The Korean Meteorological Society
[ Article ]
Atmosphere - Vol. 24, No. 3, pp.403-417
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date Sep 2014
Received 18 Jun 2014 Accepted 29 Jul 2014
DOI: https://doi.org/10.14191/Atmos.2014.24.3.403

Future Change Using the CMIP5 MME and Best Models

MoonHyejin1) ; KimByeong-Hee1) ; OhHyoeun1) ; LeeJune-Yi2) ; HaKyung-Ja1), *
1)Department of Atmospheric Sciences, Division of Earth Environmental System, Pusan National University, Busan, Korea 2)Institute of Environmental Studies, Pusan National University, Busan, Korea
CMIP5 MME와 Best 모델의 비교를 통해 살펴본 미래전망

Correspondence to: * Kyung-Ja Ha, Division of Earth Environmental System, Pusan National University, 30 Jangjeondong, Geumjeong-gu, Busan 609-735, Korea. Phone : +82 51 510-2177, Fax : +82 51 515-1689 E-mail : kjha@pusan.ac.kr

Future changes in seasonal mean temperature and precipitation over East Asia under anthropogenic global warming are investigated by comparing the historical run for 1979~2005 and the Representative Concentration Pathway (RCP) 4.5 run for 2006~2100 with 20 coupled models which participated in the phase five of Coupled Model Inter-comparison Project (CMIP5). Although an increase in future temperature over the East Asian monsoon region has been commonly accepted, the prediction of future precipitation under global warming still has considerable uncertainties with a large inter-model spread. Thus, we select best five models, based on the evaluation of models’ performance in present climate for boreal summer and winter seasons, to reduce uncertainties in future projection. Overall, the CMIP5 models better simulate climatological temperature and precipitation over East Asia than the phase 3 of CMIP and the five best models’ multi-model ensemble (B5MME) has better performance than all 20 models’ multi-model ensemble (MME). Under anthropogenic global warming, significant increases are expected in both temperature and land-ocean thermal contrast over the entire East Asia region during both seasons for near and long term future. The contrast of future precipitation in winter between land and ocean will decrease over East Asia whereas that in summer particularly over the Korean Peninsula, associated with the Changma, will increase. Taking into account model validation and uncertainty estimation, this study has made an effort on providing a more reliable range of future change for temperature and precipitation particularly over the Korean Peninsula than previous studies.

Keywords:

AR4, AR5, CMIP5, five best models, temperature, precipitation, Korean Peninsula

1. 서 론

기후변화에 관한 정부간 패널(IPCC)의 제 4차와 5차 기후변화 평가 보고서에 의하면 지구 온난화에 따른 미래 강수 전망은 여전히 높은 불확실성을 보이고 있다. 특히, 한반도를 포함한 동아시아 몬순 지역에서 기온의 증가는 상당히 확정적으로 예측되는 반면, 강수 변화 예측에 대한 모델간 편차는 매우 크게 나타나고 있다. 온도의 증가는 일차적으로 Clausius-Clapeyron 관계에 따라 대기의 수증기 수용력을 증가시킨다. 하지만 선행연구에 의하면 전지구 지표 기온 1도 증가 시 수증기는 7% 증가하나 강수량은 2~3%증가에 그치는 것으로 추정된다(Held and Soden, 2006). 이는 강수의 증가가 증발 외에 대기 순환에 의한 수증기 수송 등의 영향을 받기 때문이다(Held and Soden, 2006; Yun et al., 2008; Seo et al., 2013; Lee et al., 2014a, b; Lee and Wang, 2014; Oh and Ha, 2014).

최근 CMIP5 (the phase five of the Coupled Model Intercomparison Project)에 참여하는 모델들을 이용한 미래 강수 변화에 대한 연구들이 활발하게 진행되고 있다. Lee and Wang (2014)는 미래 전망의 불확실성을 줄이기 위해 현재 기후를 관측과 좀 더 유사하게 모의하는 모델들을 선정하여 RCP (Representative Concentration Pathway) 4.5 시나리오에 의한 21세기 후반의 몬순 강수 및 몬순 지역의 변화를 전망하였다. 지구 온난화에 의해 북반구 몬순 강수가 강화될 것을 예상했으며, 이는 북반구가 남반구에 비해 상대적으로 더 온도가 높아지고 그에 따라 해들리 순환이 강해지며, 몬순 지역에 수증기량이 현저하게 증가하기 때문인 것으로 분석하였다. 또한, 아시아 몬순의 시작시기가 빨라지나 종료가 지연되어 몬순 강수 기간이 늘어 날 것이며, 동아시아의 연평균 강수량 대비 여름철 강수 비율이 증가할 것이라고 예측하였다. Wang et al. (2014)는 아시아-호주 몬순의 강수가 미래에 현저하게 증가하며, 특히 동아시아 몬순 강수가 현재 기후에 대해서 전 지구 온도 1도 증가 시 6.4% 증가하고, 동아시아 몬순 순환 역시 강화될 것으로 전망하였다. 기능 평점(skill score, S) 를 사용하여 신뢰도 높은 모델을 선정해 기후 변화를 분석한 Seo et al. (2013)은 동아시아 여름 몬순의 증가가 지표 온도 증가로 인한 수증기 증발의 증가와 수증기 플럭스의 수렴 강화에 기인함을 보였다. 이와 같이 대부분의 선행 연구들이 지구 온난화 시나리오에 의해 동아시아 몬순의 강화를 전망하고 있다. 하지만 많은 모델들이 현재 몬순 기후를 모의하는 데 한계를 나타내며(Superber et al., 2013; Lee et al., 2010, 2011a, b), 미래 기후예측에 대한 모델간 편차가 크게 나타난다(Lee and Wang, 2014). 또한 신뢰도 높은 모델의 선정도 기준에 따라서 결과가 크게 달라지는 경향이 있다(Heo et al., 2014; Seo et al., 2014). Heo et al. (2014)는 상대 엔트로피, 테일러 다이어그램, 신호 대 잡음비(SNR, Signal to noise ratio), EOF (Empirical orthogonal function) 분석 그리고 엘니뇨 특징을 이용한 방법을 각각 적용했을 경우 좋은 모델 선정이 상당히 차이가 남을 보인 바 있다.

기존의 선행 연구들은 전지구나 아시아 전역 등 넓은 영역에 대한 미래 기후 변화에 집중하였거나 한계절(여름철이나 겨울철)에 대해 분석하였지만, 본 연구에서는 CMIP5 20개 모델들을 이용해 동아시아 지역(20o~50oN, 110o~150oE)의 겨울철과 여름철 기온과 강수의 단기 및 장기 미래 전망을 시도하고자 한다. 특히 예측 불확실성을 줄이기 위해 동아시아 현재 기후를 가장 잘 모의하는 상위 5개 모델들만을 선정해 분석하고, 이를 전체 모델을 이용한 결과와 비교 분석한다. 또한 CMIP3를 이용한 결과와도 비교하였다. 2장에서는 자료 및 분석 방법에 대해 설명하고, 3장과 4장에서 각각 기온과 강수의 단장기 미래 전망을 기술하고, 5장에서 중요 결과를 요약한다.


2. 자료 및 분석 방법

2.1 모델 자료의 특징

본 연구는 CMIP5에 참여한 총 20개의 CGCMs(Coupled General Circulation Models)를 사용하였다. Table 1에 사용 모델, 기관 그리고 대기 변수의 수평분해능이 제시되어 있다. 총 2개의 실험 중 첫 번째 실험은 1850년부터 2005년까지 과거기후 모의실험(historical run)을 (즉, 20세기 동안), 다른 실험은 2006년부터 2100년까지 저농도 모의실험(RCP 4.5)을 하였다. 과거기후 모의실험은 자연적 변동성과 인류에 의한 변동성으로-화산의 영향, 태양 강제력 또는 인류에 의한 에어로졸의 방출 등-(CO2를 포함한) 대기 구성성분을 포함하는 관측된 대기와 동일하게 변화한다는 조건으로 시행되었다. RCP 4.5는 복사강제력이 증가하다가 2100년 이후에 약 4.5Wm−2로 안정될 것이라고 가정하고 CMIP5에서 “중간단계”의 시나리오를 선택하였다(Taylor et al., 2012).

Description of CMIP5 models used in the study.Refer to http://cmip-pcmdi.llnl.gov/cmip5/availability.html for detailed information.

CMIP5의 일곱 개의 모델들(CanESM2, GFDL-ESM2M, HadGEM2-CC, HadGEM2-ES, MIROC-ESM, MPI-ESM, 그리고 NorESM1-M)은 지구시스템모형이다. 이 모델들은 해양, 대기 그리고 지구상 생물권에 존재하는 탄소의 양 사이에서 탄소의 중요한 플럭스를 설명하고, 어떤 경우에는 상호적인 전조가 되는 에어로졸과 화학적, 역학적인 식생 요소를 포함하는 생물-지구화학 요소를 포함한다(Taylor et al., 2012; Lee and Wang, 2014; Chu et al., 2014). 그러므로 CMIP5는 CMIP3 보다 자연적인 강제력과 에어로졸에 더 크게 반응할 것이다(Yeh et al., 2012). http://cmippcmdi.llnl.gov/cmip5/experiment_design.html와 다른 연관된 논문들에서 CMIP5 모델과 실험들의 상세한 정보를 볼 수 있다(e.g., Taylor et al., 2012).

일반적으로 CMIP5 CGCMs은 RCP 4.5 보다 과거 기후 모의실험에 대해서 더 많은 앙상블 모의실험을 하고 있으나 두 모의실험을 더 정확하게 비교하기 위해서, 두 개의 실험에 대해서 같은 개수의 앙상블 모델을 사용한다(Table 1 참조). 관측에 대해서 그 모델들의 과거 기후 모의실험의 CGCMs을 입증하기 위해서, 각각의 모델들을 2.5도× 2.5도의 격자로 내삽(interpolation)하여 모의하였다. 각 모델들의 평균적인 특징을 구하기 위해서, 각 모델의 climatology, 월(monthly) 변동성에 대해서 평균하여 만든 다중 모델 평균(multi-model mean, MMM) 분석방법(Lee et al., 2014b; Chu et al., 2014)을 이용하였다. 모델 climatology는 1979년부터 2005년까지 27년동안 구했고, 미래 기후를 분석하기 위해서 2006년부터 2099년까지 기간에 대한 자료를 사용하였다.

또한 본 연구에서는 CMIP5 모의실험이 CMIP3 모의실험에 비해 얼마나 향상되었는지 알아보기 위해, 1980년부터 1999년까지의 과거기후 모의실험(20C3M, 20세기 실험)과 2050년부터 2099년까지의 모든 자원간의 균형을 이루는 A1B 시나리오를 이용하여 분석했다(Meehl and Teng, 2007). http://wwwpcmdillnl.gov/ipcc/standard_output.html#의 실험과 다른 연관된 논문들에서 CMIP3 모델과 실험에 대한 상세한 정보를 찾을 수 있다(e.g., Meehl and Teng, 2007; Meehl et al., 2007).

2.2 재분석 자료의 특징

동아시아의 강수 분포를 비교하기 위해 수평격자가 2.5도× 2.5도인 GPCP (Global Precipitation Climatology Project) 자료를 사용했다(Adler et al., 2003). 또한 다른 변수들의 기후학적 분석은 ECMWF (European Centre for Medium-Range Weather Forecasts)에서 제공하는 재분석자료인 ERA-INTERIM의 월평균 자료를 사용했고. 제공된 자료의 수평격자는 1.5도× 1.5도이다. 재분석자료의 분석에 이용된 기간은 1979년부터 2005년까지이다.

2.3 분석 방법

본 연구는 Heo et al. (2014)에서 제시한 모델 선정방법 중 테일러 다이어그램을 이용하여 관측과 유사하게 모의하는 모델들을 Best 모델로 선정하여 분석하였다. 테일러 다이어그램은 관측 자료와 모델 결과와의 상관관계와 centered RMSE (Root Mean Square Error)의 변동성을 이용해 모델이 관측 자료를 얼마나 잘 모의하는지 통계적으로 보여준다. 극좌표 기점법을 통해 여러 개의 점들을 다이어그램에 나타내고, 각 점이 위치하는 방위각 ϕ는 cos(ϕ)가 모델과 관측된 자료 사이의 상관계수이며, 테일러 다이어그램 안의 기준으로부터의 거리는 관측과 모델 결과의 표준편차의 비율을 나타낸다. 그리고 두 필드 사이의 패턴 상관관계는 방위각의 위치에 의해 정해지고, 관측 자료를 나타내는 참조 지점(reference point, REF)으로부터의 거리는 centered RMSE의 척도이다. 그러므로 관측과 완전히 일치하는 이상적인 모델은 반지름이 1이고, ϕ가 0인 좌표인 참조 지점(0.1)에 표시되고, 이것은 상관계수가 1이고, 모델과 관측된 변동성이 같은 강도를 가지는 것을 의미한다.

모델의 결과를 객관적으로 평가하고, 현재 기후를 잘 모의하는 모델을 선정하기 위해 PCC (Pattern Correlation Coefficient)와 정규화된 표준편차(Normalized Standard Deviation, NSTD)를 계산하여 테일러 다이어그램을 그렸다(Fig. 1). 정규화된 표준편차는 동아시아 지역(20o~50oN, 110o~150oE)에 대해서 관측자료의 공간적인 표준편차를 이용하여 구한 각 모델들의 공간적인 표준편차의 비율이다. 겨울철, 여름철의 기온과 강수, 총 네 가지 경우를 고려하여 Best 모델을 선정했다. 먼저, 기온에 대한 모델 결과를 보면, 겨울철은 모든 모델의 PCC가 0.95 이상으로 매우 높았고, NSTD는 0.92~1.22로 대체로 1에 가까웠고, 여름철에 대한 모델들의 PCC는 0.87 이상, NSTD는 0.9~1.2로 겨울철과 유사하게 대부분의 모델들이 현재 기후를 잘 모의하였다. 강수에 대한 결과를 보면, 겨울철에 모델들의 PCC는 0.82~0.95 정도로 잘 모의하고 있는 것을 확인하였고 NSTD는 0.76~2.18로 비교적 넓게 분포하는 것을 볼 수 있다. 기존 연구들에서 보인 바와 같이(e.g., Lee et al., 2010), 여름철에 모델들의 PCC는 0.36~0.76으로 기온과 겨울철 강수에 비해 비교적 낮았고, NSTD는 0.96~1.59로 겨울철보다 관측과 유사하게 모의하는 결과를 보였다. 그러나 종합적으로 보았을 때, 모델들이 여름철 강수를 가장 잘 모의하고 있지 못하는 경향이 있고, 불확실성이 크다는 것을 알 수 있다. 이와 같은 결과를 토대로 현재의 기온과 강수를 잘 모의하는 모델들을 선정하여 미래 기후를 분석하는 데 이용하였다. 계절별 기온과 강수의 각 모델의 결과를 고려하여 기온에 대해서 겨울철은 PCC가 0.95 이상, NSTD가 1 ± 0.25, 여름철은 PCC 0.9 이상, NSTD가 1 ± 0.25이고, 강수에 대해서 겨울철은 PCC 0.85 이상, NSTD는 1 ± 0.3, 여름철은 PCC 0.6 이상, NSTD는 1 ± 0.47의 조건을 모두 만족하는 모델들을 Best 모델로 선정하였다. 이렇게 선정된 모델들은 ACCESS1-0, GISS-E2-R, INM-CM4, IPSLCM5A-LR 그리고 IPSL-CM5A-MR과 같이 5개의 모델이며, Fig. 1에서 녹색 점들이다. 위 모델들을 평균해서 얻은 결과를 B5MME이라 명명할 것이다. 본 연구에서 MME와 B5MME를 사용하여 분석하였을때, MME와 B5MME의 PCC의 차이가 크지 않은 것을 볼 수 있다(Figs. 27). CMIP5 에 참여한 모델들의 PCC를 보면(Fig. 1), 대부분 모델들의 기온에 대한 PCC가 0.95 이상이고, 강수에 대한 PCC도 RMSE에 비해 크게 다르지 않다. 또한 Best 모델을 선정할 때 기온과 강수를 함께 고려하였고, 모델마다 잘 모의하는 변수가 다르므로 Best 모델로 선정된 모델들의 결과를 평균값으로 만들면서 B5MME의 PCC가 MME와 큰 차이가 없는 것으로 보인다. 그러나 PCC의 차이가 크진 않지만 모델 간의 차이가 크게 존재하기 때문에 동아시아 지역에 대해 잘 모의하는 모델을 살펴보고, 비교해볼 필요가 있다. 그리고 본 연구에서 분석한 미래 기간은 2025년부터 2049년까지를 단기 미래, 2075년부터 2099년까지를 장기 미래로 정하였다.

Fig. 1.

Performance of 20 models and their MME in simulating air temperature at 2 m (upper panel) and precipitation (lower panel) over East Asia area (20o~50oN, 110o~150oE) in the present-day (1979~2005) in terms of Taylor diagram. The left panel and right panel indicate during DJF and JJA, respectively. The green plots indicate selected the best 5 models.


3. 기 온

3.1 겨울철 및 여름철 비교

Figure 2는 기온에 대한 두 계절의 재분석 자료, MME그리고 B5MME를 비교한다. 먼저 겨울철을 보면 MME의 PCC는 0.981이고, B5MME는 0.983으로 근소하게 B5MME의 PCC가 높았고, 여름철에는 MME의 PCC는 0.986이고, B5MME는 0.985로 근소하게 MME의 PCC가 높았다. 그리고 두 계절 모두 PCC에 큰 차이가 없고, PCC가 0.98 이상으로 큰 값이므로 기온을 잘 모의한다고 볼 수 있다. 모델의 과거기후 모의 결과, 대체로 지형에 대하여 기온의 공간적 분포뿐만 아니라 남북 경도를 상당히 잘 모의하고 있다. 겨울철에 대륙에서 기온을 더 낮게, 해양에서는 높게 모의하는데 이로 인해 대륙과 해양간의 온도 경도가 심화되고 기압 차이가 증가 하는 과정이 생길 수 있다. 그리고 동아시아 지역의 영역평균 결과 약 1.5oC정도 높게 모의되었다. 여름철에는 기온이 약간 낮게 모의되는 경향을 보였으며, 영역평균 결과 약 0.5oC 낮게 모의되었다.

Fig. 2.

The spatial distribution of observed and simulated the climatological air temperature at 2 m in DJF (left panel) and JJA (right panel) during the period 1979~2005. (a, b) Observation based on the ERA-Interim data. (c, d) MME and (e, f) B5MME denote results of CMIP5.

CMIP5가 CMIP3보다 현재 기후를 모의하는 데 있어 얼마나 향상되었는지 확인해 보기 위해 CMIP3 MME모의 결과와 재분석 자료 결과를 비교해보았다(Fig. 3). CMIP3 모델의 자료기간이 CMIP5와 다르기 때문에 1980년부터 1999년까지 기간에 대해 분석하였고, CMIP5도 같은 기간에 대한 분석을 통해 두 모델 결과를 비교하였다. 겨울철에 CMIP5의 PCC는 0.98, RMSE는 0.07이고, CMIP3의 PCC는 0.94, RMSE는 0.17이고, 여름철에 CMIP5의PCC는 0.94, RMSE는 0.05이고, CMIP3의 PCC는 0.93, RMSE는 0.2로 두 계절 모두 CMIP5가 CMIP3에 비해 PCC가 크고, RMSE는 작은 것을 볼 수 있다. CMIP3의 패턴을 살펴보면 기온의 남북경도는 잘 모의하고 있으나 재분석자료에 비해 기온을 두 계절 모두 전반적으로 낮게 모의하였다. 겨울철엔 특히 대륙과 일본 내륙에서 기온을 더 낮게 모의하였다.

Fig. 3.

The spatial distribution of observed and simulated the climatological air temperature at 2 m in DJF (left panel) and JJA (right panel) during the period 1980~1999. (a, b) Observation based on the ERA-Interim data. CMIP5 and CMIP3 MME are shown in (c, d) and (e, f), respectively.

3.2 단기 미래 및 장기 미래 예측

동아시아 지역의 기온에 대해서 MME와 B5MME의 단기 및 장기 미래에 대해 분석하였다. 기온의 미래 변화를 계산하기 위해서 미래 기간 동안(단기는2025~2049년, 장기는 2075~2099년)에 RCP 4.5 결과를 평균한 값과 1979~2005년 동안에 과거기후 모의 실험 결과를 평균한 값의 차를 이용하였다. 그리고 미래 변화가 유의한지 알아보기 위해서, 두 집단 또는 두 상관적인 표본의 평균치가 동일한 모집단에서 추출되었는지를 검증하는 모수치 통계 기법이며, 단순한 실험에서 가장 많이 사용하는 방법으로 두 집단 간의 통계적 차이를 검증하는 모수적 검증 방법 중 하나인 student’s t-test를 이용하였다. 또한 90%의 유의한 지역에 대해서만 shading을 나타내었다. 보통 유의수준을 평가할 때 99%, 95% 또는 90% 유의수준을 이용하나 본 연구 결과를 봤을 때, 유의한 지역이 좁게 나타나는 관계로 위 세 방법 중에서 유의한 지역이 가장 넓게 생기는 90% 유의수준을 선택하였다. Figure 4를 보면 겨울철에 오호츠크해 부근에서 온도가 크게 증가하며 이는 단기 미래와 장기 미래에서 뚜렷하게 확인되었다. 동아시아 지역에 대해 영역평균 결과, 단기 미래에 MME는 1.37oC, B5MME는 1.11oC 증가하고, 장기 미래에 MME는 2.84oC, B5MME는 2.59oC 증가한다고 전망되었고, B5MME가 MME에 비해 기온의 증가 폭이 작다고 모의되고, 단기 미래보다 장기 미래에서 온도가 더 증가한다고 모의되었다. 한반도 근처에서 미래 전망 결과, MME에선 한반도 부근, 특히 동해와 서해의 온도 증가가 크나 유의하지 않았고, B5MME에선 한반도 내에 남북 방향의 온도 경도가 존재하며, 오호츠크해 부근의 급격한 온도 증가를 제외하면 육지와 해양 사이에 온도 경도 및 남북 온도 경도 또한 잘 모의되고 있다. 해양이 육지보다 온난화에 의한 반응 시간이 훨씬 길기 때문에 육지에서 기온이 더 증가하는 것을 설명할 수 있다(Hegerl et al., 2007; Jung et al., 2013). Heo et al. (2014)는 JFM (1~3월) 동안의 925 hPa 온도를 분석한 결과 오호츠크해 부근에서 온도 증가가 큰 것 확인하였으며, Korea Meteorological Administration (2012)에서도 21세기 후반에 오호츠크해 부근의 온도 증가 폭이 클 것이라고 전망하였다. 그러나 MRI-CGCM을 이용해 동아시아 지역의 미래 기온을 분석한 다른 선행연구에서는 오호츠크해 보다 약간 아래쪽인 일본의 북해도 오른쪽 지역에서 큰 온도 경도를 가지며 증가한다고 분석하였다(Yun et al., 2008).

Fig. 4.

The spatial distribution of the difference between the present-day and future climate of air temperature at 2 m (oC) during December-January-February. Upper panel and lower panel indicate near future difference and long term future difference, left panel and right panel indicate MME and B5MME, respectively. The shading indicated values significant at a 90% confidence level.

여름철 단기 미래일 때의 변화를 살펴보면 동아시아 지역의 영역평균 결과, 단기 미래에 MME는 1.25oC, B5MME는 1.05oC 증가하고, 장기 미래에 MME는 2.28oC, B5MME는 2.07oC 증가한다고 전망되어 겨울철과 마찬가지로 MME가 기온이 더 크게 증가하고, 장기 미래로 갈수록 기온이 점점 증가된다고 모의하였다. MME에서는 한반도 북동쪽, 오호츠크해 부근과 중국 내륙에서 높게 모의하였으나 유의하지 않았고, B5MME는 오호츠크해 부근보다 한반도 북쪽(40oN) 근처에서 단기 미래에 1.2oC, 장기 미래엔 2.4oC로 가장 크게 증가한다고 모의되었다. 그리고 장기 미래로 갈수록 남북 온도 증가 폭이 심화되는 경향이 있으며, 이로 인한 강한 몬순류가 예상된다(Heo et al., 2014). 한반도 부근에선 단기 미래엔 Fig. 5(a)(b)에서 큰 차이가 없으나 장기 미래에는 MME가 B5MME보다 약 0.3oC 가량 높게 모의하고 있다. CMIP3의 장기 미래 변화를 Fig. 4(c)Fig. 5(c)를 비교하였을 때, 강도와 패턴의 차이가 존재하는데 강도의 차이는 본 연구에서 사용한 CMIP5의 결과가 RCP 4.5 이므로 CMIP3 (A1B)가 크게 나타나는 것으로 보이며, CMIP3는 한반도 근처에서 온도 증가 경향이 약하게 나타났다(그림 미제시).

Fig. 5.

The spatial distribution of the difference between the present-day and future climate of air temperature at 2 m (oC) during June-July-August. Upper panel and lower panel indicate near future difference and long term future difference, left panel and right panel indicate MME and B5MME, respectively. The shading indicated values significant at a 90% confidence level.

한반도 지역(33o~43oN, 124o~131oE)에 대하여 영역평균 결과를 이용하여 시간에 따라 기온이 얼마나 증가하는지 보았다(Fig. 6). 기온 증가 경향을 겨울철과 여름철로 비교했을 때, 겨울철에 여름철보다 확연히 증가하는 것으로 모의하였다. 이로 인해 저온 구간의 감소가 고온 구간의 증가보다 크기 때문에 연교차가 감소할 것으로 전망되었다. 또한 겨울철과 여름철에 모두 B5MME가 MME에 비해 한반도 지역의 기온이 덜 증가한다고 모의하였다. 본 연구에서 사용한 20개의 모델들에 대해서 각각 단기 및 장기 미래의 기온 변화가 어떠한지 분석한 결과, Best 모델로 선정된 INM-CM4과 GISS-E2-R이 미래 기온을 낮게 모의하는 모델에 속해서 B5MME가 기온이 덜 증가한다고 모의한 것으로 추측된다(그림 미제시).

Fig. 6.

A diagram showing the difference the present-day and future climate of air temperature at 2 m (oC) during (a) DJF and (b) JJA over the Korean Peninsula area (33oN~43oN, 124oE~131oE). Period of the future divides 2006~2024, 2025~2049 (near future), 2050~2074, and 2075~2099 (long term future). The bar indicates spread of models, the box indicates at a 25~75% performance of 20 models (blue) and the best 5 models (red).


4. 강 수

4.1 겨울철 및 여름철 비교

강수에 대한 두 계절의 재분석 자료, MME와 B5MME를 비교하여 CMIP5가 강수를 얼마나 잘 모의하며, 선정한 Best 모델의 결과는 어떠한지 분석하였다. 강수에 대한 패턴을 살펴보면, 여름철과 겨울철 모두 현재 강수의 구조를 비슷하게 모의하고 있으나 약간의 차이가 존재하는 것을 볼 수 있다(Fig. 7). 먼저, MME의 결과를 보면, 겨울철에는 일본 동쪽에 집중되어 있는 강수의 중심을 잘 모의하고 있으며, 여름철에는 강수 밴드와 중국의 메이유(Meiyu)와 일본의 바이유(Baiu) 지역의 강수에 대해 대체로 잘 모의하였으나 한반도 부근 장마(Changma) 지역의 강한 강수는 거의 모의하지 못하고 있다. PCC를 비교해보면, 겨울철 MME는 0.952, B5MME는 0.959이고, 여름철의 MME는 0.759, B5MME는 0.771로 겨울철엔 거의 비슷하며, 여름철에 약0.02정도 증가하였다. B5MME의 강수 구조를 살펴보면, 겨울철에 동중국해와 일본 남쪽 해양의 넓게 분포한 강수를 MME보다 더 잘 모의하고 있고, 여름철에 메이유, 바이유 지역뿐만 아니라 한반도의 장마 지역의 강한 강수를 모의하고 있다. 그러나 겨울철에는 강수 중심을 MME와 B5MME 모두 과다 모의, 여름철에는 과소 모의되는 것을 볼 수 있었다. 한편, 여름철에 열대 해양의 강수를 과다 모의하는 것을 볼 수 있는데, Fig. 2를 적도까지 그려보면 모델 결과가 재분석 자료보다 열대지방의 기온을 높게 모의하고 있다(그림 미제시). 이로 인해 증발이 증가하면서 강수가 많이 형성된다고 모의하는 것이며, 선행 연구에서도 열대지방에서 대류권 전체의 기온이 과다 모의된다고 분석하였다(Xu et al., 2013).

Fig. 7.

Same as in Fig. 2 except for the precipitation.

강수에 대해서 재분석 자료와 CMIP5, CMIP3 모델 결과를 비교해보면, CMIP3는 겨울철의 경우 강수밴드의 구조는 잘 모의하고 있으나 과다모의 하고, 여름철에는 강수밴드의 구조도 제대로 모의하지 못하고, 전반적으로 강수의 강도를 약하게 모의하고 있다(Fig. 8). 각 경우에 대한 PCC와 RMSE를 비교해보면 겨울철의 CMIP5의 PCC는 0.96, RMSE는 0.15이고, CMIP3의 PCC는 0.92, RMSE는 0.17이고, 여름철의 CMIP5의 PCC는 0.75, RMSE는 0.13이고, CMIP3의 PCC는 0.45, RMSE는 0.2이다. CMIP5가 CMIP3에 비해 PCC가 크고, RMSE가 작은 것을 볼 수 있었다. 그리고 CMIP3는 여름철 강수의 패턴을 제대로 모의하지 못하고 있으며, CMIP5의 강수 모의가 향상된 것을 볼 수 있다.

Fig. 8.

Same as in Fig. 3 except for the precipitation.

4.2 단기 미래 및 장기 미래 예측

강수의 미래 변화는 미래 기간 동안(단기는 2025~2049년, 장기는 2075~2099년)에 RCP 4.5 결과를 평균한 값과 1979~2005년 동안에 과거기후 모의실험 결과를 평균한 값의 차를 과거기후 모의실험 결과로 나누어 계산하였고, 미래 변화 정도를 백분율로 나타내었다. 그리고 90% 유의수준을 가지는 지역은 빗금으로 표시하였다. 겨울철 동안, MME와 B5MME의 단기 미래, 장기 미래 변화의 패턴이 상당히 유사하였다(Fig. 9). 강수가 적은 대륙에서 강수가 증가하고, 강수가 많은 해양에서 감소한다고 모의하여 대륙과 해양의 강수 차이가 감소할 것으로 모의되었다. 그러나 MME는 모든 지역에서 유의하지 않고, B5MME는 중국 대륙에서만 유의한 것을 볼 수 있다. 그리고 MME와 B5MME는 모두 중국 지역에서 상당히 큰 강수의 증가가 있다고 모의되었고, 장기 미래에 MME가 최대 62.3%로 더 많이 증가한다고 모의되었다. 동아시아 지역에 대해 영역평균 결과, 단기 미래에 MME는 7.84%, B5MME는 5.31% 증가하고, 장기 미래에 MME는 11.80%, B5MME는 7.07% 증가한다고 모의되어, MME가 B5MME에 비해 강수가 더 크게 증가할 것으로 전망되었다. 그러나 한반도 부근에서의 변화는 MME와 B5MME 두 경우에 큰 차이를 보이지 않았다.

Fig. 9.

The spatial distribution shows the fractional percentage change (%) for precipitation during December-January-February. Upper panel and lower panel indicate near future difference and long term future difference, left panel and right panel indicate MME and B5MME, respectively. The hatched region indicated values significant at a 90% confidence level.

여름철에는 겨울철과 달리 MME와 B5MME의 증가 패턴에 차이가 존재하였다(Fig. 10). 동아시아 지역의 영역평균 결과, 단기 미래에 MME는 5.33%, B5MME는 3.85% 증가하고, 장기 미래에 MME는 9.47%, B5MME는 7.31% 증가한다고 모의되어, 여름철에도 MME가 더 많이 증가할 것으로 전망하였다. MME는 모든 지역에서 강수가 증가한다고 모의하였으나 유의하지 않았다. 반면, B5MME 장기 미래에는 동아시아 대부분 지역에서 증가하고, 동중국해에서 약간 감소한다고 모의하였다. 특히 한반도의 강수, 즉 장마지역의 강수 증가를 유의하게 모의하였다. 여름철 동아시아 지역의 강수 증가는 북서태평양 고기압이 서쪽으로 확장하여 강수가 증가하는 것으로 보인다(그림 미제시). 장기 미래에 대해서 CMIP5와 CMIP3를 비교해본 결과, 겨울철에는 비슷한 강수 구조를 보였으나 CMIP5가 강수의 증감폭이 더 크다고 모의하였고, 여름철에는 상이한 강수 증감 구조를 보였다. CMIP5는 모든 지역에서 강수가 증가하며 한반도 북쪽과 일본 남쪽 해상에서 크게 증가한다고 모의한 반면, CMIP3는 보하이해 부근과 일본 내륙에서 강수가 크게 증가하고, 동중국해 부근에선 강수가 감소한다고 모의하였고, 한반도에선 남북 방향으로 강수의 경도가 존재한다고 모의하였다(그림 미제시). 기온과 마찬가지로 CMIP5의 RCP 4.5와 CMIP3의 A1B 시나리오를 비교한 결과로 강도에 차이가 있으나 선행연구에 의하면 CMIP5 미래 기후 모의가 더 현실적이라 할 수 있다(e.g., Seo et al., 2013).

Fig. 10.

The spatial distribution shows the fractional percentage change (%) for precipitation during June-July-August. Upper panel and lower panel indicate near future difference and long term future difference, left panel and right panel indicate MME and B5MME, respectively. The hatched region indicated values significant at a 90% confidence level.

한반도 지역의 강수 변화 경향을 보면 겨울철엔 한반도 영역 내에서 감소하고 증가하는 지역이 존재하나 영역평균 결과, 시간이 갈수록 조금씩 증가하다가 장기 미래에 약간 감소하는 경향을 보이고, MME가 B5MME에 비해 한반도 지역의 강수가 더 증가할 것이라 모의하였다(Fig. 11). 여름철의 경우, 강수가 점점 증가한다고 모의하였고 B5MME는 장기 미래 기간에 강수가 12%로 크게 증가하였는데 Fig. 10에서 보았듯이 한반도 부근에서 강수가 크게 증가할 것이라 모의한 결과를 잘 보여주고 있다. 그리고 겨울에 모델 간의 차이가 큰 것을 알 수 있는데 이는 현재 강수는 여름에 모델 간의 차이가 큰 것과 다른 결과를 보였다. 그리고 Korea Meteorological Administration (2012)에서는 해들리 센터 전기후 기후모델을 이용하여 장기 미래(2071~2100)의 한반도 평균 강수량이 16% (RCP 4.5) 증가하는 것으로 전망하였으나 본 연구에서는 B5MME (MME)는 장기 미래(2075~2099) 겨울은 6% (13%), 여름은 12% (9%) 증가한다고 모의하여 덜 증가한다고 분석되었다. Seo et al. (2013)은 Best 모델을 선정해 분석한 결과, 장기 미래에 RCP 6.0에서 한반도 여름철 강수의 증가가 유의하게 나타난다고 분석하였고, 사용한 시나리오는 다르지만 본 연구와 같은 결과를 보였다. 그리고 NIMR (2012)에서 한반도 평균 강수량이 증감 예측이 매우 어려움을 보여주었으며 더 많은 분석이 진행되어야 할 것이다.

Fig. 11.

Same as Fig. 6, but fractional percentage change (%) for precipitation.


5. 결 론

본 연구에서는 CMIP5 참여 모델에서 산출된 과거기후 모의실험, 저농도 모의(RCP 4.5)의 앙상블 평균 자료와 Best 모델로 선정된 5개의 모델들의 평균 자료를 이용하여 동아시아 지역의 기온과 강수의 단기(2025~2049년) 및 장기 미래(2075~2099년) 변화를 계절별로 분석하였다. 동아시아 지역의 기온과 강수를 현재 관측 결과와 유사하게 모의하는 모델들을 선정하였기 때문에 본 연구에서 사용한 Best 모델들은 동아시아 지역에 대해서 최적화된 모델이라 볼 수 있다. 먼저, B5MME의 겨울철 기온 변화를 보았을 때, 동아시아 모든 지역에서 기온이 상승하고 해양에 비해 육지의 기온 상승이 크고 오호츠크해 부근에선 기온이 가장 많이 상승할 것이라 전망되었고, 한반도의 남북 온도 경도가 미래로 갈수록 심화될 것으로 예측되었다. 여름철 기온 변화는 북위 40도 부근에서 기온 상승폭이 크게 나타나며, 남북 온도 경도가 심화될 것으로 전망되었다. 또한, 한반도 영역평균 결과 여름철에 비해 겨울철에 기온 상승폭이 크며, B5MME가 MME보다 기온이 적게 상승할 것으로 나타났고 그 차이는 약 0.2oC로 모의되었다. 겨울철 강수의 변화를 보면, MME와 B5MME 모두 시간이 갈수록 강수가 많은 해양 지역에서 감소하고, 강수가 적은 대륙 지역에서 증가할 것으로 예측하였고, 두 경우에 큰 차이가 없었다. 여름철의 경우, MME는 한반도 북쪽과 일본 남쪽 해상에서 강수가 크게 증가할 것으로 전망한 반면, B5MME는 한반도 부근의 장마지역에서 뚜렷한 증가가 존재할 것으로 예측하고 있다. 강수의 한반도 영역평균 결과를 보면, 두 계절 모두 증가하는 경향을 보이나 겨울철 장기 미래에 약간 감소할 것으로 추정된다. B5MME는 MME보다 겨울철 강수의 증가 폭을 작게 예측하고, 여름철에는 장기 미래에 강수의 증가 정도가 급격하게 증가한다고 전망하고 있다. 기온과 강수의 단기 미래, 장기 미래의 변화를 함께 살펴보면, 기온이 크게 증가한 지역에서 강수가 증가하는 관계를 찾아볼 수 없었다. 이는 선행 연구들에서 지적된 바와 같이 강수의 변화가 단순히 온도의 증가에 비례하여 변하지 않고 수증기 수송과 같은 다른 요인의 영향의 영향을 받음을 시사한다.

본 연구에서는 단일모델 결과가 아닌 CMIP5 에 참여한 모델들을 이용한 앙상블 결과와 Best 모델들의 결과를 이용함으로써 서로 다른 초기조건 및 모델 자체의 내부변동성으로부터 기인되는 예측 오차를 줄이고 좀 더 향상된 예측 값을 바탕으로 RCP 시나리오에서 나타나는 지구온난화에 의한 동아시아 지역의 기온과 강수의 공간 분포 변화를 전망하였다. 향후 연구를 진행하여 Ⅱ장에서 이러한 변화가 나타나는 메커니즘에 대한 다양한 측면의 분석을 추가로 진행할 것이다.

Acknowledgments

이 논문은 부산대학교 자유과제 학술연구비(2년)에 의하여 연구되었습니다.

References

  • R. F Adler, Coauthors, The version 2 Global Precipitation Climatology Project (GPCP) monthly precipitation analysis (1979 - Present), J. Hydrometeor, (2003), 4, p1147-1167. [https://doi.org/10.1175/1525-7541(2003)004<1147:TVGPCP>2.0.CO;2]
  • J.-E Chu, K.-J Ha, J.-Y Lee, B Wang, B.-H Kim, C. E Chung, Future change of the Indian Ocean basin-wide and dipole modes in the CMIP5, Clim. Dynam, (2014), 43, p535-551, http://dx.doi.org/10.1007/s00382-013-2002-7.
  • H Endo, A Kitoh, T Ose, R Mizuta, S Kusunoki, Future changes and uncertainties in Asian precipitation simulated by multiphysics and multi–sea surface temperature ensemble experiments with highresolution Meteorological Research Institute atmospheric general circulation models (MRI-AGCMs), J. Geophys. Res, (2012), 117, p2286-2303.
  • G. C Hegerl, Coauthors, Understanding and attributing climate change, Climate Change 2007: The Physical Science Basis. S. Solomon et al., Eds, Cambridge University Press, (2007), p663-745.
  • I. M Held, B. J Soden, Robust responses of the hydrological cycle to global warming, J. Climate, (2006), 19, p5686-5699. [https://doi.org/10.1175/JCLI3990.1]
  • K.-Y Heo, K.-J Ha, K.-S Yun, S.-S Lee, H.-J Kim, B Wang, Methods for uncertainty assessment of climate models and model predictions over East Asia, Int. J. Climatol, (2014), 34, p377-390. [https://doi.org/10.1002/joc.3692]
  • Y.-R Jung, D.-H Choi, H.-J Baek, C Cho, Changes in the Low Latitude Atmospheric Circulation at the End of the 21st Century Simulated by CMIP5 Models under Global Warming, Atmosphere, (2013), 23, p377-387, (in Korean with English abstract).
  • Korea Meteorological Administration, Assessment Report on climate change over the Korean Peninsula. Korea Meteorological Administration, (2012), p22-23.
  • E.-J Lee, K.-J Ha, J.-G Jhun, Interdecadal changes in interannual variability of the global monsoon precipitation and interrelationships among its subcomponents, Clim. Dynam, (2014a), 42, p2585-2601. [https://doi.org/10.1007/s00382-013-1762-4]
  • J.-Y Lee, B Wang, Future change of global monsoon in the CMIP5, Clim. Dynam, (2014), 42, p101-119. [https://doi.org/10.1007/s00382-012-1564-0]
  • J.-Y Lee, B Wang, K.-H Seo, J.-S Kug, Choi Y.-S, Kosaka Y, K.-J Ha, Future change of Northern Hemisphere summer tropical-extratropical teleconnection in CMIP5 models, J. Climate, (2014b), 27, p3643-3664. [https://doi.org/10.1175/JCLI-D-13-00261.1]
  • J.-Y Lee, Coauthors, How are seasonal prediction skills related to models’ performance on mean state and annual cycle?, Clim. Dynam, (2010), 35, p267-283. [https://doi.org/10.1007/s00382-010-0857-4]
  • J.-Y Lee, B Wang, Q Ding, K.-J Ha, J.-B Ahn, A Kumar, B Stern, O Alves, How predictable is the Northern Hemisphere summer upper-tropospheric circulation?, Clim. Dyn, (2011a), 37, p1189-1203. [https://doi.org/10.1007/s00382-010-0909-9]
  • S.-S Lee, J.-Y Lee, K.-J Ha, B Wang, J. K. E Schemm, Deficiencies and possibilities for long-lead coupled climate prediction of the western North Pacific-East Asian summer monsoon, Clim. Dyn, (2011b), 36, p1173-1188. [https://doi.org/10.1007/s00382-010-0832-0]
  • G. A Meehl, H Teng, Multi-model changes in El Niño teleconnections over North America in a future warmer climate, Clim. Dynam, (2007), 29, p779-790. [https://doi.org/10.1007/s00382-007-0268-3]
  • G. A Meehl, Coauthors, Global climate projection. Climate Change 2007: The Physical Science Basis. S. Solomon et al., Eds, Cambridge University Press, (2007), p747-846.
  • H Murakami, R Mizuta, E Shindo, Future changes in tropical cyclone activity projected by multi-physics and multi-SST ensemble experiments using the 60-km-mesh MRI-AGCM, Clim. Dynam, (2012), 39, p2569-2584. [https://doi.org/10.1007/s00382-011-1223-x]
  • NIMR,, Global climate change report 2012. National Institute of Meteorological Research, (2012), p66-67.
  • H Oh, K.-J Ha, Thermodynamic characteristics and responses to ENSO of dominant intraseasonal modes in the East Asian summer monsoon, Clim. Dynam, (2014). [https://doi.org/10.1007/s00382-014-2268-4]
  • K.-H Seo, J Ok, J.-H Son, D.-H Cha, Assessing future changes in the East Asian summer monsoon using CMIP5 coupled models, J. Climate, (2013), 26, p7662-7675. [https://doi.org/10.1175/JCLI-D-12-00694.1]
  • Y.-W Seo, H Kim, K.-S Yun, J.-Y Lee, K.-J Ha, J.-Y Moon, Future change of extreme temperature climate indices over East Asia with uncertainties estimation in the CMIP5, Asia-Pacific J. Atmos. Sci., in press, (2014). [https://doi.org/10.1007/s13143-014-0050-5]
  • K. R Sperber, H Annamalai, I.-S Kang, A Kitoh, A Moise, A Turner, B Wang, T Zhou, The Asian summer monsoon: an intercomparison of CMIP5 vs. CMIP3 simulations of the late 20th century, Clim. Dynam, (2013), 41, p2711-2744. [https://doi.org/10.1007/s00382-012-1607-6]
  • K. E Taylor, R. J Stouffer, G. A Meehl, An overview of CMIP5 and the experiment design, Bull. Amer. Meteor. Soc, (2012), 93, p485-498. [https://doi.org/10.1175/BAMS-D-11-00094.1]
  • B Wang, S.-Y Yim, J.-Y Lee, J Liu, K.-J Ha, Future change of Asian-Australian monsoon under RCP 4.5 anthropogenic warming scenario, Clim. Dynam, (2014), 42, p83-100. [https://doi.org/10.1007/s00382-013-1769-x]
  • J Xu, A. M Powell Jr, L Zhao, Intercomparison of temperature trends in IPCC CMIP5 simulations with observations, reanalyses and CMIP3 models, Geoscientific Model Development, (2013), 6, p1705-1714. [https://doi.org/10.5194/gmd-6-1705-2013]
  • S.-W Yeh, Y.-G Ham, J.-Y Lee, Changes in the tropical Pacific SST trend from CMIP3 to CMIP5 and its implication of ENSO, J. Climate, (2012), 25, p7764-7771. [https://doi.org/10.1175/JCLI-D-12-00304.1]
  • K.-S Yun, S.-H Shin, K.-J Ha, A Kitoh, S Kusunoki, East Asian precipitation change in the global warming climate simulated by a 20-km Mesh AGCM, Asia-Pac. J. Atmos. Sci, (2008), 44, p233-247.

Fig. 1.

Fig. 1.
Performance of 20 models and their MME in simulating air temperature at 2 m (upper panel) and precipitation (lower panel) over East Asia area (20o~50oN, 110o~150oE) in the present-day (1979~2005) in terms of Taylor diagram. The left panel and right panel indicate during DJF and JJA, respectively. The green plots indicate selected the best 5 models.

Fig. 2.

Fig. 2.
The spatial distribution of observed and simulated the climatological air temperature at 2 m in DJF (left panel) and JJA (right panel) during the period 1979~2005. (a, b) Observation based on the ERA-Interim data. (c, d) MME and (e, f) B5MME denote results of CMIP5.

Fig. 3.

Fig. 3.
The spatial distribution of observed and simulated the climatological air temperature at 2 m in DJF (left panel) and JJA (right panel) during the period 1980~1999. (a, b) Observation based on the ERA-Interim data. CMIP5 and CMIP3 MME are shown in (c, d) and (e, f), respectively.

Fig. 4.

Fig. 4.
The spatial distribution of the difference between the present-day and future climate of air temperature at 2 m (oC) during December-January-February. Upper panel and lower panel indicate near future difference and long term future difference, left panel and right panel indicate MME and B5MME, respectively. The shading indicated values significant at a 90% confidence level.

Fig. 5.

Fig. 5.
The spatial distribution of the difference between the present-day and future climate of air temperature at 2 m (oC) during June-July-August. Upper panel and lower panel indicate near future difference and long term future difference, left panel and right panel indicate MME and B5MME, respectively. The shading indicated values significant at a 90% confidence level.

Fig. 6.

Fig. 6.
A diagram showing the difference the present-day and future climate of air temperature at 2 m (oC) during (a) DJF and (b) JJA over the Korean Peninsula area (33oN~43oN, 124oE~131oE). Period of the future divides 2006~2024, 2025~2049 (near future), 2050~2074, and 2075~2099 (long term future). The bar indicates spread of models, the box indicates at a 25~75% performance of 20 models (blue) and the best 5 models (red).

Fig. 7.

Fig. 7.
Same as in Fig. 2 except for the precipitation.

Fig. 8.

Fig. 8.
Same as in Fig. 3 except for the precipitation.

Fig. 9.

Fig. 9.
The spatial distribution shows the fractional percentage change (%) for precipitation during December-January-February. Upper panel and lower panel indicate near future difference and long term future difference, left panel and right panel indicate MME and B5MME, respectively. The hatched region indicated values significant at a 90% confidence level.

Fig. 10.

Fig. 10.
The spatial distribution shows the fractional percentage change (%) for precipitation during June-July-August. Upper panel and lower panel indicate near future difference and long term future difference, left panel and right panel indicate MME and B5MME, respectively. The hatched region indicated values significant at a 90% confidence level.

Fig. 11.

Fig. 11.
Same as Fig. 6, but fractional percentage change (%) for precipitation.

Table 1.

Description of CMIP5 models used in the study.Refer to http://cmip-pcmdi.llnl.gov/cmip5/availability.html for detailed information.

Model
No
Coupled Model Institution AGCM
Resolution
Ens
No
1 ACCESS1-0 Commonwealth Scientific and Industrial Research Organization and Bureau of Meteorology, Australia (CSIRO-BOM) 1.875o × 1.25o 1
2 BCC-CSM1.1 Beijing Climate Center, China Meteorological Administration (BCC) 2.8125o × 2.8125o 1
3 CanESM2 Canadian Centre for Climate Modelling and Analysis (CCCma) 2.8125o × 2.8125o 5
4 CCSM4 National Center for Atmospheric Research (NCAR) 1.25o × 0.9375o 1
5 CNRM-CM5 Centre National de Recherches Meteorologiques / Centre European de Recherche et Formation Avancees en Calcul Scientifique (CNRM-CERFACS) 1.40625o × 11.40625o 1
6 CSIRO-Mk3-6-0 Commonwealth Scientific and Industrial Research Organization and the Queensland Climate Change Centre of Excellence (CSIRO-QCCCE) 1.875o × 1.875o 3
7 FGOALS-g2 LASG, Institute of Atmospheric Physics, Chinese Academy of Sciences; and CESS, Tsinghua University (LASG-CESS) 2.8125o × 2.8125o 1
8 GFDL-CM3 Geophysical Fluid Dynamics Laboratory 2.5o × 2o 1
9 GFDL-ESM2M (NOAA GFDL) 2.5o × 2o 1
10 GISS-E2-R NASA Goddard Institute for Space Studies (NASA GISS) 2.5o × 2o 2
11 HadGEM2-CC Met Office Hadley Centre (MOHC) 1.875o × 1.24o 1
12 HadGEM2-ES 1.875o × 1.24o 1
13 INM-CM4 Institute for Numerical Mathematics (INM) 2o × 1.5o 1
14 IPSL-CM5A-LR Institute Pierre-Simon Laplace (IPSL) 3.75o × 1.875o 4
15 IPSL-CM5A-MR 2.5o × 1.258o
16 MIROC5 Atmosphere and Ocean Research Institute (University of Tokyo), National Institute for Environmental Studies, and Japan Agency for Marine-Earth Science and Technology (MIROC) 1.40625o × 1.40625o 1
17 MIROC-ESM 2.8125o × 2.8125o 1
18 MPI-ESM-LR Max Planck Institute for Meteorology (MPI-M) 1.875o × 1.875o 3
19 MRI-CGCM3 Meteorological Research Institute (MRI) 1.125o × 2.25o 1
20 NorESM1-M Norwegian Climate Centre (NCC) 2.5o × 1.875o 1