정밀한 시공간 강수에 대한 합성곱 신경망 기반 RCM-에뮬레이터의 적합성

초록 고해상도 지역 기후 모델(Regional Climate Models, RCM)은 지역 강수를 포착하는 데 필요하지만, 미래 예측과 관련된 불확실성을 완전히 탐색하기에는 너무 비쌉니다. RCM의 큰 비용을 해결하기 위해 Doury et al. (2023)은 일일 및 12km 해상도로 근표면 온도에 대한 신경망 기반 RCM-에뮬레이터를 제안했습니다. 이 모델은 기존 RCM 시뮬레이션을 사용하여 저해상도 예측 변수와 고해상도 표면 변수 간의 관계를 학습합니다. 교육을 받으면 에뮬레이터는 모든 저해상도 시뮬레이션에 적용되어 고해상도 에뮬레이션의 앙상블을 생성할 수 있습니다. 본 연구는 새로운 비대칭 손실 함수를 통해 모든 그리드 포인트에서 전체 강수 분포를 재현할 수 있는 RCM-에뮬레이터의 적합성을 평가합니다. 완벽한 조건 프레임워크에서, 결과적으로 생성된 에뮬레이터는 RCM 원본 시리즈를 재현하는 뛰어난 능력을 보여주며, 우수한 시공간 상관관계를 가집니다. 특히, 건조일수와 99번째 분위수로 측정한 분포의 두 꼬리에서 매우 좋은 결과를 얻습니다. 게다가 가장 높은 주파수 세부사항이 빠져도 일관된 강수 객체를 생성합니다. 에뮬레이터의 품질은 동일한 RCM의 모든 시뮬레이션에서 유지되며, 어떤 구동 GCM과도 관계없이 RCM에 의해 결코 다운스케일되지 않은 GCM에 도구의 전이 가능성을 보장합니다. 다운스케일링된 GCM 시뮬레이션의 첫 번째 사례는 RCM-에뮬레이터가 GCM에 비해 상당한 부가 가치를 제공한다는 것을 보여주며, 정확한 고해상도 공간 구조와 강한 강수 강도를 생성합니다. 그럼에도 불구하고 GCM 응용을 위한 적절한 평가 프레임워크를 확립하는 데 추가 작업이 필요합니다.