Home

이 연구에서 사용한 수반모델 기반의 관측민감도 계산 방법은 기상청 전지구 통합모델의 관측 민감도 계산 방법과 동일하다. 기상청 전지구 통합모델의 관측 민감도 계산 방법에 대한 보다 상세한 수식 전개는 Lorenc and Marriott (2014), Joo et al. (2013), Kim and Kim (2014)에 소개되어 있다.

예보오차(x^f − x_t: 예측 값과 참 값의 차이)는 건조 에너지 norm을 이용하여 아래 식 (1)과 같이 표현될 수 있다.

여기서 M_domain는 모델 영역 내 공기의 질량, N²는 부력 진동수의 제곱 상수, g와 c는 각각 중력 가속도와 음속 상수이다. 또한 ρ, u', v', θ', p'는 각각 공기 밀도와 수평 바람, 온위, 기압의 예보오차이다. C는 건조 에너지 norm이고, 예보오차는 지역 투영 행렬(P)을 사용함으로써 관심 있는 특정 지역에서만 계산할 수 있다. AMSU-A 복사관측은 온도와 관련이 있고 습도와는 관련이 없기 때문에 건조 에너지 norm을 사용하였다. 이 연구에서는 모델 상층 경계 근처에 쌓이는 수치 계산 상의 노이즈를 고려하지 않기 위해서, Gelaro et al. (2010)과 Lorenc and Marriott (2014)의 실험 설계와 동일하게 지표면부터 150 hPa까지에서만 식 (1)을 계산하였다. 또한 수평적으로는 북위 25-50^o와 동경 100-150^o에 해당하는 동아시아 지역에서 발생하는 예보오차만을 고려하였다(Fig. 1의 검은 박스). 참 값(x_t)은 알 수 없으므로, 기상청 전지구 통합모델의 4차원 변분자료동화 시스템에서 산출되는 분석 값(x_a)을 참 값으로 사용하였다.

Fig. 1. 
The ratio of ATOVS AMSU-A radiance observations among the total observations assimilated for (a)-(d) NOAA 15, (e)-(h) NOAA 18, (j)-(l) NOAA 19, and (m)-(p) MetOp-A. The first, second, third, and forth columns are the ratio at 00, 06, 12, and 18 UTC analysis, respectively. To calculate the observation impact in the black box (25-50 N^o, 100-150, 100-150 E^o) in East Asia, the observations over the grey box (15-60 N^o, 85-165 E^o) is considered.

비선형 예보오차 감소량은 관측을 동화하기 이전과 동화한 이후에 계산되는 예보오차 에너지의 변화량을 의미한다. 분석 값에서 적분된 예보의 오차 (x^fa − x_t)^T P^TCP(x^fa − x_t)와 배경 값에서 적분된 예보의 오차 (x^fb − x_t)^TP^TCP(x^fb − x_t) 간의 차이로 계산되며 아래 식 (2)와 같다.

전지구 통합모델에서 관측 민감도를 계산할 때는 비선형 모델에서 모의되는 구름 수상체(수증기, 구름 물, 구름 얼음)들을 단일 수상체(물)로 단순화하고 좀 더 낮은 해상도로 내삽하여 x^fa − x_t와 x^fb − x_t를 계산하는데 각각을 δwtfa와 δwtfb로 표현한다(Lorenc and Marriott, 2014). 그러면 식 (2)는 아래 식 (3)과 같이 표현된다.

여기서 δe/w_t는 δw_t (= δwtfa-δwtfb)에 대한 예보오차 감소량의 미분 값이다. 식 (3)을 관측공간에서 표현하기 위해서, δw_t는 관측 증분(δy)에 대한 테일러 전개를 사용하여 아래 식 (4)와 같이 근사될 수 있다(Joo et al., 2013).

여기서 M과 K는 비선형 수치 모델과 확장 칼만 게인(extended Kalman gain)이고 x_b는 배경 값이며, M와 K는 각각 섭동 예보 모델과 K의 선형 연산자이다. 식 (4)를 식 (3)에 대입하면, 예보오차 감소량을 아래 식 (5)와 같이 관측공간에서 근사할 수 있다.

식 (5)를 관측영향이라 하며, 관측영향은 수치모델에 동화된 관측 값마다 독립적으로 산출된다. 또한 δe/δy = (MK)^TC(δwtfa+δwtfb)는 예측의 관측에 대한 민감도(즉 관측민감도)라고 한다. 관측영향을 산출할 때 사용되는 섭동 예보 모델은 비선형 모델의 예보 궤적을 따라서 선형화되는데, 사용할 수 있는 예보 궤적으로는 배경 값에서 적분된 예보 궤적, 분석 값에서 적분된 예보 궤적, 두 예보 궤적 사이의 평균 궤적이 있다. 전지구 통합모델에서는 평균 궤적을 따라서 선형화된 섭동 예보 모델을 이용할 때 산출되는 총 관측영향이 비선형 예보오차 감소량을 가장 가깝게 근사하므로(Lorenc and Marriott, 2014), 식 (5)와 같이 평균 궤적을 따라 관측영향을 계산한다.

네 개의 극 궤도 위성(NOAA 15, 18, 19, MetOp-A)에 탑재된 AMSU-A 센서는 전 지구의 대기 연직구조를 수 시간 이내에 관측할 수 있다. 이런 이유로 AMSU-A 센서는 대기의 특성을 연구하기에 매우 유용하다(Liu et al., 2012). Figure 1은 연구 기간 중 00, 06, 12, 18 UTC에 기상청 4차원 변분자료동화시스템에 동화된 총 관측 수 중 AMSU-A 복사관측 수 비율의 수평 분포로, AMSU-A 센서가 탑재된 극 궤도 위성들의 스캔 경로를 나타낸다. AMSU-A는 1445 km의 스캔 폭을 갖는 스캔 경로 1~3개로 동아시아 지역을 관측한다. 동화되는 AMSU-A 복사관측 자료 비율의 수평 분포는 AMSU-A 복사관측이 동화되는 분석 시점에 따라 두 가지 분포로 구분할 수 있는데, 하나는 00과 12 UTC에 동화된 관측(주로 NOAA 15와 MetOp-A 위성의 관측 자료)의 수평 분포(Figs. 1a, c, e, g, i, k, m, o)이고, 다른 하나는 06과 18 UTC에 동화된 관측(주로 NOAA 18과 19 위성의 관측 자료)의 수평 분포(Figs. 1b, d, f, h, j, l, n, p)이다. 즉 AMSU-A의 두 가지 관측 분포는 네 개의 극 궤도 위성이 동아시아를 지나는 스캔 위치와 관련이 있다. 이 연구에서는 1차원 변분법(Rodgers, 1990)을 이용하여 청천 지역과 구름 지역에서의 AMSU-A 4-14번 채널을 품질 검사한 후 대기의 연직 자료를 복원하는데, 위성에 탑재된 AMSU-A 성능에 따라 몇몇 채널은 블랙리스팅 되어 사용되지 않았다. World Meteorological Organization (WMO)의 권고에 따라 NOAA 15에서는 4, 6, 11-14번 채널이, NOAA 19에서는 8번 채널이, MetOp-A에서는 7번 채널이 블랙리스팅 되었다. 또한 구름의 영향을 받는 복사관측(AMSU-A 1, 2번 채널)을 사용하여 모델에서 분석되는 구름장을 개선하였는데, 이로 인해서 구름 지역에 있는 AMSU-A 5번 채널 관측 일부를 추가로 동화 할 수 있게 되었다(English et al., 2007).

동아시아 지역(북위 25-50^o, 동경 100-150^o)의 기상예측은 풍상측의 영향을 크게 받는다. 이 연구에서 예보오차 감소량은 북위 25-50^o, 동경 100-150^o(Fig. 1의 검은 박스)에 해당하는 지역에서 계산하였고, 예보오차 감소량에 대한 관측영향은 예보오차를 계산한 지역의 풍상측을 포함하여 북위 15-60^o, 동경 85-165^o(Fig. 1의 회색 박스)에 해당하는 지역에서 산출하였다. 관측영향은 북반구 여름철(2011년 6, 7, 8월)과 북반구 겨울철(2011년 12월, 2012년 1, 2월) 동안 6시간 간격의 모든 분석 시점에서 산출하여, 계절별로 통계치를 계산하였다.

관측영향 진단법을 이용하여 관측영향을 살펴 본 이전 연구(e.g., Cardinali, 2009; Gelaro and Zhu, 2009; Gelaro et al., 2010; Jung et al., 2013; Kim and Kim, 2014)와 마찬가지로 기상청 전지구 통합모델 시스템에서도 AMSU-A 복사 관측이 전 지구 예보오차를 가장 많이 감소시키는데, AMSU-A 관측에 의한 전 지구 예보오차 감소량(AMSU-A 관측영향)은 겨울 반구 중위도 지역 해양 상공에 주로 위치하고 있다(Kim, 2016). 반면에, 동아시아 지역의 예보오차 감소에 가장 많은 기여를 한 관측 종은 계절에 관계없이 라디오 존데(TEMP) 관측으로 나타났다. 다른 관측들의 영향은 계절별로 다르게 나타났는데, 여름에는 AIRCRAFT, AMSU-A, IASI가 뒤 따랐고, 겨울에는 AIRCRAFT, AMSU-A, 천리안 위성(Communication, Ocean and Meteorological Satellite: COMS)의 대기 운동 벡터가 뒤 따랐다.

TEMP 관측은 중국 화북, 화동, 화중, 화남 지역과 한반도 및 일본 지역에 조밀하게 분포하며, 중국 서북과 서남 및 몽고 지역은 TEMP 관측이 거의 없는 공백 지역이다. 동아시아 기상현상에 중요한 종관 시스템 중 하나인 중위도 기압골은 중국 화북 지역을 서에서 동으로 지나는데 중위도 기압골의 이동 경로에는 TEMP 및 AIRCRAFT 관측이 조밀하게 분포되어 있다. 중위도 기압골의 이동 경로의 TEMP, AIRCRAFT, AMSU-A 관측은 대부분 예보오차를 감소시킨다. 반면, TEMP 및 AIRCRAFT 관측 공백 지역인 티베트 고원과 해양을 관측하는 관측 종은 거의 대부분이 AMSU-A 자료이다. TEMP 관측망은 AIRCRAFT 관측망 보다 더 균질하기 때문에 동아시아 예보오차 감소에 있어서 TEMP 관측이 AIRCRAFT 관측보다 더 큰 기여를 한다. 한편, 티베트 고원에서 AMSU-A 자료의 이로운 관측 비율은 50% 이하이기 때문에 티베트 고원 상공의 AMSU-A 자료 중 절반 이상은 동아시아의 예보오차를 증가시킨다. 이 때문에 동아시아 예보오차 감소에 대한 AMSU-A 관측의 기여도는 TEMP 및 AIRCRAFT 관측의 기여도 보다 작다.

관측의 기여도 순위는 현실적인 표본 오차를 포함하여 계산한 95% 신뢰 구간(Kim and Kim, 2014)에서 살펴 보았을 때 변동이 없었다(Fig. 2a). 이로운 관측 비율은 50%가 조금 넘게 나타났다(Fig. 2b). 예측에 도움이 되는 이로운 관측 비율이 약 절반으로 나타나는 것은 관측 오차, 분석 오차, 배경 오차 공분산의 성장 모드(Lorenc and Marriott, 2014)와 표본 오차(Kim and Kim, 2014)로부터 기인한다. 동아시아 예보오차 감소에 기여를 많이 한 상위 4개의 관측 종(여름철: TEMP, AIRCRAFT, AMSU-A, IASI; 겨울철: TEMP, AIRCRAFT, AMSU-A, COMS)의 관측영향의 합은 총 관측영향의 87%를 차지한다. 동아시아 예보오차 감소에 가장 많이 기여한 TEMP와 두 번째로 많이 기여한 AIRCRAFT의 관측영향은 계절 별 차이가 크지 않다. 한편 2011년 12월 1일부터 자료동화에 사용되기 시작한 천리안 위성의 대기 운동 벡터를 제외하면, 계절 별로 관측영향의 차이가 가장 크게 발생하는 관측 종은 AMSU-A이다.

Fig. 2. 
(a) Total impact of observations and (b) fraction of beneficial observations for the NH summer months (grey bar) and NH winter months (black bar). The dark gray error bar in (a) represents 95% confidence interval considering realistic correlated sampling error in Kim and Kim (2014).

AMSU-A 관측은 계절 별, 위성 별, 채널 별로 관측영향이 매우 다르기 때문에 각각의 요소 별로 전반적인 관측영향을 살펴 보고자 한다. NOAA 15, 18, 19, MetOp-A ATOVS 위성에서 관측하는 AMSU-A 복사관측 자료 중 동아시아 예보오차 감소에 가장 많이 기여한 복사관측 자료는 계절에 관계없이 NOAA 19 AMSU-A 였다(Fig. 3a). 그 다음으로는, 여름에는 MetOp-A AMSU-A, NOAA 18 AMSU-A, NOAA 15 AMSU-A가 뒤 따랐고, 겨울에는 NOAA 18 AMSU-A와 NOAA 15 AMSU-A가 뒤 따랐다(Fig. 3a). MetOp-A AMSU-A 복사관측 자료는 겨울철 동아시아 지역 예측에 도움이 되지 못했으며(Fig. 3a), MetOp-A AMSU-A의 평균 관측영향(총 관측영향/동화된 관측의 수)은 계절적 변동성이 컸는데(Fig. 3b), 그 원인을 파악하기 위해 동아시아 예보오차 감소량에 대한 MetOp-A AMSU-A 복사관측 자료의 기여도를 Fig. 3c에서 계절 별, 채널 별로 살펴 보았다. MetOp-A AMSU-A 복사관측 중 5, 6, 8, 9번 채널은 여름철 동아시아 지역의 예보오차를 많이 감소시켰으나, 겨울철 동아시아 지역의 예보오차는 5번과 6번 채널에 의해서만 감소되었다. 그리고 MetOp-A AMSU-A 8, 9번 채널은 겨울철 동아시아 지역의 예보오차를 증가시켰다(Fig. 3c). 가중 함수의 최대 값이 성층권에 위치한 10-14번 채널은 동아시아 지역 예측에 대해서 아주 작은 기여를 하였는데(Fig. 3c), 이것은 MetOp-A AMSU-A 10-14번 채널이 동아시아 예측에 중요하지 않다는 것을 의미하는 것은 아니다. 왜냐하면 이 연구에서는 이전 연구들과 마찬가지로 모델 상단에 쌓이는 수치 계산 상의 노이즈를 고려하지 않기 위해 예보오차를 연직으로 지표면부터 150 hPa까지만 계산했기 때문이다.

Fig. 3. 
Time-averaged statistics (J kg⁻¹ day⁻¹, mean and 95% confidence interval considering realistic sampling error) stratified by ATOVS sounder-type satellite observations assimilated in the analysis: (a) total observation impact and (b) mean observation impact in the NH summer months (grey bar) and the NH winter months (black bar) in East Asia region. (c) Time-averaged statistics stratified by MetOp-A AMSU-A channels assimilated in the analysis for the total observation impact in the NH summer months (grey bar) and the NH winter months (black bar) in East Asia region.

예보오차를 150-50 hPa에서 계산하여 관측영향을 계산하였을 때는 MetOp-A AMSU-A 10-14번 채널의 기여도가 다른 채널(5, 6, 8, 9번 채널)의 기여도 보다 더 크게 나타났다(not shown).

AMSU-A 센서가 탑재된 네 개의 위성이 동아시아 지역을 지나는 시간은 모두 다르다. 00과 12 UTC에 동화되는 동아시아 지역 AMSU-A 복사관측 자료의 대부분을 관측하는 위성은 NOAA 15와 MetOp-A 위성이며, 06과 18 UTC에 동화되는 동아시아 지역 AMSU-A 복사관측 자료의 대부분을 관측하는 위성은 NOAA 18과 NOAA 19 위성이다(Fig. 1). 따라서 동아시아 지역의 예보오차 감소량에 대한 AMSU-A 복사관측 자료의 기여도를, 00과 12 UTC에 동화된 AMSU-A 복사관측 자료와 06과 18 UTC에 동화된 AMSU-A 복사관측 자료로 나누어 위성 별로 분석하였다. 또한 한반도 낯 시간 예보에 중요한 역할을 하는 MetOp-A 위성의 AMSU-A 복사관측 자료의 기여도를 계절 별, 채널 별로 분석하였다. 00과 12 UTC에 동화된 AMSU-A 복사관측 자료 중 MetOp-A 위성 관측 자료가 동아시아 지역의 예보오차 감소에 가장 크게 기여하였고(Figs. 4a, b), 06과 12 UTC에 동화된 AMSU-A 복사관측 자료 중에는 NOAA 18과 19 위성 관측 자료의 기여가 가장 컸다(Figs. 4c, d). 동아시아 지역의 예보오차 감소량에 대한 기여도를 계절별, 채널 별로 보면, 여름에는 00과 12 UTC에 동화된 MetOp-A AMSU-A 5번과 6번 채널의 기여가 가장 컸고, 겨울에는 00과 12 UTC에 동화된 MetOp-A AMSU-A 8번 채널의 기여가 가장 컸다. 나머지 AMSU-A 채널들은 동아시아 예측에 영향을 거의 주지 않거나 예보오차를 감소시키지 못했다(Figs. 4a, b). 06과 18 UTC에 동화된 NOAA 18과 19 AMSU-A의 거의 모든 채널 관측 값은 여름과 겨울의 동아시아 지역의 예보오차를 감소시켰다(Figs. 4c, d). 하지만, 동아시아 예측에 민감한 티베트 지역 상공의 중위도 기압골과 그 풍상측 지역(Kim et al., 2012)을 06과 18 UTC에 관측하는 MetOp-A AMSU-A 8번 채널들의 관측 값(Figs. 1n, p)은 겨울철 동아시아 지역의 예보오차를 증가시켰다(Figs. 4c, d). 이것은 대륙에 동화되는 AMSU-A 관측 자료의 이로운 관측 비율이 해양보다 작게 나타나는 원인 중 하나이다.

Fig. 4. 
Time-averaged statistics (J kg⁻¹ day⁻¹, mean) stratified by the NOAA15, NOAA18, NOAA19, MetOp-A AMSU-A for total observation impact at (a) 00 and 12 UTC in the NH summer months, (b) 00 and 12 UTC in the NH winter months, (c) 06 and 18 UTC in the NH summer months, and (d) 06 and 18 UTC in the NH winter months.

동아시아 지역의 예보오차 감소량에 대한 AMSU-A 복사 관측의 기여도 중 5-9번 채널의 기여도가 가장 크기 때문에 5-9번 채널의 기여도를 대륙과 해상으로 나누어 계절별로 살펴보았다(Table 2). AMSU-A 5번 채널은 해양 상공에서의 복사 관측만을 동화하기 때문에 대륙 위에서는 관측영향이 계산되지 않는다. 계절에 관계없이 5-9번 채널에서 이로운 관측 비율이 50% 이상이면 예보오차를 감소시키지만, 50% 이하면 예보오차를 증가시킨다. 따라서 이로운 관측 개수와 관측영향의 부호는 상관성이 높은 것으로 보인다. 여름철에는 대륙 위의 6-9번 채널이 예보오차를 감소시키지만, 해상에서는 태풍의 영향으로 7번과 9번 채널은 예보오차를 증가시킨다. 겨울철에는 대륙(주로, 티베트 지역) 위의 8번과 9번 채널이 예보오차를 증가시켰는데, 이에 대해서는 Fig. 7에서 자세히 분석하였다. 9번 채널의 경우는 식 1의 예보오차가 계산되지 않는 대류권 상층부(약 100 hPa)에 가장 민감한 채널이기 때문에 동아시아 지역의 해상에서 예보오차 감소량에 대한 기여도는 매우 작다.

AMSU-A 5번 채널이 여름철 동아시아 지역의 예보오차를 감소시키는데 가장 큰 영향을 보였기에 AMSU-A 5번 채널의 관측영향 수평 분포를 살펴보았다(Fig. 5). MetOp-A 위성은 아침 시간(한국 표준시로 오전 8시~11시 30분)에 한반도 상공의 복사량을 관측하기 때문에, 한반도 낮 시간 예보에 중요한 역할을 한다. 여름철 한반도 연안을 관측하는 AMSU-A 5번 채널 관측은 동아시아 지역의 예보오차를 다소 증가시켰지만, 여름철 태풍 기간 동안의 예측민감지역인 북태평양 고기압의 가장자리(Reynolds and Gelaro, 2001; Kim et al., 2011)를 따라 분포하는 5번 채널 관측은 동아시아 지역의 예보오차를 크게 감소시켰다. 또한 최근에는 구름의 영향을 받는 복사관측(AMSU-A 1, 2번 채널)을 사용하여 모델에서 분석되는 구름장을 개선함으로써 구름 지역에 있는 AMSU-A 5번 채널 관측 일부를 추가로 동화하여 사용하고 있기 때문에(English et al., 2007), 동아시아 지역의 예보오차 감소에 5번 채널의 기여도가 높은 것으로 생각된다. 남서해상 및 동중국해상에서 큰 음의 값으로 나타나는 관측영향(Fig. 5d)은 2011년 6월 6일 06 UTC, 7월 16일 18 UTC, 8월 27일 06 UTC에 남서해상 및 동중국해상에 동화된 AMSU-A 5번 채널 관측의 밀도가 낮아서 발생한 매우 큰 관측민감도(Baker and Daley, 2000에서 언급된 super-sensitivity)와 관련된 것으로 보인다. 따라서 남서해상 및 동중국해상의 AMSU-A 5번 채널 관측이 예보오차를 크게 감소시킨 것이 아닐 수 있다. Figure 6은 Fig. 5에서 보여준 관측영향 통계치의 양쪽 꼬리 유의확률(double-tail significance probability)을 나타낸다. 모든 격자에서 양쪽 꼬리 유의확률은 5% 이하인데(Fig. 6), 이는 동아시아 지역의 3개월 관측영향 자료들 중에 그 값이 평균으로부터 표준편차의 2배 이상 떨어져 있는 자료의 확률이 5% 이하라는 것이며 3개월 관측영향 자료가 통계적으로 신뢰성이 있음을 의미한다.

Fig. 5. 
Horizontal distribution of time-averaged total observation impact statistics (shaded, 10⁻⁴ J kg⁻¹ day⁻¹) for the AMSU-A channel 5 of (a) NOAA15 (00 and 12 UTC), (b) MetOp-A (00 and 12 UTC), (c) NOAA18 (06 and 18 UTC), and (d) NOAA19 (06 and 18 UTC) with the mean sea level pressure (black contours, 4 hPa interval) in the NH summer months.

Fig. 6. 
P-value (shaded, %) for the AMSU-A channel 5 observation impact of (a) NOAA15 (00 and 12 UTC), (b) MetOp-A (00 and 12 UTC), (c) NOAA18 (06 and 18 UTC), and (d) NOAA19 (06 and 18 UTC) in the NH summer months.

AMSU-A 8번 채널은 여름철 동아시아 지역의 예보오차는 감소시키나 겨울철에는 오히려 동아시아 지역의 예보오차를 증가시키므로, 겨울철에 동화된 AMSU-A 8번 채널의 관측영향의 수평 분포를 살펴보았다. 겨울철에는 중국 동쪽 지역 상공에 분포하는 NOAA 18 AMSU-A 8번 채널 관측이 동아시아 지역의 예보오차를 감소시켰으나(Fig. 7c), 티베트 지역 상공에 분포하는 NOAA 15와 MetOp-A AMSU-A 8번 채널은 동아시아 지역의 예보오차를 증가시켰다(Figs. 7a, d). 하지만 티베트 지역 상공에서 MetOp-A AMSU-A 8번 채널의 동화로 인해서 증가한 예보오차(Fig. 7d)는 티베트 남쪽 지역 상공의 MetOp-A IASI 관측의 동화로 인한 예보오차 감소와 상쇄되었다(Fig. 9). 관측 영향 통계치의 양쪽 꼬리 유의확률은 모든 격자에서 5% 이하로 나타나는데(Fig. 8), 이것은 Fig. 6에서 논의한 것과 마찬가지로 동아시아 지역에서 3개월 관측 영향 샘플 자료 중에서 그 값이 평균 값으로부터 표준편차의 2배 이상 떨어져 있을 확률이 5% 이하라는 것을 의미한다.

Fig. 7. 
Horizontal distribution of time-averaged total observation impact statistics (shaded, 10⁻⁴ J kg⁻¹ day⁻¹) for the AMSU-A channel 8 of (a) NOAA15 (00 and 12 UTC), (b) MetOp-A (00 and 12 UTC), (c) NOAA18 (06 and 18 UTC), and (d) MetOp-A (06 and 18 UTC) with the geopotential height at 500 hPa level (black contours, 40 m interval) in the NH winter months.

Fig. 8. 
P-value (shaded, %) for the AMSU-A channel 8 observation impact of (a) NOAA15 (00 and 12 UTC), (b) MetOp-A (00 and 12 UTC), (c) NOAA18 (06 and 18 UTC), and (d) MetOp-A (06 and 18 UTC) in the NH winter months.

Fig. 9. 
Horizontal distribution of time-averaged total observation impact statistics (shaded, 10⁻⁴ J kg⁻¹ day⁻¹) for the MetOp-A IASI of (a) 06 UTC and (b) 18 UTC with the geopotential height at 500 hPa level (black contours, 80 m interval) and the topography (gray contour, above 3000 m) in the NH winter months.