• 한국수자원학회논문집
• /
• 제53권9호
• /
• pp.701-715
• /
• 2020

본 연구에서는 FAO-56 Penman-Monteith (FAO PM)를 비롯하여 Hamon, Hansen, Hargreaves-Samani, Jensen-Haise, Makkink, Priestley-Taylor, Thornthwaite 등 총 8가지 기준증발산량 산정방법을 이용하여 전국 기상청 ASOS 지점을 대상으로 각 방법에 따른 기준증발산량을 산정하여 비교하였다. 또한 가장 신뢰성이 높은 것으로 알려진 FAO PM값을 기준으로 나머지 7가지 방법에 의한 월별 편차를 분석하여 지점별 월별 보정계수를 도출하고, 보정에 따른 개선효과를 평가하였다. 먼저 각 방법의 기본계수를 적용하여 기준증발산량을 산정한 결과, 방법에 따라 큰 편차를 나타내었으며 Hansen 방법이 상대적으로 FAO PM과 유사한 것으로 나타났다. 반면, Hamon과 Jensen-Haise 방법은 여름철을 중심으로 타 방법대비 매우 큰 값을 보였으며, FAO PM과의 편차도 크게 나타났다. 지역별로는 동해안 일부지역을 제외하고 대부분의 지역에서 FAO PM과 비교하여 기준증발산량을 과다하게 산정하는 것으로 분석되었다. FAO PM 결과와의 편차를 기반으로 지점별 월별 최적화된 보정계수를 도출하고 기준증발산량을 다시 비교한 결과, 지점에 따라 보정 전에 -46 mm~+88 mm의 범위를 보였던 월 평균값은 보정 후 -11 mm~+1 mm로 나타났으며, 연 평균값도 -393 mm~+354 mm (보정 전)에서 -33 mm~+9 mm (보정 후)로 보정을 통하여 편차가 크게 감소되었다. 또한, 기온자료만을 이용하는 Hamon, Hargreave-Samani, Thornthwaite 방법들도 보정을 통하여 FAO PM과 큰 차이없는 결과를 도출하였다. 특히 기온기반의 방법들은 기후변화 시나리오 중 상대적으로 불확실성이 낮은 기온자료만을 이용하여 미래의 장기간의 기준증발산량을 전망하거나, 월 또는 계절예측 기온정보를 이용하여 수개월간의 기준증발산량을 예측하는 경우에 유용하게 활용될 수 있을 것이다.

• 한국농공학회논문집
• /
• 제58권3호
• /
• pp.57-69
• /
• 2016

In this study, we analyzed the extreme rainfall distribution scenarios based on probable rainfall calculation and applying various time distribution models over the landslide high risk zones in urban areas. We used observed rainfall data form total 71 ASOS (Automated Synoptic Observing System) station and AWS (Automatic Weather Station) in KMA (Korea Meteorological Administration), and we analyzed the linear trends for 1-hr and 24-hr annual maximum rainfall series using simple linear regression method, which are identified their increasing trends with slopes of 0.035 and 0.660 during 1961-2014, respectively. The Gumbel distribution was applied to obtain the return period and probability precipitation for each duration. The IDF (Intensity-Duration-Frequency) curves for landslide high risk zones were derived by applying integrated probability precipitation intensity equation. Results from IDF analysis indicate that the probability precipitation varies from 31.4~38.3 % for 1 hr duration, and 33.0~47.9 % for 24 hr duration. It also showed different results for each area. The $Huff-4^{th}$ Quartile method as well as Mononobe distribution were selected as the rainfall distribution scenarios of landslide high risk zones. The results of this study can be used to provide boundary conditions for slope collapse analysis, to analyze sediment disaster risk, and to use as input data for risk prediction of debris flow.

• 한국지리정보학회지
• /
• 제23권3호
• /
• pp.208-219
• /
• 2020

본 연구는 위성강수에 대한 정확도를 비교함으로써 미계측 혹은 비접근 지역에 대한 적용성을 판단하는 것을 목적으로 하고 있다. 정확도 평가 결과 전체적인 강수의 공간분포는 세 개의 이벤트 모두 지상계측강우와 위성강수가 유사한 것으로 분석되었다. 1개월간의 강수의 경우 지상계측강수(ASOS)와 위성강수의 1시간의 시간해상도에서 상관계수는 0.42~0.46정도로 분석되었다. 강수가 집중된 기간에 대한 평가에서 1시간의 시간해상도에 대한 상관계수가 IMERG는 0.55~0.66, GSMaP는 0.56~0.67로 분석되었다. 세 개의 이벤트에 대한 관측소별 총강우의 분석결과 상관계수는 IMERG와 GSMaP이 CMORPH 보다 상대적으로 우수한 것으로 분석되었고, 바이어스는 상대적으로 CMORPH가 우수한 것으로 분석되었다. 그러나 3개 위성강수 모두 지상계측강수와 비교하여 과소하게 추정되고 있는 것으로 분석되었다. 향후에는 본 연구를 통해 얻어진 결과를 반영하여 북한을 포함한 한반도 전체에 대한 강수량을 추정하는 연구를 수행할 계획이다.

• 대한원격탐사학회지
• /
• 제36권5_4호
• /
• pp.1179-1194
• /
• 2020

본 연구에서는 지상기상센서가 설치되지 않은 미 관측지점의 기온정보를 추정하기 위하여 K-최근접 이웃, 랜덤 포레스트, 신경망 알고리즘을 대상으로 위성영상을 이용하여 기온자료를 산출하고 그 정확성을 평가·분석하고자 하였다. 위성영상자료는 2019년에 취득된 Landsat-8과 MODIS Aqua/Terra을 이용하였으며, 기상자료는 기상청과 산림청의 AWS/ASOS 자료를 이용하였다. 또한 추정 정확도를 향상시키기 위하여 수치표면 모델, 일사량, 경사방향, 경사도를 생성하여 이용하였다. 머신러닝 알고리즘 정확도 비교는 10-fold 교차검증을 통하여 R²(결정계수) 및 RMSE(평균제곱근오차)의 통계량을 계산하여 대상지역별 추정결과를 비교하였다. 그 결과 신경망 알고리즘이 R²=0.805, RMSE=0.508로 세 알고리즘 중 가장 안정적인 결과를 나타내었다. 신경망 알고리즘을 구축된 위성영상 데이터셋에 적용하여 2019년 6월부터 9월까지의 평균기온 지도를 생성할 수 있었으며 세밀한 기온 정보를 관측할 수 있음을 확인하였다. 연구 성과는 폭염 대응 정책, 열섬완화 연구 등 국가재난안전 관리에 활용 될 수 있을 것으로 기대된다.

• 디지털융복합연구
• /
• 제14권8호
• /
• pp.245-252
• /
• 2016

본 연구는 현재 운영 중인 자동기상관측장비인 ASOS와 AWS의 결측에 대해 안공신경망을 활용하여 주변 관측값을 기반으로 결측을 보완하기 위한 연구이다. 2011년부터 2015년까지 수집된 서울지역 기온, 습도, 풍속을 대상으로 학습데이터를 구성하고 인공신경망을 통해 학습모델을 구축하였으며, 서울관측소를 결측으로 가정하고 학습 모델에 대한 검증을 수행하였다. 학습횟수 증가에 따른 민감도 실험 결과 초기종료는 학습횟수 2,000회에서 나타났다. 관측과 추정치의 상관관계는 모든 기상변수에서 0.6이상이었으며 기온과 습도의 경우 각각 0.9, 0.8 이상의 높은 상관성을 보였다. RMSE는 대부분 기상변수에 대해 학습횟수가 증가함에 따라 꾸준히 감소하지만 풍속의 경우 뚜렷한 증감 경향이 나타나지 않았다. 학습시간은 학습횟수가 증가할수록 지수함수적으로 증가하는 경향을 보였다. 학습 횟수 40회의 ANN 성능은 초기종료 시점까지 향상된 결과에 80%이상의 효과를 볼 수 있으며 2초 내의 빠른 학습시간으로 신속한 결측 보완을 통해 보다 상세한 기상정보의 활용이 가능할 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1071-1081
• /
• 2021

본 연구에서는 기상청에서 수행하는 기존의 기상 관측에 대한 품질관리 절차 이외에 향후 스마트시티 등에서 활용될 수 있는 머신러닝 기반의 Internet of Things (IoT) 도시기상 관측 자료에 대한 품질검사 기준을 제안한다. 현재 기상청에서 종관기상관측(Automated Synoptic Observing System, ASOS)과 방재기상관측(Automatic Weather System, AWS) 기반으로 설정한 기준이 도시기상에 적합한지 확인하기 위하여 서울시에 설치된 SKT AWS 자료를 기반으로 사용성을 검증하였고, IoT 자체의 데이터가 가지는 특성을 고려하여 최종적으로 머신러닝 기반의 품질검사 알고리즘을 제안하였다. 품질검사 방법으로는 IoT 기기 자체에 대한 결측값 검사, 값 패턴 검사, 충분 데이터 검사, 통계적 범위 이상 검사, 시간값 이상 검사, 공간값 이상 검사를 먼저 수행하고, 기상청에서 제시하고 있는 기상 관측에 대한 품질검사인 물리한계검사, 단계검사, 지속성 검사, 기후범위 검사, 내적 일치성 검사를 5가지 기상요소에 대하여 각각 수행하였다. 제안한 알고리즘의 검증을 위하여 인천광역시 송도에 위치한 관측소에 실제 IoT 도시기상관측 데이터에 이를 적용하였다. 이를 통해 기존의 기상청 QC로는 확인할 수 없었던 IoT 기기가 가질 수 있는 결함을 확인할 수 있고, 알고리즘에 대한 검증을 진행하여 향후 스마트시티에 설치될 IoT 기상관측기기에 대한 품질검사 방법을 제안한다.

• 한국산학기술학회논문지
• /
• 제20권1호
• /
• pp.434-439
• /
• 2019

최근 지구온난화로 인한 기상이변, 도시화로 인한 도심의 열섬현상 등으로 도시 온도변화 및 지표면 온도 변화에 대한 관심이 증대되고 있다. 우리나라에서는 1904년부터 현재까지 기온, 강수량 등 기상 데이터를 수집하고 있다. 최근에는 종관기상관측장비(ASOS; Automated Surface Observing System) 96개소, 방재기상관측장비(AWS) 494개소의 지상기상관측망을 운영하고 있다. 그러나 지상관측망의 경우 각 설치 지점에 대한 점 데이터를 제공하고 있으므로, 측정 지점을 제외한 곳의 지상기상 데이터는 보간법을 통해 예측하고 있는 상황이다. 이에 본 연구에서는 지상의 지표면 온도 측정의 해상도를 향상시키기 위해 위성영상을 이용한 지표면 온도를 산출하고, 그 활용 가능성을 분석하고자 하였다. 이를 위해 서울특별시를 대상으로 Landsat 8 OLI TIRS의 위성영상을 계절별로 획득하고, 열적외 밴드에 NASA식을 적용하여 지표면 온도로 변환하였다. 지상의 측정 자료는 AWS를 통해 측정한 기온 데이터를 활용하였다. AWS 기온 데이터는 관측소 기반의 점 데이터이므로, Landsat 영상과의 비교를 위해 크리깅 보간법으로 보간을 수행하였다. 위성영상기반의 지표면 온도와 AWS 기온 데이터를 비교한 결과 계절에 따른 온도차는 RMSE값을 바탕으로 가을, 겨울, 여름, 봄의 순서로 Landsat 위성영상의 적용 가능성을 판단할 수 있었으며, 위성영상의 시기별 평균온도와 AWS 온도 사이에는 최대 평균 $2.11^{\circ}C$이내, 최대 RMSE ${\pm}3.84^{\circ}C$인 것을 감안하면 정확도 향상을 위해 NASA식에 보정값이 필요하다는 것을 알 수 있었다.

• 한국수자원학회논문집
• /
• 제55권6호
• /
• pp.447-459
• /
• 2022

본 연구에서는 위성 기반 재분석 강수 자료인 PERSIANN-CCS-CDR (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Cloud Classification System-Climate Data Record)을 이용하여 한반도에 대한 격자형 확률강수량을 산정하였다. 고려된 기간은 1983년부터 2020년까지 총 38개년이다. 사용된 자료의 공간해상도는 0.04°이며, 시간해상도는 3시간이다. 확률분포로는 빈도해석을 위해 일반적으로 사용되고 있는 Gumbel 분포를 사용하였으며, 매개변수 추정을 위해 확률가중모멘트법을 적용하였다. 지속기간은 3시간부터 144시간 까지, 재현기간은 2년부터 500년까지가 고려되었다. 이러한 방식으로 산정된 결과를 지상우량계인 ASOS (Automated Synoptic Observing System) 기상관측소의 강수 자료를 활용하여 산정된 확률강수량과 비교·검토하였다. 그 결과, PERSIANN-CCS-CDR 자료로부터 산정된 Gumbel 분포의 매개변수들은 지속기간이 증가함에 따라 ASOS의 결과들과 유사한 양상을 보였으며 이를 토대로 얻어진 확률강수량은 지속기간이 짧은 경우 다소 큰 차이를 보였으나, 지속기간이 18 h 이상인 경우 그 차이는 약 20% 이내로 감소함을 확인하였다. 추가적으로, 남북한 차이를 살펴보았으며 Gumbel 분포 매개변수들 중 위치 매개변수의 차이가 두드러지게 나타남을 확인하였다. 지속기간의 증가에 따른 북한의 확률강수량이 상대적으로 작게 나타났으며, 지속기간 3 h 기준 남한의 84%, 지속기간 144 h 기준 70~75% 수준인 것으로 확인되었다.

• 대기
• /
• 제24권2호
• /
• pp.159-171
• /
• 2014

This study investigated the temporal and spatial characteristics of summertime (June-August) precipitation over Korean peninsula, using Korea Meteorological Administration (KMA)is Automated Synoptic Observing System (ASOS) data for the period of 1973-2010 and Automatic Weather System (AWS) data for the period of 1998-2010.The authors looked through climatological features of the summertime precipitation, then examined the degree of locality of the precipitation, and probable precipitation amount and its return period of 100 years (i.e., an extreme precipitation event). The amount of monthly total precipitation showed increasing trends for all the summer months during the investigated 38-year period. In particular, the increasing trends were more significant for the months of July and August. The increasing trend of July was seen to be more attributable to the increase of precipitation intensity than that of frequency, while the increasing trend of August was seen to be played more importantly by the increase of the precipitation frequency. The e-folding distance, which is calculated using the correlation of the precipitation at the reference station with those at all other stations, revealed that it is August that has the highest locality of hourly precipitation, indicating higher potential of localized heavy rainfall in August compared to other summer months. More localized precipitation was observed over the western parts of the Korean peninsula where terrain is relatively smooth. Using the 38-years long series of maximum daily and hourly precipitation as input for FARD2006 (Frequency Analysis of Rainfall Data Program 2006), it was revealed that precipitation events with either 360 mm $day^{-1}$ or 80 mm $h^{-1}$ can occur with the return period of 100 years over the Korean Peninsula.

• 한국농공학회논문집
• /
• 제65권3호
• /
• pp.69-82
• /
• 2023

Representative meteorological data of the rural water district, which is the spatial unit of the study, was produced using the grid-based national standard RCP scenario rainfall data provided by the Korea Meteorological Administration. The retrospective reproducibility of the climate model scenario data was analyzed, and the change in climate characteristics in the water district unit for the future period was presented. Finally the data characteristics and differences of each meteorological element according to various spatial resolution conversion and post-processing methods were examined. As a main result, overall, the distribution of average precipitation and R95p of the grid data, has reasonable reproducibility compared to the ASOS observation, but the maximum daily rainfall tends to be distributed low nationwide. The number of rainfall days tends to be higher than the station-based observation, and this is because the grid data is generally calculated using the area average concept of representative rainfall data for each grid. In addition, in the case of coastal regions, there is a problem that administrative districts of islands and rural water districts do not match. and In the case of water districts that include mountainous areas, such as Jeju, there was a large difference in the results depending on whether or not high rainfall in the mountainous areas was reflected. The results of this study are expected to be used as foundation for selecting data processing methods when constructing future meteorological data for rural water districts for future agricutural water management plans and climate change vulnerability assessments.