$\require{mediawiki-texvc}$

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.

기후변화 영향평가의 불확실성 저감연구
Reducing Uncertainties in Climate Change Assessment 원문보기

한국수자원학회 2008년도 학술발표회 논문집, 2008 May 22, 2008년, pp.345 - 351  

이재경 (서울대학교 건설환경공학부) ,  김영오 (서울대학교 건설환경공학부)

초록
AI-Helper 아이콘AI-Helper

미래의 기후변화 영향평가에 있어 전지구모형(General Circulation Model)은 가장 중요한 자료 중 하나이다. 즉, 온실가스 방출(emission) 시나리오에 기초한 전지구모형의 모의결과를 이용하면 미래 수자원에 대한 정보를 얻을 수 있다. 하지만 미래 수자원은 방출 시나리오, 상세화(downscaling) 기법, 강우-유출모형, 전지구모형의 종류에 따라 크게 달라질 수 있어 매우 큰 불확실성(uncertainty)을 포함하고 있다. 이러한 불확실성을 줄이는 방법 중 하나로 전지구모형의 모의능력에 따라 가중치(weight)를 부여하고 결합(combining)하는 multi-model 앙상블(ensemble) 기법이 선진국을 중심으로 활발히 연구되고 있다. 본 연구에서는 우선 기후변화 영향평가를 위하여 국내에서 사용가능한 전지구모형을 조사하고 그 중CCSM3, CSRIO, ECHAM4, GFDL, MIRCO를 선택하였다. 한강 충주댐 유역에 대하여 과거($1980{\sim}1999$년)와 미래($2030{\sim}2049$년) 기간에 대하여 전지구모형의 기후정보를 간단한 선형보간법을 이용하여 상세화하였다. 다음으로 multi-model 앙상블 기법을 조사하였다. 본 연구에서는 Giorgi et al.(2002)이 제안한 Reliability Ensemble Average(REA) 기법을 적용하여 선형보간법으로 상세화한 전지구모형의 모의결과에 가중치를 주어 불확실성을 줄이는 연구를 수행하였다. 특히 REA를 구성하는 식 중 모형의 편차(bias) 뿐만 아니라 분산(variance)까지 고려함으로서 이를 개선하는 Modified-REA를 제안하였다. 제안한 방안을 이용하여 결합한 전지구모형의 모의결과가 기존 REA의 결과보다 기후정보의 불확실성을 더 줄일 수 있는 것으로 나타났다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 하지만 국내에서는 연구 마다 각기 다른 모형, 기법 그리고 과정을 통하여 수행하고 있으므로 그 불확실성은 매우 클 것이 라고 사료되며, 기후변화에서의 불확실성을 인정할 수밖에 없다. 따라서 본 연구에서는 기후변화 영향평가의 입력자료가 되는 GCMs에 대하여 불확실성을 저감할 수 있는 방법을 제시하고자 한다.

가설 설정

  • 본 연구에서는 기후변화 영향평가를 위하여 국내에서 사용가능한 전지구모형으로 CCSM3, CSRIO, ECHAM4, GFDL, MIRCO를 선택하였으며, 방출 시나리오는 IPCC에서 제시한 4개의 시나리오 중 B1 시나리오를 따른다고 가정하였다. 과거모의(historical simulation) 기간은 1980년부터 1999년까지 20년간이며, 미래전망(future projection) 기간은 2030년부터 2049년까지 20년간이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
기후변화에 대한 영향평가 과정에는 무엇이 있는가? 기후변화에 대한 영향평가를 위해서는 기후 시나리오, 전지구모형(General Circulation Model), 상세화(downscaling) 기법, 강우-유출모형의 순으로 매우 많은 과정을 거쳐야 하며, 하나의 과정을 정하여 수행한다 하더라도 큰 불확실성(uncertainty)을 내포하고 있다. 하지만 국내에서는 연구 마다 각기 다른 모형, 기법 그리고 과정을 통하여 수행하고 있으므로 그 불확실성은 매우 클 것이 라고 사료되며, 기후변화에서의 불확실성을 인정할 수밖에 없다.
Multi-model 앙상블 기법이란 무엇인가? , 2005)이 대두되고 있다. Multi-model 앙상블 기법은 정확성이 높은 전지구모형에는 높은 가중치를 주고 정확성이 낮은 전지구모형에는 낮은 가중치를 주는 각 전지구모형의 모의능력에 따라 가중치를 부여하고 결합하는 방법이다. 또한 이러한 다양한 시나리오들로부터 기후변화 전망의 불확실성을 추정하는 연구(Allen et al.
미래 수자원의 불확실성을 줄이기 위한 방법으로 연구되고 있는 것은 무엇인가? 하지만 미래 수자원은 방출 시나리오, 상세화(downscaling) 기법, 강우-유출모형, 전지구모형의 종류에 따라 크게 달라질 수 있어 매우 큰 불확실성(uncertainty)을 포함하고 있다. 이러한 불확실성을 줄이는 방법 중 하나로 전지구모형의 모의능력에 따라 가중치(weight)를 부여하고 결합(combining)하는 multi-model 앙상블(ensemble) 기법이 선진국을 중심으로 활발히 연구되고 있다. 본 연구에서는 우선 기후변화 영향평가를 위하여 국내에서 사용가능한 전지구모형을 조사하고 그 중CCSM3, CSRIO, ECHAM4, GFDL, MIRCO를 선택하였다.
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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