가뭄은 다양한 수문학적 또는 기상학적 인자들이 복합적으로 작용하여 발생하기 때문에 가뭄의 사상을 정확히 평가하는 것은 어려운 일이나, 이를 정량적으로 해석하기 위해 다양한 가뭄지수들이 개발되어 왔다. 하지만 현재 활용중인 가뭄지수들은 단일변량의 부족량을 통해 산정되며, 복합적인 원인으로 발생하는 가뭄의 사상을 정확히 판단하지 못하는 문제가 있다. 단순 단일변량의 부족을 가뭄이라고 판단하기는 어렵기 때문이다. 최근에는 빅데이터 분석에서 많이 활용되고 있는 비정형 데이터를 활용하여 지수를 개발하는 연구들이 타 분야에서 진행되고 있으며 우수성이 입증되고 있다. 따라서 본 연구에서는 기존 가뭄지수에 활용 중인 기상 및 수문정보(강수량, 댐 유입량)에 각각 비정형 데이터(뉴스데이터)를 결합하여 가뭄지수를 산정하고, 산정된 가뭄지수의 검증을 통해 가뭄해석의 활용성을 평가하고자 한다. 결합가뭄지수 산정을 위해 Clayton Copula 함수를 활용하였으며, 매개변수 추정은 교정방법을 이용하였다. 분석결과, 기존의 가뭄지수(SPI, SDI)보다 비정형 데이터를 결합한 가뭄지수가 가뭄기간을 적절히 재현하는 것으로 나타났다. 또한 Receiver Operating Characteristic (ROC) score가 기존의 가뭄지수들보다 높게 산정되어 가뭄해석에 있어 활용성이 우수하였다. 본 연구에서 산정된 결합가뭄지수는 기존 단일변량 가뭄지수의 해석적 한계를 보완하고 비정형데이터를 활용한 가뭄지수의 활용성이 우수하다는 점에서 활용성이 높다고 판단된다.
가뭄은 다양한 수문학적 또는 기상학적 인자들이 복합적으로 작용하여 발생하기 때문에 가뭄의 사상을 정확히 평가하는 것은 어려운 일이나, 이를 정량적으로 해석하기 위해 다양한 가뭄지수들이 개발되어 왔다. 하지만 현재 활용중인 가뭄지수들은 단일변량의 부족량을 통해 산정되며, 복합적인 원인으로 발생하는 가뭄의 사상을 정확히 판단하지 못하는 문제가 있다. 단순 단일변량의 부족을 가뭄이라고 판단하기는 어렵기 때문이다. 최근에는 빅데이터 분석에서 많이 활용되고 있는 비정형 데이터를 활용하여 지수를 개발하는 연구들이 타 분야에서 진행되고 있으며 우수성이 입증되고 있다. 따라서 본 연구에서는 기존 가뭄지수에 활용 중인 기상 및 수문정보(강수량, 댐 유입량)에 각각 비정형 데이터(뉴스데이터)를 결합하여 가뭄지수를 산정하고, 산정된 가뭄지수의 검증을 통해 가뭄해석의 활용성을 평가하고자 한다. 결합가뭄지수 산정을 위해 Clayton Copula 함수를 활용하였으며, 매개변수 추정은 교정방법을 이용하였다. 분석결과, 기존의 가뭄지수(SPI, SDI)보다 비정형 데이터를 결합한 가뭄지수가 가뭄기간을 적절히 재현하는 것으로 나타났다. 또한 Receiver Operating Characteristic (ROC) score가 기존의 가뭄지수들보다 높게 산정되어 가뭄해석에 있어 활용성이 우수하였다. 본 연구에서 산정된 결합가뭄지수는 기존 단일변량 가뭄지수의 해석적 한계를 보완하고 비정형데이터를 활용한 가뭄지수의 활용성이 우수하다는 점에서 활용성이 높다고 판단된다.
Drought is caused by a combination of various hydrological or meteorological factor, so it is difficult to accurately assess drought event, but various drought indices have been developed to interpret them quantitatively. However, the drought indexes currently being used are calculated from the lack...
Drought is caused by a combination of various hydrological or meteorological factor, so it is difficult to accurately assess drought event, but various drought indices have been developed to interpret them quantitatively. However, the drought indexes currently being used are calculated from the lack of a single variable, which is a problem that does not accurately determine the drought event caused by complex causes. Shortage of a single variable may not be a drought, but it is judged to be a drought. On the other hand, research on developing indices using unstructured data, which is widely used in big data analysis, is being carried out in other fields and proven to be superior. Therefore, in this study, we intend to calculate the drought index by combining unstructured data (news data) with weather and hydrologic information (rainfall and dam inflow) that are being used for the existing drought index, and to evaluate the utilization of drought interpretation through verification of the calculated drought index. The Clayton Copula function was used to calculate the joint drought index, and the parameter estimation was used by the calibration method. The analysis showed that the drought index, which combines unstructured data, properly expresses the drought period compared to the existing drought index (SPI, SDI). In addition, ROC scores were calculated higher than existing drought indices, making them more useful in drought interpretation. The joint drought index calculated in this study is considered highly useful in that it complements the analytical limits of the existing single variable drought index and provides excellent utilization of the drought index using unstructured data.
Drought is caused by a combination of various hydrological or meteorological factor, so it is difficult to accurately assess drought event, but various drought indices have been developed to interpret them quantitatively. However, the drought indexes currently being used are calculated from the lack of a single variable, which is a problem that does not accurately determine the drought event caused by complex causes. Shortage of a single variable may not be a drought, but it is judged to be a drought. On the other hand, research on developing indices using unstructured data, which is widely used in big data analysis, is being carried out in other fields and proven to be superior. Therefore, in this study, we intend to calculate the drought index by combining unstructured data (news data) with weather and hydrologic information (rainfall and dam inflow) that are being used for the existing drought index, and to evaluate the utilization of drought interpretation through verification of the calculated drought index. The Clayton Copula function was used to calculate the joint drought index, and the parameter estimation was used by the calibration method. The analysis showed that the drought index, which combines unstructured data, properly expresses the drought period compared to the existing drought index (SPI, SDI). In addition, ROC scores were calculated higher than existing drought indices, making them more useful in drought interpretation. The joint drought index calculated in this study is considered highly useful in that it complements the analytical limits of the existing single variable drought index and provides excellent utilization of the drought index using unstructured data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
뉴스 데이터 혹은 SNS 데이터와 같은 비정형 데이터의 장점은 가뭄이 발생하거나 피해를입으면 많은 기사들이 쏟아지고, SNS에 관련 글이 업로드 되기 때문에 사람들이 실제로 체감하는 데이터라는 것이다. 따라서 본 연구에서는 기존 가뭄지수에 활용 중인 기상 및 수문 정보(강수량, 댐 유입량)에 각각 비정형 데이터(뉴스 데이터)를 결합하여 기상학적 빅데이터 가뭄지수(Meteological Bigdata Drout Index, MBDI)와 수문학적 빅데이터 가뭄지수 (Hydrological Bigdata Drought Index, HBDI)를 산정하고, 산정된 가뭄지수의 검증을 통해 국내 가뭄해석의 활용성을 평가하고자 한다. Fig.
하지만 최근에는 비정형 데이터를 활용하여 가뭄정보를 생산하거나 지수를 개발하는 연구들이 진행되고 있다. 따라서 본 연구에서는 기존가뭄지수에 활용 중인 기상 및 수문정보에 비정형 데이터를 결합한 가뭄지수를 개발하고, 개발된 가뭄지수의 검증을 통해 가뭄해석의 활용성을 평가하였다. 본 연구의 주요내용 및 결과를 요약하면 다음과 같다.
본 연구의 목적은 뉴스데이터와 강수량, 뉴스데이터와 댐 유입량을 각각 결합하여 가뭄지수를 산정하고, 산정된 가뭄지수의 활용성을 평가하고자 하는 것이다.
제안 방법
후, 당시 가뭄사상과 비교 ․ 검토를 수행하였다. 가뭄의 심도는 Table 2와 같이 SPI와 동일하게 구분하여 가뭄해석에 활용하였으며, 가뭄지수가 -1 이하일 때를 가뭄으로 판단하였다. 가뭄기록조사보고서(2015), 뉴스기사(4, 201건), 가뭄 위기 경보 발령 사례에 따르면, 보령은 2015년 7월 처음으로 가뭄 위기 경보 ‘주의’ 단계가 발령되었으며, ‘주의’ 단계는 국지적 가뭄이 실제로 발생했을 경우 발령된다.
(2015)은 SNS 데이터를 활용하여 가뭄지수를 산정하고 가뭄분석의 새로운 접근법을 제시한 바 있다. 또한 타 분야에서는 Park et al. (2018) 이 뉴스 데이터를 활용하여 해운뉴스지수를 개발하고 예측 회귀분석을 통해 해운뉴스지수의 유용성을 평가하였다. 이와같이 최근에는 비정형 데이터를 활용한 연구들이 수행되고 있으며 우수성이 입증되고 있다.
본 연구에서는 기상학적 가뭄인자(강수량), 수문학적 가뭄 인자(댐 유입량)을 각각 비정형데이터(뉴스데이터)와 결합하여 결합 누가확률값을 산정하였다.
입력변수인 기상학적 가뭄인자(강수량), 수문학적 가뭄인 자(댐 유입량)를 각각 비정정형 데이터(뉴스 데이터)와 결합하여 MBDI, HBDI를 산정하였다. 산정된 가뭄지수를 2015년 충남 서북부가뭄 지역 중 가장 큰 피해를 입었던 보령지역에 적용하여 기존 가뭄지수(SPI, SDI)들과 시계열 분석을 통해 비교․평가하였다. 분석결과, SPI, SDI, MBDI, HBDI 모두 초기 가뭄감지에는 한계가 있는 것으로 파악되었다.
통한 정제작업이 수행된다. 수집된 자료를 대상으로 Python 패키지 koNLPy를 통해 형태소 분석을 실시한 뒤, 특수문자, 숫자, 기호 등 필요하지 않은 텍스트는 제거하고 명사만을 추출하였다. 추출된 명사를 통해 특정 키워드(Keyword)를 입력하여 수집된 기사가 가뭄관련 기사 및 연구대상지점의 기사인지를 파악하였다.
시계열에 따른 MBDI, HBDI의 거동 특성을 분석하기 위해 기존 가뭄지수(SPI, SDI)를 평균하여 2013 ~ 2016년까지 나열한 후, 당시 가뭄사상과 비교 ․ 검토를 수행하였다. 가뭄의 심도는 Table 2와 같이 SPI와 동일하게 구분하여 가뭄해석에 활용하였으며, 가뭄지수가 -1 이하일 때를 가뭄으로 판단하였다.
위의 키워드를 활용하여 뉴스기사를 수집하였으며, 수집된 자료는 형태소 분석을 실시하여 명사만을 추출하였다. 추출된 명사를 기반으로 ‘보령’, ‘대천’, ‘충남’ 이라는 연구 대상지점의 키워드가 없는 기사, 가뭄관련 기사여부를 파악하기 위해 ‘가뭄’ 키워드가 없는 기사는 제거하였다.
입력변수인 기상학적 가뭄인자(강수량), 수문학적 가뭄인 자(댐 유입량)를 각각 비정정형 데이터(뉴스 데이터)와 결합하여 MBDI, HBDI를 산정하였다. 산정된 가뭄지수를 2015년 충남 서북부가뭄 지역 중 가장 큰 피해를 입었던 보령지역에 적용하여 기존 가뭄지수(SPI, SDI)들과 시계열 분석을 통해 비교․평가하였다.
수집된 자료를 대상으로 Python 패키지 koNLPy를 통해 형태소 분석을 실시한 뒤, 특수문자, 숫자, 기호 등 필요하지 않은 텍스트는 제거하고 명사만을 추출하였다. 추출된 명사를 통해 특정 키워드(Keyword)를 입력하여 수집된 기사가 가뭄관련 기사 및 연구대상지점의 기사인지를 파악하였다.
대상 데이터
3과 같다. 강수량은 기상청에서 제공하는 보령지점의 강우자료를 활용하였으며, 댐 유입량은 국가수자원관리종합시스템(WAMIS) 에서 제공하는 보령댐 유입량을 사용하였다.
뉴스데이터는 웹 크롤링(Web Crawling)을 통해 네이버 뉴스의 기사를 수집하였다. 네이버 뉴스는 453개 이상의 언론사, 67개의 매체로 구성되어 있어 다양하고 많은 기사를 수집할 수 있다는 장점이 있다.
네이버 뉴스는 453개 이상의 언론사, 67개의 매체로 구성되어 있어 다양하고 많은 기사를 수집할 수 있다는 장점이 있다. 뉴스데이터는 키워드(Keyword)를 통해 자료가 수집되며, 본 연구에서는 국가가뭄 정보분석센터에서 빅데이터 가뭄분석에 활용하고 있는 ‘빅데이터 가뭄 분석뉴스 키워드’를 제공받아 참고하였으며 아래와 같다.
연구 대상지점은 2014 ~ 2015년 충남서북부가뭄 지역 중 가장 큰 피해를 입었던 보령지역으로 선정하였으며 Fig. 3과 같다. 강수량은 기상청에서 제공하는 보령지점의 강우자료를 활용하였으며, 댐 유입량은 국가수자원관리종합시스템(WAMIS) 에서 제공하는 보령댐 유입량을 사용하였다.
데이터처리
2)산정된 가뭄지수의 객관적 평가를 하고자 ROC분석을 수행하였다. 분석결과, ROC socre는 SPI 0.
5%)으로 나타났다. 각 범주별로 수집된 뉴스기사는 하나의 통합된 월별 빈도로 산출하였으며(Table 1), 월별빈도는 뉴스데이터의 변량으로 활용하여 추후 변량 결합에 활용하였다.
시계열분석은 가뭄지수를 시계열로 도시한 후, 가뭄지수가 가뭄 사상을 적절히 반영하는지에 관한 분석 방법이며, 본 연구에서는 표준강수지수와 개발된 가뭄지수를 비교 ‧ 평가하였다. 그러나 시계열분석은 연구자의 주관이 개입될 수 있기 때문에 본연구에서는 평가의 객관성을 확보하기 위해 ROC 분석을 활용하였다. ROC 분석은 가뭄사례와 가뭄지수의 가뭄발생 유무에 대한 상호비교를 통해 적중률과 비적중률을 산정하고 ROC score를 계산하여 가뭄지수의 정확도를 평가하는 방법이다.
또한, 본 연구에서는 평가의 객관성을 확보하고자 ROC 분석을 수행했으며, Fig. 8은 SPI, SDI, MBDI, HBDI 가뭄지수에 대한 ROC 분석 결과이다. 가뭄지수로부터 산정된 ROC socre 를 살펴보면 SPI 0.
생산된 가뭄지수는 시계열분석과 ROC (Receiver Operating Characteristic)분석을 통해 활용성을 평가하였다. 시계열분석은 가뭄지수를 시계열로 도시한 후, 가뭄지수가 가뭄 사상을 적절히 반영하는지에 관한 분석 방법이며, 본 연구에서는 표준강수지수와 개발된 가뭄지수를 비교 ‧ 평가하였다.
이변량 결합 누가확률값을 산정하기 위해 강수량과 댐 유입량의 확률분포형은 Mckee et al. (1993)가 제시한 Gamma 분포, 뉴스데이터는 Xi-Squared 검정을 통해 유의수준 1%를 만족하는 GEV (Generalized Extreme Value)분포를 활용하여 누가분포 함수를 산정하였다. 결합누가확률분포는 Clayton Copula 함수를 활용하였으며, 매개변수 추정에는 교정 방법을 사용하였다.
이론/모형
1)결합가뭄지수 산정을 위해 Clayton Copula 함수를 활용하였으며, 매개변수 추정은 교정방법을 이용하였다. 입력변수인 기상학적 가뭄인자(강수량), 수문학적 가뭄인 자(댐 유입량)를 각각 비정정형 데이터(뉴스 데이터)와 결합하여 MBDI, HBDI를 산정하였다.
Clayton Copula 함수의 매개변수 추정을 위해서 교정방법 (Calibration method by using sample dependence measure)을활용하였다. 이 방법은 Kendall의 순위 상관계수 를 이용해 계산된다.
(1993)가 제시한 Gamma 분포, 뉴스데이터는 Xi-Squared 검정을 통해 유의수준 1%를 만족하는 GEV (Generalized Extreme Value)분포를 활용하여 누가분포 함수를 산정하였다. 결합누가확률분포는 Clayton Copula 함수를 활용하였으며, 매개변수 추정에는 교정 방법을 사용하였다.
, 2014). 따라서 본 연구에서는 Clayton Copula 함수를 활용하였으며, 식은 다음과 같다.
본 연구에서는 Clayton Copula 함수로부터 산정된 결합 누가 확률값을 가뭄지수로 변환하기 위해 Mckee et al. (1993)이 표준 강수지수(SPI)에서 적용한 방법을 활용하였다. 이 방법을 통해 가뭄지수(Z)는 이변량 값에 따른 결합 누가확률 P1을 산정한 후 표준정규분포 상에서 동일한 누가확률 P2에 해당하는 X축 값이 가뭄지수가 된다(Fig.
이 방법은 Kendall의 순위 상관계수 를 이용해 계산된다. 계산방법은 두 개의 확률변수를 크기에 따라 순위를 부여하고 증감의 경향을 파악한다.
성능/효과
8은 SPI, SDI, MBDI, HBDI 가뭄지수에 대한 ROC 분석 결과이다. 가뭄지수로부터 산정된 ROC socre 를 살펴보면 SPI 0.68 SDI 0.58, MBDI 0.90, HBDI 0.84로 기존의 가뭄지수보다 빅데이터 가뭄지수들이 더 높게 산정된 것으로 나타났다. 따라서 본 연구에서 산정된 결합 가뭄지수는 가뭄해석에 있어 활용성이 높다고 판단된다.
추출된 명사를 기반으로 ‘보령’, ‘대천’, ‘충남’ 이라는 연구 대상지점의 키워드가 없는 기사, 가뭄관련 기사여부를 파악하기 위해 ‘가뭄’ 키워드가 없는 기사는 제거하였다. 그 결과 4, 201 개의 뉴스기사를 수집하였으며, ‘가뭄발생’ 관련 뉴스 2, 513 건(59.8%), ‘가뭄대응’ 뉴스 1, 215건(28.9%), ‘가뭄징조’ 뉴스 286건(6.8%), ‘가뭄영향’ 뉴스 187건(4.5%)으로 나타났다. 각 범주별로 수집된 뉴스기사는 하나의 통합된 월별 빈도로 산출하였으며(Table 1), 월별빈도는 뉴스데이터의 변량으로 활용하여 추후 변량 결합에 활용하였다.
분석결과, SPI, SDI, MBDI, HBDI 모두 초기 가뭄감지에는 한계가 있는 것으로 파악되었다. 그러나 MBDI와 HBDI의 경우, 기존 가뭄지수들에 비해 가뭄 지속시간을 잘 나타냈었으며, 가뭄기간을 적절히 재현하였다.
84로 기존의 가뭄지수보다 빅데이터 가뭄지수들이 더 높게 산정된 것으로 나타났다. 따라서 본 연구에서 산정된 결합 가뭄지수는 가뭄해석에 있어 활용성이 높다고 판단된다.
84로 기존의 가뭄지수보다 빅데이터 가뭄지수들이 더 높게 산정된 것으로 나타났다. 따라서 본 연구에서 산정된 결합 가뭄지수는 가뭄해석에 있어 활용성이 높다고 판단된다.
분석결과, ROC socre는 SPI 0.68, SDI 0.58, MBDI 0.90, HBDI 0.84로 기존의 가뭄지수보다 본 연구를 통해 산정된 가뭄지수들이 더 높게 나타났으며, 강수량과 뉴스데이터를 결합한 MBDI가 ROC score 0.90으로 가장 높게 산정되었다. 따라서 본 연구에서 산정된 결합가뭄지수는 가뭄 해석에 있어 활용성이 높다고 판단된다.
산정된 가뭄지수를 2015년 충남 서북부가뭄 지역 중 가장 큰 피해를 입었던 보령지역에 적용하여 기존 가뭄지수(SPI, SDI)들과 시계열 분석을 통해 비교․평가하였다. 분석결과, SPI, SDI, MBDI, HBDI 모두 초기 가뭄감지에는 한계가 있는 것으로 파악되었다. 그러나 MBDI와 HBDI의 경우, 기존 가뭄지수들에 비해 가뭄 지속시간을 잘 나타냈었으며, 가뭄기간을 적절히 재현하였다.
그러나 2016년 4월을 기준으로 제한급수가 해제되었으며, 일부 영농지에는가뭄피해가 발생하였다는 사례로 보아 당시 보령지역의 가뭄 기간은 2015년 7월 ~ 2016년 4월(10개월)까지로 볼 수 있다. 이를 토대로 SPI와 SDI 검토 결과, 각각 2015년 9, 10월에 처음으로 가뭄을 감지하였으며. 두 지수 모두 초기가뭄 감지에는 한계가 있는 것으로 파악되었다.
SDI는 가뭄의 전이 현상으로 가뭄의 시작이 한달 정도 늦은 2015년 10월 ~ 2015년 11월까지를 가뭄으로 판단하였으며, 2015년 12월부터 가뭄이 해소되는 현상이 나타났다. 이를 통해 기존 가뭄지수(SPI, SDI)들이 가뭄기간(2015년 7월 ~ 2016년 4월, 10개월)을 적절히 반영하지 못하는 것으로 확인되었다. 반면에 MBDI, HBDI의 경우, 각각 2015년 9월, 10월에 가뭄을 감지하고 2016 년 4월까지를 가뭄으로 보고 있으며, 2016년 5월에 가뭄이 해소되었다(Figs.
후속연구
본 연구에서 산정한 결합가뭄지수는 기존 정형 데이터를 활용한 가뭄지수의 해석적 한계를 보완하고 비정형데이터를 활용한 가뭄지수의 활용성이 우수하다는 점에서 그 가치가 높다고 판단된다. 앞으로의 국내 가뭄해석은 본 연구에서와 비정형 데이터를 활용하여 기존의 가뭄지수의 활용성을 극대화하는 연구가 필요할 것으로 사료된다.
판단된다. 앞으로의 국내 가뭄해석은 본 연구에서와 비정형 데이터를 활용하여 기존의 가뭄지수의 활용성을 극대화하는 연구가 필요할 것으로 사료된다.
참고문헌 (15)
Choe, J.Y., and Go, Y,S. (2006). "Development of soil moisture index." Water of Future, Vol. 39, No. 3, pp. 24-28.
Keyantash, J., and Dracup, J.A. (2002). "The quantification of drought: An evaluation of drought indices." American Meteorological Society, Vol. 83, No. 8, pp. 1167-1180.
Kim, S.D., Ryu, J.S., Oh, K.R., and Jeong, S.M. (2012). "An application of copulas-based joint drought index for determining comprehensive drought conditions." Journal of Korean Society of Hazard Mitigation, KOSHAM, Vol. 12, No. 1, pp. 223-230.
Kwak, J.W., Lee, S.D., Kim, Y.S., and Kim, H.S. (2013). "Return period estimation of droughts using drought variables from standardized precipitation index." Journal of Korea Water Resources Association, KWRA, Vol. 46, No. 8, pp. 795-805.
Kwon, H.J., Park, H.J., Hong, D.O., and Kim, S.J. (2006). "A study on semi-distributed hydrologic drought assessment modifying SWSI." Journal of Korea Water Resources Association, KWRA, Vol. 39, No. 8, pp. 645-658.
Lee, B.R., Bae, B.G., and Choi, S.H. (2015). "Drought analysis using comparison of standardized precipitation index and social bigdata." Journal of Computing Science and Engineering, Vol. 6, No. 6, pp. 16-18.
Mckee, T.B., Doesken, N.J., and Kleist, J. (1993). "The relationship of drought frequency and duration to times cales." 8th Conference on Applied Climatology. Anaheim, CA, U.S.
National Drought Mitigation Center (NDMC) (2002). Three years and counting: What's new with the drought monitor, drought mitigation center faculty publication 4. NE, U.S.
Palmer, W.C. (1965). Meteorological drought, research paper. No. 45, U.S. Weather Bureau, Silver Spring, MD, U.S.
Park, S.H., Kwon, J.H., and Kim, T.I. (2018). "Developing the maritime news index using news bigdata analysis." Marin Poilcy Reserch, Vol. 33, No. 1, pp.281-301.
Shiau, J.T., Feng, S., and Nadarajah, S. (2007). "Assessment of hydrological droughts for the Yellow river, China, using copulas." Hydrological Processes, Vol. 21, No. 16, pp. 2157-2163.
Sklar, K. (1959). "Fontions de reprartition an dimensionset leurs marges." Publications de l'Institut Statistique de l'Universite de Paris 8, pp. 229-231.
So, J.M., Sohn, K.H., and Bae, D.H. (2014). "Estimation and assessment of bivariate joint drought index based on copula functions." Journal of Korea Water Resources Association, KWRA, Vol. 47, No. 2, pp. 171-182.
Yoo, C.S., and Ryoo, S.R. (2003). "Analysis of drought return and duration characteristics at seoul." Journal of Korea Water Resources Association, KWRA, Vol. 36, No. 4, pp. 561-573.
Yoo, J.Y., Shin, J.Y., Kim, D.H., and Kim, T.W. (2013). "Drought risk analysis using stochastic rainfall generation model and copula functions." Journal of Korean Water Resources Association, KWRA, Vol. 46, No. 4, pp. 425-437.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.