[논문]한반도 대기정체의 특성 및 지역기후모델 HadGEM3-RA를 이용한 미래 전망

김도현; 김진욱; 김태준; 변재영; 김진원; 권상훈; 김연희

doi:10.14191/atmos.2020.30.4.377

한반도 대기정체의 특성 및 지역기후모델 HadGEM3-RA를 이용한 미래 전망
Characteristics of Air Stagnation over the Korean Peninsula and Projection Using Regional Climate Model of HadGEM3-RA 원문보기

대기 = Atmosphere, v.30 no.4, 2020년, pp.377 - 390

김도현 (국립기상과학원 미래기반연구부) , 김진욱 (국립기상과학원 미래기반연구부) , 김태준 (국립기상과학원 미래기반연구부) , 변재영 (국립기상과학원 미래기반연구부) , 김진원 (국립기상과학원 미래기반연구부) , 권상훈 (국립기상과학원 미래기반연구부) , 김연희 (국립기상과학원 미래기반연구부)

Abstract ▼ AI-Helper

Not only emissions, but also atmospheric circulation is a key factor that affects local particulate matters (PM) concentrations in Korea through ventilation effects and transboundary transports. As part of the atmospheric circulation, air stagnation especially adversely affects local air quality due to weak ventilation. This study investigates the large-scale circulation related to air stagnation over Korea during winter and projects the climate change impacts on atmospheric patterns, using observed PM data, reanalysis and regional climate projections from HadGEM3-RA with Modified Korea Particulate matter Index. Results show that the stagnation affects the PM concentration, accompanied by pressure ridge at upper troposphere and weaken zonal pressure gradient at lower troposphere. Downscaling using HadGEM3-RA is found to yield Added-Value in the simulated low tropospheric winds. For projection of future stagnation, SSP5-8.5 and SSP1-2.6 (high and low emission) scenarios are used here. It has been found that the stagnation condition occurs more frequently by 11% under SSP5-8.5 and by 5% under SSP1-2.6 than in present-day climate and is most affected by changes in surface wind speed. The increase in the stagnation conditions is related to anticyclonic circulation anomaly at upper troposphere and weaken meridional pressure gradient at lower troposphere. Considering that the present East Asian winter monsoon is mainly affected by change in zonal pressure gradient, it is worth paying attention to this change in the meridional gradient. Our results suggest that future warming condition increase the frequency of air stagnation over Korea during winter with response of atmospheric circulation and its nonlinearity.

주제어

표/그림 (10)

표 Table 1. Model configuration and simulation used in this study.
그림 Fig. 1. Areas used to calculate MKPI.
그림 Fig. 2. Distributions of MKPI represented as (a) frequency and (b) ratio. It is for period of 2001~2014 DJF. The MKPI is derived from ERA-Interim. The colors of bar plot indicate observed PM₁₀ criteria of dark red: equal or more than 100 μg m^-3, red: 50~99 μg m^-3, blue: 30~49 μg m^-3 and sky blue: less than 30 μg m^-3. The units are (a) days and (b) percent.
그림 Fig. 3. Geographical distributions for normalized anomalies of wind vector at (a, b) 500 hPa and (c, d) 850 hPa in cases with (a, c) PM₁₀ equal or more than 50 μg m^-3 and (b, d) MKPI equal or more than 0 from 2001~2014 DJF. The field is derived from ERA-Interim. Shadings indicate normalized anomalies of (a, b) geopotential height and (c, d) mean sea level pressure. The anomalies are based on period of 1985~2014 DJF.
그림 Fig. 4. Same as Fig. 3, except for in cases with (a, c) PM₁₀ less than 50 μg m^-3 and (b, d) MKPI less than 0.
그림 Fig. 5. Distribution of frequency for (a) Surwind, (b) Va850 and (c) Ua500. The frequency is from corresponding time step and grid. The orange and navy blue bar indicates results by RCM (HadGEM3-RA) and GCM (UKESM), respectively. The black dot indicates result of reanalysis (ERA-Interim). Period from 1985 to 2014 DJF is used. Unit of abscissa axis is m s^-1.
그림 Fig. 6. Normalized distribution of frequency for MKPI and three climate components used for the index. The distributions are from simulation by HadGEM3-RA. The distributions are under present (Historical experiment of 1985 to 2014 DJF) and high GHGs (SSP5-8.5 scenario of 2071 to 2100 DJF) climate illustrated as blue and red bar, respectively. MKPI and climate components were normalized by corresponding standard deviation of present climate. Days when each normalized value exceeds 0 under present climate and high GHGs climate are displayed on upper left and right corner. Significance level by the Kolmogorov-Smirnov test is shown on upper right corner as asterisk, ***: 1%, **: 5% and *: 10%.
그림 Fig. 7. Same as Fig. 6, except for SSP1-2.6 scenario.
그림 Fig. 8. Distribution of days per extreme air stagnation event simulated by HadGEM3-RA. The distributions are under present and (a) high GHGs and (b) low GHGs climate. The extreme air stagnation event is defined as day when MKPI is equal or more than 1. Blue bar (red bar) indicates under present climate of 1985 to 2014 ((a) high and (b) low GHGs of 2071 to 2100) DJF. Mean days per event under present climate ((a) high and (b) low GHGs) are displayed on upper left (right).
그림 Fig. 9. Geographical distributions for anomalies of wind vector (m s^-1) at (a) 500 hPa and (b) 850 hPa under SSP5-8.5 scenario for period of 2071~2100 DJF. The projections are simulated by HadGEM3-RA. Shadings indicate anomalies of (a) geopotential height (m) at 500 hPa and (b) mean sea level pressure (hPa). Navy blue contours indicate climatologies of (a) 500 hPa zonal and (b) 850 hPa meridional wind speed (m s^-1). The anomalies and climatologies are based on Historical experiment for period of 1985~2014 DJF.

AI 본문요약
AI-Helper

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

문제 정의

그러므로 모델이 대기 정체를 정확하게 정량화하기 위해서는 약한 바람을 포함한 상하층의 바람을 관측과 유사하게 모의하여야 한다. 따라서 이번 절에서는 대기정체 정량화에 사용된 기후 요소(SurWind, Va850, Ua500)에 대한 HadGEM3-RA의 모의 성능을 평가하려고 한다. 이를 위하여, HadGEM3-RA와 지역기후모델의 경계장으로 사용되었던 전지구기후모델(UKESM)의 모의자료 중 Historical 실험 및 관측자료로써 재분석자료(ERA-Interim)를 이용하였다.
6 시나리오는 기후변화에 대한 적응 능력이 뛰어남과 동시에 친환경 기술의 발달로 완화 능력도 높은 지속성장 경로를 대표하며, 시나리오 중 가장 낮은 온실가스 농도를 가정한다. 따라서, 위의 두 SSP 시나리오 하의 HadGEM3-RA 모의자료를 사용함으로써 온실가스 농도에 따른 대기 정체의 변화를 살펴보고자 하였다.
본 연구에서는 MKPI 지수와 HadGEM3-RA의 모의자료를 이용하여 한반도 겨울철 대기정체의 특성과 그 미래전망을 분석하고자 하였다. 다음장인 2장에서는 연구에서 사용된 자료 및 연구 방법을 설명하였다.
본 연구에서는 한반도의 고농도 미세먼지와 관련이 깊은 대기정체 빈도의 미래 변화를 대기패턴의 변화와 연관 지어 전망하였다. 이를 위하여 지역기후모델 HadGEM3-RA의 모의자료를 사용하였으며, 과거 기후를 대표하는 Historical 실험 및 미래의 고농도 온실가스를 가정하는 SSP5-8.
, 2017). 해당 연구에서는 이러한 대기패턴의 변화가 해양에 비해 육지가 더 빨리 가열되는 해양-육지간 온난화 차이에 기인할 것으로 보았다. 해양-육지간 온난화 차이에 의하여 하층 대기에 대하여 북태평양을 중심으로 양의 해면 기압 아노말리, 극지방을 중심으로는 음의 해면 기압 아노말리가 나타나 북반구 중위도와 고위도 전반에 양의 극 진동(Arctic Oscillation) 패턴이 나타날 것으로 예상하였다.

가설 설정

3.1절에서 나타낸 바와 같이, 대기정체는 상하층의 약한 바람 조건에서 발생한다. 그러므로 모델이 대기 정체를 정확하게 정량화하기 위해서는 약한 바람을 포함한 상하층의 바람을 관측과 유사하게 모의하여야 한다.
6의 두 시나리오에 대하여 2015년부터 2100년까지 단일앙상블 멤버의 적분을 수행하였다. SSP5-8.5 시나리오는 기후변화에 대한 적응 능력은 뛰어나지만 화석연료 사용의 의존으로 완화 능력이 낮은 고속성장 경로를 대표하며, 시나리오 중 가장 높은 온실가스 농도를 가정한다. 한편, SSP1-2.
5 시나리오는 기후변화에 대한 적응 능력은 뛰어나지만 화석연료 사용의 의존으로 완화 능력이 낮은 고속성장 경로를 대표하며, 시나리오 중 가장 높은 온실가스 농도를 가정한다. 한편, SSP1-2.6 시나리오는 기후변화에 대한 적응 능력이 뛰어남과 동시에 친환경 기술의 발달로 완화 능력도 높은 지속성장 경로를 대표하며, 시나리오 중 가장 낮은 온실가스 농도를 가정한다. 따라서, 위의 두 SSP 시나리오 하의 HadGEM3-RA 모의자료를 사용함으로써 온실가스 농도에 따른 대기 정체의 변화를 살펴보고자 하였다.

제안 방법

5m s1에서 가장 많은 사례를 보이고 있다. HadGEM3-RA의 빈도 분포도 양의 비대칭도를 가지고 있으나, 1.5m s1 이하의 빈도에 대해서 ERA-Interim에 좀 더 가까이 빈도를 모의함으로써, 앞선 UKESM과 ERA-Interim 간의 빈도 차이를 해소하였다. 이는 HadGEM3-RA가 지상의 약한 풍속 모의에 대하여 부가 정보를 가짐을 의미한다.
, 2017). SSP 시나리오는 기후변화 적응 및 완화에 따라 4개의 시나리오로 세분되며, 그 중 HadGEM3-RA는 SSP5-8.5와 SSP1-2.6의 두 시나리오에 대하여 2015년부터 2100년까지 단일앙상블 멤버의 적분을 수행하였다. SSP5-8.
가장 먼저, 지역기후모델의 모의자료를 검증하고 미래기간 동안의 전망에 대한 기준을 설정하기 위해 과거 기후 모의 실험(Historical) 자료를 이용하였으며, HadGEM3-RA는 Historical 실험에 대하여 1968년부터 2014년까지 단일 앙상블(ensemble) 멤버의 적분을 수행하였다. 이와 함께, 대기정체의 미래전망을 확인하기 위해서는 특정 환경하에서 기후 요소의 변화를 확인하는 미래 시나리오 자료의 사용이 필요하다.
즉, 대기정체가 미세먼지 농도에 큰 영향을 주는 요소임을 확인할 수 있었다. 다음으로 대기 정체 정량화에 사용되는 기후 요소에 대한 HadGEM3-RA의 모의 성능을 평가하였으며, Va850과 SurWind 의 약한 풍속을 중심으로 부가 정보가 나타났다. 하층의 약한 풍속에 대한 부가 정보는 대기정체와 연관이 깊으므로 이를 정량화 함에 있어 중요하다고 할 수 있다.
다음으로, 미세먼지 농도 및 대기정체 강도에 따른 대기 패턴을 비교하였으며, 하층(850hPa 바람 벡터 및 해면 기압) 및 상층(500hPa 바람 벡터 및 지위고도) 의 표준화된 아노말리를 분석하였다. Figure 3은 고농도 미세먼지 및 대기정체 사례일 때의 상층과 하층의 대기 패턴을 나타내고 있다.
, 2018). 따라서 계산된 아노말리를 기준 기간의 시계열 표준편차(std_i)로 나누어 표준화된 아노말리(norm_i)를 산출하였으며, 이는 다음과 같다.
이는 SurWind의 변화가 바람에 의한 환기 효과를 반영할 수 있음을 의미한다. 따라서 본 연구에서는 기후 요소 Zg500을 대신하여 SurWind를 대기정체의 정량화에 사용함으로써 MKPI (Modified KPI)를 고안하였다. 이 때, MKPI의 계산에 Va850과 Ua500에 대해서는 KPI에 사용되었던 영역을, SurWind에 대해서는 Va850 과 동일한 영역을 사용하였다(Fig.
25o의 수평 해상도로 내삽하여 사용하였다. 또한 대기 정체와 관련된 분석을 위하여, 모델 모의 자료 및 재분석 자료의 850hPa, 500hPa, 지상 동서 및 남북풍속, 500hPa 지위고도, 해면기압 등 여러 기후 요소의 일 평균 자료를 사용하였다. 사용한 자료의 기간은 재분석 자료 및 Historical 실험에 대해서는 1985~ 2014년, SSP5-8.
6 자료를 사용하여 지구온난화 정도에 따른 빈도 변화를 비교하였다. 또한 대기정체의 지속 시간 및 대기정체와 관련된 대기 패턴의 변화도 제시하였다.
미세먼지와 대기정체간의 연관성을 확인하기 위하여, 겨울철 일별 사례에 대한 PM₁₀ 관측자료와 ERA-Interim 재분석자료를 이용하여 계산된 MKPI를 비교하였다. 이 때, PM₁₀ 농도를 세계보건기구(WHO)의 권장 기준(일 평균 농도 50g m^3 미만)에 따라 구분하였다(WHO, 2016).
본 절에서는 MKPI와 HadGEM3-RA의 모의자료를 이용하여 한반도의 미래 대기정체 빈도를 전망하였다. 이 때, 고농도 온실가스 시나리오인 SSP5-8.
세 번째로, 표준화된 아노말리를 기후 요소 별로 정해진 영역(dA_i)에 대해서 평균을 하여 영역 평균된 값 (FMi)을 산출한다. 이 때, 기후 요소 Ua500에 대해서는 북쪽 영역의 영역 평균 값을 남쪽 영역의 영역 평균값으로 빼준다.
위의 대기정체 빈도 변화를 뒷받침하기 위하여 이에 관련된 대기패턴의 미래 변화를 분석하였다. 한반도 상층에서는 약한 기압능이 발생하여 제트 기류가 다소 북상할 것으로 전망되었다.
, 2011). 이 때, HadGEM3-RA, UKESM 및 ERA-Interim 의 수평 해상도가 서로 다르므로 자료간 비교를 위하여 세 자료를 HadGEM3-RA의 해상도와 가까운 0.25o× 0.25o의 수평 해상도로 내삽하여 사용하였다. 또한 대기 정체와 관련된 분석을 위하여, 모델 모의 자료 및 재분석 자료의 850hPa, 500hPa, 지상 동서 및 남북풍속, 500hPa 지위고도, 해면기압 등 여러 기후 요소의 일 평균 자료를 사용하였다.
전망하였다. 이 때, 고농도 온실가스 시나리오인 SSP5-8.5와 저농도 온실가스 시나리오인 SSP1-2.6 자료를 사용하여 지구온난화 정도에 따른 빈도 변화를 비교하였다. 또한 대기정체의 지속 시간 및 대기정체와 관련된 대기 패턴의 변화도 제시하였다.
3c). 이러한 고농도 사례의 대기패턴과 대기정체 사례의 대기 패턴을 비교하였다. 대기정체 사례의 상층에 대하여, 고농도 사례와 동일하게 한반도 상공에 기압능아노말리가 확인되었다(Fig.
이러한 저농도 사례의 대기패턴과 비 대기정체 사례의 대기패턴을 비교하였다. 먼저, 상층에서 저농도사례와 동일하게 한반도 상공의 기압골 아노말리를 확인할 수 있다(Fig.
이번 절에서는 2001~2014년 동안의 일별 사례를 통하여 한반도 미세먼지와 대기정체의 특성을 분석하였다. 그 결과, 대기정체가 발생하였을 때는 대부분 고농도 미세먼지가 동반되는 것으로 나타났다.
이번 절에서는 대기정체 정량화에 이용된 기후 요소들에 대하여 HadGEM3-RA와 UKESM 및 ERA-Interim의 빈도 분포를 비교하였다. HadGEM3-RA는 UKESM에 비하여 약한 풍속의 SurWind 및 Va850을 ERA-Interim에 더 유사하게 모의하였다.
이 때, PM₁₀ 농도를 세계보건기구(WHO)의 권장 기준(일 평균 농도 50g m^3 미만)에 따라 구분하였다(WHO, 2016). 즉, ‘좋음’(30g m^3 미만), ‘보통’(30g m^3 이상, 50g m^3 미만), ‘나쁨’(50g m3 이상, 100g m^3 미만), ‘매우 나쁨’(100g m3 이상)의 구간으로 나누었으며, ‘나쁨’ 및 ‘매우 나쁨’ 구간에 대해서는 고농도, ‘좋음’ 및 ‘보통’ 구간에 대해서는 저농도 미세먼지 사례로 구분하였다.
MKPI의 상세한 계산 과정은 다음과 같다. 첫 번째로, 각 기후 요소(i)의 아노말리(anom_i) 를 각 격자 및 특정 기간에 대하여 계산한다. 이 때, 아노말리는 기후 요소의 값(val_i)에 대하여 1985~2014년(기준 기간) 동안의 평균(mean_i)으로 나누어 산출되며, 시간(t) 및 공간(x, y)을 가지는 3차원의 값으로 나오게 된다.
, 2018), 서울의 25개 지점 자료를 평균하여 한반도 대표 PM₁₀ 자료로 사용하였다. 한편, PM₁₀ 자료에 대하여 결측 시간이 20% 이상 존재하는 일자는 제외하고 유효한 일자에 대하여 시간 자료를 일 평균하여 사용하였다. 또한, 고농도 사례 중 대기정체와 황사 간의 대기 패턴은 서로 크게 다르므로(Kim, 2008; Lee et al.

대상 데이터

관측자료를 사용하였다. PM₁₀ 자료는 한국환경공단 하의 서울 25개 지점의 자료를 사용하였으며, 2001년부터 2014년까지의 1시간 간격 자료를 이용하였다. 서울 지역의 PM₁₀과 한반도 지역의 PM10 간의 상관계수가 0.
대기정체와 관련된 대기패턴 및 지역기후모델 모의자료의 검증을 위하여 ERA-Interim (European Centre for Medium-Range Weather Forecasts Interim Re-Analysis) 재분석 자료를 사용하였으며, 이 자료는 위도 및 경도에 대하여 0.75°의 수평 해상도를 가진다(Dee et al., 2011). 이 때, HadGEM3-RA, UKESM 및 ERA-Interim 의 수평 해상도가 서로 다르므로 자료간 비교를 위하여 세 자료를 HadGEM3-RA의 해상도와 가까운 0.
미세먼지 농도에 따른 사례 분류 및 대기 정체와의 관련성을 확인하기 위하여 입경 10m 이하 먼지 농도(PM10)의 관측자료를 사용하였다. PM₁₀ 자료는 한국환경공단 하의 서울 25개 지점의 자료를 사용하였으며, 2001년부터 2014년까지의 1시간 간격 자료를 이용하였다.
또한 대기 정체와 관련된 분석을 위하여, 모델 모의 자료 및 재분석 자료의 850hPa, 500hPa, 지상 동서 및 남북풍속, 500hPa 지위고도, 해면기압 등 여러 기후 요소의 일 평균 자료를 사용하였다. 사용한 자료의 기간은 재분석 자료 및 Historical 실험에 대해서는 1985~ 2014년, SSP5-8.5 및 SSP1-2.6 시나리오에 대해서는 2071~2100년이며, 겨울철 분석을 위하여 12월, 1월 및 2월(DJF)의 자료만 이용하였다.
PM₁₀ 자료는 한국환경공단 하의 서울 25개 지점의 자료를 사용하였으며, 2001년부터 2014년까지의 1시간 간격 자료를 이용하였다. 서울 지역의 PM₁₀과 한반도 지역의 PM10 간의 상관계수가 0.74로 크게 나타나므로(Lee et al., 2018), 서울의 25개 지점 자료를 평균하여 한반도 대표 PM₁₀ 자료로 사용하였다. 한편, PM₁₀ 자료에 대하여 결측 시간이 20% 이상 존재하는 일자는 제외하고 유효한 일자에 대하여 시간 자료를 일 평균하여 사용하였다.
연관 지어 전망하였다. 이를 위하여 지역기후모델 HadGEM3-RA의 모의자료를 사용하였으며, 과거 기후를 대표하는 Historical 실험 및 미래의 고농도 온실가스를 가정하는 SSP5-8.5와 저농도 온실가스를 가정하는 SSP1-2.6 시나리오 자료를 이용하였다. 또한 대기 정체를 정량화하기 위하여 Lee et al.
따라서 이번 절에서는 대기정체 정량화에 사용된 기후 요소(SurWind, Va850, Ua500)에 대한 HadGEM3-RA의 모의 성능을 평가하려고 한다. 이를 위하여, HadGEM3-RA와 지역기후모델의 경계장으로 사용되었던 전지구기후모델(UKESM)의 모의자료 중 Historical 실험 및 관측자료로써 재분석자료(ERA-Interim)를 이용하였다. 해당 평가에는 앞서 대기정체 정량화에 언급되었던 기후 요소에 따른 사용 영역 및 기간을 동일하게 이용하였다.
, 2019). 적분 영역은 동아시아 전반을 포함하는 CORDEX-EA II 영역을 이용하였으며, 25km의 수평 해상도를 가진다. HadGEM3-RA의 상세한 내용은 Table 1에 제시되어 있다.
지역기후모델 HadGEM3-RA의 적분을 위하여 135km 의 수평 해상도를 가지는 전지구모델 UKESM (UK Earth System Model)의 모의자료를 경계장으로 사용하였다(Sell ar et al., 2019). 적분 영역은 동아시아 전반을 포함하는 CORDEX-EA II 영역을 이용하였으며, 25km의 수평 해상도를 가진다.
한편, 본 연구는 단일 지역기후모델의 모의 자료를 사용하여 진행되었다. 이는 연구 결과가 모델의 계통 오차에 큰 영향을 받을 수 있다는 한계를 의미한다.

데이터처리

마지막으로, 기후 요소의 영역 평균된 값들(FM_Va850, FM_Ua500, FM_SurWind)을 모두 더해준 뒤, 생성된 시계열의 표준편차(std_MKPI)로 다시 표준화를 시켜준다. 이 때, SurWind는 낮은 값일수록 대기정체 발생에 유리하므로, 1을 곱하여 준다.

이론/모형

이와 함께, 대기정체의 미래전망을 확인하기 위해서는 특정 환경하에서 기후 요소의 변화를 확인하는 미래 시나리오 자료의 사용이 필요하다. 따라서 CMIP6 (Coupled Model Intercomparison Project 6) 에서 새롭게 정의된 공통사회경제경로(Shared Socioeconomic Pathways, 이하 SSP) 시나리오를 이용하였다(Eyring et al., 2016; Riahi et al., 2017). SSP 시나리오는 기후변화 적응 및 완화에 따라 4개의 시나리오로 세분되며, 그 중 HadGEM3-RA는 SSP5-8.
따라서 본 연구에서는 한반도 지역 대기정체의 강도를 정량화하기 위하여 Lee et al. (2018)이 정의한 KPI (Korean Particulate matter Index)를 채택하였다. KPI 지수는 한반도 주변 영역의 앞서 언급한 세 가지 기후 요소의 값을 이용하여 대기정체와 관련이 있는 대기패턴의 강도를 정량화한다.
6 시나리오 자료를 이용하였다. 또한 대기 정체를 정량화하기 위하여 Lee et al. (2018)에서 쓰였던 KPI를 보완한 MKPI를 사용하였다.
CORDEX 프로젝트는 여러 지역을 도메인으로 두고 이루어졌으며, 그 중 동아시아 지역에 대해서는 CORDEX-동아시아(East Asia; 이하 EA)가 존재한다. 최근에는 기존 CORDEX-EA에 비하여 모델 해상도를 높인 CORDEX-EA II가 출범하였으며, 본 연구에서는 해당 프로젝트의 산출물 중 하나인 지역기후모델 HadGEM3-RA (Hadley Centre Global Environmental Model version 3 regional model) 의 모의자료를 이용하였다(Davies et al., 2005).

성능/효과

Historical 실험 하에서는 대기정체의 빈도가 연평균 46.4일로 확인되었지만, SSP5-8.5 시나리오 하에서는 대기정체의 빈도가 연평균 51.4일로 약 11% 가 증가할 것으로 예상되었다. 대기정체 빈도 증가에는 Va850과 Ua500에 비하여 SurWind의 영향이 가장 클 것으로 나타났다.
이와 함께 심한 대기 정체의 지속 기간 변화도 제시하였다. Historical 실험 하에서는 심한 대기정체가 연 평균 2.08일 지속될 것으로 확인되었으나, SSP5-8.5 시나리오 하에서는 연평균 2.32일 지속되어 평균 지속 기간이 약 12% 증가할 것으로 예상되었다. 한편, SSP1-2.
6 하에서의 MKPI 및 세 가지 기후 요소의 빈도를 Historical 하에서의 빈도와 비교하고 있다. SSP1-2.6 조건에서는 MKPI가 0이 넘는 연간 일수가 48.7일로 나타나 통계적으로 유의하게 증가할 것으로 예상되었지만, 그 증가는 2.3일(약 5%) 에 그칠 것으로 나타났다. 이러한 빈도 증가의 둔화에는 지상 풍속 증가세의 감소가 크게 영향을 끼친 것으로 확인되었다.
검은색 점으로 표시되어 있다. 가장 먼저, ERA-Interim의 SurWind 빈도 분포는 양의 비대칭도를 가지고 있으며, 2~2.5m s^1에서 가장 많은 사례를 보이고 있다(Fig. 5a). 그러나 UKESM의 빈도 분포는 이보다 더 큰 양의 비대칭도를 가지며, 1~1.
그 결과, 대기정체가 발생하였을 때는 대부분 고농도 미세먼지가 동반되는 것으로 나타났다. 또한 고농도 사례와 대기정체 사례의 대기패턴이 서로 비슷함을 확인하였으며, 이러한 동시 발생 및 대기 패턴의 유사성은 저농도 사례와 비 대기정체 사례의 사이에서도 동일하게 나타났다.
높은 농도의 온실가스는 동아시아의 기온과 강수뿐만 아니라 바람에도 영향을 주고 있는 것으로 확인되었다. 예를 들어, Yang et al.
4일로 약 11% 가 증가할 것으로 예상되었다. 대기정체 빈도 증가에는 Va850과 Ua500에 비하여 SurWind의 영향이 가장 클 것으로 나타났다. 반면, SSP1-2.
5에 비하여 연간 4일이 크게 감소하였다. 따라서 온실가스 농도에 대하여 Va850 및 Ua500 보다는 SurWind 가 가장 민감하게 반응하여 대기정체의 빈도에 영향을 끼칠 것으로 예상되었다.
따라서 KPI에 사용된 Ua500과 Zg500은 중복된 기후 요소의 변화를 반영한다고 할 수 있다. 또한 KPI 기반의 대기 정체 빈도가 미래 기간에 비현실적으로 크게 나타나는 문제점이 존재하였으며, 이는 지구온난화 하에서 Zg500의 큰 상승이 반영되었기 때문임이 확인되었다. 따라서 대기정체의 정량화에 있어 기후 요소 Zg500 대신에 새로운 기후 요소를 반영하고, 대기 정체의 현실적인 빈도 변화를 계산하기 위해서 기존의 KPI를 개선한 지수의 필요성이 제기되었다.
그 결과, 대기정체가 발생하였을 때는 대부분 고농도 미세먼지가 동반되는 것으로 나타났다. 또한 고농도 사례와 대기정체 사례의 대기패턴이 서로 비슷함을 확인하였으며, 이러한 동시 발생 및 대기 패턴의 유사성은 저농도 사례와 비 대기정체 사례의 사이에서도 동일하게 나타났다. 따라서 한반도 주변의 대기 정체는 미세먼지 농도에 큰 영향을 끼치는 요소임을 확인할 수 있다.
대기정체 빈도 증가에는 Va850과 Ua500에 비하여 SurWind의 영향이 가장 클 것으로 나타났다. 반면, SSP1-2.6 시나리오 조건에서는 대기정체의 빈도가 SSP5-8.5 조건에서 보다 적게 증가할 것으로 전망되었다. 이와 함께 심한 대기 정체의 지속 기간 변화도 제시하였다.
5 조건에서 MKPI가 0 이상인 연간일 수가 5일(약 11%) 증가해 대기정체의 빈도가 크게 증가할 것임을 의미하고 있다. 이러한 대기정체의 빈도 증가에는 세 가지 기후 요소 모두가 통계적으로 유의하게 변화하며 기여를 할 것으로 확인되었으며, 특히 지상 풍속이 크게 영향을 줄 것으로 나타났다. 즉, 표준화된 아노말리가 0이 넘는 연간 일수에 대하여, Va850은 연간 43.
예상되었다. 이러한 온실가스의 영향과 함께, 상층 바람에 비해 하층 바람이 대기정체 빈도에 더 큰 영향을 주는 등 대기패턴 반응의 비선형성도 예상되었다. 따라서 한반도의 대기정체 연구를 위해서는 온실가스의 영향뿐만 아니라 이에 동반되는 대기 패턴 변화의 특성도 함께 고려해야 될 것으로 사료된다.
기존의 북풍이 우세했던 한반도 지역에서 남서풍의 강화는 상대적으로 북풍을 약화시키므로 해당 지역의 대기정체에 영향을 끼치게 된다. 정리하면, SSP5-8.5 시나리오 조건에서 상층에서는 약한 기압 능으로 인한 제트기류의 북상이, 하층에서는 남북 기압경도 강화로 인한 남서풍의 강화가 한반도 대기정체의 빈도에 영향을 끼칠 것으로 확인되었다.
정리하면, 보완된 대기정체 지수와 지역 기후 모델의 모의 자료를 이용하여 한반도 대기정체의 빈도 변화를 전망하였으며, 그 결과 저농도에 비해 고농도 온실가스 시나리오 하에서 대기정체의 빈도 증가가 클 것으로 예상되었다. 이러한 온실가스의 영향과 함께, 상층 바람에 비해 하층 바람이 대기정체 빈도에 더 큰 영향을 주는 등 대기패턴 반응의 비선형성도 예상되었다.
4일로 통계적으로 유의하게 증가할 것으로 예상되었다. 즉, Historical 에 비해 SSP5-8.5 조건에서 MKPI가 0 이상인 연간일 수가 5일(약 11%) 증가해 대기정체의 빈도가 크게 증가할 것임을 의미하고 있다. 이러한 대기정체의 빈도 증가에는 세 가지 기후 요소 모두가 통계적으로 유의하게 변화하며 기여를 할 것으로 확인되었으며, 특히 지상 풍속이 크게 영향을 줄 것으로 나타났다.
이러한 동시 발생 및 대기 패턴의 유사성은 저농도 및 비 대기정체 사례 사이에서도 동일하게 나타났다. 즉, 대기정체가 미세먼지 농도에 큰 영향을 주는 요소임을 확인할 수 있었다. 다음으로 대기 정체 정량화에 사용되는 기후 요소에 대한 HadGEM3-RA의 모의 성능을 평가하였으며, Va850과 SurWind 의 약한 풍속을 중심으로 부가 정보가 나타났다.
8b). 즉, 미래 시나리오 조건에서는 대기정체의 빈도뿐만 아니라 지속 기간도 늘어날 것으로 예상되었으며, 그 정도는 온실가스의 농도에 비례할 것임을 확인하였다. Figure 9은 SSP5-8.
저농도 사례에 대해서는 고농도 사례와 반대의 대기 패턴이 나타났다. 즉, 상층에 대해서는 한반도 북동쪽에 음의 지위고도 아노말리(즉, 기압골)가 나타났으며 (Fig. 4a), 하층에 대해서는 한반도 서쪽에 양의 해면 기압 아노말리, 동쪽에 음의 해면기압 아노말리가 나타났음을 확인하였다(Fig. 4c).
이러한 빈도 증가의 둔화에는 지상 풍속 증가세의 감소가 크게 영향을 끼친 것으로 확인되었다. 즉, 표준화된 아노말리가 0이 넘는 연간 일수에 대하여, Va850과 Ua500은 각각 연간 44.5일 및 46.7일로 SSP5-8.5와 비교하여 큰 차이가 없었으나, SurWind에 대해서는 연간 51.7일로 SSP5-8.5에 비하여 연간 4일이 크게 감소하였다. 따라서 온실가스 농도에 대하여 Va850 및 Ua500 보다는 SurWind 가 가장 민감하게 반응하여 대기정체의 빈도에 영향을 끼칠 것으로 예상되었다.
이러한 대기정체의 빈도 증가에는 세 가지 기후 요소 모두가 통계적으로 유의하게 변화하며 기여를 할 것으로 확인되었으며, 특히 지상 풍속이 크게 영향을 줄 것으로 나타났다. 즉, 표준화된 아노말리가 0이 넘는 연간 일수에 대하여, Va850은 연간 43.1일에서 연간 45일, Ua500은 연간 46.3일에서 47일, SurWind는 연간 48.1일에서 55.7 일로 SurWind의 변화가 대기정체 빈도에 가장 크게 영향을 끼칠 것으로 예상되었다.
4일로 나타났다. 하지만 SSP5-8.5 조건에서는 MKPI 빈도 분포가 Historical 하의 분포에 비하여 우측으로 이동하며, MKPI가 0 이상인 연간일수가 51.4일로 통계적으로 유의하게 증가할 것으로 예상되었다. 즉, Historical 에 비해 SSP5-8.
한편, 상층과 하층 모두 저농도 사례와 비교하여 표준화된 아노말리의 강도 차이가 나타나고 있다. 하지만 상층 지위고도 아노말리 사이의 패턴 상관계수가 0.8, 하층 해면기압 사이의 패턴 상관계수가 0.93으로 충분히 높은 것을 확인할 수 있다. 따라서 저농도 사례와 비 대기정체 사례도 서로 유사한 대기 패턴을 동반하는 것으로 판단하였다.
한반도의 미세먼지와 대기정체의 특성을 분석한 결과, 대기정체 사례에 대해서는 대부분 고농도의 미세먼지가 동반되었음을 확인하였다. 또한 고농도 사례 및 대기정체 사례 모두 한반도 상층의 제트기류 북상과 하층의 동서 기압경도 감소 대기패턴 조건에서 발생하였다.
32일 지속되어 평균 지속 기간이 약 12% 증가할 것으로 예상되었다. 한편, SSP1-2.6 시나리오 조건에서는 심한 대기정체의 지속 기간도 SSP5-8.5 시나리오에 비해 줄어들 것으로 전망되었다.

후속연구

, 2017), 이는 대기정체의 정량화에도 해당될 것으로 예상된다. 따라서 향후 연구에서는 다수의 지역 기후 모델 모의 자료를 사용하여 해당 연구의 불확실성을 줄일 예정이다.
이에 따라 북태평양에는 고기압성 순환이 생기게 되고, 순환의 서쪽에 위치한 한반도 및 중국 동부에는 남풍 또는 남서풍이 강화하게 되는 대기 순환이 나타나게 된다. 또한, 해양-육지간 온난화 차이는 상층에 대해서도 기압골의 남하 정도를 줄여 제트기류가 북상하는데 기여할 것으로 예상되었다.

참고문헌 (29)

Bai, N., M. Khazaei, S. F. van Eeden, and I. Laher, 2007: The pharmacology of particulate matter air pollution-induced cardiovascular dysfunction. Pharmacol. Ther., 113, 16-29.

상세보기
Cai, W., K. Li, H. Liao, H. Wang, and L. Wu, 2017: Weather conditions conducive to Beijing severe haze more frequent under climate change. Nature Clim. Change, 7, 257-262, doi:10.1038/nclimate3249.

상세보기
Davies, T., M. J. P. Cullen, A. J. Malcolm, M. H. Mawson, A. Staniforth, A. A. White, and N. Wood, 2005: A new dynamical core for the Met Office's global and regional modelling of the atmosphere. Q. J. R. Meteorol. Soc., 131, 1759-1782.

상세보기
Dee, D. P., and Coauthors, 2011: The ERA-Interim reanalysis: configuration and performance of the data assimilation system. Q. J. R. Meteorol. Soc., 137, 553-597, doi:10.1002/qj.828.

상세보기
Eyring, V., S. Bony, G. A. Meehl, C. A. Senior, B. Stevens, R. J. Stouffer, and K. E. Taylor, 2016: Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geosci. Model Dev., 9, 1937-1958, doi:10.5194/gmd-9-1937-2016.

상세보기
Giorgi, F., C. Jones, and G. R. Asrar, 2009: Addressing climate information needs at the regional level: the CORDEX framework. WMO Bulletin, 58, 175-183.
Hong, C., and Coauthors, 2019: Impacts of climate change on future air quality and human health in China. Proc. Natl. Acad. Sci., 116, 17193-17200, doi:10.1073/pnas.1812881116.

상세보기
Horton, D. E., Harshvardhan, and N. S. Diffenbaugh, 2012: Response of air stagnation frequency to anthropogenically enhanced radiative forcing. Environ. Res. Lett., 7, 044034, doi:10.1088/1748-9326/7/4/044034.

상세보기
Im, E.-S., Y.-W. Choi, and J.-B. Ahn, 2017: Worsening of heat stress due to global warming in South Korea based on multi-RCM ensemble projections. J. Geophys. R. Atmos., 122, 444-11461, doi:10.1002/2017JD026731.

상세보기
Jo, E.-J., and Coauthors, 2017: Effects of particulate matter on respiratory disease and the impact of meteorological factors in Busan, Korea. Resp. Med., 124, 79-87, doi:10.1016/j.rmed.2017.02.010.

상세보기
Kan, H., S. J. London, G. Chen, Y. Zhang, G. Song, N. Zhao, L. Jiang, and B. Chen, 2007: Differentiating the effects of fine and coarse particles on daily mortality in Shanghai, China. Environ. Int., 33, 376-384.

상세보기
Kim, H.-C., and Coauthors, 2017: Recent increase of surface particulate matter concentrations in the Seoul Metropolitan Area, Korea. Sci. Rep., 7, 4710, doi:10.1038/s41598-017-05092-8.

상세보기
Kim, J., 2008: Transport routes and source regions of Asian dust observed in Korea during the past 40 years (1965-2004). Atmos. Environ., 42, 4778-4789.

상세보기
Kim, J., and Coauthors, 2014: Evaluation of the CORDEX-Africa multi-RCM hindcast: systematic model errors. Clim. Dyn., 42, 1189-1202, doi:10.1007/s00382-013-1751-7.

상세보기
Kim, S.-H., and Coauthors, 2015: Effects of particulate matter in ambient air on the development and control of asthma. Allergy Asthma Respir. Dis., 3, 313-319, doi:10.4168/aard.2015.3.5.313 (in Korean with English abstract).

상세보기
Korshover, J., and J. K. Angell, 1982: A review of air-stagnation cases in the eastern United States during 1981- Annual summary. Mon. Wea. Rev., 110, 1515-1518.

상세보기
Kulkarni, S., M. C. Deo, and S. Ghosh, 2019: Performance of the CORDEX regional climate models in simulating offshore wind and wind potential. Theor. Appl. Climatol., 135, 1449-1464, doi:10.1007/s00704-018-2401-0.

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. Climate Change Res., 9, 423-433 (in Korean with English abstract).

상세보기
Lee, J. H., Y. P. Kim, K.-C. Moon, H.-K. Kim, and C. B. Lee, 2001: Fine particle measurements at two background sites in Korea between 1996 and 1997. Atmos. Environ., 35, 635-643.

상세보기
Lee, S., C.-H. Ho, and Y.-S. Choi, 2011: High-PM 10 concentration episodes in Seoul, Korea: Background sources and related meteorological conditions. Atmos. Environ., 45, 7240-7247, doi:10.1016/j.atmosenv.2011.08.071.

상세보기
Park, C., and Coauthors, 2016: Evaluation of multiple regional climate models for summer climate extremes over East Asia. Clim. Dyn., 46, 2469-2486, doi:10.1007/s00382-015-2713-z.

상세보기
Riahi, K., and Coauthors, 2017: The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global Environ. Change, 42, 153-168, doi:10.1016/j.gloenvcha.2016.05.009.

상세보기
Sellar, A. A., and Coauthors, 2019: UKESM1: Description and evaluation of the U.K. Earth System Model. J. Adv. Model. Earth Sy., 11, 4513-4558, doi:10.1029/2019MS001739.

상세보기
Torma, C., F. Giorgi, and E. Coppola., 2015: Added value of regional climate modeling over areas characterized by complex terrain-Precipitation over the Alps. J. Geophys. R. Atmos., 120, 3957-3972, doi:10.1002/2014JD022781.

상세보기
van Vuuren, D. P., and Coauthors, 2011: The representative concentration pathways: an overview. Climatic Change, 109, 5, doi:10.1007/s10584-011-0148-z.

상세보기
Wang, X., R. E. Dickinson, L. Su, C. Zhou, and K. Wang, 2018: PM2.5 pollution in China and how it has been exacerbated by terrain and meteorological conditions. Bull. Amer. Meteor. Soc., 99, 105-119, doi:10.1175/BAMS-D-16-0301.1.

상세보기
WHO, 2016: Ambient air pollution: a global assessment of exposure and burden of disease. World Health Organization, 121 pp.
Xu, M., H. Xu, and J. Ma, 2016: Responses of the East Asian winter monsoon to global warming in CMIP5 models. Int. J. Climatol., 36, 2139-2155, doi:10.1002/joc.4480.

상세보기
Yang, Y., H. Liao, and S. Lou, 2016: Increase in winter haze over eastern China in recent decades: Roles of variations in meteorological parameters and anthropogenic emissions. J. Geophys. Res. Atmos., 121, 13050-13065, doi:10.1002/2016JD025136.

상세보기

저자의 다른 논문 :

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