• 대기
• /
• 제28권4호
• /
• pp.479-490
• /
• 2018

This study assesses the prediction skill of regional scale model for the mean temperature anomaly over South Korea produced by Pusan National University Coupled General Circulation Model (PNU CGCM)-Weather Research and Forecasting (WRF) chain. The initial and boundary conditions of WRF are derived from PNU CGCM. The hindcast period is 11 years from 2007 to 2017. The model's prediction skill of mean temperature anomaly is evaluated in terms of the temporal correlation coefficient (TCC), root mean square error (RMSE) and skill scores which are Heidke skill score (HSS), hit rate (HR), false alarm rate (FAR). The predictions of WRF and PNU CGCM are overall similar to observation (OBS). However, TCC of WRF with OBS is higher than that of PNU CGCM and the variation of mean temperature is more comparable to OBS than that of PNU CGCM. The prediction skill of WRF is higher in March and April but lower in October to December. HSS is as high as above 0.25 and HR (FAR) is as high (low) as above (below) 0.35 in 2-month lead time. According to the spatial distribution of HSS, predictability is not concentrated in a specific region but homogeneously spread throughout the whole region of South Korea.

• 한국지구과학회지
• /
• 제28권2호
• /
• pp.214-226
• /
• 2007

강수는 다양한 대기 변수들의 영향으로 나타나기 때문에 비선형성이 매우 강하다. 따라서 역학 모형을 통해 예측된 강수의 보정은 비선형 모형인 인공 신경망 등을 통해 가능할 것이지만, 인공 신경망의 경우 초기 가중치 선택, 지역 최소화 문제, 뉴런의 수 결정 등의 문제로 인한 한계가 있다. 그러므로 본 연구에서는 가장 보편적으로 사용되는 다중 선형 회귀 모형을 이용하여 CGCM에 의해 모사된 강수를 보정하였으며, 예측성을 살펴보았다. 이를 위하여 우선 PNU/CME 접합 대순환 모형(Coupled General Circulation model, CGCM)(박혜선과 안중배, 2004)을 이용하여 1979년부터 2005년까지 매해 4월부터 8월까지 5개월간 앙상블 적분을 하였다. 적분 결과 중 한반도를 포함한 동북아시아 지역$(110^{\circ}E-145^{\circ}E,\;25^{\circ}N-55^{\circ}N)$의 여름철인 6월(리드 2), 7월(리드 3), 8월(리드 4) 및 여름철 평균인 JJA(from June to August) 기간의 PNU/CME CGCM에 의해 모사된 강수를 보정하기 위해 다중 선형 회귀(Multiple Linear Regression, MLR)를 이용하였다. PNU/CME 접합 대순환 모형의 결과 중 강수, 500 hPa 연직 속도, 200 hPa 발산장, 지상 기온 등의 예측 인자와 관측 강수와의 선형적인 관계를 이용하여 MLR 모형을 구축하였다. 그리고 교차 검증(cross- validation)을 수행하여 PNU/CME 접합 대순환 모형의 결과와 교차 검증 결과를 비교하였다. 상관계수, 적중률 (hit rate), 오보율(false alarm rate) 그리고 Heidke 기술 점수(Heidke skill score) 등을 살펴본 바, 보정하지 않은 모형의 결과에 비해 MLR 모형을 이용하여 보정한 결과의 강수에 대한 예측성이 뛰어난 것을 알 수 있었다.

• 대기
• /
• 제29권5호
• /
• pp.671-687
• /
• 2019

This study evaluates the long-term seasonal predictability of summer (June, July and August) heatwaves over South Korea using 30-year (1989~2018) Hindcast data of the Pusan National University Coupled General Circulation Model (PNU CGCM)-Weather Research and Forecasting (WRF) chain. Heatwave indices such as Number of Heatwave days (HWD), Heatwave Intensity (HWI) and Heatwave Warning (HWW) are used to explore the long-term seasonal predictability of heatwaves. The prediction skills for HWD, HWI, and HWW are evaluated in terms of the Temporal Correlation Coefficient (TCC), Root Mean Square Error (RMSE) and Skill Scores such as Heidke Skill Score (HSS) and Hit Rate (HR). The spatial distributions of daily maximum temperature simulated by WRF are similar overall to those simulated by NCEP-R2 and PNU CGCM. The WRF tends to underestimate the daily maximum temperature than observation because the lateral boundary condition of WRF is PNU CGCM. According to TCC, RMSE and Skill Score, the predictability of daily maximum temperature is higher in the predictions that start from the February and April initial condition. However, the PNU CGCM-WRF chain tends to overestimate HWD, HWI and HWW compared to observations. The TCCs for heatwave indices range from 0.02 to 0.31. The RMSE, HR and HSS values are in the range of 7.73 to 8.73, 0.01 to 0.09 and 0.34 to 0.39, respectively. In general, the prediction skill of the PNU CGCM-WRF chain for heatwave indices is highest in the predictions that start from the February and April initial condition and is lower in the predictions that start from January and March. According to TCC, RMSE and Skill Score, the predictability is more influenced by lead time than by the effects of topography and/or terrain feature because both HSS and HR varies in different leads over the whole region of South Korea.

• 한국해양학회지:바다
• /
• 제12권3호
• /
• pp.170-177
• /
• 2007

본 연구에서는 기상청 연구개발 사업을 통해 개발된 PNU/CME 접합대순환 모형(CGCM)을 이용하여 적도 태평양에서의 엘니뇨 및 라니냐 현상에 대한 장기 예측성을 해수면온도 상관관계와 숙련도를 통해 살펴보았다. 이를 위하여 PNU/CME CGCM을 활용한 전구규모의 기후 예측을 위하여 1979년부터 2004년까지 매해 1월, 4월, 7월, 10월초를 초기조건으로 하여 12개월 후보 적분을 수행했다(각 적분은 APR RUN, JUL RUN, OCT RUN, JAN RUN 이라 명명한다). 또한 각 12개월 후보 적분은 5개의 앙상블로 구성되었다. 4계절로부터 출발한 모든 적분에서 12개월의 리드가 지난 이후에도 상대적으로 높은 상관이 적도 태평양에서 유지되었다. 특히, 본 연구에서 사용된 모형의 적도 해수면온도 아노말리 예측성은 6개월의 리드까지 뛰어나다는 것을 알 수 있었다. 엘니뇨와 라니냐에 대한 예측성을 평가하기 위해서 Hit rate와 False alarm rate 등의 다양한 숙련도를 구해본 결과, PNU/CME CGCM은 적도 태평양 지역에서의 온난 아노말리와 한랭 아노말리를 예측하는데 있어서는 좋은 예측성을 보였다. 그러나 보통 상태에 대한 예측성은 상대적으로 다소 낮았다. 또한 본 연구에 사용한 모형 결과를 DEMETER 사업에 참여하고 있는 다른 접합대순환 모형들의 예측성과도 비교해 보았을 때, 본 연구에 사용한 모형은 DEMETER 사업에 참여한 모형들에 견줄 수 있는 장기 예측 능력을 갖고 있음을 알 수 있었다. 결론적으로 Nino3.4 지역의 해수면온도 아노말리를 예측할 수 있는 능력을 통해서 살펴볼 때 PNU/CME CGCM은 엘니뇨 및 라니냐 해에 대해서는 6개월까지는 높은 예측성이 있다고 판단되며 최장 12개월 정도의 장기 예측 능력이 있다는 결론을 얻었다.

• 대기
• /
• 제22권4호
• /
• pp.455-464
• /
• 2012

This study investigates a 12 month-lead predictability of PNU Coupled General Circulation Model (CGCM) V1.1 hindcast, for which an oceanic data assimilated initialization is used to generate ocean initial condition. The CGCM, a participant model of APEC Climate Center (APCC) long-lead multi-model ensemble system, has been initialized at each and every month and performed 12-month-lead hindcast for each month during 1980 to 2011. The 12-month-lead hindcast consisted of 2-5 ensembles and this study verified the ensemble averaged hindcast. As for the sea-surface temperature concerns, it remained high level of confidence especially over the tropical Pacific and the mid-latitude central Pacific with slight declining of temporal correlation coefficients (TCC) as lead month increased. The CGCM revealed trustworthy ENSO prediction skills in most of hindcasts, in particular. For atmospheric variables, like air temperature, precipitation, and geopotential height at 500hPa, reliable prediction results have been shown during entire lead time in most of domain, particularly over the equatorial region. Though the TCCs of hindcasted precipitation are lower than other variables, a skillful precipitation forecasts is also shown over highly variable regions such as ITCZ. This study also revealed that there are seasonal and regional dependencies on predictability for each variable and lead.

• 대기
• /
• 제28권4호
• /
• pp.509-520
• /
• 2018

The performance of the newly designed Pusan National University Coupled General Circulation Model (PNU CGCM) Ensemble Forecast System which produce 40 ensemble members for 12-month lead prediction is evaluated and analyzed in terms of boreal winter temperature over South Korea (S. Korea). The influence of ensemble size on prediction skill is examined with 40 ensemble members and the result shows that spreads of predictability are larger when the size of ensemble member is smaller. Moreover, it is suggested that more than 20 ensemble members are required for better prediction of statistically significant inter-annual variability of wintertime temperature over S. Korea. As for the ensemble average (ENS), it shows superior forecast skill compared to each ensemble member and has significant temporal correlation with Automated Surface Observing System (ASOS) temperature at 99% confidence level. In addition to forecast skill for inter-annual variability of wintertime temperature over S. Korea, winter climatology around East Asia and synoptic characteristics of warm (above normal) and cold (below normal) winters are reasonably captured by PNU CGCM. For the categorical forecast with $3{\times}3$ contingency table, the deterministic forecast generally shows better performance than probabilistic forecast except for warm winter (hit rate of probabilistic forecast: 71%). It is also found that, in case of concentrated distribution of 40 ensemble members to one category out of the three, the probabilistic forecast tends to have relatively high predictability. Meanwhile, in the case when the ensemble members distribute evenly throughout the categories, the predictability becomes lower in the probabilistic forecast.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.405-414
• /
• 2021

본 연구에서는 30년(1991-2020)에 대한 PNU CGCM-WRF chain에서 생산된 6개월 과거예측 자료를 이용하여 남한 전역에 대한 찰옥수수 수확일을 추정하고 평가하였다. 찰옥수수 수확일을 추정하기 위해 61개 지점의 기온 관측 자료와 모형의 기온 예측 자료를 파종일부터 수확 기준 온도까지 적산하는 적산온도 방법을 이용하였다. 평균 기온의 경우, 모형예측 자료는 분석기간(4~9월)에 대해 관측과 비교하여 약 2.9℃도 정도 기온을 과소모의하였다. 이러한 모형의 기온 오차가 적산온도에 반영되어, 관측으로 추정한 수확일과 비교하여 모형은 약 14.4~16.9일 늦게 찰옥수수 수확일을 모의하였다. 오차가 개선된 모형 결과는 기온 예측 자료의 평균 오차가 0.1℃로 감소되고, 수확일 지연이 약 1.1~1.3일로 감소되어 정량적으로 관측과 유사하게 모의하였다. 따라서, 본 연구에서는 PNU CGCM-WRF chain의 미래 기온 예측자료에 적산온도 생육추정 방법을 적용하여 찰옥수수 수확일을 추정함으로써 기후예측자료의 농업부문 활용성을 확인하였다. 찰옥수수와 같이 적산온도가 생육에 큰 영향을 미치는 작물의 경우, 본 연구에서 사용된 방법에 적합한 파종시기와 적산온도 기준값을 설정한다면 다양한 작물에 대한 생육시기 정보를 6개월 사전에 예측하고 활용할 수 있을 것으로 생각된다.

• 대기
• /
• 제31권5호
• /
• pp.577-592
• /
• 2021

This study evaluates the predictability of the number of days of heat and cold damages by growth stages of rice in South Korea using the hindcast data (1986~2020) produced by Pusan National University Coupled General Circulation Model-Weather Research and Forecasting (PNU CGCM-WRF) model chain. The predictability is accessed in terms of Root Mean Square Error (RMSE), Normalized Standardized Deviations (NSD), Hit Rate (HR) and Heidke Skill Score (HSS). For the purpose, the model predictability to produce the daily maximum and minimum temperatures, which are the variables used to define heat and cold damages for rice, are evaluated first. The result shows that most of the predictions starting the initial conditions from January to May (01RUN to 05RUN) have reasonable predictability, although it varies to some extent depending on the month at which integration starts. In particular, the ensemble average of 01RUN to 05RUN with equal weighting (ENS) has more reasonable predictability (RMSE is in the range of 1.2~2.6℃ and NSD is about 1.0) than individual RUNs. Accordingly, the regional patterns and characteristics of the predicted damages for rice due to excessive high- and low-temperatures are well captured by the model chain when compared with observation, particularly in regions where the damages occur frequently, in spite that hindcasted data somewhat overestimate the damages in terms of number of occurrence days. In ENS, the HR and HSS for heat (cold) damages in rice is in the ranges of 0.44~0.84 and 0.05~0.13 (0.58~0.81 and -0.01~0.10) by growth stage. Overall, it is concluded that the PNU CGCM-WRF chain of 01RUN~05RUN and ENS has reasonable capability to predict the heat and cold damages for rice in South Korea.

• 한국농림기상학회지
• /
• 제24권4호
• /
• pp.218-233
• /
• 2022

본 연구에서는 Pusan National University Coupled General Circulation Model-Weather Research and Forecasting (PNU CGCM-WRF)에서 생산된 hindcast 자료(1986~2020)를 이용하여 우리나라의 주요 곡물 중 하나인 콩의 생육단계별 고온해 및 저온해 발생일수의 예측성을 평가하였다. 예측성을 평가하는 방법으로는 Normalized Standard Deviations (NSD), Root Mean Square Error (RMSE), Hit Rate (HR), Heidke Skill Score (HSS)이다. 이를 위해 먼저 콩의 고온해 및 저온해를 정의하는 변수인 일 최고기온(Tmax) 및 일 최저기온(Tmin)의 모의성능을 검증하였다. 그 결과 1~5월(01RUN~05RUN)의 초기조건을 가지고 시작하는 월에 따라 다소 차이가 있지만, Variance Scaling 방법을 적용하여 보정한 결과가 보정전보다 관측과 유사하게 나타났으며, 보정한 3~10월의 Tmax 및 Tmin에 대한 모의성능은 전반적으로 01RUN~05RUN에 Simple Composite Method (SCM)을 적용하여 평균한 결과(ENS)에서 높게 나타났다. 또한, 콩의 생육시기별 고온해 및 저온해 발생일수의 지역적 패턴과 특성을 관측과 비교하였을 때 모형이 잘 모의하고 있다. ENS에서 콩의 고온해(저온해)에 대한 HR과 HSS는 생육시기 별로 0.45~0.75, 0.02~0.10(0.49~0.76, -0.04~0.11)의 범위를 가진다. 결론적으로, PNU CGCM-WRF chain의 01RUN~05RUN 및 ENS는 우리나라 콩의 생육시기별 고온해 및 저온해를 예측할 수 있는 성능을 가지고 있다.

• 대기
• /
• 제25권2호
• /
• pp.353-366
• /
• 2015

The impact of land and ocean initial condition on coupled general circulation model seasonal predictability is assessed in this study. The CGCM used here is Pusan National University Couple General Circulation Model (PNU CGCM). The seasonal predictability of the surface air temperature and ocean potential temperature for boreal winter are evaluated with 4 different experiments which are combinations of 2 types of land initial conditions (AMI and CMI) and 2 types of ocean initial conditions (DA and noDA). EXP1 is the experiment using climatological land initial condition and ocean initial condition to which the data assimilation technique is not applied. EXP2 is same with EXP1 but used ocean data assimilation applied ocean initial condition. EXP3 is same with EXP1 but AMIP-type land initial condition is used for this experiment. EXP4 is the experiment using the AMIP-type land initial condition and data assimilated ocean initial condition. By comparing these 4 experiments, it is revealed that the impact of data assimilated ocean initial is dominant compared to AMIP-type land initial condition for seasonal predictability of CGCM. The spatial and temporal patterns of EXP2 and EXP4 to which the data assimilation technique is applied were improved compared to the others (EXP1 and EXP3) in boreal winter 2m temperature and sea surface temperature prediction.