[논문]기후학적 물수지를 적용한 기후변화에 따른 농업기상지표 변동예측의 불확실성

남원호; 홍은미; 최진용; 조재필

doi:10.5389/ksae.2015.57.2.001

기후학적 물수지를 적용한 기후변화에 따른 농업기상지표 변동예측의 불확실성
Uncertainty Characteristics in Future Prediction of Agrometeorological Indicators using a Climatic Water Budget Approach 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.57 no.2, 2015년, pp.1 - 13

남원호 (National Drought Mitigation Center, School of Natural Resources, University of Nebraska-Lincoln) , 홍은미 (USDA-ARS Environmental Microbial & Food Safety Laboratory, Beltsville Agricultural Research Center) , 최진용 (Department of Rural Systems Engineering and Research Institute for Agriculture & Life Sciences, Seoul National University) , 조재필 (Climate Research Department, APEC Climate Center)

Abstract ▼ AI-Helper

The Coupled Model Intercomparison Project Phase 5 (CMIP5), coordinated by the World Climate Research Programme in support of the Intergovernmental Panel on Climate Change (IPCC) AR5, is the most recent, provides projections of future climate change using various global climate models under four major greenhouse gas emission scenarios. There is a wide selection of climate models available to provide projections of future climate change. These provide for a wide range of possible outcomes when trying to inform managers about possible climate changes. Hence, future agrometeorological indicators estimation will be much impacted by which global climate model and climate change scenarios are used. Decision makers are increasingly expected to use climate information, but the uncertainties associated with global climate models pose substantial hurdles for agricultural resources planning. Although it is the most reasonable that quantifying of the future uncertainty using climate change scenarios, preliminary analysis using reasonable factors for selecting a subset for decision making are needed. In order to narrow the projections to a handful of models that could be used in a climate change impact study, we could provide effective information for selecting climate model and scenarios for climate change impact assessment using maximum/minimum temperature, precipitation, reference evapotranspiration, and moisture index of nine Representative Concentration Pathways (RCP) scenarios.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 기후변화 영향 및 적응평가 연구를 수행하기 위한 사전 연구로써 기후변화에 따른 농업기상학적 예측을 위한 불확실성을 정량적으로 평가하고자 한다. 기후변화 시나리오 선정을 위하여 9 개 기후 모델과 미래 대표농도경로 시나리오를 활용하여 73개 기상관측소를 대상으로 기후인자 (최대/최소기온, 강수량) 및 기준증발산량, 기후학적 물수지를 활용한 습윤인자 등 농업기상지표 (agrometeorological indicators)에 대한 기후 모델별, 시나리오별, 미래 기간별 변화를 산정하였다.
본 연구에서는 기후변화에 따른 농업기상학적 예측을 위한 불확실성을 평가하기 위하여 9 개 기후 모델 (CanESM2, GFDL-ESM2G, GFDL-ESM2M, HadGEM2-CC, INM-CM4, IPSL-CM5A-LR, MIROC-ESM, MIROC-ESM-CHEM, MRI-CGCM3 모델) 및 미래 대표농도경로 시나리오 (RCP 4.5, RCP 8.5)를 대상으로 기후인자 (최대/최소기온, 강수량) 및 기준증발산량, 기후학적 물수지를 활용한 습윤인자 등 농업기상지표에 대한 기후 모델별, 시나리오별, 미래 기간별 변화를 정량적으로 비교하였다.

제안 방법

CMIP5 기후 모델의 RCP 4.5 및RCP 8.5 시나리오에 대한 강수량과 기준증발산량의 73개 관측소 평균값의 경향성을 분석하였다. Fig.
본 연구에서는 기후변화 영향 및 적응평가 연구를 수행하기 위한 사전 연구로써 기후변화에 따른 농업기상학적 예측을 위한 불확실성을 정량적으로 평가하고자 한다. 기후변화 시나리오 선정을 위하여 9 개 기후 모델과 미래 대표농도경로 시나리오를 활용하여 73개 기상관측소를 대상으로 기후인자 (최대/최소기온, 강수량) 및 기준증발산량, 기후학적 물수지를 활용한 습윤인자 등 농업기상지표 (agrometeorological indicators)에 대한 기후 모델별, 시나리오별, 미래 기간별 변화를 산정하였다.
비모수적 분위사상법 (non-parametric quantile mapping method)를 월별로 적용하여 공간적 상세화 (downscaling) 과정과 편의보정(bias correction)을 수행하였으며 (Cho, 2013), 기상청 종관 기상관측시스템 (Automated Synoptic Observing System, ASOS) 관측지점 73곳의 자료를 사용하였다. 자료기간은 미래의 경우 전기 (2025s, 2011-2030년), 중기 (2055s, 2031-2070년), 후기 (2085s, 2071-2100년)로 분류하였다. 분석자료는 공간적 상세화 과정과 편의보정을 수행한 관측소에 대한 모의값으로 한정하였다.

대상 데이터

시간적 상세화 과정이 필요하지 않는 일 (daily) 자료를 사용하였으며, 관측지점의 특성을 살리기 위한 공간적 상세화 과정과 편의보정을 동시에 할 수 있도록 분위사상법 (quantile mapping)을 사용하였다. 비모수적 분위사상법 (non-parametric quantile mapping method)를 월별로 적용하여 공간적 상세화 (downscaling) 과정과 편의보정(bias correction)을 수행하였으며 (Cho, 2013), 기상청 종관 기상관측시스템 (Automated Synoptic Observing System, ASOS) 관측지점 73곳의 자료를 사용하였다. 자료기간은 미래의 경우 전기 (2025s, 2011-2030년), 중기 (2055s, 2031-2070년), 후기 (2085s, 2071-2100년)로 분류하였다.

데이터처리

CMIP5 기후 모델의 RCP 4.5 및 RCP 8.5 시나리오에 대한 최대기온과 최소기온의 73개 관측소 평균값의 경향성을 분석하였다. Fig.

이론/모형

기후변화에 관한 정부간 협의체 (Intergovernmental Panel on Climate Change, IPCC)의 제 5 차 기후변화 평가보고서(the Fifth Assessment Report, AR5)는 2007년에서 2011년까지 실시된 5 단계 결합모델 상호비교 프로젝트 (the phase five of the Coupled Model Intercomparison Project, CMIP5)를 통해 신 온실가스 배출 시나리오를 기반으로 작성되었다. 전 지구 기후변화 시나리오 산출을 위한 국제사업인 CMIP5 사업은 전 세계 23개 기후 연구 그룹이 참여하고 50 개 이상의 기후모델을 이용하여 온실가스의 대표농도경로 (Representative Concentration Pathways, RCP) 시나리오 기반의 기후전망자료를 제공하고 있다 (Cho, 2013; Hwang, 2014a).
기준증발산량 (reference evapotranspiration)은 충분한 물의 공급이 있을 경우에 기준작물 (알파파 또는 잔디)에 의한 증발산량으로 정의되며, 증발산 분석을 위한 표준 값으로 사용하도록 권고되고 있다. 따라서 본 연구에는 FAO Penman-Monteith 공식 (FAO PM)을 이용하여 식 (1)과 같이 기준증발산량을 산정하였다.
본 연구에서는 CMIP5의 ESGF (Earth System Grid Federation)에서제공하는GCM 자료 중RCP 4.5 및8.5 시나리오에 대한 강수량 및 기준증발산량 분석에 필요한 주요 기상 변수 (최고기온, 최저기온, 평균풍속, 상대습도, 일사량)를 포함하고 있는 9 개 전 지구 모형 (Global Climate Model, GCM)을 선정하였다. 시간적 상세화 과정이 필요하지 않는 일 (daily) 자료를 사용하였으며, 관측지점의 특성을 살리기 위한 공간적 상세화 과정과 편의보정을 동시에 할 수 있도록 분위사상법 (quantile mapping)을 사용하였다.
5 시나리오에 대한 강수량 및 기준증발산량 분석에 필요한 주요 기상 변수 (최고기온, 최저기온, 평균풍속, 상대습도, 일사량)를 포함하고 있는 9 개 전 지구 모형 (Global Climate Model, GCM)을 선정하였다. 시간적 상세화 과정이 필요하지 않는 일 (daily) 자료를 사용하였으며, 관측지점의 특성을 살리기 위한 공간적 상세화 과정과 편의보정을 동시에 할 수 있도록 분위사상법 (quantile mapping)을 사용하였다. 비모수적 분위사상법 (non-parametric quantile mapping method)를 월별로 적용하여 공간적 상세화 (downscaling) 과정과 편의보정(bias correction)을 수행하였으며 (Cho, 2013), 기상청 종관 기상관측시스템 (Automated Synoptic Observing System, ASOS) 관측지점 73곳의 자료를 사용하였다.

성능/효과

즉 최대기온과 최소기온의 비가 높아지는 것은 온난화 현상으로 인하여 최대기온 (여름)과 최소기온 (겨울)의 차이가 줄어든다는 것을 의미한다. 9개 기후 모형의 평균값은 미래 전기, 중기, 후기의 경우 RCP 4.5에서 0.47, 0.50, 0.52 값을 나타냈으며, RCP 8.5에서는 0.48, 0.53, 0.57 값을 나타내어, 미래 후기로 갈수록 비율이 증가하는 경향을 보였다. INM-CM4 모델의 경우 미래 전기, 중기, 후기의 평균값이 RCP 4.
9개기후 모형의 평균값은 미래 전기, 중기, 후기의 경우 RCP 4.5에서 0.73, 0.70, 0.69 값을 나타냈으며, RCP 8.5에서는 0.72 0.71, 0.69 값을 나타내어, 기후인자와 대조적으로 미래 후기로 갈수록 비율이 감소하는 경향을 보였다.
5 시나리오 및 미래 기간에 따라 유사한 결과를 도출하였으며, 미래 후기로 갈수록Wet 지역의 비율이 증가하고, Moist 지역의 비율은 감소하는 경향을 보였다. CanESM2 모델의 경우 미래 전기, 중기, 후기의 습윤지표 평균 값이 RCP 4.5에서 0.36, 0.38, 0.36, RCP 8.5에서 0.31, 0.39, 0.43 값을 나타내어 미래 기간별 습윤지표의 평균 값이 가장 큰 것으로 분석되었다. 또한 MIROC- ESM 모델의 경우미래 전기, 중기, 후기의 평균 값이 RCP 4.
2는 CanESM2 모델을 대표 모델로선정하여 최소기온과 최대기온의 시계열 변화를 도시한 것으로 각각 관측소의 값을회색실선, 73개 관측소의 평균값을 검은색실선으로 표현하였다. CanESM2 모델의경우 관측소에 따라 최대 10 ℃ (최소: 대관령 관측소, 최대: 서귀포 관측소)의 차이가 나타났다.
5의 미래 후기의 경우 Saturated, Semiarid 지역이 발생하였다. RCP 4.5에서 Wet 지역의 평균 비율은 미래 전기, 중기, 후기의 경우 각각 38.5 %, 50.4 %, 49.6 % 값을 나타냈으며, Moist 지역의 평균 비율은 53.7 %, 45.2 %, 44.8 % 값을 나타냈다. 또한 RCP 8.
Table 3은 9 개 CMIP5 기후 모델에 대한 미래 전기, 중기, 후기의 최대기온과 최소기온의 평균 및 표준편차를 도시한 것이다. RCP 4.5에서 미래 전기 (2025s)와 후기 (2085s)의 최대기온 차이는 MIROC-ESM 모델 (2.89 ℃ 증가)에서 최댓값을 나타냈으며, CanESM2 모델 (2.79 ℃ 증가), MIROC- ESM-CHEM 모델 (2.76 ℃ 증가) 순으로 분석되었다. 또한 최솟값은GFDL-ESM2G 모델(0.
6% 값을 나타냈다. RCP 4.5와 RCP 8.5 시나리오 및 미래 기간에 따라 유사한 결과를 도출하였으며, 미래 후기로 갈수록Wet 지역의 비율이 증가하고, Moist 지역의 비율은 감소하는 경향을 보였다. CanESM2 모델의 경우 미래 전기, 중기, 후기의 습윤지표 평균 값이 RCP 4.
16 ℃ 증가) 순이었다. 가장 큰 차이를 나타낸 RCP 8.5에서의 미래 전기와 후기의 최소기온 차이는 MIROC-ESM-CHEM 모델 (6.72 ℃ 증가)에서 최댓값을 나타냈으며, MIROC-ESM 모델 (6.67 ℃ 증가), CanESM2 모델 (5.13 ℃ 증가) 순으로 분석되었다. 또한 최솟값은 INM-CM4 모델 (1.
Table 4는 9 개 CMIP5 기후 모델에 대한 미래 전기, 중기, 후기의 강수량과 기준증발산량의 평균및 표준편차를 도시한 것이다. 강수량의 경우 RCP 4.5에서 미래 전기 (2025s)와 후기 (2085s)의 차이는 MIROC-ESM 모델 (233 mm 증가)에서 최댓값을 나타냈으며, MIROC-ESM-CHEM 모델 (189 mm 증가), MRI-CGCM3 모델 (165 mm 증가) 순으로 분석되었다. 또한 차이의 최솟값은 GFDL-ESM2G 모델 (89 mm 증가), GFDL-ESM2M 모델 (109 mm 증가), CanESM2 모델 (118 mm 증가) 순이었다.
결과적으로 기후학적 물수지를 활용한 습윤지표 분석의 경우 미래기간에 따른 습윤지표의 편차에 따라 변화율이 상대적으로 큰 MIROC-ESM 모델, IPSL-CM5A-LR 모델, 변화율이 작은 CanESM2 모델, MRI-CGCM3 모델로 구분 할 수 있을 것으로 판단된다.
기준증발산량의 경우 미래전기와 후기의 차이에 따라 상대적으로 변화율이 큰 MIROC-ESM-CHEM 모델, HadGEM2- CC 모델, 변화율이 작은 INM-CM4 모델, GFDL-ESM2G 모델로 구분할 수 있었으며, 습윤지표의 경우 미래기간에 따른 습윤지표의 차이에 따라 변화율이 상대적으로 큰 MIROC- ESM 모델, IPSL-CM5A-LR 모델, 변화율이 작은 CanESM2 모델, MRI-CGCM3 모델로 분석되었다. 결과적으로 농업수자원계획을 수립하는 과정에서 중요한 인자인 기후인자 및 기준증발산량, 습윤인자에 따라 각 기후모델 및 시나리오별로 미래의 변화가 상이하게 분석되었다.
결과적으로 최대기온, 최소기온을 활용한 기후인자 분석의 경우 미래기간에 따른 편차에 따라 최대기온 대비 최소기온 비율의 변화율이 큰 MIROC-ESM-CHEM 모델, MIROC- ESM 모델, CanESM2 모델, 변화율이 작은 INM-CM4 모델, GFDL-ESM2M 모델, GFDL-ESM2G 모델로 구분 할 수 있을 것으로 판단된다.
기준증발산량의 경우 RCP 8.5에서의 미래 전기와 후기의 차이는 MIROC-ESM-CHEM 모델 (176 mm 증가)에서 최댓값을 나타냈으며, HadGEM2-CC 모델 (175 mm 증가), MIROC-ESM 모델 (172 mm 증가), IPSL-CM5A-LR 모델 (171 mm 증가) 순으로 분석되었다. 또한 차이의 최솟값은 GFDL-ESM2G 모델 (80 mm 증가), INM-CM4 모델 (82 mm 증가), GFDL-ESM2M 모델 (86 mm 증가) 순이었다.
강수량의 경우기후 모델별 관측소에 따라 지역적인 편차가 큰것으로 분석되었다. 기준증발산량의 경우 미래전기와 후기의 차이에 따라 상대적으로 변화율이 큰 MIROC-ESM-CHEM 모델, HadGEM2- CC 모델, 변화율이 작은 INM-CM4 모델, GFDL-ESM2G 모델로 구분할 수 있었으며, 습윤지표의 경우 미래기간에 따른 습윤지표의 차이에 따라 변화율이 상대적으로 큰 MIROC- ESM 모델, IPSL-CM5A-LR 모델, 변화율이 작은 CanESM2 모델, MRI-CGCM3 모델로 분석되었다. 결과적으로 농업수자원계획을 수립하는 과정에서 중요한 인자인 기후인자 및 기준증발산량, 습윤인자에 따라 각 기후모델 및 시나리오별로 미래의 변화가 상이하게 분석되었다.
특정 또는 다수 GCM을활용한 연구결과의 신뢰도와 실효성을 제고하기 위해서는 기후모델 산출물의 상이성에 대한 분석과 활용 목적에 적합한 지표 선정을 이용한 모델 분석이 우선적으로 수행되어야 한다. 따라서, 증발산량 및 기후학적 물수지 분석은 기후모델의 사전 불확실성의 평가 지표로서 활용이 적합하다고 판단된다. 또한, 기후모델 및 기후변화 시나리오 평가 결과는 향후 기후변화 영향및적응 대책 수립을 위한 사전 기초자료 및 향후 농업수자원 장기종합개발계획 및 수공구조물 설계에 반영에 활용가능 할 것으로 판단된다.
43 값을 나타내어 미래 기간별 습윤지표의 평균 값이 가장 큰 것으로 분석되었다. 또한 MIROC- ESM 모델의 경우미래 전기, 중기, 후기의 평균 값이 RCP 4.5에서 0.26, 0.22, 0.29, RCP 8.5에서 0.22, 0.16, 0.17 값을 나타내어 미래 기간별 습윤지표의 평균 값이 가장 작은 것으로 분석되었다.
또한 MIROC-ESM 모델의 경우 미래 전기, 중기, 후기의 평균 값이 RCP 4.5에서 0.74, 0.78, 0.71, RCP 8.5에서 0.78, 0.84, 0.85 값을 나타내어 미래 기간별 비율의 변화가 가장 큰 것으로 분석되었다.
또한 MIROC-ESM-CHEM 모델의 경우 미래 전기, 중기, 후기의 평균값이 RCP 4.5에서 0.50, 0.56, 0.58, RCP 8.5에서 0.50, 0.59, 0.65 값을 나타내어 미래 기간별 비율의 변화가 가장 큰 것으로 분석되었다.
8 % 값을 나타냈다. 또한 RCP 8.5에서는 Wet 지역의 평균 비율은 미래 전기, 중기, 후기의 경우 각각 44.8 %, 43.7 %, 52.2 % 값을 나타냈으며, Moist 지역의 평균 비율은 46.7 %, 48.9 %, 39.6% 값을 나타냈다. RCP 4.
또한 차이의 최솟값은 GFDL-ESM2G 모델 (80 mm 증가), INM-CM4 모델 (82 mm 증가), GFDL-ESM2M 모델 (86 mm 증가) 순이었다. 또한 최대기온 및 최소기온이 상대적으로 낮게 모의된 GFDL 계열 모델, INM-CM4 모델, MRI-CGCM3 모델에서 기준증발산량이 작게 모의된 것을 확인 할수 있다. RCP 4.
습윤지표의 경우 미래 기간별, 시나리오별로 9개 기후 모형의 평균 비율은대부분Wet, Moist, Dry 지역으로 구분되었으며, RCP 8.5의 미래 후기의 경우 Saturated, Semiarid 지역이 발생하였다. RCP 4.
5의 2011년부터 2100년까지 90년간의 기후학적 물수지 적용결과를 점묘도로 도시한 것이다. 증발산량의 경우 GFDL-ESM2M 모델과 INM-CM4 모델을 제외한 대부분 기후 모델의 경우 Hot 지역으로 나타났으며, 미래 기간에 따라 증발산량의 편차가 작은 기후 모델은 MRI-CGCM3 모델, INM-CM4 모델, GFDL-ESM2G 모델로 분석되었다.

후속연구

따라서, 증발산량 및 기후학적 물수지 분석은 기후모델의 사전 불확실성의 평가 지표로서 활용이 적합하다고 판단된다. 또한, 기후모델 및 기후변화 시나리오 평가 결과는 향후 기후변화 영향및적응 대책 수립을 위한 사전 기초자료 및 향후 농업수자원 장기종합개발계획 및 수공구조물 설계에 반영에 활용가능 할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기후변화 영향평가 과정의 단계별 불확실성 주요 원인은 무엇인가?	, 2013). 또한 기후변화 영향평가 과정에서 발생되는 불확실성 중 주요 원인은 기후변화 시나리오 선택에 의한 불확실성으로 제시된 바있다 (Harding et al., 2012; Lee and Kim, 2012; Madsen et al.
	IPCC의 제 5차 기후변화 평가보고서는 무엇을 기반으로 작성되었나?	기후변화에 관한 정부간 협의체 (Intergovernmental Panel on Climate Change, IPCC)의 제 5 차 기후변화 평가보고서(the Fifth Assessment Report, AR5)는 2007년에서 2011년까지 실시된 5 단계 결합모델 상호비교 프로젝트 (the phase five of the Coupled Model Intercomparison Project, CMIP5)를 통해 신 온실가스 배출 시나리오를 기반으로 작성되었다. 전 지구 기후변화 시나리오 산출을 위한 국제사업인 CMIP5 사업은 전 세계 23개 기후 연구 그룹이 참여하고 50 개 이상의 기후모델을 이용하여 온실가스의 대표농도경로 (Representative Concentration Pathways, RCP) 시나리오 기반의 기후전망자료를 제공하고 있다 (Cho, 2013; Hwang, 2014a).
	기후변화 불확실성에 대한 선행 연구는 어떤 요소들을 중심으로 진행되었는가?	기후변화 불확실성에 대한 선행 연구는 미래 온실 가스 배출 시나리오 예측의 부정확성, 저해상도 기후모델 결과의 시공간적인 편의를 보정하는 방법에 따른 오차, 적용 모형의 선정과 매개변수 보정에 따른 오차 등 기후변화 영향평가 과정의 단계별 불확실성 요소에 관한 연구가 진행되었다 (Raje and Mujumdar, 2010; Bae et al., 2011; Hwang and Kang, 2013; No et al.

참고문헌 (36)

Bae, D.H., I.W. Jung, B.J. Lee, and M.H. Lee, 2011. Future Korean water resources projection considering uncertainty of GCMs and hydrological models. Journal of the Korean Water Resources Association 44(5): 389-406 (in Korean).

원문보기 상세보기
Cho, J.P., 2013. Impact assessment of climate change for agricultural reservoirs considering uncertainty. Research Report, APEC climate Center, Busan, Republic of Korea (in Korean).
Chung, S.O., and T. Nkomozepi, 2012. Uncertainty of paddy irrigation requirement estimated from climate change projections in the Geumho river basin, Korea. Paddy Water Environment 10: 175-185.

상세보기
Collins, M., B.B.B. Booth, G.R. Harris, J.M. Murphy, D.M.H. Sexton, and M.J. Webb, 2006. Towards quantifying uncertainty in transient climate change. Climate Dynamics 27: 127-147.

상세보기
Collins, M., R.E. Chandler, P.M. Cox, J.M. Huthnance, J. Rougier, and D.B. Stephenson, 2012. Quantifying future climate change. Nature Climate Change 25: 403-409.
Elguindi, N., A. Grundstein, S. Bernardes, U. Turuncoglu, and J. Feddema, 2014. Assessment of CMIP5 global model simulations and climate change projections for the 21st century using a modified Thornthwaite climate classification. Climatic Change 122: 523-538.

상세보기
Feddema, J.J., 2005. A revised thornthwaite-type global climate classification. Physical Geography 26(6): 442-466.

상세보기
Garcia-Garizabal, I., J. Causape, R. Abrahao, and D. Merchan, 2014. Impact of climate change on mediterranean irrigation demand: historical dynamics of climate and future projections. Water Resources Management 28: 1449-1462.

상세보기
Gober, P., C.W. Kirkwood, R.C. Balling Jr., A.W. Ellis, and S. Deitrick, 2010. Water planning under climatic uncertainty in Phoenix: why we need a new paradigm. Annals of the Association of American Geographers 100(2): 356-372.

상세보기
Greve, P., B. Orlowsky, B. Mueller, J. Sheffield, M. Reichstein, and S.I. Seneviratne, 2014. Global assessment of trends in wetting and drying over land. Nature Geoscience 7: 716-721.

상세보기
Harding, B.L., A.W. Wood, and J.R. Prairie, 2012. The implications of climate change scenario selection for future streamflow projection in the upper Colorado river basin. Hydrology and Earth System Sciences 16: 3989-4007.

상세보기
Hong, E.M., J.Y. Choi, S.H. Lee, S.H. Yoo, and M.S. Kang, 2009. Estimation of paddy rice evapotranspiration considering climate change using LARS-WG. Journal of the Korean Society of Agricultural Engineers 51(3): 25-35 (in Korean).
Hwang, S.W., and M.S. Kang, 2013. Uncertainty of climate change impact assessment methodology and process. Magazine of the Korean Society of Agricultural Engineers 55(1): 30-39 (in Korean).
Hwang, S.W., Y.G. Her, and S.W. Chang, 2013. Uncertainty in regional climate change impact assessment using bias-correction technique for future climate scenarios. Journal of the Korean Society of Agricultural Engineers 55(4): 95-106 (in Korean).

원문보기 상세보기
Hwang, S.W., 2014a. Summary and comparison of the climate change predictions of IPCC climate change scenarios and assessment report. Magazine of the Korean Society of Agricultural Engineers 56(2): 26-32 (in Korean).
Hwang, S.W., 2014b. Assessing the performance of CMIP5 GCMs for various climatic elements and indicators over the Southeast US. Journal of the Korean Water Resources Association 47(11): 1039-1050 (in Korean).

원문보기 상세보기
Lee, J.K., and Y.O. Kim, 2010. A study on selection of standard scenarios in Korea for climate change. Climate Change Research 1(1): 59-73 (in Korean).
Lee, J.K., and Y.O. Kim, 2012. Selecting climate change scenarios reflecting uncertainties. Atmosphere. Korean Meteorological Society 22(2): 149-161 (in Korean).
Madsen, M.S., C.F. Maule, N. MacKellar, J.E. Olesen, and J.H. Christensen, 2012. Selection of climate change scenario data for impact modelling. Food Additives & Contaminants: Part A 29(10): 1502-1513.

상세보기
Moon, H.J., B.H. Kim, H.E. Oh, J.Y. Lee, and K.J. Ha, 2014. Future change using the CMIP5 MME and best models: I. near and long term future change of temperature and precipitation over East Aisa. Atmosphere. Korean Meteorological Society 24(3): 403-417 (in Korean).
Moon, J.W., C.G. Jung, and D.R. Lee, 2013. Parameter regionalization of hargreaves equation based on climatological characteristics in Korea. Journal of the Korean Water Resources Association 46(9): 933-946 (in Korean).

원문보기 상세보기
Murdock, T.Q., and D.L. Spittlehouse, 2011. Selecting and using climate change scenarios for British Columbia. Pacific Climate Impacts Consortium, University of Victoria, Victoria, BC.
Nam, W.H., E.M. Hong, and J.Y. Choi, 2014a. Uncertainty of water supply in agricultural reservoirs considering the climate change. Journal of the Korean Society of Agricultural Engineers 56(2): 11-23 (in Korean).
Nam, W.H., E.M. Hong, T.G. Kim, and J.Y. Choi, 2014b. Projection of future water supply sustainability in agricultural reservoirs under RCP climate change scenarios. Journal of the Korean Society of Agricultural Engineers 56(4): 59-68 (in Korean).
Nam, W.H., E.M. Hong, M.W. Jang, and J.Y. Choi, 2014c. Projection of consumptive use and irrigation water for major upland crops using soil moisture model under climate change. Journal of the Korean Society of Agricultural Engineers 56(5):77-87 (in Korean).
Nam, W.H., E.M. Hong, and J.Y. Choi, 2015. Has climate change already affected the spatial distribution and temporal trends of reference evaptranspiration in South Korea?. Agricultural Water Management 150: 129-138.

상세보기
Nkomozepi, T., and S.O. Chung, 2014. Uncertainty of hydro-meteorological predictions due to climate change in the Republic of Korea. Journal of the Korean Water Resources Association 47(3): 257-267.

원문보기 상세보기
No, S.H., K.S. Jung, J.H. Park, and K.S. Ryoo, 2013. Water supply change outlook for Geum river basin considering RCP climate change scenario. Journal of the Korean Water Resources Association 46(5): 505-517 (in Korean).

원문보기 상세보기
Oh, S.G., and M.S. Suh, 2013. Projection of fine-scale climate changes over South Korea based on the RCP (2.6, 4.5, 6.0, 8.5) scenarios using RegCM4. Journal of Climate Research 8(4):291-307 (in Korean).

상세보기
Raje, D., and P.P. Mujumdar, 2010. Reservoir performance under uncertainty in hydrologic impacts of climate change. Advances in Water Resources 33: 312-326.

상세보기
Rowland, E.R., M.S. Cross, and H. Hartmann, 2014. Considering multiple futures: scenario planning to address uncertainty in natural resource conservation. Washington, DC, US Fish and Wildlife Service.
Shin, S.C., M.H. Hwang, and I.H. Ko, 2008. Development of a monitoring technique of dryness and wetness in watershed using climatic water budget. Journal of the Korean Water Resources Association 41(2): 173-184 (in Korean).

원문보기 상세보기
Snover, A.K., N.J. Mantua, J.S. Littell, M.A. Alexander, M.M. Mcclure, and J. Nye, 2013. Choosing and using climate-change scenarios for ecological-impact assessments and conservation decisions. Conservation Biology 27: 1147-1157.

상세보기
Sung, J.H., H.S. Kang, S.H. Park, C.H. Cho, D.H. Bae, and Y.O. Kim, 2012. Projection of extreme precipitation at the end of 21st century over South Korea based Representative Concentration Pathways (RCP). Atmosphere. Korean Meteorological Society 22(2): 221-231 (in Korean).
Thornthwaite, C.W., 1948. Approach toward a rational classification of climate. Geographical Review 38: 55-94.

상세보기
Willmott, C.J., and J.J. Feddema. 1992. A more rational climatic moisture index. The Professional Geographer 44(1):84-88.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증