표준관측소의 점 단위 기온 관측 및 예보값을 농업분야에서 활용하기 위해서는 공간내삽이 필요한 경우가 많지만 기후학적 평년값 같은 장기간의 평균값 내삽과는 달리 지형효과를 반영하기 어려워 거리역산가중법이 수정 없이 사용되고 있다. 우리 나라처럼 지형이 복잡한 산악지역에서는 수평 거리에만 의존한 내삽 결과에 심각한 오류가 포함될 수 있으므로, 영농지원 정보로서 중요한 일 최저기온을 대상으로 추정오차의 최대근원인 해발고도의 영향을 보정 할 수 있는 간단한 공간내삽모형을 작성하였다. 먼저 남한 육지 상에 위치한 63개 표준관측소에서 수집된 일 최저기온자료와 관측소의 위치, 해안으로부터 거리, 경사향, 표고 등 국지기온 결정인자를 회귀분석 하여 표고에 따른 기온감율 추정식을 날짜의 함수로 표현하였다. 63개 관측점의 표고값을 공간내삽 하여 재구성한 전국의 가상 지형으로부터 1 km$\times$ 1 km 공간단위의 전국 수치고도값 편차를 계산하고, 여기에 해당 날짜의 기온감율을 적용하여 보정값을 계산한다. 기존의 거리역산가중법에 의한 기온추정값을 이 보정값에 의해 수정함으로써 최종 기온값을 얻는다. 임의로 선발된 1999년의 월별 하루씩 총 12일에 대하여 이 모형과 기존 거리역산가중법을 각기 적용하여 267개 자동기상관측지점의 일 최저기온을 추정한후 실측값과 비교하였다 오차평균, 절대오차평균, 그리고 평방근오차평균 등 세가지 추정오차를 분석한 결과 이 방법이 거리역산가중법에 비해 산악지역에서의 일 최저기온 추정에 있어 뚜렷한 개선효과를 보였다.
표준관측소의 점 단위 기온 관측 및 예보값을 농업분야에서 활용하기 위해서는 공간내삽이 필요한 경우가 많지만 기후학적 평년값 같은 장기간의 평균값 내삽과는 달리 지형효과를 반영하기 어려워 거리역산가중법이 수정 없이 사용되고 있다. 우리 나라처럼 지형이 복잡한 산악지역에서는 수평 거리에만 의존한 내삽 결과에 심각한 오류가 포함될 수 있으므로, 영농지원 정보로서 중요한 일 최저기온을 대상으로 추정오차의 최대근원인 해발고도의 영향을 보정 할 수 있는 간단한 공간내삽모형을 작성하였다. 먼저 남한 육지 상에 위치한 63개 표준관측소에서 수집된 일 최저기온자료와 관측소의 위치, 해안으로부터 거리, 경사향, 표고 등 국지기온 결정인자를 회귀분석 하여 표고에 따른 기온감율 추정식을 날짜의 함수로 표현하였다. 63개 관측점의 표고값을 공간내삽 하여 재구성한 전국의 가상 지형으로부터 1 km$\times$ 1 km 공간단위의 전국 수치고도값 편차를 계산하고, 여기에 해당 날짜의 기온감율을 적용하여 보정값을 계산한다. 기존의 거리역산가중법에 의한 기온추정값을 이 보정값에 의해 수정함으로써 최종 기온값을 얻는다. 임의로 선발된 1999년의 월별 하루씩 총 12일에 대하여 이 모형과 기존 거리역산가중법을 각기 적용하여 267개 자동기상관측지점의 일 최저기온을 추정한후 실측값과 비교하였다 오차평균, 절대오차평균, 그리고 평방근오차평균 등 세가지 추정오차를 분석한 결과 이 방법이 거리역산가중법에 비해 산악지역에서의 일 최저기온 추정에 있어 뚜렷한 개선효과를 보였다.
Spatial interpolation of daily temperature forecasts and observations issued by public weather services is frequently required to make them applicable to agricultural activities and modeling tasks. In contrast to the long term averages like monthly normals, terrain effects are not considered in most...
Spatial interpolation of daily temperature forecasts and observations issued by public weather services is frequently required to make them applicable to agricultural activities and modeling tasks. In contrast to the long term averages like monthly normals, terrain effects are not considered in most spatial interpolations for short term temperatures. This may cause erroneous results in mountainous regions where the observation network hardly covers full features of the complicated terrain. We developed a spatial interpolation model for daily minimum temperature which combines inverse distance squared weighting and elevation difference correction. This model uses a time dependent function for 'mountain slope lapse rate', which can be derived from regression analyses of the station observations with respect to the geographical and topographical features of the surroundings including the station elevation. We applied this model to interpolation of daily minimum temperature over the mountainous Korean Peninsula using 63 standard weather station data. For the first step, a primitive temperature surface was interpolated by inverse distance squared weighting of the 63 point data. Next, a virtual elevation surface was reconstructed by spatially interpolating the 63 station elevation data and subtracted from the elevation surface of a digital elevation model with 1 km grid spacing to obtain the elevation difference at each grid cell. Final estimates of daily minimum temperature at all the grid cells were obtained by applying the calculated daily lapse rate to the elevation difference and adjusting the inverse distance weighted estimates. Independent, measured data sets from 267 automated weather station locations were used to calculate the estimation errors on 12 dates, randomly selected one for each month in 1999. Analysis of 3 terms of estimation errors (mean error, mean absolute error, and root mean squared error) indicates a substantial improvement over the inverse distance squared weighting.
Spatial interpolation of daily temperature forecasts and observations issued by public weather services is frequently required to make them applicable to agricultural activities and modeling tasks. In contrast to the long term averages like monthly normals, terrain effects are not considered in most spatial interpolations for short term temperatures. This may cause erroneous results in mountainous regions where the observation network hardly covers full features of the complicated terrain. We developed a spatial interpolation model for daily minimum temperature which combines inverse distance squared weighting and elevation difference correction. This model uses a time dependent function for 'mountain slope lapse rate', which can be derived from regression analyses of the station observations with respect to the geographical and topographical features of the surroundings including the station elevation. We applied this model to interpolation of daily minimum temperature over the mountainous Korean Peninsula using 63 standard weather station data. For the first step, a primitive temperature surface was interpolated by inverse distance squared weighting of the 63 point data. Next, a virtual elevation surface was reconstructed by spatially interpolating the 63 station elevation data and subtracted from the elevation surface of a digital elevation model with 1 km grid spacing to obtain the elevation difference at each grid cell. Final estimates of daily minimum temperature at all the grid cells were obtained by applying the calculated daily lapse rate to the elevation difference and adjusting the inverse distance weighted estimates. Independent, measured data sets from 267 automated weather station locations were used to calculate the estimation errors on 12 dates, randomly selected one for each month in 1999. Analysis of 3 terms of estimation errors (mean error, mean absolute error, and root mean squared error) indicates a substantial improvement over the inverse distance squared weighting.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 기온감율의 경시 변화를 고려한 간단한 일최저기온 공간내삽모형을 제시하고 남한지역을 대상으로 그 실용성을 검증함으로써 국지적인 일 최저기온 정보의 농업분야 활용을 촉진하고자 하였다.
여기서 추구하는기온감율은 연직상방의 대기 중에서 관찰되는 것이 아니라 산록경사지를 수직 및 수평 양 방향으로 이동하면서 경험하게 되는 기온의 변화율이므로 대상 지역 내에서도 수평적 공간변이가 존재할 수 있다. 본 연구에서는 남한 전역을 대상 지역으로 하므로 섬 지역에 위치한 관측소를 제외한 63개 지점(해발고도 범위 17〜 840 m)에서 1999년 한 해 동안 관측된 일 최저기온 값과 이들 관측지점의 표고로부터 일별 기온감율을 추정하고자 하였으며 표준대기의 감율과 구별하여 산 사면 기온감율(Mountain slope lape rate; MSLR) 로 명명하였다.
장기적인 기후값이 아닌 일 최저기온의 공간내삽을 위한 간단한 방법을 제시하였다. 이 방법은 계절에 무관하게 기존 방법에 의한 추정 오차를 줄여주며, 특히산익지역에서 우수한 추정능력을 보인다.
제안 방법
먼저 남한 육지 상에 위치한 63개 표준 관측소에서 수집된 일 최저기온자료와 관측소의 위치, 해안으로부터 거리, 경사향, 표고 등 국지기온 결정인자를 회귀분석하여 표고에 따른기온감율 추정식을 날짜의 함수로 표현하였다. 63개 관측점의 표고값을 공간 내삽 하여 재구성한 전국의 가상 지형으로부터 1 kmX 1 km 공간 단위의 전국 수치 고도값 편차를 계산하고, 여기에 해당 날짜의 기온감율을 적용하여 보정값을 계산한다. 기존의 거리역산 가중법에 의한 기온추정값을 이보정값에 의해 수정함으로써 최종 기온값을 얻는다.
IDSW에 의한 추정값이 연중 지속적으로, 정, 의 ME 를 보이는 원인을 두 가지 측면에서 생각해 보았다. 먼저 AWS 관측값 자체의 체계적 오차 (systematic error)일 가능성이다.
3. Predicted temperatures by IDSW(dark circles) and LRCI(empty circles) plotted against the temperatures recorded by automated weather stations on three summer days (July 3, August 6, and September 4). Trend lines for IDSW (dotted) and LRCI(solid) are also shown with their regression equations.
선택된 월별 해당 날짜에 대하여식 (2)에 의해 기온감율을 계산하고 이것을 식 ⑴에 대입하여 자동기상관측지점의 일 최저기온을 추정하였다. 결과는 자동기상 관측소 실측값과 직접 비교하였는데, 표고편차보정을 하기 전에 얻은 IDSW 기온 추정값과 실측값 간 편차를 대조오차로 삼았다. 자동기상 관측지점의 기온 및 표고 내삽에 사용된 인접 표준 관측소의 수는 각각 3개씩이었다.
다음에는 지리적인 위치차이에 따른 잡음을 제거하기 위해 선행연구들(Shin and Yun, 1992; Shin et al., 1999; Yun and Lee, 2000)에 의해 남한의 국지 기온 결정 요인으로 밝혀진 위도, 경도, 해안으로부터 거리, 경사면의 방향 등을 관측점의 표고와 함께 후보 변수로 둔 중회귀 분석을 이들 날짜에 대해 수행하였다. 날짜별 최적 회귀 모형은 유의 수준 0.
따라서 본 연구에서는 식 ⑴에 상기 기온 감율 추정 식을 결합하여 임의 날짜 미관측 지점의 일 최저기온을 추정하기 위한 내 삽모형으로 삼았다.
우리나라처럼 지형이 복잡한 산악지역에서는 수평 거리에만 의존한 내삽 결과에 심각한 오류가 포함될 수 있으므로, 영농지원정보로서 중요한 일 최저기온을 대상으로 추정오차의 최대근원인 해 발고도의 영향을 보정할 수 있는 간단한 공간내 삽모형을 작성하였다. 먼저 남한 육지 상에 위치한 63개 표준 관측소에서 수집된 일 최저기온자료와 관측소의 위치, 해안으로부터 거리, 경사향, 표고 등 국지기온 결정인자를 회귀분석하여 표고에 따른기온감율 추정식을 날짜의 함수로 표현하였다. 63개 관측점의 표고값을 공간 내삽 하여 재구성한 전국의 가상 지형으로부터 1 kmX 1 km 공간 단위의 전국 수치 고도값 편차를 계산하고, 여기에 해당 날짜의 기온감율을 적용하여 보정값을 계산한다.
이들 자동기상관측지점의 표고값으로부터 63 개 표준관측소 표고값 내 삽에 의해 작성한 남한 전역 가상지형 상의 자동기상 관측지점에 해당되는 격자점의 표고값을 뺀 표고편차를 얻었다. 선택된 월별 해당 날짜에 대하여식 (2)에 의해 기온감율을 계산하고 이것을 식 ⑴에 대입하여 자동기상관측지점의 일 최저기온을 추정하였다. 결과는 자동기상 관측소 실측값과 직접 비교하였는데, 표고편차보정을 하기 전에 얻은 IDSW 기온 추정값과 실측값 간 편차를 대조오차로 삼았다.
고도차에 의한 부분만을 추출해야 한다. 이를 위해 먼저 대상 지역 내 날씨의 이질성에 의한 잡음을 제거하기 위해 관측소 별 최저기온 자료 가운데 전운량 0.2 이하인 맑은 날과 0.8 이상인 흐린 날에 해당되는부분만 발췌하였다. 두 집단별로 같은 날짜에 포함되는 관측소의 수가 30개 이상인 날짜의 자료, 즉 남한 전역의 반 이상이 맑음 혹은 흐림으로 동질적인 날짜의 자료만 다시 선발하였다.
기존의 거리역산 가중법에 의한 기온추정값을 이보정값에 의해 수정함으로써 최종 기온값을 얻는다. 임의로 선발된 1999년의 월별 하루씩 총 12일에 대하여 이 모형과 기존 거리역산 가중법을 각기 적용하여 267개 자동기상관측지점의 일 최저기온을 추정한 후 실 측값과 비교하였다. 오차 평균, 절대오차 평균, 그리고 평방근오차 평균 등 세 가지 추정 오차를 분석한 결과 이 방법이 거리역산 가중법에 비해 산악지역에서의 일 최저기온 추정에 있어 뚜렷한 개선효과를 보였다.
대상 데이터
458개 자동기상관측소 중에서 표준기상관측소와 위치가 중복되거나 섬지방에 설치된 것을 제외한 267 개 지점(해발 고도 범위 3〜 850 m) 자료를 분석에 이용하였다 (Fig. 2).난수 생성기에 의해 1999년 월별 3일씩의 날짜를 선발하고 이들 날짜 가운데 실측 최저기온 값을 얻을 수 있는 기상청 자동기상 관측소의 수가 가장 많은 것들을 월별로 하루씩 총 12일을 선택하였다.
2).난수 생성기에 의해 1999년 월별 3일씩의 날짜를 선발하고 이들 날짜 가운데 실측 최저기온 값을 얻을 수 있는 기상청 자동기상 관측소의 수가 가장 많은 것들을 월별로 하루씩 총 12일을 선택하였다. 이들 자동기상관측지점의 표고값으로부터 63 개 표준관측소 표고값 내 삽에 의해 작성한 남한 전역 가상지형 상의 자동기상 관측지점에 해당되는 격자점의 표고값을 뺀 표고편차를 얻었다.
8 이상인 흐린 날에 해당되는부분만 발췌하였다. 두 집단별로 같은 날짜에 포함되는 관측소의 수가 30개 이상인 날짜의 자료, 즉 남한 전역의 반 이상이 맑음 혹은 흐림으로 동질적인 날짜의 자료만 다시 선발하였다.
선발된 회귀 모형은 144일 가운데 77개로서 가을, 겨울에는 주로 맑은 날이, 봄과 여름에는 흐린 날의 자료가 이용되었다. 이들 모형의 구성 변수 중 관측점 표고의 편 회귀계수만을 날짜에 따라 작도한 것이 Fig.
데이터처리
오차분석은 날짜별로 내삽에 의한 추정기온으로부터 AWS에 의한 실측 기온을 뺀 값을 추정 오차로 두고 이 추정 오차의 산술평균(mean error: ME), 추정오차 절대 값의 평균(mean absolute error: MAE), 그리고 평방근 오차의 평균(root mean squared error: RMSE) 을 각각 계산하였다. ME는 추정오차 분포의 편기성 (bias) 정도를, MAE는 추정값이 실측값으로부터 얼마나 멀리 벗어나는지를 나타내며, RMSE는 평균적인 오차범위로부터 크게 벗어나는 특이값(outliers)의 존재 여부에 민감하다.
난수 생성기에 의해 1999년 월별 3일씩의 날짜를 선발하고 이들 날짜 가운데 실측 최저기온 값을 얻을 수 있는 기상청 자동기상 관측소의 수가 가장 많은 것들을 월별로 하루씩 총 12일을 선택하였다. 이들 자동기상관측지점의 표고값으로부터 63 개 표준관측소 표고값 내 삽에 의해 작성한 남한 전역 가상지형 상의 자동기상 관측지점에 해당되는 격자점의 표고값을 뺀 표고편차를 얻었다. 선택된 월별 해당 날짜에 대하여식 (2)에 의해 기온감율을 계산하고 이것을 식 ⑴에 대입하여 자동기상관측지점의 일 최저기온을 추정하였다.
이론/모형
6 이상인 것만 분석에 이용하였다. 각 관측점과 해안으로부터의 최단거 리 및 관측점의 경사 방향은 1 kmX 1 km 간격의 한반도 수치고도 모형(digital elevation model: DEM)으로 부터 계산하였다.
, 1999; Yun and Lee, 2000)에 의해 남한의 국지 기온 결정 요인으로 밝혀진 위도, 경도, 해안으로부터 거리, 경사면의 방향 등을 관측점의 표고와 함께 후보 변수로 둔 중회귀 분석을 이들 날짜에 대해 수행하였다. 날짜별 최적 회귀 모형은 유의 수준 0.05 를 기준으로 한 STEPWISE 선택법에 의해 선발하였는데, 채택된 변수의 종류나 조합과 무관하게 모형의 결정 계수가 0.6 이상인 것만 분석에 이용하였다. 각 관측점과 해안으로부터의 최단거 리 및 관측점의 경사 방향은 1 kmX 1 km 간격의 한반도 수치고도 모형(digital elevation model: DEM)으로 부터 계산하였다.
성능/효과
3). LRCI가 기존의 IDS'"] 비해 일 최저기온 추정에 있어서 오히려 못한 것으로 생각되는 여름철 사흘의 경우에도 추정값과 실 측값간 직선회귀식의 결정 계수가 IDSW에서 0.698인데 비해 LRCI에서는 0.729로서 더 높고, 특히 추세선의 기울기가 0.749에 비해 0.862로서 이상적인 기울기 1.0에 더욱 가깝다. 비록 ME나 MAE 값이 작을 지라도 IDSW에의한 기온 추정값은 이 그림의 저온역, 즉 표고가 높은 산악지역에서는 실제보다 높아지는 경향이 뚜렷하다.
추정 오차 평균값(ME)으로부터 판단해보면, 기존의 IDSW에 의해 계산되는 일 최저기온값은 실측 값보다 항상 높아서 검증에 이용된 12일 자료 모두 ''정''의값을 보였으나, 여름철인 7월 3일, 8월 6일, 9월 4일에는 이러한 경향이 크게 완화되었다(Table 1). 기온감율을 고려한 내삽 모형 (Lapse Rate Corrected IDSW: LRCI)을 사용할 경우 12일 가운데 여름철 사흘을 제외한 나머지 날짜의 평균값이 0.
즉 여름철 일지라도 산악지역의 최저기온 추정에는 LRCI가 우월하다고 판단된다. 결국 기존의 방법에 기온감율 보정항을 추가하면 계절에 관계없이 실제값 게 접근시킬 수 있다는 결론을 내릴 수 있다.
임의로 선발된 1999년의 월별 하루씩 총 12일에 대하여 이 모형과 기존 거리역산 가중법을 각기 적용하여 267개 자동기상관측지점의 일 최저기온을 추정한 후 실 측값과 비교하였다. 오차 평균, 절대오차 평균, 그리고 평방근오차 평균 등 세 가지 추정 오차를 분석한 결과 이 방법이 거리역산 가중법에 비해 산악지역에서의 일 최저기온 추정에 있어 뚜렷한 개선효과를 보였다.
이러한 취약점을 감안하더라도 ME와 MAE의 비교 결과만 놓고 판단해보면 LRCI는 최소한 가을, 겨울, 봄 등, 일 최저기온의 농업적 의미가 더욱 부각되는 계절에는 기존의 IDSW보다 우수한 추정 능력을 보인다고 할 수 있다. 한편 여름철의 경우에도 사흘간의 일 최저기온 추정값과 실 측값을 비교해보면 ME와 MAE의 단순 비교에서는 알 수 없었던 사실을 발견할 수 있다 (Fig.
추정값이 실측값으로부터 벗어나는 정도를 표현하는 MAE도 ME의 경우와 마찬가지로 다른 계절에 비해 여름철의 오차변이가 줄어들었는데, 여름철 이틀을 제외한 열흘 평균값은 1.42대 1.33으로 항상 LRCI에서 낮았다.
후속연구
산악지대에 설치된 관측소는 그 숫자가 적은 것은 물론 설치 위치가 주변 지역을 대표하기 어렵기 때문에 단순한 거리 역산가중에 의한 내삽 결과는 실제와 다른 기온 분포를 보이기 쉽다. 따라서 기존의 거리역산가 중 기법을 토대로 고도-기온 관계를 결합한 공간내 삽모형을 작성한다면 기온의 공간 변이를 보다 정확하게 추정할 수 있을 것이다.
일 최고기온 공간내 삽모형이 만들어지면 생장도일, 난방도 일등 기후지수의 계산은 물론, 작물생장모형, 식 물병 예찰모형 등 일 기상자료를 입력 자료로 요구하는 모든 분야에서 정확한 기온 추정값을 쓸 수 있게 될 것이다. 앞으로 일중 기온감율 변화의 정량적 추정이 가능해진다면 시간 해상도를 더욱 높여 시간대별 기온의 정확한 공간변이 예측도 추진해볼 만 하다.
기존의 방법에 고도 편차 보정항을 추가하는 간단한 방식이므로 민간기상정보회사 등 이 미 공간내 삽을 활용하는 곳에서는 기존 시스템을 용이하게 개선할 수 있다. 일 최고기온 공간내 삽모형이 만들어지면 생장도일, 난방도 일등 기후지수의 계산은 물론, 작물생장모형, 식 물병 예찰모형 등 일 기상자료를 입력 자료로 요구하는 모든 분야에서 정확한 기온 추정값을 쓸 수 있게 될 것이다. 앞으로 일중 기온감율 변화의 정량적 추정이 가능해진다면 시간 해상도를 더욱 높여 시간대별 기온의 정확한 공간변이 예측도 추진해볼 만 하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.