서 론

지면 물 순환은 기후 및 수문 시스템의 핵심 구성 요소로, 강수, 증발산, 토양수분, 지표유출 등 다양한 요소 간의 상호작용을 통해 형성된다. 이와 같은 물 순환은 대기와 지면 간 에너지 및 물 교환을 통해 변화하며, 강수는 물 평형 과정에서 주요한 물 공급원으로 작용한다(Dirmeyer, 2006; Oki and Kanae, 2006; Xu and Dirmeyer, 2013; Seo and Dirmeyer, 2022b). 특히 수치모델 기반의 수문 모의나 기후변화 시나리오 분석에서는 강수 예측의 정확도가 물 순환 모의성능에 중요한 요인이 된다(Trenberth et al., 2003; Dirmeyer et al., 2006; Dirmeyer, 2011a). 따라서 강수의 시공간적 분포와 강도에 대한 정확한 예측은 수문학적 이해뿐만 아니라, 재난 대응, 농업 계획, 수자원 관리 등 다양한 응용 분야에서 필수적이다(Sorooshian et al., 2000; Dirmeyer et al., 2018).

하지만 강수는 대기에서 복잡한 과정을 거쳐서 발생하기 때문에 수치예보모델에서도 가장 큰 불확실성을 지닌 요소다(Stephens et al., 2010). 이는 복잡한 대류 발생 조건, 구름 미세물리과정의 불확실성, 지역적 지형 효과 등에 의해 설명될 수 있다. 특히, 중규모 이상의 강수 시스템은 수치모델의 격자 해상도와 대기 물리과정 구성에 따른 영향을 받기 때문에, 모델의 구조적 차이와 매개변수 설정에 따라 모델 모의성능에 큰 영향을 미친다(Prein et al., 2015). 또한, 지면-대기 상호작용은 강수 발생과정에 직접적인 영향을 미치며, 지표면의 토양수분 상태나 식생 조건이 대기 경계층의 안정도 및 수증기 가용성을 조절하여 지역적 강수 발생과 강도를 결정한다(Findell et al., 2011; Santanello et al., 2018). 이러한 상호작용을 정확히 모의하는 것은 수치모델의 강수 예측성을 향상시키는 데 있어 중요하다(Dirmeyer, 2003; Koster et al., 2004; Seo et al., 2019).

최근 위성 및 직접 관측자료를 이용한 고해상도 수치모델 강수모의 성능 진단 관련 연구가 활발히 수행되고 있으나, 대부분은 변수 자체에 대한 예측 정확도에 초점을 맞추고 있다. 즉, 강수 예보 성능이 지면 조건과 수문 변수에 어떠한 영향을 미치는지에 대한 체계적인 분석은 아직 미비한 실정이다. 또한, 지면-대기 상호작용 관점에서 지면과정이 온도 예측성능에 미치는 영향에 대한 연구는 다수 진행되어 왔지만(Seo et al., 2020; Hsu et al., 2024; Tak et al., 2024; Yoon et al., 2024), 수치모델링 시스템에서 강수과정의 복잡성으로 지면 영향에 따른 강수과정에 연구는 상대적으로 부족하다. 특히, 지면변수의 경우 관측자료가 가지고 있는 오차와 시공간적으로 장기간 변동성 이해를 위한 충분한 자료가 부족하여 주로 통계 혹은 모델링 기반의 이해가 대부분이며 관측기반의 물리과정 이해가 부족하다(Ek and Holtslag, 2004; Taylor et al., 2012; Seo and Dirmeyer, 2022a).

본 연구는 한국형 수치예보모델인 KIM (Korean Integrated Model)을 이용한 강수 모의 성능이 지면 물 순환에 미치는 영향을 분석하고자 한다. 특히 다양한 예보 기간에 따른 강수 예보의 정확도를 평가하고, 이에 따른 지면 수문 변수의 변화를 정량적으로 분석한다. 특히, 수치모델에서 모의하는 지면-대기 상호작용에 대한 이해를 기반으로 결합모델에서 강수모의 과정에서 나타날 수 있는 문제점을 이해한다. 본 연구에서 제시한 연구 결과는 KIM 모델의 강수 모의 성능을 진단하는 동시에, 향후 대기 및 지면 물리과정 개선 및 자료동화 수행 시 수문학 관점에서 고려해야 할 사항들을 제시할 수 있을 것으로 기대된다. 나아가 수치예보모델 기반의 예측 결과를 수자원 및 재해 대응 등 실무 분야에 활용하는 데 있어 보다 신뢰도 높은 자료 선택 기준을 제공할 수 있을 것이다.

자료 및 방법

자료

본 연구에서는 모델에서 모의하는 강수를 진단하기 위하여 MSWEP (Multi-Source Weighted-Ensemble Precipitation; Beck et al., 2019)은 전 지구 강수를 사용하였다. 이 자료는 지상 관측, 위성, 재분석 서로 다른 자료의 장단점을 보완하기 위해 가중 평균 방식을 작용하여 생산한 자료이다. 공간적으로는 약 11 km 해상도이며 3-hourly 시간해상도를 갖는 자료로 1979년부터 최근까지 가용하다. MSWEP 자료는 관측이 부족한 지역에서도 상대적으로 신뢰할 수 있는 강수 추정을 제공하는 장점을 가지고 있으며, 1979년부터의 장기간 시계열 자료를 제공하고 있어 장기간 기후변동성에 대한 이해 및 검증에 활용될 수 있다. 특히, 3일 평균 강수자료를 전지구 강수 직접 관측자료와 비교한 결과 기존에 사용하는 위성기반 관측 자료들보다 성능이 좋은 것을 확인하였다(Beck et al., 2019).

지면-대기 상호작용에 따른 지면 물순환 영향을 진단하기 위하여 모델을 검증하기 위해 ECMWF (European Centre for Medium-Range Weather Forecasts)에서 제공하는 ECMWF Reanalysis v5 (ERA5; Hersbach et al., 2020) 재분석자료의 토양수분과 surface heat fluxes를 사용한다. 재분석 자료는 수십 년간 축적된 다양한 관측 자료를 ECMWF의 통합 예보 시스템(Integrated Forecasting System, IFS) 기반의 4차원 변분 자료동화(4D-Var)를 활용하여 생산되었다. 공간 해상도는 약 31 km이며, 시간 해상도는 시간 단위(hourly)로 제공되어 시공간적 고해상도 현상 분석에 널리 활용된다. 따라서, ERA5는 수문학, 기상학, 기후학, 농업 및 재해 분석 등 다양한 분야에서 사용하고 있다.

KIM (Hong et al., 2018)은 한국형 수치예보모델로, 한국형 수치예보모델 개발사업단에 의해 개발되었으며, 현재 자료동화 능력을 갖춘 KIM 시스템은 2020년 4월부터 한국 기상청의 공식 기상예보 운영 모델로 사용되고 있다(Kwon et al., 2018). KIM은 큐브 구면(cubed-sphere) 격자를 사용하는 비정역학적(non-hydrostatic) 역학코어를 기반으로 하며, 수평 방향으로는 스펙트럼요소법(spectral-element method)을, 수직 방향으로는 유한 차분법(finite-difference method)을 이용해 이산화(discretization)한다. 큐브 구면 격자는 일반적인 위도-경도 격자에서 흔히 나타나는 극지역에서 나타나는 문제를 피할 수 있는 준균일(quasi-uniform) 구조를 갖추고 있어 KIM 모델에서 채택되었다(Choi and Hong, 2016). KIM 모델의 상단 경계는 약 80 km 고도에 있으며, 최대 91개의 수직층이 hybrid-sigma 좌표계를 이용하여 표현된다(Song et al., 2017; Kwon et al., 2018). 육상지역의 지면 경계에 대한 정보를 계산하기 위하여 Noah 지면모델 3.4.1버전을 사용한다. 지면모델에서 10, 40, 100, 200 cm 깊이에 대한 지면변수자료를 산출하지만, 가장 표층 10 cm 자료만을 검증과 분석에 사용하였다. 본 연구에서는 KIM 버전 3.8에서 매일 00UTC에 초기화하여 7일 적분 된 예측자료를 검증에 사용하였다.

모델에서 모의하는 토양수분의 평균장을 평가하기 위하여 International Soil Moisture Network (ISMN; Dorigo et al., 2021)를 이용하였다. 표층 토양수분을 진단하기 위하여 표층에서 10 cm 범위에서 측정된 일평균 토양 수분 자료를 사용하였고, 품질 검증된 관측자료만을 사용하기 위하여 자료에서 함께 제공되는 quality flag에서 “Good”으로 분류된 자료만을 사용하였다(Lee and Seo, 2024). 모델과 관측 검증을 위해 시계열이 겹치는 928개의 관측 지점 자료를 이용하였다.

방법

북반구 여름철에 강수가 집중되므로 2021–2023년도 6–8월 동안 예측한 모델 성능을 진단하였다. 즉, 1일에서 7일까지 예보선행시간에 따른 276일(여름 92일 × 3년) 자료를 검증하였다(Fig. 1). KIM 모델에서 모의하는 276일 강수 시계열에 대한 성능 검증을 위하여, root mean squared error (RMSE), 평균오차(mean bias), Pearson correlation coefficient를 이용하여 진단하였다. 성능 검증 시 시계열에 대한 필터를 적용하지 않고 signal을 전부 포함하여 계산하였다. Forecast lead time에 따른 모델의 모의성능을 진단하기 위하여 각 lead time에 따른 모델 결과를 composite하여 276일 시계열을 앞서 설명한 방법을 이용하여 평가하였다. 또한 평균오차 진단에서 모델과 관측간의 평균오차의 통계적 유의성 검증을 위하여 Student’s t-test를 이용하였다.

Fig. 1.

Data sampling method for evaluating model performance in daily-initialized KIM simulations across different forecast lead times.

또한, 지면-대기 상호작용을 통하여 강수과정에 미치는 영향을 정량화 하고자 Terrestrial Coupling Index (TCI; Dirmeyer, 2011b)를 사용하였다. 이는 피드백을 유발하는 근원 변수(source variable, SV)에 기인하여 피드백에 반응하는 목표 변수(target variable, TV)의 변동성을 정량화 한다.

𝜌와 𝜎는 각각 시간에 대한 상관계수와 표준편차를 나타낸다. 이 진단 기법을 기반으로 본 연구에서는 지면결합(land coupling), 대기결합(atmospheric coupling)을 근원변수와 목표변수를 다르게 설정하여서 진단하였다. 지면결합은 표층 토양수분(surface soil moisture, SSM)에 기인한 잠열(latent heat flux, LH)의 변동성으로 나타냈으며, 대기결합은 잠열에 기인한 강수 변동성을 정량화 하였다. 이러한 지면 및 대기 결합을 바탕으로, 이 두 요소를 연결하는 지표 플럭스를 매개체로 하여 표층 토양수분이 강수에 미치는 영향을 특징짓는 이중 결합(two-legged coupling) 개념으로 확장할 수 있다. 이는 TCI와 유사하지만, 근원 변수와 목표 변수를 연결하는 중간 변수(intermediate variable, IV)를 매개로 하는 형태를 가진다.

본 연구에서는 지면결합, 대기결합, 이중결합을 각각 L(SSM,LH), A(LH,Pr), T(SSM,LH,Pr)으로 정량화 하였다. 또한, lead time에 따른 결합 정도에 대한 차이가 크지 않아 각 lead time에 대한 276일에 대한 샘플을 이용해 시간에 대한 상관계수와 표준편차를 계산하여 TCI를 산출하고 1일에서 7일까지 예보 선행시간에 대한 결과를 평균하였다.

결 과

KIM모델의 강수 모의성능

KIM모델에서 모의한 강수예측 성능을 예측시간에 따라 RMSE, 평균오차, 상관계수로 진단하였다. RMSE의 공간 패턴은 주로 강수가 집중되는 지역에서 크게 나타나는 것을 확인할 수 있다(Fig. 2a). 예를 들어, 열대수렴대 인근 지역에서 발생하는 강수, 인도 몬순에 기인한 강수와 태풍, 그리고 장마(동아시아 여름 몬순)로 인한 동아시아 지역에서 RMSE가 크게 나타나고, 예보 선행시간이 길어질수록 크게 증가하는 경향을 보인다(Fig. 2d). 또한 서태평양 웜풀(warm pool) 지역으로부터 남태평양 수렴대(South Pacific Convergence Zone, SPCZ)에 걸쳐 강수 오차가 크다. 육상지역의 강수 예측 오차는 해양 지역과 비교할 때 상대적으로 작으나, 유라시아 지역에서는 강수 오차가 예보 선행시간 증가와 함께 점차 증가하는 양상을 나타낸다. RMSE는 오차의 방향성에 대해 알 수 없으므로 추가로 평균오차에 대한 공간분포를 확인하였다(Fig. 2b). 지역적으로 평균 오차의 방향성이 다르지만 전지구 평균적으로 관측과 비교하여 KIM모델이 강수를 과대 모의한다. 특히, 적도 부근 일부 지역을 제외한 열대 및 육지 지역에서 통계적으로 유의미한 수준의 강수를 과대모의 한다. 하지만, 예보 선행시간에 따른 평균오차에 대한 차이는 크지 않다(Fig. 2e). 시간 변동성에 대한 일치도를 나타내는 상관계수의 공간분포를 확인해보면(Fig. 2c and f), 북반구에서 성능이 예보 선행시간이 증가함에 따라 빠르게 감소하는데, 이는 해양보다 육지 지역에서의 상관계수가 작게 나타나기 때문이다. 또한, 해양보다는 육지에서 상관계수 감소가 빠르게 나타나고, 열대수렴대에서 예측성 감소도 두드러지게 나타난다.

Fig. 2.

Spatial distribution of (a, d) RMSE, (b, e) mean bias, and (c, f) the correlation coefficient between simulated precipitation in the KIM forecast and observations in 1-day (left column) and 5-day (right column) lead forecasts. Global mean values are provided at the bottom center of each panel.

Fig. 3은 예측시간에 따른 RMSE, 평균오차, 상관계수를 위도별로 육지 및 해양으로 나누어 분석하였다. RMSE에서는 예측시간과 무관하게 열대 지역 해양의 예측성능이 가장 낮은 것으로 나타났고, 남반구 육지의 예측성능이 가장 높고, 이 결과는 각 지역에서 발생하는 평균 강수량과 관련 있다(Fig. 3a). 편차 오차는 전반적으로 양의 편차가 넓게 분포하고 있음을 확인할 수 있는데, 북반구 육지가 평균적으로 양의 편차 정도가 가장 강하다(Fig. 3b). 적도 지역 육지 및 해양은 편차의 변동 폭이 다른 위도대에 비해 크다. 이는 열대수렴대의 계절 내 이동에 따른 결과로 보인다. 남반구 육지와 북반구 해양의 경우, 중위값이 0 근처에 위치하는데, 특히 남반구 육지의 경우 편차의 분포 폭이 매우 좁은 특성을 보인다. 다만, 예측시간에 따른 편차오차에 대한 감소는 뚜렷하게 나타나지 않는다. 또한, 상관계수 분석에서 전반적으로 해양의 예측성능이 육지의 예측성능보다 높지만, 개별적으로 가장 높은 예측성능을 보이는 지역은 남반구 육지(30S–90S, Land)이다(Fig. 3c). 예측 선행시간이 짧을 때는 남반구(90S–30S), 북반구(30N–90N), 적도(30S–30N)의 순서로 예측성능이 우수하다. 그러나 선행시간이 길어질수록 적도와 북반구 간의 예측성능 차이가 점차 줄어들며, 특히 예측시간이 6–7일에 이르면 북반구의 예측성능이 가장 낮아지는 양상을 보인다. 또한 육지와 해양 지역 간의 예측성능 차이 역시 예측시간이 증가할수록 점진적으로 감소하여, 7일차 예측에 이르면 두 지역 간 성능 차이가 거의 나타나지 않는다.

Fig. 3.

Box plots of domain averaged (a) root mean square error, (b) mean bias, and (c) correlation coefficient between simulated precipitation in the KIM forecast and observations across forecast lead days. The box is defined by first (25^th percentile) and the third quartile (75^th percentile) and whiskers are noted by 0.5 interquartile range (IQR) from the edge of the box. Model performance is evaluated by latitude and the performance in land (L) and ocean (O) are further separated. Dots in (c) indicate precipitation persistence in the observations.

Fig. 4a는 일 평균 강수가 0.275 mm/day 이상 발생하는 빈도의 공간적 분포를 나타낸다. 평균 강수량이 높은 지역에서 강수 발생 빈도도 크게 나타나는 경향이 있다. KIM 모델에서 모의한 강수 발생 빈도를 관측자료와 비교하면, 전반적으로 과대 모의하는 경향을 보인다(Fig. 4b). 특히, 동태평양, 열대 지역의 동대서양, 북반구 육상지역, 그리고 아마존 지역에서 강수 발생 빈도의 과대모의가 두드러지게 나타난다. 앞서 KIM 모델의 강수 평균 오차 분석에서 육상지역에서 전반적으로 강수량이 과대 모의되는 결과가 나타났는데, 이는 모델이 강수의 발생 빈도를 과다하게 모의한 것과 밀접한 관련이 있다. 또한, 육상지역에서 이러한 강수 과대모의는 모델이 지표면 상태를 실제보다 습윤하게 모의함으로써 지면-대기 상호작용 과정에서 추가적인 오차를 유발하는 원인이 된다.

강수가 오는 날에 한정하여 평균 강수세기에 대한 분석을 수행하였다. 관측에서 주로 강수평균이 큰 지역에서 강수의 평균 세기도 크게 나타난다(Fig. 4c). KIM에서 모의하는 강수 강도에 대한 평균 오차는 지역적으로 다른 경향이 드러난다(Fig. 4d). 특히, 열대 서태평양의 warm pool 지역에서는 강수 세기가 과소 모의한다. 이는 앞서 강수 평균장 분석에서 나타났던 다소 약한 음의 오차 경향보다 더욱 명확히 나타난다. 한편, 동아시아 지역에서는 평균 강수량 분석에서 양의 오차가 나타났지만, 강수 세기만 놓고 보면 관측보다 약한 강수가 모의되는 음의 오차 경향이 확인되었다. 즉, 동아시아 지역에서 나타난 평균 강수량의 양의 오차는 강수 세기보다는 모델이 강수 발생 빈도를 과대 모의한 결과임을 알 수 있다. 또한, 육상지역 전반에서도 평균 강수량은 과대 모의되었으나, 강수 세기 분석에서는 오히려 관측보다 약한 강수 세기로 인해 음의 오차를 나타내는 특징을 보인다. 다만, 해당 분석결과는 예측 선행시간에 대한 민감도가 크지 않다.

Fig. 4.

Spatial pattern of the probability of precipitation occurrence (left column) and the mean intensity of precipitation (right column). (a, c) Observed probabilities and (b, d) model bias. Due to limited forecast runs, the result at each lead forecast (1–7 days) is averaged.

KIM모델의 지면-대기 상호작용 모의성능

전 지구적으로 직접 관측된 ISMN 토양수분 관측자료를 활용하여, KIM 모델에서 모의한 토양수분의 오차를 공간적으로 분석하였다(Fig. 5b). 북미 지역의 토양수분 공간 분포를 살펴보면, 서부 지역은 상대적으로 건조하고, 동부 지역은 습윤하여 동서 간의 명확한 공간적 대비를 보인다(Fig. 5a). 그림에서 나타난 표층 토양수분의 평균 오차를 통해 북미 전역에서 KIM 모델이 대체로 토양수분을 과대 모의하는 경향을 확인할 수 있고, 특히 북미 서부 지역에서 더욱 두드러진다. 앞서 언급한 대로 북미 서부 지역은 토양수분이 평균적으로 건조한 특성을 가지므로, KIM 모델에서 이 지역의 토양수분을 과다하게 모의하는 것은 북미 지역의 토양수분 평균장 내 동서 방향의 공간적 대비(zonal dipole)를 적절히 재현하지 못하고 있음을 나타낸다. 또한 유럽지역에서도 토양수분 평균장이 과대 모의하는 것을 확인할 수 있다. 전반적인 토양수분 과대모의는 앞서 분석한 KIM 모델이 육상지역에서 강수량을 과다하게 예측한 결과와 연계하여 토양수분 오차의 원인을 이해할 수 있다.

Fig. 5.

Spatial distribution of (a) JJA mean surface soil moisture (SSM; units is m³/m³) averaged across 7 lead forecast runs of the KIM, and (b) model mean bias against ISMN soil moisture observations. (c) Modeled versus observed SSM, with the number of observations, RMSE, mean bias, spatial correlation coefficient, and p-value shown at top left.

2021년부터 2023년까지 여름철 동안 KIM 모델의 토양수분 모의성능을 ISMN 직접 관측자료와 비교하여 분석하였다. 이용 가능한 총 928개의 직접 관측자료를 사용하여 각 관측지점에서의 모델 결과와 관측값 간 표층 토양수분 평균값의 확률밀도함수(probability density function, PDF)를 확인하였다(Fig. 5c). 그림에서 나타난 바와 같이 대각선(diagonal line)에 가까울수록 모델의 모의 성능이 우수함을 의미한다. 그러나 PDF 분포가 전반적으로 대각선의 오른쪽으로 치우친 모습을 보이고 있어, KIM 모델이 실제 관측 값보다 토양수분을 과대 모의하는 경향이 있음을 알 수 있다. 또한, 모델 자료는 약 0.16 m³/m³과 0.25 m³/m³의 토양수분 값에서 두 개의 명확한 피크를 보이지만, 관측자료의 경우 이 두 피크의 크기 차이가 뚜렷하지 않다. 모델과 관측자료 간의 표층 토양수분의 RMSE와 평균 오차(bias)는 각각 0.096 m³/m³과 0.042 m³/m³로 나타났으며, 두 자료 간 상관계수는 0.435로 통계적으로 유의한 수준의 상관성을 보였다.

KIM 모델이 모의하는 지면-대기 상호작용을 진단하기 위해 TCI를 이용하여, 근원, 중간, 목표변수 선정에 따라 지면, 대기, 이 두 과정을 통합적으로 표현한 이중결합 강도를 정량화 하였다. 우선 지면 결합 정도를 평가하기 위해 물수지(water balance) 방정식을 구성하는 토양수분과 잠열을 각각 근원 및 목표변수로 설정하여, 토양수분 변화에 따른 잠열 플럭스의 민감도를 계산하였다. 지면 변수로부터 산출된 값이 양수이면, 토양수분이 증가할 때 잠열 플럭스도 함께 증가하는 water-limited 과정을 의미하고, 음수의 경우 지면에서 대기로의 수분 이동이 반대 방향으로 나타나 energy-limited 과정이 지배적임을 나타낸다(Seo et al., 2024). 지면 결합의 공간분포를 분석한 결과, 북반구 중위도 지역에서 지면 결합 강도가 강하게 나타난다(Fig. 6a and b). 특히, 토양수분이 상대적으로 건조한 지역에서 지면 결합의 강도가 뚜렷하게 나타나, 습윤한 지역보다 건조한 지역에서 토양수분 변화가 지면에서 대기로의 물 이동 변동성에 더 민감하게 작용함을 확인할 수 있다. KIM 모델이 재분석 자료에서 나타난 지면 결합의 공간적 패턴을 전반적으로 유사하게 모의하지만, 지면-대기 상호작용이 활발한 중위도 지역에서 지면결합을 과대 모의하는 것을 확인하였다(Fig. 6c).

Fig. 6.

Spatial distribution of land coupling, atmospheric coupling, and two-legged coupling affecting precipitation from the ERA5 reanalysis (left column), the KIM (middle column), and the model bias (right column).

대기 결합의 경우 잠열 플럭스와 강수를 각각 근원 및 목표변수로 설정하여, 잠열 플럭스 변화에 따른 강수의 민감도를 평가하였다. 대기 결합에서는 값의 부호가 중요한 의미를 가지는데, 양의 값은 지표로부터 방출된 잠열 플럭스가 대기 경계층(boundary layer) 내 수증기를 증가시켜 강수 발달을 촉진함을 의미하고, 음의 값은 강수가 구름량 증가로 인해 지표면으로 유입되는 순복사(net radiation)를 감소시켜 잠열 플럭스를 억제하는 과정을 의미한다(Fig. 6d and e). 즉, 대기 결합이 양의 부호를 보이는 지역은 지면 과정이 강수 발달에 직접적인 영향을 미치는 지역을, 음의 값은 energy-limited 과정이 우세한 지역을 의미한다. 재분석 자료의 결과에 따르면, 미국 남서부와 중앙아프리카 지역에서 지면 과정이 강수 발달을 촉진하며, 그 외 강수가 집중되는 육상지역에서는 대체로 대기가 지면 과정에 영향을 주는 음의 대기 결합이 나타난다. KIM 모델의 대기 결합 모의성능을 평가한 결과, 전반적으로 재분석 자료의 공간적 분포를 잘 재현하였으나, 음의 대기 결합 강도가 과도하게 모의되는 경향을 보였다(Fig. 6f). 특히, 북미에서는 음의 결합 영역이 미국 중부지역까지 확장되었으며, 유라시아 대륙에서도 음의 대기 결합을 광범위하게 나타난다.

마지막으로, 지면 결합과 대기 결합을 종합적으로 반영하는 이중결합의 경우, water-limited 지역에서는 양의 지면결합과 음의 대기결합이 곱해져 음의 결과를 보이고, energy-limited 지역에서는 음의 지면결합과 양의 대기결합이 결합되어 역시 음의 결과를 나타낸다(Fig. 6g and h). 즉, 두 과정의 방향성이 서로 상반되게 작용하기 때문에, 이중결합 값만으로 water-와 energy-limited 지역을 명확히 구분하기 어려우며, 각각의 과정을 개별적으로 분석하여 해석할 필요가 있음을 보여준다. 이러한 이중결합의 특성을 KIM 모델에서 전반적으로 과대모의 하는 경향을 나타내는데, 이는 지면과정을 통해 강수 발생이 민감하다는 것을 의미한다(Fig. 6i).

다음으로, 앞서 설명한 water-limited와 energy-limited 과정이 지면-대기 상호작용에서 나타내는 주요 특성을 명확히 구분하기 위하여 land coupling regime을 분류하고, ERA5 재분석자료와 비교하여 KIM 모델의 재현성을 진단하였다. 지면 물/에너지 수지 방정식을 연결하는 잠열와 각 평형 방정식을 구성하는 토양수분 및 순복사(net radiation, Rn) 간의 상관계수 값을 비교하여 water-limited와 energy-limited 과정의 결합 강도를 평가하였다(Seo et al., 2024).

Fig. 7 상단 우측 그림에 나타난 2차원 컬러바의 x축은 토양수분과 잠열 간의 상관계수, y축은 순복사와 잠열 간의 상관계수 분포를 나타낸다. 이에 따라 붉은색과 파란색은 각각 water-limited와 energy-limited 과정이 뚜렷함을 의미한다. Energy-limited 과정의 경우 KIM 모델이 재분석 결과와 비교하여 전반적으로 과소 모의하는 경향을 나타낸다. 지역적으로는 고위도 및 티벳 고원 지역에서 특히 강한 과소모의가 나타나는 반면, 사하라 사막, 남아메리카 및 호주 남부 지역에서는 과대 모의하는 결과가 나타낸다(Fig. 7h). Water-limited 과정의 경우 KIM모델이 재분석 자료와 비교하여 전반적으로 과대 모의하는 결과를 나타낸다(Fig. 7e). 재분석자료에서 ρ(SSM,LH)에 대한 분포가 0 근처에서 단일 피크를 보인 반면, KIM 모델은 0과 1에 가까운 지점에서 두 개의 뚜렷한 피크가 나타났다. 이는 KIM 모델이 아프리카 북부, 아라비아 반도 및 중앙아시아 지역까지 water-limited 과정을 과도하게 강하게 모의한 결과로 인해 ρ(SSM,LH) 값이 1에 가까운 값을 나타낸 것이다.

Fig. 7.

Spatial distribution of the land coupling regime in (a) ERA5 and (b) the KIM. SC_w and SC_e in (b) are the spatial correlation coefficients for ρ(SSM,LH) (water-limited) and ρ(Rnet,LH) (energy-limited), respectively. Kernal density estimates from ERA5 (black) and KIM (orange) are denoted in 2-dimentional color bar. The bottom two rows show two components used to identify the land coupling regime: ρ(SSM,LH) (middle row) and ρ(Rnet,LH) (bottom row) for (c, f) ERA5 reanalysis, (d, g) the KIM, and (e, h) the model bias.

두 과정을 통합하여 나타낸 land coupling regime의 전지구 분포를 보면, 전반적으로 토양수분이 건조한 지역에서는 water-limited 과정이 명확하게 나타나며, 습윤한 지역에서는 energy-limited 과정이 강한 것으로 나타났다(Fig. 7a). 지역적으로 유라시아 대륙 북동부에서는 KIM 모델이 ERA5 재분석자료와 비교하여 energy-limited 과정을 상대적으로 약하게 모의했는데(Fig. 7b), 이는 모델의 눈 모의성능과 관련된 것으로 추정된다. KIM 모델에서 사용하는 Noah지면 모델을 사용하는데, 이 모델에서 사용하는 single layer snowpack scheme은 눈 녹음이 이른 시기에 나타난다. 따라서, 잠열로 토양의 수분이 방출되는 시기가 당겨짐에 따라 토양수분이 여름철 더 건조하고, 이에 따라 중위도 이상 지역에서 water-limited과정이 과대모의 되는 경향이 있다.

결 론

본 연구에서는 한국형 수치예보모델(KIM)의 강수 모의 성능이 지면 물 순환에 미치는 영향을 진단하였다. 2021년부터 2023년까지의 여름철 자료를 기반으로 강수 예측의 시공간적 정확성을 평가하고, 지면-대기 상호작용에 따른 토양수분 변화를 분석하였다. 분석 결과, KIM 모델은 전반적으로 강수량을 과대 모의하는 경향을 보였으며, 특히 육상지역에서 강수 발생 빈도를 과다하게 모의하여 강수량의 평균 오차가 증가하는 주요 원인이 되었다. 반면 강수 세기 측면에서는 열대 서태평양의 warm pool 지역 등에서 과소 모의 경향이 나타났다. 이러한 결과는 강수 발생 빈도와 강수 세기를 구분하여 분석하는 것이 모델의 강수 오차 원인을 보다 명확히 이해하는 데 중요함을 시사한다.

지면-대기 상호작용 분석에서는 지면 결합, 대기 결합 및 이 두 과정을 종합적으로 나타내는 이중결합(two-legged coupling)을 정량적으로 평가하였다. 북반구 중위도 지역에서 지면 결합 강도가 강하게 나타났으며, KIM 모델이 지면 결합을 과대 모의하는 것으로 나타났다. 또한 대기 결합 분석 결과, 음의 대기 결합 지역에서 강도 과대모의가 두드러졌으며, 이는 강수 발생 과정에서 지면 영향이 과다하게 반영된 결과였다. 이 같은 결과는 모델의 강수 발생 메커니즘과 지표면 수분 조건 간 상호작용을 보다 정교하게 표현할 필요가 있음을 나타낸다. 전체적으로 KIM 모델이 지면-대기 상호작용과 강수 예측 과정에서 나타나는 water-limited 및 energy-limited 과정을 명확히 재현하는 데 한계가 있음을 시사하였다. 다만, 본 연구에서 재분석 자료를 관측 값으로 가정하고 모델에 대한 평가를 진행하였는데, 지면 재분석 자료 간의 편차가 크기 때문에 결과 해석에 유의해야 한다.

본 연구는 모델에서 나타난 오차의 물리적 원인을 명확히 밝히고자 다양한 지면 조건과 대기 상태를 결합한 상세 분석을 수행하였다. 특히, 토양수분의 공간적 오차가 강수의 공간적 오차와 밀접하게 연관되어 있음을 확인하였으며, 이는 지면 모델에서의 토양수분 초기화 및 지면 특성 표현의 중요성을 강조한다. 따라서 향후 연구에서는 지면과 대기 물리 과정의 정확도를 높이고, 자료 동화 기술의 발전을 통해 모델의 예측 성능을 전반적으로 향상시킬 필요가 있다(Seo et al., 2021; Kumar et al., 2022).