기상청 전지구 해양순환예측시스템(NEMO/NEMOVAR)과 미해군 해양자료 동화시스템(HYCOM/NCODA)의 해양 일분석장 열적환경 정확도 비교

1. 서 론

해양은 뛰어난 열 저장 능력 때문에 태양복사에너지의 대부분을 흡수 · 축적하고, 열과 수증기의 증발에 의한 잠열의 형태로 대기로 열을 이동 시킨다. 해양은 대기와 열 교환뿐만 아니라 운동량, 물, 이산화탄소 등의 다양한 물리량과 물질을 교환하면서 전지구적인 날씨, 생태, 및 기후에 영향을 미친다. 바람을 통해 대기에서 해양으로의 수송된 운동량은 해표면에 풍파와 해류를 발생 시키고 이로 인해 해양의 온도 분포가 변화한다. 이러한 해양의 온도변화는 대기에 다시 영향을 미쳐 바람과 날씨를 변화시킨다. 이처럼 해양과 대기는 일방적으로 영향을 미치는 관계로 맺어져 있지 않고 상호작용을 한다. 특히, 해양은 대기에 비해 온도의 보존성과 지속성이 크기 때문에 장기간에 걸쳐 대기에 영향을 줄 수 있어 기상의 장기변화나 기후변동에 큰 영향을 미친다(Kim et al., 2013).

기상 및 기후에 미치는 이러한 해양의 중요한 영향력 때문에 세계 각국에서는 해양을 더 잘 이해하고 해양예측 기술을 높이기 위하여 다양한 연구를 진행하고 있다(Kim et al., 2005). 특히, 최근 인공위성과 ARGO를 이용한 해양관측 기술의 발달과 해양관측자료의 획기적인 증가, 그리고 해양자료동화 및 해양예측 수치모델링 기술의 발달로 해양예측 정확도는 빠른 속도로 높아지고 있다. 영국 기상청(Met Office)은 유럽연합에서 개발한 Nucleus for European Modelling of the Ocean (NEMO) 해양모델 기반으로 해양자료동화 예측시스템을 구축하여 전지구적인 해양예측뿐 아니라 지중해 및 유럽 연안을 대상으로 지역 해양예측을 현업에 활용하고 있다. 호주는 연방과학원, 호주기상청, 그리고 해군이 공동으로 Modular Ocean Model (MOM) 기반의 전지구 해양예측모델과 자료동화체계를 구축하여 다양한 해양정보를 해양생태계, 선박운항 및 해군 작전 등 다양한 분야에 활용하고 있다. 미국은 대학과 연구소에서 독자적으로 여러 해양모델들을 개발하여 사용 중에 있으며, 특히 그 중에서 군용 목적으로 필요한 해양정보를 생산하기 위해 미해군연구소에서 전지구 자료동화시스템(HYbrid Coordinate Ocean Model/Navy Coupled Ocean Data Assimilation, HYCOM/NCODA, 이후 HYCOM)을 개발하여 운용 중이다. 미해군에서 실시간으로 생산하고 있는 HYCOM의 전지구 해양 분석장 및 예측장은 전 세계적으로 단기 지역해양예측모델, 태풍-해양 접합모델, 그리고 장기 기후예측모델의 초기 · 경계장으로 가장 널리 사용되고 있다(Kim et al., 2013).

우리나라는 기상청, 국립수산과학원, 국립해양조사원, 한국해양과학기술원에서 해양예측모델 및 자료동화에 관한 다양한 기술을 개발하고 있다. 특히, 기상청 산하 국립기상과학원에서는 영국 기상청과 함께 NEMO 기반의 자료동화체계(Variational Data Assimilation, NEMOVAR)인 전지구 해양순환예측시스템(NEMO/NEMOVAR, 이후 NEMO)을 개발하여 기상청 계절예측시스템(Global Seasonal Forecast System 5, GloSea5)의 해양초기장으로 활용할 계획이다.

본 연구에서는 기상청의 전지구 해양순환예측시스템에서 생산된 해양분석장의 정확도를 다양한 관측자료를 이용하여 검증하고, 전 세계적으로 가장 널리 사용되고 있는 미해군 전지구 자료동화시스템의 해양분석장과 그 정확도를 비교하였다. 이 연구는 향후 기상청 전지구 해양순환예측시스템에서 생산한 해양 분석장 및 예측장을 현업에서 제공하기 전에 사용자에게 자료의 정확도를 알리고자 하는 목적도 있다. 최근, Jeong et al. (2016b)은 기상청에서 사용 중인 해양-대기 접합모델인 GloSea5와 해양 단독모델인 NEMO의 예측결과를 이용하여 대기-해양 접합 효과가 해양예측에 미치는 영향과 열대해양과 한반도 근해에서 전지구 해양순환예측시스템의 7일 해양예측 성능을 조사한 바 있다. 그러나 이 연구는 모델의 성능 평가가 2월과 5월에 국한되어 이루어졌을 뿐만 아니라 자료동화에 사용되지 않은 독립적인 자료를 사용하여 모델의 성능을 평가하지 못하였다. 따라서 본 연구에서는 총 1년간의 자료를 사용하여 계절별 모델의 정확도 변화를 조사하고 자료동화에 사용되지 않은 선박 관측자료를 이용하여 추가적으로 모델 자체의 성능을 평가하였다. 특히, 이번 평가는 기후 및 날씨에 직접적인 영향을 미치는 해양의 열적환경(해수면온도, 수온프로파일)에 대해서만 초점을 맞추어 수행하였다.

제 2장에서는 본 연구에 사용된 해양모델, 관측자료, 그리고 분석방법에 대해 설명하였다. 제 3장에서는 열대태평양, 북서태평양, 한반도 근해에 대해 NEMO와 HYCOM의 정확도를 평가하였다. 제 4장에서는 연구결과를 바탕으로 두 모델의 정확도 차이에 대한 토의와 결론 그리고 향후 연구에 대하여 기술하였다.

2. 자료 및 방법

2.1 모델

한국 기상청의 해양모델인 NEMO는 ORCA025L75 기반으로 수평으로 0.25^o × 0.25^o 그리고 수직으로 75층의 해상도로 구성되어 있다(Table 1). 자료동화시스템은 3차원 변분기법(3DVAR) 기반의 NEMOVAR를 사용한다(Weaver et al., 2005). 입력자료로 사용되는 관측자료들은 NEMOQC를 이용하여 품질관리가 이루어졌다. NEMO 모델의 외력은 기상청 전지구 예측모델(GDAPS)로부터 생산된 3시간 간격의 자료를 사용한다. 모델의 수직좌표계는 DRAKKAR (Bernie et al., 2005) 기반의 z-level 체계를 사용하며 수직혼합은 Turbulent Kinetic Energy (TKE) scheme을 사용한다 (Gaspar et al., 1990).

Table 1.

Comparison between NEMO and HYCOM for grid system and resolution, data assimilation method, atmospheric forcing, vertical coordinate and mixing schemes and air-sea flux exchange parameterization method.

미해군 해양모델인 HYCOM은 수평으로 1/12^o × 1/12^o 그리고 수직으로 40개 층으로 이루어져 있다(Table 1). 수직좌표계는 Hybrid 체계로 이루어져 있으며(Bleck et al., 2002), 수직혼합은 K-Profile Parameterization (KPP, Large et al., 1994) 방법을 사용한다. 모델의 대기외력은 1시간 간격의 NAVGEM (Navy Global Environmental Model) 자료를 사용한다. HYCOM의 자료동화 및 품질관리 시스템은 3차원 변분기법 기반의 NCODA를 사용한다(Cummings and Smedstad, 2013).

자료동화 방법은 두 모델이 공통적으로 3DVAR를 사용하고 있으나 사용된 관측자료들(위성고도계, 해빙농도, 수온프로파일 등을 포함한 위성 및 현장관측 자료)이 차이가 있다(Table 2). 특히 위성 해수면 온도(Sea Surface Temperature, SST)와 해빙농도에서 HYCOM이 NEMO에 비해 4배 이상의 자료를 자료동화에 사용하고 있다. 조석은 두 모델 모두 직접 고려하지는 않고 있다.

Table 2.

Types and sources of data assimilated in NEMO and HYCOM.

2.2 관측자료 및 분석방법

본 연구에서는 2015년 3월부터 2016년 2월까지 총 1년간 산출된 NEMO와 HYCOM의 일분석장을 관측자료와 비교하였다. 모델 검증에 사용된 관측자료는 열대 태평양의 TAO (Tropical Atmosphere Ocean project) 부이자료, 일본 기상청(Japan Meteorological Agency, JMA) 관측선의 북서태평양 수온프로파일 자료, 한반도 근해 기상청(Korea Meteorological Administration, KMA) 해양기상부이(KMA 부이) 자료이다.

TAO 부이는 열대 태평양해역(8^oS~9^oN, 130^oE~95^oW)에서 주로 ENSO (El Niño/Southern Oscillation)와 같이 열대해역에서의 기후변화를 감시하고 예측하기 위해 설치된 부이이다(Ji and Leetmaa, 1997; McPhaden et al., 2010; Chiodi and Harrison, 2017). TAO 부이는 약 70여개 지점에서 일 평균자료를 제공하며, 그 중 본 연구에서는 수온의 계절변동성을 조사하기 위해서 해수면온도와 수온프로파일의 관측자료 개수가 360일 이상 존재하는 24개의 TAO 부이에 대해서만 분석을 실시하였다(Fig. 1a). TAO 부이 자료는 26개의 수심에서 관측된 수온을 제공하기 때문에 이 자료를 모델과 비교하기 위해서 모델의 수심을 TAO 부이의 관측수심에 맞게 내삽하여 사용하였다.

Fig. 1.

Locations of (a) TAO buoy, (b) JMA ship observation line and (c) KMA buoy.

JMA 관측선 자료는 일본 기상청이 총 4개의 선박을 이용하여 2015년 4월부터 2016년 2월까지 북서태평양해역(125~170^oE, 1^oS~40^oN)에서 CTD를 이용하여 1 m 간격으로 2000 m 내외까지 6개의 관측라인에서 수온프로파일을 관측한 자료이다(Table 3, Fig. 1b). 이 자료는 3~4개월 정도의 품질처리 과정을 거친 후 제공되기 때문에 실시간으로 모델 자료동화의 입력자료로 사용할 수 없어 자료동화의 영향을 받지 않는 독립적인 모델의 검증에 사용 될 수 있다. JMA 관측자료도 관측수심이 모델과 다르기 때문에 모델 결과는 관측자료에 맞게 내삽하여 사용하였다.

Table 3.

Locations and observation periods for the six JMA ship observation lines.

기상청 해양기상부이 자료는 총 8개 지점(울릉도, 덕적도, 거문도, 거제도, 동해, 포항, 마라도, 외연도)에서 1시간 간격으로 관측된 SST를 일평균한 자료이다(Fig. 1c). 이 자료는 두 모델이 한반도 연안에서 얼마나 관측과 유사하게 모의하는지를 평가하기 위해 사용되었다.

본 연구에서는 모델과 관측자료의 오차 분석과 공간적인 SST 분포 양상을 파악하기 위해 추가적으로 10 km의 공간 해상도로 6시간 간격으로 제공하는 FNMOC(Fleet Numerical Meteorology and Oceanography Center) 위성 SST 자료를 사용하였다. 참고로 FNMOC 자료는 한반도 주변의 해상부이 자료와 비교에서 다양한 위성 합성자료와 모델 재분석장들 중에 해수면 온도 오차가 가장 낮은(RMSE, 0.94^oC) 것으로 알려져 있다(Beak, 2016).

모델의 검증은 편차(Bias), 평균제곱근오차(Root Mean Square Error, RMSE), 그리고 상관계수(Correlation coefficient, R)를 이용하였다.

$\[ \mathrm{B}\mathrm{i}\mathrm{a}\mathrm{s}=\frac{1}{N}{\sum }_{i=1}^N\left(M_i-O_i\right) \]$

(1)

$\[ RMSE=\sqrt{\frac{1}{N}{{\sum }_{i=1}^N\left(M_i-O_i\right)}^2} \]$

(2)

$\[ R=\frac{{\sum }_{i=1}^N\left(M_i-\overline{M}\right)\left(O_i-\overline{O}\right)}{\sqrt{{{\sum }_{i=1}^N\left(M_i-\overline{M}\right)}^2}\sqrt{{{\sum }_{i=1}^N\left(O_i-\overline{O}\right)}^2}} \]$

(3)

여기서 N은 관측자료의 개수, M은 모델값, 그리고 O는 관측값을 의미한다.

3. 열적환경에 대한 모델 정확도 비교

3.1 열대 태평양

태평양 열대해역 24개 TAO 부이에서 관측한 SST와 연직 수온프로파일 자료를 이용하여 NEMO와 HYCOM의 정확도를 비교하였다. 먼저 1년간 두 모델의 SST 오차를 분석한 결과, 두 모델 모두 대부분의 부이에서 양의 편차(즉, 과대모의 경향)를 보이며, 그 크기는 HYCOM (0.05^oC)이 NEMO (0.03^oC)보다 컸다(Fig. 2a). NEMO는 평균적으로 편차가 작을 뿐 아니라 거의 모든 지점이 양의 편차를 가지는 일관성을 보였다. 반면, HYCOM은 평균적으로 편차의 크기가 클 뿐만 아니라 부이별로 양과 음의 편차를 가지는 경향이 혼재된 결과를 보였다. RMSE도 NEMO(0.15^oC)가 HYCOM (0.29^oC)에 비해 상대적으로 작고(Fig. 2b), 상관도에서도 NEMO (R = 0.95)가 HYCOM(R =0 .83)에 비해 높은 결과를 보여(Fig. 2c), 전체적으로 NEMO가 HYCOM보다 열대해역의 SST를 더 정확하게 모의하고 있음을 알 수 있다.

Fig. 2.

Comparisons between NEMO and HYCOM for mean (a) Bias, (b) RMSE and (c) R at each TAO buoy. The black and gray lines represent NEMO and HYCOM, respectively.

두 모델에서 RMSE가 가장 큰 10번 부이와 가장 작은 23번 부이의 시계열을 분석한 결과(Fig. 3), 모델의 오차 크기는 부이별 시계열의 단기 변동성의 크기에 의존하는 것으로 나타났다. 즉 오차가 작았던 23번 부이에서는 단기변동의 진동 폭이 작았지만(Fig. 3c), 1~2주 사이에 온도가 1^oC 이상 크게 변화하는 큰 진동 폭을 보인 10번 부이에서는 오차가 크게 나타났다(Fig. 3d). 특히, HYCOM은 이러한 변동의 시점을 잘 맞추지 못할 뿐 아니라 변동을 과대 모의하는 경향을 보여 NEMO보다 더 큰 오차를 유발한 것으로 사료된다. 10번 부이에서는 흥미롭게도 연평균 SST 비해 2^oC 이상 낮은 26^oC 이하의 찬 해수가 나타나 3월 초에 급격하게 상승하는 현상이 관측되었다(Fig. 3b). 이러한 급격한 수온 상승은 2015년 봄부터 강화되기 시작한 엘니뇨의 영향 또는 북적도 해류의 남북 방향 이동과 관련된 것으로 생각된다. 이 시기에 두 모델은 이러한 급격한 수온변동을 매우 정확하게 모의하였다. 모든 부이의 오차를 월별로 평균하여 계절별 오차특성 변화를 비교한 결과(Fig. 4), 두 모델의 RMSE는 9월에 가장 낮았고 1월에 가장 큰 값을 보였다. 그러나 두 모델의 RMSE와 편차에서 뚜렷한 계절적인 변화 특성은 보이지 않았다.

Fig. 3.

Time series for daily mean SST of NEMO, HYCOM, and buoy at the two TAO buoys, (a, c) 23 and (b, d) 10, from March 2015 to February 2016 and the differences (c, d) between model and buoy.

Fig. 4.

Monthly variation of mean Bias (dashed line) and RMSE (bold line) estimated using the total 24 TAO buoy data. The black and gray lines represent NEMO and HYCOM, respectively.

TAO 부이에서는 SST뿐만 아니라 연직 수온프로파일을 제공하고 있어 수심별로 두 모델의 수온프로파일 오차를 조사하였다(Fig. 5, Table 4). 모든 부이에서 최대 오차는 온도변화가 급격히 발생하는 수온약층 깊이(100~200 m)에서 나타났다. 부이별로 500 m 수심까지 1년간 평균한 RMSE를 보면, HYCOM (0.71^oC)이 NEMO (0.36^oC)보다 평균적으로 두 배 가량 크게 나타났다. 앞서 SST에서 가장 큰 오차를 보였던 10번 부이는 수직프로파일 오차에서도 가장 큰 RMSE (HYCOM= 1.01^oC, NEMO = 0.54^oC)를 보였다. 수온약층에서 가장 큰 오차가 발생한 부이는 NEMO 경우 2번(1.18^oC) 그리고 HYCOM의 경우 5번(2.60^oC)으로 나타났다. 수심별 수온분석에서도 계절에 따른 평균 RMSE 변화는 두 모델 모두 뚜렷한 경향이 나타나지 않았다.

Fig. 5.

Comparisons between NEMO (black) and HYCOM (gray) for mean Bias (dashed line) and RMSE (bold line) at each TAO buoy, which are estimated according to depth using vertical temperature profile.

Table 4.

Comparisons between NEMO and HYCOM for the mean RMSE, Maximum RMSE, and depths with the maximum RMSE estimated using the TAO buoy data.

엘니뇨 감시구역인 Nino 3.4 지역(5^oS~5^oN, 170~120^oW)은 활발한 대기-해양 상호작용으로 상층해양과 SST의 변동성이 크기 때문에 해양모델의 성능을 조사하는 데 널리 사용된다(An and Choi, 2012; Park et al., 2015; Jeong et al., 2016a). 본 연구에서는 Nino 3.4 지역에 위치한 TAO 부이(4, 5, 6, 10, 19, 20, 21, 22번)의 SST 평균값을 이용하여 두 모델의 열대해역 모의 성능을 조사하였다. 분석결과, 두 모델 모두 Nino 3.4 지역에서 SST의 계절변동을 관측 값과 유사하게 잘 모의하고 있었지만 NEMO가 HYCOM에 비해 좀 더 오차가 작았다(Fig. 6).

Fig. 6.

Comparisons between monthly mean SST estimated using eight TAO buoys located at Nino 3.4 region and model-simulated mean SST at the same locations from March 2015 to February 2016. The black and gray lines represent NEMO and HYCOM, respectively. The open circles present the TAO buoy.

3.2 북서태평양

자료동화에 사용되지 않은 북서태평양 JMA 관측선 자료를 이용하여 두 모델의 연직 수온프로파일 정확도를 조사하였다. 이 자료는 3.1장에서 분석한 TAO 부이 자료보다 더 깊은 수심(약 2000 m)까지 관측된 자료이기 때문에 모델의 심층수온 정확도를 조사하는 데에도 유용하게 사용될 수 있다. 본 연구에서는 압력의 효과를 제거한 온위(potential temperature)를 이용하여 수온의 변화와 차이가 큰 수심 1000 m까지의 수온 프로파일에 대해서 정확도를 조사하였다. JMA 관측자료와 NEMO는 온위 자료가 제공되나 HYCOM은 현장온도 자료만 제공되어, 본 연구에서는 현장온도를 온위로 변환한 후 사용하였다. Figure 7은 6개의 관측라인에 대하여 수심별로 구한 편차와 RMSE를 나타낸다. 6개 라인에 대해 모두 평균한 RMSE는 NEMO (0.49^oC)가 HYCOM (0.73^oC)보다 약 50% 작았으며, B와 C 라인에서 가장 큰 오차를 보였다(Table 5). B라인은 쿠로시오 해류와 오야시오 해류가 만나 수온의 변동성이 큰 지역이기 때문에 두 모델 모두 수심 200 m 이내에서 큰 오차가 나타났다. C 라인에는 북태평양 중층수(North Pacific Intermediate Water, NPIW)가 위치한다. NPIW는 중층(수심 200 m에서 1200 m 사이) 염분 최소층으로 특징지어지는 북태평양의 대표적 수괴로서, 북태평양의 아한대역에서 대기와의 열 · 담수교환에 의해 해수특성이 결정된 이후 중층 수심으로 가라앉아 북태평양 아열대순환계를 따라 순환하는 수괴이다(Shuto, 1996; Yasuda, 1997; Min and Yim, 2015). NPIW는 또한 대기 이산화탄소를 해양에 흡수 · 저장하며 대기의 기후변동을 해양에서 기억 · 보존한다. 따라서 NPIW 지역의 모의 결과는 기후 및 해양순환 모델의 성능 평가에 널리 사용된다. 특히, 수온은 NPIW의 용존산소량과 생물생산력에 영향을 미칠 뿐 아니라 북서태평양에서 기후변화를 추적하는 유용한 지표로 사용되기 때문에(Kouketsu et al., 2007) NPIW 지역에서 수온에 대한 모델의 성능평가 결과는 그 중요성과 활용성이 크다.

Fig. 7.

Same as in Fig. 5, but at the six JMA ship observation lines.

Table 5.

Comparisons between NEMO and HYCOM for the mean RMSE, Maximum RMSE, and depths and bias when RMSE is the maximum, which are estimated using the JMA ship measurement data from surface to 1000 m.

Figure 8은 NPIW 지역에서 두 모델의 열적환경 모의 성능을 조사하기 위해 C 라인을 따라 수온의 연직단면을 나타낸 그림이다. 여기에서 NEMO는 북위 33^o 근처에서 표층부터 심층까지 수온을 과대 모의하는 반면, HYCOM은 북위 30~33^o 해역에서 과소 모의가 뚜렷이 나타났다. 특히, HYCOM은 250~400 m 수심에서 과소 모의 경향이 매우 컸을 뿐 아니라(Fig. 7c) 평균 RMSE도 NEMO 비해 상대적으로 크게 나타나(Table 5), NPIW 지역에서 열적환경의 모의 성능이 NEMO에 비해 낮은 것으로 평가된다.

Fig. 8.

Distributions of (a) vertical water temperatures along the JMA observation line C from June 20 to July 13, and their differences with (b) NEMO and (c) HYCOM.

3.3 한반도 근해

8개의 KMA 부이의 일평균 SST 자료를 이용하여 NEMO와 HYCOM의 한반도 근해 SST 모의 정확도를 평가하였다(Table 6). 분석결과, 두 모델의 1년간 전체 평균 RMSE는 각각 0.61^oC와 0.72^oC로 큰 차이를 보이지 않았으나, 편차에서는 전반적으로 HYCOM (−0.19^oC)이 NEMO (0.03^oC)보다 SST를 과소 모의하는 경향이 뚜렷하게 나타났다. 평균적으로 보면, 한반도 근해에서 모델의 오차는 열대 태평양에서 보다 전반적으로 크게 나타난다. 이것은 대양에 위치한 TAO 부이에 비해 연안에 위치한 KMA 부이에서 수온의 시공간적인 변화가 크기 때문으로 사료된다.

Table 6.

Comparisons between NEMO and HYCOM for mean Bias, RMSE, and correlation coefficient (R) estimated using the KMA buoy data.

부이별로 오차를 비교해보면, 덕적도, 거문도, 마라도 부이에서는 HYCOM이 그리고 나머지 부이들에서는 NEMO의 오차가 작게 나타났다. 8개의 부이 중에 RMSE가 가장 작은 울릉도 부이와 가장 크게 나타난 포항 부이(특히 HYCOM에서)의 SST 시계열과 모델과 관측의 차이를 분석하였다(Fig. 9). 두 모델은 각 부이에서 10~28^oC까지 변화하는 수온의 계절변동을 전반적으로 잘 모의하고 있으나, HYCOM의 오차가 NEMO보다 크게 나타났다. 특히, 포항에서는 8, 12, 1월에 HYCOM의 오차가 2^oC를 초과하는 경우가 몇 차례 발생하였다(Fig. 9d).

Fig. 9.

Time series for daily mean SST of NEMO, HYCOM, and buoy at the two KMA buoys, (a, c) Ulleungdo and (b, d) Pohang buoy, from March 2015 to February 2016, and the differences (c, d) between model and buoy.

월별로 모델의 편차 변동을 분석한 결과에서(Fig. 10), NEMO는 가을철(11월)까지 양의 편차를 보이다가 겨울철에 급격하게 음의 편차로 바뀌는 계절적인 변화의 특성을 잘 나타내고 있다. 특히, 음의 편차가 가장 큰 12월과 1월에는 NEMO의 RMSE도 가장 큰 값을 보였다. HYCOM 경우 모든 계절에서 과소 모의 경향이 나타났으며(특히 9월에 가장 음의 편차가 크게 나타남), NEMO와 달리 여름철(7~8)월에 RMSE가 가장 크게 나타났다.

Fig. 10.

Same as in Fig. 4, but using the eight KMA buoys.

NEMO의 경우 1월에 덕적도와 거문도 부이에서 오차와 과소 모의가 가장 크게 나타났다. 이 두 지점에서 겨울철(12, 1, 2월) 모델의 SST를 관측값과 비교한 결과(Fig. 11), NEMO가 전반적으로 겨울철에 SST를 과소 모의하는 것이 뚜렷하게 나타난다. 이 결과는 앞서 대부분의 부이 분석결과에서 NEMO가 HYCOM에 비해 낮은 오차와 편차를 보인 것과 대조적이다. 보다 자세한 분석을 위하여 NEMO의 오차가 가장 컸던 2016년 1월 20일에 대하여 위성 FNMOC SST 자료를 이용하여 공간분포를 비교하였다(Fig. 12). 오차가 컸던 덕적도와 거문도 부근에서 NEMO가 위성자료보다 SST를 과소 모의 하는 경향이 뚜렷이 보인다.

Fig. 11.

Same as in Fig. 9, but at the two KMA buoys, (a) Deokjeokdo and (b) Geomundo buoy, during the winter season (December 2015 to February 2016).

Fig. 12.

Spatial distributions of SST from (a) NEMO, (b) HYCOM and (c) FNMOC satellite on 20 January 2016. The red X and O symbols represent the location of Deokjeokdo and Geomundo buoy. The contour interval is 2.0oC.

덕적도 부이가 위치한 경기만 태안반도 주변 해역은 강한 조류로 인한 조석혼합으로 조석전선(Tidal front)이 발생하는 것으로 알려져 있다(Cho and Seung, 1989). 거문도 부이는 제주도 해협에 존재하는 열염전선으로 인하여 표층 수온 · 염분 변화가 크게 나타나는 지역이다(Han et al., 2013). Hickox et al. (2000)은 위성 SST 자료를 이용하여 두 지역에서 겨울철에 뚜렷이 나타나는 전선의 존재를 보고한 바 있다. 이렇게 전선이 발생하는 지역은 공간적인 수온의 변화가 크기 때문에 수평해상도가 낮은 NEMO 모델에서는 지역 및 시기에 따라 큰 오차가 발생할 가능성 있다. 그러나 두 모델은 수평해상도뿐 아니라 수직격자 체계(z-level과 Hybrid), 수직해상도(75층과 40층) 그리고 수직혼합 scheme(TKE와 KPP) 등에도 차이가 있어 두 모델에서 이러한 지역별 오차의 차이를 유발한 원인을 본 연구에서는 명확히 찾기 어렵다.

4. 결론 및 요약

본 연구에서는 기상청 전지구 해양순환예측시스템(NEMO/NEMOVAR)의 정확도를 평가하기 위하여 열대 태평양 TAO 부이, 북서태평양 해역의 JMA 관측선, 그리고 한반도 근해의 KMA 부이 자료를 이용하여 1년간(2015년 3월~2016년 2월) 모델 분석장의 편차, RMSE, 상관도를 조사하였다. 또한 최근 전 세계적으로 가장 널리 사용되고 있는 미해군의 해양자료 동화시스템(HYCOM/NCODA)의 분석장 정확도를 같이 평가하여 상대적 모델 성능을 분석하였다.

열대 태평양에서는 NEMO가 HYCOM에 비해 SST와 연직 수온프로파일에서 관측에 더 가깝게 해양을 모의하였다. SST의 오차(RMSE)를 비교해 보면, 평균적으로 NEMO (0.15^oC)가 HYCOM (0.29^oC)에 비해 약 2배 작았다. 이러한 차이는 HYCOM이 SST의 변화 시점을 잘 맞추지 못할 뿐 아니라 변동을 과대 모의하여 나타났다. 연직 수온프로파일의 분석에서는 두 모델 모두 온도변화가 급격히 발생하는 수온약층 깊이(100~200 m)에서 최대 오차가 나타났고, 1년간 수심 평균한 오차 비교에서 HYCOM (0.71^oC)이 NEMO (0.36^oC)보다 평균적으로 약 두 배 크게 나타났다. 대기-해양 상호작용으로 인해 수온 변동성이 큰 Niño 3.4 지역에서는 두 모델 모두 SST의 계절변동을 관측값과 유사하게 잘 모의하고 있었으나, NEMO가 HYCOM에 비해 좀 더 정확도가 높았다. 모든 TAO 부이에서 오차의 계절적인 변화는 SST와 수온프로파일에서 두 모델 모두 뚜렷하지 않았다.

JMA 관측선 자료는 자료동화에 사용되지 않은 독립적인 자료이며, TAO 부이보다 더 깊은 약 2000 m 수심까지 관측되어 모델의 중층과 심층 수온 정확도 분석에 유용하다. 북서태평양의 총 6개 관측라인에 대해 모두 1000 m까지 수심 평균한 오차는 NEMO (0.49^oC)가 HYCOM (0.73^oC)보다 약 50% 작았다. 특히, 북태평양 중층수의 분포를 볼 수 있는 C 라인의 수온연직단면의 공간적인 분포 분석에서 NEMO가 HYCOM보다 북태평양 중층수 수온 분포를 더 잘 모의하는 것으로 나타났다. 쿠로시오 해류가 지나는 C 라인과 쿠로시오와 오야시오 해류가 만나는 B 라인에서는 두 모델 모두 오차가 가장 크게 나타났다.

KMA 부이를 이용한 한반도 근해의 SST 모의 정확도 평가에서는 두 모델의 1년간 전체 평균 오차가 큰 차이를 보이지 않았으나(NEMO, 0.61^oC; HYCOM, 0.72^oC), 편차에서는 전반적으로 HYCOM (−0.19^oC)이 NEMO (0.03^oC)보다 과소 모의하는 경향이 뚜렷하게 나타났다. NEMO의 경우 가을철(11월)까지 양의 편차를 보이다가 겨울철에 급격하게 음의 편차로 바뀌는 계절적인 변화특성이 나타났고, 특히 음의 편차가 가장 큰 12월과 1월에는 가장 큰 오차를 보였다. HYCOM 경우 모든 계절에서 과소 모의 경향이 나타났고, NEMO와 달리 여름철(7~8)월에 오차가 가장 크게 나타났다. NEMO의 경우 1월에 덕적도와 거문도 부이에서 큰 오차와 과소 모의 경향이 가장 크게 나타났다. 이것은 이 지역에서 빈번이 나타나는 조석전선과 열염전선의 영향으로 해상도가 낮은 NEMO 모델에서 공간적인 수온의 변화가 큰 전선을 모의하는 데에는 한계가 있음을 시사한다.

본 연구에서 나타난 NEMO와 HYCOM의 해양분석장 모의성능 차이는 두 모델의 해상도, 격자시스템, 수직혼합 scheme을 포함한 모델 자체의 차이뿐 아니라 사용된 자료동화 시스템 및 자료동화에 쓰이는 입력자료, 그리고 대기외력의 차이 등 다양한 원인으로 인해 발생했을 것으로 사료된다. 따라서 현재 상태에서 어떠한 원인이 모델의 성능차이를 유발하였는지를 파악하는 것은 어렵다. 그러나 모델의 수평해상도에서 HYCOM이 NEMO에 비해 약 3배 정도 높은 반면, 수직해상도에서 NEMO (75층)가 HYCOM (40층) 보다 약 두 배 정도 높은 사실은 두 모델의 지역별 및 수심별 성능차이를 유발한 주요한 원인으로 사료된다. 즉, 다른 요인들이 같다면 앞서 언급한 바와 같이 공간적인 변화가 심한 전선지역에서는 HYCOM이 그리고 수직적으로 고분해가 필요한 북태평양 중층수 지역에서는 NEMO가 더 유리하게 작용할 수 있다.

자료동화 방법에서도 두 모델은 동일한 3DVAR 방법을 사용하고 있으나 품질처리과정을 포함한 자료동화 시스템 자체가 다를 뿐 아니라(NEMO는 NEMOVAR 그리고 HYCOM은 NCODA), 자료동화에 사용된 입력자료의 개수와 종류가 다른 점이 두 모델의 성능차이에 영향을 미친 것으로 사료된다. 특히, 두 모델의 자료동화에 사용된 위성 SST 자료를 비교하면, HYCOM이 훨씬 다양하고 많은 자료를 사용하고 있음에도 불구하고 TAO 부이의 SST 오차가 NEMO에 비해 약 두 배 정도 크게 나타난 것은 자료동화에 사용된 자료의 양이 모델의 정확도와는 크게 관련이 없을 수 있고, 오히려 정확도 높은 양질의 자료만을 선택하여 자료동화에 사용하는 것이 모델 성능 개선에 더 도움이 될 수 있음을 간접적으로 시사한다. 한 예로 Cummings and Smedstad (2014)는 HYCOM의 자료동화에 사용된 입력자료를 분석한 결과에서 정지궤도 위성인 GOES-13 (Geostationary Operational Environmental Satellite-13)의 Full-disk 영역 가장자리에서 오차가 증가하는 경향을 확인하였고, 이것이 자료동화 시에 오차를 증가시킬 수 있음을 보고한 바 있다. 그러나 자료동화에 사용되지 않은 자료를 이용한 비교한 결과에서도 두 모델의 차이가 크게 나타난 것으로 보아, 두 모델의 정확도 차이는 자료동화 방법과 사용된 자료 이 외에도 앞서 언급한 모델 자체의 다양한 차이에서 비롯될 수 있다.

본 연구에서는 다양한 관측자료를 이용하여, 한정된 기간(1년간), 지역(태평양 열대해역, 북태평양지역, 한반도 근해), 그리고 요소(열적환경)에 대해서만 NEMO와 HYCOM의 정확도를 평가하였다. 따라서 본 연구의 결과가 다른 연도와 해역(대서양, 인도양 등)에서도 같이 적용되는 지는 알 수 없으며, 특히 수온 이외에 염분이나 해류 등에 대해서도 평가가 이루어지지 않아 두 모델의 성능 평가에 대한 전체적인 결론을 내리기 위해서는 좀 더 장기간 여러 지역의 다양한 요소에 대한 평가가 필요하다. 그러나, 비록 한정된 평가이지만 본 연구결과는 크게 두 가지의 의미를 가질 수 있다. 첫째, 본 연구결과는 NEMO 기반의 기상청 전지구 해양예측시스템이 향후 현업화되어 해양분석장 및 예측장이 실시간으로 제공될 때에 그 정확도가 어느 정도인지를 판단할 수 있는 기초자료가 될 수 있다. 둘째, 본 연구에서 기상청 전지구 해양예측시스템의 결과를 현재 우리나라에서 가장 널리 사용되고 있는 HYCOM 자료와 제한적이지만 정량적으로 비교하여 그 우수성이 증명되었다는 점이다. 따라서 본 연구는 향후 NEMO가 지역해양모델링, 태풍예측, 그리고 장기예측 등의 다양한 분야에서 HYCOM을 대체하여 활용될 때에 중요한 기초자료로 사용될 수 있을 것이다.

Acknowledgments

이 연구는 기상청 국립기상과학원 기상업무지원기술 개발연구(NIMS 2016-3100)의 지원으로 수행되었습니다.

References

• An, S.-I., and J. Choi, (2012), On the development of 2012 El Niño, Atmosphere, 22, p465-472, (in Korean with English abstract). [https://doi.org/10.14191/Atmos.2012.22.4.465]
• Beak, Y.-H., (2016), A study on an accuracy of satellite observed and numerical model-calculated SST around the Korean peninsula, M.S. thesis, Jeju National University, p70, (in Korean with English abstract).
• Bernie, D. J., S. J. Woolnough, J. M. Slingo, and E. Guilyardi, (2005), Modeling diurnal and intraseasonal variability of the ocean mixed layer, J. Climate, 18, p1190-1202. [https://doi.org/10.1175/jcli3319.1]
• Bleck, R., G. R. Halliwell Jr., A. J. Wallcraft, S. Carroll, K. Kelly, and K. Rushing, (2002), HYbrid Coordinate Ocean Model (HYCOM) User’s Manual: Details of the Numerical Code, HYCOM, Version 2.0.01, p177.
• Chassignet, E. P., H. E. Hurlburt, O. M. Smedstad, G. R. Halliwell, P. J. Hogan, A. J. Wallcraft, R. Baraille, and R. Bleck, (2007), The HYCOM (Hybrid Coordinate Ocean Model) data assimilative system, J. Mar. Syst, 65, p60-83. [https://doi.org/10.1016/j.jmarsys.2005.09.016]
• Chiodi, A. M., and D. E. Harrison, (2017), Simulating ENSO SSTAs from TAO/TRITON Winds: The impacts of 20 years of buoy observations in the waveguide and comparison with reanalysis products, J. Climate, 30, p1041-1059. [https://doi.org/10.1175/JCLI-D-15-0865.1]
• Cho, C. H., and Y. H. Seung, (1989), An oceanographic survey of tidal front around Kyunggi Bay, Yellow Sea Res, 2, p51-61, (in Korean with English abstract).
• Cummings, J. A., and O. M. Smedstad, (2013), Variational data assimilation for the global ocean, Data Assimilation for Atmospheric, Oceanic and Hydrologic Applications, 2, p303-343.
• Cummings, J. A, and O. M. Smedstad, (2014), Ocean data impacts in global HYCOM, J. Atmos. Ocean. Technol, 31, p1771-1791. [https://doi.org/10.1175/JTECH-D-14-00011.1]
• Gaspar, P., Y. Grégoris, and J.-M. Lefevre, (1990), A simple eddy kinetic energy model for simulations of the oceanic vertical mixing: Tests at station Papa and longterm upper ocean study site, J. Geophys. Res, 95, p16179-16193. [https://doi.org/10.1029/jc095ic09p16179]
• Halliwell, G., (2004), Evaluation of vertical coordinate and vertical mixing algorithms in the HYbrid-Coordinate Ocean Model (HYCOM), Ocean Model, 7, p285-322. [https://doi.org/10.1016/j.ocemod.2003.10.002]
• Han, I.-S., Y.-S. Suh, and K.-T. Seong, (2013), Windinduced spatial and temporal variations in the thermohaline front in the Jeju Strait, Korea, Fish. Aquat. Sci, 16, p117-124. [https://doi.org/10.5657/FAS.2013.0117]
• Hickox, R., I. Belkin, P. Cornillon, and Z. Shan, (2000), Climatology and seasonal variability of ocean fronts in the East China, Yellow and Bohai Seas from satellite SST data, Geophys. Res. Lett, 27, p2945-2948. [https://doi.org/10.1029/1999gl011223]
• Jeong, J.-H., T.-W. Park, J.-H. Choi, S.-W. Son, K. H. Song, J.-S. Kug, B.-M. Kim, H. K. Kim, and S.-Y. Yim, (2016a), Assessment of climate variability over East Asia-Korea for 2015/16 winter, Atmosphere, 26, p337-345, (in Korean with English abstract). [https://doi.org/10.14191/Atmos.2016.26.2.337]
• Jeong, Y. Y., I.-J. Moon, and P.-H. Chang, (2016b), 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, p599-615, (in Korean with English abstract). [https://doi.org/10.14191/Atmos.2016.26.4.599]
• Ji, M., and A. Leetmaa, (1997), Impact of data assimilation on ocean initialization and El Niño prediction, Mon. Wea. Rev, 125, p742-753. [https://doi.org/10.1175/1520-0493(1997)125<0742:iodaoo>2.0.co;2]
• Kim, D.-H., N. Nakashiki, Y. Yoshida, K. Maruyama, and F. O. Bryan, (2005), Regional cooling in the South Pacific sector of the Southern Ocean due to global warming, Geophys. Res. Lett, 32, L19607. [https://doi.org/10.1029/2005GL023708]
• Kim, Y. H., B.-J. Choi, J.-S. Lee, D.-S. Byun, K. R. Kang, Y.-G. Kim, and Y.-K. Cho, (2013), Korean ocean forecasting system: present and future, The Sea, 18, p89-103, (in Korean with English abstract). [https://doi.org/10.7850/jkso.2013.18.2.89]
• Kouketsu, S., I. Kaneko, T. Kawano, H. Uchida, T. Doi, and M. Fukasawa, (2007), Changes of North Pacific intermediate water properties in the subtropical gyre, Geophys. Res. Lett, 34, L02605. [https://doi.org/10.1029/2006GL028499]
• Large, W. G., J. C. McWilliams, and S. C. Doney, (1994), Oceanic vertical mixing: A review and a model with a nonlocal boundary layer parameterization, Rev. Geophys, 32, p363-403. [https://doi.org/10.1029/94rg01872]
• Large, W. G., G. Danabasoglu, S. C. Doney, and J. C. McWilliams, (1997), Sensitivity to surface forcing and boundary layer mixing in a global ocean model: Annual-mean climatology, J. Phys. Oceanogr, 27, p2418-2447. [https://doi.org/10.1175/1520-0485(1997)027<2418:stsfab>2.0.co;2]
• Madec, G., (2008), NEMO ocean engine. Note du Pôle de modélisation, Institut Pierre-Simon Laplace (IPSL), France, No 27, ISSN No 1288-1619, p401.
• McPhaden, M. J., and Coauthors, (2010), The global tropical moored buoy array, Proc. OceanObs’09, 2, Venice, Italy, p668-682. [https://doi.org/10.5270/oceanobs09.cwp.61]
• Min, H. S., and B. Y. Yim, (2015), Evaluation of North Pacific intermediate water simulated by HadGEM2-AO, Ocean and Polar Res, 37, p265-278, (in Korean with English abstract). [https://doi.org/10.4217/OPR.2015.37.4.265]
• Mogensen, K., M. A. Balmaseda, A. T. Weaver, M. Martin, and A. Vidard, (2009), NEMOVAR: A variational data assimilation system for the NEMO ocean model, ECMWF Newslett, 120, p17-21.
• Park, T., C. J. Jang, M.-H. Kwon, H. Na, and K.-Y. Kim, (2015), An effect of ENSO on summer surface salinity in the Yellow and East China Seas, J. Mar. Syst, 141, p122-127. [https://doi.org/10.1016/j.jmarsys.2014.03.017]
• Shuto, K., (1996), Interannual variations of water temperature and salinity along the 137^oE meridian, J. Oceanogr, 52, p575-595. [https://doi.org/10.1007/bf02238322]
• Weaver, A. T., C. Deltel, E. Machu, S. Ricci, and N. Daget, (2005), A multivariate balance operator for variational ocean data assimilation, Quart. J. Roy. Meteor. Soc, 131, p3605-3625. [https://doi.org/10.1256/qj.05.119]
• Yasuda, I., (1997), The origin of the North Pacific intermediate water, J. Geophys. Res, 102, p893-909. [https://doi.org/10.1029/96jc02938]