수자원을 평가하기 위해서는 먼저 한 지점에서 측정된 강수량을 보간해야 할 필요가 있다. 이를 위하여 강수현상에 영향을 주는 지형변수를 TOVA(Topographic Variables Extraction Program)를 이용하여 고도(ELEV), 경사(SLOPE), 바다까지의 거리(SEA), 방해물(OBST), 방벽(BAR), 굴곡도(SHIELD)로 구분하고 2000.1.1부터 2002.12.31까지의 강수량 자료를 사상별로 추출하여 이들을 서로 비교 분석하였다. 결정계수로 보면 각기 강수사상마다 지형의 영향이 다르게 나타나며 ELEV와 남서방향의 SLOPE, OBST 그리고 전 방향의 SHIELD가 강수량과 관계가 깊은 것으로 나타났다. 다중회귀분석 모형은 강수량의 공간적 변동량의 96%를 설명한다.
수자원을 평가하기 위해서는 먼저 한 지점에서 측정된 강수량을 보간해야 할 필요가 있다. 이를 위하여 강수현상에 영향을 주는 지형변수를 TOVA(Topographic Variables Extraction Program)를 이용하여 고도(ELEV), 경사(SLOPE), 바다까지의 거리(SEA), 방해물(OBST), 방벽(BAR), 굴곡도(SHIELD)로 구분하고 2000.1.1부터 2002.12.31까지의 강수량 자료를 사상별로 추출하여 이들을 서로 비교 분석하였다. 결정계수로 보면 각기 강수사상마다 지형의 영향이 다르게 나타나며 ELEV와 남서방향의 SLOPE, OBST 그리고 전 방향의 SHIELD가 강수량과 관계가 깊은 것으로 나타났다. 다중회귀분석 모형은 강수량의 공간적 변동량의 96%를 설명한다.
Firstly, the precipitation data have to be interpolated for the estimation of water resources. For this purpose, the correlative analysis is made between the topographic variables, which, influence the precipitation phenomena, are classified by elevation(ELEV), slope(SLOPE), distance to the s...
Firstly, the precipitation data have to be interpolated for the estimation of water resources. For this purpose, the correlative analysis is made between the topographic variables, which, influence the precipitation phenomena, are classified by elevation(ELEV), slope(SLOPE), distance to the sea(SEA), obstacle (OBST), barrier(BAR), and roughness index(SHIELD), using TOVA(Topographic Variables Extraction Program) and events precipitation during the periods from january the 1st 2000 to December 31 2002. The coefficients of determination show that each event has different topographic influence and ELEV, SLOPE and OBST to the South-West, and SHIELD of every direction have close relationship with the precipitation. The multiple regression model explains 96% of the spatial variation of precipitation.
Firstly, the precipitation data have to be interpolated for the estimation of water resources. For this purpose, the correlative analysis is made between the topographic variables, which, influence the precipitation phenomena, are classified by elevation(ELEV), slope(SLOPE), distance to the sea(SEA), obstacle (OBST), barrier(BAR), and roughness index(SHIELD), using TOVA(Topographic Variables Extraction Program) and events precipitation during the periods from january the 1st 2000 to December 31 2002. The coefficients of determination show that each event has different topographic influence and ELEV, SLOPE and OBST to the South-West, and SHIELD of every direction have close relationship with the precipitation. The multiple regression model explains 96% of the spatial variation of precipitation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 연관성을 통하여 미계측 지점의 강수량을 추정할 수 있으며 수자원 관리를 하는데 보다 합리적인 입력자료를 제공할 수 있다. 본 연구는 제주도를 사례지역으로 하여 11개 관측소의 13개 강 수사 상과 총 77종류의 지형 변수로서 그 관계를 알아본 것이다.
본 연구는 청정지하수 안정적 공급시스템 구축 사업의 일환으로 이루어졌으며 특히 TOVA의 원시 프로그램을 작성하고 지속적인 수정을 하여 준 김형진군에게 감사한다.
제안 방법
6월에서 2002. 8월 사이의 강 수사상 강수량 평균을 종속 변수로 정하였다.
바다까지의 거리(SEA), 방해물(OBST), 방벽(BAR), 굴곡도(SHIELD)는 주방위선을 중심으로 좌우 45。 내의 값을 주방위선과 이루는 각도(a)에 따라 가중치 cost?를 주어 계산한 가중평균이다. 방해물(OBST)은 주방위선에서 좌우 45。 각도 안에 있으며 ELEV와 격자점과의 고도 차이가 200m 이상으로 연속된 고도 가운데서 가장 높은 곳과 이루는 각도로서 본 연구에서는 radian 값으로 계산하였고 방벽은 방해물까지의 거리이다. 굴곡도는 방위선상에서 각 격자점 사이의 고도차이를 계기격자점과의 거로로 나눈 값의 합이다.
전절에서 살펴본 바와 같이 강수량과 관련이 깊은 지형 변수 가운데 ELEV 10, 남서 방향의 SLOPE5, OBST, 그리고 결정 계수 값이 비교적 큰 남동 방향의 SHIELD를 독립변수로 선택하였다. 또한 가장 지형의 영향을 많이 받은 2002.
대상 데이터
본 연구에서는 연구 대상 기간 가운데 강수기간이 9일 이상으로서 제주도전 지역 고루 발생하였을 것으로 판단되는 13개 사상을 추출하였다(Table 1).
데이터처리
원래 이들의 상한 거리는 150km이나 사례지역에서는 고려할 필요가 없었다. 이들값은 모두 5。 간격으로 TOVA를 이용하여 계산하였다.
성능/효과
지금까지의 연구결과를 종합해보면 먼저 강수와 관련이 깊은 지형 변수로는 고도(ELEV)와 경사(SLOPE), 방해물(OBST), 굴곡도(SHIELD) 등이 있다. 이들 지형 변수는 방향성이 없는 고도 그리고 전방향에 큰 차이가 없는 굴곡도를 제외하고 모두 남서 방향에만 관련이 있는 것으로 나타났다.
후속연구
따라서 강수량과 지형 변수 사이에는 어느 정도 연관성이 있을 것이다. 이러한 연관성을 통하여 미계측 지점의 강수량을 추정할 수 있으며 수자원 관리를 하는데 보다 합리적인 입력자료를 제공할 수 있다. 본 연구는 제주도를 사례지역으로 하여 11개 관측소의 13개 강 수사 상과 총 77종류의 지형 변수로서 그 관계를 알아본 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.