KR101614397B1 - 북극해 해빙 면적비 예측 시스템 및 예측 방법 - Google Patents

북극해 해빙 면적비 예측 시스템 및 예측 방법 Download PDF

Info

Publication number
KR101614397B1
KR101614397B1 KR1020140193446A KR20140193446A KR101614397B1 KR 101614397 B1 KR101614397 B1 KR 101614397B1 KR 1020140193446 A KR1020140193446 A KR 1020140193446A KR 20140193446 A KR20140193446 A KR 20140193446A KR 101614397 B1 KR101614397 B1 KR 101614397B1
Authority
KR
South Korea
Prior art keywords
data
sic
sea ice
observation data
past
Prior art date
Application number
KR1020140193446A
Other languages
English (en)
Inventor
최용상
김하림
Original Assignee
이화여자대학교 산학협력단
한국해양과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이화여자대학교 산학협력단, 한국해양과학기술원 filed Critical 이화여자대학교 산학협력단
Priority to KR1020140193446A priority Critical patent/KR101614397B1/ko
Application granted granted Critical
Publication of KR101614397B1 publication Critical patent/KR101614397B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 실시예들에 따른 북극해 해빙 면적비 예측 시스템은 과거의 해빙 면적비(Sea Ice Concentration, SIC) 관측 데이터, 전천 알베도(total-sky albedo) 관측 데이터 및 태양 복사 입사량 관측 데이터를 저장하는 관측 데이터 저장부, 과거의 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터로부터 과거의 태양 복사 흡수량(Absorbed Solar Radiation, ASR) 데이터를 산출하는 ASR 데이터 산출부 및 과거의 ASR 데이터 및 과거의 SIC 관측 데이터를 피팅(fitting)하도록 파라미터들이 결정된 회귀 모델과 ASR 데이터로부터 SIC 예측 데이터를 산출하는 SIC 예측 모델링부를 포함할 수 있다.

Description

북극해 해빙 면적비 예측 시스템 및 예측 방법{SYSTEM AND METHOD FOR PREDICTING ARCTIC SEA ICE CONCENTRATION}
본 발명은 기후 예측에 관한 것으로, 더욱 상세하게는, 북극해 해빙 면적비 예측에 관한 것이다.
북극해의 해빙 면적(Arctic Sea Ice Extent)은 단순히 여름철에 줄어들었다가 겨울철에 늘어나는 것처럼 보이지만, 북극 해빙은 북극 지방의 기후 뿐 아니라 북반구 전체의 기후를 이해하고 예측하는 데에 큰 역할을 한다.
북극 해빙의 양은 극 소용돌이(Polar Vortex)에 영향을 주고 극 소용돌이가 북반구 중위도 국가들의 겨울철 한파에 영향을 준다. 따라서, 가을철 이후 북극 해빙의 면적 변화를 정확히 예측하는 것은 장기적인 기상 예측의 정확도를 상당히 향상시킬 수 있다.
북극 해빙이 줄어들면 그 해에 심한 한파가 오는 것으로 이해되고 있다. 북극 해빙이 평년보다 줄었던 2009년, 2010년 등에 우리나라에는 심한 한파가 왔던 반면에, 북극 해빙이 늘었던 2013년에는 최근 5년 중 가장 따뜻한 겨울이었다.
북극 해빙이 녹으면 대기와 해양 사이의 온도 차이가 커지면서 대기 중으로 열이 방출되고, 이 열이 중위도 상층, 편서풍대에 존재하는 행성파(Planetary wave)를 활성화한다. 행성파는 중위도와 고위도 사이의 에너지 수송을 담당하는 파동이고, 파장이 지구 반지름에 필적하는 6000 km나 되는 대기의 흐름이다. 지상에서 활성화한 행성파가 성층권까지 올라가 극 소용돌이를 교란하여 약화시키는 데에 약 1개월 남짓 걸리는 것으로 보인다. 해빙이 평년보다 덜 얼어 있다면 1~2개월 후에 극 소용돌이가 약해진 틈을 타서 북극의 찬 공기가 중위도로 내려와 한파를 일으킨다.
따라서, 해빙의 면적을 정확히 예측함으로써 한파와 같은 거시적인 기상을 어느 정도 예측할 수 있다는 점을 알 수 있다.
하지만, 대양, 해류, 해빙, 대기, 대륙, 태양열 사이의 열역학적 프로세스는 너무 복잡하기 때문에 종래의 많은 연구에서 이러한 열역학적 물리학적 프로세스를 모델링하기 위해 노력을 기울여 왔지만 그 복잡함과 정교함에 비해 예측 성능은 고무적이지 않았다.
한편, 종래에 기상 위성 데이터로부터 통계적 모델을 구축하려던 연구들이 있었지만, 대부분 해빙 면적에 초점을 맞추어 왔다. 해빙 면적 예측 기법들은 조금씩 정확도가 향상되고 있지만 여전히 충분히 실용적이지 않은 실정이다.
"Evolution of Arctic sea ice concentration trends and the role of atmospheric circulation forcing, 1979-2007" Clara Deser, et al. Geophysical Research Letters, L02504, Volume 35, Issue 2, 2008. 1.
본 발명이 해결하고자 하는 과제는 북극해 해빙 면적비 예측 시스템 및 예측 방법을 제공하는 데에 있다.
본 발명이 해결하고자 하는 과제는 통계적 기법을 통해 북극해 해빙 면적비 예측 시스템 및 예측 방법을 제공하는 데에 있다.
본 발명이 해결하고자 하는 과제는 대양, 해류, 해빙, 대기와 같은 영향 인자들을 다루는 대신에 최소한의 영향 인자를 기초로 하는 북극해 해빙 면적비 예측 시스템 및 예측 방법을 제공하는 데에 있다.
본 발명이 해결하고자 하는 과제는 해빙 면적을 예측하는 대신에 해빙 면적비를 예측하고, 예측된 해빙 면적비로부터 해빙 면적을 산출함으로써, 좀더 정확하게 해빙 면적을 산출할 수 있는 북극해 해빙 면적비 예측 시스템 및 예측 방법을 제공하는 데에 있다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확히 이해될 수 있을 것이다.
본 발명의 일 측면에 따른 북극해 해빙 면적비 예측 시스템은,
과거의 해빙 면적비(Sea Ice Concentration, SIC) 관측 데이터, 전천 알베도(total-sky albedo) 관측 데이터 및 태양 복사 입사량 관측 데이터를 저장하는 관측 데이터 저장부;
과거의 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터로부터 과거의 태양 복사 흡수량(Absorbed Solar Radiation, ASR) 데이터를 산출하는 ASR 데이터 산출부; 및
과거의 ASR 데이터 및 과거의 SIC 관측 데이터를 피팅(fitting)하도록 파라미터들이 결정된 회귀 모델과 ASR 데이터로부터 SIC 예측 데이터를 산출하는 SIC 예측 모델링부를 포함할 수 있다.
일 실시예에 따라, 상기 SIC 예측 모델링부는 RMA(Reduced Major Axis) 회귀 기법(regression method)을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출하도록 동작할 수 있다.
일 실시예에 따라, 상기 SIC 예측 모델링부는 과거의 특정한 해의 하계에 속하는 i 번째 월에 관측된 SIC 관측 데이터와, 같은 해의 추계 또는 동계에 속하는 j 번째 월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 i 번째 월에 산출된 ASR 데이터로부터 같은 해의 j 번째 월의 SIC 예측 데이터를 산출하도록 동작할 수 있다.
일 실시예에 따라, 상기 SIC 예측 모델링부는 과거의 6월에 산출된 ASR 데이터와, 과거의 8월, 9월 또는 10월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 6월에 산출된 ASR 데이터로부터 같은 해의 8월, 9월 또는 10월의 SIC 예측 데이터를 산출하도록 동작할 수 있다.
일 실시예에 따라, 상기 SIC 예측 모델링부는 OLS(Ordinary Least-Squares) 회귀 기법을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출하도록 동작할 수 있다.
일 실시예에 따라, ASR 데이터는 (1 - 전천 알베도) × 태양 복사 입사량 관측 데이터로 산출될 수 있다.
일 실시예에 따라, ASR 데이터를 산출하기 위한 태양 복사 입사량 관측 데이터는 지구 대기 상단(Top of Atmosphere, TOA)에서 관측되는 태양 복사 에너지 흐름으로 주어지고, 전천 알베도 관측 데이터는 전천의 태양 복사 입사량 관측 데이터에 대한, 지구로부터 반사되는 태양 복사 에너지 흐름의 비율일 수 있다.
일 실시예에 따라, 상기 북극해 해빙 면적비 예측 시스템은
북극 지역을 복수의 영역들로 분할하여, 분할 영역마다 산출되는 특정 월의 SIC 예측 데이터로부터 해당 분할 영역의 예측 해빙 면적을 산출하고 전체 분할 영역들의 예측 해빙 면적들을 합산하여 특정 월의 전체 예측 해빙 면적을 산출하는 해빙 면적 예측부를 더 포함할 수 있다.
본 발명의 다른 측면에 따른 컴퓨터를 이용한 북극해 해빙 면적비 예측 방법은, 상기 컴퓨터가,
과거의 해빙 면적비(SIC) 관측 데이터, 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터를 획득하는 단계;
과거의 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터로부터 과거의 태양 복사 흡수량(ASR) 데이터를 산출하는 단계; 및
과거의 ASR 데이터 및 과거의 SIC 관측 데이터를 피팅하도록 파라미터들이 결정된 회귀 모델과 ASR 데이터로부터 SIC 예측 데이터를 산출하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 SIC 예측 데이터를 산출하는 단계는,
RMA 회귀 기법을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 SIC 예측 데이터를 산출하는 단계는,
과거의 특정한 해의 하계에 속하는 i 번째 월에 관측된 SIC 관측 데이터와, 같은 해의 추계 또는 동계에 속하는 j 번째 월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 i 번째 월에 산출된 ASR 데이터로부터 같은 해의 j 번째 월의 SIC 예측 데이터를 산출하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 SIC 예측 데이터를 산출하는 단계는,
과거의 6월에 산출된 ASR 데이터와, 과거의 8월, 9월 또는 10월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 6월에 산출된 ASR 데이터로부터 같은 해의 8월, 9월 또는 10월의 SIC 예측 데이터를 산출하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 SIC 예측 데이터를 산출하는 단계는,
OLS 회귀 기법을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출하는 단계를 포함할 수 있다.
일 실시예에 따라, ASR 데이터는 (1 - 전천 알베도) × 태양 복사 입사량 관측 데이터로 산출될 수 있다.
일 실시예에 따라, ASR 데이터를 산출하기 위한 태양 복사 입사량 관측 데이터는 지구 대기 상단에서 관측되는 태양 복사 에너지 흐름으로 주어지고, 전천 알베도 관측 데이터는 전천의 태양 복사 입사량 관측 데이터에 대한, 지구로부터 반사되는 태양 복사 에너지 흐름의 비율일 수 있다.
일 실시예에 따라, 상기 북극해 해빙 면적비 예측 방법은,
북극 지역을 복수의 영역들로 분할하여, 분할 영역마다 산출되는 특정 월의 SIC 예측 데이터로부터 해당 분할 영역의 예측 해빙 면적을 산출하고 전체 분할 영역들의 예측 해빙 면적들을 합산하여 특정 월의 전체 예측 해빙 면적을 산출하는 단계를 더 포함할 수 있다.
본 발명의 북극해 해빙 면적비 예측 시스템 및 예측 방법에 따르면, 통계적 기법을 통해 북극해의 해빙 면적비 및 해빙 면적을 약 4 개월 전에 정확히 예측할 수 있다.
본 발명의 북극해 해빙 면적비 예측 시스템 및 예측 방법에 따르면, 대양, 해류, 해빙, 대기와 같은 영향 인자들을 다루는 대신에 ASR(Absorbed Solar Radiation)과 같은 최소한의 영향 인자를 기초로 간단하게 북극해 해빙 면적비 및 해빙 면적을 예측할 수 있다.
본 발명의 북극해 해빙 면적비 예측 시스템 및 예측 방법에 따르면, 해빙 면적을 예측하는 대신에 해빙 면적비를 예측하고, 예측된 해빙 면적비로부터 해빙 면적을 산출함으로써, 좀더 정확하게 해빙 면적을 산출할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 북극해 해빙 면적비 예측 시스템을 예시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 북극해 해빙 면적비 예측 방법을 예시한 순서도이다.
도 3은 본 발명의 일 실시예에 따른 북극해 해빙 면적비 예측 시스템을 이용하여 예측한 해빙 지도와 실제 관측된 해빙 지도를 비교한 도면이다.
도 4는 본 발명의 일 실시예에 따른 북극해 해빙 면적비 예측 시스템을 이용하여 예측한 해빙 면적과 기존의 예측 기법들을 이용하여 예측한 해빙 면적들 및 실제 해빙 면적을 비교한 그래프이다.
본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 일 실시예에 따른 북극해 해빙 면적비 예측 시스템을 예시한 블록도이다.
도 1을 참조하면, 본 발명의 실시예들에 따른 북극해 해빙 면적비 예측 시스템(10)은 관측 데이터 저장부(11), ASR(Absorbed Solar Radiation) 데이터 산출부(12) 및 SIC(Sea Ice Concentration) 예측 모델링부(13)를 포함할 수 있고, 실시예에 따라서는 해빙 면적 예측부(14)를 더 포함할 수 있다.
관측 데이터 저장부(11)는 과거의 해빙 면적비(SIC) 관측 데이터, 전천 알베도(total-sky albedo) 관측 데이터 및 태양 복사 입사량 관측 데이터를 저장한다.
해빙 면적비 관측 데이터는 예를 들어 영국의 기상 서비스 관청인 The Met Office에서 운영하는 The Met Office Hadley Centre for Climate Change에서 제공하는 HadISST1(Hadley Centre sea Ice and Sea Surface Temperature dataset version 1)이다. HadISST1은 위도/경도 1°의 해상도로 1870년부터 현재까지 북극 지역(북위 63° 이상부터 북위 90°까지)에 걸쳐 월별 SIC 관측 데이터를 제공한다. SIC 값은 15% ~ 100%의 범위 중의 값으로 표시되는데, "얼음에 덮인(ice-covered)" 해빙 면적 또는 "얼음에 덮이지 않은(not ice-covered)" 해빙 면적의 비율을 의미한다. 위도/경도 1°인 그리드 영역들은 북위마다 절대적인 면적이 달라지므로 해빙 면적보다는 해빙 면적비가 좀더 유용한 값으로 생각된다.
한편, 전천 알베도 관측 데이터와 태양 복사 입사량 관측 데이터는 미국 NASA의 CERES(the Clouds and the Earth's Radiant Energy System) 프로그램에 의해 제공되는 ES4 Terra Xtrk Edition 3을 이용할 수 있다.
전천 알베도 관측 데이터와 태양 복사 입사량 관측 데이터는 전천(total-sky), 즉 맑은 하늘과 구름에 가린 하늘을 모두 포함하여 2000년 1월부터 현재까지 전지구적으로 위도/경도 2.5°의 해상도로 제공된다.
태양 복사 입사량 관측 데이터 S 0 는 지구 대기 상단(Top of Atmosphere, TOA)에서 관측되는 태양 복사 에너지 흐름으로 주어지고, 전천 알베도 관측 데이터 α tot 는 전천의 태양 복사 입사량 관측 데이터 S 0 에 대한, 지구로부터 반사되는 태양 복사 에너지 흐름의 비율이다.
ASR 데이터 산출부(12)는 과거의 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터로부터 과거의 태양 복사 흡수량(Absorbed Solar Radiation) 데이터를 산출할 수 있다.
구체적으로, ASR 데이터는 (1 - 전천 알베도) × 태양 복사 입사량 관측 데이터로 산출될 수 있다. (1-전천 알베도)는 전천 코알베도(total sky co-albedo)라고도 호칭될 수 있다.
여기서, 본 발명의 실시예들에 따른 북극해 해빙 면적비 예측 시스템(10)이, 지구 표면의 일부인 해면에 형성되는 해빙의 면적비를 예측하기 위해, 지표가 아닌, 지구 대기 상단(TOA)에서 관측되는 태양 복사 입사량 관측 데이터에 기초한다는 점, 태양 복사가 해면까지 도달하는 맑은 하늘뿐 아니라 태양 복사가 해면까지 도달하기 어려운 구름낀 하늘까지 모두 포함하는, 전천의 알베도 관측 데이터에 기초한다는 점은 본 발명의 통찰력과 독창성을 명확하게 나타내는 특징들이다.
이에 따라 태양 복사 흡수량(ASR)은 지구 대기 상단에서 관측되는 전천 코알베도와 지구 대기 상단에서 관측되는 태양 복사 입사량의 곱으로 정의된다.
지구 대기 상단을 기준으로 하는 태양 복사 흡수량(ASR)과 해빙 면적비(SIC) 사이의 강한 상관관계에 관하여는, 발명자가 출원 전에 발표한 논문으로서 그 전체를 본 발명의 일부로서 포함하고자 하는 논문인 "Connecting early summer cloud-controlled sunlight and late summer sea ice in the Arctic", Yong-Sang Choi, et al. Journal of Geophysical Research: Atmospheres, American Geographical Union, Oct. 2014에 상세하게 설명되어 있다.
상술한 논문에 따르면, 발명자는 6 월에 관측된 태양 복사 입사량 관측 데이터 및 전천 알베도 관측 데이터에 따라 산출되는 ASR 데이터가 8월, 9월 또는 10월의 SIC 관측 데이터와 유의미한 강한 상관관계를 가진다는 점을 발견하였다.
한편, 위에 예시된 데이터셋들은 해상도가 다르므로, SIC 관측 데이터의 데이터셋은 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터의 데이터셋의 해상도에 맞춰 변형된다. 이에 따라. 북극 지역의 전체 면적은 각각 2.5°×2.5°인 1584 개의 그리드들 중에서, 해빙이 나타나지 않는 대륙 및 대양이나, 여러 해에 걸쳐 녹지 않았던 해빙 영역들과 같이 예측이 불필요한 그리드들을 제외한, 약 402 개의 그리드들로 분할될 수 있다.
SIC 예측 모델링부(13)는 과거의 ASR 데이터 및 과거의 SIC 관측 데이터를 피팅(fitting)하도록 파라미터들이 결정된 회귀 모델과 ASR 데이터로부터 SIC 예측 데이터를 산출할 수 있다.
구체적으로, SIC 예측 모델링부(13)는 RMA(Reduced Major Axis) 회귀 기법(regression method)을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출하도록 동작할 수 있다.
RMA 회귀 기법은 직교하는 축들로서 형성된 좌표 공간 상에 배치된 샘플들에 대해서, 어떤 직선과 샘플들 각각 사이에 각 축과 나란한 방향의 거리 오차들을 최소화하는 직선을 찾는 기법이다.
다른 실시예에서는, SIC 예측 모델링부(13)는 OLS(Ordinary Least Squares) 회귀 기법을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출하도록 동작할 수 있다.
OLS 회귀 기법은 직교하는 축들로서 형성된 좌표 공간 상에 배치된 샘플들에 대해서, 어떤 직선과 샘플들 각각 사이에 어느 한 축과 나란한 방향의 거리 오차들을 최소화하는 직선을 찾는 기법이다.
RMA 회귀 기법 또는 OLS 회귀 귀법에 따라, SIC 예측 데이터는 다음 수학식 1과 같이 ARS 데이터를 변수로 하는 직선의 기울기(slope), 절편(intercept), 오차항(error)으로 표현될 수 있다.
Figure 112014127849235-pat00001
여기서,
Figure 112014127849235-pat00002
는 SIC 예측 데이터,
Figure 112014127849235-pat00003
는 ARS 데이터,
Figure 112014127849235-pat00004
는 기울기,
Figure 112014127849235-pat00005
는 절편,
Figure 112014127849235-pat00006
는 오차항이다.
RMA 회귀 기법과 OLS 회귀 귀법은 수학식 2와 같은
Figure 112014127849235-pat00007
의 제곱값들의 총합을 최소화하는 기울기와 절편을 찾는 것이라고 할 수 있다.
Figure 112014127849235-pat00008
RMA 회귀 기법에서
Figure 112014127849235-pat00009
의 제곱값들의 총합을 최소화할 수 있도록 수학식 2의 미분식을 0으로 만드는 기울기와 절편은 수학식 3과 같다.
Figure 112014127849235-pat00010
Figure 112014127849235-pat00011
여기서,
Figure 112014127849235-pat00012
와
Figure 112014127849235-pat00013
는 각각 SIC 관측 데이터와 ARS 데이터의 평균이고,
Figure 112014127849235-pat00014
와
Figure 112014127849235-pat00015
는 각각 SIC 관측 데이터와 ARS 데이터의 표준 편차이다.
Figure 112014127849235-pat00016
의 부호는 SIC와 ASR의 상관 계수(correlation coefficient)의 부호에 따라 (+)이거나 (-)일 수 있다.
반면에 OLS 회귀 기법에서
Figure 112014127849235-pat00017
의 제곱값들의 총합을 최소화할 수 있도록 수학식 2의 미분식을 0으로 만드는 기울기와 절편은 수학식 4와 같다.
Figure 112014127849235-pat00018
Figure 112014127849235-pat00019
마찬가지로,
Figure 112014127849235-pat00020
와
Figure 112014127849235-pat00021
는 각각 SIC 관측 데이터와 ARS 데이터의 평균이고,
Figure 112014127849235-pat00022
와
Figure 112014127849235-pat00023
는 각각 SIC 관측 데이터와 ARS 데이터의 표준 편차이고, r은 상관 계수이다.
수학식 1 내지 수학식 4를 이용하여, 과거의 특정한 해의 하계에 속하는 i 번째 월에 관측된 SIC 관측 데이터와, 같은 해의 추계 또는 동계에 속하는 j 번째 월에 관측된 SIC 관측 데이터를 피팅하도록 기울기와 절편과 같은 회귀 모델의 파라미터들이 결정될 수 있다.
상술한 논문에 따르면, 6 월에 관측된 태양 복사 입사량 관측 데이터 및 전천 알베도 관측 데이터에 따라 산출되는 ASR 데이터가 8월, 9월 또는 10월의 SIC 관측 데이터와 유의미한 강한 상관관계를 가진다.
이에 따라, SIC 예측 모델링부(13)는 과거의 6월에 산출된 ASR 데이터와, 과거의 8월, 9월 또는 10월에 관측된 SIC 관측 데이터를 피팅하도록 기울기와 절편과 같은 파라미터들을 결정한다.
나아가 SIC 예측 모델링부(13)는 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 6월에 산출된 ASR 데이터로부터 같은 해의 8월, 9월 또는 10월의 SIC 예측 데이터를 산출할 수 있다.
한편, 특정 그리드의 해빙 면적비를 해당 그리드의 면적과 곱하면 해당 그리드의 해빙 면적을 얻을 수 있다. 따라서, 북극해 해빙 면적비 예측 시스템(10)은, 북극 지역이 복수의 영역들로 분할될 경우에, 분할 영역마다 산출되는 특정 월의 SIC 예측 데이터로부터 해당 분할 영역의 예측 해빙 면적을 산출하는 해빙 면적 예측부(14)를 더 포함할 수 있다. 나아가, 해빙 면적 예측부(14)는 전체 분할 영역들의 예측 해빙 면적들을 합산하여 특정 월의 전체 예측 해빙 면적을 산출할 수 있다.
도 2는 본 발명의 일 실시예에 따른 북극해 해빙 면적비 예측 방법을 예시한 순서도이다.
도 2를 참조하면, 컴퓨터를 이용한 북극해 해빙 면적비 예측 방법은 컴퓨터가 단계(S21)에서 과거의 해빙 면적비(SIC) 관측 데이터, 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터를 획득하는 단계로부터 시작할 수 있다.
단계(S22)에서, 컴퓨터는 과거의 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터로부터 과거의 태양 복사 흡수량(ASR) 데이터를 산출할 수 있다.
실시예에 따라, ASR 데이터는 (1 - 전천 알베도) × 태양 복사 입사량 관측 데이터로 산출될 수 있다.
이때, ASR 데이터를 산출하기 위한 태양 복사 입사량 관측 데이터는 지구 대기 상단에서 관측되는 태양 복사 에너지 흐름으로 주어지고, 전천 알베도 관측 데이터는 전천의 태양 복사 입사량 관측 데이터에 대한, 지구로부터 반사되는 태양 복사 에너지 흐름의 비율이다.
단계(S23)에서, 컴퓨터는 과거의 ASR 데이터 및 과거의 SIC 관측 데이터를 피팅하도록 파라미터들이 결정된 회귀 모델과 ASR 데이터로부터 SIC 예측 데이터를 산출할 수 있다.
구체적으로 단계(S23)에서, 컴퓨터는 RMA 회귀 기법 또는 OLS 회귀 기법을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출할 수 있다.
이 경우에, 단계(S23)는 과거의 특정한 해의 하계에 속하는 i 번째 월에 관측된 SIC 관측 데이터와, 같은 해의 추계 또는 동계에 속하는 j 번째 월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 i 번째 월에 산출된 ASR 데이터로부터 같은 해의 j 번째 월의 SIC 예측 데이터를 산출하는 단계를 포함할 수 있다.
좀 더 구체적으로, 단계(S23)는 특히 과거의 6월에 산출된 ASR 데이터와, 과거의 8월, 9월 또는 10월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 6월에 산출된 ASR 데이터로부터 같은 해의 8월, 9월 또는 10월의 SIC 예측 데이터를 산출하는 단계를 포함할 수 있다.
실시예에 따라, 선택적인 단계(S24)에서, 컴퓨터가, 북극 지역이 복수의 영역들로 분할되어 있을 경우에, 분할 영역마다 산출되는 특정 월의 SIC 예측 데이터로부터 해당 분할 영역의 예측 해빙 면적을 산출하고, 전체 분할 영역들의 예측 해빙 면적들을 합산하여 특정 월의 전체 예측 해빙 면적을 산출할 수 있다.
도 3은 본 발명의 일 실시예에 따른 북극해 해빙 면적비 예측 시스템을 이용하여 예측한 해빙 지도와 실제 관측된 해빙 지도를 비교한 도면이다.
도 3을 참조하면, 좌측의 도 3 (a)는 위부터 2000년 10월, 2001년 9월 및 2013년 10월에 각각 실제 관측된 해빙 지도들이고, 우측의 도 3 (b)는 본 발명에 따라 각 그리드마다 개별적으로 예측된 해빙 면적비를 기초로 작성된 해빙 지도들이다.
이렇듯, 본 발명의 해빙 면적비 예측 시스템은 복잡한 해양 대기 모델을 이용하지 않고도 단순한 회귀 모델임에도 상당히 정확하게 해빙 지도를 예측할 수 있음을 알 수 있다.
도 4는 본 발명의 일 실시예에 따른 북극해 해빙 면적비 예측 시스템을 이용하여 예측한 해빙 면적과 기존의 예측 기법들을 이용하여 예측한 해빙 면적들 및 실제 해빙 면적을 비교한 그래프이다.
도 4를 참조하면, 2012년 9월의 해빙 면적을 기존의 20여 종류의 예측 기법들에 따라 예측한 값들과 본 발명에 따라 예측한 해빙 면적이 예시되어 있다.
실제로 2012년 9월에는 해빙 면적이 기록적으로 퇴화하여 3.6백만 평방킬로미터로 축소되었다. 맨 왼쪽에 본 발명의 RMA 회귀 기법에 따라 예측한 해빙 면적은 4.0백만 평방킬로미터이고, 나머지 20 종류의 예측기법들에 따라 예측된 해빙 면적들의 평균은 4.5백만 평방킬로미터였다.
이렇듯, 본 발명의 해빙 면적비 예측 시스템은 복잡한 해양 대기 모델을 이용하지 않고도 단순한 회귀 모델임에도 가장 정확하게 해빙 면적을 예측하였다.
본 실시예 및 본 명세서에 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 명확하게 나타내고 있는 것에 불과하며, 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형예와 구체적인 실시예는 모두 본 발명의 권리범위에 포함되는 것이 자명하다고 할 것이다.
또한, 본 발명에 따른 장치는 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, 광학 디스크, 자기 테이프, 플로피 디스크, 하드 디스크, 비휘발성 메모리 등을 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
10 북극해 해빙 면적비 예측 시스템
11 관측 데이터 저장부
12 ASR 데이터 산출부
13 SIC 예측 모델링부
14 해빙 면적 예측부

Claims (17)

  1. 과거의 해빙 면적비(Sea Ice Concentration, SIC) 관측 데이터, 전천 알베도(total-sky albedo) 관측 데이터 및 태양 복사 입사량 관측 데이터를 저장하는 관측 데이터 저장부;
    과거의 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터로부터 과거의 태양 복사 흡수량(Absorbed Solar Radiation, ASR) 데이터를 산출하는 ASR 데이터 산출부; 및
    과거의 ASR 데이터 및 과거의 SIC 관측 데이터를 피팅(fitting)하도록 파라미터들이 결정된 회귀 모델과 ASR 데이터로부터 SIC 예측 데이터를 산출하는 SIC 예측 모델링부를 포함하고,
    상기 SIC 예측 모델링부는 RMA(Reduced Major Axis) 회귀 기법(regression method)을 이용하는 회귀 모델 또는 OLS(Ordinary Least-Squares) 회귀 기법을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출하도록 동작하는 것을 특징으로 하는 북극해 해빙 면적비 예측 시스템.
  2. 삭제
  3. 청구항 1에 있어서, 상기 SIC 예측 모델링부는 과거의 특정한 해의 하계에 속하는 i 번째 월에 관측된 SIC 관측 데이터와, 같은 해의 추계 또는 동계에 속하는 j 번째 월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 i 번째 월에 산출된 ASR 데이터로부터 같은 해의 j 번째 월의 SIC 예측 데이터를 산출하도록 동작하는 것을 특징으로 하는 북극해 해빙 면적비 예측 시스템.
  4. 청구항 1에 있어서, 상기 SIC 예측 모델링부는 과거의 6월에 산출된 ASR 데이터와, 과거의 8월, 9월 또는 10월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 6월에 산출된 ASR 데이터로부터 같은 해의 8월, 9월 또는 10월의 SIC 예측 데이터를 산출하도록 동작하는 것을 특징으로 하는 북극해 해빙 면적비 예측 시스템.
  5. 삭제
  6. 청구항 1에 있어서, ASR 데이터는 (1 - 전천 알베도) × 태양 복사 입사량 관측 데이터로 산출되는 것을 특징으로 하는 북극해 해빙 면적비 예측 시스템.
  7. 청구항 6에 있어서, ASR 데이터를 산출하기 위한 태양 복사 입사량 관측 데이터는 지구 대기 상단(Top of Atmosphere, TOA)에서 관측되는 태양 복사 에너지 흐름으로 주어지고, 전천 알베도 관측 데이터는 전천의 태양 복사 입사량 관측 데이터에 대한, 지구로부터 반사되는 태양 복사 에너지 흐름의 비율인 것을 특징으로 하는 북극해 해빙 면적비 예측 시스템.
  8. 청구항 1에 있어서,
    북극 지역을 복수의 영역들로 분할하여, 분할 영역마다 산출되는 특정 월의 SIC 예측 데이터로부터 해당 분할 영역의 예측 해빙 면적을 산출하고 전체 분할 영역들의 예측 해빙 면적들을 합산하여 특정 월의 전체 예측 해빙 면적을 산출하는 해빙 면적 예측부를 더 포함하는 것을 특징으로 하는 북극해 해빙 면적비 예측 시스템.
  9. 컴퓨터를 이용한 북극해 해빙 면적비 예측 방법으로서,
    상기 컴퓨터가,
    과거의 해빙 면적비(SIC) 관측 데이터, 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터를 획득하는 단계;
    과거의 전천 알베도 관측 데이터 및 태양 복사 입사량 관측 데이터로부터 과거의 태양 복사 흡수량(ASR) 데이터를 산출하는 단계; 및
    과거의 ASR 데이터 및 과거의 SIC 관측 데이터를 피팅하도록 파라미터들이 결정된 회귀 모델과 ASR 데이터로부터 SIC 예측 데이터를 산출하는 단계를 포함하고,
    상기 SIC 예측 데이터를 산출하는 단계는,
    RMA 회귀 기법을 이용하는 회귀 모델 또는 OLS 회귀 기법을 이용하는 회귀 모델에 ASR 데이터를 입력하여 SIC 예측 데이터를 산출하는 단계를 포함하는 것을 특징으로 하는 북극해 해빙 면적비 예측 방법.
  10. 삭제
  11. 청구항 9에 있어서, 상기 SIC 예측 데이터를 산출하는 단계는,
    과거의 특정한 해의 하계에 속하는 i 번째 월에 관측된 SIC 관측 데이터와, 같은 해의 추계 또는 동계에 속하는 j 번째 월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 i 번째 월에 산출된 ASR 데이터로부터 같은 해의 j 번째 월의 SIC 예측 데이터를 산출하는 단계를 포함하는 것을 특징으로 하는 북극해 해빙 면적비 예측 방법.
  12. 청구항 9에 있어서, 상기 SIC 예측 데이터를 산출하는 단계는,
    과거의 6월에 산출된 ASR 데이터와, 과거의 8월, 9월 또는 10월에 관측된 SIC 관측 데이터를 피팅하도록 결정된 파라미터들을 이용하여, 해빙 면적비를 예측하려는 해의 6월에 산출된 ASR 데이터로부터 같은 해의 8월, 9월 또는 10월의 SIC 예측 데이터를 산출하는 단계를 포함하는 것을 특징으로 하는 북극해 해빙 면적비 예측 방법.
  13. 삭제
  14. 청구항 9에 있어서, ASR 데이터는 (1 - 전천 알베도) × 태양 복사 입사량 관측 데이터로 산출되는 것을 특징으로 하는 북극해 해빙 면적비 예측 방법.
  15. 청구항 14에 있어서, ASR 데이터를 산출하기 위한 태양 복사 입사량 관측 데이터는 지구 대기 상단에서 관측되는 태양 복사 에너지 흐름으로 주어지고, 전천 알베도 관측 데이터는 전천의 태양 복사 입사량 관측 데이터에 대한, 지구로부터 반사되는 태양 복사 에너지 흐름의 비율인 것을 특징으로 하는 북극해 해빙 면적비 예측 방법.
  16. 청구항 9에 있어서,
    북극 지역을 복수의 영역들로 분할하여, 분할 영역마다 산출되는 특정 월의 SIC 예측 데이터로부터 해당 분할 영역의 예측 해빙 면적을 산출하고 전체 분할 영역들의 예측 해빙 면적들을 합산하여 특정 월의 전체 예측 해빙 면적을 산출하는 단계를 더 포함하는 것을 특징으로 하는 북극해 해빙 면적비 예측 방법.
  17. 컴퓨터에서 청구항 9, 11, 12, 14, 15 및 16 중 어느 한 청구항에 따른 북극해 해빙 면적비 예측 방법의 각 단계들을 수행할 수 있도록 작성되어 컴퓨터에서 독출 가능한 기록 매체에 기록된 컴퓨터용 프로그램.
KR1020140193446A 2014-12-30 2014-12-30 북극해 해빙 면적비 예측 시스템 및 예측 방법 KR101614397B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140193446A KR101614397B1 (ko) 2014-12-30 2014-12-30 북극해 해빙 면적비 예측 시스템 및 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140193446A KR101614397B1 (ko) 2014-12-30 2014-12-30 북극해 해빙 면적비 예측 시스템 및 예측 방법

Publications (1)

Publication Number Publication Date
KR101614397B1 true KR101614397B1 (ko) 2016-04-22

Family

ID=55918435

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140193446A KR101614397B1 (ko) 2014-12-30 2014-12-30 북극해 해빙 면적비 예측 시스템 및 예측 방법

Country Status (1)

Country Link
KR (1) KR101614397B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108106734A (zh) * 2017-12-07 2018-06-01 中国科学院海洋研究所 一种面向idl语言海冰密集度求算优化算法
KR20180136217A (ko) * 2017-06-14 2018-12-24 한국해양과학기술원 북극항로의 중기 빙상정보 실시간 예측방법
KR102305138B1 (ko) 2021-05-03 2021-09-24 김형선 도장용 스프레이건 비산방지커버
KR20240099790A (ko) 2022-12-22 2024-07-01 부산대학교 산학협력단 Cice5 해빙모형의 파라미터 민감도 산출을 위한 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Ha-Rim Kim외 2. Development of Seasonal Forecast System of Sea Ice Concentration, 2014.4.*

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180136217A (ko) * 2017-06-14 2018-12-24 한국해양과학기술원 북극항로의 중기 빙상정보 실시간 예측방법
KR101991739B1 (ko) 2017-06-14 2019-06-21 한국해양과학기술원 북극항로의 중기 빙상정보 실시간 예측방법
CN108106734A (zh) * 2017-12-07 2018-06-01 中国科学院海洋研究所 一种面向idl语言海冰密集度求算优化算法
CN108106734B (zh) * 2017-12-07 2019-08-02 中国科学院海洋研究所 一种面向idl语言海冰密集度求算优化算法
KR102305138B1 (ko) 2021-05-03 2021-09-24 김형선 도장용 스프레이건 비산방지커버
KR20240099790A (ko) 2022-12-22 2024-07-01 부산대학교 산학협력단 Cice5 해빙모형의 파라미터 민감도 산출을 위한 시스템 및 방법

Similar Documents

Publication Publication Date Title
Kurtz et al. Satellite observations of Antarctic sea ice thickness and volume
Barrows et al. Sea-surface temperatures around the Australian margin and Indian Ocean during the Last Glacial Maximum
Teufel et al. Investigation of the 2013 Alberta flood from weather and climate perspectives
De Szoeke et al. Surface flux observations on the southeastern tropical Pacific Ocean and attribution of SST errors in coupled ocean–atmosphere models
Steele et al. Seasonal ice loss in the Beaufort Sea: Toward synchrony and prediction
Wen et al. Impacts of the two biggest lakes on local temperature and precipitation in the Yellow River source region of the Tibetan Plateau
Martin et al. Properties of the Arctic 2-meter air temperature field for 1979 to the present derived from a new gridded dataset
Yang et al. Sensitivity of extreme rainfall to atmospheric moisture content in the arid/semiarid southwestern United States: Implications for probable maximum precipitation estimates
Favier et al. Atmospheric drying as the main driver of dramatic glacier wastage in the southern Indian Ocean
KR101614397B1 (ko) 북극해 해빙 면적비 예측 시스템 및 예측 방법
Helsen et al. On the importance of the albedo parameterization for the mass balance of the Greenland ice sheet in EC-Earth
Rupp et al. Temperature gradients and inversions in a forested Cascade Range basin: Synoptic‐to local‐scale controls
Rittger et al. Topographic distribution of snow water equivalent in the Sierra Nevada
Lee et al. 4DVAR Data Assimilation with the Regional Ocean Modeling System (ROMS): Impact on the water mass distributions in the Yellow Sea
KR101645468B1 (ko) 통계적 확률 예측 기반의 북극해 해빙 면적비 예측 시스템 및 예측 방법
Kuo et al. Association of Taiwan's October rainfall patterns with large-scale oceanic and atmospheric phenomena
Pattnayak et al. How good is regional climate model version 4 in simulating the monsoon onset over Kerala?
Bailey Wind resources for offshore wind farms: Characteristics and assessment
Marion et al. Calculation of solar radiation using a methodology with worldwide potential
Fu et al. Investigation of polynya dynamics in the northern Bering Sea using greyscale morphology image-processing techniques
Moukomla et al. Estimating the Great Lakes net radiation using satellite remote sensing and MERRA reanalysis
Kambezidis et al. Development of a Greek solar map based on solar model estimations
Neilsen et al. Development and verification of daily gridded climate surfaces in the Okanagan Basin of British Columbia
Wijngaard et al. Exploring the ability of the variable-resolution Community Earth System Model to simulate cryospheric–hydrological variables in High Mountain Asia
Panteleev et al. An inverse modeling study of circulation in the Eastern Bering Sea during 2007–2010

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190415

Year of fee payment: 4