현업 KIM 예측시스템에서 마이크로파 전천복사자료동화 개발 및 초기 성능 검증

1. 서 론

위성자료는 관측자료가 상대적으로 부족한 해양과 극지역에 온도와 수증기 정보 등을 제공하기 때문에 자료동화를 통해 수치예보모델의 예측 성능에 미치는 영향이 크다. 1990년대까지는 구름의 영향을 받지 않은 청천(clear-sky) 지역의 위성관측만이 동화되어 왔지만, 2000년대 이후 수치예보모델의 성능 개선과 함께 전천(all-sky) 지역의 위성복사자료(satellite radiance data)에 대한 관측연산자(observation operator)가 개발되어 구름, 강수 지역의 관측을 추가로 동화할 수 있게 되었다(Bauer et al., 2006; Geer et al., 2018). 수치예보모델을 위한 복사전달모델인 RTTOV는 2000년대 초반 버전(RTTOV-6~RTTOV-9)에서 대기 중 구름에 의한 흡수 및 산란 효과를 반영하기 시작하였으며, 2010년대 버전(RTTOV-10~RTTOV-12)에서는 마이크로파 대역에 다중 산란 효과를 반영한 구름 계수를 도입하여 구름이 포함된 지역의 계산 정확도를 향상시켰다(Saunders et al., 2018).

마이크로파 센서로 관측한 구름, 강수 지역의 복사자료는 대기 중 온도와 습도에 영향을 끼칠 뿐만 아니라 바람 변수의 추적자(tracer) 역할을 하므로 수치예보모델의 예측 오차를 줄이는 데 크게 기여한다고 알려져 있다(Geer et al., 2014). 특히, 2009년에는 유럽중기예보센터(ECMWF)의 현업 수치예보모델인 IFS에서 마이크로파 영상기(imager)의 전천복사자료를 처음으로 동화하기 시작하였다(Bauer et al., 2010). ECMWF는 지속적으로 마이크로파 수증기 센서의 전천복사자료를 추가로 동화하였으며, 2016년 이후 IFS에서 마이크로파 수증기 센서(AMSR2, ATMS, GMI, MHS, MWHS-2, SSMI/S 등)의 수치예보모델 예측 기여도(Forecast Sensitivity to Observation Impact; FSOI)는 전체 관측의 20% 이상을 차지할 정도로 그 영향력이 커졌다(Geer et al., 2017; Geer et al., 2018). 미국 국립환경예보센터(NCEP)에서는 하이브리드 4차원 앙상블-변분자료동화(Hybrid-4DEnVar) 기법을 가진 전지구예측시스템(GFS)에서 2016년부터 마이크로파 온도 센서인 AMSU-A의 전천복사자료를 현업으로 동화하였으며(Zhu et al., 2016), 마이크로파 수증기 센서를 포함한 ATMS로 전천복사자료동화 연구를 이어갔다(Zhu et al., 2019).

KIM 초기 버전에서도 마이크로파 수증기 센서인 MHS 전천복사자료동화를 수행한 선행 연구가 있으며, 2018년 여름철 순환예측실험을 통해 적도를 중심으로 한 저위도와 남반구 중위도의 수증기와 바람 초기장이 개선됨을 확인한 바 있다(Lee et al., 2020). KIM 초기 버전의 전천복사자료동화에서는 RTTOV-SCATT 버전 11.3을 관측연산자로 사용하였으며, 구름양에 따라 O–B 표준편차를 산출해 이를 구간별로 단순하게 증폭시킨 관측오차를 사용하였다. 또한, 자료동화시스템의 최소화 과정에서 다중 외부순환이 아닌 첫 번째 외부순환을 마친 증분으로 모델 초기장을 업데이트하였다. 기상청 현업예보모델인 Korean Integrated Model (KIM; Hong et al., 2018)은 아직까지 청천 지역의 위성 관측만을 동화하고 있으므로 Lee et al. (2020) 연구를 개선하여 전천복사자료동화 체계를 새롭게 추가하였다. 본 연구에서는 현업예보모델에서 위성자료의 사용 영역을 확장하기 위해 선행 연구(Geer et al., 2014; Lawrence et al., 2015)를 통해 모델의 예측 성능 개선이 검증된 마이크로파 수증기 센서인 MHS와 MWHS-2를 우선적으로 동화하였다. 먼저 2장에서는 최신 버전 KIM 시스템에서 전천복사자료를 동화하기 위한 전처리 과정을 소개하고, 3장에서는 새로 추가한 구름지역의 복사자료가 정상적으로 동화되는지 모델 초기장(분석장) 및 예측장 검증을 통해 살펴보고자 한다.

2. 연구 방법

2.2 전천복사자료동화를 위한 순환예측실험

마이크로파 수증기 탐측기인 MHS와 MWHS -2는 대기 중 수증기의 양과 분포를 탐지할 수 있으며, 183 GHz를 중심으로 한 여러 채널을 이용해 대기 수분의 연직 분포를 측정한다. 본 연구에서는 Table 1과 같이 현업 자료동화시스템과 동일한 MHS와 MWHS-2 수증기 탐측 채널을 동화하였다. 이 채널들은 16 km의 공간해상도를 가지며, 물구름에 비해 상대적으로 산란이 큰 눈이나 얼음구름에 민감한 특성을 지닌다. 참고로 MWHS -2의 채널 14 (183 ± 4.5 GHz)는 초기 개발 당시 관측의 품질이 좋지 않아서 동화하지 않았으나 ECMWF, 영국 기상청 등 다른 현업 기관에서는 동화하고 있는 채널이므로 현업 KIM에서도 이 채널에 대한 품질을 다시 살펴볼 필요가 있다.

Table 1.

Assimilated channel frequencies for MHS and MWHS-2.

마이크로파 센서로 관측한 구름, 강수 지역의 복사 자료를 동화하기 위하여 관측전처리시스템인 KPOP (Kang et al., 2018)과 자료동화시스템인 KVAR (Kwon et al., 2018)에 모델의 수상량 변수인 물구름, 얼음구름, 강수, 눈, 구름양을 추가하였다. 새로 추가한 KIM 수상량은 전천복사자료동화에서 모델의 대기 변수를 위성 관측과 동일한 변수인 휘도온도(brightness temperature)로 변환하기 위한 관측연산자의 입력자료로 사용된다. Table 2에서는 청천복사자료와 전천복사 자료에 대한 전처리 방법의 차이를 보여준다. 모델의 변수변환을 위한 관측연산자로 청천복사자료동화는 RTTOV 버전 13.0을 이용하고, 전천복사자료동화는 수상량 변수를 고려한 RTTOV-SCATT 버전 13.0을 이용하였다(Geer et al., 2021). 청천복사자료동화는 TPWC, CLW, SI 등을 이용한 구름제거과정이 KPOP에 포함되어 있는 반면, 전천복사자료동화는 구름제거 모듈을 사용하지 않는다.

Table 2.

Comparison of preprocessing methods for clear-sky and all-sky radiance data in the KPOP system.

MHS와 MWHS-2는 둘 다 교차진로 스캔(cross-track scan) 방법으로 탐측하기 때문에 스캔 편향(scan bias)이 존재하며, 위도에 따라 대기질량 편향(airmass bias)이 발생한다. 청천복사자료와 달리 구름복사자료는 구름양에 따른 편향이 존재하기 때문에 전천복사자료동화의 편향보정은 구름의 영향이 없는 청천 화소를 이용해 편향보정계수를 산출한 후 이를 사용하였다(Lee et al., 2020). 편향보정을 마친 관측은 배경장과의 차이가 너무 커서 자료동화에서 소화하기 힘든 관측을 제거하기 위해 초기추정치 차이(first-guess departure; O–B)를 이용한 이상치 검사(outlier check) 과정을 거치게 된다. 이때, 청천복사자료의 O–B 임계치(threshold)는 일정한 상수를 사용하는 반면, 전천복사자료의 O–B 임계치는 구름양의 함수로 된 값을 사용하였다. KPOP에서 다양한 품질검사를 마친 관측은 서로 간의 오차상관성이 없는 독립적인 관측을 동화하기 위해 1° × 1° 간격의 솎아내기(thinning)를 거친 후 KVAR로 넘겨지게 된다(Table 2).

한편, 청천복사자료동화에서 MHS와 MWHS-2의 관측오차는 현업시스템과 동일한 5K로 설정한 반면, 전천복사자료동화의 관측오차는 Geer and Bauer (2011) 방법을 이용해 구름예측인자(cloud predictor)의 함수로 적용하였다. 구름예측인자는 두 센서 모두 89 GHz와 150 GHz 근처 대기창 채널의 휘도온도 차이를 이용한 산란지수(SI; Bennartz et al., 2002)를 사용하였으며, 관측과 배경장의 구름불일치를 고려하기 위해 관측과 배경장으로 구한 값을 평균한 산란지수 (symmetric SI)를 사용하였다(Lawrence et al., 2015; Lee et al., 2020). 일반적으로 관측오차는 O–B의 표준편차에 근거해 산출하게 되는데, MHS보다 MWHS-2의 O–B 표준편차가 구름 지역에서 상대적으로 크게 구해져 MWHS-2의 관측오차를 MHS보다 크게 설정하였다.

마이크로파 위성의 구름복사자료가 KIM 초기장 및 예측장에 미치는 영향을 살펴보기 위하여 MHS와 MWHS-2의 청천복사자료동화(CTL)와 전천복사자료동화(EXP)에 대한 KIM 순환예측실험을 수행하였다. 본 연구에서는 25 km(현업시스템은 12 km)의 모델해상도와 50 km(현업시스템은 32 km)의 자료동화 해상도를 가진 기상청 현업예보모델 KIM 버전 4.0을 이용하였다. 사이클 기간은 2023년 6월 25일 1200 UTC부터 9월 5일 1800 UTC까지이며, 사이클 실험을 마친 CTL과 EXP의 분석장과 예측장은 주요 대기 변수의 성능 검증을 위해 0.25^o 간격으로 내삽하여 IFS 분석장과 비교하였다.

3. 결과 및 토의

3.1 전천복사자료동화가 모델 초기장에 미치는 영향

MHS와 MWHS-2 자료동화에 관한 KIM 순환예측실험에서 전천복사자료동화의 관측 수는 대류성 구름이 많은 적도와 여름철 집중호우가 많은 동아시아에서 20~26% 증가했다. 전천복사자료동화에서 새롭게 추가된 관측은 배경장과의 차이(O–B)가 크게 나타나며(Figs. 1-2), 이때 관측과 배경장은 동일한 변수인 휘도온도이다. Hybrid-4DEnVar는 비용함수(cost function) 계산에서 수증기, 온도 등 대기물리변수에 대한 휘도온도 변화량인 자코비안을 필요로 하며, 관측연산자로 산출한 자코비안의 부호는 분석증분을 결정하는데 중요한 역할을 한다. MHS와 MWHS-2의 수증기 자코비안은 음의 부호이므로 휘도온도가 낮아질 때 수증기는 반대로 증가한다(Lee et al., 2020). 전천복사자료동화에서 저위도에 추가된 하층 채널의 관측은 배경장보다 휘도온도가 낮으므로(Figs. 1-2와 Fig. S1), 자료동화를 통해 구해진 분석장은 관측에 가까워지기 위해 배경장보다 낮은 휘도온도를 가질 것이다. 즉, O–B가 음의 값을 가진 구름, 강수 지역의 관측은(특히, 적도에서) 낮은 휘도온도의 분석장을 만들고, 대기 중 수증기 양을 증가시킬 것으로 예상된다.

Fig. 1.

Spatial distributions of first-guess departures (O–B) for MHS channel 3 (a, b), channel 4 (c, d) and channel 5 (e, f) in the clear-sky experiment (CTL; left) and the all-sky experiment (EXP; right) on 25 July 2023 at 1200 UTC.

Fig. 2.

Same as Fig. 1, but for MWHS-2 channel 11 (a, b), channel 12 (c, d), channel 13 (e, f) and channel 15 (g, h).

Figure 3에서는 IFS 분석장으로 검증한 CTL과 EXP의 비습 분석장 오차 시계열을 보여준다. 스핀업 5일을 제외한 전 사이클 기간 동안 10~1,000 hPa 층의 비습 오차를 전구 평균한 결과, 일 별 차이는 있으나 대부분 EXP 오차가 CTL 오차보다 작게 구해졌다. 이는 비습 분석장에서 전천복사자료동화 실험이 더 우수한 성능을 보였음을 의미한다. Figure 3에서 막대바로 표현한 전천복사자료동화에 의한 비습 오차의 변화율 역시 전반적으로 음의 값(전 기간 평균은 -0.4%)으로 구해져 CTL에 비해 EXP의 분석장 오차가 감소했음을 알 수 있다.

Fig. 3.

Time series of root-mean-square-error (RMSE) for specific humidity (Q) analysis during the cycling period after spin-up. The line plots represent the CTL RMSE (black line) and EXP RMSE (blue line), while bar graph shows the percentage difference in analysis RMSEs between CTL and EXP i.e., EXPRMSE-CTLRMSECTLRMSE×100.

MHS와 MWHS-2 전천복사자료동화로 초기장이 개선된 지역을 살펴보기 위해 Fig. 4에서 CTL과 EXP의 비습 변수의 편차(Bias)와 오차(RMSE)를 비교해 보았다. KIM은 850 hPa 부근에서 건조 편차를 가지며, 850 hPa보다 높은 700 hPa과 925 hPa 이하에서 습윤 편차를 갖는다(Figs. 4a, b). 이처럼 모델의 연직 편차가 음/양으로 다를 경우, 연직으로 누적된 정보를 제공하는 위성자료를 동화하는데 어려움이 발생한다. 예를 들어, 위성자료의 편향보정은 O–B를 이용하므로 모델 배경장이 가진 편향에 따라 채널들 간의 편향보정 방향이 달라질 우려가 있다. 또한, 자료동화를 통해 한 방향으로 구해진 분석증분이 모델 초기장에 더해질 때 모델의 편향에 따라 성능이 개선되거나 저하되는 대기 층이 혼재할 수 있다.

Fig. 4.

Zonal mean biases (shading) and RMSEs (solid lines) of the analyzed specific humidity (unit: g kg-1) for CTL (a) and EXP (b), zonal mean difference in the analyzed specific humidity between CTL and EXP (EXP−CTL; c), and zonal mean difference between CTL RMSE and EXP RMSE (EXPRMSE−CTLRMSE; d) during the cycling period. Note that the blue shading in (d) indicates the beneficial impact of all-sky radiance assimilation on the analysis.

전천복사자료동화는 사이클 기간 동안 적도를 포함한 저위도에서 CTL보다 습한 증분을 만들었고, 그 외 지역에서는 건조한 증분을 만들었다(Fig. 4c). 남·북반구 중위도에서 EXP가 만든 CTL보다 건조한 증분은 습윤 편차가 존재하는 지역에는 유리하고, 건조 편차가 존재하는 지역에는 불리할 것이다. 특히, 적도를 포함한 저위도에서 EXP가 만든 CTL보다 습한 증분은 850 hPa 대기 층에 나타난 건조 편차를 해소하는데 유리하다. 결과적으로 전천복사자료동화는 모델의 건조 편차가 있는 저위도에서 청천복사자료동화보다 수증기 증분을 더 많이 만들어 모델의 비습 초기장 오차를 감소시키는데 기여했다(Fig. 4d와 Figs. S2a, b).

Figure 5에서는 전천복사자료동화가 온도 초기장에 미치는 영향을 보여준다. 전체 사이클 기간 동안 적도를 포함한 저위도에서 CTL과 EXP의 온난 편차는 유사하지만, 남·북반구 중위도 상층의 한랭 편차는 CTL보다 EXP에서 크게 증가했다(Figs. 5a, b). CTL과 EXP의 온도 분석장 차이(EXP-CTL)에서도 700 hPa 이상 고도의 남·북반구 중·고위도(30°~80°S, 60°~90°N)에서 음의 값이 크게 나타난다(Fig. 5c). 한 가지 흥미로운 것은 전천복사자료동화 실험에서 CTL과 EXP의 온도 분석증분 차이가 구름, 강수가 많은 적도가 아닌 남∙북반구 중위도에서 나타난다는 것이다(Figs. S2c, d). 이는 KIM의 배경오차공분산 오차가 비습은 적도를 중심으로 한 저위도에서 큰 반면, 온도 변수는 남∙북반구 중위도에서 크기 때문인 것으로 추정되나 이에 대해서는 보다 자세한 분석이 필요하다(Fig. S3). 대기 하층에서 전천복사자료동화가 만든 CTL보다 따뜻한 증분은 남·북반구 중·고위도에서 모델의 온도 초기장 오차를 감소시키는 긍정적인 결과를 보였고, 대기 상층의 차가운 증분은 초기장 오차를 증가시키는 결과를 가져왔다(Figs. 5c, d).

Fig. 5.

Same as Fig. 4, but for the analyzed temperature (unit: Kelvin) of CTL and EXP. Note that ‘A’ in (d) indicates an area where the degradation in analysis performance is caused by the all-sky radiance assimilation.

Figure 5d의 A 지역은 전천복사자료동화로 인해 온도 분석장 오차가 증가한 지역이다. 500 hPa의 남반구 중위도는 모델의 성능을 좌우하는 중요한 지역이므로 이를 더 명확히 비교하기 위해 CTL과 EXP의 편차와 오차의 공간분포를 제시하였다(Fig. 6). A 지역에 해당하는 남반구 중위도에서 두 실험의 편차를 비교해 보면, 대오스트레일리아만(Great Australian Bight) 주변 해양에서 EXP의 한랭 편차가 CTL보다 크다(Figs. 6a, b). 이 지역은 기존에 한랭 편차가 있던 지역이므로 전천복사자료동화가 30°~70°S 위도대에 만든 CTL보다 차가운 증분은 모델의 온도 초기장 오차를 더 증가시켰다(Figs. 6c, d). 비습과 달리 온도 변수는 남반구 중위도에서 분석증분을 크게 만드는 경향이 있으므로(Fig. S2), 전천복사자료동화의 성능 개선을 위해 온도 분석장 품질을 저하시기는 관측에 대한 품질검사를 좀 더 강화해야 할 것이다.

Fig. 6.

The biases (a, b) and RMSEs (c, d) of the temperature analysis fields for CTL and EXP at 500 hPa during the cycling period. ‘A’ is the latitude band where the degradation in analysis performance is caused by the all-sky radiance assimilation.

3.2 전천복사자료동화가 모델 예측장에 미치는 영향

사이클이 진행되는 동안 전천복사자료동화가 모델 배경장에 미치는 영향을 살펴보기 위하여 위성 관측 검증을 수행하였다. 183 GHz의 고주파 센서인 MHS와 MWHS-2는 대류권의 수증기와 온도 정보를 제공하므로 이들과 유사한 특성을 가진 마이크로파 센서인 ATMS(온도 채널 06~15, 수증기 채널 18~22), AMSU-A(온도 채널 05~14)와 GK2A에 탑재된 AMI 관측을 이용해 산출한 CSR(적외파 채널 08~15)의 O–B 통계값을 분석하였다(Fig. 7). 만약 전천복사자료동화가 모델 오차 감소에 기여했다면 사이클이 진행됨에 따라 모델 배경장의 품질이 개선될 것이다. 전천복사자료동화 실험(EXP)의 배경장 품질이 개선되면 관측연산자의 모델 입력자료가 기존보다 정확해짐에 따라 관측연산자가 모의한 휘도온도의 오차가 감소하고, 그 결과 O–B의 표준편차도 줄어든다. 전천복사자료동화 실험에서 수증기 센서(ATMS 채널 18~22; GK2A/AMI CSR 채널 08~11)의 O–B 표준편차는 감소한 반면, 온도 센서(ATMS 채널 06~15; AMSU-A채널 05~14)의 O–B 표준편차는 증가하였다. 즉, MHS와 MWHS-2 전천복사자료동화는 모델 배경장의 수증기 오차를 감소시키고, 온도 오차를 증가시킨 것을 알 수 있다.

Fig. 7.

Relative change (%) in the O–B standard deviation (std. dev.) of (a) ATMS, (b) AMSU-A, and (c) GK2A/AMI CSR during the cycling period.

Figures 8, 9는 예측 시간에 따라 전천복사자료동화에 의한 비습 및 온도 변수의 예측 성능(두 실험의 오차 차이; EXP_RMSE−CTL_RMSE)을 위도-고도 단면도로 그린 것이다. 비습 초기장(분석장)의 개선은 예측 시간이 길어질수록 적도를 포함한 저위도에서 북반구 중위도로 퍼져 나간다(Fig. 8). 전천복사자료동화에 의한 비습 초기장의 개선은 120시간 예측까지 이어졌으며, 초기장의 긍정적인 영향은 남반구에 비해 북반구에서 더 크게 나타났다. 반면, 온도 초기장(분석장)의 긍정적인 영향은 700 hPa 이하의 남∙북반구 중위도에서 나타나 24시간 예측 이후 사라지고, 700 hPal 이상의 부정적인 영향이 예측 시간에 따라 중위도에서 60^o이상의 고위도로 퍼져 나갔다(Fig. 9). KIM과 유사한 Hybrid-4DEnVar 기법을 사용하는 캐나다 전지구예측시스템(GDPS)의 MHS 전천복사자료동화 연구에서도 예측 시간에 따라 남∙북반구 고위도(60^o~90^oS, 80^o~90^oN)의 온도 예측장 오차가 증가하는 결과를 보였다(Fig. 8 in Shahabadi et al., 2024). 즉, 전천복사자료동화는 대기 변수에 따라 초기장이 예측장에 미치는 영향력이 달라진다는 것을 알 수 있다.

Fig. 8.

Zonal mean differences in the forecasted specific humidity between CTL RMSE and EXP RMSE (EXPRMSE−CTLRMSE): (a) 000-hour forecast, (b) 024-hour forecast, (c) 048-hour forecast, (d) 072-hour forecast, (e) 096-hour forecast, and (f) 120-hour forecast. Note that blue shading indicates the error reduction in specific humidity analysis due to all-sky radiance assimilation.

Fig. 9.

Same as Fig. 8, but for the forecasted temperature.

4. 결 론

본 연구에서는 기상청 현업예측모델인 KIM 4.0에서 마이크로파 수증기 센서(MHS와 MWHS-2)의 구름, 강수 자료를 추가로 동화하기 위해 KPOP과 KVAR모듈을 개선한 후, KIM 순환예측실험을 통해 모델 초기장과 예측장의 성능을 평가하였다. 전천복사자료동화 실험에서는 수증기가 풍부하고, 대류 활동이 활발한 적도(저위도) 및 중위도 강수 지역에서 많은 관측이 추가되었다. 새로 추가된 구름 지역의 위성복사 관측은 건조 오차가 심한 대류권 하층의 저위도에 수증기 증분을 더 많이 만들어 비습 초기장 오차를 감소시켰다. 저위도에 나타난 비습 초기장의 개선은 예측시간이 길어질수록 중위도의 비습 예측장 개선으로 확장됨을 알 수 있었다. 한편, 전천복사자료동화에 의한 온도 초기장의 오차 증가는 적도가 아닌 중위도에서 크게 나타나 예측 시간이 길어질수록 남∙북반구 고위도로 퍼져 나갔다.

본 연구는 최신 버전의 KIM 현업시스템에서 전천복사자료동화를 수행하기 위한 초기 연구 결과에 해당한다. 청천복사자료동화에 비해 많은 계산 자원을 필요로 하는 전천복사자료동화가 현재보다 더 좋은 성능을 얻기 위해서는 다음과 같은 다양한 연구가 추가로 진행되어야 한다.

(1) 구름 지역 관측의 편향보정 개선 및 관측오차 최적화는 전천복사자료동화의 성능 개선에 크게 기여할 것이다. 본 연구에서는 청천 지역의 샘플로 산출한 편향보정계수를 구름지역 관측의 편향보정에 사용하였으나 구름복사자료가 가진 편향 특성을 자세히 이해한다면 지금과 같이 단순한 편향보정 방법을 개선할 수 있다. 구름 지역에서 편향보정 된 관측의 품질이 달라지면 O–B를 이용해 산출하는 관측오차 역시 개선될 것이므로 구름, 강수 지역에서 만드는 분석증분이 좀 더 정확해질 것이다.

(2) 전천복사자료동화 실험에서 나타난 온도 초기장의 성능 저하를 개선하기 위해서는 주요 대기 변수에 대한 자코비안을 이해하고, 그에 대한 민감도를 살펴보는 것이 중요하다. 현재 KVAR 시스템에는 수상량에 대한 제어변수가 없지만, Hybrid-4DEnVar 기법에 수상량 자코비안을 추가한다면 현재의 온도 분석증분이 개선될 수 있을 것으로 기대된다.

(3) 마이크로파 수증기 채널의 전천복사자료를 동화했을 때 대류권 중층의 온도 오차가 증가하였는데, 향후 마이크로파 온도 센서인 AMSU-A 또는 ATMS 온도 탐측 채널의 전천복사자료를 추가로 동화한다면 본 연구에서 나타난 온도 오차 증가 문제를 해결할 수 있을 것이다.

(4) 본 연구에서 관측연산자로 사용한 RTTOV가 최근에 14.0으로 업데이트 되었으며, 업데이트 된 버전에서는 RTTOV-SCATT이 RTTOV 체계에 통합되는 등 큰 변화가 있었다. 향후 RTTOV 버전을 업데이트하여 본 연구에 적용한다면 모의된 휘도온도의 정확도가 높아질 것으로 예상된다.

Acknowledgments

본 논문의 개선을 위해 소중한 의견을 제시해 주신 두 분의 심사위원님과 연구 결과를 표출할 수 있도록 KIM 검증시스템을 제공해 주신 (재)차세대수치예보모델개발사업단의 검증진단팀 연구원분들께 깊이 감사드립니다. 본 연구는 기상청 출연사업인 (재)차세대수치예보모델개발사업단의 4차원 고품질 기상분석을 위한 최신 자료동화기술 개발(KMA2020-02211)의 지원을 받아 수행되었습니다.

References

• Bae, S. Y., S.-Y. Hong, and K.-S. Lim, 2016: Coupling WRF double-moment 6-class microphysics schemes to RRTMG radiation scheme in weather research forecasting model. Adv. Meteorol.. [https://doi.org/10.1155/2016/5070154]
• Baek, S. H., 2017: A revised radiation package of G-packed McICA and two-stream approximation: performance evaluation in a global weather forecasting model. J. Adv. Model. Earth Syst., 9, 1628-1640. [https://doi.org/10.1002/2017MS000994]
• Bauer, P., E. Moreau, F. Chevallier, and U. O’keeffe, 2006: Multiplescattering microwave radiative transfer for data assimilation applications. Quart. J. Roy. Meteor. Soc., 132, 1259-1281. [https://doi.org/10.1256/qj.05.153]
• Bauer, P., A. J. Geer, P. Lopez, and D. Salmond, 2010: Direct 4D-Var assimilation of all-sky radiances: Part I. Implementation. Quart. J. Roy. Meteor. Soc., 136, 1868-1885. [https://doi.org/10.1002/qj.659]
• Bennartz, R., A. Thoss, A. Dybbroe, and D. B. Michelson, 2002: Precipitation analysis using the Advanced Microwave Sounding Unit in support of nowcasting applications. Meteor. Appl., 9, 177-189. [https://doi.org/10.1017/S1350482702002037]
• Bloom, S. C., L. L. Takacs, A. M. da Silva, and D. Ledvina, 1996: Data assimilation using incremental analysis updates. Mon. Wea. Rev., 124, 1256-1271. [https://doi.org/10.1175/1520-0493(1996)124<1256:DAUIAU>2.0.CO;2]
• Choi, S. J., and S.-Y. Hong, 2016: A global non-hydrostatic dynamical core using the spectral element method on a cubed-sphere grid. Asia-Pac. J. Atmos. Sci., 52, 291-307. [https://doi.org/10.1007/s13143-016-0005-0]
• Geer, A. J., F. Baordo, N. Bormann, and S. English, 2014: All-sky assimilation of Microwave Humidity Sounders. ECMWF Technical Memorandum, No. 741, [Available online at https://www.ecmwf.int/en/elibrary/9507-all-sky-assimilation-microwave-humidity-sounders, ]. Reading, England: ECMWF.
• Geer, A. J., F. Baordo, N. Bormann, P. Chambon, S. English, M. Kazumori, H. Lawrence, P. Lean, K. Lonitz, and C. Lupu, 2017: The growing impact of satellite observations sensitive to humidity, cloud and precipitation. Quart. J. Roy. Meteor. Soc., 143, 3189-3206. [https://doi.org/10.1002/qj.3172]
• Geer, A. J., and Coauthors, 2018: All-sky satellite data assimilation at operational weather forecasting centres. Quart. J. R. Meteor. Soc., 144, 1191-1217. [https://doi.org/10.1002/qj.3202]
• Geer, A. J., and P. Bauer, 2011: Observation errors in all-sky data assimilation. Quart. J. Roy. Meteor. Soc., 137, 2024-2037. [https://doi.org/10.1002/qj.830]
• Geer, A. J., P. Bauer, K. Lonitz, V. Barlakas, P. Eriksson, J. Mendrok, A. Doherty, J. Hocking, and P. Chambon, 2021: Bulk hydrometeor optical properties for microwave and sub-mm radiative transfer in RTTOV-SCATT v13.0. Geosci. Model Dev., 14, 7497-7526. [https://doi.org/10.5194/gmd-2021-73]
• Han, J.-Y., S.-Y. Hong, K.-S. S. Lim, and J. Han, 2016: Sensitivity of a cumulus parameterization scheme to precipitation production representation and its impact on a heavy rain event over Korea. Mon. Wea. Rev., 144, 2125-2135. [https://doi.org/10.1175/MWR-D-15-0255.1]
• Hong, S.-Y., J. Dudhia, and S.-H. Chen, 2004: A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation. Mon. Wea. Rev., 132, 103-120. [https://doi.org/10.1175/1520-0493(2004)132<0103:ARATIM>2.0.CO;2]
• Hong, S.-Y., Y. C. Kwon, T.-H. Kim, J.-E. Kim, S.-J. Choi, I.-H. Kwon, J. Kim, E.-H. Lee, R.-S. Park, and D.-I. Kim, 2018: The Korean Integrated Model (KIM) system for global weather forecasting. Asia-Pac. J. Atmos. Sci., 54, 267-292. [https://doi.org/10.1007/s13143-018-0028-9]
• Kang, J.-H., and Coauthors, 2018: Development of an observation processing package for data assimilation in KIAPS. Asia-Pac. J. Atmos. Sci., 54, 303-318. [https://doi.org/10.1007/s13143-018-0030-2]
• Kwon, I.-H., and Coauthors, 2018: Development of an operational hybrid data assimilation system at KIAPS. Asia-Pac. J. Atmos. Sci., 54, 319-335. [https://doi.org/10.1007/s13143-018-0029-8]
• Kwon, Y. C., and S.-Y. Hong, 2017: A mass-flux cumulus parameterization scheme across gray-zone resolutions. Mon. Wea. Rev., 145, 583-598. [https://doi.org/10.1175/MWR-D-16-0034.1]
• Lawrence, H., N. Bormann, Q. Lu, A. Geer, and S. English, 2015: An evaluation of FY-3C MWHS-2 at ECMWF. EUMETSAT/ECMWF Fellowship Programme, Resaerch Report No. 37, [Available online at https://www.ecmwf.int/sites/default/files/elibrary/2015/10668-evaluation-fy-3c-mwhs-2-ecmwf.pdf, ].
• Lee, S., H.-J. Song, H.-W. Chun, I.-H. Kwon, J.-H. Kang, and S. Lim, 2020: All-sky microwave humidity sounder assimilation in the Korean Integrated Model forecast system. Quart. J. Roy. Meteor. Soc., 146, 3570-3586. [https://doi.org/10.1002/qj.3862]
• Lee, S., H.-J. Song, I.-H. Kwon, and J.-H. Kang, 2022: Impacts of Aeolus horizontal Line-Of-Sight (HLOS) wind assimilation on the Korean integrated model (KIM). Atmos. Sci. Lett., 24, e1138. [https://doi.org/10.1002/asl.1138]
• Parrish, D. F., and J. C. Derber, 1992: The national meteorological center’s spectral statistical interpolation analysis system. Mon. Wea. Rev., 120, 1747-1763. [https://doi.org/10.1175/1520-0493(1992)120%3C1747:TNMCSS%3E2.CO;2]
• Saunders, R., and Coauthors, 2018: An update on the RTTOV fast radiative transfer model (currently at version 12). Geosci. Model Dev., 11, 2717-2737. [https://doi.org/10.5194/gmd-11-2717-2018]
• Shahabadi, M. B., and M. Buehner, 2024: Implementation of all-sky assimilation of microwave humidity sounding channels in Environment Canada’s global deterministic weather prediction system. Mon. Wea. Rev., 152, 1027-1038. [https://doi.org/10.1175/MWR-D-23-0227.1]
• Shin, S., and Coauthors, 2018: Real data assimilation using the Local Ensemble Transform Kalman Filter (LETKF) system for a global non-hydrostatic NWP model on the cubed-sphere. Asia-Pac. J. Atmos. Sci., 54, 351-360. [https://doi.org/10.1007/s13143-018-0022-2]
• Song, H.-J., J. Kwun, I.-H. Kwon, J.-H. Ha, J.-H. Kang, S. Lee, H.-W. Chun, and S. Lim, 2017: The impact of the nonlinear balance equation on a 3D-Var cycle during an Australian-winter month as compared with the regressed wind-mass balance. Quart. J. Roy. Meteor. Soc., 143, 2036-2049. [https://doi.org/10.1002/qj.3065]
• Sung, K., H.-J. Song, and I.-H. Kwon, 2020: A local unscented transform Kalman filter for nonlinear systems. Mon. Wea. Rev., 148, 3243-3266. [https://doi.org/10.1175/MWR-D-19-0228.1]
• Zhu, Y., and Coauthors, 2016: All-sky microwave radiance assimilation in the NCEP’s GSI analysis system. Mon. Wea. Rev., 144, 4709-4735. [https://doi.org/10.1175/MWR-D-15-0445.1]
• Zhu, Y., G. Gayno, R. J. Purser, X. Su, and R. Yang, 2019: Expansion of the all-sky radiance assimilation to ATMS at NCEP. Mon. Wea. Rev., 147, 2603-2620. [https://doi.org/10.1175/MWR-D-18-0228.1]