수반모형 기반의 관측영향 계산법을 이용하여 고분해능 대기 운동 벡터 자료와 경계조건이 관측영향 평가와 태풍진로 예보에 미치는 효과 분석 :Effect of enhanced atmospheric motion vector and lateral boundary condition on observation impact estimation and typhoon track forecasts using adjoint-based observation impact method

김명환

추천

검색

자료유형: 학위논문

저자정보: 김명환 (연세대학교, 연세대학교 대학원)

지도교수: 김현미

발행연도: 2015

저작권: 연세대학교 논문은 저작권에 의해 보호받습니다.

이용수15

이 논문의 연구 히스토리 (2)

2015

수반 모형 기반의 관측영향 계산법을 이용하여 enhanced atmospheric motion vector 자료와 경계 조건이 동아시아 지역 기상예보에 미치는 효과 분석

김명환 , 김현미 , 김성민 외 2명 한국기상학회 학술대회 논문집 2015.04 학술대회자료

수반모형 기반의 관측영향 계산법을 이용하여 고분해능 대기 운동 벡터 자료와 경계조건이 관측영향 평가와 태풍진로 예보에 미치는 효과 분석

김명환 지구천문대기학부(대기과학) 2015.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

분석값으로부터 수치예보모델을 적분할 때 모든 관측자료가 수치예보 향상에 도움이 되는 것은 아니므로, 자료동화에 사용되는 관측자료가 수치예보에 미치는 영향에 대한 정량적인 평가가 필요하다. 예보에 관측자료가 미치는 영향을 계산하는 방법 중 하나로 수반모형 (adjoint model)에 기반한 방법이 있다. 본 연구에서는 Weather Research and Forecasting (WRF) 모델과 WRFPLUS의 수반모형을 이용하여 2008년 9월에 동아시아 부근에서 발생한 3개의 태풍인 Sinlaku (200813), Hagupit (200814), Jangmi (200815)를 대상으로 한 관측 캠페인을 통해서 얻은 고분해능 대기 운동 벡터 (enhanced atmospheric motion vector) 자료 및 여타 관측종의 관측영향을 계산했다. Enhanced AMV 자료가 동화되지 않을 때는 SOUND와 NOAA 인공위성 자료의 관측영향이 높았다. 반면, enhanced AMV 자료가 동화되었을 때는 AMV 자료의 영향이 가장 크고 NOAA 인공위성의 영향은 줄었다. 규준실험에서 예측을 향상시키는데 도움을 준 이로운 관측비율은 GPSPW, NOAA-18, METOP-2 순으로 낮아졌고 대부분의 관측종에서 전구모델보다 높은 비율인 60%를 기록했는데, enhanced AMV가 동화된 실험에서는 그 값이 다소 감소했다. 또한 AMV 정보는 태풍의 진로를 분석하고 예측할 때 대체로 긍정적인 효과를 보였고, 특히 Sinlaku의 분석장과 예보장에서 중심진로 오차가 많이 감소했다. 한편, AMV 자료와 여타 14개의 관측종을 동화하여 규준실험의 조건과 동일하지만 경계조건의 완충구역 크기만 각각 2배, 4배로 늘려 Sinlaku가 소멸하는 시점까지 분석한 실험에서는 예보오차감소가 규준실험보다 줄어든 것을 확인했다. 또한, 완충구역을 늘리면 대다수 관측종과 관측변수의 관측영향은 규준실험보다 크기가 감소하지만 그 서열은 규준실험과 비슷하게 유지되었다. 이때, NOAA 인공위성 자료의 관측영향은 저고도 채널인 5번과 6번에서 크게 감소한 반면, 고고도 채널인 9번에서는 감소폭이 작아 경계조건 변화의 영향이 저고도에서 크게 작용했다. 그렇지만 완충구역을 늘렸을 때, SOUND와 AMV 자료의 관측영향 연직분포는 모든 고도에 대해서 대조군인 규준실험보다 균일하게 감소하는 추세를 보였다. 마지막으로 완충구역이 늘어나면 대다수의 관측종에서 이로운 관측비율이 규준실험에 비해 다소 감소했으며, 분석장과 예보장에서 추정한 Sinlaku 중심진로의 거리 오차가 규준실험보다 증가했다. 결론적으로 본 연구에서 enhanced AMV 자료를 동화했을 때 AMV 정보가 예보에서 차지하는 비중이 증가하고 예보에 긍정적인 효과를 주었으며, 완충구역을 넓혔을 때 관측자료가 예보에서 차지하는 비중이 감소한 것을 확인했다.

When integrating numerical weather prediction model from the analysis, not all observations help the improvement of the forecast. Therefore, the observation impact on the forecast should be evaluated quantitatively. A way to assess the observation impact is to use the adjoint-based method. In this study, Weather Research and Forecasting (WRF) model and adjoint model of WRFPLUS are used to evaluate the observation impacts of many observations including enhanced atmospheric motion vector data which was utilized in observation campaign for three typhoons, Sinlaku (200813), Hagupit (200814), and Jangmi (200815), that developed in East Asia during September 2008. Without the assimilation of enhanced AMV data, SOUND and NOAA satellite show high observation impacts. However, when enhanced AMV data is assimilated, the observation impact of AMV is the highest and that of NOAA satellite decreases. The fraction of beneficial observations, which indicates the ratio between the observations that improved the forecast and the total observations, for GPSPW, NOAA-18, METOP-2 are the highest among other observations in the reference experiment. Most observations show the ratio around 60%, but the ratio decreases when enhanced AMV data is assimilated. In addition, the enhanced AMV information generally helps tracking typhoon center for both analysis and forecast especially in case of typhoon Sinlaku. When the size of buffer zone is increased by two or four times, the absolute value of forecast error reduction decreases. Also, when buffer zone is larger, most observations show smaller value of the observation impact but mostly retain their ranks. The observation impacts of NOAA satellite channels that are responsible for lower altitude decrease as the size of buffer zone increases. However, channels that have weighted values for higher altitude do not change much. Also, the observation impacts of SOUND and AMV decrease homogeneously with respect to height when larger buffer zone is imposed. Finally, the fractions of beneficial observations decrease and distance errors of Sinlaku increase when the size of buffer zone is larger. This study shows that assimilating enhanced AMV data increases the observation impact of AMV data on the forecast, whereas broadening buffer zone at the lateral boundary reduces overall influence of the observations on the forecast.

#자료동화 #수반모형 #대기 운동 벡터 #경계조건 #관측영향 #이로운 관측비율 #태풍의 진로 #data assimilation #adjoint model #atmospheric motion vector #lateral boundary condition #observation impact #fraction of beneficial observation #typhoon tracks

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)