너징 자료동화 (nudging assimilation)

한 줄 정의: 모델 방정식에 관측 쪽으로 끌어당기는 항을 더해 상태를 맞춰 가는 동화 기법입니다.

쉽게 풀면

모델이 계산한 값이 관측과 어긋날 때, 매 시간 조금씩 관측 쪽으로 잡아당기는 힘을 방정식에 넣어 주는 방법이 너징입니다. 한 번에 확 바꾸지 않고 서서히 끌어당기므로 모델이 충격을 받지 않고 균형을 유지합니다. 구현이 간단해 오래전부터 널리 쓰여 왔습니다.

왜 중요한가

계산 비용이 매우 낮아 지역기후 모의에서 대규모 흐름을 관측에 묶어 두는 스펙트럴 너징이나, 사례 재현 실험의 초기화에 지금도 널리 활용됩니다. 화학수송모델이나 상층 대기 모델처럼 정식 변분 동화 체계를 갖추기 어려운 분야에서도 실용적인 대안이 됩니다.

논문에서는 이렇게 쓰입니다

"지역기후 모의에서 스펙트럴 너징을 적용해 대규모 순환장을 재분석자료에 근접하게 유지하였다."

큰 규모의 흐름만 관측에 묶고 작은 규모는 모델이 자유롭게 만들도록 하는 전형적인 활용입니다.

조금 더 깊게 보면

각 예측 변수의 시간 변화 항에 관측과 모델 값의 차이에 비례하는 완화항을 더하며, 완화 시간 규모가 이 항의 세기를 결정합니다. 통계적으로 최적인 가중치를 계산하지 않기 때문에 변분법이나 칼만필터 계열과 달리 오차 공분산 정보를 활용하지 못하고, 관측 오차와 모델 오차의 상대적 크기를 반영하기 어렵습니다. 스펙트럴 너징은 이를 보완해 특정 파수 이상의 큰 규모에만 완화항을 적용하는 방식입니다.

주의할 점

완화 강도를 너무 크게 주면 모델의 물리적 균형이 깨지고, 너무 작으면 관측이 거의 반영되지 않아 조정이 까다롭습니다. 4차원변분자료동화나 앙상블칼만필터처럼 오차 통계에 기반해 최적 분석을 구하는 기법과는 이론적 지위가 다릅니다.