To proactively manage climate risk, near-term climate predictions on annual to decadal time scales are of great interest to various communities. This study evaluates the near-term climate prediction skills in East Asia with DePreSys4 retrospective decadal predictions. The model is initialized every November from 1960 to 2020, consisting of 61 initializations with ten ensemble members. The prediction skill is quantitatively evaluated using the deterministic and probabilistic metrics, particularly for annual mean near-surface temperature, land precipitation, and sea level pressure. The near-term climate predictions for May~September and November~March averages over the five years are also assessed. DePreSys4 successfully predicts the annual mean and the five-year mean near-surface temperatures in East Asia, as the long-term trend sourced from external radiative forcing is well reproduced. However, land precipitation predictions are statistically significant only in very limited sporadic regions. The sea level pressure predictions also show statistically significant skills only over the ocean due to the failure of predicting a long-term trend over the land.
Even though state-of-the-art general circulation models is improved step by step, the seasonal predictability of the East Asian summer monsoon still remains poor. In contrast, the seasonal predictability of western North Pacific and Indian monsoon region using dynamic models is relatively high. This study builds canonical correlation analysis model for seasonal prediction using wind fields over western North Pacific and Indian Ocean from the Global Seasonal Forecasting System version 5 (GloSea5), and then assesses the predictability of so-called hybrid model. In addition, we suggest improvement method for forecast skill by introducing the lagged ensemble technique.
Listening comprehension is an integrative and creative process of interaction through which listeners receive speakers' production of linguistic or non-linguistic knowledge. Compared with reading comprehension, it may arouse difficulties and thus impose more burdens on foreign learners. The Audio-Lingual Method focused primarily on speaking. Mimicry, repetition, rote memory, and transformation drills actually interfered with listening comprehension. So learners lost interest and were not highly motivated. Improving listening comprehension requires continual attentiveness and interest. Listening skill can be extended systematically only when students are frequently exposed to a wide range of listening materials with an affective, cultural, social, and psycholinguistic approach. Therefore, teachers should help students learn how to comprehend intactly the overall meaning of intended messages. The literature on teaching listening skill suggests various useful activities: TPR, dictation, role playing, singing, picture recognition, completion, prediction, seeking specific information, summarizing, labeling, humor, jokes, cartoons, media, and so on. Practical classroom teaching necessitates a systematic procedure in which students should take part in meaningful tasks/activities. In addition to this, learners must practice listening comprehension trough a self-study process.
We describe here the Korea ocean prediction system that closely resembles operational numerical weather prediction systems. This prediction system will be served for real-time forecasts. The core of the system is a three-dimensional primitive equation numerical circulation model, based on ${\sigma}$-coordinate. Remotely sensed multi-channel sea surface temperature (MCSST) is imposed at the surface. Residual subsurface temperature is assimilated through the relationship between vertical temperature structure function and residual of sea surface height (RSSH) using an optimal interpolation scheme. A unified grid system, named as [K-E-Y], that covers the entire seas around Korea is used. We present and compare hindcasting results during 1990-1999 from a model forced by MCSST without incorporating RSSH data assimilation and the one with both MCSST and RSSH assimilated. The data assimilation is applied only in the East Sea, hence the comparison focuses principally on the mesoscale features prevalent in the East Sea. It is shown that the model with the data assimilation exhibits considerable skill in simulating both the permanent and transient mesoscale features in the East Sea.
The objective of this study is to describe the short-range forecast system of the Korea Air Force (KAF) and to verificate its performace in 2009 summer. The KAF weather prediction model system, based on the Weather Research and Forecasting (WRF) model (i.e., the KAF-WRF), is configured with a parent domain overs East Asia and two nested domains with the finest horizontal grid size of 2 km. Each domain covers the Korean peninsula and South Korea, respectively. The model is integrated for 84 hour 4 times a day with the initial and boundary conditions from National Centers for Environmental Prediction (NCEP) Global Forecast System (GFS) data. A quantitative verification system is constructed for the East Asia and Korean peninsula domains. Verification variables for the East Asia domain are 500 hPa temperature, wind and geopotential height fields, and the skill score is calculated using the difference between the analysis data from the NCEP GFS model and the forecast data of the KAF-WRF model results. Accuracy of precipitation for the Korean penisula domain is examined using the contingency table that is made of the KAF-WRF model results and the KMA (Korea Meteorological Administraion) AWS (Automatic Weather Station) data. Using the verification system, the operational model and parallel model with updated version of the WRF model and improved physics process are quantitatively evaluated for the 2009 summer. Over the East Aisa region, the parallel experimental model shows the better performance than the operation model. Errors of the experimental model in 500 hPa geopotential height near the Tibetan plateau are smaller than errors in the operational model. Over the Korean peninsula, verification of precipitation prediction skills shows that the performance of the operational model is better than that of the experimental one in simulating light precipitation. However, performance of experimental one is generally better than that of operational one, in prediction.
Accurate quantitative forecasting of rainfall for basins with a short response time is essential to predict streamflow and flash floods. Previously, neural networks were used to develop a Quantitative Precipitation Forecasting (QPF) model that highly improved forecasting skill at specific locations in Pennsylvania, using both Numerical Weather Prediction (NWP) output and rainfall and radiosonde data. The objective of this study was to improve an existing artificial neural network model and incorporate the evolving structure and frequency of intense weather systems in the mid-Atlantic region of the United States for improved flood forecasting. Besides using radiosonde and rainfall data, the model also used the satellite-derived characteristics of storm systems such as tropical cyclones, mesoscale convective complex systems and convective cloud clusters as input. The convective classification and tracking system (CCATS) was used to identify and quantify storm properties such as life time, area, eccentricity, and track. As in standard expert prediction systems, the fundamental structure of the neural network model was learned from the hydroclimatology of the relationships between weather system, rainfall production and streamflow response in the study area. The new Quantitative Flood Forecasting (QFF) model was applied to predict streamflow peaks with lead-times of 18 and 24 hours over a five year period in 4 watersheds on the leeward side of the Appalachian mountains in the mid-Atlantic region. Threat scores consistently above .6 and close to 0.8 ∼ 0.9 were obtained fur 18 hour lead-time forecasts, and skill scores of at least 4% and up to 6% were attained for the 24 hour lead-time forecasts. This work demonstrates that multisensor data cast into an expert information system such as neural networks, if built upon scientific understanding of regional hydrometeorology, can lead to significant gains in the forecast skill of extreme rainfall and associated floods. In particular, this study validates our hypothesis that accurate and extended flood forecast lead-times can be attained by taking into consideration the synoptic evolution of atmospheric conditions extracted from the analysis of large-area remotely sensed imagery While physically-based numerical weather prediction and river routing models cannot accurately depict complex natural non-linear processes, and thus have difficulty in simulating extreme events such as heavy rainfall and floods, data-driven approaches should be viewed as a strong alternative in operational hydrology. This is especially more pertinent at a time when the diversity of sensors in satellites and ground-based operational weather monitoring systems provide large volumes of data on a real-time basis.
Changes in a marine environment have a broad socioeconomic implication on fisheries and their relevant industries so that there has been a growing demand for the medium-range (months to years) prediction of the marine environment Using a medium-range ocean prediction model (Ocean Mid-range prediction System, OMIDAS) for the northwest Pacific, this study attempted to assess seasonal difference in the mid-range predictability of the sea surface temperature (SST), focusing on the Korea seas characterized as a complex marine system. A three-month re-forecast experiment was conducted for each of the four seasons in 2016 starting from January, forced with Climate Forecast System version 2 (CFSv2) forecast data. The assessment using relative root-mean-square-error was taken for the last month SST of each experiment. Compared to the CFSv2, the OMIDAS revealed a better prediction skill for the Korea seas SST, particularly in the Yellow sea mainly due to a more realistic representation of the topography and current systems. Seasonally, the OMIDAS showed better predictability in the warm seasons (spring and summer) than in the cold seasons (fall and winter), suggesting seasonal dependency in predictability of the Korea seas. In addition, the mid-range predictability for the Korea seas significantly varies depending on regions: the predictability was higher in the East Sea than in the Yellow Sea. The improvement in the seasonal predictability for the Korea seas by OMIDAS highlights the importance of a regional ocean modeling system for a medium-range marine prediction.
In this study we apply Convolution Neural Network(CNN) to solar flare occurrence prediction with various parameter options using the 00:00 UT MDI images from 1996 to 2010 (total 4962 images). We assume that only X, M and C class flares correspond to "flare occurrence" and the others to "non-flare". We have attempted to look for the best options for the models with two CNN pre-trained models (AlexNet and GoogLeNet), by modifying training images and changing hyper parameters. Our major results from this study are as follows. First, the flare occurrence predictions are relatively good with about 80 % accuracies. Second, both flare prediction models based on AlexNet and GoogLeNet have similar results but AlexNet is faster than GoogLeNet. Third, modifying the training images to reduce the projection effect is not effective. Fourth, skill scores of our flare occurrence model are mostly better than those of the previous models.
It is very hard to control the quality of coating work in shipbuilding process, because it is highly affected by several parameters such as space between object and nozzle tip, spray velocity, pressure, tip size, etc.. Even so a coating work in shipbuilding is done by workers' experience and skill as yet. It causes not only an excessive use of paints but also a decrease of productivity. In order to solve this problem, we developed a formula that predicts the film thickness and determined the proper coating pattern. Also we had done a series of experiments to verify the results of this study.
CAT (clear-air turbulence) forecasting algorithm, the Graphical Turbulence Guidance (GTG) system developed at NCAR (national center for atmospheric research), is evaluated with available observations (e.g., pilot reports; PIREPs) reported in South Korea during the recent 5 years (2003-2008, excluding 2005). The GTG system includes several steps. First, 44 CAT indices are calculated in the domain of the Regional Data Assimilation and Prediction System (RDAPS) analysis data with 30 km horizontal grid spacing provided by KMA (Korean Meteorological Administration). Second, 10 indices that performed ten best forecasting scores are selected. Finally, 10 indices are combined by measuring the score based on the probability of detection, which is calculated using PIREPs exclusively of moderate-or-greater intensity. In order to investigate the best performance of the GTG system in Korea, various statistical examinations and sensitivity tests of the GTG system are performed by yearly and seasonally classified PIREPs. Performances of the GTG system based on yearly distributed PIREPs have annual variations because the compositions of indices are different from each year. Seasonal forecasting is generally better than yearly forecasting, because selected CAT indices in each season represent meteorological condition much more properly than applying the selected CAT indices to all seasons. Wintertime forecasting is the best among the four seasonal forecastings. This is likely due to that the GTG system consists of many CAT indices related to the jet stream, and turbulence associated with the jet stream can be activated mostly in wintertime under strong jet magnitude. On the other hand, summertime forecasting skill is much less than other seasons. Compared with current operational CAT prediction system (KITFA; Korean Integrated Turbulence Forecasting System), overall performance of the GTG system is better when CAT indices are selected seasonally.
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.