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.
제안 방법
- 가뭄 빈도해석을 수행하기 전, 본 연구에서 사용하는 측우기자료, 관측자료, 미래 기후변화 시나리오 자료의 3가지 강우량자료에 대하여 동질성 검사를 실시하였다. 계산된 F-통계량 값은 8.
- 05%내에서 ‘각 자료들은 동일한 모집단을 가진다‘는 귀무가설을 기각하였다. 따라서 3가지의 강수량 자료는 동질성을 가지지 못하므로 개별적으로 분리하여 분석을 시행하였다.
- 따라서 본 연구에서는 측우기 자료와 미래 기후변화 시나리오 자료를 활용하여 과거·현재·미래의 극한가뭄에 대한 기상학적 가뭄 위험도를 산정했으며, 과거 및 현재를 기준으로 미래의 가뭄 위험도를 비교·분석하였다.
- 따라서 본 연구에서는 측우기 자료와 미래 기후변화 시나리오 자료를 활용하여 과거·현재·미래의 극한가뭄에 대한 기상학적 가뭄 위험도를 산정했으며, 과거 및 현재를 기준으로 미래의 가뭄 위험도를 비교·분석하였다. 또한 가뭄 위험도 산정 과정에 가뭄의 지속기간과 심도를 동시에 고려하도록 코플라 함수를 적용하여 이변량 빈도해석을 실시하였다.
- 또한, 미래 가뭄 위험도의 변화를 분석하기 위하여 과거와 현재의 최대가뭄사상을 구하고 이를 기왕최대가뭄사상으로 정의했으며, 과거 기왕최대가뭄과 현재 기왕최대가뭄을 기준으로 미래에서 각각 기왕최대가뭄사상보다 지속기간, 심도 및 재현기간이 큰 가뭄에 대한 위험도를 산정하여 비교·분석하였다.
- 본 연구에서는 강수량 자료에 대한 동질성 분석을 수행한 후, 측우기 자료, 관측 자료 및 미래 기후변화 시나리오 자료 각각에 대해 임계수준 방법을 적용하여 가뭄의 특성을 산정하였다. 산정된 지속기간과 심도를 결합하기 위해 코플라 함수를 활용하여 이변량 빈도해석을 수행했으며, 그 결과인 재현기간을 바탕으로 과거, 현재, 미래의 가뭄 위험도를 분석하였다.
- 기후변화에 따른 미래의 가뭄 위험도를 정량적으로 평가하기 위해서는 과거와 현재 자료에 대한 가뭄빈도해석을 통한 가뭄위험도를 산정하고 이를 미래의 가뭄 위험도와 비교·분석하는 것이 필요하다. 본 연구에서는 과거 강수량 자료를 확보하기 위하여 측우기 기록을 활용하였다. 측우기 기록은 1770년대 이후부터 승정원일기와 일성록을 비롯한 여러 문헌에 관측기록이 남아있으며, Jhun and Moon(1997)이 승정원일기와 일성록에 기록된 강수량 자료를 바탕으로 측우기 자료(1777~1907년)를 복원하였다.
- 본 연구에서는 측우기 자료, 관측자료 및 미래 기후변화 시나리오자료를 활용하여 서울지점의 과거·현재·미래에 대한 이변량 빈도해석을 실시하였다.
- 이변량 빈도해석을 실시하기 위해서 먼저 가뭄의 지속기간과 심도에 적합한 확률분포함수를 산정해야 한다. 산정된 두 변량의 주변확률분포를 결합하기 위하여 결합확률밀도함수를 추정하고, 이를 통하여 이변량 가뭄빈도해석을 실시한다. 최근에는 결합밀도함수를 추정하기 위해서 두 변수간의 의존구조를 잘 반영하고 각각의 확률분포간의 결합 및 분리가 용이한 코플라 함수가 많이 사용되고 있다(Zhang and Singh, 2006; Wong et al.
- 본 연구에서는 강수량 자료에 대한 동질성 분석을 수행한 후, 측우기 자료, 관측 자료 및 미래 기후변화 시나리오 자료 각각에 대해 임계수준 방법을 적용하여 가뭄의 특성을 산정하였다. 산정된 지속기간과 심도를 결합하기 위해 코플라 함수를 활용하여 이변량 빈도해석을 수행했으며, 그 결과인 재현기간을 바탕으로 과거, 현재, 미래의 가뭄 위험도를 분석하였다.
- 분산분석은 요인 수에 의해 일원분산분석, 이원분산분석 및 다원분산분석으로 분류된다. 이 중 일원분산분석은 종속변수 1개에 단일독립변수를 가지며, 단일독립변수 내의 k개 집단의 표본들을 비교하여 집단 간 평균치의 차이가 유의한지 검증한다. 분산분석을 통하여 동질성 검정을 하기 위하여 k개의 각 집단에서의 모집단 분산은 동일하다는 귀무가설을 설정하고 F 검정을 실시한다.
- 측우기 자료, 관측자료 및 미래 기후변화 시나리오 자료의 가뭄사상을 추출하기 위하여, 강우량 자료를 3개월씩 누적시킨 후, 시간적순서와 상관없이 크기순으로 나열해서 얻은 경험적 누적분포함수를 각 강우량 자료에 적용하였다. 그 결과, 일반적으로 많이 사용하는 70~95% 임계수준 중 가뭄사상의 수가 SPI로 산정한 결과와 가장 가까운 70%에 해당하는 강우량을 임계수준으로 설정하였다.
대상 데이터
- , 2007), 100년 이상의 강수량 관측자료가 구축되어 있다. 따라서 본 연구의 대상지역은 과거, 현재, 미래의 강수량 자료를 확보할 수 있는 서울지역으로 선정하였다.
- 본 연구에서는 과거 강수량 자료를 확보하기 위하여 측우기 기록을 활용하였다. 측우기 기록은 1770년대 이후부터 승정원일기와 일성록을 비롯한 여러 문헌에 관측기록이 남아있으며, Jhun and Moon(1997)이 승정원일기와 일성록에 기록된 강수량 자료를 바탕으로 측우기 자료(1777~1907년)를 복원하였다.현재 강수량 자료는 기상청의 관측자료(1912~2015년)를 사용했으며, 미래 강수량 자료는 IPCC 5차 평가보고서에서 선정한 4개의기후변화 시나리오 중 현재 추세로 온실가스가 배출되는 경우를 의미하는 RCP 8.
- 측우기 기록은 1770년대 이후부터 승정원일기와 일성록을 비롯한 여러 문헌에 관측기록이 남아있으며, Jhun and Moon(1997)이 승정원일기와 일성록에 기록된 강수량 자료를 바탕으로 측우기 자료(1777~1907년)를 복원하였다.현재 강수량 자료는 기상청의 관측자료(1912~2015년)를 사용했으며, 미래 강수량 자료는 IPCC 5차 평가보고서에서 선정한 4개의기후변화 시나리오 중 현재 추세로 온실가스가 배출되는 경우를 의미하는 RCP 8.5 시나리오에 HADGEM-ES 모델을 이용하여 추정한 자료(2016~2099년)를 사용하였다(Park et al., 2013). 서울지역의 경우, 복원된 측우기 자료의 신뢰성이 인정되어 있고(Yooet al.
데이터처리
- 4.1절에서 산정된 가뭄 지속기간 및 심도의 최적분포함수를 결정하기 위해서 다양한 확률분포(exponential, normal, gamma, lognormal, Poisson, weibull, generalized extreme value, generalizedpareto)에 대해 최우도법으로 매개변수를 추정하고 x2 검정을 이용하여 적합도 검정을 실시하였다. 그 결과 측우기 자료, 관측자료 및 미래 기후변화 시나리오 자료 모두 지속기간은 지수분포가 채택되었으며, 심도는 대수정규분포가 채택되었다.
- 이 중 일원분산분석은 종속변수 1개에 단일독립변수를 가지며, 단일독립변수 내의 k개 집단의 표본들을 비교하여 집단 간 평균치의 차이가 유의한지 검증한다. 분산분석을 통하여 동질성 검정을 하기 위하여 k개의 각 집단에서의 모집단 분산은 동일하다는 귀무가설을 설정하고 F 검정을 실시한다. Eq.
- 결합된 확률분포함수에 대하여 최우도법을 활용하여 적합도 검정 및 매개변수를 추정한 결과 세 자료 모두 Frank 코플라가 최적 결합확률밀도함수로 선정되었다. 선정된 Frank 코플라 결합확률밀도함수를 바탕으로 이변량 빈도해석을 실시했으며, 그 결과를 Fig. 3에 나타내었다. Fig.
- 본 연구에서는 세 개의 서로 다른 강우량 자료를 사용하므로, 세 개의 자료가 각각의 모집단 분포를 가지고 있다는 것을 입증해야 유의미한 결과를 얻을 수 있다. 이를 위해 세 개의 강우량 자료 집단에 대한 분산분석(Analysis of variance, ANOVA)을 실시하였다.
이론/모형
- 가뭄사상을 정의하기 위해 미리 결정된 임계수준을 기준으로 활용하는 임계수준방법을 사용하였다.
- 그 결과 측우기 자료, 관측자료 및 미래 기후변화 시나리오 자료 모두 지속기간은 지수분포가 채택되었으며, 심도는 대수정규분포가 채택되었다. 또한 지속기간과 심도의 주변확률분포를 결합하기 위하여 아르키메디안 코플라(Clayton, Frank, Gumbel) 함수를 적용하였다. 결합된 확률분포함수에 대하여 최우도법을 활용하여 적합도 검정 및 매개변수를 추정한 결과 세 자료 모두 Frank 코플라가 최적 결합확률밀도함수로 선정되었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.