Home

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).

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).

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.

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(20^o~50^oN, 110^o~150^oE)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. 2와 7). 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 (20^o~50^oN, 110^o~150^oE) 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.

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 1.5^oC정도 높게 모의되었다. 여름철에는 기온이 약간 낮게 모의되는 경향을 보였으며, 영역평균 결과 약 0.5^oC 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.

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 1.37^oC, B5MME는 1.11^oC 증가하고, 장기 미래에 MME는 2.84^oC, B5MME는 2.59^oC 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 1.25^oC, B5MME는 1.05^oC 증가하고, 장기 미래에 MME는 2.28^oC, B5MME는 2.07^oC 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(40^oN) 근처에서 단기 미래에 1.2^oC, 장기 미래엔 2.4^oC로 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)와 (b)에서 큰 차이가 없으나 장기 미래에는 MME가 B5MME보다 약 0.3^oC 가량 높게 모의하고 있다. CMIP3의 장기 미래 변화를 Fig. 4(c)와 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(33^o~43^oN, 124^o~131^oE)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 (33^oN~43^oN, 124^oE~131^oE). 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).

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.

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.