• Journal of Korea Water Resources Association
• /
• v.51 no.8
• /
• pp.629-642
• /
• 2018

Future variability of the spatial patterns of rainfall events is the point of water-related risks and impacts of climate change. Recent related researches are mostly conducted based on the outcomes from General Circulation Models (GCMs), especially Coupled Model Intercomparison Project, phase 5 (CMIP5) GCMs which are the most advanced version of climate modeling system. GCM data have been widely used for various studies as the data utility keep getting improved. Meanwhile the model performances especially for raw GCM outputs are rarely evaluated prior to the applications although the process would essential for reasonable use of model forecasts. This study attempt to quantitatively evaluate the skills of 29 CMIP5 GCMs in reproducing spatial climatologies of precipitation in East Asia. We used 3 different gridded observational data as the references available over the study area and calculated correlation and errors of spatial patterns simulated by GCMs. As a result, the study presented diversity of the GCM evaluation in the performance, rank, or accuracy by different configurations, such as target area, evaluation method, and observation data. Yet, we found that Hadley-centre affiliated models comparatively performs better for the meso-scale area in East Asia and MPI_ESM_MR and CMCC family showed better performance specifically for the korean peninsula. We expect that the results and thoughts of this study would be considered in screening suitable GCMs for specific area, and finally contribute to extensive utilization of the results from climate change related researches.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.354-354
• /
• 2011

금강유역에 대한 기후변화 영향을 기후모형 및 수자원영향평가모형을 통하여 정량적으로 분석하기 위하여 한반도 최적 GCM모형으로 기상청에서 제공하는 ECHO-G GCM모형과 역학적 다운스케일링 기법을 이용한 공간해상도 27km의 지역규모의 MM5 RCM모형을 이용하였다. A1B시나리오 기반으로 고해상도 기후변화 시나리오를 작성하여 분석기간을 2015년대(2001-2030), 2045년대(2031-2060), 2075년대(2061-2090)로 구분하여 미래 연평균강수량, 기온 등을 전망하였고, 과거 30년 자료의 100년빈도 강수량과 미래의 100년 빈도강수량의 변동성을 평가하였다. 기본적으로 GCM 및 RCM은 시공간적 스케일의 상이성으로 인해 수자원 영향 평가를 위한 자료로서 직접적인 이용은 현실적으로 곤란하다는 점에서 본 연구에서는 RCM 격자자료를 유역단위에서 강우관측소 지점 단위로 공간적 Downscaling을 실시하였으며 RCM 월자료에 대해서 일단위 자료로 시간적 Downscaling을 수행하여 기후모델로부터 발생하는 시공간적 스케일의 문제점을 극복하였다. 또한 유역단위의 상세수문시나리오를 생산하기 위해서 다지점 비정상성 Downscaling 기법을 활용하여 기존 일강수량 모의기법에서 간과 되었던 비정상성을 고려하여 미래 기후변화에 따른 강수사상의 변동성을 다양한 방법으로 검토하였다. 2001년~2006년 기간동안 SWAT모형을 이용하여 용담댐유역 용담댐 지점의 유입량과 SWAT의 최종방류부의 유량분석값을 비교한 결과 모의치와 실측치가 90.1% 일치하는 것으로 나타났고, 천천수위관측소 지점의 유량을 모형결과와 비교분석 한 결과에서도 91.3% 일치하는 것으로 나타났다. 한편, 대청댐 지점의 유입량과 SWAT의 최종방류부의 유량분석값을 비교한 결과 모의치와 실측치가 84.4% 일치하는 것으로 나타나 금강유역내 용담댐 및 대청댐을 대상으로 유출분석 검토 결과 적용성이 있음을 확인하였다. 기후변화 분석기간은 2011년부터 2090년까지 80년을 대상기간 으로 선정하였으며, 분석결과 2011~2020년 사이 유출량이 18%증가하는 것으로 전망되었다.

• Journal of Korea Water Resources Association
• /
• v.34 no.4
• /
• pp.335-345
• /
• 2001

The objective of this research is to analyze the hydrological environment changes in Daechung Dam Basin due to the global warming. GCM simulation results are used to predict the possible changes in precipitation and temperature. The changes of potential evapotranspiration, soil moisture and runoff due to the changes of precipitation and temperature are analyzed using a conceptual water balance model. From the simulation results using the water balance model for lx$CO_2$ and 2x$CO_2$ situations, it has been found that the runoff would decrease in Winter, but increase in Summer and Fall due to the global warming. Therefore, it is predicted that the frequency of drought and flood occurrences in Daechung Dam Basin would be increased in 2x$CO_2$ condition.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1605-1609
• /
• 2010

CGCM3.1 SRES B1 시나리오의 2D 변수들을 입력값으로 인공신경망 모형을 이용한 스케일 상세화기법으로 강부식(2009)은 소양강댐 유역의 월 누적강수 경향분석을 실시하였다. 원시 GCM 시나리오를 스케일 상세화 시키기 위한 기법의 하나로 인공신경망 모형을 사용할 수 있는데, 이 경우 GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면 근처에서의 일평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수를 잠재적인 예측인자로 사용하여 신경망을 구성하게 된다. 입력변수세트의 구성은 인공신경망의 계산 효율을 좌우하는 중요한 요소라 할 수 있다. 본 연구에서는 변수의 물리적 특성을 고려하여 순차적인 변수선택을 통한 신경망 입력변수 세트를 구성하고 입력세트 간의 학습성과 비교를 통하여, 최적 입력변수 선정 및 신경망의 학습효과를 높일 수 있는 방법에 대해 연구하였다. 물리적 상관성이 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 하여 순차적인 케이스를 학습해본 결과 huss와 ps를 입력변수로 하는 케이스에 대해서 적은 오차와 높은 상관성을 보였다, 또한, 신경망의 학습 효과를 높이기 위해 홍수기와 비홍수기로 구분하여 학습한 결과 홍수기와 비홍수기로 구분하여 신경망을 구성하였을 경우가 향상된 모의값을 나타내었다. 기후변화모의자료는 CCCma(Canadian Center for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 관측값으로는 AWS에서 제공된 일 누적강수를 사용하였다. 인공신경망의 학습기간은 1997년부터 2000년이며, 검증기간은 2001년부터 2004년으로 구성하였다.

• Journal of Korea Water Resources Association
• /
• v.47 no.2
• /
• pp.135-143
• /
• 2014

In this study, Chungju inflow was simulated for climate change considering the uncertainties of GCMs and a stochastic model. TFN (Transfer Function Noise) model and 4 different GCMs (CNRM, CSIRO, CONS, UKMO) based on IPCC AR4 A2 scenario were used. In order to evaluate uncertainty of TFN model, 100 cases of noises are applied to the TFN model. Thus, 400 cases of inflow results are simulated. Future inflows according to the GCMs show different rates of changes for the future 3 periods relative to the past 30-years reference period. As the results, the summer inflow shows increasing trend and the spring inflow shows decreasing trend based on AR4 A2 scenario.

• Proceedings of the Korea Water Resources Association Conference
• /
• 1996.05a
• /
• pp.280-290
• /
• 1996

• Proceedings of the Korea Water Resources Association Conference
• /
• 2002.05b
• /
• pp.1151-1154
• /
• 2002

• Journal of Korea Water Resources Association
• /
• v.53 no.4
• /
• pp.249-258
• /
• 2020

Many climate studies have used the general circulation models (GCMs) for climate change, which can be currently available more than sixty GCMs as part of the Assessment Report (AR5). There are several types of uncertainty in climate studies using GCMs. Various studies are currently being conducted to reduce the uncertainty associated with GCMs, and the bias correction method used to reduce the difference between the simulated and the observed rainfall. Therefore, this study mainly considered climate change scenarios from nine GCMs, and then quantile mapping methods were applied to correct biases in climate change scenarios for each station during the historical period (1970-2005). Moreover, the monthly rainfall for the future period (2011-2100) is obtained from the RCP 4.5 scenario. Based on the bias-corrected rainfall, the standard deviation and the inter-quartile range (IQR) from the first to third quartiles were estimated. For 2071-2100, the uncertainty for the selection of GCMs is larger than that for the selection of bias correction methods and vice versa for 2011-2040. Therefore, this study showed that the selection of GCMs and the bias correction methods can affect the result for the future climate projection.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.255-255
• /
• 2020

아프리카 대륙에서 존재하는 가장 큰 사하라 사막(Sahara desert)의 면적은 지난 1세기 동안 기후변화로 인하여 10% 정도 증가하였고, 미래에도 기온상승으로 인하여 증가할 것으로 판단된다. 사하라 사막 면적의 증가로 인하여 아프리카의 자연식생과 수자원뿐만 아니라 아프리카에 거주하는 사람들의 삶에 많은 영향을 미치기에 사막의 면적 또는 경계선의 위치를 예측함은 매우 중요하다. 본 연구에서는 Coupled Model Intercomparison Project Phase 5 (CMIP5)의 36개 Global Climate Models (GCMs)과 ERA-interim 재분석 자료의 1979~2000년 강수 자료들을 이용하여 사헬(Sahel) 지대 서쪽(15W~15E, 10N~20N)과 동쪽(15E~35E, 10N~20N)의 강수량과 사막경계선을 비교하였다. 또한, 각 모델의 과거 모의 성능을 평가하여 미래 기후 예측성을 판단하고자 한다. 본 연구에서는 22년 평균 강수량이 200mm 이하인 지역을 사막이라 정의하고, 모델별로 연평균 강수량과 사막경계선에 대한 root mean square error(RMSE)를 산정하여 평가하였다. 또한, 습윤 정적 에너지(Moist. Static Energy; MSE), 바람(풍속 및 풍향) 자료를 이용하여 각 모델의 사막경계선의 오차에 대한 이유를 분석하였다. 이 연구를 바탕으로 하여 사헬 지대의 강수량 및 사막면적 모의의 불확실성 요소를 이해하고, 미래 상세 지역 수문기후 변화 예측에 활용 가능한 GCMs을 선별할 수 있을 것으로 판단한다.

• Journal of Korea Water Resources Association
• /
• v.46 no.3
• /
• pp.229-243
• /
• 2013

Hydrological simulation Program-Fortran (HSPF) model was used to simulate streamflow and snow depth at Pyengchang watershed. The selected Global Climate Models (GCMs) provided by the Coupled Model Intercomparision Project Phase 3 (CMIP3) were utilized to evaluate streamflow and snow depth driven by future climate scenarios, including A1, A1B, and B1. Bias-correlation and temporal downscaling processes have been performed to minimize systematic errors between GCMs and HSPF. Based on simulated monthly streamflow and snow depth after calibration, the results indicate that HSPF performs well. The correlation coefficient between the observed and simulated monthly streamflow is 0.94. Snow depth simulations also show high correlation coefficient, which is 0.91. The results indicate that snow depth in 2018 at Pyongchang winter olympic venues will decrease by 17.62%, 9.38%, and 7.25% in January, February, and March respectively, based on streamflow realizations induced by all GCMs ensembles.