• 대한원격탐사학회지
• /
• 제32권6호
• /
• pp.603-616
• /
• 2016

본 연구에서는 기상청 현업 국지기상모델(Local Data Assimilation and Prediction System, LDAPS)과 전산유체역학(Computational Fluid Dynamics, CFD) 모델을 접합하여, 서울 종로구 송월동에 위치한 지동기상관측소(서울 ASOS) 주변 지역의 기상 환경을 분석하였다. 토지 피복별 차등 가열이 도시 지역의 대기 흐름과 기온에 미치는 영향을 분석하기 위하여, 시간 변화에 따른 토지 피복별 지표면 온도와 그림자 영역에 대한 지표면 온도 감소 효과를 고려하였다. LDAPS 모델은 상세한 건물, 지형, 지표면 가열 효과를 고려하지 못하기 때문에, 풍속을 과대모의 하고 기온을 과소 모의하였다. 건물과 지형의 마찰 효과와 태양 복사에 의한 지표면 가열을 고려할 수 있는 LDAPS-CFD 접합 모델은 서울 ASOS 지점의 관측 풍속과 유사한 풍속을 모의하였고, 관측 기온을 잘 재현하였다. 주로 동풍이 부는 오전 시간대에는 LDAPS-CFD 접합 모델 또한 기온을 과소모의 하였는데, 이는 서울 ASOS 지점의 풍상측(동쪽)에 위치한 경희궁 주변 지역에 주로 수목이 분포하고 있고, 표면 온도가 상대적으로 낮기 때문인 것으로 판단된다. 그러나, 주로 남동풍 계열의 바람이 부는 오후 시간대에는 풍상측에 위치한 건물의 표면 가열의 효과로 인해 서울 ASOS 지점의 관측 기온을 상대적으로 잘 모의하였다.

• 한국수자원학회논문집
• /
• 제51권8호
• /
• pp.739-745
• /
• 2018

최근 집중호우의 발생빈도가 증가하고 있으며, 이를 고려한 강우분석을 실시하여야 한다. 현재 수문설계를 위한 강우분석은 한반도 조밀도 36 km인 기상청 관할 종관기상관측지점(Automated Surface Observing System, ASOS)의 시 단위 강우를 이용하고 있다. 이로 인해 같은 강우지점의 티센망에 포함되는 중소규모 유역은 동일한 확률강우량과 강우시간분포로 분석하게 됨으로 유역특성을 고려하지 못하는 문제가 발생한다. 또한, 10~20 km 범위 내에서 발생하는 집중호우의 시 공간적 변화를 고려하지 못하는 문제점이 발생한다. 따라서 본 연구에서는 종관기상관측지점에 비해 상대적으로 조밀도가 우수한 방재기상관측지점(Automatic Weather System, AWS)의 분 단위 강우자료를 이용하여 집중호우를 고려한 확률강우량을 산정하였다. 또한, 유역에 적합한 Huff의 4분위 방법 산정을 위해 Case별 시간분포 산정과 유출분석을 실시하였다. 이는 집중호우와 유역특성을 반영한 설계수문량 산정에 크게 기여할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.216-216
• /
• 2019

최근 이상 기후로 인하여 홍수피해가 많이 발생 하고 있다. 특히 도시유역의 도시화로 인해 불투수면적이 증가하여 내수 침수도 증가하였다. 이로 인하여 재산피해와 인명피해가 증가하면서 전 세계적으로 홍수 저감 연구가 진행 되고 있다. 강우의 시 공간적인 특성을 파악 하여 강우 사상을 정의 한다면 도시홍수 저감 에 있어 도움이 될 것이라 판단된다. 우리나라 서울 지역의 설계 강우량을 산정하기 위해 서울기상청에서 제공하고 있는 ASOS(Automated Surface Observing System) 를 사용해 왔다. 하지만 ASOS을 사용하게 되면 강수량의 공간 특성을 고려하기 어렵지만 AWS(Automatic Weather Stations) 는 세밀한 관측망을 가지고 있어 공간적 특성을 고려할 수 있다. 본 연구에서는 서울 기상청에서 제공하고 있는 강우 자료의 20개년 연속된 강우자료를 통해 강우자료를 구축 하였다. 서울지역의 유역을 선정하였으며 도시유역 강우-유출 해석에 많이 사용되는 EPA-SWMM 모형에 ASOS 와 AWS 강우자료를 적용하여 유출 분석을 하였다. 이러한 자료를 바탕으로 공간 특성 분석을 실시하여 더욱 세밀한 설계 강우량 산정에 도움을 있을 것으로 판단된다.

• 한국습지학회지
• /
• 제21권4호
• /
• pp.305-311
• /
• 2019

최근 전 지구적인 기후변화는 예측이 어려운 이상 기후를 발생시키며 기존의 기후에 맞추어 수립된 재해 대응 방안으로는 충분한 방어 및 완화조치가 이루어지지 않고 있다. 특히, 반복되는 집중호우는 견고하게 구성되었던 도심지 홍수방어 체계에서도 피해를 발생시키고 있다. 따라서 본 연구에서는 강우의 공간적인 분포와 도시 특성을 고려하여 유출량의 변화를 분석하였으며, 이는 특정 지역에 집중되는 강우 양상과 불투수층이 많은 도시의 유출특성에 대한 연구이다. 서울 지역에서 한 곳에 집중되는 강우의 경우, 유역의 유입량 및 유출량 계산이 정확하게 이뤄지기 위해서는 유역에 내린 강우를 정확하게 측정해야 한다. 본 연구는 서울 기상청에서 제공 하고 있는 종관기상관측장비(Automated Surface Observing System, ASOS)와 방재 기상관측장비(Automatic Weather Stations, AWS)로 관측된 강우자료를 이용하여 서울 용답 빗물펌프장 유역과 가산1빗물 펌프장 유역에서의 유출량을 EPA-SWMM 모형을 사용하여 산정하고, 비교·분석을 하였다. 빗물펌프장 유역은 불투수 면적이 대부분인 작은 도시 유역이므로, ASOS 자료를 사용할 경우에는 유역과 강우 관측 지점의 거리가 멀어, 유역 내 내린 강우와 상이한 강우 자료를 이용하여 유출량을 계산하게 되는 경우가 많다. 본 연구에서는 유역 근처에 위치한 AWS에서 관측한 강우자료와 유역에서 멀리 떨어진 ASOS에서 관측한 강우자료의 차이를 분석하고, 이에 따라 달라지는 유출량을 계산하였다. 이를 통해 정확한 강우량을 사용하여 빗물펌프장을 운영하거나 도시 홍수 홍수 예보 등을 수행해야 한다는 것을 알 수 있었다. 또한, 본 연구의 결과는 설계강우량 산정 및 유출량 계산에 도움이 될 수 있을 것으로 판단된다.

• 한국농림기상학회지
• /
• 제23권2호
• /
• pp.122-133
• /
• 2021

작물 모형의 품종모수를 추정하기 위한 기상자료는 일반적으로 생육 관측 자료가 수집된 시험지의 인근에 위치한 종관기상 관측자료가 사용되어왔으나, 지형적인 원인이나 시험지와 기상관측소 사이의 거리로 인해 실제 시험지의 기상과 차이가 발생할 수 있다. 반면, 비교적 높은 밀도로 분포하는 방재기상 관측자료를 활용할 경우 이러한 문제점을 보완할 수 있을 것이다. 본 연구에서는 종관기상 관측자료와 방재기상 관측자료를 각각 사용하여 출수기에 영향을 미치는 DSSAT 모형의 모수들을 추정하고, 추정된 모수들의 신뢰도를 비교하고자 하였다. 모수 추정을 위해 사용한 재배관리 및 생육 관측값은 지역장려품종 선발시험과 작황시험으로부터 수집하였다. 모수 추정은 Generalized Likelihood Uncertainty Estimation (GLUE) 방법을 사용하였으며, 불확실성을 고려하여 100번의 반복 추정을 통해 100개의 모수 집합을 생성하였다. 모수 추정에 소요되는 시간을 단축하기 위해 도커 컨테이너를 기반으로 병렬적으로 GLUE를 구동하였다. 추정된 모수들을 사용하여 모의된 출수기의 평균은, 방재기상자료를 사용하였을 때 최대 4일로, 종관기상자료를 사용하였을 때 최대 오차가 7일이었던 것에 비하여 크게 개선되었다. 그러나, 방재기상자료의 원활한 활용을 위해서는 해당 자료에 대한 접근성이 향상되어야 할 것으로 예상되었다.

• 한국농공학회논문집
• /
• 제63권4호
• /
• pp.87-96
• /
• 2021

Determining design rainfall is the first step to plan an agricultural drainage facility. The objective of this study is to evaluate whether the current method for parameter estimation is reasonable for computing the design rainfall. The current Gumbel-Kendall (G-K) method was compared with two other methods which are Gumbel-Chow (G-C) method and Probability weighted moment (PWM). Hourly rainfall data were acquired from the 60 ASOS (Automated Synoptic Observing System) stations across the nation. For the goodness-of-fit test, this study used chi-squared (𝛘²) and Kolmogorov-Smirnov (K-S) test. When using G-K method, 𝛘² statistics of 18 stations exceeded the critical value (𝑥²_a=0.05,df=4=9.4877) and 10, 3 stations for G-C method, PWM method respectively. For K-S test, none of the stations exceeded the critical value (D^a=0.05_n=0.19838). However, G-K method showed the worst performances in both tests compared to other methods. Subsequently, this study computed design rainfall of 48-hour duration in 60 ASOS stations. G-K method showed 5.6 and 6.4% higher average design rainfall and 15.2 and 24.6% higher variance compared to G-C and PWM methods. In short, G-K showed the worst performance in goodness-of-fit tests and showed higher design rainfall with the least robustness. Likewise, considering the basic assumptions of the design rainfall estimation, G-K is not an appropriate method for the practical use. This study can be referenced and helpful when revising the agricultural drainage standards.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.424-433
• /
• 2021

최근의 기후변화는 지구촌 곳곳에 이상기상 현상을 발생시키며, 사회 여러 분야에서 많은 피해를 발생시키고 있다. 특히 최근에는 호우 또는 가뭄 등 강수량의 많고 적음으로 인한 피해가 많이 보고되고 있는데, 본 연구에서는 실제로 우리나라에서 발생하고 있는 강수량의 발생 패턴을 조사하여 과거에서 현재까지 어떤 변화를 보이는지 분석해보고자 하였다. 이를 위해 선행연구에서 기후변화에 따른 강수량의 시간적 특성 비교를 위해 제시한 강수지표 중 일부를 선정하였다. 지점별 시간에 따른 변화를 분석하기 위하여 국내 기상청 ASOS 관측소 10개 지점을 지역분포를 고려하여 선정하였으며, 지점별로 1951년부터 2020년까지의 일적산강수량을 수집하였다. 또한 산악강수모형을 이용하여 1981년부터 2020년까지의 전국 고해상도의 일별 강수분포도를 제작하여 분석에 활용하였다. 시간에 따른 분석결과 연적산강수량의 경우 과거에서 현재로 이동하면서 증가 양상을 보였다. 강수일수의 경우 대부분의 관측지점에서 감소하는 추세를 보였으며, 호우일수의 경우는 반대로 증가하는 경향을 보였다. 공간적인 변화의 경우 강수일수와 호우일수 모두 과거에 비해 감소되는 지역이 많았으며, 그 특징은 중부지방에서 두드러지게 나타났다. 결과적으로 우리나라의 강수량의 패턴은 짧아진 강수일수, 늘어난 일별 강수량으로의 변화로 정리할 수 있다.

• 한국산학기술학회논문지
• /
• 제20권1호
• /
• pp.434-439
• /
• 2019

최근 지구온난화로 인한 기상이변, 도시화로 인한 도심의 열섬현상 등으로 도시 온도변화 및 지표면 온도 변화에 대한 관심이 증대되고 있다. 우리나라에서는 1904년부터 현재까지 기온, 강수량 등 기상 데이터를 수집하고 있다. 최근에는 종관기상관측장비(ASOS; Automated Surface Observing System) 96개소, 방재기상관측장비(AWS) 494개소의 지상기상관측망을 운영하고 있다. 그러나 지상관측망의 경우 각 설치 지점에 대한 점 데이터를 제공하고 있으므로, 측정 지점을 제외한 곳의 지상기상 데이터는 보간법을 통해 예측하고 있는 상황이다. 이에 본 연구에서는 지상의 지표면 온도 측정의 해상도를 향상시키기 위해 위성영상을 이용한 지표면 온도를 산출하고, 그 활용 가능성을 분석하고자 하였다. 이를 위해 서울특별시를 대상으로 Landsat 8 OLI TIRS의 위성영상을 계절별로 획득하고, 열적외 밴드에 NASA식을 적용하여 지표면 온도로 변환하였다. 지상의 측정 자료는 AWS를 통해 측정한 기온 데이터를 활용하였다. AWS 기온 데이터는 관측소 기반의 점 데이터이므로, Landsat 영상과의 비교를 위해 크리깅 보간법으로 보간을 수행하였다. 위성영상기반의 지표면 온도와 AWS 기온 데이터를 비교한 결과 계절에 따른 온도차는 RMSE값을 바탕으로 가을, 겨울, 여름, 봄의 순서로 Landsat 위성영상의 적용 가능성을 판단할 수 있었으며, 위성영상의 시기별 평균온도와 AWS 온도 사이에는 최대 평균 $2.11^{\circ}C$이내, 최대 RMSE ${\pm}3.84^{\circ}C$인 것을 감안하면 정확도 향상을 위해 NASA식에 보정값이 필요하다는 것을 알 수 있었다.

• 대기
• /
• 제24권1호
• /
• pp.17-27
• /
• 2014

In this study, the observational environment for sunshine duration at Seoul and Daegu Automated Synoptic Observing Systems (ASOSs) was analyzed using a numerical model. In order to analyze the effects of topography and buildings on observational environment for sunshine duration, the model domains including the elevated building and mountainous areas around Seoul and Daegu ASOSs were considered. Three dimensional topography and buildings used as input data for the numerical model were constructed using a geographic information system (GIS) data. Solar azimuth and altitude angles calculated for the analysis period (one-week for each season in 2008) in this study were validated against those by Korea Astronomy and Space Science Institute (KASI). The starting and ending times of sunshine duration observed at ASOSs largely differed from the respective sunrise and sunset times simply calculated using solar angles and information of ASOSs' latitude and longitude, because uneven topography and elevated buildings around ASOSs cut off sunshine duration right after the sunrise and right before the sunset. The model produced the sunshine indices for Seoul and Daegu ASOSs with the time interval of one minute and the period of one week for each season and we compared the hourly averaged indices with those observed at the ASOSs. One week of which the cloudiness is lowest for each season is selected for analysis. Not only the adjacent buildings but also distant buildings and mountain cut off sunshine duration right after the sunrise and right before the sunset. The buildings and topography cutting off sunshine duration were found for each analyzing date. It was suggested that, in order to evaluate the observational environment for sunshine duration, we need to consider even the information of topography and/or building far away from ASOSs. This study also showed that the analyzing method considering the GIS data is very useful for evaluation of observational environment for sunshine duration.

• 한국물환경학회지
• /
• 제34권1호
• /
• pp.67-76
• /
• 2018

There are 34 mega-cities with a population of more than 10 million in the world. One of the highly populated cities in the world is Seoul in South Korea. Seoul receives $1,140million\;m^3/year$ for domestic water, $2million\;m^3/year$ for agricultural water and $6million\;m^3/year$ for industrial water from multi-purpose dams. The maintenance water used for water conservation, ecosystem protection and landscape preservation is $158million\;m^3/year$, which is supplied from natural precipitation. Recently, the use of the other water for preservation of water quality and ecosystem protection in urban areas is increasing. The objectives of this study is to develop the seasonal forecast method of environmental water in urban areas (Seoul, Daejeon, Gwangju, Busan) and to evaluate its predictability. In order to estimate the seasonal outlook information of environmental water from Land Surface Model (LSM), we used the observation weather data of Automated Synoptic Observing System (ASOS) sites, forecast and hind cast data of GloSea5. In the past 30 years (1985 ~ 2014), precipitation, natural runoff and Urban Environmental Water Index (UEI) were analyzed in the 4 urban areas. We calculated the seasonal outlook values of the UEI based on GloSea5 for 2015 year and compared it to UEI based on observed data. The seasonal outlook of UEI in urban areas presented high predictability in the spring, autumn and winter. Studies have depicted that the proposed UEI will be useful for evaluating urban environmental water and the predictability of UEI using GloSea5 forecast data is likely to be high in the order of autumn, winter, spring and summer.