[논문]남한지역 기후변화량 평가를 위한 고해상도 농업기후 자료

허지나; 박주현; 심교문; 김용석; 조세라

doi:10.5532/kjafm.2020.22.3.128

남한지역 기후변화량 평가를 위한 고해상도 농업기후 자료
A High-Resolution Agro-Climatic Dataset for Assessment of Climate Change over South Korea 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.22 no.3, 2020년, pp.128 - 134

허지나 (국립농업과학원 기후변화평가과) , 박주현 (주식회사 에피넷) , 심교문 (국립농업과학원 기후변화평가과) , 김용석 (국립농업과학원 기후변화평가과) , 조세라 (국립농업과학원 기후변화평가과)

초록
AI-Helper

국립농업과학원은 공동연구를 통해 기상청 소속 94개 종관기상관측소의 일별 기상자료를 기반으로 6가지 기상요소(최고·최저·평균 기온, 강수량, 일사량, 일조시간)에 대한 30m 및 270m 해상도의 격자형 일별 상세 기후 자료를 약 50년(1971-현재) 기간에 대해 생산하였고, 평년 기후값(1981-2010) 및 평년 대비 상세 기후 변화량 정보를 생산하였다. 이러한 일별 자료, 평년 자료 그리고 평년 대비 변화량 자료는 GeoTiff 형식으로 제공되며, 구글 크롬(Google Chrome) 에서 최적화된 https://agecoclim.agmet.kr 사이트에서 다운받을 수 있다. 본 연구 결과물은 현재 주식회사 에피넷과 국립농업과학원에서 공동으로 관리 중이며, 향후 기후·이상기상 변화량 분석 자동화 체계를 추가 보완을 통해 활용성을 제고하고, 기후 정보의 정확성을 향상시킬 예정이다.

Abstract ▼ AI-Helper

The daily gridded meteorological information and climatology with high resolution (30m and 270m) was produced from 94 Automated Surface Observing System (ASOS) of Korea Meteorological Administration (KMA) for the past 50 years (1971-current) by different downscaling methods. In addition, the difference between daily meteorological data and the mean state of past 30 years (1981-2010) was calculated for the analysis of climate change. These datasets with GeoTiff format are available from the web interface (https://agecoclim. agmet.kr). The performance of the data is evaluated using 172 Automatic Weather S tation (AWS ) of Rural Development of Administration (RDA). The data have biases lower than 2.0, and root mean square errors (RMSE) lower than 3.8. This data may help to better understand the regional climatic change and its impact on agroecosystem in S outh Korea.

주제어

표/그림 (9)

그림 Fig. 1. Location of 94 Automated Surface Observing System (ASOS) of Korea Meteorological Administration (KMA) used for production of high-resolution climatological map and 172 Automatic Weather Station (AWS) of Rural Development of Administration (RDA) used for data validation.
표 Table 1. Downscaling methods to produce high-resolution agro-climatic data
표 Table 2. Parameters available from the Web interface
그림 Fig. 2. A file and directory hierarchy on Internet Web pages of grid data generated by automated system.
그림 Fig. 3. Spatial map of estimated high-resolution climate over South Korea for 30 years (1981-2010)
그림 Fig. 4. Comparison of RMSE performance of estimated variables for the period 2010-2019.
표 Table 3. Root mean square error (RMSE) and bias of estimated high-resolution climate for the period 2010-2019
그림 Fig. 5. An example for data download and visualization using agview package.
그림 Fig. 6. An example for data download and visualization using QGIS.

AI 본문요약
AI-Helper

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

문제 정의

다만 분포도 자료의 실시간 배포는 컴퓨팅 자원 소모량의 문제로 인해 270m 해상도에 한정하고 있고 대용량의 자료도 배포할 수 있는 시스템을 추가 연구를 통해 구축할 예정에 있다. 본 논문은 공동연구를 통해 생산된 상세 농업기후 자료에 대한 정보를 소개함으로써, 지역적 기후변화 해석 및 농업부문 기후변화 영향평가 등을 위한 기초 자료로 활용될 수 있도록 상세 농업기후 데이터를 공유하여 활용성을 제고하는데 목적이 있다.
국립농업과학원에서는 농업부문 기후변화 실태조사를 위해 2016년부터 현재까지 공동연구를 통해 농업생태계의 기후 변화량의 시공간 정보를 생산하는 연구를 수행하고 있다. 즉, 시공간 기후 변화 특성을 이해하기 위해 공간적으로 흩어져 있는 기상청 지상 기상관측자료를 기반으로 지형학적 및 기상학적 특성을 반영하여 고해상도 격자형 농업기상자료를 생산함으로써 공간적 연속성을 확보하고자 하였다. 본 연구를 통해 작물의 생육과 생산성에 밀접하게 관련이 있는 6가지 기상요소(최고⋅최저⋅평균 기온, 강수량, 일사량, 일조시간)에 대해 30m 및 270m 해상도의 격자형 일별 상세 기후 자료를 약 50년(1971-현재) 기간에 대해 생산하였고, 평년 기후값(1981-2010) 및 평년 대비 상세 기후 변화량 정보를 생산하였다.

가설 설정

생산된 자료를 정량적으로 검증하기 위해 상세 기후 자료 생산의 입력자료로 활용되지 않는 172개의 농촌진흥청 자동기상관측소 자료를 수집하고 비교하였다. 이를 위해 농촌진흥청 농업기상관측소를 가상의 미관측 지점으로 가정하고 해당 지점의 관측과 추정값을 이용하였다. 관측 지점의 수는 관측기가 설치된 일자, 유지 보수 일자 및 기간, 운영 중지 일자 등 기간마다 다양한 원인에 의한 변동이 있지만 약 170개 지점에서 2010년부터 2019년까지 관측된 자료를 사용하였다.

제안 방법

기후변화량 분석을 위해 농업 기상요소 6종에 대해 과거 평년(1981∼2010년) 자료를 일별로 생산하였으며, 격자형 일별 자료와 과거 평년 자료와의 편차를 계산하였다. 평년 대비 변화량 자료를 생산하기 위해 평년의 평균(μ)과 표준편차(σ)를 이용하여 현재 날짜의 기후를 정규화한 값(z=(X-μ)/σ)을 구하였다(Eq.
즉, 시공간 기후 변화 특성을 이해하기 위해 공간적으로 흩어져 있는 기상청 지상 기상관측자료를 기반으로 지형학적 및 기상학적 특성을 반영하여 고해상도 격자형 농업기상자료를 생산함으로써 공간적 연속성을 확보하고자 하였다. 본 연구를 통해 작물의 생육과 생산성에 밀접하게 관련이 있는 6가지 기상요소(최고⋅최저⋅평균 기온, 강수량, 일사량, 일조시간)에 대해 30m 및 270m 해상도의 격자형 일별 상세 기후 자료를 약 50년(1971-현재) 기간에 대해 생산하였고, 평년 기후값(1981-2010) 및 평년 대비 상세 기후 변화량 정보를 생산하였다. 국립농업과학원에 해당 정보 전산 체계를 구축하여 자동화된 자료 생산이 가능하도록 하였고 이를 웹 페이지와 프로그램 언어를 통해 배포하고 있다.

대상 데이터

1)에서 측정된 일별 기상자료를 1971년부터 현재까지 수집하였다. 과거자료는 기상자료개방포털(http://data.kma.go.kr)를 이용하여 수집하였고, 실황자료는 OpenAPI를 연계하여 수집하고 있다. 수집한 지점 자료는 상세화 모형을 이용하여 최고기온(℃), 최저기온(℃), 평균기온(℃), 강수량(mm), 일조시간(hr), 일사량(MJ/m²)에 대해 30m 및 270m 해상도의 남한지역 일별 격자형 자료로 재생산하였다.
이를 위해 농촌진흥청 농업기상관측소를 가상의 미관측 지점으로 가정하고 해당 지점의 관측과 추정값을 이용하였다. 관측 지점의 수는 관측기가 설치된 일자, 유지 보수 일자 및 기간, 운영 중지 일자 등 기간마다 다양한 원인에 의한 변동이 있지만 약 170개 지점에서 2010년부터 2019년까지 관측된 자료를 사용하였다. 또한 관측자료의 QC는 전체 자료 기간 중 표준편차 3을 초과하는 값을 제거하는 방법을 사용하였다.
제공되는 상세 농업기후 자료는 Table 2와 같이 일별 자료 6종(최고⋅최저⋅평균 기온, 강수량, 일조시간, 일사량)과 평년자료 6종, 평년 대비 변화량 자료 6종으로 총 18종이다. 데이터 기간은 일별 자료의 경우 1971년 1월 1일부터 현재까지이고, 평년자료의 경우 30년(1981-2010) 평균된 자료로 1월 1일부터 12월 31일까지 있으며, 변화량 자료의 경우 2001년 1월 1일부터 현재까지이다. 데이터의 폴더 구조는 각 변수별로 “[변수명]/[연도]/[월]/[일]/[파일명]”으로 구성되어 있으며, 연도는 4자리, 월은 2자리, 일은 2자리 정수로 구성되어 있다(Fig.
생산된 자료를 정량적으로 검증하기 위해 상세 기후 자료 생산의 입력자료로 활용되지 않는 172개의 농촌진흥청 자동기상관측소 자료를 수집하고 비교하였다. 이를 위해 농촌진흥청 농업기상관측소를 가상의 미관측 지점으로 가정하고 해당 지점의 관측과 추정값을 이용하였다.
kr)를 이용하여 수집하였고, 실황자료는 OpenAPI를 연계하여 수집하고 있다. 수집한 지점 자료는 상세화 모형을 이용하여 최고기온(℃), 최저기온(℃), 평균기온(℃), 강수량(mm), 일조시간(hr), 일사량(MJ/m²)에 대해 30m 및 270m 해상도의 남한지역 일별 격자형 자료로 재생산하였다.
일별 자료, 평년 자료 그리고 평년 대비 변화량 자료는 구글 크롬(Google Chrome) 에서 최적화된 https://agecoclim.agmet.kr 사이트에서 확인하고 다운 받을 수 있다. 제공되는 상세 농업기후 자료는 Table 2와 같이 일별 자료 6종(최고⋅최저⋅평균 기온, 강수량, 일조시간, 일사량)과 평년자료 6종, 평년 대비 변화량 자료 6종으로 총 18종이다.
자료는 GeoTiff 형식이며 x축(경도) 방향 2082개 그리고 y축(위도) 방향 2298 개의 격자로써 약 4백만 개의 격자를 포함하고 있다. 각 격자는 부동소수점 32bit 값의 범위를 표현하고 있으며 압축되지 않았을 경우 약 18MB (2082 x 2298 x 32bit)의 용량이지만 deflate 방식으로 압축되어 있어 단일 파일의 평균적인 크기는 약 6MB 내외이다.
kr 사이트에서 확인하고 다운 받을 수 있다. 제공되는 상세 농업기후 자료는 Table 2와 같이 일별 자료 6종(최고⋅최저⋅평균 기온, 강수량, 일조시간, 일사량)과 평년자료 6종, 평년 대비 변화량 자료 6종으로 총 18종이다. 데이터 기간은 일별 자료의 경우 1971년 1월 1일부터 현재까지이고, 평년자료의 경우 30년(1981-2010) 평균된 자료로 1월 1일부터 12월 31일까지 있으며, 변화량 자료의 경우 2001년 1월 1일부터 현재까지이다.

데이터처리

기후변화량 분석을 위해 농업 기상요소 6종에 대해 과거 평년(1981∼2010년) 자료를 일별로 생산하였으며, 격자형 일별 자료와 과거 평년 자료와의 편차를 계산하였다. 평년 대비 변화량 자료를 생산하기 위해 평년의 평균(μ)과 표준편차(σ)를 이용하여 현재 날짜의 기후를 정규화한 값(z=(X-μ)/σ)을 구하였다(Eq. 1)

이론/모형

, 2013). 강수량의 경우, 주변 관측소와의 고도, 거리, 해안효과, 경사 등의 관계를 고려하는 PRISM (Parameter-elevation Regressions on Independent Slopes) 모형을 이용하여 270m 해상도로 추정하였다(Kim and Yun, 2013). 일사량의 경우, 기본적으로 역거리가중법을 이용하여 공간내삽을 수행하였으며, 수치표고모델(DEM: Digital Elevation Model)로부터 추출한 각 격자점의 경사도와 경사향을 기반으로 일별 일사보정계수를 추정하여 일별 적산일사량으로부터 270m 해상도의 모든 격자점의 일적산사면일사량을 추정하였다(Yun, 2009).
각 변수에 대한 상세화 방법 및 해상도는 Table 1과 같다. 즉, 기온 3종의 경우 기본적으로 역거리가중법(IDW: Inverse Distance Weighted method)을 이용하여 공간내삽을 수행하였으며, 여기에 고도보정, 일사 수광량, 냉기집적효과, 온난대효과 등을 고려하여 30m 해상도로 생산하였다(Kim et al., 2012; Kim et al., 2013). 강수량의 경우, 주변 관측소와의 고도, 거리, 해안효과, 경사 등의 관계를 고려하는 PRISM (Parameter-elevation Regressions on Independent Slopes) 모형을 이용하여 270m 해상도로 추정하였다(Kim and Yun, 2013).

후속연구

국립농업과학원에서는 이러한 자료를 167개 시군구별 기후 자료로 재생산하여 기상ㆍ기후 이상변화의 영향평가 업무에 활용하고 있다. 격자형 상세 농업기후 자료를 활용한다면, 1차적으로 남한지역에 대한 지역적 기후 변화 분석에 활용 가능하며, 2차적으로 농업부문 취약성 평가, 기후 변화 대응책 마련을 위한 기초자료로서 활용 가능할 것으로 보인다.
국립농업과학원에 해당 정보 전산 체계를 구축하여 자동화된 자료 생산이 가능하도록 하였고 이를 웹 페이지와 프로그램 언어를 통해 배포하고 있다. 다만 분포도 자료의 실시간 배포는 컴퓨팅 자원 소모량의 문제로 인해 270m 해상도에 한정하고 있고 대용량의 자료도 배포할 수 있는 시스템을 추가 연구를 통해 구축할 예정에 있다. 본 논문은 공동연구를 통해 생산된 상세 농업기후 자료에 대한 정보를 소개함으로써, 지역적 기후변화 해석 및 농업부문 기후변화 영향평가 등을 위한 기초 자료로 활용될 수 있도록 상세 농업기후 데이터를 공유하여 활용성을 제고하는데 목적이 있다.
kr 사이트에서 다운 받을 수 있다. 본 연구 결과물은 현재 주식회사 에피넷과 국립농업과학원에서 공동으로 관리 중이며, 향후기후⋅이상기상 변화량 분석 자동화 체계를 추가 보완을 통해 활용성을 제고하고, 기후 정보의 정확성을 향상시킬 예정이다.
본 연구의 결과물은 현재 주식회사 에피넷과 국립농업과학원에서 공동으로 관리 중이며, 2단계 연구(2020-2023)를 통해 기후⋅이상기상 변화량 분석 자동화 체계를 추가 보완하여 범용적인 활용이 가능하도록 기능 개선을 확보하기 위해 연구 중이다. 연구를 통해 기후 정보의 정확성을 향상시키고, 최근 기후(1991-2020) 통계값 생산 및 공간패턴 분석 등 기후 이상기상 변화량 평가 시스템을 고도화 할 예정이다.
본 연구의 결과물은 현재 주식회사 에피넷과 국립농업과학원에서 공동으로 관리 중이며, 2단계 연구(2020-2023)를 통해 기후⋅이상기상 변화량 분석 자동화 체계를 추가 보완하여 범용적인 활용이 가능하도록 기능 개선을 확보하기 위해 연구 중이다. 연구를 통해 기후 정보의 정확성을 향상시키고, 최근 기후(1991-2020) 통계값 생산 및 공간패턴 분석 등 기후 이상기상 변화량 평가 시스템을 고도화 할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	일반적으로 농업생태계는 어떻게 형태가 정해지는가?	일반적으로 농업생태계는 주어진 환경 조건(토양과 기후)에 의해 오랜 기간에 걸쳐 저절로 평균적인 형태가 정해지며, 이를 기반으로 작부체계, 품종 및 재배기술의 최적화가 이루어진다(Yun, 1999). 그 지역의 평균적인 형태에 벗어나는 기상 및 기후 조건은 새로운 품종 및 재배기술 개발, 시설 환경 제어 및 작부체계의 변화 등 기후 변화에 대한 동적인 대응을 요구한다.
	환경 변화에 대한 주기적인 실태조사는 왜 필요한가?	그 지역의 평균적인 형태에 벗어나는 기상 및 기후 조건은 새로운 품종 및 재배기술 개발, 시설 환경 제어 및 작부체계의 변화 등 기후 변화에 대한 동적인 대응을 요구한다. 따라서 환경 변화에 대한 주기적인 실태조사는 농업에 직간접적으로 미치는 영향을 선제적으로 평가하고 대응하기 위해서 필요하다. 또한 정책적 노력의 일환으로 농업 분야의 기후변화 실태조사 및 영향⋅취약성 평가가 법정업무로 신설됨에 따라 농업생태계의 기후 변화를 감시하는 것은 과학정보로서 기후변화 대응 방안 수립을 지원하는 방법 중의 하나이면서 동시에 법정의무이다.
	국립농업과학원에서는 농업부문 기후변화 실태조사를 위해 2016년부터 현재까지 공동연구를 통해 농업생태계의 기후 변화량의 시공간 정보를 생산하는 연구를 수행하고 있는데 이는 무엇을 확보하기 위해서 인가?	국립농업과학원에서는 농업부문 기후변화 실태조사를 위해 2016년부터 현재까지 공동연구를 통해 농업생태계의 기후 변화량의 시공간 정보를 생산하는 연구를 수행하고 있다. 즉, 시공간 기후 변화 특성을 이해하기 위해 공간적으로 흩어져 있는 기상청 지상 기상관측자료를 기반으로 지형학적 및 기상학적 특성을 반영하여 고해상도 격자형 농업기상자료를 생산함으로써 공간적 연속성을 확보하고자 하였다. 본 연구를 통해 작물의 생육과 생산성에 밀접하게 관련이 있는 6가지 기상요소(최고⋅최저⋅평균 기온, 강수량, 일사량, 일조시간)에 대해 30m 및 270m 해상도의 격자형 일별 상세 기후 자료를 약 50년(1971-현재) 기간에 대해 생산하였고, 평년 기후값(1981-2010) 및 평년 대비 상세 기후 변화량 정보를 생산하였다.

참고문헌 (6)

Kim, D. J., and J. I. Yun, 2013: Improving usage of the Korea Meteorological Administration's Digital Forecasts in agriculture: 2. Refining the distribution of precipitation amount. Korean Journal of Agricultural and Forest Meteorology 11(2), 72-78. (in Korean with English abstract)
Kim, S. O., D. J. Kim, J. H. Kim, and J. I. Yun, 2013: Improving usage of the Korea Meteorological Administration's Digital Forecasts in agriculture: I. Correction for local temperature under the inversion condition. Korean Journal of Agricultural and Forest Meteorology 15(2), 76-84. (in Korean with English abstract)
Kim, S. O., J. H. Kim, D. J. Kim, and J. I. Yun, 2012: Wind effect on the distribution of daily minimum temperature across a cold pooling catchment. Korean Journal of Agricultural and Forest Meteorology 14(4), 277-282. (in Korean with English abstract)
Kim, S. O., and J. I. Yun, 2016: Downscaling of sunshine duration for a complex terrain based on the shaded relief image and the sky condition. Korean Journal of Agricultural and Forest Meteorology 1(4), 233-241. (in Korean with English abstract)
Yun, J. I., 1999: Agricultural Meteorology. Arche Publishing House, 15-21. (in Korean)
Yun, J. I., 2009: A simple method using a topography correction coefficient for estimating daily distribution of solar irradiance in complex terrain. Korean Journal of Agricultural and Forest Meteorology 11(1), 13-18. (in Korean with English abstract)

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

연합인증