전지구 예보모델의 대기-해양 약한 결합자료동화 활용성에 대한 연구

1. 서 론

최근 위험기상이 빈번히 일어나고 사회경제적으로 큰 피해를 입히면서, 위험기상에 대한 정확한 수치예측이 매우 중요한 이슈가 되었다. 위험기상은 다양한 시간규모의 기상현상이 복합적으로 연관되어 있기 때문에 수치예보모델링에 있어서도 새로운 시도들이 이루어지고 있다. 기존의 수치예보시스템은 전산자원의 한계로 대기모델을 기반으로 하여 발전되어 왔다. 그러나 수치예보에 지구시스템의 여러 요소 간 상호작용을 모두 고려하는 것이 예측을 향상시킬 가능성이 높아지므로 선진 기상기관을 중심으로 대기, 해양, 해빙, 지면과정 등 여러 요소간의 결합이 시도되고 있다(Laloyaux et al., 2016).

수치예측에서의 대기-해양결합모델은 대기와 해양모델 각각 생산한 배경장을 이용하여 대기와 해양 자료동화 시스템을 수행하고 이때 생산된 분석장을 초기조건으로 사용하는 경우가 많다(Balmaseda and Anderson, 2009). 이때 결합초기에 대기와 해양 간의 플럭스 불균형이 일어나는데 이를 줄이기 위해 현재 연구기관 및 현업예보기관에서 약한 결합자료동화(Weakly coupled data assimilation, 이하 WCDA) 가대안으로 적용되고 있다(Brassington et al., 2015). 수치예보에 있어 대기-해양 상호작용을 고려할 경우 결합모델의 중기예측성이 높아지는데 예측기간이 최대 15일까지 연장된다고 알려져 있다(Johns et al., 2015; Lea et al., 2015). 결합모델링은 해수면 온도의 일변화나 하천 유출이 발생하는 연안지역에도 영향을 미치게 되며 태풍과 같은 위험기상 예측에도 중요하다.

특히 태풍은 강풍과 호우를 동반하여 큰 피해를 입히는 대기현상으로 수치예측에 있어 과학적, 사회적으로 매우 중요하게 여겨진다. 수치예측에서 해양의 역할은 대기바람에 의한 해양 혼합층의 변화가 열과 수분의 열속 공급을 변화시켜 다시 대기에 영향을 주는 것으로 이해될 수 있다. 이에 Kim and Jin (2016)은 우리나라 겨울 동해안 적설 발생과 관련해서 해양의 수분 공급이 대설 모의에 끼치는 영향을 연구하였고, Milton (2017)과 Lin et al. (2013)은 결합모델에서 태풍의 진행에 따른 차가운 해수의 용승이 모델에 반영되어, 비결합 고해상도(N1280, ~10 km) 전지구 모델에서 태풍의 강도를 강하게 예측하는 경향을 완화시키는 효과를 보여주었다. 태풍은 우리나라에 심각한 피해를 입히는 대표적 사례이기도 하므로 이에 대한 수치예측은 매우 중요하다. 이에 선행연구를 바탕으로 본 연구에서는 우리나라의 대표적 위험기상 중 하나인 태풍 예측에 미치는 영향을 분석하고 이를 통해 결합모델과 결합자료동화의 활용성을 살펴보고자 하였다.

2. 약한 결합자료동화

대부분의 대기-해양 결합모델에서 사용되는 초기조건은 대기 모델과 해양 모델이 따로 생산한 배경장을 사용하여 각각의 대기 및 해양 자료동화 과정을 통해 생산된 분석장이다. 이와 같은 자료동화 체계를 비 결합자료동화라고 한다. 이 방법은, 결합모델에 사용되는 대기 및 해양의 초기장의 결합부위에서 초기조건이 균일하지 않기 때문에 대기-해양 결합모델의 초기 분석장 생산 시 나타나는 불균형은 불가피하다(Smith et al., 2015). 이를 해소하고 최소화하기 위해서는 결합자료동화 시스템이 생산한 초기조건을 이용하여 대기-해양 결합모델을 적분해야 한다. 이 방법을 이용하면 완벽하게 균형을 이룬 대기 및 해양 초기조건을 만들 수 있으나 이론적, 기술적 한계로 이를 사용하기에는 많은 어려움이 따른다(Murphy et al., 2010). 이에 대안으로 대기-해양 결합모델이 생산하는 배경장을 이용하여 대기 및 해양 자료동화를 수행할 수 있는 약한 결합자료동화 기법을 사용하는 경우에는 비교적 쉽게 균형 잡힌 대기 및 해양 초기조건을 생산할 수 있다(Fig. 1).

Fig. 1.

Uncoupled data assimilation and weakly coupled data assimilation.

2.1 약한 결합자료동화 체계

본 연구에서는 영국 기상청에서 개발한 약한 결합자료동화 체계를 참고하여 실험 체계를 구성하였다. WCDA는 단순한 자료동화 과정이 아니라 대기, 지면, 해빙, 해양 자료동화를 위한 관측자료 데이터베이스(이하 DB) 및 관측 전처리(이하 OPS), 성분 자료동화, 그리고 대기-해양 결합모델로 이루어지는 거대한 시스템이다(Table 1).

Table 1.

Configuration of weakly coupled data assimilation system and observation data in this study.

대기모델의 자료동화 과정은 대기 온도, 습도, 바람 등의 요소를 고려한 4차원 변분 자료동화(이하 4DVAR), 대기모델에 결합된 지면 모델의 자료동화 과정은 토양 수분량 칼만필터 자료동화, 눈덮임자료의 2차원 최적내삽기법으로 구성되며, 해양-해빙 자료동화를 위해서는 해수면온도, 염분, 해수면고도, 풍속 등에 대한 3차원 변분 자료동화(이하 3DVAR)를 사용한다. 대기-지면-해양 결합모델은 대기와 해양의 자료동화 시스템이 생산한 분석장을 초기조건으로 하여 수행되고 OASIS3 (Ocean-Atmosphere-Sea Ice-Soil; 접합모델 결합자)을 통해 상호간에 결합 변수를 교환한다. 그리고 대기-해양 결합모델의 결과는 각 성분 자료동화 시스템의 배경장으로 입력된다(Fig. 2).

Fig. 2.

Process flow diagram in data assimilation and coupled model prediction system.

3. 사례 실험

WCDA의 예측특성을 분석하기 위하여, 2017년 7월 태풍 노루(TY1705)를 실험 사례로 선정하였다. 사례 실험 기간에 앞서 시스템의 안정화를 위해 2017년 5월 1일부터 모델 수행을 시작하였다. 최초 수행인 5월 1일 예측에서는 모델적분만 포함된 실험을 수행하였고, 5월 2일 예측부터 자료동화가 포함되어 WCDA 자체 초기장을 사용한 순환실험을 진행하였다. 태풍 노루는 7월 21일에서 8월 8일까지 19일간 지속하였는데, 일본 도쿄 동남동쪽 약 1950 km 해상에서 7월 21일 발생하여 초기에는 서쪽으로 이동하다가 남서방향으로 이동하면서 다시 서쪽으로 일본 남서해안까지 이동 후, 일본 내륙을 거쳐 8월 8일 일본 도쿄 북북서쪽 약 210 km 내륙에서 소멸한 사례이다. 21일에 발생한 뒤 24일에서 28일 사이 20~30 km h⁻¹로 빠르게 이동하면서 중심기압이 970 hPa까지 서서히 강화하다가 30~31일에는 이동속도가 매우 느리면서 강도가 빠르게 커지면서 최대로 발달하였다. 발달 초기인 7월 23일 분석장을 이용한 +192 h 예측을 하였다. Figure 3에서 23일 초기장에 대한 이동경로의 예측은 관측과 유사하여 모의성능은 +120~144 h까지는 높으나 +168 h과 +192 h에서 예측된 태풍의 중심위치는 실제 관측경로보다 서쪽으로 치우쳐서 나타났다. 그리고 결합자료동화에서 모의된 해수면온도도 태풍 이동경로를 따라 낮아지는 현상이 나타나고 있다. 한편 모델이 예측한 중심기압은 980~1000 hPa 사이에 분포하여 관측에 비해 매우 약한데 이는 모델이 N320 저해상도에 기인하는 것으로 생각된다(Fig. 4).

Fig. 3.

Forecast fields of SLP (hPa, solid line, 2 hPa interval), SST (oC, shading) at +120~192 h prediction started from initial date of 23rd July. Symbols indicate observed tracks of Typhoon NORU (dot) and NESAT (triangle).

Fig. 4.

Evolution of central pressure based on best track data (dotted line) and 10-day forecast started at 29th July from WCDA at N320 (blue line) and atmosphere-only system at N768 (red line).

한편 북위 15도에서 태풍 노루, 서쪽에서 7월 26일 네삿이 발생하여 북서진하다가 7월 30일 육상에서 소멸한다. 이 네삿의 경로를 따라 이동하는 저압부가 +120 h 예측장에서 가장 뚜렷하고 이후 급격히 약화하며 이동경로를 따라 나타나는 수온변화는 노루에 비해서는 매우 약하다. 7월 26일 초기장에 대한 예측결과를 보면 +72 h, +120 h의 예측장은 관측된 이동경로를 잘 예측하고 있다(Fig. 5). 또한 Fig. 3보다도 +168 h, +216 h의 예측성능이 높음을 볼 수 있는데, 8월 2, 4일 북서진하면서 점차 약화하는 태풍의 이동경로를 잘 예측하나, +168 h부터는 관측보다 이동경로가 동쪽으로 치우쳐서 모의된다. 중심기압을 보면 990 hPa 내외로, 관측된 기압보다 작지만 강도가 7월 30일까지 강화하다가 8월 이후 약화하는 경향을 잘 예측하고 있다(Fig. 4). 한편 WCDA의 대기해양 결합 영향을 비교하기 위해 해상도는 다르나 대기모델(N768)만의 예측결과를 보면(Fig. 4) 중심기압 절댓값은 고해상도로 인해 관측에 가까우나 7월 30일 이후에도 지속적으로 강화되어 태풍 소멸시기 강도변화 모의에는 한계가 있음을 알 수 있다. 네삿의 예측은 Fig. 3보다 Fig. 5에서 이동경로가 관측된 진행방향보다 동쪽으로 치우쳐서 육지에 8월 4일에 상륙하는 것으로 예측하고 있다.

Fig. 5.

Forecast fields of SLP (hPa, solid line, 2 hPa interval), SST (oC, shading) at +72~216 h prediction from initial date of 26th July. Symbols indicate observed tracks of Typhoon NORU (dot) and NESAT (triangle).

대기-해양 결합의 영향은 주로 태풍의 소멸단계에 초점을 두고 연구들이 진행된 바 있다. Lin et al. (2013)도 Megi, Malakas, Fanapi에 대한 사례를 연구하면서 해양 결합에 따라 태풍 소멸단계의 강도, 풍속 변화가 관측과 유사함을 모의한바 있다. 풍속이 강한 때 표층혼합에 의한 해수온도 하강은 대기 해양간 플럭스를 감소시키면서 태풍을 약화시키는 것을 보였다. Figure 4에서도 이동경로를 따라 낮아지는 수온 변화가 태풍 중심기압 변화에 영향을 준 것으로 생각된다. 태풍이 지나간 직후 강한 바람에 의해 해양 혼합층 표층수와 저층냉수가 연직혼합되어 해수면온도가 떨어지는 현상을 Fig. 6에서 연직분포로 살펴보았다. 7월 23일에서 8월 4일까지 분석장에서 태풍이 지나가는 위치에서의 해양 온도의 변화를 보면 태풍이 통과한 직후부터 온도가 떨어져 2~3일 이후가 최대로 낮아졌다. 온도변화는 수심 약 50 m 깊이까지 나타났다.

Fig. 6.

Vertical profiles of sea temperature evolution at the location of 152.2oE, 27.2oN (left) and 145.2oE, 29.6oN (right), corresponding the center position of the typhoon NORU on 24th July (left) and 28th July (right).

태풍 소멸시기인 7월 29일이후의 해양 반응에 대해 Heming and Vellinga (2018)는 N1280 해상도에서 대기해양 결합으로 168시간 예측에서 노루의 이동경로를 따라 최대 4도까지 SST가 낮아지는 것을 보였다. 이에 본 실험에서도 7월 29일의 예측장을 살펴보았다. Figure 7은 8월 1일 이후 북서진 하면서 약화하는 시기의 예측장으로, 이동경로가 관측과 유사하고 이동경로를 따라 해수면 온도 하강이 잘 나타나고 있다. 온도 감소폭은 Heming and Vellinga (2018)의 실험과 차이가 있으나 해수면 온도가 낮아지면서 중심기압이 약화되는 것이 예측되었다.

Fig. 7.

Forecast fields of SLP (hPa, solid line, 2 hPa interval) and SST difference from analysis field (oC, shading) at +72~192 h prediction from initial date of 29th July. Symbols indicate observed tracks of Typhoon NORU (dot) and NESAT (triangle).

수치예보모델이 발전하면서 수평해상도와 연직 해상도가 높아지는데 이에 따라 태풍의 중심기압 모의가 향상되면서 그 강도역시 강화되는 경향이 있다. 최근 영국기상청에서는 10 km 규모 고해상도 전지구 모델에서 중심기압의 예측이 lead time에 비례하여 강해지는 경향이 보고된바 있다(Heming and Vellinga, 2018). 이 현상은, 실황에서는 태풍 이동속도가 느릴때 해양의 찬 물이 표층과 섞이면서 해수면 온도를 낮추게 되는데 대기모델의 경우는 이 해양 상호작용이 없기 때문에 열속이 계속 태풍을 강화시키는데서 기인한다. 즉, 태풍 노루의 사례를 통해 대기-해양 결합모델인 WCDA가 해수온도 변화를 반영하여 태풍이 약화되는 경향을 모의함을 확인할 수 있었다.

4. 요약 및 토의

본 연구는 대기모델에 기반되어 발전되어온 수치예보시스템에 있어 대기-해양상호작용을 고려하기 위한 새로운 시도로써 대기-해양 결합자료동화의 활용성을 살펴보았다. 결합모델은 대기와 해양의 관측정보가 대기 및 해양모델 각각의 오차를 보정할 뿐만 아니라 대기-해양 상호간에 영향을 준다. 강한 결합모델의 경우 대기-해양간에 주기적인 정보 교환이 이루어지는데, 예를 들어 해양모델의 해수면온도가 대기 하층의 경계 조건 계산에 이용되며 대기모델의 운동량 플럭스, 습도 등이 해양 표면 경계 조건을 제공한다. 이와 같이 대기-해양 결합은 모델의 초기조건을 물리적으로 개선하여 모델의 예측성을 높이고 예측기간도 연장한다(Smith et al., 2015). 본문에서 다룬 약한 결합자료동화는, 결합모델의 배경장에 자료동화에서는 대기, 해양 각각의 관측이 분리된 상태에서 업데이트 된다. 이때 대기 관련 관측이 해양 모델의 대기 관련 요소에 영향을 미치지 못하는 단점이 발생하는데 증발, 대류, 열교환 등의 빠른 프로세스 관련한 현상에서는 영향을 미칠 수 있고 이를 보완할 수 있는 것이 위에 언급한 강한 결합자료동화이다.

본 연구에서는 해양 혼합층의 변화가 열과 수분의 플럭스를 통해 대기에 영향을 주는 과정이 태풍예측에 미치는 영향을 연구한 Milton (2017) 결과를 참조하여 약한 결합자료동화를 시도하였다. 본 연구에서는 모델 수평해상도가 N320으로 낮아 관측보다 중심 기압이 매우 약하였다. 그러나 태풍의 소멸시기에 해수면으로부터 열속이 지속적으로 공급되어 중심기압 오차를 증가시킬 수 있는 비 결합 모델의 제한적인 상황을 WCDA를 통하여 태풍 약화시기의 강도변화를 예측함으로써 개선할 수 있다는 가능성을 확인하였다. WCDA의 이동경로 예측은 +120 h까지는 관측과 유사하였으며 Milton (2017)의 연구결과와 마찬가지로 WCDA가 태풍의 이동경로와 강도에서 바이어스를 감소시키는 데 활용 가능함을 볼 수 있었다.

WCDA를 실제 현업에 사용하기 위해서는 많은 과제들이 남아있다. 대기와 해양의 다른 시간규모를 감안한 자료동화의 시간구간의 결정, 배경오차공분산에서 사용할 단일 모델과 결합모델의 예측장에 대한 선정 등이 그 예이며(Lea et al., 2015) 필연적으로 막대한 전산자원을 확보해야 한다. 이론적으로는 간단할 지라도 현실적으로 구현해내기엔 기술적인 어려움이 존재하는 것이다. 본 연구는 수치예보기술 향상을 위해 대기해양 결합자료동화의 활용성을 살펴본 시도로써 실용화를 위해서는 향후 많은 노력이 더 필요할 것으로 보인다.

Acknowledgments

이 연구는 기상청 수치모델링센터 주요사업 수치예보·지진업무 지원 및 활용 연구(KMA-2018-00720)의 지원으로 수행되었습니다.

References

• Balmaseda, M., and D. Anderson, (2009), Impact of initialization strategies and observations on seasonal forecast skill, Geophys. Res. Lett., 36, L01701. [https://doi.org/10.1029/2008gl035561]
• Brassington, G. B., and Coauthors, (2015), Progress and challenges in short- to medium-range coupled prediction, J. Oper. Oceanogr., 8, ps239-s258. [https://doi.org/10.1080/1755876x.2015.1049875]
• Heming, J. T., and M. Vellinga, (2018), The impact of recently implemented and planned changes to the Met Office Global Model on tropical cyclone performance, AMS 33rd Conference on Hurricanes and Tropical Meteorology, Ponte Vedra, FL, Amer. Meteor. Soc., 8B.1.
• Johns, T., A. Shelly, D. Copsey, J. Rodriguez, L. Thorpe, and S. Milton, (2015), Global coupled NWP: recent research progress at the Met Office, The 9th CAWCR Workshop, CAWCR Technical Report No.080, Melbourne, Australia, Met Office, p31.
• Kim, T., and E. K. Jin, (2016), Impact of an interactive ocean on numerical weather prediction: A case of a local heavy snowfall event in eastern Korea, J. Geophys. Res. Atmos., 121, p8243-8253. [https://doi.org/10.1002/2016JD024763]
• Laloyaux, P., M. Balmaseda, D. Dee, K. Mogensen, and P. Janssen, (2016), A coupled data assimilation system for climate reanalysis, Q. J. Roy. Meteor. Soc., 142, p65-78. [https://doi.org/10.1002/qj.2629]
• Lea, D. J., I. Mirouze, M. J. Martin, R. R. King, A. Hines, D. Walters, and M. Thurlow, (2015), Assessing a new coupled data assimilation system based on the Met Office coupled atmosphere-land-ocean-sea ice model, Mon. Wea. Rev., 143, p4678-4694. [https://doi.org/10.1175/MWRD-15-0174.1]
• Lin, I.-I., and Coauthors, (2013), An ocean coupling potential intensity index for tropical cyclones, Geophys. Res. Lett., 40, p1878-1882. [https://doi.org/10.1002/grl.50091]
• Milton, S., (2017), Update on Global Model Development, MOSAC PAPER 22.11, p19.
• Murphy, J., V. Kattsov, N. Keenlyside, M. Kimoto, G. Meehl, V. Mehta, H. Pohlmann, A. Scaife, and D. Smith, (2010), Towards prediction of decadal climate variability and change, Proc. Environ. Sci., 1, p287-304. [https://doi.org/10.1016/j.proenv.2010.09.018]
• Smith, P. J., A. M. Fowler, and A. S. Lawless, (2015), Exploring strategies for coupled 4D-Var data assimilation using an idealised atmosphere-ocean model, TellusA, 67, 27025. [https://doi.org/10.3402/tellusa.v67.27025]