[논문]최적 편이보정 기법의 선택을 통한 대표 전지구모형의 선정

송영훈; 정은성; 성장현

doi:10.3741/jkwra.2019.52.5.337

[국내논문] 최적 편이보정 기법의 선택을 통한 대표 전지구모형의 선정
Selection framework of representative general circulation models using the selected best bias correction method 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.52 no.5, 2019년, pp.337 - 347

송영훈 (서울과학기술대학교 건설시스템공학과) , 정은성 (서울과학기술대학교 건설시스템공학과) , 성장현 (국토교통부 한강홍수통제소)

초록
AI-Helper

본 연구에서는 미래 기후예측을 위하여 활용되는 전지구모형(general circulation model, GCM) 중 우리나라에 적합한 대표 GCM을 선정하는 방법을 제시하였다. 이에 격자 기반 GCM 결과를 IDW (Inverse Distance Weighted) 방법을 사용하여 기상 관측소로 지점 규모로 상세화를 하여 관측강수와 비교하였다. GCM과 관측자료 사이의 편이를 보정하기 위하여 6가지 Quantile Mapping 방법과 Random Forest 기법을 사용하였고, 성능 지표를 비교하여 대표 편이보정방법을 선정하였다. 편이보정된 GCM 모의 결과에 대한 성능을 계산하고 다기준의사결정기법 중 하나인 TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) 방법을 이용하여 가장 우수한 GCM을 선정하였다. 그 결과 편이보정방법을 NPT (Non-Parametric Transformation) 방법 중 EQ (Empirical Quantile) 방법이 선정되었고, TOPSIS 성능 평가 결과, GISS-E2-R이 가장 우수하였다. 그 다음으로 우수한 GCM을 순서대로 제시하면 MIROC5, CSIRO-Mk3-6-0, CCSM4 이었다. 향후 더 많은 GCM 자료를 이용한다면 보다 보편적인 결과를 도출할 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

This study proposes the framework to select the representative general circulation model (GCM) for climate change projection. The grid-based results of GCMs were transformed to all considered meteorological stations using inverse distance weighted (IDW) method and its results were compared to the observed precipitation. Six quantile mapping methods and random forest method were used to correct the bias between GCM's and the observation data. Thus, the empirical quantile which belongs to non-parameteric transformation method was selected as a best bias correction method by comparing the measures of performance indicators. Then, one of the multi-criteria decision techniques, TOPSIS (Technique for Order of Preference by Ideal Solution), was used to find the representative GCM using the performances of four GCMs after the bias correction using empirical quantile method. As a result, GISS-E2-R was the best and followed by MIROC5, CSIRO-Mk3-6-0, and CCSM4. Because these results are limited several GCMs, different results will be expected if more GCM data considered.

Keyword

표/그림 (8)

그림 Fig. 1. Locations of meteorological stations used in this study
표 Table 1. Information on four GCMs used in this study
표 Table 2. Description of performance indices used in this study
그림 Fig. 2. Probability density functions of seasonal precipitation by bias correction methods: Case of Seoul
표 Table 3. Performance indices of bias correction methods
그림 Fig. 3. Probability density functions of seasonal precipitation by four GCMs and the observed data: Case of Seoul
표 Table 4. Results of performance indices of four GCMs for 22 stations
표 Table 5. Priorities of GCMs by 22 stations based on performance indices

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구는 GCM의 정확성을 분석하기 위해 GCM의 과거 모의 자료를 실제 관측소에서 관측된 강수량과 비교하여 다수의 GCM들의 정확성을 평가하고 이를 토대로, 우리나라에 적합한 GCM의 순위를 선정하였다. 기후변화 연구에서의 기후모형이 제공하는 강수량과 온도 자료들은 격자를 기반으로 한다.
특히 Random Forest는 요소의 변수에 임의성을 더한 방법으로서 다양한 초평면(hyperplane)을 가지게 되므로 앙상블 이론이 갖는 장점이 극대화되어 예측 및 분류에 관하여 기존 방법들보다 정확성이 개선되어 다양한 분야에서 활발하게 사용되고 있다(Breiman, 2001). 또한 본 연구에서는 우리나라의 미래 기후변화 및 대응방안 설정과 한반도의 적용되는 GCM들의 성능을 평가하여 우리나라에 가장 적합한 GCM을 선정하였다. 총 4개의 GCM(GISS-E2-R, CSIRO-MK3-6-0, CCSM4, MIROC5)을 포함시켰으며 GCM이 격자식 자료를 제공하고 있기 때문에 관측소의 강수량도 공간적으로 변환하여야 한다.
본 연구에서는 우리나라에 대해 과거기간(1970~2005년)을 가장 잘 모의한 GCM을 선택하는 것이 목적이다. 이를 위해 서 첫 번째 단계로는 연구지역을 선택한다.
선택된 관측소 지점은 4계절이 뚜렷하게 나타나며 계절별 강우 추세를 잘 나타나 있다. 또한 내륙과 해안 지역 골고루 위치하여 GCM의 강수량을 전국적으로 분석하는데 있어서 신뢰도를 높일 수 있다. 또한 온난화 과정에서 발생한 기후변화는 인류의 사회적 요소에 많은 영향을 미치며, 수문학적 요소에 많은 영향을 미친다.
본 연구에서는 GCM의 성능 수행 평가 결과에 동일한 가중치를 부여하여 계산하였다. 연구에 선정된 GCM별 6개의 성능평가 결과를 평가인자로 정하고 우선순위를 선정하였다.
본연구에서는 우리나라의 기상 관측소의 관측자료와 비교하여 GCM의 모의결과의 정확성을 토대로 우리나라에 적합한 GCM을 선택하였다. 그리고 IDW를 이용하여 격자형 자료를 보다 강우관측소 지점으로 보간하였으며, 관측 자료와 GCM 자료의 편이를 보정하기 위해서 RF 방법과 QM 방법 중 6가지 기법을 사용하였다.

가설 설정

또한 편이보정(bias correction)은 현재 기후의 모의와 관측을 비교하여 미래 기후를 보정하는 방법으로써 도입 이후 최근까지 활발하게 영향평가에서 활용되고 있다. 그러나 기존 편이보정방법들은 과거 자료로부터 도출한 분위사상이 미래까지 유효하다는 기후의 정상성(stationarity)을 가정하고 있다. Eum and Cannon (2017)의 QDM (Quantile Delta Mapping)을 제안하여 극값에 대한 장기추세를 고려하는 방법을 제안하여 미래 기후모델의 추세를 편이보정에 반영하였다.

제안 방법

그러나 기존 편이보정방법들은 과거 자료로부터 도출한 분위사상이 미래까지 유효하다는 기후의 정상성(stationarity)을 가정하고 있다. Eum and Cannon (2017)의 QDM (Quantile Delta Mapping)을 제안하여 극값에 대한 장기추세를 고려하는 방법을 제안하여 미래 기후모델의 추세를 편이보정에 반영하였다. 특히, Cho et al.
이를 위하여 편이보정 과정을 수행하는데 대부분 선형 Quantile Mapping 방법들이 이용된다. 그러나 편이보정 방법에 따라서 결과가 다르게 도출될 수 있기 때문에 본 연구에서는 최근에 다양하게 적용되고 있는 Quantile Mapping 방법 중 비모수 변환법(non-parametric transformation, NPT), 분포기반 변환법(distribution derived transformation, DDT) 및 머신러닝(machine learning) 방법 중 하나인 Random Forest (RF) 방법을 동시에 사용하여 결과를 비교하였다. 특히 Random Forest는 요소의 변수에 임의성을 더한 방법으로서 다양한 초평면(hyperplane)을 가지게 되므로 앙상블 이론이 갖는 장점이 극대화되어 예측 및 분류에 관하여 기존 방법들보다 정확성이 개선되어 다양한 분야에서 활발하게 사용되고 있다(Breiman, 2001).
또한 본 연구에서는 우리나라의 미래 기후변화 및 대응방안 설정과 한반도의 적용되는 GCM들의 성능을 평가하여 우리나라에 가장 적합한 GCM을 선정하였다. 총 4개의 GCM(GISS-E2-R, CSIRO-MK3-6-0, CCSM4, MIROC5)을 포함시켰으며 GCM이 격자식 자료를 제공하고 있기 때문에 관측소의 강수량도 공간적으로 변환하여야 한다. 이를 위해 본 연구에서 역거리가중치법(inverse distance weighting, IDW)을 이용하였다.
이를 위해 본 연구에서 역거리가중치법(inverse distance weighting, IDW)을 이용하였다. 마지막으로 GCM 별로 도출된 성능평가 결과를 토대로 다기준 의사결정기법 중 하나인 TOPSIS 방법을 이용하여 우리나라의 관측소별로 적합한 GCM의 순위와 전체순위를 제시하였다.
네 번째 단계는 GCM에서 제공하는 강수량의 편이를 보정한다. 이 때 RF와 6가지의 QM 방법을 사용하여 그 중에서 가장 오차가 적은 기법을 선택한다. 다섯 번째 단계는 7개의 성능지표를 사용하여 GCM 모형에 대해서 성능을 평가한다.
이 때 RF와 6가지의 QM 방법을 사용하여 그 중에서 가장 오차가 적은 기법을 선택한다. 다섯 번째 단계는 7개의 성능지표를 사용하여 GCM 모형에 대해서 성능을 평가한다. 여섯 번째는 성능지표의 결과를 기준으로 TOPSIS 기법을 사용하여 GCM들의 우선순위를 결정하고 가장 적절한 GCM을 선택한다.
또한 공간적 보간을 수행하더라도 GCM 자료의 분포와 실측값의 분포는 상당한 차이가 존재하는데 이러한 차이를 편이라고 한다. 본 연구에서는 이러한 편이를 보정하기 위해 RF와 다양한 6가지의 QM 방법을 사용하였고 이 중 성능이 좋은 방법을 선택하여 적용하였다.
본 연구에 사용된 GCM의 성능에 대해서 평가하기 위해서 총 6가지의 평가방법을 적용하였다. 평가방법은 Mean Squared error (MSE), Root Mean Square Error (RMSE), normalized root-mean-square error (NRMSE), Percent bias (Pbias), Mean bias (Mbias), Nash-Sutcliffe efficiency (NSE)를 사용하였으며 각각의 오차에 관한 수식은 Table 2와 같다.
지역적으로 상세화된 관측소의 자료는 RF와 QM 방법을 이용하여 편이보정하였으며 그 결과는 Table 3과 같다. 1970년부터 2005년까지 22개의 관측소 중 서울지역의 평균 강수량의 PDF (probability density function)를 나타냈으며, 4가지 GCM 모형 중 RF와 QM 기법들이 적용된 GISS 모형과 관측소의 실측 강수량의 PDF를 비교하였다. 그 외 관측지점에서도 Fig.
가장 성능이 우수한 NPT-EQ 방법을 이용하여 편이보정한 뒤GCM 별 성능을 각각 평가하였다. 계절별로 일평균강우량에 대한 확률분포함수(probability distribution function, pdf)를 산정한 결과는 Fig.
본연구에서는 우리나라의 기상 관측소의 관측자료와 비교하여 GCM의 모의결과의 정확성을 토대로 우리나라에 적합한 GCM을 선택하였다. 그리고 IDW를 이용하여 격자형 자료를 보다 강우관측소 지점으로 보간하였으며, 관측 자료와 GCM 자료의 편이를 보정하기 위해서 RF 방법과 QM 방법 중 6가지 기법을 사용하였다. 또한 각 GCM의 계절별 평균 강수량을 산정하여 편이보정기법들을 비교하였고, 이를 토대로 MSE, RMSE, NRMSE, Pbias, Mbias, NSE 총 6개 성능지표를 활용하여 성능이 우수한 기법을 선택하였다.
그리고 IDW를 이용하여 격자형 자료를 보다 강우관측소 지점으로 보간하였으며, 관측 자료와 GCM 자료의 편이를 보정하기 위해서 RF 방법과 QM 방법 중 6가지 기법을 사용하였다. 또한 각 GCM의 계절별 평균 강수량을 산정하여 편이보정기법들을 비교하였고, 이를 토대로 MSE, RMSE, NRMSE, Pbias, Mbias, NSE 총 6개 성능지표를 활용하여 성능이 우수한 기법을 선택하였다. 그 결과 가장 오차가 적은 기법은 QM 기법 중 비모수변환법의 경험적 추정(empirical quantiles, EQ) 방법이 선정되었다.

대상 데이터

연구를 진행한 우리나라는 북위 33°에서 43°, 동경 124°에서 131°에 위치하고 있으며 반도의 형태를 가지고 있다.
우리나라의 기상 강수량 과거 자료를 가지고 있는 관측소 총 96개이며, 각 관측소는 산지, 평야 등 지역적 특성이 다양하고, 관측소 별 기후가 다양하다. 본 연구에서 GCM의 과거 자료 기간이 2005년으로 한정되어 있기 때문에 1970년부터 2005년까지 총 35년의 강수량 자료가 포함되어 있는 22개의 지점을 선택하였다. 선택된 관측소 지점은 4계절이 뚜렷하게 나타나며 계절별 강우 추세를 잘 나타나 있다.
본 연구에서는 월 단위 강수량이 존재하는 4개의 GCM을 선정하였고 선정한 GCM의 정보는 Table 1과 같다. 선택된 GCM 모형은 모두 격자형이며 격자 간격은 1.
본 연구에서는 GCM의 성능 수행 평가 결과에 동일한 가중치를 부여하여 계산하였다. 연구에 선정된 GCM별 6개의 성능평가 결과를 평가인자로 정하고 우선순위를 선정하였다.

데이터처리

본 연구에 사용된 GCM의 성능에 대해서 평가하기 위해서 총 6가지의 평가방법을 적용하였다. 평가방법은 Mean Squared error (MSE), Root Mean Square Error (RMSE), normalized root-mean-square error (NRMSE), Percent bias (Pbias), Mean bias (Mbias), Nash-Sutcliffe efficiency (NSE)를 사용하였으며 각각의 오차에 관한 수식은 Table 2와 같다.

이론/모형

총 4개의 GCM(GISS-E2-R, CSIRO-MK3-6-0, CCSM4, MIROC5)을 포함시켰으며 GCM이 격자식 자료를 제공하고 있기 때문에 관측소의 강수량도 공간적으로 변환하여야 한다. 이를 위해 본 연구에서 역거리가중치법(inverse distance weighting, IDW)을 이용하였다. 마지막으로 GCM 별로 도출된 성능평가 결과를 토대로 다기준 의사결정기법 중 하나인 TOPSIS 방법을 이용하여 우리나라의 관측소별로 적합한 GCM의 순위와 전체순위를 제시하였다.
가중치를 산정할 때 Shepard 방식을 사용하였으며 Dc의 지수 C의 범위가 0∼1사이의 값을 가지면 전체적으로 데이터의 양상이 좁게 보간되며, 1보다 크면 비교적 분포가 넓게 보간된다.
, 2013). QM은 모수변환법(Parametric Transformation, PT), 비모수변환법(NPT), 분포기반 변환법(DDT)으로 구분되며 본 연구에서는 이 방법들을 모두 사용하였다.
비모수변환법에는 경험적 추정법(empirical quantiles, EQ), robust 회귀분석법(robust regression, RR), 스플라인 평활법(smoothing spline, SSPLIN)이 대표적으로 사용되는데 본 연구에서는 이를 모두 사용하였다. EQ은 관측값과 GCM에서 모의된 강수량 값의 경험적 누적분포함수를 일치시켜 변환시키는 방법이다.
, 2012 ). 본 연구에서는 강수 분포 모의에 적합한 Bernoulli-Gamma (BG)와 강수량의 극치분포 분석에 적합한 Bernoulli-Weibull (BW) 분포를 사용하였다. 가장 많이 사용되는 Bernoulli-Gamma 분포는F함수를 Bernoulli와 Gamma 분포의 결합 형태로 가정하고 있다.
본 연구에서는 격자형 자료를 실제 선정된 관측소의 자료로 변환시키기 위해 IDW 방법을 적용하였다. 지역적으로 상세화된 관측소의 자료는 RF와 QM 방법을 이용하여 편이보정하였으며 그 결과는 Table 3과 같다.
편이보정한 결과에 대한 성능지표 값을 22개 관측소별로 산정하고 TOPSIS 기법을 적용하여 각 관측소별 우선순위를 선정하면 Table 5와 같다. 평가 방법에 따라 성능지표 당 오차율이 크므로 다기준의사결정기법인 TOPSIS를 이용하여 정규화와 표준화 과정을 거쳐서 6개의 성능지표를 모두 고려한 최종 순위를 선정하였다. 선정결과 CCSM4는 전체적으로 우리나라에 적응성이 떨어지는 것으로 나타났으며, CSIRO는 서울, 속초 청주, 군산에서 가장 높은 성능을 보였으며, 우리나라 남서쪽 해안과 일부 내륙지역에서 적응성이 떨어졌다.
또한 각 GCM의 계절별 평균 강수량을 산정하여 편이보정기법들을 비교하였고, 이를 토대로 MSE, RMSE, NRMSE, Pbias, Mbias, NSE 총 6개 성능지표를 활용하여 성능이 우수한 기법을 선택하였다. 그 결과 가장 오차가 적은 기법은 QM 기법 중 비모수변환법의 경험적 추정(empirical quantiles, EQ) 방법이 선정되었다. 앞선 결과를 토대로 6가지 지표를 사용하여 성능을 분석하였고, 분석결과 전체적으로 GISS 모형이 가장 적합했으며, MIROC5가 두 번째로 적합했다.
앞선 결과를 토대로 6가지 지표를 사용하여 성능을 분석하였고, 분석결과 전체적으로 GISS 모형이 가장 적합했으며, MIROC5가 두 번째로 적합했다. CSIRO 모형은 3번째로 적합한 모형이었으며 가장 적합하지 않은 모형은 CCSM4 모형으로 선정되었다.

성능/효과

선택된 GCM 모형은 모두 격자형이며 격자 간격은 1.40°에서 3.75°로 격자간 거리는 약100~370 km이다.
MIROC5 (Model for Interdisciplinary Research On Climate)는 일본의 도쿄 대학 기후 시스템 연구소(The University of Tokyo Center for Climate System Research)와 국립환경 연구소(National Institute for Environmental Studies)에서 개발하였다. 또한 기존의 모델인 MIROC3.2보다 기후학적 특성에서는 매우 우수한데 특히 강수와, 대기, 해저 부분에서 개선이 되었다. 또한 다양한 매개 변수가 체계화된 모델이다(Masahiro et al.
가을(9월~11월)과 겨울(12월~2월)에서는 7개의 기법이 모두 실제 측정된 강수량과 유사한 강우 추세를 보였다. 또한 여름철(6월~8월)과 봄철(3월~5월)에는 7가지 기법들 중 Bernoulli-Weibull 분포의 강우 추세가 실측 강우량과 의 크게 차이나는 것으로 나타났다. Table 3은 4개의 GCM의 강수량 자료를 RF와 6가지 QM 방법을 이용하여 편이보정한 결과에 대해 6개의 성능평가지수를 산정한 결과이다.
Table 3은 4개의 GCM의 강수량 자료를 RF와 6가지 QM 방법을 이용하여 편이보정한 결과에 대해 6개의 성능평가지수를 산정한 결과이다. 그 결과 EQ 방법이 모든 지표에서 가장 우수하게 산정되었으며, PT-EAT와 DDT-BG 방법에서는 편차 부분에서의 Pbias와 Mbias에서는 미세하게 DDT-BG가 앞서지만 오차율 부분인 MSE, RMSE, NRMSE, NSE에서는 PT-EAT가 성능이 우수했다. 두 가지의 기법을 비교하였을 때 6개의 지표의 평균에서는 PT-EAT가 두 번째로 우수하게 나타났고 DDT-BG가 세번째로 우수하게 나타났다.
그 결과 EQ 방법이 모든 지표에서 가장 우수하게 산정되었으며, PT-EAT와 DDT-BG 방법에서는 편차 부분에서의 Pbias와 Mbias에서는 미세하게 DDT-BG가 앞서지만 오차율 부분인 MSE, RMSE, NRMSE, NSE에서는 PT-EAT가 성능이 우수했다. 두 가지의 기법을 비교하였을 때 6개의 지표의 평균에서는 PT-EAT가 두 번째로 우수하게 나타났고 DDT-BG가 세번째로 우수하게 나타났다. 또한 SSPLIN 방법과 RR 방법에서도 SSPLIN 방법이 RR 방법보다 오차율 부분에서는 성능이 좋지만 편차 부분에서는 RR 방법이 성능이 좋게 나왔다.
두 가지의 기법을 비교하였을 때 6개의 지표의 평균에서는 PT-EAT가 두 번째로 우수하게 나타났고 DDT-BG가 세번째로 우수하게 나타났다. 또한 SSPLIN 방법과 RR 방법에서도 SSPLIN 방법이 RR 방법보다 오차율 부분에서는 성능이 좋지만 편차 부분에서는 RR 방법이 성능이 좋게 나왔다. SSPLIN과 RR를 비교하였을 때 6개의 지표의 평균에서는 SSPLIN이 더 우수하게 나타났다.
또한 SSPLIN 방법과 RR 방법에서도 SSPLIN 방법이 RR 방법보다 오차율 부분에서는 성능이 좋지만 편차 부분에서는 RR 방법이 성능이 좋게 나왔다. SSPLIN과 RR를 비교하였을 때 6개의 지표의 평균에서는 SSPLIN이 더 우수하게 나타났다. 다음으로는 RF, DDT-BW 순으로 나타났다.
다음으로는 RF, DDT-BW 순으로 나타났다. 종합적으로 보면 EQ 방법이 모든 지표에서 가장 우수한 방법으로 산정되었으며, DDT-BW를 제외한 나머지 기법은 실제 관측값과 차이가 적게 나타났다.
MIROC5는 전체 성능지표에서 두 번째로 성능이 안 좋은 GCM으로 평가되었다. 또한 MIROC5는 해안지역(인천, 울릉도)과 내륙지역에 속하는 추풍령과 서산을 제외하고 준수한 성능을 나타내지만, 충청도 및 남서쪽 지역에서는 낮은 성능을 보였다. CSIRO는 서울과 동해안 지역인 속초, 내륙지역인 청주, 군산에 높은 성능을 나타냈으나, 서울에서는 CCSM4를 제외하고 다른 GCM과의 큰 차이를 나타내지 않았다.
평가 방법에 따라 성능지표 당 오차율이 크므로 다기준의사결정기법인 TOPSIS를 이용하여 정규화와 표준화 과정을 거쳐서 6개의 성능지표를 모두 고려한 최종 순위를 선정하였다. 선정결과 CCSM4는 전체적으로 우리나라에 적응성이 떨어지는 것으로 나타났으며, CSIRO는 서울, 속초 청주, 군산에서 가장 높은 성능을 보였으며, 우리나라 남서쪽 해안과 일부 내륙지역에서 적응성이 떨어졌다. GISS는 전체적으로 대한민국 관측소 전역에 높은 우선순위로 선정되었으며 MIROC5는 우리나라 추풍령, 서산과 인천, 울릉도를 제외한 다른 지역에서 적응성이 낮게 산정되었다.
선정결과 CCSM4는 전체적으로 우리나라에 적응성이 떨어지는 것으로 나타났으며, CSIRO는 서울, 속초 청주, 군산에서 가장 높은 성능을 보였으며, 우리나라 남서쪽 해안과 일부 내륙지역에서 적응성이 떨어졌다. GISS는 전체적으로 대한민국 관측소 전역에 높은 우선순위로 선정되었으며 MIROC5는 우리나라 추풍령, 서산과 인천, 울릉도를 제외한 다른 지역에서 적응성이 낮게 산정되었다.
종합적으로 GISS가 매우 적합하게 나왔으며, CSIRO와 MIROC5는 큰 차이를 보이지 않았고, CCSM4 모형이 가장 적합하지 않는 모형으로 나타났다. 해안지역에 좋은 성능을 보인 CSIRO와 CCSM4 모형이 세 번째와 네 번째로 우리나라 과거 강수량에 가장 적합한 모형으로 선정이 되었으며 전체적으로 대한민국 전역에 준수한 적응성을 보인 GISS 모형이 가장 적합하다고 결과가 산출되었다. 내륙지방과 속초를 제외한 해안지역에서 준수한 성능을 보인 MIROC5 모형이 가장 두 번째로 적합한 모형으로 선정되었다.
그 결과 가장 오차가 적은 기법은 QM 기법 중 비모수변환법의 경험적 추정(empirical quantiles, EQ) 방법이 선정되었다. 앞선 결과를 토대로 6가지 지표를 사용하여 성능을 분석하였고, 분석결과 전체적으로 GISS 모형이 가장 적합했으며, MIROC5가 두 번째로 적합했다. CSIRO 모형은 3번째로 적합한 모형이었으며 가장 적합하지 않은 모형은 CCSM4 모형으로 선정되었다.
종합적으로 GISS가 매우 적합하게 나왔으며, CSIRO와 MIROC5는 큰 차이를 보이지 않았고, CCSM4 모형이 가장 적합하지 않는 모형으로 나타났다. 해안지역에 좋은 성능을 보인 CSIRO와 CCSM4 모형이 세 번째와 네 번째로 우리나라 과거 강수량에 가장 적합한 모형으로 선정이 되었으며 전체적으로 대한민국 전역에 준수한 적응성을 보인 GISS 모형이 가장 적합하다고 결과가 산출되었다.

후속연구

(2018)은 한반도의 60개 기상관측지점에 대하여 순별 30년 평균의 강수 및 기온에 대한 시⋅공간적 재현성 결과를 비교하였고, 그 결과 강수의 경우 HadGEM-ES의 성능이 가장 우수하였고, CanESM2의 재현 성능이 가장 낮았다. 본 연구에는 공간을 평균하여 한반도의 기후변화 상태를 분석한 것으로 공간을 포함한 연구 결과와 비교하였을 때 차이를 보이며, 또한 사용된 지표가 다르기 때문에 지표 가중치에 대한 고찰이 필요하다.
하지만 본 연구에서는 4개의 GCM만을 사용하였으므로 보편적인 결과라 볼 수 없다. 따라서 좀 더 많은 대표농도경로와 GCM을 이용한다면 보다 정확한 결과를 도출할 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	편이보정은 어떤방법인가?	, 2006). 또한 편이보정(bias correction)은 현재 기후의 모의와 관측을 비교하여 미래 기후를 보정하는 방법으로써 도입 이후 최근까지 활발하게 영향평가에서 활용되고 있다. 그러나 기존 편이보정방법들은 과거 자료로부터 도출한 분위사상이 미래까지 유효하다는 기후의 정상성(stationarity)을 가정하고 있다.
	편이보정 방법 에 따라서 결과가 다르게 도출될 수 있기 때문에 사용한 머신러닝 기법은?	이를 위하여 편이보정 과정을 수행하는데 대부분 선형 Quantile Mapping 방법들이 이용된다. 그러나 편이보정 방법에 따라서 결과가 다르게 도출될 수 있기 때문에 본 연구에서는 최근에 다양하게 적용되고 있는 Quantile Mapping 방법 중 비모수 변환법(non-parametric transformation, NPT), 분포기반 변환법(distribution derived transformation, DDT) 및 머신러닝(machine learning) 방법 중 하나인 Random Forest (RF) 방법을 동시에 사용하여 결과를 비교하였다. 특히 Random Forest는 요소의 변수에 임의성을 더한 방법으로서 다양한 초평면(hyperplane)을 가지게 되므로 앙상블 이론이 갖는 장점이 극대화되어 예측 및 분류에 관하여 기존 방법들보다 정확성이 개선되어 다양한 분야에서 활발하게 사용되고 있다(Breiman, 2001).
	머신러닝 모델 중 요소의 변수에 임의성을 더한 방법으로서 다양한 초평면(hyperplane)을 가지게 되므로 앙상블 이론이 갖는 장점이 극대화되어 예측 및 분류에 관하여 기존 방법들보다 정확성이 개선되어 다양한 분야에서 활발하게 사용되고있는 모델은 무엇인가?	그러나 편이보정 방법에 따라서 결과가 다르게 도출될 수 있기 때문에 본 연구에서는 최근에 다양하게 적용되고 있는 Quantile Mapping 방법 중 비모수 변환법(non-parametric transformation, NPT), 분포기반 변환법(distribution derived transformation, DDT) 및 머신러닝(machine learning) 방법 중 하나인 Random Forest (RF) 방법을 동시에 사용하여 결과를 비교하였다. 특히 Random Forest는 요소의 변수에 임의성을 더한 방법으로서 다양한 초평면(hyperplane)을 가지게 되므로 앙상블 이론이 갖는 장점이 극대화되어 예측 및 분류에 관하여 기존 방법들보다 정확성이 개선되어 다양한 분야에서 활발하게 사용되고 있다(Breiman, 2001). 또한 본 연구에서는 우리나라의 미래 기후변화 및 대응방안 설정과 한반도의 적용되는 GCM들의 성능을 평가하여 우리나라에 가장 적합한 GCM을 선정하였다.

참고문헌 (38)

Ahmed, K., Shahid, S., Chung, E. S., Wang, X. J., and Harun, S. B. (2019). "Climate change uncertainties in seasonal drought severity-area-frequency curves: Case of arid region of pakistan." Journal of Hydrology, Vol. 570, pp. 473-485.

상세보기
Amit, Y., and Geman, D. (1997). "Shape quantization and recognition with randomized trees." Neural Computation, Vol. 9, No. 7, pp. 1545-1588.

상세보기
Breiman, L. (2001). "Random forest." Machine Learning, Vol. 45, No. 1, pp. 5-32.
Cannon, A. J. (2008). "Probabilistic multisite precipitation downscaling by an expanded Bernoulli-gamma density network." Journal of Hydrometeorology, Vol. 9, pp. 1284-1300.

상세보기
Cannon, A. J. (2012). "Neural networks for probabilistic environmental prediction: Conditional Density Estimation Network Creation and Evaluation (CaDENCE) in R." Computers & Geosciences, Vol. 41, pp. 126-135.

상세보기
Chiew, F. H. S., Teng, J., Vaze, J., and Kirono, D. G. C. (2009). "Influence of global climate model selection on runoff impact assessment." Journal of Hydrology, Vol. 379, No. 1-2, pp. 172-180.

상세보기
Cho, J., Jung, I., Cho, W., and Hwang, S. (2018). "User-centered climate change scenarios technique development and application of Korean peninsula." Journal of Climate Change Research, Vol. 9, No. 1, pp. 13-29.

상세보기
Dawson, C. W., Abrahart, R. J., and See, L. M., (2007). "HydroTest: A web-based toolbox of evaluation metrics for the standardised assessment of hydrological forecasts." Environmental Modelling & Software, Vol. 22, No. 7, pp. 1034-1052.

상세보기
Dosiom, A., and Paruolo, P. (2011). "Bias correction of the ENSEMBLES high resolution climatechange projections for use by impact models:Evaluation on the present climate." Journal of Geophysical research Atmospheres, Vol. 116, No. D16, pp. 1-22.
Eum, H. I., and Cannon, A. J. (2017). "Intercomparison of projected changes in climate extremes for South Korea: Application of trend preserving statistical downscaling methods to the CMIP5 ensemble." International Journal of Climatology, Vol. 37, No. 8, pp. 3381-3397.

상세보기
Grillakis, M., G., Koutroulis, A. G., and Tsanis, I. K. (2013). "Multisegment statistical bias correction of daily GCM precipitation output." Journal of Geophysical research Atmospheres, Vol. 118, No. 8, pp. 3150-3162.

상세보기
Gudmundsson, L., Bremnes, J. B., Haugen, J. E., and Engen-Skaugen, T. (2012). "Technical Note: Downscaling RCM precipitation to the station scale using statistical transformations - a comparison of methods." Hydrology and Earth System Sciences, Vol. 16, pp. 3383-3390.

상세보기
Hwang, C. L., and Yoon, K. (1981). Multiple Attributes Decision Making Methods and Applications. Springer-Verlag, New York..
Hwang, S. W. (2014a). "Assessing the performance of CMIP5 GCMs for various climatic elements and indicators over the southeast US." Journal of Korea Water Resources Association, Vol. 47, No. 11, pp. 1039-1050

원문보기 상세보기
Hwang, S. W. (2014b). "Uncertainty of climate model skills estimated using different index." Proceedings of the Korean Society of Agricultural Engineers Conference, p. 42.
Im, E. S., Kwon, W. T., and Bae, D. H. (2006). "A study on the regional climate change scenario for impact assessment on water resources." Journal of Korea Water Resources Association, Vol. 39, No. 12, pp. 1043-1056.

원문보기 상세보기
Ines, A. V. M., and Hansen, J. W. (2006). "Bias correction of daily GCM rainfall for crop simulation studies." Agricultural and Forest Meteorology, Vol. 138, No. 1-4, pp. 44-53.

상세보기
Intergovernmental Panel on Climate Change (IPCC) (2014). Climate change 2014: synthesis report. contribution of working groups I, II and III to the fifth assessment report of the intergovernmental panel on climate change [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland, p. 151.
Lee, G., Chung, E, S., and Jun, K. S. (2013). "MCDM approach for flood vulnerability assessment using TOPSIS method with a cut level set." Journal of Korea Water Resources Association, Vol. 46, No. 10, pp.977-987.

원문보기 상세보기
Li, H., Sheffield, J., and Wood, E. F. (2010). "Bias correction of monthly precipitation and temperature fields from Intergovernmental Panel on Climate Change AR4 models using equidistant quantile matching." Journal of Geophysical Research, Vol. 115, No. D10.
Longley, P. A., Goodchild, M. F., Maguire, D. J., and Rhind, D. W. (2005). Geographic information systems and science. Wiley, Grafos S.A.
Masahiro, W., Tatsuo, S., Ryouta, O., Yoshiki, K., Shingo, W., Seita, E., Toshihiko, T., Minoru, C., Tomoo, O., Miho, S., Kumiko, T., Dai, Y., Tokuta, Y., Toru, N., Hiroyasu, H., Hiroaki, T., and Masahide, K. (2010). "Improved climate simulation by MIROC5: Mean states, variability, and climate sensitivity." Journal of Climate, Vol. 23, pp. 6312-6335.

상세보기
Mehr, A. D., and Kahya, E. (2017). "Grid-based performance evaluation of GCM-RCM combinations for rainfall reproduction." Theoretical and Applied Climatology, Vol. 129, No. 1-2, pp. 47-57.

상세보기
Noor, M., Ismail, T., Chung, E. S., Shahid, S., and Sung, J. H. (2018). "Uncertainty in rainfall intensity duration frequency curves of Peninsular Malaysia under changing climate scenarios." Water, Vol 10, No. 12, pp. 1-25.

상세보기
Pang, B., Yue, J., Zhao, G., and Xu, Z. (2017). "Statistical downscaling of temperature with the random forest model." Advances in Meteorology, Vol. 2017, pp. 1-11.

상세보기
Piani, C., Weedon, G. P., Best, M., Gomes, S. M., Viterbo, P., Hagemann, S., and Haerterd, J. O. (2010). "Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models." Journal of Hydrology, Vol. 395, No. 3-4, pp. 199-215.

상세보기
Pour, S. H., Shahida, S., and Chung, E. S. (2016). "A hybrid model for statistical downscaling of daily rainfall." Procedia Engineering, Vol. 154, pp. 1424-1430.

상세보기
Sa'adi, Z., Shahid, S., Chung, E. S., and Ismaila, T. (2017). "Projection of spatial and temporal changes of rainfall in Sarawak of Borneo Island using statistical downscaling of CMIP5 models." Atmospheric Research, Vol. 197, pp. 446-460.

상세보기
Salman, S. A., Shahid, S., Ismail, T., Al-Abadi, A. M., Wang, X. J., and Chung, E. S. (2018). "Selection of gridded precipitation data for Iraq using compromise programming." Measurement, Vol. 132, pp. 87-98.
Shiha, H. S., Shyurb, H. J., and Lee, E. S. (2007). "An extension of TOPSIS for group decision making." Mathematical and Computer Modelling, Vol. 45, No. 7-8, pp. 801-813.

상세보기
Shindell, D. T., Faluvegi, G., Unger, N., Aguilar, E., Schmidt, G. A., Koch, D. M., Bauer, S. E., and Miller, R. L. (2006). "Simulations of preindustrial, present-day, and 2100 conditions in the NASA GISS composition and climate model G-PUCCINI." Atmospheric Chemistry and Physics, Vol. 6, pp. 4427-4459.

상세보기
Shindell, D. T., Skeie, R. B., Sudo, K., Szopa, S., Takemura, T., and Zeng, G. (2012). "Global air quality and climate." Royal Society of Chemistry, Vol. 41, pp. 6663-6683.

상세보기
Song, J. Y., and Chung, E. S. (2017). "Spatial prioritization of climate change vulnerability using uncertainty analysis of multi-criteria decision making method." Journal of Korea Water Resources Association, Vol. 50, pp. 121-128.
Sung, J. H., Chung, E. S., and Shahid, S. (2018). "Reliability-Resiliency-Vulnerability approach for drought analysis in South Korea using 28 GCMs." Sustainability, Vol. 10, pp.1-16.

상세보기
Temba, N., and Chung, S. O. (2014). "Uncertainty of hydro-meteorological predictions due to climate change in the Republic of Korea." Journal of Korea Water Resources Association, Vol. 47, No. 3, pp. 257-267.

원문보기 상세보기
Wood, A. W., Leung, L. R., Sridhar, V., and Lettenmaier, D. P. (2004). "Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs." Climatic Change, Vol. 62, No. 1-3, pp. 189-216.

상세보기
Yapo, P. O., Gupta, V. H., and Sorooshian, S. (1995). "Automatic calibration of conceptual rainfall-runoff models: sensitivity to calibration data." Journal of Hydrology, Vol. 181, pp. 23-48.
Yu, J. S., Waseem M., Shin, J. Y., and Kim T. W. (2015). "Evaluation of extended inverse distance weighting method for constructing a flow duration curve at ungauged basin." Journal of Korean Society of Safety, Vol. 15, No. 3, pp. 329-337.

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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