• 한국농공학회논문집
• /
• 제63권6호
• /
• pp.49-60
• /
• 2021

BCSA (Bias-Correction and Stochastic Analog) is a statistical downscaling technique designed to effectively correct the systematic errors of GCM (General Circulation Model) output and reproduce basic statistics and spatial variability of the observed precipitation filed. In this study, the applicability of BCSA was evaluated using the ASOS observation data over South Korea, which belongs to the monsoon climatic zone with large spatial variability of rainfall and different rainfall characteristics. The results presented the reproducibility of temporal and spatial variability of daily precipitation in various manners. As a result of comparing the spatial correlation with the observation data, it was found that the reproducibility of various climate indices including the average spatial correlation (variability) of rainfall events in South Korea was superior to the raw GCM output. In addition, the needs of future related studies to improve BCSA, such as supplementing algorithms to reduce calculation time, enhancing reproducibility of temporal rainfall patterns, and evaluating applicability to other meteorological factors, were pointed out. The results of this study can be used as the logical background for applying BCSA for reproducing spatial details of the rainfall characteristic over the Korean Peninsula.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회(1)
• /
• pp.65-65
• /
• 2005

• 한국환경과학회지
• /
• 제25권6호
• /
• pp.877-888
• /
• 2016

To project the effects of climate-induced change on aquatic environments, it is necessary to determine the thermal constraints affecting different fish species and to acquire time series of the current and projected water temperature (WT). Assuming that a nonlinear regression between the WT at individual stations and the ambient air temperature (AT) at nearby weather stations could represent the best relationship of air-water temperature, This study estimates future WT using a general circulation model (GCM). In addition, assuming that the grid-averaged observations of AT correspond to the AT output from GCM simulation, this study constructed a regression curve between the observations of the local WT and the concurrent GCM-simulated surface AT. Because of its low spatial resolution, downscaling is unavoidable. The projected WT under global warming scenario A2 (B2) shows an increase of about $1.6^{\circ}C$ ($0.9^{\circ}C$) for the period 2080-2100. The maximum/minimum WT shows an amount of change similar to that of the mean values. This study will provide guidelines for decision-makers and engineers in climate-induced river environment and ecosystem management.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.26-26
• /
• 2023

General circulation models (GCMs) are widely used in hydrological prediction, however their coarse grids make them unsuitable for regional analysis, therefore a downscaling method is required to utilize them in hydrological assessment. As one of the downscaling methods, convolutional neural network (CNN)-based downscaling has been proposed in recent years. The aim of this study is to generate the process of dynamic downscaling using CNNs by applying GCM output as input and RCM output as label data output. Prediction accuracy is compared between different input datasets, and model structures. Several input datasets with key atmospheric variables such as precipitation, temperature, and humidity were tested with two different formats; one is two-dimensional data and the other one is three-dimensional data. And in the model structure, the hyperparameters were tested to check the effect on model accuracy. The results of the experiments on the input dataset showed that the accuracy was higher for the input dataset without precipitation than with precipitation. The results of the experiments on the model structure showed that substantially increasing the number of convolutions resulted in higher accuracy, however increasing the size of the receptive field did not necessarily lead to higher accuracy. Though further investigation is required for the application, this paper can contribute to the development of efficient downscaling method with CNNs.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.179-183
• /
• 2009

본 연구에서는 GCM 기후변화 전망 시나리오를 이용하여 유역단위의 기후변화를 추정하였다. 원시 GCM 시나리오를 지역화 시키기 위해서 인공신경망 모형을 사용하였다. GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수는 인공신경망의 잠재적 예측인자로 사용되었으며, AWS에서 관측된 강수량과 온도는 예측변수로 사용되었다. 원시 GCM 데이터는 CCCma(Canadian Centre for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 인공신경망 학습과정에서 사용된 기준시나리오(reference scenario)자료의 기간은 1997년부터 2000년까지의 데이터를 사용하였다. 인공신경망을 학습을 통하여 결정된 각 층사이의 가중치를 이용하여 이산화탄소 배출농도를 가정하여 생성된 CGCM3.1/T63 SRES B1 기후변화시나리오(project scenario)를 인공신경망의 입력값으로 하여 미래의 기온과 강수변화를 전망하였다. 신경망의 학습효과를 높이기 위하여 기온과 강수에 대한 평균 및 누적기간을 각각 일단위와 월단위로 설정하였다. 본 연구에서 사용된 인공신경망은 3층 퍼셉트론(다층 퍼셉트론)을 사용하였으며, 학습방법으로는 역전파알고리즘(back-propagation algorithm)을 이용하였다. 민감도분석을 통하여 선택된 예측인자는 소양강댐유역(1011, 1012소유역)에서의 인공신경망 예측인자로 활용되었으며, 2001년부터 2100년까지의 일 평균온도와 일 강수량의 변화경향을 추정하였다. 1011유역, 1012유역에서는 여름철의 온도변화경향이 겨울철에 비하여 높게 나타났다. 일 평균온도의 통계분석 결과 평균예측오차가 가장 적게 나타나는 지역은 1001유역으로 -0.08로 평균예측오차가 가장 적게 나타났으며, 인공신경망기법을 이용하여 스케일 상세화된 일 평균온도와 관측된 일 평균온도가 얼마나 잘 일치하는지를 확인할 수 있는 1012유역에서 CORR이 0.74로 가장 높게 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.226-226
• /
• 2015

The complex climate system regarding human actions is well represented through global climate models (GCMs). The output from GCMs provides useful information about the rate and magnitude of future climate change. Especially, the temperature variable is most reliable among other GCM outputs. However, hydrological variables (e.g. precipitation) from GCM outputs for future climate change contain too high uncertainty to use in practice. Therefore, we propose a method that simulates temperature variable with increasing in a certain level (e.g. 0.5oC or 1.0oC increase) as a global warming scenario from observed data. In addition, a hydrometeorological variable can be simulated employing block-wise sampling technique associated with the temperature simulation. The proposed method was tested for assessing the future change of the seasonal precipitation in South Korea under global warming scenario. The results illustrate that the proposed method is a good alternative to levy the variation of hydrological variables under global warming condition.

• 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.

• 한국농림기상학회지
• /
• 제17권2호
• /
• pp.108-125
• /
• 2015

다수의 기후요소를 지수화하고 특정지역의 기후 자원량을 분석하여, 종합 및 판단하는 과정은 특정지역의 농업기후자원의 특성을 한 눈에 알 수 있게 한다. 농업기후자원의 특징을 단순 명료하게 표현한 것을 농업기후지수라고 하는데, 이 지수는 기후자원(예, 기온, 일사, 강수)으로부터 작물의 생육과 수량 추측을 위한 가능성과 여러 가지 영농기술을 실시하는데 필요한 기초자료를 제공함으로써 농업생산성의 주요 지표가 될 수 있다. 그러나 농업기후지수는 절대적인 것이 아니기 때문에 기후변화에 따라 항상 변화할 수 있다. 최근 IPCC 제5차 평가보고서에서 온실가스 대표경로(RCP)에 따른 시나리오가 많은 연구에 이용됨에 따라서 기후정보의 역학 및 통계적 규모축소를 통한 미래기후변화전망정보의 불확실성을 고려한 연구들이 활발히 진행되고 있다. 본 연구에서는 IPCC 제5차 평가 보고서에 사용된 RCP 시나리오를 기반으로 비모수적 분위사상법을 이용한 상세화된 기후변화 전망정보를 바탕으로 한반도의 농업기후지수(예, 식물기간 및 작물기간, 생장도일, 무상기간)의 시공간적인 변화와 불확실성을 평가하였다. 동일한 과거 기간에 대하여 기후모델(GCM)으로부터 계산된 농업기후지수와 관측자료에 의해 계산된 농업기후지수를 비교한 결과, KMA-12.5km를 제외하고 사용된 8개 개별 GCM의 농업기후지수의 각각의 평균은 4대강 유역 모두에서 관측자료에 의해 계산된 값의 평균과 비교적 잘 일치하여 개별 GCM 뿐만 아니라 다중모델앙상블(MME)의 과거기후 재현성에는 문제가 없는 것으로 확인하였다. 또한 불확실성을 고려하기 위한 MME 계산에서 사용되는 GCM의 개수가 무한적으로 증가한다고 해서 오차가 줄어들지 않았다. 추가 연구가 계속 필요하지만, 본 연구에서 3-4개의 GCM을 사용하는 경우 확실하게 오차가 개선되기 시작하였으며, 대체로 7-8개 이후부터는 더 이상 오차가 개선되지 않았다. 미래전망 결과에서, 4대강 유역 전체에 대하여 inmcm4가 과거 기간의 MME에 대한 RCP 4.5에서 1% 증가, RCP 8.5에서 2% 증가로 9개 개별 GCM 중에서 가장 낮았고, CanESM이 과거 기간의 MME에 대하여 RCP 4.5에서 10%, RCP 8.5에서 15% 증가로 가장 높은 증가를 보였다. 4대강 유역의 시공간분포의 변화에서 관측자료와 다른 경향을 보이는 개별 GCM이 있어서 지형 특성과 개별 GCM의 일변동 특성을 반영할 수 있는 상세화 방법의 개선 및 개발이 필요하다. 도출 및 평가된 본 연구의 농업기후지수는 농업용 상세 전자기후도와의 활용뿐만 아니라, 후속 연구를 위한 농업이상기후지수 및 생산성지수의 평가에 활용될 수 있을 것이다. 예를 들면, 낙동강 유역과 영산-섬진강 유역의 무상기간 증가로부터 '겨울기간이 짧아질 수 있다'라고 가정할 경우, 농업이상 기후지수(예, 저온발생빈도) 분석을 통해 겨울작물의 생산성지수의 불확실성 증감 혹은 재배시스템(예, 이모작 혹은 이기작 등)의 변화에 대한 불확실성 증감 등에 대한 평가에 활용될 수 있을 것이다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제39권9호
• /
• pp.953-958
• /
• 2015

라즈베리파이는 복수개의 입출력 주변 장치를 지원할 수 있는 신용카드 크기 정도의 단일보드 컴퓨터로 이기종간 상호연동을 위한 완전한 플랫폼으로 사용할 수 있으므로 다양한 응용에 적용될 수 있다. 라즈베리파이에 와이파이 기능을 결합하면 원격통신이 가능하여 무선센서 노드를 구성하는데도 매우 적합하다. 또한 데이터처리와 의사결정을 인공지능에 기반을 둘 수 있으므로 화재 감시나 화재발생 신뢰도 판단 등과 같은 예제를 이미 개발된 테스트베드에서 수행해 볼 수 있다. 본 논문은 건물 내의 능동적 화재안전감시를 위한 센서 웹노드로서 라즈베리파이 이용에 대한 연구 결과이다. UV 불꽃감지센서가 촛불 크기 정도의 불꽃을 감지하면 라즈베리파이는 GCM 서버를 통해 지정된 스마트폰으로 현장상황을 알리는 푸쉬 메시지를 보낸다. 모바일 앱은 오작동 알람 여부를 판별하기 위한 실시간 비디오 영상을 제공할 수 있도록 개발되었다. 만약 긴급 상황이라면 긴급통화로 즉시 도움을 요청할 수 있도록 구현하였다.