The Korean Meteorological Society
[ Article ]
Atmosphere - Vol. 29, No. 3, pp.311-324
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Sep 2019
Received 10 Jun 2019 Revised 20 Aug 2019 Accepted 08 Sep 2019
DOI: https://doi.org/10.14191/Atmos.2019.29.3.311

영동지역에서 눈결정 카메라를 활용한 눈결정의 정량 분석

김수현1) ; 고대홍1) ; 성대경2) ; 은승희1) ; 김병곤1), * ; 김백조3) ; 박창근3) ; 차주완4)
1)강릉원주대학교 대기환경과학과
2)국립환경과학원 기후대기연구부
3)국립기상과학원 재해기상연구센터
4)국립기상과학원 응용기상연구과
Quantitative Analysis of Snow Particles Using a Multi-Angle Snowflake Camera in the Yeongdong Region
Su-Hyun Kim1) ; Dae-Hong Ko1) ; Dae-Kyung Seong2) ; Seung-Hee Eun1) ; Byung-Gon Kim1), * ; Baek-Jo Kim3) ; Chang-Geun Park3) ; Ju-Wan Cha4)
1)Department of Atmospheric Environmental Sciences, Gangneung-Wonju National University, Gangneung
2)Climate and Air Quality Research Department, National Institute of Environmental Research, Incheon
3)High Impact Weather Research Center, National Institute of Meteorological Sciences, Gangneung
4)Applied Meteorology Research Division, National Institute of Meteorological Sciences, Jeju

Correspondence to: * Byung-Gon Kim, Department of Atmospheric Environmental Sciences, Gangneung-Wonju National University, 7, Jukheongil, Gangneung, Gangwon 25457, Korea. Phone: +82-33-640-2326, Fax: +82-33-640-2320 E-mail: bgk@gwnu.ac.kr

Abstract

We employed a Multi-Angle Snowflake Camera (MASC) to quantitatively analyze snow particles at the ground level in the Yeongdong region of Korea. The MASC captures high-resolution photographs of hydrometeors from three angles and simultaneously measures fallspeed. Based on snowflake images of the several episodes in 2017 and 2018, we derived statistics of size, aspect ratio, orientation, complexity, and fallspeed of snow crystals, which generally showed similar characteristics to the previous studies in other regions of the world. Dominant snow crystal habits of January 22, 2018 generated by northerly were melted aggregates when 850 hPa temperature was about −6~−8oC. Average fallspeed of snow crystals was 1.0 m s−1 though its size gradually increased as temperature decreased. Another snowfall event (March 8, 2018) was driven by the baroclinic instability as accompanied with a deep trough. Snow crystal habits were largely rimed aggregates (complexity ~1.8) and melting particles of dark images. Meanwhile, in the extreme snowfall event whose snow rate was greater than 10 cm hr−1 on January 20, 2017, main snow crystals appeared to be heavily rimed particles with relatively smaller size when convective clouds developed vertically up to 9 km in association with tropopause folding. MASC also could successfully measure a decrease in snow crystal size and an increase in riming degree after AgI seeding at Daegwallyeong on March 14, 2017.

Keywords:

Snow crystals, snowflake camera, riming, aggregate, ESSAY

1. 서 론

눈결정은 강설을 구성하는 기본 요소로서 구름 미세물리 과정에서 중요한 역할을 하고, 눈결정 형태와 표면의 상태에 따라 빛의 산란 및 흡수 특성이 변할 수 있기 때문에 개개 눈결정의 이해는 중요하다(Kim et al., 2018b). 눈결정의 형태와 반사도는 가시 및 적외 영상 분석이나 지상 레이더의 반사도 분석을 통한 강설량 추정에도 영향을 줄 수 있다(Grazioli et al., 2015). 한편 눈결정의 크기와 결착(riming) 정도에 따라 낙하속도가 달라지기 때문에(Locatelli and Hobbs, 1974), 수치모델에서 예측되는 강설의 강도와 위치는 눈결정 종류(habit)에 따라 달라질 수 있다(Lin et al., 2011; Garrett et al., 2014). 하지만 현재 대부분의 수치예보모델에서는 눈결정 종류에 따른 낙하속도를 제대로 모의하고 있지 않기 때문에 강설예보에 오차를 유발할 수 있다. 뿐만 아니라 눈결정의 성상은 눈 밀도에도 영향을 주어 비닐하우스나 가건물 파괴 등의 재해를 일으킬 수 있고, 눈결정 성상에 따라서 도로 표면에 어는 비(freezing rain)를 유발하여 겨울철 연쇄 교통사고를 발생시킬 수도 있다. 동계스포츠의 경우에도 눈결정 종류에 따라 달라지는 설질에 의해 선수들의 기록에 영향을 주기 때문에 눈결정 정보는 경기 운영에 활용되고 있다.

이와 같은 눈결정 입자의 중요성 때문에 다양한 연구에서 편광(polarimetric) 레이더를 활용하여 눈결정 크기, 형태(shape), 성상(phase) 그리고 방향성(orientation) 등을 분석한 바 있다(Chandrasekaer et al., 2013; Besic et al., 2016). Moss and Johnson (1994)는 광학 배열 측기(optical array probe)를 이용하여 이진(Boolean) 결정 구조로 눈결정을 세분화한 반면에, Heymfield et al. (2002)는 눈결정의 최대길이와 표면적 비를 비교하는 알고리즘을 이용하여 형태를 분류하는 방법을 적용하였다. Grazioli et al. (2015)은 구름과 에어로졸 특성 관측(Cloud and Aerosol Characterization Experiment) 캠페인 결과를 통해서 결착이 강설량 증가에 중요한 역할을 한다고 주장하였다.

기존 연구에 따르면 눈결정의 기본적인 형태는 온도와 과포화도에 의하여 나뭇가지(dendrite), 바늘(needle), 기둥(column), 육각판(hexagonal plate) 등의 다양한 형태를 생성하게 된다(Nakaya et al., 1938; Magono and Lee, 1966; Bailey and Hallett, 2009). 생성된 눈결정은 과냉각 수적에서 증발된 수증기의 침적(deposition)이나 과냉각 수적과 이미 생성된 빙정과 결착(riming), 그리고 빙정 입자들끼리의 부착(aggregate) 등으로 크기가 증가하게 된다. Oue et al. (2016)은 구름레이더를 통해 수증기 확산에 의한 빙정의 성장, 결착과 부착에 의한 발달 과정을 설명한 바 있다. Garrett et al. (2014)는 구름의 두께, 온도, 난류 등에 따른 눈결정결착정도가 낙하속도의 차이를 유발하고 나아가 강설량의 차이를 초래할 수 있다고 주장하였다. 하지만 이러한 다양한 연구결과에도 불구하고 겨울철 찬구름과 고체형 강수의 복잡한 미세물리과정은 여전히 풀어야 할 난제로 남아 있다.

국내에서는 이러한 겨울철 찬구름의 발달과 강설 메커니즘 이해를 위해 기본적으로 요구되는 눈결정 종류(habit) 구분과 눈결정 크기나 낙하속도 등의 정량적인 분석은 부족한 실정이다. 국내에서는 Seo et al. (2015)이 영동지역 강설 집중관측 캠페인(ESSAY: Experiment on Snow Stroms At Yeongdong)의 일환으로 강릉지역에서 스마트폰을 이용하여 나뭇가지형(dendrite) 눈결정이 약 70% 정도로 빈도가 높은 것을 관측하였으며 더불어 구름의 두께가 두꺼울수록 다양한 눈결정과 결착(rimed)정도가 증가하는 경향을 확인한 바 있다. Lee et al. (2015)은 Parsivel과 2-Dimensional Video Disdrometer (2DVD)를 이용하여 눈결정을 분류하고 하층대기의 열역학 구조를 분석한 바 있다. 최근 Kim et al. (2018b)은 영동지역에서 스마트폰을 활용한 눈결정 사진과 구름모의실험(Cloud Resolving Storm Simulator) 결과를 통해 눈결정 형태가 850 hPa 온도에 크게 의존하는 것을 보인 바 있다.

본 연구에서는 Seo et al. (2015)Kim et al. (2018b)에서 제시된 지상에 낙하한 눈결정의 정성 분석방법을 보완하기 위하여 공중에서 눈결정을 자동으로 촬영할 수 있는 Multi-Angle Snowflake Camera (MASC)를 도입하여 눈결정을 촬영하고 그 사진을 정량 분석하였다. Garrett et al. (2012)Praz et al. (2017)에서 제안한 MASC 활용 눈결정 사진 영상처리(image processing) 기법을 통하여 영동지역 강설시 눈결정의 형태학적인 분류 및 다양한 물리 변수들의 정량적 특성을 제시하고자 한다.


2. 연구방법

2.1 관측개요 및 눈결정 카메라

강릉원주대학교에서는 2014년부터 겨울마다 강설 집중관측 캠페인(Experiment on Snow Storms At Yeongdong: ESSAY)을 수행 중에 있는데, 주로 강릉과 대관령에서 다양한 원격관측장비와 라디오존데 관측을 통하여 강설 시 대기 열역학적인 구조와 강설 구름 및 눈결정을 관측하는 캠페인이다. 본 연구에서는 눈결정의 정량적인 분석을 위해서 Seo et al. (2015)에서 제시된 확대경을 부착한 스마트폰 촬영 방법과 더불어 공중에서 낙하하는 눈결정을 자동으로 촬영할 수 있는 MASC (Multi-Angle Snowflake Camera) 촬영 분석방법이 함께 적용되었다. ESSAY의 구체적인 관측방법론은 Seo et al. (2015)에 제시되어 있으며 본 논문에서는 MASC 활용 눈결정 정량 분석이 추가되었다.

국내에 처음 적용된 MASC 분석 방법은 기존 스마트폰 촬영방법에서 나타나는 눈결정이 지면에 떨어지면서 파손되거나 녹는 단점을 보완할 수 있고 사진의 영상처리를 통하여 눈결정 형태 및 크기변수들을 계산할 수 있을 뿐만 아니라 낙하속도를 산정할 수 있는 장점이 있다. 강설 시 MASC는 눈결정이 땅에 도달하기 전에 공중에서 바로 촬영할 수 있다. 눈결정이 가운데가 뚫린 MASC 10각형 틀(frame) 안쪽으로 낙하할 때 틀 상단에 위치한 적외선 센서와 교차하는 부분을 통과하게 되면, 36o 각도로 배치된 3대의 카메라가 낙하하는 눈결정을 각각 세 방향에서 촬영한다(Fig. 1). MASC 장비는 근적외선 방출기와 검출기에 의해 낙하하는 눈결정을 감지하고 사진 촬영이 가능하다. MASC는 1/25000초의 속도로 1048 × 1248 픽셀의 사진 크기(1.3백만 픽셀)의 고해상도(34 μm/pixel) 사진 촬영이 가능하며, 이에 해당하는 수평적인 시야(field of view)와 심도(field of depth)는 각각 35.7 mm와 13.4 mm이다. 카메라의 상단에는 낮은 전압과 겨울철의 추운 환경에서도 장시간 사용 가능한 LED가 설치되어 있어 주변의 밝기에 상관없이 눈결정 촬영이 가능하다. 그리고 MASC는 눈결정 촬영 외에도 눈결정의 낙하속도를 측정할 수 있는데, 상단에 위치한 적외선센서의 교차구역과 하단의 교차구역을 통과하는 시간을 이용하여 낙하속도가 계산된다. 참고로 상단과 하단 교차구역의 거리는 32 mm이다. MASC는 USB-RS232 변환기로 연결된 컴퓨터에 의해 작동되며, 촬영된 사진은 바로 컴퓨터로 전송된다. MASC의 간단한 사양은 Table 1에 제시한다.

Fig. 1.

Schematic diagram of MASC (Multi-Angle Snowflake Camera), and a picture of MASC and smartphone photographing on the roof of Atmospheric Science Building at Gangneung-Wonju National University (GWNU) in the ESSAY campaign.

Lens and camera parameters for the Multi-Angle Snowflake Camera (MASC).

2.2 눈결정 분석방법

본 연구에서는 전체 ESSAY 기간 중 2017년부터 2018년까지 겨울철에 관측한 5개 강설 사례를 정리하여 Table 2에 제시하였다. 일차적으로 MASC를 이용하여 촬영된 눈결정은 사진 1장당 한 개의 눈결정만 잘라 낸(crop) 후 분석하였다. 추가로 초점이 잘 맞지 않아 어둡고 화소의 경도가 흐릿한 사진들은 정량 분석에서 제외하였다. 구체적으로는 눈결정 화소 주변(3 × 3) 컬러코드(color code)의 표준편차가 2%(0-255 컬러코드에서 5에 해당)보다 작은 사진들은 정량 분석에서 제외하였다. 눈결정의 분류 및 정량분석방법의 흐름도를 간단히 정리하여 Fig. 2에 제시하였다.

Summary of snow crystal measurement with MASC in 2017 and 2018 at Gangneung and Daegwallyeong.

Fig. 2.

Flowchart of classification of hydrometeor types and calculation of variables (Dmax, req, fallspeed, complexity, and aspect ratio) using snowflake images taken by MACS.

1차 심사를 통과한 사진들은 Praz et al. (2017) 방법에 기반하여 눈결정의 형태학적 특징을 분류하였다. Praz et al. (2017)Magono and Lee (1966)이 도입한 방법을 기본으로 하여 두 개 이상 입자들이 부착된 Aggregate (AG), 작은 입자들을 총칭하는 Small Particle (SP), 바늘과 컬럼 모양 입자 Columnar Crystal (CC), 편평한 판 모양 Planar Crystal (PC), CC와 PC의 여러 조합(CPC), 그리고 마지막으로 싸락눈 Graupel (GR) 등, 총 6가지 눈결정으로 분류하였다. Figure 3은 6가지 분류방법에 따른 눈결정 예시를 보여준다.

Fig. 3.

Examples of six snowflake images belonging to each hydrometeor type (Small Particle: SP, Columnar Crystal: CC, Planar Crystal: PC, Combination of column and Plate Crystal: CPC, Aggregate: AG, Graupel: GR) adapted from MASC (Adapted from Praz et al., 2017).

눈결정의 정량 분석방법은 관측된 사진 화소의 밝기를 이용하여 눈결정의 모양을 구분하고, 눈결정의 지름, 둘레, 넓이 등을 수치화 하여 분석하는 것이다. 세 방향으로 촬영된 눈결정 각각의 최대 지름(maximum diameter), 종횡비(aspect ratio), 방향성(orientation), 유효 반지름(equivalent radius), 복잡도(complexity)를 계산한 후 평균을 취한다. 먼저 최대 지름은 눈결정의 가장 긴 부분의 길이를 의미하며, 종횡비는 최대 지름과 최소 지름의 비율을 나타내며, 유효 반지름은 눈결정의 면적을 원으로 가정하였을 때 원의 반지름을 나타낸다(식 (1)). 방향성은 눈결정의 수평축에 대해 입자의 긴 부분이 기울어진 각도로서 눈결정 낙하 방향을 의미한다. 복잡도는 유효 반지름에 대응하는 원주의 길이와 이미지 분석을 통하여 분석된 눈결정사진의 둘레의 길이와의 비율을 나타낸다(식 (2)).

req=σπ(1) 
χ=P2πreq(2) 

여기에서 req는 유효 반지름, σ는 눈결정의 단면적, χ는 복잡도, P는 눈결정 둘레의 길이를 나타낸다. χ가 1이면 구를 의미하고, 값이 크면 눈입자 형태가 복잡한 부착형을 의미한다.

2.3 눈결정 비교

눈결정의 정량적인 분석에 앞서 눈결정 성상과 크기 등의 비교를 위하여 동 시간대(1분 이내) 스마트폰 카메라로 촬영한 눈결정과 MASC로 촬영된 눈결정의 형태와 크기를 제시하였다(Fig. 4). Figure 4의 왼쪽 사진들은 2017년 3월 14일 대관령에서 11시와 12시에 MASC와 디지털 카메라(Canon 650D)로 찍은 것이다. 우선 11시에는 2~4 mm 크기의 둥근 모양 결착형 눈결정이 주로 관측되었는데, 지상에 낙하한 눈결정을 찍은 디지털 카메라 촬영에서도 동일한 크기의 결착형 입자들이 확인되었지만 지면에 충돌하면서 다소 크기가 감소한 경향이 있다. 한 시간 이후에는 나뭇가지형 눈결정이 부착되거나 결착되어 10 mm 이상으로 크게 성장한 입자들이 MASC와 디지털 카메라 촬영 모두에서 확인되었다. 오른쪽 사진은 2018년 1월 22일 강릉에서 MASC와 스마트폰으로 촬영된 눈결정을 비교한 것인데, 17시에 MASC에 찍힌 눈결정은 약 10 mm 정도로 크게 성장한 부착형(aggregate) 눈결정이 지상 부근에서 약간 녹은 상태로 검게 나타났고, 이들이 지면에 충돌하면서 약 3~5 mm 크기로 분리되어 스마트폰에 촬영되었다. 20시에 촬영된 눈결정에서도 눈결정 모양이나 크기는 17시와 유사하나 온도 하강에 따라 눈결정의 녹은 정도가 줄어들어 하얗고 밝게 촬영되었다.

Fig. 4.

Comparison of snowflake images taken by the MASC with a digital camera (Left pics), and that of MASC with a smartphone (Right pics). Each picture was taken by MASC in the upper panel, followed by a smartphone picture taken at the same time.


3. 연구결과

3.1 강설 및 눈결정 전반적 특성

강설 기간 중 다른 변수들에 비하여 눈결정 형태에 가장 의존하는 변수는 복잡도이다. Garrett et al. (2014) 방법을 참고하여 결착정도에 따라 복잡도를 3 등급으로 구분하였고, 2017년부터 2018년까지 5가지 강설 사례들의 눈결정 복잡도에 따라 분류한 눈결정 사진을 Fig. 5에 제시하였다. 복잡도(χ)가 1.35 이하 범위에 해당하는 눈결정은 둥근 모양의 결착형 입자들이 대부분이며 일부 싸락눈들을 확인할 수 있었고, χ가 1.75 이상인 범위에서는 눈입자 크기도 크면서 형태가 복잡하고 불규칙한 부착형 입자들이 대부분을 차지하였다. 중간 범위에는 결착형과 부착형 입자들이 혼재하는 경향이 있었다. 즉, 결착은 눈입자 표면을 부드럽고 둥글게 만드는 경향이 있기 때문에 χ를 낮추는(복잡도 감소) 효과가 있다.

Fig. 5.

Snowflake images classified as complexity (χ ≤ 1.35, 1.35 < χ < 1.75, and χ ≥ 1.75) for the five snowfall events in 2017 and 2018.

Table 3은 전체 사례에 대한 최대 지름(Dmax), 유효 반지름(req), 종횡비(α), 방향성(θ), 복잡도(χ) 그리고 낙하속도(υ)의 통계값을 정리한 것이다. 이 중에서 눈결정 크기 변수(Dmax, req), 복잡도(χ)와 낙하속도(υ)의 크기별 빈도 분포를 Fig. 6에 제시하였다. 그리고 분석 가능한 눈결정 사진 개수가 부족한 2개 사례를 제외한 3개 사례의 주요 변수의 크기별 빈도분포도 함께 제시하였다. 전반적으로 눈결정 최대 지름과 유효 반지름의 평균값은 각각 1.1~4.3 mm, 0.5~1.5 mm 수준으로 Garrett et al. (2014)Praz et al. (2017) 관측결과와 유사하게 나타났다. 복잡도는 1.1~1.8 수준으로(참고로 구형 입자의 복잡도는 1) 영동지역 강설 입자는 전반적으로 둥근 형태이지만(최빈값이 1.2), 복잡도가 2 정도의 다양한 부착형 눈입자도 다수 관측되었다. 눈결정의 형태 변수인 방향성(orientation)은 36.0~41.5o로 일정한 수준이지만 종횡비는 0.6~0.9로 변동성이 큰 편이었다. 평균 낙하속도는 1.0~1.5 m s−1로 나타났지만 0.5~2.0 m s−1 범위에 상당히 넓게 분포하였다. 선행 연구결과와 비교할 때 영동지역 강설 입자들의 낙하속도가 전반적으로는 비슷한 수준이지만 변동폭은 크게 나타났다. 2017년 1월 20일 사례의 경우는 눈결정 크기(Dmax, req)는 전체 평균에 비해 작았고 낙하속도 역시 작은 경향이었지만 복잡도는 평균 크기분포와 유사하였다. 이는 본 사례가 천둥과 번개를 동반한 초단기 폭설사례로서 결착형의 작은 눈결정 입자들의 빈도가 높게 관측되었기 때문으로 추정된다. 강설 구름의 높이가 약 9 km까지 성장하여 시간당 약 10 cm 강한 강설이 관측되었는데 이 과정에서 상대적으로 작은 크기의 결착형 입자들이 다수확인되었다(3.3절 참조). 반면에 2017년 3월 14일과 2018년 1월 22일 눈결정 크기와 복잡도는 전체 평균 분포도에 비해 우측(큰 쪽)으로 치우쳐 있어 대체로 입자가 크고 복잡도 역시 큰 경향이었는데, 이는 눈입자들이 부착되어 크기가 증가하고 복잡한 형태의 입자가 다수 존재하였음을 의미한다. 각 개별 사례들에 대한 구체적인 설명은 3.3절에서 제시될 예정이다.

Statistics of Dmax, req, χ, orientation, aspect ratio, and fallspeed of snow crystals observed in 2017~2018.

Fig. 6.

Probability distributions of maximum dimension (Dmax, equivalent radius (req), complexity (χ), and fallspeed of snow particles based on 128,269 images obtained at Gangneung and Daegwallyeong for the whole snowfall events in 2017 and 2018. Those of three episodes are demonstrated together on Jan 20 and Mar 14, 2017, and Jan 22, 2018.

Figure 7은 복잡도에 따른 눈결정 입자크기 분포와 낙하속도의 빈도분포를 나타낸 것이다. 복잡도가 1.75보다 큰 범위에 속한 눈결정은 크기는 큰 쪽으로, 반면에 1.35보다 작은 구형에 가까운 입자들은 작은 크기 쪽으로 치우쳐 있다. 즉, 눈결정의 복잡도가 증가할수록 낙하속도가 약간 증가하는 경향이 있었다. 반면에 결착형에 가까운 눈결정들(주로 복잡도(χ)가 작은 입자)이 입자크기와 낙하속도 모두 왼쪽으로 약간 치우쳐 있어 결착형 입자들이 입자크기도 작고 낙하속도 역시 작은 경향이 있음을 알 수 있었다. 이는 Garrett et al. (2014)이 미국 유타 Wasatch 산악지역에서 관측한 연구결과와 비교할 때 결착형 입자들의 낙하속도가 부착형 입자들에 비해 크게 나타난다는 관측 결과와 상반되는 것이다. 현재 본 연구에서 활용한 눈결정 정량 분석은 실제 대기 중에서의 낙하속도를 측정하는 방법으로서 주변 강한 풍속이나 난류 등의 대기환경에 영향을 많이 받고 있기 때문에 눈결정의 밀도에 따른 낙하속도를 제대로 반영하지 못하여 복잡도에 따른 낙하속도 의존도가 기존의 관측결과와 다르게 나타난 것으로 추정된다. 또한 영동지역은 겨울철 강설시에 녹는 눈(melting snow)이 빈번하게 관측되는 경향이 있는데, 이는 눈결정의 크기가 큰 경우에 눈의 밀도를 증가시키기 때문에 낙하속도 역시 증가하였을 것으로 추정된다.

Fig. 7.

Probability distribution of maximum dimension Dmax (left) and fallspeed υ (right) normalized and categorized according to complexity χ in 2017 and 2018.

3.2 눈결정 정량 분석

Seo et al. (2015)의 스마트폰 눈결정 사진 분석결과에 의하면 영동지역 눈결정은 주로 나뭇가지(dendrite) 부착형(aggregate) 혹은 결착형(riming) 입자들이 대부분이었다. 한편 Kim et al. (2018b)에 의하면, 영동지역 강설 시 하층에서 북풍 내지 북동풍과 함께 한기가 유입되면서 강설이 시작되는 경향이 있기 때문에 온도가 점차 하강하는 경향이 있다. 그래서 강설 초기 결착형 입자가 온도 하강에 따라 부착형 눈결정으로의 변하는데, 이는 상대적으로 따뜻한 강설 초기에 과냉각 수적의 존재 가능성이 증가하기 때문에 결착 눈결정 발생빈도가 증가하는 것으로 추정된다. 또한 강설이 진행되는 동안 온도 하강에 의해 나뭇가지형(dendrite) 입자가 주로 형성되고 더불어 부착 가능성이 증가하는 것으로 판단된다. Figure 8은 2018년 1월 22일 강설 사례에 대해 눈결정 분류, 눈결정 최대 지름, 낙하속도, 복잡도 그리고 종횡비의 시간변화를 나타낸 것이다. 그림 아래에는 MASC로 촬영된 각 시간대의 주요 눈결정 사진을 함께 제시하였다. 눈결정 분류를 살펴보면 부착형(aggregates) 눈결정의 빈도가 전반적으로 크게 나타났는데 이는 Seo et al. (2015) 관측 결과를 뒷받침하는 것이다. 강설 초기에는 작은 입자 빈도가 높게 나타났지만 이후 감소하는 경향을 보였고, 눈입자의 최대 지름은 시간이 경과함에 따라 증가하는 경향을 보였다. 눈결정의 최대 크기는 1.0~10.0 mm 범위로 변동성이 큰 반면에 평균 낙하속도는 1.0 m s−1이었다. MASC 사진(Fig. 8 아래)에 의하면 나뭇가지형, 바늘모양, 컬럼 등의 입자들이 서로 부착된 눈결정이 주로 관측되어 눈결정 복잡도가 대부분 1.3~2.0으로 3.1절에서 제시된 평균 값보다 큰 수준이었다. 또한, 부착형 눈결정에 상당 부분 결착이 일어났고, 사진이 어둡게 나타난 것으로 판단하건데 눈결정이 대기 하층을 통과하면서 녹았음을 의미한다. 강설이 관측된 17시부터 21시까지 지상온도는 0oC 이상이었고 이후 온도가 감소하여 영하의 온도를 보였다(눈결정 사진이 점점 밝게 나타나고 있음).

Fig. 8.

Time series of proportions of each hydrometeor type, maximum dimension, fallspeed, complexity, aspect ratio and corresponding main snow crystal images taken on Jan 22, 2018. Shading indicates its standard deviation for each 5-min time window.

Figure 9는 2018년 1월 22일 강설 기간 중 강릉에서 관측한 대기 열역학적인 구조와 바람의 시간변화를 나타낸 것이다. 여기에 강설(수)량 및 850 hPa 기온의 시간변화도 함께 제시하였다. 여기서 강수량은 눈을 완전히 녹여 물로 환산한 물의 깊이, 즉 눈의 수 당량(snow water equivalent)을 의미한다. 강설 초반에 850 hPa 온도가 −6oC 따뜻한 조건으로 과냉각 수적의 빈도가 증가함에 따라 결착형 빈도 역시 증가하였고, 강설 후반부로 갈수록 상층 850 hPa 온도가 하강하면서 녹은 정도가 감소하여 눈결정이 밝게 나타났다. 강설기간 22일 오후 6시부터 자정 무렵까지 운정 고도는 약 3 km 정도로 전형적인 강설 시의 운정고도 보다 높았으며 강설 시작 전에 1 km 이내에 북풍 계열의 바람이 관측되었고, 상층에서는 서풍 계열로 바뀌었다. 북풍과 함께 한기가 유입되면서 강설이 시작되고, 강설이 종료된 자정부터는 전체 고도에서 서풍이 관측되었다. 이 사례의 경우 강설 초반에 850 hPa의 온도는 약 −6oC이었다가 후반부에 −8oC까지 감소하였는데, 눈결정도 강설 초반에 녹은 상태의 눈입자가 주로 관측되다가 강설 후반부에는 온도 하강에 따라 주로 부착형 눈결정이 관측되었다.

Fig. 9.

Time series of thermodynamic profiles, and snow and precipitation amount along with 850-hPa temperature on Jan 22, 2018. The white flag, shading, and black line denote wind speed (m s−1), relative humidity (%), and equivalent potential temperature (K), respectively. Blue and green boxes denote accumulated snow depth (cm), and snow water equivalent (mm), respectively.

Figure 10은 2018년 3월 8일 강설 사례시 MASC 분석 결과인데, 눈결정 분포는 작은 입자와 부착형 눈결정의 빈도가 높았고, 최대 지름은 평균 2~5 mm 이고, 낙하속도는 1.5 m s−1로 일반적인 강설 입자보다 크게 나타났다. 눈결정의 평균 복잡도 역시 1.8로 구형의 입자보다는 복잡한 형태가 주로 관측되었다. 라디오존데 관측결과(Fig. 11), 2018년 3월 8일 사례는 저기압이 한반도 남해상을 통과한 이후 동풍이 유입되면서 강설이 시작되었으며, 상층에는 300 hPa 이상까지 키가 큰 기압골이 발달하여 대기 중하층에 강한 경압 불안정을 유발한 사례이다. 상층 기압골이 한반도를 통과하기 전인 8일에는 상층까지(약 7 km) 남풍~남서풍 계열의 바람이 관측되었고, 상층 기압골이 한반도를 통과한 후인 9일에는 북풍~북서풍 계열의 바람이 관측되었다. 상층 기압골이 통과하기 전에는 구름이 6 km까지 높게 발달하였고, 상층 기압골이 한반도를 통과한 이후 구름은 낮아졌다. 또한 850 hPa 기온은 상층에 북풍 계열의 바람이 유입되면서 −4oC에서 −6oC까지 하강하였다. 8일에는 강수(설)량은 북강릉 관측소를 기준으로 10.5 mm (3.6 cm)가 관측되었다.

Fig. 10.

Same as in Fig. 8 except for Mar 8, 2018.

Fig. 11.

Same as in Fig. 9 except for Mar 8, 2018.

눈결정은 3월 8일 초반에는 빗방울과 결착된 부착형 눈결정이 주로 섞여 관측되다가 시간이 지날수록 빗방울은 감소하고 부착형 눈결정에 결착이 빈번히 발생하였다. 하지만 850 hPa 온도가 상대적으로 따뜻한 편인데, 부착형 빈도가 결착형 보다 높게 나타난 것은 기존 연구결과(Kim et al., 2018b)와는 상반된 결과이다. 이는 3월 8일에 약 7 km까지 높게 발달한 구름 상부의 낮은 온도(−30~−20oC)에서 생성된 나뭇가지, 기둥, 컬럼 모양의 눈결정이 낙하하면서 구름내 눈결정과 부착(aggregate)된 이후, 하층의 따뜻한 지역을 지나면서 눈결정이 녹으면서 관측된 것으로 생각된다. 눈결정이 녹은 상태인 것은 MASC 사진에서 검고 어둡게 나타난 것으로도 확인할 수 있다. 이상의 결과는 복잡도가 큰 부착형 입자들도 녹은 정도가 증가함에 따라 낙하속도가 결착형 입자(복잡도 작음)보다 크게 나타날 수 있음을 설명하고 있다(Fig. 7 참조).

3.3 특이 사례 분석

분석 사례 중에서 2017년 1월 20일 사례는 영동지역에 천둥 번개를 동반한 단기간의 폭설이 관측된 사례이다. 이 사례는 저기압이 한반도를 관통하면서 하루 동안 약 13 hPa가 급격히 감소하면서 폭발적으로 저기압이 발달하였고, 영동지역에 초단기 폭설을 유발하였다. 강설은 10시 30분경부터 관측되기 시작하였으며, 11시~13시 사이에 구름의 높이가 9 km까지 발달하여(라디오존데 관측결과) 뇌전을 동반하면서 시간당 약 10 cm 적설량이 관측되었다. 13시 이후 구름의 높이가 3 km 이하로 낮아지면서 강설 강도 역시 약해졌다. Kim et al. (2018a)은 폭발적으로 발달하는 저기압과 단기간의 뇌전을 동반한 폭설 현상을 라디오존데 관측과 수치모의 결과를 통해 대류권계면 접힘(folding) 현상과 연관 지어 설명한 바 있다.

Figure 12는 2017년 1월 20일 눈결정 물리변수들의 시간변화를 나타낸 것이다. 강한 강설이 관측된 11시~13시 기간에는 두꺼운 구름의 형태와 다양한 형태의 눈결정과 함께 다수의 결착형 눈결정이 관측되었다. 이후 구름의 두께가 감소함에 따라서 점차 결착정도가 줄어들면서 나뭇가지 부착형의 눈결정이 주로 관측되었다. 특히 뇌전을 동반한 폭설이 이례적으로 관측된 11:30~12:30 동안에는 눈결정 크기는 감소하였지만(평균 1.9 mm) 평균 낙하속도는 1.1 m s−1로 일반적인 강설 사례와 유사하였다(Table 3). 이와 더불어 평균 복잡도는 1.3으로 눈결정 입자가 비교적 균질한 형태를 띄었음을 알 수 있었다. 이후 강설 강도가 약화된 후반부(16~18시)의 경우 눈결정의 최대 지름은 오히려 4.1 mm로 크게 증가하면서 변동폭 역시 증가하였다. 반면에 낙하속도는 전반부와 유사한 경향(평균 1.0 m s−1)을 보였다. 후반부의 강설과 눈결정 특징은 전형적인 동해효과에 의한 강설시의 눈결정 패턴과 유사하였다. 여기서 동해효과 강설은 겨울철에 상대적으로 따뜻한 동해상으로 북쪽 혹은 북동쪽으로부터 한기의 유입에 의해 형성된 눈구름에 의해 발생하는 강설 현상을 의미한다(Nam et al., 2014; Kim et al., 2018b).

Fig. 12.

Same s in Fig. 8 except for Jan 20. 2017.

마지막으로 앞서 제시된 강릉에서 관측한 분석결과와 달리 대관령 구름물리 선도센터에서 2017년 3월 14일에 관측한 눈결정 분석결과를 제시하고자 한다. 본 사례의 특이 사항은 15시 40분부터 16시 40분까지 한 시간 동안 구름물리 선도센터에서 요오드화은 연소 실험을 수행하였고, 풍하측 약 15 m 부근에 MASC 장비를 설치하여 눈결정 변화를 촬영하였다. 강설은 정오 12시부터 시작되어 18시 전후까지 지속되었는데, 15시부터 16시 사이에 강설 강도가 약화되면서 강설현상이 잠시 중지되었다. Figure 13은 시딩 실험 이전과 시딩 이후의 눈결정 변화를 이해하기 위하여 시딩 이전(12~15시)과 이후(16~17시) 각각의 눈결정 특성을 비교한 것이다. 흥미로운 점은 시딩 이전에는 상대적으로 크기가 큰 나뭇가지형 입자가 부착된 눈결정(Dmax¯= 4.3 mm, req¯=1.5 mm)이 주로 관측된 반면에 시딩 이후 시간대에는 눈결정 크기가 뚜렷하게 감소하면서(Dmax¯ =2.7mm, req¯=1.1mm) 결착형 입자가 크게 증가하였다(Table 3). 또한 복잡도는 시딩 이전 1.5에서 시딩 이후 1.3으로 뚜렷하게 감소한 반면에 낙하속도는 둘 다 1.0 m s−1으로 큰 변화가 없었다. 이는 요오드화은 시딩으로 인해 빙정핵이 증가하여 눈결정 크기는 감소한 것으로 추정된다. 아쉽게도 눈결정 개수농도 관측은 이루어지지 않았다. 시딩 실험 이후 결착형 입자가 뚜렷하게 증가하였는데 이는 요오드화은 연소과정에서의 주변 대기 온도 상승으로 과냉각 수적이 증가하여 결착 현상이 빈번하게 일어났을 것으로 판단되며, 더불어 둥근 형태의 입자 증가로 인해 눈결정의 복잡도는 감소하였을 것으로 판단된다. 이상의 결과는 Fig. 13에 제시된 시딩 이전과 이후의 눈결정 입자 크기 분포와 복잡도 분포에서도 잘 확인할 수 있다. 결국 MASC 장비는 시딩 실험과정에서 발생하는 눈결정의 정량적인 실시간 변화를 성공적으로 관측할 수 있다는 것을 보여주고 있다.

Fig. 13.

Histogram of Dmax, req, complexity, and fallspeed for the period of before-seeding (1200~1500 LST) and after-seeding (1600~1700 LST) on Mar 14, 2017.


4. 결 론

영동지역 눈결정 특성을 정량적으로 이해하기 위하여 고해상도 눈결정 카메라(MASC)를 2017년부터 2년간 국내에서 처음으로 적용하여 눈결정 종류 분류 및 물리적인 특성을 분석하였다. MASC 눈결정 분석은 2014년 겨울부터 지속적으로 추진해온 영동 강설 집중관측캠페인(ESSAY)과 병행하여 강설시의 대기연직구조와 강설 특성도 함께 분석하였다.

우선 기존의 스마트폰 활용 눈결정의 정성 분석결과와 비교하여 MASC 신뢰도를 점검하였으며, 이후 지난 2년간 5개의 강설 사례 시 눈결정 사진을 영상 처리한 결과, 눈결정의 평균 유효 반지름과 낙하속도는 각각 0.5~1.5 mm와 1.0~1.5 m s−1로 나타났지만 눈결정의 종류에 따라 변동성은 크게 나타났다. 선행연구에서 제시한 눈결정 분류방법을 도입하여 분석한 결과, 나뭇가지 부착형 눈입자나 결착된 눈결정이 주로 관측되었다.

영동지역 전형적인 강설 사례 시 온도가 점차 감소하는 경향이 있는데 2018년 1월 22일 강설 사례에서도 시간이 경과함에 따라 온도 하강으로 결착형 입자들이 점자 부착형 입자로 바뀌면서 입자크기도 증가하는 패턴을 보여주었다. 하지만 눈결정의 평균 낙하속도는 약 1.0 m s−1로 일정한 수준이었다. 부착형으로 분류된 눈결정들은 크기가 증가함에도 불구하고 낙하속도는 크게 증가하지 않는 경향이 있었다. 2018년 3월 8일 사례는 기존 선행 연구결과와 달리 상대적으로 크기가 큰 부착형 입자들이 녹으면서 촬영이 되어 눈결정 사진이 다소 어둡게 나타나고 있다. 이 사례의 경우 기압골이 한반도를 통과하면서 6~7 km 상공까지 구름이 발달하였고, 상층의 낮은 온도에서 생성된 바늘, 기둥, 나뭇가지 형태의 입자들이 하층 구름대를 통과하면서 부착형 입자로 성장하였고 이들이 상대적으로 따뜻한 지상부근을 통과하면서 녹은 상태로 촬영된 것으로 판단된다. 또한 2017년 1월 20일 뇌전을 동반한 단기간의 폭설사례는 대류권계면 접힘과 연관이 있는 특이 사례인데, 천둥번개와 함께 약 2시간 동안 30 cm 강설이 관측된 기간에 구름이 약 9 km까지 발달하였고 이 때 결착형 입자들과 싸락눈(graupel)이 주로 관측되었다. 마지막으로 대관령에서 요오드화은 시딩 실험을 실시한 전후의 눈결정 특성을 분석한 결과, 시딩 이후 눈결정 크기는 감소하면서 복잡도는 작은 결착형(riming) 입자들이 증가하는 경향이 뚜렷하였다.

본 연구는 기존의 눈결정 정성 분석방법을 개선하기 위하여 MASC 장비를 국내 처음으로 도입하여 눈결정의 정량적인 특성을 제시하였다. 특히 전반적인 동해 효과 강설 사례나 특이 강설 사례시의 각기 다른 눈결정 양상도 확인할 수 있었다. 하지만 현재 분석방법은 눈결정의 자유 낙하속도 보다는 대기환경 중의 실제 낙하속도를 관측하고 있기 때문에 향후 이중 울타리(double fence)를 설치하여 자유 낙하속도의 관측도 필요하다. 그리고 눈결정의 낙하속도가 주변 대기의 강한 풍속이나 난류에 영향을 크게 받기 때문에 주변환경의 영향을 배제한 상태에서의 복잡도에 따른 자유 낙하속도를 보여주지는 못하였다. 향후 낙하속도 관측에 미치는 주변 난류의 영향도 함께 분석할 예정이다.

마지막으로 영동지역 강설 시 습설이나 결착형 입자들의 관측 빈도가 높게 나타나고 있기 때문에 결착률이나 녹은 정도 등을 정량화하는 연구가 요구된다. 본 연구는 MASC를 활용하여 한반도 겨울철에 관측되는 여러 형태의 고체형 강수(freezing rain, riming, aggregate, graupel 등)를 성공적으로 촬영하고 눈결정 정량분석이 가능함을 제시하였기 때문에 이를 활용한 다양한 후속 연구들이 가능할 것으로 기대된다.

Acknowledgments

이 연구는 주로 교육과학기술부 연구재단 기초과학연구 프로그램(2015R1D1A1A01057211) 지원으로 수행되었습니다. 그리고 저자들은 국립기상과학원 재해기상연구센터의 ‘산악지역 강설 메커니즘 분석 및 예측성 향상 연구’와 응용기상연구과의 ‘인공강우 수치모델링 기술개발연구’ 부분적인 지원에 감사드립니다. 마지막으로 고해상도 눈결정 카메라(MASC)의 설치 및 눈결정 정량분석에 도움을 주신 Utah 대학교 Timothy Garrett 교수께 감사드립니다.

References

  • Bailey, M. P., and J. Hallett, 2009: A comprehensive habit diagram for atmospheric ice crystals: confirmation from the laboratory, AIRS II, and other field studies. J. Atmos. Sci., 66, 2888-2899.. [https://doi.org/10.1175/2009JAS2883.1]
  • Besic, N., J. Figueras i Ventura, J. Grazioli, M. Gabella, U. Germann, and A. Berne, 2016: Hydrometeor classification through statistical clustering of polarimetric radar measurements: a semi-supervised approach. Atmos. Meas. Tech., 9, 4425-4445.. [https://doi.org/10.5194/amt-9-4425-2016]
  • Chandrasekar, V., R. Keränen, S. Lim, and D. Moisseev, 2013: Recent advances in classification of observations from dual polarization weather radars. Atmos. Res., 119, 97-111.. [https://doi.org/10.1016/j.atmosres.2011.08.014]
  • Garrett, T. J., and S. E. Yutter, 2014: Observed influence of riming, temperature, and turbulence on the fallspeed of solid precipitation. Geophys. Res. Lett., 41, 6515-6522.. [https://doi.org/10.1002/2014GL061016]
  • Garrett, T. J., C. Fallgatter, K. Shkurko, and D. Howlett, 2012: Fall speed measurement and high-resolution multiangle photography of hydrometeors in free fall. Atmos. Meas. Tech., 5, 2625-2633.. [https://doi.org/10.5194/amt-5-2625-2012]
  • Grazioli, J., G. Lloyd, L. Panziera, C. R. Hoyle, P. J. Connolly, J. Henneberger, and A. Berne, 2015: Polarimetric radar and in situ observations of riming and snowfall microphysics during CLACE 2014. Atmos. Chem. Phys., 15, 13787-13802.. [https://doi.org/10.5194/acp-15-13787-2015]
  • Heymsfield, A. J., S. Lewis, A. Bansemer, J. Iaquinta, L. M. Miloshevich, M. Kajikawa, C. Twohy, and M. R. Poellot, 2002: A general approach for deriving the properties of cirrus and stratiform ice cloud particles. J. Atmos. Sci., 59, 3-29.. [https://doi.org/10.1175/1520-0469(2002)059<0003:AGAFDT>2.0.CO;2]
  • Kim, H.-M., S.-P. Jung, S.-R. In, and B.-C. Choi, 2018a: A case study of heavy snowfall with thunder and lighting in Youngdong area. Atmosphere, 28, 187-200 (in Korean with English abstract)..
  • Kim, Y.-J., B.-G. Kim, J.-K. Shim, and B.-C. Choi, 2018b: Observation and numerical simulation of cold clouds and snow particles in the Yeongdong region. Asia-Pac. J. Atmos. Sci., 54, 499-510.. [https://doi.org/10.1007/s13143-018-0055-6]
  • Lee, J.-E., S.-H. Jung, H.-M. Park, S. Kwon, P.-L. Lin, and G. W. Lee, 2015: Classification of precipitation types using fall velocity-diameter relationships from 2D-video distrometer measurements. Adv. Atmos. Sci., 32, 1277-1290.. [https://doi.org/10.1007/s00376-015-4234-4]
  • Lin, Y., L. J. Donner, and B. A. Colle, 2011: Parameterization of riming intensity and its impact on ice fall speed using arm data. Mon. Weather Rev., 139, 1036-1047.. [https://doi.org/10.1175/2010MWR3299.1]
  • Locatelli, J. D., and P. V. Hobbs, 1974: Fall speeds and masses of solid precipitation particles. J. Geophys. Res., 79, 2185-2197.. [https://doi.org/10.1029/JC079i015p02185]
  • Magono, C., and C. W. Lee, 1966: Meteorological classification of natural snow crystal. J. Fac. Sci., Hokkaido Univ., 2, 321-335..
  • Moss, S. J., and D. W. Johnson, 1994: Aircraft measurements to validate and improve numerical model parametrisations of ice to water ratios in clouds. Atmos. Res., 34, 1-25.. [https://doi.org/10.1016/0169-8095(94)90078-7]
  • Nakaya, U., I. Satô, and Y. Sekido, 1938: Preliminary Experiments on the artificial Production of Snow Crystals. J. Fac. Sci., Hokkaido Univ., 2, 1-11..
  • Nam, H.-G., B.-G. Kim, S.-O. Han, C. Lee, and S.-S. Lee, 2014: Characteristics of easterly-induced snowfall in Yeongdong and its relationship to air-sea temperature difference. Asia-Pac. J. Atmos. Sci., 50, 541-552.. [https://doi.org/10.1007/s13143-014-0044-3]
  • Oue, M., M. Galletti, J. Verlinde, A. Ryzhkov, and Y. Lu, 2016: Use of X-band differential reflectivity measurements to study shallow arctic mixed-phase clouds. J. Appl. Meteorol., 55, 403-424.. [https://doi.org/10.1175/JAMC-D-15-0168.1]
  • Praz, C., Y.-A. Roulet, and A. Berne. 2017: Solid hydrometeor classification and riming degree estimation from pictures collected with a Multi-Angle Snowflake Camera. Atmos. Meas. Tech., 10, 1335-1357.. [https://doi.org/10.5194/amt-10-1335-2017]
  • Seo, W.-S., S.-H. Eun, B.-G. Kim, A.-R. Ko, D.-K. Seong, G.-M. Lee, H.-R. Jeon, S.-O. Han, and Y. S. Park, 2015: Study on characteristics of snowfall and snow crystal habits in the ESSAY (experiment on snow storms at Yeongdong) Campaign in 2014. Atmosphere, 25, 261-270 (in Korean with English abstract).. [https://doi.org/10.14191/Atmos.2015.25.2.261]

Fig. 1.

Fig. 1.
Schematic diagram of MASC (Multi-Angle Snowflake Camera), and a picture of MASC and smartphone photographing on the roof of Atmospheric Science Building at Gangneung-Wonju National University (GWNU) in the ESSAY campaign.

Fig. 2.

Fig. 2.
Flowchart of classification of hydrometeor types and calculation of variables (Dmax, req, fallspeed, complexity, and aspect ratio) using snowflake images taken by MACS.

Fig. 3.

Fig. 3.
Examples of six snowflake images belonging to each hydrometeor type (Small Particle: SP, Columnar Crystal: CC, Planar Crystal: PC, Combination of column and Plate Crystal: CPC, Aggregate: AG, Graupel: GR) adapted from MASC (Adapted from Praz et al., 2017).

Fig. 4.

Fig. 4.
Comparison of snowflake images taken by the MASC with a digital camera (Left pics), and that of MASC with a smartphone (Right pics). Each picture was taken by MASC in the upper panel, followed by a smartphone picture taken at the same time.

Fig. 5.

Fig. 5.
Snowflake images classified as complexity (χ ≤ 1.35, 1.35 < χ < 1.75, and χ ≥ 1.75) for the five snowfall events in 2017 and 2018.

Fig. 6.

Fig. 6.
Probability distributions of maximum dimension (Dmax, equivalent radius (req), complexity (χ), and fallspeed of snow particles based on 128,269 images obtained at Gangneung and Daegwallyeong for the whole snowfall events in 2017 and 2018. Those of three episodes are demonstrated together on Jan 20 and Mar 14, 2017, and Jan 22, 2018.

Fig. 7.

Fig. 7.
Probability distribution of maximum dimension Dmax (left) and fallspeed υ (right) normalized and categorized according to complexity χ in 2017 and 2018.

Fig. 8.

Fig. 8.
Time series of proportions of each hydrometeor type, maximum dimension, fallspeed, complexity, aspect ratio and corresponding main snow crystal images taken on Jan 22, 2018. Shading indicates its standard deviation for each 5-min time window.

Fig. 9.

Fig. 9.
Time series of thermodynamic profiles, and snow and precipitation amount along with 850-hPa temperature on Jan 22, 2018. The white flag, shading, and black line denote wind speed (m s−1), relative humidity (%), and equivalent potential temperature (K), respectively. Blue and green boxes denote accumulated snow depth (cm), and snow water equivalent (mm), respectively.

Fig. 10.

Fig. 10.
Same as in Fig. 8 except for Mar 8, 2018.

Fig. 11.

Fig. 11.
Same as in Fig. 9 except for Mar 8, 2018.

Fig. 12.

Fig. 12.
Same s in Fig. 8 except for Jan 20. 2017.

Fig. 13.

Fig. 13.
Histogram of Dmax, req, complexity, and fallspeed for the period of before-seeding (1200~1500 LST) and after-seeding (1600~1700 LST) on Mar 14, 2017.

Table 1.

Lens and camera parameters for the Multi-Angle Snowflake Camera (MASC).

Camera lens (Fujinon)/
Body (Unibrain)
Horizontal field
of view (mm)
Depth of
field (mm)
Image resolution
(μm)
12.5 mm/1.3 MP 35.7 13.4 34

Table 2.

Summary of snow crystal measurement with MASC in 2017 and 2018 at Gangneung and Daegwallyeong.

Episode Period
(dd hh:mm)
Snow (cm)/
Precip (mm)
MASC
crop (#)
Smart
Phone (#)
Site Phases Habits
&Using a Canon (650D) digital camera attached by a magnifier.
$Fallspeed not measured due to malfunction of MASC.
2017.01.20 20 03:00~20 21:00 31.3/32.2 10,314 425 Gangneung Snow Graupel to Aggregate
2017.03.14 13 06:00~14 21:00 3.8/5.2 1,429 235& Daegwallyeong Snow Aggregate to Graupel
2018.01.22 22 12:00~23 06:00 5.1/3.5 3,131 319 Gangneung Mixed Dendrite
2018.02.24 24 15:00~25 09:00 0.6/0.9 575$ 117 Gangneung Snow Graupel
2018.03.08@ 08 00:00~10 00:00 3.5/10.5 575 41 Gangneung Mixed Aggregates melting

Table 3.

Statistics of Dmax, req, χ, orientation, aspect ratio, and fallspeed of snow crystals observed in 2017~2018.

Time
(hour)
Dmax
(mm)
req
(mm)
Complexity Orientation
(o)
Aspect ratio Fallspeed
(m s−1)
NA: Not Available.
2017.1.20. Mean 11~13
16~18
1.9 ± 1.1
4.1 ± 3.7
0.7 ± 0.4
1.5 ± 1.3
1.3 ± 0.2
1.6 ± 0.3
38.2 ± 23.1
38.8 ± 24.0
0.7 ± 0.2
0.7 ± 0.1
1.1 ± 0.9
1.0 ± 0.6
Median 11~13
16~18
1.7
2.2
0.7
0.8
1.3
1.6
35.7
35.3
0.7
0.7
0.9
0.9
Geomean 11~13
16~18
1.6
2.9
0.6
1.1
1.3
1.6
28.6
28.7
0.7
0.6
0.9
0.8
2017.3.14. Mean 2~15
16~17
4.3 ± 3.2
2.7 ± 1.7
1.5 ± 1.1
1.1 ± 0.6
1.5 ± 0.3
1.3 ± 0.2
36.0 ± 23.9
39.0 ± 23.5
0.6 ± 0.2
0.7 ± 0.2
1.0 ± 0.6
1.0 ± 0.5
Median 12~15
16~17
3.5
2.2
1.3
0.9
1.5
1.3
32.6
39.4
0.6
0.7
0.9
1.0
Geomean 12~15
16~17
3.3
2.2
1.2
0.9
1.5
1.3
25.6
28.6
0.6
0.7
0.8
0.8
2018.1.22. Mean 17~23 3.6 ± 2.6 1.2 ± 0.8 1.6 ± 0.3 39.1 ± 24.0 0.6 ± 0.1 1.0 ± 0.5
Median 17~23 2.9 1.0 1.5 36.9 0.6 1.0
Geomean 17~23 3.0 1.0 1.6 29.3 0.6 0.8
2018.2.24. Mean 15~17 1.1 ± 0.3 0.5 ± 0.1 1.1 ± 0.1 41.5 ± 21.9 0.9 ± 0.1 NA
Median 15~17 1.1 0.5 1.1 38.4 0.9 NA
Geomean 15~17 1.1 0.5 1.1 34.2 0.8 NA
2018.3.8. Mean 05~12 3.5 ± 2.0 1.0 ± 0.6 1.8 ± 0.4 37.4 ± 26.2 0.6 ± 0.2 1.5 ± 0.6
Median 05~12 3.1 1.0 1.7 32.0 0.6 1.6
Geomean 05~12 3.0 0.9 1.8 25.3 0.5 1.2