The research of climate change impact in hydrometeorology often relies on climate change information. In this paper, neural networks models such as support vector machine neural networks model (SVM-NNM) and multilayer perceptron neural networks model (MLP-NNM) are proposed statistical downscaling of the monthly precipitation. The input nodes of neural networks models consist of the atmospheric meteorology and the atmospheric pressure data for 2 grid points including $127.5^{\circ}E/35^{\circ}N$ and $125^{\circ}E/35^{\circ}N$, which produced the best results from the previous study. The output node of neural networks models consist of the monthly precipitation data for Seoul station. For the performances of the neural networks models, they are composed of training and test performances, respectively. From this research, we evaluate the impact of SVM-NNM and MLP-NNM performances for the downscaling of the monthly precipitation data. We should, therefore, construct the credible monthly precipitation data for Seoul station using statistical downscaling method. The proposed methods can be applied to future climate prediction/projection using the various climate change scenarios such as GCMs and RCMs.
The research of climate change impact in hydrometeorology often relies on climate change information. In this paper, neural networks models such as generalized regression neural networks model (GRNNM) and multilayer perceptron neural networks model (MLP-NNM) are proposed statistical downscaling of the daily precipitation. The input nodes of neural networks models consist of the atmospheric meteorology and the atmospheric pressure data for 4 grid points including $127.5^{\circ}E/37.5^{\circ}N$, $127.5^{\circ}E/35^{\circ}N$, $125^{\circ}E/37.5^{\circ}N$ and $125^{\circ}E/35^{\circ}N$, respectively. The output node of neural networks models consist of the daily precipitation data for Seoul station. For the performances of the neural networks models, they are composed of training and test performances, respectively. From this research, we evaluate the impact of GRNNM and MLP-NNM performances for the downscaling of the daily precipitation data. We should, therefore, construct the credible daily precipitation data for Seoul station using statistical downscaling method. The proposed methods can be applied to future climate prediction/projection using the various climate change scenarios such as GCMs and RCMs.
Jang, Suhyung;Hwang, Manha;Hur, Youngteck;Kavvas, M. Levent
한국수자원학회:학술대회논문집
/
한국수자원학회 2015년도 학술발표회
/
pp.229-229
/
2015
Downscaling is a fundamental procedure in the assessment of the future climate change impact at regional and watershed scales. Hence, it is important to investigate the spatial variability of the climate conditions that are constructed by various downscaling methods in order to assess whether each method can model the climate conditions at various spatial scales properly. This study introduces a fundamental research from Jang and Kavvas(2015) that precipitation variability from a popular statistical downscaling method (BCSD) and a dynamical downscaling method (MM5) that is based on the NCAR/NCEP reanalysis data for a historical period and on the CCSM3 GCM A1B emission scenario simulations for a projection period, is investigated by means of some spatial characteristics: a) the normalized standard deviation (NSD), and b) the precipitation change over Northern California region. From the results of this study it is found that the BCSD method has limitations in projecting future precipitation values since the BCSD-projected precipitation, being based on the interpolated change factors from GCM projected precipitation, does not consider the interactions between GCM outputs and local geomorphological characteristics such as orographic effects and land use/cover patterns. As such, it is not clear whether the popular BCSD method is suitable for the assessment of the impact of future climate change at regional, watershed and local scales as the future climate will evolve in time and space as a nonlinear system with land-atmosphere feedbacks. However, it is noted that in this study only the BCSD procedure for the statistical downscaling method has been investigated, and the results by other statistical downscaling methods might be different.
This study implemented the prediction of drought properties (number of drought events, intensity, duration) using the user-oriented systematical procedures of downscaling climate change scenarios based the multiple global climate models (GCMs), AIMS (APCC Integrated Modeling Solution) program. The drought properties were defined and estimated with Effective Drought Index (EDI). The optimal 10 models among 29 GCMs were selected, by the estimation of the spatial and temporal reproducibility about the five climate change indices related with precipitation. In addition, Simple Quantile Mapping (SQM) as the downscaling technique is much better in describing the observed precipitation events than Spatial Disaggregation Quantile Delta Mapping (SDQDM). Even though the procedure was systematically applied, there are still limitations in describing the observed spatial precipitation properties well due to the offset of spatial variability in multi-model ensemble (MME) analysis. As a result, the farther into the future, the duration and the number of drought generation will be decreased, while the intensity of drought will be increased. Regionally, the drought at the central regions of the Korean Peninsula is expected to be mitigated, while that at the southern regions are expected to be severe.
Statistical downscaled surface temperature datasets by employing the cyclostationary empirical orthogonal function (CSEOF) analysis and multiple linear regression method are examined. For evaluating the efficiency of this statistical downscaling method, monthly surface temperature of the ECMWF has been downscaled into monthly temperature having a fine spatial scale of ~20km over the Korean peninsula for the 1973-2000 period. Monthly surface temperature of the ECHOG has also been downscaled into the same spatial scale data for the same period. Comparisons of temperatures between two datasets over the Korean peninsula show that annual mean temperature of the ECMWF is about $2^{\circ}C$ higher than that of the ECHOG. After applying to the statistical downscaling method, the difference of two annual mean temperatures reduces less than $1^{\circ}C$ and their spatial patterns become even close to each other. Future downscaled data shows that annual temperatures in the A1B scenario will increase by $3.5^{\circ}C$ by the late 21st century. The downscaled data are influenced by the ECHOG as well as observation data which includes effects of complicated topography and the heat island.
본 연구의 목적은 IPCC A1B 온실가스 배출 시나리오에 따른 전지구 기후모형(global climate model, GCM)을 바탕으로 구축된 KMA-RCM(Korea meteorological administration-regional climate model)을 GIS를 활용하여 규모 상세화 기법을 개발하고 검증을 통하여 기후변화 시나리오의 불확실성을 줄이는 것이다. 연구지역은 남한 전역이며, 연구 대상 기간은 1971년부터 2100년까지이다. KMA-RCM의 규모 상세화 결과의 최적화를 위해 GIS 공간보간기법 중 기온에는 Co-Kriging, 강우에는 IDW을 활용하여 고도에 따른 기온 감율을 적용하였다. 최종 연구 결과로 총 1971년도부터 2100년의 월별 평균 기온 및 강우량이 도출되었다. 평균기온의 경우 130년 동안 $1.39^{\circ}C$ 상승하고, 강우량의 경우 271.23mm가 증가하는 것으로 파악되었다. 본 연구결과의 검증을 위하여 2001년부터 2010년까지 75개 자동기상관측지점(automated weather station, AWS) 실측자료와 동기간의 미래 기후예측값과의 상관관계를 분석하였다. 평균기온의 경우 상관계수가 0.98로 매우 높게 나타났으며 강우량의 경우 0.56으로 기온에 비해 상관관계가 낮게 분석되었다. 본 연구에서는 기존의 기후변화 시나리오 규모 상세화 연구에서 사용되던 GIS 방법론을 고도에 따른 기온감율을 적용하는 기법을 개발하였다. 이를 통하여 보다 현실성 높은 지역적 규모의 미래 기후변화 시나리오를 구축하고 이의 불확실성을 줄이기 위하여 연구를 진행하였다.
For the assessment of climate change impacts on river flow condition, CGCM 3.1 T63 is selected as future climate information. The projections come from CGCM used to simulate the GHG emission scenario known as A2. Air temperature and precipitation information from the GCM simulations are converted to regional scale data using the statistical downscaling method known as MSPG. Downscaled climate data from GCM are then used as the input data for the modified TANK model to generate regional runoff estimates for 44 river locations in Nakdong river basin. Climate change is expected to reduce the reliability of water supplies in the period of 2021~2030. In the period of 2051~2060, stream flow is expected to be reduced in spring season and increased in summer season. However, it should be noted that there are a lot of uncertainties in such multiple-step analysis used to convert climate information from GCM-based future climate projections into hydrologic information.
The climate projection with a high spatial resolution is required for the studies on regional climate changes. The Korea Meteorological Administration (KMA) has provided downscaled RCP (Representative Concentration Pathway) scenarios over Korea with 1 km spatial resolution. If there are additional climate projections produced by dynamically downscale, the quality of impacts and vulnerability assessments of Korea would be improved with uncertainty information. This technical note intends to instruct the methods to downscale the climate projections dynamically from the Community Earth System Model (CESM) to the Weather Research and Forecast (WRF) model. In particular, here we focus on the instruction to utilize CAM2WRF, a sub-program to link output of CESM to initial and boundary condition of WRF at Linux platform. We also provide the example of the dynamically downscaled results over Korean Peninsula with 50 km spatial resolution for August, 2020. This instruction can be helpful to utilize global scale climate scenarios for studying regional climate change over Korean peninsula with further validation and uncertainty/bias analysis.
Surface winds over the ocean influence not only the climate change through air-sea interactions but the coastal erosion through the changes in wave height and direction. Thus, demands on a reliable projection of future changes in surface winds have been increasing in various fields. For the future projections, climate models have been widely used and, as a priori, their simulations of surface wind are required to be evaluated. In this study, we evaluate the climatological mean surface winds over the Korean Waters simulated by five regional climate models participating in Coordinated Regional Climate Downscaling Experiment (CORDEX) for East Asia (EA), an international regional climate model inter-comparison project. Compared with the ERA-interim reanalysis data, the CORDEX-EA models, except for HadGEM3-RA, produce stronger wind both in summer and winter. The HadGEM3-RA underestimates the wind speed and inadequately simulate the spatial distribution especially in summer. This summer wind error appears to be coincident with mean sea-level pressure in the North Pacific. For wind direction, all of the CORDEX-EA models simulate the well-known seasonal reversal of surface wind similar to the ERA-interim. Our results suggest that especially in summer, large-scale atmospheric circulation, downscaled by regional models with spectral nudging, significantly affect the regional surface wind on its pattern and strength.
Generally, the GCM (General Circulation Model) data by IPCC climate change scenarios are used for future weather prediction. IPCC GCM models predict well for the continental scale, but is not good for the regional scale. This paper tried to generate future temperature and precipitation of 8 scattered meteorological stations in South Korea by using the MIROC3.2 hires GCM data and applying LARS-WG downscaling method. The MIROC3.2 A1B scenario data were adopted because it has the similar pattern comparing with the observed data (1977-2006) among the scenarios. The results showed that both the future precipitation and temperature increased. The 2080s annual temperature increased $3.8{\sim}5.0^{\circ}C$. Especially the future temperature increased up to $4.5{\sim}7.8^{\circ}C$ in winter period (December-February). The future annual precipitation of 2020s, 2050s, and 2080s increased 17.5 %, 27.5 %, and 39.0 % respectively. From the trend analysis for the future projected results, the above middle region of South Korea showed a statistical significance for winter precipitation and south region for summer rainfall.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.