KR101335209B1 - 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법 - Google Patents

고해상도 격자형 미래기후변화 시나리오 자료 생성 방법 Download PDF

Info

Publication number
KR101335209B1
KR101335209B1 KR1020130109891A KR20130109891A KR101335209B1 KR 101335209 B1 KR101335209 B1 KR 101335209B1 KR 1020130109891 A KR1020130109891 A KR 1020130109891A KR 20130109891 A KR20130109891 A KR 20130109891A KR 101335209 B1 KR101335209 B1 KR 101335209B1
Authority
KR
South Korea
Prior art keywords
climate
data
model
future
value
Prior art date
Application number
KR1020130109891A
Other languages
English (en)
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 KR1020130109891A priority Critical patent/KR101335209B1/ko
Application granted granted Critical
Publication of KR101335209B1 publication Critical patent/KR101335209B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Ecology (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Environmental Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Atmospheric Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

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.
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.

Description

고해상도 격자형 미래기후변화 시나리오 자료 생성 방법{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.
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.
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.
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.
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.
여기서, 특히 상기 고해상도 격자형 관측 기후자료를 생성하는 단계는 MK-PRISM 모델을 이용하여 대상격자의 각 관측소별로 가중치를 결정하는 점에 그 특징이 있다.
여기서, 특히 상기 가중치는,
수학식 1
Figure 112013083664117-pat00001
여기서, W는 전체 가중치, W(d)는 거리 가중치, W(z)는 고도 가중치, W(f )는 사면 방향에 대한 가중치, W(p)는 해양도 가중치, Fd 는 거리 가중치에 대한 계수, Fz 는 고도 가중치에 대한 계수
를 적용하여 결정되는 점에 그 특징이 있다.
여기서, 특히 상기 가중치가 결정되면 대상격자의 고도에 해당하는 기후변수를 결정하는 점에 그 특징이 있다.
여기서, 특히 상기 기후변수의 결정은,
수학식 2
Figure 112013083664117-pat00002
여기서, X는 고도,
Figure 112013083664117-pat00003
은 대상격자의 기후변수,
Figure 112013083664117-pat00004
과
Figure 112013083664117-pat00005
은 가중회귀계수를 나타낸다.
를 이용하여 산출하는 점에 그 특징이 있다.
여기서, 특히 상기 관측 기후값을 산출하는 단계에서 준평년값은,
수학식 3
Figure 112013083664117-pat00006
여기서, O는 관측 현재기후자료, N은 관측자료의 기간 11년, i는 년도, j는 일 시간규모인 1일부터 365일
을 이용하여 산출하는 점에 그 특징이 있다.
여기서, 특히 상기 관측 기후값을 산출하는 단계에서 5일 이동평균값은,
수학식 4
Figure 112013083664117-pat00007
여기서, MA는 j번째 일자의 5일 이동평균(Moving Average), OCj 는 준평년값
를 이용하여 산출하는 점에 그 특징이 있다.
여기서, 특히 상기 미래기후 시나리오의 변동량을 생성하는 단계에서 변동량은,
수학식 5
Figure 112013083664117-pat00008
여기서, Mij는 모델에서 모의하는 시나리오 자료, MAMCj 는 모델에서 모의하는 현재기후 시나리오의 일 시간규모의 기후값
를 이용하여 산출하는 점에 그 특징이 있다.
여기서, 특히 상기 미래기후 시나리오 변동량을 결합하는 단계에서 상기 관측 기후값과의 결합은,
수학식 6
Figure 112013083664117-pat00009
여기서,
Figure 112013083664117-pat00010
는 미래기후 변동량, MAOCj 는 고해상도 격자형 관측 기후값
을 이용하여 결합하는 점에 그 특징이 있다.
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.
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.
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.
여기서, 특히 상기 전일과 후일의 강수량에 따른 각 가중치는,
수학식 7
Figure 112013083664117-pat00011
Figure 112013083664117-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.
여기서, 특히 상기 음의 강수량 산출식은
수학식 8
Figure 112013083664117-pat00013
Figure 112013083664117-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.
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.
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.
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.
또한, 도면 전체에 걸쳐 유사한 기능 및 작용을 하는 부분에 대해서는 동일한 도면 부호를 사용한다.
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.
이하 본 발명의 일 실시 예를 첨부된 도면을 참조하여 상세히 설명한다.
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).
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.
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.
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.
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, 다음 하기 수학식 1과 같이 각 관측소 별로 가중치를 결정한다.
Figure 112013083664117-pat00015
여기서, W는 전체 가중치, W(d)는 거리 가중치, W(z)는 고도 가중치, W(f )는 사면 방향에 대한 가중치, W(p)는 해양도 가중치, Fd 는 거리 가중치에 대한 계수, Fz 는 고도 가중치에 대한 계수이다.
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.
Figure 112013083664117-pat00016
여기서, X는 고도,
Figure 112013083664117-pat00017
은 대상격자의 강수량,
Figure 112013083664117-pat00018
과
Figure 112013083664117-pat00019
은 가중회귀계수를 나타낸다.
그리고, 상기 생성된 고해상도 격자형 관측 기후자료를 이용하여 일 시간규모의 관측 기후값을 산출하는 단계가 수행된다(S102).
다음은 전처리 단계에서 산출된 1km 고해상도 격자형 현재기후자료를 이용하여 일 시간규모의 관측 기후값 자료를 계산한다.
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.
Figure 112013083664117-pat00020
여기서, O는 관측 현재기후자료, N은 관측자료의 기간 11년, i는 년도, j는 일 시간규모인 1일부터 365일이다.
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.
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.
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.
Figure 112013083664117-pat00021
여기서, MA는 j번째 일자의 5일 이동평균(Moving Average), OCj 는 준평년값이다.
이어, 지역기후 모델에서 모의한 현재 기후자료 및 미래 기후자료를 객관분석을 이용하여 고해상도 격자형 현재 기후 자료 및 미래 기후자료를 생성하는 단계가 수행된다(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.
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 112013083664117-pat00022
)은 하기 수학식 5에 의해 산출된다.
Figure 112013083664117-pat00023
여기서, Mij는 모델에서 모의하는 시나리오 자료, MAMCj 는 모델에서 모의하는 현재기후 시나리오의 일 시간규모의 기후값이다.
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.
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 112013083664117-pat00024
)을 하기 수학식 6과 같이 결합하면 고해상도 격자형 미래기후변화 전망자료(High Resolution Scenario Data, HRSD)를 생성할 수 있다.
Figure 112013083664117-pat00025
여기서,
Figure 112013083664117-pat00026
는 미래기후 변동량, MAOCj 는 고해상도 격자형 관측 기후값이다.
마지막으로, 상기 결합된 결과의 각 변수별 기후학적 보정을 수행하는 단계가 수행된다(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.
그리고, 상기 결합된 고해상도 격자형 미래기후변화 시나리오 자료에서는 몇 가지 역학적 문제점을 내포하고 있기 때문에 후처리 과정을 거쳐야 최종 미래시나리오 자료가 산출된다.
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.
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.
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.
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.
Figure 112013083664117-pat00027
Figure 112013083664117-pat00028
Wd -1 는 전일 가중치, Wd +1 는 후일 가중치, OP는 보정전 강수량, d-1은 인접한 전일과 d+1은 인접한 후일이다.
또한, 해당 가중치를 이용한 새로운 강수량 산출은 하기 수학식 8에 의해 산출된다.
Figure 112013083664117-pat00029
Figure 112013083664117-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.
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.

Claims (1)

  1. 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 포함하고,
    상기 고해상도 격자형 관측 기후자료를 생성하는 단계는 MK-PRISM 모델을 이용하여 대상격자의 각 관측소별로 가중치를 결정하되,
    상기 가중치는
    수학식 1
    Figure 112013083664117-pat00031

    여기서, W는 전체 가중치, W(d)는 거리 가중치, W(z)는 고도 가중치, W(f )는 사면 방향에 대한 가중치, W(p)는 해양도 가중치, Fd 는 거리 가중치에 대한 계수, Fz 는 고도 가중치에 대한 계수
    를 적용하여 결정되는 것을 특징으로 하는 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법.
KR1020130109891A 2013-09-12 2013-09-12 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법 KR101335209B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130109891A KR101335209B1 (ko) 2013-09-12 2013-09-12 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130109891A KR101335209B1 (ko) 2013-09-12 2013-09-12 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020120107237A Division KR101335078B1 (ko) 2012-09-26 2012-09-26 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법

Publications (1)

Publication Number Publication Date
KR101335209B1 true KR101335209B1 (ko) 2013-11-29

Family

ID=49858875

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130109891A KR101335209B1 (ko) 2013-09-12 2013-09-12 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법

Country Status (1)

Country Link
KR (1) KR101335209B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104882A1 (ko) * 2015-12-18 2017-06-22 부경대학교 산학협력단 고해상도 강수량자료 복원시스템 및 그 방법
KR20220090268A (ko) 2020-12-22 2022-06-29 한국해양과학기술원 인공위성을 이용한 전지구 기후모델 자료의 공간해상도 고도화를 위한 장치 및 방법
CN116738769A (zh) * 2023-08-14 2023-09-12 长江三峡集团实业发展(北京)有限公司 一种风光数据生成模型构建方法及风光数据生成方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120008384A (ko) * 2010-07-16 2012-01-30 제주대학교 산학협력단 한반도 해역의 태풍, 폭풍해일의 강도변화 예측 시스템 및 그 방법
KR101200368B1 (ko) 2012-04-27 2012-11-14 대한민국 기후변화 취약성 평가 시스템 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120008384A (ko) * 2010-07-16 2012-01-30 제주대학교 산학협력단 한반도 해역의 태풍, 폭풍해일의 강도변화 예측 시스템 및 그 방법
KR101200368B1 (ko) 2012-04-27 2012-11-14 대한민국 기후변화 취약성 평가 시스템 및 그 방법

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 (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104882A1 (ko) * 2015-12-18 2017-06-22 부경대학교 산학협력단 고해상도 강수량자료 복원시스템 및 그 방법
CN108474867A (zh) * 2015-12-18 2018-08-31 釜庆大学校产学协力团 高分辨率降水量资料复原系统及其方法
KR20220090268A (ko) 2020-12-22 2022-06-29 한국해양과학기술원 인공위성을 이용한 전지구 기후모델 자료의 공간해상도 고도화를 위한 장치 및 방법
CN116738769A (zh) * 2023-08-14 2023-09-12 长江三峡集团实业发展(北京)有限公司 一种风光数据生成模型构建方法及风光数据生成方法
CN116738769B (zh) * 2023-08-14 2023-10-20 长江三峡集团实业发展(北京)有限公司 一种风光数据生成模型构建方法及风光数据生成方法

Similar Documents

Publication Publication Date Title
Forestieri et al. The impact of climate change on extreme precipitation in Sicily, Italy
CN112785024B (zh) 一种基于流域水文模型的径流计算和预测方法
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 (zh) 一种气象预报的订正方法、装置、计算机设备及存储介质
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)
Bae et al. Utilization of the Bayesian method to improve hydrological drought prediction accuracy
KR101335209B1 (ko) 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법
KR101335078B1 (ko) 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법
KR101486798B1 (ko) 기후정보 편의 보정을 위한 단계적 스케일링 방법
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
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
McPhee et al. An approach to estimating hydropower impacts of climate change from a regional perspective
KR101802455B1 (ko) 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법
Croley et al. Near real-time forecasting of large lake supplies
CN114926040A (zh) 一种流域自然资本的综合评估方法、系统及电子设备
CN114818857A (zh) 一种积雪深度融合方法
Richer et al. Snowmelt runoff analysis and modeling for the Upper Cache la Poudre River Basin, Colorado
Klehmet et al. Robustness of hydrometeorological extremes in surrogated seasonal forecasts
Sarvestan et al. Spatial analysis and optimization of raingauge stations network in urban catchment using Weather Research and Forecasting model
Rasmy et al. Identifying gaps and opportunities between statistical and dynamical downscaling approaches over Shikoku island, Japan
Ishihara Assessment for the 30-year daily precipitation change due to global warming using regional frequency analysis

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
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