관측시스템 실험을 통한 한반도 근해 Argo 플로트 관측자료의 자료동화 효과 평가

1. 서 론

최근 수십 년 사이에 인공위성을 이용한 원격관측 기술이 크게 발달하여 해양관측 공백이 수평적으로는 대폭 해소되었으나, 관측이 표층에 국한되어 해양의 내부 구조를 파악하기에는 여전히 한계가 있다. 이러한 해양 내부의 관측 공백을 극복하기 위하여 WMO (World Meteorological Organization)와 IOC (Intergovernmental Oceanographic Commission)가 공동으로 주관하는 전지구 해양 내부 관측망 구축을 위한 프로젝트인 Argo공동연구 프로그램이 추진되어 왔다(AST, 1998, 2001; Roemmich et al., 2009). 기상청 국립기상과학원은 Argo공동연구 프로그램에 2001년부터 참여하고 있으며, 2020년까지 총 253기의 Argo 플로트를 한반도 근해와 북서태평양에 투하하여 해양 내부 관측자료를 확보함으로써 관측망 구축에 기여하고 있다(NIMS, 2020).

한편, 국립기상과학원은 계절예측과 장기예보 서비스 지원을 목적으로 전지구 기후예측시스템(Global Seasonal forecast system version 5, GloSea5)을 도입하여 현업 운영하고 있으며, GloSea5의 예측 성능을 검증하거나 개선하여 활용도를 제고하기 위한 다양한 연구를 수행하고 있다(e.g., Lee et al., 2018; Lim et al., 2018; Kim et al., 2019; Hyun et al., 2020; Lee et al., 2020). GloSea5는 대기-해양-해빙-지면 결합 모델이며, 이 중에서 해양과 해빙 초기장을 생산하기 위하여 전지구 해양자료동화시스템(Global Ocean Data Assimilation and Prediction System, GODAPS)를 운영하고 있는데(Chang et al., 2021), 이 과정에서 앞서 언급한 Argo 플로트 관측자료가 자료동화에 사용된다.

국외에서는 Argo 플로트의 영향에 대한 연구가 다양하게 이루어져 왔는데, Balmaseda et al. (2007)은 ECMWF 현업 해양모델에서 Argo 수온 자료동화가 인도양, 대서양, 남극해의 해양 상태를 모의하는데 큰 영향을 미치고 있고, 대부분의 해역에서 계절예보 성능을 향상시키는 효과가 있음을 보여주었다. 이외에도 열대 태평양(Yan et al., 2007) 및 인도양(Huang et al., 2008)에서 다른 해양 관측자료들과 함께 Argo 자료의 동화 효과를 분석하는 연구가 진행되었다. 또한, 국지적인 해역의 연구도 이어졌는데, Oke and Schiller(2007)는 호주 근해에서 Ocean Forecasting Australia Model (OFAM)을 이용하여 Argo 자료의 긍정적인 동화 효과를 확인한 바 있으며, Grayek et al. (2015)에서는 NEMO에 기반한 해양모델을 통해 흑해에서 Argo플로트가 혼합층 상층의 모의 성능을 개선하는 효과가 있음을 밝혔다. 이러한 연구는 우리나라가 위치한 북서태평양에서도 이루어진 바 있는데, Fu et al. (2013)에 따르면 프린스턴 해양모델(Princeton Ocean Model; POM)을 이용한 단기예보에서 Argo 자료를 사용함으로써 수온과 염분의 예측 오차가 각각 24%, 50% 감소하는 효과가 있었다. 이외에도 Shao et al. (2015)은 Argo 자료의 동화로 인하여 해양의 연직 구조와 중규모 순환의 모의 성능을 개선하는 효과를 보였으며, 중국 연안을 비롯한 북서태평양 해역의 재분석장을 생산하는 과정에서 수온과 염분의 오차를 약 10% 감소 시킨다고 밝힌 바 있다. 이상의 연구들은 Argo 자료를 배제하고 비교하는 실험(data denial experiment)의 형태로 이루어졌다. 이와 같이, 다양한 선행연구에서 Argo 관측자료가 해양 분석장의 모의 성능을 향상시키거나 예측 성능을 개선하는데 효과가 있음을 보여 주었다.

국내에서는 Argo 프로그램이 Lee et al. (2004)에 의하여 소개된 이래, Argo 자료를 사용한 해양 상태를 분석하는 연구가 진행되었다. Argo 프로그램으로 축적된 Argo 플로트 자료를 사용하여 울릉도 및 독도 주변 해역의 해황 변동성을 분석하거나(Youn et al., 2006), Argo 관측자료를 이용하여 태풍이 통과한 후상층해양 변동 특성을 연구하였다(Jeong et al., 2013). 또한 모델링 결과 검증에도 사용되어, 북반구에서 해양 성층이 강화되는 시기인 겨울철과 봄철에 대해 GloSea5의 해양모델인 NEMO (Nucleus for European Modelling of the Ocean)에서 산출되는 단기 해양예측결과의 정확도를 Argo 관측자료를 이용하여 평가하기도 하였다(Jeong et al., 2016).

국내 선행 연구에서 살펴보았듯이 Argo 관측자료는 주로 해양 상태의 공간적 분석에 직접 활용되거나 또는 해양모델 산출물을 검증 평가하는데 사용되어 왔다. 반면, 수치모델링 분야에서 Argo 관측자료의 사용여부가 한반도 근해의 해양 분석장이나 예측장에 어떤 영향을 주고 있는지에 대한 연구는 국내에서 수행된 바가 없다. 따라서, 본 연구에서는 기상청 국립기상과학원에서 한반도 근해에 투하한 Argo 플로트(이하 Argo) 자료만을 사용하여 이 관측자료가 자료동화를 통하여 해양 초기장 품질 개선에 기여하는 정도를 분석하고자 GODAPS를 이용하여 Argo 사용 여부에 따른 관측시스템 실험(Observing System Experiment, OSE)을 수행하였다. 2장에서는 국립기상과학원이 운영하는 Argo 플로트 운영 현황에 대하여 소개하고, 3장에서는 OSE 구성 및 검증에 사용한 관측자료를, 4장에서는 GODAPS 배경장과 분석장에 대한 관측검증 결과를, 마지막으로 5장에서는 결론과 제언에 대하여 기술한다.

2. 국립기상과학원 Argo 플로트 운영

국립기상과학원은 2001년부터 매년 적게는 10기, 많게는 17기를 동해와 북서태평양 해역에 지속적으로 Argo 플로트를 투하하여 왔고, 수집한 관측자료를 Global Data Assembly Centres (GDAC)로 전송하고 있다. 전세계적으로도 Argo 플로트를 이용한 관측은 주로 깊은 해양에서 이루어지고 있었는데, 최근 들어 대륙붕 해역과 연안 해역에서의 관측 필요성이 대두되기 시작하였다. 우리나라에서도 여름철 서해의 상층에 저염수가 확산하여 성층이 강화되면 해수면 온도가 더 높아지고 성층이 더욱 강해진다는 메커니즘이 관측자료 분석과 수치모델 모의 결과를 통해 보고된 바 있다(Park et al., 2011b; Moon et al., 2019). 그리고 서해저층 냉수대(Yellow Sea Bottom Cold Water, YSBCW) 모의 여부는 태풍과 같은 사례에서 해양 분포나 대기현상의 예측 및 분석에 큰 영향을 줄 수 있다(Moon and Kwon, 2011; Lee et al., 2016). 이러한 배경으로 국립기상과학원은 한반도 부근에서 가장 얕지만 관측 공백으로 자리잡고 있었던 서해에 2017년부터 Argo 플로트를 투하하기 시작하였다. 동일한 사양의 Argo 플로트를 수심 설정만 변경하여 운영하고 있으며, 이는 기존의 동해 Argo 관측망을 유지하면서 서해에 신규로 관측망을 구축하기 시작했다는데 의의가 있다. 2020년 11월에는 서해에 2기, 동해에 4기를 투하하였다. 2021년 4월 기준, 전 세계적으로 3775기의 Argo 플로트가 활동 중이며, 그 중 국립기상과학원에서 투하한 14기의 Argo 플로트가 한반도 근해에서 관측을 수행하고 있다. 서해에서는 2일에 1회 수심 60 m까지, 동해에서는 7일에 1회 수심 800 m까지 연직 관측을 수행하도록 설정 및 운영하고 있다.

3. 실험 구성 및 검증 관측자료

3.1 GODAPS를 이용한 OSE 설계 및 Argo 자료

본 연구의 OSE를 위하여 구축한 GODAPS의 수행환경과 세부사항은 Chang et al. (2021)에서 소개한 현업 버전의 설정과 동일하다. 실험기간 동안 GODAPS 자료동화에 사용된 관측자료를 Table 1에 정리하였다. 현장(in-situ) 관측자료는 Global Telecommunication System (GTS)를 통해 입수되는 해수면 온도(Sea Surface Temperature, SST) 자료, Argo 플로트, TAO등의 계류부이와 선박 관측자료를 포함하는 수온, 염분 프로파일이 해당된다. 그리고 위성 관측자료는 해수면 온도, 해수면 고도 아노말리(Sea Surface Height Anomaly, SSHA), 해빙농도(Sea Ice Concentration, SIC) 등이 있다. 해수면 대기 경계자료는 기상청 현업 전지구 수치예보시스템(Global Data Assimilation and Prediction System, GDAPS)에서 추출한 자료를 사용하였다. Argo 플로트 자료는 현재 GODAPS의 해상도 내에서 수평적으로 중복되는 자료가 없으며, GDAC에서 제공하는 품질저하 플로트 목록(i.e. greylist)에 포함되어 있는 플로트의 관측자료를 제외하고 자료동화에 사용하였다.

Table 1.

List of observations assimilated by the GODAPS.

본 연구에서는 한반도 근해의 Argo 자료를 배제하는 실험(data denial experiment)을 통해 Argo 관측자료의 자료동화 효과를 분석하기 위한 OSE를 구축하였다. 즉, Table 1의 가용 관측자료를 모두 동화한 실험(ALL_OBS)과 한반도 근해의 Argo 자료만 제외하고 나머지 관측자료를 모두 동화한 실험(NO_ARGO) 두 종류로 구성하였다.

실험의 초기 시각은 2020년 3월 2일 0000 UTC인데, 이 시점에 현업 GODAPS의 현장 SST 관측자료 전처리 과정에 개선되는 부분이 있었기 때문에, 자료동화에 사용하는 관측자료 특성의 연속성을 고려하여 이 시점을 본 실험의 초기 시각으로 선정하였다. 그리고, 두 실험은 2020년 11월 30일까지 약 9개월의 기간에 대하여 수행되었는데, 이 기간에 수집된 Argo 관측 프로파일의 수는 서해에서 총 136개, 동해에서 총 548개이며, 그 분포를 Fig. 1에 나타내었다. 또한, 본 연구에서 언급하는 서해와 동해 영역을 Fig. 2에 사각형으로 표시하였다.

Fig. 1.

The geographical positions of Argo observations gathered along their pathways in marginal seas around Korean Peninsula during the analysis period (2020. 3. 2~11. 30). The red and blue curved lines are 60 m and 500 m isobaths, respectively.

Fig. 2.

Geographical distribution of CTD observations used for verification in this study. The observation locations for NIFS KODC are indicated with black dots, Research Vessel (RV) Gisang1 of KMA NIMS with red asterisks, and RV Ara of JNU with blue triangles. The red and blue curved lines are 60 m and 500 m isobaths, respectively. The Yellow Sea (East Sea) area designated in this study is marked with red (blue) rectangle.

4. 결과 분석

4.1 실험 간 분석장의 차이

Argo 자료동화의 영향을 보기 위해 두 실험에서 생산된 분석장을 월평균하여 그 차이의 시공간적 경향성을 살펴보았다. 이는 해양 내부의 전체적인 공간분포 측면에서 비교 검증할 자료가 부재한 상황이므로, 관측자료를 활용한 다음 절의 검증 결과를 제시하기에 앞서, Argo 자료동화로 인하여 분석장이 어떤 양상으로 얼마나 달라지는지 상호 비교하고자 함이다. 수온 분석장의 차이(ALL_OBS – NO_ARGO)를 월별 수심별로 나누어 정리하였으며, 이는 한반도 근해 Argo 관측의 자료동화 효과가 실험기간 동안 누적된 차이를 나타낸다고 볼 수 있다(Fig. 3). 전체적으로 실험이 진행될수록 수온의 차이가 커지는 경향이 나타난다. 표층에서는 실험 간 수온 차이가 작게 나타났는데, 이는 두 실험에서 해양기상부이와 인공위성에서 관측한 해수면 온도 관측자료가 모두 동일하게 동화되었기 때문에 Argo 자료의 영향이 크지 않은 것으로 판단된다.

Fig. 3.

Monthly mean differences in water temperature between two experiments (ALL_OBS minus NO_ARGO) bimonthly from April to October (left to right column) at surface, 30 m, 60 m, and 300 m (top to bottom row) depths.

서해는 자료동화가 3~4개월 가량 진행된 6월부터 두 실험 간 수온 차이가 ± 1°C 이상 나타나기 시작한다. 서해에서 중층에 해당하는 수심 30 m와 저층에 해당하는 수심 60 m에서 실험 간 수온 차이는 시간이 갈수록 뚜렷해지지만, 남쪽으로 넓게 확산하지는 않고 Argo 플로트가 위치한 주변에 국한되어 자료동화 효과가 강하게 나타난다. Figure 1에서 확인할 수 있듯이, 실험기간 동안 서해에서 활동한 Argo 플로트는 서해 중앙 해역을 벗어나지 않고 체류하면서 연속적으로 관측자료를 수집하였다. 서해 중앙부는 연안에 비하여 수평적으로 해류가 약하고, 봄부터 가을까지는 계절 효과로 인하여 상층 수온이 높아지고 저층의 수온은 낮게 유지되면서 연직으로도 안정적인 성층 형태를 보인다(Youn et al., 1991; Moon et al., 2009; Park et al., 2011a; Wang et al., 2014). 이러한 조건 하에서 서해는 외부와의 혼합이 쉽게 일어나지 않는 환경이 조성되어 자료동화 효과의 확산에도 한계가 있는 것으로 판단된다.

한편, 동해의 경우 실험이 진행될수록 음(-)의 값 분포가 넓어지고 강해지는 경향이 보인다. 수심 30~60 m에서는 6~8월에 ±2°C 범위에서 일관되지 않은 분포를 보이지만, 10월에는 동해 전역에 걸쳐 음(-)의 값이 우세하게 분포한다. 서해에 비하여 평균 수심이 약 30배 깊은 동해에서는 수심 300~500 m 정도가 중층이라고 볼 수 있는데, 이 수심대에서 동해 전체에 음(-)의 값이 일관되게 분포하는 것이 특징적이다. 이는 NO_ARGO에 비하여 ALL_OBS의 수온이 낮게 모의되었다는 것을 시사하는데, 동해는 중층 이하에서 계절에 따른 변동폭이 작기 때문에 여기서 나타나는 -0.5~-0.3°C 가량의 차이가 해당 환경에서는 큰 변화를 의미할 수 있다. 이에 관한 추가적인 분석은 4.3절의 관측자료를 이용한 분석장 검증 부분에서 다루고자 한다.

이번에는 염분에 대한 분석장의 차이를 수심에 따라 월별로 살펴보았다(Fig. 4). Figure 3에서 나타난 수온에 대한 결과와 달리 염분은 표층에서도 적지 않은 차이를 보인다는 점이 특징적이다. 서해를 살펴보면, 표층과 수심 30 m 중층에서는 그 차이가 일관된 방향을 보이지 않는 반면, 수심 60 m 저층에서 음(-)의 값 분포가 일관성 있게 나타난다. 즉, Argo 자료동화를 통해 서해 저층의 염분이 낮아지는 경향이 있으며, 이러한 차이는 수온에서 살펴본 바와 마찬가지로 서해 중앙부에 집중되어 있고, 서해 전체 해역으로 넓게 확산하지 않는다. 한편, 동해에서는 표층에서 가장 두드러진 차이를 보이고 있으며, 수심이 깊어질수록 차이가 줄어드는 모습을 보인다. 실험 초기인 4월과 6월에 동해 북부 해역에서 매우 국지적으로 양(+)의 값이 나타나는데, 이는 동해 Argo 자료동화 효과가 해양의 내부 구조와 해류에 미치는 영향이 좁은 해역에서 국지적으로 누적되어 나타난 결과로 추정되지만, 그 이후 점차 줄어들면서 주변 해역으로 넓게 양(+)의 값이 나타나는 모습을 보인다. 자료동화 효과가 7개월 이상 누적된 10월의 염분 차이를 보면, 값은 ± 0.4 psu 범위 내에서 동해 북부는 양(+), 남부는 음(-)의 분포가 우세하다. 즉, Argo 자료를 동화함으로써 동해 북부에서는 염분이 높아지고, 남부에서는 낮아지는 경향이 있다.

Fig. 4.

Same as in Fig. 3 but for salinity.

4.2 Argo 관측자료를 이용한 배경장 검증

GODAPS는 24시간의 자료동화 창(data assimilation window)을 가지고, 24시간 동안의 분석증분 갱신 기법(Incremental Analysis Update, IAU)을 통해 분석장을 생산한다(Chang et al., 2021). 따라서, 자료동화 수행 직전 24시간 동안 생산되는 배경장을 그 시간 동안 수집된 Argo 자료와 비교함으로써 독립적으로 검증할 수 있다. 왜냐하면, 이 시간 동안의 Argo 관측자료는 아직 자료동화에 사용되지 않았기 때문이다. 한편, 앞서 2장에서 소개한 바와 같이 서해의 Argo 플로트는 2일에 1회, 동해의 Argo 플로트는 7일에 1회 관측을 수행하므로 마지막으로 해당 플로트의 관측자료가 동화된 시점은 그보다 훨씬 이전이기 때문에, 또한 배경장으로부터 독립된 검증자료라고 할 수 있다. 여기서는 해양 내부를 검증할 만한 체계적인 관측종이 없는 상황에서, 이 Argo 관측자료를 이용하여 배경장을 검증하였다. 수집된 Argo 관측자료의 위경도 정보를 이용하여 각 실험의 배경장을 관측점으로 내삽하여 비교한 것이므로, 고정된 해역의 값이 아님에 유의해야 한다.

서해의 수심에 따른 배경장의 관측검증 결과를 평균 편차(Bias)와 평균 제곱근 오차(Root Mean Square Error, RMSE)의 연직 분포로서 여름철과 가을철 각각 평균하여 Fig. 5에 나타내었다. 먼저, 두 계절 모두 ALL_OBS의 수온과 염분의 Bias가 NO_ARGO에 비하여 크게 감소하였다. 이러한 두 실험 결과의 차이는 자료동화의 강도와 지속 효과를 나타내는 것으로 볼 수 있는데, ALL_OBS의 배경장에는 지난 분석 스케줄에서 수집된 Argo 관측자료의 동화 효과가 누적되어 있기 때문이다. 서해에서 ALL_OBS이 NO_ARGO에 비하여 Bias가 낮게 나온 만큼 RMSE 결과에서도 크게 낮아지는 모습을 보였다. 수온 자료동화 효과를 수심에 따라 비교해보면, 여름철에는 표층부 5 m 정도에서 실험 간 Bias와 RMSE가 비슷한 반면, 가을철에는 수심 15 m 부근까지 비슷하다. 이는 계절 변화에 따라 혼합층이 깊어진 것이 원인으로, 혼합층 내에서는 수온이 거의 일정하고 표층부 SST의 자료동화 효과가 혼합층 전체에 걸쳐 반영되어 있으므로, Argo 자료동화 영향만으로 수온이 변할 여지가 크지 않기 때문이다. 혼합층 이하의 수심에서는 계절에 상관없이 Bias와 RMSE가 크게 줄어든 결과를 보였다. 하지만 Argo 플로트를 자료동화함으로써 여름철과 가을철에 수온의 Bias는 모든 수심에서 높게 개선되는 반면, 수온약층이 위치하는 수심대의 RMSE는 상대적으로 개선의 폭이 작다. 서해는 여름철과 가을철에 상층과 하층의 수온차가 크고 혼합층의 두께와 수온약층의 수온경도 등의 변동폭이 크기 때문에 수치모델 결과와 관측자료를 비교할 때 수심 차이가 조금 나더라도 RMSE는 크게 높아질 수 있다고 사료된다. 염분의 경우, 두 계절 모두 전체 수심에서 RMSE와 Bias가 감소하여, 자료동화 효과가 뚜렷하게 나타난다. NO_ARGO 실험에서 표층 염분은 과소모의하는 경향이 있는데, 그 크기는 여름철에 약 0.9 psu, 가을철에 약 0.5 psu로 나타났다. 서해의 염분을 모의하는데 있어, 수심 30~40 m 부근을 기준으로 상층에서는 과소모의하고 하층에서는 과대모의하는 경향이 보이는데, ALL_OBS 실험에서는 이러한 오차가 많이 감소하였다.

Fig. 5.

Vertical profiles of seasonal mean bias and RMSE derived from the verification for first-guess against Argo data in the Yellow Sea. ALL_OBS (NO_ARGO) is indicated in black (gray) line. Result of summer (autumn) season is on the left (right) panel. In each panel, temperature (salinity) is indicated on the upper (lower) row.

다음으로 동해 해역의 Bias와 RMSE의 계절별 연직 분포를 Fig. 6에 나타내었다. 서해와 표출 수심이 다른 것에 주의해야 한다. 동해는 여름철과 가을철 사이의 차이가 서해만큼 크지 않기 때문에, 계절의 구분 없이 결과를 설명하고자 한다. 앞서 살펴본 서해에 비해 상대적으로 두 실험 간 Bias, RMSE의 차이는 작게 나타난다. 표층부 수온은 앞 절의 결과로 살펴본 바 있듯이 실험 간 차이가 작은 반면, 수심 300~500 m 범위에서 Argo 자료동화에 따라 수온의 Bias가 절반 이상 감소하고, RMSE도 평균 40% 이상 크게 감소하는 결과를 보였다. 염분은 상층부 수심 20~100 m 정도에서 NO_ARGO 실험이 과소모의하는 경향성이있었는데, ALL_OBS 실험에서 Argo 자료를 추가적으로 동화하면서 상당부분 완화되는 특징을 보였다. 이러한 편향성 감소로 인하여 RMSE가 10% 이상 줄어 들었다. 그 이하의 수심에서는 Bias가 전반적으로 0에 가까워지는 결과를 보였으나, 크기 자체가 작아서 두 실험 간의 RMSE 차이는 거의 없는 것으로 나타났다.

Fig. 6.

Same as in Fig. 5 but for the East Sea.

이상에서 살펴보았듯이, Argo 관측자료 시스템의 효과가 동해에 비하여 서해에서 매우 크게 나타났다. 이는 GODAPS의 배경장과 Argo 관측자료 사이의 차이가 그만큼 컸다는 것을 의미하고, 또한 Argo 관측자료 수집 주기가 동해(7일)보다 서해(2일)에서 더 짧기 때문에 자료동화가 더욱 자주 강하게 영향을 준 결과일 수 있다. 또한, 서해의 플로트는 수평적인 이동이 적었기 때문에, 자료동화의 누적 효과가 더욱 강하게 나타난 것으로 추정된다.

4.3 한반도 근해 CTD 관측자료를 이용한 분석장 검증

앞의 4.2절에서는 배경장과 독립적인 검증자료로서 자료동화에 사용되지 않은 시각의 Argo 자료를 사용 하였으나, 이 Argo 자료는 ALL_OBS 실험에 사용된 관측종으로서 Argo 자료의 누적된 동화효과가 배경장에 불가피하게 내재되어 있다. 여기서는 아예 실험에 사용되지 않은 한반도 근해에서 수집된 CTD 관측자료를 이용하여, 두 실험에 대해서 완벽하게 독립적인 검증을 수행하였다. 검증지표로서 CTD 관측에 대한 각 실험의 편차 절대값(Absolute Error Difference, AED)을 사용하였다. AED를 사용한 이유는 편차의 방향성이 결과를 왜곡할 수 있기 때문이다. Figure 7은 각 CTD 정점(station point)마다 수온에 대해서 ALL_OBS의 AED에서 NO_ARGO의 AED를 뺀 값을 수심에 따라 월별로 나타낸 것이다. 이렇게 산출된 값이 0보다 작으면 ALL_OBS에서 모의한 값이 관측에 더 가깝고, 반대로 0보다 크면 NO_ARGO에서 모의한 값이 관측에 더 가까운 것으로 해석할 수 있다. 즉, Fig. 7에서 파란색 계열로 나타난 정점은 Argo 자료를 동화함으로써 수온의 모의 성능이 개선된 정점이다. 그리고, 한반도 서쪽과 동쪽에 각각 표기된 숫자는 실험 간 AED의 차이를 Fig. 2에 표시한 서해와 동해 해역에서 각각 평균한 값이다.

Fig. 7.

The absolute error difference for water temperature of each experiment against CTD observations marked at each location as a colored filled circle from June to October (left to right column) at surface, 50 m, and 300 m (top to bottom row) depths. Note that the negative (positive) value in cold (warm) color means the analysis field of ALL_OBS (NO_ARGO) is closer to observation. The numeric on the left (right) inside of each plot is the mean value of the absolute error difference calculated at all observation locations over designated rectangular area for the Yellow Sea (East Sea) shown in Fig. 2.

먼저, 표층에서는 Argo 자료동화가 큰 차이를 유발하지 않은 것으로 보인다. 이는 4.1절과 4.2절에서 살펴본 결과와 동일한 맥락으로, 표층 수온 관측자료의 대부분을 차지하는 위성 SST와 한반도 부근에 비교적 조밀하게 분포하는 해양기상부이의 SST 자료가 두 실험 모두 동화되었기 때문으로 판단된다. 수심 50 m는 수온 모의 성능이 서해와 동해에서 전반적으로 개선되었다. 서해의 경우는 8월에 AED가 0.05°C 증가한 것으로 부정적인 영향이 나타났지만, 이외에는 자료동화 효과가 누적될수록 개선의 폭이 커지는 경향을 보여, 10월에는 AED를 0.23°C 감소시키는 효과를 보였다. 동해는 짝수 월에 대하여 격월로 CTD 관측자료가 있는데, 월별 해역 평균 AED가 0.24~0.29°C 범위에서 개선되었다. 수심 300 m는 동해에만 관측자료가 있는데, 여기서도 실험이 진행됨에 따라 6월은 0.16°C, 8월은 0.30°C, 10월은 0.41°C AED를 감소시키며 자료동화의 누적된 효과로 개선된 결과를 보였다. 앞서 4.1절의 월평균 분석장 비교에서 ALL_OBS의 수온이 NO_ARGO에 비하여 동해 중층에서 전체적으로 0.3°C 가량 낮게 모의된다고 언급한 바 있는데, 본 절의 관측검증 결과, Argo 자료동화로 나타났던 분석장의 차이가 모의 성능이 개선되는 방향이라고 밝혀진 점에서 고무적이다. 수온 검증 결과를 종합해 볼 때, 8월 서해를 제외하면 평균적으로 매우 긍정적인 결과를 보였다.

다음, 염분에 대한 결과를 Fig. 8에 나타내었다. 앞서 제시한 수온 결과와 표출 수심이 다른 것에 유의해야 한다. 염분은 수심 100 m 이하에서 값의 차이가 아주 작은 것을 확인하였기 때문에, 이에 대해서는 다음 단락에서 별도로 다루고자 하며, 얕은 수심에 대한 결과만 Fig. 8에 정리하였다. 표층부는 ALL_OBS실험의 결과가 좋게 나타나는 정점도 있지만 그렇지 않은 정점도 있는 등 혼재되어 있으나, 서해에서는 6월을 제외하면 전반적으로 개선된 결과를 보인다. 수심 30 m 염분도 마찬가지로 6월 외에 모두 개선되는 결과를 보였는데 표층에 비하여 개선의 폭이 더 커져서 서해 해역에서 평균적으로 최대 0.15 psu 개선되는 것으로 나타났다. 수심 50 m 염분 검증 결과를 보면 서해에서 전반적으로 Argo 플로트 자료동화 효과가 긍정적으로 나타나며, 특히 9~10월로 갈수록 평균적으로 0.13~0.15 psu 정도의 큰 개선을 보인다. 그리고 개선의 정도는 서해 중앙부의 Argo 관측자료가 있었던 해역에 가까울수록 큰 경향성을 보인다. 동해에서는 염분 모의 성능이 수심 50 m에서 평균적으로 최대 0.03 psu 개선되는 등 가장 긍정적인 결과를 보였으나, 전반적인 개선 폭이 서해에 비하여 작게 나타났다. 표층 및 수심 30 m에서는 일부 동해 연안에서 AED가 증가하는 결과가 나타나서, 동해 해역 평균적으로는 자료동화의 효과가 뚜렷하게 나타나지 않았다.

Fig. 8.

Same as in Fig. 7 but for salinity at surface, 30 m, and 50 m (top to bottom row) depths.

마지막으로, 동해 중층(수심 300~500 m 구간)에서의 자료동화 효과를 별도로 살펴보기 위하여, NO_ARGO, ALL_OBS, CTD 관측의 수온과 염분 평균값을 6월, 8월, 10월에 대해 각각 정리하였다(Fig. 9). 분석기간 동안 CTD로 관측한 수온의 월평균은 0.816~0.913°C 범위를 보인다. 모든 월에 대해서 두 실험 모두 관측에 비하여 동해 중층의 수온을 과대모의하고 있지만, ALL_OBS이 관측에 더 가까운 값을 산출하고 있다. 관측에 대비하여, 수온의 3개월 평균의 차이는 NO_ARGO에서는 0.737°C이고 ALL_OBS에서는 0.425°C로서, Argo 자료를 동화하였을 때 편향성이 평균 42% 감소하는 개선 효과를 보였다. 다음으로, 동해 중층의 관측 염분의 월평균은 34.034~34.057 psu 범위로 나타났다. 수온과 반대로, 각 월마다 두 실험 모두 관측에 비하여 염분을 과소모의하는 경향이 있지만, 수온과 마찬가지로 ALL_OBS이 관측에 더 가깝게 분석하고 있다. 관측에 대비하여, 염분의 3개월 평균의 차이는 NO_ARGO가 -0.022 psu, ALL_OBS이 -0.014 psu로서, 과소모의 하는 정도가 평균 36% 완화되는 긍정적인 효과를 보였다. 이와 같이, 정량적이고 독립적인 관측검증을 통해 해양 내부의 수온과 염분 모의 성능이 Argo 자료를 동화함으로써 개선되었다는 점을 확인할 수 있었다.

Fig. 9.

Monthly averages of temperature and salinity from NO_ARGO, ALL_OBS, and CTD observations in June, August, and October at middle-layer depth (300 to 500 m) in the East Sea.

5. 결론 및 제언

본 연구에서는 기상청 국립기상과학원에서 직접 투하한 Argo 플로트 관측자료가 해양 초기장 품질 개선에 기여하는 정도를 분석하였다. 이를 위해, 기상청국립기상과학원에서 현업 운영하고 있는 전지구 해양자료동화시스템(GODAPS; Chang et al., 2021)을 이용하여 2020년 3월부터 9개월 동안 현업 대비, 한반도 근해의 Argo를 제외하는 관측시스템 실험이 수행되었다.

실험 결과 서해와 동해, 표층부와 중층부에서 Argo자료의 긍정적인 동화 효과가 있었다. 특징적인 결과 중 하나로, 서해에서는 자료동화 효과가 서해 해역을 거의 벗어나지 않는 경향성을 보였는데, 이는 분석기간 동안 서해에서 활동한 Argo 플로트의 위치가 서해 중앙부에서 벗어나지 않은 것이 원인으로 분석되었다. 서해 중앙부는 연안 해역에 비하여 해류가 약하고 연직으로도 안정적인 성층 형태를 보이는 해역이므로, 자료동화 효과가 더 넓게 확산되기 어려웠던 것으로 판단된다. 동해는 전체적으로 중층에 해당하는 300~500 m 수심대에서 자료동화를 거치면서 수온이 고르게 낮아지는 결과를 보였다.

또한, 실험에 사용되지 않은 해양 연직 관측자료를 확보하여 독립적이고 객관적인 검증도 수행하였는데, 서해는 Argo 자료동화 영향이 주로 있었던 서해 중앙부 수심 30 m 중층 이하에서, 수온은 0.1~0.2°C, 염분은 0.1~0.15 psu 가량 개선되는 결과를 보였다. 그리고, GODAPS가 동해의 수심 300~500 m 범위의 수온을 과대모의하고 염분을 과소모의하는 경향성이 있지만, Argo 자료동화를 통해 이러한 경향성이 수온에서는 약 42%, 염분에서는 약 36% 개선되는 효과가 있었다.

이상의 결과를 통해 Argo 관측시스템이 우리나라 근해의 해양 순환을 반영하는 분석장 생산에 긍정적인 효과를 미치고 있다는 것을 알 수 있다. 국립기상과학원은 기상청의 현업 기상예보와 기후예측 서비스 지원을 목적으로 GODAPS를 운영하고 있는데, 실시간으로 현업 GODAPS에 사용할 수 있는 관측자료 중 해양 내부에서 수집된 자료로는 Argo 플로트가 유일하다. 분석기간 동안, 동해에서는 14기의 Argo 플로트가 관측을 수행하였으나, 서해에서는 1기의 Argo 플로트가 서해 중앙부에서 벗어나지 않고 2일 주기로 관측자료를 수집하였다. 이러한 제한적인 해양 내부의 관측을 사용한 것임에도 좋은 결과를 얻을 수 있었으며, 지속적인 Argo 플로트 투하를 통해 한반도 근해의 관측 공백이 해소될 수 있다면, 해양 내부의 구조와 순환을 모의하는데 있어서 보다 향상된 성능을 기대할 수 있을 것으로 판단된다. 그리고, 이런 과정을 거쳐서 해양 내부의 모의 성능이 개선된 수치모델 초기장이 제공된다면, 이는 계절 및 장기 예측의 개선으로 이어질 수 있을 것으로 기대된다.

Acknowledgments

이 연구는 기상청 국립기상과학원「기후예측 현업 시스템 개발」(KMA2018-00322)의 지원으로 수행되었습니다. 정선 해양관측자료를 제공해주신 국립수산과학원 한국해양자료센터, 관측 업무를 수행한 국립기상과학원 관측선 기상1호와 제주대학교 실습선 아라호 관계자 분들에게 감사의 말씀을 드립니다.

References

• AST, 1998: On the design and implementation of Argo: An initial plan for a global array of profiling floats. The Argo Science Team, International CLIVAR Project Office Rep. 21, GODAE Rep. 5. GODAE International Project Office, 32 pp.
• AST, 2001: Argo: The global array for profiling floats. In C. J. Koblinsky et al. Eds., Observing the Oceans in the 21st Century, GODAE Project Office and Bureau of Meteorology, 248-258.
• Balmaseda, M., D. Anderson, and A. Vidard, 2007: Impact of Argo on analyses of the global ocean. Geophys. Res. Lett., 34, L16605.
• Chang, P.-H., S.-O. Hwang, S.-H. Choo, J. Lee, S.-M. Lee, and K.-O. Boo, 2021: Global Ocean Data Assimilation and Prediction System in KMA: Description and assessment. Atmosphere, 31, 229-240. (in Korean with English abstract) [https://doi.org/10.14191/Atmos.2021.31.2.229]
• Fu, H., P. C. Chu, G. Han, Z. He, W. Li, and X. Zhang, 2013: Improvement of short-term forecasting in the northwest Pacific through assimilating Argo data into initial fields. Acta Oceanol. Sin., 32, 57-65. [https://doi.org/10.1007/s13131-013-0332-2]
• Grayek, S., E. V. Stanev, and J. Schulz-Stellenfleth, 2015: Assessment of the Black Sea observing system. A focus on 2005-2012 Argo campaigns. Ocean Dyn., 65, 1665-1684. [https://doi.org/10.1007/s10236-015-0889-8]
• Huang, B., Y. Xue, and D. W. Behringer, 2008: Impacts of Argo salinity in NCEP Global Ocean Data Assimilation System: The tropical Indian Ocean. J. Geophys. Res. Oceans, 113, C08002. [https://doi.org/10.1029/2007JC004388]
• Hyun, Y.-K., J. Park, J. Lee, S. Lim, S.-I. Heo, H. Ham, S.-M. Lee, H.-S. Ji, and Y. Kim, 2020: Reliability assessment of temperature and precipitation seasonal predictability in current climate prediction systems. Atmosphere, 30, 141-154. (in Korean with English abstract) [https://doi.org/10.14191/Atmos.2020.30.2.141]
• Jeong, Y. Y., I.-J. Moon, and S.-H. Kim, 2013: A study on upper ocean response to typhoon Ewiniar (0603) and its impact. Atmosphere, 23, 205-220. (in Korean with English abstract) [https://doi.org/10.14191/Atmos.2013.23.2.205]
• Jeong, Y. Y., I.-J. Moon, and P.-H. Chang, 2016: Accuracy of short-term ocean prediction and the effect of atmosphere-ocean coupling on KMA Global Seasonal Forecast System (GloSea5) during the development of ocean stratification. Atmosphere, 26, 599-615. (in Korean with English abstract) [https://doi.org/10.14191/Atmos.2016.26.4.599]
• Kim, D.-K., Y.-H. Kim, and C. Yoo, 2019: Predictability of Northern Hemisphere teleconnection patterns in GloSea5 hindcast experiments up to 6 weeks. Atmosphere, 29, 295-309. (in Korean with English abstract) [https://doi.org/10.14191/Atmos.2019.29.3.295]
• Lee, H., P.-H. Chang, K. Kang, H.-S. Kang, and Y. Kim, 2018: Assessment of ocean surface current forecasts from high resolution Global Seasonal Forecast System version 5. Ocean Polar Res., 40, 99-114. (in Korean with English abstract) [https://doi.org/10.4217/OPR.2018.40.3.099]
• Lee, H., Y.-S. Chang, T.-H. Kim, J.-H. Kim, Y.-H. Youn, J.-W. Seo, and T.-G. Seo, 2004: Global ocean observation with ARGO floats: Introduction to ARGO program. Atmosphere, 14, 4-23 (in Korean with English abstract).
• Lee, J.-H., I.-C. Pang, and J.-H. Moon, 2016: Contribution of the Yellow Sea bottom cold water to the abnormal cooling of sea surface temperature in the summer of 2011. J. Geophys. Res. Oceans, 121, 3777-3789. [https://doi.org/10.1002/2016JC011658]
• Lee, S.-J., Y.-K. Hyun, S.-M. Lee, S.-O. Hwang, J. Lee, and K.-O. Boo, 2020: Prediction skill for East Asian summer monsoon indices in a KMA Global Seasonal Forecasting System (GloSea5). Atmosphere, 30, 293-309. (in Korean with English abstract) [https://doi.org/10.14191/Atmos.2020.30.3.293]
• Lim, S.-M., Y.-K., Hyun, H.-S., Kang, and S.-W. Yeh, 2018: Prediction skill of East Asian precipitation and temperature associated with El Niño in GloSea5 hindcast data. Atmosphere, 28, 37-51. (in Korean with English abstract) [https://doi.org/10.14191/Atmos.2018.28.1.037]
• Moon, I.-J., and S. J. Kwon, 2011: Impact of upper-ocean thermal structure on the intensity of Korean peninsular landfall typhoons. Prog. Oceanogr., 105, 61-66. [https://doi.org/10.1016/j.pocean.2012.04.008]
• Moon, J.-H., N. Hirose, and J.-H. Yoon, 2009: Comparison of wind and tidal contributions to seasonal circulation of the Yellow Sea. J. Geophys. Res. Oceans, 114, C08016. [https://doi.org/10.1029/2009JC005314]
• Moon, J.-H., T. Kim, Y. B. Son, J.-S. Hong, J.-H. Lee, P.-H. Chang, and S.-K. Kim, 2019: Contribution of low-salinity water to sea surface warming of the East China Sea in the summer of 2016. Prog. Oceanogr., 175, 68-80. [https://doi.org/10.1016/j.pocean.2019.03.012]
• NIMS, 2020: Research and Development for KMA Weather, Climate, and Earth system Services: Development of Marine Meteorology Monitoring and Next-generation Ocean Forecasting System (VII). National Institute of Meteorological Sciences, ISBN 11-136020-000121-10, 83 pp (in Korean).
• Oke, P. R., and A. Schiller, 2007: Impact of Argo, SST, and altimeter data on an eddy-resolving ocean reanalysis. Geophys. Res. Lett., 34, L19601.
• Park, S., P. C. Chu, and J.-H. Lee, 2011a: Interannual-to-interdecadal variability of the Yellow Sea Cold Water Mass in 1967-2008: Characteristics and seasonal forcings. J. Mar. Syst., 87, 177-193. [https://doi.org/10.1016/j.jmarsys.2011.03.012]
• Park, T., C. J. Jang, J. H. Jungclaus, H. Haak, W. Park, and I. S. Oh, 2011b: Effects of the Changjiang river discharge on sea surface warming in the Yellow and East China Seas in summer. Cont. Shelf Res., 31, 15-22. [https://doi.org/10.1016/j.csr.2010.10.012]
• Roemmich, D., G. C. Johnson, S. Riser, R. Davis, J. Gilson, W. B. Owens, S. L. Garzoli, C. Schmid, and M. Ignaszewski, 2009: The Argo Program: Observing the global ocean with profiling floats. Oceanography, 22, 34-43.
• Shao, C., L. Xuan, Y. Cao, X. Cui, and S. Gao, 2015: Impact of Argo observation on the regional ocean reanalysis of China coastal waters and adjacent seas: A twin-experiment study. Adv. Meteorol., 2015, 793825. [https://doi.org/10.1155/2015/793825]
• Wang, B., N. Hirose, B. Kang, and K. Takayama, 2014: Seasonal migration of the Yellow Sea Bottom Cold Water. J. Geophys. Res. Oceans, 119, 4430-4443. [https://doi.org/10.1002/2014JC009873]
• Yan, C., J. Zhu, and G. Zhou, 2007: Impacts of XBT, TAO, altimetry and ARGO observations on the tropical Pacific Ocean data assimilation. Adv. Atmos. Sci., 24, 383-398.
• Youn, Y.-H., Y.-H. Park, and J.-H. Bong, 1991: Enlightenment of the characteristics of the Yellow Sea Bottom Cold Water and its southward extension. J. Korean Earth Sci. Soc., 12, 25-37 (in Korean with English abstract).
• Youn, Y.-H., Y.-S. Chang, Y.-K. Hyun, C.-W. Cho, J.-O. Ku, M.-K. Cho, Y.-S. Ban, S.-J. Park, and S.-J. Kim, 2006: Variability of ocean status around Ulleung Basin and Dok-do by using ARGO data. Atmosphere, 16, 379-385 (in Korean with English abstract).