북서태평양 태풍 진로의 계절예측시스템 자동화 구축 및 조기 예측성의 검증 Development of the Atomated Prediction System for Seasonal Tropical Cyclone Activity over the Western North Pacific and its Evaluation for Early Predictability원문보기
계절예측시스템의 배경 지식이 부족한 사용자가 시스템을 효율적으로 구동하고 조절할 수 있도록 자동화에 최적화된 시스템을 기상청 국가태풍센터에 구축하였다. 기존 예측시스템에서 사용자의 주관이 포함되어 자동화 구축에 제약을 주는 군집분류와 예측인자 선정 과정은 미리 수행되고, 그 출력자료는 입력자료로서 제공된다. 시스템을 이해하고 운용하는데 도움을 주기 위해 기상청 규격에 따라 디렉토리 구조를 재구성하고, 해당 디렉토리에 포함되어 있는 입력자료와 소스코드를 이용해 산출되는 출력자료를 정리하였다. 또한 기존 예측시스템에서 고정되어 있거나 수동으로 설정해야 하는 구동조건을 효과적으로 조절하기 위해 네임리스트를 이용한 사용자인터페이스를 추가하여 자동화 시스템을 최적화하였다. 이러한 자동화 시스템에 의해 기술적으로 가능해진 조기예측의 성능을 검증한 결과, 예측시점을 5월에서 1월까지 앞당겨도 모든 진로유형에서 높은 예측성능이 유지되었다. 이처럼, 조기예측이 가능해진 태풍진로 계절예측시스템은 국가태풍센터의 현업예보뿐만 아니라 태풍계절예측 분야의 연구자에게도 매우 유익할 것으로 기대되고, 본 기술노트는 효율적인 예측시스템 운영을 위한 기술적 지침서로 활용될 것이다.
계절예측시스템의 배경 지식이 부족한 사용자가 시스템을 효율적으로 구동하고 조절할 수 있도록 자동화에 최적화된 시스템을 기상청 국가태풍센터에 구축하였다. 기존 예측시스템에서 사용자의 주관이 포함되어 자동화 구축에 제약을 주는 군집분류와 예측인자 선정 과정은 미리 수행되고, 그 출력자료는 입력자료로서 제공된다. 시스템을 이해하고 운용하는데 도움을 주기 위해 기상청 규격에 따라 디렉토리 구조를 재구성하고, 해당 디렉토리에 포함되어 있는 입력자료와 소스코드를 이용해 산출되는 출력자료를 정리하였다. 또한 기존 예측시스템에서 고정되어 있거나 수동으로 설정해야 하는 구동조건을 효과적으로 조절하기 위해 네임리스트를 이용한 사용자인터페이스를 추가하여 자동화 시스템을 최적화하였다. 이러한 자동화 시스템에 의해 기술적으로 가능해진 조기예측의 성능을 검증한 결과, 예측시점을 5월에서 1월까지 앞당겨도 모든 진로유형에서 높은 예측성능이 유지되었다. 이처럼, 조기예측이 가능해진 태풍진로 계절예측시스템은 국가태풍센터의 현업예보뿐만 아니라 태풍계절예측 분야의 연구자에게도 매우 유익할 것으로 기대되고, 본 기술노트는 효율적인 예측시스템 운영을 위한 기술적 지침서로 활용될 것이다.
The automated prediction system for seasonal tropical cyclone (TC) activity is established at the National Typhoon Center of the Korea Meteorological Administration (KMA) to provide effective operation and control of the system for user who lacks knowledge of the system. For automation of the system...
The automated prediction system for seasonal tropical cyclone (TC) activity is established at the National Typhoon Center of the Korea Meteorological Administration (KMA) to provide effective operation and control of the system for user who lacks knowledge of the system. For automation of the system, two procedures which include subjective decisions by user are performed in advance, and their output data are provided as input data. To provide the capability to understand the operational processes for operational user, the input and output data are summarized with each process, and the directory structure is reconstructed following KMA's standard. We introduce a user interface using namelist input parameters to effectively control operational conditions which is fixed or should be manually set in the previous version of the prediction system. To operationally use early prediction which become available through the automation, its performances are evaluated according to initial condition dates. As a result, high correlations between the observed and predicted TC counts are kept for all track clusters even though advancing the initial condition date from May to January.
The automated prediction system for seasonal tropical cyclone (TC) activity is established at the National Typhoon Center of the Korea Meteorological Administration (KMA) to provide effective operation and control of the system for user who lacks knowledge of the system. For automation of the system, two procedures which include subjective decisions by user are performed in advance, and their output data are provided as input data. To provide the capability to understand the operational processes for operational user, the input and output data are summarized with each process, and the directory structure is reconstructed following KMA's standard. We introduce a user interface using namelist input parameters to effectively control operational conditions which is fixed or should be manually set in the previous version of the prediction system. To operationally use early prediction which become available through the automation, its performances are evaluated according to initial condition dates. As a result, high correlations between the observed and predicted TC counts are kept for all track clusters even though advancing the initial condition date from May to January.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
이 과정은 지구과학 분야에서 주로 사용하는 계산 및 가시화 프로그램 중의 하나인 GrADS를 이용한다. GrADS를 기반으로 한 진로 유형들의 합성 및 편향도 보정 스크립트를 통해 시스템의 최종 결과물인 태풍 진로밀도 예측과 기후값에 대한 편차를 생산한다.
전처리, 예측모듈, 후처리 과정을 각각 PREP/, MODL/, POST/로 지정하고, 이들 주요 과정에서 필요한 디렉토리를 DABA/(기본자료), DAIN/(입력자료), DAOU/(출력자료), .SRC/(소스코드), EXEC/(실행코드), DAGR/(그래픽자료)로 분류하여 그 하위 디렉토리로 구성하였다.
개선된 예측시스템을 사용자가 효율적으로 이해하고 운영하는 데 도움을 주기 위해, H13에서 설명된 기존의 예측시스템을 기반으로 자동화 구축을 위해 추가되거나 최적화된 과정을 설명한다. 그리고 자동화 시스템 구축을 통해 부수적으로 현업의 다양한 수요 중에서 예측시점(initial condition date) 선행화가 효과적으로 구현될 수 있어 예측시스템의 조기 예측성을 검증한다.
시스템을 이해하고 운용하는데 도움을 주기 위해 기상청 규격에 따라 디렉토리 구조를 재구성하고, 해당 디렉토리에 포함되어 있는 입력자료와 소스코드를 이용해 산출되는 출력자료를 정리하였다. 또한 기존 예측시스템에서 고정되어 있거나 수동으로 설정해야 하는 구동조건을 효과적으로 조절하기 위해 네임리스트를 이용한 사용자 인터페이스를 추가하여 자동화 시스템을 최적화하였다. 이러한 자동화 시스템에 의해 기술적으로 가능해진 조기예측의 성능을 검증한 결과, 예측시점을 5월에서 1월까지 앞당겨도 모든 진로유형에서 높은 예측성능이 유지되었다.
먼저 시스템 외적 요인으로 진로유형별 예측인자에 대한 CFSv2 예측결과와 재분석 자료의 상관성을 예측시점에 따라 조사하였다(Fig. 3). 예측인자에 저위도 해수면 온도나 상층제트가 포함된 C2와 C3의 경우 예측시점이 앞당겨지더라도 높은 상관성이 유지되는 반면, 중위도의 해수면온도와 연직바람시어가 포함된 C5와 C7의 경우 예측시점이 앞당겨짐에 따라 상관성이 낮아져 1~2월에 최저값이 나타난다.
기존 예측시스템에서 사용자의 주관이 포함되어 자동화 구축에 제약을 주는 군집분류와 예측인자 선정 과정은 미리 수행되고, 그 출력자료는 입력자료로서 제공된다. 시스템을 이해하고 운용하는데 도움을 주기 위해 기상청 규격에 따라 디렉토리 구조를 재구성하고, 해당 디렉토리에 포함되어 있는 입력자료와 소스코드를 이용해 산출되는 출력자료를 정리하였다. 또한 기존 예측시스템에서 고정되어 있거나 수동으로 설정해야 하는 구동조건을 효과적으로 조절하기 위해 네임리스트를 이용한 사용자 인터페이스를 추가하여 자동화 시스템을 최적화하였다.
CFSv2 예측자료는 예측시점으로부터 9개월까지의 예측결과를 배포하므로 예측시점을 최대 1월까지 앞당겨 태풍진로 계절예측(6~10월)이 가능하다. 여기서는 예측시점을 매해 1월 1일, 2월 5일, 3월 2일, 4월 1일, 5월 1일을 기준으로 하여 예측월(issue month)에 대해 분석하였다. 진로유형별 태풍개수와 예측시점에 따른 CFSv2 대규모 순환장 과거예측결과의 상관지도가 서로 유사한 형태를 띄기 때문에, 예측시점에 상관없이 기존의 5월 1일 예측시점과 동일한 예측인자 영역을 사용하여 해당 영역 내에서 각각 유의한 격자만 예측인자로 추출하였다.
기존 예측시스템은 예측 기간과 영역 등의 모델 구동 조건이 고정된 상태로 여러 소스코드에 산재해 있어 사용자가 수정하기 위해서는 상당한 시간과 노력이 필요했다. 이 문제를 해결하기 위해 모델 구동 조건을 네임리스트 입력 파라미터(namelist input parameter, Table 2)로 대체하여 예측시스템의 사용자 인터페이스를 구축하였다. 일반적으로 사용자 인터페이스는 사용자가 컴퓨터 프로그램에서 동작을 제어하기 위해 사용하는 기법으로서, 주 목적은 사용자가 프로그램과 의사소통을 간편하게 할 수 있도록 하는 것이다.
현업의 다양한 수요에 맞춰 예측을 수행하기 위해 개발자 수준의 기술적 배경이 필요하기 때문에 사용자에 의한 유연한 모델 구동이 불가능했다. 이에 국가태풍센터와 서울대학교의 본 연구 팀은 모델에 대한 이해가 부족한 사용자라도 쉽게 모델의 구동조건을 조절할 수 있도록 사용자 인터페이스와 쉘 스크립트에 의한 자동화 시스템을 구축했다. 개선된 예측시스템을 사용자가 효율적으로 이해하고 운영하는 데 도움을 주기 위해, H13에서 설명된 기존의 예측시스템을 기반으로 자동화 구축을 위해 추가되거나 최적화된 과정을 설명한다.
7이상의 높은 상관성을 보인다. 일반적으로 역학모델 기반의 예측시스템은 예측시점의 선행화에 따라 예측성능이 떨어지는 경향이 있지만, 본 예측시스템의 경우 예측시점에 상관없이 안정적인 예측성능을 보이는데, 그 원인에 대해 시스템 외적 요인과 내적 요인으로 나누어 살펴보았다.
현업 사용자가 시스템을 이해하고 운용하는 데 도움을 주기 위해 기상청 규격에 따라 디렉토리 구조를 재구성하고, 해당 디렉토리에 포함되어 있는 입력자료와 소스코드를 이용해 산출되는 출력자료를 정리하였다(Table 1). 전처리, 예측모듈, 후처리 과정을 각각 PREP/, MODL/, POST/로 지정하고, 이들 주요 과정에서 필요한 디렉토리를 DABA/(기본자료), DAIN/(입력자료), DAOU/(출력자료), .SRC/(소스코드), EXEC/(실행코드), DAGR/(그래픽자료)로 분류하여 그 하위 디렉토리로 구성하였다.
csh)에 의해 주기적으로 수행될 수도 있다. 즉, 사용자의 목적 또는 정해진 일정에 따라 예측 기간 파라미터를 변경하여 시스템을 구동할 수 있는 자동화 시스템을 구축하였다. 시스템 구동 스크립트에 포함된 예측시스템의 주요 과정에 대한 설명은 3절에서 기술한다.
여기서는 예측시점을 매해 1월 1일, 2월 5일, 3월 2일, 4월 1일, 5월 1일을 기준으로 하여 예측월(issue month)에 대해 분석하였다. 진로유형별 태풍개수와 예측시점에 따른 CFSv2 대규모 순환장 과거예측결과의 상관지도가 서로 유사한 형태를 띄기 때문에, 예측시점에 상관없이 기존의 5월 1일 예측시점과 동일한 예측인자 영역을 사용하여 해당 영역 내에서 각각 유의한 격자만 예측인자로 추출하였다. 앙상블은 29년간(1982~2010년) CFSv2 과거예측 자료의 예측시점을 포함한 이전 12개 자료를 사용하였다.
태풍진로 계절예측시스템의 배경 지식이 부족한 사용자가 시스템을 효율적으로 구동하고 조절할 수 있도록 자동화에 최적화된 시스템을 기상청 국가태풍센터에 구축하였다. 기존 예측시스템에서 사용자의 주관이 포함되어 자동화 구축에 제약을 주는 군집분류와 예측인자 선정 과정은 미리 수행되고, 그 출력자료는 입력자료로서 제공된다.
현업 사용자가 시스템을 이해하고 운용하는 데 도움을 주기 위해 기상청 규격에 따라 디렉토리 구조를 재구성하고, 해당 디렉토리에 포함되어 있는 입력자료와 소스코드를 이용해 산출되는 출력자료를 정리하였다(Table 1). 전처리, 예측모듈, 후처리 과정을 각각 PREP/, MODL/, POST/로 지정하고, 이들 주요 과정에서 필요한 디렉토리를 DABA/(기본자료), DAIN/(입력자료), DAOU/(출력자료), .
대상 데이터
진로유형별 태풍개수와 예측시점에 따른 CFSv2 대규모 순환장 과거예측결과의 상관지도가 서로 유사한 형태를 띄기 때문에, 예측시점에 상관없이 기존의 5월 1일 예측시점과 동일한 예측인자 영역을 사용하여 해당 영역 내에서 각각 유의한 격자만 예측인자로 추출하였다. 앙상블은 29년간(1982~2010년) CFSv2 과거예측 자료의 예측시점을 포함한 이전 12개 자료를 사용하였다. 이 앙상블들을 평균하여 예측을 수행하고 교차 타당화(cross validation) 방법을 이용하여 연도별 예측성능을 평가하였다.
데이터처리
예측시스템의 예측모듈 과정에서는 CFSv2 예측자료와 푸아송 회귀분석 모델(Poisson regression model)을 결합하여 각 진로유형별 태풍과 대기/해양 대규모 순환장 사이의 상관성을 이용해 예측을 수행한다. 기존 예측시스템에서 사용된 주요 프로그램은 MATLAB®이었지만 라이센스 제약을 피하기 위해 공개 통계 패키지인 R로 대체했다.
앙상블은 29년간(1982~2010년) CFSv2 과거예측 자료의 예측시점을 포함한 이전 12개 자료를 사용하였다. 이 앙상블들을 평균하여 예측을 수행하고 교차 타당화(cross validation) 방법을 이용하여 연도별 예측성능을 평가하였다. Figure 2는 예측시점에 따른 진로 유형별 예측결과와 관측의 상관성 변화를 나타낸 것으로서, 모든 진로유형에서 예측시점에 상관없이 0.
이론/모형
예측시스템의 후처리 과정은 각 진로유형별로 예측된 결과를 결합해 태풍진로밀도 예측결과를 생산하는 단계와 예측모델의 평균값과 표준편차를 태풍 활동의 관측값과 일치하도록 편향보정(bias correction)하는 단계로 구성되어 있다. 이 과정은 지구과학 분야에서 주로 사용하는 계산 및 가시화 프로그램 중의 하나인 GrADS를 이용한다. GrADS를 기반으로 한 진로 유형들의 합성 및 편향도 보정 스크립트를 통해 시스템의 최종 결과물인 태풍 진로밀도 예측과 기후값에 대한 편차를 생산한다.
$c$em$im)를 추출하고 MODL/DAIN/에 저장한다. 이 예측인자들은 푸아송 회귀 분석 방법에 근거한 예측모듈(modelop.R)을 통해 진로유형별 태풍 빈도수(eemall.txt, eemop.txt)형태로 산출한다. 이후, 예측된 태풍 빈도수가 예측복원코드(reconst_fcst.
성능/효과
또한 기존 예측시스템에서 고정되어 있거나 수동으로 설정해야 하는 구동조건을 효과적으로 조절하기 위해 네임리스트를 이용한 사용자 인터페이스를 추가하여 자동화 시스템을 최적화하였다. 이러한 자동화 시스템에 의해 기술적으로 가능해진 조기예측의 성능을 검증한 결과, 예측시점을 5월에서 1월까지 앞당겨도 모든 진로유형에서 높은 예측성능이 유지되었다. 이처럼, 조기예측이 가능해진 태풍진로 계절예측시스템은 국가태풍센터의 현업예보뿐만 아니라 태풍계절예측 분야의 연구자에게도 매우 유익할 것으로 기대되고, 본 기술노트는 효율적인 예측시스템 운영을 위한 기술적 지침서로 활용될 것이다.
후속연구
이러한 자동화 시스템에 의해 기술적으로 가능해진 조기예측의 성능을 검증한 결과, 예측시점을 5월에서 1월까지 앞당겨도 모든 진로유형에서 높은 예측성능이 유지되었다. 이처럼, 조기예측이 가능해진 태풍진로 계절예측시스템은 국가태풍센터의 현업예보뿐만 아니라 태풍계절예측 분야의 연구자에게도 매우 유익할 것으로 기대되고, 본 기술노트는 효율적인 예측시스템 운영을 위한 기술적 지침서로 활용될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
GrADS가 사용되는 과정은 무엇인가?
예측시스템의 후처리 과정은 각 진로유형별로 예측된 결과를 결합해 태풍진로밀도 예측결과를 생산하는 단계와 예측모델의 평균값과 표준편차를 태풍 활동의 관측값과 일치하도록 편향보정(bias correction)하는 단계로 구성되어 있다. 이 과정은 지구과학 분야에서 주로 사용하는 계산 및 가시화 프로그램 중의 하나인 GrADS를 이용한다.
태풍이 동반하는 기상현상은 무엇인가?
태풍은 한반도에 영향을 끼치는 극한 기상현상의 하나로서 이것이 동반하는 강풍과 집중호우로 인해 국가에서는 매년 막대한 인명피해와 재산피해를 입고 있다. 이들 직접적인 피해 외에도 산업활동 중단 및 피해복구에 따른 간접적인 영향까지 고려하면 태풍의 사회경제적 영향은 막대하다.
예측시스템의 전처리 과정은 어떻게 구성되어 있는가?
예측시스템의 전처리 과정은 CFSv2 예측자료를 인터넷 웹사이트로부터 내려 받는 자료수집 과정과 바이너리 형태로 변환하는 과정으로 구성되어 있다. 먼저 주기적으로 배포되는 CFSv2 예측자료를 내려 받기 위해 Ruby 프로그램으로 CFSv2 데이터베이스 웹사이트에 게시되어있는 자료들의 URL(Uniform Resource Locator) 정보를 추출하고, Axel프로그램을 이용하여 해당 파일들을 내려 받는다.
참고문헌 (11)
Chu, P.-S., and X. Zhao, 2007: A Bayesian regression approach for predicting seasonal tropical cyclone activity over the central North Pacific. J. Climate, 20, 4002-4013.
Elsner, J. B., and C. P. Schmertmann, 1993: Improving extended-range seasonal predictions of intense Atlantic hurricane activity. Wea. Forecasting, 8, 345-351.
Ho, C.-H., W. Choi, H.-S. Kim, J.-H. Kim, M.-H. Lee, H.-D. Yoo, T.-R. Kim, and S. Park, 2013: Technical note on a track-pattern-based model for predicting seasonal tropical cyclone activity over the western North Pacific. Adv. Atmos. Sci., 30, 1260-1274.
Kim, H.-D., 2000: A case study on the forecasting and judging technique of typhoon track and lifetime using GMS-5 image data. environmental science. Collected Papers Environmental Science, 5, 79-92.
Kim, H.-S., C.-H. Ho, P.-S. Chu, and J.-H. Kim, 2010: Seasonal prediction of summertime tropical cyclone activity over the East China Sea using the least absolute deviation regression and the Poisson regression. Int. J. Climatol., 30, 210-219.
Kim, H.-S., J.-H. Kim, C.-H. Ho, and P.-S. Chu, 2011: Pattern classification of typhoon tracks using the fuzzy cmeans clustering method. J. Climate, 24, 488-508.
Kim, H.-S., C.-H. Ho, J.-H. Kim, and P.-S. Chu, 2012: Trackpattern-based model for predicting seasonal tropical cyclone activity in the western North Pacific. J. Climate, 25, 4660-4678.
Kim, J.-H., C.-H. Ho, H.-S. Kim, and W. Choi, 2012: 2010 Western North Pacific typhoon season: Seasonal overview and forecast using track-pattern-based model. Wea. Forecasting, 27, 730-743.
Kim, J.-w., and J.-G. Lee, 2007: A qualitative analysis of WRF simulation results of typhoon 'Rusa' case. Atmosphere, 17, 393-405.
Lee, K. H., and E.-J. Cha, 2007:Current status of typhoon forecast from Korea Meteorological Administration and the role of National Typhoon Center. J. KOSHAM, 7, 53-61.
Saha, S., and Coauthors, 2013: The NCEP Climate Forecast System Version 2. J. Climate. doi:10.1175/JCLID-12-00823.1, in press.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.