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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.