• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.221-221
• /
• 2022

방재성능목표란 홍수, 호우 등으로부터 재해를 예방하기 위한 방재정책 등에 적용하기 위하여 처리 가능한 시간당 강우량 및 연속강우량의 목표로, 각 지자체별로 지역특성 및 경제여건 등을 고려하여 지역별 방재성능목표를 설정한다. 지역별 방재성능목표 기준을 설정하기 위해 전국을 168개 티센망으로 분류하고 69개 지점 확률강우량을 활용하여 지방자치단체별 확률강우량을 산정하고, 지방자치단체별 티센면적 비율을 감안하여 각 지자체별 방재성능목표 설정 기준을 마련한다. 이때 확률강우량 산정에 기상청에서 제공하는 종관기상관측(ASOS) 자료를 이용하는데, 종관기상관측(ASOS, Automated Synoptic Observing System)이란 종관규모의 날씨를 파악하기 위하여 정해진 시각에 모든 관측소에서 같은 시각에 실시하는 지상관측으로, 종관규모는 일기도에 표현되어 있는 고기압이나 저기압의 공간적 크기 및 수명을 말하며, 해당 지역의 현재 기상 실시간 제공 및 기상예보에 활용한다. 그러나 ASOS 자료로 산정한 확률강우량을 토대로 설정한 지역별 방재성능목표는 지배관측소개소 및 면적 비율에 따라 강우량이 실제 해당 지역에 내린 강우량에 비해 작거나 크게 산정되어 실제 강우량을 반영하지 못하는 문제가 발생한다. 이에 지진·태풍·홍수·가뭄 등 기상현상에 따른 자연재해를 막기 위해 실시하는 지상관측인 방재성능관측(AWS, Automatic Weather System)을 1997년부터 약 510여개 지점에 설치하여 기상관측자료를 구축하고 있으나, 관측자료가 30년 미만이므로 자료의 일관성 및 신뢰도 확보 등의 문제로 이용하고 있지 않다. 실제로 ASOS 관측소와 AWS 관측소의 시간 강우량 최댓값 차이가 큼에도 불구하고 행안부는 지역별 방재성능목표 수립을 위한 강우량 산정에서 AWS 관측소의 기록은 반영하지 않고 ASOS 관측소 기록만 적용하여 실제 해당 지역의 강우량을 반영하는 방재 대책을 수립하지 못하는 실정이다. 따라서 소규모 유역 및 재해영향평가 등의 경우 인근 지역에 AWS 관측소가 있을 경우, 해당지역의 기상 특성을 대변하는 자료로 보유관측년수가 30년 이상인 AWS 자료의 적극적인 활용이 필요할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.639-639
• /
• 2012

물 수요 및 공급 체계를 바탕으로 수급 상황에 대한 판단을 위해 일반적으로 물수지 분석을 이용하고 있다. 물 수급 체계를 기반으로 하는 물수지 분석은 분석 대상유역의 물 수요를 고려하여 공급 가능량을 판단한 후 두 가지 인자 간 상호 비교를 통해 물 부족 여부를 판단하는 과정이라 할 수 있으며, 가장 대표적인 사례는 수자원장기종합계획에서의 물 수급 전망 분석 과정이라 할 수 있다. 수자원장기종합계획의 물 수급 전망에서는 미래 우리나라에서 예상되는 물 수요를 예측하고 수문조건에 따른 공급 상황과의 비교 검토를 통해 시공간적 물 부족 현황을 제시하고 있다. 수자원장기종합계획에서는 공급량 조건을 검토하기 위한 방법으로 기상청, 국토해양부, 한국수자원공사 등 다양한 기관에서 관측된 강우자료를 강우-유출모형에 적용한 후 산정된 자연유출량을 기반으로 물수지 분석을 수행하고 있다. 수자원장기종합계획과 같이 미래 우리나라의 물 수급 상황을 분석하고 이를 바탕으로 제시된 시공간적 물 부족 정보의 신뢰성을 높이기 위해서는 기본적으로 지역 또는 유역별 강우 발생 특성에 대한 정확한 고려가 기반이 되어야 한다. 그러나 현재 수자원장기종합계획 수립 과정에서 이용하고 있는 강우 관측지점의 공간적 분포를 살펴보면, 도서 및 해안지역의 경우 관측소의 밀도가 상대적으로 매우 빈약한 한계를 포함하고 있으며, 대부분 내륙 지역에 관측소가 집중된 현상을 보이고 있다. 이와 같은 상황에서 강우 관측자료를 이용한 분석을 수행할 경우 도서 및 해안지역에 대한 강우 발생 특성의 정확한 반영이 어려울 수 있으며, 이는 물 부족 분석 결과의 정확도 측면에서도 문제점으로 지적될 수 있다. 이러한 한계를 극복하기 위한 방안으로 기상청에서 운영 중인 자동기상관측지점(Automated Weather Station, AWS)의 관측자료를 이용하는 방안을 검토해볼 수 있다. AWS 지점은 내륙 및 도서 해안지역에 관계없이 고른 관측소 분포를 보이고 있으므로 이를 고려할 경우 기존 관측지점에서 한계로 지적된 부분을 충분히 극복할 수 있을 것으로 판단된다. 따라서 본 연구에서는 기상청에서 생산되고 있는 AWS 관측자료를 수집한 후 이를 수자원장기종합계획의 물수지 분석과 동일한 분석 과정에 적용하였으며, 그 결과에 대한 검토를 통해 국가 수자원계획의 신뢰도를 높일 수 있는 방안을 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.184-184
• /
• 2015

수공구조물의 설계 시 확률강우량의 산정은 매우 중요하다. 따라서 확률강우량 산정을 위한 강우지점의 선정 및 산정방법의 표준화는 매우 중요하다고 할 수 있다. 현재 확률강우량 산정시 대부분은 기상청의 지상기상관측지점과 국토교통부의 산하 지점의 시 단위 또는 일 단위의 강우자료를 활용하여 확률강우량을 산정하고 있다. 또한 면적확률강우량의 산정시에는 원칙적으로 해당 유역내 외에 다수의 관측소 존재 시 Thiessen 가중평균을 이용하여 동시간 임의시간 연최대치 면적강우량자료 계열을 작성하고 빈도해석을 실시해야하지만, 동시간 강우량자료의 수집의 어려움으로 지점 확률강우량을 산정하고 Thiessen 가중평균을 적용 후, 면적우량환산계수를 곱하는 방법을 사용하고 있다. 본 연구에서는 서울의 도림천 유역을 중심으로 기상청의 지상기상관측지점(SSS, Surface Synoptic Stations)과 품질관리를 실시한 방재기상관측지점(AWS, Automatic Weather Stations)의 분 단위 강우자료를 활용하여 강우관측지점 선정과 자료기간에 따른 동시간의 면적확률강우량을산정하고 비교분석하였다. 이는 향후 면적확률강우량 산정방안의 개선 및 보완에 큰 도움이 될 것으로 판단된다.

• The Magazine of the Society of Air-Conditioning and Refrigerating Engineers of Korea
• /
• v.32 no.8
• /
• pp.20-25
• /
• 2003

부산.경남지역의 50개 지점에 설치된 AWS 기상관측망의 측정데이터를 이용하여, 기상대 및 기상관측소를 대표점으로 하는 11개의 기후존을 구분하고, 설정된 기후존별 대표도시의 기상특성을 파악할 수 있는 기후맵을 작성하는 방안을 소개하였다. 본 고에서 작성된 기후맵을 이용하면, 지역의 온도.습도.풍향.풍속.일사량.우량 등의 기상요소가 건축환경에 미치는 영향을 정량적으로 파악할 수 있으며, 향후 지역의 특성을 살린 에너지 절약적 환경친화건축 개발의 기상자료로 활용될 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.138-138
• /
• 2016

강수량은 농업과 수자원관리, 그 외 사회 기반 사업들에게 광범위하게 영향을 미치는 매우 중요한 기상요소이므로 강수량 관측자료는 사회전반에 활용되고 있다. 하지만 강수량은 공간적인 불연속성이 크기 때문에 조밀한 관측자료를 필요로 하고 있으며, 때문에 관측이 이루어지지 않은 미관측 지점의 강수량 자료를 복원하려는 연구도 계속 진행되고 있다. 관측자료를 이용하여 미관측 지점의 강수량을 복원하는 방법으로 지상 강수량 관측자료와 연직 상층기상자료 및 고해상도 지형자료를 이용하여 복원하는 정량적 강수량 진단 모형이 이미 개발되어 대한민국을 대상으로 강수량 복원이 이루어진 바 있다. 대한민국은 전국이 대략 10 km 정도로 비교적 조밀하고 일정한 지상 관측망을 가지고 있어 관측자료를 이용한 강수량 복원에 유리하다. 하지만 전 세계 많은 지역에서 강수량 관측자료는 매우 부족한 실정이며 가깝게는 북한과 중국에서부터 아프리카와 남아메리카 등 일부 강수량 관측이 전혀 이루어지지 않는 지역도 존재한다. 이러한 지역에 대한 강수량 복원 정확도에 대해서는 지금까지 연구된 바 없으며 관측자료 수에 따른 복원 민감도에 대한 연구도 이루어지지 않았다. 따라서 대한민국에 비해 관측자료가 부족한 지역에 대해 복원 정확도를 파악할 필요성이 있으므로 본 연구에서는 관측소 밀집정도에 따른 미관측 지역의 강수량 복원 민감도 분석을 하였다. 대한민국은 572개 지점의 지상기상관측망(자동기상관측장비 AWS 477개, 종관기상관측장비 ASOS 95개 지점)을 운영하고 있으며, 10개 지점의 기상레이더가 전국을 감시하고 있어 미관측 지점에 대해 검증자료로 활용할 수 있으므로 강수량 복원 민감도 분석 대상 지역으로 선정하였다. 강수량 복원 정확도 검증을 위해 강수량 복원자료의 격자점과 가장 근접한 관측지점을 검증지점으로 선정하고, 강수량 복원에는 검증지점을 제외한 관측자료만을 이용하였다. 관측자료 밀집정도에 따른 민감도 분석을 위해 관측자료를 100% 사용하였을 때와 일부만 사용하였을 때로 나누어 분석하였다. 관측소 밀집도에 따른 강수량 복원 정확도 민감성 분석을 통해 관측소가 부족한 북한, 중국, 아프리카 등지의 미관측 지점 복원 정확도를 추정할 수 있으며 관측소가 부족하거나 전무한 지역에서 강수량 복원 정확도를 늘리기 위해 필요한 관측소 수를 파악하는 데에 적용할 수 있을 것이다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.20 no.1
• /
• pp.434-439
• /
• 2019

Recently, interest in urban temperature change and ground surface temperature change has been increasing due to weather phenomenon due to global warming, heat island phenomenon caused by urbanization in urban areas. In Korea, weather data such as temperature and precipitation have been collected since 1904. In recent years, there are 96 ASOS stations and 494 AWS weather observation stations. However, in the case of terrestrial networks, terrestrial meteorological data except measurement points are predicted through interpolation because they provide point data for each installation point. In this study, to improve the resolution of ground surface temperature measurement, the surface temperature using satellite image was calculated and its applicability was analyzed. For this purpose, the satellite images of Landsat 8 OLI TIRS were obtained for Seoul Metropolitan City by seasons and transformed to surface temperature by applying NASA equation to the thermal bands. The ground measurement data was based on the temperature data measured by AWS. Since the AWS temperature data is station based point data, interpolation is performed by Kriging interpolation method for comparison with Landsat image. As a result of comparing the satellite image base surface temperature with the AWS temperature data, the temperature difference according to the season was calculated as fall, winter, summer, based on the RMSE value, Spring, in order of applicability of Landsat satellite image. The use of that attribute and AWS support starts at $2.11^{\circ}C$ and RMSE ${\pm}3.84^{\circ}C$, which reflects information from the extended NASA.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.23 no.2
• /
• pp.122-133
• /
• 2021

Cultivar parameter calibration can be affected by the reliability of the input data to a crop growth model. In South Korea, two sets of weather stations, which are included in the automated synoptic observing system (ASOS) or the automatic weather system (AWS), are available for preparation of the weather input data. The objectives of this study were to estimate the cultivar parameter using those sets of weather data and to compare the uncertainty of these parameters. The cultivar parameters of CERES-Rice model for Shindongjin cultivar was calibrated using the weather data measured at the weather stations included in either ASO S or AWS. The observation data of crop growth and management at the experiment farms were retrieved from the report of new cultivar development and research published by Rural Development Administration. The weather stations were chosen to be the nearest neighbor to the experiment farms where crop data were collected. The Generalized Likelihood Uncertainty Estimation (GLUE) method was used to calibrate the cultivar parameters for 100 times, which resulted in the distribution of parameter values. O n average, the errors of the heading date decreased by one day when the weather input data were obtained from the weather stations included in AWS compared with ASO S. In particular, reduction of the estimation error was observed even when the distance between the experiment farm and the ASOS stations was about 15 km. These results suggest that the use of the AWS stations would improve the reliability and applicability of the crop growth models for decision support as well as parameter calibration.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.24 no.4
• /
• pp.244-255
• /
• 2022

This study estimated and evaluated the high resolution (1km) gridded mountain meteorology data of daily mean, maximum and minimum temperature based on ASOS (Automated Surface Observing System), AWS (Automatic Weather Stations) and AMOS (Automatic Mountain Meteorology Observation System) in South Korea. The ASOS, AWS, and AMOS meteorology data which were located above 200m was classified as mountainous area. And the ASOS, AWS, and AMOS meteorology data which were located under 200m was classified as non-mountainous area. The bias-correction method was used for correct air temperature over complex mountainous area and the performance of enhanced daily coefficients based on the AMOS and mountainous area observing meteorology data was evaluated using the observed daily mean, maximum and minimum temperature. As a result, the evaluation results show that RMSE (Root Mean Square Error) of air temperature using the enhanced coefficients based on the mountainous area observed meteorology data is smaller as 30% (mean), 50% (minimum), and 37% (maximum) than that of using non-mountainous area observed meteorology data. It indicates that the enhanced weather coefficients based on the AMOS and mountain ASOS can estimate mean, maximum, and minimum temperature data reasonably and the temperature results can provide useful input data on several climatological and forest disaster prediction studies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.135-135
• /
• 2020

우리나라의 기후 자료는 일반적으로 기상청에서 발표하는 종관기상관측(ASOS)과 방재기상관측(AWS), 그리고 북한이 세계기상기구(WMO, World Meteorogical Organization)의 기상통신망(GTS)을 통해 보낸 북한기상관측(NKO)을 사용 할 수 있다. 그러나 이 중 40년 이상의 완전한 관측 자료를 얻을 수 있는 건 ASOS가 유일하지만 공간적인 표현에 한계를 갖고 있다. AWS는 관측소가 많다는 장점이 있지만 관측 기간이 길지 않고 이용 가능한 기간에도 관측이 연속적이지 못한 경우가 많다. NKO는 비록 27개의 관측소가 있지만 많은 데이터가 누락되어 일별 기후자료의 사용에 한계를 갖고 있다. 이러한 미관측 기간이나 관측 자료의 누락은 연속적인 시계열 자료분석을 기반으로 하는 수자원 모델링에 있어서 문제를 야기한다. 본 연구는 1973년부터 2019년까지 47년의 신뢰도 높은 한반도 일일 기후 자료를 구축하기 위해 다양한 방법론을 비교하였다. 추정에 사용한 방법은 총 7개로 EM algorithm for probabilistic principal components (PPCA-EM), Inverse distance weight method (IDWM), Nearest neighbor method (NNM), Multivariate normal copulas (Copula), Elastic net model (Elastic), Ordinary kriging (OK), Regularized principal components with EM algorithm (RPCA-EM)를 살펴보았다. 다양한 형태의 결측치를 가정하여 그 결과값을 비교하였고 이는 Root mean squared error(RMSE), Kling-Gupta efficiency(KGE), Nash-Sutcliffe efficiency(NSE)를 통해 평가하였다. 최종 선택된 방법론을 통하여 한반도 전역을 그리드 기반의 강수 및 최저온도/최고온도의 일별자료로 생성하였다.

• Spatial Information Research
• /
• v.18 no.4
• /
• pp.33-41
• /
• 2010

Approximately 100 permanent GPS stations are currently operational in Korea. However, only 10 sites have their own weather sensors connected directly to the GPS receiver. Thus. calculation of meteorological data through interpolation of AWS data are needed to determine precipitable water vapors at a specific GPS station without a meteorological sensor. This study analyzed the accuracy of two meteorological data interpolation methods called reverse sea level correction and kriging. As a result, the root-mean square-error of reverse sea level correction were seven times more accurate in pressure and twice more accurate in temperature than the kriging method. For the analysis of PWV accuracy, we calculated GPS PWV during the summer season in :2008 by using GPS observation data and interpolated meteorological data by reverse sea level correction. And, we compared GPS PWV s based on interpolated meteorological data with those from radiosonde observations and GPS PWV s based on onsite GPS meteorological sensor measurements. As a result, the accuracy of GPS PWV s from our interpolated meteorological data was within the required operational accuracy of 3mm.