The Korean Meteorological Society
[ Article ]
Atmosphere - Vol. 31, No. 3, pp.311-326
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Sep 2021
Received 16 Jul 2021 Revised 08 Sep 2021 Accepted 14 Sep 2021
DOI: https://doi.org/10.14191/Atmos.2021.31.3.311

2020년 수도권 라디오존데 집중관측 자료의 한국형모델 기반 관측 영향 평가

황윤정1) ; 하지현1), * ; 김창환1) ; 최다영2) ; 이용희3)
1)기상청 수치모델링센터 수치자료응용과
2)차세대수치에보모델개발사업단
3)국립기상과학원 재해기상연구부
Observing System Experiment Based on the Korean Integrated Model for Upper Air Sounding Data in the Seoul Capital Area during 2020 Intensive Observation Period
Yoonjeong Hwang1) ; Ji-Hyun Ha1), * ; Changhwan Kim1) ; Dayoung Choi2) ; Yong Hee Lee3)
1)Numerical Modeling Center, Korea Meteorological Administration, Seoul, Korea
2)Korea Institute of Atmospheric Prediction Systems, Seoul, Korea
3)High Impact Weather Research Department, National Institute of Meteorological Sciences, Gangneung, Korea

Correspondence to: * Ji-Hyun Ha, Numerical Modeling Center, Korea Meteorological Administration, 61 Yeouidaebang-ro 16-gil, Dongjak-gu, Seoul 07062, Korea. Phone: +82-2-2181-0565, Fax: +82-2-833-0365 E-mail: jhha80@korea.kr

Abstract

To improve the predictability of high-impact weather phenomena around Seoul, where a larger number of people are densely populated, KMA conducted the intensive observation from 22 June to 20 September in 2020 over the Seoul area. During the intensive observation period (IOP), the dropsonde from NIMS Atmospheric Research Aircraft (NARA) and the radiosonde from KMA research vessel Gisang1 were observed in the Yellow Sea, while, in the land, the radiosonde observation data were collected from Icheon and Incheon. Therefore, in this study, the effects of radiosonde and dropsonde data during the IOP were investigated by Observing System Experiment (OSE) based on Korean Integrated Model (KIM). We conducted two experiments: CTL assimilated the operational fifteen kinds of observations, and EXP assimilated not only operational observation data but also intensive observation data. Verifications over the Korean Peninsula area of two experiments were performed against analysis and observation data. The results showed that the predictability of short-range forecast (1~2 day) was improved for geopotential height at middle level and temperature at lower level. In three precipitation cases, EXP improved the distribution of precipitation against CTL. In typhoon cases, the predictability of EXP for typhoon track was better than CTL, although both experiments simulated weaker intensity as compared with the observed data.

Keywords:

Observing System Experiment, intensive observation, radiosonde, dropsonde, numerical weather prediction

1. 서 론

최근 지구 온난화의 가속화로 우리나라에서 발생하는 이상 기상 현상은 매년 증가하고 있는 추세이다. 폭염의 강도는 강화되고 빈도 또한 증가하는 경향으로, 2018년에는 일 최고기온이 40°C를 기록한 이례적인 폭염 및 열대야가 발생하였다. 또한, 단시간에 좁은 지역에 많은 비를 내리는 국지적 집중호우 또한 빈번하게 발생하고 있다. 가장 최근인 2020년 6~8월은 중부지방 기준 54일의 역대 최장 장마 일수를 기록하였으며, 집중호우로 인한 강수량 또한 기록적이었다. 극단적인 폭염, 집중호우 등 위험기상의 지속적인 발생으로 인한 사회∙경제적인 피해를 줄이기위해 위험기상을 사전에 예측하는 것은 매우 중요한 일이다.

위험기상 현상에 대한 구조 및 발생 메커니즘을 규명하고 위험기상의 예측 성능 향상을 위해 집중관측들이 수행되어 왔다. KEOP (Korea Enhanced Observing Period)은 국립기상과학원에서 2001년부터 2008년까지 수행한 집중관측으로, 중규모 기상 현상과 태풍 등 재해성 기상 현상에 대한 관측자료를 축적하여 여름철 강수 사례 분석과 강수 예측의 민감도 등에 대한 연구들이 수행되었다(Baek et al., 2003; Park et al.,2005; Kim et al., 2006; Won et al., 2006, 2008; Parket al., 2007). 2009년에는 여름철 남∙서해상에서 발생하는 위험기상의 예측 성능을 향상시키기 위해 ProbeX(Predictability and Observing Experiment of Korea)-2009 특별관측이 수행되었고(Kim et al., 2009), KLAPS(Korea Local Analysis and Prediction System)와 WRF(Weather Research and Forecasting) 모델의 관측시스템 실험(Observing System Experiment, 이하 OSE)을통해 남∙서해상의 라디오존데 집중관측 자료가 강수 예측성능을 향상시킬 수 있음을 보였다(Hwang et al.,2011).

위험기상은 우리나라 인구의 절반 이상이 밀집되어 있는 수도권에 더 큰 피해를 주므로 수도권 지역에서 발생하는 위험기상을 실시간으로 감시하고 예측성을 향상시키기 위한 집중관측이 필요하다. 국립기상과학원은 2010년 8월 14일부터 9월 4일까지 인천공항, 양평관측소, 동두천기상대에서 라디오존데를 이용한 수도권 특별관측을 수행하였고, 수치모델을 이용한 OSE 실험을 통해 수도권 특별관측자료가 많은 강수량을 동반한 강수사례의 예측 성능을 향상시킬 수 있음을 보였다(Shin et al., 2011). 또한, 2011년부터 2014년까지 수도권에서 매년 계절별 고층관측을 주기적으로 수행하고, 집중관측 자료를 이용한 특성분석 및 수치모델 영향평가 등을 수행하였다(Hwang et al., 2012; Lee et al., 2012; Shim et al., 2013; Choi et al., 2014).

이러한 집중관측 수행 및 분석을 바탕으로, 2020년 여름철 수도권 지역의 기상요소를 집중적으로 관측하여 실시간 예보에 활용하고, 이와 함께 집중관측 자료를 수치예보모델에 이용하여 예측 성능을 향상시키기 위해 중규모 대류계 수도권 집중호우 관측(이하 2020 수도권 집중관측)을 실시하였다. 따라서 이 연구에서는 2020 수도권 집중관측 자료 활용에 따른 수치 예보모델의 예측 성능을 평가하고자 한다. 2장에서는 2020 수도권 집중관측에 대해 간략히 소개하였고, 3장에서는 수치예보모델 및 OSE 실험 설계에 대해서 설명하였다. 4장은 2020 수도권 집중관측 자료의 영향을 분석하고, 5장에서는 요약 및 결론을 서술하였다.


2. 2020년 중규모 대류계 수도권 집중관측

여름철 수도권 지역은 서쪽에서 이동해오는 기류에의한 위험 기상의 발생 빈도가 높다. 따라서 기상청은 서해상 및 경기만에서 유입되어 수도권에 영향을 주는 중규모 기상현상을 입체적으로 관측하여 3차원 기상정보를 생산하고, 이를 활용하여 위험기상에 대한 예측성을 향상시키고자 2020년 중규모 대류계 수도권 집중관측을 수행하였다. 관측기간은 2020년 6월부터 9월까지로, 1차는 6월 22일부터 7월 1일, 2차는7월 10일부터 7월 19일, 3차는 8월 11일부터 8월 20일, 4차는 9월 11일부터 9월 20일까지 10일씩 총 4회의 집중관측을 실시하였다. 또한 집중호우, 태풍 등 위험기상 발생이 예상될 때 추가 특별관측이 7월 24일부터 7월 27일, 7월 30일부터 8월 5일까지 2회에 걸쳐 수행되었다. 집중관측 영역은 경기만 중심의 서해상, 서해안, 서울∙경기 동부지역으로 선정하였고, 영역별로 라디오존데 고층관측을 이용한 집중관측은 다음과 같이 수행되었다. 서해상에서는 항공기를 이용한 드롭존데와 기상1호의 라디오존데로 수행되었다.항공기는 하루에 한번 비행이 가능한데, 관측기간 동안 총 15회의 비행을 통해 드롭존데 72개를 투하하여 관측하였고, 기상1호는 일 2회의 관측을 수행하였다.서해안은 인천에서 라디오존데 관측을 일 4회 수행하였고, 서울∙경기 동부지역은 이천기상대에서 모바일 차량을 이용한 라디오존데 관측을 일 4회 수행하였다.고층관측 장비인 연직바람관측장비는 북격렬비열도에 설치되어 관측을 수행하였다. 고층관측 장비 이외에도 표류부이, 기상레이더, 광학우적계, 라디오미터, 연직지향레이더, 기상통합센서 등의 관측장비가 2020 수도권 집중관측에 활용되었다.


3. 모델 및 실험설계

이 연구에서는 현업에 직접 활용된 라디오존데 및 드롭존데 고층관측자료의 효과를 살펴보기 위해 3.5a 버전의 한국형모델(Korean Integrated Model: KIM)을 이용하였다. 한국형모델은 2020년 4월부터 현업 운영중이고, 수평으로 약 12 km (NE360NP3) 해상도를 가지고, 연직으로는 약 80 km까지 91개 층으로 구성되어 있다. 극 지역의 특이점 문제 해결을 위해 육면체구(cubed-sphere) 격자 체계가 적용되었고, 분광요소법 기반의 비정역학 코어와 자체 기술로 개발된 물리 과정 등으로 구성되어 있다. 자료동화는 융합형 4차원 앙상블 변분자료동화(Hybrid-4DEnVar)가 적용되어 있다(Hong et al., 2018).

Figure 1은 라디오존데 및 드롭존데 관측지점의 위치를 나타낸 것으로 OPER (검정색 동그라미)는 현업 수치예보모델에 활용된 지점이며, 2020 IOP (주황색동그라미)는 2020 수도권 집중관측에서 관측된 지점을 나타낸 것이다. 파란색 네모는 기상1호와 나라호에서 관측한 지역을 나타낸다. 2020 수도권 집중관측기간에 한국형모델에는 라디오존데 및 드롭존데 집중 관측 자료가 추가로 활용되었다. 추가된 관측자료의 효과를 살펴보기 위해 수도권 집중관측 자료를 제거하는 OSE 실험을 추가적으로 수행하였다. 현업으로운영중인 12 km 해상도 체계의 한국형모델을 수행하기에는 계산 자원 사용에 어려움이 있어 현업 모델의수평 해상도 25 km (NE180NP3)의 저해상도 모델을 구축하였다. 모델에 입력되는 관측자료에는 수도권 집중관측 자료 외에 전지구 영역의 AMDAR (Aircraft Meteorological DAta Relay)와 AIREP (AIr REPort),라디오존데, Pibal 및 윈드프로파일러 관측, 지표 관측, 위성 관측으로부터 도출된 대기 운동 벡터와 해상풍 관측, AMSU-A (Advanced Microwave Sounding Unit A), ATMS (Advanced Technology Microwave Sounder), MHS (Microwave Humidity sounder), IASI(Infrared Atmospheric Sounding Interferometer), CrIS(Cross-track Infrared Sounder), COMS/CSR (Communication Ocean and Meteorological Satellite/Clear Sky Radiance)의 위성 복사량, GPSRO (Global Positioning System Radio Occultation)의 차폐 관측, 태풍 보거싱 자료 등이 활용되었다. OSE는 2020 수도권 고층 집중관측 자료를 활용하지 않은 규준 실험(이하 CTL)과 2020 수도권 고층 집중관측 자료를 활용한 실험(이하 EXP)을 각각 수행하였고, 모델의 초기장은 현업의 3.5a 버전 한국형모델 자료를 활용하였다. 집중관측 수행 전에 활용 체계를 구축하여 실시간으로 활용하였지만,1차 기간에는 자료 수집 및 관측자료 포맷 등의 이유로 많은 사례에 집중관측자료가 동화되지 않았다. 따라서 현업과 유사하게 집중관측자료가 안정적으로 동화되기 시작한 2020년 7월 16일부터 8월 25일까지 6시간 간격으로 순환 실험으로 수행하였다. 0600, 1800 UTC에는 순환 실험을 위한 분석장만 생성하고, 0000,1200 UTC에는 수도권 집중관측 자료의 영향을 분석하기 위해 분석장 생성 및 5일 예측을 수행하였다.

Fig. 1.

Upper-air sounding data network in KIM. Black circles are the operational radiosonde stations. Orange circles are the dropsonde and radiosonde stations for intensive observation period during summer 2020. Blue dotted box is moving path of atmospheric research aircraft (NARA) and research vessel (GISANG1).


4. 실험결과

4.1 분석장 성능 검증

분석장의 성능은 ECMWF (European Centre for Medium-Range Weather Forecast) 의 IFS (Integrated Forecast System) 분석장과 비교하여 계산한 RMSD(Root-Mean-Squared Difference)로 살펴보았다. Figure 2는 2020년 7월 16일 0000 UTC부터 8월 20일 1800 UTC까지 6시간 간격으로 두 실험의 온도, 비습, 동서·남북 바람에 대한 분석장의 RMSD를 전지구적으로 동서평균한 것으로, 각 변수에 대한 연직(1000-100 hPa)-위도(15-50°N) RMSD를 나타낸 것이다. 붉은색은 CTL에 비해 EXP 분석장 성능이 향상되었음을 의미하고, 파란색은 저하되었음을 의미한다. 2020 수도권 고층 집중관측 자료의 영향으로 850 hPa을 중심으로 하층 온도가 개선되었으며, 20°N 부근의 남해에서는 전 층에 걸쳐 온도가 개선되었다(Fig. 2a). 또한 30-40°N에서는 700 hPa 중층까지 온도 분석장의 성능이 개선되었다. 비습 또한 주로 하층에서 개선되었으며,30°N과 40°N 부근에서는 중층까지 비습 분석장 성능이 개선되었다(Fig. 2b). 바람은 남해와 수도권을 포함하는 경기 북부 지역을 중심으로 중립 이상으로 성능이 개선되나, 수도권 집중관측자료 활용으로 중∙상층 분석장 바람 성능은 중립 이하로 나타났다(Figs.2c, d). 수집된 라디오존데 관측자료는 전처리 과정을 통해 고품질의 관측자료가 선택된다. 수집된 관측 자료 대비 자료동화과정에서의 전구 라디오존데 관측자료의 변수별 사용률은 온도와 습도는 약 80%, 바람은 약 69%로 바람 자료의 사용률이 낮아 온도와 습도 대비 바람 성능 개선이 작은 것으로 생각된다. 따라서 향후 바람 관측자료의 영향을 개선하기 위해 바람 관측에 대한 정확도 및 전처리 과정 개선, 관측 오차 분석 등이 필요할 것으로 생각된다. 또한, 두 실험의 아시아 지역의 하층 온도, 바람, 비습의 관측증분(관측 - 모델 배경장) 시계열을 비교한 결과, 2020 수도권 고층 집중관측 자료가 추가된 EXP 관측증분의 평균이 대체로 CTL보다 0에 더 가깝게 나타났다(그림 생략). 850 hPa 기온의 관측증분의 시계열 평균은 CTL과 EXP가 각각 0.19, 0.18로 나타났고, 850 hPa 동서바람은 0.21과 0.19로 분석장의 성능이 향상되었다.

Fig. 2.

Vertical profiles of zonal mean of the analysis error difference between CTL and EXP for (a) temperature, (b) specific humidity, (c) zonal wind and (d) meridional wind during the period from 16 July to 20 August 2020. The analysis error is defined as the Root Mean Square (RMS) difference against the verifying IFS analysis. Red represents that analysis of EXP is improved.

4.2 예측장 성능 검증

2020 수도권 고층 집중관측 자료 활용에 따른 예측장 성능을 살펴보기 위해, 중층 지위고도와 하층 기온의 예측 개선율(Table 1)과 한반도 지역의 강수 성능(Figs. 3, 4)을 분석하였다. Table 1은 한반도에서의 영향을 살펴보기 위해 IFS 분석장 대비 Fig. 1 영역에서 CTL과 EXP의 중층 지위고도와 하층 온도의 예측 RMSE (Root Mean Square Error) 를 각각 산출하여 예측시간별 개선율(%)을 나타낸 것이다. 개선율은 아래 식과 같이 정의하였다.

Improvement rate (%) in RMSE over the Korea Peninsula against IFS analysis for the zonal wind (u), temperature (t) and geopotential height (gph) of EXP compared with CTL at 200 hPa zonal wind, 850 hPa temperature and 500 hPa geopotential height from forecast 24 to 72 hours during the experiment period. The positive value means the improvement of EXP compared with CTL.

%=CTLRMSE-EXPRMSECTLRMSE*100
Fig. 3.

The results of (a) Bias, (b) CSI and (c) ETS of 24 hr accumulated precipitation over southern Korean Peninsula against the reanalysis. The left panels are CTL, the middle panels are EXP, and the right panels are difference between EXP and CTL. The horizontal axis is the forecast lead times, and the vertical axis is threshold of precipitation.

Fig. 4.

The number of rainfall points for each threshold according to forecast lead times. The left panels are from 16 to 31 July 2020, the right panels are from 1 to 20 August 2020. The black lines are observation, the blue lines are CTL, and the red lines are EXP. Red boxes indicates improvement of EXP against CTL.

위 식에서 CTLRMSEEXPRMSE는 각각 CTL과 EXP의 RMSE 값을 나타낸다. 0000 UTC의 1~2일 중층 지위고도는 각각 약 1.08%와 0.77%로 예측성능이 개선되었고, 3일 예측은 약 -0.09%으로 개선 정도가 작아 중립 성능을 나타냈다. 1~3일 하층 기온은 각각 약 0.35%, 0.20%, 0.22%로 예측성능이 개선되었다. 1200 UTC의 1~3일 중층 지위고도는 각각 약 0.44%, 0.05%,-0.62%로 1일 예측성능은 개선, 2일 예측은 개선되나 개선 정도가 작아 중립 성능을, 3일은 예측성능이 저하되었다. 하층 기온은 각각 0.30%, -0.17%, -0.05% 로 1일 예측성능은 개선되나, 2일 예측성능은 약간 저하, 3일 예측성능은 중립을 나타냈다. 상층 동서 바람은 1일 예측성능은 개선되나, 2~3일 예측 성능은 저하되었다. 상층 동서 바람, 중층 지위고도 및 하층 기온의 예측성능을 통해 2020 수도권 집중관측자료 활용으로 한반도 지역의 1~2일의 단기 예측 성능이 개선됨을 알 수 있다. 하지만 그 이후의 예측 시간에서는 수도권 집중관측자료를 활용함으로 예측 성능이 약간 저하되는 것으로 나타나 향후 수도권 집중관측자료를 보다 잘 활용하기 위한 연구가 필요한 것으로 생각된다. 또한, 수도권 집중관측 기간 동안 0000과 1200 UTC에 활용 중인 라디오존데 관측 수는 유사하지만 두 시각 대의 예측장 개선율에는 차이가 있었다. 향후 시각에 따른 분석장 및 예측장 오차 분석, 장기간 실험 등을 통해 원인 분석이 필요할 것으로 생각된다.

수도권 고층 집중관측 자료가 한반도 지역의 강수예측 성능에 미치는 영향을 정량적으로 비교하기 위해 한반도 지역의 강수 재분석장을 이용하여 6시간 누적 강수에 대한 검증 결과로 살펴보았다. 검증에 사용된 강수 재분석장은 기상청에서 산출한 자료로 기상청 AWS, 산림청 AWS, 기상레이더, 천리안 구름탐지 산출물 등으로 만들어진 1시간 간격의 5 km 해상도 자료이다. 검증 지수는 강수 현상이 있을 때 관측에서 강수가 발생한 빈도와 수치예보모델에서 강수가 발생한 빈도의 비율을 계산하는 편차BIAS), 수치예보 모델의 강수 예측이 성공한 비율을 나타내는 임계 성공지수(Critical Success Index, 이하 CSI)에서 무작위로 강수 예측에 성공한 경우를 제외한 공정 임계 성공 지수(Equitable Threat Score, 이하 ETS)를 각각 비교하였다. Figure 3은 CTL, EXP, 그리고 두 실험의 차이에 대한 24시간 예측부터 120시간 예측까지의 Bias, CSI,ETS를 차례로 나타낸 그림이다. 수도권 고층 집중관측 자료의 활용으로 강수 편차가 감소하였으며, 특히 24시간 예측부터 48시간 예측까지 5mm의 약한 강수의 편차가 개선됨을 알 수 있다. 이와 함께 48시간 예측 이내의 강수 예측정확도가 개선되었으며, 정량적으로 0.5 mm 강수에 대해 24~48시간 예측의 CSI는1.6~2.0% 개선되었고, ETS는 약 2.7% 개선되었다. 또한 48시간 예측 이내의 10mm 이상 강한 강수의 예측 정확도가 개선됨을 알 수 있다. 이는 수도권 집중 관측자료의 활용으로 한반도 지역의 단기 강수 예측 성능 또한 개선될 수 있음을 보여준다.

강수 편차에 대해 좀더 자세히 살펴보기 위해 강수 재분석자료와 두 실험의 24~72시간 예측의 강수 임계치별 강수 지점수를 log 스케일로 분석하였다(Fig.4). 7월의 24시간 예측과 8월의 24~72시간 예측에서 두 실험이 모의한 약한 강수지점은 관측 강수 지점보다 과대하여 모의하고 있다. 붉은색 네모는 EXP가 CTL 대비 강수 지점이향상된 강수 구간을 나타낸 것으로 EXP가 모의한 강수 지점이 관측에 조금 더 가까운 지점수를 보인다. 2020년 7월에는 전라∙경상도의 좁은 지역에 약 500mm의 강한 강수가 내렸으며, 전국적으로는 약 300mm의 강수가 내렸다. 8월에도 전국적으로는 300mm의 강수가 내린 가운데 전라도 지역과경기 북부 지역으로 약 600 mm 이상의 강한 강수가 있어, 7월 대비 8월에 많은 강수가 발생했다(그림 생략). 8월에 EXP 실험에서 7mm 이상의 강수 모의 지점이 향상되었으며, 48시간 예측에서는 7~35mm의 강수 지점이 증가하여 강수량이 많았던 시기에 수도권 집중관측 자료 활용에 따른 강수 모의 개선이 크게 나타나는 것으로 생각되며, 이는 Fig. 3의 강수 정확도 개선과 일치하는 결과이다.

4.3 사례 분석

강수 사례 분석은 OSE 실험 기간 중 저기압 및 정체전선에 의해 발생한 3개의 강수 사례를 선정하여 각 강수 사례에 대해 수도권 집중관측자료의 영향을 살펴보았다. Figure 5는 각 강수 사례의 지상일기도 및 AWS의 24시간 누적 강수량을 나타낸 그림이다. 첫 번째 강수 사례는 7월 19~20일로 지상일기도에서 보는 바와 같이 중국에 위치한 저기압의 영향으로 수도권 지역을 중심으로 30~40 mm 강수가 발생한 사례이다(Fig. 5a). Figure 6의 1일 예측에서 CTL 대비 EXP가 관측에 가까운 강수량 및 분포를 모의하고 있음을 볼 수 있다. 두 실험 간의 차이를 보면 EXP에서 경기 남부 및 충청북도 지역의 강수량이 증가하였는데,이는 Fig. 7에서 볼 수 있듯이 수도권 고층 집중관측 자료가 추가됨으로써 서해상의 저기압성 순환 강화되었고, 이는 해당 지역의 수증기 유입 증가를 유도하여 강수량에 영향을 미친 것으로 볼 수 있다.

Fig. 5.

The surface analysis charts (left) and the 24 hour accumulated precipitation of AWS (right) (a) at 0000 UTC 20 July 2020 and (b) at 0000 UTC 29 July 2020. (c) The surface analysis chart (left) and the 48 hour accumulated precipitation of AWS (right) at 0000 UTC 3 August 2020.

Fig. 6.

The 24 hour accumulated precipitation of (a) CTL and (b) EXP at 0000 UTC 19 July 2020. (c) is difference of between EXP and CTL.

Fig. 7.

Difference of between CTL and EXP for (a) temperature, (b) specific humidity and (c) wind vector of 24 hr forecast field at 850 hPa. Black circle represents reinforcement of cyclonic circulation.

두 번째 강수 사례는 7월 28~29일 정체전선에 의해 전국적으로 강수가 있었던 사례로 수도권 지역은 25 mm 이상의 강수량을 보였다(Fig. 5b). 예측시간별로 살펴보면, 3일 예측에서 EXP는 경상도와 중부지역의 강수를 모의하였고, CTL은 한반도의 강한 강수를 모의하지 못하였다(그림 생략). 2일 예측에서 CTL이 중부지역의 강수를 관측과 유사하게 모의하고, EXP는 관측대비 강한 강수대를 남쪽으로 편향되게 모의하였다. 그러나 수도권 지역의 강수는 EXP가 더 잘 모의하고 있다. Figure 8의 1일 예측은 두 실험이 관측대비 강한 강수대를 남쪽으로 편향되게 모의하여 충청도와 경상도에 약 50mm 이상의 강수를 모의하고 있다. 하지만 수도권 지역은 EXP가 10mm 이상의 강수를 모의함으로써 관측과 더 유사하다.

Fig. 8.

The 24 hour accumulated precipitation of (a) CTL and (b) EXP at 0000 UTC 28 July 2020. (c) is difference of between EXP and CTL.

세 번째 강수 사례는 8월 1~2일 정체전선과 북쪽 저기압 영향으로 남부지방을 제외한 지역에 강수가 발생한 사례로, 수도권 지역에 100mm 이상의 강수가 발생한 사례를 살펴보았다(Fig. 5c). 1일 예측에서 두 실험 모두 강한 강수(> 100 mm)를 서해에 편향되게 모의하여 중부지역에 강한 강수를 모의하지 못하지만, EXP가 CTL 대비 경기 북부, 수도권 지역, 충청지역에 30mm 이상의 강수를 모의하고 있어 수도권 집중관측자료 활용으로 강수 분포가 개선되었음을 알 수 있다(Fig. 9).

Fig. 9.

The 48 hour accumulated precipitation of (a) CTL and (b) EXP at 0000 UTC 1 August 2020. (c) is difference of between EXP and CTL.

3개의 사례 중 첫 번째 강수(7월 19~20일)사례는 2차 집중관측 시기에 포함되고, 두 번째 강수(7월 28~29일) 사례는 이 기간에 라디오존데 집중관측이 실시되지 않았으나, 사례일 전 일인 7월 27일까지 특별관측이 실시되어 1~2일 강수 예측성 향상에 기여했을 것으로 생각된다. 세 번째 강수(8월 1~2일) 사례는 특별 관측 기간에 포함되어 라디오존데 집중관측이 직접 자료동화에 활용됨으로써 1~2일 예측성이 향상되었다. 이는 이전 분석 시각에 라디오존데 집중관측 자료가 수치모델에 입력되어 자료동화와 예측이 수행되면서 1~2일 이후의 분석시각에 예측한 결과에도 긍정적인 영향을 주고 있음을 보여준다.

2020 수도권 집중관측 기간에 4개(제5호 장미, 제8호 바비, 제9호 마이삭, 제10호 하이선)의 태풍이 한반도에 영향을 주었다. 태풍 사례 분석은 실험 기간에 발생한 바비 사례에 대해 수도권 집중관측 자료의 영향을 살펴보았다. 태풍 바비는 타이완 타이베이 남남동쪽 200 km 부근 해상에서 발생하여 우리나라 서해상으로 북동진하여 옹진반도를 지나 중국 선양 부근에서 온대저기압으로 변질되었다. 최소기압(Fig. 10)을 살펴보면, 두 실험 모두는 관측대비 최소기압을 높게 모의하고 있고, 태풍 바비의 최소기압이 가장 낮게 나타나는 시기인 8월 26일 0000UTC에 대해 8월 22일 1200 UTC와 23일 0000UTC의 예측을 제외하고 CTL이 EXP에 비해 관측에 가깝게 모의하고 있다. 최대풍속(Fig. 11)은 최소기압과 마찬가지로 두 실험 모두가 관측대비 과소하게 모의하고 있으나, 대체로 EXP가 모든 예측시간에서 관측에 가깝게 모의하고 있음을 알 수 있다. 태풍 바비의 진로는 Fig. 12에 나타냈다. 8월 22일 0000 UTC와 8월 23일 0000UTC 예측에서 EXP가 CTL보다 관측에 가깝게 모의하고 있으나, 8월 24일 0000 UTC와 8월 25일 0000UTC의 예측은 CTL이 관측에 가깝게 모의하고 있다. 2020년 8월 25일 0000UTC 에 관측된 태풍 위치는 약 125.7°E,29.2°N이고, 2020년 8월 22일 0000UTC를 초기 시각으로 3일 예측된 EXP는 CTL 대비 중층(500 hPa) 북태평양 고기압을 분석장(관측)과 유사하게 모의함에 따라 EXP의 태풍 위치가 관측과 가깝게 모의되었다 (그림 생략). CTL과 EXP는 각각 약 127°E, 28.8°N,126°E, 28.8°N의 태풍 위치를 모의하여 이 시각에 모의한 태풍 위치는 향상되었다. 반면, 2020년 8월 27일 0000UTC에는 태풍이 저기압으로 변하여 우리나라 북쪽에 자리잡고 있는데, 2020년 8월 24일 0000 UTC를 초기시각으로 3일 예측된 CTL은 분석장과 유사한 위치에 저기압을 모의하였다(그림 생략). EXP도 분석장과 유사하게 우리나라 북쪽에 저기압을 모의하지만 관측 대비 저기압 중심을 서쪽 편향으로 모의하여 EXP의 태풍 위치가 저하된 것으로 나타났다.

Fig. 10.

The central pressure of typhoon from (a) CTL and (b) EXP of typhoon ‘BAVI’. Black lines are observation, colors are the results issued at difference initial time.

Fig. 11.

The maximum wind speed of typhoon from (a) CTL and (b) EXP of typhoon ‘BAVI’. Black lines are observation, colors are the results issued at difference initial time.

Fig. 12.

The predicted tracks for typhoon ‘BAVI’ issued at (a) 0000 UTC 22th, (b) 0000 UTC 23th, (c) 0000 UTC 24th and (d) 0000 UTC 25th, August 2020. Black lines are observation, red lines are CTL, and blue lines are EXP.

이와 같은 예측 경향의 원인은 수도권 집중관측 기간에서 찾아볼 수 있다. 3차 수도권 집중관측은 8월 11일부터 8월 20일까지 수행 후 종료되었다. 따라서 8월 20일의 관측자료가 수치모델에 동화되면서 8월 22일과 23일 분석 시각의 예측까지 긍정적인 영향을 준 것으로 생각된다. 집중관측 자료의 효과는 강수 예측에 대해 약 1~2일 정도 유지되고, 태풍 예측에서는 약 3~4일 정도까지 유지되는 것으로 보인다. 수치예보모델의 예측성이 지속적으로 향상되기 위해서는 라디오존데 집중관측이 장기간에 걸쳐 연속적으로 이루어져야 할 것이다.


5. 요약 및 결론

2020 수도권 지역 집중관측은 수도권 위험기상에 대한 재해 예측 역량 향상을 위해 실시되었다. 기간은 2020년 6월 22일부터 9월 20일까지로 총 4회의 집중관측과 2회의 추가 특별관측이 수행되었다. 고층 집중관측은 서해상, 서해안, 수도권 내륙에서 드롭존데, 라디오존데, 연직바람관측장비, 기상레이더, 라디오미터 등 다양한 관측기기를 이용하여 수행되었다. 이 연구에서는 드롭존데와 라디오존데 집중관측 자료의 효과를 한국형모델 기반의 OSE 실험으로 살펴보았다.드롭존데 집중관측은 서해상에서 기상청 관측항공기인 나라호에서 이루어졌고, 라디오존데 집중관측은 기상청 관측선박인 기상1호를 이용한 이동 관측, 인천공항에서 고정 관측, 이천기상대에서 모바일 관측차량을 이용한 관측이 이루어졌다. 실험은 CTL 실험과 고층 집중관측 자료를 추가한 EXP 실험을 진행하였다.

2020 수도권 고층 집중관측 자료가 활용됨으로써 분석장에서 한반도 주변의 하층 기온, 바람, 습도장이 개선되었다. IFS 분석장 대비 동아시아 지역 검증 결과, 1~2일 중층 지위고도 및 하층 기온 예측성능이 개선되었다. 또한 집중관측 자료의 활용으로 강수의 편차가 감소하며, 특히 2일 예측에서 5mm의 약한 강수 편차의 감소가 뚜렷하였다. 강수 예측 정확도는 1~2일 예측의 CSI는 1.6~2.0% 개선, ETS는 2.7% 개선되었다. 3개의 강수 사례에서 EXP가 CTL 대비 강수패턴 및 강수량을 잘 모의하였고, 태풍 사례에서는 태풍의 강도는 약하게 모의하나, 태풍의 진로 예측에 EXP가 더 우수하였다.

따라서 수도권 및 한반도의 태풍, 집중호우 등 위험기상 발생시 수치모델 예측성 향상을 위하여 라디오존데를 이용한 고층 집중관측이 지속적으로 이루어져야 할 것으로 판단된다. 향후 여름철 동안 연속적인 집중관측 자료가 수치모델에 활용이 된다면 이 연구의 결과보다 향상된 효과를 기대할 수 있을 것이다.

Acknowledgments

2020년 수도권 고층집중관측 자료의 수집을 위해 노력해주신 국립기상과학원의 융합기술연구부와 재해기상연구부 및 기상1호 관측선의 모든 담당자 분들께 깊은 감사를 드립니다. 이 연구는 수치모델링센터 『수치예보 및 자료응용 기술개발(KMA2018-00721)』 과제의 일환으로 수행되었습니다.

References

  • Baek, S.-K., C.-H. Cho, J.-H. Kim, and H.-Y. Song, 2003: Analysis of extreme weather with wind profiler during summer season 2003. Proc. Fall Meeting KMS, Seoul, Korea, Korean Meteorological Society, 156-157 (in Korean).
  • Choi, H.-W., S.-H. Won, K.-H. Kim, Y.-H. Kim, and C.-H. Cho, 2014: The study of Observing System Experiment using special observation data during summer season 2014. Proc. Fall Meeting KMS, Jeju, Korea, Korean Meteorological Society, 122-123 (in Korean).
  • Hong, S.-Y., and Coauthors, 2018: The Korean Integrated Model (KIM) system for global weather forecasting. Asia-Pac. J. Atmos. Sci., 54, 267-292. [https://doi.org/10.1007/s13143-018-0028-9]
  • Hwang, Y.-J., J.-C. Ha, Y.-H. Kim, K.-H. Kim, E.-H. Jeon, and D.-E. Jang, 2011: Observing System Experiments using KLAPS and 3DVAR for the upper-air observations over the South and West Sea during ProbeX-2009. Atmosphere, 21, 1-16. (in Korean with English abstract) [https://doi.org/10.14191/Atmos.2011.21.1.001]
  • Hwang, Y.-J., J.-K. Shim, J.-I. Park, Y.-H. Kim, and K.-Y. Jung, 2012: Evaluation based on NWP of special observation data over the Seoul metropolitan area during the winter season 2012. Proc. Spring Meeting KMS, Seoul, Korea, Korean Meteorological Society, 68-69 (in Korean).
  • Kim, K.-H., H.-Y. Won, and J.-C. Nam, 2006: Analysis of winter rainfall events with intensive observation over Southwestern of the Korea Peninsula. Proc. Spring Meeting KMS, Goyang, Korea, Korean Meteorological Society, 292-293 (in Korean).
  • Kim, K.-H., Y.-H. Kim, D.-E. Jang, S.-S. Shin, D.-K. Kim, Y.-J. Hwang, D.-Y. Choi, and J.-I. Park, 2010: The introduction and analysis of rainfall cases of special observation program over the Seoul Metropolitan Area during 2010. Proc. Fall Meeting KMS, Busan, Korea, Korean Meteorological Society, 260-261 (in Korean).
  • Kim, Y.-H., H.-S. Lee, E.-H. Jeon, K.-H. Kim, H.-Y. Won, C.-K. Park, and S.-J. Lee, 2008: The status of TPARC 2008. Proc. Fall Meeting KMS, Goyang, Korea, Korean Meteorological Society, 284-285 (in Korean).
  • Kim, Y.-H., K.-H. Kim, E.-G. Jeon, Y.-J. Hwang, H.-Y. Won, S.-J. Lee, and D.-E. Jang, 2009: Experiments using special observation for extreme weather during 2009. Proc. Fall Meeting KMS, Daegu, Korea, Korean Meteorological Society, 354-355 (in Korean).
  • Lee, S.-M., Y.-H. Kim, K.-Y. Jung, J.-K. Shim, S.-S. Shin, D.-K. Kim, J.-I. Park, H.-H. Kim, and J.-Y. Moon, 2012: Mechanism of genesis of extreme weather and the results of special observation program over the Korean Peninsula during 2012. Proc. Fall Meeting KMS, Daegu, Korea, Korean Meteorological Society, 400-401 (in Korean).
  • Park, O.-R., Y.-S. Kim, and C.-H. Cho, 2005: The Observing System Experiments with the windprofiler and autosonde at Haenam. J. Korean Meteor. Soc., 41, 57-71 (in Korean with English abstract).
  • Park, Y.-Y., C.-G. Park, Y.-J. Choi, and C.-H. Cho, 2007: Sensitivity analysis of simulated precipitation system to the KEOP-2004 intensive observation data. Atmosphere, 17, 435-453 (in Korean with English abstract).
  • Shim, J.-K., J.-C. Ha, and K.-Y. Jung, 2013: The introduction of special observation program for extreme weather during winter season 2013. Proc. Spring Meeting KMS, Seoul, Korea, Seoul, Korea, Korean Meteorological Society, 596-597 (in Korean).
  • Shin, S.-S., J.-I. Park, Y.-J. Hwang, Y.-H. Kim, and K.-Y. Jung, 2012: Analysis of effect of data assimilation according to temporal and spatial distribution of special observation data over the Seoul Metropolitan Area during summer season 2010. Proc. Spring Meeting KMS, Seoul, Korea, Korean Meteorological Society, 46-47 (in Korean).
  • Won, H.-Y., C.-H. Cho, and S.-K. Baek, 2006: Classification of precipitation type using the wind profiler observations and analysis of the associated synoptic conditions: years 2003-2005. Atmosphere, 16, 235-246 (in Korean with English abstract).
  • Won, H.-Y., C.-G. Park, Y.-H. Kim, H.-S. Lee, and C.-H. Cho, 2008: Observing system experiments using the intensive observation data during KEOP-2005. Atmosphere, 18, 299-316 (in Korean with English abstract).

Fig. 1.

Fig. 1.
Upper-air sounding data network in KIM. Black circles are the operational radiosonde stations. Orange circles are the dropsonde and radiosonde stations for intensive observation period during summer 2020. Blue dotted box is moving path of atmospheric research aircraft (NARA) and research vessel (GISANG1).

Fig. 2.

Fig. 2.
Vertical profiles of zonal mean of the analysis error difference between CTL and EXP for (a) temperature, (b) specific humidity, (c) zonal wind and (d) meridional wind during the period from 16 July to 20 August 2020. The analysis error is defined as the Root Mean Square (RMS) difference against the verifying IFS analysis. Red represents that analysis of EXP is improved.

Fig. 3.

Fig. 3.
The results of (a) Bias, (b) CSI and (c) ETS of 24 hr accumulated precipitation over southern Korean Peninsula against the reanalysis. The left panels are CTL, the middle panels are EXP, and the right panels are difference between EXP and CTL. The horizontal axis is the forecast lead times, and the vertical axis is threshold of precipitation.

Fig. 4.

Fig. 4.
The number of rainfall points for each threshold according to forecast lead times. The left panels are from 16 to 31 July 2020, the right panels are from 1 to 20 August 2020. The black lines are observation, the blue lines are CTL, and the red lines are EXP. Red boxes indicates improvement of EXP against CTL.

Fig. 5.

Fig. 5.
The surface analysis charts (left) and the 24 hour accumulated precipitation of AWS (right) (a) at 0000 UTC 20 July 2020 and (b) at 0000 UTC 29 July 2020. (c) The surface analysis chart (left) and the 48 hour accumulated precipitation of AWS (right) at 0000 UTC 3 August 2020.

Fig. 6.

Fig. 6.
The 24 hour accumulated precipitation of (a) CTL and (b) EXP at 0000 UTC 19 July 2020. (c) is difference of between EXP and CTL.

Fig. 7.

Fig. 7.
Difference of between CTL and EXP for (a) temperature, (b) specific humidity and (c) wind vector of 24 hr forecast field at 850 hPa. Black circle represents reinforcement of cyclonic circulation.

Fig. 8.

Fig. 8.
The 24 hour accumulated precipitation of (a) CTL and (b) EXP at 0000 UTC 28 July 2020. (c) is difference of between EXP and CTL.

Fig. 9.

Fig. 9.
The 48 hour accumulated precipitation of (a) CTL and (b) EXP at 0000 UTC 1 August 2020. (c) is difference of between EXP and CTL.

Fig. 10.

Fig. 10.
The central pressure of typhoon from (a) CTL and (b) EXP of typhoon ‘BAVI’. Black lines are observation, colors are the results issued at difference initial time.

Fig. 11.

Fig. 11.
The maximum wind speed of typhoon from (a) CTL and (b) EXP of typhoon ‘BAVI’. Black lines are observation, colors are the results issued at difference initial time.

Fig. 12.

Fig. 12.
The predicted tracks for typhoon ‘BAVI’ issued at (a) 0000 UTC 22th, (b) 0000 UTC 23th, (c) 0000 UTC 24th and (d) 0000 UTC 25th, August 2020. Black lines are observation, red lines are CTL, and blue lines are EXP.

Table 1.

Improvement rate (%) in RMSE over the Korea Peninsula against IFS analysis for the zonal wind (u), temperature (t) and geopotential height (gph) of EXP compared with CTL at 200 hPa zonal wind, 850 hPa temperature and 500 hPa geopotential height from forecast 24 to 72 hours during the experiment period. The positive value means the improvement of EXP compared with CTL.

Time 0000 UTC 1200 UTC
Forecast hour 24 hr 48 hr 72 hr 24 hr 48 hr 72 hr
Variable 200U 0.14 -0.42 -1.14 0.08 -1.11 -0.83
500Z 1.08 -0.77 -0.09 0.44 -0.05 -0.62
850T 0.35 -0.20 -0.22 0.30 -0.17 -0.05