[논문]교호작용 효과를 고려한 수자원 전망의 불확실성 분해

온일상; 김용대; 김영오

doi:10.3741/jkwra.2018.51.s-1.1067

[국내논문] 교호작용 효과를 고려한 수자원 전망의 불확실성 분해
Uncertainty decomposition in water resources projection considering interaction effects 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.51 no.11 suppl., 2018년, pp.1067 - 1078

온일상 (서울대학교 자연과학대학 통계학과) , 김용대 (서울대학교 자연과학대학 통계학과) , 김영오 (서울대학교 공과대학 건설환경공학부)

초록
AI-Helper

기후변화로 인한 수자원 전망은 배출 시나리오, 전지구적 순환모형, 상세화 기법, 수문 모형 등 여러 전망 단계를 거쳐 이루어지며, 각 단계는 수자원 전망의 총 불확실성의 원천이 된다. 몇몇 연구를 통해 개별 전망 단계의 총 불확실성에 대한 상대적인 기여를 계량화하는 방법이 제안되었으며며, 이러한 분석을 불확실성 분해라고 한다. 불확실성 분해 분석은 큰 불확실성을 발생시키는 단계를 진단하고, 이를 반영한 불확실성 저감 계획을 수립할 수 있게 한다. 전망 단계 간의 교호작용은 불확실성 분해 시 고려되어야 하는 중요한 문제 중 하나이다. 본 연구는 교호작용 효과로 인한 불확실성을 계량화하고 이를 불확실성 분해에 반영하는 새로운 방법을 제안한다. 제안한 방법은 전망 단계별 불확실성을 주효과와 교호작용 효과를 모두 고려하여 계량화함과 동시에 총 불확실성에서 개별 전망 단계가 차지하는 상대적인 비중을 제시할 수 있다는 장점이 있다. 제안한 방법을 충주댐 유량 전망의 불확실성 분석에 적용하였다. 충주댐 유역의 불확실성 분석 결과 여름과 겨울 두 계절 모두에서 교호작용 효과의 불확실성은 주효과의 불확실성에 비해 그 크기가 작은 것으로 나타났다. 교호작용 효과를 고려하여 불확실성을 분해한 결과 배출 시나리오, 전지구적 순환모형, 상세화 기법, 수문 모형의 네 단계 중 여름철은 전지구적 순환모형의 불확실성이, 겨울철은 상세화 기법의 불확실성이 가장 큰 것으로 분석되었다.

Abstract ▼ AI-Helper

Water resources projection typically consists of several stages including emission scenarios, global circulation models (GCMs), downscaling techniques, and hydrological models, and each stage is a source of total uncertainty in water resources projection. Several studies proposed methods to quantify the relative contribution of each stage to total uncertainty, and we call such analysis uncertainty decomposition. Uncertainty decomposition enables us to investigate the stages yielding large uncertainties and to establish the uncertainty reduction plan that reflects them. Interactions between stages is one of the important issues to be considered in uncertainty decomposition. This study suggests a new uncertainty decomposition method considering interaction effect. The proposed method has an advantage of decomposing the total uncertainty to the uncertainty from each stage considering both the main and interactions effects. We apply the proposed method to streamflow projection for Chungju Dam basin. The results show that the uncertainties from the main effects are larger than the uncertainties from interaction effects in both summer and winter. Using the proposed uncertainty decomposition method, we show that the GCM stage is the largest source of the total uncertainty in summer and the downscaling technique stage is the one in winter among the following four stages: emission scenarios, GCMs, downscaling techniques, and hydrological models.

주제어

표/그림 (7)

그림 Fig. 1. An example of the streamflow projection consisting of four stages
그림 Fig. 2. Example of estimation results based on two ANOVA models
그림 Fig. 3. Chungju Dam in the study basin
표 Table 1. Scenarios, models and methods used in the study
표 Table 2. Uncertainties from main and interaction effects of four stages and from internal variability for two seasons. The percentage in the bracket indicates the proportion of the uncertainty of each stage contributed to the total uncertainty. ES stands for emission scenario, GCM for global circulation model, DS for downscaling technique and HM for hydrological model. `:’ notation indicates interaction between two stages.
그림 Fig. 4. Streamflow projection values based on scenarios for each stage in two seasons. ES stands for emission scenario, GCM for global circulation model, DS for downscaling technique and HM for hydrological model.
표 Table 3. Uncertainties from four stages and internal variability for two seasons using the three methods. The percentage in the bracket indicates the proportion of the uncertainty of each stage contributed to the total uncertainty.

AI 본문요약
AI-Helper

문제 정의

본 연구는 Kim et al. (2018)의 방법과 다른 방식으로 교호작용으로 인한 불확실성을 개별 단계에 할당하는 방법을 제안 하고자 한다. 교호작용 효과란 두 개 이상의 요인의 조합에서 생기는 효과를 의미하는데 한 요인이 결과에 미치는 영향이 다른 요인의 상태에 따라 달라지는 상황에서 나타난다.

제안 방법

본 연구에서는 수자원 전망 단계들의 교호작용을 고려하여 총 불확실성을 분해하는 방법론을 제안하였다. 제안하는 방법론은 기존의 불확실성 분해 방법들과 달리 전망 단계 간의 교호작용 효과에 의한 불확실성을 각 전망 단계로 분해하여 할당한 후 이를 주효과에 의한 불확실성과 합하여 전망 단계별 불확실성을 계량화한다. 제안하는 방법은 전망 단계별 불확실성을 주효과와 교호작용 효과를 모두 고려하여 계량화할 뿐만 아니라, 전망 단계별 불확실성의 합이 총 불확실성과 같아지는 특성을 가짐으로 인하여 각 전망 단계가 총 불확실성에 기여하는 정도를 정량적으로 평가할 수 있게 한다는 장점이 있다.

대상 데이터

전망 기간은 2030년 1월부터 2059년 12월까지이다. 분석은 여름(7-9월)과 겨울(12, 1, 2월) 두 계절을 대상으로 하였다.각 계절에 대하여 30년 평균 유량을 계산하여 이를 불확실성 분석에 사용하였다.

이론/모형

이를 통해 주효과와 교호작용 효과를 모두 고려하여 전망 단계별 불확실성을 계량화함과 동시에 전망 단계별 불확실성의 총 불확실성에 대한 상대적 기여를 평가할 수 있도록 한다. 제안하는 방법은 2차 교호작용 분산분석 모형에 기반으로 한다. 2차 교호작용 분산분석 모형에서각 전망 단계의 주효과에 의한 불확실성 Var(#)와, 2차 교호작용에 의한 불확실성 Var(#) , 그리고 내부변동성으로 인한 불확실성 σ²를 계량화한다.

성능/효과

제안한 방법의 타당성과 적용 가능성을 살펴보기 위해 본 연구는 충주댐 유역의 미래 유량 전망 자료에 제안한 방법을 적용한 결과를 보고하였다. 교호작용 효과에 의한 불확실성의 경우 여름과 겨울 두 계절 모두에서 주 효과에 의한 불확실성에 비해 작은 것으로 분석되었는데, 여름의 경우 총 불확실성의 10.5%가 교호작용 효과에서 발생한 것으로 분석되었으며, 겨울의 경우 26.7%가 교호작용 효과에서 유래한 것으로 나타났다. 또한 유량 전망의 총 불확실성에서 각 전망 단계가 차지하는 비중을 계량화하였으며, 두 계절 모두 GCM과 상세화 기법이 가장 큰 비중을 차지하는 것으로 나타났다.
7%가 교호작용 효과에서 유래한 것으로 나타났다. 또한 유량 전망의 총 불확실성에서 각 전망 단계가 차지하는 비중을 계량화하였으며, 두 계절 모두 GCM과 상세화 기법이 가장 큰 비중을 차지하는 것으로 나타났다. 특히 여름철의 경우 GCM으로 인한 불확실성이 총 불확실성의 74.
또한 유량 전망의 총 불확실성에서 각 전망 단계가 차지하는 비중을 계량화하였으며, 두 계절 모두 GCM과 상세화 기법이 가장 큰 비중을 차지하는 것으로 나타났다. 특히 여름철의 경우 GCM으로 인한 불확실성이 총 불확실성의 74.1%로 가장 크게 평가되었으며, 겨울철의 경우 상세화 기법의 불확실성이 64.6%로 가장 큰 불확실성 요인인 것으로 나타났다.

후속연구

분산 측도는 이상치에 취약하다는 단점이 있는 것으로 알려져 있으며(Wilcox, 2011), 이에 대한 대안으로 이상치에 둔감한 평균 절대편차(mean absolute deviation), 사분범위(interquartile range)등의 측도를 사용할 수 있다. 이러한 분산 이외의 불확실성 측도를 사용하였을 때 교호작용에 의한 불확실성을 계량화하는 방법은 추후 연구를 통해 규명하도록 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	분산분석 방법은 무엇인가?	가장 널리 활용되는 모형은 분산분석 (analysis of variance, ANOVA) 모형으로 결과에 미치는 요인이 다양할 때, 개별 요인의 영향력을 분석하는데 널리 활용 되는 통계 모형이다. 분산분석 방법은 수자원 전망값의 분산 (variance)을 전망 단계의 주효과(main effect)와 전망 단계들 사이의 교호작용 효과(interaction effect), 그리고 오차(error) 에 의한 분산으로 분해한다. Yip et al.
	분산분석 (analysis of variance, ANOVA) 모형이란 무엇인가?	이와 같은 지식의 불완전성으로 인해 불확실성 분해는 일반적으로 적절한 확률적 가정을 내포하는 통계 모형을 통해 이루어진다. 가장 널리 활용되는 모형은 분산분석 (analysis of variance, ANOVA) 모형으로 결과에 미치는 요인이 다양할 때, 개별 요인의 영향력을 분석하는데 널리 활용 되는 통계 모형이다. 분산분석 방법은 수자원 전망값의 분산 (variance)을 전망 단계의 주효과(main effect)와 전망 단계들 사이의 교호작용 효과(interaction effect), 그리고 오차(error) 에 의한 분산으로 분해한다.
	기후 변화에 따른 수자원 전망 단계는 무엇인가?	기후 변화에 따른 수자원 전망은 여러 단계의 시나리오, 모형, 기법 등을 조합하여 이루어진다. 일반적으로 온실 가스 배출을 예측하는 배출 시나리오(emission scenario), 미래 기후에 대한 전지구적 순환모형(global circulation model, GCM), 전지구적 순환 모형으로 예측한 기후를 특정 지역의 기후로 변환하기 위한 상세화 기법(downscaling technique), 그리고 예측된 기후에서 유량 변동을 계산하는 수문 모형(hydrological model) 등의 단계로 구성된다. Fig.

참고문헌 (26)

Bosshard, T., Carambia, M., Goergen, K., Kotlarski, S., Krahe, P., Zappa, M., and Schar, C. (2013). "Quantifying uncertainty sources in an ensemble of hydrological climate-impact projections." Water Resources Research, Vol. 49, No. 3, pp. 1523-1536.
Chen, J., Brissette, F. P., Poulin, A., and Leconte, R. (2011). "Overall uncertainty study of the hydrological impacts of climate change for a Canadian watershed." Water Resources Research, Vol. 47, No. 12.

상세보기
Deque, M., Rowell, D. P., Luthi, D., Giorgi, F., Christensen, J. H., Rockel, B., Jacob, D., Kjellstrom, E., de Castro, M., and van den Hurk, B. (2007). "An intercomparison of regional climate simulations for Europe: assessing uncertainties in model projections." Climatic Change, Vol. 81, No. 1, pp. 53-70.
Dessai, S., and Hulme, M. (2007), "Assessing the robustness of adaptation decisions to climate change uncertainties: A case study on water resources management in the east of England." Global Environmental Change, Vol. 17, No. 1, pp. 59-72.

상세보기
Dobler, C., Hagemann, S., Wilby, R., and Stotter, J. (2012). "Quantifying different sources of uncertainty in hydrological projections in an alpine watershed." Hydrology and Earth System Sciences, Vol. 16, No. 11, pp. 4343-4360.

상세보기
Gardner, M. W., and Dorling, S. (1998). "Artificial neural networks (the multilayer perceptron): a review of applications in the atmospheric sciences." Atmospheric Environment, Vol. 32, No. 14. pp. 2627-2636.

상세보기
Gay, C., and Estrada, F. (2010). "Objective probabilities about future climate are a matter of opinion." Climatic Change, Vol. 99, No. 1-2, pp. 27-46.
Jones, R. N. (2000). "Managing uncertainty in climate change projections: issues for impact assessment." Climatic change, Vol. 45, No. 3-4, pp. 403-419.
Kay, A., Davies, H., Bell, V., and Jones, R. (2009). "Comparison of uncertainty sources for climate change impacts: flood frequency in England." Climatic Change, Vol. 92, No. 1, pp. 41-63.

상세보기
Kilsby, C., Cowpertwait, P., O'connell, P., and Jones, P. (1998). "Predicting rainfall statistics in England and Wales using atmospheric circulation variables." International Journal of Climatology, Vol. 18, No. 5 pp. 523-539.

상세보기
Kim, Y., Ohn, I., Lee, J.-K., and Kim, Y. O. (2017). "Generalizing uncertainty decomposition theory in climate change impact assessments." Unpublished manuscript.
Lee J. K. (2018). "Uncertainty analysis of quantitative rainfall estimation process based on hydrological and meteorological radars." Journal of Korea Water Resources Association, Vol. 51, No. 5, pp. 439-449.
Lee J. K., (2013). Scenario Selection and Uncertainty Quantifcation for Climate Change Impact Assessments in Water Resources. PhD thesis, Seoul National University, Korea.
Lee, J. K., Kim, Y. O., and Kim, Y. (2017). "A new uncertainty analysis in the climate change impact assessment." International Journal of Climatology, Vol. 37, No. 10, pp. 3837-3846.

상세보기
Lee, M. H., and Bae, D. H. (2016). "Future projection and uncertainty analysis of low flow on climate change in dam basins." Journal of Climate Change Research, Vol. 7, No. 4, pp. 407-419.
Mandal, S., and Simonovic, S. P. (2017). "Quantification of uncertainty in the assessment of future streamflow under changing climate conditions.", Hydrological Processes. Vol. 31, pp. 2076-2097.

상세보기
Milly, P. C. D., Betancourt, J., Falkenmark, M., Hirsch, R. M., Kundzewicz, Z. W., Lettenmaier, D. P., and Stouffer, R. J. (2008). "Stationarity is dead: Whither water management?" Science, Vol. 319, No. 5863, pp. 573-574.

상세보기
Minville, M., Brissette, F., and Leconte, R. (2008). "Uncertainty of the impact of climate change on the hydrology of a Nordic watershed." Journal of hydrology, Vol. 358, No. 1, pp. 70-83.

상세보기
Moser, W. R. (1996). Linear models: a mean model approach. Academic Press, California, USA.
Nobrega, M., Collischonn, W., Tucci, C., and Paz, A. (2011). "Uncertainty in climate change impacts on water resources in the Rio Grande basin, Brazil." Hydrology and Earth System Sciences, Vol. 15, No. 2, pp. 585-595.

상세보기
Raisanen, J. (2001). "CO2-induced climate change in CMIP2 experiments: Quantification of agreement and role of internal variability." Journal of Climate, Vol. 14, No. 9, pp. 2088-2104.

상세보기
Sansom, P. G., Stephenson, D. B., Ferro, C. A., Zappa, G., & Shaffrey, L. (2013). "Simple uncertainty frameworks for selecting weighting schemes and interpreting multimodel ensemble climate change experiments." Journal of Climate, Vol. 26, No. 12, pp. 4017-4037.

상세보기
von Storch H., and Zwiers, F. W. (1999) Statistical analysis in climate research. Cambridge University Press, UK.
Wilcox, R. R. (2011). Introduction to robust estimation and hypothesis testing. Academic press.
Wolock, D. M,. and McCabe, G. J. (1999). "Estimates of runoff using waterbalance and atmospheric general circulation models." Journal of the American Water Resources Association, Vol. 35, No. 6, pp. 1341-1350.

상세보기
Yip, S., Ferro, C. A., Stephenson, D. B., and Hawkins, E. (2011). "A simple, coherent framework for partitioning uncertainty in climate predictions." Journal of Climate, Vol. 24, No. 17, pp. 4634-4643.

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