Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-6692(Print)
ISSN : 2287-4518(Online)
Journal of the Korean earth science society Vol.37 No.1 pp.29-39
DOI : https://doi.org/10.5467/JKESS.2016.37.1.29

The Estimation of Monthly Average Solar Radiation using Sunshine Duration and Precipitation Observation Data in Gangneung Region

Seo-Hee Ahn1, Il-Sung Zo2*, Joon-Bum Jee3, Bu-Yo Kim1, Dong-Geon Lee1, Kyu-Tae Lee1,2
1Department of Atmospheric & Environmental Sciences, Gangneung-Wonju National University, Gangwon-do 25457, Korea
2Research Institute for Radiation-Satellite, Gangneung-Wonju National University, Gangwon-do 25457, Korea
3Weather Information Service Engine, Hankuk University of Foreign Studies, Gyeonggi-do 17035, Korea
Corresponding author: zoilsung@gwnu.ac.kr Tel: +82-33-640-2397 Fax: +82-33-640-2320
January 14, 2016 February 5, 2016 February 5, 2016

Abstract

In this study, we estimated solar radiation by multiple regression analysis using sunshine duration and precipitation data, which are highly correlated to solar radiation. We found the regression equation using data obtained from GROM (Gangwon Regional Office of Metrology, station 105, 1980-2007) located in Gangneung, South Korea and validated the equation by applying data obtained from new GROM (newly relocated, station 104, 2009-2014) and data obtained from GWNU (Gangneung-Wonju National University, 2013-2014) located between stations 104 and 105. By using sunshine duration data alone, the estimation using data from station 104 resulted in a correlation coefficient of 0.96 and a standard error of 1.16MJ m−2 , which was similar to the previous results; the estimation using data from GWNU yielded better results with a correlation coefficient of 0.99 and a standard error of 0.57MJ m−2 . By using sunshine duration and precipitation data, the estimation (using data from station 104) yielded a correlation coefficient of 0.96 and a standard error of 0.99MJ m−2 , resulting in a lower standard error compared to what was obtained using sunshine duration data alone. The maximum solar radiation bias increased from −26.6% (March 2013) to −31.0% (February 2011) when both sunshine duration and precipitation data were incorporated into the estimation rather than when sunshine duration data alone was incorporated. This was attributed to the concentrated precipitation found during May and July–September, which resulted in negative coefficients of the estimating equation in other months. Therefore, the monthly average solar radiation should be estimated carefully when employing the monthly average precipitation for those places where precipitation is concentrated during summer, such as the Korean peninsula.


강릉지역의 일조시간과 강수량 관측자료를 이용한 월평균 일사량 추정

안 서희1, 조 일성2*, 지 준범3, 김 부요1, 이 동건1, 이 규태1,2
1강릉원주대학교 대기환경과학과, 25457, 강원도 강릉시 죽헌길 7
2강릉원주대학교 복사-위성연구소, 25457, 강원도 강릉시 죽헌길 7
3한국외국어대학교 차세대도시농림융합기상사업단, 17035, 경기도 용인시 처인구 모현면 외대로 81

초록

본 연구는 일조시간과 강수량 자료를 이용하여 다중회귀 방법을 통해 일사량을 추정하였다. 연구에 사용된 자료 들은 강릉지역에 위치한 강원지방기상청(105 관측소, 1980-2007)과 신강원지방기상청(104 관측소, 2009-2014) 그리고 강릉원주대학교(GWNU 관측소, 2013-2014)이며, 105 관측소 자료를 통해 산출된 회귀식을 104 관측소와 GWNU 관측 소에 적용하여 비교분석하였다. 먼저, 일조시간만을 이용하였을 때 104 관측소는 기존 연구들과 유사한 상관계수(0.96) 와 표준오차(1.16 MJ m−2 )가 나타났고, GWNU 관측소에서는 높은 상관계수(0.99)와 낮은 표준오차(0.57 MJ m−2 )로 분석 되었다. 그리고 일조시간과 강수량 자료를 104 관측소에 적용하였을 때 상관계수 0.96과 표준오차 0.99 MJ m−2로 일조 시간만을 적용했을 때보다 표준오차가 감소되었다. 일조시간만을 이용한 방법보다 강수량이 추가된 방법은 관측 일사량 과 편차의 극값이 −26.6%(2010년 3월)에서 −31.0%(2011년 2월)로 증가되었다. 이는 강수량이 5월과 7-9월에 집중되어 나타나 이외의 월에서 추정식의 계수가 음으로 계산되었기 때문으로 분석된다. 따라서 한반도와 같이 강수량이 여름철 에 집중되는 지역에서는 월평균 강수량을 일사량 추정에 이용할 때 주의를 기울여야 할 것이다.


    Korea Meteorological Administration
    KMIPA 2014-21080

    1.서 론

    복사는 지구의 에너지 수지를 유지하는데 있어 주 체적인 영향을 미치는 요소로 낮 동안의 태양 복사 (일사)는 지표면을 가열시켜 지구의 평균온도를 상승 시키며, 밤 동안의 적외 복사는 에너지 방출을 통해 가열된 지구의 평균온도를 하강시켜 에너지 평형을 유지할 수 있게 만든다. 또한 IPCC (Intergovernmental Panel on Climate Change, 2013)에서 예측한 기후변 화에 영향을 줄 수 있는 인위적인 요소들에 대한 영 향 평가에도 복사강제력에 개념이 중요하게 사용된다. 즉, 복사는 지구 시스템에 있어 매우 중요한 역할을 담당하고 있으며, 신재생에너지원을 제공 할 수 있는 태양 에너지 기술은 미래의 지속 가능한 에너지 발 전에 필수 구성요소 중 하나이다(Zhao et al., 2013). 태양에너지는 가장 확실한 미래의 신재생에너지원으 로 국내외적으로 광범위한 분야에 걸쳐 이를 활용하 기 위한 연구 사업이 진행되고 있으며, 이미 여러 분 야에서 그 경제성과 장래성이 입증되었다(Jee et al., 2010). 태양에너지 발전은 친환경적인 에너지를 축적 하여 에너지화 하는 것으로 유럽과 미국에서 큰 발 전을 이루고 있으며 특히, 독일의 경우 전체 에너지 중 20% 이상을 신재생에너지로 충당하고 있다 (EPIA, 2012; IEA, 2011).

    일사량은 태양으로부터 방출된 에너지가 구름과 여 러 가스들에 의해 흡수 및 산란되어 지표면에 도달 하는 에너지를 의미한다. 일사량은 천문지리적인 영 향(태양과 지구 사이의 거리와 위·경도)과 지구 대기 성분 분포 및 지표면 조건에 의하여 변화된다(Jee et al., 2011a). 일사량을 관측하는 장비를 일사계라 부르 며, 기상청에서는 23개 이상의 관측소에서 일사량을 관측 중에 있으나 지형이 험준한 한반도에서는 더욱 조밀한 관측 환경이 요구된다. 이러한 문제점을 해결 하고 일사량을 계산하기 위해 Zo et al. (2010)은 복 사모델을 이용한 연구를 수행하였고 Jee et al. (2012, 2013)은 정지궤도 및 극궤도 위성자료를 이용하여 지 표면 도달 일사량을 연구하였으며, Jo et al. (2011)은 일조시간을 이용하여 지표면 도달 일사량 연구를 수 행하였다. 국외의 경우에도 복사모델과 위성자료를 이용한 연구가 진행되고 있다(George and Maxwell, 1999; Kerschgens et al., 1978; Perez et al., 2002). 특히, 일조시간을 이용한 통계 분석 방법은 지역 특 성을 고려할 수 있다는 장점이 있어 회귀 방법 및 계수의 변화를 통한 연구가 이루어지고 있다(Bakirci, 2009; Jin et al., 2005; Ogelman et al., 1984).

    태양에너지 발전에 적합한 지역을 선정하기 위해서 는 과거 일사량 관측자료가 요구되지만 필요지역 모 두에 일사량을 관측하기는 어렵다(Gungor and Yildirim, 2012). 이때 복사모델을 이용할 경우 정확한 입력자 료들이 요구되나 이러한 자료의 수집이 어렵고 위성 자료의 경우는 기후적인 영향을 분석할 정도의 기간 자료가 부족하며, 일사량에 가장 큰 영향을 줄 수 있 는 구름으로 인한 불확실성이 존재한다. 일사량과 관 련된 기상자료를 이용하여 통계적인 방법을 통한 일 사량 추정의 기후학적인 연구는 주변의 유인관측소나 자동관측시스템의 자료를 이용할 수 있다는 장점을 가지고 있다. 일조시간, 구름, 습도, 최대 및 최소 기 온, 풍속 등의 다양한 기상변수를 이용하여 수평 면 전천일사량을 추정하기 위한 많은 연구가 많이 진행 되어왔다(Chegaar and Chibani, 2001; El-Sebaii and Trabea, 2005; El-Sebaii et al., 2009; Gopinathan, 1988; Halouani et al., 1993; Sabziparavar and Shetaee, 2007; Supit and Van Kappel, 1998). 그러나 구름 이 외에 대기에 존재하는 가스에 의한 흡수 및 산란에 대한 영향을 포함하기 위해서는 추가적인 기상자료가 요구되며, 지역 및 분석기간에 따라서도 매우 큰 차 이를 보일 수 있다(Jacovides et al., 2006).

    따라서 본 연구에서는 강릉지역의 기상관측소에서 장기간 관측한 기상자료와 일사량 관측자료를 이용하 여 월평균 일사량을 추정할 수 있는 관계식을 산출 하였다. 월평균 일사량은 28년간 관측된 일조시간과 강수량 관측자료를 이용하여 월별 회귀식을 산출하였 고 신강원지방기상청 관측소와 강릉원주대학교 일사 관측소의 월별 일사량을 추정하였으며, 추정된 일사 량 결과는 각 관측소에서 관측된 일사량과 비교분석 하였다.

    2.연구자료 및 방법

    2.1.연구 자료

    강릉지역은 동쪽으로는 동해바다가 서쪽에는 백두 대간인 대관령이 위치하고 있어 해양과 산악의 영향 을 모두 받는 지역이다. 이에 기상청에서는 1911년부 터 기온을 비롯한 기상관측이 시작되었고 일사량과 일조시간은 1975년부터 관측되었다. 강원지방기상청 (지점번호: 105, 위도: 37.8°N, 경도: 128.9°E, 고도: 26.0 m)은 2008년 신강원지방기상청(지점번호: 104, 위도: 37.8°N, 경도: 128.9°E, 고도: 78.9 m)으로 이전 되었으나 105 관측소는 계속적으로 관측이 수행되다 가 2012년 무인화 되었다. 본 연구에서 사용하는 자 료는 1980년 1월부터 2007년 12월까지의 105 관측 소의 전천일사량, 일조시간 그리고 강수량 자료이며, 연구 결과의 적용 및 검증을 위하여 2009년 1월부터 2014년 12월까지의 104 관측소 자료를 이용하였다. 또한 강릉원주대학교(이하 GWNU; 위도: 37.8 °N, 경 도: 128.9 °E, 고도: 63.5 m)에서 관측중인 일사량과 일조시간 자료(2013년 1월부터 2014년 12월)가 연구 결과 적용 및 검증에 사용되었다. Fig. 13개 관측 소의 위치를 나타낸 것으로 105 관측소 (C)와 104 관측소 (B)는 약 6.7 km 떨어져 있으며, GWNU 관 측소 (A)는 두 관측소 사이에 위치하고 있어 기후적 인 분석에 있어 지점간 차이는 크지 않다.

    연구에 사용되는 관측 장비들은 Fig. 2와 같으며, 기상청 및 GWNU 관측소에서 사용된 전천일사계는 CMP21 (KIPP&ZONEN社), 일조계는 기상청 및 GWNU에서 각각 MS-802 (EKO社), CSD3 (KIPP& ZONEN社)이고 강수량계는 버킷형 (tipping bucket type)으로 0.5 mm 간격으로 관측된다. 또한 관측자료 는 기후분석을 위해 월평균하였으며, 각각의 관측 단 위는 일사량은 MJ m−2 , 일조시간은 시간(hour), 강수 량은 mm이다. Fig. 3은 105 관측소 관측자료의 월평 균 시계열 자료로 1980년 1월부터 2007년 12월까지 의 자료이다. 빨간색 선은 일사량이며 파란색 선은 일조시간이고 회색 막대는 강수량을 의미한다. 일사 량과 일조시간은 태양의 이심률, 방위각 및 천정각과 같은 천문지리적인 영향과 구름 및 에어로졸 등과 같은 대기 중 기상인자들의 영향으로 계절 변화의 특성이 나타난다(Jee et al., 2011b). 그리고 월평균 강수량은 장마전선과 태풍의 영향을 받는 여름철에 집중되었으며 특히, 2002년 태풍 루사의 영향으로 8 월의 평균 강수량이 37 mm/day 이상의 최댓값이 나 타났다.

    2.2.연구 방법

    강릉지역의 월평균 전천 일사량을 추정하기 위하여 식 (1)과 같은 Angstrom-Prescott (Prescott, 1940)의 방법을 사용하였다.

    H H o = a n N + b
    (1)

    여기서 H는 월평균 전천 일사량, Ho는 월평균 대 기 외 일사량, n은 월평균 일조시간, N은 월평균 가조시간, ab는 선형회귀식의 경험 상수이다. 즉, 이 식은 어떤 지역의 월평균 대기 외 일사량과 월평 균 지표면 도달 일사량 비를 그 지역의 월평균 일조 율과의 선형 회귀관계를 이용하여 계산하는 것이다. 월평균 전천 일사량 H와 가조시간 N은 식 (2)와 같이 계산 할 수 있다.

    N = 2 15 cos 1 ( tan φ tan δ ) H o = 24 π I s c E o sin φ sin δ [ π 180 W s sin W s cos W s ]
    (2)

    여기서 ϕ은 해당 지역의 위도, δ은 태양의 적위, Ws은 일몰 시간각, Isc은 태양상수, Eo은 지구와 태 양 사이의 거리의 비인 이심률을 의미한다.

    한편, 식 (1)은 아래의 일반식으로 나타낼 수 있다.

    Y ( i ) = a X ( i ) + b
    (3)

    이때 종속변수 Y(i)와 독립변수 X(i)는 다음과 같다.

    Y ( i ) = H H o X ( i ) = n N
    (4)

    식 (3)에서 경험 상수인 ab는 월평균 자료를 이용하여 최소자승법에 따라 다음과 같이 계산 할 수 있다.

    a = { n Σ X ( i ) Y ( i ) [ Σ X ( i ) ] [ Σ Y ( i ) ] } { n Σ [ X ( i ) ] 2 [ Σ X ( i ) ] 2 } b = Y ¯ a X ¯
    (5)

    일사량에 영향을 주는 중요한 인자로서 일조시간뿐 만 아니라 강수량을 생각해 볼 수 있다. 따라서 식 (3)의 독립변수에 강수량을 추가한 식은 아래와 같다.

    Y ( i ) = c X 1 ( i ) = d X 2 ( i ) + e
    (6)

    여기서 c, d, e는 다중회귀식의 경험 상수이다. 이 때 종속변수Y(i) 와 독립변수 X1(i), X2(i)은 다음 과 같다.

    Y ( i ) = H X 1 ( i ) = n X 2 ( i ) = p
    (7)

    여기서 P는 월평균 강수량을 의미한다. 식 (6)의 각 계수 또한 최소자승법을 이용하여 다중회귀분석을 통해 도출하였다.

    회귀분석을 통한 월별 일사량 추정식은 강릉지역을 대표하는 지역 상수이며, Fig. 1의 104 관측소(B)와 GWNU 관측소(A)에서 관측된 일조시간과 강수량 자 료를 이용하여 월별 일사량을 추정하였다. 추정된 월 별 일사량은 104 관측소에 대하여 2009년부터 2014 년까지 그리고 GWNU 관측소는 2013년부터 2014년 까지 관측결과와 비교하였다. 104 관측소는 Fig. 4a) 와 같이 일사량과 일조시간 및 강수량 자료가 이용 되었고, GWNU 관측소 Fig. 4b)와 같이 일사량과 일 조시간 자료가 이용되었다. 관측 결과는 선형 회귀분 석, 상관계수(R), 표준오차(SE; Standard Error), 평균 제곱근오차(RMSE; Root Mean Square Error)의 통계 분석방법을 이용하여 분석하였다.

    3.연구결과

    3.1.일조시간을 이용한 일사량 분석

    1980년 1월부터 2007년 12월까지 총 28년의 105 관측소(C)의 월평균 일사량과 월평균 일조시간 자료 를 이용하여 선형회귀분석(식 (3) 이용)을 통해 월별 상수 값들을 산출하였다. 산출된 월별 값은 Table 1 과 같으며, 기울기인 a는 0.669에서 0.811까지의 범 위에서 나타났고, 이는 월별 일사량의 크기 경향과 유사하였다(Zo et al., 2014). 또한 y절편인 b는 0.008에서 0.100까지의 범위에서 나타났다.

    강원지방기상청이 이전한 2008년 이후인 2009년부 터 2014년까지(총 6년, 72개) 104 관측소 일사량 관 측 값과 Table 1을 이용한 일사량 추정 값을 Fig. 5 에 나타내었다. 2012년 1월을 기점으로 이전은 추정 값이 관측 값보다 과소 추정 되고 있으나 이후에는 추정 값이 관측 값과 유사하게 나타나는 것을 볼 수 있다. 이와 같은 결과는 104번 관측소 일사계의 위치 변경에 따른 영향으로 분석된다. Fig. 6은 Fig. 5의 관측값과 추정값의 상관성을 나타내는 산점도로 추정 값이 관측값에 비해 과소모의 되고 있음을 확인할 수 있다. 월별 전천 일사량이 과소모의 되는 결과는 일조시간을 이용하여 일사량을 추정한 선행 연구 (Medugu, 2013)와 유사하게 나타났다. 그러나 상관계 수는 0.96, 평균제곱근오차는 1.49MJm−2 , 표준오차는 1.16 MJ m−2로 나타나 105 지점과 104 지점의 거리 차이를 감안하였을 때 높은 상관성을 보였다.

    한반도의 경우 여름철에는 장마와 태풍 등의 영향 을 받고 겨울철에는 시베리아 기단의 영향을 받아 계절적인 특성이 매우 뚜렷하게 나타난다. 따라서 계 절에 따른 차이를 분석하기 위해 사계절(봄철 3, 4, 5월; 여름철 6, 7, 8월; 가을철 9, 10, 11월; 겨울철 12, 1, 2월)을 Table 2와 같이 나누어 각각의 상관성 과 표준오차를 분석하였다. 여름철의 경우 추정된 일 사량과의 상관성은 높게 나타났으나 다른 계절에 비 하여 구름에 의한 영향이 커 표준오차가 크게 나타 났다. 봄과 가을은 여름철에 비해 구름의 영향이 적 어 가을철의 경우 높은 상관성과 작은 표준오차를 보였다. 그러나 봄철의 경우는 황사와 꽃가루 등의 영향이 있으며 (Choi, 2008; Park et al., 2008) 특히, 강릉지역에는 소나무로부터 송화가루가 강하게 형성 되어 시정을 악화시킬 정도이기 때문에 이로 인한 영향으로 상관성이 상대적으로 낮고 표준오차가 크게 나타났다. 겨울철은 0.9의 상관성을 가지며, 일사량이 가장 작은 계절로 오차값 또한 가장 작게 나타났다.

    GWNU 관측소의 일조계와 일사계 자료를 이용하 여 104 관측소와 같은 방식으로 일사량을 추정하였 다. GWNU 관측소의 일조시간 관측이 2012년 11월 부터 시작되어 2013년부터 2014년까지의 자료를 이 용하였다. Fig. 7은 GWNU 관측소 자료를 이용한 일 사량 관측값과 추정값의 산점도로 104 관측소와 유 사하게 과소 추정되었다. 104 관측소에 비해 자료의 수가 24개로 부족하나 0.99의 상관계수와 0.57 MJ m−2의 표준오차를 보이며, 추정값이 관측값과 매우 근사한 것을 확인 할 수 있다.

    일조시간을 이용하여 일사량을 추정한 선행연구들 인 Almorox and Hontoria (2004; R=0.98, RMSE= 0.83MJ m−2 ), El-Merwally (2004; R=0.88, RMSE= 2.98MJ m−2 ) 그리고 Aksoy (2011; R=0.98, RMSE= 2.38MJ m−2 )의 결과들과 비교해볼 때 강원지방기상 청 104 관측소 및 GWNU 관측소 자료를 이용한 추 정은 대체적으로 유사하게 나타났다. 이는 28년간의 장기간의 자료를 이용함으로써 강릉을 대표할 수 있 는 정확도의 계수가 산출된 것으로 분석된다.

    3.2.일조시간과 강수량을 이용한 일사량 분석

    지표면에 도달하는 일사량을 추정하기 위한 기상변 수 중 일조시간은 가장 큰 상관성을 보였고 이를 위 한 연구결과는 앞 절과 같다. 그러나 일조시간 이외 에 다른 기상변수를 추가하여 다중회귀를 이용한 계 산을 이용할 경우 더욱 높은 통계값이 나타날 수 있 으며, 이를 위해 구름, 기온, 강수량 등의 자료가 이 용된다. 그러나 다중 공선성(multicollinearity) 분석을 통한 결과 일조시간과 구름 및 기온은 매우 높은 상 관성을 보여 본 연구에서는 월평균 강수량 자료를 이용한 분석을 수행하였다. 식 (3)의 경우 일사량과 일조시간의 비를 이용한 계산으로 월평균 일사량과 일조시간은 이 식을 통해 산출이 가능하다. 그러나 강수량의 경우는 월별 그리고 연별로 확연한 차이를 보이기 때문에 이를 회귀식에 적용하기 위해 먼저 식 (1)의 분모 유무에 따른 차이를 분석하였다. Table 3은 월평균 대기 외 일사량(Ho)과 월평균 가조시간 (N)을 제외하고 단순히 월평균 전천일사량(H)과 월평 균 일조시간(n)만을 변수로 이용한 회귀분석의 경험 적 상수들을 나타낸 것이다. Table 3의 계수 a와 b는 Table 1의 계수와 다르게 1 이상의 값이 나타나며, 이는 앞선 방법(Table 1)의 경우는 비율을 이용하였 으나 Table 3은 관측된 일사량과 일조시간을 그대로 사용하였기 때문이다. 기울기인 a의 경우는 Table 1 과 같이 일사량이 클 경우에는 계수 값이 크게 나타 나고 겨울철과 같이 일사량이 작은 월에는 계수 값 또한 작게 나타났다.

    Table 1과 Table 3의 회귀계수 차이에 따른 추정값 차이를 분석하기 위해 2009년부터 2014년까지의 기 간 동안 104 관측소의 월평균 일조시간을 이용하여 월평균 일사량을 추정하였다. Fig. 8은 Table 1과 Table 3의 추정값의 차이를 퍼센트(%)오차로 나타낸 것으로 둘의 차이는 매우 작게 나타났다. 또한 둘의 표준오차는 0.0002MJ m−2로 나타났고 결정계수(R 2 ) 는 1.00으로 매우 유사함을 확인할 수 있었다. 따라 서 식 (1)의 분모를 제외하고 강수량을 추가한 다중 회귀 방법을 사용하는데 있어 앞선 방법과 수치적으 로 차이가 없음을 확인 할 수 있다.

    식 (6)과 같은 다중 회귀분석 방법을 통해 산출된 계수들은 Table 4와 같다. 여기서 c와 d는 각각 일조 시간과 강수량과 관련된 계수들이고 e는 y절편을 의 미한다. 앞 절의 결과와 다르게 음(−)의 계수가 나타 나며 특히, 강수량의 경우는 5월과 7-9월을 제외한 모든 월에서 음의 계수가 나타났다. 이는 강릉의 강 수량이 월과 7-9월에 집중되었기 때문으로 이외의 월 에는 강수량이 작기 때문이다.

    Fig. 5와 동일한 분석기간 동안 Table 4의 상수들 을 이용한 결과를 Fig. 9에 나타내었다. 일사량 관측 값과 추정 값의 산포도에서 일사량이 적을 때에는 일조시간과 강수량을 이용한 다중회귀분석에 오차가 적지만 일사량이 큰 경우에는 회귀분석에 오차가 큰 것을 확인 할 수 있다. 통계분석 결과 앞 절의 결과 와 유사하게 나타났으며, 상관계수는 동일하게 0.96 으로 나타났고 표준오차는 0.99MJ m−2으로 앞선 결 과(1.16 MJ m−2 )보다 값이 작아졌다.

    Fig. 10은 104 관측소의 일사량 관측 값과 Table 3 의 계수를 이용한 일사량 추정 값의 차이(적색) 및 104 관측소의 일사량 관측 값과 Table 4의 계수를 이용한 일사량 추정 값의 차이(청색)를 % 단위로 나 타낸 것이다. 일조시간과 강수량을 이용한 일사량 추 정 값 역시 일조시간을 이용한 추정 값과 유사하게 2012년부터 오차가 개선된 것을 확인 할 수 있다.

    4.결 론

    본 연구에서는 일사량과 관련이 높은 일조시간 자 료를 이용하여 월평균 일사량을 추정하였으며, 강릉 지역에 위치한 강원지방기상청과 강릉원주대학교 관 측 자료를 이용하였다. 따라서 강원지방기상청이 이 전하기 전인 1980년부터 2007년까지의 일사량 및 일 조시간을 이용하여 월평균 일사량을 추정할 수 있는 회귀식을 개발하였으며, 이를 이전된 신강원지방기상 청(2009-2014)과 강릉원주대학교(2013-2014) 자료에 대입하여 통계분석을 수행하였다. 또한 일조시간 이 외에 일사량과 관련이 높은 강수량 자료를 추가하여 앞선 방법을 통해 월평균 일사량을 추정하였다.

    추정된 일사량을 분석한 결과, 일조시간만을 이용 하였을 때 104 관측소는 기존 연구들과 유사한 상관 계수(0.96)와 표준오차(1.16MJm−2 )가 나타났고, GWNU 관측소는 상관계수가 0.99로 표준오차는 0.57 MJ m−2 로 향상되었다. 그리고 일조시간과 강수량 자료를 104 관측소에 적용하였을 때 상관계수 0.96과 표준오 차 0.99MJ m−2로 일조시간만을 적용했을 때보다 표 준오차가 감소되었다. 2012년을 기준으로 이전에는 오차가 크고 이후에는 오차가 줄어드는 특성을 보였 으며, 이는 관측소 환경의 변화에 따른 영향으로 분 석된다. 또한 일조시간만을 이용한 월평균 일사량 추 정에서의 최대 및 최소 극값은 각각 12.2% (2013년 8월)와 –26.6% (2010년 3월)로 나타났으며, 강수량이 추가된 월평균 일사량 추정에서는 최대 및 최소 극 값이 각각 5.2% (2011년 5월)와 –31.0% (2011년 2 월)로 나타났다. 이는 월평균 강수량이 높은 월(5월 과 7-9월)에서는 강수량의 영향으로 오차가 감소한 반면 월평균 강수량이 작은 월에서는 오차가 증가한 것으로 분석된다. 따라서 한반도와 같이 강수량이 여 름철에 집중되는 지역에서는 월평균 강수량을 일사량 추정에 이용할 때 주의를 기울여야 할 것이다.

    사 사

    본 연구는 기상청 기상산업지원 및 활용기술 개발사 업(KMIPA 2014-21080)의 지원으로 수행되었습니다.

    Figure

    JKESS-37-29_F1.gif

    The geographic locations of GWNU radiation station (A), 104 KMA station (B) and 105 KMA station (C). (source: google.com)

    JKESS-37-29_F2.gif

    Pyranometer, sunshine duration and rain gauge instrument installed on 104 and 105 KMA (a, b) and GWNU radiation (c, d) stations.

    JKESS-37-29_F3.gif

    Time series of global solar radiation (red line), sunshine duration (blue line) and precipitation (gray bar) with monthly average on the 105 KMA station from 1980 to 2007.

    JKESS-37-29_F4.gif

    Same as Fig. 3 except for 104 KMA (a) and GWNU (b) radiation station.

    JKESS-37-29_F5.gif

    Time series of monthly average global solar radiation estimated from regression function retrieved from KMA 105 station and observed at KMA 104 station from 2009 to 2014 (red: observation, blue: estimation).

    JKESS-37-29_F6.gif

    Scatter plot of monthly average global solar radiation between observation and estimation using regression function (equation (1)) at KMA 104 station from 2009 to 2014. Correlation coefficient and standard error between observation and estimation are 0.96 and 1.16 MJ m−2 , respectively.

    JKESS-37-29_F7.gif

    Same as Fig. 6 except for GWNU (A) radiation station from 2013 to 2014. Correlation coefficient and standard error between observation and estimation are 0.99 and 0.57 MJ m−2 , respectively.

    JKESS-37-29_F8.gif

    Time series of difference between the monthly average global solar radiations estimated using Table 1 and Table 3 from 2009 to 2012.

    JKESS-37-29_F9.gif

    Same as Fig. 6 except for regression function (equation (6)). Correlation coefficient and standard error between observation and estimation are 0.96 and 0.99 MJ m−2 , respectively.

    JKESS-37-29_F10.gif

    Time series of differences of the monthly average global solar radiations estimated using Table 3 (red) and Table 4 (blue) against observation from 2009 to 2012.

    Table

    Monthly coefficients of regression function (equation (3)) using the monthly average sunshine duration, possible sunshine duration, exterior and surface solar radiation at KMA 105 station

    Seasonal statistic of global solar radiation estimated at KMA 104 station. Statistic method are used correlation coefficient (R) and standard error (SE)

    Same as Table 1 except for regression function using only the monthly average sunshine duration and surface global solar radiation

    Same as Table 1 except for regression function (equation (6)) using the monthly average sunshine duration, surface global solar radiation and the monthly average precipitation

    Reference

    1. Aksoy B , Rüºen SE , Akinolu BG (2011) A simple correlation to estimate global solar irradiation on a horizontal surface using METEOSAT satellite images , Turkish Journal of Engineering and Environmental Sciences, Vol.35 ; pp.125-137
    2. Almorox J , Hontoria C (2004) Global solar radiation estimation using sunshine duration in Spain , Energy Conversion and Management, Vol.45 ; pp.1529-1535
    3. Bakirci K (2009) Correlations for estimation of daily global solar radiation with hours of bright sunshine in Turkey , Energy, Vol.34 ; pp.485-501
    4. Chegaar M , Chibani A (2001) Global solar radiation estimation in Algeria , Energy Conversion and Management, Vol.42 ; pp.967-973
    5. Choi H (City) Comparison of PM1, PM2 , and PM10 Concentrations in a Mountainous Coastal, Vol.gangneung Before and After the Yellow Dust Event in Spring. Journal of the Environmental Sciences 2008, 17 (6) ; pp.633-645
    6. El-Metwally M (2004) Simple new methods to estimate global solar radiation based on meteorological data in Egypt , Atmospheric Research, Vol.69 ; pp.217-239
    7. El-Sebaii AA , Trabea AA (2005) Estimating global solar radiation on horizontal surfaces over Egypt , Egyptian Journal of Solids, Vol.28 ; pp.163-175
    8. El-Sebaii AA , Al-Ghamdi AA , Al-Hazmi FS , Faidah AS (2009) Estimation of global solar radiation on horizontal surfaces in Jeddah , Energy Policy, Vol.37 ; pp.3645-3649
    9. EPIA (2012) Connecting the Sun: Solar Photovoltaics on the road to large-scale grid integration , Full Report, Belgium
    10. George R , Maxwell E (1999) High-resolution maps of solar collector performance using a climatological solar radiation model , Proceedings of the 1999 Annual Conference, American Solar Energy Society, ; pp.243-248
    11. Gopinathan KK (1988) A general formula for computing the coefficients of the correlation connecting global solar radiation to sunshine duration , Solar Energy, Vol.41 ; pp.499-502
    12. Gungor A , Yildirim U (2012) Global solar radiation estimation using sunshine duration in Nigde,
    13. Halouani N , Nguyen CT , Vo-Ngoc D (1993) Calculation of monthly average global solar radiation on horizontal surfaces using daily hours of bright sunshine , Solar Energy, Vol.50 ; pp.247-258
    14. IEA (2011) Trends in Photovoltaic Applications-Survey report of selected IEA countries between 1992 and 2011 , Report IEA-PVPS T1-21,
    15. IPCC (2013) Summary for policymakers , In: Climate Change 2013, The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change,
    16. Jacovides CP , Tymvios FS , Assimakopoulos VD , Kaltsounides NA (2006) Comparative study of various correlations in estimating hourly diffuse fraction of global solar radiation , Renewable Energy, Vol.31 ; pp.2492-2504
    17. Jee JB , Lee WH , Zo IS , Lee KT (2011a) Correction of One-layer Solar Radiation Model by Multi-layer Line-by-Line Solar Radiation Model , Atmosphere, Vol.21 (2) ; pp.151-162
    18. Jee JB , Kim YD , Lee WH , Lee KT (2010) Temporal and Spatial Distributions of Solar Radiation with Surface Pyranometer Data in South Korea , Journal Korean Earth Science Society, Vol.31 (7) ; pp.720-737
    19. Jee JB , Jeon SH , Choi YJ , Lee SW , Park YS , Lee KT (2012) The Character of Distribution of Solar Radiation in Mongolia based on Meteorological Satellite Data , Journal Korean Earth Science Society, Vol.33 (2) ; pp.139-147
    20. Jee JB , Zo IS , Lee KT , Choi YJ (2011b) Distribution of Photovoltaic Energy Including Topography Effect , Journal Korean Earth Science Society, Vol.32 (2) ; pp.190-199
    21. Jee JB , Zo IS , Lee KT (2013) A study on the Retrievals of Downward Solar Radiation at the Surface based on the Observations from Multiple Geostationary Satellites , Korean Journal of Remote Sensing, Vol.29 (1) ; pp.123-135
    22. Jin Z , Yezheng W , Gang Y (2005) General formula for estimation of monthly average daily global solar radiation in China , Energy Conversion and Management, Vol.46 ; pp.257-268
    23. Jo DK , Yun CY , Kim KD , Kang YH (2011) A study on the Estimating Solar Radiation Using Hours of Bright Sunshine for the Installation of Photovoltaic System in Korea , Journal of the Korean Solar Energy Society, Vol.31 (4) ; pp.72-79
    24. Kerschgens M , Pilz U , Raschke E (1978) A modified twostream approximation for computations of the solar radiation budget in a cloudy atmosphere , Tellus, Vol.30 ; pp.429-435
    25. Medugu DW , Adisa AB , Burari FW , Abdul’Azeez MA (2013) Solar radiation: Correlation between measured and predicted values in Mubi, Nigeria , International Journal of Science and Technology Education Research, Vol.5 ; pp.11-17
    26. Ogelman H , Ecevit A , Tasdemiroglu E (1984) A new method for estimating solar radiation from bright sunshine data , Solar Energy, Vol.33 ; pp.619-625
    27. Park KJ , Kim HA , Kim KR , Oh JW , Lee SY , Choi YJ (2008) Characteristics of Regional Distribution of Pollen Concentration in Korean Peninsula , Korean Journal of Agricultural and Forest Meteorology, Vol.10 (4) ; pp.167-176
    28. Preze R , Ineichen P , Moore K , Kmiecik M , Chain C , George R , Vignola F (2002) A new operational model for satellite-derived irradiances: Description and validation , Solar Energy, Vol.73 ; pp.307-317
    29. Prescott JA (1940) Evaporation from water surface in relation to solar radiation , Transactions of the Royal Society of Australia, Vol.46 ; pp.114-118
    30. Sabziparavar AA , Shetaee H (2007) Estimation of global solar radiation in arid and semi-arid climates of east and west Iran , Energy, Vol.32 ; pp.649-655
    31. Supit I , Van Kappel RR (1998) A simple method to estimate global radiation , Solar Energy, Vol.63 ; pp.147-160
    32. Zhao N , Zeng X , Han S (2013) Solar radiation estimation using sunshine hour and air pollution index in China , Energy conversion and management, Vol.76 ; pp.846-851
    33. Zo IS , Jee JB , Lee WH , Lee KT , Choi YJ (2010) Distribution of Surface Solar Radiation by Radiative Model in South Korea , Climate Change Research, Vol.1 ; pp.147-159
    34. Zo IS , Jee JB , Lee KT (2014) Development of GWNU (Gangneung-Wonju National University) Onelayer Transfer Model for Calculation of Solar Radiation Distribution of the Korea Peninsula , Asia-Pacific Journal Science, Vol.50 (1) ; pp.575-584