Calculation and Monthly Characteristics of Satellite-based Heat Flux Over the Ocean Around the Korea Peninsula

한반도 주변 해양에서 위성 기반 열플럭스 산출 및 월별 특성 분석

Abstract

The sensible heat flux (SHF)and latent heat flux (LHF) over Korean Peninsula ocean during recent 4 years were calculated using Coupled Ocean-Atmosphere Response Experiment (COARE) 3.5 bulk algorithm and satellite-based atmospheric-ocean variables. Among the four input variables (10-m wind speed; U, sea surface temperature; $T_s$, air temperature; $T_a$, and air humidity; $Q_a$) required for heat flux calculation, Ta and $Q_a$, which are not observed directly by satellites, were estimated from empirical relations developed using satellite-based columnar atmospheric water vapor (W) and $T_s$. The estimated satellite-based $T_a$ and $Q_a$ show high correlation coefficients above 0.96 with the buoy observations. The temporal and spatial variability of monthly ocean heat fluxes were analyzed for the Korean Peninsula ocean. The SHF showed low values of $20W/m^2$ over the entire areas from March to August. Particularly, in July, SHF from the atmosphere to the ocean, which is less than $0W/m^2$, has been shown in some areas. The SHF gradually increased from September and reached the maximum value in December. Similarly, The LHF showed low values of $40W/m^2$ from April to July, but it increased rapidly from autumn and was highest in December. The analysis of monthly characteristics of the meteorological variables affecting the heat fluxes revealed that the variation in differences of temperature and humidity between air and sea modulate the SHF and LHF, respectively. In addition, as the sensitivity of SHF and LHF to U increase in winter, it contributed to the highest values of ocean heat fluxes in this season.

2014년부터 2017년까지 4년의 기간 동안 COARE 3.5 벌크 알고리즘과 위성 기반의 대기-해양 변수 자료를 이용하여 한반도 주변 해양의 현열 플럭스(Sensible Heat Flux; SHF)와 잠열 플럭스(Latent Heat Flux; LHF)를 $40W/m^2$ 산출하였다. 열 플럭스 산출에 필요한 변수 중 10-m 풍속(U)과 해수면온도($T_s$) 자료는Advanced Microwave Scanning Radiometer 2(AMSR2)와 Global Precipitation Measurement Microwave Imager(GMI) 위성 센서로부터 관측되는 값을 일 평균하여 생성하였으며, 위성으로부터 직접 관측이 되지 않는 대기 온도($T_a$)와 대기 비습($Q_a$)은 위성 기반의 W 및 $T_s$와 갖는 상관성을 이용하여 경험적 통계식을 통해 추정하였다. 추정된 $T_a$와 $Q_a$는 해양 부이에서 관측된 값과 각각 0.96 이상의 높은 상관성을 보였다. 위성 기반으로 관측 및 추정된 대기-해양 변수 자료들을 이용해 한반도 주변 해양(서해, 동해, 남해)의 SHF와 LHF를 산출하였고 월평균 시공간분포의 특성을 확인하였다. SHF는 3월부터 8월까지 한반도 전 해역에 걸쳐 $20W/m^2$의 낮은 값을 보였으며, 특히 7월에는 일부 해양에서 $0W/m^2$ 이하의 낮은 값을 보였다. SHF는 9월부터 점차 증가하여 12월에 가장 높은 값이 나타났다. LHF는 4월부터 7월까지 $40W/m^2$ 정도의 낮은 값을 보이다가 가을철부터 급격히 증가하여 SHF과 마찬가지로 12월에 남해에서 최대 $380W/m^2$ 이상의 높은 값을 보였다. 두 열 플럭스는 모두 쿠로시오 난류가 지나가는 지역에서 연중 높은 값을 나타냈다. 해양 플럭스에 영향을 미치는 대기-해양 변수의 월평균 특성을 분석한 결과 SHF와 LHF는 각각 대기-해양 온도 차이(${\Delta}T$)와 비습 차이(${\Delta}Q$)의 변화에 밀접하게 연관되며, 겨울철에는 U에 대한 민감도가 증가하여 현열 및 잠열 플럭스가 겨울철에 가장 큰 값을 보이는 것에 기여한 것으로 분석된다.

1. 서론

해양과 대기 사이의 상호작용/에너지 교환 과정은 해양과 대기의 순환을 유지하고, 기상/기후 시스템을 조절하는 중요한 요소이다(Kwon et al., 1992). 해양과 대기 사이의 에너지 교환 과정은 태양 복사 및 장파 복사의 흡수/방출 그리고 난류에 의한 열 플럭스(현열 및 잠열)로 구성되며, 복사에 의한 열 교환과 더불어 현열 및 잠열의 플럭스 변화가 열 수지를 조절하는데 있어 상당한 중요성을 갖는다(Hong et al., 2005). 이러한 해양-대기 사이의 에너지 교환 과정은 해수면을 통해서 일어나며 특히 해수면의 현열과 잠열 플럭스 방출은 대기-해양의 온도차와 풍속에 의해 크게 영향을 받는다(Kim and Chang, 2014; Oh et al., 2007).

해양에서의 현열과 잠열에 의한 플럭스는 대기와 해수면의 에너지 및 물질이 교환되는 난류를 직접 관측해서 측정하는 에디 공분산 방법을 통해 구해질 수 있다(Businger, 1986; Kaimal and Finnigan, 1994). 그러나, 해상에서의 열 플럭스 직접 관측은 선박이나 해양 관측 기지와 같은 특정 지점에서만 이루어지기 때문에 시·공간적 한계가 있으며, 선박 관측의 경우 선체의 흔들림으로 인한 관측 오차가 포함될 수 있다(Gleckler and Weare,1997). 직접적으로 열 플럭스를 관측하는 방법 이외에 벌크공기역학법을 이용한 벌크 방정식으로 간접적으로 계산하는 방법이 있으며(Pond et al., 1974; Schulz et al., 1997), 이때 해상에서의 대기-해양 기상 조건(해수면 온도, 기온, 풍속, 습도 등)의 측정값을 이용하게 된다. 한반도 주변 해양에서도 간접적 방법을 이용한 열 플럭스 산출 연구가 진행된 바 있다. Kang et al.(2001)은 Kondo(1975)의 벌크식과 한반도 서해상 중부와 남부 지점 부이에서 관측된 대기-해양 변수를 이용해서 해양과 대기 사이의 현열 및 잠열 플럭스를 산출 비교하였다. Kim and Chang(2014)는 한반도 서해 남동부 해역에 설치된 해양 부이 대기–해양 변수 관측 값과 Tropical Ocean GlobalAtmosphere- Coupled Ocean-Atmosphere Response Experiment(TOGA-COARE) 알고리즘의 벌크식(Fairallet al., 2003)을 이용해서 해양 열 플럭스를 산출하고 월별특성을 분석하였다. 하지만 벌크식을 이용한 열 플럭스산출에서도 해상 지역에 대한 기상 입력 변수 관측 값이 필요하기 때문에, 에디 공분산을 이용한 직접 관측과 마찬가지로 시공간적 제약이 따른다.

해상에서 직접적인 플럭스 관측 및 대기-해양 변수 관측의 한계점을 보완하기 위해 위성 관측 자료가 이용될 수 있다. 위성 기반의 관측 자료는 해양 부이나 선박 관측 자료보다 더 넓은 공간에 대해 기상 변수의 관측이 가능하고 관측 자료가 시간적으로 균질하게 분포하기 때문에 시공간적인 한계를보완할 수 있. Kim andHong(2002)는 위성 기반의 해수면 온도 자료를 이용하여 해상에서의 대기 온도 및 비습을 추정하는 방법론을 제시하였고, Hong et al.(2005)에서는 Kim and Hong(2002)의 방법론을 사용하여 1988년부터 2000년까지 과거 기간에 대해 한반도 주변 해양에 대해 월평균 기상 입력변수들을 산출하고 벌크식을 통해 현열 및 잠열 플럭스를 산출한 바 있다.

이밖에 국외에서도 위성 관측 기반으로 추정된 대기–해양 변수와 벌크공기역학법을 이용해서 해양 플럭스를 산출하는 많은 연구 프로젝트들이 과거부터 진행되어왔다: Japanese-Ocean Flux Data Sets with Use of Remote Sensing(J-OFURO)(Kubota et al., 2002), Goddard Satellite-based Surface Turbulent Fluxes(GSSTF)(Chou et al., 2003; Shie et al., 2009), Hamburg Ocean Atmosphere Parameters and Fluxes from Satellite Dataset(HOAPS) (Fenning et al., 2010), Institut Franczis pour la Recherche et 1’Exploitation de la Mer(IFREMER)(Bentamy et al., 2003; 2013) 등. 하지만 Bourras(2006)은 J-OFURO, GSSTF-2, HOAPS-2 등 5개의 위성 기반 해양 플럭스 자료군과 국제 해양 센터(National Oceanography Centre; NOC)의 잠열 플럭스를 동일 기간(1998년~2000년) 동안 평균하여 비교한 결과, 모든 자료군에서 유사한 공간적 패턴을 보이나 절대값에서는 큰 차이를 확인하였다. Feng and Li (2006)은 GSSTF-2의 해양 잠열 플럭스를 European Centre for Medium-Range Weather Forecasts(ECMWF) 및 National Center of Environmental Prediction(NCEP) 재분석장과 비교한 결과, 서태평양 및 인도양에서 GSSTF 잠열 플럭스가 두 재분석장보다 20 W/m² 이상 크게 산출됨을 확인하였고, 이러한 차이를 유발하는 요인으로서 풍속과 대기–해양 사이의 비습 차이를 들었다. 또한 Bentamy et al.(2013) 에서는 겨울철 쿠로시오 해류가 지나는 지역에서 위성 자료로 추정한 대기 비습과 전 지구 해양 부이 및 선박 관측을 기반으로 분석된 대기 비습사이의 평균 차이가 1 g/kg 이상인 것에 대해 특정 지역에 대한 경험 모델 부정확성에 기인한다고 제시하였다. 선행 연구들에서 제시된 바와 같이, 위성 기반으로 해양 플럭스를 산출할 경우 직접 관측의 한계를 보완할 수는 있으나 플럭스 산출 과정에 필요한 해상의 대기-해양 변수를 생산할 때 적용하는 기준들이 대부분 광범위한 열대해양과 특정지의 해양 부이 및 선박의 관측자료로 한정되어있다. 이러한 한계는 한반도 주변 해양에 대해서는 오차를 유발하는 원인이 될 수 있으므로 우리나라 인근 해상의 위성 및 부이 관측자료를 활용한 해양 열 플럭스 산출 연구가 필요하다.

따라서 본 연구의 목적은 한반도 주변 해양에 대해서 위성 기반 열 플럭스 산출 알고리즘을 적용하고 현열과 잠열 플럭스 값과 이들에 영향을 미치는 해양–대기 기상요소와의 월별 특성을 분석하고자 한다. 이를 위해서 2014년부터 2017년까지 최근 4년 동안 적용 가능한 위성자료들과 해양기상 부이 관측 자료를 이용해서 열 플러스 산출 알고리즘의 입력 변수를 구성하였다. 산출된 현열 및 잠열 플럭스의 월평균 특성을 파악하는 것은 선행 연구에서 제시한 월별 특성과 비교 검증하고자 함이며, 서해, 남해, 동해의 각 해역별 월평균 플럭스를 확인하고 이를 월평균 기상 입력 변수들 변화와 관련하여 분석하였다.

2. 벌크 알고리즘을 이용한 해양 열 플럭스 산출

본 연구에서는 한반도 주변 해양에서 난류에 의한 현열 및 잠열 플럭스 산출을 위해 TOGA COARE 3.5 벌크알고리즘(Fairall et al., 2003; Edson et al., 2012)을 사용하였다. COARE 벌크 알고리즘은 해양 열 플럭스 산출을 위해 가장 많이 사용되는 알고리즘이다(Fairall et al., 2003). Hong et al.(2005)에서도 위성 자료를 기반으로 한반도 주변 해양의 열플럭스를 산출하였으나 이 연구에서는Kondo(1975)의 벌크식을 사용하였다. Brunke et al.(2003)에서는 COARE 벌크 알고리즘의 3.0 버전과 Kondo(1975)를 포함한 12개 알고리즘을 이용한 플럭스 산출 결과를 현장 관측 자료와 비교하였고 그 결과 COARE 3.0 벌크 알고리즘이 가장 높은 정확도를 보였음을 보고하였다. 특히, Fairall et al.(1996)에 의해 처음 고안된 COARE 벌크 알고리즘은 열대 해양과 중위도 해양 및 해안가의 보다 많은 선박 관측 자료를 이용해 개선을 수행함으로써(Fairall et al., 1996; Fairall et al., 2003) 높은 정확도를 보인다고 제시하였다. COARE 3.5 알고리즘에서 현열 플럭스(Sensible Heat Flux; SHF)와 잠열 플럭스(Latent Heat Flux; LHF)를 각각 산출할 수 있는 식은 아래와 같다.

\(\mathrm{SHF}=\rho_{\mathrm{a}} \mathrm{C}_{\mathrm{pa}} \mathrm{C}_{\mathrm{H}} \mathrm{U} \Delta \mathrm{T}\)       (1)

\(\mathrm{LHF}=\rho_{\mathrm{a}} \mathrm{L}_{\mathrm{v}} \mathrm{C}_{\mathrm{E}} \mathrm{U} \Delta \mathrm{Q}\)       (2)

여기서 ρ_a는 대기 밀도[kg/m³], U는 풍속[m/s], ΔT와 ΔQ는 각각 해수면온도와 기온의 차이[°C] 해수면 비습과 대기 비습의 차이[g/kg]를 의미한다. C_pa는 정압 비열, L_v는 증발 계수이며, C_H와 C_E는 각각 현열과 잠열의 전달계수이다. 식 (1)과 (2)에서 제시된 바와 같이, 해양에서의 열 플럭스 산출을 위해서는 해상풍, 해수면 온도, 대기 온도, 그리고 비습의 입력 변수가 구성되어야 한다. 본 연구에서는 위 자료들에 대해서 위성 산출물을 최대한 활용하고, 해상 부이 관측 값과의 비교 검증을 통해서 위성으로부터 산출되지 않는 값을 통계적으로 추정함으로써 적용하였다. 입력 변수들과 열 플럭스 산출물은 일 평균으로 계산하였고, 다시 월별로 평균하여 월평균 특성으로 분석하였다.

3. 자료

1) 위성 자료

본연구에서 사용된 위성 자료는 Global Change Observation Mission-Water 1(GCOM-W1)/Advanced Microwave Scanning Radiometer 2(AMSR2)와 Global Precipitation Measurement(GPM)/GPM Microwave Imager(GMI)의 해상풍(sea surface wind; U[m/s]), 해수면온도(sea surface temperature; T_s[°C]), 그리고 총 수증기량 (columnar atmospheric water vapor; W[mm])이다. GCOM-W1 위성의 적도 횡단 시간은 01:30 UTC와 13:30 UTC이며 GPM 위성의 경우 약 2주마다 적도 횡단 시간이 주기적으로 변한다.

AMSR2와 GMI의 관측 자료(Wentz et al., 2014; 2015)는 Remote Sensing System(RSS)에서 제공하는 자료를 사용하였다. RSS는 다양한 위성 마이크로파 복사계, 사운더 및 스케터로미터 센서로부터 관측된 자료를 처리 및 분석하고 있으며, 0.25° × 0.25°로 격자화된 일별 Level 3 자료를 ftp 사이트(ftp://ftp.remss.com)를 통해 준 실시간으로 제공하고 있다.

2) 한반도 주변 해양 부이 자료

COARE 3.5 알고리즘의 입력 자료로서 위성 기반의 대기-해양 변수를 검증 및 생산하기 위해 한반도 주변 17개 해양 부이 관측 자료를 사용하였다. Fig. 1은 한반도 주변 해양 부이의관측 지점을 나타낸 것이다. 해양부이는 해상에서 각종 관측 센서로 해양 기상 환경을 측정하고, 일정한 물리량으로 변환 및 처리한 후 통신 장비를 이용하여 전송하는 관측 장비이다. 이러한 무인 운영시스템으로 관측되는 해양 부이 자료는 해수면에서의 부이 움직임에 따라 일부 신뢰성이 낮은 자료도 포함될 수 있기 때문에(Ko et al., 2017), 기상청에서의 자료 품질관리 이후 본 연구 기간에 해당되는 자료들의 이상치를 제거하는 방법을 사용하였다. 따라서 본 연구에서 해양 부이 자료가 실측된 기준값으로위성 기반의 입력자료 검증 및 산출에 사용하였다. 해양 부이에서는 매시간 풍속, 기온, 상대습도, 해수면 온도, 해면 기압 등이 관측되고 있으며, 본 연구에서는 위성 자료의 검증 및 대기-해양 변수 산출을 위한 기준 자료로서 일평균된풍속, 기온, 해수면 온도를 사용하였고, 대기 비습의 경우는 식 (3)과 (4)(Blanc, 1985)를 통해 계산하였다.

Fig. 1. Spatial distribution of ocean buoy observation sites around the Korean peninsula.

\(e_a = exp\{– 5419.285 / (T_a+ 273.15) + ln(RH)\\+ ln(6.11) + 19.836\}\)       (3)

\(\mathrm{Q}_{\mathrm{a}}=0.622 \times \frac{e_{a}}{P} /\left(1-\frac{e_{a}}{P}\right) \times 1000\)       (4)

여기서 T_a는 기온, RH는 상대습도, P는 해면기압이며 e_a는 관측된 T_a와 RH에 해당하는 수증기압을 의미한다.

한편, 해상풍의 경우 해양 부이에서는 평균 3 m 고도풍속이 관측되기 때문에, 10 m 기준의 위성 기반 풍속자료를 검증하기 위해 부이에서 관측된 풍속(U_B)을 식(5)를 통해 10 m 풍속으로 변환하였다.

\(\mathrm{U}(10 \mathrm{~m})=\ln \left(\frac{10}{z}\right) / \ln \left(\frac{H}{z}\right) \times \mathrm{U}_{\mathrm{B}}\)       (5)

여기서 H는 부이에서 풍속을 관측한 고도이며, 각 부이 마다 연구 기간 동안의 풍속 관측 고도의 평균 값을 사용하였다. z는 면 거칠기 길이로 1.52×10^–4를 사용하였다(Peixoto and Oort, 1992).

4. 입력 자료 생산

Fig. 2는 AMSR2와 GMI가 2014년부터 2017년까지 한반도 주변(30~45°N, 120~135°E)을 통과할 때의 평균 시간을 나타낸 것으로 AMSR2의 경우 평균적으로 04~05 UTC, 17~18 UTC에 한반도 주변을 통과하며, GMI의 통과 시간은 주기적으로 변화하는 것을 알 수 있다. 두 센서는 하루 중 최대 4회 한반도 주변을 관측하며, 본연구에서는 ASMR2 및 GMI에서 산출된 U, T_s, 그리고 W의 격자별 일 평균값을 계산하여 해양 열 플럭스 산출을 위한 입력 자료 생산에 사용하였다. 이때 다른 두 센서인 ASMR2와 GMI 자료를 함께 사용하는 것에 대한 타당성을 확인하기 위하여, 두 센서가 동일 격자를 동일 시간에 관측한 경우들을 선정하고 U, T_s, W의 관계성 분석한 결과 각각의 관측 자료에 대해서 모두 0.99 이상의 높은 상관계수를 확인하였다. U, Ts, W의 Mean Absolute Error(MAE)는은 각각 0.35 m/s, 0.56°C, 0.37mm로 나타났다.

Fig. 2. Temporal distributions of mean observation time of AMSR2 (black dots) and GMI (gray dots) during 2014-2017 over the target region (30~45°N, 120~135°E).

1) 해상풍과 해수면온도

U와 T_s는 AMSR2와 GMI에서 직접 관측된 자료를 단순 일평균하여 일별 입력 자료로 구성하였다. Fig. 3은 일 평균된 U와 T_s를 해양 부이의 값과 비교 검증한 결과이다. U는 0.90의 상관계수를 보였으며 Root Mean Square Error(RMSE)는 1.53 m/s, Mean Bias Error(MBE)는 0.27m/s로 작은 오차 값을 보였다. T_s의 경우 0.98의 상당히 높은 상관 관계가 나타났으며, RMSE는 1.19°C, MBE는-0.47°C의 값을 보였다. 해수면 온도는 일 변동성이 해상풍의 경우보다 상대적으로 적기 때문에 제한된 관측 횟수의 위성 기반 일 평균 자료와 매 시간별 관측된 해상부이 일 평균 자료가 잘 일치하는 것을 확인할 수 있다. 그럼에도, 해상 부이의 수온 관측은 수심 약 30 cm 정도이므로 해수 표면의 온도를 관측하는 위성 센서의 값과 다소 차이가 날 수 있다. Kim and Chang(2014)는 황해 남동부 해역 1.5 m 수심에서 해양 부이의 수온 관측 값이 실제 해수 표면의 온도와 월평균 -0.28~0.01°C 정도의 차이를 밝힌 바 있다.

Fig. 3. (a) Comparison of wind speed (U) in m/s from buoys and satellites. (b) Same as in Fig. 1(a), but for sea surface temperature (T_s) in °C. Dashed line denotes 1:1 line.

2) 대기 비습과 기온

대기 비습(specific air humidity; Q_a[g/kg])과 기온(T_a)은 U및 T_s와 달리 위성 센서로부터 직접 관측되지 않는다. 앞에서 언급한 바와 같이, 본 연구에서는 해상 부이 관측 자료를 기준으로 위성 관측의 W 및 T_s로부터 Q_a와 T_a를 경험적으로 추정하였다. Q_a는 위성 기반의 W와 높은 상관성을 보이는 것으로 알려져 있다. Liu(1986)은 전 지구 해양에 대하여 월평균대기 비습과 위성으로 관측된 총 수증기량이 5차 다항식의 관계로 설명됨을 밝혔고, Hsu and Blanchard(1989)는 일평균 자료를 통해 이 관계식을 재 입증하였다. 이 밖에 Schulz et al.(1993)은 위성으로 관측된 밝기온도로부터 행성경계층 이하의 수증기량을 산출하고 비습과 수증기량의 선형 회귀식을 통해 비습을 추정하였다.

본 연구에서도 Liu(1986)의 방법론을 따라 한반도 주변 해양 부이로 관측된 Q_a와 위성 기반의 W합성 자료 사이에 5차 다항식 관계를 적용하였고, 그로부터 추정된 Q_a는 해양 부이 Q_a와 0.91의 상관계수, 그리고 2.37g/kg의 RMSE와 1.75 g/kg의 MBE 값을 나타내었다. Q_a는 해양의 잠열 플럭스를 산출하는 벌크식(식 (2))의 중요한 입력 변수이기 때문에 보다 정확한 Q_a 산출을 위하여 T_s와 Q_a의 관계를 조사하였고, 그 결과 T_s가 높아질수록 Q_a는 지수함수적으로 증가하는 것을 확인하였다. Bentamy et al.(2013)에서도 대기 수증기량에 민감한 위성 밝기 온도를 이용해 경험적으로 산출한 대기비습이 해수면 온도가 변화함에 따라 실제 관측된 비습에 대해 계층적 오차를 갖는 것을 확인하였고, 그에 따라 밝기 온도 이외에 해수면 온도와 대기-해양의 온도 차를 변수로 추가하여 보다 정확한 대기 비습을 추정한바 있다. 따라서 본 연구에서는 기존 W의 5차 다항식에 T_s의 지수 함수를 추가하여 식 (6)과 같이 비선형 다중회귀식을 정의하였다. 회귀식 구성 시 종속 변수의 Q_a는해양 부이 관측 값을 사용하였다.

\(\begin{aligned} \mathrm{Q}_{\mathrm{a}}=& a \times W+b \times W^{2}+c \times W^{3}+d \times W^{4}+\\ & e \times W^{5}+f \times \exp \left(g \times T_{s}\right) \end{aligned}\)       (6)

여기서 W와 T_s는 위성 기반의 총 수증기량과 해수면온도를 의미하고, a, b, c, d, e, f, g는 회귀 계수이다. W와 T_s의 다중 비선형회귀식은 계절마다 달라지는 풍속, 기온 등의 영향을 고려하기 위하여 봄철(3~5월), 여름철(6~8월), 가을철(9~11월), 그리고 겨울철(12~2월)에 대하여 각각 구성하였으며, 계절별 회귀식 계수는 Table 1에 정리하였다.

Table 1. Regression coefficients of Eq. (6)

계절별 회귀식을 통해 추정된 위성 기반의 Q_a를 해양부이 Q_a와 비교하였다(Fig. 4). 위성 기반의 _a과 해양 부이 Q_a 사이의 상관계수는 0.97이며 RMSE와 MBE는 각각 1.42, -0.03 g/kg으로 W만을 고려한 추정 결과보다 작은 오차 값을 보이면서 대부분의 자료가 1:1 선에 위치하고 있는 것을 확인할 수 있다. Kim and Hong(2002)는위성 기반의 월평균 해수면 온도로부터 월평균 대기 비습을 산출하였고 이 때 RMSE와 MBE는 각각 1.75, -1.42g/kg으로 나타난 바 있다.

Fig. 4. Comparison of specific humidity (Q_a) ing/kg from buoys and satellites. Dashed line denotes 1:1 line. 

또한, Kim and Hong(2002)에서는 일반적으로 해양과 대기 사이의 지속적인 열 교환으로 해수면 근처의 대기경계층은 균질한 상태임을 가정하여 해수면 온도와 비습은 각각 기온과 선형 및 비선형적으로 관계가 있음을 제시하였다. 본 연구에서도 T_a의 경우 위성 기반의 T_s 및Q_a와의 관련성을 이용하여 경험적으로 추정하고자 하였다. T_a가 T_s및 Q_a와 갖는 상관성을 분석한 결과 T_s와는 선형적인 양의 상관관계, Q_a와는 로그함수적 관계를 보였다. 따라서 식 (7)과 같은 비선형 다중회귀식을 구성하였고, Q_a의 추정에서와 마찬가지로 계절별로 회귀계수 A, B, C를 산출하였다(Table 2).

Table 2. Regression coefficients of Eq. (7)

\(Ta = A × Ts + B × ln(Q_a) + C\)        (7)

추정된 위성 기반 T_a를 해양 부이에서 관측된 T_a와 비교한 결과 상관계수 0.97, RMSE1.89°C, 그리고 MBE-0.01°C의 통계적 추정치를 얻었다(Fig. 5). Kim and Hong(2002)에서는 위성 기반의 T_s로 Ta를 추정한 결과 상관계수, RMSE, MBE가 각각 0.98, 1.5°C, 0.28°C로 나타났으나 사용한 자료가 월평균 값이라는 점에서 본 연구와 차이가 있다.

5. 한반도 주변 해양 열 플럭스 및 대기-해양 변수 특성

1) 월평균 해양 플럭스의 공간 분포 특성

위성에서 관측된 U와 T_s, 그리고 위성 기반으로 추정된 Q_a와 T_a를 사용하여 COARE 3.5 벌크식으로부터 한반도 주변 해양의 현열과 잠열 플럭스를 산출하였다. Fig. 6과 7은 2014년 1월부터 2017년 12월까지 최근 4년에 대해서 산출된 현열과 잠열 플럭스의 월평균 기후값 공간 분포를 나타낸 것이다. 3월부터 9월까지 봄철과 여름철에는 모든 해역에서 현열 플럭스가 20 W/m² 이하로 작게 나타나며 특히 7월에는 동해와 서해 남동부에 부분적으로 음의 플럭스가 나타난다(Fig. 6). 현열 플럭스가 음의 값을 나타내는 것은 대기에서 해양으로 열이 유입됨을 의미한다. 10월부터는 높은 위도의 해역부터 현열 플럭스가 점점 증가하기 시작하여 한반도 주변 해역에서는 12월과 1월에 가장 큰 현열 플럭스가 나타남을 확인할 수 있다. Fig. 7에 보인 잠열 플럭스 특징을 살펴보면, 현열 플럭스와 유사하게 봄철과 여름철에 낮은 값을 보이다가 가을철부터 증가하여 겨울철(12~1월)에 가장 높은 160~360 W/m²의 값을 나타내었다. 특히, 현열과 잠열 플럭스 모두 한반도 주변의 남쪽 해양에서 높게 나타나고 있다.

Fig. 6. Spatial distribution of monthly mean climatology of sensible heat flux in W/m² over the ocean around the Korean peninsula during 2014-2017.

Fig. 7. Spatial distribution of monthly mean climatology of latent heat flux in W/m² over the ocean around the Korean peninsula during 2014-2017.

한반도 주변 해양에 대한 잠열 및 현열 플럭스의 공간 분포를 제시한 선행연구로서 Kang etal.(1994)은 ECMWFERA40의 기온 및 비습 자료와 미국기상예보소(National Meteorological Centre)의 월평균 해수면온도 자료 등 재분석장 자료를 사용하여 1984년부터 1987년까지 4년 기간에 대한 한반도 주변 해양 플럭스를 계산하였다. 또한 Na et al.(1999)은 장기간에 대해 수집된 일본 기상청의 일기도와 한국 기상청의 지상 관측소로부터 대기–해양변수 자료를 얻어 0.5° 간격으로 재격자화 하여 1978년부터 1995년까지의 18년 현열 및 잠열 플럭스를 포함한 평균 열플럭스를 산출하였다. An et al.(1997)와 Hirose et al.(1999)은 Comprehensive Ocean-Atmosphere Data Set(COADS) 자료를 이용하여 북동아시아 주변 해양의 장기간 평균 플럭스를 산출하여 공간 분포 특징을 제시하였다. Kim et al.(2005)는 영동지방의 겨울철(12~2월) 대설 사례와 연관된 현열 및 잠열 플럭스 분포의 특성을 분석하기 위하여 NCEP/NCAR 재분석장과 NOAA/AVHRR wekly SST 자료를 이용하여 겨울철 한반도 동해의 플럭스를 계산하였다. 이 연구에서는 7년동안 평균적으로 현열 플럭스는 1월에 가장 큰 값(80~180W/m²), 잠열 플럭스는 12월에 가장 큰 값(80~220 W/m²)을 보인다고 제시하였으며, 공간적으로는 동해 남서부지역이 동해의 다른 지역에 비해 일관되게 큰 값이 나타남을 확인하였다. 이러한 선행연구들에서는 쿠로시오 난류가 흐르는 남해 전역과 서해 및 동해의 남부 해역에서 연중 현열 및 잠열 플럭스가 높게 나타남을 공통적으로 보였고, 이는 본 연구의 결과와도 유사함을 확인할 수 있다. 하지만 선행 연구의 경우 본 연구와 분석 기간에서 차이가 있기 때문에 직접적인 값의 비교가 어렵다는 것을 유의해야 하며, 특히 분석 기간 동안의 특이 기상이 기후 값에 영향을 미쳤음을 고려해야 한다. 예를 들어 본 연구의 분석 기간인 2014년부터 2017년까지의 기간 중 2014년 12월은 전국 평균 기온이 평년 기온보다 약 2도 이상 낮았던 해로, 한반도 주변 전체 해양의 평균 현열 플럭스가 110 W/m²인 평균 값보다 훨씬 높은 133 W/m²의 높은 값을 보였고, 이 중 동해와 남해 대부분의 지역에서는 140 W/m² 이상의 값이 나타나기도 하였다.

2) 해역별 대기-해양 변수와 해양 플럭스의 월평균 특성

Fig. 6과 7에서 보여진 바와 같이, 전반적으로 현열과 잠열 플럭스는 서해보다 남해 및 동해에서 크게 나타나며 이는 기온, 습도, 해수면 온도, 바람 등의 각 해역별 특징과 밀접하게 연관된다. 따라서 한반도 주변 해역별(서해, 동해, 남해)로 월평균 대기-해양 변수와 열 플럭스의 변동성을 함께 분석하였다. Fig. 8은 서해, 동해, 남해에 대한 대기-해양 변수(U, T, T_a, Q_a), 기온과 해수면 온도의 차이(ΔT), 대기 비습과 해수면 비습의 차이(ΔQ), 그리고 현열 플럭스 및 잠열 플럭스의 월평균 시계열을 각각 나타낸 것이다. 또한, 각 해역별 월평균, 연평균 값을 포함해서 모든 해역에 대한 수치값은 Table 3과 Table 4에 자세히 정리하였다.

Table 3. Monthly mean values of meteorological variables (U, T_s, T_a, Q_a, ΔT, and ΔQ) during 2014-2017 over the ocean around the Korean peninsula. The numbers in parentheses indicate the standard deviation

Table 4. Monthly mean values of heat fluxes (SHF and LHF) during 214-2017 over the ocean around the Korean peninsula. The numbers in parentheses indicate the standard deviation

Fig. 8. Time series of monthly mean values of meteorological variables (U, T_s, T_a, Q_a, ΔT, and ΔQ) and heat fluxes (SHF and LHF) during 2014-2017 over the Western Sea.

U는 연중 동해와 남해가 서해보다 크게 나타나며, 세 해역 모두에서 겨울철에 가장 높고(12월 8.2 m/s) 여름철에 낮은(6월 4.0 m/s) 특징을 보였다(Fig. 8(a)). T_s와 T_a는 여름철인 8월에 가장 높게 나타나고 8월 이후부터 겨울철로 갈수록 점차 감소한다(Fig. 8(b), (c)). T_a는 서해, 동해, 남해에서 2월에 각각 3.4, 3.0, 7.5°C의 최소값을 나타냈다가 8월에는 25.9, 24.5, 27.2°C의 최대값으로 약 19.7~22.5°C의 연 변동성을 보이고 있다. 이에 비해서, Ts는 서해, 동해, 남해에서 8월에 26.8, 25.1, 28.0°C이지만 최소값을 갖는 월에는 7.2, 7.4, 13.0°C로 약 15.0~19.6°C의 연 변동성을 보이면서, T_a보다는 상대적으로 약 13~25% 작게 나타났다. 이는 대기보다 해양의 열용량이 더 크기 때문이며, 특히 서해보다 수심이 깊은 동해와 남해에서 연 변동성이 더 작게 나타났다. 따라서 대기 해수의 온도차인 ΔT(=T_s–T_a)는 봄철과 여름철에 낮게 나타나고, 가을철부터 겨울철까지 크게 나타나는 특징을 갖는다. 겨울철의 ΔT는 서해에서 가장 낮게, 동해와 남해에서는 그보다 높게 나타난다.

대기–해양 온도차이에 큰 영향을 받게 되는 SHF는 ΔT의 월평균 분포와 매우 유사한 시계열을 보인다(Fig. 8(e), (h)). 4월부터 8월까지 SHF가 세 해역에서 모두 0W/m²에 가깝게 나타나고 ΔT가 높아지는 9월부터 SHF도 점차 증가하여 ΔT뿐만 아니라 U도 최대치를 보이는 12월에 서해, 동해, 남해에서 각각 96.9, 114.1, 118.8W/m²로 가장 높게 나타났다. 즉 해양과 대기의 온도차가 적은 봄과 여름철에는 현열에 의한 열 교환이 거의 없는 반면 상대적으로 온도차가 크고 풍속이 강해지는 늦가을과 겨울철에는 해양에서 대기로의 열 유입량이 뚜렷하게 증가한다. 서해 남동부 해역의 부이 관측 자료를 이용해서 해양 플럭스를산출한 Kim and Chang(2014)의 현열 플럭스 값은 4월부터 8월까지 ±6 W/m² 정도의 범위로 0에 가깝게 나타났고, 12월에 약 90W/m²의 높은 값을 보이면서 본 연구의 결과와 유사한 패턴이었다.

Q_a는 한반도가 고온 다습한 북태평양 기단의 영향을 받는 여름철(7월, 8월)에 가장 높으며 세 해역 중에서는 연중 T_s과 T_a가 높은 남해에서 가장 크게 나타난다(Fig. 8(d)). 대기와 해수의 비습차인 ΔQ는 Q_s와 Q_a의 차이(Q_s–Q_a)로 이때 Q_s는 T_s와 해면기압을 통해 COARE 3.5 알고리즘 코드 내부에서 계산된다. ΔQ는 3월부터 7월까지 낮게 유지되다가 8월부터 증가하면서 대기가 건조한 가을철과 겨울철(11월~2월)에 높게 나타난다(Fig. 8(f)). 남해의 경우 동해와 서해보다 ΔQ가 더 높게 나타나는데 이 해역은 연중 쿠로시오 난류의 영향을 받는 곳이기 때문에 높은 월평균 Ts로 인해 Q_a와 Q_s가 다른 해역에 비해 더 크게 차이나는 것으로 판단된다. LHF는해양과 대기 사이의 습도 차이에 의한 해양에서의 물 증발량이 큰 영향을 미치기 때문에 ΔQ가 큰 계절에 높게 나타나게 된다. 흥미롭게도, 본 연구결과에서는 대기 해양의 비습 차이가 9월과 10월에 나타났음에도 LHF는 12월에 서해, 동해, 남해에서 각각 181.5, 213.5, 277.3W/m²으로 가장 높은 값을 보였다(Fig. 8(f), (h)). 난류에 의한 잠열 플럭스 산출 과정에 대기-해양의 비습 차이 뿐만 아니라 해수면 위 바람 세기에 따라서도 상당한 변화를 야기한다. 즉, 비습의 차이와 바람 세기가 모두 높게 나타나는 시기인 12월에 최대값이 나타나는 특징을 확인할 수 있다. 선행연구에서도 대기-해양 비습 차이는 9월에 가장 높게 나타나지만 잠열 플럭스는 풍속 또한 높게 나타나는 12월에 165.6 W/m²으로 최대치를 보였다(Kim and Chang, 2014).

풍속과 현열 및 잠열 플럭스의 관계는 Oh et al.(2007)의 연구에서 에디공분산방법에 의한 플럭스 관측 값과 풍속 자료를 이용하여 분석된 바 있다. 이 연구에서는 대기–해양 사이의 안정도에 따른 풍속과 현열 및 잠열 플럭스의 관련성을 분석한 결과 ΔT와 ΔQ가 작은, 즉 대기-해양 사이가 안정한 봄철과 여름철은 현열과 잠열 플럭스의 변화에서 바람에 대한 민감도가 거의 나타나지 않은 반면, 겨울철에는 대기–해양 층의 불안정도가 증가하면서 풍속에 대한 민감도가 강해진다고 제시하였고, 이러한 풍속에 대한 민감도는 현열 플럭스보다 잠열 플럭스에 더 크게 나타났다. 즉, 본 연구 결과에서도 마찬가지로 겨울철은 다른 계절에 비해 풍속에 대한 현열 및 잠열 플럭스의 변동성이 큰데다가 평균 풍속이 세기 때문에 두 플럭스가 커지는데 기여하게 되어 현열 및 잠열 플럭스가 가장 크게 나타났으며, 겨울철의 풍속은 현열 플럭스보다 잠열 플럭스에 더 민감하게 작용한 것으로 보인다.

6. 요약 및 결론

본 연구에서는 2014년부터 2017년까지 최근 4년에 대해서 AMSR2, GMI의 위성 기반 관측 자료와 COARE3.5 벌크 알고리즘을 이용하여 한반도 주변 해양의 현열 및 잠열 플럭스를 산출하고 분석하였다. 플럭스 산출에 앞서 위성 기반의 관측자료로부터 일평균 U, T_s, Q_a, T_a를 생산하였고, 이때 Q_a와 T_a는 위성으로부터의 직접적인 관측이 어렵기 때문에 W와 Ts를 이용한 경험식을 통해 추정하였다. 추정된 Q_a와 T_a는 한반도 주변 해양 부이에서 관측된 값과 각각 0.96 이상의 높은 상관성을 보였고, RMSE는 1.42 g/kg, 1.89°C로 나타났다. MBE는 거의 0에 가까운 값을 보이면서 부이 관측 값과 상당히 잘 일치하는 것을 확인하였다.

위성 기반으로 직접 관측 및 추정된 대기-해양 변수자료들을 벌크식에 입력하여 한반도 주변 해양의 현열과 잠열 플럭스를 산출하였고, 월평균 공간 분포의 특성을 확인하였다. 현열 플럭스는 3월부터 8월까지 한반도 전역에 걸쳐 20 W/m²의 낮은 값을 보였으며, 특히 7월에는 일부 해양에서 0 W/m² 이하의 값(즉, 대기에서 해양으로의 열 전달)을 보였다. 현열 플럭스는 9월부터 점차 증가하여 12월에 제도 주변 해양에서 150 W/m²의 높은 값이 나타났다. 잠열 플럭스는 4월부터 7월까지 40W/m² 정도의 낮은 값을 보이다가 가을철에 들어서면서 급격히 증가하여 현열과 마찬가지로 12월에 남해에서 최대 380 W/m² 이상의 높은 값을 보였다. 또한 현열과 잠열 플럭스는 모두 쿠로시오 난류가 지나는 지역(남해와 동해)에서 연중 높은 값을 나타냈다.

해양 플럭스 변동성에 영향을 미치는 대기-해양 변수들의 월평균 특성을 해역별로 분석한 결과 U는 여름철에 작은 값, 겨울철에 높은 값을 보였고 ΔT는 4월부터 8월까지 2°C 이하로 관측되었다가 9월부터는 세 해역에서 점차 증가하여 남해, 동해, 서해 순으로 12월에 가장 높은 값을 보였다. ΔQ는 봄철과 초여름에 낮은 값을 보이다가 8월부터 증가하여 서해의 경우 9월에 최대값, 동해와 남해의 경우 12월에 최대값을 보였다. 대기해양의 온도차이에 민감한 SHF는 ΔT의 월 변동성과 밀접하게 관련되면서 봄철과 여름철에 낮은 값, 겨울철에최대값을 보였고, U 또한 이러 SHF의 월 평균 분포에 영향을 미친 것으로 보인다. LHF는 ΔQ의 영향을 받아봄~가을철에는 ΔQ와 유사한 월 평균 분포를 보이다가 대기가 불안정해지는 겨울철에 들어서면서 점점 증가하는 풍속의 영향을 받아 세 해역에서 모두 12월에 최대치를 보였다. 겨울철 풍속의 증가는 현열과 잠열 플럭스가 커지는데 영향을 미치며 이러한 효과는 현열 플럭스보다 잠열 플럭스에서 두드러지게 나타났다.

본 연구는 최근 4년 기간 동안의 다양한 위성 자료를 이용해서 관측 및 추정된 대기-해양 변수로 해양 플럭스를 산출하였다. 현재까지 국내 많은 연구들이 선박을 통한 관측이나 해상 부이 관측을 통한 시공간적으로 제한된 특징을 제시하였고 연구 결과가 과거 기간에 해당하기때문에 본 연구의 위성 기반 결과들과 정량적인 비교 분석은 어려움이 있다. 하지만 본 연구의 한반도 주변 해양 플럭스 공간 분포 특징과 월평균 기후값 패턴은 선행 연구 결과와 유사하였으며, 이로써 본 연구에서 제시한 위성 기반의 간접적인 해양 플럭스 산출에 타당성을 부여할 수 있을 것으로 판단된다. 국외의 경우에는 전 지구 해양에 대해서 현열과 잠열 플럭스를 산출한 연구가 다수 있으나, 이 연구들에서는 한반도와 멀리 떨어진 해양의 부이 또는 선박 관측 자료를 사용하여 위성 기반의 대기–해양 변수를 추정하였기 때문에 한반도 주변 대기–해양의 기상/기후학적 특징을 반영한 해양 플럭스 산출에는 한계가 있을 수 있다. 따라서 본 연구는 위성 기반 자료의 활용과 더불어 한반도 주변 해양에서의 부이 관측 자료를 이용한 경험 통계식적용 및 검증을 수행함으로써 한반도 인근 해양의 특성을 반영한 방법론으로 해양 열플럭스를 산출하고자 하였다.

하지만 한반도 인근 해양이 아닌 다른 지역의 해양에 본 연구의 방법론을 적용할 경에는 경험식을 통한 대기 비습과 기온의 산출에서 오차가 생길 수 있고, 결과적으로 현열과 잠열 플럭스의 오차를 유발할 수 있으므로 해당 지역에 대한 경험 계수를 새롭게 산출할 필요가 있다. 또한 향후에는 한반도 주변에서 선박 또는 과학기지 등에서 에디공분산방법으로 직접 측정된 난류 플럭스 실측 자료와 본 연구의 위성 기반 플럭스 자료를 비교함으로써 연구 결과의 정량적 검증을 추가할 필요가 있으며, 여름철 태풍이나 겨울철의 폭설 등의 이례적 기상 현상에 대해서도 본 연구의 해양 플럭스 값의 검증이 필요하다.