수치 예보
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
수치 예보는 대기와 해양의 수학적 모델을 사용하여 현재의 기상 조건을 기반으로 날씨를 예측하는 기술이다. 1920년대에 개념이 제시되었으나, 컴퓨터의 발달과 함께 1950년대에 실용화되었다. 수치 예보 모델은 전 지구적 규모에서부터 지역적 규모까지 다양한 영역을 다루며, 대기 질 예측, 기후 모델링, 해양 표면 모델링, 열대 저기압 예측, 산불 모델링 등 다양한 분야에 활용된다. 예측 정확도는 초기 데이터의 불확실성, 모델 자체의 한계, 계산 능력의 제약 등으로 인해 제한적이며, 모델 출력 통계, 앙상블 예보 등의 기술을 통해 개선하려는 노력이 이루어지고 있다.
더 읽어볼만한 페이지
- 대기물리학 - 초고층대기물리학
초고층대기물리학은 지구 대기 상층과 다른 행성의 대기를 연구하는 학문으로, 지구 대기 물리학, 행성 대기 물리학, 비교 대기 물리학을 포함하며, 다양한 관측 장비를 활용하여 대기 현상에 대한 이해를 넓히고 행성의 기원과 진화 연구에 기여한다. - 일기 예보 - 미국 국립 허리케인 센터
미국 국립 허리케인 센터는 1898년에 설립되어 열대성 저기압 감시, 예보, 분석을 담당하고 허리케인 관련 연구를 수행하는 미국 환경예보센터의 일부이다. - 일기 예보 - 일기예보
일기 예보는 대기 상태를 예측하는 기술로, 기온, 습도, 바람 등의 데이터를 수집하고 예보자의 경험과 수치 예보 모델, 인공지능 기술을 활용하여 단기, 주간, 장기 예보를 제공하며 항공, 해운, 농업 등 다양한 분야에 활용되고 재해를 예방하는 데 기여한다. - 계산 학문 분야 - 계산물리학
계산물리학은 컴퓨터를 활용하여 물리 현상을 시뮬레이션하고 연구하는 분야이며, 수학적 모형과 수치값을 사용하여 다양한 물리 분야에 적용된다. - 계산 학문 분야 - 화학정보학
화학정보학은 화학, 컴퓨터 과학, 정보 과학을 융합하여 신약 개발에 기여하는 학문 분야이며, 화합물 정보 관리, 가상 스크리닝 등 다양한 분야에 응용된다.
| 수치 예보 | |
|---|---|
| 개요 | |
| 유형 | 대기 및 해양의 수학적 모델 |
| 목적 | 미래의 기상 조건 예측 |
| 분야 | 기상학, 해양학 |
| 관련 항목 | 기후 모델 앙상블 예측 데이터 동화 |
| 역사 | |
| 초기 개척자 | 빌헬름 비예르크네스, 루이스 프라이 리처드슨, 존 폰 노이만 |
| 최초의 컴퓨터 예측 | 1950년, ENIAC |
| 발전 | 수치 모델링 기술 발전 컴퓨터 성능 향상 데이터 동화 기술 발전 |
| 방법 | |
| 기본 원리 | 대기 및 해양의 물리 법칙 (예: 나비에-스토크스 방정식, 열역학 법칙) 초기 조건 (현재 기상 관측 데이터) |
| 과정 | |
| 데이터 동화 | 관측 데이터와 모델 예측 결합 모델 초기 조건 개선 예: 칼만 필터, 3D-Var, 4D-Var |
| 모델 유형 | 전역 모델 (지구 전체) 지역 모델 (특정 지역) 대기 모델 해양 모델 결합 모델 (대기와 해양 상호 작용 고려) |
| 과제 및 한계 | |
| 초기 조건 민감성 | 카오스 이론 (작은 변화가 큰 결과 초래) |
| 모델 불확실성 | 물리 과정의 불완전한 표현 수치 오차 |
| 계산 비용 | 고해상도 모델은 많은 계산 자원 필요 |
| 개선 노력 | |
| 모델 해상도 향상 | 더 자세한 지형 및 기상 현상 표현 |
| 물리 과정 개선 | 구름, 강수, 복사 과정 등에 대한 이해도 향상 |
| 앙상블 예측 | 여러 모델 또는 초기 조건을 사용하여 예측 불확실성 평가 확률론적 예측 정보 제공 |
| 슈퍼컴퓨터 활용 | 더 복잡하고 정확한 모델 실행 |
| 활용 분야 | |
| 기상 예보 | 단기, 중장기 예보 일반 대중, 농업, 항공, 해양 등 다양한 분야에 활용 |
| 기후 변화 연구 | 미래 기후 시나리오 예측 |
| 재해 예측 및 대비 | 태풍, 홍수, 가뭄 등 자연재해 예측 재해 발생 가능성 평가 및 대비 |
| 환경 연구 | 대기 질 모델링, 오염 물질 확산 예측 |
| 관련 기술 | |
| 슈퍼컴퓨터 | 고성능 컴퓨터를 이용한 대규모 계산 수행 |
| 데이터 동화 | 관측 자료와 예측 모델을 융합하는 기술 |
| 수치 해석 | 미분 방정식 등 수학 모형을 이산화하여 해를 구하는 방법 |
| 병렬 컴퓨팅 | 여러 개의 프로세서를 사용하여 계산 속도 향상 |
| 기타 | |
| 참고 자료 | 기상청 국립기상과학원 국립해양조사원 |
2. 역사
수치 기상 예측은 대기와 해양의 수학적 모델을 사용하여 현재 기상 조건을 기반으로 날씨를 예측하는 방법이다. 1920년대에 처음 시도되었지만, 1950년대 컴퓨터 시뮬레이션이 등장하고 나서야 현실적인 결과를 얻었다. 라디오존데, 기상 위성 및 기타 관측 시스템에서 중계된 현재 기상 관측을 입력으로 사용하여 전 세계 여러 국가에서 수많은 글로벌 및 지역 예측 모델이 실행된다.
동일한 물리적 원리를 기반으로 하는 수학적 모델을 사용하여 단기 일기 예보 또는 장기 기후 예측을 생성할 수 있는데, 후자는 기후 변화를 이해하고 예측하는 데 널리 적용된다. 지역 모델의 개선으로 열대 저기압 경로 및 대기 질 예측이 크게 향상되었다. 그러나 대기 모델은 산불과 같이 상대적으로 제한된 지역에서 발생하는 처리 프로세스에서는 제대로 수행되지 않는다.
방대한 데이터 세트를 조작하고 현대 수치 기상 예측에 필요한 복잡한 계산을 수행하려면 세계에서 가장 강력한 슈퍼컴퓨터가 필요하다. 슈퍼컴퓨터의 성능이 향상됨에도 불구하고 수치 기상 모델의 예측 기술은 약 6일까지만 확장된다. 수치 예측의 정확성에 영향을 미치는 요소에는 수치 모델 자체의 결함과 함께 예측에 대한 입력으로 사용되는 관측치의 밀도 및 품질이 포함된다. 수치 예측의 오류 처리를 개선하기 위해 모델 출력 통계(MOS)와 같은 후처리 기술이 개발되었다.
보다 근본적인 문제는 대기를 설명하는 편미분 방정식의 혼란스러운 성격에 있다. 이러한 방정식을 정확하게 푸는 것은 불가능하며 시간이 지남에 따라 작은 오류가 증가한다(약 5일마다 두 배로 증가). 현재 이해되는 바는 이러한 혼란스러운 행동이 정확한 입력 데이터와 완벽한 모델을 사용하더라도 정확한 예측을 약 14일로 제한한다는 것이다. 또한 모델에 사용된 편미분 방정식은 태양 복사, 습윤 과정(구름 및 강수), 열 교환, 토양, 식생, 지표수 및 지형 효과에 대한 매개변수화로 보완되어야 한다.
1990년대부터는 수치 예측에 남아 있는 많은 양의 고유한 불확실성을 정량화하려는 노력의 일환으로, 앙상블 예보가 예측에 대한 신뢰도를 측정하는 데 도움을 주고 가능한 것보다 더 먼 미래에 유용한 결과를 얻기 위해 사용되었다. 이 접근 방식은 개별 예측 모델 또는 여러 모델을 사용하여 생성된 여러 예측을 분석한다.
컴퓨터가 더 강력해짐에 따라, 초기 데이터 세트의 크기가 증가하고 새로운 대기 모델이 추가된 사용 가능한 컴퓨팅 파워를 활용하기 위해 개발되었다. 이러한 새로운 모델은 대기의 수치 시뮬레이션에서 운동 방정식의 단순화에 더 많은 물리적 과정을 포함한다.[5] 1966년, 서독과 미국은 원시 방정식 모델을 기반으로 운영 예보를 생산하기 시작했고, 그 뒤를 1972년 영국, 1977년 호주가 따랐다.[2][11] 1980년대 초에는 모델이 토양과 식생이 대기와 상호 작용하는 것을 포함하기 시작하여 더욱 현실적인 예보를 가능하게 했다.[14]
수치 예보의 개념은 1922년 루이스 프라이 리처드슨에 의해 제시되었지만, 실현에는 막대한 계산 비용이 필요했기 때문에, 실용화된 것은 고속 컴퓨터가 사용되게 된 1950년대였다. 기상 변화는 물리 현상이므로, 객관적으로 특정 시점의 대기 상태를 기술할 수 있다면, 미래의 대기 상태를 결정론적으로 유도할 수 있을 것이다. 그 중심이 되는 원리는 유체 역학의 나비에-스토크스 방정식이다. 수평 방향의 상태 변화로서는, 이 식이 가장 중요한 역할을 하지만, 비선형 미분 방정식이며, 카오스 이론으로 설명되는 것과 같은 거동을 보이며, 현실적으로는 미래 영겁의 상태를 알 수 있는 것은 아니다. 연직 방향의 상태 변화는 기압 경도력과 중력의 균형 방정식이 중심이 된다. 이 외에도, 질량 보존의 법칙, 에너지 보존의 법칙, 수증기 보존의 법칙, 상태 방정식을 사용한다.
2. 1. 초기 발전
수치 예보의 역사는 1920년대 빌헬름 비에르크네스(Vilhelm Bjerknes)가 개발한 절차를 사용한 루이스 프라이 리처드슨(Lewis Fry Richardson)의 노력으로 시작되었는데, 그는 손으로 중앙 유럽의 두 지점의 대기 상태에 대한 6시간 예보를 생성하는 데 적어도 6주가 걸렸다.[1][2][3] 컴퓨터와 컴퓨터 시뮬레이션이 등장하고 나서야 계산 시간이 예측 기간보다 짧아졌다. ENIAC은 대기 지배 방정식을 매우 단순화하여 근사한 것을 기반으로 1950년에 최초의 컴퓨터 기상 예보를 만드는 데 사용되었다.[50][4] 1954년, 카를 구스타프 로스비(Carl-Gustav Rossby)의 스웨덴 기상 수문 연구소(Swedish Meteorological and Hydrological Institute) 연구진은 동일한 모델을 사용하여 최초의 운영 예보(즉, 실용적인 사용을 위한 일상적인 예측)를 생산했다.[5]
2. 2. 운영 모델의 등장
수치 예보의 역사는 1920년대 빌헬름 비에르크네스(Vilhelm Bjerknes)가 개발한 절차를 사용한 루이스 프라이 리처드슨(Lewis Fry Richardson)의 노력으로 시작되었는데, 그는 손으로 중앙 유럽의 두 지점의 대기 상태에 대한 6시간 예보를 생성하는 데 적어도 6주가 걸렸다.[1][2][3] 컴퓨터와 컴퓨터 시뮬레이션이 등장하고 나서야 계산 시간이 예측 기간보다 짧아졌다. ENIAC는 대기 지배 방정식을 매우 단순화하여 근사한 것을 기반으로 1950년에 최초의 컴퓨터 기상 예보를 만드는 데 사용되었다.[50][4] 1954년, 카를 구스타프 로스비(Carl-Gustav Rossby)의 스웨덴 기상 수문 연구소(Swedish Meteorological and Hydrological Institute) 연구진은 동일한 모델을 사용하여 최초의 운영 예보(즉, 실용적인 사용을 위한 일상적인 예측)를 생산했다.[5] 미국에서의 운영 수치 예보는 미국 공군, 해군, 기상청의 공동 프로젝트인 합동 수치 기상 예보 부서(JNWPU)에서 1955년에 시작되었다.[6] 1956년, 노먼 필립스(Norm Phillips)는 대류권의 월별 및 계절별 패턴을 현실적으로 묘사할 수 있는 수학적 모델을 개발했는데, 이 모델은 최초의 성공적인 기후 모델이 되었다.[7][8]2. 3. 전 지구 순환 모델 개발
1960년대 후반, 미국 해양대기청(NOAA) 지구 물리 유체 역학 연구소(Geophysical Fluid Dynamics Laboratory)에서 해양과 대기 과정을 결합한 최초의 전 지구 순환 기후 모델을 개발했다.[10]2. 4. 지역 모델 및 통계 기법 발전
1970년대와 1980년대에 제한된 지역(지역) 모델 개발은 열대 저기압 경로와 대기 질 예측에 발전을 가져왔다.[12][13] 대기 역학 기반 예보 모델 출력은 지구 표면 근처 날씨에 대한 세부 사항을 명확히 나타낼 수 없었다. 따라서 수치 기상 모델 출력과 지상에서의 실제 관측값 사이의 통계적 관계를 보정하는 기법이 1970년대와 1980년대에 개발되었는데, 이를 모델 출력 통계(MOS)라고 한다.[54][15]2. 5. 앙상블 예보 도입
1990년대부터 모델 앙상블 예보가 예보 불확실성을 정의하고 수치 기상 예보가 가능한 기간을 확장하는 데 사용되었다.[65][64][66] 앙상블 예보는 개별 예측 모델 또는 여러 모델을 사용하여 생성된 여러 예측을 분석하는 방식이다.앙상블 예보는 초기값의 오차를 평가하기 위해 오차 범위 내에서 몇 개의 초기 모델을 생성하고, 각각에 대해 수치 예보를 수행하여 오차의 영향을 평가하면서 날씨를 예측하는 기법이다.
수치 예보에서는 초기값의 미세한 오차가 시간이 지남에 따라 증폭되므로, 의도적인 오차를 가진 여러 종류의 다른 초기값으로 계산을 시작한 예측 결과를 구한다. 그리고 그 여러 종류의 결과의 평균값을 예상 기압 배치로 이용하거나, 계산 결과의 확산(스프레드)에 따라 예보의 확실성을 구하는 등의 방법으로 예보에 활용하고 있다.
기상청에서는 앙상블 예보를 다음과 같이 도입하였다.
| 예보 종류 | 도입 시기 |
|---|---|
| 1개월 예보 | 1996년 3월 |
| 주간 날씨 예보 | 2001년 3월 |
| 3개월 예보 | 2003년 3월 |
| 계절 예보 | 2003년 9월 |
| 이상 기후 조기 경보 정보 | 2008년 3월 |
수치 예보는 대기와 해양의 움직임을 나타내는 수학적 모델을 사용하여 현재 날씨를 바탕으로 미래 날씨를 예측하는 방법이다. 1920년대에 처음 시도되었지만, 1950년대 컴퓨터 시뮬레이션이 등장하고 나서야 현실적인 결과를 얻을 수 있었다.
주간 날씨 예보의 확실성은 A~C의 신뢰도로 발표되며, 기상청 홈페이지에서 확인할 수 있다.
3. 수치예보의 원리
수치 예보는 유체 역학과 열역학 방정식을 사용하여 대기의 상태를 추정한다. 세계 기상 기구(WMO)는 전 세계적인 관측 장비 표준화, 관측 관행 및 시기를 관리하며, 각국의 기상청은 라디오존데, 기상 위성 등으로부터 관측 자료를 받아 수치 모델에 입력한다. 수치 모델은 기본 방정식을 통해 대기의 밀도, 압력, 온도, 바람 등을 시간 경과에 따라 계산한다.
그러나 대기를 설명하는 방정식은 매우 복잡하고, 작은 오차도 시간이 지나면서 커지기 때문에 정확한 예측은 제한적이다. 이러한 문제를 해결하기 위해 1990년대부터 앙상블 예측 기법이 사용되고 있다. 앙상블 예측은 여러 개의 예측 모델을 사용하여 예측의 불확실성을 정량화하고, 예측의 신뢰도를 높이는 방법이다.
수치 모델은 대기의 모든 현상을 완벽하게 표현할 수 없기 때문에, 규모가 작거나 복잡한 현상은 매개변수화라는 방법을 통해 간접적으로 표현한다. 예를 들어, 적운과 같은 작은 구름은 직접 표현하기 어렵기 때문에, 모델 격자 내에서 발생하는 대류 현상 등을 고려하여 간접적으로 표현한다.
3. 1. 기본 방정식
대기는 유체이므로, 수치 예보는 주어진 시간에 유체의 상태를 측정하고 유체 역학과 열역학 방정식을 사용하여 미래 특정 시점의 유체 상태를 추정한다.[16] 현대의 모든 모형에는 미래의 대기 상태를 예측하는 데 사용되는 기본 방정식이라고 하는 일련의 방정식이 있다.[29] 이 방정식은 이상 기체 법칙과 함께 대기의 밀도, 압력, 잠재 온도 스칼라장과 공기 속도 (바람) 벡터장을 시간 경과에 따라 변화시키는 데 사용된다.[30]
수치 모델에 사용되는 주요 기본 방정식은 다음과 같다.
이 방정식들은 비선형 시스템 편미분 방정식으로, 몇 가지 이상화된 경우를 제외하고는 분석적 방법을 통해 정확하게 풀 수 없다.[31][32] 따라서, 수치적 방법으로 근사해를 구한다. 다양한 모형은 서로 다른 해법을 사용하는데, 일부 전구 모형과 거의 모든 지역 모형은 세 가지 공간 차원 모두에 대해 유한 차분법을 사용하고, 다른 전구 모형과 몇몇 지역 모형은 수평 차원에 대해 스펙트럼 기법을 사용하고 수직 차원에 대해 유한 차분법을 사용한다.[31]
이러한 방정식은 분석 데이터에서 초기화되고 변화율이 결정된다. 이러한 변화율은 미래의 짧은 시간에 대기 상태를 예측한다. 이 예측에 대한 시간 증분은 ''시간 단계''라고 한다. 이 미래의 대기 상태는 예측 방정식을 다시 적용하여 새로운 변화율을 찾기 위한 시작점으로 사용되며, 이러한 새로운 변화율은 미래의 또 다른 시간 단계에서 대기를 예측한다. 이 시간 단계는 해가 원하는 예측 시간에 도달할 때까지 반복된다. 모형 내에서 선택된 시간 단계의 길이는 계산 격자상의 점 사이의 거리에 관련되어 있으며, 수치적 안정성을 유지하도록 선택된다.[33]
3. 2. 초기화
대기는 유체이므로, 수치 예보에서는 주어진 시간에 유체의 상태를 측정하고 유체 역학과 열역학 방정식을 사용하여 미래의 특정 시점에 유체의 상태를 추정한다. 관측 데이터를 모델에 입력하여 초기값 문제를 생성하는 과정을 ''초기화''라고 한다. 육상에서는 전 세계적으로 지형도를 사용하여 산악 지형의 지역 내 대기 순환을 모델링하여 하강풍, 산악파 및 입사 태양 복사에 영향을 미치는 관련 구름과 같은 특징을 더 잘 묘사한다.[16] 국가별 기상청의 주요 입력 사항은 다양한 대기 매개변수를 측정하여 고정된 수신기로 전송하는 기상 관측 기구(라디오존데)의 관측과 기상 위성의 관측이다. 세계 기상 기구(WMO)는 이러한 관측의 전 세계적인 장비 표준화, 관측 관행 및 시기를 수행한다. 관측소는 METAR 보고서에서 매시간[17] 또는 SYNOP 보고서에서 6시간마다 보고한다.[18] 이러한 관측은 불규칙하게 간격이 떨어져 있으므로 자료 동화 및 객관적인 분석 방법을 통해 처리되어 품질 관리를 수행하고 모델의 수학적 알고리즘에서 사용할 수 있는 위치의 값을 얻는다.[19] 그런 다음 데이터는 예보의 시작점으로 모델에서 사용된다.[20]
수치 모델에 사용할 관측 데이터를 수집하기 위해 다양한 방법이 사용된다. 기상 관측소는 대류권을 통과하여 성층권까지 올라가는 기상 관측 풍선을 발사한다.[21] 기존 데이터 소스를 사용할 수 없는 경우 기상 위성의 정보를 사용한다. 상업 기관은 항공기 경로를 따라 조종사 보고를[22] 제공하고 해운 경로를 따라 선박 보고를[23] 제공한다. 연구 프로젝트는 기상 정찰 열대 저기압과 같은 관심 있는 기상 시스템 내외부를 비행하기 위해 정찰기를 사용한다.[24][25] 정찰기는 또한 추후 3~7일 이내에 하류 대륙에 상당한 불확실성을 유발하거나 큰 영향을 미칠 것으로 예상되는 시스템에 대해 추운 계절에 열린 해역 위를 비행한다.[26] 해빙은 1971년에 예보 모델에서 초기화되기 시작했다.[27] 해수면 온도를 모델 초기화에 포함시키려는 노력은 태평양의 고위도 지역에서 날씨를 조절하는 역할 때문에 1972년에 시작되었다.[28]
수치 예보를 수행하기 위해서는 모든 격자점에서 초기 시각의 기온, 기압, 풍속, 습도 등의 초기값을 제공해야 한다. 현실적인 제약으로 인해 초기값은 격자점에서의 값이 아닌, 아메다스나 기상대 등 공간적으로 무작위하게 분포된 관측점에서 얻어진다. 육상의 지표 부근에서는 정보가 밀집되어 있지만, 해상이나 대기 상층의 관측 데이터는 상당히 희박하다. 이러한 무작위 분포 데이터로부터 균일한 격자점 값을 얻기 위한 작업을 '''객관 분석'''이라고 한다.
객관 분석을 통해 초기 시각의 격자점 값을 얻더라도 필연적으로 미세한 오차가 포함된다. 이 때문에 수치 예보의 결과는 카오스 이론적인 변화를 보인다. 이는 1963년에 기상학자 로렌츠가 발견한 거동과 다름없다.
3. 3. 계산
대기 모델은 주어진 위치와 고도에서 미래의 시간에 대한 기상학 정보를 생성하는 컴퓨터 프로그램이다. 현대의 모든 모델에는 미래의 대기 상태를 예측하는 데 사용되는 기본 방정식이라고 하는 일련의 방정식이 있다.[29] 이 방정식은 이상 기체 법칙과 함께 대기의 밀도, 압력, 잠재 온도 스칼라장과 공기 속도(바람) 벡터장을 시간 경과에 따라 변화시키는 데 사용된다. 일부 기본 방정식 고해상도 모델에는 오염 물질 및 기타 에어로졸에 대한 추가 수송 방정식도 포함되어 있다.[30]
사용되는 방정식은 비선형 시스템 편미분 방정식으로, 몇 가지 이상화된 경우를 제외하고는 분석적 방법을 통해 정확하게 풀 수 없다.[31][32] 따라서, 수치적 방법으로 근사해를 구한다. 다양한 모델은 서로 다른 해법을 사용한다. 일부 전구 모델과 거의 모든 지역 모델은 세 가지 공간 차원 모두에 대해 유한 차분법을 사용하고, 다른 전구 모델과 몇몇 지역 모델은 수평 차원에 대해 스펙트럼 기법을 사용하고 수직 차원에 대해 유한 차분법을 사용한다.[31]
이러한 방정식은 분석 데이터에서 초기화되고 변화율이 결정된다. 이러한 변화율은 미래의 짧은 시간에 대기 상태를 예측한다. 이 예측에 대한 시간 증분을 '시간 단계'라고 한다. 이 미래의 대기 상태는 예측 방정식을 다시 적용하여 새로운 변화율을 찾기 위한 시작점으로 사용되며, 이러한 새로운 변화율은 미래의 또 다른 시간 단계에서 대기를 예측한다. 이 시간 단계는 해가 원하는 예측 시간에 도달할 때까지 반복된다.
모델 내에서 선택된 시간 단계의 길이는 계산 격자상의 점 사이의 거리에 관련되어 있으며, 수치적 안정성을 유지하도록 선택된다.[33] 전구 모델의 시간 단계는 수십 분 정도이며,[34] 지역 모델의 시간 단계는 1분에서 4분 사이다.[35] 전구 모델은 미래의 다양한 시간에 실행된다. UKMET 통합 모형(Unified Model)은 6일 후까지 실행되며,[36] 유럽 중기 예보 센터(European Centre for Medium-Range Weather Forecasts)의 통합 예측 시스템(Integrated Forecast System)과 캐나다 환경부(Environment Canada)의 전구 환경 다중 규모 모형(Global Environmental Multiscale Model)은 모두 10일 후까지 실행되며,[37] 환경 모형 센터(Environmental Modeling Center)에서 실행하는 전구 예보 시스템(Global Forecast System) 모델은 16일 후까지 실행된다.[38]
3. 4. 매개변수화
일부 기상 과정은 규모가 너무 작거나 복잡하여 수치 예보 모델에 명시적으로 포함될 수 없다. ''매개변수화''는 이러한 과정을 모델이 해결하는 규모의 변수와 관련시켜 나타내는 절차이다. 예를 들어, 날씨 및 기후 모델의 격자 상자는 변의 길이가 5km에서 300km 사이이다. 일반적인 적운의 규모는 1km 미만이며, 유체 운동 방정식으로 물리적으로 표현하려면 이보다 더 미세한 격자가 필요하다. 따라서 이러한 구름이 나타내는 과정은 다양한 정교함의 과정을 통해 매개변수화된다. 초기 모델에서는 모델 격자 상자 내의 공기 기둥이 조건부로 불안정하고(본질적으로 하단이 상단보다 더 따뜻하고 습함) 기둥 내의 어느 지점에서든 수증기 함량이 포화되면 뒤집히고(따뜻하고 습한 공기가 상승하기 시작함), 해당 수직 기둥의 공기가 혼합되었다. 더 정교한 방식은 상자의 일부만 대류될 수 있으며 유입 및 기타 과정이 발생한다는 것을 인식한다. 5km 에서 25km 크기의 격자 상자를 가진 날씨 모델은 대류 구름을 명시적으로 나타낼 수 있지만, 더 작은 규모에서 발생하는 구름 미세물리를 매개변수화해야 한다.[40] 대규모(층운형) 구름의 형성은 물리적으로 더 잘 기반을 두고 있으며, 상대 습도가 지정된 값에 도달하면 형성된다. 구름 분율은 상대 습도의 이 임계값과 관련될 수 있다.[41]
지면에 도달하는 태양 복사량과 구름 방울의 형성은 분자 규모에서 발생하므로 모델에 포함되기 전에 매개변수화되어야 한다. 산에 의해 생성되는 대기 항력도 매개변수화해야 한다. 고도 윤곽의 해상도 제한으로 인해 항력이 상당히 과소 평가되기 때문이다.[42] 이러한 매개변수화 방법은 해양과 대기 사이의 에너지 표면 플럭스에도 적용되어 현실적인 해수면 온도와 해양 표면 근처에서 발견되는 해빙 유형을 결정한다.[43] 태양 각도와 여러 구름 층의 영향도 고려한다.[44] 토양 유형, 식생 유형 및 토양 수분은 모두 얼마나 많은 복사가 온난화에 사용되고 얼마나 많은 수분이 인접한 대기로 흡수되는지를 결정하므로 이러한 과정에 대한 기여도를 매개변수화하는 것이 중요하다.[45] 대기 질 모델 내에서 매개변수화는 특정 격자 상자 내의 여러 상대적으로 작은 출처(예: 도로, 들판, 공장)에서 발생하는 대기 배출을 고려한다.[46]
4. 수치예보 모델의 종류
수치 예보 모델은 대기와 해양의 수학적 모델을 이용하여 현재 기상 조건을 바탕으로 날씨를 예측한다. 이러한 모델은 예측 대상 영역의 크기, 예측 시간, 대상 유체 등에 따라 여러 종류로 나뉜다.
모델의 수평 도메인은 지구 전체를 다루는 '전역'이거나, 지구의 일부만 다루는 '지역'이다. 지역 모델은 전역 모델보다 더 미세한 격자 간격을 사용하여 더 작은 규모의 기상 현상을 표현할 수 있다. 지역 모델은 경계 조건 지정을 위해 전역 모델을 사용한다. 지역 모델 내의 불확실성과 오류는 지역 모델의 경계 조건에 사용되는 전역 모델뿐만 아니라 지역 모델 자체에 기인하는 오류로 인해 발생한다.[47]
수직 좌표는 다양한 방식으로 처리된다. 루이스 프라이 리처드슨의 1922년 모델은 기하학적 높이()를 수직 좌표로 사용했다. 이후 모델은 기하학적 좌표를 압력 좌표계로 대체했는데, 이 좌표계에서는 등압면의 지위 고도가 종속 변수가 되어 기본 방정식을 크게 단순화했다.[48] 날씨 연구 및 예측 모델과 같은 고해상도 모델은 시그마 좌표라고 하는 정규화된 압력 좌표를 사용하는 경향이 있다.[51]
일반적으로 연속량인 대기의 상태를 이산적인 격자점의 값으로 표현하여, 컴퓨터의 능력에 맞춰 계산을 수행하여 미래의 상태를 얻는다. 격자점 값(grid point value)은 줄여서 '''GPV'''로 표기한다. 이 가상적인 격자점의 조합에, 각종 대기 상태를 나타내는 물리량의 계산식을 조합한 것을 '''수치 예보 모델'''이라고 부른다. 격자점 값 대신, 파수 영역에서 유한한 파수(스펙트럼)로 표현되는 경우도 있다.
4. 1. 영역에 따른 분류
전 지구 모델은 지구 전체를 대상으로 하며, 장기 예보에 적합하다. 영역 모델은 특정 영역을 대상으로 하며, 단기 예보에 적합하고 해상도가 높아 더 상세한 기상 현상을 예측할 수 있다.[47]4. 2. 대상 유체에 따른 분류
4. 3. 특수 목적 모델
특정 현상을 대상으로 하는 모델은 다음과 같다.[1]5. 대한민국의 수치예보
기상청은 1959년 IBM 704를 도입하여 수치 예보 업무를 시작했다.[91]
5. 1. 기상청의 수치예보 모델
기상청에서는 1959년에 대형 컴퓨터 IBM 704를 도입하여 수치 예보 업무를 시작했다.[91]2019년 12월 현재, 기상청은 다음과 같은 주요 수치 예보 모델을 계산하여 그 결과를 외부에 제공하고 있다.[91]
| 모델명 | 예보 영역 | 수평 격자점 간격 | 연직층 수 | 예보 기간 | 계산 빈도 |
|---|---|---|---|---|---|
| 국지 모델(LFM) | 일본 주변 | 2km | 58층 | 10시간 | 24회/일 |
| 메소 모델(MSM) | 5km | 76층 | 39시간 51시간 | 6회/일 2회/일 | |
| 메소 앙상블 모델(MEPS) | 5km | 76층 | 39시간 × 21 멤버 | 4회/일 | |
| 전구 모델(GSM) | 지구 전체 | 20km | 100층 | 132시간 264시간 | 3회/일 1회/일 |
| 전구 앙상블 예보 모델(GEPS) | 40km 40km 55km 40km | 264시간 × 27 멤버 432시간 × 13 멤버 816시간 × 13 멤버 132시간 × 27 멤버 | 2회/일 2회/일 화・수만 2회/일 태풍 발생 시만 2회/일 | ||
| 3개월 앙상블 예보 모델 | 110km | 60층 | 120일 × 51 멤버 | 1회/월 | |
| 난한기 앙상블 예보 모델 | 150〜210일 × 51 멤버 | 1회/월(2, 3, 4, 9, 10월) |
또한, 이 외에 기상연구소/수치예보과 비정역학 모델(MRI/NPD-NHM), 엘니뇨 예측 모델 등이 있으며 예보에도 이용되고 있다.
5. 2. 앙상블 예보
1996년 3월부터 1개월 예보에 앙상블 예보가 도입되었고, 2001년 3월부터는 주간 날씨 예보, 2003년 3월부터는 3개월 예보, 같은 해 9월부터는 계절 예보에 채용되었다. 2008년 3월부터는 이상 기후 조기 경보 정보가 새롭게 시작되었다.수치 예보에서는 초기값의 미세한 오차가 시간이 지남에 따라 커지기 때문에, 의도적으로 오차를 포함한 여러 초기값으로 계산을 시작하여 여러 예측 결과를 얻는다. 이 결과들의 평균값을 예상 기압 배치로 사용하거나, 계산 결과의 확산 정도(스프레드)에 따라 예보의 확실성을 파악하는 방식으로 예보에 활용한다.
주간 날씨 예보의 확실성은 A~C 등급으로 발표되며, 기상청 홈페이지에서 확인할 수 있다.
6. 수치예보의 활용
모델 출력 통계(MOS)는 대기 역학 방정식 기반 예보 모델의 한계를 보완하고 예보를 수정하기 위해 사용된다. 1960년대 후반 미국 국립 기상청에서 개발한 MOS는 3차원 필드, 지상 관측, 기후 조건을 기반으로 생성되며, 모델의 편향과 불충분한 격자 해상도로 인해 발생하는 국지적 효과를 수정할 수 있다.[53][54][55] MOS는 최고/최저 기온, 강수 확률, 예상 강수량, 강수가 얼어붙을 확률, 뇌우 확률, 운량, 지상 풍속 등 다양한 예보 매개변수를 포함한다.[57]
6. 1. 대기 질 모델링
대기 오염 예측은 오염 물질의 농도가 공중 보건에 위험한 수준에 도달할 시기를 예측하려고 시도한다. 대기 중 오염 물질의 농도는 대기 중에서의 ''수송''(즉, 평균 이동 속도), 확산, 화학적 변환, 그리고 지표면 침전에 의해 결정된다.[73] 이러한 모델에는 오염 물질의 발생원 및 지형 정보 외에도 대기 중 유체 흐름 상태에 대한 데이터가 필요하며, 이를 통해 수송 및 확산을 결정한다.[74] 기온 역전과 같은 기상 조건은 표면 공기가 상승하는 것을 막아 표면 근처에 오염 물질을 가두는데,[75] 이러한 현상에 대한 정확한 예측은 대기 질 모델링에 매우 중요하다. 도시 대기 질 모델은 매우 정밀한 계산 메쉬가 필요하므로 고해상도 중간 규모 기상 모델을 사용해야 한다. 그럼에도 불구하고 수치 기상 예보의 질이 대기 질 예측의 주요 불확실성이다.[74]6. 2. 기후 모델링
일반 순환 모델(GCM)은 행성 대기 또는 해양의 전 지구적 순환을 컴퓨터로 시뮬레이션하는 데 사용되는 수학 모델이다. 대기 일반 순환 모델(AGCM)은 전 지구 수치 일기 예보 모델과 본질적으로 동일하며, 일부 모델은 단기 일기 예보와 장기 기후 예측 모두에 사용될 수 있다. AGCM 및 해양 GCM(OGCM)은 해빙 및 육지 표면 구성 요소와 함께 전 지구 기후 모델의 핵심 구성 요소이며, 기후를 이해하고 기후 변화를 예측하는 데 널리 사용된다. 기후 변화와 관련하여, 다양한 인위적인 화학 물질 배출 시나리오를 기후 모델에 입력하여 강화된 온실 효과가 지구의 기후를 어떻게 변화시킬지 확인할 수 있다.[76] 수십 년에서 수 세기에 이르는 시간 규모의 기후 응용을 위해 설계된 버전은 1969년 프린스턴 대학교 지구 유체 역학 연구소의 마나베 슈쿠로와 커크 브라이언에 의해 개발되었다.[77] 수십 년 동안 실행될 경우, 계산상의 한계로 인해 모델은 더 작은 규모의 상호 작용을 해결하지 못하는 거친 격자를 사용해야 한다.[78]6. 3. 열대 저기압 예측
열대 저기압 예측은 수치 기상 모델에서 제공하는 데이터에도 의존한다. 열대 저기압 지침 모델에는 세 가지 주요 유형이 존재한다. 통계 모델은 기상학을 사용하여 폭풍의 행동을 분석하고, 폭풍의 위치와 날짜를 연관시켜 당시 대기의 물리학에 기반하지 않은 예측을 생성한다. 역학 모델은 대기 중 유체 흐름의 지배 방정식을 푸는 수치 모델이다. 이는 다른 제한 구역 수치 기상 예측 모델과 동일한 원리에 기반하지만, 사이클론과 함께 이동하는 정교한 공간 도메인과 같은 특수한 계산 기술을 포함할 수 있다. 두 가지 접근 방식의 요소를 모두 사용하는 모델을 통계 역학 모델이라고 한다.[82]1978년에 대기 역학에 기반한 최초의 허리케인 추적 모델인 가변 정밀 격자(MFM) 모델이 작동하기 시작했다.[12] 열대 저기압 진로 예측 분야에서, 증가된 계산 능력으로 역학 모델 지침이 계속 개선되었음에도 불구하고, 1980년대에 수치 기상 예측이 기술을 보여주었고, 1990년대에 들어서야 일관되게 통계적 또는 단순 역학 모델보다 더 나은 성능을 보였다.[83] 수치 기상 예측에 기반한 열대 저기압 강도 예측은 여전히 어려운 과제로 남아 있는데, 통계적 방법이 역학적 지침보다 더 높은 기술을 계속 보여주기 때문이다.[84]
6. 4. 산불 모델링
분자 수준에서, 셀룰로스 또는 목재 연료의 산불 분해와 관련된 두 가지 주요 경쟁 반응 과정이 있다. 셀룰로스 섬유에 수분량이 적을 때는 연료의 휘발이 발생한다. 이 과정은 궁극적으로 연소의 원인이 되는 중간 기체 생성물을 생성한다. 수분이 존재하거나 섬유에서 충분한 열이 빠져나갈 때는 탄화가 발생한다. 두 반응의 화학 반응 속도는 수분 수준이 충분히 낮고(또는 가열 속도가 충분히 높아서) 연소 과정이 자급자족하게 되는 지점이 있음을 나타낸다. 결과적으로, 대기 중 다른 수준에서의 풍속, 방향, 습도, 온도 또는 기온 감률의 변화는 산불의 행동과 성장에 상당한 영향을 미칠 수 있다. 산불은 대기 흐름에 열원으로 작용하므로 산불은 국지적인 대류 패턴을 수정하여 화재와 대기 사이의 피드백 루프를 도입할 수 있다.[85]
풍속과 지형의 영향을 나타내기 위해 대류를 사용하고, 열 복사를 열 전달의 지배적인 방법으로 사용하는 산불 확산에 대한 단순화된 2차원 모델은 편미분 방정식의 반응-확산 시스템으로 이어졌다.[86][87] 더 복잡한 모델은 수치 기상 모델 또는 전산 유체 역학 모델을 산불 구성 요소와 결합하여 화재와 대기 사이의 피드백 효과를 추정할 수 있게 한다.[85] 후자 종류의 모델에서 추가적인 복잡성은 해당 모델의 컴퓨터 성능 요구 사항의 증가로 이어진다. 실제로, 대기 모델링과 관련된 규모에서 직접 수치 시뮬레이션을 통한 연소의 완전한 3차원 처리는 이러한 시뮬레이션에 필요한 과도한 계산 비용으로 인해 현재 실용적이지 않다. 수치 기상 모델은 1km 미만의 공간 해상도에서 예측 기술이 제한적이므로, 복잡한 산불 모델은 바람이 산불에 의해 국지적으로 어떻게 수정될지 계산하기 위해 화재를 매개변수화하고, 이러한 수정된 바람을 사용하여 화재가 국지적으로 확산되는 속도를 결정해야 한다.[88][89][90]
7. 수치예보의 한계 및 개선 방향
수치 기상 예측(수치예보)은 대기와 해양의 수학적 모델을 사용하여 현재 기상 조건을 바탕으로 날씨를 예측한다. 1920년대에 처음 시도되었지만, 1950년대 컴퓨터 시뮬레이션이 등장하고 나서야 현실적인 결과를 얻었다.
수치 모델은 단기 일기 예보뿐만 아니라 장기 기후 예측에도 활용되며, 기후 변화를 이해하고 예측하는 데 널리 쓰인다. 지역 모델의 개선으로 열대 저기압 경로 및 대기질 예측이 크게 향상되었지만, 산불과 같이 제한된 지역에서 발생하는 현상은 대기 모델로 정확히 예측하기 어렵다.
방대한 데이터를 처리하고 복잡한 계산을 수행하기 위해 세계에서 가장 강력한 슈퍼컴퓨터가 필요하다. 슈퍼컴퓨터의 성능 향상에도 불구하고 수치 기상 모델의 예측 기술은 약 6일까지만 확장된다. 이는 대기 모델 자체의 결함, 예측에 사용되는 관측치의 밀도 및 품질, 대기 방정식의 혼란스러운 성격 등 여러 요인 때문이다.
수치 예측의 오류를 개선하기 위해 모델 출력 통계(MOS)와 같은 후처리 기술이 개발되었다.[53] 또한, 예측의 신뢰도를 측정하고 가능한 범위보다 더 먼 미래에 유용한 결과를 얻기 위해 1990년대부터 앙상블 예보가 사용되고 있다.[65][64][66]
7. 1. 정확도의 한계
대기 방정식의 혼란스러운 특성으로 인해 장기 예측은 본질적으로 어렵다.[58] 초기 입력 데이터의 오차는 시간이 지남에 따라 증폭되어 예측 정확도를 저하시킨다(약 5일마다 두 배로 증가).[58] 관측 네트워크의 불충분한 적용 범위는 초기 조건의 불확실성을 초래한다. 예를 들어, 태평양과 같은 넓은 수역에서는 관측 데이터가 부족하여 대기의 실제 초기 상태를 정확하게 파악하기 어렵다.[63] 이러한 불확실성은 예측 모델의 정확도를 약 5~6일 정도로 제한한다.[59][60]슈퍼컴퓨터의 성능 향상에도 불구하고, 수치 예보 모델의 예측 기술은 약 6일 정도로 제한된다. 이는 대기를 설명하는 방정식의 혼란스러운 성격과 초기 조건의 불확실성 때문이다.
수치 예측의 정확성에 영향을 미치는 요소는 다음과 같다.
- 수치 모델 자체의 결함
- 예측에 사용되는 관측치의 밀도 및 품질
- 대기 방정식의 혼란스러운 성격
- 초기 입력 데이터의 오차
- 관측 네트워크의 불충분한 적용 범위
이러한 요소들로 인해, 현재의 계산 능력으로는 전 지구 모델을 이용한 수치 예보에서 3일 후까지의 예보가 어느 정도 신뢰할 수 있는 범위로 여겨진다.
수치 예측의 오류를 개선하기 위해 모델 출력 통계(MOS)와 같은 후처리 기술이 개발되었다.[53] 또한, 1990년대부터는 예측의 신뢰도를 측정하고, 더 먼 미래의 결과를 얻기 위해 앙상블 예보가 사용되고 있다.[65][64][66]
7. 2. 개선 방향
모델 출력 통계(MOS)는 미국 국립 기상청이 1960년대 후반 개발한 후처리 기술로,[53][54][55] 수치 예보 모델의 출력, 지상 관측, 특정 위치의 기후 조건을 기반으로 생성된 통계 모델이다.[57] MOS는 모델의 편향과 불충분한 격자 해상도로 인해 해결할 수 없는 국지적 효과를 수정할 수 있다.[56] MOS를 통해 예측되는 변수에는 최고 및 최저 기온, 강수 확률 및 예상 강수량, 강수 유형, 뇌우 확률, 운량, 지상 풍속 등이 있다.[57]
에드워드 로렌츠는 1963년에 기상 예측과 관련된 유체 역학 방정식의 혼돈적 특성을 발견했다.[58] 초기 입력의 미세한 오차는 5일마다 증폭되어 두 배가 되기 때문에,[58] 장기 예보의 정확도는 제한적이다.[59][60] 이러한 예측 불확실성을 정량화하기 위해 1990년대부터 앙상블 예보가 사용되고 있다. 앙상블 예보는 여러 예측을 분석하여 예측의 신뢰도를 측정하고, 예측 가능한 범위를 확장한다.[65][64][66] 유럽 중기 예보 센터(ECMWF)와 국립 기상 예보 센터는 1992년부터 앙상블 예보를 시작했다.[65][64][66]
앙상블 예보는 단일 모델 기반 접근 방식 외에도, 여러 모델을 결합하여 예측 정확도를 향상시키는 다중 모델 앙상블 예보 방식으로도 활용된다.[71] 다중 모델 앙상블은 모델의 편향을 조정하여 오류를 줄이는 '수퍼앙상블 예보'를 가능하게 한다.[72]
세계 기상 기구의 규정에 따라 관측값이 제공되지만, 초기 시각에서 벗어난 시각의 관측값만 얻을 수 있는 경우도 있기에, 무작위 분포 데이터로부터 균일한 격자점 값을 얻기 위한 '''객관 분석''' 작업이 필요하다. 객관 분석을 통해 초기 시각의 격자점 값을 얻더라도 필연적으로 미세한 오차가 포함된다. 이 때문에 수치 예보의 결과는 카오스 이론적인 변화를 보인다. 이는 1963년에 기상학자 로렌츠가 발견한 거동과 같다.
이 초기값의 오차를 평가하기 위해, 오차 범위 내에서 몇 개의 초기 모델을 생성하고, 각각에 대해 수치 예보를 수행하며, 오차의 영향을 평가하면서 날씨를 예측하는 기법이 앙상블 예보이다.
1996년 3월부터 1개월 예보, 2001년 3월부터 주간 날씨 예보, 2003년 3월부터 3개월 예보, 2003년 9월부터 계절 예보, 2008년 3월부터 이상 기후 조기 경보 정보에 앙상블 예보가 채택되었다.
참조
[1]
논문
Some aspects of the improvement in skill of numerical weather prediction
https://doi.org/10.1[...]
2002
[2]
논문
The origins of computer weather prediction and climate modeling
http://www.rsmas.mia[...]
2010-12-23
[3]
서적
The Emergence of Numerical Weather Prediction
https://archive.org/[...]
Cambridge University Press
[4]
서적
Storm Watchers
https://archive.org/[...]
John Wiley & Sons, Inc.
[5]
논문
2007: 50th Anniversary of Operational Numerical Weather Prediction
2007-05
[6]
웹사이트
Atmospheric General Circulation Modeling
http://www.aip.org/h[...]
2008-01-13
[7]
논문
The general circulation of the atmosphere: a numerical experiment
1956-04
[8]
서적
Storm Watchers
https://archive.org/[...]
John Wiley & Sons, Inc.
[9]
서적
The Emergence of Numerical Weather Prediction
https://archive.org/[...]
Cambridge University Press
[10]
웹사이트
The First Climate Model
http://celebrating20[...]
2011-01-08
[11]
논문
Real-time limited area numerical weather prediction in Australia: a historical perspective
http://www.bom.gov.a[...]
2011-01-03
[12]
논문
History of Numerical Weather Prediction at the National Meteorological Center
1989-09
[13]
서적
Air pollution modeling and its application VIII, Volume 8
Birkhäuser
[14]
논문
Impact of vegetation properties on U. S. summer weather prediction
http://www.geog.ucla[...]
2011-01-06
[15]
서적
Air Weather Service Model Output Statistics Systems
Air Force Global Weather Central
[16]
서적
Parameterization schemes: keys to understanding numerical weather prediction models
https://books.google[...]
Cambridge University Press
[17]
웹사이트
Key to METAR Surface Weather Observations
http://www.ncdc.noaa[...]
National Oceanic and Atmospheric Administration
2008-08-20
[18]
웹사이트
SYNOP Data Format (FM-12): Surface Synoptic Observations
http://weather.unisy[...]
UNISYS
2008-05-25
[19]
논문
Numerical Weather Prediction
1995-01
[20]
웹사이트
The WRF Variational Data Assimilation System (WRF-Var)
http://www.mmm.ucar.[...]
University Corporation for Atmospheric Research
2007-08-14
[21]
웹사이트
Radiosonde Observations and Their Use in SPARC-Related Investigations
http://www.aero.juss[...]
2007-06-07
[22]
논문
Systematic Differences in Aircraft and Radiosonde Temperatures
http://amdar.noaa.go[...]
2011-02-16
[23]
웹사이트
The WMO Voluntary Observing Ships (VOS) Scheme
http://www.vos.noaa.[...]
National Oceanic and Atmospheric Administration
2009-01-28
[24]
웹사이트
The Hurricane Hunters
http://www.hurricane[...]
53rd Weather Reconnaissance Squadron
2006-03-30
[25]
뉴스
Drone, Sensors May Open Path Into Eye of Storm
https://www.washingt[...]
2007-10-08
[26]
웹사이트
NOAA Dispatches High-Tech Research Plane to Improve Winter Storm Forecasts
http://www.noaanews.[...]
2010-11-12
[27]
서적
Parameterization schemes: keys to understanding numerical weather prediction models
https://books.google[...]
Cambridge University Press
[28]
서적
The Global Climate
https://books.google[...]
Cambridge University Press archive
[29]
서적
Mesoscale Meteorological Modeling
https://archive.org/[...]
Academic Press
[30]
서적
Mesoscale Meteorological Modeling
https://archive.org/[...]
Academic Press
[31]
서적
Finite difference schemes and partial differential equations
https://books.google[...]
SIAM
[32]
서적
Mesoscale Meteorological Modeling
https://archive.org/[...]
Academic Press
[33]
서적
Mesoscale Meteorological Modeling
https://archive.org/[...]
Academic Press
[34]
서적
Computational Science – ICCS 2005: 5th International Conference, Atlanta, GA, USA, May 22–25, 2005, Proceedings, Part 1
https://books.google[...]
Springer
[35]
서적
Developments in teracomputing: proceedings of the ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology
https://books.google[...]
World Scientific
[36]
서적
Global Perspectives on Tropical Cyclones: From Science to Mitigation
https://books.google[...]
World Scientific
2011-02-24
[37]
서적
An introduction to dynamic meteorology, Volume 1
https://books.google[...]
Academic Press
2011-02-24
[38]
서적
Famine early warning systems and remote sensing data
https://books.google[...]
Springer
2011-02-24
[39]
서적
Essentials of meteorology: an invitation to the atmosphere
https://books.google[...]
Cengage Learning
[40]
간행물
3.7 Improving Precipitation Forecasts by the Operational Nonhydrostatic Mesoscale Model with the Kain-Fritsch Convective Parameterization and Cloud Microphysics
http://ams.confex.co[...]
2011-02-15
[41]
웹사이트
The Diagnostic Cloud Parameterization Scheme
http://www.atmos.was[...]
University of Washington
2000-09-14
[42]
서적
Parameterization schemes: keys to understanding numerical weather prediction models
https://books.google[...]
Cambridge University Press
[43]
서적
A climate modelling primer
John Wiley and Sons
[44]
서적
Short-wave solar radiation in the earth's atmosphere: calculation, observation, interpretation
https://books.google[...]
Springer
[45]
서적
Parameterization schemes: keys to understanding numerical weather prediction models
https://books.google[...]
Cambridge University Press
[46]
서적
Meteorological and Air Quality Models for Urban Areas
https://books.google[...]
Springer
2011-02-24
[47]
서적
Numerical Weather and Climate Prediction
https://books.google[...]
Cambridge University Press
[48]
서적
The Emergence of Numerical Weather Prediction
https://archive.org/[...]
Cambridge University Press
[49]
서적
Essentials of meteorology: an invitation to the atmosphere
https://books.google[...]
Cengage Learning
[50]
간행물
Numerical Integration of the Barotropic Vorticity Equation
1950-11
[51]
웹사이트
Scientific Documentation for the NMM Solver
http://nldr.library.[...]
National Center for Atmospheric Research
2010-02
[52]
서적
Mesoscale Meteorological Modeling
https://archive.org/[...]
Academic Press
[53]
서적
When nature strikes: weather disasters and the law
https://books.google[...]
Greenwood Publishing Group
[54]
서적
Model output statistics forecast guidance
https://apps.dtic.mi[...]
United States Air Force Environmental Technical Applications Center
[55]
간행물
The Use of Model Output Statistics (MOS) in Objective Weather Forecasting
1972-12
[56]
서적
Fog and boundary layer clouds: fog visibility and forecasting
https://books.google[...]
Springer
2011-02-11
[57]
서적
Atmosphere, weather, and climate
https://books.google[...]
Psychology Press
2011-02-11
[58]
서적
Storm Watchers
https://archive.org/[...]
John Wiley & Sons, Inc.
[59]
웹사이트
The Use of Ensemble Forecasts to Produce Improved Medium Range (3–15 days) Weather Forecasts.
http://www.esrl.noaa[...]
Climate Diagnostics Center
2001-12-01
[60]
간행물
The Skill of ECMWF Medium-Range Forecasts during the Year of Tropical Convection 2008
2010-10
[61]
간행물
Stochastic dynamic prediction
1969-12
[62]
간행물
Theoretical Skill of Monte Carlo Forecasts
1974-06
[63]
웹사이트
Ensemble Prediction Systems
http://www.wpc.ncep.[...]
Hydrometeorological Prediction Center
2006-07-19
[64]
웹사이트
The Ensemble Prediction System (EPS)
http://ecmwf.int/pro[...]
ECMWF
[65]
간행물
Ensemble Forecasting at NCEP and the Breeding Method
1997-12
[66]
간행물
The ECMWF Ensemble Prediction System: Methodology and validation
1996-01
[67]
웹사이트
MOGREPS
http://www.metoffice[...]
Met Office
[68]
간행물
Representing Model Uncertainty in Weather and Climate Prediction
2005-05
[69]
서적
Numerical Weather and Climate Prediction
https://books.google[...]
Cambridge University Press
[70]
웹사이트
Redefining the Ensemble Spread-Skill Relationship from a Probabilistic Perspective
http://www.atmos.was[...]
University of Washington
2004-10
[71]
논문
Fog Prediction From a Multimodel Mesoscale Ensemble Prediction System
http://www.emc.ncep.[...]
2011-01-02
[72]
논문
Multimodel SuperEnsemble technique for quantitative precipitation forecasts in Piemonte region
http://www.nat-hazar[...]
2011-01-02
[73]
서적
Ambient Air Pollution
http://www.envirocom[...]
The Arab School for Science and Technology and The EnviroComp Institute
2011-02-24
[74]
논문
Potential and Shortcomings of Numerical Weather Prediction Models in Providing Meteorological Data for Urban Air Pollution Forecasting
2002-09
[75]
서적
Atmosphere, ocean, and climate dynamics: an introductory text
https://archive.org/[...]
Elsevier Academic Press
[76]
서적
Year book, Australia, Issue 87
https://books.google[...]
2011-02-18
[77]
웹사이트
The First Climate Model
http://celebrating20[...]
National Oceanic and Atmospheric Administration
2010-04-20
[78]
서적
The global climate system: patterns, processes, and teleconnections
https://books.google[...]
Cambridge University Press
2011-02-18
[79]
논문
The numerical simulation of wind-wave interaction
1978-08
[80]
서적
Numerical modeling of water waves
https://books.google[...]
Psychology Press
[81]
논문
Modification of the Physics and Numerics in a Third-Generation Ocean Wave Model
1996-01
[82]
웹사이트
Technical Summary of the National Hurricane Center Track and Intensity Models
http://www.nhc.noaa.[...]
National Oceanic and Atmospheric Administration
2011-02-19
[83]
웹사이트
National Hurricane Center Forecast Verification
http://www.nhc.noaa.[...]
National Hurricane Center
2011-01-02
[84]
논문
Advances and Challenges at the National Hurricane Center
2009-04
[85]
논문
Wildland surface fire spread modelling, 1990–2007. 1: Physical and quasi-physical models
2009-06
[86]
논문
On a wildland fire model with radiation
[87]
논문
A wildfire model with data assimilation
[88]
논문
A coupled atmospheric-fire model: Convective Froude number and dynamic fingering
https://zenodo.org/r[...]
[89]
논문
A coupled atmospheric-fire model: Convective feedback on fire line dynamics
[90]
웹사이트
A mathematical model for predicting fire spread in wildland fires
http://www.fs.fed.us[...]
United States Forest Service
2011-02-28
[91]
웹사이트
수치예보研修テキスト 第52巻 付録A
https://www.jma.go.j[...]
기상청
2020-08-08
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com