• 한국지구과학회지
• /
• 제32권7호
• /
• pp.761-769
• /
• 2011

서울 기상 관측소(서울시 종로구 송월동, $37^{\circ}$34'N, $126^{\circ}$57'E, 이하 송월)의 일 최저기온과 결빙 자료, 그리고 인근인 한강 관측소($37^{\circ}$30'N, $126^{\circ}$57'E, 이하 한강)의 결빙 자료를 사용하여, 1907-2006년(100년) 동안 한국 서울에서의 결빙기후의 장기 변동을 조사하였다. 송월의 결빙은 옥외 노장의 물이 동결하는 현상으로 정의하였고, 이곳에서 6 km 떨어진 한강의 결빙은 한강 대교 남단에서 2번째와 4번째 교각의 상류 100 m 부근이 완전히 얼었을 때로 정의한다. 평균 첫 결빙일은 송월이 10월 28일, 한강이 12월 28일이며, 각각 0.78 days $decade^{-1}$와 3.47 days $decade^{-1}$로 점차 늦어지는 추세를 나타냈다. 평균 연 결빙 일수는 송월이 159.06일, 한강이 50.33일이며, 각각 2.01 days $decade^{-1}$와 5.24 days $decade^{-1}$로 감소하는 추세를 보였다. 특히, 1950년대 후반을 기점으로 변화율이 급변하였는데, 한강에서 100년 동안 발생한 7번의 무결빙해(1960, 1971, 1972, 1978, 1988, 1991, and 2006)도 모두 1950년대 이후에 발생하였다. 송월과 한강에서 첫 결빙일의 일 최저기온은 평균적으로 각각 $0.55^{\circ}C$와 $-12.22^{\circ}C$이다. 영하의 일 최저기온이 송월은 6.43일, 한강은 8.94일 지속되고 난 뒤 첫 결빙이 발생하였다. 송월과 한강의 연 최저기온에 대해서 첫 결빙일은 양의 상관을 보였고, 결빙 일수는 음의 상관을 보였다. 이러한 결과는 결빙기후의 변화가 기후변화의 일환으로 나타나는 기온변화와 유관함을 보였다. 향후 더 넓은 지역에서 다양한 추가 연구를 실시함으로써, 지속적으로 결빙기후를 주시하고자 한다.

• 한국농림기상학회지
• /
• 제25권2호
• /
• pp.80-98
• /
• 2023

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.

• 건강소식
• /
• 제32권8호
• /
• pp.24-25
• /
• 2008

열대야는 하루 최저 기온이 25도를 넘는 것으로 낮에 달구어진 지표면의 열기가 대기 중으로 빠져나가지 못해 일어난다. 열대야에서는 인체의 중추신경계가 흥분해 잠을 자지 못하거나 자주 깨며 이 때문에 다음날에 졸리고 피로한 '수면지연증후군'이 나타나기 쉽다. 무더운 여름 밤, 열대야 속에서 쾌적하게 잠자고 건강을 유지하는 특별한 방법에 대해 소개하고자 한다.

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2005년도 추계 학술발표논문집
• /
• pp.202-205
• /
• 2005

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2018년도 하계 학술발표초록집
• /
• pp.133-133
• /
• 2018

• 대한지리학회지
• /
• 제39권1호
• /
• pp.13-26
• /
• 2004

본 연구는 상대적 날씨 스트레스 지수로 NET의 적용 가능성을 파악하고자 하였다. 기상청에서 예보하고 있는 기온, 습도, 바람 자료를 이용하여 NET 값의 시공간적 분포 특성을 분석하였다. 여름철 스트레스 지수인 일 최고 NET의 지역별 스트레스 기준값은 바람과 습도보다는 기온의 영향을 받으므로 일 최고 기온의 분포와 유사하다. 겨울철 스트레스 지수인 일 최저 NET의 스트레스 기준값은 산지 지역과 서울 이북 지역에서는 낮은 기온의 영향을. 해안 지역에서는 강한 바람의 영향으로 기준값이 여름철에 비하여 다양하게 나타난다. 스트레스가 강한 날의 발생 빈도는 여름철은 뚜렷한 연변화가 나타나지 않지만, 겨울철에는 1990년대 중반 이후 뚜렷한 증가 경향을 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.205-205
• /
• 2016

우리나라의 겨울철 자연재해 중 대설에 의한 피해가 발생하는 빈도가 증가하고 있는 가운데 그 피해를 예측하고 대비하기 위한 연구들이 다수 진행되고 있다. 강설은 일단위로 측정하며, 매일 새롭게 내린 강설의 양인 최심신적설과 기존에 녹지 않고 쌓여 있던 깊이까지를 고려한 최심적설로 구분된다. 우리나라의 경우에는 갑작스럽게 내린 폭설에 의한 피해가 대부분이므로 최심신적설량을 예측하는 것이 매우 중요하다. 이에 본 연구에서는 다중회귀분석을 이용해 우리나라의 최심신적설량을 추정하기 위한 식을 개발하였다. 다중회귀분석을 위한 독립변수로는 해당 일에 예측된 강수량, 일평균기온, 일최고기온, 일최저기온을 사용하였으며, 강수량과 일평균기온의 상호작용을 고려할 수 있도록 모형을 구성하였다. 모형의 개발에는 전국 74개 기상관측소의 최심신적설 자료를 관측소 단위로 전체 자료의 2/3을 무작위로 추출하여 이용하였으며, 추출되지 않고 남은 1/3의 자료를 이용해 모형에 대한 검증을 실시하였다. 그 결과 상호작용항이 포함되지 않은 다중선형회귀모형에 비해 상호작용을 고려한 다중회귀모형의 예측력이 훨씬 우수하게 나타났다. 강수량과 기온이 정확하게 예측된다면 개발된 추정식을 이용해 간편하게 최심신적설량을 예측할 수 있어, 폭설에 대한 대비에 활용할 수 있을 것으로 판단된다.

• 한국농림기상학회지
• /
• 제7권3호
• /
• pp.192-200
• /
• 2005

본 연구는 배 신고 품종의 영양 진단을 위해 과총 잎과 신초 잎을 구별한 무기성분 변화와 기상요인이 잎의 무기성분 함량에 미치는 영향을 조사하였다 과총 잎의 N, P, K, Mg 함량은 후기로 갈수록 감소되었으나, Ca, Mn 함량은 증가되었다. N, P, K, Fe 함량은 과총 잎과 신초 잎의 함량 차이가 거의 없었다. 과총 잎의 Ca, Mn, Cu, Zn성분은 신초 잎보다 높았으나, B 성분은 신초 잎보다 낮았다. 신초 잎의 N 성분은 평균 기온과는 정의 상관이, 최고 기온과는 부의 상관이 인정되었다. 과총 잎의 P 성분과 최고 기온과는 부의 상관이 인정되었다. 과총 잎의 Ca 성분은 평균 기온과는 부의 상관이, 최고, 최저 기온과는 정의 상관을 보였다. 신초, 과총 잎의 Mg, B 성분과 평균 기온과는 정의 상관이, 최고, 최저 기온과는 부의 상관이 인정되었다. 일반적인 잎 채취 시기인 7월 중순${\~}$8월 상순 사이의 과총 잎 내 Ca, Mn 함량은 신초 잎보다 확연히 높았기 때문에 정확한 영양진단을 위해서는 신초 잎과 과총 잎을 구별하여 채취하는 것이 좋을 것으로 판단된다.

• 한국생물환경조절학회:학술대회논문집
• /
• 한국생물환경조절학회 1999년도 정기총회 및 학술논문발표요지
• /
• pp.79-82
• /
• 1999

실험기간 중 실내 평균기온과 상대습도는 외부보다 각각 $1.5^{\circ}C$ 및 3.9%정도 다소 높게 나타났다. 그리고 일사량 투과율은 약 47%정도로서 6.51MJ정도였다. 포장재배의 경우가 포트재배의 경우보다 주당 옆면적, 간장 및 수확량이 많았다. 그리고 포장의 총수확량은 3,901g/p1ant로서 포트재배 평균 2,853g/plant 보다 많게 나타났다. 총소비수량은 각각 약 1,394mm, 819mm정도로서 포트재배의 경우가 약 2배정도 많게 나타났다. 실내 평균기온, 최저상대습도 및 일사량과 소비수량과의 상관관계를 살펴보면, 평균기온과 일사량과는 깊은 상관이 있었으나, 그 이외에는 상관이 거의 없는 것으로 나타났다. 작물환경요소인 간장과 소비수량과는 밀접한 상관관계가 있었고, 엽면적 및 수확량과 소비수량과의 상관관계는 조금 떨어지는 것으로 나타났다. 요수량은 포장재배의 경우가 8.6mm/g이었고, 포트재배의 경우는 10.5mm/g정도이었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.170-170
• /
• 2017

본 연구의 목표는 극한 지역의 대비 시스템을 구축하기 위하여 인공 신경망(Artificial Neural Networks)을 이용하여 보다 관측하기 쉬운 기상 인자들로부터 적설량을 실시간 측정 가능성을 제시하는 것이다. 본 연구에서 사용한 데이터베이스는 기상청의 기상자료개방포털에서 사람이 직접 측정한 종관기상관측의 자료다. 이 중에서 일최대 기온, 일최저 기온, 일평균 기온, 강수량을 사용하여 오차를 줄여나가는 최적화방법으로 인공 신경망 시스템을 설계하였다. 설계된 시스템으로 500회 시뮬레이션한 연구 결과는 상관계수가 적설량 측정에 대한 인공 신경망의 크기(노드의 개수)와 관계없이 평균적으로 0.8627인 것을 보여준다. 추가적으로 보조 입력 값인 고도를 사용한 결과, 성능은 좋아졌지만 상관계수의 차이는 평균 0.0044로 미세했다. 또한 Cross-Validation을 통해 기존의 보간법인 Kriging기법과 비교하여 미 관측 지역에서 인공 신경망(ANNs) 사용이 Kriging기법 보다 우수하다는 것을 2차원 Regression's map을 통해 나타냈다. 마지막으로 오차가 크게 발생했을 경우 보안할 수 있는 확률적인 방안을 제시하였다.