Deep-learning climate emulator ACE2 reveals a global decrease in tropical cyclone frequency in the 15th Century under an El Niño-like sea surface temperature pattern

기술 요약: 딥러닝 기후 에뮬레이터 ACE2를 통해 밝혀진 15세기 엘니뇨 유사 해수면 온도 패턴 하에서의 전 지구적 열대 저기압 빈도 감소

문제 제기
연간 열대 저기압(TC) 빈도를 정확하게 예측하는 것은 사회적 피해 완화에 매우 중요하지만, 다중 규모의 기후 상호작용의 복잡성과 현대 계측 기록의 짧은 기간(약 80년)으로 인해 여전히 어려운 과제로 남아 있다. 현재의 전 지구 기후 모델(GCM)은 온난화 시나리오 하에서의 미래 열대 저기압 빈도에 대해 서로 상충되는 전망을 제시하고 있는데, 일부는 전 지구적 감소를 예측하는 반면 다른 이들은 증가를 예측한다. 이러한 불확실성은 온실가스 유도 온난화 하에서 대규모 해수면 온도(SST) 패턴이 어떻게 진화할 것인지, 그리고 이러한 패턴이 전 지구적 열대 저기압 빈도를 어떻게 제어하는지에 대한 합의가 부족한 데서 기인한다. 고기록 프록시 데이터(예: 퇴적물, 산호)는 더 긴 시간적 관점을 제공하지만 공간적으로 희소하기 때문에, 공간적으로 일관되고 시간적으로 연속적인 데이터를 제공하기 위한 전 지구적 시뮬레이션이 필요하다. 열대 저기압을 해상할 수 있는 기존의 고해상도 역학 모델은 장기 고기후 시뮬레이션을 수행하기에는 계산 비용이 너무 많이 든다.

방법론
본 연구는 구형 푸리에 신경 연산자(spherical Fourier Neural Operators)를 사용하여 ERA5 재분석 데이터(1940–2000, 2010–2020)로 학습된 딥러닝 기반 기후 에뮬레이터인 Ai2 Climate Emulator 버전 2(ACE2)를 사용한다. ACE2는 역학 모델에 비해 계산 효율적인 대안을 제공하며, 전 지구적 공기 질량과 수분을 보존하면서 안정적인 밀레니엄 단위의 통합 계산이 가능하다.

연구 설계는 세 가지 주요 구성 요소로 이루어진다:

1. 고기후 시뮬레이션 (서기 1351–1550년): ACE2와 고해상도 역학 모델(HiRAM, 50km 해상도)에 마지막 천년기 재구성 SST 및 해빙(LMR 2.1)을 강제하여 소빙기로의 전환기 동안의 열대 저기압을 시뮬레이션하였다. 본 연구는 1351년부터 1550년 사이의 기간, 특히 "높은" 활동기(1401–1420년)와 "낮은" 활동기(1461–1480년)를 비교하는 데 중점을 둔다.
2. 검증: 시뮬레이션된 대서양 열대 저기압 빈도는 미국 동부 해안과 카리브해를 따라 위치한 12개 지점의 퇴적물 범람 프록시 데이터(지난 천 년간의 분지 규모 대서양 열대 저기압 활동에 대한 최선의 추정치)를 통해 검증되었다.
3. 이상적 실험: ACE2의 계산 속도를 활용하여, 전 지구 평균 SST 냉각과 특정 SST 패턴의 효과를 분리하기 위해 수정된 SST 패턴을 적용한 타임 슬라이스 실험을 수행하였다. 여기에는 다음이 포함된다:
   • CTL: 기후 평균 SST (1401–1420년).
   • EXP1: 평균 SST (1461–1480년), 적도 냉수대(cold tongue)의 가열과 그 외 지역의 냉각을 특징으로 하는 엘니뇨 유사 이상 현상을 나타냄.
   • EXP2–EXP4: EXP1과 동일한 전 지구 평균 SST 냉각을 유지하면서, 적도 냉수대 가열을 분리(EXP2), 제거(EXP3), 또는 패턴을 반전시켜 라니냐 유사 상태(EXP4)로 만든 변형들.

본 연구는 열대 저기압 빈도 변화를 진단하기 위해 "시드-확률 프레임워크(seed-probability framework)"를 활용한다. 이 프레임워크는 열대 저기압 수($N_{TC}$)를 전구 장애(precursor disturbances, "시드", $N_{Seed}$)와 강화 확률($P$)의 곱으로 근사한다. 확률은 잠재 강도(PI), 연직 윈드 시어, 그리고 습윤 엔트로피 결핍(중층 대기의 건조함)이라는 세 가지 환경 요인으로부터 도출된다.

주요 결과

• 15세기 열대 저기압 감소: ACE2와 HiRAM 시뮬레이션 모두 15세기(특히 1461–1480년과 1401–1420년 비교) 동안 전 지구적 열대 저기압 빈도가 유의미하게 감소함을 보여준다. ACE2 앙상블 평균은 전 지구 열대 저기압 빈도의 13.1% 감소를 보였으며, 연간 횟수는 13.2% 감소(연간 37.8회에서 32.8회로)했다. 이러한 감소는 서태평양을 제외한 대부분의 분지에서 일관되게 나타났으며, 이 기간 동안 대서양 열대 저기압 활동의 급격한 감소를 나타내는 퇴적물 프록시 기록과도 일치한다.
• SST 패턴의 역할: 전 지구적 감소는 전 지구 평균 SST 냉각 자체보다는 특정 SST 패턴에 주로 기인한다. 두 시기(High와 Low) 사이의 SST 이상 현상은 적도 태평양 냉수대의 가열과 그 외 지역의 냉각을 특징으로 하는 엘니뇨 유사 패턴과 유사하다.
• 이상적 실험 결과:
  • 엘니뇨 유사 패턴(EXP1) 하에서 전 지구 열대 저기압 빈도는 99.9%의 통계적 유의성으로 7.5% 감소했다.
  • 적도 냉수대 가열을 분리한 실험(EXP2) 또한 유의미한 감소(-3.5%)를 보여, 이 특징이 주요 동력임을 시사했다.
  • 냉수대 가열을 제거한 실험(EXP3)은 덜 견고한 감소를 보였으며, 높은 앙상블 멤버 간 변동성을 나타냈다.
  • 라니냐 유사 패턴(EXP4, 냉수대 냉각)은 99.5% 이상의 유의성으로 전 지구 열대 저기압 빈도가 2.9% 증가하는 결과를 낳았다.
• 변화의 메커니즘: 시드-확률 프레임을 통해, 본 연구는 엘니뇨 유사 시나리오에서의 전 지구적 열대 저기압 감소가 시드에서 열대 저기압으로의 전이 확률 감소에 의해 80.6% 발생하였고, 시드 수의 감소에 의한 것은 19.2%에 불과하다는 것을 발견했다. 확률 감소는 주로 비적도 지역에서의 연직 윈드 시어 증가와 더 건조한 중층 대기(높은 포화 수분 결핍)에 의해 발생했다. 이러한 환경적 변화는 엘니뇨 유사 패턴과 관련된 강화된 남북 방향 SST 경사에 의해 유도된 해들리 순환의 강화와 연결되어 있다.

의의 및 주장
본 논문은 열대 저기서 연구를 위해 딥러닝 기후 에뮬레이터를 사용하는 것의 타당성을 입증하며, 지난 천 년간의 열대 저기압-기후 상호작용을 조사할 수 있는 독특하고 고효율적인 렌즈를 제공한다고 주장한다. 이 연구는 전 지구 열대 저기압 빈도와 SST 패턴, 특히 남북 방향의 SST 경사와 적도 냉수대 변동성 사이의 강력한 연결 고리를 확립하였으며, 이는 전 지구 평균 온도 단독의 문제가 아님을 밝힌다.

저자들은 이러한 결과가 미래의 열대 저기압 빈도를 정확하게 추정하기 위해 미래 SST 패턴 투영을 제약해야 할 필요성을 강조한다고 주장한다. 이는 현재의 모델 예측(종종 엘니뇨 유사)과 관측 기록(종종 라니냐 유사) 사이의 괴리를 주목한 것이다. 나아가, 본 연구는 열대 저기압을 해상할 수 있는 시뮬레이션이 가용하다면 전산업 시대의 기후가 열대 저기압 변동성을 이해하기 위한 훌륭한 자연 실험실 역할을 한다는 점을 강조한다. 저자들은 ACE2가 효과적임을 입증했으나, 향후 연구에서는 상층 대기 표현을 개선하기 위한 더 많은 수직 층을 가진 차세대 에뮬레이터 개발과 시뮬레이션 능력을 완전히 활용하기 위한 다른 분지(예: 서태평양)로의 프록시 데이터 확장이 필요하다고 조심스럽게 제언한다.