DBPIA-NURIMEDIA

Size: px

Start display at page:

Download "DBPIA-NURIMEDIA"

길호 허
5 years ago
Views:

1 Atmosphere. Korean Meteorological Society Vol. 22, No. 4 (2012) pp 연구노트 PNU CGCM V1.1 을이용한 12 개월앙상블예측시스템의개발 안중배 1), * 이수봉 1) 류상범 2) 1) 부산대학교지구환경시스템학부 2) 국립기상연구소지구환경시스템연구과 ( 접수 : 2012 년 10 월 6 일, 수정 : 2012 년 11 월 15 일, 게재확정일 : 2012 년 11 월 20 일 ) Development of 12-month Ensemble Prediction System Using PNU CGCM V1.1 Joong-Bae Ahn 1), *, Su-Bong Lee 1), and Sang-Boom Ryoo 2) 1) Division of Earth Environmental System, Pusan National University, Busan , Korea 2) Global Environment System Research Lab., National Institute of Meteorological Research, Seoul , Korea (Received: 6 October 2012, Revised: 15 November 2012, Accepted: 20 November 2012) Abstracts This study investigates a 12 month-lead predictability of PNU Coupled General Circulation Model (CGCM) V1.1 hindcast, for which an oceanic data assimilated initialization is used to generate ocean initial condition. The CGCM, a participant model of APEC Climate Center (APCC) long-lead multi-model ensemble system, has been initialized at each and every month and performed 12-month-lead hindcast for each month during 1980 to The 12- month-lead hindcast consisted of 2-5 ensembles and this study verified the ensemble averaged hindcast. As for the sea-surface temperature concerns, it remained high level of confidence especially over the tropical Pacific and the mid-latitude central Pacific with slight declining of temporal correlation coefficients (TCC) as lead month increased. The CGCM revealed trustworthy ENSO prediction skills in most of hindcasts, in particular. For atmospheric variables, like air temperature, precipitation, and geopotential height at 500hPa, reliable prediction results have been shown during entire lead time in most of domain, particularly over the equatorial region. Though the TCCs of hindcasted precipitation are lower than other variables, a skillful precipitation forecasts is also shown over highly variable regions such as ITCZ. This study also revealed that there are seasonal and regional dependencies on predictability for each variable and lead. Key words: CGCM, ocean data assimilation, seasonal forecasting, ensemble prediction, ENSO 1. 서론 물리법칙을기반으로구성된대기 - 해양접합대순환모형 (Coupled General Circulation Model, CGCM) 들은과거의기후변화와최근에관측된기후변화의특징들을비교적잘재현한다. 그러나 CGCM 을이용 *Corresponding Author: Prof. Joong-Bae Ahn, Division of Earth Environmental System, Pusan National University, Busandaehak-ro 63beon-gil, Geumjeong-gu, Busan, Rep. of Korea. Phone : , Fax : jbahn@pusan.ac.kr 한예측은여러가지불확실성과관련한문제들로인하여완벽한예측성을기대하기어렵다. 예를들어대기대순환모형이나해양대순환모형의경우주어진경계조건을이용하기때문에상대적으로관측과큰차이를보이지않는결과를생산하기도하나 CGCM 은주어진초기조건으로부터시작하여성분모형의예측결과가다른성분모형의경계조건이되기때문에, CGCM 이생산하는기후가실제의기후와다른방향으로전개될가능성이있다. 또한관측자료에포함된불완전성과불확실성역시예측성을저해하는요소이다. 앞서언급한바와같이, CGCM 은전적으 455

2 456 PNU CGCM V1.1 을이용한 12 개월앙상블예측시스템의개발 로초기조건에의존하기때문에정확한예측을위해서는관측을이용하여정확한초기조건을입력해주어야한다. 그러나관측이완벽하다하더라도관측으로만들어진초기조건과모형의역학적균형이일치하지않는다면심한초기불균형을모형이겪게된다. 따라서모형의역학적균형과도어울리면서동시에관측과도유사한초기조건을만드는것은매우중요하다. 자료동화기술이나앙상블산출방식등은모형의초기조건에따른예측성향상에대안이될수있다 (IPCC, 2007). 예측성의향상을위한자료동화의활용에대하여많은연구기관에서활발하게연구되어지고있다. 특히해양의열용량은해양상층 4m 의열용량이대기전체의열용량에상응하는만큼크고그열적관성또한크기때문에자료동화의효과가상당기간지속된다. 유럽의 ECMWF (Balmaseda et al., 2007), 호주의 POAMA (Yin et al., 2011) 등은 OI (Optimum Interpolation) 나칼만필터를기반으로한자체초기장생산체계를이용하고, 미국의 NCEP (Ji et al., 1995), 영국의 Met Office (Mogensen et al., 2012), 일본의 JMA (Usui et al., 2006) 등은변분자료동화방법 (Variational method) 을이용하여초기장을생산하여현업에사용하고있다. 또한 Global Ocean Data Assimilation Experiment (GODAE) 프로젝트와 NOAA/CDEP Ocean Data Assimilation for Seasonal to-interannual Prediction (ODASI) 컨소시엄등세계의여러기관들이자료동화에대한협력체를구성하여해양자료동화에대한개발뿐만아니라자료동화를통한분석장을활용한계절예보, 장기예보의정확도를높이기위한연구를진행하고있다. 국내에서는해양자료동화를초기장생성에접목한전지구규모모형인 PNU (Pusan National University) CGCM 이개발되어 12 개월 Lead 의앙상블장기예측자료를정기적으로생산하고있다 ( 안중배와이해진, 2000; 안중배와이진아, 2001; 안중배등, 2005; 정혜인과안중배, 2007; Sun and Ahn, 2011). 본연구에서는 APEC Climate Center (APCC) 의 monthly multi-model ensemble (MME) 3-month forecast 의참여모형인 PNU CGCM V1.1 의앙상블예측시스템을소개하였다. 초기조건에포함된모형의불확실성을줄이고자 PNU CGCM V1.1 시스템은최대 5 개의앙상블멤버를구성하고있으며해양자료동화를적용하고있다. 본연구에서는또한생산된 12 개월 Lead 예측자료의전지구예측성에대하여살펴보았다. 이를위하여 PNU CGCM V1.1 의예측시스템에서생산된변수들중직접동화된 SST 와기온과강수, 500 hpa 지위고도등에대해서잠재예측성, 시간 공간상관계수와 Hit Rate 등을사용하여전지구예측성을검증하였다. 2. PNU CGCM V 개월앙상블예측시스템의구성 2.1. 성분모형의구성본연구에사용된모형은대기-지면-해양-해빙모형으로구성된 Pusan National University (PNU) CGCM 이다. 각각의성분모형으로 NCEP Community Climate Model version 3 (CCM3 T42, Kiehl et al., 1996) AGCM, GFDL Modular Ocean Model version 3 (MOM3, Pacanowski and Griffies, 1998) OGCM, Semtner-type 열역학부분 (Semtner, 1976) 과 Los Alamos National Laboratory (LANL) 의 Elastic-Viscous- Plastic (EVP) 역학과수송부분이결합된 Sea-Ice Model (Hunke and Dukowicz, 1997) 로각각구성되어있다. CCM3 T42는동서방향으로 o 의해상도를가지며연직 18층으로구성되어있고, MOM3는 CCM3 와동서방향수평해상도가동일하고, 남북방향으로 ENSO 관련해양역학에서중요한역할을하는적도에갇힌해양의파동들을분해하기위하여적도에서조밀격자인가변격자이며, 연직 40층으로구성되어있다. PNU CGCM의해상도및 CGCM에사용된물리과정을 Table 1에나타내었다. 본연구에사용된 PNU CGCM V1.1의 hindcast에서는기후표류를막기위한속보정을하지않았다 초기조건의생산 CGCM 의초기조건을생산하기위하여각성분모형의재현실험을분석기간에대하여수행하였다. 특히해양에대하여서는 MOM3 가생산한재현실험자료와관측자료를이용하여자료동화방안을통하여초기조건을생산하였다. 자료동화방안으로는변분법의하나인필터를이용한변분법 (Variational Analysis using a Filter, VAF) 을택하였다 (Huang, 2000; 안중배등, 2005). 변분법은모델과관측사이의비용함수를고려하여총비용함수가최저가되는지점인최적해를찾는방안이다. VAF 는그중에서도변분법을수행할때발생하는계산량문제를해결하기위하여공간필터를적용한방법이다. 자료동화는해양초기조건을생산하는단계에서적용되며모형적분중간에는사용되지않는다. 자료동화의배경장 (Background field) 으로는해양성분모형 (MOM3) 의재현실험으로부터생산된해양변수들중해수온과염분을사용하였으며, 관측자료로는전지구적으로분포하는 ARGO, TAO (Tropical Atmosphere-Ocean) 부표, XBT (expentable BathyTher mographs) 등의해수온과염분을사용하였다. 현재 ARGO, TAO 부표, XBT 등을이용한전구해양관측이활발히이루어지고있다. 그중에서도 ARGO 플 한국기상학회대기제 22 권 4 호 (2012)

Table 1. Component models, resolutions, and physics of the PNU CGCM. Component model Resolution Physics 안중배 이수봉 류상범 457 Atmosphere Community Climate Model (CCM3, Kiehl et al.

3 Table 1. Component models, resolutions, and physics of the PNU CGCM. Component model Resolution Physics 안중배 이수봉 류상범 457 Atmosphere Community Climate Model (CCM3, Kiehl et al.1996) Land Land Surface Model (LSM, Bonan 1998) Ocean Modular Ocean Model (MOM3, Pacanowski and Griffies 1998) Sea-Ice Elastic-Viscous-Plastic Model (EVP, Hunke and Dukowicz 1997) Atmosphere Spectral truncation T42 Land Horizontal Ocean degree longitude, ~0.7 (low lat.), Sea-ice ~1.4 (mid lat) and ~2.8 (high lat) degrees latitude Atmosphere 18 hybrid sigma-pressure levels (top : 2.917mb) Vertical Land 6 levels Ocean 40 levels (top : 10m, bottom : 5258m) Sea-ice 3 levels Moist processes Deep convection Zhang and McFarlane (1995) Shallow convection Hack (1994) Considered in scattering and absorption by delta-eddington Short wave Radiation method (Briegleb, 1992) Long wave Observed in broad-band method PBL Boundary layer diffusion Nonlocal scheme (Holtslag and Boville, 1993) Land-surface Prognostic hydrology scheme Fig. 1. Prediction System of the PNU CGCM V1.1 (Upper) and naming rule for individual run (Lower). 로트는평균 10 일정도의주기로잠수, 표류, 부상, 관측, 자료전송등을반복하면서해류를따라중 심해 를떠다니며해양의물성을자동관측하는무인관측장비이다 (Carval, 2002). 이는세계기상기구 (WMO) Atmosphere, Vol. 22, No. 4. (2012)

4 458 PNU CGCM V1.1 을이용한 12 개월앙상블예측시스템의개발 와국가간해양과학위원회 (IOC) 에의해 2000 년에투하되기시작하였으며현재는전세계적으로약 3500 여개 (2012 년 04 월현재 ) 정도가떠있다. 동화에사용되는해양자료들의연직 수평적해상도의균질성을보장하기위하여 Global Ocean Data Assimilation System (GODAS) 의해수온과염분자료도함께사용하였다. 초기조건의생산에대한개요를 Fig. 1 에나타내었다 개월앙상블예측실험설계및자료의생산본연구에서는앞절에소개한 PNU CGCM 을사용하여전구예측자료를생산하고, CGCM 의예측성을검증하였다. PNU CGCM 은매월초기화하여 12 개월의 Lead 로적분을수행하며, 1980 년부터 2012 년최근까지지속적으로매시간평균 (hourly) 자료를생산하고있다. 매월출발하는 12 개월 Lead 의 PNU CGCM V1.1 적분자료를초기화시기에따라 1 월에출발하는적분을 JAN RUN, 2 월에출발하는적분을 FEB RUN 등으로명명하였다. Fig. 1 에각적분의명명과 Lead 에대해나타내었다. 각 RUN 은시간지연방법을사용하여앙상블멤버를구성하였으며, 각계절예측을목표로하는적분인 JAN RUN, APR RUN, JUL RUN, OCT RUN 은 5 개이상의멤버로, 그외에는 2 개이상의멤버로구성되어있다. 본연구에서는주로 JAN RUN, APR RUN, JUL RUN, OCT RUN 에대하여 1980 년부터 2011 년까지의월평균앙상블자료를사용하여예측성을평가하였다. 3. PNU CGCM V1.1 의예측성평가 3.1. 전지구 12 개월 SST 예측성평가먼저직접적으로동화된변수인 SST 의예측성을살펴보았다. Fig. 2 는 PNU CGCM V1.1 의전지구 SST 예측을 APCC 다중모형앙상블 (Multi Model Ensemble, 이하 MME) 예측에참여하는다른 CGCM 들의전지구 SST 예측과함께나타낸테일러다이어그램이다. PNU CGCM V1.0 과 PNU CGCM V1.1 은동일한 PNU CGCM 을사용하나, PNU CGCM V1.1 은앞서언급한바와같이해양초기화과정에서자료동화를사용한예측이며 PNU CGCM V1.0 은 PNU CGCM V1.1 과동일한모형으로예측자료를생산하나자료동화가초기화과정에포함되지않은예측이다. APCC 의 MME 예측에참여하는 CGCM 들중초기화과정에자료동화가포함된 CGCM 들의 SST 예측을 MME 하여 APCC CGCM MME1 으로, 그렇지않은 CGCM 들의 SST 예측의 MME 를 APCC CGCM MME2 로나타내었다. 봄계절예측부터겨울계절예측까지각각 1 번부터 4 번으로나타내었다. Fig. 2. Taylor diagram of global SST for PNU CGCM V1.1 (red), PNU CGCM V1.0 (blue), APCC CGCM MME1 (orange) and APCC CGCM MME2 (sky blue). The labels over the markers denote target seasons (see legends). Fig. 2 에서볼수있듯, 16 개의모형별, 계절별테일러다이어그램상의각점들은각모형별로 (PNU CGCM V1.0, PNU CGCM V1.1, APCC CGCM MME1, APCC CGCM MME2) 로군집되어있다. 이는계절별예측특성보다는각개별모형의예측성이 SST 예측성에더큰영향을미친다고해석할수있다. 또한각점들은신뢰수준 99% 를기준으로자료동화를적용한 CGCM 들 (PNU CGCM V1.1 과 APCC CGCM MME1) 과그렇지않은 CGCM 들로나뉜다. 그림에서자료동화를적용한 CGCM 들의시간상관계수가그렇지않은 CGCM 들보다높음을확인할수있다. 덧붙여관측의표준편차를나타내는 REF line 을기준으로하여 APCC CGCM MME (APCC CGCM MME1, APCC CGCM MME2) 와 PNU CGCM (PNU CGCM V1.0, PNU CGCM V1.1) 로나뉜다. APCC CGCM 들은관측보다 SST 의변동을다소약하게모의하는경향이있으나, PNU CGCM V1.0 과 PNU CGCM V1.1 은관측과유사한크기로변동을모사하는것으로나타났다. 이를통하여 PNU CGCM V1.1 은다른 CGCM 들과비교하여계절시간규모에대하여전지구 SST 예측성이높음을확인하였다. PNU CGCM V1.1 의 12 개월 Lead 에대한 SST 의예측성을살펴보기위하여계절별전지구 SST 시간상관계수를 Fig. 3 에나타내었다. JAN RUN, APR RUN, JUL RUN, OCT RUN 의동일 Lead 평균에대한 (Lead 0~1, Lead 2~4, Lead 5~7, Lead 8~10) 시간상관계수를평균하여나타내었다. 실선과점선은각각신뢰수준 90% 와 99% 의경계를나타낸다. 계절예측에사용되는 Lead 2~4 의 SST 에대한상관계수의전지구평균은 0.36 으로적도태평양을비롯하여중위도대부분의지역에서신뢰수준 99% 이상의높은값을나타낸다. Lead 가길어질수록각영역별시간상관계수는 한국기상학회대기제 22 권 4 호 (2012)

The solid and dashed contours represent statistical significance of the correlation coefficients at 90% and 99% confidence level, respectively.

5 안중배 이수봉 류상범 459 Fig. 3. Temporal correlation coefficients (TCC) for hindcasted SSTs. TCCs of JAN RUN, APR RUN, JUL RUN and OCT RUN are averaged at the same lead-time (Lead 0~1, Lead 2~4, Lead 5~7 and Lead 8~10). The solid and dashed contours represent statistical significance of the correlation coefficients at 90% and 99% confidence level, respectively. The value of upper-right corner above each plot indicates the areal mean of global TCC. 감소함에도불구하고, PNU CGCM V1.1 은 Lead 8~10 까지도적도중앙태평양과동태평양, 중위도의중앙태평양영역 ( 약 25 o N~40 o N), 중위도남태평양등에서지속적으로유의한상관계수를나타낸다. 이를통하여 PNU CGCM V1.1 을이용하여적도태평양지역의현상을 5 개월이상장기예측할경우신뢰도높은예측이가능함을알수있다. PNU CGCM V1.1 의적도예측성중 ENSO 예측성을자세히살펴보기위하여분석기간의 JAN RUN 부터 DEC RUN 까지 12 개월 Lead 에대하여 NINO3.4 Fig. 4. TCC for Nino3.4 SST anomalies between PNU CGCM V1.1 hindcast and observation as a function of leadtime and RUNs. The solid and dashed contours represent statistical significance of the correlation coefficients at 90% and 99% confidence level, respectively. White dotted lines are boundaries of April and July. 영역평균 SST 아노말리의상관계수를 Fig. 4 에나타내었다. 그림에서가로축은 12 개월의 Lead 를, 세로축은매월출발하는 RUN 을나타낸다. 신뢰수준 99% 와 95% 의상관계수는각각 0.46 과 0.36 으로파선과점선으로나타내었으며대부분의출발과 Lead 에서신뢰수준 95% 가넘는높은상관계수를보인다. 각 RUN 마다 NINO3.4 영역에대한예측성은계절적차이가있다. 12 개의 RUN 중 OCT RUN 에서 Lead 초반부의상관계수가가장크게나타났으며 APR RUN 부터 JUN RUN 에서는 Lead 초반부의상관계수가작다. 7 월부터 10 월까지 (JUL RUN 부터 OCT RUN) 는엘니뇨 라니냐의방향성이어느정도정해진상태이고, 4 월부터 6 월까지 (APR RUN 부터 JUN RUN) 는엘니뇨 라니냐의부호가명확하지않은상태임을고려하면각 RUN 의 ENSO 예측성은초기조건에포함된엘니뇨 라니냐의정보와관련이있는것으로분석된다. DEC RUN 의경우 Lead 중반부 (Lead 4 부터 Lead 7, 4 월부터 7 월 ) 에상관계수가급격히감소하다가 Lead 후반부에다시증가하는형태를보인다. Fig. 4 의흰색점선은 4 월과 7 월의경계를나타내었다. DEC RUN 외에도 4 월부터 7 월기간에는상관계수가대체로감소하고이기간이지나면상관계수가일정하게유지되거나오히려증가하는경우도있어 NINO3.4 영역에대한 PNU CGCM V1.1 의 SST 아노말리예측성은계절에좌우되는것으로보인다. 이로써 PNU CGCM V1.1 은엘니뇨 라니냐의변동에대하여 12 Atmosphere, Vol. 22, No. 4. (2012)

460 PNU CGCM V1.1을 이용한 12개월 앙상블 예측 시스템의 개발 개월의 예측기간 동안 높은 신뢰수준의 예측자료의 제공이 가능함을 확인하였다. 3.2. 전지구 대기변수의 예측성 평가 PNU CGCM V1.

6 460 PNU CGCM V1.1을 이용한 12개월 앙상블 예측 시스템의 개발 개월의 예측기간 동안 높은 신뢰수준의 예측자료의 제공이 가능함을 확인하였다 전지구 대기변수의 예측성 평가 PNU CGCM V1.1은 계절 예측을 목표로 하는 JAN RUN, APR RUN, JUL RUN, OCT RUN에 대하여 각 각 5개 이상의 앙상블 멤버를 보유하고 있다. 여러 개 의 앙상블 멤버 사용이 PNU CGCM V1.1의 예측성에 미치는 효과를 살펴보기 위하여 기온, 강수, 500 hpa 지 위고도의 잠재 예측성 (potential predictability)을 Fig. 5 에 나타내었다. 각 RUN의 Lead 2~4에 대한 잠재 예 측성 패턴을 나타내었으며, 우측 상단의 숫자는 잠재 예측성의 전지구 영역평균이다. 잠재 예측성은 전체 변동성 중 초기조건과 모델이 만들어내는 변동성으로 설명되는 비율, 즉 시그널의 비율이다. 2 σext PP = σtot 2 1 N ( X X )2 σext = --j N j =1 2 1 M N ( X X )2 σtot = ij MN i = 1j = 1 1 MX X j = ---ij M i =1 1 M N X X = ij MN i = 1j = 1 여기서 M은 앙상블 크기, N은 분석기간이다. Fig. 5 에 따르면 적도 해양 및 중위도 해양의 기온 변동성 중 80% 이상이 앙상블 멤버 간의 변동에 의해 설명 된다. 그 외의 대부분 지역에서도 30% 이상의 잠재 예측성이 나타났으며 전지구 평균 50~59%의 값을 보 인다. PNU CGCM V1.1의 강수는 다른 두 변수보다 잠재 예측성이 상대적으로 낮으나 ITCZ 영역과 대부 분의 적도 영역에서 예측 가능한 시그널이 전체 변동 의 80% 이상으로 나타났다. 반대로 CGCM에서 비선 형적으로 만들어내는 잡음은 전체 강수 변동의 20% 이하다. 전지구 평균적으로 34~38%의 강수 잠재 예 측성을 보인다. 500 hpa 지위고도는 적도에서의 잠재 예측성이 특히 높으며 중위도 해양에서도 높은 값을 보인다. 이 결과들을 종합하면 다양한 초기치를 사용 하여 앙상블 예측을 할 경우 전지구적인 계절 예측성 향상의 가능성이 있다고 분석된다. 특히 PNU CGCM V1.1의 앙상블 예측은 초기조건에 민감한 적도 영역 의 예측성에 큰 영향을 줄 수 있으며, 원격상관을 통 Fig. 5. Potential predictability for (a) 2 m temperature, (b) precipitation and (c) 500 hpa geopotential height of JAN RUN (top), APR RUN, JUL RUN and OCT RUN(bottom) at Lead 2~4. The value of upper-right corner above each plot indicates the areal mean of global potential predictability. 한국기상학회 대기 제22권 4호 (2012)

7 안중배 이수봉 류상범 461 Fig. 6. TCC for 2 m temperature, precipitation and 500 hpa geopotential height of JAN RUN, APR RUN, JUL RUN and OCT RUN at Lead 2~4. The value of upper-right corner above each plot indicates the areal mean of global TCC. 하여 전지구적으로도 그 효과가 미칠 수 있다고 생각 된다. 이러한 PNU CGCM V1.1의 JAN RUN, APR RUN, JUL RUN, OCT RUN의 각 Lead 2~4 (MAM, JJA, SON, DJF) 의 앙상블 평균에 대하여 시간상관계수를 살펴보았다 (Fig. 6). 실선과 점선은 각각 신뢰수준 99%, 95%를 나타내는 경계이다. 기온, 강수, 500 hpa 지위고도는 Lead 2~4에 공통적으로 적도영역에서 매 우 높은 상관을 보인다. 특히 기온의 경우 신뢰수준 이 99% 이상의 상관관계가 중위도 이상에서도 나타 나서 기온에 대한 전지구적인 예측성이 높음을 알 수 있다. 기온의 상관은 앞서 살펴본 SST의 상관과 거의 유사한 패턴을 보이는데, 이는 대기-해양 상호작용에 의해 SST가 기온과 직접적인 영향을 주고받기 때문 이다. 강수는 다른 변수와 비교하여 상대적으로 상관 계수가 작으나 ITCZ와 같은 변동성이 큰 영역에서 높 은 상관을 보인다. 500 hpa 지위고도는 적도 외에도 중위도 해양에서 높은 상관을 보인다. 계절별로 약간 의 차이는 있으나 PNU CGCM V1.1의 계절 예측성 은 일관성 있게 나타난다. 한편 상관계수의 공간 패 턴은 앞서 살펴 본 잠재 예측성과 매우 유사하다. 이 로써 PNU CGCM V1.1의 앙상블은 잠재 예측성을 높 이며, 더 나아가 예측자료의 신뢰수준에까지 긍정적 인 영향을 미친다고 분석된다. Fig. 7은 전지구 영역에 대한 각 변수의 공간상관계 수이다. JAN RUN, APR RUN, JUL RUN, OCT RUN의 Lead 0부터 Lead 11에 대한 공간상관계수를 나타내었다. 기온과 500 hpa 지위고도는 전지구적인 패턴 예측성이 매우 높고, 강수는 계절에 따라 예측 성이 다소 변동한다. 전지구 영역에 대하여 기온과 500 hpa 지위고도는 12개월 Lead 동안 0.99 이상의 높 은 공간상관계수를 지속적으로 나타낸다. 강수는 상 대적으로 공간상관이 낮게 나타나 대체로 0.6~0.8의 범위를 가지며, 특정 계절 (4월부터 6월까지)에 대한 패턴 예측성은 다른 계절에 비해 다소 낮게 나타난다. Fig. 7. Time series of pattern correlation for 2 m temperature, precipitation and 500 hpa geopotential height of JAN RUN, APR RUN, JUL RUN and OCT RUN with 12month lead time. Atmosphere, Vol. 22, No. 4. (2012)

8 462 PNU CGCM V1.1 을이용한 12 개월앙상블예측시스템의개발 Fig. 8. RMSEs for 2 m temperature, precipitation and 500 hpa geopotential height over (a) the globe and (b) the northeast Asia of JAN RUN, APR RUN, JUL RUN and OCT RUN with 12-month lead. 강수에서계절에대한예측성차이가두드러지게나타났지만, 기온과 500 hpa 지위고도역시계절에따라예측성이좋고나쁨이다름을관찰할수있다. 각 Lead 별에러의크기를측정하기위하여 Lead 별 RMSE 를살펴보았다. Fig. 8 은전지구와한반도를포함한동북아시아영역 ( 위도 25 o ~55 o N, 경도 110 o ~145 o E) 에대한기온, 강수, 500 hpa 지위고도에대한 RMSE 를나타내었다. 전지구기온은 1.3~2.0 o C 의 RMSE 범위를나타내었으며, 다른시기보다 2 월에상대적으로높은 RMSE 를나타내었다. 동북아시아영역에대하여는 9 월부터 12 월의 RMSE 가약 2.0 o C 로가장작게나타났으며상대적으로 2 월의 RMSE 가약 4.0 o C 로크게나타났다. 강수의전지구 RMSE 는계절에따른편차가크지않아서전지구영역의강수 RMSE 범위는전체 Lead 에걸쳐 2.0~2.5 mm day 1 로나타난다. 동북아시아영역의강수 RMSE 는 10 월부터 3 월까지약 1.0 mm day 1 로매우작은값이나타나고 6 월에는 3.0 mm day 1 로최대 RMSE 값이나타난다. 500 hpa 지위고도의경우, 전지구영역에대한 RMSE 가약 25 m 인 Lead 0 를제외하면 30~40 m 의범위를나타낸다. 동북아시아영역에서는계절에따른편차가커서 7 월부터 12 월에대한 RMSE 는약 30 m 정도로작은반면, 2 월에대한 RMSE 는약 60 m 로크게나타난다. PNU CGCM V1.1 은동북아시아영역에대하여기온은 9 월부터 1 월까지, 강수는 10 월부터 3 월까지, 그 리고 500 hpa 지위고도는 7 월부터 12 월까지좋은예측성을보인다. 반면 2 월의기온과 500 hpa 지위고도, 6 월의강수에대해서는상대적으로예측성이낮음을확인하였다. 각변수의 RMSE 는짧은적분시간 ( 짧은 Lead) 에작은값을나타내는특성을보인다. 이와더불어각변수별로예측성이좋은계절과그렇지않은계절이특징적으로나타나고이특성이적분 Lead 보다영향을크게미치는것으로보인다. 전지구영역과동북아시아영역에대하여 12 개월의 Lead 에대한 Hit Rate 를살펴보았다 (Fig. 9). 여기서는 3 분위분류를사용하여관측과모형의분포를각각 30%, 40%, 30% 로나뉘어서평균이하 (below normal), 평균 (normal), 평균이상 (above normal) 이라이름하고, 각경우마다관측에서발생한횟수와모형이예측한횟수를세어서둘의비로구한것이 Hit Rate 이다. 이값이클수록예측성이뛰어나다할수있다. 기온과 500 hpa 지위고도에대하여 Lead 초반에 0.6 에서 0.7 사이의값을보여주며 Lead 가길어질수록점점값이작아지는모습을보인다. 강수의경우다른변수들보다예측성이다소낮게나타나며앞서다른검증도구들에서살펴본바와같이계절변동에다소영향을받는것으로보인다. 전지구영역평균과동북아시아영역평균의변동폭이다소좁은것도낮은스코어의원인이다. 한국기상학회대기제 22 권 4 호 (2012)

9 안중배 이수봉 류상범 463 Fig. 9. Hit rates for 2 m temperature, precipitation and 500 hpa geopotential height over (a) the globe and (b) the northeast Asia of JAN RUN, APR RUN, JUL RUN and OCT RUN with 12-month lead. 4. 요약및결론 본연구에서는초기조건에포함된불확실성을줄이기위하여해양초기조건에자료동화를적용하여해양의 3 차원적인관측정보를모형예측의입력자료로사용한 PNU CGCM V1.1 의 12 개월예측성에대하여살펴보았다. 현재이모형의앙상블결과는 APCC 의 3 개월장기예측앙상블시스템을위한앙상블자료로제공되고있으며, 기상청국립기상연구소에도제공되고있다. PNU CGCM V1.1 은매월초기화하여출발하는 12 개월의 Lead 로적분이수행되며, 여기서는 1980 년부터 2011 년까지의후보 (hindcast) 자료를분석하였다. 각 RUN 은계절예측을목표로하는 RUN (JAN RUN, APR RUN, JUL RUN, OCT RUN) 에대하여 5 개이상의멤버로구성되어있다. 본연구에서는 PNU CGCM V1.1 의앙상블평균을사용하여예측성을검증하였다. 먼저직접적으로동화된변수인 SST 예측성에대하여살펴보았다. PNU CGCM V1.1 의 SST 예측은 APCC CGCM MME 에참석하는모형들중자료동화가포함된모형들과함께높은예측성을보였다. 또한 12 개월의예측기간동안 SST 예측성은크게떨어지지않고특히적도태평양및중위도의중앙태평양영역에대하여신뢰도높은상관을유지하였다. ENSO 예측에있어서도 PNU CGCM V1.1 은 12 개월출발 RUN 모두에서 12 개월의예측기간동안높은신뢰수준을나타내었다. PNU CGCM V1.1 은적도영역에서기온과강수, 500 hpa 지위고도에대한예측성이전체 Lead 에걸쳐높게나타났다. 이와더불어기온과 500 hpa 지위고도는중위도해양영역에서도신뢰도있는예측성을보였다. 강수는다른변수들보다상대적으로관측과의상관이낮지만, ITCZ 와같이변동성이큰영역에대해서는예측성이좋다. 각변수마다분석한영역별로예측성이좋은계절과그렇지않은계절이나뉜다. 동북아시아영역에대하여기온은 9 월부터 1 월까지, 강수는 10 월부터 3 월까지, 그리고 500 hpa 지위고도는 7 월부터 12 월까지예측성이좋은것으로나타났다. 다양한앙상블멤버를구성하고, 또한해양자료동화된초기조건을사용함으로써예측성향상을도모한 PNU CGCM V1.1 의계절시간규모뿐아니라 12 개월예측기간전체에대하여예측의신뢰도가높음을확인하였다. 해양 - 대기상호작용이고려되는 CGCM 의예측자료가많지않고, 더군다나 PNU CGCM V1.1 은시간평균단위로자료가생산되기때문에다양한시간 공간규모의현상들에대하여다방면으로분석할수있어활용가치가높다할수있다. 향후 PNU CGCM V1.1 의예측자료를활용한다양한분석이활발히이루어지면장기기상및기후에관한예측성향상에도움이될것으로생각된다. Atmosphere, Vol. 22, No. 4. (2012)

10 464 PNU CGCM V1.1 을이용한 12 개월앙상블예측시스템의개발 감사의글 본연구는기상청국립기상연구소주관의 관측기술지원및활용연구 의지원으로수행되었습니다. 참고문헌 안중배, 윤용훈, 조익현, 오혜람, 2005: VAF 변분법을이용한전구해양자료동화연구. 한국해양학회지바다, 10(1), , 이해진, 2000: 중규모해양모형을이용한한반도주변해역해양순환재현. 한국해양학회지바다, 5(3), , 이진아 2001 : 해양대순환모형을이용한해빙의역할에관한수치실험연구. 한국해양학회지바다, 6(4), 정혜인, 안중배, 2007: PNU/CME CGCM을이용한엘니뇨 / 라니냐장기예측성연구. 한국해양학회지바다, 12(3), Balmaseda, M. A., A. Vidard, and D. L. T. Anderson, 2007: The ECMWF System 3 Ocean Analysis System. ECMWF Technical Memorandum 408. Bonan, G. B., 1998: The land surface climatology of the NCAR Land Surface Model (LSM 1.0) coupled to the NCAR Community Climate Model (CCM3). J. Climate, 11, Briegleb, B. P., 1992: Delta-Eddington approximation for solar radiation in the NCAR Community Climate Model. J. Geophys. Res., 97, Carval, T., 2002: Argo data management: User's manual. Ifremer, 6-7 pp. Hack, J. J., 1994: Parameterization of moist convection in the National Center for Atmospheric Research Community Climate Model (CCM2). J. Geophys. Res., 99, Holtslag, A. A. M. and B. A. Boville, 1993: Local versus nonlocal boundary-layer diffusion in a global climate model. J. Climate, 6, Huang, X. Y., 2000: Variational Analysis Using Spatial Filters. Mon. Wea. Rev., 128(7), Hunke, E. C. and J. K. Dukowicz, 1997: An Elastic-Viscous- Plastic Model for Sea Ice Dynamics. J. Phys. Oceanogr., 27, IPCC, 2007: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H. L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. Ji, M., A. Leetmaa, and J. Derber, 1995: An ocean analysis system for seasonal to interannual climate studies. Mon. Wea. Rev., 123, Kiehl, J. T., J. J. Hack, G. B. Bonan, B. A. Boville, B. P. Briegleb, D. L. Williamson, and P. J. Rasch, 1996: Description of the NCAR Community Climate Model(CCM3). NCAR Tech. Note. NCAR/TN- 420+STR, 152 pp. Mogensen, K., M. A. Balmaseda, and A. Weaver, 2012: The NEMOVAR ocean data assimilation system as implemented in the ECMWF ocean analysis for System 4. ECMWF Tech Memo 668. Pacanowski, R. C. and S. M. Griffies, 1998: MOM 3.0 Manual. NOAA/Geophysical Fluid Dynamics Laboratory, Princeton, USA Semtner, A. J., Jr., 1976: A model for the thermodynamic growth of sea ice in numerical investigations of climate. J. Phys. Oceanogr., 6, Sun, J. Q. and J. B. Ahn, 2011: A GCM-based forecasting model for the landfall of tropical cyclones in China. Adv. Atmos. Sci., 28(5), Usui, N., S. Ishizaki, Y. Fujii, H. Tsujino, T. Yasuda, and M. Kamachi, 2006: Meteorological Research Institute multivariate ocean variational estimation (MOVE) system: Some early results. Advances in Space Res., 37, Yin, Y., O. Alves, and P. R. Oke, 2011: An Ensemble Ocean Data Assimilation System for Seasonal Prediction. Mon. Wea. Rev., 139, Zhang, G. J. and N. A. McFarlane, 1995: Sensitivity of climate simulations to the parameterization of cumulus convection in the Canadian Climate Centre general circulation model, Atmosphere-Ocean., 33, 한국기상학회대기제 22 권 4 호 (2012)

03이경미(237~248)ok

03이경미(237~248)ok The recent (2001-2010) changes on temperature and precipitation related to normals (1971-2000) in Korea* Kyoungmi Lee** Hee-Jeong Baek*** ChunHo Cho**** Won-Tae Kwon*****. 61 (1971~2000) 10 (2001~2010).