• Korean Journal of Remote Sensing
• /
• v.38 no.5_2
• /
• pp.781-791
• /
• 2022

It is crucial to provide forest fire risk forecast information to minimize forest fire-related losses. In this research, forecast models of forest fire risk at a mid-range (with lead times up to 7 days) scale were developed considering past, present and future conditions (i.e., forest fire risk, drought, and weather) through random forest machine learning over South Korea. The models were developed using weather forecast data from the Global Data Assessment and Prediction System, historical and current Fire Risk Index (FRI) information, and environmental factors (i.e., elevation, forest fire hazard index, and drought index). Three schemes were examined: scheme 1 using historical values of FRI and drought index, scheme 2 using historical values of FRI only, and scheme 3 using the temporal patterns of FRI and drought index. The models showed high accuracy (Pearson correlation coefficient >0.8, relative root mean square error <10%), regardless of the lead times, resulting in a good agreement with actual forest fire events. The use of the historical FRI itself as an input variable rather than the trend of the historical FRI produced more accurate results, regardless of the drought index used.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.6-12
• /
• 2010

일반적으로 가뭄은 기상학적 가뭄, 농업적 가뭄, 수문학적 가뭄의 유형 등으로 분류한다. 본 연구에서는 우리나라에 적합한 수문학적 가뭄 지수인 물가용지수(Water Availability Index)를 개발하였다. 또한 다각적인 가뭄평가를 위해 기상학적 가뭄의 평가할 수 있는 표준강수지수(Standard Precipitation Index)와 농업적 가뭄을 평가할 수 있는 토양수분지수(Soil Moisture Index) 그리고 개발한 물가용지수(Water Availability Index)를 지수의 가뭄에 대한 등급을 통일시키기 위해 새롭게 산정하였다. 또한 기상청에서 제시하고 있는 월간기상정보 자료를 이용하여 가뭄전망을 할 수 있는 기법을 개발하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.112-112
• /
• 2018

최근 이상기후로 인한 국부적인 혹은 광역적인 가뭄이 빈번하게 발생하고 있는 추세이며 발생횟수 뿐 아니라 가뭄 심도 및 지속기간이 과거보다 크게 증가하여 그에 따른 피해가 커질 것으로 예측되고 있다. 특히, 2014~2015년도의 유례없는 가뭄으로 인해 저수지 용수공급이 제한되면서 많은 농가들이 피해를 입었다. 본 연구의 목적은 전국 농업용 저수지를 대상으로 기상청 3개월 예보자료를 활용 할 수 있는 농업용 저수지 저수율 다중선형 회귀 모형을 개발하여 저수율 전망정보를 생산하는 것이다. 본 연구에서는 전국에 적용 가능한 저수율 다중선형 회귀 모형개발을 위해 5개의 기상요소(강수량, 최고기온, 최저기온, 평균기온, 평균풍속)와 관측 저수지 저수율을 활용했다. 기상자료는 2002년부터 2017년까지의 기상청 63개 지상관측소로부터 기상관측자료를 수집하였다. 본 연구에서는 저수율 전망 단계를 세 단계로 나누었다. 첫 번째 단계로 농어촌공사에서 전국 511개 용수구역을 대상으로 군집분석 및 의사결정나무 분석을 통해 제시한 65개 대표저수지를 대상으로 기상자료 및 관측 저수율 자료를 이용하여 다중선형 회귀분석을 실시하였다. 수집한 기상요소와 저수율을 독립변수로 하여 월별 회귀식을 산정한 결과 결정계수($R^2$)는 0.51~0.95로 나타났다. 두 번째 단계로 대표저수지의 회귀분석 결과를 전국의 저수지로 확대하기 위해 나이브 베이즈 분류법을 적용하여 전국 3098개의 저수지를 65의 군집으로 분류하고 각각의 군집에 해당되는 월별 회귀식을 산정하였다. 마지막으로 전국 저수지로 산정된 회귀식과 농업 가뭄 예측을 위해 기상청의 GS5(Global Seasonal Forecasting System 5) 3개월 예보자료를 수집하여 회귀식에 적용해 2017년 전국 저수지의 3개월 저수율 전망정보를 생산하였다. 본 연구의 전국 저수지 군집결과 기반의 저수율 전망기술은 2017년도 관측 저수율과 비교한 결과 유의한 상관성을 나타냈으며 이 결과는 추후 농업용 저수지의 물 공급 및 농업가뭄 전망 자료로서 이용이 가능할 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.50 no.10
• /
• pp.691-701
• /
• 2017

The objective of this study is to evaluate the long-term drought outlook information based on long-term forecast data for the 2015 drought event. In order to estimate the Standardized Precipitation Index (SPI) for different durations (3-, 6-, 9-, 12-months), we used the observation precipitation of 59 Automated Synoptic Observing System (ASOS) sites, forecast and hindcast data of GloSea5. The Receiver Operating Characteristic (ROC) analysis and statistical analysis (Correlation Coefficient, CC; Root Mean Square Error, RMSE) were used to evaluate the utilization of drought outlook information for the forecast lead-times (1~6months). As a result of ROC analysis, ROC scores of SPI(3), SPI(6), SPI(9) and SPI(12) were estimated to be over 0.70 until the 2-, 3-, 4- and 5-months. The CC and RMSE values of SPI(3), SPI(6), SPI(9) and SPI(12) for forecast lead-time were estimated as (0.60, 0.87), (0.72, 0.95), (0.75, 0.95) and (0.77, 0.89) until the 2-, 4-, 5- and 6-months respectively.

• Water for future
• /
• v.49 no.9
• /
• pp.63-69
• /
• 2016

• Water for future
• /
• v.45 no.5
• /
• pp.46-54
• /
• 2012

• Proceedings of the Korean Environmental Sciences Society Conference
• /
• 2007.05a
• /
• pp.97-98
• /
• 2007

중국의 황사 발원지 4곳을 선정하여 강수량과 EDI(가뭄지수)를 사용하여 FFT를 적용한 결과 강수량보다 EDI를 사용했을 때, 2.24년, 3년, 3.37년 정도의 주기가 나타났다. 따라서 황사의 예보를 정확하게 하기 위해 가뭄과 황사 발생관계를 알아보는 것이 도움이 될 것이라 생각된다. 그래서 이후에 EDI 외 다른 가뭄지수(PNS)도 수용하여 황사발원지의 표면 상태와 황사발생현상에 대한 관계를 더 정확하게 규명할 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.410-410
• /
• 2018

Evaporative Demand Drought Index (EDDI)는 미국해양대기관리처 (National Oceanic and Atmospheric Administration, NOAA)에서 2016년에 개발한 가뭄지표로, 기존의 가뭄지표가 주로 강수량과 기온에 초점을 두고 가뭄을 판단하는 반면 토양의 수분 스트레스의 신호를 바탕으로 증발산수요의 상대적인 변화를 계산하여 가뭄지표에 대한 조기 경보를 제공한다. EDDI는 강수량을 이용한 기존의 가뭄지수와 달리 증발/산 요구량 (evaporative demand)에 초점을 맞춰 보다 짧은 시간의 척도와 공간 분포 및 시계열 결과의 도출로 잠재적 가뭄 예보에 활용할 수 있어 가뭄의 조기 경보 및 가뭄 모니터링 도구로 사용할 수 있다. 현재 NOAA에서는 EDDI Map Archive(https://www.esrl.noaa.gov/psd/eddi/)를 활용하여 1980년부터 현재까지 1-week부터 12-months 시간척도의 미국 전역의 EDDI 지도를 제공하고 있으며, 짧은 기간의 급속하게 발생하는(rapid-onset) Flash drought의 조기경보지표로 활용되고 있다. 본 연구에서는 최근 3년간 우리나라에 발생한 극심한 가뭄 사상을 대상으로 EDDI의 적용함으로서 시공간적 가뭄 특성을 파악하고자 한다.

• Journal of Korea Water Resources Association
• /
• v.46 no.12
• /
• pp.1249-1263
• /
• 2013

In order to minimize the damages caused by long-term drought, appropriate drought management plans of the basin should be established with the drought forecasting technology. Further, in order to build reasonable adaptive measurement for future drought, the duration and severity of drought must be predicted quantitatively in advance. Thus, this study, attempts to forecast drought in Korea by using an Artificial Neural Network Model, and drought index, which are the representative statistical approach most frequently used for hydrological time series forecasting. SPI (Standardized Precipitation Index) for major weather stations in Korea, estimated using observed historical precipitation, was used as input variables to the MLP (Multi Layer Perceptron) Neural Network model. Data set from 1976 to 2000 was selected as the training period for the parameter calibration and data from 2001 to 2010 was set as the validation period for the drought forecast. The optimal model for drought forecast determined by training process was applied to drought forecast using SPI (3), SPI (6) and SPI (12) over different forecasting lead time (1 to 6 months). Drought forecast with SPI (3) shows good result only in case of 1 month forecast lead time, SPI (6) shows good accordance with observed data for 1-3 months forecast lead time and SPI (12) shows relatively good results in case of up to 1~5 months forecast lead time. The analysis of this study shows that SPI (3) can be used for only 1-month short-term drought forecast. SPI (6) and SPI (12) have advantage over long-term drought forecast for 3~5 months lead time.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.56-56
• /
• 2017

홍수와 달리 가뭄은 장기적인 강수량 부족에 의해 발생하는 자연해로, 불확실성이 큰 장기(계절) 기상예보를 토대로 대비하기는 어려운 것이 현실이다. 가뭄에 대비하기 위해 가뭄의 진행상황을 관찰할 수 있는 다양한 가뭄지수가 활용되고 있다. 가뭄은 기상학적 가뭄, 농업적 가뭄, 수문학적 가뭄, 사회경제학적 가뭄으로 분류되고, 이를 정량적으로 평가하고 가뭄의 진행상황을 파악하기 위해 강수량, 유출량, 저수지의 저수량, 지하수, 토양수분 등 다양한 인자들이 사용된다. 일반적으로 널리 사용되고 있는 가뭄지수는 평균에 대한 부족한 정도를 지수화해서 나타낸다. 하지만 우리가 가용할 수 없는 많은 양의 강수량 및 유출량(또는 저수지 유입량)이 가뭄지수를 산정하는 기간 동안 지속적으로 영향을 주게 된다. 이는 짧은 기간 동안 매우 많은 강수 후 가뭄이 지속 되었을 경우, 이를 정상의 상태로 나타낼 수 있다는 것을 의미한다. 이와 같은 가뭄지수를 통해 가뭄에 대처하기 위한 기준을 수립하기에는 한계가 있음을 나타낸다. 우리나라의 경우 취수량의 대부분을 댐과 하천수에 의존한다. 하천수량이 댐의 방류량에 의한 의존도가 높은 현실에서 우리가 체감하는 가뭄은 댐의 용수확보와 공급에 가장 큰 영향을 받는다고 할 수 있다. 댐은 용량의 제한이 있으며, 계획된 용수공급량과 저수량 부족 시 용수공급을 조절하는 기준이 있다. 따라서 과거 관측된 유입량과 용수공급 계획량, 용수공급 조정 기준을 통해 저수지 운영을 모의하게 되면, 용수공급을 감축하는 시점을 확인 할 수 있다. 이를 활용하여 적절한 유입량의 상한계를 설정할 수 있으며, 이는 가뭄에 대비하는 댐 운영에 활용할 수 있는 가뭄지수로 활용할 수 있다. 이는 댐의 용수 공급과 직접적으로 연관되어 있으므로, 체감할 수 있는 가뭄전달 도구로 활용이 가능하다. 이와 같이 제시된 유입량 가뭄지수를 기존의 대표적인 가뭄지수와 비교하여 활용성을 평가하였다. 우리가 사용할 수 있는 물이 부족한 현상을 '물부족'으로 표현하고, 강수량의 부족을 '가뭄'으로 표현해야 한다는 주장이 있다. 하지만 강수량 부족에 기인한 물부족을 가뭄으로 표현하고 이를 정량적으로 나타내는 것이 가뭄에 대처해야하는 용수 관리자에게 유용할 뿐만 아니라, 일반 국민들에게 체감할 수 있는 가뭄정보를 제공하는데 도움이 될 것이다.