[논문]장기예보자료를 활용한 장기 가뭄전망정보 산정 및 평가

소재민; 오태석; 배덕효

doi:10.3741/jkwra.2017.50.10.691

장기예보자료를 활용한 장기 가뭄전망정보 산정 및 평가
Estimation and assessment of long-term drought outlook information using the long-term forecasting data 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.50 no.10, 2017년, pp.691 - 701

소재민 (세종대학교 건설환경공학과) , 오태석 (기상청 이상기후팀) , 배덕효 (세종대학교 건설환경공학과)

초록
AI-Helper

본 연구에서는 장기예보자료 기반의 장기 가뭄전망정보를 산정하고, 2015년 가뭄사상을 대상으로 활용성을 평가하였다. 이를 위해 ASOS 59개 지점의 관측강수량, GloSea5의 미래예측 및 과거재현 자료를 활용하였으며, 다양한 지속기간(3, 6, 9, 12개월)에 대한 SPI를 산정하였다. 또한 예보선행시간(1~6개월)에 따른 SPI와 관측자료 기반의 SPI 간의 ROC (Receiver Operating Characteristic)및 통계적 분석(상관계수, 평균제곱근 오차)을 수행하여 전망정보의 활용성을 평가하였다. ROC 분석결과, SPI(3)는 2개월, SPI(6)은 3개월, SPI(9)는 4개월, SPI(12)는 5개월까지 ROC score 약 0.70 이상으로 산정되었다. 예보선행시간별 상관계수 및 평균제곱근오차의 경우, 2개월 선행시간 SPI(3)은 0.60, 0.87, 4개월 선행시간 SPI(6)은 0.72, 0.95, 5개월 선행시간 SPI(9)는 0.75, 0.95, 6개월 선행시간 SPI(12)는 0.77, 0.89로 상관계수는 높게, 평균제곱근오차는 낮게 산정되어 활용성이 있는 것으로 판단된다.

Abstract ▼ AI-Helper

The objective of this study is to evaluate the long-term drought outlook information based on long-term forecast data for the 2015 drought event. In order to estimate the Standardized Precipitation Index (SPI) for different durations (3-, 6-, 9-, 12-months), we used the observation precipitation of 59 Automated Synoptic Observing System (ASOS) sites, forecast and hindcast data of GloSea5. The Receiver Operating Characteristic (ROC) analysis and statistical analysis (Correlation Coefficient, CC; Root Mean Square Error, RMSE) were used to evaluate the utilization of drought outlook information for the forecast lead-times (1~6months). As a result of ROC analysis, ROC scores of SPI(3), SPI(6), SPI(9) and SPI(12) were estimated to be over 0.70 until the 2-, 3-, 4- and 5-months. The CC and RMSE values of SPI(3), SPI(6), SPI(9) and SPI(12) for forecast lead-time were estimated as (0.60, 0.87), (0.72, 0.95), (0.75, 0.95) and (0.77, 0.89) until the 2-, 4-, 5- and 6-months respectively.

주제어

AI 본문요약
AI-Helper

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

문제 정의

2014, 2015년에는 이례적으로 2년 연속 가뭄이 지속된바 있으며, 장기가뭄(3개월 이상)에 대한 전망정보의 필요성이 증가하고 있다. 따라서 본 연구에서는 기상예보자료 기반의 3개월 이상 장기가뭄 전망정보 산정 방법을 제안하고, 2015년 가뭄사상을 대상으로 활용성을 평가하였다.
본 연구에서는 장기예보자료 기반의 장기 가뭄전망정보산정 기법을 제안하고, 2015년 가뭄사상을 대상으로 활용성을 평가하였다. 본 연구의 주요 내용 및 결과를 요약하면 다음과 같다.

제안 방법

(1)을 통해 과거재현자료(HCST)의 앙상블 멤버(168개)를 평균한 와 금회 예보된 미래예측자료(FCST)의 앙상블 멤버(60~62개)를 평균한 의 Anomalyi-j을 계산한다.
2) 2015년 기간에 대한 관측강수량 기반의 SPIo(3, 6, 9, 12)를 산정하고, 언론 및 매스컴에서 보도된 가뭄피해자료와 지역별 가뭄상황을 비교하였다.
산정된 아노말리는 과거 관측강수량과 결합하여 다양한 지속기간(3, 6, 9, 12개월)에 대한 SPI 입력자료를 구축한다. 2015년을 대상으로 1~6개월 선행시간에 대한 지속기간별 SPI를 산정한 후 관측강수량 기반의 SPI와 지역별 분석을 통해 2015년 가뭄사상의 재현성을 평가한다. SPI의 전망정보에 대한 가뭄판단 유무를 정성적으로 평가하기 위해 ROC(Receiver Operating Characteristics) 분석을 수행한다.
3) 장기예보자료 기반의 예보선행시간에 따른 SPIp(3, 6, 9, 12)를 산정하고, 관측자료 기반의 SPIo(3, 6, 9, 12)와 지역별 분석을 수행하였다.
2015년 가뭄사상을 대상으로 가뭄전망정보 산정을 위해 ASOS (Automated Synoptic Observing System) 지점의 관측강수량과 GloSea5의 기상예보자료(예측강수량)를 수집한다. GloSea5 예보자료를 내삽 기법을 통해 ASOS 지점에 대한 공간적 상세화를 수행하고, 예보선행시간에 따른 아노말리(Anomaly)를 산정한다. 산정된 아노말리는 과거 관측강수량과 결합하여 다양한 지속기간(3, 6, 9, 12개월)에 대한 SPI 입력자료를 구축한다.
Table 2는 GloSea5에 대한 주요 특징을 나타낸 것이다. GloSea5의 과거재현(Hindcast, HCST) 자료는 매달 1일, 9일, 17일, 25일 마다 초기장을 입력하여 생산되며, 각 출발일에는 모델의 물리과정을 달리하는 방법으로 확률적 운동에너지 후방 산란법(Stochastic Kinetic Energy Backscatter 2, SKEB2)을 이용하여 대기 분석장과 해양 및 해빙 초기장으로부터 3개의 앙상블 멤버를 생산한다(Bowler et al., 2009). 자료생산 기간은 1996년부터 2009년(총14년)이며, 각 앙상블멤버당 7개월간 모델적분이 진행된다.
이중 Hit와Negative hit의 경우는 각각 “Yes”와 “No”로만 이루어진 참값으로 판단하고, False와 Missing은 거짓 값으로 정의한다. 또한 분류된 4요소를 이용하여 적중률(Hit Rate, HR), 비적중률(False Alarm Rate, FAR), 정확도(Accuracy, ACC) 및 ROC score를 평가하며, 산정 식은 다음과 같다. 일반적으로 ROC socre가 1.
를 산정하고, 이를 Barnes 객관분석 기법(Barnes, 1964)을 이용하여 가뭄분포도를 작성하였다. 또한 지역별 가뭄상황을 언론 및 매스컴에서 보도된 가뭄피해자료(강수량 부족, 댐 및 저수지 저수율 부족, 제한급수 등)와 비교하였다(Fig. 5). 2015년에 대한 가뭄피해자료는 3월을 시작으로 4월 제외한 11월까지지속적으로 발생하였으며, 6월 중부지역(경기, 강원, 충청)에 집중적으로 발생하였다.
본 연구에서 GloSea5의 기상예보자료를 활용하여 1~6개월 예보선행시간의 SPIp(3, 6, 9, 12)를 산정하고, 2015년에 가뭄사상에 대한 활용성을 평가하였다.
로부터 ROC 분석을 수행하였다. 이를 위해 예보선행시간별 정확도(ACC), 적중률(HR)과 비적중률(FAR)로부터 ROC score를 산정하였으며, 산정결과는 Fig. 7과 같다. SPI_o 및 SPI_p가 모두 가뭄일 경우와 아닐 경우의 횟수를 바탕으로 산정되는 ACC는 지속기간 3, 6, 9, 12개월 모두 선행시간 3개월까지 0.

대상 데이터

1과 같다. 2015년 가뭄사상을 대상으로 가뭄전망정보 산정을 위해 ASOS (Automated Synoptic Observing System) 지점의 관측강수량과 GloSea5의 기상예보자료(예측강수량)를 수집한다. GloSea5 예보자료를 내삽 기법을 통해 ASOS 지점에 대한 공간적 상세화를 수행하고, 예보선행시간에 따른 아노말리(Anomaly)를 산정한다.
통상 SPI를 산정하기 위해서는 30년 이상의 자료가 필요하다. 본 연구에서는 관측강수자료 기반의 가뭄지수를 산정하기 위해 59개 ASOS 지점을 선정하였으며, 평년(1981~2010년)을 고려한 1981~2015년 기간의 자료를 활용하였다. GloSea5 자료는 0.
, 2009). 자료생산 기간은 1996년부터 2009년(총14년)이며, 각 앙상블멤버당 7개월간 모델적분이 진행된다. 미래예측자료(Forecast, FCST)는 HCST와 동일한 방식으로 매일 적분이 진행되며 매 초기장 마다 2개의 앙상블 멤버가 생산된다.

데이터처리

2015년 가뭄전망정보에 대한 활용성을 평가하기 위해 SPI_o 및 SPI_p로부터 ROC 분석을 수행하였다. 이를 위해 예보선행시간별 정확도(ACC), 적중률(HR)과 비적중률(FAR)로부터 ROC score를 산정하였으며, 산정결과는 Fig.
4) 장기 가뭄전망정보에 대한 활용성을 평가하기 위해 예보 선행시간별 ROC 분석 및 통계적 분석을 수행하였다. ROC 분석결과, SPI_p(3)은 2개월, SPI_p(6)은 3개월, SPI_p(9)는 4개월, SPI_p(12)는 5개월까지 0.
2015년을 대상으로 1~6개월 선행시간에 대한 지속기간별 SPI를 산정한 후 관측강수량 기반의 SPI와 지역별 분석을 통해 2015년 가뭄사상의 재현성을 평가한다. SPI의 전망정보에 대한 가뭄판단 유무를 정성적으로 평가하기 위해 ROC(Receiver Operating Characteristics) 분석을 수행한다. 또한 상관계수(Correlation Coefficient, CC) 및 평균제곱근오차(Root Mean Square Error, RMSE)를 산정하여 SPI 값에 따른 정확도를 평가한다.
SPI의 전망정보에 대한 가뭄판단 유무를 정성적으로 평가하기 위해 ROC(Receiver Operating Characteristics) 분석을 수행한다. 또한 상관계수(Correlation Coefficient, CC) 및 평균제곱근오차(Root Mean Square Error, RMSE)를 산정하여 SPI 값에 따른 정확도를 평가한다.
지속기간 및 예보선행시간에 따른 SPI_p와 SPI_o의 평균적 차이 및 거동을 정량적으로 평가하고자 상관계수(Correlation Coefficient, CC), 평균제곱근오차(Root Mean Square Error, RMSE)를 이용하였으며, 각각 Eqs. (7) and (8)과 같다.
지속기간별 SPI 전망정보에 대한 정성적 정확도 평가를 위해 ROC (Receiver Operating Characteristic) 분석을 이용하였다. ROC 분석은 특정 수치를 X, Y좌표로 나타내어 이를 확률적 근거를 통해 가장 높은 확률을 가지는 분류를 찾아내는 방법으로 주로 기상분야에서 확률예보의 정성적 검증에 활용되는 기법이다(Mason, 1982; Wilks, 1995).

이론/모형

56° (약55 km)의 해상도를 갖는 격자 기반으로 생산되며, 국내에 포함되는 격자수는 33개이다. ASOS 지점에 대한 예측강수량을 산정하기 위해 이중선형보간(bilinear interpolation) 기법을 이용하였다(Singh, 1996).
본 연구에서는 장기 가뭄전망정보에 대한 활용성 평가를 위해 59개 ASOS 지점에 대한 관측강수량 기반 SPI_o를 산정하고, 이를 Barnes 객관분석 기법(Barnes, 1964)을 이용하여 가뭄분포도를 작성하였다. 또한 지역별 가뭄상황을 언론 및 매스컴에서 보도된 가뭄피해자료(강수량 부족, 댐 및 저수지 저수율 부족, 제한급수 등)와 비교하였다(Fig.
기상청은 2010년 6월 영국 기상청과 계절예측시스템의 공동구축 및 운영에 관한 협정을 체결하였으며, 현업 예보를 위해 기후예측 모델인 GloSea5를 도입하여 현재 운영 중에 있다. 이 모델은 영국 기상청의 최신 계절예측시스템에 사용되고 있으며, 기후모델인 HadGEM3 (Hadley Centre Global Environment Model version 3)을 기반으로 구축되었다. HadGEM3는 대기, 해양, 해빙 및 지표모델들이 하나로 합쳐진 전지구 결합 모델(Coupled General Circulation Model, CGCM)로써 대기모델은 UM (Unified Model), 지표모델은 MOSES (Met Office Surface Exchange Scheme)가 결합되어있다(Essery et al.
, 2003). 해양과 해빙모델은 각각 NEMO(Nucleus for European Modelling of the Ocean), CICE (LosAlamos sea ice model)모델을 사용한다(Madec, 2008; Hunke and Lipscomb, 2008). 각 모델들은 대기-해양 플럭스 교환을 위해 Valcke (2011)이 개발한 OASIS 커플러에 의해 결합되어 있다.

성능/효과

1) 기상예보자료 기반의 장기 가뭄전망정보 산정 방법은ASOS 59개 지점의 관측강수량과 GloSea5의 미래예측 및 과거재현자료의 앙상블 멤버를 결합하여 예보선행시간(1~6개월)에 따른 지속기간(3, 6, 9, 12개월)별 SPI를 산정한다.
4) 장기 가뭄전망정보에 대한 활용성을 평가하기 위해 예보 선행시간별 ROC 분석 및 통계적 분석을 수행하였다. ROC 분석결과, SPI_p(3)은 2개월, SPI_p(6)은 3개월, SPI_p(9)는 4개월, SPI_p(12)는 5개월까지 0.70 이상의 ROC score가 높게 산정되었다. 평균 CC 및 RMSE의 경우, SPI_p(3)은 2개월(0.
7과 같다. SPI_o 및 SPI_p가 모두 가뭄일 경우와 아닐 경우의 횟수를 바탕으로 산정되는 ACC는 지속기간 3, 6, 9, 12개월 모두 선행시간 3개월까지 0.73~0.94로 산정되었으며, SPI_p(12), SPI_p(9),SPI_p(6), SPI_p(3)순으로 높게 나타났다. 지속기간별 SPI_p의ROC score의 경우 SPI_p(3)은 0.
70 이하로 SPI_o와의 상대적인 오차가 작은 것으로 나타났다. SPI_p는 지속기간이 길수록 CC는 높게, RMSE는 작게 산정되었으며, 2015년 기간에 대한 장기 가뭄전망정보의 예측성은 가을철 및 겨울철에 높은 것으로 확인되었다.
(3, 6, 9, 12)와 지역별 분석을 수행하였다. 가뭄이 극심했던 6~11월까지의 전망정보를 평가한 결과, SPI_p(3)은 2개월, SPI_p(6)은 4개월,SPI_p(9)는 5개월, SPI_p(12)는 6개월까지 활용성이 있는 것으로 판단된다. 특히 가뭄이 지속되고, 관측강수량이 영향이 클수록 전망정보의 활용성이 높은 것을 확인하였다.
(3, 6, 9, 12)를 산정하고, 언론 및 매스컴에서 보도된 가뭄피해자료와 지역별 가뭄상황을 비교하였다. 가뭄피해자료와 지속긴별 SPI를 분석한 결과, 가뭄의 시작은 SPI_o(3), 가뭄의 지속 및 해갈은 SPI_o(6), SPI_o(9)가 적절하게 반영하는 것으로 나타났다. 반면 SPI_o(12)는 2015년 전월에 대하여 지역별 가뭄상황이 지속되는 것으로 나타나 실제 가뭄상황을 적절히 재현하지 못한 것으로 판단된다.
SPI_p(6)은 8월부터 지역별 가뭄상황을 전망하는 것으로 나타났으며, 가뭄이 지속될 경우 예보선행시간 4개월까지 전망정보의 활용성이 높은 것으로 확인되었다. 또한 SPI_p(9)는 SPI_p(6)과 동일하게 8월부터 지역별 가뭄상황을 적절히 전망하였으며, 12월에는 예보선행시간 5개월까지 가뭄상황을 전망하는 것으로 나타났다. SPI_p(12)는 6월의 경우 예보선행시간 6개월까지 중부지역의 가뭄상황을 전망하는 것으로 나타났으며, 7월 이후부터는 SPI_p(9)와 유사한 것으로 나타났다.
에 대한 CC 및 RMSE 산정 결과를 나타낸 것이다. 선행시간별 SPI_p(3)의 평균 CC는 0.17~0.85로 선행시간 1개월(0.85), 2개월(0.60)까지 SPI_o(3)와 상관성이 높은 것으로 나타났다. 3개월 이상부터는 상관성이 낮은 것으로 나타났으며, 이는 GloSea5 예측강수량을 3개월 누적강수량으로 활용했기 때문인 것으로 판단된다.
6은 2015년 6~12월에 대한 SPI_o와 예보선행시간별SPI_p를 도시한 것이다. 예보선행시간 1개월 SPI_o(3)은 SPI_o(3)과 달리 6, 7월 가뭄상황을 전망하지 못하는 것으로 나타났다. 이는 5, 6월 관측강수량이 평년대비 적었음에도 불구하고, GloSea5의 7월 예측강수량이 관측강수량에 비해 과대 산정되어 나타난 것으로 판단된다.
반면 8~10월에는 SPI_o(3)과 동일하게 지역별 가뭄상황을 적절히 전망하였으며, 11월 전국적으로 해갈되는 것으로 나타났다. 예보선행시간 2개월 SPI_p(3)은 9, 10월 가뭄상황을 일부 전망하였으며, 예보선행시간 3개월 이후의 SPI_p(3)은 지역별 가뭄상황을 전망하지 못하는 것으로 나타났다. 다만 가뭄이 해갈된 11월 이후부터는 SPI_o(3)과 동일하게 전국을 습윤상태로 전망하였다.
94로 산정되었으며, SPI_p(12), SPI_p(9),SPI_p(6), SPI_p(3)순으로 높게 나타났다. 지속기간별 SPI_p의ROC score의 경우 SPI_p(3)은 0.50~0.75, SPI_p(6)은 0.53~0.86, SPI_p(9)는 0.64~0.90, SPI_p(12)는 0.71~0.93으로 산정되었으며, 각각 선행시간 2개월(0.68), 3개월(0.69), 4개월(0.73), 5개월(0.74) 까지 예측성이 높은 것으로 나타났다.
(3, 6, 9, 12)를 산정하고, 2015년에 가뭄사상에 대한 활용성을 평가하였다. 최근 3개월 이상 지속되는 가뭄이 빈번하게 발생함에 따라 GloSea5 기상예보자료를 활용한 장기 가뭄전망정보의 활용성을 평가하였다는 측면에서 연구의 가치가 있다고 판단된다. 다만 장기 가뭄전망정보에 대한 평가가 2015년에 국한되어 있어 향후 2016, 2017년에 대한 기상예보자료 수집하고, 가뭄전망정보의 정확도에 대한 지속적인 평가가 수행되어야 할 것이다.
가뭄이 극심했던 6~11월까지의 전망정보를 평가한 결과, SPI_p(3)은 2개월, SPI_p(6)은 4개월,SPI_p(9)는 5개월, SPI_p(12)는 6개월까지 활용성이 있는 것으로 판단된다. 특히 가뭄이 지속되고, 관측강수량이 영향이 클수록 전망정보의 활용성이 높은 것을 확인하였다.
00으로 가장 높았다. 평균 RMSE의 경우 SPI_p(3)는 0.53~1.06, SPI_p(6)는0.37~1.24, SPI_p(9)는 0.28~1.06, SPI_p(12)는 0.21~0.89로 산정되었으며, 각각 선행시간 1개월, 2개월, 3개월, 4개월까지 0.70 이하로 SPI_o와의 상대적인 오차가 작은 것으로 나타났다. SPI_p는 지속기간이 길수록 CC는 높게, RMSE는 작게 산정되었으며, 2015년 기간에 대한 장기 가뭄전망정보의 예측성은 가을철 및 겨울철에 높은 것으로 확인되었다.

후속연구

최근 3개월 이상 지속되는 가뭄이 빈번하게 발생함에 따라 GloSea5 기상예보자료를 활용한 장기 가뭄전망정보의 활용성을 평가하였다는 측면에서 연구의 가치가 있다고 판단된다. 다만 장기 가뭄전망정보에 대한 평가가 2015년에 국한되어 있어 향후 2016, 2017년에 대한 기상예보자료 수집하고, 가뭄전망정보의 정확도에 대한 지속적인 평가가 수행되어야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	SPI는 어떻게 산정되는가?	SPI는 30년 이상의 월 강수자료를 바탕으로 시간단위별 누가강수 시계열을 구성한 후, 적정 확률분포형을 통해 산정된다. 일반적으로 강수자료의 확률분포형은 2변수 Gamma 분포를 이용한다.
	통계적 기반의 가뭄전망 기법의 한계점은 무엇인가?	통계적 기반의 가뭄전망 기법은 과거 기상 현상들이 미래에도 재현될 수 있다는 전제하에 미래 가뭄상황을 예측하는 방법으로 다양한 통계모델을 이용한다. 그러나 이 방법은 예측된 결과들이 과거의 경향에 국한됨에 따라 최근 급변하는 수문기상 현상을 고려하는데 한계가 있다(Trenberth, 1984). 물리적 기반의 가뭄전망 기법은 초기 기상조건으로부터 역학적 알고리즘이 탑재된 기후모델을 통해 미래 기상현상을 예측함으로써 가뭄상황을 전망하는 방법이다.
	물리적 기반의 가뭄전망 기법이란 무엇인가?	그러나 이 방법은 예측된 결과들이 과거의 경향에 국한됨에 따라 최근 급변하는 수문기상 현상을 고려하는데 한계가 있다(Trenberth, 1984). 물리적 기반의 가뭄전망 기법은 초기 기상조건으로부터 역학적 알고리즘이 탑재된 기후모델을 통해 미래 기상현상을 예측함으로써 가뭄상황을 전망하는 방법이다. 통계적 방법과는 달리 물순환 변화의 예측이 가능하다는 장점이 있어 그동안 많은 연구가 진행되어 왔다.

참고문헌 (22)

Bae, D. H., Son, K. H., and Kim, H. A. (2013). "Derivation & evaluation of drought threshold level considering hydrometeorological data on South Korea." Atmosphere, Vol. 46, pp. 289-300.
Barnes, S. (1964). "A technique for maximizing details in numerical map analysis." Journal of Applied Meteorology, Vol. 3, No. 4, pp. 395-409.
Bowler, N. E., Arribas, A., Beare, S. E., Mylne, K. R., and Shutts, G. J. (2009). "The local ETKF and SKEB: upgrades to the MOGREPS short-range ensemble prediction system." Quarterly Journal of the Royal Meteorological Society, Vol. 135, pp. 767-776.

상세보기
Essery, R. L. H., Best, M. J., Betts, R. A., Cox, P. M., and Taylor, C. M. (2003). "Explicit representation of subgrid heterogeneity in a GCM land surface scheme." Journal of Hydrometeorology, Vol. 4, pp. 530-543.

상세보기
Hayes, M., Svoboda, M., Wall, N., and Widhalm, M. (2011). "The Lincoln declaration on drought indices: universal meteorological drought index recommended." Bulletin of the American Meteorological Society, Vol. 92, No. 4, pp. 485-488.

상세보기
Hunke, E. C., and Lipscombe, W. H. (2008). CICE: the Los Alamos sea ice model documentation and software user's manual, Version 4.0.
Kim, Y. O., Lee, J. K., and Richard, N. P. (2012). "A drought outlook study in Korea." Hydrological Sciences Journal, Vol. 57, No. 6, pp. 1141-1153.

상세보기
Madec, G. (2008). "NEMO ocean engine." Institut Piere-Simon Laplace (IPSL), France, No. 27.
Mason, I. B. (1982). "A model for assessment of weather forecasts." Australian Meterological Magazine, Vol. 30, pp. 291-303.
Mckee, T. B., Doesken, N. J., and Kleist, J. (1993). "The relationship of drought frequency and duration to time scales." 8th Conference on Applied Climatology. 17-22 January, Anaheim, California.
Mo, K. C., and Lyon, B. (2015). "Global meteorological drought prediction using the north american multi-model ensembel." Journal of Hydrometeorology, Vol. 16, pp. 1409-1424.

상세보기
Singh, V., and Fiorentino, M. (1996). "Geographical information systems in hydrology." Kluwer Academic Publishers, pp. 175-194.
Son, K. H., Bae, D. H. and Cheong, H. S. (2015). "Construction & evaluation of GloSea5-based hydrological drought outlook system." Atmosphere. Korean Meteorological Society, Vol. 25, No. 2, pp.271-281.
Stagge, J. H., Kohn, I., Tallaksen, L. M., and Stahl, K. (2015). "Modeling drought impact occurrence based on meteorological drought indices in Europe." Journal of Hydrology, Vol. 530, pp. 37-50.

상세보기
Trenberth, K. E. (1984) "Some effects of finite sample size and persistence on meteorological statistics. Part II: potential predictability." Monthly Weather Review, Vol. 112, pp. 2369-2379.

상세보기
Valcke, S. (2011) OASIS3 user guide (prism 2-5). Tech. Rep. 3 Programme for integrated earth system modelling (PRISM) support initiative.
Vicente-Serrano, S. M., Begueria, S., Lorenzo-Lacruz, J., Camarero, J. J., Lopez-Moreno, J. I., Azorin-Molina, C., Revuelto, J., Moran-Tejeda, E., and Sanchez-Lorenzo, A. (2012). "Performance of drought indices for ecological, agricultural and hydrological applications." Earth Interactions, Vol. 16, pp. 1-27.

상세보기
Wilhite, D. A., and Glantz, M. H. (1985). "Understanding the drought phenomenon: the role of definition." Water International, Vol. 10, pp. 111-120.

상세보기
Wilks, D. S. (2006). "Statistical methods in the atmospheric sciences." Academic Press.
Yoon, K. H., Mo, K., and Wood, E. F. (2012). "Dynamicmodelbased seasonal prediction of meteorological drought over the contiguous United States." Journal of Hydrometeorology, Vol. 13, pp. 463-482.

상세보기
Yuan, X., Wood, E. F., Luo, L, and Pan, M. (2011). "A first look at Climate Forecast System version 2 (CFSv2) for hydrological seasonal prediction." Geophysical Research Letters, Vol. 38, L13402, doi: 10.1029/2011GL047792.

상세보기
Yuan, X., Wood, E. F., Luo, L, Chaney, N. W., Sheffield, J., Kam, J., Liang, M., and Guan. K. (2013). "Probabilistic seasonal forecasting of African drought by dynamical models." Journal of Hydrometeorology, Vol. 14, pp. 1706-1720.

상세보기

저자의 다른 논문 :

LOADING...

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