$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

최적의 산악기상관측망 적정위치 선정 연구 - 호남·제주 권역을 대상으로
A Study on Optimal Site Selection for Automatic Mountain Meteorology Observation System (AMOS): the Case of Honam and Jeju Areas 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.18 no.4, 2016년, pp.208 - 220  

윤석희 (국립산림과학원 산림보전부 기후변화연구센터) ,  원명수 (국립산림과학원 산림보전부 기후변화연구센터) ,  장근창 (국립산림과학원 산림보전부 기후변화연구센터)

초록
AI-Helper 아이콘AI-Helper

본 연구는 매년 발생하고 있는 산불, 산사태 등의 산림 재해방지를 위해 호남과 제주의 산악지역을 대상으로 최적의 산악기상관측망 입지를 선정하는 연구를 수행하였다. 먼저 적정위치 선정을 위해 고려해야 하는 항목들을 공간자료화한 후 공간 분석을 통해서 후보지를 선정하고 현장 조사를 통해 정량적 평가를 수행함으로써 최종적인 적정위치를 선정하였다. 공간자료는 과거 10년간의 산불발생 정보와 과거 7년간의 산사태위험등급 정보, 산림청의 국사경계도, 국유지의 임도와 등산로 그리고 기상청의 자동기상관측소(AWS)와 산림청의 산악기상관측소 위치정보, 30m 해상도수치표고모델(DEM)을 사용하였다. 공간분석은 산불과 산사태의 1-2등급의 위험지에 대한 추출 및 중첩 분석, 산림청 국유지 내에 100m 버퍼를 준 임도와 등산로의 접근성 분석, 기상관측소의 2.5km 버퍼를 준 중복성 분석, 산악기상관측 입지 환경 조성을 위한 고도 200m 이상의 지형특성 분석을 통해 종합적인 중첩분석을 수행하였다. 공간분석 결과, 총 159개의 중첩 폴리곤이 추출되었고 구글어스 등을 활용하여 능선과 정상부에 총 64개의 적정위치 후보지를 선정하였다. 선정된 후보지는 기상관측환경, 접근성, 통신 및 전력공급 환경, 기상관측소의 중복성에 대한 정량적인 현장 평가를 통해서 총점이 70점 이상인 지점을 '적합'으로 판정하여 고득점 순으로 산악기상관측망의 적정위치 26개소를 선정하였다. 따라서 적정위치 선정 기법에 의해 구축된 산악기상관측망의 기상정보는 향후 산불, 산사태 등과 같은 산림재해위험 예측력의 향상과 산림 복잡 지형에 대한 미기상 연구에 활용이 가능할 것으로 판단된다.

Abstract AI-Helper 아이콘AI-Helper

Automatic Mountain Meteorology Observation System (AMOS) is an important ingredient for several climatological and forest disaster prediction studies. In this study, we select the optimal sites for AMOS in the mountain areas of Honam and Jeju in order to prevent forest disasters such as forest fires...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서 본 연구는 산불과 산사태와 등의 산림재해 방지와 산림재해 예측력을 향상시키기 위하여 산악기상관측망이 부족한 호남과 제주 권역을 대상으로 공간 분석과 현장 평가를 통해서 최적 산악기상관측망을 위한 단위 관측소의 적정위치 선정법과 그 결과를 다루었다.
  • 이를 사전에 방지하기 위해서는 신뢰성 있는 일반기상과 산악기상 정보를 융합하여 산림재해예측력을 향상시키는 것이 필요하다. 따라서 본 연구에서는 산림재해 방지와 산림재해의 예측력을 향상시킬 뿐만 아니라 기상청의 기상예측력 향상을 위해 호남과 제주권역을 대상으로 최적의 산악기상관측망 적정위치를 선정하는 연구를 수행하였다.
  • 본 연구는 매년 발생하고 있는 산불, 산사태 등의 산림 재해방지를 위해 호남과 제주의 산악지역을 대상으로 최적의 산악기상관측망 입지를 선정하는 연구를 수행하였다.
  • 5(b)). 본 연구의 접근성 분석은 국유지 내에 중장비 및 장비 이송 등의 기동성을 고려하여 임도망을 이용한 경우와 임도망을 이용하여 등산로로 접근할 수 있는 2가지의 가능성을 판단하고자 하였다.
  • 두 번째는 산악기상 관측지점을 선정하기 위한 기본적인 환경 조건으로 산림청에서 제공하는 국사경계도를 수집하여 소유구분에 대한 공간분석에 사용하였다. 참고로 이 자료는 사유지와 국유지에 대한 경계 및 지적 정보를 명확하게 구분함으로써 산림청이 소유한 국유지에 산악기상관측망의 적지를 우선적으로 선정하고자 하였다. 세 번째는 기상청에서 전국적으로 운영하고 있는 종관기상관측(ASOS, Automated Surface Observing System)인 정규기상대 94개 지점과 방재용으로 운영 중인 AWS 502개 지점 정보와 2012년 11월부터 운영 중인 산림청의 산악기상관측소 92개소 정보를 수집하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
우리나라가 겪는 산림재해 중 산불은 2016년 까지 몇 건의 빈도로 발생했는가? 우리나라는 매년 산불이나 산사태 같은 산림재해를 빈번하게 겪고 있다. 산불의 경우에는 최근 10년 동안에 연평균 384건이 발생하였고 주로 봄철 산불조심 기간인 3월과 4월 사이에 집중되었다. 특히 연도별 산불발생 경향을 살펴보면 2005년 이후로 건수가 감소하다가 2012 년 이후로 다시 증가하는 추세를 보이고 있으며 산불피해 면적은 감소하는 경향을 보이고 있다(Korea Forest Service, 2015).
기상관측장비 설치 장소 특징은 무엇인가? 현재 기상청과 지자체 등이 보유한 기상관측장비들의 대부분은 인구가 밀집되어 있는 도시를 중심으로 건물의 옥상 또는 건물 앞의 공터에 설치되어 있다. 특히 기상청의 기상관측소는 종관기상관측을 위한 정규기상대가 94개, 방재기상관측을 위한 AWS가 502개 있지만, 산림재해방지 등을 위한 산악기상관측망은 92개소로 강원, 영남 및 대도시 생활권역에 분포하고 있다.
도심형 산불발생의 예는 무엇이 있는가? 특히 연도별 산불발생 경향을 살펴보면 2005년 이후로 건수가 감소하다가 2012 년 이후로 다시 증가하는 추세를 보이고 있으며 산불피해 면적은 감소하는 경향을 보이고 있다(Korea Forest Service, 2015). 최근에는 도심형 산불발생이 증가하고 있으며 대표적인 예로써 2013년 3월에 포항(79ha)과 울산(280ha) 일대에서 대형산불이 발생하여 1명이 사망 하고 17명이 부상을 입기도 하였다. 산사태의 경우에는 1976년부터 2013년까지 총 15,917ha, 연평균으로는 419ha의 산사태 피해가 발생하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. Bayraktar, H., and F. S. Turalioglu, 2005: A kriging-based approach for locating a sampling site - in the assessment of air quality. Stochastic Environmental Research and Risk Assessment 19(4), 301-305. 

  2. Chung, S. R., and K. U. Lim, 1992: Weather and climatic environment of mountains. Press of one-top Inc. Seoul. 314pp. 

  3. Mandelbrot, B. B., 1967: How long is the coast of Britain? Statistical self-similarity and fractional dimension. Science 156(3775), 636-638. 

  4. Kantelhardt, J. W., S. A. Zschiegner, E. K-Bunde, S. Havlin, A. Bunde, and H. E. Stanley, 2002: Multifractal detrended fluctuation analysis of nonstationary time series. Physica A: Statistical Mechanics and its Applications 316(1), 87-114. 

  5. Park, C. H., H. W. Lee, and W. S. Jung, 2003: The effects of low-level jet and topography on heavy rainfall near Mt. Jirisan. Asia-Pacific Journal of Atmospheric Sciences 39(4), 441-458. (In Korean with English abstract) 

  6. Kim, J. H., and I. U. Chung, 2006: Study on mechanisms and orographic effect for the springtime downslope windstorm over the Yeongdong region. Atmosphere 16(2), 67-83. (In Korean with English abstract) 

  7. Kim, S. Y., W. T. Oh, and S. H. Lee, 2013: Analysis on the density of the weather station over South Korea. The Geographical Journal of Korea 47(1), 47-59. (In Korean with English abstract) 

  8. Korea Forest Service, 2013: The annual report of landslide statistics, Korea Forest Service. (In Korean) 

  9. Korea Forest Service, 2015: The annual report of forest fire statistics, Korea Forest Service. (In Korean) 

  10. Lee, S. Y., I. U. Jung, and S. K. Kim, 2006: A study on establishment of the optimum mountain meteorological observation network system for forest fire prevention. Korea Journal of Agricultural and Forest Meteorology 8(1), 36-44. 

  11. Paladin, G., and A. Vulpiani, 1987: Anomalous scaling laws in multifractal objects. Physics Reports 156(4), 147-225. 

  12. Seo, S. K., K. Kim, K. H. Chang, and J. K. Park, 2013: Volatility analysis of rainfall, wind speed, and temperature by using the multifractal detrended fluctuation analysis. New Physics: Sae Mulli 63(8), 872-881. (In Korean with English abstract) 

  13. Shepard, D., 1968: A two-dimensional interpolation function for irregularly spaced data. Proceedings of the 1968 23rd ACM National Conference, New York, NY, USA, 517-524. 

  14. Ware, C., W. Knight, and D. Wells, 1991: Memory intensive statistical algorithms for multibeam bathymetric data. Computers & Geosciences 17(7), 985-993. 

  15. Won, M. S., S. H. Yoon, K. S. Koo, and K. H. Kim, 2011: Spatio-temporal analysis of forest fire occurrences during the dry season between 1990s and 2000s in South Korea. Journal of the Korean Association of Geographic Information Studies 14(3), 150-162. (In Korean with English abstract) 

  16. Woo, C., H. Kwon, C. Lee, and K. Kim, 2014: Landslide hazard prediction map based on logistic regression model for applying in the whole country of South Korea. Journal of the Korean Society of Hazard Mitigation 14(6), 117-123. (In Korean with English abstract) 

  17. Won, M. S., 2015: Automatic mountain meteorology observation system and strategies of activating information sharing. Proceeding of Symposium on Sharing Mountain Weather Information, National Institute of Forest Science, Seoul, 3-19. 

  18. Onnara Real Estate Information Portal. http://www.onnara.go.kr/(2015. 1. 1) 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로