[논문 리뷰] CMIP3 ensemble spread, model similarity, and climate prediction uncertainty

Stephen Jewson, Ed Hawkins|ArXiv.org|2009. 09. 10.

Climate variability and models참고 문헌 3인용 수 7

한 줄 요약

이 논문은 CMIP3 모델 앙상블 산란도가 모델 유사성과 공통된 구조적 결함으로 인해 실제 기후 예측 불확실성을 과소평가하고 있다고 주장한다. 가정된 모델 간 상관관계를 가진 다변량 정규분포 모델을 사용하여 앙상블 산란도에 대한 수학적 확대 요소를 유도하며, 높은 가정된 상관관계일수록 더 넓고 현실적인 불확실성 추정치를 도출함을 보여준다. 이는 난이도 높은 앙상블 산란도를 넘어서 보다 나은 확률 기반 기후 예측을 위한 프레임워크를 제공한다.

ABSTRACT

The CMIP3 multi-model ensemble spread most likely underestimates the real model uncertainty in future climate predictions because of the similarity, and shared defects, of the models in the ensemble. To generate an appropriate level of uncertainty, the spread needs inflating. We derive the mathematical connection between an assumed level of correlation between the model output and the necessary inflation of the spread, and illustrate the connection by making temperature predictions for the UK for the 21st century using four different correlation scenarios.

연구 동기 및 목표

• CMIP3 모델 앙상블 산란도가 모델 상호의존성과 공통된 구조적 결함으로 인해 실제 기후 예측 불확실성을 과소평가할 수 있는 이유를 조사하기 위해.
• 모델 간 상관관계를 가정함으로써 앙상블 산란도를 조정하는 통계적 프레임워크를 개발하기 위해.
• 실제 가능한 기후 결과의 분포를 반영할 수 있도록 앙상블 불확실성을 확대하는 방법을 제공하기 위해.
• 무작위 산란도 확대에 대한 실용적 대안을 제공하기 위해, 상관관계 기반 수학 모델에 기반한 불확실성 조정을 제안하기 위해.

제안 방법

• 모델의 온도 예측값은 평균 μ와 상관행렬 Σ가 미지수인 다변량 정규분포에서 유래된 상관된 표본으로 간주된다.
• 최대우도추정량으로서 평균의 추정치는 앙상블 평균이며, 구조적 상관행렬을 가정한 하에 분산 추정치가 유도된다.
• 특정한 상관구조를 가정한다: 모든 모델 쌍 간에 동일한 상관관계 r을 가짐으로써, 상관행렬 C = (1−r)I + r1로 표현된다.
• 이 상관행렬의 역행렬은 C⁻¹ = αI + β1로 해석적으로 유도되며, 여기서 α = 1/(1−r) 및 β = r/[(r−1)(1−r+rn)]이다.
• 최종 분산 추정치는 상관관계를 고려하여 유도되며, 이는 높은 r 값일수록 더 큰 분산 추정치를 도출함을 보여주며, 결과적으로 불확실성을 확대한다.
• 이 방법은 네 가지 다른 상관관계 시나리오(r = 0, 0.2, 0.4, 0.6) 하에서 영국의 21세기 온도 예측에 적용된다.

실험 결과

연구 질문

• RQ1 모델 상관관계는 CMIP3 앙상블 산란도가 기후 예측 불확실성의 척도로 해석될 때 어떤 영향을 미치는가?
• RQ2 CMIP3 모델 간의 유사성이 실제 예측 불확실성의 과소평가에 얼마나 기여하는가?
• RQ3 가정된 모델 상관관계와 앙상블 산란도 확대 요구량 사이에 존재하는 수학적 관계는 무엇인가?
• RQ4 상관관계 기반 프레임워크는 원시 앙상블 산란도를 사용하는 것과 비교해 어떻게 확률 기반 기후 예측을 향상시킬 수 있는가?
• RQ5 구조화된 상관관계 가정은 무작위 산란도 확대보다 더 타당한 불확실성 정량화 기반을 제공할 수 있는가?

주요 결과

• CMIP3 앙상블 산란도는 모델 유사성과 공통된 구조적 결함으로 인해 실제 기후 예측 불확실성을 체계적으로 과소평가한다.
• 가정된 모델 상관관계 r은 앙상블 산란도 확대 요구량을 직접적으로 결정하며, 높은 r 값일수록 상당히 넓어진 불확실성 추정치를 도출한다.
• 주어진 앙상블 크기 n에 대해 분산 추정치는 r이 증가함에 따라 증가함을 보여주며, 이는 상관관계가 불확실성을 정량적으로 확대함을 입증한다.
• 이 방법은 조건부 상관관계(r = 0.4)조차도 독립 모델 가정(r = 0)에 비해 상당한 불확실성 확대를 이끌어낸다.
• 이 프레임워크는 무작위 산란도 확대보다 더 체계적인 대안을 제공하며, 모델 상관관계의 통계적 모델에 기반한 불확실성 조정을 가능하게 한다.
• 이 접근법은 동일한 평균을 가진 예측이라도 서로 다른 불확실성 수준을 가질 경우, 동일하게 취급해서는 안 되며, 불확실성 인식 기반 의사결정의 필요성을 강조한다.