The Korean Meteorological Society 1

Current Issue

Atmosphere - Vol. 28 , No. 3

[ Article ]
Atmosphere - Vol. 28, No. 3, pp.263-272
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Sep 2018
Received 06 Apr 2018 Revised 09 Jul 2018 Accepted 10 Jul 2018
DOI: https://doi.org/10.14191/Atmos.2018.28.3.263

앙상블 자료동화 시스템에서 ASCAT 해상풍 자료동화가 분석장에 미치는 효과 분석
조영순1), 2), * ; 임수정1) ; 권인혁1) ; 한현준1)
1)(재) 한국형수치예보모델개발사업단
2)기상청 수치모델링센터

Investigation of Analysis Effects of ASCAT Data Assimilation within KIAPS-LETKF System
Youngsoon Jo1), 2), * ; Sujeong Lim1) ; In-Hyuk Kwon1) ; Hyun-Jun Han1)
1)Korea Institute of Atmospheric Prediction Systems, Seoul, Korea
2)Numerical Modeling Center, Korea Meteorological Administration, Seoul, Korea
Correspondence to : * Youngsoon Jo, Numerical Modeling Center, Korea Meteorological Administration, Seoul 07062, Korea. Phone: +82-2-2181-0578, Fax: +82-2-2181-0908 E-mail: ysjo23@korea.kr

Funding Information ▼

Abstract

The high-resolution ocean surface wind vector produced by scatterometer was assimilated within the Local Ensemble Transform Kalman Filter (LETKF) in Korea Institute of Atmospheric Prediction Systems (KIAPS). The Advanced Scatterometer (ASCAT) on Metop-A/B wind data was processed in the KIAPS Package for Observation Processing (KPOP), and a module capable of processing surface wind observation was implemented in the LETKF system. The LETKF data assimilation cycle for evaluating the performance improvement due to ASCAT observation was carried out for approximately 20 days from June through July 2017 when Typhoon Nepartak was present. As a result, we have found that the performance of ASCAT wind vector has a clear and beneficial effect on the data assimilation cycle. It has reduced analysis errors of wind, temperature, and humidity, as well as analysis errors of lower troposphere wind. Furthermore, by the assimilation of the ASCAT wind observation, the initial condition of the model described the typhoon structure more accurately and improved the typhoon track prediction skill. Therefore, we can expect the analysis field of LETKF will be improved if the Scatterometer wind observation is added.


Keywords: ASCAT, KIAPS-LETKF, data assimilation, typhoon

1. 서 론

모델 초기장은 예보 성능을 좌우하는 주요요인으로 작용하므로, 여러 현업기관과 연구자들은 보다 좋은 초기장을 생성하기 위하여, 선진 자료동화기법을 개발함과 동시에 보다 좋은 품질의 관측 자료를 활용하고자 한다. 이러한 노력의 일환으로 다양하고, 방대한 위성자료의 처리 및 적절한 활용은 관측 자료가 적은 극지역이나 해양지역의 정보를 제공함에 따라, 모델 초기장 향상에 많은 도움을 주는 것으로 알려져 있다. 특히 해양지역은 관측이 어려울 뿐 아니라, 자료의 양이 상대적으로 적어 위성자료의 활용이 매우 중요하다. 하지만 위성에서 제공되는 자료는 구름과 같은 상층 대기현상에 따라 자료의 품질이 좌우 되기 때문에 대류권에서 발생하는 다양한 기상현상 모의에는 한계가 있다. 특히 대류권 하부 지표면 근처에서 활용할 수 있는 위성 자료는 매우 제한적인데, 극궤도 위성에 장착된 산란계(scatterometer)로부터 제공되는 고해상도의 해상풍 자료인 scatwind는 모델 하층 성능에 민감하게 영향을 미칠 것으로 예상된다. 실제로 최근 많은 연구자들에 의해 해당 관측자료를 자료동화에 활용하였을 때, 자료동화 성능 및 예보 성능에 긍정적 영향을 미치는 것이 밝혀졌다(Stoffelen and Anderson, 1997; de Chiara et al., 2012; Yu et al., 2015).

현재 한국형수치예보모델개발사업단(KIAPS, Korea Institute of Atmospheric Prediction System)에서는 선진 앙상블 자료동화 시스템인 4차원의 국지 앙상블 변환 칼만 필터(4Dimensional Local Ensemble Transform Kalman Filter, 4D-LETKF, Hunt et al., 2007)를 도입하여, 개발 중인 전구 모형 KIM (Korean Integrated Model, Hong et al., 2018)과 함께 순환분석이 가능한 수치예보 시스템을 개발하였다(이하 KIAPS-LETKF, Shin et al., 2016). 해당 시스템은 최근 다양한 실측 관측 자료를 활용한 자료동화가 가능해지면서 성능이 점차 개선되고 있는 상황임에도 불구하고, 아직까지 지표면 근처에 위치하는 지면 자료나 scatwind 등 대류권 하부에 위치한 관측 자료를 활용하지 못하고 있는 상황이다. 이러한 상황에서는 모델 최하층에서 생성되는 대류규모의 기상현상모의가 쉽지 않고, 분석장에서 태풍과 같은 국지 현상 모의가 적합하지 않을 것이 예상된다.

따라서, 본 연구에서는 이와 같은 상황을 개선하기 위해 KIAPS-LETKF 자료동화 기법에 고해상도의 해상풍 자료인 scatwind 관측 자료를 최초로 접합하여 그 성능을 확인해 보았다. 현재 사업단에서는 기상청에서 제공하는 관측 자료를 활용하는데, scatwind 관측 자료 중, 선별된 ASCAT (Advanced Scatterometer) 자료만을 동화에 사용하였다. 본 연구에서는 이를 위해 기존 앙상블 자료동화 시스템에 해상풍 자료를 동화에 활용할 수 있도록 전처리하는 과정을 추가하였고, 해상풍 자료의 효과를 더욱 명확히 확인하기 위해 태풍 사례를 선정하여 순환분석을 통해 분석장에서 추가된 ASCAT 관측 자료의 효과를 분석해 보았다. 본 논문은 4장으로 구성되어 있다. 2장에서는 연구에 사용된 관측 자료와 자료동화 시스템에 대해 설명하고, 3장에서 태풍 사례 선정 및 해당 사례실험 결과 분석에 관한 내용을 언급한다. 그리고 요약 및 결론은 4장에 제시하였다.


2. 자료 및 연구방법
2.1 ASCAT 해상풍 자료

ASCAT은 극궤도 위성(Metop-A/B: Meteorological Operational satellite)에 장착된 센서로, 유럽 우주기구(European Space Agency, ESA)에서 발사, 유럽기상위성개발기구(European Organisation for the Exploitaion of Meteorological Satellites, EUMETSAT)에서 운영하고 있다(Klaes et al., 2007).

ASCAT의 관측 방법 및 특성은 다음과 같다. 2개의 부채꼴 모양의 안테나를 이용하여 각각 550 km 범위 내에서 관측을 수행하며, 두 관측 범위는 위성 이동경로를 기준으로 각각 약 360 km 떨어져 있다. ASCAT의 안테나에서 5.255 GHz(C 밴드)의 장파가 방출(chirp) 되고, 다시 안테나에 의해 지표면에서 후방산란(backscatter)된 신호가 감지(de-chirping)된다(Figa-Saldaña et al., 2002). 이때 관측된 후방산란 값은 해수면에서의 풍향 및 풍속의 함수로서 해수면 거칠기(roughness)에 의해 설명될 수 있기 때문에, 후방산란 값을 수학적 모델(Geophysical Model Function, GMF)에 대입하면 관측 지점에서의 풍향 및 풍속을 계산해낼 수 있게 된다. ASCAT 자료는 중립 가정(equivalent neutral) 대기에서의 10 m 풍향 및 풍속의 물리적인 관측 정보를 제공하고 있으며, 산출 방법에 따라 25 km과 12.5 km 해상도의 자료가 제공된다(OSI SAF, 2016).

산란계를 이용한 해상풍을 관측하는 센서는 ASCAT 말고도 다양하게 존재(QuikSCAT, WindSAT, RapidScat 등)하고 있으나, 본 연구에서는 기상청에 의해 선별되고 그에 따라 전구 예보 모델에서 사용되고 있는 25 km 해상도의 ASCAT 자료만을 사용하였다.

최적의 ASCAT 자료만을 순환분석에서 사용하기 위해 사업단의 관측 자료 처리 시스템인 KPOP (KIAPS package for observation Processing, Kang et al., 2018)을 통해 ASCAT 관측을 전처리 하였다. ASCAT 자료를 처리하는 방법은 다른 선진 기관의 방법과 비교하여 유사하나 그 세부 처리 방법은 다음과 같다. 첫 번째로 BUFR (Binary Universal Form for the Representation of meteorological data) 형식으로 읽혀진 ASCAT 관측자료는 BUFR 내부에 포함된 품질 정보를 기준으로 과대 오차 검사 과정(Gross Quality Control)을 거치고, 두 번째로 편향 보정(Bias Correction)을 수행한다. 편향 보정은 이미 널리 알려진 중립 가정 대기의 풍속과 실제 풍속간의 차이(Verspeek et al., 2010)의 전구 평균 값을 ASCAT 자료의 관측 값에서 제거하는 방법을 사용한다. 품질 검사 과정(Quality Control)에서는 분석 시각과 관측 시각 차이, 육지 및 해빙의 존재 유무, 해수면 온도의 고려, 그리고 풍속 및 풍향에 대한 배경장과의 차이를 기준으로 관측자료를 걸러낸다. 이때 관측과 배경장 풍속이 6 m s−1 이상 차이 나거나, 풍향이 ± 90o 이상 차이가 나는 자료는 모두 제거하는 방법을 선택하였다. 마지막으로 솎아내기(Thinning) 과정에서는 품질 검사를 통과한 자료에 대해 전구 1o 간격의 격자 안에서 격자 중심에 가장 가까운 하나의 관측자료만 선택되게 하였고, 본 연구에서 사용한 ASCAT 관측자료의 오차는 U, V 모두 2 m s−1이다.

KPOP에서 처리가 끝난 관측 자료는 KIAPS-LETKF 시스템 동화에 활용되는데, 앞서 언급된 바와 같이 ASCAT 풍향 및 풍속 자료는 10-m U와 10-m V로 분해되어 2차원의 자료로 제공된다. 자료동화 시스템에서는 해당 자료를 모델 최하층이라 가정하고 동화에 활용하였다.

2.2 KIAPS-LETKF 시스템 및 모델

본 연구에 사용된 KIAPS-LETKF 시스템은 크게 세 가지 요소로 이루어져 있는데, 이는 앙상블 배경장 생성을 위한 앙상블 모델 예측, 자료동화의 입력 자료를 위한 관측 자료 전처리, 그리고 앙상블 배경장과 관측 자료를 활용한 앙상블 분석장 생성 이렇게 나눌 수 있다. 여기서 앙상블 배경장 생성을 위한 앙상블 모델 예측에는 사업단에서 개발 중인 KIM을 활용하였다. KIM은 육면체구(cubed sphere)기반의 비정규 격자 체계를 가지는 전구 예측 모형으로 모든 앙상블 멤버에 대해 이전 시각(tn−1) 앙상블 분석장으로부터 현재 시각(tn)을 포함한 9시간 예측을 수행한다. 이때 수평으로는 약 50 km 간격의 ne60np4 해상도, 연직으로는 약 0.3 hPa까지 50층으로 구성된 격자를 사용하였다. 이렇게 생성된 앙상블 배경장은 관측 연산자에 의해 공간 변환을 수행하는데, 이때 앙상블 배경장 처리를 위해 개발된 시스템인 KPOP-mini를 활용하였다. 해당 시스템은 KPOP과 동일하게 관측 연산자인 RTTOV (Radiative Transfer for TOVS), ROPP (Radio Occultation Processing Package) 등을 수행하여 앙상블 배경장의 공간이동과 내ㆍ외삽 과정을 수행하는데, 이러한 모든 과정을 앙상블 모든 멤버에 대해 수행할 수 있도록 구축된 시스템이다. KPOP에서 수행되는 ASCAT 관측 자료 전처리에 관한 자세한 설명은 앞서 2.1절에서 제시하였다. 그리고 KPOP을 통해 생산된 종별 관측 자료를 활용하여 6시간 동화 창(assimilation window)에서 앙상블 배경장과 관측 자료의 매 시간 정보를 반영하여 분석장을 생성한다. 이와 같은 과정이 유기적으로 연동되어 하나의 순환과정을 구성하여 매 6시간, 하루 4번 순환 분석을 수행하는데, 이때 사용한 앙상블 멤버는 50개이며, 자료동화 수행 시 분석 해상도는 모델 해상도와 동일하게 약 50 km이다.

본 연구에서 사용한 앙상블 자료동화 기법은 Hunt et al. (2007)Szunyogh et al. (2008)에 따라 영향반경 내의 국지관측을 기반으로 각 지점의 분석장을 계산하는데, 이때 공간 국지화 방안을 사용하게 된다. 본 시스템에 구현된 공간 국지화 방안은 연직, 수평 두 가지로 나뉘어진다. 먼저, 연직으로는 지점 기반 관측 자료인 종관 자료와 연직으로 대기 기둥의 정보를 제공하는 위성 자료의 국지화는 각기 다른 규모로 적용되어 있고, 수평 국지화 규모는 모든 관측에 동일하게 적용된다. Jo et al. (2015)Shin et al. (2016)에서는 수평으로 500 km 국지화 규모, 약 1800 km의 차단반경을 사용하였는데, 최근 GSI (Kleist and Ide, 2015)의 방법을 도입하여, 연직으로 고도화된 수평국지화 규모를 사용하고 있다. 따라서 본 연구에서는 고도에 따라 660~1800 km에 해당하는 차단반경을 사용하였다. KIAPS-LETKF 시스템에 관한 설명은 Jo et al. (2015)에 자세히 언급되어 있고, 현재 사용하고 있는 KIAPS-LETKF 시스템은 Jo et al. (2015)에서 사용하였던 버전과 비교했을 때, 앙상블 멤버를 충분히 많이 사용하지 못함에 따라 발생할 수 있는 filter divergence 발생을 막기 위한 덧셈 팽창 기법(additive inflation)이 추가되었고, 주요한 물리적 규모가 달라짐을 고려하여 연직적으로 수평 국지화 규모를 다르게 구성하였다. 또한 동화에 사용되는 위성 복사자료 동화의 추가로 분석장 성능을 향상시켰다.


3. 사례 선정 및 결과 분석
3.1 사례 선정 및 실험 개요

본 연구는 ASCAT 자료동화에 따른 분석장 성능의 변화를 확인하고자 해상풍 자료의 추가로 인한 성능변화의 확인이 용이한 태풍 사례를 선정하여 실험을 수행하였다. 실험은 전구 모형을 기반으로 하기에, 넓게는 자료의 추가로 인한 전구 대류권 하부 성능의 변화를 확인할 수 있을 것이고, 좁게는 북서태평양에서 생성되는 태풍모의의 성능 확인이 가능할 것이다. 특히 태풍의 경우에는 우리나라를 비롯해 동아시아 전반에 영향을 줄 수 있기 때문에 한반도 주변 분석장 성능에 미치는 영향을 확인할 수 있을 것으로 기대된다.

이에 따라 본 연구에서는 2016년 북서태평양에서 발달하였던 1호 태풍 네파탁(Nepartak)을 사례로 선정하였다. 태풍연구센터(http://www.typhoon.or.kr/) 에 의하면, 태풍 네파탁은 2016년 7월 3일경 저기압의 형태를 갖추고, 시간이 지남에 따라 점차 세력이 강해지면서 5일경 열대저기압에서 태풍으로 발달한 후 중심기압 900 hPa, 최대풍속 59 m s−1, 강도 5의 중형 태풍으로 성장하였으며, 이후 내륙에 진입하면서 소멸되었다. 해당 태풍 사례를 모의하기 위해 약 10일간의 spin-up 기간을 포함하여 2016년 6월 22일 1800 UTC부터 7월 10일 0000 UTC까지 적분을 수행하였다. 실험은 현재 연동된 모든 관측 종(sonde, aircraft, GPS-RO, AMV, AMSU-A, IASI, CrIs, MHS, ATMS, CSR)을 활용한 CTRL 실험과 CTRL에 ASCAT 관측종이 추가된 EXP 두 가지로 구성하였다.

3.2 전구 성능 분석

본 연구에서는 실측 자료를 활용한 태풍 모의 성능실험을 수행하였고, 분석에는 위ㆍ경도로 1o 간격의 ECMWF (European Centre for Medium-range Weather Forecasts) IFS (The Integrated Forecast System) 자료를 활용하였다.

먼저, ASCAT 자료를 추가로 동화함에 따른 전구 분석장의 성능 변화를 확인해 보았다. 연구에서 선택한 사례가 태풍 사례이고, 북서태평양 영역에 집중되어 있지만, ASCAT 자료는 전구 해상에 넓게 분포하고 있기 때문에, 전구 성능을 먼저 확인해 보기로 하였다.

Figure 1은 전구 분석장에 대한 IFS 대비 평균 오차를 연직 10~1000 hPa 고도 평균하여 시계열로 나타낸 결과이며, 검정 실선이 CTRL, 빨간 실선이 EXP에 해당한다. 적분 기간 중 초반 약 10일은 spin-up으로 간주하여 분석에서 제외하였다. 결과를 확인해 보면, 모델 최하층의 바람 관측 자료가 추가되었을 뿐인데, CTRL대비 EXP의 오차가 적분 기간 전반에서 줄어드는 것이 확인 가능하다. ASCAT 관측 자료가 U와 V로 제공되는 바람 변수이므로 바람장이 개선됨은 물론이고, 온도와 습도에도 긍정적 영향을 미쳤음이 확인되었다. 특히 온도와 습도의 경우에는 태풍 사례기간 동안 대류권 하부의 개선이 두드러지는 특성을 보였으며, 해당 태풍사례기간 동안 CTRL 대비 오차 개선도를 비율로 보면, 동서바람장과 남북 바람장은 각각 5%, 3%, 그리고 온도와 습도 변수는 3%, 2%의 개선이 확인되었다. 전구 평균 오차 개선도가 3% 내외로 나타난 것은 모델 성능을 평가할 때 무시할 수 없을 만한 변화라고 할 수 있겠다. 앞서 보았던 Fig. 1을 연직-시계열로 확인하여 실제 어떤 고도에서 분석장이 개선되었는지 확인해 보았다(Fig. 2). Figure 2는 CTRL과 EXP 오차의 차이를 나타낸 것으로, CTRL 대비 EXP 분석장 오차가 줄어들면, 양의 값으로 오차가 늘어나면 음의 값으로 나타난다. 따라서 붉은 색 계열이 CTRL 대비 EXP 분석장의 개선을 의미하는데, 바람장의 경우에는 분석 초반부터 대류권 하부 성능 개선이 뚜렷하였으며, 온도와 습도는 앞서 보았던 바와 같이 사례 기간 동안 태풍이 강하게 발달함에 따라 오차 개선이 두드러지는 특성을 보였다. 이러한 개선은 대류권 하부에서부터 300 hPa 상공까지 영향을 미치는데, 이는 이전 시각 분석장 하부 성능의 개선으로 앙상블 예측 수행 과정에서 대류권 상부까지 긍정적인 영향을 미침에 따라 분석장 오차가 줄어든 것으로 보인다. 전구 분석장 성능 분석결과에서 태풍 사례의 개선이 두드러진 것과 태풍 네파탁 모의 성능과의 관련성 확인을 위해 다음 절에서는 사례분석 대해서 좀 더 면밀히 확인해 보도록 하겠다.


Fig. 1. 
Time series of global mean RMS error of analyses for (a) zonal wind and (b) meridional wind, (c) temperature and (d) specific humidity. Black and red lines indicate RMS error of CTRL and EXP, respectively. The RMS error was calculated against IFS analysis over 10~1000 hPa.


Fig. 2. 
Temporal evolution of vertical profiles of horizontally averaged error reduction of EXP compared with CTRL. Here, red and blue indicate improvement and degradation of EXP, respectively.

3.3 사례 분석

네파탁은 2016년 북서태평양에서 발생한 첫 번째 태풍으로 2016년 7월 3일 오전에 미국 괌 남쪽에서 열대폭풍(tropical storm)으로 발생하여, 북서, 서북서진하며 서서히 발달하여 7월 6일 일본 오키나와 남쪽에서 중심기압 900 hPa, 최대풍속 59 m s−1, 강풍반경 440 km의 중형 태풍으로 최성기를 맞은 후, 7월 8일부터 세력이 약해지다가 대만에 상륙한 뒤 점차 소멸되었다(태풍연구센터, http://www.typhoon.or.kr/). 따라서 본 연구에서는 해당 사례 기간 중, 태풍이 가장 강하게 발달하였던 7월 6일 0000 UTC를 선택하여 분석을 수행하였다.

Figure 3은 해당 시각의 수평분포로, KIAPS-LETKF의 경우 앞서 밝힌 바와 같이 모델 하층 동화에 사용되는 관측 자료가 많지 않기 때문에, 모델 최하층의 불안정성을 고려해 850 hPa 고도를 선택하여 분석하였다. Figure 3은 850 hPa에서 습도장과 바람장에 해당하고, 여기서 빨간색 점으로 표기한 부분이 태풍연구센터에서 밝힌 최적 진로(best track)로 네파탁의 중심에 해당한다. 바람장의 흐름을 먼저 확인해 보면, CTRL의 경우 태풍의 중심 부근에서 전반적인 흐름이 북서진하는 것으로 확인되고, 습도장의 경우에도 태풍의 중심과 1~2도 가량 떨어진 곳에서 습윤한 양상이 확인되어 저기압성 흐름을 적절히 모의하지 못하고 있었음을 알 수 있다. 이에 반해, EXP는 바람장의 변화가 크지는 않지만 태풍을 중심으로 남쪽과 북쪽의 벡터가 서로 다른 방향을 향하고 있어 반시계방향의 저기압성 흐름이 확인되고, 습도의 흐름 역시 태풍의 중심과 유사하게 위치하는 것을 볼 수 있다. 그러나 이와 같은 흐름이 실제 태풍의 중심보다 남서쪽에서 확인되어 해당 고도의 유선을 확인해 보았다(Fig. 4). 그림에서 CTRL의 경우에는 Fig. 3에서 보았던 바와 같이 저기압성 와도가 적절하게 모의되지 못하고, EXP의 경우에 태풍의 중심과 위치 오차가 있기는 하지만, 저기압성 와도가 명백히 발달되었음을 확인할 수 있었다. 위치 오차의 경우, 태풍의 최적 진로는 해수면 기압을 기반으로 하는데, 본 연구에서 사용된 KIAPS-LETKF 시스템의 경우 지표면 기압이 동화 되지 않고, 이로 인해 모델 최하층 분석이 불가하여 850 hPa을 기반으로 분석하고 있어, 분석 고도 차이에 의한 위치 오차도 포함하고 있을 것으로 보인다. 하지만, 그럼에도 불구하고, 저기압성 와도의 생성은 ASCAT 관측 자료의 동화 추가로 인한 대류권 하부 분석장 성능 개선을 확인할 수 있는 결과라고 할 수 있다. 또한 태풍의 연직 구조를 비교하기 위하여, 최적 진로를 기반으로 태풍의 중심에 해당하는 130oE을 중심으로 동서바람장의 연직 분포를 태풍의 중심인 18.7oN로부터 대략 반경 5도 이내를 확인해 보면(Fig. 5, 빨간 실선으로 나타낸 영역에 해당), CTRL은 태풍을 중심으로 남ㆍ북 방향 모두 음의 값을 보여, 바람이 모두 동풍계열로 나타나, 저기압이 발달하지 못하였음을 보여준다. 그러나 EXP의 경우에는 태풍의 중심이 최적진로보다 약간 남쪽으로 치우쳐 있긴 하지만, 남ㆍ북 바람의 흐름이 서로 다른 방향을 향하고 있음을 알 수 있다. 이것은 태풍을 중심으로 CTRL에서는 남쪽에서 발달하지 못하였던 저기압성 흐름이 발달됨을 의미하고, 또한 이에 따라 바람이 보다 강해지고, 영향을 미치는 고도도 더욱 높아지는 것을 확인할 수 있다. 본 연구에서는 IFS 분석장을 참값이라 가정하여 분석을 수행하고 있는데, 실제 IFS 분석장을 확인해 본 결과 해당 시각 태풍의 위치를 정확하게 모의하였고, 연직으로 약 100 hPa까지 태풍이 성장하여, 동서바람장의 경우 반경 5도 이내에서 뚜렷한 풍향의 반전이 나타나고 있었다(제시하지 않음). 본 실험의 결과를 IFS와 비교했을 때 태풍 보다는 약한 저기압성 흐름을 보이고 있지만, CTRL과 비교했을 때 EXP의 분석장에서 나타난 변화는 매우 고무적이다.


Fig. 3. 
Horizontal fields of wind vector and humidity (shaded) at the level of 850 hPa. The left and right panels are CTRL and EXP, respectively. The analysis date is 0000 UTC 6 July 2016, and the red dot denotes best track of NEPARTAK (18.7oN, 130.1oE).


Fig. 4. 
Horizontal stream line of CTRL (left) and EXP (right) same as Fig. 3.


Fig. 5. 
Vertical cross section of zonal wind at 130oE. The gray line denotes the center of NEPARTAK, and red box represents the area within the radius of maximum winds.

또한 해당 시각의 관측 분포와 분석증분을 함께 살펴보면(Fig. 6), 먼저 관측 자료의 분포 위치가 태풍과는 어느 정도 거리가 있음을 알 수 있다. 하지만, 본 연구에서 사용한 KIAPS-LETKF 시스템은 격자점으로부터 수평, 연직으로 영향반경 내에 존재하는 관측에 대해 거리에 따른 가중함수를 적용하여 동화에 활용할 수 있도록 설계되어 있기 때문에, ASCAT 자료가 일정 거리까지 영향력을 미칠 수 있다. 따라서 CTRL에서 태풍 주변의 확인하기 어려웠던 분석증분을 EXP에서는 약하게나마 확인할 수 있다. 여기서 EXP의 경우 태풍의 북쪽에서 변화가 더 크게 나타나긴 하지만, Fig. 5에서 확인했던 바와 같이 CTRL의 경우 동서바람장이 태풍의 남쪽에서 서풍 계열의 바람이 거의 없거나 적은 반면, EXP 태풍 남쪽에서 서풍 계열의 바람이 CTRL 보다 강하게 발달하여 저기압성 흐름이 생성되었다. 태풍 북쪽에서 나타나는 강한 분석증분은 ASCAT 분포와 일치하여 직접적으로 나타난 분석증분이며, 태풍 남쪽에서 발달된 반시계 방향의 흐름은 태풍의 서쪽에 위치하고 있는 ASCAT 관측이 배경오차 공분산의 영향을 받아 태풍의 저기압성 회전을 모의한 것으로 보인다. Figure 7은 두 실험 분석증분의 차이에 해당하는데(EXP-CTRL) 앞선 결과와 동일한 저기압성 흐름이 태풍의 남서쪽에서 강하게 나타남을 알 수 있다.


Fig. 6. 
The left panel is horizontal distribution of ASCAT observations and the middle and right panels are analysis increments of CTRL and EXP, respectively. Shading and vector represent analysis increment of specific humidity and vector at 850 hPa.


Fig. 7. 
Difference of analysis increments of specific humidity (shading) and wind (vector) at 850 hPa between EXP and CTRL.

Figure 8은 IFS 대비 배경장의 오차와 분석장의 오차를 CTRL과 EXP에 대해 나타낸 결과로, 배경장의 성능에서부터 CTRL과 EXP의 차이가 확연히 나타남을 알 수 있다. 이는 이미 ASCAT 관측이 추가되어 15일 정도 사이클이 수행된 이후의 배경장에 해당하므로 ASCAT 관측 자료가 동화됨에 따라 하층 바람장과 습도장의 성능이 많이 개선된 상황임을 알 수 있다. 이러한 배경장의 차이는 습도장 보다 바람장에서 뚜렷하게 나타나고, 특히 태풍 주변에서 성능의 차이가 큰 것을 확인할 수 있다. 그리고 앞서 Fig. 6에서 보았던 바와 같이 자료동화에 의해 분석증분이 발생한 후, 분석장의 오차를 확인해 보면, CTRL에서는 오차가 줄어들기는 하였지만, 여전히 태풍 주변에서 오차가 확연하게 나타나는데, EXP의 경우에는 오차가 눈에 띄게 줄어드는 것이 확인된다. 이를 토대로 예보장 성능을 추가로 확인하였는데, 예보장에서 태풍의 예측 강도, track 그리고 분석장 대비 오차가 개선됨을 확인할 수 있었지만 크지 않은 차이를 보여 논문에는 제시하지 않았다.


Fig. 8. 
Background bias (left) and analysis bias (right) against IFS analysis for CTRL (top) and EXP (bottom), respectively. Shading and vector represent specific humidity and wind at 850 hPa.


4. 요약 및 토의

본 연구에서는 KIAPS-LETKF 앙상블 자료동화 시스템을 활용하여 태풍 모의 성능을 확인해 보았다. 연구에 사용된 자료동화 기법은 지역이나 대류규모 모의에 탁월하고 강수나 태풍 모의에 적합한 기법으로 알려져 있지만, 현재 KIAPS-LETKF 시스템은 대류권 하층 동화에 활용되는 관측 자료가 충분하지 않은 상황이다. 특히 종관 관측 자료의 하나인 지면 자료가 동화되지 않고 있어, 하층 분석장 성능의 신뢰성이 좋지 않을 것으로 예상되는 바이고, 이에 따라 최근 사업단에서는 KIAPS-LETKF 시스템에 지면 관측 자료 동화 실험을 진행 중이다.

본 연구에서는 대류권 하부에 위치하는 관측 자료의 하나인 scatwind 관측이 분석장 성능에 미치는 영향을 확인해 보았는데 scatwind 자료 중, 현재 KPOP에서 전처리하여 자료동화 시스템에 제공되는 자료는 ASCAT이 유일하기에 본 연구에서 수행된 실험 결과는 ASCAT 관측 자료가 분석장 성능에 미치는 영향으로 볼 수 있다.

실험은 2016년 북서태평양에서 발생하였던 태풍 네파탁 사례를 선정하여 spin-up 포함 약 20일간 적분을 수행하였다. 적분 초기부터 ASCAT 관측 자료 추가 동화로 인해 전구 바람장의 성능 개선을 확인할 수 있었고, 특히 태풍 사례 동안에는 바람장의 성능 개선은 물론이고, 온도와 습도의 오차도 확연히 줄어드는 것을 확인할 수 있었다. 모델 최하층에 2차원의 해상풍 관측 자료가 추가되었을 뿐인데, 전구 분석장의 성능이 대류권 전반에서 긍정적인 변화를 보여 대류권 하층에서 사용하는 관측 자료 동화의 중요성에 대해 다시 한 번 생각할 수 있는 기회가 되었다. 바람장 뿐 아니라, 온도와 습도의 긍정적인 변화는 결과적으로 모델 성능을 좌우하는 중요한 요인으로 작용할 것으로 보인다. 그러므로 ASCAT 자료동화는 태풍 사례와 같은 대류권 하부의 기상현상 뿐 아니라, 전구 성능에 영향을 미칠 수 있는 중요한 관측 자료라고 할 수 있겠다. 물론, 태풍 사례 분석에서 태풍과의 위치오차는 여전히 존재하지만, 태풍 주변 바람장의 변화로 인해 모의하지 못하였던 저기압성 와도를 모의하게 되면서, 분석장 오차가 눈에 띄게 줄어드는 것을 확인할 수 있었다. 따라서 현재 진행 중인 대류권 하부 관측 자료가 추가된다면, 앙상블 자료동화 시스템의 분석장 성능은 더욱 개선될 수 있을 것으로 보인다.


Acknowledgments

본 연구는 기상청의 지원을 받는 한국형수치예보모델개발사업단의 연구과제를 통해 수행되었습니다. 논문의 완성도를 위해 조언을 주셨던 심사위원님들 그리고 편집위원님께 감사드립니다.


References
1. de Chiara, G., P. Janssen, H. Hersbach, and N. Bormann, (2012), Assimilation of scatterometer winds at ECMWF, IWW11, Shinfield Park, Reading, UK, ECMWF, p1-14.
2. Figa-Saldaña, J., J. J. W. Wilson, E. Attema, R. Gelsthorpe, M R Drinkwater, and A. Stoffelen, (2002), The advanced scatterometer (ASCAT) on the meteorological operational (MetOp) platform: A follow on for European wind scatterometers, Can. J. Remote Sensing, 28, p404-412.
3. Hong, S.-Y., and Coauthors, (2018), The Korean Integrated Model (KIM) System for Global Weather Forecasting, Asia-Pac. J. Atmos. Sci, 54, p267-292.
4. Hunt, B. R., E. Kostelich, and I. Szunyogh, (2007), Efficient data assimilation for spatiotemporal chaos: A local ensemble transform Kalman filter, Physica D, 230, p112-126.
5. Jo, Y., J.-S. Kang, and H. Kwon, (2015), Optimization of Vertical Localization Scale for GPS-RO Data Assimilation within KIAPS-LETKF System, Atmosphere, 25, p529-541, (in Korean with English abstract).
6. Kang, J.-H., and Coauthors, (2018), Development of an observation processing package for data assimilation in KIAPS, Asia-Pac. J. Atmos. Sci, 54, p303-318.
7. Klaes, K., and Coauthors, (2007), An introduction to the EUMETSAT Polar System, Bull. Amer. Meteor. Soc, 88, p1085-1096.
8. Kleist, D. T., and K. Ide, (2015), An OSSE-based evaluation of hybrid variational-ensemble data assimilation for the NCEP GFS. Part I: System description and 3D-hybrid results, Mon. Wea. Rev, 143, p433-451.
9. OSI SAF, (2016), ASCAT Wind Product User Manual, SAF/OSI/CDOP/KNMI/TEC/MA/126, Version 1.14, p23.
10. Shin, S., J.-S. Kang, and Y. Jo, (2016), The local ensemble transform Kalman filter (LETKF) with a global NWP model on the cubed sphere, Pure Appl. Geophys, 173, p2555-2570.
11. Stoffelen, A., and D. Anderson, (1997), Ambiguity removal and assimilation of scatterometer data, Quart. J. Roy. Meteor. Soc, 123, p491-518.
12. Szunyogh, I., E. J. Kostelich, G. Gyarmati, E. Kalnay, B. R. Hunt, E. Ott, E. Satterfield, and J. A. Yorke, (2008), A Local Ensemble Transform Kalman Filter data assimilation system for the NCEP global model, Tellus A, 60, p113-130.
13. Verspeek, J., A. Stoffelen, M. Portabella, H. Bonekamp, C. Anderson, and J. F. Saldaña, (2010), Validation and Calibration of ASCAT Using CMOD5.n, IEEE Trans. Geosci. Remote Sens, 48, p386-395.
14. Yu, Y., W. Zhang, Z. Wu, X. Yang, X. Cao, and M. Zhu, (2015), Assimilation of HY-2A scatterometer sea surface wind data in a 3DVAR data assimilation system-A case study of Typhoon Bolaven, Front. Earth Sci, 9, p192-201.