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
- 본 연구에서는 PRISM-KNU를 개발하고 이를 활용하여 남한 전체에 대한 2000~2014년의 월강수량 자료를 생산하였다. 생산된 강수량 자료의 공간해상도는 1×1km이고, 입력 강수량은 기상청에서 운영하는 434~573개의 기상관측지점으로부터 획득된 강수량 자료를 활용하였다.
- 연구 지역은 남한의 도서 지역과 내륙 전체이고, 본 연구에서는 2000~2014년에 대한 공간해상도 1×1km의 월강수량 분포도를 생산하고자 하였다.
- 이 연구의 목적은 위의 두 가지 측면을 개선한 남한의 PRISM 월강수량 자료를 생산하는데 있다. 이를 위해서 자료의 공간적 일관성을 개선할 수 있는 알고리즘을 적용한 PRISM을 직접 구현하고, 그 모델을 활용하여 2000~2014년의 월별 강수량 자료를 생산하는 한편 모델과 생산 자료의 타당성을 검증하고자 한다.
가설 설정
- PRISM-KNU는 지형성 강수의 재현을 위해 지형고도와 월강수량 사이에 0 또는 양의 상관관계가 있는 것으로 가정한다. 하지만 기상청 관측지점의 80% 이상이 해발고도 300m 이하에 분포해 있기 때문에(Park and Jang, 2015), 월강수량과 지형고도가 음의 상관관계를 보일 수 있으며 양의 상관관계를 보일지라도 선형회귀직선의 기울기가 과도하게 추정되는 지점들이 나타날 수 있다.
제안 방법
- β1, β1m, β1x의 값들은 월별로 결정하였고, 남한 전체를 대표할 수 있는 값을 찾기 위해 매개변수 최적화 기법을 사용하였다.
- 이 연구는 Kim et al.(2012)이 제안한 MK-PRISM의 이론을 토대로 PRISM-KNU(Kongju National University)를 개발하였다. Kim et al.
- PRISM-KNU는 MK-PRISM의 개념을 토대로 구현되었지만 지형고도와 강수량 사이의 기울기(β1)에 대한 허용 범위는 지형 기복량에 따라 조절할 수 있도록 알고리즘을 수정하였다.
- 그러나 8월의 사례에서는 개선 효과를 단정하기 어렵다. 따라서 장기간에 대한 분포 경향을 월별로 비교하여 보았다.
- 이 연구의 목적은 위의 두 가지 측면을 개선한 남한의 PRISM 월강수량 자료를 생산하는데 있다. 이를 위해서 자료의 공간적 일관성을 개선할 수 있는 알고리즘을 적용한 PRISM을 직접 구현하고, 그 모델을 활용하여 2000~2014년의 월별 강수량 자료를 생산하는 한편 모델과 생산 자료의 타당성을 검증하고자 한다. 이 연구에서 직접 구현된 모델은 PRISM-KNU(Kongju National University)라고 명명하였다.
- Er은 각 격자점에서의 지형 기복량(m)이며 P는 그 격자의 내삽에 사용되는 기지점들의 평균 강수량(㎜/month)이다. 지형 기복량은 기존 연구들(Sung, 2003; Park and Kim, 2010; Tak et al., 2013)을 참고하여 구릉지에 해당하는 100m 이하와 산지에 해당하는 300m 초과 그리고 두 지역의 점이 값으로 분류하였다. 강수량이 전반적으로 적게 관측된 지역에서 산지의 과도한 강수량 추정을 방지하기 위하여 P가 20mm/month 이하일 때의 β1nm은 0을 사용하였다.
대상 데이터
- 기복량의 계산에서 반경은 Tak et al.(2013)의 연구에서 산지 지형 결정에 적용된 바 있는 7km를 사용하였다.
- 연구에서 활용한 기상청의 관측지점 수는 434~573개이며 종관기상관측장비와 무인기상관측장비를 합친 개수이다. 2000년 1월에 가장 적은 434개의 자료를 이용하였고, 2014년 6 월~12월에는 가장 많은 573개의 자료를 이용하였다. 이 중 무인기상관측장비의 자료는 Kim et al.
- 연구 지역은 남한의 도서 지역과 내륙 전체이고, 본 연구에서는 2000~2014년에 대한 공간해상도 1×1km의 월강수량 분포도를 생산하고자 하였다. 내삽을 위한 입력 자료로는 2000~2014년 기상청의 월강수량 관측 자료를 사용하였다.
- 생산된 강수량 자료의 공간해상도는 1×1km이고, 입력 강수량은 기상청에서 운영하는 434~573개의 기상관측지점으로부터 획득된 강수량 자료를 활용하였다.
- 연구에서 활용한 기상청의 관측지점 수는 434~573개이며 종관기상관측장비와 무인기상관측장비를 합친 개수이다. 2000년 1월에 가장 적은 434개의 자료를 이용하였고, 2014년 6 월~12월에는 가장 많은 573개의 자료를 이용하였다.
- 여기에서 r은 피어슨 상관계수이고, α는 관측된 값의 표준편차에 대한 모의된 값의 표준 편차 비율이며, β는 관측된 값의 평균에 대한 모의된 값의 평균 비율이다. 이 연구에서 개발된 모델과 생산된 자료의 타당성은 KGE를 활용한 모의 효율 평가와 기존에 서비스되고 있는 기상청 자료와의 비교를 통해 입증하였다.
데이터처리
- 그림 6은 2000~2014년 기간에 대한 PRISM-KNU의 모의 효율을 보여준다. 이 값들은 2000~2005년 기간의 자료를 대상으로 매월 최적화를 수행하고, 그 값들을 평균하여 획득하였다. 그림 6에서 최적화 기간(2000~ 2005)의 KGE는 매월 최적화 과정을 통해 결정된 매개변수 값들을 적용했을 때의 KGE를 보여준다.
이론/모형
- 이 중 무인기상관측장비의 자료는 Kim et al.(2012)에 의해 일변동 특성과 공간적 일치성 검사 등의 품질검사(Hong et al., 2007) 를 거친 결과를 사용하였다. 그림 1은 2014년 12월의 관측지점 분포를 보여주고 있다.
- 의 값들은 월별로 결정하였고, 남한 전체를 대표할 수 있는 값을 찾기 위해 매개변수 최적화 기법을 사용하였다. 매개변수 최적화 기법으로는 Shuffled Complex Evolution-University of Arizona(SCE-UA: Duan et al., 1992)를 활용하였다. 매개변수 최적화 기법으로는 최소자승 기반의 국소적 방법론과 광역 최적화 방법 등이 있는데(Kim, 2006), SCE-UA는 광역 최적화 방법이면서 오픈 소스이고 다른 소프트웨어와의 연결이 간편하기 때문에 본 연구에서 채택하였다.
- , 1992)를 활용하였다. 매개변수 최적화 기법으로는 최소자승 기반의 국소적 방법론과 광역 최적화 방법 등이 있는데(Kim, 2006), SCE-UA는 광역 최적화 방법이면서 오픈 소스이고 다른 소프트웨어와의 연결이 간편하기 때문에 본 연구에서 채택하였다. 최적화 과정에서의 목적함수는 Kling-Gupta Efficiency (KGE: Gupta et al.
- 본 연구에서는 강수량의 공간적 일관성을 확보하기 위해 Park and Jang(2015)과 유사한 방식으로 β1의 결정 과정에서 지형 기복량을 활용하였다.
- 이를 위해서 자료의 공간적 일관성을 개선할 수 있는 알고리즘을 적용한 PRISM을 직접 구현하고, 그 모델을 활용하여 2000~2014년의 월별 강수량 자료를 생산하는 한편 모델과 생산 자료의 타당성을 검증하고자 한다. 이 연구에서 직접 구현된 모델은 PRISM-KNU(Kongju National University)라고 명명하였다.
- 매개변수 최적화 기법으로는 최소자승 기반의 국소적 방법론과 광역 최적화 방법 등이 있는데(Kim, 2006), SCE-UA는 광역 최적화 방법이면서 오픈 소스이고 다른 소프트웨어와의 연결이 간편하기 때문에 본 연구에서 채택하였다. 최적화 과정에서의 목적함수는 Kling-Gupta Efficiency (KGE: Gupta et al., 2009)를 사용하였고, 샘플 자료는 jackknife 방식(Yates and Warrick, 1987)으로 작성하였다. jackknife 방식은 입력 자료를 실험군과 검증군으로 구분하는 과정에서 발생하는 불확실성을 줄이는 장점이 있다(Park et al.
성능/효과
- 따라서 MK-PRISM의 강수량이 PRISM-KNU에 비해 고지대의 강수량을 더욱 높게 추정하고 저지대의 강수량을 더욱 낮게 추정하고 있다는 것을 알 수 있다. 12월의 사례에서는 PRISM-KNU가 MK-PRISM에 비해 강수량의 공간적 일관성 측면에서 개선되었다는 것을 알 수 있다. 그러나 8월의 사례에서는 개선 효과를 단정하기 어렵다.
- PRISM-KNU를 이용하여 jackknife 방식의 검증을 수행한 결과 2000~2014년 월별 모의 효율, Kling-Gupta Efficiency는 0.52~0.96의 분포를 보였고, 총 사례의 86%가 0.7 이상의 모의 효율을 보였다.
- 7 이상의 모의 효율을 보였다. PRISM-KNU에 의해 생산된 강수량 패턴에서는 기존 자료에서 보이던 강수량의 급격한 경계면이 나타나지 않았으며, 기존 자료의 일부 지역에서 나타나던 강수량의 과대, 과소 추정 경향도 나타나지 않았다. 따라서 PRISM-KNU가 타당하게 개발되었고, 그 매개변수 값들이 적절하게 결정되었음을 확인할 수 있었다.
- 기상청의 종관기상관측장비에서 관측된 자료를 토대로 남한의 30년(1981~2010) 평년 강수량을 살펴보면 연평균 강수량이 1,350㎜/yr이며, 월별로는 7월에 293㎜/month로 가장 많은 강수량이 나타났고 12월에 26.7㎜/month로 가장 적은 강수량이 나타났다. 강수량은 주로 5~9월 사이에 집중되어 있으며 이 시기에 내린 강수량은 연강수량의 75%이다.
- 2008년 8월의 강수량 분포에서 역시 MK-PRISM의 강수량 패턴이 PRISM-KNU에 비해 더욱 급격하게 변하는 것을 확인할 수 있다. 따라서 MK-PRISM의 강수량이 PRISM-KNU에 비해 고지대의 강수량을 더욱 높게 추정하고 저지대의 강수량을 더욱 낮게 추정하고 있다는 것을 알 수 있다. 12월의 사례에서는 PRISM-KNU가 MK-PRISM에 비해 강수량의 공간적 일관성 측면에서 개선되었다는 것을 알 수 있다.
- PRISM-KNU에 의해 생산된 강수량 패턴에서는 기존 자료에서 보이던 강수량의 급격한 경계면이 나타나지 않았으며, 기존 자료의 일부 지역에서 나타나던 강수량의 과대, 과소 추정 경향도 나타나지 않았다. 따라서 PRISM-KNU가 타당하게 개발되었고, 그 매개변수 값들이 적절하게 결정되었음을 확인할 수 있었다. 아울러 PRISM-KNU에 적용한 선형회귀직선의 기울기 제어 방법이 기존 자료에 비해 강수량 패턴에서 공간적 일관성이 향상된 자료를 생산하는데 효과적이었음을 확인할 수 있었다.
- 69 에 비해 향상되었고, 왼쪽 그래프에서 보이던 과대 추정 지점들이 오른쪽 그래프에서는 보이지 않는다. 따라서 최적화된 매개변수 값을 사용하였을 때 강수량 추정 결과가 전반적으로 개선된다는 것을 알 수 있다.
- 몇몇 지점에서 입력 자료의 문제, 모델 구조의 한계로 인한 오차들이 관찰되지만 본 연구에서 개발된 PRISM-KNU와 최적화 과정을 통해 결정된 매개변수 값들은 두 사례의 월강수량 내삽에서 양호한 모의 효율을 보였다. 하지만 모델 개발 결과의 타당성을 더욱 면밀하게 판단하기 위해 더 많은 사례 연구에 적용해 볼 필요가 있었다.
- 비록 관측 시작 시기와 결측 등에 의해 2000~2010년, 전체 기간에 대한 세 지점에서의 강수량을 확인할 수는 없지만 8월 한라산 산정부에서의 강수량 분포 경향을 파악할 수 있다. 세 관측 지점의 강수량과 내삽된 값을 비교해 보면 MK-PRISM의 강수량은 실제에 비해 산정부에서 강수량을 과대 추정하고 있는 것으로 판단된다. 이에 비해 PRISM- KNU의 강수량은 관측 값을 비교적 잘 반영하고 있으며 산정부에서의 상대적인 강수량 증가도 잘 재현하고 있는 것으로 판단된다.
- 따라서 PRISM-KNU가 타당하게 개발되었고, 그 매개변수 값들이 적절하게 결정되었음을 확인할 수 있었다. 아울러 PRISM-KNU에 적용한 선형회귀직선의 기울기 제어 방법이 기존 자료에 비해 강수량 패턴에서 공간적 일관성이 향상된 자료를 생산하는데 효과적이었음을 확인할 수 있었다.
- 이 지점은 강원도 양구군 해안면의 해발고도가 448m에 위치해 있어, 주변의 진부령(600m), 향로봉(1,267m)에 위치한 관측 지점에 비해 지형고도 낮지만 관측된 강수량은 진부령의 470㎜/month, 향로봉의 504 ㎜/month에 비해 많다. 이 결과는 PRISM 기반의 내삽이 분지에서 주변 산지에 비해 높은 강수량을 보일 때, 강수량 분포 재현에 한계가 있다는 것을 보여준다. 따라서 이를 보완하기 위해서는 추후 모델의 구조를 개선하기 위한 연구도 필요할 것이다.
- 96 사이의 분포를 보인다. 전체 180개 사례 중 KGE가 0.6 이상인 사례는 98%이었고, 0.7 이상인 사례는 86%이었으며 0.8 이상인 사례는 53%이었다. 모의 효율이 낮게 나타난 일부 사례가 있었지만 전반적으로는 0.
후속연구
- 관측 지점들 간의 지형고도 표준편차는 23m에 불과하기 때문에 이 지점에서 실제로 무강수가 발생하였을 것으로 보기에는 어려움이 있다. 따라서 이 차이를 이해하고 보완하기 위해서는 모델의 구조적 문제 보다는 관측 자료의 품질 관리 방법에 대한 보완 또는 이상 값의 처리에 관해 추가적인 연구가 필요한 것으로 판단된다.
- 이 결과는 PRISM 기반의 내삽이 분지에서 주변 산지에 비해 높은 강수량을 보일 때, 강수량 분포 재현에 한계가 있다는 것을 보여준다. 따라서 이를 보완하기 위해서는 추후 모델의 구조를 개선하기 위한 연구도 필요할 것이다.
- 또한 MK-PRISM 자료의 남동 해안 지역에서 이상치로 판단되는 높은 강수량 분포 지역이 나타나는데 그 원인이 특정 관측치에 의한 과대 추정으로 판단되기 때문이다. 따라서 이와 같은 자료들을 입력 자료에서 탐색하고, 제거 및 수정할 수 있는 방안에 대한 연구가 필요할 것으로 판단된다.
- 본 연구에서 제안된 선형회귀직선의 기울기 허용 범위 조절 방식은 PRISM 기술을 다른 환경 자료의 내삽에 적용하고자 할 때 중요한 기술이 될 것이다. 또한 본 연구에서 제시한 월별 매개변수 값들은 PRISM을 활용한 월강수량 자료 생산 연구에서 활용할 수 있을 것으로 기대된다. 본 연구에서 개발된 PRISM-KNU는 남한의 월별 강수량 자료를 생산하는데 활용할 수 있을 것으로 기대되며 이를 통해 생산되는 자료들은 기후와 연관된 다양한 연구, 예를 들어 식생의 공간적 분포, 자연재해 취약성 평가, 수문학적 연구, 고해상도 수치기상 예측모델의 검증 및 통계적 다운스케일 등에 활용될 수 있을 것으로 기대된다.
- 또한 본 연구에서 제시한 월별 매개변수 값들은 PRISM을 활용한 월강수량 자료 생산 연구에서 활용할 수 있을 것으로 기대된다. 본 연구에서 개발된 PRISM-KNU는 남한의 월별 강수량 자료를 생산하는데 활용할 수 있을 것으로 기대되며 이를 통해 생산되는 자료들은 기후와 연관된 다양한 연구, 예를 들어 식생의 공간적 분포, 자연재해 취약성 평가, 수문학적 연구, 고해상도 수치기상 예측모델의 검증 및 통계적 다운스케일 등에 활용될 수 있을 것으로 기대된다.
- 본 연구에서 제안된 선형회귀직선의 기울기 허용 범위 조절 방식은 PRISM 기술을 다른 환경 자료의 내삽에 적용하고자 할 때 중요한 기술이 될 것이다. 또한 본 연구에서 제시한 월별 매개변수 값들은 PRISM을 활용한 월강수량 자료 생산 연구에서 활용할 수 있을 것으로 기대된다.
- kr). 이 때문에 미래 기후 자료의 통계적 다운스케일링 이후 자료의 갱신이 추가적으로 이루어지지 않고 있으며 2010년 이후의 자료를 활용하는데 어려움이 있어 자료의 기간을 보완하는 연구가 필요하다.
- 제주도 산지에서 나타나는 음의 차이는 공간적 일관성의 개선이 아닌, PRISM-KNU의 강수량 과소 추정 가능성 측면에서 검토할 필요가 있었다. 남한의 30년 평년 강수량에서 본 것처럼 제주도의 강수량은 내륙에 비해 높은데, 남한 전체를 대표할 수 있는 β1x 값을 찾는 과정이 제주도의 산지 강수량을 과소 추정하는 결과를 초래했을 가능성도 있기 때문이다.
- 몇몇 지점에서 입력 자료의 문제, 모델 구조의 한계로 인한 오차들이 관찰되지만 본 연구에서 개발된 PRISM-KNU와 최적화 과정을 통해 결정된 매개변수 값들은 두 사례의 월강수량 내삽에서 양호한 모의 효율을 보였다. 하지만 모델 개발 결과의 타당성을 더욱 면밀하게 판단하기 위해 더 많은 사례 연구에 적용해 볼 필요가 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.