KR102498222B1 - 위성 관측 정보를 이용한 상향식 온실 가스 정보를 검증하는 방법 - Google Patents
위성 관측 정보를 이용한 상향식 온실 가스 정보를 검증하는 방법 Download PDFInfo
- Publication number
- KR102498222B1 KR102498222B1 KR1020210114175A KR20210114175A KR102498222B1 KR 102498222 B1 KR102498222 B1 KR 102498222B1 KR 1020210114175 A KR1020210114175 A KR 1020210114175A KR 20210114175 A KR20210114175 A KR 20210114175A KR 102498222 B1 KR102498222 B1 KR 102498222B1
- Authority
- KR
- South Korea
- Prior art keywords
- carbon dioxide
- dioxide concentration
- information
- concentration information
- nir
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000005431 greenhouse gas Substances 0.000 title claims description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 226
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 113
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 113
- 230000008859 change Effects 0.000 claims abstract description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 42
- 229910052799 carbon Inorganic materials 0.000 claims description 41
- 230000000694 effects Effects 0.000 description 16
- 238000004519 manufacturing process Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 230000003936 working memory Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 239000004449 solid propellant Substances 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 239000007789 gas Substances 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- RHZUVFJBSILHOK-UHFFFAOYSA-N anthracen-1-ylmethanolate Chemical compound C1=CC=C2C=C3C(C[O-])=CC=CC3=CC2=C1 RHZUVFJBSILHOK-UHFFFAOYSA-N 0.000 description 5
- 239000003830 anthracite Substances 0.000 description 5
- 239000006227 byproduct Substances 0.000 description 5
- 239000003077 lignite Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000002790 cross-validation Methods 0.000 description 4
- 230000004907 flux Effects 0.000 description 4
- 239000000443 aerosol Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000010757 Reduction Activity Effects 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/004—CO or CO2
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Food Science & Technology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- General Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Combustion & Propulsion (AREA)
- Educational Administration (AREA)
- Medicinal Chemistry (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Analytical Chemistry (AREA)
- Evolutionary Biology (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
Abstract
본 발명의 실시 예에 따른 컴퓨터 시스템을 사용하여 이산화탄소 농도 정보를 생성하는 방법은, 상향식의 이산화탄소 농도 정보를 수신하는 단계, 하향식의 이산화탄소 농도 정보를 수신하는 단계, 상기 상향식의 이산화탄소 농도 정보의 단위와 상기 하향식의 이산화탄소 농도 정보의 단위를 통일시키는 단계, 그리고 상기 상향식의 이산화탄소 농도 정보와 상기 하향식의 이산화탄소 농도 정보에 대한 연도별 변화 추세를 국가별로 생성하는 단계를 포함한다.
Description
본 발명은 온실 가스 정보를 생성하는 방법에 관한 것으로, 좀더 구체적으로는 위성 관측 정보를 사용하여 상향식 온실 가스 정보를 검증하는 방법에 관한 것이다.
국가 인벤토리 보고서(National Inventory Reports: 이하, NIR)는 파리 협정 및 유엔 기후 변화 협약(UNFCCC)에 따른 국가 온실가스 감축 목표(Nationally Determined Contributions: 이하, NDC)에서 제기된 조약 의무 및 권장 사항에 대한 국가의 준수 여부를 추적하는 데 필요하다. NIR은 5가지 범주(에너지, 폐기물, 산업 공정 및 제품 사용, 농업 및 토지 사용, 토지 사용 변경 및 임업[LULUCF])로 구성된다. NIR에서의 이산화탄소(CO2)의 배출량 계산은 탄소 발자국 개념에 기반으로 하고 있으며, 이는 국가 경계 내의 모든 관련된 탄소원, 흡수원 및 저장소를 고려한 개념이다.
NIR은 특정 국가 경계 내에서 개인, 조직, 프로세스, 제품 또는 이벤트에 의해 대기로 배출되는 배출 인자 및 배출 발생 활동 단위로 대기로 배출되는 온실 가스(GHG)의 양을 나타낸다. 이산화탄소(CO2)가 대기로 배출되면 대기의 순수 상주 이산화탄소(CO2)는 증가한다. 이와 관련하여, 대기의 이산화탄소(CO2) 밀도는 상향식 NIR 탄소 발자국(carbon footprint)에 대한 독립적인 검증 기준을 제공할 수 있다. 위성 관측 기반(GOSAT) XCO2(칼럼 평균 CO2)는 배경 대기 이산화탄소(CO2)를 포함하여 대기 바닥(지반 근처)에서부터 대기 상단까지의 많은 양의 정보를 전달한다. 그럼에도 불구하고, 하향식 위성 관측은 역전 모델 오류(inversion model errors), 에어로졸 및 구름에 의한 노이즈와 같은 원격 감지 기술의 고유한 한계로 인해 발생하는 오류를 극복하기 위해 고해상도의 상향식 에너지 통계 및 배출물 생성 활동 데이터가 필요하다. 지구 기후 조약 당사자의 경우, 이산화탄소(CO2) 배출량을 설명하는 당사자의 이해와 다른 조건에서 두 탄소 측정의 상대적 이점에 대한 지침이 제공되어야 한다.
GOSAT XCO2 농도와 NIR 탄소 발자국의 비교 평가는 IPCC(Intergovernmental Panel on Climate Change)의 상향식 인벤토리에 대한 두 번째 옵션으로 고려될 수 있는 대안에 대한 장단점을 제시할 수 있다. 예를 들어, GOSAT XCO2 농도는 특정 이벤트(예를 들면: 경기 침체, 엘니뇨, 온화한 겨울)의 영향을 받는 국가별 매개변수를 식별한다. 탄소 인벤토리의 소스 데이터(예: 토지 사용)와 실제 대기 탄소 관측 간의 차이를 비교하기 위한 연구는 기존에도 존재한다. 예를 들면, OCO-2(Orbiting Carbon Observatory-2) 위성 기반 XCO2가 주요 오염 지역인 미국 동부, 중부 유럽 및 동아시아에서, ODIAC(Open Source Data Inventory for Anthropogenic CO2)에 대한 오픈 소스 데이터 인벤토리와 양의 상관 관계를 보이는 것으로 보고되었다. 지상 기반 대기 관측(와류 플럭스 타워 측정)과 도시 규모의 도시 대기 이산화탄소(CO2)에 대한 공개 인벤토리 간의 비교를 특징으로 하는 문헌도 있다. 그러나 국가 인벤토리 보고서(NIR)를 탄소 위성 데이터와 비교하여 하향식 기술과 상향식 기술 간의 실질적인 차이를 조사하기 위한 연구는 수행되지 못한 상태이다.
본 발명은 상술한 기술적 과제를 해결하기 위한 것으로써, 본 발명의 목적은 이 연구의 목적은 GOSAT에 의해 측정된 대기 이산화탄소(CO2) 농도와 NIR에 제시된 탄소 인벤토리 데이터 사이의 유럽 지역의 공간적, 시간적 패턴의 차별화된 변화를 조사하기 위한 것이다.
본 발명의 실시 예에 따른 컴퓨터 시스템을 사용하여 이산화탄소 농도 정보를 생성하는 방법은, 상향식의 이산화탄소 농도 정보를 수신하는 단계, 하향식의 이산화탄소 농도 정보를 수신하는 단계, 상기 상향식의 이산화탄소 농도 정보의 단위와 상기 하향식의 이산화탄소 농도 정보의 단위를 통일시키는 단계, 그리고 상기 상향식의 이산화탄소 농도 정보와 상기 하향식의 이산화탄소 농도 정보에 대한 연도별 변화 추세를 국가별로 생성하는 단계를 포함한다.
실시 예로서, 상기 상향식의 이산화탄소 농도 정보는 국가 인벤토리 보고서(NIR) 정보에 포함되는 탄소 발자국에 포함된다.
실시 예로서, 상기 하향식의 이산화탄소 농도 정보는 온실 가스 관측 위성(Greenhouse Gases Observing Satellite) 신호로부터 획득된 정보에 대응한다.
실시 예로서, 상기 상향식의 이산화탄소 농도 정보의 단위는 톤(ton)이고, 상기 하향식의 이산화탄소 농도 정보의 단위는 피피엠(ppm)인 것을 특징으로 한다.
실시 예로서, 상기 상향식의 이산화탄소 농도 정보와 상기 하향식의 이산화탄소 농도 정보 각각의 데이터 셋에 대한 연간 성장율을 백분율(%)로 표시하여 상기 통일된 이산화탄소 농도 정보의 단위를 생성한다.
본 발명의 실시 예에 따르면, 국가 인벤토리 보고서(NIR)와 탄소 위성 시그니처를 연계하여 조약 의무에 대한 국가적 후속 활동을 모색할 때 고려해야 할 국가별 공간 분포 패턴의 불일치 범위를 확인할 수 있다.
도 1은 본 발명의 실시 예에 따른 상향식 이산화탄소 정보와 하향식 이산화탄소 정보를 비교 및 분석하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
도 2는 도 1의 컴퓨팅 시스템에서 수행되는 국가 인벤토리 보고서(NIR) 정보와 탄소 위성 시그니처(GOSAT XCO2) 정보를 비교, 분석하는 과정을 예시적으로 보여주는 순서도이다.
도 3은 2010년부터 2016년까지 33개 개별 유럽 국가의 GOSAT XCO2 및 NIR 순 CO2 배출량에 대한 기술 통계를 보여주는 표이다.
도 4는 2010년부터 2016년까지 33개 유럽 국가들의 GOSAT XCO2 공간 분포 지도를 보여준다.
도 5는 경험적 베이지안 크리깅(EBK)의 교차 검증 요약 통계를 보여주는 테이블이다.
도 6은 2010년부터 2016년까지 33개 유럽 국가의 NIR에 제시된 GOSAT XCO2 대 CO2 배출량 간의 변화 추세를 비교하여 보여주는 도면이다.
도 7은 2011년부터 2016년까지 탄소 배출량의 최고 및 최저 변화 추세를 보여주는 5개의 유럽 국가들을 보여준다.
도 8은 2011년부터 2016년까지 하향식 GOSAT XCO2 대 상향식 NIR 간의 GWR 결과를 보여주는 표이다.
도 9는 2011년부터 2016년까지 유럽 33개국의 CO2 배출 추세를 비교 평가한 도면이다.
도 10은 하향식과 상향식 간의 데이터 수집 프로세스와 관련된 주요 구성 요소를 비교한 도면이다.
도 11은 EU-33개국의 공공 전력 및 열 생산에 사용되는 고체 연료의 배출 계수를 비교한 표이다.
도 12는 공공 전력 및 열 생산에 사용되는 고체 연료에서 배출되는 CO2 추정에 있어 EU-33 간의 편차를 보여주는 도면이다.
도 2는 도 1의 컴퓨팅 시스템에서 수행되는 국가 인벤토리 보고서(NIR) 정보와 탄소 위성 시그니처(GOSAT XCO2) 정보를 비교, 분석하는 과정을 예시적으로 보여주는 순서도이다.
도 3은 2010년부터 2016년까지 33개 개별 유럽 국가의 GOSAT XCO2 및 NIR 순 CO2 배출량에 대한 기술 통계를 보여주는 표이다.
도 4는 2010년부터 2016년까지 33개 유럽 국가들의 GOSAT XCO2 공간 분포 지도를 보여준다.
도 5는 경험적 베이지안 크리깅(EBK)의 교차 검증 요약 통계를 보여주는 테이블이다.
도 6은 2010년부터 2016년까지 33개 유럽 국가의 NIR에 제시된 GOSAT XCO2 대 CO2 배출량 간의 변화 추세를 비교하여 보여주는 도면이다.
도 7은 2011년부터 2016년까지 탄소 배출량의 최고 및 최저 변화 추세를 보여주는 5개의 유럽 국가들을 보여준다.
도 8은 2011년부터 2016년까지 하향식 GOSAT XCO2 대 상향식 NIR 간의 GWR 결과를 보여주는 표이다.
도 9는 2011년부터 2016년까지 유럽 33개국의 CO2 배출 추세를 비교 평가한 도면이다.
도 10은 하향식과 상향식 간의 데이터 수집 프로세스와 관련된 주요 구성 요소를 비교한 도면이다.
도 11은 EU-33개국의 공공 전력 및 열 생산에 사용되는 고체 연료의 배출 계수를 비교한 표이다.
도 12는 공공 전력 및 열 생산에 사용되는 고체 연료에서 배출되는 CO2 추정에 있어 EU-33 간의 편차를 보여주는 도면이다.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
도 1은 본 발명의 실시 예에 따른 상향식 이산화탄소 정보와 하향식 이산화탄소 정보를 비교 및 분석하기 위한 컴퓨팅 시스템을 보여주는 블록도이다. 도 1을 참조하면, 컴퓨팅 시스템(100)은 CPU(110), 워킹 메모리(130), 입출력 장치(150), 그리고 스토리지(170)를 포함할 수 있다. 여기서, 컴퓨팅 시스템(100)은 상향식 이산화탄소 정보인 국가 인벤토리 보고서(NIR) 정보와 하향식 이산화탄소 정보인 탄소 위성 시그니처(GOSAT XCO2) 정보를 처리하기 위한 전용 장치로 제공될 수도 있지만, 상향식 및 하향식 정보를 비교 및 검증하기 위한 소프트웨어를 구동하는 컴퓨터일 수도 있다.
CPU(110)는 컴퓨팅 시스템(100)에서 수행될 소프트웨어(응용 프로그램, 운영 체제, 장치 드라이버들)를 실행한다. CPU(110)는 워킹 메모리(130)에 로드되는 운영 체제(OS, 미도시됨)를 실행할 것이다. CPU(110)는 운영 체제(OS) 기반에서 구동될 다양한 응용 프로그램들(Application Program)을 실행할 것이다. 예를 들면, CPU(110)는 워킹 메모리(130)에 로드된 비교/검증 소프트웨어(135)를 실행할 수 있을 것이다.
워킹 메모리(130)에는 운영 체제(OS)나 응용 프로그램들(Application Program)이 로드될 것이다. 컴퓨팅 시스템(100)의 부팅시에 스토리지(170)에 저장된 OS 이미지(미도시됨)가 부팅 시퀀스에 의거하여 워킹 메모리(130)로 로드될 것이다. 운영 체제(OS)에 의해서 컴퓨팅 시스템(100)의 제반 입출력 동작들이 지원될 수 있다. 마찬가지로, 사용자의 의하여 선택되거나 기본적인 서비스 제공을 위해서 응용 프로그램들이 워킹 메모리(130)에 로드될 수 있다. 특히, 본 발명의 비교/검증 소프트웨어(135)도 스토리지(170)로부터 워킹 메모리(130)에 로드될 것이다. 워킹 메모리(130)는 SRAM(Static Random Access Memory)이나 DRAM(Dynamic Random Access Memory)과 같은 휘발성 메모리이거나, PRAM, MRAM, ReRAM, FRAM, NOR 플래시 메모리 등의 비휘발성 메모리일 수 있다.
비교/검증 소프트웨어(135)는 본 발명의 실시 예에 따른 국가 인벤토리 보고서(NIR) 정보와 탄소 위성 시그니처(GOSAT XCO2) 정보를 비교 및 분석한다. 국가 인벤토리 보고서(NIR)는 상향식 탄소 발자국(단위, ton) 정보에 해당하고, 탄소 위성 시그니처(GOSAT XCO2) 정보는 하향식 대기의 CO2 농도 데이터(단위: ppm)에 대응한다. 비교/검증 소프트웨어(135)는 동일한 측정 단위로 두 데이터 세트를 비교하기 위해 두 데이터 세트의 연간 성장률을 백분율(%)로 계산한다. 통합 변동량은 다음 해의 연간 성장률에서 전년도의 연간 성장률을 빼서 계산한다. 예를 들어, 특정 국가에서 2010-2011년에 1% 변동이 있고 2011-2012년에 1.5% 변동이 있는 경우 2010-2012년의 통합 변동은 0.5%로 추정된다. 이것이 통합 변동이 개별 변동보다 작은 이유이다.
입출력 장치(150)는 사용자 인터페이스 장치들로부터의 사용자 입력 및 출력을 제어한다. 예를 들면, 입출력 장치(150)는 키보드, 마우스, 모니터, 그리고 USB와 같은 다양한 입출력 포트를 구비하여 국가 인벤토리 보고서(NIR) 정보와 탄소 위성 시그니처(GOSAT XCO2) 정보 등을 공급받을 수 있다. 그리고 입출력 장치(150)는 컴퓨팅 장치(100)의 각 연산 동작에서의 경과 및 처리 결과 등을 사용자에게 표시할 수 있다.
스토리지(170)는 컴퓨팅 시스템(100)의 저장 매체(Storage Medium)로서 제공된다. 스토리지(170)는 응용 프로그램들(Application Program), 운영 체제 이미지(OS Image) 및 각종 데이터를 저장할 수 있다. 스토리지(170)는 메모리 카드(MMC, eMMC, SD, MicroSD 등)나 하드디스크 드라이브(HDD)로 제공될 수도 있다. 스토리지(170)는 대용량의 저장 능력을 가지는 낸드 플래시 메모리(NAND-type Flash memory)를 포함하는 SSD로 구성될 수도 있다. 또는, 스토리지(170)는 PRAM, MRAM, ReRAM, FRAM 등의 차세대 불휘발성 메모리나 NOR 플래시 메모리를 포함할 수도 있다.
시스템 인터커넥터(190)는 컴퓨팅 시스템(100)의 내부에서 네트워크를 제공하기 위한 시스템 버스(System Bus)이다. 시스템 인터커넥터(190)를 통해서 CPU(110), 워킹 메모리(130), 입출력 장치(150), 그리고 스토리지(170)가 전기적으로 연결되고 상호 데이터를 교환할 수 있다. 하지만, 시스템 인터커넥터(190)의 구성은 상술한 설명에만 국한되지 않으며, 효율적인 관리를 위한 중재 수단들을 더 포함할 수 있다.
이상의 설명에 따르면, 컴퓨팅 시스템(100)은 국가 인벤토리 보고서(NIR) 정보와 탄소 위성 시그니처(GOSAT XCO2) 정보를 비교, 분석 및 통합하여 충분한 국가적 객관적 증거를 제공할 수 있는 보고 및 검증(MRV) 수단을 제공할 수 있다.
도 2는 도 1의 컴퓨팅 시스템에서 수행되는 국가 인벤토리 보고서(NIR) 정보와 탄소 위성 시그니처(GOSAT XCO2) 정보를 비교, 분석하는 과정을 예시적으로 보여주는 순서도이다. 도 2를 참조하면, 컴퓨팅 시스템(100)에서 수행되는 국가 인벤토리 보고서(NIR) 정보와 탄소 위성 시그니처(GOSAT XCO2) 정보를 비교, 분석하는 절차가 간략히 설명될 것이다.
S110 단계에서, 상향식의 이산화탄소 농도 정보인 국가 인벤토리 보고서(NIR) 정보가 제공된다. NIR에는 모든 교토 프로토콜(GHG)에 대한 자세한 설명 및 수치 정보와 공통 보고 형식(CRF)이 포함되어 있다.
S120 단계에서, 하향식의 탄소 위성 시그니처(GOSAT XCO2) 정보가 제공된다. GOSAT XCO2는 대기의 수직 단위 컬럼에 존재하는 이산화탄소(CO2)의 가스 분자 수에 대한 정보만 제공한다.
S130 단계에서, NIR 정보와 GOSAT XCO2 정보의 비교 및 평가를 수행하기 위한 연산이 수행된다. NIR 및 GOSAT XCO2는 상향식 탄소 발자국(단위: 톤) 및 하향식 대기 CO2 데이터(단위: ppm)의 두 가지 측정 단위로 표시된다. 따라서, 동일한 측정 단위에서 두 데이터 세트를 비교하기 위해 두 데이터 세트의 연간 성장률을 백분율(%)로 계산될 수 있다.
S140 단계에서, 개별 국가별 상향식 및 하향식 변화 추세에 대한 분석이 추가될 수 있다.
도 3은 2010년부터 2016년까지 33개 개별 유럽 국가의 GOSAT XCO2 및 NIR 순 CO2 배출량에 대한 기술 통계를 보여주는 표이다. 도 3을 참조하면, 2010년부터 2016년까지 33개 개별 유럽 국가의 GOSAT XCO2 및 NIR의 순 이산화탄소(CO2) 배출량에 대한 기술 통계가 표로 도시되어 있다.
교토 의정서에 따르면 'Annex I' 국가(1992년 선진국 당사자)는 매년 업데이트된 NIR을 제출해야 한다. NIR 데이터의 불확실성은 잘 발달된 통계 시스템과 상위 계층 방법을 사용할 수 있는 능력으로 인해 'Annex I' 국가의 경우 상대적으로 낮다. 유럽은 호주에 이어 세계에서 두 번째로 작은 대륙이지만 44개국이 한 지역에 집중돼 있어 국가 간 탄소 배출량 연구에 이상적인 지역이다. 유럽은 또한 지중해림, 온대림, 툰드라, 침엽수림 및 대초원과 같은 다양한 토지 피복과 산림으로 인해 다양한 기후에서 탄소 인벤토리를 조사하는 데 이상적이다.
TCCON(Total Carbon Column Observing Network)은 지구 대기의 이산화탄소 및 기타 미량 가스의 양을 측정하는 장비의 글로벌 네트워크이다. TCCON은 GOSAT에 대한 기본 검증 데이터 세트를 제공하며, 이산화탄소(CO2)의 다른 공간 기반 측정을 검증하는 데 사용되었다. 전 세계적으로 총 23개의 TCCON 사이트 중 8개가 유럽에 있다. 따라서, 다른 대륙에 비해 위성 측정 검증 포인트의 분포가 상대적으로 크다. 이와 관련하여 유럽에서 획득한 GOSAT XCO2 데이터는 다른 대륙보다 더 많은 검증 절차를 거쳐 생산되었다. 유럽은 다양한 인간과 자연 환경을 가진 다양한 유형의 국가가 작은 지역에 집중되어 있고, 다량의 GOSAT XCO2 검증 포인트 수가 존재하기 때문에, 상향식 이산화탄소(CO2) 배출량과 하향식 XCO2를 비교하기에 적절한 토지 모자이크가 있는 이상적인 대륙이다. 따라서, 실시 예로서 'Annex I' 국가에 속하는 33개의 유럽 국가를 선정했다. 아이슬란드는 유럽 대륙에서 너무 멀기 때문에 포함하지 않았다.
GOSAT는 약 666km의 고도에서 10.5km의 공간 해상도와 3일의 시간 해상도로 궤도를 돌고 있다. GOSAT에 탑재된 관측 장비는 푸리에 변환 분광계(FTS)와 CAI(Cloud and Aerosol Imager)라는 두 개의 하위 장치로 구성된 탄소 관측용 열 및 근적외선 센서(TANSO)이다. TANSO-FTS는 단파장 적외선(SWIR) 영역(0.76, 1.6, 2.0μm)의 3개의 좁은 대역과 넓은 열적외선 대역(5.5~14.3μm)의 스펙트럼 분해능으로 작동한다. TANSO-CAI는 근자외선에서 근적외선 영역(0.38, 0.674, 0.87, 1.6μm)까지 4개의 좁은 대역에서 스펙트럼 분해능으로 작동한다. TANSO는 TANSO-FTS 순간 시야(IFOV) 내부에서 광학적으로 두꺼운 구름을 감지하고 TANSO-FTS 스펙트럼 데이터에서 에어로졸 효과를 수정할 수 있다. 본 발명에서는 NIES(National Institute for Environmental Studies) CO2 검색 알고리즘으로 검색된 2010~2016년(총 20,929개의 데이터 포인트)에 대한 GOSAT SWIR 레벨 2 산출(CO2의 열 평균 혼합 비율, V02.75)을 사용했으며, 이는 GOSAT XCO2와 TCCON 데이터 사이의 회귀 계수(0.89)로 수정되었다.
NIR에는 모든 교토 프로토콜(GHG)에 대한 자세한 설명 및 수치 정보와 공통 보고 형식(CRF) 표가 포함되어 있다. 반대로, GOSAT는 컬럼에 존재하는 CO2(수직 단위 컬럼의 가스 분자 수)만 제공한다. NIR 데이터와 GOSAT XCO2 데이터의 비교 평가를 수행하기 위해 직접 이산화탄소(CO2) 배출량을 사용했다. 도 3을 참조하면, 2010년부터 2016년까지 EU 33개국에서 NIR 4 섹터 및 NIR 4 섹터+LULUCF(즉, NIR 5 섹터)는 0.1 Mt CO2~ 833.7 Mt CO2 및 -3.1 Mt CO2~ 816.6 Mt CO2에 해당하는 범위를 보여주었다. EU 33개국에서 2010년부터 2016년까지 GOSAT XCO2는 384.2ppm에서 403.2ppm 범위였다. EU 33개국의 XCO2 평균값은 2010-2016년 동안 387.1ppm에서 401.3ppm으로 지속적으로 증가하는 경향을 보여주고 있다.
도 4는 2010년부터 2016년까지 33개 유럽 국가들의 GOSAT XCO2 공간 분포 지도를 보여준다. 도 4를 참조하면, (a) 2010-2016년 GOSAT-FTS SWIR 레벨 2 XCO2 데이터 산출값(V02.75)과, (b) GOSAT로 보간된 레벨 3 GOSAT XCO2 데이터를 보여준다.
경험적 베이지안 크리깅(Empirical Bayesian kriging: 이하, EBK) 표면 보간 접근법을 사용하여 지역 규모에서 XCO2의 공간 분포를 시각화하기 위해 GOSAT 레벨 3 데이터가 생성되었다. EBK는 시뮬레이션의 하위 설정 과정을 통해 'K-Bessel semi-variogram' 모델을 자동으로 계산하는 지구 통계적 보간 방법이다. GOSAT XCO2는 데이터 수집 시(실시간으로) 대기 중 이산화탄소(CO2)의 컬럼 평균 존재비를 감지한다. 따라서, GOSAT XCO2는 이산화탄소(CO2) 발생원의 존재 및 육상 생물권으로부터의 광합성 및 호흡으로 인한 이산화탄소(CO2) 플럭스의 차이와 같은 지역 이산화탄소(CO2) 농도를 강하게 반영한다. 배출원에서 배출되는 이산화탄소(CO2)는 대기의 흐름에 따라 지속적으로 이동한다. 배출은 대기 중 이산화탄소(CO2) 농도에 큰 영향을 미치지만, 발생원에서 멀어질수록 이산화탄소(CO2) 농도에 미치는 영향은 낮아진다. 입력 GOSAT 포인트 데이터를 작은 부분집합으로 나눔으로써 EBK는 방출원으로부터의 거리를 반영하는 서로 다른 세미 바리오그램을 도출했다. (b)는 대기의 비정상 흐름에 따른 지역별 이산화탄소(CO2) 분포 특성을 반영한 EBK 결과를 보여주고 있다.
도 5는 경험적 베이지안 크리깅(EBK)의 교차 검증 요약 통계를 보여주는 테이블이다. 도 5를 참조하면, 교차 검증은 일반적으로 추정된 값을 관찰된 값과 비교하여 크리깅 모델이 얼마나 잘 보간되는지 검증하는 데 사용된다.
EBK 모델에 대한 예측 오차의 교차 검증에는 RMSE(Root Mean Square Error), ASE(Average Standard Error), MSE(Mean Standarded Error), RMSSE(Root Mean Square Standard Error)와 같은 다양한 기준들 중 적어도 하나가 사용될 수 있다. RMSE는 보간 정밀도 측정값을 제공하며, 여기서 RMSE가 낮을수록 더 정확한 추정을 나타낸다. 본 발명에서는 ASE는 1.833~2.204(ppm) 범위로 분포한 반면, RMSE는 1.765~2.121(ppm)의 범위로 분포하였다. 연도별 GOSAT XCO2 자료에 EBK를 적용하였기 때문에 계절별 이산화탄소(CO2) 농도의 차이가 이 범위에서 ASE와 RMSE 편차의 원인이 된다. RMSE에 가까운 ASE 값은 예측의 변동성이 올바르게 평가되었음을 의미한다. 본 발명에 따르면, ASE가 RMSE에 가까우며, 유럽 대륙 전체에서 발생하는 이산화탄소(CO2) 농도의 변동에 대해 보간법을 적용한 것을 고려할 때, 합리적으로 수용 가능한 수준의 오차를 제시하였다. RMSSE는 RMSE의 루트 평균을 ASE로 나누어 계산한다. RMSSE가 1에 가까울수록 예측 표준 오류가 더 적음을 나타낸다. MSE는 측정값과 예측값의 차이의 합을 크리깅 분산으로 나누어 계산하였다. 0에 가까운 MSE는 EBK 모델의 편향이 낮다는 것을 나타낸다. 본 발명에서 RMSSE는 0.969~0.993의 범위로 1에 가까웠고, MSE도 -0.011~0.013으로 0에 가까웠으며, 이는 모델의 정확도가 합리적으로 수용 가능함을 나타낸다.
대기 탄소는 국경을 넘어 지구 및 대기와 상호 작용하는 자연 현상이다. 자연 현상을 반영한 하향식 위성 데이터가 유사한 공간을 공유하는 이웃 국가 간의 공간 의존성 또는 공간 이질성에 대한 정보를 유지하는 것은 정상이다. 따라서, 이산화탄소(CO2) 플럭스와 농도는 국가 경계 내에서 기후 조건 및 고정 이산화탄소(CO2) 소스(예: 발전소, 정유 공장 등)와 같은 지역 매개변수의 영향을 받는다. GWR은 공간의 다른 위치에 있는 데이터에 다른 회귀 모델을 적용하여 공간 이질성을 검색한다. 따라서, NIR과 위성 신호 사이의 GWR 회귀 모델을 사용할 때 개별 국가에 대한 국부 회귀 계수가 도출된 반면, 기존의 선형 회귀 분석은 전체 분석 영역에서 단일 글로벌 회귀 계수를 추정한다. GWR을 사용하면 국가마다 다른 지역 계수를 결정하고 기존의 일반 최소 자승(OLS) 모델로 파악하기 어려운 공간적으로 이질적인 패턴을 식별할 수 있다.
도 6은 2010년부터 2016년까지 33개 유럽 국가의 NIR에 제시된 GOSAT XCO2 대 CO2 배출량 간의 변화 추세를 비교하여 보여주는 도면이다. 도 6을 참조하면, (a)는 2010년부터 2016년까지의 33개 유럽 국가의 GOSAT XCO2(하향식), NIR 4 부문(에너지, 폐기물, 산업 공정, 생산 사용, 농업) 및 NIR 5 섹터(NIR 4 섹터 + LULUCF)의 연간 변화 양상을 보여주고, (b)는 연간 GOSAT XCO2, NIR 4 섹터 및 NIR 5 섹터(NIR 4 섹터 + LULUCF)의 기술 통계를 보여준다.
NIR 4 및 5 부문의 배출량은 전년도에 비해 증가하거나 감소하는 것으로 보이지만 GOSAT XCO2는 계속 증가하고 있다. 2014년부터 2016년까지의 평균 GOSAT XCO2 성장률(0.65%)은 2010년부터 2014년까지(0.56%)보다 높았다. 상향식 NIR 4 및 5 섹터는 잔류 육상 이산화탄소(CO2) 흡수원(육상 생물권)과 인위적 이산화탄소(CO2) 발생원을 나타낸다. 육상 이산화탄소(CO2) 흡수원과 인위적 발생원(NIR 4 및 5 부문)에서 감소된 이산화탄소(CO2) 흡수는 대기 중 탄소 잔류물에 영향을 미친다. 따라서, 하향식 GOSAT XCO2(ppm)의 연간 변화 추세는 육상 탄소 흡수원 및 인위적 배출원(NIR 4 및 5 부문)의 NIR CO2 배출량과 양의 상관 관계가 있을 수 있다. GOSAT XCO2는 2011-2012년과 2015-2016년에 급격히 증가했다. 이는 폭설(2011~2012)과 엘니뇨 현상(2015~2016)으로 인한 생물권 이산화탄소(CO2) 흡수 감소로 인한 자연 현상으로 추정된다.
도 7은 2011년부터 2016년까지 탄소 배출량의 최고 및 최저 변화 추세를 보여주는 5개의 유럽 국가들을 보여준다. 도 7을 참조하면, NIR 4 및 NIR 5 부문의 상위 5개국은 GOSAT XCO2 농도가 높은 상위 5개국과 잘 일치하지 않는 것을 알 수 있다. NIR 4 및 NIR 5 부문이 모두 감소하고 있는 27개국 중 GOSAT XCO2가 감소하고 있는 국가는 5개국(에스토니아, 헝가리, 슬로바키아, 슬로베니아, 영국)뿐이다. 유사하게, NIR 4 및 NIR 5 부문의 하위 5개국은 GOSAT XCO2 농도에 대한 하위 5개국과 전혀 일치하지 않는다.
도 8은 2011년부터 2016년까지 하향식 GOSAT XCO2 대 상향식 NIR 간의 GWR 결과를 보여주는 표이다. 도 8을 참조하면, 국가적 차원에서 하향식 및 상향식 변화추세에 대한 GWR 분석을 수행한 경우 독립변수와 종속변수 사이에 유의미한 상관관계(NIR 4 부문의 R2: 0.070, NIR 5 부문의 R2: 0.024)가 없는 것으로 나타난다.
도 9는 2011년부터 2016년까지 유럽 33개국의 이산화탄소(CO2) 배출 추세를 비교 평가한 도면이다. (a)는 NIR 4 부문에서 상위 5개국을 보여주고, (b)는 NIR 5 부문에서 상위 5개국을, 그리고 (c)는 GOSAT XCO2 농도가 높은 상위 5개국을 각각 보여준다. 앞서 도 7에서 설명된 바와 같이, NIR 4 및 NIR 5 부문의 상위 5개국은 GOSAT XCO2 농도가 높은 상위 5개국과 잘 일치하지 않는다.
UNFCCC의 'Annex I'에 나열된 선진국은 IPCC 가이드라인에 따라 설명되는 배출원별 인위적 배출 및 흡수원별 제거에 대한 국가 GHG 인벤토리를 제출해야 한다. 에너지 부문은 EU-33개국 NIR의 총 순 이산화탄소(CO2) 배출량의 약 77~80%를 차지하기 때문에 IPCC 가이드라인의 5개 범주 중 탄소 발자국에 영향을 미치는 가장 중요한 이산화탄소(CO2) 소스이다. 특히, 공공 전력 및 열 생산에 의한 고체 연료 연소는 에너지 부문의 주요 이산화탄소(CO2) 배출원으로 에너지 부문의 총 이산화탄소(CO2) 배출량의 60.6~67.9%를 차지한다.
IPCC 가이드라인은 산업 공정의 부산물을 재사용하거나 무연탄 및 갈탄과 같은 기존의 고체 화석 연료를 대체함으로써 고로 사용에서 피할 수 있는 이산화탄소(CO2) 배출량을 계산하지 않는다. 벨기에(238.23 tCO2/TJ)와 스웨덴(206.37 tCO2/TJ)에서 다른 EU 국가(89.95 tCO2/TJ ~ 122.96 tCO2/TJ)보다 훨씬 높은 배출 계수가 공공 전기 및 열 생산에 사용되는 고체 연료에서 관찰되고 있다.
도 10은 하향식과 상향식 간의 데이터 수집 프로세스와 관련된 주요 구성 요소를 비교한 도면이다. 도 10을 참조하면, 하향식과 상향식 방법에 사용되는 전제 조건과 도구가 도시되어 있다.
NIR은 국가 경계 내에서 인위적인 탄소 생성 활동을 나타내는 반면 위성 신호는 대기 탄소의 경계를 넘는 이동을 나타낸다. 이산화탄소(CO2)를 계산하는 다른 방법(즉, 농도 단위 대 부피 단위 계산)이 다른 결과를 산출하는 것은 불가피하다. 상향식 IPCC 가이드라인은 특정 활동(배출 계수) 단위당 이산화탄소(CO2)를 정량화하고 국가 경계 내에서 발생하는 배출량 생성 활동의 수를 곱하여 이산화탄소(CO2) 총 배출량을 계산한다. 결과적으로 배출 계수와 경계 내 배출 활동의 수는 이산화탄소(CO2) 배출 및 변동 범위를 결정하는 데 중요하다. 배출 발생 활동 및 배출 계수의 단위는 NIR 4 및 NIR 5 부문의 순 이산화탄소(CO2) 배출량 변동에 큰 영향을 미친다. 대조적으로, 하향식 GOSAT XCO2는 민감한 파장 대역의 복사 스펙트럼을 사용하여 ppm으로 이산화탄소(CO2)의 직접적인 컬럼 평균 건조 공기 몰 분율을 측정한다.
에너지 통계의 수집 및 보고 시스템, 데이터 정의, 데이터 처리, 세부 수준 및 지역별 조건과 같은 다양한 변수에 따라 배출 계수가 변동하기 때문에, 상향식 NIR에서 탄소 발자국에 대한 초기 가정을 기반으로 한 이산화탄소(CO2) 배출량 산정에는 일관성이 없다. IPCC 지침은 (1) Tier 1(글로벌 기본 모델), (2) Tier 2(국가별 모델), (3) Tier 3(지역별 모델)의 세 가지 상향식 방법을 제시한다. 상향식 추정치는 계층 단계가 설정되는 방식에 따라 변동한다. NIR과 달리 GOSAT XCO2는 100년 이상의 완전한 탄소 수명 단계 동안 축적된 다양한 유형의 소스 또는 흡수원(배경 대기 CO2)에 의해 축적된 대기 밀도를 나타낸다. 여기에는 화산 폭발과 같이 IPCC 가이드라인에 없는 다른 자연 및 인위적 출처 또는 자연 흡수원이 포함된다.
또한, GOSAT XCO2는 자연 교란으로 인한 육상 생물 활동으로 인한 직간접적인 이산화탄소(CO2) 배출을 감지한다. GOSAT XCO2는 지표면에서 대기 상부까지 칼럼에 통합된 이산화탄소(CO2)이다. 따라서, GOSAT XCO2는 인간 활동이 상호 작용하는 대기의 최하층에 대한 민감도가 매우 제한적이다. XCO2 변동성은 지리적 위치에 따라 구름과 맑은 하늘로 오염된 지표 배출과 대기 수송 모두에 의해 주도되는 것으로 나타난다.
도 11은 EU-33개국의 공공 전력 및 열 생산에 사용되는 고체 연료의 배출 계수를 비교한 표이다. 도 11을 참조하면, NIR은 그러한 장벽이 없는 GOSAT XCO2와 달리 항상 개별 국가의 국경 내에 국한된다. NIR은 부문별 에너지 소비 통계에 따른 인위적인 이산화탄소를 기반으로 계산되며, 온실가스 배출량 측면에서 개별 국가의 사회 경제적 상황을 반영한다. 몬테카를로 분석을 사용한 통계적 검증과 제한된 국가 경계 내에서의 측정 기간을 사용한 통계적 검증으로 인해 지구 표면에서 배출을 완화하기 위해 개별 국가의 진행 상황을 모니터링하기 위해 NIR을 사용할 수 있다.
GOSAT XCO2는 주로 국가 간의 기단 이동에 의해 주도된다. GOSAT가 모니터링하는 기단은 조사 대상 국가의 실제 배출량이 아니다. 기단의 이동 방향 및 기타 기상 요인에 의해 유도되는 우세한 기온 감률(lapse rate)은 국가에 대한 GOSAT의 반사율 칼럼을 만드는 데 더 큰 역할을 하므로 국가에서 방출로 간주될 수 없다. GOSAT XCO2 신호에서 대기 수송의 영향은 발전소와 같은 인위적 소스보다 훨씬 강력하다. 육상 생물권으로부터의 이산화탄소(CO2) 플럭스는 높은 불확실성을 나타내는 인위적 배출보다 훨씬 높다. 이와 관련하여 NIR은 풍속, 수직 혼합 깊이와 같은 기상 매개 변수에 의해 지배되는 지역 대기 안정성을 반영하는 국경 간 비교에 필요한 전구 또는 지역 수준의 배경 대기 농도를 설명하는 데 상당한 한계가 있다.
GOSAT XCO2는 대기 수송의 역 방법으로 처리된다. GOSAT 스펙트럼(GOSAT 수준 1)에서 XCO2(GOSAT 수준 2)를 검색하기 위해 관측된 스펙트럼을 사용하여 원시 데이터와 지표 및 대기 상태의 가스 농도를 시뮬레이션하는 지표/대기 복사 전달 모델 간의 차이를 최소화한다. 이러한 점에서 GOSAT 레벨 2 XCO2 산물은 역수송 모델 기반 CO2 데이터와 거의 차이가 없다. GOSAT 레벨 2 XCO2와 역수송 모델 기반 XCO2 결과 간의 차이는 전 세계적으로 대부분 0.5% 이내이다. 북유럽 지역의 남풍은 동유럽의 광학 깊이를 0.26~0.43 증가시킨다. 스페인과 포르투갈에서 벨로루시로 흐르는 동풍은 광학 깊이를 프랑스, 독일, 체코, 폴란드, 벨로루시에서 0.21~0.59, 벨기에와 네덜란드에서 0.31-0.33, 스위스에서 0.07-0.15를 증가시킨다. 특히, 유럽에는 아래와 같이 국토 면적이 좁은 국가들이 집중적으로 집중되어 있다[벨기에(세계 면적 순위: 141, 면적: 30,528km2), 스위스(136, 41,284km2), 네덜란드(135, 41,543km2), 덴마크(134, 43,094km2)].
국토 면적이 작은 국가의 경우, 육지와 바다의 비대칭 가열과 관련된 대기 순환의 접경 효과 때문에 주변국의 영향을 받는 신호 특성을 갖기에 GOSAT는 위성 플랫폼이 위치한 국가에서 배출되는 탄소의 양을 측정하지 않는다. 따라서, GOSAT 데이터는 국가 경계 내에서 자연적 및 인위적 탄소 생성 활동으로 인한 탄소 배출 및 흡수량을 정량화하는 것이 불가능하다. GOSAT 데이터는 역 수송 모델을 사용하여 처리되기 때문에 자연 및 인위적 탄소의 국경 간 대기 이동을 측정할 수 있는 이점이 있다. 그러나 GOSAT 신호와 함께 개별 국가의 탄소 배출량을 보고하는 NIR 사이의 상관 관계를 평가하는 데에는 상당한 한계가 있다.
NIR에 제시된 실제 배출 저감 활동의 진행 상황이 대기의 실제 이산화탄소(CO2) 농도(ppm)를 측정하는 직접적인 하향식 방법에 의해 검증되어야만 신뢰할 수 있다고 제안했다. 다양한 국가별 배출 계수, 활동 데이터 및 모델에서 계산된 이산화탄소(CO2) 배출량을 하향식의 ppm 단위의 표준화된 참조를 사용하여 평가하는 것이 필수적이다. 그러나, IPCC 지침은 두 번의 개정(1996, 2006)을 통해 개선되었으며 여전히 상향식 방식에 강하게 치우쳐 있다. 본 발명에서는 NIR에 제시된 CO2 배출 완화 조치를 검증하기 위해 하향식 및 상향식 방법으로 통합 측정, 보고 및 검증(MRV)하기 위한 방법을 제공한다.
도 12는 공공 전력 및 열 생산에 사용되는 고체 연료에서 배출되는 CO2 추정에 있어 EU-33 간의 극단적인 편차를 보여주는 도면이다. (a)는 EU-33 배출 계수의 분포 곡선(이 곡선에서 리히텐슈타인, 룩셈부르크, 모나코 및 스위스는 배출 계수를 제공하지 않았기 때문에 제외됨)을 보여주고, (b)는 개별 EU-33 국가 간의 IPCC 디폴트 및 백분위수 편차에 대한 EU-33의 기술 통계를 보여준다.
벨기에와 스웨덴에서는 대부분의 전기(약 80%)가 스웨덴의 폐기물에서 파생된 바이오매스와 부산물을 사용하여 생산되고 벨기에의 원자력, 천연 가스 및 재생 에너지를 사용하여 생산되는 반면, 석탄을 사용하는 곳은 거의 없다(약 10%).
IPCC 가이드라인은 산업 공정의 부산물을 재사용하거나 무연탄 및 갈탄과 같은 기존의 고체 화석 연료를 대체함으로써 고로 사용에서 피할 수 있는 이산화탄소(CO2) 배출량을 계산하지 않는다. 벨기에(238.23 tCO2/TJ)와 스웨덴(206.37 tCO2/TJ)에서 다른 EU 국가(89.95 tCO2/TJ ~ 122.96 tCO2/TJ)보다 훨씬 높은 배출 계수가 공공 전기 및 열 생산에 사용되는 고체 연료에서 관찰되고 있다. 벨기에와 스웨덴에서 사용되는 고로 가스는 나머지 EU 국가에서 사용되는 무연탄과 갈탄보다 훨씬 더 많은 이산화탄소(CO2)를 배출한다. 고로 가스는 철강 생산 공정에서 연소되는 고로 코크스에서 파생된 유리 부산물로 생성되는 2차 연료이며, 무연탄과 갈탄은 기존 석탄 발전소에서 사용되는 1차 연료이다. 고로 가스의 에너지 효율이 상당히 낮기 때문에 유리 부산물에서 감소된 가연성 성분은 무연탄이나 갈탄보다 훨씬 더 많은 이산화탄소(CO2) 배출을 유발한다.
상술한 내용은 본 발명을 실시하기 위한 구체적인 실시 예들이다. 본 발명은 상술한 실시 예들 이외에도, 단순하게 설계 변경되거나 용이하게 변경할 수 있는 실시 예들도 포함할 것이다. 또한, 본 발명은 실시 예들을 이용하여 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다. 따라서, 본 발명의 범위는 상술한 실시 예들에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 할 것이다.
Claims (5)
- 컴퓨터 시스템을 사용하여 이산화탄소 농도 정보를 생성하는 방법에 있어서:
상향식의 이산화탄소 농도 정보를 수신하는 단계;
동일한 지역의 하향식의 이산화탄소 농도 정보를 수신하는 단계;
상기 상향식의 이산화탄소 농도 정보의 단위와 상기 하향식의 이산화탄소 농도 정보의 단위를 통일시키는 단계; 그리고
상기 상향식의 이산화탄소 농도 정보와 상기 하향식의 이산화탄소 농도 정보에 대한 연도별 변화 추세를 국가별로 생성하는 단계를 포함하고,
상기 상향식의 이산화탄소 농도 정보의 단위는 톤(ton)이며,
상기 하향식의 이산화탄소 농도 정보의 단위는 피피엠(ppm)이고,
상기 이산화탄소 농도 정보의 단위를 통일시키는 단계는,
상기 상향식의 이산화탄소 농도 정보와 상기 하향식의 이산화탄소 농도 정보 각각의 데이터 셋에 대한 연간 성장율을 백분율(%)로 표시하여 상기 통일된 이산화탄소 농도 정보의 단위를 생성하는 것을 특징으로 하는 방법. - 제 1 항에 있어서,
상기 상향식의 이산화탄소 농도 정보는 국가 인벤토리 보고서(NIR) 정보에 포함되는 탄소 발자국에 포함되는 방법. - 제 1 항에 있어서,
상기 하향식의 이산화탄소 농도 정보는 온실 가스 관측 위성(Greenhouse Gases Observing Satellite) 신호로부터 획득된 정보에 대응하는 방법. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210114175A KR102498222B1 (ko) | 2021-08-27 | 2021-08-27 | 위성 관측 정보를 이용한 상향식 온실 가스 정보를 검증하는 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210114175A KR102498222B1 (ko) | 2021-08-27 | 2021-08-27 | 위성 관측 정보를 이용한 상향식 온실 가스 정보를 검증하는 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102498222B1 true KR102498222B1 (ko) | 2023-02-08 |
Family
ID=85225781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210114175A KR102498222B1 (ko) | 2021-08-27 | 2021-08-27 | 위성 관측 정보를 이용한 상향식 온실 가스 정보를 검증하는 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102498222B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110017816A (ko) | 2009-08-14 | 2011-02-22 | 한국전자통신연구원 | 온실가스 모니터링 시스템 및 방법 |
| KR20120058444A (ko) | 2009-02-02 | 2012-06-07 | 플래너테리 이미션즈 매니지먼트 | 온실가스 유출입량을 모니터하기 위한 복합 시스템 |
| KR102327694B1 (ko) * | 2020-07-31 | 2021-11-16 | 연세대학교 산학협력단 | 인버스 모델링을 기반으로 온실가스 인벤토리를 검증하는 방법 및 그를 위한 장치 |
-
2021
- 2021-08-27 KR KR1020210114175A patent/KR102498222B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120058444A (ko) | 2009-02-02 | 2012-06-07 | 플래너테리 이미션즈 매니지먼트 | 온실가스 유출입량을 모니터하기 위한 복합 시스템 |
| KR20110017816A (ko) | 2009-08-14 | 2011-02-22 | 한국전자통신연구원 | 온실가스 모니터링 시스템 및 방법 |
| KR102327694B1 (ko) * | 2020-07-31 | 2021-11-16 | 연세대학교 산학협력단 | 인버스 모델링을 기반으로 온실가스 인벤토리를 검증하는 방법 및 그를 위한 장치 |
Non-Patent Citations (1)
| Title |
|---|
| 이상희 외 6명. 한반도 지역에서의 이산화탄소 변화 경향과 AIRS, GOSAT 위성 자료의 정확도 비교, Korean Journal of Remote Sensing, Vol.31, No.6, 2015, pp.549~560. (http://dx.doi.org/10.7780/kjrs.2015.31.6.5)* * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Berchet et al. | Atmospheric constraints on the methane emissions from the East Siberian Shelf | |
| Mearns | Climatic change and variability. | |
| Liu et al. | Carbon monitoring system flux net biosphere exchange 2020 (CMS-Flux NBE 2020) | |
| Schuh et al. | Evaluating atmospheric CO2 inversions at multiple scales over a highly inventoried agricultural landscape | |
| Huntingford et al. | IMOGEN: an intermediate complexity model to evaluate terrestrial impacts of a changing climate | |
| US20130179078A1 (en) | Method for measuring weekly and annual emissions of a greenhouse gas over a given surface area | |
| Wunch et al. | The covariation of Northern Hemisphere summertime CO 2 with surface temperature in boreal regions | |
| Jiang et al. | Nested atmospheric inversion for the terrestrial carbon sources and sinks in China | |
| Kondo et al. | Comparison of the data‐driven top‐down and bottom‐up global terrestrial CO2 exchanges: GOSAT CO2 inversion and empirical eddy flux upscaling | |
| Schlef et al. | A general methodology for climate‐informed approaches to long‐term flood projection—Illustrated with the Ohio river basin | |
| Park et al. | Evaluation of the potential use of satellite-derived XCO 2 in detecting CO 2 enhancement in megacities with limited ground observations: a case study in Seoul using orbiting carbon Observatory-2 | |
| KR101388448B1 (ko) | 기후변화에 따른 건강영향 평가 및 경제적비용 산출 시스템 및 그 방법 | |
| Gerbig et al. | On observational and modelling strategies targeted at regional carbon exchange over continents | |
| Ma et al. | Evaluating carbon fluxes of global forest ecosystems by using an individual tree-based model FORCCHN | |
| Checa-Garcia et al. | Evaluation of natural aerosols in CRESCENDO Earth system models (ESMs): mineral dust | |
| Jiang et al. | The status of carbon neutrality of the world's top 5 CO2 emitters as seen by carbon satellites | |
| López-Blanco et al. | Evaluation of terrestrial pan-Arctic carbon cycling using a data-assimilation system | |
| Hu et al. | Top‐down constraints on anthropogenic CO2 emissions within an agricultural‐urban landscape | |
| Mousavi et al. | Analyzing spatio-temporal patterns in atmospheric carbon dioxide concentration across Iran from 2003 to 2020 | |
| Fang et al. | Using atmospheric observations to evaluate the spatiotemporal variability of CO 2 fluxes simulated by terrestrial biospheric models | |
| Wang et al. | Causes of slowing‐down seasonal CO2 amplitude at Mauna Loa | |
| Michalak et al. | Diagnostic methods for atmospheric inversions of long-lived greenhouse gases | |
| Turner et al. | Multiple constraint analysis of regional land-surface carbon flux | |
| KR102498222B1 (ko) | 위성 관측 정보를 이용한 상향식 온실 가스 정보를 검증하는 방법 | |
| Gregor et al. | Global carbon budget 2020 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |