The observation error of satellite radiation data that assimilated into the Korean Integrated Model (KIM) was diagnosed by applying the Hollingsworth and Lönnberg and Desrozier techniques commonly used. The magnitude and correlation of the observation error, and the degree of contribution for the satellite radiance data were calculated. The observation errors of the similar device, such as Advanced Technology Microwave Sounder (ATMS) and Advanced Microwave Sounding Unit-A shows different characteristics. The model resolution accounts for only 1% of the observation error, and seasonal variation is not significant factor, either. The observation error used in the KIM is amplified by 3-8 times compared to the diagnosed value or standard deviation of first-guess departures. The new inflation value was calculated based on the correlation between channels and the ratio of background error and observation error. As a result of performing the model sensitivity evaluation by applying the newly inflated observation error of ATMS, the error of temperature and water vapor analysis field were decreased. And temperature and water vapor forecast field have been significantly improved, so the accuracy of precipitation prediction has also been increased by 1.7% on average in Asia especially.
Kim, Young-Hyun;Kim, Eung-Sup;Choi, Myeong-Ju;Shim, Kyo-Moon;Ahn, Joong-Bae
Atmosphere
/
v.29
no.5
/
pp.671-687
/
2019
This study evaluates the long-term seasonal predictability of summer (June, July and August) heatwaves over South Korea using 30-year (1989~2018) Hindcast data of the Pusan National University Coupled General Circulation Model (PNU CGCM)-Weather Research and Forecasting (WRF) chain. Heatwave indices such as Number of Heatwave days (HWD), Heatwave Intensity (HWI) and Heatwave Warning (HWW) are used to explore the long-term seasonal predictability of heatwaves. The prediction skills for HWD, HWI, and HWW are evaluated in terms of the Temporal Correlation Coefficient (TCC), Root Mean Square Error (RMSE) and Skill Scores such as Heidke Skill Score (HSS) and Hit Rate (HR). The spatial distributions of daily maximum temperature simulated by WRF are similar overall to those simulated by NCEP-R2 and PNU CGCM. The WRF tends to underestimate the daily maximum temperature than observation because the lateral boundary condition of WRF is PNU CGCM. According to TCC, RMSE and Skill Score, the predictability of daily maximum temperature is higher in the predictions that start from the February and April initial condition. However, the PNU CGCM-WRF chain tends to overestimate HWD, HWI and HWW compared to observations. The TCCs for heatwave indices range from 0.02 to 0.31. The RMSE, HR and HSS values are in the range of 7.73 to 8.73, 0.01 to 0.09 and 0.34 to 0.39, respectively. In general, the prediction skill of the PNU CGCM-WRF chain for heatwave indices is highest in the predictions that start from the February and April initial condition and is lower in the predictions that start from January and March. According to TCC, RMSE and Skill Score, the predictability is more influenced by lead time than by the effects of topography and/or terrain feature because both HSS and HR varies in different leads over the whole region of South Korea.
Kim, Mi-Ah;Shin, Yuna;Kim, Kyunghyun;Heo, Tae-Young;Yoo, Moonkyu;Lee, Su-Woong
Journal of Korean Society on Water Environment
/
v.29
no.6
/
pp.832-841
/
2013
In recent years, eutrophication in the Paldang Lake has become one of the major environmental problems in Korea as it may threaten drinking water safety and human health. Thus it is important to understand the phenomena and predict the time and magnitude of algal blooms for applying adequate algal reduction measures. This study performed seasonal water quality assessment and chlorophyll-a prediction using Bayseian simple/multiple linear regression analysis. Bayseian regression analysis could be a useful tool to overcome limitations of conventional regression analysis. Also it can consider uncertainty in prediction by using posterior distribution. Generally, chlorophyll-a of a P2(Paldang Dam 2) site showed high concentration in spring and it was similar to that of P4(Paldang Dam 4) site. For the development of Bayseian model, we performed seasonal correlation. As a result, chlorophyll-a of a P2 site had a high correlation with P5(Paldang Dam 5) site in spring (r = 0.786, p<0.05) and with P4 in winter (r = 0.843, p<0.05). Based on the DIC (Deviance Information Criterion) value, critical explanatory variables of the best fitting Bayesian linear regression model were selected as a $PO_4-P$ (P2), Chlorophyll-a (P5) in spring, $NH_3-N$ (P2), Chlorophyll-a (P4), $NH_3-N$ (P4) in summer, DTP (P2), outflow (P2), TP (P3), TP (P4) fall, COD (P2), Chl-a (P4) and COD (P4) in winter. The results of chlorophyll-a prediction showed relatively high $R^2$ and low RMSE values in summer and winter.
The impact of land and ocean initial condition on coupled general circulation model seasonal predictability is assessed in this study. The CGCM used here is Pusan National University Couple General Circulation Model (PNU CGCM). The seasonal predictability of the surface air temperature and ocean potential temperature for boreal winter are evaluated with 4 different experiments which are combinations of 2 types of land initial conditions (AMI and CMI) and 2 types of ocean initial conditions (DA and noDA). EXP1 is the experiment using climatological land initial condition and ocean initial condition to which the data assimilation technique is not applied. EXP2 is same with EXP1 but used ocean data assimilation applied ocean initial condition. EXP3 is same with EXP1 but AMIP-type land initial condition is used for this experiment. EXP4 is the experiment using the AMIP-type land initial condition and data assimilated ocean initial condition. By comparing these 4 experiments, it is revealed that the impact of data assimilated ocean initial is dominant compared to AMIP-type land initial condition for seasonal predictability of CGCM. The spatial and temporal patterns of EXP2 and EXP4 to which the data assimilation technique is applied were improved compared to the others (EXP1 and EXP3) in boreal winter 2m temperature and sea surface temperature prediction.
Kim, Hyeri;Lee, Johan;Hyun, Yu-Kyung;Hwang, Seung-On
Atmosphere
/
v.31
no.3
/
pp.341-359
/
2021
This technical note introduces the new Korea Meteorological Administration (KMA) Global Seasonal forecasting system version 6 (GloSea6) to provide a reference for future scientific works on GloSea6. We describe the main areas of progress and improvements to the current GloSea5 in the scientific and technical aspects of all the GloSea6 components - atmosphere, land, ocean, and sea-ice models. Also, the operational architectures of GloSea6 installed on the new KMA supercomputer are presented. It includes (1) pre-processes for atmospheric and ocean initial conditions with the quasi-real-time land surface initialization system, (2) the configurations for model runs to produce sets of forecasts and hindcasts, (3) the ensemble statistical prediction system, and (4) the verification system. The changes of operational frameworks and computing systems are also reported, including Rose/Cylc - a new framework equipped with suite configurations and workflows for operationally managing and running Glosea6. In addition, we conduct the first-ever run with GloSea6 and evaluate the potential of GloSea6 compared to GloSea5 in terms of verification against reanalysis and observations, using a one-month case of June 2020. The GloSea6 yields improvements in model performance for some variables in some regions; for example, the root mean squared error of 500 hPa geopotential height over the tropics is reduced by about 52%. These experimental results show that GloSea6 is a promising system for improved seasonal forecasts.
We developed the Aviation Convective Index (ACI) for predicting deep convective area using the operational global Numerical Weather Prediction model of the Korea Meteorological Administration. Seasonally optimized ACI (ACISnOpt) was developed to consider seasonal variabilities on deep convections in Korea. Yearly optimized ACI (ACIYrOpt) in Part 1 showed that seasonally averaged values of Area Under the ROC Curve (AUC) and True Skill Statistics (TSS) were decreased by 0.420% and 5.797%, respectively, due to the significant degradation in winter season. In Part 2, we developed new membership function (MF) and weight combination of input variables in the ACI algorithm, which were optimized in each season. Finally, the seasonally optimized ACI (ACISnOpt) showed better performance skills with the significant improvements in AUC and TSS by 0.983% and 25.641% respectively, compared with those from the ACIYrOpt. To confirm the improvements in new algorithm, we also conducted two case studies in winter and spring with observed Convectively-Induced Turbulence (CIT) events from the aircraft data. In these cases, the ACISnOpt predicted a better spatial distribution and intensity of deep convection. Enhancements in the forecast fields from the ACIYrOpt to ACISnOpt in the selected cases explained well the changes in overall performance skills of the probability of detection for both "yes" and "no" occurrences of deep convection during 1-yr period of the data. These results imply that the ACI forecast should be optimized seasonally to take into account the variabilities in the background conditions for deep convections in Korea.
Journal of the Korean Data and Information Science Society
/
v.17
no.1
/
pp.141-147
/
2006
BOK-X12-ARIMA has been developed by the Bank of Korea in order to accomodate special features such as lunar effect, labor day and election effect which are intrinsic in Korean seasonal time series. Irregular component resulting from BOK-X12-ARIMA is usually treated as white noise time series. If this shows dependency structure, it may be advisable to incorporate dependency in irregular component into prediction. This article illustrates how to refine point forecast using dependency structure in irregular component.
This paper describes the use of spatial interpolation for estimating seasonal crop potential evapotranspiration (PET) and irrigation water requirement in unmeasured evaporation gage stations within Edwards Aquifer, Texas using GIS. The Edwards Aquifer area has insufficient data with short observed records and rare gage stations, then, the investigation of data for determining of irrigation water requirement is difficult. This research shows that spatial interpolation techniques can be used for creating more accurate PET data in unmeasured region, because PET data are important parameter to estimate irrigation water requirement. Recently, many researchers are investigating intensively these techniques based upon mathematical and statistical theories. Especially, three techniques have well been used: Inverse Distance Weighting (IDW), spline, and kriging (simple, ordinary and universal). In conclusion, the result of this study (Table 1) shows the kriging interpolation technique is found to be the best method for prediction of unmeasured PET in Edwards aquifer, Texas.
Wind farm development project contains high business risks because that a wind farm, which is to be operating for 20 years, has to be designed and assessed only relying on a year or little more in-situ wind data. Accordingly, long-term correction of short-term measurement data is one of most important process in wind resource assessment for project feasibility investigation. This paper shows comparison of general Measure-Correlate-Prediction models and neural network, and presents new method using neural network for increasing prediction accuracy by accommodating multiple reference data. The proposed method would be interim step to complete long-term correction methodology for Korea, complicated Monsoon country where seasonal and diurnal variation of local meteorology is very wide.
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.