기상자료기반 다중선형회귀분석에 의한 농업용 저수지 월단위 저수율 예측 및 저수지 가뭄지수(RDI) 추정 Forecasting Monthly Agricultural Reservoir Storage and Estimation of Reservoir Drought Index (RDI) Using Meteorological Data Based Multiple Linear Regression Analysis원문보기
본 논문의 목적은 농업용 저수지 저수율 계측자료와 기상인자와의 다중선형회귀분석을 통해 저수율 예측 월단위 회귀식을 산정하는데 있다. 2002년부터 2016년까지의 한국농어촌공사 저수지 3,067개에 대한 저수율 관측자료와 기상청 63개 지점 관측자료를 수집하여 저수율 예측 다중선형 회귀식을 도출하였으며, 개발된 월별 회귀식에 대한 $R^2$는 0.51~0.95로 분석되었다. 또한 회귀식의 적용성 평가를 위해 9개 대표저수지에 대해 관측값과 비교한 $R^2$는 0.44~0.81로 나타났다. 회귀식을 이용하여 평년(1976-2005) 대비 저수지 가뭄지수(Reservoir Drought Index, RDI)를 산정하여 ROC 분석을 수행한 결과, 극심한 가뭄의 경우 2년(2015~2016) 평균 적중률은 0.64로 겨울의 적중률이 0.70으로 가장 높았고, 여름의 적중률이 0.58로 가장 낮게 나타났으며, 봄과 가을의 적중률은 각각 0.59, 0.68로 분석되었다. 본 연구에서 도출한 회귀식은 가용한 관측자료 및 1~3개월의 장기 기상전망자료 기반의 월단위 저수율 전망자료 생산이 가능하므로, 이를 기반으로 농업가뭄 전망정보의 생산이 가능할 것으로 판단된다.
본 논문의 목적은 농업용 저수지 저수율 계측자료와 기상인자와의 다중선형회귀분석을 통해 저수율 예측 월단위 회귀식을 산정하는데 있다. 2002년부터 2016년까지의 한국농어촌공사 저수지 3,067개에 대한 저수율 관측자료와 기상청 63개 지점 관측자료를 수집하여 저수율 예측 다중선형 회귀식을 도출하였으며, 개발된 월별 회귀식에 대한 $R^2$는 0.51~0.95로 분석되었다. 또한 회귀식의 적용성 평가를 위해 9개 대표저수지에 대해 관측값과 비교한 $R^2$는 0.44~0.81로 나타났다. 회귀식을 이용하여 평년(1976-2005) 대비 저수지 가뭄지수(Reservoir Drought Index, RDI)를 산정하여 ROC 분석을 수행한 결과, 극심한 가뭄의 경우 2년(2015~2016) 평균 적중률은 0.64로 겨울의 적중률이 0.70으로 가장 높았고, 여름의 적중률이 0.58로 가장 낮게 나타났으며, 봄과 가을의 적중률은 각각 0.59, 0.68로 분석되었다. 본 연구에서 도출한 회귀식은 가용한 관측자료 및 1~3개월의 장기 기상전망자료 기반의 월단위 저수율 전망자료 생산이 가능하므로, 이를 기반으로 농업가뭄 전망정보의 생산이 가능할 것으로 판단된다.
The purpose of this study is to estimate monthly agricultural reservoir storage with multiple linear regression model(MLRM) based on reservoir storage and meteorological data. The regression model was developed using 15 years(2002 to 2016) of 3,067 reservoirs by KRC(Korea Rural Community) and 63 met...
The purpose of this study is to estimate monthly agricultural reservoir storage with multiple linear regression model(MLRM) based on reservoir storage and meteorological data. The regression model was developed using 15 years(2002 to 2016) of 3,067 reservoirs by KRC(Korea Rural Community) and 63 meteorological stations by KMA (Korean Meteorological Administration), and the MLRM showed the determination coefficient($R^2$) of 0.51~0.95. The MLRM was applied to 9 selected reservoirs among the whole reservoirs and validated with $R^2$ of 0.44~0.81. The ROC(Receiver Operating Characteristics) analysis of Reservoir Drought Index(RDI) classified by comparing the present reservoir storage with normal year(1976~2005 average) reservoir storage showed average value of 0.64 for 2 years(2015~2016) with the highest value of 0.70 for winter period, lowest value of 0.58 for summer period. If 1 to 3 months weather forecasting data such as Glosea5 produced by KMA are applied, the predicted monthly reservoir storage from the MLRM can be a useful information for agricultural drought pre-preparation.
The purpose of this study is to estimate monthly agricultural reservoir storage with multiple linear regression model(MLRM) based on reservoir storage and meteorological data. The regression model was developed using 15 years(2002 to 2016) of 3,067 reservoirs by KRC(Korea Rural Community) and 63 meteorological stations by KMA (Korean Meteorological Administration), and the MLRM showed the determination coefficient($R^2$) of 0.51~0.95. The MLRM was applied to 9 selected reservoirs among the whole reservoirs and validated with $R^2$ of 0.44~0.81. The ROC(Receiver Operating Characteristics) analysis of Reservoir Drought Index(RDI) classified by comparing the present reservoir storage with normal year(1976~2005 average) reservoir storage showed average value of 0.64 for 2 years(2015~2016) with the highest value of 0.70 for winter period, lowest value of 0.58 for summer period. If 1 to 3 months weather forecasting data such as Glosea5 produced by KMA are applied, the predicted monthly reservoir storage from the MLRM can be a useful information for agricultural drought pre-preparation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 본 연구는 전국 수위계측기가 설치되어 관측자료가 장기간 축적된 한국농어촌공사 농업용 저수지를 대상으로 저수율 계측자료와 기상관측소에서 관측 중인 기상인자와의 다중선형회귀분석을 통해 월별 저수율 예측 회귀식을 산정하는데 목적이 있다.
본 연구에서는 최적의 회귀식 도출을 위해 Stepwise 방법을 이용하여 전월 저수율, 월 강수량, 평균, 최고, 최저 기온 및 평균풍속을 순차적으로 적용하여 회귀식에 가장 지배적인 영향을 주는 인자를 도출하고자 했다. 분석결과 6개의 독립변수를 모두 적용하였을 경우 0.
제안 방법
2015-2016년 동안의 관측자료 기반의 RDI를“관측 결과(Observed value)”로 설정하고, 해당 시점을 대상으로 계산된 가뭄지수를“예측 결과(Prediction value)”로 분류하여“가뭄(O)”과“가뭄(X)”에 의해 각각 2가지씩 분류 하였다.
다중회귀분석을 실시할 때 독립변수를 선택하는 방법은 동시입력방식(enter)과 단계입력방식(stepwise) 방식이 주로 사용되는데, 본 연구에서는 단계입력 방식을 사용하여 월 저수율을 종속변수로 기상인자 및 전월 저수율을 독립변수로 하는 회귀분석을 수행하였다.
둘째, 개발된 월저수율 추정회귀식의 적용성 평가를 위해 전국 9개의 행정구역별로 대표저수지를 선정하여 저수율을 추정하였다. 관측저수율과의 상관성 분석결과 R2는 0.
(1995)의 연구결과와 같이 일조시간과 상관관계가 있는 평균기온이 독립변수로 채택 된 것으로 생각된다. 따라서 본 연구에서는 6개의 독립변수가 모두 고려된 회귀식을 채택하여 분석하였다.
또한 2015-2016 가뭄기간에 대해 농업용 저수지 가뭄지수인 RDI를 산정하고, ROC(Receiver Operating Characteristics) 분석을 통해 산정된 전국 저수율의 시공간적 예측 능력을 평가하였다. ROC 모형은 주로 기상분야에서의 확률예보의 정성적 검증에 활용되는 기법으로(Mason, 1982), Kim and Lee(2011)는 실제 가뭄 사례와 가뭄지수와의 정량적인 평가를 위해 통계적 기법인 ROC 분석을 적용한 바 있다.
본 연구는 전국 저수율 예측정보를 생산하기위해 한국농어촌공사 저수지 3,067개에 대한 저수율 관측자료와 전국 기상관측자료 63개 지점자료를 수집하여, 저수율과 기상인자를 독립변수로 하는 저수율예측 다중선형 회귀식을 도출하였다. 최적의 회귀식 도출을 위해 단계적으로 독립변수를 선정하였고, 회귀식의 정확도 검증을 위해 관측 자료와의 상관성분석을 수행하였다.
본 연구에서는 5개의 기상관측자료와 농업용 저수지 저수율을 독립변수로 활용하여 다중선형 회귀모형을 구축하였다. 일반적으로 월단위에 비해 일단위 모의 결과가 실측치를 잘 반영하지 못하므로(Kim et al, 2018) 기상관측자료는 기상청 2002~2016년의 전국 63개 지상기상관측지점에서 얻은 일 기상관측자료를 강수는 누적, 그 외의 기상자료는 평균하여 월 기상관측자료로 가공하였고, RIMS에서 제공받은 2002~2016년의 일 농업용저수지 저수율 관측자료는 월별로 평균하여 월 농업용저수지 저수율 관측자료로 가공하였다.
본 연구에서는 전국에 분포되어 있는 3,000 여개의 농업용 저수지의 저수율 예측 회귀식을 1개의 대표 회귀식으로 나타내었다. 이는 전국적으로 활용 할 수 있는 대표 회귀식을 산정하였다고 할 수 있으나, 지역적인 기상요소나 저수율 특성을 본 대표 회귀식으로 특정 지을 수 없는 특이성이 존재 할 수 있다.
본 연구에서는 한국농어촌공사 관할 저수지 3,067개에 대한 저수율 관측자료와 기상청 지상관측소 63개 지점에 대한 기상관측자료를 수집하여 저수율과 기상인자를 독립변수로 하는 저수율 예측 다중선형 회귀식을 도출하였다. 최적의 회귀식 도출을 위해 단계적으로 독립변수를 선정 하였고, 회귀식의 정확도 검증을 위해 전국 행정구역별 대표저수지와의 관측 자료와의 상관성분석 및 저수지가뭄지수 RDI를 산정하여 상관성 분석을 수행하였다(그림 1).
예측된 저수율의 정확도 평가를 위해 저수지가뭄지수(Reservoir Drought Index, RDI)를 산정하여 관측 자료와의 예측정확도 분석을 수행하였다. RDI는 다음과 같은 수식으로 산정된다.
ROC 모형은 주로 기상분야에서의 확률예보의 정성적 검증에 활용되는 기법으로(Mason, 1982), Kim and Lee(2011)는 실제 가뭄 사례와 가뭄지수와의 정량적인 평가를 위해 통계적 기법인 ROC 분석을 적용한 바 있다. 이러한 ROC 분석을 위해 본 연구에서는 관측자료 기반의 RDI와 회귀식 기반의 RDI와 비교 분석 하였다.
개발된 월 저수율 추정 회귀식의 적용성 평가를 위해 선행연구에서 제안한 전국 9개의 대표 저수지를 대상 저수지로 선정하고(KRC, 2017), 산정된 회귀식을 적용하여 저수율을 추정하여 이를 관측치와 비교하였다. 일반적으로 저수지 저수율 관리를 위하여 행정구역 혹은 저수지 용수구역에 따른 저수율 및 유입량 산정 시 기상자료는 대부분 지배 관측소를 기준으로 계산되고 있음에 따라 본 연구에서는 선정한 대표저수지에 대하여 과거 5년(2012~2016) 저수율 관측자료와 지배 기상관측소의 기상자료를 수집하여 회귀식에 적용하였다.
ROC 분석을 위해 산정된 회귀식을 이용하여 전국 저수율을 도출하고 RDI를 산정하였으며, 이를 관측자료와의 비교를 통해 회귀식의 재현 성능을 평가하였다. 전국 저수율 산정은 회귀식의 독립변수인 5개의 기상인자와 전월 저수율을 공간분포시켜 GIS DB화 하였으며, 이를 ArcGIS 내 Raster Calculator 기능을 이용하여 전국 RDI를 산정하였다.
첫째, 5개의 기상관측자료와 농업용저수지 저수율을 독립변수로 활용하여 다중선형 회귀모형을 도출하였다. 다중선형 회귀식의 독립변수는 단계입력방식을 통해 선정된 기상인자와 저수율의 연속적인 특성을 반영할 수 있도록 전월 저수율을 선택하였으며, 회귀식의 R2는 0.
대상 데이터
0 심한 가뭄, -1 이하는 극한 가뭄의 단계를 나타낸다. RDI 산정을 위해 사용된 평년 저수율 자료는 농어촌공사로부터 제공 받았다.
기상자료는 결측이 없고, 과거 기상자료를 30년 이상 보유하고 있는 기상청 ASOS 63개 기상관측소자료를 사용하였는데, 저수량에 영향을 미칠 것으로 판단되는 총 5개의 기상인자(강수, 평균기온, 최고기온, 최저기온, 평균풍속) 자료를 사용하였다.
그러나 농업용 저수지는 축적된 수문자료가 빈약하고, 다목적 댐과 같은 대댐과는 달리 농업용저수지 관개면적에 비하여 수문계측기 설치 및 운영에 소요되는 비용이 과다하여 모든 저수지에 대한 계측자료를 확보하기 어렵다. 따라서 본 연구는 수위계가 설치된 한국농어촌공사 저수지를 대상으로 농업기반시설관리시스템 RIMS(Rural Infrastructure Management System)에서 제공하는 농업용 저수지 일저수율 자료를 수집하였다. RIMS에서는 전국 저수율 현황, 한국농어촌공사의 각 지사별 관할저수지 저수율 상황, 저수율 30%미만 저수지 개소수, 50%미만 저수지 개소수, 고갈저수지 개소수 등의 자료를 일별로 제공하고 있다(Kim et al.
저수율 예측 회귀식 산정을 위해 한국농어촌공사에서 관리중인 전국 3,067개에 대한 농업용 저수지 저수율 관측자료 수집하였다. 수집된 일별자료를 월별로 정리하여 분석에 활용 했으며, 수집된 자료 중 이상값과 결측자료는 선행연구와 같이(Lee et al.
데이터처리
ROC 분석을 위해 산정된 회귀식을 이용하여 전국 저수율을 도출하고 RDI를 산정하였으며, 이를 관측자료와의 비교를 통해 회귀식의 재현 성능을 평가하였다. 전국 저수율 산정은 회귀식의 독립변수인 5개의 기상인자와 전월 저수율을 공간분포시켜 GIS DB화 하였으며, 이를 ArcGIS 내 Raster Calculator 기능을 이용하여 전국 RDI를 산정하였다.
개발된 월 저수율 추정 회귀식의 적용성 평가를 위해 선행연구에서 제안한 전국 9개의 대표 저수지를 대상 저수지로 선정하고(KRC, 2017), 산정된 회귀식을 적용하여 저수율을 추정하여 이를 관측치와 비교하였다. 일반적으로 저수지 저수율 관리를 위하여 행정구역 혹은 저수지 용수구역에 따른 저수율 및 유입량 산정 시 기상자료는 대부분 지배 관측소를 기준으로 계산되고 있음에 따라 본 연구에서는 선정한 대표저수지에 대하여 과거 5년(2012~2016) 저수율 관측자료와 지배 기상관측소의 기상자료를 수집하여 회귀식에 적용하였다.
다중선형 회귀분석을 통해 월별 회귀계수 α, β, γ, δ, ε, η, C의 값을 산정하고 회귀결과 R2를 산정하였다.
본 연구에서는 한국농어촌공사 관할 저수지 3,067개에 대한 저수율 관측자료와 기상청 지상관측소 63개 지점에 대한 기상관측자료를 수집하여 저수율과 기상인자를 독립변수로 하는 저수율 예측 다중선형 회귀식을 도출하였다. 최적의 회귀식 도출을 위해 단계적으로 독립변수를 선정 하였고, 회귀식의 정확도 검증을 위해 전국 행정구역별 대표저수지와의 관측 자료와의 상관성분석 및 저수지가뭄지수 RDI를 산정하여 상관성 분석을 수행하였다(그림 1).
본 연구는 전국 저수율 예측정보를 생산하기위해 한국농어촌공사 저수지 3,067개에 대한 저수율 관측자료와 전국 기상관측자료 63개 지점자료를 수집하여, 저수율과 기상인자를 독립변수로 하는 저수율예측 다중선형 회귀식을 도출하였다. 최적의 회귀식 도출을 위해 단계적으로 독립변수를 선정하였고, 회귀식의 정확도 검증을 위해 관측 자료와의 상관성분석을 수행하였다. 본 연구의 결과를 요약하면 다음과 같다.
회귀모형에 의해 모의된 저수율을 평가하는 방법으로는 결정계수(coefficients of determination, R2)와 root-mean square error(RMSE), percent bias(PBIAS)를 사용하였다. R2 은 1에 가까울수록 관측 값과 모의 값이 완벽하게 일치함을 나타내며, RMSE는 실측치와 모의치의 오차를 나타내는 것으로 0에 가까울수록 오차가 작음을 의미한다.
이론/모형
본 연구에서서는 가뭄지수를 활용한 실제 가뭄의 재현능력을 평가하기 위해 표 1과 같이 ROC 모형을 설정하였다. 2015-2016년 동안의 관측자료 기반의 RDI를“관측 결과(Observed value)”로 설정하고, 해당 시점을 대상으로 계산된 가뭄지수를“예측 결과(Prediction value)”로 분류하여“가뭄(O)”과“가뭄(X)”에 의해 각각 2가지씩 분류 하였다.
성능/효과
1~8월의 최고, 최저 기온은 저수율과 음의 관계가 있는 것으로 분석된 반면에 평균 기온은 9~12월에 음의 관계가 있었다. 강수량의 경우 논 관개 종료 후 저수지 담수시점인 9~10월의 강수량이 농업용저수지 저수율에 가장 큰 영향을 미치는 것으로 파악되었으며 저수율 회복 이후(11월~1월)로 강수량의 영향이 상대적으로 작아지는 경향이 있었다.
그림 4는 2015~2016년을 대상으로 예측된 저수율과 관측저수율을 이용하여 RDI를 산정한 결과를 월별로 도시하였다. 결과를 살펴보면 담수시기인 11월~4월까지의 RDI는 관측치와 유사한 패턴을 나타내었고, 5~6월 이앙기의 경우 2015년 2016년 모두 관측자료에 비해 저수율을 과다하게 산정하여 가뭄단계에 진입하지 않은 것으로 분석되었다.
관측저수율과의 상관성 분석결과 과거 5년 평균 R2는 0.44~0.81로 나타났으며, RMSE는 1.33~2.51%, PBIAS는 –3.81~30.21%로 모의 결과는 실측치의 경향성과 크기를 잘 모의 하는 것으로 분석되었다.
또한 각 행정구역별로 선택된 대표저수지의 제원을 살펴보면, 유역면적이 530~4,830ha, 유효저수량이 464~12,407 103㎥으로 다양한 규모로 선택되었는데 회귀식의 정확도는 규모와는 크게 상관성이 나타나지 않았다. 다만, 가장 낮은 상관성을 보인 구시, 옥천저수지는 각각 전라남도 경상남도에 위치하고 있어, 남부지방에 위치한 저수지에서의 저수율 예측력이 상대적으로 낮은 것을 확인할 수 있었다.
그 이유로는 기상인자들만에 의한 저수율 감소예측은 현장에서의 낮은 관개효율 즉, 수로손실량, 관리손실량에 의한 저수율 감소, 그리고 필요담수심이상으로 농민들의 담수심 초과확보 성향 등의 인자들이 작용하기 때문에, 관측치의 감소율을 따라가지 못하는 것으로 판단된다. 따라서 농업용 저수지의 담수시기에는 R2가 높고, 농업용수의 사용시기가 많은 관개기의 상관성이 낮은 것으로 나타났다.
또한 각 행정구역별로 선택된 대표저수지의 제원을 살펴보면, 유역면적이 530~4,830ha, 유효저수량이 464~12,407 103㎥으로 다양한 규모로 선택되었는데 회귀식의 정확도는 규모와는 크게 상관성이 나타나지 않았다. 다만, 가장 낮은 상관성을 보인 구시, 옥천저수지는 각각 전라남도 경상남도에 위치하고 있어, 남부지방에 위치한 저수지에서의 저수율 예측력이 상대적으로 낮은 것을 확인할 수 있었다.
또한 모든 월의 저수율 회귀식이 전월 저수율 회귀계수인 η가 설명변수로 채택되는 경향을 보였으며, 특히 8월의 경우 전월 저수율의 영향을 가장 크게 받는 것으로 나타났다.
기존의 저수율 예측은 저수지 유역 상류의 유입량을 예측하여 이를 기반으로 저수율을 산정하는 방식으로 이뤄져 왔으며, 이러한 방법은 농업용 저수지의 물공급 전망 및 농업가뭄 전망에 활용 가능하지만 전국적인 정보를 한 번에 생산 및 표출하기에는 한계가 있었다. 본 연구에서 도출한 회귀식은 가용한 관측자료 기반의 다중선형 회귀식으로 이러한 전국적인 농업용 저수지 저수율 전망정보의 생산이 가능하다.
본 연구에서는 관측자료 기반의 농업용 저수지 저수율 예측 다중선형 회귀식을 산정하여 관측자료와의 상관성을 분석 한 결과, 전국적으로 0.64~0.67의 저수율 예측 정확도를 나타내었다. 기존의 저수율 예측은 저수지 유역 상류의 유입량을 예측하여 이를 기반으로 저수율을 산정하는 방식으로 이뤄져 왔으며, 이러한 방법은 농업용 저수지의 물공급 전망 및 농업가뭄 전망에 활용 가능하지만 전국적인 정보를 한 번에 생산 및 표출하기에는 한계가 있었다.
본 연구에서는 최적의 회귀식 도출을 위해 Stepwise 방법을 이용하여 전월 저수율, 월 강수량, 평균, 최고, 최저 기온 및 평균풍속을 순차적으로 적용하여 회귀식에 가장 지배적인 영향을 주는 인자를 도출하고자 했다. 분석결과 6개의 독립변수를 모두 적용하였을 경우 0.76으로 상관성이 가장 높았으며, 저수율과 월 강수량만을 고려한 회귀식의 R2은 0.74로 분석되었다.
셋째, 산정된 회귀식을 이용하여 전국 저수율을 도출하고 저수지 가뭄지수인 RDI를 산정하였으며, 이를 관측자료와의 비교를 통해 회귀식의 재현성능을 평가한 결과, 보통가뭄(Moderate dry)의 경우 2년 평균 적중률은 0.67로 분석되었으며, 계절별로 살펴보면 가을(9~11월)과 겨울(12~2월)의 적중률이 0.73으로 가장 높았으며 봄(3~5월)의 적중률은 0.62, 여름(6~8월) 0.60으로 나타났다. 극심한 가뭄(Extreme dry)의 경우 2년 평균 적중률은 0.
후속연구
또한 기상자료 및 전월 저수율 기반의 회귀식을 도출함으로써 기상자료는 기후변화 시나리오 혹은 기상청에서 제공 중 인 3개월 전망 자료(Glosea 5) 등과 같은 미래 예측 자료를 입력하여 저수율 전망 자료를 생산할 수 있으며, 이를 기반으로 가뭄, 홍수와 같은 자연재해에 대비할 수 있는 정보의 생산 가능할 것으로 판단된다. 다만, 저수지의 물 사용량이 급증하는 시기인 6~8월의 경우 예측 저수율이 과대하게 산정되는 경향이 있어 회귀식 정확도 향상을 위해 저수지의 관개효율 등을 고려하는 연구를 추가로 수행할 필요가 있을 것으로 생각된다.
이는 전국적으로 활용 할 수 있는 대표 회귀식을 산정하였다고 할 수 있으나, 지역적인 기상요소나 저수율 특성을 본 대표 회귀식으로 특정 지을 수 없는 특이성이 존재 할 수 있다. 따라서 각 지역 별, 규모별 저수지의 정확한 저수율 예측을 위해서는 우선 저수지 형태별 군집분석이 선행되어야 할 것이며, 이를 통해 군집별 회귀식을 도출하는 과정이 필요할 것으로 판단된다.
또한 기상자료 및 전월 저수율 기반의 회귀식을 도출함으로써 기상자료는 기후변화 시나리오 혹은 기상청에서 제공 중 인 3개월 전망 자료(Glosea 5) 등과 같은 미래 예측 자료를 입력하여 저수율 전망 자료를 생산할 수 있으며, 이를 기반으로 가뭄, 홍수와 같은 자연재해에 대비할 수 있는 정보의 생산 가능할 것으로 판단된다. 다만, 저수지의 물 사용량이 급증하는 시기인 6~8월의 경우 예측 저수율이 과대하게 산정되는 경향이 있어 회귀식 정확도 향상을 위해 저수지의 관개효율 등을 고려하는 연구를 추가로 수행할 필요가 있을 것으로 생각된다.
봄과 여름의 적중률은 이앙기의 용수 공급 패턴을 일정 하지 않아 정확도가 낮은 것으로 판단됨에 따라 이 시기의 회귀식 정확도 향상을 위해서는 증발산량을 혹은 관개효율 등의 인자를 고려한 회귀분석을 추가 수행해야 할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
모형 평가 방법 중 PBIAS의 특징은 무엇인가?
R2 은 1에 가까울수록 관측 값과 모의 값이 완벽하게 일치함을 나타내며, RMSE는 실측치와 모의치의 오차를 나타내는 것으로 0에 가까울수록 오차가 작음을 의미한다. PBIAS는 관측치와 모의치의 오차를 퍼센트로 나타난 것으로 오차값이 작을수록 모형의 효율이 높음을 나타낸다(Lee et al., 2018).
회귀분석에서 어떤 경우에 정확도가 향상되는가?
회귀분석은 한 변수를 종속변수(Dependent Variable)로 설정하고 다른 변수를 독립변수(Independent variable)로 설정하여 이들 간의 관계를 분석하는 것을 말하며, 다중선형 회귀분석이란 객관적으로 나타난 자료를 바탕으로 2개 이상의 독립변수(independent variable)와 종속변수(dependent variable)간의 상호관계(선형, 비선형 관계 등)를 분석하는 기법이다. 일반적으로 대부분의 자연적 현상을 설명하는데 있어 종속변수(Y),는 두 개 이상의 독립변수에 의해 좌우되는 경우가 있으며, 설명력 있는 적절한 독립변수를 여러 개 선택하여 이들의 함수로 종속변수를 나타낼 경우 회귀식의 정확도가 향상된다(Yun et al., 2009).
다중선형 회귀분석이란 무엇인가?
회귀분석은 한 변수를 종속변수(Dependent Variable)로 설정하고 다른 변수를 독립변수(Independent variable)로 설정하여 이들 간의 관계를 분석하는 것을 말하며, 다중선형 회귀분석이란 객관적으로 나타난 자료를 바탕으로 2개 이상의 독립변수(independent variable)와 종속변수(dependent variable)간의 상호관계(선형, 비선형 관계 등)를 분석하는 기법이다. 일반적으로 대부분의 자연적 현상을 설명하는데 있어 종속변수(Y),는 두 개 이상의 독립변수에 의해 좌우되는 경우가 있으며, 설명력 있는 적절한 독립변수를 여러 개 선택하여 이들의 함수로 종속변수를 나타낼 경우 회귀식의 정확도가 향상된다(Yun et al.
참고문헌 (32)
Ahn, S.R., M.J. Park, G. Park and S.J. Kim 2007. The effect of meteorological factors on the temporal variation of agricultural reservoir storage. Journal of the Korean Society of Agricultural Engineers, 49(4):3-12.
Bae, S.H., 2011. Analysis of peak flow changes using the measured data, Journal of the Korean Association of Geographic Information Studies, 14(2):1-13.
Bang, J.H., S.H. Lee, J.Y. Choi and S.H. Lee. 2017. Evaluation of reservoir drought response capability considering precipitation of non-irrigation period using RCP scenario. Journal of the Korean Society of Agricultural Engineers, 59(1):31-43.
Cho, J., I.W. Jung, C.G. Kim and T.G. Kim. 2016. One-month lead dam inflow forecast using climate indices based on tele-connection. Journal of Korea Water Resources Association, 49(5):361-372.
Choi, S.Y., K.Y. Han and B.H. Kim. 2012. Comparison of different multiple linear regression models for real-time flood stage forecasting. Journal of The Korean Society of Civil Engineers, 32(1B):9-20.
Coulibaly, P., F. Anctil and B. Bobee. 2000. Daily reservoir inflow forecasting using artificial neural networks with stopped training approach. Journal of Hydrology, 230(3-4):244-257.
Jain, S.K., A. Das and D.K. Srivastava. 1999. Application of ANN for reservoir inflow prediction and operation. Journal of water resources planning and management, 125(5):263-271.
Jang, C.H., H.J. Kim, J.T. Kim. 2012. Prediction of reservoir water level using CAT. Journal of the Korean Society of Agricultural Engineers, 54(1):27-38.
Jeong. G.I., I.W. Jung and H.H. Kwon. 2015. A study on regionalization of parameters of continuous rainfall- runoff model for ungauged watershed. Korean Society of Hazard Mitigation Conference Proceedings. 279.
Kang, J.W. 2013. Forecasting of seasonal inflow to reservoir using multiple linear regression. Journal of Environmental Science International, 22(8):953-963.
Kang, M.G., S.T. Oh and J.T. Kim. 2014. Estimation of amounts of water release from reservoirs considering customary irrigation water management practices in paddy-field districts. Journal of the Korean Society of Agricultural Engineers, 56(5):1-9.
Kim, K.W. and J.W. Lee. 2011. Evaluation of drought indices using the drought records, Journal of Korea Water Resources Association, 44(8):639-652.
Kim, S.H., J.M. So, S.U. Kang and D.H. Bae. 2017. Development and evaluation of dam inflow prediction method based on Bayesian method, Journal of Korea Water Resources Association, 50(7):489-502.
Kim. H.D., J.N. Lee, H.J. Shin and S.M. Kang. 2016. Development of the prediction system of agricultural reservoir water level under climate change, Korean Society of Agricultural Engineers Conference Proceedings. pp.104.
Korea Rural Community Corporation(KRC). Rural Infrastructure Management System (RIMS). http://rims.ekr.or.kr.
Korea Rural Community Corporation(KRC). 2018. Establishment of survey and management plan for the evaluation of climate change impacts and vulnerabilities in farming and fishing water and agricultural production infrastructure, Report, pp.203-204.
Kwon, M.S., D.H. Park, K.S. Jeon, and T.W. Kim. 2016. Probabilistic prediction of reservoir storage considering the uncertainty of dam inflow, Journal of Korea Water Resources Association, 49(7):607-614.
Lee, J.T., S.H. Yoon and M.E. Park. 1995. Relationships between seasonal duration of sunshine and air temperature in Korea. Korean Journal of Environmental Agriculture. 14(2):155-162.
Lee, J.W., S.S. Jang, S.R.Ahn, K.W. Park and S.J. Kim. 2016. Evaluation of the relationship between meteorological, agricultural and In-situ big data droughts, Journal of the Korean Association of Geographic Information Studies, 19 (1):64-79.
Lee, J.W., C.G. Jung, D.R. Kim and S.J. Kim. 2018. Assessment of future climate change impact on groundwater level behavior in Geum river basin using SWAT. Journal of Korea Water Resources Association, 51(3):247-261.
Lee. J.Y. 2004. A Study on a reservoir operation plan coupled with storage forecasting models in existing agricultural reservoir. Master dissertation, Hankyong University.
Lee, Y.J., M.J. Park, K.W. Park and S.J. Kim. 2008. Analysis of hydrologic behavior including agricultural operation using SWAT model, Journal of the Korean Association of Geographic Information Studies, 11(1):20-30.
Lee, Y.J., S.J. Kim, P.S. Kim, U.J. Joo and Y.S. Yang. 2006. Study on the effective calculation method of irrigation water in a paddy fields area. Journal of the Korean Society of Agricultural Engineers, 48(3):11-20.
Mason I. 1982. A model for assessment of weather forecasts. Australian Meteorological Magazine, 30:291-303.
Nam, W.H., E.M. Hong, T. Kim and J.Y. Choi. 2014. Projection of future water supply sustainability in agricultural reservoirs under RCP climate change scenarios. Journal of the Korean Society of Agricultural Engineers, 56(4):59-68.
Park, C.E. 2016. Water storage rate simulation by regression using monthly precipitation in agricultural reservoir, Korean Society of Agricultural Engineers Conference Proceedings. 84.
Rim, C.S. 2017. Estimation of small pan evaporation using temperature data, Journal of Korea Water Resources Association, 50(1):37-53.
Solomatine, D.P., & Ostfeld, A. 2008. Data-driven modelling: some past experiences and new approaches. Journal of hydroinformatics, 10(1):3-22.
Song, J.H., I. Song, J.T. Kim and M.S. Kang. 2015. Simulation of agricultural water supply considering yearly variation of irrigation efficiency. Journal of Korea Water Resources Association, 48(6):425-438.
Valipour, M., M.E. Banihabib and S.M.R. Behbahani. 2013. Comparison of the ARMA, ARIMA and the autoregressive artificial neural network models in forecasting the monthly inflow of Dez dam reservoir. Journal of hydrology, 476:433-441.
Yun, H.S., M.J. Um, W.C. Cho and J.H. Heo. 2009. Orographic precipitation analysis with regional frequency analysis and multiple linear regression. Journal ofKorea Water Resources Association, 42(6):465-480.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.