📄 지구과학

A Hybrid Sunshine–Temperature–Humidity Model for Estimating the Monthly Mean Daily Global Solar Radiation of Tébessa, Algeria

본 연구는 월 단위 규모에서 예측 변수들 간의 높은 공선성에도 불구하고, 상대적 일조 시간을 기온 및 습도 기반 모델에 추가하는 것이 알제리 테베사(Tébessa)의 월 평균 일일 전지구 태양 복사량 추정치의 정확도를 유의미하게 향상시키고 계통적 편향을 감소시킨다는 것을 입증한다.

원저자: Tidjani Boutora

게시일 2026-09-22

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Tidjani Boutora

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

태양의 힘을 활용하기 위해 엔지니어들은 먼저 특정 위치에 도달하는 에너지가 정확히 얼마인지 알아야 합니다. 전 지구적 일사량(global solar radiation)이라고 알려진 이 측정값은 햇빛을 전기나 열로 변환하는 모든 시스템을 설계하는 데 있어 기초가 됩니다. 이상적인 세상이라면 과학자들이 모든 잠재적 부지에 피라노미터(pyranometer)라고 불리는 특수 장비를 설치하여 이 데이터를 직접 기록하면 될 것입니다. 하지만 이러한 장치들은 구입, 설치 및 유지 관리에 비용이 많이 들기 때문에, 알제리의 많은 지역을 포함한 세계의 광활한 지역들은 직접적인 기록이 없는 상태로 남아 있습니다. 이러한 공백을 메우기 위해 연구자들은 반경험적 모델(semi-empirical models)에 의존합니다. 이는 기온, 습도, 일조 시간과 같이 수집하기 훨씬 쉬운 기상 변수들을 사용하여 태양 에너지를 추정하는 수학적 관계를 의미합니다. 과제는 기후가 건조하고 지형이 높은 지역에서도 정확하고 신뢰할 수 있는 추정치를 만들어낼 수 있는 적절한 변수들의 조합을 찾아내는 데 있습니다.

알제리 동부 고원 지대에서 한 연구자는 테베사(Tébessa) 시를 위한 이러한 추정치를 개선하기 위해 착수했습니다. 그들은 이전에 다른 도시를 위해 개발했던 모델에서 시작했는데, 그 모델은 기온과 습도만을 사용하여 태양 복사량을 추측했습니다. 이 방식은 일부 지역에서는 잘 작동했지만, 테베사와 같은 고도가 높고 대륙성 기후를 가진 지역에서는 에너지 수준을 정확하게 예측하는 데 실패했습니다. 연구자는 기온과 습도만으로는 충분하지 않다고 의심했는데, 왜냐하면 이 변수들은 대기의 투명도를 측정하기보다는 태양에 반응하는 성질을 가지고 있기 때문입니다. 이를 해결하기 위해 연구자는 세 번째 요소인 상대 일조 시간(relative sunshine duration)을 도입했습니다. 이는 단순히 실제 일조 시간을 최대 가능한 낮 시간으로 나눈 비율을 말합니다. 이렇게 실제 태양이 얼마나 오래 비추는지를 나타내는 직접적인 척도를 추가함으로써, 연구자는 테베사의 춥고 반건조한 기후에 특화된 새로운 4요소 공식을 만들었습니다.

연구자는 이 새로운 공식의 성능을 검증하기 위해 10년간의 기상 기록 데이터와 국가 태양광 모니터링 센터에서 측정된 실제 값을 비교했습니다. 결과는 새로운 모델이 실제로 개선되었음을 보여주었습니다. 이 모델은 기존 방식에 비해 계통 오차(systematic error), 즉 너무 높거나 낮게 예측하려는 일관된 경향을 절반 이상 줄였습니다. 또한 전체적인 정확도도 향상되어, 예측값과 실제 값 사이의 평균 차이가 매우 작은 범위로 떨어졌습니다. 모델은 특히 따뜻하고 맑은 달에 잘 작동했는데, 일조 데이터의 추가가 이전의 과대평가를 교정하는 데 도움을 주었기 때문입니다. 그러나 연구자는 하늘 상태가 월별로 거의 변하지 않는 겨울철에는 개선 효과가 덜 뚜렷하다는 것을 발견했습니다. 이는 어떤 변수라도 서로를 구별하기 어렵게 만들기 때문입니다.

새로운 공식의 성공에도 불구하고, 이 연구는 데이터가 어떻게 움직이는지에 대한 미묘하지만 중요한 한계를 드러냈습니다. 모델에 사용된 세 가지 기상 변수인 일조, 기온, 습도는 월평균 데이터에서 서로 너무 밀접하게 연결되어 있어 통계적 분석으로 각 변수의 개별적인 영향을 명확히 분리할 수 없었습니다. 테베사의 건조하고 고도가 높은 기후에서 이 세 가지 요인은 계절에 따라 완벽하게 동기화되어 함께 움직입니다. 즉, 낮이 길어지고 하늘이 맑아짐에 따라 공기는 동시에 따뜻해지고 건조해집니다. 이처럼 이들이 발맞추어 움직이기 때문에, 모델은 어떤 단일 변수가 가장 큰 역할을 하는지 결정적으로 증명할 수 없었습니다. 비록 일조 시간이 테스트 시 가장 민적인 요소로 나타났음에도 불구하고 말입니다. 이는 새로운 공식이 더 나은 성능을 보였음은 분명하나, 월평균 데이터를 볼 때 일조 데이터에 기온 데이터만큼의 공로를 어느 정도나 돌려야 할지 연구자가 완전히 확신할 수 없었음을 의미합니다.

본 연구는 테베사와 유사한 고원 지역의 실무적인 엔지니어링 목적을 위해, 새로운 4변수 공식이 기존 방법보다 더 정확하고 편향이 적은 추정치를 제공하는 가장 가용한 도구라고 결론짓습니다. 그러나 연구자는 일조 시간의 독특한 기여도를 진정으로 이해하기 위해서는 월평균 데이터가 아닌 일간 데이터를 사용해야 한다고 조언합니다. 일 단위로 보면 날씨가 충분히 변하여 일조와 기온 사이의 완벽한 연결 고리를 끊을 수 있으며, 이를 통해 과학자들이 각 요소가 얼마나 중요한지 정확히 파악할 수 있기 때문입니다. 그러한 상세한 일간 기록이 분석될 때까지, 이 새로운 모델은 직접적인 측정이 부족한 지역에서 태양 에너지를 추정하는 신뢰할 수 있는 방법을 제공하는 동시에, 태양과 공기, 그리고 지면 사이의 복잡한 상호작용을 조명하며 중요한 진전을 이룬 것으로 평가됩니다.

기술 요약: 알제리 테베사(Tébessa)의 월평균 일일 전일사(Global Solar Radiation) 추정을 위한 하이브리드 일조량–온도–습도 모델

문제 제기
신뢰할 수 있는 전일사( $H$ ) 추정은 태양 에너지 시스템 설계의 필수 전제 조건이지만, 알제리 전역에서 직접적인 일사계(pyranometric) 측정값은 매우 부족하다. 루틴한 기상 데이터를 활용한 반경험적 상관관계는 실용적인 대안을 제공하지만, 저자의 이전 연구에 따르면 온도( $T$ )와 상대 습도( $RH$ )만을 기반으로 한 2변수 모델은 테베사와 같은 대륙성 고산 지대에 적용했을 때 성능이 저하되는 문제(오차 약 6.82%)를 보였다. 저자는 열적 예측 변수만으로는 반건조 고산 지대의 대기 투과율을 포착하는 데 실패하며, 이는 열적 변수가 복사 에너지를 결정하는 것이 아니라 복사 에너지에 반응하는 성질을 갖기 때문이라는 가설을 세웠다. 본 연구는 대기의 투명성을 나타내는 직접적인 기술자, 즉 일조 시간(sunshine duration)의 부재가 이러한 성능 저하의 원인이라고 상정한다.

연구 방법론
본 연구는 냉대 반건조(BSk) 기후를 가진 테베사(35.404°N, 8.124°E, 해발 850m)에 초점을 맞춘다. 데이터셋은 재생에너지개발센터(CDER)의 10개년(2015–2024) 월간 기후 정규 전일사 데이터와 알제리 국립기상청(ONM)의 일조 시간, 온도 및 습도 기록으로 구성된다.

핵심 방법론적 접근 방식은 다음과 같다:

모델 공식화: 기존의 2변수 상관관계( $H/H_0 = aT^2 + bRH + c$ )를 세 번째 예측 변수인 상대 일조 시간( $\sigma = S/S_0$ )을 도입하여 4-매개변수 하이브리드 모델로 확장한다:
$H/H_0 = a\sigma + bT^2 + cRH + d$
후보 모델 비교: 이전의 열적 전용 모델부터 제안된 하이브리드 모델, 고전적인 앙그스트롬-프레스코(Ångström–Prescott) 모델, 그리고 상호작용 항이나 2차 일조 항을 포함한 변형 모델까지 총 6개의 후보 모델을 보정하고 비교하였다.
보정 및 검증: 12개의 월별 값에 대해 최소제곱법(OLS)을 사용하여 계수를 추정하였다. 데이터가 기후 정규값(연간 변동성이 무시할 만한 수준)을 나타내므로, 유효 샘플 크기는 120이 아닌 12이다. 따라서 표본 외 추정(out-of-sample estimates)을 보장하기 위해 '하나의 달을 제외하는 교차 검증(leave-one-month-out cross-validation)' 방식을 통해 성능을 평가하였다.
통계적 엄밀성: RMSE, MBE, Student $t$ -통계량을 포함한 10가지 통계 지표를 사용하였다. 특히, 예측 변수 간의 독립성을 평가하기 위해 분산 팽창 요인(VIF)을 통한 다중공선성 진단을 수행하였다.

주요 결과
제안된 하이브리드 모델(M3)은 테베사에 대해 다음과 같은 성능 지표를 나타냈다:

정확도: RMSE = 0.243 MJ·m⁻²·day⁻¹ (nRMSE = 1.31%) 및 $R^2$ = 0.9984.
편향 감소: 체계적 편향(MBE)이 이전의 열적 전용 모델 대비 56% 감소하였다 (from +0.072 to +0.0032 MJ·m⁻²·day⁻¹). Stone $t$ -통계량은 0.094에서 0.043으로 개선되어 편향이 유의미하지 않음을 보여주었다.
비교: 하이브리드 모델은 고전적인 앙그스트롬-프레스코 상관관계보다 RMSE 측면에서 31.5% 향상된 성능을 보였다.
민감도: 민감도 분석 결과, 상대 일조 시간( $\sigma$ )이 가장 영향력 있는 예측 변수로 나타났다. $\sigma$ 의 ±10% 섭동은 명료도 지수(clearness index)를 ±1.78% 변화시킨 반면, $RH$ 는 ±1.31%, $T$ 는 ±1.24%의 변화를 보였다.

다중공선성 진단
본 연구의 중요한 발견은 월간 기후 정규값을 사용할 때 예측 변수들 사이에 심각한 다중공선성이 존재한다는 점이다. 예측 변수들( $\sigma$ , $T^2$ , $RH$ )은 거의 완벽하게 상관되어 있으며(예: $\sigma$ 와 $RH$ 사이의 상관계수는 -0.962), 그 결과 매우 높은 분산 팽창 요인(VIF)을 나타냈다 ( $\sigma$ 는 181, $T^2$ 는 633, $RH$ 는 142).

결과: 일조 시간 항이 전체적인 편향과 정확도를 크게 개선함에도 불구하고, 4-매개변수 모델에서 $\sigma$ 의 회귀 계수는 5% 유의 수준에서 통계적으로 유의하지 않았다 ( $p = 0.234$ ). 월간 정규 데이터에서는 세 변수 모두 동일한 연간 태양 주기에 의해 구동되기 때문에, 데이터는 일조 시간의 개별적 기여를 온도나 습도로부터 독자적으로 구분해낼 수 없다.

의의 및 주장
본 논문은 세 가지 주요 기여를 주장한다:

검증된 하이브리드 모델: 테베사를 위한 보정된 4-매매변수 상관관계를 제공하며, 이는 기존의 열적 전용 공식보다 더 정확하고 편향이 적다. 이는 특히 반건조 고산 지대에 적합하다.
정량적 진단: 단순히 가설에 머물지 않고, 왜 개선 폭이 완만한지(RMSE의 4.2% 감소), 그리고 왜 일조 시간 계수의 개별 유의성이 결여되었는지(월간 기후 정규값에서의 다중공선성이 예측 변수의 분리를 방해함)를 정량화하였다.
실무적 권고: 공학적 응용을 위해 체계적 편향을 줄이기 위해서는 일조 시간 항을 유지해야 하지만, 예측 변수의 효과를 확정적으로 분리하기 위해서는 일 단위 데이터(또는 개별 연도의 월별 데이터)를 기반으로 보정이 필요하다고 결론지었다. 저자는 해당 지역에서 사용 가능한 위성 유도 일조 데이터(예: CM SAF SARAH-3)를 향후 정밀화 작업에 활용할 것을 권고한다.

저자는 대규모 데이터셋을 활용한 머신러닝 접근 방식이 더 높은 정확도를 제공할 수 있음을 인정하면서도, 월간 기후 정규값만을 사용할 수 있는 지역에서는 제안된 간결하고 해석 가능한 상관관계 모델이 여전히 적절한 도구라는 신중한 입장을 유지하고 있다.

유사한 논문