae, and U. Poschl, 2010: Cloud condensation nuclei in polluted air and biomass burning smoke near the megacity Guangzhou, China Part 1: Size-resolved measurements and implications for the modeling of aerosol particle hygroscopicity and CCN activity. Atmos. Chem. Phys., 10, 3365-3383, doi:10.5194/acp-10-3365-201.
Schell, B., I. J. Ackermann, H. Hass, F. S. Binkowski, and A. Ebel, 2001: Modeling the formation of secondary organic aerosol within a comprehensive air quality model system. J. Geophys. Res., 106, 28275-28293.
Seinfeld, J. H., and S. N. Pandis, 2006: Atmospheric Chemistry and Physics. John Wiley and Sons, 1232 pp.
Snider, G., and Coauthors, 2016: Variation in global chemical composition of PM2.5: emerging results from SPARTAN. Atmos. Chem. Phys., 16, 9629-9653, doi:10.5194/acp-16-9629-201.
Spracklen, D. V., and Coauthors, 2008: Contribution of particle formation to global cloud condensation nuclei concentrations. Geophys. Res. Lett., 35, L06808.
Squires, P., 1958: The microstructure and colloidal stability of warm clouds: II. The causes of the variations in microstructure. Tellus, 10, 262-271.
Svenningsson, B., and Coauthors, 2006: Hygroscopic growth and critical supersaturations for mixed aerosol particles of inorganic and organic compounds of atmospheric relevance. Atmos. Chem. Phys., 6, 1937-1952.
Tewari, M., and Coauthors, 2004: Implementation and verification of the unified NOAH land surface model in the WRF model. 20th conference on weather analysis and forecasting/16th conference on numerical weather prediction, 11-15.
Twomey, S., 1959: The nuclei of natural cloud formation: II. The supersaturation in natural clouds and the variation of cloud droplet concentration. Geophys. Pure Appl., 43, 243-249.
Von der Emde, K., and U. Wacker, 1993: Comments on the relationship between aerosol spectra, equilibrium drop size spectra, and CCN spectra. Beit. Phys. Atmos., 66, 157-162.
Wang, M., and J. E. Penner, 2009: Aerosol indirect forcing in a global model with particle nucleation. Atmos. Chem. Phys., 9, 239-260.
Wang, W., H. Lu, T. Zhao, L. Jiang, and J. Shi, 2017: Evaluation and comparison of daily rainfall from latest GPM and TRMM products over the Mekong River Basin. IEEE, 10, 2540-2549, doi:10.1109/JSTARS.2017.2672786.
West, R. E. L., P. Stier, A. Jones, C. E. Johnson, G. W. Mann, N. Bellouin, D. G. Partridge, and Z. Kipling, 2014: The importance of vertical velocity variability for estimates of the indirect aerosol effects. Atmos. Chem. Phys., 14, 6369-6393, doi:10.5194/acp-14-6369-2014.
Wex, H., A. Kiselev, F. Stratmann, J. Zoboki, and F. Brechtel, 2005: Measured and modeled equilibrium sizes of NaCl and (NH4)2SO4 particles at relative humidities up to 99.1%. J. Geophys. Res., 110, D21212.
Zhang, M., J. M. Chen, T. Wang, T. T. Cheng, L. Lin, R. S. Bhatia, and M. Hanvey, 2010: Chemical characterization of aerosols over the Atlantic Ocean and the Pacific Ocean during two cruises in 2007 and 2008. J. Geophys. Res., 115, D22302, doi:10.1029/2010JD014246.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.