본 논문에서는 지역 규모 강수량 시뮬레이션의 어려움을 해결하기 위해 조건부 심층 합성곱 생성적 적대 신경망(GAN) 기반의 강수량 다운스케일링 모델인 RainScaleGAN을 제시합니다. 전 지구 기후 모델의 낮은 해상도는 지역 규모 강수량 시뮬레이션의 정확도를 떨어뜨리는 주요 원인 중 하나이며, RainScaleGAN은 이러한 한계를 극복하기 위해 개발되었습니다. 본 연구에서는 0.25° × 0.25° 해상도의 강수량 데이터셋을 2° × 2° 해상도로 인위적으로 저해상도화한 후, RainScaleGAN을 이용하여 원래 해상도를 복원하는 완벽 모델 설정(perfect-model setup)에서 모델 성능을 평가했습니다. 그 결과, RainScaleGAN은 기존의 선도적인 강수량 다운스케일링 방법보다 우수한 성능을 보였으며, 현실적인 고해상도 공간 패턴과 강도를 갖는 합성 데이터셋을 생성하고, 실제 데이터셋과 유사한 통계적 특성을 가진 강수량 분포를 생성하는 것으로 나타났습니다. RainScaleGAN은 기본적인 물리적 과정에 무관하게 적용 가능하다는 점에서, 표면풍이나 기온과 같은 다른 물리 변수에도 적용될 가능성을 가지고 있습니다.
