• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1191-1196
• /
• 2009

온실가스 증가에 따른 미래 기후변화가 수자원에 미치는 영향을 평가하기 위하여 전구기후모델(AOGCM)의 기온과 강수 자료를 이용하여 한반도 지역에 대한 통계적 규모 상세화(statistical downsacaling, SDS) 기법을 개발하였다. 개발된 기법은 Cyclostationary Empirical Orthogonal Function (CSEOF) 분석과 회귀분석을 결합한 것으로 관측과 AOGCM 시계열의 통계적 상관성을 이용하고 있다. 20세기말(1973-2000) 동안의 광역규모의 기온(ECMWF)과 강수량(CMAP) 및 AOGCM의 기온과 강수량 자료에 통계적 상세화 기법을 적용하고 비교함으로써 이 기법의 유효성을 검증하였는데, 상세화된 기온과 강수량 자료는 관측된 계절변동성과 월변동성을 잘 모사하였다. 특히, 여름철 관측에 비해 저평가된 AOGCM의 강수량 크기와 변동성이 상세화를 통해 관측치에 근접하게 되었다. AOGCM의 미래 강수량 변화는 21세기 후반에 계절적으로 봄과 여름에 증가할 것을 예상되었다. 상세화된 AOGCM의 강수는 겨울을 제외한 모든 계절에서, 특히 여름철에 가장 많이 증가할 것으로 전망되었다. AOGCM의 미래 기온변화는 21세기 후반으로 갈수록 상승하며, 계절적으로 겨울철의 기온 상승폭이 더 클 것으로 전망되는데, AOGCM을 상세화한 결과에서는 겨울과 더불어 여름에도 기온 상승폭이 클 것으로 전망되었다. 개발된 기법은 역학적 결과와 관측과의 통계적 상관성을 이용하기 때문에 광역규모의 기후적 특성뿐만 아니라 한반도 지형 등 지역적 특성도 모두 반영함과 더불어 광역규모의 자료를 빠른 시간내에 효과적으로 상세화시킬 수 있는 장점도 지닌다. 한편 상세화에 사용된 CSEOF의 모드수 등에 따른 불확실성 등은 통계적 상세화 과정에 개선될 여지가 남아있음을 보여준다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.124-124
• /
• 2012

기후변화가 수자원에 미치는 영향을 예측하는 데에 널리 사용되는 GCMs (General Circulation Models)는 모의 결과의 시 공간적 해상도가 낮기 때문에 상세화 (Downscaling) 기법을 거쳐 수문 모형에 적용된다. 상세화 기법은 크게 역학적 상세화 (Dynamical downscaling)와 통계적 상세화 (Statistical downscaling)로 구분되며, 종류가 매우 다양하고 각각의 모의 능력에 차이가 있으므로 적절한 기법을 선택할 필요가 있다. 본 연구의 목적은 통계적 상세화 기법 중 인공신경망과 LARS-WG 모형을 활용하여 CGCM3.1 T63의 모의 결과를 상세화하고, 두 모형의 모의 결과를 비교하는 데에 있다. 인공신경망은 비선형함수에 의한 전이함수 모형인 반면 LARS-WG는 추계학적 기상 발생기 모형으로, 각 모형을 이용해 CGCM3.1 T63의 강수량 및 평균기온 모의 결과를 서울 지역에 대해 공간적으로 상세화하였다. 모형의 검 보정은 1971년부터 2000년까지 30년 동안의 서울 관측소 일 기상 자료와 CGCM3.1 T63 (20C3M 시나리오) 모의 결과를 이용하여 수행하였다. 각 기법의 비교 및 평가는 2001년부터 2011년까지 11년 동안의 일 기상 자료와 CGCM3.1 T63 (IPCC SRES A1B 시나리오) 모의 결과를 이용하였다. 분석 결과, 인공신경망 모형은 입력 자료의 형태에 따라 모의 결과가 크게 달라지는 특성을 보였으며, LARS-WG 모형은 강수량을 실제보다 과소 추정하는 경향을 보였다. 본 연구에서는 강수량과 평균기온만을 대상으로 하였으나, 추후에 다른 기상인자를 고려함으로써 모형의 적용성을 보다 종합적으로 판단할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.93-93
• /
• 2011

전 세계적으로 기후변화로 인한 기상재해의 피해가 매년 증가하고 있으며, 기후변화로 인한 시민들의 안전, 재산, 인명피해 또한 늘어나고 있다. 이러한 피해를 최소화하기 위해서는 도시지역을 중심으로 한 신뢰성 높은 미래 기후전망 기법이 필수적이며, 미래 기후전망을 바탕으로 하여 기후변화로 인한 향후 발생할 수 있는 위험성의 정도를 전망하여 적응대책을 수립할 필요가 있다. 본 연구에서는 도시지역의 미래 기후전망 기법을 개발하여 서울시의 미래기후를 전망한다. 본 연구를 수행하기 위하여 먼저 IPCC 기후시나리오에 대한 조사를 수행하여 자료를 수집한다. 수집한 자료를 바탕으로 역학적 상세화와 통계적 상세화 기법을 이용하여 고해상도 기후 시나리오를 생산하였다. 역학적 상세화 기법은 A2시나리오의 ECHO-G/S에서 생산된 기후 시나리오를 이용하여 지역 기후모델인 RegCM3에 적용하여 상세화 과정을 수행하였다. RegCM3를 이용하여 60km로 상세화한 후에 one-way double-nested system을 구축하여 20km까지 상세화 하였다. 20km 해상도의 기후 시나리오는 서울시와 같은 좁은 지역의 기후를 분석하기에는 어려움이 있으므로, RegCM3에 사용할 수 있는 Sub-BATS라는 기법을 이용하여 5km의 고해상도 기후 시나리오를 생산하였다. 역학적 상세화 결과는 관측결과에 비해 과소 추정되는 경향이 있어, 편차보정을 통하여 관측값에 가까운 자료를 만들어 주었다. 역학적 상세화 결과를 분석한 결과, 기준기간에 비해 미래기간(S3)에는 전체적으로 약 4.9도의 기온상승과 강수량 증가가 나타났으며, 특히 9월에 가장 큰 상승폭을 나타내고 있었다. 강수량의 경우 증가 경향이 뚜렷이 나타나고 있었으며, 여름철에 큰 증가폭을 나타내고 있었다. 통계적 상세화 기법은 역학적 상세화 기법에서 사용된 ECHO-G/S를 포함한 13개의 GCM결과와 우리나라의 57개 지점에 대한 CSEOF기법을 이용하여 기후 시나리오를 생산하였다. 이 자료는 서울시에 대하여 하나의 지점밖에 존재하지 않아, 서울시내의 지역별 미래 기후전망에는 문제가 있었으므로, Delta method라는 기법을 이용하여 서울 및 인근지역의 AWS 35개 지점에 대하여 미래 기후시나리오를 생산하였다. 통계적 상세화 결과, 13개 GCM의 기온변화는 전체평균 약 3.1도 상승하였고, 겨울과 여름철의 변화폭이 가장 크며, 모델의 불확실성 또한 겨울과 여름에 가장 큰 특징을 가지고 있다. 강수량의 경우 MME에서는 약간의 상승은 나타나고 있었지만 모델간의 불확실성은 여름철에 크게 나타나고 있었다. 역학적 및 통계적 상세화 기후 시나리오(ECHO-G/S, A2)를 비교 분석한 결과, 기온은 역학적 상세화 결과가 약간 크게 나타났으며, 전체적으로 유사한 패턴을 보이고 있었다. 강수량 또한 역학적 상세화 결과가 크게 나타나고 있었다. 역학적 및 통계적 상세화 결과는 S1의 경우 유사한 특징을 보이고 있었지만 S3로 갈수록 차이가 크게 나타나고 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.343-343
• /
• 2012

미래 극한사상의 초과확률을 산정하기 위하여 저해상도의 전지구 기후변화 시나리오 자료를 그대로 사용하거나 이를 역학적 또는 통계적 방법으로 상세화한 고해상도 기후변화 시나리오 자료를 활용한다. 통계적 상세화는 전지구 또는 지역기후모델의 현재기후 모의 자료와 관측 자료와의 통계적 관계를 미래 예측자료에 적용하는 방법으로, 현재와 미래 기후의 시공간적 분포가 동일하다는 가정을 포함하고 있다. 반면 역학적 상세화 방법은 기후변화 강제력을 고려하는 지역기후모델을 이용하여 기후시스템의 역학 및 물리과정, 기후시스템간 의 상호작용, 기후변화의 비정상성 등을 고려할 수 있고, 변수간의 시공간적 상관성을 지구시스템의 물리 역학적 과정으로 해석할 수 있다는 장점이 있다. 이에 국립기상연구소에서는 영국 기상청의 통합모델(UM)기반의 지역기후모델(HadGEM3)을 사용하여 50 km 및 12.5 km 격자 단위로 역학적 상세화(dynamic downscaling)를 수행하였다. 본 연구에서는 역학적 상세화로 생산된 HadGEM3-RA 자료를 이용하여 현재기후(1980-2005), 가까운 미래(2020-2049)와 21세기말(2070-2099)의 20년 빈도 강수량을 비교하였다. 연구결과, 남한에 걸쳐 현재기후에 비하여 미래에는 극한강수의 크기와 빈도가 전반적으로 증가하는 경향을 확인할 수 있었다. 20년에 한번씩 발생하였던 일 극한강수는 RCP8.5를 고려한 21세기말에는 약 4년에 한번씩 발생하리라 전망되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.413-413
• /
• 2022

본 연구에서는 통계적 방법으로 도출된 장기 기상예측정보를 이용하여 유역에서의 유출량 전망 가능성을 검토하였다. 먼저 한강권역의 월 강수량과 기온에 대해 글로벌 기후지수와의 원격상관성을 기반으로 다중회귀모형 기반의 통계적 예측모형을 구성하여 미래기간(1~12개월)에 대한 월 단위 기상예측정보를 도출하였다. 월 단위로 도출된 강수량과 기온은 통계적 상세화 기법을 통해 한강권역 주요 ASOS 관측소 지점별로 일 단위 강수량과 기온자료로 변환하였으며, 상세화된 일 자료를 유역모형인 SWAT의 입력자료로 활용하여 경안천 유역의 미래기간에 대한 유출량을 도출하였다. 유출량 예측성을 평가하기 위하여 과거기간(2003~2021년)을 대상으로 관측유출량과 예측기상정보로부터 산출된 예측유출량을 비교하였다. 각 월별로 예측된 유출량의 중앙값과 관측값의 적합도를 분석한 결과, PBIAS는 -5.2~-2.7%, RSR은 0.79~0.91, NSE는 0.34~0.38, r은 0.59~0.62로 강수량 및 기온의 예측성에 비해 낮게 나타났다. 전 기간에 대해 월별로 분석한 예측결과에 대한 3분위 확률은 5월, 6월, 7월, 9월, 11월은 평균 42.8%로 예측성이 충분한 것으로 나타났으나, 나머지 월에서의 평균 예측성은 17.3%로 매우 낮게 나타났다. 상세화된 기상정보를 이용하여 유역모델링을 통해 산정한 유출량에 대한 전망 결과는 기상예측결과에 비해 상대적으로 예측성이 낮은 것으로 분석되었다. 이는 관측값 자체에서 나타날 수 있는 불확실성에 기인할 수도 있으며, 유출량에 지배적인 영향을 주는 강수량의 예측성에 대한 문제가 유역 모델링 과정에서 증폭되어 나타나는 문제일 수도 있다. 또한 지점별 일 자료로 상세화되는 과정에서의 불확실성, 우리나라 여름철 유출량 변동성 등 여러 가지 요인이 복합적으로 영향을 주어 나타나는 것으로 생각된다. 향후 다양한 대상유역에 대한 검토와 기상예측모형의 보완, 상세화 과정에서의 불확실성 해소 등을 통해 예측성을 개선할 계획이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.334-334
• /
• 2019

기후변화에 능동적으로 대처하기 위해서는 기후변화에 따른 수자원가용량의 변화를 정량적으로 평가할 수 있어야 한다. 평가결과의 신뢰도를 높이기 위해서 기후변화 시나리오는 지역기후 및 유역특성에 적합한 결과를 포함하여야 한다. 또한, 기후변화가 유역의 물순환계에 미치는 영향이 있다면, 물순환 개선 기술을 통해 지속가능한 유역 물환경을 구축하는 것이 필요하다. 유역 물순환 개선 기술은 기후변화가 진행 중에 있거나 예상되는 지역에 대하여 강우로부터 발생되는 유출을 지연, 저류, 침투시켜 지속가능한 물순환 체계를 유지하고 회복하도록 하는 기법이라 할 수 있다. 한국건설기술연구원에서는 기후변화에 따른 영향을 평가하고 적응 대책을 수립하기 위한 실무적인 유역 물순환 개선 및 평가 모형인 CAT3(Catchment hydrologic cycle Assessment Tool 3)을 개발하였으며 본 모형은 침투시설, 저류시설, 습지, 빗물저장시설과 같은 물순환 개선시설에 대한 효과를 정량적으로 평가할 수 있다. 본 연구에서는 팔당댐 상류의 경안천 유역을 대상으로 APCC 기후변화 시나리오 통계적 상세화 자료를 활용하여 물순환 개선 기술의 적용성을 평가하였다. 통계적 상세화 자료는 APCC에서 개발된 AIMS(APCC Integrated Modeling Solution) 플랫폼을 이용하였다. AIMS는 다양한 기후정보를 기반으로 사용자 관점에서 상세화를 수행할 수 있는 장점이 있다. 상세화 기법은 SDQDM(Spatial Disaggregation Quantile Delta Mapping) 방법을 이용하였다. 상세화된 기후자료는 과거자료의 재현성 및 미래 기간에 대한 왜곡도를 평가하기 위해 극한기후지수(Climate Index)를 이용하는데 본 연구에서는 장기간에 걸친 수자원가용량의 평가 및 예측을 위해 연강수량(PRCPTOT)을 사용하였으며 증발산량의 평가 및 예측에 영향을 미치는 온도 관련 극한기후지수는 평균기온 개념의 DTR(TMAX&TMIN)을 이용하였다. 통계적 상세화 과정을 통해 최종적으로 HadGEM2-CC, INMCM4, CanESM2 시나리오를 선택하였으며 각 시나리오별 물순환 개선 기술을 적용한 후 미래의 수문학적 변동성을 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.224-224
• /
• 2019

국제기상기구의 Global Framework for Climate Services (GFCS)의 관점에서 살펴보면 국내의 기상 기후 정보는 기상청을 중심으로 관측 자료와 중장기 예측 및 기후변화 시나리오 정보 등의 다양한 시간규모로 생산되고 있다. 하지만 사용자가 직접적으로 다양한 기후정보를 상세화하여 활용하기 위해서는 기후정보의 구축 및 전처리를 수행해야하는 어려움이 있다. 따라서 APEC Climate Center (APCC)에서 다학제 융합 기반 기후정보 서비스를 중심으로 사용자 인터페이스 플랫폼 (User Interface Platform: UIP)의 기술적 플랫폼으로 APCC Integrated Modeling Solution (AIMS)를 개발하였다. AIMS는 사용자의 관점으로 상세화를 수행할 수 있고, 다양한 응용 분야에 적용하기 쉽게 데이터를 생성하여 연구에 도움을 주고 있다. 본 연구는 AIMS에서 제공하고 있는 기존의 국가별로 제공하는 제 5차 결합 기후모델 비교사업 (The $5^{th}$ phase of the coupled model intercomparision project, CMIP5)에서 해석한 전구기후모델 (General Circulation Model, GCM)의 통계적 상세화 방법인 Simple Quantile Mapping (SQM)과 Spatial Disaggregation Quantile Delta Mapping (SDQDM)를 포함하여 AIMS에 새롭게 추가 된 통계적 상세화 방법인 Bias Correction and Stochastic Analog (BCSA) 방법을 소개하고자 한다. 또한 60개의 종관기상관측 (Automated Surface Observing System, ASOS)자료를 중심으로 생성한 세 가지 통계적 상세화방법의 과거재현성과 RCP4.5, RCP8.5 시나리오를 활용한 미래 불확실성 평가 결과를 이용하여 연구자들의 맞춤형 자료를 생산하고 평가하는데 도움을 줌으로써 다양한 기후자료의 효과적인 활용이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.41-41
• /
• 2021

최근 전 세계적으로 급증하는 기후변화의 영향으로 이상기후로 인한 자연재해들의 강도 및 발생 빈도의 증가가 다양한 연구를 통하여 확인되고 있으며, 이를 대비 및 대응하기 위한 방안수립 연구가 세계의 가장 중요한 주제로 부상되고 있다. 우리나라의 경우에는 기후변화에 따른 심각성 문제가 대두되고 있지만 국가적 대응기반조성 및 수자원정책 의사결정에 직접적으로 활용될 수 있는 일관성 있고 통합적인 기후 정보가 부족한 실정이다. 미래 기상 변동성을 나타내는 기후모델은 전 지구적 대규모 기상장(large scale climate pattern)을 비교적 정확하게 묘사하는 것으로 알려져 있으나 모형에 내재해 있는 시·공간적 편의(spatial-temporal bias) 및 불확실성으로 인하여 통계학적 상세화가 필수적으로 요구된다. 이러한 편향성은 일반적으로 지상 관측 자료를 격자에 보간하여 보정하는 방법이 적용되고 있지만, 관측자료의 불연속성 및 관측소의 불균등성으로 인하여 공간적 신뢰성이 낮다. 이에, 본 연구에서는 Bayesian 기반의 Kriging을 통한 공간적 편의보정 및 QDM(quantile delta mapping)을 연계한 새로운 격자 기반의 통계적 상세화 모형 Bayesian Kriging-QDM을 개발하였다. 본 연구를 통하여 산정된 결과는 과거자료에 근거하여 이루어지는 기존의 보수적인 수자원 관리 체계의 위험성을 저감 시킬 수 있는 의사결정에 직접적으로 활용될 수 있는 기초 자료로 이용 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.16-16
• /
• 2019

기후변화 시나리오 및 계절예측 자료를 포함한 기후정보를 수자원 분야에 활용하기 위해서는 기후정보의 시 공간적인 상세화(donwscaling)을 필요로 한다. 상세화의 경우 역학적 상세화와 통계학적 상세화로 구분될 수 있으며, 통계학적 상세화를 위해서는 대상 지역의 기후특성을 대표할 수 있는 장기 관측 자료의 확보가 중요하다. 국내의 경우에는 자동기상관측장비(Automatic Weather System, AWS)와 종관기상관측장비(Automatic Synoptic Observation System, ASOS)로 부터 수집된 기상관측자료를 사용할 수 있으나 기후변화 시나리오의 통계적 상세화를 위해서는 30년 이상의 자료 기간을 포함하는 ASOS 자료가 적합하다. 하지만 개발도상국과 같이 기상관측기반이 열악한 지역에서는 잦은 결측 등으로 인하여 품질이 좋은 관측자료의 획득이 어려운 상황이다. 따라서 본 연구에서는 측이 포함된 장기 기상관측 자료로부터 대상 지역의 기후특성을 재현할 수 있도록 기본적인 QC(Quality Control)을 거쳐 결측 자료를 보완할 수 있는 기법 및 R 기반패키지를 개발하여 적용성을 평가하였다. 개발된 기법의 적용성 평가를 위해서 기상청에서 QC를 통해 제공하고 있는 60개 ASOS 지점의 관측자료 중 강수량과 기온 변수를 사용하였다. 최대 50%까지의 현실적인 결측 패턴을 임의로 생성하기 위해 실제 개발도상국 관측자료의 일단위 결측 패턴을 이용하였다. 자료의 QC는 관측일 누락/중복 및 문자형 관측값 등 기본적인 오류 검사, 기온의 경우 물리적 허용 범위에 대한 검사, 최고기온과 최저기온의 비교 및 계측기 오작동에 의한 동일한 값의 반복 등을 포함한 내적 일치성 검사를 우선적으로 수행한다. 이후 결측값에 대해서 인근 기상관측소와의 상관성 분석 결과를 기반으로 결측값을 채우고, 최종적으로는 다양한 위성자료 및 재분석 자료 중에서 일단위 기후특성의 재현성 평가를 통해 선정된 격자형 자료와의 상관성 분석 결과를 기반으로 결측값을 보정하였다. 기온의 경우는 결측률이 높더라도 월평균 기후특성에 큰 영향을 미치지 않았지만 강수의 경우에는 5% 이상의 결측이 발생하는 경우 월평균 강수량에 영향을 미쳐 지역의 강수량을 과소 추정하는 결과를 보였다. 개발된 QC 기법을 강수 자료에 적용한 결과 월평균 기후특성을 잘 복원하는 결과를 보였지만, 일단위 강우 사상의 재현에 있어서는 미흡한 결과를 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.122-122
• /
• 2011

수자원 분야에서 기후변화 관련 연구는 치수 측면 보다는 이수 측면에서 주로 이뤄지고 있다. 이는 홍수분석을 위한 시간 단위를 충족시켜주는 전지구 대기순환모형(Global Circulation Model: GCM)의 자료가 드물고, 시간 단위의 GCM 자료라 하더라도 극치값(extreme value) 표현에는 한계가 있기 때문이다. 이를 극복하기 위하여 과거 관측자료의 통계적 특성으로 극치자료의 편의(bias)를 보정하고 시간 단위로 분해하기도 한다. 하지만 이런 통계적 상세화(statistical downscaling)는 미래 기후는 과거자료와 통계적 차이가 유의하지 않음을 가정하고 있어, 미래 기후는 현재와 다를 것이라는 공감대에 는 적합하지 않다. 이와 같은 이유로 타당한 극치수문변수 결과를 얻기 위해서는 시간 단위의 고분해능(high resolution) GCM이나 지역기후모델(regional climate model)과 같은 고해상도의 미래 기후변화 자료가 필요하게 된다. 이에 국립기상연구소에서는 영국 기상청의 통합모델(UM)기반의 지역기후모델(HadGEM3)을 사용하여 50 km 및 12.5 km 격자 단위로 역학적 상세화(dynamic downscaling)를 수행하였다. 본 연구에서는 개발된 HadGEM3-RA 결과의 극치수문변수 검증을 위하여 한강유역의 관측 자료와 다양한 방법으로 비교하였다. 두 자료의 극치값을 GEV (Generalized Extreme Value) 분포에 적합(fitting)시켜 비초과확률별 극치사상과, 특정 임계값(threshold value) 이상의 극치사상 발생확률을 비교하였다. 검토 결과, HadGEM3-RA는 통계적 상세화로 구한 극치값 보다는 작았으나 기존의 지역 기후모델에 비하여 현실성 있는 극치값이 계산되었음을 확인하였다.