Enhancing Seasonal Predictability in Eurasia from Arctic Sources : A Focus on Sea Ice Initialization and Post-processing

국문 초록 (Abstract)

지구 온난화가 심화됨에 따라 북극 해빙의 변동성이 증폭되었으며, 이는 북극-중위도 원격상관의 중요성을 더욱 부각시키고 있다. 본 학위논문은 북극의 상태가 중위도, 특히 유라시아 지역의 지상 기온 예측성에 미치는 영향을 규명하고, 이를 바탕으로 겨울철 지상 기온의 계절 예측 성능을 향상시키는 것을 목적으로 한다. 이를 위해 커뮤니티 모델인 CESM2 모델을 활용하여 계절 예측 시스템을 구축하였으며, 예측 성능 향상에 미치는 효과를 다각도로 평가하였다. 본 논문은 총 6 개의 장으로 구성되어 있다. 제 1 장(서론)에서는 현재 계절 예측 모델의 한계점, 북극이 중위도 기후에 미치는 영향, 기존 연구의 한계, 그리고 본 연구의 목적 및 의의를 기술하였다. 제 2 장에서는 연구에 사용된 CESM2 모델에 대한 상세한 설명과 함께 초기화 방법, 앙상블 생성 및 예측 시스템의 구성 요소를 제시하였다. 제 3 장에서는 초기장 구축, 특히 해빙 초기화 방법에 초점을 맞추어 중위도 계절 예측 성능에 미치는 영향을 평가하였다. 해빙 관측값을 직접적으로 넛징(Nudging)한 실험(Exicenudge)보다, 데이터 동화 후 모델 내 물리적 균형을 회복하기 위해 2 주간의 조정 과정을 거친 실험(Exbalance)에서 유라시아 지역의 예측 숙련도가 가장 높게 나타났다. 특히 Exbalance 실험은 북위 20 도 이상 지역에서 0.32 의 ACC(Anomaly Correlation Coefficient)를 기록하며 가장 우수한 성능을 보였는데, 이는 Barents Oscillation 과 같은 북극-중위도 원격상관 패턴과 극 소용돌이(Polar Vortex) 변동성을 더욱 정확하게 모사한 결과임을 밝혔다. 결과적으로 관측값에 대한 단순한 근접성보다 모델 내 물리적 일관성을 유지하는 것이 예측 성능 향상에 더 핵심적인 요소임을 규명하였다. 제 4 장에서는 대부분의 계절 예측 모델에서 공통적으로 나타나는 북극 진동(AO)의 낮은 예측 성능 문제를 다루었다. 모델이 모사하는 결함 있는 AO-지상 기온 관계를 관측 기반의 관계로 대체하고, 여름철 해수면 온도와 가을철 해빙 및 눈 덮임 지수를 활용한 통계 모델 기반의 AO 지수를 적용하는 후처리 기법을 개발하였다. 이 기법을 적용한 결과, 기존 역학 모델에서 매우 낮았던 유라시아와 북미 지역의 지상 기온 예측 숙련도가 각각 0.06 에서 0.30, 0.23 에서 0.28 로 크게 향상되어 잠재적 예측 가능성(Potential Predictability)에 근접하는 성과를 거두었다. 제 5 장에서는 개발된 AO 후처리 기법을 14 개 다중 모델 앙상블(APCC MME)에 적용하여 방법론의 범용성을 검증하였다. 분석 결과, 모든 모델에서 유라시아 지역의 예측 숙련도가 일관되게 향상되었으며, 특히 모델 자체의 AO 예측 능력이 낮을수록 후처리 기법에 의한 성능 개선 효과가 더 크게 나타나는 뚜렷한 역상관 관계(r = -0.65)를 확인하였다. 또한, 앞서 제안한 해빙 초기화 개선(물리 모델 개선)과 AO 후처리(통계적 기법)를 결합한 하이브리드 접근 방식(PKNU_IAO)이 단일 방법론 적용 시보다 더 큰 시너지 효과를 창출함을 입증하였다. 마지막으로 제 6 장에서는 각 장의 연구 결과를 종합하여 요약하고, 북극 기인 요소들이 중위도 예측성에 미치는 영향에 대한 최종 결론을 도출하였다. 본 연구는 북극-중위도 기후 상호작용에 대한 이해를 넓히는 데 기여하며, 물리적 모델링과 통계적 기법을 통합한 하이브리드 방법론을 제안함으로써 기존 기후 모델의 한계를 극복하고 계절 예측 성능을 높이는 데 중요한 학술적 토대를 제공한다.

다국어 초록 (Multilingual Abstract)

As global warming intensifies, Arctic sea ice variability has increased, highlighting the growing importance of Arctic-midlatitude teleconnections. This dissertation aims to understand the influence of Arctic conditions on midlatitude, particularly Eurasian, surface air temperature (SAT) predictability and to improve winter SAT seasonal prediction skill based on this understanding. To achieve this, a seasonal prediction system was developed using the Community Earth System Model version 2 (CESM2), and its effectiveness in enhancing seasonal forecast skill was evaluated. This study consists of six chapters. Chapter 1 (Introduction) discusses the limitations of current seasonal prediction models, the influence of the Arctic on midlatitude climate, gaps in previous studies, the objectives and significance of this research, and an overview of each chapter. Chapter 2 provides a detailed description of the CESM2 model used in this study, along with the initialization methods, ensemble generation, and other components of the seasonal prediction system. Chapter 3 focuses on the construction of initial conditions, particularly sea ice initialization methods, and evaluates their impact on midlatitude seasonal prediction skill, finding that maintaining model balance is more critical than proximity to observations. Chapter 4 addresses the low prediction skill of the Arctic Oscillation (AO) and develops a statistical post-processing method to correct for AO-related biases. Chapter 5 validates the generalizability of this AO correction method by applying it across a 14-model multi-model ensemble, and further demonstrates the synergistic value of a hybrid approach that combines physical model improvements with statistical post-processing. Chapter 6 synthesizes the findings from all chapters, providing a comprehensive summary and concluding on the impact of Arctic- originated factors on midlatitude predictability. This dissertation contributes to a better understanding of Arctic-midlatitude climate interactions and proposes a hybrid method that integrates physical and statistical approaches to enhance seasonal prediction skill, overcoming the limitations observed in current climate models.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• 1.1 Background 2
• 1.2 Thesis aims and overview 4
• Chapter 2. Model, analysis method, and data description 7
• 2.1 Model description 8
• 2.1.1 General Circulation Model 8
• 2.1.2 Model configuration and set-up 10
• 2.1.3 Initialization method 12
• 2.1.4 Ensemble generation method 15
• 2.2 Statistical analysis methods 15
• 2.2.1 Empirical Orthogonal Function (EOF) analysis 15
• 2.2.2 Skill scores for model validation 16
• 2.3 Data description 17
• 2.3.1 JRA-55 reanalysis data 17
• 2.3.2 OISST 18
• 2.3.3 OISIC 18
• 2.3.4 PIOMAS 19
• Chapter 3. The Effect of Sea Ice Initialization on Midlatitude Prediction Skill 21
• 3.1 Introduction 22
• 3.2 Methodology 25
• 3.2.1 Nudging method 25
• 3.2.2 Experimental design for ocean and sea-ice initial conditions 26
• 3.2.3 Experimental design for hindcast 29
• 3.3 Results 31
• 3.3.1 Assessment of ocean and sea ice initial conditions 31
• 3.3.2 Seasonal forecast skill of SAT 37
• 3.3.3 Arctic-driven teleconnection patterns 45
• 3.4 Summary 57
• Chapter 4. The Arctic Oscillation and Its Impact on Midlatitude Prediction Skill 63
• 4.1 Introduction 64
• 4.2 Methodology 66
• 4.2.1 Correction of the AO impact on SAT pattern 66
• 4.2.3 Correction of the AOI 69
• 4.3 Results 74
• 4.3.1 AO prediction skill of dynamical model 74
• 4.3.2 Correction using AOI and observed AO-impact pattern 79
• 4.4 Summary 87
• Chapter 5. Generalization of the AO Correction across APCC MME 93
• 5.1 Introduction 94
• 5.2 Data and Methodology 95
• 5.2.1 Configuration of the APCC MME Models 95
• 5.3 Results 97
• 5.3.1 winter surface air temperature prediction skill 97
• 5.3.2 AO prediction characteristics of APCC MME participating models 100
• 5.3.3 Application of AO Correction to the APCC MME 104
• 5.3.4 A Case Study in Hybrid Improvement: The Complementary Roles of Physical Model Development and Statistical Correction 111
• 5.4 Summary 115
• Chapter 6. Summary and conclusion 117
• 6.1 General summary 118
• 6.2 Conclusions 120
• References 123
• List of abbreviations 139