Journal Search Engine
Download PDF Export Citation Korean Bibliography PMC Previewer
ISSN : 1225-4517(Print)
ISSN : 2287-3503(Online)
Journal of Environmental Science International Vol.31 No.7 pp.617-635
DOI : https://doi.org/10.5322/JESI.2022.31.7.617

Effect of a Coupled Atmosphere-ocean Data Assimilation on Meteorological Predictions in the West Coastal Region of Korea

Sung-Bin Lee, Sang-Keun Song1)*, Soo-Hwan Moon
Faculty of Earth and Marine Convergence/Earth and Marine Science Major, Jeju National University, Jeju 63243, Korea
1)Department of Earth and Marine Sciences, Jeju National University, Jeju 63243, Korea
*Corresponding author: Corresponding author: Sang-Keun Song, Department of Earth and Marine Sciences, Jeju National University, Jeju 63243, Korea Phone: +82-64-754-3431 E-mail: songsk@jejunu.ac.kr
05/06/2022 23/06/2022 23/06/2022

Abstract


The effect of coupled data assimilation (DA) on the meteorological prediction in the west coastal region of Korea was evaluated using a coupled atmosphere-ocean model (e.g., COAWST) in the spring (March 17-26) of 2019. We performed two sets of simulation experiments: (1) with the coupled DA (i.e., COAWST_DA) and (2) without the coupled DA (i.e., COAWST_BASE). Overall, compared with the COAWST_BASE simulation, the COAWST_DA simulation showed good agreement in the spatial and temporal variations of meteorological variables (sea surface temperature, air temperature, wind speed, and relative humidity) with those of the observations. In particular, the effect of the coupled DA on wind speed was greatly improved. This might be primarily due to the prediction improvement of the sea surface temperature resulting from the coupled DA in the study area. In addition, the improvement of meteorological prediction in COAWST_DA simulation was also confirmed by the comparative analysis between SST and other meteorological variables (sea surface wind speed and pressure variation).



대기-해양 결합 자료동화가 서해 연안지역의 기상예측에 미치는 영향 연구

이 성빈, 송 상근1)*, 문 수환
제주대학교 지구해양융합학부 지구해양전공
1)제주대학교 지구해양과학과

    1. 서 론

    세계적으로 조차가 큰 해역 중 하나인 우리나라 서해는 복잡한 리아스식 해안으로, 한반도와 중국 대 륙으로 둘러싸인 얕은 수심의 반 폐쇄성 해역이다 (Lee and Cheon, 2003). 서해는 비교적 완만한 경사 와 큰 조차로 인해 넓은 대륙붕이 잘 형성되어 있어 연안에 갯벌이 잘 발달되는 특징이 있다(Kang and Jin 1984). 갯벌을 포함한 서해안 연안지역은 해면조 건(해수면온도, 해수면 높이)과 기상상태에 따라 대기 와 해양과의 열적 교환 및 수증기 교환이 활발히 일 어나게 되어 연안 지역의 기후변화에 상당한 영향을 미치기 때문에, 많은 연구자들은 해면조건의 중요성 을 밝힌 바 있다(Han and Jeong, 1991;Jung and Jeong, 2013).

    서해 연안지역은 대기-해양 상호작용 및 복잡한 지리적 조건으로 인해 다양한 해양기상현상이 존재하 기 때문에 지형적 특성이 잘 반영되어야 한다(Lee et al., 2000). 먼저, 서해는 겨울철 시베리아 고기압과 쿠로시오 난류의 상호작용으로 발생하는 기단의 변질 로 인해 장·단기적 기후변화의 원인이 되며, 이러한 기후변화를 이해하기 위해 기상요소와 해수면온도 (Sea Surface Temperature, SST)와의 상호작용을 이 해하는 것이 중요하다(Park et al., 2005). 특히, SST 는 대기-해양 상호작용에 있어 열과 수증기 운동량 교환 과정에 중요한 역할을 하고 있으므로 시·공간적 으로 빠르게 변하는 SST를 기상모델에 반영하는 것 이 필요하다(Yanai and Tomita, 1998;Roxy and Tanimoto, 2007;Deremble et al., 2012;Qian et al., 2012;Song et al., 2022). 또한, 조석효과에 의 해 조간대의 면적이 변화하는 지리적 특징을 가지므 로 고해상도의 해양모델을 통해 조간대의 변화를 고 려하는 것이 중요하다(Moon and Song, 2021). 이러 한 대기-해양 상호작용과 지리적 조건은 대기-해양 결합모델을 통해 고려되어 수치모의를 수행할 수 있 다(Burls and Reason, 2008).

    과거 오랫동안 기상 및 해양 수치모의를 향상시키 기 위해 모델의 초기 및 경계조건을 개선시키는 방법 중 자료동화 기법을 활용한 다양한 연구가 수행되어 왔다(Lim et al., 2003;Ha et al., 2011;Choi et al., 2012; Lee et al., 2019; Cho et al., 2021;Han et al., 2021, 2022;Song et al., 2022). Lim et al. (2003)은 WRF-3DVAR (Weather research and forecasting-three dimensional variational data assimilation)기법을 이용하여 RDAPS (Regional Data Assimilation and Prediction System)에 레이더 자료를 동화하였을 때, 강수량 수치모의 결과가 향상 되었음을 밝혔다. Ha et al. (2011)에 따르면, 우리나 라 중부지방에 나타난 집중호우(2006년 7월 11일∼ 12일) 동안 WRF-3DVAR를 이용하여 레이더와 AWS (Automatic weather system)관측자료를 동화 하여 초기장을 개선시킨 결과, 대류 시스템 발달 모 의가 향상되었음을 보였다. 이외에도, Choi et al. (2012)는 WRF-3DVAR를 이용하여 KLAPS (Korea Local Analysis and Prediction System)에 레이더 자 료를 동화한 수치모의 실험에서, 호우 시스템 메커니 즘과 누적 강수량 모의가 향상되었음을 보였다.

    해양모델에 해양자료동화를 적용한 수치모의 연구 에서, Lee et al.(2018)은 서해 지역을 대상으로 해양 모델 ROMS (Regional Ocean Modeling System)에 4DVAR 자료동화 적용 유무에 따른 SST를 비교하여 규준 실험에 비해 SST를 동화한 경우, 모의성능이 현 저하게 향상됨을 밝힌바 있다. Lee et al.(2020)은 4 DVAR 자료동화 기법이 앙상블 OI (Optimal interp olation) 기법에 비해 SST 편차가 더 작게 나타났음 을 수치모의하였다. 현재까지 자료동화를 적용한 결 합모델링 연구는 대기와 해양모델을 따로 수행하여 생산된 배경장을 가지고 자료동화를 각각 적용하는 연구가 많이 수행되고 있다(Balmaseda and Anderson, 2009)). 그러나 대기와 해양 모델의 배경장을 생성 하여 대기-해양 결합모델을 수행할 경우, 대기-해양 플럭스의 불균형이 일어나 정확한 수치예측에 어려움 이 있을 가능성이 많기 때문에, 대기와 해양의 결합 모델 배경장을 이용하여 자료동화하는 약한 결합자료 동화(Weakly coupled data assimilation)시스템이 하 나의 대안이 될 수 있다(Yoon et al., 2019).

    앞서 언급하였듯이, 서해 지역에서 기상장 변화를 보다 정확하게 모의하기 위해서는 복잡한 해안선과 조석현상이 잘 반영된 고해상도 자료가 필요하다. 또 한 서해는 동해나 남해에 비해 상대적으로 적은 열량 을 가지고 있어 기상변화에 민감하기 때문에(Lee at el., 2007), 대기-해양 상호작용을 고려한 수치모의 연구가 필요하다고 볼 수 있다. 여러 선행연구에서 기상모델을 이용하여 조석효과를 고려한 연구들은 많 이 진행되어 왔지만, 대기-해양 결합모델을 활용하여 조석현상과 대기-해양 간 상호작용이 함께 고려된 수치모의 연구는 거의 수행되지 않았다. 이에 본 연 구에서는 약한 결합자료동화 기법의 적용 유무에 따 른 대기-해양 결합모델 수치모의 결과를 통해 자료 동화가 서해 연안지역 국지기상에 미치는 영향을 분 석하였다. 또한 조석 현상이 수치모의에 잘 반영되었 는지 검증하기 위해 서해 연안지역의 해수면 아노말 리(sea level anomaly)를 비교하였고, 연구에 진행되 었던 실험의 신뢰성을 평가하기 위해 통계적 검증과 모델링 결과를 분석하였다.

    2. 재료 및 방법

    2.1. 대상지역, 자료 및 방법

    본 연구에서는 강수와 태풍이 존재하지 않고 큰 조위차로 인해 조석현상이 비교적 강하게 일어났던 2019년 3월을 대상으로, 그 중 조석현상이 가장 강하게 발생하는 음력 15일(3월 21일)을 포함한 총 10일(2019년 3월 17일∼26일)을 분석 기간으 로 선정하였다. 또한, 대기-해양 결합모델의 자료 동화에 의한 해양기상(SST, 해수면 높이)의 변화와 인근 국지기상(기온, 풍속, 상대습도)에 미치는 영 향을 상세하게 분석하기 위해, 서해안 주변 4개의 해양부이 관측지점, 6개의 기상 관측지점(AWS), 6 개의 조위관측소를 선정하였다(Fig. 1). 해양부이 및 조위관측 자료는 국립해양조사원(https://www. khoa.go.kr/)에서 제공하며, 기상관측 자료는 기상 자료개방포털(https://data.kma.go.kr/)에서 제공한 다. 해양 자료는 1차 QC (Quality Control) 자동 분류 작업을 통해서 그리고 기상 자료는 품질검사 플래그(QC FLAG)를 통해 기온, 풍속, 상대습도, 기압 등 관측값(시간/분 자료)의 정상 여부를 판단 하여 제공하고 있다. 각 관측지점의 위치는 다음과 같다. 먼저 해양부이 관측지점은 인천의 덕적도(D J), 인천항(IC), 충남의 태안항(TA), 경기도의 평택 당진항(PT)에, 6개의 기상 관측지점은 인천의 영 종도(YJ), 경기도의 시흥(SH), 안산(AS), 화성(H S), 그리고 충남의 당진(DJ), 대산(DS)에, 6개의 조위관측소는 인천의 경인항(GI), 영흥도(YH), 덕 적도(DJ), 경기도의 안산(AS), 그리고 충남의 태안 항(TA)과 대산(DS)에 위치한다(Fig. 1).

    대기-해양 결합모델에서 조석현상이 잘 반영되었 는지 확인하기 위해 상대적으로 조차가 크게 나타난 GI, YH, AS 세 지점을 대상으로 조위 관측값과 모 델값을 비교하였다. 또한 SST에 따른 인근 해상기상 의 변화를 비교분석 하기 위해 DJ, TA, TP 해양부 이 지점의 SST와 가장 인접한 조위관측소 지점(DJ, TA, DS)의 해상기상관측 자료를 이용하여 SST가 기 상장에 미치는 영향을 파악하였다. 결합모델의 자료 동화 적용 유무로 인한 서해 연안 및 주변지역 국지 기상의 변화를 비교·분석하기 위해서는 자료동화를 적용한 실험과 적용하지 않은 실험으로 나눠 관측 자 료와 각각 비교하였다. 더불어, 초기장이 개선된 자료 동화 기법의 효과를 분석하고 SST가 서해 인근 연안 지역에 미치는 영향에 대해 알아보았다. 본 연구에서 사용된 구체적인 모델 설명은 2.2 절에서 설명하였 고, 결합모델의 수치모의 결과를 검증하기 위해 연구 지역 내 관측지점의 SST를 포함한 여러 기상요소(기 온, 풍속, 상대습도)의 통계적 검증을 실시하였다. 즉, 각각의 관측값과 모델값에 대해 RMSE (Root Mean Square Error), IOA (Index Of Agreement), MBE (Mean Bias Error), COR (correlation)를 산정하여 분석하였다.

    2.2. 모델 구성 및 입력자료

    본 연구에서 사용한 결합모델은 Coupled-Ocean- Atmosphere-Wave-Sediment Transport (COAWST) 시스템으로, WRF 기상모델과 ROMS 해양모델, SW AN (Simulating waves nearshore) 파랑모델, CSTM (Community Sediment Transport Model) 모델로 구 성된다. 각 모델 간의 접합 시 MCT (Model coupli ng toolkit) 커플러를 사용하여 각 모델의 요소들을 교환하는데 이용된다(Warner et al., 2010).

    COAWST 결합모델은 주로 연안환경 모의에 주로 활용된 바 있으며(Kumar et al., 2012;Olabarrieta, 2012;Liu et al., 2015), 각각의 모델을 선택적으로 사용하여 결합할 수 있다. 본 연구에서는 WRF 기상 모델과 ROMS 해양모델의 결합을 선택하여 연구에 사용하였다. MCT 커플러를 통해 WRF 모델로부터 10 m 지표에서의 바람성분(u, v 성분), 기압, 상대습 도, 기온, 구름, 강수, 단파, 장파 복사 값을 ROMS 모델로 전달하고, ROMS 모델에서는 해수면온도 (SST)를 WRF 모델에 전달하여 서로 피드백하며 모 델이 수행된다(Warner et al., 2010).

    COAWST 결합모델에 이용된 기상모델은 advanc ed research WRF (ARW) 이며(Skamarock et al., 2 008;Warner et al., 2010), 이 모델의 수치모의 영 역으로 Fig. 1과 같이 총 4개의 영역을 도메인 순서 대로 27 km, 9 km, 3 km, 1 km로 설정하였다. 모 델의 외부 및 내부 영역을 양방향 상호 둥지 격자계 (Two-way interacting nested grid system)를 적용하 였고, 서로 피드백(Feedback) 영향이 미치도록 구성 하였다. 연구에 이용되었던 물리적 옵션들은 Table 1 에 제시하였다. 지형자료는 MODIS_IGBP (Moderat e resolution imaging spectroradiometer_internationa l geosphere-biosphere programme)의 21개 유형 lan duse 30초를 사용하여 결과를 산출하였다. 해양모델 로 사용된 ROMS는 유체간 질량과 압력이 균형을 이루 정역학평형 근사와 부시네스크(Boussinesq) 근 사를 이용한 원시 방정식을 사용하고(Moore et al., 2011), 각 격자의 좌우 방향에서 동서방향의 유속, 상하 방향에서 남북방향의 유속, 격자의 중심에서 수 심, 수온, 밀도, 염분을 계산하는 Arakawa-C의 격자 체계를 사용하여 지형을 표현한다(Arakawa and La mb 1977). 수직격자는 S-coordinate (Stretched terr ain-following coordinate) 체계를 사용하는데, 이는 수온약층이나 바닥경계층에서의 변화 현상을 파악하 는데 용이하고, 지형에 민감하게 반응하는 압력구배 항의 계산오차가 작도록 개발되었다(Shchepetkin and Mcwilliams, 2005). 한편, 해양모델의 도메인 설정은 기상모델 보다 작게 순서대로 9 km, 3 km로 구성하 였다(Fig. 1). 해양모델의 초기 및 경계장으로는 전지 구적 해양 분석 및 예측장인 HYCOM (Hybrid Coo rdinate Ocean Model), 지형자료로는 GEBCO (Gen eral bathymetric chart of the ocean)를 이용하였다. 또한 모델에 조석효과를 고려하기 위하여 인공위성 관측을 기반으로 하는 TPXO (TOPEX/POSEIDON) 7-atlas Global Tide Model 자료를 이용하였다(Egbe rt and Erofeeva, 2002). 본 연구에서는 모델에 조석 효과를 반영하기 위해 총 10개 분조(M2, S2, N2, K 2, K1, O1, P1, Q1, Mm, Mf)를 이용하였다.

    결합모델의 수치모의 정확도 향상을 위해, 본 연구 에서는 대기-해양 결합모델을 수행한 결과로 생성된 배경장을 이용하여 기상모델과 해양모델의 초기장을 각각 자료동화한 약한 결합자료동화를 수행하였다. 현재 대부분의 연구에서는 기상모델과 해양모델을 각 각 자료동화하여 생성된 초기장을 사용하는 비 결합 자료동화를 수행한다(Yoon et al., 2019). 하지만 이 과정은 결합모델을 수행할 때 발생하는 모델간의 초 기장 결합부위에서 초기 조건이 불균형하고, 결합모 델에서의 물리과정 차이로 initialization shock가 올 수 있다(Smith et al., 2015). 완벽하게 균형을 이룬 대기-해양 초기조건을 만들기에는 이론적, 기술적 한 계가 존재하지만(Murphy et al., 2010), 이를 최소화 하기 위해 결합모델이 생성한 초기장을 이용하여 대 기 및 해양 자료동화를 수행하는 약한 결합자료동화 기법을 이용하였다(Yoon et al., 2019).

    WRF 자료동화 기법으로는 NCAR/UCAR (National Center for Atmospheric Research/University Corporation for Atmospheric Research)에서 개발한 WRFDA 자료 동화 시스템을 이용하여 3차원 변분자료동화기법 3DVAR를 적용하여 초기장을 개선하였다(Routray et al., 2010). 모델의 초기장과 경계장을 향상시키기 위 해, 최초 시간대(3월 17일)의 초기장을 개선하는 Cold run 방법을 이용하였으며, 배경오차 공분산은 NMC (National Meteorological Center) 방법으로 모델 내 전지구 평균장을 이용하였다(Barker et al., 2004). 동화 적용에 사용된 제어변수(Control variable)의 경우, u, v, T, pseudo relative humidity (RHs), surface pressure (Ps) 이며, 지표 관측값 SYNOP, 해양선박 SHIP, 인공위성 관측 자료인 Kalpana-1, METEOSAT-6, GMS, GOES와 상층 의 SOUND, PROFILER, METAR 자료 등을 사용 하였다(Park, 2020).

    ROMS 자료동화 기법으로는 Courtier et al. (1994)가 제안한 4차원 변분자료동화(ROMS-4DVAR)를 이용하여 수행하였다(Moore et al., 2011). 4DVAR 는 시간에 따라 변하는 모델의 역학을 이용해 배경오 차 공분산을 생성하고, 물리 모수화를 사용하여 모델 에 제약을 준다(Janekovic et al., 2013). 4DVAR의 경우, 3DVAR의 확장으로 시간 간격 내 관측된 자료 들을 가지고 최적의 초기조건을 추정하고, 모델의 거 리를 단순하게 최소화 하는 3DVAR 방법에서 추가 적 시간의 연속성을 고려하게 된다. 이에 따라, 모델 변수 간 역학적으로 조건을 부여하기 때문에 수치모 의 결과가 좀 더 향상되어 나타난다(Edward et al., 2015;Lee et al., 2020). 현재 다양한 해양모델에 4 DVAR를 활용한 해양 자료동화와 관련된 연구가 많 이 진행되고 있는 상황이다(Moore et al., 2011b; N godock and Carrier, 2014). 본 연구에서 사용된 R OMS 4DVAR는 강한 제약(Incremental strong cons traint) 4DVAR (IS4DVAR)를 사용하였고, 정확한 배경오차 공분산을 산출하기 위해 내부루프(Inner lo op) 반복횟수를 20회로 설정하여 수행하였다. 또한 S ST에 대한 초기장은 자료동화를 통해 3일 간격의 일 정 주기로 업데이트하여 생성하였다. 이처럼 일정 주 기로 업데이트된 초기장 생성은 모델의 오차를 감소시 키고 예측성능을 향상시킬 수 있도록 해준다(Moore et al., 2011b).

    본 연구의 COAWST 모델링 기간은 초기 spin-u p 기간을 고려하여 2019년 3월 1일 00 UTC∼3월 2 6일 00 UTC 까지 모델을 수행하였고, 그 중 조석 현상이 가장 활발하게 일어나는 날을 포함한 3월 17 일부터 26일까지 총 10일간의 분석기간을 설정하였 다. 또한 자료동화 적용에 따른 주요 인자들의 수치 모의 결과를 비교·분석하기 위해 자료동화를 적용한 실험(COAWST_DA)과 자료동화를 적용하지 않은 실 험(COAWST_BASE)으로 구분하여 각각 결합모델을 수행하였고, 이에 따른 수치모의 결과를 관측값과 함 께 분석하였다.

    3. 결과 및 고찰

    3.1. 대기-해양 결합 자료동화에 따른 해양기상 변 화 분석

    Fig. 2는 연구기간(2019년 3월 17일∼26일) 동 안 우리나라 서해안 4개의 해양부이 관측지점(DJ, TA, PT, IC)의 SST와 결합 자료동화 적용 및 미 적용 결과 간의 시계열 비교와 통계적(RMSE, MB E, COR) 검증을 나타낸다. 대부분 지역에서 결합 자료동화를 적용한(COAWST_DA) 실험결과가 적 용하지 않은(COAWST_BASE) 실험결과에 비해 관 측값에 더 가까이 모의되었음을 알 수 있었다. 모 든 지점(DJ, TA, PT, IC)에서 COAWST_DA SST 가 COAWST_BASE SST에 비해 사례일 전체 평 균 0.3℃, 최고 1.5℃까지 관측값에 더 가깝게 향 상되었다. 반면, IC 지점에서도 관측값과 COAWS T_DA 모델값의 차이가 0.26℃ 더 작게 나타나 관 측값에 더 가깝게 모의 하였지만, IC 지점에서의 S ST 모델값이 DJ, TA, PT 지점들에 비해서는 다소 관측값과 차이가 있었다. 이는 IC 지점 위치가 다 른 지점들에 비해 육지와 섬으로 둘러싸여 있어 결 합모델 내 수치모의 수행에서 어느 정도 제한이 있 었던 것으로 추정된다(Lee et al., 2005).

    Table 2에서 볼 수 있듯이, 결합모델의 SST 수 치모의 결과에 대한 통계적 분석결과, 전반적으로 모든 지점에서 COAWST_DA 실험이 COAWST_ BASE 실험에 비해 향상되었음을 알 수 있었다. 예를 들어, PT 지점에서 COAWST_DA에서의 R MSE, MBE, COR 검증결과가 COAWST_BASE 에 비해 0.43℃, 0.54℃, 0.04 차이로 나타나 가장 크게 향상되었다. 그에 반해, IC 지점에서 RMSE, MBE 값은 향상되었으나 COR 결과는 COAWST _BASE에서 더 높게 기록하여 앞선 이유와 같이 서해안의 복잡한 지형적 특성으로 인해 차이가 있 었을 거라 추정된다. 추가적으로, 연구 영역 내 조 위관측소 중 SST 관측값이 존재하는 지점들을 포 함한(Fig. 1) 총 6개(해양부이 4개(DJ, TA, PT, I C), 조위관측소 2개(AS, DS)) 지점에서의 통계적 검증을 실시하였다(그림제외). 마찬가지로, COAW ST_DA의 RMSE, MBE 값이 향상된 반면, COR 값은 오히려 COAWST_BASE에서 약간 더 나은 결과를 보였는데, 이는 상대적으로 인근에 육지 지 형이 없는 해역보다 서해 연안의 복잡한 지형 때 문에 결합모델 내 조위관측소가 위치한 좌표를 모 델이 정확하게 인식하는데 기술적인 한계가 있었 음으로 판단되어, 상대적으로 연안지역 보다 해역 에서 SST 수치모의가 더 향상된 것이라 판단된다 (Phadnis et al., 2003).

    한반도의 서해안은 다른 지역에 비해 조석현상 으로 인한 지형의 변화가 많은 지역이기 때문에 정확한 수치모의를 위해서는 조석현상을 고려한 수치모의 결과 분석이 필요하다(An et al., 2021;Moon and Song, 2021). 본 연구에서 사용된 결 합모델이 조석현상을 잘 반영하였는지 검증하기 위해, 연구기간(2019년 3월 17일∼26일) 동안 대 상 지역 내 조위관측지점(GI, AS, YH)에서의 해 수면 높이 아노말리 관측값과 모델 내 관측소에 가장 인접한 격자의 모델값을 비교하였다(그림제 외). 전반적으로, 두 실험 모두 관측값과의 일치도 를 나타내는 IOA 수치가 COAWST_BASE 에서는 평균 0.94, COAWST_DA는 0.99를 나타내 관측 값과 거의 일치하는 경향을 보여 연구에 사용된 결합모델은 조석 현상이 잘 반영되었음을 시사한 다. 추가적으로, COAWST_DA IOA 수치가 더 높게 나타나 상대적으로 관측값에 더 유사했지만, COAWST_DA 모의 초기에 관측값에 반대되는 결 과를 나타냈는데, 이는 앞서 언급한 결합모델 초기 에 발생하는 초기장 불균형(initialization shock) 현상이 원인이 되는 것으로 추정된다.

    3.2. 연안 국지기상에 미치는 결합 자료동화의 효과

    대기-해양 결합모델은 SST 변화에 따른 대기- 해양 상호작용이 시간별로 반영되기 때문에, 이러 한 SST의 변화는 기상장에 큰 영향을 미친다. 따 라서, 본 연구에서는 대기-해양 결합모델의 시간 별 SST 변화에 따른 주변지역 기상 특성을 분석하 였으며, 아울러 결합자료동화(COAWST_DA, CO AWST_BASE)에 의한 국지기상의 영향을 평가하 였다(Figs. 35). 또한 기상관측자료의 비교를 위 해, 기온, 풍속, 상대습도 관측값이 모두 존재하는 6개 AWS 지점(YJ, SH, AS, HS, DJ, DS)에서의 기상자료를 이용하였다. 먼저 기온에 대해 살펴보 면(Fig. 3), 전반적으로 COAWST_DA 실험이 CO AWST_BASE 실험에 비해 관측값에 더 가까이 모 의되었다. 예를 들어, SH, HS 지역에서 모든 시간 대에 COAWST_DA가 상대적으로 관측값의 최저 값과 최고값이 나타나는 패턴을 잘 모의하였으며, DS 지역에서도 3월 18일과 19일을 제외한 대부분 시간대에 관측값과 유사하게 나타났다. 나머지 AS, YJ, DJ 지점에서도 COAWST_DA 결과가 관측값 에 가깝게 향상된 모습을 보였고, 6개 지점 모두 COAWST_DA가 COAWST_BASE 대비 평균 0. 7℃, 최대 3.1℃까지 향상되었다.

    풍속의 경우(Fig. 4), 전반적으로 두 실험 모두 관측값에 과대모의 경향을 보였고 특히 대부분 3 월 21일 시간대에 더 크게 나타났으나, 모든 시간 대에서 COAWST_DA 모의 결과가 평균 0.3 m/s, 최고 2.2 m/s 정도 관측값에 더 유사하게 나타났 다. 또한, SH 지점에서 관측값에 거의 일치하는 모 습을 보였고, 3월 18일과 19일에서 COAWST_DA 결과가 COAWST_BASE에 비해 뚜렷하게 관측값 에 가깝게 향상되었다. DS 지점에서도 3월 22일을 제외하고 나머지 시간대에 관측값과 유사하게 모 의되었다. 상대습도의 경우(Fig. 5), 기온과 마찬가 지로 COAWST_DA에서 평균 3.3%, 최고 12.5% 관측값에 더 향상된 모습을 보였다. 특히, 모든 지 점의 대부분 사례일에서 COAWST_DA 결과가 관 측 자료의 최저값과 더 유사하게 향상되었다. Fig. 2의 결합모델 SST 결과에서 볼 수 있듯이, 모델링 기간 초반부에는 관측값과 모델값의 수치모의 차 이가 있었지만, 3월 20일 이후부터 대부분 지점에 서 관측값에 더 가까워진 모습을 나타냈다. 마찬가 지로, SST가 더 향상된 시간대(3월 20일)부터 기 온과 상대습도 또한 향상되었음을 알 수 있었는데 (풍속 제외), 이것은 결합모델링을 통해 대기와 해 양의 상호 교환이 이루어져 이 지역의 SST 향상이 기온, 상대습도 등 기상요소의 수치모의 향상에 영 향을 준 것으로 판단된다. Table 2와 마찬가지로, 자료동화 적용에 따른 기상요소 수치모의 결과의 통계분석(IOA, RMSE, MBE)을 제시하였다(Table 3). 6개 AWS 지점 모두 COAWST_DA에서의 IOA, RMSE, MBE 값이 COAWST_BASE에 비해 향상되었다. IOA의 경우, COAWST_DA에서 기온 은 0.01∼0.03, 풍속은 0.01∼0.04, 습도는 0.04∼ 0.08 향상되었고, RMSE도 기온, 풍속, 습도 모두 0.08∼0.74℃, 0.06∼0.24 m/s, 1.6∼3.68% 오차가 감소하였다.

    자료동화 효과가 기상요소 수치모의에 미치는 영 향을 공간적으로 파악하기 위해, 연구기간 동안 기온, 풍속, 상대습도의 실험간 수치모의 차이 (COAWST_DA – COAWST_BASE)의 평균장을 상 세히 비교하였다(Fig. 6). 기온의 경우, 대부분 지역 에서 COAWST_DA와 COAWST_BASE 실험 간 차 이가 평균 +1.2℃ 더 높게 나타나 상대적으로 COAWST_DA 실험이 COAWST_BASE에 비해 과 대모의 하였고, 특히 연안지역이 육지지역에 비해 평 균 +0.4℃ 더 높게 모의되었다. 풍속은 37.3°N 보 다 높은 위도 지역에서 평균 –0.4 m/s, 낮은 위도 지역에선 평균 –0.2 m/s를 기록하여 지역마다 다르 게 나타났다. 마지막으로 상대습도는 기온과 반대로 대부분 지역에서 평균 –5.7% 더 낮게 모의하여 COAWST_BASE 실험에서 상대습도가 더 과대모의 하였음을 알 수 있었다. 특히, 기온은 연안지역이 육 지지역에 비해 +0.2~+1.2℃ 정도로 더 크게 차이가 나타났고, 상대습도도 연안에서 약 4∼8% 정도 차이 를 보였는데, 서해 연안지역의 지형적 특성이나 추가 적인 요소, 모델의 사실적 재현의 한계 등으로 인해 실험 간 수치모의 차이가 있었음으로 판단된다. 추가 적으로, COAWST_DA와 COAWST_BASE 실험의 차이를 정량적으로 비교하기 위해, 모델값과 연구지 점에서의 기상요소 관측값(YJ, SH, AS, HS, DJ, DS)자료들과의 편차를 제시하였다(Table 4). 기온, 풍속, 상대습도 모두 EXP_DA (COAWST_DA– OBS) 실험이 EXP_BASE (COAWST_BASE–OBS) 실험보다 편차가 작게 모의되었다. 기온과 풍속은 HS 지점에서 EXP_DA가 EXP_BASE에 비해 약 0. 6℃, 0.1 m/s 정도 편차가 작았고, 상대습도는 YJ 지역에서 약 3.7% 편차가 뚜렷하게 작게 나타나 자 료동화를 적용한 실험결과가 더 향상되었음을 알 수 있었다.

    일반적으로, SST의 변화는 인근 기상장들의 변화 에 직접적인 영향을 주는데, 여러 영향 중 해수면 인 근 해양기상에 영향을 미친다(Jeong et al., 2015; Lee et al., 2010). 해수면 위에서 풍속이 강하게 불 때, 심층과 표층이 혼합되어 SST가 낮아지게 되고, 이러한 바람의 세기에 따라 기압의 변화도 일어나기 때문에 함께 분석해야 할 필요성이 있다. Fig. 7은 SST가 해상풍에 미치는 영향을 파악하기 위해, 해양 부이(DJ, TA ,PT)에서의 SST 자료들(관측값, 모델 값)과 부이지점에서 가장 가까운 조위관측소(DJ, TA, DS)에서의 해상풍 자료들(관측값, 모델값)을 이용하 였고, 이들의 편차(관측값과 모델값) 시계열을 나타낸 다. 또한 두 실험 모두 SST 결과에 따른 해상풍의 변 화가 잘 나타나는지 확인하기 위해, COAWST_DA, COAWST_BASE로 나눠 함께 분석하였다.

    Fig. 7에서 보여주듯이, 전반적으로 모든 지점에서 3월 20일부터 23일에 해상풍의 풍속 편차(관측값과 모델값)가 평균적으로 가장 크게 나타나는 모습을 보 였고, 앞선 Fig. 4의 풍속결과와 유사하게 나타났다. DJ 지점에서 두 실험 모두 해상풍은 대부분 시간대 에 양(+)의 편차를 나타내 과대모의 경향을 보였으 나, SST는 반대로 음(-)의 편차를 나타내는 시간대가 많아 관측값에 과소모의 경향을 보였는데, 이는 풍속 이 강하게 나타나면서 SST의 감소로 이어진 것으로 판단된다. 반면, TA와 PT 지점의 전반적인 경향은 DJ 지점과 유사했으나 COAWST_DA SST 편차 결 과에서 특정 시간대(3월 23일)부터 과대모의 경향을 더 많이 나타내었고, 해상풍의 경우에도 과대모의 경 향을 보여 앞선 DJ 지점의 실험 결과와 다른 모습을 보였다. 이는 TA, PT 지점이 DJ 지점에 비해 상대 적으로 더 많이 육지들과 인접하고 있어, 풍속을 제 외한 SST에 미치는 여러 영향 중 다른 요인의 영향 이 더 컸을 거라 추정된다. 이외에도, 풍속 편차가 가장 높게 모의되고 연구기간 중 조석 현상이 가장 활발한 3월 21일을 포함한 전·후 3일간의 주·야간 (1500 LST, 0300 LST) 기압장을 분석하였다(그림제 외). 주간 시간대가 야간 시간대 보다 기압이 더 높 게 모의되었고, 상대적으로 해역에 고기압, 육지에 저 기압이 위치해 서풍 계열의 바람이 불었음을 알 수 있었다. 또한, 두 실험을 비교하였을 때, 모든 시간대 에서 COAWST_DA보다 COAWST_BASE에서 약 2 ∼4 hPa 더 크게 모의하였고, COAWST_DA에서 주·야간 모두 해역과 육지 간 기압 차이가 약 10∼20 hPa 차이가 나타나 COAWST_DA 실험이 상대적으 로 풍속이 더 강하게 나타나 조석현상이 가장 활발히 일어나는 시간대에 육지로 강하게 바람이 불었던 것 으로 판단된다.

    Fig. 8은 대상지역 SST가 인근 국지기상에 미치는 영향을 파악하기 위해 SST와 다른 기상요소들(기온, 풍속, 상대습도)간의 상관관계를 나타낸다. SST 및 나머지 기상요소 관측값 사이의 상관관계를 먼저 분 석한 후, COAWST_BASE와 COAWST_DA의 상관 관계를 각각 분석하여 관측값과 모델값 간의 간접 비 교도 함께 진행하였다. 전반적으로, 기온과 풍속은 양 의 상관관계, 상대습도는 음의 상관관계를 나타냈다. 기온, 풍속, 상대습도 모두 COAWST_DA가 COAWST_BASE에 비해 관측값에 더 유사한 상관관 계 값을 나타냈고, 기온의 경우 약 0.05, 풍속은 0.15, 상대습도는 0.13 향상되었다. 그 중, 풍속은 기 온과 상대습도에 비해 상관관계가 약 0.6까지 기록하 여 SST와 높은 관계성을 보였다. 이를 통해, SST는 상대적으로 기온, 상대습도에 비해 풍속과 더 밀접한 관련이 있고, 자료동화를 적용하였을 때 수치모의 결 과가 보다 향상되게 모의한다는 것을 알 수 있었다.

    4. 결 론

    본 연구에서는 전 세계적으로 조차가 큰 해역 중 하나인 우리나라 서해안 지역에서 최근 조석현상이 비교적 크게 일어났던 2019년 봄철(3월 17일∼26일) 을 대상으로 대기-해양 결합모델의 자료동화가 주변 국지기상에 미치는 영향을 분석하였다. 전반적으로, 결합모델에 자료동화를 적용한 실험(COAWST_DA) 결과가 적용하지 않은(COAWST_BASE) 실험에 비해 SST를 포함한 여러 기상요소(기온, 풍속, 상대습도)의 시·공간적 분포가 관측값에 가깝게 향상된 모의를 보 였다. SST의 경우, COAWST_DA 실험 결과가 COAWST_BASE에 비해 최고 1.5℃(평균 0.3℃)까지 향상되었는데, 이것은 해양과 대기의 상호작용이 고 려된 결합모델링의 자료동화 효과에 의한 개선으로 판단된다. 이러한 SST 개선 효과는 인근 국지기상(기 온, 풍속, 상대습도)의 수치모의 향상에 영향을 주게 되어, COAWST_DA 실험결과가 COAWST_BASE에 비해 최고 3.1℃(평균 0.7℃), 2.2 m/s(평균 0.3 m/s), 12.5%(평균 3.3%) 정도 각각 향상되어 나타났 다. 두 실험에 대한 기상요소 관측값과의 편차 분석 에서도 자료동화를 적용한 실험이 상대적으로 관측값 과 편차가 작게 산출되어 결합모델의 자료동화 효과 를 확인할 수 있었다. SST와 3가지 기상요소(기온, 풍속, 상대습도)와의 상관관계 또한 COAWST_DA가 COAWST_BASE에 비해 더 높게 나타났다(특히, 풍 속). 이외에도, SST와 해상풍 및 기압과의 변화 분석 에서 결합 자료동화로 인해 개선된 SST가 인근 지역 국지기상에 미치는 영향이 컸음을 확인할 수 있었다.

    본 연구에서는 COAWST 결합모델의 자료동화 효 과에 따른 기상장 모의가 개선되었음을 확인하였으 나, 매우 복잡한 서해 연안지역을 모델에서 구현하는 과정에서 다양한 자료(고해상도 토지피복 및 지형자 료 등) 수집의 제한, 모델 수행의 기술적(해양모델의 도메인 및 해상도) 한계 등으로 인해 자료동화 효과 를 정확히 해석하는 데 어려움이 있었다. 또한 본 연 구는 2019년 봄철에 조석현상이 크게 나타났던 하나 의 사례를 선정하여 분석한 연구로서, 일반화 및 객 관화하는데 다소 어려움이 있는 것으로 사료된다. 그 럼에도 불구하고, 연구사례 기간 동안 서해 연안지역 의 대기-해양 상호작용(조석현상, SST 변화 등)을 고 려함으로써 보다 현실적인 해수의 흐름과 대기의 불 균형을 최소화하고 결합 자료동화 효과를 정량적으로 평가하는데 의의를 두고 있다. 향후 위에서 언급한 한계점을 보완하여 다양한 사례에 대해 수치모의를 수행한다면 결합 자료동화의 개선 효과에 대해 보다 신뢰성 있는 정보를 얻을 수 있을 것으로 기대되며, 아울러 해양과 대기의 역학적/물리적 과정을 보다 정 확하게 이해하는데 도움을 줄 것으로 사료된다.

    감사의 글

    이 논문은 2022학년도 제주대학교 교원성과지원사 업에 의하여 연구되었음.

    Figure

    JESI-31-7-617_F1.gif

    The nested model domains used in this study for coupled atmosphere-ocean model (WRF and ROMS) simulations and the geographical locations of four buoy and six tide stations for SST and six monitoring sites for meteorological variables.

    JESI-31-7-617_F2.gif

    Time series of the observed and simulated sea surface temperature (SST) at several marine buoy monitoring sites for COAWST_DA and COAWST_BASE during the study period (March 17-26, 2019).

    JESI-31-7-617_F3.gif

    Time series of the observed and simulated air temperature at six meteorological monitoring sites for COAWST_DA and COAWST_BASE during the study period (March 17-26, 2019).

    JESI-31-7-617_F4.gif

    Same as Fig. 3 except for wind speed.

    JESI-31-7-617_F5.gif

    Same as Fig. 3 except for relative humidity.

    JESI-31-7-617_F6.gif

    Mean differences of meteorological variables (air temperature, wind speed, and relative humidity) between two simulation experiments (COAWST_DA and COAWST_BASE) during the study period.

    JESI-31-7-617_F7.gif

    Time series of the deviation of sea surface temperature (SST) and sea surface wind speed between observations and model-simulated values at three monitoring sites during the study period.

    JESI-31-7-617_F8.gif

    Correlation between sea surface temperature and three meteorological variables (air temperature, wind speed, and relative humidity) for observations and two simulation experiments during the study period.

    Table

    Details of the grids and physical options used in the coupled atmosphere-ocean model [A] WRF

    Statistical evaluation of sea surface temperature (SST) for the observed and model-simulated values (COAWST_DA and COAWST_BASE) at four monitoring sites during the study period

    Statistical evaluation of meteorological variables for the observed and model-simulated values (COAWST_DA and COAWST_BASE) at six monitoring sites during the study period

    The deviation of three meteorological variables between two model-simulated values (COAWST_DA and COAWST_BASE) and observations at six monitoring sites during the study period

    Reference

    1. An, H. Y. , Kim, Y. K. , Jeong, J. H. ,2017, Impacts of land cover change of tidal flats on local meteorology in Gyeonggi Bay, West Sea of Korea, Atoms., 27, 399-409.
    2. An, H. Y. , Jeong, J. H. , Kim, Y. K. ,2021, Impact of tidal effects on fog events in the Western Coast of Korea, J. Environ. Sci. Int., 30, 925-936.
    3. An, H. Y. ,2020, Analysis of the meteorological impacts of the time-and space-varying physical environment in the intertidal zone due to the tidal effects in west sea of Korea, Ph. D. Dissertation, Pusan National University, Busan, Korea.
    4. Arakawa, A. , Lamb, V. R. ,1977, Computational design of the basic dynamical processes of the UCLA general circulation model, In Methods in Computational Physics, 17, Academic Press, New York, 173-265.
    5. Balmaseda, M. , Anderson, D. ,2009, Impact of initialization strategies and observations on seasonal forecast skill. Geophys. Res. Lett., 36, L011701.
    6. Barker, D. M. , Huang, W. , Guo, Y. R. , Bourgeois, A. , J. , Xiao, Q. N. ,2004, A Three-dimensional variational data assimilation system for MM5: implementation and initial results, Mon. Wea. Rev., 132, 897-914.
    7. Burls, N. , Reason, C. J. C. ,2008, Modelling the sensitivity of coastal winds over the Southern Benguela upwelling system to different SST forcing, J. Mar. Syst., 74, 561-584.
    8. Carrier, M. J. , Ngodock, H. , Smith, S. , Jacobs, G., Muscarella, P. , Ozgokmen, T. , Brian, H. , Lipphardt, B. ,2014, Impact of assimilating ocean velocity observations inferred from Lagrangian drifter data using the NCOM-4DVAR, Mon. Wea. Rev., 142, 1509-1524.
    9. Cho, S. B. , Song, S. K. , Moon, S. H. ,2021, Effect of analysis nudging data assimilation on the PM2.5 concentration simulation during a haze event in the Seoul metropolitan area in 2019, J. Korean Soc. Atmos. Environ., 37, 231-247.
    10. Choi, W. , Lee, J. G. , Kim, Y. J. ,2012, Sensitivities of WRF simulations to the resolution of analysis data and to application of 3DVAR: a case sutdy, Atmos., 22, 387-400.
    11. Courtier, P. , Thepaut, J. N. , Hollingsworth, A. ,1994, A Strategy for operational implementation of 4D-Var, using an incremental approach, Quart. J. Roy. Meteor. Soc., 120, 1367-1387.
    12. Deremble, B. , Lapeyre, G. , Ghil, M. ,2012, Atmospheric dynamics triggered by an oceanic SST front in a moist quasigeostrophic model, J. Atmos. Sci., 69, 1617-1632.
    13. Dudhia, J. ,1989, Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model, J. Atmos. Sci., 46, 3077-3107.
    14. Dudhia, J. ,1996, A Multi-layer soil temperature model for MM5, The Sixth PSU/NCAR mesoscale model users’ workshop, Boulder, CO, USA: National Center for Atmospheric Research, 22-24.
    15. Edwards, C. A. , Moore, A. M. , Hoteit, I. , Cornuelle, B. D. ,2015, Regional ocean data assimilation, Ann. Rev. Mar. Sci., 7, 21-42.
    16. Egbert, G. D. , Erofeeva, S. Y. ,2002, Efficient inverse modeling of barotropic ocean tides. J. Atmos. Ocean. Technol., 19, 183-204.
    17. Ha, J. H. , Kim, H. W. , Lee, D. K. ,2011, Observation and numerical simulations with radar and surface data assimilation for heavy rainfall over central Korea, Adv. Atmos. Sci., 28, 573-590.
    18. Han, S. B. , Song, S. K. , Shon, Z. H. , Kang, Y. H. , Bang, J. H. , Oh, I. ,2021, Comprehensive study of a long-lasting severe haze in Seoul megacity and its impacts on fine particulate matter and health, Chemosphere, 268, 129369, 1-12.
    19. Han, S. B. , Song, S. K. , Moon, S. H. ,2022, Concentration characteristics of PM2.5 and the contributions of physical and chemical processes to its production during 2019 PM2.5 episodes in Seoul, J. Korean Soc. Atmos. Environ., 38, 220-236.
    20. Han, Y. H. , Jeong, J. S. ,1991, On the effects of sea surface temperature to temperature and humidity of Western Region of Korea, Asia-Pac. J. Atmos. Sci., 27, 197-203.
    21. Hong, S. Y. , Dudhia, J. , Chen, S. H. ,2004, A Revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation, Mon. Wea. Rev., 132, 103-120.
    22. Hong, S. Y. , Lim, J. O. J. ,2006, The WRF single-moment 6-class microphysics scheme (WSM6), Asia. Pac. J. Atmos. Sci., 42, 129-151,
    23. Janeković, I. , Powell, B. S. , Matthews, D. , McManus, M. A. , Sevadjian, J. ,2013, 4D-Var data assimilation in a nested, coastal ocean model: a Hawaiian case study, J. Geophys. Res. Oceans., 118, 5022-5035.
    24. Jung, T. S. , Jeong, J. K. ,2013, Spatial distribution and time variation of m2 tide and m4 tide in the western coast of korea, J. Korean Soc. Coast. Ocean. Eng., 25, 255-265.
    25. Kang, Y. Q. , Jin, M. S. ,1984, Seasonal variation of surface temperatures in the neighbouring seas of Korea, J. Korean Soc. Oceanogr., 19, 31-35.
    26. Kumar, N. , Voulgaris, G. , Warner, J. C. , Olabarrieta, M. ,2012, Implementation of the vortex force formalism in the coupled ocean-atmosphere-wave-sediment transport (COAWST) modeling system for inner shelf and surf zone applications, Ocean Model., 47, 65-95.
    27. Lee, C. I. , Lee, J. H. , Kim, D. S. ,2007, Effects of meteorological factors on water temperature, salinity in the West Sea of Korea, J. Korean. Soc. Mar., 13, 29-37.
    28. Lee, H. W. , Kim, Y. K. , Jung, W. S. ,2000, A numerical simulation for an effect of terrain on the onset of a sea breeze over the complex coastal area, Asia-Pac. J. Atmos. Sci., 36, 561-572.
    29. Lee, H. W. , Won, H. Y. , Choi, H. J. , Lee, K. Y. ,2005, Numerical simulation of effect on atmospheric flow field using high resolution terrain height data in complex coastal regions, J. Korean Soc. Atmos., 21, 179-189.
    30. Lee, J. H. , Kim, T. K. , Pang, I. C. , Moon, J. H. ,2018, 4DVAR data assimilation with the regional ocean modeling system (ROMS): impact on the water mass distributions in the Yellow Sea. Ocean. Sci. J., 53, 165-178.
    31. Lee, J. H. , Moon, J. H. , Choi, Y. J. ,2020, Comparison of data assimilation methods in a regional ocean circulation model for the Yellow and East China seas, Ocean Polar Res., 42, 179-194.
    32. Lee, S. H. , Chun, J. H. ,2003, The distribution of snowfall by Siberian High in the Honam region, J. Korean Geol. Soc., 38, 173-183.
    33. Lee, Y. H. , Ahn, K. D. , Lee, Y. H. ,2016, Parametrization of the tidal effect for use in the Noah land-surface model: development and validation, Boundary. Layer. Meteorol., 161, 561-574.
    34. Lim, E. H. , Kim, Y. H. , Lee, C. W. ,2003, The assimilation effect of radar gaze velocity data in 3D variational data assimilation for regions, Atoms., 13, 94-97.
    35. Lim, K. S. S. , Hong, S. Y. ,2010, Development of an effective double-moment cloud microphysics scheme with prognostic cloud condensation nuclei (CCN) for weather and climate models, Mon. Wea. Rev., 138, 1587-1612.
    36. Liu, N. , Ling, T. , Wang, H. , Zhang, Y. , Gao, Z. , Wang, Y. , 2015, Numerical simulation of Typhoon Muifa (2011) using a coupled ocean-atmosphere- wave-sediment transport (COAWST) modeling system, J. Ocean. Univ. China., 14, 199-209.
    37. Mlawer, E. J. , Taubman, S. J. , Brown, P. D. , Iacono, M. J. , Clough, S. A. ,1997, Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave, J. Geophys. Res. Atmos., 102, 16663-16682.
    38. Moon, S. H. , Song, S. K. ,2021, Influence of hourly changes in land cover and surface physical conditions due to tides on coastal meteorology in the Yellow Sea, Proceedings of the Autumn Meeting of Korean Meteorological Society Conferences, Korea, 287-287.
    39. Moore, A. M. , Arango, H. G. , Broquet, G. , Powell, B. S. , Weaver, A. T. , Zavala-Garay, J. ,2011a, The Regional Ocean Modeling System (ROMS) 4-dimensional variational data assimilation systems: Part I–System overview and formulation, Prog. Oceanogr., 91, 34-49.
    40. Moore, A. M. , Arango, H. G. , Broquet, G. , Edwards, C. , Veneziani, M. , Powell, B. , Robinson, P. ,2011b, The regional ocean modeling system (ROMS) 4-dimensional variational data assimilation systems: part II–performance and application to the California Current System, Prog. Oceanogr., 91, 50-73.
    41. Murphy, J. , Kattsov, V. , Keenlyside, N. , Kimoto, M. , Meehl, G. , Mehta, V. , Smith, D. ,2010, Towards prediction of decadal climate variability and change, Procedia. Environ. Sci., 1, 287-304.
    42. Olabarrieta, M. , Warner, J. C. , Armstrong, B. , Zambon, J. B. , He, R. ,2012, Ocean–atmosphere dynamics during Hurricane Ida and Nor’Ida: an application of the coupled ocean–atmosphere–wave–sediment transport (COAWST) modeling system, Ocean Model., 43, 112-137.
    43. Park, G. Y. , Mo, S. J. , Ryu, C. S. ,2005, The effect of sea temperature on the climate of Honam West Coast, J. Korean Earth Sci. Soc., 2005, 356-364.
    44. Parrish, D. F. , Derber, J. C. ,1992, The National Meteorological Center's spectral statistical-interpolation analysis system. Mon. Wea. Rev., 120, 1747-1763.
    45. Phadnis, M. J. , Robe, F. R. , Klausmann, A. M. , Scire, J. , S. ,2003, Importance of the spatial resolution of sea-surface-temperature data in meteorological modeling, In Proceedings of the 13th PSU/NCAR Mesoscale Model User’s Workshop, Boulder, CO, USA, 11.
    46. Qian, H. , Suxiang, Y. , Yaocun, Z. ,2012, Analysis of local air–sea interaction in East Asia using a regional air–sea coupled model, J. Clim., 25, 767-776.
    47. Routray, A. , Mohanty, U. C. , Niyogi, D. , Rizvi, S. R. H. , Osuri, K. K. , 2010, Simulation of heavy rainfall events over Indian monsoon region using WRF-3DVAR data assimilation system, Meteorol. Atmos. Phys., 106, 107-125.
    48. Roxy, M. , Tanimoto, Y. ,2007, Role of SST over the Indian Ocean in influencing the intraseasonal variability of the Indian summer monsoon, J. Meteorol. Soc. Japan., 85, 349-358.
    49. Shafran, P. C. , Seaman, N. L. , Gayno, G. A. ,2000, Evaluation of numerical predictions of boundary layer structure during the Lake Michigan Ozone Study, J. Appl. Meteorol. Climatol., 39, 412-426.
    50. Shchepetkin, A. F. , McWilliams, J. C. ,2005, The regional oceanic modeling system (ROMS): a split-explicit, fr ee-surface, topography-following-coordinate oceanic model, Ocean model., 9, 347-404.
    51. Skamarock, W. C. , Klemp, J. B. ,2008, A time-split nonhydrostatic atmospheric model for weather research and forecasting applications, J. Comput. Phys., 227, 3465-3485.
    52. Smith, P. J. , Fowler, A. M. , Lawless, A. S. ,2015, Exploring strategies for coupled 4D-Var data assimilation using an idealised atmosphere–ocean model, Tellus A: Dyn. Meteorol. Oceanogr., 67, 27025.
    53. Song, S. K. , Shon, Z. H. , Bae, M. S. , Cho, S. B. , Moon, S. H. , Kim, H. S. , Son, Y. B. , Lee, C. R. , 2022, Effects of natural and anthropogenic emissions on the composition and toxicity of aerosols in the marine atmosphere, Sci. Total Environ., 806, 1-14.
    54. Warner, J. C. , Armstrong, B. , He, R. , Zambon, J. B. , 2010, Development of a coupled ocean–atmosphere –wave–sediment transport (COAWST) modeling system, Ocean model., 35, 230-244.
    55. Yanai, M. , Tomita, T. ,1998, Seasonal and interannual variability of atmospheric heat sources and moisture sinks as determined from NCEP–NCAR reanalysis, J. Clim., 11, 463-482.
    56. Yoon, H. J. , Park, H. S. , Kim, B. S. , Park, J. H. , Lim, J. O. , Boo, K. O. , Kang, H. S. ,2019, Application of weakly coupled data assimilation in global NWP System, Atoms., 29, 219-226.
    1. SEARCH
    2. Online Submission

      submission.kenss.or.kr

    3. KENSS

      The Korean Environmental
      Sciences Society

    4. Editorial Office
      Contact Information

      - Tel: +82-51-514-1752
      - Fax: +82-51-514-1210
      - E-mail: kenss@hanmail.net