KIAPS 앙상블 자료동화 시스템을 이용한 GPS 차폐자료 연직 국지화 규모 최적화

1. 서 론

세계의 선진 기상현업기관에서는 전구에서 제공되는 방대한 양의 관측자료를 이용하여 수치 모델의 예보 정확도를 향상시키기 위해 다양한 자료동화 기법을 도입하여 현업에 활용하고 있다. 이에 한국형수치예보모델개발사업단(KIAPS, Korea Institute of Atmospheric Prediction System)에서는 최신의 자료동화 기법 중 하나인 국지 앙상블 변환 칼만 필터 기법(Local Ensemble Transform Kalman Filter, Hunt et al., 2007, 이하 LETKF)을 채택하여 전구 모형에 구현하였다(Kang and Park, 2013; Jung et al., 2014). 현재 구현된 앙상블 자료동화 시스템은 본 사업단에서 개발 중인 전구 순환 모형과 동일한 육면체구 비정규 격자 체계를 가지는 NCAR CAM-SE (National Center for Atmospheric Research Community Atmosphere Model with Spectral Element dynamical core, Dennis et al., 2012) 모형을 기반으로 개발되었다. 이와 동시에 본 사업단에서는 핵심 관측 종[적외, 마이크로파 관측 복사자료, GPS (Global Positioning System) 차폐(Radio Occultation) 자료, 상층 종관 자료]을 중심으로 관측자료 전처리 및 품질 검사 시스템(KPOP: KIAPS Package for Observation Processing)을 개발 중에 있어 본 논문에서는 두 시스템을 활용한 연구를 수행하였다.

Kwon et al. (2015)는 최근 여러 위성 관측 프로그램(CHAMP, SAC-C, GRACE, COSMIC)을 통해 기상학에 적용되기 시작한 GPS 차폐자료(Kursinski et al., 1997)를 KIAPS 앙상블 자료동화 시스템에 도입하고, KIAPS-LETKF 시스템에 실측 종관 자료와 함께 GPS 차폐 자료동화를 수행함으로써 앙상블 자료동화 시스템에서 GPS 차폐자료의 성능을 최초로 검증하였다. GPS 차폐자료 도입 시, LETKF 시스템의 연직고도가 기압 면을 기반으로 하는 것과 달리 GPS 차폐자료는 미터 단위의 특정 연직 고도에 따라 제공되어 자료동화 수행 이전에 단위 변환이 선행되어야 했다. 따라서 Kwon et al. (2015)은 초기 앙상블 자료동화 실험 수행 시 기존 자료동화 설정이 GPS 차폐자료에 적합한가에 대해 고민한 바 있다. 연구에서 사용한 앙상블 자료동화 시스템은 수평, 연직으로 국지지역(Local region)을 설정하고 해당지역 내 관측자료를 이용하여 동화를 수행하는데, 이때 국지화 규모를 설정한다. GPS 차폐자료는 다른 자료와 비교해 연직 해상도가 높은 특징을 가지므로 수평으로는 기존 설정을 사용하더라도 연직 국지화 규모는 다양한 실험을 통해 보다 적합한 방안을 살펴볼 필요가 있다. 따라서 본 연구에서는 연직 국지화 규모를 수정하여 적용함에 따라 자료동화 결과에 미치는 영향을 확인하여 최적의 연직 국지화 규모를 확인해 보고자 한다.

2. 자료 및 연구방법

2.1 GPS 차폐자료

GPS 위성을 이용한 차폐관측(occultation)은 대기의 연직 밀도 차에 의해 발생하는 마이크로 파의 굴절 정보를 이용하여 대기의 온, 습도 등의 열역학적 연직 정보를 제공한다(Kursinski et al., 1997). GPS 위성으로부터 송신된 마이크로파(L1: 1.575 GHz, L2: 1.227 GHz)가 저궤도 위성(LEO: Low Earth Orbit)에 탑재된 수신기에 도달하는 과정에서 대기의 연직 밀도 차에 의해 굴절되며, 이러한 굽힘 각 정보는 저궤도 위성과 GPS 위성의 위치와 속도, 도플러 변이(Doppler shift) 정보로부터 유도될 수 있다. 이후 유도된 굽힘 각 정보에서 성층권에 의한 영향을 제거한 후, 지구 대기의 구면 대칭(global spherical symmetry)을 가정하고, 아벨 변환(Abel transform, Phinney and Anderson, 1968)을 활용하면 마이크로 파의 굴절 정보를 추정할 수 있으며, 이로부터 대기 중의 온 · 습도 정보를 산출할 수 있다.

Fig. 1.

Horizontal distribution of the GPS-RO profiles for a one day on 21 November 2012. Dots indicate observation locations. Blue dots mean ones observed at 0000 UTC, green dots observed at 0600 UTC, yellow dots observed at 1200 UTC, and red dots observed at 1800 UTC.

GPS 차폐자료를 이용한 자료동화 연구 초기에는 관측의 최종 산출물인 온도와 습도 값을 동화에 이용하였으나, 이후 자료처리 과정에 포함되는 오차를 고려하여 최근에는 원시자료에 가까운 굴절률이나 굽힘 각 자료를 자료동화에 활용하고 있다(Matsmura et al., 1999; Kuo et al., 2000). 본 연구에서는 대부분의 선진 현업기관에서 최근 자료동화에 활용하고 있는 굽힘 각 자료를 동화에 사용하였다(Kwon et al., 2015).

GPS 차폐자료는 다른 위성자료와 달리 관측 기기에 의존하는 편향이 존재하지 않으며, 수평적으로 육지, 해양, 극 지역 등 전구에 고르게 분포(Fig. 1)하고 있어 수치모델을 이용한 자료동화에 큰 이점을 가진다(Cucurull et al., 2013). 또한 온도에 대해 평균적으로 약 0.1°K 이하의 정확도(accuracy)와 0.02~0.05°K 범위의 정밀도(precision)를 보이며, 지표 근처에서는 약 0.1 km, 대류권계면에서는 약 1 km의 고해상도 대기의 연직 정보를 제공하므로(Anthes et al., 2008; Ho et al., 2009a) 자료동화 시 특히 대류권 상부 및 성층권 하부 온도 장 예보 개선에 큰 효과가 있는 것으로 알려져 있다(Eyre, 1994). 이러한 이유로 현재는 Met Office, ECMWF, NCEP, JMA 등 대부분의 선진 현업 기관에서 GPS 차폐자료를 현업자료동화에 적극 활용하고 있다(Cucurull and Derber, 2008; Healy, 2008; Rennie, 2010).

Fig. 2.

The solid line indicates observation error of bending angle data, and the black dots mean the number of bending angle data in the vertical at 0000 UTC 21 November 2012. Between surface and 10 km fractional error falls with height(20%~1%), and above 10 km is 1%.

Figure 2는 GPS 차폐자료 수의 연직 분포와 관측오차를 보여주며, 실선은 고도에 따른 관측오차를, 검정색 점은 1 km 간격의 차폐자료 수를 나타낸다. 차폐 관측 자료의 수는 하층에서 매우 적고, 상층으로 갈수록 점차 증가하며, 10 km 이상 고도에서 2000개 이하로 유지되는 것을 확인할 수 있다. 그림의 연직분포는 적분기간 중 임의의 한 시각 자료로 자료의 특성을 완벽히 대변한다고 볼 수는 없지만, 다른 시간대의 관측 자료들을 살펴본 결과 대체로 유사한 분포를 보임을 확인할 수 있었다. 관측 오차는 지표 근처에서 가장 큰 값을 보이며, 10 km 고도 까지 선형적으로 감소하다가 10 km 이상 고도에서는 일정한 값을 할당하는 Healy and Thépaut (2006)에서 기술한 방식을 사용하였다. 실제 차폐자료는 성층권 중반부 이상에서 오차가 증가하는 특성을 가지는데, 본 연구에 사용된 수치 모형의 고도가 약 42 km이므로 큰 차이가 없을 것으로 가정하고 관측 오차를 Fig. 2와 같이 설정하였다. 최근 Healy (2014)는 굽힘 각 자료에 대한 오차를 30 km 이상 고도에서 비선형적으로 증가시키는 방법을 도입하여 보다 나은 결과를 보였기에, 향후 연직 층이 충분히 높을 것(약 60 km)으로 기대되는 KIM 모형을 이용한 굽힘 각 자료동화 수행 시해당 방법을 적용할 계획이다.

LETKF 시스템을 이용한 굽힘 각 자료동화를 위해 본 사업단에서 개발중인 관측자료전처리 시스템(KPOP)을 이용한 전처리 및 품질검사가 수행되었다. KPOP 시스템은 BUFR (Binary Universal Form for the Representation of meteorological data) 형식의 GPS 차폐자료를 이용하여 입출력 및 기본적인 품질검사를 수행하며, 굽힘 각에 관한 관측 연산자는 공개소프트웨어인 ROPP (Radio Occultation Processing Package, Anthes et al., 2011)의 1차원 관측연산자를 활용하여 구현되었다. 본 연구에서는 현재 기상청에서 현업 자료동화에 사용하고 있는 COSMIC (Constellation Observing System for Meteorology, Ionosphere and Climate; Anthes et al., 2000), GRAS (Loiselet et al., 2000), GRACE, TERRASARX, SAC, CORISS (C/NOFS Occultation Receiver for Ionospheric Sensing and Specification) 굽힘 각 자료가 사용되었다(Kwon et al., 2015).

3. 실험설계: 모의관측실험

실험에 사용한 GPS 굽힘 각 자료는 ROPP의 1차원 관측연산자를 활용하여 구현되었는데, 해당 소프트웨어는 효과 상수(impact parameter)와 지구의 곡률 반경(earth radius of curvature)을 효과 고도(impact height) 값으로 변환하는 과정이 포함되어 있다. 효과 고도는 각 관측지점에서 기하학적 고도(geometric height)를 의미하고, 본 연구에서는 기하학적 고도를 지위고도(geopotential height)로 변환하여 자료동화에 활용하였다. 기존 앙상블 자료동화의 연직 고도 계산은 기압 면 고도를 기반으로 수행되었는데, 지위고도는 미터 단위를 가진다. 따라서 굽힘 각 자료동화를 위해서는 관측 자료의 연직고도 정보 변환이나 자료동화 시스템 내의 계산과정 추가가 요구된다. 전자의 경우에는 연직고도 정보 변환을 위한 자료 처리 과정에서 원시 자료의 정보가 제거되거나 추가될 가능성이 있어, 자료의 훼손을 최소화하기 위해 실험에서는 후자를 선택하여 연직 고도 정보가 요구되는 부분의 코드를 자료동화 과정에 추가하였다.

즉, 종관 자료 등 여타 자료동화를 위한 연직 국지화 방안이 기압 면 고도를 기반으로 하되, GPS 굽힘 각 자료동화를 위한 새로운 연직 고도 정보를 이용하기 위해 층별 국지화 방안의 단위를 미터로 환산하도록 수정하였다. 앞 절의 식 (3)은 관측 자료의 국지화 방안에 관한 식으로 이때 연직 국지화와 관련된 dist_V와 σ_V 두 항의 단위 변환이 요구된다. 단위 변환을 위해 전구 격자 점의 지표 기압정보를 평균하여 전구지표 기압정보의 대표 값을 산출하였고, 이 값을 이용하여 층별 평균 기압정보(파스칼: Pa)를 미터 단위로 변환하였다. 이를 통해 모델의 층별 평균 연직 정보를 미터 단위로 생성하여 이 정보를 층별 대표 값으로 설정하였다. 이와 같이 계산된 정보는 Table 1에 보이는 Fixed 실험에 해당하고, Fixed는 층별로 모든 격자 점에서 동일한 규모의 연직 국지화 방안을 이용해 동화를 수행하게 된다. 본 연구에서 연직 국지화 규모는 두 가지로 구성하였는데, 이는 GPS 굽힘 각 자료가 다른 관측 자료와 비교해 연직으로 매우 조밀한 분포를 보이는 특성을 가지기 때문에, 종관 관측 자료 동화 시 계산되는 국지화 규모인 0.2와 이보다 작은 0.1 두 경우에 대해 실험을 수행하였다. Fixed 실험은 연직 국지화 규모에 따른 비교는 가능하나 층별 국지화 규모가 지면 기압과 무관하게 모든 격자점에서 동일하여 실제 대기 현상을 제대로 반영하지 못할 수 있다. 따라서 지표 기압을 전구 대표 값이 아닌 각 격자 점의 배경장 값을 적용하여 국지화 규모에 따른 민감도를 알아보는 All 실험을 수행하였다. All 실험에서도 국지화 규모는 Fixed 실험과 동일하게 두 가지 연직 국지화 규모를 적용하여 실험하였다. 그리고 굽힘 각을 사용하지 않고, 존데 자료와 지면 기압 자료만을 동화한 CNTL실험까지 총 5가지 실험(Table 1)을 수행하였다. 굽힘 각 자료의 연직 국지화 규모 확인을 위해 모델 최하층에서 Fixed_0.1, Fixed_0.2와 All_0.2의 해양, 육지, 적도, 극 지역에 해당하는 임의의 한 격자점 값을 뽑아보았다(Fig. 3). Fixed_0.1과 Fixed_0.2 실험을 통해 국지화 규모의 차이를 확인할 수 있고, 고정된 지표기압을 사용한 Fixed_0.2와 All_0.2 실험을 비교했을 때, 동일한 국지화 규모임에도 All 실험에서 지역별 특성이 반영된 국지화 규모가 적용된 것을 확인할 수 있다.

Table 1.

Description of five experiments of CNTL, Fixed_0.1, Fixed_0.2, All_0.1, and All_0.2.

Fig. 3.

The vertical localization scale at the surface level. (a) The black solid line is original vertical localization scale (0.2 logarithm pressure). The gray solid line is over ocean (134°W, 63°S), gray dash line is over land (264°W, 41°N), and the black dash line is vertical localizzation scale at the Fixed_0.1. (b) The black solid line is same as (a), the gray solid line is equator (150°W), and the gray dash line is polar region (87°N).

4. 결 과

자료동화실험은 2012년 11월 한 달의 기간에 대해 수행하였고, 분석은 spin-up 기간을 제외한 11월 21일부터 마지막 10일에 대해 수행하였다. Figure 4는 종관 자료와 굽힘 각 자료를 함께 동화한 네 가지 실험의 분석 증분(분석장-배경장)과 종관 자료만을 동화한 CNTL 실험의 분석 증분의 차이를 동서 평균하여 연직으로 나타낸 것이다. 분석 증분의 차이를 통해 굽힘 각 자료 동화가 분석장에 영향을 미치는 영역과 고도를 확인할 수 있다. 분석 증분의 차이는 다변수 자료동화의 영향으로 모든 변수에 대해 나타나나, 변화 경향이 거의 유사하기 때문에 본 논문에서는 온도장만 제시하도록 한다. 네 가지 실험에서 동일하게 남반구 상층과 중층 전반에서 증분의 차이가 나타나고, 특히 남반구 30~60°S 지역 대류권 상층과 성층권 하부(100~300 hPa), 그리고 적도 상층의 변화가 두드러진다. 이처럼 눈에 띄는 변화가 나타난 영역은 대부분 종관 관측자료가 드물게 분포하는 지역과 일치한다. 또한 상층에서 분석 증분이 크게 나타나고, 하층에서 변화가 크지 않음을 확인할 수 있는데, 이는 Fig. 2에서 확인할 수 있듯이, 관측 자료가 대류권 중층 이상에 집중적으로 분포하고 하층에 위치하는 자료는 상대적으로 큰 오차를 가지는 자료의 특성에 의해, 이와 같은 결과가 나타난 것으로 보인다. 분석 증분 차이에서 Fixed_0.1 실험 결과를 보면, 다른 실험과는 달리 북반구 하층 지역에서 유난히 강한 변화가 나타나고 있다. 이와 같은 증분의 변화는 해당지역에 굽힘 각 동화의 영향이 현저하게 나타났다는 것을 의미한다. 하지만 이러한 변화가 분석장에 어떤 영향을 미치는지에 대해서는 보다 면밀한 분석이 요구된다. 따라서 지금부터는 실험의 성능을 확인해 보도록 하겠다.

Fig. 4.

Difference of zonally averaged analysis increment of T (unit: °K) between CNTL and experiments of (a) Fixed_0.1, (b) All_0.1, (c) Fixed_0.2, and (d) All_0.2 for the last 10 days of analysis period.

본 실험은 nature run을 실제대기라 가정하고 수행한 모의관측실험이므로, 참값의 대기와 직접비교를 통해 분석장의 개선치를 확인해 볼 수 있다. 분석장의 개선치는 $$ \left|{\overline{\text{x}}}_{CNTL error}^a\right|-\left|{\overline{\text{x}}}_{EXP error}^a\right|$$을 이용하여 CNTL 실험의 오차와 네 가지 실험의 오차를 비교하여 연직 국지화 방안에 따른 굽힘 각 동화 실험결과를 확인해 보았다. 여기서 $$ {\overline{\text{x}}}_{CNTL error}^a$$는 종관 자료만을 동화한 실험의 분석장과 nature run 결과의 차이이고, $$ {\overline{\text{x}}}_{EXP error}^a$$는 종관 자료와 함께 굽힘 각 자료를 동화한 네 가지 서로 다른 국지화 규모 실험의 분석장과 nature run 결과의 차이를 의미한다. 네 가지 실험의 결과가 CNTL 실험에 비해 좋아졌다면 실제 대기에 가까워졌을 것이고, 결과는 양의 값을 나타낼 것이다. 반대로 실험 결과가 실제 대기로부터 멀어졌다면 결과는 음의 값을 나타낼 것이다. 먼저 분석장의 개선도를 분석기간에 대해 평균한 결과를 살펴보면(Table 2), Fixed_0.1 실험의 경우에는 모든 변수에서 분석장이 나빠지고, 나머지 세 가지 실험에서는 모든 변수에서 분석장이 개선된 것을 확인할 수 있었다. 그리고 All_0.1 실험에서 U와 Q, All_0.2 실험의 V와 T가 가장 큰 개선을 보였고, 전구 평균 값으로 비교해 볼 때, All 실험간의 차이가 극명하지 않은 것으로 나타났다. 변수 별로 살펴보면, 동서바람성분은 Fixed_0.1 실험에서 0.1 m s⁻¹ 가량 분석장이 나빠졌고, All 실험에서 규모에 상관없이 0.1 m s⁻¹ 가량 개선되었다. 남북바람성분은 Fixed_0.1에서 0.02 m s⁻¹ 가량 나빠지고, 나머지 세 실험에서 0.1 m s⁻¹ 이상 개선되는 것을 보였다. 온도 성분의 경우에는 Fixed_0.1 실험에서 0.02°K 가량 분석장이 나빠지고, 다른 세 실험에서 0.05°K 가량 개선을 보였다. 습도에서도 Fixed_0.1을 제외한 모든 실험에서 개선을 보였다. Fixed_0.1 실험의 경우에는 종관자료만을 동화한 실험에 비해 오히려 굽힘 각 자료동화를 수행한 분석장이 나빠지는 것을 확인할 수 있다. 이를 통해 양질의 관측 자료가 추가된다 하더라도 이를 자료동화 시스템 내에서 잘못 활용하여 분석장에 미치는 관측자료의 효과를 왜곡할 수 있음을 확인하였다.

Table 2.

Improvement of variables from different vertical localization methods for the last 10-day analysis.

Fig. 5.

Vertical cross-section of zonally averaged improvement of analysis resulted from four-experiments of (a) Fixed_0.1, (b) All_0.1, (c) Fixed_0.2, and (d) All_0.2 from CNTL, toward the true states of the nature run for T (unit: °K). Here, positive values mean positive impact of additional GPS-RO data and vice versa.

Figure 5는 온도장에 대한 개선도를 동서평균하여 연직으로 그려본 결과이고, Fig. 6에서는 동서바람 성분에 대한 개선도를 연직으로 나타내보았다. 두 그림에서 동일하게 Fixed_0.1 실험을 제외하고는 전반적으로 양의 값을 보이고 있어, 세 가지 실험은 추가적으로 동화된 굽힘 각 자료가 분석장 개선에 효과적으로 기여함을 보여준다. Figure 4와 비교해보면, 대체로 분석 증분의 변화가 많았던 남반구 중위도 상층에서 분석장 개선이 가장 크게 나타나는 것을 알 수 있고, 100~300 hPa 고도에서는 적도와 중위도 전반에 걸쳐 분석장의 개선을 확인할 수 있었다. 또한 국지화 규모가 0.2인 두 실험에서는 남반구 중위도 지역에서 300 hPa 이상 상층뿐 아니라, 하층 대류권(약 850 hPa)까지 뚜렷한 분석장 개선이 확인되었다. 여기서 온도장의 경우, Fig. 4의 Fixed_0.1 실험에서 보였던 북반구 하층 극 지역과 동일한 지역에서 강한 음의 값이 나타나는데, 이것은 추가된 굽힘 각 자료가 분석장의 오차를 오히려 증가시키고 있음을 나타낸다. 그러나 동일한 실험 조건으로 국지화 규모가 커진 Fixed_0.2 실험이나 동일한 국지화 규모를 사용하지만 하층 지표 기압이 적절히 주어진 All_0.1 실험과는 달리 유독 Fixed_0.1 실험에서만 이와 같은 결과가 나타난 것은 확인해 볼 필요가 있다.

Fig. 6.

Same as Fig. 5 except for the U (unit: m s−1).

실험은 연직 국지화 규모가 0.1, 0.2 인 두 가지 경우와 연직 국지화 단위 변환 시 지표 기압을 전구 격자점에 대하여 고정된 대표 값을 쓰는 경우(Fixed)와 각 격자점의 배경장 지표기압으로 가변화한 경우(All) 두 가지로 나누어 수행하였다. 이에 따라 과연 실제 연직 국지화가 얼마나 다른 크기로 적용된 것인지 살펴보기 위해 지표기압의 영향을 가장 많이 받는 최하층의 국지화 규모를 비교해 보았다. Figure 3의 a는 Fixed_0.1과 Fixed_0.2 그리고 All_0.2 실험의 해양과 육지에서 연직 국지화 규모를 비교해 본 것이다. 먼저 Fixed 실험에 적용되는 두 규모의 차이를 보면 검정색 실선과 점선으로 0.1에 비해 0.2 규모가 확연히 큰 것을 확인할 수 있다. 또한 Fixed_0.2, All_0.2 실험의 해양과 육지 모두 Fixed_0.1 실험에 비해 큰 규모를 보이고 있어 0.2 규모 실험의 최하층에서는 대부분 지역에서 Fixed_0.1 실험보다 큰 국지화 규모가 적용되었을 것으로 보인다. Fixed_0.2 실험과 All_0.2 실험의 해양과 육지를 비교해 보면, 해양은 지표 기압이 전구 평균에 비해 상대적으로 높고, 고도가 높은 육지는 기압이 낮다. 따라서 해양의 경우 All_0.2 실험에서 적용된 국지화 규모가 Fixed_0.2 실험에 비해 더 넓고, 반대로 육지의 경우에는 All_0.2 실험에 적용된 국지화 규모가 더 좁게 나타난다. 적도와 극지방을 비교한 Fig. 3b에서는 All_0.2 실험에서 적도 지역의 국지화 규모가 상대적으로 넓고, 극 지역에서 좁게 나타나는 것을 확인할 수 있었다. 일반적으로, Fig. 3은 각 지역의 대기 현상 규모에 맞게 연직 국지화 규모를 결정하는 All 실험의 우월한 설정을 뒷받침해 준다.

따라서, Fixed_0.1 실험에서 나타난 극지방 하층 대기 분석장의 큰 오차는 상대적으로 작은 국지화 규모에 따른 잘못된 설정의 자료 동화 결과라고 할 수 있다. 즉, 연직으로 넓은 지역에 걸쳐 유효한 정보를 충분히 제공할 수 있는 관측 자료임에도 불구하고, 오차가 큰 하층의 차폐자료만으로 대기 변수들을 강제하면서 상층 자료의 보완 여지를 배제하여 나타난 분석장의 오차인 것이다. Fixed_0.1을 제외한 실험에서는 극 지역에 상대적으로 큰 국지화 규모를 가지도록 설정되기 때문에, 환경에 따른 관측 자료 영향 반경이 적절하게 유지되어 상대적으로 오차가 큰 하층 차폐자료뿐 아니라 양질의 상층 차폐자료 또한 하층 극지방 대기 강제에 활용되어 분석장 오차가 효과적으로 감소한 것이다.

Fig. 7.

Improvement of analysis from four experiments in (a) Fixed_0.1, (b) All_0.1, (c) Fixed_0.2, and (d) All_0.2 from CNTL, toward the true states of the nature run for T (unit: °K) at the level of 200 hPa. Here, positive values mean positive impact of additional GPS-RO data and vice versa. Global mean of the improvement at the corresponding level is given at the left top of each figure.

지금까지 연직분포를 통한 분석장 검증을 수행하였고, 이제부터는 고도별 수평분포를 통해 분석장 개선도를 확인해 보도록 하겠다. 먼저 가장 큰 변화가 나타났던 200 hPa 고도의 온도와 동서바람성분의 수평분포를 각각 Figs. 7과 8에 제시하였다. Figure 1에서 확인했듯이 GPS 차폐자료는 종관 자료와는 달리 해양이나 극 지역에서도 고루 분포하고, 육지와 해양에서 자료의 밀도가 거의 유사하게 나타난다. Figures 7과 8을 보면, 이와 같은 자료의 특성이 잘 반영되어 존데 자료에 의해 충분히 강제된 육지에 비해 해양에서 효과가 크게 나타나고, 온도와 바람 성분 모두 양의 개선치가 전구에 걸쳐 나타난다. All 실험과 비교해 보았을 때 Fixed 실험의 경우, 해양은 상대적으로 작은 규모의 연직 국지화가 적용되었고, 육지는 상대적으로 큰 연직국지화가 적용되었으므로 상대적으로 해양에서의 개선이 미비함을 확인할 수 있다. 국지적으로는 온도 1°K 이상, 동서바람성분에서 2.5 m s⁻¹이상의 개선을 보이고, 최적의 설정으로 판단되는 All_0.2 실험에서 전구 평균 0.1°K, 0.3 m s⁻¹ 가량의 온도장과 동서 바람장 개선을 보여 상층 대기 추정에 긍정적인 영향을 확인할 수 있었다. 각 그림의 왼쪽 상단에는 전구 평균값을 제시하여 전반적인 분석장의 개선을 수치로도 확인 가능하다. 앞서 Figs. 5와 6에서 남반구 중위도 지역의 경우에는 분석장 개선이 대기 하부까지 영향을 미치는 것을 보았다. 이에 따라 대류권 하부 850 hPa의 온도와 동서 바람장의 수평분포를 Figs. 9와 10에서 확인해 보았다. 먼저 전구 평균 개선치를 확인해 보면, 두 변수 모두 Fixed_0.2 실험결과가 가장 큰 전구 평균 개선치를 보이고 있으나, All_0.2와 큰 차이를 보이지 않고 있다. 이를 제외하고는 상층에서 나타났던 바와 유사하게 연직 국지화규모 0.2의 경우가 더 큰 오차 감소를 보여주는 경향이 하층에서도 나타났다. 하층의 경우, Fixed_0.2가 All_0.2보다 조금 더 좋은 결과를 나타낸 것으로 보여 향후 하층 국지화 규모에 대한 조정 방향을 탐색해볼 필요도 있을 것으로 보인다.

Fig. 8.

Same as Fig. 7 except for the U (unit: m s−1).

Fig. 9.

Same as Fig. 7, except for the level of 850 hPa.

Fig. 10.

Same as Fig. 9 except for the U (unit: m s−1).

5. 요약 및 토의

지금까지 앙상블 자료동화 수행 시, GPS 차폐자료 동화를 위한 연직 국지화 방안개발에 관한 모의 관측실험을 수행하였다. 실험은 KIAPS 앙상블 자료동화 시스템과 관측자료 전처리 시스템인 KPOP을 연동하여 6시간 주기로 2012년 11월 한달 동안 수행하였고, 종관 관측자료만을 이용해 자료동화를 수행한 CNTL실험과 CNTL실험에 GPS 차폐자료 중, 굽힘 각 자료를 함께 동화하면서, 연직 국지화 규모와 연직 국지화 계산에서 지표 기압을 달리 설정하는 방안으로 4가지 실험을 수행하였다. 이 과정에서 두 자료의 연직고도 단위를 통일하였고, 관측자료의 특성에 가장 적합한 연직 국지화 규모를 찾고자 민감도 실험을 수행하게 되었다. 이는 최근 사업단 앙상블 자료동화 시스템을 이용한 GPS 차폐자료동화 첫 결과 발표인 Kwon et al. (2015) 실험의 개선을 위해 설계되었다. 여러 선행연구에서 알려진 바와 같이 Kwon et al. (2015)와 본 연구에서도 GPS 차폐자료동화는 남반구 대류권 상부 분석장 품질 개선에 많은 영향을 미쳤고, 이와 같은 영향은 CNTL과 비교한 4가지 실험 결과에서 모두 동일하게 나타났으며, 특히 남반구 중위도 대류권 상부의 변화가 두드러졌다. 본 연구에서는 nature run을 실제 대기라 가정하고, 실제 대기와 직접 비교를 통해 결과를 확인해 보았는데, 그 결과 남반구 중위도 상층뿐 아니라, 남반구 대류권 상부에서도 전반적으로 분석장 개선이 나타났다. 또한 연직 국지화 규모가 상대적으로 큰 실험에서 관측자료의 영향반경을 종관 자료 국지화 규모와 동일하게 설정했을 때, 분석장 개선 효과도 크게 나타남을 확인할 수있었다. 즉, 연직으로 조밀한 분포를 가지는 차폐자료라 하더라도 연직 규모는 자료가 가지는 정보가 배경장 변수들과 연직으로 매우 넓게 유의미한 공분산을 가지므로, 이를 충분히 반영해주었을 때, 그 효과가 극대화된 것으로 보인다. 그리고 같은 연직 국지화 규모를 사용하는 경우에도 미터에서 기압으로 단위 변환 시 지표 기압을 각 격자 점에 대해 배경장으로부터 적절히 적용해 주었을 때 분석장 개선이 더욱 크게 나타났고, 특히 남반구지역에서는 대류권 하층에까지 영향을 미치는 것을 확인할 수 있었다. 예상대로 대부분의 분석장 개선은 해양에서 많이 나타났고, 하층 대류권에서 분석장의 개선치가 전구 평균적으로 온도의 경우 0.05°K 이상, 동서 바람 성분의 경우에는 0.08 m s⁻¹ 이상으로 나타나는데, 이러한 수치는 눈여겨볼 만하다. 하층의 경우 Fig. 2에서 제시한 바와 같이 관측 자료의 오차가 크고, 자료의 양이 상대적으로 적음에도 불구하고 이와 같은 영향을 미쳤다는 것은 매우 고무적인 결과이다. 그리고 수평분포에서 분석장의 개선이 해양뿐 아니라, 육지에서도 나타나고 있는 것을 확인할 수 있었다. 반면, Fixed_0.1의 경우에는 북반구 하층 극 지역에서 분석장이 나빠지기도 하는데, 이 경우에는 국지화 규모를 결정할 때 각 격자점에서 지표기압을 반영해 줌에 따라 제거되는 것을 확인할 수 있었다(All_0.1).

실험은 기존 앙상블 자료동화 시스템 내의 연직 국지화 방안을 GPS 차폐자료에 적합하게 수정하기 위해 수행되었고, 그 결과 차폐자료를 위한 연직 국지화 규모는 종관 자료와 동일하게 하되, 지표 기압을 각 격자마다 적용하여 모든 격자 점에서 각 층의 연직 국지화 방안을 적절하게 계산하여 동화해 주는 것이 가장 바람직하다는 것을 확인할 수 있었다. 본 실험은 모델 상부가 비교적 낮은 CAM-SE 모형을 기반으로 개발된 자료동화 시스템임에도 불구하고 GPS 차폐자료동화 결과, 분석장의 개선을 명확하게 확인할 수 있었다. 따라서 본 실험을 토대로 향후에는 사업단에서 개발 중인 모델 연직 고도가 높은 KIM 모형에 GPS 차폐자료를 접합해 자료동화를 수행할 계획이며, 실제 GPS 차폐자료는 하층뿐 아니라 상층에서도 관측오차가 증가하는 특성을 가지는데, 본 연구에서는 이러한 경향을 반영하지 못하였으므로, 연직 관측오차 산정 등 관측자료 처리부분을 추가로 수정할 예정이다. 따라서 추후 KIM 모형에 접합될 LETKF 시스템에서 GPS 차폐자료동화를 수행할 때는 본 연구에서 개발한 연직 국지화 방안을 도입할 예정이고, 해당 모형은 상부가 CAM-SE 모형에 비해 현저히 높기 때문에 상층 대기에 대해 상대적으로 많은 정보를 제공해줄 수 있는 GPS 차폐자료동화의 결과가 기대되는 바이다.

Acknowledgments

본 연구는 기상청의 지원을 받는 한국형수치예보모델개발사업단의 연구과제를 통해 수행되었습니다. 연구에 도움을 주신 강전호 박사님께 감사드리며, 논문의 완성도를 위해 조언을 주셨던 심사위원님들 그리고 편집위원님께 감사드립니다.

REFERENCES

• Anthes, R. A., (2011), Exploring Earth’s atmosphere with radio occultation: contributions to weather, climate and space weather, Atmos. Meas. Tech, 4, p1077-1103. [https://doi.org/10.5194/amt-4-1077-2011]
• Anthes, R. A., C. Rocken, and Y.-H. Kuo, (2000), Applications of COSMIC to meteorology and climate, Terr. Atmos. Ocean. Sci, 11, p115-156.
• Anthes, R. A. Coauthors, (2008), The COSMIC/FORMOSAT-3 Mission: Early Results, Bull. Amer. Meteor. Soc, 89, p313-333. [https://doi.org/10.1175/BAMS-89-3-313]
• Anlauf, H., D. Pingel, and A. Rhodin, (2011), Assimilation of GPS radio occultation data at DWD, Atmos. Meas. Tech, 4, p1105-1113. [https://doi.org/10.5194/amt-4-1105-2011]
• Cucurull, L., and J. C. Derber, (2008), Operational implementation of COSMIC observations into NCEP’s global data assimilation system, Wea. Forecast, 23, p702-711. [https://doi.org/10.1175/2008WAF2007070.1]
• Cucurull, L., J. C. Derber, and R. J. Purser, (2013), A bending angle for- ward operator for global positioning system radio occultation measurements, J. Geophys. Res. Atmo, 118, p14-28. [https://doi.org/10.1029/2012JD017782]
• Dennis, J. M., J. Edwards, K. J. Evans, O. Guba, P. H. Lauritzen, A. A. Mirin, A. St-Cyr, M. A. Taylor, and P. H. Worley, (2012), CAM-SE: A scalable spectral element dynamical core for the Community Atmosphere Model. Int. J. High Perform, Comput. Appl, 26, p74-89. [https://doi.org/10.1177/1094342011428142]
• Eyre, J. R., (1994), Assimilation of radio occultation measurements into a numerical weather prediction system, Technical Memo, No. 199, ECMWF, Reading, UK.
• Healy, S. B., (2008), Assimilation of GPS radio occultation measurements at ECMWF, in: Proceedings of the GRAS SAF Workshop on Applications of GPSRO measurements, ECMWF, Reading, UK, 16-18 June 2008, p99-109.
• Healy, S. B., (2014), Use of GPS-RO data in NWP at ECMWF 2D operators, in: Fifth EUMETSAT ROM SAF user workshop on Applications of GPS radio occultation measurements, ECMWF, Reading, UK, 16-18 June 2014.
• Healy, S. B., and J. N. Th´epaut, (2006), Assimilation experiments with CHAMP GPS radio occultation measurements, Quart. J. Roy. Meteor. Soc, 132, p605-623. [https://doi.org/10.1256/qj.04.182]
• Ho, S.-P., M. Goldberg, Y.-H. Kuo, C.-Z. Zou, and W. Schreiner, (2009a), Calibration of Temperature in the Lower Stratosphere from Microwave Measurements using COSMIC Radio Occultation Data: Preliminary Results, Terr. Atmos. Oceanic Sci, 20. [https://doi.org/10.3319/tao.2007.12.06.01(f3c)]
• Hunt, B. R., E. Kostelich, and I. Szunyogh, (2007), Efficient data assimilation for spatiotemporal chaos: A local ensemble transform Kalman filter, Physica D, 230, p112-126. [https://doi.org/10.1016/j.physd.2006.11.008]
• Jung, B.-J., J.-S. Kang, J. Kim, and Y. Jo, (2014), Preliminary result for KIAPS-LETKF system with real observations, Collection of abstracts for spring meeting of Korean Meteorological Society, p11-12.
• Kang, J.-S., and J. Park, (2013), Development of KIAPS Ensemble Data Assimilation System, KIAPS Tech. Note, 2013.
• Kang, J.-S., B.-J. Jung, H.-W. Jun, J.-H. Kim, S. Shin, Y. Jo, and H. Kwon, (2014), Progress and Plans of KIAPSLETKF: 4D-LETKF, Radiance Data Assimilation, and Implementation to KIAPS-FM, Fall meeting of K Korean Meteorological Society, 10, p103-105.
• Kuo, Y.-H., S. Sokolovskiy, R. A. Anthes, and Vandenberghe F., (2000), Assimilation of GPS Radio Occultation Data for Numerical Weather Prediction, Terr. Atmos. Oceanic Sci, 11, p157-186.
• Kursinski, E. R., G. A. Hajj, K. R. Hardy, J. T. Schofield, and R. Linfield, (1997), Observing Earth’s atmosphere with radio occultation measurements using the global positioning system, J. Geophys. Res, 102, p23429-23465. [https://doi.org/10.1029/97JD01569]
• Kwon, H., J.-S. Kang, Y. Jo, and J. H. Kang, (2015), Implementation of a GPS-RO data processing system for the KIAPS-LETKF data assimilation system, Atmos. Meas. Tech, 8, p1259-1273. [https://doi.org/10.5194/amt-8-1259-2015]
• Loiselet, M., N. Stricker, R. Anthes, J. Chang, J.-H. Tseng, and B. Wang, (2000), GRAS-‘Metop’s GPS-based atmospheric sounder’, Bulletin 102, ESA, Darmstadt, Germany.
• Matsmura, T., J. C. Derber, J. G. Yoe, F. Vandenberghe, and X. Zou, (1999), The inclusion of GPS limb sounding data into NCEP’s Global Data Assimilation System, NOAA/NCEP Office Note 426, p76.
• Melbourne, W. G., E. S. Davis, C. B. Duncan, G. A. Hajj, K. R. Hardy, E. R. Kursinski, T. K. Meehan, L. E. Young, and T. P. Yunck, (1994), The application of spacebourne GPS to atmospheric limb sounding and global change monitoring, Jet Propulsion Laboratory, p147.
• Phinney, R. A., and D. L. Anderson, (1968), On the radio occultation method for studying planetary atmospheres, J. Geophys. Res, 73, p1819-1827. [https://doi.org/10.1029/JA073i005p01819]
• Rennie, M. P., (2010), The impact of GPS radio occultation assimilation at the Met Office, Quart. J. Roy. Meteor. Soc, 136, p116-131. [https://doi.org/10.1002/qj.521]
• Szunyogh, I., E. J. Kostelich, G. Gyarmati, E. Kalnay, B. R. Hunt, E. Ott, E. Satterfield, and J. A. Yorke, (2008), A Local Ensemble Transform Kalman Filter data assimilation system for the NCEP global model, Tellus, 60A, p113-130. [https://doi.org/10.3402/tellusa.v60i1.15270]