Atmosphere. Korean Meteorological Society Vol. 27, No. 1 (2017) pp. 93-104 https://doi.org/10.14191/atmos.2017.27.1.093 pissn 1598-3560 eissn 2288-3266 연구논문 (Article) 수반모델에기반한관측영향진단법을이용하여동아시아지역의단기예보에 AMSU-A 자료동화가미치는영향분석 김성민 김현미 * 연세대학교대기과학과대기예측성및자료동화연구실 ( 접수일 : 2016 년 12 월 20 일, 수정일 : 2017 년 3 월 15 일, 게재확정일 : 2017 년 3 월 15 일 ) Adjoint-Based Observation Impact of Advanced Microwave Sounding Unit-A (AMSU-A) on the Short-Range Forecast in East Asia Sung-Min Kim and Hyun Mee Kim* Atmospheric Predictability and Data Assimilation Laboratory, Department of Atmospheric Sciences, Yonsei University, Seoul, Korea (Manuscript received 20 December 2016; revised 15 March 2017; accepted 15 March 2017) Abstract The effect of Advanced Microwave Sounding Unit-A (AMSU-A) observations on the short-range forecast in East Asia (EA) was investigated for the Northern Hemispheric (NH) summer and winter months, using the Forecast Sensitivity to Observations (FSO) method. For both periods, the contribution of radiosonde (TEMP) to the EA forecast was largest, followed by AIRCRAFT, AMSU-A, Infrared Atmospheric Sounding Interferometer (IASI), and the atmospheric motion vector of Communication, Ocean and Meteorological Satellite (COMS) or Multi-functional Transport Satellite (MTSAT). The contribution of AMSU-A sensor was largely originated from the NOAA 19, NOAA 18, and MetOp-A (NOAA 19 and 18) satellites in the NH summer (winter). The contribution of AMSU-A sensor on the MetOp-A (NOAA 18 and 19) satellites was large at 00 and 12 UTC (06 and 18 UTC) analysis times, which was associated with the scanning track of four satellites. The MetOp-A provided the radiance data over the Korea Peninsula in the morning (08:00~11:30 LST), which was important to the morning forecast. In the NH summer, the channel 5 observations on MetOp-A, NOAA 18, 19 along the seaside (along the ridge of the subtropical high) increased (decreased) the forecast error slightly (largely). In the NH winter, the channel 8 observations on NOAA 18 (NOAA 15 and MetOp-A) over the Eastern China (Tibetan Plateau) decreased (increased) the forecast error. The FSO provides useful information on the effect of each AMSU-A sensor on the EA forecasts, which leads guidance to better use of AMSU-A observations for EA regional numerical weather prediction. Key words: Forecast Sensitivity to Observations (FSO), observation impact, AMSU-A, East Asia regional forecast *Corresponding Author: Hyun Mee Kim, Department of Atmospheric Sciences, Yonsei University, 50 Yonsei-ro, Seodaemun-gu, Seoul 03722, Korea. Phone: +82-2-2123-5683, Fax: +82-2-2123-5163 E-mail: khm@yonsei.ac.kr 93
94 수반모델에기반한관측영향진단법을이용하여동아시아지역의단기예보에 AMSU-A 자료동화가미치는영향분석 1. 서론 자료동화시스템에서는배경값과관측값사이의차이를최소화시키는분석값을추정하기위해서다수의관측종을수치모델의단기예보결과와동화하고있다. 최근들어서는전천후대기연직구조탐측기 (Advanced Microwave Sounding Unit-A, AMSU-A; Microwave Humidity Sounder, MHS; High-resolution Infrared Sounder, HIRS; Atmospheric Infrared Sounder, AIRS; Infrared Atmospheric Sounding Interferometer, IASI; Cross-track Infrared Sounder, CrIS; Global Positioning System Radio Occultation, GPSRO), 적외영상과가시영상을이용하여산출한대기운동벡터관측 (Kidder and Vonder Haar, 1995; Salonen and Bormann, 2011; Kim et al., 2017) 을수치모델의단기예보결과와동화하여수치예측성능을크게높이고있다. 수치모델의단기예보결과와동화되는관측종들중 AMSU-A 복사관측자료는전지구의전천후대기온도연직구조에대한정보를제공하기때문에수치예측의성능향상에매우중요한관측종이다. Liu et al. (2012) 에서는 Weather Research and Forecasting (WRF) 모델의단기예보결과와라디오존데, 항공기, 대기운동벡터, 지표및해양관측종을동화시킨분석값을만들고, 위의관측종에덧붙여 AMSU-A 복사관측자료까지포함해서동화한새로운분석값을만들어, 각각의분석값으로부터 2008 년 8 월 11 일부터 9 월 13 일사이에대서양에서발생한 5 개의사이클론에대해 36 시간예보를수행하였다. 각각의분석값으로부터수치적분된 36 시간예측경로를비교한결과, AMSU-A 복사관측자료가동화된분석값으로부터적분된 36 시간예보가 AMSU-A 복사관측자료가동화되지않은분석값으로부터적분된 36 시간예보보다태풍경로오차가평균 16% 가량작았다. 이와같이일정한관측자료의집합을동화하여생성한분석값으로부터적분된예보값과위집합으로부터관심있는관측종을빼거나더해만든새로운분석값으로부터적분된예보값의차이로부터단일관측종이예보에미치는영향 (i.e., 관측영향 ) 을추정하는방법을 Observation System Experiments (OSEs) 라고한다. OSEs 는관측영향을진단하려는관측종이많아질수록계산비용이급격하게증가한다. 특히, AMSU-A 복사관측자료와같이많은채널을가진위성자료의경우, OSEs 를이용하여위성관측채널의영향을추정하기에는현실적으로감당하기어려운계산비용이필요하다. 또한 OSEs 는관심있는관측종을빼거나더해주는과정동안배경값과관측값간의가중치정보가변하기때문에, 예측에대한각각의관측종의영향을독립적으로추정할수 없다는방법론적한계를가지고있다. OSEs 의한계를극복하기위하여비교적최근에제시된수반모델에기반한관측민감도 (Forecast sensitivity to observations: FSO) 진단법또는관측영향진단법을이용하면, 단기예보에대한관측영향을단시간내에독립적으로산출할수있다 (Kim et al., 2013; Jung et al., 2013; Kim and Kim, 2014, Kim et al., 2017). 이방법은수십만개의위성자료의관측영향을준현업과비슷한속도로계산하기때문에, 어떤종류또는채널의위성자료가수치예측성능향상에도움이되는지를효율적으로판단하게해준다 (Cardinali, 2009; Gelaro and Zhu, 2009; Gelaro et al., 2010; Joo et al., 2013; Jung et al., 2013; Lorenc and Marriott, 2014; Kim and Kim, 2014; Kim, 2016). 수반모델에기반한관측민감도진단법이가진장점에도불구하고, 이방법에서사용하는선형가정때문에중, 장기예측에대한관측영향을산출하는데는어느정도한계가있다. 관측민감도진단법을이용하여관측영향을살펴본최근연구에서는 AMSU-A 복사관측자료가전지구예측에대한기여도가가장크다고알려져있다 (Cardinali, 2009; Gelaro and Zhu, 2009; Gelaro et al., 2010; Joo et al., 2013; Lorenc and Marriott, 2014; Kim and Kim, 2014; Kim, 2016). 또한 AMSU-A 복사관측자료는 2008 년태풍시즌의동아시아와북서태평양지역의날씨예측에있어서도관측자료들중가장큰영향을보인바있다 (Jung et al., 2013). 하지만동아시아지역에서는수치예측에대한기여도가컸던일부위성 (NOAA 16, 17) 의수명이다하였고, 극동시베리아지역에서의지표라디오존데관측망이이전보다성기게변하였기때문에, AMSU-A 복사자료의관측영향에대한보다세밀한연구가필요하다. 따라서, 이연구에서는 4 개의 Advanced Television Infrared Observation Satellite (TIROS) Operational Vertical Sounder (ATOVS) 위성 (NOAA 15, 18, 19, MetOp-A) 에탑재된 AMSU-A 복사관측자료가동아시아수치예측에미치는영향을위성별, 채널별, 계절별로살펴보았다. 2 장에서는방법을, 3 장에서는 AMSU-A 복사관측자료를포함한여러종의관측영향에대한결과를제시하고, 결론과요약은 4 장에제시하였다. 2. 방법 2.1 관측영향이연구에서사용한수반모델기반의관측민감도계산방법은기상청전지구통합모델의관측민감도계산방법과동일하다. 기상청전지구통합모델의관측민감도계산방법에대한보다상세한수식전개 한국기상학회대기제 27 권 1 호 (2017)
김성민 김현미 95 Fig. 1. The ratio of ATOVS AMSU-A radiance observations among the total observations assimilated for (a)-(d) NOAA 15, (e)-(h) NOAA 18, (j)-(l) NOAA 19, and (m)-(p) MetOp-A. The first, second, third, and forth columns are the ratio at 00, 06, 12, and 18 UTC analysis, respectively. To calculate the observation impact in the black box (25-50 No, 100-150, 100-150 Eo) in East Asia, the observations over the grey box (15-60 No, 85-165 Eo) is considered. 는 Lorenc and Marriott (2014), Joo et al. (2013), Kim and Kim (2014)에 소개되어 있다. 예보오차(x f xt: 예측 값과 참 값의 차이)는 건조 에너지 norm을 이용하여 아래 식 (1)과 같이 표현될 수 있다. f T T f e = ( x xt ) P CP( x xt ) 2 2 2 1 1 ρg 2 = ------------------- --- ρu' + ρv' + -----------θ' 2 2 Mdomain 2 θ N 1 2 + -------2- ' dxdydη, ρc (1) 여기서 Mdomain는 모델 영역 내 공기의 질량, N2는 부 력 진동수의 제곱 상수, g와 c는 각각 중력 가속도와 음속 상수이다. 또한 ρ, u', v', θ', p'는 각각 공기 밀 도와 수평 바람, 온위, 기압의 예보오차이다. C는 건 조 에너지 norm이고, 예보오차는 지역 투영 행렬(P) 을 사용함으로써 관심 있는 특정 지역에서만 계산할 수 있다. AMSU-A 복사관측은 온도와 관련이 있고 습도와는 관련이 없기 때문에 건조 에너지 norm을 사 용하였다. 이 연구에서는 모델 상층 경계 근처에 쌓 이는 수치 계산 상의 노이즈를 고려하지 않기 위해서, Gelaro et al. (2010)과 Lorenc and Marriott (2014)의 실험 설계와 동일하게 지표면부터 150 hpa까지에서만 식 (1)을 계산하였다. 또한 수평적으로는 북위 25-50o 와 동경 100-150o에 해당하는 동아시아 지역에서 발 생하는 예보오차만을 고려하였다(Fig. 1의 검은 박스). 참 값(xt)은 알 수 없으므로, 기상청 전지구 통합모델 의 4차원 변분자료동화 시스템에서 산출되는 분석 값 (xa)을 참 값으로 사용하였다. 비선형 예보오차 감소량은 관측을 동화하기 이전과 동화한 이후에 계산되는 예보오차 에너지의 변화량을 의미한다. 분석 값에서 적분된 예보의 오차 (xfa xt)t PTCP(xfa xt)와 배경 값에서 적분된 예보의 오차 (xfb xt)tptcp(xfb xt) 간의 차이로 계산되며 아래 식 (2)와 같다. δe = (xfa xt)tptcp(xfa xt) δe = (xfb xt)tptcp(xfb xt). (2) 전지구 통합모델에서 관측 민감도를 계산할 때는 비선형 모델에서 모의되는 구름 수상체(수증기, 구름 물, 구름 얼음)들을 단일 수상체(물)로 단순화하고 좀 더 낮은 해상도로 내삽하여 xfa xt와 xfb xt를 계산 하는데 각각을 δwtfa와 δwtfb로 표현한다(Lorenc and Atmosphere, Vol. 27, No. 1. (2017)
96 수반모델에기반한관측영향진단법을이용하여동아시아지역의단기예보에 AMSU-A 자료동화가미치는영향분석 Marriott, 2014). 그러면식 (2) 는아래식 (3) 과같이표현된다. δe = ( δw t ) T P T fa fb CP( δw t + δwt ) = ( δw t ) T -------- δe (3) δw t, 여기서 δe/w t 는 δw t (= δw fa t δw fb t ) 에대한예보오차감소량의미분값이다. 식 (3) 을관측공간에서표현하기위해서, δw t 는관측증분 (δy) 에대한테일러전개를사용하여아래식 (4) 와같이근사될수있다 (Joo et al., 2013). δw t = M[ x b + K( δy) ] M[ x b ] MKδy, (4) 여기서 M과 K는비선형수치모델과확장칼만게인 (extended Kalman gain) 이고 x b 는배경값이며, M와 K는각각섭동예보모델과 K의선형연산자이다. 식 (4) 를식 (3) 에대입하면, 예보오차감소량을아래식 (5) 와같이관측공간에서근사할수있다. δe ( MKδy) T fa fb C( δw t + δwt ). (5) 식 (5) 를관측영향이라하며, 관측영향은수치모델에동화된관측값마다독립적으로산출된다. 또한 δe/ δy =(MK) T C(δw t fa + δw t fb ) 는예측의관측에대한민감도 ( 즉관측민감도 ) 라고한다. 관측영향을산출할때사용되는섭동예보모델은비선형모델의예보궤적을따라서선형화되는데, 사용할수있는예보궤적으로는배경값에서적분된예보궤적, 분석값에서적분된예보궤적, 두예보궤적사이의평균궤적이있다. 전지구통합모델에서는평균궤적을따라서선형화된섭동예보모델을이용할때산출되는총관측영향이비선형예보오차감소량을가장가깝게근사하므로 (Lorenc and Marriott, 2014), 식 (5) 와같이평균궤적을따라관측영향을계산한다. 2.2 AMSU-A 복사관측자료네개의극궤도위성 (NOAA 15, 18, 19, MetOp- A) 에탑재된 AMSU-A 센서는전지구의대기연직구조를수시간이내에관측할수있다. 이런이유로 AMSU-A 센서는대기의특성을연구하기에매우유용하다 (Liu et al., 2012). Figure 1 은연구기간중 00, 06, 12, 18 UTC 에기상청 4 차원변분자료동화시스템에동화된총관측수중 AMSU-A 복사관측수비율의수평분포로, AMSU-A 센서가탑재된극궤도위성들의스캔경로를나타낸다. AMSU-A 는 1445 km 의스캔폭을갖는스캔경로 1~3 개로동아시아지역을관측한다. 동화되는 AMSU-A 복사관측자료비율의수평분포는 AMSU-A 복사관측이동화되는분석시점에따라두가지분포로구분할수있는데, 하나는 00 과 12 UTC 에동화된관측 ( 주로 NOAA 15 와 MetOp-A 위성의관측자료 ) 의수평분포 (Figs. 1a, c, e, g, i, k, m, o) 이고, 다른하나는 06 과 18 UTC 에동화된관측 ( 주로 NOAA 18 과 19 위성의관측자료 ) 의수평분포 (Figs. 1b, d, f, h, j, l, n, p) 이다. 즉 AMSU- A 의두가지관측분포는네개의극궤도위성이동아시아를지나는스캔위치와관련이있다. 이연구에서는 1 차원변분법 (Rodgers, 1990) 을이용하여청천지역과구름지역에서의 AMSU-A 4-14 번채널을품질검사한후대기의연직자료를복원하는데, 위성에탑재된 AMSU-A 성능에따라몇몇채널은블랙리스팅되어사용되지않았다. World Meteorological Organization (WMO) 의권고에따라 NOAA 15 에서는 4, 6, 11-14 번채널이, NOAA 19 에서는 8 번채널이, MetOp-A 에서는 7 번채널이블랙리스팅되었다. 또한구름의영향을받는복사관측 (AMSU-A 1, 2 번채널 ) 을사용하여모델에서분석되는구름장을개선하였는데, 이로인해서구름지역에있는 AMSU-A 5 번채널관측일부를추가로동화할수있게되었다 (English et al., 2007). 3. 결과 3.1 동아시아예측에대한동아시아지역의관측영향통계동아시아지역 ( 북위 25-50 o, 동경 100-150 o ) 의기상예측은풍상측의영향을크게받는다. 이연구에서예보오차감소량은북위 25-50 o, 동경 100-150 o (Fig. 1 의검은박스 ) 에해당하는지역에서계산하였고, 예보오차감소량에대한관측영향은예보오차를계산한지역의풍상측을포함하여북위 15-60 o, 동경 85-165 o (Fig. 1 의회색박스 ) 에해당하는지역에서산출하였다. 관측영향은북반구여름철 (2011 년 6, 7, 8 월 ) 과북반구겨울철 (2011 년 12 월, 2012 년 1, 2 월 ) 동안 6 시간간격의모든분석시점에서산출하여, 계절별로통계치를계산하였다. 관측영향진단법을이용하여관측영향을살펴본이전연구 (e.g., Cardinali, 2009; Gelaro and Zhu, 2009; Gelaro et al., 2010; Jung et al., 2013; Kim and Kim, 2014) 와마찬가지로기상청전지구통합모델시스템에서도 AMSU-A 복사관측이전지구예보오차를가장많이감소시키는데, AMSU-A 관측에의한전지구예보오차감소량 (AMSU-A 관측영향 ) 은겨울반구중위도지역해양상공에주로위치하고있다 (Kim, 2016). 반면에, 동아시아지역의예보오차감소에가장많은기여를한관측종은계절에관계없이라디오존데 (TEMP) 관측으로나타났다. 다른관측들의영향은계절별로다르게나타났는데, 여름에는 AIRCRAFT, AMSU-A, IASI 가뒤따랐고, 겨울에는 AIRCRAFT, 한국기상학회대기제 27 권 1 호 (2017)
김성민 김현미 97 Fig. 2. (a) Total impact of observations and (b) fraction of beneficial observations for the NH summer months (grey bar) and NH winter months (black bar). The dark gray error bar in (a) represents 95% confidence interval considering realistic correlated sampling error in Kim and Kim (2014). AMSU-A, 천리안위성 (Communication, Ocean and Meteorological Satellite: COMS) 의대기운동벡터가뒤따랐다. TEMP 관측은중국화북, 화동, 화중, 화남지역과한반도및일본지역에조밀하게분포하며, 중국서북과서남및몽고지역은 TEMP 관측이거의없는공백지역이다. 동아시아기상현상에중요한종관시스템중하나인중위도기압골은중국화북지역을서에서동으로지나는데중위도기압골의이동경로에는 TEMP 및 AIRCRAFT 관측이조밀하게분포되어있다. 중위도기압골의이동경로의 TEMP, AIRCRAFT, AMSU-A 관측은대부분예보오차를감소시킨다. 반면, TEMP 및 AIRCRAFT 관측공백지역인티베트고원과해양을관측하는관측종은거의대부분이 AMSU-A 자료이다. TEMP 관측망은 AIRCRAFT 관측망보다더균질하기때문에동아시아예보오차감소에있어서 TEMP 관측이 AIRCRAFT 관측보다더큰기여를한다. 한편, 티베트고원에서 AMSU-A 자료의이로운관측비율은 50% 이하이기때문에티베트고원상공의 AMSU-A 자료중절반이상은동아시아의예보오차를증가시킨다. 이때문에동아시아예보오차감소에대한 AMSU-A 관측의기여도는 TEMP 및 AIRCRAFT 관측의기여도보다작다. 관측의기여도순위는현실적인표본오차를포함하여계산한 95% 신뢰구간 (Kim and Kim, 2014) 에서살펴보았을때변동이없었다 (Fig. 2a). 이로운관측비율은 50% 가조금넘게나타났다 (Fig. 2b). 예측 에도움이되는이로운관측비율이약절반으로나타나는것은관측오차, 분석오차, 배경오차공분산의성장모드 (Lorenc and Marriott, 2014) 와표본오차 (Kim and Kim, 2014) 로부터기인한다. 동아시아예보오차감소에기여를많이한상위 4 개의관측종 ( 여름철 : TEMP, AIRCRAFT, AMSU-A, IASI; 겨울철 : TEMP, AIRCRAFT, AMSU-A, COMS) 의관측영향의합은총관측영향의 87% 를차지한다. 동아시아예보오차감소에가장많이기여한 TEMP 와두번째로많이기여한 AIRCRAFT 의관측영향은계절별차이가크지않다. 한편 2011 년 12 월 1 일부터자료동화에사용되기시작한천리안위성의대기운동벡터를제외하면, 계절별로관측영향의차이가가장크게발생하는관측종은 AMSU-A 이다. 3.2 AMSU-A 관측영향 AMSU-A 관측은계절별, 위성별, 채널별로관측영향이매우다르기때문에각각의요소별로전반적인관측영향을살펴보고자한다. NOAA 15, 18, 19, MetOp-A ATOVS 위성에서관측하는 AMSU-A 복사관측자료중동아시아예보오차감소에가장많이기여한복사관측자료는계절에관계없이 NOAA 19 AMSU-A 였다 (Fig. 3a). 그다음으로는, 여름에는 MetOp-A AMSU-A, NOAA 18 AMSU-A, NOAA 15 AMSU-A 가뒤따랐고, 겨울에는 NOAA 18 AMSU-A 와 NOAA 15 AMSU-A 가뒤따랐다 (Fig. 3a). MetOp- A AMSU-A 복사관측자료는겨울철동아시아지역 Atmosphere, Vol. 27, No. 1. (2017)
98 수반모델에기반한관측영향진단법을이용하여동아시아지역의단기예보에 AMSU-A 자료동화가미치는영향분석 Fig. 3. Time-averaged statistics (J kg 1 day 1, mean and 95% confidence interval considering realistic sampling error) stratified by ATOVS sounder-type satellite observations assimilated in the analysis: (a) total observation impact and (b) mean observation impact in the NH summer months (grey bar) and the NH winter months (black bar) in East Asia region. (c) Time-averaged statistics stratified by MetOp-A AMSU-A channels assimilated in the analysis for the total observation impact in the NH summer months (grey bar) and the NH winter months (black bar) in East Asia region. 예측에도움이되지못했으며 (Fig. 3a), MetOp-A AMSU-A 의평균관측영향 ( 총관측영향 / 동화된관측의수 ) 은계절적변동성이컸는데 (Fig. 3b), 그원인을파악하기위해동아시아예보오차감소량에대한 MetOp-A AMSU-A 복사관측자료의기여도를 Fig. 3c 에서계절별, 채널별로살펴보았다. MetOp-A AMSU- A 복사관측중 5, 6, 8, 9 번채널은여름철동아시아지역의예보오차를많이감소시켰으나, 겨울철동아시아지역의예보오차는 5 번과 6 번채널에의해서만감소되었다. 그리고 MetOp-A AMSU-A 8, 9 번채널은겨울철동아시아지역의예보오차를증가시켰다 (Fig. 3c). 가중함수의최대값이성층권에위치한 10-14 번채널은동아시아지역예측에대해서아주작은기여를하였는데 (Fig. 3c), 이것은 MetOp-A AMSU-A 10-14 번채널이동아시아예측에중요하지않다는것을의미하는것은아니다. 왜냐하면이연구에서는이전연구들과마찬가지로모델상단에쌓이는수치계산상의노이즈를고려하지않기위해예보오차를연직으로지표면부터 150 hpa 까지만계산했기때문이다. 예보오차를 150-50 hpa 에서계산하여관측영향을계산하였을때는 MetOp-A AMSU-A 10-14 번채널의기 여도가다른채널 (5, 6, 8, 9 번채널 ) 의기여도보다더크게나타났다 (not shown). AMSU-A 센서가탑재된네개의위성이동아시아지역을지나는시간은모두다르다. 00 과 12 UTC 에동화되는동아시아지역 AMSU-A 복사관측자료의대부분을관측하는위성은 NOAA 15 와 MetOp-A 위성이며, 06 과 18 UTC 에동화되는동아시아지역 AMSU-A 복사관측자료의대부분을관측하는위성은 NOAA 18 과 NOAA 19 위성이다 (Fig. 1). 따라서동아시아지역의예보오차감소량에대한 AMSU-A 복사관측자료의기여도를, 00 과 12 UTC 에동화된 AMSU-A 복사관측자료와 06 과 18 UTC 에동화된 AMSU-A 복사관측자료로나누어위성별로분석하였다. 또한한반도낯시간예보에중요한역할을하는 MetOp-A 위성의 AMSU-A 복사관측자료의기여도를계절별, 채널별로분석하였다. 00 과 12 UTC 에동화된 AMSU-A 복사관측자료중 MetOp-A 위성관측자료가동아시아지역의예보오차감소에가장크게기여하였고 (Figs. 4a, b), 06 과 12 UTC 에동화된 AMSU-A 복사관측자료중에는 NOAA 18 과 19 위성관측자료의기여가가장컸다 (Figs. 4c, d). 동아 한국기상학회대기제 27 권 1 호 (2017)
김성민 김현미 99 Fig. 4. Time-averaged statistics (J kg 1 day 1, mean) stratified by the NOAA15, NOAA18, NOAA19, MetOp-A AMSU-A for total observation impact at (a) 00 and 12 UTC in the NH summer months, (b) 00 and 12 UTC in the NH winter months, (c) 06 and 18 UTC in the NH summer months, and (d) 06 and 18 UTC in the NH winter months. Table 1. Abbreviations for the various observation types. Abbreviation Description AMSU-A Advanced Microwave Sounding Unit-A (radiance) MHS Microwave Humidity Sounder (radiance) HIRS High-resolution Infrared Radiation Sounder (radiance) MFG Meteosat First Generation (Meteosat-7) by European Organisation for the Exploitation of Meteorological Satellites (wind) MTSAT Multi-functional Transport Satellite (wind) COMS Communication, Ocean and Meteorological Satellite by Korea Metorological Administration (wind) ASCAT Advanced Scattermeter (wind) IASI Infrared Atmospheric Sounding Interferometer (radiance) AIRS Atmospheric Infrared Sounder (radiance) SSMI/S Special Sensor Microwave Imager/Sounder (radiance) GPSRO Global Positioning System Radio Occultation (bending angle) TEMP Upper-air observations from a radiosonde (wind, temperature, specific humidity) PILOT Upper-air wind profile from a Pilot Balloon (wind) PRFL Wind profiler (wind) AIRCRAFT Upper-air wind and temperature from aircraft (wind, temperature) SYNOP Land surface synoptic weather observations (wind, temperature, surface pressure, specific humidity) SHIP Sea surface weather observation by ship (wind, temperature, surface pressure, specific humidity) BUOY Sea surface weather observation by buoy (wind, temperature, surface pressure, specific humidity) BOGUS Bogus observations generated by national meteorological centers (wind) 시아지역의예보오차감소량에대한기여도를계절별, 채널별로보면, 여름에는 00 과 12 UTC 에동화된 MetOp-A AMSU-A 5 번과 6 번채널의기여가가장컸 고, 겨울에는 00 과 12 UTC 에동화된 MetOp-A AMSU- A 8 번채널의기여가가장컸다. 나머지 AMSU-A 채널들은동아시아예측에영향을거의주지않거나예 Atmosphere, Vol. 27, No. 1. (2017)
100 수반모델에기반한관측영향진단법을이용하여동아시아지역의단기예보에 AMSU-A 자료동화가미치는영향분석 Table 2. Total impact (J kg 1 day 1 ) and beneficial observation (%) of AMSU-A channel 5, 6, 7, 8, and 9 of NOAA 15, 18, 19, and MetOp-A for all analyses time over the land and ocean. Land Ocean NH summer months NH winter months Total impact (J kg 1 day 1 ) Beneficial ratio (%) Total impact (J kg 1 day 1 ) Beneficial ratio (%) #5 - - 0.364 54.67 #6 0.254 51.19 0.293 52.97 #7 0.068 50.00 +0.005 48.67 #8 0.135 50.14 0.060 50.02 #9 0.035 50.67 +0.045 48.69 #5 - - 0.229 51.40 #6 0.103 52.21 0.019 50.53 #7 0.179 51.24 0.027 50.12 #8 +0.105 49.16 0.018 50.19 #9 +0.031 49.41 +0.008 49.59 Fig. 5. Horizontal distribution of time-averaged total observation impact statistics (shaded, 10 4 J kg 1 day 1 ) for the AMSU-A channel 5 of (a) NOAA15 (00 and 12 UTC), (b) MetOp-A (00 and 12 UTC), (c) NOAA18 (06 and 18 UTC), and (d) NOAA19 (06 and 18 UTC) with the mean sea level pressure (black contours, 4 hpa interval) in the NH summer months. 보오차를감소시키지못했다 (Figs. 4a, b). 06 과 18 UTC 에동화된 NOAA 18 과 19 AMSU-A 의거의모든채널관측값은여름과겨울의동아시아지역의예보오차를감소시켰다 (Figs. 4c, d). 하지만, 동아시아예측에민감한티베트지역상공의중위도기압골과그풍상측지역 (Kim et al., 2012) 을 06 과 18 UTC 에관측하는 MetOp-A AMSU-A 8 번채널들의관측값 (Figs. 1n, p) 은겨울철동아시아지역의예보오차를증가시켰다 (Figs. 4c, d). 이것은대륙에동화되는 AMSU-A 관측자료의이로운관측비율이해양보다 작게나타나는원인중하나이다. 동아시아지역의예보오차감소량에대한 AMSU- A 복사관측의기여도중 5-9 번채널의기여도가가장크기때문에 5-9 번채널의기여도를대륙과해상으로나누어계절별로살펴보았다 (Table 2). AMSU-A 5 번채널은해양상공에서의복사관측만을동화하기때문에대륙위에서는관측영향이계산되지않는다. 계절에관계없이 5-9 번채널에서이로운관측비율이 50% 이상이면예보오차를감소시키지만, 50% 이하면예보오차를증가시킨다. 따라서이로운관측개수와 한국기상학회대기제 27 권 1 호 (2017)
김성민 김현미 101 Fig. 6. P-value (shaded, %) for the AMSU-A channel 5 observation impact of (a) NOAA15 (00 and 12 UTC), (b) MetOp-A (00 and 12 UTC), (c) NOAA18 (06 and 18 UTC), and (d) NOAA19 (06 and 18 UTC) in the NH summer months. 관측영향의부호는상관성이높은것으로보인다. 여름철에는대륙위의 6-9 번채널이예보오차를감소시키지만, 해상에서는태풍의영향으로 7 번과 9 번채널은예보오차를증가시킨다. 겨울철에는대륙 ( 주로, 티베트지역 ) 위의 8 번과 9 번채널이예보오차를증가시켰는데, 이에대해서는 Fig. 7 에서자세히분석하였다. 9 번채널의경우는식 1 의예보오차가계산되지않는대류권상층부 ( 약 100 hpa) 에가장민감한채널이기때문에동아시아지역의해상에서예보오차감소량에대한기여도는매우작다. AMSU-A 5 번채널이여름철동아시아지역의예보오차를감소시키는데가장큰영향을보였기에 AMSU- A 5 번채널의관측영향수평분포를살펴보았다 (Fig. 5). MetOp-A 위성은아침시간 ( 한국표준시로오전 8 시 ~11 시 30 분 ) 에한반도상공의복사량을관측하기때문에, 한반도낮시간예보에중요한역할을한다. 여름철한반도연안을관측하는 AMSU-A 5 번채널관측은동아시아지역의예보오차를다소증가시켰지만, 여름철태풍기간동안의예측민감지역인북태평양고기압의가장자리 (Reynolds and Gelaro, 2001; Kim et al., 2011) 를따라분포하는 5 번채널관측은동아시아지역의예보오차를크게감소시켰다. 또한최근에는구름의영향을받는복사관측 (AMSU-A 1, 2 번채널 ) 을사용하여모델에서분석되는구름장을개선함으로써구름지역에있는 AMSU-A 5 번채널관측일부를추가로동화하여사용하고있기때문에 (English et al., 2007), 동아시아지역의예보오차감소에 5 번채널의기여도가높은것으로생각된다. 남서해상및동중국해상에서큰음의값으로나타나는관측영향 (Fig. 5d) 은 2011 년 6 월 6 일 06 UTC, 7 월 16 일 18 UTC, 8 월 27 일 06 UTC 에남서해상및동중국해상에동화된 AMSU-A 5 번채널관측의밀도가낮아서발생한매우큰관측민감도 (Baker and Daley, 2000 에서언급된 super-sensitivity) 와관련된것으로보인다. 따라서남서해상및동중국해상의 AMSU-A 5 번채널관측이예보오차를크게감소시킨것이아닐수있다. Figure 6 은 Fig. 5 에서보여준관측영향통계치의양쪽꼬리유의확률 (double-tail significance probability) 을나타낸다. 모든격자에서양쪽꼬리유의확률은 5% 이하인데 (Fig. 6), 이는동아시아지역의 3 개월관측영향자료들중에그값이평균으로부터표준편차의 2 배이상떨어져있는자료의확률이 5% 이하라는것이며 3 개월관측영향자료가통계적으로신뢰성이있음을의미한다. AMSU-A 8 번채널은여름철동아시아지역의예보오차는감소시키나겨울철에는오히려동아시아지역의예보오차를증가시키므로, 겨울철에동화된 AMSU- A 8 번채널의관측영향의수평분포를살펴보았다. 겨울철에는중국동쪽지역상공에분포하는 NOAA 18 AMSU-A 8 번채널관측이동아시아지역의예보오차를감소시켰으나 (Fig. 7c), 티베트지역상공에분포하는 NOAA 15 와 MetOp-A AMSU-A 8 번채널은 Atmosphere, Vol. 27, No. 1. (2017)
102 수반 모델에 기반한 관측영향 진단법을 이용하여 동아시아 지역의 단기예보에 AMSU-A 자료 동화가 미치는 영향 분석 Fig. 7. Horizontal distribution of time-averaged total observation impact statistics (shaded, 10 4 J kg 1 day 1) for the AMSU-A channel 8 of (a) NOAA15 (00 and 12 UTC), (b) MetOp-A (00 and 12 UTC), (c) NOAA18 (06 and 18 UTC), and (d) MetOp-A (06 and 18 UTC) with the geopotential height at 500 hpa level (black contours, 40 m interval) in the NH winter months. Fig. 8. P-value (shaded, %) for the AMSU-A channel 8 observation impact of (a) NOAA15 (00 and 12 UTC), (b) MetOp-A (00 and 12 UTC), (c) NOAA18 (06 and 18 UTC), and (d) MetOp-A (06 and 18 UTC) in the NH winter months. 동아시아 지역의 예보오차를 증가시켰다(Figs. 7a, d). 하지만 티베트 지역 상공에서 MetOp-A AMSU-A 8 번 채널의 동화로 인해서 증가한 예보오차(Fig. 7d)는 티베트 남쪽 지역 상공의 MetOp-A IASI 관측의 동 한국기상학회 대기 제27권 1호 (2017) 화로 인한 예보오차 감소와 상쇄되었다(Fig. 9). 관측 영향 통계치의 양쪽 꼬리 유의확률은 모든 격자에서 5% 이하로 나타나는데(Fig. 8), 이것은 Fig. 6에서 논 의한 것과 마찬가지로 동아시아 지역에서 3개월 관측
김성민 김현미 103 Fig. 9. Horizontal distribution of time-averaged total observation impact statistics (shaded, 10 4 J kg 1 day 1 ) for the MetOp-A IASI of (a) 06 UTC and (b) 18 UTC with the geopotential height at 500 hpa level (black contours, 80 m interval) and the topography (gray contour, above 3000 m) in the NH winter months. 영향샘플자료중에서그값이평균값으로부터표준편차의 2 배이상떨어져있을확률이 5% 이하라는것을의미한다. 4. 요약및결론 이연구에서는동아시아지역 ( 북위 25-50 o, 동경 100-150 o ) 에서의예보오차감소량에대한관측영향을동아시아지역의풍상측을포함한북위 15-60 o, 동경 85-165 o 지역에서계절별 ( 북반구여름철 : 2011 년 6, 7, 8 월, 북반구겨울철 : 2011 년 12 월, 2012 년 1, 2 월 ) 로살펴보았다. 동아시아지역은경압성이강한지역으로분석오차가쉽게성장할수있는환경이고, 이지역상공의경압지역은기상자료초기값에대해민감한지역 ( 예측민감지역 ) 으로알려져있다 (Reynolds and Gelaro, 2001). 동아시아지역의예보오차감소에가장큰기여를한관측종은계절에관계없이 TEMP( 라디오존데 ) 관측으로나타났다. 그다음으로는계절별로다른데, 여름에는 AIRCRAFT, AMSU-A, IASI 가뒤따랐고, 겨울에는 AIRCRAFT, AMSU-A, 천리안위성 (COMS) 의대기운동벡터가뒤따랐다. 동아시아에분포한 TEMP 관측중중위도기압골이지나는길목 ( 중국화북지역 ) 에분포한 TEMP 관측의기여도가가장컸다. AMSU-A 복사관측자료중동아시아예보오차감소에가장많이기여한복사관측자료는계절에관계없이 NOAA 19 AMSU-A 였다. 그다음으로는, 여름에는 MetOp-A AMSU-A, NOAA 18 AMSU-A, NOAA 15 AMSU-A 가뒤따랐고, 겨울에는 NOAA 18 AMSU- A 와 NOAA 15 AMSU-A 가뒤따랐다. 동아시아지역을지나는극궤도위성중에서는 00 과 12 UTC 분석시간에는 MetOp-A AMSU-A 복사관측자료가동아시아지역의예보오차감소에가장큰기여를하였고, 06 과 12 UTC 분석시간에는 NOAA 18 과 19 AMSU-A 복사자료관측의기여도가가장컸 는데, 이는각각의극궤도위성이동아시아지역을지나는시간과관련이있다. 특히, MetOp-A 위성은아침시간 ( 한국표준시로오전 8 시 ~11 시 30 분 ) 에한반도상공의복사량을관측하기때문에, 한반도낮시간예보에중요한역할을한다. 여름철한반도연안을관측하는 AMSU-A 5 번채널관측은동아시아지역의예보오차를다소증가시켰지만, 북태평양고기압의가장자리를따라분포하는 AMSU-A 5 번채널관측은동아시아지역의예보오차를크게감소시켰는데, 북태평양고기압의가장자리는여름철태풍기간동안의예측민감지역으로알려진바있다 (Reynolds and Gelaro, 2001; Kim et al., 2011). 이는이전예측민감도연구를통해밝혀진예측민감지역에서의관측값이예보오차를실질적으로감소시켜주고있음을보여준다. 겨울철에는중국동쪽지역상공에분포하는 NOAA 18 AMSU-A 8 번채널관측이동아시아지역의예보오차를감소시켰으나, 티베트지역상공에분포하는 NOAA 15 와 MetOp- A AMSU-A 8 번채널은동아시아지역의예보오차를증가시켰다. AMSU-A 8 번채널은대류권상층부 (300-400 hpa) 에민감하기때문에중위도기압골과그풍상측을관측하기에최적의채널이다. AMSU-A 8 번채널에의한동아시아지역의예보오차증가는티베트지역상공에분포하는 MetOp-A 위성관측에의해서나타나는데, 티베트지역상공의 MetOp-A AMSU- A 8 번채널이동아시아예측에도움이되지못하는것은수치모델에서모의되는지형의한계로인해서지표반사도가실제와다르게계산되고, 이로인해서위성복사관측을산출하는데있어서복사관측의품질을떨어뜨리기때문으로생각된다. 티베트지역상공에서 MetOp-A AMSU-A 8 번채널의동화로인해증가한예보오차는티베트남쪽지역상공의 MetOp-A IASI 관측의동화로인한예보오차감소와상쇄되었다. MetOp-A 위성에는 AMSU-A 와 IASI 센서가함께탑재되어있어스캔위치가서로겹친다. Atmosphere, Vol. 27, No. 1. (2017)
104 수반모델에기반한관측영향진단법을이용하여동아시아지역의단기예보에 AMSU-A 자료동화가미치는영향분석 이연구에서는동아시아지역의수치예보에 AMSU- A 관측자료의동화가미치는영향을분석하기위해수반모델에기반한관측영향진단법을이용하였다. 그결과, 수치예보예측성향상에대한 AMSU-A 관측자료의기여도를계절별, 위성별, 채널별로판별할수있었다. 이연구의결과는동아시아지역의수치예보향상을위한미래관측망구성과위성복사관측자료의품질검사등에참고자료로활용될수있을것으로기대된다. 감사의글 이연구는기상청기상기술개발사업 (KMIPA 2015-5200) 의지원으로수행되었습니다. 세심한심사를해주신두분심사위원께감사드립니다. REFERENCES Baker, N. L., and R. Daley, 2000: Observation and background adjoint sensitivity in the adaptive observationtargeting problem. Quart. J. Roy. Meteor. Soc., 126, 1431-1454, doi:10.1002/qj.49712656511. Cardinali, C., 2009: Monitoring the observation impact on the short-range forecast. Quart. J. Roy. Meteor. Soc., 135, 239-250, doi:10.1002/qj.366. English, S., U. O Keeffe, and M. Sharpe, 2007: Assimilation of cloudy AMSU-A microwave radiances in 4D- VAR. proc. 15th International TOVS Study Conference, Maratea, Italy, 4-10 October 2006. Gelaro, R., and Y. Zhu, 2009: Examination of observation impacts derived from observing system experiments (OSEs) and adjoint models. Tellus, 61, 179-193, doi:10.1111/j.1600-0870.2008.00388.x., R., R. H. Langland, S. Pellerin, and R. Todling, 2010: The THORPEX observation impact intercomparison experiment. Mon. Wea. Rev., 138, 4009-4025, doi:10.1175/2010mwr3393.1. Joo, S., J. Eyre, and R. Marriott, 2013: The impact of Metop and other satellite data within the Met Office global NWP system using an adjoint-based sensitivity method. Mon. Wea. Rev., 141, 3331-3342, doi: 10.1175/MWR-D-12-00232.1. Jung, B.-J., H. M. Kim, T. Auligné, X. Zhang, and X.-Y. Huang, 2013: Adjoint-derived observation impact using WRF in the western North Pacific. Mon. Wea. Rev., 141, 4080-4097, doi:10.1175/mwr-d-12-00197.1. Kidder, S. Q., and T. H. Vonder Harr, 1995: Satellite Meteorology: An Introduction. Academic Press, San Diego, 466 pp. Kim, H. M., B.-J. Jung, S. Park, J. Kay, S.-M. Kim, J. Kim, S. Kim, and E. Yang, 2012: Development of scientific tools for evaluating the forecast sensitivity to remote sensing observations. CATER 2011-2211, KMA, 1-114., S.-M. Kim, and B.-J. Jung, 2011: Real-time adaptive observation guidance using singular vectors for typhoon Jangmi (200815) in T-PARC 2008. Wea. Forecasting, 26, 634-649, doi:10.1175/waf-d-10-05013.1. Kim, M., H. M. Kim, J. Kim, S.-M. Kim, C. Velden, and B. Hoover, 2017: Effect of enhanced satellite-derived atmospheric motion vectors on numerical weather prediction in East Asia using an adjoint-based observation impact method. Wea. Forecasting, 32, 579-594. doi:10.1175/waf-d-16-0061.1. Kim, S., H. M. Kim, E.-J. Kim, and H.-C. Shin, 2013: Forecast sensitivity to observations for high-impact weather events in the Korean Peninsula. Atmosphere, 23, 171-186, doi:10.14191/atmos.2013.23.2.171 (in Korean with English abstract). Kim, S. M., 2016: Forecast Sensitivity to Observations in the KMA UM and the Effect of Observations on Numerical Weather Prediction. Ph.D. Thesis, Yonsei University, 183 pp., and H. M. Kim, 2014: Sampling error of observation impact statistics. Tellus, 66, 25435, doi:10.3402/ tellusa.v66.25435. Liu, Z., C. S. Schwartz, C. Snyder, and S. Ha, 2012: Impact of assimilating AMSU-A radiances on forecasts of 2008 Atlantic tropical cyclones initialized with a limited-area ensemble Kalman filter. Mon. Wea. Rev., 140, 4017-4034, doi:10.1175/mwr-d-12-00083.1. Lorenc, A. C., and R. Marriott, 2014: Forecast sensitivity to observations in the Met Office Global numerical weather prediction system. Quart. J. Roy. Meteor. Soc., 140, 209-224, doi:10.1002/qj.2122. Reynolds, C. A., and R. Gelaro, 2001: Remarks on Northern Hemisphere forecast error sensitivity from 1996 to 2000. Mon. Wea. Rev., 129, 2145-2153, doi:10.1175/ 1520-0493(2001)129<2145:RONHFE>2.0.CO;2. Rodgers, C. D., 1990: Characterization and error analysis of profiles retrieved from remote sounding measurements. J. Geophys. Res., 95, 5587-5595. Salonen, K., and N. Bormann, 2011: Accounting for the characteristics of AMV observations errors in data assimilation. EUMETSAT Tech. Note, 7 pp. 한국기상학회대기제 27 권 1 호 (2017)