초록 ▼

Ⅳ. 연구 내용 및 결과
1. 초고해상도 생명·산업기상 산출모델 체계 개선
축사 실내 환경에 따른 열적 쾌적도와 우유생산량 변화를 예측하기 위해 ‘WRF-EngergyPlus-생명기상모델’을 결합한 축산형 생명기상모델을 개발하였다. 첫 번째 단계로 정밀한 축사 외부환경을 예측하기 위해, 중규모 기상예측모델(WRF)을 기반으로 초단기 기상분석 및 예측시스템(KLAPS) 결과를 다운스케일링하는 농업기상예측시스템을 이용하여, 축사주변의 매시간 111m 해상도의 지상 2m 기온과 혼합비(T2, Q2), 지상 10m 풍속(WS)

Ⅳ. 연구 내용 및 결과
1. 초고해상도 생명·산업기상 산출모델 체계 개선
축사 실내 환경에 따른 열적 쾌적도와 우유생산량 변화를 예측하기 위해 ‘WRF-EngergyPlus-생명기상모델’을 결합한 축산형 생명기상모델을 개발하였다. 첫 번째 단계로 정밀한 축사 외부환경을 예측하기 위해, 중규모 기상예측모델(WRF)을 기반으로 초단기 기상분석 및 예측시스템(KLAPS) 결과를 다운스케일링하는 농업기상예측시스템을 이용하여, 축사주변의 매시간 111m 해상도의 지상 2m 기온과 혼합비(T2, Q2), 지상 10m 풍속(WS) 등을 모의하였다. 두 번째 단계로 건물에너지모델(EnergyPlus)를 이용하여 축사의 위치 및 구조, 외부 기온, 습도, 바람, 일사량 등의 기상자료를 입력하여 축사내부의 평균 기온과 습도, 픙속, 건물 표면온도 등을 모의하였다.
다음으로 EnergyPlus 모델 검증을 위해 고밀도 축사 관측을 시행하였다. 2014년 특별관측(8월 11일 - 14일)기간 중 축사내부 기온과 모의기온을 비교한 결과, 일사량이 없는 맑은 날 야간에는 평균 0.84℃의 예측오차를 보였고, 주간에는 맑은 날 1.68℃, 흐린 날 0.9℃ 과대 모의되는 것으로 확인되었다.
열 스트레스에 따른 젖소의 행동변화는 산유량이 많은 우성우와 열성우로 나눠 분석하였고, 젖소가 항온동물이기 때문에 상관율이 높진 않지만, 우량우가 축사 온도에 더 민감하게 반응하였다(r=0.5878). 또한 축사 내부온도에 따른 익일 평균산유량 변화를 분석한 결과, 우성우가 열성우보다 온도의 영향을 적게 받는 경향을 보였다. 하지만 상관계수가 각각 0.3731, 0.4138로 낮은 수치를 보였으며, 기온에 따른 우성우의 산유량 변화율을 보면, -0.6 kg ℃^-1로 유량변동이 큰 것을 확인할 수 있었다.
따라서 젖소의 열 스트레스를 정량화 한 THI를 이용하여 착유량 예측모델을 구동하고 실측값과 비교하여, THI를 이용한 착유량 예측 가능성을 분석하였다. 본 연구에서 이용된 예측모델은 Milk_loss 모델과 MDEC 모델로, 젖소의 이동패턴에 따른 내부 THI를 입력하여 착유량을 예측한 결과 실제 착유량과 유사한 경향을 보였다(Milk_loss R² = 0.62, MDEC R² = 0.56). 하지만 일반적인 축사에서 내부 관측자료 이용은 쉽지 않기 때문에, 외부기상 관측자료를 이용한 예측산유량도 분석하였다. 그 결과, 내부기상 기반의 착유량 예측모델과 유사한 패턴을 보였으며, 통계적인 유의성은 조금 더 높게 나타났고(Milkloss R² = 0.65, MDEC R² = 0.57), THI 가 극단적으로 증가하는 폭염기나 가을에 접어드는 9월 중순부터는 예측정확도가 다소 떨어졌다. 이는 목장 경영에 따른 착유조절, 젖소의 연령 및 상태에 따라 열 스트레스를 받는 체감수준의 차이로 추정되며, 실제 착유량과 예측 모델의 오차는 불가피 할 것으로 추정된다. 따라서 착유량 예측 모델을 활용할 때 이점을 유의한다면 우유생산관리에 유용한 시스템이 될 것으로 예상된다.
마지막으로 축사의 고밀도 관측결과를 이용하여 건물에너지 모델인 Energy Plus와 경험적 회귀식 모델을 검증한 결과, 기온의 평균 예측오차는 각각 1.05℃, 0.36℃로 큰 차이를 보이진 않았으나 상대습도의 평균 예측오차는 각각 19.3%, 1.3%로 EnergyPlus의 모의 능력이 회귀모델에 비해 낮은 것을 확인하였다. 이는 축사 내부에 있는 급수대, 분뇨 등에서 발생하는 수증기 유입을 고려하지 못하기 때문으로 예상되며, 이 환경에 최적화 되어 있는 경험적 회귀식 모델이 우수한 성능을 보인 것으로 사료된다. 하지만 경험적 회귀식은 계절이나 운영환경이 달라지면 정확도가 떨어질 가능성이 있고, 다른 축사에 그대로 적용하기에는 무리가 따른다. 즉 경험적 회귀모델은 정확도가 높다는 장점이 있지만, 다른 우사에 적용하려면 기상관측장비를 설치하여 맞춤형 모델을 개발해야하므로 많은 시간과 비용이 든다는 단점이 있다. 반면 EnergyPlus 모델은 다른 환경에도 유연하게 적용할 수 있으므로 예측정확도만 향상된다면 활용성이 높아 질 것으로 예상된다.
2. 생명·보건기상 진단모델 활용 및 예측모델 개발
가. 동네예보 기반 꽃가루 예측모델 개발 및 평가
꽃가루 알레르기 예보를 위해 봄철 및 가을철 전국 공중화분을 일반적으로 예측 할 수 있는 공중화분 전국통합 예측 모델을 개발하였다. 봄철 주요 알레르기 꽃가루는 참나무와 소나무이다. 지역마다 차이는 있지만 참나무 꽃가루는 주로 4월경, 소나무 꽃가루는 주로 5월경에 많이 발생한다. 가을철 주요 알레르기 꽃가루는 환삼덩굴이다. 환삼덩굴 꽃가루는 주로 9월경에 많이 발생한다. 봄철 및 가을철 꽃가루 농도를 예측하는데 있어 로버스트 다중회귀 방법으로 분석하였다. 봄철 꽃가루 농도 예측에는 각 요소별 최대 꽃가루 농도를 이동된 와이블 확률밀도함수로 추정하여 개별 기상요소와 함께 예측 모델을 개발하였고, 가을철 꽃가루 농도 예측에는 선행연구에서 추정된 발아조건들에 대한 표준 꽃가루 농도 평균을 이동된 와이블 확률밀도함수로 추정하여 예측 모델을 개발하였다. 자료는 전국 12개 지점의 Bukard Trap을 통해 관측한 꽃가루 자료와 꽃가루 관측기로부터 가장 가까운 지상관측자료를 이용하였다. 봄철 예측모델에는 꽃가루 관측결과가 안정적인 2007년부터 2012년까지의 데이터 중 2007년 - 2008년 데이터는 모델적합에, 2009년 - 2012년 데이터는 모델평가에 활용하였다. 가을철 예측모델에는 꽃가루 관측결과가 안정적인 2007년부터 2013년까지의 데이터 중 2007년 - 2010년 데이터는 모델적합에, 2011년 - 2013년 데이터는 모델평가에 활용하였다. 모델개발은 꽃가루 농도와 기상요소의 산점도를 통한 형태 확인, 이동된 와이블 확률밀도함수를 이용한 추정, 추정된 값 및 기상요소를 이용한 다중 회귀식의 구현, 그리고 로버스트 다중회귀식으로의 추정 순서로 진행되었다. 봄철 예측모델의 산점도를 통한 형태는 2007년부터 2008년까지의 꽃가루 관측 빈도가 높은 월(참나무 : 3 - 6월, 소나무 : 4 - 6월)의 로그 꽃가루 농도와 기상요소의 산점도로 확인하였다. 가을철 예측모델의 산점도를 통한 형태는 이상치를 제거한 후 표준농도와 발아조건들의 산점도로 확인하였다. 이를 척도(scale) 모수 α, 모양(shape) 모수 ｃ, 위치(location) 모수 θ 에 의해 결정되는 이동된 와이블 확률밀도 함수로 추정하였다. 이렇게 추정된 값과 기상요소를 유의확률 0.3에서 단계적 회귀분석으로 모형을 선택하고, 이를 최소절단제곱으로 로버스트 다중회귀 분석하였다. 모델 평가 결과, Burkard trap의 꽃가루 채집효율이 70±20% 이기 때문에 꽃가루 농도를 어느 정도는 과대추정하는 것이 실제 모델의 사용에는 더 적합할 수 있다는 점을 감안하였을 때, 참나무 꽃가루는 약 77%, 소나무 꽃가루는 약 75%, 그리고 환삼덩굴 꽃가루는 약 91%의 예측률을 보였다. 따라서 개발된 모델을 활용하면 꽃가루 알레르기 예보를 위해 봄철 및 가을철 전국 공중화분을 일반적으로 예측 할 수 있을 것으로 기대한다.
나. 수도권 알레르기 꽃가루 확산예측시스템 구축․시험운영 및 관측을 통한 검증․개선
로버스트 다중회귀식을 이용한 참나무 꽃가루 배출식을 황사예측모델(ADAM2)에 추가하여 시·공간적 꽃가루 농도를 모의 할 수 있도록 참나무 꽃가루 확산 예측 모델을 개발하였다. 이를 평가하기 위해 2014년 참나무 꽃가루 비산계절을 대상으로 개발된 꽃가루 확산 모델의 꽃가루 농도와 관측된 꽃가루 농도 자료를 비교하였으며 그 결과는 다음과 같다.
먼저 전체 참나무 꽃가루 비산기간 동안 발생한 평균농도 비교에서 수치모델이 관측값 보다 다소 과대모의하는 결과를 보였으나, 수치모의된 꽃가루 농도가 의미있는 결과를 나타내었다.
일평균 농도 비교에서 실제 강수사례시 저농도를 보인 관측값에 비해 꽃가루 확산예측 모델은 고농도로 모의하였다. 이는 입력자료로 활용된 기상 수치모델의 한계성으로 인한 것으로 강수에 의한 습성침적 효과와 더불어 상대습도 변수를 이용한 배출량 억제 요소가 추가 보완되어야 할 것으로 판단되었다.
시간별 관측자료가 있는 포천지점의 사례기간 동안 고농도 패턴은 크게 두 가지 형태로 나타났다. 즉, 북서풍 계열의 바람이 영향을 미치는 패턴과 한반도 남부지역에 기압골이 지나갈 때 약한 강수와 동반된 동풍계열의 바람이 나타날 때의 패턴이다. 북서풍 계열의 바람이 나타난 사례의 경우 수치모델이 모의한 최고 농도가 나타나는 시간에서 뚜렷한 시간지연 양상을 보이며, 이는 북한지역 꽃가루 배출원이 수치모델에 반영되지 않았기 때문으로 판단되었다.
다. 기후.환경변화에 따른 꽃가루 모델 적용 및 예측
꽃가루 농도는 꽃가루 발생 시작일 이후로 일정한 분포형태를 보이므로 초발일 예측이 필요하며 현재 특정기간(봄철 : 4 - 5월, 가을철 : 9 - 10월)에만 꽃가루 알레르기 예보를 하고 있으므로 향후 초발일에 대한 분석이 필요하다. 뿐만 아니라 기후변화 시나리오를 적용한 꽃가루 발생량의 미래 예측을 통해 기후변화 시나리오 별 차이와 미래 변화를 가늠할 수 있다. 꽃가루 초발일 예측은 초발일의 정의, 로지스틱 회귀분석으로 모델적합, 모델검증, 그리고 기후변화 시나리오 적용의 순서로 분석하였다. 초발일은 꽃가루 농도가 일정 수준 이상이 관측되는 시점으로 참나무 꽃가루의 경우 세제곱미터 당 5개 이상일 때로 정의하였다. 모델 적합에는 1998년부터 2010년까지의 꽃가루 관측 자료가 사용되었다. 모델검증에는 2011년부터 2014년까지의 꽃가루 관측 자료가 사용되었다. 모델검증 결과 초발일의 경향성을 잘 모의함을 확인하였다. 이를 활용하여 기후변화시나리오에 적용하면 초발일이 RCP 8.5에서는 매년 약 0.17일, RCP 4.5에서는 매년 약 0.04일 빨라짐을 확인할 수 있다. 뿐만 아니라 기후변화 시나리오에 꽃가루 예측모델을 적용한 참나무 꽃가루 발생량의 경우 전국적으로 RCP 8.5에서 매년 약 65.1개 m^-3, RCP 4.5에서 매년 약 21.3 개 m^-3씩 증가할 것으로 전망되었다. 따라서 기후변화에 따라 꽃가루 알레르기 예보기간을 확대하는 등 공중보건 분야에서 보다 철저한 대책이 필요하게 될 것이다.
3. 장기예측 수치자료의 생명․산업기상 활용기술 개발
장기예측 자료는 여러 나라에서 생산되고 있으며 생활과 밀접한 관련으로 인해 그 관심도가 증가하고 있다. 그러나 해외 다수의 연구에서 자료는 생산되고 있으나 아직 그 자료의 생명기상 분야 적용은 검증되지 않았으며 분석 또한 시작단계라고 할 수 있다. 기상청에서도 GloSea5 를 이용하여 장기예측자료가 생산되고 있다. 따라서 본 연구에서는 이 자료를 체감온도 모델에 적용시켜 미래의 체감온도를 미리 예측하고자 하였다. 현재 (2014년 12월 30일) 1년 동안의 자료를 사용할 수 있는 월자료를 체감온도 모델에 적용하여 분석하였고, 그 자료를 이용하여 매월의 기준을 설정하였다. 그 이후 예보자료를 체감온도 모델에 적용시킨 후 과거 기후자료와 비교하여 분석하였다. 해당 연구에서는 2014년 12월 예보자료를 과거 기후자료와 비교하였으며, 2014년 12월은 평년에 비해 체감온도가 북반구는 낮을 확률이, 남반구는 높을 확률이 높게 나타났다. 12월의 경우, 북반구는 겨울에 해당되며, 남반구는 여름에 해당하므로 겨울인 지역은 더 추울 것이고, 여름인 지역은 더 더울 것으로
예상된다는 의미이다. 다음으로 대도시에 대해 실제 관측 값과 모델의 해당 격자 값을 비교하였을 때, 대부분의 지역에서 편차가 나타났다. 이때 기온, 풍속, 상대습도의 순서로 영향을 미친 것을 확인하였다. 장기예측 모델자료를 체감온도모델에 적용시켜 예측한 자료를 실생활에 활용할 수 있는지 확인한 결과, 체감온도모델의 통해 편차 값이 크지 않다는 것을 확인 할 수 있었다. 따라서 추후 대도시 이외의 다른 지점별 관측 값과 예측 모델 격자 값을 비교하여 활용가능성을 높이는 연구가 필요하다. 또 앞에서 조사한 다른 모델에 적용시켜, 다양한 분야에 활용 가능할 것으로 예상된다.
4. 기후변화에 따른 극한기상 건강영향분석
극한기상의 건강영향분석을 위해 1991 - 2012년 6개 대도시(서울, 인천, 대전, 대구, 부산, 광주)의 폭염 및 한파 기간 중 사망률을 살펴보았다. 지점별로 살펴볼 때 폭염은 대구가, 한파는 서울에서 가장 많이 발생하였다. 폭염의 경우, 내륙지역에서 빈번히 발생하였고, 한파는 고위도 지역에서 많이 발생 하였다. 그리고 한파와 폭염 두 기상현상 모두 연도별로 점점 더 발생빈도가 증가하며, 폭염의 빈도가 한파보다 더 크게 증가하는 것을 알 수 있었다. 극한 기온에 대한 사망률을 살펴 보기위해, 폭염 및 한파가 원인이 되는 군을 따로 뽑아 분석하였다. 연도별로 누적사망자수는 1991년부터 2012년까지 꾸준히 증가하고 있다. 이때, 65세 미만의 사망자는 감소하고 있는 반면, 65세 이상의 사망자 수가 급격히 증가하고 있는 것을 확인하였다. 인구추이 자료에 따르면, 65세 이상의 인구가 전체 인구에서 차지하는 비율이 증가하므로, 극한 기온과 관련 된 사망자수가 더 증가할 가능성이 높다. 다음으로 기후변화 시나리오를 이용하여 향상된 SSC를 분석하였다. 습한 날씨 유형인 MT와 MT+, MT++은 발생빈도가 증가하고 특히 RCP 8.5에서 2배 증가 하였다. 연속일수 역시 21세기 동안 증가하며 RCP 8.5에서 RCP 2.6보다 크게 증가하였다. 1991-2012년의 연간 온열질환 사망자수는 변동성이 크며, 1000명이상 이 발생한 1994년을 제외하면 연 평균 100명이 발생하였다. 온열질환 사망자수는 21세기 말에 급격히 증가할 것으로 전망되었다. RCP 2.6에서는 현재의 5배, RCP 8.5에서는 10배로 증가하여 1994년의 온열질환 사망자수와 유사할 것으로 예상되었다. 서울의 장래인구추계자료를 적용한 결과, 2030년대 온열질환 사망자수의 66% 이상이 75세 이상에서 발생하는 등 고령인구의 온열질환 사망률이 급증 할 것으로 예상되었다. 그러나 이러한 결과들은 미래의 인구, 노령화 비율 등 사회적 요소들을 고려하여 추정하였으므로 이에 따른 불확실성이 존재한다. 또한 기온 증가에 따른 기후 순응은 추후 고려되어야 할 사항이다.

Abstract ▼

Ⅲ. Research contents and results
1. Improvement of the high resolution bio- and industrial meteorological modeling system
In this research, bio- and industrial meteorological models and services are developed for the improvement of quality of life and active correspondence to meteorological v

Ⅲ. Research contents and results
1. Improvement of the high resolution bio- and industrial meteorological modeling system
In this research, bio- and industrial meteorological models and services are developed for the improvement of quality of life and active correspondence to meteorological variability and climate change. Indoor as well as outdoor weather conditions were monitored at a dairy farm. The EnergyPlus model was introduced since 2013 to simulate the indoor air temperature and wind flow. It was integrated with the high resolution agro-meteorological analysis and forecasting system. The horizontal resolution of the inner-most domain of the forecasting system was set as 111 m. Hourly weather variables such as 2 m temperature, mixing ratio, 10 m wind speed were simulated and extracted to drive the EnergyPlus model, which was also provided by the detailed materials and structure of the cow shed. Simulated variables included inner and outer air temperature, humidity, wind speed and direction, and surface temperature. They were compared to the observation. During the intensive observational period . August 11-14, 2014, mean errors were 0.84, 1.68, 0.90℃ during clear night, clear day, and cloudy day, respectively. Regression models were developed to analyze the indoor temperature and humidity using the outdoor temperature and humidity. The regression models outperformed the EnergyPlus model. However the approach of the EnergyPlus model is valuable because it can be applied to another new cow shed without the lengthy and expensive onsite indoor weather monitoring. The heat stress was quantified by skin temperature and daily milk production. High productive cows were more sensitive to the indoor temperature (r=0.59 vs. 0.48) in terms of skin temperature and in terms of daily milk production (-0.58 kg ℃^-1 vs. -0.23 kg ℃^-1). The temperature humidity index (THI) was utilized to estimate daily milk production based on indoor or outdoor weather conditions. Daily THI was provided to milk_loss and MDEC models to simulate daily milk production. Milk_loss was performed better than MDEC (R² = 0.62 vs. 0.56) based on indoor THI. Outdoor THI also resulted in similar outcome (R² = 0.65 and 0.57 by Milkloss and MDEC models, respectively).
2. Application of biometeorological diagnosis model & development of biometeorological prediction model
Statistical forecasting models were developed for daily risk of pollen allergy. Translated Weibull probability distribution function (PDF) was incorporated to estimate daily favorableness of the weather conditions to pollen concentration. The maximum pollen favorableness along with weather variables are then utilized to develop daily pollen concentration. Final models were developed based on robust multiple regression analysis. Daily pollen data were collected by 7-day recording Burkard spore traps installed at 12 sites in Korea since 1998. Oak, pine, and Japanese hop were selected for daily pollen forecasting considering their allergenicity and abundance. For trees pollen during spring, quality of the data was investigated and 2007-2008 data were utilized for model fitting and 2009-2012 data were utilized for model evaluation. For weeds pollen during autumn, 2007-2010 data and 2011-2013 data were separately utilized in model fitting and model evaluation, respectively. Daily pollen concentration was categorized as four levels of daily pollen risk based on the relationship between pollen concentration and allergenic symptom. The observed and estimated risk levels were compared. Considering the purpose of the models, one level of over-estimation can be acceptable or even desirable. The accuracy of the models accepting one level over-estimation was 77, 75, and 91% for oak, pine, and Japanese hop, respectively. The pollen forecasting models were implemented in the operational KMA system under the daily health weather map section.
Dispersal modeling system for oak pollen was developed based on the statistical forecasting model as daily pollen emission model, tree maps of oak from Korea Forest Service as emission source, and the Asian Dust Aerosol Model 2 (ADAM2) of KMA as modeling framework. The observed and simulated daily oak pollen were compared for the 2014 season. The mean pollen concentration was reasonably well-simulated with some degree of over-estimation. Wet deposition during rainfall hours and suppressed emission during high humidity need improvement in the future. Hourly comparison during North-Westerly wind at three dedicated observational sites near Seoul in 2014 showed the needs for improvement in source location of oak trees over North Korea.
Logistic models for pollen initiation was developed, evaluated, and applied to climate change scenarios. The initiation date was defined as the first date of pollen concentration greater than or equal to 5 grains per cubic meter. For the model development and evaluation, daily pollen concentration data from 1998 to 2010 and from 2011 to 2014 were utilized, respectively. The models were able to predict the pollen initiation during the evaluation period. It is projected by the application of the models to climate change scenarios that the pollen initiation will be advanced as much as 0.17 and 0.04 days per year by RCP 8.5 and RCP 4.5 scenarios, respectively.
3. Development of application technology for bio- and industrial meteorological modeling system based on long-term forecast weather data
Long-term forecast is being produced by various institute in many countries. KMA operates GloSea5 as the long-term forecast model. Monthly standard wind chill temperature (WCT) were calculated by using monthly data during 1996-2009. Using the historical distribution, monthly WCT forecasts were analyzed as the probabilities of lower than one standard deviation (SD), higher than one SD, and within one SD. WCT of December 2014 was forecasted to be lower (higher) than normal in the Northern (Southern) hemisphere. Sensitivity tests of the WCT model show the rank of the impact of the driving variables as (1) air temperature, (2) wind speed, and (3) relative humidity.
4. Impact assessment of climate change on human health The frequencies and characteristics of spatial synoptic lassification (SSC) was re-developed for the historical modeled data using the procedures, which defined circulation patterns for the historical, reanalysis, and modeled data. The historical modeled data were compared to the observed data. The frequencies of offensive air masses such as MT+ and MT++ were simulated much more reasonably than the previous study. The re-developed SSC frequencies and characteristics were projected to the future modeled data utilizing two scenarios, RCP 2.6 and RCP 8.5, using HadGEM2-AO global climate model developed by the UKMO and KMA. The MT, MT+ and MT++ types are all projected to increase in frequency, especially in the RCP 8.5 scenario, where each more than doubles, particularly for the MT+ and MT++ air masses. In RCP 8.5, by the end of the century, MT air masses will comprise almost half of all days in Seoul. The heat-related mortality for the climate change scenarios for Seoul was estimated utilizing the new SSC characteristics. Under RCP 8.5 scenario, heat-related mortality rises very dramatically to the end of the century, reaching values that are about five times present observed values during a typical summer, and about 10 times present RCP 8.5 modeled values. The proportion of heat-related mortality among the elderly will rise very rapidly, assuming projected changes in demography in Seoul, and by the 2030s, about 2/3 of the heat-related deaths will be among people 75 years of age and older.

목차 Contents

• 표지 ... 1
• 연구보고서 ... 3
• 목차 ... 5
• 표 목차 ... 7
• 그림 목차 ... 9
• 요약문 ... 17
• Summary ... 25
• 제1장 서론 ... 31
• 1. 초고해상도 생명·산업기상 산출모델 체계 개선 ... 31
• 2. 생명·보건기상 진단모델 활용 및 예측모델 개발 ... 32
• 3. 장기예측 수치자료의 생명·보건·산업기상 활용기술 개발 ... 36
• 제2장 초고해상도 생명.산업기상 산출모델 체계 개선 ... 43
• 제1절 축산시설 기상지원을 위한 생명기상모델 시험운영 ... 43
• 1. 농업기상예측시스템을 활용한 축사외부 기상환경 모의실험 ... 43
• 2. 건물에너지모델을 활용한 축사내부 기상환경 모의실험 ... 48
• 제2절 고밀도 축사 관측정보를 통한 생명기상모델 검증 ... 56
• 1. 축사의 열적 취약성 집중관측 및 모니터링 ... 56
• 2. 열 스트레스에 의한 착유량 예측모델 개발 ... 75
• 3. 고밀도 관측 정보를 이용한 원형모델 예측결과 비교 및 검증 ... 79
• 제3절 요약 및 결론 ... 88
• 제3장 생명·보건기상 진단모델 활용 및 예측모델 개발 ... 90
• 제1절 동네예보 기반 꽃가루 예측모델 개발 및 평가 ... 90
• 1. 봄철 꽃가루 알레르기 위험도 지수 통합 예측 모델 ... 90
• 2. 가을철 꽃가루 알레르기 위험도 지수 통합 예측 모델 ... 102
• 제2절 수도권 알레르기 꽃가루 확산예측시스템 구축·시험운영 및 관측을 통한 검증·개선 ... 107
• 1. 꽃가루 확산 예측 모델의 구성 ... 107
• 2. 꽃가루 농도 검증 ... 124
• 제3절 기후·환경변화에 따른 꽃가루 모델 적용 및 예측 ... 135
• 1. 기후변화로 인한 꽃가루 초발일의 변화 ... 135
• 2. 통계모델을 활용한 기후변화 시나리오에 따른 꽃가루 농도 전망 ... 152
• 제4절 요약 및 결론 ... 155
• 1. 동네예보 기반 꽃가루 예측모델 개발 및 평가 ... 155
• 2. 수도권 알레르기 꽃가루 확산예측시스템 구축·시험운영 및 관측을 통한 검증·개선 ... 156
• 3. 기후·환경변화에 따른 꽃가루 모델 적용 및 예측 ... 157
• 제4장 장기예측자료의 생명·산업기상 활용기술 개발 ... 158
• 제1절 생명산업기상 장기예측 활용 기초모델 연구 ... 158
• 1. 장기예측자료를 이용 가능한 생명기상모델 수집 ... 158
• 2. 생명기상모델의 과거 기후자료 적용 및 분석 ... 161
• 3. 생명기상모델의 미래 기후자료 적용 및 분석 ... 177
• 제2절 요약 및 결론 ... 181
• 제5장 기후변화에 따른 극한 기상 건강영향 분석 ... 183
• 제1절 날씨유형분류 모델의 과거 기후자료 적용 ... 183
• 1. 지점별 폭염 및 한파의 연도별 분석 ... 184
• 2. 극한 기온과 사망자수와의 연관성 분석 ... 186
• 제2절 향상된 날씨유형분류 모델의 기후변화 시나리오 적용 ... 190
• 1. 기후변화에 따른 21C의 날씨 유형 분석 ... 190
• 2. 미래 날씨유형 변화에 따른 온열 질환 사망자수 변동성 분석 ... 194
• 제3절 요약 및 결론 ... 197
• 참고 문헌 ... 199
• 부록 2014년도 학술용역과제 ... 205
• 생명기상 응용모델 개발 (Ⅱ) ... 205
• 기후변화에 따른 극한기상 건강영향분석(Ⅲ) ... 568
• 끝페이지 ... 607