다양한 기후요소와 지표에 대한 CMIP5 GCMs 모델 성능 평가 -미국 남동부 지역을 대상으로-

Abstract

본 연구에서는 전지구 기후모델의 성능을 평가함에 있어 기후 요소와 평가 지표에 따른 분석 결과의 다양성에 대해 살펴보고자 하였다. 미국 남동부 지역을 대상으로 17개의 CMIP5 GCM의 강우량, 일 최대 최저기온, 풍속에 대한 과거기간(1950~2000)의 모의 결과를 같은 기간의 관측치와 비교한 오차와 상관도를 이용하여 정량적으로 평가하였다. 기후 모델 산출물을 효과적으로 분석하기 위해 격자 단위 관측 자료를 평가기준으로 사용하였으며 다양한 형태의 기상 특성에 대한 모의 성능을 다각적으로 진단하기 위해 기후 정보(평균적 기후 통계량, 시간 변동성, 극한 사상 빈도 등)를 16개 지표로 정의하여 평가에 적용하였다. 또한 산정된 오차와 상관도를 기반으로 대상지역에 대한 기후요소별 GCM 성능 순위를 도출하여 비교하였다. 연구 결과, 기온에 대한 기후 특성에 대한 모델 재현성은 전반적으로 뛰어난 반면 강우량 및 풍속에 대한 모델 성능은 일 변동성을 제외한 대부분 지표들에 대해 비교적 낮은 것으로 나타났다. 더불어 모델의 정확도 순위는 기후 요소, 평가 지표, 그리고 오차 산정 방법에 따라 다양하게 나타남을 확인하였다. 특히 IPSL-CM5A-LR 모델은 대상지역에 대한 적용성이 현저히 낮은 것으로 나타났다. 본 연구는 다양한 기후변화 영향 연구에 적합한 모델 선정과 기후 모델의 불확실성을 고려한 합리적 미래 예측을 위해서는 다각적이고 면밀한 모델 평가가 선행되어야 함을 시사한다. The goal of this study is to demonstrate the diversity of model performance for various climatic elements and indicators. We evaluated the skills of the most advanced 17 General Circulation Models (GCMs) i.e., CMIP5 (Climate Model Inter-comparison project, phase 5) climate models in reproducing retrospective climatology from 1950 to 2000 over the Southeast US for the key climatic elements important in the hydrological and agricultural perspectives (i.e., precipitation, maximum and minimum temperature, and wind speed). The biases of raw CMIP5 GCMs were estimated for 16 different climatic indicators that imply mean climatology, temporal variability, extreme frequency, etc. using a grid-based observational dataset as reference. Based on the error (RMSE) and correlation (R) of GCM outputs, the error-based GCM ranks were assigned on average over the indicators. Overall, the GCMs showed much better accuracy in representing mean climatology of temperature comparing to other elements whereas few GCM showed acceptable skills for precipitation. It was also found that the model skills and ranks would be substantially different by the climatic elements, error statistics applied for evaluation, and indicators as well. This study presents significance of GCM uncertainty and the needs of considering rational strategies for climate model evaluation and selection.