14) 한편 CAPE은 아래의 수식과 같이 구름 공기괴의 부력을 구름 바닥부터 구름 꼭대기까지
2.4 CMIP6 기후변화 시나리오 자료 생산
따르고 있어 이 부분의 개선이 필요하다.
Figure 2.3.10 Forecasted NINO3.4 index from May, 2014 to April, 2015 (blue line for ensemble average, and grey lines for each ensemble member) and the real NINO3.4 index to March, 2015.
결론적으로, 본 연구에서 개발된 전지구 기후자료동화시스템(DASK)로부터 생산된 기후재 분석 자료를 초기장으로 사용한 기후예측 실험을 수행하였다. 1981년부터 2012년까지 약 30여 년의 과거예측을 수행한 결과 12개월 후의 예측된 NINO3.4가 관측치와 최대 0.7 이상의 상관 도를 갖는 것으로 나타났다. 비록 기후 예측에 있어서 spring barrier 문제를 해결하지는 못했 지만 엘니뇨 예측을 비롯한 단주기 기후 변동 예측을 수행하기에 충분할 것으로 생각된다. 이 에 대한 실증 차원으로 본 시스템을 이용하여 2014/15 엘니뇨를 예측하고 실제 엘니뇨를 비교 해보았다. 예측된 엘니뇨는 준 실시간 관측 자료 확보의 어려움으로 인해 발생한 initial gap에 의해 실제보다 과대하게 모의되었다. 본 연구에서 개발된 기후예측 시스템은 인도양 및 북서 태평양에서도 예측 성능을 나타내고 있으며 해양 관측 자료의 수집의 지연 시간을 단축할 수 만 있다면 향후 고성능의 엘니뇨 및 계절 예측 시스템을 구축할 수 있을 것으로 기대한다. 또 한 이 연구 결과 최종적으로 완성된 KIOST 지구시스템 모형을 활용하여 기후예측 시스템을 구축할 경우 보다 좋은 기후예측 시스템 개발이 가능할 것으로 기대한다.
성능을 향상시킬 뿐만 아니라 미래 기후에 대한 보다 정확한 시나리오를 생산하는 것을 목표 로 하고 있다. CMIP의 이전 단계에서 모델로 생성 된 시뮬레이션 데이터는 수천 개의 연구 논문에서 사용되었으며 다중 모델 결과는 모델 시뮬레이션의 오류 및 불확실성에 대한 일부 관점을 제공하였다. 이 정보는 기후 및 기후 변화에 대한 우리의 이해를 평가하는 높은 수준 의 보고서를 작성하는 데 매우 중요하게 사용되었으며 특히 IPCC (Intergovernmental Panel on Climate Change) 기후변화 평가보고서의 기초자료로 활용되어오고 있다.
CMIP6는 제 6차 IPCC 기후변화 평가보고서 작성을 위한 기후변화 시나리오 자료를 생산 하고 있으며 본 과제의 결과로 개발된 KIOST 지구시스템 모형을 이용하여 이에 참여하고자 기후변화 시나리오 자료를 생산하였다.
Figure 2.4.1은 CMIP6를 위해 제안된 실험들을 나타낸다. CMIP6에 정식으로 참여하기 위 해서는 DECK (Diagnostic, Evaluation and Characterization of Klima) 실험과 과거 기후 시뮬 레이션 실험을 의무적으로 수행해야 한다. DECK 실험에는 또한 AMIP 시뮬레이션과 Pre-industrial control simulation, 이산화탄소가 매년 1%씩 증가하는 점증실험 그리고 이산화 탄소 4배증 실험으로 구성되었다. 본 과제에서는 DECK 실험과 과거 기후시뮬레이션 실험을 수행하고 추가적으로 이산화탄소 배출량에 대한 시나리오인 Scenario MIP 실험 중 3가지 실 험을 수행하였다. 적분을 수행한 실험의 리스트와 수행기간을 Table 2.3.1에 나타내었다.
Figure 2.4.1 CMIP6 endorsed experiments
MIPs Experiment
Name Description Periods Duration(yr)
DECK
AMIP SST & SIC driven
atmospheric simulation 1970-2014 45 PI-control Long-term simulation under
the 1850 conditions 2689-3188 500 1PCO2
Historical simulations under 1% per year increasing CO2concentrationfrom1850
1850-2000 151
4xCO2
Historical simulations under abrupt quadrupling CO2concentrationfrom1850
1850-2000 151
Historical
run Historical run Historical coupled model
simulations from 1850 1850-2014 165
ScenarioMIP
SSP1-2.6
Future climate simulation under the SSP1-2.6
scenario
2015-2100 86
SSP2-4.5
Future climate simulation under the SSP2-4.5
scenario
2015-2100 86
SSP5-8.5
Future climate simulation under the SSP5-8.5
scenario
2015-2100 86 Table 2.4.1 CMIP6 experiments of KIOST
DECK 실험들중 PI-control 실험은 1850년의 CO2 농도에서 장기적으로 안정적인 준 평형 기후 상태를 생성하려는 시도에 중점을 두고 있으며 500년 이상의 장기 실험을 권장한다.
Historical run에서 CO2 농도 뿐만 아니라 대기 오염 물질 (SO2, 유기 탄소, black carbon)의 배출과 해당 연도의 오존을 처방하도록 설계되었다. 5가지 SSP 시나리오로 구성된 ScenarioMI은 CO2 배출량에 따른 미래 기후 전망을 목적으로 한다. 본 연구에서는 5가지 실 험 중에서 세 가지를 택하여 시나리오 자료를 생산하였다. 각 실험에 사용된 대기 강제 데이 터의 정보와 자료의 출처는 Table 2.4.2에 표시하였다.
Variables Subcategories Resolution Target MIPs Sources Concentratio
ns of greenhouse gases
CO2,N2O,CH
4 ,
halogenated gases
T i m e series
DECK,
Historical run, ScenarioMIP
http://climatecollege.unimelb.
edu.au/cmip6 (Meinshausen et al., 2017)
Emissions of air pollutants
SO2inAnthro pogenic,biobu rning,ship
S p a t i a l maps0.5°x0.5°
Historical run
http://www.globalchange.um d.edu/ceds/ for anthropogenic emissions (Hoesly et al., in preparation)
http://www.globalfiredata.or g for bioburning emissions
ScenarioMIP https://secure.iiasa.ac.at/web -apps/ene/SspDb
OC, BC anthropogenic emissions
S p a t i a l maps0.5°x0.5°
Historical run http://www.globalchange.um d.edu/ceds/ (Hoesly et al., in preparation)
ScenarioMIP https://secure.iiasa.ac.at/web -apps/ene/SspDb
Table 2.4.2 Anthropogenic forcings in CMIP6 runs of KIOST-ESM
KIOST-ESM에 의해 모델링 된 해수면 상태를 평가하기 위해 PI-control에서 생성된 해면 온도(SST), 해면염분(SSS) 그리고 해양혼합층깊이(MLD)의 1월-3월 (JFM) 및 7월-9월 (JAS) 기후평균값을 관측(EN4)과 비교하였다. 또한 KIOST-ESM의 기후모의 성능 개선 정도를 평가 하기 위하여 GFDL의 CM2.5 모형 결과(CM2.5K)와 비교 분석하였다.
CM2.5K를 포함한 많은 기후모형에서 공통적으로 나타나는 남극해 여름철 (JFM)의 Warm Bias 가 KIOST_ESM의 PI-control에서 크게 완화된 것을 확인할 수 있다. (Figure 2.4.2). 또 한 CM2.5K에서는 계절에 관계없이 열대 해역에서 강한 음의 편향이 관찰된다. JFM 동안 PI-control, Historical run 및 CM2.5K는 20 ° N에서 20 ° S 사이의 전 세계 열대 해역에서 각각 -0.50° C, -0.36 °C 및 -1.58 °C의 편차를 갖는 것으로 나타났다(Figure 2.4.2).
KIOST-ESM에 의한 JFM 열대 해역 음의 편향 문제가 크게 개선된 것은 모든 열대 해역에 서 관측된다. JAS에도 마찬가지로 KIOST-ESM이 음의 편향을 개선한 것으로 나타났다. 그러 나 KIOST-ESM은 CM2.5K과 비교하여 북반구, 특히 JAS에 중위도 북태평양에서 지나치게 차가워지는 경향이 있다. KIOST-ESM에서 생산 된 SST는 열대 지역과 JFM 남반구에서 더 나은 성능을 보여 주지만 CM2.5K에 비해 북반구 중위도 지역에서 음의 편향이 더 커지는 문 제점을 갖는 것으로 보인다.
KIOST-ESM이 SST 모의 성능을 크게 개선한 것과는 달리 SSS 모의 성능의 개선 정도는 SST 만큼 뚜렷하지는 않다 (Figure 2.4.3). KIOST-ESM의 PI control 실험에서 SSS의 가장 명백한 개선은 적도태평양 해역과 JFM 시기 남극해 주변에서 관측되었다.
KIOST-ESM 및 CM2.5K는 일반적으로 전 세계 대부분의 지역에서 MLD를 과대 평가하는
경향이 있다 (Figure 2.4.4). JFM SST 및 SSS의 분포에서 예상할 수 있듯이 CM2.5K에서 남 태평양에서 과소평가된 JFM 시기 MLD는 KIOST-ESM 실험 결과들에서는 개선된 것으로 나 타났다. 그러나 KIOST-ESM은 일반적으로 북태평양과 북대서양의 중위도 지역에서 CM2.5K 보다 뚜렷하게 JFM시기 MLD를 과대평가하는 경향이 있으며 이는 북반구 중위도 지역에서 나타나는 SST 음의 편향과 관련이 있는 것으로 보인다.
Figure 2.4.2 Spatial distributions of (a-b) SST obtained from EN4 climatology, SST differences relative to that from EN4 of (c-d) PI-control and (e-f) CM2.5K during (a,c,e) JFM and (b,d,f) JAS. Unit is
°C.
Figure 2.4.3 Spatial distributions of (a-b) SSS obtained from EN4 climatology, SSS differences relative to that from EN4 of (c-d) PI-control and (e-f) CM2.5K during (a,c,e) JFM and (b,d,f) JAS. Unit is psu.
Figure 2.4.4 Spatial distributions of (a-b) MLD obtained from EN4 climatology, MLD differences relative to that from EN4 of (c-d) PI-control and (e-f) CM2.5K during (a,c,e) JFM and (b,d,f) JAS. Unit is m.
또한 KIOST-ESM의 평균적인 강수, 2m 기온에 대한 모의 성능을 평가하였다. 강수를 제 외한 대기 변수의 기후 평균값은 12월에서 2월 (DJF) 그리고 6월에서 8월 (JJA)에 대해 구하 였으며, 이는 앞서 비교한 해양 변수에 비해 한 달을 앞서는 것이다. 강수량은 연간 평균값을 비교하였다.
20°N 및 20°S를 초과하는 대부분의 중위도 및 고위도 지역에서 KIOST-ESM과 CM2.5K 사이의 강수량 편향의 차이는 크지 않았다 (Figure 2.4.5). KIOST-ESM에 의해 수행된 PI-control 및 Historical run의 강수량 편향은 CM2.5K와 비교하여 대부분의 지역에서 미미한 차이를 보인다. 두 모델 모두 열대 근처의 모든 해역에서 관측보다 과다 모의하는 경향이 있 다. 특히 강수량 편향은 남반구 열대 지방에서 두드러진다. 연간 평균 강수량 편향의 특징은 CMIP5 시뮬레이션 (Hwang and Frierson 2013)에서 설명한 것과 잘 일치합니다.
KIOST-ESM과 CM2.5K에서 얻은 2m 기온 편향의 공간 분포(Figure 2.4.6)는 각각 해당 모델에서 생성 된 SST 편향과 유사하다 (Figure 2.4.2). CM2.5K에서 생산된 남극해의 DJF Warm Bias는 KIOST-EMS의 PI-control과 Historical run 실험에서 크게 감소하였다. 그 외 에도 열대해역에서 발견되는 두 계절의 CM2.5K의 차가운 기온 편향은 KIOST-ESM의 PI-control 및 Historical run 실험에서 크게 완화되었다. KIOST-ESM에서 나타난 JJA 시기 중위도 해역의 과도한 저온 편향은 JAS 시기 SST에 나타난 저온 편향에서 볼 수 있듯이 CM2.5K보다 오히려 악화되었다. 한편 두 모델 모두 DJF 시기 북미와 극동 아시아를 제외한 북반구 대부분의 지면에서 저온의 기온 편향을 나타내었다.
Figure 2.4.5 (a-c) Spatial distributions of annual averaged precipitation rate obtained from (a) GPCP, (b) PI-control and (c) CM2.5K. (d-e) Spatial distributions of model biases of annual averaged precipitation rate obtained from (d) PI-control and (e) CM2.5K. Unit is mm/day.
Figure 2.4.6 Spatial distributions of (a-b) 2 m air temperature obtained from ERA-Interim, 2 m air temperature differences relative to that from ERA-interim of (c-d) PI-control and (e-f) CM2.5K during (a,c,e) DJF and (b,d,f) JJA. Unit is K.
KIOST-ESM의 MJO 모의 성능을 평가하기 위해 적도 부근의 850hPa 의 동-서 성분 바람 (U850)과 Outgoing Longwave Radiation(OLR)의 파수-주파수 스펙트럼 분석을 수행하였다.
파수-주파수 스펙트럼은 모형이 MJO 변동성을 시뮬레이션 할 수 있는지 여부 및 수평 규모 및 주기성을 추정하기 위해 자주 사용된다 (예 : US CLIVAR MJO working group 2009).
관측에서 (Figure 2.4.7a-b), U850 및 OLR의 스펙트럼 파워는 wave number 1-2에서 피크 이며 동쪽으로 전파되는 신호에서 0.02 cycles/day의 주파수를 갖는다. 피크는 OLR에서보다 U850에서 wave number 1 에 집중되고 더욱 두드러진다. KIOST-ESM은 이러한 특성을 관측 에 가깝게 모의하고 있지만 강도 측면에서 다소 과장되어 있다. 반면에 CM2.5K의 해당 스펙 트럼 더 낮은 주파수 (주기> 80 일)에서 너무 에너지를 보여 주므로 모형이 실제와 같은 MJO 변동성을 캡처 할 수 없음을 나타낸다.
KIOST-ESM은 계절내 변동성을 모의하는 능력과 관련하여 CM2.5K보다 크게 개선되었다.
많은 기후 모형이 여전히 MJO를 현실에 가깝게 모의하지 못하고 있기 때문에 관련 기작을 이해하기 위해 추가적인 작업이 필요하다.
Figure 2.4.7 Wavenumber-frequency spectra for summer (May-October) and winter (November-April) obtained from (a-b) NCEP/NOAA reanalysis, (c-d) PI-control, and (e-f) CM2.5K simulation calculated from (a,c,e) zonal velocity at 850 hPa (U850) and (b,d,e) outgoing longwave radiation (OLR). The vertical lines correspond the periods of 30 and 80 days.