[논문]앙상블 경험적 모드분해법을 활용한 북한지역 극한강수량 전망

정진홍; 박동혁; 안재현

doi:10.3741/jkwra.2019.52.10.671

앙상블 경험적 모드분해법을 활용한 북한지역 극한강수량 전망
Prospect of extreme precipitation in North Korea using an ensemble empirical mode decomposition method 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.52 no.10, 2019년, pp.671 - 680

정진홍 (서경대학교 대학원 도시기반방재안전공학과) , 박동혁 (서경대학교 도시안전연구센터) , 안재현 (서경대학교 이공대학 토목건축공학과)

초록
AI-Helper

기후변화에 따른 수문순환 요소들의 변화로 인해 미래에는 전 세계적으로 수문사상의 규모 및 빈도가 증가할 것이라는 많은 선행연구들이 있다. 하지만 북한지역의 미래 강수량에 대한 정량적 연구와 평가는 미비한 실정이다. 북한지역 역시 우리나라와 마찬가지로 극한강수에 따른 피해가 발생될 것으로 예상되기 때문에 북한지역에 관한 연구는 지속적으로 진행되어야 한다. 따라서 본 연구에서는 정상성 및 비정상성 빈도해석을 통해 북한지역의 미래(2020-2060년) 극한강수를 산정하고 현재기후(1981-2017년)와 비교 분석하였다. 비정상성 빈도해석은 RCP기후변화시나리오에 따라 모의된 HadGEM2-AO모델의 외부인자(JFM(1-3월), AMJ(4-6월), JAS(7-9월), OND(10-12월)의 평균 강수량)를 고려하여 수행하였다. 북한지역 극치 강우 사상과 유사한 경향을 보이는 외부인자 선정을 위해 앙상블 경험적 모드분해법을 활용하여 연 최대 강우자료의 잔차를 추출하였다. 추출된 잔차와 외부인자 사이의 상관성분석을 실시하였다. 8개 지점(강계, 삼지연, 장진, 양덕, 함흥, 신포, 장전, 신계)에서 3개의 외부인자(AMJ, JAS, OND)가 경향이 있음을 확인하였다. 선정된 외부인자를 고려하여 비정상성 GEV모형을 구축하고 빈도해석을 수행하였다. 그 결과, RCP4.5에서는 8개 지점 중 4개 지점이 현재기후 대비 미래극한강수량이 감소하는 경향을 보였고 3개 지점이 증가하는 것으로 나타났다. 반면에 RCP8.5에서는 2개 지점이 감소하는 경향을 5개 지점이 증가하는 것으로 분석되었다.

Abstract ▼ AI-Helper

Many researches illustrated that the magnitude and frequency of hydrological event would increase in the future due to changes of hydrological cycle components according to climate change. However, few studies performed quantitative analysis and evaluation of future rainfall in North Korea, where the damage caused by extreme precipitation is expected to occur as in South Korea. Therefore, this study predicted the extreme precipitation change of North Korea in the future (2020-2060) compared to the current (1981-2017) using stationary and nonstationary frequency analysis. This study conducted nonstationary frequency analysis considering the external factors (mean precipitation of JFM (Jan.-Mar.), AMJ (Apr.-Jun.), JAS (Jul.-Sept.), OND (Oct.-Dec.)) of the HadGEM2-AO model simulated according to the Representative Concentration Pathway (RCP) climate change scenarios. In order to select external factors that have a similar tendency with extreme rainfall events in North Korea, the maximum annual rainfall data was obtained by using the ensemble empirical mode decomposition (EEMD) method. Correlation analysis was performed between the extracted residue and the external factors. Considering selected external factors, nonstationary GEV model was constructed. In RCP4.5, four of the eight stations tended to decrease in future extreme precipitation compared to the present climate while three stations increased. On the other hand, in RCP8.5, two stations decreased while five stations increased.

주제어

표/그림 (7)

그림 Fig. 1. Procedure for the study
그림 Fig. 2. Rainfall stations over North Korea
그림 Fig. 3. Decomposed components by EEMD at Kanggye
표 Table 1. Selected external factor (seasonal rainfall) and correlations with residue
표 Table 2. Stationary and non-stationary frequency analysis results (RCP4.5)
그림 Fig. 4. Precipitation comparison by stationary and non-stationary frequency analysis
표 Table 3. Stationary and non-stationary frequency analysis results (RCP8.5)

AI 본문요약
AI-Helper

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

문제 정의

EEMD는 자료에 내재된 주기와 경향성을 나타내는 잔차를 추출할 수 있는 분해분석법으로 비선형, 비정상성인 시계열인 경우 더욱 효과적으로 분해할 수 있다는 장점이 있으며, 본 연구에서는 강우자료에 내재된 경향성 추출을 목적으로 사용하였다. EEMD의 효율적 분해를 위해서는 백색잡음 진폭(표준편차)과 앙상블 멤버 수 결정이 중요하다.
실제 극한강수는 다양한 요인으로 인하여 확률분포형의 매개변수나 분포자체가 시간에 따라 변하기 때문에 정상성을 가정한 전통적 빈도해석과는 다른 새로운 강우빈도해석 방법이 요구된다. 따라서 본 연구에서는 RCP기후변화시나리오(RCP4.5, 8.5)를 기반으로 모의된 HadGEM2-AO 모델의 계절별 강수를 고려하여 북한지역의 미래 극한강수를 전망하고 현재기후와 비교^․분석하였다.
외부변수로는 기온, 해수면 온도, 기후인자 등이 있으나 기후변화가 수자원에 미치는 가장 큰 영향은 변화된 기후로 인해 강수의 양이나 양상의 변화이다(Inha University, 2007). 따라서 본 연구에서는 현재기후에 온실가스 효과로 인한 지구온난화가 고려된 계절별 강수를 고려하여 미래 북한지역의 새로운 극한강 수를 전망하고자 한다.
본 연구의 목적은 정상성 및 비정상성 빈도해석을 통해 북한지역의 가까운 미래(2020-2060년)의 강수량을 추정하고 현재기후(1981-2017년)와 대비하여 변화를 분석하는 것이다. 비정상성 빈도해석은 외부인자를 고려하여 분석하였다.

가설 설정

비정상성 GEV 모형은 위치모수의 비정상성을 고려하거나 규모모수의 비정상성을 고려하여 구축할 수 있다. 그러나 형상모수의 경우, 신뢰성 있는 추정이 어렵고 비정상성을 고려하더라도 그 결과에 차이가 미비하여 상수로 가정할 것을 제안하였다(Coles, 2001).

제안 방법

기후변화에 따른 북한지역 극한강수 변화 전망을 위해 현재기후(1981-2017년, Reference)는 정상성 빈도해석을 통해 강수량을 산정하였고, 미래기후(2020-2060년)는 정상성(SGEV)과 비정상성(NL-GEV) 빈도해석을 실시하였다. Fig.
본 연구에서는 통계적 상세화 기법인 SDQDM (Spatial Disaggregation Quantile Delta Mapping)으로 생성된 RCP 기반의 HadGEM2-AO 모델의 계절 강수를 외부인자로 고려하여 비정상성 빈도해석을 실시하였다. 즉, 정상성을 고려한 현재 기후의 GEV분포에 온실가스 저감효과가 고려된 강수를 활용하여 미래의 새로운 북한지역 극한 강수를 전망하였으며 현재 기후(1981-2017년, Reference)와 비교 ․ 분석하였다.
본 연구의 목적은 정상성 및 비정상성 빈도해석을 통해 북한지역의 가까운 미래(2020-2060년)의 강수량을 추정하고 현재기후(1981-2017년)와 대비하여 변화를 분석하는 것이다. 비정상성 빈도해석은 외부인자를 고려하여 분석하였다. 여기서 말하는 외부인자는 1-12월의 3개월 평균 강수량을 의미한다.
(1998)에 의해 개발된 경험적 모드분해법 (EMD)의 경우, 서로 다른 모드 내에 추정된 결과값이 유사하여 모드가 구분되지 않는 모드 혼합 문제가 발생한다. 이를 해결하기 위해 EEMD는 시계열자료에 인위적으로 백색잡음 (white Noise)을 추가하여 분해한 후, 앙상블 평균을 사용하여 인위적 잡음을 제거하였으며 알고리즘은 다음과 같다. 첫 번째로 분석대상 시계열 자료(d(t))에 백색잡음(w(t))을 더한다.
본 연구에서는 통계적 상세화 기법인 SDQDM (Spatial Disaggregation Quantile Delta Mapping)으로 생성된 RCP 기반의 HadGEM2-AO 모델의 계절 강수를 외부인자로 고려하여 비정상성 빈도해석을 실시하였다. 즉, 정상성을 고려한 현재 기후의 GEV분포에 온실가스 저감효과가 고려된 강수를 활용하여 미래의 새로운 북한지역 극한 강수를 전망하였으며 현재 기후(1981-2017년, Reference)와 비교 ․ 분석하였다. Fig.

대상 데이터

따라서 본 연구에서는 북한지역 27개 지점 중 경향성이 파악되는 8개 지점을 최종 분석지점으로 선정하였다.
연구 대상지점은 북한 27개 지점이고 Fig. 2와 같다. 미래의 극한강수 전망을 위해 사용한 자료는 영국 기상청에서 개발한 대기-해양 결합모델인 RCP 기후변화 시나리오(RCP4.
5) 기반의 HadGEM2-AO 모델이다. 현재기후 빈도해석에는 1981-2017년의 관측자료를 기후변화 대비 수자원 적응 기술개발 연구단(Climate Change Adaption for Water Resources, CCAW)으로부터 제공받아 수행하였다.

데이터처리

북한지역의 극치 강우 사상과 유사한 경향을 보이는 외부 인자 선정을 위해 EEMD를 통해 산출된 연 최대 강우량의 잔차와 외부인자 사이의 Spearman 상관분석을 실시하였다. 외부인자는 3.

이론/모형

EEMD의 효율적 분해를 위해서는 백색잡음 진폭(표준편차)과 앙상블 멤버 수 결정이 중요하다. Wu and Huang (2009)이 권장한 표준편차 0.2를 사용하였으며 잔차의 동일한 계열 유지를 위해 앙상블 멤버 수는 1000개로 결정하였다. Fig.

성능/효과

7%. 3.4% 증가하였으며 NL-GEV모형은 45.3%, 59.3%, 54.1% 증가하였다. 신계는 현재기후 대비 S-GEV모형에서는 재현기간(T)별강수량의 평균변화율이 1.
RCP4.5에서는 8개 분석지점 중 4개 지점(장진, 양덕, 장전,함흥)이 현재기후대비 미래강수가 감소하는 경향을 나타냈고 3개 지점(신포, 삼지연, 강계)은 증가하고 있음을 보였다. 이와 달리 RCP8.
5보다 2개 지점이 줄었으며, 해당지역은 신계와 장전이다. S-GEV 모형에서는 신계와 장전 각각 평균변화율이 5.3%, 33.3%로 감소하였고 NL-GEV 모형은 36.4%, 43.5% 감소를 나타냈다. 장진은 RCP4.
4(a), 4(b), 4(d) and 4(e) 참고). 가장 큰 감소폭을 보인 지점은 장전으로 S-GEV 모형에서는 47.6% (300년), NL-GEV모형에서는 56.4% (300년) 감소하였다. 이와는 다르게 신포, 삼지연, 강계는 현재기후 대비 미래 강수량이 증가하는 경향을 보였다(Figs.
강계, 삼지연의 강우 사상은 JAS 계절, 장진, 양덕, 함흥, 신포, 장전은 AMJ 계절, 신계는 OND 계절과 상관성이 있는 것으로 나타났다.
1% 증가하였다. 신계는 현재기후 대비 S-GEV모형에서는 재현기간(T)별강수량의 평균변화율이 1.4%로 증가하였으나 NL-GEV모형에서는 22.0%로 감소하였다. RCP8.
5에서는 8개 분석지점 중 4개 지점(장진, 양덕, 장전,함흥)이 현재기후대비 미래강수가 감소하는 경향을 나타냈고 3개 지점(신포, 삼지연, 강계)은 증가하고 있음을 보였다. 이와 달리 RCP8.5에서는 미래 극한강수가 증가하는 지점이 5개 지점(함흥, 신포, 양덕, 삼지연, 강계)으로 RCP4.5 보다 2개 지점 늘어났으며 감소하는 지점은 기존의 4개 지점에서 2개 지점으로 줄어들었음을 확인하였다. 현재 기후 대비 강수량이 S-GEV 모형에서는 증가하고 NL-GEV 모형은 감소하는 경향이 나타났던 신계(RCP4.
5 시나리오에서는 5개지점(함흥, 신포, 양덕, 삼지연, 강계)에서 현재기후 대비 미래 강수량이 증가하는 경향을 나타냈다. 함흥, 신포, 양덕, 삼지연, 강계 각각 재현기간(T)별 강수량의 평균변화율이 S-GEV 모형은 28.3%, 177.7%, 10.4%, 39.6%, 42.2%였으며 NL-GEV 모형에서는 15.1%, 156.0%, 7.0%, 58.8%, 78.7% 증가로 나타났다. 강우량이 감소하는 지역은 RCP4.

후속연구

5 보다 2개 지점 늘어났으며 감소하는 지점은 기존의 4개 지점에서 2개 지점으로 줄어들었음을 확인하였다. 현재 기후 대비 강수량이 S-GEV 모형에서는 증가하고 NL-GEV 모형은 감소하는 경향이 나타났던 신계(RCP4.5)와 장진(RCP8.5)의 경우, 확률강우량의 증감에 대한 원인을 규명하기 위해서는 추후 계절별 강수와 극한 강우사상 그리고 RCP시나리오 사이의 물리적 영향력에 관한 분석이 필요할 것으로 확인된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	정상성이란 무엇인가?	통계학적 의미에서 정상성이란 매개변수가 시간에 따라 변하지 않는 것으로 상수로서 표현되는 것을 의미한다.
	기존 정상성 빈도해석이 가지는 문제점은?	하지만 최근 전 지 구적인 기후변화로 인하여 수문자료에 비정상성이 관측되고 있으며, 기존의 정상성 빈도해석은 확률강우량을 과소 산정 한다는 문제가 제기되고 있다(Li and Tan, 2015).
	비정상성 빈도해석의 필요한 예시는?	실제 극한강수는 다양한 요인으로 인하여 확률분포형의 매개변수나 분포자체가 시간에 따라 변 하기 때문에 정상성을 가정한 전통적 빈도해석과는 다른 새로운 강우빈도해석 방법이 요구된다. 따라서 본 연구에서는 RCP기후변화시나리오(RCP4.

참고문헌 (24)

Aryal, S. K., Bates, B. C., Campbell, E. P., Li, Y., Palmer, M. J., and Viney, N. R. (2009). "Characterizing and modeling temporal and spatial trends in rainfall extremes." Journal of Hydrometeorology, AMS, Vol. 10, No. 1, pp. 241-253.

상세보기
Coles, S. (2001). An introduction to statistical modeling of extreme values. Springer-Verlag, London, UK.
Croux, C., and Dehon, C. (2010). "Influence functions of the spearman and Kendall correlation measures." Statistical Method and Applications, Vol. 19, No. 4, pp. 497-515.

상세보기
Franks, S. W., and Kuczera, G. (2002). "Flood frequency analysis: Evidence and implications of secular climate variability, New South Wales." Water Resources Research, AGU, Vol. 38, No. 2, pp 432-439.
Huang, N. E., Shen, Z., Long, S. R., Wu, M. C., Shih, H. H., Zheng, Q., Yen, N. C., Tung, C. C., and Liu, H. H. (1998). "The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis." Proceedings of the Royal Society of London. Series A: Mathematical Physical and Engineering Sciences, Vol. 27, No. 2, pp. 903-995.
Ihara, C., Kushnir, Y., Cane, M. A., and DE la Pena, V. H. (2007). "Indian summer monsoon rainfall and its link with ENSO and Indian Ocean climate indices." International Journal of Climatology, Vol. 27, No. 2, pp. 179-187.

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.
Inha University (2007). Construction and transportation R&D report. Ministry of Construction & Transportation.
Jain, S., and Lall, U. (2000). "Magnitude and timing of annual maximum floods: Trends and large-scale climatic associations for the Blacksmith Fork river, Utah." Water Resources Research, Vol. 36, No. 12, pp. 331-343.
Jung, T. H., Kim, H. B., Kim, H. S., and Heo, J. H. (2019). "Selection of climate indices for nonstationary frequency analysis and estimation of rainfall quantile." Journal of the Korean Society of Civil Engineers, KSCE, Vol. 39, No. 1, pp. 165-174.
Kim, B. S., Lee, J. K., Kim, H. S., and Lee, J. W. (2011). "Non-stationary frequency analysis with climate variability using conditional Generalize Extreme Value distribution." Journal of Wetland Research, Vol. 13, No. 3, pp. 499-514.
Korean Meteorological Administration (2018). Climate change outlook report on the Korean Peninsula.
Koutsoyiannis, D. (2004). "Statistics of extremes and estimation of extreme rainfall: I. Theoretical investigation." Hydrological Sciences Journal, Vol. 49, No. 4, pp. 575-590.
Kwon, H. H., and Lee, J. J. (2011). "Seasonal rainfall outlook of Nakdong River basin using nonstationary frequency analysis model and climate information." Journal of Korea Water Resources Association, KWRA, Vol. 44, No. 5, pp. 339-350.

원문보기 상세보기
Lee, O. J., Sim, I. K., and Kim, S. D. (2018). "Non-stationary frequency analysis of daily rainfall depth using climate variables." Journal of the Korean Society Hazard Mitigation, Vol. 18, No. 7, pp. 639-647.

상세보기
Li, J., and Tan, S. (2015). "Nonstationary flood frequency analysis for annual flood peak series, adopting climate indices and check dam index as covariates." Water Resources Management, Vol. 319, pp. 573-574.
Milly, P. C. D., Wetherald, R. T., Dunne, K. A., and Delworth, T. L. (2002). "Increasing risk of great floods in a changing climate." Nature, Vol. 415, No. 6871, pp. 514-517.

상세보기
Myeong, S. J. (2018). "KDI review of the North Korean economy." Korea Development Institute, Vol. 20, No. 3, pp. 41-59.
Pizaro, G., and Lall. U. (2002). "El Nino and floods in the US west: What can we expect?" Eos Trans, AGU, Vol. 83, No. 32, pp. 349-352.
Sankarasubramanian, A., and Lall, U. (2003). "Flood quantiles in a changing climate: Seasonal forecast and causal relations." Water Resources Research, Vol. 39, No. 5, pp. 1134.
Solomon, S., Qin, D., Manning, M., Averyt, K., Marquis, M., Chen, Z., Tignor, M., and Miller, L. (2007). Climate change 2007: The physical science basis, Working group I contribution to the fourth assessment report of the IPCC, Cambridge university press. United Kingdom and New York, NY, USA.
Sung, J, H., Kim, B. S., Kang, H. S., and Cho, C. H. (2012). "Non-stationary frequency analysis for extreme precipitation based on representative concentration pathway (RCP) climate change scenario." Journal of Korean Society of Hazard Mitigation, Vol. 12, No. 2, pp. 231-244.
Thiombiano A. N., St-Hilaire, A., El, Adlouni, S., and Ouarda, T. B. J. (2018). "Nonlinear response of precipitation to climate indices using a non-stationary Poisson-generalized Pareto model: case study of southern Canada." International Journal of Climatology, Vol. 38, No. 1, pp. 878-888.

상세보기
Wu, Z., and Huang, N. E. (2009). "Ensemble empirical mode decomposition: a noise-assisted data analysis method." Advances in Adaptive Data Analysis, Vol. 1, No. 1, pp. 1-41.

상세보기

저자의 다른 논문 :

LOADING...

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