고해상도 영국 지역 기후 시뮬레이션 강수량을 저비용 확산 모델로 에뮬레이션

초록

본 연구는 60 km 격자 해상도의 GCM 입력을 8.8 km 격자 해상도의 일일 평균 강수량으로 변환하는 확산 기반 생성 모델(CPMGEM)을 제안한다. 영국 기후프로젝션(UKCP)에서 1980‑2080년 기간의 2.2 km CPM 데이터를 학습시켜, 높은 공간 구조와 강수 강도 분포를 재현하면서도 계산 비용을 크게 절감한다. 모델은 확률적이며 극한 강수 사건(귀환기간 ≈ 100 년)까지 재현 가능하고, GCM 입력으로의 전이에서도 21세기 기후 변화 신호를 잡아내지만 강수량 절대값에 약간의 편차가 존재한다. 제한된 고해상도 데이터에서도 활용 가능함을 보였다.

상세 분석

본 논문은 지역 대류 허용 모델(CPM)의 고해상도 강수 출력을 저비용으로 재현하기 위해 최신 생성 확산 모델(Diffusion Model)을 적용한 점이 가장 큰 혁신이다. 입력 변수는 GCM 수준의 60 km 격자에서 제공되는 평균 기압, 비특이 습도, 온도, 와류 등 250‑850 hPa 전단계의 일일 평균값이며, 이를 8.8 km 격자(2.2 km CPM 출력의 보존적 보간 후)로 직접 다운스케일링한다. 모델은 ‘노이즈 → 데이터’ 변환 과정을 학습하는 역확산 과정을 이용해, 주어진 거시 기상 상태에 대해 다중 가능한 미세 강수 패턴을 확률적으로 생성한다.

학습 데이터는 UKCP Local 프로젝트에서 제공하는 12개의 멤버 앙상블(각 멤버는 서로 다른 GCM‑RCM 조합)으로, 1981‑2000년(히스토릭), 2021‑2040년(프리젠트), 2061‑2080년(퓨처) 세 시기에 걸친 총 720년(연간 360일) 일일 평균 강수량을 포함한다. CPM 출력은 2.2 km 격자이지만, 연구에서는 8.8 km 격자로 보존적 보간해 모델 목표 해상도로 설정하였다. 이는 실제 강수 구조를 유지하면서도 계산량을 크게 낮추기 위한 실용적 선택이다.

성능 평가는 세 가지 축으로 이루어진다. 첫째, 동일한 GCM 입력을 사용해 CPM 출력(공동 변환된 8.8 km)과의 통계적 일치성을 확인했으며, 공간 상관성, 강수 강도 분포, 일일 강수량 평균·분산 등에서 높은 재현성을 보였다. 둘째, 극한 강수 사건에 대한 재현 능력을 검증하기 위해 귀환기간 10‑100 년 수준의 강수량 상위 0.1 %를 분석했으며, 확산 모델이 확률적 샘플을 다수 생성함으로써 관측된 극한 패턴을 충분히 포착함을 확인했다. 셋째, ‘퍼펙트 모델’ 설정(훈련과 테스트 모두 CPM‑GCM 쌍)에서 실제 GCM 입력으로 전이했을 때 21세기 기후 변화 추세(강수량 평균 증가·집중화)를 잘 따라가지만, 절대 강수량 편차가 약 5‑10 % 존재한다는 한계를 제시한다.

또한 제한된 고해상도 데이터 상황을 가정한 실험에서, 훈련 샘플을 30 %로 축소해도 모델은 여전히 주요 통계와 극한 특성을 유지한다는 점에서 데이터 효율성이 뛰어나다. 계산 비용 측면에서는 10 GB GPU(예: RTX 2080 Ti)에서 하루에 수천 개의 샘플을 생성할 수 있어, 전통적인 CPM(수주~수개월 소요) 대비 수천 배 이상의 속도 향상을 달성한다.

한계점으로는 (1) 강수량 절대값 편차가 존재해 실제 적용 시 보정이 필요하고, (2) 훈련 기간에 포함되지 않은 매우 높은 온실가스 시나리오나 비정상적인 기후 상태에 대한 외삽 성능이 아직 검증되지 않았으며, (3) 현재는 일일 평균만 다루어 초단기(시간별) 강수 구조는 재현하지 못한다는 점을 들 수 있다. 향후 연구에서는 다중 시간 스케일(시간별, 3시간별) 입력을 포함한 조건부 확산 모델, 물리 기반 제약을 결합한 하이브리드 접근법, 그리고 다양한 GCM·시나리오에 대한 전이 학습을 통해 이러한 제약을 극복할 수 있을 것으로 기대된다.