Journal of Environmental Science International
[ TECHNICAL NOTE ]
Journal of Environmental Science International - Vol. 33, No. 6, pp.435-442
ISSN: 1225-4517 (Print) 2287-3503 (Online)
Print publication date 30 Jun 2024
Received 05 Apr 2024 Revised 03 Jun 2024 Accepted 03 Jun 2024
DOI: https://doi.org/10.5322/JESI.2024.33.6.435

토지이용도와 초기 기상 입력 자료의 선택에 따른 지상 기온 예측 정확도 비교 연구

김해동* ; 김하영1)
계명대학교 공과대학 환경공학과
1)계명대학교 환경과학과
Comparative Study on the Accuracy of Surface Air Temperature Prediction based on selection of land use and initial meteorological data
Hae-Dong Kim* ; Ha-Young Kim1)
Department of Environmental Engineering, Keimyung University, Deagu 42601, Korea
1)Department of Environmental Science, Keimyung University, Daegu 42601, Korea

Correspondence to: *Hae-Dong Kim, Department of Environmental Engineering, Keimyung University, Daegu 42601, Korea Phone:+82-53-580-5930 E-mail: khd@kmu.ac.kr

ⒸThe Korean Environmental Sciences Society. All rights reserved.
This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

We investigated the accuracy of surface air temperature prediction according to the selection of land-use data and initial meteorological data using the Weather Research and Forecasting model-v4.2.1. A numerical experiment was conducted at the Daegu Dyeing Industrial Complex. We initially used meteorological input data from GFS (Global forecast system)and GDAPS (Global data assimilation and prediction system).

High-resolution input data were generated and used as input data for the weather model using the land cover data of the Ministry of Environment and the digital elevation model of the Ministry of Land, Infrastructure, and Transport. The experiment was conducted by classifying the terrestrial and topographic data (land cover data) and meteorological data applied to the model.

For simulations using high-resolution terrestrial data(10 m), global data assimilation, and prediction system data(CASE 3), the calculated surface temperature was much closer to the automatic weather station observations than for simulations using low-resolution terrestrial data(900 m) and GFS(CASE 1).

Keywords:

WRF (Weather research and forecasting model), GDAPS (Global data assimilation and prediction system), USGS (United States Geological Survey) land use, AWS (Automatic weather station)

1. 서 론

도시의 온도를 높이는 요인으로 지구온난화와 도시열섬을 들 수 있다. 전자는 대기에 온실가스 농도가 증가하여 발생하는 지구 전체의 변화이고, 후자는 국지 규모에서의 토지이용도 변화가 만들어 내는 도시 영역의 하층대기에 제한되는 현상으로 기온이 상승하는 메커니즘이 다르다(Hujibe, 2012). 그래서 지구온난화는 전 세계가 합심하여 지구 전체의 온실가스 배출량을 줄여야하므로 국제협력이 필수적이지만, 도시열섬의 완화는 해당 지역 자체의 노력으로 해결할 수 있는 문제이다. 한편, 인구 밀도가 현저히 높고 인간 활동이 집중되는 도시지역에서 발생하는 도시열섬화로 인한 기온상승은 지구온난화의 영향보다도 현저히 높은 것으로 파악되고 있다(Ichinose, 2003; Kim et al., 2013). 도시열섬현상은 도시의 여름철 고온도 더욱 강화시키기 때문에 도시열섬 완화는 폭염 발생 억제에 매우 효과적인 방법으로 알려져 있다(Lee et al., 2008, 2010; DEGEC, 2019).

폭염의 피해는 인공구조물의 밀도가 높고 인구가 밀집되어있는 도시지역에서 더욱 큰 위협이 되고 있다. 그래서 전 세계적으로 대도시 지역을 대상으로 공간 해상도가 높은 도시 기상관측 시스템을 구축하고, CFD (Computational fluid dynamics) 모델과 기상모델을 결합한 초고해상도 수치모델을 이용하여 상세 도시 열 환경 정보를 제공하고 있는 사례가 증가하고 있다(Liu and Bae, 2023).

일본 동경도는 1990년대 말부터 도시열섬의 실태를 파악하고 감시하기 위해 동경도환경연구소와 동경수도대학의 Mikami 교수 연구실이 협력하여 도시기상관측망(METROS: Metropolitan environmental temperature and rainfall observation system)을 구축하였다. 이 시스템은 2002년 7월부터 도시 내 초중등 학교 백엽상을 활용하여 100개 지점에서 온도와 습도를, 20개 지점에 자동기상관측시스템을 설치하여 풍향, 풍속, 온습도, 기압, 우량을 관측하고 있다. 관측결과는 실시간으로 표출되어 공개되고 있으며, 동경의 여름철 폭염 정보의 생산에 효과적으로 활용되고 있다. 120개 지점에서 관측한 기온자료를 이용하여 동경도의 고온 정보를 실시간으로 파악할 수 있어 여름철 동경도의 고온 대응에 활용하고 소지역별로 고온의 특성을 파악하여 열섬 대책을 수립하고 집행하는 데에도 활용하고 있다(Ushiyama et al., 1999).

Kim et al.(2014)은 1998년부터 대구광역시를 대상으로 13개의 자동기상관측망과 기온과 습도를 관측할 수 있는 시스템을 공간 해상도 5 km × 5 km로 구축하여 도시 내 상세 열 환경 평가 연구를 수행하였다. 그들은 여름철 고온 시기에 도심지가 교외에 비하여 최대 3℃ 이상 높고, 고온이 더 오래 지속되며, 최고온도 출현 시각도 2∼3시간 늦다는 사실을 밝혔다.

도시지역을 대상으로 하는 기상 수치모델에서 지형과 토지피복 자료는 정확한 기상 예측을 위한 중요한 입력자료이며, 도시와 같이 복잡하고 다양한 지역의 현실적 표현을 위해서는 보다 높은 해상도의 자료가 요구된다(Park et al., 2015). 초기 입력자료(지형, 토지피복, 기상자료)의 개선에 따른 모델의 예측 성능을 평가한 다수의 연구들이 수행되어 왔다(Park et al., 2011; Hong et al., 2018; Na et al., 2020). 이런 사정을 반영하여 광주광역시의 광주기후에너지진흥원(전 (재)국제기후환경센터)은 기상순환모델과 유체역학모델을 결합하여 도시의 열과 대기오염을 고해상도로 예측할 수 있는 도시평가모델시스템(UAMS: Urban assessment model system)를 구축하여 활용하고 있다(ICEC, 2022).

대구광역시에서도 대구녹색환경지원센터의 2023년도 연구개발사업으로 광주기후에너지진흥원의 도시평가모델시스템(UAMS)을 대구광역시 서구에 소재한 대구염색산업단지에 적용하여 열 환경 및 대기오염물질의 상세 분포를 파악하는 데에 활용하기로 하였다. 여기서는 이 연구사업 과정에서 얻어진 토지이용도 선택에 따른 도시 기온 예측 값의 민감도를 소개하고자 한다. 토지이용도의 선택에 따라서 다르게 산출된 기온 값을 현장에 설치되어 있는 기상청의 자동기상관측시스템(AWS: Automatic weather station)의 관측값과 비교하는 방식으로 고해상도 기상모델 운영에 있어서 토지이용도 선택의 중요성을 제시하고자 한다.


2. 재료 및 방법

2.1. 연구 대상지

연구 대상지의 공간적 범위는 대구광역시 서구 대구염색산단 일대에 위치한 서대구역 인근 km2 지역이다(Fig. 1). 이 지역은 대구지방기상청에서 대구지역을 대상으로 분석한 상세 열환경 분석에서도 여름철에 대구에서 가장 더운 지역으로 분류되고 있다(KMA, 2016). 해당 지역은 금호강으로 흘러 들어가는 지류인 달서천을 중심으로 북쪽에 대구염색산단이 위치하고, 남쪽에 유연탄 열병합발전소와 서대구 KTX 역사 및 주거지(아파트 단지)가 위치하고 있다. 이곳은 대구염색산단에서 발생하는 악취와 열병합발전소에서 배출되는 대기오염물질로 인하여 시민들의 환경 민원이 많이 제기되고 있는 지역이다. 아울러 여름철에 대구광역시의 다른 지역보다 더 고온을 나타내는 것으로 파악되고 있다 (KMA, 2016; Ahn and Kim, 2019). 지역 개황을 파악하기 위한 자료로 환경부의 토지피복도 중분류 자료 및 국토지리정보원의 수치표고모형 자료(DEM: Digital elevation model)를 활용하였으며 사용한 자료의 수평 해상도는 5 m로 동일하다. 토지피복도 중분류 자료는 총 22개 항목으로 분류되어 있으며 축척 1:25,000으로 제작된 자료이다. 수치표고모형 자료는 공간정보를 입체화한 자료로, 대상지 내 지형 모의 및 파악에 유용하게 사용 가능하다(KME, 2000).

Fig. 1.

Research area in Seogu, Daegu. The area marked with a circle is the target area for numerical simulation.

2.2. 기상모델과 수치모의 과정

이 연구에서 사용한 도시평가모델시스템(UAMS)은 광주기후에너지진흥원에서 광주광역시를 대상으로 구축한 기상모델(WRF)과 전산유체역학 모델 (Open FOAM: Open source field operation and manipulation)을 결합한 수치모델이다. 기상모델은 계산 공간 영역을 역학적 다운스케일링(downscaling)하여 고해상도의 기상 요소를 만드는 방식을 채택하고 있는데, 광주광역시 전역을 11 m 간격의 공간해상도로 생산하여 전산유체역학 모델의 경계값으로 사용 및 분석한다.

WRF 모델은 기상의 연구 및 예측업무용으로 설계된 것으로 대기의 물리 및 변수 연구, 실시간 수치예보와 예보 시스템 연구 등에 사용 가능하다. 다양한 역학적 코어와 3차원 자료동화 체계, 병렬 계산과 시스템의 확장성을 가져 수 m에서 수천 km까지의 다양한 범위에 적용가능하며 다양한 응용분야에서 활용되고 있다.

대기경계층 예측에서 난류의 재현은 중요한 요소이며, LES (Large eddy simulation) 방안은 대기 난류를 연구하는 중요한 도구로 인정받고 있다. 난류를 고려한 LES 방안은 PBL 방안에 비해 더 정확한 3차원 구조와 통계의 추정치를 제공한다. LES 방안 사용 시 난류항이 열 및 운동량을 수송할 정도로 작은 규모까지 계산되어 행성경계층이 생성되며, 1 km 미만의 난류를 고려한 고해상도의 수치 모의에 유용하게 활용할 수 있다(Catalano and Moeng, 2010; Seo et al., 2015). WRF에서는 난류를 고려한 WRF-LES (Weather research and forecasting–large eddy simulation) 방안의 사용이 가능하며, WRF-LES 방안을 사용 시 지면 근처의 난류를 직접 계산할 수 있다(Kang et al., 2015). 특히 국지적 특성을 가진 이질적인 지표의 복잡 지형에서 실제의 기상 흐름을 수치 모의하는 데에 유용한 도구로 활용할 수 있다(Talbot et al., 2012; Liu et al., 2020).

WRF-LES 컴파일과 설정은 국립기상과학원에서 2014년에 발간한 WRF-LES 구축 및 평가를 바탕으로 수행하였다(NIMS, 2014). WRF-LES 구성의 상세 내용은 Kim et al.(2023)을 통하여 파악할 수 있다.

본 연구에서 설정한 WRF 모델의 계산영역은 Fig. 2와 같이 구성하였다. 첫 번째 도메인 영역(d01)은 한반도와 일본을 포함한 동아시아 영역이고, 두 번째 도메인(d02)은 한반도와 주변 해역을 포함하여 대구염색산단을 포함하는 지역까지 둥지 격자로 구성하였다. 수평 격자 해상도는 9 km(d01), 3 km(d02), 1 km(d03), 333 m(d04), 111 m(d05)로 최종적으로 37 m(d06) 해상도로 구성하였고, 연직 대기층은 지표에서 연직방향으로 35층으로 구성하였다. 이를 정리하여 Table 1에 제시하였다. 수치 모의 시간은 24시간의 spin-up time을 포함하여 2023년 07월 09일 00UTC∼2023년 7월 11일 00UTC이다.

Fig. 2.

Numerical simulation target area. The rectangle indicates the model domain used in this study.

Domain configuration of numerical model

미세물리 방안은 d01~03까지 WDM6 (WRF double-moment 6) (Lim and Hong, 2010)을 사용하였으며, d04~06까지 Ferrier Eta (Ferrier, 1994)를 사용하였다. 장파복사는 RRTM 모수화(Mlawer et al., 1997)을, 단파복사는 Dudhia(Dudhia, 1989)를 사용하였다. 적운 모수화 방안은 d01에 대하여 Kain-Fritsch(Kain, 2004)을 사용하였으며 대기경계층 물리과정은 d01~03에서 MYJ (Mellor-Yamada-Janjic) (Janjic, 1994), d04~06에서는 LES (Large eddy simulation)를 사용하였다. 지면 모델은 Noah LSM (Chen and Dudgia, 2001)을 사용하였고 지면 경계층은 MM5 Monin-Obukhov (Paulson, 1970)을 사용하였다.

2.4. 초기 및 경계 조건 자료

WRF 모델에서 기본적으로 제공되는 입력 자료의 수평 해상도와 수직 해상도는 30초(900 m)이며 미국 지질조사국(USGS)의 토지피복 및 지형자료이다. 이와 같은 자료의 특성으로 인해 대상지 내 지형과 산, 하천 등의 환경을 자세하게 모의하지 못하여 우리나라의 실제 지형 및 최신의 토지피복 변화를 반영하지 못하는 한계가 존재한다. 따라서 본 연구에서는 환경부 중분류 토지피복 자료와 국토교통부(국토지리정보원)의 수치표고모형 자료를 사용하여 수평 해상도 및 수직 해상도 10 m의 고해상도 자료(토지이용도, 지형자료)를 생성하였으며, 기상모델의 초기 입력 자료로 반영하였다.

모델의 초기장과 경계장으로는 NCEP (National centers for environmental prediction)에서 제공하는 0.25˚ 공간해상도의 GFS (Global forecast system) 재분석 자료와 기상청에서 UM (United model)을 기반으로 생산된 10 km 공간해상도의 전구예보모델 자료(GDAPS)를 사용하였다.

모델의 입력 자료에 따른 모의 성능을 분석하기 위하여 적용된 초기 입력자료(토지이용도, 지형자료) 및 기상자료에 따라 구분하여 실험을 진행하였다(Table 2). USGS의 토지이용도와 지형자료를 입력 자료로 사용하고 NCEP의 GFS 재분석 자료를 모델의 초기장과 경계장으로 사용한 실험(CASE 1), 토지이용도와 지형자료를 환경부와 국토교통부의 고해상도 자료로 사용하고 모델의 초기장과 경계장으로 NCEP의 GFS 재분석 자료를 사용한 실험(CASE 2), 환경부와 국토교통부의 고해상도 자료를 토지이용도와 지형자료로 사용하고 기상청의 GDAPS 자료를 초기장과 경계장으로 사용한 실험(CASE 3)으로 구성하였다. 실험을 통해 모의된 기온을 모델 도메인 영역 내 위치한 기상청 기상관측소의 자동기상관측장비(AWS)로 관측된 기온과 비교하였다.

Three cases of numerical experiments


3. 연구결과

Table 2에 나타낸 바와 같이 3가지 사례에 대해서 수치실험을 수행하여 2023년 7월 10일 12LST의 d05에서의 지상 기온 공간분포를 Fig. 3Table 3에 제시하였다. CASE 1과 2는 초기 기상 입력 자료를 동일하게 GFS 재분석 자료를 사용하였으나 토지이용도와 지형자료를 달리 사용한 경우이다. 이 경우에 d01∼03(수평 공간 해상도 1 km 이상)까지는 유사한 결과를 나타내었지만, d04∼06에서는 차이가 확인되었다. 두 사례에서 고온과 저온의 온도 공간 분포 경향은 일치하지만 CASE 1이 CASE 2보다 고온 영역이 훨씬 더 광범위하게 나타났고 기온 자체도 더 높게 모의되었다.

Fig. 3.

Distribution of 2m temperature in d05 from CASE 1(a), CASE 2(b), CASE 3(c) on 12LST July 10th, 2023(Seogu(A), Sinam(B))

Air temperature in Seogu(A), Sinam(B) on 12LST July 10th, 2023

CASE 3은 3가지 사례에서 고온 영역이 가장 폭넓게 분포하고 그 값도 가장 높았는데, CASE 2보다 CASE 1에 더 가깝게 기온 공간분포가 모의되는 것을 확인할 수 있었다. 무엇보다 CASE 3은 d03(수평 공간 해상도 1 km)에서부터 CASE 1, 2보다 훨씬 높은 고온 공간분포를 모의하였고, 수평 공간 해상도가 높아질수록 더욱 뚜렷한 차이를 산출했다.

수치 모의 결과의 정확성을 검토하기 위해서 수치 실험 대상 영역 안에 소재한 기상청의 방재기상관측 지점인 대구서구 및 신암 지점의 자동기상관측장비(AWS)에서 관측된 기온자료를 CASE별 수치 모의 결과(d05)와 비교해 보았다(Table 3). 신암 지점은 수치 모의 대상 영역에서 최단 거리로 약 7 km 떨어져 있다. 비교한 자료는 2023년 7월 10일 12시의 지상 기온이다. 2023년 7월 10일 대구서구(지점번호 846) 지점 및 (구)대구지방기상청 부지(신암, 지점번호 860)에서 관측된 기온 및 풍향 관측 값을 시계열 그래프로 Fig. 4에 제시하였다. 수치 모의 결과 대구서구 지점에서 CASE 1, CASE 2, CASE 3에서 각각 29.2℃, 28.4℃, 31.5℃로 나타났고 관측값은 31.1℃를 보여 저해상도의 입력 자료를 사용하였을 경우보다 고해상도의 초기 입력 자료를 사용하였을 때 실제 값과의 오차가 줄어드는 것을 확인할 수 있었다. 현장(Seogu)의 풍향은 대체로 서풍(240˚ 내외)로 나타났다. 또 기상자료로 NCEP의 GFS 자료를 사용하여 모의한 CASE 2에 비해 기상청의 고해상도 자료인 GDAPS 자료를 사용하여 모의한 CASE 3의 값이 관측 값과의 오차가 작았다. 결과적으로 수치모델에 국내에서 제작된 고해상도의 지표조건을 도입하고, 기상청의 GDAPS 자료를 초기 및 경계 자료로 활용함으로써 보다 실제 관측 자료에 근접하는 예측치를 얻을 수 있다는 사실을 확인할 수 있었다.

Fig. 4.

Time variation of air temperature(a) and wind direction(b) in Seogu and Sinam.


4. 결 론

광주기후에너지진흥원에서 구축하여 활용하고 있는 기상-유체역학 결합모델(UAMS)을 도입하여 대구광역시의 특성에 맞도록 구축하고 이를 사용하여 대구광역시의 국지기상과 대기오염 예측에 활용하는 연구를 대구녹색환경지원센터의 연구개발 사업으로 수행하였다. 이 연구개발사업의 일환으로 기상모델의 경계조건과 초기조건을 개선하여 보다 진일보한 수치모델을 구축하고자 모델의 초기 입력 자료에 따른 사례연구를 수행하였다.

환경부 중분류 토지피복 자료 및 국토교통부의 수치표고모형(DEM) 자료를 사용하여 10 m 해상도의 토지이용도 및 지형자료를 생성하였으며 기상모델(WRF)의 초기 입력 자료로 적용하였다. 초기 기상입력자료(GFS, GDAPS) 및 지표자료(USGS, 환경부, 국토교통부)에 따른 수치 모의실험을 수행하여 기상청의 방재기상관측 지점에서 관측된 값과 비교한 결과 기상모델에서 기본적으로 제공하는 900 m 해상도의 미국 지질조사국(USGS) 토지이용도와 지형자료를 그대로 사용하고 NCEP의 GFS 재분석 자료를 사용하는 것(CASE 1)보다 우리나라 환경부와 국토교통부가 제작한 자료를 바탕으로 생성한 고해상도의 지표조건(10 m 해상도)을 도입하고 기상청의 GDAPS 자료를 활용하면(CASE 3) 훨씬 개선된 예측치를 생산할 수 있음을 확인할 수 있었다. 기상모델의 지표조건과 기상 입력 자료의 개선효과는 수평 해상도가 높아질수록 더욱 두드러지게 나타났다.

Acknowledgments

이 논문은 2023년 대구녹색환경지원센터 연구개발사업의 지원을 받아 수행된 연구임(NO 23-04-03-40-42).

REFERENCES

  • Ahn, E., J., Kim, H. D., 2019, Analysis of the correlation between urban high temperature phenomenon and air pollution during summer in Daegu, J. Environ. Sci. Int., 28(10), 831-840. [https://doi.org/10.5322/JESI.2019.28.10.831]
  • Catalano, F., Moeng, C. H., 2010, Large-eddy simulation of the daytime boundary layer in an idealixed valley using the weather research and forecasting numerical model, Springer, 137, 49-75. [https://doi.org/10.1007/s10546-010-9518-8]
  • Chen, F., Dudhia, J., 2001, Coupling an advanced land surface/hydrology model with the penn State/NCAR MM5 modeling system. PartⅠ: Model implementation and sensitivity, Monthly Weather Review, 129, 569-585. [https://doi.org/10.1175/1520-0493(2001)129<0569:CAALSH>2.0.CO;2]
  • DEGEC, 2019, A Study on the development of extreme climate adaptation measures in Daegu City (No.19-04-01-90-94), Daegu, 30-39.
  • 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. [https://doi.org/10.1175/1520-0469(1989)046<3077:NSOCOD>2.0.CO;2]
  • Ferrier, B. S., 1994, A Double-moment multiple-phase fourclass bulk ice scheme. Part I: Description, J. Atmos. Sci., 51, 249-280. [https://doi.org/10.1175/1520-0469(1994)051<0249:ADMMPF>2.0.CO;2]
  • Hong, S. O., Byon, J. Y., Park, H. S., Lee, Y. G., Kim, B. J., Ha, J. C., 2018, Sensitivity analysis of near surface air temperature to land cover change and urban parameterization scheme using unified model, Atmosphere, 28(4), 427–441.
  • Hujibe, H., 2012, Urban Climate Variation and Abnormal Weather, Asakura Press, Tokyo, Japan.
  • ICEC, 2022, A Study on climate, environment and energy based on Gwangju’s big data platform system: Towards an improved application, ICEC, Gwangju, Korea.
  • Ichinose, T., 2003, Regional warming related to land-use change during recent 135 years in Japan, J. Global Environ. Eng., 9, 19-39.
  • Janjic, Z. I., 1994, The step-mountain eta coordinate model: further developments of the convection, viscous sublayer, and turbulence closure schemes, Monthly Weather Review, 122(5), 927-945. [https://doi.org/10.1175/1520-0493(1994)122<0927:TSMECM>2.0.CO;2]
  • Kain, J. S., 2004, The Kain-Fritsch convective parameterization: An Update, J. Appl. Meteor. Climatol., 43, 170-181. [https://doi.org/10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2]
  • Kang, M. S., Lim, Y. K., Cho, C. B., Kim, K. R., Park, J. S., Kim, B. J., 2015, The sensitivity analyses of initial condition and data assimilation for a fog event using the mesoscale meteorological model, J. Korean Earth Sci. Soc., 36(6), 567-579. [https://doi.org/10.5467/JKESS.2015.36.6.567]
  • Kim, E. R., Choi, K. C., Park, S. J., Kim, M. H., Kim, S. W., Park, M. S., Ahn, M. H., Park, Y, S., Song, C. K., 2023, Turbulent characteristics in complex coastal areas assessed using BSWO observations and WRF-LES simulation results, Atmospheric Research, 289, 106756. [https://doi.org/10.1016/j.atmosres.2023.106756]
  • Kim, K. Y., Byon, J. Y., Kim, H. D., 2013, Heat island intensity in Seongseo, Daegu, South Korea – a Rural suburb containing large areas of water, J. of Environ. Sci. Int., 22(10), 1337-1344. [https://doi.org/10.5322/JESI.2013.22.10.1337]
  • Kim, S. H., Cho, C. B., Kim, H. D., 2014, Investigation of urban high temperature phenomenon in summer using the high density ground monitoring system in Daegu metropolitan area, J. Environ. Sci. Int., 23(9), 1619-1626. [https://doi.org/10.5322/JESI.2014.23.9.1619]
  • KMA, 2016, A Detailed analysis report on climate change by local governments in Korea (No.11-1360000-001312-01), Seoul, Korea.
  • KME, 2000, https://egis.me.go.kr, .
  • Lee, S. H, Kim, H. D., 2008, Effects of regional warming due to urbanization on daytime local circulations in a complex basin of the Daegu metropolitan area, Korea, J. Appli. Meterol. and Climato., 47, 1427-1441. [https://doi.org/10.1175/JAMC1504.1]
  • Lee, S. H., Kim, H. D., 2010, Modification of nocturnal drainage flow due to urban surface heat flux, Asia-Pacif. J. Atmos. Sci., 46, 453-465. [https://doi.org/10.1007/s13143-010-0026-z]
  • Lim, K. S. S., Hong, S. Y., 2010, Development of effective double-moment cloud microphysics scheme with prognostic cloud condensation nuclei (CCN) for weather and climate models, Monthly Weather Review, 138, 1587-1612. [https://doi.org/10.1175/2009MWR2968.1]
  • Liu, B. N., Bae, W. K., 2023, Thermal environment CFD simulation analysis in heat wave of low-rise residential area, 2023 Spring presentation proceeding of the Korean Housing Association, 35(1). 79-82.
  • Liu, Y. J., Liu, Y. B., Munoz-Esparza, D., Hu, F., Yan, C., Miao, S. G., 2020, Simulation of flow fields in complex terrain with WRF-LES: Sensitivity assessment of diferent PBL treatments, J. Appl. Meteorol. Climatol., 59, 1481–1501. [https://doi.org/10.1175/JAMC-D-19-0304.1]
  • 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., 102(D14), 16663-16682. [https://doi.org/10.1029/97JD00237]
  • Na, H. N., Jung, W. S., 2020, A Study on improving the prediction accuracy of a typhoon disaster prevention model part II: Sensitivity of the WRF model to GDAPS, RDAPS, GFS data, J. Korean Soc. Atmos. Environ., 36(4), 522-532. [https://doi.org/10.5572/KOSAE.2020.36.4.522]
  • NIMS, 2014, Construction and Evaluation of WRF-LES, Seogwipo, Korea.
  • Park, S. H., Jee, J. B., Yi, C. Y., 2015, Sensitivity test of the numerical simulation with high resolution topographyand landuse over Seoul metropolitan and surrounding areas, Atmosphere, 25(2), 309-322. [https://doi.org/10.14191/Atmos.2015.25.2.309]
  • Park, S. K., Kim, J. H., 2011, A Study on changes in local meteorological fields due to a change in land use in the lake Shihwa region using synthetic land cover data and high-resolution mesoscale model, Atmosphere, 21(4), 405-414.
  • Paulson, C. A., 1970, The mathematical representation of wind speed and temperature profiles in the unstable atmospheric surface layer, J. Appl. Meteor. Climatol., 9, 857-861. [https://doi.org/10.1175/1520-0450(1970)009<0857:TMROWS>2.0.CO;2]
  • Seo, B. K., Byon, J. Y., Lim, Y. J., Choi, B. C., 2015, Evaluation of surface wind forecast over the Gangwon province using the mesoscale WRF model, J. Korean Earth Sci. Soc., 36(2), 158-170. [https://doi.org/10.5467/JKESS.2015.36.2.158]
  • Talbot, C., Bou-zeid, E., Smith, J., 2012, Nested mesoscale large-eddy simulations with WRF: Performance in real test cases, American Meteorological Society, 3, 1421-1440. [https://doi.org/10.1175/JHM-D-11-048.1]
  • Ushiyama, M., Mikami, T. K., Kimura, K., 1999, On the high density urban climate observation network in Tokyo area – monitoring and management of urban heat island, Interm Report, 4-15.
ㆍProfessor. Hae-Dong Kim

Department of Environmental Engineering, Keimyung Universitykhd@kmu.ac.kr

ㆍDoctor’s course. Ha-Young Kim

Department of Environmental Science, Keimyung Universityhyk2410@naver.com

Fig. 1.

Fig. 1.
Research area in Seogu, Daegu. The area marked with a circle is the target area for numerical simulation.

Fig. 2.

Fig. 2.
Numerical simulation target area. The rectangle indicates the model domain used in this study.

Fig. 3.

Fig. 3.
Distribution of 2m temperature in d05 from CASE 1(a), CASE 2(b), CASE 3(c) on 12LST July 10th, 2023(Seogu(A), Sinam(B))

Fig. 4.

Fig. 4.
Time variation of air temperature(a) and wind direction(b) in Seogu and Sinam.

Table 1.

Domain configuration of numerical model

Mode Domain Horizontal grid dimensions Vertical layer Grid size(km)
WRF d01 290 × 300 35 9
d02 280 × 286 35 3
d03 268 × 274 35 1
WRF-LES d04 256 × 262 35 0.333
d05 244 × 250 35 0.111
d06 232 × 238 35 0.037

Table 2.

Three cases of numerical experiments

Land use & DEM Initial boundary condition
CASE 1 Default USGS GFS
CASE 2 High resolution land use & DEM GFS
CASE 3 High resolution land use & DEM GDAPS

Table 3.

Air temperature in Seogu(A), Sinam(B) on 12LST July 10th, 2023

Station Observations CASE 1 CASE 2 CASE 3
Seogu(A) 31.1℃ 29.2℃ 28.4℃ 31.5℃
Sinam(B) 32℃ 29.9℃ 29.7℃ 32.5℃