전 세계적으로 지구 온난화 등의 영향으로 인해 이상기후의 발생이 증가하고 있는 추세에 있다. 특히 엘니뇨 현상은 세계적으로 발생하는 홍수, 가뭄 등과 같은 재해와 많은 관련이 있음이 연구를 통해 확인되었다. 이러한 엘니뇨 현상을 판단하기 위해서는 다양한 자료들이 사용되고 있으며, 그 중 관측 인자의 하나로서 태평양 해수면 온도 자료 (Pacific sea surface temperature)를 많이 사용하고 있다. 본 연구에서는 우리나라 강수량 자료와 태평양 해수면 온도의 원격상관 (Teleconnection) 관계를 분석하였다. 강수량 자료로는 우리나라 20개 기상관측소의 월강수량 자료를 사용하였으며, 태평양 해수면 온도 자료로는 Nino1+2 $(0-10^{\circ}S,\;90^{\circ}W-80^{\circ}W)$, Nino3 ($5^{\circ}N-5^{\circ}S$, $150^{\circ}W-90^{\circ}W)$, Nino4 ($5^{\circ}N-5^{\circ}S$, $160^{\circ}E-150^{\circ}W$) 그리고 Nino3.4 ($5^{\circ}N-5^{\circ}S$, $170^{\circ}W-120^{\circ}W$) 관측 지역의 해수면 온도 자료를 사용하였다. 우리나라 강수량의 경우 계절에 따라 큰 변동성을 보이고 있다. 따라서 자료의 계절적 영향을 파악하기 위해 봄 (3월, 4월, 5월), 여름 (6월, 7월, 8월), 가을 (9월, 10월, 11월) 그리고 겨울 (12월, 1월, 2월)의 4계절로 구분하여, 초과확률 등을 이용한 분석을 실시하였다. 분석 결과 Warm ENSO episode의 경우 강수량 증가와 유의한 상관관계를 나타냈으며, Cold ENSO episode의 경우 강수량 감소와 유의한 상관관계를 나타내었다. 이러한 분석 결과는 최근 들어 우리나라에 발생하고 있는 이상기후발생과 관련된 연구에 유용한 정보를 제공해 줄 수 있을 것으로 판단된다.
전 세계적으로 지구 온난화 등의 영향으로 인해 이상기후의 발생이 증가하고 있는 추세에 있다. 특히 엘니뇨 현상은 세계적으로 발생하는 홍수, 가뭄 등과 같은 재해와 많은 관련이 있음이 연구를 통해 확인되었다. 이러한 엘니뇨 현상을 판단하기 위해서는 다양한 자료들이 사용되고 있으며, 그 중 관측 인자의 하나로서 태평양 해수면 온도 자료 (Pacific sea surface temperature)를 많이 사용하고 있다. 본 연구에서는 우리나라 강수량 자료와 태평양 해수면 온도의 원격상관 (Teleconnection) 관계를 분석하였다. 강수량 자료로는 우리나라 20개 기상관측소의 월강수량 자료를 사용하였으며, 태평양 해수면 온도 자료로는 Nino1+2 $(0-10^{\circ}S,\;90^{\circ}W-80^{\circ}W)$, Nino3 ($5^{\circ}N-5^{\circ}S$, $150^{\circ}W-90^{\circ}W)$, Nino4 ($5^{\circ}N-5^{\circ}S$, $160^{\circ}E-150^{\circ}W$) 그리고 Nino3.4 ($5^{\circ}N-5^{\circ}S$, $170^{\circ}W-120^{\circ}W$) 관측 지역의 해수면 온도 자료를 사용하였다. 우리나라 강수량의 경우 계절에 따라 큰 변동성을 보이고 있다. 따라서 자료의 계절적 영향을 파악하기 위해 봄 (3월, 4월, 5월), 여름 (6월, 7월, 8월), 가을 (9월, 10월, 11월) 그리고 겨울 (12월, 1월, 2월)의 4계절로 구분하여, 초과확률 등을 이용한 분석을 실시하였다. 분석 결과 Warm ENSO episode의 경우 강수량 증가와 유의한 상관관계를 나타냈으며, Cold ENSO episode의 경우 강수량 감소와 유의한 상관관계를 나타내었다. 이러한 분석 결과는 최근 들어 우리나라에 발생하고 있는 이상기후발생과 관련된 연구에 유용한 정보를 제공해 줄 수 있을 것으로 판단된다.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 엘니뇨 현상을 판단하기 위해서는 다양한 자료들이 사용되고 있으며, 그 중 관측 인자의 하나로서 태평양 해수면 온도 자료 (Pacific sea surface temperature)를 많이 사용하고 있다. 본 연구에서는 엘니뇨 관즉 지수의 하나인 태평양 해수면 온도 자료를 이용하여 우리나라 강수량과의 원격상관관계에 대해 분석하였다. 엘니뇨 지수로써 태평양 해수면 온도를 사용하였고, 월강수량 자료는 표준정규분포를 가지는 표준정규지수로 변환한 강우 자료를 사용하였다.
본 연구에서는 엘니뇨 영향 분석을 위해 관측되고 있는 태평양 해수면 온도 자료를 사용하여 우리나라 강수량과의 원격상관관계 분석을 실시하였다. 태평양 해수면 온도는 관측 지역 Ninol+2 (0-10°S, 90°W-80°W), Nino3 (5°N-5°S, 150°W-90°W), Nino4 (5°N-5°S, 160°E-150°W), 그리고 Nino3.
본 연구에서는 엘니뇨 현상의 관측 지수로 사용되는 태평양 해수면 온도와 우리나라 강수량과의 관계에 대하여 원격상관관계 분석을 실시하였다. 계절적 관계 분석을 위해 봄, 여름, 가을 그리고 겨울의 4계절로 구분하여 분석을 실시하였으며, 태평양 해수면 온도 자료를 그 상태에 따라 Warm ENSO episode, Normal condition 그리고 Cold ENSO episode로 구분하였다.
제안 방법
따라서 본 연구에서는 5개월 이동평균 (5-month running mean)을 이용하여 태평양 해수면 온도 자료의 변동성을 제거하였다 (Ropelewski and Jones, 1987). 5개월 이동평균 태평양 해수면 온도는 우리나라 강수량과의 원격상관계 분석을 위해 봄 (3~5월), 여름 (6~8월), 가을 (9~ 11월) 그리고 겨울 (12~2월의 계절 평균값 (Seasonal averaged SST, S-SST)으로 환산하였다. 태평양 해수면 온도의 구분에 대한 기준은 표 2에 나타내었다.
강수량 자료로는 20개 관측지점 의 월 강수량 자료를 사용하였다. 강수량 자료는 변동성 을 제 거 하기 위 해 확률분포를 고려하여 표준화된 정규지수로 변환하여 사용하였다. 분석 결과 일부 지역에서 태평양 해수면 온도와 우리나라 강수량간에 유의한 상관관계를 나타내었다.
관계에 대하여 원격상관관계 분석을 실시하였다. 계절적 관계 분석을 위해 봄, 여름, 가을 그리고 겨울의 4계절로 구분하여 분석을 실시하였으며, 태평양 해수면 온도 자료를 그 상태에 따라 Warm ENSO episode, Normal condition 그리고 Cold ENSO episode로 구분하였다. 강수량 자료로는 20개 관측지점 의 월 강수량 자료를 사용하였다.
온도 자료와 같은 자료의 변동성은 우리나라 강수량과의 원격상관계분석 해석에 어려움을 초래할 수 있다. 따라서 본 연구에서는 5개월 이동평균 (5-month running mean)을 이용하여 태평양 해수면 온도 자료의 변동성을 제거하였다 (Ropelewski and Jones, 1987). 5개월 이동평균 태평양 해수면 온도는 우리나라 강수량과의 원격상관계 분석을 위해 봄 (3~5월), 여름 (6~8월), 가을 (9~ 11월) 그리고 겨울 (12~2월의 계절 평균값 (Seasonal averaged SST, S-SST)으로 환산하였다.
4 지역의 자료를 사용하였다. 태평양 해수면 온도 자료는 월자료를 표준화하여 사용하였다. 변환된 태평양 해수면 온도 자료의 경우 단주기 변동성을 포함하고 있다.
엘니뇨 지수로써 태평양 해수면 온도를 사용하였고, 월강수량 자료는 표준정규분포를 가지는 표준정규지수로 변환한 강우 자료를 사용하였다. 태평양 해수면 온도와 강수량 자료는 봄 (3월, 4월, 5월), 여름 (6월, 7월, 8 월), 가을 (9월, 10월, 11월) 그리고 겨울 (12월, 1월, 2월)로 분류하여 분석하였다.
대상 데이터
4 (5°N-5°S, 170°W-12CTW)에서 수집된 자료를 이용하였다. Ninol+ 2, Nino3, Nino4 관측 지점의 위치는 그림 1과 같으며, 우리나라 강수량 자료로는 20개 지점의 월강수량 자료를 이용하였으며 관측지점의 위치는 표 1과 같다.
계절적 관계 분석을 위해 봄, 여름, 가을 그리고 겨울의 4계절로 구분하여 분석을 실시하였으며, 태평양 해수면 온도 자료를 그 상태에 따라 Warm ENSO episode, Normal condition 그리고 Cold ENSO episode로 구분하였다. 강수량 자료로는 20개 관측지점 의 월 강수량 자료를 사용하였다. 강수량 자료는 변동성 을 제 거 하기 위 해 확률분포를 고려하여 표준화된 정규지수로 변환하여 사용하였다.
본 연구에서는 엘니뇨 관즉 지수의 하나인 태평양 해수면 온도 자료를 이용하여 우리나라 강수량과의 원격상관관계에 대해 분석하였다. 엘니뇨 지수로써 태평양 해수면 온도를 사용하였고, 월강수량 자료는 표준정규분포를 가지는 표준정규지수로 변환한 강우 자료를 사용하였다. 태평양 해수면 온도와 강수량 자료는 봄 (3월, 4월, 5월), 여름 (6월, 7월, 8 월), 가을 (9월, 10월, 11월) 그리고 겨울 (12월, 1월, 2월)로 분류하여 분석하였다.
태평양 해수면 온도 자료 분석을 위해 관측지 점 Ninol+2, Nino3, Nino4 그리고 Nino3.4 지역의 자료를 사용하였다. 태평양 해수면 온도 자료는 월자료를 표준화하여 사용하였다.
강수량과의 원격상관관계 분석을 실시하였다. 태평양 해수면 온도는 관측 지역 Ninol+2 (0-10°S, 90°W-80°W), Nino3 (5°N-5°S, 150°W-90°W), Nino4 (5°N-5°S, 160°E-150°W), 그리고 Nino3.4 (5°N-5°S, 170°W-12CTW)에서 수집된 자료를 이용하였다. Ninol+ 2, Nino3, Nino4 관측 지점의 위치는 그림 1과 같으며, 우리나라 강수량 자료로는 20개 지점의 월강수량 자료를 이용하였으며 관측지점의 위치는 표 1과 같다.
이론/모형
이러한 자료로 인해 원격상관관계 분석에서 왜곡된 결과를 불러올 수 있다. 따라서 이러한 원자료의 왜곡도 문제를 없애기 위해 확률분포를 이용한 표준정규지수 변환방법을 이용하여 강수량을 표준지수로 변환하였다 (Kim, 2006). 본 연구에서는 강수량 자료에 대한 적정 확률분포모형으로 Gamma 분포형을 사용하였다.
따라서 이러한 원자료의 왜곡도 문제를 없애기 위해 확률분포를 이용한 표준정규지수 변환방법을 이용하여 강수량을 표준지수로 변환하였다 (Kim, 2006). 본 연구에서는 강수량 자료에 대한 적정 확률분포모형으로 Gamma 분포형을 사용하였다. 2변수 Gamma 분포 (two-parameter Gamma distribution)는 2개의 매개변수를 가지고 있다.
성능/효과
목포, 대전, 춘천, 서귀포 그리고 군산 지역에서 태평양 해수면 온도와 유의한 상관관계에 있는 것으로 원격상관관계 분석 결과 나타났다. Warm ENSO episode의 경우 강수량 증가와 유의한 상관관계를 나타냈으며, Cold ENSO episode의 경우 강수량 감소와 유의한 상관관계를 나타내었다. 이러한 분석 결과는 최근 들어 우리나라에 발생하고 있는 이상기후발생과 관련된 연구에 유용한 정보를 제공해 줄 수 있을 것으로 판단된다.
분석 결과 일부 지역에서 태평양 해수면 온도와 우리나라 강수량간에 유의한 상관관계를 나타내었다. 목포, 대전, 춘천, 서귀포 그리고 군산 지역에서 태평양 해수면 온도와 유의한 상관관계에 있는 것으로 원격상관관계 분석 결과 나타났다. Warm ENSO episode의 경우 강수량 증가와 유의한 상관관계를 나타냈으며, Cold ENSO episode의 경우 강수량 감소와 유의한 상관관계를 나타내었다.
강수량 자료는 변동성 을 제 거 하기 위 해 확률분포를 고려하여 표준화된 정규지수로 변환하여 사용하였다. 분석 결과 일부 지역에서 태평양 해수면 온도와 우리나라 강수량간에 유의한 상관관계를 나타내었다. 목포, 대전, 춘천, 서귀포 그리고 군산 지역에서 태평양 해수면 온도와 유의한 상관관계에 있는 것으로 원격상관관계 분석 결과 나타났다.
후속연구
Warm ENSO episode의 경우 강수량 증가와 유의한 상관관계를 나타냈으며, Cold ENSO episode의 경우 강수량 감소와 유의한 상관관계를 나타내었다. 이러한 분석 결과는 최근 들어 우리나라에 발생하고 있는 이상기후발생과 관련된 연구에 유용한 정보를 제공해 줄 수 있을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.