ICE-POP 2018기간 동계집중관측자료를 활용한 국지수치모델(LDAPS)의 행성경계층고도 검증

1. 서 론

행성경계층고도(Planetary Boundary Layer Height; PBLH)는 수치모델에서 연직 대기 혼합 규모를 묘사하기 위한 중요한 인자이다. 이러한 PBLH는 수치 모델에서 연직 확산 운동과 밀접한 관련이 있으며(Shin and Ha, 2007), 연직 확산 방법은 난류 운동에 의한 기상인자의 혼합을 묘사하기 위해 사용된다. 또한 수치모델에서는 행성경계층(Planetary Boundary Layer) 모수화를 통하여 아격자 규모 난류 운동을 표현하며, 아격자 규모의 난류 운동은 행성경계층 내의 대기상태와 PBLH를 변화 시킬 수 있다. PBLH는 기상모델 뿐만 아니라 대기질 모델에서도 오염물질 확산 예측에 큰 영향을 미치는 인자이다. 따라서, PBLH 변화를 정확하게 파악하는 것은 기상현상의 이해와 대기오염물질의 확산을 예측하는데 매우 중요하다(Kim et al., 1994; Nam et al., 2016).

관측자료를 활용한 PBLH 분석 연구는 많이 이루어져 왔다. 특히, 원격탐측장비를 이용하여 정확한 PBLH를 산출하는 연구가 많이 진행되었다. Seidel et al. (2010)은 레윈존데와 GPS 자료를 활용하여 PBLH를 계산하는 7가지 방법(parcel, 기온역전, 습도, 온위, 비습, 굴절률, 지표역전 방법)을 적용하였고, 그 결과를 통해 PBLH의 일, 년, 계절 변화의 정량적 값과 통계적 불확실성를 제시하였다. Liu and Liang (2010)은 레윈존데로 관측된 온위 프로파일을 통해 지표 부력에 따른 불안정도를 세가지(Convective Boundary Layer; CBL, Neutral Boundary Layer; NBL, Stable Boundary Layer; SBL)로 구분하였으며, 이에 따라 각기 다른 PBLH 산출 방법을 제안하였다. 또한, 지표의 상태(토양, 해양, 얼음)에 따라 PBLH를 산출한 뒤 그 특성을 논의하였다. Compton et al. (2013)은 라이다와 윈드 프로파일러의 연직 시그널에 Wavelet Covariance Transform (WCT)방법을 적용하여 PBLH를 산출한 뒤 레윈존데로 산출된 값과 비교하였으며(R² ≡ 0.9), 시간 고해상도 PBLH 관측에 원격탐사 장비의 활용도가 가능함을 제시하였다. Nam et al. (2016) 역시 라이다 후방산란신호에 WCT 방법을 적용하여 산출한 PBLH를 Weather Research and Forecasting model(WRF)와 레윈존데에서 산출된 값과 비교한 연구를 수행하였다.

이외에 수치모델의 행성경계층 방안(PBL scheme) 개선을 위해 행성경계층 방안을 상호 비교 · 평가하고, 관측과 검증하는 연구들도 많이 이루어져왔다. Huang et al. (2013)은 해상경계층의 구름 모의를 위해 WRF의 행성경계층 방안들을 평가하였으며 Single column 모델보다 Large Eddy-diffusivity의 모의성능이 우수함을 제시하였다. 또한 행성경계층 방안의 상호 비교를 통해 행성경계층과 관련된 모델성능 개선에 경계층 모수화의 개선이 중요함을 보였다. Kang et al.(2016)은 WRF의 행성경계층 방안(Mellor-Yamada-Janjic PBL scheme; MYJ, Yonsei University PBL scheme; YSU)에 따른 PBLH의 정확도를 평가하였다. 그리고 YSU 방안을 대상으로 PBLH 고도 오차원인을 파악하고, PBLH 오차를 줄이기 위한 방법으로 레윈존데 자료를 이용한 자료동화 실험을 수행한 후 자료동화 효과에 대해 분석하였다. Selvaratnam et al.(2015)은 영국에 설치되어 있는 운고계에서 계산된 PBLH와 Unified Model (UM)에서 산출되는 PBLH를 비교하였다.

현재 기상청에서는 UM을 활용한 국지수치모델(Local Data Assimilation and Prediction System; LDAPS)을 운영 중에 있으며, PBLH 값이 산출되고 있다. 그러나 대기 중 기상요소(온도, 습도, 바람 등)를 직접 관측한 레윈존데와 비교하여 PBLH의 정확도를 검증한 연구는 미흡한 실정이다. 이에 본 연구에서는 2018년 평창동계올림픽 기상 지원의 일환으로 수행된 ICE-POP(International Collaborative Experiments for Pyeongchang 2018 Olympic and Paralympic Winter Games) 기간 동안 대관령과 속초에서 관측된 레윈존데 자료를 사용하여 국지수치모델에서 생산되는 PBLH의 정확도를 검증하고 모의 특징을 분석하고자 하였다. 또한 PBLH 계산에 사용되는 변수인 기온, 습도, 풍속 자료를 비교하여 PBLH 오차와 변수들의 예측 경향성을 비교하였다. 마지막으로 LDAPS에서 산출되고 있는 PBL 유형에 따라 산출된 PBLH, 기온, 습도, 풍속 값을 관측과 비교하여 PBLH 산출 오차에 따른 기상변수의 특성을 제시하였다.

본 논문의 2장은 분석에 사용된 레윈존데 자료와 LDAPS에서 PBLH를 산출하는 방법을 설명하였다. 3장에서 레윈존데와 LDAPS에서 산출된 PBLH를 검증한 결과와 절대오차에 따른 기상변수들의 모의 특징을 정리하였으며, LDAPS에서 산출되는 행성경계층 유형별로 모의 경향성을 분석한 결과를 기술하였다. 마지막에서 결과를 요약하고 토의 결과를 정리하였다.

2. 분석 자료 및 분석 방법

International Collaborative Experiments for Pyeongchang 2018 Olympic and Paralympic winter games (ICE-POP 2018)은 복잡지형에서 관측을 기반으로 실 시간예보기술향상과 동해에서 생성되는 눈구름이 영동지역으로 이류 되어 태백산맥의 지형효과를 통해 강설이 되는 일련의 과정을 이해하기 위해 수행되었다. 강설의 생성과 이동부터 대기수상체(눈, 비, 우박 등)의 성장 및 낙하까지 강설의 일련의 과정을 이해하기 위해 세계 11개국, 약 26기관에서 원격탐지장비(레이더, 라이다, 레윈존데 등)와 지상관측장비(Particle Size and Velocity; PARSIVEL, 2 Dimensional Video Distrometer; 2DVD, Precipitation Occurrence Sensor System; POSS 등)를 활용한 집중관측을 수행하였다. ICE-POP 2018에 대한 자세한 정보 및 운용장비에 관한 설명은 http://155.230.157.230에 기술되었다.

본 연구에서는 ICE-POP 2018 기간 중 2017년 12월부터 2018년 2월까지 대관령과 속초기상대에서 비양된 레윈존데 자료를 분석에 활용하였으며 레윈존데의 세부 사항은 Table 1에 제시되었다. 관측은 일 2회 0000, 1200 UTC(12시간 간격)를 기본으로 수행되었으며, 강수 및 강설 예보가 있을 시에 일 8회 0000, 0300, 0600, 0900, 1200, 1500, 1800, 2100 UTC(3시간 간격) 집중 관측이 수행되었다. 관측 횟수는 대관령과 속초 각각 319회 317회이며 관측된 모든 자료가 분석에 사용되었다. 레윈존데와 Local Data Assimilation and Prediction System (LDAPS)에서 산출되는 PBLH는 계산 방법을 동일하게 하여 산출한 뒤 그 값을 분석하고자 하였다. LDAPS에서 PBLH가 산출되는 방법은 parcel 방법과 벌크 리차드슨 수(Bulk Richardson Number; Ri_b) 방법을 통해 계산된 PBLH 값 중 최대값으로 산출된다(Boutle et al., 2015). 따라서 레윈존데도 이 두 방법을 이용하여 계산된 PBLH 중 최대값을 이용하였다.

Table 1.

Specifications of rawinsonde (M10).

Ri_b 방법은 간단하게 PBLH 산출이 가능하고 다양한 대기 조건하에서 그 신뢰성이 검증되어 기상과 기후 수치모델에 사용되고 있다(Coen et al., 2014; Zhang et al., 2014). Ri_b 방법을 통해 PBLH를 산출하는 과정은 아래의 식 (1)과 식 (2)와 같으며(Selvaratnam et al., 2015), parcel 방법은 식 (3)과 같이 계산하였다.

여기서 g는 중력가속도, θ_vz와 θ_v0는 고도 z와 지표에서 가온위, $$ u_z^2$$와 $$ v_z^2$$는 수평바람의 벡터성분이다. T(h)와 Γ_dry(h)는 고도(h)에서 관측된 온도와 건조단열 감률이다. 계산된 Ri_b 방법은 임계값(Ri_bc)과 비교를 통해 Ri_bc보다 값이 커지는 최초의 고도를 PBLH로 산정하게 된다. Ri_bc 값은 선행연구에서 0.15-1의 값으로 사용되었으나(Zhang et al., 2014), 본 연구에서는 UM에서 PBLH를 산출하기 위해 사용하는 값과 동일한 0.25를 적용하였다(Boutle et al., 2015). parcel 방법으로 산출되는 PBLH는 지표에서 상승된 공기가 건조단열감률보다 낮아지는 고도를 산정하였으며 지표 기온을 초과한 공기 덩어리가 단열·상승하여 주변의 기온과 같아지는 고도를 PBLH로 결정하였다(Selvaratnam et al., 2015).

Fig. 1.

Spatial location and information on the rawinsonde observation sites and LDAPS grid (black soild lines).

LDAPS는 UM을 기반으로 2012년 5월부터 운영되었으며, 수평격자 1.5 km로 연직으로 40 km까지 70층으로 구성되어 있다. 3시간 간격으로 1일 8회(0000, 0300, 0600, 0900, 1200, 1500, 1800, 2100 UTC) 수행된다. 이 연구에서 사용한 자료는 LDAPS 분석장이며, 산출한 자료는 PBLH, PBL 유형, 지상과 등압면의 기온, 습도, 풍속이다.

LDAPS의 PBLH는 대관령과 속초 주변의 4개 격자 자료를 bilinear interpolation하여 산출하였다. 등압면 자료의 기온, 습도, 풍속은 레윈존데가 상승하며 이동한 위경도 인근 4개의 격자점의 값을 bilinear interpolation 하여 산출하였으며, 지상 자료도 같은 방법으로 산출하였다. 대관령은 지상을 포함한 925 hPa부터 750 hPa까지 총 7개 층의 자료를 산출하였으며, 속초는 지상을 포함하여 1000 hPa부터 750 hPa까지 총 10개 층의 자료를 산출하였다. 750 hPa까지 자료만을 사용한 이유는 LDAPS에서 산출되는 PBLH의 최대고도가 3 km이므로 약 3 km에 해당하는 750 hPa까지 자료를 분석에 사용하였다. 대관령과 속초 지점의 LDAPS에서 생산되는 PBL 유형은 인접 격자의 자료를 산출하였으며, 속초의 경우 해안가에 위치하기 때문에 land mask 자료가 1(육지)인 인접 격자 자료를 산출하였다.

본 연구에서는 레윈존데와 LDAPS에서 산출된 대관령과 속초의 PBLH 절대오차를 계산하고, PBLH의 절대오차를 기준으로 PBLH 산출 시 직접적으로 영향을 주는 기온, 습도, 풍속의 모의경향성에 대해 비교를 하였다. 그리고 LDAPS에서 생산되고 있는 PBL 유형을 기준으로 PBLH, 기온, 습도, 풍속을 비교하여 모의된 PBL 유형 중 PBLH 오차가 가장 큰 유형과 각 기상요소에 따른 모의 특성을 분석하였다.

3. 결 과

3.1 레윈존데와 LDAPS에서 산출된 PBLH 비교

레윈존데로 산출된 PBLH는 지형고도 값이 반영되지 않는 LDAPS 모의 결과와 직접비교를 위해 지형고도 값을 제거하여 분석하였다. Figure 2는 대관령과 속초에서 레윈존데와 LDAPS로 산출된 PBLH의 산점도와 그것의 누적밀도함수(cumulative distribution function)이다. 산점도(Figs. 2a, b)를 보면 대관령(Fig. 2a)과 속초(Fig. 2b)에서 전반적으로 LDAPS가 레윈존데보다 PBLH를 과소 추정하는 것으로 나타났으나 지상부근(대관령 200 m 이내, 속초 450 m 이내)에 PBLH가 존재하는 경우 레윈존데보다 과대모의하는 것이 나타났다. 누적밀도함수를 보면(Fig. 2c) 대관령과 속초에서 레윈존데와 LDAPS로 산출된 PBLH의 약 20% 와 40%는 지표부근인 250m 고도 이하에서 나타났다. 위와 같이 지표인근에서 높은 빈도의 PBLH가 나타나는 이유는 관측이 이루어진 겨울철에 지표냉각으로 인해 PBL이 충분히 성장하지 못하였기 때문으로 사료된다. 또한, 대관령에서 PBLH는 지표로부터 200 m까지(누적밀도 18%) 모델이 과대모의하는 것이 나타나며, 200 m 이상 고도부터는 과소모의 되는 것이 나타난다. 속초의 경우도 유사하게 450 m를 경계(누적밀도 62%)로 하여 아래로 LDAPS의 과대모의, 위로는 과소모의하는 것을 보인다. 이로 보아 지표인근 공기가 강하게 안정되어 PBLH가 지표인근에서 산출되는 경우와 지표가 열적으로 약한 안정 혹은 중립일 때 Free Atmosphere (FA)의 하부를 PBLH로 산출할 경우를 LDAPS가 이를 정확히 모의하지 못하는 것으로 사료된다. Nam et al. (2014)에 따르면 영동지역은 강설 전 대기하층이 열적으로 불안정 한 모습을 보이다가 강설 시간에 중립으로 바뀐 뒤, 강수 종료 후 안정한 형태를 보인다고 하였다. 이 같은 결과로 보아 LDAPS가 PBLH를 지표에서 과대모의하는 것과 중층에서 과대모의하는 이유는 겨울철 대기가 매우 안정한 조건하에서 지표층(Surface Layer; SL)의 상부가 PBLH로 산출되는 경우와 강수(강설) 전 수증기로 인한 잠열로 인해 지표 인근 대기가 약한 불안정 혹은 중립일 경우 Mixing Layer (ML)의 상부가 PBLH로 산출되는 경우가 혼재되어 나타난 결과로 판단된다(Stull, 1988). 이러한 예를 보여 줄 수 있는 대표적인 사례를 선정하여 Fig. 3에 제시하였다. Figure 3은 대관령과 속초에서 맑은 날과 강수 전 관측된 PBLH, 연직 가온위, 혼합비, 풍속, 그리고 Ri_b이다. Figures 3a, c는 맑은 날(0 Okta가 6시간 이상) 대관령과 속초에서 비양 된 레윈존데 자료이다(2018년 2월 2일 1800 KST, 2017년 1월 4일 0000 KST). 가온위(θ_v)로 분석된 연직 대기 구조는 지표 100 m까지 안정이며. 그 상부로 약한 안정이 지속되었다. Ri_b 역시 연직으로 0.25 이상의 값을 보여 지표부근에서 대기가 안정상태임을 알 수 있다. 이때, 관측은 안정된 SBL의 상부를 PBLH로 판단하는 반면 LDAPS는 같은 결과를 보이지 않았다. Figure 3b와 Fig. 3d는 대관령과 속초에서 강수 전 사례이다(2017년 12월 8일 0000 KST, 2017년 12월 2일 1200 KST). 대관령과 속초에서 강수 전 Kim et al. (2005)의 방법으로 판단된 구름의 운정 고도는 각각 약 1300 m, 1450 m였다. Stull (1988)은 θ_v 프로파일을 분석하여 대기 구조를 S1~S6로 구분하여 분석하였다. 이를 적용하였을 때 대관령과 속초는 대기하층에 ML이 존재하는 S5, S6 사례와 유사하였으며 이를 분석에 참고하였다. Figure 3b에서 대기는 지표에서부터 1200 m까지 ML형태를 보이다 운정 고도인 1300 m까지 Residual Layer (RL)을 보인다. 이때 관측으로 판단된 PBLH는 ML의 상부인 1200 m 부근으로 산출되었으며 모델은 이보다 낮은 1000 m 부근에서 PBLH가 산출되었다. Figure 3d에서 Cloud Layer(CL)와 Sub-Cloud Layer (SCL)가 포함된 ML 고도의 상부(1450 m), 즉 Free Atmosphere (FA)의 하부를 PBLH로 산출하는 경향을 보였다. 그때 모델에서 모의된 PBLH는 600 m 부근으로 관측과 비교하여 850 m 차이를 보였다. 이처럼 대관령과 속초에서 강수 전 관측된 레윈존데에서 산출된 PBLH는 잠열로 성장한 ML의 상부를 PBLH로 산출하는 경향을 보였으나, LDAPS는 레윈존데와 차이를 보였다.

Fig. 2.

Scatter plot of planetary boundary layer height from rawinsonde vs. LDAPS in a) Daegwallyeong and b) Sokcho. c) cumulative distribution function of planetary boundary layer height from rawinsonde (OBS) and LDAPS (LDPS) in Daegwallyeong and Sokcho.

Fig. 3.

Vertical profiles of virtual potential temperature (θv), mixing ratio (Q), saturation mixing ratio (Qs), Wind speed (WS), and Richardson number on clear day (a, c) and before precipitation (b, d) from rawinsonde in Daegwallyeong (a, b) and Sokcho (c, d). In this figures, yellow and blue cross dot line is PBLH from LDAPS and rawinsonde, respectively.

Figure 4에 레윈존데와 LDAPS에서 산출된 PBLH의 일변화 경향과 bias mean이 제시되었으며, Table 2에 정량적인 값을 제시하였다. 대관령과 속초에서 레윈존데와 LDAPS로 산출된 PBLH는 0000 KST부터 0900 KST까지 상대적으로 낮은 값을 보이다가 1500 KST에 최고 값(1070.4 m, 1185.2 m)을 보인 뒤 감소(1500 KST~2100 KST)하는 전형적인 일변화를 잘 보여주고 있다. LDAPS에서 모의된 PBLH는 레윈존데로 산출된 값보다 전반적으로 값을 낮게 모의하는 경향을 보였으며 대관령에서 속초보다 상대적으로 큰 bias mean(−332.5 m)를 보였다. 이와 유사하게 모델이 PBLH를 과소모의하는 결과는 선행연구에서도 보고되었다. Hu et al. (2010)과 Kang et al. (2016)은 WRF를 통한 PBLH가 관측보다 과소모의함을 보였다. 또한 Selvaratnam et al. (2015)의 연구에서도 UM에서 산출 된 PBLH와 운고계에서 계산된 PBLH를 비교한 결과 지역별로 차이는 있지만 전반적으로 과소모의 됨을 보였다. 한편, 0900 KST에 LDAPS와 레윈존데로 산출된 PBLH가 이전 야간 시간보다 낮아지는 현상이 나타난다. 이는 앞서 언급된 대로 정규관측이 이루어진 시간(0900 KST)의 경우 겨울철 지표가 강하게 안정되어 행성경계층이 성장하지 못한 경우가 다수 포함된 사례와 특별관측 시간(0000 KST, 0300 KST, 0600 KST)에 강수 및 짙은 구름의 영향으로 CL과 SCL이 포함된 ML을 PBLH로 산출한 사례가 혼재되어 나타난 결과로 사료된다. 또한, 0000~0900 KST 속초와 비교하여 대관령에서 상대적으로 큰 bias를 보인다. 0000~0600 KST는 강수 전 집중관측이 이루어졌을 시 자료이다. 이는 위에서 언급되었던 대로 ML의 상부를 관측이 PBLH로 산출할 때 모델은 이보다 낮은 지표인근에서 PBLH를 모의하는 경향이 높은 것으로 판단된다. 향후, 영동 해안지역인 속초와 영서 산악지역인 대관령에서 PBLH의 성장에 대한 추가분석이 필요할 것이다.

Fig. 4.

Diurnal mean values of PBLH from rawinsonde and LDAPS. The bar is bias mean between LDAPS and rawinsonde.

Table 2.

Diurnal mean, bias mean and RMSE of PBLH estimated from rawinsonde and LDAPS in Daegwallyeong and Sokcho.

3.2 PBLH 오차에 따른 기상변수의 모의 특성

레윈존데와 LDAPS에서 산출된 PBLH 오차에 따른 기온, 습도, 풍속의 수치모의 특징을 비교하기 위하여 절대 오차(absolute error)를 기준으로 살펴 보았다. PBLH의 절대 오차가 하위 10% 이하인 경우(오차가 작은 경우)와 90% 이상인 경우(오차가 큰 경우)로 나누어 레윈존데와 LDAPS의 연직 기온, 풍속, 습도 분포를 정량적으로 비교하였다. Figure 5에 PBLH의 절대오차가 10% 이하 경우와 90% 이상인 경우 대관령과 속초에서 관측된 기상 요소(기온, 습도, 풍속) 값과 그것의 수치모의 값을 제시하였다. 대관령의 경우(Figs. 5a, b) 절대오차가 클 때 지상부터 750 hPa까지 기온 감률도 크게 나타났다. 그리고 상대습도와 풍속은 지상부터 750 hPa까지 절대 오차가 작은 경우보다 더 큰 값을 보였다. 즉, PBLH 오차가 크게 발생하는 대기 환경은 오차가 작게 발생하는 경우보다 상대적으로 큰 기온감률(지표~750 hPa: 약 −9^oC, 상대적으로 불안정한 대기)을 보이며, 습윤하고(상대습도 약 65% 이상) 풍속도 강할 때(약 10~25 m s⁻¹) 임을 알 수 있다. 속초의 경우 대관령과 유사하게 절대 오차가 큰 경우 지표부터 750 hPa까지 기온감률(−16^oC)이 상대적으로 크게 나타났으며, 상대습도는 높은 값(45% 이상)을 보였고, 풍속은 강하게 나타났다(약 6~20 m s⁻¹ ). 위 결과에 따르면 대관령과 속초의 PBLH 절대 오차가 큰 경우가 절대 오차가 작은 경우보다 지상부터 750 hPa까지 불안정한 대기 상태이며, 상대적으로 습윤하고, 풍속도 강함을 알 수 있다.

Fig. 5.

Vertical profile of average (solid line; rawinsonde, dashed line; LDAPS) of temperature, relativity humidity, and wind speed on the a) absolute error less than 10%, b) absolute error greater than 90% in Daegwallyeong and Sokcho (c; ~10%, d; 90%~).

Table 3은 대관령의 PBLH 절대 오차가 10% 이하인 경우와 90% 이상인 경우에 대한 기상변수들의 연직 bias와 RMSE를 정리한 표이다. PBLH 오차가 크게 발생할 때 기상변수들의 예측 특징을 분석이 목적이기에 PBLH의 절대 오차가 90% 이상인 경우를 중심으로 설명하고자 한다. Table 3의 대관령의 기온과 습도의 경우 PBLH 절대 오차가 90% 이상인 경우 850 hPa을 기준으로 bias의 경향이 달라진다. 기온의 경우 850 hPa보다 낮은 층에서는 음의 bias를 보였고 850 hPa부터 750 hPa까지는 양의 bias를 보였다. 습도의 경우 이와 반대의 경향을 보였는데 850 hPa보다 낮은 고도는 양의 bias, 그 이상이 고도에서는 음의 bias가 보였다. 풍속은 모든 충에서 음의 bias를 보였다. RMSE 절대 오차가 10% 이하인 경우와 비교해 보았을 때, 기온은 지표와 850 hPa 이상의 고도에서 상대적으로 크게 나타났다. 상대습도는 지표부터 900 hPa까지 절대 오차가 10% 이하인 경우와 비교하여 크게 나타났다. 풍속은 전 층에서 절대 오차가 10% 이하인 경우보다 큰 것으로 분석되었다. 이 결과를 정리해 보면, 대관령의 PBLH 오차가 클 때 LDAPS는 하층(875 hPa 이하) 기온은 과소모의하고 중층(850 hPa 이상)은 과대모의하였으며, PBLH 오차가 작을 때보다 지표 기온을 더욱 과소모의하는 것으로 알 수 있었다. 습도는 하층을 과대모의하고 중층을 과소모의하며, 특히 PBLH 오차가 작은 경우에 비해 하층의 습도를 더 습하게 모의하는 것으로 나타났다. 풍속은 중·하층을 과소모의함을 알 수 있으며 PBLH 오차가 작은 경우보다 풍속의 과소모의가 더 커짐을 알 수 있었다.

Table 3.

Bias and RMSE of temperature, relative humidity, and wind speed separated by PBLH absolute error range between rawinsonde and LDAPS in Daegwallyeong.

속초의 PBLH 절대 오차에 따른 기상변수들의 bias와 RMSE를 보면(Table 4) PBLH 절대 오차 90% 이상인 경우 기온과 습도의 bias가 950 hPa을 기준으로 다른 특징을 보인다. 기온은 950 hPa보다 낮은 고도에서는 음의 bias를 보이며, 950 hPa 이상 고도에서는 양의 bias를 보였다. 이와 반대로 상대 습도는 950 hPa보다 낮은 고도에서 양의 bias, 그 이상의 고도에서 음의 bias가 나타났다. 풍속은 지표부터 925 hPa까지는 양의 bias, 그 이상의 고도에서는 음의 bias가 나타났다. RMSE를 PBLH 절대 오차가 10% 이하인 경우와 비교해 보았을 때, 기온의 경우 950 hPa 이상의 고도에서 상대적으로 큰 RMSE를 보였으며, 상대 습도는 지표부터 950 hPa, 875~850 hPa에서 상대적으로 RMSE가 크게 나타났다. 풍속은 대관령의 결과와 같이 전 층에서 상대적으로 큰 RMSE를 보였다. 이러한 결과로 보아 속초의 PBLH 오차가 클 때 LDAPS가 하층(지표부터 975 hPa)의 기온은 과소모의하고, 상대 습도는 과대모의하는 것으로 나타났다. 풍속은 하층(지표부터 925 hPa)은 과대모의하고, 중층(900~750 hPa)은 과소모의함을 알 수 있다. PBLH 오차가 작은 경우와 비교해 보았을 때 하층(지표~975 hPa) 상대 습도를 더욱 과대모의함을 알 수 있으며, 풍속은 전 층에서 높은 RMSE 값을 보이며 지표에서 925 hPa까지과소모의 되는 경향이 큼을 확인하였다. 대관령과 속초의 결과를 종합해 보았을 때, 하층의 습도를 더 습하게 모의하는 경우와 중층의 풍속을 더 약하게 모의할 때 PBLH 오차가 커지는 것으로 분석되었다.

Table 4.

Same as Table 2 in Sokcho.

3.3 PBL 유형에 따른 PBLH와 기상변수의 모의 특성

LDAPS에서는 지표 열적 안정도와 구름에 의해 발생되는 난류 형태에 따라 PBL 유형을 7가지로 분류한다(Table 5). PBL 유형은 안정도, 구름 유형, 지표로부터의 coupled, decoupled 층 등의 복합적 기준을 기반으로 구분된다(Boutle et al., 2015). 분석기간에 모의된 PBL 유형별 빈도를 Fig. 6에 제시하였다. 대관령에서 산출된 PBL 유형은 지표가 강하게 안정되는 경우를 모의하는 1번 유형이 가장 많았으며(37%), 다음으로 대기가 잘 혼합된 3번(30%)과 불안정한 지표에 층적운이 존재하는 4번 유형(15%)이 많았다. 이는 앞서 언급된 대로 겨울철 지표가 강하게 안정되었을 경우와 강설 전 불안정한 대기조건이 모의결과에 반영된 것으로 판단된다. 반면, 속초는 안정한 지표층위에 층적운이 존재하는 경우를 모의하는 2번 유형(37%)이 가장 많은 빈도를 보였으며, 다음으로 1번(26%)과 3번(26%)이 높은 빈도를 나타냈다. 2번 사례의 경우 속초에서 대관령에 비해 약 8배 높은 빈도를 보인다. 속초에서 2번 유형이 모의 되었을 때 동일한 시각 대관령에서는 1번 유형이 높은 빈도수(50%)를 보였다. 대관령에 비해 속초에서 안정한 지표 조건하에 구름(층적운)이 존재하는 대기상태가 많이 모의되었기 때문으로 사료된다.

Table 5.

Summary of LDAPS boundary layer types 1 to 7 (from Boutle et al., 2015).

Fig. 6.

The frequency of planetary boundary layer type from LDAPS.

Table 6에 PBL 유형에 따라 산출된 레윈존데와 LDAPS의 PBLH 평균값, bias 그리고 RMSE가 제시되었다. 대관령에서 PBL 유형에 따른 레윈존데의 평균 PBLH에서 가장 높은 값은 안정한 지표층에 층적운이 존재하는 2번으로 963.6 m이며, 가장 낮은 값은 불안정한 층에 시어가 지배적인 7번 유형으로 378.2 m였다. 대관령에서 LDAPS 값의 경우 가장 높은 PBLH를 보인 유형은 불안정한 지표층위로 대기가 혼합된 3번 유형으로 519.7 m이었으며, 가장 낮은 PBLH를 보인 유형은 지표가 안정된 1번으로 257.3 m이었다. 각 유형별 RMSE를 보면, 가장 큰 RMSE룰 보인 유형은 층적운이 존재하며 지표가 안정한 2번 유형이었으며, 다음으로 RMSE가 큰 유형은 6번, 4번, 5번이었다. 즉, 층적운이 존재하는 유형에서 PBLH의 오차가 크게 발생함을 알 수 있다. 반면, 가장 작은 RMSE를 보인 유형은 불안정한 층에 시어가 지배적인 7번이었다.

Table 6.

Average, bias and RMSE of PBLH by PBL type in Daegwallyeong and Sokcho.

속초의 경우 6번 PBL 유형의 사례 수가 1개로 현상의 특성을 대표하기에 어려울 것으로 판단되어 이를 제외하고 분석하였다. 속초 레윈존데의 PBL 유형별 가장 높은 평균 PBLH를 보인 유형은 불안정으로 인해 연직 혼합이 일어나는 3번 유형으로 843.8 m였으며, 가장 낮은 평균 PBLH를 보인 유형은 적운 위에 층적운이 존재하는 5번으로 238.0 m였다. LDAPS의 경우 가장 높은 평균 PBLH를 보인 유형은 레윈존데와 같은 3번 유형으로 642.3 m였으며, 가장 낮은 평균 PBLH를 보인 유형은 안정한 층이 1번 유형으로 389.8 m였다. 가장 큰 RMSE를 보인 유형은 불안정한 지표 층으로 혼합층인 3번이었으며, 다음으로 4번, 1번, 2번으로 1번 유형을 제외하고 층적운 또는 구름층이 존재하는 유형이었다. 가장 작은 RMSE를 보인 유형은 대관령의 경우와 같이 불안정 층으로 시어가 지배적은 7번이었다.

Figure 7은 대관령에서 LDAPS의 PBL 유형에 따른 레윈존데와 LDAPS의 PBLH, 기온, 습도, 풍속 값의 평균연직 프로파일이다. 모든 유형에서 LDAPS가 레윈존데에 비해 PBLH를 과소모의하는 것으로 분석된다. 또한 층적운이 존재하는 2번, 4번, 5번 유형에서 다른 유형에 비해 지표 기온이 높으며, 기온 감률이 다른 유형에 비해 상대적으로 크게 나타났다. 그리고 상대 습도는 850 hPa까지 60% 이상으로 중·하층에 습윤한 층이 존재하였다. 각 층마다 상대습도와 풍속의 bias와 RMSE를 보면(Table 7), 2번, 4번, 5번 유형일때 LDAPS가 상대습도를 과대모의함을 볼 수 있으며, 풍속은 과소모의함을 볼 수 있다. 또한 이 유형들의 중·하층(지표~875 hPa)의 상대습도 RMSE가 다른 유형에 비해 크게 나타났다. 이 유형은 PBLH의 RMSE도 상대적으로 크게 나타난 유형이었다.

Fig. 7.

Vertical profile of average(solid line; rawinsonde, dashed line; LDAPS) of temperature, relativity humidity, and wind speed by planetary boundary layer type a) 1, b) 2, c) 3, d) 4, e) 5, f) 6, and g) 7 in Daegwallyeong.

Table 7.

Bias and RMSE of temperature, relative humidity and wind speed by PBL type in Daegwallyeong.

속초의 PBL 유형별 레윈존데와 LDAPS의 평균 PBLH, 기온, 습도, 풍속의 연직프로파일을 나타낸 Fig. 8을 보면, 대관령의 결과와 같이 모든 유형에서 LDAPS가 레윈존데에 비해 풍속을 과소모의함을 볼 수 있다. 그리고 4번과 6번 유형을 제외한 유형의 상대습도가 약 50% 이하로 건조한 대기임을 알 수 있다. 불안정한 지표층에 구름이 존재하는 3번, 4번, 5번 유형의 상대습도를 LDAPS가 레윈존데에 비해 과대모의하고 있으며, RMSE가 다른 유형에 비해 크게 나타남을 확인하였다(Table 8).

Fig. 8.

Same as Fig. 7 in Sokcho.

Table 8.

Same as Table 4 in Sokcho.

위의 결과를 정리하면, 대관령의 경우 지표 안정도와 상관없이 층적운이 존재하는 경우 PBLH의 오차가 크게 발생하며, 이 유형들에서 지표 기온이 높으며 상대적으로 습윤한 중·하층이 존재함을 알 수 있었다. 또한 이 유형들의 증·하층 상대습도가 과대모의 됨을 확인하였다. 속초의 경우 지표층이 불안정하며 구름층이 존재하는 유형에서 PBLH의 오차가 크게 나타났으며, 이 유형일 때 상대습도가 과대모의 되는 것으로 나타났다.

4. 결과 및 토의

본 연구는 ICE-POP 2018 기간에 대관령과 속초에서 관측된 레윈존데 자료에 Ri_b와 parcel 방법을 적용하여 PBLH를 산출하고 이를 이용하여 LDAPS의 PBLH와 비교 하였다. 또한, PBLH 산출에 중요한 인자인 온도, 습도, 풍속의 값을 PBLH 오차를 기준으로 비교하여 PBLH 오차 발생에 영향을 주는 요인을 제시하였다. 그리고 LDAPS에서 산출되는 PBL 유형을 기준으로 PBLH, 기온, 습도, 풍속을 비교하였다.

분석결과 대관령 레윈존데에서 산출된 PBLH의 최대값과 최소값은 각각 지표 위 963.6 m과 378.2 m이었으며, 속초 레윈존데의 PBLH 최대 및 최소 값은 1893.8 m와 238.0 m로 산출되었다. 레윈존데로 산출된 PBLH와 LDAPS에서 모의된 그 값의 검증 결과 대관령과 속초 모두 모델이 전반적으로 PBLH를 과소모의함을 보였으나, 대관령은 200 m, 속초는 450 m 이하 고도에서는 모델이 PBLH를 과대 모의하는 것으로 나타났다. 즉, 지표부근 고도의 PBLH는 과대모의되며, 그 이상의 고도에서는 과소모의함을 알 수 있었다. 이와 같은 결과가 나타난 이유는 겨울철 지표가 매우 안정될 때 지표인근에서 발생하는 지표경계층의 상부를 모델이 높게 모의한 결과와 강수 전 대기하층이 불안정하거나 중립을 유지하는 경우 구름의 유출입 고도(entrainment zone)가 PBLH로 모의된 결과로 판단하였다.

LDAPS와 레윈존데 PBLH의 절대 오차 중 극값을 기준으로 연직 기온, 습도, 풍속을 정량적으로 분석하였다. 그 결과 대관령과 속초의 PBLH 절대 오차가 큰 경우가 절대 오차가 작은 경우보다 지상부터 750 hPa까지 불안정한 대기 상태이며, 상대적으로 습윤하고, 풍속도 강함을 알 수 있었다. 그리고 PBLH 오차가 클 때 가 작을 때보다 LDAPS에서 하층을 더욱 습윤하게 모의하고, 풍속은 더 약하게 모의하는 것으로 나타났다.

LDAPS에서 산출된 PBL 유형을 분석한 결과 대관령은 지표가 강하게 안정된 1번 유형이 가장 높은 빈도(37%)를 보였으며 속초의 경우 안정된 지표 위 층 적운이 존재하는 2번의 유형이 가장 높은 빈도(37%)를 보였다. PBL 유형별로 모의된 연직 온도, 습도, 풍속의 분석결과 대관령은 층적운이 존재하는 2, 4, 5 유형일 때 LDAPS가 레윈존데에 비해 하층 습도를 과대모의하는 특징을 보였으며, PBLH 오차가 상대적으로 크게 나타났다. 속초에서는 지표층이 불안정하며 구름층이 존재하는 유형이 대관령의 분석 결과와 유사하게 하층의 습도를 과대모의하는 특징을 보였다. 위의 결과들을 종합해 보았을 때 모델의 중·하층 습도 모의가 PBLH 판단에 중요한 요소임을 알 수 있었다. 이는 모델(UM) 내 PBLH 산정 방법에서 지표의 열적 부력과 구름내부 연직 확산이 PBLH 모의를 위한 중요한 요소임을 감안하였을 때, 습도로 모의 되는 구름의 운저(Lifted Condensation Level: LCL) 및 운정(cloud top)의 정확한 모의가 이루어지지 않은 결과로 해석된다.

본 연구는 단기간(2017년 12월~2018년 2월) 집중적으로 관측된 레윈존데 자료를 활용하여 현업모델의 PBLH를 검증하고 그것의 오차와 관련하여 기온, 습도, 풍속의 영향을 분석한 연구이다. 그러나 본 연구는 관측자료가 겨울철에 집중되어 있다는 점과 대관령과 속초에서 모의된 PBL 유형에 빈도 차이를 발생시키는 메커니즘 규명이 이루어지지 않았다는 점은 한계로 남아 있다. 그럼에도 대기를 직접 관측한 레윈존데를 활용하여 이전에는 분석이 미흡했던 LDAPS의 PBLH 검증과 PBLH 오차에 중·하층의 습도가 큰 영향이 있음을 제시한 것에 큰 가치가 있다.

향후에는 장기간 관측된 레윈존데 자료를 활용하여 현업모델의 PBLH 및 그것에 영향을 주는 기상요소에 대한 검증이 필요하며, 기상요소들이 PBLH에 미치는 영향에 대한 정량적인 민감도 연구도 필요할 것으로 생각된다. 이러한 연구 결과들은 현업모델의 PBL 방안 개선을 위해 사용될 수 있을 것이다.

Acknowledgments

이 연구는 기상청 국립기상과학원 「기상업무지원기술개발연구」 “재해기상 감시·분석·예측기술 개발 및 활용연구(KMA2018-00123)”의 지원으로 수행되었습니다.

References

• Boutle, I., A. Lock, and J. Edwards, (2015), Unified Model Documentation Paper 024 The parameterization of boundary Layer Processes [A vailable online at http://cms.ncas.ac.uk/wiki/Docs/MetOfficeDocs.].
• Coen, M. C., C. Praz, A. Haefele, D. Ruffieux, P. Kaufmann, and B. Calpini, (2014), Determination and climatology of the planetary boundary layer height above the Swiss plateau by in situ and remote sensing measurements as well as by the COSMO-2 model, Atomos. Chem. Phys., 14, p13205-13221. [https://doi.org/10.5194/acp-14-13205-2014]
• Compton, J. C., R. Delgado, T. A. Berkoff, and R. M. Hoff, (2013), Determination of planetary boundary layer height on short spatial and temporal scales: a demonstration of the covariance wavelet transform in ground-based wind profiler and lidar measurements, J. Atmos. Oceanic Technol., 30, p1566-1575. [https://doi.org/10.1175/JTECH-D-12-00116.1]
• Hu, X.-M., J. W. Nielsen-Gammon, and F. Zhang, (2010), Evaluation of three planetary boundary layer schemes in the WRF model, J. Appl. Meteol. Climatol., 49, p1831-1844. [https://doi.org/10.1175/2010JAMC2432.1]
• Huang, H.-Y., A. Hall, and J. Teixeira, (2013), Evaluation of the WRF PBL parameterizations for marine boundary layer clouds: cumulus and stratocumulus, Mon. Wea. Rev., 141, p2265-2271. [https://doi.org/10.1175/MWR-D-12-00292.1]
• Kang, M., Y.-K. Lim, C. Cho, K. R. Kim, J. S. Park, and B.-J. Kim, (2016), Accuracy assessment of planetary boundary layer height for the WRF model using temporal high resolution radio-sonde observations, Atmosphere, 26, p673-686, (in Korean with English abstract). [https://doi.org/10.14191/Atmos.2016.26.4.673]
• Kim, B.-G., S. A. Klein, and J. R. Norris, (2005), Continental liquid water cloud variability and its parameterization using atmospheric radiation measurement data, J. Geophys. Res.-Atmos., 110, pD15S08. [https://doi.org/10.1029/2004jd005122]
• Kim, Y.-K., J.-H. Hong, and B.-I. Jeon, (1994), A study on the distribution of air pollutant concentration according to micrometeorological characteristics, J. Environ. Sci., 3, p31-38.
• Liu, S., and X.-Z. Liang, (2010), Observed diurnal cycle climatology of planetary boundary layer height, J. Climate, 23, p5790-5809. [https://doi.org/10.1175/2010JCLI3552.1]
• Nam, H.-G., B.-G. Kim, S.-O. Han, C. Lee, and S.-S. Lee, (2014), Characteristics of easterly-induced snowfall in Yeongdong and its relationship to air-sea temperature difference, Asia-Pac. J. Atmos. Sci., 50, p541-552. [https://doi.org/10.1007/s13143-014-0044-3]
• Nam, H.-G., W. Choi, Y.-J. Kim, J.-K. Shim, B.-C. Choi, and B.-G. Kim, (2016), Estimate and Analysis of Planetary Boundary Layrt Height (PBLH) using a Mobile Lidar Vehicle system, Korean Journal of Remote Sensing, 32, p307-321, (in Korean with English abstract). [https://doi.org/10.7780/kjrs.2016.32.3.9]
• Seidel, D. J., C. O. Ao, and K. Li, (2010), Estimating climatological planetary boundary layer heights from radiosonde observations: Comparison of methods and uncertainty analysis, J. Geophys. Res.-Atmos., 115, pD16113. [https://doi.org/10.1029/2009JD013680]
• Selvaratnam, V., C. Ordòñez, and M. Adam, (2015), Comparison of planetary boundary layer heights from Jenoptik ceilometers and the Unified Model, Forecasting Research Technical Report No: 605, Met office, p26, [A vailable online at https://www.metoffice.gov.uk/binaries/content/assets/mohippo/pdf/4/frtr_605_2015p.pdf.].
• Shin, S.-H., and K.-J. Ha, (2007), Effects of spatial and temporal variations in PBL depth on a GCM, J. Climate, 20, p4717-4732. [https://doi.org/10.1175/jcli4274.1]
• Stull, R. B., (1988), An Introduction to boundary layer meteorology., Kluwer Academic Publishers, p666.
• Zhang, Y., Z. Gao, D. Li, Y. Li, N. Zhang, X. Zhao, and J. Chen, (2014), On the computation of planetary boundary-layer height using the bulk Richardson number method, Geosci. Model Dev., 7, p2599-2611. [https://doi.org/10.5194/gmd-7-2599-2014]