딥러닝 기법을 이용한 에어러솔 복사강제력 산출

표성훈; 이권호

doi:10.5572/KOSAE.2022.38.5.669

추천

검색

질문

자료유형: 학술저널

저자정보: 표성훈 (강릉원주대학교) 이권호 (강릉원주대학교)

저널정보: 한국대기환경학회 한국대기환경학회지(국문) 한국대기환경학회지 제38권 제5호

발행연도: 2022.10

수록면: 669 - 686 (18page)

DOI: 10.5572/KOSAE.2022.38.5.669

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2022

딥러닝 기법을 이용한 에어러솔 복사강제력 산출

표성훈 , 이권호 한국대기환경학회 학술대회논문집 2022.10 학술대회자료

딥러닝 기법을 이용한 에어러솔 복사강제력 산출

표성훈 , 이권호 한국대기환경학회지(국문) 2022.10 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

In this study, we propose a new method to determine aerosol radiation forcing (ARF) by building the Deep Learning based ARF (DL_ARF) model. For the best optimization of the deep learning structures used in the DL_ARF, performances with the different layers used in the deep neural network were evaluated. The DL_ARF uses only two input data of aerosol optical depth (AOD) and solar zenith angle (SZA) and it has a very fast calculation speed compared to the typical radiative transfer model’s running time. In addition, accuracy of the DL_ARF was verified by comparing the ARF determined by DL_ARF and by the typical radiative transfer model based ARF (RTM_ARF) results. These comparisons showed very good correlation between DL_ARF and RTM_ARF (slope=1.04~1.06, r=0.95~0.97) and high accuracy (bias=0.68~2.03 W/m², RMSE=6.51~8.41 W/m²) was obtained. The ARF calculation time of DL_ARF was significantly shortened compared to the ARF calculation time of the radiative transfer model. The aerosol radiation forcing efficiency (ARFE) of Seoul and Gangneung was calculated and compared by applying the DL_ARF model developed in this study. As a result, ARFE in Gangneung and Seoul are -1.22 W/m²∕τ, -1.03 W/m²∕τ, respectively. Interestingly, ARFE in Gangneung is 18.4% lower than Seoul because aerosols in Gangneung have less single scattering albedo (SSA) values than Seoul indicating the more absorbing aerosols. DL_ARF can be effectively used to provide real-time data needed to study complex surface atmospheric motion and climate change.

#Aerosol Optical Depth #Aerosol Radiation Forcing #Deep learning #Deep Neural Network

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

표성훈

소속기관 강릉원주대학교

주요연구분야 자연과학 > 지구과학 > 대기과학

논문수 4 이용수 244

이권호

소속기관 국립강릉원주대학교

주요연구분야 자연과학 > 지구과학 > 대기과학 TOP 1% 자연과학 > 물리학

논문수 147 이용수 10,820

이 논문과 함께 이용한 논문

미세먼지 농도 예측을 위한 머신러닝 기법의 정확도 분석

김영일 , 이권호 한국대기환경학회지(국문) 2023 .04

2000년부터 2022년 기간 동안 북극 지역의 에어로솔 복사강제력 강화

이권호 , 이규태 한국대기환경학회지(국문) 2023 .12

대기오염물질의 실시간 단기 예측을 위한 머신러닝 기법의 적용 및 평가

김영일 , 이권호 , 박승한 한국대기환경학회지(국문) 2023 .02

UM모델 기후 장기적분에서의 에어로졸-구름 상호작용 및 복사에너지 강제력 재현 성능 검증

강우석 , 이명인 , 최낙빈 한국기상학회 학술대회 논문집 2022 .10

밀폐형 버스정류장 내외부 대기오염물질 조사

이가혜 , 황규철 , 박세찬 외 9명 한국대기환경학회지(국문) 2023 .02

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)