MOS는 예보요소 정의, 수치예보 모델 결정, 예보인자 결정, 통계모델 개발, 수치예보 적용 과정을 거처 개발 및 적용한다.
예보인자는 MOS의 설명변수로 사용되며 예보요소를 가장 잘 설명할 수 있는 변수로 결정한다. 예보인자는 850hPa 기온과 같이 수치예보 모델이 예측하는 변수, 예보요소의 기후값과 같은 기후자료, 최근 관측자료가 있 으며, 이상의 예보인자를 조합한 예보인자를 사용되기도 한다.
표 4.8는 강수확률에 주요하게 사용되는 예보인자로 강수량, 습윤층, 상대 습도, 안정도지수 등이 있으며, 찬 계절과 따뜻한 계절별마다 사용되는 예 보인자가 차이가 있다. 이는 예보인자도 계절적인 특성에 따라 달리 사용 해야함을 보여준다.
찬 계절(1, 2, 3, 10, 11, 12월) 따뜻한 계절(4, 5, 6, 7, 8, 9월)
예보인자 예보인자
3시간 강수량 3시간 강수량
상대습도(925-300hPa) 유효습윤층
[표 4.8] 강수확률 예보식에 사용된 주요 예보인자
4.3 동네예보
유효습윤층 RINX
700hPa 상대습도 습윤층 비습적분
850hPa 습수 상대습도(925-300hPa)
700hPa LCL 남풍×상대습도
700hPa 상대습도
통계모델은 하늘상태 PPM에서 적용한 그래프방법, 회귀분석 방법 등 다양 한 통계모델을 적용할 수 있으며 그 중 다중선형회귀식이 가장 일반적으로 사용되고 있다.
다중선형회귀식은 식 (4.6) 같이 표현되며,
(4.6)
식 (4.6)에 의해 추정된 예보요소 는 관측된 예보요소 Y와 오차 E 만큼 차이가 있다고 한다면,
(4.7)
라는 관계식으로 표현된다. 식 (4.6)의 계수 는 식 (4.7)의 오차를 최소로 하는 값으로 결정한다. 따라서 오차 E는
(4.8) ˆ = AY 0+i∑= 1k Ai Xi
Y = Yˆ + E
∑niE2i =∑ni(Yi-
ˆ
Yi)2ˆ =Y
Ai
Ai
4.3 동네예보
으로 표현되며 이 값이 최소가 되도록 처리한다.
회귀분석의 유의성은 분산분석표로 진단할 수 있다. 분산분석은 그림 4.48 과 같이 총제곱합을 회귀제곱합과 잔차제곱합으로 나누어서 분석하는 방 법이다.
Y
• 관측값
• : 표본의 평균값
동네예보는 수치예보, 동네예보모델, 시간편집, 공간편집을 거쳐 최종 예보 가 생산된다. 동네예보모델의 기여도는 예보요소와 MOS 적용여부에 따라 차이가 있다.
그림 4.49는 3시간 기온 오차의 비율로 오차가 2℃미만, 2~4℃, 4℃ 이상 인 비율을 나타낸 것으로 기온예보가 적중했다고 생각하는 예보오차 2℃
이하의 비율은 수치예보 49%인 반면에 MOS는 63.3%로 크게 증가하였다.
MOS 예보를 사용하는 시간편집, 공간편집 예보의 2℃ 미만 오차는 63.6%, 63.6%로 검증기간동안 3시간 기온은 수치예보가 75%, MOS가 24%를 기 여한다고 볼 수 있다. 특히 MOS의 장점으로는 수치예보에서 오차 4℃ 이 상인 비율을 18%에서 7.6%로 줄여 비정상적인 오차가 크게 감소시키는 역할을 하였다. 상대습도도 기온과 마찬가지로 상대습도의 오차가 10% 미 만인 비율이 수치예보에서는 31%인 반면 MOS에서는 53%로 크게 향상시 켰다.
하늘상태는 수치예보나 MOS가 제공하지 않는 예보요소로 수치예보자료를