• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.948-948
• /
• 2012

합천댐유역에 대한 기후변화에 따른 수문학적 영향을 정량적으로 분석하기 위해, 기상청에서 제공하는 공간해상도 27km의 MM5 RCM(Regional Climate Model)을 사용하였다. RCM의 기상변수들은 공간적 스케일의 상이성과 RCM 기후변수들의 불확실성 때문에 유출모형인 SWAT의 입력자료로 사용하기에는 어려움이 있다. 특히, RCM 변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67%이상이 집중되는 계절성을 반영하지 못하고 있는 실정이기 때문에 국내 유역의 유출량 산정에 사용하기 위해서는 지역적 상세화(Downscaling)가 필요하다. 본 연구에서는 RCM 기후변수에 내포된 공간적 스케일의 상이성과 불확실성을 최소화하기 위해 강우관측소 지점을 단위로 한 다지점 인공신경망 기법을 적용하여 강수량, 습도, 최고기온 및 최저기온에 대한 상세화를 실시하였다. 강수의 경우 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline(1991~2010)과 Projection(2011~2100) 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다. 상세화된 기후자료를 이용한 SWAT 모형의 일(Daily) 단위 강우-유출 모의결과를 2011~2040년, 2041~2070년, 2071~2100년으로 구분하여 추세분석을 실시하였다.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.5
• /
• pp.1087-1095
• /
• 2015

Influenza, commonly known as "the flu", is an infectious disease caused by the influenza virus. We consider, in this paper, regression models as a prediction model of influenza disease. While most of previous researches use mainly the meteorological variables as a predictive variables, we consider social media information in the models. As a result, we found that the contributions of two-type of informations are comparable. We used the medical treatment data of influenza provided by Natioal Health Insurance Survice (NHIS) and the meteorological data provided by Korea Meteorological Administration (KMA). We collect social media information (twitter buzz amount) from Twitter. Time series model is also considered for comparison.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.6
• /
• pp.1409-1416
• /
• 2015

The change of temperature influences on the various aspect, especially human health, plant and animal's growth, economics, industry, and culture of the country. In this article, the autoregressive error (ARE) model has been considered for analyzing the monthly temperature data at the Suwon monitoring site in Korea. In the ARE model, five meteorological variables, four greenhouse gas variables and five pollution variables are used as the explanatory variables for the temperature data set. The five meteorological variables are wind speed, rainfall, radiation, amount of cloud, and relative humidity. The four greenhouse gas variables are carbon dioxide ($CO_2$), methane ($CH_4$), nitrous oxide ($N_2O$), and chlorofluorocarbon ($CFC_{11}$). And the five air pollution explanatory variables are particulate matter ($PM_{10}$), sulfur dioxide ($SO_2$), nitrogen dioxide ($NO_2$), ozone ($O_3$), and carbon monoxide (CO). Among five meteorological variables, radiation, amount of cloud, and wind speed are more influence on the temperature. The radiation influences during spring, summer and fall, whereas wind speed influences for the winter time. Also, among four greenhouse gas variables and five pollution variables, chlorofluorocarbon, methane, and ozone are more influence on the temperature. The monthly ARE model explained about 43-69% for describing the temperature.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.19 no.5
• /
• pp.480-488
• /
• 2018

The development of information and communication technology has been carried out actively in the field of agriculture to generate valuable information from large amounts of data and apply big data technology to utilize it. Crops and their varieties are determined by the influence of the natural environment such as temperature, precipitation, and sunshine hours. This paper derives the climatic factors affecting the production of crops using the garlic growth process and daily meteorological variables. A prediction model was also developed for the production of garlic per unit area. A big data analysis technique considering the growth stage of garlic was used. In the exploratory data analysis process, various agricultural production data, such as the production volume, wholesale market load, and growth data were provided from the National Statistical Office, the Rural Development Administration, and Korea Rural Economic Institute. Various meteorological data, such as AWS, ASOS, and special status data, were collected and utilized from the Korea Meteorological Agency. The correlation analysis process was designed by comparing the prediction power of the models and fitness of models derived from the variable selection, candidate model derivation, model diagnosis, and scenario prediction. Numerous weather factor variables were selected as descriptive variables by factor analysis to reduce the dimensions. Using this method, it was possible to effectively control the multicollinearity and low degree of freedom that can occur in regression analysis and improve the fitness and predictive power of regression analysis.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.83-83
• /
• 2016

가뭄은 발생과정과 피해영향에 따라서 기상학적, 농업적, 수문학적, 사회경제적 가뭄으로 구분되고 있다. 강수의 부족은 기상학적 가뭄을 발생시키고, 기상학적 가뭄이 지속되면 토양수분 부족으로 농작물의 피해를 가져오는 농업적 가뭄이 나타난다. 이어서, 지표 및 지표 아래의 수자원량이 평년수준 이하로 감소하면서 수문학적 가뭄이 발생한다. 이와 같이 다른 종류의 가뭄으로 가뭄이 변화하는 현상을 가뭄 전이(Drought Propagation)라고 한다. 강수량의 부족만으로 판단되는 기상학적 가뭄은 가뭄 상황의 판단은 간단지만, 체감으로 느끼는 가뭄과 차이가 존재한다. 수문학적 가뭄은 실제 물이용과 관련이 높아 효율적인 물 관리를 위해서는 수문학적 가뭄에 대한 정보가 필요하다. 하지만 수문학적 가뭄은 기상학적 인자들뿐만 아니라 수문순환과정의 영향을 받아 가뭄의 발생과정이 복잡하기 때문에 판단 및 예측이 어렵다. 본 연구에서는 가뭄의 전이관계를 도출함으로써, 기상학적 가뭄에서 수문학적 가뭄으로 발전되는 가뭄의 크기를 파악하고자 한다. 가뭄은 판단기준에 따라서 다양하게 정의될 수 있다. 본 연구에서는 기상학적 가뭄은 강우량으로, 수문학적 가뭄은 유역별 댐의 저수율, 유입량 및 지하수위를 활용하여 가뭄을 정의하며, 가뭄사상은 임계수준방법(threshold level approach)과 풀링기법(pooling method)을 수문기상 변수들에 적용하여 추출하였다. 수문학적 가뭄은 기상학적 가뭄이 발생한 이후, 가뭄 상황이 일정기간 지속되는 상황에 발생하는 결과가 확인되었다. 기상학적 가뭄에서 수문학적 가뭄이 전이되는 현상을 바탕으로 기상학적 가뭄의 상황에 따라서 미래의 수문학적 가뭄의 변화 양상에 대하여 예측가능하며, 가뭄의 전이관계는 수문학적 가뭄의 예측을 위한 자료로 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.195-195
• /
• 2022

도림천의 최상류인 관악산 유역에 서울대학교 관악캠퍼스가 건설되었다. 이로 인해 물순환은 기존의 자연 상태에서 점점 변해 왔는데, 이는 하류 도림천의 홍수 및 수질 오염의 피해를 증가시켰다. 도시화된 서울대학교 관악캠퍼스의 물순환 회복은 하류 홍수피해 방지와 지속 가능한 친환경 캠퍼스를 위해 중요하나, 이에 관한 연구는 미흡한 실정이다. 따라서 본 연구에서는 SWMM(Storm Wastewater Management Model)을 활용하여 캠퍼스 내 물순환 현황을 시간과 공간에 대해 정량적으로 파악하고, 물순환 회복을 위해 지속 가능한 효율적인 시스템을 구현하고자 한다. 먼저 유역 현황 조사와 함께 SWMM 구축에 필요한 수문·기상학적 변수와 물리적 매개변수를 확립하였다. 수문·기상학적 변수로는 기상관측장비 ATMOS-41의 설치와 기상청 자료로부터 수집하였으며, 물리적 매개변수는 환경부의 자료를 활용하였다. 그 후, 서울대-도림천 배수분구에 대해 SWMM을 적용하여 월별로 유출량, 침투량, 그리고 증발산량을 모의하였다. 시간에 따른 물순환 분석의 경우 강수량 자료와 불투수율의 변화 정도에 따라 월별 물수지 비율을 파악하고, 공간에 따른 물순환 분석의 경우 동일한 기간에 대해 분할한 16개의 소유역 별 유출량과 유역의 평균 유출량을 비교하여 분석하였다. 대상 유역의 월별 물수지 비율을 모의하는데 효율성을 높이고자 배수 구역 및 관망을 세밀하게 나눈 경우와 그렇지 않은 경우에 대해 분석하였다. 그 결과, 시간에 따른 연평균 물수지 비율의 차이는 2020년 모의 결과와 최근 5년 평균(2015~2019년) 모의 결과 비교 시 각 물수지 항목별로 0.47~2.34%의 차이를 보였다. 공간적으로는 16개 소유역 중 저류시설을 포함한 9개 소유역의 표면 유출량이 유역의 평균 유출량보다 많게 모의 되었다. 또한, 유역을 구성할 때보다 관망을 구성할 때 높은 정확성이 요구됨을 알 수 있었다. 본 연구는 ATMOS-41을 통한 지속적인 수문·기상학적 요소의 모니터링과 SWMM 모델 구축을 통해 앞으로도 변경사항을 추가함으로써 친환경 캠퍼스로의 전환에 이바지할 것으로 기대한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.194-198
• /
• 2007

융설 모형의 중요 매개변수인 적설분포면적은 실제 우리나라에서 적설과 관련한 관측 자료의 부족으로 인해 매개변수 추정이 어렵다. 이러한 문제점 해결을 위해 원격탐사기법을 활용하여 적설분포면적을 추출하였다. 본 연구에서는 1997년부터 2006년까지의 겨울철 NOAA (National Oceanic and Atmospheric Administration)의 AVHRR(Advanced Very High Resolution Radiometer) 위성영상의 8 sets의 총 108개 영상을 이용하여 적설분포면적을 추출하였고, 기상청의 지상기상관측소의 최심적설심 자료를 이용하여 GIS 자료를 구축함으로써 적설심의 공간적 분포를 추출하였다. 이를 국내 5대유역인 한강, 낙동강, 금강, 영산강, 섬진강 유역에 대하여 융설모형의 주요 매개변수인 적설분포면적, 유역 평균, 최대 적설심과 적설분포감소비곡선을 구축하였다. 그 중 적설분포면적감소곡선 (SDC : Snow cover Depletion Curve)는 적설분포면적의 감소형태를 나타내주는 지표로써 융설의 가장 민감한 매개변수이다. 이를 국내 5대강 유역에 대해 구축하여 정량화하였다.

• The Korean Journal of Applied Statistics
• /
• v.31 no.1
• /
• pp.139-153
• /
• 2018

This paper investigates solar power forecasting based on several time series models. First, we consider weather variables that influence forecasting procedures as well as compare forecasting accuracies between time series models such as ARIMAX, Holt-Winters and Artificial Neural Network (ANN) models. The results show that ten models forecasting 24hour data have better performance than single models for 24 hours.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.16 no.2
• /
• pp.125-130
• /
• 2014

Forest recreation is done outdoor, so weather has impact on forest recreation. Impact of temperature on forest recreation has been studied. However, impact of precipitation on forest recreation has not been studied yet. This article paid attention to rainfall and rainy day among the variables explaining the visitor number of national park. We analyzed whether rainfall and rainy day have impact on visitor number. As the result of analysis, rainy day had impact on the visitor number of national park in Korea, and the degree of the impact was inelastic. However, rainfall could not explain the visitor number of national park. It is needed to monitor the impact of precipitation on forest recreation demand.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.6
• /
• pp.1117-1124
• /
• 2010

The PM10 (Promethium 10) data is one of the important environmental data for measurement of the atmospheric condition of the country. In this article, the Autoregressive Error (ARE) model has been considered for analyzing the monthly PM10 data at the southern part of the Gyeonggi-Do, Suwon monitoring site in Korea. In the ARE model, six meteorological variables and four pollution variables are used as the explanatory variables for the PM10 data set. The six meteorological variables are daily maximum temperature, wind speed, relative humidity, rainfall, radiation, and amount of cloud. The four air pollution explanatory variables are sulfur dioxide ($SO_2$), nitrogen dioxide ($NO_2$), carbon monoxide (CO), and ozone ($O_3$). The result showed that the monthly ARE models explained about 13-49% for describing the PM10 concentration.