[논문]앙상블 지역 파랑예측시스템 구축 및 검증

박종숙; 강기룡; 강현석

doi:10.9765/kscoe.2018.30.2.84

앙상블 지역 파랑예측시스템 구축 및 검증
Development and Evaluation of an Ensemble Forecasting System for the Regional Ocean Wave of Korea 원문보기

한국해안·해양공학회논문집 = Journal of Korean Society of Coastal and Ocean Engineers, v.30 no.2, 2018년, pp.84 - 94

박종숙 (국립기상과학원 지구시스템연구과) , 강기룡 (국립기상과학원 지구시스템연구과) , 강현석 (국립기상과학원 지구시스템연구과)

초록
AI-Helper

해양파랑 예측에 있어 단일 수치모델의 불확실성을 보완하기 위하여 앙상블 기법을 적용한 지역 파랑예측시스템을 구축하였다. 기상청 전지구 대기 수치모델의 확률예측시스템에서 생산되는 24개 앙상블 해상풍을 입력자료로 이용, 87시간까지 파랑 예측자료를 생산하였으며, 기상청 계류부이 관측자료와 다양한 통계방법을 적용하여 검증을 수행하였다. 2일예측 이후의 앙상블 예측평균의 평균제곱근오차(RMSE)는 단일모델예측에 비하여 향상된 결과를 보였으며, 특히 3일예측의 경우 단일모델예측 대비 RMSE가 약 15% 정도 향상되었다. 이것은 앙상블 기법이 수치모델의 불확실성을 감소시켜 예측정확도 향상에 크게 기여한 것으로 보인다. ROC(Relative Operating Characteristic) 분석결과, 전체 예측시간에 대하여 ROC 영역이 모두 0.9 이상을 보여 확률예측 성능이 뛰어남을 보였으며, 앙상블 파랑예측 결과가 해상 확률예보에 유용하게 활용될 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

In order to overcome the limitation of deterministic forecast, an ensemble forecasting system for regional ocean wave is developed. This system predicts ocean wind waves based on the meteorological forcing from the Ensemble Prediction System for Global of the Korea Meteorological Administration, which is consisted of 24 ensemble members. The ensemble wave forecasting system is evaluated by using the moored buoy data around Korea. The root mean squared error (RMSE) of ensemble mean showed the better performance than the deterministic forecast system after 2 days, especially RMSE of ensemble mean is improved by 15% compared with the deterministic forecast for 3-day lead time. It means that the ensemble method could reduce the uncertainty of the deterministic prediction system. The Relative Operating Characteristic as an evaluation scheme of probability prediction was bigger than 0.9 showing high predictability, meaning that the ensemble wave forecast could be usefully applied.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

앙상블 예측의 목적 중 하나는 앙상블 멤버(하나 또는 여러 개 멤버의 조합)가 실제 해상 상태를 대표할 수 있다고 기대하는 것이다. 따라서 앙상블 예측시스템에서의 기초적인 검증요소는 앙상블 평균과 앙상블 스프레드를 비교하는 것이다. RMSE는 식(2)과 같이 앙상블 평균과 실제 값(본 연구에서는 관측자료)의 차이를 제곱근한 값이고 스프레드는 앙상블 평균에 대한 각 앙상블 멤버들의 표준편차이다(식 3).
본 연구에서는 우리나라 주변 해역에서의 앙상블 파랑예측시스템을 구축하였으며 앙상블 기반 확률예측에 대한 성능을 검증하였다. 앙상블 스프레드의 순위 히스토그램 분석을 통하여 파랑모델에서 나타나는 계절적인 편차를 보정하였으며, 앙상블 예보오차와 앙상블 멤버들의 스프레드가 비슷한 경향을 보이고 있어 확률예측시스템 구축은 잘 된 것으로 판단된다.
기상청의 풍랑관련 특보 발표기준은 해상에서 풍속이 14 m/s 이상이 3시간 이상 지속되거나 유의파고가 3 m 이상이 예상될 때이다. 본 연구에서는 위험 해양기상의 선제적인 정보를 제공하고자 유의파고 2m에 대한 확률예측 검증을 수행하였다.
앙상블 지역 파랑예측시스템은 기상청의 전지구 대기 앙상블 예측시스템(Ensemble Prediction System for Global; EPSG) 자료를 기반으로 구축되었으며, 이 시스템은 기상청 국가기상슈퍼컴퓨터 4호기에서 실시간으로 운영되고 있다. 본 연구에서는 이 시스템의 구축현황을 설명하고 기상청에서 운영하고 있는 우리나라 주변 해역의 계류부이 관측 자료를 이용하여 앙상블 지역 파랑예측시스템의 예측성능을 검증하였다.
앙상블 예측시스템의 기본은 앙상블 스프레드가 적절히 퍼져나가 자연 상태를 설명할 수 있어야 한다. 본 연구에서는 이러한 앙상블 스프레드를 평가하기 위하여 순위 히스토그램을 분석하였다. 순위 히스토그램은 검증방법은 아니나 앙상블 스프레드를 평가하는 진단도구이다(Anderson, 1996; Hamill and Colucci, 1996; Hamill and Colucci,1997).
앙상블 파랑예측 자료를 확률예보에 활용하기 위한 확률 예측성을 검증하였다. 검증 변수는 Brier Score(BS), Brier Skill score(BSS), 신뢰도 다이어그램, Relative operation characteristic(ROC)이다.

가설 설정

9. (a) Brier skill scores and (b) Brier scores for significant wave height higher than 2 m. Solid lines shows corrected ensemble and Dash lines shows raw ensemble.

제안 방법

(2009)의 연구에서 적용한 방법을 사용하였으며, 그 방법은 설정된 c0 값에 ± 10%, ± 20%, 그리고 ± 50% 비율을 적용하여 c0를 재산정한 후 모델을 수행하여 가장 예측성능이 좋은 계수를 선정한다.
RMSE와 스프레드의 일치성을 확인하기 위하여 스프레드가 1 m 이하인 경우의 RMSE와 스프레드의 차를 분석하였다. 앙상블 스프레드를 개선하기 전과 후 평균 차이 값이 각각 0.
(2009)의 연구에서 적용한 방법을 사용하였으며, 그 방법은 설정된 c₀ 값에 ± 10%, ± 20%, 그리고 ± 50% 비율을 적용하여 c₀를 재산정한 후 모델을 수행하여 가장 예측성능이 좋은 계수를 선정한다. 본 연구에서 기본적으로 설정된 c₀는 1.6이고 유의파고의 과소모의 경향을 보정하기 위하여 + 10% 비율을 적용한 c₀ = 1.8으로 조정하여 모델을 재 수행하였으며 그 결과를 막대그래프로 표현하였다. 계수를 보정하기 전에 상위 순위로 치우쳐 있던 경향이 다른 순위로 골고루 분포하는 것을 확인하였고, 이것은 계수 조정을 통한 계절적인 모델의 편차가 보정된 것을 의미한다.
검증에 사용된 관측요소는 유의파고이며, 기간은 2016년 7월부터 2017년 6월까지 1년 동안이다. 본 연구에서는 단일 모델과 앙상블 모델 각각의 파랑예측성능을 부이관측 자료와 직접 비교를 통하여 검증하였다.
스탬프 맵은 24개 멤버의 유의파고를 모두 표출한 것으로 각 멤버의 정보를 한눈에 확인할 수 있다. 스탬프 맵의 가장 상단에는 현업 단일모델의 예측 결과와 앙상블 모델의 예측 평균값을 함께 표출하여 단일 모델의 예측결과와 비교할 수 있도록 하였다. 2016년 제18호 태풍 차바(Chaba(1618))가 한반도의 남해안으로 지나갈 것으로 예측되며, 당시 단일모델 예측과 앙상블 모델의 예측장 평균 모두 남해안에서 매우 높은 파고가 예측되고 있는 것을 확인 할 수 있다.
해상예보의 가이던스 제공을 위하여 앙상블 예보에 대한 검증을 수행하였다. 비교대상은 단일모델의 예측결과와 앙상블 예측의 평균자료이며 앙상블 평균자료는 24개 멤버를 산술평균한 값이다.
2, Table 2)를 사용하였다. 해양기상부 이는 풍향, 풍속, 유의파고, 파주기 등을 실시간으로 관측하며 매일 30분 간격으로 자료를 수집한다. 검증에 사용된 관측요소는 유의파고이며, 기간은 2016년 7월부터 2017년 6월까지 1년 동안이다.

대상 데이터

참고로, 태풍 차바(1618)는 2016년 9월 28일 03시에 태풍으로 발생하였고, 중심기압 930 hPa, 최대풍속 50 m/s까지 발달하였다. 10월 5일 03시 955 hPa의 세력을 유지하면서 서귀포 남남서쪽 약 50 km 부근해상까지 북상하였으며 2016년 10월 5일 09시에 여수 동남동쪽 약 40km 부근해상을 지나 동해안으로 빠르게 이동하여 2016년 10월 6일 06시에 온대저기압으로 변질되었다.
Fig. 6은 앙상블 파랑 스프레드의 순위 히스토그램을 나타낸 것으로 앙상블 스프레드는 3일 예측자료를 사용하였다. 2016년 7월부터 9월까지 히스토그램(막대그래프)은 비교적 평평한 모형을 보이고 있어, 앙상블 스프레드가 해상상태를 잘 모사한다고 볼 수 있다.
해양기상부 이는 풍향, 풍속, 유의파고, 파주기 등을 실시간으로 관측하며 매일 30분 간격으로 자료를 수집한다. 검증에 사용된 관측요소는 유의파고이며, 기간은 2016년 7월부터 2017년 6월까지 1년 동안이다. 본 연구에서는 단일 모델과 앙상블 모델 각각의 파랑예측성능을 부이관측 자료와 직접 비교를 통하여 검증하였다.
앙상블 스프레드의 순위 히스토그램 분석을 통하여 파랑모델에서 나타나는 계절적인 편차를 보정하였으며, 앙상블 예보오차와 앙상블 멤버들의 스프레드가 비슷한 경향을 보이고 있어 확률예측시스템 구축은 잘 된 것으로 판단된다. 검증에 사용된 자료는 기상청에서 운영 중인 17개의 부이관측 자료이며 기간은 2016년 7월부터 2017년 6월까지 1년 동안이다. 단일예측의 성능을 알아보기 위하여 현업 단일 파랑예측 결과와 유의파고 앙상블 평균에 대하여 RMSE와 편차를 분석하였다.
파랑발달의 강제력으로 작용하는 해상풍은 기상청 지역예보모델의 3시간 간격의 예측자료이며 87시간까지 예측된다. 또한, 예측성 검증을 위해 기상청에서 운영하고 있는 17개 해양기상 부이 관측자료(Fig. 2, Table 2)를 사용하였다. 해양기상부 이는 풍향, 풍속, 유의파고, 파주기 등을 실시간으로 관측하며 매일 30분 간격으로 자료를 수집한다.
이에 전지구 대기 앙상블 예측시스템의 수평해상도가 기존의 40 km에서 32 km 로 증가하였고 역학과정의 변경 등 개선이 이루어졌다. 모델은 연직으로 70개 층으로 이루어져있으며, 2회/1일 운영되며 12일까지 예측자료가 생산된다.
, 1973)를 사용하였다. 모델의 영역은 기상청에서 현업운영 중인 동북아시아 영역과 동일하게 설정하였으며 해양 수심격자 구성을 위하여 NGDC(National Geophysical Data Center)의 ETOPO2 전 지구 수심자료가 사용되었으며, 고해상도 해안선 자료는 GSHHS(Global Self-consistent Hierarchical High-resolution Shoreline) 자료를 이용하였다. EWW3의 공간해상도는 위 · 경도 동일한 1/12^o 간격의 구면좌표계이며, 스펙트럼의 해상도는 최소진동수 0.
해상예보의 가이던스 제공을 위하여 앙상블 예보에 대한 검증을 수행하였다. 비교대상은 단일모델의 예측결과와 앙상블 예측의 평균자료이며 앙상블 평균자료는 24개 멤버를 산술평균한 값이다. Fig.
입력장으로 사용되는 자료는 EPSG의 10 m 고도 해상풍 예측 자료이며 파랑 모델의 격자에 맞게 선형내삽법을 사용하여 3시간 간격마다 자료가 입력된다. 앙상블 멤버는 24개로 구성되었으며, EWW3에서의 섭동은 대기로부터 입력되는 해상풍 자료만 고려되었다. 각 멤버의 초기장은 12시간 전의 파랑 스펙트럼 예측장이며 같은 멤버의 cycle을 이용한다.
앙상블 지역 파랑예측시스템은 EPSG 의 10 m 고도의 해상풍 예측자료를 입력받아 수행된다. EPSG의 섭동장은 앙상블 트랜스폼 칼만필터(Ensemble Transform Kalman Filter)와 하층 기온 및 풍속 등 지상변수의 스프레드를 향상시키기 위하여 SST 섭동방법을 이용하여 생산한다.
앙상블 파랑예측시스템의 성능을 비교하기 위해 사용된 자료는 기상청 현업 지역파랑예측시스템(단일모델)의 예측장이다. 이 시스템 역시 WAVEWATCH-III(ver4.
4114 Hz까지 25개의 파수를 가지며, 방향 해상도는 10^o 간격으로 36개이다(Table 1). 입력장으로 사용되는 자료는 EPSG의 10 m 고도 해상풍 예측 자료이며 파랑 모델의 격자에 맞게 선형내삽법을 사용하여 3시간 간격마다 자료가 입력된다. 앙상블 멤버는 24개로 구성되었으며, EWW3에서의 섭동은 대기로부터 입력되는 해상풍 자료만 고려되었다.

데이터처리

앙상블 파랑예측 자료를 확률예보에 활용하기 위한 확률 예측성을 검증하였다. 검증 변수는 Brier Score(BS), Brier Skill score(BSS), 신뢰도 다이어그램, Relative operation characteristic(ROC)이다. BS는 확률예측 정확도를 측정하는데 이용되며, 예측평균과 관측평균 사이의 관계인 신뢰도, 판별력, 그리고 불확실성으로 나뉜다.
검증에 사용된 자료는 기상청에서 운영 중인 17개의 부이관측 자료이며 기간은 2016년 7월부터 2017년 6월까지 1년 동안이다. 단일예측의 성능을 알아보기 위하여 현업 단일 파랑예측 결과와 유의파고 앙상블 평균에 대하여 RMSE와 편차를 분석하였다. 앙상블 평균의 RMSE는 단일예측에 비하여 향상된 결과를 보이고 있으며, 특히 2일 예보 이후에는 그 경향이 뚜렷이 나타났다.

이론/모형

파랑모델의 에너지 입력 및 소산에 관한 물리과정은 Ardhuin et al.(2010)이 제안한 WAM cycle4 패키지를 채택하였다. 파랑발달의 강제력으로 작용하는 해상풍은 기상청 지역예보모델의 3시간 간격의 예측자료이며 87시간까지 예측된다.
앙상블 지역 파랑예측시스템(Ensemble WAVEWATCH-III; EWW3)에서 사용된 모델은 3세대 파랑모델인 WAVEWATCHIII(ver2.22)이며, 에너지 입력 및 소산에 관한 물리과정은 Tolman and Chalikov(1996)을 사용하고 해저마찰에 의한 효과는 JONSWAP 모수화(Hasselmann et al., 1973)를 사용하였다. 모델의 영역은 기상청에서 현업운영 중인 동북아시아 영역과 동일하게 설정하였으며 해양 수심격자 구성을 위하여 NGDC(National Geophysical Data Center)의 ETOPO2 전 지구 수심자료가 사용되었으며, 고해상도 해안선 자료는 GSHHS(Global Self-consistent Hierarchical High-resolution Shoreline) 자료를 이용하였다.

성능/효과

스탬프 맵의 가장 상단에는 현업 단일모델의 예측 결과와 앙상블 모델의 예측 평균값을 함께 표출하여 단일 모델의 예측결과와 비교할 수 있도록 하였다. 2016년 제18호 태풍 차바(Chaba(1618))가 한반도의 남해안으로 지나갈 것으로 예측되며, 당시 단일모델 예측과 앙상블 모델의 예측장 평균 모두 남해안에서 매우 높은 파고가 예측되고 있는 것을 확인 할 수 있다. 앙상블의 각 멤버별 특성을 보면, 24번 멤버의 경우 유의파고의 높이가 다소 낮게 예측된 반면, 12번 멤버의 경우 남해안 및 제주 전 해상에서 높은 유의파고를 예측하고 있어 멤버에 따라 다양한 결과를 나타내고 있음을 확인할 수 있다.
1일 예측시간에서는 스프레드가 개선되면서 대각선과 일치하는 경향을 보여 실제 확률과 유사한 결과를 보였다. 2일 예측에서는 60% 이상의 높은 확률구간에서 과대 모의하는 경향이 뚜렷하여 예측확률이 다소 떨어지는 경향을 보였으며, 3일 예측에서는 대각선과 비교적 잘 일치하고 있어 단기예측에서보다 예측시간이 길어질수록 신뢰도가 향상된 결과를 보이고 있다.
즉, 가을과 겨울철에 나타난 계절적인 편차를 보정하면서 편차에서 많은 개선이 이루어진 것으로 판단된다. RMSE의 경우에도 단일예보의 예측에 비하여 스프레드가 개선되면서 전체 예측시간에 대하여 앙상블 예측의 성 능이 향상된 것을 확인할 수 있다. 특히, 2일 예측시간 이후에는 앙상블 예측평균이 단일예보의 예측에 비하여 RMSE가 크게 감소한 것을 확인 할 수 있는데, 이것은 예보시간이 길어지면서 수치모델의 불확실성이 커지게 되는데, 이러한 불확실성이 예측결과에 반영된 것으로 판단된다.
Barker(1991)에 의하면 초기 예측시간에서는 RMSE와 스프레드의 상관성이 높고 예보시간이 길어질수록 점차 상관성이 낮아진다고 밝혔지만, 본 연구에서는 단기예측의 결과만을 보여주기 때문에 예보시간의 크기에 따른 상관성의 차이가 크게 나타나지는 않았다. 그래프가 대각선에 일치할수록 앙상블 스프레드가 해상상황을 잘 표현함을 의미하며 검은 선은 앙상블 스프레드를 개선한 후이고, 회색선은 개선전의 결과이다.
특히, 2일 예측시간 이후에는 앙상블 예측평균이 단일예보의 예측에 비하여 RMSE가 크게 감소한 것을 확인 할 수 있는데, 이것은 예보시간이 길어지면서 수치모델의 불확실성이 커지게 되는데, 이러한 불확실성이 예측결과에 반영된 것으로 판단된다. 또한, 태풍 차 바(1618)의 경우에도 단일 모델예측에 비하여 편차가 작았으며, 특히 3일 예측에서는 단일모델보다 약 36% 정도 예측성능이 향상된 결과를 보였다.
, 2005). 세 번째는 모델의 경계조건에서 발생하는 오차로 지역모델의 경우 적분시간이 길어질수록 경계면 자료의 영향을 크게 받는다. 이러한 수치모델의 불확실성에 대한 한계를 보완하는 방법으로 앙상블 예측기법이 널리 이용되고 있다(Palmer, 2001).
초기시간의 전체 예측확률이 실제 확률보다 과소 모의하는 경향이 뚜렷이 나타난다. 스프레드가 개선된 후 50% 이하의 낮은 확률구간에서 과소모의 경향이 다소 완화되었고, 높은 확률구간에서는 다소 과대 모의하는 경향을 보이고 있다(Fig. 9(a)).
RMSE와 스프레드의 일치성을 확인하기 위하여 스프레드가 1 m 이하인 경우의 RMSE와 스프레드의 차를 분석하였다. 앙상블 스프레드를 개선하기 전과 후 평균 차이 값이 각각 0.10 m와 0.08 m로 나타났으며, 앙상블 스프레드를 개선함으로써 약 13% 이상으로 일치성이 향상됨을 확인하였다. 초기시간보다 3일 예측에서 예측오차가 크게 나타나고 전체 빈도수의 약 99%를 차지하는 0.
본 연구에서는 우리나라 주변 해역에서의 앙상블 파랑예측시스템을 구축하였으며 앙상블 기반 확률예측에 대한 성능을 검증하였다. 앙상블 스프레드의 순위 히스토그램 분석을 통하여 파랑모델에서 나타나는 계절적인 편차를 보정하였으며, 앙상블 예보오차와 앙상블 멤버들의 스프레드가 비슷한 경향을 보이고 있어 확률예측시스템 구축은 잘 된 것으로 판단된다. 검증에 사용된 자료는 기상청에서 운영 중인 17개의 부이관측 자료이며 기간은 2016년 7월부터 2017년 6월까지 1년 동안이다.
단일예측의 성능을 알아보기 위하여 현업 단일 파랑예측 결과와 유의파고 앙상블 평균에 대하여 RMSE와 편차를 분석하였다. 앙상블 평균의 RMSE는 단일예측에 비하여 향상된 결과를 보이고 있으며, 특히 2일 예보 이후에는 그 경향이 뚜렷이 나타났다. 이것은 수치모델의 불확실성이 앙상블 기법을 통하여 모델에 반영되고 예측정확도 향상에 기여한 것으로 보인다.
2016년 제18호 태풍 차바(Chaba(1618))가 한반도의 남해안으로 지나갈 것으로 예측되며, 당시 단일모델 예측과 앙상블 모델의 예측장 평균 모두 남해안에서 매우 높은 파고가 예측되고 있는 것을 확인 할 수 있다. 앙상블의 각 멤버별 특성을 보면, 24번 멤버의 경우 유의파고의 높이가 다소 낮게 예측된 반면, 12번 멤버의 경우 남해안 및 제주 전 해상에서 높은 유의파고를 예측하고 있어 멤버에 따라 다양한 결과를 나타내고 있음을 확인할 수 있다.
이것은 수치모델의 불확실성이 앙상블 기법을 통하여 모델에 반영되고 예측정확도 향상에 기여한 것으로 보인다. 예측 유의파고 2m에 대한 확률검증에서, ROC 영역이 전체 예측시간에 대하여 0.9 이상을 보여 확률예측의 성능이 뛰어나고, 이러한 앙상블 파랑예측 결과가 확률예보에 유용하게 활용될 수 있을 것으로 판단되었다. 향후 2020년에 기상청에서 영향예보가 시행됨에 따라 해상 영향예보 의사결정 지원에 필요한 가이던스 개발에 대한 추가적인 연구가 요구된다.
기상청은 슈퍼컴퓨터 4호기 도입에 따른 고해상도 현업수치예보시스템의 실시간 운영체계를 완료하여 2016년 6월부터 슈퍼컴퓨터 4호기 기반의 고해상도 현업수치예보시스템 개선버전에 대하여 현업 운영하고 있다. 이에 전지구 대기 앙상블 예측시스템의 수평해상도가 기존의 40 km에서 32 km 로 증가하였고 역학과정의 변경 등 개선이 이루어졌다. 모델은 연직으로 70개 층으로 이루어져있으며, 2회/1일 운영되며 12일까지 예측자료가 생산된다.
94%를 차지하기 때문에 그 대표성은 현저히 떨어지지만 특정 사례의 결과가 표현된 것으로 해석된다. 전반적으로 확률예보를 위한 앙상블 스프레드가 실제 해상상태를 표현하는 데 보다 안정적인 것을 확인할 수 있고, 또한 스프레드를 개선함으로써 오차의 변동 폭에 있어서 급격한 증가 또는 감소하는 경향 없이 점진적으로 증가하는 것으로 보아 이 앙상블예측시스템의 안정성 역시 향상된 것을 확인할 수 있다.
이러한 경향은 11월에 가장 큰 값을 보이고 있으며 모델에 편차가 있음을 의미한다. 즉 실제 해상상태보다 앙상블 스프레드가 과소모의 하는 경향을 보이고 있으며, 이러한 경향은 가을과 겨울철에 뚜렷이 나타났다. 이렇게 계절적으로 나타나는 편차를 보완하기 위하여 앙상블 스프레드를 전체적으로 크게 모의할 수 있도록 파랑 모델에서의 계수에 대한 조정이 필요하다.
08 m로 나타났으며, 앙상블 스프레드를 개선함으로써 약 13% 이상으로 일치성이 향상됨을 확인하였다. 초기시간보다 3일 예측에서 예측오차가 크게 나타나고 전체 빈도수의 약 99%를 차지하는 0.8 m 이하에서 대각선과 잘 일치하는 것을 확인할 수 있다. 반면, 예측유의파고 1 m 이상에서는 대각선과 다소 멀어지는 경향을 보이고 있는데, 이 구간은 전체 빈도수의 약 0.
RMSE의 경우에도 단일예보의 예측에 비하여 스프레드가 개선되면서 전체 예측시간에 대하여 앙상블 예측의 성 능이 향상된 것을 확인할 수 있다. 특히, 2일 예측시간 이후에는 앙상블 예측평균이 단일예보의 예측에 비하여 RMSE가 크게 감소한 것을 확인 할 수 있는데, 이것은 예보시간이 길어지면서 수치모델의 불확실성이 커지게 되는데, 이러한 불확실성이 예측결과에 반영된 것으로 판단된다. 또한, 태풍 차 바(1618)의 경우에도 단일 모델예측에 비하여 편차가 작았으며, 특히 3일 예측에서는 단일모델보다 약 36% 정도 예측성능이 향상된 결과를 보였다.
9 이상을 보였다. 특히, 3일 예측의 경우 앙상블 스프레드를 개선하면서 ROC 면적의 크기가 0.88에서 0.9로 상승하였고, 이것은 파랑 발생 확률에 대한 예측성능이 향상됨을 의미한다.

후속연구

9 이상을 보여 확률예측의 성능이 뛰어나고, 이러한 앙상블 파랑예측 결과가 확률예보에 유용하게 활용될 수 있을 것으로 판단되었다. 향후 2020년에 기상청에서 영향예보가 시행됨에 따라 해상 영향예보 의사결정 지원에 필요한 가이던스 개발에 대한 추가적인 연구가 요구된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	전지구 대기 앙상블 예측시스템은 어디에서 운영되고 있는가?	앙상블 지역 파랑예측시스템은 기상청의 전지구 대기 앙상블 예측시스템(Ensemble Prediction System for Global; EPSG) 자료를 기반으로 구축되었으며, 이 시스템은 기상청 국가기상슈퍼컴퓨터 4호기에서 실시간으로 운영되고 있다. 본 연구에서는 이 시스템의 구축현황을 설명하고 기상청에서 운영하고 있는 우리나라 주변 해역의 계류부이 관측 자료를 이용하여 앙상블 지역 파랑예측시스템의 예측성능을 검증하였다.
	앙상블 예측의 목적 중 하나는 무엇인가?	앙상블 예측의 목적 중 하나는 앙상블 멤버(하나 또는 여러 개 멤버의 조합)가 실제 해상 상태를 대표할 수 있다고 기대하는 것이다. 따라서 앙상블 예측시스템에서의 기초적인 검증요소는 앙상블 평균과 앙상블 스프레드를 비교하는 것이다.
	수치모델이 불확실성을 포함하는 이유는 무엇인가요?	수치모델이 불확실성을 포함하는 이유는 다음과 같다. 첫 번째는 수치모델 초기 조건의 오차이다. 초기 조건의 오차에는 관측기기가 포함하는 오차와 관측자료의 부족 등이 있으며 이러한 초기 조건에서 발생된 오차는 수치 적분과정에서 점점 실제 해양상태와 멀어지게 되고 수치예측의 의미를 잃게 된다. 두 번째는 수치물리과정과 역학과정에서 발생되는 오차로 실제 해양상태를 묘사하기 위한 모수화 과정에서 발생된다(Buizza et al., 2005). 세 번째는 모델의 경계조건에서 발생하는 오차로 지역모델의 경우 적분시간이 길어질수록 경계면 자료의 영향을 크게 받는다. 이러한 수치모델의 불확실성에 대한 한계를 보완하는 방법으로 앙상블 예측기법이 널리 이용되고 있다(Palmer, 2001).

참고문헌 (20)

Anderson, J.L. (1996). A method for producing and evaluating probabilistic forecasts from ensemble model integrations. Journal of Climate, 9(7), 1518-1530.

상세보기
Ardhuin, F., Rogers, E., Babanin, A.V., Filipot, J.-F., Magne, R., Roland, A., Westhuysen, A., Queffeulou, P., Lefevre, J.-M., Aouf, L. and Collard, F. (2010). Semiempirical dissipation source functions for ocean waves. Part I: Definition, calibration, and validation. Journal of Physical Oceanography, 40(9), 1917-1941.

상세보기
Barker, T.W. (1991). The relationship between spread and forecast error in extended-range forecasts. Journal of Climate, 4(7), 733-742.

상세보기
Berner, J., Shutts, G.J., Leutbecher, M. and Palmer, T.N. (2009). A spectral stochastic kinetic energy backscatter scheme and its impact on flow-dependent predictability in the ECMWF ensemble prediction system. Journal of the Atmospheric Sciences, 66(3), 603-626.

상세보기
Buizza, R., Houtekamer, P.L., Pellerin, G., Toth, Z., Zhu, Y. and Wei, M. (2005). A comparison of the ECMWF, MSC, and NCEP global ensemble prediction systems. Monthly Weather Review, 133(5), 1076-1097.

상세보기
Bunney, C.C., Li, J.-G. and Saulter, A. (2012). Met Office Wave Model ensemble Prediction Systems in the 'Atlantic-Euro Zone', MyWave Report D3.1. December 2012. Met Office, U.K.
Bunney, C. and Saulter, A. (2015). An ensemble forecast system for prediction of Atlantic and UK wind waves. Ocean Modelling, 96, 103-116.

상세보기
Cao, D., Tolman, H.L., Chen, H.S., Chawla, A. and Gerald, V.M. (2009). Performance of the ocean wave ensemble forecast system at NCEP. In The 11th International Workshop on Wave Hindcasting & Forecasting and 2nd Coastal Hazards Symposium.
Flowerdew, J., Horsburgh, K., Wilson, C. and Mylne, K. (2010). Development and evaluation of an ensemble forecasting system for coastal storm surges. Quarterly Journal of the Royal Meteorological Society, 136(651), 1444-1456.

상세보기
Hamill, T.M. and Colucci, S.J. (1996). Random and systematic error in NMC's short-range Eta ensembles. In Preprints, 13th Conf. on Probability and Statistics in the Atmospheric Sciences, San Francisco, CA, Amer. Meteor. Soc., 51-56.
Hamill, T.M. and Colucci, S.J. (1997). Verification of Eta-RSM short-range ensemble forecasts. Monthly Weather Review, 125(6), 1312-1327.

상세보기
Hasselmann, K., Barnett, T.P., Bouws, E., Carlson, H., Cartwright, D.E., Enke, K., Ewing, A., Gienapp, H., Hasselmann, D.E., Kruseman, P., Meerburg, A., Muller, P., Olbers, D.J., Richter, K., Sell, W. and Walden, H. (1973). Measurements of windwave growth and swell decay during the Joint North Sea Wave Project (JONSWAP). Erganzungsheft 8-12.
Lee, B.C., Fan, Y.M., Chuang, L.Z.H. and Kao, C.C. (2009). Parametric sensitivity analysis of the WAVEWATCH III model. Terrestrial, Atmospheric & Oceanic Sciences, 20(2).
Moon, I.-J. and Oh, I.S. (2003). A study on the effect of waves and tides on storm surge using a coupled ocean wave-circulation model. Asia-Pacific Journal of Atmospheric Sciences, 39(5), 563-574 (in Korean).
Palmer, T.N. (2001). A nonlinear dynamical perspective on model error: A proposal for non-local stochastic-dynamic parametrization in weather and climate prediction models. Quarterly Journal of the Royal Meteorological Society, 127(572), 279-304.

상세보기
Park, J.S. and Kang, K.R. (2012). Sensitivity analysis of global wind-wave model. Journal of Korean Society of Coastal and Ocean Engineers, 24(5), 333-342 (in Korean).

원문보기 상세보기
Saetra, O. and Bidlot, J.R. (2004). Potential benefits of using probabilistic forecasts for waves and marine winds based on the ECMWF ensemble prediction system. Weather and Forecasting, 19(4), 673-689.

상세보기
Tolman, H.L. and Chalikov, D. (1996). Source terms in a third-generation wind wave model. Journal of Physical Oceanography, 26(11), 2497-2518.

상세보기
You, S.H. and Park, J.S. (2010). Research on wind waves characteristics by comparison of regional wind wave prediction system and ocean buoy data. J. of Korean Society of Ocean Engineers, 24(6), 7-15 (in Korean).
Wang, J., Zhang, J., Yang, J., Bao, W., Wu, G. and Ren, Q. (2017). An evaluation of input/dissipation terms in WAVEWATCH III using in situ and satellite significant wave height data in the South China Sea. Acta Oceanologica Sinica, 36(3), 20-25.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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