:: Journal of the Korean earth science society ::
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.39 No.3 pp.228-240
DOI : https://doi.org/10.5467/JKESS.2018.39.3.228

Estimation of Surface Solar Radiation using Ground-based Remote Sensing Data on the Seoul Metropolitan Area

Joon-Bum Jee1*, Jae-Sik Min2, Hankyung Lee2, Jung-Hoon Chae2, Sangil Kim2
1Research Institute for Radiation-Satellite, Gangneung-Wonju National University, 7, Jukheon-gil, Gangneung-si, Gangwon-do 25457, Korea
2Research Center for Atmospheric Environment, Hankuk University of Foreign Studies, 81, Oedae-ro, Mohyeon-myeon, Cheoin-gu, Yongin-si, Gyeonggi-do 17035, Korea
Corresponding author: rokmcjjb717@gmail.com Tel: +82-33-640-2397 Fax: +82-33-640-2320
November 1, 2017 April 19, 2018 June 20, 2018

Abstract


Solar energy is calculated using meteorological (14 station), ceilometer (2 station) and microwave radiometer (MWR, 7 station)) data observed from the Weather Information Service Engine (WISE) on the Seoul metropolitan area. The cloud optical thickness and the cloud fraction are calculated using the back-scattering coefficient (BSC) of the ceilometer and liquid water path of the MWR. The solar energy on the surface is calculated using solar radiation model with cloud fraction from the ceilometer and the MWR. The estimated solar energy is underestimated compared to observations both at Jungnang and Gwanghwamun stations. In linear regression analysis, the slope is less than 0.8 and the bias is negative which is less than −20W/m2. The estimated solar energy using MWR is more improved (i.e., deterministic coefficient (average R2=0.8) and Root Mean Square Error (average RMSE=110 W/m2)) than when using ceilometer. The monthly cloud fraction and solar energy calculated by ceilometer is greater than 0.09 and lower than 50 W/m2 compared to MWR. While there is a difference depending on the locations, RMSE of estimated solar radiation is large over 50 W/m2 in July and September compared to other months. As a result, the estimation of a daily accumulated solar radiation shows the highest correlation at Gwanghwamun (R2=0.80, RMSE=2.87 MJ/day) station and the lowest correlation at Gooro (R2=0.63, RMSE=4.77 MJ/day) station.



수도권지역의 지상기반 원격탐사자료를 이용한 지표면 태양에너지 산출

지 준범1*, 민 재식2, 이 한경2, 채 정훈2, 김 상일2
1강릉원주대학교 복사-위성연구소, 25457, 강원도 강릉시 죽헌길 7
2한국외국어대학교 대기환경연구센터, 17035, 경기도 용인시 처인구 모현면 외대로 81

초록


2015년부터 최근까지 차세대도시농림융합기상사업단에서는 수도권에 위치한 도시기상 관측소에서 관측된 기상 자료(14소), 운고계(2소) 그리고 마이크로웨이브 라디오미터(MWR, 7소) 자료를 이용하여 태양에너지를 산출하였다. 수 도권지역에 위치한 운고계에서 관측된 후방산란계수와 MWR에서 추정된 액상물량을 이용하여 구름광학두께와 운량을 산출하였다. 각각의 원격탐사장비에서 산출된 운량을 태양복사모델에 입력하여 지표면에 도달하는 태양에너지를 계산하 였다. 추정된 태양에너지를 관측과 비교한 결과, 중랑과 광화문지점에서는 과소추정이 나타났다. 선형회귀분석한 결과 0.8이하의 기울기를 나타냈고 −20W/m2의 음의 편차와 120 W/m2의 평방근오차(RMSE)가 나타났다. 그리고 MWR을 이용하여 추정된 태양에너지의 정확도(평균 결정계수(R2)=0.8)와 오차율(평균 RMSE=110 W/m2)이 향상되었다. 월별 산 출된 운량과 태양에너지는 운고계를 이용하여 산출하였을 때 운량이 0.09 이상 크게 나타났으며 태양에너지가 50W/m2 이상 낮게 산출되었다. 지점에 따라 차이는 있었으나 대체로 7월과 9월의 RMSE가 50W/m2 이상 크게 계산되었다. 결 과적으로 일누적 태양에너지는 광화문지점에서 가장 높은 상관성이 나타났고(R2=0.80, RMSE=2.87 MJ/Day), 구로지점 에서 상관성이 가장 낮았다(R2=0.63, RMSE=4.77 MJ/Day).



    National Research Foundation of Korea
    2017R1E1A1A03070224

    서 론

    지표면에 도달하는 태양에너지를 감소시키는 원인 으로는 대기중의 흡수기체, 구름 및 에어로졸 등 다 양하지만 구름의 영향이 가장 크다. 운량은 일기 및 기상요소에 변화를 주며 지표면의 일사량 및 일조시 간을 결정한다(Leckner, 1978; Kim et al., 2015). Yang et al.(2012)은 전운량 관측자료를 이용하여 태 양복사모델에 적용하여 시계열 분석을 시도하였다. 그러나 전운량은 대체로 목측을 기반으로 수행되고 있기 때문에 관측자의 주관적인 판단에 따른 오차가 유발될 수 있다(Sutter et al., 2004). 이를 보완하기 위하여 대기 중의 에어로졸과 구름의 특성을 관측하 기 위하여 원격관측장비들이 증가되고 있다(Turner et al., 2007). 자동화된 전천이미지를 이용하여 전운 량과의 관계를 통해 태양에너지를 분석하는 연구들이 진행되었다(Kim et al., 2015; Ahn et al., 2016; Kim et al., 2016; Park et al., 2017).

    그리고 최근 운고계(Ceilometer)와 마이크로웨이브 라디오미터(Microwave Radiometer (MWR), 이하 MWR)와 같은 지상기반의 원격탐사 관측장비를 이용 하여 실시간 구름특성을 감시하는 연구들이 수행되고 있다(Chiu 2014; Cimini et al., 2015; Felding et al., 2015; Shangguan et al., 2015). 운고계는 지상에 설 치하여 구름의 하부 높이를 측정하기 위하여 개발된 장비이며 고도별 흡수체의 후방산란을 관측하여 에어 로졸과 구름의 연직 구조를 감시할 수 있다(Chiu et al., 2007; Yang et al., 2008). 구름의 연직구조뿐만 아니라 구름의 산란특성을 이용하여 구름의 광학두께, 입자의 크기 등 구름의 특성 산출에 대한 연구들이 진행되었다(Chiu et al., 2012; Chiu et al., 2014). 또 한, MWR의 다중 마이크로파를 이용하여 대기내의 온도와 습도 프로파일을 산출하였고(Cimini et al., 2011; Cimini et al., 2006; Tan et al., 2010) 마이크 로파에서 관측된 정보를 통합하여 구름의 광학두께, 수농도, 입자 크기, 가강수량 등의 구름특성을 산출 하여 분석하였다(Turner et al., 2007; Crewell et al., 2008; Won et al., 2009; Won et al., 2010).

    운고계와 MWR은 비교적 관측주기가 짧고 안정적 으로 관측이 이루어지기 때문에 이들 자료를 이용하 여 산출된 구름특성은 상호비교를 통하여 보정하는 연구들이 진행되었다(Cimini et al., 2015; Felding et al., 2015; Jin et al., 2015). 이상의 선행연구에서는 운고계와 MWR은 위험 기상현상의 복잡한 열역학적, 미시규모 물리특성을 분석하는데 유용하며, 수치모델 의 자료동화에 활용되어 예측성을 향상시킨다고 하였 다(Knupp et al., 2009; Cimini, 2013, Kim et al., 2016). 그리고 차세대도시농림융합기상사업단(Weather Information Service Engine (WISE), 이하 WISE)에 서는 수도권 대기의 연직구조와 위험기상 감시를 위 하여 2013년부터 운고계 2소(중랑, 광화문)와 MWR 7소를 구축하여 운영 중이다(Chae et al., 2014; Jee et al., 2017; Park et al., 2017). 원격탐사장비의 짧은 관측 주기, 낮은 관리 비용, 안정성 등의 장점이 있 으나 기기적인 특징으로 구름 내부와 상부의 오류를 포함하고 있어 구름의 하단 높이 산출과 경계층 산 출 그리고 에어로졸 및 위험기상 분석 등에 한정되 어 활용되는 실정이다(Park et al., 2017; Lee et al., 2018).

    따라서 본 연구에서는 WISE 원격관측장비를 이용 하여 관측된 구름정보를 활용하여 지표면에 도달하는 태양에너지를 산출하고자 한다. 먼저, 운고계에서 관 측된 후방산란계수(Back Scattering Coefficient (BSC), 이하 BSC) 와 MWR에서 관측된 수농도를 이용하여 운량을 산출하였다. 그리고 산출된 운량은 태양복사 모델에 적용하여 지표면 태양에너지를 산출하여 관측 된 태양에너지와 비교하여 원격관측장비의 활용성을 평가하였다.

    연구자료 및 방법

    연구 자료

    WISE에서는 14소의 에너지수지 관측소를 구축하 여 운영 중이다. 이들 관측소 중 중랑과 광화문 관측 소에는 구름의 특성을 감시하기 위하여 2014년부터 운고계를 설치하여 운영 중이다. 그리고 2014년부터 순차적으로 7소의 MWR를 설치하여 3차원적인 온도 와 습도의 프로파일을 관측하고 있다. Fig. 1은 WISE와 기상청의 관측소 위치를 나타낸 것이다. 관 측소의 세부적인 관측기기와 관측요소는 Table 1에 정리하였다. 에너지수지 관측소에서는 에너지 플럭스 타워를 설치하여 단일고도 또는 3고도에서 기온, 습 도, 기압, 바람장을 관측하고 강수량과 복사에너지, H2O와 CO2 플럭스를 관측한다. 그리고 중랑과 광화 문 관측소에 설치된 Valsala CL51운고계는 910 nm의 레이저를 이용하여 15 km까지 10 m의 연직해상도로 1분의 시간간격으로 BSC를 관측한다. 7소의 관측소 에 설치된 MWR는 14개의 마이크로파를 이용하여 대기의 온도와 습도 프로파일을 산출한다. 그리고 각 파장에서 관측된 밝기온도를 이용하여 구름의 수농도 (Liquid water content (LWC), 이하 LWC), 액상물량 (Liquid water path (LWP), 이하 LWP), 누적수농도 (Integrated water content (IWC), 이하 IWC) 등 자료 를 생산한다. 동일한 에너지수지 관측소에서 관측하 는 태양에너지는 Kipp&Zonen CNR4 순복사계이며 매분 상하향 태양복사에너지와 적외복사에너지를 관 측하며 본 연구에서는 1분 간격의 하향 태양복사에 너지 관측자료를 이용하였다. 광화문관측소에서는 태 양에너지를 관측하지 않기 때문에 광화문에서 산출된 태양복사에너지는 가장 가까운 기상청의 서울관측소 (KMA 108)의 태양복사에너지를 이용하였다. 서울관 측소의 태양에너지는 Kipp&Zonen CMP21일사계를 이용하여 관측되며 2014년 1월부터 2017년 1월까지 관측된 자료를 이용하였다.

    태양복사모델

    지표면에 도달하는 태양에너지를 계산하기 위하여 Gangneung-Wonju National University (GWNU) 단 층 태양복사모델을 사용하였다(Jee et al., 2010). 이 태양복사모델은 대기를 단일기층으로 가정하였고 다 층 태양복사모델(Chou and Suarez, 1999)을 이용하 여 보정하였다(Jee et al., 2011). GWNU 태양복사모 델은 에어로졸 광학두께, 기온, 기압, 고도, 태양 천 정각, 총 오존량, 지표면 알베도, 가강수량 그리고 운 량을 입력자료로 이용한다(Jee et al., 2010; Zo et al., 2014; Park et al., 2017). 입력자료 중 기온, 기압, 고도, 알베도, 가강수량은 WISE 에너지수지 관측소 에서 관측된 값을 이용하였고 에어로졸 광학두께 (0.2), 총 오존량(0.35)은 단일값으로 가정하였다. 태 양복사모델은 구름이 없는 맑은 상태 그리고 운고계 와 MWR 자료를 이용하여 산출된 운량을 적용하여 2회 수행하였다.

    운량 산출

    운량산출의 방법은 운고계와 MWR에 따라 다르게 수행하였다. 운고계의 경우, 다양한 연구에서 운고계 에서 관측된 BSC와 태양복사모델을 이용하여 구름 광학두께 또는 에어로졸광학두께를 산출하는 방법을 제안하였다(Chiu et al., 2014; Felding et al., 2015; Jin et al., 2015). 그러나 본 연구에서는 식 (1)과 같 이 관측된 BSC를 누적하여 운고계의 구름광학두께 (τc)를 산출하였다(Jee et al., 2017).

    τ c = i = 1 n β i 100 1000 , i f β i > 100
    (1)

    여기서, β는 BSC이고 i는 운고계 연직 관측 고도의 인 덱스이다. n은 운고계의 연직관측 층 수인 1540이다.

    MWR의 경우에는 관측된 액체물량을 이용하여 광 학두께를 산출하였다. 액체물량을 이용하여 구름광학 두께를 산출하기 위해서는 구름 내에 포함된 구름입 자의 크기를 적용하여야 한다. 본 연구에서는 Chiu et al. (2010)의 AERONET의 관측결과를 이용하여 reff (=8 mm)로 가정하였다(Kim et al., 2003). MWR 의 구름광학두께(ρw)는 식 (2)와 같이 관측된 LWP를 이용하여 계산하였다.

    τ m = 3 L W P 2 ρ w r e f f
    (2)

    여기서, τm는 물의 밀도(=1 g/m 3 )이다.

    대기의 광학두께(τ)는 대기 중 흡수체들의 누적으 로서 태양에너지의 투과율(T)과의 관계(T=exp(−τ))를 적용하여 운량을 산출하였다(Iqbal, 1983; Chou, 1991).

    c f = 1 S o b s e r v a t i o n S c l e a r , m o d e l 1 T=1-exp ( τ )
    (3)

    여기서, cf는 운량이고 Sclear,model은 맑은 상태를 가정 한 GWNU태양복사모델의 계산된 태양에너지이며 Sobservation은 관측된 태양에너지이다. 운량은 맑은 상태 (cf =0)와 완전히 흐린 상태(cf =1)로 가정하여 운량은 0 < S o b s e r v a t i o n S c l e a r , m o d e l < 1 의 관계를 만족한다. 식 (3)을 이용 하여 운고계와 MWR의 운량을 산출하였다.

    태양에너지 분석

    본 연구에서는 운고계와 MWR를 이용하여 구름광 학두께와 운량을 산출하였고 이를 GWNU 태양복사 모델에 적용하여 태양에너지를 산출하였다. 산출된 태양에너지는 각각의 에너지수지 관측소에서 관측된 태양에너지와 비교 분석하였다. 광화문관측소의 경우 태양에너지 관측이 없기 때문에 가장 가까운 서울기 상대에서 관측된 태양에너지와 비교하였다. 추정된 태양에너지는 관측자료와의 결정계수(R 2 )와 RMSE (Root Mean Square Error) 등의 통계값을 산출하였 고 오차의 원인을 분석하였다.

    결 과

    Fig. 2는 중랑지점에서 관측된 맑은 날(2017년 6월 18일)과 흐리고 비 온 날(2017년 6월 25일)의 운고계 BSC, MWR LWC와 LWP그리고 이들을 이용하여 산출된 구름광학두께와 운량이다. 그림의 하단은 관 측과 맑은 상태를 가정한 태양복사모델의 태양에너지 그리고 산출된 운량을 나타냈다. Fig. 2a에서 BSC가 오전 8-9시경에 5 km 고도에 나타나는 것 외에 주간 에 맑은 날씨를 보이고 있다. 운고계에서 산출된 운 량은 주간에 태양에너지의 영향으로 다소 상승하여 0.2 이상의 값들이 나타나고 있으나 MWR에서는 운 량이 0.1 이하로 나타나고 있다. Fig. 2b는 흐리다가 비가 온 날로 운고계 자료를 보면 2 km 고도에서 BSC띠가 나타나고 있고, 오후 2시 이후에 강수로 인 하여 높은 BSC가 지상까지 나타난다. MWR에서는 오전시간의 구름은 잘 나타나지 않고 있으나 다소 높은 LWP가 나타나고 있고 강수시간에 고도별로 높 은 LWC가 관측되어 높은 LWP값들이 나타났다. 산 출된 구름광학두께 또한 강수시간 전후에 높은 값들 이 나타나고 있으며 운량 1이 나타나고 있다. 관측에 서도 동일하게 강수시간에 태양에너지가 0에 가까운 값이 나타나고 있어 강한 구름이 있을 경우에는 원 격탐사 관측으로 추정된 운량이 관측에서 나타난 운 량과 유사한 분포를 가지는 것으로 분석된다.

    Fig. 3는 운고계와 MWR를 이용하여 산출된 운량 을 적용하여 산출된 태양에너지와 관측된 태양에너지 를 비교한 그림이다. 운고계는 1분마다 관측되고 MWR는 10분마다 산출된 값이다. Fig. 3a에서 산출 된 태양에너지는 정오를 기준으로 감쇠가 크게 나타 난다. 이는 Fig. 2에서 나타난 것과 같이 주간에 운 고계 관측에서 태양에너지의 유입으로 운량이 과대추 정된 것으로 분석된다. 그러나 MWR에 의해 맑은 날 추정된 태양에너지(Fig. 3 c)는 비교적 관측과 잘 일치하는 것으로 분석된다. Fig. 3b에서 오전 9시와 10시 사이에 관측된 태양에너지는 맑은 날의 분포를 보였으나 운고계에서 추정된 운량은 0.5 이상으로 낮 은 태양에너지를 추정하였다. 강수가 있었던 시간의 태양에너지도 약하게 추정되고 있어 운량을 1로 추 정된 것을 볼 수 있다. 이에 반하여 MWR에서는 전 체적으로 관측과 유사한 분포를 보였으나 오전 11시 와 오후 4시의 약한 태양에너지의 추정에서 큰 차이 가 나타났다(Fig. 3d). 즉, 운고계 자료를 이용한 운 량 추정은 강한 구름에 대해서 불확실성이 있어 과 소추정하는 것으로 분석되고 맑은 상태에서는 태양에 너지의 유입으로 운량을 과대추정하는 것으로 분석되 었다. 그리고 MWR는 전체적으로 유사한 운량을 추 정하고 있으나 운량에 따라 오차가 나타나는 것으로 분석된다. 이는 원격탐사 관측장비의 기계적인 특징 에 기인되는 것으로 사료된다. 관측에서 나타나는 운 량은 태양을 중심으로 분포된 구름이 중요한 요소이 나 원격관측장비들은 대체로 천정방향을 관측한 값이 고 천정방향의 운량이 전체하늘을 대표하지 않기 때 문에 실제 태양에너지와 관계성이 약하게 나타나는 것으로 분석된다.

    Fig. 4는 연구기간에 대하여 중랑과 광화문지점에 서 운고계와 MWR의 운량을 적용하여 추정된 시간 별 태양에너지와 관측의 관계성을 나타낸 것이다. 운 고계와 MWR에서 추정된 운량은 다소 높게 나타난 것으로 분석된다. 두 지점 모두 음의 편차를 보였으 며 선형회귀식의 기울기가 1이하로 과소추정되었다. 중랑지점에서 추정된 태양에너지의 상관성(R 2 )은 다 소 높았으나(중랑: 0.73 (운고계), 0.81 (MWR), 광화 문: 0.69 (운고계), 0.81 (MWR)), BIAS (중랑: −19 W/m 2 (운고계), −10 W/m 2 (MWR), 광화문: −18 W/ m 2 (운고계), −6 W/m 2 (MWR))와 RMSE (중랑: 122 W/m 2 (운고계), 110 W/m 2 (MWR), 광화문: 117 W/ m 2 (운고계), 103 W/m 2 (MWR))는 광화문지점보다 크게 나타났다. 그리고 운고계를 이용한 태양에너지 보다 MWR를 이용한 태양에너지가 관측과의 상관성 은 높고 BIAS는 낮았다.

    연구에 사용된 자료의 지점들의 특징을 보기 위하 여 Table 2에 정리하였다. MWR를 이용하여 추정된 태양에너지가 관측과 유사하였다. 통계 검증된 결정 계수는 전체적으로 MWR를 이용하였을 때 높았으나 일부 지점들에서는 큰 BIAS와 RMSE가 나타났다. 결정계수가 가장 작은 지점은 운고계의 경우 광화문 지점(202) 이었고(0.69) MWR의 경우는 구로지점 (206)이었다(0.77). 일산지점(211)의 BIAS는 35.82 W/m 2로 가장 컸으며 구로지점(206)의 RMSE가 133.13 W/m 2로 가장 컸다. 반면, 결정계수가 가장 높 은 지점은 일산지점(211)이었고 (0.84) 광화문지점 (202)은 가장 작은 BIAS (−5.70 W/m 2 )와 RMSE (103.71 W/m 2 )가 나타났다.

    월별 산출된 운량, 태양에너지, 결정계수와 RMSE 를 Fig. 5에 보였다. 7월에 가장 높은 운량이 그리고 1월에 가장 낮은 운량이 나타났다. 전체적으로 운고 계에서 산출된 운량(0.38 이하)이 MWR에서 산출된 운량(0.29 이하)보다 평균 0.09 크게 나타났다. 이로 인하여 운고계로 산출된 월평균 태양에너지가 50 W/ m 2 이상 낮게 산출되었다. 대체로 결정계수는 0.7이 상 나타났으나 7월과 9월에 상대적으로 낮게 나타났 다. 7월의 경우 운고계를 이용하여 산출된 광화문지 점의 상관성이 가장 낮았다(0.55). 9월에 운고계와 MWR를 이용하여 산출된 광화문지점이 낮은 정확도 를 보였으며 9월에는 광화문지점의 MWR을 이용하 였을 때 가장 낮았다(0.56). RMSE는 결정계수가 역 전되어 나타나는 특징을 보였으며 9월 광화문지점에 서 170 W/m 2 이상의 RMSE가 나타났다. RMSE는 구름이 많은 여름철에 증가되었고 겨울철에 감소되었 다. 일부 지점에서 7월과 9월에 낮은 정확도와 큰 편 차가 나타난 것은 도시내에 위치하여 에어로졸을 구 름으로 오탐지되어 운량으로 추정된 것으로 분석된다. 특히 광화문 운고계와 MWR의 추정 태양에너지는 교통량이 많아 에어로졸의 발생이 구름으로 오탐지되 었으며 1 km 이상 떨어진 서울 기상대와 비교하였기 때문에 나타난 것으로 분석된다.

    Fig. 67은 중랑과 광화문지점의 일누적 태양에 너지 시계열과 관계성을 나타냈다. 일누적 태양에너 지는 추정값이 대체로 관측보다 낮게 분포되고 있으 며 중랑은 2017년 9월까지 그리고 광화문은 2017년 1월까지의 자료를 포함한다(Fig. 6). 태양에너지는 여 름철에 높고 겨울철에 낮은 계절분포가 나타나고 있 으며 2017년 여름철의 강수일이 평년보다 많았기 때 문에 중랑지점의 2017년 여름철의 태양에너지가 다 른 해와 비교하여 낮게 나타났다. Fig. 4와 유사하게 추정된 태양에너지가 관측과 비교하여 과소추정되는 것을 볼 수 있다. 선형회귀식의 기울기가 1 이하이며 음의 편차가 중랑과 광화문에서 나타났다. 운고계 자 료를 이용하여 추정된 태양에너지의 상관성이 MWR 를 이용한 것보다 다소 낮았고(운고계: 0.76, MWR: 0.78) BIAS와 RMSE는 크게 나타났다(BIAS (운고계: −1.3 MJ/Day, MWR: −0.29 MJ/Day), RMSE (운고 계: 3.37 MJ/Day, MWR: 3.16 MJ/Day).

    일누적 태양에너지에 대한 통계값을 Table 3에 정 리하였다. Table 2의 분석과 유사하게 MWR를 이용 한 산출된 태양에너지의 통계값이 대체로 높게 나타 났다. 산출된 태양에너지의 평균은 MWR로 산출된 값이 관측과 더 유사하였으나 상관성과 BIAS 그리고 RMSE는 관측소에 따라 차이가 나타났다. MWR를 이용하여 산출한 광화문지점의 상관성, 편차 그리고 RMSE가 가장 높았고(R 2 =0.80, BIAS= −0.2 MJ/Day, RMSE=2.87 MJ/Day) 구로지점의 상관성과 RMSE가 장 낮았으며(R 2 =0.63, RMSE=4.77 MJ/Day) 편차는 일산지점이 가장 높게 나타났다(BIAS=1.68 MJ/Day). 구로를 제외한 도심지에 위치한 지점에서 상관성이 높았고(중랑, 광화문, 부천, 강남) 서해에 가까운 교 외지역에 위치한 지점들의 상관성이 낮게 나타났다 (일산, 송도). 도심지에 위치한 MWR의 경우 상대적 으로 건조한 상태이기 때문에 구름탐지에 용의하다. 그러나 해안에 가까운 교외지역의 MWR은 서해로부 터 유입된 습한 대기상태로 인하여 운량을 낮게 산 출한다. 따라서 추정된 태양에너지는 관측과 비교하 여 양의 편차가 뚜렷이 나타나는 것으로 분석된다.

    또한 구로지점의 낮은 상관성과 높은 RMSE가 나타 난 이유는 Table 1에서 보는 바와 같이 자료의 기간 (2016년 4월~2017년 9월)이 가장 짧은 것이 원인으 로 분석된다.

    요약 및 결론

    2015년부터 최근까지 관측된 기상자료, 운고계 그 리고 MWR자료를 이용하여 태양에너지를 산출하였 고 일사계 관측자료와 비교하였다. 운고계의 BSC는 대기의 구름에 의한 감쇠효과를 관측할 수 있고 간 단한 변환식을 이용하여 구름광학두께와 운량을 산출 하였다. MWR의 액상물량을 이용하여 구름광학두께 와 운량을 산출하였다. 산출된 운량을 태양복사모델 에 입력하여 지표면에 도달하는 태양에너지를 계산하 였다. 운고계의 경우 태양에너지의 유입으로 인한 BSC 증가 그리고 짙은 구름의 상부에 대한 감시불능 등으로 맑은 날 주간에 운량이 산출되는 기계적인 특징을 발견할 수 있다. 그리고 운고계와 마찬가지로 MWR의 경우 천정방향을 관측하는 기계적인 특징으 로 태양에너지 산출에 일부 오류를 가질 수 있다. 지 상기반의 원격탐사 관측기기는 저렴하고 유지관리가 쉬운 반면 천정방향에 대한 관측만을 수행하기 때문 에 실제 태양의 위치 그리고 전체 하늘 상태를 관측 하는데 한계가 존재하여 태양에너지 산출에 일정 수 준의 오차가 발생된다. 추정된 태양에너지를 관측과 비교한 결과 중랑과 광화문지점에서는 과소추정이 나 타났다. 선형회귀분석한 결과 0.8 이하의 기울기를 나타났고 −20 W/m 2의 음의 편차가 나타났으며 120 W/m 2의 RMSE를 보였다. 그리고 MWR를 이용하여 추정된 태양에너지의 정확도와 오차율이 다소 향상되 었다. 이는 구름내부와 상부에 대한 액상물량의 정보 가 관측되는 장점에 따른 것으로 분석된다. 월별 산 출된 운량과 태양에너지는 운고계를 이용하여 산출하 였을 때 운량이 0.09 이상 크게 나타났으며 태양에너 지가 50 W/m 2 이상 낮게 산출되었다. 지점에 따라 차이는 있었으나 대체로 7월과 9월에 RMSE가 크게 계산되었다. 7월은 운량산출의 오차로 분석되며 9월 의 오차는 자료누락 등 자료수의 부족에 따른 것으 로 분석된다. 일누적 태양에너지의 경우 MWR를 이 용하여 산출하였을 때 통계값이 높게 나타났다. 광화 문지점에서 가장 높은 상관성을 보였고(R 2 =0.80, RMSE=2.87 MJ/Day) 구로지점의 상관성이 가장 낮 았다(R 2 =0.63, RMSE=4.77 MJ/Day).

    이상의 결과를 정리하면, 운고계에서 산출된 운량 은 일부 높은 고도까지 BSC가 나타나 대부분 짙은 구름에서 구름 하부의 정보로 운량이 산출되고 있어 운량이 비교적 크게 나타나고 있으며 이에 따라 태 양에너지는 낮게 산출된다. MWR를 이용한 태양에너 지 산출의 정확도는 운고계를 이용하여 산출하였을 때보다 개선되었으나 일정수준 이상의 편차를 보이고 있다. 또한 도심과 교외지역 등 관측위치에 따라 상 관성의 차이가 나타났으며 도심지의 관측소에서 상관 성이 더 높게 나타나는 특징을 보였다. 태양에너지는 태양주변의 구름에 민감하게 의존적이나 운고계와 MWR는 천정방향을 관측하기 때문에 정확한 태양에 너지의 산출에 오차를 가질 수 밖에 없다. 또한, 운 고계의 BSC는 구름 외의 황사와 미세먼지에 민감하 여 봄철 운량산출에 있어 과도한 운량 산출을 보인 다. 따라서 운고계 자료 활용시 황사와 미세먼지의 제거 그리고 주간의 태양에너지 유입에 따른 운량의 증가를 보정해야 할 것으로 분석된다. 그리고 MWR 를 이용한 운량 산출과정에서 구름내의 구름입자크기 를 고려하여(8 mm) 구름광학두께를 산출하여 이용하 였다. 수도권에서는 구름입자 등에 대한 정확한 산출 정보가 없어 선행연구의 결과를 이용하였기 때문에 오차의 원인으로 작용한 것으로 사료된다. 따라서 추 후 연구에서는 관측자료의 기간을 늘리고 태양에너지 산출의 오차원인이 되는 태양에너지의 유입 제거와 구름입자크기 등의 정보를 추가하는 것이 필요한 것 으로 사료된다.

    사 사

    이 논문은 2017년도 정부(미래창조과학부)의 재원 으로 한국연구재단의 지원을 받아 수행된 기초연구사 업입니다(과제번호: 2017R1E1A1A03070224). 본 연 구의 결과 도출을 위하여 사용된 관측자료는 기상청 (WISE 프로젝트)과 한국외국어대학교 대기환경연구 센터에 의해 공동으로 제공되었습니다.

    Figure

    JKESS-39-228_F1.gif

    Geolocations of WISE stations and KMA (108) station. Observation instrument include Energy tower, ceilometer, microwave radiometer and meteorology.

    JKESS-39-228_F2.gif

    Observation and retrieval parameters of cloud at Jungnang (WISE 201) station on a) June 18 2017 and b) June 25 2017, respectively. Observation parameters are included back scattering from coefficient, liquid water content and liquid water path from microwave radiometer and solar radiation from pyranometer, and retrieval parameters are included cloud optical depth and cloud fraction from ceilometer, MWR and pyranometer.

    JKESS-39-228_F3.gif

    Solar radiation estimated using by cloud fraction from ceilometer and MWR at Jungnang station on June 18 2017 and June 25 2017, respectively.

    JKESS-39-228_F4.gif

    Relationship of hourly solar radiation between observation and estimation from ceilometer and MWR at Jungnang and Gwanghwamun stations.

    JKESS-39-228_F5.gif

    Monthly estimated cloud fraction (a) and solar radiation (b) from ceilometer and MWR and deterministic coefficient (c) and RMSE (d) of solar radiation between observation and estimation with WISE stations.

    JKESS-39-228_F6.gif

    Time series of daily accumulated solar radiation for observation and estimation from ceilometer and MWR at Jungnang and Gwanghwamun stations.

    JKESS-39-228_F7.gif

    Same as Fig. 4 except for daily accumulated solar radiation.

    Table

    Specification of Weather Information Service Engine (WISE) stations and Korean Meteorological Administration (KMA) Seoul station. MET, RAD, CEIL and MWR represent meteorological, radiation, ceilometer and microwave radiometer instrument, respectively

    Statistics of estimated hourly solar radiation for WISE stations. Statistics values include mean, deterministic coefficient, BIAS and RMSE, respectively

    Same as Table 2 except for daily accumulated solar radiation

    Reference

    1. S.H. Ahn , I.S. Zo , J.B. Jee , B.Y. Kim , D.G. Lee , K.T. Lee (2016) The Estimation of Monthly Average Solar Radiation using Sunshine Duration and Precipitation Observation Data in Gangneung Region., Journal of Korean Earth Science Society, Vol.37 (1) ; pp.29-39[in Korean].
    2. J.H. Chae , M.S. Park , Y.J. Choi (2014) The WISE quality control system for integrated meteorologicalsensor data., Atmosphere, Vol.24 (3) ; pp.445-456[in Korean].
    3. J.C. Chiu , J.A. Holmes , R.J. Hogan , E.J. O’Connor (2014) The interdependence of continental warm cloud properties derived from unexploited solar background signals in ground-based lidar measurements., Atmos. Chem. Phys., Vol.14 ; pp.8389-8401
    4. J.C. Chiu , C.H. Huang , A. Marshak , I. Slutsker , D.M. Giles , B.N. Holben , Y. Knyazikhin , W.J. Wiscombe (2010) Cloud optical depth retrievals from the Aerosol Robotic Network (AERONET) cloud mode observations., J. Geophys. Res., Vol.115 ; pp.D14202
    5. J.C. Chiu , A. Marshak , C. Huang , H.T. Varnai , R.J. Hogan , D.M. Giles , B.N. Holben , E.J. O ?(tm)Connor , Y. Knyazikhin , W.J. Wiscombe (2012) Cloud Droplet Size and Liqud Water Path Retrievals from Zenith Radiance Measurements: examples from the Atmosphric Radiation Measurement Program and the Aerosol Robotic Network., Atmos. Chem. Phys., Vol.12 ; pp.10313-10329
    6. J.C. Chiu , A. Marshak , J. Warren , W.J. Wiscombe , S.C. Valencia , E.J. Welton (2007) Cloud Optical Depth Retrievals from Solar Background “Signals” of Micropulse Lidars., IEEE Geosci. Remote Sens. Lett., Vol.4 (3) ; pp.456-460
    7. M.D. Chou (1991) The derivation of cloud parameters from satellite-measured radiances for use in surface radiation calculations., J. Atmos. Sci., Vol.48 (13) ; pp.1549-1558
    8. M.D. Chou , M.J. Suarez (1999) A solar radiation parameterization for atmospheric studies.,
    9. D. Cimini (2013) Mixing layer height retrivals by multichannel microwave radiometer observations., Atmos. Meas. Tech., Vol.6 ; pp.2941-2951
    10. D. Cimini , E. Campos , R.S. Ware , S. Albers , G. Giuliani , J. Oreamuno , P. Joe , S.E. Koch , S. Cober , E. Westwater (2011) Thermodynamic Atmospheric Profiling During the 2010 Winter Olympics using Ground-based Microwave Radiometry., IEEE Trans. Geosci. Remote Sens., ; pp.1-11
    11. D. Cimini , T.J. Hewison , L. Martin , J. Guldner , C. Gaffard , F.S. Marzano (2006) Temperature and Humidity Profile Retrievals from Ground-based Microwave Radiometer during TUC., Meteorologiche Zeitschrifit, Vol.15 (5) ; pp.46-56
    12. D. Cimini , M. Nelson , J. Guldner , R. Ware (2015) Forecasting Indices from a ground-based microwave radiometer for Operational Meteorology., Atmos. Meas. Tech., Vol.8 ; pp.315-333
    13. S. Crewell , K. Ebell , U. Lohnrt , D.D. Turner (2009) Can Liquid Water Profiles be Retrieved from Passive Microwave Zenith., Geophys. Res. Lett., Vol.36 ; pp.L06803
    14. M.D. Felding , J.C. Chiu , R.J. Holgan , G. Feingold , E. Eloranta , E.J. O ?(tm)Connor , M.P. Cadeddu (2015) Joint Retrievals of Cloud and Drizzle in Marine Boundary Layer Clouds using Ground-based radar, lidar and zenith radiances., Atmos. Meas. Tech., Vol.8 ; pp.2663-2683
    15. M. Iqbal (1983) An introduction to solar radiation.An introduction to solar radiation. Academic Press, New York, 390pp., Academic Press,
    16. J.B. Jee , Y.D. Kim , W.H. Lee , K.T. Lee (2010) Temporal and Spatial Distributions of Solar Radiation with Surface Pyranometer Data in South Korea., Journal of Korean Earth Sciences Society, Vol.31 (7) ; pp.720-737[in Korean].
    17. J.B. Jee , H. Lee , J.S. Min , J.H. Chae , S. Kim (2017) Analysis of Radiation Energy Budget Using WISE Observation Data on the Seoul Metropolitan Area., Journal of the Solar Energy Society, Vol.37 (6) ; pp.103-114[in Korean].
    18. J.B. Jee , W.H. Lee , I.S. Zo , K.T. Lee (2011) Correction of One-layer Solar Radiation Model by Multi-layer Line-by-line Solar Radiation Model., Atmosphere, Vol.21 ; pp.151-162[in Korean].
    19. Y. Jin , K. Kai , K. Kawai , T. Nagai , T. Sakai , A. Yamazaki , A. Uchiyama , D. Batdorj , N. Sugimoto , T. Nishizawa (2015) Ceilometer Calibration for retrieval of Aerosol Optical Properties., J. Quant. Spectrosc. Radiat. Transf., Vol.153 ; pp.49-56
    20. B.G. Kim , S.E. Schwartz , M.A. Miller , Q. Min (2003) Effective Radius of Cloud Droplets by Groundbased Remote Sensing: Relationship to Aerosol., J. Geophys. Res., Vol.108 (D23) ; pp.4740
    21. B.Y. Kim , J.B. Jee , M.J. Jeong , I.S. Zo , K.T. Lee (2015) Estimation of Total Cloud Amount from Skyviewer Image Data., Journal of Korean Earth Sciences Society, Vol.36 (4) ; pp.330-340[in Korean].
    22. B.Y. Kim , J.B. Jee , I.S. Zo , K.T. Lee (2016) Cloud cover retrieved from Skyviewer: A validation with human observations., Asia-Pac. J. Atmospheric Sci., ; pp.1-10
    23. S. Kim , J.B. Jee , J.S. Min , J.G. Park (2016) Influence of 3D remote sensing observation data on prediction performance of storm-scale prediction system., Proceedings of the Autumn Meeting of KMS, ; pp.410-411
    24. K. R. Knupp (2009) Ground-based passive microwave profiling during dynamic weather conditions.,
    25. B. Leckner (1978) The Spectral Distribution of Solar Radiation at the Earth ?(tm)s Surface Elements of a Model., Sol. Energy, Vol.20 ; pp.143-150
    26. S.H. Lee , S.E. Hwang , J. Kim , M.H. Ahn (2017) Characteristics of Cloud Occurrence using Ceilometer Measurements and its Relationship to Precipitation over Seoul., Atmos. Res., Vol.201 ; pp.46-57
    27. H.I. Park , I.S. Zo , B.Y. Kim , J.B. Jee , K.T. Lee (2017) An Analysis of Global Solar Radiation using the GWNU Solar Radiation Model and Automated Total Cloud Cover Instrument in Gangneung Region., Journal of Korean Earth Sciences Society, Vol.38 (2) ; pp.120-140[in Korean].
    28. M.S. Park , S.H. Park , J.H. Chae , M.H. Choi , Y. Song , M. Kang , J.W. Roh (2017) High-resolution urban observation network for user-specific meteorological information service in the Seoul Metropolitan Area, South Korea., Atmos. Meas. Tech., Vol.10 (4) ; pp.1575
    29. M. Shangguan , S. Heise , M. Bender , G. Dick , M. Ramatschi , J. Wickert (2015) Validation of GPS Atmospheric Water Vapor with WVR data in Satellite Tracking Mode., Ann. Geophys., Vol.33 ; pp.55-61
    30. M. Sutter , B. DA1/4rr , R. Philipona (2004) Comparison of two radiation algorithms for surface-based cloud-free sky detection., J. Geophys. Res., Vol.109 ; pp.D17202
    31. H. Tan , J. Mao , H. Chen , P.W. Chan , D. Wu , F. Li , T. Deng (2010) A study of a Retrival Method for Temperature and Humidity Profiles from Microwave Radiometer Observations Based on Principal Component Analysis and Stepwise Regression., J. Atmos. Ocean. Technol., Vol.28 ; pp.378-389
    32. D.D. Turner , S.A. Clough , J.C. Liljegren , E.E. Clouthiaux , K.E. Cady-Pereira , K.L. Gaustad (2007) Retrieving Liquid Water Path and Precipitable Water from the Atmospheric Radiation Measurement (ARM)Microwave Radiometers., IEEE Trans. Geosci. Remote Sens., Vol.45 (111) ; pp.3680-3690
    33. D.D. Turner , A.M. Vogelmann , R.T. Austin , J.C. Barnard , K.J. Cady-Pereira , C. Chiu , S.A. Clough , C. Flynn , M.M. Khaiyer , J. Liljeren , K. Jhonson , B. Lin , C. Long , A. Marshak , S.Y. Matrosov , S.A. McFarlane , M. Miller , Q. Min , P. Minnis , W. O ?(tm)Hirok , Z. Wang , W.J. Wiscombe (2007) Thin Liquid Water Clouds: Their Importance and Our Challenge., Bull. Am. Meteorol. Soc., ; pp.177-189
    34. H.Y. Won , Y.H. Kim , D.E. Jang (2010) Characteristics of Precipitable Water Vapor and Liquid Water Path Retrieved from Ground-based Microwave Radiometric Profiler at Haenam NCIO., Atmosphere, Vol.20 (1) ; pp.1-12[in Korean].
    35. H.Y. Won , Y.H. Kim , H.S. Lee (2009) An Application of Brightness Temperature Received from a Ground-based Microwave Radiometer to Estimation of Precipitation Occurrences and Rainfall Intensity., Asia-Pac. J. Atmospheric Sci., Vol.45 (1) ; pp.55-69
    36. D. Yang , P. Jirutitijaroen , W.M. Walsh (2012) Hourly solar irradiance time series forecasting using cloud cover index., Sol. Energy, Vol.86 (12) ; pp.3531-3543
    37. K. Yang , A. Marshak , J.C. Chiu , W.J. Wiscombe , S.P. Palm , A.B. Davis , D.A. Spangenberg , L. Nguyen , J.D. Spinhirne , P. Minnis (2008) Retrievals of Thick Cloud Optical Depth from the Geoscience Laser Altimeter System (GLAS) by Calibration of Solar Background Signal., J. Atmos. Sci., Vol.65 ; pp.3513-3527
    38. I.S. Zo , J.B. Jee , K.T. Lee (2014) Development of GWNU (Gangneung-Wonju National University) Onelayer Transfer Model for Calculation of Solar Radiation Distribution of the Korea Peninsula., Asia-Pac. J. Atmospheric Sci., Vol.50 (1) ; pp.575-584