비평형 기후 시스템의 선형 응답 이론 적용

초록

본 논문은 비평형·강제·소산 시스템인 기후에 대해 Ruelle 선형 응답 이론을 적용한 최초 사례를 제시한다. 로렌츠‑96 모델을 실험대상으로 삼아, 지역·전역 관측값의 주파수 의존 응답, Kramers‑Kronig 관계와 합 규칙을 이론적으로 도출하고 수치 실험으로 검증한다. 또한 기후 민감도를 전 시간대에 일반화하고, 제한된 시뮬레이션으로 온실가스 변화에 대한 온도 응답을 재구성하는 방법론을 제시한다.

상세 요약

Ruelle 응답 이론은 비평형 정준 측정( SRB 측정 )을 갖는 동역학계에 대해 외부 교란이 관측값의 기대값에 미치는 변화를 선형적으로 기술한다. 기존의 플럭투에이션‑디소시에이션 정리(FDT)는 상세히 평형·준평형 상황에만 적용 가능했으나, 기후와 같이 지속적인 에너지 입력·출력과 비선형 상호작용을 갖는 시스템에는 적용이 불가능했다. 저자들은 이 점을 극복하기 위해 Ruelle 이론의 핵심인 ‘불변 SRB 측정에 대한 선형 변분’ 공식을 그대로 차용하고, 이를 수치적으로 구현하기 위한 절차를 상세히 제시한다.

연구는 로렌츠‑96(L96) 모델을 선택한다. L96은 N개의 격자점에 걸쳐 비선형 항과 인접 격자점 간의 전이 항을 포함하는 간단하지만 카오스적 특성을 유지하는 모델로, 대기 중 장거리 파동·에너지 흐름을 모사하는 데 널리 쓰인다. 저자들은 두 종류의 관측값을 정의한다. 첫째는 ‘지역 관측값’으로, 특정 격자점의 변수 x_i(t) 자체를 사용한다. 둘째는 ‘전역 관측값’으로, 전체 격자점 평균 ⟨x⟩(t)를 채택한다. 두 관측값은 각각의 공간적 집합성(intensive vs extensive) 차이 때문에 응답 스펙트럼이 다르게 나타난다.

교란은 두 가지 형태로 가한다. (1) 공간적으로 국소적인 교란 f_i(t)=h(t)δ_{i,i0} 로, 특정 격자점에만 외부 힘을 가한다. (2) 전역적인 교란 f_i(t)=h(t) 로, 모든 격자점에 동일하게 힘을 가한다. 여기서 h(t) 는 임의의 시간 프로파일이며, 주파수 영역에서는 그 푸리에 변환 H(ω) 로 표현된다. Ruelle 이론에 따르면, 관측값 A(t)의 기대값 변화 δ⟨A⟩(ω) 는 선형 응답 함수 χ_A(ω) 와 H(ω) 의 곱으로 주어진다: δ⟨A⟩(ω)=χ_A(ω)H(ω).

저자들은 χ_A(ω) 를 직접 계산하기 위해 ‘그린 함수 G_A(t)’ 를 시뮬레이션 기반으로 추정한다. 이는 교란을 단위 임펄스(δ(t)) 로 가했을 때 관측값이 어떻게 변하는지를 측정한 것으로, 시간 영역에서 G_A(t) 를 얻은 뒤 푸리에 변환해 χ_A(ω) 를 얻는다. 이 과정에서 ‘시계열 재샘플링’과 ‘윈도우 함수’를 적절히 사용해 수치적 잡음을 최소화한다.

주요 이론적 결과는 다음과 같다. 첫째, χ_A(ω) 가 복소수 함수임을 이용해 Kramers‑Kronig 관계가 성립함을 증명한다. 이는 실수부와 허수부가 서로 Hilbert 변환 관계에 있음을 의미한다. 둘째, 고주파(ω→∞) 한계에서 χ_A(ω) 가 ω⁻² 로 감소한다는 ‘비대칭적 감소 법칙’을 도출하고, 이는 시스템의 빠른 시간 스케일에서의 마찰(디소시에이션) 효과와 일치한다. 셋째, 저주파(ω→0) 한계에서는 χ_A(0) 가 시스템의 ‘기후 민감도’와 직접 연결된다. 특히 전역 관측값에 대한 χ(0) 은 전통적인 기후 민감도(ΔT/ΔF)와 동일한 의미를 갖지만, 지역 관측값에 대해서는 공간적 비균질성 때문에 다른 값이 나온다.

수치 검증에서는 L96 모델을 N=40, F=8 (강제 항) 로 설정하고, 10⁶ 시간 단위 이상의 긴 시뮬레이션을 수행했다. 임펄스 교란 후 얻은 G_A(t) 를 평균 30번 이상 반복해 잡음을 억제했으며, 푸리에 변환 결과는 이론적 예측과 오차 <1% 수준으로 일치했다. 특히 Kramers‑Kronig 관계를 직접 검증했을 때, 실수부와 허수부 사이의 차이가 수치적으로 거의 0에 수렴함을 확인했다.

마지막으로 저자들은 실제 기후 문제에 적용하기 위한 ‘최소 시뮬레이션 전략’을 제시한다. 예를 들어, CO₂ 농도 변화에 따른 표면 온도 응답을 연구할 때, 전역적인 복사 강제 항을 작은 단계로 변동시키고, 그에 대한 온도 평균의 응답 그린 함수를 한 번만 계산하면, 임의의 시간 프로파일(예: 급격한 급증, 완만한 증가 등)에 대한 온도 변화를 선형 조합으로 예측할 수 있다. 이는 전통적인 ‘다중 시나리오’ 접근법에 비해 계산 비용을 수십 배 절감한다는 장점을 가진다.

이러한 결과는 비평형 기후 시스템을 정량적으로 분석할 수 있는 새로운 이론적·수치적 프레임워크를 제공하며, 기후 민감도와 응답 스펙트럼을 전 시간대에 걸쳐 일관되게 정의할 수 있음을 보여준다.