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
- 이에 ERA-Interim 자료를 이용한 WRF 수치모의 시 SST 변수로 인해 발생하는 오차를 정량적으로 추정해 보기 위해 추가적인 민감도 실험을 실시하였다. FNL과 Interim 수치 모의 시 동일한 SST 자료를 사용한 실험을 추가적으로 실시하여 ERA-Interim에 포함된 SST 변수가 처리될 때 발생하는 오차를 간접적으로 추정해보고자 하였다. 추가 민감도 실험에 사용된 SST 자료는 미국의 NCEP에서 제공하는 0.
- 따라서 본 연구에서는 고농도 미세먼지 사례를 선정하여, FNL 분석자료와 ERA-Interim 재분석 자료의 원시 자료의 특징 및 정확도를 비교한 후 각 자료를 초기 입력 자료로 사용했을 때의 중규모 기상 모델 WRF(Weather Research and Forecasting)의 모의 결과를 비교 분석하고, 자료 동화 적용에 따른 각 자료별 모의 정확도 향상 결과를 정량적으로 비교하여 고농도 미세먼지 사례기간에 대한 기상장 모의 정확도를 평가하고자 한다. 궁극적으로는 초기 입력 자료별 모의 정확도 평가 및 비교를 통해 미세먼지 수치모의에 필요한 정확도 높은 기상 입력장 생성에 관한 유용한 결과를 제시하고자 한다.
- 따라서 본 연구에서는 고농도 미세먼지 사례를 선정하여, FNL 분석자료와 ERA-Interim 재분석 자료의 원시 자료의 특징 및 정확도를 비교한 후 각 자료를 초기 입력 자료로 사용했을 때의 중규모 기상 모델 WRF(Weather Research and Forecasting)의 모의 결과를 비교 분석하고, 자료 동화 적용에 따른 각 자료별 모의 정확도 향상 결과를 정량적으로 비교하여 고농도 미세먼지 사례기간에 대한 기상장 모의 정확도를 평가하고자 한다. 궁극적으로는 초기 입력 자료별 모의 정확도 평가 및 비교를 통해 미세먼지 수치모의에 필요한 정확도 높은 기상 입력장 생성에 관한 유용한 결과를 제시하고자 한다.
- 본 연구는 미세먼지 수치모의에 필요한 정확도 높은 기상 입력장 생성에 관한 유용한 결과를 제시하기 위해 기상 수치 모의의 초기 입력 자료 및 자료동화의 유무에 대한 기상장 모의 성능을 비교하였다.
- 결과적으로 기온 및 풍속과 같은 관련 변수들의 모의 정확도가 FNL에 비해 상대적으로 낮게 나타났다. 이에 ERA-Interim 자료를 이용한 WRF 수치모의 시 SST 변수로 인해 발생하는 오차를 정량적으로 추정해 보기 위해 추가적인 민감도 실험을 실시하였다. FNL과 Interim 수치 모의 시 동일한 SST 자료를 사용한 실험을 추가적으로 실시하여 ERA-Interim에 포함된 SST 변수가 처리될 때 발생하는 오차를 간접적으로 추정해보고자 하였다.
제안 방법
- NCEP-FNL자료는 6시간의 시간해상도와 1.0° × 1.0°의 수평공간해상도를 가진 전지구 분석 자료로, GDAS (Global Data Assimilation System)의 3DVAR (Three-D VAR)를 사용하고 GFS에 관측자료를 추가하여 생산되었다.
- 다음으로 시간에 따른 모의 정확도를 비교하기 위해 Fig. 3(a)에 나타낸 FNL과 Interim의 기온 시계열 그래프를 살펴보았다. 두 실험 모두 기온의 일변화 경향은 관측과 유사하게 모의하고 있으나, 전반적으로 낮은 기온경향을 보였다.
- 따라서, Fig. 4에서는 지역별 상세 분석을 위해 지점별 RMSE편차를 이용하였고, FNL의 RMSE가 더 작을수록 붉은 색으로, Interim의 RMSE가 더 작을수록 파란 색으로 표시해 보았다. Fig.
- 자료동화 적용 효과를 분석하기 위해 FNL과 FNL_Nud, Interim과 Interim_Nud를 각각 비교하였다. 또한 FNL_Nud와 Interim_Nud를 비교하여 자료동화 적용 시 두 실험의 결과의 차이를 살펴보았다. 먼저 Table.
- 본 연구에서는 위의 2가지 초기 입력 자료를 이용하여 수치모의를 실시하였다. 또한, 초기 입력장을 이용하여 수치 모의 결과를 개선하는 자료동화 방법인 그리드 너징(Grid nudging)을 사용하여, 너징을 적용하지 않은 경우와의 비교분석을 통해 각 기상자료별 자료동화 적용 민감도를 살펴보고자 하였다. 이 때, 너징에 관한 세부 설정값은 Jeon et al.
- 2). 먼저, 초기입력 자료에 대한 모의 결과를 비교하기 위해 FNL자료를 사용한 실험(FNL)과 ERA-Interim자료를 사용한 실험(Interim)을 설계하였다. 이 후 자료별 자료동화 적용 민감도를 살펴보기 위해, FNL자료를 사용하고 그리드 너징을 적용한 실험(FNL_Nud)과 ERA-Interim자료를 사용하고 그리드 너징을 적용한 실험(Interim_Nud)을 추가 구성하였다.
- 본 연구에서는 위의 2가지 초기 입력 자료를 이용하여 수치모의를 실시하였다. 또한, 초기 입력장을 이용하여 수치 모의 결과를 개선하는 자료동화 방법인 그리드 너징(Grid nudging)을 사용하여, 너징을 적용하지 않은 경우와의 비교분석을 통해 각 기상자료별 자료동화 적용 민감도를 살펴보고자 하였다.
- 다음으로 초기 입력 자료별 기본 모의 결과를 비교 분석하기 위해 FNL과 Interim 결과를 관측값을 이용하여 각각 검증하고, 상호비교를 통해 자료별 기상장 모의 특성을 분석하였다. 아울러 각 자료별 자료동화 적용 효과를 살펴보기 위해 FNL_Nud와 Interim_Nud의 결과를 추가하여 분석하였다.
- 초기 입력 자료에 따른 기상장 수치모의 결과를 검증 및 비교하기 위해 93개 ASOS 지점의 기온 및 풍속 자료와 각 실험의 모델값을 이용하였다. 우선 원시 자료의 기온 및 풍속 자료를 바탕으로 원시 자료가 가지고 있는 특징과 정확도를 비교하였다. 다음으로 초기 입력 자료별 기본 모의 결과를 비교 분석하기 위해 FNL과 Interim 결과를 관측값을 이용하여 각각 검증하고, 상호비교를 통해 자료별 기상장 모의 특성을 분석하였다.
- 먼저, 초기입력 자료에 대한 모의 결과를 비교하기 위해 FNL자료를 사용한 실험(FNL)과 ERA-Interim자료를 사용한 실험(Interim)을 설계하였다. 이 후 자료별 자료동화 적용 민감도를 살펴보기 위해, FNL자료를 사용하고 그리드 너징을 적용한 실험(FNL_Nud)과 ERA-Interim자료를 사용하고 그리드 너징을 적용한 실험(Interim_Nud)을 추가 구성하였다.
- 이에 대한 추가적인 분석을 위해 NCEP-FNL과 ERA-Interim 원시 자료의 SST 변수를 자세히 살펴보았다. 우선 NCEP-FNL의 경우 원시 자료 내에 SST 변수가 직접 포함되지 않아 ‘SKIN_TEMP’ 변수를 이용하여 격자별 SST 분포를 나타낸 반면, ERA-Interim의 경우 원시 자료 내에 포함된 ‘SST’ 변수를 직접 사용하여 격자별 SST 분포를 나타내었다.
- 자료동화 적용 효과를 분석하기 위해 FNL과 FNL_Nud, Interim과 Interim_Nud를 각각 비교하였다. 또한 FNL_Nud와 Interim_Nud를 비교하여 자료동화 적용 시 두 실험의 결과의 차이를 살펴보았다.
- 초기 입력 자료 및 자료동화 적용 효과에 따른 수치 모의 결과를 비교하기 위하여 4가지 실험을 설계하였고, 모의 결과의 순수한 비교 및 분석을 위해 상세 토지 피복도, 해수면 온도 자료, 지표면 자료 상세화 등의 알려진 최적화 방안은 적용하지 않았다. 4가지 실험에 대한 설명은 다음과 같다(Table.
- 초기 입력 자료별 WRF모의 결과를 비교하기에 앞서 원시 자료의 특성 및 정확도를 비교하고자 한다. NCEP-FNL과 ERA-Interim은 각각 3DVAR, 4DVAR 자료동화 기법을 이용하여 생성되었다.
- 초기 입력 자료별 기본 모의 결과를 비교하기 위해 FNL과 Interim에 대한 모의 정확도를 비교분석 하였다. 우선 Table.
- 풍속의 자료동화 적용 효과를 분석하기 위해 FNL과 Interim 두 실험에 대해 각각 자료동화를 적용한 실험과 비교하였다. 먼저 Table.
대상 데이터
- 관측 자료는 전국의 93개 종관기상관측지점(ASOS)의 기온 및 풍속 자료를 이용하였고, 모델 자료는 관측지점과 가장 가까운 격자의 지상으로부터 2 m 높이의 기온 및 10 m 높이의 풍속 자료를 이용하였다.
- 그 중 본 연구에서는 가장 해상도가 높은 0.75° × 0.75°의 지표면 자료(Surface)와 연직 층을 38개로 나눈 연직 자료(Pressure levels)를 이용하였다.
- 1은 본 연구에서 사용된 WRF 모델 설정에 대한 개요를 나타낸 것이다. 도메인은 동아시아 영역(D01), 한반도 영역(D02), 남한 영역(D03)으로 총 3개로 설정하였다(Fig. 2). 수평해상도는 각각 27 km, 9 km, 3 km이고, 물리옵션은 구름미세물리 모수화 과정으로 WSM (WRF Single Momentum) 3-class simple ice scheme을 적용하였고, 복사과정에서 장파복사기법과 단파복사기법은 각각 RRTM (Rapid Radiative Transfer Model)과 Dudhia scheme을 사용하였다.
- 620 μg/m3으로 가장 높았고, 10년간 미세먼지 기준치 초과 일 수도 3월에 36일로 가장 빈번했다. 따라서 본 연구에서는 미세먼지의 영향이 가장 큰 달인 3월 중 가장 최근인 2015년 3월을 사례일로 선정하였다.
- 본 연구는 대기질 모델의 기상 입력 자료로 사용되는 기상 모델의 설정 및 초기 입력 자료에 따른 분석을 위해 최근 10년간 월평균 미세먼지 농도가 높았던 달을 수치모의 사례기간으로 선정하였다. Fig.
- 초기 입력 자료는 NCEP에서 제공하는 FNL자료와 ECMWF에서 제공하는 ERA-Interim자료를 각각 사용하였다. NCEP-FNL자료는 6시간의 시간해상도와 1.
- 초기 입력 자료에 따른 기상장 수치모의 결과를 검증 및 비교하기 위해 93개 ASOS 지점의 기온 및 풍속 자료와 각 실험의 모델값을 이용하였다. 우선 원시 자료의 기온 및 풍속 자료를 바탕으로 원시 자료가 가지고 있는 특징과 정확도를 비교하였다.
- (2015)에서 제시된 값들과 동일하게 적용하였다. 총 수치 모의 기간은 초기 스핀 업 기간을 고려하여 2015년 2월 20일 09LST부터 2015년 4월 1일 09LST까지이고, 그 중 3월의 모의 결과를 비교하였다.
- 추가 민감도 실험에 사용된 SST 자료는 미국의 NCEP에서 제공하는 0.083° × 0.083° 해상도의 실시간 전지구 해수면온도 (Real Time Global Sea Surface Temperature, RTG SST) 자료이다.
데이터처리
- 각 자료의 평균적인 모의 정확도를 살펴보기 위해 ASOS 93개 지점에 대한 각 실험의 통계분석결과를 비교하였다(Table. 3, Table. 4). 통계지표로는 앞서 언급된 RMSE, MBE, IOA가 사용되었으며, RMSE와 MBE는 0에, IOA는 1에 근접할수록 모의정확도가 높음을 의미하고, 비교 실험 중 모의 정확도가 우수한 통계값을 진하게 표시하였다.
- 기상 모델의 수치 모의 성능을 정량적으로 평가하기 위해 통계지표인 RMSE (Root Mean Square Error), IOA (Index Of Agreement), MBE (Mean Bias Error)를 사용하였고, 각 지표는 다음과 같이 정의된다(식 1-3). 이 때 N은 관측지점 개수, Mi은 모델값,Oi는 관측값, #는 관측값의 평균을 의미한다.
- 우선 원시 자료의 기온 및 풍속 자료를 바탕으로 원시 자료가 가지고 있는 특징과 정확도를 비교하였다. 다음으로 초기 입력 자료별 기본 모의 결과를 비교 분석하기 위해 FNL과 Interim 결과를 관측값을 이용하여 각각 검증하고, 상호비교를 통해 자료별 기상장 모의 특성을 분석하였다. 아울러 각 자료별 자료동화 적용 효과를 살펴보기 위해 FNL_Nud와 Interim_Nud의 결과를 추가하여 분석하였다.
- 통계지표로는 앞서 언급된 RMSE, MBE, IOA가 사용되었으며, RMSE와 MBE는 0에, IOA는 1에 근접할수록 모의정확도가 높음을 의미하고, 비교 실험 중 모의 정확도가 우수한 통계값을 진하게 표시하였다. 또한, 각 실험의 시간에 따른 모의 정확도를 비교하기 위해 사례 기간 동안의 전 지점에 대한 평균적인 시계열 분포를 나타내었고(Fig. 3, Fig. 5), 지역별 상세 분석을 위해 지점별로 통계값을 구하여 비교 실험에 대한 통계값의 편차를 구하였다. 이 때, IOA편차를 제외한 RMSE와 MBE의 편차가 정량적인 의미를 가지는데, MBE는 방향성을 가지기 때문에 제외하였다.
- 지역별 자료동화 적용 효과를 상세하게 분석하기 위해, 지점마다 각 실험별 RMSE편차를 구하여 Fig. 6에 나타내었다. 앞선 결과와 마찬가지로 자료동화 적용 시 Interim에서 모의 정확도가 크게 개선되는 지점들이 많이 나타났다.
이론/모형
- 이때, 원시 자료는 격자간격이 크기 때문에 거리에 대한 가중평균을 이용하여 각 관측지점별 격자값을 산출하였고, 구체적인 산출 방법은 Mooney et al.(2011)에서 제시한 Co-location techniques method 2를 사용하였다. Table.
- 초기 입력 자료별 WRF모의 결과를 비교하기에 앞서 원시 자료의 특성 및 정확도를 비교하고자 한다. NCEP-FNL과 ERA-Interim은 각각 3DVAR, 4DVAR 자료동화 기법을 이용하여 생성되었다. 각 자료동화기법을 살펴보면, 3DVAR는 관측지점의 공간적 분포를 이용하여 자료동화를 실시하는 반면, 4DVAR는 3DVAR에 시간을 고려하여 자료의 질을 향상시킨다고 보고된 바 있다(Hodges et al.
- 본 연구에서는 대기질 모델의 기상 입력 자료를 생성하기 위하여 WRF 3.8.1 버전을 사용하였다. Table.
- 2). 수평해상도는 각각 27 km, 9 km, 3 km이고, 물리옵션은 구름미세물리 모수화 과정으로 WSM (WRF Single Momentum) 3-class simple ice scheme을 적용하였고, 복사과정에서 장파복사기법과 단파복사기법은 각각 RRTM (Rapid Radiative Transfer Model)과 Dudhia scheme을 사용하였다. 지표면 모델은 Unified Noah LSM (Land Surface Model), 행성경계층과정은 YSU PBL (YonSeiUniversity Planetary Boundary Layer) scheme을 사용하였으며, 적운 모수화과정은 Kain-Fritsch scheme을 동아시아 영역(D01)과 한반도 영역(D02)에만 적용하였다.
- 수평해상도는 각각 27 km, 9 km, 3 km이고, 물리옵션은 구름미세물리 모수화 과정으로 WSM (WRF Single Momentum) 3-class simple ice scheme을 적용하였고, 복사과정에서 장파복사기법과 단파복사기법은 각각 RRTM (Rapid Radiative Transfer Model)과 Dudhia scheme을 사용하였다. 지표면 모델은 Unified Noah LSM (Land Surface Model), 행성경계층과정은 YSU PBL (YonSeiUniversity Planetary Boundary Layer) scheme을 사용하였으며, 적운 모수화과정은 Kain-Fritsch scheme을 동아시아 영역(D01)과 한반도 영역(D02)에만 적용하였다.
성능/효과
- Table. 3에 나타낸 바와 같이 기온 및 풍속 모의에 있어 원시 자료간 비교에서 전체적으로 4DVAR를 이용한 ERA-Interim이 NCEP-FNL에 비해 더 높은 정확도를 보였다.
- 먼저 Table. 4에서 두 실험 모두 자료동화 적용시 모의 정확도가 개선됨을 확인할 수 있다. 또한, 자료동화를 적용한 실험을 비교하면 Interim_Nud가 FNL_Nud보다 정확도 높은 풍속 모의결과를 보여주고 있다.
- 먼저 Table. 4의 각 실험별 기온 통계 분석 결과를 살펴보면, FNL과 Interim 모두 자료동화 적용 시 모의 정확도가 개선됨을 확인할 수 있다. 특히 Interim에서 각 통계값의 증감폭이 크게 나타났고, 이는 Interim의 자료동화 적용에 따른 기온 모의 결과 개선 정도가 FNL보다 큼을 보여준다.
- FNL_Nud와 Interim_Nud에서 RMSE가 2 ºC이상 크게 개선된 지역을 살펴보면, 강원도 및 경기도 산악지역에서 자료동화 적용 효과가 크게 나타남을 확인할 수 있다.
- 또한 일별로는 두 실험 모두 13일 오후에 모의 정확도가 가장 크게 개선되었고, 두 실험간 모의 정확도의 차이가 가장 크게 나타났던 16일에 Interim_Nud가 일변화 경향을 비교적 정확하게 모의하여 두 실험간 모의 정확도 차이가 줄어들었다. FNL에 비해 모의 정확도가 떨어졌던 Interim에서 자료동화 적용 효과가 크게 나타나, 자료동화를 적용한 두 실험(FNL_Nud, Interim_Nud)에서는 모의 정확도 차이가 크게 나타나지 않고 거의 유사한 일변화 경향을 보였다.
- 7(b)에 나타낸 바와 같이 Interim_RTG의 모의 정확도는 거의 모든 지점에서 Interim보다 높게 나타났는데 이는 RTG_SST가 적용되었을 때의 효과가 FNL에 비해 Interim이 훨씬 더 컸음을 의미한다. FNL의 경우 원시 자료 내의 SKIN_TEMP변수를 이용하여 비교적 정확하게 SST가 표현되었지만, Interim에서는 SST 분포가 정확하게 표현되지 않아 RTG_SST를 적용했을 때의 효과가 FNL에 비해 상대적으로 더 크게 나타났다. Interim에서 SST가 정확히 표현되지 못한 이유는 WRF 3.
- RTG_SST를 이용한 기온 수치 모의 결과, FNL의 경우(FNL_RTG) 기본 모의 결과(FNL)에 비해 동해 연안 및 내륙 지점들을 중심으로 다소 개선된 결과를 보여주었으나 남해 및 서해안지역의 경우 오히려 기본 모의에 비해 더 좋지 않은 결과가 나타났다 Fig. 7(a). 선행연구에 따르면 우리나라 남해안은 쓰시마 난류가 통과하고 서해안의 경우 수심이 매우 얕아 SST의 변동성이 매우 크기 때문에 정확한 SST 모의가 쉽지 않다(Choi et al.
- 여기서 주목해야 할 점은 ERA-Interim 자료를 이용한 WRF 기본 모의 시 (Interim) SST 분포가 정확하게 표현되지 못했다는 점이다. 결과적으로 기온 및 풍속과 같은 관련 변수들의 모의 정확도가 FNL에 비해 상대적으로 낮게 나타났다. 이에 ERA-Interim 자료를 이용한 WRF 수치모의 시 SST 변수로 인해 발생하는 오차를 정량적으로 추정해 보기 위해 추가적인 민감도 실험을 실시하였다.
- 7(a)에서 남해 및 서해안을 중심으로 FNL_RTG의 모의 정확도가 FNL보다 오히려 낮게 나타났던 이유는RTG_SST가 남서해안의 복잡한 SST 분포를 제대로 표현하지 못했음을 의미한다. 그 결과 남서해안 주변의 지점들에서 SKIN_TEMP 변수를 이용하여 SST 변수를 생성하는 FNL의 모의 정확도가 오히려 RTG_SST보다 높았다. 동해안의 경우 수심이 깊고 수온의 변동성이 크지 않으므로 RTG_SST를 적용하였을 때 모의결과가 뚜렷하게 개선되었다.
- 4(b)의 지점별 RMSE편차에 대한 분석에서는 남해안 일부 지점을 제외한 대부분 지점에서 FNL이 정확도 높은 모의성능을 보였다. 따라서, 기온과 풍속 모두 FNL의 모의 정확도가 Interim에 비해 높게 나타났으며, 이에 대한 자세한 분석은 3.4절에 나타내었다.
- 두 실험 모두 기온의 일변화 경향은 관측과 유사하게 모의하고 있으나, 전반적으로 낮은 기온경향을 보였다. 또한, FNL이 Interim에 비해 비교적 관측값을 정확히 모의하고 있으며, 특히 16일의 경우 Interim이 일 변동성을 정확히 모의하지 못하여 FNL과의 차이가 크게 나타났다. 하지만, Fig.
- 지역별로는 남서해안 지역에서 두 실험 간의 모의 정확도 차이가 크게 나타났다. 또한, 경기도의 대다수 지점과 일부 동해 연안 지점에서는 Interim의 모의 정확도가 높게 나타났다.
- 4에 나타난 평균적 통계분석결과를 살펴보면, FNL과 Interim이 전반적으로 관측값에 비해 기온을 낮게 모의하였다. 또한, 두 실험간 비교에서는 FNL이 Interim보다 평균적으로 정확도 높은 모의 결과를 보였다.
- 3(b)에 나타난 시계열 분석에서도 기상 모델이 전체적으로 풍속을 높게 모의하는 경향을 보였고, FNL이 Interim보다 관측값을 잘 모의하였다. 또한, 시간에 따라 두 실험의 모의 정확도가 다르게 나타나는데, 31일에 Interim은 관측값에 비해 최대 4 ms-1 높게 모의 하였지만, FNL은 관측값과의 오차가 2 ms-1 미만으로 비교적 정확하게 모의하였다. Fig.
- 4에서 두 실험 모두 자료동화 적용시 모의 정확도가 개선됨을 확인할 수 있다. 또한, 자료동화를 적용한 실험을 비교하면 Interim_Nud가 FNL_Nud보다 정확도 높은 풍속 모의결과를 보여주고 있다. 앞서 3.
- 먼저, 기본 실험(FNL, Interim)을 비교한 결과, 원시 자료간 비교에서 정확도가 높았던 ERA-Interim이 WRF 기본 모의 시 모의 정확도가 FNL에 비해 떨어졌고, 연안 지역에서 차이가 크게 나타났다. 이를 해석하고자 RTG_SST 자료를 추가한 실험(FNL_RTG, Interim_RTG)을 실시하였고, 결과적으로 FNL은 RTG_SST 자료를 추가한 실험(FNL_RTG)과 기본 실험(FNL)에 있어 지역별 차이를 보였으나, Interim의 경우 RTG_SST 자료를 추가한 실험(Interim_RTG)에서 대부분 지점의 모의 정확도가 향상되었다.
- 먼저, 기본 실험(FNL, Interim)을 비교한 결과, 원시 자료간 비교에서 정확도가 높았던 ERA-Interim이 WRF 기본 모의 시 모의 정확도가 FNL에 비해 떨어졌고, 연안 지역에서 차이가 크게 나타났다. 이를 해석하고자 RTG_SST 자료를 추가한 실험(FNL_RTG, Interim_RTG)을 실시하였고, 결과적으로 FNL은 RTG_SST 자료를 추가한 실험(FNL_RTG)과 기본 실험(FNL)에 있어 지역별 차이를 보였으나, Interim의 경우 RTG_SST 자료를 추가한 실험(Interim_RTG)에서 대부분 지점의 모의 정확도가 향상되었다. 따라서, 기본 모의 결과 비교에 있어 연안 지역의 모의 정확도가 높게 나타난 것은 Interim의 SST가 정확히 표현되지 못했기 때문인 것으로 사료된다.
- 이상의 민감도 실험 결과를 종합해 볼 때, ERA-Interim 원시 자료의 높은 정확도에도 불구하고 WRF를 이용한 기본 모의(Interim) 정확도가 낮게 나타난 이유는 부정확한 SST 모의 결과에 의한 것임을 확인 할 수 있다. 따라서 ERA-Interim자료를 이용한 정확한 WRF 수치모의를 위해서는 ERA-Interim 원시자료에 포함된 OSTIA SST 자료의 정확도 검증, WRF 3.
- 5(b)에 나타낸 시계열 분석 결과 풍속을 과대모의하는 경향은 자료동화 적용 후 감소했음을 확인할 수 있다. 일별로는 자료동화 적용 시 모두 12일에 모의 정확도가 가장 크게 증가하였지만, 4, 9, 10, 18일에서는 여전히 약 4 ms-1 이상의 높은 오차를 보였다. 이는 기상 모델이 높은 풍속을 모의하는데 있어 지나치게 과대모의하는 경향이 있기 때문인 것으로 생각된다.
- 자료동화 적용에 따른 기온 및 풍속의 모의 결과를 종합해 보면 기본 모의 결과에 비해 Interim_Nud의 정확도 개선 효과가 FNL_Nud에 비해 높게 나타났다. 이는 ERA-Interim 원시 자료의 정확도가 NCEP-FNL에 비해 높기 때문에 (Table 3) 원시 자료가 자료동화에 활용되는 그리드 너징의 적용 효과 또한 Interim_Nud에서 높게 나타난 것으로 분석된다.
- 지역별로는 두 실험 모두 산악지역보다 연안 지역에서 자료동화 적용 효과가 크게 나타났고, 특히 동해안을 중심으로 모의 정확도가 크게 개선되었다. 또한, Fig.
- 초기 입력 자료별 기본 WRF 모의 결과를 종합해보면, 기온과 풍속 모의에 있어 평균적으로 FNL의 모의 정확도가 높았다. 이는 3.
- 추가적으로, 자료동화를 적용한 FNL_Nud와Interim_Nud 실험을 통해 각 실험의 자료동화 적용효과를 비교한 결과 Interim의 자료동화 적용효과가 크게 나타났다. 이는 ERA-Interim이 NCEP-FNL보다 높은 정확도를 보이고, 그리드 너징은 초기 입력 자료를 활용하는 자료동화 기법이기 때문에 Interim의 개선효과가 더 크게 나타난 것으로 사료된다.
- 4). 통계지표로는 앞서 언급된 RMSE, MBE, IOA가 사용되었으며, RMSE와 MBE는 0에, IOA는 1에 근접할수록 모의정확도가 높음을 의미하고, 비교 실험 중 모의 정확도가 우수한 통계값을 진하게 표시하였다. 또한, 각 실험의 시간에 따른 모의 정확도를 비교하기 위해 사례 기간 동안의 전 지점에 대한 평균적인 시계열 분포를 나타내었고(Fig.
- 4의 각 실험별 기온 통계 분석 결과를 살펴보면, FNL과 Interim 모두 자료동화 적용 시 모의 정확도가 개선됨을 확인할 수 있다. 특히 Interim에서 각 통계값의 증감폭이 크게 나타났고, 이는 Interim의 자료동화 적용에 따른 기온 모의 결과 개선 정도가 FNL보다 큼을 보여준다.
- 풍속 모의의 평균적 통계분석결과에서 두 실험 모두 풍속을 관측값보다 높게 모의 하였으며, FNL이 Interim 보다 정확도 높은 모의 결과를 보였다(Table. 4). Fig.
후속연구
- 따라서 ERA-Interim의 OSTIA SST 자료의 정확도 검증 및 WRF 3.8.1 버전의 ‘Vtable’에 대한 추가 분석을 통해 ERA-Interim 자료를 효율적으로 활용할 수 있을 것으로 기대된다.
- 따라서 ERA-Interim자료를 이용한 정확한 WRF 수치모의를 위해서는 ERA-Interim 원시자료에 포함된 OSTIA SST 자료의 정확도 검증, WRF 3.8.1 버전의 ‘Vtable’이 가지고 있는 문제점에 대한 추가적인 분석이 반드시 필요하다고 사료된다.
- 이는 ERA-Interim이 NCEP-FNL보다 높은 정확도를 보이고, 그리드 너징은 초기 입력 자료를 활용하는 자료동화 기법이기 때문에 Interim의 개선효과가 더 크게 나타난 것으로 사료된다. 또한, 연안 지역에서 Interim_Nud의 기온 모의 정확도가 FNL_Nud에 비해 높게 나타난 것은 자료동화 적용 시 Interim_Nud에서 국지 순환계에 영향을 미치는 변수들의 모의 정확도가 개선되기 때문인 것으로 생각되며, 연안 지역의 기온 수치 모의 시 ERA-Interim을 초기 입력 자료로 하고 자료동화를 적용한 Interim_Nud이 유용한 결과를 제시할 것으로 사료된다.
- 본 연구는 한 달의 사례일에 대한 모의 결과를 비교하였고, 지표면의 기온과 풍속만 비교하였기 때문에 장기간의 모의 성능 비교 및 연직 프로파일 분석 등 초기 입력 자료에 대한 자세한 후속 연구가 진행될 필요가 있다.
- 이는 ERA-Interim에 대한 WRF 3.8.1 버전의 ‘Vtable’이 최적화 문제로 추정할 수 있으나, ERA-Interim 원시 자료에 포함된 OSTIA SST 자료에 대한 검증이 이루어지지 않았기 때문에 이에 대한 후속 연구가 필요하다고 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.