• Korean Journal of Agricultural and Forest Meteorology
• /
• v.23 no.2
• /
• pp.122-133
• /
• 2021

Cultivar parameter calibration can be affected by the reliability of the input data to a crop growth model. In South Korea, two sets of weather stations, which are included in the automated synoptic observing system (ASOS) or the automatic weather system (AWS), are available for preparation of the weather input data. The objectives of this study were to estimate the cultivar parameter using those sets of weather data and to compare the uncertainty of these parameters. The cultivar parameters of CERES-Rice model for Shindongjin cultivar was calibrated using the weather data measured at the weather stations included in either ASO S or AWS. The observation data of crop growth and management at the experiment farms were retrieved from the report of new cultivar development and research published by Rural Development Administration. The weather stations were chosen to be the nearest neighbor to the experiment farms where crop data were collected. The Generalized Likelihood Uncertainty Estimation (GLUE) method was used to calibrate the cultivar parameters for 100 times, which resulted in the distribution of parameter values. O n average, the errors of the heading date decreased by one day when the weather input data were obtained from the weather stations included in AWS compared with ASO S. In particular, reduction of the estimation error was observed even when the distance between the experiment farm and the ASOS stations was about 15 km. These results suggest that the use of the AWS stations would improve the reliability and applicability of the crop growth models for decision support as well as parameter calibration.

• Journal of Environmental Science International
• /
• v.27 no.7
• /
• pp.509-518
• /
• 2018

Weather is the most influential factor for crop cultivation. Weather information for cultivated areas is necessary for growth and production forecasting of agricultural crops. However, there are limitations in the meteorological observations in cultivated areas because weather equipment is not installed. This study tested methods of predicting the daily mean temperature in onion fields using geostatistical models. Three models were considered: inverse distance weight method, generalized additive model, and Bayesian spatial linear model. Data were collected from the AWS (automatic weather system), ASOS (automated synoptic observing system), and an agricultural weather station between 2013 and 2016. To evaluate the prediction performance, data from AWS and ASOS were used as the modeling data, and data from the agricultural weather station were used as the validation data. It was found that the Bayesian spatial linear regression performed better than other models. Consequently, high-resolution maps of the daily mean temperature of Jeonnam were generated using all observed weather information.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.180-180
• /
• 2018

가능최대강수량(PMP)은 대규모 수공구조물의 설계 시 기준이 되는 강수량으로, 최근 대규모 거대재난에 대비한 대피계획수립에 PMP를 활용하려는 움직임이 있으며 PMP에 대한 국내 연구가 활발히 수행되고 있다. PMP를 추정하기 위해 Hershfield의 통계적 방법에 대한 간단한 대안이 제안되었다. PMP는 물리적인 강우량 상한계로, 확률론적 개념과는 모순적이다. 또한, Hershfield의 PMP는 연 최대 시계열 평균의 선형함수로 주어지는 모양 매개변수를 가지는 GEV 분포의 약 60,000년 빈도임이 밝혀졌다. 따라서 본 연구에서는 Hershfield의 방법을 확률론적으로 해석하는 것이 바람직할 것으로 판단하였고, 기상청 ASOS 및 AWS 자료를 이용하여 우리나라 각 지점자료 중 10년 이상의 자료를 사용하여 Hershfield 방법을 적용하여 PMP를 산정하였다. 각 지점의 빈도계수를 구하여 우리나라 자료에 적합한 확률분포의 형태를 적용하였고, 분포형의 매개변수 값을 추정하였다. 또한, Hershfield의 빈도계수와, 우리나라 자료에 해당하는 빈도계수가 몇 년 빈도로 계산되는지 각각 확인해 보았다. ASOS 및 AWS 자료를 이용하여 연 최대 강수량 시계열 평균과 모양 매개변수의 관계 공식 또한 구성하였다. 본 연구의 방법을 검증하기 위하여 우리나라에서 제일 오래된 자료(57년)인 서울지점 자료를 이용하여 경험적인 분포함수와 본 연구에서 제안하고 있는 방법을 비롯한 다양한 방법을 통하여 구한 분포함수를 비교하여 도시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.40-40
• /
• 2021

수재해 방지를 위한 수문해석 모형에서 정량적인 강수자료의 역할은 매우 중요하다. 최근에는 기후변화로 인한 국지성 집중호우 등 돌발 강수의 빈도가 증가하고 있어 지상에 설치된 우량계보다 시·공간적 변동성을 반영할 수 있는 격자형 위성 강수자료의 활용성이 커지고 있다. 하지만 위성강수자료는 관측 시에 대기의 상태 또는 위성별 관측 센서, 공간적 스케일 차이 등에 의해 실제 내린 강수와의 편의가 존재한다. 이를 해결하기 위해 지점 강수자료를 이용한 통계적, 지형정보학적 상세화 기법이 적용되고 있으나, 대부분의 연구에서 강수자료의 양적 보정만을 목적으로 수행되었다. 본 연구에서는 머신러닝 기반의 랜덤포레스트(random forest) 모델을 사용하여 다중위성 강수자료(CHIRPSv2, CMORPH, GSMaP, TRMMv7)와 기상청에서 제공하는 AWS, ASOS 지점 강수를 사용하여 최적 위성강수자료를 생성 후 각 위성강수자료와 비교·분석하였다. 2003년에서 2017년까지의 각 위성강수자료를 수집하여 같은 공간 스케일로 전처리한 뒤 모델에 입력하였으며 AWS 강수자료는 훈련, ASOS 강수자료는 검증에 이용되었다. 그 결과, 생성된 최적 위성강수자료는 각 위성강수자료보다 지점강수와의 편의가 줄고 높은 상관관계를 나타내고 있다. 이는 앞으로 사용될 위성강수자료의 시·공간적 보정 및 단기예측에 활용할 수 있으며, 특히 원격탐사자료의 의존도가 높은 미계측 대유역 수문해석에 정량적인 강수자료를 제공할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.131-131
• /
• 2011

기후변화로 인한 기상이변 현상이 빈번하게 발생하면서 홍수와 같은 자연재해의 피해규모가 증가하고 있다. 이를 극복하기 위해 최근에는 구조적 대책뿐만 아니라 홍수예측시스템과 같은 비구조적 대책에도 많은 관심과 연구가 이루어지고 있다. 통상 홍수예측을 위해서는 예측강우의 정확도가 중요하게 부각되지만 중규모 이상의 유역에서는 수 시간의 지체시간 효과로 인해 AWS 실황강우만으로도 어느정도 선행시간에 대해서 하천유량예측이 가능하다고 할 수 있다. 본 연구에서는 기상청 AWS 실황강우를 이용하여 하천유량을 예측할 경우 어느정도 선행시간과 정확도를 확보할 수 있는지에 대해서 분석하고자 한다. 분석을 위한 시단위 강우자료와 기상자료는 각각 AWS와 ASOS 자료를 이용하였다. 또한 하천유량 모의를 위한 강우-유출모형으로는 SURF 모델(Sejong University River Forecast Model)을 이용하였다. 이 모형은 저류함수모형 기반의 연속형 강우-유출모형으로 미래에 대한 유출모의결과의 정확도를 향상시키기 위해 앙상블 칼만필터링 기법을 연계한 모형이다. 그림 1은 충주댐유역에 대해서 2009.7.8~17일(240시간)에 대해서 관측유량 자료동화 전후의 결과를 나타낸 것이다. 현시점을 100, 105, 110, 115시간으로 가정하고 미래기간에 대해서는 관측강우를 0으로 가정했을 때 대략 첨두유량 발생 5시간 전에 예측된 모의유량이 관측유량과 거의 일치함을 확인할 수 있다. 따라서 실황강우와 관측유량 자료동화 기법을 연계할 경우 수 시간의 선행시간에 대해서 유량예측이 가능한 것으로 판단된다.

• Atmosphere
• /
• v.15 no.3
• /
• pp.179-186
• /
• 2005

Due to several difficulties, a number of Automatic Weather Systems (AWS) operated by Korea Meteorological Administration (KMA) are located on the rooftop so that the forming of standard observation environment to obtain the accuracy is needed. Therefore, the air temperature of AWSs on the synthetic lawn and the concrete of the rooftop is compared with the standard observation temperature. The hourly mean temperature is obtained by monthly and hourly mean value and the difference of temperature is calculated according to the location, the weather phenomenon, and cloud amount. The maximum and the minimum temperatures are compared by the conditions, such as cloud amount, the existence of precipitation or not. Consequently, the temperature on the synthetic lawn is higher than it on the concrete so that it is difficult to obtain same effect from ASOS, on the contrary the installation of AWS on the synthetic lawn seem to be inadequate due to heat or cold source of the building.

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.3
• /
• pp.67-74
• /
• 2024

In this paper, we present a study aimed at analyzing how different rainfall measurement methods affect the performance of reservoir water level predictions. This work is particularly timely given the increasing emphasis on climate change and the sustainable management of water resources. To this end, we have employed rainfall data from ASOS, AWS, and Thiessen Network-based measures provided by the KMA Weather Data Service to train our neural network models for reservoir yield predictions. Our analysis, which encompasses 34 reservoirs in Jeollabuk-do Province, examines how each method contributes to enhancing prediction accuracy. The results reveal that models using rainfall data based on the Thiessen Network's area rainfall ratio yield the highest accuracy. This can be attributed to the method's accounting for precise distances between observation stations, offering a more accurate reflection of the actual rainfall across different regions. These findings underscore the importance of precise regional rainfall data in predicting reservoir yields. Additionally, the paper underscores the significance of meticulous rainfall measurement and data analysis, and discusses the prediction model's potential applications in agriculture, urban planning, and flood management.

• Journal of Korea Water Resources Association
• /
• v.54 no.spc1
• /
• pp.1071-1081
• /
• 2021

In addition to the current quality control procedures for the weather observation performed by the Korea Meteorological Administration (KMA), this study proposes quality inspection standards for Internet of Things (IoT) urban weather observed data based on machine learning that can be used in smart cities of the future. To this end, in order to confirm whether the standards currently set based on ASOS (Automated Synoptic Observing System) and AWS (Automatic Weather System) are suitable for urban weather, usability was verified based on SKT AWS data installed in Seoul, and a machine learning-based quality control algorithm was finally proposed in consideration of the IoT's own data's features. As for the quality control algorithm, missing value test, value pattern test, sufficient data test, statistical range abnormality test, time value abnormality test, spatial value abnormality test were performed first. After that, physical limit test, stage test, climate range test, and internal consistency test, which are QC for suggested by the KMA, were performed. To verify the proposed algorithm, it was applied to the actual IoT urban weather observed data to the weather station located in Songdo, Incheon. Through this, it is possible to identify defects that IoT devices can have that could not be identified by the existing KMA's QC and a quality control algorithm for IoT weather observation devices to be installed in smart cities of future is proposed.

• 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
• /
• 2021.06a
• /
• pp.375-375
• /
• 2021

제주지역의 경우에는 지형학적으로 한라산을 중심으로 한 산악지형을 이루고 있으며, 이러한 산악지형은 수문기상요소에 고도에 따른 영향을 미치게 된다. 따라서, 제주지역의 수문기상요소에 대한 산악효과를 정량적으로 파악하기 위해서는 해안 저지대에서부터 중산간, 고지대에 이르기까지 관측지점이 고르게 분포되어 있어야 한다. 제주 전역의 과거 운영되었거나, 현재 운영중인 기상관련 관측지점의 수는 125개에 이른다. 강수의 경우, 기상청(ASOS, AWS), 제주도 재난본부에서 관측하고 있으며, 강수 이외의 기상요소는 기상청에서 관측되어지고 있다. 본 연구에서는 제주전역의 기상관측지점에 대하여 강수량, 온도, 습도를 중심으로 제주지역의 산악효과 및 공간적인 특성을 분석하고자 하였다. 고도에 따른 기상요소의 정량적인 상관관계를 제시하고자 하였으며, 제주 전역에 걸친 수문기상요소들의 공간상관성 분석을 토대로 공간적인 분포특성을 도출하고자 하였다.