• 한국해안·해양공학회논문집
• /
• 제22권6호
• /
• pp.353-360
• /
• 2010

경기만은 한강과 임진강 수계의 하구역을 중심으로 황해의 중부해역을 잇는 매우 중요한 해역이다. 특히 경기만 해역의 연안개발로 인한 하구습지와 연안습지의 훼손이 가속화되고 있다. 이러한 갯벌과 해저 퇴적체의 변화에 대한 이해와 원인 규명을 위해서는 조석 잔차류의 역할이 중요함을 제시하였다(Kim et al., 2009). 하지만 경기만에서의 조석 잔차류에 대한 정량적 연구는 잘 이루어져 있지 못하며, 연간 변동성에 대한 연구도 흔하지 않다. 본 연구에서는 경기만 주수로인 석모수로와 장봉수로에서 1년간 연속 관측한 수층별 조류를 이용하여, 조석 잔차류의 특성과 조류분조의 특성을 정밀하게 분석하였다. Kim et al.(2009)이 제안한 이동평균(Moving average) 기법을 이용하여 연간 월별 그리고 수층별 자료로 확대하여 분석하였다. 또한 조류조화분해를 실시하여 이동평균 기법의 잔차류 특성과 비교하였으며 계절별 수층별 조류분조의 특성을 제시하였다. 비조석성분인 잔차류 산정에는 이동평균 기법과 조류조화분해법이 동일한 결과를 보였으나 단주기 변동성 분석에는 이동평균기법이 장점을 가진 것으로 보인다. 석모수로의 잔차류는 연간 낙조류 방향이며, 표층에서 20-40 cm/s, 저층에서 10 cm/s 미만으로 분석되었다. 장봉수로에서는 연간 창조류 방향의 잔차류는 표층에서 15-30 cm/s, 저층에서 20 cm/s 안팎으로써 여름철에는 강한 경압형 구조를 보인다. 본 연구에서는 해저면에 설치된 음파식 유속계 자료의 처리, 조석잔차류의 산정과 경기만 수로에서의 연간 잔차류 수직 구조와 변동성에 대한 결과를 제시함으로써, 경기 일대의 물질이동과 퇴적체 변동성 연구에 기본적 자료로 활용될 것으로 판단된다.

• Ocean and Polar Research
• /
• 제43권4호
• /
• pp.229-243
• /
• 2021

Quality control (QC) to process observed time series has become more critical as the types and amount of observed data have increased along with the development of ocean observing sensors and communication technology. International ocean observing institutions have developed and operated automatic QC procedures for these observed time series. In this study, the performance of automated QC procedures proposed by U.S. IOOS (Integrated Ocean Observing System), NDBC (National Data Buy Center), and OOI (Ocean Observatory Initiative) were evaluated for observed time-series particularly from the Yellow and East China Seas by taking advantage of a confusion matrix. We focused on detecting additive outliers (AO) and temporary change outliers (TCO) based on ocean temperature observation from the Ieodo Ocean Research Station (I-ORS) in 2013. Our results present that the IOOS variability check procedure tends to classify normal data as AO or TCO. The NDBC variability check tracks outliers well but also tends to classify a lot of normal data as abnormal, particularly in the case of rapidly fluctuating time-series. The OOI procedure seems to detect the AO and TCO most effectively and the rate of classifying normal data as abnormal is also the lowest among the international checks. However, all three checks need additional scrutiny because they often fail to classify outliers when intermittent observations are performed or as a result of systematic errors, as well as tending to classify normal data as outliers in the case where there is abrupt change in the observed data due to a sensor being located within a sharp boundary between two water masses, which is a common feature in shallow water observations. Therefore, this study underlines the necessity of developing a new QC algorithm for time-series occurring in a shallow sea.