Development of regional quantile delta mapping for climate model precipitation

국문 초록 (Abstract)

기후변화의 미래 영향을 예측하기 위하여 전지구기후모델(global climate model, GCM) 또는 지역기후모델(regional climate model, RCM)에서 모의된(simulation) 자료를 사용한다. 그러나 기후모델로부터 모의된 자료와 실제 관측된 자료 사이에는 편의(bias)가 존재한다. 이러한 편의를 줄이기 위하여 다양한 편의보정(bias correction) 방법이 개발되었다. QM(quantile mapping)은 전 세계적으로 가장 널리 사용되는 방법 중 하나이다. 일반적으로 QM은 기후모델과 관측자료에서 얻은 누적밀도함수(cumulative density function, CDF)의 통계적 특성이 동일하다고 가정하여 수행된다. 그러나 QM은 관측자료를 기준으로 편의보정을 수행하기 때문에 기후모델의 원자료(raw data)에 내재된 상대적 변화(relative change)를 고려하지 않는다. 이러한 문제를 해결하기 위하여 detrended quantile mapping(DQM) 및 quantile delta mapping(QDM)이 개발되었다. 일반적인 QM(또는 QDM)은 일자료(daily data)를 기반으로 수행되어 극한사상(extreme event)의 통계분석(frequency analysis)을 적용하는데 있어서 실제 관측값의 통계분석 결과와 상당한 차이를 보일 수 있다. 또한 극한 강수자료 분위수(quantile)의 상대적 변화를 고려하여 편의보정을 수행할 때 왜곡을 유발할 수 있다.
본 연구에서는 기존 방법의 문제점을 보완하고자 편의보정 방법으로 RQDM(Regional quantile delta mapping)을 제시하였다. 또한 현재 모의기간(S0; 1979-2005)에 대하여 여러 통계적 접근 방식을 사용하여 RQDM 방법과 절차에 대한 평가를 수행하였다. 그 결과 극한 강수자료의 편의보정시 일자료 보다 연 최대 자료가 관측자료와 유사하게 나타났다. 그리고 19개의 기후모델 중 우리나라 극한 강수자료의 통계적 특성을 잘 나타내며, 가장 적합한 기후모델로 HadGEM3-RA를 선정했다. 지점빈도해석과 지역빈도해석의 확률강우량 추정 방법 비교를 위해 Monte Carlo simulation을 수행하였고, 관측자료와 시나리오자료 모두 지역빈도해석 방법이 지점빈도해석 방법 보다 적절하다는 것을 확인했다. 또한 RQDM이 QDM 보다 관측값의 통계적 특성이 유사하게 나타나는 것을 확인했으며, 통계적 평가기법을 통하여 RQDM이 QDM 보다 원자료에 내재된 상대적 변화를 잘 보존하며 적절한 결과를 도출하는 것을 확인했다. 마지막으로 우리나라 주요 5대강 유역에 대해 RQDM을 적용한 미래 홍수량 변화를 제시하였다. 본 연구에서 제안된 RQDM은 기후변화 시나리오 기반의 극한 강우량 및 홍수량 추정 시 기존 QDM 보다 더 합리적인 결과를 도출할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Climate change has been studied in various fields using the climate change scenario data from global climate models (GCMs) or regional climate models (RCMs), to predict the future impact of climate change. However, the bias exists between climate model data and actual observed data and appears differently depending on the climate models. Various bias correction methods have been developed to solve such a problem. The quantile mapping (QM) method is one of the most commonly used approaches worldwide. Generally, the QM method is performed assuming that the statistical characteristics are the same when using cumulative density functions (CDFs) obtained from climate models and observations. On the other hand, the QM method does not account for the relative change in the raw data since bias correction is only performed on observed data. To solve this problem, detrended quantile mapping (DQM) and quantile delta mapping (QDM) methods were developed to consider the relative changes in the raw data. Generally, bias correction is performed using daily data, thus the outcome may be slightly different from the quantiles of observed annual maximum (AM) rainfall in statistical analysis. In this study, the regional quantile delta mapping (RQDM), a new bias correction method, was developed for statistical analysis using the extreme rainfall data. In addition, the bias correction methods using several statistical measures were evaluated depending on the daily and AM rainfall data sets. The results generally showed that the AM data was better than daily data in performing bias correction for rainfall quantile estimation. And the AM rainfall data from the 19 climate models were compared to observed data to select the best appropriate climate model. The HadGEM3-RA regional climate model was finally selected, which has the most similar result compared to the statistical characteristics of observed AM rainfall data. In addition, Monte Carlo simulation was performed to evaluate the appropriate method for rainfall quantile estimation based on at-site frequency analysis (ASFA) and regional frequency analysis (RFA). As a consequence, it is found that RFA is a more appropriate method than ASFA for rainfall quantile estimation from both observed and simulated data. In a conclusion, the RQDM method developed in this study to overcome the weakness of the conventional QDM method, is an appropriate method with lower distortion to observed AM data and well preservation of the relative change to raw data based on the climate model simulation. Thus, it was found that the proposed RQDM method showed more robust results than the conventional QDM method.