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
- , 2016). 따라서 본 연구는 전국에 있는 기상관측소 중에서 고도가 200m 이상인 산악지역에 분포하고 있는 산악기상관측소의 거리 및 밀도 등의 공간분포 특성과 연도별 공간 변화를 분석하였다.
- 본 연구는 최저 고도가 200m 이상인 산림 또는 산악지역 내에 위치하고 있는 AWS의 공간적인 분포 특성을 분석하고자 남한 전역을 대상지로 선정하였다. 공간분포 특성을 분석하기 위한 연구 자료는 기상청에서2016년까지 28개 기관을 대상으로 AWS 시설 및 관측자료의 품질 평가를 수행한 결과에 따라 ‘우수(80점이상)’ 등급을 부여 받은 기상청, 산림청, 농촌진흥청,환경부의 AWS 지점별 메타정보를 수집하였다.
- 본 연구는 품질평가 등급이 우수한 4개 기관에서 운영하고 있는 990개의 AWS 중에서 고도가 200m 이상인 산악지역에 분포하고 있는 산악기상관측소의 공간 분포 특성과 연도별 공간변화를 분석하였다. 공간분포 특성분석을 위해 2012년부터 2016년까지 203개의 산악기상관측망을 대상으로 유클리디안 거리 분석, 최근 린지수 분석, 커널밀도 분석 방법으로 공간분석을 수행하였다.
- 본 연구에서는 우수한 품질등급과 신뢰성이 확보된 4개 기관(기상청, 산림청, 농촌진흥청, 환경부)의 AWS 중에서 고도가 200m 이상인 산악지역에 분포하고 있는 산악기상관측망의 거리 및 밀도 등의 공간분포 특성과 연도별 공간분포 변화를 분석하였다.
제안 방법
- 30m 공간해상도인 DEM 자료는 고도 간격을 100m로 설정하여 고도가 200m 이상인지형 정보를 재분류함으로써 래스터 자료를 산출하고폴리곤 형식으로 변환하였다.
- 30m 공간해상도인 DEM 자료는 고도 간격을 100m로 설정하여 고도가 200m 이상인지형 정보를 재분류함으로써 래스터 자료를 산출하고폴리곤 형식으로 변환하였다. 고도가 200m 이상으로추출된 DEM 자료는 산림지역에 있는 AWS 지점과중첩하여 고도가 200m 이상으로 산악지역에 위치하고 있는 산악기상관측소의 위치 정보를 추출하였다. 참고로 고도가 200m 이상인 AWS 지점을 추출하는 과정에서 지점별 속성 정보에 포함된 GPS 측정고도값은 DEM 고도정보와 서로 간의 오차가 발생하였지만, 본 연구에서는 휴대용 GPS에 따라 측정 고도의편차가 발생하는 점을 감안하여 DEM 고도를 기준으로 산악기상관측소의 공간특성 분석을 수행하였다
- 고도가 200m 이상인 전국의 산악지역에 분포하고 있는 산악기상관측소를 대상으로 최근 5년간(2012~2016년) 시⋅공간적으로 분포되는 경향을 파악하기 위하여 통상적으로 사용하는 ArcGIS 공간분석 툴 중의 하나인 커널 밀도(Kernel density) 방법으로 분석을 수행하였다.
- 본 연구는 품질평가 등급이 우수한 4개 기관에서 운영하고 있는 990개의 AWS 중에서 고도가 200m 이상인 산악지역에 분포하고 있는 산악기상관측소의 공간 분포 특성과 연도별 공간변화를 분석하였다. 공간분포 특성분석을 위해 2012년부터 2016년까지 203개의 산악기상관측망을 대상으로 유클리디안 거리 분석, 최근 린지수 분석, 커널밀도 분석 방법으로 공간분석을 수행하였다. 평균거리 분석 결과, 2012년(3개 기관)은 29.
- 최종적으로 추출한 산악기상관측 지점은 2012년부터 2016년까지 기관별 설치 년도를 기준으로 분류하였다. 그리고 연도별로 산악기상관측 지점 간의 평균거리와 공간적인 밀도의 변화를 분석하였다. 이와 같이 고도가 200m 이상인 산악지역에 분포하고 있는AWS의 추출과 공간특성 분석에 대한 일련의 과정은Fig.
- 그리고 최근린 분석을 위해 연도별에 따라 산악 지역에 분포하고 있는 기상관측망의 공간적인 군집화 정도를 점간의 관측된 평균 최근린거리를 기대되는 평균 최근린거리로 나누어 최근린지수(R, Nearest neighbor index)를 계산하였다.
- 이 과정은 AWS의 공간적인 위치의 정확도를 확보하고 검증하기 위한 가장 기본적인 과정으로 점 데이터에 대한 공간특성분석 결과에 신뢰성을 줄 수 있는 중요한 요소이다.다음으로 990개 지점 중에서 산림지역에 포함되는AWS를 추출하기 위하여 1:25,000 수치임상도와 중첩분석을 수행하였다. 30m 공간해상도인 DEM 자료는 고도 간격을 100m로 설정하여 고도가 200m 이상인지형 정보를 재분류함으로써 래스터 자료를 산출하고폴리곤 형식으로 변환하였다.
- 따라서 200m 이상의 고도로 산악지역에 분포하고 있는 연도별 산악기상관측 지점들은 유클리디안 거리 분석에 입력자료로 사용하여 지점 간의 최대거리는 남한 전역을 대상으로 설정하고 1km×1km 공간해상도로 연도별 거리분석 래스터 자료를 산출하였다.
- 따라서 본 연구는 고도가 200m 이상인 산악기상관측망의 지점별 추출 정보를 입력자료로 사용하여 분석 반경을 남한 전역의 범위로 설정하여 1km 공간해상도로 밀도분석을 수행하였다. 또한 연도별로 공간분포 밀도가 래스터 형식으로 산출됨에 따라 면적의 단위는 산림분야에서 사용하는 ha(Hectare)로 설정하여 밀도 분석을 수행하였다.
- 따라서 본 연구는 고도가 200m 이상인 산악기상관측망의 지점별 추출 정보를 입력자료로 사용하여 분석 반경을 남한 전역의 범위로 설정하여 1km 공간해상도로 밀도분석을 수행하였다. 또한 연도별로 공간분포 밀도가 래스터 형식으로 산출됨에 따라 면적의 단위는 산림분야에서 사용하는 ha(Hectare)로 설정하여 밀도 분석을 수행하였다.
- 본 분석은 고도가 200m 이상으로 산악지역 내에서 수직적으로 다양한 고도 정보를 가지고 있는 AWS 중에서 지점 간의 이격거리에 따라 시⋅공간적으로 어떻게 거리가 변화되고 있는지를 분석하고자 ArcGIS를 활용하여 연도별(2012∼2016년) 및 9개 권역별(서울⋅경기, 강원, 충북, 대전⋅세종⋅충남, 대구⋅경북, 부산⋅울산⋅경남, 전북, 광주⋅전남, 제주)로 AWS를 분류하여 분석하였다.
- 산림지역 내에 위치하고 있는 AWS의 공간 정보를 추출하기 위하여 산림청에서 제공하는 1:25,000 수치임상도(침엽수, 활엽수, 혼효림)를 이용하여 공간 분석에 활용하였다. 마지막으로 고도가 200m 이상인 AWS의 지형정보를 추출하기 위하여 30m 공간해상도인 수치표고모델(DEM, Digital Elevation Model)을 분석자료로 사용하였다.
- 연도별로 고도가 200m 이상인 산악지역에 분포하는 산악기상관측망의 공간분포 밀도분석을 위해 30m 해상도의 1초 DEM 자료와 수치임상도(1:25,000)를 활용하 여고도 범위가 200∼1,939m인 산악지역의 면적을 18개 구간(100m 등간격)으로 산출하였다.
- 고도가 200m 이상으로추출된 DEM 자료는 산림지역에 있는 AWS 지점과중첩하여 고도가 200m 이상으로 산악지역에 위치하고 있는 산악기상관측소의 위치 정보를 추출하였다. 참고로 고도가 200m 이상인 AWS 지점을 추출하는 과정에서 지점별 속성 정보에 포함된 GPS 측정고도값은 DEM 고도정보와 서로 간의 오차가 발생하였지만, 본 연구에서는 휴대용 GPS에 따라 측정 고도의편차가 발생하는 점을 감안하여 DEM 고도를 기준으로 산악기상관측소의 공간특성 분석을 수행하였다
- 최종적으로 추출한 산악기상관측 지점은 2012년부터 2016년까지 기관별 설치 년도를 기준으로 분류하였다. 그리고 연도별로 산악기상관측 지점 간의 평균거리와 공간적인 밀도의 변화를 분석하였다.
대상 데이터
- 따라서 본 연구에서는 Yoon et al.(2016)이 제시한 산악기상관측망의 최적 입지 선정을 위한 산악지역의 최저 고도 기준을 200m로 설정한 연구 사례를 토대로 분석하였다.
- 이러한 AWS 지점들 중에서 고도가 200m 이상으로 산악지역에 분포하고 있는 지점들을 추출하였다. 공간분포 특성을 분석하기 위한 기본 자료는 990개 지점의 주소와 좌표 정보를 활용하여 공간 자료화에 사용하였다.
- 공간분포 특성을 분석하기 위한 연구 자료는 기상청에서2016년까지 28개 기관을 대상으로 AWS 시설 및 관측자료의 품질 평가를 수행한 결과에 따라 ‘우수(80점이상)’ 등급을 부여 받은 기상청, 산림청, 농촌진흥청,환경부의 AWS 지점별 메타정보를 수집하였다.
- 3점 순으로 4개 정부 기관이 높은 평가점수를 받았다(Korea MeteorologicalAdministration, 2016). 따라서 본 분석을 위해 수집한4개 기관의 AWS 지점 수는 Table 1과 같이 총 990개지점으로 기상청이 599개소, 산림청 156개소, 농촌진흥청 192개소, 환경부 43개소이다. 이러한 AWS 지점들 중에서 고도가 200m 이상으로 산악지역에 분포하고 있는 지점들을 추출하였다.
- 먼저 4개 기관(기상청, 산림청, 농촌진흥청, 환경부)에서 운영하고 있는 990개의 AWS 중심점 좌표와 주소 정보에 대한 공간적인 일치 여부를 1차적으로 확인하고자 ArcGIS Ver.9.3을 활용하여 세계측지계(ITRF2000, International Terrestrial ReferenceFrame) 좌표체계로 변환하여 속성정보(지점명, 지점번호, 설치년도, 운영기관, 주소, 고도, 기상관측 항목)들이 포함된 점 데이터를 생성하였다. 이 과정은 AWS의 공간적인 위치의 정확도를 확보하고 검증하기 위한 가장 기본적인 과정으로 점 데이터에 대한 공간특성분석 결과에 신뢰성을 줄 수 있는 중요한 요소이다.
이론/모형
- 산악기상관측 지점간의 거리 분석을 위해서는 가장 보편적인 거리분석 방법 중에 하나인 두 지점 간의 거리를 계산하는 유클리디안(Euclidean distance) 기법으로 공간분석을 수행하였다.
- 산림지역 내에 위치하고 있는 AWS의 공간 정보를 추출하기 위하여 산림청에서 제공하는 1:25,000 수치임상도(침엽수, 활엽수, 혼효림)를 이용하여 공간 분석에 활용하였다. 마지막으로 고도가 200m 이상인 AWS의 지형정보를 추출하기 위하여 30m 공간해상도인 수치표고모델(DEM, Digital Elevation Model)을 분석자료로 사용하였다. 본 논문에서는 고도가 200m 이상인산악지역에 분포하고 있는 산악형 AWS를 산악기상관측소(AMOS, Automatic Mountain MeteorologyObservation Station)이라고 정의한다.
- 또한 점들간에 위치하고 있는 거리를 기준으로 가중치를 부여함으로써 밀도를 계산하는데 이는 공간적으로 가까운 곳에 위치한 지점이 멀리 떨어진 곳에 위치한 지점보다 높은 가중치를 주어 밀도를 계산하는 방식이다. 커널 밀도 함수는 일정한 분석 반경 안에서 포함하는 점 데이터 밀도를 측정함으로써 미모수 추정을 위한 다양한 커널 함수 중에서 Silverman(1986)이 제시한 커널함수(K)를 적용하였고 식은 다음과 같다.
성능/효과
- 2(a)), 서울과 인천을 포함한 경기 권역에서 16.8%(166개소)로 가장 높은 비율로 도시생활권 주변에 집중되었으며 다음으로 강원(15.4%, 152개소), 대구⋅경북(14.2%, 141개소), 전남(14.0%, 139개소) 권역 순으로 분포하였다.
- 2012년부터 2016년까지 4개 기관을 대상으로 밀도분석을 수행 결과, 2012년은 129,719ha/1개소, 2013년 90,917ha/1개소, 2014년 71,342ha/1개소, 2015년 58,875ha/1개소, 2016년은 50,914ha/1개소로 연도별로 산악기상관측망의 공간분포 밀도가 높아지는 것으로 분석되었다(Table 4).
- 2012년부터 2016년까지 고도가 200m 이상인 산악지역에 기상관측지점이 증가함에 따라 연도별로 산악기상관측망의 군집분포 양상을 비교하고자 최근 린 분석을 수행한 결과, Table 3과 같이 연도별 최근 린지수(R)가 0.666632∼0.811237이었으며, 군집화 범위인 Z-score 검정 결과는 -4.372239∼-5.145115, 통계적 유의수준 P-value(P<0.01)로 매우 유의한 것으로 나타났다.
- 9개 권역별 면적 대비 지점의 수는 제주 권역이 27.6㎢/개소로 가장 많이 밀집되어 분포하는 것으로 나타났고, 다음으로 서울⋅경기 권역이 71.39㎢ /개소로 나타났다.
- 고도가 200m 이상인 산림 또는 산악 지역 내에 분포하고 있는 203개의 산악기상관측망 지점을 2012년부터 2016년까지 설치 연도에 따라 6가지 경우(2012년 산림청을 제외한 3개 기관, 2012년∼2016년 4개 기관)로 분류하여 지점 간의 평균 거리 공간분포 변화 를 유클리디안 거리분석 방법으로 수행한 결과, 3개 기관(기상청, 농촌진흥청, 환경부)의 지점들을 분석한 2012년은 47개 지점 간의 평균 거리가 약 29.0km, 2012년 4개 기관의 AWS 지점(79개소)의 평균 거리가 약 26.6km로 산림청의 산악기상관측소가 30개가 산악지역에 추가됨에 따라 약 2.4km의 감소 효과가 있는 것으로 분석되었다.
- 공간 자료화된 990개의 AWS 지점을 대상으로 임상도와 중첩한 결과, 전국에 분포하고 718개소(72.5%)가 산림지역에서 제외되면서 272개소(27.5%)가 산림 지역 내에 분포하는 것으로 분석되었다. 산림지역 내에 기관별 AWS 분포율은 산림청이 절반 이상인 57.
- 공간적인 분포 특성 분석을 위해서 203개의 산악기상 관측망을 대상으로 최근린 지수와 커널 밀도 분석을 수행한 결과, 연도별 최근린지수(R)가 0.666632∼ 0.811237였으며, 군집화 범위인 Z-score 검정 결과는 –4.372239∼-5.145115, 통계적 유의수준 P-value(P<0.01)로 매우 유의하여 2012∼2016년 산악기상관측망의 공간분포가 군집화 패턴으로 나타났다.
- 다음으로 고도 300∼ 400m는 841,256ha(21.2%)이었고, 고도가 100m씩 증가함에 따라 300∼600m에서는 평균적으로 4.8%씩 감소하였고 600m 이상부터는 0.6%씩 감소하는 것으로 나타났다.
- 따라서 산악지역의 고도가 200∼400m인 분포 비율이 약 49.6%로 절반 수준을 차지하는 것으로 분석되었다.
- 따라서 연도별 산악기상관측망의 공간분포 양상은 Z-score가 -2.58 이상으로 통계적으 로 유의 수준(p<0.01) 하에서 군집화(Clustered)되어 분포하는 경향을 나타내는 것으로 분석되었고, 연도별로 시간이 흘러감에 따라 최근린지수가 약 0.14 정 도 증가하여 군집화 분포 양상에서 다소 분산화(Random)된 경향을 보였다.
- 3%(9개소)로 분석되었다. 마지막으로 DEM 자료를 활용하여 고도가 200m 이상인 산악지역에 분포하고 있는 산악기상관측 지점을 중첩한 결과, 69개소가 제외되면서 산악기상관측소의 공간분포 특성 분석을 위한 203개소(산림청 156, 기상청 42, 농촌진흥청 4, 환경부 1개소)가 최종적으로 추출되었다(Fig. 2(b)).
- 분석 결과, 고도 정보가 200∼300m인 산악지역이 1,086,882ha(27.4%)로 가장 큰 면적을 차지하였다.
- 5km로 2012년에 대비 2016년은 평균 거리가 가장 적게 감소한 것으로 분석되었다 (Table 2). 연도별 산악기상관측소의 지점 변화에 따른 종합분석 결과, 산림청을 제외한 3개 기관을 대상으로 평균 거리를 분석한 2012년 결과 대비 2012년부터 2016년까지 전국적으로 156개의 산악기상관측망이 늘어남에 따라 지점 간의 평균 거리가 16.4km 감소하면서 산악기상관측 지점이 증가됨에 따라 거리에 대한 공간분포 효과가 나타나는 것으로 사료된다. 따라서 복잡한 지형으로 이루어진 산림 또는 산악 지역에서 일어나는 국지적⋅돌발적 기상 현상으로 야기되는 재난 및 재해 예측을 위해서는 Yoon et al.
- 연도별로 분포하고 있는 산악기상관측지점의 커널 밀도 분석을 수행한 결과, 2012년(3개 기관, 47개소)의 공간분포 밀도가 평균적으로 산악지역 1ha 내에서 0.000004539개소가 분포하는 것으로 나타났다. 이를 1개소당 면적 단위로 200m 이상인 산지 면적(ha)을 환산한 경우에는 220,313ha/1개소로 분석되었다.
- 전국에 분포하고 있는 990개의 AWS를 활용하여 고도가 200m 이상인 산악지역에 분포하고 있는 산악기상 관측망을 추출한 결과, 787개의 AWS가 제외되면서 총 203개의 산악기상관측망이 추출되었다. 산림청의 산악 기상관측망은 76.
- 평균거리 분석 결과, 2012년(3개 기관)은 29.0km, 2012년(4개 기관) 26.6km, 2013년 21.9km, 2014년 16.9km, 2015년 14.3km, 2016년은 12.6km로 2012년부터 2016년까지 16.4km가 감소하는 효과를 보였다.
후속연구
- 최근 5년간의 커널밀도 분석 결과, 2012년은 129,719ha/1개소, 2013년 90,917ha/1개소, 2014년 71,342ha/1개소, 2015년 58,875ha/1개소로, 2016년은 50,914ha/1개소로 2012년 대비 2016년은 169,399ha/1개소가 감소하면서 산악 기상관측망 공간분포 밀도가 높아진 결과를 보였다. 따라서 거리와 밀도 분석을 통해 산악기상관측망의 공간분포 특성을 종합한 결과, 백두대간을 중심으로 공간분포 밀도가 낮은 일부 지역과 경북 내륙과 경남 북서부 내륙을 중심으로 최적 입지에 산악기상관측망의 확충이 필요하며, 적정위치 선정을 위한 기초 자료로 활용이 가능하다고 사료된다.
- 따라서 본 분석 결과는 공간분포 밀도가 낮은 산악 지역을 대표할 수 있는 최적의 입지에 기상관측망을 추가로 구축할 수 있는 기초자료로 활용할 수 있을 것으로 사료된다.
- 2016년의 밀도분석 결과와 World Meteorological Organization(1994)에서 제시한 강우 관측을 위한 산악지역의 공간분포 밀도가 25,000ha/1개소인 점을 비교하면 아직까지도 산악기상관측망의 공간 밀도가 낮은 것으로 판단된다. 또한 남한 지역을 대표하는 백두대간을 따라 산악기상관측망의 공간분포 밀도가 낮은 지역과 경북 내륙과 경남 북서부 내륙을 중심으로 산악기상관측망이 추가로 구축되는 것이 필요하다고 판단된다.
- 본 분석 결과에서 공간적인 분포가 군집화에서 분산화 패턴으로 변화된 것은 연도별 흐름에 따라 산악기상관측망이 권역별로 확대되어 영향을 미친 것으로 판단되며, 2017년에 전국으로 산악기상관측망이 확충되면 공간분포 적정성 등의 평가를 위해 고도별 공간분포의 패턴 연구가 추가로 필요하다고 사료된다.
- 2(b)). 특히, 추출된 지점 중에서 산림청을 제외한 3개 기관의 AWS는 Table 1과 같이 관측 목적이 다르지만, 산림재해 방지 등 산림 분야에서도 활용 가치가 있을 것으로 판단된다. 본 연구에서는 남한의 산악기상관측망 입지 조건에 대한 산지 고도를 200m 이상으로 설정한 반면에 Kapos et al.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.