A Study on Selection of Standard Scenarios in Korea for Climate Change

(1)

†

Corresponding author : E-mail: [email protected]

Vol. 1, No. 1, 2010, pp. 59～73

기후변화 표준 시나리오 선정에 관한 연구

A Study on Selection of Standard Scenarios in Korea for Climate Change

이 재 경․김 영 오^†

Lee, Jae-Kyoung and Kim, Young-Oh^† 서울대학교 건설환경공학부

Dept. of Civil and Environmental Engineering, Seoul National University

요 지

현재 미래 기후변화에 따른 수자원을 전망하고, 이에 대한 적응 전략을 수립하는 연구의 가장 중 요한 핵심은 바로 ‘불확실성’이다. 이 때문에 각 연구마다 상이한 결과를 나타내고 있으나, 이러한 불 확실성을 줄이는 연구는 국내에서는 매우 미진한 상태이다. 이러한 불확실성의 근본 원인은 배출 시 나리오, GCM(General Circulation Model), 상세화 기법, 강우-유출 모형 등을 각 연구마다 다르게 사 용했기 때문이다.

본 연구에서는 IPCC 기후 시나리오 중 A, B 배출 시나리오를 바탕으로 생산되는 51개의 GCM 시나리오를 다운로드 받아 2001년부터 2008년까지 월평균 온도와 강수량에 대하여 한반도를 대상으 로 분석하였다. 비교 결과, 온도 전망은 실측과 비슷한 경향성을 보였으나, 강수량은 홍수기를 모의하 지 못하는 것으로 나타났다. 한반도에 적합한 GCM 시나리오를 선정하기 위해 효율성 계수, PDF, Relative Entropy를 이용한 방법을 적용하였다. 세 방법으로 선정된 시나리오 중 공통된 4개의 GCM 시나리오, 즉 CGCM2.3.2(MRI-M, B1), MIROC3.2medress(NIES, B1), CGCM2.3.2(MRI-M, A2), CG- CM2.3.2(MRI-M, A1B)를 최종 선정하였다. 2040년 강수 전망에 있어서도 GCM 시나리오마다 최대 27.36%부터 최소 12.49%까지 서로 다른 증가 전망을 나타냈다. 선택된 GCM 시나리오는 한반도 지 역이 대상이나 이수기의 모의결과에서 이질성(heterogeneity)을 나타내고 있어, 본 연구의 결과로 하 나의 GCM 시나리오만으로 미래 기후를 전망한다는 것이 얼마나 위험한지 알 수 있다. 따라서 본 연 구에서 정량적으로 제시된 GCM 시나리오들이 미래 한반도 이수기 물 공급과 가뭄 재해 정책 수립 에 우선적으로 활용해야 함을 제시하였다.

키워드

:

기후변화

,

불확실성

, General Circulation Model,

시나리오

ABSTRACT

One of the most important issues for projecting future water resources and establishing climate

(2)

change adaptation strategies is 'uncertainty'. In Korea, climate change research results were very hete- rogeneous even in a same basin, but there have been few climate change studies dealt with the un- certainty reduction. This is because emission scenarios, GCMs, downscaling, and rainfall-runoff mo- dels that were used in the previous studies were almost all different.

In this research, fifty one GCM scenarios based A and B emission scenarios were downloaded and then compared with the observed values for a period from January 2001 to December 2008.

The downloaded GCM scenarios in general simulated well the observed but did not simulated well the observed precipitation especially for the flood season in Korea. The accuracy of each GCM sce- nario was measured with the model efficiency, PDF-based, and Relative Entropy methodology. Am- ong the selected GCM scenarios with three methodologies, the four common GCM scenarios(CG- CM2.3.2(MRI-M, B1), MIROC3.2medress(NIES, B1), CGCM2.3.2(MRI-M, A2), CGCM2.3.2(MRI-M, A1B) were finally selected. Results of the four selected GCMs were heterogeneity and projected increases of precipitation for the Korean Peninsula by from 27.36% to 12.49%, respectively. It seems very risky to rely a water planning or a management policy on use of a single climate chan- ge scenario and from this research results. Therefore, the four selected GCM scenarios proposed qu- antitatively were considered firstly for the water supply in the dry season and the drought manage- ment strategy in the Korean Peninsula for the future.

Key words : Climate Change, Uncertainty, General Circulation Model, Scenario

1. 서론

1990년부터 Intergovermental Panel on Climate Change(IPCC)에서 발표된 보고서를 살펴보면, 1 차 보고서에서는 지구의 평균온도가 향후 100년 동안 3℃, 2차 보고서에서는 0.8～3.5℃, 2001년 3차 보고서에서는 최고 5.8℃, 4차 보고서에 따 르면 1.1～6.8℃ 상승할 것으로 전망하였다. 더욱 이 기온 상승의 폭이 해마다 점점 더 커져 이에 따라 기후변화에 따른 불확실성도 증가하고 있 다.

지난 수십 년 간 한반도의 지구온난화 추세도 예외는 아니어서 과거 약 40년 동안 한반도 주변 의 해수면이 연평균 1.8mm씩 증가하였고(한국해 양연구원, 2008), 특히 제주도의 해수면 상승은 연평균 5.5mm로써 지구 평균 상승보다 약 3배에 달한다. 또한 도시화와 온실가스의 증가로 인하 여 우리나라 강수와 기온은 최근 30년 동안 꾸준

히 상승 추세에 있다.

현재 이러한 지구온난화에 대비하여 미래 기후 변화에 대한 많은 연구가 진행되고 있지만, 기후 변화 연구 단계마다 발생하는 불확실성으로 인해 각 연구마다 상이한 결과를 나타내고 있다. 특히 기후변화 연구에서 GCM 시나리오의 선택에 따 른 불확실성이 가장 크다고 알려지고 있다(Wo- lock et al., 1999; Wilby et al., 2006; Kay et al., 2009; Prudhomme et al., 2009). 그러므로 어떠한 GCM 시나리오를 사용하느냐에 따라 미래 수자 원 전망이 달라지기 때문에 선진국을 중심으로 적용 지역과 연구 목적에 따른 GCM 시나리오 선정 방법에 대한 연구가 상당수 수행되고 있으 며, 대부분의 연구가 적합한 GCM 시나리오를 선 정을 위한 지수의 개발로 진행되고 있다.

국외 GCM 시나리오 선정에 대한 연구를 살펴

보면 다음과 같다. Murphy(1996)는 GCM 시나리

(3)

오의 과거와 미래에 대해 각각 Mean Square Error에 기반을 둔 지수를 개발하였으며, Suhlka et al.(2000)과 Kleeman(2002)은 Entropy 이론을 사용한 Relative Entropy로 적합한 GCM 시나리 오를 선정하였다. Perkins et al.(2009)은 GCM 시 나리오와 관측값의 확률밀도함수(Probability Den- sity Function)의 일치성을 비교하는 방법을 이용 하였으며, Wilks(2005), Winter et al.(2009)와 Chi- ew et al.(2009)는 GCM 시나리오와 관측값에 대 한 (Root) Mean Square Error를 이용하여 GCM 시나리오를 선정하였다. 이밖에도 GCM 시나리 오와 관측값의 correlation을 이용한 연구(Epstein and Murphy, 1989; Murphy, 1989), potential pre- dictability를 이용한 연구(Boer, 2004) 등이 발표 되었다.

하지만 국내에서는 GCM 시나리오 선정에 대 한 연구가 전무한 실정이며, 단지 Multi-model ensemble을 이용한 연구(이재경 등, 2008; 배덕효 등, 2009)가 진행되었을 뿐이다. 따라서 본 연구 에서는 최근 국내 기후변화 연구에서 주로 사용 되고 있는 IPCC 4차 보고서에서 가용한 시나리 오를 이용하여 기존 GCM 시나리오 선정에 사 용되는 방법을 비교․검토하여 한반도에 적합한 GCM 시나리오를 선정하고자 한다.

2. 기후변화의 불확실성

미래 기후변화에 따른 수자원을 전망하고, 이 에 대한 적응 전략을 수립하는 연구의 가장 중요 한 핵심은 바로 ‘불확실성’이다. 국내 기후변화 연구는 1990년대 중반에 시작되어 2000년에 접 어들면서 매우 활발하게 진행되고 있으며, 정부 를 중심으로 산발적이지만 다수의 프로젝트가 발 주되어 이와 관련된 연구가 상당수 수행되었다.

하지만 연구마다 상이한 결과를 제시하고 있어 미래 기후변화 전망에 대한 불확실성이 매우 큰 것으로 제시되고 있다.

Table 1은 과거 국내에서 진행된 대표적인 ‘기

후변화’ 연구를 수자원 분야를 중심으로 살펴본 것이다. 금강 유역을 주로 다룬 이들 연구에서는 동일한 유역임에도 불구하고, 연구에 따라 크게 다른 전망을 내놓고 있다. 프로젝트 D와 E에서는 유출량이 최대 40% 증가하는 것으로 전망하였으 나, 프로젝트 G에서는 오히려 10% 감소하는 것 으로 전망하고 있다. 이러한 불확실성의 근본 원 인은 배출 시나리오, GCM, 상세화기법, 강우-유 출 모형 등을 각 연구마다 제각각 다르게 사용했 기 때문이다(Kay et al., 2009). 아직 국내에는 기 후변화 연구에 있어서 국가에서 제시하고 있는 표준 가이드라인이 없어 각 연구에서 사용 가능 한 모형과 방법을 나름대로 적용할 수밖에 없다.

하지만 선진국에서는 이에 대한 가이드라인을 만 들려는 노력이 진행 중이다. 캘리포니아의 경우, 이미 20여개 이상의 GCM들을 비교 분석하여 5 개의 GCM을 공식적으로 수자원 계획에 활용한 바 있다(California Environmental Protection Ag- ency, 2006).

3. GCM 시나리오의 선정 3.1 IPCC GCM 시나리오

지난 20여 년간 기후현상에 대한 이해가 증진

되고 더불어 컴퓨터 모의기술이 발전함에 따라

각 국가에서는 미래 기후를 전망하기 위한 GCM

을 개발하고, 미래 기후변화를 전망하여 그 결과

를 제시하고 있다. 대표적인 예가 IPCC 4차 보고

서에서 제공하고 있는 GCM 시나리오들이며, 총 8

개의 배출 시나리오(1PTO2X, 1PTO4X, 20C3M,

COMMIT, PICTL, SRA1B, SRA2, SRB1)를 바

탕으로 한 15개국 25개 GCM에서 148개 GCM

시나리오들이다. 이들을 살펴보면, BCC(중국),

BCCR(노르웨이), GISS, NCAR, GFDL(이상 미

국), INGV(이탈리아), INM(러시아), IPSL(프랑

스), CSIRO(오스트리아), MPI-M(독일), MIUB

METRI M&D(독일/한국), CCCma(캐나다), MRI,

(4)

Table 1. 수자원 분야 국내 기후변화 연구 결과 비교

사항 A B C D E F G H

대상유역 5대강 금강유역 금강유역 용담댐 금강유역 용담댐 용담댐 전국

GCMs IRSHAM96 based on MRI

CCC, GFDL 등 6개

YONU CGCM

CCSM, CGCM 등

7개

YONU

CGCM ECHO-G

자료의 길이

과거 30년 (1966～95)

미래 100년 (2001～100)

미래 20년 (2030～49)

미래 30년 (2021～50)

미래 30년 (2071～100) Emission

Scenario 2CO2 1CO2, 2CO2

1CO2, 2CO2

B1, A1B

1CO2,

2CO2 A2, B2 A1B 지역기후

모형 SNURCM RegCM3

지역기후 격자크기

20km

×20km

모형마다 다름

60km, 20km

Time step 연평균 일단위 월단위 일단위 월단위 월단위 일단위 연단위

강우 -유출 모형

확정론적

모형 IRSHAM96 NWS-PC SLURP abcd 모형 TANK PRMS 강수량

분석 결과

－17～

35%

2CO2일 때 더 감소

－5～13%

(남한)

－18～

7.2% －12.5% 0～30% 17%

유출량 분석 결과

－30～

40%

홍수 및 가뭄 빈도

증가

－13～7 % (남한)

20～

40% 8.5% 홍수 빈도

증가 －10%

NIES(이상 일본), UKMO(영국)이 있다. Table 2 는 IPCC 4차 보고서의 GCM들 중 A, B 배출 시 나리오를 바탕으로 생산하는 51개의 GCM들을 보여주고 있다.

본 연구에서는 IPCC 4차 보고서에 제출된 GCM을 IPCC Data Distribution Centre(www.

ipcc-data.org)에서 직접 다운로드 받았으며, 이 중 A, B 배출 시나리오를 바탕으로 한 51개의 GCM을 선정하였다. 다음으로 GCM 시나리오별 로 한반도를 포함하는 격자내 값을 단순평균하여 월별 온도와 강수량을 산정하였다. Fig. 1 (a)는 2001년 1월부터 2008년 12월까지 한반도에 대한 월평균 온도를 나타낸다. GCM 시나리오 간의 차 이가 있긴 하나, 대부분의 GCM 시나리오는 실측 값의 경향을 잘 따르는 것으로 나타났다. Fig. 1

(b)는 2001년 1월부터 2008년 12월까지 한반도에 대한 월평균 강수량을 나타낸다. GCM마다 다른 강수량을 모의하고 있으며, 특히 모든 GCM이 홍 수기 한반도 기상 특성인 여름철 집중 강수량을 전혀 따라가지 못하고 있어 치수 목적으로 GCM 을 사용하기에는 아직 무리임을 알 수 있었다.

반면, 이수기에는 어느 정도 모의 정확성이 있는 모형들이 발견되어 물 공급 측면에서는 활용이 가능할 것으로 판단되었다.

본 연구에서는 A, B 배출 시나리오별 평균

GCM 시나리오를 비교하였다. Fig. 2에서 살펴보

면, 온도에서는 A2, B1, A1B 배출 시나리오별

평균 GCM 시나리오가 실측값의 경향성을 따라

가는 것으로 나타나지만 강수량에서는 홍수기의

실측값을 따라 가지 못하는 것을 알 수 있다. 특히

(5)

Table 2. IPCC AR4 GCM list

Country Center GCM

A1B A2 B1

China BCC CM1 CM1 CM1

Canada CCCma CGSMT47 CGSMT47 -

- - CGSMT63

France CNRM CM3 CM3 -

Australia CSIRO Mk30 Mk30 Mk30

USA

GFDL - CM20 CM20

CM21 CM21 CM21

GISS

AOM - AOM

E-H - -

- E-R E-R

Italy INGV SXG2005 - -

Russia INM CM30 CM30 CM30

France IPSL CM4 CM4 CM4

China LAGS FGOAL - FGOAL

Germany/Korea MIUB ECHO-G ECHO-G -

Germany MPI-M ECHAM5 ECHAM5 ECHAM5

MRI CGCM2.3.2 CGCM2.3.2 CGCM2.3.2

USA NCAR CCSM3 CCSM3 CCSM3

PCM PCM -

Japan NIES MIROC3.2medres MIROC32medres MIROC3.2medres

UK UKMO HadCM3 HadCM3 HadCM3

HadGEM1 HadGEM1 -

Total

14 countries 17 centers 51 GCMs

Table 3 (a)에서 A2, B1, A1B 배출 시나리오별 2001년부터 2008년까지의 연평균 강수량은 73.69

～78.40mm/year로서 실측값의 연평균 강수량 (113.55mm/year)의 70%도 되지 않는다는 것을 알 수 있다. 하지만 Table 3 (b)에서 이수기만을

살펴보면, 모든 배출 시나리오의 평균값이 실측

값보다 약간 크며, 실측값의 경향을 훨씬 잘 따

르는 것으로 나타났다. 따라서 앞서 언급한 바와

같이 GCM 시나리오는 배출 시나리오와 상관없

이 치수 목적을 위해 사용하기에는 아직 이르나 이

(6)

(a) 월평균 온도 시계열

(b) 월평균 강수량 시계열

Fig. 1. 다양한 GCM 시나리오의 월평균 온도와 강수량 시계열 그래프.

(obs는 관측값)

(7)

(a) 월평균 온도 시계열

(b) 월평균 강수량 시계열

Fig. 2. 배출 시나리오별 GCM 시나리오의 월평균 온도와 강수량 시계열 그래프.

(8)

Table 3. 배출 시나리오별 월평균 강수와 온도의 기본통계량

(a) 전기간 월평균 기본통계량

A1B A2 B1 관측

강수 (mm/month)

평균 75.16 73.69 78.40 113.55

표준편차 27.33 29.16 28.13 121.61

온도 (℃/month)

평균 9.74 9.09 9.56 12.82

표준편차 9.28 9.63 9.19 8.92

(b) 이수기 월평균 기본통계량

A1B A2 B1 관측

강수 (mm/month)

평균 62.95 61.32 66.51 53.27

표준편차 21.04 23.13 21.13 43.15

온도 (℃/month)

평균 4.43 3.58 4.27 7.76

표준편차 6.52 6.78 6.38 6.30

수 목적으로 사용하기에는 적합한 것으로 판단된 다.

3.2 GCM 시나리오의 선정방법

GCM 시나리오를 선정하기 위해 앞서 언급한 바와 같이 여러 방법이 개발되었으며, 그 목적에 따라 달리 적용되고 있다. 본 연구에서는 이수기 활용 가능한 GCM들을 선정하기 위한 기준으로 효율성 계수, 확률밀도함수, Relative Entropy를 이 용하는 방법을 적용하였다.

효율성 계수를 이용하는 방법은 시간에 따라 GCM 시나리오가 얼마나 관측값을 잘 모의하는 가에 초점을 맞추고 있으며, 미래의 특정 시점에 발생 가능한 사상을 전망(projection)하는데 유용 하다고 할 수 있다. 확률밀도함수와 Relative Ent- ropy를 이용하는 방법은 GCM 시나리오와 관측 값 분포의 치우침(shift)에 초점을 맞추고 있다 (Perkins et al., 2007). 이는 측정시간에 무관하게 전 기간 동안 극한사상의 발생 정도를 모의(simu-

lation)하고 파악하는데 유용하다고 할 수 있다.

각 방법들에 대한 설명은 다음과 같다.

3.2.1 효율성 계수를 이용한 방법

우선 GCM의 정확성을 판단하는 기준으로 효 율성 계수(Model Efficiency, ME)를 사용하였으 며, 효율성 계수의 식은 식 (1)과 같다.

ME

i

= 1

−

Σ

_{t = 1}

T

(Q

_obs,t,i−

Q

_{s im,t,i}

)

²

Σ

t = 1 T

(Q

_{obs,t, i}−

Q

_obs,i

)

²

×100(%)

(1)

여기서 ME

i

는 i번째 GCM 시나리오의 ME, T는 총 월의 수, Q

obs,t,i

는 t월의 관측값, Q

sim,t,i

는 i번째 GCM 시나리오의 t월의 모의값이다.

3.2.2 확률밀도함수를 이용한 방법

PDF를 이용한 방법은 Perkins et al.(2007)이

(9)

제일 먼저 제안한 방법으로써 관측값과 GCM 시 나리오 모의값의 PDF를 추정하여 이를 비교함으 로써 GCM 시나리오의 정확성을 산정하는 방법 이다. ME나 RMSE를 이용하는 방법에서는 특정 시간 때의 관측값과 GCM 시나리오 모의값이 얼 마나 가까운지를 파악하는 반면에 확률밀도함수 를 이용하는 방법은 두 값의 분포가 얼마나 가까 운지 혹은 어떤 방향으로 치우쳐져 있는지를 파 악하는 방법이다.

이 방법은 우선 적용 기간에 대한 관측값과 GCM 시나리오에 적합한 확률밀도함수를 추정하 고 적합도 검정을 수행한다. 다음으로 각 GCM 시나리오의 PDF와 관측값의 PDF를 이용하여 각 GCM 시나리오에 대한 skill score를 산정하게 되 며, skill score는 다음과 같다.

S

score,i

=

_{x = 1}

Σ

ⁿ

minimum (Z(x)

m,i

, Z(x)

o,i

) (2)

여기서 S

score,i

는 i번째 GCM 시나리오의 skill

score, Z(x)

m,i

는 i번째 GCM 시나리오의 확률, Z(x)

o,i

는 관측값의 확률이다. Skill score값이 1에 가까울수록 두 PDF는 일치하는 것으로 판단할 수 있다.

3.2.3 Relative Entropy를 이용한 방법

Entropy는 무작위 변수(random variable)의 불 확실성(uncertainty)을 추정하는 지표이며, 무작위 변수의 확률과 대수확률을 이용하여 다음과 같이 나타낼 수 있다(Cover and Thomas, 1991).

H(X) = －

_x

Σ

_X

p(x)logp(x) (3)

여기서 H(X)는 x의 entropy, p(x)는 x의 확률밀도 함수이다. 무작위 변수 x의 불확실성이 커질수록 H(X)도 증가하게 된다.

Entropy를 기본이론으로 한 Relative Entropy 는 어떤 실제 확률분포와 이를 추정한 확률분포 의 거리를 계산하는 방법이며(Cover and Tho- mas, 1991), 다음과 같이 나타낼 수 있다.

D

i

(p∥q) =

_x

Σ

_X

^p

ⁱ

^(x)log{p

ⁱ

(x)/q(x)} (4)

여기서 D

i

(p∥q)는 i번째 GCM 시나리오의 Re- lative Entropy, p

i

(x)는 i번째 GCM 시나리오의 PDF, q(x)는 관측값의 PDF이다. D

i

(p∥q)가 작을 수록 관측값의 확률분포와 GCM 시나리오의 확 률분포가 가까운 것으로 판단할 수 있다.

3.3 GCM 시나리오 선정방법의 적용

첫 번째로 효율성 계수를 이용한 방법을 적용 하였다. 온도 시나리오는 정확도가 높은 GCM들 이 다수 존재하였기 때문에 GCM의 효율성 계수 가 80% 이상인 GCM을 모두 선정하였다. 그 후 이들 GCM들을 강수 시나리오의 효율성 계수가 높은 순으로 순위를 매기고, 여러 국가에서 생산 한 GCM 등을 고려하여 6위까지 선정하였다 (Table 4). 선정된 GCM 시나리오를 살펴보면, 배 출 시나리오에서는 A1B, A2, B1 모두 선정되었 다. 하지만 GCM 시나리오에서는 독일, 일본, 미 국의 특정 국가에서 생산되는 GCM 시나리오에 서 모두 상위권에 포함되어 선정된 것을 알 수 있다.

다음으로 PDF를 이용한 방법을 적용하였다.

우선 관측값과 각 GCM 강수와 온도 시나리오에

대한 PDF를 추정하였다. 강수 시나리오에 대해

서는 3변수 log-normal 분포를 이용하였으며, 온

도 시나리오에 대해서는 Gaussian kernel density

function을 이용하여 분포를 추정하였다. 강수와

온도 시나리오 모두 유의수준 1%에서 검정을 모

두 통과하였다. PDF를 이용한 방법에서도 ME를

이용한 방법과 마찬가지로 온도 시나리오 중 ski-

(10)

Table 4. 효율성 계수를 이용하여 선정한 GCM 시나리오

배출 시나리오 센터 GCM 강수 ME 온도 ME

A2 MRI-M CGCM2.3.2 0.19 0.87

A1B GISS AOM 0.17 0.88

B1 MRI-M CGCM2.3.2 0.09 0.86

B1 NIES MIROC3.2medres 0.09 0.86

A1B MRI-M CGCM2.3.2 0.05 0.88

A2 NIES MIROC3.2medres 0.01 0.91

Table 5. PDF를 이용하여 선정한 GCM 시나리오

배출 시나리오 센터 GCM 강수 skill score 온도 skill score

A2 CNCM CM3 0.93 0.83

A1B CCCma CNCM3 0.88 0.82

B1 MRI-M CGCM2.3.2 0.85 0.88

A2 MRI-M CGCM2.3.2 0.83 0.88

A1B MRI-M CGCM2.3.2 0.81 0.88

ll score가 80%를 넘는 시나리오를 우선 선정하 고 강수 시나리오의 skill score가 높은 순으로 6 개의 GCM 시나리오를 선정하였다(Table 5).

선정된 GCM 시나리오를 살펴보면, 배출 시나 리오에서는 ME를 이용한 방법과 마찬가지로 A1B, A2, B1 모두 선정되었다. GCM 시나리오 를 생산한 국가는 프랑스, 캐나다 일본, 독일로써 ME를 이용한 방법보다는 다양하게 나타났다.

마지막으로 Relative Entropy를 이용한 방법을 적용하였다. GCM 강수와 온도 시나리오 및 관측 값에 대한 PDF는 PDF를 이용한 방법과 동일하 게 강수 시나리오에 대해서는 3변수 log-normal 분포를 이용하였으며, 온도 시나리오에 대해서는 Gaussian kernel density function을 이용하여 분 포를 추정하였다. 확률분포를 식 (4)에 대입하여 최종적으로 각 GCM 시나리오에 대한 Relative

Entropy를 산정하였다. 이 방법에서는 온도 시나 리오 중 Relative Entropy가 0.1 이하가 되는 시 나리오를 우선 선정하고, 강수 시나리오에서 Re- lative Entropy가 작은 순으로 6개의 GCM 시나 리오를 선정하였다(Table 6).

선정된 GCM 시나리오를 살펴보면, 배출 시나 리오에서는 ME를 이용한 방법과 마찬가지로 A1B, A2, B1 모두 선정되었으며, GCM 시나리 오가 프랑스, 캐나다 일본, 독일 등에서 생산되어 ME를 이용한 방법보다는 다양하게 나타났다.

특히 주목할 점은 Relative Entropy를 이용하

여 선정된 GCM 시나리오가 PDF를 이용하여 선

정된 GCM 시나리오와 동일하다는 점이며, 이는

두 방법 모두 시나리오의 PDF를 추정하여 가까

운 정도를 기준으로 시나리오의 정확성을 판단하

기 때문으로 사료된다.

(11)

Table 6. Relative entropy를 이용하여 선정한 GCM 시나리오

배출 시나리오 센터 GCM 강수

Relative entropy

온도 Relative entropy

A2 CNCM CM3 0.01 0.07

A1B CCCma CNCM3 0.03 0.09

B1 MRI-M CGCM2.3.2 0.03 0.04

A2 MRI-M CGCM2.3.2 0.04 0.03

A1B MRI-M CGCM2.3.2 0.04 0.03

Table 7. 최종 선정된 GCM 시나리오

배출 시나리오 센터 GCM

B1 MRI-M CGCM2.3.2 B1 NIES MIROC3.2medres A2 MRI-M CGCM2.3.2 A1B MRI-M CGCM2.3.2

3.4 선정된 GCM 시나리오의 비교

각 방법별로 선정된 GCM 시나리오들을 비교 하면 총 4개의 시나리오가 공통적으로 선정되었 음을 알 수 있으며, 본 연구에서는 공통된 4개의 시나리오를 최종적으로 선정하였다(Table 7). 최 종적으로 선정된 GCM 시나리오를 살펴보면, MRI-M(독일)에서 생산된 GCM 시나리오가 모든

Table 8. GCM 시나리오별 2040 강수 전망

GCM CGCM

2.3.2

MIROC 3.2medres

CGCM 2.3.2

CGCM

2.3.2 평균

센터 MRI-M NIES MRI-M MRI-M

개발 국가 독일 일본 독일 독일

시나리오 B1 B1 A2 A1B

2040년

강수 전망(%) 14.65 14.65 12.49 27.36 17.29

배출 시나리오에서 선정되었으며, NIES(일본)에 서 B1 배출 시나리오 하에서 생산된 GCM 시나 리오가 선정되었다. 본 연구에서 최종 선정된 GCM 시나리오가 우리나라 기후상태를 가장 잘 모의하는 것으로 판단할 수 있으며, 앞으로 수자 원 관련 기후변화 연구에서 집중적으로 살펴볼 필요가 있는 GCM 시나리오라고 할 수 있다.

따라서 본 연구에서는 정량적으로 한반도에 적

합한 GCM을 선정하였기 때문에 앞으로 미래 이

수기 물 공급과 가뭄재해 정책 수립을 위해서는

본 연구에서 선정한 4개의 GCM 시나리오를 우

선적으로 활용해야 함을 제안한다. 하지만 다른

방법이나 지표를 사용한다면 선정되는 GCM 시

나리오가 달라질 수 있는 만큼, 목적에 적합한

선정기준 적용에 대한 연구도 꾸준히 진행되어야

할 것으로 사료된다.

(12)

Fig. 3. 이수기에 대한 GCM의 이질성.

최종적으로 선정된 GCM 시나리오들의 2040 년 강수량 변화율(2008년 대비)은 Table 8과 같 다. Table 8을 살펴보면, 모든 GCM 시나리오에 서 2040년 이수기 강수량이 최대 27.36%부터 최 소 12.49%까지 증가하는 것으로 나타났다. 이는 같은 한반도 지역을 대상으로 하더라도 배출 시 나리오나 GCM 시나리오마다 미래 강수 전망이 다르게 전망될 수 있다는 것을 나타내는 매우 중 요한 결과라 할 수 있다. 특히 MRI-M과 같이 동 일한 GCM 시나리오라 하더라도 배출 시나리오 에 따라 그 증가율이 다르게 나타남을 알 수 있다.

Fig. 3은 2001년부터 2008년까지 이수기에 대 한 강수 전망의 이질성(heterogeneity)을 나타내고 있으며, 이를 통해서도 미래 GCM 전망에 얼마나 많은 불확실성이 존재하는지 추론할 수 있으며, 하나의 GCM 시나리오만으로 미래 기후를 전망 한다는 것이 얼마나 위험한지 판단할 수 있다.

4. 결론

본 연구에서는 한반도에 적합한 GCM 시나리 오를 선정하는 방안을 수립하고 검증하였다. IP- CC 기후 시나리오 중 A, B 배출 시나리오를 바 탕으로 생산되는 51개의 GCM 시나리오를 다운 로드 받아 2001년부터 2008년까지 월평균 온도 와 강수량에 대하여 한반도를 대상으로 분석하였 다. 비교 결과, 온도 전망은 실측과 비슷한 경향 성을 보였으나, 강수량은 홍수기를 모의하지 못 하는 것으로 나타났다.

한반도에 적합한 GCM 시나리오를 선정하기

위해 효율성 계수, PDF, Relative Entropy를 이용

한 방법을 적용하였다. 효용성 계수를 이용한 방

법에서는 온도 시나리오의 ME에서 80%가 넘는

GCM 시나리오를 우선 선정하고, 이 중 강수 시

나리오의 ME에서 정확성이 높은 순으로 최종 6

개의 GCM 시나리오를 선정하였다. PDF를 이용

(13)

한 방법에서는 온도 시나리오의 skill score가 0.8 을 넘는 GCM 시나리오 중 강수 시나리오의 skill score가 높은 순으로 최종 6개의 GCM 시나 리오를 선정하였다. 마지막으로 Relative Entropy 를 이용한 방법에서는 온도 시나리오의 Relative Entropy가 0.1 이하인 GCM 시나리오를 선정하 고, 이 중 강수 시나리오의 Relative Entropy가 낮은 순으로 최종 6개의 GCM 시나리오를 선정 하였다. 이렇게 선정된 시나리오 중 공통된 4개 의 GCM 시나리오를 최종 선정하였으며, 선정된 GCM 시나리오는 CGCM2.3.2(MRI-M, Ba), MI- ROC3.2medress(MIES, B1), CGCM2.3.2(MRI-M, A2), CGCM2.3.2(MRI-M, A1B)이다. 선정된 GCM 들은 2040년 이수기 강수량을 최대 27.36%부터 최소 12.49%까지 증가하는 것으로 전망하였다.

이와 같이 동일한 한반도 유역에 대하여 배출 시나리오별 GCM 시나리오별로 결과가 매우 상 이하기 때문에 기후변화에 대한 불확실성은 커질 수밖에 없으며, 불확실성을 정량화하여 저감하는 데 향후 연구가 집중되어야 할 것이다. 이러한 기후변화 연구의 불확실성을 줄이기 위해서라도 국가 차원에서 빠른 시일 내에 국가 표준 시나리 오를 선정기준을 마련하여야 할 것으로 사료되 며, 본 연구가 선정기준에 대한 기초연구로써 연 구방향을 제시하였다.

또한 현재와 같이 특정 시나리오에 의존하기보 다 복수(multiple)의 시나리오를 함께 이용하여 불확실성을 표현해야 한다. 또한 새로운 GCM과 배출 시나리오가 개발되고 생산됨에 따라 새로운 정보가 들어오면 반드시 이를 활용하여 갱신 (update)할 수 있어야 할 것이다.

감사의 글

본 연구는 서울대학교 공학연구소와 SIR BK 건설사업단, 그리고 국토해양부 한국건설교통기 술평가원의 2009 건설기술혁신사업인 ‘기후변화 에 의한 수문 영향분석과 전망’ 과제에 의해 지

원되었습니다.

참고문헌

Boer, G. J., 2004, Long time-scale potential pre- dictability in an ensemble of coupled climate models, Climatic Dynamics, 23, 23-44.

California Environmental Protection Agency, 2006, Climate Action Team Report to Governor Schwarzenegger and the Legislature, Climate Action Team.

Chiew F. H. S., J. Teng, J. Vaze, and D. G. C.

Kirono, 2009, Influence of global climate mo- del selection on runoff impact assessment, Journal of Hydrology, 379, 172-180.

Cover, T. M., and J. A. Thomas, 1991, Ele- ments of Information Theory, Wiley.

Epstein E. S., and A. H. Murphy, 1989, Skill scores and correlation coefficients in model verification, Monthly Weather Review, 117, 572-581.

Giorgi, F., and L. O. Mearns, 2002, Calculation of average, uncertainty range, and reliability of regional climate changes from AOGCM simulations via the "Reliability Ensemble Averaging" (REA) method, Journal of Cli- mate, 5, 1141-1158.

Kay, A. L., H. N. Davies, V. A. Bell, and R.

G. Jones, 2009, Comparison of uncertainty sources for climate change impacts: flood frequency in England, Climatic Change, 92, pp. 41-63.

Kay, A. L., H. N. Davies, V. A. Bell, and R.

G. Jones, 2009, Comparison of uncertainty sources for climate change impacts: flood frequency in England, Climatic Changes, 92, 41-63.

Kleeman, R., 2002, Measuring dynamical predic-

(14)

tion utility using relative entropy, Journal of the Atmospheric Sciences, 59, 2057-2072.

Maurer, E. P., and P. B. Duffy, 2005, Uncer- tainty in projections of streamflow changes due to climate change in California, Geophy- sical Research Letters, 32, L03704.

Murphy A. H., 1989, Skill scores based on the mean-square error and their relationships to the correlation coefficient, Monthly Weather Review, 116, 2417-2424.

Murphy, A. H., 1996, General decompositions of MSE-based skill scores: Measures of some basic aspects of forecast quality, Monthly Weather Review, 124, 2353-2369.

Perkins, S. E., A. J. Pitman, N. J. Holbrook, and J. Mcaneney, 2007, Evaluation of the AR4 climate models' simulated daily maxi- mum temperature, minimum temperature, and precipitation over Australia using probability density functions, Journal of Climate, 20, 4356-4376.

Perkins, S. E., and A. J. Pitman, 2009, Do weak AR4 models bias projections of future cli- mate changes over Australia?, Climatic Ch- ange, 93, 527-558.

Prudhomme, C., and H. Davies, 2009, Assessing uncertainties in cliamte change impact anal- yses on the river flow regimes in the UK.

Part 2: future climate, Climatic Change, 93, 197-222.

Raftery, A. E., T. Gneiting, F. Balabdaoui, and M. Polakowski, 2005, Using Bayesian model averaging to calibrate forecast ensemble, Mon- thly Weather Review, 133, 1155-1174.

Raisanen, J., and T. N. Palmer, 2001, A proba- bility and decision-model analysis of a mul- timodel ensemble of climate change simula-

tion, Journal of Climate, 14, 3212-3226.

Rajagopalan, B, U. Lall, and S. E. Zebiak, 2002, Categorical climate forecasts through regulari- zation and optimal combination of multiple GCM ensembles, Monthly Weather Review, 130, 1792-1811.

Shukla, J., T. Delsole, M. Fennessy, J. Kinter, and D. Paolino, 2006, Climate model fidelity and projections of climate change, Geophy- sical Research Letters, 33, L07702.

Tebaldi, C., and R. Knutti, 2007, The use of the multi-model ensemble in probabilistic cli- mate projections, Philosophical Transactions of the Royal Society, 365, 2053-2075.

Wilby, R. L., and I. Harris, 2006, A framework for assessing uncertainties in climate change impacts: Low-flow scenarios for the River Thames, U.K., Water Resources Research, 42, W02419.

Wilks D. S., 2005, Statistical Methods in the Atmospheric Sciences, 2nd edition, Academic Press, New York.

Winter C. L., and D. Nychka, 2009, Forecasting skill of model averages, Stochastic Environ- mental Resources Risk Assessment, DOI 10.1007/s00477-009-0350-y.

Wolock, D. M., and G. J. McCabe, 1999, Esti- mates of runoff using water-balance and atmospheric general circulation models, Jour- nal of the American Water Resources Asso- ciation, 35, 1341-1350.

Choi, Y. 2002, Trends in daily precipitation ev- ents and their extremes in the southern re- gion of Korea, Korea Soc, Environmental Impact Assessment, 11, 189-203.

Choi, Y., K. -Y. Nam, H. -S. Jung, and W. -T.

Kwon, 2003, Estimating and correcting urban

(15)