북극해에서 입자추적 방법을 이용한 유빙 추적 연구

박광섭; 김현철; 이태희; 손영백

추천

검색

자료유형: 학술저널

저자정보: 박광섭 김현철 이태희 손영백

저널정보: 대한원격탐사학회 대한원격탐사학회지 대한원격탐사학회지 제34권 제6호

발행연도: 2018.1

수록면: 1,299 - 1,310 (12page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 북극해에 분포하는 유빙의 움직임을 이해하기 위해 현장관측 자료와 입자 추적 방법을 사용하여 분포 및 이동경향을 분석하였다. 북극해에서 유빙의 움직임은 NOAA(National Oceanic and Atmospheric Administration)에서 제공하는 ITP(Ice-Tethered Profiler)의 자료 중에서 2009년부터 2018년 자료를 이용했다. 유빙의 유동은 각 연도별로 분류하고 각각의 ITP 자료를 이용하여 위치 및 속도를 분석하였다. 입자 추적은HYCOM(Hybrid Coordinate Ocean Model)과 ECMWF(European Centre for Medium-Range Weather Forecasts)에서 제공하는 일별 해류 및 바람 자료를 사용하여 2009년부터 2018년까지의 유빙의 움직임을 모의하였다. 북극해 전역에서 유빙의 이동경향을 분석하기 위해서 현장관측 자료인 ITP자료를 입력 자료로 이용하여 북극해에서 해류와 바람과의 관계식을 계산하여 라그랑지안 입자 추적을 수행하였다. 입자 추적 시뮬레이션은 해류에 의한, 그리고 해류와 바람에 의한 영향을 고려한 두 종류의 실험을 수행하였고, 대부분의 입자는 해류와 바람의 영향을 고려한 경우에 현장관측 자료와 동일하게 재현되었다. 북극해에서 유빙의 움직임은 바람의 영향을 고려한 관계식을 이용하여 재현되었고, 이를 이용하여 특정 연도의 유빙의이동경향을 분석하였다. 2010년의 경우 Arctic Oscillation Index(AOI)는 음의 해로 입자들은 보퍼트 환류(Beaufort Gyre)를 따라 명확하게 움직임을 보이고, 극점 인근에서는 상대적으로 더 빠른 속도를 나타낸다. 반면에 2017년의 경우 AOI는 양의 해로 대부분의 입자들은 Gyre에 크게 영향을 받지 않는 움직임을 보이며 보퍼트 해(Beaufort Sea) 인근에서 나타나는 이동속도 또한 상대적으로 감소하였고, 극점에서의 이동속도도 감소했다. 2010년과 2017년의 계절적 특징은 2010년도의 유빙의 이동속도는 동계(0.22 m/s)에 증가되고 춘계(0.16 m/s)에감소되며, 2017년의 경우 하계(0.22 m/s)에 증가되고 춘계(0.13 m/s)에 감소되었다. 결과적으로 입자추적 방법은 제한된 현장관측 자료를 대신하여 북극해에서 유빙의 분포 및 이동경향을 이해할 수 있는 방법으로 위성자료와 연계하여 장기적인 유빙의 탐지 및 이동경향을 이해하는 유용한 방법이 될 것이다.

In this study, we analyzed distribution and movement trends using in-situ observations and particle tracking methods to understand the movement of the drift ice in the Arctic Ocean. The in-situ movement data of the drift ice in the Arctic Ocean used ITP (Ice-Tethered Profiler) provided by NOAA (National Oceanic and Atmospheric Administration) from 2009 to 2018, which was analyzed with the location and speed for each year. Particle tracking simulates the movement of the drift ice using daily current and wind data provided by HYCOM (Hybrid Coordinate Ocean Model) and ECMWF (European Centre for Medium-Range Weather Forecasts, 2009-2017). In order to simulate the movement of the drift ice throughout the Arctic Ocean, ITP data, a field observation data, were used as input to calculate the relationship between the current and wind and follow up the Lagrangian particle tracking. Particle tracking simulations were conducted with two experiments taking into account the effects of current and the combined effects of current and wind, most of which were reproduced in the same way as in-situ observations, given the effects of currents and winds. The movement of the drift ice in the Arctic Ocean was reproduced using a wind-imposed equation, which analyzed the movement of the drift ice in a particular year. In 2010, the Arctic Ocean Index (AOI) was a negative year, with particles clearly moving along the Beaufort Gyre, resulting in relatively large movements in Beaufort Sea. On the other hand, in 2017 AOI was a positive year, with most particles not affected by Gyre, resulting in relatively low speed and distance. Around the pole, the speed of the drift ice is lower in 2017 than 2010. From seasonal characteristics in 2010 and 2017, the movement of the drift ice increase in winter 2010 (0.22 m/s) and decrease to spring 2010 (0.16 m/s). In the case of 2017, the movement is increased in summer (0.22 m/s) and decreased to spring time (0.13 m/s). As a result, the particle tracking method will be appropriate to understand long-term drift ice movement trends by linking them with satellite data in place of limited field observations.

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

박광섭

소속기관 대한원격탐사학회

주요연구분야 자연과학 > 기타 자연과학

논문수 2 이용수 30

김현철

소속기관 대한원격탐사학회

주요연구분야 자연과학 > 기타 자연과학

논문수 1 이용수 6

이태희

소속기관 대한원격탐사학회

주요연구분야 자연과학 > 기타 자연과학

논문수 1 이용수 6

손영백

소속기관 한국해양과학기술원

주요연구분야 자연과학 > 기타 자연과학

논문수 10 이용수 180

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

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)