Rainfall Characteristics in the Tropical Oceans: Observations using TRMM TMI and PR

열대강우관측(TRMM) 위성의 TMI와 PR에서 관측된 열대해양에서의 강우 특성

서 은 경*

공주대학교 지구과학교육과, 314-701, 충청남도 공주시 공주대학로 56

Rainfall Characteristics in the Tropical Oceans:

Observations using TRMM TMI and PR

Eun-Kyoung Seo*

Department of Earth Science Education, Kongju National University, Chungnam 314-701, Korea

Abstract: The estimations of the surface rain intensity and rain-related physical variables derived from two independent Tropical Rainfall Measuring Mission (TRMM) satellite sensors, TRMM Microwave Imager (TMI) and Precipitation Radar (PR), were compared over four different oceans. The precipitating clouds developed most frequently in the warmest sea surface temperature (SST) region of the west Pacific, which is 1.5 times more frequent than in the east Pacific and the tropical Atlantic oceans. However, the east Pacific exhibited the most intense rain intensity for the convective and mixed rain types while the tropical Atlantic showed the most intense rain intensity for all TMI rainy pixels. It was found that the deviation of TMI-derived rain rate yielded a big difference in region-to-region and rain type-to-type if the PR rain intensity value is assumed to be closer to the truth. Furthermore, the deviation by rain types showed opposite signs between convective and non-convective rain types. It was found that the region-to-region deviation differences reached more than 200% even though the selected tropical oceans have relatively similar geophysical environments. Therefore, the validation for the microwave rain estimation needs to be performed according to both rain types and climate regimes, and it also requires more sophisticated TMI algorithm which reflects the locality of rainfall characteristics.

Keywords: TRMM, TMI, PR, rain intensity, tropics

요 약: 열대강우관측(TRMM) 위성에 탑재된 두 독립적인 기기인 마이크로파 센서(TMI)와 강수레이더(PR)를 통해 추정 된 지표에서의 강우강도와 강수 관련 변수들을 네 개의 주요 열대해양에서 비교하였다. 해수면의 온도가 가장 높은 서 태평양에서 가장 많은 강수구름이 발생하며, 이는 동태평양과 대서양 보다 1.5배 많은 빈도수이다. 반면 대류형과 혼합 형에서 동태평양이 가장 강한 강우강도를 나타냈으며, 전체 강수 화소에 대해서는 대서양이 가장 강한 강우강도를 보였 다. 한편 PR의 강우강도를 참값으로 볼 때 TMI의 강우강도의 편향은 강수유형과 지역에 따라 그 크기가 매우 다르게 나타났다. 더욱이 강수유형별 편향은 서로 다른 부호를 보였다. 특히 이 연구에서 선정한 열대해양들은 비교적 유사한 지구물리적 환경을 가지고 있지만, 그 편향의 크기가 지역에 따라 2배 이상의 차이가 일어났다. 따라서 마이크로파로부 터 추정된 강수량에 대한 검증은 강수유형별 및 지역적으로 수행되어야 하며, 또한 국지적 강수 특성을 고려한 보다 정교한 TMI 알고리즘의 개발 및 개선이 필요함을 의미한다.

주요어: TRMM, TMI, PR, 강우강도, 열대

*Corresponding author: [email protected]

*Tel: +82-41-850-8293

*Fax: +82-41-850-8299

서 론

해양에서 마이크로파를 이용한 강수 추정의 첫 시 도로 Wilheit et al.(1977)은 구름과 강우 입자들만을 포함하는 간단한 모델을 이용하여 19.35 GHz(1.55 cm)에서 방출되는 밝기온도(brightness temperatures, T_Bs)가 강우강도와 좋은 관계가 있음을 명료하게 증 명하였다. 한편, Wu and Weinman (1984)는 37 GHz 에서 간단한 모델을 통해 빙정량에 의한 복사 산란 의 정도를 이용하여 강우량을 간접적으로 추정하였 다. 구름 상부에 존재하는 전체 빙정량은 지표에서의 강우강도와 관련되어 있기 때문에 Wu and Weinman (1984)의 접근 방법은 찬 구름(cold clouds)에 대해 매우 유용하다. 더욱이 37 GHz 보다 낮은 진동수에 서 육지의 높은 방출율은 강수구름으로부터 오는 신 호를 구별하기 어렵게 만들기 때문에, 이들의 방법은 특히 육상에서의 강우강도를 추정하는데 결정적인 실 마리를 제공한다.

이러한 수동 마이크로파 이론들을 바탕으로 열대지 역에서의 강수 추정을 위해 1997년 11월에 열대강우 관측(Tropical Rainfall Measuring Mission: TRMM) 위성이 발사되었고, 이로 인해 마이크로파에 대한 관 심이 더욱 커져 왔다. 이 위성에 탑재된 마이크로파 라디오미터(radiometer)는 9개의 TRMM Microwave Imager (TMI) 채널을 갖고 있다. TRMM의 강수 추 정 알고리즘을 위해 Simpson et al.(1988)은 대류운 내의 운물리 변수들을 명시적으로 표현하기 위하여 구름/운물리/복사전달 모델들을 이용할 것을 제안하 였다. 즉, 운물리에 대한 직접 관측 자료의 부족을 보충하기 위해 신뢰할만한 운물리/복사 모델을 통해 구름 성질을 확보하자는 것이었다(e.g., Adler et al., 1991; Smith et al., 1992; Tao and Simpson, 1993).

이러한 수치 모의 과정으로부터 구축된 데이터베이스 는 밝기온도와 운물리 성질과의 관계를 지닐 수 있 었다. 이 데이터베이스에 기반을 두고 위성으로부터 관측된 TMI의 밝기온도를 베이시언 정리를 이용하여 역전환(inversion)함으로써 지상의 강우강도뿐만 아니 라 대기수상체와 잠열의 연직 구조를 물리 ^. 통계적으 로 추정하였다(e.g., Smith et al., 1994; Kummerow et al., 1996; Olson et al., 1999). 이러한 물리/통계 알고리즘의 대표적인 것이 TRMM TMI를 위한 Goddard PROFiling (GPROF)이다. 한편 GPROF는 구축된 사전 구름 데이터베이스에 크게 의존하게 되

어 강우강도 추정에 지대한 영향을 미치는 것으로 알려져 있다(Seo, 2000; Biggerstaff et al., 2006; Seo and Biggerstaff, 2006; Biggerstaff and Seo, 2010;

Ryu et al., 2011).

한편 TRMM 위성에 탑재된 다른 하나의 관측기기 인 Precipitation Radar (PR)는 독립적인 강수량을 제 공하고 있어서 TMI와의 강수량을 비교하고 평가하는 데 매우 유용하다(e.g., Kummerow et al., 1998). 특 히 열대해양은 이들 기기에 의한 간접적 측정에 의존 할 수 밖에 없는 지역이다(e.g., Serra and McPhaden, 2003). 버전 5의 TMI와 PR 알고리즘들의 강수량 사 이에는 TRMM 위성이 통과하는 전체 지역에서 약 20%의 차이가 있으며, 특히 열대지역에서 약 30%의 차이가 있다(e.g., Kummerow et al., 2001; Nesbitt et al., 2004; Berg et al., 2006). 한편 버전 6의 GPROF 는 알고리즘 내부의 많은 물리적 요소들을 개선하여 PR과의 강수량 차이를 10% 내외로 줄였지만, 아직 도 많은 문제점들을 가지고 있다(e.g., Stout and Kwiatkowski, 2004; Yang et al., 2006; Yuter et al., 2006; Seo et al., 2007). 특히, Seo et al.(2008)은 GPROF 버전 6의 베이시언 정리에 비강수의 확률을 추가하여 그 차이를 수 % 내외로 개선하였다.

열대해양이라고 하더라도 각 해양들은 열역학적, 역학적, 운물리적으로 서로 다른 환경을 갖고 있기 때문에 TMI와 PR로부터 추정된 강수량과 이들 사이 의 차이는 열대해양마다 다를 수 있음을 예상할 수 있다. 이 연구에서 선정한 지역들은 다양한 지구물리 적 스펙트럼을 가진 열대해양으로 직접 관측자료가 희박한 주요 강수 기후 지역이다. 따라서 본 연구는 이 곳에서 TRMM 위성이 추정하거나 관측하는 강수 구름 변수인 강수구름의 발생 빈도, 강수유형별 분포, TMI와 PR의 강우강도와 TMI 강우강도 편향 및 PR 강우강도와 운정고도와의 관계 등을 조사할 것이다.

이 연구를 위해 두 독립적 기기인 TMI와 PR의 강우 강도를 TMI의 명목상 화소 크기에서 수행함으로써 두 기기의 서로 다른 화소 크기에 따른 불확실성을 제거하였다. 또한 TMI의 명목상 화소 크기마다 강수 유형을 규정함으로써 다른 연구와는 달리 강수유형별 로 강수구름 변수들을 비교하였다. 특히 강우강도의 체계적 편향과 열대해양에서의 강수계 특성의 관련성 을 조사하는 것은 TMI 강수 추정 알고리즘의 개선 방향성을 설정하는데 매우 중요한 기반 연구가 될 것으로 사료된다.

자료 및 분석 방법

사용한 자료

TRMM 위성은 열대지역과 아열대지역인 38^oS- 38^oN 영역을 관측하는 저궤도위성으로 약 400 km 상 공에서 저위도의 강수를 관측하고 있다. 이에 탑재된 TMI 라디오미터는 10.65, 19.35, 21.3, 37.0, 85.5 GHz의 주파수에서 복사량을 측정하는 기기이며, 21.3 GHz를 제외한 모든 주파수에서 수평·수직적 편 광을 가지고 있다. TMI의 스캔폭(swath width)은 약 800 km이며, 85 GHz는 매 4.5 km마다 샘플링을 하 며, 85 GHz를 제외한 모든 채널들은 매 9 km마다 샘 플링을 하고 있다. 이 연구에서 사용된 TMI의 강우 강도는 TRMM GPROF 알고리즘 V6의 산출물로 2002년부터 2006년까지 5년간의 자료이다. TMI 강 우강도는 해상보다 육상에서 큰 불확실성을 갖고 있 기 때문에 이 연구는 해상에서 추정된 강우 강도만 을 사용하였다.

특히 이 위성에 탑재된 강수레이더 PR은 최초로 우주에 올려진 기상레이더로 약 250 km의 스캔폭을 가지고 있다. PR은 Ku-밴드 레이더로 13.8 GHz의 주파수 대역를 사용하고 있다. 이것의 민감도는 약 17 dBZ이며, 이는 약 0.5-0.7 mm/h의 강우강도에 해 당한다(Iguchi and Meneghini, 1994). PR의 수평분해 능은 최하점(nadir)에서 수평 4.3 km, 연직 250 m의 해상도를 가지며, 이 PR은 고도 20 km까지 관측한다.

레이더 반사도는 Hitschfeld-Bordan과 지면 반사 모

두를 이용한 방법에 의해 수정된다(Iguchi and Meneghini, 1994; Iguchi et al., 2000). 이 연구에서 사용된 TRMM PR 산출물은 TMI와 같은 기간의 2A25(corrected radar reflectivity)와 2A23(rain types) 이며, 2A25의 지표근처 강우강도를 지표의 강우강도 로 사용하였다.

열대해양에서의 TMI와 PR의 강수 특성을 파악하 기 위해 열대지역에 위치하는 4개의 해양을 선정하 였다. 이 들은 각각 열대 북서태평양(the northwest Pacific, NWP), 남서태평양(the southwest Pacific, SWP), 동태평양(the east Pacific, EP)과 대서양(the tropical Atlantic, TA)이다(Fig. 1). 이들 4개의 해양에 서의 서로 다른 열역학적 환경과 대규모의 강제력 등은 구름 특성에 있어서 다양한 지역적 특성을 잘 대표하는 것으로 보여진다. 한편 북서태평양과 남서 태평양은 두 지역 모두 온난 해수역에 위치하며 열 대수렴지역에 해당하지만 SWP는 남태평양수렴지역 에 위치하는 곳으로 NWP와는 다르게 거대한 몬순 시스템에 의해 강한 영향을 받는 곳으로 알려져 있 다(Vincent et al., 2011). 따라서 이 두 지역에서의 강수 특성의 유사성 및 차이점을 살펴보는 것 또한 의미가 있을 것으로 사료된다.

분석 방법

선정된 지역들에서 TMI-강우강도와 PR-강우강도 를 비교하기 위해서 해상에서의 화소(pixel)들만을 수 집하여 두 기기 사이의 일치점(collocation)을 다음과

Fig. 1. Map of oceanic regions used in this study including: the northwest Pacific (NWP), east Pacific (EP), southwest Pacific (SWP), and tropical Atlantic (TA).

같이 찾았다. TMI 채널 주파수의 발자국(footprint) 크기가 주파수마다 모두 다르기 때문에 GPROF 알 고리즘에서 TMI 위성 발자국의 명목상 크기는 14×14 km²로 고려하였다(Olson et al., 2006). 이 TMI의 명목상 면적에서 TMI 강우강도가 0 mm/h 보 다 큰 화소에 대해서 이 면적 안에 들어오는 PR 화 소들을 수집하여 PR의 강우강도를 평균하였다. 즉, PR의 화소 크기는 수평적으로 약 4.3 km이므로 TMI 의 명목상 면적 안에 대략 9개의 화소들이 포함될 수 있다(Seo et al., 2007; 서은경, 2011).

한편 PR의 산출물 중의 하나인 2A23는 PR의 화 소들에 대한 강수유형의 정보를 갖고 있다. 즉, PR의 강수 화소는 Steiner et al.(1995)의 분류 알고리즘을 따라 대류운 또는 층운형으로 분류된다(Iguchi et al., 2000). TMI의 명목상 위성 발자국 안에 포함된 모든 PR 화소들의 수에 대한 PR의 대류형 강수(2A23 산 출물에서 200-291의 범위 안에 있는) 화소 수의 비 율을 구하였다. 이 비율은 TMI의 명목상 면적에 대 한 대류형 강수의 면적 비율을 나타내는 것으로 TMI 화소의 강수유형을 나타내는 대류면적분수 (Convective Area Fraction, ConvF)로 정의할 것이다 (Olson et al., 2001a; Seo et al., 2007). 이 변수는 다음과 같이 정의된다.

the number of convective pixels ConvF =

the total number of PR pixels contained within a given TMI pixel

이 대류면적분수를 가지고서 TMI 화소를 다음과 같이 세 가지 강수 유형으로 분류하였다.

여기서 분류 1은 대류형, 분류 2는 혼합형, 분류 3 은 비대류형 강우를 나타낸다. 따라서 TMI의 명목상 크기의 규모에서 PR이 가질 수 있는 최소의 평균 강 우강도는 ~0.1 mm/h이다.

TMI와 PR 강수 특성

이 절에서는 4개 지역에서의 각 강수유형의 발생 빈도와 TMI와 PR로부터 추정된 강우강도의 크기 및 분포의 특성을 강수유형별로 조사하였으며, 이를 통 해 각 지역에서의 강수계의 특성 및 강우강도 추정

에 있어서의 편향을 분석하였다.

강수 구름의 발생 빈도

각 지역의 해양에서 TMI로부터 추정된 강수가 있 는 화소들을 세 가지 강수유형별로 분류하였다. 이 연구에서 선정된 네 곳의 지역들은 거의 육지를 포 함하고 있지 않는 해양들로 구성되어 있어서 각 지 역이 포함하고 있는 육지 면적은 고려하지 않았다 (Fig. 1). 각 지역이 서로 다른 면적을 가지고 있기 때문에 위도·경도 10^o×10^o 면적 당 발생한 강수 화 소들의 수로 변환하였다. 따라서 이 연구에 포함된 표들은 5년 동안 일정 면적 당 발생한 강수구름들에 대한 통계이다.

서태평양의 열대 해역에 위치한 온난 해수역(warm pool)은 해수면 온도가 28-29^oC 이상인 곳으로 다른 적도 해수면의 수온보다 2-5^oC 높으며 지구상에서 가장 넓은 구역에 자리 잡고 있는 가장 따뜻한 곳이 다(e.g., Shea et al., 1990; McPhaden and Picaut, 1990; Yan et al., 1992). TMI로부터 산출한 해수면 온도에 의하면 서태평양과 동태평양이 각각 29.3^oC 와 25.3^oC의 온도를 가지며, 이 들의 해수면 온도 차 이는 4^oC이다(Wentz et al., 2000). 이 온난 해수역에 서 Tropical Ocean-Global Atmosphere Coupled Ocean-Atmosphere Response Experiment (TOGA COARE) 기간 동안 비행기에 탑재된 도플러 레이더 관측을 통해 보면 온난 해수역의 대류권 하부층(0.5- 4.5 km)은 잠재적 불안정( )을 가지고 있으 며(Kingsmill and Houze, 1999; Houze, 2004), 연직 으로 잘 발달된 대류운과 강한 강수 현상이 자주 일 어나는 것으로 알려져 있다(Brown and Zhang, 1997). 한편 Johnson et al.(1999)에 의하면 열대지역 에 존재하는 무역 역전층(~2 km)과 0^oC 근처에 위치 하는 안정층으로 인해 대다수의 구름의 높이가 5- 6 km 아래에 존재한다. 또한 GARP Atlantic Tropical Experiment (GATE)와 COARE의 관측을 통해서 Massachusetts Institute of Technology (MIT) 레이더 가 관측한 고도에 따른 구름 수의 분포는 고도 2 km 내외에 많은 구름이 존재함을 보고하고 있다.

따라서 이 연구의 네 지역은 열대해양에 위치하고 있어 다른 어느 곳보다도 지속적으로 경계층 하부가 데워져 대류 불안정성을 지니고 있는 곳으로 특히 대류형 강수 구름이 발생하기 좋은 환경을 지니고 있다. 특히 NWP와 SWP 지역은 이러한 온난 해수 category

1, 0.7 ConvF 1.0 convective< ≤ 2 if 0.7 ConvF 0.7 mixed, < ≤ 3, 0.7 ConvF 0.3 stratiform< ≤

⎩⎨

=⎧

∂θ_e⁄∂z<0

역에 위치하고 있어 EP와 TA보다 해수면의 온도가 높은 곳이다. TRMM 위성의 TMI 라디오미터가 관 측한 강수구름의 빈도수도 위와 같은 연구들의 결과 와 잘 일치함을 알 수 있다. 각 지역에서 발생한 강 수구름은 역시 서태평양의 온난 해수역에 위치한 NWP와 SWP에서 가장 많이 발생하였다. 이들 지역 은 EP와 TA와 비교하여 1.5배 많은 강수구름을 만 들어 내고 있다. 따라서 온난 해수역에 위치한 NWP 와 SWP는 다른 어느 열대지역의 해양보다 강수구름 을 만드는데 있어서 매우 생산적인 지역임을 알 수 있다. 즉, 이들 지역은 열역학적으로 잠재적 불안정 성이 다른 어떤 해양보다도 크기 때문에 작은 규모 및 약한 강수를 갖는 적운들이 많이 생성되는 것으 로 사료된다. 한편 EP와 TA 지역은 거의 같은 수의 강수구름이 발생하고 있다. 따라서 같은 위도대에 놓 인 열대 태평양의 동편과 서편 사이에서도 강수구름 빈도수에 상당한 차이가 있음을 알 수 있다.

강수유형 별 분포

TMI 강수 화소를 ConvF의 값에 따라 세 강수유형 으로 나누어 그 상대적 비율을 Table 1에 나타내었 다. 강수구름 발생 빈도수와는 달리 강수유형의 비율 에 있어서 네 개의 모든 해양이 서로 비슷한 값을 나타내고 있다(Table 1). 한편 열대지역은 대류운의 발생이 활발한 지역이며, 그 중에서도 낮은 적운형의 구름이 월등히 많이 발생하는 것으로 알려져 있다 (Johnson et al., 1999; Short and Nakamura, 2000;

Lau and Wu, 2003). 그럼에도 불구하고 모든 지역에 서 대류형 강수 화소의 비율은 약 10-15%만을 차지 하고 있으며, 비대류형 강수는 약 60-70%를 차지하 고 있다. 대류형 강수구름의 비율이 작은 이유는 TMI의 명목상 화소의 크기가 매우 크기 때문인 것으 로 사료된다. 예를 들면, 한 개의 고립형 대류형 강 수구름은 이 명목상의 화소 크기인 14 km×14 km에 서 볼 때 ConvF이 약 0.1 정도를 가지게 되며, 비대 류형으로 분류될 것이다. 또한 명목상 화소 규모에

몇 개의 고립형 대류형 강수구름이 있을지라도 이 비율은 0.7 보다 작을 경우가 많기 때문에 이들은 혼 합형으로 분류될 것이다.

Table 1에 나타나듯이 대류형 강수구름 비율에 대 해서 SWP가 14.7%로 가장 큰 값을, TA와 NWP가 약 12.8-13.5%의 값을, EP가 10.5%로 가장 작은 값 을 보이고 있다. 일반적으로 높은 해수면 온도를 가 진 해양으로부터 상승하는 경계층의 공기는 높은 상 당온위를 갖게 되어 다른 지역보다 운집된 대류운 (congestus)을 형성하기 용이하다(Emanuel et al., 1994;

Kingsmill and Houze, 1999). 따라서 이곳에서는 상 대적으로 다른 해양에서보다 운집된 대류운들을 형성 하지 못하여 TMI 명목상 화소 크기에 대해서 비대 류형과 혼합형으로 분류되었을 가능성이 크다. 즉, EP는 가장 낮은 해수면 온도를 갖기 때문에 가장 작 은 대류형 강수구름 비율을 보이는 것으로 사료된다.

반면에 비대류형 강수에 대해서 EP가 70.3%로 가 장 큰 값을 가지며, SWP와 비교하여 약 10%의 차 이를 보인다. Berg et al.(2002)의 경우에는 PR의 강 수 화소 크기(약 4.3 km×4.3 km)에 기초하여 강수유 형을 대류형과 비대류형으로 분류하였다. 이들의 결 과는 동태평양에서 대류형과 비대류형의 강수유형의 비율이 각각 46%와 54%를, 서태평양에서는 각각 55%와 45%를 차지하고 있으며, TMI의 명목상 화소 크기에서의 결과와는 상당히 다르다. 비록 두 연구 결과가 대류형과 비대류형의 비율의 크기에 있어서 서로 다르지만 두 결과 모두 동태평양이 서태평양에 서보다 비대류형으로 분류되는 강수구름이 더 많은 것에 일치하고 있다.

TMI와 PR 강우강도

TMI 라디오미터의 시야각(viewing angle) 내의 강 수구름 기둥으로부터 오는 마이크로파 신호의 크기는 밝기온도로 표현된다. 따라서 레이더의 강우 관측과 비교하여 이 TMI 밝기온도로부터 지표의 강우강도를 추정하는 것은 좀 더 간접적인 방법이다. 반면 PR로 Table 1. Number and percentage (in parentheses) of occurrences of rainy pixels for each cloud classification over the four tropi- cal oceanic area of 10 deg×10 deg in Latitude and longitude for five years

category 1 category 2 category 3 all categories

NWP 43914 (12.8%) 74094 (21.5%) 226394 (65.7%) 344402

EP 23955 (10.5%) 43676 (19.2%) 159884 (70.3%) 227515

SWP 54444 (14.7%) 86247 (23.2%) 230462 (60.1%) 371153

TA 30059 (13.5%) 49723 (22.4%) 142425 (64.1%0 222207

부터 추정된 강우강도는 지표근처에 있는 강우 입자 들로부터의 반사도를 통해서 얻어지기 때문에 일반적 으로 TMI로부터 추정된 강우강도에 비해서 좀 더 정확한 값으로 받아들여지고 있다(e.g., Ikai and Nakamura, 2003; Seo et al., 2007). GPROF V6 알 고리즘에 의한 TMI의 강우강도와 이 TMI 화소 안 에 포함되는 PR 화소들에 대한 평균 강우강도를 수 집하였다. 따라서 이 두 독립적인 기기로부터의 강우 강도를 강수유형별로 서로 비교하였다.

모든 지역에서 TMI의 평균 강우강도는 5.29-5.98 mm/h의 범위를 갖고 있다(Table 2). 각 강수유형에 대해서 대류형은 6.20-6.86 mm/h, 혼합형은 5.94-6.78 mm/h, 비대류형은 4.84-5.63 mm/h의 범위를 가지며, 강수유형별 평균 강우강도의 크기에 있어서 큰 차별 성이 없다. 이러한 특징은 TMI 강수추정 알고리즘의 한계를 나타내는 것으로 보인다. 지역별로는 NWP와 SWP에 발생한 강수구름의 수가 가장 많았지만, 모든 강수유형에 대해서 가장 약한 강우강도를 갖는다. 반 면에 EP는 다른 지역들보다 모든 강수유형에 대해 약 11-14% 강한 강우강도를 갖는다.

전체 강수 화소들에서 PR의 평균 강우강도는 대류 형에서 9.07-9.81 mm/h, 혼합형은 6.11-6.82 mm/h, 비 대류형은 2.78-2.99 mm/h의 범위를 갖는다(Table 3).

PR의 평균 강우강도는 TMI의 평균 강우강도와 비교 할 때 큰 차이를 보이며, 각 강수유형별 강우강도의 차이가 뚜렷하다. 지역별로 볼 때 EP가 대류형과 혼 합형에 대해서 가장 강한 강우강도를 갖고 있으며, 비대류형에서도 TA 지역 다음으로 강한 강우강도를 갖는다. 즉, 해수면 온도가 가장 낮은 지역인 EP가 대류형과 혼합형의 강수유형에서 좀 더 강한 강우강

도를 생산하고 있다. 이는 일반적 예상과는 반대의 결과로 보인다. 이에 대한 고찰로서 서태평양의 온난 역은 잠재적 불안정성이 다른 어떤 해양보다도 크기 때문에 작은 규모 및 약한 강수를 갖는 적운들이 많 이 생성되면서 평균적으로 약한 강우강도를 만드는 것으로 보인다. 이를 통해 평균적인 관점에서 EP 지 역은 다른 지역보다는 다소 강한 대류형 강수구름을 만드는 것으로 보인다. 이 결과는 PR의 화소 규모에 기초해서 분석한 Berg et al.(2002)의 다음 결과와 일 치한다. 즉, 서태평양은 더 많은 양의 빙정과 좀 더 높은 층에 위치한 많은 양의 액상의 수적체를 갖고 있다. 반면에 동태평양은 평균적으로 더 적은 양의 액상 입자들을 가진 연직 분포를 갖지만 지표에서의 평균 강우강도는 더 강하다.

한편 비대류형에서 EP가 대류형과는 달리 비교적 약한 강우강도를 갖는다. 이는 약한 강우강도를 지닌 낮은 층운형 강수구름의 기여가 상대적으로 많기 때 문인 것으로 사료된다(e.g., Berg et al., 2002). 따라 서 서태평양과 동태평양의 강수계 사이의 이러한 차 이점들은 위성의 적외선과 수동 마이크로파로부터의 강수 추정에 있어서 큰 불일치(Berg et al., 2002)를 불러일으켰을 것으로 사료된다.

TMI 강우강도의 편향

TMI로부터 추정된 강우강도의 빈도 분포를 분석하 기 위해 PR의 강우강도와 함께 비교하였다. 이를 위 해 PR의 강우강도를 참값으로 고려하였다(e.g., Seo et al., 2007). 각 강수유형에 대해서 TMI와 PR의 평 균 강우강도 값 사이에 큰 차이가 있음을 발견하였 다. 각 지역의 TMI와 PR의 강우강도의 상대 및 누 Table 2. Mean TMI rain rates for each cloud classification for five years

category 1 category 2 category 3 all categories

NWP 6.36 6.07 4.90 5.34

EP 6.86 6.78 5.63 5.98

SWP 6.20 5.94 4.84 5.29

TA 6.22 6.14 5.17 5.53

Table 3. Mean PR rain rates for each cloud classification for five year

category 1 category 2 category 3 all categories

NWP 9.29 6.25 2.78 4.35

EP 9.81 6.82 2.91 4.39

SWP 9.07 6.11 2.74 4.45

TA 9.45 6.62 2.99 4.68

적 빈도 분포의 주요 특징이 비슷하기 때문에 Fig. 2 에 NWP에서의 빈도 분포 만을 나타내었다. 이 빈도 분포에서 강우강도를 나타내는 축은 로그 규모로 표 현되었다. TMI의 강우강도는 부드러운 정규분포의 모습을 보이며, 이러한 분포는 선형의 강우강도에 따 라 로그 정규분포를 갖는다. 즉, 약한 강우강도(<5-6 mm/h)에 50% 정도의 강우강도가 집중되어 있으며, 30 mm/h 보다 강한 강우강도는 거의 발생하지 않고 있다(Fig. 2). 반면 PR은 TMI와는 달리 부드럽지 못 한 빈도 분포를 가지며, 높은 강수율에서 좀 더 불일 치를 보인다. PR은 TMI로부터 관측되지 않은 높은 강우강도(>30 mm/h)를 갖고 있다(Fig. 3). 이러한 현 상은 특히 대류형과 혼합형에서 더욱 뚜렷하다. 반면 에 비대류형에서는 이와는 반대로 TMI의 강우강도가 강한 곳에서 PR보다 더 높은 빈도를 갖고 있다(Figs.

2 and 3).

이들 분포에 대한 TMI 강우강도의 평균적 편향은 매우 체계적(systematic)으로 일어나고 있음을 알 수

있다. 모든 지역에서 대류형은 PR의 강우강도에 대 해서 음의 편향, 비대류형은 양의 편향, 혼합형은 매 우 작은 편향을 갖는다(Table 4). 대류형에서의 TMI 의 음의 편향은 높은 PR의 강우강도에 대해서 매우 낮은 TMI의 강우강도만을 추정함으로써 실제 강우강 도를 과소 추정하는 현상이 뚜렷하기 때문이다(Fig.

2). 반면 비대류형에서는 양의 편향이 뚜렷하며, 이는 실제 강우강도를 과대 추정함을 의미한다. 그러나 이 러한 과대 추정을 좀 더 자세히 들여다보면 강우강 도가 0.3 mm/h 보다 작은 값에 대해서는 TMI가 과 소 추정하고 있으며, 0.3 mm/h 보다 큰 값에 대해서 과대 추정함으로써 전반적으로 과대 추정하고 있다.

비대류형에서 이러한 과대 추정의 원인을 다음과 같 이 추론할 수 있다. (1) PR이 탐지할 수 있는 강우강 도가 약 0.5-0.7 mm/h 이상이기 때문에 이 값 이하의 강우강도를 탐지하지 못해서 나타나는 결과이다. (2) TMI의 알고리즘 내부의 사전데이터베이스의 문제일 수 있다. 즉, 사전데이터베이스에 있는 밝기온도와 Fig. 3. Occurrence frequency (%) of rain pixels in each 1 mm/h TMI- and PR-derived rain rate bin at the intervals of 0.0001, 0.01, 0.02, 0.04, 0.06, 0.08, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.2, 1.4, 1.6, 1.8, 2.0, 2.2, 2.4, 2.6, 2.8, 3.0, 3.5, 4.0, 4.5, 5.0, 5.5, 6.0.

Fig. 2. Relative frequency of the PR (solid line) and TMI (dotted) rain rates for NWP for each category.

연결된 강우강도가 클 수 있기 때문이다(e.g., Biggerstaff and Seo, 2010). (3) 비대류형으로 분류된 층운형 구름의 밝은 띠(bright band)에 있는 융해하는 대기수적체로부터의 방출 에너지 증가는 강우강도의 과대추정을 불러일으킨다(Olson et al., 2001b). (4) TMI 알고리즘의 베이시언 정리를 사전데이터베이스 에 적용할 때 불연속성을 갖는 물리량을 추정함에 있어서 경계 부분에서 과소 또는 과대 추정의 문제 가 발생하게 된다. 특히 강우강도의 불연속 경계인 0 mm/h 근처에서는 과대 추정의 문제가 발생한다(Seo et al., 2008).

PR의 평균 강우강도에 대한 TMI의 편향의 크기는 대류형과 비대류형에서 각각 약 30%와 80%이다. 반 면 전체 강수 화소에 대해서는 좀 더 작은 18-36%

의 차이를 갖는다. 이렇게 전체 강수에 대해서 작은 편향을 갖는 것은 대류형과 비대류형에서 서로 다른 부호의 편향 사이에서 상쇄되었기 때문이다. 따라서 마이크로파로부터 추정된 강수량의 편향이 전체적으 로 비교적 작아 보일지라도 강수유형별로 매우 다른 편향이 존재할 수 있음을 시사하고 있다. 이는 또한 추정된 강우강도 또는 전체 강수량에 대한 검증은 강수유형 등에 따른 물리적 검증이 동반되어야 함을 의미한다. 한편 TMI 강수 추정 알고리즘을 개선하기 위하여 비대류형 강수 유형에 더 많은 개선이 필요 함을 시사하고 있다. 더욱이 이러한 편향이 강수유형 뿐 만 아니라 지역적 변동성을 지니고 있음을 알 수 있다. 특히 비슷한 환경을 가진 네 개의 열대해양에 서도 EP에서 가장 큰 편향을 가지고 있으며, 그 편 향의 크기가 다른 지역들보다 2배 정도 크다. Special Sensor Microwave Imager (SSM/I)를 이용한 강수 관

측은 열대 동태평양은 비교적 따뜻한 운정온도로부터 상당한 양의 강수가 있음을 나타내고 있다(Berg et al., 2002). 따라서 수동 마이크로파 추정 알고리즘에 서 수용되는 많은 가정들(e.g., the cloud water amount, the shape and density of ice particles, the drop size distribution, the relationship between liquid water content and rain rate, etc.)이 특히 EP 지역의 강수 특성을 잘 설명하지 못하면서 좀 더 큰 편향의 크기를 가져왔을 것으로 예상된다. 또한 이러한 체계 적 편향은 대류운의 생애 주기(life cycle)와 관련되어 나타날 수 있다(e.g., Rajendran and Nakazawa, 2005). 따라서 국지적 강수 특성을 고려한 보다 정교 한 TMI 알고리즘의 개발 및 개선이 필요함을 시사 하고 있다.

PR 강우강도와 운정고도의 관계

PR의 운정고도 산출물을 통해서 분석한 평균 운정 고도를 Table 5에 나타내었다. 예상대로 해수면의 온 도가 가장 높은 온난역에 위치한 NWP와 SWP의 평 균 운정고도가 다른 어떤 지역보다 높다. 평균적으로 서태평양이 동태평양보다 약 4^oC 높으며(Wentz et al. 2000), 대기의 기온 감률을 약 6^oC/km로 고려할 때 이 두 해양에서 발생하는 대류운의 운정고도 사 이에는 약 600 m 정도의 차이가 있을 것으로 예상된 다. PR의 관측을 통해 대류운의 경우 NWP와 SWP 가 EP보다 약 600 m 높게 나타나며(Table 5), 이는 해수면 온도 차이를 고려한 운정고도의 차이와 잘 일치함을 알 수 있다. 이러한 결과는 이 지역들에서 의 대류운의 운정고도의 빈도 분포와 일치한다 (Biggerstaff and Seo, 2010). 즉, 해수면 온도가 가장 Table 4. Mean rain rate difference (TMI minus PR) for each cloud classification for five years and the rate of the difference to the mean PR rain rate in %

category 1 category 2 category 3 all categories

NWP -2.93(31.5%) -0.18(2.8%) 2.12(76.3%) 0.99 (22.8%)

EP -2.95(30.1%) -0.04(0.6%) 2.72(93.5%) 1.59 (36.2%)

SWP -2.87(31.6%) -0.17(2.7%) 2.10(76.6%) 0.84(18.9%)

TA -3.23(34.2%) -0.48(7.2%) 2.18((72.9%) 0.85(18.2%)

Table 5. Mean storm height (m) for each cloud classification for five years

category 1 category 2 category 3 all categories

NWP 6005 5647 5525 5612

EP 5477 5268 5037 5127

SWP 6107 5707 5571 5681

TA 5410 5177 5155 5194

높은 지역 중의 하나인 서태평양이 동태평양보다 연직 으로 더욱 발달한 대류운을 형성한다(e.g., Biggerstaff and Seo, 2010).

PR 관측 자료를 이용하여 강수구름의 상한의 높 이인 운정고도와 강우강도의 빈도분포를 살펴보면, 대류형과 비대류형에서는 두 변수 사이에 두 가지의 Fig. 4. Occurrence frequency (%) of rain pixels in each 1 mm/h PR-derived rain rate and 0.5 km height bin at the intervals of 0.0001, 0.01, 0.02, 0.04, 0.06, 0.08, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.2, 1.4, 1.6, 1.8, 2.0, 2.2, 2.4, 2.6, 2.8, 3.0, 3.5, 4.0, 4.5, 5.0, 5.5, 6.0. The numbers for the dotted lines represent the slope of the linear regression lines for the relationship between rain rate and storm height.

관계가 있는 것으로 보인다(Fig. 4). 이 두 관계는 고도에 따라 강우강도가 느리게 증가하는 방향과 빠 르게 증가하는 방향이다. 이 두 개의 뚜렷한 관계를 NWP지역의 대류형과 혼합형에 대해 각각 실선과 파선으로 표현하였다(Fig. 4). 전자는 대류운 내의 강한 상승운동으로 인해 연직방향으로 크게 팽창하 는 발달 단계이며, 구름 내의 수적체들이 형성되는 시기로 아직 하강하는 강수 입자들이 적은 단계이 다. 따라서 운정고도는 높지만 강우강도는 크지 않 은 강수구름들로 예상된다. 후자는 이미 성숙 단계 에 접어들어 강수입자들이 잘 발달된 시기로 강한 강우강도를 갖는다. 이 시기는 운정고도와 강우강도 사이의 좋은 상관관계가 있는 단계로 IR의 운정 온 도를 통해 강우강도 추정에 적합한 강수구름으로 보 인다. 한편 전자에 해당하는 강수구름들의 빈도수가 상당히 크며, 이는 이러한 강수구름에 대해 IR의 운 정 온도를 통해 강우강도를 추정할 경우 과대 추정 할 가능성이 많음을 시사한다. 운정고도와 강우강도 를 축으로 하는 빈도 분포에서 가장 높은 빈도는 NWP와 SWP에서 약 5 km와 3 mm/h에 위치하는 반면, EP와 TA에서 약 4 km와 3 mm/h에 위치한다.

또한 NWP와 SWP의 운정고도는 EP와 TA보다 더 높은 곳까지 발달한 경우가 많다. 비대류운은 대류 운과 비교하여 더 낮은 운정고도의 분포를 보인다.

모든 지역에서 운정고도의 가장 높은 빈도가 발생하 는 높이는 약 4-5.5 km이며(Fig. 4), 이에 해당하는 강우강도는 1 mm/h 정도이다.

한편 운정고도에 따른 강우강도 사이의 관계를 선 형적으로 살펴보았다. Fig. 4에 있는 점선은 이 두

변수 사이의 관계를 보여주는 선형회귀 분석선이다.

각 지역 및 강수유형에 따라 각각 서로 다른 경사도 를 갖는다. 모든 강수유형에 대해서 NWP의 경사가 가장 작으며, EP의 경사가 가장 크다. TA는 이들 경 사들의 사이에 위치한다. 이 선형회귀선의 기울기의 역수가 Table 6에 나타나있다. 따라서 주어진 고도의 증가분에 대해 NWP가 다른 어느 해양보다도 더 큰 강우강도의 증가분을 가지며, 대류형은 10.64 (mm/h)/

km, 비대류형은 7.65 (mm/h)/km을 나타낸다. 즉, NWP는 고도 1 km 증가에 따라 대류형에서 약 11 mm/h와 비대류형에서 약 8 mm/h의 강우강도 증 가를 갖는다. 반면에 EP는 대류형에서 약 8 mm/h와 비대류형에서 약 6 mm/h의 강우강도 증가를 갖는다.

한편 대류형에서 주어진 운정고도에 해당하는 평균 강우강도를 살펴보면 6-7 km 이하의 운정고도를 가 진 강수구름은 EP와 TA에서 보다 큰 강우강도를 가 지며, 그 이상에서는 NWP와 TA가 가장 큰 강우강 도를 갖는다(Fig. 5). 혼합형과 비대류형에서 6-7 km 이하의 운정고도를 가진 강수구름에 대해서 EP와 TA가 보다 큰 강우강우를 가지며, 그 이상에서는 모 든 지역이 비슷한 강우강도를 지닌다. 특히 운정고도 또는 운정온도를 이용하여 강우강도를 추정하는 IR 의 경우 이와 같은 지역 및 강수유형에 따른 운정고 도와 강우강도의 관계식 등을 고려하는 강수계 특성 을 고려해야 할 것이다.

결 론

TRMM 위성의 두 독립적인 기기인 마이크로파 센 Fig. 5. The linear regression lines for the relationship between rain rate and storm height viewed from PR.

서 TMI와 강수레이더 PR을 통해 추정된 지표에서의 강우강도를 비롯한 강수 관련 변수들을 조사함으로써 주요 열대해양에서의 강수계의 특성 및 강우강도의 추정에 있어서의 편향을 분석하였다. 이 연구에서 선 정된 해양들은 비교적 비슷한 지구물리적 환경을 가 진 서태평양, 동태평양과 대서양의 열대지역에 위치 한다. 이 연구에서 사용한 TRMM의 산출물은 2002 년부터 2006년까지 5년 동안의 2A12, 2A23와 2A25 로부터의 강수유형, 강우강도, 강수화소의 발생 빈도 수, 운정고도 등이다.

해수면의 온도가 가장 높은 온난역에 위치한 북서 태평양과 남서태평양은 강수 특성에 있어서 다른 해 양들과는 달리 서로 매우 유사한 결과를 나타냈다.

이 서태평양 지역들에서 가장 많은 강수구름이 발생 하며, 이곳은 동태평양과 대서양보다 1.5배 많은 빈 도를 보인다. 선정된 해양에서 강수화소들의 강수유 형별 비율은 대류형이 10-15%만을 차지하고 있으며, 비대류형이 약 60-70%를 차지하고 있다. 대류형이 작은 비율을 갖는 것은 TMI의 명목상 화소 크기가 고립형의 대류운 크기보다 3배 정도 크기 때문에 많 은 고립형 대류운들이 혼합형과 비대류형으로 분류된 것으로 사료된다. 이 지역들에서도 EP가 가장 작은 대류형 비율과 가장 큰 비대류형 비율을 갖는 것으 로 나타났다.

각 유형별 평균 강우강도에서 동태평양이 대류형과 혼합형에 대해 가장 강한 강우강도를 가졌으며, 전체 적으로는 대서양이 가장 강한 강우강도를 보였다. 한 편 PR의 강우강도를 참값으로 볼 때 해수면의 온도 가 가장 낮은 EP 지역에서 강우강도가 비교적 높게 나타남으로써 다른 어느 지역보다도 TMI 강우강도의 편향이 크게 나타났다. TMI의 강우강도의 편향은 강 수유형과 지역에 따라 매우 다르게 나타났다. 즉, 대 류형과 비대류형에서 각각 음과 양의 체계적 편향을 지니면서 강수유형별로 매우 다르게 나타났다. 이러 한 서로 다른 부호 사이의 상쇄로 인해 18-36%의 편향을 보였다. 따라서 마이크로파로부터 추정된 강

수량에 대한 검증은 강수유형별로 수행되어야 함을 제시하고 있다. 특히 이 연구에서 선정한 열대해양들 은 비교적 유사한 지구물리적 환경을 가지고 있지만, 그 편향의 크기가 2배 이상의 차이가 있다.

PR이 본 운정고도는 해수면 온도가 가장 높은 곳 에 위치한 NWP와 SWP에서 가장 높았으며, EP와는 약 500 m의 차이를 나타냈다. 운정고도와 강우강도 사이의 관계도 조금씩 다르게 나타났다.

이들 지역들은 같은 위도에 위치한 열대해양으로 지구물리적으로 유사한 환경이지만 TRMM 위성에 탑재된 TMI와 PR을 중심으로 살펴본 결과 각 지역 들의 강수계의 특성들이 상당히 다름을 알 수 있었 다. 특히 동·서 태평양에서의 강수계 사이의 특성이 매우 다르게 나타났으며, 대서양의 강수계는 이 둘 사이의 중간적 특성을 지니고 있었다. 따라서 TMI 강수의 체계적 편향을 이해하는 것 또한 열대해양에 서의 강수 과정을 이해하는데 매우 중요할 것이다.

특히 TMI 강수의 편향을 줄이기 위해서 TMI 라디 오미터를 통한 강수 추정에 사용되는 사전데이터베이 스는 이러한 지역적 강수 특성을 지니고 있어야 하 며, 지역적 특성을 포함하는 구름 매개변수의 사용과 보다 정교한 TMI 알고리즘의 개선이 필요하다.

사 사

이 연구에서 사용한 TRMM 자료는 NASA Goddard Earth Sciences Data and Information Services Center 에서 제공되어졌습니다. 이 연구는 기상지진기술개발 사업단(CATER 2009-2108)의 지원으로 수행 되었습 니다.

참고문헌

서은경, 2011, TRMM 위성의 강수레이더에서 관측된 동아 시아 여름 강수의 특성. 한국지구과학회지, 32, 33-45.

Adler, R.F., Yeh, H.Y.M., Pasad, N., Tao, W.K., and Simp- son, J., 1991, Microwave simulations of a tropical rain- Table 6. The reciprocal of slope of the dotted line in Fig. 4. The unit of the numbers is (mm/h)/km

category 1 category 2 category 3 all categories

NWP 10.64 10.45 7.65 10.07

EP 8.03 8.89 6.40 8.27

SWP 9.43 10.10 8.08 9.71

TA 9.42 9.25 7.08 9.68

fall system with a three-dimensional cloud model.

Journal of Applied Meteorology, 30, 924-953.

Berg, W., Ecuyer, T.L., and Kummerow, C., 2006, Rain- fall climate regimes: The relationship of regional TRMM rainfall biases to the environment. Journal of Applied Meteorology and Climatology, 45, 434-454.

Berg, W., Kummerow, C., and Morales, C.A., 2002, Differ- ences between East and West Pacific rainfall systems.

Journal of Climate, 15, 3659-3672.

Biggerstaff, M.I. and Seo, E.-K., 2010, An EOF-Based Comparison and Evaluation of Simulated Passive Microwave Signatures to Observations Over Tropical Oceans. Journal of Geophysical Research, 115, doi : 10.1029/2009JD013029.

Biggerstaff, M.I., Seo, E.-K., Hristova-Veleva, S., and Kim, K.-Y., 2006, Impact of cloud model microphysics on passive microwave retrievals of cloud properties. Part I:

Model comparison using EOF analyses. Journal of Applied Meteorology and Climatology, 45, 930-954.

Brown, R.G. and Zhang, C., 1997, Variability of Midtropo- spheric Moisture and Its Effect on Cloud-Top Height Distribution during TOGA COARE. Journal of Atmo- spheric Sciences, 54, 2760-2774.

Emanuel, K.A., Neelin, J.D., and Bretherton, C.S., 1994, On large-scale circulations in convecting atmosphere.

Quarterly Journal of the Royal Meteorological Society, 120, 1111-1143.

Houze, R.A.Jr., 2004, Mesoscale Convective Systems.

Reviews of Geophysics, 42, RG4003, doi : 10.1029/

2004RG000150.

Iguchi, T., Kozu, T., Meneghini, R., Awaka, J., and Oka- moto, K., 2000, Rain-profiling algorithm for the TRMM Precipitation Radar. Journal of Applied Meteorology, 39, 2038-2052.

Iguchi, T. and Meneghini, R., 1994, Intercomparison of single-frequency methods for retrieving a vertical rain profile from airborne of spaceborne radar data. Journal of Atmospheric and Oceanic Technology, 11, 1507- 1516.

Ikai, J. and Nakamura, K., 2003, Comparison of Rain Rates over the Ocean Derived from TRMM Micro- wave Imager and Precipitation Radar, Journal of Atmo- spheric and Oceanic Technology, 20, 1709-1726.

Johnson, R.H., Rickenbach, T., Rutledge, S.A., Ciesielski, P., and Schubert, W., 1999, Trimodal characteristics of tropical convection. Journal of Climate, 12, 2397-2418.

Kingsmill, D.E. and Houze, R.A.Jr., 1999, Thermody- namic characteristics of air flowing into and out of pre- cipitating convection over the west Pacific warm pool.

Quarterly Journal of the Royal Meteorological Society, 125, 1209-1229.

Kummerow, C.D., Barnes, W., Kozo, T., Shiute, J., and Simpson, J., 1998, The Tropical Rainfall Measuring

Mission (TRMM) sensor package. Journal of Atmo- spheric and Oceanic Technology, 15, 809-817.

Kummerow, C.D., Hong, Y., Olson, W.S., Yang, S., Adler, R.F., McCollum, J., Ferraro, R., Petty, G., Shin, D.B., and Wilheit, T.T., 2001, The evolution of the Goddard Profiling Algorithm (GPROF) for rainfall estimation from passive microwave sensors. Journal of Applied Meteorology, 40, 1801-1820.

Kummerow, C.D., Olson, W.S., and Giglo, L., 1996, A simplified scheme for obtaining precipitation and verti- cal hydrometeor profiles from passive microwave sen- sors. IEEE Transactions on Geoscience and Remote Sensing, 34, 1213-1232.

Lau, K.M. and Wu, H.T., 2003, Warm rain processes over tropical oceans and climate implications. Geophysical Research Letters, 30, 2290, doi : 10.1029/2003GL018567.

McPhaden, M.J. and Picaut, J., 1990, El Ninõ-Southern Oscillation displacements of the western equatorial Pacific warm pool. Science, 250, 1385-1388.

Nesbitt, S.W., Zipser, E.J., and Kummerow, C.D., 2004, An examination of version-5 rainfall estimates from the TRMM microwave imager, precipitation radar, and rain gauges on global, regional, and storm scales. Journal of Applied Meteorology, 4, 1016-1036.

Olson, W.S., Bauer, P.C., Kummerow, C.D., Hong, Y., and Tao, W., 2001b, A melting-layer model for passive/

active microwave remote sensing applications. Part II:

Simulation of TRMM observations. Journal of Applied Meteorology, 40, 1164-1179.

Olson, W.S., Hong, Y., Kummerow, C.D., and Turk, J., 2001a, A texture-polarization method for estimating convective–stratiform precipitation area coverage from passive microwave radiometer data. Journal of Applied Meteorology, 40, 1577-1591.

Olson, W.S., Kummerow, C.D., Hong, Y., and Tao, W.K., 1999, Atmospheric latent heating distributions in the Tropics derived from satellite passive microwave radi- ometer measurements. Journal of Applied Meteorology, 38, 633-664.

Olson, W.S., Kummerow, C.D., Yang, S., Petty, G.W., Tao, W.K., Bell, T.L., Braun, S.A., Wang, Y., Lang, S.E., Johnson, D.E., and Chiu, C., 2006, Precipitation and latent heating distributions from satellite passive micro- wave radiometry. Part I: Method and uncertainties. Jour- nal of Applied Meteorology and Climatology, 45, 702- 720.

Rajendran, K. and Nakazawa, T., 2005, Systematic Differ- ences between TRMM 3G68 PR and TMI Rainfall Estimates and the Possible Association with Life Cycle of Convection. Scientific Online Letters on the Atmo- sphere, 1, 165-168.

Ryu, G.H., Sohn, B.J., Kummerow, C.D., Seo, E.-K., and Tripoli, G.J., 2011, Rain rate characteristics over the

Korean peninsula and improvement of Goddard Profil- ing (GPROF) database on TMI rainfall retrieval. Jour- nal of Applied Meteorology and Climatology, accepted.

Seo, E.-K., 2000, Sensitivity of hydrometeor profiles and satellite brightness temperatures to model microphysics from MCSs over land and ocean: Model comparison using EOF analysis and implications for rain and latent heat retrievals. Ph.D. dissertation, Texas A and M Uni- versity, 177 p.

Seo, E.-K. and Biggerstaff, M.I., 2006, Impact of cloud model microphysics on passive microwave retrievals of cloud properties. Part II: Uncertainty in rain, hydrome- teor structure, and latent heating retrievals. Journal of Applied Meteorology and Climatology, 45, 955-972.

Seo, E.-K., Sohn, B.J., and Liu, G., 2007, How TRMM precipitation radar and microwave imager retrieved rain rates differ. Geophysical Research Letters, 34, L24803, doi : 10.1029/2007GL032331.

Seo, E.-K., Sohn, B.J., Liu, G., Ryu, G.H., and Han, H.J., 2008, Improvement of Microwave Rainfall Retrievals in Bayesian Retrieval Algorithms. Journal of the Meteoro- logical Society of Japan, 86, 1-5.

Serra, Y.L. and McPhaden, M.J., 2003, Observed regional and temporal variability of rainfall over the tropical Pacific and Atlantic Oceans. Annual Maximum Series (AMS) Annual Meeting, Long Beach, CA, J1.2.

Shea, D., Trenberth, K., and Reynolds, R., 1990, A Glo- bal Monthly Sea Surface Temperature Climatology.

NCAR technical note (NCAR/TN-345+STR), Boulder, Colorado, 167 p.

Short, D.A. and Nakamura, K., 2000, TRMM radar obser- vations of shallow precipitation over the tropical oceans.

Journal of Climate, 13, 4107-4124.

Simpson, J., Alder, R.F., and North, G.R., 1988, A pro- posed tropical rainfall measuring mission (TRMM) sat- ellite. Bulletin of American Meteorology Society, 69, 278-295.

Smith, E.A., Mugnai, A., Cooper, H.J., Tripoli, G.J., and Xiang, X., 1992, Foundations for statistical–physical precipitation retrieval from passive microwave satellite measurements. Part I: Brightness temperature properties of a time-dependent cloud-radiation model. Journal of Applied Meteorology, 31, 506-531.

Smith, E.A., Xiang, X., Mugnai, A., and Tripoli, G.J., 1994, Design of inversion-based precipitation profile

retrieved algorithm using an explicit cloud model for initial guess microphysics. Meteorology and Atmo- spheric Physics, 54, 53-78.

Steiner, M., Houze, R.A.Jr., and Yuter, S.E., 1995, Climato- logical characterization of three-dimensional storm struc- ture from operational radar and rain gauge data. Journal of Applied Meteorology, 34, 1978-2007.

Stout, J. and Kwiatkowski, J., 2004, Selected analyses of TRMM instantaneous rainfall data. Geoscience and Remote Sensing Symposium Proceedings, 2, 914-917.

Tao, W.K. and Simpson, J., 1993, Goddard Cumulus Ensemble Model. Part I: Model description. Terrestrial, Atmospheric Oceanic Sciences, 4, 35-72.

Vincent, E.M., Lengaigne, M., Menkes, C.E., Jourdain, N.C., Marchesiello, P., and Madec, G., 2011, Interan- nual variability of the South Pacific Convergence Zone and implications for tropical cyclone genesis. Climate Dynamics, 36, 1881-1896.

Wentz, F.J., Gentemann, C., Smith, D., and Chelton, D., 2000, Satellite measurements of sea surface tempera- tures through clouds. Science, 288, 847-850.

Wilheit, T.T., Chang, A.T.C., Rao, M.S.V., Rodgers, E.B., and Theon, J.S., 1977, A satellite technique for quanti- tatively mapping rainfall rates over the oceans. Journal of Applied Meteorology, 16, 551-560.

Wu, R. and Weinman, J.A., 1984, Microwave radiances from precipitating clouds containing aspherical ice, combined phase, and liquid hydrometeors. Journal of Geophysical Research, 89, 7170-7178.

Yan, X.H., Ho, C.R., Zheng, Q., and Klemas, V., 1992, Temperature and Size Variabilities of the Western Pacific Warm Pool. Science, 258, 1643-1645, doi : 10.1126/science.258.5088.1643.

Yang, S., Olson, W.S., Wang, J.J., Bell, T.L., Smith, E.A., and Kummerow, C.D., 2006, Precipitation and latent heating distributions from satellite passive microwave radiometry. Part II: Evaluation of estimates using inde- pendent data. Journal of Applied Meteorology and Cli- matology, 45, 721-739.

Yuter, S., Millerl, M., Stout, J., Wood, R., Kwiatkowski, J., Hornl, D., and Spoonerl, C., 2006, Remaining chal- lenges in satellite precipitation estimation using the Tropical Rainfall Measuring Mission. 4^th European Con- ference on Radar in Meteorology and Hydrology, Bar- celona, Spain, 1-4.

2011년 10월 18일 접수 2011년 11월 23일 수정원고 접수 2011년 12월 8일 채택