• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.276-276
• /
• 2012

일반적으로 기후변화영향에 관한 연구수행을 위해 전지구기후모형(GCM; Global Climate Model)이 사용되고 있다. 하지만 GCM은 공간해상도(Spatial resolution)가 거칠기 때문에 수문학 분야에서 주로 사용되는 유역규모의 지역적인 스케일특성과 물리적 특징을 표현하는데 한계가 있다. 또한 GCM 기후변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67% 이상이 집중되는 계절성을 반영하지 못하고 있으며, 높은 불확실성을 보이고 있다. 본 연구에서는 GCM 기반의 다지점 인공신경망기법을 적용한 상세화(Downscaling)를 실시하였다. GCM의 24개 2D변수에 대한 주성분분석을 실시하여 신경망의 학습인자로 사용하였으며, 학습, 검증 및 예측기간은 각각 1981~1995년, 1996~2000년, 2011~2100년으로 A1B 시나리오를 대상으로 상세화를 실시하였다. 또한, 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline과 Projection 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.195-195
• /
• 2018

기상청에서는 영국 전지구기후모델인 HadGEM2-AO 기반의 영국 지역기후모델 HadGEM3-RA로부터 생산된 기후변화 시나리오를 기후변화예측을 위한 국가표준시나리오 자료로 제공하고 있다. 하지만, 기후모델의 특성상, 관측자료와 모의자료 간에는 통계적인 차이가 존재하며, 이러한 차이를 무시하고 원자료를 그대로 분석에 사용하는 것은 무의미 하다. 따라서 이러한 보정하기 위해서 주로 Quantile Mapping, Quantile Delta Mapping, Detrended Quantile Mapping 방법이 주로 사용된다. 하지만 어떠한 편의보정 방법이든 극값이 다수 존재하는 미래기간 모의자료를 보정할 때에는 외삽법(extrapolation)의 적용이 필요하다. 외삽법의 경우 constant correction 방법이 주로 적용된다. 본 연구에서는 기상청의 국가표준시나리오를 대상으로 이러한 편의보정 방법의 적용에 따른 미래 극한강우량의 차이를 분석하고자 하였다. 우선, 모의자료에서 우리나라 주요 기상관측지점에 해당하는 격자로부터 강우량자료를 추출하고 연최대강우시계열을 산정하였다. 그 후, 위의 세 가지 편의보정 방법을 이용하여 강우자료의 편의보정을 수행하였으며, constant correction 방법을 적용하여 이상치를 보정하였다. 그 후, 보정된 미래기간 모의자료의 추세를 분석하고, 이를 미래 확률강우량 산정방법인 scale-invariance 기법에 적용하여 미래 확률강우량을 산정하였다. 그 결과, 외삽법의 적용에 따라 편의보정 방법에 따라 미래 자료의 추세 또는 확률강우량의 변화패턴은 큰 차이를 나타내지 않았지만, 그 값 자체는 다소 차이가 있는 것으로 나타났다. 이러한 차이는 사용된 GCM과 RCM 조합으로 인한 오차와 더해져, 미래 예측결과의 불확실성으로 나타나기에 미래 극한강우량 예측을 위해서는 다수의 GCM, RCM 조합뿐만 아니라 다수의 편의보정 방법에 따른 결과도 함께 고려(ensemble)하여 결과를 나타내는 것이 필요할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.101-101
• /
• 2019

전 지구적 기온상승으로 인한 기후변화는 사회적, 수문학적, 다양한 분야에 영향을 미친다. 또한 IPCC(Intergovernmental Panel on Climate Change)의 보고서에 따르면 미래에도 지속적으로 기온상승이 예상되며, 이러한 현상은 인류의 삶에 큰 영향을 미칠것으로 예상된다. 또한 수자원 및 관련 분야에서도 기온 상승에 따른 강수량, 강수의 주기 변동, 극한 기후사상의 심도(severity)와 빈도 변화에 따른 다양한 연구가 진행되고 있으며, 미래의 강우량과 온도를 예측하는 기후변화연구에서는 다양한 기후모형을 고려하여 분석한다. 하지만 모든 기후모형이 우리나라에 적합한 것은 아니므로 과거 기후를 모의한 결과를 토대로 성능이 뛰어난 모형의 결과에 더 높은 가중치를 주고 미래를 예측하는 연구가 활발히 진행되고 있다. 일반적으로 기후모형으로 GCM (General Circulation Model) 모의 결과가 이용되는데 우리나라에 대한 GCM 결과의 정확성을 분석하는 연구는 부족한 실정이다. 따라서 본 연구에서는 21개의 GCM을 대상으로 과거 모의 자료(1970년~2005년)를 실제 관측소에서 관측된 강수량과 비교하여 각 GCM들의 성능을 평가하고 이를 토대로, GCM들의 우선순위를 선정하였다. 또한 격자 기반 GCM 결과를 IDW (Inverse Distance Weighted) 방법을 사용하여 기상관측소로 지역적 상세화를 수행하였으며, GCM과 관측자료 사이의 편이를 보정하기 위해 6가지의 Quantile Mapping 방법과 Random Forest 기법을 사용하였다. 또한 편이 보정 기법 중 성능이 좋은 기법을 선택하여 관측소에 적용하였다. 편이 보정된 GCM 모의결과에 대한 성능을 토대로 우수한 GCM 순위를 도출하기 위해 다기준의사결정기법 중 하나인 TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution)를 이용하였다. 그리고 GCM의 전망기간인 2010년부터 2018년까지의 Machine learning 방법과 Quantile mapping의 기법을 비교 및 성능이 우수한 편이 보정 방법을 선택한 후 전망기간 동안의 GCM 성능의 우선순위를 선정하였다.

• Atmosphere
• /
• v.31 no.5
• /
• pp.637-656
• /
• 2021

The United States has been known as the world's major producer of crops such as wheat, corn, and soybeans. Therefore, using meteorological long-term forecast data to project reliable crop yields in the United States is important for planning domestic food policies. The current study is part of an effort to improve the seasonal predictability of regional-scale precipitation across the United States for estimating crop production in the country. For the purpose, a dynamic downscaling method using Weather Research and Forecasting (WRF) model is utilized. The WRF simulation covers the crop-growing period (March to October) during 2000-2020. The initial and lateral boundary conditions of WRF are derived from the Pusan National University Coupled General Circulation Model (PNU CGCM), a participant model of Asia-Pacific Economic Cooperation Climate Center (APCC) Long-Term Multi-Model Ensemble Prediction System. For bias correction of downscaled daily precipitation, empirical quantile mapping (EQM) is applied. The downscaled data set without and with correction are called WRF_UC and WRF_C, respectively. In terms of mean precipitation, the EQM effectively reduces the wet biases over most of the United States and improves the spatial correlation coefficient with observation. The daily precipitation of WRF_C shows the better performance in terms of frequency and extreme precipitation intensity compared to WRF_UC. In addition, WRF_C shows a more reasonable performance in predicting drought frequency according to intensity than WRF_UC.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.160-160
• /
• 2023

Generally, Global Climate Models (GCM) cannot be used directly due to their inherent error arising from over or under-estimation of climate variables compared to the observed data. Several bias correction methods have been devised to solve this problem. Most of the traditional bias correction methods are one dimensional as they bias correct the climate variables separately. One such method is the Quantile Mapping method which builds a transfer function based on the statistical differences between the GCM and observed variables. Laux et al. introduced a copula-based method that bias corrects simulated climate data by employing not one but two different climate variables simultaneously and essentially extends the traditional one dimensional method into two dimensions. but it has some limitations. This study uses objective functions to address specifically, the limitations of Laux's methods on the Quantile Mapping method. The objective functions used were the observed rank correlation function, the observed moment function and the observed likelihood function. To illustrate the performance of this method, it is applied to ten GCMs for 20 stations in South Korea. The marginal distributions used were the Weibull, Gamma, Lognormal, Logistic and the Gumbel distributions. The tested copula family include most Archimedean copula families. Five performance metrics are used to evaluate the efficiency of this method, the Mean Square Error, Root Mean Square Error, Kolmogorov-Smirnov test, Percent Bias, Nash-Sutcliffe Efficiency and the Kullback Leibler Divergence. The results showed a significant improvement of Laux's method especially when maximizing the observed rank correlation function and when maximizing a combination of the observed rank correlation and observed moments functions for all GCMs in the validation period.

• Journal of the Korean Data and Information Science Society
• /
• v.24 no.3
• /
• pp.625-636
• /
• 2013

In this paper we study four kernel machines for estimating expected shortfall, which are constructed through combinations of support vector quantile regression (SVQR), restricted SVQR (RSVQR), least squares support vector machine (LS-SVM) and support vector expectile regression (SVER). These kernel machines have obvious advantages such that they achieve nonlinear model but they do not require the explicit form of nonlinear mapping function. Moreover they need no assumption about the underlying probability distribution of errors. Through numerical studies on two artificial an two real data sets we show their effectiveness on the estimation performance at various confidence levels.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.948-948
• /
• 2012

합천댐유역에 대한 기후변화에 따른 수문학적 영향을 정량적으로 분석하기 위해, 기상청에서 제공하는 공간해상도 27km의 MM5 RCM(Regional Climate Model)을 사용하였다. RCM의 기상변수들은 공간적 스케일의 상이성과 RCM 기후변수들의 불확실성 때문에 유출모형인 SWAT의 입력자료로 사용하기에는 어려움이 있다. 특히, RCM 변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67%이상이 집중되는 계절성을 반영하지 못하고 있는 실정이기 때문에 국내 유역의 유출량 산정에 사용하기 위해서는 지역적 상세화(Downscaling)가 필요하다. 본 연구에서는 RCM 기후변수에 내포된 공간적 스케일의 상이성과 불확실성을 최소화하기 위해 강우관측소 지점을 단위로 한 다지점 인공신경망 기법을 적용하여 강수량, 습도, 최고기온 및 최저기온에 대한 상세화를 실시하였다. 강수의 경우 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline(1991~2010)과 Projection(2011~2100) 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다. 상세화된 기후자료를 이용한 SWAT 모형의 일(Daily) 단위 강우-유출 모의결과를 2011~2040년, 2041~2070년, 2071~2100년으로 구분하여 추세분석을 실시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.354-354
• /
• 2019

기후변화에 따른 이상기후의 영향으로 과거 관측되지 않은 태풍, 가뭄, 폭우, 홍수 및 해일과 같은 재해의 빈도가 증가하고 있다. 특히, 가뭄은 장기간에 걸쳐 피해를 야기하여 대책을 장기적으로 고려하지 않으면 전 지구적으로 심각한 피해가 초래될 것으로 전망되고 있다. 많은 연구에서 가뭄에 따른 재해를 평가하기 위한 분석이 수행되고 있으며, 최근 연구에서는 토양수분을 통한 가뭄재해 분석이 대두되고 있다. 토양수분은 토양에 포함된 수분의 평균값을 의미하며 물 순환 관점에서 매우 중요한 수문변량 중 하나이다. 그러나 기존 연구에서 사용되고 있는 실측 토양수분은 자료의 기간이 짧고 검증이 수행되지 않아 분석 시 결과의 신뢰성이 결여되는 문제점이 있다. 일부 토양수분 연구에서는 위성 관측 자료를 통한 분석을 수행하였지만 실측 자료와의 상관성 문제로 인하여 모의된 결과의 활용은 어려운 실정이다. 이에 본 연구에서는 Quantile mapping 기반의 편의 보정 방법을 제시하여 용담 유역 내 6개 지점와 전국에 흩어져 있는 6개 지점(철원장흥, 수원, 대곡, 전주, 오창가곡, 춘천신북)의 실측자료와 위성 자료 기반의 재해석 토양수분 (re-analysis soil moisture data)에 따른 토양수분 모의 기법을 제시하였다. 본 연구에서 개발한 모형에 따른 결과는 가뭄재해 평가 시 기초자료로써 신뢰성 있는 정보로 활용할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.224-224
• /
• 2019

국제기상기구의 Global Framework for Climate Services (GFCS)의 관점에서 살펴보면 국내의 기상 기후 정보는 기상청을 중심으로 관측 자료와 중장기 예측 및 기후변화 시나리오 정보 등의 다양한 시간규모로 생산되고 있다. 하지만 사용자가 직접적으로 다양한 기후정보를 상세화하여 활용하기 위해서는 기후정보의 구축 및 전처리를 수행해야하는 어려움이 있다. 따라서 APEC Climate Center (APCC)에서 다학제 융합 기반 기후정보 서비스를 중심으로 사용자 인터페이스 플랫폼 (User Interface Platform: UIP)의 기술적 플랫폼으로 APCC Integrated Modeling Solution (AIMS)를 개발하였다. AIMS는 사용자의 관점으로 상세화를 수행할 수 있고, 다양한 응용 분야에 적용하기 쉽게 데이터를 생성하여 연구에 도움을 주고 있다. 본 연구는 AIMS에서 제공하고 있는 기존의 국가별로 제공하는 제 5차 결합 기후모델 비교사업 (The $5^{th}$ phase of the coupled model intercomparision project, CMIP5)에서 해석한 전구기후모델 (General Circulation Model, GCM)의 통계적 상세화 방법인 Simple Quantile Mapping (SQM)과 Spatial Disaggregation Quantile Delta Mapping (SDQDM)를 포함하여 AIMS에 새롭게 추가 된 통계적 상세화 방법인 Bias Correction and Stochastic Analog (BCSA) 방법을 소개하고자 한다. 또한 60개의 종관기상관측 (Automated Surface Observing System, ASOS)자료를 중심으로 생성한 세 가지 통계적 상세화방법의 과거재현성과 RCP4.5, RCP8.5 시나리오를 활용한 미래 불확실성 평가 결과를 이용하여 연구자들의 맞춤형 자료를 생산하고 평가하는데 도움을 줌으로써 다양한 기후자료의 효과적인 활용이 가능할 것으로 기대된다.

• Journal of Climate Change Research
• /
• v.9 no.1
• /
• pp.31-45
• /
• 2018

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.