수자원분야 기후변화 영향평가를 위한 시나리오 선정과 불확실성 정량화

Abstract

초 록

기후변화 연구는 불확실한 미래를 전망하는 과정이므로 불확실성(uncertainty)'은 모든 기후변화 영향평가의 키워드이며, 기존 연구에 의하면 GCM 시나리오에 의한 불확실성이 가장 큰 것으로 알려져 있다. 따라서 어떤 GCM 시나리오를 선정하느냐에 따라 미래 수자원 전망결과가 달라질 수 있다. 이에 모든 GCM 시나리오를 이용하여 미래에 대한 모든 불확실성을 파악하는 것이 가장 합리적인 방법이나 IPCC에서 제공하는 수십 개의 모든 GCM 시나리오를 사용하는 것은 현실적으로 시간과 많은 노력이 필요한 일이다. 따라서 본 연구에서는 몇 개의 대표 GCM 시나리오(principal scenarios)만으로 모든 시나리오의 불확실성을 설명할 수 있는 새로운 GCM 시나리오 선정방법을 제시하였다. 또한 불확실성 정량화 방법인 entropy 이론을 이용하여 새로운 시나리오 선정방법의 타당성을 증명하였으며, 기후변화 영향평가 수행단계별로 발생하는 불확실성 전파를 정량화하였다. 마지막으로 기존 시나리오 조합방법을 공간적인 개념에서 적용할 수 있도록 개선한 새로운 시나리오 조합방법을 제시하였다. 연구결과를 살펴보면, 첫째로 통계적 특성을 이용하는 characteristic -based K-means 군집분석을 이용하는 시나리오 군집분석과 경험적 확률분포를 이용하는 시나리오 평가지표인 PDF method을 적용하여 principal scenarios를 선정하였다. 또한 principal scenarios와의 비교를 위해 모의정확성이 가장 높은 5개의 GCM 시나리오인 best scenarios를 선정하였다. 둘째, 불확실성 정량화 기법인 maximum entropy를 이용하여 불확실성이 유지되는지 평가하였다. 결과적으로 principal scenarios는 all scenarios의 불확실성을 100 % 설명하였으나 반면에 best scenarios는 65 % 이하로 설명하여 principal scenarios가 best scenarios보다 더 기후변화의 불확실성을 설명하는데 적합함을 증명하였다. 또한 여러 단계의 모형(GCM, 상세화기법, 수문모형 등)으로 구성된 일련의 기후변화 영향평가에 의한 전체 불확실성과 각 단계별 불확실성을 maximum entropy를 이용하여 정량화하였다. 특히 배출시나리오의 불확실성이 전체 불화실성의 50 % 이상으로 가장 큰 불확실성을 나타냈으며, 다음으로 GCMs에 의한 불확실성이 26.50 %으로 불확실성이 큰 것으로 나타났다. 마지막으로 기존 시나리오 조합방법인 Reliability Ensemble Averaging (REA)을 공간적 개념에서 적용할 수 있도록 공간적 편차와 변동성을 반영할 수 있는 Spatial Reliability Ensemble Averaging (S-REA)을 제시하였다. S-REA가 Bias와 RMSE에서 REA보다 시나리오 조합결과가 뛰어난 것으로 나타났다.

주요어: 기후변화 불확실성, 불확실성 정량화, 불확실성 전파, 시나리오 군집분석, 시나리오 선정, 시나리오 조합, maximum entropy 학 번: 2005-31043