장기예보 가이던스 개발book.kma.go.kr/solars7dmme/img/kma_report2/28584_장기... · 2015....
TRANSCRIPT
발 간 번 호11-1360000-001097-14
장기예보 가이던스 개발
(Development for long_range
forecasting guidance)
2014. 12
기 상 청
최 종 보 고 서
과 제 명 장기예보 가이던스 개발
주관연구기관(공동연구기관)
기 관 명 소재지 대 표
주식회사 투씨솔루션
서울 구로구 구로3동 184-1 우림이비지센터2차 412호
현 종 훈
주관연구책임자(공동연구책임자)
성 명 소속 및 부서 전 공
현 종 훈 대표 대기과학
총연구기간(해당년도)
2014 년 4 월 25 일 ～ 2014 년 11 월 30 일(7.2개월)
총연구비(해당년도)
일금 이억구천일백오십만원정 (￦291,500,000)
총참여연구원(해당년도)
15명(책임: 2명, 연구원: 4명, 연구보조원: 9명 보조원: 명)
2014 년도 용역과제에 의하여 수행중인 연구과제의 최종보고서를
붙임과 같이 제출합니다.
붙임 : 최종보고서 30부.
2014년 11월 28일
주관연구책임자 현 종 훈 인
주관연구기관장 ㈜투씨솔루션 대표이사 직인
기 상 청 장 귀 하
장기예보 가이던스에 관한 용역과제의 최종보고를
별첨과 같이 제출합니다.
2014년 11월 28일
주관연구책임자 현 종 훈 인
주관연구기관장 ㈜투씨솔루션
대표이사 현 종 훈 직인
제 출 문
기 상 청 장 귀 하
본 보고서를 “장기예보 가이던스 개발” 최종보고서로 제출합니다.
2014 년 12 월 15 일
○주관연구기관명 : (주) 투씨솔루션
○연 구 기 간 : 2014. 5 ~ 2014. 12.
○주관연구책임자 : 현 종 훈
○공동연구책임자 : 함 유 근
○참여연구원
․연 구 원 : 임 종 석 1)
․연 구 원 : 한 명 수 1)
․연 구 원 : 전 도 1)
․연 구 원 : 김 유 준 1)
․연 구 원 : 소 재 은 1)
․연 구 원 : 송 미 영 1)
․연 구 원 : 정 지 훈 2)
․연 구 원 : 우 성 호 2)
․연 구 원 : 장 연 수 2)
․연 구 원 : 임 형 규 2)
․연 구 원 : 정 혜 미 2)
․연 구 원 : 최 준 영 2)
1) (주) 투씨솔루션
2) (사) 한국기상학회
목 차1. 제 1 세부 장기 계절의 계통적 오차 파악을 통한 동아시아 및 한반도 예보 가이
던스 개발 1
1.1. 서론 1
1.1.1. 연구 개발 배경 1
1.1.2. 연구 목적 및 내용 1
1.1.3. 계절 예측 자료 및 검증 자료 데이터 베이스 4
1.2. Glosea5 기반의 엘니뇨 예보 가이던스 개발 4
1.2.1. 계절별 엘니뇨 예측성 검증 및 계통 오차 분석 4
1.2.1.1. 두 가지 타입 엘니뇨 모의 능력 검증을 통한 예측성 평가 4
1.2.1.2. 계절별 엘니뇨 발달에 따른 오차 경향 분석 6
1.2.1.3. 계절별 동아시아 및 한반도 기후와 엘니뇨 간의 상관성 모의 능력 평가 10
1.2.2. 예측 시점별 엘니뇨 계통 오차 보정을 통한 엘니뇨 예보 가이던스 개발 12
1.2.2.1. 예측 시점별 엘니뇨 아노말리 강도/패턴 변화 표출 12
1.2.2.2. 계통 오차가 보정된 두 타입 엘니뇨 인덱스 표출 14
1.2.2.3. 엘니뇨 관련 한반도 온도/강수 표출 18
1.3. Glosea5 기반의 한반도 예측 가이던스 개발 19
1.3.1. Glosea5 의 한반도 기온, 강수량 예측 성능 분석 19
1.3.2. 한반도 기온 관련 예측 가이던스 개발 20
1.3.2.1. 북극 해빙 예측 관련 예보 가이던스 개발 20
1.3.2.2. 시베리아 고기압 지수 관련 예보 가이던스 개발 22
1.3.2.3. 우랄 블로킹 지수 관련 예보 가이던스 개발 25
1.3.2.4. 북극 진동 및 북대서양 진동 관련 예보 가이던스 개발 29
1.3.2.5. Polar-vortex 강도 인덱스 지수 관련 예보 가이던스 산출 36
1.3.2.6. 한반도 한파 인덱스 관련 예보 가이던스 개발 39
1.3.3. 한반도 강수 관련 예측 가이던스 개발 42
1.3.3.1. 여름철 계절 내 진동 인덱스 관련 예보 가이던스 개발 42
1.3.3.2. 인도양, 북태평양 인덱스 관련 예보 가이던스 개발 46
1.3.3.3. 한반도 여름철 강수 예측성 검증 52
1.3.3.4. 북서태평양 고기압 지수 관련 예보 가이던스 개발 52
2. NCL 기반의 그래픽 최적화 및 표준화를 통한 GloSea5 예측, 진단 시스템의 효율
적 운영 56
2.1. 서론 56
2.1.1. 연구 개발 배경 56
2.1.2. 연구 목적 및 내용 56
2.2. NCL 기반의 GloSea5 그림 표출 체계 구축 57
2.2.1. 그림 생산을 위한 작업 단위별로 자료 처리 체계 구축 58
2.2.1.1. TIDL 기반의 그래픽 처리를 NCL 기반의 단위 작업 과정으로 구성 58
2.2.1.2. Cylc 적용이 가능한 그래픽 작업 단위 및 Cylc 수행 구성 60
2.2.2. 일관된 작업 형태의 그림 생산 및 표출 체계 구축 60
2.2.2.1. 모델 자료를 이용하기 위한 자료 체계 구성 60
2.2.2.2. 그래픽 쉘 및 소스코드의 일관성 구현 60
2.2.2.3. 작업 단위 그룹화 구현 60
2.2.3. 범용성 확보를 위한 대표 그림 생산 원형(prototype) 코드 작성 61
2.2.3.1. 평균장 및 편차장, 확률 분포도 61
2.3. GloSea5 장기예보 가이던스 구축 63
2.3.1. GloSea5 예측 결과 및 검증시스템 그림 작성 및 개선 63
2.3.2. 진단 및 응용 모델에 대한 그래픽 처리 67
2.3.3. 해양자료 표출 체계 구축 68
2.3.4. 신규 가이던스 작성을 위한 그림 작성 70
3. 요약 및 결론 72
4. 참고문헌 73
그림 목차그림 1.2.1.1.1. 관측의 (a) 중태평양 엘니뇨 지수 (Nino4) 와 (b) 동태평양 엘니뇨 지
수 (Nino3) 의 패턴과 시계열 6
그림 1.2.1.2.1. 4월 예측 시작인 각 달의 해수면 온도 예측성 7
그림 1.2.1.2.2. 4월 예측 시작인 각 달의 해양 표면부터 300m 까지 평균된 해양 내
부 온도 8
그림 1.2.1.2.3. 10월 예측 시작인 각 달의 해수면 온도 예측성 9
그림 1.2.1.2.4. 10월 예측 시작인 각 달의 해양 표면부터 300m 까지 평균된 해양
내부 온도 10
그림 1.2.1.3.1. 5월-7월에서의 관측과 모형의 Nino3 지수와 500hPa 지위 고도장간의
상관 관계 11
그림 1.2.1.3.2. 5월-7월에서의 관측과 모형의 Nino4 지수와 500hPa 지위 고도장 간
의 상관 관계 12
그림 1.2.2.1.1. 예측 시점별 관측 Nino3 지수와 모형 해수면 온도 예측장간의 상관
관계 13
그림 1.2.2.1.2. 예측 시점별 관측 Nino4 지수와 예측 해수면 온도장과의 상관 관계
14
그림 1.2.2.2.1. 보정된 정의를 이용하여 만든 Nino3 지수와 오리지널 예측 지수, 관
측 간의 상관 관계 15
그림 1.2.2.2.2. 보정된 index와 관측간의 상관 관계, 오리지널 예측 index와 관측 간
의 상관 관계 16
그림 1.2.2.2.3. 보정된 정의를 이용하여 만든 중태평양 엘니뇨 (Nino4) 지수와 오리
지널 예측 지수, 관측 지수를 비교한 시계열 17
그림 1.2.2.2.4. 보정된 index와 관측간의 상관 관계, 오리지널 예측 index와 관측 간
의 상관 관계 17
그림 1.2.2.3.1. 관측 자료를 이용한 엘니뇨 지수와 (a) 한반도 평균 온도, (b) 강수와
의 지연 상관 관계 18
그림 1.3.1.1. 관측과 한반도 지역 평균 (125-130E, 35-38N) 된 (a) 표면 온도와 (b)
강수 간의 상관 관계 19
그림 1.3.2.1.1. (a) 관측 가이던스 패턴과 관련된 시계열, (b) 10월 31일 예측 시작의
경우 관측과 예측 계열간의 상관 관계 21
그림 1.3.2.1.2. 예측 시점별 관측 BK sea-ice 지수 관련 시계열과 모형 지표 온도간
의 상관 관계 21
그림 1.3.2.2.1. 시베리아 고기압 지수 관련 패턴과 시계열, 같은 지역 평균 정의를
사용한 모형 예측 시계열 23
그림 1.3.2.2.2. (a) 한반도 평균 기온과 (b) 한반도 평균 강수와 시베리아 고기압간
의 상관 관계 23
그림 1.3.2.2.3. 예측 시점별 관측 시베리아 고기압 index와 모형 sea level pressure
간의 상관 관계 24
그림 1.3.2.2.4. 보정된 가이던스와 관측간의 상관 관계, 오리지널 예측 index와 관측
간의 상관 관계 24
그림 1.3.2.3.1. (a) 우랄 블로킹 지수 관련 패턴과 (b) 시계열 27
그림 1.3.2.3.2. 모형 예측장을 이용한 우랄 블로킹 시계열 만든 경우의 예측성과의
상관 관계 27
그림 1.3.2.3.3. 예측 시점별 관측 우랄 블로킹 지수와 모형 예측 500hPa 지위 고도
장 간의 상관 관계 28
그림 1.3.2.3.4. 보정 지수와 관측 간의 상관 관계, 오리지널 예측 지수와 관측 간의
상관 관계 28
그림 1.3.2.4.1. 관측 데이터의 북극 진동 관련 패턴과 시계열과 모형 예측 시계열 30
그림 1.3.2.4.2. (a) 한반도 평균 기온 (b) 한반도 평균 강수와 북극 진동 index 간의
상관 관계 31
그림 1.3.2.4.3. 예측 시점별 관측 북극 진동 지수와 모형 예측 1000hPa 지위 고도장
간의 상관 관계 31
그림 1.3.2.4.4. 북극 진동 index의 보정 지수와 관측 간의 상관 관계, 오리지널 예측
지수와 관측 간의 상관 관계 32
그림 1.3.2.4.5. 북대서양 진동과 관련된 관측 패턴과 시계열, 모형 예측성 시계열 34
그림 1.3.2.4.6. (a) 한반도 평균 기온 (b) 한반도 평균 강수와 북대서양 진동 간의 상
관 관계 34
그림 1.3.2.4.7. 예측 시점별 관측 북대서양 진동 지수와 예측 해면 기압간의 상관
관계 35
그림 1.3.2.4.8. 북대서양 진동 index의 보정 지수와 관측 간의 상관 관계, 오리지널
예측 지수와 관측 간의 상관 관계 35
그림 1.3.2.5.1. Polar-vortex 강도 index 관련 패턴과 시계열, 같은 방식으로 예측
index를 산출 하였을 때의 예측성 37
그림 1.3.2.5.2. 예측 시점별 관측 Polar-vortex 강도 지수와 모형 예측 50hPa 지위
고도장 간의 상관 관계 38
그림 1.3.2.3.3. 보정 지수와 관측 간의 상관 관계, 오리지널 예측 지수와 관측 간의
상관 관계 38
그림 1.3.2.6.1. 한파 index 관련 패턴과 시계열, 같은 기준으로 예측 index를 산출
했을 경우의 지수의 시계열 40
그림 1.3.2.6.2. (a) 한반도 평균 기온과 (b) 한반도 평균 강수와 한파 index의 상관
관계 41
그림 1.3.2.6.3. 예측 시점별 관측 한반도 한파 index와 모형 지표면 온도간의 상관
관계 41
그림 1.3.3.1.1. 여름철 계절 내 진동 (Boreal Summer Intra-Seasonal Oscillation,
BSISO) index 관련 패턴과 index 43
그림 1.3.3.1.2. 예측 index를 산출 했을 경우의 지수의 시계열 43
그림 1.3.3.1.3. 예측 시점별 관측 WNPSH index와 예측 850hPa 지위 고도장 간의
상관 관계 45
그림 1.3.3.1.4. 보정 지수를 이용한 경우와 오리지널 예측 index와 관측 간의 상관
관계 45
그림 1.3.3.2.1. IOBW 관련 패턴과 시계열, 같은 방식으로 모형 예측 index를 산출한
경우의 예측성 47
그림 1.3.3.2.2. IOBW index와 (a) 한반도 평균 기온과 (b) 한반도 평균 강수와의 상
관 관계 48
그림 1.3.3.2.3. 예측 시점별 관측 IOBW index와 모형 SST 예측 간의 상관 관계 48
그림 1.3.3.2.4. 보정 지수를 이용한 경우와 오리지널 예측 index와 관측 간의 상관
관계 49
그림 1.3.3.2.5. Pacific Decadal Oscillation (PDO) 와 관련된 패턴과 시계열 50
그림 1.3.3.2.6. WNPSH 지수와 (a) 한반도 평균 기온과 (b) 한반도 평균 강수와의 연
관성 51
그림 1.3.3.2.7. 예측 시점별 관측 PDO index와 모형 예측 SST 간의 상관관계 51
그림 1.3.3.3.1. 기상청에서 제공하는 한반도 평균 강수장과 한반도 지역 평균 모형
강수 예측장 간의 상관 관계 52
그림 1.3.3.4.1. 북서태평양 고기압 (WNPSH) 관련 패턴과 이와 관련된 시계열의 패
턴, 같은 기준으로 모형 예측 index 54
그림 1.3.3.4.2. WNPSH 지수와 (a) 한반도 평균 기온과 (b) 한반도 평균 강수와의 연
관성 54
그림 1.3.3.4.3. 예측 시점별 관측 WNPSH index와 예측 850hPa 지위 고도장 간의
상관 관계 55
그림 2.2.1.1.1. NCL로 표출한 GloSea5 결과 Global 영역 58
그림 2.2.1.1.2. 기존 IDL로 표출한 기존 GloSea5 결과 Global 영역 59
그림 2.2.1.1.3. NCL로 표출한 GloSea5 결과 Global 영역 59
그림 2.2.2.3.1. GloSea5 결과 표출을 위한 namelist 61
그림 2.2.3.1.1. NCL로 표출한 GloSea5 결과 62
그림 2.3.1.1. 실황 검증 rmse namelist 65
그림 2.3.1.2. 기존 검증 시스템 결정 표출 그래픽 65
그림 2.3.1.3. NCL Script를 통한 검증 표출 차트 66
그림 2.3.2.1. 진단변수 표출의 예 67
그림 2.3.3.1. 해양 변수 namelist 68
그림 2.3.3.2. NCL Script를 통한 해양변수 표출 69
그림 2.3.4.1. NINO3 와 관련된 자료 표출 70
그림 2.3.4.2. NINO3 와 관련된 자료 표출 71
그림 2.3.4.3. NINO3 지수 관련 신규 가이던스 표출 72
표 목차
표 2.2.1. 그래픽 도구간의 주요 특성 비교 57
표 2.3.1.1. 작성된 차트 종류 63
요 약 문
I. 과제명
◦ 장기예보 가이던스 개발
- 제 1 세부 장기 계절의 계통적 오차 파악을 통한 동아시아 및 한반도 예보 가
이던스 개발
- 제 2 세부 NCL 기반의 그래픽 최적화 및 표준화를 통한 GloSea5 예측, 진단 시
스템의 효율적 운영
II. 과제의 목적 및 필요성
1. 과제의 목적
◦ 제 1 세부 목적
- 동아시아 및 한반도 기후와 관련된 인자들의 오차 패턴 및 계통적 오차를 파
악
- 현업 예보에 활용하기 위한 규격화된 예보 가이던스 기법의 개발의 필요
- 오차 파악을 통한 현업 예측 생산과 지속적인 시스템 개선
◦ 제 2 세부 목적
- 예측 시스템의 현업 운영 그래픽 처리과정을 체계화
- NCL 기반의 그래픽 시스템을 통한 중기 수치 모델 그래픽과 통일
- NCL 기반의 그래픽 시스템을 통한 효율적인 그래픽 생산
2. 필요성
◦ 제 1 세부 필요성
- 동아시아 및 한반도 지역의 오차 패턴과 특성 파악을 통한 장기예보의 정확도
향상에 필요
- 장기예보에 활용할 수 있는 규격화된 가이던스(장마, 한파 등) 및 해양의 상태
를 고려한 엘니뇨 예보 가이던스 등의 개발 필요
◦ 제 2 세부 필요성
- 예보관에게 장기예보에 활용할 수 있는 규격화 된 가이던스를 제공하기 위한
표출시스템의 구축이 필요
- NCL Script를 기반으로 한 Glosea5 결과 표출 과정의 체계화가 필요 하며 단
· 중기 수치모델 그래픽과의 통일 및 표준화된 표출 체계 필요
- 개선된 시스템과 현업 시스템의 객관적 · 체계적 모의 능력 평가가 가능한
표준화된 진단 시스템 구축이 필수적
3. 개발 수행 내역
◦ 제 1 세부 수행 내역
- 계절 예측 시스템의 계통적 오차 진단 체계 구축을 통한 계절 예측 기법의 향
상
- GloSea5 예측 결과의 계절별/예측 시점별 구조적 오차 분석
- GloSea5 예측 결과의 계절별/예측 시점별 한반도 예측 인자 개발
- GloSea5 예측 오차 분석을 통한 예측 최적화 체계 구축
◦ 제 2 세부 수행 내역
- NCL 기반의 GloSea5 그림 표출 체계 구축
- 장기예보 지원을 위한 가이던스 그림 생산
- GloSea5 결과자료 활용을 위한 그림 표출 체계 개선
- GloSea5 장기예보 가이던스 구축
- 1 -
1. 제 1 세부 장기 계절의 계통적 오차 파악을 통한 동아시아 및 한
반도 예보 가이던스 개발
1.1. 서론
1.1.1. 연구 개발 배경
기상청은 계절 규모의 기후 예측 체계 구축을 위하여 영국기상청으로부터 계
절 예측시스템 GloSea4 (Global Seasonal Forecasting System version 4)를 도입하
고, 시험 적용을 통한 장기 계절 예측성을 검증을 거쳐 2014년 1월 1일부터 이를
이용한 현업 시스템을 구축하였다. GloSea4 계절 예측 시스템을 개선시키기 위하
여 대기 모형이었던 HadGEM3 전지구 기후모델의 공간해상도를 증가시키고, 물
리 모수화 과정을 개선한 GloSea version 5 (GloSea5) 가 영국기상청에서 개발
완료되었으며, 기상청은 이 시스템을 이용한 계절 예측시스템의 시험 적용 및 장
기 예측성 검증을 수행하고 있다. 현재 1개월, 3개월 예측 자료를 중심으로 단정
예보 및 확률 예보 자료를 생산하고 검증하는 체계를 구축하고 있으며 GloSea5
의 과거 기후장에 대한 예측성 진단 과정 (2012년 기후연구과 개발) 시스템의 이
전이 완료된 상태이다. 현 진단 시스템을 활용한 GloSea5의 장기 계절 예측성의
검증 결과, 필연적으로 모든 계절 예측 시스템이 가지고 있는 모형 오차를
GloSea5 시스템도 가지고 있으며, 이는 장기 예보의 예측성을 저해하는 요소이
다. 열대 엘니뇨 해수면 온도 변화 패턴 및 엘니뇨 시기 적도 대기 반응, 한반도
및 동아시아 장기 예측과 관련된 기후 인자들에서 모형 오차가 보여지고 있지만,
아직까지 계통적 오차에 대한 파악이 체계적으로 이루어지지 못하고 있기 때문
에 이를 고려한 장기 예보 생산에 어려움이 있는 상태이다.
GloSea5 시스템은 매일 2개의 멤버를 사용한 예측을 수행하고 있으며, 따라서
일주일에 14개의 멤버를 생산하고 있다. 과거 기후장 생산을 위해 과거 14년간
(1996~2009년) 동안 일주일에 42개의 멤버를 추가로 생산하여 매주 거대한 양의
데이터가 생산되고 있다. 게다가 GloSea5 시스템의 주기적인 개선으로 추가 생산
되는 데이터의 양은 계속적으로 늘어날 것이다. 이에 계절 예측 시스템의 개선으
로 인한 예측성, 모형 오차의 변화를 체계적으로 파악하기 위한 진단 시스템이
필요하며 개선된 시스템에 적용될 진단 시스템의 효율적인 적용을 위해 진단 시
스템의 표준화 및 체계화가 필수적이다.
1.1.2. 연구 목적 및 내용
장기 예보의 예측성 향상 및 정확도 향상을 위하여 동아시아 및 한반도 기후
와 관련된 인자들의 오차 패턴 및 계통적 오차를 객관적으로 파악할 필요가 있
으며, 이를 현업 예보에 활용하기 위한 규격화된 예보 가이던스 기법의 개발이
필요하다. 이는 한반도 기후와 관련된 기후 인자들의 계통적 오차를 이해를 바탕
으로 현업 예측을 생산하고자 함과 동시에, 지속적으로 시스템의 개선이 이루어
- 2 -
질 때 현업 모형 개선 사항을 실시간으로 반영하기 위함이다.
이를 위하여 본 제안서에서는 다음과 같이 계절 예측 시스템이 생산한 다년간
의 과거 기후예측장의 체계적인 예측성 검증을 기반으로 GloSea5 의 계통적 오
차를 고려한 보정된 예보 가이던스 제공을 목적으로 한다. 본 연구의 목적 및 개
요는 그림 1.2.1 과 같다.
○ 계절 예측 시스템의 계절별/예측 시점별 엘니뇨 예보 가이던스 개발
－ 기존 두 가지 타입 엘니뇨 지수를 기반으로 한 모의 능력 분석 및 이의 예측성 평
가
－ 동아시아 및 한반도 온도/강수와 엘니뇨 간의 상관성 모의 능력 평가를 통한 현 계
절 예측 시스템의 열대-중위도 관련성 모의 능력 파악
－ 계절별/예측 시점별 계통적 오차가 보정된 한반도 온도/강수 관련 엘니뇨 인자 개발
○ 계절 예측 시스템의 계절별/예측 시점별 겨울철 예측 가이던스 개발
－ 기존 북극 해빙 예측성 평가 및 북극 해빙 시점별 오차 발달 과정 분석
－ 시베리아 고기압 지수의 예측성 검증 및 중위도 기압장 예측 패턴의 계통 오차 분
석
－ 우랄 블로킹 지수의 예측성 검증 및 중위도 기압장 예측 패턴의 계통 오차 분석
－ Polar-vortex 강도 관련 예보 가이던스 개발
－ 북국진동 및 북대서양 진동 계통 오차 분석
－ 구조적 오차가 보정된 한반도 한파 관련 인자 개발
- 3 -
○ 계절 예측 시스템의 계절별/예측 시점별 여름철 예측 가이던스 개발
－ 여름철 계절내 진동 예측성 검증 및 위상별 계통 오차 분석
－ 열대해양 (북동, 북서태평양, 인도양) 기압 및 기온 분포의 계통 오차 분석
－ 한반도 여름철 강수 예측성 검증 및 모형 계통 오차 분석
－ 구조적 오차가 보정된 한반도 장마 관련 북태평양 고기압 지수 예보 가이던스 개발
○ 계통 오차 분석과 예보 가이던스 표출 최적화 체계 구축
－ 쉘에 기반한 작업 단위별 가이던스 작성 자료 처리 체계 구축
－ 대기/해양 변수별 예측 오차 패턴 분석 체계 구축
－ 모델 변경 및 개선에 따른 성능 향상 유무를 확인할 수 있는 점검 체계 구축
－ Glosea5 중기/계절내(30-60일) 예측 특성 분석
－ 예보관 및 일반 이용자 활용 매뉴얼 작성
계통 오차를 보정하기 위한 방법론은 그림 1.2.2 와 같다. 먼저 관측 가이던스
관련 예측 패턴장을 산출하고, 이를 통해 계통 오차를 파악한다. 계통 오차 파악
을 통하여 기존의 가이던스의 문제점을 파악하여 보정된 가이던스 제공을 목표
로 한다. 보정된 가이던스는 기존 가이던스와 크게 차이가 없는 한에서 계통적
오차를 보정하는 방향으로 진행 하였다.
- 4 -
1.1.3. 계절 예측 자료 및 검증 자료 데이터 베이스
본 연구에서 사용된 관측 자료는 두 가지 타입 엘니뇨 모의 능력 검증을 위하
여 2014년 10월까지의 해수면 온도 데이터 베이스를 구축하였다. Hindcast 분석
기간을 포함하는 격자화된 해수면 온도 데이터 자료를 NOAA (Extended
Reconstruced Sea Surface Temperature V3b, ERSST_V3b)을 이용하였다. 이와 동
시에 해면 밑 해양 자료가 필요할 경우를 대비하여, NCEP에서 제공하는 Global
Ocean Data Assimilation System (GODAS) 자료를 확보 하였다. 또한, 대기장 관
련 관측 자료로서 European Centre for Medium-Range Weather Forcasts
(ECMWF) 에서 제공하는 ERA_interim 해면 기압, 3차원 지위 고도, 바람장, 해면
온도 일자료를 확보하였다. 또한, 북극 해빙과 관련된 가이던스 산출을 위하여
NASA NSIDC 에서 제공하는 일평균 sea-ice concentration 자료를 확보하였다
(http://nsidc.org/data/seaice/data_summaries.html). 한반도 평균 온도와 강수 자료
는 기상청에서 제공하고 있는 한반도내 station 자료의 평균을 통하여 구하였다.
모형 예측장은 여름철과 겨울철을 타겟으로 하여 5월 예측 시작장과 11월 예
측 시작장에 경우에 대하여 분석하였다. 5월은 5월 1일, 8일, 15일, 22일 일주일
간격의 예측 결과를 분석하였고, 11월은 11월 1일의 예측장을 분석하였다. 각 예
측장은 앙상블 평균장을 분석하였으며, 앙상블은 5월 1일의 경우, 이와 가장 가
까운 4월 25일, 5월 8일의 경우에는 가장 높은 가중치를, 그에서 벗어날수록 점
차 낮은 가중치를 주어 모형 앙상블 평균을 계산하였다. 주 평균 데이터와 월 평
균 데이터를 확보하여 관측 일평균 데이터를 모형 결과에 맞추는 작업을 하였다.
1.2. Glosea5 기반의 엘니뇨 예보 가이던스 개발
1.2.1. 계절별 엘니뇨 예측성 검증 및 계통 오차 분석
1.2.1.1. 두 가지 타입 엘니뇨 모의 능력 검증을 통한 예측성 평가
전통적인 엘리뇨 (El-Nino)는 열대 태평양의 해수면 온도가 평년보다 상승하는
현상을 말한다. 이 엘리뇨는 수 개월에 걸쳐 해양-대기간의 양의 되먹임
(feedback) 작용으로 북반구 겨울철 동태평양 지역에서 최대 해수면 온도의 아노
말리를 보이고, 이를 중심으로 양의 해수면 온도 아노말리가 중태평양 및 아열대
지역까지 확장된 형태를 보여준다. 이러한 엘리뇨 현상은 적도 태평양의 기압,
바람, 강수의 변동을 수반하며, 원격상관을 통해 원거리의 기후에 영향을 미친
다. 특히 한반도를 포함한 동아시아지역도 엘니뇨 원격상관의 영향을 받고 있다
는 연구가 선행된 바 있다 (Ha, 1995; Ahn et al., 1997; Kang, 1998; Cha et al.,
1999, Wang et al. 2000; Son et al. 2014). 그런데 최근 전반적으로 적도태평양의
해수면온도가 상승하지만 최대값이 동태평양이 아닌 중태평양에 나타나는 엘리
뇨가 빈번히 발생하고 있음이 보고 되었다 (Ashok et al., 2007; Kao and Yu,
2009; Kug et al., 2009). 이것이 중요한 이유는 기존의 전통적인 엘리뇨와 비교하
- 5 -
였을 때, 엘리뇨와 연관된 적도지역 바람과 강수의 변동이 다르고, 그로 인한 원
격상관이 달라져 전지구적 영향이 다르다 (Ashok et al., 2007; Weng et al.,
2009; Kug et al., 2010; Song et al., 2011). 따라서 계절예측이나 장기예보에 엘니
뇨와 연관된 정보를 적절히 활용하기 위해서는 두 엘니뇨를 구분하여 조사할 필
요가 있다.
기존의 동태평양 엘니뇨에 더해 최근에는 중태평양 엘니뇨의 발생이 빈번해
지고 있다 (Yet et al. 2009). 최근 빈번히 발생하는 중태평양 엘니뇨의 발생을
진단하고 이의 역학을 이해하기 위하여 중태평양 엘니뇨와 관련된 예보 인자를
개발하고자 하는 시도들이 이루어지고 있다 (Kug et al. 2009; Lin and Jin, 2014).
본 절에서는 중태평양 엘니뇨와 동태평양 엘니뇨를 구분 짓는 데 흔히 사용되는
Nino4, NIno3 해수면 변동과 관련된 모형 예측 패턴을 관측과 비교하고, 관련 시
계열의 예측성을 비교할 것이다. 새로운 형태의 엘니뇨를 정의하는 방법들이 기
존연구에서 제시되었지만 (Larkin and Harrison, 2005a, b; Ashok et al., 2007;
Kao and Yu, 2009; Kug et al., 2009), 본 연구에서는 간단히 중태평양을 포함하
는 Nino 3 (150°W-90°W, 5°S-5°N) 과 동태평양 지역을 주로 포함하는 Nino
4 지역의 SST 변동으로 두 타입의 엘리뇨의 변동을 구분하였다. 동태평양 엘니
뇨 지수는 Nino4 (160°E-150°W, 5°S-5°N) 지역에서 SST 아노말리를, 중태평
양 엘니뇨는 Nino 3 지역에서 평균된 SST 아노말리로 정의하여 예측성 검증에
사용하였다.
그림 1.2.1.1.1 은 관측의 중태평양 엘니뇨 지수인 Nino4 지수와 동태평양 엘니
뇨 지수인 Nino3 지수 관련 패턴과 시계열의 예측성을 나타낸 그림이다. 중태평
양 엘니뇨 지수 관련 패턴은 적도 중태평양에 가장 큰 시그널을 갖고 있으며, 상
대적으로 동태평양의 시그널은 작은 편이다. 반면, 동태평양 엘니뇨 지수는 적도
동태평양에 가장 큰 시그널을 갖고 있는 것이 특징이다. 이와 관련된 시계열의
예측성을 살펴보기 위하여, 5월 예측 시작의 경우 예측 시작 후 6개월까지의 월
평균 관측과 예측 시계열간의 상관 관계를 구하였다. Nino4 예측의 경우 모두 비
슷한 예측성을 갖고 있는 것을 확인하였다. 5월 예측 시작의 경우, 6개월 이후까
지 모든 경우에서 예측성이 0.8 이상되는 것을 확인 하였다. 5월 예측 시작의 경
우, 예측성이 예측 시작 5개월 이후 다시 증가하는 경향을 보이는데, 이는 겨울
철로 들어서면서 엘니뇨 시그널이 뚜렷해지기 때문이다. Nino3 지수의 예측성 역
시 상당히 높은 것을 확인할 수 있다. 예측 시작 6개월 이후까지 0.9 정도 예측
성을 갖고 있는 것을 알 수 있다. 다만, 예측 시작 후 1개월의 예측성이 6개월의
예측 보다 오히려 예측성이 떨어지는 경향이 있는데, 이는 좀 더 정교한 분석이
있어야 하겠지만 대기와 해양의 초기화과 따로 이루어지면서 일어나는 초기 충
격의 영향으로 보여진다.
- 6 -
그림 1.2.1.1.1. 관측의 (a) 중태평양 엘니뇨 지수 (Nino4) 와 (b) 동태평양 엘니뇨
지수 (Nino3) 의 패턴과 시계열
1.2.1.2. 계절별 엘니뇨 발달에 따른 오차 경향 분석
그림 1.2.1.2.1 는 엘니뇨 예측성과 함께 전 대양의 예측성을 평가하고, 예측성
이 떨어지는 원인인 오차 경향을 분석하기 위하여 해수면 온도의 예측성을 각
달에 대하여 구한 것이다. 해수면 온도의 경우 앞서 언급한 바와 같이 예측 6개
월 이후에도 적도 중,동 태평양 지역에서의 예측성은 0.8 이상으로 높게 나타나
는 것을 볼 수 있다. 또 다른 특징은 동태평양의 경우 적도를 중심으로 북반구와
남반구를 비교해 보았을 때, 북반구의 예측성이 조금 더 높은 것을 알 수 있다.
이를 통하여 엘니뇨와 관련된 적도 근처 해수면 온도의 시그널 중 적도 남쪽의
시그널보다는 적도 북쪽의 시그널이 예측성이 높다는 것을 알 수 있다. 또한, 적
도 남쪽의 시그널은 계통 오차에 의한 예측성의 하락이 상대적으로 크게 나타나
는 지역임을 알 수 있다. 중,동 태평양 외에 서태평양의 예측성을 살펴보면, 양
의 상관성이 중, 동 태평양에 비해 다소 떨어지고, 5-20N 사이의 위도에서는 경
우에 따라 음의 상관 관계를 갖는 경우도 있다. 이는 엘니뇨와 관련된 양의 아노
말리가 관측에서는 중, 동태평양에 한정되는 반면, 모형의 아노말리는 다시 서태
평양까지 뻗기 때문에 생기는 계통적 오차 때문이다.
- 7 -
그림 1.2.1.2.1. 4월 예측 시작인 각 달의 해수면 온도 예측성
해수면 온도의 예측성 뿐만 아니라, 해양 내부의 heat content 와 관련된 시그
널의 예측 성능을 살펴보기 위하여, 해양 표면부터 300m 까지 평균된 해양 내부
온도의 예측성을 상관 관계를 그림 1.2.1.2.2 에 계산하였다. 해양 내부 온도의
경우, 그 예측성이 중, 동 태평양 뿐만 아니라, 서태평양에도 높은 것을 알 수
있는데, 이는 엘니뇨와 관련된 시그널이 서태평양 해양 내부에 강하기 때문이다
(Jin 1997). 해양 내부의 시그널과 관련된 상관 관계의 패턴을 살펴보면, 적도를
중심으로 적도 남쪽의 예측성이 적도 북쪽의 예측성보다 다소 높은 것을 알 수
있는데, 이는 해양 내부의 적도 지역의 엘니뇨 관련 계통 오차가 적도의 남쪽 지
역에서 다소 적음을 의미한다.
- 8 -
그림 1.2.1.2.2. 4월 예측 시작인 각 달의 해양 표면부터 300m 까지 평균된 해양
내부 온도
그림 1.2.1.2.3 은 10월 예측 시작의 경우의 해수면 온도의 예측성을 상관 관계
를 통해 검증한 것이다. 해수면 온도의 예측성은 전 대양에 걸쳐서 예측 시작 1
달에는 상당히 높은 패턴을 보이나, 예측 시작 2달 후부터 북태평양에서 다소 떨
어지는 것을 보이고, 예측 시작 5개월 이후에는 적도 태평양 지역과 인도양 일부
지역에서만 높은 예측성이 보장되는 결과를 보여주고 있다. 적도 태평양의 예측
성을 비교하여 보았을 때, 동태평양 지역보다 중태평양 지역의 예측성이 다소 높
은 것을 알 수 있다. 이를 토대로 동태평양 엘니뇨의 계통 오차가 중태평양 엘니
뇨 관련 계통 오차보다 다소 높음을 유추할 수 있다. 그림 1.2.1.2.4 는 10월 예
측 시작의 경우, 0-300m 해면 온도 평균의 상관성을 계산한 그림이다. 4월 예측
과 비슷한 시그널을 갖고 있으나, 계절적인 특징에 의해 서태평양의 예측성이 다
른 지역에 비해 상대적으로 높은 것을 알 수 있다. 이는 봄철에 엘니뇨 관련 시
그널이 서태평양 해양 내부에 존재하는 것과 일맥상통한다.
- 9 -
그림 1.2.1.2.3. 10월 예측 시작인 각 달의 해수면 온도 예측성
- 10 -
그림 1.2.1.2.4. 10월 예측 시작인 각 달의 해양 표면부터 300m 까지
평균된 해양 내부 온도
1.2.1.3. 계절별 동아시아 및 한반도 기후와 엘니뇨 간의 상관성 모의 능력 평가
엘니뇨와 동아시아 및 한반도 기후와의 관련성 모의 능력을 평가하기 위하여
그림 1.2.1.3.1 은 엘니뇨 Nino3 와 500hPa 지위 고도장간의 상관 관계를 각 달
별로 그린 그림이다. 5월의 경우, 관측에서는 Nino3 와 한반도 지역 500hPa 지위
고도장 간에 양의 상관 관계가 있는 것을 확인할 수 있다. 이는, 엘니뇨와 관련
된 적도의 시그널이 중위도까지 영향을 미칠 수 있음을 보여준다. 하지만, 6월의
Nino3 지수와 지위 고도장간의 관계는 5월과는 아주 판이하게 다른 패턴을 보이
는데, 6월의 경우 한반도 및 일본 지역의 지위 고도장과 Nino3 지수는 강한 음의
상관성을 갖는다. 이러한 관련성이 7월에는 거의 나타나지 않는다. 즉, 같은 여
름철 안이라도 각 달에 따라서 관련성이 판이하게 차이가 나는 것을 확인할 수
있다. 이러한 관련성을 모형 예측에서 모의하는 지 살펴보기 위하여, 같은 그림
을 모형 예측장을 이용하여서도 확인해 보았을 때, 모형 예측장은 관측에서 나타
- 11 -
나는 달마다 서로 다른 패턴을 거의 모의하지 못하는 것을 확인하였다. 예를 들
면, 5월의 경우와 6월의 경우 모두 한반도 지역의 지위 고도장과 Nino3 지수와의
관련성은 음의 값을 갖는 것을 확인하였다. 다만 7월의 관련성이 없어지는 것은
어느 정도 모의하는 것으로 확인되었다. 그림 1.2.1.3.2 는 Nino4 지수와 500hPa
지위 고도장간의 상관 관계를 표출한 그림이다. Nino3 지수와 마찬가지로 Nino4
지수와 관련되어 있는 한반도 근처의 지위 고도장의 패턴은 다달이 매우 다른
것으로 나타났다. 5월의 경우 관련성이 약한 것을 확인하였고, 6월의 경우에는
음의 관련성이, 7월의 경우에는 다시 관련성이 없어지는 것을 확인하였다. 반면
에, 모형 예측에서는 6월과 7월 한반도 근처 지위 고도장과 Nino4 지수간에 음의
관련성을 갖는 것을 확인하였다.
그림 1.2.1.3.1. 5월-7월에서의 관측과 모형의 Nino3 지수와 500hPa 지위 고도장간의
상관 관계
- 12 -
그림 1.2.1.3.2. 5월-7월에서의 관측과 모형의 Nino4 지수와 500hPa 지위
고도장 간의 상관 관계
이처럼 모형과 관측간의 관련성이 다른 것은 몇 가지 이유로 추정해 볼 수 있
다. 한 가지는 모형 예측의 경우에 엘니뇨와 관련성 강수장의 모의 패턴이 관측
과 다를 수 있다. 특히 적도 지역을 벗어난 지역의 강수 패턴이 중위도 원격 상
관에 중요한 영향을 미치므로, 엘니뇨 관련 강수장의 모의 성능을 지속적으로 검
증해 볼 필요가 있다. 다른 요인으로는, 엘니뇨와 다른 대양간의 관련성이 모형
과 관측 간에 다를 가능성이다. 관측에서는 엘니뇨와 인도양 간의 상관성이 여름
철에는 높지 않은데 반하여, 모형에서는 이 관련성이 강할 가능성이 있고, 이것
이 둘 간의 원격 상관 패턴을 다르게 할 가능성이 존재한다.
1.2.2. 예측 시점별 엘니뇨 계통 오차 보정을 통한 엘니뇨 예보 가이던스 개
발
1.2.2.1. 예측 시점별 엘니뇨 아노말리 강도/패턴 변화 표출
예측 시점별 동태평양 엘니뇨 아노말리 패턴 변화를 표출하기 위하여 그림
1.2.2.1.1 은 관측 Nino3 지수와 모형 해수면 온도 예측장간의 상관 관계를 구한
것이다. 5월 예측 시작의 경우, 첫 번째 월 평균 값은 동태평양에 큰 값을 갖는
것을 알 수 있다. 예측이 진행되면서 관측 엘니뇨 지수와의 관련성이 높은 지역
- 13 -
이 점차 넓어지는 것을 알 수 있다. 동시에 서태평양에 관측 엘니뇨 지수와 예측
서태평양 해수면 온도 간의 음의 상관 관계도 더욱 뚜렷해 진다. 이러한 관련성
은 관측 지수 관련 패턴에서도 나타나는 것으로 엘니뇨 예측 성능이 높은 것을
또 한 번 확인시켜 준다. 관측 패턴과 매우 높은 패턴 상관성을 갖지만, 관측 패
턴과 다른 특이점을 찾아보자면, 첫 번째 달과 두 번째 예측 달에는 상관성이 가
장 높은 지역이 적도를 벗어난 지역에서 나타난다. 특히 두 번째 예측달의 상관
관계는 적도 지역에서 local minima 가 나타나는 패턴을 보인다. 또 다른 특징은
적도 기준으로 적도 보다 북쪽의 예측성이 남쪽의 예측성보다 높다는 것에 있다.
예를 들면, 예측 4달째 되는 달의 상관 관계 0.9 이상 되는 지역은 적도 지역이
기도 하지만, 동시에 적도보다 약간 북쪽에 두 번째 피크가 있는 것을 확인할 수
있다. 또한, 120W 보다 동쪽 지역에서는 적도를 기준으로 남반구와 북반구의 상
관 관계의 차이가 더욱 뚜렷하게 나타난다. 특히 북반구에서 10N 까지 예측성이
0.8 이상 되는 지역이 넓게 존재하는 반면에, 남반구 10S 에서는 상관 관계 0.8
이상 되는 지역이 매우 좁게 위치한다. 이 두 가지 특징을 조합하여 생각해 봤을
때, Nino3 지수를 선택할 때, 관측 보다 더 subtropics 의 정보를 더 많이 포함하
도록 보정 가이던스를 제공할 경우, 이의 예측성이 더욱 향상될 것이라고 기대된
다. 이를 토대로, 기존의 Nino3 지수에서 북반구쪽으로 10N 까지 확장된 예보 가
이던스를 다음과 같이 제안한다.
보정 Nino3 가이던스 = SST[150-90W, 5S-10N]
그림 1.2.2.1.1. 예측 시점별 관측 Nino3 지수와 모형 해수면 온도
예측장간의 상관 관계
- 14 -
그림 1.2.2.1.2. 는 관측 Nino4 지수와 예측 해수면 온도장과의 상관 관계를 구
한 것이다. 관측에서 적도 중태평양에 가장 강한 관련성을 갖는 반면에, 모형 예
측은 관측 Nino4 와 가장 깊게 관련되어 있는 지역이 북쪽으로 5N 정도 이동된
것을 알 수 있다. 예를 들어, 예측 시작 1,2,3,4 달까지 Nino4 와 관련되어 있는
패턴은 적도에서 피크가 존재하지만, 그 피크 지역이 관측에 비해 좀 더 남 북반
구로 확장되어 있는 것을 알 수 있다. 특히, 예측 시작 1,2 달에는 북반구로의
확장이 더욱 뚜렷하게 나타난다. 동시에 예측 시작 1달에는 잘 나타나지 않지만,
2달 이후부터는 서태평양의 음의 상관성도 뚜렷하게 나타나기 시작한다. 결론적
으로 관측 Nino4 와 관련된 모형의 시그널은 적도에서 10N 까지 확장되어 나타
나고, 이를 바탕으로 보정된 Nino4 가이던스를 다음과 같이 제안한다.
보정 Nino4 가이던스 = SST[160E-180W, 5S-10N]
그림 1.2.2.1.2. 예측 시점별 관측 Nino4 지수와 예측 해수면 온도장과의 상관
관계
1.2.2.2. 계통 오차가 보정된 두 타입 엘니뇨 인덱스 표출
보정된 두 타입 엘니뇨 가이던스의 예측 성능을 살펴 보기 위하여 그림
1.2.2.2.1 은 관측, 같은 정의를 사용해서 만든 모형 예측 시계열, 보정된 정의를
이용하여 만든 예측 Nino3 시계열을 비교한 것이다. 앞으로 관측과 같은 정의를
이용해서 만든 인덱스를 오리지널 예측 인덱스라고 명명하도록 하겠다. 가장 뚜
- 15 -
렷하게 차이가 나는 해는 최근 100년중 가장 강한 강도를 가졌던 1997년 엘니뇨
케이스이다. 관측의 경우에 Nino3 아노말리는 5월의 경우 (예측 시작 1달) 1K 정
도의 값을 갖고, 점차 증가하기 시작하여 예측 시작 6개월 이후에는 2K 정도의
값을 갖는다. 반면 같은 정의를 사용하여 만든 모형 예측 인덱스의 경우에는 시
작부터 관측보다 강한 엘니뇨 크기를 갖는 것을 알 수 있다. 예측 시작 1달 이후
의 Nino3 아노말리는 관측의 두 배 가까이 된다. 이러한 문제점이 보정된 인덱스
에서는 어느 정도 줄어드는 것을 알 수 있다. 예측 시작 1달 이후의 Nino3 인덱
스의 값은 1.5K 정도로서 관측에 비하여 여전히 강한 수준이지만, 오리지널 예측
인덱스 보다는 강도 보정이 긍정적인 방향으로 이루어지는 것을 알 수 있다. 이
러한 시계열 강도 보정의 영향으로 예측성에도 어느 정도 긍정적인 영향이 있는
것을 알 수 있는데, 그림 1.2.2.2.2 는 보정된 인덱스와 관측간의 상관 관계를 오
리지널 예측 인덱스와 관측 간의 상관 관계와 비교한 것이다. 이를 통해 보정된
예측 인덱스가 오리지널 예측 인덱스에 비해 예측성의 향상이 있는 지를 확인할
수 있다. 그림 1.2.2.2.2에서 나타나듯이, 보정된 Nino3 인덱스의 경우, 보정되기
전의 인덱스보다 예측성의 향상이 있는 것을 확인할 수 있다. 예측성의 향상은
예측 시작 4개월 안에서 두드러지는데, 가장 크게는 0.03 정도의 예측성의 향상
이 있는 것을 알 수 있다. 오리지널 예측 인덱스의 예측성이 워낙 높은 인덱스이
기 때문에 예측성의 향상이 크지는 않다. 하지만, 오리지널 예측 인덱스의 기본
정의를 해치지 않으면서 약간의 보정으로 예측성의 향상을 가져온다는 점에서
기존 역학과 이해 안에서 보정된 인덱스를 생산해 낼 수 있다는 장점이 있다.
그림 1.2.2.2.1. 보정된 정의를 이용하여 만든 Nino3 지수와 오리지널 예측
지수, 관측 간의 상관 관계
- 16 -
그림 1.2.2.2.2. 보정된 index와 관측간의 상관 관계,
오리지널 예측 index와 관측 간의 상관 관계
그림 1.2.2.2.3 은 중태평양 엘니뇨 (Nino4) 지수 시계열의 추출 결과이다. 보정
된 Nino4 의 경우, 보정된 Nino3 보다 더욱 두드러지는 향상이 있는데, 먼저
1997년의 경우 Nino3 지수와 마찬가지로 강도의 보정이 성공적으로 이루어지고
있다. 보정된 인덱스의 경우 관측과 매우 유사한 초기 강도를 가지며, 예측 시작
이후 관측에 비해 강한 강도를 갖기는 하지만, 오리지널 예측 인덱스 보다는 좀
더 현실적인 강도를 갖게 보정이 된 것을 확인할 수 있다. 1997년의 경우 뿐만
아니라, 1998년의 경우에도 보정된 인덱스의 강도가 더욱 현실적으로 모의되는
것을 알 수 있고, 다른 해의 경우에도 차이는 크지 않지만, 오리지널 예측 인덱
스 보다는 좀 더 현실적인 강도와 발달 과정을 갖는 것을 알 수 있다. 이의 예측
성을 검증하기 위하여 그림 1.2.2.2.4 는 보정된 예측 인덱스와 오리지널 예측 인
덱스의 예측성을 관측과의 상관 관계를 통해 나타낸 그림이다. Nino3 인덱스에
비하여 예측성의 향상이 더욱 뚜렷한 것을 알 수 있으며, 예측성의 향상이 최대
0.06 이상 되는 것을 확인할 수 있다.
- 17 -
그림 1.2.2.2.3. 보정된 정의를 이용하여 만든 중태평양 엘니뇨 (Nino4) 지수와
오리지널 예측 지수, 관측 지수를 비교한 시계열
그림 1.2.2.2.4. 보정된 index와 관측간의 상관 관계, 오리지널 예측
index와 관측 간의 상관 관계
- 18 -
1.2.2.3. 엘니뇨 관련 한반도 온도/강수 표출
보정된 엘니뇨 인덱스로 한반도 기후를 예측하는데 도움이 될 수 있도록, 그림
1.2.2.3.1 은 관측 자료를 이용하여 엘니뇨 지수와 한반도 평균 온도/강수와의 지
연 상관 관계를 그린 그림이다. x 축은 각 달의 상관 관계를 의미하며, y 축은 +
인 경우 index 가 리드하는 방향이다. Nino3 지수와 한반도 평균 온도와의 상관
관계의 경우, 겨울과 봄철에 양의 상관 관계를 갖는 것을 알 수 있다. 즉, Nino3
지수가 양인 경우 엘니뇨가 발생하는 경우에 겨울철과 봄철에는 한반도 평균 기
온이 올라갈 가능성이 있는 것으로 나타났다. 반면에 9월의 경우에는 반대의 상
관 관계를 갖는 것을 확인하였다. 한반도 평균 강수와의 상관 관계는 9월에는 음
의 상관 관계, 11월에는 양의 상관 관계를 갖는 것을 확인하였다. 흥미로운 점은
11월은 엘니뇨 지수가 발달한 다음에 한반도 평균 강수가 상승하는 패턴을 보였
고, 12월의 경우에는 엘니뇨 지수가 발달하기 전에 한반도 평균 강수가 상승하는
패턴을 보였다. 즉, 엘니뇨 지수와 한반도 강수와의 지연 상관성에 판이한 차이
점을 보이는 달이 11월과 12월 이었다.
그림 1.2.2.3.1. 관측 자료를 이용한 엘니뇨 지수와 (a) 한반도 평균 온도,
(b) 강수와의 지연 상관 관계
- 19 -
Nino4 지수와 한반도 평균 기온/강수와의 관련성을 살펴보면, Nino4 인데스는
전체적으로 한반도 기후와의 상관성은 Nino3 에 비해 떨어지는 것으로 확인되었
다. 한반도 기온과의 상관성은 2월에는 양의 상관성, 9월에는 음의 상관성을 보
이고, 강수와의 관련성의 패턴은 Nino3 지수와 비슷하지만 관련성은 약한 것으로
나타났다. 이 같은 정보로 알 수 있는 것은, 엘니뇨가 발생하였을 때, 동태평양
엘니뇨인지, 중태평양 엘니뇨인지에 따라 한반도 기후에의 영향력이 다르다는 것
이며, 달마다 관련성이 판이하게 차이가 나기 때문에 일괄적인 관련성을 가정해
서도 안된다는 것이다. 또한, 보정 지수를 통해서 엘니뇨 지수의 예측성을 향상
시키고, 이 예측성의 향상을 바탕으로 한반도 기후와의 관련성을 찾을 수 있는
개연성을 갖게 된다.
1.3. Glosea5 기반의 한반도 예측 가이던스 개발
1.3.1. Glosea5 의 한반도 기온, 강수량 예측 성능 분석
그림 1.3.1.1 은 한반도 기온과 강수량의 예측 성능을 분석하기 위하여 관측과
한반도 지역 평균 (125-130E, 35-38N) 된 강수와 표면 온도간의 상관 관계를 구
한 것이다. 5월 예측 시작의 경우, 한반도 평균 온도의 예측성은 첫 주 (4-10일
평균)에 0.5 정도를 갖는 것을 확인하였고, 예측 두 번째 주 (11-17일 평균) 이
되면 0.1 정도로 예측성은 거의 사라지는 것을 확인하였다. 한반도 평균 강수의
경우에도 크게 상황은 다르지 않다. 예측성이 평균 기온에 비하여서는 조금 높지
만, 예측성은 예측 첫 추 (4-10일 평균) 에는 0.6 정도, 2주 뒤에는 0.1 정도로 모
형 예측장은 한반도 평균 기온과 강수를 약 1주일에서 2주일 사이 정도로 예측
할 능력이 있는 것으로 확인되었다. 이렇듯, 한반도 평균 기온 이나 강수의 모형
예측 자료를 통해 바로 예측 한다는 것은 굉장히 어려운 일이며, 따라서 한반도
평균 기온과 강수와 관련이 있는 다른 기후 인자들과의 관련성을 통해 예측성을
증대시키고자 타 기후 지수의 예보 가이던스를 추출하고 이와 한반도 기후 와의
연관성을 검증하였다.
그림 1.3.1.1. 관측과 한반도 지역 평균 (125-130E, 35-38N) 된 (a) 표면 온도와
(b) 강수 간의 상관 관계
- 20 -
1.3.2. 한반도 기온 관련 예측 가이던스 개발
1.3.2.1. 북극 해빙 예측 관련 예보 가이던스 개발
최근 북극 해빙과 중위도 기후와의 상관성에 대한 연구가 활발히 진행되고 있
다 (Lim et al. 2012; Kim et al. 2014). 극 기후와 중위도 기후와의 관련성은 다방
면에서 제시가 되고 있지만, 그 중 가장 주목을 받고 있는 지역은 Barents-Kara
sea 지역의 해빙과 관련된 부분이다. 최근 Kim et al. (2014) 는 Barents-Kara sea
근처의 해빙이 중위도, 특히 동아시아 기후와 밀접한 연관이 있음을 밝혀내었다.
이를 토대로 본 연구에서는 북극 해빙 중에 Barents-Kara sea 와 관련된 예보
가이던스를 산출하였다. sea-ice concentration 자료를 30-80E, 65-90N 지역을 평
균한 것을 Barents-Kara (BK) sea-ice index 라고 정의하고 그의 관련 패턴을 살
펴보면 BK 지역의 해빙은 그 지역의 해빙 면적과 당연히 밀접한 관련이 있을 뿐
만 아니라, 동시에 북극 지역 전체의 온도 변화와도 관련이 있다. 즉, 해빙 면적
의 변화는 BK 지역에 한정되더라도 이로 인한 대기의 반응은 북극 지역 전체에
걸쳐 일어나는 것이 최근 보고되고 있다 (Kim et al. 2014). 따라서, 본 연구에서
는 BK sea-ice concentration 대신에 극 지역 지역 평균된 2m temperature 를 이
용하여 BK 지역 해빙 관련 가이던스를 산출하였다. 그림 1.3.2.1.1 은 관측 가이
던스 패턴과 관련 시계열, 10월 31일 예측 시작의 경우 관측과 예측 시계열간의
상관 관계를 구한 그림이다. 예측의 경우 관측과 같은 정의를 써서 예측 인덱스
를 산출하였다. 북반구 전반에 걸쳐 넓은 지역에 양의 시그널이 나타나는 것을
알 수 있고, 동아시아 지역과 북미 지역의 음의 시그널이 나타나는 것을 확인할
수 있다. 이는 극 지역의 기후 변동이 해빙과 관련되어 나타날 수 있고, 이러한
극 지역의 기후 변동이 중위도 기후에도 영향을 미칠 수 있다는 것을 보여준다.
예측 성능은 예측 1주일이 지나면 예측성을 거의 없는 것으로 나타났지만, 예측
시작 4-6주 사이에 다시 예측성이 반등하는 모습을 보여준다. 이는 겨울철로 가
면서 예측 성능이 다시 상승하는 것과 관련이 있다. 그림 1.3.2.1.2 는 관측 해빙
가이던스관련 시계열과 한반도 평균 기온/강수와의 상관 관계를 나타낸 그림이
다. 한반도 기온과의 관련성은 특히 겨울철에 강한 음의 관련성이 있는 것을 확
인할 수 있다. 예를 들어, 12월에는 BK sea-ice 와 관련된 시그널이 북극에서 나
타나면 1주일 이내로 반대의 시그널이 한반도에 영향을 미치게 된다는 것을 얘
기한다. 또한, 2월의 경우, BK sea-ice 와 관련된 시그널이 발생했을 때, 그로부
터 4주 뒤까지도 한반도 기온이 영향을 받는 다는 것을 확인하였다. 한반도 강수
와의 관련성은 뚜렷하지 않은 것을 확인하였다.
이와 관련된 모형의 계통 오차를 파악하기 위하여, 그림 1.3.2.1.2 은 처음 6주
동안 관측 BK sea-ice 지수 관련 시계열과 모형 지표 온도간의 상관 관계를 구한
것이다. 1주일 이후에는 관측과 비슷한 극지역의 양의 시그널, 중위도의 음의 시
그널이 급격히 사라지는 것이 눈에 띈다. 4주 이후에 간헐적으로 관련 패턴이 보
이기는 하지만, 관측과 유사한 패턴은 1주일 후에 사라지는 것이 확인된다. 모형
- 21 -
관련 패턴을 관측과 비교해 보았을 때, 관측에 비해 북극으로 시그널이 치우치는
경향이 있고, 북유럽 지역의 시그널이 관측에 비해 약한 것을 볼 수 있다. 이를
토대로, BK sea-ice index 의 보정 지수는 다음과 같이 제안한다.
보정 BK sea-ice index = t2m[40-360E, 70-90N]
기존의 가이던스에서 지역이 크게 수정되는 것이 아니기 때문에 기존 인덱스
에 비하여 드라마틱한 향상을 기대할 수는 없지만, 역학적인 연구들을 기반으로
산출된 기존 인덱스들이 기본 정의와 메커니즘을 그대로 사용할 수 있다는 장점
이 있다. 보정된 가이던스와 관측간의 상관 관계를 오리지널 예측 인덱스와 관측
간의 상관 관계와 비교하였을 때, 오리지널 예측 인덱스에 비하여 예측 시작 2
주, 3주, 4주후에 후에 약간의 예측성의 향상이 있는 것을 확인하였다.
그림 1.3.2.1.1. (a) 관측 가이던스 패턴과 관련된 시계열, (b)
10월 31일 예측 시작의 경우 관측과 예측 계열간의 상관 관계
그림 1.3.2.1.2. 예측 시점별 관측 BK sea-ice 지수 관련
시계열과 모형 지표 온도간의 상관 관계
- 22 -
1.3.2.2. 시베리아 고기압 지수 관련 예보 가이던스 개발
시베리아 지역의 기압 변동은 유라시아를 비롯한 동아시아 기온 및 강수의 변
동에 깊게 연관되어 있다. 특히 겨울철 시베리아 고기압은 동아시아 겨울몬순
(East Asian Winter Monsoon, EAWM)을 구성하는 가장 중요한 요인으로 한반
도를 포함한 동아시아 지역의 겨울 지상 기온은 시베리아 고기압의 변동과 밀접
하게 연관되어 있다 (Ding and Krishnamurti 1987; Gong and Ho 2002; Jeong
and Ho 2005) 시베리안 고기압의 발달과 확장으로 한반도를 포함한 동아시아
지역에는 북풍의 영향권에 들게 되고 시베리아 영역에서 축적된 차가운 공기가
이 북풍에 의해 이류하여 평년보다 차가운 기온을 만든다. 극심한 경우, 하루나
이틀 사이에 급격한 기온 하강하는 한파가 발생하는데 사회-경제적으로 큰 피해
를 입힌다. 또한 차고 건조한 공기는 남쪽의 따뜻하고 습한 공기 또는 바다로부
터의 수증기 공급이 이루어 질 경우, 강설을 동반하여 겨울철 강수와도 연관되어
있다. 또한 이 시베리안 고기압은 지구 온난화와 연관되어 1990년대 중반까지 그
강도가 약화되다가 2000년 들어 그 강도가 회복되는 장기 변동이 보고 되었는데
(Panagiotopoulos et al. 2005; Jeong et al. 2011) 이는 1990년대의 발생한 동아시
아 지역 한파의 강도가 최근 발생한 한파보다 그 강도가 약한 것과도 연관성이
있어 보인다 (Woo et al. 2012). 이러한 동아시아지역의 겨울철 날씨 및 기후의
장기 변동에 직접적인 영향을 미치는 시베리아 고기압의 변동을 모니터링하고
예측하는 것은 한반도 지역의 겨울철 장, 단기 예측에 매우 중요하다. 본 연구에
서는 기존 연구에 기반하여 (Gong and Ho 2002; Jeong and Ho 2005) 시베리아
고기압의 기후값의 센터가 위치한 (80°E-120°E, 40°N-65°N) 지역의 지상기압 아
노말리를 평균하여 시베리아 고기압 지수를 산출하였다.
그림 1.3.2.2.1 은 시베리아 고기압 지수 관련 패턴과 시계열, 같은 지역 평균
정의를 사용하여 모형 예측 시계열을 산출하였을 경우 예측성을 계산한 그림이
다. 관측 지수는 시베리아 지역에 고기압과 관련된 패턴을 보이며, 관련 시계열
의 예측 성능은 예측 시작 1주 (4-10일 평균) 에는 0.8 이상, 2주 (11-17일 평균)
에도 0.4 정도의 예측성으로 한반도 평균 기온이나 강수보다는 높은 예측성을 갖
고 있는 것을 확인하였다. 하지만, 예측 시작 시점에 따라서 예측성 자체는 매우
다른 것으로 나타났다. 그림 1.3.2.2.2 는 한반도 평균 기온과 강수와 시베리아 고
기압간의 상관 관계를 그린 그림이다. 한반도는 시베리아 고기압의 동쪽 edge
에 존재하는데, 시베리아 고기압 이벤트가 발생할 경우 고기압성 흐름과 관련된
북풍이 한반도에 한파와 관련이 있기 때문에, 한반도와 시베리아 고기압간에는
음의 관련성이 존재한다. 특히 이러한 관련성은 여름철에는 약하고, 여름철을 제
외하고는 가을철과 겨울철, 그리고 봄철에도 약하지만 어느 정도의 음의 관련성
을 갖고 있는 것을 확인하였다. 한반도 강수와의 관련성은 매우 약한 것으로 나
타났다. 그림 1.3.2.2.3 은 보정 인덱스 산출을 위하여 관측 시베리아 고기압 인덱
스와 모형 sea level pressure 간의 상관 관계를 예측 시점별로 그린 그림이다.
- 23 -
예측 첫 주에는 기대한대로 관측과 매우 유사한 패턴이 표출되지만, 예측 2주째
가 되면 시베리아 고기압과 관련된 양의 시그널의 강도가 매우 축소되는 것을
확인할 수 있고, 예측 3주 차부터는 예측성이 거의 없는 것을 확인할 수 있다. 2
주후의 시베리아 고기압 관련 시그널이 축소되는 것을 토대로 보정된 시베리아
고기압 인덱스를 다음과 같이 제안한다.
보정 시베리아 고기압 인덱스 = SLP[95-120E, 45-60N]
그림 1.3.2.2.1. 시베리아 고기압 지수 관련 패턴과 시계열, 같은 지역 평균
정의를 사용한 모형 예측 시계열
그림 1.3.2.2.2. (a) 한반도 평균 기온과 (b) 한반도 평균 강수와
시베리아 고기압간의 상관 관계
- 24 -
예측된 경우와 관측의 경우 예측 시작 2주 뒤 부터는 큰 차이가 있는 것을 확
인할 수 있지만, 보정된 지수의 경우 관측과 좀 더 유사한 관련성을 갖는 것을
알 수 있고, 그림 1.3.2.2.4에서 보듯이 전반적인 예측성의 향상이 있는 것을 확인
할 수 있다.
그림 1.3.2.2.3. 예측 시점별 관측 시베리아 고기압 index와 모형 sea
level pressure 간의 상관 관계
그림 1.3.2.2.4. 보정된 가이던스와 관측간의 상관 관계,
오리지널 예측 index와 관측 간의 상관 관계
- 25 -
1.3.2.3. 우랄 블로킹 지수 관련 예보 가이던스 개발
일반적인 대기 블로킹 (blocking)은 수일에서 수주의 시간규모를 가지고 지속
적으로 대기중에 존재하는 고기압성 시스템을 말한다. 한 지역에서 지속적으로
영향을 미치므로 블로킹 시스템의 풍상하측에 위치하는 지역의 날씨와 기후는
큰 영향을 받는다. 북반구 지역에서는 기후학적으로 북태평양과 대서양 영역에서
주로 발생하지만 (Tibaldi and Molteni 1990; Barriopedro et al. 2006) 우랄 산맥
부근도 블로킹이 빈번히 발생하는 지역 중에 하나이다. 우랄 블로킹은 주로 겨울
철에 발생하며 동아시아 겨울몬순에 큰 영향을 미친다고 알려져 있다 (Wu and
Leung 2009; Wang et al. 2010; Cheung et al. 2012a, b; Chang and Lu 2012).
상층까지 연직적으로 깊게 발달하며, 수일이상 지속적으로 파동강제력 역할을 하
므로 풍하측의 동아시아 기압골 (East Asian climatological trough)을 깊게 만들
고 시베리안 고기압을 강화시켜 동아시아 한파의 선도자 (precursor) 역할을 한
다 (Tao 1957; Joung and Hitchman 1982; Takaya and Nakamura 2005a, b; Lu
and Chang 2009 Wang et al. 2009). 최근 우랄 블로킹과 동아시아 겨울몬순 사
이의 관계가 깊어졌고 (Wang et al 2010), 또한 카라바랜츠해 해빙의 급격히 녹
으면서 이와 연관되어 우랄 산맥 부근에 고기압성 순환장의 발생이 유도되고 동
아시아와 유라시아 대륙에 추운 겨울을 만들 수 있음이 보고된바 있다 (Honda
et al 2009). 따라서 우랄 블로킹을 모니터링하고 그것의 예측성을 향상시키는 것
은 겨울철 한반도 기온 예측성 향상에 도움이 되리라 생각된다.
본 연구에서 우랄 블로킹을 정의하기위해 500hPa 지위고도장 자료를 사용하였
다. 먼저, 기존 연구에 따라 남쪽방향 지위고도장 경도(southern 500 hPa
geopotential height gradient, GHGS)와 북쪽 방향 경도 (northern 500 hPa
geopotential height gradient, GHGN)를 아래의 식과 같이 계산한다.
블로킹 이벤트로 선정되는 첫 번째 기준은 우랄 고기압이 주로 발행하는 위도
인 65°N에서 GHGN>0 고 GHGN <-10m/lat. deg을 만족하여야 한다. 뿐만 아
니라 30°E-90°E 사이의 경도에서 9개 이상의 그리드 포인트 (2.5°Ⅹ9=13.5°)에서
연속적으로 위의 지위고도장 경도 조건을 만족하여야 한다. 이는 고기압성 순환
장의 공간적인 크기가 일정 크기 이상이 되어야 함을 의미한다. 또한 이러한 현
상이 5일 이상으로 지속되는 경우를 우랄 고기압 이벤트로 선정하였다. 선정된
- 26 -
이벤트를 합성 (composite)하여 패턴을 생산하고 이 패턴에 지위고도장 아노말리
를 투사 (projection)하여 우랄 블로킹 지수를 생산하였다. 양의 값이 강할수록
블로킹에 가까운 패턴으로 생각할 수 있다.
그림 1.3.2.3.1 은 우랄 블로킹 지수 관련 패턴과 시계열이다. 우랄 블로킹은 고
기압 패턴이 우랄 산맥 지역에서 standing wave 형태로 머물러 있는 것이기 때
문에 우랄 지역에 고기압 패턴과 관련된 시그널이 있다. 동시에 동쪽으로의 진행
이 멈춘 형태의 이벤트가 많이 일어나기 때문에 그 보다 동쪽에는 고기압 성분
이 이동하지 못해서 생기는 anomalous 저기압과 관련된 시그널이 생성되게 된
다. 시계열의 값은 5m를 넘지 않는다. 그림 1.3.2.3.2 는 같은 방식으로 모형 예
측장을 이용하여 우랄 블로킹 시계열을 만들었을 경우의 예측성을 상관 관게를
통해 나타낸 것이다. 우랄 블로킹 지수의 예측성은 예측 시작 1주일 후 (4-10일
평균) 에 0.5 정도의 값을 갖고, 2주 후에는 예측성이 거의 없는 패턴을 보인다.
그 이후에도 예측성이 반등하거나 하는 특징들은 보이지 않는다. 한반도 평균 기
온/강수와 우랄 블로킹 지수와의 상관성을 구해 보았을 때, 우랄 블로킹 이벤트
가 발생한 후, 0-4주까지 한반도에 온도 하강과 관려된 시그널이 2월에 나타나는
데, 이는 겨울철에 우랄 블로킹과 관련된 한반도 관련 시그널이 가장 강함을 알
려준다. 한반도 강수와 우랄 블로킹 지수와의 관련성은 크게 없는 것으로 나타났
다. 그림 1.3.2.3.3 는 우랄 블로킹 지수와 관련된 계통 오차를 파악하기 위하여
관측 우랄 블로킹 지수와 모형 예측 500hPa 지위 고도장 간의 상관 관계를 예측
첫주부터 6주후까지 구한 것이다. 예측 첫주에는 우랄 블로킹과 관련된 시그널이
모형 예측에서도 나타나는 것을 볼 수 있으나, 2주 후부터는 관련 시그널이 급격
히 사라지는 것을 볼 수 있다. 예측 첫 주에도, 모형 우랄 블로킹 지수 관련 패
턴은 양의 시그널이 관측의 그것에 비해 동쪽으로 이동하여 나타나는 것을 확인
할 수 있고, 동시에 관측에서 나타나지 않는 음의 시그널이 70N 북쪽에서 나타
나는 것을 확인할 수 있다. 이를 토대로 보정 우랄 블로킹 지수를 다음과 같이
제안한다.
보정 우랄 블로킹 인덱스 = z500[20W-10E, 50-66N] - z500[20-90E, 75-85N]
그림 1.3.2.3.4 은 보정 지수와 관측 간의 상관 관계를 오리지널 예측 지수와
관측 간의 상관 관계의 비교를 통해 예측성의 향상 유무를 검증한 그림이다. 보
정 인덱스를 사용함으로서 예측 첫주의 예측성은 크게 차이가 없지만, 예측 둘째
주의 예측성에는 뚜렷한 향상이 있는 것을 알 수 있다. 예측 3주 후에는 다시 보
정 인덱스와 오리지널 예측 인덱스 간의 예측성의 차이는 뚜렷하게 없는 것으로
나타났다.
- 27 -
그림 1.3.2.3.1. (a) 우랄 블로킹 지수 관련 패턴과 (b) 시계열
그림 1.3.2.3.2. 모형 예측장을 이용한 우랄 블로킹 시계열 만든 경우의 예측성과의
상관 관계
- 28 -
그림 1.3.2.3.3. 예측 시점별 관측 우랄 블로킹 지수와 모형 예측 500hPa 지위
고도장 간의 상관 관계
그림 1.3.2.3.4. 보정 지수와 관측 간의 상관 관계, 오리지널 예측 지수와 관측 간의
상관 관계
- 29 -
1.3.2.4. 북극 진동 및 북대서양 진동 관련 예보 가이던스 개발
극진동 (Arctic Oscillation, AO)은 극지역과 중위도 지역의 기압패턴이 서로
다른 부호로 진동하는 현상을 말하는데, 그 변동성은 반구의 겨울 시즌에 강하다
(Thompson and Wallace 1998; Ambaum et al. 2000). 이러한 진동 현상은 겨울
철 북반구 순환장의 변동 중 약 20% 를 설명하는 중요한 패턴이다. 특히 중위도
의 센터는 대서양과 태평양에 위치하고 있으며 중위도 제트기류의 변동과 밀접
하게 연관되어 있어 북반구 순환장과 기온 등은 극진동과 높은 상관관계를 보여
준다 (Thompson and Wallace 1998; overland et al. 1999; Gong et al. 2001). 특
히, 극진동과 연관된 상층 패턴은 동아시아 제트 및 동아시아 기압골 (East
Asian climatological trough)의 변동과 연관되어 있어 동아시아 및 한반도 기온
에 영향을 미친다 (Thompson and Wallace 1998; Jeong and Ho 2005; Woo et
al 2012). 예를 들어 음의 극진동은 동아시아 제트의 강화와 동아시아 기압골을
강화시켜 하층의 북풍 기류를 유발하여 평년보다 추운 날씨에 영향을 미친다. 또
한 최근 연구에 따르면 봄철 AO는 북서 태평양의 대기-해양 되먹임을 촉발시켜
EASM에 영향을 미친다는 연구가 보고되기도 하였다 (Gong et al. 2011). 이처럼
먜가 북반구 날씨와 기후에 상당히 큰 영향을 미치고 있으므로 이를 모니터링
하고 예측해 활용해야 할 필요가 있다. 기존 연구에 따라 (Thompson and
Wallace 1998) 극진동은 북반구 20°N 이상의 영역 1000hPa 지위고도장의 경험적
직교함수의 주모드 (The first mode)로 정의 하였으며, 그 모드의 PC timeseries
를 정규화하여 극진동 지수로 사용하였다.
북극 진동 (Arctic Oscillation, AO) 관련 예보 가이던스 개발을 위하여 그림
1.3.2.4.1 은 관측 데이터를 이용하여 북극 진동 인덱스와 관련 시계열을 추출하
고, 같은 방법을 이용하여 모형 예측 시계열을 뽑아내었을 때의 예측성을 평가한
그림이다. 북극 지역의 양의 지위 고도장 아노말리와 태평양, 대서양에 음의 지
위 고도장 아노말 리가 뚜렷하게 보이며, 관련 시계열의 강도는 5m 를 넘지 않
는 것을 확인하였다. 지수의 예측성은 예측 첫 주 (4-10일 평균) 에서는 0.8 정도
로 높은 것을 확인하였고, 예측 둘째 주 (11-17일 평균) 에서는 0.4 정도로
marginal 한 예측성을 갖는 것을 확인하였다. 그림 1.3.2.4.2 는 한반도 평균 기온
/강수와 북극 진동 인덱스 간의 상관 관계를 구한 것이다. 북극 진동은 북극 에
서의 양의 지위 고도장 변화가 중위도에서의 음의 지위 고도장과 관련 되어 있
고, 음의 지위 고도장은 중위도에서 음의 온도와 관련이 있기 때문에 양의 북극
진동이 있을 때, 음의 한반도 온도와 관련이 있을 것으로 기대할 수 있다. 한반
도 평균 기온과의 상관 관계를 살펴보면, 기대한대로 전반적으로 음의 관련성을
갖는 것을 알 수 있는데, 북극 진동 이벤트가 발생한 뒤 일주일 정도 뒤에 특히
겨울철과 봄철에 있어서 다른 계절보다 상대적으로 강한 음의 관련성을 갖고 있
는 것을 알 수 있다. 한반도 강수와는 뚜렷한 관련성이 없는 것으로 나타났다.
그림 1.3.2.4.3 은 북극 진동 지수와 관련된 계통 오차를 파악하기 위하여 관측
- 30 -
북극 진동 지수와 모형 예측 1000hPa 지위 고도장 간의 상관 관계를 예측 첫주
부터 6주후까지 구한 것이다. 예측 2주까지 관측 북극 진동 지수 관련 패턴과 유
사한 패턴이 나타나는 것을 확인할 수 있는데, 예측 첫 주에는 관측 패턴과 매우
유사한 패턴을 보이지만, 예측 두 번째 주에는 북극 진동 관련 시그널이 중태평
양에 모여 있는 것을 확인할 수 있다. 이를 토대로, 보정 북극 진동 지수를 다음
과 같이 제안한다.
보정 북극 진동 인덱스 = z1000[180-360E, 70-90N] - z1000[180-240E, 30-60N]
그림 1.3.2.4.4를 통해 예측성을 검증하여 보았을 때, 예측 첫주부터 0.05 정도
의 상관 관계의 향상이 보정 지수를 사용함으로서 나타나는 것을 알 수 있다. 또
한, 보정 지수를 사용 하였을 때, 예측 둘째주에도 0.5 이상의 예측성을 갖는 것
을 알 수 있다. 이를 통해, 보정 지수를 통해 북극 진동과 관련된 예측성의 향상
을 어느 정도 기대할 수 있을 것이다.
그림 1.3.2.4.1. 관측 데이터의 북극 진동 관련 패턴과 시계열과 모형 예측
시계열
- 31 -
그림 1.3.2.4.2. (a) 한반도 평균 기온 (b) 한반도 평균 강수와 북극
진동 index 간의 상관 관계
그림 1.3.2.4.3. 예측 시점별 관측 북극 진동 지수와 모형 예측 1000hPa 지위
고도장 간의 상관 관계
- 32 -
그림 1.3.2.4.4. 북극 진동 index의 보정 지수와 관측 간의 상관
관계, 오리지널 예측 지수와 관측 간의 상관 관계
대서양 섹터의 대류권 순환장 아노말리는 고위도 지역 (아이슬란드와 그린란드
를 포함하는)과 중위도 지역 (약 30°N -60°N) 지역의 순환장이 서로 다른 부호를
가지며 쌍극자 형태로 진동하는 현상이 관측되는데 이를 북대서양 진동 (North
Atlantic Oscillation, NAO)이라 한다. 이 현상은 대서양의 중위도 제트기류의 변
동과 밀접하게 연관되어 있으며, 따라서 제트의 변동이 큰 겨울철에서 가장 강한
변동을 보여준다. 실제 북대서양에 접해있는 유럽과 북아메리카 대륙의 동부 지
역의 겨울철 날씨와 기후 변동의 상당 부분을 북대서양진동으로 설명이 가능하
다 (Lamb and Peppler 1987; van Loon and Rogers 1978; Qian and Saunders
2003). 양의 북대서양 진동 때에는 아이슬란드 지역 저기압성 순환장이 평년보다
강해지고 중위도 지역에서는 고기압성 순환이 강해진다. 이 패턴은 대서양 중위
도 제트가 강화시키는 패턴으로 유럽지역에서는 육지에 비해 상대적으로 따뜻한
공기를 받아 평년보다 따뜻하고, 또한 제트와 연관된 스톰트랙 (stormtrack)의 강
화로 강수의 증가가 나타난다. 반면 캐나다 동부지역에서는 강해진 고위도 저기
압성 순환에 의해 그린란드로부터 찬공기가 유입되어 평년보다 추운 날씨가 나
타난다. 미국 동부 지역에서는 중위도 고기압 강화로 인해 따뜻한 대서양 공기의
유입으로 평년보다 높은 기온이 나타난다. 반대의 북대서양 진동의 경우는 이와
거의 반대의 현상이 나타난다. 최근에는 이러한 북대서양 진동과 연관된 원격 상
관에 의한 연구가 진행되었으며 (Hong et al. 2008; Branstator 2002; Watanabe
2004) 특히, 일정기간이상 지속될 경우 그 풍하측에 속하는 유라시아 대륙의 기
- 33 -
온 변동에도 영향을 줄 수 있음을 보고 된바 있다 (Sung et al. 2010). 또한 북대
서양 진동은 극진동과 밀접하게 연관되어 있어 동아시아 및 한반도 예측에 있어
모니터링 해야할 필요가 있다. 본 연구에서는 기존 연구에 기반하여 북대서양 영
역 (80°W-40°E, 20°N-80°N)에 대해 해수면기압의 경헉적 직교함수의 주모드는
남북방향 진도모드를 잘 보여준다. 이 모드의 PC timeseries를 북대서양지수로
사용하였다.
다음으로 북대서양 진동 (North Atlantic Oscillation, NAO) 과 관련된 인덱스
산출과 예보 가이던스 개발과 관련된 내용들을 언급할 차례이다. 그림 1.3.2.4.5
은 북대서양 진동과 관련된 관측 패턴과 시계열, 같은 방식으로 모형 인덱스를
산출한 후 그의 인덱스의 예측성을 검증한 결과이다. 관측 북대서양 진동 패턴은
북위 60N 에서는 양의 시그널을 갖고, 30-50N 에서는 음의 시그널을 갖는 것이
특징이다. 지수 예측성은 예측 첫 주 (4-10일 평균) 에는 0.8 정도의 상관성을 갖
고, 예측 둘 째주에는 0.3 정도의 예측성을 갖는 것을 확인하였다. 그림 1.3.2.4.6
은 북대서양 진동과 한반도 평균 기온/강수간의 상관 관계를 구한 그림이다. 북
대서양 진동은 북미와 유럽에 크게 영향을 주는 인덱스이기 때문에 한반도에 상
대적으로 영향이 작지만, 3월의 경우에는 북극 진동과 비슷한 음의 상관성이 나
타나기도 한다. 한반도 강수와의 관련성은 약한 것으로 나타났다. 그림 1.3.2.4.7
은 계통 오차를 보정하기 위하여 관측 북대서양 진동 인덱스와 예측 해면 기압
간의 상관 관계를 구한 그림이다. 예측 첫 주부터 30-50N 사이의 시그널은 약화
된 모습을 보이고, 예측 둘째 주에는 중위도의 음의 시그널은 거의 사라지는 것
을 볼 수 있다. 반면에 양의 시그널은 예측 둘째주까지도 어느 정도 유지되고 있
는 것을 알 수 있다. 관측 지수에 비해 모형 예측 북대서양 진동 관련 패턴은 양
의 시그널은 서쪽으로, 음의 시그널은 동쪽에 한정되는 것을 확인할 수 있다. 이
를 토대로 보정 북대서양 진동 인덱스를 다음과 같이 제안한다.
보정 북대서양 진동 인덱스 = SLP[30W-40E, 60-80N] - SLP[0-40E, 40-55N]
그림 1.3.2.4.8 을 통해 예측성을 검증해 봐도, 보정 북대서양 진동 인덱스의 에
측성에 향상이 있는 것을 알 수 있다. 보정 지수를 사용함으로서 예측 시작 둘째
주부터 0.1 정도의 예측성의 향상이 있는 것을 확인하였다.
- 34 -
그림 1.3.2.4.5. 북대서양 진동과 관련된 관측 패턴과 시계열, 모형 예측성
시계열
그림 1.3.2.4.6. (a) 한반도 평균 기온 (b) 한반도 평균 강수와 북대서양
진동 간의 상관 관계
- 35 -
그림 1.3.2.4.7. 예측 시점별 관측 북대서양 진동 지수와 예측 해면 기압간의 상관
관계
그림 1.3.2.4.8. 북대서양 진동 index의 보정 지수와 관측 간의 상관 관계,
오리지널 예측 지수와 관측 간의 상관 관계
- 36 -
1.3.2.5. Polar-vortex 강도 인덱스 지수 관련 예보 가이던스 산출
성층권 극지역에는 약 위도 60°N-65°N 에서 중심을 가지는 강한 서풍의 극소
용돌이 (Stratospheric polar vortex)가 존재한다. 이 소용돌이는 성층권 자체 변
동성과 대류권으로부터 연직으로 전파되어오는 행성파 (Planetary wave)의 변화
와 연관되어 변동한다 (Matuno 1970; Andrew et al 1987; Polvani and Waugh
2004). 겨울철에는 대류권 행성파의 변동이 강해져 성층권 극소용돌이의 변동 또
한 다른 계절에 비해 크다. 이 극소용돌이의 변화는 성층권의 극지역과 중위도의
순환장과 기온의 변화에 직접적으로 영향을 미친다. 평년보다 약(강)한 극소용돌
이가 존재할 때는 극지역에 양(음)의 기온과 지위고도장의 아노말리가 존재하고
중위도 지역에는 음(양)의 지위고도장 패턴이 나타나 고리형태(Northern annular
mode, NAM)를 보여준다 (Baldwin and Dunkerton 1999;2001; Limpasuvan et
al. 2004). 이러한 극소용돌이의 변화가 강하게 일어나는 경우에는 순환장의 변화
가 성층권에 그치지 않고 대류권과 커플되어 지표 부근까지 영향을 미친다
(Hartmann et al. 2000; Thompson et al. 2002; Limpasuvan et al. 2004; Perlwitz
and Harnik 2004; Black et al. 2002,2004; Chalton and Polvani, 2007; Mitchell
et al. 2013). 성층권 극소용돌이가 급격히 약화되거나 동풍이 되었을 때 나타나
는 극지역 양의 지위고도장 패턴은 대류권까지 영향을 미치게 되고 북반구에서
는 음의 극진동 형태의 순환장 패턴이 유도된다. 이러한 성층권 극소용돌이 약화
현상은 평균적으로 한 달 이상 지속적으로 유지되어 대류권의 음의 극진동을 지
속적으로 유지시킬 수 있는 유리한 조건를 제공한다. 반대의 강한 성층권 소용돌
이 현상은 대류권의 양의 극진동 현상을 유도한다. 즉, 극진동과 연관된 북반구
대륙의 기온과의 상관성과 성층권 현상의 지속성을 고려하였을 때, 북반구 날씨
및 계절 예측에 활용 가능성이 충분하다. 성층권 극소용돌이 변동을 표현하는 몇
가지 방법이 있지만 본 연구에서는 (Baldwin and Dunkerton 2001; Kolstad et
al. 2010) 등에 의해 제안된 하부 성층권 (50hPa) 65°N 이상 북쪽 (polar cap
region)에서 평균된 지위고도장 아노말리를 사용하였다.
그림 1.3.2.5.1 은 Polar-vortex 강도 인덱스 관련 패턴과 시계열, 같은 방식으로
예측 인덱스를 산출 하였을 때의 예측성을 상관 관계를 통해 검증한 결과이다.
Polar-vortex 강도 인덱스의 경우, 성층권의 지위 고도장을 사용하는데, 성층권
극 지역에 양의 지위 고도장과 관련이 되어 있고, 동시에 중위도 유라시아 지역
에 음의 시그널이 함께 존재하는 것을 확인할 수 있다. 시계열은 –500에서 500
m 정도의 값을 갖고 있으며, 예측성은 예측 7주까지도 0.5 이상이 유지되는 것
을 볼 수 있다. 즉, 다른 기후 인자들에 비해서 상당히 높은 예측성을 갖고 있는
것을 확인하였다. 또한, 예측성이 예측 둘째주 이후에는 거의 떨어지지 않는 것
을 볼 수 있는데, 이는 다른 중위도 기후 인자들에서는 잘 보이지 않는 패턴이
다. 이는, 성층권의 변동성이 다른 기후 인자들에 비해 상대적으로 높은 예측성
을 갖고 있다는 것을 보여준다. 한반도와의 관련성은, 2월에는 약하지만 한반도
- 37 -
기온과의 양의 상관성, 북반구 여름철에는 약하지만 음의 상관성이 나타나는 것
을 알 수 있다. 한반도 강수와의 연관성은 상대적으로 약한 것을 볼 수 있다. 그
림 1.3.2.5.2 는 Polar-vortex strength 지수와 관련된 계통 오차를 파악하기 위하
여 관측 Polar-vortex 강도 지수와 모형 예측 50hPa 지위 고도장 간의 상관 관계
를 예측 첫주부터 6주후까지 구한 것이다. 예측 첫주부터 6주까지 Polar-vortext
지수와 관련 시그널이 북위 60N 이상에서 나타나는 것을 알 수 있다. 반면에 유
라시아 지역의 약한 음의 시그널은 나타나지 않는 것을 확인하였다. 또 다른 특
징은, 극 지역에서만 존재하던 양의 시그널이 예측 4주 후에는 적도까지 확장되
어 나타나는 것을 알 수 있는데, 이는 적도와 관련된 시그널이 극 지역의 변동성
을 유발하거나, 극 지역의 변동성이 적도 지역의 변동성을 유발하는 극 지역과
적도 지역이 관측보다 모형에서 더 강하게 관련되어 있다는 것을 암시한다. 이
에 더해, 관측 지수는 전 경도에 걸쳐서 시그널이 나타나는 반면에, 모형 예측은
Chukchi sea 근방에서의 시그널이 다른 지역에 비해 강한 것을 알 수 있다. 이
를 토대로 보정 Polar-vortex 강도 인덱스를 다음과 같이 제안한다.
보정 Polar-vortex 강도 인덱스 = z50[120-240E, 75-90N]
그림 1.3.2.5.1. Polar-vortex 강도 index 관련 패턴과 시계열, 같은 방식으로
예측 index를 산출 하였을 때의 예측성
그림 1.3.2.3.3 은 보정 지수와 관측 간의 상관 관계를 오리지널 예측 지수와
관측 간의 상관 관계의 비교를 통해 예측성의 향상 유무를 검증한 그림이다. 보
정 인덱스를 사용함으로서 예측 첫주의 예측성은 크게 차이가 없지만, 예측 둘째
주와 셋째주의 예측성에는 어느 정도의 향상이 있는 것을 알 수 있다. 예측 4주
후에는 다시 보정 인덱스와 오리지널 예측 인덱스 간의 예측성의 차이는 뚜렷하
게 없는 것으로 나타났다.
- 38 -
그림 1.3.2.5.2. 예측 시점별 관측 Polar-vortex 강도 지수와 모형 예측 50hPa
지위 고도장 간의 상관 관계
그림 1.3.2.3.3. 보정 지수와 관측 간의 상관 관계, 오리지널 예측 지수와
관측 간의 상관 관계
- 39 -
1.3.2.6. 한반도 한파 인덱스 관련 예보 가이던스 개발
한파는 주로 겨울철 지상 기온의 급격한 하강 현상을 지칭한다 (Chang and
Lau, 1980; Compo et al. 1999; Jeong and Ho 2005). 한반도를 포함한 동아시아
지역의 한파의 발생은 주로 시베리아 고기압의 발달과 직접적으로 연관되어 있
는데 유라시아 대륙 상층에서 고저기압 파동이 남동방향을 진행하고 그 하층에
서는 시베리아 고기압의 발달과 확장으로 동아시아에 북풍 기류가 형성되고 북
쪽의 차갑고 건조한 공기가 이류되어 급격한 기온 하강이 발생하게 된다 (Zhang
et al. 1997; Jeong and Ho 2005; Park et al, 2010;2011). 이러한 동아시아 한파는
‘1.5~2번/월’의 빈도로 발생 (Jeong and Ho 2005, Woo et al. 2012)하고 발생 이
후 기후값으로 회복하는데 평균적으로 5일 이상이 걸리는 것으로 보았을 때
(Zhang et al 1997; Woo et al. 2012), 극한 현상의 하나이지만 겨울철 기온 변동
을 설명하는데 매우 중요하다고 판단된다. 또한 한파 때는 때때로 폭설이 동반되
어 사회-경제적으로 피해를 유발하므로 정확히 예측하는 것은 매우 중요하다.
겨울철 저온 현상이나 한파에 대한 정의는 몇 가지 되지만 기존 연구에 기초
하여 (Jeong and Ho 2005; Park et al. 2010;2011; Woo et al. 2012) 본 연구에서
는 동아시아 한파 발생 역학을 고려하여 시베리안 고기압이 특정 강도 이상
(1035 hPa)으로 강하고 그 하루 또는 이틀 내로 한반도 영역에서 겨울철 기온
표준편차의 1.5 배보다 더 크게 기온이 하강할 때를 한파 발생으로 정의하였다.
이렇게 정의된 한파 케이스를 합성한 패턴을 보면 시베리아 지역으로부터 찬 공
기가 남동진 하여 한반도로 침투하고 있는 특징이 뚜렷한 것을 확인할 수 있다.
이 패턴을 기온 아노말리 패턴에 투사하여 지수를 산정하였다. 지수의 양의 값이
클수록 한반도 한파의 발생하였을 확률이 높은 것으로 생각할 수 있다.
그림 1.3.2.6.1 은 한파 인덱스 관련 패턴과 시계열, 같은 기준으로 예측 인덱스
를 산출 했을 경우의 지수의 예측성이다. 한반도 한파 인덱스와 관련된 패턴은
한반도 뿐만 아니라 유라시아 지역의 한파와도 관련이 있는 것을 알 수 있다. 관
련 시계열의 강도는 2도를 넘지 않는다. 모형 예측의 예측성은 예측 첫 주 (4-10
일) 에는 0.8 정도인 것을 확인하였고, 예측 둘째주 에는 0.4 정도로 떨어지는 것
을 알 수 있다. 그 이후에 예측성은 지속적으로 떨어지는 것을 확인하였다. 그림
1.3.2.6.2 는 한반도 평균 기온/강수와의 관련성을 나타낸 결과이다. 기대한대로
한반도 한파 인덱스 발생은 한반도의 음의 온도와 깊은 관련성을 갖는 것을 알
수 있다. 이 관련성은 여름철보다는 겨울철에 조금 더 뚜렷하지만, 전반적으로
모든 계절에 걸쳐서 나타나는 것을 알 수 있다. 한반도 강수와의 관련성은 다분
히 약한 것을 확인하였다. 그림 1.3.2.6.3 은 한반도 한파 인덱스 관련 계통 오차
를 파악하기 위하여 관측 한반도 한파 인덱스와 모형 지표면 온도간의 상관 관
계를 예측 시점별로 나타낸 그림이다. 예측 첫 주에는 모형 예측과 한반도 한파
인덱스 간의 관련 패턴은 관측 한파 관련 패턴과 상당히 유사한 패턴을 갖는다.
예측 둘째주에는 이 패턴은 상당히 약해지면서 러시아쪽에 한정되어 나타나는
- 40 -
것을 확인할 수 있다. 또한, 한파와 직접적으로 관련된 음의 시그널에 더해서, 한
반도 남쪽에 양의 시그널이 나타나는 것을 알 수 있다. 이는 아마도 시베리아 고
기압과 관련된 북풍이 한반도 한파 시그널과 관련 되어 있듯이, 그 지역의 바람
장이나 해면 기압장과 관련이 있을 것이다. 이러한 모형 계통 오차를 바탕으로
보정된 한반도 한파 인덱스를 다음과 같이 제안한다.
보정 한반도 한파 인덱스 = sfct[130-160E, 30-35N] - sfct[100-130E, 30-55N]
이의 예측성을 평가하여 보았을 때, 예측성의 향상이 뚜렷하지는 않지만, 보정
인덱스를 사용하였을 경우 오리지널 예측 인덱스에 비해서 약간의 향상이 있는
것을 확인하였다.
그림 1.3.2.6.1. 한파 index 관련 패턴과 시계열, 같은 기준으로 예측 index를
산출 했을 경우의 지수의 시계열
- 41 -
그림 1.3.2.6.2. (a) 한반도 평균 기온과 (b) 한반도 평균 강수와 한파
index의 상관 관계
그림 1.3.2.6.3. 예측 시점별 관측 한반도 한파 index와 모형 지표면 온도간의 상관
관계
- 42 -
1.3.3. 한반도 강수 관련 예측 가이던스 개발
1.3.3.1. 여름철 계절 내 진동 인덱스 관련 예보 가이던스 개발
여름철 아시아 몬순 지역에서는 인도양 부근에서 시작된 대류 (convection)가
계절내 시간 규모에서 북동쪽으로 전파되어가는 특징이 나타나는데, 이를 여름철
계절내 진동 (Boreal summer intraseasonal oscillation, BSISO)이라고 한다 (Lee
et al. 2013). BSISO가 중요한 이유는 대류 (강수)의 북진이 동아시아 여름 몬순
지역의 순환장에 영향을 미치기 때문이다. BSISO와 연관된 강수밴드는 시간이
지남에 따라 북동쪽으로 전파되고 그와 연관된 순환장의 변화에 따라 동아시아
지역은 계절내 시간규모에서는 남풍기류에서 북풍기류로 바뀌는 특징이 나타나
게되어 강수나 기온 변화에 영향을 미칠 수 있다. 본 연구에서는 Lee et al.
(2013)에 따라 다변량 경험적 직교함수 (Multivariate EOF)를 활용하여 OLR
(Outgoning longwave radiation)과 850 hPa 동서방향 바람장의 주모드와 두 번
째 모드를 산출하고 이 둘의 결합으로 정의된다. 두 모드에 모두에서
pctimeseries가 생산되며 대한 예측성 검증에 활용되었다.
그림 1.3.3.1.1 은 여름철 계절 내 진동 (Boreal Summer Intra-Seasonal
Oscillation, BSISO) 인덱스 관련 패턴과 인덱스를 나타낸 그림이다. BSISO 인덱
스는 여름철 (4월-10월) 에만 정의하였다. 첫 번째 EOF 패턴은 maritime
continent 지역에는 양의 850hPa 시그널이 존재하고, 중국 동안과 인도양에는 음
의 시그널이 존재한다. 하층 바람장 패턴은 기압장과 밀접하게 관련되어 있는데,
필리핀 해역에는 음의 OLR 즉, 대류 활동의 증가와 저기압과 관련된 패턴이 존
재하고 있으며, 동인도양에는 대류 활동의 감소와 고기압과 관련된 패턴이 존재
하고 있다. 두 번째 EOF 패턴은 첫 번째 EOF 와 공간적으로 관련이 없는 패턴
을 갖게 되며, 이 조건을 만족 시키기 위하여 첫 번째 EOF에서 강도가 강하지
않았던 지역에 강한 강도를 갖게 된다. 첫 번째 EOF 와 관련된 시계열을 PC1,
두 번째 EOF 와 관련된 시계열을 PC2 라고 정의했을 때, PC1 과 PC2 는 서로
시간적으로 상관성이 없는데, 이 때문에 두 시계열을 비교해 보았을 때, PC1 이
큰 경우 PC2 가 작고, PC2 가 큰 경우 PC1 이 큰 모습을 보여준다. 물리적으로
는, BSISO 와 관련된 대류 활동과 그와 관련된 바람장 아노말 리가 서인도양에
서 생성되어 한반도 방향으로 북진하면서 PC1 과 PC2 가 커지고 작아지는 모습
을 보인다. BSISO 의 예측성은 그림 1.3.3.1.2 에 산출하였는데, PC1 의 경우 예
측 둘째주 (11-17일 평균) 까지 0.6 보다 높은 값을 가지면, 예측 셋째 주 (18-24
일 평균)이 되면서 예측성이 급격히 떨어지는 모습을 보이는 반면에, PC2 의
경우, 예측성이 에측 7주 이후까지도 0.5 정도에서 머무는 모습을 보여준다. 즉,
PC1 에 비해서 PC2 의 예측성이 상대적으로 높은 것을 알 수 있다.
- 43 -
그림 1.3.3.1.1. 여름철 계절 내 진동 (Boreal Summer Intra-Seasonal
Oscillation, BSISO) index 관련 패턴과 index
그림 1.3.3.1.2. 예측 index를 산출 했을 경우의 지수의 시계열
- 44 -
한반도 강수/기후와의 연관성을 확인하여 보았을 때, PC1 은 한반도 기온과는
특별한 관련성이 없는 것을 확인하였다. 반면에 한반도 강수장과는 4월달에 강한
관련성을 갖는 것을 확인하였다. 이는 BSISO 이벤트 발생 1주일 정도 후에 한반
도 강수가 줄어드는 것과 관련이 있음을 확인하였다. 4월뿐만 아니라 5월에도 약
하지만 어느 정도의 음의 관련성이 있는 것을 확인하였다. PC2 의 경우, 한반도
기온과의 관련성은 다분히 약한 것을 확인하였고, 한반도 강수와의 경우, 4-7월
사이에 양의 관련성이 있는 것을 확인하였다. 이는 한반도 강수와 BSISO 이벤트
간의 관련성은 매우 다양한 형태로 나타나며, BSISO 의 대류 활동과 관련된 패
턴의 위치가 어디에 위치해 있느냐에 따라 한반도 강수와의 관련성도 판이하게
달라진다는 것을 의미한다. 그림 1.3.3.1.3 는 계통 오차 분석을 위해 관측 BSISO
첫 번쨰 모드와 850hPa zonal wind 간의 상관성을 나타낸 그림이다. 관측 지수
에 비해 북쪽으로 propagation 이 될 되는 계통적 오차가 존재하며, 적도 근처의
시그널에 비해 20N 북위의 시그널은 상대적으로 약한 모습을 보인다. 이를 고려
한 보정 BSISO 인덱스를 다음과 같이 제안한다.
보정 BSISO PC1 인덱스 = u850[115-135E, 25-30N] - u850[40-70E, 10S-0N]
비슷한 방식으로 보정 BSISO 의 PC2 의 보정 인덱스는 다음과 같이 제안한
다.
보정 BSISO PC1 인덱스 = u850[40-140E, 5S-5N] - u850[110-140E, 10-25N]
보정 인덱스를 산출하기 위하여 OLR을 사용한 경우, OLR의 불확실성이 크기
때문에 오히려 850hPa zonal wind 만 사용한 보정 인덱스보다 예측성이 떨어지
는 모습을 보였다. 따라서, 본 연구에서는 850hPa zonal wind 만 사용한 인덱
스를 제안하였다. 그림 1.3.3.1.4 는 보정 지수를 이용한 경우와 오리지널 예측 인
덱스를 이용한 경우의 예측성을 비교한 그림이다. PC1 의 경우 보정 지수를 사
용해도 예측성의 향상을 얻기가 힘들었지만, PC2 의 경우 예측 첫 주부터 3주
후까지 어느 정도의 예측성의 향상이 있음을 확인하였다. 특히, PC2 는 오리지
널 예측의 예측성이 높은 인덱스이기 때문에 예측성의 향상이 더욱 어려울 수
있는 인덱스 임에도 불구하고 보정 인덱스를 사용함으로서 예측성의 향상을 이
룰 수 있었다는 것은 주목할 만하다.
- 45 -
그림 1.3.3.1.3. 예측 시점별 관측 WNPSH index와 예측 850hPa 지위 고도장 간의
상관 관계
그림 1.3.3.1.4. 보정 지수를 이용한 경우와 오리지널 예측 index와 관측 간의
상관관계
- 46 -
1.3.3.2. 인도양, 북태평양 인덱스 관련 예보 가이던스 개발
본 보고서에서는 열대 인도양 인덱스 중 가장 변동성이 강한 인덱스 중 하나
인 Indian Ocean Basin-wide Warming (IOBW) 인덱스와 관련 예보 가이던스를
소개하고 이의 보정 인덱스를 제안할 것이다. 인도양의 해수면 온도의 변동에는
중요한 두 가지 모드가 나타나는데, 전열대인도양 모드 (Indian Ocean Basin
Mode, IOBM)과 인도양 쌍극자 모드 (Indian Ocean Dipole)가 그것들이다. 전
인도양 모드는 인도양 해수면온도 변동의 약 30%를, 쌍극자 모드는 약 12%를
설명한다 (Saji et al. 1999; Webster et al. 1999). 두 모드는 인도양 대류권 하층
의 순환장을 직접적으로 바꾸어 인도양에 접해있는 남아시아와 아프리카 지역의
기온과 강수에 큰 영향을 미친다 (Kripalani and Kumar 2004; Lareef et al.
2003; Kulkarni et al. 2007). 뿐만 아니라 이 두 모드들은 아시아 몬순 순환에도
영향을 미치는 것으로 알려져 있다. 쌍극자 모드는 아시아 몬순과 유의한 상관관
계를 보여주고 있으며 (Behera et al. 1999; Li et al. 2003; Saji and Yamagata
2003, Lau and Nach 2004; Yuan et al. 2008) 동아시아 지역까지 그 영향을 미친
다. 최근 연구에 따르면 전열대인도양 모드 또한 아시아 몬순에 큰 영향을 미치
고 있는 것으로 보고되었다 (Yang et al 2007; Yang et al 2009). 특히 이 전인도
양 모드는 북반구 늦은 겨울과 봄철에 가장 강하고 이후 여름철까지 지속되는데,
인도양의 해수면 온도의 증가는 강제력을 작용하여 대류권에서는 켈빈파 반응이
나타나고 서태평양 아열대 지역의 고기압성 흐름을 유도하게 되어 동아시아 지
역으로 남풍 또는 남동풍을 유도해 봄철과 여름철에 동아시아 기후에 영향을 미
치게 된다 (Yang et al. 2009). 또한 인도양 해수면 온도변동은 ENSO가 아시아
몬순에 미치는 영향을 조절하여 아시아 몬순에 영향을 미친다 (Yang et al
2007). 즉 인도양 해수면온도의 변동은 원격상관을 통해 한반도와 동아시아에 영
향을 미칠 가능성을 가진 요인으로 예측의 인자로서 모니터링하고 예측성을 향
상시킬 필요성이 있다. 기존 연구에 기반하여 전열대인도양 모드는 적도 인도양
을 포함하는 영역 (80°W-40°E, 20°N-80°N)에서 평균된 해수면 온도 아노말리로
정의한다.
그림 1.3.3.2.1 은 IOBW 관련 패턴과 시계열, 같은 방식으로 모형 예측 인덱스
를 산출한 경우의 예측성을 나타낸 것이다. IOBW 는 인도양 지역 전반적인 양
의 온도 아노말 리가 존재하는 것을 알 수 있고, 이와 관련된 시계열은 중위도
기후 인자들에 비해서는 좀 더 긴 time-scale을 갖는 것을 알 수 있다. IOBW 지
수의 경우, 이의 예측성은 두 달 정도 되는 것으로 나타났고, 상관 관계 0.5 이상
되는 것이 예측 3달 후에는 0.5 이하로 급격히 떨어지는 것을 확인하였다. 예측
5달 이후에는 다시 0.5 정도로 예측성이 생기는 것 또한 확인하였다. 그림
1.3.3.2.2 는 IOBW 인덱스와 한반도 평균 기온, 강수와의 상관 관계를 나타낸 그
림이다. 인도양 지역의 downstream 지역에 한반도가 위치하기 때문에 Rossby
- 47 -
wave propagation 등을 통해서 인도양의 변동성이 한반도 기후에 영향을 줄 수
있는데, 기대한대로 어느 정도의 연관성이 보이는 것을 확인할 수 있었다. 특히,
2월, 4월, 5월의 경우 IOBW 이벤트가 발생을 전후하여 한반도 기온과 양의 관련
성을 갖는 것을 확인하였다. 반면에 7월에는 약하지만 음의 관련성을 갖는 것을
확인하였다. 한반도 강수와도 약하지만 관련성이 있는 것을 확인하였다. 특히 열
대 인도양과 한반도 강수와는 2월, 3월, 4월까지도 약하지만 양의 관련성이 있음
을 확인하였다. 그림 1.3.3.2.3 은 열대 인도양 인덱스와 관련된 계통 오차를 파악
하기 위하여 관측 IOBW 인덱스와 모형 SST 예측 간의 상관 관계를 구한 것이
다. 첫 번째 달에는 관측과 비슷한 패턴을 보이지만, 예측 두 번째 달부터 시그
널이 급격히 약화되기 시작하는 것을 확인하였고, 예측 3달부터는 동인도양의 시
그널은 거의 사라지는 것을 알 수 있었다. 반면에 서 인도양의 시그널은 예측 6
달 까지도 남아 있는 것을 확인하였다. 이를 토대로 보정 IOBW 인덱스를 다음
과 같이 제안한다.
보정 IOBW 인덱스 = sst[50-75E, 10S-10N]
그림 1.3.3.2.1. IOBW 관련 패턴과 시계열, 같은 방식으로 모형 예측
index를 산출한 경우의 예측성
- 48 -
그림 1.3.3.2.2. IOBW index와 (a) 한반도 평균 기온과 (b) 한반도 평균
강수와의 상관 관계
그림 1.3.3.2.3. 예측 시점별 관측 IOBW index와 모형 SST 예측 간의 상관 관계
- 49 -
이의 예측성을 평가한 그림이 그림 1.3.3.2.4 이다. IOBW 와 관련된 예측성의
향상이 보정 인덱스를 사용함으로서 뚜렷해지는 것을 알 수 있다. 예측 6개월 이
후까지 0.7 정도의 상관 관계를 보이며, 보정 인덱스를 사용함으로서 최대 0.3 정
도까지 상관 관계의 향상이 있는 것을 확인하였다.
그림 1.3.3.2.4. 보정 지수를 이용한 경우와 오리지널 예측 index와 관측 간의
상관관계
그림 1.3.3.2.5 은 북태평양에서 가장 뚜렷한 변동성 중에 하나인 Pacific
Decadal Oscillation (PDO) 와 관련된 인덱스를 표출한 그림이다. 북서(중)태평양
과 북동태평양의 해수면 온도가 서로 진동하는 패턴은 북태평양 해수면 온도의
가장 큰 변동성 중 하나이다. 이는 20-30년 주기(interdecadal timescale)를 가지
면서 위상을 변화시키며 진동하게 되는데 이를 PDO (Pacific Decadal
Oscillation) 라고 부른다 (Mantua 1997). 이 PDO는 북태평양 대기의 순환장, 특
히 알루시안 저기압과 깁게 연관되어 있어 겨울철에 강한 변동성을 보여준다. 알
루시안 저기압의 강도와 확장은 시베리아 고기압과 함께 겨울철 동아시아 지역
기온 변동의 영향을 미친다. 뿐만 아니라 PDO는 ENSO에 의한 동아시아 지역의
영향을 조절하는 역할도 한다 (Wang et al 2000; Wang et al 2008). 본 연구에서
PDO는 기존 연구에 기반하여 해수면 온도 자료를 이용하여 북태평양 영역
- 50 -
(100°E-270°E, 20°N -70°N)에서의 경험적 직교함수 분석을 수행하고, 그 결과의
주모드로 정의하였다. PDO 지수는 이 주모드의 PC time series 로 정의하였다.
PDO 관련 패턴은 중태평양에 음의 시그널, 북동태평양 양의 시그널을 갖는 것
이 특징이다. 시계열은 장주기의 변동성을 갖는 것이 특징이다. 지수의 예측성은
예측 6달 이후까지 0.8 이상으로 높게 유지되는 것을 확인하였다. 그림 1.3.3.2.6
은 PDO 지수와 한반도 평균 강수/온도와의 상관성을 구한 것이다. PDO 인덱스
의 경우 가을철과 겨울철에 한반도 평균 기후와 상관성을 갖는 것을 확인하였는
데, 한반도 평균 온도와는 9월,10월의 경우에 음의 상관성을 갖는 것을 확인하였
다. 한반도 평균 강수와는 9월, 10월에는 음의 상관성을 갖고 11월과 12월에는
양의 상관성을 갖는 것을 확인하였다. 그림 1.3.3.2.7 은 PDO 관련 계통 오차를
산출 하기 위하여 관측 PDO 인덱스와 모형 예측 SST 간의 상관 관계를 각 예
측 시점별로 그린 그림이다. 예측 첫 달부터 관측에 비해서 북중태평양의 음의
시그널이 중태평양에만 한정되어 나타나는 계통적 오차가 보이고, 이와 관련하여
음의 시그널이 나타나는 지역도 좁아지는 것을 알 수 있다. 반면, 북동태평양의
양의 시그널은 점차 적도 지역으로 확대되는 것을 확인할 수 있다. 이의 특징을
고려할 수 있는 보정 PDO 지수를 다음과 같이 제안한다.
보정 PDO 인덱스 = sst[140-100W, 20-55N]-sst[120-160E, 0-45N]
이를 이용하여, 오리지널, 보정 인덱스와 관측간의 상관 관계를 구해 보았을
때, PDO 와 관련된 예측성의 향상이 보정 인덱스를 사용하더라도 크게 변화는
없는 것으로 나타났다. 이는 PDO 지수의 경우 장주기 변동성을 갖기 때문에 지
역 선택에 차이를 두어 보정 인덱스를 산출하더라도 크게 영향이 없는 것으로
유추된다.
그림 1.3.3.2.5. Pacific Decadal Oscillation (PDO) 와 관련된 패턴과 시계열
- 51 -
그림 1.3.3.2.6. WNPSH 지수와 (a) 한반도 평균 기온과 (b) 한반도 평균 강수와의
연관성
그림 1.3.3.2.7. 예측 시점별 관측 PDO index와 모형 예측 SST 간의 상관관계
- 52 -
1.3.3.3. 한반도 여름철 강수 예측성 검증
한반도 여름철 강수의 예측성을 검증하기 위하여 그림 1.3.3.3.1 은 기상청에서
제공하는 한반도 평균 강수장과 한반도 지역 평균 모형 강수 예측장간의 상관
관계를 구한 그림이다. 한반도 강수장의 경우, 그 예측성이 예측 첫 주 (4-10일
평균) 에는 0.6 정도였고, 예측 둘째주 (11-17일 평균) 뒤에는 0.1 정도로 거의 없
는 것을 확인하였다. 이는 타 기후 인자들의 예측성 보다 다소 떨어지는 예측성
을 갖는 것으로 거꾸로 타 기후 지수의 정보를 활용하여 한반도 강수를 예측할
경우 어느 정도 예측성의 향상을 기대할 수 있다는 것을 암시한다.
그림 1.3.3.3.1. 기상청에서 제공하는 한반도 평균 강수장과
한반도 지역 평균 모형 강수 예측장 간의 상관 관계
1.3.3.4. 북서태평양 고기압 지수 관련 예보 가이던스 개발
북서(중)태평양과 북동태평양의 해수면 온도가 서로 진동하는 패턴은 북태평양
해수면 온도의 가장 큰 변동성 중 하나이다. 이는 20-30년 주기(interdecadal
timescale)를 가지면서 위상을 변화시키며 진동하게 되는데 이를 PDO (Pacific
Decadal Oscillation) 라고 부른다 (Mantua 1997). 이 PDO는 북태평양 대기의 순
환장, 특히 알루시안 저기압과 깁게 연관되어 있어 겨울철에 강한 변동성을 보여
준다. 알루시안 저기압의 강도와 확장은 시베리아 고기압과 함께 겨울철 동아시
아 지역 기온 변동의 영향을 미친다. 뿐만 아니라 PDO는 ENSO에 의한 동아시
아 지역의 영향을 조절하는 역할도 한다 (Wang et al 2000; Wang et al 2008).
본 연구에서 PDO는 기존 연구에 기반하여 해수면 온도 자료를 이용하여 북태
평양 영역 (100°E-270°E, 20°N -70°N)에서의 경험적 직교함수 분석을 수행하고,
- 53 -
그 결과의 주모드로 정의하였다. PDO 지수는 이 주모드의 PC time series 로 정
의하였다.
그림 1.3.3.4.1 은 북서태평양 고기압 (WNPSH) 관련 패턴과 이와 관련된 시계
열의 패턴, 같은 기준으로 모형 예측 인덱스를 생산한 경우의 예측성을 나타낸
그림이다. 북서태평양 고기압의 경우 우리나라에 남풍과 수증기의 유입을 유발하
여 따뜻한 온도와 많은 강수와 관련이 있는 패턴을 보여주고, 예측성 또한 예측
6개월까지도 상당히 높은 수준으로 유지가 되는 것을 알 수 있다. 특히, 예측 3
달 후에는 예측성이 0.7 정도로 아주 높은 수준을 갖는데, 다른 계절과 특별히
차이가 나는 것은 샘플링 문제등 여러 가지가 있을 수 있겠지만, 역학적으로 이
해하려고 해 봤을 때 여름철로 가면서 WNPSH 관련 시그널이 강해지고 있을 가
능성이 있다. 그림 1.3.3.4.2 는 WNPSH 지수와 한반도 평균 기온/강수와의 연관
성을 나타낸 그림인데, 기대한 것과 비슷한 시그널이 나타나기는 하지만, 기대한
것만큰 뚜렷한 상관성이 나타나고 있지는 않다. 그 중 봄철의 경우에 한반도 온
도와 양의 상관 관계를 갖고 있고, 4월과 7,8월에 한반도 강수와 양의 상관 관계
를 약하지만 갖고 있는 것을 확인할 수 있다. 계통 오차를 분석하기 위하여 관측
WNPSH 인덱스와 예측 850hPa 지위 고도장 간의 상관 관계를 구해보면 (그림
1.3.3.4.3) 예측 첫 달은 관측과 유사한 패턴을 보이지만 상대적으로 모형 예측의
경우 시스템이 서쪽으로 치우쳐져 있는 것을 알 수 있고, 또한 관측에 비해 자오
면 방향으로 시그널이 좁은 것을 알 수 있다. 이러한 패턴은 예측 2개월 후까지
이어지다가 동쪽으로 shift 되면서 다시 관측과 유사한 패턴을 갖는 것을 알 수
있다. 이를 바탕으로 보정된 WNPSH 인덱스를 다음과 같이 제안한다.
보정 WNPSH 인덱스 = z850[120-150E, 10-20N]
이를 이용하여 보정 WNPSH 산출 결과를 오리지널 예측 인덱스, 관측 인덱
스간의 예측성을 평가해 보면, WNPSH 와 관련된 예측성의 향상이 보정 인덱스
를 사용하였을 때 예측 첫째달과 둘째달, 다섯째와 여섯째 달에 어느 정도의 예
측성의 향상이 있는 것으로 나타났다. 이는 보정된 인덱스를 사용함으로 오리지
널 예측 인덱스에 비해 어느 정도의 예측성의 향상이 보여지고 있음을 의미한다.
- 54 -
그림 1.3.3.4.1. 북서태평양 고기압 (WNPSH) 관련 패턴과 이와 관련된
시계열의 패턴, 같은 기준으로 모형 예측 index
그림 1.3.3.4.2. WNPSH 지수와 (a) 한반도 평균 기온과 (b) 한반도 평균
강수와의 연관성
- 55 -
그림 1.3.3.4.3. 예측 시점별 관측 WNPSH index와 예측 850hPa 지위 고도장 간의
상관 관계
- 56 -
2. NCL 기반의 그래픽 최적화 및 표준화를 통한 GloSea5
예측, 진단 시스템의 효율적 운영
2.1. 서론
2.1.1. 연구 개발 배경
제 2세부 사업은 GloSea5 모델에서 생산된 장기 예보 자료를 효율적으로 가
시화 하는 사업으로 기존의 시스템에서 생산되던 그래픽 자료와 제 1세부 사업
에서 수행한 결과로 도출될 장기예보 지원 가이던스 자료를 사용해 그래픽 자
료를 생산하는 사업이다. 제 2세부 사업에서 수행한 그래픽 콘텐츠의 생성은 기
존에 기상청 그래픽 자료 처리에 활용되어 성능이 입증된 NCL을 사용하여 수
행하였다. 제 2세부 사업에서 수행한 업무의 범위는 아래와 같다,
2.1.2. 연구 목적 및 내용
○ NCL 기반의 GloSea5 그림 표출 체계 구축
- 그림 생산을 위한 작업 단위별로 자료 처리 체계 구축
- 범용성 확보를 위한 대표 그림 생산 코드의 원형 작성(prototype) 작성
○ 장기예보 지원을 위한 가이던스 그림 생산
- GloSea5 예측 결과 및 검증 시스템 그림 NCL 프로그램 작성
- 57 -
그래픽 도구
기능 분류
일반 그래픽
소프트웨어
개발도구언어
GrADS NCL
일반 기능XY, Bar 그래프
위주
contour 등
공간장, 바람장
지원
contour 등
공간장, 바람장
지원
바람장 표출
기능
화살표 등으로만
표출 가능 그 외는
별도 추가 개발
Wind Barb,
Vector,
Streamline 지원
Wind Barb,
Vector,
Streamline 지원
유연성
라이브러리인
경우 사용언어에
따라 다름
셋팅 중심의
스크립트
일반 언어와
동일한 수준의
스크립트
확장성IDL의 경우
확장성은 제한적
Grads 기능만
사용
Fortran, C언어와
연동 지원
생성된 그래픽
Quality
소프트웨어에
따라 다름
IDL의 경우 고품질
상대적으로
품질이 떨어짐
고품질, 다양한
output format
지원
표 2.2.1. 그래픽 도구간의 주요 특성 비교
( 기존 GloSea5 TIDL 출력 부분 NCL로 변환 )
- 세부 과제 1에서 도출된 신규 가이던스 작성을 위한 자료 처리 체계 구축
2.2. NCL 기반의 GloSea5 그림 표출 체계 구축
NCL은 Fortran 전용 그래픽라이브러리인 NCAR Graphics Library에서 발전 개
발된 스크립트 기반의 언어로 기상 및 해양 등 지구과학 연구 데이터 처리를
위한 많은 함수를 지원하고 있으며 특히 기상에 관한 특화된 함수들을 많이 보
유하고 있는 그래픽 처리 도구이다. 기존에 GloSea5 자료 처리에 사용되었던
GrADS 나 TIDL에 비하여 그 처리 결과로 생산된 그래픽 자료가 미려하며 사용
자가 손쉽게 사용할 수 있고 그래픽 처리 속도가 높다는 점에 있어서 GloSea5
수행결과를 표출하는 도구로 선정되었다. 아래 표는 주요 그래픽 처리 도구의
특성을 비교하여 NCL의 특징을 살펴본 것이다.
- 58 -
2.2.1. 그림 생산을 위한 작업 단위별로 자료 처리 체계 구축
2.2.1.1. TIDL 기반의 그래픽 처리를 NCL 기반의 단위 작업 과정으로 구성
기존 GloSea5 시스템의 후처리 그래픽 생산 체계는 상용 소프트웨어인 IDL의
영국 기상청 MetOffice 변형 버전인 TIDL을 사용하여 구현되어 있다. 이는 현재
그래픽 자료 생산 속도가 상대적으로 느리고, 전문가에 의해서만 변형이 가능하
므로 예보자의 의견을 반영하여 개선하는 데 어려움이 있다. 이를 개선하기 위
해 NCL을 사용해서 GloSea5 결과 및 검증 자료를 처리하는 프로그램을 작성하
였다. NCL script는 GloSea5 결과, 검증, 실황검증, 진단의 대분류로 나누어 각각
의 대분류에서 주요 변수를 1개월, 3개월, 6개월이 기간에 따라 공간장, 시계열,
Cross Section 등으로 표출하도록 구성하였다. 주요 공통 변수는 외부 환경 변수
또는 쉘을 통해 제공되며 이를 NCL 스크립트에서 추출하여 해당 일기도를 생산
하도록 구성하였으며, 표출 영역 또한 공통적으로 구성한 라이브러리 스크립트를
사용하여 선택하는 방식을 구현하여 영역의 변경 또는 신규 추가에 쉽게 대응할
수 있는 체계를 구축하였다. 즉 각각의 일기도는 해당 종류별로 1개의 NCL
script에 대응되고 이 NCL 스크립트는 외부 제어 namelist 또는 쉘에 의해 선택
된 옵션을 반영하여 해당일기도를 생성해 내는 체계이다. 이 구성에서 최소 작업
단위는 일기도 1종 생산 작업을 수행하는 NCL 프로그램으로, 이는 상위 쉘인
서브쉘에 의해 일기도를 생산할 영역, 기간이 지정되고, main 쉘에 의해서는 일
기도의 종류 즉 변수등이 선택되는 구성으로 그래픽 생성 체계를 구현하였다.
그림 2.2.1.1.1. NCL로 표출한 GloSea5 결과 Global 영역
- 59 -
그림 2.2.1.1.2. 기존 IDL로 표출한 기존 GloSea5 결과 Global 영역
그림 2.2.1.1.3. NCL로 표출한 GloSea5 결과 Global 영역
- 60 -
2.2.1.2. Cylc 적용이 가능한 그래픽 작업 단위 및 Cylc 수행 구성
향후 도입될 예정인 작업 수행 관리 도구인 Cylc 에 구현된 작업단위 그래픽
처리 체계가 적용될 수 있도록 각 작업 단위들은 각각의 모니터링 포인트로 로
그를 생성할 수 있게 구성되었고, 세부 변수인 영역, 기간에 대한 로그도 해당
그래픽을 생성하는 단계에 제공하도록 구현하였다.
기본적인 작업단위의 쉘은 Korn Shell을 사용하였으며, 해당 일기도를 생성하
는 Sub Shell이 작업 단위로 Cylc에 적용되도록 하였다.
2.2.2. 일관된 작업 형태의 그림 생산 및 표출 체계 구축
2.2.2.1. 모델 자료를 이용하기 위한 자료 체계 구성
그래픽 처리를 위한 입력 자료로는 기본적으로 GRIB2 포맷 형태의 자료를 처
리하여 해당 영역을 추출하여 영역별 일기도를 생성하도록 구성하였다. 생성된
GRIB2 포맷자료는 GloSea5모델 버전, 변수, 예보기간, level 등의 주요 정보를
파일명에 포함하고 있으므로 그래픽 처리 쉘 및 NCL 프로그램에서는 이를 변수
를 받아 해당 모델 자료를 처리하도록 구현하였다.
2.2.2.2. 그래픽 쉘 및 소스코드의 일관성 구현
그래픽 처리를 쉘은 모두 Korn Shell로 구현되었으며, Main Shell에서는 생성
하고자 하는 일기도의 종류에 따라 변수를 지정하고, 그리고자 하는 영역들, 기
간들을 지정하는 방식으로 일관성을 구현하였다. 서브쉘은 메인쉘에서 변수에 따
라 호출되고 메인쉘에서 넘겨 받은 영역, 기간을 환경 변수로 지정한 후 NCL
스크립트를 호출하여 NCL 스크립트에서 해당 영역, 기간에 대한 일기도를 생성
하는 방식으로 구성하여 일관성을 갖도록 하였다.
그래픽 처리를 하는 NCL 코드의 경우는 외부 공통 라이브러리 스크립트를 구
축하여 일관성있는 영역 지도 표출이 가능하도록 하였으며, 영역에 따라 모든 일
기도에 적절한 지도가 표출되도록 구성하였다.
2.2.2.3. 작업 단위 그룹화 구현
각 작업 단위 서브쉘은 메인 쉘에 의해 그룹화 되며, 메인쉘에서 지정한 변수
들에 대한 서브쉘들은 같은 그룹으로 하나의 작업으로 처리되어 일기도를 생성
할 수 있도록 구현되었다. 또한 서브쉘의 NCL 호출을 loop 형식으로 처리하여
해당일기도의 표출 영역, 기간등이 하나의 그룹으로 구현되도록 Shell 프로그램
과 NCL 스크립트를 작성하였다.
- 61 -
그림 2.2.2.3.1. GloSea5 결과 표출을 위한 namelist
2.2.3. 범용성 확보를 위한 대표 그림 생산 원형(prototype) 코드 작성
주요 일기도들 마다 요구하는 Contour Line 설정과 Shading 되는 Color_map
등을 사용자가 손쉽게 지정하고, 변경할 수 있는 namelist를 작성하여 원하는 일
기도를 제어할 수 있는 대표 그램 생산 prototype 코드를 작성하였다. 표준화
NCL 스크립트라 불리우는 이들 NCL 스크립트들은 주요 변수의 고도별 등치선
의 기준값, 간격, 선 패턴, 편차장 shading 컬러의 간격, color map 의 이름등을
지정된 namelist 파일에서 읽어와 사용자의 지정한 값에 따른 일기도를 생성하도
록 구현되었다.
namelist를 처리하는 루틴은 기상청 기후예측과 공용 NCL 라이브러리 스크립
트인 KMA_res.ncl를 통하여 구현되도록 프로그래밍 되었으며, 향후 유지보수 업
무를 수행하는데도 편리함을 제공하도록 하였다.
2.2.3.1. 평균장 및 편차장, 확률 분포도
평균장 및 편차장 (Mean & Anomaly)의 경우 기존의 GloSea5 표출과 동일하
게 평균장(mean)은 등치선(Contour)으로 편차장(anomaly)은 지정 컬러로 쉐이딩
(Shading)하여 표현한다. 그리고 기존에 사용하던 GloSea5의 표출 형식에서 조금
더 미려한 표출을 위하여 컬러바 및 텍스트, Line Pattern 등을 변경하여 표출하
였다.
- 62 -
그림 2.2.3.1.1. NCL로 표출한 GloSea5 결과
(좌상단 : 850hPa Stream_Anomaly 전구 영역 / 우상단 : MSLP Cross_Section
연직단면 / 좌중간 : 850hPa Wind_Vector_Mean 동아시아 영역 / 우중간 : 850hPa
Moisture_Flux_Anomaly 한반도 영역 / 좌하단 : 850hPa Temperature_Anomaly 아시아
영역 / 우하단 : Precipitation_Ratio_Anomaly 북반구 영역)
- 63 -
변수 기간 영역 level 통계
지위고도
1개월예측,�
3개월/계절예측,�
3개월평균예측
전구�아시아
동아시아
한반도
북반구
100hPa� /� 200hPa
300hPa� /� 500hPa�
700hPa� /� 850hPa
아노말리
평균분포
해면기압
1개월예측,�
3개월/계절예측,�
3개월평균예측
전구�아시아
동아시아
한반도
북반구
Surface아노말리
평균분포
유선장 (Streamline)의 경우 바람을 유선(streamline)으로 평균장 혹은 편차장의 경우 쉐
이딩(shading)으로 표현하였으며 이 역시 namelist로 유선의 최대 최소값 설정 및 쉐이딩
의 색상을 조절 가능하다. 바람장 (Wind Vector)의 경우 바람 벡터를 특정색상(Blue)으로
설정하여 표현 하였으며 사용자의 기호에 따라서 namelist에서 조정이 가능하다. 이 역시
평균장 혹은 편차장의 경우 쉐이딩(shading)으로 표현하였으며 상단 부분에 기준 벡터
(Reference Vector)를 고정하여 상대적인 크기를 가늠할 수 있게 하였다.
기간별 그래픽은 1개월 예측, 3개월·계절예측, 3개월 평균예측 등을 표출하도
록 구성하였으며 각 기간별 자료는 별도의 파일로 각각의 변수별로 제공되며 3
개월 평균의 경우는 1개월 단위의 파일을 읽어서 평균을 구하도록 구성하였다.
요소별 그래픽은 고도장, 바람장, 온도장, 등에 각 변수의 특성에 따라 namelist
를 별도로 읽도록 구성되었으며, 리소스설정 파일(KMA_res.ncl)에 해당하는 속성
을 설정하여 이를 각 요소별 그래픽 처리 NCL 프로그램에서 불러서 사용할 수
있는 환경을 구성하였다.
2.3. GloSea5 장기예보 가이던스 구축
2.3.1. GloSea5 예측 결과 및 검증시스템 그림 작성 및 개선
GloSea5 예측 결과 및 검증 자료를 표출하는 NCL 프로그램을 작성하고, 기상
청 담당자와의 협의를 통해 기존 표출에서 불편한 점을 수정하였다. 특히 주요
등치선의 굵기 제어, 등치선 Label 빈도 및 Font의 조정, Color_bar의 위치 또는
두께 조정, 표출 영역의 조정, 그림 크기 조정, 로고 및 타이틀 조정을 수행하였
다.
GloSea5 예측 결과 중 1개월, 3개월(계절, 평균), 3개월 평균값은 13개의 등치
선 차트, 6개의 유선 차트, 9개의 바람벡터 차트 총 28종류의 변수가 표출되며 5
개의 공간 영역이 작성되어 진다.
본 사업을 통해 작성된 결과 차트의 종류는 다음의 표와 같다.
- 64 -
기온
1개월예측,�
3개월/계절예측,�
3개월평균예측
전구�아시아
동아시아
한반도
북반구
200hPa� /� 700hPa
850hPa� /� 1.5m
아노말리�
평균분포
습윤속
1개월예측,�
3개월/계절예측,�
3개월평균예측
전구�아시아
동아시아
한반도
북반구
850hPa아노말리�
평균분포
총강수량
1개월예측,�
3개월/계절예측,�
3개월평균예측
전구�아시아
동아시아
한반도
북반구
Surface아노말리�
평균분포
강수확률
1개월예측,�
3개월/계절예측,�
3개월평균예측
전구�아시아
동아시아
한반도
북반구
Surface아노말리�
평균분포
유선도
1개월예측,�
3개월/계절예측,�
3개월평균예측
전구�아시아
동아시아
한반도
북반구
200hPa� /� 850hPa
wshaer�
아노말리�
평균분포
바람벡터
1개월예측,�
3개월/계절예측,�
3개월평균예측
전구�아시아
동아시아
한반도
북반구
200hPa� /� 850hPa
wshaer� /� 10m
아노말리�
평균분포
표 2.3.1.1. 작성된 차트 종류
실황 검증 시스템에서 표출한 변수는 500hPa 지위고도, 850hPa 기온, 해면기
압, 강수, 1.5m 기온, SST 이며 표출 영역으로는 전구, 남반구, 북반구, 아시아,
동아시아, 한반도 지역이다. 검증 방법으로 RMSE (Root Mean Square Error),
Correlation, Bias 등을 사용하며 검증 기간은 1개월 검증, 3개월 검증, 계절 검증,
3개월 평균 검증으로 나뉘고 이를 공간 분포 등치선(Contour Line) 및 쉐이딩
(Shading) 형태로 표출한다.
- 65 -
그림 2.3.1.1. 실황 검증 rmse namelist
1개의 NCL Script와 8개의 namelist, 1개의 main_shell, 1개의 subshell을 통하여
실황 검증 차트 표출이 모두 가능하며 Korn Shell을 통하여 자동화 및 Log 파일
생성을 할 수 있도록 작성하였다. 그리고 기존에 표출된 차트와 유사한 Color
map을 개발하여 사용하였으며 namelist를 통하여 컬러 변경과 채색 영역의 변경
등이 가능하다. 또한 Target date를 설정하여 해당 날짜를 텍스트로 입력하였다.
그림 2.3.1.2. 기존 검증 시스템 결정 표출 그래픽
- 66 -
그림 2.3.1.3. NCL Script를 통한 검증 표출 차트
(좌상단 : 500hPa RMSE 전구 영역 / 우상단 : t15m bias err 전구 영역 / 좌중간 : t15m
Correlation 전구 영역 / 우중간 : 500hPa phase err 전구 영역 / 좌하단 : 500hPa bias 전구 영
역 / 우하단 : mslp msss 전구 영역)
- 67 -
2.3.2. 진단 및 응용 모델에 대한 그래픽 처리
작성된 쉘 및 NCL 스크립트 프로그램은 KMA 모델에 대해 작성되었으나,
KMA+UKMO, UKMO모델에 대해 동일한 형태의 입력자료를 사용해서 적용이 가
능한 상태이므로 해당 모델에 대한 그래픽 생성이 필요한 경우에는 메인쉘 스크
립트에서 모델에 대한 변수를 바꿔서 바로 수행이 되도록 구성되었다.
진단 관련 그래픽으로는 주로 cross section chart 가 생산되었으며,
temperature, geopotential height, U-wind, V-wind, 등에 대한 NCL 프로그램과
쉘이 구현되었다.
그림 2.3.2.1. 진단변수 표출의 예
- 68 -
2.3.3. 해양자료 표출 체계 구축
해양 자료의 경우 GloSea5 일반 예측 결과와 동일한 KShell 상에서 실행된다.
NCL 역시 예측결과와 동일하게 하나의 변수당 하나의 Script를 설계하여 표출을
수행하며 1개월, 3개월(계절, 평균)자료에 대한 공간 분포도를 생산한다.
표출한 변수는 Sea Surface Height, Salinity, Current, Spatial Anormaly,
Meridional Wind Stress, Zonal Wind Stress, Net Salt Flux, Net Heat Flux,
Vertical Cross Section, Sea Ice이며 기존 Wind Stress는 Zonal과 Meridional로 나
누어 표출 하였다.
그림 2.3.3.1. 해양 변수 namelist
또한 GloSea5 일반 예측 결과와 동일한 KMA_res.ncl Script에서 해양자료 표출
에 필요한 Resource들을 삽입하여 기존 GRIB2 형식 뿐 아니라 NC_DATA도 예측
결과와 함께 처리 될 수 있도록 하였다. 이 역시 해양변수들 만의 namelist를 작
성하여 자료 표출에 자주 수정되는 속성들을 선택할 수 있게 하였다.
- 69 -
그림 2.3.3.2. NCL Script를 통한 해양변수 표출
(좌상단 : Sea Surface Temperature 동아시아 영역 / 우상단 : Meridional Wind
Stress 한반도 영역 / 좌중간 : Salinity 아시아 영역 / 우중간 : Sea Ice 북반구 영
역 / 좌하단 : Sea Surface Height 전구 영역 / 우하단 : Current Wind 전구 영역)
- 70 -
2.3.4. 신규 가이던스 작성을 위한 그림 작성
본 사업의 제 1세부 과제에서 도출한 장기예보 가이던스 자료를 사용하여 신
규 가이던스 그림을 작성하였다. 개발한 자료인 NINO3 Index를 통하여 작성하였
으며 NINO3지역과 한반도 지역의 기온의 상관성에 대한 그림 역시 표출 하였다.
하나의 KShell을 통하여 모든 NCL Script의 실행이 가능하며 NCL의 경우
GloSea5 예측 결과의 NCL Script와 비슷한 형태로 작성하여 사용자가 사용함에
있어 유용하게 사용할 수 있도록 구성되었다.
그림 2.3.4.1. NINO3 와 관련된 자료 표출
(상단 : NINO3 관측값과 GloSea5의 상관성 / 중간 : NINO3 Index 분포도 / 하단 : 시간
에 따른 NINO3 지역의 관측값과 시뮬레이션과의 비교)
- 71 -
그림 2.3.4.2. NINO3 와 관련된 자료 표출
(상단 : 시간에 따른 NINO3 관측값 변화 / 중간 : NINO3지역과 한반도 지역의 기온의 상관
성 / 하단 : NINO3지역의 관측값과 GloSea5 값과의 상관성)
- 72 -
그림 2.3.4.3. NINO3 지수 관련 신규 가이던스 표출
( 오리지널 예측 지수, 관측 지수를 비교한 시계열과 correlation skill 시계열을 함께 표출 )
3. 요약 및 결론
본 GloSea5 예측 결과의 계절별 예측 시점별 구조적 오차를 분석하기 위해 엘
니뇨 관련 다양한 분석을 시도하여 가이던스를 개발하였다. 또한 GloSea5 기반
의 한반도 강수 및 기온에 대한 예측성능을 분석하고 이에 대한 가이던스를 개
발하였다. 개발된 가이던스는 향후 현업 기후예보에 적용되어 그 성능을 평가받
게 될 것이며, 기후예보의 향상에 도움을 줄 것이라 예상된다.
GloSea5 모델 수행 결과, 검증, 실황 검증, 진단에 대한 방대한 량의 일기도 그
래픽 자료를 생성하는 시스템을 NCL 기반으로 구축하였다. 구축된 그래픽 생산
시스템은 시스템 운영자 및 사용자의 요구에 쉽게 대응 할 수 있도록 외부 제어
namelist를 구현하였다. 또한 기존의 TIDL에 대비하여 사용자의 요구사항을 더
많이 수용하여 예보자가 쉽게 일기도의 내용을 이해할 수 있도록 구현하였다. 또
한 구현된 그래픽 생성 프로그램은 향후 신규 일기도 생성요구에 쉽게 대응할
수 있는 prototype으로 역할을 할 수 있다. 개선된 그래픽 시스템은 시스템운영
에 좀 더 유연하게 대응하게 되며, 예보관의 예보 업무 향상에 기여할 것으로 예
상된다.
- 73 -
4. 참고문헌
References
Andrews, D. G, J. R. Holton, C. B. Leovy, 1987: Middle atmosphere
dynamics. Academic Press, London, p 489.
Ashok, K., S. K. Behera, S. A. Rao, H. Weng, and T. Yamagata, 2007: El
Niño Modoki and its possible teleconnection. J. Geophys. Res., 112, C11007.
Baldwin, M. P., Dunkerton T. J. (1999) Downward propagation of the Arctic
Oscillation from the stratosphere to the troposphere. J. Geophys. Res.
104:30937–30946.
Baldwin, M. P., Dunkerton T. J. (2001) Stratospheric harbingers of
anomalous weather regimes. Science 294:581–584. doi:10.1126/science.1063315.
Barriopedro, D, Garcia-Herrera R, Lupo AR, Hernandez E (2006) A
climatology of Northern hemisphere blocking. J. Climate, 19, 1042–1063.
Behera, S. K., and T. Yamagata, 2003: Influence of the Indian Ocean Dipole
on the Southern Oscillation. J. Meteor. Soc. Japan, 81, 169–177.
Li, T., B. Wang, C.-P. Chang, and Y. Zhang, 2003: A theory for the Indian
Ocean dipole–zonal mode. J. Atmos. Sci., 60, 2119–2135.
Bjerknes, J., 1966: A possible response of the atmospheric Hadley circulation
to equatorial anomalies of ocean temperature. Tellus, 18, 820-829.
Black, R. X., 2002: Stratospheric forcing of surface climate in the Arctic
oscillation. J. Climate, 15, 268–277
Black, R. X., and McDaniel B. A., 2004: Diagnostic case studies of the
northern annular mode. J. Climate, 17, 3990–4004.
Branstator, G., 2002: Circumglobal teleconnection, the Jet Stream waveguide,
and the North Atlantic Oscillation, J. Climate, 15, 1893–1910.
Cheung, H. N., Zhou W, Mok H. Y., Wu M. C., 2012a: Relationship
between Ural-Siberian blocking and the East Asian winter monsoon in relation
to the Arctic Oscillation and the El Nin˜o-Southern Oscillation. J. Climate
25:4242–4257.
Cheung, H. N., Zhou W, Mok H. Y., Wu M. C., Shao Y., 2012b: Revisiting
the climatology of atmospheric blocking in the Northern Hemisphere. Adv
Atmos Sci. doi:10.1007/s00376-012-2006-y.
Cha, E.-J., J.-G. Jhun, and H.-S. Chung, 1999: A study of characteristics of
climate in south Korea for El Niño/La Nina Years. Asia-Pac. J. Atmos. Sci.,
35, 98-117.
Charlton, A. J., L. M. Polvani, J. Perlwitz, F. Sassi, E. Manzini, K. Shibata,
- 74 -
S. Pawson, J. E. Nielsen, D. Rind, 2007: A new look at stratospheric sudden
warmings. Part II: evaluation of numerical model simulations. J. Climate
20:470–488.
Chou, C., J. Y. Tu, and J. Y. Yu, 2003: Interannual variability of the western
North Pacific summer monsoon: Differences between ENSO and non-ENSO
years. J. Climate, 16, 2275–2287.
Cohen, J., J. Foster, M. Barlow, K. Saito, and J. Jones, 2010: Winter
2009-2010: A case study of an extreme Arctic Oscillation event, Geophys. Res.
Lett., 37(17), L17707.
Ding, Y., and T. N. Krishnamurti, 1987: Heat budget of the Siberian High
and the winter monsoon, Mon. Weather Rev., 115(10), 2428-2449.
Gong, D.-Y., S. Wang, Wu, J. Zhu, and Hong, 2001: East Asian Winter
Monsoon and Arctic Oscillation, Geophys. Res. Lett., 28(10), 2073-2076.
Gong, D. Y., and C. H. Ho, 2002: The Siberian High and climate change
over middle to thigh latitude Asia, Theor. Appl. Climatolo., 72, 1-9
Gong, D.-Y., J. Yang, S.-J. Kim, Y. Gao, D. Guo, T. Zhou, and N. Hu 2011:
Spring arctic oscillation-East Asian summer monsoon connection through
circulation changes over the western North Pacific, Clim. Dyn., 37, 2199-2216.
Ha K.-J., 1995: Interannual variabilities of wintertime Seoul temperature and
the correlation with Pacific Sea surface temperature. Asia-Pac. J. Atmos. Sci.,
31, 313-323.
Hartley D. E., J. Villarin, R. X. Black, C. A. Davis, 1998: A new
perspective on the dynamical link between the stratosphere and troposphere.
Nature, 391, 471–474
Hartmann D. L., J. M. Wallace, V. Limpasuvan, D. W. J. Thompson, J. R.
Holton, 2000: Can ozone depletion and global warming interact to produce
rapid climate change? Proc. Natl. Acad. Sci. 97(4), 1412–1417
Honda, M., J. Inoue, and S. Yamane, 2009: Influence of low Arctic sea-ice
minima on anomalously cold Eurasian winters, Geophys. Res. Lett., 36,
L08707, doi:10.1029/2008GL037079.
Hong, C.‐C., H.‐H. Hsu, H.‐H. Chia, and C.‐Y. Wu, 2008: Decadal
relationship between the North Atlantic Oscillation and cold surge frequency
in Taiwan, Geophys. Res. Lett., 35, L24707, doi:10.1029/2008GL034766
Huang, R. H., and F. Sun, 1992: Impacts of the tropical western Pacific on
the east Asian summer monsoon, J. Meteorol. Soc. Japan., 70, 243–256.
Jeong, J.-H. and C.-H. Ho, 2005: Changes in occurrence of cold surges over
East Asia in association with Arctic Oscillation, Geophys. Res. Lett., 32(14),
- 75 -
L14704.
Jeong, J.-H., and C.-H. Ho (2005), Changes in occurrence of cold surges
over East Asia in association with Arctic Oscillation, Geophys. Res. Lett.,
32(14), L14704.
Jeong, J.-H., T. Ou, H. W. Linderholm, B.-M. Kim, S.-J. Kim, J.-S. Kug, and
D. Chen (2011), Recent recovery of the Siberian High intensity, J. Geophys.
Res., 116, D23102, doi:10.1029/2011JD015904.
Joung, C. H., and M. H. Hitchman, 1982: On the role of successive
downstream development in East Asian polar air outbreaks, Mon. Weather
Rev., 110(9), 1224-1237.
Kang, I.-S., 1998: Relationship between El-Niño and Korean climate
variability. Asia-Pac. J. Atmos. Sci., 34, 390-395.
Kao, H.-Y., and J.-Y. Yu, 2009: Contrasting eastern-Pacific and central-
Pacific types of ENSO. J. Climate, 22, 615-632.
Kripalani, R. H., and P. Kumar, 2004: Northeast monsoon rainfallvariability
over south peninsular India vis-a`-vis the Indian Ocean Dipole mode. Int. J.
Climatol., 24, 1267–1282.
Kulkarni, A., S. S. Sabade, and R. H. Kripalani, 2007: Associationbetween
extreme monsoons and the dipole mode over theIndian subcontinent. Meteor.
Atmos. Phys., 95, 255–268
Kug, J.-S., F.-F. Jin, and S.-I. An, 2009: Two types of El Niño events: Cold
tongue El Niño and warm pool El Niño. J. Climate, 22, 1499-1515.
______, M.-S. Ahn, M.-K. Sung, S.-W. Yeh, H.-S. Min, and Y.-H. Kim, 2010:
Statistical relationship between two types of El Niño events and climate
variation over the Korean Peninsula. Asia-Pac. J. Atmos. Sci., 46, 467-474.
Kwon, M.-H., J.-G. Jhun, B. Wang, S.-I. An, and J.-S. Kug, 2005: Decadal
change in relationship between east Asian and WNP summer monsoons.
Geophys. Res. Lett, 32, L16709.
Kolstad E. W., T. Breiteig, A. A. Scaife, 2010: The association between
stratospheric weak polar vortex events and cold air outbreaks in the Northern
Hemisphere. Q. J. R. Meteorol. Soc., 136, 886–893. doi:10.1002/qj.620
Lareef, Z., S. A. Rao, and T. Yamagata, 2003: Modulation of SriLankan
Maha rainfall by the Indian Ocean Dipole. Geophys. Res. Lett., 30, 1063,
doi:10.1029/2002GL015639.
Lamb, P. J., and R. A. Peppler (1987), North Atlantic Oscillation: Concept
and an application, Bull. Am. Meteorol. Soc., 68, 1218–1225
Larkin, N. K., and D. E. Harrison, 2005a: On the definition of El Niño and
- 76 -
associated seasonal average U.S. weather anomalies. Geophys. Res. Lett., 32,
L13705.
______, and ______, 2005b: Global seasonal temperature and precipitation
anomalies during El Niño autumn and winter. Geophys. Res. Lett., 32,
L16705.
Lau, N.-C., and M. J. Nach, 2004: Coupled GCM simulation of atmosphere–ocean variability associated with zonally asymmetric SST changes in the
tropical Indian Ocean. J. Climate, 17, 245–265
Lee, J.-Y., B. Wang, M. C. Wheeler, X. Fu, D. E. Waliser, and I.-S. Kang,
2012: Real-time multivariate indices for the boreal summer intraseasonal
oscillation over the Asian summer monsoon region. Clim. Dyn., on-line first.
Doi:10.1007/s00382-012-1588-5
Limpasuvan V., D. W. J. Thompson, D. L. Hartmann, 2004: The life cycle of
the northern hemisphere sudden stratospheric warmings. J Climate., 17, 2584–2596
Lu M–M, C.-P. Chang, 2009: Unusual late-season cold surges during the
2005 Asian winter monsoon: roles of Atlantic blocking andthe Central Asian
anticyclone. J Climate, 22, 205–5217
Mantua, N. J. and S.R. Hare, Y. Zhang, J.M. Wallace, and R.C. Francis 1997:
A Pacific interdecadal climate oscillation with impacts on salmon production.
Bull. Am. Meteorol. Soc., 78, 1069-1079
Mitchell D. M., L. J. Gray, J. Anstey, M. P. Baldwin, A. J. Charlton-Perez,
2013: The Influence of Stratospheric Vortex Displacements and Splits on
Surface Climate. J. Climate, 26, 2668-2682
Nitta, T., 1987: Convective activities in the tropical western Pacific and their
impact on the Northern Hemisphere summer circulation, J. Meteorol. Soc.
Japan., 65, 373– 390.
Overland, J. E., J. M. Adams, and N. A. Bond, 1999: Decadal variability of
the Aleutian Low and its relation to high-latitude circulation, J. Climate, 12,
1542–1548.
Panagiotopoulos, F., M. Shahgedanova, A. Hannachi, and D. B. Stephenson,
2005: Observed trends and teleconnections of the Siberian High: A recently
declining center of action, J. Climate, 18(9), 1411–1422, doi:10.1175/JCLI3352.1.
Park, T.-W., C.-H. Ho, S.-J. Jeong, Y.-S. Choi, S. K. Park, and C.-K. Song,
2011a: Different characteristics of cold day and cold surge frequency over East
Asia in a global warming situation, J. Geophys. Res., 116, D12118.
Park, T.-W., J.-H. Jeong, C.-H. Ho, and S.-J. Kim, 2008: Characteristics of
- 77 -
atmospheric circulation associated with cold surge occurrences in East Asia: A
case study during 2005/06 winter, Adv. Atmos. Sci., 25(5), 791-804.
Park, T.-W., C.-H. Ho, and S. Yang, 2011b: Relationship between the Arctic
oscillation and the cold surges over East Asia, J. Climate, 24(1), 68-83.
Perlwitz J, N. Harnik, 2003: Observational evidence of a stratospheric influence on the troposphere by planetary wave reflection. J. Climate, 16, 3011–3026
Polvani, L. M., D. W. Waugh, 2004: Upward wave activity flux as a
precursor to extreme stratospheric events and subsequent anomalous surface
weather regimes. J. Climate, 17, 3548–3554
Qian, B., and M. A. Saunders, 2003: Summer U. K. temperature and its
links to preceding Eurasian snow cover, North Atlantic SSTs, and the NAO, J.
Climate, 16, 4108–4120
Saji, B. N. Goswami, P. N. Vinayachandran, and T. Yamagata, 1999: A
dipole mode in the tropical Indian Ocean. Nature, 401,360–363.
Saji, N. H., and T. Yamagata, 2003: Possible impacts of Indian Ocean Dipole
mode events on global climate. Climate Res., 25, 151–169.
Son, H.-Y., J.-Y. Park, J.-S. Kug, J. Yoo, and C.-H. Kim, 2014: Winter
Precipitation variation over Korean Peninsula associated with ENSO. Clim.
Dyn. (accepted).
Sui, C.-H., P.-H. Chung, and T. Li, 2007: Interannual and interdecadal
variability of the summertime western North Pacific subtropical high.
Geophys. Res. Lett., 34, L11701, doi:10.1029/2006GL029204.
Sung, M.-K., G.-H. Lim, and J.-S. Kug, 2010: Phase asymmetric downstream
development of the North Atlantic Oscillation and its impact on the East
Asian winter monsoon, J. Geophys. Res., 115(D9), D09105.
Takaya K, H. Nakamura, 2005: Geographical dependence of upper level
blocking formation associated with intraseasonal amplification of the Siberian
high. J. Atmos. Sci., 62, 4441–4449
Thompson, D. W. J., and J. M. Wallace, 1998: The Arctic oscillation
signature in the wintertime geopotential height and temperature fields,
Geophys. Res. Lett., 25(9), 1297-1300.
Thompson DWJ, Baldwin MP, Wallace JM (2002) Stratospheric connection to
Northern Hemisphere wintertime weather: implications for prediction. J Clim
15:1421-1428.
Tibaldi S, and F. Molteni, 1990: On the operational predictability of
blocking. Tellus, 42A, 343–365.
- 78 -
Wu M. C., and W. H. Leung, 2009: Effect of ENSO on the Hong Kong
winter season. Atmos. Sci. Lett., 10, 94–101.
van Loon, H., and J. C. Rogers, 1978: The Seesau in winter temperature
between Greenland and northern Europe. Part I: General description, Mon.
Weather Rev., 106, 296–310.
Wang, B., R. Wu, and X. Fu, 2000: Pacific-East Asia teleconnection: how
does ENSO affect East Asia climate?. J. Climate, 13, 1517-1536.
Wang, .L, W. Chen, and R. H. Huang, 2008 : Interdecadal modulation of
PDO on the impact of ENSO on the east Asian winter monsoon, Geophys.
Res. Lett. 35 L20702, DOI: 10.1029/2008GL035287.
Wang L, W. Chen W, W. Zhou et al., 2010: Effect of the climate shift
around mid 1970s on the relationship between wintertime Ural blocking
circulation and East Asian climate. Int. J. Climatol., 30, 153–158
Watanabe, M., 2004: Asian Jet Waveguide and a downstream extension of
the North Atlantic Oscillation, J. Climate, 17, 4674–4691,
Webster, P. J., A. M. Moore, J. P. Loschnigg, and R. R. Leben, 1999:
Coupled ocean–atmosphere dynamics in the Indian Ocean during 1997–98.
Nature, 401, 356–360.
Weng, H., S. K. Behera, and T. Yamagata, 2009: Anomalous winter climate
conditions in the Pacific rim during recent El Niño Modoki and El Niño
events. Clim. Dynam., 32, 663-674.
Wu MC, and W. H. Leung, 2009: Effect of ENSO on the Hong Kong winter
season. Atmos. Sci. Lett., 10, 94–101
Yang, J., Q. Liu, S.-P. Xie, Z. Liu, and L. Wu, 2007: Impact of the Indian
Ocean SST basin mode on the Asian summer monsoon. Geophys. Res. Lett.,
34, L02708, doi:10.1029/2006GL028571.
Yang, J., Q. Liu, Z. Liu, L. Wu, and F. Huang (2009), Basin mode of Indian
Ocean sea surface temperature and Northern Hemisphere circumglobal
teleconnection, Geophys. Res. Lett., 36, L19705, doi:10.1029/2009GL039559.
Yeh, S.-W., J.-S. Kug, B. Dewitte, M.-H. Kwon, B. P. Kirtman, and F.-F. Jin,
2009: El Niño in a changing climate. Nature, 461, 511-514.
Yim, S.-Y., J.-G. Jhun, and S.-W. Yeh, 2008: Decadal change in the
relationship between east Asian–western North Pacific summer monsoons and
ENSO in the mid-1990s, Geophys. Res. Lett., 35,
L20711,doi:10.1029/2008GL035751.
Yuan, Y., H. Yang, W. Zhou, and C. Li, 2008: Influences of the Indian
- 79 -
Ocean Dipole on the Asian summer monsoon in the following year. Int. J.
Climatol., 28, 1849–1859.