• Journal of Korea Water Resources Association
• /
• v.37 no.4
• /
• pp.305-314
• /
• 2004

Climate change mainly due to the increase of green house gases cause different patterns of water cycle within the basin. However, it is common that current planning and management practices do not consider the effect of the climate change. So, this study evaluated the effect of climate change on the water circulation within the watershed. This study used several GCM simulations for the double $CO_2$condition for the generation of temperature and rainfall series using the Markov chain. Daily runoff series for 100 years were generated using a rainfall-runoff model. As results. annual temperature increase by ＋3.2 ∼＋4.6$^{\circ}C$, annual precipitation change －7 ∼ ＋8 %, annual runoff change －14 ∼ ＋7 %, and potential evapotranspiration amount change ＋3 ∼＋4 % for the change of 1 $^{\circ}C$ are found to be expected depending on GCM simulations. Even though the simulation results are very dependent on the GCM predictions considered, overall variability of runoff is expected to become higher than the current state.

• 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
• /
• 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
• /
• 2010.05a
• /
• pp.847-850
• /
• 2010

최근 많은 수문학자들은 전지구적 기후변화로 인한 피해 예방과 저감을 위해 기후변화가 수문학적으로 어떤 영향을 미치고 있는지 알기 위해 많은 연구를 진행하고 있으며, 기후변화시나리오를 작성하고자 이산화탄소 배출농도를 가정하여 다양한 시나리오를 생성하고 있다. 본 연구에서는 효율적인 수자원 관리를 위해 저해상도의 GCM(General Circulation Models) 모형에서 생성되는 모의결과를 유역 규모의 단위로 스케일 상세화 기법(downscaling)을 적용 시켜 보고자 한다. 이를 위해 2007년 IPCC AR4와 함께 제시된 SRES A1B 시나리오를 채택하여 우리나라 기상청이 연구에 참여 제공하고 있는 EHCO-G 모델의 모의결과를 이용하여 소양강 유역에 적용하였다. 상세화 기법으로는 현재와 과거의 입력값들과 이에 대응된 출력값들을 알고 있는 경우에 미래의 새로운 입력값들에 대한 예측값들을 추출하는데 유용하며, 비선형적 비연속적인 특성이 강한 모델에 강점을 가지고 있는 인공신경망(Artificial Neural Network) 모델을 사용하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.516-516
• /
• 2016

기후변화는 농업생산량 감소와 식량 안보 문제와 같이 농업에 심각한 영향을 미칠 수 있다. 또한 기존의 농업수리 및 관개배수 시설 운영에 영향을 줄 수 있다. 따라서 지속가능한 농업 수자원 관리를 위해서는 기후변화의 영향을 고려한 장기적인 계획 수립이 필요하다. 따라서 본 연구에서는 논벼 지역의 설계용수량의 확률론적 분석을 통한 논벼 필요수량 및 설계용수량에 대한 기후변화영향 평가를 실시하였다. 이를 위해서 본 연구에서는 23개 GCM의 36개 산출물을 활용하여 Multi-model ensemble 구축하였다. 먼저 GCM별 증발산량과 유효우량을 산정한 결과 중부지역에서는 IPSL-CM5A 모델의 기후변화자료를 활용할 경우 증발산량과 유효우량이 타 GCM 모델들과 비하여 크게 산정되었다. 남부지역에서는 CanESM2 모델을 적용할 경우 가장 많은 증발산량과 유효우량이 모의되는 것으로 나타났다. 이처럼 GCM별로 다양한 결과가 모의되기 때문에 농업시설 설계에 적용되는 설계용수량의 경우 안전성을 위하여 Multi-GCM models을 활용할 필요가 있다. Multi-model ensemble의 RCP 4.5와 RCP 8.5 시나리오를 적용한 결과, 모든 경우에서 1995s(1981-2014)에 비해 설계용수량은 점차적으로 증가하는 것으로 나타났다. 평균 증가율은 RCP 4.5에서 중부지역이 9.4%, 남부지역이 6.0% 증가하는 것으로 나타난 반면, RCP 8.5에서는 중부지역이 11.1%, 남부지역이 8.2% 증가하는 것으로 나타났다. 또한 여러 GCM 산출물간의 불확실성은 RCP 4.5보다는 RCP 8.5 시나리오가, 중부 지역보다는 남부 지역이, 논벼 증발산량 보다는 유효우량이 더 큰 것으로 분석되었다. 본 연구는 향후 미래 가뭄 위험성을 최소화하기 위한 농업 수자원관리 전략수립에 활용될 수 있을 것이다. 또한 본 연구결과는 기후변화 영향 평가에 있어서 적합한 GCM 자료를 선택하는데 있어, 불확실성을 가늠할 수 있는 유용한 척도로 이용될 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.276-276
• /
• 2012

일반적으로 기후변화영향에 관한 연구수행을 위해 전지구기후모형(GCM; Global Climate Model)이 사용되고 있다. 하지만 GCM은 공간해상도(Spatial resolution)가 거칠기 때문에 수문학 분야에서 주로 사용되는 유역규모의 지역적인 스케일특성과 물리적 특징을 표현하는데 한계가 있다. 또한 GCM 기후변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67% 이상이 집중되는 계절성을 반영하지 못하고 있으며, 높은 불확실성을 보이고 있다. 본 연구에서는 GCM 기반의 다지점 인공신경망기법을 적용한 상세화(Downscaling)를 실시하였다. GCM의 24개 2D변수에 대한 주성분분석을 실시하여 신경망의 학습인자로 사용하였으며, 학습, 검증 및 예측기간은 각각 1981~1995년, 1996~2000년, 2011~2100년으로 A1B 시나리오를 대상으로 상세화를 실시하였다. 또한, 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline과 Projection 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다.

• Journal of Korea Water Resources Association
• /
• v.47 no.9
• /
• pp.825-838
• /
• 2014

The stationary Markov chain model has been widely used as a daily rainfall simulation model. A main assumption of the stationary Markov model is that statistical characteristics do not change over time and do not have any trends. In other words, the stationary Markov chain model for daily rainfall simulation essentially can not incorporate any changes in mean or variance into the model. Here we develop a Non-stationary hidden Markov chain model (NHMM) based stochastic downscaling scheme for simulating the daily rainfall sequences, using general circulation models (GCMs) as inputs. It has been acknowledged that GCMs perform well with respect to annual and seasonal variation at large spatial scale and they stand as one of the primary sources for obtaining forecasts. The proposed model is applied to daily rainfall series at three stations in Nakdong watershed. The model showed a better performance in reproducing most of the statistics associated with daily and seasonal rainfall. In particular, the proposed model provided a significant improvement in reproducing the extremes. It was confirmed that the proposed model could be used as a downscaling model for the purpose of generating plausible daily rainfall scenarios if elaborate GCM forecasts can used as a predictor. Also, the proposed NHMM model can be applied to climate change studies if GCM based climate change scenarios are used as inputs.

• Journal of Climate Change Research
• /
• v.1 no.1
• /
• pp.59-73
• /
• 2010

One of the most important issues for projecting future water resources and establishing climate change adaptation strategies is 'uncertainty'. In Korea, climate change research results were very heterogeneous even in a same basin, but there have been few climate change studies dealt with the uncertainty reduction. This is because emission scenarios, GCMs, downscaling, and rainfall-runoff models that were used in the previous studies were almost all different. In this research, fifty one GCM scenarios based A and B emission scenarios were downloaded and then compared with the observed values for a period from January 2001 to December 2008. The downloaded GCM scenarios in general simulated well the observed but did not simulated well the observed precipitation especially for the flood season in Korea. The accuracy of each GCM scenario was measured with the model efficiency, PDF-based, and Relative Entropy methodology. Among the selected GCM scenarios with three methodologies, the four common GCM scenarios(CGCM2.3.2(MRI-M, B1), MIROC3.2medress(NIES, B1), CGCM2.3.2(MRI-M, A2), CGCM2.3.2(MRI-M, A1B) were finally selected. Results of the four selected GCMs were heterogeneity and projected increases of precipitation for the Korean Peninsula by from 27.36% to 12.49%, respectively. It seems very risky to rely a water planning or a management policy on use of a single climate change scenario and from this research results. Therefore, the four selected GCM scenarios proposed quantitatively were considered firstly for the water supply in the dry season and the drought management strategy in the Korean Peninsula for the future.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.189-189
• /
• 2015

본 연구는 기후변화의 영향을 고려한 포아송 강우생성모형의 일종인 MBLRP(Modified Bartlett-Lewis Rectangular Pulse)를 개발하고, 대한민국 주요 도시에 대해 향후 100년간 강우의 변화를 살펴보았다. 기존 MBLRP 모형에서 기후변화에 따른 강우량 변화를 고려할 수 있도록 GCM 모형의 강우 자료를 활용하였고, GCM 모형으로부터 발생하는 불확실성을 고려하기 위해 IPCC의 RCP(Representative Concentration Pathways) 시나리오를 모의한 16개의 GCM 모형을 사용하였다. 2007년부터 2099년까지의 미래기간을 3개의 시 구간으로 구분하고, 16개 GCM 앙상블을 사용하여 미래기간 동안 대한민국 16개 도시에 대해 1000개의 샘플을 BWA 방법을 이용하여 생성하였다. 제어기간(1973-2005) 대비 미래기간(2007-2099)의 변화율을 나타내는 FOC(factor of change)와 온도의 연별 변화율을 나타내는 SF(scaling factor)의 개념을 결합하여 미래기간에 대한 CF(correction factor)를 산정하였다. 이때 CF는 16개 도시의 연 단위 강우량 변화 비율을 월별로 나타내며, 제어기간의 월 강우 관측치와 CF를 몬테카를로 모의를 실시하여 미래기간의 강우 시나리오를 산정한다. 이를 통해 월 평균 강우량 통계치를 연 단위로 얻을 수 있으며, 월 평균 강우량이 월 평균 분산, 무강우확률, 자기상관계수와 가지는 선형 관계를 통해 강우 통계치를 산출한다. 이와 같은 강우 통계치는 가상강우생성모형인 MBLRP 모형에 입력 자료로 활용되어 월 강우량을 시 단위의 강우 시계열 자료로 생성해낸다. 최종적으로 MBLRP 모형으로 산정된 시 단위 강우 시계열은 기후변화 영향을 고려한 GCMs 앙상블로 생성된 강우 시나리오를 기반으로 산출되기 때문에 향후 수자원 분석에 활용 가능할 것이라 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.197-197
• /
• 2020

기후변화 연구의 주요 요소 중 하나는 온도, 강수량 및 증발과 같은 기후 요인의 변화를 연구하는 것이다. General Circulation Model(GCM)은 다양한 기후 요인의 변화를 연구하는 데 일반적으로 사용되고 있다. Coupled Model Intercomparison Project(CMIP)는 전 세계의 30여 개 이상의 기관에서 개발한 GCM의 모의 결과를 연구 및 공유하기 위해 개발되었다. 기후 연구에서 대표적으로 사용하고 있는 CMIP5의 GCM은 미래 시나리오인 Representative Concentration Pathway(RCP)를 기반으로 전망 기간의 기후요소를 예측한다. 현재 개발하고 있는 CMIP6의 미래 시나리오인 Shared Socioeconomic Pathways(SSP)는 인구, 경제개발, 생태계, 자원, 제도 및 사회적 요인에 대한 미래의 사회적, 경제적 변화에 따른 기후변화에 대한 대응을 포함하고 있으며, CMIP6의 미래 시나리오는 사회적 및 경제적 결합을 통해 기후변화에 대한 정책 영향에 대한 증진된 결과를 도출할 것으로 예측하고 있다. 따라서 본 연구는 CMIP5의 INM-CM4와 CMIP6의 INM-CM5를 사용하여 대한민국의 과거 기간(1970-2005)의 월 강수량에 대한 성능을 비교하였다. 격자형 자료인 GCM을 Inverse distance weight를 사용하여 대한민국 22개 관측소로 거리 보간을 수행하였으며, 편이보정 방법으로는 분위사상법(Quantile mapping) 방법 중 Smoothing Spline 방법을 사용하여 관측소와의 오차를 수정하였다. 산정된 강수량을 토대로 6개의 평가지표(NRMSE, Pbias, NSE, PRCP100, PRCP200, PRCP300)를 사용하여 GCM의 성능을 평가하여 INM-CM4와 INM-CM5의 성능을 비교하였다.