$\require{mediawiki-texvc}$

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.

우리나라 연안의 기온과 수온 분포함수 추정 및 비교평가
Estimation and Comparative Analysis on the Distribution Functions of Air and Water Temperatures in Korean Coastal Seas 원문보기

한국해안·해양공학회논문집 = Journal of Korean Society of Coastal and Ocean Engineers, v.28 no.3, 2016년, pp.171 - 176  

조홍연 (Department of the Coastal Engineering, Korean Institute of Ocean Science and Technology) ,  정신택 (Department of the Civil and Environmental Engineering, Wonkwang University)

초록
AI-Helper 아이콘AI-Helper

기온과 수온의 분포형태는 발생빈도의 양상을 결정하는 기본적이고 필수적인 정보이다. 또한 기후변화에 의한 기온과 수온의 장기변화 양상 파악에 유용하다. 기온과 수온의 전형적인 분포형태는 다수의 첨두(mode)를 가지는 형태로 일반적으로 널리 사용되는 정규분포로 표현하기에는 한계가 있다. 본 연구에서는 Gaussian 혼합함수와 Kernel 분포함수를 보다 기온과 수온의 보다 적합한 분포함수 형태로 제안한다. 제안된 분포함수를 우리나라 연안 기온과 수온자료를 이용하여 추정-평가한 결과, 관측 자료의 분포는 꼬리 영역에서 크게 차이를 보이고 있는 것으로 파악되었다. 높은 수온영역과 낮은 기온 영역에서 꼬리 영역이 길게 나타나고 있다. 또한 본 연구에서 제안한 분포함수 추정 및 비교는 기온과 수온의 상호 변동관계 및 장기적인 변동양상을 파악할 수 있다. 그러나 평균 기온 및 수온 그리고 정규분포 함수 형태로는 이러한 변화 양상의 파악은 크게 제한되고 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The distribution shapes of air and water temperatures are basic and essential information, which determine the frequency patterns of their occurrence. It is also very useful to understand the changes in long-term air and water temperatures with respect to climate change. The typical distribution sha...

주제어

#분포 형태   #기온과 수온   #다중첨두 분포   #Kernel 분포   #Gaussian 혼합분포  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

제안 방법

  • In this study, it is suggested that E&E change estimation based only on air temperatures has basic limitations by making a comparison and analysis of the change pattern and distribution shape between air and water temperatures.

대상 데이터

  • The current level of monitoring of air and water temperature data is sufficient, but the simultaneously measured data sets are slightly limited. In this study, four representative data sets collected in 2009 supported by the KHOA (Korea Hydrographic and Oceanographic Administration) are selected to consider the diverse coastal characteristics at the sites Incheon (strong-tide, N 37-27, E 126-35), Mokpo (N 34-46, E 126-22, Gadeokdo (N 35-01, E 128-48), and Mukho (weak-tide, N 37-33, E 129-07) shown in Fig. 1. The data are taken at 1-min intervals.

이론/모형

  • However, the Gaussian model shows relatively poor fitting results in the tail areas and multi-peaks. In order to reduce these limitations, the nonparametric method using kernel functions is used in this study. This method is regarded as a very powerful and flexible method (Silverman, 1998).
본문요약 정보가 도움이 되었나요?

참고문헌 (10)

  1. Bishop, C.M. (2006). Pattern Recognition and Machine Learning, Chap. 9, Springer Science+Business Media, LLC. 

  2. Cho, H.Y. and Lee, K.H. (2012). Development of an air-water temperature relationship model to predict climate-induced future water temperatures in estuaries, Journal of Environmental Engineerng, 138(5), 570-577. 

    상세보기 crossref

  3. Cho, H.Y., Jeong, S.T., Ko, D.H. and Son, K.P. (2014). Efficient outlier detection of the water temperature monitoring data, Journal of of Korean Society of Coastal and Ocean Engineers, 26(5), 285-291. (in Korean with English abstracts). 

    원문보기 상세보기 crossref

  4. Donat, M.G. and Alexander, L.V. (2012). The shifting probability dsitribution of global daytime and night-time temperatures, Geophysical Research Letters, 39, L14707. 

  5. Grace, W. and Curran, E. (1993). A bimodal model of frequency distributions of daily maximum temperaturem Australian Meteorological Magazine, 42(4), 151-161. 

  6. Harmel, R.D., Richardson, C.W., Hanson, C.L. and Johnson, G.L. (2002). Evaluating the adequacy of simulating maximum and minimum daily air temperature woth normal distributions, Journal of Applied Meteorology, 41, 744-753. 

    crossref

  7. Jeong, S.T., Cho, H.Y., Ko, D.H., Oh, N.S. and Son, K.P. (2013). Estimation of probability distribution functions for water temperature data in Korean coasts, Journal of Korean Society of Coastal and Ocean Engineers, 25(1), 11-19. (in Korean with English abstracts). 

    원문보기 상세보기 crossref

  8. Jeong, S.T., Cho, H.Y., Ko, D.H. and Hwang, J.D. (2014). Estimation on the distribution function for coastal air temperature data in Korean coasts, Journal of Korean Society of Coastal and ocean Engineers, 26(5), 278-284. (in Korean with English abstracts). 

    원문보기 상세보기 crossref

  9. Silverman, B.W. (1998). Density Estimation for Statistics and Data Analysis. Chapman & Hall/CRC, London, UK. 

  10. Toth, Z. and Szentimrey, T. (1990). The binormal distribution: A distribution for presenting asymmetrical but normal-like weather elements, Journal of Climate, 3, 128-136. 

    crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

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