통계적 모형을 통한 법주사와 선암사 목조건축물의 기상인자에 대한 상관성 분석 Correlation Analysis of Meteorological Factors for Wooden Building in Beopjusa and Seonamsa Temples by Statistical Model원문보기
국내 목조건축문화재는 자연환경에 그대로 노출되어 있어 생물피해와 여러 환경요인에 의해 피해가 가속화되고 있다. 이에 본 연구에서는 보은 법주사와 순천 선암사에 기상인자 모니터링을 위한 자동기상측정장비를 설치하여 기상데이터를 수집하였다. 이들 데이터에 통계 모형을 적용하여 기상인자를 예측하고 기상인자별 예측성능을 비교하였다. 그 결과, 법주사와 선암사 두 곳 모두에서 대기온도와 이슬점온도의 상관계수가 0.95 이상으로 가장 높게 나타났으며 상대습도의 상관계수는 0.65로 낮게 나타났다. 결과적으로 일반선형모형은 대기온도와 이슬점온도를 예측하기에 적합하다는 것을 확인하였다. 기상인자들 사이의 상관성을 분석한 결과, 법주사와 선암사 모두 대기온도와 이슬점온도, 일사량과 증발량 사이에 강한 양의 상관성을 보였으며, 법주사에서는 대기온도와 증발량이 약한 양의 상관성을 나타내었고 선암사에서는 풍속이 대기온도와 상대습도에 대하여 약한 음의 상관성을 나타내었다. 선암사의 풍속은 겨울에 높고 여름에 평균 이하로 낮아지는 패턴을 보이는데, 이것은 대기온도와 상대습도가 높은 여름철에 수분의 증발을 막고 정체시키는 역할을 하는 것으로 판단되며, 결과적으로 이것이 선암사의 목조건축물 피해를 가속화시키는 것으로 판단된다.
국내 목조건축문화재는 자연환경에 그대로 노출되어 있어 생물피해와 여러 환경요인에 의해 피해가 가속화되고 있다. 이에 본 연구에서는 보은 법주사와 순천 선암사에 기상인자 모니터링을 위한 자동기상측정장비를 설치하여 기상데이터를 수집하였다. 이들 데이터에 통계 모형을 적용하여 기상인자를 예측하고 기상인자별 예측성능을 비교하였다. 그 결과, 법주사와 선암사 두 곳 모두에서 대기온도와 이슬점온도의 상관계수가 0.95 이상으로 가장 높게 나타났으며 상대습도의 상관계수는 0.65로 낮게 나타났다. 결과적으로 일반선형모형은 대기온도와 이슬점온도를 예측하기에 적합하다는 것을 확인하였다. 기상인자들 사이의 상관성을 분석한 결과, 법주사와 선암사 모두 대기온도와 이슬점온도, 일사량과 증발량 사이에 강한 양의 상관성을 보였으며, 법주사에서는 대기온도와 증발량이 약한 양의 상관성을 나타내었고 선암사에서는 풍속이 대기온도와 상대습도에 대하여 약한 음의 상관성을 나타내었다. 선암사의 풍속은 겨울에 높고 여름에 평균 이하로 낮아지는 패턴을 보이는데, 이것은 대기온도와 상대습도가 높은 여름철에 수분의 증발을 막고 정체시키는 역할을 하는 것으로 판단되며, 결과적으로 이것이 선암사의 목조건축물 피해를 가속화시키는 것으로 판단된다.
Exposure to the natural environment can cause damage to domestic wooden cultural assets, such as temples. Deterioration is accelerated by biological damage and various environmental factors. In this study, meteorological factors were monitored by equipment installed at Beopjusa temple of Boeun provi...
Exposure to the natural environment can cause damage to domestic wooden cultural assets, such as temples. Deterioration is accelerated by biological damage and various environmental factors. In this study, meteorological factors were monitored by equipment installed at Beopjusa temple of Boeun province and Seonamsa temple of Suncheon province. A statistical model was applied to these data to predict the meteorological factors and to compare the predictive performance of each meteorological factor. The resulting correlation coefficient between air and dew point temperatures was highest, at 0.95, while the correlation coefficient for relative humidity had a moderate value(0.65) at both the Beopjusa and Seonamsa temples. Thus, a general linear model was found to be suitable for predicting air and dew point temperatures. An analysis of correlation between meteorological factors showed that there was strong positive correlation between air temperature and dew point temperature, and between solar radiation and evaporation at both sites. There was a weak positive correlation between air temperature and evaporation at Beopjusa temple. Wind speed was negatively correlated with both air temperature and relative humidity at Seonamsa temple. The wind speed at this location is higher than average in winter and lower than average in summer, and it was hypothesized that the low wind speed plays a role in reducing water evaporation in summer, when both air temperature and relative humidity are high. As a result, damage to the wooden buildings of Seonamsa temple is accelerated.
Exposure to the natural environment can cause damage to domestic wooden cultural assets, such as temples. Deterioration is accelerated by biological damage and various environmental factors. In this study, meteorological factors were monitored by equipment installed at Beopjusa temple of Boeun province and Seonamsa temple of Suncheon province. A statistical model was applied to these data to predict the meteorological factors and to compare the predictive performance of each meteorological factor. The resulting correlation coefficient between air and dew point temperatures was highest, at 0.95, while the correlation coefficient for relative humidity had a moderate value(0.65) at both the Beopjusa and Seonamsa temples. Thus, a general linear model was found to be suitable for predicting air and dew point temperatures. An analysis of correlation between meteorological factors showed that there was strong positive correlation between air temperature and dew point temperature, and between solar radiation and evaporation at both sites. There was a weak positive correlation between air temperature and evaporation at Beopjusa temple. Wind speed was negatively correlated with both air temperature and relative humidity at Seonamsa temple. The wind speed at this location is higher than average in winter and lower than average in summer, and it was hypothesized that the low wind speed plays a role in reducing water evaporation in summer, when both air temperature and relative humidity are high. As a result, damage to the wooden buildings of Seonamsa temple is accelerated.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
, 2016). 기후변화가 문화유산에 미치는 영향에 대한 과학적 연구를 목적으로 노아의 방주 프로젝트가 수행되었다. 문화유산을 위협하는 주요 기후변화 요소는 기온 상승, 강수량 증가, 상대습도의 변동성, 해수면 상승 및 기후대의 이동에 관한 것이었다 (Sabbioni et al.
기상 변화는 앞으로 문화유산에 심각한 영향을 미칠 것으로 예상된다. 문화유산의 가치에 심각한 손상을 초래할 수 있는 열화 위험을 줄이기 위해 본 연구에서는 보은 법주사와 순천 선암사에 기상 인자 모니터링을 위한 장비를 설치하여 환경데이터를 수집하고, 통계적 모형을 적용하여 기상인자들의 예측 성능을 조사하였으며, 기상 인자들 간의 상관관계를 분석하여 지역적 특성을 파악하고자 연구를 수행하였다.
분석과 예측을 위하여 역학 모형 또는 실험이 주로 이용되나, 요즘은 통계적 모형을 이용하여 변수와 자료량을 축약시켜 자료처리시간이 짧아졌으며, 유용한 통계프로그램과 패키지들이 많아 분석과 예측을 위한 계산을 편리하게 산출할 수 있다(Sohn, 1998). 본 연구에서는 통계 모형 중 시계열분석에 가장 많이 이용되고 있는 일반선형모형(General linear model), 즉 회귀모형(Regression model)을 이용하여 단기간의 기상 인자를 예측하고자 한다. 종속변수 Y에 대해 p개의 독립변수 Xi의 가법적 선형모형이다.
제안 방법
기상 인자는 10개 항목 대기온도, 상대습도, 이슬점 온도, 풍속, 풍향, 해면 기압, 강수량, 일사량, 자외선량, 증발량에 대하여 자동기상측정기(Vantage Pro2 Plus, Davis Instrument, USA)를 설치하여 2015년 6월부터 2017년 12월까지 1시간 단위로 관측 값을 수집하였다. 본 연구에는 기상 인자 항목 중 대기온도(Air temperature, ℃), 상대습도(Relative humidity, %), 이슬점 온도(Dew point temperature, ℃), 강수량(Rain, mm), 증발량(Evaporation, mm), 일사량(Solar radiation, MJ/m2)과 풍속(Wind speed, m/s)에 대하여 통계분석을 실시하였다.
법주사와 선암사의 기상 인자 일평균 데이터를 이용하여 관측 값과 예측 값의 산점도를 비교해 보았다. Figure 4의 x 축은 자동기상측정장비에서 얻은 실제 관측값이고 y축은 일반선형모형을 적용하여 산출한 예측 값이다.
법주사와 선암사의 일평균 기상데이터를 이용하여 서로 영향을 주고받는 인자가 무엇인지 기상 인자들 간의 상관성을 분석하고 비교하였다(Table 4, 5). 법주사와 선암사 모두 대기 온도와 이슬점 온도가 0.
본 연구는 법주사와 선암사의 환경인자 변화를 관찰하기 위하여 자동기상측정장비를 설치하였고, 수집된 데이터들의 상관성 분석을 통하여 지역적 특성을 비교하였다. 가장 일반적인 통계 모형인 일반선형모형을 적용하여 기상인자들의 예측 값을 산출하여 관측 값과 비교하였다.
기상 인자는 10개 항목 대기온도, 상대습도, 이슬점 온도, 풍속, 풍향, 해면 기압, 강수량, 일사량, 자외선량, 증발량에 대하여 자동기상측정기(Vantage Pro2 Plus, Davis Instrument, USA)를 설치하여 2015년 6월부터 2017년 12월까지 1시간 단위로 관측 값을 수집하였다. 본 연구에는 기상 인자 항목 중 대기온도(Air temperature, ℃), 상대습도(Relative humidity, %), 이슬점 온도(Dew point temperature, ℃), 강수량(Rain, mm), 증발량(Evaporation, mm), 일사량(Solar radiation, MJ/m2)과 풍속(Wind speed, m/s)에 대하여 통계분석을 실시하였다.
산점도는 두 변수 간 즉 관측 값과 예측 값의 직선적인 관계를 개략적으로 파악하여 상관성을 알 수 있지만, 두 변수 사이의 관계를 보다 정확히 나타내기 위하여 공분산 및 상관계수를 이용하여 수치화하여 비교한다. 본 연구에서는 관측 값과 예측 값에 대하여 상관계수를 산출하여 비교하였다. 상관계수는 –1.
상관계수 ρ=0 이면 두 변수간의 선형관계는 없으며, 0에 가까울수록 선형관계가 약해진다는 의미이다(Wilks, 2011). 본 연구에서는 상관계수를 이용하여 관측 값과 예측 값의 관련성 여부를 판단하였으며, 기상 인자들 간의 상관성도 상관계수를 이용하여 분석하였다.
통계 데이터 분석을 통하여 법주사와 선암사 관측 값에 대한 시간별 예측 값을 산출하였으며, 대기온도, 이슬점온도와 상대습도에 대하여 관측 값과 예측 값의 월평균 데이터를 서로 비교해 보았다 (Figure 2, 3). 예측 값은 시계열 데이터의 특성을 고려하여 독립변수를 시간으로 하여 과거의 관측치를 시간의 흐름에 따른 가중치를 주고 합산하여 예측하는 지수 평활법(Exponential smoothing)과 이전에 생긴 불규칙한 현상 이후의 결과에 편향성을 초래하는 이동 평균(Moving average) 현상으로 구분하여 산출하였다. 각각의 기상인자들에 대한 관측 값과 예측 값을 이용하여 회귀분석을 실시하여 다음의 회귀식을 도출하였다(Table 1).
대상 데이터
본 연구에 사용한 모형화 자료는 법주사와 선암사에 설치한 자동 기상측정장비로부터 수집된 2015년 6월부터 2017년 12월까지의 시간자료이다. 통계 데이터 분석을 통하여 법주사와 선암사 관측 값에 대한 시간별 예측 값을 산출하였으며, 대기온도, 이슬점온도와 상대습도에 대하여 관측 값과 예측 값의 월평균 데이터를 서로 비교해 보았다 (Figure 2, 3).
데이터처리
본 연구는 법주사와 선암사의 환경인자 변화를 관찰하기 위하여 자동기상측정장비를 설치하였고, 수집된 데이터들의 상관성 분석을 통하여 지역적 특성을 비교하였다. 가장 일반적인 통계 모형인 일반선형모형을 적용하여 기상인자들의 예측 값을 산출하여 관측 값과 비교하였다. 그 결과 일반선형모형을 적용하기에 대기 온도와 이슬점 온도가 가장 적합하다는 것을 확인하였으며, 특징적으로 법주사에서는 증발량이 약한 양적 선형 관계를 나타내었고 선암사에서는 풍속이 선형 관계를 나타내었다.
예측 값은 시계열 데이터의 특성을 고려하여 독립변수를 시간으로 하여 과거의 관측치를 시간의 흐름에 따른 가중치를 주고 합산하여 예측하는 지수 평활법(Exponential smoothing)과 이전에 생긴 불규칙한 현상 이후의 결과에 편향성을 초래하는 이동 평균(Moving average) 현상으로 구분하여 산출하였다. 각각의 기상인자들에 대한 관측 값과 예측 값을 이용하여 회귀분석을 실시하여 다음의 회귀식을 도출하였다(Table 1). 법주사와 선암사 두 곳 모두 대기 온도와 이슬점온도에서 관측 값과 예측 값의 차이가 적었으나 상대습도에서는 예측 값과 차이가 나는 구간이 관찰되었다.
본 연구에 사용한 모형화 자료는 법주사와 선암사에 설치한 자동 기상측정장비로부터 수집된 2015년 6월부터 2017년 12월까지의 시간자료이다. 통계 데이터 분석을 통하여 법주사와 선암사 관측 값에 대한 시간별 예측 값을 산출하였으며, 대기온도, 이슬점온도와 상대습도에 대하여 관측 값과 예측 값의 월평균 데이터를 서로 비교해 보았다 (Figure 2, 3). 예측 값은 시계열 데이터의 특성을 고려하여 독립변수를 시간으로 하여 과거의 관측치를 시간의 흐름에 따른 가중치를 주고 합산하여 예측하는 지수 평활법(Exponential smoothing)과 이전에 생긴 불규칙한 현상 이후의 결과에 편향성을 초래하는 이동 평균(Moving average) 현상으로 구분하여 산출하였다.
성능/효과
가장 일반적인 통계 모형인 일반선형모형을 적용하여 기상인자들의 예측 값을 산출하여 관측 값과 비교하였다. 그 결과 일반선형모형을 적용하기에 대기 온도와 이슬점 온도가 가장 적합하다는 것을 확인하였으며, 특징적으로 법주사에서는 증발량이 약한 양적 선형 관계를 나타내었고 선암사에서는 풍속이 선형 관계를 나타내었다. 강수량은 두 지역 모두에서 일반선형모형을 적용하기에 부적합한 것으로 나타났다.
법주사와 선암사 기상인자들의 평균값을 비교해 보면 선암사가 대기온도, 상대습도, 이슬점온도와 강수량에서 법주사 보다 높게 나타났으며 반면 법주사는 증발량, 일사량과 풍속이 선암사 보다 높게 나타났다. 단, 2017년 선암사의 상대습도와 강수량은 법주사 보다 낮게 나타났다 (Table 2, 3).
각각의 기상인자들에 대한 관측 값과 예측 값을 이용하여 회귀분석을 실시하여 다음의 회귀식을 도출하였다(Table 1). 법주사와 선암사 두 곳 모두 대기 온도와 이슬점온도에서 관측 값과 예측 값의 차이가 적었으나 상대습도에서는 예측 값과 차이가 나는 구간이 관찰되었다. 법주사의 경우는 2015년 10월, 2016년 11월과 2017년 3월에서 관측 값과 예측 값의 차이를 보였으며, 선암사의 경우는 2016년 11월, 2017년 3월과 2017년 11월에서 차이를 보였다.
0 사이이면 강한 양적 선형 관계를 가진다는 의미이다. 법주사의 기상 인자 관측 값과 예측 값의 상관계수를 산출한 결과 대기 온도와 이슬점 온도가 0.974와 0.955로 강한 양적 선형 관계를 나타내었고, 그 다음으로 증발량과 상대습도가 0.694와 0.655로 양적 선형 관계를 나타내었다. 선암사의 기상 인자 관측 값과 예측 값의 상관계수를 산출한 결과 법주사와 마찬가지로 대기 온도와 이슬점 온도가 0.
655로 양적 선형 관계를 나타내었다. 선암사의 기상 인자 관측 값과 예측 값의 상관계수를 산출한 결과 법주사와 마찬가지로 대기 온도와 이슬점 온도가 0.970과 0.950으로 강한 양적 선형관계를 나타내었으며 그 다음으로 상대습도와 풍속이 0.650과 0.648로 양적 선형 관계를 나타내었다(Table 2, 3).
후속연구
즉, 강수량이 많아 상대습도가 높은 여름철 선암사의 상대습도를 더 높게 유지시키는 것이 풍속이라고 판단된다. 결과적으로 통계모형을 적용할 때 대기온도와 이슬점 온도와 같은 단순 시계열 데이터에 대해서는 일반 선형모형을 적용할 수 있으나 지역적 특성을 나타내기 위해서는 지형 인자인 고도와 위·경도를 포함하는 공간적 선형회귀모형을 적용하여 유효성을 증가시킬 필요가 있으므로 추후 연구가 필요하다.
이것은 상대습도에 적용한 방법이 적합도가 낮다는 것으로 상대습도는 기상 인자 외에 다른 공간적 요소를 추가적으로 고려할 필요가 있다. 또한, 기상인자들의 월평균 데이터는 그 차이가 크지 않아 일평균이나 시간별 데이터를 이용하여 통계처리를 하는 것이 이러한 데이터 오차를 줄일 수 있을 것이다.
기상인자들 중 증발량에 영향을 줄 수 있는 것은 온도와 일사량이 관련이 있을 것으로 보이나 풍속은 기상 인자들에 영향을 주는 요인이지 영향을 받은 인자는 아닌 것으로 생각되며 영향을 받게 된다면 지형적인 것이 클 것으로 사료된다. 이상의 결과로 통계 모형에서 제일 기본적인 일반선형모형을 이용하여 예측해 볼 수 있는 기상 인자는 시계열 데이터로 수집가능한 대기 온도와 이슬점 온도가 가장 적합하며, 그 다음으로 약한 선형 관계를 보이는 상대습도에 대하여 적용해 볼 수 있을 것이다. 그러나 강수량은 산점도에서 확인한 결과와 마찬가지로 상관계수 또한 0에 가깝게 낮아 본 연구의 통계 모형을 적용하기에 부적합한 것으로 나타났다.
질의응답
핵심어
질문
논문에서 추출한 답변
문화유산이 안전하게 보존, 관리하는 것이 중요한 이유는?
문화유산은 그 가치가 손상되면 복원하기 쉽지 않기 때문에 오랜 기간 동안 안전하게 보존·관리하는 것이 중요하다. 지속 가능한 관리와 효율성 측면에서 현재 문화유산에 미치는 영향으로 주목되고 있는 것이 기후변화이다.
문화유산이 위치한 지역의 위험요인 두 가지는?
지속 가능한 관리와 효율성 측면에서 현재 문화유산에 미치는 영향으로 주목되고 있는 것이 기후변화이다. 전 세계의 많은 문화유산이 다양한 자연재해에 노출되어 있고, 이러한 자연적 위협에 따라 문화유산이 위치한 지역의 위험요인은 재난 위험과 열화 위험이라는 두 가지로 나눌 수 있다. 화재, 홍수, 지진 등과 같은 재난 위험은 많은 분야에서 공통된 주제이지만 열화 위험은 문화유산이 위치한 지역의 고유한 특성에 따라 다르게 나타나기도 한다.
위험의 본질과 원인을 식별하여 위험 수준을 결정할 때 어려운 점은?
이러한 과정 중 가장 중요한 단계는 위험의 본질과 원인을 식별하여 위험 수준을 결정하는 것이다. 그러나 위험 분석에 사용된 데이터는 문화재가 위치한 지역에 따라 다르며 변수가 다양하고 이질적이다. 또한 모니터링 데이터의 수치를 포함하여 분석해야 하므로 과정이 단순하지 않다. 따라서 위험 분석의 어려움을 줄이는 효율적인 방법이 수립되어야 한다.
참고문헌 (14)
Chatterjee, S. and Price, B., 1997, Regression analysis by example. WILEY, New York.
Jacob, D., 2001, A note to the simulation of the annual and interannual variability of the water budget over the baltic sea drainage basin. Meteorology and Atmospheric Physics, 77, 61-73.
Jacob, D., 2009, Regional climate models: Linking global climate change to local impacts. Encyclopedia of Complexity and Systems Science, 7591-7602.
Jacob, D., Elizalde, A., Haensler, A., Hagemann, S., Kumar, P., Podzun, R., Rechid, D., Remedio, A.R., Saeed, F., Sieck, K., Teichmann, C. and Wilhelm, C., 2012, Assessing the transferability of the regional climate model REMO to different COordinated Regional climate Downscaling EXperiment (CORDEX) regions. Atmosphere, 3(1), 181-199.
Jung, J., Jin, S. and Park, M.S., 2008, Precipitation analysis based on spatial linear regression method. The Korean Journal of Applied Statistics, 21(6), 1093-1107. (in Korean with English abstract)
Kim, M.N., Lim, B.A., Lee, M.S. and Jung, S.Y., 2017, Comparison of characteristics of local meteorological and particulate matter(TSP) on the Beopjusa temple and Seonamsa temple. Journal of Conservation Science, 33(4), 283-295. (in Korean with Englich abstract)
Leissner, J., Kilian, R., Kotova, L., Jacob, D., Mikolajewicz, U., Brostrom, T. and Ashley-Smith, J., 2015, Climate for culture: Assessing the impact of climate change on the future indoor climate in historic buildings using simulations. Heritage Science, 3(1), 38.
Qian, K., Sun, J., Chen, H. and Zhang, J., 2016, Visual analysis method for cultural heritage site risk assessment. Journal of Visualization, 19(3), 503-514.
Sabbioni, C., Brimblecombe, P. and Cassar, M., 2010, The atlas of climate change impact on European cultural heritage: Scientific analysis and management strategies. Anthem Press, London & New York.
Sohn, K.T., 1998, Statistical methods for analyzing meteorological and environmental data. Korean Journal of the Atmospheric Sciences, 34(3), 497-504. (in Korean with English abstract)
Waller, R., 1994, Conservation risk assessment: a strategy for managing resources for preventive conservation. Studies in Conservation, 39(2), 12-15.
Wilks, D.S., 2011, Statistical methods in the atmospheric sciences. Academic Press, New York.
Yoon, S., 2016, Generating high resolution of daily mean temperature using statistical models. Journal of the Korean Data & Information Science Society, 27(5), 1215-1224. (in Korean with English abstract)
Yun, H., Um, M.J., Cho, W. and Heo, J.H., 2009, Orographic precipitation analysis with regional frequency analysis and multiple linear regression. Journal of Korea Water Resources Association, 42(6), 465-480. (in Korean with English abstract)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.