• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.310-310
• /
• 2019

본 연구에서는 기상청 ASOS(종관기상관측장비) 자료와 통계적 기반의 다중회귀분석모형을 이용하여 경안천 유역에 대한 봄철 강수량(3~5월 누적강수량)의 예측성을 평가하였다. 예측대상기간은 2006~2018년이며 예측인자로서 전국 96개 지점의 ASOS 자료 중 35개 기상요소에 대한 월 자료를 활용하였다. 전망기간(1~12개월)에 따라 강수량 기준 최소 1개월에서 최대 24개월까지의 지체시간을 고려하여 1~24개월 선행 ASOS 기상자료와 강수량 사이의 상관성을 분석하였다. 예측대상년도를 기준으로 과거 40년간의 자료를 이용하여 상관성 분석을 수행하였으며, 상관성이 높은 상위 30개 기상인자를 조합하여 다중회귀분석모형의 예측인자(독립변수)로 활용하였다. 예측대상년도와 전망기간에 따라 최적의 예측인자를 조합하고, 교차검증을 통하여 각각 4,000개의 다중회귀모형을 도출하여 예측범위를 산출하였다. 다중회귀모형에 의한 예측범위를 분석한 결과, 2013년 자료까지는 예측범위가 관측값을 잘 포함하고 예측값의 평균이나 중간값이 관측값과 유사하게 나타난 반면, 2014년부터는 전망기간에 따라 관측값과 예측범위의 차이가 크게 나타나는 경우도 있었다. 예측치의 중간값을 기준으로 3분위(평년 이상, 평년 수준, 평년 이하) 적중률을 분석하면, 2006~2013년에 대해서는 58.3%인 반면, 2014~2018년에 대해서는 11.2% 수준으로 나타났다.

• Journal of the Korean earth science society
• /
• v.44 no.2
• /
• pp.105-118
• /
• 2023

In this study, we predicted the presence of fog with a one-hour delay using the XGBoost DART machine learning algorithm for Andong, which had the highest occurrence of fog among inland stations from 2016 to 2020. We used six datasets: meteorological data, agricultural observation data, additional derived data, and their expanded data. The weather phenomenon numbers obtained through naked-eye observations and the visibility distances measured by visibility meters were classified as fog [1] or no-fog [0]. We set up twelve machine learning modeling experiments and used data from 2021 for model validation. We mainly evaluated model performance using recall and AUC-ROC, considering the harmful effects of fog on society and local communities. The combination of oversampled meteorological data features and the target induced by weather phenomenon numbers showed the best performance. This result highlights the importance of naked-eye observations in predicting fog using machine learning algorithms.

• Proceedings of The Korean Society of Agricultural and Forest Meteorology Conference
• /
• 2019.08a
• /
• pp.255-256
• /
• 2019

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.30 no.5
• /
• pp.223-233
• /
• 2018

The predictability of winter storm waves using KMA's operational wind forecasts has been studied to predict wind waves and swells in the East coast of Korea using SWAN. The nested model were employed along the East coast of Korea to simulate the wave transformation in the coastal area and wave dissipation term of whitecapping is optimized to improve swell prediction accuracy. In this study, KMA's operational meteorological models (RDAPS and LDAPS) are used as input wind fields. In order to evaluate model accuracy, we also simulate wind waves and swells using ECMWF reanalysis and KIOST WRF wind and they are compared with the KMA's operational wave model and the wave measurement data on the offshore and onshore stations. As a result, it has the lowest RMSE and the highest correlation coefficient in the onshore when the input wind fields are KMA's operational meteorological forecasts. In the offshore, all of the simulate results shows good agreements with similar error statistics. It means that it is very feasible to use SWAN model with the modified whitecapping factor and KMA's operational meteorological forecasts for predicting the wind waves and swells in the East coast of Korea.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.14 no.2
• /
• pp.53-62
• /
• 2012

Demand for high resolution weather data grows in the agriculture and forestry fields. Local Analysis and Prediction System (LAPS) can be used to analyze the local weather at high spatial and temporal resolution, utilizing the data from various sources including numerical weather prediction models, wind or temperature profilers, Automated Weather Station (AWS) networks, radars, and satellites. LAPS has been set to analyze weather elements such as air temperature, relative humidity, wind speed, and wind direction every hour at the spatial resolution of $100m{\times}100m$ for Gyeonggi-do on near real-time basis. The AWS data were revised by adding the agricultural field AWS data (33 stations) in addition to the KMA data. The analysis periods were from 1 to 31 August 2009 and from 15 to 21 February 2010. The comparison of the LAPS output showed the smaller errors when using the agricultural AWS observation data together with the KMA data as its input data than using only either the agricultural or KMA AWS data. The accuracy of the current system needs improvement by further optimization of analyzing options of the system. However, the system is highly applicable to various fields in agriculture and forestry because it can provide site specific data with reasonable time intervals.

• Journal of Korea Water Resources Association
• /
• v.36 no.5
• /
• pp.839-849
• /
• 2003

Drought is one of the major environmental disasters. Weather data, particularity rainfall, are currently the primary source of information widely used for drought monitoring. However, weather data are often from a very sparse meteorological network, incomplete and/or not always available in good time to enable relatively accurate and timely drought detection. Data from remote sensing platforms can be used to complements weather data in drought. Therefore, data obtained from the Advanced Very High Resolution Radiometer(AVHRR) sensor on board the NOAA polar-orbiting satellites have been studied as a tool for drought monitoring. The normalized difference vegetation index(NDVI)-based vegetation condition index(VCI) were used in this study These indices showed their excellent ability to detect vegetation stress due to drought. The results clearly show that temporal and spatial characteristics of drought in Korea can be detected and mapped by the VCI index.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.468-468
• /
• 2017

최근 기후변화로 인해 수자원 위험요소인 가뭄 및 홍수피해가 증가하고 있으며, 인구증가에 따른 수량감소로 수자원관리가 더욱 어려워지고 있는 실정이다. 효율적인 수자원관리 및 기후변화 대응을 위해 세계 물시장은 점점 증가하고 있으며, 이에 따라 국내기업 또한 해외사업 진출을 추진하고 있으나, 사업에 필수적인 기상, 수문 등 기초자료의 부재로 어려움을 겪고 있다. 본 연구에서는 국내기업의 해외사업 진출 시 필요한 기상, 지형, 수문, 인문 사회 등 기초자료를 제공하는 글로벌 수자원정보제공시스템(Global Water Bank, GWB)을 설계 및 개발하고자 한다. 국내 외 예비타당성보고서 및 국내에서 수집 가능한 국외 정보현황을 분석하여 자료 제공인자를 도출하였으며, 이를 토대로 시스템 내 제공항목을 기상, 지형, 수문해석, 인문 사회, 기후변화 자료로 구분하였다. 해외시장 진출범위를 고려하여 자료의 공간적인 범위를 전지구로 설정하였으며, 전지구 자료의 가용성을 검토하여 제공자료를 구축하였다. 기상자료는 NCDC (National Climate Data Center)의 관측 지점자료와 APHRODITE (Asian Precipitation - Highly-Resolved Observational Data Integration Towards Evaluation) 격자자료를 수집하였으며, 오 결측 자료는 품질검토를 수행하여 보정하였다. 지형자료의 경우 USGS (U.S. Geological Survey)의 DEM, FAO (Food and Agriculture Organization of the United Nations)의 토양도, UMD (University of Maryland)의 토지피복도를 구축하였다. 수문자료는 GRDC(Global Runoff Data Centre)의 관측 지점자료를 수집하였으며, 미계측 지역의 수문자료 구축을 위해 VIC(Variable Infiltration Capacity) 수문모형을 활용하여 $0.5^{\circ}$ 공간해상도의 격자 유출량 자료를 생산하였다. 인문 사회자료로 World Bank의 국가별 통계자료를 수집하였으며, 구축된 각 자료는 GWB 시스템을 통해 제공된다. 시스템의 시범운영을 위해 아시아 지역을 대상으로 GWB- 버전을 개발하였으며, 시범지역 내 관측자료와 비교분석하여 자료의 활용성을 검증하였다. 추후 GWB 시스템은 해외진출 사업 우선지역 선정 근거로 활용될 수 있는 가상수 및 물산업지수 등의 추가정보를 제공하고 타 지역으로 확대적용 예정이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.04b
• /
• pp.1025-1028
• /
• 2001

본 논문은 기후자료로 제공되는 기상 데이터베이스로부터 사람이 이해할 수 있는 수준의 분석문을 생성하는 시스템에 자연언어 생성 기술을 적용한 연구에 관한 것이다. 기상청에서 제공되는 여러가지 자료들을 이용하여 기상관련 지식을 획득하였으며, 제한된 영역에서 잘 구조화된 템플릿을 정의하고 담화관계를 설정함으로써 관련 기상자료에 대한 해설문을 생성할 수 있었다. 실험 결과, 본 시스템은 비교적 좋은 성능을 나타냄을 알 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.308-312
• /
• 2004

본 연구에서는 기상 수치모델의 예측강우량을 활용하여 단시간 하천유출량을 계산할 수 있는 기상-수자원 연계기법을 개발하였다. 이를 위해 기상청의 RDAPS 강수자료와 수자원공사의 치수모델인 KOWACO 모델을 통해 소양강댐 상류유역의 댐유입량을 계산하고 그 정확도를 분석하려다. 대상 사례기간인 2003년 7월 18일부터 2003년 7월 24일까지 RDAPS 강우예측자료의 정확도를 평가한 결과, RDAPS 및 AWS MAP 사이의 정성적 평가에서 매우 우수한 정확도를 보이고, 수자원 측면에서 필요한 정량적 성격을 어느 정도 충족시키는 것으로 나타났다. RDAPS-KOWACO 연계 모형의 하천유출량 계산에서도 그 정확도가 비교적 높은 것으로 검토되어 현재의 하천 유출량 예측에서 기상 수치예보자료의 활용성은 매우 놀은 것으로 사료된다.

• Journal of the Korean Data and Information Science Society
• /
• v.27 no.4
• /
• pp.969-977
• /
• 2016

Climate change affects the growth of crops which were planted especially in fields, and it becomes more important to use climate data to predict the yields of the major vagetables. The variation of the crop products caused by climate change is one of the significant factors for the discrepancy of the demand and supply, and leads to the price instability. In this paper, using a panel regression model, we predicted the garlic yields with the weather conditions of different regions. More specifically we used the panel data of the several climate variables for 15 main garlic production areas from 2006 to 2015. Seven variables (average temperature, average maximum temperature, average minimum temperature, average surface temperature, cumulative precipitation, average relative humidity, cumulative duration time of sunshine) for each month were considered, and most significant 7 variables were selected from the total 84 variables by the stepwise regression. The random effects model was chosen by the Hausman test. The average maximum temperature (January), the cumulative precipitation (March, October), the cumulative duration time of sunshine (April, October) were chosen among the variables as the significant climate variables of the model