[논문]기상청 전지구 수치예보모델을 이용한 전지구 한국형 항공난류 예측시스템(G-KTG) 개발

이단비; 전혜영

doi:10.14191/atmos.2018.28.2.223

기상청 전지구 수치예보모델을 이용한 전지구 한국형 항공난류 예측시스템(G-KTG) 개발
Development of the Global-Korean Aviation Turbulence Guidance (Global-KTG) System Using the Global Data Assimilation and Prediction System (GDAPS) of the Korea Meteorological Administration (KMA) 원문보기

대기 = Atmosphere, v.28 no.2, 2018년, pp.223 - 232

Abstract ▼ AI-Helper

The Global-Korean aviation Turbulence Guidance (G-KTG) system is developed using the operational Global Data Assimilation and Prediction System of Korea Meteorological Administration with 17-km horizontal grid spacing. The G-KTG system provides an integrated solution of various clear-air turbulence (CAT) diagnostics and mountain-wave induced turbulence (MWT) diagnostics for low [below 10 kft (3.05 km)], middle [10 kft (3.05 km) - 20 kft (6.10 km)], and upper [20 kft (6.10 km) - 50 kft (15.24 km)] levels. Individual CAT and MWT diagnostics in the G-KTG are converted to a 1/3 power of energy dissipation rate (EDR). 12-h forecast of the G-KTG is evaluated using 6-month period (2016.06~2016.11) of in-situ EDR observation data. The forecast skill is calculated by area under curve (AUC) where the curve is drawn by pairs of probabilities of detection of "yes" for moderate-or-greater-level turbulence events and "no" for null-level turbulence events. The AUCs of G-KTG for the upper, middle, and lower levels are 0.79, 0.69, and 0.63, respectively. Comparison of the upper-level G-KTG with the regional-KTG in East Asia reveals that the forecast skill of the G-KTG (AUC = 0.77) is similar to that of the regional-KTG (AUC = 0.79) using the Regional Data Assimilation and Prediction System with 12-km horizontal grid spacing.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 17 km 수평해상도의 기상청 현업 전지구예보모델(global data assimilation and prediction system:GDAPS)을 이용하여 전지구 한국형 항공난류 예측시스템(이하 G-KTG 시스템)을 개발하였다. 본 기술노트에서는 G-KTG의 방법론 및 난류 예측성을 제시할 것이다.
본 연구노트에서는 기상청의 현업 전지구 수치예보모델인 17 km 수평해상도의 GDAPS을 이용하여 개발된 전지구 한국형 항공난류 예측시스템(G-KTG)의 방법론에 대해 설명하고, 항공기 계기로부터 관측된 in-situ EDR 자료를 이용하여 G-KTG 시스템의 항공 난류 예측성 검증을 전구 영역 및 동아시아 영역에 대해 수행하였다.
본 연구에서는 관측된 난류가 MWT인지, 아니면 CAT인지 구분할 수 있는 추가적인 정보가 없기 때문에, POD 방법을 통한 예측성 검증은 CAT, MWT 모두를 고려하여 나타낸 maximum-GKTG에 대해서 수행하였다. Figure 3은 Fig.
이번 장에서는 민간 항공기로부터 관측된 전구 영역에 대한 in-situ EDR 관측 자료를 이용하여 G-KTG시스템의 12시간 예보장의 예측성을 검증하고자 한다. 본 연구에서 사용한 EDR 항공기 관측자료는 미국NCAR로부터 수집한 자료를 제공받았으며, 항공기 자료로부터 무강도(null: NIL) 및 중강도 이상(moderateor-greater: MOG)의 난류를 선별하기 위한 난류 강도별 EDR의 임계값은 Sharman et al.

제안 방법

G-KTG 시스템의 난류 예측성을 검증하기 위해, 미국 NCAR에서 제공받은 in-situ EDR 비행기 자료 중 모델생성시간을 기준으로 ±1시간 이내에 관측된 자료만을 선별하여 POD 분석을 수행하였다.
본 연구에서는 G-KTG 시스템의 예측성 검증에 통계적 검증 방법인 probability of detection (POD) 방법(Mason, 1982)을 사용하였다. POD 방법은 검증기간동안 난류예측모델이 실제로 MOG 난류가 관측된 지점에서 난류를 예측할 확률을 나타내는 PODY와 반대로 NIL 난류가 관측된 지점에서 난류를 예측하지 않을 확률을 나타내는 PODN을 고려함으로써 예측성을 검증한다. 검증 기간은 총 6개월 기간(2016년 6월~2016년 11월)이며, 검증에 사용된 난류 관측자료는GDAPS 생산시간인 0000, 0600, 1200, 1800 UTC을중심으로 ±1시간 이내에 비행기 자료에서 기록된 NIL 및 MOG 강도의 난류들만을 선별하여 사용하였다.
lnD_i및 SD[lnD_i]은 장기간 수치예보모델로 계산된 개별 난류진단지수들값의 분포도를 가장 잘 대표하는 로그정규분포도로부터 구해진다. 개별 난류진단지수 계산에 사용되는 수치예보모델에 따라서 각 지수들의 값의 범위 및 분포도가 달라지며, 본 연구에서는 3개월 기간(2015년 10월~2015년 12월)의 GDAPS 분석장을 이용하여 계산한 개별 난류진단지수들의 로그정규분포로부터 구하였다. G-KTG 시스템에 사용되는 각 지수별 EDR 맵핑식에 적용된 맞춤계수 a, b 값은 Table 1과 Table 2에 나타내었다.
하층(지표 - 10,000 ft), 중층(10,000~20,000 ft),상층(20,000~50,000 ft)에 대해서 각각 5개, 5개, 11개의 CAT 지수와 2개, 3개, 2개의 MWT 지수들을 계산하였다(Table 1, 2). 두 번째 단계로, 이전 단계에서 계산된 각기 다른 크기 및 단위를 가지는 개별 난류진단지수들을 각 지수들마다 달리 적용되는 간단한 EDR-scale 맵핑식을 통해 공통의 EDR 지표로 표준화한다. 마지막으로, 모델의 각 격자점에서 공통의 EDR 지표로 값이 표준화된 개별 난류진단지수들을 지수별로 달리 적용되는 가중치와 함께 곱한 뒤 평균함으로써, 하나의 단일 통합 난류예측지수인 GKTG를 계산하였다.
마지막으로, EDR 규모로 표준화된 개별 난류진단지수들을 결합하여 하나의 통합 난류예측지수인 GKTG를 산출한다. 모델의 각 격자점에서 아래 식 (5)을 이용하여 EDR 규모로 표준화된 개별 난류진단지수 값(#)들에 각 지수들마다 달리 적용되는 가중치(W_n)를 곱한 후 그것들을 평균함으로써, 하나의 통합 난류예측지수인 GKTG를 산출한다(본 연구에서는 시스템 명과 구분하기 위해서 통합 난류예측지수 이름은 이탤릭체로 표시하였다).
두 번째 단계로, 이전 단계에서 계산된 각기 다른 크기 및 단위를 가지는 개별 난류진단지수들을 각 지수들마다 달리 적용되는 간단한 EDR-scale 맵핑식을 통해 공통의 EDR 지표로 표준화한다. 마지막으로, 모델의 각 격자점에서 공통의 EDR 지표로 값이 표준화된 개별 난류진단지수들을 지수별로 달리 적용되는 가중치와 함께 곱한 뒤 평균함으로써, 하나의 단일 통합 난류예측지수인 GKTG를 계산하였다. G-KTG 시스템은 CAT와 MWT 지수들을 분리하여 각각 통합함으로써, 최종적으로 청천난류 예측에 적합한 CAT-GKTG와 산악파 관련 난류 예측에 적합한 MWT-GKTG를 생성하며, 추가적으로 각 격자점에서 CAT-GKTG와 MWT-GKTG 중 큰 값을 표출하는 maximum-GKTG도 시스템에서 산출되었다.
은 GTG3 시스템에서 규정된 고정값들을 적용시켰는데(Sharman and Pearson, 2017), 이는 1~2년 동안의 난류관측자료를 이용하여 검증된 각 지수들의 예측성을 기반으로 하여 결정된 것이다. 본 연구에서 개발한 G-KTG 시스템은 CAT 관련 진단지수들과 MWT 관련 진단지수들을 구분하여 식 (5)에 적용시킴으로, 최종적으로 두 통합지수인 CAT-GKTG와 MWT-GKTG를 산출하도록 하였다. 추가적으로, 각 격자점에서 계산된 CAT-GKTG와 MWTGKTG 중에서 최대인 값을 표출하는 maximum-GKTG역시 시스템의 최종 산출물이다.
최근 국제선 운행량이 급격하게 증가함에 따라, 전구적인 항공난류 예보 필요성이 대두되고 있다. 본 연구에서는 17 km 수평해상도의 기상청 현업 전지구예보모델(global data assimilation and prediction system:GDAPS)을 이용하여 전지구 한국형 항공난류 예측시스템(이하 G-KTG 시스템)을 개발하였다. 본 기술노트에서는 G-KTG의 방법론 및 난류 예측성을 제시할 것이다.
두 번째 단계는 계산된 값의 범위 및 단위가 다른 개별 난류진단지수들을 하나로 통합하기 위해 공통의 EDR 규모로 표준화하는 단계이다. 본 연구에서는Sharman and Pearson (2017)에서 제안한 개별 난류진단지수 초기값(D_i)과 지수값으로부터 변환된 EDR 값(#) 간의 간단한 맵핑식을 이용하여 CAT 지수 및MWT 지수들의 값을 EDR로 표준화하였으며, 해당 식은 아래와 같다.
5~1의 값의 범위를, TSS는 −1에서+1 사이의 값의 범위를 가지며, 두 값 모두 1에 가까울수록 예측성이 좋다는 것을 의미한다. 비행기로부터 관측되는 NIL 자료는 MOG 난류 경우와는 달리 매우 빈번하게 관측되기 때문에, PODN을 계산할 때 같은 예보시간 내에 동일한 격자점에서 중복으로 세어지는 경우에는 한 NIL 사례에 대해서만 검증에 사용하도록 선별하였다.
통합 난류예측시스템인 G-KTG 시스템은 미국 NCAR에서 최근에 개발한 GTG3 시스템을 기반으로 하며,총 3단계 과정을 통해 개발되었다. 우선 GDAPS의 기본 기상변수들을 이용하여 개별 난류진단지수들을 계산한다. 하층(지표 - 10,000 ft), 중층(10,000~20,000 ft),상층(20,000~50,000 ft)에 대해서 각각 5개, 5개, 11개의 CAT 지수와 2개, 3개, 2개의 MWT 지수들을 계산하였다(Table 1, 2).
G-KTG 시스템의 방법론을 크게 세 단계로 나누어 간략하게 언급하면 다음과 같다. 첫 번째 단계는GDAPS에서 산출된 기상변수들을 이용하여 G-KTG을 구성하는 개별 난류진단지수들을 계산한다. 하층,중층, 상층별로 사용된 CAT 난류진단지수들은 Table 1에, MWT 난류지수들은 Table 2에 나타나 있으며,지수들이 나타내는 의미는 Sharman and Pearson (2017)을 참고하여 Table 3에 표기하였다.
G-KTG 시스템은 미국 국립기상연구소(National Center for Atmospheric Research: NCAR)에서 개발한GTG3 시스템의 방법론(Sharman and Pearson, 2017)을 기반으로 개발되었으며, 이에 따라 현업에 운용 중인 지역-KTG 시스템과 다른 세가지 특징을 가지고 있다. 첫째, 중층(10,000~25,000 ft)과 상층(25,000~48,000 ft) 두 고도 영역으로 구분되어 난류를 예측한지역-KTG와 달리, G-KTG는 하층(지표 - 10,000 ft),중층(10,000~20,000 ft), 상층(20,000~50,000 ft) 세 고도영역에 대해서 난류 예측 정보를 제공한다. 둘째, 지역-KTG의 경우, 청천난류를 일으키는 진단지수들(이하 CAT 지수)만 고려하였으나, G-KTG의 경우, 산악 파 난류(mountain wave turbulence: MWT) 지수들(이하 MWT 지수)을 추가적으로 포함하였다.
통합 난류예측시스템인 G-KTG 시스템은 미국 NCAR에서 최근에 개발한 GTG3 시스템을 기반으로 하며,총 3단계 과정을 통해 개발되었다. 우선 GDAPS의 기본 기상변수들을 이용하여 개별 난류진단지수들을 계산한다.
우선 GDAPS의 기본 기상변수들을 이용하여 개별 난류진단지수들을 계산한다. 하층(지표 - 10,000 ft), 중층(10,000~20,000 ft),상층(20,000~50,000 ft)에 대해서 각각 5개, 5개, 11개의 CAT 지수와 2개, 3개, 2개의 MWT 지수들을 계산하였다(Table 1, 2). 두 번째 단계로, 이전 단계에서 계산된 각기 다른 크기 및 단위를 가지는 개별 난류진단지수들을 각 지수들마다 달리 적용되는 간단한 EDR-scale 맵핑식을 통해 공통의 EDR 지표로 표준화한다.

대상 데이터

검증 기간은 총 6개월 기간(2016년 6월~2016년 11월)이며, 검증에 사용된 난류 관측자료는GDAPS 생산시간인 0000, 0600, 1200, 1800 UTC을중심으로 ±1시간 이내에 비행기 자료에서 기록된 NIL 및 MOG 강도의 난류들만을 선별하여 사용하였다.
이번 장에서는 민간 항공기로부터 관측된 전구 영역에 대한 in-situ EDR 관측 자료를 이용하여 G-KTG시스템의 12시간 예보장의 예측성을 검증하고자 한다. 본 연구에서 사용한 EDR 항공기 관측자료는 미국NCAR로부터 수집한 자료를 제공받았으며, 항공기 자료로부터 무강도(null: NIL) 및 중강도 이상(moderateor-greater: MOG)의 난류를 선별하기 위한 난류 강도별 EDR의 임계값은 Sharman et al. (2014)와 Sharman and Pearson (2017)을 참고하여 light (LGT), moderate(MOD), severe (SEV)에 대해 각각 0.15, 0.22, 0.34로 설정하였다.

데이터처리

또한, 추가적인 통계적 검증 방법으로 true skill statistic (TSS) 를 고려하였으며, TSS = PODY + PODN − 1 식으로 구해진다.

이론/모형

본 연구에서는 G-KTG 시스템의 예측성 검증에 통계적 검증 방법인 probability of detection (POD) 방법(Mason, 1982)을 사용하였다. POD 방법은 검증기간동안 난류예측모델이 실제로 MOG 난류가 관측된 지점에서 난류를 예측할 확률을 나타내는 PODY와 반대로 NIL 난류가 관측된 지점에서 난류를 예측하지 않을 확률을 나타내는 PODN을 고려함으로써 예측성을 검증한다.

성능/효과

G-KTG 시스템의 난류 예측성을 검증하기 위해, 미국 NCAR에서 제공받은 in-situ EDR 비행기 자료 중 모델생성시간을 기준으로 ±1시간 이내에 관측된 자료만을 선별하여 POD 분석을 수행하였다. 6개월(2016년 6월~2016년 11월) 기간의 예측성 검증을 수행한 결과, 전구적으로는 상층, 중층, 하층에서의 AUC 값이 각각 0.79, 0.69, 0.63으로, 상층에서 가장 높은 예측성을, 하층에서 가장 낮은 예측성을 보였다. 동아시아 지역에서는 현재 현업으로 사용하는 12 km 수평 해상도의 지역-KTG와 비교하여(AUC = 0.
Figure 1은 2016년 6월 13일 0600 UTC에 유효한 G-KTG 시스템에서 최종 산출된 세 가지 12시간 예보장(CAT-GKTG, MWT-GKTG, maximum-GKTG)과 해당 시각을 중심으로 ±1시간 이내에 항공기로부터 관측된 EDR의 위치를 36,000 ft 고도 영역에 대해 비교한 결과를 나타낸 것이다. CAT-GKTG로부터 예보된 난류 지역은 상층 흐름을 따라 나타나고 있으며, 특히 제트류의 저, 고기압성 곡률이 강하게 나타나는 남반구 영역 및 일본의 동쪽 북서태평양 지역에서 MOG 강도에 해당하는 강한 난류 지역이 나타났다(Fig. 1a). MWT-GKTG는 높은 산악 지대 영역에서 난류 지역이나타나고 있으며, 특히 남아메리카의 안데스산맥과 중국의 톈산, 친링산맥 영역에서 MOG 강도의 강한 난류 지역이 보여지고 있다(Fig.
마지막으로, 모델의 각 격자점에서 공통의 EDR 지표로 값이 표준화된 개별 난류진단지수들을 지수별로 달리 적용되는 가중치와 함께 곱한 뒤 평균함으로써, 하나의 단일 통합 난류예측지수인 GKTG를 계산하였다. G-KTG 시스템은 CAT와 MWT 지수들을 분리하여 각각 통합함으로써, 최종적으로 청천난류 예측에 적합한 CAT-GKTG와 산악파 관련 난류 예측에 적합한 MWT-GKTG를 생성하며, 추가적으로 각 격자점에서 CAT-GKTG와 MWT-GKTG 중 큰 값을 표출하는 maximum-GKTG도 시스템에서 산출되었다.
1b). 당시에 동아시아 영역에서 실제로 MOG 강도의 난류가 발생한 것을 확인할 수 있는데, 그 지역이 CAT-GKTG에서 예보된 강한 난류 지역과 잘 일치하는 것을 알 수 있으며(Fig.1a), 이에 따라 각 격자점에서 CAT-GKTG와 MWTGKTG 중 최대값을 대표하는 maximum-GKTG의 난류 지역과도 해당 난류 발생 지역이 잘 일치하였다(Fig. 1c).
2와 Table 4에서 보인 6개월 기간의 항공기 관측 난류에 대한 maximum-GKTG12시간 예보장의 예측성을 고도별로 보인 것이다. 세고도 영역 중 상층 영역에서 AUC가 0.79, TSS가 0.37로 가장 좋은 예측성을 보였으며, 하층 영역에서 AUC가 0.63, TSS가 0.16으로 가장 낮은 예측성을 보였다. 상층 영역을 제외한 다른 두 고도 영역에서는 AUC 값이 0.
둘째, 지역-KTG의 경우, 청천난류를 일으키는 진단지수들(이하 CAT 지수)만 고려하였으나, G-KTG의 경우, 산악 파 난류(mountain wave turbulence: MWT) 지수들(이하 MWT 지수)을 추가적으로 포함하였다. 셋째, 값의 범위 및 단위가 서로 다른 개별 난류진단지수들을 표준화 하는 방법이 다르다. 지역-KTG의 경우, 난류 강도들에 대한 임계값들을 각각 0, 0.
004 정도 떨어진 것을 확인할 수 있었다(not shown). 이러한 결과는 CAT 발생 가능성만을 고려한 CAT-GKTG보다 MWT 발생 가능성을 같이 고려한 maximum-GKTG가 다양한 요인들로 인해 발생한 난류들을 더욱 정확하게 예측할 수 있다는 것을 보여준다.
2에서 보인 NIL과 MOG 난류 개수를 상층, 중층, 하층별로 보인 것으로, 전구와 동아시아 지역에서의 G-KTG 검증에 사용된 자료의 수를 각각 나타낸 것이다. 전구적으로 보면, 하층 영역에서는 총 150,428개로, 이 중 NIL이 147,494개, MOG가 2,934개 관측되었으며, 총 개수에 대해서 각각 98.0%와 2.0%를 차지하였다. 중층에서는 총 192,438개의 관측자료 중 NIL이 191,694개(99.
6%) 관측되었다. 중층에서는 총 5,927개 중 NIL이 5,900개(99.5%), MOG가 27개(0.5%) 관측되었고, 상층에서는 총 96,681개 중 NIL이 96,469개(99.8%), MOG가 212개(0.2%)로, 세 고도 영역 중에서 NIL과 MOG 난류 모두 가장 많이 관측되었다.
향후, 하층 항공난류 예측시스템 개선을 위한 난류예측지수 개발이 이루어져야 할 것이다. 추가적으로, 동일한 항공기 관측 난류를 이용하여 CAT-GKTG12시간 예보장의 난류예측성을 살펴본 결과, maximumGKTG보다 하층, 중층, 상층 영역에 대해서 AUC 값이 각각 0.013, 0.018, 0.004 정도 떨어진 것을 확인할 수 있었다(not shown). 이러한 결과는 CAT 발생 가능성만을 고려한 CAT-GKTG보다 MWT 발생 가능성을 같이 고려한 maximum-GKTG가 다양한 요인들로 인해 발생한 난류들을 더욱 정확하게 예측할 수 있다는 것을 보여준다.
지역-KTG 시스템의 경우 GDAPS보다 더 높은 12km 수평해상도의 RDAPS 자료를 통해 난류를 예측하며, 또한 동아시아 영역에서 발생하는 난류들을 통계적으로 가장 잘 예측하는 개별 난류진단지수들 위주로 결합하였기 때문에, G-KTG 시스템보다 동아시아 영역에 대해서 최적화된 시스템이라 할 수 있다. 하지만, 두 시스템의 AUC 차이는 0.02로 매우 근소한 차이인 데다가, maximum-GKTG가 0.77 정도의 상당히 높은 AUC 값을 보이고 있기 때문에, 충분히 GKTG 시스템으로도 동아시아 상층 영역의 난류 잠재영역에 대한 유의미한 예측정보를 제공할 수 있을 것으로 보여진다. 특히, 향후 기상청 현업 전지구 수치예보모델 GDAPS의 수평격자가 17 km 이하로 해상도가 더욱 좋아진다면, 지역-KTG 시스템을 따로 운영할 필요 없이 G-KTG 시스템을 통하여 동아시아 예보도 할 수 있을 것으로 판단된다.
2c). 항공기의 운항고도가 점차 올라감에 따라 중층(10,000~20,000 ft)에서는 하층에 비해 수평적으로 넓게 난류가 분포되어 있으나, 하층보다는 MOG 난류의 발생이 적게 나타나는 것으로 확인된다(Fig. 2b).상층(20,000~50,000 ft)의 경우, 항공기의 주요 운항 고도에 해당되므로 가장 많은 NIL과 MOG 난류가 주요 운항로를 따라 분포되어 있으며, 특히 MOG 난류는 미국, 북대서양, 일본의 동쪽 해안 영역에서 주로 관측되었다(Fig.

후속연구

특히, 향후 기상청 현업 전지구 수치예보모델 GDAPS의 수평격자가 17 km 이하로 해상도가 더욱 좋아진다면, 지역-KTG 시스템을 따로 운영할 필요 없이 G-KTG 시스템을 통하여 동아시아 예보도 할 수 있을 것으로 판단된다. 다만 이를 위해서는 보다 긴 기간의 비행기 관측자료를 이용한 G-KTG시스템의 검증 및 개선이 이루어져야 할 것이다.
본 연구에서 고려한 검증기간이 6개월 정도로 짧고, 상대적으로 예측성이 떨어지는 여름을 검증기간에 주로 포함하고 있기 때문에, 다소 낮은 예측성이 나타난 것으로 판단된다. 통계적으로 보다 유의미한 예측성을 살펴보기 위해서는 더 긴 기간에 대한 예측성 검증이 지속적으로 수행되어야 할 것이다.
77 정도의 상당히 높은 AUC 값을 보이고 있기 때문에, 충분히 GKTG 시스템으로도 동아시아 상층 영역의 난류 잠재영역에 대한 유의미한 예측정보를 제공할 수 있을 것으로 보여진다. 특히, 향후 기상청 현업 전지구 수치예보모델 GDAPS의 수평격자가 17 km 이하로 해상도가 더욱 좋아진다면, 지역-KTG 시스템을 따로 운영할 필요 없이 G-KTG 시스템을 통하여 동아시아 예보도 할 수 있을 것으로 판단된다. 다만 이를 위해서는 보다 긴 기간의 비행기 관측자료를 이용한 G-KTG시스템의 검증 및 개선이 이루어져야 할 것이다.
또한 CAT 지수들의 대부분이 자유 대기 위에서 발생하는 난류 메커니즘과 관련한 지수들이기 때문에, 행성경계층 영역에 해당하는 하층에서의 난류 발생을 G-KTG 시스템에서 사용한 진단지수들로 정확하게 예측하기에는 어려운 것으로 보인다. 향후, 하층 항공난류 예측시스템 개선을 위한 난류예측지수 개발이 이루어져야 할 것이다. 추가적으로, 동일한 항공기 관측 난류를 이용하여 CAT-GKTG12시간 예보장의 난류예측성을 살펴본 결과, maximumGKTG보다 하층, 중층, 상층 영역에 대해서 AUC 값이 각각 0.

질의응답

핵심어	질문	논문에서 추출한 답변
	운항 중 항공기에 영향을 줄 수 있는 항공 난류 규모의 범위는?	운항중의 항공기에 직접적으로 영향을 줄 수 있는 10~1,000 m 규모의 항공 난류는 예기치 못하게 조우했을 경우, 연료 손실, 기체 파손, 승무원 및 승객의 부상 등 많은 피해를 가져올 수 있다(Sharman and Lane, 2016; Sharman and Pearson, 2017). 항공 난류를 일으키는 기상학적 요인들은 수십 년간 지속적으로 연구되어 왔으며, 지금까지 밝혀진 난류 발생 요인들은 다음과 같다.
	G-KTG 시스템은 무엇을 기반으로 개발되었는가?	G-KTG 시스템은 미국 국립기상연구소(National Center for Atmospheric Research: NCAR)에서 개발한GTG3 시스템의 방법론(Sharman and Pearson, 2017)을 기반으로 개발되었으며, 이에 따라 현업에 운용 중인 지역-KTG 시스템과 다른 세가지 특징을 가지고 있다. 첫째, 중층(10,000~25,000 ft)과 상층(25,000~48,000 ft) 두 고도 영역으로 구분되어 난류를 예측한지역-KTG와 달리, G-KTG는 하층(지표 - 10,000 ft),중층(10,000~20,000 ft), 상층(20,000~50,000 ft) 세 고도영역에 대해서 난류 예측 정보를 제공한다.
	지금까지 밝혀진 항공 난류 발생 요인에는 무엇이 있는가?	항공 난류를 일으키는 기상학적 요인들은 수십 년간 지속적으로 연구되어 왔으며, 지금까지 밝혀진 난류 발생 요인들은 다음과 같다. 첫째, 제트류-상층전선 시스템에서 야기될 수 있는 강한 연직바람시어가 시어 불안정을 일으켜 난류를 발생시킨다(Ellrod and Knapp, 1992;Koch et al., 2005; Kim and Chun, 2010). 둘째, 상층제트류 근처 고기압성 회전이 존재하는 영역에서의비지균성 흐름이 관성불안정을 일으켜 난류를 발생시킨다(Knox, 1997; Kim and Chun, 2010; Min et al.,2011). 셋째, 상층 제트류 주변에서 지균 조절 과정 중에 중력파를 발생, 전파시켜서 주변 환경을 섭동 시키거나 중력파 깨짐을 통해 난류 발생을 야기시킨다(Knox, 1997; Sharman et al., 2012). 넷째, 하층 바람이 산악지대를 가로지를 때 발생한 산악파가 연직 전파하여 상층에서 깨지면서 난류를 발생시킨다(Kim and Chun, 2010; Sharman et al., 2012; Strauss et al.,2015). 다섯째, 적운 대류의 주변이나 적운 대류가 유도한 중력파의 깨짐에 의해 난류가 발생될 수 있다(Kim and Chun, 2012a; Lane et al., 2012; Trier et al.

참고문헌 (33)

Dutton, J., and H. A. Panofsky, 1970: Clear air turbulence: A mystery may be unfolding. Science, 167, 937-944.

상세보기
Ellrod, G. P., and D. I. Knapp, 1992: An objective clear-air turbulence forecasting technique: Verification and operational use. Wea. Forecasting, 7, 150-165.

상세보기
Ellrod, G. P., and J. A. Knox, 2010: Improvements to an operational clear-air turbulence diagnostic index by addition of a divergence trend term. Wea. Forecasting, 25, 789-798, doi:10.1175/2009WAF2222290.1.

상세보기
Frehlich, R., and R. D. Sharman, 2004a: Estimates of turbulence from numerical weather prediction model output with applications to turbulence diagnosis and data assimilation. Mon. Wea. Rev., 132, 2308-2324.

상세보기
Frehlich, R., and R. D. Sharman, 2004b: Estimates of upper level turbulence based on second order structure functions derived from numerical weather prediction model output. Preprints, 11th Conf. on Aviation, Range, and Aerospace Meteorology, Hyannis, MA, Amer. Meteor. Soc., 4.13. [Available online at https://ams.confex.com/ams/pdfpapers/81831.pdf.].
Frehlich, R., R. Sharman, F. Vandenberghe, W. Yu, Y. Liu, J. Knievel, and G. Jumper, 2010: Estimates of $C_n^2$ from numerical weather prediction model output and comparison with thermosonde data. J. Appl. Meteor. Climatol., 49, 1742-1755, doi:10.1175/2010JAMC2350.1.

상세보기
Gill, P. G., and P. Buchanan, 2014: An ensemble based turbulence forecasting system. Meteor. Appl., 21, 12-19, doi:10.1002/met.1373.

상세보기
Kaplan, M. L., and Coauthors, 2006: Characterizing the severe turbulence environments associated with commercial aviation accidents: A Real-Time Turbulence Model (RTTM) designed for the operational prediction of hazardous aviation turbulence environments. Meteor. Atmos. Phys., 94, 235-270.

상세보기
Kim, J.-H., and H.-Y. Chun, 2010: A numerical study of clear-air turbulence (CAT) encounters over South Korea on 2 April 2007. J. Appl. Meteor. Climatol., 49, 2381-2403, doi:10.1175/2010JAMC2449.1.

상세보기
Kim, J.-H., and H.-Y. Chun, 2011: Development of the Korean mid- and upper-level aviation Turbulence Guidance (KTG) system using the regional Unified Model. Atmosphere, 21, 497-506 (in Korean with English abstract).
Kim, J.-H., and H.-Y. Chun, 2012a: A numerical simulation of convectively induced turbulence above deep convection. J. Appl. Meteor. Climatol., 51, 1180-1200, doi:10.1175/JAMC-D-11-0140.1.

상세보기
Kim, J.-H., and H.-Y. Chun, 2012b: Development of the Korean aviation Turbulence Guidance (KTG) system using the operational Unified Model (UM) of the Korea Meteorological Administration (KMA) and pilot reports (PIREPs). J. Kor. Soc. Aviat. Aeron., 20, 76-83, doi:10.12985/ksaa.2012.20.4.076.
Kim, J.-H., H.-Y. Chun, W. Jang, and R. D. Sharman, 2009: A study of forecast system for clear-air turbulence in Korea, Part II: Graphical Turbulence Guidance (GTG) system. Atmosphere, 19, 269-287 (in Korean with English abstract).
Kim, J.-H., H.-Y. Chun, R. D. Sharman, and T. L. Keller, 2011: Evaluations of upper-level turbulence diagnostics performance using the Graphical Turbulence Guidance (GTG) system and pilot reports (PIREPs) over East Asia. J. Appl. Meteor. Climatol., 50, 1936-1951, doi:10.1175/JAMC-D-10-05017.1.

상세보기
Knox, J. A., 1997: Possible mechanisms of clear-air turbulence in strongly anticyclonic flows. Mon. Wea. Rev., 125, 1251-1259.

상세보기
Knox, J. A., D. W. McCann, and P. D. Williams, 2008: Application of the Lighthill-Ford theory of spontaneous imbalance to clear-air turbulence forecasting. J. Atmos. Sci., 65, 3292-3304.

상세보기
Koch, S. E., and Coauthors, 2005: Turbulence and gravity waves within an upper-level front. J. Atmos. Sci., 62, 3885-3908.

상세보기
Lane, T. P., R. D. Sharman, S. B. Trier, R. G. Fovell, and J. K. Williams, 2012: Recent advances in the understanding of near-cloud turbulence. Bull. Amer. Meteorol. Soc., 93, 499-515, doi:10.1175/BAMS-D-11-00062.1.

상세보기
Lee, D.-B., and H.-Y. Chun, 2014: Development of the seasonal Korean aviation Turbulence Guidance (KTG) system using the regional Unified Model of the Korea Meteorological Administration (KMA). Atmosphere, 24, 235-243, doi:10.14191/Atmos.2014.24.2.235 (in Korean with English abstract).

원문보기 상세보기
Lee, D.-B., and H.-Y. Chun, 2015: Development of the Korean Peninsula-Korean aviation Turbulence Guidance (KPKTG) system using the Local Data Assimilation and Prediction System (LDAPS) of the Korea Meteorological Administration (KMA). Atmosphere, 25, 367-374, doi:10.14191/Atmos.2015.25.2.367 (in Korean with English abstract).

원문보기 상세보기
Mason, I., 1982: A model for assessment of weather forecasts. Aust. Meteor. Mag., 30, 291-303.
McCann, D. W., 2001: Gravity waves, unbalanced flow, and aircraft clear air turbulence. Natl. Wea. Dig., 25, 3-14.
Min, J.-S., H.-Y. Chun, and J.-H. Kim, 2011: An investigation of synoptic condition for clear-air turbulence (CAT) events occurred over South Korea. Atmosphere, 21, 69-83 (in Korean with English abstract).
Reap, R. M., 1996: Probability forecasts of clear-air-turbulence for the contiguous US. National Weather Service Office of Meteorology Tech. Procedures Bull. 430, 15 pp [Available online at http://www.nws.noaa.gov/mdl/pubs/Documents/TechProcBulls/TPB_430.pdf.].
Sharman, R., and T. Lane, Eds., 2016: Aviation Turbulence: Processes, Detection, Prediction. Springer, 523 pp.
Sharman, R., and J. Pearson, 2017: Prediction of energy dissipation rates for aviation turbulence. Part I: Forecasting nonconvective turbulence. J. Appl. Meteor. Climatol., 56, 317-337, doi:10.1175/JAMC-D-16-0205.1.

상세보기
Sharman, R., and S. B. Trier, 2018: Influences of gravity waves on Convectively Induced Turbulence (CIT): A review. Pure Appl. Geophys., doi:10.1007/s00024-018-1849-2.

상세보기
Sharman, R., C. Tebaldi, G. Wienner, and J. K Wolff, 2006: An integrated approach to mid- and upper-level turbulence forecasting. Wea. Forecasting, 21, 268-287.

상세보기
Sharman, R., S. B. Trier, T. P. Lane, and J. D. Doyle, 2012: Sources and dynamics of turbulence in the upper troposphere and lower stratosphere: A review. Geophys. Res. Lett., 39, L12803, doi:10.1029/2012GL051996.

상세보기
Sharman, R., L. B. Cornman, G. Meymaris, and J. Pearson, 2014: Description and derived climatologies of automated in situ eddy-dissipation-rate reports of atmospheric turbulence. J. Appl. Meteor. Climatol., 53, 1416-1432, doi:10.1175/JAMC-D-13-0329.1.

상세보기
Strauss, L., S. Serafin, S. Haimov, and V. Grubisic, 2015: Turbulence in breaking mountain waves and atmospheric rotors estimated from airborne in situ and Doppler radar measurements. Q. J. R. Meteorol. Soc., 141, 3207-3225, doi:10.1002/qj.2604.

상세보기
Trier, S. B., R. D. Sharman, and T. P. Lane, 2012: Influences of moist convection on a cold-season outbreak of Clear-Air Turbulence (CAT). Mon. Wea. Rev., 140, 2477-2496, doi:10.1175/MWR-D-11-00353.1.

상세보기
Tung, K. K., and W. W. Orlando, 2003: The $k^{-3}$ and $k^{-5/3}$ energy spectrum of atmospheric turbulence: Quasigeostrophic two-level model simulation. J. Atmos. Sci., 60, 824-835.

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