$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

수자원 영향평가를 위한 기후변화 시나리오의 불확실성 평가
Uncertainties estimation of AOGCM-based climate scenarios for impact assessment on water resources 원문보기

한국수자원학회 2005년도 학술발표회 논문집, 2005 May 01, 2005년, pp.138 - 142  

박이형 (기상연구소 기후연구실) ,  임은순 (기상연구소 기후연구실) ,  권원태 (기상연구소 기후연구실) ,  이은정 (기상연구소 기후연구실)

Abstract AI-Helper 아이콘AI-Helper

The change of precipitation and temperature due to the global. warming eventually caused the variation of water availability in terms of potential evapotranspiration, soil moisture, and runoff. In this reason national long-term water resource planning should be considered the effect of climate chang...

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

제안 방법

  • IPCC DDC에서 제공하는 8개의 대기-해양 전구모델(AOGCM)의 SRES A2, B2 시나리오를 이용하여 멀티모델앙상블 기법과 불확실성 평가지수를 산출하고 이를 통해 21세기 동아시아 기후변화를 전망하고 불확실성을 평가하였다. 기온의 경우 온실가스 증가로 인해 전 지구적 기온증가가 나타났으며, 기온의 증가는 전구에 비해 동아시아 지역에서 크게 나타났다.
  • 미래의 기후변화를 전망하기에 앞서 각 모델들의 현재기후 모사능력을 평가하였다. 표 1은 각 모델들의 1961~1990년 평균값을 관측자료와 비교한 값으로 강수량은 CMAP 강수자료와 기온은 CRU 기온자료를 사용하였으며 모델들의 Bias, RMSE, Pattern correlation을 나타내었다.
  • 본 연구에서는 다양한 AOGCM의 SRES 시나리오 모의자료를 이용하여 동아시아 지역(20°N~ 50°N, 100°E~150°E)의 기후변화 전망과 함께 불확실성평가를 실시하였다. 이를 위하여 SRES A2 와 B2 시나리오 모의자료가 모두 사용가능한 CGCM2, CSIRO_Mk2, CCSR/NIES, GFDL_R30, HadCM3, NCAR_PCM, ECHAM4/OPYC3의 7개 AOGCM과 기상연구소에서 이미 수행한바 있는 ECHAM4/HOPE (에어로솔을 포함하지 않음, 이하 ECHO-G)를 이용하여 MME기법을 사용한 기후변화 전망과 불확실성 평가를 실시하였다.
  • 앞선 결과에서 21세기 후반으로 갈수로 기온이 상승하는 것을 보여주지만 이러한 가운데 과연 기온상승이 온실가스로 인한 요인으로부터 기인한 것인지 아님 모델의 내부적인 요인인지를 알아보기 위해 불확실성지수를 사용하였다. 불확실성 지수는 모델 전체의 변동성은 모델의 내부 변동성 (모델간변동)과 외부변동성(CO2)의 합으로 나타낼 수 있다.
  • 2000). 우선 현재기후에 대한 모델들의 평가가 선행되었으며 이를 바탕으로 미래기후변화 전망과 불확실성에 대한 평가를 실시하였다.
  • 100°E~150°E)의 기후변화 전망과 함께 불확실성평가를 실시하였다. 이를 위하여 SRES A2 와 B2 시나리오 모의자료가 모두 사용가능한 CGCM2, CSIRO_Mk2, CCSR/NIES, GFDL_R30, HadCM3, NCAR_PCM, ECHAM4/OPYC3의 7개 AOGCM과 기상연구소에서 이미 수행한바 있는 ECHAM4/HOPE (에어로솔을 포함하지 않음, 이하 ECHO-G)를 이용하여 MME기법을 사용한 기후변화 전망과 불확실성 평가를 실시하였다. 총 8개 AOGCM의 모델명, 기관, 기간, 수평 해상도 등을 표 1 에 정리하였다.

대상 데이터

  • 표 1. IPCC SRES A2와 B2 시나리오자료.
  • 모델 검증을 위한 관측 자료로는 CRU(Climate Research Unit) 월평균 2m 기온(Jones et al. 1994; Jones and Moberg, 2003)의 30년(1961~ 1990년) 평균값과 CMAP 월평균 강수량(Xie and Arkin, 1997)의 20년(1979~ 1998년) 평균값을 이용하였다.
  • 불확실성 평가를 위해 수집한 자료는 IPCC DDC(Data Distribution Center)에서 제공하는 SRES(Special Report on Emissions Scenarios) 시나리오를 바탕으로 한 다양한 AOGCM 기후변화 모의자료이다(IPCC, 2001). SRES 시나리오 모의자료는 2080년대(2070년~2099년)까지의 기간을 포함하여 21세기 전반에 대한 기후변화 전망 및 분석이 가능하다.

데이터처리

  • 미래의 기후변화를 전망하기에 앞서 각 모델들의 현재기후 모사능력을 평가하였다. 표 1은 각 모델들의 1961~1990년 평균값을 관측자료와 비교한 값으로 강수량은 CMAP 강수자료와 기온은 CRU 기온자료를 사용하였으며 모델들의 Bias, RMSE, Pattern correlation을 나타내었다.

이론/모형

  • 그러나 각각의 모델들은 서로 다른 초기 자료와 모델역학체계, 그리고 물리 과정으로 인하여 모델들 간의 차이가 발생하게 된다. 이러한 다양한 모델들 간의 불확실성을 줄이기 위한 방법으로 멀티모델 앙상블(Multi-model ensemble, 이하 MME) 기법을 사용하였다 (Krishnamurti et al. 2000). 우선 현재기후에 대한 모델들의 평가가 선행되었으며 이를 바탕으로 미래기후변화 전망과 불확실성에 대한 평가를 실시하였다.
본문요약 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로