• 대기
• /
• 제33권4호
• /
• pp.355-365
• /
• 2023

To proactively manage climate risk, near-term climate predictions on annual to decadal time scales are of great interest to various communities. This study evaluates the near-term climate prediction skills in East Asia with DePreSys4 retrospective decadal predictions. The model is initialized every November from 1960 to 2020, consisting of 61 initializations with ten ensemble members. The prediction skill is quantitatively evaluated using the deterministic and probabilistic metrics, particularly for annual mean near-surface temperature, land precipitation, and sea level pressure. The near-term climate predictions for May~September and November~March averages over the five years are also assessed. DePreSys4 successfully predicts the annual mean and the five-year mean near-surface temperatures in East Asia, as the long-term trend sourced from external radiative forcing is well reproduced. However, land precipitation predictions are statistically significant only in very limited sporadic regions. The sea level pressure predictions also show statistically significant skills only over the ocean due to the failure of predicting a long-term trend over the land.

• 한국수자원학회논문집
• /
• 제48권10호
• /
• pp.817-830
• /
• 2015

본 연구에서는 기후변화 시나리오의 미래 전망 불확실성 요소를 감안한 근 미래(2011~2040년) 극치 강수전망과 빈도분석을 CMIP5 (Coupled Model Intercomparison Project Phase 5) 9개 GCMs (General Circulation Models)를 사용하여 수행하였다. 또한, 기후자료의 유역규모 비모수적 상세화 및 편이보정 기법을 적용하여, 다중 모델 앙상블(MME)을 통한 불확실성 분석을 수행하였다. 분석결과, RCP4.5와 RCP8.5 시나리오 모두 한반도 근 미래 극치 강수특성인자의 연간 변동성과 불확실성이 커지는 것으로 분석되었으며, 강우빈도해석 결과 2040년까지 50년과 100년 빈도 확률강수량이 최대 4.2~10.9% 증가할 것으로 분석되었다. 본 연구 결과는 다중모델 앙상블 GCMs의 불확실성을 고려한 국가수자원 장기종합개발계획과 기후변화 적응대책 마련 등 기후변화 방재관련 정책결정 및 의사결정 지원 자료로 활용이 가능할 것이다.

• 한국지구과학회지
• /
• 제23권7호
• /
• pp.587-596
• /
• 2002

경험적 직교함수(EOF)분석법과 다중회귀법에 기초하여 지연상관된 광역규모 예측인자로부터 3개월 이전에 계절 강수량을 예측할 수 있는 슈퍼앙상블 모델이 개발되었다. 이 모델의 예측성이 교차검증법에 의해 평가되었다. 관측값과 예측값사이의 상관계수는 봄철에 0.73, 여름철에 0.61, 가을철에 0.69, 겨울철에 0.75로 나타났다. 이러한 값은 유의수준 ${\alpha}$=0.00에서 유의한 값이다. 수퍼 앙상블 방법의 범주형 예측성이 3개 범주로 나누어진 사례에 대해서 평가되었다. 3개 범주는 계절 누적강수량의 상위 33.3%를 과우해, 하위 33.3%를 소우해, 그 나머지를 평년해로 구분하였다. 범주형 예측의 적중률은 계절에 따라 42%에서 74%로 나타났다.

• 대기
• /
• 제24권3호
• /
• pp.403-417
• /
• 2014

Future changes in seasonal mean temperature and precipitation over East Asia under anthropogenic global warming are investigated by comparing the historical run for 1979~2005 and the Representative Concentration Pathway (RCP) 4.5 run for 2006~2100 with 20 coupled models which participated in the phase five of Coupled Model Inter-comparison Project (CMIP5). Although an increase in future temperature over the East Asian monsoon region has been commonly accepted, the prediction of future precipitation under global warming still has considerable uncertainties with a large inter-model spread. Thus, we select best five models, based on the evaluation of models' performance in present climate for boreal summer and winter seasons, to reduce uncertainties in future projection. Overall, the CMIP5 models better simulate climatological temperature and precipitation over East Asia than the phase 3 of CMIP and the five best models' multi-model ensemble (B5MME) has better performance than all 20 models' multi-model ensemble (MME). Under anthropogenic global warming, significant increases are expected in both temperature and land-ocean thermal contrast over the entire East Asia region during both seasons for near and long term future. The contrast of future precipitation in winter between land and ocean will decrease over East Asia whereas that in summer particularly over the Korean Peninsula, associated with the Changma, will increase. Taking into account model validation and uncertainty estimation, this study has made an effort on providing a more reliable range of future change for temperature and precipitation particularly over the Korean Peninsula than previous studies.

• 한국방재안전학회논문집
• /
• 제13권2호
• /
• pp.27-38
• /
• 2020

최근 국내에서는 다양한 이상기후들이 발생하고 있으며 이로 인해 인명피해, 재산피해와 같은 큰 피해들이 발생하고 있다. 그 중에서도 폭염으로 인한 피해는 점점 증가하는 경향을 보인다. 이에 대처하기 위해서는 빠르고 정확한 기온 및 폭염발생여부 예측이 필수적이다. 현재 기상청에서는 폭염에 대한 정보를 단기예보를 통해 제공하는데, 단기예보를 위한 기온예측은 수치예보모델을 통해 수행된다. 과거 15년간(1998~2012년) 인구대비 폭염 사망률이 가장 높았던 ◯◯군에 대하여 2019년도 기온 예보자료와 관측 자료를 비교한 결과, 평균제곱근오차가 1.57℃ 발생하였고, 관측 값이 33℃이상에 해당하는 데이터만 비교한 결과, 평균제곱근오차가 1.96℃ 발생하였다. 예보시간은 4시간이고 예보과정에는 약 3~4시간이 소요된다. 이에 본 연구에서는 소요시간과 예측 정확도를 고려하여, 기계학습방법의 일종인 LSTM을 이용한 기온 및 폭염발생 예측 방법론을 제시한다. 기계학습모델을 이용한 4시간 기온예측결과 1.71℃의 평균제곱근오차가 발생하였고, 관측 값이 33℃ 이상에 해당하는 데이터만 비교한 결과 1.39℃의 평균제곱근오차가 발생하였다. 전 범위의 오차는 수치예보모델이 더 작은 값을 가지지만, 33℃이상의 경우에는 기계학습모델 예측의 정확도가 더 높았다. 또한 수치예보를 이용한 경우 예상 소요시간이 4시간가량인 반면 기계학습을 이용한 기온예측에는 평균 9분26초의 시간이 소요되어 경제적이라 판단하였다. 향후 공간적인 범위를 확대하거나 대상 지역을 변경하는 일반적인 방안에 대해서 연구를 수행하고자 한다.