Home

북반구 여름철 계절안 진동(boreal summer intraseasonal oscillation; BSISO)은 아시아 몬순의 시작과 종료 및 몬순 시기 내의 변동성(Wang and Xie, 1997; Kang et al., 1999; Annamalai and Slingo, 2001; Chu et al., 2012, 2017; Lee et al., 2013), 몬순 시기 평균 강수량(Krishnamurthy and Shukla, 2007), 집중 호우와 열파를 포함하는 극한 기후(Ding and Wang, 2007; Hsu et al., 2016, 2017), 중위도 원격상관패턴(Ding and Wang, 2005), 태풍의 발생 및 진로(Hung et al., 2016) 등과 밀접하게 관련되어 있으며, 아시아 지역 경제 · 사회 활동에 많은 영향을 미친다(Lau and Waliser, 2005). 30~60일 주기를 가지고 적도에서 동진하는 메이든-줄리안 진동(Madden-Julian Oscillation; MJO)과 달리 BSISO는 10~20일 주기와 30~60일 주기를 가지고 아시아 몬순 지역에서 주로 북진하는 특성을 보인다(Wang et al., 2005; Kikuchi and Wang, 2010).

기존의 BSISO 지수들이 시간 필터링 과정을 통하기 때문에 실시간 감시 및 예측에 한계를 나타내는 것을 보완하여 Lee et al. (2013)은 실시간 응용에 사용가능 하며 서로 다른 두 시간 규모의 BSISO를 반영할 수 있는 두 지수를 제안하였다. 첫 번째 지수(BSISO1으로 명명)는 30~60일 주기를 가지고 인도 몬순 지역과 북태평양 몬순 지역에서 대류 활동이 반대의 위상을 나타내며 전형적으로 북진하는 모드를 반영하며, 두 번째 지수(BSISO2로 명명)는 10~20일 및 30일의 주기를 가지고 인도 몬순 지역과 북태평양 몬순 지역에서 대류 활동이 같은 위상을 나타내며 북서진 하는 모드를 반영한다. 각 지수들은 두 개의 경험적 직교함수(Empirical Orthogonal Function; EOF) 모드로 구성이 되며, 두 EOF 모드를 통해서 주요 대류 활동의 위치에 따라 8개의 위상으로 구분할 수 있다. 예를 들어 BSISO1의 위상 1의 경우 주요 대류활동은 적도 동인도양에 위치하며, 위상 3~5의 경우 주요 대류활동이 동아시아 지역으로 이동해 그 지역에 많은 강수를 유발할 수 있다. Hsu et al. (2016)은 두 BSISO 지수의 위상에 따라서 남중국의 강수가 크게 변동함을 보인바 있다. 이와 더불어 BSISO는 아시아 지역 폭염 발생 빈도에도 영향을 미칠 수 있다(Hsu et al., 2017). 예를 들어 BSISO1의 7-8 위상일 경우 한반도의 폭염 발생 가능성이 높아지게 된다.

지구 온난화 추세와 관련하여 최근 연구들은 지난 수 십년 동안 극한 기후 현상이 증가하고(Min et al., 2015), 겨울철 MJO 강도가 증가하고 있으며(Lee and Seo, 2011), 인위적 지구온난화 하에서 미래 MJO 강도가 더욱 증가할 가능성이 있음을 제시하고 있다(Arnold et al., 2015; Chang et al., 2015). 또한 최근 수십년 주기의 자연 변동성이 아시아 몬순 기후의 장기 변화 양상에 큰 영향을 주고 있음이 제시되고 있다. 하지만 여름철 아시아 기후 변동성과 밀접한 관련이 있는 BSISO의 최근 변화 양상은 아직 규명되지 않고 있다.

본 연구의 전반부는 Hsu et al. (2016)의 연구를 확장해 1981~2007년 동안 한반도를 포함하는 전체 아시아 지역의 강수 변동에 BSISO1과 BSISO2가 미치는 영향을 평가하였다. 특히 각 지수의 위상에 따라 우리나라 일별 강수 발생 확률이 어떻게 변화되는지 조사하였다. 후반부에서는 아시아 지역에서 BSISO의 강도(intensity)가 지난 57년 동안(1951~2007) 어떻게 변화해 왔는지 연구하였다. 특히 10~20일과 30~60일 시간 규모의 계절안 진동 모드를 분리하여 각 모드의 강도의 변화 특성을 연구하고, 각 모드들의 변화가 우리나라 여름철 강수량의 변화와 어떤 관련성을 가지는지 조사하였다. 2절에서는 자료 및 분석 방법, 3절에서는 BSISO 위상에 따른 우리나라 여름철 강수량 변동 특징, 4절에서는 BSISO 강도의 장기 변화, 마지막으로 5절에서는 요약 및 토의를 제시한다.

BSISO가 우리나라를 포함하는 아시아 몬순 지역 여름철 강수량 변동성에 미치는 영향을 상세 조사하고, 장기 변동 특성을 연구하기 위해 고해상도 장기 관측 자료인 Asian Precipitation-High Resolved Observational Data Integration toward Evaluation of Water Resources (APHRODITE) 프로젝트의 일별 강수량 자료(Yatagai et al., 2009, 2012)를 1951년부터 2007년까지 사용하였다. 아시아 지역(15^o-55^oN, 60^o-155^oE)의 경우 APHRODITE 강수량 해상도는 경도와 위도에 대해 0.25^o × 0.25^o이며, 각 지역의 고해상도 강수량 계측 자료를 이용해 구축되었다. 본 연구에서 모든 분석은 5월부터 9월까지(MJJAS) 진행되었다.

논문의 전반부에서는 BSISO의 영향을 평가하기 위해 Lee et al. (2013)에서 제안한 두 BSISO 지수(BSISO1과 BSISO2)를 사용하였다. 두 지수는 아시아 영역(10^oS-40^oN, 40^o-160^oE)에서 상향장파복사(Outgoing Longwave Radiation; OLR)와 850-hPa 동서방향 바람(zonal wind) 자료에 다중 EOF를 적용해 구한다. BSISO1은 다중 EOF의 첫번째와 두번째 principal component(즉 각각 PC1, PC2)로 구성되며, BSISO2는 세번째와 네번째 PC(즉, 각각 PC3, PC4)로 구성된다. BSISO 자료가 1981년부터 이용가능하기 때문에 전반부 BSISO의 영향은 1981~2007년 기간 동안 두 BSISO 지수의 8개의 위상에 대해 각각 평가되었다. 각 지수의 8개 위상은 두 PC의 위상 공간에서 정의 되며, 각 위상에서 두 PC의 진폭, 즉, (PC1² + PC2²)^1/2 혹은(PC3² + PC4²)^1/2이 1 이상 일 때만 강한 BSISO 시기로 정의해 사용되었다. 각 위상에 대한 강수량 합성도의 통계적 유의성은 Student’s t test를 사용해 검정하였고, 통계적 유의성을 위한 유효 샘플 개수(effective sample size)는 1차 자기회귀과정(first-order autoregressive process)을 이용해 계산하였다(Wilks, 2011). 더욱 자세한 과정은 Hsu et al. (2017)에 기술되어 있다.

이번 장에서는 BSISO1과 BSISO2의 위상에 따른 우리나라와 아시아 지역 일평균 강수량 변동의 특성을 살펴본다. Figure 1은 BSISO1의 진폭이 1 이상인 경우 위상 1부터 8까지 시기의 APHRODITE 일별 강수 편차의 합성도를 나타낸 것이다. 강수 편차는 BSISO의 활동이 약하거나 없는 시기에 대비해서 계산되었으며, 통계적으로 95% 이상 유의한 값 들만 나타내었다. Figure 1은 우리나라뿐만 아니라 여러 아시아 지역 강수량이 BSISO1의 위상에 따라 크게 변동하는 것을 보이고 있다. 우리나라를 포함하는 동아시아의 경우 BSISO1의 위상 3-5 시기에 강수량이 상대적으로 많이 나타나며, 위상 8-1 시기에 상대적으로 적게 나타나는 경향이 있다. Hsu et al. (2017)은 강수량이 상대적으로 적은 위상 8-1 시기에 우리나라의 폭염 발생 확률이 증가함을 보인바 있다. BSISO1 3~5 위상 시기는 우리나라를 포함하는 동아시아 지역 대기 하층에 저기압성 순환이 강화되는 반면 북서태평양 몬순 지역에서는 고기압성 순환이 강화되는 특성이 있다(Lee et al., 2013). 이에 따라 동아시아 지역뿐만 아니라 인도 서해안과 중부 및 북부, 인도차이나 반도, 그리고 필리핀 등지에서도 위상에 따른 강수량의 변화가 매우 유의하게 나타나게 된다.

Fig. 1. 
Composites of rainfall anomaly (mm day⁻¹) in each BSISO1 phase respect to the non-BSISO case from May to October for the period of 1981~2007 using the APHRODITE-Monsoon Asia (MA) data. Only the anomalies exceeding the 95% confidence level based on Student’s t test and its effective degree of freedom are shown.

Figure 2은 BSISO2의 위상에 따른 강수량 편차 합성도를 나타낸다. BSISO1과 마찬가지로 많은 지역에서 강수량의 변동이 통계적으로 유의한 수준에서 큰 폭으로 나타나고 있다. 특히 우리나라의 경우 위상 7일때 강수가 상대적으로 많이 나타나며, 위상 2~5일 때 강수량이 상대적으로 적게 나타나는 것을 볼 수 있다. BSISO2의 경우는 중국 남부 및 양쯔강 유역, 인도 북부, 파키스탄, 방글라데시, 필리핀 중북부 등에서 유의한 강수량 편차를 나타낸다. BSISO2의 강수 편차장의 공간 분포는 장마 시기나 혹은 늦 여름시기 남서-북동 방향으로 기울어진 정체전선이 전형적으로 북서진 하면서 동아시아의 강수에 영향을 주는 형태를 잘 나타내고 있다. 즉, 위상 3~4 시기에 중국 남부와 일본 남부에 정체 정선이 걸쳐 있으면서 강수를 내리며, 위상 5~7까지 점차 북서쪽으로 강수대가 움직이는 것을 볼 수 있다.

Fig. 2. 
As in Fig. 1 but for the composites for the BSISO2 phase.

두 BSISO 지수에 따른 우리나라 강수 변동을 좀더 구체적으로 보기 위해서 각 위상과 BSISO가 활동적이지 않은 시기에 대한 일평균 강수량의 확률 분포함수(probability density function; PDF)를 Fig. 3에 나타내었다. 우리나라 지역은 32^o-40^oN, 125^o-135^oE으로 정의되었다. Figure 3은 box plot이라고도 하며, 바와 선으로 표시된 것은 whisker로 바의 맨 하단은 5번째, 박스 하단은 25번째, 박스 중간은 50번째, 박스 상단은 75번째, 바의 맨 상당은 95번째 퍼센타일(percentile)을 나타낸다. Figures 3a, b에서 볼 수 있듯이, BSISO1과 BSISO2 위상에 따라 우리나라 강수의 확률 분포가 매우 큰 폭으로 변화하는 것을 알 수 있다. 먼저 BSISO의 활동이 약하거나 없을 때 5월부터 9월까지 우리나라 일평균 강수량은 약 3 mm day⁻¹이며, 75번째 퍼센타일 값은 약 7 mm day⁻¹고 95번째 값은 약 16 mm day⁻¹이다. 하지만 BSISO1의 위상 4-5일 경우 75번째와 95번째 퍼센타일 값은 각각 10과 18 mm day⁻¹로 증가된다. 즉, BSISO1 위상 4-5일 경우 우리나라 강수량의 확률 분포가 큰 값 쪽으로 치우치게 되며(즉, 강수 확률뿐만 아니라 극한 강수 확률이 증가), BSISO1 위상이 7-8일 경우 작은 값 쪽으로 치우치게 된다(강수 확률뿐만 아니라 극한 강수 확률의 감소). 마찬가지로 BSISO2에 따라서도 우리나라 강수의 확률 분포가 큰 폭으로 변화되는 것을 볼 수 있다. BSISO2의 위상 6~7일 경우 큰 값으로, 위상 3~4일 경우 작은 값 쪽으로 치우쳐 있다. 즉, BSISO 지수를 실시간으로 모니터링 할 경우 계절안진동과 관련된 우리나라 지역의 강수 발생 가능성을 어느 정도 추정해 볼 수 있을 것으로 기대된다.

Fig. 3. 
Probability density function (PDF) of daily precipitation (mm day⁻¹) over Korea (32^o-40^oN, 125^o-135^oE) as a function of (a) BSISO1 and (b) BSISO2 phases. The non-BSISO phase is defined as (PC1² + PC2²)^1/2 or (PC3² + PC4²)^1/2 smaller than 1. The whiskers present the values of the 5th (lower bound) and 95th (upper bound) percentiles, respectively, while the three horizontal lines (from bottom to top) in the box denote the values of the 25th (lower quartile), median, and 75th (upper quartile) percentiles, respectively.

이전 장에서는 두 BSISO 지수가 우리나라뿐만 아니라 아시아의 여러 지역 강수의 변동성에 크게 영향을 준다는 것을 1981~2007년 기간 자료를 통해 살펴보았다. BSISO1은 30~60일 주기의 변동이 강하며, BSISO2는 10~20일 주기의 변동성이 강하다. 이번 장에서는 좀더 장기간(1951~2007) 자료를 사용하여, 두 독립적인 BSISO 모드의 장기 변화를 살펴본다. BSISO 모드 산출을 위한 유의한 OLR 자료는 1970년 후반부터 제공되기 때문에 이 장에서는 APHRODITE 강수량에 Fourier harmonic analysis을 이용한 필터링을 적용하여 BSISO를 산출하여 조사하였다.

Figure 4는 먼저 1951~2007년 기간 동안의 10~60일에 대해 필터 한 일 강수량 편차의 표준편차(즉, 계절안 변동성)를 MJJAS 평균 강수량 편차의 표준편차(즉, 경년 변동성)와 비교해서 나타낸 것이다. Kang et al. (1999)에서 지적한 바와 같이 북반구 여름철 기간 동안 아시아의 많은 지역에서 계절안 변동성이 경년 변동성보다 더 크게 나타나는 경향이 있다. 우리나라를 포함하는 동아시아 지역에서도 계절안 변동성이 경년 변동성보다 훨씬 큰 값을 나타내고 있다. 하지만 전반적으로 계절안 변동성이 큰 지역이 경년 변동성도 큰 값을 나타낸다. Figure 5는 계절안 변동성을 각각 10~20일 주기와 30~60일 주기로 나누어서 살펴본 것이다. 주지할 사실은 우리나라 지역에서 30~60일 주기보다 10~20일 주기 변동성이 더 큰 폭으로 나타난 다는 것이다. 우리 나라 중부의 경우 10~20일 주기와 관련된 강수량의 표준편차는 20 mm day⁻¹ 이상인 반면 30~60일 주기와 관련해서는 약 10~15 mm day⁻¹를 보이고 있다.

Fig. 4. 
Standard deviation (SD) of (a) 10~60-day bandpass filtered rainfall anomaly from May to September (i.e., intraseasonal variability) and (b) May-to-September mean rainfall anomaly (i.e., interannual variability) over the Monsoon Asia for the 57 years of 1951~2007. Unit is mm day⁻¹.

Fig. 5. 
SD of (a) 10~20-day filtered and (b) 30~60-day filtered rainfall anomaly from May to September for the 57 years of 1951~2007. Unit is mm day⁻¹.

Lee et al. (2017)은 우리나라 장마와 동아시아 몬순 시스템이 1970년대 중반과 1990년대 중반에 크게 변화했음을 보인바 있다. 따라서 본 연구에서는 주요한 수십년 주기 변화 시점에 맞물려 10~20일 주기와 30~60일 주기의 강수량 변동성에 장기적인 변화가 있었는지 조사하였다. Figure 6은 기존 연구들을 통해 구분된 주요한 세 시기(1958~1976, 1977~1993, 1994~2007)에서의 10~20일 주기와 30~60일 주기 계절안 진동의 표준편차를 나타낸 것이다. 먼저 주요한 변동 지역은 세 시기에 따라서 크게 변화하지 않은 것을 볼 수 있다. 하지만 우리나라 지역의 경우 최근으로 올수록 두 계절안 진동의 변동성이 크게 강화되고 있다. 특히 중부 지역의 경우 마지막 14년(1994~2007)년에 계절안 진동 변동성이 크게 증가하였다. 중국의 양쯔강 유역과 남부지역의 경우도 마지막 14년에 변동성이 크게 증가하였다.

Fig. 6. 
SD of 10~20-day filtered (upper panels) and 30~60-day filtered (lower panels) rainfall anomaly from May to September for (a) the 19 years of 1958~1976, (b) the 17 years of 1977~1993 and (c) the 14 years of 1994~2007. Unit is mm day⁻¹.

우리나라 지역에서 최근 계절안 진동의 강화 경향이 통계적으로 유의한지 검증하기 위해 1951년부터 2007년까지 매년 두 계절안 진동의 표준편차를 구하고 trend를 계산하였다. Figure 7은 10~20일 주기와 30~60일 주기 진동의 매년 표준편차의 trend를 MJJAS 평균 강수량의 지난 57년 동안의 trend와 비교해 나타낸 것이다. 검은 점으로 나타낸 지역이 통계적으로 유의한 trend를 보이는 곳이다. 우리나라의 경우 두 계절안진동과 MJJAS 평균 강수량에서 모두 통계적으로 유의한 증가 경향을 나타내고 있다. 특히 10~20일 주기 계절안 진동의 변동성의 증가 경향이 매우 뚜렷하게 나타나고 있다. 우리나라 지역 이외에 중국 남부와 인도차이나반도의 여러 지역에서도 증가 경향이 보인다.

Fig. 7. 
Trend of (a) SD of 10~20-day variability, (b) SD of 30~60-day variability, and (c) MJJAS mean precipitation for the 57 years of 1951~2007. Dotted area indicates the trend is statistically significant at 95% confidence level based on t-test.

두 계절안 진동 변동성의 시간에 따른 변화 양상과 MJJAS 평균 강수량에 대한 기여도를 우리나라 지역에 대해서 좀더 상세 분석하였다. Figure 8은 1951년부터 2007년까지 10~20일 주기(긴파선)와 30~60일 주기(짧은파선)의 매년 표준편차 시계열을 MJJAS 평균 강수량 편차 시계열과 함께 나타낸 것이다. 또한 Table 1은 두 계절안 진동의 경년 변동과 MJJAS 평균 강수량의 경년 변동 사이의 상관관계를 여러 시기에 대해 계산한 것이다. Fiures 8과 Table 1에서 여러가지 주요 특성을 볼 수 있다. 첫째, 10~20일 주기 계절안 진동이 30~60일 주기에 비해 더 큰 변동성을 나타내며, 우리나라 MJJAS 평균 강수의 경년 변동성에 더 큰 기여를 하고 있는 알 수 있다. 지난 57년 동안 MJJAS 평균 강수량의 경년 변동은 10~20일 주기 계절안 진동의 변동과 0.71의 상관 관계를 보이는 반면 30~60일 주기 계절안 진동의 변동과 0.46의 상관 관계를 보이고 있다. 둘째, 두 계절안 진동의 변동성 시계열은 모두 뚜렷한 증가 양상을 보이며, 10~20일 주기 계절안 진동 변동성의 증가 경향이 더 크게 나타나고 있다. 셋째, 두 계절안 진동의 경년 변동이 MJJAS 평균 강수 경년 변동에 기여하는 정도가 다소 줄어든 반면 두 계절안 진동 변동성 사이의 관련성이 최근 매우 크게 증가되고 있다. 두 계절안 진동의 변동성 사이의 상관계수가 1958~1976 동안 0.37이었던 반면 1994~2007 동안 0.88을 나타내고 있다. 앞으로 이와 같은 변화 양상을 유도한 주요 원인들에 대한 상세 연구가 필요할 것이다.

Fig. 8. 
Time series of standard deviation of 10~20-day filtered (long dashed line) and 30~60-day filtered (dashed line) rainfall anomaly (scale on left-hand side) from May to September during each year for 1951~2007 in comparison with May-to-September mean rainfall anomaly (black solid line, scale on right hand side) over Korea. Unit is mm day⁻¹. Orange and purple line indicate trend for standard deviation of 10~20-day filtered and 30~60-day filtered anomaly, respectively.

고해상도 장기 관측 자료인 APHRODITE 일별 강수량 자료를 사용하여 10~20일 주기와 30~60일 주기 계절안 진동이 우리나라를 포함하는 전체 아시아 지역 강수 변동성에 미치는 영향을 평가하고 지난 57년 동안 두 계절안 진동의 변동성이 어떤 양상으로 변화되어 왔는지 평가하였다. 본 연구의 전반부에서는 두 계절안 진동 모드를 최근에 제안된 BSISO1(30~60일 주기 모드)과 BSISO2(10~20일 주기 모드)를 이용해 구분 하고, 각 모드의 위상에 따른 강수량의 영향에 대해 1981~2007 기간 동안 살펴보았다. 후반부에서는 APHRODITE일별 강수량 자료에 필터링을 적용해 10~20일 주기와 30~60일 주기 변동성을 구분하고 1951~2007년 동안의 장기적인 변화 양상을 평가하였다.

두 BSISO 모드의 위상에 따라서 아시아 지역의 강수량이 큰 폭으로 변화하는 것을 볼 수 있었다. BSISO1(BSISO2)의 위상 3-5(위상 7)시기에 우리나라를 포함하는 동아시아 지역에서 강수량이 상대적으로 많이 나타나며, 극한 강수 발생 확률이 증가하게 된다. 반면 BSISO1 (BSISO2)의 위상 8-1(위상 2-5) 시기에 동아시아 지역에서 강수량이 상대적으로 적게 나타나며, 폭염 발생 확률이 증가하게 된다. 따라서 두 BSISO 지수의 실시간 모니터링을 통해 우리나라를 포함하는 아시아 지역 강수 확률 및 극한 강수 발생 확률을 추정할 수 있을 것으로 보인다.

본 연구를 통해서 지난 57년 동안 10~20일 주기 및 30~60일 주기 계절안 진동에 큰 변화가 있었으며, 여름철 평균 강수량에 미치는 영향에도 변화가 있었음을 알 수 있었다. 다음은 주요한 특성 및 장기 변화 특성을 요약한 것이다.

• 대다수의 여름철 계절안 진동 연구가 30~60일 주기에 집중되어 왔지만 우리나라를 포함하는 여러 아시아 지역에서 10~20일 주기 계절안 진동의 변동성이 더 크게 나타나며, MJJAS 평균 강수량의 경년 변동에 더 크게 기여하고 있음이 밝혀졌다. 우리나라의 경우 지난 57년 동안 MJJAS 평균 강수량의 경년 변동과 10~20일 주기 계절안 진동 경년 변동 사이의 상관 계수는 0.71인 반면 30~60일 주기와는 0.46을 나타내었다.

• 지난 57년 동안 우리나라를 포함하는 여러 아시아 지역에서 10~20일 주기와 30~60일 주기 계절안 진동의 변동성이 모두 통계적으로 유의한 수준에서 증가하고 있다. 특히 우리나라에서 10~20일 주기 계절안 진동의 강화 경향이 크게 나타나고 있다.

• 지난 57년 동안 우리나라 지역에서 두 계절안 진동의 변동성이 MJJAS 평균 강수량 경년 변동에 기여하는 정도가 다소 감소하고 있는 반면, 두 계절안 진동 변동성 사이의 관련성이 매우 유의하게 증가하고 있다. 즉, 10~20일 주기 계절안 진동이 크게 나타난 해에 30~60일 주기 진동도 크게 나타나는 경향이 1994년 이후 증가되었다.

본 연구를 통해 여름철 계절안 진동이 우리나라 평균 강수량 및 극한 강수량에 통계적으로 유의한 영향을 미치며 지난 57년 동안 상당한 변화 양상을 나타냈음을 알 수 있었다. 특히 10~20일 주기 계절안 진동이 우리나라 강수 변동성에 큰 영향을 미치고 있으며, 그 변동폭이 점차 강화되고 있음을 볼 수 있었다. 계절안 진동의 변동성은 수십년 주기 변화보다는 지난 지난 57년 동안 지속적인 증가 경향을 나타내고 있다. 따라서 지구온난화가 최근 계절안 진동 변동성의 강화에 영향을 미쳤을 가능성이 있다. 하지만 실제적인 원인에 대해서는 차후 연구를 통해서 밝힐 필요가 있다.

본 연구에서는 BSISO의 두 모드를 정의함에 있어서 전반부와 후반부의 접근법이 다소 상이하다는 한계점이 있다. Lee et al. (2013)에서 다양한 민감도 실험을 통해 지적한 바와 같이 BSISO의 서로 다른 두 모드를 최적으로 분리시키기 위해서는 OLR과 u850 자료를 사용하는 것이 가장 이상적이다. BSISO2의 경우는 10~20일 주기뿐만 아니라 30일 주기 변동성을 함께 나타내기 때문에 필터링을 통해서는 두 모드를 최적으로 분리해내기 어렵다. 하지만 관측 OLR 자료의 유용 여부 때문에 1979년 이전에는 Lee et al. (2013)에서 제안한 방식으로 BSISO를 정의하지 못하는 한계가 있기 때문에 장기 변동성 연구에서는 기존 연구들에서 사용하는 방식인 필터링을 통한 모드의 분리 방법을 이용하였다. 앞으로 BSISO의 장기 변동성을 최적으로 연구할 수 있는 방법론이 개발될 필요가 있을 것이다.