Research Article

Journal of the Korean Solar Energy Society. 30 June 2021. 107-124
https://doi.org/10.7836/kses.2021.41.3.107

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 자료 및 분석방법

  •   2.1 지형 효과를 고려한 모수화

  •   2.2 모형 설정 및 실험 설계

  •   2.3 관측자료 및 분석 방법

  • 3. 결과 및 토의

  •   3.1 아격자 지형 모수화

  •   3.2 그림자/경사 모수화

  • 4. 결 론

기호설명

ACPRE : 누적강수량(mm)

T2 : 2 m 온도(℃)

RH2 : 2 m 상대습도(%)

WS : 10 m 풍속(m/s)

1. 서 론

우리나라 국토면적(10,029,500 ha) 중 산림면적(6,335,000 ha)은 63.2%로 면적 대비 산림비율은 세계에서 4위로 산림지역이 큰 부분을 차지한다. 국내에서 가장 넓은 산림지역이 강원도에 분포하고 있으며, 전체 중 21.7%가 분포하고 있다1). 이와 같이 산림비율이 높은 지역은 일반적인 평지보다 복잡한 지형에 의해 기상현상이 국지적이고 불규칙적으로 나타난다2,3,4). 우리나라의 경우 산악지역에 자동기상관측소(Automatic Weather Station, AWS)를 많이 구축하였지만, 인구가 많은 도시와 같은 평지에 비해 관측소의 공간밀도가 낮아4) 기상요소들의 정확한 공간분포 파악이 어렵다5,6,7).

최근 기후변화의 영향으로 이상 기후·기상 현상이 빈번하게 나타나고 있으며, Piñol et al.8)은 지구온난화로 인해 산불의 빈도가 높아지고 더 강한 산불이 발생할 것으로 예측했다. 우리나라에서도 해마다 많은 산불피해가 발생하고 있다. 산림청에서 제공하는 산불피해대장에 따르면 2010년부터 2019년까지 전국에서 총 4399건의 산불이 발생하였고 8572 ha의 산림이 피해를 입었다. 이중 2015년부터 2019년까지 발생한 산불은 2855건, 피해 면적은 6424 ha로 최근 10년 중 64.9%의 산불과 74.9%의 피해가 후반기에 발생하였다. 특히 2019년도에는 총 3254 ha가 소실되었으며 4월 4일 강원도에서 2일간 지속된 대형 산불로 2832 ha가 소실되었다. 기후변화에 관한 정부간 패널(Intergovernmental Panel on Climate Change; IPCC) 4차 보고서9)에서는 집중호우와 태풍과 같은 강한 강수현상이 증가할 것으로 전망하였다. 기후시나리오에 따른 수치모의 결과에서도 강수량이 증가할 것으로 나타났고10,11) 이에 따라 산사태 피해도 증가할 것으로 예상된다. 이렇듯 기상요소들의 공간분포 파악에 한계가 있는 산악지역에서는 수치예보(Numerical Weather Prediction, NWP) 모형의 사용은 필수적이고, 증가하는 산림재해를 대비하고 예방하여 피해를 줄이기 위해 그 정확도는 점점 더 중요해지고 있다. 또한, 기후변화의 영향을 줄이기 위해 탄소저감의 방법으로 신재생에너지에 대한 관심이 높아지고 있는 가운데, 우리나라 산악지역에 풍력발전 및 태양광발전 등을 이용한 신재생에너지발전단지를 조성하고 있다. 이러한 단지를 조성할 때, 해당 에너지 자원의 평가 측면에서도 수치모형과 그 정확도는 매우 중요하다. 하지만 산악지역과 같은 복잡지형에서는 지형적 특성으로 인해 정확한 예측이 어려워 산림재해의 예방과 대처를 어렵게 한다.

이러한 문제를 해결하기 위해 WRF (Weather Research and Forecasting) 모형12)내에 지형적 특성을 반영하는 연구가 진행되었다13,14,15). WRF 모형은 초기 버전부터 평원과 경사면의 지표풍속 편향을 보였는데16,17,18,19), Jiménez and Dudhia13)는 실제 지형을 보다 부드럽게 표현하여 발생하는 풍속의 편향을 보정하는 새로운 모수화를 개발하였다. 이는 지형적 특성을 반영하는 연산자를 운동량 방정식에 도입하여 추가 항력을 생성한다. 새로운 모수화는 고도가 높은 지점과 낮은 지점의 풍속 편향을 완화시켜 지표풍속 모의 성능을 개선시킨 결과를 보였다. Lee et al.14)은 WRF 모형을 이용하여 Jiménez and Dudhia13)에서 제시된 방법을 우리나라에 최대 3km 수평해상도까지 적용하였으며, 지표풍 표현의 개선이 산악지역의 강수 모의결과도 향상시킴을 보였다. 한편, 산악지형에서 태양의 위치에 따른 경사면과 계곡의 복사 에너지 차이와 지형 그림자의 영향을 살펴본 연구가 진행되었는데20,21,22), Colette et al.23)은 ARPS(Advanced Regional Prediction System)를 이용하여 모형에 그림자와 지형에 따른 지표복사에너지의 변화을 구현하였다. 그림자/경사 모수화는 중규모 모형인 MM5 (Mesoscale Model version 5)와 WRF 모형에도 구현되어 있으며, 최근 Arthur et al.15)은 WRF 모형에 Immersed Boundary Method를 적용한 WRF-IBM에 해당 모수화를 적용함으로써 지표 열 플럭스를 더 현실적으로 모의하는 결과를 얻었다.

복잡지형에 대한 많은 연구가 진행되어 수치 모형에 지형적 특성을 고려하는 모수화가 개발되었음에도 불구하고, 우리나라에 대해 해당 모수화를 적용한 수치모의 연구는 거의 진행되지 않았다. 따라서 본 연구에서는 복잡지형의 수치모의 정확도 향상을 통해 증가할 것으로 예상되는 산림재해의 피해를 줄이고, 수치모형을 이용한 에너지 자원 평가의 보다 높은 정확도를 제공하기 위해 아격자 지형 모수화와 그림자/경사 모수화를 한반도에 적용하여 해당 모수화의 적용성 평가를 실시한다. 복잡한 지형적 특성을 보이는 강원도에 대해 최근 10년 내에 가장 큰 피해를 유발한 강원 산불 사례를 포함한 2019년 4월 한 달간 수치모의 실험을 진행하고 그 결과는 지상관측소의 관측값과 비교·검증된다. 본 연구는 앞서 설명한 Lee et al.14)의 실험을 보다 높은 수평 해상도에 대해 적용하였으며, 우리나라에 대해 거의 수행되지 않은 그림자/경사 모수화의 적용성을 평가하고자 한다.

2. 자료 및 분석방법

2.1 지형 효과를 고려한 모수화

Jiménez and Dudhia13)는 지표풍속이 평지에 대해 양의 편향을 보이고, 산과 언덕에 대해 음의 편향을 보이는 것을 완화함으로써 지표풍속을 보정하는 아격자 지형 모수화를 개발하였다. 수치모의과정에서 지형이 이산화될 때, 모형의 지형이 더 부드럽게 표현되어 실제와 다르게 나타날 수 있다. 이들은 실제 지형의 영향을 포함하기 위해 운동량 보존 방정식에 무차원라플라시안 연산자와 지형의 표준편차에 의해 결정되는 ct를 사용하여 싱크항을 도입하였다.

(1)
ut=-ctu*2zuV

여기서 u는 첫 번째 모형 층의 동서풍 성분, V는 첫 번째 모형 층의 풍속, u*는 마찰 속도 그리고 z는 첫 번째 모형 층의 두께이다. 추가된 ct는 평지에서는 풍속을 감소시키고, 산과 언덕에서는 풍속을 증가시킨다.

WRF 모형에서 격자점의 직접 및 확산 성분의 하향태양복사플럭스(SW0로 표시)는 평평한 지형에 입사되는 것으로 가정되어 각 수평 격자점에서 계산된다. 경사 모수화와 그림자 모수화를 적용하면 Garnier and Ohmura24)와 Zängl25)에 따라 SW0는 주변 지형으로 인한 경사와 그림자를 기반으로 수정된다.

(2)
SWadj=D+(1-D)cos(Zadj)cos(Z0)SW0

여기서 SWadj는 지형 효과에 의해 보정된 태양복사, Zadj는 지형의 법선 벡터에 대한 태양천정각, Z0는 평평한 지형을 가정한 태양천정각 그리고 D는 확산되는 SW0의 비율이다. 경사 모수화가 적용되면 태양 복사는 지형의 표면 법선 벡터에 대한 태양천정각을 기준으로 수정되어, 태양과 직각에 가까운 표면일수록 태양복사가 증가하게 된다. 그림자 모수화가 적용되면 태양과 격자점 사이에 그어진 선이 설정된 그림자 길이 내에서 다른 지형과 교차한다면, 그림자 마스크가 1로 설정되고 cos(Zadj)가 0이 되어 확산만을 고려하게 된다.

2.2 모형 설정 및 실험 설계

아격자 지형 모수화와 그림자/경사 모수화를의 적용성을 평가하기 위해 WRF 모형 3.7.1 버전을 사용하였다. 모의 기간은 2019년 3월 31일 00UTC부터 5월 1일 00UTC이고, 모든 실험은 spin-up 시간을 포함하여 각 2일씩 진행되었다. 결과 분석은 적분 시작 15시간 이후부터 24시간동안의 결과를 사용하여 최근 10년간 강원도에 가장 큰 피해를 입힌 산불이 발생한 시기(2019년 4월 4일부터 6일까지)를 포함한 총 30일이다. 입력 자료는 NCEP/NCAR (National Centers for Environmental Prediction/National Centers for Atmospheric Research)에서 제공하는 수평해상도 1°×1°의 6시간 간격 GDAS FNL을 사용했다. 모형 도메인은 총 4개로 수평 해상도는 도메인 1 (d01)이 27 km, 도메인 2 (d02)가 9 km, 도메인 3 (d03)이 3 km, 도메인 4 (d04)가 1 km 이며, 단방향 둥지격자기법(One-way nesting)을 적용했다. Fig. 1에는 도메인 설정과 각 모형에서 표현된 각 도메인의 지형고도를 나타내었다.

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F1.jpg
Fig. 1.

WRF domain configuration and terrain height (m) expressed in the model of each domain

모형의 설정은 Table 1에 표시하였으며, 미세 물리 과정은 WSM6 방안26), 장파 및 단파 복사 물리 과정은 RRTMG 방안27), 행성 경계층 과정은 YSU 방안28), 지면 물리 과정은 수정된 MM5 Monin-Obukhov 방안29), 지면 모형은 Noah LSM30)을 사용하였다. 적운 모수화는 Kain-Fritsch 방안31)을 사용하였으며, 수평 격자 해상도가 5 km 이상인 d01과 d02에만 적용하였다. 수행된 수치모의실험은 Table 2에 나타내었으며, 지형의 영향을 고려하는 모수화를 적용하지 않은 규준 실험(이하 CTL)과 아격자 지형 모수화를 적용한 실험(이하 TOP), 그림자/경사 모수화를 적용한 실험(이하 SSE) 총 3가지이다.

Table 1

WRF model configuration

Version v3.7.1
Sinulation period 2019. 03. 31. 00 UTC-05. 01. 00 UTC
GRIB Datasets 6-hourly NCEP GDAS FNL
Domain
Domain
(126.9782°E,
37.5666°N)
D1
D2
D3
D4
27 km
9 km
3 km
1 km
110 × 100
160 × 169
259 × 259
238 × 238
Vertical levels 33
Model top pressure 50 hpa
Nesting approach One way
Model physics
Microphysics WRF single‐moment 6‐class
LW Radiation Rapid Radiative Transfer Model for GCMs
SW Radiation Rapid Radiative Transfer Model for GCMs
Surface layer Revised MM5 Monin-Obukhov
Land surface Unified Noah land-surface model
PBL Yonsei University
Cumulus Kain-Fritsch (new Eta) (Only D1, D2)
Table 2

Overview of performed experiments

EXPERIMENT
CTL Control run (Default)
TOP Subgrid-scale orography parameterization (Topographic correction for surface winds)
SSE Slope and shading parameterizations (Neighboring-grid shadow effects and slope-dependent radiation)

2.3 관측자료 및 분석 방법

각 실험의 모의 결과를 검증하기 위해 강원도에 설치된 KMA (Korea Meteorological Administration)의 ASOS (Automated Synoptic Observing System) 14개 지점과 AWS 59개 지점, NIFoS (National Institute of Forest Science)의 AMOS (Automatic Mountain Meteorology Observation System) 49개 지점으로 총 122개 지점의 관측 자료를 사용하였다. Fig. 2는 강원도 내 지상관측소의 분포를 나타낸다. 모형 검증에 사용된 기상 요소는 2 m 온도(℃), 2 m 상대습도(%), 10 m 풍속(m/s), 누적강수량(mm)을 사용하였다. TOP 실험과 SSE 실험은 CTL 실험과 비교하여 모의된 기상 요소의 수평 분포와 연직 온도(℃), 수증기 혼합비(g/kg), 풍속(m/s)의 분포가 어떠한 차이를 보이는지 분석하였고 실험 지역 내에 위치한 관측소의 관측값과 비교하였다. SSE 실험의 경우 모의된 지면온도와 하향태양복사플럭스의 수평 분포와 태양천정각에 따른 영향을 확인하기 위해 시간에 따른 2 m 온도의 수평 분포와 연직 분포를 추가로 살펴보았고, 동사면과 서사면으로 관측소를 구분하여 모의값과 관측값을 비교·평가하였다.

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F2.jpg
Fig. 2.

Locations of the measurement stations in Gangwon-do. Dashed line is the latitude of cross sections (37.5°N)

모의 결과 검증은 도메인 d04에 위치한 전체 관측소의 관측값과 관측소가 위치한 격자에서 얻은 모의값과 비교되었다. 정량적인 분석을 위해 각 기상요소의 Bias, RMSE (Root Mean Square Error)를 구하여 비교하였다. Bias는 관측값에 비해 모형의 모의값이 치우친 정도로 양(음)의 값일 경우 과대(과소)모의함을 알 수 있다. RMSE는 모형의 모의값이 관측값과 평균적으로 얼마 정도의 차이를 가지는지 나타낸다. Bias와 RMSE는 다음과 같이 계산하였다.

(3)
Bias=1Ni=1N(Mi-Oi)
(4)
RMSE=1Ni=1N(Mi-Oi)2

여기서 N은 관측 및 모의 시간 수이고, O는 관측값, O¯는 관측값의 평균, M은 모의값, M¯은 모의값의 평균이다. 통계값은 사용 가능한 모든 관측소 관측값의 평균(이하 OBS)과 관측소가 포함된 격자에서 모의된 값의 평균과 비교되었다.

3. 결과 및 토의

3.1 아격자 지형 모수화

Fig. 3에는 분석 기간(2019. 04. 01. 00 KST-04. 30. 23 KST) 동안 모의된 2 m 온도, 2 m 상대습도, 10 m 풍속의 평균과 누적강수량에 대한 CTL 실험의 수평 분포 및 TOP 실험과의 차이를 나타내었다. CTL 실험과 비교하여 TOP 실험은 평평한 지형과 경사면에서는 풍속이 감소하고, 언덕과 산 정상부에서는 풍속이 증가하였다. 풍속의 감소는 경사가 급한 영동 지역에서 더 강하게 나타났고, 풍속이 감소된 지역을 따라 온도는 감소, 상대습도는 증가하는 결과가 나타났다. 누적강수량의 경우 동해안을 따라 증가하였고 고도가 높은 산맥을 따라 감소하는 경향을 보였다. 이러한 결과는 Lee et al.14)의 결과와 같이 지표풍이 감소하는 지역을 따라 표면으로부터의 잠열 플럭스가 감소하여 지표 온도는 감소, 상대습도는 증가하였고 지표풍이 감소하는 지역에서는 수증기의 수렴이, 지표풍이 증가하는 지역에서는 수증기의 발산이 일어나 수증기 재분배에 의한 누적강수량의 차이가 나타나게 된다.

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F3.jpg
Fig. 3.

Averaged horizontal distribution of the CTL (top) and averaged horizontal distribution difference (TOP-CTL, bottom). The solid line represents terrain height expressed in the model at 300 m intervals

Fig. 4는 온도, 수증기 혼합비, 풍속의 분석 기간 평균 CTL 실험 연직 분포와 TOP 실험과의 차이를 나타내었다. 실제지형과 달리 모델에서는 이산화된 지형이 나타남을 확인할 수 있다. 연직 단면도를 나타낸 위도는 37.5°N, 경도는 126.9°E-129.4°E 로 서울, 경기도(하남, 양평), 강원도(황성, 평창, 강릉) 그리고 동해를 포함한다. 지형이 복잡한 강원도 산악 지역에서 기상요소의 등고선이 평지에 비해 복잡하게 나타났으며 TOP 실험과 CTL 실험의 풍속 차이는 수평 분포와 같이 지표 근처는 감소하였고, 고도가 높은 산 정상부나 언덕과 같은 지형에서는 주변에 비해 감소하는 정도가 적거나 증가하였다. 풍속의 감소는 고도가 변하는 경사면을 따라 강하게 나타났다. 온도의 경우 영동 지역에서 경사가 급격하게 변하는 산악 지역을 따라 감소하는 것을 제외하고 강원도 지역에서 TOP 실험의 온도가 더 높게 모의되었다. 이는 수평 분포에서 나타난 결과와 잘 일치함을 보인다. 수증기 혼합비는 영서 지역의 산악 지역에서 감소하였고, 영동 지역과 서울 및 경기도에서는 증가하였다. 지표 풍속의 변화로 인해 서풍 계열의 바람이 영서 지역에서 약화되고, 산 정상부에서 강화되어 앞서 설명한 바와 같이 수증기 재분배가 나타난 결과로 판단된다. Table 3에는 분석 기간 동안 강원도에 위치한 관측소의 누적강수량 평균과 관측소가 위치한 격자점의 누적강수량의 평균을 비교하여 얻어진 통계값을 나타내었다. 관측값보다 CTL 실험과 TOP 실험 모두 과대모의하였지만 TOP 실험에서 RMSE가 1.61 mm 감소하였다.

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F4.jpg
Fig. 4.

Averaged vertical distribution of the CTL (top) and averaged vertical distribution difference (TOP-CTL, bottom). The latitude of cross sections is 37.5°N

Table 3

Statistics of the CTL and TOP accumulated precipitation (mm)

OBS CTL TOP
Avg Avg RMSE Bias Avg RMSE Bias
ACPRE 62.20 77.90 29.58 15.70 77.93 27.97 15.73

Fig. 5는 2 m 온도, 2 m 상대습도와 10 m 풍속의 관측값과 CTL 실험, TOP 실험의 시계열을 나타내었고, Table 4에는 시계열에 대한 통계값을 제시하였다. TOP 실험의 결과는 10 m 풍속에서 눈에 띄는 차이가 나타났다. RMSE는 2.17 m/s에서 1.02 m/s로 53% 감소했고, Bias는 1.78 m/s에서 0.77 m/s로 57%가 감소되며 과대모의 되는 경향이 크게 감소되었다. 10 m 풍속의 모의 결과가 개선됨에 따라 다른 기상요소에서도 차이가 나타났다. 2 m 온도는 두 실험 모두 주간에는 과소모의, 야간에는 과대모의하였으나 TOP 실험에서 RMSE가 0.01℃, Bias는 0.07℃ 감소하였다. 2 m 상대습도는 두 실험 모두 과소모의하였지만 TOP 실험에서 RMSE는 0.24% 감소, Bias는 0.16% 감소하였다. WRF 모형에서 온도와 습도는 지표에서 나오는 현열과 잠열에 영향을 받고, 현열과 잠열은 지표와 대기사이의 온도, 습도 차이와 얼마나 잘 섞이는지 나타내는 Aerodynamic Conductance (AC)에 비례한다. 여기서 AC는 바람에 비례하는 함수로 지표 풍속이 수정되는 TOP 실험에서 풍속이 약해지는 지점을 따라 AC가 감소하며 현열이 감소하여 대기 하층의 온도는 감소, 2 m 상대습도는 증가하는 결과가 나타난 것이다.

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F5.jpg
Fig. 5.

Time series of observed and simulated 2 m temperature, 2 m relative humidity and 10 m wind speed

Table 4

Statistics of the CTL and TOP time series for 2 m temperature (°C), 2 m relative humidity (%) and 10 m wind speed (m/s)

OBS CTL TOP
Avg Avg RMSE Bias Avg RMSE Bias
T2 8.61 8.73 1.32 0.12 8.66 1.31 0.05
RH2 60.43 55.65 11.80 -4.77 55.81 11.56 -4.61
WS 2.34 4.13 2.17 1.78 3.11 1.02 0.77

3.2 그림자/경사 모수화

Fig. 6은 분석 기간 평균 기상요소들의 CTL 실험 평균 및 SSE 실험과의 차이를 나타낸 것이다. CTL 실험과의 값의 차이는 TOP 실험과 비교하여 적게 나타났다. 기상요소들의 차이는 2 m 온도가 감소한 지역을 따라 10 m 풍속이 감소하고, 2 m 상대습도는 증가하였다. 이는 모수화가 적용됨으로써 경하향태양복사가 수정되어 나타난 결과이다. 하향태양복사가 증가(감소)하는 지역을 따라 2 m 온도와 지면 온도가 증가(감소)하게 되는데, 지면 온도의 증가(감소)가 더 크게 나타나 지표로부터 나오는 현열 및 잠열 플럭스가 증가(감소)하고 이러한 변화는 다른 기상요소에도 영향을 주게 된다. Fig. 7에는 분석 기간 평균 하향태양복사와 지면온도의 CTL 실험의 수평 분포와 SSE 실험과 CTL 실험의 차이를 나타내었다. SSE 실험과 CTL 실험의 차이는 앞서 설명한 바와 같이 하향태양복사가 증가한 지역을 따라 지면온도가 증가함을 보였고, 지면온도는 2 m 온도가 증가한 정도보다 더 크므로 지면에서 나오는 열 플럭스는 증가하는 결과를 보였다. 증가와 감소의 분포는 지상에서 보다 산악 지역의 경사면에서 강하게 나타났고 남사면과 북사면을 따라 나타났다. 이는 복잡지형에서 생기는 그림자의 영향과 전체기간을 평균하였을 때, 태양이 동쪽과 서쪽에 위치한 경우는 서로 상쇄되고 실제 태양의 고도가 남쪽으로 기울어진 것이 반영되어 나타난 결과이다.

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F6.jpg
Fig. 6.

Averaged horizontal distribution of the CTL (top) and averaged horizontal distribution difference (SSE-CTL, bottom). The solid line represents terrain height expressed in the model at 300 m intervals

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F7.jpg
Fig. 7.

Averaged horizontal distribution of the CTL (left) and averaged horizontal distribution difference (SSE-CTL, right). The solid line represents terrain height expressed in the model at 300 m intervals

Table 5는 기상요소의 전체 기간 평균 시계열에 대한 CTL 실험 및 SSE 실험의 통계값을 나타내었다. SSE 실험의 시계열 통계값은 누적강수량의 RMSE와 Bias가 개선된 결과를 보였지만 나머지 기상요소에서는 CTL 실험과 비교하여 변화가 거의 없다. 이는 수평 분포도에서 살펴 본 바와 같이 기상요소들의 차이가 크게 나타나지 않았고 전체 평균으로 인해 동사면과 서사면의 차이가 상쇄되어 전체 평균에서는 모수화의 영향이 제대로 나타나지 않은 것으로 판단된다. 그림자, 경사 모수화의 영향을 자세히 살펴보기 위해 SSE 실험의 2 m 온도에 대한 시간 평균 분포도를 살펴보고 관측소를 사면에 따라 구분하여 기상요소들의 일주기 변동의 통계값 분석을 수행하였다.

Table 5

Statistics of the CTL and SSE time series for 2 m temperature (°C), 2 m relative humidity (%), 10 m wind speed (m/s) and accumulated precipitation (mm)

OBS CTL SSE
Avg Avg RMSE Bias Avg RMSE Bias
T2 8.61 8.73 1.32 0.12 8.72 1.33 0.11
RH2 60.43 55.65 11.80 -4.77 55.66 11.82 -4.76
WS 2.34 4.13 2.17 1.78 4.12 2.17 1.78
ACPRE 62.20 77.90 29.58 15.70 77.64 29.02 15.44

Fig. 8에는 SSE 실험의 온도에 대한 일출시간대(05 KST-09 KST)와 일몰시간대(16 KST-20 KST)의 평균 수평 분포를 나타내었다. 일출시간 SSE 실험과 CTL 실험의 차이의 수평 분포(Fig. 8a)는 07 KST 에서 눈에 띄는 차이가 나타났다. -1.5℃에서 0.7℃의 분포를 보이며 동사면에서 온도를 높게, 서사면에서는 온도를 낮게 모의하였다. 일몰시간 수평 분포 차이(Fig. 8b)에서는 18 KST에 큰 차이가 나타났다. -1.5℃ 에서 0.5℃의 분포를 보이며 일출시간과 반대로 서사면의 온도가 증가하고 동사면의 온도가 감소하였다. 나머지 시간에서는 ±0.3℃ 사이로 07 KST와 18 KST에 비해 값의 차이는 적지만 동사면의 온도 증가와 서사면의 온도 감소는 여전히 나타난다. 두 경우 모두 온도의 감소가 더 크게 나타났다. Fig. 9에는 연직 분포를 나타내었다. 연직 온도는 수평 분포에서와 같이 산악지역을 따라 동사면과 서사면의 온도 변화가 나타났다. 비록 고도가 높고 해가 뜨고 지는 시간에 국한되어 나타나지만 SSE 실험의 결과는 태양의 고도에 따른 열흐름을 보다 현실적으로 모의하는 것으로 볼 수 있다. 이러한 결과는 지형에 의해 생기는 그림자의 길이 변화가 1 km의 수평 해상도에서 정확히 표현되기 어려워 그림자의 길이가 긴 경우 효과가 잘 나타난 것으로 판단된다.

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F8.jpg
Fig. 8.

Averaged 2 m temperature horizontal distribution of the CTL and averaged horizontal distribution difference (SSE- CTL). (a) shows 05-09 KST. (b) shows 16-20 KST

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F9.jpg
Fig. 9.

Averaged air temperature vertical distribution of the CTL and averaged air temperature vertical distribution difference (SSE-CTL). (a) shows 05-09 KST. (b) shows 16-20 KST

Table 6에는 관측소를 사면향에 따라 구분하여 CTL 실험과 SSE 실험 모의값과 관측값의 일주기에 대한 통계값을 나타내었다. 사면향이 45-135°인 관측소는 동사면(E)으로, 225-315°인 관측소는 서사면(W)으로 구분하였다. 수평 분포에서 살펴본 바와 같이 CTL 실험과 값의 차이는 크게 나타나지 않았다. 일주기 변동 그래프(Fig. 10)에서도 TOP 실험의 풍속과 같이 큰 변화가 나타나는 결과는 보이지 않았지만 그림자/경사 효과가 크게 나타나는 일출(07 KST) 및 일몰(18 KST) 시간에서 기상요소들의 차이가 나타났다.

Table 6

Statistics of the CTL and SSE diurnal cycle for 2 m temperature (°C), 2 m relative humidity (%) and 10 m wind speed (m/s)

OBS CTL SSE
Avg Avg RMSE Bias Avg RMSE Bias
E T2 9.19 9.33 0.56 0.14 9.32 0.58 0.12
RH2 59.88 54.35 6.94 -5.53 54.37 6.97 -5.50
WS 2.23 4.01 1.79 1.78 4.00 1.78 1.77
W T2 8.22 8.21 0.78 -0.01 8.21 0.76 -0.02
RH2 62.03 56.72 7.62 -5.31 56.71 7.60 -5.32
WS 2.16 4.06 1.91 1.90 4.05 1.91 1.90

https://static.apub.kr/journalsite/sites/kses/2021-041-03/N0600410309/images/Figure_KSES_41_03_09_F10.jpg
Fig. 10.

Diurnal cycle of observed and simulated 2 m temperature, 2 m relative humidity and 10 m wind speed. (a) East- facing aspect station. (b) West-facing aspect station.

4. 결 론

아격자 지형 모수화는 평지와 경사면에서 풍속을 더 낮게, 산 정상부와 언덕과 같은 지역에서 풍속을 더 높게 모의하였다. 아격자 지형 모수화의 적용은 풍속이 감소한 지역을 따라 2 m 온도가 감소하고 2 m 상대습도는 증가하였다. 지표풍의 변화는 수증기 재분배를 유발하여 강수역과 누적강수량의 변화가 나타났다. 관측값과의 비교에서 아격자 지형 모수화를 적용한 모의 결과에서 10 m 풍속에서 큰 개선이 나타났으며 CTL 실험에 비해 RMSE는 53%가 감소하였고 Bias는 57% 감소하여 실제 관측값에 가까워지며 2 m 온도와 2 m 상대습도에서도 모의 성능의 개선이 나타났다.

그림자, 경사 모수화는 태양천정각에 따라 생기는 경사면의 가열과 지형에 의해 생기는 그림자의 영향으로 나타나는 냉각을 고려하여 하향태양복사를 수정한다. 이로 인해 2 m 온도 및 지면 온도가 변화하였고 현열 및 잠열 플럭스가 변화하며 다른 기상요소에도 그 영향이 나타났다. CTL 실험에서는 고려되지 않았던 태양천정각의 영향으로 하향태양복사가 증가하는 지역을 따라 2 m 온도가 증가하였다. 이러한 변화는 실제 태양의 고도가 남쪽으로 기울어져 있어 남사면에서는 증가, 북사면에서는 감소하는 모습을 보였고 일몰과 일출 시간에는 태양의 위치에 따라 동사면과 서사면에 대해 보다 현실적인 모의 결과가 나타났다. 그림자/경사 모수화의 영향은 고도가 높은 산악 지역과 해가 뜨고 지는 특정 시간대(07 KST, 18 KST)에서 크게 나타났다.

복잡지형을 띄는 강원도에 대해 수행한 아격자 지형 모수화와 그림자/경사 모수화의 결과로 나타난 지표 풍속 모의 개선과 보다 현실적인 열흐름 및 온도 모의를 통해 두 모수화 모두 산악 지역에 대한 수치모의 실험에 적용하는 것은 충분히 고려될 수 있으며 복잡지형 및 산악미기상 수치 모의 정확도 향상에 기여할 수 있을 것으로 판단된다. 그리고 이러한 결과는 산림재해의 예방 및 대비와 풍력 및 태양광발전 자원 평가에 긍정적인 영향을 미칠 수 있을 것으로 기대된다. 비록 그림자/경사 모수화는 아격자 지형 모수화와 같이 정량적으로 큰 개선이 나타나지 않았지만 추후에 더 높은 수평해상도, 다른 모수화와의 조합의 수치모의 실험 수행과 산악기상관측망과 플럭스 타워에서 얻을 수 있는 추가적인 관측값과의 비교를 통해 충분히 개선점을 찾을 수 있을 것으로 보인다. 본 연구 결과는 우리나라 산악 지역에 대해 부족한 아격자 지형 모수화와 그림자, 경사 모수화 적용성을 평가한 연구로써 후속 연구의 기초연구로 활용될 수 있음을 기대한다.

Acknowledgements

본 연구는 2021년도 국립산림과학원의 재원으로 ‘산악지역 수치예보모델 변분 자료동화 기법 적용 연구’ 사사업의 연구비 지원으로 수행한 연구입니다(과제번호 : 2021-0254-01).

References

1
KFS (Korea Forest Service), 2015 Forest Basic Statistics. Korea Forest Service, Daejeon, Korea, pp. 19-21, 2016.
2
Yun, H. S., Um, M. J., Cho, W. C., and Heo, J. H., Orographic Precipitation Analysis with Regional Frequency Analysis and Multiple Linear Regression, Journal of Korea Water Resources Association, Vol. 42, No. 6, pp. 465-480, 2009. 10.3741/JKWRA.2009.42.6.465
3
Lee, J. H. and Jun, H. D., A Methodology for Rain Gauge Network Evaluation Considering the Altitude of Rain Gauge, Journal of Wetlands Research, Vol. 16, No. 1, pp. 113-124, 2014. 10.17663/JWR.2014.16.1.113
4
Yoon, S., Jang, K., and Won, M. The Spatial Distribution Characteristics of Automatic Weather Stations in the Mountainous Area over South Korea, Korean Journal of Agricultural and Forest Meteorology, Vol. 20, No. 1, pp. 117-126, 2018.
5
Vogt, J. V., Viau, A. A., and Paquet, F. Mapping Regional Air Temperature Fields using Satellite-derived Surface Skin Temperatures, International Journal of Climatology: A Journal of the Royal Meteorological Society, Vol. 17, No. 14, pp. 1559-1579, 1997. 10.1002/(SICI)1097-0088(19971130)17:14<1559::AID-JOC211>3.0.CO;2-5
6
Jang, K., Kang, S., Kimball, J. S., and Hong, S. Y., Retrievals of All-weather Daily Air Temperature using MODIS and AMSR-E data, Remote Sensing, Vol. 6, No. 9, pp. 8387-8404, 2014. 10.3390/rs6098387
7
Jang, K., Won, M., and Yoon, S., Evaluation of the Satellite-based Air Temperature for All Sky Conditions Using the Automated Mountain Meteorology Station (AMOS) Records: Gangwon Province Case Study, Korean Journal of Agricultural and Forest Meteorology, Vol. 19, No. 1, pp. 19-26, 2017. 10.5532/KJAFM.2017.19.1.19
8
Piñol, J., Terradas, J., and Lloret, F., Climate Warming, Wildfire Hazard, and Wildfire Occurrence in Coastal Eastern Spain, Climatic Change, Vol. 38, No. 3, pp. 345-357, 1998. 10.1023/A:1005316632105
9
Team, C. W., Contribution of Working Groups I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, IPCC 2007: Climate Change 2007: Synthesis Report, pp. 46-47, 2007.
10
Oh, S. G., Park, J. H., Lee, S. H., and Suh, M. S., Assessment of the RegCM4 over East Asia and Future Precipitation Change Adapted to the RCP Scenarios, Journal of Geophysical Research: Atmospheres, Vol. 119, No. 6, 2913-2927, 2014. 10.1002/2013JD020693
11
Kim, G., Cha, D. H., Park, C., Lee, G., Jin, C. S., Lee, D. K., Suh, M. S., Ahn, J. B., Min, S. K., Hong, S. Y., and Kang, H. S., Future Changes in Extreme Precipitation Indices over Korea, International Journal of Climatology, Vol. 38, pp. e862-e874, 2018. 10.1002/joc.5414
12
Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D. M., Duda, M. G., Huang X-Y., Wang W., and Powers, J. G., A Description of the Advanced Research WRF Version 3, In NCAR Tech. Note NCAR/ TN-475+ STR, 2008.
13
Jiménez, P. A. and Dudhia, J., Improving the Representation of Resolved and Unresolved Topographic Effects on Surface Wind in the WRF Model, Journal of Applied Meteorology and Climatology, Vol. 51, No. 2, pp. 300-316, 2012. 10.1175/JAMC-D-11-084.1
14
Lee, J., Shin, H. H., Hong, S. Y., Jiménez, P. A., Dudhia, J., and Hong, J., Impacts of Subgrid-scale Orography Parameterization on Simulated Surface Layer Wind and Monsoonal Precipitation in the High-resolution WRF Model, Journal of Geophysical Research: Atmospheres, Vol. 120, No. 2, pp. 644-653, 2015. 10.1002/2014JD022747
15
Arthur, R. S., Lundquist, K. A., Mirocha, J. D., and Chow, F. K. Topographic Effects on Radiation in the WRF Model with the Immersed Boundary Method: Implementation, Validation, and Application to Complex Terrain, Monthly Weather Review, Vol. 146, No. 10, pp. 3277-3292, 2018. 10.1175/MWR-D-18-0108.1
16
Bernardet, L., Nance, L., Demirtas, M., Koch, S., Szoke, E., Fowler, T., Loughe, A., Mahoney, J. L., Chuang, H. Ya., Pyle, M., and Gall, R., The Developmental Testbed Center and Its Winter Forecasting Experiment, Bulletin of the American Meteorological Society, Vol. 89, No. 5, pp. 611-628, 2008. 10.1175/BAMS-89-5-611
17
Mass, C. and Ovens, D., WRF Model Physics: Problems, Solutions and a New Paradigm for Progress, In Preprints, WRF Users' Workshop, Boulder, CO, NCAR, June 2010.
18
Kim, D. H., Lee, H. W., and Lee, S. H., Evaluation of Wind Resource using Numerically Optimized Data in the Southwestern Korean Peninsula, Asia-Pacific Journal of Atmospheric Sciences, Vol. 46, No. 4, pp. 393-403, 2010. 10.1007/s13143-010-0021-4
19
Ha, J. H. and Lee, D. K., Effect of Length Scale Tuning of Background Error in WRF-3DVAR System on Assimilation of High-resolution Surface Data for Heavy Rainfall Simulation, Advances in Atmospheric Sciences, Vol. 29, No. 6, pp. 1142-1158, (2012). 10.1007/s00376-012-1183-z
20
Papadopoulos, K. H., and Helmis, C. G., Evening and Morning Transition of Katabatic Flows, Boundary-Layer Meteorology, Vol. 92, No. 2, pp. 195-227, 1999. 10.1023/A:1002070526425
21
Katurji, M., Zawar-Reza, P., and Zhong, S., Surface Layer Response to Topographic Solar Shading in Antarctica's Dry Valleys, Journal of Geophysical Research: Atmospheres, Vol. 118, No. 22, pp. 12,332-12,344, 2013. 10.1002/2013JD020530
22
Lehner, M., Whiteman, C. D., Hoch, S. W., Jensen, D., Pardyjak, E. R., Leo, L. S., Sabatino, S. D., and Fernando, H. J. S., A Case Study of the Nocturnal Boundary Layer Evolution on a Slope at the Foot of a Desert Mountain, Journal of Applied Meteorology and Climatology, Vol. 54, No. 4, pp. 732-751, 2015. 10.1175/JAMC-D-14-0223.1
23
Colette, A., Chow, F. K., and Street, R. L., A Numerical Study of Inversion-layer Breakup and the Effects of Topographic Shading in Idealized Valleys, Journal of Applied Meteorology, Vol. 42, No. 9, pp. 1255-1272, 2003. 10.1175/1520-0450(2003)042<1255:ANSOIB>2.0.CO;2
24
Garnier, B. J. and Ohmura, A., A Method of Calculating the Direct Shortwave Radiation Income of Slopes, Journal of Applied Meteorology, Vol. 7, No. 5, pp. 796-800, 1968. 10.1175/1520-0450(1968)007<0796:AMOCTD>2.0.CO;2
25
Zängl, G., An Improved Method for Computing Horizontal Diffusion in a Sigma-coordinate Model and Its Application to Simulations over Mountainous Topography, Monthly Weather Review, Vol. 130, No. 5, pp. 1423-1432, 2002. 10.1175/1520-0493(2002)130<1423:AIMFCH>2.0.CO;2
26
Hong, S. Y. and Lim, J. O. J., The WRF Single-moment 6-class Microphysics Scheme (WSM6). Asia-Pacific Journal of Atmospheric Sciences, Vol. 42, No. 2, pp. 129-151, 2006.
27
Iacono, M. J., Delamere, J. S., Mlawer, E. J., Shephard, M. W., Clough, S. A., and Collins, W. D., Radiative Forcing by Long-lived Greenhouse Gases: Calculations with the AER Radiative Transfer Models, Journal of Geophysical Research: Atmospheres, Vol. 113, No. D13, 2008. 10.1029/2008JD009944
28
Hong, S. Y., Noh, Y., and Dudhia, J., A New Vertical Diffusion Package with an Explicit Treatment of Entrainment Processes, Monthly Weather Review, Vol. 134, No. 9, pp. 2318-2341, 2006. 10.1175/MWR3199.1
29
Jiménez, P. A., Dudhia, J., González-Rouco, J. F., Navarro, J., Montávez, J. P., and García-Bustamante, E., A Revised Scheme for the WRF Surface Layer Formulation, Monthly Weather Review, Vol. 140, No. 3, pp. 898-918, 2012. 10.1175/MWR-D-11-00056.1
30
Chen, F. and Dudhia, J., Coupling an Advanced Land Surface-hydrology Model with the Penn State-NCAR MM5 Modeling System, Part I: Model Implementation and Sensitivity, Monthly Weather Review, Vol. 129, No. 4, pp. 569-585, 2001. 10.1175/1520-0493(2001)129<0569:CAALSH>2.0.CO;2
31
Kain, J. S., The Kain-Fritsch Convective Parameterization: An Update. Journal of Applied Meteorology, Vol. 43, No. 1, pp. 170-181, 2004. 10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2
페이지 상단으로 이동하기