DBPIA-NURIMEDIA

Transcription

1 Atmosphere. Korean Meteorological Society Vol. 26, No. 3 (2016) pp pissn eissn 연구논문 (Article) 인버스모델링방법을통해추정된대기중이산화탄소농도와항공관측자료비교 김현정 1) 김현미 1) * 김진웅 1) 조천호 2) 1) 연세대학교대기과학과, 대기예측성및자료동화연구실, 2) 국립기상과학원 ( 접수일 : 2016 년 3 월 25 일, 수정일 : 2016 년 5 월 29 일, 게재확정일 : 2016 년 6 월 21 일 ) A Comparison of the Atmospheric CO 2 Concentrations Obtained by an Inverse Modeling System and Passenger Aircraft Based Measurement Hyunjung Kim 1), Hyun Mee Kim 1) *, Jinwoong Kim 1), and Chun-Ho Cho 2) 1) Atmospheric Predictability and Data Assimilation Laboratory, Department of Atmospheric Sciences, Yonsei University, Seoul, Korea 2) National Institute of Meteorological Research, Jeju, Korea (Manuscript received 25 March 2016; revised 29 May 2016; accepted 21 June 2016) Abstract In this study, the atmospheric CO 2 concentrations estimated by CT2013B, a recent version of CarbonTracker, are compared with CO 2 measurements from the Comprehensive Observation Network for Trace gases by Airliner (CONTRAIL) project during CarbonTracker is an inversion system that estimates surface CO 2 fluxes using atmospheric CO 2 concentrations. Overall, the model results represented the atmospheric CO 2 concentrations well with a slight overestimation compared to observations. In the case of horizontal distribution, variations in the model and observation difference were large in northern Eurasia because most of the model and data mismatch were located in the stratosphere where the model could not represent CO 2 variations well enough due to low model resolution at high altitude and existing phase shift from the troposphere. In addition, the model and observation difference became larger in boreal summer. Despite relatively large differences at high latitudes and in boreal summer, overall, the modeled CO 2 concentrations fitted well to observations. Vertical profiles of modeled and observed CO 2 concentrations showed that the model overestimates the observations at all altitudes, showing nearly constant differences, which implies that the surface CO 2 concentration is transported well vertically in the transport model. At Narita, overall differences were small, although the correlation between modeled and observed CO 2 concentrations decreased at higher altitude, showing relatively large differences above 225 hpa. The vertical profiles at Moscow and Delhi located on land and at Hawaii on the ocean showed that the model is less accurate on land than on the ocean due to various effects (e.g., biospheric effect) on land compared to the homogeneous ocean surface. Key words: CarbonTracker, atmospheric inversion, CONTRAIL, aircraft measurement, surface CO 2 flux, atmospheric CO 2 concentration *Corresponding Author: Hyun Mee Kim, Department of Atmospheric Sciences, Yonsei University, 50 Yonsei-ro, Seodaemun-gu, Seoul 03722, Korea Phone: , Fax: khm@yonsei.ac.kr 387

2 388 인버스모델링방법을통해추정된대기중이산화탄소농도와항공관측자료비교 1. 서론 대기와육지및해양간탄소교환을이해하기위해대기중이산화탄소몰농도관측자료로부터지표면탄소플럭스를추정하는대기인버스모델링 (atmospheric inverse modeling), 즉 top-down 방법이널리이용되고있다 (e.g., Peters et al., 2007, 2010; Feng et al., 2009; Chevallier et al., 2010). 대기인버스모델링방법을이용해지표면탄소플럭스를추정하는시스템인탄소추적시스템 (CarbonTracker) 은미국해양대기청 (National Oceanic and Atmospheric Administration, NOAA) 산하지구시스템연구소 (Earth System Research Laboratory, ESRL) 에서개발되어 2007 년초기버전이시행된이래거의매년업데이트되고있다. 탄소추적시스템에서는관측자료를동화시키기때문에모의된결과와관측간연관성이존재하며, 일반적인지표관측자료가한지점에서존재함에비해수송모델을통해전구분포, 즉넓은공간범위에대한결과를얻을수있다는장점이있다. 따라서기타관측자료, 특히위성관측자료를평가하기에적합하여 CarbonTracker 2013B (CT2013B) 의경우 Scanning Imaging Absorption Spectrometer for Atmospheric Chartography (SCIAMACHY) 와 Greenhouse gases Observing Satellite (GOSAT) 으로부터얻어진이산화탄소컬럼농도 (XCO 2 ) 와의비교대상으로사용된바있다 (Heymann et al., 2015; Lindqvist et al., 2015). 하지만인버스모델링결과또한부족한관측수와수송모델에의한오차로인해불확실성이존재한다 (Stephens et al., 2007; Chevallier et al., 2010). 따라서인버스모델링방법으로산출된결과역시다른믿을만한관측자료와의비교를통해정확성을검증할필요가있다. CT2013B 를이용하여추정된이산화탄소농도결과는 Kulawik et al. (2016) 에서지면관측기반의 Total Carbon Column Observing Network (TCCON) 자료와 Frankenberg et al. (2016) 에서는항공자료인 HIAPER Pole-to-Pole Observations (HIPPO) 자료와비교하여검증된바있다. 이를통해북반구고위도에서 CT2013B 모의결과와관측의차이가컸고, 탄소흡수 / 배출이최대치에이르는시기에는특히 300 hpa 부근에서모델 - 관측차이가거의 4ppm 정도로컸다는것이밝혀진바있다. 하지만 Kulawik et al. (2016) 에서추가적인연구 ( 특히남반구및 45 o N~67 o N 에대해 ) 의필요성을밝힌바있으며, Frankenberg et al. (2016) 에서도언급한것처럼인버스모델링방법을통해전구탄소순환을추정함에있어여전히존재하는불확실성을감소시키기위해서는추가적인검증이필요하다. 특히검증에사용할수있는관측자료에는 시공간적한계가존재하고, 둥지격자설정 (Kim et al., 2014) 혹은자료동화에사용한관측자료 (Kim et al., 2016) 등에따라결과가달라질수있기때문에, 추가적인검증은모델결과개선에큰도움이될것이다. 본연구에서비교대상으로사용하고자하는관측자료는 Japan Airlines (JAL) 여객기와함께수행된 Comprehensive Observation Network for Trace gases by Airliner (CONTRAIL) 프로젝트의이산화탄소몰농도관측자료이다. JAL 여객기관측프로젝트는이산화탄소, 메탄등의온실기체관측을목적으로두번에걸쳐수행되었다. 첫번째프로젝트는 1993 년부터 2005 년까지수행되었고 (Matsueda and Inoue, 1996; Matsueda et al., 2002), 뒤이어두번째프로젝트가 2005 년후반부터시작되어현재까지수행되고있는데, 이두번째프로젝트가바로 CONTRAIL 프로젝트이다 (Machida et al., 2008; Matsueda et al., 2008). CONTRAIL 프로젝트로부터얻어진이산화탄소관측자료 ( 이하 CONTRAIL 자료 ) 는정확도가 ±0.2ppm 이내의자료이다 (Matsueda et al., 2008). 이러한상업용항공기를이용한관측은자유대기 (free atmosphere) 부터성층권하부까지온실기체의변동성을이해하는데도움이된다 (e.g., Sawa et al., 2008, 2012). 또한, CONTRAIL 자료는신뢰도가높아위성자료를검증하기위해서도사용되고 (e.g., Crevoisier et al., 2009, 2013; Kulawik et al., 2010; Inoue et al., 2013), 모델결과와의비교대상으로도사용된다. Chevallier et al. (2010) 는 Bayesian variational inversion 방법과 Laboratoire de Météorologie Dynamique (LMDZ) 수송모델을통해추정된이산화탄소인버스모델링결과를, Feng et al. (2011) 에서는 GEOS-Chem 수송모델과앙상블칼만필터 (Ensemble Kalman Filter, EnKF) 방법을사용해추정된이산화탄소인버스모델링결과를 CONTRAIL 관측자료와비교한바있고, Houweling et al. (2015) 에서는 8 개의인버스모델링결과를비교및검증하기위해 CONTRAIL 자료를사용하였다. 또한여러가지수송모델을사용해얻어진이산화탄소농도결과를 CONTRAIL 관측자료와비교하여수송모델의영향을분석하기도하였다 (Basu et al., 2011; Niwa et al., 2011). 특히 Basu et al. (2011) 에서는이전탄소추적시스템버전인 CT2010 결과와 CONTRAIL 자료를비교한바있으나, 30 o N~60 o N 에대해이산화탄소컬럼농도 (XCO 2 ) 의계절사이클분석에초점을두었고 CONTRAIL 자료는 TCCON 자료에부가적으로별다른선처리없이사용하였다. 이와다르게본연구에서는하층자료및관측수가적은공항의자료를필터링하고이산화탄소몰농도의수평및연직분포를분석함으로써보다정확하고자세한분석을수행하였다. 또한아시아지역의지표면탄소플럭스 한국기상학회대기제 26 권 3 호 (2016)

3 김현정 김현미 김진웅 조천호 389 Table 1. Summary of the prior flux, transport model, and nesting domain used in CT2013B. Biosphere CASA-GFED v3.1 (van der Werf et al., 2010) Ocean Jacobson et al. (2007) Prior flux Fires CASA-GFED v3.1 (van der Werf et al., 2010) Fossil Fuel Miller dataset (CDIAC and EDGAR) Transport model TM5 transport model with ERA-interim reanalysis Transport model resolution (domain 1) 3 o 2 o Globe (domain 2) 1 o 1 o 12 o S-70 o N, 30 o E-168 o E Period ~ (Analysis was conducted for ) 를추정하기위해 CONTRAIL 자료를탄소추적시스템에동화시킴으로써효과를본연구로 Zhang et al. (2014) 가있다. Zhang et al. (2014) 의결과는 CONTRAIL 자료를다른인버스모델링방법에적용한연구 (Niwa et al., 2012; Jiang et al., 2014) 와비교해보면결과에차이가있다. 예를들어, Zhang et al. (2014) 에서추정된아시아지역의탄소순흡수는 1.56 PgC yr 1 이었지만 Niwa et al. (2012) 에서는 PgC yr 1 이었다. 여기서음의부호는지표면탄소플럭스흡수를, 양의부호는배출을의미한다. 따라서 CONTRAIL 자료와모델결과를자세하게비교하는것은 CONTRAIL 자료를동화시킨인버스모델링연구의정확도향상에도큰도움이될것이다. 뿐만아니라 CONTRAIL 자료는정확도가높고시공간적으로분포범위가넓기때문에앞서언급하였던검증에사용된관측자료의시공간적한계를보완하기에매우적합하다. 그러므로 CONTRAIL 자료를이용하여모델결과를검증하는것은의미있는연구가될것이다. 따라서, 본연구에서는최근 1 년동안운영된 CT2013B 을통해모의된이산화탄소농도와 CONTRAIL 이산화탄소항공관측자료를비교하여그결과를분석하고자한다. 2 장에서는비교자료인 CT2013B 와 CONTRAIL 자료에대한설명을제시하였고, 비교결과는 3 장에서보일것이다. 마지막으로결론및요약을 4 장에제시한다. CT2013B 를사용해모의된이산화탄소농도결과를비교에사용할것이다. 본연구에서사용한 CT2013B 설정및구성은 Table 1 에요약하여나타내었다. 생권, 해양, 화재, 그리고화석연료 4 가지로구성된초기지표플럭스는각각 Carnegie-Ames-Stanford Approach Global Fire Emissions Database (CASA-GFED) v3.1 (van der Werf et al., 2010), Jacobson et al. (2007), CASA-GFED v3.1, 그리고 Carbon Dioxide Information and Analysis Center (CDIAC) and the Emission Data base for Global Atmospheric Research (EDGAR) 인벤토리로부터얻어졌다. 자료동화에사용된관측자료는 NOAA ESRL 에서제공하는이산화탄소현장 (insitu) 관측자료모음인 ObsPack 자료 (Masarie et al., 2014) 이다. ObsPack 자료는탄소순환인버스모델링, 모델평가, 그리고위성자료검증연구에사용하는것을목적으로생산된자료이며, 연속적지표관측자료와비연속적지표관측자료및항공관측자료로 2. 자료설명 2.1 탄소추적시스템탄소추적시스템에서는초기추정된지표플럭스를기반으로대기중이산화탄소관측자료를앙상블칼만필터방법 (Evensen, 1994; Whitaker and Hamill, 2002) 을이용해동화시켜최적화된지표면탄소플럭스를추정한다 (Peters et al., 2007). 본연구에서는 Fig. 1. The number of CO 2 observations at 1 o 1 o grid from January 2010 to December 2011 in CONTRAIL project. The locations of airports where CO 2 measurements were conducted are denoted by blue triangles, and gray-dashed lines indicate the latitudinal bins (20 o interval from 30 o S to 70 o N). Atmosphere, Vol. 26, No. 3. (2016)

4 390 인버스모델링방법을통해추정된대기중이산화탄소농도와항공관측자료비교 Table 2. List of the airports where aircraft measurements were implemented during The airports selected to analyze the vertical profile are presented in bold character. Code City Airport name Latitude [ o N] Longitude [ o E] Elevation [m] DME Moscow, Russia Domodedovo Airport AMS Amsterdam, Netherlands Schiphol Airport YVR Vancouver, Canada Vancouver International Airport ZRH Zurich, Switzerland Zurich International Airport CTS Chitose, Japan New Chitose Airport PEK Beijing, China Beijing Capital International Airport GMP Seoul, Republic of Korea Gimpo International Airport ICN Incheon, Republic of Korea Incheon International Airport NRT Narita, Japan Narita International Airport HND Haneda, Japan Tokyo International Airport NGO Nagoya, Japan Chubu Centrair International Airport ITM Osaka, Japan Osaka International Airport KIX Kansai, Japan Kansai International Airport FUK Fukuoka, Japan Fukuoka Airport SHA Shanghai, China Shanghai Hongqiao International Airport DEL Delhi, India Indira Gandhi International Airport OKA Naha, Japan Naha Airport TPE Taipei, Taiwan Taiwan Taoyuan International Airport HKG Hong Kong, China Hong Kong International Airport HNL Honolulu, United States Honolulu International Airport BKK Bangkok, Thailand Suvarnabhumi International Airport GUM Guam, Guam Guam International Airport SIN Singapore, Singapore Singapore Changi International Airport CGK Jakarta, Indonesia Jakarta International Soekarno-Hatta Airport CNS Cairns, Australia Cairns Airport SYD Sydney, Australia Kingsford Smith Airport AOJ Aomori, Japan Aomori Airport JIB Djibouti, Djibouti Djibouti Ambouli International Airport ZAG Zagreb, Croatia Zagreb International Airport PRG Ruzyne, Czech Vaclav Havel Airport DBV Dubrovnik, Croatia Dubrovnik Airport OKJ Okayama, Japan Okayama Airport LJU Ljubljana, Slovenia Ljubljana Joze Pucnik Airport YUL Montreal, Canada Montreal-Pierre Elliott Trudeau International Airport YYZ Toronto, Canada Toronto Pearson International Airport 구성된다. 이중항공관측자료는이연구에서동화에사용되지않으며, 사용되는지표관측자료중일부는각관측소의위치및특성에따라 12 에서 16 LST, 또는 00 에서 04 LST, 또는 14 에서 18 LST 에대해서만평균된다. 예를들어, 높은고도에위치한관측소의경우낮시간동안종종골짜기에의한국지적영향을받는데이러한국지적영향은모델이모의하기어렵기때문에밤시간대관측된자료를사용한다. 탄소추적시스템에서사용하는대기수송모델은 Transport Model 5 (TM5) 수송모델 (Krol et al., 2005) 이다. TM5 는탄소추적시스템에서관측연산자 (observation operator) 역할을하는오프라인모델로, 양방향둥지격자 (two-way nested grid) 를사용한다. Kim et al. (2014) 에서둥지격자를동아시아로설정한결과아시아지역에대해좀더세밀한플럭스패턴을얻을수있음을보였다. CONTRAIL 프로젝트는일본을중심으로수행된프로젝트이므로이에따라본연구에서도동아시아지역에대한둥지격자를적용하여, 전구에대해 3 o 2 o 해상도를, 동아시아에대해 1 o 1 o ( 위도 12 o S~70 o N, 경도 30 o E~168 o E) 해상도를적용하였다. TM5 는모델상한인 0.1 hpa 까지연직층이 25 개이고, 사용하는기상장은 ECMWF (European 한국기상학회대기제 26 권 3 호 (2016)

5 김현정 김현미 김진웅 조천호 391 Fig. 2. (a) The scatter plot between the observed CO 2 concentrations and the modeled CO 2 concentrations during : the solid line denotes the identity line (i.e., y = x line) and the dashed line denotes the regression line with information represented at the right bottom. (b) The histogram of modeled minus observed CO 2 concentrations: the black line denotes the density function, and the number at the right bottom indicates the mean difference with standard deviation. Centre for Medium Weather Forecast) ERA-interim 재분석자료로부터얻어진다. CT2013B 를사용한이산화탄소농도모의는 2000 년부터 2011 년까지기간에대해수행되었으며, 분석에사용된자료는스핀업기간을제외하고 2010 년 1 월부터 2011 년 12 월까지의자료이다. 모델 - 관측비교를위해, CT2013B 모델결과를 CONTRAIL 자료의시 공간에대응하여내삽하였다. 2.2 CONTRAIL CONTRAIL 프로젝트는상업용항공기를이용해대류권계면근처의온실기체를관측하기위해 2005 년 11 월시작되었다 (Machida et al., 2008). 이프로젝트는 National Institute for Environmental Studies (NIES), Meteorological Research Institute (MRI), Japan Airlines International (JAL), JAMCO Corporation, 그리고 JAL- Foundation (JAL-F) 이함께수행하는프로젝트이며, 5 대의 JAL 여객기에연속적인이산화탄소측정장비 (Continuous CO 2 Measuring Equipment, CME) 를탑재하여이산화탄소를측정한다. 이산화탄소측정은비행모드 (level mode) 과이 착륙 (ascending and descending mode) 모드로나누어진다. 비행중에는이산화탄소자료가 1 분간격으로측정되며이는수평거리약 15 km 정도에상응한다. 반면이 착륙동안에는 10 초간격으로이산화탄소가측정되며이는고도약 100 m 정도에상응한다. 앞서언급했던것처럼측정된이산화탄소자료의정확도는 ± 0.2 ppm 이내이다. 모든이산화탄소자료는 NIES 09 CO 2 스케일에대해보정되었다 (Machida et al., 2011). 비행중, 그리고이 착륙시이산화탄소를측정함으로써대류권계면부근의이산화탄소관측뿐만아니라각공항에서의연직프로파일또한얻을수있다. 따라서본연구에서는이산화탄소농도의수평분포와연직분포에대한분석을나누어수행하였다. 수평분포분석은비행모드자료를이용하였다. CONTRAIL 자료의지리적분포는일본을중점으로유럽, 아시아, 호주, 북태평양, 북미지역에이른다 (Fig. 1). 연직분포는각공항에서의이 착륙모드자료를이용해분석하였다. 분석기간동안총 35 개공항에서관측이수행되었으며, 이중관측이 30 일이상존재하는 11 개공항의자료만분석에사용하였다 (Table 2). 또한, 경계층내낮은고도에서는공항근처의오염된공기가관측에영향을미칠가능성이있기때문에 Niwa et al. (2012) 을따라서 625 hpa 미만의자료는비교에서제외하였다. 자료분석에사용된 CONTRAIL 자료는 2010 년 1 월부터 2011 년 12 월까지의자료이다. 3. 결과 전체자료의특성을보고자 CT2013B 에서모의된이산화탄소농도와 CONTRAIL 프로젝트에서관측된이산화탄소농도를비교해보았다 (Fig. 2). 모델값과관측값사이의상관계수는약 0.84 로높았다 (Fig. 2a). 모델 - 관측차이를보았을때, 전체적으로는양의편향, 즉모델에서관측에비해이산화탄소농도를과대모의하였으나그크기는약 0.55 ppm 정도로작았다 (Fig. 2b). 또한모델 - 관측차이의분포가 Gaussian 분포를잘따르는것으로보아, 모델에서모의된이 Atmosphere, Vol. 26, No. 3. (2016)

6 392 인버스 모델링 방법을 통해 추정된 대기 중 이산화탄소 농도와 항공 관측 자료 비교 Fig. 3. Distribution of observed CO2 concentrations at (a) DJF, (c) MAM, (e) JJA, and (g) SON, and difference between modeled and observed CO2 concentrations at (b) DJF, (d) MAM, (f) JJA, and (h) SON for 산화탄소 농도가 관측된 이산화탄소 농도를 잘 표현 한다고 할 수 있다. 시공간 변동에 따른 결과를 보다 자세하게 살펴보기 위해, CONTRAIL 자료를 비행 모 드와 이 착륙 모드로 구분하여 수평 분포와 연직 분 포를 나누어 분석하였다. 3.1 수평 분포 수평 분포 분석을 위해 사용된 이산화탄소 농도 관 측 자료는 약 9~13 km에 분포하므로, 대류권계면 근 한국기상학회 대기 제26권 3호 (2016) 처, 즉 대류권 상부 및 성층권 하부의 이산화탄소 농 도 분포를 분석하였다. Figure 3은 분석 기간인 년 동안 관측된 이산화탄소 농도 분포 및 모델관측 차이를 12~2월(DJF), 3~5월(MAM), 6~8월(JJA), 그리고 9~11월(SON)에 대해 나타낸 그림이다. 다른 지역에 비해 유라시아 대륙 북부에서 모델-관측 차이 의 분포가 계절별로 상이하다. 예를 들어, 북반구 봄 철(MAM)에는 모델이 관측에 비해 이산화탄소 농도 를 과대 모의한 정도가 다른 지역에 비해 컸고(Fig.

7 김현정 김현미 김진웅 조천호 393 Fig. 4. Latitudinal distribution of the modeled (gray) and observed (black) CO 2 concentrations for each month. Latitudinal values were averaged for each latitudinal bin (20 o interval from 30 o S to 70 o N, see Fig. 1). 3d), 북반구가을철 (SON) 에는다른지역에서대부분양의편향이존재함에비해유라시아대륙북부에서는그정도는작지만오히려모델이이산화탄소농도를과소모의하였다 (Fig. 3h). 정량적인분석을위해유라시아대륙북부 ( 약 45 o N~70 o N, 0~135 o E) 에서모델값과관측값에대해월평균이산화탄소농도최댓값과최솟값의차이를계산하였다. 해당지역은관측자료수가적기때문에월평균값을사용하였다. 모델에서모의된월평균이산화탄소농도의최대 - 최소차이는약 4.2 ppm 이었으나관측은약 3.0 ppm 이었다. 따라서모델이관측에비해계절변동성을더크게모의하고있음을알수있다. 한편, 다른지역에서는북반구봄철을제외하면주로모델결과가관측 에비해과대모의되었다. 북반구봄철태평양, 특히일본열도와하와이사이지역에서높은이산화탄소농도가관측되었는데, 모델에서는이를과소모의하였다. 이산화탄소농도의위도에따른분포를보기위해 30 o S 부터 70 o N 까지 20 o 간격으로나누어 (see Fig. 1), 각위도대에대한월별이산화탄소농도의모델값과관측값을평균하여 Fig. 4 에나타내었다. 몇가지특징들을살펴보면, 먼저 3 월부터 6 월까지 10 o N~50 o N 부근에서점점다른위도대에비해높은이산화탄소농도가관측되었으며, 모델또한그경향을잘모의하였다. 북반구여름철을지나며식생에의한탄소흡수가활발해지면서대기중이산화탄소농도가감소하는데, 이때모델값과관측값이점점차이가나 Atmosphere, Vol. 26, No. 3. (2016)

8 394 인버스모델링방법을통해추정된대기중이산화탄소농도와항공관측자료비교 게된다. 이는여러연구를통해밝혀진것처럼초기지표플럭스의불확실성, 수송모델에의한오차등으로인해모델에서대기중이산화탄소농도에대한식생의영향을정확하게모의하는것이어렵기때문이다 (e.g., Gurney et al., 2002; Basu et al., 2011). 이후 11 월부터는모델값과관측값이상당히비슷한결과를보였다. 반면, 4 월에서 6 월까지 50 o N~70 o N 에서모델값과관측값의차이가상당히큰것을알수있다. 주의해야할점은, 항공관측이수행된고도가대류권계면근처이긴하나위도에따라, 그리고계절에따라대류권계면의높이가다르다는점이다. 대류권계면의높이는적도에서극으로향할수록낮아지며겨울철이여름철보다낮기때문에, 같은고도라할지라도적도부근에서는대류권에속한반면고위도에서는성층권에속할수있다. 실제로수송모델내에서 ECMWF 재분석자료를이용해잠재소용돌이도 (Potential vorticity) 를계산하여 2 PVU (1 PVU = 10 6 m 2 s 1 K kg 1 ) 를기준으로대류권과성층권을구분하면 (Sawa et al., 2008), 유라시안대륙북부에서관측된값들중상당부분이성층권으로분류된다 (not shown). 모의된이산화탄소농도와관측된이산화탄소농도의차이및경향을보기위해각위도대에서각각의값을일평균한시계열자료를 Fig. 5 에나타내었다. 앞서언급한 50 o N~70 o N 에서모델과관측의차이는시계열자료에서좀더뚜렷하게드러난다 (Fig. 5a). 특히모델에서관측에비해계절변동성을크게모의하는경향을볼수있는데, 이러한차이는성층권이산화탄소농도의계절변동성이대류권에비해상이동 (phase shift) 이존재하며그진폭또한작아모의하기가어려울뿐만아니라, 높은고도에서해상도가낮아성층권이산화탄소농도를충분히모의하지못하기때문으로보인다 (Sawa et al., 2008; Niwa et al., 2012). 다른위도대에서는모델값과관측값이엇갈리는것을보아모델에서관측에비해계절변동성을작게모의하고있음을알수있다. Basu et al. (2011) 에서수송모델내약한연직수송등으로인해북반구온난지역위도대에서모델이계절사이클의진폭을과소모의함을밝힌바있으며, Jiang et al. (2008) 에서도대류권상부이산화탄소농도모의결과중위도지역에서모델이관측에비해계절사이클의진폭을과소모의하는경향이있어모델과관측의차이가크다는것을보인바있다. 본연구에서도항공기의비행경로에국한된결과이기는하나중위도뿐만아니라다른위도대에서도이런과소모의경향이보인다. 또한관측값중상당부분이성층권으로분류되었던 50 o N~70 o N 를제외하면적도에서북극으로갈수록계절사이클진폭이커짐을알수있 Fig. 5. Time series of the daily-averaged modeled (red dot) and observed (black dot) CO 2 concentrations for each latitudinal bin: (a) 50 o N-70 o N, (b) 30 o N-50 o N, (c) 10 o N- 30 o N, (d) 10 o S-10 o N, and (e) 30 o S-10 o S. 는데, 이는 Sawa et al. (2012) 의결과와일치한다. Sawa et al. (2012) 에서는고도 8km 이상대류권계면이하, 즉대류권상부에서적도에서북극으로갈수록계절사이클진폭이커짐을보였는데, 본연구에서는대류권및성층권을따로구분하지않았으므로 Sawa et al. (2012) 과는약간의차이가존재한다. 남반구와북반구를비교하면, Jiang et al. (2008) 에서보인바와같이남반구의계절사이클진폭이북반구에비해작은것을확인할수있다 (Figs. 5c, e). 대류권계면근처의이산화탄소농도수평분포를분석한결과, 고위도부근과북반구여름철에서모델 한국기상학회대기제 26 권 3 호 (2016)

9 값과관측값이상대적으로차이를보였으나, 전반적으로는모델에서모의한이산화탄소농도결과와관측값이잘맞는다는것을알수있었다. 이산화탄소는화학적으로안정한기체이며인간활동이나식생등주요한흡수 / 배출원이지표근처에존재한다 (Goody and Yung, 1989). 즉, 대류권상부이산화탄소농도는지표근처이산화탄소의수송으로결정된다고할수있으며성층권이산화탄소농도또한대류권으로부터유입되는정도에의해결정된다. 따라서모델에서대류권상부및성층권하부의이산화탄소농도를정확하게모의하기위해서는먼저지표면탄소플럭스를정확하게모의해야하며, 수송모델에서수송과정, 특히연직수송을잘모의할수있어야한다. 그러므로다음절에서는각공항에서이 착륙시관측된자료를통해이산화탄소농도의연직분포에대한모델 - 관측결과를자세하게분석하였다. 김현정 김현미 김진웅 조천호 연직분포 Figure 6 은 11 개공항에서이 착륙시관측된이산화탄소농도와모의된이산화탄소농도및그둘의차이를나타낸그림이다. CONTRAIL 프로젝트는일본을중점으로수행된프로젝트이기때문에관측자료가일본을중심으로위치한다. 특히, NRT 에서연직자료는전체 11 개공항자료의약 43.9% 를차지하기때문에결과가편향되지않도록 NRT 에서의결과를따로나타내었다. 모든공항에서모델이관측에비해이산화탄소농도를과대모의하여양의편향이존재하였고, 40 o N 이상위도대에위치한공항에서는고도가높아짐에따라양의편향이점차증가하였다 (Figs. 6a, b). 반면, 그외공항및 NRT 에서는전고도에서모델 - 관측차이가거의일정하였는데, 이는모델이지표로부터상층으로이산화탄소가수송되는과정을잘모의하고있음을의미한다. 따라서지표근처에서모의가더정확해지면전고도에서모델 - 관측차이를감소시킬수있을것으로사료된다. NRT 및다른공항, 그리고전체공항에서의자세한결과는 Table 3 에나타내었다. NRT 의관측자료수가많고수송모델의둥지격자를동아시아지역에적용하였 Fig. 6. Vertical profile of (a) modeled (gray) and observed (black) CO 2 concentrations and (b) their differences (black) with 1-sigma range (dashed gray) at airports located above 40 o N (i.e., AMS, DME, and YVR). Results at other airports except NRT are represented in (c) and (d), similar to (a) and (b), respectively. NRT (e, f) was analyzed separately from other airports since NRT accounted for 43.9% of total observations at all selected 11 airports. 기때문에, NRT 에서이산화탄소농도의연직분포를좀더자세하게분석하였다. 625 hpa 부터 125 hpa 까지 100 hpa 간격으로나누어각연직구간에대한모델및관측값을시계열로나타내었다 (Fig. 7). 각연직 Table 3. Root Mean Squared Difference (RMSD, ppm), bias (ppm), standard deviation of the bias (Std, ppm), correlation coefficient between modeled and observed CO 2 concentration (Corr), and number of observations (Nobs) at all selected airports, airports located above 40 o N, other airports except NRT (Narita), and NRT for RMSD [ppm] Bias [ppm] Std [ppm] Corr Nobs All selected (100%). Airports located above 40 o N (11.0%) Other airports except NRT (45.1%) NRT (43.9%) Atmosphere, Vol. 26, No. 3. (2016)

10 396 인버스모델링방법을통해추정된대기중이산화탄소농도와항공관측자료비교 Fig. 7. Time series of the modeled (blue dot) and observed (black dot) CO 2 concentrations at NRT for (a) hpa, (b) hpa, (c) hpa, (d) hpa, and (e) hpa. Table 4. Bias (ppm), standard deviation of bias (Std, ppm), correlation coefficient between modeled and observed CO 2 concentration (Corr), and number of observations (Nobs) for each vertical level at NRT for P [hpa] Bias [ppm] Std [ppm] Corr Nobs 구간에서구한모델 - 관측간차이및표준편차, 상관계수값은 Table 4 에제시하였다. 고도가높아질수록모델 - 관측간상관관계가감소하였고, 특히 225 hpa 이상에서상관관계가감소한정도가컸으며편향정도또한컸다. 225 hpa 이상에서관측자료수가적 긴하나, 그이하고도에비해차이가큰편이며특히북반구봄철모델과관측의차이가컸다 (Fig. 7a). 그럼에도, 전체편향정도가 1ppm 미만으로작은편이었고상관계수또한높은것으로보아모델에서대기중이산화탄소농도를잘모의하고있음을알수있다. Figure 8 은 DME 와 DEL, 그리고 HNL 에서모의된이산화탄소농도와관측된이산화탄소농도의연직분포및계절별두값의차이를나타낸그림이다. 연직분석을수행한 11 개공항가운데 DME 는러시아서부에, DEL 은인도북부에위치하여내륙지역의특성을나타내며, HNL 은태평양한가운데위치하여해양의특성을나타낸다. 먼저비슷한위도에위치한 DEL 과 HNL 을비교해보면, 모의된이산화탄소농도와관측된이산화탄소농도의차이는 HNL 에비해 DEL 에서훨씬컸다. 이차이는북반구여름철두드러졌으며 (Fig. 8f), 가을철에도약하긴하지만그경향을볼수있었다 (Fig. 8g). 육지에비해균질하고변동성또한적은해양에서모델 - 관측차이가적은것은기대할수있는결과이긴하나, 주요원인은서남아시아에서여름철몬순기간인 7 월에서 9 월동안강한탄소흡수가존재하지만이를모델에서잘모의하지못하였기때문으로추측된다 (Patra et al., 2011). DME 의경우, DEL 에비해모델 - 관측차이가작았으나 HNL 에비해서는컸고북반구봄철모델 - 관측차이가가장컸다 (Fig. 8e). 결과적으로, 지역에따라차이가있지만해양에비해복잡한내륙지역에서대기중이산화탄소농도모의가더어렵다는것을알수있다. DME 와 DEL 은둥지격자내에존재하고 HNL 은둥지격자밖에존재하는데, 모든지역에둥지격자설정을적용하지않은실험에서도위와같이육지와해양의차이를확인할수있어 (not shown), 둥지격자의설정과상관없이모델 - 관측간의차이가육지와해양에서다르게나타남을확인할수있었다. 또한둘다내륙에위치했음에도 DEL 에서 DME 에비해모델 - 관측차이가훨씬큰것은, 자료동화에이용가능한관측수가많은유럽지역에비해관측소가적게분포한아시아지역에서정교한지표면탄소플럭스결과를얻기힘들다 (Peters et al., 2007) 는것이주요하게작용한것으로보인다. 북위 40 o N 이상에위치하고있는 DME 를제외한 DEL 과 HNL 에서는 NRT 에서와같이모델 - 관측간차이가고도에따라거의일정하게분포하는것으로보아연직수송이잘모의되고있음을추측할수있다. 앞서언급했던것처럼, 대기인버스모델링방법을이용한연구에서정확한결과를방해하는주요원인중한가지로수송모델내에서연직수송을잘모의하지못한다는점이꼽힌다 (e.g., Stephens et al., 2007). 한국기상학회대기제 26 권 3 호 (2016)

11 김현정 김현미 김진웅 조천호 397 Fig. 8. Vertical profile of the modeled (green at DME, orange at DEL, blue at HNL) and observed (black) CO 2 concentrations at (a) DME, (b) DEL and (c) HNL, and difference (green at DME, orange at DEL, blue at HNL) between modeled and observed CO 2 concentrations for (d) DJF, (e) MAM, (f) JJA, and (g) SON. DME (location: o N, o E) and DEL (location: o N, o E) are located on land while HNL (location: o N, o W) is located on the ocean. 개선된대류질량속모수화방법이연직수송능력개선에얼마나영향을미쳤는지는알수없지만, 본연구에서 11 개공항에서이산화탄소농도의연직분포를분석한결과, 특정고도 (i.e., 225 hpa) 이상에서모델 - 관측간차이가가장크긴하였으나전반적으로 CT2013B 모델에서연직수송을잘모의하였음을알수있었다. 그러므로자료동화에사용할관측자료를추가하는 (e.g., 위성자료 ) 등의방법을통해지표면탄소플럭스를보다정확하게모의한다면성층권하부까지향상된결과를얻을수있을것으로보인다. 4. 요약및결론 본연구에서는 2010~2011 년동안 CONTRAIL 프로젝트의이산화탄소몰농도관측자료와최근버전탄소추적시스템인 CT2013B 을통해모의된이산화탄소농도결과를비교하고분석하였다. CONTRAIL 프로젝트는일반여객기에관측장비를탑재하여이산화탄소, 메탄등온실기체를측정하기위해수행된프로젝트로, 비행동안뿐만아니라이 착륙시에도관측이이루어지기때문에본연구에서는이산화탄소 Atmosphere, Vol. 26, No. 3. (2016)

12 398 인버스모델링방법을통해추정된대기중이산화탄소농도와항공관측자료비교 농도의수평분포와연직분포에대한분석을나누어수행하였다. 정확한분석을위해 625 hpa 미만고도의자료와관측이 30 일이하로존재하는공항에서의자료를제외하고분석하였다. 전반적으로, 모델 - 관측간차이는 Gaussian 분포에잘맞았고상관관계도높은편이었으나, 그정도는작지만양의편향이존재하여모의된이산화탄소농도가관측된이산화탄소농도에비해높았다. 항공기의비행경로를따른이산화탄소농도의수평분포를보면, 유라시아대륙북부에서계절별모델 - 관측간차이의변동성이가장컸다. 해당위도대 (50 o N~70 o N) 의시계열자료에서모델이관측에비해계절변동성을크게모의하는경향을볼수있는데, 성층권이산화탄소농도의계절변동성이대류권에비해상이동 (phase shift) 이존재하며그진폭또한작아모의하기가어려울뿐만아니라, 높은고도에서해상도가낮아성층권이산화탄소농도를충분히모의하지못하기때문에이러한차이가발생한것으로추측된다. 또한북반구여름철에모델 - 관측간차이가컸는데, 이는여러연구를통해밝혀진것처럼초기지표플럭스의불확실성, 수송모델에의한오차등으로인해모델에서대기중이산화탄소농도에대한식생의영향을정확하게모의하지못했기때문인것으로추측된다. 결론적으로, 고위도부근과북반구여름철에상대적으로모델 - 관측간차이가컸지만전반적으로는모델에서모의한이산화탄소농도결과와관측값이잘맞았다. 11 개공항에서연직분포는 NRT 자료가전체의 43.9% 로상당부분을차지하였기때문에결과가편향되지않도록 NRT 와다른공항들을따로분석하였다. 모든공항에서모델이관측에비해이산화탄소농도를과대모의하여양의편향이존재하였고, 40 o N 이상위도대에위치한공항에서는고도가높아짐에따라양의편향이점차증가하였다. 반면, 그외공항및 NRT 에서는전고도에서모델 - 관측차이가거의일정하였는데, 이는모델이지표로부터상층으로이산화탄소가수송되는과정을잘모의하고있음을의미한다. NRT 에서시계열자료를분석한결과고도가높아질수록모델 - 관측간상관관계가감소하였고, 225 hpa 이상고도에서모델 - 관측간차이가다른고도에비해두드러져보이긴하지만전고도에서잘맞는편이었다. 내륙지역에위치한 DME 와 DEL, 그리고해양에위치한 HNL 에서이산화탄소농도의연직분포를비교한결과, 해양에비해내륙지역에서모델 - 관측차이가컸으며, 이는균질한해양보다복잡한내륙지역에서대기중이산화탄소농도모의가더어렵다는것을의미한다. 주목할점은, 40 o N 이상을제외하면, HNL 과 DEL 뿐만아니라 NRT, 그리고다른 공항에서고도에따른모델 - 관측차이가거의일정하게유지되었다는것이다. 이는 CT2013B 모델내에서연직수송이잘모의됨을의미한다. 그러므로자료동화에사용할관측자료를추가하는 (e.g., 위성자료 ) 등의방법을통해지표면탄소플럭스를보다정확하게모의한다면성층권하부까지향상된결과를얻을수있을것으로보인다. 감사의글 본연구는기상청기후변화감시 예측및국가정책지원강화사업 (KMIPA ) 의지원으로수행되었습니다. 세심한심사를해주신두분심사위원과이산화탄소항공관측자료를제공해주신일본 National Institute for Environmental Studies (NIES) 의 T. Machida 박사님께감사를전합니다. REFERENCES Basu, S., and Coauthors, 2011: The seasonal cycle amplitude of total column CO 2 : Factors behind the modelobservation mismatch. J. Geophys. Res., 116, D23306, doi: /2011jd Chevallier, F., and Coauthors, 2010: CO 2 surface fluxes at grid point scale estimated from a global 21 year reanalysis of atmospheric measurements. J. Geophys. Res., 115, D21307, doi: /2010jd Crevoisier, C., A. Chédin, H. Matsueda, T. Machida, R. Armante, and N. A. Scott, 2009: First year of upper tropospheric integrated content of CO 2 from IASI hyperspectral infrared observations. Atmos. Chem. Phys., 9, , and Coauthors, 2013: The evolution of tropical methane in the mid-troposphere as seen from space by MetOp-A/IASI. Atmos. Chem. Phys., 13, Evensen, G., 1994: Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics. J. Geophys. Res., 99, Feng, L., P. I. Palmer, H. Bosch, and S. Dance, 2009: Estimating surface CO 2 fluxes from space-born CO 2 dry air mole fraction observations using an ensemble Kalman Filter. Atmos. Chem. Phys., 9, ,, Y. Yang, R. M. Yantosca, S. R. Kawa, J.-D. Paris, H. Matsueda, and T. Machida, 2011: Evaluating a 3-D transport model of atmospheric CO 2 using ground-based, aircraft, and space-borne data. Atmos. Chem. Phys., 11, , doi: /acp- 한국기상학회대기제 26 권 3 호 (2016)

13 김현정 김현미 김진웅 조천호 Frankenberg, C., S. S. Kulawik, S. Wofsy, F. Chevallier, B. Daube, E. A. Kort, C. O Dell, E. T. Olsen, and G. Osterman, 2016: Using airborne HIAPER Pole-to- Pole Observations (HIPPO) to evaluate model and remote sensing estimates of atmospheric carbon dioxide. Atmos. Chem. Phys. Discuss., doi: /acp Goody, R. M., and Y. L. Yung, 1989: Atmospheric radiation: theoretical basis. 2nd ed. Oxford University Press, 544 pp. Gurney, K. R., and Coauthors, 2002: Towards robust regional estimates of CO 2 sources and sinks using atmospheric transport models. Nature, 415, Heymann, J., and Coauthors, 2015: Consistent satellite XCO 2 retrievals from SCIAMACHY and GOSAT using the BESD algorithm. Atmos. Meas. Tech., 8, Houweling, S., and Coauthors, 2015: An intercomparison of inverse models for estimating sources and sinks of CO 2 using GOSAT measurements. J. Geophys. Res. Atmos., 120, , doi: /2014jd Inoue, M., and Coauthors, 2013: Validation of XCO 2 derived from SWIR spectra of GOSAT TANSO-FTS with aircraft measurement data. Atmos. Chem. Phys., 13, , doi: /acp Jacobson, A. R., S. E. M. Fletcher, N. Gruber, J. L. Sarmiento, and M. Gloor, 2007: A joint atmosphereocean inversion for surface fluxes of carbon dioxide: 2. Regional results. Glob. Biogeochem. Cycles., 21, GB1019, doi: /2006gb Jiang, X., Q. Li, M.-C. Liang, R.-L. Shia, M. T. Chahine, E. T. Olsen, L. L. Chen, and Y. L. Yung, 2008: Simulation of upper tropospheric CO 2 from chemistry and transport models. Global Biogeochem. Cy., 22, GB4025, doi: /2007gb Jiang, F., H. M. Wang, J. M. Chen, T. Machida, L. X. Zhou, W. M. Ju, H. Matsueda, and Y. Sawa, 2014: Carbon balance of China constrained by CON- TRAIL aircraft CO 2 measurements. Atmos. Chem. Phys., 14, , doi: /acp Kim, J., H. M. Kim, and C.-H. Cho, 2014: The effect of optimization and the nesting domain on carbon flux analysis in Asia using a carbon tracking system based on the ensemble Kalman filter. Asia-Pac. Atmos. Sci., 50, , doi: /s y.,,, K.-O. Boo, A. R. Jacobson, M. Sasakawa, T. Machida, M. Arshinov, and N. Fedoseev, 2016: Impact of Siberian observations on the optimization of surface CO 2 flux. Atmos. Chem. Phys. Discuss., doi: /acp Krol, M. C., S. Houweling, B. Bregman, M. van den Broek, A. Segers, P. van Velthoven, W. Peters, F. Dentener, and P. Bergamaschi, 2005: The two-way nested global chemistry-transport zoom model TM5: Algorithm and applications. Atmos. Chem. Phys., 5, Kulawik, S. S., and Coauthors, 2010: Characterization of tropospheric emission spectrometer (TES) CO 2 for carbon cycle science. Atmos. Chem. Phys., 10, , doi: /acp , and Coauthors, 2016: Consistent evaluation of GOSAT, SCIAMACHY, CarbonTracker, and MACC through comparisons to TCCON. Atmos. Meas. Tech., 9, , doi: /amt Lindqvist, H., and Coauthors, 2015: Does GOSAT capture the true seasonal cycle of carbon dioxide? Atmos. Chem. Phys., 15, , doi: /acp Machida, T., H. Matsueda, Y. Sawa, Y. Nakagawa, K. Hirotani, N. Kondo, K. Goto, K. Ishikawa, T. Nakazawa, and T. Ogawa, 2008: Worldwide measurements of atmospheric CO 2 and other trace gas species using commercial airlines. J. Atmos. Oceanic Technol., 25, , doi: /2008jtecha , Y. Tohjima, K. Katsumata, and H. Mukai, 2011: A new CO 2 calibration scale based on gravimetric onestep dilution cylinders in National Institute for Environmental Studies-NIES 09 CO 2 scale. Report of the 15th WMO Meeting of Experts on Carbon Dioxide Concentration and Related Tracer Measurement Techniques, Switzerland: Geneva, Masarie, K. A., W. Peters, A. R. Jacobson, and P. P. Tans, 2014: ObsPack: a framework for the preparation, delivery, and attribution of atmospheric greenhouse gas measurements, Earth Syst. Sci. Data, 6, , doi: /essd Matsueda, H., and H. Y. Inoue, 1996: Measurements of atmospheric CO 2 and CH 4 using a commercial airliner from 1993 to Atmos. Environ., 30, , doi: / (95) ,, and M. Ishii, 2002: Aircraft observation of carbon dioxide at 8-13 km altitude over the western Pacific from 1993 to Tellus, 54B, 1-21., T. Machida, Y. Sawa, Y. Nakagawa, K. Hirotani, H. Ikeda, N. Kondo, and K. Goto, 2008: Evaluation of atmospheric CO 2 measurements from new flask Atmosphere, Vol. 26, No. 3. (2016)

14 400 인버스모델링방법을통해추정된대기중이산화탄소농도와항공관측자료비교 sampling of JAL airliner observations. Pap. Meteorol. Geophys., 59, 1-17, doi: /mripapers Niwa, Y., and Coauthors, 2011: Three-dimensional variations of atmospheric CO 2 : aircraft measurements and multi-transport model simulations. Atmos. Chem. Phys., 11, , T. Machida, Y. Sawa, H. Matsueda, T. J. Schuck, C. A. M. Brenninkmeijer, R. Imasu, and M. Satoh, 2012: Imposing strong constraints on tropical terrestrial CO 2 fluxes using passenger aircraft based measurements. J. Geophys. Res.-Atmos., 117, D11303, doi: /2012jd Patra, P. K., Y. Niwa, T. J. Schuck, C. A. M. Brenninkmeijer, T. Machida, H. Matsueda, and Y. Sawa, 2011: Carbon balance of South Asia constrained by passenger aircraft CO 2 measurements. Atmos. Chem. Phys., 11, , doi: /acp Peters, W., and Coauthors, 2007: An atmospheric perspective on North American carbon dioxide exchange: CarbonTracker. Proc. Nat. Acad. Sci. U.S.A., 104, , and Coauthors, 2010: Seven years of recent European net terrestrial carbon dioxide exchange constrained by atmospheric observations. Glob. Change Biol., 16, , doi: /j x. Sawa, Y., T. Machida, and H. Matsueda, 2008: Seasonal variations of CO 2 near the tropopause observed by commercial aircraft. J. Geophys. Res., 113, D23301, doi: /2008jd ,, and, 2012: Aircraft observation of the seasonal variation in the transport of CO 2 in the upper atmosphere. J. Geophys. Res., 117, D05305, doi: /2011jd Stephens, B. B., and Coauthors, 2007: Weak Northern and strong tropical land carbon uptake from vertical profiles of atmospheric CO 2. Science, 316, van der Werf, G. R., J. T. Randerson, L. Giglio, G. J. Collatz, M. Mu, P. S. Kasibhatla, D. C. Morton, R. S. DeFries, Y. Jin, and T. T. van Leeuwen, 2010: Global fire emissions and the contribution of deforestation, savanna, forest, agricultural, and peat fires ( ). Atmos. Chem. Phys., 10, Whitaker, J. S., and T. M. Hamill, 2002: Ensemble Data Assimilation without Perturbed Observations. Mon. Wea. Rev., 130, Zhang, H. F., and Coauthors, 2014: Estimating Asian terrestrial carbon fluxes from CONTRAIL aircraft and surface CO 2 observations for the period Atmos. Chem. Phys., 14, 한국기상학회대기제 26 권 3 호 (2016)