▷GIS 자료 처리◁
▷자료동화 (Data assimilation)◁
자료동화란 모델의 초기 입력 자료를 실제 대기에 가깝도록 만들어 주는 과정을 말한다. 보통 이전에 모델이 예측한 기상장을 관측자료로 수정하여 분석장을 계산한다. 종관규모기상학 연구실에서는 자료동화기법(3DVAR, 4DVAR, EnKF, ETKF, 4DEnVAR, ETKF-3DVAR, etc.)을 이용한 기상 현상의 예측성 향상 및 발생 역학 연구, 독자적 자료동화 기술(ROI, ASDA) 개발 연구, 자료동화 알고리즘 기반의 최적관측전략(adaptive observations strategies) 개발 연구 등이 수행되고 있다.
가장 발달한 자료 동화 방법 가운데 하나인 4차원 변분 자료 동화 방법에서는 위 그림에서와 같이 어떠한 시간 간격 내의 배경장 및 관측 자료와의 거리를 최소화하는 과정을 통해 분석장을 계산한다. 4차원 변분 자료 동화 방법은 시•공간적으로 해상도가 높은 비종관 관측 자료의 동화에 적합하나, 배경 오차 공분산을 명시적으로 계산할 수 없다는 한계가 있다. 최근에는 4차원 변분 자료 동화 방법과 앙상블 자료 동화 방법의 장점을 조합한 하이브리드 방법에 대한 연구가 활발하다.
▷수치 예보◁
실제 대기는 비선형적인 불확실성이 존재하기 때문에 이를 명시적으로 표현한 모든 수치예보 모델은 불완전합니다. 이러한 모델이 필연적으로 가지고 있는 불확실성은 하나의 Deterministic run(혹은 Single Forecast)으로는 표현할 수 없기 때문에 Probabilistic forecast로서의 앙상블 예보를 하는 것입니다. 현재 대부분의 앙상블예보시스템은 앙상블 평균예보장의 불확실성을 충분히 나타내지 못합니다. 기존의 태풍 앙상블 예보도 마찬가지로 Initial condition error 만을 고려하여 앙상블을 구성하였기 때문에 예보시간이 증가함에 따라 앙상블 멤버가 True를 포함할 만큼 충분히 표현되지 못하는 문제를 갖고 있습니다. 많은 과학자들은 이 문제를 Model error 를 충분히 표현하지 못한 데서 발생한다고 합니다. 실제예보의 오차는 Initial condition error와 Model error 모두 고려해 주어야하는데, Model error를 충분히 고려하지 않는다면 예보의 질을 떨어트리는 결과를 낳습니다. 본 연구에서는 Model error 를 표현하기 위해 두 가지 Ensemble Scheme, Multi-Physics Scheme 과 SKEBS(Stochastic Kinetic Energy Backscatter Scheme)를 태풍 앙상블예보에 적용시켜 불확실성을 적절히 표현 함으로써 태풍 단기 예보의 정확도향상에 기여하는데 목적이 있습니다.▷기후 변화 연구◁
Impact of harvest on regional climate
It is investigated the impacts of land surface alterations from harvesting practices on the regional surface climate over the North China Plain. The bare soil surface after harvest in June had biophysical impacts on the surface climate that were mediated by decreasing evapotranspiration and latent heat flux effects, which increased surface air temperatures and decreased surface humidity. An increase in shortwave radiation also contributed to the rise in temperatures.