[논문]기상청 계절예측시스템(GloSea5)의 해양성층 강화시기 단기 해양예측 정확도 및 대기-해양 접합효과

정영윤; 문일주; 장필훈

doi:10.14191/atmos.2016.26.4.599

문제 정의

그러나 단기 예측결과에서도 이미 나타난 바와 같이 적분시간이 길어질수록 오차의 크기는 커지는 경향이 있어 해양예측의 정확도가 장기 계절예측의 성능에도 큰 영향을 미칠 것으로 예상된다. 따라서 향후에 보다 장기적으로 GloSea5의 해양예측 정확도를 평가하고, 이를 기반으로 해양모델을 개선하는 연구를 수행하고자 한다. 이와 더불어 북반구에서 성층이 강화되는 겨울(2월)과 봄(5월) 시기뿐 아니라 여름에서 가을로 성층이 약화되는 시기에 대해서도 향후 추가분석을 실시하여 모델 정확도의 계절적인 변화 특징을 조사하고자 한다.
본 연구에서는 북반구에서 해양성층이 강화되는 시기(겨울과 봄철)에 대해 GloSea5의 해양모델인 NEMO(Nucleus for European Modelling of the Ocean)에서 산출되는 단기 해양예측 결과의 정확도를 다양한 관측자료를 이용하여 평가하고자 한다. 또한 이 시기에 대기-해양 접합모델(GloSea5)의 해양예측결과와 해양단독모델 NEMO의 결과를 비교함으로써 대기-해양 접합효과가 해양의 단기예측에 미치는 영향을 조사하고자 한다. 제 2장에서는 본 연구에 사용된 수치모델과 관측자료 그리고 분석방법에 대해 서술하였다.
본 연구에서는 GloSea5의 단기 해양예측 정확도를 평가하고 대기-해양 접합효과가 해역별로 차이가 있음을 제시하였다. 이 결과는 단기 해양예측에 초점을 맞추어져 있어 모델과 관측값의 오차 또는 모델간의 차이가 기상청의 장기 계절예측시스템에 어떠한 영향을 미칠 것인가에 대한 대답은 주지 못한다.
본 연구에서는 모델의 오차원인 분석을 위하여 부이 및 ARGO와 같은 지점(point) 자료 외에 OSTIA(Operational Sea Surface Temperature and Sea Ice Analysis)와 FNMOC (Fleet Numerical Meteorology and Oceanography Center)에서 제공하는 위성 해수면 온도 자료(각각 5-km와 10-km 공간해상도) 그리고 국립해양조사원에서 제공하는 동해의 해류장을 사용하여 공간적인 특성을 조사하였다.
본 연구에서는 북반구에서 해양성층이 강화되는 시기(겨울과 봄철)에 대해 GloSea5의 해양모델인 NEMO(Nucleus for European Modelling of the Ocean)에서 산출되는 단기 해양예측 결과의 정확도를 다양한 관측자료를 이용하여 평가하고자 한다. 또한 이 시기에 대기-해양 접합모델(GloSea5)의 해양예측결과와 해양단독모델 NEMO의 결과를 비교함으로써 대기-해양 접합효과가 해양의 단기예측에 미치는 영향을 조사하고자 한다.
본 연구에서는 북반구에서 해양성층이 강화되는 시기에 대해 기상청에서 운용 중인 전지구 계절예측시스템(GloSea5)의 단기 해양예측 결과를 한반도 근해의 해양기상부이, 열대해역의 TAO (Tropical Atmosphere Ocean project) 부이, 그리고 북서태평양의 ARGO float 자료를 이용하여 그 정확도를 평가하였다. 또한 이 시기에 해양-대기 접합모델인 GloSea5에서 계산된 해양예측결과와 GloSea5의 해양모델인 NEMO를 단독으로 수행한 결과를 비교하여 대기-해양 접합효과가 해양의 단기예측에 미치는 영향을 조사하였다.
그렇지만 넓은 의미에서 보면 이러한 대기입력장의 차이는 결국 대기-해양 접합이 고려된 모델과 그렇지 않은 모델의 차이이므로 본 연구에서는 두 실험의 차이를 광역의 의미에서 대기-해양의 접합효과로 정의하였다. 본 장에서는 두 모델의 차이가 가장 뚜렷이 나타나는 태평양 열대해역, 북서태평양, 한반도 근해에 대해 관측자료를 이용하여 두 모델의 해양예측 정확도 비교 및 대기-해양의 접합효과를 살펴보고자 한다.
이 연구에서는 지표기온의 예측성과 동아시아 기후에 직 · 간접적으로 영향을 미치는 El Niño-Southern Oscillation (ENSO), Indian Ocean Dipole (IOD), 그리고 다양한 몬순지수들의 예측성을 평가하였다.
이러한 요구를 반영하여 기상청은 영국 기상청과 함께 ‘한영 공동계절예측시스템(the KMA-Met Office Joint Seasonal Forecasting System; Kang et al., 2011)’을 운영하고 있으며, 이를 통해 계절예측시스템의 앙상블 멤버를 기관 간에 공유하여 한정된 계산자원 내에서 계절예측의 불확실성을 줄이고자 하였다.

제안 방법

1b와 Table 3). TAO 부이는 연직 수온 관측자료도 제공되지만 같은 초기장을 사용하는 단기(7일 미만) 해양예측 실험에서는 두 모델의 연직수온구조 차이는 크지 않아 본 연구에서는 모델 간의 차이가 가장 뚜렷이 나타나는 표층자료에 대해서만 분석을 실시하였다. ARGO 자료는 북서태평양 영역(110~150°E, 20~42°N)에서 2014년 2월과 5월에 각각 관측된 426개와 1051개의 ARGO 연직 수온 프로파일 자료가 사용되었다(Fig.
따라서 두 실험결과의 차이는 엄밀히 말하면 해양모델에 사용된 대기입력장의 차이에서 기인하였다고 할 수 있다. 그렇지만 넓은 의미에서 보면 이러한 대기입력장의 차이는 결국 대기-해양 접합이 고려된 모델과 그렇지 않은 모델의 차이이므로 본 연구에서는 두 실험의 차이를 광역의 의미에서 대기-해양의 접합효과로 정의하였다. 본 장에서는 두 모델의 차이가 가장 뚜렷이 나타나는 태평양 열대해역, 북서태평양, 한반도 근해에 대해 관측자료를 이용하여 두 모델의 해양예측 정확도 비교 및 대기-해양의 접합효과를 살펴보고자 한다.
여기서, N은 검증자료의 개수이며 F는 모델값, O는 관측값을 나타낸다. 단기 해양예측 정확도를 분석하기 위하여 사용한 Exp. 1의 모델값은 60일 예측결과를 최초 적분일로부터 7일까지 예측결과를 사용하였고, Exp. 2에서는 7일 예측결과를 사용하였다.
그림에서 모델과 관측자료의 편차가 큰 지역은 크게 쿠로시오와 멕시코 만류가 사행하는 지역, 남극순환류 지역, 그린랜드 주변 해역으로 나타났다. 대기-해양 접합효과에 대한 조사는 Exp. 1 (GloSea5)과 Exp. 2 (NEMO)에서 예측된 해수면온도 차이(Exp. 1~Exp. 2)를 이용하여 조사하였다. Figures 3c와 3f는 2월과 5월에 대해 두 모델의 7일 후 해수면온도 예측장 차이를 월별로 평균한 것이다.
2월 동해부이에서 GloSea5와 NEMO 모델은 모두 큰 오차가 발생하였지만 두 모델 간의 성능차이는 거의 없었다. 따라서 본 분석에서는 GloSea5의 결과만을 사용하여 다양한 관측자료와 비교하였다. 또한 한 지점의 부이자료를 사용하여 모델과 관측값의 차이가 발생하는 원인을 밝히는 것은 매우 힘들기 때문에 본 연구에서는 공간적인 분포를 알 수 있는 위성기반 FNMOC 해수면온도와 국립해양조사원 해류도 자료를 사용하였다.
GloSea5는 적분을 수행하면서 대기-해양 플럭스를 3시간 간격으로 OASIS coupler에 의하여 교환한다. 또한 GloSea5는 60일 적분을 수행한 후 예보 불확실성을 낮추기 위하여 앙상블 예측을 수행한다. 본 연구에서는 무작위로 생성된 물리모수화 파라미터를(MacLachlan et al.
본 연구에서는 북반구에서 해양성층이 강화되는 시기에 대해 기상청에서 운용 중인 전지구 계절예측시스템(GloSea5)의 단기 해양예측 결과를 한반도 근해의 해양기상부이, 열대해역의 TAO (Tropical Atmosphere Ocean project) 부이, 그리고 북서태평양의 ARGO float 자료를 이용하여 그 정확도를 평가하였다. 또한 이 시기에 해양-대기 접합모델인 GloSea5에서 계산된 해양예측결과와 GloSea5의 해양모델인 NEMO를 단독으로 수행한 결과를 비교하여 대기-해양 접합효과가 해양의 단기예측에 미치는 영향을 조사하였다.
먼저 두 모델이 모의한 해수면온도에 대해 예측정확도를 공간적으로 파악하기 위해 매일 예측된 7일 후의 자료를 OSTIA 위성 해수면온도 자료와 비교하였다. Figures 3a, 3b, 3d, 3e는 2월과 5월에 한 달 동안 두 모델과 OSTIA 차이를 평균한 것이다.
본 연구에서는 GloSea5의 대기-해양 접합효과를 조사하기 위하여 접합모델에서 예측된 결과(Exp. 1, 이후 GloSea5로 표시)와 해양모델 단독으로 예측된 결과(Exp. 2, 이후 NEMO로 표시)를 비교하였다(Table 1). Exp.
본 장에서는 모델예측의 불확실성과 오차에 대한 원인을 파악하기 위하여 분석기간 중 TAO와 기상청 부이를 통틀어 가장 큰 오차를 보인 2월 22일 동해부이(Fig. 9g)에 대한 분석을 실시하였다.
북서태평양 영역(110~150°E, 20~42°N)에서 2월과 5월에 관측된 ARGO float 자료(Fig. 2)와 두 실험의 연직 수온프로파일을 비교하였다(Fig. 7).
분석기간 중 TAO와 기상청 부이를 통틀어 가장 큰 오차를 보인 동해부이 지점에 대해 모델예측의 불확실성과 오차에 대한 원인을 조사하였다. 분석결과, 동해부이는 북한한류와 동한난류가 만나는 전선해역에 위치하여 수온 변동성이 매우 클 뿐 아니라 수시로 이동하는 전선의 위치에 따라 모델과 관측값의 차이가 매우 크게 나타났다.
태평양 열대해역의 TAO 부이에서 관측된 해수면온도 자료를 이용하여 두 모델의 해양예측 성능을 평가하고 이를 바탕으로 대기-해양 접합효과를 조사하였다. Figure 4와 Table 4는 겨울철(2월) 12개의 TAO 부이에서 관측된 해수면온도와 두 모델의 시계열 그리고 이를 이용한 통계분석 결과(상관도, 편차, RMSE)를 각각 나타낸다.
한반도 근해에서 GloSea5와 NEMO의 단기 해양예측 정확도를 평가 · 비교하기 위하여 우리나라 연안의 8개 기상청 계류부이에서 관측된 해수면온도 자료와 두 모델의 2월과 5월 단기 예측결과를 비교하였다.

대상 데이터

ARGO 자료는 북서태평양 영역(110~150°E, 20~42°N)에서 2014년 2월과 5월에 각각 관측된 426개와 1051개의 ARGO 연직 수온 프로파일 자료가 사용되었다(Fig. 2).
, 2014) 이용하여 수행된 두 개의 앙상블 멤버(010와 011)의 평균값을 사용하였다. GloSea5의 지표면과 대기 모델의 초기장은 기상청에서 운영중인 수치분석장(KMA-NWP)에서 생산된 자료를 사용한다. 해양과 해빙 초기장은 영국기상청, CERFACS (Centre Europeén de Recharche et de Formation Avancée en Calcul Scientifique), ECMWF(European Centre for Medium-Range Weather Forecasts), INRIA/LJK (Institut National de Recherche en Informatique et en Automatique/Laboratoire Jean Kuntzmann)이 공동으로 개발한 NEMOVAR 자료동화시스템에서 생산된 자료를 사용한다(Martin et al.
TAO 부이 자료는 태평양 열대해역(8°S~9°N, 130°E~95°W)에 설치된 고정 계류부이에서 관측된 일평균 SST 자료가 사용되었다(Fig. 1b와 Table 3).
모델 평가에 사용된 관측자료는 기상청에서 운영하는 한반도 근해의 해양기상부이, NOAA에서 제공하는 열대해역의 TAO (Tropical Atmosphere Ocean project) 부이, 그리고 북서태평양의 ARGO float 자료이다. 기상청 해양기상 부이 자료는 덕적도, 외연도, 칠발도, 거문도, 거제도, 포항, 동해, 울릉도에서 1시간 간격으로 관측된 SST 자료를 일평균하여 사용되었다(Fig. 1a와 Table 2). TAO 부이 자료는 태평양 열대해역(8°S~9°N, 130°E~95°W)에 설치된 고정 계류부이에서 관측된 일평균 SST 자료가 사용되었다(Fig.
대기모델의 해상도는 수평적으로 N216 (0.83° × 0.56°), 연직으로 85층이다.
따라서 본 분석에서는 GloSea5의 결과만을 사용하여 다양한 관측자료와 비교하였다. 또한 한 지점의 부이자료를 사용하여 모델과 관측값의 차이가 발생하는 원인을 밝히는 것은 매우 힘들기 때문에 본 연구에서는 공간적인 분포를 알 수 있는 위성기반 FNMOC 해수면온도와 국립해양조사원 해류도 자료를 사용하였다.
여기서 2월과 5월을 선택한 이유는, 2월은 북반구에서 상층수직혼합이 강한(혼합층이 깊은) 시기이고 5월은 성층이 강화되는 시기이므로, 두 시기의 해양 혼합층과 수온약층(성층) 구조가 뚜렷이 차이를 보일 뿐 아니라 겨울에서 봄으로 넘어가면서 해양성층이 급속하게 강화될 때 모델이 이러한 해양의 변동을 얼마나 잘 모의하는 가를 조사할 수 있기 때문이다. 모델 평가에 사용된 관측자료는 기상청에서 운영하는 한반도 근해의 해양기상부이, NOAA에서 제공하는 열대해역의 TAO (Tropical Atmosphere Ocean project) 부이, 그리고 북서태평양의 ARGO float 자료이다. 기상청 해양기상 부이 자료는 덕적도, 외연도, 칠발도, 거문도, 거제도, 포항, 동해, 울릉도에서 1시간 간격으로 관측된 SST 자료를 일평균하여 사용되었다(Fig.
해양과 해빙 초기장은 영국기상청, CERFACS (Centre Europeén de Recharche et de Formation Avancée en Calcul Scientifique), ECMWF(European Centre for Medium-Range Weather Forecasts), INRIA/LJK (Institut National de Recherche en Informatique et en Automatique/Laboratoire Jean Kuntzmann)이 공동으로 개발한 NEMOVAR 자료동화시스템에서 생산된 자료를 사용한다(Martin et al., 2007; Donlon et al., 2012).

데이터처리

또한 GloSea5는 60일 적분을 수행한 후 예보 불확실성을 낮추기 위하여 앙상블 예측을 수행한다. 본 연구에서는 무작위로 생성된 물리모수화 파라미터를(MacLachlan et al., 2014) 이용하여 수행된 두 개의 앙상블 멤버(010와 011)의 평균값을 사용하였다. GloSea5의 지표면과 대기 모델의 초기장은 기상청에서 운영중인 수치분석장(KMA-NWP)에서 생산된 자료를 사용한다.
해양모델의 예측 정확도는 관측자료와 예측된 SST의 일평균값을 이용하여 편차(Bias), 평균절대오차(Mean Absolute Error, MAE), 평균제곱근오차(Root Mean Square Error, RMSE)에 대해 평가되었다.

이론/모형

계절예측시스템 GloSea5는 네 개의 모델(대기, 해양, 해빙, 지표면)이 결합된 시스템이다. 대기모델은 중단기 기상예보에 사용되고 있는 통합모델(Unified Model, UM), 해양모델은 프랑스 라플라스 연구소를 중심으로 개발되어 전지구 및 지역 해양순환모의에 활용되는 NEMO, 해빙모델은 미국 Los Alamos National Laboratory에서 개발된 CICE (community Ice CodE), 그리고 지표면모델은 영국 기상청의 JULES(Joint UK Land Environment Simulator)를 기반으로 한다. 대기모델의 해상도는 수평적으로 N216 (0.

성능/효과

8 이상의 높은 값을 보였다. RMSE는 5월이 2월보다 평균적으로 낮아졌지만 지역적으로는 황해에 위치한 부이들(덕적도, 외연도, 칠발도)에서 2월보다 오차가 증가하였고, 동해 및 남해에 위치한 부이들(포함, 동해, 울릉도, 거제도)에서 오차가 감소하였다(Table 6). GloSea5와 NEMO의 성능차이는 예측시간별로 편차와 오차를 비교한 Fig.
이 연구에서는 지표기온의 예측성과 동아시아 기후에 직 · 간접적으로 영향을 미치는 El Niño-Southern Oscillation (ENSO), Indian Ocean Dipole (IOD), 그리고 다양한 몬순지수들의 예측성을 평가하였다. 그 결과, NINO 3.4 지수는 최소 6개월 전부터 그리고 IOD는 늦여름과 가을철에 한하여 5~6개월 전부터 예측이 가능한 것으로 나타났다. 또한 여름과 겨울 아시아 몬순지수들은 전체적으로 예측성능이 낮았지만 북서태평양 몬순지수는 4~6개월 전에 예측이 가능한 것으로 나타났다.
Lee and Kwon (2015)은 1996년부터 2009년까지 GloSea5의 6개월 적분된 모의(hindcast)자료를 사용하여 역학-통계 모형을 구성하고 동아시아 여름철 강수편차를 예측하였다. 그 결과, 동아시아 지역강수에 대한 공간 패턴의 예측성능이 대부분의 영역에서 향상된 것으로 나타났다. 특히, 모델로부터 예측된 동아시아 지역(115°~150°E, 30°~50°N)의 강수지수는 전구 강수재분석자료인 CMAP (CPC Merged Analysis of Precipitation)과 높은 상관(r = 0.
그러나 이 두 부이를 제외한 나머지 부이들의 상관도는 상대적으로 낮았고 RMSE도 높았다.
두 모델에서 최대 오차를 보이는 수심은 약 50 m에서(GloSea5는 1.70°C, NEMO는 1.67°C) 확인되었고, 두 모델의 차이는 수심 6 m에서 가장 큰 차이(0.09°C)를 보인다.
이러한 추론은 GloSea5의 대기-해양의 접합효과가 열대해역의 해수면온도 예측결과를 개선하는 긍정적인 방향으로 작용하였지만(앞서 열대해역 결과 참고), 한반도 근해에서는 반대의 결과가 나타난 것으로 알 수 있다. 둘째, NEMO모델의 입력자료로 사용된 KMA 수치분석장 기반의 표층 플럭스 자료가 한반도 근해에서는 접합모델보다 더 현실적인 값을 제공했을 수 있다. 일반적으로 한반도 근해의 KMA 수치분석장은 우리나라 및 주변국에서 관측된 더 많은 자료가 추가적으로 자료동화에 사용되어 외국기관이나 접합모델의 결과보다 더 정확도가 높을 수 있기 때문이다.
5 knot 이상 해류)이 37°N까지 북상하여 울릉도 이남을 통과하고 있다. 따라서 동해부이에서 나타난 모델의 과소모의 결과는 모델이 북한한류를 관측보다 남쪽에 위치하는 것으로 모의하고, 동시에 동한난류를 연안을 따라서 관측보다 남쪽으로 그리고 외해에서 관측보다 북쪽까지 확장한 것으로 모의한 결과로 발생한 것으로 해석된다.
실제로 5월은 북반구에서 성층이 강화되는 시기이므로 대기-해양의 플럭스 교환이 매우 중요하게 작용한다. 따라서 이 결과는 접합모델을 통해 현실적으로 해양-대기 플럭스를 교환하는 방법(GloSea5 경우)이 대기-해양 상호작용을 고려하지 않고 대기모델에서 계산한 플럭스를 일방적으로 해양모델에 전달하는 방법(NEMO 경우)보다 열대해역의 해양예측 성능을 더 높일 수 있음을 시사한다.
일반적으로 한반도 근해의 KMA 수치분석장은 우리나라 및 주변국에서 관측된 더 많은 자료가 추가적으로 자료동화에 사용되어 외국기관이나 접합모델의 결과보다 더 정확도가 높을 수 있기 때문이다. 또한 NEMO 분석장 생성을 위해 사용된 대기모델의 해상도(N516)가 GloSea5 대기모델 해상도(N216)보다 더 높았던 것도 한반도 근해에서 해수면온도 예측성능을 높이는데 기여한 것으로 사료된다. 왜냐하면 한반도 근해는 열대해역보다 상대적으로 시공간적인 변동성의 크기가 클 뿐 아니라 변동성의 공간규모도 작기 때문에 고해상도 대기입력장을 사용한 NEMO 모델이 한반도 근해에서는 더 유리할 수 있기 때문이다.
4 지수는 최소 6개월 전부터 그리고 IOD는 늦여름과 가을철에 한하여 5~6개월 전부터 예측이 가능한 것으로 나타났다. 또한 여름과 겨울 아시아 몬순지수들은 전체적으로 예측성능이 낮았지만 북서태평양 몬순지수는 4~6개월 전에 예측이 가능한 것으로 나타났다. Lee and Kwon (2015)은 1996년부터 2009년까지 GloSea5의 6개월 적분된 모의(hindcast)자료를 사용하여 역학-통계 모형을 구성하고 동아시아 여름철 강수편차를 예측하였다.
모델에서 모의한 2월 22일 표층해류 분포를 보면(Fig. 15a), 북한한류는 동해안을 따라 위도 37°N까지 남하하고 있고, 동한난류는 36.5°N 근처에서 이안하여 10°C 등온선을 따라 울릉도 북쪽 해역까지 넓게 확장하고 있음을 알 수 있다.
특히, 동해와 남해에 위치한 부이들(포항, 동해, 울릉도, 거제도 부이)은 1°C 이상의 큰 오차를 보였다(Table 5). 부이별로 편차를 비교해 보면, 동해와 울릉도 부이에서 두 모델이 관측값에 비해 해수면온도를 과소 모의하는 경향이 강했고 나머지 부이들에서는 과대모의 경향이 뚜렷하게 나타났다(특히, 거제도에서 과대모의 경향 가장 큼). 2월 동안 대부분의 부이들은 GloSea5와 NEMO의 통계분석 결과에서 큰 차이가 보이지 않았다.
분석결과, 대부분의 열대해역에서는 GloSea5가 NEMO보다 해수면온도를 낮게 모의하고 있고, 반면 북반구의 나머지 해역(특히 5월에 북극 지역을 제외한 태평양과 대서양 연안을 따라)에서는 GloSea5가 NEMO보다 해수면온도를 높게 모의하는 경향이 나타났다. 태평양 열대해역의 TAO 부이 자료를 이용하여 두 모델의 해양예측 성능을 비교하면, 상대적으로 해수면온도를 낮게 모의하고 있는 GloSea5의 편차와 오차가 NEMO보다 낮게 나타났다(특히 성층이 강화된 5월에 차이가 뚜렷함).
분석기간 중 TAO와 기상청 부이를 통틀어 가장 큰 오차를 보인 동해부이 지점에 대해 모델예측의 불확실성과 오차에 대한 원인을 조사하였다. 분석결과, 동해부이는 북한한류와 동한난류가 만나는 전선해역에 위치하여 수온 변동성이 매우 클 뿐 아니라 수시로 이동하는 전선의 위치에 따라 모델과 관측값의 차이가 매우 크게 나타났다. 특히, 2014년 2월 22일에 동해부이와 모델 사이의 큰 해수면온도 차이는 모델이 북한한류를 관측보다 남쪽에 위치하는 것으로 모의하였고, 이와 동시에 동한난류를 연안에서는 관측보다 남쪽에 그리고 외해에서는 관측보다 북쪽까지 확장한 것으로 모의하였기 때문에 발생한 것으로 분석된다.
다만 덕적도 부이에서 두 모델의 편차 부호가 달랐으며 RMSE도 가장 큰 차이를 보였다. 예측시간별 통계분석 결과(Fig. 10), 두 모델의 편차는 대부분의 예측시간에서 서로 다른 부호를 가졌다(즉, GloSea5는 과대모의, NEMO는 과소모의). 편차의 크기는 전반적으로 NEMO가 크게 나타났고 예측시간이 길어질수록 음의 편차가 증가하는 경향을 보였다.
오차분석 결과, 2월 동안 8개 부이의 평균 RMSE는 약 0.35°C로 매우 낮았다.
(2015)는 1996년부터 2009년까지 GloSea4, GloSea5, 그리고 ERA-Interim 재분석 결과를 사용하여 열대폭풍(Tropical Storm, TS) 활동의 변동에 대해 조사하였다. 이 연구에서 GloSea5는 TS 빈도와 ACE (Accumulated Cyclone Energy) 지수를 전 해역에서 통계적으로 유의하게 예측하였고, 특히 북대서양과 호주지역에서는 GloSea4보다 더 향상된 예측기술을 보였다.
(2005)은 UK GloSea의 대기-해양 접합모델(Coupled General Circulation Model, CGCM)과 해양모델이 접합되지 않은 전지구기후모델(Atmosphere General Circulation Model, AGCM)을 이용하여 계절예측에 있어 대기-해양 상호작용의 중요성을 조사하였다. 이 연구에서 해양-대기 접합 효과는 열대 동태평양에서 ENSO를 동반한 해수면온도(Sea surface temperature, SST) 변동성 예측을 크게 향상시킨 것으로 나타났다. 또한 열대지역의 ENSO 예측능력의 향상은 원격상관반응을 통하여 북태평양과 북아메리카 지역의 계절예측 성능을 향상시킨 것으로 보고되었다.
Figures 3c와 3f는 2월과 5월에 대해 두 모델의 7일 후 해수면온도 예측장 차이를 월별로 평균한 것이다. 지역적인 차이를 자세히 살펴보면, 2월에는 GloSea5가 NEMO보다 적도 태평양 및 인도양 해역, 시베리아 인근 북극해에서 낮게 모의하고, 북서태평양과 남반구 중위도 해역에서 다소 높게 모의하는 경향이 나타났다. 5월은 2월과 비슷하게 대부분의 적도해역에서 GloSea5가 NEMO보다 해수면온도를 낮게 모의하고 있다(단, 필리핀해역 및 남아메리카 동쪽 해역은 2월보다 좀 더 낮게 모의함).
한반도 근해에서 NEMO의 해수면온도 예측성능이 GloSea5보다 좋았다는 것은(특히, 5월에) 두 가지 의미로 생각해 볼 수 있다. 첫째, 열대해역에서는 대기해양의 접합효과가 매우 중요하게 작용하지만 열대해역에서 멀리 떨어진 한반도 근해에서는 대기-해양의 접합효과 보다 다른 국지적인 요인들에 의해 영향을 받는 것으로 해석할 수 있다. 이러한 추론은 GloSea5의 대기-해양의 접합효과가 열대해역의 해수면온도 예측결과를 개선하는 긍정적인 방향으로 작용하였지만(앞서 열대해역 결과 참고), 한반도 근해에서는 반대의 결과가 나타난 것으로 알 수 있다.
분석결과, 대부분의 열대해역에서는 GloSea5가 NEMO보다 해수면온도를 낮게 모의하고 있고, 반면 북반구의 나머지 해역(특히 5월에 북극 지역을 제외한 태평양과 대서양 연안을 따라)에서는 GloSea5가 NEMO보다 해수면온도를 높게 모의하는 경향이 나타났다. 태평양 열대해역의 TAO 부이 자료를 이용하여 두 모델의 해양예측 성능을 비교하면, 상대적으로 해수면온도를 낮게 모의하고 있는 GloSea5의 편차와 오차가 NEMO보다 낮게 나타났다(특히 성층이 강화된 5월에 차이가 뚜렷함). 이러한 결과는 열대해역에서 대기-해양 접합효과가 단기 해양예측에 긍정적으로 작용하였음을 시사한다.
10), 두 모델의 편차는 대부분의 예측시간에서 서로 다른 부호를 가졌다(즉, GloSea5는 과대모의, NEMO는 과소모의). 편차의 크기는 전반적으로 NEMO가 크게 나타났고 예측시간이 길어질수록 음의 편차가 증가하는 경향을 보였다. MAE와 RMSE에서 두 모델 간의 차이는, 비록 크지는 않지만, 대부분의 예측에서 NEMO가 적은 오차를 보였다(4일 후 예측에서 최대 0.
이러한 결과는 열대해역에서 대기-해양 접합효과가 단기 해양예측에 긍정적으로 작용하였음을 시사한다. 한편, 열대해역에서 멀리 떨어진 한반도 근해에서는 GloSea5보다 상대적으로 해수면온도를 높게 모의하고 있는 NEMO가 평균적으로 오차가 더 낮았다. 이것은 이 지역의 단기 해양예측 정확도가 대기-해양의 접합효과 보다는 다른 요인들(국지적인 해류 및 해상풍 재현 능력 등)에 의해 더 큰 영향을 받았음을 시사한다.
2월은 두 실험의 상관도 차이가 거의 나타나지 않았고, 두 모델 모두 대부분의 부이에서(10, 12, 13, 14번 부이 제외) 95% 신뢰수준의 높은 상관도를 보였다. 흥미로운 것은 상관도가 매우 높게 나온 5번과 6번 부이는 편차와 RMSE 분석에서는 12개 부이 중에 가장 큰 값을 보인 반면 상관도가 매우 낮았던 10, 12, 13, 14번 부이는 오차가 비교적 낮았다(Table 4). 이것은 Fig.

후속연구

따라서 향후에 보다 장기적으로 GloSea5의 해양예측 정확도를 평가하고, 이를 기반으로 해양모델을 개선하는 연구를 수행하고자 한다. 이와 더불어 북반구에서 성층이 강화되는 겨울(2월)과 봄(5월) 시기뿐 아니라 여름에서 가을로 성층이 약화되는 시기에 대해서도 향후 추가분석을 실시하여 모델 정확도의 계절적인 변화 특징을 조사하고자 한다.

핵심어	질문	논문에서 추출한 답변
	GloSea5는 예보 불확실성을 낮추기 위하여 무엇을 수행하는가?	GloSea5는 적분을 수행하면서 대기-해양 플럭스를 3시간 간격으로 OASIS coupler에 의하여 교환한다. 또한 GloSea5는 60일 적분을 수행한 후 예보 불확실성을 낮추기 위하여 앙상블 예측을 수행한다. 본 연구에서는 무작위로 생성된 물리모수화 파라미터를(MacLachlan et al.
	GloSea5의 네 개의 모델(대기, 해양, 해빙, 지표면)은 각각 무엇인가?	계절예측시스템 GloSea5는 네 개의 모델(대기, 해 양, 해빙, 지표면)이 결합된 시스템이다. 대기모델은 중단기 기상예보에 사용되고 있는 통합모델(Unified Model, UM), 해양모델은 프랑스 라플라스 연구소를 중심으로 개발되어 전지구 및 지역 해양순환모의에 활용되는 NEMO, 해빙모델은 미국 Los Alamos National Laboratory에서 개발된 CICE (community Ice CodE), 그리고 지표면모델은 영국 기상청의 JULES(Joint UK Land Environment Simulator)를 기반으로 한다. 대기모델의 해상도는 수평적으로 N216 (0.
	GloSea5의 지표면과 대기 모델의 초기장은 무엇을 사용하는가?	, 2014) 이용하여 수행된 두 개의 앙상블 멤버(010와 011)의 평균값을 사용하였다. GloSea5의 지표면과 대기 모델의 초기장은 기상청에서 운영중인 수치분석장(KMA-NWP)에서 생산된 자료를 사용한다. 해양과 해빙 초기장은 영국기상청, CERFACS (Centre Europeén de Recharche et de Formation Avancée en Calcul Scientifique), ECMWF(European Centre for Medium-Range Weather Forecasts), INRIA/LJK (Institut National de Recherche en Informatique et en Automatique/Laboratoire Jean Kuntzmann)이 공동으로 개발한 NEMOVAR 자료동화시스템에서 생산된 자료를 사용한다(Martin et al.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

정영윤 (1) 문일주 (15) 장필훈 (12)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper