• 한국농공학회논문집
• /
• 제66권4호
• /
• pp.51-57
• /
• 2024

This study was conducted on how to simulate runoff, which was done using existing physical models, using an LSTM (Long Short-Term Memory) model based on deep learning. Tancheon, the first tributary of the Han River, was selected as the target area for the model application. To apply the model, one water level observatory and four rainfall observatories were selected, and hourly data from 2020 to 2023 were collected to apply the model. River water level of the outlet of the Tancheon basin was simulated by inputting precipitation data from four rainfall observation stations in the basin and average preceding 72-hour precipitation data for each hour. As a result of water level simulation using 2021 to 2023 data for learning and testing with 2020 data, it was confirmed that reliable simulation results were produced through appropriate learning steps, reaching a certain mean absolute error in a short period time. Despite the short data period, it was found that the mean absolute percentage error was 0.5544~0.6226%, showing an accuracy of over 99.4%. As a result of comparing the simulated and observed values of the rapidly changing river water level during a specific heavy rain period, the coefficient of determination was found to be 0.9754 and 0.9884. It was determined that the performance of LSTM, which aims to simulate river water levels, could be improved by including preceding precipitation in the input data and using precipitation data from various rainfall observation stations within the basin.

• 한국잠사곤충학회지
• /
• 제15권2호
• /
• pp.55-60
• /
• 1973

제기상요인이 잠견생산량에 미치는 영향은 일조시수가 가장 크게 정상관하며 강수량은 정상관하는 반면에 대기습도는 부상관하며 평균기온과 최고기온에 비례하는 반면에 최저기온은 부상관한다. 각 잠기별(춘잠기, 추잠기, 후년춘잠기) 산견량이 영향을 미치는 제기상요인은 다음과 같다. (1) 춘잠기산견량은 다음 제기상요인에 의하여 결정된다. \circled1 5,6월의 일조시수와 6,7월의 강수량과 정상관한다. \circled2 5,6월의 대기습도와 부상관한다. (2) 추잠기 산견량은 다음 제기상요인에 의하여 결정된다. \circled1 6,7월의 강수량과 정상관한다. \circled2 연중총일조시수와 정상관하며 특히 5.6월의 일조시수와 정상관한다. (3) 후년춘잠기 산견량은 다음 제기상요인에 의하여 결정된다. \circled1 연중총일조시수에 정상관한다.

• 한국지구과학회지
• /
• 제42권5호
• /
• pp.496-503
• /
• 2021

한반도 남해안 지역의 여름철 대기 안정도 특성을 분석함으로써, 한반도 특성에 맞는 강수 예측을 위한 대기 안정도 지수의 정량적인 임계값을 도출하고자 하였다. 보성 표준기상관측소에서 관측한 2019년도 여름철 라디오존데 집중관측자료를 분석에 사용하였으며, 총 관측자료는 243개 이다. 강수 유무 및 중규모 대기 현상에 대한 대기 안정도를 분석하기 위해서, 대류가용잠재에너지(Convective Available Potential Energy, CAPE)와 폭풍지수(Storm Relative Helicity, SRH)를 비교하였으며 특히 SRH 분석은 고도 별로 총 4개의 층으로(0-1, 0-3, 0-6, 0-10 km) 세분화하였다. 강수 유무에 따른 분석은 강수가 없는 경우, 강수발생 전 12시간, 강수 발생 시로 구분하여 수행하였다. 그 결과, 2019년도 보성에서 발생한 여름철 강수 예측에는 CAPE 보다 SRH가 더 적합하며 0-6 km SRH가 약한 토네이도가 발생가능한 기준과 같은 150 m² s^-2 이상일 경우 강수가 발생한 것으로 분석 된다. 또한, 장마와 태풍 기간의 대기 안정도를 분석한 결과를 보면, 일반적으로 SRH는 대기 깊이가 두꺼워 질수록 값이 커지는 데 반해서 0-10 km SRH 평균값 보다 0-6 km 의 SRH 값이 더 크게 나타났다. 따라서, 2019년도 보성에서 발생한 태풍에 의한 강수를 판별하는 데는 0-6 km 의 SRH 값이 더 효과적이라고 할 수 있다.

• 한국지구과학회지
• /
• 제42권5호
• /
• pp.514-523
• /
• 2021

고창 표준기상관측소(Gochang Standard Weather Observatory, GSWO)에서 3년간(2014-2016년) 관측한 겨울철 강수량 자료를 사용하여 겨울철 관측환경에 따른 강수량 관측 특성을 분석하였다. 이를 위해, 설치환경이 다른 강수량계 4종인 NS(No Shield), SA(Single Alter), DFIR(Double Fence Intercomparison Reference), PG(Pit Gauge)를 사용하여, DFIR을 기준으로 누적 강수량 차이, 강수 유형별 특성, 풍속 변화에 따른 수집효율을 분석하였다. 강수 유형은 고창 종관기상관측장비(Automated Synoptic Observing System, ASOS)의 기온 관측 자료를 사용하여 강우, 혼합 강수, 강설로 분류하여 분석하였다. 겨울철 누적 강수량은 SA, NS, PG 순으로 DFIR과 유사하게 나타났으며, 통계 분석 결과에서는 SA가 DFIR과 가장 유사한 결과를 보였다. 결과적으로, 겨울철 강수량 관측에서는 SA가 기준 강수량계와 가장 유사하게 관측되었으며, PG는 겨울철 관측에 적합하지 않은 것으로 분석된다.

• 대한토목학회논문집
• /
• 제28권5B호
• /
• pp.459-473
• /
• 2008

본 연구에서는 우리나라를 주기적으로 내습하여 많은 강수를 유발시키는 태풍의 특성에 대해 고찰하고, EST 기법에 적용하여 극한강수량을 산정하였다. 우리나라에 영향을 준 태풍은 연평균 3.18회 발생하고, 약 107시간 영향을 주는 것으로 나타났다. 또한, 태풍에 의해 발생하는 강수량은 관측 지점과 발생한 태풍별로 매우 상이한 강수량을 갖는 것으로 분석되었다. 태풍으로 인한 극한강수량의 특성 분석을 위해 지속시간 1시간과 24시간 연최대시간강수량 및 태풍에 의해 발생한 각 연강수량을 대상으로 변동성 및 경향성 분석을 수행하였다. 분석결과에서 전라도와 경상도 및 강원도 지역에서 극한강수량의 평균과 표준편차가 과거에 비해 증가한 것으로 나타났다. 또한, 우리나라에 영향을 준 것으로 나타난 143개 태풍에 대하여, 중심 위치 및 중심 기압 자료와 우리나라 강수관측소의 시간강수량 자료를 이용하여 EST 기법에 적용하였다. EST 기법을 적용하여 지속시간별 재현기간별 극한강수량을 산정한 결과, 전라도와 경상도 및 강원도 지역이 태풍에 의해 극한강수가 발생할 가능성이 큰 것으로 나타났다.

• 한국항해항만학회지
• /
• 제46권6호
• /
• pp.517-524
• /
• 2022

본 논문은 X-밴드 항해용(선박용) 레이더를 이용한 파랑 계측시, 강설 및 강수에 의한 레이더 신호 변화 및 파랑 계측 저해 요소를 분석한다. 사용된 자료는 속초해수욕장 행정지원센터에 설치된 레이더를 활용하였으며, 비교 검증에 필요한 기상자료는 기상청과 국립해양조사원의 공공자료를 사용하였다. 기상청 공공자료는 레이더로부터 약 7km 떨어진 속초기상대에서 측정한 자료이며, 국립해양조사원 공공자료는 레이더로부터 약 3km 떨어진 해양관측부이에서 계측된다. 지금까지 강우나 강설에 의한 레이더 신호 변화는 경험적으로 전해졌을 뿐, 실제 기상데이터와 비교하여 분석한 사례는 전무하다. 이에 본 논문에서는 기상청의 강수, 강설 자료, CCTV, 레이더 신호를 시계열에서 종합적으로 분석하였다. 그 결과 강설 및 강우에 따라 레이더에서 계측된 파고의 경우 실제 파고 대비 감소되는 것을 확인하였으며, 거리에 따른 레이더 신호강도의 감소 현상도 확인되었다. 본 논문은 강설 및 강우에 따라 레이더의 신호강도 감소 현상을 다각적으로 분석한 것에 그 의의가 있다.

• 한국농림기상학회지
• /
• 제14권1호
• /
• pp.1-10
• /
• 2012

본 연구는 디지털예보(현 동네예보) 자료를 활용하여 우리나라의 산불위험예보의 정확도 향상은 물론 기상에 의한 산불위험지수를 산출하여 한반도의 산불위험예보 체계를 구축하는데 있다. 한반도 지역의 산불발생위험을 나타내는 기상지수(daily weather index, DWI)를 산출하기 위해 기상청의 5km 격자간격의 디지털예보자료를 이용하였다. DWI 분석을 위해 온도, 습도, 풍속 UV, 1시간 강우량, 12시간 강우량을 대상으로 한반도 전역에 대한 기상요소별 기후분포도를 제작하였다. 한반도의 기상에 의한 일일 DWI 산출을 위해 대형산불이 자주 발생하는 강원도 지역의 산불발생확률식 $[1+{\exp}\{-(2.494+(0.004{\times}T_{max})-(0.008{\times}EF))\}]^{-1}$을 적용하였다. 기상예보자료의 예측정확도 검증을 위해 RDAPS, 디지털예보, 실황자료 모두 2005년 12월 12일 15시 자료를 대상으로 비교 분석한 결과 76개 기상관측소에서 관측한 실황자료에 대응하는 기상요소별 디지털예보의 예측값이 RDAPS 추출 자료보다 향상된 예측결과를 보였다. 산불위험예보 정확도 검증을 위해 사용한 실황자료와 디지털예보자료의 평균오차는 평균 기온 $0.2^{\circ}C$, 실효습도 2.4%, 평균풍속 2.2m/s로 나타나 큰 변이는 없었지만, 평균풍속에서 실측값과 예측값간의 차이가 있는 것으로 나타났다. 디지털예보자료를 활용할 경우 RDAPS 자료보다 산불위험예보의 정확도가 크게 향상되는 결과를 얻을 수 있었으며, 산불위험예보의 정확도 검증을 위해 실황자료와 디지털예보자료를 적용하여 예측된 전국 233개 시 군 구의 평균 산불위험지수를 각각 추출하여 비교한 결과 $R^2$=0.854의 높은 정확도를 보였다. 산불위험도가 가장 높은 15시의 실제 76개소에서 관측한 기상자료를 적용하여 전국의 산불위험지수를 예측한 값은 70.5로 디지털예보자료를 적용하여 예측한 위험지수(70.0)와 0.5의 오차를 보여 예측력이 개선되었음을 확인할 수 있었다. 따라서 디지털예보를 적용할 경우 실황자료와의 예측력이 검증된 만큼 향후 기상에 의한 한반도의 산불발생위험지수를 보다 정확하게 계산하는데 유용하게 이용할 수 있을 것으로 기대된다.