대표어
학술연구정보서비스(KERIS)
권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
국회도서관 홈으로
정보검색
소장정보 검색
결과 내 검색
동의어 포함
목차보기
표제지 1
목차 2
요약 13
1. 서론 16
1.1. 연구 배경 16
1.2. 선행 연구 20
1.2.1. 오호츠크 고기압 및 블로킹 20
1.2.2. 지역 규모 강수의 계절 예측 22
1.3. 연구 목표 및 내용 24
2. 자료 및 연구 방법 26
2.1. 자료 26
2.1.1. 재분석 및 관측 자료 26
2.1.2. 모형 자료 27
2.2. 연구 방법 29
2.2.1. 지수 정의 29
2.2.2. 통계 분석 방법 35
2.2.3. 모형의 예측성 평가 방법 36
3. 오호츠크해 블로킹 고기압이 여름철 강수에 미치는 영향 38
3.1. 오호츠크해 블로킹 발생 빈도와 남한 강수와의 관련성 38
3.1.1. 오호츠크해 블로킹 발생 빈도의 경년 변동성 38
3.1.2. 여름철 평균 강수에 미치는 영향 45
3.1.3. 장마에 미치는 영향 52
3.2. 오호츠크해 블로킹이 동아시아 강수에 미치는 영향 55
3.2.1. 동아시아 여름 강수 특성: 6월과 7월 55
3.2.2. 6월 오호츠크해 블로킹과 관련된 대기 순환 구조 57
3.2.3. 7월 오호츠크해 블로킹과 관련된 대기 순환 구조 62
3.2.4. 오호츠크해 블로킹의 발달 과정 67
3.3. 요약 및 결론 71
4. 남한 여름철 강수의 계절 예측성 향상을 위한 역학적 규모축소법 적용 73
4.1. APCC MME 계절 예측 참여 모형의 여름철 강수 및 오호츠크 고기압 예측성 73
4.2. PNUv2.0-WRFv4.0 chain을 이용한 실험 설계 82
4.3. PNUv2.0의 남한 여름철 강수 예측성 85
4.4. PNU_WRF_ENS (PWE)와 ENS_PNU_WRF (EPW)의 예측성 비교 87
4.4.1. 여름철 평균 강수 87
4.4.2. 일 평균 강수 92
4.4.3. 계절 예측성 95
4.5. EPW의 예측성 개선 이유 분석 98
4.6. 요약 및 결론 103
5. 요약 및 결론 105
참고문헌 108
Abstract 128
Figure 1.1. (a) Climatology of monthly accumulated precipitation over South Korea... 18
Figure 1.2. Climatology of precipitation (shading; unit: mm·day⁻¹), 500hPa... 19
Figure 2.1. Topography (shading; unit: m) in South Korea. The black dots indicate the... 27
Figure 2.2. Schematic diagram for definition of Okhotsk Sea Blocking (OKB) 34
Figure 3.1. Climatology of blocking frequency in (a) June, (b) July, (c) August, and (d)... 40
Figure 3.2. Composite of the blocking frequency for high and low PREC_SK years... 41
Figure 3.3. Timeseries of Okhotsk Sea blocking frequency (OK_BF) during 1979-2022... 42
Figure 3.4. Correlation coefficients between OK_BF and precipitation during 1979-2022... 43
Figure 3.5. (a) Climatology of 850hPa meridional wind (shading; unit: m·s⁻¹) and... 44
Figure 3.6. Partial regression maps of the (a) 200hPa, (b) 500hPa, and (c) 850hPa... 46
Figure 3.7. Partial regression maps of the (a) low-level (850-hPa) temperature... 47
Figure 3.8. Vertical cross-section averaged from 125°E to 130°E for (a) meridional... 48
Figure 3.9. Partial regression maps of the (a) vertically averaged maximum Eady... 49
Figure 3.10. Partial correlation coefficients between OK_BF and (a) mean precipitation... 50
Figure 3.11. Partial regression maps of the 10m zonal (shading; unit: m·s⁻¹) and... 51
Figure 3.12. (a) Composite of the 31-day moving average daily PREC_SK for high and... 53
Figure 3.13. Climatology (2000-2022) monthly mean precipitation (shaded; unit:... 56
Figure 3.14. Composite maps of precipitation (unit: mm·day⁻¹) for (a) day 0 with... 59
Figure 3.15. Composite maps of geopotential height at 500hPa (unit: m) for (a) day 0... 60
Figure 3.16. Composite anomaly maps of precipitation (shaded; unit: mm·day⁻¹) for... 61
Figure 3.17. Composite maps of precipitation (unit: mm·day⁻¹) for (a) day 0 with... 64
Figure 3.18. Composite maps of geopotential height at 500hPa (unit: m) for (a) day 0... 65
Figure 3.19. Composite anomaly maps of precipitation (shaded; unit: mm·day⁻¹) for... 66
Figure 3.20. Composite anomaly map of geopotential height (contour, shaded; unit: m)... 69
Figure 3.21 Composite anomaly map of geopotential height (contour, shaded; unit: m) 70
Figure 4.1. Spatial distribution of summer mean precipitation (unit: mm·day⁻¹) from... 75
Figure 4.2. Spatial distribution of mean bias error of summer mean precipitation (unit:... 76
Figure 4.3. Spatial distribution of temporal correlation coefficient of summer mean... 77
Figure 4.4. Spatial distribution of summer mean 500hPa geopotential height (unit: m)... 78
Figure 4.5. Spatial distribution of mean bias error of summer mean 500hPa... 79
Figure 4.6. Spatial distribution of temporal correlation coefficient of summer mean... 80
Figure 4.7. (a) Root mean square temporal error and (b) temporal correlation... 81
Figure 4.8. Schematic diagram of Coupled General Circulation Model (CGCM)-Regional... 83
Figure 4.9. Topography (unit: m) for the (a) domain 1 and (b) 3. The boxes in (a)... 83
Figure 4.10. Schematic diagram of experiments 84
Figure 4.11. Spatial distribution maps of (a) mean bias error and (b) temporal... 86
Figure 4.12. Spatial distribution maps of summer mean precipitation (Unit:... 89
Figure 4.13. Spatial distribution maps of summer mean (a) precipitation (Unit:... 90
Figure 4.14. Vertical distribution maps (from 1000 to 300hPa) of (a) zonal wind (Unit:... 91
Figure 4.15. (a) Daily mean precipitation (Unit : mm·day⁻¹) averaged over 72 in-situ... 93
Figure 4.16. Hovmöller diagram of zonally averaged (124°E-131°E) three-day moving... 94
Figure 4.17. (a) Time series of summer mean precipitation (Unit: mm·day⁻¹)... 96
Figure 4.18. Spatial distribution maps of (a) root mean square temporal error (Unit:... 97
Figure 4.19. Distribution of daily averaged root mean square spatial error of 500hPa... 100
Figure 4.20. Same as Figure 4.19, but for Okhotsk Sea (40°N~70°N, 130°E~170°E) 100
Figure 4.21. Distribution of temporal correlation coefficients of 500hPa geopotential... 101
Figure 4.22. Distribution of area-averaged temporal correlation coefficients of 500hPa... 101
Figure 4.23. Distribution of temporal correlation coefficients of sea surface... 102
Figure 4.24. Distribution of area-averaged temporal correlation coefficients of sea... 102
초록보기
남한에서는 연 강수의 절반 이상이 여름철에 집중되기 때문에 여름철 남한 강수의 변동성을 이해하고 예측하는 것은 중요하다. 본 연구에서는 북반구 오호츠크해에서 발생하는 블로킹 고기압(Okhotsk Sea blocking, OKB)이 남한 강수 및 동아시아 몬순 전선에 미칠 수 있는 영향에 대해 조사했으며, 접합 대순환 모형(Coupled General Circulation Model, CGCM)에서 오호츠크해의 대기 순환에 대해 개별 앙상블 멤버보다 더 높은 예측성을 갖는 앙상블 평균을 지역기후모형(Regional Climate Model, RCM)의 초기 및 측면 경계 자료로 사용하는 역학적 규모축소법이 남한 여름철 강수의 계절 예측성 향상에 기여할 수 있음을 확인했다.
먼저, 오호츠크해에서 발생하는 블로킹 고기압이 여름철 남한 강수에 미치는 영향에 대한 심층 분석이 수행되었다. 남한 강수가 많았던 연도들과 적었던 연도들에 대한 합성장 분석을 통해 남한 강수는 오호츠크해(140°E-160°E)에서의 블로킹 발생 빈도 (Okhotsk Sea blocking frequency, OK_BF)와 더 관련이 있었다. 본 연구에서는 OK_BF와 남한 강수와의 관련성을 설명하기 위하여 하층 남풍바람(low-level meridional wind, LLMW)에 대한 변동성을 제거하는 편 상관 및 회귀 분석을 사용하였다. OK_BF 증가와 관련되어 오호츠크해에서 연직적으로 나타나는 고기압성 순환 아노말리는 고 위도에서 남한 지역으로 찬 공기를 수송하여 해당 지역의 자오선 온도 구배 증가를 유도할 수 있다. 강화된 자오선 온도 구배는 경압 불안정 증가를 통해 저기압성 순환 아노말리를 형성 및 유지하여 강수 증가와 관련될 수 있다. 또한 OK_BF가 높은 연도 들과 낮은 연도들에 대한 합성장 분석을 통해 OK_BF는 특히 여름철 내 7월 강수 증가와 장마 종료일 지연과 더 관련된 것으로 확인되었다. 그 이유를 확인하기 위해 연직 적분된 수증기 수렴항(Vertically integrated moisture flux Convergence, VIMFC)을 고려하여 최근 23년(2000-2023년) 동안 6월과 7월에 각각 발생한 총 9개의 OKB 사건에 대한 합성장 분석을 수행하였다. 6월에 발생한 OKB는 동아시아의 강수 감소와 관련되 었으나, 7월에 발생한 OKB는 동일한 지역의 강수 증가와 관련되었다. 정체하는 OKB는 북동아시아 지역의 저기압성 순환을 유지하고 강화할 수 있으며, 이는 북서태평양 아 열대 고기압(western North Pacific subtropical high, WNPSH)의 북쪽 경계를 따라 북 서쪽으로 이동하는 수증기 수송을 강화하는 데 기여하여 연직 적분된 수분 속 수렴 (vertically integrated moisture flux convergence, VIMFC) 증가를 유도할 수 있다. 그러나 이 저기압성 순환의 공간적인 분포와 위치가 6월과 7월에 서로 다른 모습을 보였다. 6월의 경우, 오호츠크해의 고기압성 순환과 북동아시아의 저기압성 순환이 서로 동시에 발달하고 점진적으로 강화하는 모습을 보였는데, 해당 구조에서 WNPSH 북쪽 경계에 위치한 수분속과 VIMFC가 평년 대비 남하하여 동아시아(특히 중국 남부 및 일본 남부 지역)에서는 강수가 평년대비 감소하는 특징을 보였다. 한편 7월의 경우, 오호 츠크해의 고기압성 순환이 먼저 발달하고 북동아시아의 저기압성 순환은 블로킹 발생 일 이후에 천천히 발달하는 모습을 보였다. 해당 저기압성 순환은 6월에 비해 강도가 약했으며 더 북쪽에 위치했기 때문에 전선이 동일한 위치에 계속 정체하는 데 호조건 이었다. 그 결과h 7월에 발생한 OKB는 동아시아(특히 한반도와 일본 지역)의 강수 증가와 더 관련될 수 있었다.
다음으로 오호츠크해를 포함한 동아시아의 지위고도에 대해 CGCM 개별 앙상블 멤 버보다 더 높은 예측성을 갖는 앙상블 평균을 RCM의 입력 자료로 활용하는 역학적 규모축소법이 남한 강수의 예측성 향상에 기여할 수 있는지를 확인했다. 본 연구에서는 CGCM과 RCM을 이용하여 지역 규모의 계절 예측 자료를 생산하기 위해 각각 Pusan National University CGCM version 2.0 (PNUv2.0)과 Weather Research and Forecasting version 4.0 (WRFv4.0)을 사용하였다. 역학적으로 규모 축소된 강수량의 앙 상블 계절 예측성은 두 실험을 비교하여 평가되었다. 첫 번째 실험은 전통적인 앙상블 예측 방법이며, PNUv2.0 개별 앙상블로부터 얻은 총 5개의 앙상블 멤버를 각각 WRFv4.0을 사용해 역학적으로 규모 축소하였다. 각 5개의 예측 결과는 단순 합성 방법을 사용하여 앙상블 평균했으며, 이를 PNU_WRF_ENS (PWE)로 명명했다. 두 번째 실험은 첫 번째 실험과 동일하지만 PNUv2.0의 5개 앙상블 멤버를 산술 평균해서 얻은 1 개의 초기 및 측면 경계조건을 사용하였다. 해당 실험에서 얻은 예측 자료는 ENS_PNU_WRF (EPW)로 명명했다. 즉 첫 번째 실험에서는 총 5번의 WRFv4.0 적분이 수행되고, 두 번째 실험에서는 1번의 적분만 수행되었다. EPW는 PWE에 비해 관측과 더 유사한 강수를 모의하였다. 이러한 개선은 중층 및 상층에서 강하게 모의된 상층바람에서 비롯되었으며, 이는 VIMFC를 더 강하게 모의하는데 기여하였다. EPW는 PWE에 비해 7-8월에 대한 강수 편의가 감소하여 여름철 전체 기간에 대한편의 감소에 기여하였다. 또한 EPW는 PWE에 비해 남한 여름철 강수에 대해 향상된 계절 예측성을 보였으며, 특히 관측이 평년 대비 많은 강수를 보였던 기간에서의 예측성과 오호츠크 해 블로킹이 많이 발생했던 해에서의 강수 예측성이 모두 높게 나타났다. 이와 같이 EPW에서의 강수 예측성 개선은 WRFv4.0의 입력 자료로 사용된 PNUv2.0에 EMM이 적용되면서 동아시아의 지위고도 및 해수면온도에 대해 향상된 예측성을 갖는 것에서 비롯된 것으로 분석되었다. 이러한 결과는 CGCM 개별 앙상블 멤버에 EMM을 사용하여 얻은 초기 및 측면 경계 자료를 RCM의 입력 자료로 구축하여 역학적 규모축소법을 수행하는 방법이 남한 여름철 강수의 계절 예측성을 향상시킬 수 있음을 시사한다. 해당 방법은 예측성 개선뿐만 아니라 RCM 적분 시간을 단축할 수 있는 효율적인 방법이므로 지역 규모 계절 예측에 하나의 대안이 될 수 있다.MARC 보기
오류 데이터 정정요청
*표시는 필수 입력사항입니다.
알림톡 발송
| 전화번호 |
|---|
개인정보 수정 바로가기
연속간행물 권호 선택
우편복사 안내
- ◾ 도서관을 방문하지 못할 경우 인터넷, 팩스 등으로 자료 복사를 신청하고, 복사물을 우편·팩스 등으로 제공받는 서비스
- ◾ 대상자료: 일반도서, 연속간행물 및 학위논문
- ※ 고서, 고잡지, 훼손될 우려가 있는 자료, 마이크로폼 자료 및 신문 등 제외
- ◾ 신청 책수: 1인 5책 이하(1일 기준)
- ◾ 신청 절차: 자료 검색 → 우편복사 목록담기 → 복사 범위 입력 → 우편복사 주문서 입력 → 접수 및 확인
- ※ 저작권법에 의거하여 부분 복사(전체 페이지 수의 1/3 범위 이내)만 가능
- ◾ 복사 범위 입력 예시: (연속 페이지) 1-30, (부분 페이지) 25, 30-40
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내(서울관)
도서위치안내: / 서가번호:
0
확인
우편복사 목록담기를 완료하였습니다.
내서재에 담기
새로운 서재
*표시는 필수 입력사항입니다.
저장
저장 되었습니다.