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
- 본 연구에서는 태풍진행방향과 태풍진행 수직방향성분을 고려하여 태풍예보에 사용되고 있는 수치모델의 태풍진로 예측성을 평가하였다. 예측성 평가도구에는 예측정확도와 예측경향, 그리고 예측변동성과 예측일관성이 포함된다.
- 이 연구는 태풍예보에 사용되고 있는 여러 수치모델의 태풍진로 예측성을 평가하는 것을 목적으로, 태풍진행방향과 태풍진행 수직방향 성분을 고려하여 수치모델의 예측정확도와 예측경향 그리고 예측변동성과 일관성을 파악하고자 한다. 2장에서는 수치모델의 태풍진로 예측성 평가에 사용된 자료 및 방법에 대해 기술하였고, 3장에서는 최근 4년간 수치모델들의 평균적인 태풍진로 예측성과 진로유형별 태풍진로 예측성을 평가한 결과를 제시하였으며, 4장에서는 연구결과를 요약하여 결론을 내렸다.
가설 설정
- 수치모델의 48시간 예측을 평가한 이유는 기상청의 예보평가 기준이 48시간 오차이기 때문이다. 분류된 네 가지 유형은 i) Straight Moving (SM)유형, ii) Recurving (R)유형, iii) North Oriented (NO)유형, iv) South China Sea (SCS)유형이다. SM유형은 태풍의 발생지점에서 상륙하는 곳(동남아시아, 남중국)까지 일직선으로 서북서진하는 유형이고, R유형은 처음에 서북서진하다가 느리게 북쪽으로 전향하고 마지막에 고위도의 편서풍을 따라 북동쪽으로 점차 빨리 이동하는 유형이다.
제안 방법
- Lander (1996)에 의한 북서태평양 태풍 진로 유형을 이용하여 최근 4년간 발생한 태풍의 진로를 4개 유형으로 분류하고, 진로 유형별로 태풍진행방향과 태풍진행 수직방향 성분을 고려한 48시간 예측정확도와 예측변동성, 일관성 그리고 예측경향을 살펴보았다. 수치모델의 48시간 예측을 평가한 이유는 기상청의 예보평가 기준이 48시간 오차이기 때문이다.
- 대권거리를 구하는 방법으로는 간단하면서도 정확한 하버사인공식(Haversine formula; Veness, 2010)을 사용하였다. 그리고 이러한 오차들에 대한 표준편차를 계산하여 오차의 산포 정도로부터 예측변동성을 파악하였다.
- 먼저 수치모델의 최근 4년간 평균적인 예측오차의 크기와 오차의 산포 정도를 파악하기 위해 단순거리오차와 표준편차를 계산하였다(Table 2). 그리고 Fig.
- Table 4는 수치모델들이 얼마나 일관성 있게 진로 예측을 생산했는지 비교한 결과이다. 시간이 경과함에 따른 수치모델의 진로예측간 단순거리차이로 일관성 지수를 정의하고, 이를 다시 태풍진행방향 일관성과 태풍진행 수직방향 일관성으로 성분을 나누어 살펴보았다. 그리고 Fig.
- 2). 일관성 지수 또한 예측오차와 마찬가지로 태풍진행방향 일관성(along-track consistency)과 태풍진행 수직방향 일관성(cross-track consistency)으로 나누어 일관적인 정도를 성분 별로 구분하였다. 값이 작을수록 예측이 일관됨을 의미하고, 이를 일관성이 높다고 판단한다.
대상 데이터
- 두 개 이상의 모델을 의미 있게 평가하기 위해서는 동일 샘플이 바탕이 되어야 하므로, 본 연구에서는 최근 4년간 북서태평양에서 발생한 91개 태풍에 대한 0000 UTC, 1200 UTC 모델 자료 중 8개 모델이 공통적으로 갖고 있는 61개 태풍에 대한 자료를 사용하였다. 모델자료는 120시간(5일) 예측까지 평가되었으나, 72시간까지 예측을 생산하는 RDAPS와 84시간까지 예측을 생산하는 JGSM은 72시간 예측까지만 평가되었다.
- 본 연구는 최근 4년간(2010~2013년) 북서태평양에서 발생한 태풍을 대상으로, 일본 동경 지역특별기상 센터(Regional Specialized Meteorological Center-Tokyo, RSMC-Tokyo)의 태풍 최적경로(best track) 자료를 관측값으로 사용하였고, 국가태풍센터에서 사용하는 수치 모델자료 중에서 2010년부터 자료가 존재하고 그 양이 비교적 많은 8개 모델의 자료를 예측 값으로 사용하였다. 사용된 모델자료는 기상청(Korea Meteorological Administration)의 GDAPS, RDAPS, KEPS, TWRF와, 유럽중기예보센터(European Centre for Medium Range Weather Forecasts)의 ECMWF, 미국 국립환경 예측센터(National Centers for Environmental Prediction)의 GFS, 일본기상청(Japan Meteorological Agency)의 JGSM과 TEPS의 자료이다(Table 1).
- 본 연구는 최근 4년간(2010~2013년) 북서태평양에서 발생한 태풍을 대상으로, 일본 동경 지역특별기상 센터(Regional Specialized Meteorological Center-Tokyo, RSMC-Tokyo)의 태풍 최적경로(best track) 자료를 관측값으로 사용하였고, 국가태풍센터에서 사용하는 수치 모델자료 중에서 2010년부터 자료가 존재하고 그 양이 비교적 많은 8개 모델의 자료를 예측 값으로 사용하였다. 사용된 모델자료는 기상청(Korea Meteorological Administration)의 GDAPS, RDAPS, KEPS, TWRF와, 유럽중기예보센터(European Centre for Medium Range Weather Forecasts)의 ECMWF, 미국 국립환경 예측센터(National Centers for Environmental Prediction)의 GFS, 일본기상청(Japan Meteorological Agency)의 JGSM과 TEPS의 자료이다(Table 1). GDAPS, ECMWF, GFS, JGSM은 전지구모델이고, RDAPS는 지역모델이며, TWRF는 태풍전용모델, KEPS는 앙상블모델, TEPS는 태풍앙상블모델이다.
- 예측성 평가도구에는 예측정확도와 예측경향, 그리고 예측변동성과 예측일관성이 포함된다. 평가는 최근 4년간(2010~2013년) 북서태평양에서 발생한 태풍에 대하여 실시하였으며, 기준자료로 RSMC-Tokyo의 태풍 최적경로 자료를 사용하였다.
이론/모형
- 단순거리오차, 태풍진행방향오차, 태풍진행 수직방향오차로부터 오차의 절대적인 크기를 알 수 있으며, 태풍진행방향 편차, 태풍진행 수직방향 편차로부터 오차의 경향을 알 수 있다. 대권거리를 구하는 방법으로는 간단하면서도 정확한 하버사인공식(Haversine formula; Veness, 2010)을 사용하였다. 그리고 이러한 오차들에 대한 표준편차를 계산하여 오차의 산포 정도로부터 예측변동성을 파악하였다.
성능/효과
- Table 6은 진로유형별 48시간 최소오차 모델과 그 값을 비교한 자료이다. 48시간 단순거리오차로 평가했을 때 가장 예측정확도가 높은 모델은 SM, R, SCS유형에서 ECMWF로 나타났고, NO유형에서 GFS로 나타났다. 48시간 태풍진행방향오차로 평가했을 때 가장 예측 정확도가 높은 모델은 진로유형별로 단순거리오차로 평가한 결과와 같다.
- 48시간 태풍진행방향오차로 평가했을 때 가장 예측 정확도가 높은 모델은 진로유형별로 단순거리오차로 평가한 결과와 같다. 48시간 태풍진행 수직 방향오차로 평가했을 때 가장 예측정확도가 높은 모델은 SM, R유형에서 JGSM으로 나타났고, NO, SCS유형에서 ECMWF로 나타났다.
- R유형은 전체적으로 실제 진로에 대해 왼쪽으로 예측하고 이동속도를 느리게 예측한 경향이 두드러졌다. NO유형도 R유형과 마찬가지로 실제 진로에 대해 왼쪽으로 예측한 경향과 이동속도를 느리게 예측한 경향이 나타났으나, TWRF는 이동속도를 빠르게 예측한 경향이 나타났다. SCS유형도 실제 진로에 대해 왼쪽으로 예측한 경향과 이동속도를 느리게 예측한 경향이 나타났으나, KEPS는 실제 진로에 대해 오른쪽으로 예측한 경향이 나타났다.
- NO유형도 R유형과 마찬가지로 실제 진로에 대해 왼쪽으로 예측한 경향과 이동속도를 느리게 예측한 경향이 나타났으나, TWRF는 이동속도를 빠르게 예측한 경향이 나타났다. SCS유형도 실제 진로에 대해 왼쪽으로 예측한 경향과 이동속도를 느리게 예측한 경향이 나타났으나, KEPS는 실제 진로에 대해 오른쪽으로 예측한 경향이 나타났다. SM유형을 제외하고는 모든 진로유형에서 실제 진로에 대해 왼쪽으로 예측한 경향과 이동속도를 느리게 예측한 경향이 공통 적으로 나타났다.
- 태풍의 초기위치는 TWRF를 제외한 모델이 실제 태풍위치와 약 19 km 정도의 오차를 가졌다. TWRF 는 2011년 12호 태풍사례에서 8월 26일 00시에 2087.4 km에 달하는 큰 오차를 가져, 이 값이 평균예측오차와 표준편차에 영향을 준 것으로 확인되었다. 각각의 예측시간에서 수치모델들은 평균적으로 109.
- 1 km(120시간)의 오차를 가진다. 가장 작은 태풍진행 수직방향오차를 갖는 모델은 24시간 예측에서 JGSM, 48~96시간 예측에서 ECMWF, 120시간 예측에서 KEPS로 나타났다. 이는 120시간 예측을 제외하고 단순거리오차와 태풍진행방향오차로 평가했을 때 예측정확도가 가장 높았던 모델과 동일하다.
- Figure 4a는 X축을 태풍진행 수직방향오차, Y축을 태풍진행방향오차로 하여 성분 별 평균예측오차 간 관계를 나타낸 그림이다. 각각의 오차는 예측시간에 비례하며, 수치모델들은 대체로 태풍진행 수직방향보다 태풍진행방향으로 큰 오차를 가져 이동속도의 예측정확도가 더 낮음을 알 수 있다. 두 성분의 상대적크기는 태풍진행방향오차가 태풍진행 수직방향오차의 최대 약 2.
- 특히 R유형은 가장 낮은 태풍진행방향 예측정확도와 가장 높은 태풍진행 수직방향 예측정확도를 보여 성분 별로 예측정확도 차이가 극명하였는데, 이는 전향태풍의 오차가 주로 이동속도를 잘 예측하지 못한 데서 기인한 것임을 나타낸다. 그리고 NO유형은 가장 낮은 태풍진행 수직방향 예측정확도와 두 번째로 낮은 태풍진행방향 예측정확도를 보여 이동속도와 방향 모두에서 오차가 많이 발생했다. 이 결과는 태풍진로의 예측오차를 유발하는 주된 요인 중 한가지는 전향현상(전향여부와 전향 이후의 이동속도)과 관련이 있다(Jarrell et al.
- 수치모델들은 태풍진행방향으로 음의 오차를 가져 전반적으로 이동속도를 느리게 예측하는 경향이 있었으며, 태풍진행 수직방향으로는 72시간까지는 왼쪽으로 치우쳐 예측하는 경향, 그 이후로는 오른쪽으로 치우쳐 예측하는 경향이 나타났다. 그리고 일관성 지수를 분석한 결과, 예측정확도가 높은 모델이 일관성도 높으며, 예측오차와 마찬가지로 태풍진행방향 성분의 일관성이 더 낮았다. 따라서 수치모델의 진로예측은 태풍진행방향 성분에서 더 정확도가 낮고 변동성이 크며 일관성 또한 낮아서, 이동 속도 면에서 개선해야 할 점이 많음을 알 수 있었다.
- Table 5는 진로유형 별로 48시간 예측오차와 표준편차를 비교한 결과이다. 단순거리오차로 평가했을 때 가장 예측정확도가 높은 유형은 SCS유형으로, 작은 값의 표준편차를 가져 변동성도 작은 것으로 나타났다. 태풍진행방향오차로 평가했을 때 가장 예측정확도가 높고 변동성이 작은 유형은 SM유형이고, 태풍 진행 수직방향 오차로 평가했을 때 가장 예측정확도가 높은 유형은 R유형이다.
- Figure 4c는 각 모델의 예측시간 별 태풍진행 수직방향 편차와 태풍진행 방향 편차의 중간 값을 이어 그린 그림으로, 모델들의 평균적인 예측경향을 직관적으로 살펴볼 수 있다. 대체로 태풍진행방향 편차는 음의 값을 가져 수치모델들이 이동속도를 느리게 예측하는 경향이 나타났다. 그리고 예측시간이 짧은 JGSM과 RDAPS를 제외한 대부분의 모델들이 72시간 예측을 전후로 실제 진로에 대해 왼쪽, 오른쪽으로 치우쳐 예측하는 경향이 있으나, ECMWF는 72시간 이후에도 계속해서 왼쪽으로 치우쳐 예측하는 경향이 있다.
- 그리고 일관성 지수를 분석한 결과, 예측정확도가 높은 모델이 일관성도 높으며, 예측오차와 마찬가지로 태풍진행방향 성분의 일관성이 더 낮았다. 따라서 수치모델의 진로예측은 태풍진행방향 성분에서 더 정확도가 낮고 변동성이 크며 일관성 또한 낮아서, 이동 속도 면에서 개선해야 할 점이 많음을 알 수 있었다. 이는 오차분포에서 태풍진행방향 성분이 우세하고, 전반적으로 느린 바이어스를 가지며, 태풍진행 수직방향 성분은 경향이 일관되지 않는다(Fogarty and Bowyer, 2008)는 연구결과와 일치한다.
- 태풍진행방향 예측 일관성이 가장 낮은 진로유형은 R유형으로 나타났고, 태풍진행 수직방향 예측 일관성이 가장 낮은 진로유형은 NO유형으로 나타나 각 성분 별 예측일관성이 낮은 유형과 예측정확도가 낮은 유형이 일치한다. 또한 모든 진로유형에서 태풍진행 방향 예측 일관성이 태풍진행 수직방향 예측 일관성보다 낮게 나타났다. 따라서 수치모델들이 전향하는 태풍을 일관적이지 않게 예측하며 특히 태풍진행방향으로 더 일관적이지 않게 예측함을 알 수 있다.
- 또한 수치모델의 진로유형별 예측성을 평가한 결과, 각 성분 별로 가장 예측정확도가 낮고 변동성이 크며 일관성이 낮은 유형은, 태풍진행방향 성분에서 R유형, 태풍진행 수직방향 성분에서 NO유형으로 나타나 전향현상을 동반하는 유형의 진로를 갖는 태풍이 오차가 큰 것을 알 수 있었다. 이 결과는 태풍진로의 예측오차를 유발하는 주된 요인 중 한가지는 전향현상(전향여부와 전향 이후의 이동속도)과 관련이 있다(Jarrell et al.
- 수치모델의 태풍진로 예측오차를 태풍진행방향과 태풍진행 수직방향 성분으로 나누어 살펴본 결과, 수치모델의 진로예측은 태풍진행방향 성분에서 정확도가 낮고 변동성이 커서 이동속도 면에서 오차가 더 크게 발생하는 것으로 보인다. 또한 태풍진행방향으로 음의 값을 가져 이동속도를 느리게 예측하는 경향이 있으며, 태풍진행 수직방향으로는 72시간까지는 왼쪽으로 치우쳐 예측하는 경향, 그 이후로는 오른쪽으로 치우쳐 예측하는 경향이 나타났다.
- Figure 7은 수치모델들의 48시간 평균 예측 경향을 진로유형 별로 나타낸 그림이다. 먼저 SM유형을 살펴보면, 수치모델들이 일관적인 방향예측 경향을 갖지는 않았지만 이동속도를 빠르게 예측한 TWRF를 제외하고는 이동속도를 느리게 예측한 경향이 나타났다. R유형은 전체적으로 실제 진로에 대해 왼쪽으로 예측하고 이동속도를 느리게 예측한 경향이 두드러졌다.
- 5에 단순거리차이로 정의한 일관성 지수의 수치모델 별 평균 값과, 태풍진행방향 일관성과 태풍진행 수직방향 일관성 간 관계를 나타내었다. 먼저 단순거리차이로 정의한 일관성 지수 결과로부터 가장 일관성이 높은 모델은 24~48시간 예측에서 GFS, 72~96시간 예측에서 ECMWF, 120시간 예측에서 GDAPS로 나타났다. 태풍진행방향 성분의 일관성이 높은 모델은 24시간 예측에서 JGSM, 48시간 예측에서 GFS, 72~120 시간 예측에서 ECMWF이고, 태풍진행방향 수직성분의 일관성이 높은 모델은 24~48시간 예측에서 GFS, 72~96시간 예측에서 ECMWF, 120시간 예측에서 KEPS이다.
- 반대로 단순거리오차와 태풍진행방향오차로 평가했을 때 가장 예측정확도가 낮고 변동성이 큰 유형은 R 유형이고, 태풍진행 수직방향오차로 평가했을 때 가장 예측정확도가 낮고 변동성이 큰 유형은 NO유형이다. R유형과 NO유형은 둘 다 전향현상을 동반하는 유형으로, 이로부터 수치모델의 태풍진로예측오차는 전향현상을 잘 예측하지 못한 것이 원인으로 사료된다.
- 반대로 단순거리차이로 정의한 일관성 지수 결과에서 수치모델들이 가장 일관적이지 않게 예측한 진로 유형은 SCS유형으로 나타나, SCS유형은 예측정확도가 높지만 일관적이지 않게 예측되었음을 알 수 있다. 태풍진행방향 예측 일관성이 가장 낮은 진로유형은 R유형으로 나타났고, 태풍진행 수직방향 예측 일관성이 가장 낮은 진로유형은 NO유형으로 나타나 각 성분 별 예측일관성이 낮은 유형과 예측정확도가 낮은 유형이 일치한다.
- SCS유형은 모든 혹은 대부분의 일생을 남중국해에서 보내는 태풍으로, 상륙하기 전 아주 짧은 기간 동안 활동하거나 남중국해의 한정된 지역에서 불규칙하게 움직인다. 사례의 개수는 NO유형이 18개로 가장 많았고, SCS유형이 6개로 가장 적었다. Figure 6은 평가에 사용된 태풍사례들의 진로도이다.
- 대체로 ECMWF와 GFS는 예측정확도가 높고 변동성이 작은 예측을 하는 것으로 나타났으나, 24시간 예측에서는 이 두 모델이 큰 예측변동성을 보였다. 수치모델들은 태풍진행방향으로 음의 오차를 가져 전반적으로 이동속도를 느리게 예측하는 경향이 있었으며, 태풍진행 수직방향으로는 72시간까지는 왼쪽으로 치우쳐 예측하는 경향, 그 이후로는 오른쪽으로 치우쳐 예측하는 경향이 나타났다. 그리고 일관성 지수를 분석한 결과, 예측정확도가 높은 모델이 일관성도 높으며, 예측오차와 마찬가지로 태풍진행방향 성분의 일관성이 더 낮았다.
- 수치모델의 태풍진로 예측오차를 태풍진행방향과 태풍진행 수직방향 성분으로 나누어 살펴본 결과, 수치모델의 진로예측은 태풍진행방향 성분에서 정확도가 낮고 변동성이 커서 이동속도 면에서 오차가 더 크게 발생하는 것으로 보인다. 또한 태풍진행방향으로 음의 값을 가져 이동속도를 느리게 예측하는 경향이 있으며, 태풍진행 수직방향으로는 72시간까지는 왼쪽으로 치우쳐 예측하는 경향, 그 이후로는 오른쪽으로 치우쳐 예측하는 경향이 나타났다.
- 예측오차를 분석한 결과, 단순거리오차와 태풍진행 방향오차, 태풍진행 수직방향오차에서 가장 예측정확도가 높은 모델은 24시간 예측에서 JGSM, 48~96 시간 예측에서 ECMWF였다. 대체로 ECMWF와 GFS는 예측정확도가 높고 변동성이 작은 예측을 하는 것으로 나타났으나, 24시간 예측에서는 이 두 모델이 큰 예측변동성을 보였다.
- 태풍진행방향 성분의 일관성이 높은 모델은 24시간 예측에서 JGSM, 48시간 예측에서 GFS, 72~120 시간 예측에서 ECMWF이고, 태풍진행방향 수직성분의 일관성이 높은 모델은 24~48시간 예측에서 GFS, 72~96시간 예측에서 ECMWF, 120시간 예측에서 KEPS이다. 최소오차 모델과 최소 일관성 모델을 비교해본 결과, 예측정확도가 높은 모델이 일관성도 높게 나타났다. 그리고 예측오차와 마찬가지로 태풍진행방향 성분이 더 낮은 일관성을 보인다.
- 태풍의 초기위치는 TWRF를 제외한 모델이 실제 태풍위치와 약 19 km 정도의 오차를 가졌다. TWRF 는 2011년 12호 태풍사례에서 8월 26일 00시에 2087.
- 태풍진행방향 예측 일관성이 가장 높은 진로유형과 모델은 단순거리차이로 정의한 일관성 지수로 평가한 결과와 동일하다. 태풍진행 수직방향 예측 일관성이 가장 높은 진로유형과 모델은 R유형과 TEPS로 나타났다.
- 먼저 단순거리차이로 정의한 일관성 지수 결과로부터 가장 일관성이 높은 모델은 24~48시간 예측에서 GFS, 72~96시간 예측에서 ECMWF, 120시간 예측에서 GDAPS로 나타났다. 태풍진행방향 성분의 일관성이 높은 모델은 24시간 예측에서 JGSM, 48시간 예측에서 GFS, 72~120 시간 예측에서 ECMWF이고, 태풍진행방향 수직성분의 일관성이 높은 모델은 24~48시간 예측에서 GFS, 72~96시간 예측에서 ECMWF, 120시간 예측에서 KEPS이다. 최소오차 모델과 최소 일관성 모델을 비교해본 결과, 예측정확도가 높은 모델이 일관성도 높게 나타났다.
- 반대로 단순거리차이로 정의한 일관성 지수 결과에서 수치모델들이 가장 일관적이지 않게 예측한 진로 유형은 SCS유형으로 나타나, SCS유형은 예측정확도가 높지만 일관적이지 않게 예측되었음을 알 수 있다. 태풍진행방향 예측 일관성이 가장 낮은 진로유형은 R유형으로 나타났고, 태풍진행 수직방향 예측 일관성이 가장 낮은 진로유형은 NO유형으로 나타나 각 성분 별 예측일관성이 낮은 유형과 예측정확도가 낮은 유형이 일치한다. 또한 모든 진로유형에서 태풍진행 방향 예측 일관성이 태풍진행 수직방향 예측 일관성보다 낮게 나타났다.
- 단순거리오차로 평가했을 때 가장 예측정확도가 높은 유형은 SCS유형으로, 작은 값의 표준편차를 가져 변동성도 작은 것으로 나타났다. 태풍진행방향오차로 평가했을 때 가장 예측정확도가 높고 변동성이 작은 유형은 SM유형이고, 태풍 진행 수직방향 오차로 평가했을 때 가장 예측정확도가 높은 유형은 R유형이다.
- R유형과 NO유형은 둘 다 전향현상을 동반하는 유형으로, 이로부터 수치모델의 태풍진로예측오차는 전향현상을 잘 예측하지 못한 것이 원인으로 사료된다. 특히 R유형은 가장 낮은 태풍진행방향 예측정확도와 가장 높은 태풍진행 수직방향 예측정확도를 보여 성분 별로 예측정확도 차이가 극명하였는데, 이는 전향태풍의 오차가 주로 이동속도를 잘 예측하지 못한 데서 기인한 것임을 나타낸다. 그리고 NO유형은 가장 낮은 태풍진행 수직방향 예측정확도와 두 번째로 낮은 태풍진행방향 예측정확도를 보여 이동속도와 방향 모두에서 오차가 많이 발생했다.
- Figure 4b는 X축을 태풍진행 수직방향 표준편차, Y축을 태풍진행방향 표준편차로 하여 성분 별 평균예측오차의 분포정도를 상대적으로 비교한 그림이다. 표준편차 또한 예측오차와 마찬가지로 예측시간에 비례하며, 태풍진행 수직방향보다 태풍진행방향으로 더 큰 값을 가져 이동속도의 예측변동성이 더 큰 것으로 나타났다. 두 성분의 상대적 크기는 태풍진행방향 성분이 태풍진행 수직방향성분의 최대 약 2.
후속연구
- , 1978)는 연구결과와 일치한다. 추후에 구체적인 사례에 대한 정량적인 분석을 추가하여 수치모델 특성에 따른 예측오차 원인을 파악한다면, 좀 더 객관적인 예보 가이던스로 활용 가능할 것으로 사료된다.
- 9 km (KMA, 2012)와도 비교할 만한 수준이다. 태풍진로 예보오차는 현재의 수준을 정확히 파악하고, 오차의 원인을 구체적으로 진단한다면 앞으로도 계속 개선될 수 있을 것으로 예상된다. 이를 위해서 예보결과 검증과 예보 가이던스로 활용가치가 높은 수치모델의 성능평가는 필수적이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.