• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.66-66
• /
• 2022

아날로그 기법은 대표적인 공간상세화 기법 중 하나로써, 과거 기상 현상이 미래 재현된다는 가정 하에 목표 시점과 가장 유사한 기상패턴을 보이는 과거 시점을 활용하여 공간상세화를 수행하는 방법이다. 상세화 목표 시점과 가장 유사한 과거 시점을 찾기 위해서는 선결되어야 하는 매개변수가 존재한다. 특히 상세화 성능에 민감한 것으로 알려진 매개변수로는 목표 시점과 유사한 과거 시점 탐색에 활용되는 시공간 범위, 상세화 변수와 역학적 관계를 가지고 있는 종관기상변수, 상세화에 활용되는 과거 시점의 개수 등이 있다. 아날로그 기법의 매개변수를 탐색하고자 하는 시도는 국외에서 여러 차례 진행되어 왔으나, 각 매개변수는 지역의 기상특징에 따라 상이한 결과를 나타내었다. 국내에서는 국외에서 수행한 탐색 결과를 활용하여 공간상세화를 주로 수행하여 왔지만, 보다 높은 성능의 상세화를 수행하기 위해서는 국내 지역에 맞는 매개변수를 활용하는 것이 타당하다. 본 연구에서는 국내 지역에 적합한 아날로그 공간상세화 매개변수를 탐색하고 이를 제시하고자 한다. 탐색된 매개변수는 아날로그 공간상세화 기법뿐만 아니라 다양한 공간상세화 기법에 활용하능한 정보이기 때문에, 연구결과의 활용성이 높을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.378-378
• /
• 2023

본 연구에서는 한반도 전지역의 격자화를 통해 다중유역에 대한 유출량 모의 능력 평가를 제시하고자 한다. 이를 위해 기상청에서 제공하는 ASOS(종관기상관측) 자료를 IDW(Inverse Distance Weighting) 보간법으로 격자화하였고, GIS(Geographic Information System)를 활용하여 지형자료를 격자에 맞추어 구축하였다. 이렇게 구축한 자료를 사용하여 다중유역의 유출량을 Variable Infiltration Capacity(VIC) 모형으로 모의하였다. VIC 모형은 토양, 식생 및 대기 사이의 물과 에너지의 물리적 교환을 모의하는 동시에 식생 다양성, 가변 침투가 있는 다중 토양층 및 비선형 기반 흐름을 고려하는 모형이다. 이러한 모형을 다중유역에 대해 전역 매개변수를 추정하였고 총 26개의 다중관측지점에서 일별 유출량을 모의하였다. 모의된 유출량은 NSE(Nash-Sutcliffe Efficiency)를 통해 평가하였다. 본 연구에서 구축한 대규모 수문모형은 향후 우리나라의 다양한 수자원 관리(Water resources management)에 활용될 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.164-164
• /
• 2022

대기의 습한 정도는 기상 현상과 밀접한 관계를 가진다. 공기가 건조하면 가뭄이나 산불이, 반대로 습윤하면 홍수나 극한 강우가 내리기 쉽다. 산업화 이후 지구의 평균 기온이 상승하면서, 세계적으로 상대습도가 감소하는 경향성이 보고되고 있다. 이러한 경향이 우리나라에서도 확인되는지 파악하고자, 이 연구에서는 장기간에 걸친 상대습도 관측치가 존재하는 종관기상관측소 6개소의 자료를 분석하였다. 기온은 시간에 따라 증가하고, 포화 수증기압도 그에 따라 증가해온 것으로 나타났다. 하지만, 상대습도의 증감은 포화 수증기압뿐만 아니라 실제 수증기압의 변화에도 민감하게 반응한다. 우리는 실제 수증기압 변화의 원인을 수증기압에 영향을 주는 다양한 기후 변수들의 시계열 자료를 통해 분석해보았다. 우리나라 지역별로 상당한 변동성이 나타났는데, 대표적으로 동해안과 서해안 사이의 차이, 내륙과 해안의 차이에 대해 자세히 발표할 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.336-336
• /
• 2019

기후변화는 미래 수문 순환 및 수자원에 악영향을 미칠 수 있는 가장 잠재력이 큰 요인이다. 특히 강우량의 변동은 가뭄 홍수를 더욱 양극화 할 수 있으며, 지역별 수문 순환에 막대한 영향을 주기 때문에 수자원 관리 계획 수립 시 기후변화 요소를 필히 고려해야 한다. 추계 강우 생성 모형은 상대적으로 적은 매개변수를 이용하여 긴 강우 시나리오를 생성할 수 있는 장점을 바탕으로 기후 변화와 결합하여 기후 변화 영향 평가에 활발하게 활용되고 있다. 본 연구에서는 General Circulation Model(GCM)으로 모의한 미래 월강우 자료에서 기후변화에 따른 강우량의 변화를 변동 인자(Change factor)로 정량화하고, 강우생성모형인 THM(The hybrid model)에 적용하여 미래 강우 시나리오를 모의하고자 한다. 먼저 기상청 28개 종관기상관측소를 대상으로 강우생성모형의 성능을 평가 하였고, 그 결과 집성기간 1시간-1일에 해당하는 강우의 통계치를 성공적으로 재현함을 확인하였다. 본 연구에서 생성된 미래 강우 시나리오는 1) 기후변화를 고려하였으며, 2) 시 단위의 고해상도 강우자료이며, 3) 수문 모의에 필요한 만큼 충분히 길게 생성할 수 있기 때문에 미래 수자원 관리 계획 및 수문 분석에 효과적으로 활용될 것이다.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.7
• /
• pp.57-65
• /
• 2023

Various studies to enhance the accuracy of rice production forecasting are focused on improving the accuracy of the models. In contrast, there is a relative lack of research regarding the data itself, which the prediction models are applied to. When applying the same dependent variable and prediction model to two different sets of rice production data composed of distinct features, discrepancies in results can occur. It is challenging to determine which dataset yields superior results under such circumstances. To address this issue, by identifying potential influential features within the data before applying the prediction model and centering the modeling around these, it is possible to achieve stable prediction results regardless of the composition of the data. In this study, we propose a method to adjust the composition of the data's features in order to select optimal base variables, aiding in achieving stable and consistent predictions for rice production. This method makes use of the Korea Meteorological Administration's ASOS data. The findings of this study are expected to make a substantial contribution towards enhancing the utility of performance evaluations in future research endeavors.

• KOREAN JOURNAL OF CROP SCIENCE
• /
• v.36 no.3
• /
• pp.204-208
• /
• 1991

Five models for net radiation estimation reported by Linacre(1968), Berljand(1956), Nakayama et al. (1983), Chang (1970) and Doorenbos et al. (1977) were tested for the adaptability to Korea. A new model with effective longwave radiation term parameterized by air temperature, solar radiation and vapor pressure was formulated and tested for its accuracy. Above five models with original parameter values showed large absolute mean deviations ranging from 0.86 to 1.64 MJ/$m^2$/day. The parameters of the above five models were reestimated by using net radiation and meteorological elements measured in Suwon, Korea. These five models with new parameter values showed absolute mean deviations ranging from 0.74 to 0.88 MJ/$m^2$/day. The following model was newly formulated: Rn=(1- $\alpha$) Rs- $\sigma$ $T_{k}$$^{4}$ (0.0103 Exp (0 .0731 Rs) -0.0475 (equation omitted) +0 .2478) ($R^2$=0.997, n=63) where $\alpha$ =albedo, $\sigma$=Stefan-Boltzmann constant, Rs=solar radiation in MJ/$m^2$/day, Tk =air temperature in Kelvin and $e_{a}$=vapor pressure in mb. This model revealed 0.4988 MJ/$m^2$/day in absolute mean deviation when applied to an independent set of meteorological data.a.a.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.25 no.1
• /
• pp.28-36
• /
• 2023

Solar radiation that is measured at relatively small number of weather stations is one of key inputs to crop models for estimation of crop productivity. Solar radiation products derived from GK-2A and Himawari 8 satellite data have become available, which would allow for preparation of input data to crop models, especially for assessment of crop productivity under an agrivoltaic system where crop and power can be produced at the same time. The objective of this study was to compare the degree of agreement between the solar radiation products obtained from those satellite data. The sub hourly products for solar radiation were collected to prepare their daily summary for the period from May to October in 2020 during which both satellite products for solar radiation were available. Root mean square error (RMSE) and its normalized error (NRMSE) were determined for daily sum of solar radiation. The cumulative values of solar radiation for the study period were also compared to represent the impact of the errors for those products on crop growth simulations. It was found that the data product from the Himawari 8 satellite tended to have smaller values of RMSE and NRMSE than that from the GK-2A satellite. The Himawari 8 satellite product had smaller errors at a large number of weather stations when the cumulative solar radiation was compared with the measurements. This suggests that the use of Himawari 8 satellite products would cause less uncertainty than that of GK2-A products for estimation of crop yield. This merits further studies to apply the Himawari 8 satellites to estimation of solar power generation as well as crop yield under an agrivoltaic system.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.22 no.4
• /
• pp.239-249
• /
• 2020

Rice flour varieties have been developed to replace wheat, and consumption of rice flour has been encouraged. damage related to pre-harvest sprouting was occurring due to a weather disaster during the ripening period. Thus, it is necessary to develop pre-harvest sprouting rate prediction system to minimize damage for pre-harvest sprouting. Rice cultivation experiments from 20 17 to 20 19 were conducted with three rice flour varieties at six regions in Gangwon-do, Chungcheongbuk-do, and Gyeongsangbuk-do. Survey components were the heading date and pre-harvest sprouting at the harvest date. The weather data were collected daily mean temperature, relative humidity, and rainfall using Automated Synoptic Observing System (ASOS) with the same region name. Gradient Boosting Machine (GBM) which is a machine learning model, was used to predict the pre-harvest sprouting rate, and the training input variables were mean temperature, relative humidity, and total rainfall. Also, the experiment for the period from days after the heading date (DAH) to the subsequent period (DA2H) was conducted to establish the period related to pre-harvest sprouting. The data were divided into training-set and vali-set for calibration of period related to pre-harvest sprouting, and test-set for validation. The result for training-set and vali-set showed the highest score for a period of 22 DAH and 24 DA2H. The result for test-set tended to overpredict pre-harvest sprouting rate on a section smaller than 3.0 %. However, the result showed a high prediction performance (R2=0.76). Therefore, it is expected that the pre-harvest sprouting rate could be able to easily predict with weather components for a specific period using machine learning.