• Korean Journal of Agricultural and Forest Meteorology
• /
• v.4 no.1
• /
• pp.23-28
• /
• 2002

Sets of weather variables for estimation of LWD were evaluated using CART(Classification And Regression Tree) models. Input variables were sets of hourly observations of air temperature at 0.3-m and 1.5-m height, relative humidity(RH), and wind speed that were obtained from May to September in 1997, 1998, and 1999 at 15 weather stations in iowa, Illinois, and Nebraska, USA. A model that included air temperature at 0.3-m height, RH, and wind speed showed the lowest misidentification rate for wetness. The model estimated presence or absence of wetness more accurately (85.5%) than the CART/SLD model (84.7%) proposed by Gleason et al. (1994). This slight improvement, however, was insufficient to justify the use of our model, which requires additional measurements, in preference to the CART/SLD model. This study demonstrated that the use of measurements of temperature, humidity, and wind from automated stations was sufficient to make LWD estimations of reasonable accuracy when the CART/SLD model was used. Therefore, implementation of crop disease-warning systems may be facilitated by application of the CART/SLD model that inputs readily obtainable weather observations.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.346-346
• /
• 2023

한국은 기상·수문정보의 예측이 기상 및 기후 측면에서 주도적으로 이루어지고 있다. 그러나 단기 및 중기 수자원 평가 및 분석을 위해 필요한 시공간적 규모, 정확도, 평가체계를 고려한 기상 기후 예측정보의 활용 방안이 마련될 필요가 있다. 이에 본 연구에서는 미래 수자원 평가 및 분석을 위한 방안을 마련하고자 국내 경안천 유역을 대상으로 하천유량을 예측하고 평가하였다. 이를 위해, 우리는 세계기상기구(World Meteorological Organization, WMO)에서 회원국을 대상으로 배포 중인 수자원 평가 도구인 동적수자원평가시스템(Dynamic Water resources Assessment Tool, DWAT)을 경안천 유역에 대하여 구축하고, 과거 관측 기상 및 유량 자료를 이용하여 매개변수를 보정하였다. 앙상블 하천유량 예측을 위해서 전지구적인 기후 패턴과 국내 기상 특성 간의 상관성 분석 후 이를 예측인자로 활용하여 다중회귀모형과 인공신경망 모형으로부터 생성된 1,000개의 앙상블 강우 및 기온 예측정보를 DWAT의 입력자료로 이용하였다. 2022년에 대한 앙상블예측정보를 DWAT의 입력자료로 사용하여 앙상블 하천유량이 예측되었다. 예측된 일-단위 하천유량은 실제 관측유량과 차이를 보이나 이는 예측된 앙상블 강우 및 기온정보의 오차에 기인하는 것으로 보인다. 이러한 결과는 수문 모형 결과의 오차는 강제 자료의 오차에 큰 영향을 받는 한계를 다시 한번 확인시켜준다. 따라서 단기·중기 수자원 평가 및 분석을 월-단위 하천유량으로 변환하여 월별 통계치를 분석하는 방향을 고려할 필요가 있다.

• KOREAN JOURNAL OF CROP SCIENCE
• /
• v.33 no.3
• /
• pp.215-221
• /
• 1988

The hop yield prediction model developed based on meteorological elements in Hoeongseong was Y=6,042.846-17.665 $X_1$-0.919 $X_2$-96.538 $X_3$-138.105 $X_4$＋86.910 $X_{5}$ ＋ $X_{6}$ with MS $E_{p}$ of 25.258, $R_{p}$$^{2}$ of 0.9991, R $a_{p}$$^{2}$ of 0.9962 and $C_{p}$ of 7.00. The minimum air temperature at early growing stage ( $X_1$), the total precipitation at cone ripening stage ( $X_2$), the maximum air temperature at flower bud differentiation stage ( $X_3$) and the maximum air temperature at flowering stage ( $X_4$) influenced on hop yield as decrement weather elements. The average air temperature at early growing stage ( $X_{5}$ ) and the total sunshine hours at cone development stage ( $X_{6}$ ) influenced on hop yield as increment weather elements.lements.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.374-374
• /
• 2021

최근 우리나라에도 대설로 인한 피해가 발생하고 있으며, 피해의 대부분은 강설 발생 이후 남아 있는 적설량이 주된 원인이 되고 있다. 적설량에 대한 예측은 대설피해에 대응하기 위한 중요한 정보이다. 따라서 본 연구에서는 융설량에 영향을 미칠것으로 판단되는 적설량, 기온, 습도, 일사량을 반영하여 일일 융설량을 모의하는 다중회귀모형을 구성하였다. 모형은 2000년부터 2020년까지의 강설 사상을 대상으로 구축하였으며, 2021년에 발생한 광주, 대관령, 목포, 서산, 전주 지역의 강설 사상에 적용하였다. 분석 대상 지역의 평균 적설량은 7.41 cm로 나타났으며, 평균 RMSE는 1.64 cm가 발생하였다. 오차의 원인으로는 적설량이 1 cm 미만 감소했을 경우, 바람이나 승화의 영향이 상대적으로 크게 작용할 수 있으나, 본 연구에 이용된 함수는 바람과 증발산 등이 고려되지 않았다. 또한, 회귀계수 결정에서 급격한 온도 변화를 능동적으로 반영하기 어려워 급상승한 온도나 매우 낮은 온도에 오차가 더 크게 나타난다. 따라서, 본 함수를 통하여 융설 깊이를 예측하기 위해서는 매우 높은 온도나, 매우 낮은 온도에서의 영향을 통제할 수 있는 변수 또는 상수를 추가할 필요가 있는 것으로 판단된다. 또한 초기 강설 당시의 기온과 습도 등에 따라, 눈의 결정이 달라지고, 이에 따라 융설에도 영향을 미칠 수 있다는 점을 이해하여, 초기 적설에 대한 변수도 고려되어야 할 것이다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.24 no.4
• /
• pp.201-217
• /
• 2022

The United States is one of the largest producers of major crops such as wheat, maize, and soybeans, and is a major exporter of these crops. Therefore, it is important to estimate the crop production of the country in advance based on reliable long- term weather forecast information for stable crops supply and demand in Korea. The purpose of this study is to improve the seasonal predictability of the agro-climatic indices over the United States by using regional-scale daily temperature. For long-term numerical weather prediction, a dynamical downscaling is performed using Weather Research and Forecasting (WRF) model, a regional climate model. As the initial and lateral boundary conditions of WRF, the global hourly prediction data obtained from the Pusan National University Coupled General Circulation Model (PNU CGCM) are used. The integration of WRF is performed for 22 years (2000-2021) for period from June to December of each year. The empirical quantile mapping, one of the bias correction methods, is applied to the timeseries of downscaled daily mean, minimum, and maximum temperature to correct the model biases. The uncorrected and corrected datasets are referred WRF_UC and WRF_C, respectively in this study. The daily minimum (maximum) temperature obtained from WRF_UC presents warm (cold) biases over most of the United States, which can be attributed to the underestimated the low (high) temperature range. The results show that WRF_C simulates closer to the observed temperature than WRF_UC, which lead to improve the long- term predictability of the temperature- based agro-climatic indices.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.377-377
• /
• 2019

본 연구에서는 LSTM 모형을 이용하여 갈수예보를 위한 월 단위 전망모형개발의 대상지점으로 이수 및 치수의 측면에서 아주 중요한 한강대교 지점을 선정하였으며 유량예보를 위하여 한강수계 19개 기상관측소의 월평균강수량, 월평균기온 및 3개 댐(소양,횡성,충주)의 월방류량을 사용하여 한강대교의 월 유량을 예측하였다. 1996년부터 2016년까지의 자료는 모형의 학습, 2017년 자료는 모형의 검증에 활용하였으며 가장 최근 건설된 횡성댐 방류량의 경우 1996년~2000년의 자료가 없으므로 2001년~2005년의 자료를 반복하여 학습에 활용하였다. 모형의 예측결과는 신경망 학습 시 한강대교 월유량자료를 포함한 결과와 미포함 결과를 도출하였으며, 모의결과의 재현성 분석을 위하여 월별 예측값과 실측값의 비율을 산정하였으며 1월부터 12월까지 12개 값을 평균하여 평균예측률을 산정하고 이를 홍수기(6월~10월) 및 비홍수기(1월~5월, 11월~12월)를 구분하였다. 딥러닝 학습 시 월유량을 포함한 경우의 예측결과가 학습 시 월유량을 포함하지 않았을 경우보다 상대적으로 좋은 정확도를 보이는 것으로 분석되었다. 다만, 신경망을 실제 갈수예보에 활용하기 위해서는 예측 기상정보인 월강우량, 월평균기온, 댐방류량만을 활용하여야 하는데 학습 시월유량 미포함 결과는 예측률이 매우 낮았으며, 신경망의 학습횟수가 늘어날 경우 학습자료 과적합(over-fitting)되어 정확도가 보다 저하되는 것으로 나타났다. 그래서 기존의 현재시간 t까지의 입력자료로 학습 후 익월(t+1)의 월유량을 예측하는 (t $\rightarrow$ t+1) 방법에서 현재시점 (t-n ~ t)까지의 입력자료를 이용하여 당월(t)의 월유량을 산정하는 (t$\rightarrow$t) 방법으로 재학습 후 모형검증을 수행한 결과 전술한 익월(t+1) 유량을 예측한 결과보다 재현성이 훨씬 향상된 것으로 분석되며평균예측률이 0.99로 홍수기 및 비홍수기에서도 뛰어난 정확성을 보이고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.567-570
• /
• 2016

전력수요 예측은 설비투자, 수급 안정, 구매전력비 등에 직결되는 중요한 요소이며 국가 경제에 미치는 영향이 크다. 특히 인구가 밀집한 대도시의 경우 정치, 교육, 문화, 경제적 활동들이 전력사용과 밀접한 연관이 있어 안정적인 전력공급을 위한 정확한 전력수요 예측이 필요하다. 최근 평균기온 및 국내총생산을 독립변수로 활용하여 다중회귀모형을 구성한 연구가 전국 단위 전력수요 예측에 유용한 결과를 보여주었다. 하지만 좀 더 작은 단위 지역의 전력수요를 예측할 때에는 지역마다 제반 여건에 따른 전력사용 용도가 다르므로, 그 지역의 전력수요와 상관관계가 높은 다른 변수들을 함께 고려해야 할 필요가 있다. 본 논문은 서울시 자치구별 월 단위 전력수요 예측을 위하여 과거 전력수요량을 독립변수, 평균기온, 지역내총생산, 자치구별 인구, 세대수, 지하철 승 하차 인원을 종속변수로 설정한 다중회귀모형을 구성하였다. 이를 기반으로 다양한 실험을 통해 자치구별 월간 전력수요 예측을 진행하였으며, 그 결과 이전보다 향상된 정확도를 얻을 수 있었다.

• KOREAN JOURNAL OF CROP SCIENCE
• /
• v.33 no.4
• /
• pp.323-328
• /
• 1988

The hop alpha-acid content prediction model developed with meteorological elements in Hoeongseong was Y=28.369-0.003X$_1$＋1.558X$_2$-1.953X$_3$-0.335X$_4$-0.003X$\sub$5/-0.119X$\sub$6/, with MSEp of 0.004, Rp$^2$ of 0.9987, Rap$_2$ of 0.9949 and Cp of 7.00. The total sunshine hours (X$_1$), the maximum temperature (X$_3$) and the total precipitation (X$\sub$5/) at flowering stage. the maximum temperature at flower bud differentiation stage (X$_4$) and the maximum temperature at cone ripening stage (X$\sub$6/) influenced on hop alpha .acid content as decrement weather elements. The maximum temperature at cone development stage(X$_2$) effected on ${\alpha}$-acid content as increment weather element.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.193-193
• /
• 2011

국제기구인 정부간 기후변화협의체(Intergovernmental Panel on Climate Change, 이하 IPCC)에서는 기후변화가 기온 상승에 따른 증발산량의 증가, 강수량 및 유출량의 시공간적 분포의 변동 등을 초래하여 수자원의 효율적 관리 및 안정적인 공급에 어려움을 증대시킬 것으로 전망하였다. 또한 IPCC 4차 보고서에 따르면 21세기말 지구의 평균기온은 현재보다 최대 $6.3^{\circ}C$정도 더 상승할 것으로 전망하였다. 전구평균기온이 $3.0^{\circ}C$ 증가할 경우 아시아에서만 연간 700만 명이상이 홍수피해 위기에 직면할 것으로 예상되고 있다. 국내의 경우 기온은 전구평균기온에 비해 2배 이상 높은 $1.5^{\circ}C$ 정도 상승하였으며, 최근 50년간의 강우일수는 감소한 반면 일강수량이 80mm 이상인 호우일수의 발생빈도는 증가되고 있다고 보고되었다. 또한 최근의 물수지 해석과 관련하여 거시적인 관점에서 기온 및 강수량 증가에 따른 물순환 과정을 모의하고, 농업용수, 댐건설, 도시화, 토지이용의 변화 등 인위적인 환경 변화 및 기후변화에 따른 유출량의 변화를 정량화하려는 연구들이 수행되고 있다(한국건설기술원, 2007). 이를 위하여 단기적이 아니라 장기적인 측면에서 유출분석을 할 필요가 있으나, 현재까지 보유하고 있는 실측 자료의 한계 및 이러한 조사를 위해 요구되는 시간 및 비용의 한계 때문에, 유출해석 모형을 주로 이용하고 있다. 본 연구에서는 장래 건설예정인 미계측 호소의 유량과 수질을 모의하기 위하여 하천, 하구, 호소 및 해역에 고루 적용할 수 있는 3차원 수리 동력학적인 모델인 EFDC 모형과 시간의 변화에 따른 수질을 모의하는데 가장 널리 이용하는 WASP 모형을 도입하였다. 향후, 내성천의 영주댐 건설과 같은 큰 변화가 발생하였을 기후 변화의 영향을 파악하기 위하여 EFDC와 WASP모형을 이용하여 대상유역에 대한 유출량과 수온의 변화를 통하여 A2, B1 기후변화 시나리오별로 2020년, 2050년, 2080년의 수질(BOD, TN, TP)변화를 분석하여 보았다. 연구의 결과는 다음과 같이 나타났다. EFDC 및 WASP 모형의 연계를 통한 기후 변화 시나리오에 따른 미래의 저수지 수질예측 모의를 수행한 결과, BOD, TN, TP 등 수질농도 변화는 2020년에서 2080년도로 갈수록 BOD, TN 다소 증가하는 경향을 나타내었고, TP농도는 감소하였다. 시나리오별 변화 특성은 TN, TP 농도는 A2 시나리오가 다소 높고, BOD 농도는 B1 시나리오가 A2보다 높은 것으로 나타났다. EFDC와 WASP을 이용하여 미계측 호소에 대한 기후변화 시나리오별로 적용하여 수질변화를 예측하여 보았는데, 향후 기후변화에 따른 기온, 유량변화와 수질 항목간의 상간관계 정립 및 수질 모의의 불확실성 등에 대한 추가 연구가 필요할 것으로 판단된다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.19 no.3
• /
• pp.93-101
• /
• 2017

The distribution of inter-annual variation in temperature would help evaluate the likelihood of a climatic risk and assess suitable zones of crops under climate change. In this study, we evaluated two methods to estimate the standard deviation of temperature in the areas where weather information is limited. We calculated the monthly standard deviation of temperature by collecting temperature at 0600 and 1500 local standard time from 10 automated weather stations (AWS). These weather stations were installed in the range of 8 to 1,073m above sea level within a mountainous catchment for 2011-2015. The observed values were compared with estimates, which were calculated using a geospatial correction scheme to derive the site-specific temperature. Those estimates explained 88 and 86% of the temperature variations at 0600 and 1500 LST, respectively. However, it often underestimated the temperatures. In the spring and fall, it tended to had different variance (e.g., increasing or decreasing pattern) from lower to higher elevation with the observed values. A regression analysis was also conducted to quantify the relationship between the standard deviation in temperature and the topography. The regression equation explained a relatively large variation of the monthly standard deviation when lapse-rate corrected temperature, basic topographical variables (e.g., slope, and aspect) and topographical variables related to temperature (e.g., thermal belt, cold air drainage, and brightness index) were used. The coefficient of determination for the regression analysis ranged between 0.46 and 0.98. It was expected that the regression model could account for 70% of the spatial variation of the standard deviation when the monthly standard deviation was predicted by using the minimum-maximum effective range of topographical variables for the area.