1. 논문제목: Uncertainty analysis of statistical downscaling methods

   저널: Journal of Hydrology
    저자: Mohammad Sajjad Khan, Paulin Coulibaly, Yonas Dibike

2. 주저자 배경

 

저자 Mohammad 는 Department of civil engineering/School of geography and geology, McMaster University 에서 Ph.D 학생으로 연구하고 있다. 

 

 

3. 논문 요약

이 논문은 미래 기후 자료를 상세화 (downscaling) 하는데 있어 발생할 수 있는 불확정성 (Uncertainty)에 대해서 조사한 연구이다. 기후자료 상세화를 위해 적용된 모델은 Statistical Down-Scaling Model (SDSM), Long Ashton Research Station Weather Generator (LARS-WG) model, Artificial Neural Network (ANN) model 이 적용 되었다. 조사된 Uncertainty 는 각각의 모델에서 downscaling 된 일 강수량 (daily precipitation), 일 최고-최저 기온 (daily maximum and minimum temperatures) 결과를 활용하여 산정 되었다. 월별 평균과 표준편차에 대한 불확정성을 95% 신뢰구간에서 평가하였다. 위에서 제시된 세가지 모델 중 SDSM이 가장 신뢰성 높은 상세화 자료를 생산할 수 있었고, ANN 모델이 가장 낮은 신뢰성을 보였다.

 

4. 논문의 독창성

이 논문은 기후자료의 downscaling을 하는데 있어 발생될 수 있는 불확정성을 각각의 상세화된 모델의 결과값들을 활용하여 산정하였다.

 

5. 논문의 적용 가능성

본 연구에서 제시된 불확정성 산정방법은 향후 미래기후 상세화 작업에서 발생 할 수 있는 불확정성 산정에 활용 될 수 있다.

 

6. 요약자 E-mail: yepark@gist.ac.kr