• 한국수자원학회논문집
• /
• 제37권1호
• /
• pp.21-29
• /
• 2004

국내에서 예상되는 물부족 현상을 극복하기 위해서는 수문 현상의 이해를 통한 수자원의 안정된 확보, 관리, 개발 등 수자원 관련 기술격의 발전이 필수적이라 하겠다. 물순환계통의 올바른 이해와 적합한 모형의 개발 및 검증을 위해서는 강우 및 토양수분의 대규모 원격측정이 필수적일 뿐 아니라 관측 격자 내에서 일어나는 변화도에 대한 이해가 필요하다. 가까운 장래에 예상되는 전구 관측 토양수분자료의 격자크기인 10km는 중ㆍ소규모 지역의 수문ㆍ기상모델 적용에 한계를 가진다. 목적에 따라 각 모델들이 필요로 하는 입력 자료의 격자크기가 다른 반면 각 모델에 대한 적합한 크기의 격자를 가진 다양한 입력 자료의 부재는 토양수분자료에 대한 적합한 downscaling 기법을 필요로 한다. 사용 가능한 보조 자료와 토양수분의 선형상관관계는 상당히 낮으므로 이들 상호관계를 선형관계의 합으로 나타내는데 한계를 가진다. 그러므로 본 연구에서는 physically-based 분리기법과 자료들 간의 비선형 상관관계를 나타내는데 적합한 신경망 기법을 이용한 downscaling 기법을 개발하였다. 개발된 downscaling 기법은 Washita'92 실험으로부터 획득된 토양수분 및 보조 자료를 사용하여 4km자료를 0.2km자료로 downscaling 하였으며 출력자료는 기존의 전형적 기법에 의하여 smoothing된 자료보다 개선된 결과를 보여주었다.

• 한국수자원학회논문집
• /
• 제49권10호
• /
• pp.863-876
• /
• 2016

현재 국내외에서 제공되고 있는 기후변화 시나리오 자료의 경우 일단위로 제공되고 있다. 그러나 수문 설계 및 계획 시 중요한 입력자료 중 하나는 시간단위 강우 자료로서 기후변화 시나리오에 따른 수자원 변동성을 평가하기 위해선 신뢰성 있는 상세화 기법이 필요하다. 국내외에서는 일단 위에서 일단위로 상세화 하는 기법, 또는 공간상세화 기법 연구는 다수 진행된바 있는 반면, 시간단위 상세화 기법 연구는 일단위 연구에 비해 상대적으로 미진한 실정이다. 이러한 점에서 본 연구에서는 기후변화 시나리오에 따른 영향 평가가 가능한 자료생성을 위해 Conditional Copula 모형을 활용하여 극치시간단위 강우량 상세화 기법을 개발하였으며, 미래 RCP 8.5 시나리오를 활용하여 연대별 극치시간강우량을 생성하였다. 생성된 결과는 우리나라 기상청 지점별로 빈도해석을 통해 결과를 제시하였으며, 본 연구결과는 수자원 분야에서 미래 기후변화 영향을 평가하기 위한 기초자료로 활용 될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2002년도 학술발표회 논문집(II)
• /
• pp.1173-1178
• /
• 2002

• 한국해안·해양공학회논문집
• /
• 제20권1호
• /
• pp.34-41
• /
• 2008

미래 연안 생태환경변화 예측을 위한 기후변화에 따른 수온변화 예측이 필요하며, 연안 수온변화는 GCM 자료에서 제공하는 미래 기온변화 예측자료를 국지적인 기온자료로 Downscaling 기법을 적용하여 사용할 수 있다. 본 연구에서는 선형회귀분석기법을 이용하여 2000년${\sim}$2005년 우리나라 평균기온자료를 연안해역의 국지적인 기온자료로 Downscaling 하는 방법을 제안하고, 제안한 방법의 검증을 수행하였다. Downscaling 방법의 보정과정에서의 RMS오차 평균은 1.584정도이며, 2006년${\sim}$2007년 자료를 이용한 검정과정에서의 RMS 오차 평균은 1.675, 1.448 정도로 추정오차는 보정과정에서의 오차수준을 유지하고 있는 것으로 파악되었다. 또한, NSC 값도 보정과정에서는 0.962, 2006년${\sim}$2007년 자료를 이용한 검정과정에서는 0.955, 0.963으로 보정과정에서의 일치수준을 유지하고 있는 것으로 파악되어 선형회귀분석 기법을 이용한 우리나라 연안의 국지적인 기온은 RMS 오차 $1.0{\sim}2.0^{\circ}C$ 수준으로 전국 평균기온을 이용하여 추정할 수 있다.

• 한국습지학회지
• /
• 제15권1호
• /
• pp.115-125
• /
• 2013

본 연구에서는 강수의 공간적 편차가 큰 산악지역에서 축소기법을 적용하기 위한 방법론을 마련하고 이를 이용하여 미래 강수특성의 변화를 추정하고자 하였다. 이를 위하여 한반도내 산악지역이라고 할 수 있는 남한강유역을 대상유역으로 선정하였고 일반적인 축소기법 중의 하나인 신경망과 고도자료를 부가자료로 활용하여 유역의 지형적 특성을 반영할 수 있는 SKlm 기법을 연계하여 신경망-SKlm 모형(ANN-SKlm : Artificial Neural Network - Simple Kriging with varying local means)을 구축하였다. 유역내 6개의 기상관측소 지점의 월강수량을 이용하여 신경망-SKlm 기법과 기존 강수량의 공간분포 방법인 Thiessen 및 Ordinary Kriging 을 적용하여 비교 평가하였다. 유역내에 보다 밀도있게 구성되어 있는 25개 강우관측소 지점을 대상으로 각 기법을 평가한 결과 고도자료를 부가자료로 사용하는 SKlm 기법이 가장 우수한 결과를 나타내었다.

• 대한토목학회논문집
• /
• 제35권2호
• /
• pp.327-340
• /
• 2015

기후모형으로 가장 널리 사용되는 GCM의 불확실성 및 시공간적 편의로 인하여 GCM으로부터 생산된 기상정보를 응용수문분야에서 직접적으로 이용하기 위해서는 상세화 과정이 필수적으로 요구된다. 본 연구에서는 선행연구에서 개발된 비정상성 은닉 마코프 모형(Non-stationary Hidden Markov Chain Model, NHMM)을 기반으로 다지점 공간상관성을 고려할 수 있는 Chow-Liu Tree 알고리즘과 결합하여 유역단위 강우시나리오 상세화 기법(CLT-NHMM)으로 확장하였으며, 낙동강 유역에 적용하여 적용성을 평가하였다. 상관행렬(correlation matrix)을 통한 강우네트워크의 공간상관성 평가결과 유역상관성이 우수하게 모의하는 것을 확인하였으며, 강수의 빈도 및 양적 관점에서 효과적인 모의가 가능하였다. 본 연구에서 제시한 CLT-NHMM 모형은 수자원뿐만 아니라 수문자료를 입력 자료로 하는 농업, 보건, 환경 및 에너지 등 다양한 응용기상분야에 핵심 기술로 활용이 전망된다.

• 대한원격탐사학회지
• /
• 제26권1호
• /
• pp.29-38
• /
• 2010

높은 공간 해상도의 지상 자료와 상대적으로 저해상도인 원격탐사 자료의 통합을 통한 지표 환경 주제도 작성에서는 이러한 해상도의 차이를 반영한 통합 방법론이 필요하다. 이 연구에서는 상대적으로 저해상도인 원격탐사 자료와 지상 자료로부터 고해상도 주제도 작성과 관련된 다운스케일링을 위한 다중 스케일 지구통계학적 방법론을 적용하였다. 기존 정규 크리깅 시스템을 확장하여 포인트 자료로 간주할 수 있는 지상 자료와 블럭 자료로 간주할 수 있는 원격탐사 자료를 크리깅 시스템에 직접 포함하는 블럭 크리깅 방법론을 이용하였다. 부가적으로 다운스케일링에 따른 불확실성을 묘사하기 위해 블럭 크리깅 기반 시뮬레이션 기법도 함께 이용하였다. SRTM DEM과 MODIS 엽면적 지수 자료의 다운 스케일링 실험 연구를 통해 적용 기법의 적용성을 평가하였다. 두가지 실험 연구 결과, 적용 기법을 통해 효과적으로 상대적으로 고해상도 주제도 생성이 가능함을 확인하였으며, 특히 다중 시뮬레이션 결과는 다운 스케일링된 자료를 입력 자료로 사용하는 GIS 모델에 사용하여 모델 결과의 불확실성 분석에 효율적으로 이용될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.112-115
• /
• 2009

The research of climate change impact in hydrometeorology often relies on climate change information. In this paper, neural networks models such as support vector machine neural networks model (SVM-NNM) and multilayer perceptron neural networks model (MLP-NNM) are proposed statistical downscaling of the monthly precipitation. The input nodes of neural networks models consist of the atmospheric meteorology and the atmospheric pressure data for 2 grid points including $127.5^{\circ}E/35^{\circ}N$ and $125^{\circ}E/35^{\circ}N$, which produced the best results from the previous study. The output node of neural networks models consist of the monthly precipitation data for Seoul station. For the performances of the neural networks models, they are composed of training and test performances, respectively. From this research, we evaluate the impact of SVM-NNM and MLP-NNM performances for the downscaling of the monthly precipitation data. We should, therefore, construct the credible monthly precipitation data for Seoul station using statistical downscaling method. The proposed methods can be applied to future climate prediction/projection using the various climate change scenarios such as GCMs and RCMs.

• 대한원격탐사학회지
• /
• 제29권1호
• /
• pp.69-79
• /
• 2013

이 논문에서는 저해상도 원격탐사 자료 기반 주제도의 상세화를 목적으로 2단계로 구성된 지구통계학적 통합 기법을 제안하였다. 우선 영역-점 변환 크리깅을 이용하여 저해상도 부가 자료의 상세화를 수행하고, 이 정보는 이후 통합 과정에서 경향 성분으로 이용된다. 그리고 상세화된 부가 자료와 소수의 정밀 관측 자료와의 통합에 가변적 지역 평균 기반 단순 크리깅을 적용한다. 제안 기법은 저해상도 부가 자료의 상세화를 통해 해상도 차이에 따른 정밀 관측 자료와 부가 자료와의 통계적 연관성을 반영할 수 있으며, 정밀 조사 자료와의 통합을 통해 부가 자료의 오류를 보정할 수 있는 장점이 있다. 제안 기법의 적용성 평가를 위해, 지상 관측 강수 자료와 TRMM 자료와의 통합을 이용한 고해상도 강수 주제도 제작 연구를 수행하였다. 실험 결과, 영역-점 변환 크리깅을 통해 원 자료 스케일의 TRMM 강수값을 재생산할 수 있는 다양한 목표 고해상도에서의 상세 정보 추출이 가능하였다. 그리고 이 자료를 정밀 관측 자료와 통합함으로써 정밀 관측 자료만을 이용하는 단변량 공간 예측 기법에 비해 향상된 예측 정확도를 보였다. 따라서 제안 기법은 서로 다른 해상도를 가지는 자료를 대상으로 저해상도 부가 자료의 상세화에 효율적으로 이용될 수 있을 것으로 기대된다.