• 대기
• /
• 제31권2호
• /
• pp.215-227
• /
• 2021

The necessity of the prediction on the Seasonal-to-Subseasonal (S2S) timescale continues to rise. It led a series of studies on the S2S prediction models, including the Global Seasonal Forecasting System Version 5 (GloSea5) of the Korea Meteorological Administration. By extending previous studies, the present study documents sea surface temperature (SST) prediction skill around the Korean peninsula in the GloSea5 hindcast over the period of 1991~2010. The overall SST prediction skill is about a week except for the regions where SST is not well captured at the initialized date. This limited prediction skill is partly due to the model mean biases which vary substantially from season to season. When such biases are systematically removed on daily and seasonal time scales the SST prediction skill is improved to 15 days. This improvement is mostly due to the reduced error associated with internal SST variability during model integrations. This result suggests that SST around the Korean peninsula can be reliably predicted with appropriate post-processing.

• 대기
• /
• 제31권5호
• /
• pp.473-488
• /
• 2021

A new physical/statistical diagnostic downscale model has been developed for use to improve near-surface air temperature forecasts. The model includes a series of physical and statistical correction methods that account for un-resolved topographic and land-use effects as well as statistical bias errors in a low-resolution atmospheric model. Operational temperature forecasts of the Local Data Assimilation and Prediction System (LDAPS) were downscaled at 100 m resolution for three months, which were used to validate the model's physical and statistical correction methods and to compare its performance with the forecasts of the Korea Meteorological Administration Post-processing (KMAP) system. The validation results showed positive impacts of the un-resolved topographic and urban effects (topographic height correction, valley cold air pool effect, mountain internal boundary layer formation effect, urban land-use effect) in complex terrain areas. In addition, the statistical bias correction of the LDAPS model were efficient in reducing forecast errors of the near-surface temperatures. The new high-resolution downscale model showed better agreement against Korean 584 meteorological monitoring stations than the KMAP, supporting the importance of the new physical and statistical correction methods. The new physical/statistical diagnostic downscale model can be a useful tool in improving near-surface temperature forecasts and diagnostics over complex terrain areas.

• 대기
• /
• 제24권4호
• /
• pp.565-571
• /
• 2014

본 연구에서는 국가태풍센터에서 운영하는 북서태평양 태풍 진로 계절예측모델의 6월부터 10월까지의 고정된 예측시점을 현업 예보자가 목적에 따라 3개월 단위로 그 예측기간을 조정할 수 있도록 개선하였다. 여름철과 가을철 태풍 전망을 발표하는 기상청 장기예보 일정에 부합해 예측결과를 산출하기 위해 계절별로 나누어 북서태평양의 대표적 태풍 진로 유형을 새로 분류하고 각 유형별 대규모 순환장과의 상관성을 분석해서 예측모델을 개발하였다. 이 모델들의 성능을 평가하고 현업에서의 활용 가능성을 확인하기 위해 교차타당화 방법을 이용해 1982년부터 2010년까지 과거기간 동안의 예측성능을 검증하였다. 태풍 진로 밀도의 예측에 있어 관측과 모델 값의 상관계수는 여름철에 0.70, 가을철에 0.55 정도를 보였으며, 이는 예측치가 관측에서 나타난 변동성의 99% 유의수준에서 모의되는 것으로 나타났다. 두 계절 모두 기후적인 관점에서 우수한 예측성능을 보였고, 또한 기존에 개발되었던 6월부터 10월까지 기간을 대상으로 하는 모델의 성능과 비슷한 수준인 것으로 나타났다. 이러한 예측 대상기간의 수정은 사용자가 본 모델의 초기 입력자료로 사용되는 네임리스트 입력 파라미터를 조정해 쉽게 조절할 수 있다. 또한 본 모델 예측 결과에 한반도 비상구역의 결과를 집중해서 산출하는 후처리 모듈을 추가하여 현업 예보에서 신속하게 모델을 구동하고 정확한 한반도 태풍활동 예측결과를 산출할 수 있도록 하였다. 비록 가을철 한반도 비상구역 태풍활동의 피크 해 모의에 한계성이 일부 나타났으나 향후 새로운 예측인자 도입 및 최적화, 다른 회귀분석 방법 시험 등을 통해 극복할 수 있을 것이다. 이 연구를 통해 개발된 3개월 단위 예측 모듈, 유저 친화적 인터페이스, 그리고 후처리 스크립트 추가를 통한 한반도 지역 예측기능들은 기상청 국가태풍센터의 태풍 장기 예보 업무에 큰 도움이 될 것으로 기대된다.

• 한국지리정보학회지
• /
• 제11권3호
• /
• pp.13-22
• /
• 2008

본 연구의 목적은 용담댐 유역을 대상으로 유역특성자료 분석시스템 (KGIS-Hydrology)을 이용하여 PRMS 모형의 입력매개변수를 추출하고 유출모의를 수행함으로서 개발된 유역특성자료 분석시스템 및 추출된 매개변수를 이용한 PRMS 모형의 국내 유역에 대한 적용성을 검토하는데 있다. 용담댐 유역을 대상으로 DEM, 토양도, 임상도 등을 구축하여 유역특성자료 분석시스템에 적용하여 PRMS 모형의 입력 매개변수를 추출하였다. 강수자료 및 기상자료는 기상청의 장수기상관측소의 시계열 자료를 사용하였으며 모의 결과를 검증할 수 있는 하천유출량 자료로서 용담댐 지점(용담댐 유역)과 동향수위관측소(구량천 유역)의 자료를 사용하였다. 장기유출모의 목적에 맞는 PRMS 모형을 구성하고 유역특성자료 분석시스템을 이용하여 추출된 매개변수로서 1966년부터 2001년까지 용담댐 유역에 적용하여 매개변수를 최적화하였다. 최적화된 매개변수를 이용하여 용담댐 유역(2002-2006)에 대하여 검토한 결과 0.49~0.83, 구량천 유역(2001-2004)은 0.57~0.75의 모형효율을 나타내어 모의결과가 실측치에 대하여 높은 모형효율을 나타내었다.

• 한국농림기상학회지
• /
• 제22권4호
• /
• pp.312-326
• /
• 2020

KMAPP은 규모상세화 과정을 통해 100 m 단위의 초고해상도 기상 예측을 산출하는 체계로써 최근 수문, 농업, 신재생에너지 등 다양한 분야에서 활용되기 시작됨에 따라 각 분야별로 예측성능을 검증할 필요가 있다. 철원 지역과 전북 지역은 산지가 많은 우리나라에서 비교적 넓은 범위에 걸쳐서 수평면을 보유하고 있으며, 특히 철원은 대규모 벼 논 재배지역 중에서 실측 및 원격탐사 생물계절 자료가 많은 지역으로 KMAPP 예측 성능을 검증하는데 필요한 관측자료를 사용하기에 적절한 지점으로 판단된다. 이번 연구에서는 철원 내 농경지역의 생태적 변화에 따라 변화하는 KMAPP 기온 예측 성능을 AWS와 ASOS 관측자료를 이용하여 비교 검증하였다. 그리고 전북지역 폭염 기간 동안 가축 고온스트레스 모델과 같은 응용모델에 KMAPP 예측 자료를 입력자료로 활용하는 것을 검토하고자 일사량 예측을 ASOS 자료를 이용하여 검증하였다. 더 많은 사례의 수집과 선정이 필요하다는 한계가 있지만 농경지역에서 추수 후 기온 예측 성능이 일반 주택지 에서보다 더 크게 향상된 것을 통해 생물리적 효과가 예측 정확도에 미치는 영향을 간접적으로 추측해 볼 수 있었다. 한편, 일사량 예측의 경우 단위 변환에 따른 오차가 발생하지만 관측값과 일치하는 경향을 보여 KMAPP 자료가 지역규모의 상세 예측 자료로 응용모델에 활용될 수 있을 것으로 기대된다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.415-423
• /
• 2021

NCAM-LAMP 중기예측 자료의 통계적 후처리와 개선을 위하여 R 기반의 지점 시계열 자료 검증 체계를 구축하였다. 이 시계열 검증체계를 이용하여 기상청 AWS 관측 자료와 NCAM-LAMP, KMA GDAPS 중기예측 모델 자료를 비교하였다. 이를 위해 관측 지점에 가장 근접한 모델 위도 및 경도 자료를 추출하여 총 9개 지점을 선정하였다. 각 지점에 대해 NCAM-LAMP, GDAPS 모델의 기온, 강수량, 풍속 일평균 예측 자료를 관측과 비교한 결과, 모델들은 풍속의 과대예측 경향을 뚜렷이 보였으며, 기온과 강수의 경우에는 두 모델의 예측력이 월별 및 변수별로 다르게 나타났다. 이를 바탕으로 본 연구에서는 통계적 기법을 개발하여 NCAM-LAMP가 가지고 있는 오차를 줄이고자 하였다. 모델 오차를 줄이기 위해 일반적으로 쓰이는 MOS(Model Output Statistics)기법 중에 인공지능 SVM(Support vector machine) 방식을 8~10월 기간에 적용한 결과, 8월에 비해서 10월이, 기온 변수에 비해서 바람과 강수 변수가 개선된 효과를 보여주었다. 이러한 결과는 풍속의 과대예측을 줄이고, 농림 가뭄지수와 산사태 예측 등을 개선시키며, 지역 수치예보 모델이 시간 적분됨에 따라 영역 내 예측가능성이 점점 저하되는 현상을 완화시키는데 SVM 방법이 일정 부분 기여할 수 있음을 가리키며, 현업 표출 중인 NCAM Agro-Meteogram 개선에도 도움을 줄 것으로 기대된다.