$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

APCC MME 계절예측정보를 이용한 가뭄전망
Drought Outlook using APCC MME Seasonal Prediction Information 원문보기

한국수자원학회 2010년도 학술발표회, 2010 May 10, 2010년, pp.1784 - 1788  

강부식 (단국대학교 토목환경공학과) ,  문수진 (단국대학교 토목환경공학과) ,  손수진 (APEC 기후센터) ,  이우진 (APEC 기후센터)

초록
AI-Helper 아이콘AI-Helper

APEC 기후센터(APEC Climate Center, APCC)에서 제공하는 다중모형앙상블(Multi-model Ensemble, MME) 형태의 계절예측정보를 이용하여 3개월 가뭄전망을 수행하였다. APCC MME는 기후예측모형이 가지는 불확실성을 최소화하기 위한 방법으로, 아시아 태평양 지역 내 9개 회원국 16개 기관 21개 기후모형의 계절예측정보를 활용하여, 개별 모형이 가지는 계통오차(Systematic error)를 앙상블 기법을 통하여 상쇄함으로써 최적의 예측자료를 도출한다. 또한, 기후예측 모형이 예측한 대기순환장은 관측 지점변수와 경험적 통계적 관련성을 가지므로, 이를 바탕으로 상세지역의 이상기후에 대한 정보를 도출할 수 있다. 본 연구에서는 가뭄 관리 및 전망을 위한 입력 자료로서, 기상전문 기관인 APEC 기후센터 (APEC Climate Center, APCC)에서 제공하는 전구 규모의 기온 및 강수 전망자료를 기상청 산하 59개 지점의 전망자료로 통계적 규모 축소화 기법을 통해 3개월 예보를 실시하였다. APCC 계절예측자료를 가뭄모니터링시스템의 자료입력 포맷에 따라 적절히 가공한 뒤, 가뭄 관리 및 전망을 위하여 SPI(Standard Precipitation Index) 및 PDSI(Palmer Drought Severity Index)지수의 입력자료로 사용하여 SPI 및 PDSI 지수를 산정하였다. 또한 분위사상법(Quantile Mapping)을 이용하여 총 59개 지점의 과거 월평균 관측값과 최근 2009년에 대한 모의값의 누적확률분포값을 계산하고 모의값의 확률분포를 관측값의 확률분포에 사상시켜 가뭄 전망을 위한 기상변수의 오차를 보정하고자 하였다. 이러한 계절예측정보를 이용하여 가뭄 전망에 대한 신뢰도가 높아진다면, 사전예방 및 피해완화로 가뭄상황에 대한 신속한 대처 및 피해의 경감이 이루어질 수 있을 것이다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 기상전문 기관인 APEC 기후센터(APEC Climate Center, APCC)에서는 아·태지역 21개 APEC 회원국 간의 자료 수집 및 정보교환을 통하여 생산되는 기후예측정보를 활용하여 매달 계절예측 및 기후전망을 하고 있다. 본 연구에서는 APEC에서 생산된 MME(Multi-Model Ensemble) 계절예측자료를 가뭄관리 및 전망에 활용하기 위하여 SPI(Standard Precipitation Index) 및 PDSI(Palmer Drought Severity Index)지 수의 입력자료로 이용하고, 이를 바탕으로 SPI와 PDSI 지수를 산정하였다. 또한 분위사상법(Quantile Mapping)을 이용하여 총 59개 지점의 기상변수의 오차를 보정하고자 하였다.
  • 또한 비홍수기에 비하여 홍수기에 Mapping효과가 더욱 잘 나타나는 것을 확인할 수 있었다. 이에 2009년 홍수기(6~9월)에 대한 가뭄전망을 위하여 가장 신뢰도가 높다고 판단되는 1개월 기후예측자료를 사용하고자 하였으며, 현재 가뭄모니터링 시스템에 사용되고 있는 SPI 와 PDSI지수의 입력자료의 형태로 변환한 뒤 분위사상 이전과 이후에 대하여 가뭄전망을 실시하였다. SPI지수는 지속시간 3, 6개월에 대하여 분석을 실시하였으며, 각 지수에 대하여 월별 비교를 실시하였다.
  • 가뭄전망을 위한 기상자료로 APCC 계절예측 강우와 온도를 사용하고 있지만, 온도자료에 비하여 강우자료의 불확실성이 크게 나타나고 있는 것을 확인하였다. 이에 분위사상법을 통하여 가뭄전망을 위한 기후 오차보정을 실시하고자 하였다. 분위사상법은 관측값과 모의값이 동시에 존재하는 일정한 과거 기간을 선택하여, 관측값과 모의값의 누적확률분포를 이용하여 모의값의 확률분포를 관측값의 확률분포에 사상(mapping)시키는 방법이다.
본문요약 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로