Atmosphere. Korean Meteorological Society Vol. 25, No. 2 (2015) pp. 353-366 http://dx.doi.org/10.14191/atmos.2015.25.2.353 pissn 1598-3560 eissn 2288-3266 기술노트 (Technical Note) 접합대순환모형의초기조건생산방법에따른북반구겨울철기온과해수면온도의계절예측성비교연구 안중배 이준리 * 부산대학교지구환경시스템학부 ( 접수일 : 2015 년 1 월 20 일, 수정일 : 2015 년 2 월 12 일, 게재확정일 : 2015 년 2 월 25 일 ) Comparative Study on the Seasonal Predictability Dependency of Boreal Winter 2m Temperature and Sea Surface Temperature on CGCM Initial Conditions Joong-Bae Ahn and Joonlee Lee* Division of Earth Environmental System, Pusan National University, Busan, Korea (Manuscript received 20 January 2015; revised 12 February 2015; accepted 25 February 2015) Abstract The impact of land and ocean initial condition on coupled general circulation model seasonal predictability is assessed in this study. The CGCM used here is Pusan National University Couple General Circulation Model (PNU CGCM). The seasonal predictability of the surface air temperature and ocean potential temperature for boreal winter are evaluated with 4 different experiments which are combinations of 2 types of land initial conditions (AMI and CMI) and 2 types of ocean initial conditions (DA and noda). EXP1 is the experiment using climatological land initial condition and ocean initial condition to which the data assimilation technique is not applied. EXP2 is same with EXP1 but used ocean data assimilation applied ocean initial condition. EXP3 is same with EXP1 but AMIP-type land initial condition is used for this experiment. EXP4 is the experiment using the AMIP-type land initial condition and data assimilated ocean initial condition. By comparing these 4 experiments, it is revealed that the impact of data assimilated ocean initial is dominant compared to AMIP-type land initial condition for seasonal predictability of CGCM. The spatial and temporal patterns of EXP2 and EXP4 to which the data assimilation technique is applied were improved compared to the others (EXP1 and EXP3) in boreal winter 2m temperature and sea surface temperature prediction. Key words: AMIP, data assimilation, CGCM, initial condition 1. 서론 접합대순환모형 (Coupled General Circulation Model, CGCM) 은지구시스템내에서일어나는기후를이해하고장기기후를예측하기위한주요한수단이다 (IPCC, 1990). 하지만자연의혼돈적성질로인해모형의예측결과는아직까지많은불확실성을지니고있다 *Corresponding Author: SJoonlee Lee, Division of Earth Environmental System, Pusan National University, Busandaehak-ro 63beon-gil, Geumjeong-gu, Busan 609-735, Korea. Phone : +82-51-514-1932, Fax : +82-51-514-1932 E-mail : leejl@pusan.ac.kr (Charney, 1951; Lorenz, 1963; IPCC, 2007). 만약모형이기후의물리 역학적과정을완벽하게표현한다해도초기및경계조건에서오는불확실성으로인해모형의예측성능에는한계가있다. 선행연구들은모형의예측결과에불확실성을줄이기위해모형의해상도를조밀하게만들거나 (e.g., Guilyardi et al., 2004), 모형내의물리적과정에대한모수화 (parameterization) 를개선하였다 (e.g., Gregory et al., 2000; Collins et al., 2001; Kiehl and Gent, 2004). 초기조건에대한불확실성을줄이기위한다른방안으로는초기조건에섭동을주거나 (Houtekamer and Derome, 1995; Stensrud et al., 2000) 모델의초기시간 (Lu et al., 2007) 및물 353
354 접합대순환모형의초기조건생산방법에따른북반구겨울철기온과해수면온도의계절예측성비교연구 리적과정 (Stensrud et al., 1999) 을다르게해다수의앙상블멤버를구성하는앙상블방법이있다. 모형의예측성을개선하기위한또하나의방안으로는모형에제공되는초기조건을통계및역학적방법을이용하여더욱현실적으로초기화하여모형에제공하는방법이있다 (Alves et al., 2004; Balmaseda and Anderson, 2009). 세계여러현업기관 (operational center) 에서도계절예측성을향상시키기위하여모델의물리적과정과해상도를개선하는것외에도접합대순환모형초기조건의질을향상시켜모형의예측성을개선하고있다 (e.g., Wang et al., 2001; Palmer et al., 2004; Saha et al., 2006; Molteni et al., 2011; Kim et al., 2012; Saha et al., 2014). 세계현업기관중하나인 NCEP (National Centers for Environmental Prediction) 에서운영중인 NCEP CFSv2 (Climate Forecast System Version 2) 의경우대기 - 지면 - 해양 - 해빙에초기조건을자료동화방법을이용하여초기화시켜계절예측성능을개선하였을뿐만아니라자료동화에들어가는재분석자료를대기 - 해양 - 빙 - 지면이결합된재분석자료 (Climate Forecast System Reanalysis, CFSR) 로새롭게만들어개선시켜서계절예측성능을향상시키고있다 (Saha et al., 2010, 2014). 본연구에서는접합대순환모형초기조건가운데지면초기조건과해양초기조건생산방법에따른북반구겨울철기온과해수면온도예측성능을살펴보고자하였다. 접합대순환모형의지면초기조건생성방법에는단순히재분석자료와기후값을넣어주는방법과 AMIP type 적분을통해만드는방법, 그리고 GLACE (Global Land-Atmosphere Coupling Experiment) 에사용된실험설계와같이 land surface 모형을 offline 형식으로적분하여지면초기조건으로사용하는방법등이있다 (Gates, 1992; Koster et al., 2009; Wang et al., 2009; Sun and Ahn, 2014). 특히 GLACE 는 11 개의유수기관들의모형들을통해토양수분의초기화가지표변수인기온과강수의 sub-seasonal (2-month) 예측성에영향미친다는것을보였다 (Koster et al., 2011). AMIP type 의적분을이용한방법은 Atmospheric General Circulation Model (AGCM) 에관측된경계장 (e.g., 해수면온도 ) 을넣어주면서대기와지면이상호작용하면서연속적으로적분을수행하는것으로 NCEP 등에서운영하는역학적계절예측시스템방안으로사용한바있다 (Ji et al., 1998). 본연구에서는 AMIPtype 적분결과를이용하여바로사용했을때와기후값으로생성하여사용했을때에계절예측성이미치는영향을보고자하였다. 해양초기조건의경우자료동화유무에따른계절예측성변화를살펴보고자하였다. 자료동화방법은초기조건의개선을위한효과적인방법으로활발히 연구되었다. 앞에서언급되었지만, 최근현업기관에서는자료동화방법을이용하여대기 - 지면 - 해양 - 해빙까지사용되고있다. 자료동화는관측과모형자료를결합하는방법으로관측과유사하면서모형의기후에동화된분석장을생산하는방법이다. 자료동화에는 Kalman Filter, optimal interpolation, adjoint-based inverse technique, three-dimensional variational data assimilation (3DVAR), for-dimensional variational data assimilation (4DVAR) 등다양한방법이있다 (e.g., Ghil and Malanotte-Rizzoli, 1991; Wunsch, 1996; Bennett, 2002; Dommenget et al., 2004; Wikle and Berliner, 2007; Yang et al., 2009). 본연구에서는변분법의하나인필터를이용한변분법 (Variational Analysis using a Filter, VAF) 을자료동화방법으로사용하였다. 해수면만자료동화하여적분한결과보다는표면아래까지자료동화한결과가 ENSO 발달과정을더잘모의한다는선행연구를바탕으로 (Alves et al., 2004), 해양의전체층에대하여자료동화를수행하였다. 대기초기조건의경우 AMIP-type 적분에서얻은정보를사용하면모델이열대지역계절안변동성 (tropical intraseasonal variability) 을잘모의하지못한다는선행연구의결과에따라 (e.g., Reichler and Roads, 1999; Kessler and Kleeman, 2000; Hendon et al., 2007; Shi et al., 2009) 재분석자료를초기조건으로사용하되, 이초기조건에서발생하는모델내에충격을피하기위해하루의 spin-up 을수행하였다 (Anderson and Ploshay, 2000). 보다자세한방법에대한설명은 2 장에서설명하였다. 2. 자료및연구방법 2.1 모형설명본연구에사용된모형은 PNU CGCM (Pusan National University Coupled general circulation model) 이다 (Sun and Ahn, 2011, 2014). Asia-Pacific Economic Cooperation (APEC) Climate Center (APCC) 의장기예측을위한다중모델앙상블 (Multi-model Ensemble) 시스템에참여한모형인 PNU CGCM 은 NCEP Community Climate Model version 3 (CCM3 T42, Kiehl et al., 1996; Hurrel et al., 1998) AGCM, GFDL Modular Ocean Model version 3 (MOM3, Pacanowski and Griffies, 1998) OGCM, Los Alamos National Laboratory (LANL) Elastic-Viscous-Plastic (EVP) Sea-Ice Model (Ahn et al., 2001) 로구성된다 (http://www.apcc21.net/eng/html/ hapcc030001.html). 대기성분모형인 CCM3 는 2.8125 o 의수평해상도를가지고있으며, 연직으로는 18 층으로구성되어있다. 해양성분모형인 MOM3 는대기성분모형과같은 2.8125 o 의경도방향의수평해상도를가지고있으며, 위도방향으로는조밀한가변격자 한국기상학회대기제 25 권 2 호 (2015)
Table 1. Component models and resolution of the PNU CGCM. Component model Resolution 안중배 이준리 355 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, Ahn et al., 2001) Horizontal Vertical Atmosphere Land Ocean Sea-ice Spectral truncation T42 2.8125 o longitude, ~0.7 o (low lat.), ~1.4 o (mid lat) and ~2.8 o (high lat) latitude Atmosphere 18 hybrid sigma-pressure levels (top : 2.917mb) Land 6 levels Ocean 40 levels (top : 10 m, bottom : 5258 m) Sea-ice 3 levels Fig. 1. Schematic diagram of PNU CGCM ensemble system. (30 o 아래의저위도에서는 0.7 o, 30 o ~60 o 사이의중위도에서는 1.4 o, 60 o 이상의고위도에서는 2.8 o 이고연직은 40 층으로구성되어있다. PNU CGCM 에대한설명은 Table 1 에나타내었다. 모델검증을위한관측자료로는 National Centers for Environmental Prediction and the National Center for Atmospheric Research (NCEP/NCAR) 에서제공하는 updated reanalysis2 를사용하였다 (Kanamitsu et al., 2002). 이자료에서사용된변수는기온 (2m air temperature, T2m) 과토양수분 (soil moisture) 이며, T63 gaussian grid (192 94) 의격자자료이다. 또한경도와위도방향의수평해상도가 1.0 를가진 Hadley Centre Sea Surface Temperature (HadISST, SST) 자료도분석을위해사용하였다 (Rayner et al., 2003). 해양내부의수온분포비교에는 NCEP 에서제공하는전구해양자료동화시스템 (Global Ocean Data Assimilation System, GODAS) 자료를사용하였다 (Behringer et al., 1998). 본연구에서는초기조건에따른모형의불확실성을줄이기위하여앙상블예보를사용하였다 (Fig. 1). 앙상블예보는서로다른초기조건들에의해초기화된앙상블들을평균하여초기조건이가지는오차에서기인된예측의불확실성들을줄일수있는방법으로알려져있다 (Kharin et al., 2001). 앙상블멤버를만들기위해사용한방법은시간지연방법 (time lag method) 이다. ECMWF 의 extended range prediction 에사용된이방법은초기조건의시간을다르게하여앙상블멤버를만드는방법으로, 효과적으로앙상블멤버를만들어초기조건에불확실성을줄이는방법이다 (Branković et al., 1990). 본연구에서는시간지연방법을이용하여대기, 지면, 해양등 CGCM 초기조건에대하여각각 3 개 (10 월의 10, 13, 16 일 ) 의앙상블멤버를만들었다. 여기서각앙상블멤버들은동일한초기조건시간들끼리수행되었으며, 최종적으로각멤버들의결 Atmosphere, Vol. 25, No. 2. (2015)
356 접합대순환모형의초기조건생산방법에따른북반구겨울철기온과해수면온도의계절예측성비교연구 Fig. 2. Soil moisture climatology of a) NCEP reanalysis2, differences of b) CMI and c) AMI from NCEP reanalysis2 climatology, difference between d) CMI and AMI. 한국기상학회대기제 25 권 2 호 (2015)
안중배 이준리 357 Fig. 3. Timeseries of global mean soil moisture of OCT land initial condition per every year from a) CMI and b) AMI in each level. 과를 simple composite method (SCM)을 이용하여 평 균한 후 그 결과의 예측성을 비교하였다. Figure 1과 같이 매 해의 10월 중순(해당되는 앙상블 멤버 날짜) 에 모형의 적분을 시작하였고, 모형의 적분 lead time 은 5개월(October to February)이다. 1980년부터 2011 년까지 총 32년의 자료를 생산하였으며, 각 lead time (month) 및 겨울철(DJF) 기온과 해수면 온도 예측성 을 분석하였다. 2.2 지면 및 대기 초기장 생산 본 연구에서는 접합대순환모형의 지면 초기조건 생 산을 위하여 AMIP-type 적분을 이용하였다. AMIPtype 적분은 대기 모형에 관측된 대기 상태를 처음 한 번만 초기조건으로 입력하고 관측된 SST를 경계조건 으로 하여 연속적으로 적분을 수행하는 것이다. 즉, 경계조건으로 주어진 관측된 해양정보에 따라 모형 내에서의 대기 및 지면 상태가 동화되도록 한다. 본 연구에서는 지면 초기조건 생산을 위해 PNU CGCM 의 대기 성분 모형인 CCM3를 사용하였으며, 1978년 9월 재분석 자료 초기조건 및 경계조건을 이용하여 2012년까지 적분을 이어왔다. 지면 초기조건에 따른 예측성 비교를 위해 AMIP-type 적분 결과를 바로 사 용한 경우와 AMIP-type 적분 결과의 기후값을 사용 한 경우로 나누어서 실험하였다. 여기에서의 기후값 은 32년간에(1980~2011) 10월의 평균값이다. 간단히 표현하기 위하여 AMIP-type 적분으로 만든 지면 초 기조건을 AMI, 기후값으로 만든 지면 초기조건을 CMI 라 하였다. 대기 초기장의 경우 AMIP-type 적분 결과를 사용 하면 열대지역 계절안 변동성을 잘 모의하지 못한다 는 선행연구를 바탕으로 NCEP updated reanalysis2 재 분석자료를 초기조건으로 사용하되, 적분과정에서 발 생하는 모델 내의 충격을 피하기 위해 대기성분모형 (CCM3)을 이용하여 하루의 spin-up을 수행하였다. 이 때 대기 변수와 지면 변수 사이에 균형을 맞추기 위 해 지면 초기조건도 함께 넣어 spin-up을 수행하였다. 예를 들어 2000년 10월 16일의 접합대순환모형의 대 기와 지면초기조건을 만들기 위한 대기성분모형(CCM3) 적분의 초기조건으로 AMI은 AMIP-type 적분 결과 중 2000년 10월 15일 자료를 사용하였고, CMI는 10월 Atmosphere, Vol. 25, No. 2. (2015)
358 접합대순환모형의초기조건생산방법에따른북반구겨울철기온과해수면온도의계절예측성비교연구 Fig. 4. Temporal correlation coefficient maps of SST between observation and a) noda, b) DA OCT ocean initial conditions. The values at the top left of each figure (a~b) are the global mean TCC. 기후값을사용하였다. 대기초기조건의경우 2000 년 10 월 15 일재분석자료를이용하였으며, 하루의 spinup 적분을수행하여 2000 년 10 월 16 일지면과대기초기조건을만들었다. 즉, 접합대순환모형의입력자료로는최종적으로하루 spin-up 으로생성된지면과대기초기조건이사용되었다. Figure 2 는재분석자료와 AMI, CMI 으로생성된접합대순환모형의 10 월지면초기장의최상의층 (10 cm) 토양수분의기후값및기후값차이분포를나타낸것이다. AMI 와 CMI 의최상의층토양수분기후값은재분석자료의차이가서로유사하게나타났다 (Figures 2b 와 c). 즉, 남아메리카, 캐나다북동쪽, 중국등과같은지역에서토양수분이재분석자료에비해많이나타나고있으며미국과카자흐스탄등지역에서는토양수분이적게나타나는등공간적패턴이유사하게나타났다. Figure 2d 는 CMI 와 AMI 의토양수분차이를나타낸그림으로, CMI 는 AMI 에비하여적도를포함한북위 30 o N 까지토양수분을많이나타 내고있으며 30 o N 이상되는유라시아대륙에서는토양수분을적게나타내고있다. CMI 이 AMI 의기후값으로만들어졌음에도불구하고이러한토양수분차이를보이는이유는최종적으로생상된접합모형의지면초기조건이 CCM3 에서대기초기조건과함께하루의 spin-up 을통해얻어진결과이기때문이다. Figure 3 는 Fig. 2 에서나타낸토양수분의전구평균값을각지면층별로나타낸시계열이다. CMI 는 10~20 cm 를제외하고나머지층에서는시간에따른변동성이나타나지않고일정한결과를보지만, AMI 의경우 10 cm 의최상의층에서 320 cm 의최하층까지토양수분의변동성이나타난다. 이는 CMI 의경우지면초기조건을기후값을이용하여하루의 spin-up 으로만들었기때문에, 지면최상층에만변동이있을뿐하층에는그대로기후값이사용되었음을나타낸다. 반면 AMI 지면초기조건은연속적으로적분된자료로생성된초기조건이기때문에 CMI 와는달리모든지면층에서시간에대한변동성이나타나고있다. 하지 한국기상학회대기제 25 권 2 호 (2015)
안중배 이준리 359 만 AMIP-type 적분은관측된 SST 를경계조건으로하여연속적으로적분을수행하기때문에, 내륙깊은곳, 고위도등대기 - 해양상호작용, 원격상관에의한영향이미치지않는곳에서의지면초기조건은초기화효과를크게기대하기힘든한계가있다. 2.3 해양초기장생산본연구에서는최적화된접합대순환모형해양초기조건생산을위하여자료동화방법을이용하였다. 여기서의자료동화방법으로는변분법의하나인필터를이용한변분법 (Variational Analysis using a Filter, VAF) 을선택하였다 (Huang, 2000; Ahn et al., 2005; Ahn et al., 2012b). 이는관측과모형의비용함수를고려한방법으로, 비용함수가최저가되는점의가중치를사용해모형과관측을동화시켜준다. 해양초기조건이가지고있는 40 층에대하여자료동화를적용하였으며, 자료동화에사용되는해양초기조건내에변수는해양온위 (potential sea temperature) 와염도 (salinity) 이다. 간단히표현하기위해자료동화가적용된초기조건을 DA, 적용되지않는경우를 noda 이라고하였다. 자료동화를위해사용된재분석자료는계절예측에실시간적용하기위하여자료의업로드가빠른전구해양자료동화시스템 (GODAS) 자료이다. Figure 4 는 SST 에대하여재분석자료 (GODAS) 와각해양초기조건 (noda 와 DA) 들간에시간상관 (Temporal correlation coefficient, TCC) 를나타낸것으로 90% 이상신뢰구간에유의한점들에색칠을하였다. 이는자료동화전후의해양초기조건정확도를확인해보기위한것으로 noda 는면적평균 (0 o ~360 o E, Table 2. Model experiments. Experiment Land initial condition Ocean initial condition EXP1 CMI noda EXP2 CMI DA EXP3 AMI noda EXP4 AMI DA 60 o S~60 o N) 값이 0.40 인반면, DA 해양초기조건은 0.96 이었다. 이는자료동화후해양초기조건이자료동화전보다모든영역에대하여재분석자료 (GODAS) 와매우높은시간상관성을보임을알수있다. 3. 실험결과 본연구에서는초기조건생산방법에의한북반구겨울철예측성차이를보기위하여, Table 2 와같이실험을 4 가지로나누어서수행하였다. 각실험은 CMI 와 noda 초기조건을이용한경우 (EXP1) 와 CMI 와 DA 초기조건을사용한 (EXP2) 경우, AMI 와 noda 를초기조건으로이용한경우 (EXP3) 와 AMI 와 DA 를초기조건으로사용한경우 (EXP4) 로분류된다. 이렇게분류된 4 가지초기조건을이용하여 PNU CGCM 에나타나는북반구겨울철 (DJF) 예측성을비교하였다. 분석변수는 T2m 와 SST 이고, 분석기간은 1980~2011 년 32 년이다. 본연구에서는아래와같이평균부분과편차부분으로분류하여분석을편차부분을이용하여분석하였다. 이는평균을제거함으로써모형이가지는 Fig. 5. Global mean temporal correlation coefficient for T2m and SST with respect to lead time (month). The blue, green, black and red lines denote EXP1, EXP2, EXP3 and EXP4 respectively. Atmosphere, Vol. 25, No. 2. (2015)
360 접합대순환모형의초기조건생산방법에따른북반구겨울철기온과해수면온도의계절예측성비교연구 Fig. 6. Temporal correlation coefficients map (a~d) and zonal mean TCC (e) (0 o ~360 o E) of T2m between observation and each experiments for boreal winter (DJF, lead2-4). The values at the top left of each figure (a~d) are the global mean TCC. The blue, green, black and red lines denote EXP1, EXP2, EXP3 and EXP4 respectively. 계통적오차 (systematic bias) 를손쉽게제거할수있기때문이다 (Ahn et al., 2012a). Figure 5 는 T2m 와 SST 의 lead time (month) 에따른 TCC 면적평균 (0 o ~360 o E, 50 o S~50 o N) 값을나타낸것이다. 파란색, 녹색, 검정색, 빨간색은순서대로 EXP1, EXP2, EXP3, EXP4 의결과이다. 두변수모두자료동화가적용된 EXP2 와 EXP4 의결과가적용되지않은 EXP1 과 EXP3 에비하여높은 TCC 를나타낸다. 반면 CMI 와 AMI 를사용한 EXP1 (EXP2) 과 EXP3 (EXP4) 결과차이는두변수모두큰차이가없지만, SST 보다는 T2m 에서 lead time (month) 이길어줄수록 CMI 와 AMI 의 TCC 차이가조금씩증가했다. T2m 의경우자료동화가적용되지않은실험에서는 10 월까지 (lead0) TCC 가 90% 신뢰구간에유의하였고, 자료동화가적용된실험에서 12 월까지 (lead0-2) TCC 가유의하였다. SST 는자료동화가적용됨에따라 11 월 (lead0-1) 에서 1 월까지 (lead0-3) 90% 신뢰구간에유의한 TCC 의 lead time (month) 이늘어났다. 보다상세 한국기상학회대기제 25 권 2 호 (2015)
안중배 이준리 361 Fig. 7. Same as in Fig. 6, but for SST. 히살펴보기위하여 Figs. 6 과 7 에서는 T2m 와 SST 의각실험별북반구겨울철 (DJF) 에따른 TCC 공간패턴과동서평균값을나타내었다. 각그림에왼쪽상단에위치한값은면적평균 (0 o ~360 o E, 60 o S~60 o N) 값으로, T2m 의경우자료동화를적용한 EXP2 와 EXP4 가 0.24, 0.25 로자료동화를적용하지않은 EXP1 와 EXP3 에비하여약 0.06~0.08 증가됨을보였다. 반면 AMI 와 CMI 같이지면초기조건차이로인한 TCC 의값차이는 0.01 정도로나타났다. SST 의경우에도자료동화적용여부에따라 TCC 의차이가 0.08 이났으며, 지면초기조건차이에따라서는면적평균값으로는그 차이가나타나지않을만큼작았다. 이는지면초기조건보다는해양초기조건이지배적으로계절예측성능에영향을미치는것을알수있다. 이러한결과는지면초기조건의영향은적분이시작되고급격하게감소하여 30 일지난뒤에는 SST 의영향이크게미친다는선행연구와일치한다 (Chen et al., 2010). 위도에따라각초기조건들이미치는영향을보기위하여 Figs. 6e 와 7e 에 TCC 동서평균값 (0 o ~360 o E) 을나타냈다. 위도에따라서지면과해양초기장의영향에따른계절예측성능이조금씩달랐는데, T2m 의경우적도와저위도 (30 o S~30 o N) 에서자료동화에따른 Atmosphere, Vol. 25, No. 2. (2015)
362 접합대순환모형의초기조건생산방법에따른북반구겨울철기온과해수면온도의계절예측성비교연구 Fig. 8. Same as in Fig. 7, but for vertical cross sections and zonal mean (120 o ~270 o E) of potential sea temperature for the section from 5 o S to 5 o N. 계절예측성능증가가크게나타났으며고위도 (60 o N 이상 ) 에서는자료동화로인한예측성능증가가크게 나타나지않았다. 오히려고위도북반구의경우 AMIP 과 noda 초기조건을사용한 EXP3 실험이다른실험 한국기상학회대기제 25 권 2 호 (2015)
안중배 이준리 363 Fig. 9. a) Taylor diagram and b) PCC-RMSE scatter plot of T2m (triangle) and SST (circle) for boreal winter (DJF, lead2-4) from 50 o S to 50 o N. The blue, green, black and red colors denote EXP1, EXP2, EXP3 and EXP4 respectively. 들에비하여높은 TCC 를보였다. SST 의경우적도및저위도에서는 T2m 와유사한결과를보이지만, 고위도에서는 T2m 와달리 4 개의모든실험결과들이큰차이없이유사하게나타났다. 해수면외에도해양의하층을살펴보기위하여, Fig. 8 에서각층에대한북반구겨울철 (DJF) 해수온도의 TCC 를살펴보았다. 이그림은위도방향으로평균 (5 o S~5 o N) 된그림으로, 적도태평양의예측성을연직구조로나타내었다. 이지역은 Hadley circulation 의 upward branch 이자, ENSO 현상이나타나는곳으로지구전체대기순환에영향을미치는중요한지역이다. 자료동화가적용되지않은실험들 (EXP1, EXP3) 은적도동태평양이 0~200 m 까지재분석자료와높은예측성을보임에도불구하고서태평양에는낮은예측성을보인다. 반면자료동화가적용된실험들 (EXP2, EXP4) 은동태평양지역뿐만아니라서태평양지역에서도 0~200 m 까지재분석자료와매우높은상관성을보이고있다. 특히 100~200 m 사이에서자료동화를적용함에따라예측성향상이크게나타났다. 각실험별수심에따른해수온도의 TCC 를보기위하여 Fig. 8e 에동서평균값 (120 o ~270 o E) 을수심에대하여나타내었다. 모든실험에서해수면에서약 100 아래까지는 TCC 가증가하다가, 그뒤로는감소하는형태를보인다. 초기조건에따른영향을살펴보면해수면분석과마찬가지로, 자료동화에따라계절예측성향상이크게나타났으며, AMI 와 CMI 등지면초기조건의영향은해수면근처에서약간의차이가있을뿐하층으로내려갈수록그차이는거의나타나지않 았다. Figure 9 의경우북반구겨울철 (DJF) T2m( 세모 ) 와 SST( 원 ) 의 Taylor diagram 과 Pattern correlation coefficient (PCC) 와 Root Mean Square Error (RMSE) 의 scatter plot 을나타내었다. 파란색, 녹색, 검정색, 빨간색은순서대로 EXP1, EXP2, EXP3, EXP4 의결과이다. 여기서나타내는값들 (TCC, RMSE, PCC, normalized standard deviation (NSTD)) 은각각 0 o ~ 360 o E, 50 o S~50 o N 에해당하는영역에대하여면적평균된값이다. Taylor diagram 은 NSTD 과 TCC 를함께나타낸그림으로, NSTD 는모형의변동성에서관측의변동성을나눈것으로 REF (1) 에가까울수록관측과변동성이같음을의미한다. PCC 의경우재분석자료와의공간적상관성을나타내는것으로 1 에가까울수록재분석자료와유사함을의미하며, RMSE 는재분석자료와의차이를나타내는값으로 0 에가까울수록재분석자료와유사하다. NSTD 의경우자료동화를적용하지않은초기조건을사용한결과에서는재분석자료에비해높은변동성을보였지만, 자료동화를적용한초기조건을사용한실험은재분석자료와유사한변동성을보였다. 그뿐만이아니라자료동화가적용된초기조건을사용한실험들 (EXP2, EXP4) 은그렇지않은실험들 (EXP1, EXP3) 에비해 TCC 와 PCC 는증가되었으며, RMSE 는감소하였다. 특히 PCC 의경우같은자료동화를사용한결과임에도불구하고 T2m 에서지면초기조건에따라 EXP4 실험이 EXP2 실험보다높은값을보였다. 하지만 SST 에서는이러한차이가보이진않았다. T2m 의 PCC 를제외하고 AMI 와 Atmosphere, Vol. 25, No. 2. (2015)
364 접합대순환모형의초기조건생산방법에따른북반구겨울철기온과해수면온도의계절예측성비교연구 CMI 를비교할경우지면초기조건이계절예측에미치는영향은해양자료동화의효과에비해크게나타나지않았다. 4. 요약및결론 본연구에서는접합대순환모형의지면과해양초기조건의생산방법에따라계절예측성에미치는효과를살펴보았다. 지면초기장의경우 AMIP-type 적분을통해연속적으로지면정보를생산하여초기조건내에있는모든지면층간에연속성및일관성을유지하도록한후, 만들어진 AMIP-type 적분결과를직접적으로사용할때와기후값을사용할때로분류하였다. 해양초기장의경우관측과자료동화기법 (DA) 을이용하여모든수심에서관측과시공간적패턴이유사하도록만든초기조건과자료동화가적용되지않은초기조건으로분류하였다. 초기조건에따른예측성을비교하기위해사용한접합대순환모형은 PNU CGCM 이다. 자료의기간은 32 년이며 (1980~2011), 매해 10 월에적분을시작하였다. 여기서 lead time (month) 은 5 개월 (October to February) 이고, 분석변수는 T2m, SST 이다. 두변수모두자료동화가적용된초기조건을사용한실험 (EXP2, EXP4) 이자료동화가적용되지않은초기조건을사용한실험 (EXP1, EXP3) 보다 TCC 의영역평균 (0 o ~360 o E, 60 o S~60 o N) 값이북반구겨울철 (DJF) 에대하여향상됨을보였다. 특히공간적으로는적도태평양에서 TCC 의향상이크게나타났다. 반면 AMI 과 CMI 과같이지면초기조건에따른실험들간에예측성차이는크게나타나지않았다. 해수온도를연직적으로살펴보면자료동화가적용된초기조건을사용한실험 (EXP2, EXP4) 은 noda 실험 (EXP1, EXP3) 에비해 0~200 m 까지의적도동태평양부근의예측성이개선된것으로나타났다. NSTD 와 TCC 를나타내는 Taylor diagram 와 PCC-RMSE scatter plot 를분석해본결과자료동화를적용한초기조건을사용한실험 (EXP2, EXP4) 이그렇지않은실험 (EXP1, EXP3) 에비해높은예측성을보였으며, 지면초기조건에따라서는예측성의차이가크게나타나지않았다. 해양자료동화와 AMIP-type 지면초기자료가계절예측성에미치는영향을종합해보면, 대부분의영향은지면의초기조건변화보다는자료동화로인한해양초기조건개선에서오는영향이지배적임을알수있었다. 하지만본연구에서사용된지면초기조건은 AMIP-type 적분을통해생산된반면해양초기조건의경우재분석자료를이용해초기화되었기때문에, 재분석자료로초기화된해양초기조건과 AMIP-type 적분으로생성된지면초기조건이미치는계절예측성을동등하게비교하기엔한계가있다. 위도별로초 기조건에따른예측성능의향상정도가다르게나타났는데, 적도를포함한저위도지역에서는자료동화에따른예측성향상이크게나타나는반면, 고위도에서는그영향이크게나타나지않았다. 위도에따른예측성향상차이는많은요인이있겠지만그중하나는자료동화에서사용된재분석자료 (GODAS) 가위도 74.5 o S~64.5 o N 영역으로제한적이기때문이다. 즉, 재분석으로인해자료동화가수행된초기조건영역은 74.5 o S~64.5 o N 이기때문에그이상의고도에서는계절예측성증가효과가크게나타나지않은것으로보인다. 지면초기조건에따른계절예측성은 4 개의실험모두에서차이가작게나타났지만, 자료동화를사용한해양초기조건과 AMI 지면초기조건으로실험된 EXP4 결과가가장좋은북반구겨울철예측성능을보였다. 감사의글 이논문은부산대학교자유과제학술연구비 (2 년 ) 에의해서연구되었습니다. REFERENCES Ahn, J. B., and J. A. Lee, 2001: Numerical study on the role of sea-ice using ocean gerneral cirulation model. J. Korean Soc. Oceanogr., 6, 225-233., J. L. Lee, and E. S. Im, 2012(a): The reproducibility of surface air temperature over South Korea using dynamical downscaling and statistical correction. J. Meteor. Soc. Japan, 90, 493-507., S. B. Lee, and S. B. Ryoo, 2012(b): Development of 12-month ensemble prediction system using PNU CGCM V1.1. Atmos. Korean Meteor. Soc., 22, 455-464., Y. H. Yoon, E. H. Cho, and H. R. Oh, 2005: A study of global ocean data assimilation using VAF. J. Korean. Soc. Oceanogr., 10, 69-78. Alves, O., M. A. Balmaseda, D. Anderson, and T. Stockdale, 2004: Sensitivity of dynamical seasonal forecasts to ocean initial conditions. Quart. J. Roy. Meteor. Soc., 130, 647-667. Anderson, J. L., and J. J. Ploshay, 2000: Impact of initial conditions on seasonal simulations with an atmospheric general circulation model. Quart. J. Roy. Meteor. Soc., 126, 2241-2264. Balmaseda, M., and D. Anderson, 2009: Impact of initialization strategies and observations on seasonal forecast skill. Geophys. Res. Lett., 36, L01701, doi:10.1029/ 2008GL035561. 한국기상학회대기제 25 권 2 호 (2015)
안중배 이준리 365 Behringer, D. W., M. Ji, and A. Leetmaa, 1998: An improved coupled model for ENSO prediction and implications for ocean initialization. Part I: The ocean data assimilation system. Mon. Wea., Rev., 126, 1013-1021. Bennett, A. F., 2002: Inverse modeling of the ocean and atmosphere, Cambridge University Press. 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, 1307-1326. Branković, Č., T. N. Palmer, F. Molteni, S. Tibaldi, and U. Cubasch, 1990 : Extended?range predictions with ECMWF models: Time?lagged ensemble forecasting. Quart. J. Roy. Meteor. Soc., 116, 867-912. Charney, J. G., 1951: Dynamical forecasting by numerical process. Compendium of Meteorology, T. F. Malone, Ed., Amer. Meteor. Soc., 470-482. Chen, M., W. Wang, and A. Kumar, 2010: Prediction of monthly-mean temperature: The roles of atmospheric and land initial conditions and sea surface temperature. J. Climate, 23, 717-725. Collins, M., S. F. B. Tett, and C. Cooper, 2001: The internal climate variability of HadCM3, a version of the Hadley Centre coupled model without flux adjustments. Clim. Dynam., 17, 61-81. Dommenget, D., and D. Stammer, 2004: Assessing ENSO simulations and predictions using adjoint ocean state estimation. J. Climate, 17, 4301-4315. Gates, W. L., 1992: AMIP: The atmospheric model intercomparison project. Bull. Amer. Meteor. Soc., 73, 1962-1970. Ghil, M., and P. Malanotte-Rizzoli, 1991: Data assimilation in meteorology and oceanography. Adv. Geophys., 33, 141-266. Gregory, D., and Coauthors, 2000: Revision of convection, radiation and cloud schemes in the ECMWF Integrated Forecasting System. Quart. J. Roy. Meteor. Soc., 126, 1685-1710. Guilyardi, E., and Coauthors, 2004: Representing El Niño in coupled ocean-atmosphere GCMs: the dominant role of the atmospheric component. J. Climate, 17, 4623-4629. Hendon, H. H., M. C. Wheeler, and C. Zhang, 2007: Seasonal dependence of the MJO-ENSO relationship. J. Climate, 20, 531-543. Houtekamer, P. L., and J. Derome, 1995 : Methods for ensemble prediction. Mon. Wea. Rev., 123, 2181-2196. Huang, X. Y., 2000: Variational analysis using spatial filters. Mon. Wea. Rev., 128, 2588-2600. Hurrel, J., J. J. Hack, B. A. Boville, D. Williamson, and J. T. Kiehl, 1998: The dynamical simulation of the NCAR Community Climate Model version 3 (CCM3). J. Climate, 11, 1207-1236. IPCC, 1990: Climate Change: The IPCC Scientific Assessment Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge., 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?Kingdomand New York, NY, USA, 634, 647, 793-795. Ji, M., D. W. Behringer, and A. Leetmaa, 1998 : An improved coupled model for ENSO prediction and implications for ocean initialization. Part II : The coupled model. Mon. Wea. Rev., 126, 1022-1034. Kanamitsu, M., W. Ebisuzaki, J. Woollen, S. K. Yang, J. J. Hnilo, M. Fiorino, and G. L. Potter, 2002: NCEP- DEO AMIP-II Reanalysis (R-2). Bull. Amer. Meteor. Soc., 83, 1631-1643. Kessler, W. S., and R. Kleeman, 2000: Rectification of the Madden-Julian oscillation into the ENSO cycle. J. Climate, 13, 3560-3575. Kharin, V. V., F. W. Zwiers, and N. Gagnon, 2001: Skill of seasonal hindcasts as a function of the ensemble size. Clim. Dynam., 17, 835-843. Kiehl, J. T., and P. R. Gent, 2004: The community climate system model, version 2. J. Climate, 17, 3666-3682., 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. Kim, H. M., P. J. Webster, and J. A. Curry, 2012: Seasonal prediction skill of ECMWF System 4 and NCEP CFSv2 retrospective forecast for the Northern Hemisphere Winter. Clim. Dynam., 39, 2957-2973. Koster, R. D., and Coauthors, 2010: Contribution of land surface initialization to subseasonal forecast skill: First results from a multi-model experiment. Geophys. Res. Lett., 37., and, 2011: The second phase of the global land-atmosphere coupling experiment: soil moisture contributions to subseasonal forecast skill. J. Hydro- Atmosphere, Vol. 25, No. 2. (2015)
366 접합대순환모형의초기조건생산방법에따른북반구겨울철기온과해수면온도의계절예측성비교연구 meteor., 12, 805-822. Lorenz, E. N., 1963: Deterministic nonperiodic flow. J. Atmos. Sci., 20, 130-148. Lu, C., H. Yuan, B. E. Schwartz, and S. G. Benjamin, 2007: Short-range numerical weather prediction using time-lagged ensembles. Wea. Forecasting, 22, 580-595. Molteni, F., and Coauthors, 2011: The new ECMWF seasonal forecast system (System 4). ECMWF Technical Memorandum 656. Pacanowski, R. C., and S. M. Griffies, 1998: MOM 3.0 Manual. NOAA/Geophysical Fluid Dynamics Laboratory, Princeton, USA 08542. Palmer, T., and Coauthors, 2004: Development of a European multimodel ensemble system for seasonal-tointerannual prediction (DEME-TER). Bull. Amer. Meteor. Soc., 85, 853-872. Rayner, N. A., D. E. Parker, E. B. Horton, C. K. Folland, L. V. Alexander, D. P. Rowell, E. C. Kent, and A. Kaplan, 2003: Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century. J. Geophys. Res., 108, No. D14, 4407. Reichler, T. J., and J. O. Roads, 1999: The role of boundary and initial conditions for dynamical seasonal predictability. Nonlinear Proc. Geophys., 10, 211-232. Saha, S., and Coauthors, 2006: The NCEP Climate Forecast Sys-tem. J. Climate, 19, 3483-3517., and Coauthors, 2010: The NCEP Climate Forecast System Reanalysis. Bull. Amer. Meteor. Soc., 91, 1015-1057., and and Coauthors, 2014: The NCEP climate forecast system version 2. J Climate, 27, 2185-2208. Shi, L., O. Alves, H. H. Hendon, G. Wang, and D. Anderson, 2009: The role of stochastic forcing in ensemble forecasts of the 1997/98 El Nino. J. Climate, 22, 2526-2540. Stensrud, D. J., H. E. Brooks, J. Dun, M. S. Tracton, and E. Rogers, 1999: Using ensembles for short-range forecasting. Mon. Wea. Rev., 127, 433-446., J. W. Bao, and T. T. Warner, 2000: Using initial condition and model physics perturbations in shortrange ensemble simulations of mesoscale convective systems. Mon. Wea. Rev., 128, 2077-2107. 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, 1049-1055. Sun, J., and J. B. Ahn, 2015: Dynamical seasonal predictability of the Arctic Oscillation using a CGCM. Int. J. Climatol., 35, 1342-1353. Wang, B., J. Y. Lee, and I. S. Kang, 2009: Advance and prospectus of seasonal prediction: assessment of the APCC/CliPAS 14-model ensemble retrospective seasonal prediction (1980 2004). Clim. Dynam., 33, 93-117. Wang, G., R. Kleeman, N. Smith, and F. Tseitkin, 2001: The BMRC coupled general circulation model ENSO forecast system. Mon. Wea. Rev., 130, 975-991. Wunsch, C., 1996: The Ocean Circulation Inverse Problem. Cambridge University Press. Wikle, C. K., and L. M. Berliner, 2007: A Bayesian tutorial for data assimilation. Physica D., 230, 1-16. Yang, S. C., M. Corazza, A. Carrassi, E. Kalnay, and T. Miyoshi, 2009: Comparison of local ensemble transform Kalman filter, 3DVAR, and 4DVAR in a quasigeostrophic model. Mon. Wea. Rev., 137, 693-709. 한국기상학회대기제 25 권 2 호 (2015)