The Korean Meteorological Society 1

Current Issue

Atmosphere - Vol. 27 , No. 4

[ Article ]
Atmosphere - Vol. 27, No. 4, pp.385-398
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 30 Dec 2017
Received 24 Jul 2017 Revised 08 Nov 2017 Accepted 09 Nov 2017
DOI: https://doi.org/10.14191/Atmos.2017.27.4.385

복사전달과정에서 지형효과에 따른 기상수치모델의 민감도 분석
지준범1), * ; 민재식1) ; 장민1) ; 김부요2), 3) ; 조일성3) ; 이규태2), 3)
1)한국외국어대학교 차세대도시농림융합기상사업단,
2)강릉원주대학교 대기환경과학과
3)강릉원주대학교 복사위성연구소

Sensitivity Analysis of Numerical Weather Prediction Model with Topographic Effect in the Radiative Transfer Process
Joon-Bum Jee1), * ; Jae-Sik Min1) ; Min Jang1) ; Bu-Yo Kim2), 3) ; Il-Sung Zo3) ; Kyu-Tae Lee2), 3)
1)Weather Information Service Engine, Hankuk University of Foreign Studies, Yongin, Korea
2)Department of Atmospheric & Environmental Sciences, Gangneung-Wonju National University, Gangneung, Korea
3)Research Institute for Radiation-Satellite, Gangneung-Wonju National University, Gangneung, Korea
Correspondence to : * Joon-Bum Jee, Weather Information Service Engine, Hankuk University of Foreign Studies, Yongin 17035, Korea. Phone : +82-70-4617-3764, Fax : +82-31-321-6470, E-mail : rokmcjjb717@gmail.com

Funding Information ▼

Abstract

Numerical weather prediction experiments were carried out by applying topographic effects to reduce or enhance the solar radiation by terrain. In this study, χ and κ(φo, θo) are precalculated for topographic effect on high resolution numerical weather prediction (NWP) with 1 km spatial resolution, and meteorological variables are analyzed through the numerical experiments. For the numerical simulations, cases were selected in winter (CASE 1) and summer (CASE 2). In the CASE 2, topographic effect was observed on the southward surface to enhance the solar energy reaching the surface, and enhance surface temperature and temperature at 2 m. Especially, the surface temperature is changed sensitively due to the change of the solar energy on the surface, but the change of the precipitation is difficult to match of topographic effect. As a result of the verification using Korea Meteorological Administration (KMA) Automated Weather System (AWS) data on Seoul metropolitan area, the topographic effect is very weak in the winter case. In the CASE 1, the improvement of accuracy was numerically confirmed by decreasing the bias and RMSE (Root mean square error) of temperature at 2 m, wind speed at 10 m and relative humidity. However, the accuracy of rainfall prediction (Threat score (TS), BIAS, equitable threat score (ETS)) with topographic effect is decreased compared to without topographic effect. It is analyzed that the topographic effect improves the solar radiation on surface and affect the enhancements of surface temperature, 2 meter temperature, wind speed, and PBL height.


Keywords: High resolution, topographic effect, numerical weather prediction model, solar radiation, Seoul metropolitan area

1. 서 론

최근 도시는 기후변화와 인구 및 산업시설의 밀집으로 집중호우, 폭설, 가뭄 및 폭염 등의 위험기상에 의한 인명 또는 경제적 피해가 증가하고 있다. 도시지역은 주변의 자연지역과 달리 인공적인 구조물 등이 집중적으로 건설되어 인위적인 요인으로 인하여 복사특성이 변화되고 있다. 특히 인공구조물에 의한 태양 에너지의 차폐와 인위적인 오염물질에 의한 복사 가열 또는 냉각 등이 나타나 도시 열섬 현상을 가속시키고 있다(Yokohari et al., 2000; Oleson et al., 2011; Rogelj, 2013).

도시기상 특성을 이해하기 위하여 도시 내에서의 기상현상을 관측 및 분석하고 예측하는 등의 다양한 연구들이 진행되어 왔다(Landsberg, 1970; Olfe and Lee, 1971; Garstang et al., 1975; Oke, 1982, 1988; Draxler, 1986; Lin and Smith, 1986; Baik et al., 2001; Shepherd et al., 2002; Kim and Baik, 2005; Kim et al., 2008; Choi et al., 2013). 도시의 특성을 반영할 수 있는 수치모형을 개발하여 다양한 도시특성의 지면 모수화 방법들을 적용하였다(Kusaka et al., 2001; Martilli et al., 2002; Kondo et al., 2005). 그리고 도시 건물과 인공열(Anthropogenic heat)을 고려하여 인공구조물에 따른 지표면 온도, 도시경계층 높이 그리고 열속(Heat flux) 등을 예측하는 연구들이 진행되고 있다(Ca et al., 1999; Masson, 2000; Dupont et al., 2004; Otte et al., 2004; Dupont and Mestayer, 2006; Lee and Park, 2008; Oleson et al., 2008; Ryu et al., 2011).

도시의 기상예측을 위한 수치모델의 지형과 지면 피복자료는 정확한 기상예측을 위하여 중요한 입력 요소이며 복잡하고 다양한 지역을 현실적으로 표현하기 위해서는 높은 공간 해상도를 가지는 자료가 요구된다(Kabat et al., 2002; Taylor et al., 2002). 고해상도 지형특성자료를 이용하여 수치모델 예측성능 향상을 위한 많은 연구가 진행되었으나 지형특성자료를 이용한 선행연구에 비해 지형특성에 따른 복사특성 모의에 관한 연구는 부족하다(Park et al., 2015; Jee et al., 2016). 그리고 수치모델의 예측성능을 향상시키기 위하여 다양한 해상도를 가지는 지형고도를 이용하여 해상도에 따른 복사효과를 이해하는 것이 필수적이다.

본 연구에서는 서울을 포함한 수도권 지역에 대하여 지형특성에 따른 복사효과를 수치모델에 적용하고 여름과 겨울철 단일사례에 대해 수치실험을 수행하였다. 지형효과가 기상예측에 미치는 영향을 분석하였고 실제 지상관측자료와 비교하여 예측된 기상 특성을 논하였다. 본 논문의 구성은 4개의 장으로 구성된다. 2장에서 연구에 사용된 수치모델의 구성과 지형특성 그리고 지형효과에 대하여 설명한다. 3장에서는 수치모델에 적용된 지형효과와 구름의 영향 그리고 예측된 태양 에너지에 대하여 분석하였으며 지상관측소에서 관측된 자료를 이용하여 검증 및 분석하였다. 그리고 마지막 장에서는 결과에 대하여 요약 및 제언하였다.


2. 자료 및 방법
2.1 연구 영역 및 지형자료

서울을 포함한 수도권지역을 연구대상지역으로 선정하였다. 서울은 상업, 공업 그리고 주거지가 집중되어 있으며 관련 시설들이 구축된 대도시이다. 서울의 중심에는 동서로 한강이 흐르고 있으며 남쪽과 북쪽으로 산악이 위치하고 있다. 그리고 그 주변에는 주거 및 산업중심 도시들이 위치한다. 본 연구에서는 수도권지역의 기상정보 생산을 위하여 구축된 수치모델에 지형효과를 고려하여 복사에너지를 계산할 수 있는 모듈을 적용하였다. Weather Research and Forecasting(WRF, Skamarock et al., 2008) 모델에서 서울을 포함한 수도권지역 1 km 해상도의 모델영역에 대한 지형과 지표이용도를 Fig. 1에 나타내었다.


Fig. 1. 
(a) Geographic height and (b) Landuse on Seoul and its surrounding area in WRF model.

지형고도자료는 국립지리원에서 제공된 30 m 해상도의 중분류 지표이용도(30개 유형) 자료를 수치모델에 적용하기 위하여 USGS 33유형으로 재 분류하여 적용하였다(Park et al., 2015). 지형자료의 영역에서 나타난 최대 고도는 1911 m였으며 서울을 포함한 대도시의 지표이용도는 국립지리원 중분류에 나타난 인공구조물 등의 고도, 면적과 밀집도에 따라 도시유형을 3가지로 분류하였다.

2.2 지형특성

수치모델에서 지형효과를 분석하기 위하여 2.1절의 30 m 해상도의 지형고도자료를 이용하여 지형의 경사각(Slope), 경사면(Aspect), 하늘시계요소(Sky view factor) 그리고 태양의 방위각별로 지형의 최대 그림자각을 계산하였다(Jee et al., 2017). 지형효과를 계산하는 알고리즘의 흐름도는 Fig. 2와 같다. 먼저, 지형고도자료를 이용하여 격자점에서의 경사각, 경사면과 격자별로 0~360o 방위각에 대하여 최대고도를 검색하여 최대 그림자각을 산출한다. 산출된 경사각과 경사면 그리고 태양의 천정각을 이용하여 격자점의 경사면에서 하늘시계요소를 산출한다. 그리고 하늘시계요소 산출과 유사한 방법으로 태양의 천정각과 태양의 방위각에 따라 그림자각들을 이용하여 최대 그림자각(θT)을 산출한다. 하늘시계요소와 그림자각은 입력되는 지형고도자료에 따라 매번 계산해야 한다. 그리고 그림자각의 경우 세밀한 계산을 위하여 태양의 천정각과 방위각에 따라 매번 계산하는 값이다.


Fig. 2. 
Flowchart for calculation of topographic effect from topographic data.

일반적으로 실제 지형 위에서 태양 에너지는 다음과 같이 계산된다(Ma and Iqbal, 1983).

Bglobal=Bdirectcosθ+Bdiffuse+Breflect1) 

여기서 지형 위에서 계산되는 전천 태양 에너지(Bglobal)는 태양 천정각(θ)으로 입사하는 직달 태양 에너지(Bdirect), 산란 태양 에너지(Bdiffuse) 그리고 지표면에서 반사되는 태양 에너지(Breflect)의 합으로 계산될 수 있다. 그러나 위의 계산 식을 수치모델에 적용하는 것은 가능하지만 모델격자체계 등에 적용하기 위해서는 복잡한 계산과정과 많은 계산 메모리를 요구하기 때문에 직접 적용하는 것은 어려움이 있다.

따라서 고해상도 지형자료기반으로 계산된 결과를 1 km 해상도 등 고해상도 지형자료에 적용하여 보정하는 방법(Lai et al., 2009)을 적용하였다. 이 방법은 식 (1)과 같이 직접 계산하는 것이 아니고 계산하고자 하는 해상도로 보정하는 방법이다. 고해상도로 계산된 지형효과는 방위각에 대하여 적분하여 격자수로 나누어 주는 방법으로 직달 [κ(φo, θo)]과 산란(χ) 태양 에너지의 변환계수에 대하여 아래와 같이 쓸 수 있다.

κϕo,θo=1mcosθoj=1mcosθT,jcosβj2) 
χ=1mj=1mVjcosβj3) 

여기서 φ0θ0는 태양의 방위각과 천정각이고 β는 격자점에서의 경사각이며 θT는 최대 그림자각이다. 그리고 V는 수평면에서 하늘시계요소이고 j는 격자점들이며 m은 격자점의 수를 의미한다. 즉, Fig. 1의 30 m 해상도 지형고도자료로부터 계산된 지형특성 값들을 식 (2)(3)에 적용하여 계산하였다. 본 연구에서는 30 m로 계산된 값들을 이용하여 수치모델의 수평해상도를 고려하여 1 km 해상도를 입력할 수 있도록 구축하였다. 다시 말해, 고해상도 지형효과는 30 m 해상도로 계산하였으며 식 (2)(3)을 이용하여 1 km 해상도로 변환계수들을 산출했다. 그리고 1 km 해상도의 수치모델에 입력하여 지형효과를 적용하였다. 수치모델에 적용하기 위하여 태양의 방위각(0~360o)과 천정각(2.5~87.5o)에 대해서는 각각 5o마다 계산하여 1296면의 κ(φo, θo)를 구축하였다. 그리고 하늘시계요소를 이용하여 산출된 산란 태양 에너지의 변환계수(χ)는 단일면으로 구축하였다.

식 (2)(3)식 (1)에 적용하여 저해상도에서 계산되는 태양 에너지는 아래와 같이 정리할 수 있다.

BL,direct=κϕo,θo IL,direct4) 
BL,diffuse=χ IL,diffuse5) 
BL,reflect=IL,global α1-cosβ/26) 
BL,global=BL,direct cosθL+BL,diffuse+BL,reflect7) 

여기서 I는 수평면에서 계산된 태양 에너지이고 α는 지표면 알베도이며 L은 저해상도 계산을 의미한다. 본 연구에서 계산 가능한 고해상도는 30 m 해상도이며 WRF에 적용하기 위하여 1 km 해상도로 계산하였다.

2.3 지형특성이 고려된 WRF 모델

본 연구에서 사용한 수치모델은 미국 NCAR(National Center for Atmospheric Research)에서 개발한 중규모 모델인 WRF V3.4.1이며, 비정역학 모형으로 미세규모, 중규모 기상현상을 적절히 모의한다. 수도권 지역에 대한 수치모의를 위해 초기 입력 및 경계자료는 기상청에서 제공하는 Unified Model(UM) 지역모델 예측장(12 km 해상도)과 Met Office(Meteorological Office)의 Operational Sea Surface Temperature and Sea Ice Analysis (OSTIA) 해수면 온도(5 km 해상도, Donlon et al., 2011) 그리고 National Centers for Environmental Prediction (NCEP) FNL 자료의 토양 수분 및 토양 온도(100 km 해상도)를 이용하였다. 모델의 연직층은 50개의 층(Top 50 hPa)으로 구성하였고 복사 모수화 방안은 New Goddard Longwave와 Shortwave 방안(Chou and Suarez, 1999)을 적용하였다. 미세물리과정은 YSU (WSM 6 class) 방안(Hong et al., 2006), 지면모델은 Unified Noah LSM 방안(Ek et al., 2003), 그리고 대기경계층은 ACM2 방안(Pleim, 2007)을 적용하였다(Table 1).

Table 1. 
WRF configuration for numerical experiment of topographic effect.
    Configuration     Description
    Horizontal grids     336 X 286
    Grid spacing (m)     1000
    Topography & Land use     ENV 1s /ENV USGS 33cat. 1s
    WRF version     WRF V 3.4.1
    Initial & Boundary Condition     UM Regional Model Forecast Field (KMA)
    MET office OSTIA SST
    NCEP FNL soil moisture and temperature
    Vertical grid     50 layers/Top 50 hPa
    Integral time     3s
    Radiation     New Goddard longwave scheme
    New Goddard shortwave scheme
    Microphysics     YSU (WSM 6 class) scheme
    Surface layer     Monin-Obukhov (Janjic) scheme
    Land surface     Unified Noah LSM scheme
    Planetary Boundary layer     ACM2 scheme
    Cumulus     -

2.2절에서 계산된 지형효과를 WRF 모델에 적용하기 위하여 χ, κ 변수와 입력자료를 추가하였고 맑은 상태의 직달, 산란 및 전천 태양 에너지를 계산하기 위하여 추가적인 태양 에너지 변수를 추가하였다. 선정된 사례에 대한 수치모의는 지형효과를 고려한 경우(with topo)와 지형효과를 고려하지 않은 규준실험(without topo)을 수행하였다.

2.4 사례 선정

수도권 지역에서 지형효과에 따른 수치모의를 위하여 태양의 천정각의 변화와 지표면 온도 변화를 고려하여 겨울과 강수를 포함한 여름의 사례를 선정하였다(Fig. 3). 사례는 2015년 2월 22일부터 2월 24일(CASE 1)과 7월 22일부터 7월 24일(CASE 2)이다. CASE 1은 대체로 맑았던 사례이고 CASE 2는 남동풍에 의하여 습윤한 공기가 계속적으로 유입되어 강수대가 서해부터 북동진하여 경기 및 강원 북부지역에 많은 강수를 국지적으로 내린 사례이다. CASE 1과 CASE 2의 위성영상을 보면, CASE 1은 대체로 맑다가 흐려지는 사례이고 CASE 2의 경우 강한 강수를 동반한 강수구름이 서울의 서편에 위치한 것을 볼 수 있다. 기상청 AWS의 일 누적 강수량을 보았을 때 CASE 1에서는 2일 동안 일 강수가 없었으며 CASE 2는 7월 22일은 약한 강수가 있었고 7월 23일은 15 mm 이상의 강수가 수도권 전체적으로 나타났으며 북부지방에서는 최대 163 mm의 강수를 기록하였다.


Fig. 3. 
IR1 images from COMS (upper) and daily accumulated rainfall (lower) from KMA AWS stations for CASE 1 (23 February) and CASE 2 (23 July) on 2015.

2.5 검증자료

지형특성 적용에 따른 기상변수의 예측성을 분석하기 위하여 기상청에서 수집한 AWS 관측자료를 이용하였다. AWS 관측자료는 모델영역 중 서울을 포함한 수도권 일대의 37소에서 관측된 자료이고 기상변수는 기온, 상대습도, 풍속 및 1시간 누적 강수량이다. 수치모델을 이용하여 예측된 변수 중 2 m 기온, 상대습도, 풍속 및 강수량 변수를 AWS의 시공간과 일치시키고 변수별 통계값을 계산하였다. 기온, 풍속, 상대습도에 대하여 상관계수, 편이, 평방근오차(Root Mean Square Error (RMSE)) 등 정량적인 통계값을 계산하였고 강수량에 대해서는 0.5 mm hr−1 강수량을 기준으로 Threat Score (TS), 편이(BIAS), Equitable Threat Score (ETS) 등 검증지수를 계산하였다.


3. 결 과
3.1 수치모의 결과

2.2절의 지형특성자료를 수치모델에 적용하여 계산된 산란 태양 에너지와 직달 태양 에너지의 변환계수를 Figs. 45에 나타내었다. 서울을 중심으로 남쪽과 북쪽 그리고 동쪽에 600 m 이상의 산악이 위치하며 산악을 중심으로 경사각과 경사면이 나타난다. 수도권지역의 κχ 분포를 분석하였을 때 χ는 지형자체에 의한 하늘시계요소로 나타낼 수 있기 때문에 시간에 따라 변화없이 일정한 분포를 보인다. 그러나 κ는 시간과 공간의 변화에 따라 태양의 방위각과 천정각이 변화하기 때문에 시간에 따른 변화가 나타난다. 정오를 기준으로 오전과 오후에 지형에 의한 차폐지역이 다르게 나타나며 정오에서 멀어질수록 차폐의 비율은 크게 나타난다. 오전시간에는 남동쪽 사면에 많은 태양 에너지가 도달되며 오후시간에는 남서쪽 사면에 많은 태양 에너지가 도달된다. 따라서 오전에는 산악의 북서쪽 사면 그리고 오후에는 북동쪽 사면에서 차폐가 발생된다. CASE 1은 CASE 2와 비교하여 천정각이 크기 때문에 태양 에너지가 큰 정오에 산악주변에서 지형효과는 크게 나타날 수 있다.


Fig. 4. 
Distribution of scaling factor for diffuse (χ) radiation adopted on WRF model. All grid points have same χ with time.


Fig. 5. 
Distribution of scaling factor for direct (κ) solar radiation at 2300 UTC on 22 February and 22 July and at 0300 and 0700 UTC on 23 February (upper) and 23 July (lower) 2015 adopted on WRF model. κ is a function of geographical position with solar zenith and azimuth angle.

예측된 수치실험 결과에 대하여 모델 영역의 격자점 전체에서 계산된 변수들의 편차를 계산하였다. 지형특성의 적용에 따른 직달 태양 에너지의 변환계수(KAPPA)와 예측된 기상변수들(SWD: 지표면 도달 태양 에너지, TSK: 지표면 온도, T2: 2 m 기온, PBLH: 경계층고도)의 최대편차와 최소편차의 시계열을 Fig. 6에 나타내었다. κ의 편차는 일출 직후와 일몰 전에 최대값이 나타났고 겨울사례(CASE 1)에서 큰 편차를 보였다. 그리고 여름철(CASE 2)의 천정각 및 방위각의 변화로 겨울철(CASE1)과 비교하여 일출은 2시간 빠르고 일몰은 2시간 느리게 나타났다. 지형의 경사면에서 정오에 지표면에 도달하는 태양 에너지가 ± 1000Wm−2 차이를 나타냈으며 일몰과 일출에 가까워 질수록 태양 에너지의 감소로 편차는 감소되었다. 이러한 태양 에너지의 증가 또는 감소에 따라 지표면온도와 2 m 기온은 ± 10K 이상 편차가 나타났다. 겨울철의 편차는 ± 3K 이하였으며 여름철과 비교하여 가열 또는 냉각이 약하기 때문인 것으로 분석된다. 지표면 가열/냉각에 따라 경계층의 고도의 편차는 낮 시간에 ± 1000 m 이상이었다. 이들 편차를 비율로 살펴보면 지표면 도달 태양 에너지는 여름철 100% 이상 증가 또는 감소되었고 겨울철에는 20%이내의 효과가 나타났다. 태양 에너지의 변화에 따른 지표면 온도는 여름철 ± 5%, 겨울철 ±2% 이내의 효과를 보였으나 2 m 기온은 대기상태에 따라 증가 또는 감소의 비율이 ± 1% 미만으로 모의되었다. 지표면 온도 변화에 의한 경계층 고도의 증감은 절대적으로 일치할 수는 없으나 낮 시간의 증가 또는 감소 비율은 작았다.


Fig. 6. 
Time series of maximum and minimum differences between with and without topographic effect for scaling factor of direct solar radiation (KAPPA (κ)), surface solar radiation (SWD), surface temperature (TSK), 2 m temperature (T2) and PBL height (PBLH) on 23 February and 23 July 2015. Differences are included maximum and minimum on the all model grids.

Figure 7은 2015년 7월 23일과 24일의 일 누적 강수량이며 기상청 AWS의 강수량 관측과 WRF 모델의 예측결과이다. 수도권지역에 7월 23일에는 1 mm day−1 이하의 강수량이 기록되었으나 모델예측에서는 2~3 mm day−1의 강수량이 예측되었다. 7월 24일에 20 mm day−1 이상의 강수량이 관측되었고 모델에서는 일부지역에서 100 mm day−1 이상의 강수가 예측되었으나 서울은 유사한 강수량 분포를 모의하였다. 그러나 지형효과에 의한 강수의 변화는 적은 것으로 분석된다.


Fig. 7. 
Daily accumulated rainfall (mm day−1) at 0000 UTC 23 July 2015 (upper) and 0000 UTC 24 July 2015 (lower).

Figure 8은 북한산이 위치한 위도 37.64oN (37.6oN~37.7oN 평균)와 경도 126.95oE (126.9oE~127.0oE)를 기준으로 동서와 남북방향의 지형효과유무에 따른 태양 에너지와 지표면 온도의 차이를 시간대별로 나타내었다. 맑은 상태의 태양 에너지와 구름을 고려한 태양 에너지 그리고 태양 에너지에 의하여 민감하게 반응하는 지표면 온도를 오전 8시(2300 UTC), 정오(0300 UTC), 오후 4시(0700 UTC)에 대하여 나타내었고 지형의 고도와 함께 나타내었다. 지형효과에 의한 태양 에너지의 변화는 겨울철에 뚜렷하게 나타났다(Fig. 8a). 오전에는 지형의 동쪽 사면에서 그리고 오후에는 지형의 서쪽 사면에서 많은 태양 에너지가 도달하여 편차가 증가되었다. 또한 정오에 산악의 남쪽 사면에 태양 에너지가 증가되는 것을 볼 수 있다. 구름을 포함하였을 때는 오전과 정오에 태양 에너지의 감소가 나타났으며, 오후에 겨울철에는 증가가 나타났고 여름철에는 감소가 나타났다(Fig. 8b). 지표면에 도달하는 태양 에너지의 편차와 동일하게 지표면 온도의 편차가 나타났다(Fig. 8c). 지표면에 도달하는 태양 에너지가 증가되는 산의 전면 경사에서 지표면 온도가 상승하였고(겨울철 0.5oC, 여름철 3oC) 태양 에너지가 감소하는 산의 후면 경사에서 지표면 온도가 크게 감소하였다(겨울철 −1oC, 여름철 −4oC). CASE 2의 경우 0700 UTC(1600 LST)의 지표면 온도 감소는 지형효과뿐만 아니라 구름의 증가로 태양 에너지가 급격히 감소되어 나타난 것으로 분석된다.


Fig. 8. 
Differences between with and without topographic effect simulations of (a) downward shortwave radiation (W m−2) at clear sky, (b) downward shortwave radiation (W m−2) and (c) skin temperature (oC) on east-west (37.64oN) and south-north (126.95oE) at 2300 UTC on 22 February and 22 July and at 0300 and 0700 UTC on 23 February and 23 July 2015. Gray line and right y-axis represent terrain height in NWP model.

시간별 태양 에너지의 변화를 살펴보기 위하여 북한산을 기준으로 정상(37.64oN, 126.99oE), 동(37.64oN, 127.01oE), 서(37.64oN, 126.95oE), 남(37.61oN, 126.99oE), 북(37.67oN, 126.99oE) 경사의 지점들을 선택하여 시계열을 나타내었다(Fig. 9). 지형효과만을 살펴보기 위하여 맑은 상태의 태양 에너지를 Fig. 9a에 나타내었다. 지형 효과에 의한 태양 에너지 편차는 태양 에너지가 큰 여름철에 뚜렷이 나타났고 북한산의 동쪽과 서쪽 사면에 위치한 지점에서 증가와 감소가 크게 나타났다. CASE 1의 경우 북한산의 북쪽 사면 지점에서 태양 에너지의 증감이 크게 나타났으며(± 30 W m−2 이상), CASE 2는 동쪽과 서쪽 사면에 위치한 지점에서 태양 에너지의 증감이 뚜렷이 나타났다(± 50 W m−2 이상). 그리고 구름의 영향을 살펴보기 위하여 지형효과를 고려한 실험에서 기상변화에 따른 태양 에너지와 맑은 상태의 태양 에너지의 편차를 나타내었다(Fig. 9b). 구름의 영향은 태양 에너지를 감소하는 역할을 하였고 CASE 1에서 2월 22일 초기시간에 구름에 의한 영향이 상대적으로 크게 나타났으며(최대 300W m−2 이상) 2월 23일은 맑은 상태가 유지되어 편차는 10W m−2 이하로 작게 나타났다. CASE 2의 경우, 7월 22일 부분적인 구름들이 위치하고 있어 태양 에너지의 감소는 상대적으로 작았으나(최대 100 W m−2 이하) 7월 23일 구름이 발달되고 강수가 내리면서 구름에 의한 태양 에너지의 감소는 뚜렷이 나타났다. 위치에 따른 차이는 있었으나 전체적으로 구름이 덮여 있어 최대 500W m−2 이상 태양 에너지의 감소가 나타났다. 또한, 구름의 영향만 분석하기 위하여 Fig. 9b와 같이 구름의 영향을 계산하여 지형효과 유무에 따른 편차를 계산하였다(Fig. 9c). CASE 1의 경우 서쪽 사면 지점을 제외한 지점들에서 지형효과에 의한 구름의 감소로 태양 에너지가 증가되었다. CASE 2는 부분적인 구름이 있었던 7월 22일에는 전체적으로 지형효과에 의해 구름이 감소되어 태양 에너지가 증가되었고 7월 23일에는 강수가 있었던 시간에 구름이 증가되어 태양 에너지가 급격히 감소되었다. 따라서 지형효과에 의하여 약한 구름은 감소되어 태양 에너지를 증가시켰으며 구름이 많을 때는 구름을 강화시켜 태양 에너지를 급격히 감소시켰다.


Fig. 9. 
Timeseries of solar radiations at Center (C), South (S), North (N), West (W) and East (E) points on Bukhan mountain (37.64oN and 126.98oE) during simulations. Solar radiations are included difference between with and without topographic effect at clear sky, difference between cloudy and clear sky with topographic effect and difference of cloud effect between with and without topographic effect.

지형효과유무에 따른 수치실험에서 맑은 상태의 태양 에너지 비교를 통하여 지형효과를 분석할 수 있으며 예측된 태양 에너지와 맑은 상태의 태양 에너지 편차를 이용하여 구름효과를 분석할 수 있다. 그러나 지형효과에 의한 강수의 변화는 다양한 물리과정들이 복합적으로 영향을 미쳐 직접적인 증감을 말하기는 힘든 것으로 사료된다.

3.2 검증

3.1절의 예측결과를 기반으로 2.5절의 기상청 37개 AWS 자료를 검증자료로 이용하여 통계분석을 실시하였다. Figure 10은 CASE 1과 CASE 2의 수치모델 예측 결과와 AWS 관측자료의 2 m 기온, 10 m 풍속, 강수량 및 상대습도에 대한 평균 시계열이다. AWS 관측자료와 비교하였을 때 CASE 1의 경우 실험들의 차이는 작았으며 이러한 작은 차이는 겨울철 천정각이 크고 태양 에너지가 작기 때문인 것으로 분석된다. 풍속의 경우 예측된 결과가 관측보다 강하게 예측하였고 상대습도는 낮게 모의하는 특징을 보였다. CASE 2의 경우 기온은 다소 높고 풍속은 강하였으며 상대습도는 낮게 모의하였다. 강수량은 약하게 모의하였으나 2일 동안 강수의 패턴은 유사하게 모의하였다. 지형특성 적용에 따른 차이로 기온은 다소 상승되었고 풍속은 다소 강화되었으며 강수량은 일부 시간대에 상승된 것을 볼 수 있다.


Fig. 10. 
Time series of meteorological variables on Seoul area for CASE 1 and CASE 2. Meteorological variables include temperature at 2 m, wind speed at 10 m, rainfall amount and relative humidity with AWS observation and with and without topo experiments.

Table 2는 실험별 예측결과에 대하여 37소의 AWS 관측자료를 이용하여 기상 변수를 검증한 결과이다. CASE 1의 경우 시계열 분석과 같이 지형효과에 따른 검증 수치의 차이는 없었으나 CASE 2의 경우 대체로 지형효과 적용에 따라 검증수치의 증감이 나타났다. 상대습도의 상관성과 편차 그리고 풍속의 편차는 개선되었으나 기온, 풍속 그리고 강수량의 검증수치는 다소 감소되었다. 기온의 BIAS는 0.34oC 증가되었고 RMSE는 0.42oC 감소하였다. 풍속의 상관성은 0.12 감소하였고 BIAS는 0.22 m s−1 감소하였다. 강수량의 경우 TS는 0.04 그리고 ETS는 0.02 하락하였고 BIAS가 0.2 하락하였다. 본 연구의 사례수가 적어 일반화는 힘들지만 사례연구의 검증결과를 정리하면 지형효과에 의한 예측변수의 변화는 겨울철보다 여름철에 컸다. 특히, 상대습도의 예측성 향상에 기여하였으나 강수예측 불확실성을 중가시켰고 기온과 풍속의 예측성능을 감소시키는 것으로 분석된다.

Table 2. 
Summary of statistics for CASE 1 and CASE 2 with and without topographic effect. Statistical method are applied correlation, bias and RMSE for temperature, wind speed and relative humidity, and threat score, bias and equitable threat score for rainfall amount with 0.5 mm for threshold.
Variables statistics T2 WS10 RH2 Rainfall*
With (Without) topographic effect
CASE 1 Correlation (TS) 0.93 (0.93) 0.74 (0.74) 0.50 (0.50) - (-)
BIAS (BIAS) 0.20 (0.19) 1.24 (1.24) −5.43 (−5.42) - (-)
RMSE (ETS) 1.04 (1.04) 1.78 (1.78) 32.87 (32.88) - (-)
CASE 2 Correlation (TS) 0.88 (0.88) 0.29 (0.41) 0.53 (0.50) 0.42 (0.46)
BIAS (BIAS) 1.84 (1.50) 0.78 (1.00) −5.97 (−6.05) 0.68 (0.88)
RMSE (ETS) 1.78 (2.20) 1.39 (1.38) 40.13 (39.83) 0.31 (0.33)
*Rainfall amount threshold = 0.5 mm.


4. 요약 및 결론

지형고도자료를 이용하여 지형효과에 의한 복사에너지의 차폐와 강화를 수치모델에 적용하였다. 지형효과는 주변지형에 의하여 산란과 직달 태양 에너지의 차폐 또는 감쇄시키거나 직달 태양 에너지를 직접적으로 받아 상승시키는 역할을 한다. 산란 태양 에너지는 주변지형에 의하여 감소를 보정하는 χ를 이용하였고 직달 태양 에너지는 지형에 의한 태양 에너지 차단 또는 차폐 등을 보정할 수 있도록 태양의 천정각과 방위각에 따라 미리 계산된 보정계수(κ(φo, θo))를 적용하였다. 본 연구에서는 1 km 해상도에 적용하기 위해 χ, κ(φo, θo)를 계산하여 모델 내에서 입력될 수 있도록 구성하였고 수치실험을 통하여 지형효과가 기상변수에 미치는 영향을 분석하였다. 수치모의를 위하여 겨울(CASE 1)과 여름(CASE 2) 사례를 선정하였고 여름철 사례는 강수가 있는 사례를 선정하여 추가적인 분석을 시도하였다.

지형효과를 분석하였을 때 지표면 도달 태양 에너지의 변화로 지표면 온도와 기온은 민감하게 변화되었다. 겨울철 사례의 지형효과는 절대적인 태양 에너지가 작아 기상변수에 미치는 영향은 상대적으로 작았다. 그러나 여름철 사례에서는 뚜렷한 지형효과가 남향, 동향, 서향의 경사면에서 나타나 지표면에 도달하는 태양 에너지를 증가 또는 감소시켰고 지표면 온도에 민감하게 영향을 주었다. 북한산과 같은 높은 산악의 지형에서는 동쪽과 서쪽 사면의 지점에서 뚜렷한 태양 에너지의 증감이 나타났으며 구름은 태양 에너지를 급격히 감소시키는 역할을 하였다. 지형효과가 구름에 미치는 영향을 살펴보면, 약한 구름은 더 약화시켜 태양 에너지를 증가시켰고 강한 구름은 더 강화시켜 태양 에너지를 감소시키는 역할을 하였다. 그리고 구름이 발생될 경우 구름효과는 지형효과보다 민감하게 기상변수에 영향을 미치는 것으로 분석되었다.

수도권의 AWS 관측자료를 이용하여 검증한 결과, 겨울철 사례에서는 지형효과에 의한 기상변수들의 검증수치 변화는 작았다. 여름철 사례의 경우 기온, 풍속 그리고 상대습도의 편이 또는 평방근 오차는 감소시켜 예측의 불확실성은 낮추었으나 강수의 경우 예측 정확도를 전반적으로 하락시켰다(ETS 0.02 하락, BIAS 0.2 하락, TS 0.04 하락).

이상의 결과를 정리하면 지형효과는 태양 에너지를 변화시켜 지표면온도, 기온, 풍속, 경계층 고도, 구름 등에 영향을 미치는 것으로 분석되었다. 최근 전산자원의 개선으로 수치모델의 해상도 증가가 활발히 이루어지기 때문에 고해상도 수치모의에 있어 지형효과는 무시할 수 없을 것으로 판단된다. 특히 복잡한 지형이 많은 한반도에서의 지형효과 분석결과는 다양한 학문의 기초자료로 활용이 가능할 것으로 사료된다. 그러나 이상의 결론에 도달하기 위하여 본 논문에서 분석한 사례는 여름철과 겨울철의 단일 사례들이고 모의시간이 짧기 때문에 일반화하기에는 많은 한계점과 불확실성을 포함한다. 따라서 향후 연구로 장기 수치모의를 통하여 추가적인 분석을 수행하여 일반화된 결론 도출이 필요하다.


Acknowledgments

본 연구는 기상청 차세대도시농림융합스마트기상서비스개발(WISE) 사업의 지원으로 수행되었습니다(KMIPA-2012-0001-1). 기상청 슈퍼컴퓨터가 활용되도록 지원해준 기상청 관측기반국 국가기상슈퍼컴퓨터센터에 특별히 감사드립니다.


References
1. Baik, J.-J., Y.-H. Kim, and H.-Y. Chun, (2001), Dry and moist convection forced by an urban heat island, J. Appl. Meteor, 40, p1462-1475.
2. Ca, V. T., T. Asaeda, and Y. Ashie, (1999), Development of a numerical model for the evaluation of the urban thermal environment, J. Wind Eng. Ind. Aerod, 81, p181-196.
3. Choi, Y.-J., S.-L. Kang, J. Hong, S. Grimmond, and K. J. Davis, (2013), A next-generation weather information service engine (WISE) customized for urban and surrounding rural areas, Bull. Amer. Meteor. Soc, 94, pES114-ES117.
4. Chou, M.-D., and M. J. Suarez, (1999), A Solar Radiation Parameterization for Atmospheric Studies, NASA/TM-1999-104606, Vol. 15, p39.
5. Donlon, C. J., M. Martin, J. Stark, J. Roberts-Jones, E. Fiedler, and W. Wimmer, (2011), The Operational Sea Surface Temperature and Sea Ice analysis (OSTIA), Remote Sens. Environ, 116, p140-158.
6. Draxler, R. R., (1986), Simulated and observed influence of the nocturnal urban heat island on the local wind field, J. Clim. Appl. Meteorol, 25, p1125-1133.
7. Dupont, S., and P. G. Mestayer, (2006), Parameterization of the urban energy budget with the submesoscale soil model, J. Appl. Meteor. Climatol, 45, p1744-1765.
8. Dupont, S., T. L. Otte, and J. K. S. Ching, (2004), Simulation of meteorological fields within and above urban and rural canopies with a mesoscale model (MM5), Bound.-Layer Meteor, 113, p111-158.
9. Ek, M. B., K. E. Mitchell, Y. Lin, E. Rogers, P. Grunmann, V. Koren, G. Gayno, and J. D. Tarpley, (2003), Implementation of Noah land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta model, J. Geophys. Res, 108, p8851.
10. Garstang, M., P. D. Tyson, and G. D. Emmitt, (1975), The structure of heat islands, Rev. Geophys, 13, p139-165.
11. Hong, S.-Y., Y. Noh, and J. Dudhia, (2006), A new vertical diffusion package with an explicit treatment of entrainment processes, Mon. Wea. Rev, 134, p2318-2341.
12. Jee, J.-B., M. Jang, C. Yi, I.-S. Zo, B.-Y. Kim, M.-S. Park, and Y.-J. Choi, (2016), Sensitivity analysis of the highresolution WISE-WRF model with the use of surface roughness length in Seoul metropolitan areas, Atmosphere, 26, p111-126, (in Korean with English abstract).
13. Jee, J.-B., M. Jang, J.-S. Min, I.-S. Zo, B.-Y. Kim, and K.-T. Lee, (2017), Estimation of solar energy based on highresolution digital elevation model on the Seoul area, Atmosphere, 27, p331-344, (in Korean with English abstract).
14. Kabat, P., and Coauthors , (2002), Vegetation, Water, Humans and the Climate Change: A New Perspective on an Interactive System, Springer, p566.
15. Kim, Y.-H., and J.-J. Baik, (2005), Spatial and temporal structure of the urban heat island in Seoul, J. Appl. Meteor, 44, p591-605.
16. Kim, Y.-H., S.-B. Ryoo, J.-J. Baik, I.-S. Park, H.-J. Koo, and J.-C. Nam, (2008), Does the restoration of an inner-city stream in Seoul affect local thermal environment?, Theor. Appl. Climatol, 92, p239-248.
17. Kondo, H., Y. Genchi, Y. Kikegawa, Y. Ohashi, H. Yoshikado, and H. Komiyama, (2005), Development of a multi-layer urban canopy model for the analysis of energy consumption in a big city: Structure of the urban canopy model and its basic performance, Bound.-Layer Meteor, 116, p395-421.
18. Kusaka, H., H. Kondo, Y. Kikegawa, and F. Kimura, (2001), A simple single-layer urban canopy model for atmospheric models: Comparison with multi-layer and slab models, Bound.-Layer Meteor, 101, p329-358.
19. Lai, Y.-J., M.-D. Chou, and P.-H. Lin, (2009), Parameterization of topographic effect on surface solar radiation, J. Geophy. Res, 115, D01104.
20. Landsberg, H. E., (1970), Man-made climate changes, Science, 170, p1265-1274.
21. Lee, S.-H., and S.-U. Park, (2008), A vegetated urban canopy model form Meteorological and environmental modelling, Bound.-Layer Meteor, 126, p73-102.
22. Lin, Y.-L., and R. B. Smith, (1986), Transient dynamics of airflow near a local heat source, J. Atmos. Sci, 43, p40-49.
23. Ma, C. C. Y., and M. Iqbal, (1983), Statistical comparison of models for estimating solar radiation on inclined surface, Solar Energy, 31, p313-317.
24. Martilli, A., A. Clappier, and M. W. Rotach, (2002), An urban surface exchange parameterization for mesoscale models, Bound.-Layer Meteor, 104, p261-304.
25. Masson, V., (2000), A physically-based scheme for the urban energy budget in atmospheric models, Bound.-Layer Meteor, 94, p357-397.
26. Oke, T. R., (1982), The energetic basis of the urban heat island, Quart. J. Roy. Meteor. Soc, 108, p1-24.
27. Oke, T. R., (1988), Boundary Layer Climatest. 2nd Edition, Routledge, p435.
28. Oleson, K. W., G. B. Bonan, J. Feddema, M. Vertenstein, and C. S. B. Grimmond, (2008), An urban parameterization for a global climate model. Part I: Formulation and evaluation for two cities, J. Appl. Meteor. Climatol, 47, p1038-1060.
29. Oleson, K. W., G. B. Bonan, J. Feddema, and T. Jackson, (2011), An examination of urban heat island characteristics in al global climate model, Int. J. Climatol, 31, p1848-1865.
30. Olfe, D. B., and R. L. Lee, (1971), Linearized calculations of urban heat island convection effects, J. Atmos. Sci, 28, p1374-1388.
31. Otte, T. L., A. Lacser, S. Dupont, and J. K. S. Ching, (2004), Implementation of an urban canopy parameterization in a mesoscale meteorological model, J. Appl. Meteorol, 43, p1648-1665.
32. Park, S.-H., J.-B. Jee, and C.-Y. Yi, (2015), Sensitivity test of the numerical simulation with high resolution topography and landuse over seoul metropolitan and surrounding areas, Atmosphere, 25, p309-322, (in Korean with English abstract).
33. Pleim, J. E., (2007), A combined local and nonlocal closure model for the atmospheric boundary layer. Part I: Model description and testing, J. Appl. Meteor. Climatol, 46, p1383-1395.
34. Rogelj, J., (2013), Summary for policymakers, In Climate Change 2013:The Physical Science Basis. Contribution of Working Group I to The Fifth Assessment Report of The Intergovernmental Panel on Climate Change, T. F. Stocker et al. Eds., Cambridge University Press, p3-29.
35. Ryu, Y.-H., J.-J. Baik, and S.-H. Lee, (2011), A new singlelayer urban canopy model for use in mesoscale atmospheric models, J. Appl. Meteor. Climatol, 50, p1773-1794.
36. Shepherd, J. M., H. Pierce, and A. J. Negri, (2002), Rainfall modification by major urban areas: Observations from spaceborne rain radar on the TRMM satellite, J. Appl. Meteorol, 41, p689-701.
37. Skamarock, W. C., J. B. Klemp, J. Dudhia, D. O. Gill, D. M. Barker, M. G. Duda, X.-Y. Huang, W. Wang, and J. G. Powers, (2008), A description of the advanced research WRF version 3, NCAR Tech. Note NCAR/TN-475+STR, p125.
38. Taylor, C. M., E. F. Lambin, N. Stephenne, R. J. Harding, and R. L. H. Essery, (2002), The influence of land use change on climate in the Sahel, J. Climate, 15, p3615-3629.
39. Yokohari, M., K. Takeuchi, T. Watanabe, and S. Yokota, (2000), Beyond greenbelts and zoning: A new planning concept for the environment of Asian mega-cities, Landscape Urban Plan, 47, p159-171.