동해 냉수대 발생 예측시스템 개발

Development of Forecast System for the Upwelled Coastal Cold Waters in the Eastern Coast of Korea

Article information

J Coast Disaster Prev. 2022;9(3):207-215
Publication date (electronic) : 2022 July 30
doi : https://doi.org/10.20481/kscdp.2022.9.3.207
Ocean Climate and Ecology Research Division, National Institute of Fisheries Science, Busan, Korea
이준수, 송지영, 박명희, 권미옥, 한인성, 정래홍
국립수산과학원 기후변화연구과
Corresponding author: Joon-Soo Lee, +82-51-720-2231, leejoonsoo@korea.kr
Received 2022 July 20; Accepted 2022 July 22.

Trans Abstract

In this study, a forecast system for the occurrence of cold waters in the eastern coast of Korea was developed by combining the ROMS ocean model and the WRF regional atmospheric model. The 1-day hindcast and 3.5-day forecasts from April 1 to August 31, 2021, successfully reproduced and forecasted the temporal and spatial changes of coastal cold waters. Three case studies with different surface boundary conditions in the ROMS model confirmed that the wind is a primary driver for the occurrence of cold waters in the region. The performance of the ROMS was improved by high-resolution WRF outputs, and through error correction using the water temperature data from the real-time stations, the average RMSE of 9 stations for Forecast Day-3 was 0.73℃, indicating a prossibility of high-precision forecast.

Keywords: Cold water; Upwelling; ROMS; WRF

1. 서 론

연안용승이란 연안에서 바람에 의해 표층 해수가 먼 바다쪽으로 이동하면, 이를 채우기 위해 저층에서 차가운 해수가 올라오는 현상을 말한다. 우리나라에서 연안용승이 발생하는 대표적인 해역은 동해 연안으로, 봄철부터 여름철까지 용승으로 인한 냉수대가 발생한다. 여름철 동해 연안에 출현하는 냉수의 기원에 대해 Kim and Kim(1983)은 우리나라 북쪽 해역부터 경북 영덕 축산까지 남하한 북한한류수가 용승한 것으로 분석하였고, 포항 장기갑과 경주 감포까지도 영향을 미치는 사례가 있음을 설명하였다.

그 동안 우리나라 여름철 동해 연안 냉수대를 발생시키는 원인에 대해 남풍 계열의 바람을 여러 연구에서 지목하였다(Seung, 1974; Lee, 1983; Han et al., 2016; Yoon and Yang, 2016). 냉수대 발생의 다른 원인으로 Lee and Na(1985)는 울기-감포 해역에서 동한난류에 의해 등온선의 경압성 기울어짐(baroclinic tilting)에 따른 연안 저층의 냉수 편중 현상과 더불어, 부산에서 감포에 이르는 평탄한 연안 해저지형도 저층냉수의 용승을 증가시킬 수 있음을 설명한 바 있다. 이 밖에도 Suh et al.(2001)은 수온과 바람 자료의 상관분석과 NOAA(National Oceanic and Atmospheric Administration) 위성 해표면 수온 관측자료를 이용하여 여름철 동해 연안 냉수대의 시공간적 변동특성을 구명하였고, Kim et al.(2010)은 냉수대 발생 해역에서 Chl-a가 고농도로 나타난다는 것을 보였으며, Oh et al.(2004)은 동해 남부 연안 냉수대 발생에 따라 냉수종 식물플랑크톤이 출현함을 보이는 등 냉수대 발생과 관련한 해양 생물학적 영향까지 다양한 연구가 진행되었다. 또한 Kim et al.(2019)은 여름철 동해 연안 풍향과 풍속의 장기 변화를 분석하여 7~8월 여름철 남풍 계열 바람이 장기적으로 감소하고 6월은 증가하여 냉수대 발생 시기가 빨라지고 있음을 보이는 등 기후변화와의 연관성도 밝혀지고 있다. 최근에는 동해 냉수대 발생과 관련한 정량적인 분석에 수치모델이 활용되고 있다. Seo et al.(2017)은 용승류 발생 분포와 용승 유량을 수치실험을 통해 분석하고, 남풍에 비해 남서풍 조건에서 용승 유량이 약 1.5배 크게 나타남을 보였다.

동해 연안 냉수대 발생은 일반적으로 5~8월에 발생하는 것으로 알려져 있으나, 2021년은 이례적으로 빠르게 4월 중순에 냉수대가 발생하였고, 해역별로 냉수대가 고르게 발생하였기 때문에 본 연구의 실험 대상 기간으로 선택하였다. 동해 연안 냉수대 발생에 의한 양식생물 피해를 저감하기 위해 수치모델을 이용하여 동해 연안 냉수대 발생을 정확도 높게 재현하고 예측할 수 있는 시스템을 개발하고자 본 연구를 수행하였다.

2. 자료 및 방법

2.1 동해 연안 냉수대 예측시스템 구성

동해 연안 냉수대 예측시스템을 개발하기 위해 3차원 해수 유동 모델 ROMS(Regional Ocean Modeling System)와 3차원 중규모 기상모델인 WRF(Weather Research & Forecasting)를 이용하였다. ROMS는 수평 좌표계로 Arakawa-C 격자와 유한차분된 직교 곡선 좌표계(Orthogonal-curvilinear coordinate)를 채택하였고(Arakawa and Lamb, 1977), 연직 좌표계로 S-좌표계(Stretched terrain-following coordinate)를 사용한다(Shchepetkin and McWilliams, 2005). 본 연구에서는 ROMS 해양모델에서 Mellor/Yamada Level-2.5 closure scheme 연직 혼합 모수화 기법을 사용하였고(Mellor and Yamada, 1982), 수평 확산계수는 Smagorinsky 방법을 이용하여 지형 특성 및 수평 응력을 고려하여 계산하도록 하였다(Smagorinsky, 1963). 수평 이류항과 수직 이류항은 각각 3차 upstream 기법과 4차 중앙 차분법을 이용하여 계산하였다.

대기모델로 선정한 WRF 모델은 미국 UCAR/NCAR(University Corporation for Atmospheric Research/National Centers for Atmospheric Research)에서 기상예측을 위해 개발한 수치모델로 압축성 비정역학모델이다. 수평격자는 Arakawa-C, 연직 격자로는 Eulerian 질량 좌표계를 사용한다(Skamarock and Klemp, 2007). 본 연구에서는 WRF 4.0.1 버전(WRF-ARW)을 사용하였으며, 모델의 물리모수화 방안은 미세물리 방안으로 WDM6(WRF Double-moment 6-class scheme)(Lim and Hong, 2010), 경계층 모수화는 YSU(Yonsei University scheme)(Hong et al., 2006), 장파복사는 RRTM(Rapid Radiative Transfer Model) (Malwer et al., 1997), 단파복사는 Dudhia 기법(Dudhia, 1989), 적운모수화 과정은 shallow convection을 포함하는 Kain-Fristch 기법(Kain, 2004)을 사용하였다.

ROMS 해양모델의 영역은 우리나라 동해를 포함하는 영역(127.583~133.55°E/34.817~39.283°N)으로 설정하였으며, WRF 대기모델의 영역은 한반도를 중심으로 성긴 격자점과 상세 격자점간의 상호작용을 반영하는 양방향 둥지격자(Two-way nesting) 기법을 이용하여 2개 도메인(D1, D2)으로 구성하고 D2 영역이 해양모델과 일치하도록 구성하였다(Fig. 1). WRF 모델 D1 도메인의 수평해상도는 1/10°×1/10°이고, 해양모델과 대기모델 D2 도메인의 수평해상도는 1/30°×1/30°(약 3.5 km 해상도)로 설정하였다.

Fig. 1

ROMS and WRF model domains used in the study

ROMS 모델에 사용된 수심자료는 미국 국립지구물리학 자료센터(National Geophysical Data Center)에서 제공하는 1분(약 2 km) 간격의 ETOPO1자료이고, 최소 수심은 5 m, 최대 수심은 3200 m 로 설정하였다. 모델에서 조석을 고려하기 위해 인공위성 관측자료를 활용한 미국 오레곤 주립대학교(Oregon State University)의 TPXO7 전지구 조석모델의 8개 분조(M2, S2, N2, K2, K1, O1, P1, Q1)와 장주기 분조인 Mm, Mf를 모델 격자에 맞게 내삽하여 경계조건으로 사용하였다(Egbert and Erofeeva, 2002).

WRF 모델의 초기입력 및 개방경계 자료는 우리나라 기상청이 영국 기상청 통합형 수치예보모델(United Model, 이하 UM)을 기반으로 수평 공간해상도 10 km, 연직 70개 층으로 구성하여 12일간 예측한 전지구 분석 및 예측시스템(Global Data Assimilation and Prediction System, 이하 GDAPS)의 0.1° 수평해상도 3시간 간격 기상요소 자료와 미국 국립환경예측센터(National Center for Environmental Prediction)에서 제공하는 전지구예측시스템(Global Forecast System) 토양수분 자료를 활용하였다.

ROMS 모델 측면경계 입력자료는 전지구 1/12° HYCOM+ NCODA(HYbrid Coordinate Ocean Model + Navy Coupled Ocean Data Assimilation) 일일 재분석장 및 분석장 자료를 사용하였고, 예측 실험시 측면경계 자료의 안정적인 입력을 위해 2019년부터 유럽 CMEMS(Copernicus Marine and Environment Monitoring Service)의 전지구 1/12° Mercator 해양예측시스템(Operational Mercator global ocean analysis and forecast system) 일평균 자료로 변경하여 적용하였다. ROMS 모델의 표층경계 입력자료는 기상청 GDAPS 자료를 초기장과 경계장으로 WRF 모델을 구동하여 얻은 D2 도메인 재현 및 예측 결과 자료를 이용하여, Fairall et al.(1996)의 bulk 모수화 방법으로 1시간 간격 해양표면의 바람 응력과 열속, 담수속 값을 계산하여 입력하였다. 재현 실험은 2013년부터 2017년 5월까지 4년 5개월의 기간에 대해 수행하였고, 2017년 6월부터는 1일 재현(24시간) 및 3.5일(84시간) 예측이 매일 1회 자동으로 수행되도록 시스템을 구성하였다.

2.2 실시간 수온 관측 자료

동해 냉수대 해양모델의 재현과 예측 성능을 검증하기 위해 국립수산과학원의 실시간 해양환경 어장정보 시스템(Real-time Information System for Aquaculture environment, 이하 RISA) 홈페이지(https://www.nifs.go.kr/risa)에서 제공하는 동해 연안의 고성 봉포, 양양, 강릉, 삼척, 온양, 영덕, 구룡포 하정, 진하, 기장의 9개 실시간 수온 관측소 표층 수온 일평균 관측자료(2021년 4월 1일~8월 31일)를 사용하였다(Fig. 1a).

2.3 인공위성 수온 관측 자료

국립수산과학원은 1990년부터 NOAA 고해상도 위성영상 자료를 디지털로 수신하여 분석할 수 있는 시스템을 운영하기 시작하여, 현재는 NOAA-18~20, Suomi-NPP, HIMAWARI, METOP, GOCI 등 다양한 위성 자료를 직접 수신하고 있다. 본 연구에서는 냉수대 발생 시기의 공간적인 수온 분포를 확인하기 위해 공간해상도 1 km의 NOAA-18 위성 Level 2 SST 영상을 국립수산과학원 위성해양정보시스템 홈페이지(https://www.nifs.go.kr/sois)에서 내려받아 비교에 활용하였다. Level 2 SST(Sea Surface Temperature) 영상은 특정 시간에 관측된 구름 제거 snapshot 영상이고, 구름이 존재하는 곳은 하얀색으로 표시된다.

2.4 2021년 동해 연안 냉수대 발생 현황

국립수산과학원은 동해 연안의 냉수대 발생으로 인한 수산업 피해 저감을 위해 인공위성 수온 관측, 실시간 부이 관측, 선박 관측 등을 통해 수온 변화를 상시 모니터링하고 있으며, 주변 해역보다 수온이 5℃ 이상 낮아지는 경우 냉수대 주의보, 10℃ 이상 낮아지는 경우 냉수대 경보를 발령하고 있다. 2021년은 냉수대 주의보가 총 9회 발령되었으며, 경보는 발령되지 않았다(Table 1).

Status of watches in 2021 for cold waters in the eastern coast of Korea

2.5 수치모델 비교 실험

동해 연안 냉수대 발생 예측시스템의 예측 정확도를 검증하고 냉수대 발생에 대한 바람의 영향과 표층경계 입력자료의 영향을 살펴보기 위해 비교 실험을 수행하였다. 비교 실험 기간은 2021년 4월 7일부터 8월 31일까지로 설정하였고, 9개 관측소 일평균 실시간 수온 관측자료, 일평균 수치모델 재현 수온 자료, 재현일 기준 3일 후 예측 수온 자료를 비교 대상으로 정하여 4월 10일부터 8월 31일까지 144일간의 수온 변화를 비교하여 분석하였다.

수치모델 비교 실험을 위해 실험 기간 첫날의 초기장을 동일하게 사용하였고, 측면경계 입력값은 실험 기간 동안 전지구 1/12° Mercator 해양예측시스템 재현 및 예측값을 동일하게 사용하였다. ROMS 모델에 입력되는 표층경계 입력자료에 따라 실험명을 정하여, 표층경계 입력자료는 UM모델 GDAPS 예측자료를 경계값으로 WRF를 구동시켜 구한 1/30° 1시간 간격 자료 입력 실험을 “WRF”, 1/10° 3시간 간격 GDAPS 예측자료를 공간 내삽한 자료 입력 실험을 “UM”, “WRF” 실험에서 바람만을 0으로 고정시킨 자료 입력 실험을 “NoWind”로 구분하였고, 동해 연안 냉수대 발생 재현 및 예측 성능을 일평균 실시간 수온 관측자료 “OBS”와 비교하였다.

WRF 대기모델 재현 결과를 표층경계값으로 사용한 ROMS 해양모델 1일 재현실험 결과를 “WRF-0”, WRF 모델을 구동하지 않고 WRF 모델의 입력자료로 사용된 GDAPS 자료를 공간 내삽 후 해양모델 표층경계값으로 직접 입력하여 계산한 ROMS 모델 1일 재현 결과를 “UM-0”로 정하여 비교 실험 결과를 보였다.

3. 결과 및 고찰

3.1 동해 연안 냉수대 발생 재현

2021년 동해 연안에서 발생한 냉수대는 발생 시기별로 크게 4개 케이스로 구분할 수 있다. Table 1의 Event 1, 2가 거의 비슷한 시기에 발생⋅소멸하였고, Event 3, 4는 해역은 다르지만 발생 기간이 일주일가량 겹쳤으며, Event 5, 6, 7, 8이 국지적으로 발생하여 점차 발생 영역이 확대되어가는 특성을 보였다. 마지막으로 Event 9는 국지적으로 발생한 이후 1주일 이내에 소멸되었다.

동해 연안 냉수대 발생을 미리 예측하여 양식업 피해를 저감할 수 있도록, 수치모델 입력용 자료 다운로드 및 가공, WRF 모델과 ROMS 모델 순차적 구동, 재현 및 예측 결과 가공 및 백업, 가시화 및 홈페이지 표출 등 모든 과정을 자동화하여 매일 1일 재현 및 3.5일 예측이 자동적으로 수행될 수 있도록 시스템을 구성하였다. 본 시스템의 수치모델링은 전술한 “WRF 실험” 방법을 적용하였고, 이렇게 자동화된 예측시스템을 통해 얻어진 냉수대 발생 시기의 “WRF-0” 재현 실험 결과를 구름이 제거된 NOAA-18 위성 SST Level 2 자료와 비교한 결과, 2021년 동해 연안 냉수대 4개 케이스의 공간적인 발생 범위가 정성적으로 잘 재현되었음을 확인하였다(Fig. 2). 위성에서 관측된 냉수대의 수온이 모델 및 관측보다 높은 수온값을 보이는데, 이는 수치모델의 수평해상도가 위성수온에 비해 상대적으로 낮다는 점과 위성수온이 수치모델과 관측에 비해 더 해면에 가까운 수심의 수온값을 대표한다는 점, 육지와 가까운 곳의 위성 수온값 정확도가 떨어지는 문제, 구름제거 알고리즘 적용 시 주변에 비해 너무 낮은 수온은 구름으로 간주되어 값이 제거되는 현상 등이 복합적으로 작용하였기 때문이라 사료된다. 다만 Fig. 2a2b의 비교를 통해 확인할 수 있는 것처럼 동한 난류의 이안 위치와 중규모 소용돌이와 같은 해양 현상이 수치모델에서 잘 재현되지 않는 경우, 연안역의 냉수대 발생 범위와 수온 재현⋅예측 정확도가 떨어지는 결과로 이어질 수 있기 때문에 향후 개선사항으로 판단된다.

Fig. 2

Simulated and observed events of cold water masses (WRF-0 case)

3.2 동해 연안 냉수대 발생에 대한 바람의 영향

2021년 4월부터 8월까지 RISA 수온 관측 자료를 분석한 결과, 냉수대가 가장 빈번하게 발생하는 해역은 동해 중부에 위치한 강원도 삼척 연안으로 4월부터 8월까지 수온 변동성이 가장 크게 나타났고, 삼척 남쪽의 인접 해역인 영덕과 온양도 변동성이 크게 나타났다. 포항 이남의 동해 남부에서는 기장 연안에서 냉수대가 뚜렷하게 발생하였다(Fig. 3).

Fig. 3

Comparison of the surface temperature between hindcast case and RISA observations

동해 연안 냉수대 발생에 대한 바람의 영향을 살펴보기 위해 “NoWind”, “UM”, “WRF” 실험 결과를 비교하였다(Fig. 3). 비교 실험 결과 “NoWind” 실험은 Table 1의 냉수대 출현이 거의 재현되지 않아, 바람이 동해 연안 냉수대 발생의 주된 기작임을 명확히 보여주었다. 반면에 바람장을 고려한 “UM-0”과 “WRF-0”실험은 수온의 강한 변동을 특정 시기에 잘 모사하지 못하는 경우가 존재하지만, “NoWind” 실험에 비해 냉수대 발생 시기의 수온 하강 패턴을 대체적으로 잘 구현하였다. 특히 공간해상도를 3배 향상시켜 연안역의 바람을 상세하게 모사한 “WRF-0” 실험이 “UM-0” 실험보다 좀 더 관측에 가깝게 수온을 모사하는 것을 보여주었다.

각 RISA 정점에서의 실시간 수온 관측값과 모형 재현값들의 RMSE(Root Mean Square Error)를 구한 결과, “NoWind” 실험 보다 “UM-0” 실험의 RMSE가 낮고, “WRF-0” 실험이 가장 낮은 RMSE값을 갖는 것을 확인하였다(Table 2). 그러나 9개 정점 평균 RMSE값이 “NoWind” 3.37℃, “UM-0” 2.46℃, “WRF-0” 1.92℃로, 고해상도 대기모델을 사용한 경우에도 삼척, 영덕과 같이 냉수대로 인한 수온 하강폭이 크고 발생 빈도가 높은 해역은 다른 해역에 비해 재현성이 상대적으로 떨어져 이에 대한 개선이 필요함을 확인하였다. 재현성이 떨어지는 원인은 해양모델의 공간해상도가 냉수대가 자주 발생하는 해역의 상세한 해저지형을 충분히 구현할 수 있을 정도로 높지 않다는 점과 특정시기에 측면경계를 통해 부정확한 경계값이 유입되는 문제 등을 들 수 있다.

RMSE between model and observations of water temperature at RISA stations

3.3 오차보정을 통한 냉수대 발생 예측 정확도 향상

WRF 대기모델 예측 결과를 표층경계값으로 사용한 ROMS 해양모델의 재현일 기준 3일 후 예측실험 결과를 “WRF-3”, UM모델 GDAPS 예측자료를 공간 내삽 후 해양모델의 표층 경계값으로 직접 입력하여 계산한 ROMS 모델의 재현일 기준 3일 후 예측실험 결과를 “UM-3”로 구분하여 예측된 날짜의 실시간 수온 관측자료와 비교하였다. 오차 보정 방법은 9개 실시간 관측 정점의 일평균 수온 관측값과 동일 날짜, 동일 위치의 수치모델 재현 일평균 수온값의 차를 구하여 오차 보정값을 산출하고, 이 값을 재현일 기준 3일 후의 예측값에 동일하게 적용하여 오차 보정된 예측값을 구하였다. “UM-3” 자료를 관측값으로 오차 보정한 예측자료를 “CUM-3”, “WRF-3” 자료를 관측값으로 오차 보정한 자료를 “CWRF-3”으로 명명하였다. 오차 보정을 위해 사용할 관측자료에 결측이 존재하는 경우 결측 직전 날짜의 오차 보정값을 적용하여 보정하였다.

각각의 재현일 기준 3일 후 예측 케이스에 대해 관측자료와 비교한 결과(Fig. 4, Fig. 5), 관측자료로 오차를 보정한 UM 실험(CUM)과 WRF 실험(CWRF) 모두 예측 성능이 크게 향상되는 것을 확인하였다. 특히 재현 실험에서 RMSE값이 가장 낮게 나타났던 WRF 실험 케이스를 오차 보정하는 경우 RMSE값이 제일 낮아져 예측 성능이 비약적으로 향상되는 것을 확인하였다(Table 3).

Fig. 4

Comparison of the surface temperature between UM case (forecast day 3) and RISA observations

Fig. 5

Comparison of the surface temperature between WRF case (forecast day 3) and RISA observations Station

RMSE between forecast model and observations of water temperature at RISA stations

9개 정점 평균 RMSE값은 “UM-3” 2.61℃, “CUM-3” 1.19℃, “WRF-3” 2.03℃, “CWRF-3” 0.73℃로 각각 계산되어 RMSE가 1℃ 미만인 CWRF 예측치는 냉수대를 예보하는 현업에서 충분히 활용 가능하다고 판단된다. 다만 이 방법은 실시간 관측자료가 존재하는 경우에만 적용 가능하기 때문에 동해 연안역에 대한 세밀한 지역별 예측자료를 생산하는 것은 제한적일 수 밖에 없다. 향후 자료동화 기법을 적용하여 해양모델 재현 및 최적의 예측 초기값을 생산할 수 있도록 동해 냉수대 예측시스템을 개선할 필요가 있다.

4. 결 론

본 연구에서는 ROMS 해양모델과 WRF 대기모델을 이용하여 동해 연안 냉수대 예측시스템을 개발하고 2021년 4월부터 8월을 냉수대 재현 및 예측 검정 기간으로 선정하여 동해 연안 9개 실시간 관측소의 수온 관측자료와 모델 재현⋅예측 자료를 비교하여 예측시스템의 정확도를 평가하였다. 2021년의 경우, 4월 중순에 이례적으로 이른 시기에 저수온 냉수대가 발생하였고, 연구 기간동안 동해 연안을 따라 최소 1회 이상 발생하여 새롭게 개발한 모형의 성능을 분석하는데 적합하다고 판단하였다.

WRF 모델로 재현하여 구한 ROMS 모델의 표층 경계값에서 바람을 0으로 고정한 실험 결과, 냉수대 발생이 거의 재현되지 않아 바람이 동해 연안 냉수대를 발생시키는 주된 메커니즘임을 확인하였다. 공간해상도 1/10°의 기상청 UM모델 GDAPS 자료를 ROMS 해양모델의 표층경계값으로 입력한 “UM” 실험과 WRF 대기모델을 구동시켜 해상도를 3배 향상시킨 1/30° 표층경계값을 입력한 “WRF” 실험에서 구한 수온을 9개 관측 정점에서 관측한 수온과 비교하였다. 고해상도 표층경계값을 입력한 “WRF” 실험이 “UM” 실험의 결과보다 9개 관측 정점 평균 RMSE값이 재현 시 0.54℃, 재현일 기준 3일 후 예측 시 0.58℃가 각각 낮아졌다. 이 결과는 고해상도 WRF 대기모델 도입이 재현 및 예측 성능 향상에 상당 부분 기여하였음을 시사한다. 이와 같이 WRF 대기모델로 ROMS 해양모델과 동일한 공간해상도의 표층 경계값을 사용함으로써, 2021년 동해 연안 냉수대의 발생 시기와 공간적인 발생 범위를 비교적 잘 재현하고 예측함을 확인하였다.

실시간 수온 관측자료 과거 1일 평균값과 수치모델 1일 재현 평균값의 차이로 구한 오차 보정값을 예측값에 적용하는 실험을 통해, 9개 정점의 3일 후 예측값의 RMSE 평균값이 WRF 케이스의 경우 0.73℃로 오차보정 전에 비해 1.3℃가 낮아져 예측 성능이 크게 개선됨을 확인하였다. 그러나 수치모델 결과에 오차보정을 적용할 수 있는 동해 연안의 관측 정점이 한정적이기 때문에, 향후 다양한 관측자료를 이용하여 시⋅공간적으로 수치모델의 오차를 줄일 수 있는 자료동화시스템을 개발하여 적용한다면, 정확도 높은 예측자료를 제공하여 냉수대 발생으로 인한 어업 피해 최소화에 크게 기여할 수 있을 것이라 기대된다.

본 연구를 통해 개발된 동해 연안 냉수대 예측시스템 예측 결과는 국립수산과학원 홈페이지의 동해 연안 냉수대 예측 페이지(https://www.nifs.go.kr/kodc/rocps/index2.jsp)를 통해 가시화된 예측 정보로 매일 업데이트되어 제공되고, 냉수대 특보 발령 시 참고자료로 활용된다.

Acknowledgements

이 논문은 2022년도 국립수산과학원 수산과학연구사업(R2022057)의 지원으로 수행되었다.

References

Arakawa A., Lamb V.R.. 1977;Computational design of the basic dynamical processes of the UCLA general circulation model. Methods Computional. Phys 17:174–267.
Egbert G.D., Erofeeva S.R.. 2002;Efficient inverse modeling of barotropic ocean tides. J. Atomos. Ocean. Tech (19):183–204.
Dudhia J.. 1989;Numerical study of convection observed during the Winter Monsoon Experiment using a mesoscale two-dimensional model. J. Atmos. Sci 46:3077–3107.
Fairall C.W., Bradley E.F., Rogers D.P., Edson J.B., Young G.S.. 1996;Bulk parameterization of air-sea fluxes for Tropical Ocean-Global Atmosphere Coupled-Ocean Atmosphere Response Experiment. J. Geophys. Res.: Oceans 101(C2):3747–3764.
Han I.-S., Park M.-H., Min S.-H., Kim J.-Y.. 2016;Spatio-Temporal Variation of Cold Water Masses along the Eastern Coast of Korea in 2013 and 2014. J. Korean Soc. Mar. Environ. Saf 22(3):286–295.
Hong S.Y., Noh Y., Dudhia J.. 2006;A new vertical diffusion package with an explicit treatment of entrainment processes. Mon. Wea. Rev 134:2318–2341.
Kain J.S.. 2004;The Kain-Fritsch Convective Parameterization: An Update. J. Clim. Appl. Meteorol 43:170–181.
Kim C.H., Kim K.. 1983;Characteristics and origin of the cold water mass along the east coast of Korea. J. Oceanol. Soc. Korea 18(1):73–83. (in Korean).
Kim J.-Y., Han I.-S., Ahn J.-S., Park M.-H.. 2019;Long-term Trend Analysis of Cold Waters along the Eastern Coast of South Korea. J. Korean Soc. Mar. Environ. Saf 25(5):581–588. (in Korean).
Kim S.-W., Go W.-J., Kim S.-S., Jeong H.-D., Yamada K.. 2010;Characteristics of Ocean Environment before and after coastal upwelling in the southeastern part of Korean Peninsula using an in-situ and multi-satellite data. J. Korean Soc. Mar. Environ. Saf 16(4):345–352. (in Korean).
Lee J.C.. 1983;Variations of sea level and sea surface temperature associated with wind-induced upwelling in the southeast coast of Korea in summer. J. Oceanol. Soc. Korea 18(2):149–160.
Lee J.C., Na J.Y.. 1985;Structure of Upwelling off the Southeast Coast of Korea. J. Oceanol. Soc. Korea 20(3):6–19.
Lim K.S., Hong S.Y.. 2010;Development of an effective double-moment cloud microphysics scheme with prognostic cloud condensation nuclei (CCN) for weather and climate models. Mon. Wea. Rev 138:1587–1612.
Mlawer E.J., Taubman S.J., Brown P.D., Iacono M.J., Alough S.A.. 1997;Radiative Transfer for Inhomogeneous Atmospheres: RRTM, a Validated Correlated-k Model for the Longwave. J. Geophys. Res 102:16663.
Mellor G.L., Yamada T.. 1982;Development of a turbulence closure model for geophysical fluid problems. Rev. Geophys Space Phys (20):851–875.
Oh H.J., Suh Y.S., Heo S.. 2004;The relationship between phytoplankton distribution and environmental conditions of the upwelling cold water in the eastern coast of the Korean Peninsula. Journal of the Korean Association of Geographic Information Studies 7(4):166–173. (in Korean).
Seo H.-S., Lim W.-H., Kim D.-S.. 2017;Numerical Experiments of Coastal Upwelling Occurred by Summer Winds in the East Sea of Korea. J Korean Soc. Mar. Environ. Saf 23(4):347–353. (in Korean).
Seung Y.H.. 1974;A dynamic consideration on the temperature distribution in the east coast of Korea in August. Journal of Oceanological Society of Korea 9:52–58. (in Korean).
Shchepetkin A.F., McWilliams J.C.. 2005;The Regional Ocean Modeling System (ROMS): A split-explicit, free-surface, topography-following coordinates ocean model. Ocean Modelling 9(4):347–404.
Skamarock W.C., Klemp J.B.. 2007;A time-split non-hydrostatic atmospheric model for research and NWP applications. J. Comp. Phys 277:3465–3485.
Smagorinsky J.. 1963;General circulation experiments with the primitive equations: I. The basic experiment. Mon. Wea. Rev 91:99–164.
Suh Y.S., Jang L.-H., Hwang J.D.. 2001;Temporal and Spatial Variations of the Cold Waters Occurring in the Eastern Coast of the Korean Peninsula in Summer Season. J. Korean. Fish. Soc 34(5):435–444. (in Korean).
Yoon S., Yang H.. 2016;Study on the temporal and spatial variation in cold water zone in the East Sea using satellite data. Korean Journal of Remote Sensing 32(6):703–719. (in Korean).

Article information Continued

Fig. 1

ROMS and WRF model domains used in the study

Fig. 2

Simulated and observed events of cold water masses (WRF-0 case)

Fig. 3

Comparison of the surface temperature between hindcast case and RISA observations

Fig. 4

Comparison of the surface temperature between UM case (forecast day 3) and RISA observations

Fig. 5

Comparison of the surface temperature between WRF case (forecast day 3) and RISA observations Station

Table 1

Status of watches in 2021 for cold waters in the eastern coast of Korea

Events Issued Watches of Cold Waters
Issue date End date Region
1 April 12 April 20 Yangyang ~ Samcheok
2 April 14 April 20 Yeongdeok ~ Uljin Hupo
3 July 6 July 19 Gijang ~ Jinha
4 July 12 July 23 Samcheok ~ Yeongdeok
5 July 26 August 9 Samcheok ~ Yeongdeok
6 July 30 August 9 Gijang ~ Gyeongju Gampo
7 August 2 August 9 Goseong ~ Samcheok
8 August 5 August 9 Yeongdeok ~ Gyeongju Gampo
9 August 24 August 30 Gijang ~ Ulsan

Table 2

RMSE between model and observations of water temperature at RISA stations

Station RMSE of Model Cases [unit:°C]
NoWind UM-0 WRF-0
Goseong 3.58 2.44 1.72
Yangyang 3.64 2.77 1.95
Gangneung 3.73 2.79 1.94
Samcheok 4.93 3.89 2.81
Onyang 3.28 2.10 1.87
Yeongdeok 3.88 2.97 2.63
Guryongpo 1.66 0.98 0.81
Jinha 2.66 2.39 2.13
Gijang 2.93 1.85 1.46
Average 3.37 2.46 1.92

Table 3

RMSE between forecast model and observations of water temperature at RISA stations

Station RMSE of Model Cases [unit: °C]
UM-3 CUM-3 WRF-3 CWRF-3
Goseong 2.31 1.16 1.73 0.54
Yangyang 2.73 1.27 2.06 0.74
Gangneung 2.73 1.31 2.10 0.62
Samcheok 3.96 1.59 3.05 0.92
Onyang 2.46 1.02 2.08 0.62
Yeongdeok 3.07 1.03 2.61 0.74
Guryongpo 1.25 0.75 0.95 0.60
Jinha 2.51 1.40 2.10 0.97
Gijang 2.48 1.15 1.62 0.84
Average 2.61 1.19 2.03 0.73