[논문]미래 기상 시나리오에 대한 편의 보정 방법에 따른 지역 기후변화 영향 평가의 불확실성

황세운; 허용구; 장승우

doi:10.5389/ksae.2013.55.4.095

[국내논문] 미래 기상 시나리오에 대한 편의 보정 방법에 따른 지역 기후변화 영향 평가의 불확실성
Uncertainty in Regional Climate Change Impact Assessment using Bias-Correction Technique for Future Climate Scenarios 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.55 no.4, 2013년, pp.95 - 106

황세운 (플로리다대학교 수자원연구소) , 허용구 (퍼듀대학교 농공학과) , 장승우 (플로리다대학교 농공학과)

Abstract ▼ AI-Helper

It is now generally known that dynamical climate modeling outputs include systematic biases in reproducing the properties of atmospheric variables such as, preciptation and temerature. There is thus, general consensus among the researchers about the need of bias-correction process prior to using climate model results especially for hydrologic applications. Among the number of bias-correction methods, distribution (e.g., cumulative distribution fuction, CDF) mapping based approach has been evaluated as one of the skillful techniques. This study investigates the uncertainty of using various CDF mapping-based methods for bias-correciton in assessing regional climate change Impacts. Two different dynamicailly-downscaled Global Circulation Model results (CCSM and GFDL under ARES4 A2 scenario) using Regional Spectial Model for retrospective peiod (1969-2000) and future period (2039-2069) were collected over the west central Florida. Total 12 possible methods (i.e., 3 for developing distribution by each of 4 for estimating biases in future projections) were examined and the variations among the results using different methods were evaluated in various ways. The results for daily temperature showed that while mean and standard deviation of Tmax and Tmin has relatively small variation among the bias-correction methods, monthly maximum values showed as significant variation (~2'C) as the mean differences between the retrospective simulations and future projections. The accuracy of raw preciptiation predictions was much worse than temerature and bias-corrected results appreared to be more significantly influenced by the methodologies. Furthermore the uncertainty of bias-correction was found to be relevant to the performance of climate model (i.e., CCSM results which showed relatively worse accuracy showed larger variation among the bias-correction methods). Concludingly bias-correction methodology is an important sourse of uncertainty among other processes that may be required for cliamte change impact assessment. This study underscores the need to carefully select a bias-correction method and that the approach for any given analysis should depend on the research question being asked.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 CDF를 이용한 일 단위 기후모델 편의 보정 방법들에 대해 소개하고 이를 고해상도 (10 km×10 km) 지역 기후 모델 일 단위 산출물 (일 강수량, 일 최대 최저 기온)에 적용하여 CDF 기반 편의 보정 방법에 따른 결과의 다양성에 대해 고찰하였다.
많은 한계점을 가지는 기후 모델 결과를 다양한 분야에 효과적으로 이용하기 위하여 다양한 후처리 과정의 방법론이 연구되고 있다. 본 연구 결과는 지역 기후 모델 산출물을 이용한 기후 변화 연구에 선행되어야 할 후처리 과정 중 모델 결과의 편의를 보정하는 방법에 따른 불확실성을 제시하였다. 이 밖에도 기후 변화 영향 평가에 대한 연구 결과의 신뢰도를 향상시키고 그 활용성을 향상시키기 위해서는 기후 모델 및 미래 시나리오의 불확실성을 비롯하여 지역 상세화 과정 등의 후처리 과정의 불확실성을 정량적 이해하고 개선하기 위한 지속적 노력이 필요할 것이다.

가설 설정

(3)과 Eq. (4)와 같이 과거기간의 최대 최저 모의치의 편의가 동일하다고 가정하였다.

제안 방법

본 연구에서는 CDF를 이용한 일 단위 기후모델 편의 보정 방법들에 대해 소개하고 이를 고해상도 (10 km×10 km) 지역 기후 모델 일 단위 산출물 (일 강수량, 일 최대 최저 기온)에 적용하여 CDF 기반 편의 보정 방법에 따른 결과의 다양성에 대해 고찰하였다. 미국 플로리다 중서부에 위치한 템파 (Tampa) 지역을 대상으로 2개의 GCM 자료를 초기 및 경계조건으로 한 지역 기후 모델 결과를 수집하여, 과거 기간 (1969-2000)에 대해 모델 성능을 평가하였으며 미래기간 (2039-2069)에 대한 모의 결과를 이용하여 기후변화 정도를 평가하였다.
첫 번째 방법 (CDFm)은 Wood et al. (2004)이 GCM 자료의 월단위 강우자료를 편의 보정을 위하여 고안한 방법으로 과거 기간에 대한 일 모의치 xc와 이에 대한 편의 보정 결과값 x′c는 다음 Eq.
기본적인 CDF를 이용한 보정 방법에 대해 미래 기간에 대한 편의 추정 방법 (4가지)과 각각에 대한 CDF 생성에 사용되는 자료 기간을 세분 (3가지)하여 총 12가지 방법을 고안하여 적용하였으며 Fig. 2는 각 방법을 도식으로 모사하고 있으며 Table 1은 이들 방법들을 정리한 것이다. 편의 추정 방법은 미래 기간에 대한 보정을 위해 적용되므로 과거 기간에 대한 보정에는 3가지 다른 CDF를 이용한 방법만 적용된다.
과거 기간에 대한 관측 및 모의 결과의 CDF 비교를 통해 추정된 편의 정도를 미래 시나리오에 적용하는 방법을 미래 시점의 모의치의 크기 (prediction amount)에 따른 편의 추정 방법(CDF-mapping, CDFm)과 모의치의 백분위 (prediction percentile)에 따른 편의 추정 방법 (EquiDistance CDF-mapping, EDCDFm)으로 나누고 각각에 대해 편의 정도를 다시 편의량 (bias amount based)과 모의치에 대한 편의의 비율 (bias percentage based)을 고려하는 두 가지 방법으로 세분하여 본 연구에서는 편의량을 적용하는 방법을 각각 CDFm과 EDCDFm, 편의 비율을 적용하는 방법에 대해 각각 CDFm_P과 EDCDFm_P라 칭하도록 한다.
본 연구에서는 앞서 소개된 몇 가지 가정에 따른 편의 추정 방법의 적용과 더불어 관측자료 및 모의기간을 추가로 세분하여 과거 기간에 대한 누적분포 함수인 #( • )와 #( • )를 생성하여 적용하였다.
(4)에서 x′_s가 음(－)의 값으로 산정될 경우는 보정 결과는 0으로 간주한다. 더불어 과거기간에 대한 모의 결과의 강우 발생 일수가 관측치보다 작을 경우 부족한 강우 일수를 임의로 발생시켜 CDF 비교에 포함하여 강우 발생 빈도를 보정하였으며 계산된 강우 일수의 차이는 미래 기간의 모의 결과에도 적용하여 과거와 미래 기간에 대한 모의 결과의 차이와 과거 기간에 대한 모의 결과 오차를 함께 반영할 수 있도록 하였다. 과거 기간에 대한 모의 강우 일수 (비율)는 Eq.
본 연구에서는 이에 대한 고찰을 위해 월별 CDF를 적용하는 방법에 더불어 ±15일 (총 31일)과 ±30 (총 61) 이동 기간에 대한 CDF를 이용하여 4.1절에서 기술한 각 방법들에 적용하였다.
다양한 강수량의 분석 기준 (평균, 표준편차, 천이확률, 최대 연속 (무) 강우 일수 및 발생 시기, 5일 최대 강수량 등)에 대해 우기 (6월∼9월)와 건기 (10월∼5월)로 기간을 구분하여 결과를 분석하여 비교하였으며, 논문에서는 그 중 편의 보정 따른 결과의 불확실성이 크게 나타나는 통계량들을 중심으로 기술하였다.
평균적인 강수량과 일 강우의 변동성에 대한 분석과 더불어 본 연구에서는 강우의 연속성에 대한 분석을 위해 강우 발생 일에 대한 연속 강우 발생 확률 (천이 확률, wet to wet Transition Probability (TP11))을 산정하여 비교 하였다 (Fig. 7). 연속 강우 천이 확률에 대한 비교 결과, 평균 강수량이 과소 모의된 CCSM의 경우 연속 강우 발생 확율 또한 평균 29 % 낮게 나타났으며 GFDL의 경우는 관측치의 천이 확률과 비교하여 평균 3 % 이내의 오차로 비교적 정확한 모의 결과를 보였다.
본 연구에서는 두 개의 전지구 기후 모델 (CCSM, GFDL) 결과를 동역학적 지역 기후 모델인 RSM을 이용하여 공간 상세화한 일 강수량과 기온에 대한 기후 변화 정보를 CDF의 생성방법 및 편의 추정 방법을 고려한 12가지 방법을 적용하여 편의 보정을 수행하였다. 과거 기간에 따른 지역 기후 모델의 결과와 모델의 편의 보정을 통한 월 평균기온, 일 기온 분산, 기온 극값, 월평균 강수량, 일 강수량 분산, 천이 확률, 최대 연속 강우 일수 및 최대 연속 무강우 일수에 대해 평가하였으며, 미래 기간에 대해 편의 보정 방법에 따른 결과의 다양성을 평가하였다.
본 연구에서는 두 개의 전지구 기후 모델 (CCSM, GFDL) 결과를 동역학적 지역 기후 모델인 RSM을 이용하여 공간 상세화한 일 강수량과 기온에 대한 기후 변화 정보를 CDF의 생성방법 및 편의 추정 방법을 고려한 12가지 방법을 적용하여 편의 보정을 수행하였다. 과거 기간에 따른 지역 기후 모델의 결과와 모델의 편의 보정을 통한 월 평균기온, 일 기온 분산, 기온 극값, 월평균 강수량, 일 강수량 분산, 천이 확률, 최대 연속 강우 일수 및 최대 연속 무강우 일수에 대해 평가하였으며, 미래 기간에 대해 편의 보정 방법에 따른 결과의 다양성을 평가하였다.

대상 데이터

본 연구에서는 과거 50년 기간 (1950∼1999)에 대한 일 강수량 및 일 최대·최저 기온 자료가 사용되었으며 자료 해상도는 약 12 km×12 km이다.
본 연구에서는 2절에서 소개한 대상 지역에 대한 일 단위 모델결과 자료 (baseline control run: 1969∼2000, future projection: 2039∼2069)를 추출하여 사용하였으며 (Fig. 1), CMIP3 자료 중 CCSM과 GFDL 모델 결과를 이용하였다.
본 연구에서는 고해상도 미래 기상 정보를 활용하기 위해 최근 2개 GCM에 대한 공간 상세화 연구가 진행 중인 미국 플로리다주 중서부 지역 (Fig. 1) 을 대상 지역으로 선정하였다. 이 지역은 연중 온난하며 전 지역에 걸친 지표 고도차 (＜100 m)가 작아 완만한 지형적 특성을 가진다는 점에서 국내 실정과 차이가 있으나, 강수량과 기온에 대한 강한 계절성을 가지는 몬순기후 특성을 가지고 있으며 해양에 둘러 쌓인 지리적 특성이 한반도와 유사하다.
특히 우기에 발생하는 대류성 강우 사상 (convective storm)의 경우 그 강도 및 지속 시간 등의 특성이 지협적이며 근거리에 대해서도 상이할 수 있으므로 일반적인 점 관측 자료를 기후 모델 결과 자료와 비교 분석하는 것은 무리가 있다 (Hwang, 2012). 이에 본 연구에서는 다양한 기상 변수에 대한 기후 모델 결과를 바탕으로 지상 관측 자료의 자료 동화 기법 (data assimilation)을 통해 미국 전 지역을 대상으로 생산된 격자 단위 관측자료 (Maurer et al., 2002)를 수집하여 사용하였다. 이 자료의 기후모델 결과 보정에 대한 적용성에 대해서는 앞선 연구에서 검증된 바 있다 (Hwang, 2012).

성능/효과

누적 분포 함수 (CDF) 생성 방법에 따른 편의 보정 결과, CCSM과 GFDL 모두 편의가 잘 보정된 한편, 월별 CDF를 이용하였을 때보다 ±15일, ±30일 이동 기간을 적용하였을 때 우기 (건기) 평균 강수량이 상대적으로 작게 (크게) 추정되는 경향을 보였다.
미래 기간에 대한 최대·최저 기온의 월 평균은 과거 기간에 비해 CCSM의 경우 각각 평균 2.8 ℃와 1.8 ℃, GFDL 결과의 경우 2.0 ℃와 2.1 ℃ 증가하는 것으로 나타났으며 최대·최저 기온의 일 변동성은 두 모델 결과 모두 과거 기간에 비해 크게 차이가 없는 것으로 나타나 (평균 표준편차 차이＜±0.2 ℃) 대상지역에 대한 미래 기온 증가에 대해서는 일관된 결과를 도출할 수 있었다.
편의 보정을 적용한 경우, 미래 기간 (2039∼2069)에 대한 모의 결과는 CCSM의 경우 우기와 건기 평균 강수량이 과거 기간 (1969∼2000)에 비해 각각 0.6 mm, 0.4 mm 감소하는 것으로 모의 되었으며, GFDL의 경우 각각 0.2 mm, 0.3 mm 증가하는 것으로 나타나 서로 상반되는 결과를 보여주고 있다.
Box plot은 각각의 결과의 최대, 최소, 50분위값 및 25분위, 75분위 값을 나타낸다. 보정 전 모델의 결과에서 CCSM의 결과는 우기와 건기 모두 관측된 평균 강수량에 비해 과소 모의되는 것으로 나타났으며, GFDL의 경우 우기에는 과소, 건기의 경우 관측치보다 과대 모의되는 것으로 나타났다. 특히, 보정 전 모델 결과 중 GFDL의 경우 우기의 대상 지역 평균 일 강수량이 5.
보정 전 모델의 결과에서 CCSM의 결과는 우기와 건기 모두 관측된 평균 강수량에 비해 과소 모의되는 것으로 나타났으며, GFDL의 경우 우기에는 과소, 건기의 경우 관측치보다 과대 모의되는 것으로 나타났다. 특히, 보정 전 모델 결과 중 GFDL의 경우 우기의 대상 지역 평균 일 강수량이 5.0 mm로 관측치 (6.2 mm)에 비해 1.2 mm 크게 모의되었으며, CCSM의 경우 5 mm 이상 작게 모의된 것으로 나타나 모델의 성능에 큰 차이를 보였다. 누적 분포 함수 (CDF) 생성 방법에 따른 편의 보정 결과, CCSM과 GFDL 모두 편의가 잘 보정된 한편, 월별 CDF를 이용하였을 때보다 ±15일, ±30일 이동 기간을 적용하였을 때 우기 (건기) 평균 강수량이 상대적으로 작게 (크게) 추정되는 경향을 보였다.
미래 기간 우기에 대한 CCSM의 편의 보정 결과는 백분위 편의 비율을 이용한 방법 (EDCDFm_P; BC4, BC8, BC12)이 다른 방법을 이용한 결과에 비해 27 %∼39 % (평균 1.9 mm) 낮게 나타났다.
반면, GFDL의 경우 CDF 생성 방법으로 ±30 이동 기간 자료를 활용하는 경우가 월별 자료를 사용하는 경우에 비해 평균 1.9 mm 낮게 나타났으며, 보정 방법 간의 차이에서도 백분위 편의 크기를 이용한 방법(EDCDFm; BC3, BC7, BC11)의 경우가 평균 1 mm 낮게 나타났다.
미래 기간에 대한 모의 결과, CCSM의 경우 평균 강수량에 대한 결과 (Fig. 5)와 유사하게 누적 분포 함수 (CDF) 생성 방법에 따른 차이는 상대적으로 작았으나 (＜0.6 mm) 이동 기간 (±60일)에 대한 CDF를 이용한 경우가, 월별 CDF를 이용하는 경우에 비해 우기 (건기) 강수량 일 변동성이 크게 (작게) 보정되는 경향을 보였으며, 보정 방법 간의 결과 폭은 2.8 mm로 크게 나타났다.
CDF의 생성 시 이동 기간 (±15일, ±30일)을 적용할 경우 CCSM의 모의 결과는 우기와 건기 모두 월별 CDF를 이용한 결과와 큰 차이를 보이지 않았다.
하지만 GFDL의 모의 결과는 우기의 경우, 월별 CDF를 이용하였을 때보다 ±15일, ±30일 이동 기간을 적용하였을 때 평균 강수량이 상대적으로 작게 추정되는 경향을 보였으며, 건기의 경우 이동 기간을 적용한 결과가 다소 크게 나타났다.
6은 우기와 건기에 대한 일 강수량 모의 및 보정 결과의 표준편차 (일 변동성)를 비교한 것이다. 과거 기간 관측치에 대해 CCSM과 GFDL 모델 결과는 각각 6.5 mm, 4.3 mm 낮게 모의되었으며, 이 편의는 보정 방법간의 큰 차이 없이(＜0.8 mm)잔여 편의 1 mm 이내로 대부분 잘 제거되었다. 미래 기간에 대한 모의 결과, CCSM의 경우 평균 강수량에 대한 결과 (Fig.
8 mm로 크게 나타났다. 특히, 평균 강수량의 경우와 같이 백분위 편의 비율을 이용한 방법 (EDCDFm_P; BC4, BC8, BC12) 의 표준편차가 가장 작게 나타났으며, 백분위 편의 크기를 이용한 방법 (EDCDFm; BC3, BC7, BC11)의 표준편차가 가장 크게 나타났다. 반면, GFDL의 경우 CDF 생성 방법으로 ±30 이동 기간 자료를 활용하는 경우가 월별 자료를 사용하는 경우에 비해 평균 1.
9 mm 낮게 나타났으며, 보정 방법 간의 차이에서도 백분위 편의 크기를 이용한 방법(EDCDFm; BC3, BC7, BC11)의 경우가 평균 1 mm 낮게 나타났다. 건기의 경우 대상 지역 평균 표준편자가 7.5 mm로 두 모델 모두 평균 오차 1 mm 이내로 비교적 잘 모의하였으며 보정된 결과, 오차는 0.4 mm 이내로 더욱 감소하였으며 과거 및 미래 기간의 대한 보정 방법에 따른 결과는 유의한 차이를 보이지 않았다.
7). 연속 강우 천이 확률에 대한 비교 결과, 평균 강수량이 과소 모의된 CCSM의 경우 연속 강우 발생 확율 또한 평균 29 % 낮게 나타났으며 GFDL의 경우는 관측치의 천이 확률과 비교하여 평균 3 % 이내의 오차로 비교적 정확한 모의 결과를 보였다. 원 모델 결과의 오차는 편의 보정에 의해 대부분 제거 되었으나, CCSM 결과는 편의 보정 방법에 무관하게 관측치에 비해 평균 6 % 가량 낮게 나타났다.
연속 강우 천이 확률에 대한 비교 결과, 평균 강수량이 과소 모의된 CCSM의 경우 연속 강우 발생 확율 또한 평균 29 % 낮게 나타났으며 GFDL의 경우는 관측치의 천이 확률과 비교하여 평균 3 % 이내의 오차로 비교적 정확한 모의 결과를 보였다. 원 모델 결과의 오차는 편의 보정에 의해 대부분 제거 되었으나, CCSM 결과는 편의 보정 방법에 무관하게 관측치에 비해 평균 6 % 가량 낮게 나타났다. 미래 기간에 대한 모의 결과, 편의 보정 방법 간 차이도 크지 않은 것으로 나타났으나, 연속 강우 확률이 CCSM 과 GFDL 각각 22 %, 4% 감소하는 것으로 나타나 GFDL의 경우 강수량의 평균과 일 변동 증가 (Fig.
원 모델 결과의 오차는 편의 보정에 의해 대부분 제거 되었으나, CCSM 결과는 편의 보정 방법에 무관하게 관측치에 비해 평균 6 % 가량 낮게 나타났다. 미래 기간에 대한 모의 결과, 편의 보정 방법 간 차이도 크지 않은 것으로 나타났으나, 연속 강우 확률이 CCSM 과 GFDL 각각 22 %, 4% 감소하는 것으로 나타나 GFDL의 경우 강수량의 평균과 일 변동 증가 (Fig. 5 와 Fig. 6)를 함께 고려할 때, 미래 기간에 대한 폭우 사상의 강도가 커질 것을 추정해 볼 수 있다. 이론적으로 CDF를 이용한 편의 보정 방법은 모의 결과의 분포를 조정하므로 모의된 시계열의 시간적 특성 (예: 강우 발생 시기 및 강우 연속성)에 대해서는 보정 역할을 하지못하지만 (Hwang et al.
그러나 모의 결과는 격자 단위 (10 km×10 km) 자료로서 공간 평균 자료이므로 일반적인 관측소 자료 (point (station) data) 보다 연속 강우 일수가 과대 추정될 수 있다는 점을 유의해야한다. 분석 결과, CCSM 모의 결과는 최대 연속 강우 일수가 평균 14일 가량으로 관측치에 비해, 5일에서 많게는 26일까지 짧게 나타났으며, 최대 연속 무강우 일수는 40일 이상으로 관측치에 비해 평균 8일 가량 길게 나타났다. 반면 GFDL의 경우 최대 연속 강우 일수가 평균 27일 가량으로 관측치에 비해 평균 4일 가량 길게 나타났으며, 최대 연속 무강우 일수는 평균 25일로 오히려 짧게 나타났다.
분석 결과, CCSM 모의 결과는 최대 연속 강우 일수가 평균 14일 가량으로 관측치에 비해, 5일에서 많게는 26일까지 짧게 나타났으며, 최대 연속 무강우 일수는 40일 이상으로 관측치에 비해 평균 8일 가량 길게 나타났다. 반면 GFDL의 경우 최대 연속 강우 일수가 평균 27일 가량으로 관측치에 비해 평균 4일 가량 길게 나타났으며, 최대 연속 무강우 일수는 평균 25일로 오히려 짧게 나타났다. 편의 보정을 통하여 원 모델과 관측치와의 차이는 대체로 잘 제거되었으나, GFDL의 경우 최대 연속 강우 일수의 오차를 크게 개선하지 못하였다.
편의 보정을 통하여 원 모델과 관측치와의 차이는 대체로 잘 제거되었으나, GFDL의 경우 최대 연속 강우 일수의 오차를 크게 개선하지 못하였다. 미래 기간의 GFDL모델 결과의 경우 편의 보정 방법에 따라 최대 연속 무강우 일수의 예측에 큰 차이가 있는 것으로 나타났다. GFDL 모델의 EFCDFm (BC3, BC7, BC11)과 EFCDFm_P (BC4, BC8, BC12)의 예측 결과는 CDFm (BC1, BC5, BC9)과 CDFm_P (BC2, BC6, BC10)에 비해 과대 추정되는 것으로 나타났다.
1. CCSM과 GFDL 모델 모두 최대 기온과 최저 기온의 월별 통계적 특성과 계절성을 잘 모의하고 있으며, 미래기간에 대한일 최대·최저 기온은 1.8 ℃∼2.8 ℃ 증가하는 것으로 나타났으며 최대·최저 기온의 일 변동성은 두 모델 모두 현재 기간에 비해 큰 차이가 없는 것으로 나타났다.
5. 평균 강수량과 강수량의 일 변동성은 과거 기간에 대해 다른CDF 생성 방법을 적용시 전반적으로 오차를 잘 제거하는 한편, 월별 CDF를 이용한 경우에 비해 이동 기간에 대한 CDF를 적용한 방법의 경우, 그리고 장 기간의 자료를 이용한 CDF (즉, ±30일 자료)를 이용한 경우가 우기 (건기) 강수량 보정결과의 평균과 분산이 기간별 관측 통계량에 비해 다소 낮게 (높게) 추정되는 경향을 보였다.
2. 과거 기간 일 최대·최저 기온의 일 변동성은 평균 기온에 비해 작게 나타나며, 미래 기간에 대해서는 두 모델 모두 편의 보정 방법에 따른 결과의 다양성은 비교적 작은 것으로 나타났다.
하지만 CCSM과 GFDL의 최대 연속 강우 일수 및 CCSM의 최대 연속 무강우 일수의 경우에는 편의 보정에 따른 큰 차이가 나타나지 않았다. 또한, 앞서 기술한 바와 같이 CDF 보정 방법은 강우 발생 시점이나 연속 강우의 특성에 대해 관여하지 않으므로 연속 (무) 강우 일수에 대한 직접적 영향이 없을 것이나, 강우 일수를 임의로 보정함에 따라 연속 사상 기간이 관측치에 근사해 지는 것을 확인 할 수 있다.
3. 과거 기간에 대한 강수량 모의 결과는 CCSM의 경우 우기일 평균 강수량을 약 5 mm 과소 모의하는 등 강우 사상의 크기 및 발생 빈도가 작거나 적게 모의되어 본 연구 지역에 대한 모델 정확도가 GFDL에 비해 현저히 낮았으나, 편의 보정을 통해일 강수량의 평균 오차가 1 mm 이내로 개선되는 것으로 나타났다.
4. 미래 기간에 대한 우기와 건기의 평균 강수량 모의 결과는 CCSM모델의 경우 과거 기간에 비해 0.6 mm, 0.4 mm 이상 감소하는 것으로 모의 되었으며, GFDL의 경우 0.2 mm, 0.3 mm 증가하는 것으로 나타나 서로 상반되 결과를 보이며, 편의 보정 방법에 따라 미래 기간에 대한 결과의 불확실성이 큰 것으로 나타났다.
6. 미래 기간에 대한 강수량 일 변동성 모의 결과, CDF 생성 방법에 따른 차이는 상대적으로 작았으나 (＜0.6 mm) 편의 추정 방법에 따라 결과의 폭이 2.8 mm로 크게 나타났다.
7. 편의 보정 후 연속 강우 발생 확률은 미래 기간에 대한 모의 결과 편의 보정 방법에 따라 큰 차이를 보이지 않았으나, 연속 강우 확률이 CCSM과 GFDL 모두 감소하는 것으로 나타나 GFDL의 경우 강수량의 평균과 일 변동 증가를 함께 고려할 때 미래 기간에 대한 폭우 사상의 강도가 커질 것으로 추정된다.
8. 최대 연속 강우 일수와 최대 연속 무강우 일수의 경우, 편의 보정을 통해 원 모델의 오차를 잘 제거하였으나, GFDL의 연속 강우 일수의 경우에는 개선 정도가 작은것으로 나타났으며, 미래 기간 GFDL의 최대 연속 무강우 일수의 경우 편의 보정 방법에 따른 결과의 차이가 크게 나타났다. 많은 한계점을 가지는 기후 모델 결과를 다양한 분야에 효과적으로 이용하기 위하여 다양한 후처리 과정의 방법론이 연구되고 있다.
미래 기간의 GFDL모델 결과의 경우 편의 보정 방법에 따라 최대 연속 무강우 일수의 예측에 큰 차이가 있는 것으로 나타났다. GFDL 모델의 EFCDFm (BC3, BC7, BC11)과 EFCDFm_P (BC4, BC8, BC12)의 예측 결과는 CDFm (BC1, BC5, BC9)과 CDFm_P (BC2, BC6, BC10)에 비해 과대 추정되는 것으로 나타났다. 하지만 CCSM과 GFDL의 최대 연속 강우 일수 및 CCSM의 최대 연속 무강우 일수의 경우에는 편의 보정에 따른 큰 차이가 나타나지 않았다.

후속연구

일반적으로 기후 모델은 특정 격자 단위의 지역 평균값을 모의한다. 이에 기후 모델 결과의 효율적 보정을 위해서는 동해상도의 지역 평균 관측 자료가 필요할 것이다. 특히 우기에 발생하는 대류성 강우 사상 (convective storm)의 경우 그 강도 및 지속 시간 등의 특성이 지협적이며 근거리에 대해서도 상이할 수 있으므로 일반적인 점 관측 자료를 기후 모델 결과 자료와 비교 분석하는 것은 무리가 있다 (Hwang, 2012).
본 연구 결과는 지역 기후 모델 산출물을 이용한 기후 변화 연구에 선행되어야 할 후처리 과정 중 모델 결과의 편의를 보정하는 방법에 따른 불확실성을 제시하였다. 이 밖에도 기후 변화 영향 평가에 대한 연구 결과의 신뢰도를 향상시키고 그 활용성을 향상시키기 위해서는 기후 모델 및 미래 시나리오의 불확실성을 비롯하여 지역 상세화 과정 등의 후처리 과정의 불확실성을 정량적 이해하고 개선하기 위한 지속적 노력이 필요할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	일반적으로 기후 모델은 어떠한 값을 모의하는가?	일반적으로 기후 모델은 특정 격자 단위의 지역 평균값을 모의한다. 이에 기후 모델 결과의 효율적 보정을 위해서는 동해상도의 지역 평균 관측 자료가 필요할 것이다.
	기후 모델 결과의 효율적 보정을 위해서는 무엇이 필요할 것인가?	일반적으로 기후 모델은 특정 격자 단위의 지역 평균값을 모의한다. 이에 기후 모델 결과의 효율적 보정을 위해서는 동해상도의 지역 평균 관측 자료가 필요할 것이다. 특히 우기에 발생하는 대류성 강우 사상 (convective storm)의 경우 그 강도 및 지속 시간 등의 특성이 지협적이며 근거리에 대해서도 상이할 수 있으므로 일반적인 점 관측 자료를 기후 모델 결과 자료와 비교 분석하는 것은 무리가 있다 (Hwang, 2012).
	Teutschbein과 Seibert (2012)는 지역 기후 모델 결과 보정을 위해 어떠한 편의 보정 방법을 적용하였는가?	, 2012)에 이르기까지 다양하다. Teutschbein과 Seibert (2012)는 RCM 결과 보정을 위해 선형 비례 (linear scaling), 분산 비례 (variance scaling), power 변환 (power transformation), 분포 보정 (distribution mapping) 등의 편의 보정 방법을 적용하여그 성능을 비교한 결과 누적 분포 함수를 이용한 분포 보정 방법이 가장 뛰어나다는 결론을 도출한 바 있다. 하지만 이 방법은 한정된 자료를 이용하여 최적 CDF를 도출하는 과정에서 발생하는 오차 (특히 극값 (extremes)에 대해, Themβl et al.

참고문헌 (30)

Abatzoglou, T. J., and J. T. Brown, 2012. A comparison of statistical downscaling methods suited for wildfire applications. International Journal of Climatology 32: 772-780.

상세보기
Bae, D. H., I. W. Jung, and D. P. Lettenmaier, 2011. Hydrologic uncertainty in climate change from IPCC AR4 GCM simulations of the Chungju basin, Korea. Journal of Hydrology 401(1-2): 90-105.

상세보기
Chen, J., F. P. Brissette, and R. Leconte, 2011. Uncertainty of downscaling method in quantifying the impact of climate change on hydrology. Journal of Hydrology 401: 190-202.

상세보기
Chung, S. O., 2009. Prediction of paddy irrigation demand in Nakdong River basin using regional climate model outputs. Journal of the Korean Society of Agricultural Engineers 51(4): 7-13 (in Korean).

원문보기 상세보기
Ehret, U., E. Zehe, V. Wulfmeyer, K. Warrach-Sagi, and J. Liebert, 2012. HESS Opinions "Should we apply bias correction to global and regional climate model data?". Hydrology and Earth System Sciences 16(9): 3391-3404.

상세보기
Fowler, H. J., S. Blenkinsop, and C. Tebaldi, 2007. Linking climate change modeling to impacts studies: recent advances in downscaling techniques for hydrological modeling. International Journal of Climatology 27: 1547-1578.

상세보기
Hidalgo, H. G., M. D. Dettinger, and D. R. Cayan, 2008. Downscaling with constructed analogues: daily precipitation and temperature fields over the United States, California Energy Commission, PIER Energy-Related Environmental Research. CEC-500-2007-123.
Hwang, S., 2012. Utility of gridded observations for statistical bias-correction of climate model outputs and its hydrologic implication over west central Florida. Journal of the Korean Society of Agricultural Engineers 54(5): 91-102.

원문보기 상세보기
Hwang, S., and W. Graham, 2013. Development and comparative evaluation of a stochastic analog method to downscale daily GCM precipitation. Hydrology and Earth System Sciences Discuss 10: 2141-2181.

상세보기
Hwang, S., and M. S. Kang, 2013. Uncertianty of the proceses and methodologies for climate change impact assessement. Magazine of the Korean Society of Agricultural Engineers 55(1) (in Korean).
Hwang, S., W. Graham, J. L. Hernandez, C. Martinez, J. W. Jones, and A. Adams, 2011. Quantitative spatiotemporal evaluation of dynamically downscaled MM5 precipitation predictions over the Tampa Bay region, Florida. Journal of hydrometeorology 12(6): 1447-1464.

상세보기
Jee, Y. K., J. H. Lee, and S. D. Kim, 2012. Climate change impacts on agricultural water in Nakdong-river watershed. Journal of the Korean Society of Agricultural Engineers 54(3): 149-157 (in Korean).

원문보기 상세보기
Jiang, T., Y. D. Chen, C. Xu, Chen, X., X. Chen, and V. P. Singh, 2007. Comparison of hydrological impacts of climate change simulated by six hydrological models in the Dongjiang Basin, South China. Journal of Hydrology 336: 316-333.

상세보기
Kunkel K. E., X-Z. Liang, J. Zhu, and Y. Lin, 2006. Can CGCMs simulate the 20th century "warning hole: in the central United States? Journal of Climate 19: 4137-4153.

상세보기
Leander, R., and T. A. Buishand, 2007. Resampling of regional climate model output for the simulation of extreme river flows. Journal of Hydrology 332: 487-496.

상세보기
Lenderink, G. 2010. Exploring metrics of extreme daily precipitation in a large ensemble of regional climate model simulations. Climate Research 44: 151-166.

상세보기
Li, H., J. Sheffield, and E. F. Wood, 2010. Bias correction of monthly precipitation and temperature fields from Intergovernmental Panel on Climate Change AR4 models using equidistant quantile matching. Journal of Geophysical Research 115: D10101.

상세보기
Maraun, D., F. Wetterhall, A. M. Ireson, R. E. Chandler, E. J. Kendon, M. Widmann, S. Brienen, H. W. Rust, T. Sauter, M. Themessl, V. K. C. Venema, K. P. Chun, C. M. Goodess, R. G. Jones, C. Onof, M. Vrac, and I. Thiele-Eich, 2010. Precipitation downscaling under climate change: Recent developments to bridge the gap between dynamical models and the end user. Reviews of Geophysics 48(3): RG3003.
Maurer, E. P., and H. G. Hidalgo, 2008. Utility of daily vs. monthly large-scale climate data: an intercomparison of two statistical downscaling methods. Hydrology and Earth System Sciences 12: 551-563.

상세보기
Maurer, E. P., A. W. Wood, J. C. Adam, D. P. Lettenmaier, and B. Nijssen, 2002. A Long-term hydrologically-based data set of land surface fluxes and states for the conterminous United States. Journal of Climate 15(22): 3237-3251.

상세보기
Mearns, L. O., W. Easterling, C. Hays, and D. Marx, 2001. Comparison of agricultural impacts of climate change calculated from high and low resolution climate change scenarios: Part I, The uncertainty due to spatial scale. Climatic Change 51: 131-172.

상세보기
Park, G. A., J. Y. Park, H. J. Shin, M. J. Park, and S. J. Kim, 2010. Impact of climate change on paddy water storage during storm periods. Journal of the Korean Society of Agricultural Engineers 52(6): 27-37 (in Korean).

원문보기 상세보기
Park, J., M. S., Kang, I. Song, 2012. Bias correction of RCP-based future extreame precipitation using a quantile mapping method; for 20-weather stations of South Korea. Journal of the Korean Society of Agricultural Engineers 54(6): 133-142 (in Korean).

원문보기 상세보기
Piani, C., J. O. Haerter, E. Coppola, 2010. Statistical bias correction for daily precipitation in regional climate models over Europe. Theor. Appl. Climatol. 99: 187-192.

상세보기
Teutschbein, C., and J. Seibert, 2012. Bias correction of regional climate model simulations for hydrological climate-change impact studies: Review and evaluation of different methods. Journal of Hydrology 456-457: 12-29.

상세보기
Themssl M. J., A. Gobiet, and A. Leuprecht, 2011. Empirical-statistical downscaling and error correction of daily precipitation from regional climate models. International Journal of Climatology 31: 1530-1544.

상세보기
Wilby, R. L., L. E. Hay, W. J. Gutowski Jr., R. W. Arritt, E. S. Takle, Z. Pan, G. H. Leavesley, and M. P. Clark, 2000. Hydrological responses to dynamically and statistically downscaled climate model output. Geophysical Research Letters 27: 1199-1202.

상세보기
Wood, A.W., L. R. Leung, V. Sridhar, and D. P. Lettenmaier, 2004. Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs. Climatic Change 15(62): 189-216.
Xu, C-Y., 1999. Climate change and hydrologic models: a review of existing gaps and recent research developments. Water Resources Management 13: 369-382.

상세보기
Yun, D. K., S. O., Chung, and S. J. Kim, 2011. Climate change impacts on paddy water requirement. Journal of the Korean Society of Agricultural Engineers 53(4): 39-47 (in Korean).

원문보기 상세보기

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증