• Journal of The Korean Society of Agricultural Engineers
• /
• v.63 no.6
• /
• pp.49-60
• /
• 2021

BCSA (Bias-Correction and Stochastic Analog) is a statistical downscaling technique designed to effectively correct the systematic errors of GCM (General Circulation Model) output and reproduce basic statistics and spatial variability of the observed precipitation filed. In this study, the applicability of BCSA was evaluated using the ASOS observation data over South Korea, which belongs to the monsoon climatic zone with large spatial variability of rainfall and different rainfall characteristics. The results presented the reproducibility of temporal and spatial variability of daily precipitation in various manners. As a result of comparing the spatial correlation with the observation data, it was found that the reproducibility of various climate indices including the average spatial correlation (variability) of rainfall events in South Korea was superior to the raw GCM output. In addition, the needs of future related studies to improve BCSA, such as supplementing algorithms to reduce calculation time, enhancing reproducibility of temporal rainfall patterns, and evaluating applicability to other meteorological factors, were pointed out. The results of this study can be used as the logical background for applying BCSA for reproducing spatial details of the rainfall characteristic over the Korean Peninsula.

• Journal of Korea Water Resources Association
• /
• v.37 no.3
• /
• pp.185-193
• /
• 2004

The main purpose of this study is to investigate and evaluate the impact of climate change on the runoff and water resources of Yongdam basin. First, we construct global climate change scenarios using the YONU GCM control run and transient experiments, then transform the YONV GCM grid-box predictions with coarse resolution of climate change into the site-specific values by statistical downscaling techniques. The values are used to modify the parameters of the stochastic weather generator model for the simulation of the site-specific daily weather time series. The weather series fed into a semi-distributed hydrological model called SLURP to simulate the streamflows associated with other water resources for the condition of $2CO_2$. This approach is applied to the Yongdam dam basin in southern part of Korea. The results show that under the condition of $2CO_2$, about 7.6％ of annual mean streamflow is reduced when it is compared with the observed one. And while Seasonal streamflows in the winter and autumn are increased, a streamflow in the summer is decreased. However, the seasonality of the simulated series is similar to the observed pattern.

• Journal of Climate Change Research
• /
• v.9 no.1
• /
• pp.13-29
• /
• 2018

This study presented evaluation procedure for selecting appropriate GCMs and downscaling method by focusing on the climate extreme indices suitable for climate change adaptation. The procedure includes six stages of processes as follows: 1) exclusion of unsuitable GCM through raw GCM analysis before bias correction; 2) calculation of the climate extreme indices and selection of downscaling method by evaluating reproducibility for the past and distortion rate for the future period; 3) selection of downscaling method based on evaluation of reproducibility of spatial correlation among weather stations; and 4) MME calculation using weight factors and evaluation of uncertainty range depending on number of GCMs. The presented procedure was applied to 60 weather stations where there are observed data for the past 30 year period on Korea Peninsula. First, 22 GCMs were selected through the evaluation of the spatio-temporal reproducibility of 29 GCMs. Between Simple Quantile Mapping (SQM) and Spatial Disaggregation Quantile Delta Mapping (SDQDM) methods, SQM was selected based on the reproducibility of 27 climate extreme indices for the past and reproducibility evaluation of spatial correlation in precipitation and temperature. Total precipitation (prcptot) and annual 1-day maximum precipitation (rx1day), which is respectively related to water supply and floods, were selected and MME-based future projections were estimated for near-future (2010-2039), the mid-future (2040-2069), and the far-future (2070-2099) based on the weight factors by GCM. The prcptot and rx1day increased as time goes farther from the near-future to the far-future and RCP 8.5 showed a higher rate of increase in both indices compared to RCP 4.5 scenario. It was also found that use of 20 GCM out of 22 explains 80% of the overall variation in all combinations of RCP scenarios and future periods. The result of this study is an example of an application in Korea Peninsula and APCC Integrated Modeling Solution (AIMS) can be utilized in various areas and fields if users want to apply the proposed procedure directly to a target area.

• Journal of Korea Water Resources Association
• /
• v.42 no.3
• /
• pp.213-225
• /
• 2009

A stationary Markov chain model is a stochastic process with the Markov property. Having the Markov property means that, given the present state, future states are independent of the past states. The Markov chain model has been widely used for water resources design as a main tool. A main assumption of the stationary Markov model is that statistical properties remain the same for all times. Hence, the stationary Markov chain model basically can not consider the changes of mean or variance. In this regard, a primary objective of this study is to develop a model which is able to make use of exogenous variables. The regression based link functions are employed to dynamically update model parameters given the exogenous variables, and the model parameters are estimated by canonical correlation analysis. The proposed model is applied to daily rainfall series at Seoul station having 46 years data from 1961 to 2006. The model shows a capability to reproduce daily and seasonal characteristics simultaneously. Therefore, the proposed model can be used as a short or mid-term prediction tool if elaborate GCM forecasts are used as a predictor. Also, the nonstationary Markov chain model can be applied to climate change studies if GCM based climate change scenarios are provided as inputs.

• Journal of Wetlands Research
• /
• v.15 no.1
• /
• pp.115-125
• /
• 2013

This study established a methodology for the application of downscaling technique in a mountainous area having large spatial variations of rainfall and tried to estimate the change of rainfall characteristics in the future under climate change using the established method. The Namhan river basin, which is in the mountainous area of the Korean peninsula, has been chosen as the study area. Artificial Neural Network - Simple Kriging with varying local means (ANN-SKlm) has been built by combining artificial neural network, which is one of the general downscaling techniques, and SKlm technique, which can reflect the geomorphologic characteristics like elevation of the study area. The evaluation of SKlm technique was done by using the monthly rainfalls at six weather stations which KMA(Korea Meteorological Administration) is managing in the basin. The ANN-SKlm technique was compared with the Thiessen technique and ordinary kriging(OK) technique. According to the evaluation result of each technique the SKlm technique showed the best result.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.120-124
• /
• 2008

본 연구에서는 대기대순환모형(GCM) 모의결과를 활용하여 한반도 지역의 강수량과, 온도에 대하여 분위사상법(Quantile mapping)과 상세화기법(downscaling)을 적용하였다. GCM 모의자료는 캐나다기후센터(CCCma; Canadian Centre for Climate Modeling and Analysis)의 CGCM2 A2, B2시나리오의 $2001{\sim}2100$년 자료를 사용하였으며, GCM 모의결과값과 국내관측값과의 계통적오차(systematic bias)를 보정하기 위하여 분위사상법을 적용하였다. 강수자료의 경우 한반도의 강수특성을 반영하기 위하여 홍수기, 비홍수기로 구분지어 감마분포를 이용하였고, 온도자료의 경우 계절적 특성을 반영하기 위하여 봄/가을, 여름, 겨울로 구분지어 표준정규분포를 이용하여 분위사상법을 적용하였다. 강수자료의 경우 과거($1965{\sim}1989$:25개년)의 31개소의 일평균강우 자료를, 온도자료의 경우 과거($1965{\sim}1989$)의 11개소의 일평균온도 자료를 사용하였다. 이러한 분위사상법의 적용으로 GCM 모의결과값과 관측값사이의 계통적오차를 보정하였으며, 그 결과 강수자료의 홍수기의 경우 모의결과값과 관측값의 차이가 3.79mm/day에서 0.62mm/day로, 비홍수기의 경우 0.24mm/day에서 0.02mm/day로 각각 83%, 92% 보정된것을 확인하였으며, 각각의 확률분포 매개변수를 추출하였다. Random Cascade 모형의 자기유사성 및 무작위 변동성계수를 추정하기 위하여 2002년 8월 6일 00:10부터 8월 9일 24:00까지 432장의 레이더 스캔을 사용하여 스케일분석을 실시하였으며, 모형적용결과 연평균 강우량의 변화는 A2의 경우 797.89mm에서 1297.09mm로 B2의 경우 815.02mm에서 1383.93mm로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1605-1609
• /
• 2010

CGCM3.1 SRES B1 시나리오의 2D 변수들을 입력값으로 인공신경망 모형을 이용한 스케일 상세화기법으로 강부식(2009)은 소양강댐 유역의 월 누적강수 경향분석을 실시하였다. 원시 GCM 시나리오를 스케일 상세화 시키기 위한 기법의 하나로 인공신경망 모형을 사용할 수 있는데, 이 경우 GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면 근처에서의 일평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수를 잠재적인 예측인자로 사용하여 신경망을 구성하게 된다. 입력변수세트의 구성은 인공신경망의 계산 효율을 좌우하는 중요한 요소라 할 수 있다. 본 연구에서는 변수의 물리적 특성을 고려하여 순차적인 변수선택을 통한 신경망 입력변수 세트를 구성하고 입력세트 간의 학습성과 비교를 통하여, 최적 입력변수 선정 및 신경망의 학습효과를 높일 수 있는 방법에 대해 연구하였다. 물리적 상관성이 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 하여 순차적인 케이스를 학습해본 결과 huss와 ps를 입력변수로 하는 케이스에 대해서 적은 오차와 높은 상관성을 보였다, 또한, 신경망의 학습 효과를 높이기 위해 홍수기와 비홍수기로 구분하여 학습한 결과 홍수기와 비홍수기로 구분하여 신경망을 구성하였을 경우가 향상된 모의값을 나타내었다. 기후변화모의자료는 CCCma(Canadian Center for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 관측값으로는 AWS에서 제공된 일 누적강수를 사용하였다. 인공신경망의 학습기간은 1997년부터 2000년이며, 검증기간은 2001년부터 2004년으로 구성하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.120-124
• /
• 2009

기후변화로 인한 사회, 경제, 자원, 환경, 수자원 등에 영향분석은 세계적인 연구 트렌드로 자리 잡고 있다. 다양한 모형들이 기후변화 영향을 효과적으로 평가하기 위해서 개발되고 있으나 주로 강우-유출 모형을 통한 유출의 변화 특성을 모의하는데 대부분의 연구가 초점을 맞추고 있다. 그러나 기본적으로 사용되는 강수량자료의 정확한 추정이 기후변화 연구에서 가장 중요하다고 해도 과언이 아니다. 이러한 관점에서 GCM 기후모형으로부터 유도된 기후변화 시나리오로부터 여러 단계로 가공하여 모형의 입력 자료로 사용하기 위한 강수량 자료를 생산하게 된다. 이러한 과정을 총칭해서 Downscaling이라고 한다. 본 연구에서는 기후모형으로 얻은 정보를 유역단위의 수문시나리오로 변환하기 위한 통계학적 Downscaling의 연구이론 변천 상황을 종합적으로 검토하고 각 모형이 갖는 장단점을 분석하고자 한다. 즉, Weather Generator, Single-site Nonstationary Markov Chain, Multi-site Nonstationary Markov Chain, Multi-site Weather State Based Markov Model 등 다양한 모델의 변화 및 진보 과정을 살펴보고 실제 국내 유역에 적용하여 모형의 타당성을 평가해보고자 한다. 이를 위해 IPCC 기후변화 시나리오를 활용하였으며 일강수량자료계열의 특성치, 극치수문량 변동특성 등 기후변화에 따른 영향분석을 일부 실시하여 분석하였다.

• Journal of Industrial Technology
• /
• v.33 no.A
• /
• pp.41-48
• /
• 2013

A statistical downscaling methodology has been developed to investigate future daily wind speeds over South Korea. This methodology includes calibration of the statistical downscaling model by using large-scale atmospheric variables encompassing NCEP/NCAR reanalysis data, validation of the model for the calibration period, and estimation of the future wind speed based on the general circulation model (GCM) outputs of scenario A1B of the CGCM3. Based on the scenario A1B of the CGCM3 model, the potential impacts of climate change on the daily surface wind speed is relatively small (+/- 1m/s) in South Korea.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.175-175
• /
• 2011

IDF 곡선은 수리구조물의 설계에 이용되며 본 연구에서는 기후변화를 고려한 GCM의 시간적 공간적 축소화기법을 통하여 미래의 IDF 곡선을 생성하였다. GCM자료로는 HadCM3과 CGCM3의 지역주의와 경제발전을 지향하는 A2시나리오를 이용하였다. GCM자료에 대한 공간적인 축소화기법으로 다중회귀 모형인 SDSM(Statistical DownScaling Model)을 이용하여 2030년, 2050년, 2080년의 미래의 일강우 자료를 생성하였다. 이를 다시 시간적 축소화기법인 GEV분포를 이용한 Scaling-Invariance기법을 적용하여 시단위의 강우자료를 생성하였다. 이를 통해 최종적으로 HadCM3과 CGCM3에 대한 각각 미래의 IDF곡선을 생성하였다. CGCM3의 경우 지속적인 강우강도의 증가를 보였지만 HadCM3의 경우 2050년대 감소하다 2080년대 다시 증가하는 양상을 보였다. 또한 CGCM3의 경우 HadCM3의 경우보다 좀 더 높은 강우 강도를 보였다. 본 연구의 대상지역은 서울지역이며 생성된 자료의 신뢰성을 확보하기위하여 서울기상관측소의 1961년부터~2000년까지의 일단위 강우자료를 이용하여 검 보정을 수행하였다.