The Korean Meteorological Society 1

Current Issue

Atmosphere - Vol. 29 , No. 2

[ Article ]
Atmosphere - Vol. 28, No. 4, pp.403-414
Abbreviation: Atmos
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 31 Dec 2018
Received 05 Oct 2018 Revised 05 Dec 2018 Accepted 22 Dec 2018
DOI: https://doi.org/10.14191/Atmos.2018.28.4.403

기상청 전지구예측시스템 자료에서의 2016~2017년 북반구 블로킹 예측성 분석
노준우1) ; 조형오2) ; 손석우2), * ; 백희정3) ; 부경온4) ; 이정경5)
1)서울대학교 기초과학연구원
2)서울대학교 지구환경과학부
3)기상청 수치모델링센터 수치자료응용과
4)기상청 수치모델링센터 수치모델개발과
5)서울대학교 해양연구소

Predictability of Northern Hemisphere Blocking in the KMA GDAPS during 2016~2017
Joon-Woo Roh1) ; Hyeong-Oh Cho2) ; Seok-Woo Son2), * ; Hee-Jeong Baek3) ; Kyung-On Boo4) ; Jung-Kyung Lee5)
1)The Research Institute of Basic Sciences, Seoul National University, Seoul, Korea
2)School of Earth and Environmental Sciences, Seoul National University, Seoul, Korea
3)Numerical Data Application Division, Numerical Modeling Center, Korea Meteorological Administration, Seoul, Korea
4)Numerical Model Development Division, Numerical Modeling Center, Korea Meteorological Administration, Seoul, Korea
5)Research Institute of Oceanography, Seoul National University, Seoul, Korea
Correspondence to : * Seok-Woo Son, School of Earth and Environmental Sciences, Seoul National University, 1 Gwanak-ro, Gwanak-gu, Seoul 08826, Korea. Phone: +82-2-880-8152, Fax: +82-2-883-4971 E-mail: seokwooson@snu.ac.kr

Funding Information ▼

Abstract

Predictability of Northern Hemisphere blocking in the Korea Meteorological Administration (KMA) Global Data Assimilation and Prediction System (GDAPS) is evaluated for the period of July 2016 to May 2017. Using the operational model output, blocking is defined by a meridional gradient reversal of 500-hPa geopotential height as Tibaldi-Molteni Index. Its predictability is quantified by computing the critical success index and bias score against ERA-Interim data. It turns out that Northwest Pacific blockings, among others, are reasonably well predicted with a forecast lead time of 2~3 days. The highest prediction skill is found in spring with 3.5 lead days, whereas the lowest prediction skill is observed in autumn with 2.25 lead days. Although further analyses are needed with longer dataset, this result suggests that Northern Hemisphere blocking is not well predicted in the operational weather prediction model beyond a short-term weather prediction limit. In the spring, summer, and autumn periods, there was a tendency to overestimate the Western North Pacific blocking.


Keywords: Blocking, predictability, KMA GDAPS, Tibaldi-Molteni Index

1. 서 론

블로킹(blocking)은 대기에서 정체, 준 정체하는 종관규모 또는 대규모 대기 구조의 기상현상이다. 수 일에서 수 주 동안 그 영향권에 들어 있는 지역의 대기흐름을 정체 또는 지연시킴으로써 지속적인 강수, 지속적인 맑은 날씨와 같은 유사한 날씨가 장시간 이어지는 원인이 될 수 있기 때문에 기상학 및 일기예보 측면에서 매우 중요하다. 블로킹이 발생하게 되면, 기압능과 기압골이 번갈아 지나는 파동 운동이 일반적인 흐름을 벗어나 장시간 정체하게 된다. 이렇게 블로킹으로 인해 중위도 편서풍대에서 상층의 고기압 또는 저기압이 정체하게 되어 동서 방향 바람이 약화되고 남북 방향 바람이 강화된다. 이렇게 정체하는 대기의 구조는 동서방향 성분이 주요한 중위도 제트가 잘 흐르지 못하고 남북방향으로 사행이 커지게 되었을 때 심화되므로, 이동성 일기계의 정상적인 이동을 막거나 다른 방향으로 움직이도록 경로 변화에 영향을 준다. 블로킹은 대기 흐름의 강한 비선형성이 주원인으로 작용하기 때문에, 발생, 성장, 소멸 기작의 예측이 어려워서 중기 및 장기 예보의 어려움을 크게 가중시킨다. 또한 사회경제적으로 큰 영향을 줄 수 있는 위험 기상과 블로킹이 밀접하게 관련되어 있으므로(Galarneau et al., 2012), 이를 잘 예측하는 것은 일기예보의 예측성 향상뿐만 아니라 방재의 측면에서도 매우 중요하다. 우리나라도 인접한 북태평양과 우랄 블로킹의 영향으로 인해 폭염, 집중호우, 한파와 같은 위험 기상 현상이 발생할 수 있기 때문에, 블로킹 예측성 연구의 중요성은 매우 높다.

블로킹이 대기 현상에 미치는 영향에 관하여 여러 연구들이 수행되어 왔다. Rex (1950a)는 블로킹이 빈번하게 발생하는 지역의 블로킹 112개 사례를 정량 및 정성적 분석하여 지역적인 강수와 지상 기온 등에 끼치는 영향을 보였으며, 기상현상뿐만 아니라 유럽, 특히 스칸디나비아의 빙하에 대한 기후 경향성 징후를 논의하기도 하였다. Treidl et al. (1981)은 보다 객관적인 기준을 적용하여 1945~1977년 기간, 북반구에서 관측된 블로킹 현상을 주관적인 평가와 통계적 분석을 통해 계절적이고 다소 장기적인 블로킹 경향성에 대한 새로운 결과를 보여줬다. Brezowsky et al.(1951)은 유럽 대규모 기상 유형 요람(Catalogue of European Large-Scale Weather Patterns (1881~1950)) 개정판을 토대로 유럽지역 블로킹 고기압 빈도의 연변동성 등을 다루었다. Sumner (1954)는 블로킹 현상의 다양한 해석에 대해 상층 제트 분기점과 관련된 평균적인 동서 방향 기류의 국지적인 감소, 지속성, 시간에 따른 서쪽으로의 변위를 주요 측면으로 정리하였다. 블로킹은 특정 지역에서 빈번하게 나타나는 것으로 알려져 있는데(Hamill and Kiladis, 2014), 특히 북반구에서는 동태평양과 대서양에서 대규모 블로킹 현상이 빈번하게 발생하여 주변 지역에 영향을 끼친다. 이처럼 블로킹 현상은 단기 예보와 중기 예보에 큰 영향을 끼치며, 특히 중기 규모 기상 예측에 있어서 매우 주요한 기상 요소이다.

실제 북반구 블로킹 현상에 대하여 각 기관들의 기상예측 모델의 예측성 평가와 관련된 연구들이 다양하게 수행되어 왔다. Kimoto et al. (1992)는 1988~1989년 겨울에 대하여, 일본 기상청(Japan Meteorological Agency; JMA)의 전구 분광 모델(general spectral model)기반 현업 중기 규모 예측 체계 기술의 시간적 변동성을 조사함에 있어서 북반구 중위도 블로킹 예측성에 대하여 논하였다. D’Andrea et al. (1998)은 AMIP (Atmospheric Model Intercomparison Project)의 일환으로 북반구 중위도 블로킹 수치 모의 예측 성능을 진단하고 비교하기 위하여 15개의 대규모 순환 모델(general circulation model)의 모의 결과를 분석하였다. 1979~1988년 기간에 월평균 SST 자료를 처방하여 수치 모델 결과의 블로킹 빈도와 지속 시간을 모의하기도 했다. 모델의 블로킹 예측 평가 결과, 모델의 블로킹 예측은 과소 모의 경향이 있었다(기 연구에서는 유로-대서양(Euro-Atlantic) 영역을 26.25oW-41.25oE로, 태평양 영역을 116.25oE-213.75oW 로 정의함). Watson and Colucci (2002)은 1995~1998년 기간에 대하여 미 국립 환경 예측 센터(National Centers for Environmental Prediction; NCEP) 전구 분광 모델 자료를 이용하여 북반구 겨울철 블로킹 특성을 연구하였다. 특히, Mauritsen and Källén (2004)은 유럽 중기예보 센터(European Centre for Medium-Range Weather Forecasts; ECMWF) 고해상도 앙상블 예측 시스템을 이용하여 블로킹 현상의 예측성 조사에 있어서, 블로킹이 대규모 비선형 현상이라는 점(Charney and DeVore, 1979)을 고려하여 비교 분석을 수행하였다. 일반적인 수치모델에서는 블로킹 발생 빈도를 과소 모의한다. Jung et al. (2012) 연구에서는 프로젝트의 일환으로 ECMWF의 T159 (126 km), T511 (39 km), T1279 (16 km), T2047 (10 km) 전구 모델의 수평 해상도 민감도 실험을 수행한 결과 해상도가 높아질수록 수치 모델의 버전 향상이 있을수록, 북반구 아한대 겨울철(boreal winter) 기간에 중위도에서의 유럽-대서양 블로킹 발생 빈도의 모의 성능 향상이 있음을 보였다. Hamill and Kiladis (2014)은 1985~2012년 12월에서 2월 기간에 대한 NCEP 전구 앙상블 예측 시스템 기반의 북반구 블로킹 예측 특성을 분석하였다. 앙상블 예측에서는 유럽-대서양(Euro-Atlantic) 부분에서 길게 지속되는 블로킹 빈도를 과소 모의하였고, 실제 블로킹 예측 기술은 훨씬 작았음을 보였다. 또한 블로킹 시작과 중단 예측은 전체 블로킹 빈도 예측 보다 성능이 낮았으며, 예측 시간이 증가함에 따라 확률적인 블로킹 예측의 신뢰성이 크게 떨어지는 것으로 나타났다.

이러한 선행 연구들에서의 전지구 수치예측모델에 대한 북반구 블로킹 예측성 평가의 연구 수행 방법들을 기반으로, 본 연구에서는 한반도 지역의 현업 기상 예측 모델인 기상청 전지구예측시스템(Global Data Assimilation and Prediction System; GDAPS)에 대한 북반구 블로킹 예측성을 평가하는 실험을 수행하고 그 특성을 살펴본다. 2장에서는 본 연구에서 사용한 모델예측자료 및 재분석자료에 대한 간단한 소개와 블로킹을 정의하는 지수를 설명하고, 3장에서는 연구결과를 제시한다. 마지막으로 요약과 결론을 4장에 기술하였다.


2. 자료 및 방법

기상청 전지구예측시스템은 기상청 수치모델링센터에서 중기 규모 기상 예측을 목적으로 현업 운영을 하고 있으며 현재 기상청 슈퍼컴퓨터 4호기에 구축되어 있다. 기상청 전지구예측시스템은 UM (Unified Model)을 기반으로 한다. UM 또는 통합 모델로 불리우는 이유는 기상청의 현업 수치예측모델, 계절예보모델, 기후 모델 등 여러 수치모델들의 기능을 하나의 구조 안에서 조합하고 있기 때문으로 알려져 있다. UM은 영국 기상청에서 수치예측시스템으로 개발, 사용되어 오던 모델을 도입하여 우리나라에 맞게 개선시켜가고 있다. 17 km 수평 해상도의 기상청 전지구예측시스템 자료를 기반으로 2016년 7월부터 2017년 5월 기간에 대한 북반구 블로킹 예측성 분석을 수행하였다.

블로킹은 목적에 따라 다른 변수를 사용하여 시공간적으로 다양하게 정의될 수 있다. 블로킹은 대기 하층 뿐만 아니라 중층 및 상층 대류권에 영향을 끼치기 때문에 지면 종관 일기 분석 기반만으로는 적절히 정의하기 어렵다(Treidl et al., 1981). 블로킹 현상에 대해 단일 정의를 보편적으로 내리기 어려움에도 불구하고, 시공간적으로 500 hPa 층의 지위고도와 밀접한 관련이 있음이 널리 받아들여지고 있다. 블로킹의 정의는 정성적이고 주관적으로 정의하는 초창기 방법들(Elliott and Smith, 1949; Rex, 1950a, b; Austin, 1980)에서 점차 객관적 지수 형태로 정의되어 왔다(e.g. Lejenäs and økland, 1983; Dole, 1986; Tibaldi and Molteni, 1990; Liu, 1994). 본 연구에서는 재분석자료와 모델에 적용하기 쉽기 때문에 블로킹 연구에 널리 이용되는 Tibaldi-Molteni (TM) 지수(Tibaldi and Molteni, 1990)를 이용하여 블로킹을 정의 하였다. 북반구 블로킹은 TM 지수에 따른 블로킹을 적용했을 때, 겨울철 경우 2%에서 22% 정도의 발생 빈도가 있는 것으로 알려져 있다. TM 지수는 500 hPa 층의 지위고도에 대한 남북방향 경도의 역전 정도를 판별하여 블로킹을 정의하여 경도에 따른 1차원 결과 값을 산출한다. TM 지수는 다음과 같이 기술된다.

GHGS=Zϕ0-Zϕsϕ0-ϕs                       GHGN=ZϕN-Zϕ0ϕN-ϕ0                     ϕs=45°N+                                        ϕ0=60°N+                                        ϕN=75°N+                                       where =-5.0°,-2.5°,0°,2.5°,5.0°

위 식과 같이 북위 60o를 기준으로 남쪽과의 지위고도차이가 0보다 크고 북쪽과의 지위고도 차이가 −10 m/deg[o] lat. 보다 작으면 블로킹으로 판별하게 된다. 또한 위도 차이(Δ)를 −5.0o부터 5.0o까지, 0.25o 간격으로 바꾸어 가며 계산하여 각 경도에서 블로킹의 발생여부를 분석하였다.

위와 같이 정의된 TM 지수를 기반으로, 기상청 전지구예측시스템 자료에서 예측하는 블로킹과 기준자료로 사용된 ERA-Interim 재분석자료(Dee et al., 2011)에서 나타나는 블로킹을 비교 분석하였다. 기상청 전지구예측시스템이 높은 수평해상도로 예측하는 장점을 고려하여, 기준 자료 또한 ERA-Interim에서 제공하는 높은 수평해상도(0.25o × 0.25o) 자료를 사용하여 분석하였다. 동등한 비교를 위하여 기상청 전지구예측시스템의 예측 결과도 0.25o × 0.25o의 수평해상도로 선형내삽하여 분석에 이용하였다.

기상청 전지구예측시스템의 블로킹 예측 성능을 평가 기법으로, 본 연구에서는 Critical Success Index (CSI; Schaefer, 1990), Bias Score (BIA)를 사용하였다. 임의의 경도 대에서 기상청 전지구예측시스템과 재분석자료 모두에서 블로킹이 발생했다면 ‘hit’, 재분석자료만 블로킹 현상이 나타나고 기상청 전지구예측시스템 결과에서는 블로킹 현상이 나타나지 않았다면 ‘miss’, 재분석자료는 블로킹이 나타나지 않았는데 기상청 전지구예측시스템 예측결과에서는 블로킹이 나타났다면 ‘false’로 정의하여 CSI와 BIA를 산출한다. 두 평가 기법의 식은 다음과 같다.

Critical Success Index=hithit+miss+falseBias Score=hit+falsehit+miss                                      

CSI는 0에서 1까지 값의 범위를 가지며 모델 예측 결과가 재분석자료에 비해 블로킹을 얼마나 정확하게 예측하는지를 보여준다. 완벽하게 예측을 했다면 CSI는 1이며 값이 작아질수록 예측 성능이 낮음을 의미한다. 본 연구에서는 모델이 초기장을 이용하여 적분한 결과의 CSI 값이 0.7 이상으로 유지되는 기간을 예측성이 있는 기간으로 정의하여 사용하였다. CSI 값이 0.7보다 높다는 것은 발생하는 블로킹을 예측에서 적절하게 잘 예보한 경우가 블로킹을 잘 예보하지 못한 경우(블로킹이 실제로 발생했지만 예보하지 못하거나 블로킹이 발생하지 않는데 발생하는 것으로 잘못 예보한 경우)의 합보다 2.33배 이상인 것을 의미한다. 즉 CSI 0.7이라는 값의 지점이 예측의 여부를 정확하게 판가름 하는 것 보다는, 실제 발생한 현상에 대한 예측 수준이 매우 높은 것을 의미한다. BIA는 0 부터 무한대 값을 가지며, 모델 예측 결과가 재분석자료에 비해 블로킹을 과소 또는 과다 모의하는 정도를 보여준다. BIA가 1보다 작은 경우는 모델 예측 자료가 재분석자료에 비해 블로킹을 과소 모의함을 나타내고, 1보다 큰 경우에는 모델 예측 자료가 과다 모의함을 나타낸다.


3. 결 과

TM 지수에 의해 산출된 블로킹 사례들이 대기 구조에 어떻게 반영되는지 보기 위하여 2017년 2월 초순에 발생했던 북태평양 블로킹에 대한 사례 실험을 수행하였다. Figure 1은 재분석자료에서 TM 지수를 이용하여 블로킹이 산출된 2017년 2월 6일 0000 UTC부터 11일 0000 UTC 기간에 대하여 500 hPa 지위고도장을 나타낸 것이다. 5400 gpm 지위고도 선(붉은색)을 기준으로 1일 간격 대기 구조를 살펴보면, 2월 6일 시간에 위도 약 40oN-80oN 지역을 중심으로 볼 때, 베링해(Bering Sea)와 알라스카(Alaska), 척치해(Chukchi Sea)까지 폭넓게 고기압성 기압능 패턴이 있음을 확인할 수 있다. 이는 더 높은 지위고도 값이 더 높은 위도에 형성되는 기압능 패턴을 TM 지수가 잘 정의하며, 이러한 블로킹이 2월 7일의 지위고도 패턴과 같이 기압계 이동이 거의 없는 준정체성 대기 구조를 형성함을 보여준다. 이는 일반적으로 위도 30oN-40oN 지역의 기압능과 기압골이 동진하는 것과 뚜렷한 차이를 보인다. 2월 8일에, 전반적인 기압계의 구조는 변화가 있으나 위도 60oN 부근의 러시아 대륙 동쪽 및 베링해와 알라스카 서쪽 연안에 위치하는 각각의 기압능들은 여전히 준 정체하는 구조를 보인다. 2월 9일에는 베링해에 위치한 기압능 세력이 다소 약화된 구조를 보여주고 러시아 동쪽지역의 기압능은 블로킹 세력을 유지한다. 2월 10일과 11일은 베링해와 알라스카 서쪽의 연안의 블로킹 패턴은 점차 해소되었지만, 러시아 동쪽의 블로킹은 지속되었다. 이 기간 동안 중위도 및 고위도 지역의 대기 파동은 서쪽에서 동쪽으로 전파되는 일반적인 진행을 하지 못하고 정체한 것을 볼 수 있다. 본 사례에서는 블로킹 구조로 인하여 대기의 흐름이 준정체하는 현상과 일부의 블로킹 고기압이 오히려 서쪽으로 이동함을 확인할 수 있다(Sumner, 1954).


Fig. 1. 
500-hPa geopotential height fields from 2017020600 UTC to 2017021100 UTC. Red color curves indicate 5400 gpm.

Figure 2는 재분석자료에서 2017년 2월 2일부터 2월 14일의 기간에 TM 지수에서 탐지된 블로킹을 보여준다. Figure 1에서 나타난 북태평양 블로킹 영역(120oE-120oW)의 시공간적 변화가 TM 지수 기반으로 탐지된 블로킹과 유사한 패턴으로 나타남을 확인할 수 있다. 2월 7일, 8일에 동서 방향으로 폭넓은 형성된 블로킹 패턴이 TM 지수 기반의 블로킹 분포와 잘 상응하며, 10일과 11일에 알라스카 서쪽 연안의 블로킹이 점차 약화되는 대기 구조와도 잘 상응한다. 10일과 11일 기간에 블로킹 세력의 서쪽으로의 변위 또한 TM 지수 기반의 블로킹 분포와 잘 맞게 나타난다.


Fig. 2. 
Hovmöller diagram of blocking occurrence distribution in Northern Hemisphere from 2017020200 UTC to 2017021400 UTC. Red color shading indicate the distribution of blocking based on TM index.

Figure 1의 실험과 같은 사례 기간에 대해서 기상청 전지구예측시스템의 예측 기간에 대한 블로킹 모의 성능을 보기 위하여 기상청 전지구예측시스템의 5일 예측 기간에 대한 초기장 시간 민감도 실험을 수행하였다(Fig. 3). 예측 성능 평가를 위하여 ERA-Interim 재분석자료에서 나타나는 TM 지수 기반의 블로킹을 비교 분석하였다. 기상청 전지구예측시스템의 초기장이 2월 6일 0000 UTC 일 때 예측 결과의 블로킹 패턴은 재분석자료와 거의 유사한 블로킹 패턴을 보여주며, 예측 시간이 길어질수록 재분석자료의 블로킹 패턴과 차이를 보였다(Figs. 3b-g). 이보다 1일 이전 예측 시간 즉 2월 5일 0000 UTC를 초기장으로 한 예측 결과에서는, 북태평양 블로킹의 경우 예측 시간 약 4일까지 재분석자료와 유사한 블로킹 패턴을 보였으며, 그에 비해 유럽지역 블로킹은 예측 시간 약 2일 이후부터 재분석장 자료의 블로킹 패턴과 뚜렷한 차이를 보였다(Fig. 3c). 기상청 전지구예측시스템의 초기장 시간 민감도 실험에서 예측 시간이 길어질수록, 재분석장의 블로킹 패턴과 비교해 볼 때, 블로킹 패턴의 편차가 점차 증가하는 것을 볼 수 있다.


Fig. 3. 
Blocking distributions computed from ECMWF reanalysis data (shading in Fig. 3a and black lines in Figs. 3b to 3g) and KMA GDAPS initialized at differenct times from 2017020600 UTC to 2017021100 UTC (red shadings in Figs. 3b to 3g).

Figure 4Fig. 3의 블로킹 사례에 대해서 기상청 전지구예측시스템의 북태평양지역(120oE-120oW 영역구간) 블로킹 예측 성능을, CSI를 기반으로 평가한 결과이다. 2월 1일 0000 UTC를 초기장(보라색)으로 한 예측 결과부터 2월 6일 0000 UTC를 초기장(붉은색)으로 한 예측 결과의 2월 6일 0000 UTC부터 2월 10일 0000 UTC 기간에 대한, 동서방향 평균한 북태평양 블로킹 분포 결과의 CSI를 나타낸다. CSI 값이 0.7 이상으로 유지되는 기간을 성공적으로 예측했다고 보았을 때, 4일 전의 초기장(2월 2일 0000 UTC에 모델수행 시작)을 사용하여 적분한 예측 결과가 2월 6일부터 약 2일의 예측성을 보인다. 3일 전 초기장(2월 3일 0000 UTC에 모델 수행 시작)을 사용하여 적분한 예측 결과는 약 4일의 블로킹 예측성을 확인할 수 있다. 초기장 시간 민감도 실험 결과에 대한, 모델 예측결과의 블로킹 분포와 재분석자료의 블로킹 분포 간의 공간적 차이(Fig. 3)와 북태평양 지역에 대한 남북방향 평균한 블로킹의 CSI 검증 결과(Fig. 4)를 비교해 볼 때, 매우 상응하는 결과임을 확인할 수 있다. 이와 같은 사례분석실험을 통해, 목표 지역의 블로킹 예측 수준에 대한 수치예측모델의 정량적 예측 성능 평가가 타당한 것임을 확인하였다. 현업 수치예측모델의 예측성 평가에서 특정 사례에 대한 예측성 수준을 평가하는 것도 중요하지만, 장기간(계절 시간규모)에 대한 정량적인 예측 성능을 산출함으로써 해당 수치예측모델의 계통적 오차 수준과 경향 등을 제공할 수 있다. 따라서 앞서 서술된 일부 사례에 대한 예측성 평가에서 더 나아가, 현재 기 확보된 기상청 전지구예측시스템 예측 결과를 이용하여 계절별로 블로킹 예측 성능 검증 실험을 수행하였다.


Fig. 4. 
CSI values of forecated blocking over 120oE-120oW in KMA GDAPS for different times: 0000 UTC 1 (violet line), 0000 UTC 2 (blue line), 0000 UTC 3 (green line), 0000 UTC 4 (yellow line), 0000 UTC 5 (orange line), and 0000 UTC 6 (red line) February.

앞서 특정 사례 기간에 대한 블로킹 공간 분포와 예측 시간에 대한 목표 지역 블로킹 예측 성능 평가 방법론을 기반으로 계절에 따른 기상청 전지구예측시스템의 블로킹 예측성 평가를 수행하였다. 실험 기간은 2016년 여름철(7, 8월 기간), 2016년 가을철(9, 10, 11월 기간), 겨울철(2016년 12월, 2017년 1, 2월 기간), 2017년 봄철(3, 4, 5월 기간)이다. 블로킹 현상 생애주기와 기상청 전지구예측시스템의 예측 시간을 고려하여 10일 예측 시간까지 계절별 블로킹 예측 성능을 조사하였다.

Figure 5에 나타난 2016년 여름철에 대한 기상청 전지구예측시스템의 블로킹 예측성을 살펴보면, 먼저 경도(가로축)에 따라 예측성 편차가 크게 나타남을 확인할 수 있다. CSI 0.7 이상의 예측 수준(Fig. 5a의 주황색 영역 사이 검은색 굵은 선 참조)을 기준으로, 약 30oW에서 90oE 사이에서 약 4일 정도의 예측성을 가짐을 확인할 수 있다. 약 100-140oE 부근에서는 약 2일 수준의 다소 낮은 예측성을 보였으나, 140oE-150oW(210oE) 부근에서 약 4일 이상의 예측성을 보였다. 그림에서 흰색 영역 부분은 분석기간동안 재분석자료와 기상청 전지구예측시스템 모두에서 블로킹이 발생하지 않은 지역을 나타낸다. Figure 5b에는 우리나라 지역을 포함하고 우리나라 기상현상에 크게 영향을 미치는 북서태평양 영역(120oE-180oE 구간)에 대한 블로킹의 CSI를 평균하여 나타내었다. 북서태평양 영역의 기상청 전지구예측시스템 블로킹 예측 성능은 약 3일의 예측 시간을 보였다. 블로킹 편차를 확인할 수 있는 BIA 검증에서는 약 0oE-50oE 영역에서 모델 예측 블로킹이 예측 시간 약 3일 이후부터 과다 모의하며, 아시아 일부 내륙 영역(70oE-120oE)부터 북태평양 영역(120oE-120oW)에서는 2~3일 이후부터 블로킹을 과소 모의하며 일부 구간(120oE-150oE)에서는 5일 이후 과다 모의를 하는 것으로 나타났다(Fig. 5c). 대서양 동쪽에서 유럽 서쪽 지역(30oW-0o)에서는 예측 초기부터 일관되게 블로킹을 과다 모의를 하였으며 예측 시간 약 4~7일에 상대적으로 높은 과다 모의 결과를 보였다. 북서태평양 영역에 대한 모델 예측 블로킹의 BIA는 예측 시간 약 4일까지 1에 가까운 값을 나타냈다가 이후 과다 모의를 하였다가 그 정도가 감소하는 특성을 보였다. CSI와 BIA를 동시에 고려해보면, 모델이 4일 전 초기장 결과까지는 블로킹 위치와 크기 모두 잘 예측한다. 이후 예측 시간에서는 블로킹 위치 예측 성능에 비해 블로킹 크기 예측 성능이 더 좋다.


Fig. 5. 
(a) Distribution of CSI for forecasted blocking from KMA GDAPS (longitude on the x-axis and lead times [day] on the y-axis), (b) mean CSI of forecasted blocking from KMA GDAPS over the Western North Pacific (120oE-180oE) (lead times [day] on the x-axis), (c) distribution of BIA for forecasted blocking from KMA GDAPS (longitude on x-axis and lead times [day] on y-axis), and (d) mean BIA of forecasted blocking from KMA GDAPS over the Western North Pacific (lead times on the x-axis) in July and August 2016.

Figure 6Fig. 5의 결과를 2016년 가을철 기간에 대해 나타낸 결과이다. CSI를 이용한 예측성 평가결과, 아시아 일부 지역과 태평양, 대서양 영역(약 90oE-30oW)에서는 약 2일 정도로 낮은 예측성이 나타났다. 반면에 북미지역(120oW-90oW) 부근에서는 약 5일 정도의 높은 블로킹 예측성을 보였으며, 대서양 및 유럽, 아시아 일부 영역(약 30oW-90oE)에서는 약 4일 정도의 예측성이 나타났다(Fig. 6a). 한반도에 영향을 크게 미치는 북서태평양 지역의 CSI를 평균한 결과, 예측성은 약 2.25일로 나타났다(Fig. 6b). BIA는 북서태평양 지역(120oE-180oE)과 대서양 일부 지역(60oW-30oW)에서 예측 시간 약 1~2일 이후 블로킹을 과다 모의하는 것으로 나타났고, 동아시아 일부 지역(60oE-120oE)에서는 블로킹을 과소 모의하는 것으로 나타났다(Fig. 6c). 이는 여름철에 비하여 예측 시간이 길어질수록 지역에 따라 과다 또는 과소 모의하는 정도가 커지는 결과이다. 북서태평양지역의 BIA 검증 결과(Fig. 6d)는, 예측 시간 2.5일 이후 급격하게 증가하여 기상청 전지구예측시스템이 이 지역의 블로킹을 과다 모의한다는 것을 보여준다.


Fig. 6. 
Same to ‘Fig. 5’ except for September, October, and November 2016.

겨울철인 2016년 12월, 2017년 1월, 2월 기간에 대하여 기상청 전지구예측시스템의 블로킹 예측성 실험을 Figs. 5, 6과 같은 방법으로 수행하였다(Fig. 7). CSI 값을 기준으로, 동북아시아 지역(약 90oE-120oE), 북미와 대서양 동쪽 지역(약 120oW-60oW)에서 예측성이 약 0~2일 정도로 낮게 나타났고, 그 외 지역은 전반적으로 약 4일 정도의 예측성을 보였다(Fig. 7a). 북서태평양 지역에서의 CSI 기반 평균 블로킹 예측성은 약 3일로 나타났다(Fig. 7b). 다른 계절의 블로킹 예측 결과에 비하여 예측 시간에 대한 예측 수준 감소 기울기가 상대적으로 완만하게 나타나는 특징을 보였다(Fig. 7b). BIA는 다른 계절에 비하여 뚜렷한 차이를 보였는데, CSI 예측성 검증에서 상대적으로 낮은 예측 성능을 보여준 동북아시아 지역과 북미-대서양 동쪽 지역에서 예측 시간에 따라 블로킹을 과소 모의하다가 과다 모의를 하거나, 과다 모의를 하다가 과소 모의를 하는 특성을 보였다(Fig. 7c). 북서태평양 지역의 BIA는 예측 시간이 길어질수록 1보다 낮아지는 완만한 감소 추세를 보였다(Fig. 7d).


Fig. 7. 
Same to ‘Fig. 5’ except for December 2016, January 2017, and February 2017.

기상청 전지구예측시스템의 2017년 봄철 기간(3, 4, 5월)에 대한 블로킹 예측성 실험 결과는, 대서양 지역(약 60oW-0oW)과 태평양 일부 지역(약 150oE-150oW)에서, 약 4일 동안 0.7 이상 CSI 값이 나타났다. 그 외 지역에서는 0~2일 정도의 다소 낮은 예측성을 보였으며 지역별로 블로킹 예측 수준의 차이가 컸다(Fig. 8a). 북서태평양 지역에서의 CSI는 3.5일의 상대적으로 높은 예측성을 보였다(Fig. 8b). 이는 우리나라 지역에 영향을 많이 끼치는 북서태평양 지역 블로킹 예측에 있어서, 다른 계절 시기에 비해 가장 높은 예측성능이다. CSI 기반 블로킹 예측성이 높게 나타난 지역은 BIA가 1에 가까웠지만 동아시아 일부 지역(약 90oE-150oE)이나 북미 지역(약 150oW-90oW)에서는 상대적으로 강한 블로킹 과다 모의가 있었다. 또한 유럽에서 서아시아 일부 지역(약 0oE-90oE)에서는 블로킹을 과소 모의하다가 예측 시간 약 8~9일부터 과다 모의하는 경향을 나타냈다(Fig. 8c). 북서태평양 지역의 BIA는 예측 시간 4일까지는 1.1~1.2로 완만히 증가하는, 시간에 따라 모델이 블로킹을 과다 모의하는 경향을 보이다가, 7~10일 동안에는 1.2~1.0으로 완만히 감소하여 모델의 블로킹 과다 모의가 감소하는 경향을 나타냈다(Fig. 8d). 북서태평양 지역의 BIA에서도 거의 모든 예측 시간에 대하여 BIA가 1보다 크게 나타나 기상청 전지구예측시스템이 봄철 블로킹을 과다 모의하는 경향이 있음을 보였다.


Fig. 8. 
Same to ‘Fig. 5’ except for March, April, and May 2017.

전구예측시스템 예측결과에서 북태평양의 블로킹 예측성이 계절에 따라 차이를 보이는 원인을 설명하기 위하여 재분석자료 기반, 북태평양에서 평균된 TM 지수를 계절별로 조사하였다(Table 1). 북태평양에서 평균된 TM 지수는 2016년 가을철에 0.056로 가장 낮았으며, 2017년 봄철에 0.271로 가장 높게 나타났다. 위 수치는 특정 시간 단계에서 북태평양에서 나타나는 평균적인 TM 지수로서, 북태평양 영역에서 블로킹이 구조화되어 나타나는지를 의미한다. 2016년 가을철은 다른 계절에 비하여 북태평양의 블로킹 예측성이 낮게 나타났는데, 이는 블로킹이 다른 계절에 비하여 훨씬 작게 발생함으로써 예측성 평가 지수인 CSI 분자의 크기가 제한되기 때문으로 해석할 수 있다. 따라서 계절에 따른 블로킹의 예측성 차이는 모델의 계절성뿐만 아니라 현상의 계절적 특성에 따라 다르게 나타날 수 있다.

Table 1. 
Averaged TM index over the Western North Pacific for the period in summer (July~August 2016), Autumn (Sep~Nov 2016), Winter (Dec 2016~Feb 2017), and Spring (Mar~May 2017).
Periods Summer Autumn Winter Spring
TM index 0.228 0.056 0.248 0.271


4. 요약 및 결론

블로킹은 대기 흐름의 강한 비선형성이 주원인으로 작용하여 그 생애주기와 기작의 이해가 아직 충분하지 않고, 그로 인해 예측이 매우 어려워 중기 예보의 예측성을 낮추는 원인 중 하나이다. 북반구 중위도의 동서 방향 기류의 정상적 흐름을 국지적으로 방해하고, 준 정체하면서 대기 순환의 구조의 진단과 예측을 어렵게 하며 위험 기상의 발생과 매우 밀접한 관계에 있다. 각국의 주요 기상 현업 관련 기관들은 기상 예측성 향상을 위하여, 특히 중기 규모의 예측성 향상과 수치모델 개선을 위하여 자신들의 주력 기상예측모델 기반으로 블로킹 예측 성능 실험을 수행하여 왔다.

본 연구에서는 우리나라 기상청의 전지구예측시스템 자료를 이용하여 북반구 중위도 블로킹 예측성 평가와 특성을 조사하였다. 선행 연구들이 겨울 등 특정 계절에 대하여 블로킹 예측성 실험을 수행하였다면, 최근 우리나라에서 발생하는 이례적인 여름철 폭염과 겨울철 이상고온 등 중기 예측성이 현저하게 낮은 상황이 있음을 고려하여 블로킹이 강한 계절뿐만 아니라 전 계절에 대한 블로킹 예측성 분석을 수행하였다. 또한, 기존의 선행 연구들에서 블로킹 예측성의 진단이 유로-대서양 영역을 중심으로 이루어진 것에 비하여, 본 연구에서는 우리나라에 영향을 더 많이 미칠 수 있는 북태평양, 북서태평양 블로킹에 주안점을 두고 분석을 수행하였다.

2016년 7월부터 2017년 5월 기간에 대한 기상청 전지구예측시스템의 북반구 블로킹 예측성 실험 결과, CSI 값 0.7을 기준으로 할 때 북서태평양 지역 블로킹 예측성은 봄철에 약 3.5일로 가장 높고, 가을철에 약 2.25일로 가장 낮은 예측성을 보였다. 위 결과는 블로킹이 폭염 및 한파와 같은 위험기상의 중기예측에 중요한 요인임을 고려할 때 충분한 예측성은 아니지만, 지역적인 정체현상을 적어도 2~3일 전에 예측함으로써 위험기상 예보에 기여할 수 있다. 선행 연구들에서 각 기관들의 기상예측모델들이 블로킹을 과소모의하는 경향(e.g. D’Andrea et al., 1998; Hamill and Kiladis, 2014)과 비교하여, 기상청 전지구예측시스템은 겨울철을 제외한 봄, 여름, 가을 기간에서 북서태평양지역 블로킹을 전반적으로 과다 모의하는 경향을 보였다. 특히 기상청 전지구예측시스템은 2016년 가을철에 북서태평양 지역에서 발생한 블로킹을 크게 과다 모의하였다. 전구적으로는 계절에 따라 블로킹 예측성이 더 높거나 낮은 지역들이 다르게 나타났다. 예측 시간이 줄어들수록 블로킹 예측성은 증가한다.

본 연구는 기상청 전지구예측시스템 자료를 기반으로 북반구 블로킹 예측 특성을 평가했다는 것에 주요한 의의가 있다. 연구에서 블로킹의 예측성은 전체 약 1년 기간에 대해 분석되었는데, 북반구 블로킹 빈도의 경년변동성이 매우 크다(Hamill and Kiladis, 2014)는 점을 고려했을 때, 이 연구의 분석 결과만으로 전지구예측시스템의 블로킹 모의 특성을 일반화하기는 어렵다. 따라서, 전지구예측시스템의 다년간 자료를 확보하여 향후 블로킹 예측 특성 분석을 수행할 필요가 있다. 수치모델의 수평 해상도 및 모델 버전 민감도 실험을 통해 해상도와 버전의 향상이 블로킹 예측성에 영향이 있다는 연구 결과(Jung et al., 2012)를 고려할 때, 최근 모델 해상도 향상과 초기화과정 개선, 물리방안 개선 등 버전 향상이 이루어진 전지구예측시스템에서도 버전에 따른 북서태평양 블로킹 예측성 비교 평가가 필요할 것으로 보인다.


Acknowledgments

본 논문의 개선을 위해 좋은 의견을 제시해 주신 두분의 심사위원께 감사를 드립니다. 이 연구는 수치모델링센터 주요사업 ‘수치예보·지진업무 지원 및 활용 연구(KMA-2018-00720)’ 및 2018년도 정부(교육부) 한국연구재단의 기초연구사업(NRF-2018R1D1A1B07049193)의 지원으로 수행되었습니다.


References
1. Austin, J. F., (1980), The blocking of middle latitude westerly winds by planetary waves, Quart. J. Roy. Meteor. Soc., 106, p327-350.
2. Brezowsky, H., H. Elohn, and P. Hess, (1951), Some Remarks on the Climatology of Blocking Action, Tellus, 3, p191-194.
3. Charney, J. G., and J. G. DeVore, (1979), Multiple flow equilibria in the atmosphere and blocking, J. Atmos. Sci., 36, p1205-1216.
4. D’Andrea, F., and Coauthors, (1998), Northern Hemisphere atmospheric blocking as simulated by 15 atmospheric general circulation models in the period 1979-1988, Climate Dyn., 14, p385-407.
5. Dee, D., and Coauthors, (2011), The ERA-Interim reanalysis: configuration and performance of the data assimilation system, Quart. J. Roy. Meteoro. Soc., 137, p553-597.
6. Dole, R. M., (1986), Persistent anomalies of the extratropical Northern Hemisphere wintertime circulation: structure, Mon. Wea. Rev., 114, p178-207.
7. Elliott, R. D., and T. B. Smith, (1949), A study of the effects of large blocking highs on the general circulation in the Northern-Hemisphere Westerlies, J. Meteor., 6, p67-85.
8. Galarneau, T. J., T. M. Hamill, R. M. Dole, J. Perlwitz, (2012), A multiscale analysis of the extreme weather events over Western Russia and Northern Pakistan during July 2010, Mon. Wea. Rev., 140, p1639-1664.
9. Hamill, T. M., and G. N. Kiladis, (2014), Skill of the MJO and Northern Hemisphere blocking in GEFS medium-range reforecasts, Mon. Wea. Rev., 142, p868-885.
10. Jung, T., and Coauthors, (2012), High-resolution global climate simulations with the ECMWF model in project Athena: Experimental design, model climate, and seasonal forecast skill, J. Climate, 25, p3155-3172.
11. Kimoto, M., H. Mukougawa, and S. Yoden, (1992), Medium-range forecast skill variation and blocking transition. a case study, Mon. Wea. Rev., 120, p1616-1627.
12. Lejenäs, H., and H. økland, (1983), Characteristics of northern hemisphere blocking as determined from a long time series of observational data, Tellus A, 35A, p350-362.
13. Liu, Q., (1994), On the definition and persistence of blocking, Tellus A, 46, p286-298.
14. Mauritsen, T., and E. Källén, (2004), Blocking prediction in an ensemble forecasting system, Tellus A, 56, p218-228.
15. Rex, D. F., (1950a), Blocking action in the middle troposphere and its effect upon regional climate, Tellus, 2, p196-211.
16. Rex, D. F., (1950b), Blocking action in the middle troposphere and its effect upon regional climate, Tellus, 2, p275-301.
17. Schaefer, J. T., (1990), The critical success index as an indicator of warning skill, Wea. Forecasting, 5, p570-575.
18. Sumner, E. J., (1954), A study of blocking in the Atlantic-European of the northern hemisphere, Quart. J. Roy. Meteor. Soc., 80, p402-416.
19. Tibaldi, S., and F. Molteni, (1990), On the operational predictability of blocking, Tellus A, 42, p343-365.
20. Treidl, R. A., E. C. Birch, and P. Sajecki, (1981), Blocking action in the northern hemisphere: A climatological study, Atmos.-Ocean, 19, p1-23.
21. Watson, J. S., and S. J. Colucci, (2002), Evaluation of ensemble predictions of blocking in the NCEP Global Spectral Model, Mon. Wea. Rev., 130, p3008-3021.