The Korean Meteorological Society 1

Current Issue

Atmosphere - Vol. 28 , No. 3

[ Article ]
Atmosphere - Vol. 28, No. 2, pp.141-151
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Jun 2018
Received 05 Mar 2018 Revised 15 May 2018 Accepted 23 May 2018
DOI: https://doi.org/10.14191/Atmos.2018.28.2.141

KIAPS 전지구 수치예보모델 시스템에서 SAPHIR 자료동화 효과
이시혜* ; 전형욱 ; 송효종
(재) 한국형예보모델개발사업단

Impact of SAPHIR Data Assimilation in the KIAPS Global Numerical Weather Prediction System
Sihye Lee* ; Hyoung-Wook Chun ; Hyo-Jong Song
Korea Institute of Atmospheric Prediction Systems, Seoul, Korea
Correspondence to : * Sihye Lee, Data Assimilation Team, Development Division, Korea Institute of Atmospheric Prediction Systems (KIAPS), 4F., 35 Boramae-ro 5-gil, Dongjak-gu, Seoul 07071, Korea. Phone: +82-2-6959-1622, Fax: +82-2-6919-2570 E-mail: sh.lee@kiaps.org

Funding Information ▼

Abstract

The KIAPS global model and data assimilation system were extended to assimilate brightness temperature from the Sondeur Atmosphérique du Profil d’Humidité Intertropicale par Radiométrie (SAPHIR) passive microwave water vapor sounder on board the Megha-Tropiques satellite. Quality control procedures were developed to assess the SAPHIR data quality for assimilating clear-sky observations over the ocean, and to characterize observation biases and errors. In the global cycle, additional assimilation of SAPHIR observation shows globally significant benefits for 1.5% reduction of the humidity root-mean-square difference (RMSD) against European Centre for Medium-Range Weather Forecasts (ECMWF) Integrated Forecast System (IFS) analysis. The positive forecast impacts for the humidity and temperature in the experiment assimilating SAPHIR were predominant at later lead times between 96- and 168-hour. Even though its spatial coverage is confined to lower latitudes of 30oS-30oN and the observable variable is humidity, the assimilation of SAPHIR has a positive impact on the other variables over the mid-latitude domain. Verification showed a 3% reduction of the humidity RMSD with assimilating SAPHIR, and moreover temperature, zonal wind and surface pressure RMSDs were reduced up to 3%, 5% and 7% near the tropical and mid-latitude regions, respectively.


Keywords: SAPHIR, assimilation, humidity, analysis impact, forecast impact

1. 서 론

수치예보모델에서 수증기는 구름, 강수, 태풍 등을 모사하는데 중요한 역할을 하는 대기 변수 중 하나이다. 모델의 초기장을 만드는 자료동화시스템의 입력자료에 있어서 라디오존데(radiosonde), 항공 등 종관 관측은 대기 중 수증기에 대한 연직 분포를 제공하지만, 남반구 해양이나 극 지역 등 수평 분포의 관측은 상대적으로 부족하기 때문에 시, 공간 해상도가 좋은 위성의 수증기 정보는 수치예보의 성능을 향상시키는데 크게 기여할 수 있다. 특히, 수증기량이 상대적으로 많은 적도에서는 적운의 발달이 매우 활발하며, 적운을 형성하는 수증기의 응축으로 발생한 잠열은 대기 중 공기괴(airmass)의 열원이 되어 파장 형태로 중위도로 전파될 수 있으므로 적도의 수증기 정보는 한반도를 중심으로 한 동아시아 강수시스템에도 상당한 영향을 끼칠 것이다(Chang et al., 2000; Hoskins and Ambrizzi, 1993; Lee et al., 2017; Qu, 2017).

위성에 의한 수증기 정보는 구름에 민감한 적외파 센서 보다는 구름이 있는 지역에서도 비교적 구름에 의한 오염이 적은 시그널을 간직하는 마이크로파 센서를 이용하는 것이 보다 용이하다. 대부분의 현업 수치예보센터에서는 관측 영역이 넓은 Microwave Humidity Sounder (MHS), Advanced Technology Microwave Sounder (ATMS) 등의 마이크로파 센서를 사용 중이며, 마이크로파 센서의 수증기 채널 자료동화는 수증기 분석장에 긍정적인 영향을 끼쳐 수증기와 상관성이 높은 온도 예보장과 수증기의 추적자(tracer) 역할을 하는 바람 예보장의 개선에 기여한다고 알려져 있다(Andersson et al., 2007; Geer et al., 2014). 최근에는 열대수렴대(Intertropical convergence zone; ITCZ)를 포함한 적도 지역의 수증기를 집중 관측하는 Sondeur Atmosphérique du Profil d’Humidité Intertropicale par Radiométrie (SAPHIR) 자료를 한국 기상청을 비롯한 유럽중기예보센터(European Centre for Medium-Range Weather Forecasts; ECMWF), 영국기상청(United Kingdom Met Office; UKMO), 일본 기상청(Japan Meteorological Agency; JMA) 등에서 운용하는 전구(global) 수치예보모델에 사용하기 시작했다. SAPHIR 자료는 남 · 북반구 30도 이내의 위도 대에서 강한 대류활동을 관측할 수 있는 850-250 hPa 레벨의 라디오존데 상대습도와 좋은 상관성을 보였다(Ratnam et al., 2013). 미국 해양대기청(National Oceanic and Atmospheric Administration; NOAA) 전구모델로 SAPHIR 자료를 동화한 결과 라디오존데로 검증한 24시간~96시간 예보에서 지표부터 500 hPa 사이의 상대습도에 대한 평균제곱근편차(root-mean-square difference; RMSD)가 4~6% 감소하였고, 적도 지역의 온도와 풍속의 RMSD 역시 각각 9%와 7% 감소하였다(Jones et al., 2017). 이 밖에도 다양한 수치예보모델에서 SAPHIR 자료동화는 긍정적인 영향을 나타내고 있다(Chambon et al., 2015; Singh et al., 2013).

본 연구에서는 한국형수치예보모델개발사업단(Korea Institute of Atmospheric Prediction Systems; KIAPS)에서 개발 중인 전지구 수치예보모델 시스템에 신규 관측인 SAPHIR가 정상적으로 동화되는지 살펴보고, 사이클 초기 결과 분석을 통해 남 · 북반구 30도 이내를 집중 관측하는 SAPHIR 자료동화가 적도를 비롯한 저위도와 중위도의 기상장 개선에 기여할 수 있는지에 대해 검증해 보았다.


2. 연구방법
2.1 SAPHIR 자료의 특성

2011년 10월 12일에 발사된 Megha-Tropiques 위성에 탑재된 교차진로 탐측(cross-track scanning) 방식의 SAPHIR 수증기 사운더는 약 50도의 입사각(incident angle)을 가지고 있으며, 남 · 북반구 30도 이내의 저위도 영역을 1,661 km 관측 폭(swath width)과 직하점(nadir)에서 10 km 수평 해상도(spatial resolution)로 관측을 수행한다(Brogniez et al., 2015; Jones et al., 2017). SAPHIR는 Table 1과 같이 183 GHz를 중심으로 한 6개의 채널(± 0.20, ± 1.10, ± 2.80, ± 4.20, ± 6.80, ± 11.0 GHz)로 대류권의 수증기를 관측하며, 1~6번 채널에서는 각각 50~600 hPa, 100~650 hPa, 200~750 hPa, 250~800 hPa, 300~950 hPa, 350~1000 hPa 레벨의 수증기 정보를 제공한다(Singh et al., 2013). SAPHIR의 전 채널은 수평 편광(horizontal polarization)이며, 하층 채널로 갈수록 밴드 폭(bandwidth)이 넓어진다. 기기오차에 해당하는 SAPHIR의 잡음등가온도차(Noise Equivalent Differential Temperature; NEDT)는 가중함수(weighting function) 최고치(peak)가 가장 상층에 존재하는 1번 채널에서 2.35 K로 가장 크고, 각 채널별로 1.03~2.35 K 범위에 있다(Brogniez et al., 2015; Jones et al., 2017).

Table 1. 
SAPHIR channel specification.
Channel Central frequency (GHz) Polarization Bandwidth (MHz) NEDT1 (K)
1 183.31 ± 0.20 H 200 2.35
2 183.31 ± 1.10 H 350 1.45
3 183.31 ± 2.80 H 500 1.36
4 183.31 ± 4.20 H 700 1.38
5 183.31 ± 6.80 H 1200 1.03
6 183.31 ± 11.0 H 2000 1.10
1Noise Equivalent Differential Temperature (NEDT).

2.2 SAPHIR 품질검사 및 전처리

KIAPS Package for Observation Processing (KPOP) 시스템에서는 SAPHIR 자료동화를 위한 전처리 모듈을 Fig. 1과 같은 과정으로 개발하였다. 공개 소프트웨어인 유럽중기예보센터의 Binary Universal Form for the Representation of meteorological data (BUFR) 디코더를 설치하여 Megha-Tropiques 위성에 탑재된 SAPHIR의 원시자료(level-1b)를 추출하였으며, 추출한 원시 복사자료가 물리적인 실제 허용 범위에서 관측되었는지 정합성 검사(sanity check)를 수행하였다. 기상변수로 된 모델 배경장 자료(예, 온도, 습도, 바람, 압력, 지표온도 등)를 관측연산자인 복사전달모델(RTTOV version 10.2)의 입력 자료로 사용하여 모델 변수를 관측과 동일한 밝기온도(brightness temperatures; TBs)로 변수 변환을 수행하면 관측지점에서의 초기추정치 차이(First-Guess Departure; O-B)를 구할 수 있다. 초기추정치 차이의 모니터링을 통해 초기 품질검사(initial QC)에 필요한 다양한 임계값을 결정하였다. 본 연구에서는 SAPHIR의 청천 복사 동화(clear-sky radiance assimilation)를 위해 구름의 영향을 받은 픽셀을 제거하였으며, 지면 방출율의 불확실성 때문에 육지 자료 역시 제거하였다. SAPHIR 자료가 가진 교차진로 탐측 방식에 의한 스캔 편향(scan bias)과 대기질량에 의한 편향(airmass bias)은 KPOP에서 처리하는 다양한 마이크로파 위성들과 동일한 알고리즘으로 보정하였다(Lee et al., 2014). 편향보정을 마친 후 가우시안 분포에서 양쪽 끝부분에 존재하는 자료들은 배경장과의 차이가 매우 커 전처리 이후 자료동화 과정에서 수렴하기 어려울 수 있으므로 이상치 제거(outlier removal) 모듈에서 제거하였다. 이 과정에서 살아남은 자료들은 서로 간의 상관오차 등을 최소화하기 위해 1도 간격의 솎아내기를 거쳐 자료동화시스템에서 사용 가능한 형태로 출력하였다.


Fig. 1. 
Flowchart of SAPHIR pre-processing system in KPOP.

2.3 SAPHIR 자료동화

SAPHIR 자료동화 성능을 살펴보기 위해 KIAPS에서 개발 중인 육면체구 격자 기반의 전구모델(Korea Integrated Model, KIM; Choi and Hong, 2016)에 포함된 3차원 변분 자료동화시스템(three-dimensional variational data assimilation system; 3DVAR; Song and Kwon, 2015; Song et al., 2017)에 신규 관측인 SAPHIR를 추가하였다. 사이클 기간은 2017년 10월 29일 0000 UTC부터 11월 6일 1800 UTC까지이며, 초기 4일은 스핀업(spin-up) 기간에 해당한다. 참고로 사이클 실험이 짧게 진행된 이유는 기상청 위성센터에서 SAPHIR BUFR 관측이 2017년 11월 7일부터 간헐적으로 수신되는 문제가 있었기 때문이다. 컨트롤(control; CTL) 실험에서는 종관 관측인 라디오존데, 윈드프로파일러, 지면(surface), 항공기 자료와 위성 관측인 Advanced Microwave Sounding Unit-A (AMSU-A), ATMS, MHS, Infrared atmospheric sounding interferometer (IASI), Cross-track Infrared Sounder (CrIS), Atmospheric Motion Vector (AMV), Scatwind, GPS Radio Occultation (GPS-RO) 자료를 동화하였고, SAPHIR 성능 분석을 위한 비교 실험(experiment; EXP)에서는 CTL과 동일한 실험 세팅에 SAPHIR 자료동화를 포함하였다.


3. 결과 및 토의
3.1 자료동화를 위한 SAPHIR 전처리

KPOP에 포함된 위성자료의 전처리 모듈에서 편향 보정은 가장 중요한 과정 중 하나이다. Figure 2에서는 편향보정 전과 후에 모니터링 한 SAPHIR 자료의 공간분포 및 관측증분(innovation)을 보여준다. 사이클 후반인 2017년 11월 6일 1200 UTC에 SAPHIR 6번 채널의 편향은 −2.1 K(표준편차는 0.98 K)이고, 편향 보정을 수행한 후의 편향은 0.091 K(표준편차는 0.97 K)로 감소한 것을 알 수 있다. 이 때, 동태평양에 표시한 ‘A 지역’에 대해서는 3.2절에서 설명하고자 한다. Table 2에서 사이클 전 기간에 평균한 SAPHIR 각 채널의 편향은 −0.40~2.66 K로 구해졌으며, 최상층인 1번 채널의 편향(−2.66 K)과 최하층인 6번 채널의 편향(−2.13 K)이 다른 채널에 비해 상대적으로 크게 나타났다. 편향보정을 마친 SAPHIR 관측(Corrected TB; C)과 배경장(Background TB; B)의 차이인 잔차 편차(residual bias; C-B)는 각 채널별로 −0.03~0.07 K로 크게 줄어든 것을 확인할 수 있고, 사이클 기간 동안 잔차 편차의 변화량은 0.02~0.03 K로 매우 작게 나타나 시간에 의한 변화가 거의 없다는 것을 알 수 있다.


Fig. 2. 
(a) Spatial distributions and their histograms of innovations before bias correction (O-B) and (b) after bias correction (C-B) for SAPHIR channel 06 at 1200 UTC on 6 November 2017.

Table 2. 
Statistical results and used observation errors of SAPHIR channels for cycling period.
Channel Bias (K) Residual bias (K) Standard deviation of C-B (K) Used observation error (K)
1 −2.66 ± 0.26 −0.03 ± 0.03 1.04 5.0
2 −1.16 ± 0.14 −0.03 ± 0.03 1.01 5.0
3 −0.40 ± 0.11 0.03 ± 0.02 0.91 5.0
4 −1.20 ± 0.12 0.05 ± 0.03 0.88 5.0
5 −1.43 ± 0.12 0.07 ± 0.03 0.88 5.0
6 −2.13 ± 0.13 0.06 ± 0.03 0.92 5.0

한편, C-B의 표준편차는 전 채널에서 1 K 내외(0.88~1.04 K)로 구해져 Table 1의 채널별 기기오차인 잡음등가온도차(1.03~2.35 K) 보다 작았다. 일반적으로 C-B의 분산인 Var(C-B) = Var(C) + Var(B) − 2 Cov(C,B)에서 두 변수의 상관 정도를 나타내는 공분산인 Cov(C,B)는 0이라고 가정하기 때문에 관측오차를 결정하는데 중요한 정보를 제공하는 C-B의 표준편차가 잡음등가온도차 보다 작다는 것은 이해하기 어려운 상황이다. 관측의 분산인 Var(C)는 기기오차, 복사전달모델 오차, 품질검사 과정에서의 오차, 내삽하는 과정에서 나타나는 대표오차(representative error) 등을 포함하기 때문에 Var(B)가 아무리 작다 하더라도 Var(C-B)가 Var(C) 보다 커야 하는데 본 연구에서는 오히려 그 반대로 나타났다. 이는 다른 현업 수치예보모델에 포함된 전처리시스템과 마찬가지로 KPOP도 배경장에 의존적인 품질검사를 수행하기 때문에 관측과 배경장의 공분산인 Cov(C,B)가 독립적인 관계를 유지하지 못하고 양의 상관성을 가지게 된 것이 하나의 원인으로 여겨진다. 본 연구에서 SAPHIR의 각 채널별 관측오차는 관측과 배경장의 상관오차, SAPHIR와 동일한 정보를 제공하는 기존 관측과의 상관관계 등을 고려하여 C-B의 표준편차 보다 훨씬 큰 5 K로 사용하였다(Table 1). 관측오차를 작게 설정할 경우 자료동화에 악영향을 줄 가능성이 크기 때문에 현업예보모델에서 관측오차를 팽창(inflation)하여 사용하는 경우가 종종 있으며, 실제로 유럽중기예보센터에서도 자료동화의 안정성을 위해 Desroziers 방식으로 관측오차를 구해 놓고도 적절한 팽창 계수를 구해 관측오차를 실제 보다 크게 사용하는 중이다(Bormann et al., 2016).

3.2 SAPHIR 자료동화 성능 검증

CTL과 EXP에서 사용된 배경장과 분석장의 품질은 참 값에 보다 근접한다고 여겨지는 IFS 분석장(Andersson and Thépaut, 2008; 1도 간격 내삽 자료)을 비교하여 계산한 RMSD로 검증하였다. SAPHIR 자료동화 성능은 Fig. 3과 같이 사이클이 진행되는 동안 배경장과 IFS 분석장의 차이로 계산한 수분 RMSD와 자체 분석장과 IFS 분석장의 차이로 계산한 수분 RMSD를 각 실험별로 비교하여 살펴보았다. CTL과 EXP 모두 배경장 보다 분석장의 전구 평균 수분 RMSD가 낮은 것으로 보아 자료동화시스템이 잘 작동하는 것을 알 수 있다. SAPHIR 관측을 포함한 실험(EXP)의 배경장과 분석장의 수분 RMSD(사이클 전 기간 평균)가 CTL 실험의 배경장과 분석장의 수분 RMSD 보다 각각 0.007 g kg−1과 0.008 g kg−1 작게 구해져 SAPHIR 자료가 모델의 단기예보와 초기장 성능에 긍정적인 영향을 끼치는 것을 알 수 있다. 적도 근처 저위도의 수증기 정보를 제공하는 SAPHIR 관측이 자료동화시스템에 포함되면 사이클이 진행되면서 배경장과 분석장의 수분 RMSD를 지속적으로 감소시켜 스핀업이 끝난 2017년 11월 2일 0000 UTC 이후 수증기 변수의 성능은 전구 평균 약 1.5% 개선되었다.


Fig. 3. 
Time-series of Q RMSD against IFS analysis for cycling periods. Black closed circles with solid line and black open circles with dashed line denote analysis and background for CTL, respectively. Reds symbols stand for the same but for EXP.

SAPHIR 자료가 제공하는 수증기와 온도 정보는 다양한 기상변수들과 물리적 기작을 통해 서로 영향을 주고받을 수 있으므로 Fig. 4에서는 SAPHIR 자료동화의 성능을 수증기 변수와 상관성이 높은 온도, 바람 변수에 대해서도 함께 살펴보았다. 이들 변수의 IFS 대비 오차 감소는 연직 레벨에 대한 각 변수의 RMSD를 계산하여 동서방향(zonal)으로 평균한 후 CTL과 EXP의 차이로 나타냈다(즉, CTL RMSD-EXP RMSD). Figure 4에서 붉은색이 강할수록 SAPHIR 자료동화의 긍정적인 영향이 크다는 것을 의미한다. 이때, 검은색 점들은 CTL과 EXP에 대해 t-test를 수행한 후 95% 신뢰구간에 포함되는 영역을 표시한 것이다. SAPHIR 관측의 긍정적인 영향은 앞에서 언급한 바와 같이 수증기 변수에서 강하게 나타났고, 절대적으로 수증기량이 많은 400 hPa 이하의 30도 이내 저위도에서 수증기 오차가 통계적으로 유의하게 감소한 것을 알 수 있다(Fig. 4c). 특히, 열대수렴대를 포함하는 남 · 북반구 5~20도 위도 대에서 수증기 오차 감소가 매우 크게 나타났으며, 이 지역은 구름이 많기 때문에 KPOP의 구름 제거(cloud masking) 모듈에 의해 SAPHIR 관측의 상당 부분이 제거되었음에도 SAPHIR의 긍정적인 영향이 강하게 나타남을 알 수 있었다.


Fig. 4. 
Zonal plots of the analysis error reduction of SAPHIR assimilation for the (a) zonal wind, (b) temperature, and (c) humidity for cycle periods from 0000 UTC 2 November to 1800 UTC 6 November in 2017. Analysis error reduction is the difference of CTL RMSD against IFS and EXP RMSD against IFS, i.e., red and blue colors mean positive and negative analysis impacts, respectively. The small black dots show the 95% significant difference, verified by a t-test, between the CTL and EXP.

한 가지 흥미로운 것은 SAPHIR 관측의 역할이 상대적으로 작았던 5oS-5oN 영역에서 CTL 실험의 모델 편향(bias)은 약한 건조 오차가 존재하거나 건조/습윤 오차가 섞여서 존재한다는 것이다(Fig. 5a). 이는 SAPHIR 자료동화를 수행한 이후에도 거의 유사한 형태로 모델 편향이 지역별로 존재함을 알 수 있다(Fig. 5c). 본 연구에서는 SAPHIR 자료동화 효과가 상대적으로 크거나 작게 나타나는 영역을 모델이 가진 편향과 연결시켜 해석해 보고자 하였다. Table 2에서 KIM 배경장 대비 SAPHIR 6번 채널의 편향이 약 −2.0 K인데, 유럽중기예보센터 모니터링 사이트(http://www.ecmwf.int/en/forecasts/charts/obstat/)에서 추정되는 SAPHIR 6번 채널의 편향은 −1.5 K 정도이다. 전천복사 자료동화(all-sky radiance assimilation)를 수행하는 ECMWF의 SAPHIR 자료와 청천 복사 자료동화를 수행한 본 연구의 SAPHIR 자료가 동일하다고 가정하긴 어렵지만, KPOP 전처리 과정 중 구름제거 모듈에서 제거되는 픽셀이 약 5%임을 고려할 때 편향보정에서 구름이 있는 지역의 영향은 매우 작을 것으로 예상된다. 즉, ECMWF 배경장과 비교해 KIM 배경장이 SAPHIR 관측공간에서 약 0.5 K에 해당하는 양의 편향(warm bias)이 존재한다고 생각할 수 있다. 여기서 KIM 배경장이 가진 양의 편향은 모델이 가진 온도 편향과 수분 편향이 밝기온도로 표출된 것이다. Figure 5aFig. 5c에서 SAPHIR 6번 채널에 민감한 고도인 500~1000 hPa 레벨의 30oS-30oN 지역은 수분에 대해 전반적으로 습윤 편향(humid bias)이 존재하기 때문에 수증기 증가는 광학두께의 상승을 이끌고, 이는 투과도 변화량이 큰 지점(다시 말해, 가중함수 최고치)을 상승시켜 배경장의 밝기온도를 낮추는 역할을 한다. 대기권에서는 상층으로 올라갈수록 온도가 내려가기 때문에 대기권 수증기에 민감한 채널들은 습윤해 질수록 밝기온도가 낮아진다. 한편, Fig. 5bFig. 5d에서 SAPHIR 관측이 포함되는 30oS-30oN 지역의 온도는 양의 편향을 갖고 있으며 이는 배경장의 밝기온도를 높이는 역할을 한다. 이와 같이 KIM이 가진 온도와 습도 편향은 밝기온도를 높이기도 하고 낮추기도 하는데, 이를 종합적으로 고려하여 표출된 KIM 배경장의 밝기온도 편향이 약 0.5 K인 것이다. 과대모의 된 수증기량(밝기온도 감소시키는 경향)에 비해 과대모의 된 온도(밝기온도를 상승시키는 경향)에 의해 Fig. 2와 같이 SAPHIR 6번 채널에서 O-B의 음의 오차를 야기한 것이라면, 결국 모델 온도의 양의 오차로 인해 과대모의 된 밝기온도가 과대모의 된 수증기량을 감소시키는데 영향을 주었다고 해석된다.


Fig. 5. 
Zonal mean biases of humidity (unit: kg/kg) and temperature (unit: K) for CTL (a, b) and EXP (c, d) at 20171106_1200 UTC. Shaded color and contour denote bias and RMSD, respectively.

KPOP에서 처리 중인 모든 위성자료의 편향보정은 6시간 사이클마다 업데이트 되는 배경장을 이용해 편향보정계수를 구하기 때문에 배경장의 편향에 의존한다. 양의 편향(약 0.5 K)을 가진 KIM 배경장을 이용해 편향보정을 한 SAPHIR의 C-B는 과도하게 큰 양의 값을 가진 지점들이 많아져 3DVAR에서는 모델 수증기를 감소시키는 방향(즉, 분석장의 밝기온도가 배경장의 밝기온도 보다 커지는 방향)으로 분석증분(increment)을 만든다. 이러한 기작은 습윤 오차를 가진 저위도 대부분의 지역에서는 자료동화가 역할을 잘 할 수 있지만, 건조 오차를 가진 일부 지역(예를 들어, Fig. 4c의 5oS-5oN 영역)에서는 양의 방향으로 편향된 관측이 주변의 다른 관측들과 다른 정보를 제공하기 때문에 자료동화가 제대로 수행되지 못했을 것으로 예상된다. 한편, Fig. 4b의 온도장에 대해서 SAPHIR 자료동화 효과는 대부분 중립을 보이지만, 600~800 hPa 레벨의 0o~30oS 지역에서는 약하게 부정적 영향을 미치고 있다. 이는 앞에서 설명한 바와 마찬가지로 KIM 배경장이 가진 양의 편향으로 인해 C-B > 0인 지역이 많으므로 관측(C)이 양의 방향의 밝기온도를 유도했기 때문에 모델 온도장을 높이기 위한 분석증분을 만들고, 이는 기존 온도장이 가진 양의 편향을 강화시킨 것으로 보인다.

Figure 6에서는 SAPHIR 자료동화가 구체적으로 어느 지역에서 어떠한 역할을 했는지 살펴보기 위해 수증기가 많은 850 hPa 레벨에서의 수분 정보를 그려보았다. Figure 4c의 분석오차(analysis error) 감소 단면도에서 SAPHIR 자료동화 영향이 95% 신뢰구간 내에 있는 영역이 30oS-30oN였으므로 이 지역의 수증기 분석증분과 수증기 오차 감소에 관해 집중적으로 살펴보았다. CTL과 EXP의 분석증분은 ‘A 지역’으로 표시한 120o~160oW 부근의 동태평양에서 반대 부호로 나타나는 것을 알 수 있다. ‘A 지역’은 Fig. 2b에서 SAPHIR 관측에 의한 C-B의 부호가 양으로 나타나 배경장의 밝기온도가 낮았던 지역으로 SAPHIR 자료동화에서 분석장의 밝기온도를 높이는 방향, 즉, 수증기를 감소시키는 방향의 분석증분이 나타날 것으로 예상되는 지역이다. Figure 6b에서 보여주듯이 ‘A 지역’에서 EXP의 분석증분은 CTL과 달리 강한 음의 값으로 나타났으며, IFS 분석장으로 검증한 이 지역의 수분 RMSD가 EXP에서 더 크게 감소해 SAPHIR 자료동화에 의한 긍정적인 영향이 큰 것을 확인할 수 있었다. 이는 Fig. 5a의 850 hPa 레벨에서 남 · 북반구 10~30도 저위도에 습윤 오차가 존재함을 알 수 있고, SAPHIR 관측을 포함한 EXP에서 이러한 배경장의 습윤 오차를 감소시키기 위해 분석증분이 음으로 작용하여 분석장의 성능에 긍정적인 영향을 끼친 것으로 해석된다(Fig. 4c).


Fig. 6. 
(a) Q increments (upper) and Q error reductions (lower) of 850 hPa against IFS analysis for CTL and (b) EXP at 20171106_1200 UTC (unit; kg/kg). Q error reduction is the difference of absolute value of background error (|background-IFS|-|analysis-IFS|), i.e., red color means the positive impact of SAPHIR assimilation.

3.3 SAPHIR 자료의 예보 기여도

3.2절에서 SAPHIR 자료동화가 모델의 초기장 중 습도 변수에 긍정적인 영향을 준다는 것을 확인하였다. 이번 절에서는 사이클이 진행됨에 따라 습도 변수가 개선되었을 때 예보장의 다른 대기 변수들에는 어떠한 영향을 미치는지 살펴보고자 한다. SAPHIR 자료가 예보장에 미치는 영향을 분석하기 위해 CTL과 EXP에서 사이클 후반의 동일 날짜(2017년 11월 6일 1200 UTC)를 선택하여 7일(168시간) 예보를 수행하였으며, 이에 대한 검증은 분석장 분석과 마찬가지로 1도 간격으로 내삽된 IFS 자료를 이용하였다. Figure 7은 적도를 포함한 저위도와 남 · 북반구 60도까지의 습도, 온도, 바람, 지면기압의 예보 성능을 IFS 분석장 자료로 검증한 결과이다. 참고로 SAPHIR 자료동화를 추가하였을 때 60도 이상 고위도에서의 변화는 크지 않았으며(그림 생략), 이는 적도 지역의 강제력(forcing)에 의한 파동이 겨울철 제트가 강한 지역 이상으로 전파되는 것이 상대적으로 어렵기 때문인 것으로 여겨진다.


Fig. 7. 
Forecast impacts of humidity, temperature, zonal wind and surface pressure for CTL (without SAPHIR assimilation; black line) and EXP (with SAPHIR assimilation; red line) verified against IFS analysis over the tropical and mid-latitude regions (60oS-60oN) at 20171106_1200 UTC. Bar graph is the percentage improvement from SAPHIR assimilation, i.e., 100 × (CTL RMSD-EXP RMSD)/CTL RMSD.

SAPHIR 자료동화로 습도 초기장의 성능이 개선되었다고 하더라도 Fig. 7에서 주요 대기 변수들의 예보장은 72시간 예보까지 큰 변화가 없다가 그 이후 서서히 좋아지기 시작하여 96시간 예보부터는 습도, 온도, 바람 변수에서 EXP의 RMSD가 개선되기 시작했다. Figure 2와 같은 SAPHIR 관측의 공간분포를 고려할 때 SAPHIR를 도입함으로 인해서 추가적으로 더해지는 질량(습도와 기온) 분석 증분은 열대와 아열대 사이의 기압 경도력의 불균형을 유발할 수 있다. 또한, 해당 관측의 정보가 주로 질량(습도와 기온)에 기여하기 때문에 모델의 운동량 방정식 적분에 의한 인위적인 바람 변화가 유발될 수 있다. 이러한 모델 초기화와 관련된 문제가 0~72시간 사이의 예보 정확도 향상 부진에 영향을 미쳤을 것으로 사료된다. Andersson et al. (2007)에 의하면 습도 변수를 제공하는 관측에 의한 영향은 예보 직후부터 나타나기 시작했으나 본 연구에서는 예보 후반에 긍정적인 영향을 보였는데, 이는 종관과 비종관의 모든 습도 정보를 통제한 Andersson et al. (2007)의 연구와 달리 SAPHIR 관측이 전구가 아닌 특정 영역인 저위도에만 집중되어 있기 때문이다. SAPHIR의 직접적인 영향을 받는 습도 RMSD는 120시간~168시간 예보에서 3% 개선 되었고, 온도 RMSD는 120시간 이후 약 3%의 예보성능 개선을 보였다. 동서풍 바람(zonal wind)의 RMSD는 예보 후반에 약 5% 개선되어 SAPHIR 관측의 긍정적인 영향이 습도와 온도 변수 보다 더 크게 나타났다. 한편, 지표면 근처의 강수시스템에 직접적인 영향을 미치는 지면기압은 SAPHIR 관측이 포함된 실험에서 가장 큰 개선을 보였다. 72시간 이후 EXP의 지면기압 예보성능이 급격히 좋아지기 시작하여 168시간 예보에서는 CTL의 지면기압 RMSD 보다 11% 개선되었다.

하층 강수시스템에 큰 영향을 끼치는 지면기압의 개선은 하층 수증기와 밀접한 관계가 있으므로 Fig. 8에서는 CTL과 EXP에서 예측한 850 hPa의 습도를 IFS 분석장의 습도 분포와 비교해 보았다. Figure 8에서 첫 번째, 두 번째 컬럼은 각각 CTL과 IFS의 차이, EXP와 IFS의 차이를 나타내고, 세 번째 컬럼은 CTL RMSD와 EXP RMSD의 차이를 나타낸다. 예측 초반에는 CTL과 EXP 모두 수증기가 많은 적도에서 양의 오차를 보이다가 예측 시간이 길어질수록 지역에 따라 EXP의 오차가 개선되는 것을 확인할 수 있다. 120시간 예보에서는 30o~60oS 대서양에 존재하던 음의 오차가 SAPHIR를 포함한 실험인 EXP에서 개선되었고, 이 지역의 RMSD 역시 개선되는 긍정적인 영향을 보였다. 168시간 예보에서는 SAPHIR 관측에 의한 긍정적인 영향이 북반구 중위도와 대서양 북쪽에 위치한 아이슬란드 부근까지 확산된 것 볼 수 있다. 또한, 남반구 인도양으로부터 로스해(Ross Sea)까지 이어지는 SAPHIR의 긍정적인 효과는 해수면 기온이 높은 인도양의 잠재적 열원 변화에 의한 파동의 효과가 영향을 미친 것으로 해석된다(Hoskins and Ambrizzi, 1993). 이에 대한 보다 자세한 연구는 향후 더 긴 기간의 관측과 예보의 샘플을 확보하여 진행할 계획이다.


Fig. 8. 
Global forecast impact of humidity at 850 hPa for CTL (without SAPHIR assimilation) and EXP (with SAPHIR assimilation) verified against IFS analysis at 1200 UTC on 6 November 2017 (unit: kg/kg).


4. 결 론

본 연구에서는 KIAPS에서 개발 중인 3차원 변분 자료동화시스템에서 SAPHIR 자료동화의 성능 및 예보기여도를 유럽중기예보센터 IFS로 검증하였다. 사이클이 진행됨에 따라 SAPHIR 자료를 포함한 실험에서 남 · 북반구 30도 이하의 저위도에 습윤 오차를 가진 대기가 기존 CTL 실험보다 건조해져 긍정적인 영향을 끼치는 것을 알 수 있었다. SAPHIR 관측에 의한 습도 초기장의 긍정적인 영향은 예보시간이 길어질수록 질량 변수인 온도를 개선시켰고, 이들 변수들은 바람을 타고 이동하기 때문에 바람 변수까지 개선되는 효과를 나타냈다. 특히, SAPHIR 자료동화는 하층 강수시스템과 밀접한 관련이 있는 지면기압을 크게 개선시켰는데, 이는 대류권 하층에 풍부한 수분이 각 층의 고도와 지위고도(geopotential height)를 개선시킬 수 있으며 이로 인해 지면기압까지 개선되는 효과를 이끌어 낸 것으로 해석된다. 공간적으로도 적도 부근 저위도에서 시작된 SAPHIR 관측에 의한 습도 초기장의 긍정적인 영향이 중위도까지 확장된 것을 알 수 있었다.

거대한 전지구시스템에서 수증기 변수가 변화시킬 수 있는 양은 지극히 일부분이지만, 적도 수증기에 의한 공기덩어리의 무게가 달라진다면 예보에 의해 질량의 영향을 받는 대부분의 기상 변수와 이들 변수의 이동과 관련된 기상인자에 큰 영향을 주게 된다. SAPHIR 관측 추가에 의한 사이클 실험 및 분석은 적도에서의 강제력 변화가 다른 위도대로 전파되는 과정을 모니터링 할 수 있고, 다양한 기상 변수들 간의 상호 영향을 살펴볼 수 있는 좋은 연구 주제라고 생각된다. 그러나 아쉽게도 본 연구에서 SAPHIR 관측 추가에 대한 사이클 실험은 기상청에서 제공받은 BUFR 자료의 부족으로 9일이라는 짧은 기간에 대해서만 수행할 수 있었다. SAPHIR 자료동화에 대한 예보성능의 검증 역시 한 시점에 이루어졌기 때문에 통계적으로 유의한 결과를 얻기 위해서는 장기간에 걸친 사이클 실험 및 여름과 겨울 등 계절 실험에 대한 예보장의 검증이 필요할 것으로 사료된다. 그럴 때 비로소 실제 관측에 의한 적도의 변화가 단기 예보에서 실질적으로 중위도 및 극에서의 기상시스템에 어떠한 영향을 미치게 되는지 구체적으로 살펴 볼 수 있을 것이다.


Acknowledgments

논문의 개선을 위해 좋은 의견을 제시해 주신 두 분의 심사위원님과 본 연구에 도움을 주신 한국형수치예보모델개발사업단의 하지현 박사, 강전호 박사, 임수정 연구원에게 깊은 감사를 드립니다. 본 연구는 기상청의 지원을 받는 한국형수치예보모델개발사업단의 연구과제를 통해 수행되었습니다.


References
1. Andersson, E., and J.-N. Thépaut, (2008), ECMWF's 4D-Var data assimilation system - the genesis and ten years in operations, ECMWF Newsletter, 115, p8-12.
2. Andersson, E., E. Hólm, P. Bauer, A. Beljaars, G. A. Kelly, A. P. McNally, A. J. Simmons, J.-N. Thépaut, and A. M. Tompkins, (2007), Analysis and forecast impact of the main humidity observing systems, Quart. J. Roy. Meteor. Soc, 133, p1473-1485.
3. Bormann, N., M. Bonavita, R. Dragani, R. Eresmaa, M. Matricardi, and A. McNally, (2016), Enhancing the impact of IASI observations through an updated observation-error covariance matrix, Quart. J. Roy. Meteor. Soc, 142, p1767-1780.
4. Brogniez, H., G. Clain, and R. Roca, (2015), Validation of upper-Tropospheric humidity from SAPHIR on board Megha-Tropiques using Tropical sounding, J. App. Met. Clim, 54, p896-908.
5. Chambon, P., L.-F. Meunier, F. Guillaume, J.-M. Piriou, R. Roca, and J.-F. Mahfouf, (2015), Investigating the impact of the water-vapour sounding observations from SAPHIR on board Megha-Tropiques for the ARPEGE global model, Quart. J. Roy. Meteor. Soc, 141, p1769-1779.
6. Chang, C.-P., Y. Zhang, and T. Li, (2000), Interannual and interdecadal variations of the East Asian summer monsoon and tropical Pacific SSTs. Part I: Roles of the subtropical ridge, J. Climate, 13, p4310-4325.
7. Choi, S. J., and S. Y. Hong, (2016), A global non-hydrostatic dynamical core using the spectral element method on a cubed-sphere grid, Asia-Pac. J. Atmos. Sci, 52, p291-307.
8. Geer, A. J., F. Boardo, N. Bormann, and S. English, (2014), All-sky assimilation of microwave humidity sounders, ECMWF Tech. Memo, 741, p57.
9. Hoskins, B. J., and T. Ambrizzi, (1993), Rossby wave propagation on a realistic longitudinally varying flow, J. Atmos. Sci, 50, p1661-1671.
10. Jones, E., K. Garrett, and S.-A. Boukabara, (2017), Assimilation of Megha-Tropiques SAPHIR observation in the NOAA global model, Mon. Wea. Rev, 145, p3725-3744.
11. Lee, M.-H., S. Lee, H.-J. Song, and C.-H. Ho, (2017), The recent increase in the occurrence of a boreal summer teleconnection and its relationship with temperature extremes, J. Clim, 30, p7493-7504.
12. Lee, S., S. Kim, H.-W. Chun, J.-H. Kim, and J.-H. Kang, (2014), Pre-processing and bias correction for AMSUA radiance data based on statistical methods, Atmosphere, 24, p491-502, (in Korean with English abstract).
13. Qu, X., (2017), The intermodel diversity of East Asia’s summer rainfall among CMIP5 models, J. Climate, 30, p9287-9301.
14. Ratnam, M. V., G. Basha, B. V. Krishna Murthy, and A. Jayaraman, (2013), Relative humidity distribution from SAPHIR experiment on board Megha-Tropiques satellite mission: Comparison with global radiosonde and other satellite and reanalysis data sets, J. Geophys. Res, 118, p9622-9630.
15. Singh, R., S. P. Ojha, C. M. Kishtawal, and P. K. Pal, (2013), Quality assessment and assimilation of Megha-Tropiques SAPHIR radiances into WRF assimilation system, J. Geophys. Res, 118, p6957-6969.
16. Song, H.-J., and I.-H. Kwon, (2015), Spectral transformation using a cubed-sphere grid for a three-dimensional variational data assimilation system, Mon. Wea. Rev, 143, p2581-2599.
17. Song, H.-J., J. Kwun, I.-H. Kwon, J.-H. Ha, J.-H. Kang, S. Lee, H.-W. Chun, and S. Lim, (2017), The impact of the nonlinear balance equation on a 3D-Var cycle during an Australian-winter month as compared with the regressed wind–mass balance, Quart. J. Roy. Meteor. Soc, 143, p2036-2049.