The Korean Meteorological Society
[ Article ]
Atmosphere - Vol. 31, No. 5, pp.563-576
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 31 Dec 2021
Received 20 Aug 2021 Revised 07 Oct 2021 Accepted 27 Oct 2021
DOI: https://doi.org/10.14191/Atmos.2021.31.5.563

Global Coupled (GC) 모델 개선에 따른 동아시아 여름 몬순 모의성능 평가

김지영 ; 현유경* ; 이조한 ; 신범철
국립기상과학원 현업운영개발부
Assessment on the East Asian Summer Monsoon Simulation by Improved Global Coupled (GC) Model
Ji-Yeong Kim ; Yu-Kyung Hyun* ; Johan Lee ; Beom-Cheol Shin
Operational Systems Development Department, National Institute of Meteorological Sciences, Jeju, Korea

Correspondence to: * Yu-Kyung Hyun, Operational Systems Development Department, National Institute of Meteorological Sciences, 33 Seohobuk-ro, Seogwipo-si, Jeju 63568, Korea. Phone: +82-64-780-6705, Fax: +82-64-738-6514 E-mail: yukyung.hyun@gmail.com

Abstract

The performance of East Asian summer monsoon is assessed for GC2 and GC3.1, which are climate change models of the current and next climate prediction system in the Korea Meteorological Administration (KMA), GloSea5 and GloSea6. The most pronounced characteristics of GC models are strong monsoon trough and the weakening of the Western North Pacific Subtropical High (WNPSH). These are related to the weakening of the southwesterly wind and resulting weak monsoon band toward the Korean Peninsula. The GC3.1 is known to have improved the model configuration version compared to GC2, such as cloud physics and ocean parameters. We can confirm that the overall improvements of GC3.1 against GC2, especially in pressure, 850 hPa wind fields, and vertical wind shear. Also, the precipitation band stagnant in the south of 30°N in late spring is improved, therefore the biases of rainy onset and withdrawal on the Korean Peninsula are reduced by 2~4 pentad. We also investigate the impact of initialization in comparison with GloSea5 hindcast. Compared with GCs, hindcast results show better simulation within 1 month lead time, especially in pressure and 850 hPa wind fields, which can be expected to the improvement of WNPSH. Therefore, it is expected that the simulation performance of WNPSH will be improved in the result of applying the initialization of GloSea6.

Keywords:

Global coupled model, East Asian summer monsoon, GloSea5, hindcast

1. 서 론

동아시아 몬순은 아시아 태평양 지역 몬순의 하부 시스템으로써 지리적 위치로 인해 열대몬순과 아열대 몬순의 특성이 혼합되어 복잡한 원격상관을 보인다. 그 예로, Kwon et al. (2005)는 북서태평양 여름 몬순과 동아시아 여름 몬순의 반대 상관관계를 십년 주기 변화를 통해 분석하고 최근 그 관계가 더 강해짐을 보였다. 또한, Wang et al. (2001)은 적도 태평양에 엘니뇨가 발생하고 2~3 계절 이후에 동아시아 여름 몬순이 더 강해지는 경향이 있음을 보이며 엘니뇨-남방 진동(ENSO)과의 관계를 분석한 바 있다. 이렇게 동아시아 몬순의 예측 성능을 높이기 위해 많은 기후모델에서 역학 메커니즘을 이해하고 개선하려는 연구가 꾸준히 이어져왔으나, 복잡한 상호작용 과정과 기후모델 자체의 고질적인 결함 때문에 동아시아 몬순은 다른 몬순시스템보다 낮은 예측성을 보이고 있다(Lau et al., 2000; Chen et al., 2013; Seo et al., 2015). 동아시아 몬순은 한반도 여름철 기후예측에 큰 영향을 끼칠 뿐만 아니라 기후모델의 성능을 평가하는 중요한 지표로써 역할을 하고 있기 때문에 지속적인 연구가 필요하다(Zhou et al., 2009; Boo et al., 2011).

국립기상과학원에서는 영국 기상청과의 협력을 통해 기후예측시스템(Global Seasonal forecast system, GloSea)을 공동으로 운영하고 있으며, 현업 운영에 사용된 결과를 교환하여 각 기관의 기후예측에 활용하고 있다. 그리고 공동 운영하고 있는 기후예측시스템은 영국의 전지구 모델 개발 전략에 따라, R&D를 통해 개발된 기술들을 개별로 그리고 패키지로 모델에 적용하는 실험을 거친 후, 확정된 기술들을 적용하여 기후변화 규모까지 적분을 마치고 평가에 들어간다. 이후 최종 대기(Global Atmosphere, GA), 지면(Global Land, GL), 해양(Global Ocean, GO), 해빙(Global Sea Ice, GSI) 모델의 버전을 통합하여 결합모델 구성버전(Global Coupled, GC)을 정의한다. 이후 초기장 생산, 앙상블, 전후처리, 예측장과 기후장 생산 시스템의 구성을 통하여 새 기후예측시스템이 개발된다. 이 과정에서 국립기상과학원에서는 전지구 통합모델(UM)의 결합모델개발 공동협력 프로그램의 일환으로 모델 평가와 평가 프로그램의 개선에 기여하고 있으며, 향후 업데이트될 기후예측시스템의 성능에 대한 이해를 높이고 사전 대응하고자 노력하고 있다. 이러한 협력의 일환으로, 본 연구에서는 현 기후예측시스템 GloSea5의 결합모델 구성 버전인 Global Coupled configuration2 (GC2)와 2021년 말 업그레이드 예정인 GloSea6-GC3.2의 기후변화 버전인 GC3.1을 동아시아 여름 몬순에 초점을 맞추어 평가하였다.

동아시아 여름 몬순의 대표적인 특징에는 장마전선의 이동을 따라 20oN에서 40oN 사이를 움직이는 몬순 강수대와 북서태평양 아열대 고기압(Western North Pacific Subtropical High, WNPSH)이 있으며(Wang and Linho, 2002; Yihui and Chan, 2005), 많은 기후모델들이 이러한 공간패턴을 잘 모의하고 있으나 강도나 변동성에 대한 모의는 여전히 어려운 실정이다(Kang et al., 2002; Zhou and Li., 2002). 특히, GC2를 포함한 기후모델들에서 WNPSH가 약하게 모의되어 남서풍이 과소모의 되면서 동아시아로 수송되는 수증기량이 적게 모의되는 문제가 두드러지게 나타났다(Rodriguez et al., 2017; Stephan et al., 2018).

GC2와 GC3.1의 가장 큰 차이는 모델구성의 차이이며(Table 1) 대기, 지면, 해양, 해빙 모델의 버전이 전체적으로 업그레이드된 구성을 보인다. Williams et al. (2018)에 따르면 구름, 복사, 해빙 매개변수 및 에어로졸 스킴 등의 개선이 이루어져 남극해의 해수면 온도와 대기모델 구름 모의에 대한 예측성 등이 크게 향상된 것으로 알려져 있다. 개선된 시스템을 이용하여 전지구 기후 민감도를 비교하거나 에어로졸 강제력에 따른 몬순 민감도 실험, 중국의 강수 공간분포모의 분석 등 다양한 연구가 수행되고 있으나(Andrews et al., 2019; Shonk et al., 2020; Xin et al., 2021), 동아시아 몬순에 관한 모의 성능 및 특성을 평가하는 연구는 이루어지지 않았다. 이에 본 연구에서는 시스템이 변경된 점을 기반으로 GC2와 GC3.1의 동아시아 여름 몬순 모의성능을 분석하고 차이점이 무엇인지 알아보고자 한다. 그리고 GloSea5의 과거기후장(Hindcast)과도 비교하여 초기화의 효과가 얼마나 영향을 미치는 지 분석하였다.

Information of GC models.


2. 자료 및 분석방법

2.1 모델 및 관측 자료

본 연구는 영국 기상청에서 개발한 Coupled model인 GC2와 GC3.1의 월, 일 평균 자료를 사용하였다. 사용한 기간은 climate run 자료의 1991년부터 2019년까지인 총 29년이며, 여름철(6~8월, JJA)을 중점으로 분석하였다. 사용한 모델의 구성 및 수평 분해능은 Table 1에 나열하였으며 두 모델 모두 N216-ORCA025의 동일한 해상도를 가진다. GC2의 모델 구성은 Global Atmosphere 6.0과 Global Land 6.0 (GA6.0 and GL6.0; Walters et al., 2017), Global Ocean 5.0 (GO5.0; Megann et al., 2014), Global Sea Ice 6.0 (GSI6.0; Rae et al., 2015)으로 이루어져 있으며, GC3.1의 모델 구성은 Global Atmosphere 7.1과 Global Land 7.0 (GA7.1 and GL7.0; Walters et al., 2019), Global Ocean 6.0 (GO6.0; Storkey et al., 2018), Global Sea Ice 8.1 (GSI8.1; Ridley et al., 2018)로 이루어져 있다.

GC3.1은 GC2에 대해서 많은 부분이 개선되었다(Kim et al., 2021). 대기모델에서는 복사 플럭스 모의를 크게 개선해 열대 대류권계면에서의 기온 오차를 개선하는 효과가 나타났고, warm rain 강수물리과정의 새로운 모수화 방안(Boutle et al., 2014)을 채택해 비습 개선에 영향을 주었다. 또한, 6A convection scheme을 새롭게 도입해 적운모수화 과정을 개선했다. 지면모델에서는 단일층으로 모의하던 지표면의 눈을 두께에 따라 여러 층으로 표현하여 토양의 단열 효과가 잘 반영되게 했다(Walters et al., 2019). 해양모델에서는 eddy에 의한 등밀도 확산(isopycnal diffusion) 계수를 반으로 줄여 남반구 해수면온도의 온난 편차를 감소시키고 북대서양과 북태평양의 한랭 편차를 감소시켰다(Williams et al., 2018). 해빙모델의 단일 대역(band) 알베도는 다중 대역 알베도로 바꾸고, melt pond 방안(Flocco et al., 2010)을 선택하여 여름철에 과대모의되는 북극해빙을 감소시키는 효과가 있었다(Ridley et al., 2018). 따라서 버전 업그레이드에 따른 전지구적 개선사항이 몬순 순환에도 영향을 주어 모의성능 향상을 기대할 수 있을 것이다.

그리고 본 연구에서는 GloSea5-GC2에서 생산된 과거기후장을 기후모델 결과와 비교하고, 초기화에 따른 동아시아 여름 몬순 모의성능의 개선 효과를 보고자 하였다. 기후장은 1991년부터 2010년까지의 총 20년의 기간을 사용하였고, lead time을 3가지로 다르게하여 각 lead time에 따른 차이도 보려 하였다. 매월 1일(1 month lead, HC1m), 1개월 전 1일(2 month lead, HC2m), 2개월 전 1일(3 month lead, HC3m)에 초기화된 월평균 값을 각각 이어붙여 20년 기간의 월평균 자료를 생산하였다. 각 초기시간에 대해 3개의 앙상블이 생산되며 본 연구에서는 앙상블 평균값을 이용해 분석을 수행하였다.

본 연구에서는 변수별 영역평균값 및 EASM (East Asian Summer Monsoon) 지수를 산출하고 우기 시종일을 계산하는 등 모델의 모의성능을 비교 검증하기 위해 영국 기상청과 개발 중인 자동 평가 프로그램(AUTO-ASSESS)을 사용하였으며, 이를 통해 향후 매 모델 개선이 있을 때 평가자에 의존하지 않고 표준화된 툴을 이용한 기후 모드들의 자동 평가를 도모하였다. 평가에 사용된 변수 및 4종의 관측자료는 Table 2에 나타냈다. 강수 분포 비교를 위해 Climate Prediction Center Merged Analysis of Precipitation (CMAP)과 Global Precipitation Climatology Project (GPCP), Asian Precipitation-Highly Resolved Observational Data Integration Towards Evaluation of Water Resources (APHRODITE)의 일, 월평균 자료를 사용하였다. 해면 기압, 바람, 지위고도는 Fifth generation of ECMWF atmospheric reanalysis (ERA5), ERA-Interim, NCEP/NCAR Reanalysis1 (R1) 및 NCEP/DOE Reanalysis2 (R2)의 재분석장을 사용하였다. 모델과 관측자료의 비교를 위해 ERA5의 수평격자인 1.5o × 1.5o로 내삽(interpolation)하여 분석하였다. 관측자료 분석에 이용된 기간은 OBS1이 1991~2019년, 나머지는 1995~2014년이다. 분석영역은 10~55oN, 100~160oE으로 설정하였으며, 변수별로 나타나는 지역적 편차에 따라 영역을 조정하여 살펴보았다(Table 2).

Description of Climate variables and observation data sets.

2.2 EASM 지수

동아시아 여름 몬순은 위도별, 지역별로 강수 변동성이 크게 다르기 때문에 이를 반영하기 위한 EASM 지수들이 많이 개발되고 있다. 본 연구에서는 GC 모델의 EASM 모의성능을 평가하기 위해 3가지 EASM 지수를 선별하였으며 Table 3에 각 지수의 정의를 간단히 제시하였다.

Definition of EASM indices and description of assessed regions used in this study.

Wang et al. (2008)은 기존 25개의 EASM 지수들을 5가지 유형으로 분류한 바 있으며, Lee et al. (2020)은 5가지 유형에서 예측률이 높은 EASM 지수를 각각 선별하고 GloSea5-GC2가 지수들을 잘 모의하고 있는지 평가하였다. 그 중 GloSea5에서 예측성능이 높았던 WNPMI (Western North Pacific Monsoon Index)와 GUO Index (GUO, 1983)를 본 연구에서 선정하였으며, 각각 ‘동서풍의 시어 와도’와 ‘동서 열적 차이’ 유형에 해당한다. 그리고 ‘남북 열적 차이’ 유형의 Han Index (Han and Wang, 2007)를 선정하여 동아시아의 연직순환 반응도 살펴보고자 하였다.

WNPMI는 필리핀해(5~15oN, 100~130oE)와 남중국해(20~30oN, 110~140oE)의 850 hPa 동서바람 차이로 계산되며, 필리핀해의 대류활동을 반영하고 WNPSH의 하층순환과 관련이 있다(Wang and Fan, 1999). WNPMI가 큰 양의 값을 가질수록 북서태평양 몬순이 강함을 나타내며 동아시아 여름 몬순과는 높은 음의 상관관계를 가지는 것으로 알려져 있다(Ha et al., 2018).

GUO Index는 서태평양(10~50oN, 150~160oE)과 동아시아 대륙(10~50oN, 110~120oE)의 해면기압 차이로 계산되며, 대륙과 해양의 동서 열적 차이를 설명한다(Guo, 1983). GUO Index가 클수록 동서 기압차가 발달하여 한반도로 불어오는 남서풍이 강해 동아시아 여름 몬순이 강하게 발달함을 의미한다.

HAN Index는 한반도를 포함하는 동아시아 지역(20~40oN, 120~140oE)에서 200 hPa과 850 hPa 동서바람의 차이로 계산되며(Han and Wang, 2007), 서태평양의 대류 활동과 관련되어 동아시아 지역의 경압성 세기를 설명한다(Li et al., 2010). 지수가 클수록 동아시아의 연직시어가 크고 경압성이 강하게 발달하여 대기 불안정이 야기됨을 의미한다.

2.3 동아시아 우기 영역 및 시종일

동아시아 여름 몬순은 우기기간 동안의 강수대 북상과 관련되어 있으며 강수대의 발달에 따라 우기 시작일과 종료일이 달라지게 된다. 따라서 본 연구에서는 Wang and Linho (2002)에서 정의한 방법으로 동아시아 여름 몬순의 우기 영역을 결정하고, GC모델에서 동아시아 우기의 시종일 및 강수대가 어떻게 모의되는지 살펴보았다.

RPi=Ri-RJAN, i=1, 2, , 73(1) 

식(1)에서 RRi는 5일 이동 평균 강수량(Ri)과 1월 평균 강수량(RJAN)의 차이로 나타나며, RRi가 5 mm day-1 이상일 때 우기의 시작일로 정의되고 그 이후에 RRi가 5 mm day-1 이하로 감소할 때를 우기의 종료일로 정의한다. 5 mm day-1는 북반구의 건조 대륙 기후와 몬순 기후를 구별하는 기준값으로 사용되었으며, 1월 평균 강수량과의 차이를 고려함으로써 일년 내내 비가 많이 내리는 적도지역도 몬순 영역에서 제외시킬 수 있는 장점이 있다. 본 연구에서는 육지 지역만 고려하여 분석하였다.

또한, 우기 영역이 관측과 얼마나 유사하게 모의되었는지 알아보기 위해 threat score (TS)를 사용하였으며, TS 값이 1에 가까울수록 관측과 유사함을 나타낸다. Kwon et al. (2017)에서 CMIP5 19개 모델의 평균 TS가 0.53인 점을 고려했을 때, GC모델은 GC2에서 0.78, GC3.1에서 0.72의 값을 보이며 관측에 가까운 몬순 영역을 모의하고 있다(Fig. 6).


3. 결 과

3.1 여름철 대기 변수별 모의성능 평가

Figure 1에서는 GC모델의 동아시아 여름기후 모의 특성을 살펴보기 위해 10~55oN, 100~160oE 지역에서의 해면기압(MSLP), 500 hPa 지위고도(Z500), 850 hPa 수평바람장(UV850), 강수량(Prcp)의 여름철 평균 결과를 OBS1과 비교 검증하였다.

Fig. 1.

Composite maps of (a) MSLP (hPa), (b) Z500 (m), (c) UV850 (vector, m s-1), and (d) Prcp (mm day-1) of OBS1(first panel) and difference(shading) of GC models relative to OBS1(second and last panel) in JJA during 1991~2019. The grey contours in Figs. 1a, b, d are GC model mean. Boxes indicate additional analysis regions for metrics in Fig. 2.

해면기압의 재분석장에서는 북서태평양에 강한 고기압(WNPSH)이 위치하고 있음을 볼 수 있다. 반면 GC 모델들에서 가장 뚜렷하게 나타나는 오차의 특징은 북서태평양 고기압의 약화이다(Fig. 1a). 여름철 아시아 몬순 기압골이 강하게 모의되면서 이 기압골이 중태평양까지 확장하여 자리하고 있기 때문에, Fig. 1b에서 확인할 수 있듯이 북태평양 고기압의 중심이 북동쪽으로 편향되는 특징이 나타난다. 이와 같이 여름철 동아시아 몬순 기압골이 강하게 모의되고 북서태평양 고기압이 북동쪽으로 편향되는 특징은 10~20oN의 아시아 몬순 서풍을 강하게 발생시키고(Fig. 1c), 몬순 강수가 남아시아 지역에서 과도하게 모의되며 한반도까지는 강수밴드가 북상하지 못하는 특징을 나타낸다(Fig. 1d).

GC2와 GC3.1을 비교해 보았을 때, 몬순 기압골이 강화되어 북서태평양 고기압의 북동쪽으로 편향되어 나타나는 특징이 많이 감소하고 있었다. 그러나 인도차이나 반도 서쪽에서부터 강하게 불어오는 서풍 오차는 개선되지 못하여 대만 지역을 중심으로 한 남중국해 부근의 저기압성 편차의 바람이 계속 유지되고 있었다.

Figure 1에 대한 결과를 종합적으로 표준화하여 보고자 Fig. 2에서는 GC 모델과 관측 자료의 여름철 대기변수들을 영역 평균한 후 관측 자료의 평균값으로 나눠 정규화한 몬순 진단 매트릭스를 구성하였다(Boo et al., 2011). 이 매트릭스는 앞서 언급하였듯이 효율적인 모델의 개선점 평가를 위해 동아시아 몬순의 진단에 있어 중요한 변수와 지역을 선정하고 자료 산출 시 자동으로 평가가 가능하도록 개발, 개선 중에 있는 프로그램이다. 매트릭스에서 관측 간의 편차는 최대 및 최소값을 진한 회색선으로, 1분 위수(25th percentile) 및 3분 위수(75th percentile)를 연한 회색선으로 나타냈으며 영역평균 값이 1에 가까울수록 관측과 유사함을 나타낸다.

Fig. 2.

Normalized GC model biases (symbols) and the observation spread (gray lines) relative to mean observation of each variable in JJA. Analysis regions are adjusted by each variable (Table 2). Dark gray lines indicate maximum and minimum of observation spread, and light gray lines indicate 25th percentile and 75th percentile of observation spread.

영역평균 지역은 Fig. 1 공간장의 전체영역(10~55oN, 100~160oE)과 각 변수별로 편차가 강하게 나타나면서 한반도에 영향을 주는 지역들을 선정하였다(Fig. 1의 네모 박스, Table 2). 즉, Figs. 1a, b에서 몬순의 기압골이 강하게 나타나는 남동중국해 지역과, Fig. 1c의 아시아 몬순 수렴대가 북상하는 지역, 그리고 Fig. 1d의 한반도 주변 건조 강수 편차가 나타나는 지역을 선정하였다. U200의 경우 관측 자료에서 한반도 오른쪽에 나타나는 상층제트 최대값을 중심으로 분석영역(30~50oN, 120~160oE)을 결정하였다. 연직시어를 나타내는 dudz의 분석영역은 동아시아 남북 열적 차이를 계산한 Han Index의 영역(20~40oN, 110~140oE)을 사용하였다.

전반적으로 GC2에서 GC3.1로 가면서 몬순 관련 변수들이 관측과 가까운 방향으로 개선되었음을 알 수 있다. 변수들 중 지표 기온, 한반도 부근 강수, 상층 200 hPa 제트의 최대값 위도는 두 모델 모두에서 1~3분위수 안에 드는 예측성을 보였으며, 500 hPa 고도장과 몬순 수렴대 지역의 850 hPa 바람장 그리고 연직시어 변수에서 상대적으로 개선이 크게 나타났다(Fig. 2). 조금 더 자세히 살펴보면 SAT의 경우, GC 모델에서 관측과 가까운 결과를 잘 모의하고 있었으며 GC2에서 다소 차갑게 모의되던 동아시아 기온이 개선되었다. 이는 GC3.1의 대기모델(GA7.1)에서 구름 물방울의 스펙트럼 분산 매개변수를 수정한 결과로 판단되며(Williams et al., 2018; Liu et al., 2008), 구름 알베도 효과를 감소시켜 북반구 중위도의 차가운 기온 편차를 감소시킨 것으로 보인다. MSLP에서는 특히 WNPSH의 서쪽 영역(15~30oN, 120~150oE)에서 크게 나타나는 해면기압의 음의 편차가 개선되었다. 전지구 통합모델(UM)의 해면기압을 결정하는 요인으로 초기장에서의 대기 질량값이 중요하게 작용되며, GC3.1에서는 개선된 대기 초기장이 사용된 것으로 알려져 있다(Williams et al., 2018). 따라서 GC2에서 나타나던 중, 저위도의 저기압성 편차가 감소된 결과를 볼 수 있다. 또한 Z500 공간장의 음의 편차도 크게 개선되어 전체적인 기압장이 GC3.1에서 개선되었음을 알 수 있다.

기압장의 개선에 따라 850 hPa 바람장이 개선되어 35oN 이북 지역은 관측과 매우 유사한 패턴을 보였고(Fig. 1c), 남서풍 지역(20~40oN, 115~130oE)의 V850도 GC3.1에서 개선된 값을 보였다. 하지만 증가한 동서바람 편차와 남풍을 여전히 과소 모의하고 있다는 점이 동아시아 지역(25~40oN, 115~135oE)의 강수 모의에도 영향을 주지 않는 것으로 보인다(Figs. 1c, d, 2). 또한, 대륙에서 발달하는 저기압성 패턴이 GC3.1에서 좀 더 서쪽으로 편향되었음을 850 hPa 지위고도장에서 확인하였으며(그림 미제시), 이에 따라 북서태평양 지역(10~20oN, 127~150oE)의 서풍은 GC3.1에서 더 세게 모의되었음을 확인하였다(Figs. 1c, 2). 따라서 북서태평양의 강수는 더 과대 모의되었으며, 동아시아 전체 영역에서의 UV850 및 강수 영역평균 값도 크게 모의되었다(Figs. 1d, 2).

상층 대기의 모의성능은 동아시아 여름 몬순 발달과 강한 연관성을 가지는 것으로 알려져 있다. Wang and Zuo (2016)에서는 여름철 상층 제트의 세기 및 위치가 동아시아에 강수를 발달시키는 메커니즘에 대해 분석한 바 있다. 또한, Hong (2004)에서는 연직시어로 나타나는 경압불안정(Baroclinic instability)이 동아시아 여름 강수 모의에 중요한 요소임을 보였다. GC2와 GC3.1은 여름철 U200에서 유사한 모의성능을 나타냈다(Fig. 2). 상층 제트의 최대값은 모두 관측과 같은 40oN에 위치하고 있지만, 관측보다 강한 세기의 상층 제트가 모의되며 연직시어 또한 과대 모의됨을 보였다. GC3.1의 연직시어는 GC2보다 약 36% 작은 영역평균 값을 가지며 크게 개선되었지만 여전히 관측에 비해 과대 모의되고 있다. 이에 따라 동아시아 지역에는 강한 경압 불안정이 유도되어 저기압 발달에 유리한 조건을 가질 수 있지만, 남중국 지역의 남서풍 모의성능 감소로 인해 동아시아 지역에 습윤한 공기가 충분히 공급되지 못한 점이 이 지역의 강수발달 저하에 영향을 준 것으로 판단된다(Fig. 1c).

3.2 EASM 지수와 대기변수 간의 상관성 평가

Figures 3, 4는 관측 및 GC모델 데이터로 계산한 EASM 지수와 대기변수 간의 상관계수를 공간장과 영역평균 매트릭스로 나타낸 것이다. Figure 3의 네모박스는 Fig. 4에서 영역평균 값으로 표준화된 매트릭스를 보기 위해 각 공간장의 패턴에 따라 한반도 기후에 영향력이 있는 영역을 선정한 것이다(Table 3).

Fig. 3.

Map of correlation coefficients for JJA mean (a) WNPMI-Prcp, (b) WNPMI-Z500, (c) GUO-Prcp and (d) HAN-Prcp over East Asia during the periods 1991-2019. Boxes indicate additional analysis regions (Table 3) which are adjusted to the pattern of correlation coefficients of each variable for metrics in Fig. 4.

Fig. 4.

Correlation coefficients between JJA mean EASM indices and atmospheric variables during the periods 1991~2019. Symbols indicate GC models and gray lines indicate the observation spread. Analysis regions are adjusted to the distribution of each map of correlation coefficient (Table 3). The location of the adjusted regions is shown in Fig. 3.

먼저, ERA5의 WNPMI와 강수량 관측값 간의 상관계수 공간장을 살펴보면, 북서태평양 지역에 강한 양의 상관계수가 나타나며 장마전선대가 나타나는 동중국에서 한반도와 일본까지 동서방향으로 음의 상관계수가 나타난다(Fig. 3a). 네모 박스로 표시한 두 몬순 강수 지역은 선행연구에서 몬순지수와 강수량의 상관성을 분석하기 위해 정의한 것으로, 10~20oN, 120~150oE(Kwon et al., 2005)에서 Western North Pacific Monsoon Precipitation (WNPMP), 28~40oN, 110~145oE (Yun et al., 2014)에서 East Asian Monsoon Precipitation (EAMP)로 정의하였다. WNPMP 지역에서 관측자료의 평균 상관도는 약 0.88로, 북서태평양 몬순이 강할 때 이 지역의 강수가 발달함을 잘 나타내고 있다. EAMP 영역에서 평균한 WNPMI와의 상관도는 약 -0.43으로, 필리핀해의 대류활동이 강하면 동아시아 여름 몬순은 약해진다는 선행연구 결과와 동일하다(Ha et al., 2018). GC모델의 WNPMI와 강수량 상관계수도 두 지역에서 유사한 패턴을 보인다. GC2와 GC3.1의 상관도 값은 WNPMP에서 0.8, 0.76이며 EAMP에서 -0.31, -0.34로 관측범위와 가깝게 모의하고 있음을 알 수 있다(Fig. 4). GC3.1에서 WNPMP와의 상관성이 좀 더 낮게 모의된 것은 앞에서 언급된 이 지역의 하층바람 편차로 인해 강수 편차가 증가했기 때문으로 판단된다(Figs. 1c, d).

Figure 3b는 WNPMI와 Z500의 상관계수 공간장으로, 약 30oN 이남에서는 강한 음의 상관계수를 보이고 북중국에서 한반도와 일본까지는 양의 상관계수가 나타나는 파동 형태의 패턴을 보인다. 이 패턴은 Kwon et al. (2005)Fig. 3b에서 나타난 결과와 같으며, GC 모델 결과에서도 동일한 패턴이 잘 모의되고 있다. 이는 북서태평양 여름 몬순이 강할 때 한반도 근처에는 고기압성 패턴이 나타나 강수를 억제함을 의미한다. 남중국해에서 나타나는 음의 상관계수 패턴의 중심은 GC2에서 GC3.1로 갈수록 동쪽에 위치한다. GC2에서 동일본에 보이는 양의 상관계수 코어는 GC3.1에서 서쪽으로 이동된 패턴을 보여 한반도에 더 영향을 주는 모습을 보인다. 북중국과 일본 동쪽에서 나타나는 두 양의 상관계수 코어는 관측자료의 종류에 따라 위치가 다르게 나타나기 때문에(그림 미제시), Fig. 4에서의 영역평균 지역은 변동성이 더 적은 35~50oN, 105~130oE로 결정하여 네모박스로 표시하였다(Fig. 3b). 영역평균된 상관도 값은 GC2 (0.29), GC3.1 (0.26)으로 다소 낮고 ERA5 (0.24)보다 높은 상관도를 보인다.

GUO와 강수의 상관분석 결과는 WNPMI와 같이 뚜렷하진 않지만 한반도 근처로 동서방향의 양의 상관 패턴이 나타나며 EAMP 영역(네모박스로 표시)의 강수와 관련이 있다(Figs. 3c, 4). GC2에서는 이 패턴이 30~40oN에서 나타났다면, GC3.1에서는 25~35oN에서 보여지고 있다. GUO와 EAMP의 영역평균된 상관도 값은 GC2 (0.50), GC3.1 (0.43)으로 관측범위 내에서 모의되었다(Fig. 4).

HAN과 강수의 상관계수 공간장에서는 한반도 남쪽 및 일본(25~40oN, 125~150oE; 네모박스로 표시)에서 양의 상관관계를 가지며 북중국에서는 음의 상관관계를 보인다(Figs. 3d, 4). GC2는 25~40oN, 125~150oE에서 0.04의 상관도를 가지며 관측과 같은 양의 상관관계를 모의하는 데 어려움을 보이지만 북중국의 음의 상관관계 패턴은 잘 모의하고 있다. 반면, GC3.1에서는 북중국의 음의 상관 패턴을 잘 모의하지 못하지만 한반도와 일본 남부의 양의 상관관계 모의에서 0.31의 상관도를 가지며 개선됨을 보였다.

종합적으로 GC모델들은 EASM 지수와 한반도 지역 대기변수와의 상관관계를 모두 관측범위 내에서 모의하고 있다. 그 중 WNPMI가 동아시아 지역의 상관관계 패턴 및 상관도 값을 관측과 가장 비슷하게 모의하고 있었고, 특히 500 hPa 지위고도와의 상관관계가 뚜렷하게 모의되었다. 따라서 북서태평양 여름 몬순 발달에 따른 한반도 중층 기압장의 반응을 GC 모델에서 잘 모의하고 있음을 알 수 있다. 또한, GC3.1에서 더 개선된 결과를 보인 HAN index는 경압성의 세기를 이용하여 동아시아 여름 몬순 발달에 따른 한반도 지역의 강수를 예측하는 것이 중요함을 의미한다.

3.3 동아시아 강수대 발달 및 우기 시종일 평가

동아시아에서 몬순 강수대의 발달을 살펴보기 위해 경도 110~140oE에서 평균된 위도별 시간에 따른 강수량과 우기 영역의 시종일을 살펴보았다(Figs. 5, 6).

Fig. 5.

Time-Latitude plot of pentad (5-day) mean rainfall anomalies (mm day-1) relative to January mean value, which is zonal averaged over the land of 110~140oE of (a) CMAP (OBS2), (b) GC2, and (c) GC3.1. Then, the differences between GC models and CMAP (OBS2) are (d) and (e). The pattern correlation (PCC) with CMAP over the region 25~45oN for May-September is given. The lines indicate the location of Korea over 34~40oN.

Fig. 6.

Spatial distribution of rainy season of the East Asian summer monsoon over the land of CMAP (left) and difference (GC model minus CMAP, middle and right) for onset and withdrawal. Threat score (TS) with CMAP is given. The lines indicate the location of Korea over 34~40oN.

Figure 5a의 CMAP (OBS2) 관측자료에서는 남중국 지역의 강수대가 5월에 형성되어 7월 중순까지 한반도 쪽으로 북진하는 특징이 잘 나타났으며(Chang and Chen, 1995), GPCP (OBS3) 및 APHRODITE (OBS4) 자료로 계산된 강수대 발달 패턴 또한 동일한 결과를 보였다(그림 미제시). 5~9월 사이의 동아시아 우기 영역에서 계산된 관측과 GC모델의 패턴 상관계수(PCC)는 GC2가 0.67, GC3.1이 0.73으로 GC3.1에서 개선된 모의 성능을 보이고 있다(Figs. 5b, c). GC모델들은 6~7월에 저위도로부터 북상하는 강수대 패턴은 잘 모의하고 있으나, 4~5월의 25~30oN 사이에서 새로운 강수 셀을 모의하여 관측보다 빠르고 많은 강수량을 보인다. 이 강수대는 30oN 이남에서 정체되어 약 2달동안 북진하지 못하고 많은 비를 쏟아내기 때문에, 이후에 한반도로 북진하는 강수대(34~40oN)는 관측에 비해 느리며 적은 강수량을 보인다.

특히 GC2는 25~30oN의 강수대가 3월 중반부터 5월 말까지 길게 모의되며, 한반도 지역(34~40oN)에서 우기 시작일은 느리게 우기 종료일은 빠르게 모의하고 있다(Figs. 5b, d, 6b, e). 반면, GC3.1에서는 남중국 지역의 강수 시작일이 약 2~4 pentad가 개선되어 정체기간이 감소한 것을 볼 수 있다(Fig. 6c). 정체구간의 개선에 따라 GC3.1에서 한반도 지역(34~40oN)의 우기 시작일은 GC2보다 2~4 pentad 빨라져 관측과 비슷한 결과를 보였다. 우기 종료일은 GC2보다 2~4 pentad 느려져 개선되었으나 여전히 관측에 비해 1~2 pentad 빠르게 모의되고 있다(Fig. 6f). 따라서 GC3.1에서 한반도 지역의 우기기간은 관측보다 1~2 pentad 짧게 모의되어 적은 강수량을 모의하며, 이는 Fig. 1d에서 나타나는 건조 강수 편차와 관련있다고 판단된다.

3.4 초기화에 따른 동아시아 여름 몬순 모의성능 평가

지금까지 GC2에서 GC3.1로 모델이 개선되었을 때 동아시아 여름 몬순의 모의성능은 어떻게 달라졌는지 분석하였다. 이 절에서는 GloSea5-GC2 기후장의 여름철 대기변수의 모의 성능을 lead time별로 살펴보고, 초기화에 따른 결과가 GC모델의 모의성능에 어떤 영향을 미치는지 비교해 보고자 하였다. Figure 7Fig. 2의 매트릭스에 lead time에 따른 GloSea5-GC2 기후장 결과를 추가한 것이다. GC3.1 기반의 GloSea6-GC3.2 자료는 아직 구축 중으로 확보되지 못해 분석에서 제외되었으며, 후에 GloSea6가 구축되면 GloSea5-GC2와 GloSea6-GC3.2의 기후장 모의성능을 비교하는 연구도 추가로 필요할 것이다.

Fig. 7.

Same as Fig. 2 but add to normalized biases of hindcast results for GloSea5-GC2 (HC1m, HC2m, and HC3m) in JJA.

GloSea5-GC2 기후장(이하 기후장)의 여름철 동아시아 지역 예측성은 모든 변수에서 예측 +1개월(HC1m)의 검증결과가 가장 좋게 나타났으며, lead time이 길어질수록 검증결과는 관측값에서 멀어짐을 보였다. 예측 +2, 3개월의 기후장 검증결과는 서로 비슷한 값을 보이는 경우가 많아, 예측 +2개월 이후의 대기변수들의 편차가 일정한 값으로 수렴하는 경향이 있음을 알 수 있다.

SAT에서 기후장의 동아시아 영역평균 값은 lead time에 관계없이 관측과 유사한 모의성능을 보인다. 세부적으로는 GC모델에서 대륙의 기온을 차갑게 모의하던 경향이 초기화에 따라 개선된 것으로 보이며 공간장에서도 약한 양의 기온편차가 나타남을 확인하였다(그림 미제시).

MSLP에서 기후장의 영역평균 값은 GC모델과 유사하게 북서태평양 지역(15~30oN, 120~150oE)에서 두드러진 저기압성 편차를 가진다. 예측 +1개월에서 GC 모델보다 개선된 작은 음의 편차를 보였으나 lead time이 증가했을 때는 더 큰 편차를 가져 예측성이 떨어짐을 보였다. Z500의 기후장 결과는 lead time에 상관없이 동일하게 나타나며 GC모델보다 개선된 값을 보이는데, 이는 공간장에서 보았을 때 남북으로 나타나는 양극화 패턴이 서로 상쇄되어 나타나는 결과이다(Fig. 8a). GC모델에서는 WNPSH의 세기가 관측보다 약하게 모의되면서 동아시아 영역에서 전반적으로 500 hPa 지위고도가 작게 모의되지만, 기후장에서는 WNPSH의 세기는 관측과 유사하나 고기압의 중심을 북쪽에서 모의하면서 30oN을 기준으로 반대되는 편차 패턴을 보이고 있다.

Fig. 8.

The spatial distributions of OBS1 (first panel) and difference of GloSea5-GC2 hindcast relative to OBS1 (second and last panel) of (a) Z500 (m) and (b) UV850 (vector, m s-1) in JJA. Boxes indicate additional analysis regions for metrics in Fig. 7.

기후장의 기압 패턴 모의에 따라 850 hPa 바람(UV850, V850)은 예측 +1개월에서 관측과 매우 가까운 모의 성능을 보이지만, 예측 +2개월부터 예측오차가 급격히 증가하며 GC3.1과 유사한 영역평균 값 및 공간장 패턴을 나타냈다(Fig. 8b). 특히, 예측 +1개월에는 동아시아 여름 몬순 발달에 중요한 남서풍(20~40oN, 115~130oE)이 잘 모의되었으나, 이후에 10~30oN 지역의 강한 저기압성 편차로 인해 남풍의 모의성능은 기후모델 값만큼 저하되었다.

상층 제트(U200)의 세기와 연직시어(dudz)는 GC모델과 반대의 결과를 모의하고 있다. 기후장에서는 상층 제트가 관측자료의 평균값보다 약하고 북쪽에 위치하는 경향을 보이며, 연직시어도 약하게 모의된다. 이에 따라, 동아시아 지역의 경압불안정이 약화되며 이는 한반도에 건조한 강수를 모의하는 것과 관련이 있다. 예측 +1개월에서 나타나는 한반도의 건조 강수 편차는 GC 모델 결과값과 유사하며 관측범위에 가깝게 모의된다. 그러나 예측 +2, 3개월의 강수는 기후모델 결과보다 오차가 크게 나타났다.

종합적으로 보면, 1.5 m 기온을 제외하고는 lead time이 증가함에 따라 점차 예측성이 감소하여 지역별 오차가 커지는 경향을 보였고, 특히 북서태평양 해역에서의 오차가 다른 지역보다 현저하게 증가함을 확인하였다. 이에 따라 MSLP 및 Prcp는 예측 +2, 3개월의 기후장 영역평균 값이 GC모델보다 큰 오차를 보여 예측 +2개월 이상의 기후장은 예측 불확실성이 큰 것을 의미하고 있다. 하지만 GloSea5-GC2 기후장의 예측 +1개월 결과는 대부분 GC2 모델 결과보다 관측에 가까운 모의성능을 보여 초기화에 따른 개선효과를 볼 수 있었고, 특히 500 hPa 지위고도 및 850 hPa 바람장 모의에서 뚜렷한 개선효과를 나타냈다. 평가된 V850 지역은 동아시아 수증기 공급에 중요한 WNPSH의 서쪽 가장자리 순환을 나타내며, 500 hPa 지위고도에서 나타나는 WNPSH의 중심은 저층 대류권에 비해 동아시아에 더 가깝기 때문에 두 대기변수는 WNPSH의 모의성능을 평가하기 위해 주로 사용되어 왔다(Sui et al., 2007; Zhou et al., 2009; Cheng et al., 2019). 따라서 GC3.1에서는 GC2보다 개선된 Z500 및 남서풍의 모의성능을 보였기 때문에(Fig. 2), GloSea6에서 초기장을 적용한 결과에서도 WNPSH의 모의성능 개선을 기대할 수 있을 것으로 예상한다.


4. 결 론

본 연구에서는 현 기후예측시스템 GloSea5의 결합 모델 구성 버전인 GC2를 2021년 말 업그레이드 예정인 GloSea6-GC3.2의 기후변화 버전인 GC3.1과 비교하여 동아시아 여름 몬순에 초점을 맞추어 평가한 결과를 보이고, GloSea5의 과거기후장과도 비교하여 초기화의 효과가 얼마나 영향을 미치는 지도 분석하였다.

전반적으로 GC2에 비해 GC3.1 고도장의 개선이 뚜렷하였으며, 기압장의 개선에 따라 850 hPa 바람장이 개선되는 효과를 보여 향후 GloSea6 업그레이드에 따른 여름철 북서태평양 고기압의 예측성능 개선을 기대할 수 있을 것으로 예상하였다. 또한, GC3.1에서 우리나라 장마의 빠른 시작과 늦은 종료의 오차가 감소하였으며, 몬순 지수와 대기 기상장 간의 상관관계 모의에 있어서는 전반적으로 GC 모델들이 관측과 가깝게 모의하고 있었다.

GloSea5의 초기화 효과를 살펴보았을 때, 대체로 1개월 이내의 예측에서는 초기화로 인해 예측성능이 관측에 가깝게 개선되는 것을 알 수 있었으며, 이후 lead time이 증가함에 따라 점차 예측성이 감소하였다. GloSea의 기후장에는 초기화 효과뿐만 아니라 앙상블의 효과도 함께 들어가 있긴 하나, 대체로 동아시아 몬순의 예측성능에 있어 모델 업그레이드에 따른 차이보다 모델 초기화에 따른 선행시간의 차이가 비슷하거나 더 크게 나타나기도 하여 초기장 개선의 중요성을 가늠해 볼 수 있었다.

Acknowledgments

이 연구는 기상청 국립기상과학원 「기후예측 현업시스템 개발」(KMA2018-00322) 의 지원으로 수행되었습니다.

References

  • Andrews, T., and Coauthors, 2019: Forcings, feedbacks, and climate sensitivity in HadGEM3-GC3.1 and UKESM1. J. Adv. Model. Earth Sy., 11, 4377-4394. [https://doi.org/10.1029/2019MS001866]
  • Boo, K.-O., G. Martin, A. Sellar, C. Senior, and Y.-H. Byun, 2011: Evaluating the East Asian monsoon simulation in climate models. J. Geophys. Res. Atmos., 116, D01109. [https://doi.org/10.1029/2010JD014737]
  • Boutle, I. A., S. J. Abel, P. G. Hill, and C. J. Morcrette, 2014: Spatial variability of liquid cloud and rain: observations and microphysical effects. Q. J. R. Meteorol. Soc., 140, 583-594. [https://doi.org/10.1002/qj.2140]
  • Chang, C.-P., and G. T.-J. Chen, 1995: Tropical circulations associated with southwest monsoon onset and westerly surges over the South China Sea. Mon. Wea. Rev., 123, 3254-3267. [https://doi.org/10.1175/1520-0493(1995)123<3254:TCAWSM>2.0.CO;2]
  • Chen, J., P. Zhao, S. Yang, G. Liu, and X. Zhou, 2013: Simulation and dynamical prediction of the summer Asian-Pacific Oscillation and associated climate anomalies by the NCEP CFSv2. J. Climat., 26, 3644-3656. [https://doi.org/10.1175/JCLI-D-12-00368.1]
  • Cheng, T. F., M. Lu, and L. Dai, 2019: The zonal oscillation and the driving mechanisms of the extreme western North Pacific subtropical high and its impacts on East Asian summer precipitation. J. Climat., 32, 3025-3050. [https://doi.org/10.1175/JCLI-D-18-0076.1]
  • Flocco, D., D. L. Feltham, and A. K. Turner, 2010: Incorporation of a physically based melt pond scheme into the sea ice component of a climate model. J. Geophys. Res. Ocean., 115, C08012. [https://doi.org/10.1029/2009JC005568]
  • Guo, Q.-Y., 1983: The summer monsoon intensity index in East Asia and its variation. Acta Geogr. Sin., 38, 208-217 (in Chinese).
  • Ha, K.-J., Y.-W. Seo, J.-Y. Lee, R. H. Kripalani, and K.-S. Yun, 2018: Linkages between the South and East Asian summer monsoons: a review and revisit. Climate Dy., 51, 4207-4227. [https://doi.org/10.1007/s00382-017-3773-z]
  • Han, J., and H. Wang, 2007: Interdecadal variability of the East Asian summer monsoon in an AGCM. Adv. Atmos. Sci., 24, 808-818. [https://doi.org/10.1007/s00376-007-0808-0]
  • Hong, S.-Y., 2004: Comparison of heavy rainfall mechanisms in Korea and the central US. J. Meteor. Soc. Japan Ser. I., 82, 1469-1479. [https://doi.org/10.2151/jmsj.2004.1469]
  • Kang, I.-S., and Coauthors, 2002: Intercomparison of the climatological variations of Asian summer monsoon precipitation simulated by 10 GCMs. Climate Dyn., 19, 383-395. [https://doi.org/10.1007/s00382-002-0245-9]
  • Kim, H.-R., J. Lee, Y.-K. Hyun, and S.-O. Hwang, 2021: The KMA Global Seasonal forecasting system (GloSea6) - Part 1: operational system and improvements. Atmospher., 31, 341-359, (in Korean with English abstract).
  • Kwon, M., 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. [https://doi.org/10.1029/2005GL023026]
  • Kwon, S.-H., K.-O. Boo, S. Shim, and Y.-H. Byun, 2017: Evaluation of the East Asian summer monsoon season simulated in CMIP5 models and the future change. Atmospher., 27, 133-150, (in Korean with English abstract).
  • Lau, K.-M., K.-M. Kim, and S. Yang, 2000: Dynamical and boundary forcing characteristics of regional components of the Asian summer monsoon. J. Climat., 13, 2461-2482. [https://doi.org/10.1175/1520-0442(2000)013<2461:DABFCO>2.0.CO;2]
  • Lee, S.-J., Y.-K. Hyun, S.-M. Lee, S.-O. Hwang, J. Lee, and K.-O. Boo, 2020: Prediction skill for East Asian summer monsoon indices in a KMA Global Seasonal Forecasting System (GloSea5). Atmospher., 30, 293-309, (in Korean with English abstract).
  • Li, H., A. Dai, T. Zhou, and J. Lu, 2010: Responses of East Asian summer monsoon to historical SST and atmospheric forcing during 1950~2000. Climate Dyn., 34, 501-514. [https://doi.org/10.1007/s00382-008-0482-7]
  • Liu, Y., P. H. Daum, H. Guo, and Y. Peng, 2008: Dispersion bias, dispersion effect, and the aerosol-cloud conundrum. Environ. Res. Lett., 3, 045021. [https://doi.org/10.1088/1748-9326/3/4/045021]
  • Megann, A., D. Storkey, Y. Aksenov, S. Alderson, D. Calvert, T. Graham, P. Hyder, J. Siddorn, and B. Sinha, 2014: GO5.0: the joint NERC-Met Office NEMO global ocean model for use in coupled and forced applications. Geosci. Model Dev., 7, 1069-1092. [https://doi.org/10.5194/gmd-7-1069-2014]
  • Rae, J. G. L., H. T. Hewitt, A. B. Keen, J. K. Ridley, A. E. West, C. M. Harris, E. C. Hunke, and D. N. Walters, 2015: Development of the Global Sea Ice 6.0 CICE configuration for the Met Office Global Coupled model. Geosci. Model Dev., 8, 2221-2230. [https://doi.org/10.5194/gmd-8-2221-2015]
  • Ridley, J. K., E. W. Blockley, A. B. Keen, J. G. L. Rae, A. E. West, and D. Schroeder, 2018: The sea ice model component of HadGEM3-GC3.1. Geosci. Model Dev., 11, 713-723. [https://doi.org/10.5194/gmd-11-713-2018]
  • Rodriguez, J. M., S. F. Milton, and C. Marzin, 2017: The East Asian atmospheric water cycle and monsoon circulation in the Met Office Unified Model. J. Geophys. Res. Atmos., 122, 10246-10265. [https://doi.org/10.1002/2016JD025460]
  • Seo, K.-H., J.-H. Son, J.-Y. Lee, and H.-S. Park, 2015: Northern East Asian monsoon precipitation revealed by airmass variability and its prediction. J. Climat., 28, 6221-6233. [https://doi.org/10.1175/JCLI-D-14-00526.1]
  • Shonk, J. K. P., A. G. Turner, A. Chevuturi, L. J. Wilcox, A. J. Dittus, and E. Hawkins, 2020: Uncertainty in aerosol radiative forcing impacts the simulated global monsoon in the 20th century. Atmos. Chem. Phys., 20, 14903-14915. [https://doi.org/10.5194/acp-20-14903-2020]
  • Stephan, C. C., N. P. Klingaman, P. L. Vidale, A. G. Turner, M.-E. Demory, and L. Guo, 2018: Intraseasonal summer rainfall variability over China in the MetUM GA6 and GC2 configurations. Geosci. Model Dev., 11, 3215-3233. [https://doi.org/10.5194/gmd-11-3215-2018]
  • Storkey, D., and Coauthors, 2018: UK Global Ocean GO6 and GO7: a traceable hierarchy of model resolutions. Geosci. Model Dev., 11, 3187-3213. [https://doi.org/10.5194/gmd-11-3187-2018]
  • 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. [https://doi.org/10.1029/2006GL029204]
  • Walters, D., and Coauthors, 2017: The Met Office Unified Model Global Atmosphere 6.0/6.1 and JULES Global Land 6.0/6.1 configurations. Geosci. Model Dev., 10, 1487-1520. [https://doi.org/10.5194/gmd-2017-291-AC2]
  • Walters, D., and Coauthors, 2019: The Met Office Unified Model Global Atmosphere 7.0/7.1 and JULES Global Land 7.0 configurations. Geosci. Model Dev., 12, 1909-1963. [https://doi.org/10.5194/gmd-12-1909-2019]
  • Wang, B., and Z. Fan, 1999: Choice of South Asian summer monsoon indices. Bull. Amer. Meteor. Soc., 80, 629-638. [https://doi.org/10.1175/1520-0477(1999)080<0629:COSASM>2.0.CO;2]
  • Wang, B., and LinHo, 2002: Rainy season of the Asian-Pacific summer monsoon. J. Climat., 15, 386-398. [https://doi.org/10.1175/1520-0442(2002)015<0386:RSOTAP>2.0.CO;2]
  • Wang, B., Z. Wu, J. Li, J. Liu, C.-P. Chang, Y. Ding, and G. Wu, 2008: How to measure the strength of the East Asian summer monsoon. J. Climat., 21, 4449-4463. [https://doi.org/10.1175/2008JCLI2183.1]
  • Wang, S., and H. Zuo, 2016: Effect of the East Asian westerly jet’s intensity on summer rainfall in the Yangtze River valley and its mechanism. J. Climat., 29, 2395-2406. [https://doi.org/10.1175/JCLI-D-15-0259.1]
  • Wang, Y., B. Wang, and J.-H. Oh, 2001: Impact of the preceding El Niño on the East Asian summer atmosphere circulation. J. Meteor. Soc. Japan Ser. I., 79, 575-588. [https://doi.org/10.2151/jmsj.79.575]
  • Williams, K. D., and Coauthors, 2018: The Met Office Global Coupled Model 3.0 and 3.1 (GC3.0 and GC3.1) configurations. J. Adv. Model. Earth Sy., 10, 357-380. [https://doi.org/10.1002/2017MS001115]
  • Xin, X., T. Wu, W. Jie, and J. Zhang, 2021: Impact of higher resolution on precipitation over China in CMIP6 HighResMIP models. Atmospher., 12, 762. [https://doi.org/10.3390/atmos12060762]
  • Yihui, D., and J. C. L. Chan, 2005: The East Asian summer monsoon: an overview. Meteorol. Atmos. Phys., 89, 117-142. [https://doi.org/10.1007/s00703-005-0125-z]
  • Yun, K.-S., J.-Y. Lee, and K.-J. Ha, 2014: Recent intensification of the South and East Asian monsoon contrast associated with an increase in the zonal tropical SST gradient. J. Geophys. Res. Atmos., 119, 8104-8116. [https://doi.org/10.1002/2014JD021692]
  • Zhou, T., and Z. Li, 2002: Simulation of the east asian summer monsoon using a variable resolution atmospheric GCM. Climate Dyn., 19, 167-180. [https://doi.org/10.1007/s00382-001-0214-8]
  • Zhou, T., D. Gong, J. Li, and B. Li, 2009: Detecting and understanding the multi-decadal variability of the East Asian summer monsoon recent progress and state of affairs. Meteorol. Z., 455-467. [https://doi.org/10.1127/0941-2948/2009/0396]

Fig. 1.

Fig. 1.
Composite maps of (a) MSLP (hPa), (b) Z500 (m), (c) UV850 (vector, m s-1), and (d) Prcp (mm day-1) of OBS1(first panel) and difference(shading) of GC models relative to OBS1(second and last panel) in JJA during 1991~2019. The grey contours in Figs. 1a, b, d are GC model mean. Boxes indicate additional analysis regions for metrics in Fig. 2.

Fig. 2.

Fig. 2.
Normalized GC model biases (symbols) and the observation spread (gray lines) relative to mean observation of each variable in JJA. Analysis regions are adjusted by each variable (Table 2). Dark gray lines indicate maximum and minimum of observation spread, and light gray lines indicate 25th percentile and 75th percentile of observation spread.

Fig. 3.

Fig. 3.
Map of correlation coefficients for JJA mean (a) WNPMI-Prcp, (b) WNPMI-Z500, (c) GUO-Prcp and (d) HAN-Prcp over East Asia during the periods 1991-2019. Boxes indicate additional analysis regions (Table 3) which are adjusted to the pattern of correlation coefficients of each variable for metrics in Fig. 4.

Fig. 4.

Fig. 4.
Correlation coefficients between JJA mean EASM indices and atmospheric variables during the periods 1991~2019. Symbols indicate GC models and gray lines indicate the observation spread. Analysis regions are adjusted to the distribution of each map of correlation coefficient (Table 3). The location of the adjusted regions is shown in Fig. 3.

Fig. 5.

Fig. 5.
Time-Latitude plot of pentad (5-day) mean rainfall anomalies (mm day-1) relative to January mean value, which is zonal averaged over the land of 110~140oE of (a) CMAP (OBS2), (b) GC2, and (c) GC3.1. Then, the differences between GC models and CMAP (OBS2) are (d) and (e). The pattern correlation (PCC) with CMAP over the region 25~45oN for May-September is given. The lines indicate the location of Korea over 34~40oN.

Fig. 6.

Fig. 6.
Spatial distribution of rainy season of the East Asian summer monsoon over the land of CMAP (left) and difference (GC model minus CMAP, middle and right) for onset and withdrawal. Threat score (TS) with CMAP is given. The lines indicate the location of Korea over 34~40oN.

Fig. 7.

Fig. 7.
Same as Fig. 2 but add to normalized biases of hindcast results for GloSea5-GC2 (HC1m, HC2m, and HC3m) in JJA.

Fig. 8.

Fig. 8.
The spatial distributions of OBS1 (first panel) and difference of GloSea5-GC2 hindcast relative to OBS1 (second and last panel) of (a) Z500 (m) and (b) UV850 (vector, m s-1) in JJA. Boxes indicate additional analysis regions for metrics in Fig. 7.

Table 1.

Information of GC models.

Variable
Identification
Description GC2 GC3.1
Model
configuration
Atmosphere GA6.0 GA7.1
Ocean GO5.0 GO6.0
Sea-ice GSI6.0 GSI8.1
Land GL6.0 GL7.0
Resolution Atmosphere N216 (60 km) L85
Ocean ORCA025 (0.25o) L75, tri-polar grid

Table 2.

Description of Climate variables and observation data sets.

Variable
Identification
Description Assessed Regions OBS1 OBS2 OBS3 OBS4
Prcp Precipitation 10~55oN, 100~160oE
25~40oN, 115~135oE
CMAP CMAP GPCP APHRODITE
(land)
SAT Surface air temperature 10~55oN, 100~160oE ERA5 ERA-
Interim
NCEP/NCAR
Reanalysis1
NCEP/DOE
Reanalysis2
MSLP Sea level pressure 10~55oN, 100~160oE
15~30oN, 120~150oE
UV850 850 hPa wind speed 10~55oN, 100~160oE
20~40oN, 115~130oE
U200 200 hPa Zonal wind 30~50oN, 120~160oE
V850 850 hPa Meridional wind 20~40oN, 115~130oE
dudz Wind shear of zonal wind
between 200 and 850 hPa
20~40oN, 110~140oE
Z500 500 hPa Geopotential height 10~55oN, 100~160oE
Period 1991~2019 1995~2014 1995~2014 1995~2014

Table 3.

Definition of EASM indices and description of assessed regions used in this study.

Index Definition Reference
WNPMI U850 (5~15oN, 100~130oE) - U850 (20~30oN, 110~140oE) Wang and Fan (1999)
GUO SLP (10~50oN, 150~160oE) - SLP (10~50oN, 110~120oE) Guo (1983)
HAN U850 - U200 (20~40oN, 120~140oE) Han and Wang (2007)
Assessed Regions
WNPMI-Prcp 10~20oN, 120~150oE Kwon et al. (2005)
28~40oN, 110~145oE Yun et al. (2014)
WNPMI-Z500 35~50oN, 105~130oE
GUO-Prcp 28~40oN, 110~145oE Yun et al. (2014)
HAN-Prcp 25~40oN, 125~150oE