KR101335078B1 - Method of prism based downscaling estimation model - Google Patents

Method of prism based downscaling estimation model Download PDF

Info

Publication number
KR101335078B1
KR101335078B1 KR1020120107237A KR20120107237A KR101335078B1 KR 101335078 B1 KR101335078 B1 KR 101335078B1 KR 1020120107237 A KR1020120107237 A KR 1020120107237A KR 20120107237 A KR20120107237 A KR 20120107237A KR 101335078 B1 KR101335078 B1 KR 101335078B1
Authority
KR
South Korea
Prior art keywords
climate
data
future
value
model
Prior art date
Application number
KR1020120107237A
Other languages
Korean (ko)
Inventor
김맹기
김성
한명수
Original Assignee
공주대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 공주대학교 산학협력단 filed Critical 공주대학교 산학협력단
Priority to KR1020120107237A priority Critical patent/KR101335078B1/en
Application granted granted Critical
Publication of KR101335078B1 publication Critical patent/KR101335078B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

A method for generating scenario data of high resolution grid on future climatic change according to the present invention comprises the steps of: generating observed climate data of high resolution grid by applying collected current climate data to an MK-PRISM model; calculating an observed climate value in a day by using the generated observed climate data of high resolution grid; generating current climate data of high resolution grid and future climate data by objectively analyzing the current climate data and future climate data simulated in a regional climate model; calculating a model climate value in a day by using the generated current climate data of high resolution grid; generating the variation of a future climate scenario in the regional climate model by using the calculated model climate value; combining the calculated observed climate value and the generated future climate scenario variation; and performing climatological correction by each variable of combined results. According to the present invention, the method is capable of resolving solving systematic errors and seasonal variations in a climatic change scenario data of low resolution simulated in the regional climate model and providing reliable information by generating future climatic change scenario data of high resolution grid in which climate properties are reflected according to the high resolution geographical information greater than in a range of 1 km. [Reference numerals] (AA) Start;(BB) End;(S101) Generating observed climate data of high resolution grid by using a PRISM model;(S102) Calculating observed climate data by using the observed climate data of high resolution grid;(S103) Generating current climate data and future climate data of high resolution grid by using the objective analysis of current climate data and future climate data discussed at a regional climate model;(S104) Calculating a model climate value by using the generated current climate data and future climate data of high resolution grid;(S105) Generating the variation amount of a future climate scenario of the regional climate model by using the calculated model climate value;(S106) Combining the observed climate value and the variation amount of the future climate scenario;(S107) Correcting each variable of the combined result climatologically

Description

고해상도 격자형 미래기후변화 시나리오 자료 생성 방법{Method of PRISM based downscaling estimation Model}Method of generating high resolution grid-type future climate change scenario data {Method of PRISM based downscaling estimation Model}

본 발명은 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법에 관한 것으로, 특히 관측기후 자료와 지역기후모델의 미래기후변화 시나리오 수치적분 결과를 이용하여 현재기후에서 미래 시나리오까지 일관성 있는 기후 변화 전망 자료를 산출할 수 있는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법에 관한 것이다.
The present invention relates to a method for generating high-resolution grid-type future climate change scenario data. Particularly, the present invention calculates consistent climate change forecast data from present climate to future scenario using observational data and numerical integration results of future climate change scenarios of regional climate models. The present invention relates to a method for generating high resolution lattice-type future climate change scenario data.

최근 범국가적으로 기후변화에 따른 영향평가, 취약성 평가, 적응대책이 중요해 지면서 수자원, 농림업 분야를 포함한 다양한 분야에서 남한지역에 대한 고해상도(1km 이상) 미래기후변화 시나리오 자료의 수요가 급증하고 있다. 하지만, 전구모델의 시나리오 결과를 경계자료로 사용한 지역기후모델의 역학적 규모축소법은 현재 12.5 km의 해상도를 가지는 시나리오 자료를 생산하고 있어 실제 수요자들이 사용하기에 적합하지 않은 문제점이 있다. 한편, 고해상도의 지역기후모델을 활용하여 해상도를 높일 수는 있지만 컴퓨팅 자원과 계산 시간, 수치적분 결과의 신뢰도 등을 고려해 볼 때 현재 상태로는 한계가 있다. 따라서 역학적 규모축소법이 아닌 통계적 규모축소법을 활용할 필요성이 있는데 기존 통계적 규모축소법은 주로 지역기후모델의 결과를 단순 선형보간법(Linear interpolation)을 사용하여 고해상도 기후변화 자료를 생산한다. 그러나 이렇게 생산된 자료에서는 고해상도의 지리적 특성이 반영된 기후특성이 나타나지 않으며, 모델에서 나타나는 계통오차를 포함하는 문제가 있다. 또한 관측기후에서 나타나는 계절변동을 비현실적으로 모의하는 문제점이 발생된다.
Recently, as the impact assessment, vulnerability assessment, and adaptation measures of climate change become more important nationwide, demand for high resolution (over 1km) future climate change scenario data for South Korea is rapidly increasing in various fields including water resources, agriculture and forestry. However, the dynamic scale reduction method of the regional climate model using the scenario result of the global model as the boundary data currently produces scenario data with a resolution of 12.5 km, which is not suitable for actual users. On the other hand, although the resolution can be increased by using a high resolution regional climate model, the current state is limited in consideration of computing resources, computation time, and reliability of numerical integration results. Therefore, it is necessary to use statistical scaling method rather than mechanical scaling method. The existing statistical scaling method mainly produces high resolution climate change data using simple linear interpolation of the results of regional climate models. However, these data do not show climate characteristics that reflect high-resolution geographic characteristics, and there is a problem that includes systematic errors in the model. In addition, the problem of simulating unrealistic seasonal variation in observational climate occurs.

본 발명이 해결하고자 하는 기술적 과제는 지역기후모델의 계통 오차를 포함한 계절변동을 제거하여 시나리오의 강제력에 따른 변동량을 사용하고 고해상도의 지리적 기후특성을 가진 관측기후 자료의 계절변동을 포함하여 고해상도의 격자형 미래기후변화 시나리오 자료의 생성 방법을 제공하는 것이다. The technical problem to be solved by the present invention is to remove the seasonal variation including the systematic error of the regional climate model, to use the variation according to the forcing of the scenario, and to include the seasonal variation of the observational climate data with the high resolution geographical climate characteristic. It is to provide a method of generating data on future climate change scenarios.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.It is to be understood that both the foregoing general description and the following detailed description are exemplary and explanatory and are not restrictive of the invention, unless further departing from the spirit and scope of the invention as defined by the appended claims. It will be possible.

상기 기술적 과제를 해결하기 위한 본 발명에 따른 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법은, 수집된 현재 관측 기후자료를 MK-PRISM 모델에 적용하여 고해상도 격자형 관측 기후자료를 생성하는 단계와; 상기 생성된 고해상도 격자형 관측 기후자료를 이용하여 일 시간규모의 관측 기후값을 산출하는 단계와; 지역기후 모델에서 모의한 현재 기후자료 및 미래 기후자료를 객관분석을 이용하여 고해상도 격자형 현재 기후 자료 및 미래 기후자료를 생성하는 단계와; 상기 생성된 고해상도 격자형 현재 기후자료를 이용하여 일 시간규모의 모델 기후값을 산출하는 단계와; 상기 산출된 모델 기후값을 이용하여 지역기후 모델의 미래기후 시나리오의 변동량을 생성하는 단계와; 상기 산출된 관측 기후값과 상기 생성된 미래기후 시나리오 변동량을 결합하는 단계; 및 상기 결합된 결과의 각 변수별 기후학적 보정을 수행하는 단계를 포함하는 점에 그 특징이 있다. According to an aspect of the present invention, there is provided a method for generating high resolution lattice-type future climate change scenario data, comprising: generating high resolution lattice observation climate data by applying collected current observation climate data to an MK-PRISM model; Calculating an observation climate value of a time scale using the generated high-resolution grid observation climate data; Generating high resolution lattice current climate data and future climate data using objective analysis of current and future climate data simulated by regional climate models; Calculating a model climate value of a time scale using the generated high-resolution grid current climate data; Generating a variation amount of a future climate scenario of a regional climate model using the calculated model climate value; Combining the calculated observed climate value with the generated future climate scenario variation; And performing a climatic correction for each variable of the combined result.

여기서, 특히 상기 고해상도 격자형 관측 기후자료를 생성하는 단계는 MK-PRISM 모델을 이용하여 대상격자의 각 관측소별로 가중치를 결정하는 점에 그 특징이 있다. In particular, the step of generating the high-resolution grid-type observation climate data is characterized in that the weight is determined for each station of the target grid by using the MK-PRISM model.

여기서, 특히 상기 가중치가 결정되면 대상격자의 고도에 해당하는 기후변수를 결정하는 점에 그 특징이 있다. Here, in particular, when the weight is determined, there is a characteristic in that the climate variable corresponding to the altitude of the target grid is determined.

삭제delete

삭제delete

삭제delete

삭제delete

삭제delete

여기서, 특히 상기 기후변수의 결정은, Here, in particular, the determination of the climate variable,

수학식 2Equation 2

Figure 112012078408543-pat00002
Figure 112012078408543-pat00002

여기서, X는 고도,

Figure 112012078408543-pat00003
은 대상격자의 기후변수,
Figure 112012078408543-pat00004
과
Figure 112012078408543-pat00005
은 가중회귀계수를 나타낸다.Where X is the altitude,
Figure 112012078408543-pat00003
Is the climate variable of the target grid,
Figure 112012078408543-pat00004
and
Figure 112012078408543-pat00005
Denotes the weighted regression coefficient.

를 이용하여 산출하는 점에 그 특징이 있다. The characteristic is that it calculates using.

여기서, 특히 상기 관측 기후값을 산출하는 단계에서 준평년값은, Here, in particular, the quasi-yearly value in the step of calculating the observed climate value,

수학식 3Equation 3

Figure 112012078408543-pat00006
Figure 112012078408543-pat00006

여기서, O는 관측 현재기후자료, N은 관측자료의 기간 11년, i는 년도, j는 일 시간규모인 1일부터 365일Where O is the current climate data of the observation, N is the period of the observation data, 11 years, i is the year, and j is the 1 hour 365 days

을 이용하여 산출하는 점에 그 특징이 있다. The characteristic is that it calculates using.

여기서, 특히 상기 관측 기후값을 산출하는 단계에서 5일 이동평균값은, Here, in particular, the five-day moving average value in the step of calculating the observed climate value,

수학식 4Equation 4

Figure 112012078408543-pat00007
Figure 112012078408543-pat00007

여기서, MA는 j번째 일자의 5일 이동평균(Moving Average), OCj 는 준평년값Here, MA is the 5th moving average of j-th, OC j Is the quasi-year value

를 이용하여 산출하는 점에 그 특징이 있다. The characteristic is that it calculates using.

여기서, 특히 상기 미래기후 시나리오의 변동량을 생성하는 단계에서 변동량은, Here, in particular, the amount of change in the step of generating a change in the future climate scenario,

수학식 5Equation 5

Figure 112012078408543-pat00008
Figure 112012078408543-pat00008

여기서, Mij는 모델에서 모의하는 시나리오 자료, MAMCj 는 모델에서 모의하는 현재기후 시나리오의 일 시간규모의 기후값Where M ij is the scenario data simulated by the model, and MAMC j is the climate value of one hour scale of the current climate scenario simulated by the model.

를 이용하여 산출하는 점에 그 특징이 있다. The characteristic is that it calculates using.

여기서, 특히 상기 미래기후 시나리오 변동량을 결합하는 단계에서 상기 관측 기후값과의 결합은, Here, in particular in the step of combining the future climate scenario variation, the combination with the observed climate value,

수학식 6Equation 6

Figure 112012078408543-pat00009
Figure 112012078408543-pat00009

여기서,

Figure 112012078408543-pat00010
는 미래기후 변동량, MAOCj 는 고해상도 격자형 관측 기후값here,
Figure 112012078408543-pat00010
Is the future climate change, MAOC j High resolution grid observation climate

을 이용하여 결합하는 점에 그 특징이 있다. The feature is that the combination using.

여기서, 특히 상기 결합된 결과의 각 변수별 기후학적 보정을 수행하는 단계는 최고 기온, 평균 기온, 최저 기온 및 강수량에 대해 각각 보정을 수행하는 점에 그 특징이 있다. Here, in particular, the step of performing the climatic correction for each variable of the combined result is characterized in that the correction for each of the maximum temperature, average temperature, minimum temperature and precipitation.

여기서, 특히 상기 최고 기온, 평균 기온 및 최저 기온의 보정 단계에서 최고 기온, 평균 기온 및 최저 기온의 크기가 역전된 경우 각 기온의 크기가 바르게 위치한 시간부터 다음 시간까지의 자료를 사용하여 선형보간법을 적용하여 산출하는 점에 그 특징이 있다. Here, the linear interpolation method is performed using data from the time when the magnitude of each temperature is correctly located until the next time, especially when the magnitudes of the maximum temperature, the average temperature, and the minimum temperature are reversed in the correction of the maximum temperature, the average temperature, and the minimum temperature. There is a characteristic in that it calculates by applying.

여기서, 특히 상기 강수량에 대한 보정 단계에서 음의 강수량으로 산출되는 자료에 대한 보정방법은 음수가 산출되는 날(D)을 기준으로 양의 강수량으로 산출되는 인접한 전일(D-1)과 후일(D+1)의 강수량 값에서 음의 강수량만큼을 각각 제거하는 보정방법을 적용하는 점에 그 특징이 있다. Here, in particular, the correction method for the data calculated as the negative precipitation in the correction step for the precipitation is adjacent to the previous day (D-1) and the next day (D-1) calculated as positive precipitation on the basis of the day (D) that the negative number is calculated The feature is that the correction method is applied to remove negative rainfall from the precipitation value of +1).

여기서, 특히 상기 전일과 후일의 강수량에 따른 각 가중치는, Here, in particular, each weight according to the precipitation of the day before and after,

수학식 7Equation 7

Figure 112012078408543-pat00011
Figure 112012078408543-pat00011

Figure 112012078408543-pat00012
Figure 112012078408543-pat00012

Wd -1 는 전일 가중치, Wd +1 는 후일 가중치, OP는 보정전 강수량, d-1은 인접한 전일과 d+1은 인접한 후일을 이용하여 산출하는 점에 그 특징이 있다. W d -1 is the weight of the previous day, W d +1 is the weight of the day, OP is the amount of precipitation before correction, d-1 is the adjacent previous day and d + 1 is the adjacent day.

여기서, 특히 상기 음의 강수량 산출식은 Here, in particular, the negative precipitation calculation formula is

수학식 8Equation 8

Figure 112012078408543-pat00013
Figure 112012078408543-pat00013

Figure 112012078408543-pat00014
Figure 112012078408543-pat00014

OP는 보정전 강수량, NP는 보정후 강수량, d는 음의 강수량을 나타내는 날, d-1은 인접한 전일과 d+1은 인접한 후일, Wd -1 는 전일 가중치, Wd +1 는 후일 가중치를 이용하여 산출하는 점에 그 특징이 있다.
OP is the amount of precipitation before correction, NP is the amount of precipitation after correction, d is the amount of negative precipitation, d-1 is the adjacent previous day and d + 1 is the adjacent later day, W d -1 is the previous day weight, and W d +1 is the later weight The characteristic is that it calculates using.

본 발명에 따르면, 지역기후 모델에 의해 모의된 저해상도의 기후변화 시나리오 자료가 가진 계통오차 및 계절변동 문제를 해결하고, 1km 이상의 고해상도 지리정보에 따른 기후 특성이 반영된 고해상도 격자형 미래기후변화 시나리오 자료를 생성하여 신뢰성 있는 정보를 제공할 수 있다.
According to the present invention, it is possible to solve the systematic error and seasonal variation problem of low resolution climate change scenario data simulated by regional climate model, and to analyze the high resolution grid type future climate change scenario data reflecting climate characteristics according to high resolution geographic information of 1km or more. Can be generated to provide reliable information.

도 1은 본 발명의 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법에 대한 순서도.
도 2는 본 발명의 지역기후모델의 시나리오 결과의 예로 2006년 1월달 강수량과 평균기온을 도시한 도면.
도 3은 본 발명에 사용된 관측자료의 관측소 위치를 나타낸 도면.
도 4는 본 발명에 사용된 11년 동안의 서울지역 일별 강수량 평균값을 막대그래프로 도시한 도면.
도 5는 본 발명에 의해 고해상도 격자형 미래기후변화 시나리오자료 생성된 일 예를 도시한 도면.
도 6은 본 발명에 의한 기온 3종 요소의 후처리 과정을 도시한 도면.
도 7은 본 발명에 의한 강수량의 미래기후변화 시나리오 생성과정을 도시한 도면.
도 8은 본 발명에 의한 강수량의 후처리 과정에서 보정방법을 도시한 도면.1 is a flow chart for a method for generating high resolution lattice future climate change scenario data of the present invention.
Figure 2 is a diagram showing the January 2006 precipitation and average temperature as an example of the scenario results of the regional climate model of the present invention.
Figure 3 is a view showing the station location of the observation data used in the present invention.
Figure 4 is a bar graph showing the average daily rainfall of the Seoul area during the 11 years used in the present invention.
5 is a diagram illustrating an example of generating high-resolution grid-type future climate change scenario data by the present invention.
6 is a view showing a post-treatment process of the three temperature elements according to the present invention.
7 is a diagram illustrating a process of generating a scenario of future climate change of precipitation according to the present invention.
8 is a view showing a correction method in the post-treatment process of precipitation according to the present invention.

이하 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 바람직한 실시 예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시 예에 대한 동작 원리를 상세하게 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. However, the detailed description of known functions and configurations incorporated herein will be omitted when it may unnecessarily obscure the subject matter of the present invention.

또한, 도면 전체에 걸쳐 유사한 기능 및 작용을 하는 부분에 대해서는 동일한 도면 부호를 사용한다.The same reference numerals are used for portions having similar functions and functions throughout the drawings.

덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한 어떤 구성 요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
In addition, in the entire specification, when a part is referred to as being 'connected' to another part, it may be referred to as 'indirectly connected' not only with 'directly connected' . Also, to include an element does not exclude other elements unless specifically stated otherwise, but may also include other elements.

이하 본 발명의 일 실시 예를 첨부된 도면을 참조하여 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법에 대한 순서도이다. 도 1에 도시된 바와 같이, 본 발명에 따른 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법은, 먼저 수집된 현재 관측 기후자료를 MK-PRISM 모델에 적용하여 고해상도 격자형 관측 기후자료를 생성하는 단계가 수행된다(S101). 1 is a flowchart illustrating a method of generating high resolution grid type future climate change scenario data according to the present invention. As shown in FIG. 1, the method for generating high resolution lattice future climate change scenario data according to the present invention may include generating high resolution lattice observation climate data by first applying collected current observation climate data to an MK-PRISM model. It is performed (S101).

보다 구체적으로, 지역기후모델 HadGEM3-RA의 RCP 8.5 시나리오 자료 중에 평균기온, 최고기온, 최저기온, 강수량자료를 이용하였으며, 그 예를 도 2에 나타내었다. 도 2는 본 발명의 지역기후모델의 시나리오 결과의 예로 2006년 1월달 강수량과 평균기온을 도시한 도면이다. 도 2에 도시된 바와 같이, IPCC 5차 보고서를 위해 국제사회에서 표준 온실가스 시나리오를 대표농도경로(Representative Concentration Pathway, RCP) 시나리오 중 RCP 8.5에 해당하는 강제력이 반영된 지역기후모델 HadGEM3(Hadley Center Global Environmental Model version3)-RA의 12.5km 시나리오 결과의 예를 보여주고 있다.More specifically, the average temperature, the maximum temperature, the minimum temperature, and the precipitation data were used in the RCP 8.5 scenario data of the regional climate model HadGEM3-RA, and an example thereof is shown in FIG. 2. 2 is a diagram showing the January 2006 precipitation and average temperature of the scenario result of the regional climate model of the present invention. As shown in FIG. 2, the regional climate model HadGEM3 (Hadley Center Global) reflecting the forcing corresponding to RCP 8.5 in the Representative Concentration Pathway (RCP) scenario in the international community for the IPCC 5th report. Environmental Model version 3) shows an example of the 12.5 km scenario result of the RA.

도 3은 본 발명에 사용된 관측자료의 관측소 위치를 나타낸 도면이다. 도 3에 도시된 바와 같이, 관측자료의 관측소 위치를 나타낸 것으로 붉은색은 종관 기상관측장비(Automatic Synoptic Observing System, ASOS) 자료를 푸른색은 자동기상관측장비(Automatic Weather System, AWS) 자료를 각각 나타낸다.Figure 3 is a view showing the station location of the observation data used in the present invention. As shown in Figure 3, the location of the observation station of the observation data, the red color of the Automatic Synoptic Observing System (ASOS) data, the blue color of the Automatic Weather System (Automatic Weather System, AWS) data, respectively Indicates.

또한, 한반도의 고해상도 격자형 관측 현재기후자료를 생성하기 위해 도 3과 같이 75개소의 지상관측자료(ASOS)와 462개소의 자동기상관측자료(AWS)를 합하여 총 537개 지점의 관측자료를 사용하였다. 관측자료에 사용된 기간은 2000년부터 2010년까지 11년 자료이며, 사용변수는 일별 기온 3종(최고/평균/최저)과 일 누적 강수량이다.In addition, in order to generate high-resolution grid-type current climate data of the Korean Peninsula, 7537 ground observation data (ASOS) and 462 automatic weather observation data (AWS) are used, and a total of 537 observation data are used. It was. The period used for the observational data is 11 years from 2000 to 2010. The variables used are three types of daily temperature (highest / average / lowest) and daily cumulative precipitation.

여기서, 관측 현재기후자료는 과거부터 현재까지의 자료가 되며, 지역기후모델의 시나리오 자료는 RCP 8.5 뿐만 아니라 다양한 RCP 시나리오와 다양한 전구 및 지역기후모델의 자료도 모두 포함될 수 있다. 이렇게 수집된 관측 현재기후자료를 MK-PRISM을 통해 1km 고해상도 격자형 자료로 생산하며, 지역기후모델의 현재와 미래 기후자료는 객관분석 방법을 통해 관측과 동일한 해상도인 1km 고해상도 격자형 자료를 산출하는 전처리 과정을 거친다. MK-PRISM을 간략히 설명하면, 추정하고자 하는 격자점과 30km 영향반경 안에 있는 5개 이상의 관측지점사이에 고도, 사면방향, 해양도 해양효과를 해안선과의 거리, 해발고도를 고려하여 지수화 한 수치, 거리의 유사성을 기초하여 가중치를 부여하는 방식으로 모든 격자점의 값을 독립적으로 결정하는 방법이다. 각 관측소의 가중치 결정은 각 관측소의 지리정보와 추정하고자 하는 대상격자의 지리정보를 이용하여, 각 관측소 별로 가중치를 결정할 수 있다.Here, the observed current climate data is from the past to the present, and the scenario data of the regional climate model may include not only RCP 8.5 but also various RCP scenarios and data of various global and regional climate models. The collected observational current climate data is produced as 1km high resolution grid data through MK-PRISM, and current and future climate data of the regional climate model is calculated using objective analysis method to produce 1km high resolution grid data. Pretreatment Briefly describing MK-PRISM, the altitude, slope, and oceanic sea effects between the grid point to be estimated and five or more observation points within a 30 km radius are indexed considering the distance from the coastline and the elevation above sea level. It is a method of determining the values of all grid points independently by weighting based on the similarity of distances. The weight of each station may be determined by using the geographic information of each station and the geographic information of the target grid to be estimated.

그리고, 가중치가 결정되면 대상격자의 일 실시예로 강수량 추정을 위해 고도를 독립변수로 강수량을 종속변수로 하여 가중회귀계수를 가중최소회귀제곱법으로 결정하고, 고도의 의존도에 해당하는 기울기가 결정되면 대상격자의 고도에 해당하는 강수량이 하기 수학식 2에 의해 결정된다.In addition, when the weight is determined, the weighted regression coefficient is determined by weighted least regression square method using altitude as an independent variable and precipitation as a dependent variable for estimating precipitation, and a slope corresponding to altitude dependence is determined. When the precipitation corresponding to the altitude of the target grid is determined by the following equation (2).

삭제delete

삭제delete

Figure 112012078408543-pat00016
Figure 112012078408543-pat00016

여기서, X는 고도,

Figure 112012078408543-pat00017
은 대상격자의 강수량,
Figure 112012078408543-pat00018
과
Figure 112012078408543-pat00019
은 가중회귀계수를 나타낸다.
Where X is the altitude,
Figure 112012078408543-pat00017
Is the precipitation of the target lattice,
Figure 112012078408543-pat00018
and
Figure 112012078408543-pat00019
Denotes the weighted regression coefficient.

그리고, 상기 생성된 고해상도 격자형 관측 기후자료를 이용하여 일 시간규모의 관측 기후값을 산출하는 단계가 수행된다(S102). Then, the step of calculating the observed climate value of one time scale using the generated high-resolution grid-type observation climate data (S102).

다음은 전처리 단계에서 산출된 1km 고해상도 격자형 현재기후자료를 이용하여 일 시간규모의 관측 기후값 자료를 계산한다.Next, one-hour observational climate data is calculated using 1km high-resolution grid-like current climate data calculated in the preprocessing step.

여기서, 기후값은 세계기상기구에서 정한 임의의 30년간의 누적평균값인 기후평년값(Climatological Normal)을 계산해야 하지만, 현재 사용할 수 있는 관측기후자료의 기간이 30년이 되지 않기 때문에 본 발명에서는 11년간의 준평년값을 계산한다. 관측 기후값에 해당하는 준평년값은 하기 수학식 3에 의해 산출된다.Here, the climate value has to calculate the Climatological Normal, which is a cumulative average value of 30 years set by the World Meteorological Organization, but the present invention is 11 years since the period of the available observational data is not 30 years. Calculate the quasi-year value of. The quasi-annual year value corresponding to the observed climate value is calculated by the following equation.

Figure 112012078408543-pat00020
Figure 112012078408543-pat00020

여기서, O는 관측 현재기후자료, N은 관측자료의 기간 11년, i는 년도, j는 일 시간규모인 1일부터 365일이다. Where O is the current climate data observed, N is the period of the observation data, 11 years, i is the year, and j is the 1 hour 365 days.

도 4는 본 발명에 사용된 11년 동안의 서울지역 일별 강수량 평균값을 막대그래프로 도시한 도면이다. 도 4에 도시된 바와 같이, 사용된 11년 동안의 서울지역 일별 강수량 평균값을 막대그래프로 도시한 것으로 막대그래프의 일별 강수량 값을 5일 이동 평균하여 계산한 값은 붉은 실선으로 나타낸다.Figure 4 is a bar graph showing the average daily rainfall of the Seoul area during the 11 years used in the present invention. As shown in FIG. 4, the average daily rainfall value of the Seoul area during the 11 years used is shown as a bar graph, and a value calculated by moving the daily precipitation value of the bar graph for 5 days is represented by a solid red line.

일반적으로 기후학적으로 의미 있는 기후값은 평년 즉, 누적 30년을 이용하여 산출하는 것이 적합하지만, 현재 관측자료를 이용하여 고해상도 기후값을 산출할 수 있는 기간은 2000년부터 2010년까지 11년 동안이다. 따라서 일 시간규모의 준평년값 계산에 11개 표본자료를 사용하게 된다. Generally, it is appropriate to calculate the climatologically meaningful climate value using the average year, that is, cumulative 30 years, but the period in which the high resolution climate value can be calculated using the current observation data is 11 years from 2000 to 2010. to be. Therefore, 11 sample data are used to calculate the quasi-year value on a one-hour scale.

그러나 11년간의 자료를 사용하여 만들어낸 일 시간규모 기후값에는 도 4의 막대그래프와 같이 일 시간규모에서 나타나는 이벤트성 강수량 값이 기후값으로 나타나는 문제가 발생한다. 따라서 이 방법으로는 현재 기후를 대표하는 값으로 사용할 수 없기 때문에 도 4의 붉은 실선과 같이 5일 이동평균으로 계산된 기후값을 산출한다. j번째 일자의 5일 이동평균(Moving Average, MA)을 위한 계산식은 하기 수학식 4와 같다.However, there is a problem in that the daily time scale climate value generated using data of 11 years has the eventual precipitation value represented by the daily time scale as the climate value as shown in the bar graph of FIG. 4. Therefore, since this method cannot be used as a value representing the current climate, a climate value calculated as a five-day moving average is calculated as shown in the solid red line of FIG. 4. The formula for the 5th moving average (MA) of the j th date is shown in Equation 4 below.

Figure 112012078408543-pat00021
Figure 112012078408543-pat00021

여기서, MA는 j번째 일자의 5일 이동평균(Moving Average), OCj 는 준평년값이다. Here, MA is the 5th moving average of j-th, OC j Is the quasi-year value.

이어, 지역기후 모델에서 모의한 현재 기후자료 및 미래 기후자료를 객관분석을 이용하여 고해상도 격자형 현재 기후 자료 및 미래 기후자료를 생성하는 단계가 수행된다(S103).
Subsequently, a step of generating high resolution lattice current climate data and future climate data using objective analysis of current climate data and future climate data simulated by a regional climate model is performed (S103).

그 다음, 상기 생성된 고해상도 격자형 현재 기후자료를 이용하여 일 시간규모의 모델 기후값을 산출하는 단계가 수행된다(S104). 여기서, 상기 모델 기후값의 산출은 상기 관측 기후값을 산출하는 단계와 동일하게 진행하므로 상세한 설명을 생략하기로 한다. Next, a step of calculating a model climate value of one time scale is performed using the generated high-resolution grid type current climate data (S104). In this case, the calculation of the model climate value proceeds in the same way as the step of calculating the observed climate value, and thus a detailed description thereof will be omitted.

이어서, 상기 산출된 모델 기후값을 이용하여 지역기후 모델의 미래기후 시나리오의 변동량을 생성하는 단계가 수행된다(S105). 또한, 지역기후모델의 현재기후자료를 관측의 현재기후자료와 같은 방식으로 일 시간규모의 모델 기후값(=준평년값)을 계산하고, 모델의 현재기후에 대한 미래기후의 편차 값을 산출하여 모델의 시나리오 강제력에 따른 변동량을 계산하여 산출한다. 이러한, 강제력에 의한 시나리오 변동량(

Figure 112012078408543-pat00022
)은 하기 수학식 5에 의해 산출된다.Subsequently, a step of generating a variation of a future climate scenario of the regional climate model using the calculated model climate value is performed (S105). In addition, the model climate value (= quasi-year value) of the one-hour scale is calculated from the current climate data of the regional climate model in the same manner as the current climate data of the observation, and the model is calculated by calculating the deviation value of the future climate with respect to the current climate of the model. The amount of change in accordance with the scenario forcing is calculated. This, scenario variation due to forcing (
Figure 112012078408543-pat00022
Is calculated by the following equation.

Figure 112012078408543-pat00023
Figure 112012078408543-pat00023

여기서, Mij는 모델에서 모의하는 시나리오 자료, MAMCj 는 모델에서 모의하는 현재기후 시나리오의 일 시간규모의 기후값이다.Where M ij is the scenario data simulated by the model and MAMC j is the one-hour climate value of the current climate scenario simulated by the model.

지역기후모델의 기후값을 계산하는데 있어 자료의 기간이 길수록 현재기후를 잘 설명하는 기후값을 산출할 수 있다. 하지만, 기온의 경우는 증가하는 경향성(Trend)이 있기 때문에 관측 기후값과 모델 기후값의 기간이 다르게 되면 절대적인 평균값 자체가 이동되어 진다. 따라서 모델의 현재기후에 대한 기후값 계산 기간은 관측 기후값의 기간과 동일해야 한다. In calculating the climate value of the regional climate model, the longer the data period, the better the climate value that describes the current climate. However, in the case of temperature, there is an increasing trend, so the absolute mean itself shifts when the observed and model climates differ in duration. Therefore, the duration of climate calculations for the model's current climate should be the same as the duration of the observed climate.

그리고, 상기 산출된 관측 기후값과 상기 생성된 미래기후 시나리오 변동량을 결합하는 단계가 수행된다(S106). 보다 상세하게는, 상기 산출된 고해상도 격자형 관측 기후값(MAOCj)과 모델의 미래기후 변동량(

Figure 112012078408543-pat00024
)을 하기 수학식 6과 같이 결합하면 고해상도 격자형 미래기후변화 전망자료(High Resolution Scenario Data, HRSD)를 생성할 수 있다.Then, the step of combining the calculated observed climate value and the generated future climate scenario variation amount is performed (S106). More specifically, the calculated high-resolution grid observation climate value (MAOC j ) and the future climate change of the model (
Figure 112012078408543-pat00024
) Can be combined as shown in Equation 6 to generate a high resolution grid climate change forecast data (HRSD).

Figure 112012078408543-pat00025
Figure 112012078408543-pat00025

여기서,

Figure 112012078408543-pat00026
는 미래기후 변동량, MAOCj 는 고해상도 격자형 관측 기후값이다.here,
Figure 112012078408543-pat00026
Is the future climate change, MAOC j Is the high-resolution grid observation climate value.

마지막으로, 상기 결합된 결과의 각 변수별 기후학적 보정을 수행하는 단계가 수행된다(S107). Finally, the step of performing climatic correction for each variable of the combined result is performed (S107).

도 5는 본 발명에 의해 고해상도 격자형 미래기후변화 시나리오자료 생성된 일 예를 도시한 도면이다. 도 5에 도시된 바와 같이, 1km 고해상도로 객관분석된 모델 시나리오 자료(a)에서 모델에 대한 현재기후의 일 시간규모 기후값(b)을 제거하여 시나리오 강제조건의 반응인 변동값(c)을 추출하며, MK-PRSIM에 의해 산출된 1km 고해상도 격자형 관측 기후값(d)과 결합하면 고해상도 격자형 미래기후변화 시나리오 자료(e)가 생성되는 것을 나타낸다. 즉, 이 자료에 고해상도 지형에 따른 기후 특성이 반영된 1km 고해상도의 관측 기후값(d)을 더하여 최종적으로 남한지역의 지형특성이 반영되어진 고해상도 격자형 미래기후변화 시나리오자료(e)를 만들어낸다.5 is a diagram illustrating an example of generating high-resolution grid-type future climate change scenario data according to the present invention. As shown in FIG. 5, the variation value (c) which is a response of the scenario forced condition is removed by removing the current climate one-hour scale climate value (b) from the model scenario data (a) objectively analyzed at 1 km high resolution. When combined with the 1-km high-resolution lattice observed climate value (d) calculated by MK-PRSIM, it indicates that a high-resolution lattice future climate change scenario data (e) is generated. That is, the data of 1km high resolution observation climate (d) reflecting the climate characteristics according to the high resolution terrain are added to this data to generate the high resolution grid-type future climate change scenario data (e) that reflects the terrain characteristics of South Korea.

그리고, 상기 결합된 고해상도 격자형 미래기후변화 시나리오 자료에서는 몇 가지 역학적 문제점을 내포하고 있기 때문에 후처리 과정을 거쳐야 최종 미래시나리오 자료가 산출된다.In addition, since the combined high resolution lattice-type future climate change scenario data includes some mechanical problems, the final future scenario data is calculated after the post-processing process.

도 6은 본 발명에 의한 기온 3종 요소의 후처리 과정을 도시한 도면이고, 도 7은 본 발명에 의한 강수량의 미래기후변화 시나리오 생성과정을 도시한 도면이고, 도 8은 본 발명에 의한 강수량의 후처리 과정에서 보정방법을 도시한 도면이다.6 is a view showing a post-treatment process of the three temperature elements according to the present invention, Figure 7 is a view showing a process of generating a future climate change scenario of precipitation according to the present invention, Figure 8 is a precipitation according to the present invention Is a diagram illustrating a correction method in a post-processing process.

이러한 후처리(보정) 단계에서는 기온 3종(최고, 평균, 최저)과 강수량에 대해 각각 후처리 방법이 다르다. 기온 3종의 경우 최고, 평균, 최저기온 순으로 그 온도 크기가 정해져야 하지만 관측 기후값 보정 단계를 거치면서 도 6의 (a)와 같이 기온값의 크기가 바뀌는 경우가 발생한다. 이러한 원인은 모델 자료에서 기온 3종 사이의 간격이 기후값의 간격보다 현저히 작아지게 되면 기후값을 제거하는 과정에서 편차가 역전되고 이 역전된 만큼 관측 기후값이 보정을 하지 못하게 되면 최고, 평균, 최저기온의 순서가 역전되어 산출된다. In this post-treatment step, the post-treatment methods are different for three types of temperature (highest, average, and lowest) and precipitation. In the case of three types of temperature, the temperature should be determined in order of highest, average, and lowest temperature, but the magnitude of the temperature value changes as shown in FIG. The reason for this is that if the interval between the three temperatures in the model data becomes significantly smaller than the interval between climate values, the deviation is reversed in the process of removing the climate value, and the maximum, average, The order of minimum temperature is reversed and calculated.

따라서 역전된 기온 3종을 보정하는 방법은 도 6의 (b),(c)와 같이 기온 3종의 순서가 바르게 위치한 시간부터 다음 시간까지의 자료를 사용하여 선형보간법(Linear interpolation)을 적용하여 산출한다.Therefore, the method of correcting the three inverted air temperature by applying linear interpolation (Linear interpolation) using the data from the time when the order of the three air temperature is correctly located to the next time as shown in (b), (c) of FIG. Calculate.

도 7의 (a)와 같이 미래기후 시나리오 강제력에 대한 변동량을 산출한 후 도 7의 (b)와 같이 관측 기후값 보정을 통해 미래기후 시나리오를 산출하면 YF2 에 강수량 값은 0.5mm로 산출된다. 하지만, 강수량은 음수로 나올 수 없기 때문에 음의 강수량으로 산출되는 것을 0mm으로 보정해 주어야 한다. 본 발명에서 사용한 보정방법은 도 8의 (a)와 같이 음수가 산출되는 일(D)을 기준으로 양의 강수량으로 산출되는 인접한 전일(D-1)과 후일(D+1)의 강수량 값에서 음의 강수량만큼을 각각 제거해주는 보정 방법을 사용한다. 강수량을 제거하는 방법은 도 8의 (b)와 같이 전일과 후일의 강수량에 따라 각각 가중치를 두고 계산 되어진 양만큼을 각각 제거하게 된다. 따라서 전일 강수량은 3.0mm에서 0.3mm를 뺀 2.7mm 가 되며, 음의 강수량인 날은 0mm로 되고 후일 강수량은 2.0mm에서 0.2mm를 뺀 1.8mm로 보정되어 산출된 것을 특징으로 한다. 전일 가중치(Wd -1)와 후일 가중치(Wd +1) 계산은 하기 수학식 7에 의해 산출된다. After calculating the variation amount for the future climate scenario forcing as shown in (a) of FIG. 7 and calculating the future climate scenario through correction of the observed climate value as shown in FIG. 7 (b), Y F2. Precipitation value is calculated at 0.5mm. However, precipitation cannot be negative, so the calculation of negative precipitation should be corrected to 0 mm. The correction method used in the present invention is as shown in (a) of FIG. 8 in the precipitation value of the adjacent day (D-1) and the day (D + 1) calculated as a positive precipitation based on the day (D) is calculated Use a correction method that removes each negative rainfall. In the method of removing the precipitation, as shown in FIG. Therefore, the previous day's precipitation is 3.0mm minus 0.3mm minus 2.7mm, the negative rainfall day is 0mm and the next day's precipitation is calculated to be 1.8mm minus 0.2mm from 2.0mm. The previous day weights W d −1 and the later day weights W d +1 are calculated by Equation 7 below.

Figure 112012078408543-pat00027
Figure 112012078408543-pat00027

Figure 112012078408543-pat00028
Figure 112012078408543-pat00028

Wd -1 는 전일 가중치, Wd +1 는 후일 가중치, OP는 보정전 강수량, d-1은 인접한 전일과 d+1은 인접한 후일이다. W d -1 is the weight of the previous day, W d +1 is the weight of the day, OP is the amount of precipitation before correction, d-1 is the previous day and d + 1 is the next day.

또한, 해당 가중치를 이용한 새로운 강수량 산출은 하기 수학식 8에 의해 산출된다. In addition, the new precipitation calculation using the weight is calculated by the following equation (8).

Figure 112012078408543-pat00029
Figure 112012078408543-pat00029

Figure 112012078408543-pat00030
Figure 112012078408543-pat00030

OP는 보정전 강수량, NP는 보정후 강수량, d는 음의 강수량을 나타내는 날, d-1은 인접한 전일과 d+1은 인접한 후일, Wd -1 는 전일 가중치, Wd +1 는 후일 가중치이다.
OP is the amount of precipitation before correction, NP is the amount of precipitation after correction, d is the amount of negative precipitation, d-1 is the adjacent previous day and d + 1 is the adjacent later day, W d -1 is the previous day weight, and W d +1 is the later weight to be.

이상에서 설명한 바와 같이, 본 발명의 상세한 설명에서는 본 발명의 바람직한 실시 예에 관하여 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 범주에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 따라서 본 발명의 권리 범위는 설명된 실시 예에 국한되어 정해져서는 안되며, 후술하는 청구범위뿐만 아니라, 이와 균등한 것들에 의해 정해져야 한다.While the present invention has been particularly shown and described with reference to exemplary embodiments, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, Of course, this is possible. Therefore, the scope of the present invention should not be limited to the described embodiments, but should be defined by the equivalents as well as the claims that follow.

Claims (14)

수집된 현재 관측 기후자료를 MK-PRISM 모델에 적용하여 고해상도 격자형 관측 기후자료를 생성하는 단계와;
상기 생성된 고해상도 격자형 관측 기후자료를 이용하여 일 시간규모의 관측 기후값을 산출하는 단계와;
지역기후 모델에서 모의한 현재 기후자료 및 미래 기후자료를 객관분석을 이용하여 고해상도 격자형 현재 기후 자료 및 미래 기후자료를 생성하는 단계와;
상기 생성된 고해상도 격자형 현재 기후자료를 이용하여 일 시간규모의 모델 기후값을 산출하는 단계와;
상기 산출된 모델 기후값을 이용하여 지역기후 모델의 미래기후 시나리오의 변동량을 생성하는 단계와;
상기 산출된 관측 기후값과 상기 생성된 미래기후 시나리오 변동량을 결합하는 단계; 및
상기 결합된 결과의 각 변수별 기후학적 보정을 수행하는 단계를 포함하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
Generating the high resolution grid observation climate data by applying the collected current observation climate data to the MK-PRISM model;
Calculating an observation climate value of a time scale using the generated high-resolution grid observation climate data;
Generating high resolution lattice current climate data and future climate data using objective analysis of current and future climate data simulated by regional climate models;
Calculating a model climate value of a time scale using the generated high-resolution grid current climate data;
Generating a variation amount of a future climate scenario of a regional climate model using the calculated model climate value;
Combining the calculated observed climate value with the generated future climate scenario variation; And
A method of generating high resolution lattice future climate change scenario data comprising performing climatic correction for each variable of the combined result.
제 1항에 있어서,
상기 고해상도 격자형 관측 기후자료를 생성하는 단계는 MK-PRISM 모델을 이용하여 대상격자의 각 관측소별로 가중치를 결정하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
The method of claim 1,
The generating of the high resolution lattice observation climate data may include determining a weight for each station of a target grid using an MK-PRISM model.
삭제delete 제 2항에 있어서,
상기 가중치가 결정되면 대상격자의 고도에 해당하는 기후변수를 결정하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
3. The method of claim 2,
If the weight is determined, the climate data corresponding to the altitude of the target lattice to determine the future climate change scenario data generation method.
제 4항에 있어서,
상기 기후변수의 결정은
수학식 2
Figure 112012078408543-pat00032

여기서, X는 고도,
Figure 112012078408543-pat00033
은 대상격자의 기후변수,
Figure 112012078408543-pat00034
과
Figure 112012078408543-pat00035
은 가중회귀계수를 나타낸다.
를 이용하여 산출하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
5. The method of claim 4,
The determination of the climate variable
Equation 2
Figure 112012078408543-pat00032

Where X is the altitude,
Figure 112012078408543-pat00033
Is the climate variable of the target grid,
Figure 112012078408543-pat00034
and
Figure 112012078408543-pat00035
Denotes the weighted regression coefficient.
High-resolution grid-type future climate change scenario data generation method, characterized in that the calculation using.
제 1항에 있어서,
상기 관측 기후값을 산출하는 단계에서 준평년값은,
수학식 3
Figure 112012078408543-pat00036

여기서, O는 관측 현재기후자료, N은 관측자료의 기간 11년, i는 년도, j는 일 시간규모인 1일부터 365일
을 이용하여 산출하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
The method of claim 1,
In calculating the observed climate value, the quasi-year value is,
Equation 3
Figure 112012078408543-pat00036

Where O is the current climate data of the observation, N is the period of the observation data, 11 years, i is the year, and j is the 1 hour 365 days
High-resolution grid-type future climate change scenario data generation method, characterized in that the calculation using.
제 1항에 있어서,
상기 관측 기후값을 산출하는 단계에서 5일 이동평균값은,
수학식 4
Figure 112012078408543-pat00037

여기서, MA는 j번째 일자의 5일 이동평균(Moving Average), OCj 는 준평년값
를 이용하여 산출하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
The method of claim 1,
In calculating the observed climate value, the five-day moving average value is
Equation 4
Figure 112012078408543-pat00037

Here, MA is the 5th moving average of j-th, OC j Is the quasi-year value
High-resolution grid-type future climate change scenario data generation method, characterized in that the calculation using.
제 1항에 있어서,
상기 미래기후 시나리오의 변동량을 생성하는 단계에서 변동량은
수학식 5
Figure 112012078408543-pat00038

여기서, Mij는 모델에서 모의하는 시나리오 자료, MAMCj 는 모델에서 모의하는 현재기후 시나리오의 일 시간규모의 기후값
를 이용하여 산출하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법. The method of claim 1,
The amount of change in the step of generating a change in the future climate scenario is
Equation 5
Figure 112012078408543-pat00038

Where M ij is the scenario data simulated by the model, and MAMC j is the climate value of one hour scale of the current climate scenario simulated by the model.
High-resolution grid-type future climate change scenario data generation method, characterized in that the calculation using. 제 1항에 있어서,
상기 미래기후 시나리오 변동량을 결합하는 단계에서 상기 관측 기후값과의 결합은
수학식 6
Figure 112012078408543-pat00039

여기서,
Figure 112012078408543-pat00040
는 미래기후 변동량, MAOCj 는 고해상도 격자형 관측 기후값
을 이용하여 결합하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법. The method of claim 1,
In the combining of the future climate scenario variation, the combination with the observed climate value is
Equation 6
Figure 112012078408543-pat00039

here,
Figure 112012078408543-pat00040
Is the future climate change, MAOC j High resolution grid observation climate
High-resolution grid-type future climate change scenario data generation method, characterized in that using a combination. 제 1항에 있어서,
상기 결합된 결과의 각 변수별 기후학적 보정을 수행하는 단계는 최고 기온, 평균 기온, 최저 기온 및 강수량에 대해 각각 보정을 수행하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
The method of claim 1,
The step of performing the climatic correction for each variable of the combined result is a method for generating high-resolution grid-type future climate change scenario data, characterized in that the correction for each of the highest temperature, average temperature, minimum temperature and precipitation.
제 10항에 있어서,
상기 최고 기온, 평균 기온 및 최저 기온의 보정 단계에서 최고 기온, 평균 기온 및 최저 기온의 기온들의 크기가 역전된 경우 각 기온의 순서가 바르게 위치한 시간부터 다음 시간까지의 자료를 사용하여 선형보간법을 적용하여 산출하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
The method of claim 10,
If the magnitudes of the maximum, average and minimum temperatures are reversed in the correction of the maximum, average and minimum temperatures, linear interpolation is applied using data from the time when the temperatures are correctly positioned to the next time. High-resolution grid-type future climate change scenario data generation method, characterized in that for calculating.
제 10항에 있어서,
상기 강수량에 대한 보정 단계에서 음의 강수량으로 산출되는 자료에 대한 보정방법은 음수가 산출되는 날(D)을 기준으로 양의 강수량으로 산출되는 인접한 전일(D-1)과 후일(D+1)의 강수량 값에서 음의 강수량만큼을 각각 제거하는 보정방법을 적용하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
The method of claim 10,
The correction method for the data calculated as the negative precipitation in the correction step for precipitation is the adjacent day (D-1) and the next day (D + 1) calculated as positive precipitation on the basis of the day (D) in which the negative number is calculated. A method of generating high-resolution grid-type future climate change scenario data, the method comprising applying a correction method to remove negative rainfall from each precipitation value of.
제 12항에 있어서,
상기 전일과 후일의 강수량에 따른 각 가중치는
수학식 7
Figure 112012078408543-pat00041

Figure 112012078408543-pat00042

Wd -1 는 전일 가중치, Wd +1 는 후일 가중치, OP는 보정전 강수량, d는 음의 강수량을 나타내는 날, d-1은 인접한 전일과 d+1은 인접한 후일
을 이용하여 산출하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
13. The method of claim 12,
Each weight according to the precipitation of the previous day and the later is
Equation 7
Figure 112012078408543-pat00041

Figure 112012078408543-pat00042

W d -1 is the weight of the previous day, W d +1 is the weight of the day, OP is the amount of precipitation before correction, d is the day of negative precipitation, d-1 is the day before and d + 1 is the day after
High-resolution grid-type future climate change scenario data generation method, characterized in that the calculation using.
제 12항에 있어서,
상기 음의 강수량 산출식은
수학식 8
Figure 112012078408543-pat00043

Figure 112012078408543-pat00044

OP는 보정전 강수량, NP는 보정후 강수량, d는 음의 강수량을 나타내는 날, d-1은 인접한 전일과 d+1은 인접한 후일, Wd -1 는 전일 가중치, Wd +1 는 후일 가중치
를 이용하여 산출하는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법. 13. The method of claim 12,
The negative rainfall calculation formula
Equation 8
Figure 112012078408543-pat00043

Figure 112012078408543-pat00044

OP is the amount of precipitation before correction, NP is the amount of precipitation after correction, d is the amount of negative precipitation, d-1 is the adjacent previous day and d + 1 is the adjacent later day, W d -1 is the previous day weight, and W d +1 is the later weight
High-resolution grid-type future climate change scenario data generation method, characterized in that the calculation using.
KR1020120107237A 2012-09-26 2012-09-26 Method of prism based downscaling estimation model KR101335078B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120107237A KR101335078B1 (en) 2012-09-26 2012-09-26 Method of prism based downscaling estimation model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120107237A KR101335078B1 (en) 2012-09-26 2012-09-26 Method of prism based downscaling estimation model

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020130109891A Division KR101335209B1 (en) 2013-09-12 2013-09-12 Method of prism based downscaling estimation model

Publications (1)

Publication Number Publication Date
KR101335078B1 true KR101335078B1 (en) 2013-12-03

Family

ID=49986873

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120107237A KR101335078B1 (en) 2012-09-26 2012-09-26 Method of prism based downscaling estimation model

Country Status (1)

Country Link
KR (1) KR101335078B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104883A1 (en) * 2015-12-18 2017-06-22 부경대학교 산학협력단 System for restoring high-resolution temperature data and method for same
KR102217913B1 (en) 2020-09-24 2021-02-19 대한민국 Apparatus for extracting climate change scenarios data and method thereof
KR102264758B1 (en) * 2020-06-29 2021-06-15 한국환경정책평가연구원 Climate Change Big Data Analysis System

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120008384A (en) * 2010-07-16 2012-01-30 제주대학교 산학협력단 System and method for predicting intensity of typhoon and storm surge along the korean coasts
KR101200368B1 (en) 2012-04-27 2012-11-14 대한민국 Climate change vulnerability assessment system and method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120008384A (en) * 2010-07-16 2012-01-30 제주대학교 산학협력단 System and method for predicting intensity of typhoon and storm surge along the korean coasts
KR101200368B1 (en) 2012-04-27 2012-11-14 대한민국 Climate change vulnerability assessment system and method

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Korea Meteorological Society, 2008, 신성철 외 7명, GIS와 PRISM을 이용한 고해상도 격자형 강수량 추정. *
기후연구 제7권 제1호 2012, 김맹기 외 6명, 1km 해상도의 관측 격자자료 생산 기술 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104883A1 (en) * 2015-12-18 2017-06-22 부경대학교 산학협력단 System for restoring high-resolution temperature data and method for same
KR102264758B1 (en) * 2020-06-29 2021-06-15 한국환경정책평가연구원 Climate Change Big Data Analysis System
KR102217913B1 (en) 2020-09-24 2021-02-19 대한민국 Apparatus for extracting climate change scenarios data and method thereof

Similar Documents

Publication Publication Date Title
Kamiguchi et al. Development of APHRO_JP, the first Japanese high-resolution daily precipitation product for more than 100 years
CN112785024B (en) Runoff calculation and prediction method based on watershed hydrological model
Schoetter et al. Evaluation and bias correction of regional climate model results using model evaluation measures
Caldwell California wintertime precipitation bias in regional and global climate models
CN112684520A (en) Weather forecast correction method and device, computer equipment and storage medium
Kim et al. Statistical downscaling for daily precipitation in Korea using combined PRISM, RCM, and quantile mapping: Part 1, methodology and evaluation in historical simulation
Jung et al. Statistical modeling of near-surface wind speed: a case study from Baden-Wuerttemberg (Southwest Germany)
KR101335209B1 (en) Method of prism based downscaling estimation model
Bae et al. Utilization of the Bayesian method to improve hydrological drought prediction accuracy
KR101335078B1 (en) Method of prism based downscaling estimation model
KR101486798B1 (en) Step-wise scaling method for correcting bias of climate information
Weber et al. The evaluation of the potential of global data products for snow hydrological modelling in ungauged high-alpine catchments
Bajamgnigni Gbambie et al. Added value of alternative information in interpolated precipitation datasets for hydrology
Zhu et al. Validation of rainfall erosivity estimators for mainland China
Nouri et al. Estimating reference evapotranspiration for water-limited windy areas under data scarcity
López-Moreno et al. Mapping snowpack distribution over large areas using GIS and interpolation techniques
Trajković et al. Minimum weather data requirements for estimating reference evapotranspiration
McPhee et al. An approach to estimating hydropower impacts of climate change from a regional perspective
KR101802455B1 (en) System for estimating reainfild according to spatial-scale of rainfall and method thereof
Collenteur et al. Analysis of nationwide groundwater monitoring networks using lumped-parameter models
CN114926040A (en) Comprehensive evaluation method and system for natural capital of drainage basin and electronic equipment
CN114818857A (en) Deep snow fusion method
Richer et al. Snowmelt runoff analysis and modeling for the Upper Cache la Poudre River Basin, Colorado
Muhaisen et al. Forecasting changes in precipitation and temperatures of a regional watershed in Northern Iraq using LARS-WG model
Sarvestan et al. Spatial analysis and optimization of raingauge stations network in urban catchment using Weather Research and Forecasting model

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
A107 Divisional application of patent
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20161024

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171117

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20181105

Year of fee payment: 6