[논문]관측망 밀도 변화가 기상변수의 공간분포에 미치는 영향: 2019 강원영동 입체적 공동관측 캠페인

김해민; 정종혁; 김현욱; 박창근; 김백조; 김승범

doi:10.14191/atmos.2020.30.2.169

관측망 밀도 변화가 기상변수의 공간분포에 미치는 영향: 2019 강원영동 입체적 공동관측 캠페인
Effects of Observation Network Density Change on Spatial Distribution of Meteorological Variables: Three-Dimensional Meteorological Observation Project in the Yeongdong Region in 2019 원문보기

대기 = Atmosphere, v.30 no.2, 2020년, pp.169 - 181

김해민 (국립기상과학원 재해기상연구부) , 정종혁 (국립기상과학원 재해기상연구부) , 김현욱 (국립기상과학원 재해기상연구부) , 박창근 (국립기상과학원 인공지능예보연구팀) , 김백조 (국립기상과학원 재해기상연구부) , 김승범 (국립기상과학원 재해기상연구부)

Abstract ▼ AI-Helper

We conducted a study on the impact of observation station density; this was done in order to enable the accurate estimation of spatial meteorological variables. The purpose of this study is to help operate an efficient observation network by examining distributions of temperature, relative humidity, and wind speed in a test area of a three-dimensional meteorological observation project in the Yeongdong region in 2019. For our analysis, we grouped the observation stations as follows: 41 stations (for Step 4), 34 stations (for Step 3), 17 stations (for Step 2), and 10 stations (for Step 1). Grid values were interpolated using the kriging method. We compared the spatial accuracy of the estimated meteorological grid by using station density. The effect of increased observation network density varied and was dependent on meteorological variables and weather conditions. The temperature is sufficient for the current weather observation network (featuring an average distance about 9.30 km between stations), and the relative humidity is sufficient when the average distance between stations is about 5.04 km. However, it is recommended that all observation networks, with an average distance of approximately 4.59 km between stations, be utilized for monitoring wind speed. In addition, this also enables the operation of an effective observation network through the classification of outliers.

주제어

표/그림 (11)

표 Table 1. Date of selected cold wave and snow cases in this study.
그림 Fig. 1. Location of surface observation stations used in this study.
표 Table 2. The number of total observation stations and horizontal grid size of the 3D MOP-YD area.
그림 Fig. 2. Spatial distribution of (a, b) weather chart at 0900 LST 14 february 2019, (c) 1 h accumulated precipitation (mm), (d) radar image at 1100 LST 14 february 2019.
그림 Fig. 3. Distribution of the correlation coefficient for (a) temperature and (b) relative humidity, and (c) wind speed, between the KMA 104 station and each station according to the distance between two stations on event period.
그림 Fig. 4. Spatial distributions of temperature (upper), relative humidity (middle), and wind speed (bottom) at 0400 LST 14 Feb 2019 (D2) related with cold wave.
그림 Fig. 5. Same as in Fig. 4 except for 0800 LST 14 Feb 2019 (D4) related with snow.
표 Table 3. Comparisons of correlation (R) and coefficient of determination (R²) for area values of kriging as by average distances of surface observation system.
그림 Fig. 6. Scatter diagrams of relationship between the interpolated values and observation values from each step network : (a-f) temperature, (g-l) relative humidity, and (m-r) wind speed.
표 Table 4. The first and third quartiles value. And station of outside the IQR range. This station is not estimated by kriging method.
그림 Fig. 7. It is a unusual point outside the IQR range.

AI 본문요약
AI-Helper

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

문제 정의

복잡한 산악지형에서 기상현상의 공간분포 특성에 대해 정확히 알기 위해서는 고밀도의 관측망이 요구되나 경제성을 고려할 경우 관측망 밀도의 상향에도 한계가 존재한다. 따라서 관측망 밀도의 상향에 따른 공간 재현 성능을 비교해 기상 현상분포를 잘 표현하며 경제성있는 관측망 밀도를 파악하고자 한다.
우리나라는 지형이 복잡하고 몬순의 영향을 받아 기상요소의 공간 변동성이 커서 지상기상변수의 공간 분포를 정확하게 파악하는데 어려움이 있다. 따라서 국지 기상현상의 수평분포를 충분히 파악할 수 있는 관측망 밀도 적정성을 검토하였고 나아가 효율적인 관측망의 운용에 도움을 주고자 특이지점에 대해 살펴보았다.
이에 본 연구에서는 캠페인 대상영 역인 영동지역의 지상 관측 자료를 기반으로 생산한 격자자료를 통해 적정 관측소 밀도를 분석하고자 한다. 또한 기존 네트워크에 대한 평가를 통해 관측망의 경제적이며 효율적인 운용에 도움을 주고자 한다.이 논문의 2장에서는 2019년 강원영동 입체적 공동관측 캠페인에 대하여 설명하고, 사례 선정, 그리고 분석 방법에 대하여 기술하였다.
그러나 최근 2019 강원 영동지역 공동관측 캠페인의 수행으로 관측 밀도가 증가된 바 있다. 이에 본 연구에서는 캠페인 대상영 역인 영동지역의 지상 관측 자료를 기반으로 생산한 격자자료를 통해 적정 관측소 밀도를 분석하고자 한다. 또한 기존 네트워크에 대한 평가를 통해 관측망의 경제적이며 효율적인 운용에 도움을 주고자 한다.
주변의 내삽값으로 추정하기 어려워 관측이 필요한 특이지점으로 선정된 지점과 같이 적재적 소에서 관측하고, 관리가 필요하다고 사료된다. 이와 같이 특이 지점 구분을 통해 효과적인 관측망의 운용을 할 수 있는 가능성을 보았다.

제안 방법

가장 많은 지점의 자료가 사용된 Step 4(4.59 km의 관측망 밀도)의 공간 정확도가 가장 높다고 판단하고, 이를 기준으로 비교·분석 하였다.
관측망의 밀도에 따른 수평 분포 특성을 분석하기 위해 연구 영역 내에 위치한 관측지점을 기상청의 기존 관측망(Step 1), 기상청의 기존 관측망 + 유관(Step 2), 기상청의 기존 관측망 + MWS 관측망(Step 3), 그리고 기상청(기존 + MWS) + 유관(Step 4) 순으로 관측망 밀도에 따라 단계별로 구분했다(Table 2). 여기서, 각 단계별 관측 밀도는 관측소의 수를 캠페인 대상 영역의 넓이(약 865 km²)로 나눈 값이다.
그러나 효율적인 관측망 운영을 위해 기존에 설치된 기상 네트워크의 활용성을 분석하였다. 잔차를 산출하였고 IQR 이외의 값에 해당하는 특이지점들을 선정하였다.
그러므로 효율적인 관측망운영에 도움을 주고자 기존 관측망을 검토하여 MWS와 유관기관의 AWS의 특이지점을 선정했다. Figure 6에서 구한 회귀식을 사용 하여 기온, 상대습도, 그리고 풍속의 잔차를 산출하였으며 IQR(1, 3 사분위수) 이외 값을 보이는 지점을 특이지점으로 정의하였다(Table 4).
이를 위해 2019 강원영동 입체적 공동관측 캠페인 (3D MOP-YD)의 기상청 AWS와 ASOS 10개소, 통합 기상관측망 24개소로 총 34개소, 유관기관의 AWS는 7개소인 총 41개소의 관측망 자료를 확보하였다. 그리고 3D MOP-YD기간 중 강원영동지역에 한파 시각인 13일 0700 LST (D1), 14일 0400 LST (D2)와 강설 기간인 14일 0700~1000 LST (D3~6)에 대해 크리깅, 회귀 분석, 그리고 통계 분석을 수행하여 다음과 같은 결론을 얻을 수 있었다.
3장에서는 관측지점거 리에 따른 상관관계와 관측망 밀도에 따른 공간 재현 성능을 비교하였다. 그리고 관측지점의 대표성을 분석한 결과를 기술하였다. 마지막으로 4장에서 결과를 요약하고 토의하여 마무리 하였다.
)의 통계측도를 비교하여 정량적인 검증을 하였다. 그리고 회귀 식을 통해 잔차를 산출하여 IQR (Interquartile range) 이외인 특이 지점을 선정하였다. 여기서, 특이 지점이란 주변의 값으로 내삽하여 추정하기 어려워 관측이 필요한 지점을 의미한다.
기존에 설치된 기상 네트워크의 활용성을 분석하기 위해 크리깅 기법을 이용해 추정된 격자값과 중첩되는 관측지점의 기상변수값의 관계를 확인해보았다 (Fig. 6). X 축은 Step 2와 3의 내삽된 격자값을 나타내며 Y 축은 Step 4의 실제 관측된 값을 의미한다.
단계별로 해상도를 증가시킨 관측 자료(Table 2)를 2.3절에서 제시된 크리깅 기법을 적용하여 수평해상도 300 m의 공간분포를 표출하였다(Figs. 4, 5). MWS 자료에 의한 효과는 Step 1과 Step 3 또는 Step 2와 Step 4의 비교, 유관기관의 AWS 자료에 따른 효과는 Step 1와 Step 2 또는 Step 3과 Step 4의 비교를 통해 파악할 수 있다.
3에 나타내었다. 두 지점 사이의 상관 계수를 구하기 위해 북강릉 지점을 기준으로 3D MOP-YD에 활용된 그 외 비교 지점에 대해 상관관계를 구한다. 여기서, 지점간의 거리는 지구를 구(sphere) 로 가정하고 두 지점의 위도와 경도의 위치 정보를 대입하여 두 지점 사이의 최단거리를 측정하는 방법인 Haversine 공식을 이용하여 계산하였다(Sinnott, 1984).
적설이 겨울철과 밀접한 관련이 있으나 관측값이 존재하지 않는 지점이 많아 수증기 함유량에 관한 대기의 상태인 상대습도로 변수를 대체하여 활용하였다. 바람의 경우 지형에 따라서 변화가 크며 풍속이 증가할수록 지표면에서 요란을 일으키므로 추가 분석하였다. 한편, 상대습도를 관측하지 않는 용평지점 AWS (318)로 인해 1개소 적은 40개소가 활용되었다.
1). 연구 자료는 선정된 관측지점의 시간별 기온(한파 관련), 상대습도, 그리고 풍속 변수를 사용했다. 적설이 겨울철과 밀접한 관련이 있으나 관측값이 존재하지 않는 지점이 많아 수증기 함유량에 관한 대기의 상태인 상대습도로 변수를 대체하여 활용하였다.
일반적으로 관측지점의 거리가 멀어짐에 따라 기상변수의 상관관계도 낮아지므로 영동지역 내의 관측지점을 활용하여 기상변수의 상관도를 조사하였다. 관측 지점 사이의 거리에 따른 기온, 상대습도 그리고 풍속의 상관 특성을 Fig.
따라서 비정규 자료(불규칙한 지점) 로부터 격자형 자료를 생성하는 지질 통계 기법이며 (Isaaks and Srivastava, 1989), 비교적 정확하게 내삽 하는 것으로 보고된 바 있는(Oliver and Webster, 1990; Goovaerts, 1997) 크리깅(Kriging) 기법을 사용하여 관측 밀도에 따른 공간상의 기상 특성을 추정하였다. 자료에 공간적인 경향성이 없을 때 약한 불변성을 가정하고 사용하는 정규 크리깅(ordinary kriging)을 했다. 이는 크리깅 추정식이 편향되지 않으면서 오차분산을 최소로 하는 가중치를 구하는 기법이다.
그러나 효율적인 관측망 운영을 위해 기존에 설치된 기상 네트워크의 활용성을 분석하였다. 잔차를 산출하였고 IQR 이외의 값에 해당하는 특이지점들을 선정하였다. 주변의 내삽값으로 추정하기 어려워 관측이 필요한 특이지점으로 선정된 지점과 같이 적재적 소에서 관측하고, 관리가 필요하다고 사료된다.
연구 자료는 선정된 관측지점의 시간별 기온(한파 관련), 상대습도, 그리고 풍속 변수를 사용했다. 적설이 겨울철과 밀접한 관련이 있으나 관측값이 존재하지 않는 지점이 많아 수증기 함유량에 관한 대기의 상태인 상대습도로 변수를 대체하여 활용하였다. 바람의 경우 지형에 따라서 변화가 크며 풍속이 증가할수록 지표면에서 요란을 일으키므로 추가 분석하였다.

대상 데이터

유관기관의 AWS는 2899(선자령)가 3가지 변수에서 모두 특이지점으로 선정되었다. 2704(강릉시 안반덕이), 2723(고령평창 진부면), 그리고 2937(소금강)은 2가지 변수에서, 2896(사기막), 2897(전후재)은 1가지 변수에서 특이지점으로 선정되었다. 이러한 특이 지점의 지리적 위치를 Fig.
3D MOP-YD 기간내에 강설과 한파 주의보가 발표된 2019년 2월 13일부터 14일까지를 연구 기간으로 선정하였다. 그 중에서도 한파 특보기준을 초과하는 시각인 13일 0700 LST(D1, 대관령: -12.
강원영동 입체적 공동관측 캠페인(3-Dimensional Meteorological Observation Project in the Yeongdong Region, 3D MOP-YD)은 다양한 국지순환이 발달하는 동해중부해 상과 강릉 경포해안에서 선자령까지의 지역을 중심으로 강원영동지역의 복잡지형효과와 동풍의 영향을 분석하기 위한 목적으로 2019년 2월 11일부터 28일(18 일)까지 수행되었다. 3D MOP-YD 대상영역의 관측지점은 기상청의 자동기상관측장비(Automatic Weather Station, AWS), 종관기상관측시스템(Automated Synoptic Observing System, ASOS) 10개소, 우량계 10개소, 통합기상관측망(Multi Weather System, MWS) 24개소, 그리고 유관기관(국립공원, 농촌진흥청, 그리고 산림청)은 AWS 7개소로 총 54개소가 포함되었다. 기상청의 지상기상관측지점들은 약 87%가 고도 300 m 이하이며, 지리적으로 특정지역에 집중되어 있어 국지적인 기상특성을 정량적으로 분석하기에는 어려움이 많다(Hong et al.
관측지점의 거리에 따라 기상변수의 지역적인 차이를 분석하기 위해 연구영역내에서 유인관측지점이며 해안가에 위치한 북강릉 지점(104)을 기준으로 이외의 관측지점들(40소)과의 상관계수(Pearson correlation coefficients)를 산출하고 결측을 제외한 39소를 분석하였다.
3D MOP-YD 기간내에 강설과 한파 주의보가 발표된 2019년 2월 13일부터 14일까지를 연구 기간으로 선정하였다. 그 중에서도 한파 특보기준을 초과하는 시각인 13일 0700 LST(D1, 대관령: -12.8^oC)와 14일 0400 LST(D2, 대관령: -12.5^oC) 그리고 적설이 관측된 기간인 14일 0700~1000 LST(D3~6, 북강릉: 0.5 cm) 를 분석에 사용하였다(Table 1). 3D MOP-YD의 설치된 관측소는 54개소이나 이 중 강수 변수만을 수집하는 우량계(10개소)를 제외하고 해당 기간 내에 자료수집이 되지 않은 평창 매봉과 강릉시 화란봉, 홍제의 세 지점을 제외하였다.
그리고 유관기관의 AWS 자료들은 고도 7 m(2704, 강릉시 연곡면) ~ 약 1155 m (2899, 선자령) 고도에 설치되어있다. 그리고 사례의 국지적인 특성 파악에 기상청의 종관일기도와 AWS의 강수분포 자료, 그리고 레이더 영상을 활용하였다.
, 2019). 분석에 사용된 공간적인 대상범위는 3D MOP-YD의 영역 인 강릉시와 평창군 산지(대관령면, 진부면)로 한정하였고 격자 해상도는 300 m로 고정하고 1시간 단위의 수평 분포를 나타내었다. 최고밀도의 면적 내삽값(Step 4)과 관측망 단계별 면적 내삽값을 이용하여 둘 사이의 상관계수(correlation coefficient: R)와, 결정계수 (coefficient of determination: R²)를 계산하였다.
여기서 두지점 Q와 P의 각각 경도(x)와 위도(y)를 나타내며, r은 구의 반지름을 나타낸다. 사례 기간 (2019.02.13.0700 LST ~ 02.14.1000 LST)의 평균값으로 기준지점(104)과 결측이 포함된 지점을 제외하고 39소를 분석에 사용하였다. 북강릉 지점에서 가장 가까운 관측지점은 북강릉 통합기상장비(2560)로 약 0.
사용된 관측지점의 고도는 기상청의 AWS와 ASOS 일때 최저 약 4 m(524, 강문)와 최대 약 852 m(879, 스키점프)이고, 통합기상장비를 포함할 경우 기상청 산하의 지상 관측 장비는 약 2 m (2555, 경포호) ~ 약 1439 m(2587, 발왕산) 고도에 설치되어 있다. 그리고 유관기관의 AWS 자료들은 고도 7 m(2704, 강릉시 연곡면) ~ 약 1155 m (2899, 선자령) 고도에 설치되어있다.
3D MOP-YD의 설치된 관측소는 54개소이나 이 중 강수 변수만을 수집하는 우량계(10개소)를 제외하고 해당 기간 내에 자료수집이 되지 않은 평창 매봉과 강릉시 화란봉, 홍제의 세 지점을 제외하였다. 이러한 이유로 기상청의 AWS와 ASOS 10개소, MWS 24개소로 총 34개소, 그리고 유관기관의 AWS 7개소로 총 41개소를 사용하 였다(Fig. 1). 연구 자료는 선정된 관측지점의 시간별 기온(한파 관련), 상대습도, 그리고 풍속 변수를 사용했다.
이를 위해 2019 강원영동 입체적 공동관측 캠페인 (3D MOP-YD)의 기상청 AWS와 ASOS 10개소, 통합 기상관측망 24개소로 총 34개소, 유관기관의 AWS는 7개소인 총 41개소의 관측망 자료를 확보하였다. 그리고 3D MOP-YD기간 중 강원영동지역에 한파 시각인 13일 0700 LST (D1), 14일 0400 LST (D2)와 강설 기간인 14일 0700~1000 LST (D3~6)에 대해 크리깅, 회귀 분석, 그리고 통계 분석을 수행하여 다음과 같은 결론을 얻을 수 있었다.

데이터처리

또한, 기존 네트워크를 평가하여 적정한 기상 네트워크 설계를 위해 크리깅 기법으로 추정된 값과 실제 관측지점의 값을 오차제곱근(Root Mean Square Error, RMSE), 상관계수(R), 그리고 결정계수(R²)의 통계측도를 비교하여 정량적인 검증을 하였다. 그리고 회귀 식을 통해 잔차를 산출하여 IQR (Interquartile range) 이외인 특이 지점을 선정하였다.
분석에 사용된 공간적인 대상범위는 3D MOP-YD의 영역 인 강릉시와 평창군 산지(대관령면, 진부면)로 한정하였고 격자 해상도는 300 m로 고정하고 1시간 단위의 수평 분포를 나타내었다. 최고밀도의 면적 내삽값(Step 4)과 관측망 단계별 면적 내삽값을 이용하여 둘 사이의 상관계수(correlation coefficient: R)와, 결정계수 (coefficient of determination: R²)를 계산하였다.

이론/모형

즉, 복잡한 산악지형에서의 바람정보는 기온과 상대습도에 비해 고밀도의 관측망이 요구됨을 확인하였다. 각 사례시간 별로 크리깅 기법을 적용하여 300 m 격자 해상도의 내삽값을 산출하였다. Step 1에서 Step 4로 갈수록 점차 기상분포를 정확히 파악할 수 있었고, 고도의 특성이 수평 내삽결과에 잘 나타나는 것을 확인하였다.
이는 크리깅 추정식이 편향되지 않으면서 오차분산을 최소로 하는 가중치를 구하는 기법이다. 그리고 일반적으로 사용되는 모델중 하나인 Spherical을 활용하였다. 본 연구에서 사용한 크리깅 기법은 추정식이 항상 편향되지 않기 위해서는 가중치의 합이 1이 되야 한다는 제약조건이 있다.
국지적인 기상현상의 특성을 분석하기 위한 고해상도 격자형 기상자료의 필요성이 증대되고 있으나(Lee, 2001), 지상 관측소는 지점 자료이며 공간적으로 비균질하게 분포한다. 따라서 비정규 자료(불규칙한 지점) 로부터 격자형 자료를 생성하는 지질 통계 기법이며 (Isaaks and Srivastava, 1989), 비교적 정확하게 내삽 하는 것으로 보고된 바 있는(Oliver and Webster, 1990; Goovaerts, 1997) 크리깅(Kriging) 기법을 사용하여 관측 밀도에 따른 공간상의 기상 특성을 추정하였다. 자료에 공간적인 경향성이 없을 때 약한 불변성을 가정하고 사용하는 정규 크리깅(ordinary kriging)을 했다.
두 지점 사이의 상관 계수를 구하기 위해 북강릉 지점을 기준으로 3D MOP-YD에 활용된 그 외 비교 지점에 대해 상관관계를 구한다. 여기서, 지점간의 거리는 지구를 구(sphere) 로 가정하고 두 지점의 위도와 경도의 위치 정보를 대입하여 두 지점 사이의 최단거리를 측정하는 방법인 Haversine 공식을 이용하여 계산하였다(Sinnott, 1984).

성능/효과

각 사례시간 별로 크리깅 기법을 적용하여 300 m 격자 해상도의 내삽값을 산출하였다. Step 1에서 Step 4로 갈수록 점차 기상분포를 정확히 파악할 수 있었고, 고도의 특성이 수평 내삽결과에 잘 나타나는 것을 확인하였다. 그러나 관측망 밀도의 증가에 따른 효과는 기상변수와 기상조건(한파, 눈)에 따라 다르게 나타났다.
거리에 따른 상관관계를 분석한 결과, 기온에서 상대습도 그리고 풍속으로 갈수록 상관관계가 감소하는 특징을 보였다. 상관계수가 감소하는 특성은 풍속에서 가장 컸으며 기온이 가장 적었다.
즉, 기상요소의 지역적인 차이는 풍속이 크고, 상대적으로 기온이 가장 적은 차이를 보였다. 결론적으로 복잡한 산악지형에서의 바람정보는 기온과 상대습도에 비해 보다 고밀도의 관측망이 요구된다.
04 km)의 관측망을 활용해야 한다. 그리고 기온과 상대습도는 유관기관의 자료보다 통합기상관측망의 추가에 따른 수평분포의 변화가 더 컸다. 이는 통합기상관측망이 설치로 인해 고도의 다양성과 복잡지형의 특징이 반영된 것으로 판단된다.
6o-r) 내삽된 격자값이 일정한 값에 집중되어 있는 것을 확인할 수 있었다. 또한 내삽된 격자값이 관측값과 상관성을 가지지 않는 것으로 확인되었다. 그리고 일반적으로 R²이 0.
4h, k)의 수평 분포는 큰 차이를 보이지 않았다. 또한 풍속은 관측소의 추가에 따른 변화가 크게 나타났으며, 이는 지표의 특성, 지형 또는 장애물 등에 의한것으로 추측된다.
2c), 동해상의 약한 에코가 북진하면서 강수가 종결되었다. 레이더로 분석된 실황 눈비 영역은 대상 지역에 눈 (강설)으로 분류됨을 확인하였다(Fig. 2d). 즉, 강수 분포와 레이더 에코 분포로부터 연구 사례는 강원 영동 지역에서 발생한 국지적인 강수 사례임을 확인하였다.
4에 나타내었다. 산지에 -12 o C 이하로 한파 특보기준을 확인할 수 있었고, 동해로부터 불어오는 상대적으로 따듯한 바람에 의해(Fig. 2) 해안가는 상대적으로 높은 기온의 공간분포를 보였다. Step 1의 기온(Fig.
즉, 강원 영동지역에서 기온의 공간분포는 본 연구의 최저밀도인 Step 1으로도 약 74% 이상 재현이 가능함을 알 수 있다. 상대습도는 Step 1에서 최저 상관계수가 0.03(D4)로 낮은 상관관계를 보였고 최소 R²가 0.00(D4, 6)으로 기상청의 기존 관측 망인약 9.03 km의 해상도에서는 상대습도의 공간분포 재현이 불가능함을 확인하였다. 보다 고해상도의 관측망 밀도인 Step 2일때는 최저 0.
001로 통계적으로 유의했다. 양의 상관관계(1.00~0.34)를갖고 있으나, 약 16.11 km부터는 0.70 이하로 양의 상관관계가 낮아지는 것을 확인 할 수 있었다. 풍속의 경우(Fig.
59 km)의 모든 지점의 관측자료를 사용한 결과가 가장 신뢰성 높다고 판단하였다. 위의 결과는 관측망의 밀도의 증가에 따른 효과가 항상 일정한 것이 아니라 기상변수와 기상 조건(한파, 눈) 에 따라 다르게 나타날 수 있음을 보여 준다.
수평분포가 약 74% 이상 설명력을 갖는 관측 밀도는 기온은 Step 1, 상대습도는 Step 3이다. 이와 같이, 관측 밀도의 변화에 따른 기상변수의 수평분포와 공간 정확도의 차이는 명확히 나타났다. 한편, 바람은 수평 비균질성이 크고 거리가 조금만 멀어져도 관측 값의 차이가 커지기 때문에 복잡한 산악지형에서의 바람정보는 보다 더 고밀도로 관측되어야한다.
86 이다. 즉, Step 1, 2에 비해 Step 3이 Step 4와 월등히더 높은 상관관계를 보이며 데이터의 공간분포를 표현할 수 있었다. 그러나 시간에 따라 계수들의 변동성이 다소 크게 나타나 해당 해상도의 신뢰성이 부족하다.
74(D4, 6)이다. 즉, Step 2은 53%의 설명력을 지니고 있고 Step 3는 최소 74% 정도의 설명력을 가지고 있으므로 관측망 밀도가 Step 3 정도 되어야 상대습도의 공간 재현이 의미있을것으로 판단하였다. 풍속의 경우, Step 1과 Step 2의 상관계수는 -0.
2d). 즉, 강수 분포와 레이더 에코 분포로부터 연구 사례는 강원 영동 지역에서 발생한 국지적인 강수 사례임을 확인하였다.
74 이상(D2)으로 Step 1은 약 74% 이상의 설명 력을 갖는다. 즉, 강원 영동지역에서 기온의 공간분포는 본 연구의 최저밀도인 Step 1으로도 약 74% 이상 재현이 가능함을 알 수 있다. 상대습도는 Step 1에서 최저 상관계수가 0.
상관계수가 감소하는 특성은 풍속에서 가장 컸으며 기온이 가장 적었다. 즉, 기상요소의 지역적인 차이는 풍속이 크고, 상대적으로 기온이 가장 적은 차이를 보였다. 결론적으로 복잡한 산악지형에서의 바람정보는 기온과 상대습도에 비해 보다 고밀도의 관측망이 요구된다.
기상변수들은 거리에 따라 상관관계가 낮아졌으며, 이러한 변화는 풍속에서 가장 크고 기온이 가장 적었다. 즉, 복잡한 산악지형에서의 바람정보는 기온과 상대습도에 비해 고밀도의 관측망이 요구됨을 확인하였다. 각 사례시간 별로 크리깅 기법을 적용하여 300 m 격자 해상도의 내삽값을 산출하였다.
특히, 산지에 위치한 발왕산 지점(고도 약 1439 m, 통합기상시스템)은 풍속의 공간 분포에 많은 영향을 주는 지점으로 판단되었다. 풍속은 시간에 따른 변동성이 크게 나타나는 것을 확인하 였으며, Step 4(약 4.59 km)의 모든 지점의 관측자료를 사용한 결과가 가장 신뢰성 높다고 판단하였다. 위의 결과는 관측망의 밀도의 증가에 따른 효과가 항상 일정한 것이 아니라 기상변수와 기상 조건(한파, 눈) 에 따라 다르게 나타날 수 있음을 보여 준다.
6g-l) 내삽된 격자값은 관측값과 낮은 상관성을 가지는 것으로 분석되었으며, Step 2는 과소추정하고, Step 3은 과대추정 하는 경향을 보였다. 풍속은(Figs. 6m-r) 산발적으로 분포하였으며 시간에 따라 상이하지만 주로 강설시(Figs. 6o-r) 내삽된 격자값이 일정한 값에 집중되어 있는 것을 확인할 수 있었다. 또한 내삽된 격자값이 관측값과 상관성을 가지지 않는 것으로 확인되었다.
5e)는 Step 1에 비해 다양한 기상값을 포착하나 여전히 기상분포 표현에 한계를 보였다. 한편, 통합기상관측시스템이 추가된 Step 3의 기온(Fig. 5j)과 상대습도(Fig. 5k)는 Step 2에 비해 강릉시 산지와 대관령면에 가장 큰 변화를 보이며 수평 분포를 더 정확하게 추정하였다. 특히, 강설(Fig.

후속연구

결론적으로 현재 기상청의 관측해상도(약 12 km)로는 한파와 강설 사례등의 기상공간분포를 파악하기 어렵다고 사료된다. 관측자료 추가에 따른 기상변수의 수평 분포의 차이는 명확히 나타났다.
이와 같은 결과는 강원지역의 지상 관측망의 활용과 운용에 대한 기초연구 및 근거자료가 될것으로 생각된다. 그러나 본 연구는 관측 공백 지역이 단순 내삽되어 발생하는 비현실적인 값들에 대해 보완되지 않은 한계가 있다. 향후, 관측 공백지 역의 정확한 값을 추출하기 위해서 다양한 내삽방법을 비교·분석하여 가장 적합한 기법을 찾는 연구가 이루어져야 할 것이다.
는 실제 관측된 고도를 의미하고 ∝는 일반적으로 1/7로 설정한다(Peterson and Hennessey, 1978; Weisser and Foxon, 2003). 단, 본 분석에 사용된 자료 중 관측지점의 환경은 기상관측표준화법의 기준을 적용하여 설치된 것으로 이에 대한 검증은 불필요하다고 사료된다.
증대되고 있는 기상정보의 중요성을 고려한다면 본연구에서 언급한 특이지점과 같은 최적 입지를 찾는 것이 중요하다고 사료된다. 본 연구의 결과에 비추어볼 때, 현재 기상청 12 km 수준의 관측밀도는 국지적인 기상현상의 공간특성을 파악하기 어렵다고 판단된다. 현 시점에서 캠페인 대상 영역의 국지 위험기상 현상을 제대로 감시하기 위해서는 기온은 공간해상도 9.
또한 각 지점의 특성에 따라 유의하여 관리가 필요하다. 이와 같은 결과는 강원지역의 지상 관측망의 활용과 운용에 대한 기초연구 및 근거자료가 될것으로 생각된다. 그러나 본 연구는 관측 공백 지역이 단순 내삽되어 발생하는 비현실적인 값들에 대해 보완되지 않은 한계가 있다.
그러나 본 연구는 관측 공백 지역이 단순 내삽되어 발생하는 비현실적인 값들에 대해 보완되지 않은 한계가 있다. 향후, 관측 공백지 역의 정확한 값을 추출하기 위해서 다양한 내삽방법을 비교·분석하여 가장 적합한 기법을 찾는 연구가 이루어져야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	산악 지역과 평지 지역에서 기상특성은 무엇인가?	Won (2015)에 의하면 우리나라의 기상현상은 산악 지역과 평지 지역에서 다른 특성을 보이는데 강수량은 산악지역이 2배 더 많았으며 풍속은 산악지역에서 3배 더 강하게 부는 것을 밝혔다. 우리나라는 산지의 면적 비율이 크고 특히, 강원도의 경우 중간 산야지대(500~1,000 m)가 43.
	기상청의 관측망의 설치 형태는 어떠한가?	이런 큰 공간 변동성으로 인해 지상기상변수의 공간분포를 정확하게 파악하는데 어려움이 있다. 현재 우리나라 기상청의 관측망은 평균거리 12km 정도이며, 기상관측장비들이 대부분 인구가 밀집된 도시를 중심으로 설치되어 있다(Yoon et al., 2016).
	상기상변수의 공간분포를 파악하는데 어려운 이유는?	우리나라는 지형이 복잡하고 몬순의 영향을 받아 기상요소의 시·공간적 변동성이 크게 나타난다(Honget al., 2007).

참고문헌 (24)

Chung, K.-B., J.-Y. Kim, and T.-Y. Kwon, 2004: Characteristics of lower-tropospheric wind related with winter precipitation in the Yeongdong region. J. Korean Meteor. Soc., 40, 369-380 (in Korean with English abstract).
Goovaerts, P., 1997: Geostatistics for natural resources evaluation. Oxford University Press, 483 pp.
Hwang, S. H., and D. H. Ham, 2013: Study on the optimal grid-size and station-density for water resources applications. J. Korean Soc. Hazard Mitig., 13, 137-148 (in Korean with English abstract).
Hong, K.-O., M.-S. Suh, D.-K. Rha, D.-H. Chang, C. Kim, and M.-K. Kim, 2007: Estimation of high resolution gridded temperature using GIS and PRISM. Atmosphere, 17, 255-268 (in Korean with English abstract).
Isaaks, E. H., and R. M. Srivastava, 1989: An introduction to applied geostatistics. Oxford University Press, 561 pp.
Jang, H., N. Kang, H. Noh, D. R. Lee, C. Choi, and H. S. Kim, 2015: Applicability of spatial interpolation methods for the estimation of rainfall field. J. Wetlands Res., 17, 370-379, doi:10.17663/JWR.2015.17.4.370 (in Korean with English abstract).

원문보기 상세보기
Jiang, Y., Y. Luo, Z. Zhao, and S. Tao, 2010: Changes in wind speed over China during 1956-2004. Theor. Appl. Climatol., 99, 421-430, doi:10.1007/s00704-009-0152-7.

상세보기
Kang, M., M.-S. Park, J.-H. Chae, J.-S. Min, B. Y. Chung, and S. E. Han, 2019: Effects of network density on gridded horizontal distribution of meteorological variables in the Seoul Metropolitan area. Atmosphere, 29, 183-196, doi:10.14191/Atmos.2019.29.2.183 (in Korean with English abstract).
Kim, H.-U., J.-H. Jeong, J.-K. Shim, and B.-C. Choi, 2018: Tendency analysis of heavy snowfall damage in Korea. Proc. 2018 Annual Conference, Korean Society of Hazard Mitigation, 274 (in Korean).
Kim, S. B., H. J. Shin, R. Ha, and S. J. Kim, 2012: Spatiotemporal analysis of snowfall for 5 heavy snowfall areas in South Korea. J. Korean Soc. Civil Engineers, 32, 103-111 (in Korean with English abstract).
Kim, S., W. T. Oh, and S. Lee, 2013: Analysis on the density of the weather station over South Korea. The Geographical Journal of Korea, 47, 47-59 (in Korean with English abstract).
Lee, J. G., 1999: Synoptic structure causing the difference in observed snowfall amount at Taegwallyong and Kangnung: Case study. J. Korean Meteor. Soc., 35, 319-334 (in Korean with English abstract).
Lee, K.-W., 2001: Analysis of hydrological surface characteristics using ArcView/spatial analyst GIS extension. J. Korean Earth Sci. Soc., 22, 491-499 (in Korean with English abstract).
Lee, S., I. Heo, K. Lee, and W.-T. Kwon, 2005: Classification of local climatic regions in Korea. J. Korean Meteor. Soc., 41, 983-995 (in Korean with English abstract).
Oliver, M. A., and R. Webster, 1990: Kriging: a method of interpolation for geographical information systems. Int. J. Geogr. Inf. Syst., 4, 313-332.

상세보기
Peterson, E. W., and J. P. Hennessey, 1978: On the use of power laws for estimates of wind power potential. J. Appl. Meteor. Climatol., 17, 390-394.

상세보기
Pryor, S. C., J. T. Schoof, and R. J. Barthelmie, 2005: Empirical downscaling of wind speed probability distributions. J. Geophys. Res. Atmos., 110, D19109.

상세보기
Sinnott, R. W., 1984: Virtues of the haversine. Sky Telesc., 68, 159.
Tak, H.-M., S.-H. Kim, and I. Son, 2013: A study on distributions and spatial properties of geomorphological mountain area. J. Korean Geograph. Soc., 48, 1-18 (in Korean with English abstract).
Wan, H., X. L. Wang, and V. R. Swail, 2010: Homogenization and trend analysis of Canadian near-surface wind speeds. J. Climate, 23, 1209-1225, doi:10.1175/2009JCLI3200.1.

상세보기
Weisser, D., and T. J. Foxon, 2003: Implications of seasonal and diurnal variations of wind velocity for power output estimation of a turbine: a case study of Grenada. Int. J. Energy Res., 27, 1165-1179.

상세보기
Won, M. S., 2015: Automatic mountain meteorology observation system and strategies of activating information sharing. Proc. Symposium on Sharing Mountain Weather Information, Seoul, National Institute of Forest Science, 3-19.
Yoon, S., M. Won, and K. Jang, 2016: A study on optimal site selection for automatic mountain meteorology observation system (AMOS): The Case of Honam and Jeju Areas. Korean Journal of Agricultural and Forest Meteorology, 18, 208-220 (in Korean with English abstract).

원문보기 상세보기
Yoon, S.-S., B. Lee, and Y. Choi, 2015: Quantitative precipitation estimation using high density rain gauge network in Seoul area. Atmosphere, 25, 283-294, doi:10.14191/Atmos.2015.25.2.283 (in Korean with English abstract).

원문보기 상세보기

저자의 다른 논문 :

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