Quasi-global, land-only, high-resolution and spatially averaged climate variables from downscaled CMIP6 models for climate impact research

향후 수십 년 동안 기후가 어떻게 변할지 이해하기 위해, 과학자들은 글로벌 기후 모델이라고 불리는 거대한 컴퓨터 시뮬레이션에 의존합니다. 이 프로그램들은 지구의 대기, 해양, 육지의 복잡한 춤을 시뮬레이션하여 미래의 날씨 패턴을 예측하는 디지털 트윈 역할을 합니다. 하지만 이 모델들에는 중요한 사각지대가 있습니다. 바로 이들은 세부 사항이 아닌 큰 그림을 보도록 설계되었다는 점입니다. 지구가 매우 방대하기 때문에, 이 모델들은 지구를 종종 수백 마일에 달하는 커다란 조밀하지 않은 격자 구역으로 나눕니다. 각 구역 내에서 모델은 평균 기온이나 강수량을 계산하며, 실제 날씨를 매우 특수하게 만드는 언덕, 계곡, 해안선을 뭉뚱그려 처리합니다. 특정 계곡에 있는 농부나 특정 도시의 질병 발생을 계획하는 공중보건 담당자에게 이러한 광범위한 평균치는 충분하지 않습니다. 그들은 대륙 규모의 지역이 아니라, 자신들의 문 앞에서 날씨가 어떻게 보일지를 알아야 합니다.

글로벌 예측과 지역적 현실 사이의 이러한 간극은 임페리얼 칼리지 런던과 리즈 대학교 연구진이 만든 새로운 데이터셋이 다루는 핵심 과제입니다. 연구팀은 이러한 조밀하지 않은 글로벌 기후 모델을 가져와서 단 몇 마일 규모의 일일 날씨 변화를 보여주는 고해Resolutions(고해상도) 지도로 정교화하는 방법을 개발했습니다. 그들의 작업은 기후 변동성이 높고 많은 감염병이 번성하는 세계의 열대 지역에 집중되어 있습니다. 이들은 데이터를 이전보다 훨씬 더 세밀한 수준으로 정교화함으로써, 연구자들이 일반적인 온난화 경고에서 벗어나 특정 공동체를 위한 정밀한 예보로 나아갈 수 있게 해주는 도구를 제공했습니다.

연구진은 인간 활동의 다양한 시나리오에 따른 미래 기후 조건을 투영하는 데 사용되는 주요 도구인 6가지 서로 다른 글로벌 기후 모델로 시작했습니다. 이 모델들은 두 가지 뚜렷한 경로로 실행됩니다. 하나는 배출량이 억제된 완만한 미래를 나타내고, 다른 하나는 화석 연료 사용이 계속 증가하는 고배출 미래를 나타냅니다. 이 모델들의 가공되지 않은 출력값은 1985년부터 2100년까지의 기간을 다루지만, 데이터가 너무 조밀하지 않고 체계적인 오류를 포함하고 있습니다. 예를 들어, 모델은 특정 지역이 실제로 일어나는 것보다 약간 더 덥거나 더 습다고 지속적으로 예측할 수 있습니다. 이를 해결하기 위해 연구팀은 '이중 편향 수정 구성 유사체(Double Bias-Corrected Constructed Analogues)'라고 불리는 정교한 통계 기법을 적용했습니다. 이 방법은 모델의 예측을 이미 발생한 실제 날씨 관측값과 비교하는 방식으로 작동합니다. 이는 본질적으로 모델에게 현재 조건과 유사했던 과거의 날들을 살펴보고, 그 실제 역사적 패턴을 사용하여 모델의 실수를 수정하도록 요청하는 것입니다. 이 과정은 오류를 수정할 뿐만 아니라 누락된 세부 사항을 채워 넣어, 일일 기온, 습도, 강수량의 고해상도 그림을 만들어냅니다.

그 결과, 적도를 기준으로 북위 60도에서 남위 60도 사이의 12개 육지 지역을 다루는 방대한 데이터 컬렉션이 생성되었습니다. 이 구역은 세계의 대부분의 열대 및 아열대 지역을 포함합니다. 데이터는 약 6마일 너비의 격자 구역에 해당하는 0.1도 해상도로 제공됩니다. 이는 종종 15 AU 이상의 격자를 사용했던 이전 데이터셋들에 비해 상당한 개선입니다. 연구팀은 일일 최고 및 최저 기온, 습도 수준, 총 강수량을 포함한 6가지 핵심 변수에 대한 일일 날씨 기록을 생성했습니다. 그들은 방법론의 유효성을 확인하기 위해 1985년부터 2014년까지의 과거 기간을 다루었으며, 2015년부터 2100년까지의 미래 기간을 제공하여 전망을 제시했습니다. 결정적으로, 그들은 단순히 상세한 지도를 만드는 데 그치지 않았습니다. 많은 의사 결정자들이 격자 구역이 아닌 정치적 경계와 일치하는 데이터를 필요로 한다는 점을 인식하여, 정보들을 집계했습니다. 그들은 인구가 실제로 거주하는 곳을 기준으로 가중치를 두어 110개 국가와 그 하위 지역의 평균 날씨 조건을 계산했습니다. 이는 데이터가 빈 땅이 아니라 인구가 경험하는 기후를 반영하게 함으로써, 보건 개입 및 자원 관리를 위한 계획 수립에 직접적으로 유용하게 만듭니다.

작업의 품질을 보장하기 위해 연구진은 새로운 데이터를 실제 관측값과 엄격하게 테스트했습니다. 그들은 1985년부터 2014년까지의 다운스케일링된 과거 데이터를 위성과 지상 관측소의 실제 날씨 기록과 비교했습니다. 결과는 원본 모델에 비해 극적인 개선을 보여주었습니다. 기존 모델은 종종 큰 오류를 가지고 있었으며, 때로는 기온을 몇 도나 틀리게 예측하거나 강수량을 터무니없이 부정확하게 예측했습니다. 보정 과정을 거친 후, 이러한 오류는 크게 줄어들었습니다. 새로운 데이터는 실제 세계의 계절 순환과 훨씬 더 밀접하게 일치했으며, 우기(rainy seasons)의 시기와 폭염의 강도를 훨씬 더 정확하게 포착했습니다. 팀은 또한 데이터가 폭우나 위험한 고온과 같은 극한 사건을 얼마나 잘 나타내는지 확인했습니다. 그들은 보정된 데이터가 이러한 극한의 날들의 빈도를 성공적으로 재현한다는 것을 발견했는데, 이는 홍수나 열 스트레스와 같은 위험을 평가하는 데 결정적인 요소입니다.

미래 전망을 살펴볼 때, 연구진은 기후 변화의 일반적인 방향이 원본 모델과 일치하지만, 세부 사항은 훨씬 더 명확해졌다는 것을 발견했습니다. 미래 시나리오에서 데이터는 해당 지역 전반의 온난화 추세를 보여주었지만, 새로운 고해상도 지도는 이 온난화가 다양한 지형에 따라 어떻게 달라지는지를 드러냈습니다. 예를 들어, 안데스 산맥과 같은 산악 지역에서 원본 모델은 복잡한 지형을 표현하는 데 어려움을 겪었으며, 종 often 독특한 기후 패턴을 뭉뚱그려 표현했습니다. 새로운 데이터는 이러한 구역을 명확히 해결하여, 고산 지대의 온난화 신호가 주변 저지대보다 실제로는 덜 강하다는 것을 보여주었습니다. 마찬가지로 강수량의 경우, 새로운 데이터는 습하거나 건조한 조건의 광범위한 추세는 유지하면서도, 지역적 패턴은 조밀하지 않은 모델이 시사한 것보다 훨씬 더 복잡하다는 것을 보여주었습니다. 일부 해안 및 산악 지역에서는 새로운 데이터가 원본 모델과 다른 변화의 방향을 보여주기도 했는데, 이는 지역 지형이 글로벌 기후 변화의 영향을 어떻게 바꾸는지 강조합니다.

연구진은 이 데이터셋이 큰 진전이지만 완벽한 수정구슬은 아니라는 점을 주의 깊게 언급합니다. 이 방법은 대규모 날씨 패턴과 지역적 조건 사이의 관계가 미래에도 유사하게 유지될 것이라는 가정에 의존하며, 기후가 급격하게 변할 경우 이 가정이 성립하지 않을 수 있습니다. 또한, 새로운 데이터의 정확성은 모델을 수정하는 데 사용된 실제 관측값의 품질에 크게 좌우됩니다. 기상 관측소가 드문 일부 외딴 지역에서는 여전히 불확실성이 존재합니다. 그러나 연구팀은 그들의 접근 방식이 원래 모델에서 발견되는 체계적인 오류를 성공적으로 제거하고, 일일 날씨 패턴에 대한 훨씬 더 현실적인 뷰를 제공한다는 것을 입증했습니다. 이 데이터를 사용하기 쉬운 형식으로 자유롭게 공개함으로써, 그들은 주요 장벽을 제거했습니다. 이 자원은 연구자들이 질병이 어떻게 퍼지는지, 작물이 어떻게 될지, 그리고 수자원이 어떻게 변할지에 대한 더 정확한 모델을 구축할 수 있게 하여, 광범위한 기후 경고를 실행 가능한 지역적 지식으로 바꾸어 놓습니다.