• Communications for Statistical Applications and Methods
• /
• 제30권3호
• /
• pp.259-272
• /
• 2023

In this paper, we suggest a new method for the prediction of sharp changes in particulate matter (PM₁₀) using quantile mapping. To predict the current PM₁₀ density in Seoul, we consider PM₁₀ and precipitation in Baengnyeong and Ganghwa monitoring stations observed a few hours before. For the PM₁₀ distribution estimation, we use the extreme value mixture model, which is a combination of conventional probability distributions and the generalized Pareto distribution. Furthermore, we also consider a quantile generalized additive model (QGAM) for the relationship modeling between precipitation and PM₁₀. To prove the validity of our proposed model, we conducted a simulation study and showed that the proposed method gives lower mean absolute differences. Real data analysis shows that the proposed method could give a more accurate prediction when there are sharp changes in PM₁₀ in Seoul.

• 한국농공학회논문집
• /
• 제54권6호
• /
• pp.133-142
• /
• 2012

The objective of this study was to correct the bias of the Representative Concentration Pathways (RCP)-based future precipitation data using a quantile mapping method. This method was adopted to correct extreme values because it was designed to adjust simulated data using probability distribution function. The Generalized Extreme Value (GEV) distribution was used to fit distribution for precipitation data obtained from the Korea Meteorological Administration (KMA). The resolutions of precipitation data was 12.5 km in space and 3-hour in time. As the results of bias correction over the past 30 years (1976~2005), the annual precipitation was increased 16.3 % overall. And the results for 90 years (divided into 2011~2040, 2041~2070, 2071~2100) were that the future annual precipitation were increased 8.8 %, 9.6 %, 11.3 % respectively. It also had stronger correction effects on high value than low value. It was concluded that a quantile mapping appeared a good method of correcting extreme value.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• 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.

• 한국농공학회논문집
• /
• 제55권4호
• /
• pp.73-82
• /
• 2013

The main objective of this study was to evaluate Representative Concentration Pathways (RCP) scenarios-based flood risk at a Si-Gun level. A bias correction using a quantile mapping method with the Generalized Extreme Value (GEV) distribution was performed to correct future precipitation data provided by the Korea Meteorological Administration (KMA). A series of proxy variables including CN80 (Number of days over 80 mm) and CX3h (Maximum precipitation during 3-hr) etc. were used to carry out flood risk assessment. Indicators were normalized by a Z-score method and weighted by factors estimated by principal component analysis (PCA). Flood risk evaluation was conducted for the four different time periods, i.e. 1990s, 2025s, 2055s, and 2085s, which correspond to 1976~2005, 2011~2040, 2041~2070, and 2071~2100. The average flood risk indices based on RCP4.5 scenario were 0.08, 0.16, 0.22, and 0.13 for the corresponding periods in the order of time, which increased steadily up to 2055s period and decreased. The average indices based on RCP8.5 scenario were 0.08, 0.23, 0.11, and 0.21, which decreased in the 2055s period and then increased again. Considering the average index during entire period of the future, RCP8.5 scenario resulted in greater risk than RCP4.5 scenario.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.323-323
• /
• 2018

최근 기후변화에 대한 관심이 증대됨에 따라 미래 기후모델자료를 기반으로 연구가 다양하게 진행되고 있다. 기후변화가 적용된 자료는 미래 수자원관리, 방재를 위한 수공구조물의 설계 등 다양한 방식으로 실무에 적용되고 있다. 하지만 기후모델로부터 모의된 결과는 어느 정도 관측자료와 차이가 발생하게 되며, 이러한 계통적 오차는 모델 내부에서 해결하기가 쉽지 않다. 그렇기 때문에 기후모델로부터 모의된 결과를 보정하기 위해 편의보정 기법을 활용한다. 그리고 미래 기후모델자료는 불확실성을 내재하고 있기 때문에 다양한 편의보정 기법을 적용하여 불확실성의 범위를 확인해 보았다. 사용된 편의보정 기법으로는 Quantile Mapping(QM), Quantile Delta Mapping(QDM), Detrended Quantile Mapping(DQM), Delta Change Method(DCM)을 이용하였다. 편의보정에 적용한 확률분포형은 일반극치분포(GEV분포), Type-1 극치분포(Gumbel분포)를 사용하였다. GEV분포를 기본으로 하여 조건적으로 GEV분포를 사용할 수 없는 경우, Gumbel분포를 사용하였다. 본 연구에서는 독일의 전지구기후모델(Global Climate Model, GCM)인 MPI-ESM-LR에 RCP 8.5 사나리오를 강제장으로 하여 지역기후모델(Regional Climate Model, RCM)인 WRF를 이용하여 동역학적으로 다운스케일한 강우자료를 사용하였다. 강우자료 중에서 강릉, 인천, 부산, 목포지점에 해당하는 자료를 추출하여 연 최대 강우강도 시계열을 산정하고 4가지 편의보정 기법을 이용하여 편의보정을 하였다. 편의보정 수행된 연 최대 강우강도 시계열을 scale-invariance 기법으로 다운스케일하여 미래 IDF곡선을 유도한 뒤, 편의보정별로 유도한 IDF곡선의 비교를 통해 편의보정기법이 미래 IDF곡선에 미치는 영향을 분석하였다.

• 대기
• /
• 제25권2호
• /
• pp.205-219
• /
• 2015

In this study, the simulation results of temperature by regional climate model (Reg- CM4) over South Korea were corrected by Hempel et al. (2013)'s method (Hempel method), and evaluated with the observation data of 50 stations from Korea Meteorological Administration. Among the 30 years (1981~2010) of simulation data, 20 years (1981~2000) of simulation data were used as a training data, and the remnant 10 years (2001~2010) data were used for the evaluation of correction. In general, the Hempel method and parametric quantile mapping show a reasonable correction both in mean and extreme climate of temperature. As the results, the systematic underestimation of mean temperature was greatly reduced after bias correction by Hempel method. And the overestimation of extreme climate, such as the number of TN5% and freezing day, was significantly recovered. In addition to that, the Hempel method better preserved the temporal trend of simulated temperature than other bias correction methods, such as the quantile mapping. However, the overcorrection of the extreme climate related to the upper quantile, such as TX5% and hot days, resulted in the exaggeration of the simulation errors. In general, the Hempel method can reduce the systematic biases embedded in the simulation results preserving the temporal trend but it tends to overcorrect the non-linear biases, in particular, extreme climate related to the upper percentile.

• 한국수자원학회논문집
• /
• 제52권5호
• /
• pp.337-347
• /
• 2019

본 연구에서는 미래 기후예측을 위하여 활용되는 전지구모형(general circulation model, GCM) 중 우리나라에 적합한 대표 GCM을 선정하는 방법을 제시하였다. 이에 격자 기반 GCM 결과를 IDW (Inverse Distance Weighted) 방법을 사용하여 기상 관측소로 지점 규모로 상세화를 하여 관측강수와 비교하였다. GCM과 관측자료 사이의 편이를 보정하기 위하여 6가지 Quantile Mapping 방법과 Random Forest 기법을 사용하였고, 성능 지표를 비교하여 대표 편이보정방법을 선정하였다. 편이보정된 GCM 모의 결과에 대한 성능을 계산하고 다기준의사결정기법 중 하나인 TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) 방법을 이용하여 가장 우수한 GCM을 선정하였다. 그 결과 편이보정방법을 NPT (Non-Parametric Transformation) 방법 중 EQ (Empirical Quantile) 방법이 선정되었고, TOPSIS 성능 평가 결과, GISS-E2-R이 가장 우수하였다. 그 다음으로 우수한 GCM을 순서대로 제시하면 MIROC5, CSIRO-Mk3-6-0, CCSM4 이었다. 향후 더 많은 GCM 자료를 이용한다면 보다 보편적인 결과를 도출할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.160-160
• /
• 2023

Generally, Global Climate Models (GCM) cannot be used directly due to their inherent error arising from over or under-estimation of climate variables compared to the observed data. Several bias correction methods have been devised to solve this problem. Most of the traditional bias correction methods are one dimensional as they bias correct the climate variables separately. One such method is the Quantile Mapping method which builds a transfer function based on the statistical differences between the GCM and observed variables. Laux et al. introduced a copula-based method that bias corrects simulated climate data by employing not one but two different climate variables simultaneously and essentially extends the traditional one dimensional method into two dimensions. but it has some limitations. This study uses objective functions to address specifically, the limitations of Laux's methods on the Quantile Mapping method. The objective functions used were the observed rank correlation function, the observed moment function and the observed likelihood function. To illustrate the performance of this method, it is applied to ten GCMs for 20 stations in South Korea. The marginal distributions used were the Weibull, Gamma, Lognormal, Logistic and the Gumbel distributions. The tested copula family include most Archimedean copula families. Five performance metrics are used to evaluate the efficiency of this method, the Mean Square Error, Root Mean Square Error, Kolmogorov-Smirnov test, Percent Bias, Nash-Sutcliffe Efficiency and the Kullback Leibler Divergence. The results showed a significant improvement of Laux's method especially when maximizing the observed rank correlation function and when maximizing a combination of the observed rank correlation and observed moments functions for all GCMs in the validation period.

• 한국습지학회지
• /
• 제21권spc호
• /
• pp.51-60
• /
• 2019

본 연구에서는 기후변화 시나리오 자료를 이용하여 지점빈도해석(At-site Frequency Analysis, AFA)과 지역빈도해석(Regional Frequency Analysis, RFA) 등을 수행하였고, Monte Carlo simulation을 통한 RRMSE(relative root mean squared error) 값을 비교·분석함으로써 각 빈도해석 방법에 따른 성능을 평가하고자 하였다. 확률강우량 산정을 위하여 기상청에서 국가표준시나리오로 제공하는 RCM(Regional Climate Model) 자료 중 하나인 HadGEM3-RA(12.5km) 기후모델 자료로부터 우리나라 615개 지점에 대한 일 강우 자료를 추출하였고, 자료의 편의보정(bias correction)과 공간상세화(spatial disaggregation)를 위하여 분위사상법(quantile mapping)과 역거리제곱법(inverse distance squared method)을 적용하였다. 분석 결과 지역빈도해석 방법이 지점빈도해석보다 정확하게 확률강우량을 산정하는 것으로 나타났으며, 이는 기후변화 시나리오 기반의 확률강우량 산정시 지역빈도해석의 결과가 보다 합리적인 전망 결과를 도출할 것으로 판단된다.

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