Abstract

The accurate simulation of micro-scale weather phenomena such as fog using the mesoscale meteorological models is a very complex task. Especially, the uncertainty arisen from initial input data of the numerical models has a decisive effect on the accuracy of numerical models. The data assimilation is required to reduce the uncertainty of initial input data. In this study, the limitation of the mesoscale meteorological model was verified by WRF (Weather Research and Forecasting) model for a summer fog event around the Nakdong river in Korea. The sensitivity analyses of simulation accuracy from the numerical model were conducted using two different initial and boundary conditions: KLAPS (Korea Local Analysis and Prediction System) and LDAPS (Local Data Assimilation and Prediction System) data. In addition, the improvement of numerical model performance by FDDA (Four-Dimensional Data Assimilation) using the observational data from AWS (Automatic Weather System) was investigated. The result of sensitivity analysis showed that the accuracy of simulated air temperature, dew point temperature, and relative humidity with LDAPS data was higher than those of KLAPS, but the accuracy of the wind speed of LDAPS was lower than that of KLAPS. Significant difference was found in case of relative humidity where RMSE (Root Mean Square Error) for LDAPS and KLAPS was 15.7 and 35.6%, respectively. The RMSE for air temperature, wind speed, and relative humidity was improved by approximately $0.3^{\circ}C$, $0.2m\;s^{-1}$, and 2.2%, respectively after incorporating the FDDA.

중규모 기상 모델을 이용하여 안개와 같은 미세규모 국지현상을 정확히 재현하는 것은 매우 어려운 실정이다. 특히, 수치모델의 초기 입력 자료의 불확도는 수치모델의 예측 정확도에 결정적인 영향을 미치기 때문에 이를 보완하기 위한 자료동화 과정이 요구되어진다. 본 연구에서는 WRF (Weather Research and Forecasting) 모델을 이용하여 낙동강 지역에서 발생한 여름철 안개사례 재현실험을 대상으로 중규모 기상 모델의 한계를 검증하였다. 중규모 기상 모델에서 초기 및 경계장으로 사용되는 KLAPS (Korea Local Analysis and Prediction System)와 LDAPS (Local Data Assimilation and Prediction System) 분석장 자료를 이용하여 수치모델 모의 정확도 민감도 분석을 수행하였다. 또한 AWS (Automatic Weather System) 자료를 이용한 자료동화(Four-Dimensional Data Assimilation)에 의한 수치모델의 정확도 개선 정도를 평가하였다. 초기 및 경계장 민감도 분석 결과에서 LDAPS 자료를 입력 자료로 사용한 경우가 KLAPS 자료 보다 기온과 이슬점온도, 상대습도에서 높은 정확도를 보였고, 풍속은 더 낮은 수준을 나타내었다. 특히, 상대습도에서 LDAPS의 경우는 RMSE (Root Mean Square Error)가 15.9%, KLAPS는 35.6%의 수준을 보여 그 차이가 매우 크게 나타났다. 또한 자료동화를 통하여 기온, 풍속, 상대습도의 RMSE가 각각 $0.3^{\circ}C$, $0.2ms^{-1}$, 2.2% 수준으로 개선되었다.

Keywords

• mesoscale model;
• data assimilation;
• fog;
• initial and boundary condition;
• sensitivity

• 중규모모델;
• 자료동화;
• 안개;
• 초기경계조건;
• 민감도;