선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- o AWS 자료에 포함된 비정상적인 자료들을 최소화하기 위하여 절대오류, 내적 불일치 및 시공간적 연속성 검사를 수행하는 자동품질검사 알고리즘을 개발하였다.
- 정성적인 방법은 기온의 공간분포를 다른 방법 (Inverse Distance Weighting : IDW, Hypsometric method : HYPS)으로 산출된 기온의 공간분포와 시각적으로 한반도의 지형을 고려하면서 비교하는 것이다. 이 검증은 3가지 방법으로 산출된 격자형 기온분포 중 어느 것이 한반도의 지형을 잘 반영하는지를 정성적으로 판단하기 위함이다. 또한 정량적 검증에서는 모든 관측소에서 임의로 결측이 발생하였다는 가정 하에 PRISM 기법으로 산출한 값과 실제 관측값을 비교하는 방법인 Jackknife 교차 검증 방법을 이용하였다.
가설 설정
- 본 연구에서는 기온의 시공간 변동에 영향을 주는 도시열섬과 같은 지면피복 차 및 식생의 계절변동은 고려하지 않았다. 또한 일부 지향면 및 해양도에 따른 가중치는 PRISM 값을 그대로 적용하였다.
제안 방법
- 디지털 고도자료 (digital elevation model: DEM)제작을 위해 1:250,000 지형도의 등고선, 해안선, 수준점 등을 이용하였으며, 벡터형식의 등고선은 경위도 좌표계로 변환한 후 1초 간격의 격자로 재배열하였다. 1차적으로 벡터형 자료를 불규칙삼각망 (triangulated irregular network : TIN)으로 변환한 후 1초 간격으로 고도 값을 산출하였으며, 최종적으로 정방형의 격자구조를 가진 자료를 산출하였다.
- Table 2는 PRISM에서 정의된 회귀함수 관련 변수, 정의 및 값들의 범위, 그리고 본 연구 (이하 K-PRISM)에서 사용한 변수들의 값을 제시한 것이다. K-PRISM에서는 1차적으로 PRISM의 값을 기본으로 하였고, 우리나라의 기후 특성의 분석과 반복적인 민감도 실험을 거쳐 우리나라 지형 및 기후 환경에 맞는 값들을 재산출하여 사용하였다.
- o ASOS, AWS로부터 관측된 월 평균/최고/최저 기온 자료와 지리정보자료에 K-PRISM을 적용하여 2002년 1월부터 2005년 12월까지 한반도 (남한)에 대해 5 ㎞ 해상도의 격자형 월 평균/최고/최저 기온자료를 산출하고 검증하였다. 검증은 모든 관측점들이 임의로 결측되었다고 가정하고 K-PRISM으로 산출한 값과 관측값을 비교하는 Jackknife 방법을 이용하였다.
- o K-PRISM의 적용에 필요한 한반도 지역의 고도, 지향면 및 해양도와 같은 지리정보 자료를 고해상도의고도 자료와 자원탐사 위성자료를 이용하여 산출하였다.
- 여기서 중요한 것은 한반도의 기후 및 지리적 환경에 적합하게 각 격자점별로 위의 인자들의 가중치를 결정하는 것이다. 각 격자점 및 기후요소별 가중치들은 기상청 의 과거 지상관측자료와 고해상도 지리정보자료를 이용하여 계산하였다.
- 고해상도 격자형 기온자료 산출은 기본적으로 Daly et al. (1994, 2002, 2003)이 개발한 PRISM을 이용하였으며 우리나라의 지리 및 기후환경을 고려하기 위하여 관측 자료를 이용하여 일부 가중치와 계수들을 수정하였다. 산출된 고해상도 격자형 기온 자료에 대한 검증은 정성적인 방법과 정량적 방법으로 수행하였다.
- 기존의 한반도 마스킹 자료와 함께 위성영상 및 수치지도를 이용하여 고해상도 한반도 마스킹자료를 1 ㎞ × 1 ㎞ 해상도로 재산출하였다. 수치지도로부터 해안선 및 도서지역을 추출하고, 고해상도 자원탐사 위성인 Landsat TM의 적외선 파장대역인 채널 4로부터 마스킹 자료를 획득한 후, 두 자료의 재배열 (resampling)과정을 통해 최종으로 1 ㎞ × 1 ㎞ 격자자료를 산출하였다.
- 디지털 고도자료 (digital elevation model: DEM)제작을 위해 1:250,000 지형도의 등고선, 해안선, 수준점 등을 이용하였으며, 벡터형식의 등고선은 경위도 좌표계로 변환한 후 1초 간격의 격자로 재배열하였다. 1차적으로 벡터형 자료를 불규칙삼각망 (triangulated irregular network : TIN)으로 변환한 후 1초 간격으로 고도 값을 산출하였으며, 최종적으로 정방형의 격자구조를 가진 자료를 산출하였다.
- 따라서 이 연구에서는 미국에서 개발된 PRISM을 기반으로 하여 한반도의 다양한 GIS 정보와 지상관측 기온자료를 이용하여 고해상도의 격자형 (5 ㎞ × 5 ㎞) 지리기후자료 (월 평균/최고/최저 기온)를 산출하고 산출 수준을 분석하였다. 이러한 고해상도 격자형 기후자료는 보다 세밀하고 정확하게 기상장을 제시하므로 다양한 유형의 수치/기후모델의 검증뿐만 아니라 기상예보관이 디지털예보를 생산할 때도 중요한 배경자료로 활용될 수 있을 것이다.
- 해양도 자료는 해양으로부터의 거리와 DEM 자료를 이용하여 수치 지도화 하였다. 먼저, 해양으로부터의 거리는 해안선에서의 최단거리를 중심으로 고도를 고려하여 각각 10 ㎞, 20 ㎞, 20 ㎞ 이상의 범위로 지수화 하였다. 고도 자료를 동시에 사용한 것은 태백산맥과 같이 바다와 내륙 사이에 높은 지형이 있을 경우 해양도의 영향이 다르기 때문이다.
- 미지의 격자점을 중심으로 영향반경이 커지면 포함되는 관측점 수가 많아지는 장점이 있지만, 국지기후 특성이 약화되는 단점이 있다. 본 연구에서는 국지적인 기후특성을 분석하기 위하여 영향반경을 PRISM에서와 같이 30 ㎞로 하고, 영향반경 내의 포함되는 최소 관측점의 개수를 5개로 하였다. Fig.
- 본 연구에서는 미국 오리곤 주립대학교에서 기후요소의 동질성이 거리뿐만 아니라 고도, 해양도, 지향면과 같은 다양한 지리환경에 영향을 받는 점을 반영하여 개발한 PRISM을 한반도의 지리환경에 적합한 기온추정 모델 (K-PRISM)로 수정하여 격자형 기온자료를 산출하고 그 수준을 평가하였다. 본 연구에서 얻은 결과는 다음과 같다.
- (1994, 2002, 2003)이 개발한 PRISM을 이용하였으며 우리나라의 지리 및 기후환경을 고려하기 위하여 관측 자료를 이용하여 일부 가중치와 계수들을 수정하였다. 산출된 고해상도 격자형 기온 자료에 대한 검증은 정성적인 방법과 정량적 방법으로 수행하였다. 정성적인 방법은 기온의 공간분포를 다른 방법 (Inverse Distance Weighting : IDW, Hypsometric method : HYPS)으로 산출된 기온의 공간분포와 시각적으로 한반도의 지형을 고려하면서 비교하는 것이다.
- 기존의 한반도 마스킹 자료와 함께 위성영상 및 수치지도를 이용하여 고해상도 한반도 마스킹자료를 1 ㎞ × 1 ㎞ 해상도로 재산출하였다. 수치지도로부터 해안선 및 도서지역을 추출하고, 고해상도 자원탐사 위성인 Landsat TM의 적외선 파장대역인 채널 4로부터 마스킹 자료를 획득한 후, 두 자료의 재배열 (resampling)과정을 통해 최종으로 1 ㎞ × 1 ㎞ 격자자료를 산출하였다.
- 세 번째 단계에서는 시계열 변동 점검 (Temporal outlier check)으로 (1) 인근 관측 값보다 매우 크지만 일치성 검사에서 감지할 수 있는 임계값보다 작은 경우와 (2) 전 날 값에 비해 현저하게 변한 자료는, 자료의 중심에서 멀어지는 정도로서 의심 자료로 구분할 수 있다. 여기서는 Lanzante (1996)와 Gleason (2002)의 두 방향 가중 (bi-weight : 분포가 중심으로부터 멀어질수록 가중치를 감소시키는 방법) 평균과 표준편차를 이용하여 시간적인 열외 (outlier)를 검사하였다. 또한 공간적 일치성 검사 (Spatial outlier check)에서는 임의 지점의 관측 자료를 이웃의 관측 자료들과 비교함으로써 비정상적 값을 감지하는 방법으로 임의 지점과 인근 10개 지점의 한 달 자료를 사용하여 상관계수를 산출하고 산출된 상관계수가 95% 신뢰도 구간을 벗어나는 자료들을 탐지한다.
- 일부 사례에 대한 적용실험에서 회귀식의 기울기 (# )가 비정상적으로 크거나 작게 산출되어 추정값 (#)에 큰 오류가 발생함이 확인되었다. 이를 해결하기 위하여 본 연구에서는 Fig. 5에 나타낸 바와 같이 현장관측 자료를 이용하여 기후요소 및 월별로 기울기의 최소값과 최대값을 변동적으로 설정하였다. 제주도 및 한반도의 기온감률의 분석자료를바탕으로 격자형 기온산출 회귀식에서 기울기의 최대값과 최소값에 제한을 두어 선형 회귀식의 특성상 기울기에의한 오류를 최소화 하였다.
- 일차적으로는 장비의 측정범위 (극한값)를 초과하는 값을 제거하기 위하여 유인관서와 AWS에 대해 각각 -40℃~50℃와 -30℃~40℃의 센서 탐지범위를 기준으로 초과여부를 조사하였다. 다음에는 관측 자료간 내적 일치성에 대해 (1) 내적 불일치 검사, (2) 기온의 일변동 특성 및 (3) 동일값 반복 유무를 검사하는 Reek et al.
- 5에 나타낸 바와 같이 현장관측 자료를 이용하여 기후요소 및 월별로 기울기의 최소값과 최대값을 변동적으로 설정하였다. 제주도 및 한반도의 기온감률의 분석자료를바탕으로 격자형 기온산출 회귀식에서 기울기의 최대값과 최소값에 제한을 두어 선형 회귀식의 특성상 기울기에의한 오류를 최소화 하였다.
- 제주도에 사례적용 한 것을 기초로 하여 K-PRISM을 남한 지역으로 확대 적용하였다. 제주도와 마찬가지로 거리만의 함수로 나타내는 IDW와 K-PRISM으로 산출한 2005년 1월의 평균/최고/최저 기온의 공간 분포를 Fig.
- 고도 자료를 동시에 사용한 것은 태백산맥과 같이 바다와 내륙 사이에 높은 지형이 있을 경우 해양도의 영향이 다르기 때문이다. 즉, DEM에서 200 m 등고선을 기준으로 산지의 영향을 받는 지역과 받지 않는 지역으로 구분하였으며, 최종적으로 최단거리와 조합하여 총 6단계로 세분화하였다 (Fig. 2). 각각의 지리정보 자료들은 5 ㎞ × 5 ㎞ 해상도의 격자점 (149 × 253)에 대하여 산출된 자료들이다.
- 지리적 위치에 따른 K-PRISM의 격자형 기온자료 산출수준을 분석하기 위하여 매 월 산출된 기온 값들에 대해 각 관측소별로 편의 크기를 분석하였다. Fig.
- 지향면 자료는 DEM으로부터 생산된 자료를 이용하여 N (북) 방향부터 NE, E, SE, S, SW, W, NW 방향으로 8방위와 평지로 총 9가지로 구분하였다. 지향면은 화소의 동서를잇는 벡터와 남북을 연결하는벡터로사면을먼저 결정하고, 이 평면의 주향을 구하여 계산한다.
- 해양도 자료는 해양으로부터의 거리와 DEM 자료를 이용하여 수치 지도화 하였다. 먼저, 해양으로부터의 거리는 해안선에서의 최단거리를 중심으로 고도를 고려하여 각각 10 ㎞, 20 ㎞, 20 ㎞ 이상의 범위로 지수화 하였다.
대상 데이터
- PRISM을 기반으로 본 연구에서 산출한 격자형 기온자료 산출 회귀식 (K-PRISM)의 한반도 적용 가능성을 분석하기 위하여 전체 면적은 좁지만 지리적 환경이 다양하고 고도차가 뚜렷한 제주도의 2005년 7월 사례에 적용하였다. Fig.
- 1). 기상관측 자료 특히 AWS 자료에는 일부 오류들이 포함되어 있기 때문에 품질검사를 수행한 후 정상인 자료만을 사용하였다. 또한 고해상도 (1 ㎞ × 1 ㎞)의 육지/바다 마스킹, 해발고도, 지향면 (topographic facet) 및 해양도 (coastal proximity)와 같은 지리정보 자료를 이용하였다.
- 기상관측 자료 특히 AWS 자료에는 일부 오류들이 포함되어 있기 때문에 품질검사를 수행한 후 정상인 자료만을 사용하였다. 또한 고해상도 (1 ㎞ × 1 ㎞)의 육지/바다 마스킹, 해발고도, 지향면 (topographic facet) 및 해양도 (coastal proximity)와 같은 지리정보 자료를 이용하였다.
- 따라서 PRISM 기반의 고해상도 격자형 기후자료 산출을 위해서는 GIS 자료의 확보가 필수적이다. 본 연구에서 사용한 PRISM 내삽법의 가중치를 구성하는 GIS 주요 인자들로는 한반도 마스킹 (육지/해양) 자료와 고도, 지향면, 해양도 자료이다 (Fig. 2).
- 본 연구에서 사용한 기온 자료는 2002년 1월부터 2005년 12월까지 최근 48개월간 76소의 기상관서와 약 450소의 AWS에서 관측한 자료들이다 (Fig. 1). 기상관측 자료 특히 AWS 자료에는 일부 오류들이 포함되어 있기 때문에 품질검사를 수행한 후 정상인 자료만을 사용하였다.
데이터처리
- 이 검증은 3가지 방법으로 산출된 격자형 기온분포 중 어느 것이 한반도의 지형을 잘 반영하는지를 정성적으로 판단하기 위함이다. 또한 정량적 검증에서는 모든 관측소에서 임의로 결측이 발생하였다는 가정 하에 PRISM 기법으로 산출한 값과 실제 관측값을 비교하는 방법인 Jackknife 교차 검증 방법을 이용하였다. 이 때 사용된 통계측도는 편의 (bias), 오차제곱근 (root mean square error: RMSE) 그리고 상관계수 (correlation coefficient: Corr)이다.
- 제주도 사례에서와 같이 남한 전체에 대해 K-PRISM의 격자형 기온자료 산출수준을 정량적으로 분석하기 위하여 Jackknife 교차 검증 방법으로 2002년 1월부터 2005년 12월까지 48개월에 대해 평균/최고/최저 기온 자료의 산출수준을 분석하였다 (Table 5). 평균적으로, K-PRISM은 편의 약 0.
이론/모형
- o ASOS, AWS로부터 관측된 월 평균/최고/최저 기온 자료와 지리정보자료에 K-PRISM을 적용하여 2002년 1월부터 2005년 12월까지 한반도 (남한)에 대해 5 ㎞ 해상도의 격자형 월 평균/최고/최저 기온자료를 산출하고 검증하였다. 검증은 모든 관측점들이 임의로 결측되었다고 가정하고 K-PRISM으로 산출한 값과 관측값을 비교하는 Jackknife 방법을 이용하였다.
- 일차적으로는 장비의 측정범위 (극한값)를 초과하는 값을 제거하기 위하여 유인관서와 AWS에 대해 각각 -40℃~50℃와 -30℃~40℃의 센서 탐지범위를 기준으로 초과여부를 조사하였다. 다음에는 관측 자료간 내적 일치성에 대해 (1) 내적 불일치 검사, (2) 기온의 일변동 특성 및 (3) 동일값 반복 유무를 검사하는 Reek et al. (1992)의 방법으로 수행하였다. 세 번째 단계에서는 시계열 변동 점검 (Temporal outlier check)으로 (1) 인근 관측 값보다 매우 크지만 일치성 검사에서 감지할 수 있는 임계값보다 작은 경우와 (2) 전 날 값에 비해 현저하게 변한 자료는, 자료의 중심에서 멀어지는 정도로서 의심 자료로 구분할 수 있다.
- 본 연구에서는 영향 반경 내에 속한 각 관측점마다 가중치가 다르기 때문에 일반회귀식이 아닌 가중회귀식 (12)을 이용하였다.
- 지향면은 화소의 동서를잇는 벡터와 남북을 연결하는벡터로사면을먼저 결정하고, 이 평면의 주향을 구하여 계산한다. 사면의 기울기는 tanθ = [(δZ/δX)2 + (δZ/δY)2]1/2 으로 구하고 (Z:고도, X, Y: 좌표축), 경사의 방향 (지향면)은 Gibson et al. (1997) 방법으로 산출하였다.
성능/효과
- - K-PRISM으로 산출한 남한지역의 월 평균/최고/최저 기온의 공간분포가 정성적으로 실제의 지형을 적절히 반영하는 것으로 나타났다. 또한 4년 평균 편의는 약 0.
- - PRISM의 한반도 적용 가능성을 검토하기 위해 제주도에 사례 적용하여 정성적/정량적으로 분석한결과, 거리만의 함수인 객관분석 방법 (IDW) 및 거리와 고도의 영향만을 고려하는 HYPS 보다 K-PRISM으로 산출한 기온의 공간분포가 더 현실에 가깝게 산출하였음을 확인하였다.
- K-PRISM의 격자형 기온자료 산출수준은 전체적으로 월평균 기온과 최저 기온에서 월 최고 기온보다 높게 나타났고, 여름보다는 겨울에 더 높았다. 이는 여름 (주간)에 비해 겨울 (야간)의 대기가 상대적으로 안정하고 건조하기 때문에 고도에 따른 기온감률이 크기 때문으로 판단된다.
- 그러나 K-PRISM에서는 고도의 영향까지 반영하므로 한라산 중심에서 기온을 가장 낮게 산출하여, IDW 보다 지형의 영향을 보다 적절하게 반영하고 있음을 볼 수 있다. 그리고 K-PRISM과 HYPS로 산출한 기온의 공간 패턴 대체적으로 유사하게 나타났지만 (Fig. 7), 최고/최저 기온에서는한라산 정상 부분의 기온이 K-PRISM이 더 낮게 나타났다. 기온감률을 - 6.
- 하지만 편의와 RMSE는 월 평균/최고 기온에서보다 최저기온에서 더 크게 나타났다. 또한 격자점 주위에 관측점이 고도에 따라 균일하게 분포하는 경우에는 산출수준이 높으나 영향 반경내 관측점이 적거나 관측소가 특정고도 또는 특정방향에 편중되는 경우에는 산출수준이 낮았다.
- Table 4는 K-PRISM과 HYPS로 각 관측점에 대해 산출한 월평균 최저기온에 대하여 4년 동안의 통계치를 나타낸 것이다. 월에 따라 조금씩의 차이는 있지만, 전체적으로 HYPS에 비해 K-PRISM에서 편의와 RMSE는 작게, 상관계수는 더 높게 나타났다. Daly et al.
- 신만용 외 (1999)는 지형-기후 관계를 고려하여 역산 거리가중 (Inverse distance weighting: IDW)에 의한 격자단위의 일 최고/최저기온을 추정하였다. 이 방법을 70여소의 기상관서에 적용하여 격자형 기온자료를 산출한 결과 추정오차가 1.5 ~ 2.5℃ 정도로 크게 나타나 기온추정법의 개선과 관측소의 증설이 필요함을 제시하였다.
- 즉, K-PRISM은 계절 및 기온종류에 상관없이 RMSE와 상관계수에서 IDW보다 우수하게 격자형 자료를 산출하고 있다. 전체적으로 K-PRISM의 격자형 기온 산출 수준은 평균, 최저, 및 최고기온 순서이고, 여름보다는 겨울에 높다. 이는 K-PRISM이 기온을 고도의 함수로 산출하는 것과 관련이 있는 것으로 보인다.
후속연구
- 또한 일부 지향면 및 해양도에 따른 가중치는 PRISM 값을 그대로 적용하였다. 따라서 한반도에서 보다 정확한 고해상도 격자형 기온자료 산출을 위해서는 보다 많은 기후인자를 포함하여야 할 것이며, 이 때 동질성에 대한 가중치는 한반도에서의 기온과 각 기후인자사이의 다양한 통계분석을 통해 개선되어야 할 것이다.
- 따라서 이 연구에서는 미국에서 개발된 PRISM을 기반으로 하여 한반도의 다양한 GIS 정보와 지상관측 기온자료를 이용하여 고해상도의 격자형 (5 ㎞ × 5 ㎞) 지리기후자료 (월 평균/최고/최저 기온)를 산출하고 산출 수준을 분석하였다. 이러한 고해상도 격자형 기후자료는 보다 세밀하고 정확하게 기상장을 제시하므로 다양한 유형의 수치/기후모델의 검증뿐만 아니라 기상예보관이 디지털예보를 생산할 때도 중요한 배경자료로 활용될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.