KCI우수등재
SCOPUS
딥러닝 기법을 이용한 에어러솔 복사강제력 산출 = Estimation of Aerosol Radiative Forcing Using Deep Learning Technique
저자
발행기관
학술지명
한국대기환경학회지(Journal of Korean Society for Atmospheric Environment)
권호사항
발행연도
2022
작성언어
Korean
주제어
등재정보
KCI우수등재,SCOPUS,ESCI
자료형태
학술저널
발행기관 URL
수록면
669-686(18쪽)
DOI식별코드
제공처
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.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)