Home

열대지역의 대류활동 분석을 위해 NOAA interpolated OLR의 일 평균 자료를 사용하였다(Liebmann and Smith, 1996). 비습, 바람은 Fifth generation of ECMWF atmospheric reanalysis (ERA5) 재분석(이후, 관측 또는 OBS)을 사용하였다(Bell et al., 2020). MJO의 계절적 의존도로 인해 열대지역 동서 구조가 가장 활발한 1979-2018년 겨울철(11월-4월, NDJFMA) 기간에 대해 분석하였다. 수평해상도는 2.5^o × 2.5^o로 내삽하였다.

영국 기상청에서 개발한 결합 모델인 GC2는 Global Atmosphere 6.0과 Global Land 6.0 (GA6.0 and GL6.0; Walters et al., 2017), Global Ocean 5.0 (GO5.0; Megann et al., 2014), Global Sea Ice 6.0 (GSI6.0; Rae et al., 2015)으로 이루어져 있으며, GC3.1은 Global Atmosphere 7.1과 Global Land 7.0 (GA7.1 and GL7.0; Walters et al., 2019), Global Ocean 6.0 (GO6.0; Storkey et al., 2018), Global Sea Ice 8.1 (GSI8.1; Ridley et al., 2018)로 이루어져 있다. Williams et al. (2018)과 Kim et al. (2021b)에 의하면, GC2와 GC3.1의 차이는 모델 구성이며 구름, 복사, 해빙 매개변수 및 에어로졸 scheme 등의 개선으로 남극해의 해수면 온도와 대기모델 구름 모의에 대한 예측성이 향상되었다. 대기모델에서는 복사 플럭스 모의를 크게 개선해 대류 권계면에서의 기온 오차를 개선하는 효과가 나타났고, warm rain 강수물리과정의 새로운 모수화 방안(Boutle et al., 2014)을 채택해 비습 개선에 영향을 주었다. 또한, 6A convection scheme을 새롭게 도입해 적운 모수화 과정이 개선되었다. 모델의 분석 기간 및 수평해상도(대기: N216, 해양: ORCA025L75)는 관측 자료와 동일하게 내삽하여 적용하였다. GC3.1에 대한 보다 상세한 설명은 이 버전과 큰 차이가 없는 GC3.2-GloSea6를 자세히 기술한 Kim et al. (2021a)를 참고할 수 있다.

Hyun et al. (2022)에 의하면, GloSea5에서 GloSea6로 업그레이드 됨에 따라 열대, 중위도 대류권계면과 성층권에서 음의 지위고도 오차, 대류권 기온의 한랭 오차, 적도 대류권에서의 건조 오차가 감소하였으며, 적도 해수면 온도의 한랭 오차와 남반구해수면 온도의 온난 오차가 개선되어, 해양에서의 주요 기후변동 모드들의 모의에 긍정적인 영향을 간접적으로 유추하였다.

모델의 MJO 성능 진단을 위해 두가지 방법으로 자료를 생산하였다. 첫번째는 Wheeler and Hendon (2004)에 따라 분석 기간의 일별 기후값과 연별 계절 주기를 제거하고 120일 이동 평균을 다시 제거하여 아노말리를 계산하였다. 두번째는 Lanczos window (Duchon, 1979)를 이용한 band-pass filter를 통해 20-70일로 분리된 아노말리를 생산하였다. 각각의 자료는 Unfiltered와 Filtered로 구분하고 Unfiltered 자료를 이용하여 모델자료의 기본성능을 분석한 뒤, Filtered 자료를 이용하여 MJO 프로세스를 자세하게 분석하였다. 20-70일로 분리된 상층과 하층 동서바람(U200, U850), 그리고 상향장파복사(OLR)로부터 열대지역 남북 영역(15^oS-15^oN) 평균하여 다변량(Multivariate) EOF 분석을 수행하였다. 모델과 관측자료에 대해 각각 주요 모드인 EOF1과 EOF2로부터 RMM1 (PC1)과 RMM2 (PC2)를 계산하여 MJO 지수(Wheeler and Hendon, 2004)를 산출하였다. 최종적으로 산출된 분석기간(1979-2018년 겨울)의 일별 아노말리와 MJO 지수에 의해 생산된 합성장을 이용하여 모델에서 모의하는 MJO의 열역학 또는 역학적인 구조를 진단하였다. 이때, MJOWG (2009), Wang et al. (2018), 그리고 Wang et al. (2020)에서 제시된 여러가지 방법들 중 제한적인 모델자료로부터 도출될 수 있는 진단 방법들을 선택하여 정량적/정성적인 진단결과를 다음과 같이 계산하였다.

• (1) MJO 주기 모의성능: 열대지역(10^oS-10^oN) OLR의 wavenumber power spectrum을 계산하여 MJO 영역(25-100일, 1-3 파수)에 대해 평균하여 계산한다.
• (2) MJO 지수의 Coherency 성능: RMM1과 RMM2의 시간-지연 상관계수를 계산하여 최댓값과 최솟값의 절대값을 평균하여 계산한다.
• (3) MJO 동진전파 모의성능: MJO가 인도양 서부에서부터 중태평양까지 동쪽으로 전파해가는 과정을 인도양 서부(West of Indian Ocean, W·IO: 10^oS-10^oN, 70^o-90^oE), 인도양(Indian Ocean, IO: 10^oS-10^oN, 80^o-100^oE), 서태평양(Western Pacific, WP: 10^oS-10^oN, 130^o-150^oE), 해양성 대륙(Maritime Continent, MC: 10^oS-10^oN, 110^o-130^oE), 서태평양동부(East of Western Pacific, E·WP: 10^oS-10^oN, 140^o-160^oE) 영역 중심의 OLR 회귀계수로 산출한 관측과 모델의 시간-경도별 전파 패턴의 상관계수를 계산한다.
• (4) 하층 수증기 수송구조 모의성능: 하층(850 hPa) 수증기(비습)의 수송을 계산하여 인도양과 서태평양 중심에서 OLR 회귀계수로 수평장을 산출하고 관측과 모델 사이의 패턴상관계수를 계산한다. 이때 인도양 중심의 경우는 A 구역(15^oS-15^oN, 50^o-160^oE)에 대해, 서태평양 중심은 B 구역(15^oS-15^oN, 100^oE-150^oW)에 대해 계산한다.
• (5) 상층 발산 바람구조 모의성능: 상층(200 hPa) 바람의 발산/수렴을 계산하여 (4)와 같은 방법으로 산출한다.
• (6) 하층 바람구조 모의성능: 하층(850 hPa) 동서바람을 (4)와 같은 방법으로 산출한다.

Figure 1은 Wavenumber-frequency power spectrum 구조 및 MJO 영역(25-100일, 1-3 동서 파동수)에서 계산된 MJO 주기를 나타낸다. 2장에서 설명한 바와 같이 필터를 적용하지 않은 경우와 적용한 경우로 구분되어 있으며 MJO 공간-시간 규모에서의 특징을 볼 수 있다. MJO OLR의 동진 파동 최대값은(Figs. 1a, d) 30-60일과 동서 파동수 1-2의 범위에서 필터 적용 여부와 상관없이 나타난다. 네모 박스의 MJO 영역에 대해 평균하게 되면 Unfiltered의 경우 약 43일, Filtered의 경우 약 41일로 두 경우 모두 약 40일의 MJO 주기에서 뚜렷하게 구분되는 것을 알 수 있다. 모델에서는 Unfiltered의 경우 최댓값 위치가 100일 이상의 장 주기에서 나타나고 약 25일 미만의 주기까지 관측보다 넓은 범위에서 진동이 관찰된다. 또한 서진하는 로스비 파의 영향력이 관측과 달리 모델에서 강한 것으로 분석된다. 필터를 하게 되면 관측과의 차이가 감소하지만 MJO 영역에서의 스펙트럼 강도는 모델이 관측의 20% 정도만 모의한다. 동진 파동 대비 서진 파동의 크기 비율이 모델에서 크게 나타나며 특히 GC2에서 더 큰 오차가 발생한다. 관측에서 동서 파동수 1-3 범위에서 나타나는 스펙트럼 최대값이 모델에서는 1-2 범위에 집중되며 GC2보다 GC3.1에서 더 뚜렷하게 나타난다. 필터를 적용했을 때 두 모델에서 모두 짧은 규모(약 25일)에서 최대값이 위치하는 것을 알 수 있다. MJO 영역에서 모델이 모의하는 주기는 필터하지 않은 경우는 약 37-38일, 필터한 경우는 약 34-37일로 차이는 크지 않다. 그러나 관측과 비교하면 약 5-7일 이상 진동 주기가 짧게 나타나며 강도 또한 약하게 모의하고 있다.

Fig. 1. 
Wavenumber-frequency power spectra of 10^oS-10^oN averaged OLR (unit: W² m^-4 per frequency interval per wavenumber interval) for (a) (d) OBS, (b) (e) GC2, and (c) (f) GC3.1 models. Dotted lines are drawn at frequencies corresponding to 25 and 100 days. The black box is the band where the MJO period from (g) unfiltered (a-c) and (h) filtered (d-f) OLR is calculated.

Figure 2는 MJO RMM1과 RMM2 지수 사이의 시간-지연 상관을 시계열로 나타낸 것으로 MJO의 동쪽 전파가 얼마나 일관되게 진동하는지에 대한 성능을 알아볼 수 있다. Coherency 값이 낮을수록 RMM 지수간 관련성이 낮아 일정한 속도로 동진하는 구조가 발생하기 어려움을 뜻한다. Figure 2a 관측에서 10일 전에 가장 높은 상관계수 값(filtered: 0.8, unfiltered: 0.6)이 나타나고 이로부터 약 19일 후에 가장 낮은 값(filtered: -0.8, unfiltered: -0.6)이 나타난다. Coherency는 필터 적용 및 적용 전의 값이 모두 약 0.8과 0.6의 높은 값으로 MJO 전파의 진동성이 매우 일관되게 나타나고 있음을 보여주는 결과이다. 모델의 경우도 관측과 유사한 결과를 보여준다. 필터를 적용한 경우 20-70일 밴드 안에서의 진동성이 강조되어 관측과 더 유사한 결과를 보이며 약 0.8의 Coherency 값이 산출되었고 필터 적용하지 않은 경우 관측 대비 차이가 발생하여 약 0.5-0.6의 값으로 나타난다. GC3.1이 GC2에 비해 필터 적용 전후 모두 Coherency 값에서 더 작은 오차를 보여준다.

Fig. 2. 
The lead-lag correlation between RMM1 and RMM2 indices by filtered (solid line) and unfiltered (dashed line) data from (a) OBS, (b) GC2, and (c) GC3.1 models. MJO coherency is plotted with open circles in (d). The solid and dashed arrows indicate the maximum and minimum values from the OBS and models, respectively.

Figures 1과 2로부터 관측에 비해 모델은 MJO 주기를 약 5-7일 짧게 모의하며 MJO가 동쪽으로 전파함에 있어 GC2 보다 GC3.1에서 더 일관된 진동성을 갖고 전파하는 특성이 있음을 알 수 있다.

인도양과 서태평양 중심에서의 Filtered OLR 시계열을 기준으로 대류 활동과 하층 수증기 수송의 시간-지연 회귀계수를 분석하였다. 인도양 중심지역(Fig. 3a)에서 OLR은 약 5 m s^-1의 속도로 동진하며 해양성 대륙 지역에서 잠시 동쪽으로 전파의 소강상태를 보이다가 다시 서태평양, 날짜변경선까지 동진 패턴을 유지한다. 서태평양 중심(Fig. 3b)에서 보면 인도양에서 출발한 OLR이 서태평양에서 강화되어 점차 동진하여 소멸하는 과정을 보여준다. 모델에서도 이러한 패턴이 인도양과 서태평양 기준에서 관측과 유사한 강도로 모의하고 있다. 대부분의 기후모델에서 나타나는 MJO 모의 성능의 한계(Jiang, 2017; DeMott et al., 2018; Yang et al., 2021)는 해양성 대륙에서의 MJO 전파 불연속점(120^oE)의 존재인데 GC2와 3.1에서는 이러한 부분이 개선되었음을 확인할 수 있다. 관측에 비해 해양성 대륙에 가까워질수록 OLR이 약화되는 모습이 두 모델에서 나타나지만 GC3.1은 관측과 좀 더 유사하게 강도가 표출되고 중태평양까지 대류 구역이 위치한다. 관측에 비해 짧은 시간에 동진하였다가 빨리 쇠퇴하는 구조는 두 모델 모두의 주요 차이점으로 확인된다.

Fig. 3. 
Eastward propagation of MJO (a) (b) OLR anomalies (Unit: Wm^-2) and (c) (d) 850 hPa moisture convergence (shading, Unit: 10^-4s^-1) with OLR anomalies (contour) as indicated by the lead-lag regression of 20-70-day filtered OLR averaged over 10^oS-10^oN. The reference regions are equatorial (a) (c) Indian Ocean (IO: 10^oS-10^oN, 80^o-100^oE) and (b) (d) western Pacific (WP: 10^oS-10^oN, 130^o-150^oE) during NDJFMA: (top) OBS, (middle) GC2, (bottom) GC3.1 models.

MJO 대류 구역의 전면에는 하층 저기압성 순환의 소용돌이로부터 다량의 수증기가 유입된다. 이로 인해 대류권 하층의 수증기량이 증가하게 되어 적운형 구름이 점진적으로 발달하면서 MJO의 동진 전파에 유리한 조건으로 작용한다(Kim et al., 2014; Ahn et al., 2020). 모델에서 이러한 특징이 모의되고 있는지 확인하기 위해 Figs. 3a-b와 동일한 방법으로 하층 수증기 수송(음영)을 표시하고, 비교를 위해서 Figs. 3a-b의 OLR을 실선으로 중첩하여 Figs. 3c-d에 제시하였다. 인도양 중심구역에서 동진하는 대류 활동의 전면에 수증기 수송이 약 5일의 시간차를 두고 먼저 발생하여 해양성 대륙 지역을 지나 서태평양에서 다시 강화되었다가 점차 쇠퇴하는 모습을 관측에서 확인할 수 있다. 모델에서도 유사한 패턴이 관찰되지만 GC2에서는 서인도양과 해양성 대륙 지역에서 수증기 수송이 매우 약한 것을 확인할 수 있고 인도양과 서태평양 중심에서 모두 OLR과의 시간지연 차이가 관측에 비해 뚜렷하게 구분되지 않는다. 즉, 해수면온도가 높고 많은 양의 수증기가 존재하는 인도양과 서태평양 중심 지역이 아닌 경우는 충분한 양의 수증기 수송이 이루어지지 않은 상태로 대류 구역이 동진하기 어려운 조건이 될 수 있다. 반면, GC3.1에서는 이러한 오차가 개선되면서 서인도양에서부터 중태평양까지 수증기 수송이 지속적으로 동진하여 OLR에 앞서 발생한다. GC2 대비 GC3.1의 개선사항으로 Hyun et al. (2022)은 해양성 대륙에서의 하층 수분량과 수평 경도가 관측과 유사하게 개선된 점을 보여주었고, Williams et al. (2018)은 적도 지역의 전반적인 SST의 오차가 개선되면서 해양성 대륙에서의 온도가 1K 상승함에 따라 대류권 하층의 비습이 증가하였음을 언급하였다. 이로부터 Figs. 3a-b에서 MJO 대류 활동의 동진 성능이 GC3.1에서 개선된 점은 하층 수증기 수송의 개선과 관련되어 있음을 가늠해 볼 수 있다.

지역을 세분화하여 인도양 서부, 해양성 대륙, 그리고 서태평양 동부 중심에서의 MJO 동진 전파 성능을 10^oS-10^oN, 50^oE-180^o (Fig. 3 박스) 영역에 대해 산출하여 Fig. 4에 제시하였다. 하층 수증기 수송(상단)은 OLR (하단) 보다 약 0.1-0.2 낮은 성능으로 나타나고, 해양성 대륙과 서태평양 중심에서 GC3.1 모델이 GC2보다 더 좋은 성능을 보인다. 인도양 중심의 경우 수증기 수송 패턴이 GC2에서 높게 나타나고 OLR도 동일한 결과를 보인다. 두 모델 간의 성능 차이는 0.1 미만으로 크지 않지만 수증기 수송과 OLR의 성능 변화가 일관되게 나타나는 것은 의미가 있다. 인도양에서부터 해양성 대륙까지 수증기 수송의 점진적인 수렴 및 이동과 함께 대류 구역이 이동하며 시간지연 상관이 나타나는 점과 해양성 대륙에서부터 서태평양지역까지 다시 다량의 수증기 유입과 대류성 구름의 발달로 인한 정체 이후 빠른 속도로 쇠퇴하는 과정 등이 모델에서 유사하게 모의되고 있으며 지역별 세분화를 통해 모델의 개선여부를 알 수 있다.

Fig. 4. 
MJO propagation skill by (a) Low-level (850 hPa) Moisture Convergence (LLMC) and (b) OLR for GC2 and GC3.1 models over the west of the Indian Ocean (W·IO: 10^oS-10^oN, 70^o-90^oE), Maritime Continent (MC: 10^oS-10^oN, 110^o-130^oE), and east of Western Pacific (E·WP: 10^oS-10^oN, 140^o-160^oE).

인도양 중심에서 GC2에 비해 GC3.1의 다소 약한 대류 활동과 관측에 비해 빠른 위상 전파 등의 오차가 있지만 해양성 대륙에서 수증기량의 증가와 서태평양 중심에서 강도의 개선 등으로 전반적인 MJO의 성능은 GC3.1에서 향상된 것으로 간주할 수 있다.

관측에서 밝혀진 MJO의 열역학-역학적인 3차원 구조는 대류권 하부 경계층에서 발생하는 저기압성 요란으로부터 대류성 구름의 중심이 동쪽으로 이동할 때 MJO 대류 활동의 전면에 대류권 하층 수증기량의 증가, 대류권 하층에서 극으로 향하는 바람, 이로부터 발생하는 수증기 이류, 그리고 이어지는 적란운의 발달과 적란운 상층에 모루 구름의 형성으로 이루어져 있다(Kim et al., 2014; Wang et al., 2016).

MJO의 수평 및 연직 구조를 진단하기 위해 하층에서 수송되는 수증기(비습)의 수평적 구조와 상층 발산 및 바람의 수평적 구조를 Figs. 5와 6에 제시하였다. Figure 5에서 음의 값으로 나타나는 수렴 구역은 인도양(a)과 서태평양(b) MJO 의 대류 최대 구역에서 각각 발생하며 동서방향으로 비대칭 구조를 이룬다. (a)의 경우 해양성 대륙을 지나 서태평양까지, (b)의 경우 중태평양 날짜변경선까지 열대수렴대와 남태평양수렴대를 따라 발달한다. 모델에서도 이와 유사한 구조를 보이지만 인도양 중심지역에서 서쪽으로 강도가 약하게 나타나며 150^oE 동쪽에서의 수증기 수송이 두 모델에서 관측보다 더 많이 발생한다. 한편, 적도를 중심으로 남북 대칭 구조는 GC3.1이 관측과 더 유사한 구조로 나타나며 인도양 중심에서 동쪽으로 수렴하는 구역도 관측과 가까운 강도로 모의한다. 서태평양 중심구역에서는 북반구 지역의 강도는 두 모델이 관측과 유사하지만 남반구 지역은 GC2에서 더 큰 오차가 발생한다. GC3.1 모델은 수평적인 범위 및 강도에 있어서 관측과 유사한 분포를 보여준다.

Fig. 5. 
The regressed 20-70 day filtered low-level (850 hPa) moisture convergence onto the 20-70 day filtered OLR at the equatorial (a) Indian Ocean (IO: 10^oS-10^oN, 80^o-100^oE) and (b) Western Pacific (WP: 10^oS-10^oN, 130^o-150^oE) by the observation, GC2, and GC3.1 models. The main center is symbolized by the black-filled circle.

Fig. 6. 
The same as in Fig. 5, except for 200 hPa wind (ms^-1, vector) and divergence (10^-4 s^-1, shading).

Figure 6은 상층(200 hPa) 발산과 바람 벡터의 구조를 Fig. 5와 같은 영역에서 나타내었다. 하층의 수증기 수송은 대류권 하층 비단열 가열 과정과 상호연관성을 가지고 연직 운동의 원인으로 작용한다. Figure 5와 함께 연직으로 발달하는 하층 수렴 - 상층 발산 구조를 관측과 유사하게 모의하는지 비교해 볼 수 있다. 인도양과 서태평양을 중심으로 MJO 대류 최대 구역의 상공에 양의 값으로 발산 구역이 위치하며 발산 중심의 서쪽 열대 지역에는 동풍, 동쪽에는 서풍이 우세한 구조를 이룬다. 또한 동쪽 서풍에 비해 서쪽 동풍이 비대칭적으로 강하다. 두 모델에서 이러한 특징이 잘 모의되며 하층에서의 비교적 약한 수렴으로 인해 상층에서도 관측에 비해 발산의 크기는 다소 작게 나타난다. 하층에서 남북 대칭 구조가 더 잘 이루어진 GC3.1 모델은 상층 발산 바람도 GC2 모델에 비해 남쪽과 북쪽의 대칭적인 바람의 세기를 잘 모의하고 있다. 서태평양 중심 MJO의 경우 발산 구역의 서쪽에서 강한 동풍이 위치하고 동쪽에서 북반구 겨울철 열대 수렴대의 방향으로 남동쪽의 발산 바람이 우세하게 작용하는 것을 볼 수 있다. 이러한 구조는 특히 GC3.1 모델에서 서태평양 북반구 쪽의 강한 발산 구역과 중태평양 남반구 쪽의 강한 수렴 구역이 특징적으로 표현되어 있다.

Figure 7은 MJO 관련 하층 동서 바람의 구조를 하층 바람 벡터와 함께 표출한 것이다. Wang et al. (2018)에 따르면 MJO 하층 바람의 구조에서 로스비 파와 켈빈 파의 최대 풍속의 비율은 약 0.8이며 동서 범위의 비율은 켈빈 파가 약 2.1배 길게 위치하는데 이는 Fig. 7a 인도양 중심 MJO의 분포에서 확인할 수 있다. 서태평양의 중심에서는(Fig. 7b) 로스비 파와 켈빈 파의 강도와 범위 차이가 감소하여 대칭의 구조에 가까운 분포를 보인다. 모델에서는 전반적으로 강도면에서는 모두 약한 경향을 보여주지만, 인도양 중심 서쪽의 남북 방향에서 수렴되어 유도되는 하층 서풍 및 동쪽에서 반대의 위상으로 동풍이 강하게 발달하는 구조는 관측과 매우 유사한 것을 볼 수 있다. 서태평양 중심에서는 GC3.1 모델에서 관측과 더 유사한 대칭 구조가 모의되는 것을 확인할 수 있다.

Fig. 7. 
The same as in Fig. 5, except for 850 hPa winds (ms^-1, vector) and zonal wind speed (ms^-1, shading).

모델이 모의하는 MJO 상층과 하층의 구조적 특징을 정량적으로 평가하고 MJO 동진전파 구조성능과의 관련성을 알아보기 위해 Figs. 5-7(하층 수증기 수송, 하층 바람, 상층 발산)의 박스 영역 A (인도양 중심 MJO)와 B (서태평양 중심 MJO)를 기준으로 관측 대비 모델간 패턴상관계수를 x축의 값으로, Fig. 3의 OLR 시간-지연 회귀분포에서 박스 영역(10^oS-10^oN, 50^oE-180^o)을 기준으로 관측 대비 모델간 패턴상관계수를 y축 값으로 표출하였다(Fig. 8). 하층 수증기 수송, 하층 바람, 그리고 상층 발산의 구조는 관측과 유사한 구조를 모의할수록 MJO 동진 전파 성능 또한 높게 나타나는 일관된 결과가 관찰된다. GC2 모델이 GC3.1에 비해 MJO 중심 구역의 위치(인도양과 서태평양)와 상층 및 하층 변수에 따라 성능의 변화가 더 크게 나타난다. 즉, GC3.1 모델에서 모의하는 MJO의 상층/하층 구조 및 동진 전파 성능이 GC2 보다 안정적인 것으로 판단된다. Figure 8에서 정량적으로 도출된 GC 모델의 MJO 모의 성능은 동일한 방법을 적용하여 계산한(Ahn et al., 2017; Wang et al., 2018; Wang et al., 2020) CMIP5에 참여 모델들과 비교했을 경우에도 매우 우수한 모델의 범주에 속한다.

Fig. 8. 
The relationship between MJO eastward propagation skill and (a) low-level (850 hPa) moisture convergence, (b) lowlevel (850 hPa) zonal wind, and (c) upper-level (200 hPa) divergence structure skill. The MJO eastward propagation skill indicates the pattern correlation coefficient (PCC) calculated between the GC models and observation in Fig. 3a and 3b (10^oS-10^oN, 50^oE-180^o). The PCC skill for (a)-(c) are calculated over the Indian Ocean (IO, 15^oS-15^oN, 50^o-160^oE [rectangle A in Fig. 5a]) and Western Pacific (WP, 15^oS-15^oN, 100^oE-150^oW [rectangle B in Fig. 5b]).