The Korean Meteorological Society

Current Issue

Atmosphere - Vol. 35, No. 4

[ Article ]
Atmosphere-Korea - Vol. 35, No. 3, pp. 345-367
Abbreviation: Atmos
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 31 Aug 2025
Received 30 Apr 2025 Revised 30 Jun 2025 Accepted 03 Aug 2025
DOI: https://doi.org/10.14191/Atmos.2025.35.3.345

장기간 한반도 낙뢰 분포 특성과 지형 및 배경류와의 관련성 연구
박준석1) ; 김정훈1), 2), *
1)서울대학교 지구환경과학부
2)서울대학교 기후대기환경연구소

Lightning Climatology over the Korean Peninsula and Its Relationship with Topography and Atmospheric Condition
Jun Seok Park1) ; Jung-Hoon Kim1), 2), *
1)School of Earth and Environmental Sciences, Seoul National University, Seoul, Korea
2)Climate and Atmospheric Environment Research Institute (CARI), Seoul National University, Seoul, Korea
Correspondence to : *Jung-Hoon Kim, School of Earth and Environmental Sciences, Seoul National University, 1 Gwanak-ro, Gwanak-gu, Seoul 08826, Korea. Phone: +82-2-880-6718, Fax: +82-2-883-4972 E-mail: jhkim99@snu.ac.kr


Ⓒ 2025 Korean Meteorological Society
Funding Information ▼

Abstract

This study aims to harmonize the long-term data from the Total Lightning Detection System (TLDS; 2002~2015) and the Lightning Detection Network (LINET; 2015~2023), producing the first consistent 22-year lightning climatology over the Korean Peninsula. Spatially, flash density maxima are found over the Yellow Sea (~125.5oE) and the western inland, associated with low-level convergence zones in upslope areas of the Taebaek and Sobaek mountain ranges. Interannually, a statistically significant long-term decreasing trend in lightning activity is newly revealed over the Yellow Sea, South Sea, and adjacent inland regions. Seasonally, lightning follows a unimodal distribution with a distinct August peak (35.8%), which is surprisingly different from the bimodal pattern of seasonal heavy rainfall frequency. On the other hand, the lightning data exhibits a bimodal structure in diurnal distribution. 1) A late afternoon maximum over inland regions (1600~1700 LST), which is likely associated with thermally driven convection and topographic effect. 2) An early morning peak (0500~0600 LST) over the Yellow and South Seas, which is likely influenced by the interaction of nocturnal low-level jets with land breezes. A Hovmöller analysis highlights a prominent dawn peak in July over the eastern Yellow Sea and western inland areas, linked to an elongated low-level jet from inland China and enhanced integrated vapor transport in nighttime. These conditions favor the development of the elevated nocturnal convection propagating to the inland with large amount of lightning. This study eventually provides new insights into the spatiotemporal variability of lightning climatology in Korea.


Keywords: Lightning density, TLDS, LINET, Topography, Low-level jet

1. 서 론

번개는 일반적으로 대류운 내부의 과냉각 수적이 존재하는 기온 -10oC에서 -20oC 영역에서 싸락눈과 얼음결정이 충돌하며 발생하는 대전에 의해 발생하는 방전 현상이다. 번개의 80%는 구름 내부 또는 구름 간 방전인 구름방전으로, 구름-지면간 방전인 대지방전은 전체 번개의 약 20%를 차지한다(MacGorman and Rust, 1998; Dwyer and Uman, 2014).

대지방전인 낙뢰는 전력 시설, 운송 및 교통 수단, 개인에게 직접적인 피해를 초래할 수 있으며, 그로 인한 정전, 화재, 교통 혼잡, 인명 피해 등은 막대한 사회·경제적 손실로 이어질 수 있다. 또한, 낙뢰를 동반할 수 있는 깊은 대류는 대류 난류(convectively induced turbulence; CIT)를 유발해 항공기 안전을 위협한다. 이 중 구름 외부에서 발생하는 구름 주변 난류(near cloud turbulence; NCT)는 맑은 하늘에서도 발생할 수 있어, 조종사가 사전에 회피하기 어려운 특성이 있다. NCT는 청천 난류(clear air turbulence; CAT)와 구분되며(Kim and Chun, 2012; Lane et al., 2012; Kim et al., 2021, 2023), 조기 탐지 및 회피 전략 수립을 위한 원인 분석이 필요하다. 낙뢰는 이러한 두 난류를 구분하는 주요 지표로 활용되어 왔으며(Kim and Chun, 2011), NCT 발생의 예측과 관련된 단기 및 장기적 대기 환경을 분석하는 데에도 중요한 역할을 한다. 한반도는 여름철 동아시아 몬순의 영향을 강하게 받으며, 복잡한 지형과 해륙 분포로 인해 낙뢰 발생 기작이 지역적으로 다양하게 나타난다. 이러한 특성을 반영한 낙뢰의 기후학적 분석은 낙뢰 자체의 위험성뿐 아니라, 동일한 환경에서 발생할 수 있는 항공기 난류 사고 등 연관된 기상재해에 대해 효과적으로 대응하기 위한 기반 자료로 중요하다.

전 세계적으로 장기간 낙뢰의 기후적 특성에 대한 연구는 지상 및 위성 기반의 다양한 낙뢰 관측장비를 토대로 활발히 수행되어 왔다(e.g., Huffines and Orville, 1999; Orville et al., 2002; Altaratz et al., 2003; Qie et al., 2003; Kandalgaonkar et al., 2005; Rivas Soriano et al., 2005; Anderson and Klugmann, 2014; Chronis et al., 2015). 국내의 경우, 낙뢰 연구들은 대부분 낙뢰의 통계적 분석에 초점을 두고 있으며, 2000~2010년 사이에 집중되어 있다(Woo and Shim, 2003; Lim and Lee, 2005; Eom and Suh, 2009; Hyun et al., 2010; Kuk et al., 2010; Myoung and Suh, 2010; Oh et al., 2010). 따라서, 우리나라에서는 20년 이상의 장기간 연구가 이루어진 바가 없었으며, 2015년 9월 Total Lightning Detection System (TLDS; 2002~2015)에서 LIghtning detection NETwork (LINET; 2015~현재)로의 기상청 낙뢰 관측망의 전환으로 인한 장기간 관측체계의 불연속성을 고려한 연구가 필요한 실정이다.

기존 낙뢰 연구는 주로 개별 낙뢰의 물리적 특성(극성, 강도)이나 강수와의 통계적 관계를 분석하는 데 집중되어 왔다(Lim and Lee, 2005; Eom and Suh, 2009; Hyun et al., 2010; Myoung and Suh, 2010). 그러나 이러한 접근은 대개 낙뢰 발생과 관련된 환경의 일부만을 반영하는 근본적인 한계를 가진다. 그 결과, 여러 연구에서 공통적으로 지적된 낙뢰와 강수 간의 시공간적 분포 차이(Kar and Ha, 2003; Lim and Lee, 2005; Hyun et al., 2010)를 포함한 낙뢰의 전반적인 시공간적 특성을 온전히 설명하지 못했다. 이처럼 기존 연구의 한계가 명확한 상황에서, 복잡한 지형과 해안선을 가진 한반도의 낙뢰현상을 이해하기 위해서는 다양한 대기역학적 요인들과의 복합적인 상호작용에 대한 분석이 필수적이다. 이 가운데, 하층 제트(low-level jet; LLJ)와 통합 수증기 수송(integrated water vapor transport; IVT)은 낙뢰 발생의 배경을 이해하는데 핵심적인 기상요소로 주목된다. LLJ는 대기의 운동 에너지 및 수증기 수송에 중요한 역할을 하며(Helfand and Schubert, 1995; Higgins et al., 1997; Rife et al., 2010), 위험기상을 유발하는 주요 인자로 작용한다(Raymond, 1978; Limaitre and Brovelli, 1990; Hodges and Pu, 2019). IVT는 수증기의 수송 강도와 방향성을 반영하는 변수로, 여름철 동아시아 몬순 환경에서 대류계의 형성과 유지에 결정적인 영향을 미치는 것으로 알려져 있다(Gimeno-Sotelo and Gimeno, 2023).

따라서, 본 연구에서는 두 가지 중요한 부분에 입각하여 한반도 낙뢰 특성을 분석하였다. 첫째, TLDS와 LINET의 낙뢰 관측자료를 신뢰성 있는 통계 분석을 위해 유사한 품질을 가질 수 있도록 2002년부터 2023년까지 총 22년간의 장기간 낙뢰 관측 자료를 품질관리 하였으며, 한반도 및 인근 해역에서 발생한 낙뢰의 시·공간적 특성을 정량적으로 분석하였다. 둘째, 시·공간 분포 및 변동성 분석을 바탕으로 낙뢰 발생의 배경이 되는 지형과, LLJ, IVT 등의 대기역학적 요인들을 함께 고려함으로써, 낙뢰 발생의 대기역학적 기작에 대한 이해를 제고하고자 하였다. 2장에서는 분석에 사용된 자료, 3장에서는 각 자료의 방법론에 대해 서술할 것이다. 4장에서는 한반도 및 그 인근 해역에서 발생한 낙뢰의 시·공간적 특성, 낙뢰와 지형과의 상관관계, 그리고 LLJ와 관련된 낙뢰 분포와 전파의 원인에 대해서 분석하며 5장에서는 요약 및 결론으로 마무리 짓고자 한다.


2. 자 료
2.1 번개 관측 자료

기상청에서는 2002년 1월부터 2015년 8월까지 TLDS를 운영하였으며, 2015년 9월부터는 LINET을 운영중에 있다. TLDS는 대지방전을 주로 탐측하는 IMProved Accuracy from Combined Technology Enhanced Sensitivity and Performance (IMPACT ESP) 센서 7개소와 구름방전, 대지방전을 모두 탐측하는 Lightning Detection And Ranging II (LDAR II) 센서 17개소로 구성되어 있다(Jeong et al., 2002; Fig. 1a). IMPACT ESP 센서는 자기방향탐지(magnetic direction finding; MDF) 방식과 도달시간차(time of arrival; TOA) 방식을 함께 사용하여, LDAR II 센서는 TOA 방식만을 사용하여 번개의 위치를 특정한다. LINET은 전국에 21개의 센서가 분포되어 있으며, TOA 방식만을 사용하여 구름방전과 대지방전 모두를 탐측한다(Fig. 1b). TLDS의 번개 탐측 효율은 각 센서의 반경 250 km 이내에서 90%, 남한과 인근 해상에서 1 km 이내의 위치 정확도를 가지며(Jeong et al., 2002), LINET은 각 센서의 반경 250 km 이내에서 95%의 번개 탐측 효율과 100~250 m의 위치 정확도를 가진다(Betz et al., 2004; Betz et al., 2008).


Fig. 1. 
Topography of Korea and locations of lightning detection network sensors for (a) TLDS and (b) LINET.

2.2 수치표고모델(Digital Elevation Model; DEM) 자료

낙뢰와 지형 상관성을 분석하고자 미국 항공 우주국(National Aeronautics and Space Administration; NASA)과 국가 지리 정보국(National Geospatial-Intelligence Agency; NGA)의 합작프로젝트로 만들어진 Shuttle Radar Topography Mission (SRTM) DEM 3-arc second 자료를 사용하였다. 해당 자료는 Space Shuttle Endeavour 우주왕복선을 통해 2000년 2월 11일부터 12일 동안 지표면을 탐사하여 얻은 C-band interferometric synthetic aperture radar (InSAR) 기반 DEM 자료로, 위도 56oS-60oN까지 전 지구의 약 80%가 존재하며(Rodriguez et al., 2006; Schneider et al., 2012; EROS, 2018), http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp에서 무상으로 제공받을 수 있다.

2.3 전구 재분석 자료

ERA5는 유럽 중기 예보 센터(European Centre for Medium-Range Weather Forecasts; ECMWF)에서 2017년 생산한 5세대 재분석 자료로, 통합 수치 예보 모델인 Integrated Forecasting System (IFS) cycle 4lr2를 기반으로 생성된다. 해당 자료는 0.25o × 0.25o의 수평해상도와 1,000 hPa부터 1 hPa까지 37개의 연직 대기층으로 제공되며, 1시간 간격의 시간해상도를 가진다(Hersbach et al., 2020).


3. 방법론
3.1 번개 관측 자료 품질관리(Quality Control; QC) 및 낙뢰 밀도 산출

MDF 방식은 번개의 위치를 특정하는 데 2개의 센서만 있으면 되지만, 센서로부터의 거리에 비례하여 위치 오차가 증가하며, 적은 수의 센서에서 번개가 탐측될 때 두 센서의 기선에서 발생하는 번개는 위치오차가 매우 커진다(Stansfield, 1947; Rakov, 2013; Nag et al., 2015). 이와 달리, TOA 방식은 번개의 위치를 특정하는 데 최소 4개의 센서를 필요로 하지만, 낙뢰 관측망 내부에서는 센서로부터의 거리에 따른 오차가 변하지 않는다(Rakov, 2013; Nag et al., 2015).

IMPACT ESP는 MDF 방식과 TOA 방식을 결합하여 사용하므로, 단 2대의 센서로도 번개의 위치를 탐측할 수 있으나(Kuk et al., 2014), 4대 미만의 센서에서 번개의 위치를 특정하는 경우 MDF 방식에 의한 오차가 존재한다(Chen et al., 2013; Rakov, 2013; Nag et al., 2015). IMPACT ESP에서 탐측하는 번개의 위치 오차는 50% 신뢰 타원(50% confidence ellipse)으로 계산되는데, 해당 타원의 장반경(semi major axis; SMA)이 수평거리 오차를 나타낸다(e.g., Cummins et al., 1998; Ramos et al., 2011; Diendorfer et al., 2014; Matsui et al., 2019). SMA는 MDF의 특성 상, 두 센서의 기선과 낙뢰 관측망 외부에서 매우 길어지는 특성이 있는데(Stansfield, 1947), 이로 인해 신뢰도가 낮은 낙뢰가 2014년과 2015년 빈번하게 탐측 됐으며, 이를 제거하고자 신뢰 타원의 SMA에 임계값을 두어 해당 값 미만의 자료들만 사용하였다. 낙뢰 관측망의 센서 수와 관측망 구조에 따라 각 지역에서의 SMA는 변동이 크기에, Matsui et al. (2019)Ramos et al. (2011)은 자료의 품질에 하한선을 두고자 기상현상의 규모와 분석 해상도에 따라 임계값을 정하였다. 본 연구에서는 LINET의 모든 자료의 수평거리 오차가 5 km 미만임을 감안하여, TLDS의 자료 중 SMA가 5 km 미만인 자료만을 사용하여 TLDS와 LINET의 번개자료를 유사한 품질을 가지도록 하였다. 추가적으로, MDF와 TOA를 결합하여 사용하는 낙뢰 관측망에서 번개를 4개 이상의 센서에서 탐측하면 TOA 방식으로 번개의 위치가 정확하게 특정되기에(Chen et al., 2013), 4개 미만의 센서에서 탐측된 번개에만 해당 QC를 적용하였다. 이러한 기준을 바탕으로 다음과 같이 번개 관측 자료의 QC를 진행하였다. 1) TLDS 번개 관측 자료는 4개 미만의 센서에서 탐측된 경우 SMA가 5 km 미만인 자료만을 사용하며, 4개 이상의 센서에서 탐측된 경우 모든 자료를 사용한다. 2) LINET은 제공되는 모든 자료의 수평거리 오차가 5 km 미만이므로, 모든 자료를 사용한다.

하나의 섬광은 최대 20~100개의 전격을 포함할 수 있어(Uman, 2001; Drüe et al., 2007), TLDS와 LINET의 번개자료인 전격을 섬광으로 그룹화하는 과정이 필요하다. Cummins et al. (1998)Gill (2008)을 바탕으로, 전격을 섬광으로 그룹화한 과정은 다음과 같다. 1) 섬광의 시간은 1 s를 넘을 수 없으며, 섬광에 포함되는 첫 전격으로부터 1 km 이내의 전격만 고려하여 이전 전격과 시간 간격이 500 ms 미만인 전격들을 하나의 섬광으로 그룹화 한다. 2) 이 과정에서 동시에 여러 섬광에 소속이 가능하면 가장 가까운 첫 전격의 섬광에 포함한다. 3) 섬광의 시각과 위치는 첫 전격을 기준으로 하며, 그룹화된 모든 전격이 구름 내 전격이면 구름 내 섬광, 그렇지 않으면 구름-지면 간 섬광으로 정의한다.

본 연구에서는 번개의 최대 전류와 극성을 고려하지 않고, 구름-지면 간 섬광 즉, 낙뢰만을 이용하여 낙뢰 밀도와 빈도의 시·공간 분포와 변동을 분석하였다. TLDS의 탐측 효율이 90% 이상(Jeong et al., 2002)인 위도 33~39oN, 경도 124~130oE인 전체 분석영역(Full domain)에서 분석을 수행하였으며, 품질관리, 그룹화와 분석영역 제한에 따른 각 낙뢰 관측망의 번개 자료수의 변화는 Table 1에 제시하였다. 또한, TLDS와 LINET이 동시 관측을 수행한 2015년 4월부터 동년 8월까지 두 낙뢰 관측망에서 탐측한 월별 낙뢰빈도를 Table 2에 제시하였으며, TLDS에서 탐측한 낙뢰수가 LINET의 그것과 비교하여 상대적으로 적은 것을 고려하면 해당 품질관리 과정을 통해 추후 설명할 유의미한 장기 감소 경향은 탐측 장비 차이가 아니라 한반도 낙뢰 빈도 변화로 기인함을 설명한다.

Table 1. 
Summary of lightning stroke and flash counts from two lightning detection systems: TLDS (2002.01~2015.08) and LINET (2015.09~2023.12). “Raw data” denotes all detected strokes, “After QC” shows strokes retained after quality control, and “Flashes” are temporally and spatially clustered events. “CG Flashes” refer to cloud-to-ground flashes only, excluding intra-cloud lightning. The last row (“CG Flashes in Analysis Domain”) indicates the subset of CG flashes located within the defined spatial domain used for climatological and statistical analyses.
TLDS (2002.01~2015.08) LINET (2015.09~2023.12)
Raw data 21,678,378 4,617,780
After QC 10,241,670 4,617,780
Flashes 6,560,795 2,945,142
CG Flashes 5,960,499 2,550,162
CG Flashes in Analysis Domain 3,780,089 1,458,498

Table 2. 
Monthly counts of cloud-to-ground (CG) flashes detected by TLDS and LINET during selected months when both systems were operational. All values represent CG flashes only, derived after quality control and spatiotemporal clustering. “Mean” indicates the average CG flash count for each system over the listed months.
Monthly CG Flashes From TLDS Monthly CG Flashes From LINET
2015.04 18,195 49,530
2015.05 2,145 4,674
2015.06 23,452 42,201
2015.07 21,314 26,642
2015.08 70,015 78,667
Mean 27,024.2 40,342.8

전체 분석영역을 Fig. 2와 같이 황해(Yellow Sea, 위도 34.4~37.7oN, 경도 124.5~126.0oE)와 대한해협 일부를 포함한 남해(South Sea, 위도 33~34.2oN, 경도 126.2~130.0oE), 그리고 남한 내륙(Mainland Korea)으로 분석 영역을 나누었다. 낙뢰 밀도의 중규모 이하의 분포를 알기 위해 최대 수평 거리 오차(5 km)를 고려하여 0.05o × 0.05o의 수평해상도를 사용했으며, 각 격자에서 탐측된 연간 평균 낙뢰 수를 격자의 면적으로 나누어 구하여 Flashes km-2 year-1의 단위를 가지도록 하였다.


Fig. 2. 
Spatial domains used in this study along with their respective areas. The black, blue, green, and red boxes indicate the Full Domain (298,157.49 km2), the Yellow Sea (49,484.36 km2), Mainland Korea (96,627.71 km2), and the South Sea (46,325.09 km2), respectively.

또한, 열대저압부 혹은 온대저기압으로 약화된 태풍에 의한 낙뢰 밀도를 산출하였다. 22년간의 일본 동경 지역특별기상센터(Regional Specialized Meteorological Center-Tokyo; RSMC-Tokyo)의 6시간 간격 태풍 최적 경로 자료를 이용하였으며, 기상청의 한반도 영향 태풍 구역인 위도 32~40oN, 경도 120~138oE 영역을 태풍의 중심이 한 번 이상 지나는 태풍 중 최대 풍속이 35 kt 미만인 시각의 전후 3시간 낙뢰 자료를 사용하였다.

마지막으로, 해발고도에 따른 낙뢰 밀도 분포를 분석하기 위하여 SRTM DEM 3-arc second 자료를 기반으로 남한 내륙을 30'' × 30'' 간격으로 격자화한 후, 각 격자의 평균 고도 및 25 m 간격으로 정의된 고도 구간에 대해 면적 가중 평균 낙뢰 밀도를 계산하였다. 국토교통부(Ministry of Land, Infrastructure and Transport; MOLIT, 2017)에서 지정한 지리산 구역은 별도로 분리하여 분석에 반영하였다.

3.2 번개 관측 자료를 이용한 뇌우일 정의

품질관리가 완료된 낙뢰 자료를 바탕으로 연구 대상 지역의 뇌우일(thunderstorm day)을 정의하였다. 뇌우일 정의는 천둥의 가청 거리(최대 20 km)를 고려한 Enno et al. (2020)의 연구를 따랐다. Enno et al. (2020)은 반경 20 km의 원(이하 기준 영역) 내에서 하루 2회 이상의 낙뢰가 발생한 날을 뇌우일로 정의하였다. 본 연구에서는 Enno et al. (2020)이 제시한 최소 낙뢰 횟수 기준치인 ‘2회’를 연구 대상 지역의 면적에 비례하도록 보정하였다. 즉, 기준 영역의 면적에 대한 연구 대상 지역의 면적비를 산출하고, 여기에 기준 임계값 ‘2’를 곱하여 연구 지역의 일일 최소 낙뢰 횟수 임계값을 새롭게 설정하였다. 최종적으로, 하루 동안 관측된 총 낙뢰 횟수가 이 임계값을 초과하는 날을 연구 대상 지역의 뇌우일로 정의하였다.

3.3 홉뮬러 선도(Hovmöller diagram)를 활용한 낙뢰 빈도 분석

낙뢰 전파 특성을 분석하기 위해, 22년간 7~9월 동안 탐측된 낙뢰 자료를 활용하였다. 분석 대상 영역은 서해안 및 내륙 서부 지역으로 한정하였으며, 해당 영역 내에서 일별 낙뢰 빈도가 99백분위수 미만에 사례만을 사용하였다. 선별된 낙뢰일들에 대해, 1시간 간격의 시간 해상도와 0.1o 간격의 공간 해상도로 낙뢰 빈도의 시·공간 분포를 격자화한 후, 위도 방향으로 평균하여 경도-시간 홉뮬러 선도를 생성하였다.

3.4 재분석 자료를 이용한 LLJ와 IVT 계산

낙뢰가 주로 발생하는 환경이 850 hPa 이하의 대기경계층 내 LLJ와 상관성을 진단하기 위해 22년간 1000 hPa부터 775 hPa까지 25 hPa 간격의 ERA5 풍향과 풍속자료를 이용하였으며, Hodges and Pu (2019)Ruchith and Raj (2015)를 바탕으로 하여 LLJ를 정의하였다. 850 hPa 이하 등압면에서 최대 풍속이 12 m s-1인 지점을 하층 대류권 내 최대 풍속 고도로 정의하며, 해당 고도부터 775 hPa까지 올라가며 매 25 hPa마다 최대 풍속 고도의 풍속보다 1 m s-1 이상 감소하는 경우에 LLJ로 간주하였다.

또한, 낙뢰가 많이 발생하는 대기역학적 환경이 하층 수증기 수송량과 어떠한 관계가 있는지 진단하기 위해 22년간 ERA5의 풍속, 풍향, 비습 자료를 사용하였다. 하층의 IVT는 다음과 같이 계산하였으며(Lavers et al., 2012), 1,000, 925, 850, 700 hPa 고도의 변수를 사용하였다. 여기에서 g는 중력가속도, q는 비습, u와 v는 각각 동서방향과 남북방향의 바람 성분을 의미한다.

IVTlow =1g1,000hPa700hPaqpupdp2+1,000hPa700hPaqpvpdp2(1) 

4. 결 과
4.1 낙뢰 밀도의 공간적 특성
4.1.1 22년 평균 낙뢰 밀도 특성

TLDS의 낙뢰자료(2002.01~2015.08)와 LINET의 낙뢰자료(2015.09~2023.12)를 품질 관리한 후 통합하여 최초로 한반도의 장기간(22년) 낙뢰밀도 분포를 계산하였으며(Fig. 3a), 지형과의 비교를 위해 한반도의 SRTM DEM 3-arc second 자료를 병치하였다(Figs. 3a, b). 황해와 남해, 그리고 남한 내륙 대부분의 지역에서 0.5~2.0 Flashes km-2 year-1의 낙뢰 밀도를 가지며, 경도 125.5oE를 따른 황해상, 남한내륙 서안 대부분의 지역, 제주동부에서 높은 낙뢰 밀도를 가지는데, 이는 TLDS 단일 기반의 단기간 낙뢰밀도 분포(Eom and Suh, 2009; Kuk et al., 2010)와도 공간 패턴이 일치한다. 여름철에 남서풍 유입이 상대적으로 빈번한 남한 내륙 서부, 특히 태백산맥·소백산맥의 풍상측 지역에서 높은 낙뢰 밀도가 나타나며(Figs. 3a, b), 그 중 2.0 Flashes km-2 year-1 이상의 낙뢰 밀도를 가지는 곳은 충청북도 음성·진천군(Fig. 3a, 청색 윤곽선)과 전라북도 완주·진안군(Fig. 3a, 청록색 윤곽선)이었다. 이외에도, 황해남도 해주시 및 청단군에서도 2.0 Flashes km-2 year-1 이상의 낙뢰 밀도를 보였으며, 이는 해서정맥의 풍상측에 해당했다. 경상도는 태백산맥과 소백산맥 사이에 위치하는 합천군-대구광역시-안동시를 잇는 좁고 긴 지역에서 1.0 Flashes km-2 year-1 이상의 낙뢰 밀도가 나타났다. Figure 4는 22년간 남한 내륙에서 해발고도에 따른 낙뢰 밀도 분포를 나타낸다. 지리산이 포함된 소백산맥과 설악산을 포함한 태백산맥 일부를 제외하면, 해발고도 750 m 미만의 분지 또는 낮은 산지에서 0.8 Flashes km-2 year-1 이상의 낙뢰 밀도가 나타났다.


Fig. 3. 
(a) Climatological distribution of annual mean (2002~2023) CG lightning flash density (Flashes km-2 year-1 over the Korean Peninsula and the surrounding seas. The blue outlines indicate Eumseong and Jincheon counties, and the cyan outlines indicate Wanju and Jinan counties. (b) Orographic map of the Korean Peninsula.


Fig. 4. 
Relationship between cloud-to-ground (CG) lightning flash density and topographic elevation over the Korean Peninsula during 2002~2023. Flash densities (black lines) are averaged within 25-m elevation bins, while the number of grid cells in each bin is indicated by gray bars. (a) Analysis based on Mainland Korea, including all terrain. (b) Same as (a) but excluding the Jirisan mountainous region according to the aeronautical boundary definition by the Ministry of Land, Infrastructure and Transport (MOLIT, 2017).

낙뢰밀도가 낮은 곳은 태백산맥과 소백산맥의 정상부근으로, 0.5 Flashes km-2 year-1 미만의 값을 보이며, 영동지역에선 낙뢰 밀도가 0.4 Flashes km-2 year-1 미만으로 감소했다.

해상에서는 황해 및 남해에서 1.0~1.7 Flashes km-2 year-1 정도의 낙뢰 밀도를 보였으며, 특히 황해남도 남부 해상, 군산 서부 해상, 제주 동부 해상에서 집중되는 경향이 뚜렷하였다. 반면 동해는 0.2 Flashes km-2 year-1 미만으로 전반적으로 낮은 낙뢰 밀도를 보이며, 해안에서 해상으로 멀어질수록 점진적으로 감소하는 특성을 보였다.

4.1.2 연도별 낙뢰 밀도 특성

Figure 5는 22년간 연도별 낙뢰 밀도 공간 분포를 보여준다. 낙뢰밀도 분포는 준선형 대류계, 정체전선, 스콜라인, 중규모 대류 복합계 등 각 해의 극한 기상 현상에 따라 큰 경년 변동을 보이며, 2003, 2004년에는 최대 25.0 Flashes km-2 year-1에 이르기도 했다. 공통적으로 남한 내륙의 서안, 소백산맥과 태백산맥 풍상측의 수렴지형, 황해상과 남해상, 지리산 부근 그리고 제주 동부에서 높게 나타나는 등 22년간의 평균 낙뢰 밀도 분포와 유사하며, 낙뢰가 활발했던 해(e.g., 2003, 2005, 2007, 2010, 2013)는 이러한 공간적 특징이 더욱 뚜렷하게 나타났다. 2013년 이후에는 한반도의 평균적인 낙뢰 밀도가 감소하는 추세지만, 상기 지역들은 다른 지역들보다 낙뢰밀도가 높았다.


Fig. 5. 
Spatial distribution of lightning flash density (Flashes km-2 year-1) for the years 2002~2023 over the Korean peninsula.

2020년은 동아시아 여름 몬순의 비정상적인 발달로 인해, 6월 중순부터 9월 상순까지 총 15회의 집중호우가 발생했으며, 여름철 강수량은 평년 대비 53% 증가하였다(Park et al., 2021a). 그러나 극단적인 강수를 동반한 장마가 있었음에도 불구하고, 2020년의 낙뢰 밀도는 22년 평균을 크게 하회하였다. 이는 장마 기간의 종관적인 강수 유발 환경이 낙뢰 발생에 유리한 대기역학·열역학적 조건과는 반드시 일치하지 않음을 시사하며, 유사한 장마 특성을 보인 2006, 2009, 2011, 2023년 또한 평균 미만의 낙뢰 밀도를 보였다.

충청북도 음성·진천군은 가장 높은 낙뢰 밀도를 보이는 지역 중 하나로, 2013년 8월 6일 백령도 부근에서 발생한 다세포 대류계(Yoon and Min, 2016)와 8월 29일 산둥 반도에서 발달한 저기압(Jung et al., 2015)에 의한 낙뢰의 영향을 크게 받았다. 특히 2013년 8월 6일 하루 동안 전체 분석 영역에서 73,443회의 낙뢰가 발생해, 당해 8월 전체 낙뢰 발생 횟수인 288,072회의 25%를 차지한 이례적인 사례였다.

반면, 전라북도 완주·진안군은 특정 대류계보다는 여러 해(e.g., 2003, 2006, 2007, 2010, 2013, 2010)의 다양한 대류계에 의해 고르게 낙뢰가 발생하면서 평균 밀도가 높았으며, 제주 동부, 경기만 및 군산 서부 해상에서도 비슷한 경향을 가졌다. 따라서 충청북도 음성·진천군을 제외한 주요 낙뢰 발생 지역들은 상대적으로 작은 경년 변동성과 지속적인 낙뢰 발생 특성을 지닌다고 할 수 있다.

4.1.3 계절별 낙뢰 밀도 특성

Figure 6는 22년간 계절별 평균 낙뢰밀도의 분포를 나타내며, 한반도와 그 인근 해역의 낙뢰 밀도는 계절에 따라 뚜렷한 차이를 보였다. 전체 분석영역의 낙뢰 빈도는 여름(Fig. 6b)에 평균 175,000회 이상으로 가장 높고, 그 다음으로 가을과 봄이 평균 20,000~35,000회 수준이며(Figs. 6a, c), 겨울은 평균 5,000회 정도로 가장 낮다(Fig. 6d). 계절별 공간 분포를 살펴보면, 겨울에서 여름으로 갈수록 고밀도 낙뢰 영역이 해상에서 내륙으로 확장되고, 다시 겨울로 갈수록 그 반대 양상이 나타났다.


Fig. 6. 
Climatological mean distribution of seasonal lightning flash density (Flashes km-2 year-1) during 2002~2023 for (a) Spring (March-April-May, MAM), (b) Summer (June-July-August, JJA), (c) Autumn (September-October-November, SON), and (d) Winter (December-January-February, DJF).

봄에는 경기도 남동부, 전라북도 서북부 그리고 경상북도 남서부에서 0.2 Flashes km-2 year-1 이상의 낙뢰밀도가 나타났다. 해상은 황해와 남해 모두에서 0.2 Flashes km-2 year-1 미만의 낙뢰밀도를 보였으며, 특히 동해에서는 그보다는 낮은 0.03 Flashes km-2 year-1의 낙뢰밀도를 가졌다.

여름에는 보다 내륙 중심인 충청북도 북부, 전라북도 동북부에서 1.2 Flashes km-2 year-1 이상의 낙뢰밀도가 나타났으며 지리산과 경상북도 남부에서도 유사한 수준의 낙뢰밀도가 나타났다. 해상은 황해와 남해 모두 내륙과 유사한 크기의 낙뢰밀도를 가졌지만, 동해는 0.2 Flashes km-2 year-1 미만의 낙뢰밀도를 보였다. 여름의 낙뢰 밀도 분포는 22년 평균 낙뢰 밀도 분포와 유사한 패턴을 보이는데, 이는 여름에 한 해의 낙뢰 중 대부분 발생하기 때문이었다.

가을에는 충청북도 중부와 경상남도 북부에서 0.3 Flashes km-2 year-1 이상의 낙뢰밀도가 나타났으며, 서해안과 남해안 일부 지역에서도 0.4 Flashes km-2 year-1 이상의 낙뢰밀도가 나타났다. 내륙은 전반적으로 봄과 비슷한 낙뢰밀도의 분포를 보여주었지만, 해상은 상대적으로 높은 낙뢰 밀도를 보여주는 등 차이가 존재했다. 특히, 제주동부 해상에서 0.7 Flashes km-2 year-1 이상의 낙뢰밀도를 가졌으며 이는 충청북도 중부와 황해 일부 지역의 낙뢰밀도보다 2배 수준이었다. 제주동부 및 인근 해상의 낙뢰 밀도 증가는, 가을철 태풍약화 기간에 발생한 낙뢰가 원인이었으며(Fig. 7), 2011년 제14호 태풍 꿀랍이 남해상으로 북진하며 열대저압부로 약화되며 33,574회의 낙뢰가, 2016년 제14호 태풍 므란티가 화남지방에서 온대저기압으로 약화되고 남해상으로 진출하며 7,975회의 낙뢰가 발생했다.


Fig. 7. 
Climatological mean distribution of lightning flash density (Flashes km-2 year-1) during the autumn season (September~November) from 2002 to 2023, focusing on periods when tropical cyclones weakened into extratropical cyclones or tropical depressions.

겨울에는 모든 분석영역에서 낙뢰밀도가 0.05 Flashes km-2 year-1 미만으로 급감하며, 내륙은 서편에서만 소수의 낙뢰가 관측되었다. 내륙에 비해 해상에서 낙뢰 밀도가 두드러지게 나타났으며, 황해보다는 남해안에서 넓고 고른 낙뢰 분포를 보였다. 이러한 해상 중심의 겨울철 낙뢰 패턴은 유럽, 북미 서부 및 동태평양, 동부 호주의 겨울철 낙뢰 특성과도 일치(Dowdy and Kuleshov, 2014; Holle et al., 2016; Enno et al., 2020) 하지만, Enno et al. (2020)과 비교했을 때 가을과 겨울 해상의 낙뢰밀도가 여름의 내륙 낙뢰밀도 보다 훨씬 낮은 차이가 존재한다.

4.2 낙뢰 빈도의 시간적 특성
4.2.1 연도별 낙뢰 빈도 특성

22년간 전체 분석영역에서 총 5,238,587회의 낙뢰가 탐측 되었으며, 한 해 평균 238,118회의 낙뢰가 발생하였다. Figure 8은 전체 분석 영역(Fig. 8a), 남한내륙(Fig. 8b), 황해(Fig. 8c), 남해(Fig. 8d)에 대한 연도별 낙뢰 빈도와 그에 대한 선형 추세를 보여준다. 전체 분석 영역에서 연도별 낙뢰 빈도는 2007년에 약 46만 회로 최대, 2014년에 약 8.6만 회로 최소를 기록하며, 큰 경년 변동성을 보였다. 모든 분석 영역에서 연도별 낙뢰빈도는 해마다 뚜렷한 차이를 보이지만, 연도별 낙뢰 빈도는 통계적으로 유의한 수준(p < 0.05)의 감소 추세를 나타내고 있다. 연도별 낙뢰빈도의 감소율은 전체분석 영역에서 9801.4 Flashes year-1로, 해마다 낙뢰 횟수가 평균적으로 감소하고 있으며 특히, 2019년부터는 연도별 낙뢰 빈도가 평균치보다 현저히 낮은 23만회 미만이었다. 또한, 남한내륙, 황해, 남해에서도 각각 2,861.2 Flashes year-1, 2,032.5 Flashes year-1, 1,558.4 Flashes year-1의 감소율을 보여, 특정 지역에 국한되지 않고 전체 분석 영역에서 낙뢰가 감소함을 시사했다. 한반도에서의 이러한 낙뢰 감소 추세는, 동북아시아의 극한 뇌우 발생 환경이 약화되고 있다는 Taszarek et al. (2021)의 연구와 일맥상통한다. 해당 연구는 이러한 환경 변화의 원인으로 아열대 제트의 약화와 그에 따른 연직 바람 시어의 감소를 지목했다.


Fig. 8. 
Annual total numbers of lightning flashes for the years 2002~2023 over (a) the Full Domain, (b) the Mainland Korea, (c) the Yellow Sea, and (d) the South Sea. The red histogram represents data observed from TLDS, while the blue histogram represents data detected by LINET. The numbers in the upper right corner of each plot indicate the trend per year and the p-value.

4.2.2 월별 낙뢰 빈도 특성

각 분석영역의 22년간 평균 월별 낙뢰빈도는 모두 8월에 최빈값을 가지는 단봉형 분포를 가졌다(Fig. 9). 전체 분석 영역에서는 5월부터 8월까지 가파르지만 점진적으로 증가한 후 9월에 급격하게 감소하는 양상을 보였으며, 6~9월의 낙뢰빈도는 전체의 82.3%, 6~8월의 낙뢰빈도는 전체의 74.1 %를 차지했다. 즉, 대부분의 낙뢰는 여름에 발생했으며, 겨울에는 전체 낙뢰빈도의 0.65%이 발생했다. 이러한 계절별 변동 패턴은 Eom and Suh (2009)의 연구에서 제시된 계절별 패턴과 유사하지만, 5월의 낙뢰 증가와 6월의 낙뢰 감소 등의 세부 패턴은 차이를 보인다. 계절별, 월별로 극단적인 낙뢰 빈도차이는 내륙에서 동일하게 나타나며, 이는 태양 복사의 축적에 따른 대류 불안정이 깊은 대류를 유도하기 때문으로 해석된다. 또한, 여름에는 동아시아 몬순이 한반도에 충분한 양의 수증기를 공급하지만, 겨울철에는 시베리아 고기압의 지배적인 영향으로 수증기의 수송이 낮은 것도 하나의 이유이다. 이러한 7~8월에 최고점을 가지는 단봉 형태의 월별 낙뢰빈도의 분포는 유럽(Enno et al., 2020), 북아메리카(Holle et al., 2018), 중국(Xu et al., 2022), 티베트고원(Qie et al., 2003), 히말라야 산맥(Mushtaq et al., 2018) 등 주요 중위도 내륙에서도 공통적으로 나타나는 특성이다.


Fig. 9. 
Monthly total numbers of lightning flashes during 2002~2023 over (a) the Full Domain, (b) the Mainland Korea, (c) the Yellow Sea, and (d) the South Sea.

황해와 남해의 월별 낙뢰 분포는 내륙과 유사하게 여름철에 집중되는 경향을 보였지만, 해역별 해수면 온도(sea surface temperature; SST) 변화에 따라 세부적인 차이를 나타냈다(Figs. 9c, d). 황해는 얕은 수심의 영향으로 SST는 3월에 최저점을 기록한 후 급격히 상승하여 8월에 최고조에 달하며, 이후 빠르게 하강한다(Min and Kim, 2006). 황해의 월별 낙뢰 빈도 역시 이러한 SST 변화와 유사한 패턴을 보였으며, 특히 6월부터 0.146 Flashes km-2로 같은 달 남해의 0.053 Flashes km-2에 비해 빈도가 크게 증가하여 8월에 0.293 Flashes km-2 정점을 이룬 후 9월에 0.060 Flashes km-2로 급격히 감소했다. 남해 역시 쿠로시오 난류의 영향을 받아 SST가 8월에 가장 높게 나타나지만, 황해에 비해 수온의 하강이 완만하게 진행된다(Choo, 1998). 이에 따라 낙뢰 빈도 또한 8월에 0.267 Flashes km-2로 가장 높고, 상대적으로 높은 수온이 유지되는 9월까지도 0.095 Flashes km-2로 황해에 비해 활발한 낙뢰 발생 경향을 나타냈다. 두 해역 모두에서 SST가 뚜렷한 월별 변화(3월 최소, 8월 최대)를 보이는 것과 마찬가지로, 월별 낙뢰 빈도 또한 SST 변화와 뚜렷한 양의 상관관계를 나타냈다. Kotroni and Lagouvardos(2016)는 대서양에서 높은 SST가 하층에서의 현열 및 잠열 공급을 증가시켜 상부에 찬 공기가 존재할 경우 대류 불안정을 강화하고 낙뢰 빈도를 증가시킬 수 있음을 언급하나, 대서양에서는 낙뢰가 가을과 겨울에 최대를 보이는 반면, 한반도 주변 해역에서는 여름에 최대를 보이는 차이가 있다. 이는 Enno et al. (2020)이 지적한 것처럼, 대서양에서는 낙뢰 발생이 상대적으로 따뜻한 해상 위에 찬 공기가 유입되며 발달하는 정체성 저기압과 같은 종관적 요인에 기인하는 반면, 한반도 인근 해상에서는 SST에 의한 현열·잠열 공급과 하층 수렴에 의해 발달하는 중규모 순환(Kang et al., 2021; Lee and Lee, 2025)의 영향이 더 크기 때문으로 추정된다.

4.2.3 6~9월 열흘 간격 낙뢰 빈도 특성

Figure 10은 22년간 6~9월 기간의 10일 간격 평균 낙뢰빈도를 나타낸 그래프이다. 전체 분석 영역(Fig. 10a)에서 낙뢰 빈도는 8월 상순에 뚜렷한 극댓값을 갖는 단봉형 분포를 보였으며, 이는 우리나라의 강수량이 장마와 태풍의 영향으로 인해 7월 중순과 8월 하순에 각각 최고점을 갖는 이봉형 분포를 보이는 것(Park et al., 2021b)과는 대조적이다. 남한 내륙의 10일 간격 낙뢰빈도는 전체 분석영역과 비슷하게 8월 상순에 최고점을 가지는 단봉형 분포가 동일하게 나타났으며, 6월 중순부터 낙뢰빈도가 점진적으로 증가하다가, 8월 중순 이후 점진적으로 감소하는 좌우 대칭적 형태를 가졌다(Fig. 10b). 이는 입사되는 태양 복사가 점차 축적되어 지표면과 해수면의 가열이 최고조에 달하는 8월 상순에 대류 불안정이 극대화되기 때문으로 판단되며, 여름철 대기의 열역학적 조건이 낙뢰 발생의 직접적인 지배 요인임을 시사한다.


Fig. 10. 
The number of lightning flashes in 10-day bins during 2002~2023 over (a) the Full Domain, (b) the Mainland Korea, (c) the Yellow Sea, and (d) the South Sea.

황해는 이와 다른 분포 특성을 보였다. 6월 상순에 높은 낙뢰 빈도를 가지며, 7월 중순부터 8월 하순까지 비슷한 낙뢰빈도를 가졌다(Fig. 10c). 따라서, 황해는 태양 복사의 축적에 의한 대류 불안정과는 다른 원인들에 의해서 발생하는 대류계의 영향도 중요하다고 볼 수 있다. 남해 또한 내륙과는 매우 다른 분포를 보여주었는데, 8월 말에 내륙 보다 높은 낙뢰빈도를 보이는 특징을 가졌다(Fig. 10d). 이는 제주 동부 해상이 남해안을 따라 북상하는 태풍이 온대저기압 또는 열대저기압으로 약화되는 동안 비대칭 대류 활동이 활발해졌고(DeMaria et al., 2012), 그로 인해 낙뢰가 증가한 것으로 해석된다.

4.2.4 시간별 낙뢰 빈도 특성

전체 분석 영역에서 남한 내륙의 22년간 평균 시간별 낙뢰 빈도의 중앙값 분포는 오후의 강한 최고점과 오전의 약한 최고점이 공존하는 이봉형 분포를 가졌다(Fig. 11a). 낙뢰 빈도의 오후 최고점은 6월 17~18시, 7월 14~15시, 8월은 15~16시로 월 별로 다르게 나타났으며, 오전 최고점은 7월과 8월 모두 05~06시 부근에 나타났다. 7월과 8월에 뚜렷하게 나타나는 이봉형 분포는 7월에는 오전과 오후의 빈도가 거의 같았지만, 8월에는 오후의 빈도가 높게 나타났다. 전체 분석영역의 오후 최고점과 6~8월의 남한 내륙 영역의 오후 최고점이 동일한 시각에 나타나는 것으로 보아, 전체 분석 영역의 오후 낙뢰 최고점은 내륙에서 발생하는 낙뢰에 의한 것임을 확인할 수 있었다(Figs. 11a, b). 또한, 일일 태양 복사 주기를 따라 오전에 최소, 오후에 최대인 모습을 분명하게 보여주었는데, 이는 중위도 내륙의 일반적인 특성(Burrows and Kochtubajda, 2010; Holle, 2014; Ávila et al., 2015; Soula et al., 2016)과 일치한다. 반면 황해와 남해의 시간별 낙뢰 빈도 분포(Figs. 11c, d)는 내륙과는 대조적으로 오전 시간대에 높은 빈도를 보였으며, 분명한 최고점 없이 비교적 고른 분포를 이뤘다. 이러한 특성은 전 지구적인 해상 낙뢰 패턴(Blakeslee et al., 2014)과 일치한다. 내륙과는 달리 해상에서 오전에 낙뢰가 집중되는 주된 원인은, 야간 동안 발달한 육풍에 의해 해상에서 수렴이 일어나고, 이로 인해 새벽 시간대에 대류가 촉진되며 낙뢰가 발생하기 때문이다(Burrows and Kochtubajda, 2010; Holle, 2014; Enno et al., 2020). 더불어, 야간에 대기경계층이 낮아지면서 LLJ가 강화되고, 중층에 수증기가 충분히 존재하며 온난이류가 병행될 때 야간 높아진 고도에서의 대류(Nocturnal Elevated Convection)가 발생할 수 있다(e.g., Reif and Bluestein, 2017; Trier et al., 2020). 이러한 현상은 여름 동아시아 몬순에 의해 온난이류가 발생하며 수증기 공급이 원활하고 마찰력이 낮은 해상에서 발생하기 용이하며, 다수의 낙뢰가 동반될 수 있다. 결론적으로, 한반도에서 낙뢰 발생의 시간별 이봉형 분포는 공간적으로 상이한 원인에 기인했다. 오후 최고점은 주로 남한 내륙 지역에서 발생했으며, 이는 강한 일사에 의한 복사 가열과 더불어, 태백산맥과 소백산맥의 풍상측에서의 기류 수렴과 지형적 상승이 결합된 결과로 해석된다. 반면, 오전 최고점은 황해 및 남해상에서 주로 발생했으며, 이는 야간 경계층 구조 변화, LLJ, 온난이류 등의 영향으로 해상에서 발달한 야간 높아진 고도에서의 대류 시스템에서 기인한 것으로 판단된다.


Fig. 11. 
Hourly median lightning flashes during 2002~2023 over (a) the Full Domain, (b) the Mainland Korea, (c) the Yellow Sea, and (d) the South Sea.

4.3 지형 및 LLJ와의 상호작용에 따른 낙뢰 발생 및 전파 특성
4.3.1 지형과 LLJ의 상호작용

Figure 12는 낙뢰밀도가 높은 한반도 내륙 6개의 지역들에 대해 22년간 6~9월 뇌우일들의 0300, 1500 LST 850 hPa 이하의 LLJ 통계를 나타낸다. 내륙 서안 지역들은 남서풍 계열의 LLJ 비율이 30% 이상으로 높게 나타났으며, 경상도 지역은 북동풍, 지리산은 남서풍과 남동풍 계열의 LLJ 비율이 높았다. 이는 일반적으로 여름철 동아시아 몬순에 의한 온난 습윤한 남서풍 계열의 LLJ가 지형과 상호작용하여 대류와 낙뢰발생을 유도함을 시사한다. 하지만 낙뢰 밀도는 해발고도에 비례하지 않았으며(Figs. 4a, b), 지형적 수렴이 용이한 저지대 평지에서 높았다.


Fig. 12. 
High lightning density regions (black boxes) and LLJ statistics below 850 hPa at 0300 and 1500 LST on thunderstorm days from June to September during 2002~2023. The central part of the figure represents topography (m, shading) and lightning flash density (Flashes km-2 year-1, solid lines). The wind rose plots on the left and right sides illustrate the distribution of wind direction and wind speed (m s-1) for the LLJ at 0300 and 1500 LST in each high lightning density region. All wind statistics are derived from the ERA5 reanalysis dataset at the 850 hPa level.

옹진반도의 해서정맥의 일부인 운봉산, 수양산과 소백산맥의 일부인 지리산은 850 hPa 이하의 LLJ는 산맥과 거의 수직에 가깝게 유입되는 경우가 많아, 강한 기류가 지형을 따라 강제적으로 상승하면서 대류가 촉진되어 높은 낙뢰빈도를 보인 것으로 추정된다. 이는 강한 기류가 산지의 풍상측에 직접 입사할 때 공기가 강제적으로 상승하면서 자유대류고도(level of free convection; LFC)를 돌파하여 대류를 유발하는 전형적인 지형 강제 상승 기작(Kirshbaum and Durran, 2004; Khodayar et al., 2018)으로 설명될 수 있다. 지리산 및 해서정맥과 같이 고도 지형을 따라 하층제트가 수직에 가깝게 유입되는 특정 지역들에 한정하여, LLJ의 유입 방향 및 강도, 지형의 입사각, 안정도, 그리고 LFC와 지형고도 간의 상관관계가 낙뢰 발생의 공간 분포를 결정짓는 중요한 대기역학적 요인으로 작용할 수 있음을 시사한다(Khodayar et al., 2018, Houze Jr et al., 2001).

반면, 충청북도 음성·진천군과 전라북도 완주·진안군은 남서풍 계열의 LLJ가, 경상도 대구광역시, 안동시는 북동풍 계열의 LLJ가 주변의 산맥과 나란하거나 비스듬하게 입사되는 경우가 많아, LLJ가 직접적인 상승보다는 산지로 인해 특정 지역으로 유도되며 점차 감속되고, LLJ에서의 출구 영역에서 수렴이 유발되는 경향이 강한 것으로 판단된다. Saulo et al. (2007)은 LLJ의 출구 지역에서 형성되는 온난 다습한 공기의 수렴이 상승류를 유도하고, 이로 인해 발생한 대류운에서의 강한 잠열 방출이 다시 수렴을 강화하는 양의 피드백 과정을 통해 중규모 대류계의 유지 및 발달에 기여한다고 보고한 바 있다. 따라서, LLJ의 출구에서 수렴이 뚜렷하게 나타나는 지역에서는 대기역학적 기작 뿐만 아니라 잠열 방출과 관련된 열역학적 기작 또한 대류와 낙뢰 발생에 중요하다. 이러한 결과는 LLJ 기류 방향, 지형의 형상, LLJ 출구 위치의 상호작용이 뇌우 발생 위치와 강도를 결정짓는 핵심 요인으로 작용함을 시사한다.

4.3.2 해상에서의 LLJ, IVT 그리고 중규모 대류계 전파 경로

22년간 낙뢰자료의 홉뮬러선도 분석 결과(Fig. 13), 오전 시간대에는 육풍에 의해 해상에서 수렴이 유도되어 낙뢰 빈도가 높았으며, 오후에는 지면 가열과 지형 효과로 인해 육상에서의 낙뢰 빈도가 높았다. Figure 13b에서는 0000~0600 LST 사이, 해상에서 내륙으로 낙뢰빈도가 점진적으로 전파되는 특징적인 패턴이 관측되었으며, 이는 여름철 한반도의 주요 LLJ 풍계인 남서풍의 흐름을 따라 확산되는 것으로 해석된다. 앞선 Fig. 11에서 6~9월 전체적으로 오전에는 서해상, 오후에는 육상에서 낙뢰가 자주 발생하는 경향이 확인되었기에, 이러한 전파 특성이 전 기간에 공통적인 현상인지 검토하기 위해 각 월별 경도-시간 홉뮬러선도를 분석하였다(Fig. 14). 분석 결과, 7월에만 낙뢰가 오전 이른 시간에 해상에서 내륙으로 뚜렷하게 전파되는 패턴이 나타났으며, 6월과 8월은 낙뢰의 전파 보다는 해상 및 육상의 독립적인 낙뢰 발생이 우세한 양상을 보였다(Figs. 14a, c). 7월의 낙뢰빈도의 홉뮬러 선도에서는 00시와 06시 사이에 낙뢰 빈도가 약 16.7 km hr-1의 속도로 서해안에서 내륙으로 이동하는 패턴이 나타났으며(Fig. 14b), 이는 중위도 편서풍대에서 위성자료를 이용해 관측된 중규모 대류계의 이동속도의 전형적인 범위에 해당했다(Hayden et al., 2021). 이와 같은 특성은 주로 정체된 공기 질량 내에서 발생하는 기단성 뇌우 뇌우에 의한 낙뢰 발생보다는, 동중국해 또는 서해상에서 형성된 낙뢰를 동반한 중규모 대류계가 소멸되지 않고 지속적으로 내륙으로 이동하는 구조임을 시사한다. 이러한 해석은 이른 아침에 한반도에서 발생한 강수 사례들이 대부분 동중국해를 따라 한반도 방향으로 확장·강화되는 야간 LLJ에 의해 유도된다는 점을 제시한 Shin et al. (2019)의 연구 결과 와도 밀접하게 일치한다.


Fig. 13. 
(a) Hovmöller diagram analysis domain (red box) over the Korean Peninsula, covering both coastal and inland areas from the Yellow Sea to the western inland region. (b) Longitude-time Hovmöller diagram of lightning flash frequency (Flashes deg-1 hr-1) during the warm season (June to September) based on thunderstorm days below the 99th percentile. The red dashed line indicates the approximate coastline (sea-land boundary), and the black dashed line marks the division between morning (0000~1200 LST) and afternoon (1200~2400 LST) hours.


Fig. 14. 
Longitude-time Hovmöller diagrams of lightning flash frequency (Flashes deg-1 hr-1) for thunderstorm days in (a) June, (b) July, (c) August, and (d) September, based on cases below the 99th percentile of daily lightning occurrences. The red dashed line indicates the approximate coastline (sea-land boundary), and the black dashed line marks the division between morning (0000~1200 LST) and afternoon (1200~2400 LST) hours. In panel (b), black arrows represent the estimated inland propagation of lightning activity in July, with an approximate speed of 16.7 km hr-1, indicating the passage of organized mesoscale convective systems from offshore to inland regions.

이처럼 7월에만 다른 낙뢰 분포의 양상을 보이는 원인을 규명하고자, ERA5 재분석 자료를 활용하여 일 낙뢰빈도가 95~99 백분위수에 해당하는 사례만을 사용하여 IVT를 분석하였다. 이 과정에서, 분석의 일관성을 위해 한반도 automatic weather station (AWS)의 500 km 이내에 열대저기압이 존재한 날은 제외하였으며, 하나의 종관적 기압 배치가 여러 날에 영향을 미친 경우에는 일 낙뢰빈도가 가장 높았던 하루를 선정하였다.

Figure 15Fig. 16은 각각 0900, 1500 LST와 2100, 0300 LST 기준으로 6~8월 고빈도 낙뢰일에 대한 850 hPa 등압선, 바람 벡터, 그리고 1,000-700 hPa IVT의 합성장 결과를 나타낸 것이다. 월별로 기압 배치, LLJ의 구조, 그리고 IVT의 도달 범위가 상이하게 나타났으며, 0300 LST와 0900 LST에 월별 패턴의 차이가 뚜렷했다. 먼저 6월은 북태평양 고기압과 만주 부근 저기압 사이의 기압경도에 의해 남서풍 계열의 LLJ가 유도되며, 남해상에 국한된 IVT가 명확히 나타났다(Figs. 15a, 16d). 그러나 내륙으로의 직접적 수송은 상대적으로 약하여 서해상에서 국지적 대류가 주로 유도되었을 가능성이 높다. 7월은 북태평양 고기압이 한반도 남해상까지 북상하여 북서 가장자리를 따라 장기간 안정적인 남서풍 계열의 LLJ가 형성됐다. 이 LLJ는 중국 동부로부터 서해안 및 한반도 내륙까지 길고 강하게 도달하며, 동시에 높은 IVT와 결합되어 내륙으로의 수증기 유입을 가능케 한다. 특히 0300 LST와 0900 LST에 걸쳐 지속되는 이 구조는, 서해상에서 야간 높아진 고도에서의 대류가 발생하는데 유리한 환경을 제공하며(e.g., Reif and Bluestein, 2017; Trier et al., 2020), 야간 시간대에 해상에서 형성된 대류를 유지하고 내륙으로 전파시키는 데 수월한 종관적 배경 조건을 제공한다(Figs. 15b, 16e). 8월은 북태평양 고기압이 더욱 확장되거나 축소되며 기압경도에 의해 남서풍 계열의 LLJ가 상대적으로 불규칙하게 형성되며, IVT가 한반도 남서해안에 국한되는 경향을 보였다(Figs. 15c, 16f). 이와 같이 월별로 LLJ의 조직도, IVT의 도달 범위 및 강도, 그리고 기압 배치에 따른 하층 수렴 구조의 차이는, 동일한 여름철 기간 내에서도 낙뢰의 시·공간적 양상이 뚜렷하게 달라질 수 있음을 시사한다.


Fig. 15. 
Composite distributions of 850 hPa geopotential height (gpm, solid lines), 850 hPa wind (m s-1, arrows), and IVT (kg m-1 s-1) for days when the total lightning flashes per day fall within the 95th~99th percentile of each month over the full domain. Panels (a)-(c) represent June, July, and August at 0900 LST, respectively, while panels (d)-(f) correspond to the same months at 1500 LST.


Fig. 16. 
Same as Fig. 15, but for 2100 LST (a-c) and 0300 LST (d-f).


5. 요약 및 결론

낙뢰는 일반적으로 중규모 이하의 기상 현상으로, 강수와는 달리 발생 기작이 다양한 대기역학, 열역학 조건에 민감하게 반응하기에 단순한 통계적 접근보다는, 물리적으로 추정 가능한 발생 기작 기반의 분석을 필요로 한다. 본 연구는 이러한 관점에서, 상이한 두 낙뢰 관측망(TLDS, LINET)의 자료를 품질관리 하여, 22년에 걸친 장기간의 낙뢰 자료를 구축하고 분석한 최초의 연구로서, 한반도 낙뢰 발생의 기후학적 특성을 파악하고, 지형 및 대기역학 요소와의 상관성 분석을 통한 주요 발생 기작에 대한 분석들을 제시하였다.

첫째, 한반도와 인근 해상의 낙뢰는 대부분 6~8월에 집중되었으며, 특히 남한 내륙의 서쪽 풍상측 지역과 서해 및 남해에서 높은 값을 보였다. 특히, 충청북도 음성·진천군, 전라북도 완주·진안군, 경상북도 안동·대구 일대, 그리고 지리산과 황해 일부 해역은 장기간 평균적으로 높은 낙뢰 밀도를 보였다. 한반도 내륙의 낙뢰는 상대적으로 지형고도가 낮고 습윤 공기의 수렴이 용이한 지역에서 집중되는 경향이 있으며, 이는 과거 연구들(Lim and Lee, 2005; Eom and Suh, 2009; Kuk et al., 2014)에서 명확히 드러나지 않았던 특징이다. 이러한 결과는 분포의 경년 변동성이 큰 낙뢰와 같은 중규모 현상 또한 장기 분석이 필요함을 잘 보여주며, 남한 내륙에서의 낙뢰 발생이 단순히 열적 불안정과 지형성 치올림에만 의존하지 않고 대기역학적 수렴 구조나 수증기 공급의 용이성 등 복합적인 요소의 영향을 받음을 시사한다. 또한, 서부에서 동부로 갈수록 낙뢰 밀도가 전반적으로 감소하는 경향을 가지게 되는데, 이는 평지와 산 정상의 가열 차이에 따른 열적 직접 순환(thermally direct circulation) 적운 형성 기작(Demko et al., 2009; Zardi and Whiteman, 2013)보다는 중규모 이하의 순환이 낙뢰 발생에 더 중요한 역할을 함을 시사한다. 이와 같은 특징은 여름철 알프스 산맥 정상에서 최대 낙뢰 밀도가 나타나는 유럽의 경우(Enno et al., 2020)와도 확연히 대조된다.

둘째, 연도별 낙뢰 발생 빈도는 해마다 큰 변동성을 보였으나, 2013년 이후로는 뚜렷한 감소 경향을 보였다. 특히, 2019년 이후로는 연간 낙뢰 발생 횟수가 장기 평균보다 현저히 낮은 수준을 지속적으로 유지하였다. 이와 같은 경향은 내륙뿐 아니라 서해, 남해 등 모든 해상에서도 일관되게 나타났으며, 한반도 및 인근 해역의 낙뢰 빈도가 구축된 장기간 관측자료를 통해서 최근 수십 년 사이 일관되게 감소하고 있음을 본 연구에서 최초로 입증하였다. 과거의 연구들은 단기 사례 중심이거나 제한된 영역을 다룬 경우가 많았으나, 본 분석은 22년간의 장기간 자료를 기반으로 기후적 규모의 낙뢰 변화 양상을 명확히 제시한다. 이는 중위도에서의 바람 시어 및 대기 불안정 약화와 같은 장기적 기후 변화가 낙뢰 발생 빈도 감소의 잠재적 원인임을 시사한다(Taszarek et al., 2021).

셋째, 낙뢰 발생의 월별 및 계절별 시간 분포를 분석한 결과, 전체 분석 영역과 내륙 지역 모두에서 8월 단일 시점에 낙뢰 빈도가 집중된 단봉형 분포가 나타났다. 이러한 결과는, 집중호우를 유발하는 종관적 강수 환경과 낙뢰 발생에 유리한 대기역학·열역학적 환경이 서로 일치하지 않으며, 낙뢰 발생의 여름철 계절 내 집중도는 강수량 보다 더욱 뚜렷한 하나의 중심기를 가짐을 의미한다. 이는 장마와 태풍의 영향으로 복수의 강수 최고점이 존재하는 이봉형 강수 분포와는 뚜렷한 차이를 보이며, 낙뢰가 발생하는 시간적 집중도는 여름철 계절 내 특정 시기에 집중됨을 최초로 밝힌 것이다. 가을의 경우 제주동부 및 인근 해상의 낙뢰 밀도 증가는 태풍이 온대저기압 혹은 열대 저압부로 약화되며 발생한 낙뢰가 원인이었다. 남해안 부근에서 북상하던 태풍이 온대저기압화가 진행되면 전선 형성과 더불어 강한 대류 활동이 동반되어 낙뢰 발생 가능성이 높아지며, 열대 저압부로의 약화시에도 유사한 현상이 발생할 수 있다(Samsury and Orville, 1994; Abarca et al., 2011; Wang et al., 2018). 이에 대해, DeMaria et al. (2012)은 연직 바람 시어가 강한 환경에서는 태풍의 대칭적인 대류구조가 붕괴하며(Davis et al., 2008), 상승류와 하강류가 비대칭적으로 형성되어 국지적 대류 활동이 강화되고 낙뢰가 증가할 수 있다고 설명하였다.

넷째, 낙뢰 발생의 시간적 특성이 내륙과 해상에서 상이하게 나타남을 국내 최초로 발견하였다. 내륙에서는 오후에 태양 복사에 의한 지표면 가열과 이에 따른 열적 불안정 증가로 인해 14~16시 사이에 최고점이 나타나는 단봉형 분포가 뚜렷했다. 반면, 해상에서는 주로 06시 전후에 낙뢰 빈도가 높았으며, 이는 야간 육풍에 의한 해상 수렴과 대기경계층의 감소에 따른 LLJ의 강도 증가에 의한 야간 높아진 고도에서의 대류의 발생 가능성과 관련이 깊은 것으로 해석된다(e.g., Reif and Bluestein, 2017; Trier et al., 2020).

다섯째, 내륙 지역 중 지리산과 해서정맥과 같은 일부 산지에서는 하층 제트가 산맥에 거의 수직에 가깝게 유입되어 강제 상승에 의한 대류 발생이 우세하였다. 이러한 지역에서는 지형의 고도와 LFC의 상대적 위치, 하층제트의 입사각, 그리고 대류 억제(convective inhibition; CIN)가 결합되어 낙뢰 발생에 기여했으며, Houze et al. (2001)Khodayar et al. (2018)의 연구에서 제시된 지형 강제 상승 기작과 유사하였다. 반면, 충북 음성·진천군이나 경북 안동·대구 지역과 같이 산지를 따라 흐르거나 산맥과 평행하게 유입되는 흐름에서는, 지형 자체에 의한 직접적인 상승보다는 지형에 의한 LLJ 출구 영역에서의 수렴 유도와 열역학적 되먹임에 의한 간접적인 대류 발생이 우세하게 나타나는 양상을 보였으며, Saulo et al. (2007)이 제시한 LLJ의 출구 지역에서 양의 되먹임 기작과 유사하였다.

여섯째, 낙뢰의 전파 특성은 월별로 상이하게 나타났으며, 7월에만 오전 이른 시간에 서해상에서 내륙으로 16.7 km hr-1의 속도로 낙뢰가 이동하는 전파 패턴이 최초로 확인되었다. 이러한 패턴은 중규모 대류계의 이동 속도와 매우 유사하며, 기단성 뇌우보다는 LLJ 및 수증기 수송에 의해 유지·강화되며 LLJ를 따라 이동하는 대류계가 기여함을 시사한다. 이를 뒷받침하기 위해 분석된 고 빈도 낙뢰일의 IVT 합성 결과에서는 7월에만 0300, 0900 LST에 강하고 지속적인 남서풍계열의 LLJ가 형성되어, 서해상에서 형성된 대류가 소멸되지 않고 내륙으로 전파될 수 있는 환경이 마련되었음을 확인하였다.

종합적으로, 본 연구는 한반도와 인근 해상에서 낙뢰 발생의 시·공간적 특성을 정량적으로 제시하였을 뿐 아니라, 지형과 LLJ 간의 상호작용, IVT 구조, 그리고 낙뢰 빈도의 전파 특성 등 낙뢰 발생과 관련된 다양한 요소를 통합적으로 고찰하였다. 이 과정에서 단순한 통계적 특성 기술을 넘어, 대기역학적 및 열역학적 기작 기반의 분석을 통해 낙뢰 발생 원인을 보다 체계적으로 해석하고자 하였다. 본 연구의 결과는 향후 한반도에서의 중규모 대류계의 낙뢰 발생 기작에 대한 분석과 기후 변화에 따른 장기적 변화 가능성을 탐색하는 후속 연구의 토대를 제공할 수 있을 것으로 기대된다. 특히, 최근 고해상도 수치모델링의 발전으로 중규모 대류계의 발생(e.g., Byen et al., 2024; Yang et al., 2024) 재현성이 향상됨에 따라, 본 연구 결과를 배경으로 추후 고해상도 수치모델링 사례분석을 통해 LLJ 및 IVT와 낙뢰 발생 환경에 대한 정밀 분석과 지형 효과에 대한 정량적 해석이 가능할 것으로 기대된다. 한편, 현업 전구 모델을 기반으로 한 대류운 예측(e.g., Park and Kim, 2023a, b) 성능이 증대됨에 따라, 본 연구를 활용한다면 한반도 주변 낙뢰 발생에 대한 예측 가능성도 함께 높아질 것으로 전망된다. 궁극적으로 본 연구에서의 해석은 향후 낙뢰 기반 기상예측 시스템 개발, 낙뢰 위험지도 구축, 극한 강수 발생 및 그에 대한 선제적 방재 전략 수립 등을 위한 기초 자료로 활용될 수 있을 것으로 기대된다.


Acknowledgments

본 논문의 질적 향상을 위해 많은 조언을 해주신 두 분의 심사원분들께 깊은 감사의 말씀을 드립니다. 이 연구는 기상청 「위험기상 선제대응 기술개발사업」(RS-2023-00233640)과「차세대 항공교통 지원 항공기상 기술개발(NARAE-Weather)」(KMI2022-00310과 KMI2022-00410)의 지원으로 수행되었습니다.


REFERENCES
1. Abarca, S. F., K. L. Corbosiero, and D. Vollaro, 2011: The world wide lightning location network and convective activity in tropical cyclones. Mon. Wea. Rev., 139, 175-191.
2. Altaratz, O., Z. Levin, Y. Yair, and B. Ziv, 2003: Lightning activity over land and sea on the eastern coast of the Mediterranean. Mon. Wea. Rev., 131, 2060-2070.
3. Anderson, G., and D. Klugmann, 2014: A European lightning density analysis using 5 years of ATDnet data. Nat. Hazards Earth Syst. Sci., 14, 815-829.
4. Ávila, E. E., R. E. Bürgesser, N. E. Castellano, and M. G. Nicora, 2015: Diurnal patterns in lightning activity over South America. J. Geophys. Res. Atmos., 120, 3103-3113.
5. Betz, H.-D., K. Schmidt, P. Oettinger, and M. Wirz, 2004: Lightning detection with 3-D discrimination of intracloud and cloud-to-ground discharges. Geophys. Res. Lett., 31.
6. Betz, H.-D., T. C. Marshall, M. Stolzenburg, K. Schmidt, W. P. Oettinger, E. Defer, J. Konarski, P. Laroche, and F. Dombai, 2008: Detection of in-cloud lightning with VLF/LF and VHF networks for studies of the initial discharge phase. Geophys. Res. Lett., 35, L23802.
7. Blakeslee, R. J., D. M. Mach, M. G. Bateman, and J. C. Bailey, 2014: Seasonal variations in the lightning diurnal cycle and implications for the global electric circuit. Atmos. Res., 135, 228-243.
8. Burrows, W. R., and B. Kochtubajda, 2010: A decade of cloud-to-ground lightning in Canada: 1999~2008. Part 1: Flash density and occurrence. Atmosphere-Ocean, 48, 177-194.
9. Byen, K.-Y., J.-H. Kim, and Y.-J. Park, 2024: Synoptic and meso scale mechanisms of reported tornado-like gust wind event in Korea using high-resolution numerical simulation. Atmosphere, 34, 397-415.
10. Chen, M., T. Lu, and Y. Du, 2013: Properties of “site error” of lightning direction-finder (DF) and its modeling. Atmos. Res., 129, 97-109.
11. Choo, H.-S., 1998: The effect of variations in the Tsushima warm currents on the egg and larval transport of anchovy in the southern sea of Korea. Korean J. Fish. Aquat. Sci., 31, 226-244.
12. Chronis, T., K. Cummins, R. Said, W. Koshak, E. McCaul, E. R. Williams, G. T. Stano, and M. Grant, 2015: Climatological diurnal variation of negative CG lightning peak current over the continental United States. J. Geophys. Res. Atmos., 120, 582-589.
13. Cummins, K. L., M. J. Murphy, E. A. Bardo, W. L. Hiscox, R. B. Pyle, and A. E. Pifer, 1998: A combined TOA/MDF technology upgrade of the US National lightning detection Network. J. Geophys. Res. Atmos., 103, 9035-9044.
14. Davis, C. A., S. C. Jones, and M. Riemer, 2008: Hurricane vortex dynamics during Atlantic extratropical transition. J. Atmos. Sci., 65, 714-736.
15. DeMaria, M., R. T. DeMaria, J. A. Knaff, and D. Molenar, 2012: Tropical cyclone lightning and rapid intensity change. Mon. Wea. Rev., 140, 1828-1842.
16. Demko, J. C., B. Geerts, Q. Miao, and J. A. Zehnder, 2009: Boundary layer energy transport and cumulus development over a heated mountain: An observational study. Mon. Wea. Rev., 137, 447-468.
17. Diendorfer, G., H. Pichler, and W. Schulz, 2014: Euclid located strokes to the gaisberg tower-accuracy of location and its assigned confidence ellipse. Proceedings, International Lightning Detection Conference ILDC, Tucson, United States.
18. Dowdy, A. J., and Y. Kuleshov, 2014: Climatology of lightning activity in Australia: spatial and seasonal variability. Aust. Meteorol. Oceanogr. J., 64, 103-108.
19. Drüe, C., T. Hauf, U. Finke, S. Keyn, and O. Kreyer, 2007: Comparison of a SAFIR lightning detection network in northern Germany to the operational BLIDS network. J. Geophys. Res. Atmos., 112, D18114.
20. Dwyer, J. R., and M. A. Uman, 2014: The physics of lightning. Phys. Reports, 534, 147-241.
21. Enno, S.-E., J. Sugier, R. Alber, and M. Seltzer, 2020: Lightning flash density in Europe based on 10 years of ATDnet data. Atmos. Res., 235, 104769.
22. Eom, H.-S., and M.-S. Suh, 2009: Statistical characteristics of recent lightning occurred over South Korea. Jour. Korean Earth Sci. Soc., 30, 210-222.
23. EROS, 2018: USGS EROS archive - digital elevation - Shuttle Radar Topography Mission (SRTM) 1 arc-second global, Earth Resources Observation and Science Center. [Available online at https://www.usgs.gov/centers/eros/science/usgs-eros-archive-digital-elevation-shuttle-radar-topography-mission-srtm-1?qtscience_center_objects=0#qt-science_center_objects].
24. Gill, T., 2008: Initial steps in the development of a comprehensive lightning climatology of South Africa. University of the Witwatersrand, Johannesburg (South Africa), 122 pp.
25. Gimeno-Sotelo, L., and L. Gimeno, 2023: Where does the link between atmospheric moisture transport and extreme precipitation matter? Wea. Clim. Extrem., 39, 100536.
26. Hayden, L., C. Liu, and N. Liu, 2021: Properties of mesoscale convective systems throughout their lifetimes using IMERG, GPM, WWLLN, and a simplified tracking algorithm. J. Geophys. Res. Atmos., 126, e2021JD035264.
27. Helfand, H. M., and S. D. Schubert, 1995: Climatology of the simulated Great Plains low-level jet and its contribution to the continental moisture budget of the United States. J. Climate, 8, 784-806.
28. Hersbach, H., and Coauthors, 2020: The ERA5 global reanalysis. Quart. J. Roy. Meteor. Soc., 146, 1999-2049.
29. Higgins, R. W., Y. Yao, E. S. Yarosh, J. E. Janowiak, and K. C. Mo, 1997: Influence of the Great Plains low-level jet on summertime precipitation and moisture transport over the central United States. J. Climate, 10, 481-507.
30. Hodges, D., and Z. Pu, 2019: Characteristics and variations of low-level jets and environmental factors associated with summer precipitation extremes over the Great Plains. J. Climate, 32, 5123-5144.
31. Holle, R. L., 2014: Diurnal variations of NLDN-reported cloud-to-ground lightning in the United States. Mon. Wea. Rev., 142, 1037-1052.
32. Holle, R. L., K. L. Cummins, and W. A. Brooks, 2016: Seasonal, monthly, and weekly distributions of NLDN and GLD360 cloud-to-ground lightning. Mon. Wea. Rev., 144, 2855-2870.
33. Holle, R. L., R. K. Said, and W. A. Brooks, 2018: Monthly GLD360 lightning percentages by continent. 7th International Lightning Meteorology Conference, 4 pp.
34. Houze Jr, R. A., C. N. James, and S. Medina, 2001: Radar observations of precipitation and airflow on the Mediterranean side of the Alps: Autumn 1998 and 1999. Quart. J. Roy. Meteor. Soc., 127, 2537-2558.
35. Huffines, G. R., and R. E. Orville, 1999: Lightning ground flash density and thunderstorm duration in the continental United States: 1989-96. J. Appl. Meteorol., 38, 1013-1019.
36. Hyun, Y.-K., S. K. Kar, K.-J. Ha, and J. H. Lee, 2010: Diurnal and spatial variabilities of monsoonal CG lightning and precipitation and their association with the synoptic weather conditions over South Korea. Theor. Appl. Climatol., 102, 43-60.
37. Jeong, E.-S., J.-H. Lee, B.-S. Kim, and D.-S. Kwon, 2002: Characteristics and data utilization of the new lightning observation system of the Korea Meteorological Administration. Atmosphere, 12, 580-583.
38. Jung, S.-P., S.-R. In, H.-W. Kim, J. Sim, S.-O. Han, and B.-C. Choi, 2015: Classification of atmospheric vertical environment associated with heavy rainfall using long-term radiosonde observational data, 1997~2013. Atmosphere, 25, 611-622.
39. Kandalgaonkar, S. S., M. I. R. Tinmaker, J. R. Kulkarni, A. Nath, M. K. Kulkarni, and H. K. Trimbake, 2005: Spatio-temporal variability of lightning activity over the Indian region. J. Geophys. Res. Atmos., 110, D11108.
40. Kang, Y., J. H. Jeong, and D. I. Lee, 2021: Influence of sea surface temperature on a mesoscale convective system producing extreme rainfall over the Yellow Sea. Mon. Wea. Rev., 149, 2613-2632.
41. Kar, S. K., and K.-J. Ha, 2003: Characteristic differences of rainfall and cloud-to-ground lightning activity over South Korea during the summer monsoon season. Mon. Wea. Rev., 131, 2312-2323.
42. Khodayar, S., N. Kalthoff, and C. Kottmeier, 2018: Atmospheric conditions associated with heavy precipitation events in comparison to seasonal means in the western Mediterranean region. Climate Dyn., 51, 951-967.
43. Kim, J.-H., and H.-Y. Chun, 2011: Statistics and possible sources of aviation turbulence over South Korea. J. Appl. Meteor. Climatol., 50, 311-324.
44. Kim, J.-H., and H.-Y. Chun, 2012: A numerical simulation of convectively induced turbulence above deep convection. J. Appl. Meteor. Climatol., 51, 1180-1200.
45. Kim, S.-H., H.-Y. Chun, D.-B. Lee, J.-H. Kim, and R. D. Sharman, 2021: Improving numerical weather prediction-based near-cloud aviation turbulence forecasts by diagnosing convective gravity wave breaking. Wea. Forecasting, 36, 1735-1757.
46. Kim, S.-H., J.-H. Kim, H.-Y. Chun, and R. D. Sharman, 2023: Global response of upper-level aviation turbulence from various sources to climate change. Npj Clim. Atmos. Sci., 6, 92.
47. Kirshbaum, D. J., and D. R. Durran, 2004: Factors governing cellular convection in orographic precipitation. J. Atmos. Sci., 61, 682-698.
48. Kotroni, V., and K. Lagouvardos, 2016: Lightning in the Mediterranean and its relation with sea-surface temperature. Environ. Res. Lett., 11, 034006.
49. Kuk, B.-J., J.-S. Ha, H.-I. Kim, and H.-K. Lee, 2010: Statistical characteristics of ground lightning flashes over the Korean peninsula using Cloud-to-Ground lightning data from 2004-2008. Atmos. Res., 95, 123-135.
50. Kuk, B.-J., K. Schmidt, and G. W. Lee, 2014: On network performance and data quality of a lightning detection network in Korea (KLDN). Atmos. Res., 149, 136-153.
51. Lane, T. P., R. D. Sharman, S. B. Trier, R. G. Fovell, and J. K. Williams, 2012: Recent advances in the understanding of near-cloud turbulence. Bull. Amer. Meteor. Soc., 93, 499-515.
52. Lavers, D. A., G. Villarini, R. P. Allan, E. F. Wood, and A. J. Wade, 2012: The detection of atmospheric rivers in atmospheric reanalyses and their links to British winter floods and the large‐scale climatic circulation. J. Geophys. Res. Atmos., 117, D20106.
53. Lee, J.-E., and G. Lee, 2025: Characterization of synoptic environment for mesoscale convective systems over South Korea using ERA5 reanalysis data. Preprints.
54. Lim, E., and T.-Y. Lee, 2005: Statistical characteristics of lightning over the Korean Peninsula for 1996~2000. Asia-Pac. J. Atmos. Sci., 41, 41-55.
55. Limaitre, Y., and P. Brovelli, 1990: Role of a low level jet in triggering and organizing moist convection in a baroclinic atmosphere. A case study: 18 May 1984. J. Atmos. Sci., 47, 82-100.
56. MacGorman, D. R., and W. D. Rust, 1998: The electrical nature of storms. Oxford University Press.
57. Matsui, M., K. Michishita, and S. Yokoyama, 2019: Characteristics of negative flashes with multiple ground strike points located by the Japanese lightning detection network. IEEE Transactions on Electromagnetic Compatibility, 61, 751-758.
58. Min, H. S., and C.-H. Kim, 2006: Interannual variability and long-term trend of coastal sea surface temperature in Korea. Ocean Polar Res., 28, 415-423.
59. MOLIT, 2017: Korea eAIP—GEN 3.3. Ministry of Land, Infrastructure and Transport. [Available online at https://aim.koca.go.kr/eaipPub/Package/2017-08-31/html/eAIP/KR-GEN-3.3-ko-KR.html]. (Accessed 22 June 2025).
60. Mushtaq, F., M. G. Nee Lala, and A. Anand, 2018: Spatiotemporal variability of lightning activity over JandK region and its relationship with topography, vegetation cover, and absorbing aerosol index (AAI). J. Atmos. Sol.-Terr. Phys., 179, 281-292.
61. Myoung, J.-S., and M.-S. Suh, 2010: Characteristics by the cloud-to-ground lightning polarity occurred over South Korea. J. Korean Earth Sci. Soc., 31, 335-347.
62. Nag, A., M. J. Murphy, W. Schulz, and K. L. Cummins, 2015: Lightning locating systems: Insights on characteristics and validation techniques. Earth Space Sci., 2, 65-93.
63. Oh, S.-G., M.-S. Suh, and Y.-J. Lee, 2010: On the relation between cloud-to-ground lightning and rainfall during 2006 and 2007 summer cases. J. Korean Earth Sci. Soc., 31, 749-761.
64. Orville, R. E., G. R. Huffines, W. R. Burrows, R. L. Holle, and K. L. Cummins, 2002: The North American lightning detection network (NALDN)—first results: 1998-2000. Mon. Wea. Rev., 130, 2098-2109.
65. Park, C., and Coauthors, 2021a: Record-breaking summer rainfall in South Korea in 2020: Synoptic characteristics and the role of large-scale circulations. Mon. Wea. Rev., 149, 3085-3100.
66. Park, C., S.-W. Son, J. Kim, E.-C. Chang, J.-H. Kim, E. Jo, D.-H. Cha, and S. Jeong, 2021b: Diverse synoptic weather patterns of warm-season heavy rainfall events in South Korea. Mon. Wea. Rev., 149, 3875-3893.
67. Park, Y.-J., and J.-H. Kim, 2023a: Aviation convective index for deep convective area using the global unified model of the Korean Meteorological Administration, Korea: Part 1. development and statistical evaluation. Atmosphere, 33, 519-530.
68. Park, Y.-J., and J.-H. Kim, 2023b: Aviation convective index for deep convective area using the global unified model of the Korean Meteorological Administration, Korea: Part 2. seasonal optimization and case studies. Atmosphere, 33, 531-548.
69. Qie, X., R. Toumi, and T. Yuan, 2003: Lightning activities on the Tibetan Plateau as observed by the lightning imaging sensor. J. Geophys. Res. Atmos., 108, D17.
70. Rakov, V. A., 2013: Electromagnetic methods of lightning detection. Sur. Geophys., 34, 731-753.
71. Ramos, A. M., R. Ramos, P. Sousa, R. M. Trigo, M. Janeira, and V. Prior, 2011: Cloud to ground lightning activity over Portugal and its association with circulation weather types. Atmos. Res., 101, 84-101.
72. Raymond, D. J., 1978: Instability of the low-level jet and severe storm formation. J. Atmos. Sci., 35, 2274-2280.
73. Reif, D. W., and H. B. Bluestein, 2017: A 20-year climatology of nocturnal convection initiation over the central and southern Great Plains during the warm season. Mon. Wea. Rev., 145, 1615-1639.
74. Rife, D. L., J. O. Pinto, A. J. Monaghan, C. A. Davis, and J. R. Hannan, 2010: Global distribution and characteristics of diurnally varying low-level jets. J. Climate, 23, 5041-5064.
75. Rivas Soriano, L., F. de Pablo, and C. Tomas, 2005: Ten-year study of cloud-to-ground lightning activity in the Iberian Peninsula. J. Atmos. Sol.-Terr. Phys., 67, 1632-1639.
76. Rodriguez, E., C. S. Morris, and J. E. Belz, 2006: A global assessment of the SRTM performance. Photogramm. Eng. Remote Sens., 72, 249-260.
77. Ruchith, R. D., and P. E. Raj, 2015: Features of nocturnal low level jet (NLLJ) observed over a tropical Indian station using high resolution Doppler wind lidar. J. Atmos. Sol.-Terr. Phys., 123, 113-123.
78. Samsury, C. E., and R. E. Orville, 1994: Cloud-to-ground lightning in tropical cyclones: A study of Hurricanes Hugo (1989) and Jerry (1989). Mon. Wea. Rev., 122, 1887-1896.
79. Saulo, C., J. Ruiz, and Y. G. Skabar, 2007: Synergism between the low-level jet and organized convection at its exit region. Mon. Wea. Rev., 135, 1310-1326.
80. Schneider, M., S. Suri, M. Lehner, and P. Reinartz, 2012: Matching of high-resolution optical data to a shaded DEM. Int. J. Image Data Fusion, 3, 111-127.
81. Shin, U., T.-Y. Lee, and S.-H. Park, 2019: Environment and processes for heavy rainfall in the early morning over the Korean Peninsula during episodes of cloud clusters associated with mesoscale troughs. J. Meteor. Soc. Japan. Ser. II, 97, 633-655.
82. Soula, S., J. K. Kasereka, J. F. Georgis, and C. Barthe, 2016: Lightning climatology in the Congo Basin. Atmos. Res., 178, 304-319.
83. Stansfield, R. G., 1947: Statistical theory of DF fixing. J. Inst. Electrical Engineers-Part IIIA: Radiocommunication, 94, 762-770.
84. Taszarek, M., J. T. Allen, M. Marchio, and H. E. Brooks, 2021: Global climatology and trends in convective environments from ERA5 and rawinsonde data. npj Clim. Atmos. Sci., 4, 35.
85. Trier, S. B., S. D. Kehler, and J. Hanesiak, 2020: Observations and simulation of elevated nocturnal convection initiation on 24 June 2015 during PECAN. Mon. Wea. Rev., 148, 613-635.
86. M.A. Uman, The Lightning Discharge, Academic Press, London, 1987, 376 pages, revised paperback edition, Dover, New York, 2001, 124 pp.
87. Wang, F., X. Qie, D. Wang, and A. Srivastava, 2018: Lightning activity in tropical cyclones and its relationship to dynamic and thermodynamic parameters over the northwest Pacific. Atmos. Res., 213, 86-96.
88. Woo, J.-W., and E.-B. Shim, 2003: Technical trends in lightning measurement and the status of lightning occurrences in the Korean Peninsula based on LPATS data. Korean Inst. Light. Electr. Install. Eng., 17, 16-23.
89. Xu, M., X. Qie, W. Pang, G. Shi, L. Liang, Z. Sun, S. Yuan, K. Zhu, and P. Zhao, 2022: Lightning climatology across the Chinese continent from 2010 to 2020. Atmos. Res., 275, 106251.
90. Yang, S.-I., J. H. Lee, and J.-H. Kim, 2024: A case study on near-cloud turbulence around the mesoscale convective system in the Korean Peninsula. Atmosphere, 34, 153-176.
91. Yoon, J.-H., and K.-H. Min, 2016: Characteristic analysis of multicell convective system that occurred on 6 August 2013 over the Korean Peninsula. Atmosphere, 26, 321-336.
92. Zardi, D., and C. D. Whiteman, 2013: Diurnal mountain wind systems. Mountain Weather Research and Forecasting: Recent Progress and Current Challenges, FK Chow, SFJ De Wekker, and BJ Snyder, Eds. Springer.