Article

Ocean and Polar Research. June 2021. 53-63
https://doi.org/10.4217/OPR.2021.43.2.053

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 자료와 방법

  •   중기해양예측모형(OMIDAS)

  •   계절별 예측 성능 평가를 위한 3개월 재예측 실험

  • 3. 결 과

  •   해면수온 과거재현 성능평가

  •   3개월 재예측 실험

  • 4. OMIDAS의 중기 예측 오차 원인과 개선방안

  • 5. 결 론

1. 서 론

북서태평양에서는 서안경계류인 쿠로시오 해류와 북쪽에서 남하하는 오야시오 해류가 일본 연안에서 합류하여 동쪽으로 이안하고, 두 해류에서 비롯된 여러 지류가 지나간다. 이러한 해류시스템에 영향을 받는 한국해(본 연구에서는 한국해는 동해와 황해를 포함한 한반도 주변해역(Fig. 1)으로 정의함)는 대륙과 접해있어 강물로 인한 수온과 염분 변화, 영양염 유입(Park et al. 2011; Park and Jang 2012; Park et al. 2015; 신과 장 2016) 등 다양한 대륙의 영향을 받는다. 또한 기후 변화로 인해 수온, 해수면높이, 용존산소 등 해양 변화가 비교적 급격하게 일어나고 있다(Belkin 2009; Stocker et al. 2013; Kim et al. 2018). 이에 더해 한국해는 북반구 중위도에 위치하여 계절 변화가 크고, 원격상관을 통해 극과 적도의 변화가 지역적인 변화와 복합적으로 영향을 주므로 한국해의 해황 진단과 예측은 다른 해역에 비해 어렵다(Yeh et al. 2010; Kim et al. 2018).

/media/sites/opr/2021-043-02/N0080430201/images/opr_43_02_01_F1.jpg
Fig. 1.

Model domain for the ocean mid-range prediction system (OMIDAS) overlaid with topography (km). The thick black lines denote each subregion (East Sea (ES), the Yellow Sea (YS), Korea Seas (KS)) for analysis

지구온난화는 해양생태계뿐만 아니라 인간 활동에도 영향을 미치고 있다(Stocker et al. 2013). 최근 한국해에서 나타나고 있는 해양열파(marine heatwaves)와 같은 극한해양현상 등의 기후변화에 따른 해양의 변화는 연근해 어업과 양식에 직접적인 영향을 미치고 있다(Kobayashi et al. 1997). 극한해양현상은 그 피해 규모가 크고 지구온난화에 비해 단기적으로 일어나므로 그 피해 저감과 대책 수립을 위해서는 수개월에서 수년 규모의 중기예측이 필요하다(Siedleck et al. 2016).

중기예측 연구는 주로 전지구 모형을 이용하고 수 주에서 10개월 시간 규모로 수행되고 있다(Barnston et al. 2010; Saha et al. 2010; Sohn et al. 2013; Saha et al. 2014). 전지구 모형은 측면경계조건이 필요하지 않기 때문에 경계조건에 따른 오차가 없다는 장점을 가지고 있지만 수평 분해능이 0.5°에서 1°로 한국해와 같은 지역해에서 해류 및 소용돌이를 모사하기에는 해상도가 낮아 지역해 중기 해양 변화를 연구하기에는 제한적이다(Shchepetkin and McWilliams 2005). 이러한 문제점을 해결하기 위해 전지구 모형에서 모사한 결과를 고해상도 지역모형에 역학적으로 상세화하여 지역해를 상세하게 모의하고 예측하는 지역기후모형 개발에 관한 연구가 꾸준히 진행되고 있다(정 등 2018; Siedlecki et al. 2016). 지역기후모형을 이용한 중기예측의 예로 캘리포니아 해역의 어업 관리를 위한 해양모형과 생지화학모형을 결합한 계절예측시스템이 있다(Siedlecki et al. 2016). 이 모형의 초기와 경계자료는 미국해양대기청(National Oceanic and Atmospheric Administration, NOAA)의 국립환경예측센터(National Centers for Environmental Prediction, NCEP)에서 전지구 중기예측을 위해 구축한 Climate Forecast System version 2 (CFSv2; Saha et al. 2014)를 사용하였다. 이 연구는 캘리포니아 해역에서 해면수온의 중기 예측 성능은 비교적 낮지만, 계절풍에 의해 결정되는 연안 용승의 경우 예측 성능이 비교적 높아 최대 4개월까지 유의미한 예측이 가능함을 제시하였다.

본 연구의 저자들은 최근에 한국해 중기 해양 예측을 위해 북서태평양 중기해양예측모형(Ocean MId-rAnge prediction System, OMIDAS)을 구축하였다(정 등 2018). 이 연구에서는 초기 조건 자료의 해상도가 OMIDAS의 중기 예측 성능에 미치는 영향을 조사하여 초기장의 해상도가 중기예측 성능 향상에 중요함을 제시하였다. 하지만 모형의 경계조건으로 예측(forecast) 자료가 아닌 현업분석(operational analysis) 자료를 사용하여 실제 예측이 아닌 시범 예측을 목적으로 연구를 수행하였으며, 모형의 예측 성능 평가도 봄철에 국한되었다.

한국해에서는 해양에 영향을 미치는 기후 인자가 계절에 따라 상당히 다르기 때문에(Cai et al. 2017; Choi et al. 2018; Kim et al. 2018) OMIDAS의 예측 성능을 종합적으로 평가하기 위해서는 계절별 예측 성능 평가에 대한 연구가 선행되어야 한다. 본 연구에서는 저자들이 개발한 OMIDAS 중기 예측모형을 이용하여 2016년에 대해 계절별 재예측 실험을 수행하였다. 2016년의 경우 한반도에서 강한 폭염이 발생하였고 한국 주변해를 포함한 북서태평양에서도 해양열파가 광범위하게 발생하였다(Yeh et al. 2018). 이 해양열파는 많은 해역에서 양식장 등 수산업에 심각한 피해를 끼쳤으며 이러한 피해 저감 대책을 위한 중기 해양 예측의 중요성이 대두되었다. 이 연구에서는 핵심 기후/생태계 변수인 해면수온에 초점을 두어 중기예측 성능의 계절적인 차이를 분석하였으며 지역해 중기 예측 성능을 향상시키기 위한 방안을 토의하였다.

2장에서는 연구에 사용한 모형, 초기/경계 자료와 방법을 제시하였다. 재분석장과 비교한 OMIDAS의 계절별 예측 성능 평가를 3장에, OMIDAS의 오차와 가능한 원인 분석을 4장에 기술하였다. 마지막으로 5장에서 요약과 결론을 제시하였다.

2. 자료와 방법

중기해양예측모형(OMIDAS)

이 연구에서는 OMIDAS (정 등 2018)를 활용하여 계절에 따른 예측 성능을 평가하였다. OMIDAS 영역은 한국해에 중요한 영향을 미치는 쿠로시오 해역을 포함한 북서태평양(위도 10–55°N, 경도 105–175°E; Fig. 1)이다. 이와 같은 모형 영역은 핵심 연구 해역인 한국해와 개방경계가 멀리 떨어져 있어 개방경계로부터 발생하는 오차를 완화시키는 장점이 있다. 기반 모형은 지역해를 잘 모사한다고 알려진 ROMS (Regional Ocean Modeling System)이다. 모형 수평해상도는 약 1/12°, 연직 층수는 30 시그마층이며 수심자료는 ETOPO5를 사용하였다. 연직혼합 방안은 계산 시간이 기존의 난류모형보다 적게 걸리고 한국해에 적합하다고 알려진 K-프로파일 모수화 방안(Large et al. 1994)을 적용하였다. 해면염분은 복원경계조건을 이용하여 30일의 시간규모로 CFSv2 예측 자료로 복원하였다(정 등 2018). 본 연구에서는 해빙모형을 이용하지 않고 수온이 -2°C 이하인 경우 열속을 0으로 고정시켜 대기와 열교환을 차단함으로써 간접적으로 해빙 효과를 고려하였다.

정 등(2018)은 CFSv2 현업분석보다 HYCOM (Chassignet et al. 2007)을 초기조건으로 사용하였을 때 성능이 상대적으로 높다고 제시하였다. 그러나 HYCOM은 중기 예측을 수행하고 있지 않아 경계조건으로 사용할 수 없다.

전지구 중기 예측모형은 미국 환경예측센터의 CFSv2, 컬럼비아 대학의 IRI, 기후예측센터의 NMME 등에서 운영하고 있지만 대부분 중기 예측모형이 OMIDAS 구동에 필요한 변수를 제공하지 않는다. 정 등(2018)은 입력자료로 사용되는 변수를 모두 제공하는 CFSv2 현업분석 결과를 대기강제력과 해양 초기/경계조건으로 사용하였다. 그러나, 이 현업분석 자료는 모형 예측 결과가 아닌 자료 동화를 수행한 과거 재현 자료이기 때문에 실제 기후모형 예측에는 사용하기에는 부적절하다. 따라서 본 연구에서는 CFSv2가 2016년을 예측하였던 CFSv2 예측(forecast) 자료를 초기와 경계조건으로 중기 해양예측을 수행하였다.

계절별 예측 성능 평가를 위한 3개월 재예측 실험

OMIDAS의 계절별 예측 성능을 평가하기 위해서 3개월 재예측 실험을 계절별로 수행하였다. 재예측 실험이란 실제 미래를 예측할 수 없기 때문에 과거 시점에서 수개월 후의 알려진 해양을 다시 예측하는 실험으로, 최종 예측 시기 또한 현재 관점에서는 과거이므로 모형의 예측 성능을 관측자료와 비교하여 정량적으로 파악할 수 있다.

OMIDAS 재예측 실험은 1월, 4월, 7월, 그리고 10월의 첫 번째 날 CFSv2 예측 자료를 초기조건으로 적분하여 향후 3개월까지 예측하도록 설계하였다(Fig. 2). 경계조건은 CFSv2가 예측한 월평균 자료를 이용해 OMISDAS의 시ᆞ공간 간격에 맞춰 내삽 후 사용하였다. CFSv2 예측 자료의 수평해상도와 시간 간격은 해양 자료는 0.5°와 한 달, 대기 자료는 약 1°, 6시간이다. 해양 초기와 측면 경계조건는 수온, 염분, 해수면 높이, 유속을 사용하였으며, 표층 경계조건은 2 m 기온과 상대습도, 10 m 바람, 해면기압, 순 하향 태양복사속(Hsw), 하향 장파복사(Hlw_in)를 사용하였다. 순 하향 장파복사속(Hlw)은 해면수온(T), 적외선 방사율(ϵlw) 슈테판-볼츠만 상수(σ: 5.6698 × 10-8 Wm-2 K-4)를 이용해 계산하였다(Lee et al. 2010; 식 (1)).

/media/sites/opr/2021-043-02/N0080430201/images/opr_43_02_01_F2.jpg
Fig. 2.

Design of the seasonal re-forecast experiments

(1)
Hlw=Hlw_in-lwσT4

총체 공기 역학 방정식(bulk aerodynamic formula; Fairall et al. 1996)을 이용해 현열속(Hs, 식 (2))과 잠열속(Hl, 식 (3))을 산출하고, 최종적으로 순열속(Hnet, 식 (4))을 OMIDAS에 적용하였다(Yu et al. 2006, 2007).

(2)
Hs=ρaCpaCh(Ts-θ)
(3)
Hl=ρaLeCeU(qs-q)
(4)
Hnet=Hsw+Hlw-Hs-Hl

위 식에서 ρa는 대기 밀도[kg/m3], U는 풍속[m/s], Tsθ는 해면온도와 기온[°C], qsq는 해면 비습과 대기 비습[g/kg]을 의미하며, cpa는 정압 비열, Le는 증발 계수, ChCe는 각각 현열속과 잠열속의 전달 계수이다.

OMIDAS의 예측 성능을 평가하기 위하여 전지구 모형의 예측 결과이자 지역기후모형의 초기/경계 입력자료로 사용한 CFSv2 결과와 비교하였다. 이 분석을 통해 중기 예측 측면에서 지역기후모형의 필요성을 파악할 수 있을 것으로 사료된다. 또한, 두 예측 결과 모두 AVHRR (Advanced Very High Resolution Radiometer) 기반 격자 자료인 OISSTv2 (Optimum Interpolation Sea Surface Temperature version 2; Reynolds et al. 2002) 재분석 해면수온과 비교하여 품위평가를 수행하였다. OISSTv2 재분석의 29년(1982년–2010년) 장기 월평균 기후값을 OISSTv2 재분석, CFSv2 예측, OMIDAS 모형 예측에서 제거한 해면수온 편차를 분석하였다.

OMIDAS 예측 성능을 평가하기 앞서 모형 성능을 진단하기 위하여 과거 재현 실험을 수행하였으며, 초기와 측면경계조건은 HYCOM을 표층경계조건은 ERA5를 사용하였다. 변수는 재예측실험과 동일하며 적분 기간은 2016년이다.

모형의 예측성능을 평가하기 위해 2016년에 대해 계절별로 북서태평양 해면수온 편차의 공간분포(Fig. 4)를 모형별로 비교·분석하였다. 이와 더불어 예측성능을 정량적으로 분석하기 위해서 해면수온 편차의 공간 평균과 표준편차를 제시하였다. 또한 관측과 비교를 위해 OMIDAS와 CFSv2의 평균 제곱근 오차(Root Mean Square Error, RMSE; Tang et al. 2020), 상대적 평균 제곱근 오차(relative RMSE, rRMSE)를 OISSTv2로부터 계산하였다. rRMSE는 RMSE를 관측 평균으로 나눈 백분율로 상대적인 오차의 비율을 나타낼 수 있다는 장점이 있다(Chu et al. 2005). 계절적인 예측성능의 해역별 차이를 파악하기 위하여 동해는 편의상 위 경도 범위를 128°E–141°E, 35°N–50°N로, 황해는 117°E–127°E, 34°N–42°N로 설정하였다.

3. 결 과

해면수온 과거재현 성능평가

OMIDAS의 성능을 평가하기 위하여 과거재현실험에서 재현된 해면수온을 OISSTv2와 비교하였다(Fig. 3). OMIDAS는 모든 계절에서 쿠로시오 이안역과 확장역에서 오차가 크게 나타났다. 그 원인은 OMIDAS가 쿠로시오와 오야시오가 만나 생성되는 극전선의 위치가 관측과 다르기 때문으로 판단된다. 한편, 3월과 12월에 오호츠크해를 포함한 모형 북쪽에서 나타나는 음의 오차는 OMIDAS 재현실험에 해빙효과가 고려되어 있지 않기 때문에 나타나는 것으로 사료된다. 한국해의 해면수온 평균 제곱근 오차는 6월, 7월, 8월에 1.7°C였으며, 그 외 계절 평균은 약 1.2°C로, 모형의 해면수온 과거 재현 성능은 해면수온 측면에서 여름에 오차가 높지만 전반적으로 우수한 것으로 판단된다. 여름철이 다른 계절에 비해 큰 평균 제곱근 오차를 보이는 것은 동해 북부 해역과 중국 동부 연안을 따라 나타나는 높은 해면수온 차이에 기인한다. 한국해 해역별 평균 제곱근 오차는 황해 1.42℃, 동해 1.37°C로 유의미한 차이를 보이지 않는다. 계절과 상관없이 쿠로시오 해류와 파생된 지류가 지나가는 해역에서 양의 해면수온 오차가 주로 관찰된다. 쿠로시오와 동해에서 나타나는 양의 해면수온 오차는 OMIDAS가 쿠로시오-오야시오, 동한난류-북한한류 해류가 합류하여 생성되는 극전선을 관측에 비하여 상대적으로 북쪽에서 모사하고 있기 때문에 나타나는 것으로 판단된다. 황해의 경우에도 황해난류가 유입되는 해역의 해면수온이 모든 계절에서 관측에 비해 해면수온을 따뜻하게 모의하는 경향이 있다. 이러한 특징은 OMIDAS가 쿠로시오 기원의 난류를 관측에 비해 상대적으로 강하게 모사하고 있음을 시사한다. 한국해에서 쿠로시오 기원 해류 세기 및 극전선 위치 오차는 자료동화를 수행하지 않는 대부분의 해양 모형에서 빈번하게 관찰된다(Choi et al. 2002; Sakamoto et al. 2005). 계절적인 측면에서 동해는 봄과 가을에 비해 가을과 겨울에 해면수온 오차가 크게 나타나며, 이는 동해 극전선의 위치에 따른 오차에 기인한 것으로 판단된다.

/media/sites/opr/2021-043-02/N0080430201/images/opr_43_02_01_F3.jpg
Fig. 3.

Monthly-mean SSTs ((a) OISSTv2, (b) OMIDAS) and (c) their biases in March, June, September, and December 2016

3개월 재예측 실험

3개월 재예측 실험 결과를 분석하여 OMIDAS의 계절별 예측성능을 평가하였다. Fig. 4는 OMIDAS, CFSv2가 재예측한 해면수온과 OISSTv2의 기후값의 차이로 계산된 해면수온 편차이다. 2016년의 해면수온은 한국해를 포함한 북서태평양 전체 해역에서 평년에 비해 높았으며, 특히 쿠로시오 해류가 이안하는 일본 동부에서 가장 큰 해면수온 편차가 관측되었다. 관측된 해면수온 편차의 공간 분포는 OMIDAS와 CFSv2에서 예측한 결과와 유사하게 모의하지만 CFSv2와 OMIDAS는 해면수온 편차를 전반적으로 과대 모사하는 경향이 있다. 그러나 OMIDAS가 CFSv2에 비해 동해와 쿠로시오 해역 등 서안경계류가 강한 해역에서 해면수온의 수평 분포를 비교적 상세하게 모사하였다. 특히, 황해에서 나타나는 양의 해면수온 편차의 경우, OMIDAS가 CFSv2에 비해 계절에 따라 1°C에서 3°C가량 개선되었다. 예측한 해면수온이 관측에 비하여 현저히 큰 해면수온 오차를 보이는 해역은 겨울과 가을의 경우 황해이며 봄과 여름의 경우 오야시오 해역과 오호츠크해였다. 쿠로시오 이안역에서는 모든 계절에서 오차가 크게 나타났다. 자세한 원인 분석은 아래 4장에서 다루었다.

/media/sites/opr/2021-043-02/N0080430201/images/opr_43_02_01_F4.jpg
Fig. 4.

SST anomalies with respect to1982–2010 in March, June, September, and December 2016: (a) OISSTv2, (b) CFSv2 (c) OMIDAS

Fig. 5는 해역별로 모형의 예측 성능을 평균과 변동성 측면에서 평가하기 위해서 황해, 동해, 그리고 이 해역을 포함한 한국해에서 계절에 따른 해역별 해면수온 편차에 대한 평균과 표준편차를 계산하였다. 한국해 전체 평균은 계절에 상관없이 OMIDAS가 CFSv2가 예측한 평균을 보다 관측에 가깝게 예측한 것으로 보인다. 이는 특히 황해에서 OMIDAS의 해면수온 예측 성능이 CFSv2에 비해 현저히 향상되었기 때문으로 판단된다. 해역별 모형 예측 성능은 계절에 상관없이 동해가 황해에 비해 높게 나타났다. 하지만 이 분석은 해역별 평균을 계산할 때 음과 양의 편차가 상쇄되어 정확한 오차를 평가하기에는 적절하지 않다. 보다 정확한 분석을 위해 OMIDAS와 CFSv2를 관측자료와 RMSE, rRMSE를 계산하여 예측성능을 정량적으로 평가하였다(Table 1).

/media/sites/opr/2021-043-02/N0080430201/images/opr_43_02_01_F5.jpg
Fig. 5.

Mean (circle) and standard deviation (line) of the SSTA for the East Sea (ES), the Yellow Sea (YS), and the Korea seas (KS) averaged over each of the four months (March, June, September, and December) in 2016. The black, blue, red color represents OISSTv2, CFSv2 and OMIDAS, respectively

Table 1.

Summary of statistics for the predictability of the CFSv2 and OMIDAS prediction system. Number is root mean square difference, parentheses is relative root mean square difference between SST anomaly fields from OMIDAS/CFSv2 and OISSTv2 in March, June, September and December 2016 in Korea seas

Prediction
Initial
1months later 2months later 3months later
1 Jan.
(Winter)
CFSv2: 1.69 (16.9%)
OMIDAS: 1.20 (12.0%)
2.49 (28.72%)
1.62 (18.68%)
2.39 (26.34%)
1.75 (19.28%)
1 Apr.
(Spring)
CFSv2: 0.95 (8.7%)
OMIDAS: 1.57 (14.49%)
1.66 (11.6%)
1.39 (9.6%)
2.02 (11.0%)
1.89 (10.3%)
1 Jul.
(Summer)
CFSv2: 0.98 (4.4%)
OMIDAS: 2.31 (10.4%)
1.69 (6.6%)
0.86 (3.4%)
1.19 (5.1%)
1.39 (6.0%)
1 Oct.
(Fall)
CFSv2: 0.74 (3.7%)
OMIDAS: 1.46 (7.3%)
1.88 (12.1%)
1.46 (9.4%)
2.67 (21.2%)
1.61 (12.8%)

CFSv2는 계절별로 rRMSE가 여름은 1.2배(첫 번째 달 4.4%에서 세 번째 달 5.1%) 증가하였고, 가을의 경우 6배(3.7%에서 21.2%) 증가하여 초기장으로부터 적분 시간이 지날수록 예측 성능이 현저히 떨어지는 것으로 나타났다(Table 1). 반면, OMIDAS는 전지구 모형의 저해상도 결과를 OMIDAS의 고해상도 격자에 맞게 초기 조건으로 입력하여 생기는 역학적 불안정성 때문에 적분 초기의 오차가 CFSv2에 비해 높게 나타나지만 적분 2개월 후 부터는 적어도 표층에서는 안정화되어 모형 오차가 줄어들고 3개월 후에는 CFSv2와 마찬가지로 예측오차가 다시 커지는 것으로 판단된다.

3개월 후 CFSv2 중기 예측에 따른 rRMSE는 봄, 여름, 가을, 겨울에 각각 11.0%, 5.1%, 21.2%, 26.3%이다. OMIDAS의 경우에는 10.3%, 6.0%, 12.8%, 19.3%로 여름을 제외하고는 전반적으로 예측 성능이 우수한 것을 확인할 수 있다. 이 결과는 전지구 모형의 예측 성능이 현저히 낮은 가을과 겨울의 경우, 한국 주변해의 해양의 중기 변동성을 예측하는 데 있어서 OMIDAS가 유용할 수 있음을 시사한다.

4. OMIDAS의 중기 예측 오차 원인과 개선방안

재분석 자료와 재예측 결과 모두 2016년 해면수온은 북서태평양 해역에서 계절에 상관없이 전반적으로 평년에 비해 높았다. OMIDAS와 CFSv2에서도 이러한 전체적인 특징이 잘 모사되었지만, 해면수온 편차가 재분석자료에 비하여 크게 나타났다. OMIDAS의 예측 오차의 원인을 살펴보기 위해 모형의 입력장으로 사용한 CFSv2 해면수온의 기후값을 관측과 비교하였다(Fig. 6). CFSv2 해면수온 오차는 쿠로시오 이안역과 오호츠크 해역에서 크게 나타났다.

/media/sites/opr/2021-043-02/N0080430201/images/opr_43_02_01_F6.jpg
Fig. 6.

SST difference (CFSv2 - OISSTv2) averaged over 29 years (1982–2010)

쿠로시오 이안역에서 나타난 양의 해면수온 오차의 원인을 파악하기 위해 CFSv2와 OMIDAS의 해류를 위성자료로 산출된 Archiving, Validation and Interpretation of Satellite Oceanographic (AVISO) 해류와 비교하였다(Fig. 7). CFSv2와 OMIDAS 모두 AVISO에 비해 상대적으로 쿠로시오 해류를 강하게, 오야시오 해류는 약하게 모사하는 것으로 나타났다. 이와 더불어 CFSv2의 경우, 동해 해수의 주 유출 통로인 쓰가루 해협이 막혀 있어 오야시오 해류와 함께 극전선을 형성하여 쿠로시오 해류의 북상을 제약하는 해류가 존재하지 않아 쿠로시오 해류가 일본 동부에서 실제 분기되는 해역보다 더 북쪽에서 분기하는 것으로 사료된다. OMIDAS의 경우, 쓰가루 해협이 실제와 동일하게 고려되었지만 쿠로시오 해류가 관측에 비하여 3°가량 북쪽에서 이안하게 되어 쿠로시오-오야시오 합류 해역에서 해면수온을 과대모사한 것으로 판단된다. 일본 동부 해면수온 오차는 재예측실험이 과거재현실험에 비해 월등히 큰 것으로 나타났다. 이러한 원인은 재예측실험의 초기와 측면경계조건으로 사용한 CFSv2의 오차에서 기인한 것으로 판단된다. 반면에 쿠로시오 해류 강도는 CFSv2에 비하여 OMIDAS에서 약하게 모의되어 해당 해역의 해면수온 오차가 줄어든 것으로 보인다.

/media/sites/opr/2021-043-02/N0080430201/images/opr_43_02_01_F7.jpg
Fig. 7.

Mean current (vector) and its speed (color) averaged over four months (March, June, September, and December) in 2016: (a) AVISO, (b) CFSv2 forecast and (c) OMIDAS reforecast

한편, CFSv2의 오호츠크 해역에서 발생한 음의 해면수온 오차는 CFSv2가 해빙모형을 접합하지 않아 해빙이 발생하는 해역에서 수온이 어는 점보다 낮아지기 때문에 발생한다. 하지만 OMIDAS는 해빙에 따른 열교환 효과가 간접적으로 고려되기 때문에 겨울철 해빙 발생 해역에서 CFSv2에 비해 상대적으로 해면수온 오차가 작게 나타났다.

상대적으로 따뜻한 계절인 봄과 여름에 나타나는 오야시오 해역의 해면수온 오차는 CFSv2의 대기모형 기온의 큰 예측 오차에서 기인한다. 이러한 기온의 예측 오차는 북서태평양이 봄과 여름에 장마, 태풍, 여름철 상층 제트류의 변화 등의 영향으로 대기 불확실성이 타 계절에 비해 크게 나타나기 때문에 기온, 강수 예측 정확도가 상대적으로 낮을 수 있기 때문이다(김과 서 2014). 이 오차는 OMIDAS의 대기강제력으로 CFSv2 예측 자료를 사용하기 때문에 그 크기가 유사하게 나타난다(Fig. 8).

/media/sites/opr/2021-043-02/N0080430201/images/opr_43_02_01_F8.jpg
Fig. 8.

Difference in the 2 m temperature between CFSv2 forecast simulation and ERA5 in 2016: (a) March, (b) June, (c) September, and (d) December

동해의 경우 극전선이 상대적으로 고위도에 형성되는 오차가 CFSv2와 OMIDAS 모두에서 유사하게 나타나지만 예측 성능이 타 해역에 비하여 높게 나타난다. 황해의 경우 OMIDAS의 해면수온 오차가 CFSv2에 비하여 약 1°C에서 3°C가량 크게 개선되어 OMIDAS의 예측 성능이 월등히 우수함을 확인할 수 있었다. 황해에 나타난 해면수온 오차는 황해로 유입되는 따뜻한 해류를 관측에 비해 크게 모사하는(Fig. 7) 동시에 황해의 조석을 고려하지 않는 영향이 더해진 결과로 보인다. CFSv2는 관측에 비하여 황해 서쪽으로 유입되는 해류 세기를 약 4배 정도 크게 모사한 반면 OMIDAS는 보다 관측에 가깝게 모의하고 있어, 황해의 현실적인 해류 모사가 해면수온 예측 성능 향상에 크게 기여하였음을 시사한다. 강하게 모사된 황해난류에 따른 해면수온 예측 성능은 봄과 여름 보다는 가을과 겨울에 더 큰 영향을 미치며 결과적으로 OMIDAS가 CFSv2에 비해 동일 계절에 해양 변수 예측 성능이 개선되었다.

OMIDAS와 CFSv2 모두 조석을 모수화하고 있지 않기 때문에, 조석에 의한 난류 혼합과 이에 따른 해수 상하층간의 열교환이 발생하지 않는다. 이는 강한 해수 성층으로 나타나며 결과적으로 두 모형 모두에서 예측한 높은 해면수온 오차에 일정 부분 기여하는 것으로 판단된다. 향후 OMIDAS에 조석 모수화를 적용하면 적어도 황동중국해에서 해양의 예측 성능이 향상될 것으로 기대된다. 또한 조석과 이에 의한 해수 혼합을 고려할 경우 해수 물성 구조를 보다 현실적으로 예측할 수 있을 것으로 판단된다. OMIDAS의 예측 성능은 초기와 측면경계자료가 전지구 모형으로부터 생성되기 때문에 전지구 모형의 영향을 강하게 받는다. 지역해의 중기 예측 성능을 향상시키기 위해서는 전지구 모형의 예측 오차를 보정할 필요가 있다. 비교적 간단하면서도 널리 사용되는 방법으로 편차 기법(delta method)을 들 수 있다. 이 기법은 광역모형의 편차를 관측 및 재분석 자료의 기후장에 더하는 것으로 전지구 모형 평균장의 오차를 줄여주는 장점이 있다(Kimura and Kitoh 2007). 이 기법을 OMIDAS에 적용할 때, 서안경계류가 과도하게 북상하여 발생하는 동해와 일본 동부의 해면수온 오차를 감소시킬 수 있을 것으로 사료된다. 조석 모수화와 편차 기법을 적용한 OMIDAS의 중기 예측 성능 개선 여부는 후속 연구를 통해 자세히 다룰 예정이다.

5. 결 론

이 논문에서는 재예측 실험을 수행하고 북서태평양, 특히 한국해를 중심으로 중기 예측성능의 계절 차이를 평가하였다. 중기예측은 본 연구진이 개발한 중기해양예측모형(OMIDAS)를 이용하였다. 재예측 실험은 강한 해양열파가 발생하였던 2016년에 대해 수행하였으며, 각 계절에 해당하는 1월, 4월, 7월 그리고 10월을 초기조건으로 3개월 후를 재예측하고, 대기와 해양의 기후 상태를 결정짓는 핵심변수인 해면수온의 예측성능을 평가하였다. 예측성능 평가에는 위성자료기반 재분석자료인 OISSTv2를 사용하였으며, 초기와 경계자료로 사용한 전지구중기예측시스템인 CFSv2 예측결과와 비교하였다.

핵심 연구해역인 한국해의 계절 예측성능은 봄과 여름이 가을과 겨울에 비해 높게 나타났다. 가을과 겨울에 예측성능이 낮은 이유는 OMIDAS와 CFSv2가 관측에 비해 황해로 유입되는 해류의 영향이 차가운 계절에 더 두드러지게 나타나기 때문이다. 그러나, CFSv2에서 AVISO에 비해 4배 이상 강하게 황해로 유입되는 해류가 OMIDAS에서는 보다 현실적으로 모사되어 황해로 과도하게 유입되는 열수송이 개선되었다. 그 결과 황해 해면수온 평균제곱근오차가 5.18°C (CFSv2)에서 2.44°C (OMIDAS)로 예측성능이 2배 이상 향상되었다. 이러한 오차의 개선은 지역해 기반 중기예측모형이 수평 해상도가 상대적으로 높아 복잡한 지형이 좀 더 현실적으로 구현되고 지형의 영향을 받는 해류가 보다 현실적으로 모의되었기 때문으로 추정된다. 해역별로는 앞서 언급한 문제로 인해 황해에 보다 동해에서 예측성능이 높게 나타났다.

북서태평양에서는 봄과 여름에 오야시오 해역에서 해면수온 예측오차가 가을과 겨울에 비해 컸으며, 그 원인은 따뜻한 계절인 봄과 여름에 태풍, 몬순 등의 영향으로 대기 불안정이 커지며, 이러한 현상을 대기모형에서 제대로 모의하지 못하기 때문에 기온 예측오차가 커진데서 기인한 것으로 사료된다. 일본 동쪽의 쿠로시오-오야시오 전선역의 해면수온 오차는 모든 계절에 다른 해역에 비해 2배 이상 크며, 특히 가을과 겨울에 커서 다른 해역에 비해 5배 정도이다. 이러한 오차의 원인은 중기해양예측모형에서 일본 동부 연안을 따라 북상하는 쿠로시오 해류를 강하게 모사하고 남하하는 오야시오 해류를 약하게 모사함으로써 쿠로시오 극전선이 관측에 비해 상대적으로 북쪽에 위치하기 때문이다. 이러한 오차는 초기와 경계조건으로 사용한 CFSv2 예보장 오차가 반영된 것으로 판단된다(Fig. 7).

본 연구에서는 지역해 중기해양예측모형(OMIDAS)은 전지구 중기예측모형(CFSv2)에 비해 지형을 더 현실적으로 모의함으로써, 해면수온뿐만 아니라 다른 해수물성과 해류 등의 예측 성능이 향상됨을 확인하였다. 이와 같은 예측성 향상은 황동중국해에서 더욱 두드러지게 나타났으며, 특히, 가을과 겨울에 뚜렷하였다. 그러나 중기예측성능은 전반적으로 낮아 중기예측모형 성능개선과 더불어 통계예측기법을 병행하여 사용하는 등의 개선 연구가 필요하다.

Acknowledgements

이 연구는 2021년 해양수산부의 재원으로 해양수산과학기술진흥원(해양수치모델링과 지능정보기술을 활용한 해양예측 정확도 향상 연구)과 한국연구재단 기초연구사업(한국해 해양열파 특성 및 변동성, NRF-2020R1F1A10 72447), 그리고 한중해양과학기술협력 공동위원회 협력사업(20082002)의 지원을 받아 수행되었습니다.

References

1
김진용, 서경환 (2014) 장마 강수를 위한 앙상블 통계 예측 모델 개발. 대기 24(4):533-540 10.14191/Atmos.2014.24.4.533
2
신호정, 장찬주 (2016) 지구온난화의 지역적 특성: 전례 없는 기후 시기에 대한 선형 전망. 바다 21(2):49-57 10.7850/jkso.2016.21.2.49
3
정희석, 장찬주, 김용선, 강수경 (2018) 한국 주변해 중기 해양환경 예측모형 구축: 시범 예측. 한국연안방재학회 5:17-23 10.20481/kscdp.2018.5.1.17
4
Barnston, AG, Li S, Mason SJ, DeWitt DG, Goddard L, Gong X (2010) Verification of the first 11 years of IRI's seasonal climate forecasts. J Appl Meteorol Clim 49:493-520 10.1175/2009JAMC2325.1
5
Belkin IM (2009) Rapid warming of large marine ecosystems. Prog Oceanogr 81:207-213 10.1016/j.pocean.2009.04.011
6
Cai R, Tan H, Kontoyiannis H (2017) Robust surface warming in offshore China Seas and its relationship to the East Asian Monsoon wind field and ocean forcing on interdecadal time scales. J Climate 30:8987-9005 10.1175/JCLI-D-16-0016.1
7
Chassignet EP, Hurlburt HE, Smedstad OM, Halliwell GR, Hogan PJ, Wallcraft AJ, Barailled R, Blecke R (2007) The HYCOM (hybrid coordinate ocean model) data assimilative system. J Marine Syst 65(1):60-83 10.1016/j.jmarsys.2005.09.016
8
Choi BH, Kim D‐H, Kim J‐W (2002) Regional responses of climate in the northwestern Pacific Ocean to gradual global warming for a CO2 quadrupling. J Meteorol Soc Jpn 80:1427-1442 10.2151/jmsj.80.1427
9
Choi BJ, Cho SH, Jung HS, Lee SH, Byun DS, Kwon K (2018) Interannual variation of surface circulation in the Japan/East Sea due to external forcings and intrinsic variability. Ocean Sci 53(1):1-16 10.1007/s12601-017-0058-8
10
Chu PC, Fang C-L, Kim CS (2005) Japan/East Sea model predictability. Cont Shelf Res 25(17):2107-2121 10.1016/j.csr.2005.03.006
11
Fairall, CW, Bradley EF, Rogers DP, Edson JB, Young GS (1996) Bulk parameterization of air-sea fluxes for Tropical Ocean-Global Atmosphere Coupled-Ocean Atmosphere response experiment. J Geophys Res-Oceans 101(C2): 3747-3764 10.1029/95JC03205
12
Kim YS, Jang CJ, Yeh S-W (2018) Recent surface cooling in the Yellow and East China Seas and the associated North Pacific climate regime shift. Cont Shelf Res 156:43-54 10.1016/j.csr.2018.01.009
13
Kimura F, Kitoh A (2007) Downscaling by pseudo global warming method. Research Institute for Humanity and Nature (RIHN), Final Report. ICCAP, Kyoto, pp 43-46
14
Kobayashi M, Hofmann EE, Powell EN, Klinck JM, Kusaka K (1997) A population dynamics model for the Japanese oyster, Crassostrea gigas. Aquaculture 149:285-321 10.1016/S0044-8486(96)01456-1
15
Large WG, McWilliams JC, Doney SC (1994) Oceanic vertical mixing: a review and a model with a nonlocal boundary layer parameterization. Rev Geophys 32:363-403 10.1029/94RG01872
16
Lee HT, Laszlo I, Gruber A (2010) ABI earth radiation budget upward longwave radiation: surface (ULR), NOAA NESIDS CENTER for SATELLITE APPLICATIONS and RESEARCH algorithm theoretical basis document version 2.0. NOAA, Washington DC, 39 p
17
Park T, Jang CJ (2012) Seasonal variation of freshwater budget in the Yellow and East China Seas simulated from an ocean general circulation model. Ocean Sci J 47:51-59 10.1007/s12601-012-0005-7
18
Park T, Jang CJ, Jungclaus J-H, Haak H, Park W, Oh I-S (2011) Effects of the Changjiang river discharge on sea surface warming in the Yellow and East China Seas in summer. Cont Shelf Res 31:15-22 10.1016/j.csr.2010.10.012
19
Park T, Jang CJ, Kwon M, Na H, Kim K-Y (2015) An effect of ENSO on summer surface salinity in the Yellow and East. J Marine Syst 141:122-127 10.1016/j.jmarsys.2014.03.017
20
Reynolds RW, Rayner NA, Smith TM, Stokes DC, Wang W (2002) An improved in situ and satellite SST analysis for climate. J Climate 15:1609-1625 10.1175/1520-0442(2002)015<1609:AIISAS>2.0.CO;2
21
Saha S, Moorthi S, Pan HL, Wu X, Wang J, Nadiga S, Tripp P, Kistler R, Woollen J, Behringer D, Liu H, Stokes D, Grumbine R, Gayno G, Hou YT, Chuang HY, Juang H-MH, Sela J, Iredell M, Treadon R, Kleist D, van Delst P, Keyser D, Derber J, Ek M, Meng J, Wei H, Yang R, Lord S, van d en Dool H, Kumar A, Wang W, Long C, Chelliah M, Xue Y, Huang B, Schemm JK, Ebisuzaki W, Lin R, Xie P, Chen M, Zhou S, Higgins W, Zou C Z, Liu Q, Chen Y, Han Y, Cucurull L, Reynolds RW, Rutledge G, Goldberg M (2010) The NCEP climate forecast system reanalysis. B Am Meteorol Soc 91(8):1015-1057 10.1175/2010BAMS3001.1
22
Saha S, Moorthi S, Wu X, Wang J, Nadiga S, Tripp P, Behringer D, Hou YT, Chuang HY, Iredell M, Ek M, Meng J, Yang R, Mendez MP, van den Dool H, Zhang Q, Wang W, Chen M, Becker E (2014) The NCEP climate forecast system version 2. J Climate 27:2185-2208 10.1175/JCLI-D-12-00823.1
23
Sakamoto TT, Hasumi H, Ishii M, Emori S, Suzuki T, Nishimura T, Sumi A (2005) Responses of the Kuroshio and the Kuroshio Extension to global warming in a high-resolution climate model. Geophys Res Lett 32(14): L14617. doi:10.1029/2005GL023384 10.1029/2005GL023384
24
Shchepetkin AF, McWilliams JC (2005) The Regional Ocean Modeling System (ROMS): a split-explicit, free-surface, topography-following coordinates ocean model. Ocean Model 9(4):347-404 10.1016/j.ocemod.2004.08.002
25
Siedlecki SA, Kaplan IC, Hermann AJ, Nguyen TT, Bond NA, Newton JA, Williams GD, Peterson WT, Alin SR, Feely RA (2016) Experiments with Seasonal forecasts of ocean conditions for the northern region of the California Current upwelling system. Sci Rep 6:27203 10.1038/srep2720327273473PMC4895184
26
Sohn SJ, Tam CJ, Ahn JB (2013) Development of a multimodel- based seasonal prediction system for extreme droughts and floods: a case study for South Korea. Int J Climate 33(4):793-805 10.1002/joc.3464
27
Stocker T, Dahe Q, Plattner, GKE (2013) Working group I contribution to the IPCC fifth assessment report climate change 2013, the physical science basis. Final draft underlying scientific-technical assessment IPCC, IPCC, Stockholm, pp 255-315
28
Tang Q, Mu L, Sidorenko D, Goessling H, Semmler T, Nerger L (2020) Improving the ocean and atmosphere in a coupled ocean-atmosphere model by assimilating satellites ea-surface temperature and subsurface profile data. Q J Roy Meteor Soc 2020:1-16
29
Yeh S-W, Kim C-H (2010) Recent warming in the Yellow/ East China Sea during winter and the associated atmospher ic circulation. Cont Shelf Res 30:1428-1434 10.1016/j.csr.2010.05.002
30
Yeh S-W, Won YJ, Hong JS, Lee KJ, Kwon M, Seo KH, Ham YG (2018) The record-breaking heat wave in 2016 over South Korea and its physical mechanism. Mon Weather Rev 146(5):1463-1474 10.1175/MWR-D-17-0205.1
31
Yu L, Jin X, Weller RA (2006) Role of net surface heat flux in the seasonal evolution of sea surface temperature in the Atlantic Ocean. J Climate 19:6153-6169 10.1175/JCLI3970.1
32
Yu L, Jin X, Weller RA (2007) Annual, seasonal, and interannual variability of air-sea heat fluxes in the Indian Ocean. J Climate 20(13):3190-3209 10.1175/JCLI4163.1

국문 참고자료의 영문표기 English translation / Romanization of references originally written in Korean

1
Kim J-Y, Seo K-H (2014) The development of ensemble statistical prediction model for changma precipitation. atmosphere. J Korean Meteor Soc 24(4):533-540 10.14191/Atmos.2014.24.4.533
2
Shin H-J, Jang CJ (2016) Regional characteristics of global warming: linear projection for the timing of unprecedented climate. J Korean Soc Oceanogr 21(2):49-57 10.7850/jkso.2016.21.2.49
3
Jung H, Jang CJ, Kim YS, Kang S (2018) Development of Ocean Mid-range Prediction System (OMIDAS) for Korea water: a preliminary prediction. J Coast Disa Prev 5:17-23 10.20481/kscdp.2018.5.1.17
페이지 상단으로 이동하기