• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.118-118
• /
• 2023

물순환 과정의 구성요소 중 하나인 증발산(증발과 증산)은 각종 수자원시설물의 운영관리, 수자원계획 수립, 농업용 시설의 개발 및 운영관리 등에 필요한 매우 중요한 요소이다. 한편, 기후변화 등으로 '14~'19년 장기간 가뭄, '17년 가뭄상황에서도 태풍 '차바'에 의한 국지적 홍수, '20년 역대 최장기간 장마에 의한 대규모 홍수, '22년 태풍 '힌남노' 이후 남부지역 극심한 가뭄 등 가뭄과 홍수가 반복되어 물관리 여건이 매우 어려운 상황이다. 이러한 홍수/가뭄에 효과적으로 대응하기 위해 강우-유출 모형을 사용한다. 신뢰적인 예측결과를 얻기 위해서는 상세하고 정밀한 증발산량 추정이 필요하다. Penman-Monteith(PM) 기법으로 기준 증발산량을 산정하기 위해서는 최고·최저기온, 이슬점온도, 풍속, 일조시간 등의 기상자료가 필요하다. 이러한 자료는 전국 95개 ASOS 지점에만 얻을 수 있다. 계산된 95개 지점의 기준 증발산량은 티센망 등 방법으로 공간평균하여 활용한다. 95개 지점 자료만으로는 지역적 기상 특성을 반영하여 기준 증발산량을 산정하는데 한계가 있으며, 결국 강우-유출분석의 신뢰도 저하로 귀결된다. 본 연구는 기상청 ASOS 지점 외 AWS 590개 지점을 추가하여 기준 증발산량을 산정하여 공간적으로 상세화하였다. ASOS 지점들에 대해 PM 기법과 Hargreaves(HS) 기법으로 22년간의 일단위 기준 증발산량을 각각 계산하였다. 이들의 상관계수는 평균 0.85로 매우 높아, HS 기법으로 산정된 AWS 지점 결과의 추가사용이 적정하였다. 기온만을 사용하는 HS 기법, PM과 HS의 상관성 및 풍속을 반영한 2가지 보정 HS 기법으로 기준 증발산량을 계산하여 비교·분석하였다. 보정된 HS의 결과가 기존 HS 기법에 비해 오차가 적고, 자료의 편향성이 줄어드는 등 더 좋은 결과를 나타내었다. 따라서, 각종 수문분석에 보정 HS 기법을 AWS 지점에 확대·적용하고, ASOS 관측소의 PM 기법과 병행해 상세화하여 활용하면 수문분석의 신뢰성을 더욱 높일 수 있을 것이다.

• Journal of Korea Water Resources Association
• /
• v.51 no.spc
• /
• pp.1057-1066
• /
• 2018

Climate change has been influenced on extreme precipitation events, which are major driving causes of flooding. Especially, most of extreme water-related disasters in Korea occur from floods induced by extreme precipitation events. However, future climate change scenarios simulated with Global Circulation Models (GCMs) or Reigonal Climate Models (RCMs) are limited to the application on medium and small size rivers and urban watersheds due to coarse spatial and temporal resolutions. Therefore, the current study introduces the state-of-the-art approaches and procedures of statistical downscaling techniques to resolve this limitation It is expected that the temporally downscaled data allows frequency analysis for the future precipitation and estimating the design precipitation for disaster prevention.

• Korean Journal of Remote Sensing
• /
• v.29 no.1
• /
• pp.69-79
• /
• 2013

This paper presents a two-stage geostatistical integration approach that aims at downscaling of coarse scale remote sensing data. First, downscaling of the coarse scale sedoncary data is implemented using area-to-point kriging, and this result will be used as trend components on the next integration stage. Then simple kriging with local varying means that integrates sparse precise observation data with the downscaled data is applied to generate thematic information at a finer scale. The presented approach can not only account for the statistical relationships between precise observation and secondary data acquired at the different scales, but also to calibrate the errors in the secondary data through the integration with precise observation data. An experiment for precipitation mapping with weather station data and TRMM (Tropical Rainfall Measuring Mission) data acquired at a coarse scale is carried out to illustrate the applicability of the presented approach. From the experiment, the geostatistical downscaling approach applied in this paper could generate detailed thematic information at various finer target scales that reproduced the original TRMM precipitation values when upscaled. And the integration of the downscaled secondary information with precise observation data showed better prediction capability than that of a conventional univariate kriging algorithm. Thus, it is expected that the presented approach would be effectively used for downscaling of coarse scale data with various data acquired at different scales.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.309-309
• /
• 2019

기후예측모델을 통해 일단위 강수의 예측정보가 제공되고 있지만, 실제 강수량자료와 시공간적 편의로 인해 수문학적 활용은 한계가 있다. 일반적으로 기후모델의 시공간적 해석 규모 및 예측정확성을 고려할 때 계절단위에서 예측정보의 활용이 가장 현실적인 것으로 알려지고 있다. 그러나 수문해석 시 시공간적 해상도가 낮아 직접적인 활용은 어려운 상황이며, 수문해석 모형의 입력자료로 활용 시 편의보정 및 상세화 과정이 일반적으로 요구된다. 본 연구에서는 기후모델로부터 얻은 강우예측결과에 Bayesian 모델 기반의 편의보정-상세화 기법을 개발하여 강우예측정보의 활용성을 개선하고자 한다. 이 과정에서 Bayesian Copula 모델을 이용한 이변량 형태의 예측강수의 검보정 방법을 개발하였으며, 특히 기후모델 이외의 기상 상태변량인 해수면온도(sea surface temperature, SST)를 예측인자로 추가하여 Hybrid 형태의 계절 앙상블 강우예측모델을 개발하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.276-276
• /
• 2012

일반적으로 기후변화영향에 관한 연구수행을 위해 전지구기후모형(GCM; Global Climate Model)이 사용되고 있다. 하지만 GCM은 공간해상도(Spatial resolution)가 거칠기 때문에 수문학 분야에서 주로 사용되는 유역규모의 지역적인 스케일특성과 물리적 특징을 표현하는데 한계가 있다. 또한 GCM 기후변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67% 이상이 집중되는 계절성을 반영하지 못하고 있으며, 높은 불확실성을 보이고 있다. 본 연구에서는 GCM 기반의 다지점 인공신경망기법을 적용한 상세화(Downscaling)를 실시하였다. GCM의 24개 2D변수에 대한 주성분분석을 실시하여 신경망의 학습인자로 사용하였으며, 학습, 검증 및 예측기간은 각각 1981~1995년, 1996~2000년, 2011~2100년으로 A1B 시나리오를 대상으로 상세화를 실시하였다. 또한, 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline과 Projection 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10c
• /
• pp.453-457
• /
• 2006

프로그램 구현 방법에 편중되어온 기존의 AOSD 방법론이 최근에는 전체 개발 라이프사이클에서 초기 요구사항의 중요성이 강조되면서 요구사항 모델링, 분석, 설계분야에서 많은 연구가 진행되고 있다. 하지만, 요구사항 분석에서 추출된 관심사를 설계하여 구현 단계로 변환하는 과정에서 아직까지 상세화된 프로세스가 부족하다. 본 논문에서는 횡단 관심사 구현 명세 기법을 제시한다. 이 기법은 추출된 관심사를 구현 코드로 변환하기 위한 4단계의 프로세스로 구성되어 있다. 상세화된 명세 기법과 가이드라인은 AOSD에서 해결하기 어려운 설계에서 구현간의 갭을 줄여줌으로써 이해 및 유지보수성을 높여준다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.35 no.2
• /
• pp.327-340
• /
• 2015

General Circulation Models (GCMs) are the basic tool used for modelling climate. However, the spatio-temporal discrepancy between GCM and observed value, therefore, the models deliver output that are generally required calibration for applied studies. Which is generally done by Multi-Model Ensemble (MME) approach. Stochastic downscaling methods have been used extensively to generate long-term weather sequences from finite observed records. A primary objective of this study is to develop a forecasting scheme which is able to make use of a MME of different GCMs. This study employed a Nonstationary Hidden Markov Chain Model (NHMM) as a main tool for downscaling seasonal ensemble forecasts over 3 month period, providing daily forecasts. Our results showed that the proposed downscaling scheme can provide the skillful forecasts as inputs for hydrologic modeling, which in turn may improve water resources management. An application to the Nakdong watershed in South Korea illustrates how the proposed approach can lead to potentially reliable information for water resources management.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.345-351
• /
• 2008

미래의 기후변화 영향평가에 있어 전지구모형(General Circulation Model)은 가장 중요한 자료 중 하나이다. 즉, 온실가스 방출(emission) 시나리오에 기초한 전지구모형의 모의결과를 이용하면 미래 수자원에 대한 정보를 얻을 수 있다. 하지만 미래 수자원은 방출 시나리오, 상세화(downscaling) 기법, 강우-유출모형, 전지구모형의 종류에 따라 크게 달라질 수 있어 매우 큰 불확실성(uncertainty)을 포함하고 있다. 이러한 불확실성을 줄이는 방법 중 하나로 전지구모형의 모의능력에 따라 가중치(weight)를 부여하고 결합(combining)하는 multi-model 앙상블(ensemble) 기법이 선진국을 중심으로 활발히 연구되고 있다. 본 연구에서는 우선 기후변화 영향평가를 위하여 국내에서 사용가능한 전지구모형을 조사하고 그 중CCSM3, CSRIO, ECHAM4, GFDL, MIRCO를 선택하였다. 한강 충주댐 유역에 대하여 과거($1980{\sim}1999$년)와 미래($2030{\sim}2049$년) 기간에 대하여 전지구모형의 기후정보를 간단한 선형보간법을 이용하여 상세화하였다. 다음으로 multi-model 앙상블 기법을 조사하였다. 본 연구에서는 Giorgi et al.(2002)이 제안한 Reliability Ensemble Average(REA) 기법을 적용하여 선형보간법으로 상세화한 전지구모형의 모의결과에 가중치를 주어 불확실성을 줄이는 연구를 수행하였다. 특히 REA를 구성하는 식 중 모형의 편차(bias) 뿐만 아니라 분산(variance)까지 고려함으로서 이를 개선하는 Modified-REA를 제안하였다. 제안한 방안을 이용하여 결합한 전지구모형의 모의결과가 기존 REA의 결과보다 기후정보의 불확실성을 더 줄일 수 있는 것으로 나타났다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.14 no.3
• /
• pp.136-149
• /
• 2011

The aim of this study is to develop future climate scenario by downscaling the regional climate model (RCM) from global climate model (GCM) based on IPCC A1B scenario. To this end, the study first resampled the KMA-RCM(Korea meteorological administration-regional climate model) from spatial resolution of 27km to 1km. Second, observed climatic data of temperature and rainfall through 1971-2000 were processed to reflect the temperature lapse rate with respect to the altitude of each meteorological observation station. To optimize the downscaled results, Co-kriging was used to calculate temperature lapse-rate; and IDW was used to calculate rainfall lapse rate. Fourth, to verify results of the study we performed correlation analysis between future climate change projection data and observation data through the years 2001-2010. In this study the past climate data (1971-2000), future climate change scenarios(A1B), KMA-RCM(Korea meteorological administration-regional climate model) results and the 1km DEM were used. The research area is entire South Korea and the study period is from 1971 to 2100. Monthly mean temperatures and rainfall with spatial resolution of 1km * 1km were produced as a result of research. Annual average temperature and precipitation had increased by $1.39^{\circ}C$ and 271.23mm during 1971 to 2100. The development of downscaling method using GIS and verification with observed data could reduce the uncertainty of future climate change projection.