A Study on the Method of Producing the 1 km Resolution Seasonal Prediction of Temperature Over South Korea for Boreal Winter Using Genetic Algorithm and Global Elevation Data Based on Remote Sensing

위성고도자료와 유전자 알고리즘을 이용한 남한의 겨울철 기온의 1 km 격자형 계절예측자료 생산 기법 연구

This study suggests a new method not only to produce the 1 km-resolution seasonal prediction but also to improve the seasonal prediction skill of temperature over South Korea. This method consists of four stages of experiments. The first stage, EXP1, is a low-resolution seasonal prediction of temperature obtained from Pusan National University Coupled General Circulation Model, and EXP2 is to produce 1 km-resolution seasonal prediction of temperature over South Korea by applying statistical downscaling to the results of EXP1. EXP3 is a seasonal prediction which considers the effect of temperature changes according to the altitude on the result of EXP2. Here, we use altitude information from ASTER GDEM, satellite observation. EXP4 is a bias corrected seasonal prediction using genetic algorithm in EXP3. EXP1 and EXP2 show poorer prediction skill than other experiments because the topographical characteristic of South Korea is not considered at all. Especially, the prediction skills of two experiments are lower at the high altitude observation site. On the other hand, EXP3 and EXP4 applying the high resolution elevation data based on remote sensing have higher prediction skill than other experiments by effectively reflecting the topographical characteristics such as temperature decrease as altitude increases. In addition, EXP4 reduced the systematic bias of seasonal prediction using genetic algorithm shows the superior performance for temporal variability such as temporal correlation, normalized standard deviation, hit rate and false alarm rate. It means that the method proposed in this study can produces high-resolution and high-quality seasonal prediction effectively.

본 연구에서는 남한영역에 대하여 1 km 고해상도의 계절예측 기온자료를 생산하고, 생산된 예측자료의 성능을 높이는 새로운 방법을 제안하였다. 이 새로운 방법은 총 4가지 단계의 실험으로 구성되어 있다. 첫 번째 단계인 EXP1은 PNU CGCM에서 생산된 저해상도 계절예측 기온자료이며, EXP2는 EXP1의 결과에 역거리 가중법을 적용하여 생산된 남한영역의 1 km 고해상도 계절예측 기온자료이다. EXP3는 EXP2의 결과에서 위성고도자료인 ASTER GDEM을 이용하여 고도에 따른 기온변화를 추정한 후 이를 적용한 계절예측 기온자료이다. 마지막으로 EXP4는 EXP3의 결과에 유전자 알고리즘을 적용하여 모형의 예측결과 내 존재하는 계통적 오차를 보정한 결과이다. EXP1과 EXP2는 남한의 지형적 특성이 전혀 고려되지 않아 다른 실험에 비해 낮은 예측성을 보였으며, 특히 고도가 높은 관측지점에서 두 실험의 예측 성능이 더욱 낮았다. 반면, 위성에서 관측된 고해상도 고도자료가 적용된 EXP3와 EXP4는 고도가 증가함에 따라 기온이 감소하는 특징 등 지형적 특성을 효과적으로 표현하면서 높은 예측성능을 보였다. 특히, 유전자 알고리즘으로 예측값의 계통적 오차가 감소된 EXP4는 다른 실험과 비교하여 시간상관성, 관측으로 정규화된 표준편차, 정답률, 오답률 등 시간에 따른 변동성에 대해서 가장 높은 예측성능을 보였다. 이는 본 연구에서 제안한 새로운 방법을 통해 고해상도 격자의 질 높은 실시간 계절예보 자료를 효과적으로 생산할 수 있음을 의미한다.