• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.306-306
• /
• 2019

전지구적 기온상승으로 인해 미래기후의 관한 연구가 중요시 되고 있다. 위와 같은 현상으로 인하여 다양한 기후변화 연구가 진행되고 있다. 미래기후 연구에는 GCM (General Circulation Model) 모의 결과가 이용된다. 격자 자료로 구성된 GCM은 연구 지점으로 지역적 상세화와 연구지역의 관측자료 사이의 편이 보정(bias correction)이 필수적이다. 위와 같은 근거로 편이 보정 방법의 선택은 매우 중요하며 편의 보정의 방법에 따라서 결과가 다르게 도출될 수 있다. 또한 국내외 연구에서는 다양한 상세화 기법과 편이 보정 기법을 분석 및 평가하는 연구가 진행되고 있으며, 편의 기법 중 대표적인 기법인 Quantile mapping과 Random Forest 기법이 있다. Quantile mapping 기법은 GCM의 과거 모의 데이터와의 편이 보정에 있어서 우수하게 나타났으나, GCM 데이터의 미래 예측 기간(2010년~2018년)까지의 데이터에서는 극한 강수를 정량적으로 분석 가능한 Random Forest 기법이 편이 보정 과정에서 성능이 우수할 것으로 판단된다. 본 연구에서는 우리나라 21개 관측소를 기준으로 총 4개의 GCM(GISS, CSIRO, CCSM4,MIROC5)의 과거 기간 자료(1970년~2005년)를 실제 관측소에서 관측된 강수량을 편의 보정하는 방법에 있어서 편의 보정 기법의 성능을 비교한 결과와 GCM 미래 예측 기간 자료(2010년~2018년)에서의 편의 보정 기법의 성능 결과를 비교하였다. 이를 토대로 편이 보정 기법의 결과를 6개의 평가지수를 이용하여 정량적으로 분석하였으며, 다기준의사결정기법인 TOPSIS(Technique for Order of Preference by Similarity to Ideal Solution)를 이용하여 편이 보정기법들의 성능에 있어서 우선순위를 선정하였다. 본 연구에서 편이 보정 방법으로 Quantile mapping 방법을 사용했으며, Quantile mapping의 기법으로는 비모수 변환법(non-parametric transformation)과 분포기반 변환법(distribution derived transformation)이 사용되었다. 또한 머신러닝 방법 중 하나인 Random Forest 방법을 동시에 사용하여 결과를 비교하였다. 또한 GCM 자료가 격자식으로 제공하고 있기 때문에 관측소 강수량도 공간적으로 환산하여야 하는데, 본 연구에서는 역거리 가중치법(inverse distance weighting, IDW) 방법을 이용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.195-195
• /
• 2018

기상청에서는 영국 전지구기후모델인 HadGEM2-AO 기반의 영국 지역기후모델 HadGEM3-RA로부터 생산된 기후변화 시나리오를 기후변화예측을 위한 국가표준시나리오 자료로 제공하고 있다. 하지만, 기후모델의 특성상, 관측자료와 모의자료 간에는 통계적인 차이가 존재하며, 이러한 차이를 무시하고 원자료를 그대로 분석에 사용하는 것은 무의미 하다. 따라서 이러한 보정하기 위해서 주로 Quantile Mapping, Quantile Delta Mapping, Detrended Quantile Mapping 방법이 주로 사용된다. 하지만 어떠한 편의보정 방법이든 극값이 다수 존재하는 미래기간 모의자료를 보정할 때에는 외삽법(extrapolation)의 적용이 필요하다. 외삽법의 경우 constant correction 방법이 주로 적용된다. 본 연구에서는 기상청의 국가표준시나리오를 대상으로 이러한 편의보정 방법의 적용에 따른 미래 극한강우량의 차이를 분석하고자 하였다. 우선, 모의자료에서 우리나라 주요 기상관측지점에 해당하는 격자로부터 강우량자료를 추출하고 연최대강우시계열을 산정하였다. 그 후, 위의 세 가지 편의보정 방법을 이용하여 강우자료의 편의보정을 수행하였으며, constant correction 방법을 적용하여 이상치를 보정하였다. 그 후, 보정된 미래기간 모의자료의 추세를 분석하고, 이를 미래 확률강우량 산정방법인 scale-invariance 기법에 적용하여 미래 확률강우량을 산정하였다. 그 결과, 외삽법의 적용에 따라 편의보정 방법에 따라 미래 자료의 추세 또는 확률강우량의 변화패턴은 큰 차이를 나타내지 않았지만, 그 값 자체는 다소 차이가 있는 것으로 나타났다. 이러한 차이는 사용된 GCM과 RCM 조합으로 인한 오차와 더해져, 미래 예측결과의 불확실성으로 나타나기에 미래 극한강우량 예측을 위해서는 다수의 GCM, RCM 조합뿐만 아니라 다수의 편의보정 방법에 따른 결과도 함께 고려(ensemble)하여 결과를 나타내는 것이 필요할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.91-91
• /
• 2023

General circulation models(GCMs)은 여러 국가 기관들의 물리적 기후 모의 프로세스를 기반으로 과거 및 미래 기후변화의 영향을 정량화하기 위해 개발되었으며 현재 미래 기후변화를 예측하는데 가장 효과적인 도구이다. 그러나 GCMs에 내포된 여러 불확실성 요소 및 넓은 격자형식의 기후 데이터는 GCMs 기후 데이터를 사용한 지역적 기후 모의 시 주요 걸림돌로 인식되어지고 있다. 편의보정 방법은 GCMs을 사용한 지역적 기후 모의 시 기후 모의 성능을 향상시키기 위해 여러 연구에서 사용되어져 왔으나 다른 연구에서는 이러한 편의보정 방법의 문제점을 언급했다. 따라서 본 연구는 편의보정 방법이 GCMs 기후 모의 결과에 미치는 영향을 정량화하고 더 나아가 GCMs 기후 변수에 따른 유량 모의 결과에 미치는 영향을 분석했다. 연구대상지 과거 기간 기후 모의를 위해 coupled model intercomparison project(CMIP)6의 GCMs을 사용했으며, 미래 기후 모의를 위해 shared socioeconomic pathway(SSP) 시나리오를 사용했다. 편의보정 방법으로는 분위사상법을 사용했으며, 편의보정 전후 GCMs 기후 모의 성능평가를 위해 5개 평가 지표를 사용했다. 연구대상지 장기 유출 모의를 위해 storm water management model(SWMM)이 사용되었으며, 기후 입력 자료로는 일 단위 강수량, 최고 및 최저온도를 고려했다. 미래 기후 및 유량 모의 결과의 불확실성은 square root of error variance(SREV) 방법을 통해 정량화됐다. 결과적으로 과거 기간 GCMs 기후 및 유량 모의성능은 편의보정 전보다 편의보정 후에서 향상되었으며 특히, 강수 및 유량 모의 성능이 크게 향상되었다. 미래 기간의 경우 편의보정 후에서 기후 및 유량의 극값을 더 잘 반영함을 확인했다. 본 연구의 결과는 GCMs 기후 변수를 사용한 지역적 기후 및 유량 모의 시 편의보정 방법이 미치는 영향에 대한 구체적인 정보를 제공할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.438-438
• /
• 2015

기후변화 시나리오는 다양한 자연조건에 대한 불완전한 이해, 연산능력 등의 제한으로 매우 높은 불확실성이 내포되어 있으며, 국내의 다양한 연구에서도 제시되어 있듯이 매우 과소 추정되어 있는 문제점이 있다. 이러한 문제로 인하여 다양한 편의보정 기법을 통해 기후변화 시나리오의 불확실성을 줄이고자 하는 노력이 수행되었다. 그러나 편의보정 기법은 적용 방법이 서로 상이하기 때문에 보정에 따른 강우 특성이 다르게 나타나는 문제점이 있다. 이에 본 연구에서는 편의보정 기법에 따른 강우-유출 특성을 갑천유역을 대상으로 분석하였다. Change Factor(CF)와 Quantile Mapping(QM) 그리고 CF와 QM을 연계한 편의보정기법(CQ)에 따른 강우-유출 특성을 갑천유역을 대상으로 Change Factor(CF)에서 연평균(CF_Y)/월평균(CF_M) 교정계수를 이용하는 방법과 Quantile Mapping(QM)을 총 편의보정기간(QM_E)과 우기와 비우기(QM_P)를 구분하여 누적확률분포를 고려하는 방법, 그리고 CF와 QM을 연계한 편의보정기법(CQ) 총 5가지에 대해서 편의보정을 수행하고 유출특성을 SWAT모형을 이용하여 분석하였다. 과거 기간에 대해 CF_M과 QM_P는 첨두유량이 실측 첨두유량에 비해 2배 이상 크게 나타났으며, 특히 QM_P는 최대 강우 발생 월이 다른 편의보정 기법과는 다르게 나타나 월별 유출 분석시 큰 오류가 발생될 것으로 판단된다. 5가지의 편의보정 기법 중에 CQ가 과거 강수 크기, 발생 분포 및 빈도 재현을 가장 잘 반영하며, 미래기간에 대한 기간별(2030s, 2050s, 2070s, 2090s) 평균유량을 비교한 결과 본 연구에서 사용한 SRES A1B 시나리오의 이산화탄소 배출 시나리오의 특성을 유지한 미래 강우-유출해석이 이루어지는 것으로 나타났다. 기후변화 시나리오에 편의보정 기법 적용으로 자연적인 현상을 정확하게 모의하기에는 어려움이 많고 불확실성 역시 매우 크지만, 과거 강수발생 경향이나 편의보정의 특성을 알고 활용목적에 맞는 편의보정을 수행한다면 수자원 관리 계획 수립 등에 큰 도움이 될것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.234-234
• /
• 2016

본 연구에서는 기상청 RCM으로부터 생산된 미래 이슬점자료를 이용하여 편의보정 및 시간적인 규모내림방법의 적용에 있어서 그동안 간과하고 있었던 사항들을 살펴보고, 그러한 부분들에 대한 보완방법을 100년 빈도 12-시간 지속 이슬점 산출과정을 대상으로 제안하고자 한다. 우선 기후모델로부터 도출된 자료와, 관측된 자료 사이의 일치성 여부를 먼저 확인하기 위해 기후모델로부터 도출된 자료를 이용하여 과거 관측자료와의 재현성을 평가한다. 또한 기후모델의 여러 가지 한계로 인해 생기는 불일치성을 극복하기 위해 편의보정이라는 절차를 수행하여 모델로 부터 도출된 미래 기후자료를 보정하게 된다.본 연구의 경우 5월부터 10월까지의 자료를 대상으로 매월 1-15일 시기와 16-말일로 나누어 총 12개의 시기별, 지점별(62개 지점)별로 편의보정을 수행하였다. 또한 편의보정 되어진 이슬점 자료를 바탕으로 scale-invariance 기법을 적용하여 일-단위 이슬점자료로부터 시간-단위 이슬점 정보를 추출하였다. 먼저 62개 지점별로 1981-1997년(보정기간) 17년 동안의 과거관측자료를 이용하여 시기별 일 이슬점자료로부터 시기별 12-시간 지속 100년 빈도 이슬점을 산출하는 함수관계를 구축한 후 이를 이용하여 1998-2014년(검증기간) 17년 동안의 시기별 일 이슬점 자료로부터 시기별 12-시간 지속 100년 빈도 이슬점을 산출하여, 실제 검증기간의 시간자료를 이용한 12-시간 지속 100년 빈도 이슬점과 비교해 보았다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.96-96
• /
• 2018

최근 기후변동성으로 유발되는 불안정한 기상상태를 효과적으로 관측하고자 기상레이더가 도입되고 있다. 기상레이더는 경험식으로 산정된 Z-R 관계식을 통하여 레이더 강수량을 제시하게 된다. 이 과정에서 레이더 강수량은 필연적으로 실제 지상에 도달하는 강수량과는 정량적으로 오차가 발생하게 된다. 레이더 강수량에 포함된 오차는 다양한 원인으로 발생하게 되므로 레이더 강수량의 오차 성분을 규명하는 것은 레이더 강수량 활용을 위하여 필수적으로 선행되어야 한다. 본 연구는 지상강수량과 레이더 강수량의 편의를 보정하기 위한 확률통계학적 방법론을 개발하였다. 레이더 강수량의 편의오차를 보정하기 위하여 수문통계학에서 널리 활용되고 있는 계층적 Bayesian 구조를 기반으로 하였으며 자료통합(data pooling) 기법을 이용하여 편의보정 매개변수 추정과정의 불확실성 추정 효율성을 증대시켰다. 본 연구를 통하여 개발된 레이더 강수량 편의보정기법은 계층적 Bayesian 구조를 도입함으로써 편의보정 매개계수의 불확실성을 정량적으로 제시하였으며 유역 단위의 강수상관성을 현실적으로 복원하는 것을 확인하였다. 따라서 본 연구에서 제안하는 편의보정기법은 편의보정 과정에서 발생할 수 있는 매개변수의 불확실성 및 레이더 강수량의 오차구조를 정량적으로 규명하여 고해상도의 강수정보를 생산함으로써 고도화된 수문해석을 가능케 할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.371-371
• /
• 2021

돌발홍수 예경보시스템의 입력자료로 예측강우가 활용된다. 기상청과 환경부에서는 초단기 예보의 목적으로 MAPLE(McGill Algorithm for Precipitation nowcasting and Lagrangian Extrapolation)을 생산하고 있다. MAPLE은 선행 30분까지의 예측품질은 어느 정도 정확하다고 볼 수 있으나 그 이후 특히 3시간 이상이 되면 예측품질이 크게 떨어지는 문제가 있다. 예측강우의 편의보정을 위한 여러 시도들이 있었으나 호우의 규모 및 이동특성을 고려한 사례는 제한적이다. 호우의 이동특성을 고려해야하는 이유로는 첫째, 예측의 특성상 예측강우가 생성되고 편의보정이 이루어지는 시간 동안 호우는 이동을 하기 때문이다. 둘째, 호우가 이동을 하면서 편의보정의 대상이 되는 지역에 적합한 보정계수의 결정이 어렵기 때문이다. 마지막으로 돌발홍수는 장마와 같은 전선형 강수가 아닌 국지성 호우와 같이 빠르게 움직이며 강한 호우를 내리는 강수에 의해 발생하기 때문이다. 본 연구에서는 이러한 문제점을 극복하기 위해 호우의 이동특성을 고려하여 예측강우 보정계수를 결정하고 이를 예측강우에 실시간으로 적용할 수 있는 방법을 제시하였다. 이 과정에서 Backward tracking은 미래에 호우가 도달할 지역(대상지역)으로부터 현재 호우가 위치하는 지역을 추적하는데 이용된다. 추적된 지역에서 보정계수가 결정된다. Forward tracking은 현재 호우가 위치하는 지역으로부터 대상지역을 다시 추적하는데 이용된다. 앞서 결정된 보정계수는 대상지역의 예측강우에 적용된다. 해당 방법론을 2019년에 발생한 주요 호우사상에 실시간 적용하고 평가하였다. 그 결과, Backward-Forward tracking 기반 예측강우 보정방법을 적용한 경우에는 실제 관측된 강우와 매우 유사한 보정결과가 도출됨을 확인되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1948-1952
• /
• 2007

본 연구에서는 레이더 강우의 지상보정(ground-truth)을 위해 사용가능한 기상청(KMA), AWS 및 건설교통부(MOCT) 강우자료를 다양한 지상보정 설계에 적용하여 비교 평가하였다. 본 연구에서는 동일 기간의 KMA, MOCT, AWS의 우량계 자료와 관악산 레이더 강우자료를 이용하였으며, 각각 두 관측방법사이의 차이(오차)를 편의(bias)의 유무 및 크기의 관점에서 평가하였다. 추가로 호우 사상의 특성에 따른 차이도 함께 검토하였다. 그 적용 결과 지상우량계 자료별 편의의 차이는 확연하게 부각되지는 않았으나, 통계 특성치에서는 어느 정도의 차이가 존재함을 확인하였다. 전체적으로 보면 MOCT 우량계 자료를 이용하는 경우가 다른 강우자료를 이용하는 경우에 비해 편의의 규모가 제일 작은 것으로 확인되었다. 호우 사상별로는 강우의 공간적 간헐성이 가장 큰 장마 기간의 경우가 태풍이나 대류성 강우에 비해 설계편의가 작게 나타나는 것으로 확인되었다.

• 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.

• Journal of Korea Water Resources Association
• /
• v.51 no.7
• /
• pp.575-584
• /
• 2018

An increase in heavy rainfall and floods have been observed over South Korea due to recent abnormal weather. In this perspective, the high-resolution weather forecasts have been widely used to facilitate flood management. However, these models are known to be biased due to initial conditions and topographical conditions in the process of model building. Theretofore, a bias correction scheme is largely applied for the practical use of the prediction to flood management. This study introduces a new mean field bias correction (MFBC) approach for the high-resolution numerical rainfall products, which is based on a Bayesian Kriging model to combine an interpolation technique and MFBC approach for spatial representation of the error. The results showed that the proposed method can reliably estimate the bias correction factor over ungauged area with an improvement in the reduction of errors. Moreover, it can be seen that the bias corrected rainfall forecasts could be used up to 72 hours ahead with a relatively high accuracy.