Estimation of the optimal ensemble size for the seasonal prediction with the use of GME

Abstract

계절예측에 대한 중요성이 증가와 함께 정확한 예측에 대한 요구가 늘어나고 있지만 1개월 이상의 장기예측 시 예측성은 대기의 내부 변동성이 의해 좌우되고(Lorenz, 1982), 이를 줄이기 위해 서로 다른 초기자료에 의한 모델 수행 결과를 앙상블 하는 기법이 사용되고 있다(Leith, 1974). 앙상블 방법을 위한 멤버수를 증가하면 할수록 좋지만, 컴퓨터 자원과 시간이 많이 필요하다는 단점이 있기 때문에 최적의 앙상블 수를 평가하여 사용하는 것이 요구된다. 대기의 계절 규모 예측성은 현재의 대기상태보다는 Sea Surface Temperature이나 Sea Ice(SST)와 같은 경계조건의 장주기 변동에 의해 영향을 받는 것으로 알려져 있다. 따라서 계절예측을 수행하는 다양한 기관에서는 SST를 경계자료로 사용하여 예측을 수행하고 있고, SST를 경계자료로 사용하는 방법은 크게 두가지로 나뉘는데 첫째는 CGCM을 사용하여 SST를 예측하여 경계자료로 사용하거나 현재의 SST가 미래까지 지속된다는 Persistent SST 방법이 있다. 본 연구를 위해 사용된 모델은 독일의 현업모델인 GME로써 40km/40Layer의 해상도자료를 생산하였다. 현재의 SST 상태가 예측기간동안 계속 지속된다고 가정하고 모든 앙상블 멤버 예측 시 같은 SST forcing을 주었다. 30개 앙상블 멤버 구성을 위해 1일 간격의 초기자료가 사용되었고, 최대 2개월에서 최소 1개월의 spin-up time을 주었다. 모델의 climatology 자료로는 30년 평균된 SST 자료를 경계자료로 사용한 10개 앙상블을 평균하여 사용하였고, 계절예측 시 가장 기본이 되는 850hPa 온도, 500hPa 지위고도 변수를 관측자료와 비교하였다. 이때, RMSE와 ACC(Anomaly correlation coefficient)를 평가 방법으로 사용하였고, 분석지역은 WMO에서 계절예측 시 권고되는 분석지역 중 전구, 북반구 지역과 추가로 동아시아 지역을 선택하였다. 첫 번째로 Anomaly map을 사용하여 관측과 모델 결과자료를 비교했을 시, 1-member 사용 시에는 오차가 컸고 10 member에서 수렴되는 형태를 보였다. 전구에 대해 계절별로 RMSE와 ACC를 비교해 봤을 때 빠르면 2개 늦게는 7개 member에서 수렴하였다. 12달의 RMSE와 ACC에 대해 전구, 북반구, 아시아 지역에 대해 비교했고 이때, 작은 앙상블 멤버(1~6)에서는 variance가 보다 큰 것으로 나타났다. 5개 앙상블을 평균하여 계절별로 살펴볼 때, 6-10개에서 수렴이 시작 되고 그 후에 11-15에서 수렴되는 형태를 나타냈다. 따라서 GME를 활용한 계절 예측을 위해서는 6-10개 정도, 특히 7개 정도의 앙상블 멤버를 사용하는 적절 하다고 판단된다.