• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.315-315
• /
• 2019

증산과 증발의 합으로 나타내지는 증발산은 지구내에서의 수문 순환에 영향을 미치는 중요한 인자로써, 지표와 대기의 에너지 교환을 담당하고 있다. 정확한 관측을 위해서 오래전부터 증발산에 대해서 관측하기 위하여 직접관측 방법들인 증발산계를 이용한 관측방법, 에디 공분산 방법을 이용한 플럭스타워 관측 방법 등을 사용하였으며, 물리 및 경험적인 방법인 Penman (1948), Monteith (1965) 방법, PT (Priestley and Taylor, 1972) 방법 등을 이용함으로써 증발산과 관계를 가진 수문기상인자를 이용함으로써 증발산에 대해서 추정하여 왔다. 대부분 지상 관측에 의존하기 때문에 시공간적인 값의 표현이 어렵다는 문제를 가지고 있으며, 관측 장비의 관리 및 유지비용이 증대로 인하여 조밀한 관측망을 구축하기 어렵다. 이러한 단점을 개선하고자 인공위성 및 재분석 자료를 활용하여 여러 경험식을 통해서 증발산 자료가 제공되고 있다. 그러나 이러한 자료들의 문제점은 각기 다른 경험식 및 다른 입력자료를 제공하고 있을 뿐만 아니라, 자료별 지역별 정확성이 차이가 발생한다. 따라서, 최근 연구에서는 지점자료와 인공위성 자료 및 재분석 자료를 모두 사용함으로써 수문기상인자를 개선하고자 하는 연구가 진행되어왔으며, 정확성 또한 개선된 것을 확인 할 수 있다. 그러나, 이러한 방법들의 가장 큰 문제점은 관측 자료가 필수적으로 필요하다는 것에 있다. 대부분의 나라나 지역에서는 조밀한 구축망을 구축하기 어렵기 때문에 실질적으로 적용하기가 어렵다는데 있다. 따라서 본 연구에서는 이러한 문제를 해결하기 위하여 지점자료가 필요없는 융합방법을 triple collocation 방법을 이용함으로써 제안하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.316-316
• /
• 2019

최근 빈번한 자연재해로 인해 기상 및 지구물리학적 요소들을 관측하는 연구들이 활발히 진행되고 있으며, 그중 지표와 기상을 연결해주는 토양수분 관측은 지구에서 일어나는 현상에 대한 이해도를 높이기 위한 중요한 요소로써 인식되고 있다. 이러한 토양수분 자료는 지난 몇 년 동안 다양한 측정 방법과 알고리즘 개발이 이루어져왔으나 이러한 방식으로 산출된 데이터를 무분별하게 이용하기에 앞서 최적의 사용을 위해 오류 구조를 파악하고 정량적으로 측정하는 분석이 필요하다. 따라서 Triple collocation(TC) 기법을 활용하여 가상의 실제값(hypothetical truth)을 가정하고 각각의 산출데이터의 측정 불확도와 상관성을 추정할 수 있다. 본 연구에서는 인공위성, 모델자료와 같은 측정 방법뿐만 아니라 지점에 설치하여 물리적인 방법을 통한 토양수분 산출방식에도 관측상의 오차가 존재함을 인지하고, 이러한 오차가 존재하는 다양한 데이터들을 분석하였다. 이용된 데이터는 설마천 산지 사면에 설치된 유전율식(TDR, Time Domain Reflectometer) 측정장비, Cosmic-Ray newtron Probe, Noah 지표모델을 활용한 자료 동화 자료인 Global Land Data Assimilation System (GLDAS)를 입력 자료로 하여 TC 기법에 적용하였다. 분석 결과는 유역의 토양수분 관측에 대한 다양한 방법의 불확실성을 규명하는데 가장 중요한 연구로써 활용될 것으로 기대 된다.

• Korean Journal of Remote Sensing
• /
• v.35 no.5_1
• /
• pp.625-636
• /
• 2019

Soil moisture is a representative factor that plays a key role in hydrological cycle. It is involved in the interaction between atmosphere and land surface, and is used in fields such as agriculture and water resources. Advanced Microwave Scanning Radiometer 2 (AMSR2), Advanced SCATterometer (ASCAT), and European Space Agency Climate Change Initiative (ESACCI) data were used to analyze the applicability and uncertainty of satellite soil moisture product in the Korean peninsula. Cumulative distribution function (CDF) matching and triple collocation (TC) analysis were carried out to investigate uncertainty and correction of satellite soil moisture data. Comparisons of pre-calibration satellite soil moisture data with the Automated Agriculture Observing System (AAOS) indicated that ESACCI and ASCAT data reflect the trend of AAOS well. On the other hand, AMSR2 satellite data showed overestimated values during the freezing period. Correction of satellite soil moisture data using CDF matching improved the error and correlation compared to those before correction. Finally, uncertainty analysis of soil moisture was carried out using TC method. Clearly, the uncertainty of the satellite soil moisture, corrected by CDF matching, was diminished in both freezing and thawing periods. Overall, it is expected that using ASCAT and ESACCI rather than AMSR2 soil moisture data will give more accurate soil moisture information when correction is performed on the Korean peninsula.

• Journal of Korea Water Resources Association
• /
• v.52 no.1
• /
• pp.11-19
• /
• 2019

In this study, the actual evapotranspiration products of Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM) and MOD16, which are satellite- and reanalysis-based dataset, were validated at the flux tower sites (i.e., CFK and SMK) managed by Korea Institute of Hydrological Survey, and the uncertainty and correlation analysis were conducted using Triple Collocation (TC) method. The result of validation with the flux tower showed better agreement in the order of GLEAM> GLDAS>MOD16. At the result of three combinations (S1: flux tower vs. GLDAS vs. MOD16, S2: flux tower vs. GLDAS vs. GLEAM, S3: flux tower vs. GLEAM vs. MOD16), the order of best to worst is GLEAM, GLDAS, MOD16, and flux tower for CFK (GLDAS> GLEAM>MOD16>flux tower for SMK). Since the error variance and correlation coefficients of the flux tower show relatively worse performance in TC analysis than the other products, By applying TC method to three products (GLDAS vs. GLEAM vs. MOD16), the uncertainty of each dataset were evaluated at the Korean Peninsula, As a results, the GLDAS and GLEAM performed reasonable performance (low error variance and high correlation coefficient), whereas results of MOD16 showed high error variance and low correlation coefficient at the cropland.

• Journal of Korea Water Resources Association
• /
• v.56 no.9
• /
• pp.543-551
• /
• 2023

Snow is an essential climate factor that affects the climate system and surface energy balance, and it also has a crucial role in water balance by providing solid water stored during the winter for spring runoff and groundwater recharge. In this study, statistical analysis of Local Data Assimilation and Prediction System (LDAPS), Modern.-Era Retrospective Analysis for Research and Applications, version 2 (MERRA-2), and ERA5-Land snow depth data were used to evaluate the applicability in South Korea. The statistical analysis between the Automated Synoptic Observing System (ASOS) ground observation data provided by the Korea Meteorological Administration (KMA) and the reanalysis data showed that LDAPS and ERA5-Land were highly correlated with a correlation coefficient of more than 0.69, but LDAPS showed a large error with an RMSE of 0.79 m. In the case of MERRA-2, the correlation coefficient was lower at 0.17 because the constant value was estimated continuously for some periods, which did not adequately simulate the increase and decrease trend between data. The statistical analysis of LDAPS and ASOS showed high and low performance in the nearby Gangwon Province, where the average snowfall is relatively high, and in the southern region, where the average snowfall is low, respectively. Finally, the error variance between the four independent snow depth data used in this study was calculated through triple collocation (TC), and a merged snow depth data was produced through weighting factors. The reanalyzed data showed the highest error variance in the order of LDAPS, MERRA-2, and ERA5-Land, and LDAPS was given a lower weighting factor due to its higher error variance. In addition, the spatial distribution of ERA5-Land snow depth data showed less variability, so the TC-merged snow depth data showed a similar spatial distribution to MERRA-2, which has a low spatial resolution. Considering the correlation, error, and uncertainty of the data, the ERA5-Land data is suitable for snow-related analysis in South Korea. In addition, it is expected that LDAPS data, which is highly correlated with other data but tends to be overestimated, can be actively utilized for high-resolution representation of regional and climatic diversity if appropriate corrections are performed.