[논문 리뷰] Towards the Probabilistic Earth-System Model

T. N. Palmer, Francisco J. Doblas‐Reyes외 4명|ArXiv.org|2008. 12. 05.

Climate variability and models참고 문헌 20인용 수 8

한 줄 요약

이 논문은 기후 예측에서 모델 불확실성을 더 잘 표현하기 위해 확률적 지구시스템 모델에 확률적-동적 파arametrization을 통합할 것을 주장한다. 재예측 연구를 통해 이러한 접근 방식이 기존의 다중모델 앙상블보다 뛰어난 성능을 보이며, 잠재적 대기 노이즈와 함께 등장하는 저에너지 컴퓨팅 기술을 활용해 더 정교하고 경제적인 기후 예측 경로를 제공한다.

ABSTRACT

Multi-model ensembles provide a pragmatic approach to the representation of model uncertainty in climate prediction. However, such representations are inherently ad hoc, and, as shown, probability distributions of climate variables based on current-generation multi-model ensembles, are not accurate. Results from seasonal re-forecast studies suggest that climate model ensembles based on stochastic-dynamic parametrisation are beginning to outperform multi-model ensembles, and have the potential to become significantly more skilful than multi-model ensembles. The case is made for stochastic representations of model uncertainty in future-generation climate prediction models. Firstly, a guiding characteristic of the scientific method is an ability to characterise and predict uncertainty; individual climate models are not currently able to do this. Secondly, through the effects of noise-induced rectification, stochastic-dynamic parametrisation may provide a (poor man's) surrogate to high resolution. Thirdly, stochastic-dynamic parametrisations may be able to take advantage of the inherent stochasticity of electron flow through certain types of low-energy computer chips, currently under development. These arguments have particular resonance for next-generation Earth-System models, which purport to be comprehensive numerical representations of climate, and where integrations at high resolution may be unaffordable.

연구 동기 및 목표

• 현재 기후 모델에서 체계적인 불확실성 표현이 부족하여 예측 과학의 엄밀함이 저해되고 있다는 문제를 해결하기 위해.
• 기후 예측의 진정한 불확실성을 더 잘 반영하는 확률적 지구시스템 모델의 프레임워크를 개발하기 위해.
• 확률적 파arametrization이 계절 기후 예측에서 비체계적인 다중모델 앙상블보다 뛰어나게 작용할 수 있는지 탐색하기 위해.
• 계산 자원이 제한된 환경에서 고해상도 모델링의 대체로 노이즈 유도 정류 효과의 잠재력을 조사하기 위해.
• 확률적 과정을 신개념 저에너지 컴퓨팅 하드웨어와 통합하여 기후 모델링에 적용할 수 있는지 타당성 평가하기 위해.

제안 방법

• 하나의 무작위성 내재된 하위그리드 스케일 과정을 시뮬레이션하기 위해 확률적-동적 파arametrization을 도입하여 모델 불확실성을 반영한다.
• 재예측 연구를 통해 확률적-동적 앙상블의 기량을 기존의 다중모델 앙상블과 비교 평가한다.
• 노이즈 유도 정류 효과를 활용하여 해상도를 높이지 않아도 모델 정밀도를 향상시킨다.
• 향후 모델에 확률적 구성요소를 통합하여 과학적 방법의 불확실성 정량화 요구사항을 충족시킬 것을 제안한다.
• 저에너지 컴퓨터 칩에서 발생하는 전자 흐름의 확률적 특성을 활용해 모델 효율성과 현실성 향상 잠재력을 탐색한다.
• 모델 불확실성을 본질적이고 정량화 가능한 구성요소로 간주하는 지구시스템 모델을 위한 확률적 프레임워크를 수립한다.

실험 결과

연구 질문

• RQ1 다중모델 앙상블 대비 확률적-동적 파arametrization이 계절 기후 예측의 기량을 향상시킬 수 있는가?
• RQ2 확률적 모델에서의 노이즈 유도 정류 효과가 기후 시스템 행동의 더 나은 표현에 어떻게 기여하는가?
• RQ3 확률적 파arametrization이 고해상도 모델링의 계산 비용 효율적인 대체로 얼마나 유용한가?
• RQ4 내재된 확률적 특성을 지닌 신개념 저에너지 컴퓨팅 기술이 기후 모델 성능 향상에 활용될 수 있는가?
• RQ5 기후 모델는 과학적 방법의 원칙에 따라 체계적으로 불확실성을 표현하고 전파할 수 있도록 어떻게 재구성될 수 있는가?

주요 결과

• 재예측 연구에서 이미 확률적-동적 파arametrization을 적용한 앙상블 예측이 기존의 다중모델 앙상블을 능가하는 성능을 보였다.
• 현재 다중모델 앙상블에서 유도된 기후 변수의 확률 분포는 정확하지 않으며, 더 나은 불확실성 표현이 필요함을 시사한다.
• 확률적 모델에서의 노이즈 유도 정류 효과는 고해상도 모델링의 대체로 작용할 수 있으며, 계산 비용을 늘리지 않아도 성능 향상을 이끌 수 있다.
• 기후 모델에 확률적 구성요소를 통합하는 것은 과학적 방법의 불확실성 특성화 및 예측 요구사항을 충족시킨다.
• 내재된 확률적 전자 흐름을 지닌 신개념 저에너지 컴퓨터 칩은 확률적 파arametrization의 더 효율적이고 현실적인 구현을 가능하게 할 수 있다.
• 확률적-동적 파arametrization 기반의 확률적 지구시스템 모델은 현재의 다중모델 접근 방식보다 훨씬 더 뛰어난 성능을 발휘할 잠재력을 지닌다.