CMIP6 참여 전구모델 평가

• 수집한 CMIP6 전구모델들을 대상으로 전지구 적분한 해양열함량 변화를 평가하였음.
  • 개별 모델들은 편차가 크며 관측과 큰 차이를 보이는 모델들도 존재(그림 1).
  • 개별 모델들의 앙상블 평균은 관측과 유사한 모습을 보이나 여전히 해양열함량을 과소모의하고 있음.
  • 특히 전지구 수평적분한 해양열함량 추세의 수직분포(그림 2)를 보면 상층 150 m까지는 관측에 비해 과대모의, 하층은 관측에 비해 과소모의하는 모습을 보이고 있고, 이는 전구해양기후모델들이 관측에 비해 해양의 성층을 더 강하게 모의하며 미래 예측에 있어 해양열함량이 과소모의될 수 있음을 의미.
  • 해양열함량의 과소모의는 미래 해수면 예측에 직접적인 영향을 미칠 수 있는 요소이므로 어떤 원인으로 인해 해양열함량이 과소모의되었는지 파악하는 것이 중요함.

• CMIP6 전구모델들 해양열함량 모의에 지역적으로 어떤 차이가 있는지 알아보기 위해 해양열함량 추세의 수평분포를 조사하였음
  • 관측과 앙상블 평균의 해양열함량 추세를 비교했을 때 태평양과 인도양 일부 적도 부분, 태평양과 대서양의 서안경계류 지역, 그리고 남위 30도 지역에서 차이를 보임
  • 태평양과 대서양의 서안경계류 지역은 각각 쿠로시오와 Gulf stream의 영향을 받는 지역으로 서안경계류의 큰 변동성으로 인해 모델들의 모의 성능이 저하될 수 있음
  • 남위 30도 지역에서는 거의 모든 경도에서 차이가 나타나는 것으로 보아 남극순환류의 경로와 관련이 있을 수 있음
  • 태평양 적도 지역은 그중에서도 가장 두드러지는 차이를 보이고 있으며 통계적으로도 유의미한 차이가 있음을 보여줌
  • 특히 태평양 적도 지역에서 관측은 La Nina-like 패턴을 보이고 있는 앙상블 평균에서는 그러한 모습이 나타나지 않음

총 16개 CMIP6 model의 historical run(1970년~2014년)과 SSP5-8.5(2070년~2100년) 동안 Nino3.4 지역과 Nino3 지역에서의 MLD와 ENSO 강도 사이 관계 분석을 수행함.

두 지역 모두에서 미래기후에서 ENSO 강도가 증가하는 model(빨간색)은 MLD가 얕고, ENSO 강도가 감소하는 model(파란색)은 MLD가 깊음.

• 총 4개 CMIP6 model의 historical run (1970년-2014년)과 SSP 5-8.5 (2070년~2100년) 동안 Nino3.4 지역에서의 D20과 ENSO 강도 사이 관계 분석을 수행함(그림 9).
• 미래기후에서 ENSO 강도가 증가하는 model(빨간색)은 D20이 얕고, ENSO 강도가 감소하는 model(파란색)은 D20이 깊음.
• 총 4개 CMIP6 model의 historical run (1970년~2014년)과 SSP 5-8.5 (2070년~2100년) 동안 적도 태평양에서의 20℃ 등온선 분석을 수행함.

• 미래 기후로 갈수록 모든 CMIP6 model에서 동태평양에서의 수온약층 깊이가 깊어짐을 확인함. (a), (b)에 비하여 (c), (d)가 상대적으로 깊은 수온약층을 가지고 있으며, 미래 기후에서 동태평양의 수온약층 깊이가 깊어지는 정도도 더 크다는 것을 알 수 있음.
• 수온약층 두께가 두꺼워지고 있기때문에 Bjerknes feedback이 약화되는 것으로 추측됨. 이러한 기작의 차이로 인해 ENSO 강도가 달라짐에 영향을 준다는 것을 확인함.
• CMIP6 model 값보다 관측값인 EN4가 수온약층 깊이가 훨씬 깊음. 하지만 미래 기후에서 ENSO 강도가 강하게 나타나는 CMIP6 model은 일부 약하게 나타나는 model에 비하여 관측값과 가깝지 않게 나타남.
• 이는 CMIP6가 오히려 미래 기후를 잘못 모의하고 있을 가능성을 제시함. 그러나 CMIP6 model 중 일부만 분석하였기 때문에 더 면밀한 분석이 필요함.

• ENSO에 영향을 미치는 것으로 알려진 feedback들을 분석해본 결과, 전체 heat flux feedback이 미래기후로 갈수록 더 큰 음의 값을 가지는 것을 알 수 있음.
• 이에 영향이 크다고 알려진 shortwave feedback 역시 같은 방향성을 가짐.
• ENSO 강도가 증가하는 model group에서는 windstress feedback이 historical run에 비해 SSP5-8.5에서 증가하고 있었으며, ENSO 강도가 감소하는 model group에서는 반대의 양상이 나타남.

• Bjerknes feedback을 확인하였을 때, ENSO 강도 세기에 따른 두 model group에서 큰 차이를 보임. 미래기후에서 ENSO 강도가 증가하는 group에서는 historical run에 비해 SSP5-8.5에서 Bjerknes feedback이 증가했으며, ENSO 강도가 증가하는 group에서는 과거와 미래 기후 비교시 큰 차이를 보이지 않음.
• 그러나 CMIP6 model 내에서 Bjerknes feedback의 변동성이 크기 때문에 ENSO 예측에 불확실성이 생기는 것으로 파악됨.

• 미래 기후에서 ENSO 강도가 커지는 (a), (b)에서는 Aleutian Low (AL) mode가 강화되고 있는 반면, 미래 기후에서 ENSO 강도가 약해지는 (c), (d)에서는 Aleutian Low(AL) mode가 약화됨
• ENSO 강도는 북태평양 SLPA의 10년 주기 기후 변화에 기인할 수 있음. ENSO 강도에 따라 구분한 model group에서는 AL mode 강도가 미래 기후에 따라 변화는 것을 확인함.
• 이는 북태평양의 기후 변동성에 영향을 미치는 역동적 과정에 대한 실마리를 제공함

• 단주기 signal은 미래 기후에서 ENSO 강도가 증가하는 (a), (b)에서 증가하는 반면, 장기 signal은 미래 기후에서 ENSO 강도가 감소하는 (c), (d)에서 증가함 (그림 14).
• 이와 같이 ENSO 강도와 주기성은 미래 기후에서의 ENSO 강도 변화에 따라 두 가지 측면으로 명확히 구분되어 ENSO 예측에 영향을 미친다고 볼 수 있음.

• 빨간색 점은 미래 기후에서 ENSO 강도가 강해지는 model을 뜻하고, 파란색 점은 미래 기후에서 ENSO 강도가 약해지는 model을 뜻함.
• Bjerknes feedback을 구성하는 positive feedback 3가지를 ENSO 강도에 따라 분류되는 model group에서 historical run과 SSP5-8.5에서 분석함. Zonal advection feedback 및 Ekman feedback은 CMIP6 model에서 과거와 미래 기후 사이 차이가 거의 없음을 알 수 있음. Thermocline feedback은 model마다 큰 차이를 보이는 것을 확인함.

• 빨간색 점은 미래 기후에서 ENSO 강도가 증가하는 model을 의미하고, 파란색 점은 미래 기후에서 ENSO 강도가 감소하는 model을 의미함.
• Bjerknes feedback을 구성하는 negative damping term 중 가장 크게 영향을 준다고 알려진 thermal damping을 분석함. 과거에서 미래 기후로 갈수록 thermal damping term이 크게 감소하는 것으로 나타남.
• 이는 Bjerknes feedback의 약화와 관련이 있음.

• RMSD와 TSS 평가측도와 이들의 각 중앙값들을 활용하여 북태평양과 북서태평양 지역에서의 CMIP6 모델들이 모의한 해양(수온, 열용량) 및 대기 변수들(기온, 강수, 10m 바람 등)의 상대적인 모의수준을 비교함
• 전반적으로 CNRM과 EC-Earth 계열의 모델들이 상대적으로 우수한 성능을 보임.

• 북태평양 및 북서 태평양에서의 해면 2m 기온, 수온, 그리고 해양열용량의 36년간 (1979~2014)의 시계열 분석을 수행함. 전반적으로 CMIP6 앙상블 (짙은 보라색선)은 관측(짙은 검은색 선)에서 나타나는 warming trend를 현실적으로 재현함. 그러나 상대적으로 관측보다 약 1.5~2배 정도 더 강한 warming trend를 모의함 (북태평양에서의 해양열용량 제외).
• 상대적으로 북태평양보다 북서태평양에서 모델 간의 스프레드가 더 크게 나타나며, 특히 해양 열용량에서 더 큰 차이가 나타남.
• 전반적으로 MRI-ESM2-0과 MPI-ESM-2-HR 모델이 관측에서 나타나는 warming trend와 더 유사한 warming trend를 모의함

북태평양 및 북서 태평양 지역에서의 지역모델 경계값을 선정하기 위해 1차적으로 Min-Max 정규화 기법을 이용하여 CMIP6 모델들의 해양 및 대기변수들의 각 RMSD와 TSS 값을 0~1사이의 값으로 정규화를 시킴. 이후 각 변수들에 대해 동일한 가중치를 적용하여 계산된 성능지수(Performance Score: PS)를 바탕으로 북태평양 및 북서태평양에서 각 CMIP6 모델들의 순위를 정량화함. 이때, PS 값은 0~100 사이의 값을 가지며 100에 가까울수록 우수한 성능을 의미함.

• 다양한 기후변화 시나리오의 산출과 앙상블 및 스프레드 분석를 통한 산출 정보의 신뢰성을 확보하기 위해서는 최대한 독립적인 조건에서 생산된 CMIP6 모델들의 모의자료를 지역해양모델의 경계자료로 활용할 필요가 있음.
• 따라서, 만일 동일 계열의 모델이 연속해서 좋은 순위로 배정이 될 경우 차순위로 좋은 다른 계열의 모델을 최종 경계값으로 선정하는 것을 고려 중에 있음. 현재 고려 중인 모델들은 굵게 표시함

• 성능지수(Performance Score: PS)를 계산하는데 이용되는 변수들의 차이에 따른 CMIP6 모델들의 모의수준에 대한 민감도 평가를 수행함
• 예로, CMCC 계열의 모델들은 온도와 관련된 변수들만을 활용하여 성능지수를 계산할 경우 가장 우수한 모의수준을 보이지만, 바람 또는 강수와 같은 다른 변수들을 추가적으로 고려하게 되면 모의수준이 급격히 낮아짐
• 전반적으로, EC-Earth3 계열의 모델들이 상대적으로 민감도가 적고 높은 성능지수를 보임.
• 북태평양의 경우, EC-Earth3-Veg과 UKESM1-0-LL 모델이 PS 계산시 이용되는 변수들에 대한 민감도가 적고 비교적 높은 수준의 PS 점수를 보여 이 지역에 대한 지역해양모델의 경계값으로 활용가능할 것으로 판단됨.
• 북서태평양의 경우, MRI-ESM2-0와 EC-Earth3-Veg 모델이 상대적으로 민감도가 적고 비교적 우수한 PS 점수를 보이기 때문에 이 지역에 대한 지역해양모델의 경계값으로 활용가능 할 것으로 판단됨.

• 모형 재분석 자료 기반 통계
  • 한반도 해역 상세 재현 시나리오
  • GlorysfreeBio