[논문]한반도 겨울철 공기이동경로에 따른 에어로졸 농도의 연직분포 특성

고아름; 김진원; 장기호; 차주완; 이상민; 하종철

doi:10.14191/atmos.2019.29.5.525

한반도 겨울철 공기이동경로에 따른 에어로졸 농도의 연직분포 특성
Characteristics of Vertical Profiles of Local Aerosol Mass Concentration According to Air Mass Pathways over the Korean Peninsula During Winter 원문보기

대기 = Atmosphere, v.29 no.5, 2019년, pp.525 - 535

고아름 (국립기상과학원 응용기상연구과) , 김진원 (국립기상과학원 기후연구과) , 장기호 (기상청 레이더센터) , 차주완 (국립기상과학원 응용기상연구과) , 이상민 (국립기상과학원 지구시스템연구과) , 하종철 (국립기상과학원 응용기상연구과)

Abstract ▼ AI-Helper

Vertical distributions of aerosol mass concentrations over Seoul and Gangneung from January to February 2015 were investigated using aerosol Mie-scattering lidars. Vertical mass concentration of aerosol was calculated from the lidar data using KALION's algorithm and quantitatively compared with ground PM10 concentration to obtain objectivity of data. The backward trajectories calculated using HYSPLIT (version 4) were clustered into 5 traces for Seoul and 6 traces for Gangneung, and the observed aerosol vertical mass distribution was analyzed for individual trajectories. Result from the analysis shows that, aerosol concentrations with in the planetary boundary layer were highest when airflows into the measurement points originated in the Shandong Peninsula or the Inner Mongolia. In addition, the difference of aerosol mass concentrations in the two regions below 1 km was about twice as large as that in the long range transport from the Shandong Peninsula compared to the local emission. This result shows that the air quality over Korea related to particulate matters are affected more by aerosol emissions in the upstream source regions and the associated transboundary transports than local emissions. This study also suggests that the use of local aerosol observations is critical for accurate simulations of aerosol-cloud interactions.

주제어

표/그림 (9)

그림 Fig. 1. Locations of two lidars used in this study from January to February 2015.
표 Table 1. Specifications of two lidars used in this study.
그림 Fig. 2. Frequency distributions of the lidar ratio (a) and the mass extinction efficiency (b) in Seoul (SE, black bar) and Gangneung (GN, white bar) from Jan. to Feb. 2015.
그림 Fig. 3. Scatter diagram of lidar-derived and ground-based PM₁₀ mass concentrations at the same altitude in (a) Seoul (SE, 622 m) and (b) Gangneung (GN, 772 m).
그림 Fig. 4. Locations of the 2-day backward trajectories (a), altitudes arriving at 600 m for individual trajectories obtained from the HYSPLIT_4 simulation (b) and vertical profiles of aerosol mass concentrations from the lidar at Seoul site (c).
표 Table 2. Average aerosol mass concentrations of each air-mass pathway at Seoul site.
그림 Fig. 5. Same as Fig. 4, except for the lidar at Gangneung site.
표 Table 3. Average aerosol mass concentrations of each air-mass pathway at Gangneung site.
그림 Fig. 6. The difference of vertical aerosol mass concentrations for Seoul and Gangneung according to the local emission (a) and the long range transport from the Shandong province (b).

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구는 고농도 미세먼지 발생이 빈번한 겨울철(1~2월) 동안 한반도 서쪽과 동쪽에 위치한 서울과 강릉 지점에 대해 라이다 관측자료와 HYSPLIT_4를 이용한 공기궤적의 기원별 연직 에어로졸 분포의 상세한 분석을 수행하였다. 본 연구의 구성은 제 2장에서 분석지점의 위치 및 지형분포, KALION 알고리즘을 이용한 라이다 연직 에어로졸 질량농도 산출방법, HYSPLIT_4 모델을 이용한 에어로졸 발생기원 분류 방법에 대해 기술하였다.
본 연구에서는 공기의 이동을 추적하기 위해 NOAA/ARL에서 개발된 HYSPLIT_4 모델을 기반으로 서울과 강릉으로 이동해 오는 공기(에어로졸)의 후방이동궤적(Backward trajectory)을 산출하였다(0000, 0600, 1200, 1800 UTC, 총 236개). 기상청 현업 수치모델인 UM (Unified Model) 전지구 모델의 초기장을 입력장으로 사용하였으며, 후방유적궤도 산출 시 공기궤적의 이동기간은 2일, 도착지점의 고도는 600 m로 설정하였다.

가설 설정

에어로졸 소산계수를 산출하기 위해서는 라이다 방정식(Klett, 1981; Fernald, 1984)을 풀어야 하지만 라이다 방정식에는 미지수 두 개가 존재하므로 바로 풀어낼 수가 없다. 이에 미지수인 에어로졸의 후방산란계수와 소산계수의 비를 라이다 상수(lidar ratio)로 가정하여 방정식을 풀 수 있다. 라이다 주변에 스카이라디오미터(sun-sky radiometer)가 설치된 경우 에어로졸 광학적 두께(aerosol optical depth)를 이용하여 라이다 상수를 직접 구한 후 에어로졸의 소산계수를 산출한다.

제안 방법

72oE) 자료를 사용하였다(기상청). 다음으로, PBL 고도는 강릉의 경우, 분석기간 동안 가장 근거리에 위치한 속초 상층대기관측소(38.25^oN, 128.57^oE, WMO ID: 47090)의 라디오존데 자료(0000, 1200 UTC의 총 116회)를 이용하여 산출하였다(평균 약 1 km). 한편 서울의 PBL 고도는 근거리에 위치한 상층대기관측소가 없어 강릉과 같은 1 km 고도로 계산하였다.
본 연구에서는 미세먼지의 연직 특성 분석을 위해 532 nm 파장의 수평과 수직채널 관측결과로부터 산출된 자료를 사용하였다. 두 지역 라이다의 관측 해상도가 달라 연직 60m 간격의 30분 평균하여 동일한 해상도로 분석하였다. 스카이라디오미터는 서울대학교(POM01; Prede Co.
)에 설치된 장비를 사용하였고, 관측 원리상 맑은 날 낮에만 관측이 가능하기 때문에 낮 동안 관측된 자료 중 라이다 관측시간과 가장 가까운 시간의 자료를 사용하였다. 또한, 스카이라디오미터로부터 에어로졸 광학두께 산출 시 500, 675 nm 파장을 라이다와 동일한 532 nm 파장으로 변환하여 계산하였다(Correia et al., 2006).
2b). 라이다 상수와 비교해 질량소산효율에 의한 차이가 에어로졸 질량농도 산정에 더 큰 영향을 주기 때문에(Yeo et al., 2016), 이러한 오차를 줄이기 위해 평균 질량소산효율 값이 아닌 라이다와 동일한 시간의 지상 PM₁₀ 관측 값을 사용해 질량농도를 산출하였다.
본 연구는 2015년 1~2월 기간 동안 동 위도대에 위치하지만 서로 다른 지형적 특징을 가지는 서울과 강릉을 대상으로 각 지역에 설치되어 있는 라이다를 이용하여 공기이동궤적에 따른 에어로졸 농도의 연직 분포를 분석하였다. 분석을 위해 라이다에서 산출된 에어로졸 연직 질량농도의 정확도 검증을 수행하였으며 지상 PM10 관측소의 에어로졸 농도와 정량적으로 비교한 결과(R2), 서울과 강릉 모두 약 0.
본 연구는 겨울철 2 개월(1~2월)에 한정된 분석이지만 동일한 위도에 위치하는 서울과 강릉의 공기이동궤적에 따른 에어로졸 연직분포 차이를 확인하였고, 특히 대기정체와 이동에 의한 서울과 강릉의 연직 에어로졸 농도 차이를 정량적으로 규명하였다. 대부분의 수치모델은 일정한 초기 배경 에어로졸 분포를 사용하는데, 에어로졸-구름 상호작용의 정확도 향상을 위해 관측으로부터의 시공간적 에어로졸 연직분포를 초기 배경 농도로 사용해야 한다는 것을 시사한다.
따라서 본 연구는 고농도 미세먼지 발생이 빈번한 겨울철(1~2월) 동안 한반도 서쪽과 동쪽에 위치한 서울과 강릉 지점에 대해 라이다 관측자료와 HYSPLIT_4를 이용한 공기궤적의 기원별 연직 에어로졸 분포의 상세한 분석을 수행하였다. 본 연구의 구성은 제 2장에서 분석지점의 위치 및 지형분포, KALION 알고리즘을 이용한 라이다 연직 에어로졸 질량농도 산출방법, HYSPLIT_4 모델을 이용한 에어로졸 발생기원 분류 방법에 대해 기술하였다. 제 3장에서는 에어로졸 연직 질량농도 산출에 사용된 변수와 최종 산출한 에어로졸 질량농도 검증결과를 제시하고, 공기이동의 기원에 따른 연직 에어로졸 농도 특징을 분석하였다.
분석기간은 서울과 강릉의 라이다가 동시에 관측되었던 2015년 1~2월이며, 분석기간 중 황사 사례를 제거하기 위해 기상청 황사특보기준을 적용하였다(1시간 평균 미세먼지 농도가 400 μg m-3 이상이 2시간 이상 지속사례).
산출한 연직 에어로졸 농도를 검증하기 위해 서울과 강릉 각각 관악산(622 m)과 대관령(772 m) 관측소 PM10 농도(< 400 μg m-3)와 같은 고도의 라이다로 산출한 에어로졸 농도를 비교하였다(Fig. 3).
여기서, 600 m 고도로 설정한 이유는 후방유적궤도 산출 시 사용되는 전지구 모델(UM_N512, 17km 해상도(1024 × 769))의 지형고도를 참고하였을 때, 서울과 강릉 사이에 위치한 태백산맥이 약 600m로, 지형에 의한 영향이 적은 600 m 이상의 고도로 유입되는 에어로졸의 특성을 분석하였다. 산출한 후방유적궤도와 라이다 자료가 함께 존재하는 기간의 자료만을 분석하였고, 주요 이동경로는 HYSPLIT_4의 군집분석(clustering; Draxler, 1999)을 이용해 서울은 5개, 강릉은 6개의 군집으로 구분하였다.
1 서울지역 공기이동경로의 군집별 에어로졸 농도Figure 4는 서울지역으로 유입되는 48시간 동안의 에어로졸 이동경로(a), 고도(b), 라이다로 산출한 에어로졸 연직 농도분포(c)를 나타낸 것이다. 서울로 유입되는 공기궤적은 군집분석을 통해 5개 방향으로 구분하였다. 각각의 경로는 6시간 간격의 실선으로 나타내었다(5개 군집: A(●), B(□), C(■), D(×), E(◇)).
여기서, 600 m 고도로 설정한 이유는 후방유적궤도 산출 시 사용되는 전지구 모델(UM_N512, 17km 해상도(1024 × 769))의 지형고도를 참고하였을 때, 서울과 강릉 사이에 위치한 태백산맥이 약 600m로, 지형에 의한 영향이 적은 600 m 이상의 고도로 유입되는 에어로졸의 특성을 분석하였다.
KALION은 라이다 자료 처리 및 분석을 위해 라이다에서 관측한 원시자료로부터 후방산란강도, 편광소멸도, 에어로졸 소산계수 및 질량농도, 에어로졸 유형의 변수들을 산출한다. 이러한 변수들을 산출해 내기 위해 먼저, 수신부를 통해 관측된 라이다 원시자료를 고도 및 거리에 무관한 기기상수에 대해 표준화하여 후방산란강도와 편광소멸도(입자형태에 따라 후방산란 되는 빛의 편광이 깨지는 정도)를 산출하고, 이 자료를 활용해 구름, 황사, 비 황사 오염물질을 구분한다. 에어로졸 소산계수를 산출하기 위해서는 라이다 방정식(Klett, 1981; Fernald, 1984)을 풀어야 하지만 라이다 방정식에는 미지수 두 개가 존재하므로 바로 풀어낼 수가 없다.
본 연구의 구성은 제 2장에서 분석지점의 위치 및 지형분포, KALION 알고리즘을 이용한 라이다 연직 에어로졸 질량농도 산출방법, HYSPLIT_4 모델을 이용한 에어로졸 발생기원 분류 방법에 대해 기술하였다. 제 3장에서는 에어로졸 연직 질량농도 산출에 사용된 변수와 최종 산출한 에어로졸 질량농도 검증결과를 제시하고, 공기이동의 기원에 따른 연직 에어로졸 농도 특징을 분석하였다.
평균 에어로졸 농도는 산출한 후방유적궤도 시간(0000, 0600, 1200, 1800 UTC)을 기준으로 ± 1시간을 평균하였으며, 평균한 고도구간은 600m 고도부터 총 경로(A-E)의 평균 에어로졸 농도(Fig. 4c, 회색음영)가 약 10 μg m-3가 되는 1500 m 고도(Slope = (dM/dH)2 < 1, 여기서 M은 에어로졸 질량농도, H는 고도; 이하 PBL 고도)로 계산하였다.
8 km로, 앞 절에서 설명한 서울 PBL 산출방법과 동일한 방법으로 계산하였다. 후방유적궤도의 평균 이동고도를 기준으로 PBL 내의 에어로졸 농도에 상대적으로 큰 영향을 미치는 C, D, E, F 경로(70%)와 적은 영향을 미치는 A, B 경로(30%)로 나누어 분석하였다. A와 B 경로의 이동속도는 48시간 동안 각각 시속 57 km, 41 km이며, 평균 약 1.
4c, 회색음영)가 약 10 μg m^-3가 되는 1500 m 고도(Slope = (dM/dH)2 < 1, 여기서 M은 에어로졸 질량농도, H는 고도; 이하 PBL 고도)로 계산하였다. 후방유적궤도의 평균 이동고도를 참고하여 PBL 내의 에어로졸 농도 증가에 상대적으로 큰 영향을 미치는 C, D, E 경로(60%)와 그렇지 않은 A, B 경로(약 40%)로 나누어 분석하였다. 먼저, A와 B경로의 이동속도는 48시간 동안 각각 시속 62 km, 39km이며, 평균 이동고도는 1.

대상 데이터

1. Locations of two lidars used in this study from January to February 2015. East-west topography is shown as shading in the bottom.
본 연구에서는 공기의 이동을 추적하기 위해 NOAA/ARL에서 개발된 HYSPLIT_4 모델을 기반으로 서울과 강릉으로 이동해 오는 공기(에어로졸)의 후방이동궤적(Backward trajectory)을 산출하였다(0000, 0600, 1200, 1800 UTC, 총 236개). 기상청 현업 수치모델인 UM (Unified Model) 전지구 모델의 초기장을 입력장으로 사용하였으며, 후방유적궤도 산출 시 공기궤적의 이동기간은 2일, 도착지점의 고도는 600 m로 설정하였다. 여기서, 600 m 고도로 설정한 이유는 후방유적궤도 산출 시 사용되는 전지구 모델(UM_N512, 17km 해상도(1024 × 769))의 지형고도를 참고하였을 때, 서울과 강릉 사이에 위치한 태백산맥이 약 600m로, 지형에 의한 영향이 적은 600 m 이상의 고도로 유입되는 에어로졸의 특성을 분석하였다.
kr). 또한, 라이다를 통해 산출한 연직 에어로졸 질량농도 검증을 위해 라이다와 멀리 떨어지지 않은 622m 고도의 서울 관악산(37.45oN, 126.96oE)과 773m의 강릉 대관령관측소(37.68oN, 128.72oE) 자료를 사용하였다(기상청). 다음으로, PBL 고도는 강릉의 경우, 분석기간 동안 가장 근거리에 위치한 속초 상층대기관측소(38.
라이다는 연직 에어로졸 질량농도를 산출하기 위해 지상 PM10 농도와 PBL (Planetary Boundary Layer)고도를 입력자료로 사용한다. 먼저, PM10 자료는 서울 신림동(27 m), 강릉 옥천동(20 m) 관측소 자료를 사용하였다(환경부 에어코리아, www.airkorea.or.kr). 또한, 라이다를 통해 산출한 연직 에어로졸 질량농도 검증을 위해 라이다와 멀리 떨어지지 않은 622m 고도의 서울 관악산(37.
서울과 강릉의 라이다는 에어로졸미 산란 라이다로 서로 다른 제작사로부터 만들어졌다. 본 연구에서는 미세먼지의 연직 특성 분석을 위해 532 nm 파장의 수평과 수직채널 관측결과로부터 산출된 자료를 사용하였다. 두 지역 라이다의 관측 해상도가 달라 연직 60m 간격의 30분 평균하여 동일한 해상도로 분석하였다.
또한 농도가 약한 황사를 제거하고자 특보기준의 50% 인 200 μg m^-3 이상인 사례도 제거하였다. 본 연구에서는 서울대학교(37.46^oN, 126.95^oE, 116 m)와 강릉원주대학교(37.77^oN, 128.87^oE, 50 m)의 동일한 장소에 설치된 라이다와 스카이라디오미터 장비를 활용하였으며, 라이다 장비에 대한 자세한 사양은 Table 1과 같다. 서울과 강릉의 라이다는 에어로졸미 산란 라이다로 서로 다른 제작사로부터 만들어졌다.
두 지역 라이다의 관측 해상도가 달라 연직 60m 간격의 30분 평균하여 동일한 해상도로 분석하였다. 스카이라디오미터는 서울대학교(POM01; Prede Co. Ltd.)와 강릉원주대학교(JP/POM02; Prede Co. Ltd.)에 설치된 장비를 사용하였고, 관측 원리상 맑은 날 낮에만 관측이 가능하기 때문에 낮 동안 관측된 자료 중 라이다 관측시간과 가장 가까운 시간의 자료를 사용하였다. 또한, 스카이라디오미터로부터 에어로졸 광학두께 산출 시 500, 675 nm 파장을 라이다와 동일한 532 nm 파장으로 변환하여 계산하였다(Correia et al.

데이터처리

The shaded areas represent significance level of 0.05 according to a Student’s t-test.
회색 음영으로 표시된 영역은 두 지역의 고도 별 에어로졸 농도차이에 대해 Student’s t-test를 이용하여 95% 신뢰구간에서 유의한 영역을 나타내었다.

이론/모형

서울과 강릉의 연직 에어로졸 질량농도 산출을 위해 KALION의 표준 알고리즘(Yeo et al., 2016)을 사용하였다. KALION은 라이다 자료 처리 및 분석을 위해 라이다에서 관측한 원시자료로부터 후방산란강도, 편광소멸도, 에어로졸 소산계수 및 질량농도, 에어로졸 유형의 변수들을 산출한다.
한편, 오염원 추적을 위해 보편적으로 HYSPLIT (Hybrid Single-Particle Lagrangian Integrated Trajectory) 모델이 사용된다. 이 모델은 NOAA/ARL (National Oceanic and Atmospheric Administration/Air Resources Laboratory)에서 개발한 라그랑지안 모델로 오염원 소스로부터 공기이동을 추적하는 데 적합하다.

성능/효과

HYSPLIT_4를 이용해 산출한 후방유적궤도(2일, 600m)를 서울 5개, 강릉 6개의 경로로 군집하여 공기이 동궤적의 차이에 따른 에어로졸 연직 질량농도를 분석한 결과, PBL 내의 평균 에어로졸 농도는 두 지역 모두 약한 서풍류( 30 km hr-1)에 의해 중국 산둥성(D 경로) 또는 중국 내몽골(C 경로)로부터 공기가 유입될 때 가장 높았고(서울 70.49 ± 25.81 μg m-3, 강릉 47.16 ± 23.07 μg m-3), 강한 북풍류(> 30 km hr-1)에 의해 러시아로부터 공기가 유입될 때(A, B 경로) 서울과 강릉 모두 에어로졸 농도가 가장 낮았다.
PBL 내의 평균 에어로졸 농도는 두 지역 모두 상대적으로 약한 서풍류(북서풍 또는 서풍,  30 km hr-1)에 의해 중국 산둥성(D 경로) 또는 내몽골(C 경로)로부터 공기가 유입될 때 가장 높았고, 강한 북풍류(북서풍 또는 북풍, > 30 km hr1)에 의해 러시아로부터 공기가 유입될 때(A, B 경로) 에어로졸 농도가 가장낮았다.
3b). 두 지역 모두 라이다로 산출한 에어로졸 농도가 관측소 PM₁₀ 농도보다 과소추정 하지만 결정계수(R²) 값이 두 지역 모두 약 0.8로 나타나 서로 잘 일치함을 확인하였다.
후방유적궤도의 평균 이동고도를 참고하여 PBL 내의 에어로졸 농도 증가에 상대적으로 큰 영향을 미치는 C, D, E 경로(60%)와 그렇지 않은 A, B 경로(약 40%)로 나누어 분석하였다. 먼저, A와 B경로의 이동속도는 48시간 동안 각각 시속 62 km, 39km이며, 평균 이동고도는 1.5 km로 나타났다. A와 B의 PBL 내 연직 에어로졸 농도분포는 매우 유사하며(Fig.
2에 나타내었다. 먼저, 라이다 상수의 분포를 보면(Fig. 2a), 서울은 30sr과 90sr에서 최대 값을 갖는 쌍봉형(bimodal)의 분포를 가지는 반면, 강릉은 50 sr에서 최대값을 보이는 단봉형(mono-modal)의 분포로 나타났다. 나타낸 라이다 상수 자료 수는 라이다와 스카이라디오미터 관측자료가 함께 있는 서울은 193개(65%), 강릉은 609개(88%) 이다.
분석기간의 서울과 강릉의 평균 질량소산효율은 각각 3.09 (± 1.69) m2 g-1와 3.67 (± 1.69) m2 g-1이며, 50% 이상이 서울은 2~3 m2 g-1에서, 강릉은 3~4m2 g-1에서 최대값을 보였다(Fig. 2b).
본 연구는 2015년 1~2월 기간 동안 동 위도대에 위치하지만 서로 다른 지형적 특징을 가지는 서울과 강릉을 대상으로 각 지역에 설치되어 있는 라이다를 이용하여 공기이동궤적에 따른 에어로졸 농도의 연직 분포를 분석하였다. 분석을 위해 라이다에서 산출된 에어로졸 연직 질량농도의 정확도 검증을 수행하였으며 지상 PM10 관측소의 에어로졸 농도와 정량적으로 비교한 결과(R2), 서울과 강릉 모두 약 0.8의 상관성 을 보였다.
90 μg m^-3, 1616 m)으로 더 높게 나타났으며 통계적으로 유의한 차이를 보였다. 서울과 강릉의 후방유적궤도의 평균 이동고도는 각각 0.6 km, 1 km으로 강릉이 더 높고, 관악산(관측소 고도: 622 m)과 대관령(관측소 고도: 772 m) AWS로 관측된 풍속이 각각 2.8 m s^-1와 6.8 m s^-1로 대관령의 풍속이 더 강하게 나타났다. 이는 서풍에 의해 서울에서 강릉으로 공기가 이동하는 동안 서울과 강릉 사이의 태백산맥(해발고도 1 km)에 의한 산악효과로 공기가 상승하면서 풍속이 증가하고, 이에 따라 에어로졸도 함께 상승하여 1.
, 2004). 실제 관측결과에서도 1 km 이상에서는 서울과 강릉이 비슷한 반면, 1 km 이내에서만 두 지역의 농도 차이가 나타나며, 인구밀집 및 에어로졸 발생소스가 더 많은 서울이 강릉보다 더 높음을 확인하였다.
38 μg m^-3). 유의성 검증 결과 600~900m 고도에서 통계적으로 유의한 차이를 보였다. 한반도에 정체성 고기압이 위치할 때 한반도는 동일한 종관 기상조건하에 놓이게 되어 국지 수송 및 확산의 영향이 상대적으로 작아 우리나라 대부분의 지역은 비슷한 농도 분포를 보이는 경향이 있다(Kim et al.
90 μg m^-3, 1616 m). 이 결과는 겨울철 정체대기에 의한 자체생산 에어로졸 보다 외부유입(산둥반도)에 의한 에어로졸이 한반도 대기질에 미치는 영향이 더 크며, 지역별 지형특징에 따라 연직 분포가 다를 수 있음을 보여준다.
자체생산과 외부유입에 따른 서울과 강릉의 연직 에어로졸 분포 차이를 분석한 결과, 약 1 km 고도 이하의 서울과 강릉의 에어로졸 농도차이는 자체 생산형(평균 8.79 μg m-3, 600 m~1.1 km) 보다 외부 유입형(평균 16.80 μg m-3, 600 m~1.3 km)일 때 2배 더 컸다.

질의응답

핵심어	질문	논문에서 추출한 답변
	한반도 에어로졸 라이다 관측 네트워크의 목적은 무엇인가?	, 2015). 국내에서는 2015년에 학∙연∙관9개 기관이 개별적으로 운영되는 10대의 라이다를 통합해 고농도 미세먼지 또는 황사의 실시간 모니터링 및 자료공유의 목적으로 ‘한반도 에어로졸 라이다 관측 네트워크(KALION, Korea Aerosol Lidar ObservationNetwork, http://www.kalion.
	한반도 미세먼지 농도의 특징은 무엇인가?	한반도 미세먼지 농도는 계절별로 변동성이 크다(Ministry of Environment, 2016). 봄철은 중국 북부 및 몽골 사막지대와 황토고원에서 발원한 황사에 의해 평균 미세먼지 농도가 높다.
	HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory)모델은 무엇인가?	한편, 오염원 추적을 위해 보편적으로 HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory)모델이 사용된다. 이 모델은 NOAA/ARL (NationalOceanic and Atmospheric Administration/Air ResourcesLaboratory)에서 개발한 라그랑지안 모델로 오염원 소스로부터 공기이동을 추적하는 데 적합하다. 초기버전은 레윈존데 관측 값을 이용해 계산되는 방식(Draxlerand Taylor, 1982)에서 수치모델 결과로부터 그리드 된 기상자료(HYSPLIT_3버전에서 대체됨)로 퍼프 또는 입자접근법을 사용해 복잡하게 흩어지거나 침적(deposition)되는 모의결과로부터 간단한 궤적을 계산하는 방식으로 업그레이드 되었다(HYSPLIT_4, Draxlerand Hess, 1997).

참고문헌 (26)

Correia, A., and C. Pires, 2006: Validation of aerosol optical depth retrievals by remote sensing over Brazil and South America using MODIS. XIV Congresso Brasileiro de Meteorologia, 6 pp.
Draxler, R. R., 1999: HYSPLIT_4 USER's GUIDE. NOAA Tech. Memo. ERL ARL-230, 46 pp.
Draxler, R. R., and A. D. Taylor, 1982: Horizontal dispersion parameters for long-range transport modeling. J. Appl. Meteor. Climatol., 21, 367-372.

상세보기
Draxler, R. R., and G. D. Hess, 1997: Description of the HYSPLIT_4 modeling system. NOAA Tech. Memo. ERL ARL-224, 24 pp.
Fernald, F. G., 1984: Analysis of atmospheric lidar observations: some comments. Appl. Opt., 23, 652-653.

상세보기
Holben, B. N., and Coauthors, 1998: AERONET-a federated instrument network and data archive for aerosol characterization. Remote Sens. Environ., 66, 1-16.

상세보기
IARC, 2016: Outdoor air pollution. IARC Monographs on the Evaluation of Carcinogenic Risks to Humans. Vol. 109. International Agency for Research on Cancer, 448 pp. [Available online at http://monographs.iarc.fr/ENG/Monographs/vol109/index.php].
Jeong, U., J. Kim, Y. J. Kim, and J. Jung, 2015: Dependence of total and carbonaceous aerosol concentrations on transport pathways in Seoul, Korea. Atmosphere, 25, 141-148, doi:10.14191/Atmos.2015.25.1.141.

원문보기 상세보기
Kim, C.-H., I.-S. Park, S.-J. Lee, J.-S. Kim, H.-A. Jin, and H.-G. Sung, 2004: On the recent air pollution levels observed in the regional air monitoring network-High air pollution concentration episodes and their meteorological characteristics in 2002. J. Kor. Soc. Atmos. Environ., 20, 215-224 (in Korean with English abstract).
Kim, M.-H., S.-W. Kim, S.-C. Yoon, N. Sugimoto, and B.-J. Sohn, 2011: Characteristics of the lidar and sky radiometer measurements in Seoul. Atmosphere, 21, 57-67 (in Korean with English abstract).
Kim, M.-H., and Coauthors, 2015: Estimation of particle mass concentration from lidar measurement. Atmosphere,25, 169-177 (in Korean with English abstract).

원문보기 상세보기
Klett, J. D., 1981: Stable analytical inversion solution for processing lidar returns. Appl. Opt., 20, 211-220.

상세보기
Ko, A.-R., B.-G. Kim, S.-H. Eun, Y.-S. Park, and B.-C. Choi, 2016: Analysis of the relationship of water vapor with precipitation for the winter ESSAY (Experiment on Snow Storms At Yeongdong) period. Atmosphere, 26, 19-33 (in Korean with English abstract).

원문보기 상세보기
Lee, H.-J., Y. M. Jeong, S.-T. Kim, and W.-S. Lee, 2018: Atmospheric circulation patterns associated with particulate matter over South Korea and their future projection. J. Clim. Change Res., 9, 423-433 (in Korean with English abstract).

상세보기
Lee, S., and Coauthors, 2019: Analysis of long-range transboundary transport (LRTT) effect on Korean aerosol pollution during the KORUS-AQ campaign. Atmos. Environ., 204, 53-67, doi:10.1016/j.atmosenv.2019.02.020.

상세보기
ME, 2016: If you know it, you can see it. The particulate matter, what's this? Ministry of Environment, 72 pp (in Korean) [Available online at https://www.airkorea.or.kr/web/board/3/428/pMENU_NO143].
Nam, H.-G., B.-G. Kim, S.-O. Han, C. Lee, and S.-S. Lee, 2014: Characteristics of easterly-induced snowfall in Yeongdong and its relationship to air-sea temperature difference. Asia-Pac. J. Atmos. Sci., 50, 541-552, doi:10.1007/s13143-014-0044-3.

상세보기
OECD, 2016: The Economic Consequences of Outdoor Air Pollution. Organization for Economic Cooperation and Development, 116 pp [Available online at http://dx.doi.org/10.1787/9789264257474-en].
Park, S.-Y., Y.-J. Kim, and C.-H. Kim, 2012: Characteristics of long-range transport of air pollutants due to different transport patterns over Northeast Asia. J. Kor. Soc. Atmos. Environ., 28, 142-158 (in Korean with English abstract).

원문보기 상세보기
Remer, L. A., and Coauthors, 2005: The MODIS aerosol algorithm, products, and validation. J. Atmos. Sci., 62, 947-973.

상세보기
Sakai, T., T. Nagai, N. Orikasa, Y. Zaizen, K. Yamashita, Y. Mano, and M. Murakami, 2013: Aerosol characterization by dual-wavelength polarization lidar measurements over Kochi, Japan during the warm seasons of 2008 to 2010. J. Meteor. Soc. Japan, 91, 789-800, doi:10.2151/jmsj.2013-605.

상세보기
Shi, H., S.-S. Lee, H.-W. Chun, H.-J. Song, Y.-C. Noh, and B.-J. Sohn, 2016: Optical properties of aerosols related to haze events over Seoul inferred from skyradiometer and satellite-borne measurements. Atmosphere, 26, 289-299, doi:10.14191/Atmos.2016.26.2.289 (in Korean with English abstract).

원문보기 상세보기
Shimizu, A., and Coauthors, 2004: Continuous observations of Asian dust and other aerosols by polarization lidars in China and Japan during ACE-Asia. J. Geophys. Res., 109, D19S17.
Sugimoto, N., and Z. Huang, 2014: Lidar methods for observing mineral dust. J. Meteorol. Res., 28, 173-184, doi:10.1007/s13351-014-3068-9.

상세보기
Wang, Q., L. Sun, J. Wei, Y. Yang, R. Li, Q. Liu, and L. Chen, 2017: Validation and Accuracy Analysis of Global MODIS Aerosol Products over Land. Atmosphere, 8, 155, doi:10.3390/atmos8080155.

상세보기
Yeo, H. D., and Coauthors, 2016: The KALION automated aerosol type classification and mass concentration calculation algorithm. Kor. J. Remote Sens., 32, 119-131 (in Korean with English abstract).

원문보기 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