Statistical approach towards subseasonal prediction over the Maritime Continent

Abstract

해양 대륙(MC)은 섬과 바다가 혼합된 복합적인 지형일 뿐만 아니라 산악 지형도 가지고 있어 이 지역의 기상과 기후를 예측하는 것은 하나의 도전 과제로 남아있다. 일반적으로, 이 지역의 기상과 기후는 다양한 시공간적 규모의 기후들에 의해 영향을 받는다. 이 중에는 El-Niño 남방진동(ENSO)과 연관된 격년변동과 성층권의 Quasi-Biennial 진동(QBO) 이 있다. Madden-Julian 진동(MJO)도 또한 MC 지역에서의 계절내 대류 활동을 조절하는 능력을 가지고 있다. 선행연구에서는 통계적인 방법을 이용하여 성공적인 미래 예측 결과를 내놓았다. 이들 중 일부는 기후 변동을 자신들의 모델 속에서 예측도의 근원으로 취하였다. 이에 동기부여를 받아, 위에 언급된 기후 지수들을 이용한 단순선형회귀모형 및 다중선형회귀모형을 설계하여 MC 지역에서의 대기 장파 복사(OLR) 및 지표면 기온(T2m)의 편차를 예측하였다. 예측 능력은 예측 값과 실제 관측 값의 상관계수로 측정되었다. 결과는 각 지수를 따로 이용한 단순회귀모형을 만들었을 때 ENSO가 가장 큰 시간적 상관계수 값을 보여줬다. 그러나 지속성 개념을 포함한 모든 기후 지수들을 조합하여 만든 다중회귀모형이 모든 시차에서 가장 만족스러운 예측 능력을 보여줬으며, 특히 년단위 시간 규모에서 first lead week는 OLR과 T2m이 각각 r=0.74, r=0.77 이었다. 더하여, 지속성을 포함한 다중회귀모델은 DFJ를 제외한 모든 계절에서, 특히 OLR의 lead week-3에서, 만족스러운 상관계수 값을 보였다. T2m에 대해서는, MAM과 JJA에 좋은 상관계수 값이 얻어졌다. RMSESS(root mean squared error skill score)를 이용한 심층 평가는 다중회귀모델을 활용하는 잠재적 사용을 뒷받침한다. 결과는 OLR과 T2m 모두 지속성 개념이 예측 능력을 향상시켰다.;Weather and climate prediction over the Maritime Continent (MC) remains as a challenge due to its complex mix of islands and oceans as well as its mountainous topography. In general, the weather and climate of the region are contributed by climates in various temporal and spatial scales. Among which are the interannual variability associated with El-Niño Southern Oscillation (ENSO) and stratospheric Quasi-Biennial Oscillation (QBO). The Madden-Julian Oscillation (MJO) also has the capability in modulating intraseasonal convection activity over the MC region. Previous studies have shown successes in generating future prediction using statistical methods. Some of these works employed climate variability as the source of predictability in their models. Motivated by this, we construct simple and multiple linear least-square regression models using climate indices mentioned above to forecast the outgoing longwave radiation (OLR) and surface air temperature (T2m) anomalies over the MC region. The prediction skill is measured by the correlation coefficients between forecasts and observed values. Results show that when simple regression model is built using individual index separately, ENSO has the highest temporal correlation coefficients. However, it is the multiple regression model using combination of all the climate indices with the inclusion of the persistence term that produce the most promising forecast skill at all the lags especially at first lead week with r = 0.74 and r = 0.77 for OLR and T2m respectively on annual time scale. To add, multiple regression model with persistence exhibit satisfying correlation in all seasons except for DFJ especially after lead week-3 for OLR. For T2m, good correlation are obtained in MAM and JJA. Further evaluation using the root mean squared error skill score (RMSESS) support the potential use of utilizing the multiple regression model. Results suggest that the persistence term elevates the prediction skill for both OLR and T2m.