대기재분석

Atmospheric reanalysis

대기 재분석(기상 재분석 및 기후 재분석)은 하나의 일관된 동화(또는 "분석") 체계를 사용하여 장기간에 걸친 역사적 대기 관측 데이터를 동화시키는 것을 목표로 하는 기상 및 기후 데이터 동화 프로젝트다.

운영 데이터 분석

작동 수치 기상 예측에서 예측 모델은 기후 시스템이 초기 상태로부터 시간에 따라 어떻게 진화하는지에 기초하여 미래의 대기 상태를 예측하기 위해 사용된다. 예측에 대한 입력으로 제공된 초기 상태는 "예측" 기상 분야, 즉 모델의 미래 진화를 결정하는 분야에 대한 데이터 값으로 구성되어야 한다. 공간적으로 다양한 필드는 모델에 의해 사용되는 형태로 요구되며, 예를 들어, 경도와 위도 원의 정규 격자 상의 각 교차로 점에서 초기 데이터는 현재 또는 최근 과거에 해당하는 한 번에 유효해야 한다. 이와는 대조적으로, 이용 가능한 관측 데이터는 일반적으로 모델의 모든 예측 필드를 포함하지 않으며, 다른 추가 필드를 포함할 수 있다. 또한 이러한 데이터는 예측 모델 그리드와의 공간 분포가 다르며, 단일 시간이 아닌 여러 시간에 걸쳐 유효하며, 관측 오류의 대상이 되기도 한다. 따라서 데이터 동화 기술은 모델과 데이터의 오류를 고려하여 사용 가능한 데이터에 수치 모델을 가장 잘 적합시키는 초기 상태의 분석을 생성하는 데 사용된다.

사용 및 예

운영 예측을 초기화하는 것 외에도, 분석 자체는 후속 기상학 및 기후학 연구에 유용한 도구다. 그러나 실시간 예측에 사용된 운영 분석 데이터 집합(즉, 운영 분석 시스템이 자주 개선되고 있기 때문에 분석 데이터가 장기간 지속되면 일반적으로 불일치에 시달릴 것이다. 재분석 프로젝트는 일관된 현대적 분석 시스템을 사용하여 장기간에 걸친 관측 데이터를 재처리하여 기상학 및 기후학 연구에 사용할 수 있는 데이터 집합을 생성하는 것을 포함한다.

재분석 데이터 집합의 예로는 ECMWF 재분석,[1] 연구 및 응용에 대한 근현대 소급분석, 버전 2(MERRA-2),[2] NCEP/NCAR 재분석[3](N.B.: 이러한 연계 기사에는 발표된 참고문헌이 포함), 일본 기상청에서 실시하는 JRA-25[4] 재분석이 있다. 이러한 글로벌 재분석 프로젝트 외에도 북미,[5] 유럽[6], 호주 등 지역별로 고해상도 지역 재분석 활동도 있다.[7] 이러한 지역 재분석들은 일반적으로 지역 기상 예측 모델에 기초하며 글로벌 재분석의 경계 조건을 사용한다.[8]

다양한 연구는 블랙박스 모델(예: 바다 상태 변수[9])에 의한 다른 기후 변수 재현을 위해 재분석 데이터를 사용한다.

사용 주의

흔히 재분석은 대기의 많은 변수(바람과[10] 온도 등)에 대한 최선의 추정치라고 생각할 수 있지만, 재분석은 주의를 기울여야 한다.[11] 관측 방법의 변경(예: 표면, 높이)뿐만 아니라 계측기(예: 위성)의 분해, 교체 또는 개조도 오류를 일으킬 수 있다.[12] 모든 재분석 데이터가 관측에 의해 제약되는 것은 아니다. 강수량(재분석에 따라 달라짐)과 표면 증발(지구적 관측치가 단순히 존재하지 않는 경우)과 같은 일부 데이터 유형은 실행(확실히 새로운) 일반 순환 또는 NWP 모델을 통해 얻는다. Reanalys는 수분을 보존하지 않는 것으로 알려져 있다.[13]

참조

  1. ^ 2005년 Uppala, S 및 공동저자: 평균자책 40 재분석. 쿼트, J. 로이 유성. Soc, 131, 2961–3012. DOI: 10.1256/qj.04.176
  2. ^ 2017년 겔라로, R 및 공동저자: 연구 및 응용을 위한 근현대 소급 분석 버전 2(MERRA-2) J. 기후, 30, 5419-5454, [1]
  3. ^ Kalnay, E, 그리고 공동저자 1996: NCEP/NCAR 40년 재분석 프로젝트. 황소. 아머. 유성. Soc, 77, 437–471. DOI: 10.1175/1520-0477(1996)077%3C0437:TNYRP%3E2.0.CO;2
  4. ^ 오노기, K, 공동저자, 2007: JRA-25 재분석. J. 유성. Soc. Japan, 85, 369–432.
  5. ^ 메싱어, F., 그리고 공동저자, 2006년 북미 지역 재분석. 황소. 아머. 유성. Soc. DOI: 10.1175/BAMS-87-3-343
  6. ^ 볼메이어, C, 켈러, J. D, 올웨인, C, 월, S, 크레웰, S, 프리데리히, P, 헨스, A, 키네, J, 크나이펠, S, 프셰이트, I, 레들, S, 스타인케, S: 유럽 CODEX 도메인의 고해상도 지역 재분석을 위해 Q. J. R. Metalol. Soc, 141, 2015년 1–15, DOI: 10.1002/qj.2486
  7. ^ Su, C.-H., Eizenberg, N., Steinle, P., Jakob, D., Fox-Hughes, P., White, C. J., Rennie, S., Franklin, C., Dharssi, I., and Zhu, H., 2019: BARRA v1.0: the Bureau of Meteorology Atmospheric high-resolution Regional Reanalysis for Australia, Geosci. 모델 개발, 12, 2049-2068, DOI: 10.5194/gmd-12-2049-2049-2019
  8. ^ 카이저-와이스, A. K, 보쉬, M, 니어만, D, 카스파, F. 루사나, C, 동위원소, F, 판덴 베셀라르, E, 판 데르 슈리에, G, 운덴: 기후학 용도에 대한 지역 재분석, 환경 연구 통신, 2019년. DOI:10.1088/2515-7620/ab2ec3
  9. ^ Peres, D. J.; Iuppa, C.; Cavallaro, L.; Cancelliere, A.; Foti, E. (2015-10-01). "Significant wave height record extension by neural networks and reanalysis wind data". Ocean Modelling. 94: 128–140. Bibcode:2015OcMod..94..128P. doi:10.1016/j.ocemod.2015.08.002.
  10. ^ Kaiser-Weiss, A. K., Kaspar, F., Heene, V., Borsche, M., Tan, D. G. H., Poli, P., Obregon, A., and Gregow, H., 2015: Comparison of regional and global reanalysis near-surface winds with station observations over Germany, Adv. Sci. Res., 12, 187-198, DOI: 10.5194/asr-12-187-2015
  11. ^ Parker, W.S., 2016: Reanalyses and Observations: 차이점은 무엇인가? 황소. 아머. 유성. Soc, 97, 1565–1572, DOI: 10.1175/BAMS-D-14-00226.1
  12. ^ Trenberth, K. E., D. P. Stepaniak, J. W. Hurrell, M. 피오리노, 2001: 열대지방의 Reanalys의 질. J. 기후, 14, 1499–1510. DOI: 10.1175/1520-0442(2001)014%3C1499:QORITT%3E2.0.CO;2
  13. ^ 니감, S, A. Ruiz-Barradas, 2006: 전지구적 및 지역적 재분석에서의 북미에 대한 계절적 수온 기후 변동성 및 AMIP 시뮬레이션: 다양한 표현. J. 기후, 19, 815–837. DOI: 10.1175/JCLI3635.1

특정 재분석 읽기

  • Kalnay, E, 그리고 공동저자 1996: NCEP/NCAR 40년 재분석 프로젝트. 황소. 아머. 유성. Soc, 77, 437–471.
  • 카나미쓰, M, W. 에비스자키, J. 울, S.K. Yang, J. J. Hnilo, M. Fiorino, G. L. Potter, 2002: NCEP-DOe AMIP-II 재분석(R-2) 황소. 아머. 유성. Soc, 83, 1631–1643.
  • 메싱어, F, 그리고 공동저자, 2006: 북미 지역 재분석. 황소. 아머. 유성. Soc. 87, 343–360, http://dx.doi.org/10.1175/BAMS-87-3-343.
  • 2005년 Uppala, S 및 공동저자: 평균자책 40 재분석. 쿼트, J. 로이 유성. Soc, 131, 2961–3012, https://doi.org/10.1256/qj.04.176.
  • Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz-Sabater, J., Nicolas, J., Peubey, C., Radu, R., Schepers, D., Simmons, A., Soci, C., Abdalla, S., Abellan, X., Balsamo, G., Bechtold, P., Biavati, G., Bidlot, J., Bonavita, M., De Chiara, G., Dahlgren, P., Dee, D., Diamantakis, M., Dragani, R., Flemming, J., Forbes, R., Fuentes, M., Geer, A., Haimberger, L., Healy, S., Hogan, R. J., Hólm, E. A., Janisková, M., Keeley, S., Laloyaux, P., Lopez, P., Radnoti, G., Rosnay, P. D., Rozum, I., Vamborg, F., Villaume, S., Thépaut, J.-N., 2020: 평균자책 5 글로벌 재분석. Q J R 마테롤 Soc, https://doi.org/10.1002/qj.3803.
  • 오노기, K, 공동저자, 2007: JRA-25 재분석. J. 유성. Soc. Japan, 85, 369–432, https://doi.org/10.2151/jmsj.85.369.
  • Kaspar, F., Niermann, D., Borsche, M., Fiedler, S., Keller, J., Potthast, R., Rösch, T., Spangehl, T., and Tinz, B., 2020: Regional atmospheric reanalysis activities at Deutscher Wetterdienst: review of evaluation results and application examples with a focus on renewable energy, Adv. Sci. Res., 17, 115–128, https://doi.org/10.5194/asr-17-115-2020.
  • Khatibi, A; Krauter, S. 태양열 및 풍력 애플리케이션을 위한 위성 기상 데이터 세트 MERRA-2의 검증 및 성능. 에너지 2021, 14, 882. https://doi.org/10.3390/en14040882

참고 항목

외부 링크