The Korean Meteorological Society 1

Current Issue

Atmosphere - Vol. 34 , No. 1

[ Article ]
Atmosphere - Vol. 32, No. 1, pp. 39-49
Abbreviation: Atmos
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 31 Mar 2022
Received 15 Nov 2021 Revised 24 Dec 2021 Accepted 28 Dec 2021
DOI: https://doi.org/10.14191/Atmos.2022.32.1.039

QBO와 한반도 지상기온 간의 관계
박창현1), 2) ; 손석우1), 2), *
1)서울대학교 지구환경과학부
2)서울대학교 협동과정 계산과학전공

Relationship between the QBO and Surface Air Temperature in the Korean Peninsula
Chang-Hyun Park1), 2) ; Seok-Woo Son1), 2), *
1)School of Earth and Environmental Sciences, Seoul National University, Seoul, Korea
2)Interdisciplinary Graduate Program in Computational Science and Technology, 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: +82-2-883-4972 E-mail: seokwooson@snu.ac.kr

Funding Information ▼

Abstract

The relationship between the Quasi-Biennial Oscillation (QBO) and the surface air temperature (SAT) in the Korean Peninsula is investigated for the period of 1979~2019. The QBO shows a statistically significant causal relationship with the Korean SAT in early spring when the El Niño-Southern Oscillation (ENSO)’s effect is relatively weak. In particular, when the QBO wind at 70 hPa is westerly, the Korean SAT becomes colder than normal in March. This relationship in March, which is statistically significant, is valid not only for March QBO but also for February QBO, indicating that the QBO is leading the Korean SAT. The Granger causality test indeed shows a causal relationship between February QBO and March Korean SAT. The QBO-Korean SAT relationship is more pronounced in the southeastern part of the Korean Peninsula. As the QBO-related circulation anomalies are evident in the North Pacific and the eastern Eurasia, they induce the horizontal temperature advection to the southeastern part of the Korean Peninsula. This result suggests that the QBO could be useful for improving seasonal prediction of the Korean SAT in March.


Keywords: Quasi-Biennial Oscillation, Surface air temperature, Korean Peninsula, Granger causality test

1. 서 론

준2년주기진동(Quasi-Biennial Oscillation, QBO)은 성층권 적도 지역의 동서 방향 바람이 대략 28개월의 주기를 가지고 변화하는 현상을 말한다. 적도 성층권 내에서 일어나는 이 현상은 중위도 지상기온(Surface Air Temperature, SAT)에 뚜렷한 영향을 끼치는 것으로 알려져 있다(Baldwin et al., 2001; Gray et al., 2018).

QBO와 관련된 성층권 하부 불안정도의 변동은 매든줄리안진동(Madden Julian Oscillation; Madden and Julian, 1971) 등 적도 대류 활동성에 영향을 끼친다(Son et al., 2017; Lee et al., 2019). QBO가 동풍인 경우, 적도 성층권 하부에 연직방향으로 동풍 시어가 형성되는데, 온도풍 균형을 위하여 아열대 지역에서는 양(+)의 온도 아노말리 및 하강 기류가 발생하고, 반대로 적도 지역에서는 음(-)의 온도 아노말리 및 상승기류가 발생하게 된다. 그 결과 적도 지역에서 2차 순환을 동반한 불안정도 증가가 발생하게 된다(Collimore et al., 2003). 이는 적도 대류뿐만 아니라 적도에서 중고위도로의 원격상관 전파에도 영향을 끼치게 되어, 결국 SAT의 계절내변동을 유도한다(Hood et al., 2020).

QBO에 의해 발생한 남북 순환 아노말리는 아열대 제트의 강도 및 위치 변화에도 영향을 끼친다(Ruti et al., 2006). QBO가 동풍인 경우, 동서 방향 바람 아노말리가 말발굽 형태로 성층권에서부터 대류권 상부의 아열대 제트 근처까지 확장되는데, 그 결과 제트의 남쪽과 북쪽에 각각 동풍과 서풍 계열의 동서 방향 바람 아노말리가 위치하게 된다. 이로 인해 제트 주변의 연직 시어가 변화하며 제트가 북상을 하게 된다(Simpson et al., 2009). 이러한 제트의 강도 및 위치 변동은 중고위도 순환장을 변화시키기 때문에 SAT 변동에 밀접한 영향을 끼친다(Luo and Zhang, 2015).

QBO에 의한 남북 순환 및 연직 시어 아노말리는 중고위도 행성파의 전파에도 영향을 끼친다. QBO가 동풍 일 때, 중위도에서 적도로 향하던 행성파는 고위도의 극소용돌이로 향하게 되면서 극소용돌이가 약화된다(Holton and Tan, 1980, 1982). 약화된 극소용 돌이는 음(-)의 북극진동(Arctic Oscillation) 패턴으로 그 아래 대류권의 순환장 및 SAT를 변화시킨다(Thompson et al., 2002). 이처럼 QBO는 다양한 경로를 통해 중고위도 SAT에 영향을 끼친다. 이는 Gray et al. (2018)Fig. 1에 모식도로 잘 정리되어 있다.


Fig. 1. 
FPEs (shaded) and the selected optimal lags Og and Og* (red lines) for the (a) restricted and (b) unrestricted regression models in March. Mg and Mg* are the total numbers of parameters used in Eqs. (4) and (5), respectively.

한반도 또한 중고위도에 위치해 있기 때문에, 앞서 언급한 QBO의 영향을 같이 받을 가능성이 높다. 일례로 Ma et al. (2021)은 초겨울에 QBO가 동아시아 SAT에 밀접한 영향을 끼친다고 주장하였다. QBO가 동풍 일 때, 아열대 제트와 극소용돌이의 변동이 동아시아 겨울 몬순을 약화시키기 때문에, 동아시아는 평년대비 따뜻해지고, 반대로 QBO가 서풍일 때는 차가워지는 경향을 가진다는 것이다. 이처럼 QBO와 한반도 SAT 간 관계의 가능성이 최근 연구들을 통해 간접적으로 제시되고 있다.

그러나 이러한 가능성에도 불구하고, QBO와 한반도 SAT 간의 관계에 대한 정량적인 연구는 부족한 실정이다. 선행 연구의 경우, QBO와 SAT간의 관계를 겨울철에만 초점을 두거나(Ma et al., 2021), SAT가 아닌 봄철 강수량과의 관계에 주목하는 데에 그쳤다(Seo et al., 2013). 또한 관측자료를 사용한 분석이 부족하였다. 따라서 QBO와 한반도 SAT간의 관계가 관측자료에서 나타나는 지를 전 계절에 걸쳐서 조사하는 것이 필요하다.

한편 기상 변수들 간의 관계를 분석할 때 가장 기본이 되는 선형 관계를 조사하는 경우, 적절한 방법론을 선택하는 것이 중요하다. QBO처럼 자기상관계수가 높은 기후 인자(QBO의 1개월 지연 자기상관계수가 0.92)의 인과 관계를 추정하는 경우, 그랜저 인과관계 검정(Granger causality test)을 사용하는 것이 적절하다는 것이 선행연구에서 제안되었다(Granger, 1969; McGraw and Barnes, 2018). 이는 기존 연구들에서 사용된 동시 상관 분석 및 선도-지연(lead-lag) 상관 분석 방법 등이 자기상관계수가 높은 기후 인자에서 실제와 다른 결과를 나타낼 수도 있기 때문이다(McGraw and Barnes, 2018). 일례로, Wang et al. (2004)에서는 북대서양 진동(North Atlantic Oscillation, NAO)과 북대서양 해수면 온도 간의 관계 분석에 그랜저 인과 관계 검정 방법을 사용하였고, Barnes and Simpson (2017)에서는 제트와 북극 기온 간의 관계에 이 검정방법을 사용하면서 그랜저 인과 관계 검정 방법의 적절성을 강조하였다.

한반도의 경우 QBO 이외에도 엘니뇨-남방진동(El Niño-Southern Oscillation, ENSO)의 영향을 무시할 수 없기 때문에(Kug et al., 2010; Lee and Julien, 2016), 인과 관계 검정을 할 때에는 이러한 제 3 인자의 영향을 제거한 인과 관계 검정 방법이 추가적으로 필요하다(Geweke, 1984; Ding et al., 2006). 이러한 기존 그랜저 인과 관계 검정의 한계를 보완한 부분 그랜저인과 관계 검정(partial Granger causality test)이 Guo et al. (2008)을 통해서 제안되었다. 이 검정 방법은 신경 과학 및 경제학 분야에서 적용되어 기존 그랜저인과 관계 검정 방법의 한계를 적절히 보완할 수 있다는 점을 보여주었다(Youssofzadeh et al., 2016; Li et al., 2018).

따라서 본 연구에서는 위에서 언급한 다양한 통계적 분석 방법들을 관측 자료에 적용하여, 1979년부터 2019년까지의 기간동안 QBO와 한반도 SAT 간의 관계를 다양한 관점에서 확인하고, 그 정도를 정량적으로 제시하고자 하였다.


2. 자료 및 방법
2.1 열대 및 한반도 기후 인자

QBO 지수를 정의하기 위하여 베를린 자유 대학교(Freie Universitat of Berlin)에서 제공하는 관측 기반의 월평균 동서 방향 바람 자료를 사용하였다. 특히 70 hPa 고도의 동서 방향 바람을 기반으로 한 QBO 지수를 분석에 사용하였다. 분석 결과는 QBO 지수를 정의하는 고도에 크게 민감하지 않았다.

QBO의 영향력을 비교하기 위하여 또 다른 열대 기후 인자인 ENSO의 영향력도 함께 조사하였다. 이를 위해 Extended Reconstructed Sea Surface Temperature version 5 (ERSSTv5; Huang et al., 2017)의 월평균 해수면 온도 자료를 Nino 3.4지역(5oS-5oN, 170o-120oW)에 대해 평균하여 분석에 사용하였다.

한반도 SAT는 기상청 종관기상관측시스템(Automatic Synoptic Observing System, ASOS)에서 제공하는 월평균 SAT 자료를 사용하였다. 1979년부터 2019년까지 분석에 사용 가능한 관측 지점은 총 60개로 Table 1에 정리 되어있다.

Table 1. 
The list of 60 ASOS stations. Station number is denoted in parenthesis.
Station name (number)
Sokcho (90) Daegwallyeong (100) Chuncheon (101) Gangneung (105) Seoul (108) Incheon (112)
Wonju (114) leungdo (115) Suwon (119) Chungju (127) Seosan (129) Uljin (130)
Cheongju (131) Daejeon (133) Chupungnyeong (135) Pohang (138) Gunsan (140) Daegu (143)
Jeonju (146) Ulsan (152) Gwangju (156) Busan (159) Tongyeong (162) Mokpo (165)
Yeosu (168) Wando (170) Jeju (184) Seongsan (188) Seogwipo (189) Jinju (192)
Ganghwa (201) Yangpyeong (202) Icheon (203) Inje (211) Hongcheon (212) Jecheon (221)
Boeun (226) Cheonan (232) Boryeong (235) Buyeo (236) Geumsan (238) Buan (243)
Imsil (244) Jeongeup (245) Namwon (247) Jangheung (260) Heanam (261) Goheung (262)
Yeongju (272) Mungyeong (273) Yeongdeok (277) Uiseong (278) Gumi (279) Yeongcheon (281)
Geochang (284) Hapcheon (285) Miryang (288) Sancheong (289) Geoje (294) Namhae (295)

QBO가 한반도에 끼치는 영향 경로를 파악하기 위해서, Japanese 55-year Reanalysis (JRA-55; Kobayashi et al., 2015)의 SAT, 1000 hPa 고도의 동서 방향 바람(U1000), 남북 방향 바람(V1000), 그리고 해면 기압(Sea Level Pressure, SLP) 자료들도 함께 분석에 사용하였다. 분석에 사용된 모든 아노말리(anomaly) 자료는 월별 기후값(climatology) 및 선형추세를 제거한 상태로 사용되었다.

2.2 상관 및 회귀 분석(correlation and regression analysis)

QBO와 한반도 SAT 간의 선형 관계를 추정하기 위해서 피어슨 상관계수(Pearson correlation coefficient, Ri)를 사용하였으며, 식은 아래와 같다[식(1)].

Ri=j=1n=41SATi,j-SAT¯iQBOi,j-QBO¯ij=1n=41SATi,j-SAT¯i2j=1n=41QBOi,j-QBO¯i2(1) 

여기서 i는 월, 그리고 j는 년도를 의미한다. n은 총년도 수로 41년이다. SAT¯iQBO¯i은 월별로 평균 된 SATiQBOi를 의미한다.

같은 방법으로 월별로 QBO가 한반도 SAT에 미치는 영향을 정량적으로 확인하기 위하여 아래의 회귀식(2)를 구성하였다.

SATi=a0+ai QBOi+ei(2) 

여기서 a0는 절편, ai는 회귀 계수, 그리고 ei는 잔차를 의미한다. 또한 QBO가 얼마나 이전 시기부터 한반도 SAT와 관계를 가지는 지를 확인하기 위해서 식(2)에서 QBO를 g개월 전까지 지연시켜 아래의 식(3)을 구성하였다.

SATi=b0+bi QBOi-g+ei*(3) 

g는 최대 5개월 전까지를 고려하였다. 예를 들어 12월 SAT의 경우, SAT12와 QBO11 간의 관계에서부터 SAT12와 QBO7간의 관계 까지를 고려한 것이다. g를 5개월보다 더 지연시키더라도 분석 결과는 크게 달라지지 않았다.

위 식들의 모든 계수는 스튜던트 t 검정(Student’s t-test)를 이용하여 신뢰수준 95%에서 유의성을 평가하였고, 회귀 계수는 QBO의 표준편차를 곱하여 SAT의 단위인 Kelvin (K)로 통일시켰다. 모든 분석은 선형추세를 제거한 후 수행하였다.

2.3 그랜저 인과 관계 검정(conventional Granger causality test)

QBO가 한반도 SAT에 그랜저 인과 관계를 가지는 지를 아래의 다중 선형 회귀 방정식을 구성하여 검정하였다. 검정의 핵심은 ‘QBO를 포함하면[식(5)] 포함하지 않을 때보다[식(4)] 더 SAT를 잘 예측하는가?’를 판단하는 것이다.

SATi=a0+g=1MgagSATi-g+e1i(4) 
SATi=b0+g=1MgbgSATi-g+g*=1Mg*cg*QBOi-g* +e2i(5) 

식(4)는 SAT를 이전 시점의 SAT들의 선형 조합만으로 설명하는 제약 회귀 모형(restricted regression model)이다. 여기서 최대 지연 기간(Maximum lag, Mg)은 1개월 전부터 최대 5개월 전까지를 고려하였다. Mg를 5개월 이상 늘리더라도 분석 결과는 정성적으로 달라지지 않았다. 반면 식(5)Mg*개월만큼 이전 QBO의 선형 조합까지 고려한 비제약 회귀 모형(unrestricted regression model)이다. 식(4)에서 QBO에 대한 항g*=1Mg*cg*QBOi-g* 만 추가된 모형이다. QBO에 해당하는 Mg인, Mg*값 역시 1개월 전부터 최대 5개월 전까지를 고려하였다.

MgMg*의 최적값을 결정하는 기준은 다양하다. 회귀 모형의 잔차 제곱 합(Residual Sum of Squares, RSS)은 감소시키면서, MgMg* 증가에 대한 과적합 문제는 방지하는 아카이케 정보 기준(Akaike Information Criterion, AIC; Akaike, 1974)이나 베이지안 정보 기준(Bayesian Information Criterion, BIC; Burnham and Anderson, 2004) 등이 광범위하게 사용된다. 본 연구에서는 계산 효율이 높은 Final Prediction Error (FPE; Hsiao, 1981)를 적용하였다. 아래 식을 통해 구해진 식(4), (5)에 대한 최적의 MgMg*를 각각 Og (Optimal Lag)와 Og*로 정의하였다.

Og=argmin FPErestricted=argminn+Mg+1n-Mg-1×RSSn(6) 
Og*=argmin FPEunrestricted=argminn+Mg+Mg*+1n-Mg-Mg*-1×RSSn(7) 

여기서 n은 41년을 의미한다. 또한 argmin는 arguments of the minimum을 의미하며, Og = argmin FPErestricted는 제약 회귀 모형의 FPE를 최소화시키는 MgOg로 정한다는 뜻을 의미한다. Figure 1a은 3월 한반도 SAT에 대한 제약 회귀 모형[식(4)]의 FPE를 나타낸다. Mg가 커질수록 회귀 모형은 정교해져서 RSS는 감소하지만, FPE는 그렇지 않음을 알 수 있다. 이는 식(6)의 패널티 항n+Mg+1n-Mg-1이 존재하기 때문이다. 이 예시의 경우, 제약 회귀 모형의 FPE를 최소화시키는 Mg, 즉 Og는 2로 나타났다.

같은 방법으로 3월 한반도 SAT에 대한 비제약 회귀 모형의 FPE 또한 구하였다(Fig. 1b). FPE의 최소값은 Mg = 2 (SAT에 대해서), Mg* = 1 (QBO에 대해서)일 때로 나타나므로 Og = 2, Og* = 1가 된다. Figure 1b의 채색된 부분은 전체의 40%만 되어있는 것을 볼 수 있다. 이는 FPE이 가질 수 있는 계산 효율성으로써, 비제약 회귀 모형의 FPE를 구할 때 먼저 구해진 Og 범위내에서만 Mg를 계산하기 때문에 얻게 되는 계산 효율이다. 현재 예시의 경우, FPE를 10번(1 ≤ MgOg = 2, 1 ≤ Mg* ≤ 5)에 대해서만 계산하면 되므로, 전체 계산량의 60% 감소 효과를 가진다(총 25회 중 10회만 계산). 이는 FPE를 수행하면서 얻을 수 있는 장점이라고 할 수 있다. 이러한 과정을 3월뿐만 아니라 모든 월별로 반복수행하여 결정된 OgOg*들을 Table 2에 정리하였다.

Table 2. 
The values of Og and Og* in each month.
AUG SEP OCT NOV DEC JAN FEB MAR APR MAY JUN JUL
Og 1 1 5 2 1 1 1 2 1 1 2 1
Og* 1 1 1 1 1 4 1 1 1 1 1 1

결정된 OgOg*로 구성된 회귀 모형들의 그랜저인과 관계를 평가하는 기준은 1) g* = 1, 2, …, Og* 중 Student’s t-test를 통과하는 유의미한 회귀 계수 cg*가 존재하고, 2) QBO를 추가했을 때 RSS가 통계적으로 유의미하게 개선되는 지의 여부이다. 여기서 RSS의 개선 여부에 대한 유의성 검정은 F 검정을 통해 신뢰수준 95%에서 평가하였다.

2.4 부분 그랜저 인과 관계 검정(partial Granger causality test)

한반도 SAT는 ENSO에 영향을 받는 것으로 알려져 있다. 이에 ENSO를 고려한 부분 그랜저 인과 관계 검정을 아래의 회귀 식들을 구성하여 수행하였다. 검정의 핵심은 ‘QBO를 고려하는 것이 그렇지 않은 경우보다 SAT를 더 잘 예측하는가?’를 판단하는 것으로, 기존의 그랜저 인과 관계 검정(conventional Granger causality test)과 동일하다. 단 ENSO를 동시에 고려한다는 점에서 차별성이 있다.

SATi=a0+g=1OgagSATi-g+g*=1Og*bg*ENSOi-g* +e1i(8) 
ENSOi=c0+g=1OgcgSATi-g+g*=1Og*dg*ENSOi-g* +e2i(9) 
SATi=f0+g=1OgfgSATi-g+g*=1Og*gg*ENSOi-g*              +g**=1Og**hg**QBOi-g**+e3i(10) 
ENSOi=k0+g=1OgkgSATi-g+g*=1Og*lg*ENSOi-g*                  +g**=1Og**Og**QBOi-g**+e4i(11) 

식(8)식(9)는 QBO의 영향이 제한되어 구성된 제약 회귀 모형이다. 반면 식(10)식(11)은 QBO의 영향이 제한없이 함께 고려되어 구성된 비제약 회귀 모형이다.

부분 그랜저 인과 관계가 있는 지를 평가하는 기준은 1) g** = 1, 2, …, Og** 중 Student’s t-test을 통과하는 유의미한 회귀 계수 hg**가 존재하고, 2) QBO를 추가했을 때 RSS이 유의미하게 개선되는 지의 여부이다. RSS의 개선 여부에 대한 유의성 검정은 아래의 검정 통계량에 대한 F 검정을 통해 신뢰수준 95%에서 평가하였다[식(12)].

F=lnvare1i-cove1i,e2ivare2i-1cove2i,e1ivare3i-cove3i,e4ivare4i-1cove4i,e3i(12) 

여기서 var는 분산, cov는 공분산을 나타낸다. 제 3 인자인 ENSO의 영향이 포함된 상태에서 QBO가 SAT에 끼치는 영향의 검정 통계량인 F=lnvare1ivare3i에서 ENSO와 관련된 cov(e1i, e2i)var(e2i)-1cov(e2i, e1i)과 cov(e3i, e4i)var(e4i)-1cov(e4i, e3i) 항들을 각각 분자, 분모에서 제외시킨 부분(partial) 검정 통계량을 의미한다.


3. 결 과
3.1 QBO와 한반도 SAT 간의 관계

Figure 2a는 모든 달에 대한 QBO와 한반도 SAT 간의 동시 회귀 값을 나타낸다. 여기서 흰색 원 표시는 통계적으로 유의미한 관계를 나타낸다. QBO와 한반도 SAT는 3월에 유의미한 음의 관계를 가진다. 이는 3월 QBO 지수가 양수이면(Westerly QBO, WQBO) 한반도 평균 기온은 평년에 비해서 추워지고, QBO 지수가 음수이면(Easterly QBO, EQBO) 한반도 평균 기온은 반대로 평년 대비 따뜻해진다는 것을 의미한다. 이 관계는 3월만의 유일한 특징이다. 3월의 QBO와 한반도 SAT 간의 관계 분포는 서해 지역과 일부 내륙 지역을 제외한 대부분의 지역에서 뚜렷하였다(Fig. 3a). 뚜렷한 음의 관계가 주로 한반도의 남동쪽에 집중적으로 분포하는 특징을 보인다.


Fig. 2. 
(a) Regression between the Korean SAT and the QBO. (b) Lagged correlation between the Korean SAT and the QBO. The white circle indicates the statistically significant coefficient at the 95% confidence level. Units of the regression coefficients in (a) are converted into Kelvin by multiplying the standard deviation of the QBO. The QBO lag month at y-axis in (b) denotes the QBO lag with respect to the Korean SAT. For instance, MAR-1 lag month [white circle in (b)] indicates the correlation between the March Korean SAT and the February QBO.


Fig. 3. 
(a) Regression between the Korean SAT and the QBO in March. (b) Same as (a) but for the February QBO. (c) The Granger causality between the Korean SAT in March and the QBO in February. Blue colored circles indicate the statistically significant regressions at the 95% confidence level. Units of the regression coefficients are converted into Kelvin by multiplying the standard deviation of the QBO.

이러한 QBO와 한반도 SAT 간의 관계를 QBO가 어느 정도 선행하고 있는지를 조사하기 위하여, 각 월에서부터 최대 5개월 전까지 QBO와의 지연 상관관계를 구하였다(Fig. 2b). Figure 2b에서 Mar-1 lag month는 3월 SAT에 대한 2월 QBO의 상관계수를 나타낸다. QBO는 1달 전부터 3월의 한반도 SAT와 유의미한 지연 관계를 보였다. 반면 나머지 달 들에서는 어떠한 지연 기간에서도 유의미한 관계가 보이지 않았다. 위 결과를 통하여 3월의 한반도 SAT는 3월의 QBO (Fig. 2a)뿐만 아니라 2월의 QBO (Fig. 2b)와도 유의미한 음의 관계를 가진다는 점을 알 수 있다.

지연 관계의 분포 또한 동시 회귀 분석 결과(Fig. 3a)와 매우 유사한 것을 알 수 있다(cf. Figs. 3a, b). 뚜렷한 음의 관계가 주로 한반도의 남동쪽에 집중적으로 분포하는 특징을 보였다.

단순회귀분석에서 나타난 동시 및 지연 관계의 인과성을 그랜저 인과 관계 검정을 통해서 추정하였다(Fig. 3c). 최대 5개월까지의 지연 기간(Mg* = 5)을 고려한 결과, 모든 월 중 유일하게 2월 QBO와 3월 한반도 SAT 사이에서 그랜저 인과 관계가 나타났다. 이때 2월 QBO를 고려한 3월 SAT 회귀 모형은 그렇지 않은 모형에 비해 설명력이 10% 정도 향상되었다. 3월 한반도 SAT를 1, 2월의 한반도 SAT의 조합으로 설명할 때는 수정된 결정 계수(adjusted R-squared)는 20% 정도의 설명력을 보인 반면, 2월 QBO의 정보를 추가할 때는 30%로 신뢰수준 95%에서 유의미한 증가를 보였다. 이는 Park et al. (2018)에서 밝힌 ENSO가 12월 한반도 SAT에 제공하는 최대 추가 설명력(22.18%)보다는 작지만, 3월 한반도 SAT 예측에 QBO가 중요한 역할을 할 수 있다는 점을 암시한다.

또한 유의미한 인과 관계가 존재하는 지역이 주로 한반도의 남동쪽에 집중적으로 분포하는 특징을 보인다(Fig. 3c). 이는 QBO의 초겨울 SAT에 대한 영향이 유라시아 대륙의 북쪽 지역에 집중되어 나타나는 것(Thompson et al., 2002)과는 다른 특징으로, 2월 QBO는 3월 한반도 SAT에 Holton-Tan effect 이외의 경로를 통해 영향을 끼치고 있음을 암시한다.

한반도 SAT는 QBO 외에도 ENSO의 영향을 받고 있는 것으로 알려져 있다(Lee and Julien, 2016; Park et al., 2018). 따라서 앞서 언급한 결과들에 제 3 인자인 ENSO의 영향이 포함되어 있을 수도 있기 때문에(Geweke, 1984; Ding et al., 2006), 부분 그랜저 인과 관계 검정을 적용하여 ENSO의 영향을 제외시킨 상태에서 QBO와 한반도 SAT 간의 인과 관계를 재확인하였다.

Figure 4a는 QBO와 한반도 SAT 간의 부분 그랜저인과 관계의 분포를 나타낸다. 앞서 언급한 기존의 인과 관계 검정 결과와 유사한 분포를 보이고 있으며(cf. Figs. 3c, 4a), 인과 관계를 보이는 지점들의 수는 17개(Fig. 3c)에서 22개(Fig. 4a)로 다소 증가하였다. 한반도 SAT를 이전 시점의 SAT와 ENSO로 설명하는 회귀 모형[식(8)]보다 QBO를 포함한 회귀 모형[식(10)]의 설명력이 10% 정도 향상되는 것으로 나타났다. 이는 ENSO를 고려하지 않았을 때와 같은 수치로, QBO의 3월 한반도 SAT에 대한 영향력은 ENSO와 관계없이 뚜렷함을 의미한다. 반면 다른 월 들에서는 유의미한 수준의 부분 인과 관계가 나타나지 않았다.


Fig. 4. 
Same as Fig. 3c but for the partial Granger causality: (a) the QBO Granger-causes the Korean SAT when conditioned the ENSO’s effect and (b) ENSO Granger-causes the Korean SAT when conditioned the QBO’s effect. Units of the regression coefficients are converted into Kelvin by multiplying the standard deviation of the QBO (a) and ENSO (b).

Figure 4b는 같은 시기에 ENSO와 한반도 SAT 간의 부분 그랜저 인과 관계 나타낸다. Figure 4a와는 반대로 QBO를 제외한 ENSO의 영향은 매우 미약한 것을 알 수 있다. 유의미한 인과 관계를 보이는 지점들의 수는 6개에 불과했으며, 2월 ENSO가 3월 한반도 SAT에 제공할 수 있는 추가 설명력은 1% 정도에 그쳤다. 이는 12월 ENSO가 1월 한반도 SAT에 제공할 수 있는 추가 설명력(22.18%; Park et al., 2018)보다도 적은 수치이다. 위 결과들은 초겨울 한반도 SAT에는 ENSO가(Park et al., 2018), 초봄 한반도 SAT에는 QBO가 상대적으로 중요한 기후 인자라는 점을 시사한다.

3.2 한반도 주변 대규모 순환장

앞서 QBO와 한반도 SAT 간의 인과 관계의 분포가 주로 한반도의 남동쪽에 집중되어 있는 것을 확인하였다(Figs. 3, 4). 따라서 이러한 SAT 반응을 일으킬 수 있는 한반도 주변 대규모 순환장의 변동을 조사하였다.

Figure 5a는 2월 QBO와 3월 SLP 간의 선형 회귀값을 나타낸다. 그림에서 볼 수 있듯이 유라시아 동부 지역과 북태평양 지역에서 뚜렷한 SLP 아노말리가 나타난다. WQBO일 경우, 이러한 기압 배치는 유라시아 동부 지역에 양(+)의 SLP 아노말리, 알류샨 저기압 중심의 남쪽에 음(-)의 SLP 아노말리를 유도하면서 초봄의 기압 배치 형태를 변경시킨다. 알류샨 저기압 중심 남쪽의 음(-)의 SLP 아노말리는 선행연구에서 알려진 QBO에 의한 북태평양 순환장 반응과 일치하며(Ruti et al., 2006; Garfinkel and Hartmann, 2011a, b). 그 중심 지역(160oE-150oW, 30o-60oN)의 평균값이 -112 Pa를 보였다. 이는 1월부터 12월 중에서 가장 큰 값이다. Rao et al. (2020)에서도 기후 모형 비교를 통해 이 알류샨 저기압 변동이 해당 지역에서 뚜렷하며, 이는 성층권에서 20o-40oN 부근의 대류권으로 내려오는 QBO와 밀접한 연관이 있다고 주장하였다. 그림을 보이지 않았지만, 이러한 대규모 순환장의 반응은 2월뿐만 아니라 3월 QBO에서도 비슷한 결과를 보였다. 반면, 1월 또는 그 이전 달의 QBO의 경우에는 유의미한 관계가 나타나지 않았다.


Fig. 5. 
(a) March SLP, (b) March UV1000 (arrows) and March SAT (shaded) regressed onto the February QBO index. The hatched areas in (a and b) and thick black arrows in (b) denote the statistically significant regressions at the 95% confidence level based on Student’s t-test. Units of the regression coefficients are converted into Pa in (a), Kelvin and m s-1 in (b) by multiplying the standard deviation of the QBO, respectively.

Figure 5b는 2월 QBO와 3월 UV1000 (화살표)과 SAT (채색) 간의 선형 회귀 값을 나타낸다. 알류샨 저기압과 유라시아 동쪽 지역에 위치한 대규모 순환장 아노말리의 사이에서 유의미한 수준의 하층 바람이 한반도 근처에 영향을 끼치는 것으로 나타났다. 즉, WQBO 때 한반도에는 강한 북동풍 계열의 하층 바람이 한반도에 불어 들어와 상대적으로 한랭 건조한 고위도 지역 공기를 유입시켜 한반도 주변을 차갑게 만들 수 있다. 결과를 보이지 않았지만 수지 분석 결과, 이러한 수평 방향의 온도 이류가 대류권 하층 온도 변화에 크게 기여하고 있다는 것을 확인하였다. 따라서 통계적으로 유의미한 수준의 SAT 반응이 해당 지역에서 뚜렷한 것을 확인할 수 있다. 반대로 EQBO 때는 한반도에 강한 남서풍 계열의 하층 바람이 한반도에 불어 온난 다습한 저위도 지역 공기를 유입시켜 한반도 주변을 평년대비 따뜻하게 만든다. 이러한 하층 바람장 및 SAT 반응은 3월 QBO와도 비슷한 경향을 보였다(그림 생략). 즉, 2~3월의 QBO가 한반도 주변의 대규모 순환장 변동을 야기하고, 그에 따른 하층 바람장 변화를 통해서 한반도 SAT에 영향을 끼치기 때문에 Figs. 2-4와 같이 QBO와 한반도 SAT간의 유의미한 관계가 존재한다고 볼 수 있다.

위에서 언급한 물리적인 과정이 한반도 SAT 변동과 밀접한 연관이 있는 지를 재확인하기 위하여, Fig. 2에서 QBO와 한반도 SAT간의 유의미한 관계가 나타나지 않았던 나머지 계절들의 대규모 순환장 변동도 함께 분석하였다. Figure 6은 QBO와 대규모 순환장 간의 관계를 전 계절로 확장하여 분석한 것이다. 따라서, 여기서 3월의 SLP 및 하층 바람장 아노말리는 Fig. 5aFig. 5b와 같다. 12월, 2월에도 한반도 주변에 대규모 순환장 변동이 나타나지만, 기압 배치에 따른 하층 바람장 아노말리가 한반도보다는 중국 해안지역에 국한되어 한반도에 직접적인 온도 이류를 야기하지 못하였다. 또한 나머지 계절들에서도 3월과 같은 기압 배치가 한반도 주변에서 나타나지 않았고, 그 결과, 한반도 SAT 아노말리와 QBO간의 선형 관계가 유의미하지 않았다(Fig. 2). 그림을 보이지 않았지만, 위 결과는 3월의 QBO를 고려하더라도 비슷하였다. 즉, 2~3월의 QBO는 한반도 주변의 대규모 순환장을 바꾸어 한반도 SAT에 영향을 주지만, 나머지 계절의 QBO는 한반도 SAT에 직접적인 영향을 끼치는 대규모 순환장 변동을 야기하는 효과가 미미한 것으로 나타났다.


Fig. 6. 
SLP (shaded), UV1000 (arrows) regressed onto the -1 lag month QBO index. For instance, the upper left panel indicates the SLP and UV1000 in August regressed on QBO index in July. Thick black arrows denote the statistically significant regressions at the 95% confidence level based on Student’s t-test. Units of the regression coefficients are converted into Pa and m s-1 by multiplying the standard deviation of the QBO, respectively.

2~3월 QBO에 대한 3월 대규모 순환장 및 하층 바람장 변동과 그에 따른 온도 이류는 주로 한반도 남동 지역에 뚜렷하게 나타났다(그림 생략). 이는 QBO와 한반도 SAT 간의 인과 관계의 분포(Figs. 3-4)와 일치하며, QBO에 의해 유도된 대규모 순환장 변동이 QBO-한반도 SAT 간의 관계에 중요한 역할을 한다는 점을 시사한다. 위의 모든 분석은 평균 기간을 1달, 2달, 3달로 달리하여도 정성적으로 일치하는 결과를 보였다.


4. 요약 및 결론

본 연구는 QBO와 한반도 SAT 간의 관계를 다양한 관점에서 조사하였다. 그 결과, 유일하게 3월에서 통계적으로 유의미한 관계를 가지는 것을 확인하였다. 이 시기에 QBO와 한반도 SAT는 동시 관계뿐만 아니라, 한 달의 지연 관계, 그리고 그랜저 인과 관계까지 모두 보였다. 이러한 QBO의 영향은 ENSO를 제거한 상태에서도 유효했으며 오히려 인과 관계를 띄는 관측 지점의 수는 17개에서 22개로 증가하였다. 이는 QBO가 ENSO처럼 잘 알려져 있는 기후 인자보다도 3월 한반도 SAT 예측에 중요한 인자일 수도 있다는 점을 강조한다.

2월 QBO와 3월 한반도 SAT 간의 뚜렷한 인과 관계를 보이는 지점들의 분포는 한반도의 남동쪽에 집중되어 있는 경향을 보였다. 이러한 현상은 QBO가 성층권 극소용돌이 변동을 일으켜 유라시아 대륙의 북쪽 지역부터 SAT에 영향을 끼치는 소위 Holton-Tan effect을 통해서 한반도에 영향을 끼치기 보다는, 유라시아 동부와 북태평양 지역에 순환장 변동을 일으켜 한반도에 영향을 끼치기 때문에 일어나는 현상이라고 추측된다. 3월에는 다른 월에서는 볼 수 없는 유의미한 순환장 및 바람장 변동이 한반도 주변으로 형성되며, 그로 인한 온도 이류가 한반도 남동쪽에서 나타난다는 점이 이를 뒷받침한다.

이러한 결과는 월평균 기간(1~3달), QBO 정의, 분석 시작 연도 등에 민감하지 않은 것으로 나타났다.

본 연구 결과는 한반도 SAT 예측에 대한 QBO의 중요성이 앞으로 더욱 부각되어야 할 필요가 있음을 시사한다. 가령 Han et al. (2018)에서는 QBO가 예측인자로서 포함된 통계 모형이 그렇지 않은 모형에 비해 겨울철 한반도 SAT 예측성이 향상됨을 보였다. 이런 선행연구의 결과는 QBO가 한반도 SAT의 변동성과 예측에 중요하다는 주장을 뒷받침한다고 할 수 있다.


Acknowledgments

본 논문의 개선을 위해 좋은 의견을 제시해 주신 두 분의 심사위원께 감사를 드립니다. 이 논문은 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 수행되었습니다(2017R1E1A1A01074889).


References
1. Akaike, H., 1974: A new look at the statistical model identification. IEEE T. Automat. Contr., 19, 716-723.
2. Baldwin, M. P., and Coauthors, 2001: The quasi‐biennial oscillation. Rev. Geophys., 39, 179-229.
3. Barnes, E. A., and I. R. Simpson, 2017: Seasonal sensitivity of the Northern Hemisphere jet streams to arctic temperatures on subseasonal time scales. J. Climate, 30, 10117-10137.
4. Burnham, K. P., and D. R. Anderson, 2004: Multimodel inference: understanding AIC and BIC in model selection. Sociol. Method. Res., 33, 261-304.
5. Collimore, C. C., D. W. Martin, M. H. Hitchman, A. Huesmann, and D. E. Waliser, 2003: On the relationship between the QBO and tropical deep convection. J. Climate, 16, 2552-2568.
6. Ding, M., Y. Chen, and S. L. Bressler, 2006: Granger causality: basic theory and application to neuroscience. In B. Schelter et al. Eds., Handbook of time series analysis: Recent Theoretical Developments and Applications, Wiley-VCH, 437-460.
7. Garfinkel, C. I., and D. L. Hartmann, 2011a: The influence of the quasi-biennial oscillation on the troposphere in winter in a hierarchy of models. Part I: Simplified dry GCMs. J. Atmos. Sci., 68, 1273-1289.
8. Garfinkel, C. I., and D. L. Hartmann, 2011b: The influence of the quasibiennial oscillation on the troposphere in winter in a hierarchy of models. Part II: Perpetual winter WACCM runs. J. Atmos. Sci., 68, 2026-2041.
9. Geweke, J. F., 1984: Measures of conditional linear dependence and feedback between time series. J. Am. Stat. Assoc., 79, 907-915.
10. Granger, C. W. J., 1969: Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37, 424-438.
11. Gray, L. J., J. A. Anstey, Y. Kawatani, H. Lu, S. Osprey, and V. Schenzinger, 2018: Surface impacts of the quasi biennial oscillation. Atmos. Chem. Phys., 18, 8227-8247.
12. Guo, S., A. K. Seth, K. M. Kendrick, C. Zhou, and J. Feng, 2008: Partial Granger causality—eliminating exogenous inputs and latent variables. J. Neurosci. Methods, 172, 79-93.
13. Han, B.-R., Y. Lim, H.-J. Kim, and S.-W. Son, 2018: Development and evaluation of statistical prediction model of monthly-mean winter surface air temperature in Korea. Atmosphere, 28, 153-162, (in Korean with English abstract).
14. Holton, J. R., and H.-C. Tan, 1980: The influence of the equatorial quasi-biennial oscillation on the global circulation at 50 mb. J. Atmos. Sci., 37, 2200-2208.
15. Holton, J. R., and H.-C. Tan, 1982: The quasi-biennial oscillation in the Northern Hemisphere lower stratosphere. J. Meteorol. Soc. Jpn. Ser. II, 60, 140-148.
16. Hood, L. L., M. A. Redman, W. L. Johnson, and T. J. Galarneau Jr., 2020: Stratospheric influences on the MJO-Induced Rossby wave train: Effects on intraseasonal climate. J. Climate, 33, 365-389.
17. Hsiao, C., 1981: Autoregressive modelling and money-income causality detection. J. Monetary Econ., 7, 85-106.
18. Huang, B., and Coauthors, 2017: Extended reconstructed sea surface temperature, version 5 (ERSSTv5): upgrades, validations, and intercomparisons. J. Climate, 30, 8179-8205.
19. Kobayashi, S., and Coauthors, 2015: The JRA-55 reanalysis: General specifications and basic characteristics. J. Meteorol. Soc. Jpn. Ser. II, 93, 5-48.
20. Kug, J.-S., M.-S. Ahn, M.-K. Sung, S.-W. Yeh, H.-S. Min, and Y.-H. Kim, 2010: Statistical relationship between two types of El Nino events and climate variation over the Korean Peninsula. Asia-Pac. J. Atmos. Sci., 46, 467-474.
21. Lee, J. H., and P. Y. Julien, 2016: ENSO impacts on temperature over South Korea. Int. J. Climatol., 36, 3651-3663.
22. Lee, J. H., M. J. Kang, and H. Y. Chun, 2019: Differences in the tropical convective activities at the opposite phases of the quasi-biennial oscillation. Asia-Pac. J. Atmos. Sci., 55, 317-336.
23. Li, X., M. Sun, D. Han, C. Gao, H. He, and I. A. Mensah, 2018: Dynamic features of China’s photovoltaic listed companies in different periods: Based on partial Granger causality network. J. Renew. Sustain. Ener., 10, 045904.
24. Luo, X., and Y. Zhang, 2015: The linkage between upper-level jet streams over East Asia and East Asian winter monsoon variability. J. Climate, 28, 9013-9028.
25. Ma, T., W. Chen, J. Huangfu, L. Song, and Q. Cai, 2021: The observed influence of the Quasi‐Biennial Oscillation in the lower equatorial stratosphere on the East Asian winter monsoon during early boreal winter. Int. J. Climatol., 41, 6254-6269.
26. Madden, R. A., and P. R. Julian, 1971: Detection of a 40~50 day oscillation in the zonal wind in the tropical Pacific. J. Atmos. Sci., 28, 702-708.
27. McGraw M. C., and E. A. Barnes, 2018: Memory matters: A case for Granger causality in climate variability studies. J. Climate, 31, 3289-3300.
28. Park, C.-H., S.-W. Son, and J. Choi, 2018: Granger causality test between ENSO and winter climate variability over the Korean Peninsula. J. Climate Change Res., 9, 171-179, (in Korean with English abstract).
29. Rao, J., C. I. Garfinkel, and I. P. White, 2020: How does the Quasi-Biennial Oscillation affect the boreal winter tropospheric circulation in CMIP5/6 models? J. Climate, 33, 8975-8996.
30. Ruti, P. M., V. Lucarini, A. Dell’Aquila, S. Calmanti, and A. Speranza, 2006: Does the subtropical jet catalyze the midlatitude atmospheric regimes? Geophys. Res. Lett., 33, L06814.
31. Seo, J., W. Choi, D. Youn, D.-S. R. Park, and J. Y. Kim, 2013: Relationship between the stratospheric quasi-biennial oscillation and the spring rainfall in the western North Pacific. Geophys. Res. Lett., 40, 5949-5953.
32. Simpson, I. R., M. Blackburn, and J. D. Haigh, 2009: The role of eddies in driving the tropospheric response to stratospheric heating perturbations. J. Atmos. Sci., 66, 1347-1365.
33. Son, S.-W., Y. Lim, C. Yoo, H. H. Hendon, and J. Kim, 2017: Stratospheric Control of the Madden-Julian Oscillation. J. Climate, 30, 1909-1922.
34. Thompson, D. W. J., M. P. Baldwin, and J. M. Wallace, 2002: Stratospheric connection to Northern Hemisphere wintertime weather: Implications for prediction. J. Climate, 15, 1421-1428.
35. Wang, W., B. T. Anderson, R. K. Kaufmann, and R. B. Myneni, 2004: The relation between the North Atlantic Oscillation and SSTs in the North Atlantic basin. J. Climate, 17, 4752-4759.
36. Youssofzadeh, V., G. Prasad, M. Naeem, and K. Wong-Lin, 2016: Temporal information of directed causal connectivity in multi-trial ERP data using partial Granger causality. Neuroinform., 14, 99-120.