사막 기온 극값 변화 추정과 GEV 회귀 분석

초록

본 연구는 CMIP6 기후모델의 사막 지역 연간 최고·최저 기온 데이터를 이용해 2025‑2125년 사이 100년 재현값(ΔQ)의 변화를 추정한다. 일반화극값분포(GEV) 회귀 모델을 베이지안 방식으로 추정하고, 다양한 시간‑의존 파라미터 형태 중 최적 모델을 정보 기준(BIC)으로 선택한다. 시뮬레이션을 통해 BIC가 다른 기준보다 예측 오차를 최소화함을 확인했으며, 결과는 모든 사막 지역에서 강한 온난화 시나리오일수록 ΔQ가 증가한다는 일관된 추세를 보여준다.

상세 분석

이 논문은 비정상(non‑stationary) 극값 분석의 핵심 과제인 ‘작은 표본에서 시간에 따라 변하는 꼬리 분포’를 해결하기 위해 세 가지 주요 절차를 제시한다. 첫째, CMIP6의 다섯 개 GCM(ACCESS‑CM2, CESM2, EC‑Earth3, MRI‑ESM2‑0, UKESM1‑0‑LL)에서 사막 지역(남극, 다시트‑루트, 모자베, 사하라, 심프슨)과 영국 기준 지역의 연간 최대·최소 기온을 추출해 86년(2015‑2100)의 시계열을 구성한다. 둘째, GEV 회귀 모델의 위치(μ), 규모(σ), 형태(ξ) 파라미터를 시간 τ와 시나리오 인덱스 j(SSP126, SSP245, SSP585)에 대해 상수, 선형, 2차 형태로 파라미터화하고, 세 시나리오가 2015년에 동일한 꼬리 분포를 갖도록 제약을 부여한다. 베이지안 추정은 MCMC를 이용해 사전 정보와 데이터 적합도를 결합해 전체 사후분포를 얻으며, 파라미터 불확실성을 정량화한다. 셋째, 후보 모델 선택을 위해 AIC, BIC, DIC, WAIC 네 가지 정보 기준을 비교한다. 여기서 저자는 기존 문헌이 ‘어떤 기준이 최적인지 사전 예측이 어렵다’는 점을 강조하고, 실제 CMIP6 데이터와 유사한 구조를 가진 인공 데이터(ground‑truth 모델)를 생성해 시뮬레이션 실험을 수행한다. 시뮬레이션 결과 BIC가 다른 기준보다 100년 재현값 차이(ΔQ) 예측 오차를 가장 크게 감소시키는 것으로 나타났다. 이는 BIC가 모델 복잡도에 대한 강한 페널티를 부여함으로써 과적합을 방지하고, 작은 샘플에서도 안정적인 추정을 가능하게 함을 시사한다.

선정된 BIC‑최적 모델을 각 지역·GCM·시나리오·앙상블에 적용해 ΔQ의 사후 분포를 추정한다. 결과는 모든 사막 지역에서 SSP245와 SSP585 시나리오가 SSP126보다 ΔQ를 유의하게 크게 만든다. 특히 연간 최대 기온에 대한 ΔQ 증가가 강하게 나타나며, 연간 최소 기온에서도 비슷한 방향이지만 통계적 유의성은 다소 낮다. 이는 사막 지역이 고온 극값에 더 민감함을 반영한다. 또한, 모델 스태킹(베이지안 모델 평균)과 비교했을 때, 단일 BIC‑선택 모델이 예측 정확도와 해석 용이성에서 우수함을 확인한다.

한계점으로는 GCM 출력 자체의 편향을 보정하지 않았으며, 지역별 격자 수 차이에 따른 불균형이 결과에 미칠 수 있다는 점을 언급한다. 또한, 86년이라는 제한된 시계열 길이와 기후 시나리오 간 초기 꼬리 분포 동일 가정이 실제 관측과 다를 가능성도 제시한다. 향후 연구에서는 고해상도 다운스케일링, 관측 기반 교정, 그리고 비선형/비파라메트릭 꼬리 변동 모델을 도입해 불확실성을 더욱 감소시킬 필요가 있다.