KR101440932B1 - Method for management of real-time ensemble drought outlook information - Google Patents
Method for management of real-time ensemble drought outlook information Download PDFInfo
- Publication number
- KR101440932B1 KR101440932B1 KR1020140005358A KR20140005358A KR101440932B1 KR 101440932 B1 KR101440932 B1 KR 101440932B1 KR 1020140005358 A KR1020140005358 A KR 1020140005358A KR 20140005358 A KR20140005358 A KR 20140005358A KR 101440932 B1 KR101440932 B1 KR 101440932B1
- Authority
- KR
- South Korea
- Prior art keywords
- drought
- ensemble
- information
- forecast information
- forecast
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 43
- 238000007726 management method Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 24
- 239000002689 soil Substances 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- NVGOPFQZYCNLDU-UHFFFAOYSA-N norflurazon Chemical compound O=C1C(Cl)=C(NC)C=NN1C1=CC=CC(C(F)(F)F)=C1 NVGOPFQZYCNLDU-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
Landscapes
- Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Tourism & Hospitality (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 실시간 앙상블 가뭄전망정보 관리방법에 관한 것으로, 보다 상세하게는 가뭄 감시에 국한되지 않고 가뭄 전망까지도 가능한 실시간 앙상블 가뭄전망정보 관리방법에 관한 것이다.The present invention relates to a real-time ensemble drought prospect information management method, and more particularly, to a real-time ensemble drought prospect information management method that is not limited to drought surveillance but is capable of even drought forecasting.
가뭄은 여러 측면에서 일반 자연재해와 그 성격이 다르다. 가뭄은 홍수와는 달리 단기적으로는 수개월, 장기적으로는 수년간 지속되며, 공간적으로는 광역적으로 분포되는 특성이 있다. 따라서, 가뭄을 감지하더라도 구체적인 발생 시기, 장소 및 원인을 규명하는 것이 어려우며, 가뭄이 해갈된 이후에도 그 파급효과가 수개월 또는 수년간 나타나기도 한다. 이러한 이유로 기상 및 수자원 전문가들은 가뭄을 판단함에 있어 많은 어려움을 겪는 것이며, 사전 대비가 쉽지 않은 재해로 알려진 것이다. 그러나 이런 가뭄의 특징은 가뭄관리에 장점이 되기도 한다. Drought is different from general disasters in many respects. Unlike floods, drought lasts for several months in the short term, and lasts for years in the long term, and it has a spatial distribution over a wide area. Therefore, even if a drought is detected, it is difficult to identify the specific timing, location, and cause of the occurrence. Even after the drought is over, the ripple effect may appear for several months or years. For this reason, weather and water experts are experiencing a lot of difficulty in determining drought, and it is known that disasters are not easy to prepare in advance. However, this characteristic of drought is also an advantage for drought management.
다시 말해 가뭄은 적시에 경보해야 하는 홍수와 달리 진행속도가 느려 시간적으로 대처할 여유가 다소 있기 때문에 비록 진행 중일 지라도 초기에 이를 감지할 수 있다면 피해를 최소화 할 수 있다는 것이다. 결국 앞으로의 가뭄관리 업무는 기상, 수자원 전문가 및 국민들이 가뭄을 사전에 판단할 수 있도록 전환되어야 할 것이며, 이를 위해서는 가뭄을 감시하는데 그치지 않고 가뭄을 예보하고 전망할 수 있는 기술이 개발되어야 한다.In other words, the drought is slower than the flood that needs to be timely warned, so there is little time to cope with it, so even if it is in progress, it can minimize damage if it can be detected early on. As a result, future drought management tasks should be transformed so that weather, water experts, and the public can pre- dict droughts. To do so, technology should be developed that not only monitors droughts, but predicts and predicts droughts.
국내의 가뭄관리 기관으로는 기상청, 소방방재청, 한국수자원공사 및 농어촌공사 등이 있으며, 각 기관별로 그 목적에 맞게 가뭄정보를 생산 및 제공하고 있다. 그러나, 대부분 관측자료 기반의 가뭄지수를 이용한 가뭄 감시업무에 국한되어 있는 실정이다. 그 예로 기상청의 경우 2002년부터 우리나라를 중심으로 각 지역별 가뭄지수를 산정하여 웹 사이트를 통해 가뭄정보를 제공하고 있다. 제공되는 가뭄지수는 가뭄판단지수(Decision Drought Index, DDI), 파머가뭄지수(Palmer Drought Severity Index, PDSI), 표준강수지수(Standardized Precipitation Index, SPI), 강수량십분위(Decile), 평균치비율(Pertile of Normal, PN) 및 강수량효과비 등이 있으며, 각 정보는 일별로 제공된다. 이는 관측된 강수 및 기온 정보만을 이용하여 산정된 결과이며, 기상 예측자료를 활용하여 가뭄을 사전에 대비할 수 있는 가뭄전망체제와는 그 성격이 다르다.Domestic drought management organizations include the Korea Meteorological Administration, the National Emergency Management Agency, the Korea Water Resources Corporation, and the Rural Community. Drought information is produced and provided for each institution. However, most of them are limited to drought monitoring using the drought index based on observation data. For example, the Korea Meteorological Administration (KMA) estimates drought indices for each region based on Korea since 2002 and provides drought information through its website. The drought indices are based on the Decision Drought Index (DDI), the Palmer Drought Severity Index (PDSI), the Standardized Precipitation Index (SPI), the Decile of Precipitation, of Normal, PN) and precipitation effect ratio, and each information is provided daily. This is the result of using only the observed precipitation and temperature information, and it differs from the drought forecasting system which can prepare the drought in advance by using the weather forecast data.
또한, 현재 기상청에서 운용하고 있는 가뭄 감시 및 전망 시스템에서 생산되는 가뭄정보의 경우 통합모델(Unified Model, UM)의 단일 기상전망자료와 수문해석모형을 연계하여 가뭄지수를 생산한 것으로, 앙상블 기반의 기상전망정보의 활용이 요구되며, 정확도 평가가 이루어지지 않아 이 정보에 대한 신뢰성을 가늠할 수 없는 실정이다. In the case of drought information generated from the drought monitoring and forecasting system operated by the Korea Meteorological Administration, the drought index is produced by linking the single weather forecast data of the Unified Model (UM) with the hydrologic interpretation model. The use of weather forecast information is required, and the reliability of this information can not be measured because accuracy evaluation is not performed.
한편, 한국등록특허 제1170526호에 의하면 "동아시아 가뭄 모니터링 시스템 및 그 방법"이 제시되어 있으나, 여전히 가뭄을 감시하는데 그치고 가뭄전망정보를 생산하거나 평가하는 기술에 대해서는 개시하고 있지 않다.Korean Patent No. 1170526 discloses "East Asia Drought Monitoring System and Method", but it still monitors droughts and does not disclose technology for producing or evaluating drought forecast information.
본 발명은 다수의 앙상블 멤버를 생산하고 평가함으로써 실시간으로 가뭄을 전망할 수 있는 실시간 앙상블 가뭄전망정보 관리방법을 제공한다. The present invention provides a real-time ensemble drought forecast information management method capable of estimating a drought in real time by producing and evaluating a plurality of ensemble members.
본 발명은 앙상블 기반의 가뭄전망정보 생산 및 평가 결과를 제시할 수 있는 실시간 앙상블 가뭄전망정보 관리방법을 제공한다.The present invention provides a real-time ensemble drought forecast information management method capable of presenting ensemble-based drought forecast information production and evaluation results.
상기한 과제를 달성하기 위한 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법은 실시간 가뭄 감시 및 전망 시스템을 이용하여 앙상블 가뭄전망정보를 생산하고 평가하는 관리방법에 있어서, 가뭄전망을 위한 앙상블 멤버의 개수를 선정하는 단계, 다수의 앙상블 가뭄전망정보를 생산하는 단계 및 다수의 앙상블 가뭄전망정보를 평가하는 단계를 포함할 수 있다.According to an aspect of the present invention, there is provided a management method for generating and evaluating ensemble drought forecast information using a real time drought monitoring and forecasting system, Selecting a number of ensemble members, producing a plurality of ensemble weather forecast information, and evaluating a plurality of ensemble weather forecast information.
상기와 같이 구성함으로써, 가뭄전망 체제를 단일에서 앙상블 체제로 전환할 수 있으며 가뭄감시에 그치지 않고 실시간으로 가뭄전망정보를 생산할 수 있다.By constructing as described above, the drought forecasting system can be switched from a single to an ensemble system, and the drought forecasting information can be produced in real time in addition to the drought monitoring.
상기 앙상블 멤버의 개수를 선정하는 단계는 월별 전망자료와 관측자료를 구비하는 단계, 상기 월별 전망자료와 상기 관측자료와의 평균제곱근오차비를 구하는 단계, 상기 월별 전망자료와 상기 관측자료와의 표준편차비를 구하는 단계 및 앙상블 멤버별 평균제곱근오차비와 표준편차비를 산정하여 앙상블 멤버 개수의 적정성을 검토하는 단계를 포함할 수 있다.Wherein the step of selecting the number of ensemble members comprises the steps of: providing monthly forecast data and observation data; obtaining a mean square root error ratio between the monthly forecast data and the observation data; Calculating a deviation ratio, and estimating an average square root error ratio and a standard deviation ratio of each ensemble member, and examining the adequacy of the number of ensemble members.
상기 월별 전망자료와 관측자료를 구비하는 단계는 3월부터 11월의 전망자료 및 관측자료를 이용하며, 상기 월별 전망자료와 상기 관측자료와의 평균제곱근오차비를 구하는 단계는 앙상블 개수에 따른 평균제곱근오차 값을 단일 멤버에서의 평균제곱근오차 값으로 나누어서 상기 평균제곱근오차비를 구하고, 상기 전망정보의 표준편차를 상기 관측자료의 표준편차로 나누어 상기 표준편차비를 구할 수 있다.Wherein the step of obtaining the monthly forecast data and the observation data uses the forecast data and the observation data of March to November and the step of obtaining the average square root error ratio of the monthly forecast data and the observation data is a step The standard deviation ratio can be obtained by dividing the square root error value by the average square root error value in a single member to obtain the average square root error ratio and dividing the standard deviation of the observation information by the standard deviation of the observation data.
상기 다수의 앙상블 가뭄전망정보를 생산하는 단계는 12UTC마다 다수의 초기장을 생성하는 단계, 다수의 초기장을 이용하여 통합모델모형을 모의하는 단계, 전지구통합모델에서 지역통합모델로 역학적 상세화 과정을 수행하는 단계, 국내 전역의 앙상블 기상전망정보를 생산하는 단계, 수문모형의 입력정보로 기상전망정보를 변환하고 수문해석을 수행하는 단계, 기상전망정보 및 수문전망정보를 이용하여 가뭄지수를 산정하는 단계 및 가뭄지수해석모델을 이용하여 앙상블 가뭄전망정보를 생산하는 단계를 포함할 수 있다.The step of producing the plurality of ensemble drought forecast information includes generating a plurality of initial fields for every 12 UTRC, simulating an integrated model using a plurality of initial fields, performing a dynamic refinement process using a global integrated model in a global integrated model , The step of generating ensemble weather forecast information for the whole country, the step of converting the weather forecast information into the input information of the hydrological model, performing the hydrograph analysis, calculating the drought index using the weather forecast information and the hydrological forecast information And producing the ensemble drought forecast information using the drought index analysis model.
상기 12UTC마다 다수의 초기장을 생성하는 단계에서는 예보시작일을 기준으로 앙상블 멤버의 개수와 동일한 일수의 초기장을 생성할 수 있다.In the step of generating a plurality of initial chapters for each of the 12 UTRCs, an initial chapter having the same number of days as the number of ensemble members can be generated based on the forecast start date.
상기 다수의 초기장을 이용하여 통합모델모형을 모의하는 단계(1220)에서, 상기 다수의 초기장은 기상청 분석 통합모델 초기장으로 변환된 자료를 활용하며 지상 및 대기의 바람장, 습윤장 또는 온도장을 추출하여 사용할 수 있다.In a
상기 전지구통합모델에서 지역통합모델로 역학적 상세화 과정을 수행하는 단계에서는 전지구통합모델에서부터 동아시아 지역통합모델 및 한반도 지역통합모델로 2단계의 역학적 상세화를 거칠 수 있다.In the step of performing the ephemeral refinement process from the global unified model to the regional unified model, a two-step epidemiological refinement can be performed from the global unified model to the East Asian regional integrated model and the Korean regional unified model.
상기 역학적 상세화 과정을 수행하는 단계에서는 전지구통합모델에서 생산된 해수면온도, 해빙온도, 바람장 및 온도장을 포함하는 지역통합모델의 경계조건 및 초기조건으로 구성될 수 있다.In the step of performing the mechanical refinement process, the boundary condition and the initial condition of the regional integrated model including the sea surface temperature, the sea ice temperature, the wind field and the temperature field produced in the global integrated model can be constituted.
상기 국내 전역의 앙상블 기상전망정보를 생산하는 단계에서는 시간지연법에 의한 다수의 초기장의 활용과 역학적 다운스케일을 통해 국내 전역의 앙상블 기상전망정보를 생산할 수 있다.In the step of producing the ensemble weather forecast information in the whole country, it is possible to produce ensemble weather forecast information in the whole country through utilization of a plurality of initial fields by the time delay method and mechanistic downscale.
상기 수문모형의 입력정보로 기상전망정보를 변환하고 수문해석을 수행하는 단계에서는 상기 기상전망정보를 생산하는 단계에서 생산된 기상전망정보를 수문모형인 LSM의 입력정보로 변환하고 과거예측자료 자료와 예보일에서 생산된 앙상블 개수별로 수문해석을 수행할 수 있다.In the step of converting the weather forecast information to the input information of the hydrologic model and performing hydrograph analysis, the weather forecast information produced in the production of the weather forecast information is converted into input information of the hydrologic model LSM, Hydrologic interpretation can be performed by the number of ensembles produced in the forecast days.
상기 기상전망정보 및 수문전망정보를 이용하여 가뭄지수를 산정하는 단계에서, 상기 수문전망정보는 유출, 토양수분 및 증발산량으로 구성되고 상기 기상전망정보와 함께 가뭄지수의 입력자료로 활용될 수 있다.In the step of calculating the drought index using the meteorological forecast information and the hydrological forecast information, the hydrological forecast information may be used as input data of the drought index together with the meteorological forecast information and the outflow, soil moisture and evapotranspiration information.
상기 가뭄지수해석모델을 이용하여 앙상블 가뭄전망정보를 생산하는 단계에서는 가뭄지수인 SPI, 표준유출지수(Standardized Runoff Index, SRI), 표준토양수분지수 (Standardized Soil moisture Index, SSI) 및 DDI를 포함하는 해석모델을 이용하여 예보기간 동안의 앙상블 가뭄전망정보를 생산할 수 있다.In the step of producing the ensemble drought forecast information using the drought index analysis model, the information including the drought index SPI, the standardized runoff index (SRI), the standardized soil moisture index (SSI) An analytical model can be used to produce ensemble forecasting information for the forecast period.
상기 다수의 앙상블 가뭄전망정보를 평가하는 단계는 앙상블 멤버별 산정된 가뭄지수 값을 구하는 단계, 앙상블 멤버별 가뭄지수 값을 이용하여 각 가뭄지수별 심도로부터 가뭄 여부를 구분하는 단계, 다수의 앙상블 멤버가 가리키는 가뭄상태에 따라 가뭄 여부를 결정하는 단계 및 선택된 가뭄 조건에서 해당 앙상블 멤버의 평균값을 구하는 단계를 포함할 수 있다.The step of evaluating the plurality of ensemble drought forecast information includes the steps of obtaining a drought index value calculated for each ensemble member, dividing the drought status from the depth of each drought index using the ensemble member drought index value, Determining a drought condition according to the drought condition indicated by the drought condition and obtaining an average value of the ensemble member in the selected drought condition.
상기 앙상블 멤버별 가뭄지수 값을 이용하여 각 가뭄지수별 심도로부터 가뭄 여부를 구분하는 단계는 다수의 앙상블 멤버가 가리키는 가뭄발생의 유무에 따라 가뭄 여부를 구분할 수 있다.In the step of distinguishing drought from the depth of each drought index using the ensemble member drought index value, it is possible to distinguish whether or not the drought is caused by the occurrence of the drought indicated by the plurality of ensemble members.
상기 다수의 앙상블 가뭄전망정보를 평가하는 단계는 ROC (Receiver Operating Characteristic)곡선을 이용하여 앙상블 가뭄전망정보를 평가할 수 있다.The step of evaluating the plurality of ensemble drought forecast information may evaluate the ensemble drought forecast information using a Receiver Operating Characteristic (ROC) curve.
본 발명에 따른 실시간 앙상블 가뭄전망정보 관리방법은 가뭄 감시 정보 생산에 그치지 않고 가뭄 전망에 대한 정보도 생산할 수 있기 때문에 가뭄에 대한 대비를 가능하게 한다.The real-time ensemble drought prospect information management method according to the present invention makes it possible to prepare for drought because it can produce not only drought monitoring information but also drought forecast information.
본 발명에 따른 실시간 앙상블 가뭄전망정보 관리방법은 단일 멤버가 아닌 다수의 앙상블 멤버 체계에서 운영되기 때문에 가뭄전망정보의 불확실성을 줄일 수 있다.Since the real-time ensemble drought forecast information management method according to the present invention is operated in a plurality of ensemble member systems rather than a single member, the uncertainty of the drought forecast information can be reduced.
도 1 내지 도 4는 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법 중 다수의 앙상블 가뭄전망정보를 생산하는 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법 중 앙상블 멤버의 개수를 선정하는 과정의 앙상블 멤버별 평균제곱근오차비와 표준편차비를 보여주는 데이터 그래프이다.
도 7은 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법 중 다수의 앙상블 가뭄전망정보를 평가하는 과정에서 각 가뭄지수의 ROC 스코어를 보여주는 데이터 그래프이다.1 to 4 are flowcharts for explaining a real-time ensemble drought forecast information management method according to an embodiment of the present invention.
FIG. 5 is a view for explaining a process of producing a plurality of ensemble drought forecast information among real-time ensemble drought forecast information management methods according to an embodiment of the present invention.
FIG. 6 is a data graph showing an average square root error ratio and a standard deviation ratio of each ensemble member in the process of selecting the number of ensemble members in the real-time ensemble drought forecast information management method according to an exemplary embodiment of the present invention.
FIG. 7 is a data graph showing the ROC scores of each drought index in the process of evaluating a plurality of ensemble drought forecast information among real-time ensemble drought forecast information management methods according to an embodiment of the present invention.
이하에서, 첨부된 도면을 참조하여 본 발명에 따른 실시예들을 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. Hereinafter, embodiments according to the present invention will be described in detail with reference to the accompanying drawings. However, the present invention is not limited to or limited by the embodiments. Like reference symbols in the drawings denote like elements.
도 1 내지 도 4는 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법을 설명하기 위한 순서도, 도 5는 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법 중 다수의 앙상블 가뭄전망정보를 생산하는 과정을 설명하기 위한 도면, 도 6은 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법 중 앙상블 멤버의 개수를 선정하는 과정의 앙상블 멤버별 평균제곱근오차비와 표준편차비를 보여주는 데이터 그래프, 도 7은 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법 중 다수의 앙상블 가뭄전망정보를 평가하는 과정에서 각 가뭄지수의 ROC score를 보여주는 데이터 그래프이다.1 to 4 are flowcharts for explaining a real-time ensemble drought prospect information management method according to an embodiment of the present invention. FIG. 5 is a flowchart illustrating a method for managing a real-time ensemble drought prospect information management method according to an embodiment of the present invention. FIG. 6 is a diagram for explaining a process of generating forecast information; FIG. 6 is a graph showing a relationship between an average root mean square error ratio and a standard deviation of ensemble members in the process of selecting the number of ensemble members in the real- time ensemble drought forecast information management method according to an embodiment of the present invention; FIG. 7 is a data graph showing the ROC score of each drought index in the process of evaluating a plurality of ensemble drought forecast information among real-time ensemble drought forecast information management methods according to an embodiment of the present invention.
이하에서 설명하는 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법은 현재 기상청에서 운영하고 있는 가뭄 감시 및 전망 시스템을 개선하여 다수의 앙상블 멤버를 이용하여 실시간으로 가뭄 정보를 생산하고 평가할 수 있는 방법에 관한 것이다. 다만, 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법은 기상청 가뭄 감시 및 전망 시스템에만 적용 가능한 것은 아니며, 기타 가뭄 감시/전망 기술에도 적용될 수 있음을 밝혀둔다.The real-time ensemble drought forecast information management method according to an embodiment of the present invention described below can improve drought monitoring and forecasting system currently operated by the Korea Meteorological Administration and produce and evaluate drought information in real time using a plurality of ensemble members How to do it. However, it should be noted that the real-time ensemble drought forecast information management method according to an embodiment of the present invention is not applicable only to the meteorological agency drought monitoring and forecasting system, and can also be applied to other drought surveillance / forecasting technologies.
여기서 앙상블이란 기상 및 수문분야에서 통용되는 용어로써 다수의 또는 복수 정보의 활용을 의미한다.An ensemble is a term commonly used in the field of weather and hydrology, which means the use of multiple or multiple information.
도 1 내지 도 4를 참조하면, 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법은 실시간 가뭄 감시 및 전망 시스템을 이용하여 앙상블 가뭄전망정보를 생산하고 평가하는 관리방법에 있어서 가뭄전망을 위한 앙상블 멤버의 개수를 선정하는 단계(1100), 다수의 앙상블 가뭄전망정보를 생산하는 단계(1200) 및 다수의 앙상블 가뭄전망정보를 평가하는 단계(1300)를 포함할 수 있다.1 to 4, a real-time ensemble drought forecast information management method according to an embodiment of the present invention is a management method for producing and evaluating ensemble drought forecast information using a real-time drought monitoring and forecasting system. (1200) generating a number of ensemble weather forecast information, and evaluating (1300) a number of ensemble weather forecast information. ≪ RTI ID = 0.0 >
상기와 같이 구성함으로써 가뭄전망 체제를 단일에서 앙상블 체제로 전환할 수 있으며, 가뭄감시에 그치지 않고 실시간으로 가뭄전망정보를 생산할 수 있다.By constructing as described above, the drought forecasting system can be switched from a single to an ensemble system, and the drought forecasting information can be produced in real time in addition to the drought monitoring.
한편, 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법은 현재 한국 기상청에서 개발한 가뭄 감시 및 전망 시스템을 개선함으로써 앙상블 체계의 가뭄전망정보 생산체계 구축 및 평가를 위해 보다 신속하고 정확하며 향상된 가뭄전망정보를 제공할 수 있다.Meanwhile, the real-time ensemble drought prospect information management method according to an embodiment of the present invention can improve the drought monitoring and forecasting system developed by Korea Meteorological Administration, Improved drought forecast information can be provided.
상기 월별 전망자료와 관측자료를 구비하는 단계(1110)에서 월별 전망자료는 기후예측모델인 통합모델로부터 생산된 일 단위 강수, 최고기온, 최저기온 및 평균풍속을 포함하며, 관측자료는 기상관측으로부터 획득한 자료를 포함할 수 있다. 또한, 월별 전망자료 중 수문해석으로부터 생산되는 정보로는 자연유량, 토양수분량 및 증발산량이 있고 월별 전망자료 중 가뭄 정보로는 구축된 기상 및 수문정보로부터 기상학적 가뭄지수인 표준강수지수, 파머가뭄지수, 가뭄판단지수와 수문학적 가뭄지수인 표준유출지수 및 표준토양수분지수가 있다.In
여기서, 통합모형은 영국 기상청에 의해 개발된 것으로 현재 우리나라 기상청과 영국 기상청의 공동협력에 의하여 2010년 이후 현업 모형으로 운영되고 있다.Here, the integrated model was developed by the UK Meteorological Administration, and it has been operated as a production model since 2010, in cooperation with the Korea Meteorological Administration and the UK Meteorological Agency.
본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법은 다수의 앙상블 멤버 체제에서 가뭄전망정보를 생산하고 평가하는 방법으로써, 앙상블 가뭄전망정보를 생산하고 평가하기 위해서는 우선 적정 앙상블의 개수가 선정되어야 한다.The real-time ensemble drought prospect information management method according to one embodiment of the present invention is a method for producing and evaluating drought prospect information in a plurality of ensemble member systems. In order to produce and evaluate ensemble drought prospect information, the number of proper ensemble is selected .
이를 위해, 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법 중 상기 앙상블 멤버의 개수를 선정하는 단계(1100)는 앙상블 전망 및 관측자료를 구비하는 단계(1110), 상기 앙상블 전망자료 및 관측자료와의 평균제곱근오차비(Root Mean Square Error Ratio, RMSER)를 구하는 단계(1120), 상기 앙상블 전망자료와 관측 자료의 표준편차비(Standard Deviation Ratio, SDR)를 구하는 단계(1130) 및 평균제곱근오차비와 표준편차비의 검토를 통해 적정 앙상블 맴버를 결정하는 단계(1140)를 포함할 수 있다.For this, the
상기 월별 전망자료와 관측자료를 구비하는 단계(1110)는 3월에서부터 11월의 앙상블 및 단일 전망자료를 이용할 수 있다. 즉, 매월(3월~11월) 전망자료를 구하여, 상기 앙상블 전망자료와 관측자료의 평균제곱근오차비 및 표준편차비를 산정할 수 있다. The
여기서, 평균제곱근오차비는 앙상블 개수에 따른 평균제곱근오차 값을 단일 멤버에서의 평균제곱근오차 값으로 나누어서 구할 수 있으며, [수학식 1]과 같다.Here, the mean square root error ratio can be obtained by dividing the mean square root error value according to the ensemble number by the mean square root error value in the single member, as shown in Equation (1).
[수학식 1]에서 x는 전망자료이고, o는 관측자료이며, m은 앙상블 개수, n은 시계열을 의미한다.In Equation (1), x is the observation data, o is the observation data, m is the ensemble number, and n is the time series.
여기서, 평균제곱근오차비가 1이면 단일멤버와 정확도가 같음, 1보다 높을 수록 단일멤버에 비해 앙상블멤버의 정확도가 낮음, 1보다 낮을 수록 단일멤버에 비해 앙상블멤버 결과가 정확하다는 의미를 가진다In this case, if the mean square error ratio is 1, the accuracy of the single member is the same. If it is higher than 1, the accuracy of the ensemble member is lower than that of the single member. If the ratio is lower than 1, the ensemble member result is more accurate than the single member
한편, 표준편차비는 전망정보의 표준편차를 관측자료의 표준편차로 나눈 것으로 [수학식 2]와 같다. The standard deviation ratio is obtained by dividing the standard deviation of the observation information by the standard deviation of the observation data.
앙상블 개수에 따라 표준편차비가 1이면 전망자료와 관측자료의 표준편차가 같음, 1이상이거나 이하이면 전망자료의 표준편차가 관측에 비해 높거나 낮음을 의미하며, 1에 가까울수록 정확도가 높다.If the standard deviation ratio is 1 according to the number of ensembles, the standard deviation of the observation data is the same as the standard deviation of the observation data. If the standard deviation is 1 or more, the standard deviation of the observation data is higher or lower than the observation.
앙상블 개수는 최소 단일에서 최대 20개까지로 지정하였으며, 본 발명에서는 각 멤버별 평균제곱근오차비와 표준편차비를 산정하여 결과의 적절성을 검토한다. 도 6은 본 발명에 따른 가뭄지수 입력자료인 강수, 기온, 유출 및 토양수분 자료의 앙상블 개수에 따른 평균제곱근오차비와 표준편차비의 통계치 결과를 도시한 것이다. The number of ensembles is specified from a minimum of one to a maximum of 20. In the present invention, the average square root error ratio and the standard deviation ratio of each member are calculated and the suitability of the result is examined. FIG. 6 shows statistical results of mean square root error ratio and standard deviation ratio according to the number of ensemble of precipitation, temperature, runoff, and soil moisture data of the drought index according to the present invention.
도 6을 참조하면, 대체로 평균제곱근오차비는 앙상블 개수가 많을수록 정확도가 높아지는 것으로 나타나며, 5개∼10개 이상으로는 그 차이가 매우 미미한 것을 알 수 있다. 예를 들어, 강수 및 유출의 경우 앙상블 5개와 20개의 평균제곱근오차비 결과가 약 0.15정도, 기온 및 토양수분은 0.05 정도로 차이가 났으며, 효율성으로 보았을 때 큰 차이가 나지 않음을 알 수 있다. 또한, 표준편차비는 강수 및 유출의 경우에는 앙상블 멤버가 1∼3개에서는 1이상, 5개 이상에서는 1 이하로 정확도가 낮아진 반면, 기온 및 토양수분은 멤버의 개수가 늘어날수록 1에 가까워지는 것을 알 수 있다. 대체로 강수와 유출은 4∼5개 구간에서 평균제곱근오차비와 표준편차비의 결과가 교차하는 것을 알 수 있으며, 기온 및 토양수분은 5개 이상부터 정확도에 큰 차이가 없는 것으로 나타났다. 따라서 앙상블 해석에 요구되는 시스템 및 하드웨어 운영상황 등을 고려할 때 5개의 앙상블을 가지는 것이 바람직하다. 예보는 기상청 현업에서의 1개월 전망 예보(3, 13, 23일)와의 시스템 충돌을 방지하고자 5일, 15일, 25일 순으로 앙상블전망자료를 생산하는 것이 바람직하다.Referring to FIG. 6, it can be seen that the average square root error ratio increases with an increase in the number of ensembles, and that the difference is small in the range of 5 to 10 or more. For example, in case of precipitation and outflow, the results of the
이와 같이, 적정한 개수의 앙상블 멤버가 결정되었으면, 도 5와 같은 과정을 거쳐서 다수의 앙상블 가뭄전망정보를 생산하게 된다(1200).Once the proper number of ensemble members has been determined, a plurality of ensemble drought forecast information is generated through the process shown in FIG. 5 (1200).
도 3 및 도 5를 참조하면, 상기 다수의 앙상블 가뭄전망정보를 생산하는 단계(1200)는 12UTC마다 다수의 초기장을 생성하는 단계(1210), 다수의 초기장을 이용하여 통합모델모형을 모의하는 단계(1220), 전지구통합모델에서 지역통합모델로 역학적 상세화 과정을 수행하는 단계(1230), 국내 전역의 앙상블 기상전망정보를 생산하는 단계(1240), 수문모형의 입력정보로 기상전망정보를 변환하고 수문해석을 수행하는 단계(1250), 기상전망정보 및 수문전망정보를 이용하여 가뭄지수를 산정하는 단계(1260) 및 가뭄지수해석모델을 이용하여 앙상블 가뭄전망정보를 생산하는 단계(1270)를 포함할 수 있다.Referring to FIGS. 3 and 5, the
도 5를 참조하면 본 발명에 따른 앙상블 가뭄전망정보를 생산하는 단계(1200)는 크게는 통합모델을 모의하는 단계, 모의결과를 이용하여 수문해석을 수행하는 단계(도 5의 Land Surface Model 참조), 가뭄지수해석 모델을 이용해서 가뭄전망정보를 생산하는 단계(도 5의 Drought Index Model 참조)로 나눌 수 있다.Referring to FIG. 5, the
상기 12UTC(United Time Code, 세계표준시)마다 다수의 초기장(initial condition)을 생성하는 단계(1210)에서는 예보일이 6월 20일이고 앙상블 멤버의 개수가 10개라면 6월 11일부터 6월 20일까지의 초기장으로부터 생산된 결과를 의미한다. 여기서, 12UTC는 24시간 기준으로 하면 21시(오후 9시)를 의미한다.In
상기 다수의 초기장을 이용하여 통합모델모형을 모의하는 단계(1220)에서는 상기 다수의 초기장은 기상청 분석 통합모델 초기장으로 변환된 자료를 활용하며 지상 및 대기의 바람장, 습윤장 또는 온도장을 추출하여 사용할 수 있다. 즉, 상기 다수의 초기장을 이용하여 통합모델모형을 모의하는 단계에서 상기 다수의 초기장은 기상청에서 제공된 자료를 활용하며, 지상 및 대기의 바람장, 습윤장 또는 온도장 등으로 구성될 수 있다. 본 발명에서 사용되는 초기장은 기상청에서 제공하는 자료를 사용한다. 이러한 초기조건 자료는 위경도 1.5°의 해상도를 가지며, 6시간 간격으로 일 4회 자료가 제공된다.In the
상기 전지구통합모델에서 지역통합모델로 역학적 상세화 과정을 수행하는 단계(1230)에서는 전지구통합모델에서부터 생산된 해수면온도, 해빙온도, 바람장, 온도장 등을 동아시아 지역통합모델 및 한반도 지역통합모델의 경계조건 및 초기조건으로 구성하여 2단계의 역학적 상세화를 거치게 된다. 도 5에 도시된 바와 같이, 다수의 초기장을 이용하여 전지구통합모델을 모의하고, 그 결과를 지역통합모델의 초기장 및 경계장으로 입력하여 역학적 상세화를 수행한다.The
상기 전지구통합모델에서 지역통합모델으로 역학적 상세화 과정을 수행하는 단계(1230)에서 가용되는 입력자료는 경계조건 및 초기조건으로 구성될 수 있다. 여기서, 경계조건은 해수면온도(Sea Surface Temperature, SST), 해빙온도(Sea-Ice) 및 초기조건(Initial Condition, IC)으로 구성되며, SST는 NOAA의 Earth System Research Laboratory (ESRL)에서 제공하는 OI (Optimal Interpolation) 월평균 값에 기상청 기후예측과에서 다루는 엘니뇨 예측모델에 의해 생산된 SST 아노말리를 더한 값을 사용한다. 해빙온도는 UM에서 기본적으로 제공하는 해상도 1°의 월평균 기후값을 사용하며, 자료기간은 1995년∼2009년이다.The input data available in
상기 국내 전역의 앙상블 기상전망정보를 생산하는 단계(1240)에서는 시간지연법에 의해 상기 역학적 상세화 과정을 수행하는 단계의 역학적 다운스케일을 통해 국내 전역의 앙상블 기상전망정보를 생산할 수 있다.In
상기 수문모형의 입력정보로 기상전망정보를 변환하고 수문해석을 수행하는 단계(1250)에서는 상기 기상전망정보를 생산하는 단계에서 생산된 기상전망정보를 수문모형인 LSM의 입력정보로 변환하고 과거예측자료와 예보일에서 생산된 앙상블 개수별로 수문해석을 수행할 수 있다.In the
LSM은 동아시아와 같이 넓은 대륙을 대상으로 수문성분을 산정하기 위해 개발된 분포형 전구수문해석모델이다.LSM is a distribution type hydrographic analysis model developed to estimate the hydrological components of large continents such as East Asia.
상기 기상 및 수문전망정보를 이용하여 가뭄지수를 산정하는 단계(1260)에서 생산된 상기 수문전망정보는 유출, 토양수분 및 증발산량으로 구성되고 상기 기상전망정보와 함께 가뭄지수의 입력자료로 활용될 수 있다.The hydrological forecast information produced in the
상기 가뭄지수해석모델을 이용하여 앙상블 가뭄전망정보를 생산하는 단계(1270)에서는 가뭄지수인 SPI, SRI(Standardized Runoff Index, 표준유출지수), SSI(Standardized Soil moisture Index, 표준토양수분지수) 및 DDI을 포함하는 해석모델을 이용하여 예보기간 동안의 앙상블 가뭄전망정보를 생산할 수 있다(도 5의 Drought Index Model 참조). In the
본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법에서는 상기와 같은 과정에 의해 다수의 앙상블 가뭄전망정보를 생산하게 된다. 또한, 본 발명에서는 앙상블 가뭄전망정보를 생산하는 것에 그치지 않고, 생산된 가뭄전망정보가 정확한 것인지 평가할 수 있다. In the real-time ensemble drought prospect information management method according to an embodiment of the present invention, a plurality of ensemble drought prospect information is produced by the above process. In addition, in the present invention, not only the ensemble drought forecast information is produced, but also whether the produced drought forecast information is correct can be evaluated.
가뭄전망정보의 정확도 평가를 위해서는 다수의 앙상블 멤버에 대한 각 가뭄지수별 가뭄의 여부가 전망되어야 한다. 가뭄에 대한 판단은 가뭄지수를 산정한 후, 각각의 가뭄지수별로 다양하게 구분된 심도로부터 결정된다. 다만, 가뭄 전망에 있어서 가뭄의 심도보다는 가뭄의 발생 유무가 중요하며, 각 심도별 평가는 전망결과의 높은 불확실성을 초래할 수 있다. 따라서, 가뭄 전망에 대한 평가는 가뭄 또는 해갈 상태의 사건 발생 유(Yes) 또는 무(No)에 초점을 맞추는 것이 바람직하다.In order to evaluate the accuracy of the drought forecast information, it is necessary to estimate the drought of each ensemble member by each drought index. The determination of drought is determined from various depths of each drought index after estimating the drought index. However, the occurrence of drought is more important than the depth of drought in the prospect of drought, and the evaluation of each depth may lead to high uncertainty of the outcome of the forecast. Therefore, it is desirable that the assessment of drought prospects focus on the occurrence (Yes) or no (d) of occurrence of droughts or disasters.
본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법에서는 가뭄의 여부를 결정하기 위해 우선 앙상블 멤버별로 산정된 가뭄지수의 심도로부터 가뭄 발생 유무를 구분하고, 다수의 멤버가 가리키는 가뭄상태에 따라 가뭄의 여부를 결정한다. 최종 가뭄지수값은 선택된 가뭄의 조건에서 그 멤버의 평균값을 사용한다. 이러한 과정을 단계별로 설명하면 다음과 같다.In the real-time ensemble drought prospect information management method according to an embodiment of the present invention, in order to determine whether or not a drought occurs, the presence or absence of a drought is classified based on the depth of the drought index calculated for each ensemble member. Determine whether or not there is a drought. The final drought index value uses the mean value of the members in the condition of the selected drought. This process will be described step by step as follows.
상기 다수의 앙상블 가뭄전망정보를 평가하는 단계(1300)는 앙상블 멤버별로 산정된 가뭄지수 값을 구하는 단계(1310), 앙상블 멤버별 가뭄지수 값을 이용하여 각 가뭄지수별 심도로부터 가뭄 여부를 구분하는 단계(1320), 다수의 앙상블 멤버가 가리키는 가뭄상태에 따라 가뭄 여부를 결정하는 단계(1330) 및 선택된 가뭄 조건에서 해당 앙상블 멤버의 평균값을 구하는 단계(1340)를 포함할 수 있다.The
상기 다수의 앙상블 가뭄전망정보를 평가하는 단계(1300)는 ROC 곡선을 이용하여 앙상블 가뭄전망정보를 평가할 수 있다. 즉, 가뭄지수의 객관적인 평가를 위해 확률론적 평가방법인 ROC 분석을 이용한다. The
이 ROC 분석은 주로 기상분야에서 확률예보의 정성적 검증에 활용되는 기법이며, 특정한 수치를 X좌표와 Y좌표로 나타내고 이를 확률적 근거를 통해 가장 높은 확률을 가지는 분류를 찾아내는 방법이다.This ROC analysis is a technique used for the qualitative verification of probability forecasts in the meteorological field, and it is a method to find a classification with the highest probability by expressing a specific numerical value by X coordinate and Y coordinate and probabilistic basis.
ROC 분석은 아래 [표 1]과 같이 기본적으로 "관측된결과(Observed value)"와 "예보 결과(Prediction value)"로 나누어지며, "진실(Yes)"과 "거질(No)"에 의해서 각각 2가지씩 분류된다. 실제 어떠한 사건이 발생한다고 관측될 경우 예보 결과에서도 사건이 발생한다면 "성공(Hit, H)", 그렇지 않다면 "잘못된 경고(Missing, M)"으로 나타낸다. 반면에, 실제 사건이 발생하지 않을 경우 예보 결과에서 사건이 발생한다면 "실패(False, F)", 그렇지 않다면 "음의성공(Negative hit, N)"으로 나타낸다. 이중 Hit와 Negative hit의 경우는 각각 "Yes"와 "No"로 이루어진 참의 값으로 판단하고, False와 Missing은 거짓의 값으로 받아들인다. The ROC analysis is basically divided into "Observed value" and "Prediction value" as shown in [Table 1], and it is divided into "Yes" and "No" Two types are classified. If it is observed that an actual event occurs, it is indicated as "Success (Hit, H)" if the event occurs in the forecast result and "Missing (M)" otherwise. On the other hand, if an event does not occur, it is indicated as "False, F" if the event occurs in the forecasting result and "Negative hit, N" otherwise. In the case of two hit and negative hit, it is judged to be true value of "Yes" and "No" respectively, and False and Missing are accepted as false values.
FAR=(F+M)/(H+F+M+N)HR = (H + N) / (H + F + M + N)
FAR = (F + M) / (H + F + M + N)
(Prediction)forecast
(Prediction)
확률적 분포로 분류된 4가지의 요소를 이용하여 적중률(Hit rate, HR)과 비적중률(False Alram Rate, FAR)을 산정할 수 있으며, ROC 좌표계 내에 하나의 점으로 표현함으로써 ROC 곡선을 구성할 수 있다. 값의 범위는 0에서 1 사이의 값을 가지며, 완벽한 예보일 때 HR=1, FAR=0 (M=0 & F=0)이다. The Hit rate (HR) and the False Alram Rate (FAR) can be calculated using four elements classified as probabilistic distributions. The ROC curve can be constructed by expressing one point in the ROC coordinate system . Values range from 0 to 1, with HR = 1 and FAR = 0 (M = 0 & F = 0) for a perfect forecast.
ROC 곡선은 적중률을 표현하는 HR과 비적중률을 나타내는 FAR와의 분포도를 구해서 한 그래프 곡선에 나타낸다. HR=1이고 FAR=0일 때가 가장 완벽한 예보이므로 ROC 곡선이 좌측상단으로 가까이 위치할수록 예보의 수행능력이 좋다고 할 수 있다. 완벽한 예보인 경우에는 ROC score가 1.0이고, 예보의 기술이 없을 경우에는 0.5 이하이다.The ROC curve is obtained by plotting the distribution of the HR representing the hit ratio and the FAR representing the non-hit ratio. HR = 1 and FAR = 0 are the most perfect forecasts, so the closer the ROC curve is to the upper left, the better the forecasting performance. For perfect forecasts, the ROC score is 1.0, and for forecasts less than 0.5.
한편, 상기 앙상블 멤버별 가뭄지수 값을 이용하여 각 가뭄지수별 심도로부터 가뭄 여부를 구분하는 단계(1320)는 가뭄 또는 해갈 상태의 사건 발생 유무에 따라 가뭄 여부를 구분할 수 있다. 가뭄평가는 가뭄 또는 해갈 상태의 사건 발생 유(Yes) 또는 무(No)에 따라 나타내는 2분위 해석을 적용하는 것이 바람직하며, 이를 위해서는 가뭄의 시작 또는 해갈을 적절히 평가할 수 있는 방법이 활용되어야 할 것이다. ROC 분석은 이러한 2분위 해석에 있어 활용성이 높으며, 본 발명에서는 전망된 가뭄지수의 평가에 활용한다.Meanwhile, the
본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법의 신뢰성을 평가하기 위해, 2012년 3월 5일부터 8월 15일까지 통합모델(UM)의 기상전망정보를 생산한 후, 분포형 전구수문해석모델(LSM) 기반의 수문정보와 가뭄지수를 산정하였다. 평가기간은 2012년 5월부터 11월 15일까지이고, 매월 5, 15, 25일에 전망자료를 생산하였다. 또한, 기존 단일 멤버에서의 전망과 앙상블 체제에서의 전망결과를 비교하기 위해 단일 멤버 및 앙상블 멤버인 경우로 구분하여 정보를 생산하였으며, 각 예보기간에서의 산정된 가뭄감시자료와의 ROC score를 산정하여 정확도를 평가하였다. 도 7은 가뭄 감시 및 전망 시스템에서 활용되는 여러 가뭄지수들 중 기상, 수문 및 농업학적 가뭄을 대표하는 SPI, SRI 및 SSI에 대한 결과를 예로써 나타낸 것이다. In order to evaluate the reliability of the real-time ensemble drought forecast information management method according to an embodiment of the present invention, the weather forecast information of the integrated model (UM) is produced from March 5 to August 15, 2012, The hydrographic information and drought index based on the global hydrographic analysis model (LSM) were estimated. The evaluation period is from May to November 15, 2012, and the forecast data was produced on the 5th, 15th, and 25th of the month. In addition, in order to compare the forecasts of the existing single members and the forecasts in the ensemble system, information was produced by dividing the information into single members and ensemble members, and the ROC score was calculated from the estimated drought monitoring data in each forecast period And the accuracy was evaluated. FIG. 7 shows an example of SPI, SRI, and SSI representing weather, hydrology and agricultural drought among various drought indices used in the drought monitoring and forecasting system.
도 7에서 X축은 예보시작일(Start Date of Prediction)을 의미하고 Y축은 ROC score를 의미한다. 시작일을 기준으로 1개월, 2개월, 3개월 가뭄전망의 ROC 결과를 제시한 것이다. 예를 들어, 4월 5일(04.05)을 기준으로 가뭄을 전망하였을 때, X축 04.05에 위치한 Y축의 첫 번째 값은 1개월 후(5월 5일)를 점선에 연결된 다음 점은 2개월 후(6월 5일), 그 다음 점은 3개월 후(7월 5일)을 뜻하며, 이와 같은 방식으로 4월 5일에서 8월 15일까지의 ROC score를 도시하였다.In FIG. 7, the X-axis indicates the start date of prediction and the Y-axis indicates the ROC score. The ROC results for 1, 2, and 3 month drought forecasts based on the start date are presented. For example, when drought is forecasted on April 5 (04.05), the first value on the y-axis at 04.05 on the X axis is linked to the dotted line one month later (May 5) (June 5), the next point is 3 months later (July 5), and the ROC score from April 5 to August 15 is shown in this way.
전술한 바와 같이 2012년 5월∼7월에서의 가뭄전망은 4, 5, 6월의 전망이 해당된다. ROC score로부터 각 예보기간에서의 단일 및 앙상블 멤버에 대한 결과를 비교해 보면, 앙상블 멤버에서의 정확도가 대체로 높은 것을 알 수 있다. 특히, SPI는 4월, 5월 예보에서 1, 2, 3개월 전망 모두 단일 멤버에 비해 score가 높게 나타났으며, 그 외에는 6월 25일 예보를 제외하고는 큰 차이가 없는 것을 알 수 있다. SRI 및 SSI의 경우도 SPI와 유사하게 단일에 비해 앙상블 전망정보의 정확도가 높은 것으로 나타났다. 앙상블 가뭄전망정보에 대한 정확도를 구체적으로 살펴보면, SPI는 4월 5일∼5월 5일 예보에서 ROC score가 최소 0.50에서 최대 0.75로 산정되었으나, 5월 15일 ∼ 6월 25일 예보는 대부분의 전망결과가 0.5이하로 예측능력이 떨어지는 것으로 나타났다. 가뭄기간이 아닌 7월 15일∼8월 15일까지의 전망결과는 대부분 0.8이상으로 나타나, 해갈기간에서의 가뭄상황을 적절히 반영한 것으로 판단된다. SRI 및 SSI의 경우 가뭄기간인 5, 6월의 정확도가 SPI에 비해 대체로 높은 것으로 나타났으며, 특히 SSI의 경우 4월 5일∼5월 5일에서의 ROC score가 약 0.80이상으로 2지수에 비해 가장 높은 것으로 나타났다. 반대로, 가뭄해갈 기간에서는 2개 지수 모두 SPI에 비해 다소 낮게 추정되었으며, 반대로 가뭄해갈기간에서는 SPI, SRI 및 SSI 순으로 SPI가 높은 것으로 나타났다.As mentioned above, the outlook for drought from May to July 2012 is expected in April, June and June. Comparing the results for single and ensemble members in each forecast period from the ROC score, we can see that the accuracy of the ensemble members is generally high. Especially, SPI showed high scores in April and May for 1, 2, and 3 month forecasts compared to single members, except for June 25 forecasts. In the case of SRI and SSI, similar to SPI, the accuracy of ensemble forecast information is higher than that of single. For the accuracy of the ensemble drought forecast information, the SPI was estimated to have a ROC score of at least 0.50 to a maximum of 0.75 in the April 5 to May 5 forecast, but the May 15 to June 25 forecast The forecasting result was less than 0.5 and the forecasting ability was poor. The results of July 15 to August 15 rather than the drought period are mostly over 0.8, which is considered to reflect the drought situation in the drought period properly. In the case of SRI and SSI, the accuracy of drought in May and June was generally higher than SPI. Especially in SSI, the ROC score was more than 0.80 from April 5 to May 5, Respectively. Conversely, during the drought period, both indexes were estimated to be somewhat lower than SPI, while SPI, SPI, SRI and SSI were higher in drought period.
상기에서 설명한 바와 같이 본 발명의 일 실시예에 따른 실시간 앙상블 가뭄전망정보 관리방법은 다수의 앙상블 체계를 이용함으로써 실시간으로 가뭄전망정보를 생산하고 관리할 수 있기 때문에 가뭄 피해 예방 또는 가뭄 대책 수립 등에 도움을 줄 수 있다.As described above, the real-time ensemble drought forecast information management method according to an embodiment of the present invention can produce and manage drought forecast information in real time by using a plurality of ensemble schemes, .
이상과 같이 본 발명의 일 실시예에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다. While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Accordingly, the spirit of the present invention should not be construed as being limited to the embodiments described, and all of the equivalents or equivalents of the claims, as well as the following claims, belong to the scope of the present invention .
Claims (15)
가뭄전망을 위한 앙상블 멤버의 개수를 선정하는 단계;
다수의 앙상블 가뭄전망정보를 생산하는 단계; 및
다수의 앙상블 가뭄전망정보를 평가하는 단계;를 포함하며,
상기 다수의 앙상블 가뭄전망정보를 생산하는 단계는
12UTC마다 다수의 초기장을 생성하는 단계;
다수의 초기장을 이용하여 통합모델모형을 모의하는 단계;
전지구통합모델에서 지역통합모델로 역학적 상세화 과정을 수행하는 단계;
국내 전역의 앙상블 기상전망정보를 생산하는 단계;
수문모형의 입력정보로 기상전망정보를 변환하고 수문해석을 수행하는 단계;
기상전망정보 및 수문전망정보를 이용하여 가뭄지수를 산정하는 단계; 및
가뭄지수해석모델을 이용하여 앙상블 가뭄전망정보를 생산하는 단계;를 포함하는 실시간 앙상블 가뭄전망정보 관리방법.
A management method for producing and evaluating ensemble drought forecast information using a real time drought monitoring and forecasting system,
Selecting a number of ensemble members for drought forecasting;
Producing a plurality of ensemble drought forecasting information; And
Evaluating a plurality of ensemble drought forecasting information,
The step of producing the plurality of ensemble drought forecasting information comprises:
Generating a plurality of initial chapters for each 12 UTRC;
Simulating an integrated model model using a plurality of initial fields;
Performing a mechanical refinement process from a global integrated model to a regional integrated model;
Producing ensemble weather forecast information for the whole country;
Converting the weather forecast information into input information of the hydrological model and performing hydrograph analysis;
Estimating the drought index using the weather forecast information and the hydrological forecast information; And
And generating an ensemble drought forecast information using the drought index analysis model.
상기 앙상블 멤버의 개수를 선정하는 단계는
월별 전망자료와 관측자료를 구비하는 단계;
상기 월별 전망자료와 상기 관측자료와의 평균제곱근오차비를 구하는 단계;
상기 월별 전망자료와 상기 관측자료와의 표준편차비를 구하는 단계; 및
앙상블 멤버별 평균제곱근오차비와 표준편차비를 산정하여 앙상블 멤버 개수의 적정성을 검토하는 단계;를 포함하는 실시간 앙상블 가뭄전망정보 관리방법.
The method according to claim 1,
The step of selecting the number of ensemble members
Providing monthly observational data and observational data;
Obtaining an average square root error ratio between the monthly forecast data and the observation data;
Obtaining a standard deviation ratio between the monthly forecast data and the observation data; And
Estimating an average square root error ratio and a standard deviation ratio of each ensemble member and examining the adequacy of the number of ensemble members.
상기 월별 전망자료와 관측자료를 구비하는 단계는 3월에서부터 11월의 전망자료 및 관측자료를 이용하며,
상기 월별 전망자료와 상기 관측자료와의 평균제곱근오차비를 구하는 단계는 앙상블 개수에 따른 평균제곱근오차 값을 단일 멤버에서의 평균제곱근오차 값으로 나누어서 상기 평균제곱근오차비를 구하고, 상기 전망정보의 표준편차를 상기 관측자료의 표준편차로 나누어 상기 표준편차비를 구하는 실시간 앙상블 가뭄전망정보 관리방법.
3. The method of claim 2,
The monthly forecast data and the observation data are used for the observation data and observation data from March to November,
Wherein the step of obtaining the average square root error ratio between the monthly forecast data and the observation data includes obtaining the average square root error ratio by dividing the average square root error value according to the ensemble number by the average square root error value in the single member, Dividing the deviation by the standard deviation of the observation data to obtain the standard deviation ratio.
상기 12UTC마다 다수의 초기장을 생성하는 단계에서는 예보시작일을 기준으로 앙상블 멤버의 개수와 동일한 일수의 초기장을 생성하는 실시간 앙상블 가뭄전망정보 관리방법.
The method according to claim 1,
And generating a plurality of initial chapters for each of the 12 UTRCs, the initial chapters having the same number of days as the number of ensemble members based on the forecast start date are generated.
상기 다수의 초기장을 이용하여 통합모델모형을 모의하는 단계에서, 상기 다수의 초기장은 기상청에서 제공된 자료를 활용하며, 지상 및 대기의 바람장, 습윤장 또는 온도장을 포함하는 것을 특징으로 하는 실시간 앙상블 가뭄전망정보 관리방법.
6. The method of claim 5,
In the step of simulating the integrated model model using the plurality of initial fields, the plurality of initial fields utilize the data provided by the Korea Meteorological Administration and include the wind field, the wet field or the temperature field of the ground and the atmosphere. Ensemble drought forecast information management method.
상기 전지구통합모델에서 지역통합모델로 역학적 상세화 과정을 수행하는 단계에서는 전지구통합모델에서부터 동아시아 지역통합모델 및 한반도 지역통합모델로 2단계의 역학적 상세화를 거치는 실시간 앙상블 가뭄전망정보 관리방법.
The method according to claim 1,
In the step of performing the ephemeral refinement process from the global unified model to the regional unified model, a real-time ensemble drought-weather information management method through two-step epidemiological refinement from the global unified model to the East Asian regional integrated model and the Korean peninsular regional integrated model.
상기 역학적 상세화 과정을 수행하는 단계에서 전지구통합모델에서 생산된 해수면온도, 해빙온도, 바람장 및 온도장을 포함하는 지역통합모델의 경계조건 및 초기조건으로 구성되는 실시간 앙상블 가뭄전망정보 관리방법
8. The method of claim 7,
The real-time ensemble drought forecast information management method comprising the boundary condition and the initial conditions of the regional integrated model including the sea surface temperature, the sea ice temperature, the wind field and the temperature field produced in the global integrated model at the step of performing the ephemeris refinement process
상기 국내 전역의 앙상블 기상전망정보를 생산하는 단계에서는 시간지연법에 의한 다수의 초기장의 활용과 역학적 다운스케일을 통해 국내 전역의 앙상블 기상전망정보를 생산하는 실시간 앙상블 가뭄전망정보 관리방법.
The method according to claim 1,
A method for managing ensemble weather forecast information in a domestic real-time system, the method comprising the steps of: generating an ensemble weather forecast information by using a time delay method and using a mechanical downscale;
상기 수문모형의 입력정보로 기상전망정보를 변환하고 수문해석을 수행하는 단계에서는 상기 기상전망정보를 생산하는 단계에서 생산된 기상전망정보를 수문모형인 LSM의 입력정보로 변환하고 과거예측자료 자료와 예보일에서 생산된 앙상블 개수별로 수문해석을 수행하는 실시간 앙상블 가뭄전망정보 관리방법.
The method according to claim 1,
In the step of converting the weather forecast information to the input information of the hydrologic model and performing hydrograph analysis, the weather forecast information produced in the production of the weather forecast information is converted into input information of the hydrologic model LSM, A real - time ensemble drought forecast information management method for hydrological analysis by the number of ensembles produced in forecast days.
상기 기상전망정보 및 수문전망정보를 이용하여 가뭄지수를 산정하는 단계에서 상기 수문전망정보는 유출, 토양수분 및 증발산량으로 구성되고 상기 기상전망정보와 함께 가뭄지수의 입력자료로 활용되는 실시간 앙상블 가뭄전망정보 관리방법.
The method according to claim 1,
In the step of calculating the drought index using the weather forecast information and the hydrological forecast information, the hydrological forecast information is composed of the runoff, soil moisture, and evapotranspiration, and the real-time ensemble of the drought index is used as the input data of the drought index together with the weather forecast information. Information management method.
상기 가뭄지수해석모델을 이용하여 앙상블 가뭄전망정보를 생산하는 단계에서는 가뭄지수인 SPI, SRI, SSI 및 DDI을 포함하는 해석모델을 이용하여 예보기간 동안의 앙상블 가뭄전망정보를 생산하는 실시간 앙상블 가뭄전망정보 관리방법.
12. The method of claim 11,
In the step of producing the ensemble drought forecast information using the above drought index analysis model, a real-time ensemble producing the ensemble drought forecast information during the forecast period using an analysis model including SPI, SRI, SSI and DDI, Information management method.
상기 다수의 앙상블 가뭄전망정보를 평가하는 단계는
앙상블 멤버별 산정된 가뭄지수 값을 구하는 단계;
앙상블 멤버별 가뭄지수 값을 이용하여 각 가뭄지수별 심도로부터 가뭄 여부를 구분하는 단계;
다수의 앙상블 멤버가 가리키는 가뭄상태에 따라 가뭄 여부를 결정하는 단계; 및
선택된 가뭄 조건에서 해당 앙상블 멤버의 평균값을 구하는 단계;를 포함하는 실시간 앙상블 가뭄전망정보 관리방법.
3. The method of claim 2,
Wherein evaluating the plurality of ensemble drought forecast information comprises:
Obtaining an estimated drought index value for each ensemble member;
Identifying the drought condition from the depth of each drought index using the ensemble member drought index value;
Determining whether a drought is caused by a plurality of ensemble members; And
And obtaining an average value of the ensemble members in the selected drought condition.
상기 앙상블 멤버별 가뭄지수 값을 이용하여 각 가뭄지수별 심도로부터 가뭄 여부를 구분하는 단계는 다수의 앙상블 멤버가 가리키는 가뭄발생의 유무에 따라 가뭄 여부를 구분하는 실시간 앙상블 가뭄전망정보 관리방법.
14. The method of claim 13,
Wherein the step of classifying the drought status from the depth of each drought index using the ensemble member drought index value comprises the step of distinguishing whether drought is caused by the presence or absence of a drought occurrence of a plurality of ensemble members.
상기 다수의 앙상블 가뭄전망정보를 평가하는 단계는 ROC 곡선을 이용하여 앙상블 가뭄전망정보를 평가하는 실시간 앙상블 가뭄전망정보 관리방법.14. The method of claim 13,
Wherein the step of evaluating the plurality of ensemble drought prospect information comprises evaluating the ensemble drought prospect information using an ROC curve.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140005358A KR101440932B1 (en) | 2014-01-16 | 2014-01-16 | Method for management of real-time ensemble drought outlook information |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140005358A KR101440932B1 (en) | 2014-01-16 | 2014-01-16 | Method for management of real-time ensemble drought outlook information |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101440932B1 true KR101440932B1 (en) | 2014-09-25 |
Family
ID=51760289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140005358A KR101440932B1 (en) | 2014-01-16 | 2014-01-16 | Method for management of real-time ensemble drought outlook information |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101440932B1 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160057911A (en) | 2014-11-14 | 2016-05-24 | 사단법인 한국농림기상학회 | System for deducting agricultural drought index and method therefor |
| KR101718294B1 (en) * | 2016-11-29 | 2017-03-22 | 주식회사 유일기연 | Predicting system for drought |
| KR20210048955A (en) | 2019-10-24 | 2021-05-04 | 한국건설기술연구원 | Integrated management system of water reservoir in islands using realtime water self-sufficiency index (wsi) and water independency index (wii) |
| KR20210066036A (en) | 2019-11-27 | 2021-06-07 | (주)신한항업 | Plant drought monitoring method using hyperspectral sensor and soil moisture sensor |
| CN116502891A (en) * | 2023-04-28 | 2023-07-28 | 西安理工大学 | Determination method of snow-drought dynamic risk |
| KR20230175012A (en) | 2022-06-22 | 2023-12-29 | 대한민국(행정안전부 국립재난안전연구원장) | Drought damage status unstructured data sharing management system and its operation method |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090090949A (en) * | 2008-02-22 | 2009-08-26 | 재단법인서울대학교산학협력재단 | An optimal operational policy system for drought management and method for applying the same |
| KR101092380B1 (en) * | 2011-04-29 | 2011-12-13 | 공주대학교 산학협력단 | Estimating method using ensemble average based on the regional climate model performance |
-
2014
- 2014-01-16 KR KR1020140005358A patent/KR101440932B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090090949A (en) * | 2008-02-22 | 2009-08-26 | 재단법인서울대학교산학협력재단 | An optimal operational policy system for drought management and method for applying the same |
| KR101092380B1 (en) * | 2011-04-29 | 2011-12-13 | 공주대학교 산학협력단 | Estimating method using ensemble average based on the regional climate model performance |
Non-Patent Citations (2)
| Title |
|---|
| 이병주, 세종대학교 학위논문(박사), 2010 * |
| 이병주, 세종대학교 학위논문(박사), 2010* |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160057911A (en) | 2014-11-14 | 2016-05-24 | 사단법인 한국농림기상학회 | System for deducting agricultural drought index and method therefor |
| KR101651747B1 (en) * | 2014-11-14 | 2016-09-05 | 재단법인 국가농림기상센터 | System for deducting agricultural drought index and method therefor |
| KR101718294B1 (en) * | 2016-11-29 | 2017-03-22 | 주식회사 유일기연 | Predicting system for drought |
| KR20210048955A (en) | 2019-10-24 | 2021-05-04 | 한국건설기술연구원 | Integrated management system of water reservoir in islands using realtime water self-sufficiency index (wsi) and water independency index (wii) |
| KR20210066036A (en) | 2019-11-27 | 2021-06-07 | (주)신한항업 | Plant drought monitoring method using hyperspectral sensor and soil moisture sensor |
| KR20230175012A (en) | 2022-06-22 | 2023-12-29 | 대한민국(행정안전부 국립재난안전연구원장) | Drought damage status unstructured data sharing management system and its operation method |
| CN116502891A (en) * | 2023-04-28 | 2023-07-28 | 西安理工大学 | Determination method of snow-drought dynamic risk |
| CN116502891B (en) * | 2023-04-28 | 2024-03-29 | 西安理工大学 | Determination method of snow-drought dynamic risk |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101440932B1 (en) | Method for management of real-time ensemble drought outlook information | |
| Prein et al. | Global estimates of damaging hail hazard | |
| Abbasian et al. | Performance of the general circulation models in simulating temperature and precipitation over Iran | |
| Prince et al. | Detection and mapping of long-term land degradation using local net production scaling: Application to Zimbabwe | |
| Hallack-Alegria et al. | Annual and warm season drought intensity–duration–frequency analysis for Sonora, Mexico | |
| Liew et al. | How to construct future IDF curves, under changing climate, for sites with scarce rainfall records? | |
| Kyselý et al. | Comparison of regional and at‐site approaches to modelling probabilities of heavy precipitation | |
| KR101954570B1 (en) | System and method for estimating drought outlook information using meteorological forecast data | |
| KR101646587B1 (en) | Hybrid seasonal prediction of the Western North Pacific Tropical Cyclone Activity | |
| US20230185858A1 (en) | Teleconnection pattern-oriented spatial association clustering method | |
| Spassiani et al. | Application of Self-organizing Maps to classify the meteorological origin of wind gusts in Australia | |
| CN112347652B (en) | Heavy rain high risk division method based on linear moment frequency analysis of hydrological region | |
| Naylor et al. | Comparison of objective supercell identification techniques using an idealized cloud model | |
| Otache et al. | ARMA modelling of Benue River flow dynamics: comparative study of PAR model | |
| CN113917568B (en) | Rainfall forecast capacity and remote correlation effect correlation method based on certainty coefficient | |
| DeBock et al. | Reliability-based design snow loads. I: Site-specific probability models for ground snow loads | |
| Alves et al. | Reservoir management using coupled atmospheric and hydrological models: the Brazilian semi-arid case | |
| Bajamgnigni Gbambie et al. | Added value of alternative information in interpolated precipitation datasets for hydrology | |
| Broderick et al. | An analysis of the synoptic and climatological applicability of circulation type classifications for Ireland | |
| Łupikasza et al. | Climatology of Air-Mass and Frontal Extreme Precipitation | |
| Mitchell et al. | Comparison of wind speeds obtained using numerical weather prediction models and topographic exposure indices for predicting windthrow in mountainous terrain | |
| Avanzi et al. | Liquid-solid partitioning of precipitation along an altitude gradient and its statistical properties: An Italian case study | |
| CN115860487B (en) | Method for evaluating local vegetation change risk based on vegetation stability risk index | |
| Kyselý et al. | Return periods of the August 2010 heavy precipitation in northern Bohemia (Czech Republic) in the present climate and under climate change | |
| CN116776263A (en) | Data-driven-based method and system for detecting abnormal high energy consumption of block-scale building |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170829 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20180823 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20190722 Year of fee payment: 6 |