Reproductions and Predictions of Both Regional Climate and Flowering Phenology in South Korea = 남한지역의 상세 기후 및 개화기 재현과 예측에 관한 연구

국문 초록 (Abstract)

개화기는 기상학적 환경 요인에 민감하게 반응하고 쉽게 관측될 수 있는 특징 때문에 생물지표(bio-indicator)의 하나로서 최근에 많은 연구의 소재로 활용된다. 또한 개화기는 축제를 통한 관광객 유치 및 봄철 상해, 수분 및 결실에 의한 생산성의 변화와 관련이 깊어 경제적인 측면에서도 중요하게 여겨진다. 이러한 이유로 개화기에 대한 재현, 계절/미래 예측 등 다양한 정보는 봄철 생물계절에 대한 이해도를 넓히고, 변화되는 기상/기후에 대한 위험을 관리, 대처하는 측면에서 중요하고 필요하다.
많은 선행 연구들은 고온 요구량을 기반으로 하는 생물계절 모델을 이용하여 신뢰성 있는 기온 자료만으로 개화기를 적절하게 추정할 수 있다는 연구 결과를 제시하였다. 그 이유로 여러 연구들은 접합 대순환 모형 (GCM)과 규모축소 기법을 함께 이용하여 장기 상세 기온자료 및 개화기 정보를 생산하고자 하였다. 하지만, 그들 대부분은 IPCC 시나리오를 기반으로 한 기후변화에 따를 봄철 생물계절의 변화에 초점을 두었을 뿐만 아니라, 일 기온 변동성 및 모델의 오차를 고려하지 못했다. 따라서 본 연구에서는 남한지역에 대한 신뢰성 있는 다양한 개화기 정보를 생산하기 위해, GCM에 규모축소 및 통계보정 기법을 적용하여 일별 상세 기온 자료를 생산하고 이를 생물계절 모델에 적용하는 방법을 제안하였다. 이를 위해 본 연구에서는 크게 3가지 실험을 수행하였다: (1) 고해상도 격자 기온 및 개화일 재현 실험, (2) 계절 (3개월) 예측 시스템을 이용한 개화일 예측 실험, (3) 온난화에 따를 미래 개화일 변화 전망 실험. 분석은 이른 봄철 (2월~4월)동안의 평균 기온 자료와 남한지역의 벚, 복숭아, 배 나무의 개화일에 초점을 두었다.
먼저, 고해상도 격자형 기온 및 개화일을 재현하기 위해 NCEP2 재분석 자료를 WRF v3.0의 측면 강제력 (lateral forcing)으로 하여 10년(1999-2008) 기간에 대해 역학적 규모축소를 수행하였다. 조밀한 격자 간격 (3km)의 기온 재현 자료는 남한지역의 상세한 지형적 효과를 반영하지만, 계통적 오차 때문에 관측보다 낮게 모사되었다. 이러한 점을 고려하여, 본 연구에서는 모형 결과에 통계적 보정 방법을 적용하여 상세한 지형적 효과를 그대로 유지하면서 이른 봄철 기간 동안의 과소모사 경향을 최소화하였다. 그 후 재현된 일별 기온 자료를 생물계절 모델에 적용하여 고해상도 격자형 (3km) 개화일 자료를 생산하였다. 남한지역 내 벚, 복숭아, 배 나무에 대해 GDD와 CD 모델과 비교하여 개화일 추정능력이 우수하다고 평가된 DTS 모델을 본 연구의 생물계절 모델로 사용하였다. 개화일 분포도는 역학적 규모축소의 장점을 그대로 가지면서, 3일 이내의 차이로 관측과 유사하게 재현되었다. 또한 재현된 개화일은 95%의 신뢰수준에서 통계적으로 유의하였으며, 높은 적중률 및 낮은 오차제곱근 값을 가졌다. 결과적으로 이 실험을 통해 비교적 신뢰성 있는 고해상도 격자형 기온과 개화일 재현자료를 얻을 수 있었다.
두 번째로, 상세 기온 및 개화일을 예측하기 위해 규모축소와 오차 보정 방법을 함께 이용하여 고해상도의 중장기 (1-3개월) 예측 시스템을 구축하였다. 규모축소를 위해서 1시간 간격의 계절 후보(hindcast)자료를 PNU CGCM v1.1을 이용하여 10년 (1999-2008)간 생산하고, 이 자료를 WRF v3.0의 초기 및 경계 자료로 활용하였다. 전반적으로 보정된 모형 결과는 남한지역의 지형뿐만 아니라 관측의 공간 분포도까지 잘 예측하였다. 그 후에 보정된 일별 후보자료를 생물계절 모형에 적용함으로써 상세 개화일 자료 (3km)를 생산하였다. 예측된 개화일은 정성적 평가를 통해 관측의 일반적인 특성을 잘 추정한다고 평가되었지만, 정량적 평가에서 충분한 신뢰성을 얻지 못했다. 비록 다가올 개화일에 대해 완벽하게 예측할 수 없지만, 본 연구에서 사용된 방법은 시∙공간적으로 (일∙3km) 높은 해상도를 가지는 중장기 기온 및 개화일 예측 자료를 생산할 수 있다는 점에서 가치가 있다.
마지막으로, 온난화에 따를 개화일의 변화를 전망하기 위해 CMIP5에 참여한 6개 모형의 모사자료를 이용하여 남한지역 내 기온 및 개화일의 변화를 추정하였다. 이를 위해 일별 Historical (1986-2005), RCP4.5 (2071-2090), RCP8.5 (2071-2090) 격자 기온 자료를 50개의 개화일 관측 지점으로 통계적 규모축소 하였다. 또한 모형의 불확실성을 최소화하기 위해 계통적 오차 보정 후 다중모델 앙상블을 수행하였다. 이렇게 생산된 일별 기온 모사자료를 DTS 생물계절 모형에 적용함으로써 세 나무에 대한 개화일 변화를 추정하였다. 분석에 따르면 RCP4.5와 RCP8.5 하에서 남한 온도가 2090년까지 평균적으로 각각 2.0K와 3.5K 정도 상승할 것으로 전망되었다. 결과적으로 증가된 기온은 식물 생장속도를 가속시켜 RCP4.5와 RCP8.5 하에서 벚꽃 개화일을 각각 6.3과 11.3일, 복숭아꽃 개화일을 각각 7.4, 13.3일, 그리고 배꽃 개화일을 각각 6.5와 11.3일 가량 앞당길 것으로 전망되었다. 즉, 현재 평균적으로 4월에 개화되는 세 나무가 현 세기 끝에서는 3월 말 또는 4월 초순부터 개화될 것으로 예상되었다. 따라서 이 실험을 통해서 미래 기후 변화에 따를 잠재적인 개화일의 변화에 대한 정보를 효과적으로 얻을 수 있었다.
결과적으로 기후와 생물계절 모델을 함께 이용하여 개화일 뿐만 아니라 상세 기온에 대한 재현, 계절예측, 미래전망과 같은 다양한 정보를 적절하게 얻을 수 있었다. 그러나 모형 결과는 실측된 관측자료로 유도된 분포도 및 감률을 정확하게 모사하지 못하고 있다. 유사한 결과를 보인 Ahn et al.(2012)은 이러한 차이를 두 가지 원인에서 기인한 것으로 설명하고 있다. 첫째, 관측 자료가 저지대에 불규칙하게 위치한다는 것이며, 둘째, 감률은 바람의 방향에 따라 풍상∙하측에서 각기 다른 패턴을 가진다는 것이다. 이러한 이유로 지형적 기온 변동성이 실측 관측자료와 단순 내삽 기법으로 유도된 기온 분포도 및 감률에서 나타나기 힘들다는 것이다. 이것은 시변하에서의 대기 역학이 고려되어야 된다는 것을 암시한다.
세 실험에서 계통적 오차의 크기는 모형 또는 계절에 따라 다르게 나타났다. 이러한 이유로 오차를 보정하기 위해 다양한 조건 (모형의 종류 및 달) 등이 고려된 적절한 보정 방법이 사용되어야 한다. 통계적 보정을 한 모형결과는 전반적인 관측 패턴뿐만 아니라 복잡한 지형적 특성까지 잘 모사한다. 이러한 결과는 적절한 보정 방법을 이용하여 모델에 포함되어 있는 계통적 오차를 제거하는 것이 중요하다는 것을 보여준다.
본 연구에서 비록 봄철 기온의 영향만 고려하였지만, 개화기가 적절하게 추정되었다. 이는 남한 지역의 벚, 복숭아, 배 나무의 개화기가 봄철 기온과 관련이 깊으며, 기온자료만을 이용하여 개화일을 적절하게 추정할 수 있다는 것을 의미한다. 따라서 본 연구에서 사용된 방법은 우리나라 개화일의 특성들을 이해하는데 충분히 도움을 줄 수 있을 것으로 생각된다. 향후 더 많은 식물과 지역에 대한 적용과 물리적 해석은 개화일에 대한 다양한 정보를 제공해줄 수 있을 것으로 생각된다. 뿐만 아니라 향후 기후 및 생물계절 모델에 대한 개선 연구가 추가적으로 수행된다면 더 정확한 상세 기온 및 개화일 정보를 생산할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

This study is devoted to produce the reliable and diverse information on first-flowering dates of three deciduous trees (cherry, peach and pear) as well as the high-resolution daily temperature in South Korea using both climate model and phenological thermal-time model.
The current study composes three major experiments: (1) reproduction on the high-resolution gridded temperature and FFD, (2) forecast on the upcoming FFD using seasonal (1- to 3-month lead) prediction system, (3) projection on future FFD change in associated with global warming.
First of all, for reproducing the high-resolution gridded temperature and FFD, dynamical downscaling based on WRF v3.0 was performed using NCEP reanalysis-2 data as lateral forcing, for the period of 10 years (1999-2008). The WRF output with find-scale grid spacing (3km) reflected the detailed topographical effect. However, the reproduced temperature distribution was different from the one of observation due to systematic biases (i.e., cold bias for early spring) in the model. Therefore, statistical bias correction method was adopted and applied to the model result. After bias correction, the result with correction well captures the general characteristics of observed temperature compared to those without correction, while maintaining the detailed topographical signal. Then, the high-resolution (3km) gridded FFD data was estimated by applying the reproduced temperature data to the phenological model. The DTS model was selected as the phenological model in the study, due to its superior performance on the three trees in South Korea compared to GDD and CD models. The FFD reproduction was similar to observation with slight margins of about 3 days, while preserving advantage of dynamical downscaling. The FFD reproduction tended to have high TCC with statistical significant at 95% confidence levels, and low RMSE. Consequently, the approach used in the study was regarded as an appropriate method to reproduce the fine-scale gridded temperature and FFDs with high accuracy.
Secondly, for predicting the upcoming FFD, long-range (1- to 3-month lead) prediction system with high spatial (3km) and temporal (daily) resolution was constructed by adopting a method combining dynamical downscaling and bias correction. For dynamical downscaling, the seasonal hindcasts on hourly basis for a period 10-year (1999-2008) was produced by PNU CGCM v1.1, and then used as initial and boundary conditions of WRF v3.0. Overall, the hindcast with correction well represented not only the general pattern of observation but also landform, as reproduction case. Thereafter, the regional FFD data (3km) in South Korea was predicted by applying the detailed daily hindcast to phenological model. Although FFDs were well predicted spatial distribution of observation, the FFD predictability is insufficient for accurate forecasting in quantitative and categorical estimations. Even though the upcoming flowering phenology could not be accurately predicted, this approach is worth in respect that the long-range prediction on FFD and regional temperature with high temporal (daily) and spatial (3km) resolution can be obtained.
Finally, for projecting the future change in flowering phenology, the FFD in South Korea was newly estimated using simulations obtained from six models of the CMIP5. For the study, daily temperature simulations with Historical (1986-2005), and RCP (2071-2090) 4.5 and 8.5 scenarios were statistically downscaled to 50 FFD observation sites over South Korea. Furthermore, in order to reduce uncertainties, multi-model ensemble (MME) was performed after bias correction. For estimating FFDs of three trees in South Korea, DTS model was applied to daily temperature simulations. In the analysis, mean temperatures for early spring (February to April) over South Korea in 2090 under RCP4.5 and 8.5 scenarios are expected to have increased by 2.0K and 3.5K, respectively. Consequently, the increased temperature for RCP4.5 and 8.5 scenarios accelerates the plant growth rate and thereby advances FFDcherry by 6.3 and 11.3, FFDpeach by 7.4 and 13.3 days and FFDpear by 6.5 and 11.3 days, respectively. It implies that the present flowering of cherry, peach and pear in the early or middle of April will have advanced to late March or early April by the end of this century. Therefore, the information on potential variation of flowering phenology related to future climate change could be effectively obtained.
Summing up these results, the diverse information (i.e., reproduction, seasonal prediction and future projection) on flowering date as well as regional temperature with high resolution in South Korea could be properly obtained using the climate and phenological models. However, the model outputs cannot exactly simulate the distribution and the lapse rate derived from in-situ observations. Ahn et al.(2012) presented similar results and gave two explanations. Firstly, the difference may be attributed to the inhomogeneous distribution of in-situ observation located mostly at relatively low altitude below mountain ridges. Secondly, the lapse rates over the leeward and windward sides can differ depending on the direction of winds to the ranges. Thus, the distribution and the lapse rate derived from in-situ observation in conjunction with simple interpolation method are difficult to represent topographical temperature variations. It shows needs to consider time-variant atmospheric dynamics.
The size of systematic bias was different between models or seasons, which caused under- or over-estimation of observed field. Therefore, proper statistical correction method taking various conditions (i.e., the kind of model and month) into consideration should be adopted. In three experiments, after systematic bias correction, the simulated temperature properly represented the complicated geographical features as well as the overall observation patterns. Our results demonstrate the importance of eliminating the systematic bias inherently contained in the model simulation results using the felicitous correction method.
Although this study only considered the effect of early spring temperature, the flowering phenology could be accurately estimated. It indicates that the FFDs of cherry, peach and pear in South Korea are closely related with early spring temperature among various meteorological variables. In other words, the FFDs of three trees can be properly estimated using only temperature data. Thus, the simple methods used in this study will be helpful to expand our understanding the FFD characteristics. Further application and physiological interpretation will provide more information about flowering phenology by applying DTS or more mechanistic phenology models to many plants and regions. Moreover, we believe that further studies on model improvement will provide more accurate information.

목차 (Table of Contents)

• List of Tables.......................................................................................................... iii
• List of Figures......................................................................................................... iv
• Chapter 1 Introduction …...................................................................................... 1
• 1.1 Background.......................................................................................... 1
• 1.2 Objectives and goals............................................................................4
• Chapter 2 Data and Methodology ........................................................................ 6
• 2.1 Temperature data........................................................................................ 6
• 2.1.1 Global climate model (PNU CGCM v1.1)........................................ 7
• 2.1.2 Regional climate model (WRF v3.0)................................................ 7
• 2.1.3 IPCC AR5 simulation (CMIP5)........................................................ 8
• 2.1.4 Bias correction..................................................................................10
• 2.1.5 Temperature observation..................................................................11
• 2.2 First-flowering date data............................................................................12
• 2.2.1 Phenological thermal-time model................................................... 12
• 2.2.2 First-flowering date observation..................................................... 15
• Chapter 3 Reproduction of Regional Surface Temperature and First-flowering Date in South Korea.........................................................21
• 3.1 Performance evaluation of the FFD estimation models.............................21
• 3.2 Reproducibility of temperature...................................................................30
• 3.3 Reproducibility of first-flowering date.......................................................39
• 3.4 Summary.....................................................................................................47
• Chapter 4 Seasonal Prediction of Regional Surface Temperature and First-flowering Date in South Korea.........................................................49
• 4.1 Predictability of temperature......................................................................49
• 4.1.1 Predictability of temperature derived from PNU CGCM v1.1....... 49
• 4.1.2 Predictability of temperature derived from WRF v3.0.................... 55
• 4.2 Predictability of first-flowering date…......................................................62
• 4.3 Summary….……........................................................................................70
• Chapter 5 Projection of Future Changes in Regional Surface Temperature and First-flowering Date in South Korea.......................................72
• 5.1 Change of temperature................................................................................72
• 5.1.1 Change of temperature over Northeast Asia.................................... 72
• 5.1.2 Change of regional temperature...................................................... 76
• 5.2 Change of first-flowering date...............................................................81
• 5.3 Summary...................................................................................................92
• Chapter 6 Conclusions and Discussions...............................................................94
• Bibliography.......................................................................................................... 98
• Abstract (In Korean).......................................................................................... 107