이 연구는 북서태평양에서 여름철(7-9월) 동안 발생하는 태풍 빈도를 예측하기 위한 다중회귀모델을 4가지 원격패턴을 이용하여 개발하였다. 이 패턴은 4-5월 동안 동아시아 대륙에서의 시베리아 고기압 진동, 북태평양에서의 북태평양 진동, 호주근처의 남극진동, 적도 중앙태평양에서의 대기순환으로 대표된다. 이 통계모델은 이 모델로부터 예측된 높은 태풍발생빈도의 해와 낮은 태풍발생빈도의 해 사이에 차를 분석함으로써 검증되었다. 높은 태풍발생빈도의 해에는 다음과 같은 4가지의 아노말리 특성을 나타내었다: i) 동아시아 대륙에 고기압성 순환 아노말리(양의 시베리아 고기압진동), ii) 북태평양에 남저북고의 기압계 아노말리, iii) 호주 근처에 저기압성 순환 아노말리(양의 남극진동), iv) 봄부터 여름 동안 니뇨3.4 지역에 저기압성 순환 아노말리. 따라서 적도 서태평양에서 무역풍 아노말리는 양반구의 아열대 서태평양에 위치한 저기압성 순환 아노말리에 의해 약화되었다. 결국, 이러한 기압계 아노말리의 공간분포는 열대 서태평양에 대류를 억제하는 대신 아열대 서태평양에 대류를 강화시켰다.

이 연구는 지역특별기상센터-동경 태풍 센터에서 제공하는 태풍의 최적 경로 자료와 미국 국립 환경예측센터/미국 국립 대기연구센터의 재분석 자료를 이용하여 6월 북대서양 진동 지수와 7, 8월 총 북서태평양 태풍발생빈도 사이에 강한 양의 상관관계가 있음이 분석되었다. 이러한 관계의 가능한 원인을 알아보기 위해 엘니뇨, 라니냐 해를 포함한 경우와 포함 하지 않은 경우로 구분하여 가장 높은 양의 북대서양 진동 해와 가장 낮은 음의 북대서양 진동 해 사이의 평균 차를 분석하였다. 엘니뇨 해와 라니냐 해를 포함한 경우 양의 북대서양 진동 해에는 태풍이 열대 및 아열대 서태평양의 북서쪽에서 주로 발생하였으며, 필리핀 북동쪽 해상으로부터 동중국해를 지나 동아시아 중위도 지역으로 이동하는 패턴을 나타냈다. 반면, 음의 북대서양 진동 해에는 태풍이 열대 및 아열대 서태평양의 남동쪽에서 주로 발생하였으며, 필리핀 남동쪽 해상으로부터 남중국해를 지나 중국 남부해안 및 인도차이나 반도를 향해 서진하는 패턴을 나타냈다. 이러한 두 해의 태풍 이동 패턴은 태풍의 전향위치에도 영향을 주어 양의 북대서양 진동 해에 태풍 전향이 평균적으로 좀 더 북동쪽에 이루어지는 것으로 나타났다. 또한 두 해의 태풍 이동 패턴은 태풍의 강도에도 영향을 주어 동아시아 중위도에 북상하는 동안 바다로부터 충분한 에너지를 공급받을 수 있는 양의 북대서양 진동 해의 태풍의 강도가 음의 북대서양 진동 해의 태풍들보다 더 강했다. 음의 북대서양 진동 해에 태풍은 중국 남부해안 및 인도차이나 반도에 상륙하면서 강도가 약해지거나 바로 소멸되어 약한 강도를 나타내었다. 한편 위의 모든 분석의 결과는 엘니뇨, 리니냐 해를 포함하지 않은 경우에도 비슷하게 나타나 6월 북대서양 진동 지수가 7, 8월 총 북서태평양 태풍발생빈도를 예측하는데 좋은 예측인자가 될 수 있음을 알 수 있었다.

This study evaluated the performance of GFDL HiRAM, a fine resolution AGCM, in the simulation of GPI (Genesis Potential Index) of tropical cyclone and its temporal variation over the Western North Pacific (WNP). We analyzed the AMIP simulation by the AGCM for the 30-year (1979-2008) forced by observed sea surface temperatures as the lower boundary condition. Since GPI depends on the five large-scale environmental factors(850 hPa absolute vorticity, 700 hPa relative humidity, vertical wind shear, maximum potential intensity, and 500 hPa vertical velocity), the biases of the simulation are examined for these factors as well as GPI itself. The results are compared with the ECMWF Interim reanalysis (ERA-I), and the analyses show that both the mean spatial pattern and the seasonal cycle of GPI over the WNP are reasonably simulated by HiRAM. But the magnitude of GPI is significantly underestimated due to the combined contribution of negative biases in four factors excluding the low-level vorticity. It is demonstrated that the three leading modes of spatio-temporal variability of GPI in EOF analysis for ERA-I are associated with ENSO, climate change with long-term trends, and SST anomalies over the WNP. The response of GPI to ENSO is more or less captured by HiRAM, including the east-west shift of Typhoon genesis location. However, it is supposed that unrealistic response of GPI and its factors to La-Nina or eastern Pacific El-Nino is an important shortcoming of HiRAM. In addition, HiRAM fails to reproduce the characteristic spatiotemporal variation associated with the climate change mode of GPI. The key findings from this study provide helpful guidance for improvement of HiRAM.