Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-4517(Print)
ISSN : 2287-3503(Online)
Journal of Environmental Science International Vol.28 No.12 pp.1133-1145
DOI : https://doi.org/10.5322/JESI.2019.28.12.1133

A Study on the Characteristics of Convective Activities related to Atmospheric Stability Index and Thunderstorms over the Naro Space Center

Hong-Il Kim, Eun-Ho Choi, Seong-Gyu Seo1)*
Flight Safety Technology Division, NARO Space Center, Korea Aerospace Research Institute, Daejeon 34133, Korea
1)Department of Environmental System Engineering, Chonnam National University, Yeosu 59626, Korea
Corresponding author: Seong-Gyu Seo, Department of Environmental System Engineering, Chonnam National University, Yeosu 59626, Korea Phone: +82-61-659-7264 E-mail: sseo@jnu.ac.kr
26/09/2019 12/11/2019 13/11/2019

Abstract


Successful launch requires state-of-the-art launch vehicle technology and constant test operations, However, the meteorological threat to the launch vehicle flight trajectory is also an important factor for launch success. Atmospheric stability above the Naro Space Center at the this time is very important, especially because the initial flight operation can determine the success of the launch. Moreover, during the flight of launch vehicle with rapid pressure and thrust into the atmosphere, convection activity in the atmosphere may create environmental conditions that cause severe weather threats such as thunderstorms. Hence, studies of atmospheric instability characteristics over the Naro Space Center are a necessary part of successful launch missions. Therefore, the main aims of this study were to (1) verify the atmospheric stability index and convection activity characteristics over the Naro Space Center using radiosonde data observed from 2007 to 2018 by the Naro Space Center, (2) analyze changes in the atmospheric stability index according to monthly and seasonal changes, and (3) assess how the calculated atmospheric stability index is related to actual thunderstorm occurrence using statistical analysis. Additionally, we aimed to investigate the atmospheric characteristics above the Naro Space Center through the distribution chart of the atmospheric stability index during summer, when convection activity is highest. Finally, we assessed the relationship between lightning occurrence and unstable atmospheric conditions, through predictability analysis performed using the lightning observation data of the Korea Meteorological Administration.



나로우주센터 상공의 대기 안정도지수 및 뇌운관련 대류활동 특성 연구

김 홍일, 최 은호, 서 성규1)*
한국항공우주연구원 나로우주센터 비행안전기술실
1)전남대학교 환경시스템공학과
    Korea Aerospace Research Institute

    1. 서 론

    성공적인 발사를 위해서는 최첨단의 발사체 기술개발 과 끊임없는 시험을 통한 발사체 기술의 신뢰도 확보가 최우선적이지만, 발사체 비행 전·후의 비행궤적 상의 기 상위협요소 존재유무 판단 또한 발사 성공을 좌우할 수 있는 중요한 요소 중 하나이다. 실제로 전 세계 우주발사 체 분야의 선진국인 미국 NASA Kennedy Space Center에서도 발사체 비행궤적의 기상위협요소 중 낙뢰 를 기상조건에 의한 발사지연 및 실패의 주요 원인으로 규정하고 있으며(Roeder and McNamara, 2006), 이와 같은 낙뢰 위협에 대비하여 낙뢰발사기준 (LLCC: Lightning Launch Commit Criteria) 을 수립하여 발사 초기 비행궤적상에서 낙뢰에 의한 영향을 최소화하기 위 한 노력을 하고 있다. 미국 Kennedy Space Center 낙뢰 발사기준(LLCC)의 세부기준을 자세히 들여다보면 지표 전자기장 측정, 실시간 낙뢰감지와 같이 기상관측장비를 통한 낙뢰위협여부를 판단하는 기준도 있지만, 적운, 모 루구름, 파운과 같은 대류운의 존재여부 및 대류운 발달 가능성 분석이 대부분을 차지하고 있다(McNamara et al., 2010).

    대류활동은 대기권 상의 불안정한 상태에서 기인한다. 따라서 대기 중의 대류활동을 확인하기 위한 많은 방법들 이 연구되었다(Murakimi, 1983;Dickson et al., 1996; Robert et al., 1996; Ohsawa et al., 2001). 또한 많은 학 자들은 대류활동 중에서 일상생활에 가장 많은 피해를 줄 수 있는 뇌우를 예측하기 위하여 다양한 분석기법 특히 대기안정도 지수를 활용하였다(Jacovides and Yonetani, 1990;Fuelberg and Biggar, 1994;Huntrieser et al., 1997). 따라서, 더욱 정확한 예측을 위해서는 대기 안정 도지수를 활용하여 여러 지역에서의 뇌우 지수들을 증명 하는 것이 중요하다. 열역학적 원리에 근거하여 뇌우 발 생가능성에 대한 신속한 판단을 위한 간단한 안정도 지 수가 1953년 Showalter에 의해서 개발되었으며 (Showalter, 1953), 그 이후로 Lifted index (Galway, 1956), K index(George, 1960), SWEAT (Miller, 1972), CAPE(Moncrieff and Green, 1972;Kunz, 2007)와 같이 대류활동을 예측하기 위한 많은 다른 안정 도 지수들이 중위도 지역의 대류현상을 예측하기 위하여 개발되었다. 그 결과 SI, LI 및 KI와 같은 대기안정도 지 수들을 사용하여 뇌운 예측에 대한 더 나은 결과를 얻을 수 있었으며 뇌우 가능성을 신속하게 확인할 수 있게 되 었다. 그 결과, 대기 안정도 지수들은 대류활동의 형성 및 뇌우 발생 가능성에 대한 임계값을 갖는 것으로 밝혀졌 으며 대게 대기 안정도 지수들은 라디오존데 관측자료를 통해서 산출할 수 있었다.

    우리나라에서도 라디오존데 자료를 활용한 대기안정 도 지수 산출연구가 과거에 이루어졌다(Eom and Suh, 2010;Kim et al., 2011). 이 연구들도 라디오존데 자료 를 활용한 대기안정도 지수 산출을 통하여 대류활동의 연계성을 기술하고 있지만, 앞서 언급한 대기 불안정을 판단하는 임계값은 관측지점의 지리적 위치, 계절 및 종 관상황에 따라 다를 수 있음을 알아야 한다. 특히 대기 중 으로 급격한 압력과 추진력을 가지고 비행하는 발사체의 비행에 있어서 대기 중의 대류활동은 뇌우와 같은 심각 한 기상위협요소를 발생할 수 있기 때문에 성공적인 발 사임무 수행을 위해서 나로우주센터 상공의 대기불안정 특성 연구는 반드시 필요한 부분이다. 따라서 본 연구에 서는 나로우주센터에서 생산된 라디오존데 자료를 활용 하여 나로우주센터 상공의 대기안정도 지수의 산출 및 낙뢰관련 대류활동 특성을 확인하고자 한다. 우선 2007 년 ~ 2018년 동안 나로우주센터에서 비양한 라디오존데 자료를 활용하여 대기 안정도 지수의 산출 및 월별/여름 철 변화에 따른 특성을 파악하고, 실제 인근지역의 낙뢰 발생과 어떠한 상관성을 가지고 있는지 통계분석 기법 (Skill Score)을 사용하여 확인해 보도록 하겠다.

    2. 자료 및 방법

    2.1. 관측위치와 관측요소

    나로우주센터는 발사체의 비행영역 및 각 단 분리 부 품들의 낙하지역에서의 안전성 확보가 용이한 지역인 전 라남도 고흥군 외나로도(북위 34.26도, 동경 127.3도) 남쪽 및 지형적으로는 바다로 둘러 쌓인 섬의 남쪽에 위 치하고 있으며, 남서쪽 방향으로 해발고도 약 410 m의 산이 존재하고 있다. 라디오존데는 약 160 m의 해발고 도를 가진 나로우주센터 발사통제동에서 관측하였다.

    라디오존데는 2007년 7월부터 2018년 11월까지 총 1104회 비양되었으며, 대개 0000UTC (대한민국 현지시 간 0900AM)를 기준으로 1회 비양 후 당일 기상상황에 따라 추가비양을 수행하였다. 특히 2017년 1월부터 2018년 11월까지는 발사체 비행궤적설계 및 대기 중 기 상특성 확인을 위하여 집중관측기간을 설정하여 1일 4회 씩 매 10일마다 비양(월 총 12회 관측)하였으며, 1회 평 균 비양 시간은 약 1시간 30분이다(Table 1 참조). 단, 관측 자료 중에서 고도 20 km 미만에서 수신이 종료된 자료는 고도별 누락된 관측인자가 다수 존재하여 안정도 지수 계산에서 제외하였다. 안정도 지수 계산에 사용된 관측인자는 고도별 기압(hPa), 온도(℃), 이슬점온도(℃), 풍향(°), 풍속(m/s), 상대습도(%)이다. Fig. 1

    총 3개 회사의 라디오존데를 사용되었으며, 핀란드 VAISALA RS-92가 735개, 대한민국 진양공업 RSG -20A이 278개, 독일 GRAW DFM-06이 91개 순이었 다. 관측 초창기(2007년 ~ 2013년)에는 VAISALA RS-92센서가 사용되었고, VAISALA 수신기가 불용 처 리된 2014년부터 이후 기간 및 집중관측기간(2017년 ~ 2018년)에는 GRAW DFM-06 및 진양공업 RSG-20A 가 사용되었다. 이들 3개 제조사의 라디오존데 센서들은 모두 전세계적으로 고층기상관측에 사용되고 있으며, 2010년 World Meteorological Organization (WMO) 에서 수행한 고층기상관측장비 비교관측 시험 결과에 따 르면 Commission for Instruments and Methods of Observation (CIMO) 가이드의 운영 요구조건을 만족한 센서들이다(Nash, J. et al., 2011). 단, 실제 라디오존데 센서 제작사간 관측오차를 증명하기 위해서 VAISALA RS-92와 GRAW DFM-06에 대한 비교관측을 수행하 였다. 그 결과 습도 값에서는 다소 오차가 존재하지만 추 세 선은 선형에 가까워 분석결과에 영향을 미치지 않을 것으로 판단하였으며, 그 외 관측인자들의 오차는 거의 없었다(Fig. 2).

    2.2. 대기 안정도지수 산출방법

    라디오존데 비양을 통하여 산출된 대기안정도 지수는 Showalter Index (SSI), Lifted Index (LI), K Index, Total Totals Index (TT), Humidity Index (HI), Deep Convective Index (DCI) 그리고 SWEAT Index (STI) 이다.

    2.2.1. Showalter Index (SSI)

    Showalter Index(Showalter, 1953)는 일반적으로 850 hPa과 500 hPa의 특성을 기반으로 하며, 850 hPa면 의 상승응결고도(LCL)에서 포화단열선을 올라가 500 hPa 면과 만난 점의 온도 T를 500 hPa면의 실제 온도 T 에서 뺀 값을 말한다.

    S S I = ( T 500 T p a r c e l ) ( i n ° C )
    (1)

    • SSI over 3 : Stable

    • SSI = 3 to -3 : Moderately unstable

    • SSI = -4 to -6 : Very unstable

    • SSI below -6 : Extremely unstable

    여기서 T500은 500 hPa면의 실제온도이며, Tparcel은 850 hPa면의 상승응결고도(LCL)에서 포화단열선을 따 라 올라가 500 hPa면과 만난점의 온도이다.

    2.2.2. Lifted Index (LI)

    Lifted Index(Galway, 1956)는 공기입자가 지표면에 서 포화단열선을 따라 올라가 500 hPa과 만난 점의 온도 와 500 hPa에서의 온도 사이의 차이를 측정하는 데 일반 적으로 사용되는 지수이다.

    L I = ( T 500 T p a r c e l ) ( i n ° C )
    (2)

    • LI over 0 : Stable but weak convection possible for LI = 0-2

    • LI = 0 to -2 : Moderately unstable

    • LI = -3 to -5 : Very unstable

    • LI below -6 : Extremely unstable

    2.2.3. K Index (KI)

    K Index(George, 1960)는 여름철 해양성 열대기단 의 영향을 받을 때 나타나는 호우와 뇌우를 진단하기 위 해서 개발되었으며, 중층 이하의 대기층에서 불안정 요 소를 알아내기 위하여 3개의 층과 2개의 노점온도를 사 용하고 있다.

    K I = ( T 850 T 500 ) + T d 850 ( T 700 T d 700 ) ( i n ° C )
    (3)

    • KI below 15 : Stable

    • KI 15 to 30 : Thunderstorm with heavy rain or severe weather possible

    • KI over 30 : Better potential for thunderstorms with heavy rain

    • KI = 40 : Best potential for thunderstorms with very heavy rain

    여기서 T850은 850 hPa의 실제온도, T500은 500 hPa의 실제온도, TD850은 850 hPa의 노점온도, T700은 700 hPa 의 실제온도, TD700은 700 hPa의 노점온도이다.

    2.2.4. Total Totals Index (TT)

    Total Totals Index (Miller, 1972)는 VT (Vertical Totals)와 CT (Cross Totals)로 구성되어 있으며 VT는 850 hPa과 500 hPa 사이의 정적 안정도를 포함하며, CT는 850 hPa의 노점온도를 포함하고 있다.

    T T = ( T 850 T 500 ) + ( T d 850 T 500 ) ( ° C )
    (4)

    • TT = 44 to 50 : Thunderstorms possible

    • TT = 50 to 55 : Thunderstorms more likely, possibly severe

    • KI = 55 to 60 : Severe thunderstorms most likely

    2.2.5. Humidity Index (HI)

    Humidity Index (Litynska et al., 1976) 는 850 hPa, 700 hPa 및 500 hPa에서의 포화상태의 합을 나타낸다.

    H I = ( T 850 T d 850 ) + ( T 700 T d 700 ) + ( T 500 T d 500 ) ( i n ° C )
    (5)

    • HI over 30 : Stable

    • HI = 10 to 30 : Moderately unstable

    • HI = below 10 : Very unstable

    2.2.6. Deep Convective Index (DCI)

    Deep Convective Index (Barlow, J., 1993)는 LI 뿐 아니라 850 hPa에서의 온도와 습도값의 결합을 나타낸 다.

    D C I = T 850 + T d 850 L i f t e d I n d e x ( i n ° C )
    (6)

    • DCI below 30 : Stable

    • DCI over 30: Better potential for thunderstorms

    2.2.7. Severe Weather Index (SWEAT)

    Severe Weather Index(Miller, 1972)는 격렬한 폭풍 과 토네이도를 예상하기 위한 지수이다.

    S W E A T = 20 ( T T 49 ) + 12 T d 850 + ( W S 500 + 2 W S 850 ) + [ 125 sin ( W D 500 W D 850 ) + 2 ]
    (7)

    • SWEAT = 150 to 300 : Slight severe thunderstorms

    • SWEAT over 300 : Potential for severe thunderstorms

    • SWEAT over 400 : Potential for tornadoes

    3. 분석결과

    3.1 대기안정도 지수의 월별 특성

    나로우주센터 상공의 대류활동 특성을 확인하기 위하 여 2007년 7월부터 2018년 11월까지 비양(총 1104회) 한 라디오존데 관측자료의 고도별 기압(hPa), 온도(℃), 노점온도(℃), 풍향(°), 풍속(m/s), 습도(%)를 확인하여 각각의 대기 안정도 지수를 산출하였으며, 월별 평균값 을 확인하였고 그 결과는 Table 2와 같다. 그 결과, 월별 지수 분포 중에서 불안정한 기준을 1개라도 초과하는 값 이 존재하는 월은 6월, 7월, 8월이며, 해당 월의 다른 대 기안정도 지수값들도 불안정 상태의 임계값에 가장 근접 한 값을 나타내고 있는 것으로 보아, 사계절 중에서 여름 철의 대기상태가 가장 불안정한 상태라는 것을 확인할 수 있었다. 특히 7월의 경우 SSI = 1.93(SSI < 3), LI = 0.05(LI < 2), KI = 29.73(KI > 15), HI = 23.20(HI < 30), DCI = 32.75(DCI > 30), SWEAT = 230.96 (SWEAT > 150)을 나타내고 있어 TT값을 제외하고 모 든 지수들의 평균값이 불안정 기준을 초과하고 있다. 따 라서 나로우주센터 상공에서는 1년 중 7월에 뇌우 발생 가능성이 가장 높을 것으로 판단된다.

    3.2. 여름철 대기 안정도 지수 특성

    3.1 절의 대기 안정도 지수의 월별 특성을 통하여 여 름철(6월, 7월, 8월) 대기상태가 가장 불안정하다는 것을 확인하였다. 이에 따라 관측기간 동안 연도별 여름철 평 균 대기 안정도 지수를 확인하였다(Fig. 3 ~ Fig. 4).

    SSI(SSI < 3)는 2007년 0.38, 2008년 1.53, 2010년 2.88, 2011년 2.47, 2014년 2.29 값을 나타내어 여름철 평균이 불안정한 상태를 나타냈으며, 연도별 여름철 관 측횟수가 평균 30회 이상인 값들만 비교해 보면 2008년, 2010년 2011년이 해당된다. LI(LI < 2)는 2007년 -2.11, 2008년 -0.52, 2011년 1.24, 2014년 0.08, 2015 년 0.31로 불안정한 상태였으며, 연도별 여름철 관측횟 수가 평균 30회 이상인 년도 중에서는 2008년, 2011년 이 해당된다. HI(HI < 30)는 2007년 5.44, 2008년 26.25, 2010년 23.19, 2011년 25.98, 2013년 26.62, 2014년 23.70로 불안정한 상태였으며, 연도별 여름철 관측횟수가 평균 30회 이상인 년도 중에서 2008년, 2010년, 2011년이 해당된다. DCI(DCI > 30)는 2007년 35.19, 2008년 33.12로 불안정한 상태였으며, 연도별 여 름철 관측횟수가 평균 30회 이상인 년도 중에서 2008년 이 해당된다. SWEAT(SWEAT > 150)는 2018년을 제 외한 모든 연도에서 불안정한 상태였으며, KI(KI < 15) 는 관측연도 모두 임계값을 초과하여 불안정한 상태를 나타냈고, 마지막으로 TT(TT < 44)는 임계값을 초과하 는 년도는 확인되지 않았다. 이와 같은 결과를 통하여 관 측기간 중에서 2008년 여름철이 나로우주센터 상공의 대기상태가 가장 불안정했으며, 대류활동이 활발했던 것 으로 판단된다.

    여름철 관측횟수가 평균 30회 이상인 년도 중에서 대 기 안정도 지수 평균값을 비교해보면, SSI는 2008년에 1.53, KI는 2010년에 29.87, LI는 2008년에 -0.52, TT 는 2008년에 41.65, HI는 2010년에 23.19, DCI는 2008년에 33.12, SWEAT는 2010년에 220.67로 가장 불안정한 상태를 보였으며, 이를 종합해볼 때 2008년과 2010년도 여름철이 강한 뇌운을 발생시킬 수 있는 불안 정한 대류활동이 활발했던 것으로 확인된다. Severe Weather thrEAT Index (SWEAT)도 연도별 여름철 평 균값이 전체적으로 불안정한 상태의 임계값(SWEAT > 150)을 초과하고 있지만, 2017년과 2018년도에 여름철 평균값이 상대적으로 낮게 분포되어 있었다. 다른 대기 안정도 지수들과의 차이점은 SWEAT지수가 계산 시 풍 향/풍속 값을 활용(식 7 참조) 하고 있다는 점인데, 본 연 구에는 다루지는 않았지만 풍향/풍속 값을 활용하여 계 산하는 다른 대기 안정도 지수들인 Storm Relative Wind (SRW), Storm Relative Helicity (SRH) 등 (Grieser, 2012)의 추가분석을 통하여 상관성 여부를 확 인할 필요가 있겠다.

    3.3. 불안정 조건의 특성 분석

    나로우주센터 상공의 불안정한 대기 상태 중 여름철 비중을 더욱 세부적으로 확인하기 위해서 각 대기 안정 도 지수마다 연도별 불안정 상태의 임계값을 초과한 횟 수를 날을 계산하였고, 그 중 여름철 횟수를 확인하였고 그 결과는 Fig. 5와 같다. 앞서 살펴본 바와 같이 대기 안 정도 지수들의 연도별 여름철 평균 값은 2009년이 가장 불안정한 상태였다는 결과를 확인할 수 있었는데, 불안 정한 상태를 보이는 비양 횟수를 통한 지수들을 비교해 본 결과 역시 HI(2010년 최다)를 제외한 모든 지수에서 2009년이 불안정한 상태를 나타낸 날이 가장 많은 것으 로 확인되었다. 또한 불안정한 상태를 나타내는 전체 횟 수 중에서는 계절별로는 여름철 비중이 대부분을 차지하 고 있어 여름철이 대기 중의 대류활동이 가장 활발하다 는 것을 다시 한 번 확인할 수 있었다.

    불안정 상태로 나타나는 날 중에서 여름철 비중을 확 률로써 확인해 보면(Table 3 참조), DCI가 전체 불안정 상태 중 여름철 비중이 89%로 가장 높았으며, TT는 44%로 가장 낮은 상관성을 보였다. 또한 유사한 대기 안 정도 지수인 SSI와 LI는 여름철 비중의 전체 평균값이 71%와 75%였으며, 매년 10%의 오차범위 이내에서 유 사한 여름철 비중을 보이는 경향을 확인할 수 있었다. 또 한 연도별 여름철 관측횟수가 평균 30회 이상인 년도 중 에서 2008년, 2009년 2011년, 그리고 2017년의 경우 각 대기 안정도 지수들의 여름철 비율이 평균보다 높은 값 들을 나타내고 있어 대기 불안정 상태가 여름철에 집중 되었음을 알 수 있었지만, 2010년과 2018년은 전체 평 균비율을 초과하는 대기 안정도 지수들이 존재하지 않은 특징을 보여 2010년과 2018년에는 봄, 가을, 겨울에도 대기 불안정한 상태가 상당부분 진행되었다는 것을 유추 할 수 있었다.

    마지막으로 관측횟수가 여름철 평균 30회 이상인 년 도 중에서 2017년과 2018년의 모든 대기안정도 지수들 의 불안정한 상태 횟수가 다른 년도와 비교하여 현저하 게 적은 값을 나타낸다. 이는 2008년 ~ 2011년까지는 라 디오존데 비양이 매일 0000UTC를 기준으로 이루어진 반면, 2017년과 2018년은 1일 4회씩 매 10일마다 비양 (매월 3일)을 수행하였기 때문에 비양한 날의 나로우주 센터 상공의 대기가 불안정한 상태였다면 각 지수들이 임계값을 초과했지만, 대기가 안정한 상태였다면 지수값 이 불안정 기준을 초과하지 않았기 때문으로 판단된다. 따라서 본 논문에서는 나로우주센터 상공의 대기 불안정 한 상태가 연도별로 증가하는지는 확인하기 어려웠다.

    3.4. 대기 안정도 지수별 상관관계

    앞에서 분석한 결과들의 경향을 보면, SSI와 LI는 0.7769으로 강한 양의 상관관계를 보였다. 이는 두 지수 모두 850 hPa과 500 hPa의 대기압 특성을 기반으로 하 며, TParcel 온도를 고려하기 때문으로 판단된다. KI와 SWEAT 지수의 경우, 두 지수 모두 지표면 측정은 포함 하지 않고 기온감률(850 ~ 500 hPa)과 중간층의 수분을 고려하고 있으므로 상관계수는 0.7125로 높은 상관관계 를 나타낸다. 그렇기 때문에 만약 두 지수 계산 시 상층 온도가 감소될수록 두 지수는 점차 안정화되는 상태로 이동할 것이며, 중간층의 이슬점 온도가 높아지면 KI와 SWEAT 값도 증가하여 불안정한 상태의 값이 산출될 것이다. 결국 지수별로 영향을 받는 기상요소들은 다르 지만 상당수의 대기 안정도 지수들은 특정 대기압 표면 의 온도 및 습도 변화에 따라 크게 의존적으로 작용한다 고 할 수 있겠다.

    3.5. 낙뢰발생 검증(Skill Score)

    대기안정도 지수가 불안정 상태로 산출되었을 경우 실제 낙뢰가 발생했는지 여부를 확인하기 위하여 일기 예보 검증(Wilks, 2011)과 뇌우지수 평가(Haklander and Van Delden, 2003)에 널리 사용되고 있는 Skill Score 기법을 사용하였다. Skill Score는 예보값 대비 관 측값의 정확도를 판단하는 방법으로 2 × 2 배열에 총 4 개의 변수값을 가지고 있으며, 예보에는 대기안정도 지 수를 그리고 관측에는 기상청에서 2007년부터 2018년 까지 관측한 낙뢰관측자료를 대입하였다(Table 4 참조). 참고로 기상청 낙뢰관측자료는 라디오존데를 비양한 날 에 대하여 00시부터 24시까지 나로우주센터 반경 50 km 이내에서 감지된 대지방전(Cloud to Ground)과 구름방 전(Cloud to Cloud)을 모두 포함하여 판단하였으며, 라 디오존데 총 1104회 비양 중 실제 기상청 낙뢰가 관측된 횟수는 689회였으며, 낙뢰가 관측되지 않은 횟수는 415 회로 확인되었다.

    Skill Scores 방법을 사용하여 산출된 분석요소는 총 6개로 Critical Success Index (CSI), Frequency Bias (FBI), Probability of Detection (POD), False Alarm Rate (FAR), Heidke Skill Score (HSS) 그리고 True Skill Statistics (TSS)이며 그 결과는 Table 5와 같다. CSI의 범위는 0~1, 1에 가까울수록 정확한 예보이며, D(Correct rejects)를 제외하며 A(Hit), B(False Alarm), C(Misses)를 포함한다. FBI의 범위는 0~, 1에 가까울수록 정확한 예보이며, 모든 예보횟수와 관측횟수 사이의 비율이다. POD의 범위는 0~1, 1에 가까울수록 정확한 예보이며, POD는 과대예측이 될수록 값이 증가 하며, false alarm은 포함하지 않는다. FAR의 범위는 0~1, 0에 가까울수록 정확한 예보이며, FAR은 과소예 측이 될수록 값이 증가한다. HSS의 범위는 -~1, 1에 가 까울수록 정확한 예보이며, 기본적인 정확도 척도로서 적중률에 기초하고 있다. TSS의 범위는 HSS와 동일하 며, 완전예측의 경우 1, 기준예측과 같으면 0, 기준예측 보다 나쁘면 음의 값을 갖는다.

    Skill Scores 분석결과 대기 안정도 지수마다 변수 (A,B,C,D)들이 Table 6에 계산되었고, 분석요소인 CSI, FBI, POD, FAR, HSS 그리고 TSS 값을 지수별로 계산 한 값은 Table 7과 같다. 전체적으로 모든 안정도지수들 이 예보 값과 실제 관측 값의 정확도(A+D)가 약 70%을 나타냈다. 세부적인 분석요소 결과로는 CSI가 예보 yes 값과 관측 yes값 사이의 상관성을 나타내는 지표로서 SWEAT가 0.4699, KI가 0.4595로 가장 높은 값을 보였 다. FBI는 예보횟수와 관측횟수를 비교는 지표로 SWEAT가 0.9976, HI가 1.0338로 가장 1에 근접했다. POD는 KI가 0.6877, SWEAT가 0.6386 순으로 1에 근 접했다. FAR은 잘못된 예보의 비율로 DCI가 0.0565, TT가 0.0711 순으로 0에 근접했다. HSS는 SWEAT가 0.4225, LI가 0.4012로 상대적으로 1에 가까웠고, TSS 는 SWEAT가 0.4223, KI가 0.3910 순이었다. 따라서, Skill Score 기법을 사용하여 분석한 결과 전체적인 수치 는 그다지 높지 않았으나, SWEAT와 KI가 낙뢰와의 상 관성이 가장 높은 지수인 것으로 확인되었다. Fig. 6

    4. 결 론

    본 연구에서는 나로우주센터에서 2007년부터 2018 년까지 비양한 라디오존데 자료를 활용하여 대기안정도 지수를 산출하였고, 월별 및 계절변화에 따른 대기 안정 도 지수의 변화 및 산출된 대기안정도 지수가 실제 뇌운 발생과 어떠한 상관성을 가지고 있는지 확인하였다.

    • 1) 대기 안정도 지수들의 월별 평균 값을 분석한 결과, 불안정한 기준을 1개라도 초과하는 값이 존재하는 월은 6~8월이며, 모든 대기 안정지수 값들도 불안정 상태의 임계값에 가장 근접하고 있어 사계절 중 여름철 특히 7월 에 뇌우 발생가능성이 가장 높을 것으로 판단된다. 또한 연도별 여름철 관측횟수가 평균 30회 이상인 값들만 비 교해보면 SSI, LI, HI, DCI에서 공통적으로 2008년 여 름철 평균이 불안정한 상태였으며 관측기간 중 가장 대 류활동이 활발했을 것으로 판단된다. 단, SWEAT 지수 의 경우 2017년과 2018년도에 여름철 평균값이 상대적 으로 낮게 분포되어 있었는데 풍향/풍속 값에 의존적으 로 작용하는 지 여부는 바람 관련 안정도 지수들인 Storm Relative Wind (SRW), Storm Relative Helicity (SRH) 등의 추가분석을 통하여 상관성 여부를 확인할 필요가 있겠다.

    • 2) 각 대기 안정도 지수마다 연도별 불안정 상태의 임 계값을 초과한 여름철 횟수를 확인하였으며, HI(2010년 최다)를 제외한 모든 지수에서 2009년이 불안정한 상태 를 나타낸 날이 가장 많은 것으로 확인되었다. 불안정 상 태로 나타나는 날 중에서 여름철 비중은 DCI가 전체 불 안정 상태 중 여름철 비중이 89%로 가장 높았으며, TT 는 44%로 가장 낮은 상관성을 보였다. 또한 연도별 여름 철 관측횟수가 평균 30회 이상인 년도 중에서 2010년과 2018년은 전체 평균비율 이하를 나타난 것으로 확인되 어 2010년과 2018년에는 봄, 가을, 겨울에도 대기 불안 정한 상태가 상당부분 진행되었다는 것을 유추할 수 있 었다.

    • 3) SSI와 LI는 상관계수값이 0.7769으로 강한 양의 상 관관계를 보였다. 이는 두 지수 모두 850 hPa과 500 hPa 의 대기압 특성을 기반으로 하며, TParcel 온도를 고려하 기 때문으로 판단된다. KI와 SWEAT 지수의 경우, 두 지 수 모두 지표면 측정은 포함하지 않고 기온감률(850 ~ 500 hPa)과 중간층의 수분을 고려하고 있으므로 상관계 수는 0.7125로 높은 상관관계를 나타낸다. 결론적으로 지 수별로 영향을 받는 기상요소들은 다르지만 상당수의 대 기 안정도 지수들은 특정 대기압 표면의 온도 및 습도 변 화에 따라 크게 의존적으로 작용한다고 할 수 있겠다.

    • 4) Skill Score 분석을 통하여 대기안정도 지수가 불 안정 상태로 산출되었을 경우 실제 낙뢰가 발생했는지 여부를 확인하였으며, CSI, FBI, POD, FAR, HSS, FSS 를 사용하였다. 그 결과 전체적으로 모든 안정도지수들 이 예보 값과 실제 관측 값의 정확도(A+D)가 약 70%을 나타냈으며, SWEAT와 KI가 낙뢰와의 상관성이 가장 높은 지수인 것으로 확인되었다.

    본 연구결과는 발사체 단위시험 및 발사임무 수행 시 비행 안전성을 확보하는데 도움이 될 것으로 판단되지만, 대기의 대류활동과 낙뢰발생가능성에 대한 연구는 기상 청 예보자료 활용, 지상전계강도 측정을 통한 대기 중 전 계활동 특성연구 그리고 낙뢰감지시스템/기상레이다와 같은 기상장비를 통한 실시간 관측 등을 종합하여 검토 되어야 할 것이다.

    감사의 글

    본 논문은 한국항공우주연구원 “우주센터 2단계사업” 의 지원으로 수행된 연구입니다. 낙뢰발생 상관성 분석을 위해 낙뢰관측자료를 제공해 주신 기상청에 감사드립니다.

    Figure

    JESI-28-12-1133_F1.gif

    Comparison Observation of air temperature (top left), relative humidity (top right), wind speed (bottom left) and air pressure (bottom right) between VAISALA RS-92 and GRAW DFM-06 on 12 December 2011.

    JESI-28-12-1133_F2.gif

    Frequency distribution of stability index between Showalter Indices (SSI, left) and Lifted Indices (LI, right) calculated through Radiosonde launch of 1,104 times

    JESI-28-12-1133_F3.gif

    Frequency distribution of stability index of Severe Weather thrEAT Indices (SWEAT) calculated through radiosonde launch of 1,104 times.

    JESI-28-12-1133_F4.gif

    The number of summer season during the year that exceed the threshold of unstable conditions between July 2007 and November 2018.

    JESI-28-12-1133_F5.gif

    Correlation between Stability Indices (SSI and LI, KI and SWEAT).

    JESI-28-12-1133_F6.gif

    Analysis results between stability indices and lightning observation calculated using Skill Score (1st row CSI & FBI, 2nd row POD & FAR, 3rd row HSS & TSS).

    Table

    Monthly number of Radiosonde launch at Naro Space Center during 2007-2018 (V: VAISALA, G: GRAW, J: JINYANG)

    Monthly average value of the stability indices calculated by radiosonde launch between July 2007 and November 2018

    The percentage and total average of summer season during the year that exceed the threshold of unstable conditions between July 2007 and November 2018

    The Contingency table for Skill Scores

    Description of analysis factor for Skill Scores

    Calculation of variables by stability indices for analysis of skill scores

    Reference

    1. Barlow, J. ,1994, Abundance of large whales in California coastal waters: A Comparison of ship surveys in 1979/80 and in 1991, Report of the International Whaling Commission, 44, 399-406.
    2. Dickson, R. , Lazier, J. , Meincke, J. , Rhines, P. , Swift, J. ,1996, Long-term coordinated changes in the convective activity of the North Atlantic, Progress in Oceanography, 38(3), 241-295.
    3. Eom, H. S. , Suh, M. S. ,2010, Analysis of stability indexes for lightning by using upper air observation data over South Korea, Atmosphere, 20(4), 467-482.
    4. Fuelberg, H. E. , Biggar, D. G. ,1994, The pre-convective environment of summer thunderstorms over the Florida Panhandle. Weather and Forecasting, 9(3), 316-326.
    5. Galway, J. G. ,1956, The lifted index as a predictor of latent instability, Bulletins of the American Meteorological Society, 37, 528-529.
    6. George, J. G. ,1960, Weather forecasting for aeronautics, Academic Press, 673.
    7. Grieser, J. ,2012, Convection parameters, Selbstverl.
    8. Haklander, A. J. , Van Delden., A. ,2003, Thunderstorm predictors and their forecast skill for the Netherlands, Atmospheric Research, 67, 273-299.
    9. Huntrieser, H. , Schiesser, H. H. , Schmid, W. , Waldvogel, A. ,1997, Comparison of Traditional and Newly Developed Thunderstorms for Switzerland, Weather and Forecasting, 12(1), 108-125.
    10. Jacovides, C. P. , Yonctani, T. 1990, An Evaluation of stability indices for thunderstorm prediction in greater cyprus, Weather and Forecasting, 5(4), 1990, 559-569.
    11. Kim, H. I. , Ha, J. S. , Chae, J. H. ,2011, Analysis of atmospheric stability index on lightning occurrence around Naro Space Center in summer season. Proc., 2011 Korean Meteorological Society Fall Meeting, Busan, Korea, Korean Meteorological Society, 278-279.
    12. Kunz, M. ,2007, The skill of convective parameters and indices to predict isolated and severe thunderstorms, Natural Hazards and Earth System Sciences, 7(2), 327-342.
    13. Litynska, Z. , Parfiniewicz, J. , Piwkowski, H. ,1976, The prediction of air mass-thunderstorms and hails, WMO Interpretation of Broad-Scale NWP Prod, For Local Forecasting Purposes, 128-130.
    14. McNamara, T. M. , Roeder, W. P. , Merceret, F. J. ,2010, The 2009 update to the lightning launch commit criteria. 14th Conference on Aviation, Range and Aerospace Meteorology, 17-21.
    15. Miller, R. C. ,1975, Notes on analysis and severe storm forecasting procedures of the air force global weather central, AWS.
    16. Moncrieff, M. W. , Green, J. S. A. ,1972, The propagation of steady convective overturning in shear, Quaternary Journal of Royal Meteorological Society, 98(416), 336-352.
    17. Murakami, M. ,1983, Analysis of the deep convective activity over the western pacific and southeast Asia. Journal of the Meteorological Society of Japan. Ser. II, 61(1), 60-76.
    18. Nash, J. , Oakley, T. , Vomel, H. , Wei, L. ,2011, WMO inter-comparison of high quality radiosonde systems, Yangjiang, China, 12 July-3 August 2010, World Meteorological Organization, Instruments and Observing methods, Report, 107.
    19. Ohsawa, T. , Ueda, H. , Hayashi, T. , Watanabe, A. , Matsumoto, J. ,2001, Diurnal variations of convective activity and rainfall in tropical Asia, Journal of Meteorological Society of Japan. Ser. II, 79(1B), 333-352.
    20. Roeder, W. P. , McNamara, T. M. ,2006, A Survey of the lightning launch commit criteria. 2nd Conference on Meteorological Applications of Lightning Data, 29.
    21. Showalter, A. K. ,1953, A Stability index for thunderstorm forecasting, Bulletin of the American Meteorological Society, 34(6), 250-252.
    22. Wilks, D. S. ,2011, Statistical methods in the atmospheric sciences, Academic press.