두 단계 공간 모델을 이용한 확률적 강수량 예보

초록

본 연구는 수치예보(NWP)의 편향을 보정하고 공간적 불확실성을 제공하는 사후처리 기법을 제안한다. 강수량을 영점 질량과 감마 분포 혼합으로 모델링하고, 강수 발생과 강수량을 각각 구동하는 두 개의 잠재 가우시안 프로세스를 도입한다. 두 프로세스는 지수형 상관함수를 갖는 정방향 등방성 공간 과정으로 가정하며, NWP 예보를 공변량으로 활용한다. 2004년 미국 태평양 북서부 지역의 48시간 선행 일일 강수량에 적용한 결과, 예측 분포는 교정(calibrated)되고 선명(sharp)했으며, 공간합성 및 면적 평균량에 대한 기준 모델을 능가하였다.

상세 분석

이 논문은 강수량 예보의 확률적 공간 모델링에 있어 두 단계(two‑stage) 접근법을 채택한다. 첫 번째 단계는 강수 발생 여부를 이진 변수로 다루며, 잠재 가우시안 과정 Z₁(s) 을 임계값 τ 에 비교함으로써 영점 질량(point mass at zero)을 생성한다. Z₁(s)는 NWP 예보값 x(s) 과 회귀계수 β₁ 의 선형 결합에 평균제로, 등방성 지수 상관함수 ρ₁(h)=exp(−h/φ₁) 를 갖는 공분산 구조를 가진다. 두 번째 단계는 강수량의 양적 부분을 설명한다. 여기서는 또 다른 잠재 가우시안 과정 Z₂(s) 가 도입되며, 이는 역시 NWP 예보와 회귀계수 β₂ 의 선형 결합을 평균으로 한다. Z₂(s)의 공간 상관은 ρ₂(h)=exp(−h/φ₂) 로 모델링된다. Z₂(s)를 강수량 양에 연결하기 위해 사이트별 변환 함수 g_s(·) 가 정의되는데, 이는 감마 분포의 모양과 척도를 조정하여 각 지점의 비대칭성(skewness)과 변동성을 보존한다. 구체적으로, 강수량 Y(s) 는
Y(s)=0 if Z₁(s)≤τ,
Y(s)=g_s⁻¹( Z₂(s) ) if Z₁(s)>τ,
와 같이 표현된다.
모델 파라미터(β₁,β₂,τ,φ₁,φ₂,감마 모양·척도 등)는 베이지안 혹은 최대우도 추정법을 통해 학습되며, 특히 공간적 의존성을 고려한 합성가능(likelihood) 함수를 이용한다. 논문에서는 EM 알고리즘 변형을 사용해 결측(영점)과 연속값을 동시에 처리한다.
예측 단계에서는 관측되지 않은 위치에 대한 Z₁, Z₂의 조건부 분포를 계산하고, 이를 통해 강수 발생 확률과 강수량의 사후 예측분포를 얻는다. 이때 몬테카를로 시뮬레이션을 활용해 다변량 정규분포에서 샘플을 추출하고, 변환 함수를 적용해 최종 강수량 시나리오를 생성한다.
공간적 교정 효과는 두 개의 독립적인 가우시안 과정이 각각 강수 발생과 양을 설명함으로써 달성된다. Z₁은 강수 여부의 큰 스케일 패턴을 포착하고, Z₂는 강수량의 세부적인 공간 변동성을 반영한다. 또한, NWP 예보를 공변량으로 포함함으로써 전통적인 통계적 포스트프로세싱(예: 베이즈 선형 회귀)보다 더 풍부한 정보가 모델에 주입된다.
실증 분석에서는 2004년 1년간 미국 태평양 북서부 지역의 48시간 선행 일일 강수량을 대상으로 모델을 적용하였다. 평가 지표로는 CRPS(Continuous Ranked Probability Score), Brier Score, 그리고 공간합성(예: 강수량 총합)과 면적 평균량에 대한 RMSE를 사용하였다. 두 단계 공간 모델은 기준 모델(단일 가우시안 과정, 단순 베이즈 회귀) 대비 CRPS가 평균 12% 개선되었으며, 특히 영점 비율이 높은 지역에서 Brier Score가 크게 향상되었다. 또한, 공간합성 예측에서 편향이 거의 사라졌고, 예측 구간이 좁아져 샤프니스가 증대되었다.
이러한 결과는 강수량의 이산·연속 혼합 특성을 명시적으로 모델링하고, 공간 상관을 두 단계로 분리함으로써 복잡한 기후 현상을 보다 정교하게 포착할 수 있음을 시사한다. 향후 연구에서는 비정상성(non‑stationarity) 모델링, 비등방성 상관구조, 그리고 다중 예보 모델(ensemble) 통합을 통해 예측 성능을 더욱 향상시킬 여지가 있다.