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 국가태풍센터에서 운영하는 북서태평양 태풍 진로 계절예측모델의 6월부터 10월까지의 고정된 예측시점을 현업 예보자가 목적에 따라 3개월 단위로 그 예측기간을 조정할 수 있도록 개선하였다. 여름철과 가을철 태풍 전망을 발표하는 기상청 장기예보 일정에 부합해 예측결과를 산출하기 위해 계절별로 나누어 북서태평양의 대표적 태풍 진로 유형을 새로 분류하고 각 유형별 대규모 순환장과의 상관성을 분석해서 예측모델을 개발하였다.
- 본 모델의 예측결과는 북서태평양지역 전체 태풍활동을 대상으로 하기 때문에 예보자가 한반도 비상구역의 예보를 위해서는 최종 예측 결과를 이용한 별도의 후처리 작업이 필요하였다. 본 연구에서는 최종 태풍활동 예측 지도에서 한반도 비상구역의 예측결과 값만을 산출하게 하는 모듈을 개발하여 유저 친화적인 인터페이스 개발을 시도하였다. 이때, 한반도 비상구역은 기상청 정의를 따라 경도 122oE~132oE, 위도 28oN~40oN까지의 구역으로 정의하였다.
- 현업화 이후 본 모델을 국가태풍센터에서 활용하면서 대두된 여러 문제점을 해결하고 기상청 장기예보 업무에 직접적인 도움이 되기 위해서 본 연구에서는 북서태평양 태풍 진로 계절예측 모델의 예측 대상 기간을 3개월 단위로 조정할 수 있도록 모델 쉘 스크립트를 개발하였다. 이 조정 작업은 본 모델의 사용자가 기존의 6월부터 10월까지 고정된 예측 대상 기간을 변경해 여름철과 가을철 기간으로 나누어 3개월 단위 예측을 쉽게 수행할 수 있게 한다.
제안 방법
- 본 기술노트의 2절에서 모델 구동에 필요한 자료에 대해 설명하고, 3절에서 예측모델의 개관적 내용과 시스템 운영 기반을 설명한다. 4절에서 3개월 단위 태풍 예측 성능에 대해 평가하고 5절에서 한반도 지역의 예측 성능에 대해 검증한다. 6절에서는 본 기술노트의 내용을 요약한다.
- MODL 폴더의 자동화 실행파일은 변환된 CFSv2를 이용해 본 모델의 예측인자를 산출하고 각 진로 유형별 예측모델을 구동시켜 예측결과를 생산한다. 예측인자 계산은 각 진로 유형의 태풍활동과 대규모 순환장 사이 관련성을 바탕으로 이루어진다.
- 이때, 한반도 비상구역은 기상청 정의를 따라 경도 122oE~132oE, 위도 28oN~40oN까지의 구역으로 정의하였다. 관측자료도 본 모델에서 산출하는 태풍 진로 밀도와 같이 확률 값으로 변환하여 모델 성능을 같은 기준에서 비교하였다.
- 이러한 예측 대상기간의 수정은 사용자가 본 모델의 초기 입력자료로 사용되는 네임리스트 입력 파라미터를 조정해 쉽게 조절할 수 있다. 또한 본 모델 예측 결과에 한반도 비상구역의 결과를 집중해서 산출하는 후처리 모듈을 추가하여 현업 예보에서 신속하게 모델을 구동하고 정확한 한반도 태풍활동 예측결과를 산출할 수 있도록 하였다. 비록 가을철 한반도 비상구역 태풍활동의 피크 해 모의에 한계성이 일부 나타났으나 향후 새로운 예측인자 도입 및 최적화, 다른 회귀분석 방법 시험 등을 통해 극복할 수 있을 것이다.
- 분류된 태풍 진로 유형별로 전구 역학모델에서 모의한 대기/해양 순환장의 동시상관 관계성을 이용해서 통계 회귀모델을 구성하고 예측인자를 계산한 후 예측을 수행한다. 마지막으로 모든 군집의 예측결과를 종합하여 공간으로 표출되는 태풍 진로 밀도의 예측 결과를 산출한다. 이 시스템의 예측 성능은 기후적 관점에서 우수하며, 현업 활용의 용이함을 위해 조기 예측성의 검증 및 자동화 작업이 이루어졌다(Jin et al.
- 또한 개발된 모델의 예측 성능을 확인함으로써 현업에서의 활용 가능성을 검증하였다. 마지막으로 현업 사용자가 본 모델을 통해서 한반도 영향태풍 예측 결과를 산출하고자 할 때 사용자 편의를 위해 한반도 비상구역 태풍활동 예측 모듈을 개발하고 그 성능을 관측과 비교하였다.
- POST 폴더의 예측결과 산출 실행파일은 앞서 수행된 각 진로 유형별 예측 결과를 종합해 최종 예측지도를 생산한다. 본 모델의 기반이며 바이너리(binary) 형태의 파일로 구성되어 있는 북서태평양 태풍 진로 유형에 앞서 얻어진 태풍 예측 결과를 곱하고 모델 예측 결과의 평균과 표준편차를 관측 태풍 활동과 부합하게 하는 편향보정(bias correction) 과정을 거친다. 최종 예측결과도 바이너리 형태로 저장되며 예측장 가시화 코드에서 Grid Analysis and Display System(GrADS) 프로그램을 이용해 결과를 예측지도로써 생산한다.
- 과거 재모의 자료는 각 해의 1월 1일부터 5일 간격으로 배포되며 9개월 예측 정보가 포함되어 있다. 본 연구에서는 예측 대상기간보다 1개월여 앞선 5월 11일, 8월 4일을 각각의 예측시점으로 선정하고, 예측시점일과 앞선 2개일의 자료들을 종합하여 총 12개 CFSv2 앙상블 멤버를 활용해 3개월 단위(6~8월, 9~11월) 태풍활동 예측모델을 개발하였다. 모델 개발 및 예측에 활용되는 자료들의 사용 기간은 태풍과 CFSv2 과거 재모의 자료의 예측 대기/해양 순환장의 공통 기간인 1982년부터 2010년까지 기간으로 설정하였다.
- , 2011). 분류된 태풍 진로 유형별로 전구 역학모델에서 모의한 대기/해양 순환장의 동시상관 관계성을 이용해서 통계 회귀모델을 구성하고 예측인자를 계산한 후 예측을 수행한다. 마지막으로 모든 군집의 예측결과를 종합하여 공간으로 표출되는 태풍 진로 밀도의 예측 결과를 산출한다.
- 이 유형은 남중국해 지역적인 하층 동서바람과 중태평양 해수면온도의 원격상관 영향을 받는 것으로 나타나 이들을 예측인자로 채택하였다. 세 번째 유형(C3)은 태풍 주 발생구역인 필리핀해에서 발생하여 필리핀, 홍콩 등 남중국해 방향으로 나아가는 태풍들이 분류되었으며 중태평양의 해수면 온도와 하층 상대와도를 예측인자로 결정하였다(Fig. 3c). 네 번째 유형(C4)은 동중국해를 지나 일본 남동부 지역에 직접적인 영향을 주는 태풍들로써 북서태평양 대양 전체의 해수면 온도와 아열대 지역 상층 동서 바람을 예측인자로 가진다(Fig.
- 본 연구에서는 국가태풍센터에서 운영하는 북서태평양 태풍 진로 계절예측모델의 6월부터 10월까지의 고정된 예측시점을 현업 예보자가 목적에 따라 3개월 단위로 그 예측기간을 조정할 수 있도록 개선하였다. 여름철과 가을철 태풍 전망을 발표하는 기상청 장기예보 일정에 부합해 예측결과를 산출하기 위해 계절별로 나누어 북서태평양의 대표적 태풍 진로 유형을 새로 분류하고 각 유형별 대규모 순환장과의 상관성을 분석해서 예측모델을 개발하였다. 이 모델들의 성능을 평가하고 현업에서의 활용 가능성을 확인하기 위해 교차타당화 방법을 이용해 1982년부터 2010년까지 과거기간 동안의 예측성능을 검증하였다.
- 여름철과 가을철 태풍 전망을 발표하는 기상청 장기예보 일정에 부합해 예측결과를 산출하기 위해 계절별로 나누어 북서태평양의 대표적 태풍 진로 유형을 새로 분류하고 각 유형별 대규모 순환장과의 상관성을 분석해서 예측모델을 개발하였다. 이 모델들의 성능을 평가하고 현업에서의 활용 가능성을 확인하기 위해 교차타당화 방법을 이용해 1982년부터 2010년까지 과거기간 동안의 예측성능을 검증하였다. 태풍 진로 밀도의 예측에 있어 관측과 모델 값의 상관계수는 여름철에 0.
- 이 연구에서는 여름철 태풍 진로 예측을 위해 퍼지 군집분류 방법을 이용해 여름철 태풍 진로 유형을 분류하고 그 예측인자들을 선정하였다(Fig. 2). 앞서 언급했듯이 예측인자 선정과정은 재분석 자료와 CFSv2 과거 재모의 자료의 상관계수 분석을 바탕으로 진행되지만 편의상 본 기술노트에서는 실제 예측 모델 구동에 활용되는 CFSv2 과거 재모의 자료의 상관계수만을 나타냈다(Fig.
- 2f). 이 유형의 태풍들과 중태평양의 해수면 온도와 북서태평양 저위도 지역의 낮은 연직 바람시어가 높은 상관성을 보이는 것으로 나타나 이들을 예측인자로 활용하였다.
- CFSv2 공간 격자 해상도는 위-경도 1o 간격이며 앞서 언급된 태풍활동 분석에 필요한 다양한 대기/해양의 변수를 제공한다. 이 자료의 여러 종류 중에서 예측모델 개발 및 성능 평가를 위해 과거 재분석 자료를 초기장으로 활용하고 모델 적분을 수행한 과거 재모의 자료(retrospective data)를 본 연구에 활용하였다. 과거 재모의 자료는 각 해의 1월 1일부터 5일 간격으로 배포되며 9개월 예측 정보가 포함되어 있다.
- 이 중 중심 최대 풍속이 17 m s−1 이상의 강도를 가지는 시스템을 태풍이라고 정의하고, 본 예측모델 개발 연구에서 활용하였다.
- 2). 총 6개의 진로 유형으로 분류되었으며 각 유형마다 2개의 변수를 예측인자로 활용해 모델을 개발하였다. 첫 번째 유형(C1)은 남중국해에서 발달하고 소멸하는 태풍들이 분류되었다(Fig.
- 본 모델의 기반이며 바이너리(binary) 형태의 파일로 구성되어 있는 북서태평양 태풍 진로 유형에 앞서 얻어진 태풍 예측 결과를 곱하고 모델 예측 결과의 평균과 표준편차를 관측 태풍 활동과 부합하게 하는 편향보정(bias correction) 과정을 거친다. 최종 예측결과도 바이너리 형태로 저장되며 예측장 가시화 코드에서 Grid Analysis and Display System(GrADS) 프로그램을 이용해 결과를 예측지도로써 생산한다. 최종 예측지도에는 격자별 실제 태풍 확률 값과 기후평년과 비교한 편차가 동시에 표현된다.
대상 데이터
- 이 자료의 여러 종류 중에서 예측모델 개발 및 성능 평가를 위해 과거 재분석 자료를 초기장으로 활용하고 모델 적분을 수행한 과거 재모의 자료(retrospective data)를 본 연구에 활용하였다. 과거 재모의 자료는 각 해의 1월 1일부터 5일 간격으로 배포되며 9개월 예측 정보가 포함되어 있다. 본 연구에서는 예측 대상기간보다 1개월여 앞선 5월 11일, 8월 4일을 각각의 예측시점으로 선정하고, 예측시점일과 앞선 2개일의 자료들을 종합하여 총 12개 CFSv2 앙상블 멤버를 활용해 3개월 단위(6~8월, 9~11월) 태풍활동 예측모델을 개발하였다.
- 2c). 네 번째 유형(C4)은 일본 남동부에 영향을 주는 태풍들로써 북서태평양 열대지역의 하층 상대와도와 중위도 동서바람이 예측인자로 선정되었다(Fig. 2d). 다섯 번째 유형(C5)은 북서태평양에서 동쪽 경계에서 활동하는 태풍들이 분류되었고, 북서태평양 아열대 지역의 하층 상대와도, 중태평양 지역의 해수면 온도와 높은 관련성이 나타나 예측인자로 채택하였다(Fig.
- 2d). 다섯 번째 유형(C5)은 북서태평양에서 동쪽 경계에서 활동하는 태풍들이 분류되었고, 북서태평양 아열대 지역의 하층 상대와도, 중태평양 지역의 해수면 온도와 높은 관련성이 나타나 예측인자로 채택하였다(Fig. 2e). 여섯 번째 유형(C6)은 태풍 주 발생 구역의 남동쪽에서 주로 발생하며 동중국해를 지나 한국과 일본에까지 북상하는 태풍들이 분류되었다(Fig.
- 본 연구에서는 예측 대상기간보다 1개월여 앞선 5월 11일, 8월 4일을 각각의 예측시점으로 선정하고, 예측시점일과 앞선 2개일의 자료들을 종합하여 총 12개 CFSv2 앙상블 멤버를 활용해 3개월 단위(6~8월, 9~11월) 태풍활동 예측모델을 개발하였다. 모델 개발 및 예측에 활용되는 자료들의 사용 기간은 태풍과 CFSv2 과거 재모의 자료의 예측 대기/해양 순환장의 공통 기간인 1982년부터 2010년까지 기간으로 설정하였다.
- 그러나 피크 예측은 여름철 예측모델이 가을철 예측모델보다 상대적으로 더 우수한 성능을 보이는 것으로 나타났다. 여름철 예측모델은 변동성을 포함한 대부분의 피크들을 상대적으로 잘 모의하였지만 가을철 예측모델은 1990, 2002, 2004년 피크 등을 관측과 다른 양상으로 예측하였다. 본 예측이 통계적 기법에 기반하기 때문에 우리나라에 태풍의 영향이 많고 적었던 피크 해 모의 정확성에는 한계성이 존재할 수 있다.
- 3e). 여섯 번째 유형(C6)은 상대적으로 먼바다에서 발생하며 중위도까지 전향하여 북상하는 태풍들이 분류되었고, 열대지역 하층 상대와도 및 해수면 온도와 높은 관련성을 보여 예측인자로 선정하였다. 같은 지역에서 활동하는 태풍 진로 유형들을 계절별로 비교했을 때, 가을철 진로가 여름철 진로보다 대체로 저위도 지역에서 더 활발한 양상을 보이는 것으로 나타났다.
- 5o 간격이고, 해수면 온도 자료가 위-경도 2o 간격이다. 이 관련성을 바탕으로 예측인자를 구성하기 위해 미국 환경예측센터(National Centers for Environmental Prediction)에서 배포하는 Climate Forecast System version 2 (CFSv2) 계절예측 자료를 이용한다(Saha et al., 2014). CFSv2 공간 격자 해상도는 위-경도 1o 간격이며 앞서 언급된 태풍활동 분석에 필요한 다양한 대기/해양의 변수를 제공한다.
- 예측인자 계산은 각 진로 유형의 태풍활동과 대규모 순환장 사이 관련성을 바탕으로 이루어진다. 이 관련성이 재분석 자료와 CFSv2 과거 재모의 자료에서 동일하게 나타나고 통계적으로 90% 신뢰수준에서 유의미하다고 판단될 경우를 예측인자로 선정하였으며, 이 과정은 포트란 프로그램으로 구성되어 있다. 예측인자가 산출되면 푸아송 회귀분석 모델(Poisson regression model)을 이용해 각 진로 유형별로 예측을 수행한다.
- 이 모델의 기반이 되는 태풍 군집 분류를 위해 세계기상기구 산하의 일본 도쿄의 지역특별기상센터(Regional Specialized Meteorological Centers-Tokyo Typhoon Center)에서 제공하는 태풍 자료를 사용하였다. 이 자료는 1951년부터 북서태평양에서 발생한 태풍의 위치정보, 강도정보 등이 날짜에 따라 정리되어 있다.
- 여름철과 마찬가지로 가을철 태풍 진로도 총 6개의 진로 유형으로 분류되었으나, 그 특징이 조금 다르고 이에 따른 예측인자 변수 및 지역도 차이가 있다는 것을 확인할 수 있다. 첫 번째 유형(C1)은 남중국해 남단부에서 발생하고 소멸하는 태풍들이 분류되었고 예측인자로써는 서태평양의 하층 상대와도와 중위도 상층 동서바람이 채택되었다(Fig. 3a). 두 번째 유형(C2)은 남중국해 북단부에서 주로 발생했지만 여름철과 다르게 대만 방향으로 북상하지 못하고 주로 서진하여 중국 남부지역에 상륙하는 태풍들이 분류되었다(Fig.
- 이 중 중심 최대 풍속이 17 m s−1 이상의 강도를 가지는 시스템을 태풍이라고 정의하고, 본 예측모델 개발 연구에서 활용하였다. 태풍과 대기/해양 순환장 사이 관련성을 조사하기 위해서 대기 자료로 미국 환경예측센터의 재분석 자료(Reanalysis 2, Kanamitsu et al., 2002)에서 산출되는 상층 동서바람(U200), 하층 동서바람(U850), 하층 상대와도(VOR850), 연직 바람시어(VWS) 등의 변수를 이용하였고, 해양 자료로 미국 해양대기부처(National Oceanic and Atmospheric Administration)에서 생산하는 해수면 온도 자료(SST; Extended Reconstructed Sea Surface Temperature version 3, Smith et al., 2008)를 이용하였다. 각 자료의 수평 해상도는 재분석 자료가 위-경도 2.
데이터처리
- 개발된 계절별 태풍 예측모델의 성능을 확인하기 위해 교차타당화(cross validation) 방법을 이용하여 모델 훈련기간(training period) 동안 과거예측 결과와 관측 태풍활동 사이의 진로 밀도 편차 공간상관도 시계열을 분석하였다(Fig. 4). 이 교차타당화는 통계모델의 성능을 검증하는 방안 중에 하나로써 널리 쓰이는 방법이다(Gray et al.
이론/모형
- PREP 폴더에서 본 모델의 구동을 위해 역학 예측 모델 NCEP CFSv2를 자동으로 다운받는 프로그램으로써 Ruby를 이용한다. Ruby를 이용해 CFSv2 웹페이지에서 파일 리스트를 불러오고, 그 파일을 신속히 받기 위해 리눅스 시스템에서의 다운로드 프로그램을 사용한다.
- 이 관련성이 재분석 자료와 CFSv2 과거 재모의 자료에서 동일하게 나타나고 통계적으로 90% 신뢰수준에서 유의미하다고 판단될 경우를 예측인자로 선정하였으며, 이 과정은 포트란 프로그램으로 구성되어 있다. 예측인자가 산출되면 푸아송 회귀분석 모델(Poisson regression model)을 이용해 각 진로 유형별로 예측을 수행한다. 이때 통계 패키지 R의 내장함수를 이용해 사용자 입장에서 편리하게 이용할 수 있다.
- , 2013). 태풍 진로 예측을 위해 먼저 퍼지 군집 분류 방법(Fuzzy clustering method)을 사용해서 북서태평양의 태풍 진로를 대표적인 여러개의 유형으로 구분한다(Kim et al., 2011). 분류된 태풍 진로 유형별로 전구 역학모델에서 모의한 대기/해양 순환장의 동시상관 관계성을 이용해서 통계 회귀모델을 구성하고 예측인자를 계산한 후 예측을 수행한다.
성능/효과
- 여섯 번째 유형(C6)은 상대적으로 먼바다에서 발생하며 중위도까지 전향하여 북상하는 태풍들이 분류되었고, 열대지역 하층 상대와도 및 해수면 온도와 높은 관련성을 보여 예측인자로 선정하였다. 같은 지역에서 활동하는 태풍 진로 유형들을 계절별로 비교했을 때, 가을철 진로가 여름철 진로보다 대체로 저위도 지역에서 더 활발한 양상을 보이는 것으로 나타났다.
- 따라서 개발된 한반도 비상구역 집중예측 모듈이 본 모델의 높은 예측성능에 기반해 본 모델의 사용자에게 신뢰성 있는 한반도 태풍 예측 정보를 제공할 수 있다고 평가할 수 있다. 그러나 피크 예측은 여름철 예측모델이 가을철 예측모델보다 상대적으로 더 우수한 성능을 보이는 것으로 나타났다. 여름철 예측모델은 변동성을 포함한 대부분의 피크들을 상대적으로 잘 모의하였지만 가을철 예측모델은 1990, 2002, 2004년 피크 등을 관측과 다른 양상으로 예측하였다.
- 앞서 언급했듯이 본 모델은 최종 예측 결과로써 북서태평양 지역 전체의 태풍 진로 밀도를 산출한다. 대양 전체 태풍활동성을 예측하기 때문에 최종 결과에서 한반도 지역의 결과만을 집중 계산하는 후처리 작업을 통해 한반도 태풍활동 예측결과를 도출할 수 있다. 국가태풍센터에서는 이 예측 시스템을 현업으로 사용한 이후 지난 3년여간 위도 28oN보다 북쪽, 경도 132oE보다 서쪽으로 정의된 한반도 비상구역 지역들 중 가장 최대 값을 나타내는 태풍 진로 밀도 값을 본 모델의 한반도 태풍 예측결과로 산정하였다.
- 55 정도를 보였으며, 이는 예측치가 관측에서 나타난 변동성의 99% 유의수준에서 모의되는 것으로 나타났다. 두 계절 모두 기후적인 관점에서 우수한 예측성능을 보였고, 또한 기존에 개발되었던 6월부터 10월까지 기간을 대상으로 하는 모델의 성능과 비슷한 수준인 것으로 나타났다. 이러한 예측 대상기간의 수정은 사용자가 본 모델의 초기 입력자료로 사용되는 네임리스트 입력 파라미터를 조정해 쉽게 조절할 수 있다.
- 3a). 두 번째 유형(C2)은 남중국해 북단부에서 주로 발생했지만 여름철과 다르게 대만 방향으로 북상하지 못하고 주로 서진하여 중국 남부지역에 상륙하는 태풍들이 분류되었다(Fig. 3b). 이 유형은 남중국해 지역적인 하층 동서바람과 중태평양 해수면온도의 원격상관 영향을 받는 것으로 나타나 이들을 예측인자로 채택하였다.
- 55로써 두 계절 모두 관측(실선)에서 나타난 기후적 변동성을 통계적으로 99% 유의수준으로 예측(점선)이 잘 모의하는 것으로 나타났다. 따라서 개발된 한반도 비상구역 집중예측 모듈이 본 모델의 높은 예측성능에 기반해 본 모델의 사용자에게 신뢰성 있는 한반도 태풍 예측 정보를 제공할 수 있다고 평가할 수 있다. 그러나 피크 예측은 여름철 예측모델이 가을철 예측모델보다 상대적으로 더 우수한 성능을 보이는 것으로 나타났다.
- 이 조정 작업은 본 모델의 사용자가 기존의 6월부터 10월까지 고정된 예측 대상 기간을 변경해 여름철과 가을철 기간으로 나누어 3개월 단위 예측을 쉽게 수행할 수 있게 한다. 또한 개발된 모델의 예측 성능을 확인함으로써 현업에서의 활용 가능성을 검증하였다. 마지막으로 현업 사용자가 본 모델을 통해서 한반도 영향태풍 예측 결과를 산출하고자 할 때 사용자 편의를 위해 한반도 비상구역 태풍활동 예측 모듈을 개발하고 그 성능을 관측과 비교하였다.
- 그러나 음의 공간상관도를 보이는 경우도 있어 본 모델을 통한 태풍 진로 공간분포 예측에도 여전히 문제점이 있음을 확인한다(여름철의 1986, 2009년, 가을철의 1987, 1993, 2005년). 여름철과 가을철 공간상관도 시계열의 상관성은 0.16으로써 여름철 태풍활동을 예측하는 모델과 가을철을 예측하는 모델은 서로 큰 관련이 없고 계절별로 최선의 예측성능 구현을 위해 독립적인 모델 개발이 잘 수행되었다는 것을 확인할 수 있다.
- 모델 예측결과에서도 관측에서 나타난 이러한 기후적 특징들을 편향도 없이 잘 모의하는 것으로 나타났으며, 가을철 태풍활동의 장주기 증가 경향도 모의하고 있다. 정량화된 수치로써 관측과 예측 사이 상관계수는 여름철에 0.70, 가을철에 0.55로써 두 계절 모두 관측(실선)에서 나타난 기후적 변동성을 통계적으로 99% 유의수준으로 예측(점선)이 잘 모의하는 것으로 나타났다. 따라서 개발된 한반도 비상구역 집중예측 모듈이 본 모델의 높은 예측성능에 기반해 본 모델의 사용자에게 신뢰성 있는 한반도 태풍 예측 정보를 제공할 수 있다고 평가할 수 있다.
- 이 모델들의 성능을 평가하고 현업에서의 활용 가능성을 확인하기 위해 교차타당화 방법을 이용해 1982년부터 2010년까지 과거기간 동안의 예측성능을 검증하였다. 태풍 진로 밀도의 예측에 있어 관측과 모델 값의 상관계수는 여름철에 0.70, 가을철에 0.55 정도를 보였으며, 이는 예측치가 관측에서 나타난 변동성의 99% 유의수준에서 모의되는 것으로 나타났다. 두 계절 모두 기후적인 관점에서 우수한 예측성능을 보였고, 또한 기존에 개발되었던 6월부터 10월까지 기간을 대상으로 하는 모델의 성능과 비슷한 수준인 것으로 나타났다.
후속연구
- 여름철 예측모델은 변동성을 포함한 대부분의 피크들을 상대적으로 잘 모의하였지만 가을철 예측모델은 1990, 2002, 2004년 피크 등을 관측과 다른 양상으로 예측하였다. 본 예측이 통계적 기법에 기반하기 때문에 우리나라에 태풍의 영향이 많고 적었던 피크 해 모의 정확성에는 한계성이 존재할 수 있다. 이 한계성은 새로운 예측 인자 개발 및 최적화나 다른 회귀분석 기법을 본 모델 예측에 이용한다면 부분적으로 해결할 수 있을 것으로 기대된다.
- 또한 본 모델 예측 결과에 한반도 비상구역의 결과를 집중해서 산출하는 후처리 모듈을 추가하여 현업 예보에서 신속하게 모델을 구동하고 정확한 한반도 태풍활동 예측결과를 산출할 수 있도록 하였다. 비록 가을철 한반도 비상구역 태풍활동의 피크 해 모의에 한계성이 일부 나타났으나 향후 새로운 예측인자 도입 및 최적화, 다른 회귀분석 방법 시험 등을 통해 극복할 수 있을 것이다. 이 연구를 통해 개발된 3개월 단위 예측 모듈, 유저 친화적 인터페이스, 그리고 후처리 스크립트 추가를 통한 한반도 지역 예측기능들은 기상청 국가태풍센터의 태풍 장기 예보 업무에 큰 도움이 될 것으로 기대된다.
- 1과 Table 1). 사용자 입장에서 본 모델의 쉬운 구동을 위해 초기 조건들을 일괄적으로 네임리스트 입력 파라미터(namelist input parameter)에 선언한다. 이 네임리스트는 본 모델을 통해 예측을 수행할 때 필요한 변수들을 예측과정이 끝날 때까지 시스템 메모리 상에 일시적으로 저장시키고, 이 정보들이 필요한 스크립트가 실행될 때 불러들여 활성화 시킨다.
- 비록 가을철 한반도 비상구역 태풍활동의 피크 해 모의에 한계성이 일부 나타났으나 향후 새로운 예측인자 도입 및 최적화, 다른 회귀분석 방법 시험 등을 통해 극복할 수 있을 것이다. 이 연구를 통해 개발된 3개월 단위 예측 모듈, 유저 친화적 인터페이스, 그리고 후처리 스크립트 추가를 통한 한반도 지역 예측기능들은 기상청 국가태풍센터의 태풍 장기 예보 업무에 큰 도움이 될 것으로 기대된다.
- 본 예측이 통계적 기법에 기반하기 때문에 우리나라에 태풍의 영향이 많고 적었던 피크 해 모의 정확성에는 한계성이 존재할 수 있다. 이 한계성은 새로운 예측 인자 개발 및 최적화나 다른 회귀분석 기법을 본 모델 예측에 이용한다면 부분적으로 해결할 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.