초록 ▼

이 연구에서는 다중판별분석법과 객관적 일기도 유형분류법을 사용하여 우리나라에 알맞는 강수확률예보 기법을 개발하였다. 다중판별분석법의 경우 여름철(6∼10월)과 겨울철(11∼3월)에 대해 따로 모형이 개발되었고, 유형분류법의 경우는 겨울철 모형(12∼2월)만 개발되었다.
여름철 다중판별분석 모형은 +24시간동안의 강수유무와 강수량의 확률을 예상할 수 있도록 고안되었으며, 1987년 여름철 121일간의 예보결과에 대하여 동일기간의 기후예보보다 평균 10%이상의 숙련도를 개선하였다. 한편 겨울철 다중판별분석 모형은 +12,

이 연구에서는 다중판별분석법과 객관적 일기도 유형분류법을 사용하여 우리나라에 알맞는 강수확률예보 기법을 개발하였다. 다중판별분석법의 경우 여름철(6∼10월)과 겨울철(11∼3월)에 대해 따로 모형이 개발되었고, 유형분류법의 경우는 겨울철 모형(12∼2월)만 개발되었다.
여름철 다중판별분석 모형은 +24시간동안의 강수유무와 강수량의 확률을 예상할 수 있도록 고안되었으며, 1987년 여름철 121일간의 예보결과에 대하여 동일기간의 기후예보보다 평균 10%이상의 숙련도를 개선하였다. 한편 겨울철 다중판별분석 모형은 +12, +24, +36및 +48시간동안의 강수유무와 강수량의 확률을 예상할 수 있도록 고안되었으며, 여기서는 제주도와 울릉도를 포함한 전국의 강수확률이 산출된다. 겨울철 유형분류 모형은 겨울철에 대한 +24시간 강설확률을 예상하도록 고안되었으며, 시험적용한 결과를 분석하였다.
다중판별분석모형은 중앙기상대 컴퓨터에서 운영할 수 있도록 전산화 S/W를 개발하여, 매일 매일의 강수확률을 자동 산출할 수 있다.

Abstract ▼

Two statistical forecast techniques are developed to forecast the probability of precipitation amount in the area of the Republic of Korea. One is a multiple discriminant analysis (MDA) which is applied to summer season (June to Oct.) and winter season (Nov. to March next year). The other is a map t

Two statistical forecast techniques are developed to forecast the probability of precipitation amount in the area of the Republic of Korea. One is a multiple discriminant analysis (MDA) which is applied to summer season (June to Oct.) and winter season (Nov. to March next year). The other is a map typing analysis (MTA) in order to forecast only the snowfall probability for winter season (Dec. to Feb. next year).
MDA is a statistical prediction technique which deals with the problem of the determining the probability that a forecast parameter will fall into a specific category. In this study precipitation amount divided into 5 categories for summer season and 3 categories for winter season. Summer MDA (SMDA) is designed to forecast precipitation probability for 24hr in advance and then tested for 121 cases during summer season in 1987. According to this result the skill score of forecast using SMDA is about 10% higher than that of climate forecast during the test period. In winter MDA (WMDA) the precipitation probabilities for 12hr, 24hr, 34hr, and 48hr forecast are calculated. Also adding to 9 forecast stations for SMDA precipitation probability in Cheju-do and Ullung-do are included. Now SMDA and WMDA are computerized in the telecommunication computer installed in Korea Meteorological Service. And daily probability forecasts in routine base are used to predict the precipitation. In the later the verification of fore- cast for WMDA will be carried out.
MTA is an objective classification method of map-pattern which is used to analysis and predict a present weather referring to past weather when an observed map-pattern is similar to past map-pattern. 850mb height at 32 upper stations is used to classify objectively 850mb map-patterns of snowfall at 21 Z around Korea for the purpose of 24hr snowfall probability forecast. 71 of 78 map patterns, which correspond to about 91%, are classified into 4 types of map patterns, and precipitation probability tables of each type are made at 24 stations. Forecast of snowfall probability by MTA is tested for 8 snowfall days selecting from winter in 1986 and it is compared to the real observed snowfall. By this result, the good agreement of snowfall between forecast and observation shows when the correlation between observed map-pattern and classified pattern is high. It is required to computerize this MTA procedure to predict a snowfall.
MDA and MTA are the first trial of statistical forecast for precipitation probability in Korea. If these two methods are improved and further developed, these objective results will help a forecaster to predict a precipitation. Advanced statistical methods such as PPM (Perfect Prog Method) and MOS (Model Output Statistics) must be developed in order to use a numerical weather prediction model output which will be produced.

목차 Contents

• 1.서 론...17
• 1.1 통계적 일기예보...19
• 1.2 다중판별 분석법...21
• 1.3 일기도 유형분류에 의한 강수확률예보...22
• 2. 모형개발의 이론적 배경...23
• 2.1 다중판별 분석법의 개념...25
• 2.2 예보인자의 선별...25
• 2.3 판별함수의 도출...30
• 2.4 확률값의 추정...32
• 3. 여름철 강수확률 예보법...35
• 3.1 서 론...37
• 3.2 기본내용...37
• 3.3 평가내용...41
• 3.3.1 신뢰도 검사...41
• 3.3.2 Brier지수의 계산...46
• 3.3.3 숙련도 계산...52
• 3.3.4 Bias 계산...54
• 3.4 개선방향...56
• 3.4.1 예보지점의 확장...56
• 3.4.2 예보기간의 연장...56
• 3.4.3 예보인자의 확장...56
• 3.4.4 확률추정방법의 변경...57
• 3.5 결론...57
• 4. 겨울철 확률예보 모형...59
• 4.1 서 론...61
• 4.2 자료 및 방법...62
• 4.3 모형의 기본가정...64
• 4.4 계산결과...65
• 4.4.1 고유근의 비율...65
• 4.4.2 판별함수...66
• 4.4.3 변수선택...67
• 4.4.4 판별함수 공간내에서의 분산도...68
• 4.4.5 판별점수의 평균과 분산...69
• 4.5 평가 및 현업적용...70
• 4.6 결 론...72
• 5. 유형분류법에 의한 강설확률예보...73
• 5.1 서 론...75
• 5.2 자료 및 방법...76
• 5.2.1 사용자료...76
• 5.2.2 방 법...76
• 5.3 결과 및 논의...82
• 5.4 결론 및 제안...95
• 6. 결론 및 건의사항...97
• 참고문현...103
• 부록1. 정규화된 판별함수식...107
• 부록2. 계산된 결과의 요약...132