[논문]강우자료의 시간해상도에 따른 강우 분해 성능 평가

이정훈; 장주형; 김상단

doi:10.17663/jwr.2018.20.4.345

강우자료의 시간해상도에 따른 강우 분해 성능 평가
Performance Evaluation of Rainfall Disaggregation according to Temporal Scale of Rainfall Data 원문보기

한국습지학회지 = Journal of wetlands research, v.20 no.4, 2018년, pp.345 - 352

이정훈 (부경대학교 환경연구소) , 장주형 (국립환경과학원 물환경평가연구과) , 김상단 (부경대학교 환경공학과)

초록
AI-Helper

본 연구에서는 다양한 시간해상도(3-, 6-, 12-, 24-hr)를 가지는 강우자료를 1-hr 강우자료로 분해하여 강우 분해기법의 성능을 평가한다. 강우 분해기법은 추계학적 점 강우 모형인 Neyman-Scott Rectangular Pulse Model(NSRPM)에서 생성된 데이터베이스를 기반으로 수행된다. 기상청 울산, 창원, 부산, 밀양지점의 7월 시간강우자료를 이용하여 분석을 수행하였다. 연구결과, 강우 분해기법은 강우의 주요 통계치뿐만 아니라 공간상관성도 고려할 수 있는 뛰어난 성능을 보여주었다. 또한, 일단위 시간해상도의 미래 기후변화 시나리오가 가지는 불확실성을 간접적으로 살펴보았다. 강우 분해기법은 미래 기후변화 시나리오에 적용된다면 효과적인 미래 유역관리에 도움이 되리라 기대된다.

Abstract ▼ AI-Helper

In this study, rainfall data with various temporal scales (3-, 6-, 12-, 24-hr) are disaggregated into 1-hourly rainfall data to evaluate the performance of rainfall disaggregation technique. The rainfall disaggregation technique is based on a database generated by the stochastic point rainfall model, the Neyman-Scott Rectangular Pulse Model (NSRPM). Performance evaluation is carried out using July rainfall data of Ulsan, Changwon, Busan and Milyang weather stations in Korea. As a result, the rainfall disaggregation technique showed excellent performance that can consider not only the major statistics of rainfall but also the spatial correlation. It also indirectly shows the uncertainty of future climate change scenarios with daily temporal scale. The rainfall disaggregation technique is expected to disaggregate the future climate change scenarios, and to be effective in the future watershed management.

주제어

표/그림 (6)

그림 Fig. 1. Location of meteorological stations used in the study.
그림 Fig. 2. Performance evaluation on mean of disaggregated rainfall.
그림 Fig. 3. Performance evaluation on variation of disaggregated rainfall.
그림 Fig. 4. Frequency analysis of disaggregated rainfall : 30yr Return Period.
그림 Fig. 5. Correlation analysis of disaggregated rainfall.
그림 Fig. 6. Frequency analysis of disaggregated rainfall : Nakdong estuary basin.

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 다양한 시간해상도로 개발되는 기후변화 시나리오를 고려하여, 관측된 시간강우자료를 시간해상도(3-, 6-, 12-, 24-hr)별로 강우자료를 구축하고, 이를 Lee and Kim(2018)에 의해 개발된 강우 분해기법을 사용하여 시간 강우자료로 분해하여 강우 분해기법의 성능을 분석하고자 한다.

가설 설정

강우 분해는 계산시간의 효율을 위해 강우사상 별로 수행하게 되며 장기간의 강우 자료로부터 개별적인 강우사상의 분리를 위해 IETD (Inter Event Time Definition)의 개념을 적용하였다. IETD는 강우 사상을 분리하는 최소한의 무강우 시간으로 정의 될 수 있으며, 본 연구에서는 3-, 6-, 12-hr 강우량은 12시간, 24-hr 강우량은 1일로 가정하여 강우사상을 분리하였다. 분리된 강우사상별 강우 분해과정은 다음과 같다.
NSRPM의 매개변수 추정이 완료되면 사용자는 대상 지점의 관측강우량의 통계적 특성을 재현하는 시간단위 강우시계열을 원하는 기간만큼 생산할 수 있다. 강우 분해기법은 장기간의 합성시계열을 생성한다면 관측 강우량을 흡사하게 재현하는 시계열이 생성될 것이라는 가정을 기반으로 한다. 본 연구에서는 지점별 그리고 시간해상도별로 6,000년의 합성시계열을 생성하여 데이터베이스를 구축하였다.
강우발생이 매우 장기간 연속되는 경우는 데이터베이스로부터 동일한 강우발생 순서를 획득하는 것이 현실적으로 매우 어렵게 된다. 이러한 경우에는 2개 이상의 강우사상이 중첩되었다고 가정하여 추가적으로 분리한 뒤, 분해를 수행하였다. 또한, 한 번 사용된 합성시계열은 데이터베이스에서 제외하여 동일한 시계열이 사용되는 것을 방지하였다.

제안 방법

본 연구에서는 낙동강 하구언 유역에 인접한 기상청 울산, 창원, 부산, 밀양지점의 강우자료를 사용하였다. 1981년부터 2010년까지 30년간의 강우자료 중 강우가 가장 많이 발생하는 7월 시간강우자료를 이용하여, 다양한 시간해상도(3-, 6-, 12-, 24-hr)별로 집성하여 기상자료를 구축하였다. 단, 창원 지점의 경우 1985년부터 관측이 시작되어 26년간의 시간강우자료를 활용하였다.
본 연구에서는 강우세포의 강도가 일반적인 적용되는 지수 분포가 아닌 3-변수 혼합 지수분포를 따른다고 가정하여 개선된 NSRPM이 적용된다. 따라서, 본 연구에서 사용되는 NSRPM는 기존의 5개가 아닌 7개의 매개변수를 가진다.
강우 분해기법은 장기간의 합성시계열을 생성한다면 관측 강우량을 흡사하게 재현하는 시계열이 생성될 것이라는 가정을 기반으로 한다. 본 연구에서는 지점별 그리고 시간해상도별로 6,000년의 합성시계열을 생성하여 데이터베이스를 구축하였다. 강우 분해는 계산시간의 효율을 위해 강우사상 별로 수행하게 되며 장기간의 강우 자료로부터 개별적인 강우사상의 분리를 위해 IETD (Inter Event Time Definition)의 개념을 적용하였다.
6과 같다. 빈도해석은 L-moment 법을 이용한 GEV 분포를 사용하였으며, 10년 및 30년 빈도에 대해 살펴보았다. 공간적인 상관관계를 고려하지 못하는 NSRPM의 결과는 과소 추정되는 것을 확인할 수 있다.
공간상관성이 확보된다면 유역평균강우량을 계산하여 활용할 수 있게 된다. 울산, 창원, 부산, 밀양지점의 강우가 영향을 미치는 낙동강 하구언 유역에 대한 유역평균강우량을 산정하기 위해 티센망을 구축하였으며, 지점별로 울산(0.1026), 창원(0.0634), 부산(0.5208), 밀양(0.3132)의 가중치를 적용하였다. 낙동강 하구언 유역의 빈도해석 결과는 Fig.

대상 데이터

1981년부터 2010년까지 30년간의 강우자료 중 강우가 가장 많이 발생하는 7월 시간강우자료를 이용하여, 다양한 시간해상도(3-, 6-, 12-, 24-hr)별로 집성하여 기상자료를 구축하였다. 단, 창원 지점의 경우 1985년부터 관측이 시작되어 26년간의 시간강우자료를 활용하였다.
본 연구에서는 낙동강 하구언 유역에 인접한 기상청 울산, 창원, 부산, 밀양지점의 강우자료를 사용하였다. 1981년부터 2010년까지 30년간의 강우자료 중 강우가 가장 많이 발생하는 7월 시간강우자료를 이용하여, 다양한 시간해상도(3-, 6-, 12-, 24-hr)별로 집성하여 기상자료를 구축하였다.

이론/모형

본 연구에서는 지점별 그리고 시간해상도별로 6,000년의 합성시계열을 생성하여 데이터베이스를 구축하였다. 강우 분해는 계산시간의 효율을 위해 강우사상 별로 수행하게 되며 장기간의 강우 자료로부터 개별적인 강우사상의 분리를 위해 IETD (Inter Event Time Definition)의 개념을 적용하였다. IETD는 강우 사상을 분리하는 최소한의 무강우 시간으로 정의 될 수 있으며, 본 연구에서는 3-, 6-, 12-hr 강우량은 12시간, 24-hr 강우량은 1일로 가정하여 강우사상을 분리하였다.
4는 다양한 시간해상도의 강우자료를 1시간 강우자료로 분해한 결과를 바탕으로 빈도해석을 수행한 결과이다. 방재 성능목표 설정을 위해 사용되는 30년 빈도에 대해 살펴보았으며, 빈도해석은 L-moment 법을 이용한 GEV 분포를 사용하였다. 결과를 살펴보면, 03-, 06-hr 강우량 자료의 분해결과가 관측자료의 확률강우량을 지속시간에 대해 우수하게 재현하는 것을 확인할 수 있다.
목적함수(f)를 최소화 하는 최적 합성시계열이 탐색되더라도 목표시계열의 합계를 완벽히 재현하는 것은 실질적으로 불가능하며 이에 따라 조정 절차(adjusting procedure)을 거치게 된다. 본 연구에서는 Lee and Kim(2018)이 사용한 비례 조정(proportional adjusting)절차를 사용하였으며, 이에 대한 식은 아래와 같다.

성능/효과

1) 강우 분해기법을 적용할 입력자료로부터 1시간 강우량의 평균(\(E[Y_i^{1h}]\)), 24hr 강우량의 분산(\(Var[Y_i^{24h}]\)), 24-hr 단위(즉, 일단위) 자료에서 강우에서 강우로 이어지는 전이확률(\(\phi_{\omega \omega}(24h)\)), 일단위 자료에서 무강우에서 무강우로 이어지는 전이확률(\(\phi_{dd}(24h)\)), 일단위 자료의 무강우확률(\(\phi(24h)\))을 계산함. \(E[Y_i^{1h}]\)는 입력자료의 평균을 입력자료의 시간해상도로 나누어서 쉽게 구할 수 있으며, 본 연구에서는 가장 낮은 해상도를 가진 입력자료가 24-hr으로 나머지 통계치도 쉽게 계산 할 수 있음.
하지만 TS 12-, 24hr 분해결과는 상대적으로 재현성이 떨어지며, 평균과 마찬가지로 창원지점의 경우 많은 오차가 발생함을 알 수 있다. NSRPM 결과는 집성시 간 24시간 이하에서는 TS- 24hr 분해 결과에 비해 좋은 성능을 보였으나, 집성시간이 길어질수록 비슷하거나 재현능력이 떨어지는 것으로 확인할 수 있다.
방재 성능목표 설정을 위해 사용되는 30년 빈도에 대해 살펴보았으며, 빈도해석은 L-moment 법을 이용한 GEV 분포를 사용하였다. 결과를 살펴보면, 03-, 06-hr 강우량 자료의 분해결과가 관측자료의 확률강우량을 지속시간에 대해 우수하게 재현하는 것을 확인할 수 있다. NSRPM은 확률강우량을 상대적으 로 과대 추정하는 결과를 보여주었다.
평균은 강우시계열에서 0값을 제외하고 계산한 것으로, 이는 조정절차를 거침에 따라 0값을 포함하는 강우량의 평균은 완벽하게 재현하기 때문이다. 결과를 살펴보면, 전반적으로 우수하게 관측 시간강우량의 통계적 특성을 재현하는 것을 살펴볼 수 있다. 또한, NSRPM은 TS-24hr 분해 결과와 거의 일치하는 결과를 보여주었나 분해결과가 상대적으로 재현성이 떨어지며, 특히 창원지점의 경우 많은 오차가 발생함을 알 수 있다.
시간해상도에 따른 결과를 살펴보면 24-hr 강우량 자료의 분해결과가 지속시간 6에서 60시간 구간에서 재현능력 이 떨어지는 것을 제외하면 대체적으로 우수한 재현능력을 보여주었다. 또한, 03-, 06-hr 강우량 자료의 분해결과는 큰 차이를 나타내지 않으며 모두 우수한 결과를 나타냈다.
결과를 살펴보면, 전반적으로 우수하게 관측 시간강우량의 통계적 특성을 재현하는 것을 살펴볼 수 있다. 또한, NSRPM은 TS-24hr 분해 결과와 거의 일치하는 결과를 보여주었나 분해결과가 상대적으로 재현성이 떨어지며, 특히 창원지점의 경우 많은 오차가 발생함을 알 수 있다. 이는 NSRPM의 한계도 일부 존재하겠지만, 지역의 강우 특성을 고려하지 않고 모든 지점에 대해 동일한 방법이 적용되었기 때문으로 판단된다.
그림을 살펴보면, 강우 분해기법이 적용되지 않은 NSRPM의 시간강우량은 0에 가까운 교차상관계수를 나타냄에 따라 공간적인 상관관계를 전혀 고려하지 못하는 것을 확인할 수 있다. 또한, 입력자료의 시간해상도가 공간상관성에 큰 영향을 미치는 것을 확인할 수 있는데, 03-, 06-hr 강우량 자료의 분해결과는 큰 차이를 나타내지 않았다.
본 연구에서는 이러한 강우 분해기법의 성능평가를 수행하기 위해 울산, 창원, 부산, 밀양지점의 관측 시간강우자료를 이용하여 다양한 시간해상도(3-, 6-, 12-, 24-hr)로 강우자료를 구축하고, 이를 시간단위 분해한 결과 강우 분해기법은 강우의 주요 통계치뿐만 아니라 공간상관성도 고려할 수 있는 뛰어난 성능을 보여주었다. 분해된 강우량을 바탕으로 강우의 주요 통계치인 평균, 분산 및 빈도해석 결과는 전반적으로 우수한 재현능력을 보여주었으며, 일반적으로 집성시간이 작을수록 좋은 결과가 도출되는 타당한 결과가 도출되었다.
본 연구에서는 이러한 강우 분해기법의 성능평가를 수행하기 위해 울산, 창원, 부산, 밀양지점의 관측 시간강우자료를 이용하여 다양한 시간해상도(3-, 6-, 12-, 24-hr)로 강우자료를 구축하고, 이를 시간단위 분해한 결과 강우 분해기법은 강우의 주요 통계치뿐만 아니라 공간상관성도 고려할 수 있는 뛰어난 성능을 보여주었다. 분해된 강우량을 바탕으로 강우의 주요 통계치인 평균, 분산 및 빈도해석 결과는 전반적으로 우수한 재현능력을 보여주었으며, 일반적으로 집성시간이 작을수록 좋은 결과가 도출되는 타당한 결과가 도출되었다. 하지만 창원은 집성시간 6시간 이하의 통계치가 상대적으로 과대 추정되었다.
이러한 한계점은 NSRPM의 매개 변수 추정방법을 보완한다면 어느 정도 해결할 수 있으리라 판단된다. 빈도해석 결과는 24-hr, 즉 일-단위 강우자료를 시간-단위로 분해할 경우 모든 지점에 대한 확률강우량이 과다 추정됨을 확인할 수 있었다. 이러한 오차는 지점간의 교차상관 계수분석과 유역빈도해석 결과에서 보다 명확히 확인할 수 있다.
3은 강우량의 분산을 집성시간별로 살펴본 결과로 마찬가지로 0값을 제외하고 분산을 계산하였다. 울산, 밀양 지점에 비해 창원과 부산지점의 분산은 전반적으로 높으며, 강우 분해결과도 이러한 지점별 통계적 특성을 잘 반영하고 있는 것을 확인할 수 있다. 하지만 TS 12-, 24hr 분해결과는 상대적으로 재현성이 떨어지며, 평균과 마찬가지로 창원지점의 경우 많은 오차가 발생함을 알 수 있다.

후속연구

앞서 언급한 바와 같이 본 연구에서는 모든 기상지점에 대해 동일한 방법론이 적용되었으나 물리적으로 가까운 기상지점이더라도 지리 및 기후에 따라 강우의 통계적 특성이 달라질 수 있다. 따라서 대상 지점의 특성에 맞는 매개변수 추정 혹은 데이터베이스 구축에 대한 연구도 추가적으로 수행되어야 하리라 판단된다. 또한 집성시간에 따른 별다른 경향성이 확인되지 않음에 따라 보다 많은 기상지점에 대한 연구가 수행되어야 할 것이다.
따라서 대상 지점의 특성에 맞는 매개변수 추정 혹은 데이터베이스 구축에 대한 연구도 추가적으로 수행되어야 하리라 판단된다. 또한 집성시간에 따른 별다른 경향성이 확인되지 않음에 따라 보다 많은 기상지점에 대한 연구가 수행되어야 할 것이다.
최근 생산된 3-hr 단위 시간해상도를 가지는 기후변화 시나리오는 강우 분해기법을 통해 의미 있는 결과가 도출될 수 있으리라 생각되며, 이를 통해 효과적인 미래 유역 수문분석이 가능할 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	상세화 기법은 무엇을 위해 개발되었는가?	상세화 기법은 기후변화 시나리오와 영향 평가를 위해 요구되는 해상도 간의 간극을 해결하기 위해 개발되었다. 상세화 기법은 일반적으로 대규모 스케일의 기상 현상이 지역적 기상 현상에 큰 영향을 미친다는 가정을 기반으로 하며, 지역 규모의 기상현상이 지구 규모에 미치는 역 효과는 무시하게 된다(Maraun et al.
	다양한 시간해상도(3-, 6-, 12-, 24-hr)를 가지는 강우자료를 1-hr 강우자료로 분해하여 강우 분해기법의 성능을 평가하기 위하여 기상청 울산, 창원, 부산, 밀양지점의 7월 시간강우자료를 이용하여 분석 한 결과는?	기상청 울산, 창원, 부산, 밀양지점의 7월 시간강우자료를 이용하여 분석을 수행하였다. 연구결과, 강우 분해기법은 강우의 주요 통계치뿐만 아니라 공간상관성도 고려할 수 있는 뛰어난 성능을 보여주었다. 또한, 일단위 시간해상도의 미래 기후변화 시나리오가 가지는 불확실성을 간접적으로 살펴보았다. 강우 분해기법은 미래 기후변화 시나리오에 적용된다면 효과적인 미래 유역관리에 도움이 되리라 기대된다.
	전 지구기후모형은 무엇을 위한 중요한 도구인가?	기후변화가 전 지구적 강우량의 변화에 영향을 줄 것이라는 것은 널리 알려진 사실이다. 전 지구기후모형(Global Climate Model, GCM)은 기후 변화 시나리오에 대한 강우량을 추정하기 위한 가장 중요한 도구이지만 작은 공간스케일의 적용에는 어려움이 있다(Eden et al., 2014).

참고문헌 (11)

Chadwick, R., Coppola, E. and Giorgi, F. (2011) An artificial neural network technique for downscaling GCM outputs to RCM spatial scale, Nonlin. Processes Geophys., 18, pp. 1013-1028, [DOI: 10.5194/npg-18-1013-2011].

상세보기
Choi, C., Cho, S., Park, M.J., and Kim, S. (2012) Overflow risk analysis for designing a nonpoint sources control detention, Water Environ Res., 84(5), pp. 434-440, [DOI: https://doi.org/10.2175/106143012X13373550426959].

상세보기
Eden, J. M., M. Widmann, D. Maraun, and M. Vrac (2014), Comparison of GCM- and RCM-simulated precipitation following stochastic postprocessing, J. Geophys. Res. Atmos., 119, pp. 11,040-11,053, [DOI: 10.1002/2014JD021732].

상세보기
Kim, K., Choi, J. Lee, J. and Kim, S. (2018) Effect of RCM Temporal Resolution on Estimating Future IDF Curves, J. Korean Soc. Hazard Mitig., 18(4), pp. 341-352, [DOI: https://doi.org/10.9798/KOSGAM.2018.18.4.341].

상세보기
Kim, S., and Han, S. (2010) Urban stormwater capture curve using three-parameter mixed exponential probability density function and NRCS runoff curve number method, Water Environ Res., 82(1), pp. 43-50, [DOI: https://doi.org/10.2175/106143009X447939].

상세보기
Kossieris, P., Makropoulos, C. , Onof, C. and Koutsoyiannis, D. (2018) A rainfall disaggregation scheme for sub-hourly time scales: Coupling a Bartlett-Lewis based model with adjusting procedures, J. of Hydrology, 556, pp. 980-992, [DOI: http://dx.doi.org/10.1016/j.jhydrol.2016.07.015].

상세보기
Koutsoyiannis, D. and Onof, C. (2001) Rainfall disaggregation using adjusting procedures on a Poisson cluster model, J. of Hydrology. 246(1-4), pp. 109-122, [DOI: https://doi.org/10.1016/S0022-1694(01)00363-8].

상세보기
Lee, J. and Kim, S. (2018) Temporal Disaggregation of Daily Rainfall data using Stochastic Point Rainfall Model, J. Korean Soc. Hazard Mitig., 18(2), pp. 493-503, [DOI: https://doi.org/10.9798/KOSGAM.2018.18.2.493].

상세보기
Lee, O., Choi, J., Jang, S. and Kim, S. (2017) Application of Stochastic Point Rainfall Model for Temporal Downscaling of Daily Precipitation Data. J. Korean Soc. Hazard Mitig., 17(1), pp. 323-337, [DOI: https://doi.org/10.9798/KOSHAM.2017.17.1.323].

상세보기
Lombardo, F., Volpi, E., and Koutsoyiannis, D. (2012). Rainfall downscaling in time: Theoretical and empirical comparison between multifractal and Hurst-Kolmogorv discrete random cascades, Hydrological Sciences Journal, 57(6), pp. 1052-1066, [DOI: 10.1080/02626667.2012.695872].

상세보기
Maraun, D., Wetterhall, F., Ireson, A., Chandler, R., Kendon, E., Widmann, M., Brienen, S., Rust, H., Sauter, T., Themesl, M., Venema, V., Chun, K., Goodess, C., Jones, R., Onof, C., Vrac, M., and Thiele-Eich, I. (2010) Precipitation downscaling under climate change: Recent developments to bridge the gap between dynamical models and the end user, Rev. Geophys., 48, RG3003, [DOI: 10.1029/2009RG000314].

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