KR20180129443A - 생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법 - Google Patents

생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법 Download PDF

Info

Publication number
KR20180129443A
KR20180129443A KR1020170065484A KR20170065484A KR20180129443A KR 20180129443 A KR20180129443 A KR 20180129443A KR 1020170065484 A KR1020170065484 A KR 1020170065484A KR 20170065484 A KR20170065484 A KR 20170065484A KR 20180129443 A KR20180129443 A KR 20180129443A
Authority
KR
South Korea
Prior art keywords
albedo
index
leaf
area
vegetation
Prior art date
Application number
KR1020170065484A
Other languages
English (en)
Inventor
박선기
박소정
Original Assignee
이화여자대학교 산학협력단
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 filed Critical 이화여자대학교 산학협력단
Priority to KR1020170065484A priority Critical patent/KR20180129443A/ko
Publication of KR20180129443A publication Critical patent/KR20180129443A/ko

Links

Images

Classifications

    • 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
    • G01N33/0098—Plants or trees
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
    • A01G17/005—Cultivation methods
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Botany (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Medicinal Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법이 개시된다.
눈 알베도 결정 방법은 식생에서 광합성 하지 않는 잎의 면적과 엽 면적 지수(LAI: Leaf Area Index)를 이용하여 잎 지수(LI: Leaf Index)를 결정하는 단계; 식생에서 광합성 하지 않는 가지의 면적과 줄기 면적 지수 (SAI: Stem Area Index)를 이용하여 줄기 지수(SI: Stem Index)를 결정하는 단계; 및 상기 잎 지수와 상기 줄기 지수를 이용하여 눈 알베도(snow albedo)를 결정하는 단계를 포함할 수 있다.

Description

생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법{APPARATUS AND METHOD FOR DETERMINING SNOW ALBEDO BY REFLECTING STRUCTURAL FEATURES OF VEGETATION AFTER END OF GROWTH}
본 발명은 겨울철에 눈으로 덮인 식생의 눈 알베도를 결정하는 장치 및 방법에 관한 것이다.
알베도란 빛을 반사하는 정도를 수치로 나타낸 값이다. 예를 들어, 태양으로부터 입사한 빛은 행성의 대기나 지면에서 일부 흡수되지만 나머지는 1회 또는 여러 차례의 산란이나 반사를 거쳐 여러 방향으로 나아간다. 이 경우 나아가는 빛의 총량을 입사한 빛의 세기로 나눈 수치가 알베도이다.
종래의 Kipp&Zonen에서 제작된 알베도 측정기는 일사량 측정센서인 CMP11을 상부와 하부에 결합하여 하늘에서 오는 태양일사량에 대해 지표면에서 반사되는 일사량의 비율을 동시에 측정하여 계산하는 장치이다.
알베도 중 눈 알베도(snow albedo)는 지면의 에너지 균형을 변화시키기 때문에 정확한 예측이 필요하나, 수치 모델에서 모수화되는 눈 알베도는 불확실성을 가지고 있다는 문제가 있다. 구체적으로, 눈의 알베도는 매우 높지만 같은 눈이라도 눈의 상태에 따라 알베도가 달라진다. 수분이 없고 청결한 눈은 0.86～0.95, 수분이 있고 입자가 가는 눈은 0.63～0.75, 뭉쳐진 눈은 알베도가 더 떨어져 0.60～0.62, 회색빛을 띤 눈은 0.45～0.47, 녹기 시작하고 더러운 눈은 약 0.30 정도의 값을 갖는다. 또한, 눈이 덮이는 지면의 상태도 눈 알베도의 불확실성의 원인이 된다.
따라서, 눈 알베도의 불확실성을 개선시킬 수 있는 방법이 요청되고 있다.
본 발명은 광합성 하지 않는 잎과 광합성 하지 않는 가지의 면적을 고려하여 눈 알베도를 결정함으로써, 낙엽수림 및 혼합림과 같이 키가 큰 나무들이 존재하는 지역에서의 겨울철 눈 알베도를 개선 시키는 장치 및 방법을 제공할 수 있다.
본 발명의 일실시예에 따른 눈 알베도 결정 방법은 식생에서 광합성 하지 않는 잎의 면적과 엽 면적 지수(LAI: Leaf Area Index)를 이용하여 잎 지수(LI: Leaf Index)를 결정하는 단계; 식생에서 광합성 하지 않는 가지의 면적과 줄기 면적 지수 (SAI: Stem Area Index)를 이용하여 줄기 지수(SI: Stem Index)를 결정하는 단계; 및 상기 잎 지수와 상기 줄기 지수를 이용하여 눈 알베도(snow albedo)를 결정하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 눈 알베도 결정 방법의 눈 알베도를 결정하는 단계는, 잎 지수(LI)와 줄기 지수(SI)를 이용하여 잎 면적 체적 밀도를 결정하는 단계; 상기 잎 면적 체적 밀도를 기초로 직달 일사(direct solar radiation)가 땅에 도달할 수 있는 가능성을 결정하는 단계; 산란 복사가 땅에 도달할 수 있는 가능성, 산란 복사의 알베도, 직달 일사의 알베도, 및 직달 일사가 땅에 도달할 수 있는 가능성을 기초로 눈 알베도를 결정하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 눈 알베도 결정 장치는 식생에서 광합성 하지 않는 잎의 면적과 엽 면적 지수(LAI)를 이용하여 잎 지수(LI)를 결정하며, 식생에서 광합성 하지 않는 가지의 면적과 줄기 면적 지수 (SAI)를 이용하여 줄기 지수(SI)를 결정하며, 상기 잎 지수와 상기 줄기 지수를 이용하여 눈 알베도(snow albedo)를 결정하는 눈 알베도 결정부를 포함할 수 있다.
본 발명의 일실시예에 의하면, 광합성 하지 않는 잎과 광합성 하지 않는 가지의 면적을 고려하여 눈 알베도를 결정함으로써, 낙엽수림 및 혼합림과 같이 키가 큰 나무들이 존재하는 지역에서의 겨울철 눈 알베도를 개선 시킬 수 있다.
도 1은 본 발명의 일실시예에 따른 눈 알베도 결정 장치를 포함하는 지면 모델 처리 시스템을 나타내는 도면이다.
도 2는 본 발명의 일실시예에 따른 눈 알베도 결정 과정에서 사용하는 광합성 하지 않는 잎, 및 줄기를 나타내는 도면이다.
도 3은 본 발명의 일실시예에 눈 알베도 결정 방법을 도시한 플로우차트이다.
도 4는 본 발명의 일실시예에 따른 눈 알베도 결정 방법의 눈 알베도 결정 과정을 도시한 플로우차트이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 본 발명의 일실시예에 따른 눈 알베도 결정 방법은 눈 알베도 결정 장치에 의해 수행될 수 있다.
도 1은 본 발명의 일실시예에 따른 눈 알베도 결정 장치를 포함하는 지면 모델 처리 시스템을 나타내는 도면이다.
지면 모델 처리 시스템(100)은 도 1에 도시된 바와 같이 눈 알베도 결정 장치(110), 지면 온도 결정 장치(120) 및 지면 모델 처리 장치(130)를 포함할 수 있다. 이때, 눈 알베도 결정 장치(110), 지면 온도 결정 장치(120) 및 지면 모델 처리 장치(130)는 서로 다른 프로세스일 수 있다. 또한, 눈 알베도 결정 장치(110), 지면 온도 결정 장치(120) 및 지면 모델 처리 장치(130)는 하나의 프로세스에서 수행되는 프로그램에 포함된 각각의 모듈일 수 있다. 그리고, 지면 모델 처리 시스템(100)dms 눈 알베도 결정 장치(110), 및 지면 온도 결정 장치(120) 이외에도 지면 모델을 처리하기 위한 파라미터를 결정하는 적어도 하나의 장치를 더 포함할 수도 있다. 또한, 눈 알베도(snow albedo)는 식생 생장이 종료된 겨울철에서 눈 덮인 식생, 및 지면의 알베도일 수 있다.
눈이 덮이는 지역의 넓이 및 알베도를 측정하는 종래의 지면 모델은 광합성하는 잎의 면적에 따른 엽 면적 지수(LAI: Leaf Area Index) 및 광합성하는 줄기의 면적에 따른 줄기 면적 지수 (SAI: Stem Area Index)를 사용하고 있다. 그러나, 위성을 이용한 알베도 관측에 따르면, 겨울철에 키가 큰 식생은 그림자 효과로 인하여 키가 작은 식생에 비해 동일 적설량에서 눈이 덮이는 지역이 좁고 알베도도 낮을 수 있다.
반면, 종래의 지면 모델은 식생의 키에 따른 알베도 변화를 고려하고 있지 않으므로, 평균보다 키가 큰 식생의 알베도를 실제 알베도보다 높게 측정할 수 있다.
따라서, 눈 알베도 결정 장치(110)는 식생의 구조적 특징을 반영한 식생 지수를 이용하여 눈 알베도를 결정할 수 있다. 이때, 눈 알베도 결정 장치(110)가 결정한 눈 알베도는 식생의 구조적 특징을 고려하여 모의한 눈 알베도이며, 식생에서 실제로 관측한 눈 알베도와는 차이가 있을 수 있다.
구체적으로, 눈 알베도 결정 장치(110)는 식생에서 광합성 하지 않는 잎의 면적과 눈 알베도 결정 장치가 지면 모델에서 사용하기 위하여 모의하여 식생의 LAI로 결정한 모델 LAI를 이용하여 잎 지수(LI: Leaf Index)를 결정할 수 있다. 이때, 눈 알베도 결정 장치(110)는 모델 LAI에 광합성 하지 않는 잎의 면적을 더한 결과를 LI로 결정할 수 있다.
또한, 식생에서 관측한 관측 LAI는 식생에서 광합성하지 않는 잎의 면적과 광합성한 잎의 면적을 더한 값일 수 있다. 그리고, 눈 알베도를 결정하는 겨울에는 대부분의 식생에 광합성을 하지 않으므로, 광합성한 잎의 면적이 최소가 되어 관측 LAI도 최소값을 가질 수 있다. 즉, 눈 알베도 결정 장치(110)는 관측 LAI의 최소값을 LI로 결정함으로써, 겨울에 관측한 관측 LAI를 LI로 설정할 수도 있다.
이때, LI = 모델 LAI+ 광합성 하지 않는 잎의 면적이며, LI는 관측 LAI의 최소값이므로, 눈 알베도 결정 장치(110)는 관측 LAI의 최소값-모델 LAI를 이용하여 광합성 하지 않는 잎의 면적을 추정할 수 있다. 그리고, 눈 알베도 결정 장치(110)는 모델 LAI와 추정한 광합성 하지 않는 잎의 면적을 더함으로써, 관측 LAI가 관측되지 않은 시기의 LI를 결정할 수 있다.
다음으로, 눈 알베도 결정 장치(110)는 식생에서 광합성 하지 않는 가지의 면적과 SAI를 이용하여 줄기 지수(SI: Stem Index)를 결정할 수 있다. 이때, 눈 알베도 결정 장치(110)는 SAI에 광합성 하지 않는 가지의 면적을 더한 결과를 SI로 결정할 수 있다. 이때, 줄기(stem)는 식생에 포함된 식물들 각각에서 지상에 위치한 부분들 중 잎을 제외한 나머지 부분의 면적일 수 있다.
구체적으로, 눈 알베도 결정 장치(110)는 SI 값을 변경하며, 식생에서 관측한 알베도 값과 눈 알베도 결정 장치(110)에서 결정한 알베도 값을 비교하고, 비교 결과가 가장 적은 시점의 SI 값을 탐색할 수 있다.
또한, 눈 알베도 결정 장치(110)는 식생이 성장하지 않는 겨울 철의 알베도를 결정하고 있으며, LI 및 SI는 탄소 동화와 관련 없는 값이므로 계절 변동을 갖지 않을 수 있다.
마지막으로 눈 알베도 결정 장치(110)는 LI 및 SI를 이용하여 눈 알베도를 결정할 수 있다. 예를 들어, 눈 알베도 결정 장치(110)는 SI의 값을 0.0에서 3.0까지 증가시키면서 모델 실험을 수행하여 눈 알베도를 결정할 수 있다. 이때, 모델은 2000년 6월부터 2010년 12월까지 이며, 동아시아 지역 (40-60 °N, 105-145 °E)에 대한 모델일 수 있다.
그리고, 눈 알베도 결정 장치(110)는 겨울철 (337, 353, 1, 17, 33 율리우스 일) 10년 동안의 16일 모델 평균과 MODIS 16일 주기 관측 알베도의 편향오류를 구하여, 연속하는 SI에 해당하는 편향오류의 차이가 0.005보다 작으면 SI가 최적화되었다고 판단하여 표 1과 같이 LI와 SI를 결정할 수 있다. 이때, SI와 LI는 동아시아 지역의 겨울철 알베도에 식생의 구조적 특징에 의한 그림자 효과를 일으키는 숲 종류에 대해서만 구해졌다.
Figure pat00001
이때, LI와 SI를 사용하여 결정한 눈 알베도는 LAI와 SAI를 사용하여 결정한 종래의 눈 알베도보다 향상된 값을 가질 수 있다.
지면 온도 결정 장치(120)는 식생의 지면 온도를 모의하여 결정할 수 있다.
지면 모델 처리 장치(130)는 눈 알베도 결정 장치(110)가 결정한 눈 알베도 및 지면 온도 결정 장치(120)가 결정한 지면 온도를 이용하여 지면 모델을 처리할 수 있다. 예를 들어, 지면 모델 처리 장치(130)는 눈 알베도 결정 장치(110)가 결정한 눈 알베도와 지면 온도 결정 장치(120)가 결정한 지면 온도를 Noah-MP 지면 모델의 입력 정보로 사용할 수 있다. 또한, 지면 모델 처리 장치(130)는 Noah-MP 지면 모델이외에도 다양한 지면 모델 중 적어도 하나에 눈 알베도를 입력 정보로 사용할 수도 있다.
눈 알베도 결정 장치는 광합성 하지 않는 잎과 광합성 하지 않는 가지의 면적을 고려하여 눈 알베도를 결정함으로써, 낙엽수림 및 혼합림과 같이 키가 큰 나무들이 존재하는 지역에서의 겨울철 눈 알베도를 개선 시킬 수 있다. 그리고, 지면 모델 처리 시스템은 개선된 눈 알베도를 이용하여 지면 모델을 처리함으로써, 잠열, 헌열, 온도등과 같은 지면 모델 관련 파라미터들의 계산을 개선시켜 지면 모델의 성능을 향상시킬 수 있다.
도 2는 본 발명의 일실시예에 따른 눈 알베도 결정 과정에서 사용하는 광합성 하지 않는 잎, 및 줄기를 나타내는 도면이다.
식생(vegetation)은 지표에 생육하고 있는 식물들의 집단이며, 식생에 포함된 식물(200)은 도 2에 도시된 바와 같이 태양 빛을 받아 광합성을 하는 잎(210) 및 줄기(220)와 잎(210) 및 줄기(220)의 그림자에 가려져 광합성을 하지 못하는 잎(230) 및 줄기(240)를 포함할 수 있다.
종래의 알베도 결정 방법은 광합성하는 잎(210)의 면적에 따른 엽 면적 지수(LAI: Leaf Area Index) 및 광합성하는 줄기(220)의 면적에 따른 줄기 면적 지수 (SAI: Stem Area Index)를 사용하여 식물(200)의 알베도를 측정하였으나, 눈은 잎(210) 및 줄기(220)이외에도 잎(230) 및 줄기(240)에서 쌓이므로, LAI와 SAI로는 식물(200)에 쌓인 눈 알베도를 정확하게 측정할 수 없다. 또한, 겨울철에는 온도가 낮기 때문에 태양 빛을 받는 잎이나 줄기에서도 광합성을 하지 않는 부분이 존재할 수 있다.
본 발명의 일실시예에 따른 눈 알베도 결정 장치는 잎(210) 및 줄기(220)의 면적에 잎(210) 및 줄기(220)의 그림자에 가려져 광합성을 하지 못하는 잎(230) 및 줄기(240)의 면적을 추가하여 눈 알베도를 결정함으로써, 그림자에 가려져 있던 지역에 쌓인 눈을 고려할 수 있으므로, 결정하는 눈 알베도의 정확도를 높일 수 있다. 이때, 잎(230) 및 줄기(240)는 도 2에 도시된 바와 같이 그림자에 가려진 잎과 줄기 이외에도 그림자에 가려지지 않아 태양빛을 받으면서도 식물의 구조, 또는 기온과 같은 원인으로 광합성을 하지 않는 잎 및 줄기를 포함할 수 있다.
도 3은 본 발명의 일실시예에 따른 눈 알베도 결정 방법을 도시한 플로우차트이다.
단계(310)에서 눈 알베도 결정 장치(110)는 식생에서 광합성 하지 않는 잎의 면적과 LAI를 이용하여 LI를 결정할 수 있다. 이때, 눈 알베도 결정 장치(110)는 LAI에 광합성 하지 않는 잎의 면적을 더한 결과를 LI로 결정할 수 있다.
단계(320)에서 눈 알베도 결정 장치(110)는 식생에서 광합성 하지 않는 가지의 면적과 SAI를 이용하여 SI를 결정할 수 있다. 이때, 눈 알베도 결정 장치(110)는 SAI에 광합성 하지 않는 가지의 면적을 더한 결과를 SI로 결정할 수 있다.
단계(330)에서 눈 알베도 결정 장치(110)는 단계(310)에서 결정한 LI 및 단계(320)에서 결정한 SI를 이용하여 눈 알베도를 결정할 수 있다.
도 4는 본 발명의 일실시예에 따른 눈 알베도 결정 방법의 눈 알베도 결정 과정을 도시한 플로우차트이다. 도 4의 단계(410) 내지 단계(430)는 도 3의 단계(350)에 포함될 수 있다.
단계(410)에서 눈 알베도 결정 장치(110)는 LI 및 SI를 이용하여 잎 면적 체적 밀도를 결정할 수 있다. 예를 들어, 눈 알베도 결정 장치(110)는 LI 및 SI를 이용하여 잎 면적 체적 밀도(m-1)인 Fa를 결정할 수 있다.
단계(420)에서 눈 알베도 결정 장치(110)는 단계(410)에서 결정한 잎 면적 체적 밀도를 기초로 직달 일사(direct solar radiation)가 땅에 도달할 수 있는 가능성을 결정할 수 있다.
먼저, 눈 알베도 결정 장치(110)는 잎 면적 체적 밀도 Fa와 식생의 크라운들 사이의 공간을 통해 복사가 땅으로 도달할 수 있는 가능성(between-crown gap probability)인
Figure pat00002
, 크라운 높이 Hd 및 태양천정각
Figure pat00003
를 이용하여 식생의 크라운 내의 공간을 통해 복사가 땅으로 도달할 수 있는 가능성(within-crown gap probability)인
Figure pat00004
를 결정할 수 있다.
예를 들어, 눈 알베도 결정 장치(110)는 수학식 1을 사용하여
Figure pat00005
를 결정할 수 있다.
Figure pat00006
이때,
Figure pat00007
는 크라운 밀도 (stems/m2)이고, R은 크라운의 수평 반경이며,
Figure pat00008
일 수 있다.
그리고, 눈 알베도 결정 장치(110)는 수학식 2를 사용하여 Pwc를 결정할 수 있다.
Figure pat00009
다음으로, 눈 알베도 결정 장치(110)는 Pbc와 Pwc 및 식생 점유율 fveg를 이용하여 Pc를 결정할 수 있다. 이때, Pc는 직달 일사가 식생의 크라운들 사이 및 크라운 내의 공간을 통해 땅으로 도달할 수 있는 가능성을 수치화한 값일 수 있다. 예를 들어, 눈 알베도 결정 장치(110)는 수학식 3을 이용하여 Pc를 결정할 수 있다.
Figure pat00010
또한, 눈 알베도 결정 장치(110)는 Pbc를 이용하여 Kopen을 계산할 수 있다. 이때, Kopen은 산란 복사(diffuse radiation)가 식생의 크라운들 사이 내의 공간을 통해 땅으로 도달할 수 있는 가능성을 수치화한 값일 수 있다. 예를 들어, 눈 알베도 결정 장치(110)는 수학식 4를 이용하여 Kopen를 결정할 수 있다.
Figure pat00011
단계(420)에서 눈 알베도 결정 장치(110)는 산란 복사가 땅에 도달할 수 있는 가능성, 산란 복사의 알베도, 직달 일사의 알베도, 및 단계(410)에서 결정한 직달 일사가 땅에 도달할 수 있는 가능성을 기초로 눈 알베도를 결정할 수 있다.
예를 들어, 눈 알베도 결정 장치(110)는 수학식 5를 이용하여 눈 알베도인
Figure pat00012
를 결정할 수 있다.
Figure pat00013
이때,
Figure pat00014
와
Figure pat00015
는 각각 땅과 식생에 도달하는 직달 일사의 알베도 값이고,
Figure pat00016
와
Figure pat00017
는 각각 땅과 식생에 도달하는 산란 복사의 알베도 값일 수 있다.
본 발명은 광합성 하지 않는 잎과 광합성 하지 않는 가지의 면적을 고려하여 눈 알베도를 결정함으로써, 낙엽수림 및 혼합림과 같이 키가 큰 나무들이 존재하는 지역에서의 겨울철 눈 알베도를 개선 시킬 수 있다. 그리고, 본 발명은 개선된 눈 알베도를 지면 모델의 입력 정보로 사용함으로써, 지면 모델의 성능을 향상시킬 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
110: 눈 알베도 결정 장치

Claims (3)

  1. 식생에서 광합성 하지 않는 잎의 면적과 엽 면적 지수(LAI: Leaf Area Index)를 이용하여 잎 지수(LI: Leaf Index)를 결정하는 단계;
    식생에서 광합성 하지 않는 가지의 면적과 줄기 면적 지수 (SAI: Stem Area Index)를 이용하여 줄기 지수(SI: Stem Index)를 결정하는 단계; 및
    상기 잎 지수와 상기 줄기 지수를 이용하여 눈 알베도(snow albedo)를 결정하는 단계
    를 포함하는 눈 알베도 결정 방법.
  2. 제1항에 있어서,
    상기 눈 알베도를 결정하는 단계는,
    잎 지수(LI)와 줄기 지수(SI)를 이용하여 잎 면적 체적 밀도를 결정하는 단계;
    상기 잎 면적 체적 밀도를 기초로 직달 일사(direct solar radiation)가 땅에 도달할 수 있는 가능성을 결정하는 단계;
    산란 복사가 땅에 도달할 수 있는 가능성, 산란 복사의 알베도, 직달 일사의 알베도, 및 직달 일사가 땅에 도달할 수 있는 가능성을 기초로 눈 알베도를 결정하는 단계
    를 포함하는 눈 알베도 결정 방법.
  3. 식생에서 광합성 하지 않는 잎의 면적과 엽 면적 지수(LAI)를 이용하여 잎 지수(LI)를 결정하며,
    식생에서 광합성 하지 않는 가지의 면적과 줄기 면적 지수 (SAI)를 이용하여 줄기 지수(SI)를 결정하며,
    상기 잎 지수와 상기 줄기 지수를 이용하여 눈 알베도(snow albedo)를 결정하는 눈 알베도 결정 장치.
KR1020170065484A 2017-05-26 2017-05-26 생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법 KR20180129443A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170065484A KR20180129443A (ko) 2017-05-26 2017-05-26 생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170065484A KR20180129443A (ko) 2017-05-26 2017-05-26 생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20180129443A true KR20180129443A (ko) 2018-12-05

Family

ID=64743632

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170065484A KR20180129443A (ko) 2017-05-26 2017-05-26 생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR20180129443A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110411982A (zh) * 2019-07-04 2019-11-05 云南省水利水电勘测设计研究院 一种利用地面气象观测资料估算地表反照率的方法
CN115292616A (zh) * 2022-06-30 2022-11-04 北京大学 基于光谱不变理论的植被蓝天空反照率估算方法及装置
CN117634224A (zh) * 2024-01-24 2024-03-01 中国农业科学院农业资源与农业区划研究所 一种考虑非叶绿色器官的作物产量模拟调参方法和系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110411982A (zh) * 2019-07-04 2019-11-05 云南省水利水电勘测设计研究院 一种利用地面气象观测资料估算地表反照率的方法
CN110411982B (zh) * 2019-07-04 2021-09-24 云南省水利水电勘测设计研究院 一种利用地面气象观测资料估算地表反照率的方法
CN115292616A (zh) * 2022-06-30 2022-11-04 北京大学 基于光谱不变理论的植被蓝天空反照率估算方法及装置
CN117634224A (zh) * 2024-01-24 2024-03-01 中国农业科学院农业资源与农业区划研究所 一种考虑非叶绿色器官的作物产量模拟调参方法和系统
CN117634224B (zh) * 2024-01-24 2024-04-30 中国农业科学院农业资源与农业区划研究所 一种考虑非叶绿色器官的作物产量模拟调参方法和系统

Similar Documents

Publication Publication Date Title
Suits et al. Simulation of carbon isotope discrimination of the terrestrial biosphere
CN104063718B (zh) 在作物识别和面积估算中选择遥感数据和分类算法的方法
Piedallu et al. Efficient assessment of topographic solar radiation to improve plant distribution models
Liou et al. An application of the immersed boundary method for recovering the three-dimensional wind fields over complex terrain using multiple-Doppler radar data
CN108872964B (zh) 基于无人机LiDAR数据的银杏人工林郁闭度提取方法
KR20180129443A (ko) 생장이 종료된 식생의 구조적 특징을 반영한 눈 알베도 결정 장치 및 그 방법
Gu et al. Simulating 3-D radiative transfer effects over the Sierra Nevada Mountains using WRF
CN115952702B (zh) 一种基于forcchn模型和遥感数据的森林nep的计算方法
Lim et al. A land data assimilation system using the MODIS-derived land data and its application to numerical weather prediction in East Asia
Lee et al. Estimating the leaf area index of bell peppers according to growth stage using ray-tracing simulation and a long short-term memory algorithm
Kohnová et al. Future impacts of land use and climate change on extreme runoff values in selected catchments of Slovakia
CN114663786B (zh) 基于点云数据和计算机图形学的林分辐射通量计算方法
Baltensweiler et al. Modeling soil Acidity in Switzerland using spatial statistics tools
Preston et al. Simulation of chemical transport by Typhoon Mireille (1991)
Chen et al. Variation of gross primary productivity dominated by leaf area index in significantly greening area
Borges et al. Parameterization of the 3-PG model for eucalypt in the region of Cerrado in Minas Gerais State
Vujadinović et al. Impact of climate change on growing season and dormant period characteristics for the balkan region
KR20170062298A (ko) 풍속 내삽에 적용하기 위해 개선된 mk-prism 방법
CN109636018A (zh) 计算气温与气候因子遥相关关系的方法及装置
Kunkel et al. GCM simulations of the climate in the central United States
Asef et al. The effect of leaf area index and leaf area density on urban microclimate
Cao et al. Altimeter significant wave height data assimilation in the South China Sea using Ensemble Optimal Interpolation
Ortiz-Amezcua et al. Dynamics of the Atmospheric Boundary Layer over two middle-latitude rural sites with Doppler lidar
CN110717979A (zh) 一种基于光子追踪的大气与三维地表耦合辐射模拟方法
Bedareva et al. Estimation of aerosol absorption under summer conditions of Western Siberia from sun photometer data

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E601 Decision to refuse application