Atmosphere. Korean Meteorological Society Vol. 26, No. 4 (2016) pp. 599-615 https://doi.org/10.14191/atmos.2016.26.4.599 pissn 1598-3560 eissn 2288-3266 연구논문 (Article) 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 정영윤 1) 문일주 1) * 장필훈 2) 1) 제주대학교해양기상학협동과정 / 태풍연구센터, 2) 국립기상과학원 ( 접수일 : 2016 년 7 월 20 일, 수정일 : 2016 년 10 월 6 일, 게재확정일 : 2016 년 11 월 3 일 ) Accuracy of Short-Term Ocean Prediction and the Effect of Atmosphere-Ocean Coupling on KMA Global Seasonal Forecast System (GloSea5) During the Development of Ocean Stratification Yeong Yun Jeong 1), Il-Ju Moon 1) *, and Pil-Hun Chang 2) 1) Typhoon Research Center/Graduate School of Interdisciplinary Program in Marine Meteorology, Jeju National University, Jeju, Korea 2) National Institute of Meteorological Sciences, Jeju, Korea (Manuscript received 20 July 2016; revised 6 October 2016; accepted 3 November 2016) Abstract This study investigates the accuracy of short-term ocean predictions during the development of ocean stratification for the Korea Meteorological Administration (KMA) Global Seasonal Forecast System version 5 (GloSea5) as well as the effect of atmosphere-ocean coupling on the predictions through a series of sensitive numerical experiments. Model performance is evaluated using the marine meteorological buoys at seas around the Korean peninsular (KP), Tropical Atmosphere Ocean project (TAO) buoys over the tropical Pacific ocean, and ARGO floats data over the western North Pacific for boreal winter (February) and spring (May). Sensitive experiments are conducted using an ocean-atmosphere coupled model (i.e., GloSea5) and an uncoupled ocean model (Nucleus for European Modelling of the Ocean, NEMO) and their results are compared. The verification results revealed an overall good performance for the SST predictions over the tropical Pacific ocean and near the Korean marginal seas, in which the Root Mean Square Errors (RMSE) were 0.31~0.45 o C and 0.74~1.11 o C respectively, except oceanic front regions with large spatial and temporal SST variations (the maximum error reached up to 3 o C). The sensitive numerical experiments showed that GloSea5 outperformed NEMO over the tropical Pacific in terms of bias and RMSE analysis, while NEMO outperformed GloSea5 near the KP regions. These results suggest that the atmosphere-ocean coupling substantially influences the short-term ocean forecast over the tropical Pacific, while other factors such as atmospheric forcing and the accuracy of simulated local current are more important than the coupling effect for the KP regions being far from tropics during the development of ocean stratification. Key words: GloSea5, NEMO, sea temperature, short-term ocean prediction *Corresponding Author: Il-Ju Moon, Typhoon Research Center/ Graduate School of Interdisciplinary Program in Marine Meteorology, Jeju National University, 102 Jejudaehak-ro, Jeju 63243, Korea. Phone: +82-64-754-3412, Fax: +82-64-756-3483 E-mail: ijmoon@jejunu.ac.kr 599
600 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 1. 서론 최근기상이변현상이빈번하게지역적으로발생하고기후환경이급속하게변화함에따라이에대한적응과대비의필요성이강조되고있다. 장기계절예측정보는기후환경변화에대응하고국민활동의질적향상및산업활동등에필요한기초기상정보로사용되기때문에그정확성에대한요구가점점더커지고있다. 이러한요구를반영하여기상청은영국기상청과함께 한영공동계절예측시스템 (the KMA-Met Office Joint Seasonal Forecasting System; Kang et al., 2011) 을운영하고있으며, 이를통해계절예측시스템의앙상블멤버를기관간에공유하여한정된계산자원내에서계절예측의불확실성을줄이고자하였다. 기상청은 2009 년부터영국기상청의 GloSea4 (Global Seasonal Forecast System version 4; Arribas et al., 2011) 에기반한계절예측시스템개발을시작하였고, 이후 2014 년하반기부터는 GloSea4 의모델물리과정과수평분해능을개선한고해상도기후모델인 GloSea5 를현업에도입하여활용하고있다. GloSea5 가현업에활용되어많은예측자료가축적됨에따라이를이용하여최근국내에서많은연구가진행되고있다. Jung et al. (2015) 은 GloSea5 의 6 개월과거기후모의자료를이용해 1996~2009 년기간동안계절예측시스템의 6 개월기후예측능력을평가하였다. 이연구에서는지표기온의예측성과동아시아기후에직 간접적으로영향을미치는 El Niño-Southern Oscillation (ENSO), Indian Ocean Dipole (IOD), 그리고다양한몬순지수들의예측성을평가하였다. 그결과, NINO 3.4 지수는최소 6 개월전부터그리고 IOD 는늦여름과가을철에한하여 5~6 개월전부터예측이가능한것으로나타났다. 또한여름과겨울아시아몬순지수들은전체적으로예측성능이낮았지만북서태평양몬순지수는 4~6 개월전에예측이가능한것으로나타났다. Lee and Kwon (2015) 은 1996 년부터 2009 년까지 GloSea5 의 6 개월적분된모의 (hindcast) 자료를사용하여역학 - 통계모형을구성하고동아시아여름철강수편차를예측하였다. 그결과, 동아시아지역강수에대한공간패턴의예측성능이대부분의영역에서향상된것으로나타났다. 특히, 모델로부터예측된동아시아지역 (115 o ~150 o E, 30 o ~50 o N) 의강수지수는전구강수재분석자료인 CMAP (CPC Merged Analysis of Precipitation) 과높은상관 (r = 0.81) 이있음을보고하였다. 국외에서는 GloSea 를이용한연구가오래전부터수행되어왔다. Graham et al. (2005) 은 UK GloSea 의대기 - 해양접합모델 (Coupled General Circulation Model, CGCM) 과해양모델이접합되지않은전지구기후모델 (Atmosphere General Circulation Model, AGCM) 을이용하여계절예측에있어대기 - 해양상호작용의중요성을조사하였다. 이연구에서해양 - 대기접합효과는열대동태평양에서 ENSO 를동반한해수면온도 (Sea surface temperature, SST) 변동성예측을크게향상시킨것으로나타났다. 또한열대지역의 ENSO 예측능력의향상은원격상관반응을통하여북태평양과북아메리카지역의계절예측성능을향상시킨것으로보고되었다. 최근 Camp et al. (2015) 는 1996 년부터 2009 년까지 GloSea4, GloSea5, 그리고 ERA-Interim 재분석결과를사용하여열대폭풍 (Tropical Storm, TS) 활동의변동에대해조사하였다. 이연구에서 GloSea5 는 TS 빈도와 ACE (Accumulated Cyclone Energy) 지수를전해역에서통계적으로유의하게예측하였고, 특히북대서양과호주지역에서는 GloSea4 보다더향상된예측기술을보였다. 지금까지 GloSea 를이용한국내 외연구들은다양한기후인자들에대한예측성능평가와강수및기온등의대기적요소에대한평가에초점이맞추어져있었다. 또한 GloSea 를이용하여대기 - 해양의접합효과를조사한연구에서도접합효과가대기및기후에미치는영향만을관심에두고있었다. 그러나대기와해양모델이접합된 GloSea5 의예측성능은대기모델뿐만아니라해양모델의정확도에크게의존한다. 실제로해양 - 대기의접합효과는대기와기후예측뿐아니라해양예측에도크게영향을미칠수있다. 따라서 GloSea5 의구성요소인해양모델의예측성능을평가하고대기 - 해양접합효과가해양예측에미치는영향을조사하는것은 GloSea5 의계절예측성능을높이기위해반드시필요하다. 본연구에서는북반구에서해양성층이강화되는시기 ( 겨울과봄철 ) 에대해 GloSea5 의해양모델인 NEMO (Nucleus for European Modelling of the Ocean) 에서산출되는단기해양예측결과의정확도를다양한관측자료를이용하여평가하고자한다. 또한이시기에대기 - 해양접합모델 (GloSea5) 의해양예측결과와해양단독모델 NEMO 의결과를비교함으로써대기 - 해양접합효과가해양의단기예측에미치는영향을조사하고자한다. 제 2 장에서는본연구에사용된수치모델과관측자료그리고분석방법에대해서술하였다. 제 3 장에서는 GloSea5 의대기 - 해양접합효과와해양예측정확도평가결과를제시하였다. 제 4 장에서는연구내용을요약하고향후연구에대해논하였다. 2. 자료및분석방법 2.1 계절예측시스템 (GloSea5) 의구성및특징계절예측시스템 GloSea5 는네개의모델 ( 대기, 해 한국기상학회대기제 26 권 4 호 (2016)
정영윤 문일주 장필훈 601 Table 1. Descriptions for two experiments (GloSea5 vs. NEMO). Exp. 1 Exp. 2 Used Model GloSea5 (UM + NEMO + CICE + JULES) NEMO (NEMO + CICE) Ocean model resolution ORCA025, 75 layers Initial condition field Atmos. Ocean N216 KMA-NWP N512 NEMOVAR Atmos. & ocean flux exchange Two-tier (3-hour intervals) Bulk formula Forecast time 60-day 7-day 양, 해빙, 지표면 ) 이결합된시스템이다. 대기모델은중단기기상예보에사용되고있는통합모델 (Unified Model, UM), 해양모델은프랑스라플라스연구소를중심으로개발되어전지구및지역해양순환모의에활용되는 NEMO, 해빙모델은미국 Los Alamos National Laboratory 에서개발된 CICE (community Ice CodE), 그리고지표면모델은영국기상청의 JULES (Joint UK Land Environment Simulator) 를기반으로한다. 대기모델의해상도는수평적으로 N216 (0.83 o 0.56 o ), 연직으로 85 층이다. 해양모델의수평및수직해상도는각각 0.25 o 0.25 o 와 75 층이다. NEMO 모델에대한자세한설명은 Madec et al. (2008) 에서확인할수있다. GloSea5 는적분을수행하면서대기 - 해양플럭스를 3 시간간격으로 OASIS coupler 에의하여교환한다. 또한 GloSea5 는 60 일적분을수행한후예보불확실성을낮추기위하여앙상블예측을수행한다. 본연구에서는무작위로생성된물리모수화파라미터를 (MacLachlan et al., 2014) 이용하여수행된두개의앙상블멤버 (010 와 011) 의평균값을사용하였다. GloSea5 의지표면과대기모델의초기장은기상청에서운영중인수치분석장 (KMA-NWP) 에서생산된자료를사용한다. 해양과해빙초기장은영국기상청, CERFACS (Centre Europeén de Recharche et de Formation Avancée en Calcul Scientifique), ECMWF (European Centre for Medium-Range Weather Forecasts), INRIA/LJK (Institut National de Recherche en Informatique et en Automatique/Laboratoire Jean Kuntzmann) 이공동으로개발한 NEMOVAR 자료동화시스템에서생산된자료를사용한다 (Martin et al., 2007; Donlon et al., 2012). 2.2 자료및분석방법본연구에서는 GloSea5 의대기 - 해양접합효과를조사하기위하여접합모델에서예측된결과 (Exp. 1, 이후 GloSea5 로표시 ) 와해양모델단독으로예측된결과 (Exp. 2, 이후 NEMO 로표시 ) 를비교하였다 (Table 1). Exp. 1 과 Exp. 2 는사용된해양모델 (NEMO), 해양초기장, 자료동화시스템은같지만대기장을생성한모 Fig. 1. Locations of (a) KMA and (b) TAO buoys. 델의해상도와대기 - 해양의플럭스교환방식의차이가있다. 즉, Exp. 1 의대기모델해상도는 N216 (0.83 o 0.56 o ) 이지만 Exp. 2 에서는 N512 (0.35 o 0.23 o ) 이다. 또한, Exp. 1 에서는 coupler 에의해 3 시간간격으로접합모델에서계산된대기 - 해양플럭스가교환되지만 Exp. 2 에서는 KMA 수치분석장에서나온 3 시간간격의표층플럭스 ( 바람응력, 단파등 ) 가해양모델에입력된다. 해양모델의단기해양예측정확도와대기 - 해양접합효과는북반구겨울 (2 월 ) 과봄 (5 월 ) 에대해서이루어졌다. 여기서 2 월과 5 월을선택한이유는, 2 월은북반구에서상층수직혼합이강한 ( 혼합층이깊은 ) 시기이고 5 월은성층이강화되는시기이므로, 두시기의해양혼합층과수온약층 ( 성층 ) 구조가뚜렷이차이를 Atmosphere, Vol. 26, No. 4. (2016)
602 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 Table 2. Location and mooring depth for the KMA buoys. Buoy Location Mooring depth Deokjeokdo 37 o 14'N 126 o 01'E 0,030 m Oeyeondo 36 o 15'N 125 o 45'E 0,045 m Chilbaldo 34 o 47'N 125 o 46'E 0,033 m Geomundo 34 o 00'N 127 o 27'E 0,080 m Geojedo 34 o 46'N 128 o 54'E 0,084 m Pohang 36 o 21'N 129 o 47'E 0,310 m Donghae 37 o 32'N 130 o 00'E 1,518 m Ullengdo 37 o 27'N 131 o 06'E 2,220 m Table 3. Location, type, and month used in verifications for TAO buoys. Buoy number Locations Mooring type Month used in verifications 01 8 o S 125 o W ATLAS Feb. & May 02 5 o S 95 o W ATLAS May 03 2 o S 165 o E ATLAS Feb. & May 04 2 o S 110 o W TRION May 05 2 o S 95 o W ATLAS Feb. 06 0 o N 147 o E TRION Feb. & May 07 0 o N 156 o E TRION Feb. & May 08 0 o N 170 o W ATLAS Feb. & May 09 0 o N 154 o W TRION Feb. 10 2 o N 156 o E TRION Feb. & May 11 2 o N 155 o W ATLAS May 12 5 o N 155 o E TRION Feb. & May 13 8 o N 165 o E ATLAS Feb. & May 14 8 o N 155 o W ATLAS Feb. & May 15 8 o N 110 o W TRION Feb. 보일뿐아니라겨울에서봄으로넘어가면서해양성층이급속하게강화될때모델이이러한해양의변동을얼마나잘모의하는가를조사할수있기때문이다. 모델평가에사용된관측자료는기상청에서운영하는한반도근해의해양기상부이, NOAA 에서제공하는열대해역의 TAO (Tropical Atmosphere Ocean project) 부이, 그리고북서태평양의 ARGO float 자료이다. 기상청해양기상부이자료는덕적도, 외연도, 칠발도, 거문도, 거제도, 포항, 동해, 울릉도에서 1 시간간격으로관측된 SST 자료를일평균하여사용되었다 (Fig. 1a 와 Table 2). TAO 부이자료는태평양열대해역 (8 o S~9 o N, 130 o E~95 o W) 에설치된고정계류부이에서관측된일평균 SST 자료가사용되었다 (Fig. 1b 와 Table 3). TAO 부이는연직수온관측자료도제공되지만같은초기장을사용하는단기 (7 일미만 ) 해양예측실험에서는두모델의연직수온구조차이는크지않아본연구에서는모델간의차이가가장뚜렷이나타나는표층자료에대해서만분석을실시하였다. Fig. 2. Locations of Argo profiles used for model performance evaluation in (a) February and (b) May 2014. ARGO 자료는북서태평양영역 (110~150 o E, 20~42 o N) 에서 2014 년 2 월과 5 월에각각관측된 426 개와 1051 개의 ARGO 연직수온프로파일자료가사용되었다 (Fig. 2). 모델과 ARGO 프로파일자료는수직해상도가서로다르기때문에두자료는오차계산전에모두 1m 간격 ( 수심 1m 에서 100 m 까지 ) 으로내삽한후사용되었다. 본연구에서는모델의오차원인분석을위하여부이및 ARGO 와같은지점 (point) 자료외에 OSTIA (Operational Sea Surface Temperature and Sea Ice 한국기상학회대기제 26 권 4 호 (2016)
정영윤 문일주 장필훈 603 Fig. 3. Mean sea surface temperature (SST) differences between (a, d) GloSea5 and OSTIA, (b, e) NEMO and OSTIA, (c, f) GloSea5 and NEMO at 7-day forecast lead time for February (left panel) and May (right panel) 2014. Analysis) 와 FNMOC (Fleet Numerical Meteorology and Oceanography Center) 에서제공하는위성해수면온도자료 ( 각각 5-km 와 10-km 공간해상도 ) 그리고국립해양조사원에서제공하는동해의해류장을사용하여공간적인특성을조사하였다. 동해해류장은 0.25 o 공간해상도의인공위성고도계자료를기반으로일평균된표층해류자료로현재국립해양조사원 (http:// www.khoa.go.kr/) 에서매일준실시간으로생산하여제공된다. 해양모델의예측정확도는관측자료와예측된 SST 의일평균값을이용하여편차 (Bias), 평균절대오차 (Mean Absolute Error, MAE), 평균제곱근오차 (Root Mean Square Error, RMSE) 에대해평가되었다. N Bias = 1 N --- ( F i O i ) i=1 MAE = 1 N --- ( F i O i ) RMSE = N i=1 N 1 --- F N ( i O i ) 2 i=1 (1) (2) (3) 여기서, N 은검증자료의개수이며 F 는모델값, O 는관측값을나타낸다. 단기해양예측정확도를분석하 기위하여사용한 Exp. 1 의모델값은 60 일예측결과를최초적분일로부터 7 일까지예측결과를사용하였고, Exp. 2 에서는 7 일예측결과를사용하였다. 3. 모델정확도비교및대기 - 해양접합효과조사 먼저두모델이모의한해수면온도에대해예측정확도를공간적으로파악하기위해매일예측된 7 일후의자료를 OSTIA 위성해수면온도자료와비교하였다. Figures 3a, 3b, 3d, 3e 는 2 월과 5 월에한달동안두모델과 OSTIA 차이를평균한것이다. 그림에서모델과관측자료의편차가큰지역은크게쿠로시오와멕시코만류가사행하는지역, 남극순환류지역, 그린랜드주변해역으로나타났다. 대기 - 해양접합효과에대한조사는 Exp. 1 (GloSea5) 과 Exp. 2 (NEMO) 에서예측된해수면온도차이 (Exp. 1~Exp. 2) 를이용하여조사하였다. Figures 3c 와 3f 는 2 월과 5 월에대해두모델의 7 일후해수면온도예측장차이를월별로평균한것이다. 지역적인차이를자세히살펴보면, 2 월에는 GloSea5 가 NEMO 보다적도태평양및인도양해역, 시베리아인근북극해에서낮게모의하고, 북서태평양과남반구중위도해역에서다소높게모 Atmosphere, Vol. 26, No. 4. (2016)
604 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 Fig. 4. Comparisons of daily 7-day SST predictions at TAO buoys for February 2014. The black and grey lines represent the prediction results from GloSea5 (Exp. 1) and NEMO (Exp. 2) respectively. The grey open circles use the TAO buoys data. The black dot represents the initial time of forecast. 의하는경향이나타났다. 5 월은 2 월과비슷하게대부분의적도해역에서 GloSea5 가 NEMO 보다해수면온도를낮게모의하고있다 ( 단, 필리핀해역및남아메리카동쪽해역은 2 월보다좀더낮게모의함 ). 그러나 북반구의대부분의해역 ( 특히, 태평양과대서양연안을따라 ) 에서는 GloSea5 가 NEMO 보다해수면온도를높게모의하는경향이뚜렷이나타난다. 앞서설명한바와같이 Exp. 1 과 2 는동일한초기장및해양모델 한국기상학회대기제 26 권 4 호 (2016)
정영윤 문일주 장필훈 605 Table 4. Comparisons of correlation coefficient, bias, and RMSE (averaged from 1 to 7-day forecast lead time) for predicted SST between Exp. 1 and Exp. 2 at TAO buoys in February 2014. Buoy number Correlation (R) Bias ( o C) RMSE ( o C) Exp. 1 Exp. 2 Exp. 1 Exp. 2 Exp. 1 Exp. 2 01 0.500 0.510 0.048 0.013 0.312 0.298 03 0.754 0.755 0.031 0.043 0.233 0.250 05 0.781 0.726 0.844 0.869 0.973 1.013 06 0.714 0.728 0.318 0.407 0.537 0.613 07 0.433 0.548 0.085 0.089 0.425 0.385 08 0.490 0.493 0.221 0.278 0.577 0.588 09 0.797 0.794 0.018 0.077 0.195 0.212 10 0.133 0.001 0.011 0.049 0.401 0.487 12 0.047 0.110 0.180 0.166 0.454 0.419 13 0.135 0.135 0.048 0.051 0.194 0.203 14 0.090 0.165 0.000 0.027 0.223 0.202 15 0.688 0.544 0.072 0.242 0.188 0.329 Fig. 5. Comparison of (a) Bias, (b) MAE and (c) RMSE for simulated SST between GloSea5 (Exp. 1) and NEMO (Exp. 2) at forecast lead times from 1 to 7 day (1-day interval) at TAO buoys over tropical Pacific in February 2014. 을사용하지만 GloSea5 는접합된대기모델로부터계산된대기입력장을그리고 NEMO 는따로계산된대기모델의결과를사용하여표면경계의플럭스를고려한다. 따라서두실험결과의차이는엄밀히말하면해양모델에사용된대기입력장의차이에서기인하였다고할수있다. 그렇지만넓은의미에서보면이러한대기입력장의차이는결국대기 - 해양접합이고려된모델과그렇지않은모델의차이이므로본연구에서는두실험의차이를광역의의미에서대기 - 해양의접합효과로정의하였다. 본장에서는두모델의차이가가장뚜렷이나타나는태평양열대해역, 북서태평양, 한반도근해에대해관측자료를이용하여두모델의해양예측정확도비교및대기 - 해양의접합효과를살펴보고자한다. 3.1 태평양열대해역태평양열대해역의 TAO 부이에서관측된해수면온도자료를이용하여두모델의해양예측성능을평가하고이를바탕으로대기 - 해양접합효과를조사하였다. Figure 4 와 Table 4 는겨울철 (2 월 ) 12 개의 TAO 부이에서관측된해수면온도와두모델의시계열그리고이를이용한통계분석결과 ( 상관도, 편차, RMSE) Atmosphere, Vol. 26, No. 4. (2016)
606 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 Fig. 6. Same as in Fig. 5, but for May 2014 (TAO buoys). 를각각나타낸다. 여기서모델결과는 1 일간격으로 7 일까지예측된자료이다. 상관도분석은해수면온도의변화경향을얼마나모델이잘모의하고있는지를나타낸다. 2 월은두실험의상관도차이가거의나타나지않았고, 두모델모두대부분의부이에서 (10, 12, 13, 14 번부이제외 ) 95% 신뢰수준의높은상관도를보였다. 흥미로운것은상관도가매우높게나온 5 번과 6 번부이는편차와 RMSE 분석에서는 12 개부이중에가장큰값을보인반면상관도가매우낮았던 10, 12, 13, 14 번부이는오차가비교적낮았다 (Table 4). 이것은 Fig. 4 의해수면온도시계열에서알수있듯이 5, 6 번부이에서 2 월한달간수온변동이 2~3 o C 로 12 개부이중에가장컸고, 반면 10, 12, 13, 14 번부이에서수온변동이 1 o C 이하로매우낮았기때문으로사료된다. 즉, 태평양적도해역중앙에위치하여수온변동이작은지역 (13, 14 번부이 ) 은모델이변동경향을잘모의하지못하더라도오차는작을수있고, 반면태평양서쪽과동쪽연안에위치하여연중수온변동이큰지역 (5, 6 번부이 ) 에서는변동경향을잘모의하더라도오차는커질수있다. 예측시간 (lead time, 하루간격 ) 별로두모델의차이를좀더자세히비교해보면 (Fig. 5), 거의모든시간에서 GloSea5 가 NEMO 보다낮은편차와오차를보였다. 특히, 예측시간이길어질수록그차이는더크게나타났다. 이러한결과는열대해역에서대기 - 해양접합효과가해양예측의정확도를향상시키는방향으로작용함 을의미한다. 5 월의결과도전반적으로 2 월과유사하게거의모든시간에서 GloSea5 가 NEMO 보다낮은편차와오차를보였다 (Fig. 6). 한가지다른점은두모델의차이가더욱뚜렷해졌다는것이다. 즉, 5 월에는 GloSea5 의 7 일후편차, MAE, RMSE 가 NEMO 보다각각약 0.1 o C, 0.05 o C, 0.08 o C 더낮아졌다 ( 이차이는 2 월에비해약 2~3 배커진값임 ). 5 월이 2 월보다 GloSea5 와 NEMO 의오차차이가더욱커졌다는것은대기 - 해양의접합효과가 5 월에더중요하게작용하였다고해석할수있다. 실제로 5 월은북반구에서성층이강화되는시기이므로대기 - 해양의플럭스교환이매우중요하게작용한다. 따라서이결과는접합모델을통해현실적으로해양 - 대기플럭스를교환하는방법 (GloSea5 경우 ) 이대기 - 해양상호작용을고려하지않고대기모델에서계산한플럭스를일방적으로해양모델에전달하는방법 (NEMO 경우 ) 보다열대해역의해양예측성능을더높일수있음을시사한다. 3.2 북서태평양북서태평양영역 (110~150 o E, 20~42 o N) 에서 2 월과 5 월에관측된 ARGO float 자료 (Fig. 2) 와두실험의연직수온프로파일을비교하였다 (Fig. 7). 2 월의분석결과를보면, 두모델이표층에서는편차가크지않지만수심이깊어질수록과대모의하는경향이나타났다 (100 m 수심에서약 0.4 o C). RMSE 는두모델에서 한국기상학회대기제 26 권 4 호 (2016)
정영윤 문일주 장필훈 607 Fig. 7. Comparison of bias and MAE for simulated temperature profiles between GloSea5 (Exp. 1) and NEMO (Exp. 2) at 7- day forecast lead time at TAO buoys for (a) February and (b) May 2014. Fig. 8. Mean sea temperature vertical profiles from the GloSea5 (solid black) and the NEMO (dashed black) at 7-day forecast lead time for (a) February and (b) May 2014. 70 m 까지거의일정하고수심 100 m 에서최대값을보인다. 2 월에북서태평양의평균적인연직수온분포를보면 (Fig. 8a), 이러한수직적인오차의분포는수심 75.5 m (GloSea5 는 71 m, NEMO 는 80 m) 까지수직적으로혼합층이발달하고있는것과관련이깊다. 5 월에는성층이발달하여 2 월과는달리상층에서수심에따른오차의분포가일정하게나타나지않는다 (Fig. 8b). 대체로수심 30 m 이상에서양의편차가뚜렷이 나타난다. 두모델에서최대오차를보이는수심은약 50 m 에서 (GloSea5 는 1.70 o C, NEMO 는 1.67 o C) 확인되었고, 두모델의차이는수심 6m 에서가장큰차이 (0.09 o C) 를보인다. 2 월과 5 월은공통적으로상층해양에서 GloSea5 와 NEMO 의수온연직분포의차이가크게나타나지않는다. 이것은같은초기장을사용한두모델이 7 일간의적분만으로는대기 - 해양결합효과에의해수심 100 Atmosphere, Vol. 26, No. 4. (2016)
608 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 Fig. 9. Same as in Fig. 4, but for KMA buoys (February 2014). Table 5. Same as Table 4, but for KMA buoy data. Buoy Correlation Bias ( o C) RMSE ( o C) Exp. 1 Exp. 2 Exp. 1 Exp. 2 Exp. 1 Exp. 2 Deokjeokdo 0.773 0.735 0.027 0.478 0.323 0.577 Oeyeondo 0.491 0.518 0.387 0.326 0.433 0.372 Chilbaldo 0.259 0.175 0.388 0.282 0.700 0.609 Geomundo 0.083 0.094 0.171 0.108 0.658 0.635 Geojedo 0.292 0.263 1.680 1.572 1.759 1.653 Pohang 0.029 0.105 0.153 0.245 1.156 1.081 Donghae 0.023 0.027 1.568 1.633 1.955 2.018 Ulleungdo 0.564 0.560 1.006 1.012 1.096 1.099 m 이내의상층해양까지수온의차이를발생시키기어렵다는것을의미한다. 3.3 한반도근해한반도근해에서 GloSea5 와 NEMO 의단기해양예측정확도를평가 비교하기위하여우리나라연안의 8 개기상청계류부이에서관측된해수면온도자료와 두모델의 2 월과 5 월단기예측결과를비교하였다. 먼저 2 월의시계열및통계분석자료를살펴보면 (Fig. 9 와 Table 5), 덕적도와외연도에서는모델의예측값이관측값의변화경향을잘따라가고있음을알수있다. 실제로이두지점은상관도와 RMSE 분석에서 8 개부이중에가장좋은예측성능을보였다. 그러나이두부이를제외한나머지부이들의상관도는 한국기상학회대기제 26 권 4 호 (2016)
정영윤 문일주 장필훈 609 Fig. 10. Same as in Fig. 5, but for KMA buoys (February 2014). Fig. 11. Same as in Fig. 9, but for May 2014 (KMA buoys). 상대적으로낮았고 RMSE 도높았다. 특히, 동해와남해에위치한부이들 ( 포항, 동해, 울릉도, 거제도부이 ) 은 1 o C 이상의큰오차를보였다 (Table 5). 부이별로편차를비교해보면, 동해와울릉도부이에서두모 Atmosphere, Vol. 26, No. 4. (2016)
610 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 Table 6. Same as Table 5, but in May 2014. Buoy Correlation Bias ( o C) RMSE ( o C) Exp. 1 Exp. 2 Exp. 1 Exp. 2 Exp. 1 Exp. 2 Deokjeokdo 0.836 0.931 1.108 0.840 1.473 1.001 Oeyeondo 0.952 0.962 0.033 0.386 0.827 0.867 Chilbaldo 0.875 0.911 0.265 0.102 1.077 0.768 Geomundo 0.892 0.891 0.140 0.004 0.808 0.595 Geojedo 0.842 0.876 0.479 0.560 0.913 0.818 Pohang 0.784 0.661 0.023 0.067 0.561 0.673 Donghae 0.800 0.870 0.754 0.487 1.068 0.784 Ulleungdo 0.924 0.938 0.139 0.354 0.593 0.618 Fig. 12. Same as in Fig. 10, but for May 2014 (KMA buoys). 델이관측값에비해해수면온도를과소모의하는경향이강했고나머지부이들에서는과대모의경향이뚜렷하게나타났다 ( 특히, 거제도에서과대모의경향가장큼 ). 2 월동안대부분의부이들은 GloSea5 와 NEMO 의통계분석결과에서큰차이가보이지않았다. 다만덕적도부이에서두모델의편차부호가달랐으며 RMSE 도가장큰차이를보였다. 예측시간별통계분석결과 (Fig. 10), 두모델의편차는대부분의예측시간에서서로다른부호를가졌다 ( 즉, GloSea5 는과대모의, NEMO 는과소모의 ). 편차의크기는전반적으로 NEMO 가크게나타났고예측시간이길어질수록음의편차가증가하는경향을보였다. MAE 와 RMSE 에서두모델간의차이는, 비록크지는않지만, 대부분의예측에서 NEMO 가적은오차를보였다 (4 일후예측에서최대 0.03 o C, 평균적으로 0.02 o C RMSE 가적음 ). 5 월은전반적으로 2 월보다두모델의예측성능이향상되었다 (Fig. 11 과 Table 6). 특히, 상관도분석에서 5 월은 2 월과는달리대부분의부이에서 0.8 이상의높은값을보였다. RMSE 는 5 월이 2 월보다평균적으로낮아졌지만지역적으로는황해에위치한부이들 ( 덕적도, 외연도, 칠발도 ) 에서 2 월보다오차가증가하였고, 동해및남해에위치한부이들 ( 포함, 동해, 울릉도, 거제도 ) 에서오차가감소하였다 (Table 6). GloSea5 와 NEMO 의성능차이는예측시간별로편차와오차를비교한 Fig. 12 에서뚜렷이보인다. 전시간대에서 NEMO 의편차, MAE, RMSE 는 GloSea5 보다각각 0.04 o C, 0.02 o C, 0.17 o C 낮아졌다. 이러한두모델의 5 월 RMSE 차이는 2 월에비해약 8 배큰값이다. 한반도근해에서 NEMO 의해수면온도예측성능이 한국기상학회대기제 26 권 4 호 (2016)
정영윤 문일주 장필훈 611 Fig. 13. Comparisons of SST between FNMOC satellite and KMA buoy data at (a) Deokjeokdo, (b) Oeyeondo, (c) Chilbaldo, (d) Geomundo, (e) Geojedo, (f) Pohang, (g) Donghae, and (h) Ulleungdo in February 2014. The Black and grey lines represent FNMOC satellite and KMA buoys data, respectively. GloSea5 보다좋았다는것은 ( 특히, 5 월에 ) 두가지의미로생각해볼수있다. 첫째, 열대해역에서는대기 - 해양의접합효과가매우중요하게작용하지만열대해역에서멀리떨어진한반도근해에서는대기 - 해양의접합효과보다다른국지적인요인들에의해영향을받는것으로해석할수있다. 이러한추론은 GloSea5 의대기 - 해양의접합효과가열대해역의해수면온도예측결과를개선하는긍정적인방향으로작용하였지만 ( 앞서열대해역결과참고 ), 한반도근해에서는반대의결과가나타난것으로알수있다. 둘째, NEMO 모델의입력자료로사용된 KMA 수치분석장기반의표층플럭스자료가한반도근해에서는접합모델보다더현실적인값을제공했을수있다. 일반적으로한반도근해의 KMA 수치분석장은우리나라및주변국에서관측된더많은자료가추가적으로자료동화에 사용되어외국기관이나접합모델의결과보다더정확도가높을수있기때문이다. 또한 NEMO 분석장생성을위해사용된대기모델의해상도 (N516) 가 GloSea5 대기모델해상도 (N216) 보다더높았던것도한반도근해에서해수면온도예측성능을높이는데기여한것으로사료된다. 왜냐하면한반도근해는열대해역보다상대적으로시공간적인변동성의크기가클뿐아니라변동성의공간규모도작기때문에고해상도대기입력장을사용한 NEMO 모델이한반도근해에서는더유리할수있기때문이다. 4. 토의 본장에서는모델예측의불확실성과오차에대한원인을파악하기위하여분석기간중 TAO 와기상청 Atmosphere, Vol. 26, No. 4. (2016)
612 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 부이를통틀어가장큰오차를보인 2 월 22 일동해부이 (Fig. 9g) 에대한분석을실시하였다. 2 월동해부이에서 GloSea5 와 NEMO 모델은모두큰오차가발생하였지만두모델간의성능차이는거의없었다. 따라서본분석에서는 GloSea5 의결과만을사용하여다양한관측자료와비교하였다. 또한한지점의부이자료를사용하여모델과관측값의차이가발생하는원인을밝히는것은매우힘들기때문에본연구에서는공간적인분포를알수있는위성기반 FNMOC 해수면온도와국립해양조사원해류도자료를사용하였다. 위성해수면온도자료를분석에사용하기위해서는위성자료의정확도를먼저평가할필요가있다. Figure 13 은 2014 년 2 월한달동안한반도근해의 8 개기상청부이와위성자료의해수면온도시계열을비교하고있다. 오차분석결과, 2 월동안 8 개부이의평균 RMSE 는약 0.35 o C 로매우낮았다. 분석에사용된동해부이에서두자료의상관지수는 0.89, 편차는 0.09 o C, 그리고 RMSE 는 0.50 o C 로나타났다. 위성자료는 10 km 격자에대한평균값이고부이자료는한지점의자료임을고려하면, 이러한차이는주로공간해상도의차이로발생하였을가능성이높다. 따라서위성해수면온도자료를본분석에사용하는데에는큰문제가없는것으로사료된다. 동해해류자료의정확도는기존연구에서동해남서부해역에서선박장착초음파해류계 (Acoustic Doppler Current Profiler, ADCP) 를이용하여이미검증되었기때문에 (Lee et al., 2009), 본연구에서는따로분석을실시하지는않았다. 동해는태평양의북서쪽에위치한반쯤닫혀진바다에위치하고있다. 동해의수온은동해주변의바람장변화, 동아시아몬순, 그리고해양 - 대기상호작용등에의해영향을받아연변화및경년변동을포함한다양한주기의변동성을보이는것으로선행연구들에서보고되고있다 (Minobe et al., 2004; Kim et al., 2011). 특히, 한반도동쪽연안가까이에위치한동해부이에서는그변동성이매우컸다. 실제로 2014 년 2 월한달간동해부이와위성자료에서관측된표층수온변동을살펴보면 (Fig. 13g), 1.5 o C 이상의수온하강과상승이여러차례나타났다. 부이와모델사이에가장큰오차가발생한 2014 년 2 월 22 일의해수면온도공간분포를비교해보면, 모델에서한류가한반도연안을따라혀 (tongue) 모양으로동해부이까지남하하고있고이로인해그지역에동서방향으로급격한수온경사가나타난다 (Fig. 14a). 반면위성자료에서는한반도연안을따라동해까지남하하는한류뿐아니라동서방향으로급격한수온경사가나타나지않았다 (Fig. 14b). 모델과위성자료의공간적인차이를보면 (Fig. 14c), 모델은동해부이근처에서연안을따라해수면온도를매우낮게모의하 Fig. 14. Spatial distributions of SST from (a) GloSea5 simulation (Exp. 1) and (b) FNMOC satellite on 22 February 2014 and (c) their differences (GloSea5 minus FNMOC). The X symbol represents the location of Donghae buoy. 한국기상학회대기제 26 권 4 호 (2016)
정영윤 문일주 장필훈 613 다남북방향으로크게변화하여그위치를정확히예측하기는어렵다 (Kim et al., 2002; Choi et al., 2012). 특히, 극전선의위치를결정하는동한난류는동해안을따라북상하면서큰시공간적인변동성을가지며위도 37~39 o N 부근에서해안을떠나울릉도북쪽해역을지나쓰가루해협쪽으로이동하기때문에그변동을예측하기는매우어렵다 (Cho and Kim, 1996). 모델에서모의한 2 월 22 일표층해류분포를보면 (Fig. 15a), 북한한류는동해안을따라위도 37 o N 까지남하하고있고, 동한난류는 36.5 o N 근처에서이안하여 10 o C 등온선을따라울릉도북쪽해역까지넓게확장하고있음을알수있다. 그러나같은날국립해양조사원의일평균표층해류분포에서 (Fig. 15b) 북한한류는 38 o N 부근에서동쪽으로이안하여울릉도북서쪽을통과하고있고, 동한난류는주축 (0.5 knot 이상해류 ) 이 37 o N 까지북상하여울릉도이남을통과하고있다. 따라서동해부이에서나타난모델의과소모의결과는모델이북한한류를관측보다남쪽에위치하는것으로모의하고, 동시에동한난류를연안을따라서관측보다남쪽으로그리고외해에서관측보다북쪽까지확장한것으로모의한결과로발생한것으로해석된다. 5. 결론및요약 Fig. 15. Spatial distributions of (a) GloSea5-simulated surface currents (vectors) and SST (shade) and (b) satellite-based geostrophic currents (vectors) produced by the KHOA on 22 February 2014. 고있고, 북한연안과울릉도근처에서높게모의하고있음이뚜렷이나타난다. Choi et al. (2012) 에따르면, 동해의극전선 (Polar Front) 은남쪽에유입되는따뜻한동한난류와북쪽에서남하하는차가운북한한류가만나는경계로서약 37~40 o N 에동서방향으로형성된다고보고하였다. 극전선은주로바람이강하고태양복사량이적은겨울에가장잘관측되고그위치도남쪽으로가장많이이동한다. 극전선의위치는계절에따라그리고해마 본연구에서는북반구에서해양성층이강화되는시기에대해기상청에서운용중인전지구계절예측시스템 (GloSea5) 의단기해양예측결과를한반도근해의해양기상부이, 열대해역의 TAO (Tropical Atmosphere Ocean project) 부이, 그리고북서태평양의 ARGO float 자료를이용하여그정확도를평가하였다. 또한이시기에해양 - 대기접합모델인 GloSea5 에서계산된해양예측결과와 GloSea5 의해양모델인 NEMO 를단독으로수행한결과를비교하여대기 - 해양접합효과가해양의단기예측에미치는영향을조사하였다. 분석결과, 대부분의열대해역에서는 GloSea5 가 NEMO 보다해수면온도를낮게모의하고있고, 반면북반구의나머지해역 ( 특히 5 월에북극지역을제외한태평양과대서양연안을따라 ) 에서는 GloSea5 가 NEMO 보다해수면온도를높게모의하는경향이나타났다. 태평양열대해역의 TAO 부이자료를이용하여두모델의해양예측성능을비교하면, 상대적으로해수면온도를낮게모의하고있는 GloSea5 의편차와오차가 NEMO 보다낮게나타났다 ( 특히성층이강화된 5 월에차이가뚜렷함 ). 이러한결과는열대해역에서대기 - 해양접합효과가단기해양예측에긍정적으로작용하였음을시사한다. 한편, 열대해역에서멀리떨어진한반도근해에서는 GloSea5 보다상대적으로해수 Atmosphere, Vol. 26, No. 4. (2016)
614 기상청계절예측시스템 (GloSea5) 의해양성층강화시기단기해양예측정확도및대기 - 해양접합효과 면온도를높게모의하고있는 NEMO 가평균적으로오차가더낮았다. 이것은이지역의단기해양예측정확도가대기 - 해양의접합효과보다는다른요인들 ( 국지적인해류및해상풍재현능력등 ) 에의해더큰영향을받았음을시사한다. 특히, NEMO 모델의입력자료로사용된 KMA 수치분석장이우리나라근해에서는더많은관측자료가자료동화에사용되어접합모델보다더현실적인값을제공한것으로사료된다. 한편, 북서태평양영역 (110~150 o E, 20~42 o N) 에서관측된 ARGO float 자료와두실험의연직수온프로파일을비교한결과에서는대부분의수심에서모델에따라큰차이가나타나지않았다. 이결과는 7 일간의적분만으로는대기 - 해양결합효과가표층아래의상층해양까지영향을주지못하였음을의미한다. 분석기간중 TAO 와기상청부이를통틀어가장큰오차를보인동해부이지점에대해모델예측의불확실성과오차에대한원인을조사하였다. 분석결과, 동해부이는북한한류와동한난류가만나는전선해역에위치하여수온변동성이매우클뿐아니라수시로이동하는전선의위치에따라모델과관측값의차이가매우크게나타났다. 특히, 2014 년 2 월 22 일에동해부이와모델사이의큰해수면온도차이는모델이북한한류를관측보다남쪽에위치하는것으로모의하였고, 이와동시에동한난류를연안에서는관측보다남쪽에그리고외해에서는관측보다북쪽까지확장한것으로모의하였기때문에발생한것으로분석된다. 본연구에서는 GloSea5 의단기해양예측정확도를평가하고대기 - 해양접합효과가해역별로차이가있음을제시하였다. 이결과는단기해양예측에초점을맞추어져있어모델과관측값의오차또는모델간의차이가기상청의장기계절예측시스템에어떠한영향을미칠것인가에대한대답은주지못한다. 그러나단기예측결과에서도이미나타난바와같이적분시간이길어질수록오차의크기는커지는경향이있어해양예측의정확도가장기계절예측의성능에도큰영향을미칠것으로예상된다. 따라서향후에보다장기적으로 GloSea5 의해양예측정확도를평가하고, 이를기반으로해양모델을개선하는연구를수행하고자한다. 이와더불어북반구에서성층이강화되는겨울 (2 월 ) 과봄 (5 월 ) 시기뿐아니라여름에서가을로성층이약화되는시기에대해서도향후추가분석을실시하여모델정확도의계절적인변화특징을조사하고자한다. 감사의글 본연구는국립기상과학원 기상업무지원기술개발연구 (NIMS-2016-3100) 의일환으로수행되었습니다. REFERENCES Arribas, A., and Coauthors, 2011: The GloSea4 Ensemble Prediction system fore seasonal forecasting. Mon. Wea. Rev., 139, 1891-1910. Camp, J., M. Roberts, C. MacLachlan, E. Wallace, L. Hermanson, A. Brookshaw, A. Arribas, and A. A. Scaife, 2015: Seasonal forecasting of tropical storms using the Met Office GloSea5 seasonal forecast system. Quart. J. Roy. Meteor. Soc., 141, 2206-2219. Cho, Y. K., and K. Kim, 1996: Seasonal variation of the East Korea Warm Current and its relation with the cold water. La Mer, 34, 172-182. Choi, B. J., D. S. Byun, and K. H. Lee, 2012: Satellitealtimeter-derived East Sea surface currents: Estimation, description and variability pattern, The Sea, 17, 225-242 (in Korean with English abstract). Donlon, C. J., M. Martin, J. Stark, J. Roberts-Jones, E. Fiedler, and W. Wimmer, 2012: The operational sea surface temperature and sea ice analysis (OSTIA) system. Remote Sens. Environ., 116, 140-158. Graham, R. J., M. Gordon, P. J. McLean, S. Ineson, M. R. Huddleston, M. K. Davey, A. Brookshaw, and R. T. H. Barnes, 2005: A performance comparison of coupled and uncoupled versions of the Met Office seasonal prediction general circulation model. Tellus, 57A, 320-339. Jung, M.-I., S.-W. Son, J. Choi, and H.-S. Kang, 2015: Assessment of 6-Month Lead Prediction Skill of the GloSea5 Hindcast Experiment. Atmosphere, 25, 323-337 (in Korean with English abstract). Kang, H.-S., K.-O. Boo, and C. Cho, 2011: Introduction to the KMA-Met Office joint seasonal forecasting system and evaluation of its hindcast ensemble simulations. In 36th NOAA Annual Climate Diagonostics and Prediction Workshop, 3-6. Kim, K., Y.-K. Cho, B.-J. Choi, Y.-G. Kim, and R. C. Beardsley, 2002: Sea level variability at Ulleung Island in the East (Japan) Sea. J. Geophys. Res., 107, 3015. Kim, S.-J., S.-H. Woo, B.-M. Kim, and S.-D. Hur, 2011: Trends in sea surface temperature (SST) change near the Korean peninsula for the past 130 years. Ocean Polar Res., 33, 281-290. Lee, K.-J., and M. H. Kwon, 2015: A prediction of Northeast Asian summer precipitation using Teleconnection. Atmosphere, 25, 179-183 (in Korean with English abstract). Lee, S. H., D. S. Byun, B. J. Choi, and E. Lee, 2009: Estimation of the surface currents using mean dynamic 한국기상학회대기제 26 권 4 호 (2016)
정영윤 문일주 장필훈 615 topography and satellite altimeter data in the East Sea. The Sea, 14, 195-204 (in Korean with English abstract). MacLachlan, C., and Coauthors, 2014: Global Seasonal forecast system version 5 (GloSea5): A high resolution seasonal forecast system. Quart. J. Roy. Meteor. Soc., 141, 1072-1084. Madec, G., and the NEMO team, 2008: NEMO ocean engine. Note du Pôle de modélisation de l Institut- Pierre-Simon Laplace, 27, 401 pp. Martin, M. J., A. Hines, and M. J. Bell, 2007: Data assimilation in the FOAM operational short-range ocean forecasting system: A description of the scheme and its impact. Quart. J. Roy. Meteor. Soc., 133, 981-995. Minobe, S., A. Sako, and M. Nakamura, 2004: Interannual to interdecadal variability in the Japan Sea based on a new gridded upper water temperature dataset. J. Phys. Oceanogr., 34, 2382-2397. Atmosphere, Vol. 26, No. 4. (2016)