Representation of Vegetation Effects on Snow-Covered Albedo in the Noah Land Surface Model with Multiple Physics Options

Abstract

Snow albedo plays a critical role in calculating the energy budget, but parameterization of snow surface albedo is still greatly uncertain. It varies with snow grain size, snow cover thickness, snow age, and other variables. The structure and density of forest also affect snow albedo, because it is hard to completely cover whole forest with snow. Thus, a spatial distribution of albedo generally follows the patterns of land cover types. In land surface models, it has been difficult to quantify the surface albedo with snow cover because of the shading effects of canopy. In the Noah-MP, all vegetation types have the minimum values of LAI and SAI in most of winter, which are too low and do not consider the vegetation type. Because LAI and SAI are dealt with as photosynthetic activeness, in winter, there is little vegetation effect on surface albedo with only these parameters. Thus, we investigate the vegetation effects on snow-covered albedo from observation data and then evaluate how the model is improved by applying the vegetation effect. We found that albedo calculation without proper regard to the vegetation effect is mainly responsible for the large positive bias in winter. Therefore, we developed a method to introduce new parameters as LI and SI, for quantifying all leaves and stems that have an effect of vegetation structure on the winter albedo. As a result, the Noah-MP’s performance in albedo has been significantly improved - RMSE of albedo is reduced by approximately 73%.;눈 반사도는 지면의 복사 및 에너지의 균형을 변화시키기 때문에 알베도 계산에서 중요한 역할을 하고 있다. 하지만, 수치모델에서 눈 반사도를 모수화하는 것은 여러 불확실성을 포함하고 있는데, 눈 자체의 물리적 특성뿐만 아니라 눈이 덮이는 지면의 상태 또한 그 요소가 된다. 나지의 경우 눈이 조금만 내리더라도 땅 전체가 눈에 덮이게 되는데, 나무가 있는 경우는 나무가 다 덮이기 위해서 나무의 키보다 더 많은 양의 눈이 내려야 한다. 그렇게 때문에 나무가 있는 대부분의 지역에서는 땅 위에 쌓인 눈이 나무의 수직적 구조에 의한 그림자 효과를 가지게 된다. 선행 연구들에서 지상 및 위성 관측을 통하여 식생의 분포와 눈 덮인 땅의 알베도가 유사한 공간적 패턴을 보인다고 하였다. 그러나, 실제적으로 많은 지면 모델들은 알베도를 계산하는데 식생 효과를 고려하지 않거나, 비현실적인 식생 지수들을 사용하고 있다. 본 연구에서는 지면 모델인 Noah-MP의 정확한 알베도 계산을 위해, 인공 위성 관측 자료를 이용하여 알베도를 계산하는데 중요한 눈 덮임과 적설 상당 수량과 식생과의 관계 및 알베도와 식생의 관계를 밝히고 이를 바탕으로알베도 계산에 현실적인 식생 지수를 반영하였다. 인공 위성 관측으로 짧은 식생에 비해 큰 식생이 동일 적설 상당 수량으로 눈이 덮이는 지역이 좁고 알베도 또한 낮은 것을 알 수 있었다. 즉, 식생이 겨울철 알베도에 영향을 끼침을 확인할 수 있었다. Noah-MP에서 알베도를 계산할 때 고려하는 잎 면적 지수와 줄기 면적 지수는 일반적인 잎과 가지가 아닌 광합성을 할 수 있는 구조만을 설명하는 지수로, 겨울철 알베도를 계산하는 데 중요한 전체 식생의 구조를 반영할 수 없다. 그렇기 때문에 새로운 개념의 파라미터, Leaf Index (LI)와 Stem Index (SI)를 적용하였다. LI는 지상 관측값으로 주었고, SI는 모델 내에서 최적화 시켜주었다. 알베도는 SI의 증가와 함께 줄어드는데, 태양천정각에 의해서도 영향을 받는다. SI가 상대적으로 작은 경우, 그림자 효과가 가장 작은 정오에 알베도가 가장 크지만 SI가 큰 경우는 그림자 효과가 나타날 수 있는 땅의 면적 자체가 줄어들기 때문에 일반적인 경우와 마찬가지로 수평선 근처에 해가 있을 때 알베도가 가장 크게 된다. 이러한 것을 모델에서도 잘 보여주고 있다. 새롭게 적용한 SI로 모델을 모의한 결과 알베도 계산에 큰 개선을 이뤘다. 결론적으로, 본 연구를 통해 알베도 모의에 있어서 식생의 물리적, 구조적 특징이 중요한 역할을 한다고 볼 수 있다.