선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이와 같이 많은 선행 연구에서 여러 위성자료가 예측 성능에 미치는 영향을 분석하였으나, 한 모델 시스템에 대해 여러 자료의 영향을 동시에 비교 분석한 연구는 찾아보기 어려웠다. 따라서 본 연구에서는 기상청에서 새로 도입한 통합모델에 대해 한반도를 대상으로 위성자료가 예측 성능에 미치는 영향을 알아보고 이 결과를 향후 현업 모델 성능 개선에 활용하고자 한다.
- 본 연구에서는 전구 영역에 대해 모델링을 수행하였으나 지역 통합모델의 초기장과 배경장이 될 수 있는 우리나라를 중심으로 한 동아시아 영역을 대상으로 결과를 검증하였다. Fig.
- 본 연구에서는 통합모델 순환예측 시스템을 이용해 전구영역에 대해 위성자료의 민감도를 분석하였다. 대상 기간은 2008년 8월 한 달이며, RMSE와 S1 score 등의 통계지표를 이용해 시·공간적인 특성을 분석하였다.
제안 방법
- 그림 오른쪽 아래편의 숫자는 해당 시간대의 자료 양을 정량적으로 표기한 것이다. 00 UTC에 사용되는 자료만을 표기한 것으로 06, 12, 18 UTC 에 사용되는 자료와 그 분포에서 차이가 있을 수 있으나 양에는 크게 차이가 없으므로 00 UTC의 자료 분포를 나타낸 Fig. 2를 이용해 전반적인 자료 특성에 대해 분석하였다. 자료 분포만으로도 알 수 있지만 숫자로 표기된 정량적인 면에서도 ATOVS 자료 양이 가장 많은 것으로 나타났다.
- 실험에 사용된 UM 모형은 수평 방향으로 약 40 km의 해상도를 가지고 640 × 481개의 격자망으로 구성되어 전구를 아우르고 있으며, 연직으로는 50층의 해상도로 약 60 km까지 포함하고 있다. 00, 12 UTC에 각각 72시간 예보를 수행하며, 06과 18 UTC에는 자료 동화 분석장을 9시간 생성하여 순환예측을 실시하였다. 실험에 사용된 모델의 구성은 Table 1에 제시하였다.
- 대상 기간은 2008년 8월 한 달이며, RMSE와 S1 score 등의 통계지표를 이용해 시·공간적인 특성을 분석하였다. AIRS, ATOVS, CRAFT, GPSRO, IASI, SSMIS 자료를 모두 동화한 것을 규준 실험으로 선정하였고, 차례대로 하나씩 위성자료를 제거하여 예측성능에 미치는 영향을 분석하였다. RMSE를 이용해 개선율 지수 (Improvement Rate)를 분석한 결과 항공기 (CRAFT) 자료가 가장 예측성능의 향상에 많이 기여하고 있었으며, 그 다음으로는 GPSRO, IASI 자료 등이 긍정적인 영향을 미치는 것으로 나타났다.
- 모든 자료를 다 넣은 규준실험 (CNTL)과 IASI, ATOVS, SSMIS, CRAFT, AIRS, GPSRO를 각각 제거한 실험을 실시하여 각 위성 자료가 예측 성능에 미치는 영향을 분석하고자 하였다.
- OPS, VAR, UM 각각은 사용자 인터페이스 (UI, User Interface)인 OPSUI, VARUI, UMUI, GHUI (Generic Hierarchical)를 이용해 세부 과정을 조절하여 사용자가 원하는 모델을 구성할 수 있게 되어 있으며, 모든 과정은 SCSUI(Suite Control System User Interface)로 제어할 수 있게 되어있다. 버전 관리 시스템 (FCM, Flexible Configuration Management)을 이용해 단계별로 수정한 내용을 확인하고 관리하고, 병렬처리와 관련된 라이브러리 들을 관리하는 General Communications(GCOM)을 통해 모델의 병렬 수행을 가능하게 하였다. Fig.
- 위성자료가 UM 모델의 예측 성능에 미치는 영향을 분석하기 위해 크게 두 가지 방법으로 나누어 그 결과를 검증하였다. 하나는 연속 변수형 예보에 대한 검증 방법으로 Root Mean Square Error (RMSE)와 S1 score를 사용했으며 지위고도장이나 온도, 바람에 대해 이러한 검증 방법을 적용한다 (Wilks, 1995).
대상 데이터
- 대상 기간은 2008년 8월 한 달이며, RMSE와 S1 score 등의 통계지표를 이용해 시·공간적인 특성을 분석하였다.
- 실험 대상 기간은 날씨 예보에 있어 중요한 요소 중 하나인 강수가 집중되는 여름철로, 컴퓨터 계산 능력을 고려하여 2008년 8월 한 달로 선정하였다. 실험에 사용된 UM 모형은 수평 방향으로 약 40 km의 해상도를 가지고 640 × 481개의 격자망으로 구성되어 전구를 아우르고 있으며, 연직으로는 50층의 해상도로 약 60 km까지 포함하고 있다.
- 실험에 사용된 UM 모형은 수평 방향으로 약 40 km의 해상도를 가지고 640 × 481개의 격자망으로 구성되어 전구를 아우르고 있으며, 연직으로는 50층의 해상도로 약 60 km까지 포함하고 있다.
- 제거실험(denial experiment)에 사용된 위성자료는 6가지로, MetOp-A 위성에 탑재된 Infrared Atmospheric Sounding Interferometer (IAIS) 자료와 National Oceanic and Atmosphere Administration (NOAA) 위성의 ATOVS 자료, 미 공군 Defense Meteorological Satellite Program(DMSP) 위성의 Special Sensor Microwave Imager/Sonde (SSMIS) 자료, Constellation Observing System for Meteorology, Ionosphere, and Climate (COSMIC)의 Global Positioning System Radio Occultation (GPSRO) 자료, 항공기 (CRAFT) 자료, AIRS 자료이다.
이론/모형
- 차세대 수치예보 시스템 UM은 영국 Met Office에서 개발되어 사용되고 있는 대기와 해양 수치모델 시스템으로 전구와 지역 모델링이 가능하도록 설계되어 있다. 초고해상도 예보 모델에 적합한 비정수 지배방정식을 채택하고 있으며, 수평에서는 Arakawa-C 격자체계를, 연직에서는 Charney-Phillips 격자체계가 사용된다. 보다 효율적으로 방정식의 해를 구하기 위하여 반-암시적, 반-라그랑지안 차분 방안을 채택하고 있다 (Met Office, 2004).
- 위성자료가 UM 모델의 예측 성능에 미치는 영향을 분석하기 위해 크게 두 가지 방법으로 나누어 그 결과를 검증하였다. 하나는 연속 변수형 예보에 대한 검증 방법으로 Root Mean Square Error (RMSE)와 S1 score를 사용했으며 지위고도장이나 온도, 바람에 대해 이러한 검증 방법을 적용한다 (Wilks, 1995).
성능/효과
- (a)는 해면기압, (b)는 500 hPa의 지위고도장, (c)는 850 hPa의 풍속, (d)는 850 hPa의 온도에 대한 개선율을 각 예측 시간별로, 실험별로 나타내고 있다. 4가지 그래프를 통합하여 분석해 보면, IASI 자료 제거 실험의 경우, 개선율은 작게 나타나지만 일관되게 향상되는 결과를 보이고 있음을 알 수 있다. 자료의 양을 고려했을 때, 개선율 지수의 수치는 작지만 상당한 영향력을 미치는 것으로 해석이 가능하다.
- 각 실험의 결과 RMSE에서 규준 실험의 결과 RMSE를 뺀 것으로 양의 값으로 갈수록 제거한 위성자료가 예측 성능에 긍정적인 영향을 준 것으로 판단할 수 있다. 6가지 실험을 전체적으로 살펴보면 대부분의 실험에서 한반도 주변에서 양의 값을 나타내고 있어 대부분의 위성자료가 예측 성능에 긍정적인 영향을 주고 있는 것을 확인할 수 있다. 앞선 분석에서 IR 값이 크게 나왔던 항공기 자료 제거 실험의 경우 예측 초기 시간에는 그 차이가 크게 나타나진 않지만 예측 시간이 지날수록 예측 성능에 많은 영향을 미치고 있는 것으로 나타났다.
- RMSE를 이용해 개선율 지수 (Improvement Rate)를 분석한 결과 항공기 (CRAFT) 자료가 가장 예측성능의 향상에 많이 기여하고 있었으며, 그 다음으로는 GPSRO, IASI 자료 등이 긍정적인 영향을 미치는 것으로 나타났다. ATOVS 자료는 동화되는 양에 비해 그 효과가 크지 않은 것으로 나타났으며, AIRS와 SSMIS 자료는 오히려 제거하는 것이 예측성능의 향상을 가져오는 것으로 분석되었다. 각 실험에 대한 RMSE difference map을 분석한 결과, 항공기, GPSRO, ATOVS 자료를 제거한 실험이 한반도를 중심으로 긍정적인 효과가 큰 것으로 나타났고, AIRS와 SSMIS의 경우 다소 넓은 공간에서 부정적인 효과를 나타내고 있다.
- GPSRO 자료를 제거한 실험 역시 예측 시간이 지날수록 양의 값이 커지고 있는 것을 알 수 있으며, 자료의 양에 비해 상당히 예측성능에 긍정적인 효과를 보이고 있다. ATOVS 제거 실험은 대체로 긍정적인 영향을 미치는 것으로 나타났으나, 역시 자료 양에 비해서는 그 정도가 약한 것으로 분석되었다. IASI 자료 제거 실험은 6개의 실험 중 차이가 가장 약하게 나타났으며, 예측 시간이 지나도 큰 변화가 없음을 알 수 있었다.
- 예측 시간이 지날수록 각 검증 값 들은 증가하는 경향을 보이며, 예측 성능에 가장 긍정적인 영향을 미친 것은 항공기 자료 (CRAFT)로 나타났다. ATOVS는 많은 자료 양에 비해 상대적으로 예측 성능에 미치는 효과가 크지 않았고, 자료 양은 적었지만 IASI가 모든 예측 시간에 걸쳐 긍정적인 결과를 나타내었다. GPSRO 자료는 규준실험과 큰 차이가 없는 것으로 나타났고, SSMIS와 AIRS 자료는 제거실험의 결과가 규준실험보다 RMSE 값도 줄어들고 S1 score도 낮게 나타났다.
- 또한 2008년 8월 한 달에 대해 분석한 결과 이므로 이후 다른 계절이나 기간을 추가하여 검증할 필요가 있을 것으로 생각된다. ATOVS와 GPSRO 자료 제거 실험의 경우 예측 초기 시간(24H)에는 예보 성능의 향상을 가져오는 것으로 나타났으나, 후반으로 갈수록 다소 부정적인 효과를 나타내었다. 가장 자료 양이 많은 것으로 나타났던 ATOVS의 경우 자료의 양에 비해 초기 시각의 긍정적인 효과가 크지 않았고, ATOVS 자료의 1/100 수준의 양을 보였던 GPSRO의 경우, 자료의 양에 비해 초기 시각에 매우 큰 긍정적인 영향을 미치는 것을 알 수 있다.
- ATOVS는 많은 자료 양에 비해 상대적으로 예측 성능에 미치는 효과가 크지 않았고, 자료 양은 적었지만 IASI가 모든 예측 시간에 걸쳐 긍정적인 결과를 나타내었다. GPSRO 자료는 규준실험과 큰 차이가 없는 것으로 나타났고, SSMIS와 AIRS 자료는 제거실험의 결과가 규준실험보다 RMSE 값도 줄어들고 S1 score도 낮게 나타났다.
- GPSRO 자료를 제거한 실험 역시 예측 시간이 지날수록 양의 값이 커지고 있는 것을 알 수 있으며, 자료의 양에 비해 상당히 예측성능에 긍정적인 효과를 보이고 있다. ATOVS 제거 실험은 대체로 긍정적인 영향을 미치는 것으로 나타났으나, 역시 자료 양에 비해서는 그 정도가 약한 것으로 분석되었다.
- ATOVS 제거 실험은 대체로 긍정적인 영향을 미치는 것으로 나타났으나, 역시 자료 양에 비해서는 그 정도가 약한 것으로 분석되었다. IASI 자료 제거 실험은 6개의 실험 중 차이가 가장 약하게 나타났으며, 예측 시간이 지나도 큰 변화가 없음을 알 수 있었다. 그러나 전반적으로 양의 값이 고르게 분포하고 있었다.
- 해면기압에 대해 검증한 결과와 마찬가지로 항공기 자료가 가장 예측성능에 긍정적인 영향을 미치고 있었으며, 역시 ATOVS의 효과는 크지 않은 것으로 나타났다. IASI는 Fig. 4의 분석 결과와 마찬가지로 전 예측 시간에 대해 긍정적인 영향을 주고 있었고, SSMIS와 AIRS 제거 실험은 오히려 규준 실험보다 RMSE와 S1 score가 낮게 나타나, 위성자료를 제거한 것이 예측 성능을 높이는 것으로 분석되었다.
- IR 분석 시, 자료 제거 후 오히려 예측 성능이 좋아진 것으로 나타났던 AIRS와 SSMIS 제거 실험 중 AIRS 제거 실험을 먼저 살펴보면, IR 검증 결과와는 달리 공간장 분포에서는 한반도 주변으로 약하지만 긍정적인 영향을 나타내는 것으로 확인되었다. 그러나 음의 값을 가지는 부분도 꽤 넓게 나타나고 있어 모든 공간에 대해 계산을 했던 IR 값이 음의 값으로 나타난 것으로 파악된다.
- AIRS, ATOVS, CRAFT, GPSRO, IASI, SSMIS 자료를 모두 동화한 것을 규준 실험으로 선정하였고, 차례대로 하나씩 위성자료를 제거하여 예측성능에 미치는 영향을 분석하였다. RMSE를 이용해 개선율 지수 (Improvement Rate)를 분석한 결과 항공기 (CRAFT) 자료가 가장 예측성능의 향상에 많이 기여하고 있었으며, 그 다음으로는 GPSRO, IASI 자료 등이 긍정적인 영향을 미치는 것으로 나타났다. ATOVS 자료는 동화되는 양에 비해 그 효과가 크지 않은 것으로 나타났으며, AIRS와 SSMIS 자료는 오히려 제거하는 것이 예측성능의 향상을 가져오는 것으로 분석되었다.
- 자료의 양을 고려했을 때, 개선율 지수의 수치는 작지만 상당한 영향력을 미치는 것으로 해석이 가능하다. SSMIS와 AIRS 자료 제거 실험의 경우, 일관되게 부정적인 영향을 미치는 것으로 나타났다. 이는 전구 영역의 결과에서 동아시아 영역에 대해 검증한 결과에 대한 수치이므로 자료 동화 자체의 의미가 부정적이라고 해석하기는 어려운 것으로 보인다.
- ATOVS와 GPSRO 자료 제거 실험의 경우 예측 초기 시간(24H)에는 예보 성능의 향상을 가져오는 것으로 나타났으나, 후반으로 갈수록 다소 부정적인 효과를 나타내었다. 가장 자료 양이 많은 것으로 나타났던 ATOVS의 경우 자료의 양에 비해 초기 시각의 긍정적인 효과가 크지 않았고, ATOVS 자료의 1/100 수준의 양을 보였던 GPSRO의 경우, 자료의 양에 비해 초기 시각에 매우 큰 긍정적인 영향을 미치는 것을 알 수 있다. 항공기 (CRAFT) 자료 제거 실험의 경우, 6가지 제거 실험 중 가장 개선율이 좋은 것으로 나타났으며, 예보시각 전반에 걸쳐 예측성능에 긍정적인 영향을 미치는 것으로 나타났다.
- ATOVS 자료는 동화되는 양에 비해 그 효과가 크지 않은 것으로 나타났으며, AIRS와 SSMIS 자료는 오히려 제거하는 것이 예측성능의 향상을 가져오는 것으로 분석되었다. 각 실험에 대한 RMSE difference map을 분석한 결과, 항공기, GPSRO, ATOVS 자료를 제거한 실험이 한반도를 중심으로 긍정적인 효과가 큰 것으로 나타났고, AIRS와 SSMIS의 경우 다소 넓은 공간에서 부정적인 효과를 나타내고 있다.
- 7은 각 실험별로 500 hPa 지위고도장의 규준 실험과의 RMSE 차이를 공간적으로 나타낸 것이다. 각 실험의 결과 RMSE에서 규준 실험의 결과 RMSE를 뺀 것으로 양의 값으로 갈수록 제거한 위성자료가 예측 성능에 긍정적인 영향을 준 것으로 판단할 수 있다. 6가지 실험을 전체적으로 살펴보면 대부분의 실험에서 한반도 주변에서 양의 값을 나타내고 있어 대부분의 위성자료가 예측 성능에 긍정적인 영향을 주고 있는 것을 확인할 수 있다.
- 거의 빈틈없이 북반구를 고루 커버하고 있으며 한반도 주변으로도 많은 자료가 입전되고 있음을 확인할 수 있다. 그 다음은 항공기 자료로 ATOVS 자료의 절반 정도의 수준이지만 다른 위성 자료에 비해 월등히 많은 양을 나타내고 있으며, IASI, SSMIS, AIRS 자료는 그 양이 서로 비슷한 것으로 나타났다. GPSRO 자료는 ATOVS 자료의 1/100 수준의 매우 적은 양이 사용되고 있으나 비교적 고르게 자료가 분포하고 있다.
- 6가지 실험을 전체적으로 살펴보면 대부분의 실험에서 한반도 주변에서 양의 값을 나타내고 있어 대부분의 위성자료가 예측 성능에 긍정적인 영향을 주고 있는 것을 확인할 수 있다. 앞선 분석에서 IR 값이 크게 나왔던 항공기 자료 제거 실험의 경우 예측 초기 시간에는 그 차이가 크게 나타나진 않지만 예측 시간이 지날수록 예측 성능에 많은 영향을 미치고 있는 것으로 나타났다. 특히 한반도 서쪽에 큰 양의 값을 나타내고 있어 편서풍 대에 위치하고 있는 우리나라의 경우 보다 예측성을 향상시키는데 항공기 자료가 중요하게 작용할 것으로 판단된다.
- 위성자료를 제거한 실험이므로 두 변수 모두 규준 실험에 비해 수치가 높아지면 각 위성자료가 예측성능에 긍정적인 영향을 미치는 것으로 해석할 수 있다. 예측 시간이 지날수록 각 검증 값 들은 증가하는 경향을 보이며, 예측 성능에 가장 긍정적인 영향을 미친 것은 항공기 자료 (CRAFT)로 나타났다. ATOVS는 많은 자료 양에 비해 상대적으로 예측 성능에 미치는 효과가 크지 않았고, 자료 양은 적었지만 IASI가 모든 예측 시간에 걸쳐 긍정적인 결과를 나타내었다.
- 2를 이용해 전반적인 자료 특성에 대해 분석하였다. 자료 분포만으로도 알 수 있지만 숫자로 표기된 정량적인 면에서도 ATOVS 자료 양이 가장 많은 것으로 나타났다. 거의 빈틈없이 북반구를 고루 커버하고 있으며 한반도 주변으로도 많은 자료가 입전되고 있음을 확인할 수 있다.
- 가장 자료 양이 많은 것으로 나타났던 ATOVS의 경우 자료의 양에 비해 초기 시각의 긍정적인 효과가 크지 않았고, ATOVS 자료의 1/100 수준의 양을 보였던 GPSRO의 경우, 자료의 양에 비해 초기 시각에 매우 큰 긍정적인 영향을 미치는 것을 알 수 있다. 항공기 (CRAFT) 자료 제거 실험의 경우, 6가지 제거 실험 중 가장 개선율이 좋은 것으로 나타났으며, 예보시각 전반에 걸쳐 예측성능에 긍정적인 영향을 미치는 것으로 나타났다.
- 5는 500 hPa의 지위고도장의 S1 score와 RMSE를 나타낸 것이다. 해면기압에 대해 검증한 결과와 마찬가지로 항공기 자료가 가장 예측성능에 긍정적인 영향을 미치고 있었으며, 역시 ATOVS의 효과는 크지 않은 것으로 나타났다. IASI는 Fig.
후속연구
- 이는 전구 영역의 결과에서 동아시아 영역에 대해 검증한 결과에 대한 수치이므로 자료 동화 자체의 의미가 부정적이라고 해석하기는 어려운 것으로 보인다. 또한 2008년 8월 한 달에 대해 분석한 결과 이므로 이후 다른 계절이나 기간을 추가하여 검증할 필요가 있을 것으로 생각된다. ATOVS와 GPSRO 자료 제거 실험의 경우 예측 초기 시간(24H)에는 예보 성능의 향상을 가져오는 것으로 나타났으나, 후반으로 갈수록 다소 부정적인 효과를 나타내었다.
- 이와 같은 분석 결과를 바탕으로 앞으로 지역 통합모델에 대한 자료동화 수행 시 보다 예측 성능에 많은 영향을 미치는 위성자료를 우선적으로 적용해 현업운영에 보다 빨리 적용할 수 있는 효율적인 시스템 구성에 이바지 할 수 있을 것이라 생각된다. 또한 공간분포를 바탕으로 예측 성능에 영향을 많이 미치는 지역을 중심으로 자료를 더 많이 활용하는 등의 조절이 가능할 것이라 사료된다.
- 이와 같은 분석 결과를 바탕으로 앞으로 지역 통합모델에 대한 자료동화 수행 시 보다 예측 성능에 많은 영향을 미치는 위성자료를 우선적으로 적용해 현업운영에 보다 빨리 적용할 수 있는 효율적인 시스템 구성에 이바지 할 수 있을 것이라 생각된다. 또한 공간분포를 바탕으로 예측 성능에 영향을 많이 미치는 지역을 중심으로 자료를 더 많이 활용하는 등의 조절이 가능할 것이라 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.