DBPIA-NURIMEDIA

Transcription

1 Atmosphere. Korean Meteorological Society Vol. 26, No. 1 (2016) pp pissn eissn 연구논문 (Article) 북서태평양태풍강도가이던스모델성능평가 오유정 1) 문일주 1) * 김성훈 1) 이우정 2) 강기룡 2) 1) 제주대학교태풍연구센터 / 해양기상학협동과정, 2) 기상청국가태풍센터 ( 접수일 : 2015 년 8 월 3 일, 수정일 : 2016 년 1 월 9 일, 게재확정일 : 2016 년 1 월 25 일 ) Validations of Typhoon Intensity Guidance Models in the Western North Pacific You-Jung Oh 1), Il-Ju Moon 1) *, Sung-Hun Kim 1), Woojeong Lee 2), and KiRyong Kang 2) 1) Typhoon Research Center/Graduate School of Interdisciplinary Program in Marine Meteorology, Jeju National University, Jeju, Korea 2) National Typhoon Center, Korea Meteorological Administration, Jeju, Korea (Manuscript received 3 August 2015; revised 9 January 2016; accepted 25 January 2016) Abstract Eleven Tropical Cyclone (TC) intensity guidance models in the western North Pacific have been validated over 2008 based on various analysis methods according to the lead time of forecast, year, month, intensity, rapid intensity change, track, and geographical area with an additional focus on TCs that influenced the Korean peninsula. From the evaluation using mean absolute error and correlation coefficients for maximum wind speed forecasts up to 72 h, we found that the Hurricane Weather Research and Forecasting model (HWRF) outperforms all others overall although the Global Forecast System (GFS), the Typhoon Ensemble Prediction System of Japan Meteorological Agency (TEPS), and the Korean version of Weather and Weather Research and Forecasting model (KWRF) also shows a good performance in some lead times of forecast. In particular, HWRF shows the highest performance in predicting the intensity of strong TCs above Category 3, which may be attributed to its highest spatial resolution (~3 km). The Navy Operational Global Prediction Model (NOGAPS) and GFS were the most improved model during For initial intensity error, two Japanese models, Japan Meteorological Agency Global Spectral Model (JGSM) and TEPS, had the smallest error. In track forecast, the European Centre for Medium-Range Weather Forecasts (ECMWF) and recent GFS model outperformed others. The present results has significant implications for providing basic information for operational forecasters as well as developing ensemble or consensus prediction systems. Key words: Tropical cyclone, intensity prediction, validation, guidance models 1. 서론 태풍은강풍, 집중호우, 해일등을동반하여많은인명및재산피해를주는자연재해중하나이다. 우리 *Corresponding Author: Il-Ju Moon, Jeju National University, Typhoon Research Center/Graduate School of Interdisciplinary Program in Marine Meteorology, Jejudaehakro 102, Jeju 63243, Korea. Phone: , Fax: ijmoon@jejunu.ac.kr 나라는자연재해로발생한피해들중에 50% 이상이태풍의직 간접적영향으로발생한다 (NEMA, 2011). 최근기후변화와더불어한반도에상륙하는태풍의강도는지난 55 년간꾸준히증가하였고, 특히 2000 년에들어그증가경향이더욱뚜렷해졌다 (Choi and Moon, 2008). 태풍에의한피해를저감하기위해서는무엇보다정확한태풍의진로및강도예측이필수적이다. 그동안관측및수치모델링기술의발달로태풍진로예측기술은크게발전하였지만상대적으로 1

2 2 북서태평양태풍강도가이던스모델성능평가 태풍강도예측기술은크게향상되지못하였다. 그이유는정확한태풍강도예측을위해서는다양한환경조건, 해양 - 대기상호작용, 그리고태풍내부역학과정의이해와더불어정확한진로예측이이루어져야가능하기때문이다 (Rogers et al., 2006; DeMaria et al., 2007; Elsberry, 2014). 태풍예보의오차를줄이기위하여태풍예보기관들은다양한국내 외수치모델들의결과들을가이던스 (Guidance) 로활용하고있다. 이러한가이던스모델들의정보를현업예측에서사용하기위해서는각모델들의성능을평가할필요가있다. 합동태풍경보센터 (Joint Typhoon Warning Center - Honolulu, JTWC) 와동경지역특별기상센터 (Regional Specialized Meteorological Centers - Tokyo, RSMC-Tokyo) 에서는각기관에서사용하는가이던스모델에대한성능평가를매년실시하고있으며, 많은선행연구들에서도여러가이던스모델들의정확도를평가하고있다. Elseberry et al. (2007) 는대서양과북서태평양에서 2003 년부터 2004 년까지국가허리케인센터 (National Hurricane Center, NHC) 에서열대저기압 (Tropical Cyclone, TC) 강도가이던스로사용하고있는 5 개의통계및역학모델들에대하여 TC 강도구간을 3 단계로나누어정확도를평가하였다. 이연구를통해 TC 가형성되는초기단계와강도가급격하게강화되는시기에오차가커지는것을확인하였다. 또한 TC 강도가감소하는단계에서모든모델들이실제강도보다약하게모의하는경향이있음을보고하였다. DeMaria et al. (2007) 는지난 20 년간대서양과북태평양에서발생한 TC 에대해 NHC 와 JTWC 의강도예측결과를분석하였다. 이연구에서대서양의 24 시간과 48 시간예보와북태평양의 72 시간예보에대해평균절대오차 (Mean Absolute Errors, MAE) 가 20 년간큰변화가없었음을보였다. Aberson (2008) 은 NHC 의현업 TC 강도예측결과와 3 개의강도예측모델들에성능을 Skill Score 와오차확률을이용하여평가한결과, 전체적으로강도예측기술은크게향상되지않았지만 30 knot 이상의큰오차를보이는확률은감소함을보고하였다. Chen et al. (2012) 은 Aberson (2008) 이제안한 Skill Score 를이용하여 2008 년과 2009 년에동중국지역기상센터 (East China Regional Meteorological Center, ECRMC) 에서가이던스모델로사용된 8 개의강도예측모델의정확도를평가하였다. 그결과, 2008 년에는모델들이태풍강도를평균적으로약하게예측하고, 2009 년에는과대하게예측하는경향을발견하였다. 또한, 대부분의모델들이예보시간이길어짐에따라예보오차가커짐을보고하였다. Li et al. (2012) 는 Chen et al. (2012) 이사용한가이던스모델결과를강화와소멸단계로나누어평가하였다. 이연구에서대부분 의모델들이 12 시간동안에발생하는 ± 5 m s 1 이하의작은강도변화는예측정확도가높았지만그이상으로급격하게강화되거나약화되는경우는오차가커지는것으로나타났다. 최근태풍역학모델은해상도및물리과정개선등을통해그성능이해마다바뀌고있으며사용가능한가이던스모델의수도점점많아지고있다. 따라서매년가이던스모델들의성능을평가하고그경향성을분석할필요가있다. 본연구에서는 2008 년부터 2014 년까지최근 7 년간국가태풍센터에서사용하고있는 11 개의태풍가이던스모델들 (Table 1) 에대한예측성능을평가하여향후태풍예측을위한객관적인자료로활용하는데그목적이있다. 태풍강도예측성능평가는기본적인통계오차분석외에도태풍강도별, 급격한강도변화시, 한반도영향태풍의경우, 이동경로별, 해역별오차분포등과같은기존연구에다루지않은다양한방법으로분석을실시하고자한다. 또한현업이용시에참고할수있도록분석항목마다모델의성능을순위로나타내었고, 모델정확도에따라상위, 평균, 하위그룹으로나누어분석하였다. 모델의해상도에서큰차이를보이는전구모델 (global model, G) 과지역모델 (region model, R) 은구분하여평가하였다. 2 장에서는국가태풍센터에서태풍강도예측가이던스로사용되고있는모델들과예측결과의성능평가방법에대해서상술하였다. 3 장에서는각모델들의예측성능평가결과를나타내었다. 4 장에서는본연구의전체결과를요약하고결론을제시하였다. 2. 자료및분석방법 2.1 태풍가이던스모델들의특징본연구에서는국가태풍센터에서북서태평양태풍강도예측가이던스모델로사용하고있는 11 개모델들에대한예측성능을평가하였다. 사용된가이던스모델들은 7 개의전구모델, 4 개의지역모델로구성되어있다. 각모델의설명, 자료기간, 공간해상도, 자료생산간격및주기등은 Table 1 에기술되어있다. 11 개모델중에우리나라에서운용중인모델은 UM, UM_R, TWRF, KWRF, KEPS 이다. UM 은영국기상청의통합수치모델 (Unified Model, UM) 을도입하여개발한기상청의전지구자료동화예측시스템 (Global Data Assimilation and Prediction System, GDAPS) 으로 2010 년부터기상청의현업예측모델로사용되고있다 (Lee et al., 2011). UM 은전구모델과지역모델로구성되어있다. UM 전구모델은 4 차원변분법을사용하며 25 km 의공간해상도와 70 개의연직층을가지며, 하루 4 번예측정보를생산한다. 자료기간은 2010 년부 한국기상학회대기제 26 권 1 호 (2016)

3 오유정 문일주 김성훈 이우정 강기룡 3 Table 1. Descriptions and information on guidance models used for present study (x, longitude; y, latitude; w, maximum wind speed; p, minimum central pressure; G, global model; R, regional model). G R Model name UM JGSM TEPS NOGAPS GFS ECMWF KEPS UM_R TWRF KWRF HWRF Description KMA Operational Global Model (Unified Model) JMA Operational Global Spectral Model JMA Operational Typhoon Ensemble Prediction System Navy Operational Global Prediction System NCEP Global Forecast System European Center for Medium-range Weather Forecasting KMA Ensemble Prediction System (24 members) KMA Operational Regional Model (Unified Model) WRF-based Typhoon Model (Typhoon WRF) WRF-based KMA Operational Regional Model (Korea WRF) NCEP EMC WRF-based Regional Model (Hurricane WRF) Data period Spatial resolution Forecast interval Forecast number per day Products 25 km 6 h 4 x, y, w, p 20 km 6 h 4 x, y, w, p 60 km 6 h 2 x, y, w, p 55 km 6 h 2 x, y, w, p 1 o 6 h 2 x, y, w, p 0.5 o 24 h 2 x, y, w, p 40 km 6 h 2 x, y, w, p 12 km 3 h 4 x, y, w, p 15 km 6h 2 x, y, w, p 10 km 6 h 4 x, y, w, p 27/9/3 km 6 h 4 x, y, w, p 터 2014 년까지이다. 지역모델인 UM_R(UM Regional, UM_R) 은 12 km 의공간해상도와 70 개연직층을가지는기상청의지역예보시스템 (Regional Data Assimilation and Prediction System, RDAPS) 으로하루 4 번의예측자료를생산한다. 자료기간은총 4 년 (2011 년 ) 이다. KWRF 는 WRF (Weather Research and Forecasting) 모델을기반으로한기상청의지역예보시스템중의하나이다. KWRF 는 10 km 의고해상도격자와고급역학을적용한고정밀모델로, 특히초기분석장품질향상을위해 3 차원변분법을이용한자체분석을수행할뿐아니라태풍초기장개선을위한보거싱 (Bogusing) 기법을개발하여적용하고있다 (Park et al., 2008). 하루 4 번예측자료를생산하며, 자료기간은총 4 년 (2011 년 ) 이다. TWRF 는 WRF 를기반으로한태풍전용예측모델이다. 15 km 의공간해상도를가지며하루 2 번예측을수행한다 년부터 2014 년까지 5 년간의자료가존재하지만최대풍속 (Maximum Wind Speed, MWS) 자료는 2013 년부터포함되었다. KEPS (Korea Ensemble Prediction System) 는 2011 년부터기 상청에서운영해오고있는앙상블모델로 4 차원변분법을사용하여전구모델로부터초기장을생성한다. 40 km 의공간해상도와 70 개의연직층을갖는다. 초기섭동은 Ensemble Transform Kalman Filter (ETKF) 를사용하여생산되고총 24 개의앙상블멤버로구성되어있다. 하루 2 번예측정보를생산한다. GFS 는미국 NCEP (National Centers for Environmental Prediction) 산하 EMC (Environmental Modeling Center) 에서개발되어 NWS (National Weather Service) 에서운영하고있는전지구예측시스템 (Global Forecast System) 이다 (NCEP, 2003). 수평해상도는 35 km 이며, SAS (Simplified Arakawa-Schubert) 구름모수화, 3 차원변분 GSI (Gridpoint Statistical Interpolation) 자료동화, 그리고 Vortex Relocation 방식초기화방법을사용한다. 하루 2 회예측자료를생산하며, 자료기간은 2008 년부터 2014 년까지 7 년이다. HWRF (Hurricane WRF) 는미국 NCEP 에서운용중인 WRF 기반의지역허리케인예측모델이다. GFS 전지구예측장을초기및경계값으로사용하며, 향 Atmosphere, Vol. 26, No. 1. (2016)

4 4 북서태평양태풍강도가이던스모델성능평가 Fig. 1. Comparisons of TC intensity (MWS) between model predictions and RSMC-Tokto best track for Typhoon Bolaven (1215) using (a) GFS, (b) JGSM, (c) HWRF, and (d) KWRF. The bold black line indicates the RSMC-Tokyo best track. Thin lines indicate the model predictions. Filled circles represent the issue time of the prediction. 상된보거싱방법과물리과정모수화방법을사용한다. 태풍중심을따라이동하는둥지격자시스템을사용하여태풍중심부근에서 3km 까지고해상도로예측이가능하다 (Vijay et al., 2014). NOGAPS (Navy Operational Global Atmospheric Prediction System) 는미해군에서개발 운영중인 55 km 수평해상도와 30 개의연직층으로구성된전지구모델이다. 3 차원자료동화방법을사용하며, 자료기간은 2008 년부터 2014 년까지이다. ECMWF (European Centre for Medium-Range Weather Forecast) 는유럽 28 개국을회원국으로구성되어있는독립적인정부간 (intergovernmental) 조직에서운용중인전지구예측모델이다. ECMWF 는최신의역학코어 (Dynamical core), 자료동화 (4 차원변분 ), 물리과정모수화를사용하며, 가장진로예측성능이우수한전지구모델중의하나로알려져있다. 25 km 수평격자와 91 개의연직층을가지며하루 2 번예측정보를생산한다. 자료기간은 2008 년부터 2014 년까지이다. JGSM (Japan Global Spectral Model) 은일본기상 청의전지구예측모델로하루 4 번예측정보를생산한다. 수평해상도는 18 km 이며, 4 차원변분자료동화방법을사용한다 (Nakagawa, 2009). TEPS (Typhoon Ensemble Prediction System) 는일본기상청의전지구앙상블모델로수평해상도는 56 km 이며, 11 개의앙상블멤버로구성되어있다 (Yamaguchi and Komori, 2009). 2.2 자료및분석방법 11 개의태풍가이던스모델들의예측결과는열대폭풍 (Tropical Storm, TS) 급이상의태풍에대해 RSMC- Tokyo 에서제공하는 6 시간간격의최대풍속, 중심기압, 그리고태풍중심위치자료와비교하였다. Figure 1 은 2012 년 15 호태풍볼라벤에대해모델예측결과와 RSMC-Tokyo 의최대풍속을비교한예시이다. 최대풍속의정의에있어 RSMC-Tokyo 에서는세계기상기구 (World Meteorological Organization, WMO) 권고기준인 10 분평균최대풍속을사용하지만 JTWC 는 1 분평균풍속을사용한다. Simiu and Scanlan (1978) 에따르면 10 분평균풍속은 1 분평균풍속의약 88% 한국기상학회대기제 26 권 1 호 (2016)

5 오유정 문일주 김성훈 이우정 강기룡 5 간에대해실시되었지만모든모델의자료가존재하는 2013 년부터 2014 년에대해대부분의상세통계분석이이루어졌고나머지시기에는연도별오차변화경향만이조사되었다. 본연구에서태풍강도가이던스모델들의예측정확도분석은주로최대풍속 (m s 1 ) 자료를이용하여이루어졌다. 태풍진로예측결과와태풍강도의또다른지표인태풍의최저중심기압 (hpa) 은최대풍속자료와의비교 분석을위해서만제한적으로사용되었다. 통계분석은모델과최적경로자료사이의평균절대오차 (MAE), 편차 (Bias), 그리고상관계수 (Correlation Coefficient, R) 를이용하여수행되었다 ( 식 와 참고 ). MAE = 1 n -- ( F i O i ) i=1 n n Bias = 1 n -- ( F i O i ) i=1 Fig. 2. A scatter plot of MWS between RSMC-Tokyo (10- min average) and JTWC (1-min average) best track data during 2008~2013. A thick line represents the linear regression between two data sets. 에해당되며풍속이증가할수록그차이는더커지는것으로보고하고있다. 따라서 1분평균풍속을사용하여초기장을생성하고편차조정을하는모델들 (GFS, HWRF 등 ) 을 10분평균풍속기반의 RSMC-Tokyo 자료를사용하여성능평가를할경우상대적으로태풍강도를과대모의하는경향이커진다. 이러한문제점을해결하기위하여본연구에서는 1분평균풍속기반의모델들에대해서는 RSMC-Tokyo와 JTWC의관계식을이용하여최대풍속을보정하여성능을평가하였다. Figure 2는 2008년부터 2013년까지 JTWC와 RSMC-Tokyo 자료의최대풍속산포도를나타내며, 식 은이자료를바탕으로구한두기관의최대풍속선형회귀식을나타낸다. MWS RSMC =0.70 MWS JTWC (MWS JTWC > m s 1 ) 여기서최대풍속이 m s 1 이상인경우에만회귀식을적용한이유는구해진회귀식이 RSMC 의최대풍속이 m s 1 이상일때부터 JTWC 가더큰값을가지기때문이다. 대부분의가이던스모델들은일 2 회예측자료를생산하지만, 일부모델들의경우는일 4 회자료를생성한다. 본연구에서는동일한조건으로통계분석을하기위하여일 2 회 (0000 UTC 와 1200 UTC) 예측결과만을이용하였다. 분석은 2008 년부터 2014 년까지기 여기서 F i 와 O i 는각각모델값과관측값 ( 최적경로자료 ) 을각각의미하며, n 는자료의총개수를의미한다. 본연구에서는먼저최근 2 년간 (2013 년 ) 상기통계분석항목을예보시간별, 월별, 태풍강도별, 급격한강도변화시, 한반도영향태풍의경우, 태풍강도변화 (ΔMWS) 기준, 이동경로별, 그리고해역별로나누어평가하였다. 예보시간별평가는모든모델들이공통적으로자료가존재하는 72 시간까지만이루어졌다. 사용된 11 개수치모델들은전구모델 (UM, JGSM, TEPS, NOGAPS, GFS, ECMWF, KEPS) 과해상도가상대적으로높은지역모델 (UM_R, TWRF, KWRF, HWRF) 로구분하여분석하였다. 또한현업이용시에참고할수있도록분석항목마다모델의성능을순위로나타내었고, 모델정확도에따라예측성능이상대적으로우수한상위그룹 ( 평균값보다 0.5 표준편차이상 ), 평균보다예측성능이낮은하위그룹 ( 평균값보다 0.5 표준편차이하 ), 그리고이두중간에해당에해당되는평균그룹으로분류하였다. 모델성능의연변화경향은모델별로 2008 년부터 2014 년까지자료가존재하는기간에대해 48 h 예측값을이용하여실시하였다. 이분석에서는강도뿐만아니라진로에대한성능평가를함께실시하였다. 태풍강도등급별평가는국가태풍센터에서사용하고있는태풍강도기준에따라약 (17 m s 1 =MWS<25m s 1, weak), 중 (25 m s 1 =MWS<33m s 1, medium), 강 (33 m s 1 =MWS<44m s 1, strong), 매우강 (44 m s 1 = MWS, very strong) 으로나누어분석하였다. Elsberry et al. (2014) 는 태풍의급격한강도변화 를 24 시간동안최대풍속이 30 knot 변화하였을때로정의하여사용하였다. 그러나이정의는 JTWC 를기 Atmosphere, Vol. 26, No. 1. (2016)

6 6 북서태평양태풍강도가이던스모델성능평가 Fig. 3. Track for typhoons that influenced the Korean peninsula during Gray box represents a typhoonemergency region defined by KMA. 준으로한 1 분평균풍속을사용한다. 그러므로급격한강도변화크기에따른분석에서는앞서정의한 RSMC-Tokyo 와 JTWC 최대풍속관계식 ( 식 ) 을적용하여 24 시간동안강도의증가또는약화가약 m s 1 이상인경우를급격한강화 (Rapid Intensification, RI) 와급격한약화 (Rapid Weakening, RW) 로정의하여사용하였다. 한반도영향태풍에대한분석은국가태풍센터에서발간한 2013 년과 2014 년태풍분석보고서에분류된한반도영향태풍 6 개, 리피 (1304), 콩레이 (1315), 다나스 (1324), 너구리 (1408), 할룽 (1411), 봉퐁 (1419) 에대해실시하였다. 이태풍들은모두태풍백서에서정의하는비상구역 (28 o N 북쪽, 132 o E 서쪽 ) 에진입하여한반도에영향을주었다 (Fig. 3). 태풍리피 (1304) 는 2013 년 6 월 18 일에 0000 UTC 에발생하여 6 월 21 일 0000 UTC 에온대저기압으로변질되었으며, 6 월 20 일 0000 UTC 부터비상구역에진입하며한반도에영향을주었다. 태풍콩레이 (1315) 는같은해 8 월 26 일 0600 UTC 에발생하여 8 월 30 일 0600 UTC 에소멸하였고, 8 월 30 일 0300 UTC 부터는비상구역에진입하였다. 태풍다나스 (1324) 의경우 10 월 4 일 0600 UTC 에발생하여 10 월 9 일 0000 UTC 에온대저기압으로변질되었으며 10 월 8 일 0300 UTC 부터비상구역에진입하며한반도 에영향을주었다 년에발생한 8 호태풍너구리의경우 2014 년 7 월 3 일 0000 UTC 에발생하여 7 월 11 일 0000 UTC 에소멸하였으며 7 월 8 일 1800 UTC 부터비상구역에진입하였다. 태풍할룽 (1411) 은 7 월 29 일 0000 UTC 에발생하여 8 월 8 일 0600 UTC 에비상구역에진입하였으며 8 월 11 일 0000 UTC 에온대저기압으로변질되었다. 마지막태풍봉퐁 (1419) 는 10 월 3 일 0000 UTC 에발생하여 10 월 14 일 0000 UTC 에온대저기압으로변질되었으며, 10 월 12 일 0000 UTC 이후부터비상구역에진입하며한반도에영향을주었다 년 12 호태풍나크리는한반도영향태풍으로분류되었지만수명이너무짧아본연구에서는분석에서제외하였다. 태풍진로별모델의성능평가는 Kim et al. (2011) 에서사용된 Fuzzy c-means Clustering Method (FCM) 을이용하여태풍진로를 6 개의군집으로분류한후수행하였다. 군집분류에사용된자료는 1982 부터 2014 년까지북서태평양에서발생한모든태풍을 6 시간마다최대 5 일 (120 h) 간격으로만든총 개의태풍진로이다. 5 일간격으로태풍진로를구성한것은태풍의진로가긴경우에이동하는중간에환경이달라져모델의예측성능에차이가발생하는것을구별하여평가할수있게하기위함이다. 3. 연구결과 최근 2 년간 (2013 년 ) 예측자료가존재하는 11 개가이던스모델의태풍강도예측성능을평가하기위하여먼저모델별로 0~72 h 까지모든예측자료 (12 시간간격 ) 를누적한산포도, 상관계수 (R), MAE, Bias 를구하였다 (Fig. 4). 그림에서괄호안의값은각각의평가요소에대한순위를나타낸다. (a)-(g) 는전구모델그리고 (h)-(k) 는지역모델의결과이다. 모델들의상관계수평가에서는 HWRF, GFS, TEPS, JGSM, NOGAPS 가모두 0.78 이상의상관도를보여상위그룹으로분류되었다. 특히, HWRF (R = 0.92) 와 GFS (R = 0.87) 는전예보시간에서평균적으로태풍강도의변화경향을가장예측하는모델로평가된다. 절대오차평가에서는 HWRF, GFS, TEPS, KWRF 가 3.8~6.4 m s 1 의낮은오차를가지며상위그룹의예측성능을보였다. 반면 UM 과 KEPS 는상관도 (0.07) 가매우낮을뿐아니라 MAE(17 m s 1 이상 ) 도높아두평가에서모두평균보다낮은예측성능을보인모델 ( 하위그룹 ) 로분류되었다. Bias 는 JGSM, TEPS, ECMWF, TWRF, HWRF 를제외한대부분의모델들이최대풍속을과소모의하였다. 특히, UM 과 KEPS 모델은과소모의경향이가장컸고최대풍속 30 m s 1 이상의강한태풍들을전혀모의하지못하는것으 한국기상학회대기제 26 권 1 호 (2016)

7 오유정 문일주 김성훈 이우정 강기룡 7 Fig. 4. Scatter plots of MWS between model predictions and RSMC-Tokyo best track for all lead times up to 72 h (12-h interval) during 2013: (a) UM, (b) JGSM, (c) TEPS, (d) NOGAPS, (e) GFS, (f) ECMWF, (g) KEPS, (h) UM_R, (i) TWRF, (j) KWRF, and (k) HWRF. The correlation coefficients (R), MAE, and bias are denoted with the rank (number in bracket) based on the model performance in terms of R, MAE, and bias, respectively. Atmosphere, Vol. 26, No. 1. (2016)

8 8 북서태평양태풍강도가이던스모델성능평가 Table 2. Mean absolute errors (MAE) for maximum wind speed (MWS) and minimum central pressure (MCP) forecasts at lead times of 0 to 72 h (24-h interval) during The numbers in bracket represent the rank based on the model performance in terms of MAE. Bold numbers represent the group of low-performance models. Bold numbers with asterisk represent the group of high-performance models. G and R indicate global models and regional models, respectively. Model G R Lead time UM JGSM TEPS NOGAPS GFS ECMWF MWS [m s 1 ] MCP [hpa] 0 h 24 h 48 h 72 h 0 h 24 h 48 h 72 h * 0.9* * 9.9 KEPS * 5.0* * * 4.5* * 4.9* * 1.5* * 10.2* * * G-mean UM_R TWRF KWRF HWRF * * 4.1* 7.0* * 4.3* R-mean All-mean * * 4.8* * * * 10.3* * * 12.0* * 8.7* * * 12.0 로나타났다. 전구모델인 TEPS 와 GFS 는공간해상도가각각 60 km 와 1 o 로다른모델들에비해상대적으로해상도가낮지만상관도, MAE, Bias 평가에서모두상위그룹의성능을보였다. 전구모델에비해공간해상도가높은지역모델들은대부분의평가항목에서모두평균또는그이상의성능을보였다 (KWRF 와 HWRF 는상위그룹, UM_R 과 TWRF 는평균그룹에속함 ). 예보시간별로보면, NOGAPS 를제외한대부분의전구모델들은예보시간이길어질수록최대풍속의오차가증가하는반면, 대부분의지역모델들은반대의경향을보였다 (Table 2). 예를들면, 일본현업전구모델인 JGSM 과 TEPS 는초기시간에최대풍속의절대오차가 0.9 m s 1 로모든모델중에가장낮았으나예보시간이길어질수록오차가크게증가하여 72 시간 후에는 12.3 m s 1 와 9.3 m s 1 까지도달되었다 ( 하위그룹의성능 ). 반면, 지역모델인 TWRF 와 KWRF 는초기시간의오차가각각 11.6 m s 1 와 8.5 m s 1 로평균보다큰오차를보였지만 72 시간후에는 7.2 m s 1 와 4.9 m s 1 로낮아져평균또는그이상의성능을보였다. HWRF 와 GFS 는절대오차평가에서모든예측시간에, NOGAPS, UM_R, KWRF 는 48 시간이후에, 그리고 TEPS 와 JGSM 는 24 시간까지상위그룹의좋은성능을보였다. 태풍의중심기압예측성능에대한평가는최대풍속의결과와대부분유사하게나타났지만일부모델들은다르게나타났다. 예를들면, NOGAPS 와 GFS 는최대풍속에비해최소중심기압의예측정확도는상대적으로매우낮았고, 반면 ECMWF 는최대풍속평가 한국기상학회대기제 26 권 1 호 (2016)

9 오유정 문일주 김성훈 이우정 강기룡 9 Fig. 5. Comparisons of the changing model performance in terms of the MAE for (a) maximum wind speed, (b) minimum central pressure, and (c) track forecasts at the lead time of 48 h during Solid lines with triangle represent global models. Dashed lines with circle represent regional models. 에서전예보시간에서하위그룹에속했지만중심기압평가에서초기시간 (0 h) 을제외한모든예보시간에서상위그룹에속하였다. UM_R 와 KWRF 는초기시간을제외하고평균적으로태풍중심기압예측성능이가장우수한모델로평가된다. 각모델들의예측성능은연도, 월, 강도, 이동경로, 해역별로나누어아래에서상세히설명한다. 또한초기값으로부터태풍의강도 ( 최대풍속 ) 변화예측성능그리고태풍의강도가급격하게변화하는경우와한반도영향태풍에대해서는추가적으로예측성능을 따로평가하였다. 3.1 연도및계절별예측성능연도별로가이던스모델의성능변화는 2008 년부터 2014 년까지 48 시간예측된최대풍속 (MWS), 중심기압 (MCP), 태풍중심위치 (Track) 의 MAE 를이용하여조사하였다 (Fig. 5). 그림에서세모 ( )- 실선그래프는전구모델의성능변화를나타내고동그라미 ( )- 점선그래프는지역모델을나타낸다. 최대풍속평가에서최근가장큰향상을보인모델은 NOGAPS(2008 년 13.1 Atmosphere, Vol. 26, No. 1. (2016)

10 10 북서태평양태풍강도가이던스모델성능평가 Table 3. Same as in Table 2, but MAEs for all lead times up to 72 h (12-h interval) categorized by the specified months. Model G R UM JGSM TEPS Month NOGAPS GFS ECMWF KEPS MWS [m s 1 ] April-July August September October-November * * * 3.7* * * * * 6.0* * G-mean UM_R TWRF KWRF HWRF * 3.3* R-mean All-mean * * 3.6* * 4.2* * * m s 1 에서 2014 년 3.9 m s 1 로 ) 와 GFS (2008 년 12.6 m s 1 에서 2014 년 3.7 m s 1 로 ) 로나타났다 (Fig. 5a). 최근들어정확도가도리어낮아진모델도있었다. ECMWF 는 2008 년에오차가 8.5 m s 1 이었으나해마다계속오차가증가하여 2014 년에는 16.2 m s 1 까지높아졌다. JGSM, UM, KEPS 도최근들어성능이저하된모델로분류된다. 전반적으로지역모델의성능은전구모델보다평균적으로높았고시간이지남에따라성능이좋아지는경향도더뚜렷이나타났다. 태풍중심기압의예측성능변화경향은최대풍속의결과와대체로유사하게나타났다 (Fig. 5b). 그러나한가지특징적인것은최근최대풍속예측성능이낮아지고있는 ECMWF 가중심기압예측성능은반대로향상되고있다는사실이다. 실제로 ECMWF 는 2008 년에모든모델중에가장큰오차 (21.8 hpa) 를보였지만 2014 년에는세번째로작은오차 (12.6 hpa) 를보 였다. 이것은일반적으로알려진태풍의최대풍속과중심기압의선형적인관계식이적용되지않는결과로추후이원인에대한추가적인분석이요구된다. 연도별로가이던스모델의예측진로를평가한결과에서는 TWRF 를제외한대부분의모델들이성능이향상되거나유지한것으로나타났다 (Fig. 5c). 진로오차가가장많이개선된모델은 GFS 로나타났다. GFS 는 2008 년에 48 시간진로오차가약 265 km 에달하였으나해마다정확도가향상되어 2014 년에는오차가 96 km 까지낮아져 11 개모델중에가장좋은성능을보였다. 최근 (2012 년 ) 들어진로오차가평균적으로가장적은모델은 ECMWF, GFS, HWRF 으로나타났다. ECMWF 는진로오차가가장낮은모델로알려져있지만 2014 년에는 GFS, HWRF 다음으로좋은성능을보였다. 전구모델과지역모델을구분하여비교하면, 태풍진로는강도예측결과와는달리전구모 한국기상학회대기제 26 권 1 호 (2016)

11 오유정 문일주 김성훈 이우정 강기룡 11 Table 4. Same as in Table 3, but MAEs for all lead times up to 72 h (12-h interval) categorized by TC intensity. Model G R Category UM JGSM TEPS NOGAPS GFS ECMWF KEPS MWS [m s 1 ] Weak Medium Strong Very strong * 1.6* * * 3.5* * * 5.4* * * * G-mean UM_R TWRF KWRF HWRF * R-mean All-mean * 5.5* * 4.2* * 3.8* 델이평균적으로지역모델보다예측정확도가높고성능개선도더크게이루어진것으로나타났다. 가이던스모델의계절별예측성능은표본수의분포에따라총 4 개의기간으로나누어분석하였다 (Table 3). 즉, 상대적으로표본수가적은 4~7 월 ( 봄 ~ 초여름 ) 은묶고, 표본수가많은여름철 8 월과 9 월은따로나누고, 10~11 월 ( 가을철 ) 은묶어성능평가를실시하였다. 계절별로평균오차를비교하면, 10~11 월에예측오차가가장크게나타나는것이특징이다. 이것은 10~11 월에북서태평양에서강한태풍이가장많이발생하는것과관련이깊다. 실제로계절별로발생한태풍의최대풍속평균값을비교하면 10~11 월이 47.4 m s 1 로 4 개의기간중가장큰값을보였다. 따라서강한태풍에대해최대풍속을크게과소모의하였던전구모델들 (UM 과 KEPS 등 ) 에의해이시기의예측오차가더욱커진것으로사료된다. 전구모델중에서는 TEPS 와 GFS 그리고지역모델중에서는 KWRF 와 HWRF 가모든계절에서좋은예측성능을보였다. 반면전구모델중에 ECMWF, KEPS, UM 그리고지역모델중에서 TWRF 는대부분의시기에서하위그룹에속하였다. 특정계절에만좋은성능을보이는모델도있었다. JGSM 은 8 월과 10~11 월에, UM_R 은 8 월에, 그리고 TWRF 은 10~11 월에만상위그룹의예측성능을보였다. 3.2 태풍강도별예측성능강도별가이던스모델들의예측성능은모든예측시간 (0~72 시간 ) 의절대오차평균값을이용하여비교하였다 (Table 4). 태풍강도의구분은국가태풍센터에서발행한태풍백서에표시된분류방법을따랐다. 분석결과, 전반적으로태풍의강도가약할수록가이던스모델들의오차가작게나타났으며강도가강해질수록 Atmosphere, Vol. 26, No. 1. (2016)

12 12 북서태평양태풍강도가이던스모델성능평가 Table 5. Same as in Table 3, but MAEs for all lead times up to 72 h (12-h interval) categorized by types of rapid intensity change (RW, rapid weakening; RI, rapid intensification). Model G R UM JGSM TEPS Type NOGAPS GFS ECMWF KEPS MWS [m s 1 ] RW RI * * 5.3* 23.1 G-mean UM_R TWRF KWRF HWRF 5.6* * * 3.4* R-mean All-mean 오차가커지는경향을보였다. 이러한현상은가이던스모델들에서, 특히전구모델에서, 전반적으로나타나는과소모의경향때문에나타난것으로분석된다. TWRF 는예외적으로태풍강도가강해질수록오차가감소하는경향을보였다. 지역모델중에 KWRF 와 HWRF 는약한 (weak 급 ) 태풍을제외한모든강도의태풍에서예측성능이우수하였다. 특히, 가장높은공간해상도 (3 km) 를가진 HWRF 는매우강한 (very strong) 태풍에대한강도예측성능이탁월하였다 ( 평균오차 3.8 m s 1 ). 두번째로공간해상도가높은 KWRF(10 km) 의경우에도강한태풍에대한예측성능이우수하였다. 전구모델중에는 TEPS 와 GFS 가모든강도군에서 6.6 m s 1 이하의오차를보이며상위그룹에속하였다. 이두모델 은공간해상도가각각 60 km 와약 1 o 로지역모델에비해해상도는낮았음에도강한태풍을잘모의하여그의미가더욱크다. 한편, UM 과 KEPS 는매우강한태풍에대한오차가가장큰모델 ( 모두 25 m s 1 이상 ) 로나타났다. 3.3 급격한강도변화시예측성능태풍의강도가급격하게변하는경우에대한예측능력은전체적인수치모델의성능을평가하는중요한기준으로사용될수있다 (Knaff et al., 2005). Table 5 는급격한강도변화예측성능에대한평가결과를나타낸다. 전구모델중에는 GFS 그리고지역모델중에는 HWRF 가급격한강도의강화와약화를모두잘예측하였다. 반면, UM_R 는 RW 경우그리고 ECMWF 와 KWRF 는 RI 의경우에상위그룹의좋은성능을보였다. RI 와 RW 의오차를비교하면, 대부분의가이던스모델들 (ECMWF, KWRF, HWRF 제외 ) 이 RI 의경우에오차가더커지는것을알수있다. 이것은앞서기술한바와같이많은수치모델들이태풍강도를과소모의하는경향이크기때문에나타난결과로사료된다. 3.4 한반도영향태풍의예측성능우리나라는평균적으로매년 3~4 개의태풍이직 간접적으로영향을미친다 (Lee et al., 1992). 본연구에서는 2013 년과 2014 년에우리나라에영향을주었던 6 개의태풍에대해 72 시간까지모든예측결과를종합하여모델별성능분석을실시하였다 (Table 6). 6 개의태풍은 1304 와 1315 를제외하면모두매우강하게 (very strong 급 ) 발달한태풍이었다. 6 개의모든태풍에대한평균적인예측성능은 JGSM, TEPS, NOGAPS, GFS, HWRF 가상위그룹에속하였다. 이중 GFS 와 HWRF 는모든개별태풍예측에서상위그룹에속하는성능을보여주었고, KWRF 또한태풍봉퐁 (1419) 사례를제외한모든태풍에서상위그룹에속하였다. 반면 UM, ECMWF, KEPS 의경우평균적인예측성능이하위그룹에속할뿐아니라대부분의개별분석에서도하위그룹이었다. 일본현업모델인 JGSM 과 TEPS 의경우태풍강도가약했던태풍 (1304, 1315) 경우더우수한예측성능을보였다. 3.5 태풍강도변화예측성능대부분의가이던스모델들은초기시간부터큰오차를보인다. 그러나현업예보의측면에서보면초기값은이미알고있기때문에초기값의성능평가는의미가없고그보다초기시간이후의강도변화를잘예측하는것이더중요하다. Table 7 은초기값으로부터태풍의최대풍속변화 (ΔMWS) 예측성능을 72 시간까지 한국기상학회대기제 26 권 1 호 (2016)

13 오유정 문일주 김성훈 이우정 강기룡 13 Table 6. Same as in Table 3, but MAEs for all lead times up to 72 h (12-h interval) for typhoons that influenced the Korean peninsula. Model G R TC number UM JGSM TEPS NOGAPS GFS ECMWF KEPS MWS [m s 1 ] All-mean * 1.0* * * 2.1* * * * * 2.7* * 4.1* 5.0* 2.1* 30.0 G-mean UM_R TWRF KWRF HWRF 2.9* * * 3.2* * 3.3* R-mean All-mean * * 2.3* * * 3.5* * 8.0* * * * 6.3* 5.7* 4.0* * 모든예측결과를종합하여평가한결과를나타낸다. 분석결과, 강도변화예측에대한상관도와절대오차분석에서모두상위그룹의좋은성능을보인모델은 GFS, TEPS, HWRF 로나타났다. HWRF 는강도절대값뿐아니라변화값평가에서도가장좋은예측성능을보였다. 반면, 절대값의상관도분석에서 0.07 의낮은값으로하위그룹에속했던 UM 과 KEPS 는변화값의평가에서도 0.1 이하의낮은상관도를보여최하위성능을보였다. ECMWF 와 KWRF 도변화값에대한오차평가에서는가장낮은성능을보였다. 한편, JGSM 의경우초기값예측정확도가높아절대값예측에서는 0.79 의상관도를보이며상위권성능을보였지만 (Fig. 4 참고 ) 강도변화값에대한평가에서는상관도가 0.4 로낮아져하위그룹에속하였다. 편차분석에서는대부분의모델들이양의값을보여강도변 화를실제보다더과대모의하는것으로나타났다. 이러한결과는절대값평가에서많은모델들이과소모의하는경향과상반된것으로대부분의모델들이과소모의된초기값을보상하기위해강도변화를과대하게예측하는경향이있는것으로해석할수있다. 3.6 이동경로및해역별예측성능현재기상청에서는동적데이터베이스를기반으로하는태풍진로예측시스템인 DYTRAP (Dynamic database Typhoon Track Prediction) 을사용하고있다 (Lee et al., 2011). 이방법은예측하고자하는태풍의이동경로와가장유사한과거태풍을선택하고이태풍들에대해과거수치모델의예측성능결과를바탕으로앙상블평균을구하는방식을사용한다 (Jun et al., 2015). 이렇게유사경로태풍에대해모델예측성능을 Atmosphere, Vol. 26, No. 1. (2016)

14 14 북서태평양태풍강도가이던스모델성능평가 Table 7. Correlation coefficient (R), MAE and Bias for the predicted changes (ΔMWS) from initial MWS for all lead times up to 72 h (12-h interval) during The numbers in bracket represent the rank based on the model performance in terms of R, MAE, and Bias. Bold numbers represent the group of low-performance models. Bold numbers with asterisk represent the group of high-performance models. G and R indicate global models and regional models, respectively. Model G R UM JGSM TEPS NOGAPS GFS ECMWF KEPS ΔMWS [m s 1 ] R MAE Bias * * * * * * G-mean UM_R TWRF KWRF HWRF * 0.6* 0.8* * R-mean All-mean 평가하여예측에활용하는이유는태풍의강도가이동경로상의해양및대기의환경에의해결정되고모델별로이러한환경을고려하는성능에차이가나기때문이다. 본연구에서는태풍의이동경로별로가이던스모델의예측성능을평가하기위하여 1982 년부터 2014 년까지최적경로자료를이용하여태풍의이동경로를 6 개의군집으로분류한뒤군집별로오차분석을실시하였다 (Fig. 6). 분류된군집별태풍의이동경로특성을요약하면 Table 8. Same as in Table 3, but MAEs for all lead times up to 72 h (12-h interval) categorized by clusters according to typhoon s track. Model G R UM JGSM TEPS Cluster NOGAPS GFS ECMWF KEPS MWS [m s 1 ] C1 C2 C3 C * * 5.6* * 5.3* * * 8.2* 6.1* * * G-mean UM_R TWRF KWRF HWRF * 4.2* * 4.4* * 5.8* * R-mean All-mean 다음과같다. Cluster1( 이하, C1) 은평균진로가남중국해를지나서진하여중국내륙에상륙하는저위도태풍의이동경로를나타낸다. C2 는대만을지나동아시아에상륙하는태풍의경로를나타낸다. C3 은주로일본동쪽해안을따라태평양을향해북동진하는진로를나타낸다. C4 는 C3 과비슷한경향을보이지만좀더북서쪽으로치우쳐일본내륙을직접적으로관통하는진로를나타낸다. C5 는 140 o E 이동에서발생하여일본동쪽의먼해양을통과하여북동쪽으로이동하는경로를나타낸다. C6 는열대해역동쪽에서발생하여북서진하는저위도이동경로를나타낸다. 본연구에서는연구기간동안에자료가적었던군집 C5 와 C6 을제외한 4 개의군집에대해서강도예측성능을평가하였다. 분석결과, 전구모델중에는 TEPS 와 GFS 그리고지 한국기상학회대기제 26 권 1 호 (2016)

15 오유정 문일주 김성훈 이우정 강기룡 15 Fig. 6. Six track patterns over the western North Pacific during the TC season for the period of 1982 based on the Fuzzy c-mean clustering method. The thick lines represent the mean tracks of each cluster. Numbers represent the sampling number of each cluster. 역모델중에는 HWRF 가모든군집에서상위그룹에속하는예측성능을보여주었다. UM 과 KEPS 는모든군집에서하위그룹의성능을보였다. 특정경로의군집에서만좋은성능을보이는모델도있었다. JGSM 은 C2, NOGAPS 는 C3, 그리고 UM_R 은 C4 에서상위그룹의좋은성능을보였다. 평균적으로가장오차가큰진로군집은 C3 이었고가장오차가작은진로형태는 C1 이었다. 수치모델들의해역별예측성능을비교하기위해 48 h 최대풍속의절대오차를경위도 10 o 간격으로구간을나누어분석하였다 (Fig. 7). 분석결과, 대부분의모델 들은태풍이가장많이발생하고발달하는지역 (10~ 20 o N, 130~140 o E) 에서오차가가장컸다. 또한대부분저위도지역에서모델의오차가크고위도가높아질수록오차가작아지는경향이보인다. 이것은고위도해역에서대부분의태풍은약화되는경향이있어강도예측이상대적으로쉽고저위도에서는일반적으로태풍이강하게발달하기때문에강도에비례하여오차도커지기때문에발생하는현상으로사료된다. 해역별로성능차이가많이나는모델은 UM, ECMWF, KEPS 등이며, 반대로해역별차이가적은모델은 NOGAPS, TWRF, HWRF 등으로나타났다. Atmosphere, Vol. 26, No. 1. (2016)

16 16 북서태평양 태풍 강도 가이던스 모델 성능평가 Fig. 7. Spatial distributions of MAE averaged over 10o 10o grid for MWS predicted from 11 guidance models at the lead time of 48 h during 요약 및 결론 본 연구에서는 2008년부터 2014년까지(집중분석은 2013년 기간 동안) 북서태평양에서 발생한 태풍 에 대해 국가태풍센터에서 가이던스 모델로 사용하고 있는 11개 태풍 수치모델들의 강도 예측성능을 예보 시간, 강도, 급격한 강도변화, 월, 년, 해역, 이동경로, 그리고 한반도 영향태풍의 경우로 나누어 평가하였다. 또한 현업 이용 시에 참고할 수 있도록 분석 항목마 다 모델의 성능을 순위로 나타내었고, 모델 정확도에 따라 상위, 평균, 하위 그룹으로 나누어 분석하였다. 72시간까지 모든 예보시간에 대한 최대풍속의 절대 한국기상학회 대기 제26권 1호 (2016) 오차 평가에서는 HWRF, GFS, TEPS가 상위그룹의 성 능을 보였다. HWRF는 태풍전용지역모델, GFS는 전 구모델, 그리고 TEPS는 앙상블모델인 점을 고려하면, 이 결과는 최근 태풍강도 예측기술이 다양한 형태로 발달하고 있음을 시사한다. HWRF는 최근 고해상도, 물리과정 모수화 개선, 자료동화 향상 등으로 모델의 자체 성능이 개선되었을 뿐 아니라 HWRF 모델에 초 기 및 경계 값을 제공하는 GFS 모델의 성능이 개선 되어 그 정확도가 더욱 향상된 것으로 사료된다. 실제 로 GFS는 11개의 가이던스 모델 중에 최근 들어 가 장 크게 성능이 개선된 모델 중에 하나로 평가되었다. 한편, 태풍경로의 예측성능이 뛰어난 것으로 알려진

17 오유정 문일주 김성훈 이우정 강기룡 17 ECMWF 는강도오차평가에서는 11 개의가이던스모델중에하위그룹의성능을보였다. 우리나라기상청모델인 UM 과 KEPS 도하위그룹에속하였다. 예보시간별로성능을자세히비교해보면초기시간에서는일본의두모델인 JGSM 과 TEPS 가다른모델과큰차이로최대풍속과중심기압모두가장좋은예측성능을보였다. 이것은도쿄지역특별기상센터의자료를생산하는일본에서이자료를초기장의자료동화에사용한결과로사료된다. 그러나이두모델은예보시간이길어질수록오차가크게증가하는경향을보였다. TWRF 와 KWRF 는초기시간의오차는컸지만예보시간이길어질수록성능이좋아진모델로분류된다. 이러한모델들은향후자료동화를이용한초기값개선이이루어지면전체적인예측성능이향상될것으로사료된다. 태풍의중심기압예측성능에대한평가는최대풍속의결과와대부분유사하게나타났지만일부모델들은다르게나타났다. NOGAPS 와 GFS 는최대풍속에비해중심기압의예측정확도는상대적으로매우낮았고, 반면 ECMWF 는최대풍속평가에서전예보시간에서하위그룹에속했지만중심기압평가에서는초기시간 (0 h) 을제외한모든예보시간에서상위그룹에속하였다. UM_R 과 KWRF 도최대풍속에비해중심기압예측성능이우수한모델로평가된다. 이러한결과는모델별로태풍의강도예측성능이우수한항목을선택한후에이것을중심기압과최대풍속관계식을사용하여변환하여태풍강도를예측하는것이더좋은결과를얻을수있음을시사한다. 연도별로가이던스모델들의 48 h 최대풍속예측성능변화를살펴보면, NOGAPS 와 GFS 는지속적인성능개선이이루어지고있는반면 JGSM, ECMWF, UM, KEPS 는성능향상이거의없거나오히려더나빠지는경향을보인다. 이결과는향후앙상블또는컨센서스기법연구에서장기자료를사용하는것보다최근자료만을사용하는것이그리고성능개선이큰모델들을더비중있게고려하는것이예측성능을높일수있음을의미한다. 태풍강도별평가에서는약한태풍 (weak 급 ) 의경우 TEPS, JGSM, GFS 와같은전구모델의성능이태풍전용모델이나지역모델에비해우세하였지만, 강한태풍의경우 (strong 또는 very strong 급 ) 태풍전용모델인 HWRF 와고해상도지역모델인 KWRF 가특히좋은성능을보였다. 이것은강한태풍의경우공간해상도와태풍전용물리과정및역학과정도입등이강도예측성능을결정하는주요요인으로작용함을나타낸다. 태풍이급격히강화또는약화되는경우에대한평가에서는대부분급격하게강화되는경우보다약화되는경우에오차가더낮았다. 이것은대부분의모델 들이태풍강도를과소모의하고있는것과관련이깊다. 전구모델중에는 GFS 그리고지역모델중에는 HWRF 가급격한강도의강화와약화를모두잘예측하는모델로평가되었다. UM_R 는급격한약화의경우그리고 ECMWF 와 KWRF 는급격한강화의경우에만상위그룹의좋은성능을보였다. 태풍의강도변화값예측결과에대한평가에서는강도의절대값 ( 즉최대풍속 ) 을예측한결과와대부분유사하게나타났다. 그러나 JGSM 의경우최대풍속절대값예측에서는좋은성능을보였지만, 변화값에대한평가에서는성능이좋지않았다. 이것은앞서언급한바와같이 JGSM 모델의경우초기값의정확도는높았지만태풍강도변화를예측하는능력은떨어져나타난결과로사료된다. 이결과는컨센서스예측에서모델별로다양한특성을살린기술개발이필요함을시사한다. 한반도에영향을미친태풍에대한성능평가는전체태풍에대한결과와유사하게나타났다. 즉, 전체태풍에대한평가에서상위그룹에속한 HWRF 와 GFS 는한반도영향태풍들도가장잘예측하였고전체평가에서성능이좋지않았던 UM, ECMWF, KEPS 는여기에서도하위그룹에속했다. 태풍이동경로에따라 6 개군집으로나누어성능을평가한결과에서도 HWRF 와 GFS 가거의모든군집에서상위그룹에속하였다. 이것은성능이우수한모델의경우진로에따라성능차이가크지않음을나타낸다. 월별평가결과에서도전체예측성능이우수한 HWRF, GFS, TEPS 는계절에관계없이좋은성능을보였다. 이러한결과는 DYTRAP 과같이태풍의이동경로별로우수한모델을선택하여앙상블계산에이용하는방법이실제적으로크게효과가없음을시사한다. 해역별모델오차분석에서는대부분의모델들이태풍이많이발생하는저위도열대해역에서오차가크고위도가높아질수록오차가작아지는경향을보였다. 이것은위도별평균태풍강도차이와고위도에서일관성있게나타나는태풍약화경향때문에발생한것으로사료된다. 본연구에서는다양한평가지표와분류방법을이용하여태풍가이던스모델의예측성능을비교 평가하였다. 본분석결과는현업태풍예측에서가이던스모델의예측결과를사용할때중요한기초자료로활용될수있다. 또한이러한성능평가결과는향후앙상블및컨센서스기법연구있어서도모델개발과검증에필수적인자료로사용될수있다. 감사의글 이논문은 2015 학년도제주대학교학술진흥연구비 Atmosphere, Vol. 26, No. 1. (2016)

18 18 북서태평양태풍강도가이던스모델성능평가 지원사업에의하여연구되었습니다. REFERENCES Choi, E. S., and I. J. Moon, 2008: The variation of extreme values in the precipitation and wind speed during 56 years in korea. Atmosphere, 18, DeMaria, M., M. Mainelli, L. K. Shay, J. A. Knaff, and J. Kaplan, 2005: Further improvements to the statistical hurricane intensity prediction scheme (SHIPS). Wea. Forecasting, 20, Elsberry, R. L., 2014: Advances in research and forecasting of tropical cyclones from 1963~2013. Asia-Pac. J. Atmos. Sci., 50, Kim, H. S., J. H. Kim, C. H. Ho, and P. S. Chu, 2011: Pattern classification of typhoon tracks using the fuzzy c-means clustering method. J. Climate, 24, Knaff, J., C. R. Sampson, and M. DeMaria, 2005: An operational statistical typhoon intensity prediction scheme for the western north pacific. Wea. Forecasting, 20, Lee, D. K., D. E. Jang, and T. K. Wee, 1992: Typhoons approaching korea, 1960~1989. Part I: Statistics and synoptic overview. Atmosphere, 28, Lee, J. W., S. W. Lee, S. O. Han, S. J. Lee, and D. E. Jang, 2011: The impact of satellite observations on the UM- 4DVar analysis and prediction system at KMA. Atmosphere, 21, Lee, Y. J., H. J. Kwon, and D. C. Joo, 2011: Dynamic database typhoon track prediction (DYTRAP). Atmosphere, 21, Nakagawa, M., 2009: Outline of the high resolution global model at the japan meteorological agency. RSMC Tokyo-Typhoon Center Technical Rev., 11, National Centers for Environmental Prediction (NCEP), 2003: The GFS atmospheric model. NCEP Office Note 442, NCEP Modeling Center, 14 pp. National Emergency Management Agency (NEMA), 2011: Annual Disaster Report, NEMA, 986 pp. National Typhoon Center-Korea Meteorological Administration (NTC-KMA), 2011: Typhoon white book. NTC-KMA, 342 pp., 2013: Analysis report for the affecting typhoons to korea peninsula (2013). NTC-KMA, 120 pp., 2014: Analysis report for the affecting typhoons to korea peninsula (2014). NTC-KMA, 83 pp. Park, S. Y., S.-W. Joo, H. C. Shin, and J. Y. Cho, 2008: Coupling of typhoon bogusing for KMA WRF. Proc. Spring Meeting of KMS, 2008, Rogers, R., and Coauthors, 2006: The intensity forecasting experiment : A NOAA mutiyear field program for improving tropical cyclone intensity forecasts. Bull. Amer. Meteor. Soc., 87, Simiu, E., and R. H. Scanlan, 1978: Wind effects on structures: an introduction to wind engineering. Wiley- Interscience, 458 pp. Vijay, T., and HWRF Team, 2014: Overview of the NCEP Operational HWRF modeling system. Joint EMC/ DTC HWRF Tutorial, 47 pp. Yamaguchi, M., and T. Komori, 2009: Outline of the typhoon ensemble prediction system at the japan meteorological agency. RSMC Tokyo-Typhoon Center Technical Rev., 11, , T. Nakazawa, and K. Aonashi, 2012: Tropical cyclone track forecasts using JMA model with ECMWF and JMA initial conditions. Geophys. Res. Lett., 39, doi: /2012gl 한국기상학회대기제 26 권 1 호 (2016)