Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-6692(Print)
ISSN : 2287-4518(Online)
Journal of the Korean earth science society Vol.41 No.2 pp.95-110
DOI : https://doi.org/10.5467/JKESS.2020.41.2.95

Comparisons of 1-Hour-Averaged Surface Temperatures from High-Resolution Reanalysis Data and Surface Observations

Hyunggyu Song, Daeok Youn*
Department of Earth Science Education, Chungbuk National University, Cheongju, 28644, Korea
Corresponding author: dyoun@chungbuk.ac.kr Tel: +82-43-261-2738
April 15, 2020 April 27, 2020 April 27, 2020

Abstract


Comparisons between two different surface temperatures from high-resolution ECMWF ReAnalysis 5 (ERA5) and Automated Synoptic Observing System (ASOS) observations were performed to investigate the reliability of the new reanalysis data over South Korea. As ERA5 has been recently produced and provided to the public, it will be highly used in various research fields. The analysis period in this study is limited to 1999-2018 because regularly recorded hourly data have been provided for 61 ASOS stations since 1999. Topographic characteristics of the 61 ASOS locations are classified as inland, coastal, and mountain based on Digital Elevation Model (DEM) data. The spatial distributions of whole period time-averaged temperatures for ASOS and ERA5 were similar without significant differences in their values. Scatter plots between ASOS and ERA5 for three different periods of yearlong, summer, and winter confirmed the characteristics of seasonal variability, also shown in the time-series of monthly error probability density functions (PDFs). Statistical indices NMB, RMSE, R, and IOA were adopted to quantify the temperature differences, which showed no significant differences in all indices, as R and IOA were all close to 0.99. In particular, the daily mean temperature differences based on 1-houraveraged temperature had a smaller error than the classical daily mean temperature differences, showing a higher correlation between the two data. To check if the complex topography inside one ERA5 grid cell is related to the temperature differences, the kurtosis and skewness values of 90-m DEM PDFs in a ERA5 grid cell were compared to the one-year period amplitude among those of the power spectrum in the time-series of monthly temperature error PDFs at each station, showing positive correlations. The results account for the topographic effect as one of the largest possible drivers of the difference between ASOS and ERA5.



고해상도 재분석자료와 관측소 1시간 평균 지상 온도 비교

송 형규, 윤 대옥*
충북대학교 지구과학교육과, 28644, 충청북도 청주시 충대로 1

초록


본 연구에서는 고해상도 ERA5 재분석자료 중 우리나라 지상 온도 자료의 신뢰성을 검증할 목적으로 종관기상 관측소(ASOS) 관측자료와 비교를 수행하였다. 새롭게 생산되어 배포 중인 ERA5 재분석자료는 높은 시·공간적 해상도 를 가져 여러 분야에 활용성이 매우 높다. 자료의 분석 기간은 ASOS 61개 관측소가 1999년 이후로 결측률이 매우 낮 으며 시간평균 자료를 제공한다는 점을 고려하여 1999-2018년 기간으로 설정하였다. ERA5 격자 자료는 격자 내 90-m 수치표고모델(DEM) 분포로부터 내륙, 해안, 산악 지역에 해당하는 지형학적인 특성에 따라 분류하여 ASOS 지점 자료 와 비교되었다. 분석 기간 전체에 대한 평균 지상 온도는 ASOS와 ERA5 모두 공간 분포의 패턴과 값은 큰 차이없이 유사하였다. ASOS와 ERA5의 산점도 비교를 통해 전체 기간, 특히 여름, 겨울 기간에 대해 계절 변동성을 가진다는 특성을 확인할 수 있었으며, 이는 달별 두 자료 사이의 매시간 차이 확률밀도함수(PDF)의 시계열을 통해서도 확인되었 다. 두 자료 사이의 차이를 통계지수인 NMB, RMSE를 계산하여 정량화시켰을 때, 각 값에서 지역적인 특성을 보였으 나 모든 지수에서 큰 차이가 없다고 판단할 수 있었으며, 상관성을 보기 위해 R과 IOA를 통해 구한 값은 모두 0.99에 근접하였다. 특히 일평균 산출에 있어 1-시간-평균 값 24개를 이용한 일평균의 경우가 최고와 최저온도의 평균을 이용 하는 일평균에 비해 오차가 작게 나타났고, 두 자료 사이의 상관성도 높게 나타남을 확인하였다. 두 자료의 차이가 나 타나는 원인으로 ERA5 격자 내 지형 효과가 가장 클 것으로 판단하여 수치표고모델을 활용하여 각 지역별 PDF를 이 용해 첨도 및 왜도를 구하고, 이를 온도 차이 파워 스펙트럼의 1년 주기 변동 크기와 비교하였다. 그 결과, 양의 상관 성을 가졌음을 확인하였다. 이는 지형 효과가 두 자료 차이의 원인이라고 설명하는 결과이다.



    Ministry of Environment
    2018001310004Ministry of Science, ICT and Future Planning
    NRF-2020R1A2C1006173

    서 론

    재분석자료는 일정한 시간 및 공간 격자 형태로 제공되고 있는 과거 기상 자료로 기후 연구(Poveda et al., 2006;Stammerjohn et al., 2008) 및 기후 모 델링 연구(Wang et al., 2006;Fealy and Sweeney, 2007;Ciccarelli et al., 2008) 등 다양한 연구 분야에 서 광범위하게 활용되고 있다. 재분석자료는 종관 기 상의 관측자료로도 활용될 수 있으므로(Dee et al., 2011), 재분석자료의 신뢰성은 실제 관측소에서 측정 한 실측 기상 자료와 비교하여 검증하는 과정을 거 쳐 확보되어야 하며, 이 과정은 재분석자료 자체의 성능을 판단하는데도 도움이 된다. 하지만 재분석자 료는 격자 평균값만을 제공하므로, 지형적으로 특이 한 특정 지점의 기상요소를 대표하는 값으로 재분석 자료를 믿고 사용하기가 어렵다는 한계가 존재한다.

    재분석 격자 자료와 관측소 지점 관측자료 사이의 차이는 격자와 지점 간의 고도 차, 해양과 육지의 비 열 차이, 바람이 산을 넘는 지형 효과 등에 의해 발 생할 수 있다(Kim et al., 2012). 특히, 우리나라와 같이 삼면이 바다로 둘러싸여 있고, 복잡한 산악 지 형이 많은 곳에서 한 지점의 기상관측소 자료와 재 분석 격자자료의 비교를 통해 정량적 차이를 이해하 는 것은 우리나라 기후 연구에 사용될 재분석자료의 신뢰성을 높이는 데 기여할 것이다.

    Mooney et al. (2011)에 따르면 기존 재분석자료 중 지상관측소 자료를 가장 잘 모의하고 있는 것으 로 판단되는 재분석자료는 유럽중기기상예보센터 (European Centre for Medium-Range Weather Forecasts, ECMWF)에서 제공하는 ECMWF ReAnalysis-Interim (ERA-Interim)이었다. 하지만 ERA-Interim을 비롯한 기존의 재분석자료가 낮은 시·공간 해상도를 가지고 있고, 복잡한 지형 조건을 가진 우리나라의 경우 많 지 않은 격자로 표현되는 문제점이 있었다. 즉, 재분 석자료의 격자 하나에 대응되는 기상청 종관기상관측 소(Automated Synoptic Observing System, ASOS)가 여러 지점이 존재하고 있다. 다행스럽게도 최근 현재 까지 이용되고 있는 재분석자료들로부터 매우 진보한, 새로운 재분석자료가 생산되고 있다.

    2017년 ECMWF는 ERA-Interim을 대체하기 위해 역학 과정을 개선하는 동시에 시·공간 해상도를 대폭 늘린 5세대 재분석자료인 ECMWF ReAnalysis 5 (ERA5)를 공식적으로 배포하기 시작했다. ERA5는 기존 ERA-Interim의 시간 해상도인 분석 자료 6시간 해상도(예보 자료의 경우 3시간)보다 매우 높아진 1 시간 간격의 해상도를 가지며, 공간해상도도 공간격 자간격(위도×경도) 0.25°C×0.25°C로 4배 이상 높은 해상 도를 가진다. ERA5 자료의 배포는 2017년 7월에 우 선적으로 2010년부터 2016년 기간에 대하여 시작했 으며, 2020년 1월 기준으로, 1979년까지의 자료가 제 공되고 있다. ECMWF는 향후 1950년까지 배포할 예 정이다 (https://www.ecmwf.int/en/newsletter/159/ meteorology/global-reanalysis-goodbye-era-interimhello- era5, last access: 9 March 2019). 이와 같이 ERA5는 여러 분야에 응용성이 더 높아졌다고 할 수 있다. 이에 따라 우리나라에 대해 ERA5 재분석자료 를 활용한 여러 분야의 연구에 앞서 ASOS 관측소 실측 자료와의 통계적 비교 등을 통한 신뢰성 검토 는 필수적인 과정이다.

    ERA5는 격자자료로 균일한 시간 및 공간 분포를 가지는 반면, 관측자료인 ASOS 자료는 공간상에 분 포가 균일하지 않으며 조밀도가 일정하지 않다. 이는 ASOS 지점들은 주요 도시들에 위치하고, 지형적으로 산지, 해안, 분지 등의 다양한 환경에 속해있기 때문 이다. 통계적 또는 역학적 다운스케일링(downscaling) 을 수행하여 관측소가 부재한 지역의 자료를 추정하는 연구를 제외하고, 과거의 많은 연구들은 일 반적으로 관측소 자료를 이용하여 역거리가중법 (Inverse Distance Weighted Average, IDWA)을 적용 하여 관측소가 부재한 지역의 자료를 추정하였다 (Mooney et al., 2011). 하지만 복잡한 지형을 가지는 우리나라의 특성상 IDWA를 적용하거나 다운스케일 링을 바로 적용하기에는 어려움이 많다.

    본 연구에서는 새롭게 생산되고 있는 ERA5 고해 상도 자료를 이용한 우리나라 기후 연구에 도움이 되는 정보를 제공하기 위하여, ERA5와 ASOS 지상 온도 자료를 비교하였다. 두 자료 모두 1시간 평균의 시간 해상도 자료를 사용하였고, 추가적으로 일평균 의 다른 정의도 고려하여 비교하였다. 본 연구를 통 해 보인 두 자료 사이의 특이한 차이의 원인을 ERA5 격자 내 지형 특성으로 설명하려고 시도하였 다. 본문의 구성은 연구에서 사용된 자료 및 연구 방 법을 설명하였고, 두 자료의 비교 분석 결과를 제시 한 후 결론 및 토의로 마무리하였다.

    자료 및 연구 방법

    2019년 1월 1일 기준으로 우리나라 기상청에서는 ASOS 96개소를 설치·운영하고 있다. ASOS에서 측 정된 기상요소는 분, 시간, 일, 월, 연의 시간 단위로 기상자료개방포털(https://data.kma.go.kr/data/grnd/select AsosRltmList.do?pgmNo=36, last access: 10 April 2020)에서 제공되고 있다. 제공되는 기상요소로는 기 온, 강수, 바람, 기압, 습도, 일사, 일조, 눈, 구름, 시 정, 지면상태, 지면·초상온도, 일기현상, 증발량, 현상 번호가 있다. 자동기상관측장비(Automatic Weather System, AWS)에서 생산된 기상 자료는 본 연구에서 사용하지 않았다.

    ERA5는 최신의 재분석자료로 ECMWF에서 생산 하고 Copernicus Climate Change Service (C3S)를 통해 제공하고 있다. 지표면자료(지상 2 m 최고·평균· 최저온도, 강수량, U-V바람 벡터 등)와 상층 기상자 료(137층, 0.01 hPa까지)가 공개되어 다운로드 가능하 다. ERA5 공간해상도는 0.25°×0.25°(위도×경도)로 중 위도 기준 약 30 km 격자간격으로 ERA-Interim에 비하여 매우 높다. 시간 해상도는 한 시간 평균으로 하루 24개의 자료이다. 이와 같이 ERA5는 고해상도 시·공간 자료로 새로운 통합 예보 수치 모델 버전인 Integrated Forecasting System (IFS) cycle 41r2를 적 용하여 생산하고 있다(https://www.ecmwf.int/en/forecasts/ documentation-and-support/changes-ecmwf-model/ifsdocumentation, last access: 9 March 2020). 이 버전 의 특징은 ERA-Interim에 적용한 IFS cycle 31r2에 비해 시·공간 해상도를 대폭 높인 것이다. 또한 대기 물리과정 및 전지구 강수량과 증발량 균형이 개선되었 다(https://confluence.ecmwf.int/pages/viewpage.action? pageId=74764925, last access: 9 March 2020).

    본 연구에서 1979년부터 2018년까지의 제공된 총 기간에 대하여 ERA5와 ASOS 지상 온도 자료를 비 교하려고 하였다. 그러나 ASOS 1999년 이전의 과거 자료에서는 많은 결측률과 넓은 관측 시간 간격을 가지고 있었다. 이는 과거의 관측은 목측에 의존하기 때문으로 판단하며, ASOS 61개 지점 자료의 결측률 은 Fig. 1에 제시하였다. Fig. 1에서 보이는 바와 같이 1999년 이전에는 결측률이 높았다. 또한 ASOS 지점마 다 관측 간격이 일정하지 않았고, 1시간 평균 자료로 하루 24번 기록되기 시작한 날짜도 달랐다. 이와 같은 ASOS 자료의 문제점으로 인하여 1999년 이후 기간만 을 ERA5와 비교 기간으로 정하였다. 최근의 기상청 기후통계지침(Korea Meteorological Administration, 2019)에서도 통계 값을 산출할 경우 결측률이 20% 이하인 값을 활용하도록 권고하고 있어 기간의 선정 은 합리적이라고 판단한다.

    하루 24번 제공되는 1-시간-평균 자료가 비교적 연 속적으로 존재하여 매달 1-시간-평균 자료가 80% 이 상으로 확인되는 1999년 1월 1일 01시(KST기준)부 터 2018년 12월 31일 23:00(KST기준)까지를 본 연 구의 분석 기간으로 선정하였다. 분석에 사용된 ASOS 지점은 총 96개소 중 지침상의 선정 기준을 만족하며 1981년 이후 자료가 하루 네 번 이상 비교 적 연속적으로 기록되어 있는 61개소를 대상으로 하 였다(Fig. 1).

    1-시간-평균 자료를 사용하는 본 연구는 일평균을 구하는 방법에 대한 고찰이 포함된다. 전통적으로 일 평균은 일 최고 기온과 최저 기온의 평균을 사용하 였으나 이 방식은 합리적인 추정 방식이 아닌 것으 로 판단된다(Dall’Amico et al., 2006). 세계기상기구 (World Meteorological Organization, WMO)는 Guide to climatological practice (WMO, 1983)에서 일평균 의 산출을 한 시간 등간격의 24개 자료를 사용할 것 을 권고하였다. 하지만 기상청에서는 1997년 이전 자 료에 대해서 일평균을 구할 시 일 4회(03, 09, 15, 21 KST), 1997년 이후에는 일 8회(03, 06, 09, 12, 15, 18, 21, 24 KST) 기준으로 일평균을 산출하도록 기상연보에 기록되어있다(KMA, 1996; KMA, 1997). 그 이유는, Fig. 1에서 확인할 수 있듯이, 1981년부터 1999년까지는 일정한 간격으로 관측값을 기록한 관 측소가 드물기 때문이다. 특히 1992년부터 1997년까 지 많은 관측소가 하루 네 번(03, 09, 15, 21 KST) 의 관측값을 기록하였으며, 1997년 이후 여덟 번(03, 06, 09, 12, 15, 18, 21, 24)을 관측하였다. 하지만 자 동기상관측장비의 도입으로 인하여 매 시간 간격으로 기상 관측값 산출이 가능해졌다.

    본 연구에서는 WMO 권고와 같이 하루 24개의 1- 시간-평균 자료를 이용하여 일평균으로 산출하고, ERA5 자료도 같은 방식으로 일평균을 산출하여 두 자료 사이의 비교를 수행하였다. 또한 1-시간-평균 자료로 구한 일평균 비교와 함께, 전통적인 방식에 의해 구한 일평균 자료들 사이의 비교도 수행하여 다른 일평균 정의로 나타나는 자료 간 차이를 비교 하였다. 본 연구에 사용된 지상 온도는 기호를 사용 하여 표현하였다. 제공하는 ERA5와 ASOS 원시 자 료인 1-시간-평균 온도자료는 T, 최고와 최저 기온의 평균으로 구한 전통적인 일평균 온도는 <T>, 1-시간 -평균 자료 24개로 평균을 취한 일평균 온도는 <T>24 로 표현하여 기술하였다.

    ERA5와 ASOS 온도 자료 사이의 비교는 공간 패 턴, 산점도 및 선형회귀기울기, 두 자료 차이의 확률 밀도함수(Probability Density Function, PDF)를 이용 하여 수행되었다. 1999-2018년의 총 20년에 대한 관 측소 자료와 재분석자료의 평균값을 그림에 동시에 표시하였고, ASOS 자료에서 ERA5 격자 자료를 뺀 값(ASOS-ERA5)도 함께 지도상에 표시하여 공간 패 턴의 유사성을 살펴보았다(Fig. 3). ASOS와 ERA5 자료 사이의 산점도 분포를 통한 비교(Fig. 4)는 전체 기간, 여름, 겨울 각각 기간에 대하여 각각 제시하였 고, 각 기간에 대한 선형회귀기울기를 구하여 비교하 였다(Fig. 5). 두 자료 차이의 PDF 분포를 통한 비교 를 위해, 한 시간 자료의 차이(ASOS-ERA5) 약 720 개(24 hr×30 days)를 매달 모아 달별 오차 PDF로 나 타내고, 이를 20년 기간의 시계열로 나타내었다(Fig. 6). 달별 오차 PDF의 시계열에는 최빈값이 선으로 연결되어 표시되어 있다.

    두 자료 사이의 온도 차이 정도는 통계지수인 정 규편향편차(Normalized Mean Bias, NMB)와 평균제 곱근오차(Root Mean Square Error, RMSE)를 통해서, 온도 자료 간 상관성은 일치지수(Index Of Agreement, IOA)와 상관계수(Pearson Correlation Coefficient, R) 로 살펴보았다. NMB, RMSE, IOA, R에 대한 수식 은 (1), (2), (3), (4)와 같다. 각 수식에서 E는 ERA5, A는 ASOS, N은 자료 개수를 의미한다. NMB와 RMSE는 0에 근접할수록, IOA와 R은 1에 가까울수 록 ERA5가 ASOS 자료를 잘 모의하고 있다고 판단 할 수 있다(Choi et al., 2018).

    N M B = i = 1 N ( E i A i ) i = 1 N A i
    (1)
    R M S E = 1 N i = 1 N ( E i A i ) 2
    (2)
    I O A = 1 i = 1 N ( E i A i ) 2 i = 1 N ( | E i A ¯ | + | E i A ¯ | ) 2
    (3)
    R = i = 1 N ( E i E ¯ ) × ( A i A ¯ ) i = 1 N ( E i E ¯ ) 2 × i = 1 N ( E i A ¯ ) 2
    (4)

    격자 자료와 관측소 지점 자료 사이의 차이에 가 장 큰 영향을 주는 요소로 여기서는 복잡한 지형효 과가 클 것으로 판단하였다. 지형효과를 나타내기 위 하여, 재분석자료의 격자 내 지형에 해상도 약 90 m (3 arc sec) 간격의 수치표고모델(Digital Elevation Model, DEM)을 활용해 격자 내 특징을 파악하였다. DEM은 지형의 고도 값을 수치로 저장함으로써 지형 의 형상을 나타내는 자료로, 한 지역의 기본적인 지 형특성을 분석하거나 지형과 관련된 통계분석 등에 자주 사용되고 있다(Lee et al., 2006). 본 연구에서는 미국항공우주국(National Aeronautics and Space Administration, NASA)에서 Shuttle Radar Topography Mission-Digital Elevation Model (SRTM-DEM)을 통 해 제작된 자료를 사용하였다. Fig. 2에서 DEM 지도 와 함께 표시된 ASOS 61지점 위치와 ERA의 격자 위치를 확인할 수 있다. 위·경도 간격 0.25°C×0.25°C인 ERA5 격자 하나에는 300×300개의 DEM 고도자료가 존재한다. ASOS 지점 자료와 비교할 ERA5 격자 자 료는 격자의 중심으로부터 거리를 측정하여 가장 가 까운 격자를 선정하였다. 격자 내 강과 해수면의 고 도는 계산 편의상 0 m로 처리하였다.

    관측소와 재분석자료의 지형효과를 고려한 비교를 위해 각 관측소가 포함된 격자 내 DEM지도를 활용 해 ASOS 61 지점을 내륙, 해안, 산악 지역으로 구분 하였다. 격자 내 바다가 40% 이상 분포하고 있고, 관측소에서 멀지 않은 곳에 바다가 존재하는 곳을 해안 지역으로 구분하였으며, 내륙 지역 ASOS 중 Tak et al. (2013)이 제시한 지형학적 산악 지역의 기 준 고도 300 m를 이용하여, 각 ASOS 지점의 격자 내 평균 고도가 300 m 이상인 곳을 산악 지역으로 분류하였으며 남은 지역은 내륙 지역으로 분류하였 다. 이에 따라 ASOS 61지점 중 내륙은 23곳, 해안 26곳, 산악 12곳으로 분류하여 내륙 지역은 사각형, 해안 지역은 원형, 산악 지역은 삼각형으로 Fig. 2에 나타내었다. 이중 Fig. 2의 DEM 지도와 ASOS 위치 를 확인하여 각 지역을 대표하는 세 지점 씩 총 아 홉 지점을 선정하여 각 ASOS의 위치와 함께, 주변 지역 DEM을 나타내었으며 지역별 DEM 확률 분포 를 파악할 수 있다(Fig. 7). 각 지역별 DEM 확률 분 포의 첨도 및 왜도를 산출하여 지형별 특징을 파악 하고, 이를 관측소에서 재분석자료를 감한 온도 차의 파워 스펙트럼 분석을 통하여 계절 변동성을 설명하 는 1년 주기 신호의 세기를 구하여 가로 축에 온도 차 세기, 세로 축에 각각 왜도와 첨도를 나타내어 상 관성을 살펴보았으며, 차이의 원인을 지역별 DEM의 특징과 연결하려 시도하였다(Fig. 8). 앞에서 제시한 모든 분석에 ASOS 관측 지점들이 속한 지역의 지형 적 특징에 따라 자료가 분류되었다.

    분석 결과

    지상 온도 평균값의 공간 비교

    ASOS와 ERA5 지상 온도 자료의 상호간 공간 분 포 유사성을 확인하기 위하여 1999-2018년 총 20년 기간에 대한 1-시간-평균 값 T, 전통적인 최고-최저 일평균 값 <T>, 24시간 일평균 <T>24의 전기간 평 균값을 Figs. 3a, 3b, 3c에 각각 나타내었다. ASOS 자료는 주변지역을 대표하는 자료로 입지조건에 따라 내륙(사각형), 해안(원형), 산악(삼각형)으로 구분하여 관측지점을 표시하였고, ERA5는 격자 내부에 컬러바 (colorbar)에 따른 색으로 값을 나타내었다. 먼저 평균 온도의 공간 분포를 살펴보면, ERA5 격자 자료의 평균 온도와 각 관측 지점 평균 온도의 공간 분포 패턴이 비슷함을 확인할 수 있다. T의 특징(Fig. 3a) 으로는 전 기간 우리나라 내부의 평균 온도에 대해 ASOS는 12.9°C, ERA5가 13.1°C로 ERA5가 ASOS 보다 약 0.2°C 높게 나타났다. 가장 높은 평균 기온 이 나타나는 지역을 살펴보면 ASOS는 지점 189번 (서귀포), ERA5는 지점 188번(성산)이 속한 격자로 각각 17.1, 16.6°C로 나타났다. 가장 작은 기온이 나 타난 지역은 ASOS는 지점 100번(대관령)이었고, ERA5는 지점 211번(인제)가 속한 격자로 각각 7.3, 9.6°C를 나타냈다. <T>의 경우 ASOS가 평균 13.2°C, ERA5가 평균 12.9°C였고, <T>24의 경우 ASOS가 평 균 12.9°C, ERA5가 평균 12.6°C로 나왔다. 우리나라 관측 지점 특성을 반영하고 있는 ASOS가 ERA5 격 자 평균 값 대비 약 0.3°C 높게 나타났다. 전 기간 평균 온도로 비교하였을 때, 두 자료 사이의 차이가 대부분 5% 이내로 그리 크지 않았고, 공간 패턴도 유사하게 나타났다고 판단할 수 있다.

    하지만 전기간 평균 온도 자료를 각 ASOS 관측지 점 자료와 ERA5 격자자료 1 대 1로 자세히 비교하 면, 전체 관측지점에 대한 평균적인 차이에 비해 큰 값을 보이는 지역이 존재한다. 지역별로는 산악 지역 에 해당하는 태백산맥에 위치한 지점 100번(대관령) 은 약 –2.8°C로 ERA5가 ASOS보다 높은 값을 보이 고, 211번(인제)은 약 +1.5°C로 ASOS가 높은 값을 보이고 있다. 해안 지역인 제주도에 위치한 지점 184 번(제주)은 약 +1.0°C, 188번(성산)은 약 –1.0°C, 189 번(서귀포)는 +1.8°C이며, 같은 해안 지역인 울릉도에 위치한 지점 115번(울릉도)은 –1.7°C로 차이가 나타 났으며, 내륙 지역에 위치한 지점 143번(대구)와 156 번(광주)도 ERA5 격자자료와 온도 차이가 나타나고 있음을 확인할 수 있었다. 이러한 차이는 <T>와 <T>24에 대해서도 유사하게 나타났다. 이를 보다 더 자세히 확인하기 위해 각 평균 온도 별로 ASOS에서 ERA5를 뺀 ΔT, Δ<T>, Δ<T>24의 공간 분포를 Figs. 3d, 3e, 3f에 각각 제시하였다.

    먼저 Fig. 3d의 ΔT에 대해 살펴보면, 전반적으로 ERA5가 높게 나타난 지역이 많은 것을 알 수 있다. 전체 61 개소에 대한 ASOS와 ERA5의 차이는 –2.9- +1.5°C범위에서 나타났으며 평균 온도 차이는 –0.2°C 로 ERA5가 ASOS보다 높게 나타났다. 두 자료 간 차이가 매우 작은 –0.25-+0.25°C 지역은 16개소로 전 체 61지점 중 26%로 나타났다. ASOS를 0.25°C 이 상 높게 나타낸 지점은 15개소로 24.5%, ERA5를 0.25°C 이상 높게 나타낸 지점은 30개소로 약 49%를 차지하여 ERA5를 높게 나타낸 지점이 상대적으로 많았다. 해안 지역은 지점 90(속초), 105(강릉), 112 (인천), 184(제주) 및 189(서귀포) 등 다섯 곳을 제외 하면 ERA5가 ASOS 대비 높게 모의하는 것이 특징 이다. 내륙 지역은 차이를 나타낸 곳도 있으나, 대부 분 큰 차이를 보이지 않았다. 산악 지역은 지점 212 (홍천), 273(문경), 284(거창)을 제외하면 두 자료 간 차이가 나타나는 것을 확인할 수 있어 지형의 특성 별로 평균 온도 차이가 상이하게 나타났다. ERA5를 가장 크게 나타낸 곳은 지점 100번(대관령)으로 –2.9°C, ASOS를 가장 크게 나타낸 곳은 지점 90번 (속초)로 +1.5°C로 각각 나타났다.

    Fig. 3e에 제시된 Δ<T>에 대해 살펴보면, ΔT의 공간 분포와 달리 ASOS가 ERA5보다 높게 나타나 는 지점이 상대적으로 많아졌다. Δ<T>는 전체 61 지점에 대한 ASOS와 ERA5의 차이가 –2.4-+1.9°C 사이에서 나타났다. 가장 큰 차이를 보이는 지점은 100번(대관령)으로 −2.4°C로 나타났다. 전체 지점의 평균적인 차이는 +0.3°C로 ASOS가 상대적으로 높게 나타났다. 차이가 거의 나타나지 않은 –0.25-+0.25°C 지점은 61지점 중 15군데로 24.5%를 차지하였다. ASOS를 0.25°C 이상 높게 나타낸 지점은 32군데로 52.4%, ERA5를 0.25°C 이상 높게 나타낸 지점은 14 군데로 23%를 나타내 ASOS를 높게 나타낸 지점이 상대적으로 많았다. 남해안 지역의 ASOS들은 ΔT와 비교하였을 때, 차이가 줄어든 지점이 많았으며, 지 점 152(울산), 168(여수) 등은 오히려 ASOS를 높게 나타내기도 하였다.

    Fig. 3f에 제시된 Δ<T>24의 공간 분포는 ΔT의 공 간분포의 특징과 전반적으로 유사해 보이고, Δ<T>와 비교하였을 때에는 ERA5를 높게 나타낸 지점들이 증가한 것을 알 수 있다. Δ<T>24의 평균 온도 차는 –2.8-+1.6°C사이에서 나타났다. 차이가 거의 나타나지 않은 –0.25-+0.25°C 사이의 지점은 13군데로 21%에 해당하며, ASOS를 0.25°C 이상 높게 나타낸 지점은 23군데로 37.7%로 Δ<T>와 비교하였을 시 증가하였 음을 알 수 있다. ERA5를 0.25°C 이상 높게 나타낸 지점은 25군데로 41%를 차지하여 Δ<T> 대비 ERA5를 높게 나타낸 지점이 감소한 것을 확인할 수 있었다. 하지만 공간 분포를 비교하기 위해서 부득이 하게 전체 기간에 대하여 평균을 취하여 비교하였으 므로, ERA5가 관측자료를 잘 반영하고 있는지, 또 어떤 일평균이 보다 합리적인 추정방식인지 정하기에 는 다소 무리가 있다고 판단하였다. 이에 따라 전체 기간에 대한 시간 자료 분포를 산점도를 통해 살펴 보고자 한다.

    지상 온도 산점도 비교

    1999-2018의 20년 기간 동안 가로축은 ASOS 지 점 자료를, 세로축은 ERA5 격자 자료로 변수 T, <T>, <T>24에 대한 산점도를 Fig. 4에 제시하여 시 간 분포의 유사성을 살펴보았다. 추가적으로 산점도 위에 선형회귀기울기를 표시하였다. 1년 중 온도의 최고, 최저온도가 나타나는 계절인 여름과 겨울에 대 해서 각각 빨간색, 파란색 포인트와 함께, 각 계절의 선형기울기도 나타내어 두 자료가 계절 규모에서도 유사성을 띠는지도 확인하고자 하였다. ASOS 61 지 점 모두에 대해서 분석이 실시되었으나 본 연구에서 는 Fig. 1의 DEM 맵을 활용하여 각 지역에 대해 대 표성이 있다고 판단되는 세 곳 씩 총 아홉 곳을 선정 하였다. 내륙 지역은 지점 108번(서울), 143번(대구) 및 156번(광주)이며, 해안 지역은 159번(부산), 105번 (강릉) 및 112번(인천), 산악 지역은 211번(인제), 114 번(원주) 및 100번(대관령)이다. 각 지역별로 지형적 특성에 따라 산점도의 형태에서 유사하다는 특성을 보이고 있어(figure not shown), Fig. 4에 내륙 지역 은 지점 108번(서울), 해안 지역은 지점 159번(부산), 산악 지역은 211번(인제)를 대표로 제시하였다.

    Figs. 4a, 4b, 4c에 제시한 T의 산점도를 살펴보면, 내륙 지역의 산점도 기울기는 전체기간은 1.00, 여름 은 0.92, 겨울은 0.97로 1에 근접한 값을 나타내었다. 이에 반해 해안 지역은 전체 기간이 0.85로 낮았으며, 특히 여름과 겨울이 각각 0.69, 0.79로 두 계절의 기 울기가 매우 낮아 계절 변동성이 나타났다고 판단할 수 있다. 이는 해안 지역 ERA5 격자 내 바다가 다수 분포하고 있어, 비열이 대륙에 비해 높은 수온의 영 향이 ERA5 격자자료 온도에 반영되고 있는 반면, ASOS는 비열이 해양에 비해 낮은 육지에 위치하고 있어 연중 온도 변동 폭이 바다에 비해 큰 것이 ASOS에 반영된 결과로 판단된다. 산악 지역은 전체 기간의 기울기 값이 0.97, 겨울은 0.93으로 1에 상 당히 근접하였지만, 여름의 값이 0.82로 상대적으로 낮게 나타나, 해안 지역보다는 작지만, 계절 변동성이 확인된다.

    Figs. 4d~4i의 <T>, <T>24에 대해 살펴보면, 모든 지역에 대해서 T에 비해 기울기 값이 1에 가까워진 것을 확인할 수 있으며, 특히 여름, 겨울의 기울기 값이 상대적으로 높아져 두 자료가 유사한 경향을 나타내는 것으로 판단할 수 있다. 이는 시간 자료를 일정 개수로 평균을 취함으로써 나타나는 효과로 설 명할 수 있다. <T>는 해안 지역 지점(Fig. 4e)의 여 름 기울기 값이 0.83으로 낮은 반면 같은 지점에서 <T>24의 기울기 값(Fig. 4h)은 각각 0.96으로 높아졌 다. 이는 평균을 취하는 방식에서 비롯된 차이로 설 명할 수 있는데, <T>는 일 중 최고, 최저 온도 단 두 개만으로 평균을 취하였으므로, 시간 자료 24개를 이용해 평균을 내어 하루 온도의 전체적인 경향성을 반영한 <T>24와 차이가 나는 것으로 판단할 수 있다.

    세 지점을 통해 파악한 특징이 전체 61개소 지점 에 대해 적용되는지 확인하고자 하였다. 이에 61개소 지점의 선형회귀기울기를 같은 방식으로 구하고, 내 륙(□), 해안(○), 산악(Δ) 지역으로 구분하여 Fig. 5 에 제시하였으며 전체 기간에 대한 기울기 및 여름 (+), 겨울(☆)의 기울기도 함께 나타내었다. 그 결과, T의 대부분의 해안 지역에 대해서 여름, 겨울의 기울 기가 매우 낮은 것을 확인할 수 있었다. <T>의 경우, T에 비해 기울기 값이 커진 것을 확인할 수 있었으 나, <T>24보다는 작은 값을 나타내었다. <T>24는 몇 지점을 제외하면 해안 지역을 포함한 대부분 지역에 서 1에 가까운 기울기 값을 보인다. 이를 통해, 대표 로 선정된 아홉 지점에 대해 파악된 지역별 특징이 대부분 지역에서도 유사하게 나타났음을 확인할 수 있었다.

    지역을 대표하는 아홉 지점에 대한 ΔT의 PDF의 시계열은 Fig. 6에 제시하였다. 매달 720(24 hr×30 days)개의 자료로부터 PDF를 구하여 240개월치 즉 20년 기간에 대한 시계열이며, 최빈값을 선으로 함께 표시하였고, 이로부터 T의 선형회귀기울기에서 파악 할 수 있었던 지형에 따른 계절적인 차이의 특성이 확인되었다. 즉, 여름은 ASOS가, 겨울은 ERA5가 높 은 계절 특성이 해안 지역에서 뚜렷하게 나타났다. 내륙 및 산악 지역의 월별 온도차이 PDF 시계열에 서는 해안 지역에 비하여 뚜렷한 계절적인 차이가 잘 나타나지 않은 것을 확인할 수 있다.

    통계 지수를 활용한 T, <T>, <T>24 비교

    두 자료 사이의 차이와 상관성을 정량적으로 살펴 보기 위하여 통계지수를 활용하였다. 9 지점 ASOS 관측 온도에 대하여 ERA5 재분석 격자 온도와 비교 하기 위하여 NMB, RMSE, IOA, R과 같은 4가지 통계 지수를 계산하였고, 그 결과를 Table 1에 정리 하였다. 지역별 두 자료 사이의 오차의 정량적인 값 을 파악하기 위하여 모든 ASOS 지점에 대해 ERA5 와의 NMB와 RMSE 분석을 수행하였고, 여기서는 ASOS 9개 지점에 대한 값을 제시하였다. T에 대한 NMB 값은 내륙 지역 ASOS 지점 108(서울), 156(광 주), 143번(대구)에 대해 각각 –0.05, −0.06, −0.08로 ERA5가 ASOS에 비하여 낮은 값을 가지고 있다. 해 안 지역에 대해서는 지점 105(강릉)와 112번(인천)의 NMB 값은 각각 –0.06과 −0.03으로 음의 값을 나타 내 ERA5가 낮은 값을, 지점 159번(부산)은 0.03으로 양의 값을 나타내 ERA5가 높은 값을 보이고 있다. 산악 지역에 위치한 지점 211(인제)과 114번(원주)의 NMB 값은 각각 –0.09, −0.06으로 ERA5가 낮은 값 을 가졌으나, 지점 100번(대관령)은 0.39로 양을 값 을 가져 ERA5가 낮은 값을 보이고 있다. 산악과 해 안 지역에 위치한 ASOS 자료는 같은 지형을 가진 지역에 위치한 관측지점이지만 ERA5 격자자료와 비 교할 때, 현재의 지형의 분류만으로 두 자료 사이의 차이를 설명하지는 못함을 알수 있다.

    <T>24의 NMB는 T와 유사하지만, <T>의 NMB는 T와 <T>24의 값과 차이를 보였다. 특별히 해안 지역 으로 분류된 지점 159번(부산)의 <T>의 NMB는 0.00으로 두 자료 사이의 차이가 거의 없는 반면 산 악 지역 지점 211번(인제)에서는 다른 관측소들의 <T>의 NMB에 비해 –0.02 정도 더 크게 나타나기도 하였다.

    두 자료 사이의 RMSE는 모든 지역에 대해서 T, <T>, <T>24 순서로 크게 나타났다. 지역별로 그 차의 크기 순서로 나열하면 산악, 해안, 내륙 지역으로 나 타나고 있어, 차이가 가장 큰 지역은 산악 지역이고, 가장 작은 지역은 내륙 지역으로 나타났다. 이중 지 점 100번(대관령)이 3.40, 3.11, 3.01로 모든 지역 대 비 가장 크게 나타났다. 이 지점은 ERA5 격자 내 산지 및 육지, 바다 등 다양한 지형이 분포하고 있고, 이러한 지형효과가 ERA5 재분석자료에 반영되어 두 자료 사이의 온도 오차가 크게 나타난 것으로 판단 된다.

    두 자료 간 상관관계를 확인하기 위해 IOA와 R 값을 살펴보았다. IOA와 R은 모든 평균 온도 및 지 역에 대해서 0.99에 근접하는 높은 상관성을 보였다. 상관성을 나타내는 통계지수들이 높은 값을 보인다는 점으로부터, 실제로 두 자료 사이에 절대적인 차이는 존재하지만, 시간 변화 변동성이 거의 일치하는 수준 이라는 것이 확인된 것이다. 또한 원 자료 모두를 사 용하여 얻은 T와 유사하면서 NMB와 RMSE 값에서 보이는 오차가 더 작게 나타난 <T>24가 <T>에 비해, 일평균 온도는 24개의 1-시간-평균 온도를 이용하여 계산하는 것이 전통적인 방법에 비해, 더 합리적이다 라고 할 수 있을 것이다.

    DEM을 이용한 각 지역 특징 파악

    공간 분포, 산점도 및 그 기울기를 통한 시간 경향 성, 두 자료 차이에 대한 PDF, 그리고 통계지수 등 을 통해 두 자료가 상당히 유사하다고 판단할 수 있 다. 하지만 T의 경우, 내륙 지역은 오차도 작고 계절 변동성도 거의 나타나지 않았으나, 해안 지역은 계절 변동성이 두드러지게 나타났으며 산악 지역은 일부 지역에서 오차가 크게 나타났다. 이러한 각 지형별 차이가 두 자료 간 온도 차를 유발할 수 있을 것이 라 보았다. 이를 위해 지형고도자료인 DEM을 활용 하였다. 위·경도 간격 0.25o×0.25o인 ERA5 격자 하나 에 대응되는 300×300개의 DEM 고도자료를 분석에 사용하였다. 각 지역을 대표하는 ASOS 아홉 지점에 해당하는 DEM 격자와 해당 ASOS의 위치를 함께 표시하여 Fig. 7에 각각 제시하였다. 또한 지역 별로 DEM 고도에 대한 PDF를 산출하여 Figs. 7d, 7h, and 7l에 제시하였다. 내륙 지역(Figs. 7a, 7b, and 7c)는 격자 내 고도가 낮고 평탄한 육지가 많아 PDF(Fig. 7d)가 비대칭 형태며 왜도(skewness)가 양 수이다. 해안 지역(Figs. 7e, 7f, and 7g)는 해수면이 0m로 고정된 바다가 다수 분포하고 있기 때문에 PDF (Fig. 7h) 왜도값이 타 지역대비 큰 편이다. 산 악 지역(Figs. 7i, 7j, and 7k)는 평탄한 육지는 물론 고도가 다양한 산지가 분포하고 있어 PDF (Fig. 7l) 이 한쪽으로 치우치지 않으며, 일부 지역은 종 모양 에 가까운 형태를 나타내는 것이 특징이다.

    이와 같이 각 지역별 파악된 고도 PDF의 특징이 ASOS 61지점에도 적용되는지 판단하기 위해, 지역별 DEM 격자 내 고도 PDF 분포의 왜도(skewness)와 첨 도(kurtosis)를 산출하였다. Fig. 8에는 ΔT의 1999- 2018년 20년 기간에 대한 파워 스펙트럼을 분석한 후 , 계절 변동성을 파악해 볼 수 있는 주기 1년에 해당 하는 신호 세기와 PDF 분포상의 왜도와 첨도를 산포 도로 나타내어 ΔT와 DEM의 연관성을 살펴보았다. 각 지역을 대표하는 ASOS 아홉 지점은 ΔT는 DEM PDF와의 분포와 연관되어 있다는 점을 확인할 수 있 다. 왜도를 살펴보면, 선정된 세 지역의 특징에서도 파악할 수 있었듯이, 모든 산악 지역(Δ)의 왜도가 낮 은 값을 나타내었으며, ΔT의 1년 신호 세기도 크지 않은 곳에 분포하고 있음을 확인할 수 있다(Fig. 8a). 지점 114번(원주)는 ΔT의 1년 신호 세기가 0.3, DEM 왜도가 0.4로 산악 지역의 특징을 잘 나타낸 것을 확인할 수 있다. 내륙 지역(□)은 대부분의 ASOS 왜도 값이 낮지만 몇 지역은 3에 근접하여 다 소 높은 값을 보여주었는데 이는 DEM 격자 내 고도 0m으로 설정한 강, 바다를 포함하고 있기 때문으로 생각된다. 지점 108번(서울)의 경우 ΔT의 1년 신호 세기 값이 0.73, 왜도 값은 2.1로 내륙 지역의 특성을 나타내었다. 이에 비해 해안 지역(○)은 몇 지역을 제 외하면 대부분 5 이상의 값을 나타내는데, 해안 지역 의 DEM 격자 내 고도 0 m인 바다가 다수 분포하고 있어 타 지역 대비 상대적으로 높게 나타나고 있으 며, 1년 주기 신호도 몇 지역을 제외하면 강하게 나 타나 DEM 왜도와 ΔT간 연관성이 나타나는 것으로 확인할 수 있다. 이러한 특징은 선정된 지점 159번 (부산)에서 잘 나타났는데, ΔT의 1년 신호 세기가 1.7 로 높았고, 이와 유사하게 DEM 왜도 값도 6으로 높 게 나타나 연관성이 있음을 잘 보여주었다.

    첨도(Fig. 8b)를 살펴보면, 산악 지역은 1.5 이하의 낮은 값을 보였으며, ΔT의 1년 신호 세기 역시 1.00 이하의 낮은 계절 변동성을 나타내어 지형의 첨도가 낮으면 계절 변동성도 낮게 나타나는 상관성을 확인 할 수 있다. 이러한 사실은 지점 100번(대관령)에서 첨도 값은 –2로 낮고, 신호 세기도 약 0.1로 낮게 나 타나는 것을 통해 확인할 수 있다. 내륙 지역은 평탄 한 육지 및 강이 포함되어 있어 산악 지역과 대비하 면 첨도가 크게 나타났으나 ΔT의 1년 신호 세기는 주로 0.5 근처에 몰려있어 계절 변동성이 낮게 나타 났다. 선정된 지점 108번(서울)을 보면 ΔT의 1년 신 호 세기는 0.73, 첨도 값은 5.04로 나타났다. 해안 지 역은 첨도가 낮으면 ΔT의 1년 신호 세기도 낮고, 첨 도가 높으면 대체로 ΔT의 1년 신호 세기 역시 강하 게 나타나는 양의 상관성을 확인할 수 있다. 지점 159번을 보면, ΔT의 1년 신호 세기가 1.7로 높았고, 첨도 값은 43.26을 나타내었다. 첨도와 왜도를 이용 해 ΔT의 1년 신호 세기와 분석한 결과, 지역 별로 그룹화되는 특징을 찾을 수 있었으며, 격자 내 DEM 과 두 자료의 온도 차가 연관성이 있음을 파악할 수 있었다.

    결론 및 토의

    본 연구에서는 2017년 이후로 새롭게 생산되어 배 포 중인 고해상도 ERA5 격자 자료와 ASOS 지점 관측자료 중 지상 온도를 지형에 따라 분류하여 그 차이를 비교하였다. ERA5는 기존 재분석자료 대비 시·공간적으로 높은 해상도를 가지고 있어 본 연구와 같은 관측자료인 ASOS 자료와의 특성 비교 연구는 다양한 분야의 연구에 활용하기 전에 수행되어야 할 필수적인 절차로 판단한다.

    본 연구의 분석 기간은 한 시간 간격의 온도 값이 매월 80% 이상 존재하는 1999-2018년 총 20년으로 정하였다. 분석에 사용한 ASOS는 운용 중에 있는 96곳 중 1981년 1월 1일 이후 자료가 하루 네 번 이 상 비교적 연속적으로 존재하는 61 개소를 선정하였 다. 우선 원 자료인 한 시간 단위의 자료에 대해 20 년 평균 온도를 구하여 공간 패턴을 비교하였으며 추가적으로 1-시간-평균 자료를 사용해 일(하루)평균 자료도 같은 방식을 사용해 비교하였다. 일평균의 정 의를 두 가지로 나누었으며 최고와 최저 온도의 평 균인 전통적인 일평균과 1-시간-평균 자료 24개를 평 균한 일평균으로 잡았다. 그 결과, 각 평균 온도의 20년 평균값들에 대한 공간적인 패턴이 유사한 것으 로 파악되었다. 하지만 산악 지역 관측소인 지점 100 번(대관령), 내륙 지역 관측소인 143번(대구), 해안 지역 관측소인 105번(강릉) 등에서 눈에 띄는 차이가 나타났다. 이 차이를 자세히 파악하기 위해, ASOS의 평균값과 ERA5의 평균값을 감하여, 온도 차이만의 공간 패턴을 비교해보았다. 그 결과, 전체적인 차이 는 ΔT가 –0.2°C, Δ<T>는 +0.3°C, Δ<T>24는 +0.1°C 로 크지 않았으나 각 지점과 격자를 1 대 1로 비교 하여보면, 차이가 뚜렷하게 나타나는 것을 파악할 수 있었다. 특히 지점 100번(대관령)은 ΔT가 –2.9°C, Δ<T>는 –2.4°C, Δ<T>24는 –2.8°C로 ERA5가 ASOS 보다 크게 나타남을 확인할 수 있었다.

    전체 기간에 대한 ASOS와 ERA5 자료 사이의 산 점도를 비교하여, 산점도 상의 선형회귀기울기가 1에 가깝다는 점을 통해 두 자료의 시간 변동 패턴이 유 사함을 알 수 있었다. 즉 <T>와 <T>24는 모든 지역 과 기간에 대해 대부분 1에 근접하게 나왔다. 하지만, T의 해안 지역은 전체 기간을 비롯하여 여름, 겨울의 기울기 값이 타 지역에 비해 1에 근접하지 않은 수 치를 나타내었다. 따라서 해안 지역에서는 두 자료 간 차이가 계절적으로 변하는 것을 확인할 수 있었 다. 이는 T 온도 차이의 월별 PDF 시계열에서 확인 할 수 있듯이, 해안 지역에서 여름은 ASOS가, 겨울 은 ERA5가 상대적으로 높은 지상 온도 값을 가짐을 보여준다.

    각 지역 별 두 온도 자료의 차이 및 상관성을 통 계지수로 살펴보았을 때, NMB는 <T>가 가장 크게 나타났으며 T와 <T>24는 차이가 거의 없었다. RMSE는 T의 경우가 가장 크게 나타났다. 또한 <T>24와 <T>중에서 <T>24가 상대적으로 작은 값을 나타내었다. 두 자료 간 상관성을 알아보기 위하여 IOA와 R을 구한 결과, 모든 지형 및 온도 평균에 대 해서 대부분 0.99에 근접하는 매우 높은 양의 상관성 을 보였다. 따라서 두 자료 간 오차가 가장 작게 나 타났으며 상관성이 1에 근접하는 <T>24가 <T>보다 일평균에 합리적인 것으로 판단되었다.

    두 자료 간 차이가 ERA5 격자 하나에 해당하는 고도의 분포에 의해 나타날 수 있음을 확인하기 위 해, DEM의 PDF를 확인하였다. 그 결과, 내륙 및 해 안 지역이 평탄한 육지 및 바다의 존재로 인해 양의 왜도와 첨도를 나타내는 구체적인 특징을 파악하였다 . 이러한 격자 내 지형의 특성이 ERA5 자료에 영향 을 주어 ASOS와 차이를 유발하는 것으로 보았다. 이에 따라, DEM의 첨도와 왜도를 ΔT의 파워 스펙 트럼 분석을 통해 얻은 1년 신호 세기와 비교하였다. 계절 변동성이 뚜렷하게 나타났던 해안 지역은 첨도 및 왜도가 클수록 신호도 강해지는 양의 상관성이 있는 것으로 파악되었다. 또한 내륙 및 산악 지역도 이러한 상관성이 존재한다고 판단할 수 있었으며 지 역별로 그룹화되는 특징도 파악할 수 있었다. 따라서 ERA5가 지형에 따른 효과를 반영하고 있으며 관측 소 자료와 오차가 나타나는 원인으로 사료된다. 하지 만 두 자료 간 오차를 지형효과로만 설명하기에는 무리가 있다. 또한 격자 내 가장 가까운 실제 관측소 한 지점만을 고려하여 격자 평균 자료와 비교하는 것은 오차를 내포하고 있다고 판단된다. 따라서, 격 자 내 바람의 영향, 지표면 특성자료 등을 고려함과 동시에, 비교시 격자 내 ASOS 관측자료 외 많은 AWS 관측자료도 이용하여 실제 관측값과 재분석자 료 차이를 보다 정량적으로 파악하도록 하는 추가 연구가 필요할 것이다. 본 연구를 통해 ERA5와 ASOS 사이의 차이가 지형적인 요인에 따라 어느 정 도 결정되고 있음을 확인하였고, 일평균 온도를 결정 할 때 WMO의 권고처럼 하루 24개의 1-시간-평균 자료를 이용하여야 함을 알 수 있었다.

    ERA5는 공간 격자와 시간 격자 간격이 지금까지 나온 재분석자료 중 가장 조밀하며, 본 연구에서 분 석한 바와 같이, 관측 자료와 전반적으로 큰 차이를 보이지 않으므로 폭염 및 한파와 같은 극한기후에 대한 분석도 충분히 가능할 것이다. 다만 격자 내 바 다가 포함되어 있으면 지점 관측과 차이를 보일 것 으로 판단되며, 높은 산지가 포함되는 곳은 오차가 더 커질 것으로 판단한다. 이처럼 다양한 지형이 존 재하는 곳에서는 재분석자료와 관측자료가 큰 차이를 보이는 곳이 있으므로, 기후와 관련한 연구시 유의할 필요가 있다고 사료된다. 추후 추가 연구로 극한 기 후 지수 비교 연구를 수행할 예정이다.

    사 사

    이 논문의 연구는 환경부의 재원으로 한국환경산업 기술원의 기후변화대응환경기술개발사업(2018001310 004)의 지원과 2020년도 정부(미래창조과학부)의 재 원으로 한국연구재단의 기초연구사업(No. NRF-2020 R1A2C1006173)의 지원을 받아 수행되었습니다.

    Figure

    JKESS-41-2-95_F1.gif

    Missing rate in the unit of missing hour numbers per month at 61 ASOS stations for 1981-2018. The vertical blue line denotes the date of 1999.01.01. Inland, coastal and mountainous stations classified using PDF distributions of the DEM were denoted by horizontal blue lines.

    JKESS-41-2-95_F2.gif

    STRM-DEM map showing locations of 61 KMA ASOS stations (open square for inland stations, open circles for coastal stations, and open triangles for mountainous stations) with ERA5 grids (horizontal and vertical lines) superimposed.

    JKESS-41-2-95_F3.gif

    Spatial distributions of ASOS and ERA5 temperatures averaged for the whole period (upper panel) and their differences (lower panel): (a) and (d) were based on hourly temperature data, (b) and (e) on classical daily mean temperature data, and (c) and (f) on 24-hour averaged temperature data.

    JKESS-41-2-95_F4.gif

    Scatter plots between ASOS (x-axis) and ERA5 (y-axis) for T, <T>, and <T>24. Left panels (a, d, g) denote station 108 (Seoul) representing inland, middle panel (b, e, f) station 159 (Busan) representing coastal, and right panel (c, f, i) 211 (Inje) stations representing mountainous area. Blue and red dots in the plots denote seasonal data for winter (DJF) and summer (JJA) respectively. Yellow and sky blue lines stand for linear slopes for JJA and DJF respectively.

    JKESS-41-2-95_F5.gif

    Slopes of linear regression lines between ASOS (x-axis) and ERA5 (y-axis) for (a) T, (b) <T>, and (c) <T>24. Slopes are calculated for whole period, summer (JJA) and winter (DJF) data. Inland, coastal and mountainous stations were collected and separated by vertical black lines.

    JKESS-41-2-95_F6.gif

    Time-series of monthly error PDFs: Upper panels (a, b, c) denoting inland stations, middle panels (d, e, f) coastal stations, and lower panels (g, h, i) mountainous stations.

    JKESS-41-2-95_F7.gif

    Maps of DEM data: Left (a, b, c), middle (e, f, g), and right (i, j, k) panels denote inland, coastal, and mountainous stations respectively. PDFs of DEM for a ERA5 grid: (d) inland, (h) coastal, and (l) mountainous stations.

    JKESS-41-2-95_F8.gif

    Scatter plots of 1-year amplitude of ΔT time-series power spectrum relative to (a) skewness and (b) kurtosis of DEM PDF distributions. Thick triangles, squares, and circles denote mountain, inland, and coastal areas respectively.

    Table

    Statistical indices for ASOS and ERA5 temperature data at 9 ASOS stations

    Reference

    1. Choi, K.C. , Lim, Y.J. , Lee, J.B. et al. ,2018, Evaluation of the Simulated PM2.5 Concentrations using Air Quality Forecasting System according to Emission Inventories-Focused on China and South Korea. Journal of Korean Society for Atmospheric Environment, 34(2), 306-320.
    2. Ciccarelli, N. , von Hardenberg, J. , Provenzale, A. et al. ,2008, Climate variability in north-western Italy during the second half of the 20th century. Global and Planetary Change, 63(2-3), 185-195.
    3. Dee, D.P. , Uppala, S.M. , Simmons, A.J. et al. ,2011, The ERA-Interim reanalysis: configuration and performance of the data assimilation system. Quarterly Journal of the Royal Meteorological Society, 137(656), 553-597.
    4. ECMWF (European Centre for Medium-Range Weather Forecasts), IFS documentation. ECMWF, Reading, United Kingdom. https://www.ecmwf.int/en/forecasts/documentation-and-support/changes-ecmwf-model/ifsdocumentation (last access: 9 March 2020).
    5. Fealy, R. and Sweeney, J. ,2007, Statistical downscaling of precipitation for a selection of sites in Ireland employing a generalised linear modelling approach. International Journal of Climatology, 27(15), 2083-2094.
    6. Hans, H. , Bill, B. , Paul, B., et al. ,2019, Global reanalysis: goodbye ERA-Interim, hello ERA5. ECMWF Newsletter No. 159, 17-24. ECMWF (European Centre for Medium-Range Weather Forecasts), Reading, United Kingdom, available at: https://www.ecmwf.int/en/newsletter/159/meteorology/global-reanalysis-goodbyeera-interim-hello-era5 (last access: 9 March 2019).
    7. Hennermann, K. and Berrisford, P. ,2020, What are the changes from ERA-Interim to ERA5?. https://confluence.ecmwf.int/pages/viewpage.action?pageId=74764925 (last access: 14 March 2020).
    8. Kim, M.K. , Lee, D.H. , and Kim, J.U. ,2012, Production and Validation of Daily Grid Data with 1km Resolution in South Korea. Journal of climate research, 8(1), 13-25.
    9. KMA (Korea Meteorological Administration): Automated Synoptic Observing System (ASOS) data. KMA, Seoul, South Korea, available at: https://data.kma.go.kr/data/grnd/selectAsosRltmList.do?pgmNo=36 (last access: 13 December 2019).
    10. KMA (Korea Meteorological Administration),1996, ANNUAL CLIMATOLOGICAL REPORT. KMA, Seoul, South Korea, available at: https://www.weather.go.kr/repositary/sfc/pdf/sfc_ann_1996.pdf (last access: 10 April 2020), 242 p.
    11. KMA (Korea Meteorological Administration),1997, ANNUAL CLIMATOLOGICAL REPORT. KMA, Seoul, South Korea, available at: https://www.weather.go.kr/repositary/sfc/pdf/sfc_ann_1997.pdf (last access: 11 April 2020), 245 p.
    12. KMA (Korea Meteorological Administration),2019, Climatological statistics guide. KMA, Seoul, South Korea, available at: http://book.kma.go.kr/viewer/MediaViewer.ax?cid=33349&rid=5&moi=5240 (last access: 10 April 2020), 83 p.
    13. Lee, K.W. and Hwang, C.S. ,2006, A Consideration on the Spatial Distribution of Checkpoints for the Accuracy Assessment of Digital Elevation Model. The Geographical Journal of Korea, 40(4), 563-572.
    14. Mooney, P.A. , Mulligan, F.J. , and Fealy, R. ,2011, Comparison of ERA-40, ERA-Interim and NCEP/ NCAR reanalysis data with observed surface air temperatures over Ireland. International Journal of Climatology, 31(4), 545-557.
    15. Poveda, G. , Waylen, P.R. , and Pulwarty, R.S. ,2006, Annual and inter-annual variability of the present climate in northern South America and southern Mesoamerica. Palaeogeography, Palaeoclimatology, Palaeoecology, 234(1), 3-27.
    16. Stammerjohn, S.E. , Martinson, D.G. , Smith, R.C. et al. ,2008, Sea ice in the western Antarctic Peninsula region: Spatio-temporal variability from ecological and climate change perspectives. Deep Sea Research II, 55(18, 19), 2041-2058.
    17. Tak, H.M. , Kim, S.H. , and Son, I. ,2013, A study of Distributions and Spatial Properties of Geomorphological Mountain Area. Journal of the Korean Geographical Society, 48(1), 1-18.
    18. Wang, S. , McGrath, R. , Semmlar, T. et al. ,2006, Validation of simulated precipitation patterns over Ireland for the period 1961-2000. International Journal of Climatology, 26(2), 261-266.
    19. WMO (World Meteorological Organization),1983, Guide to climatological practice. WMO No. 100, WMO, Geneva, Switzerland, 153 p.