KR101486798B1 - 기후정보 편의 보정을 위한 단계적 스케일링 방법 - Google Patents

기후정보 편의 보정을 위한 단계적 스케일링 방법 Download PDF

Info

Publication number
KR101486798B1
KR101486798B1 KR20130155768A KR20130155768A KR101486798B1 KR 101486798 B1 KR101486798 B1 KR 101486798B1 KR 20130155768 A KR20130155768 A KR 20130155768A KR 20130155768 A KR20130155768 A KR 20130155768A KR 101486798 B1 KR101486798 B1 KR 101486798B1
Authority
KR
South Korea
Prior art keywords
precipitation
climate
correcting
standard deviation
bias
Prior art date
Application number
KR20130155768A
Other languages
English (en)
Inventor
배덕효
이문환
Original Assignee
세종대학교산학협력단
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 세종대학교산학협력단 filed Critical 세종대학교산학협력단
Priority to KR20130155768A priority Critical patent/KR101486798B1/ko
Application granted granted Critical
Publication of KR101486798B1 publication Critical patent/KR101486798B1/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
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Environmental & Geological Engineering (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Environmental Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Ecology (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Atmospheric Sciences (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)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법은 기후모델로부터 강수량 모의 데이터를 구하는 단계; 상기 강수량 모의 데이터를 극치호우사상, 무강수일수 및 기타 구간으로 구분하는 단계; 회귀식을 적용하여 상기 극치호우사상 구간의 편의를 보정하는 단계; 분위사상을 적용하여 상기 무강수일수 구간의 편의를 보정하는 단계; 및 상기 기타 구간의 편의를 보정하는 단계로서, 강수량의 평균 및 표준편차를 이용하여 편의를 보정하는 단계;를 포함할 수 있다. 이와 같이 구성함으로써, 기후변화에 따른 영향평가시 기후시나리오의 편의(bias)를 보정함에 있어 극치사항을 반영할 수 있을 뿐만 아니라 홍수와 가뭄에 밀접한 관련이 있는 강수량 인자들과 강수량의 평균적 모의능력을 평가함으로써 모의능력을 향상시킬 수 있다.

Description

기후정보 편의 보정을 위한 단계적 스케일링 방법{Step-wise scaling method for correcting bias of climate information}
본 발명은 기후정보 편의 보정을 위한 단계적 스케일링 방법에 관한 것으로, 보다 상세하게는 기후 모의 과정에서 발생하는 편의(偏倚)를 극치호우사상 등 실제 기후특성을 반영하여 보정할 수 있는 기후정보 편의 보정을 위한 단계적 스케일링 방법에 관한 것이다.
기후변화로 인한 홍수 및 가뭄의 정확한 영향평가를 수행하기 위해서는 신뢰성 있는 기후시나리오의 생산이 요구되지만, 기후시나리오 생산과정에서 발생하는 많은 불확실성으로 영향평가 결과의 신뢰성에 의문을 갖는 경우가 많다.
특히, 우리나라와 같이 좁고 복잡한 지형을 갖는 지역의 경우 고해상도 기후시나리오가 필요하며, 홍수는 수 시간 안에 발생하기 때문에 일단위 이하의 자료가 필요하다. 이러한 점을 고려하여 기후변화에 따른 수자원 영향을 평가할 수 있는 적절한 방법은 지역기후모델(RCM, Regional Climate Model)의 활용이다.
하지만, 지역기후모델의 구조 및 모수화 과정 등의 한계로 인하여 관측치(관측자료)와 모의치(모의자료) 사이에 편의(bias)가 발생하며, 여러 연구결과에서 지역기후모델로 생산된 결과값을 그대로 영향평가에 사용하는 것보다 통계적인 보정기법이 필요하다고 제시한 바 있다.
그러나, 제시되고 있는 기존의 통계적인 보정기법들은 각 기법의 특성상 장단점이 존재하며, 이러한 이유로 수자원 영향평가 시 평가 목적에 따라 다른 보정기법들을 사용하는데, 그에 따른 불확실성 및 모의결과의 부정확성을 초래한다는 문제가 있다.
따라서, 모의결과의 불확실성 및 부정확성을 줄일 수 있는 편의 보정 방법에 대한 요구가 점차 커지고 있는 실정이다.
한편, 한국공개특허 제2013-0080683호에서 "고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템"을 제안한 바 있지만, 예측값과 관측값의 편의 보정을 실질적으로 줄일 수 있는 방법에 대해서는 개시하고 있지 않다.
본 발명은 수자원 분야의 영향평가를 위해 기후시나리오의 편의를 보정하여 관측자료의 월 및 계절적 변동성뿐만 아니라 극치사상(extreme invent)도 잘 반영할 수 있는 기후정보 편의 보정을 위한 단계적 스케일링 방법을 제공한다.
상기한 과제를 달성하기 위한 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법은 기후모델로부터 강수량 모의 데이터를 구하는 단계; 상기 강수량 모의 데이터를 극치호우사상(extreme rainfall events), 무강수일수(Number of dry days) 및 기타 구간으로 구분하는 단계; 회귀식을 적용하여 상기 극치호우사상 구간의 편의를 보정하는 단계; 분위사상을 적용하여 상기 무강수일수 구간의 편의를 보정하는 단계; 및 상기 기타 구간의 편의를 보정하는 단계로서, 강수량의 평균 및 표준편차를 이용하여 편의를 보정하는 단계;를 포함할 수 있다.
상기와 같이 구성함으로써, 기후변화에 따른 영향평가시 기후시나리오의 편의(bias)를 보정함에 있어 극치사항을 반영할 수 있을 뿐만 아니라 홍수와 가뭄에 밀접한 관련이 있는 강수량 인자들의 모의능력을 향상시킬 수 있다.
상기 극치호우사상 구간의 편의를 보정하는 단계는, 관측치와 기후시나리오 모의치의 차이에 해당하는 잔차 및 상기 모의치의 연최대치 일강수량의 함수를 회귀식으로 산정하여 상기 모의치의 차이에 해당하는 상기 잔차 만큼 보정할 수 있다.
상기 극치호우사상 구간의 편의를 보정하는 단계는, 상기 모의치와 상기 관측치를 최소값에서부터 최대값 순으로 나열하는 단계; 나열된 순서별로 상기 관측치와 상기 모의치의 잔차를 구하는 단계; 상기 잔차의 함수를 2차 방정식 회귀식으로 산정하는 단계; 및 상기 산정된 회귀식을 이용하여 보정된 기후시나리오를 생산하는 단계;를 포함할 수 있다.
상기 잔차의 함수를 2차 방정식 회귀식으로 산정하는 단계에서 상기 2차 방정식 회귀식은 [수학식 1]로 표현되고,
[수학식 1]
Figure 112013114490995-pat00001
여기서,
Figure 112013114490995-pat00002
는 관측치와 모의치의 잔차,
Figure 112013114490995-pat00003
,
Figure 112013114490995-pat00004
,
Figure 112013114490995-pat00005
는 회귀식 상수,
Figure 112013114490995-pat00006
는 모의치이다.
상기 보정된 기후시나리오를 생산하는 단계에서는 상기 [수학식 1]을 하기 [수학식 2]
Figure 112013114490995-pat00007
에 대입하여 보정된 기후시나리오를 생산할 수 있다.
상기 극치호우사상 구간의 편의를 보정하는 단계는 상기 기후시나리오가 시계열의 일단위 기후시나리오이며, 전체 모의 기간의 강수량 중 연최대치계열의 최소값 보다 큰 강수량에 대해서 적용될 수 있다.
상기 분위사상을 적용하여 상기 무강수일수 구간의 편의를 보정하는 단계는, 기후모델의 일단위 강수량과 관측자료의 일단위 강수량을 획득하는 단계; 각각의 일단위 강수량의 확률분포 누적밀도함수를 추정하는 단계; 관측자료의 누적밀도함수로부터 강수가 발생하기 시작하는 비초과확률지점을 구하는 단계; 상기 비초과확률지점을 교정임계치로 정의하는 단계; 및 상기 교정임계치 아래의 비초과확률을 갖는 모의강수를 무강수로 가정하는 단계;를 포함할 수 있다.
상기 확률분포 누적밀도함수를 추정하는 단계에서는 [수학식 3] 및 [수학식 4]를 이용하여 누적밀도함수를 추정하고,
[수학식 3]
Figure 112013114490995-pat00008
[수학식 4]
Figure 112013114490995-pat00009
,
여기서,
Figure 112013114490995-pat00010
는 Gumbel 분포의 확률밀도함수,
Figure 112013114490995-pat00011
는 누적밀도함수,
Figure 112013114490995-pat00012
는 축척매개변수로서 0보다 큰 값을 가지며,
Figure 112013114490995-pat00013
는 최대확률이 발생하는 위치,
Figure 112013114490995-pat00014
는 표본자료이다.
상기 평균 및 표준편차를 이용하여 편의를 보정하는 단계는, 관측자료와 모의자료의 월별 강수량의 평균 및 표준편차를 얻는 단계; 평균 및 표준편차를 보정하는 계수를 결정하는 단계; 평균 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계; 및 표준편차 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계;를 포함할 수 있다.
상기 평균 및 표준편차를 보정하는 계수를 결정하는 단계에서 표준편차 보정계수는 시행착오법을 이용하여 평균 보정계수 및 표준편차 보정계수의 차이가 특정 임계치 보다 작아질 때의 값으로 결정할 수 있다.
상기 표준편차 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계에서는 결정된 표준편차 보정계수를 이용하여 산정된 월별 평균강수량의 차이를 보정하기 위해 평균 보정계수를 이용하여 월별 평균강수량의 차이를 보정할 수 있다.
상기 평균 및 표준편차를 보정하는 계수를 결정하는 단계에서 평균 보정계수와 표준편차 보정계수는 [수학식 7]의 관계가 성립하며,
[수학식 7]
Figure 112013114490995-pat00015
,
여기서, k는 각 월, i는 강우의 시계열,
Figure 112013114490995-pat00016
는 보정된 미래 기후시나리오,
Figure 112013114490995-pat00017
는 미래 기후시나리오의 원자료,
Figure 112013114490995-pat00018
는 평균 보정계수,
Figure 112013114490995-pat00019
는 표준편차 보정계수이다.
본 발명에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법은 관측자료의 월 및 계절적 변동특성 뿐만 아니라 최대강우 또는 최소강우와 같은 극치호우사상도 잘 반영하여 기후정보의 편의를 보정할 수 있다.
본 발명에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법은 홍수와 가뭄에 밀접한 관련이 있는 강수량 인자들과 강수량의 평균적 모의능력을 평가함으로써 종래 보정방법에 비해 모의능력을 개선할 수 있다.
도 1 내지 도 4는 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법 중 극치호우사상 편의보정을 설명하기 위한 데이터 그래프이다.
도 6은 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법 중 무강수일수 편의보정을 설명하기 위한 데이터 그래프이다.
도 7은 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법과 다른 방법을 비교하기 위한 데이터 그래프이다.
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.
도 1 내지 도 4는 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법을 설명하기 위한 순서도, 도 5는 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법 중 극치호우사상 편의보정을 설명하기 위한 데이터 그래프, 도 6은 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법 중 무강수일수 편의보정을 설명하기 위한 데이터 그래프, 도 7은 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법과 다른 방법을 비교하기 위한 데이터 그래프이다.
본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법은 기후변화에 따른 영향 평가시 기후시나리오의 편의를 보정할 수 있는 방법에 관한 것이다.
도 1 내지 도 4를 참조하면, 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법은 기후모델로부터 강수량 모의 데이터를 구하는 단계(1100); 상기 강수량 모의 데이터를 극치호우사상(extreme rainfall events), 무강수일수(Number of dry days) 및 기타 구간으로 구분하는 단계(1200); 회귀식을 적용하여 상기 극치호우사상 구간의 편의를 보정하는 단계(1300); 분위사상을 적용하여 상기 무강수일수 구간의 편의(偏倚)를 보정하는 단계(1400); 및 상기 기타 구간의 편의를 보정하는 단계로서, 강수량의 평균 및 표준편차를 이용하여 편의를 보정하는 단계(1500);를 포함할 수 있다.
상기와 같이 구성함으로써, 기후변화에 따른 영향평가시 기후시나리오의 편의(bias)를 보정함에 있어 극치사항을 반영할 수 있을 뿐만 아니라 홍수와 가뭄에 밀접한 관련이 있는 강수량 인자들의 모의능력을 향상시킬 수 있다.
기후모델로부터 강수량 모의 데이터를 구하는 단계(1100)는 지역기후모델(RCM) 또는 전지구기후모델(GCM; Global Climate Model)로부터 일별 강수량 모의자료를 수집할 수 있다. 이하에서는 이해를 돕기 위해 기후시나리오로 지역기후모델을 사용한 경우로 예시하여 설명한다. 본 발명의 일 실시예에 따른 단계적 스케일링 방법은 고해상도를 가지는 기후모델의 모의치 편의를 보정하는데 적합하다.
상기 강수량 모의 데이터를 극치호우사상, 무강수일수 및 기타 구간으로 구분하는 단계(1200)에서는 강수량 구간을 총 3구간 즉, 극치호우사상 구간, 무강수일수 구간 및 기타 나머지 구간으로 나누고, 각 구간에 따라 각기 다른 방법을 적용하여 보정하는 기법으로서, 극치호우사상은 회귀식을 이용한 보정기법, 무강수일수는 분위사상법(Quantile Mapping Method), 나머지 구간은 평균 및 분산보정 기법을 적용한다.
본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법에서 회귀식을 적용하여 상기 극치호우사상 구간의 편의를 보정하는 단계(1300), 분위사상을 적용하여 상기 무강수일수 구간의 편의를 보정하는 단계(1400), 강수량의 평균 및 표준편차를 이용하여 편의를 보정하는 단계(1500)가 반드시 차례로 수행되어야 하는 것은 아니다. 극치호우사상 편의보정 단계가 무강수일수 편의보정 단계 보다 먼저 수행되고 마지막에 평균 및 표준편차를 이용한 편의보정 단계가 수행될 수도 있다. 또한, 극치호우사상 편의보정과 무강수일수 편의보정이 각각 독립적으로 수행된 후 마지막에 평균 및 표준편차를 이용한 편의보정 단계가 수행될 수 있다. 여기서, 어느 경우에든 평균 및 표준편차를 이용한 편의보정 단계가 마지막에 수행되어야 한다.
기후모형 또는 기후시나리오에서 생산된 극치호우사상(즉, 연최대치 강수 또는 연최소치 강수 모의치)을 추출하여 관측치(관측자료)와 비교하면, 도 5(a)와 같이 과소 추정되는 경향이 있다. 즉, 실제 관측된 강수량 보다 기후모형에 의한 모의 강수량이 더 적게 나오는 경향이 있다. 도 5(a)에서 가로축은 일최대강수량 관측치이고 세로축은 일최대강수량 모의치이며, 실선이 관측치 데이터이고 다수의 검은색 점들이 모의치 데이터이다.
본 발명의 일 실시예에 따른 단계적 스케일링 방법은 모의치가 과소추정되는 것을 보정하기 위해서 회귀식을 이용하여 극치호우사상 편의를 보정할 수 있다.
본 발명의 일 실시예에 따른 단계적 스케일링 방법 중 상기 극치호우사상 구간의 편의를 보정하는 단계(1310)는, 관측치와 기후시나리오 모의치의 차이에 해당하는 잔차 및 상기 모의치의 연최대치 일강수량의 함수를 회귀식으로 산정하여 상기 모의치의 크기에 따른 상기 잔차 만큼 보정할 수 있다. 여기서, 잔차(residual)은 관측치에서 모의치를 뺀 값이다.
상기 극치호우사상 구간의 편의를 보정하는 단계(1300)는, 상기 모의치와 상기 관측치를 최소값에서부터 최대값 순으로 나열하는 단계(1310); 나열된 순서별로 상기 관측치와 상기 모의치의 잔차를 구하는 단계(1320); 상기 잔차의 함수를 2차 방정식 회귀식으로 산정하는 단계(1330); 및 상기 산정된 회귀식을 이용하여 보정된 기후시나리오를 생산하는 단계(1340);를 포함할 수 있다.
상기 모의치와 상기 관측치를 최소값에서부터 최대값 순으로 나열하는 단계(1310)에서는 기후모델 즉, 지역기후모델에서 얻은 강수량 모의치를 최소 강수량에서부터 최대 강수량 순으로 나열하고, 실제 측정한 강수량 관측치도 최소 강수량에서부터 최대 강수량 순으로 나열한다.
이렇게 최소값에서부터 최대값 순으로 나열한 후에, 나열된 순서별로 관측치와 모의치의 잔차를 구한다(1320). 즉, 나열된 순서별로 최소값에서부터 최대값 순으로 관측치에서 모의치를 빼서 잔차를 구한다.
순서별로 잔차를 구한 후에는 잔차의 함수를 2차 방정식 회귀식으로 산정한다(1330). 상기 잔차의 함수를 2차 방정식 회귀식으로 산정하는 단계(1330)에서 상기 2차 방정식 회귀식은 다음의 [수학식 1]로 표현될 수 있다.
[수학식 1]
Figure 112013114490995-pat00020
여기서,
Figure 112013114490995-pat00021
는 관측치와 모의치의 잔차,
Figure 112013114490995-pat00022
,
Figure 112013114490995-pat00023
,
Figure 112013114490995-pat00024
는 회귀식 상수,
Figure 112013114490995-pat00025
는 모의치이다.
상기 [수학식 1]로 표현된 2차 방정식 회귀식에 따른 데이터가 도 5(b)에 도시되어 있다. 도 5(b)를 참조하면, 도 5(a)의 모의치 데이터들이 2차 방정석 회귀식으로 표현 가능한 형태로 표현되어 있음을 알 수 있다.
상기 보정된 기후시나리오를 생산하는 단계(1340)에서는 상기 [수학식 1]을 하기 [수학식 2] 에 대입하여 보정된 기후시나리오를 생산할 수 있다.
[수학식 2]
Figure 112013114490995-pat00026
[수학식 2]에서
Figure 112013114490995-pat00027
가 보정된 기후시나리오이며, 극치호우사상을 반영하여 보정된 결과를 나타낸다. 한편, 극치호우사상을 고려하여 보정된 기후시나리오 데이터가 도 5(c)에 도시되어 있다. 도 5(c)에서 원형모양의 데이터는 관측치를 나타내고 사각모양의 데이터는 모의치를 나타내며, 삼각모양의 데이터는 본 발명에 따른 극치호우사상 편의 보정 결과를 나타낸다.
도 5(c)에 나타난 바와 같이, 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법은 극치호우사상 편의 보정기법을 적용함으로써 실제 관측치와의 차이가 거의 없는 모의치를 얻을 수 있을 뿐만 아니라, 모의치가 관측치 보다 과소 추정되는 경향도 없앨 수 있다.
상기 극치호우사상 구간의 편의를 보정하는 단계(1300)는 상기 기후시나리오가 시계열의 일단위 기후시나리오이며, 전체 모의 기간의 강수량 중 연최대치계열의 최소값 보다 큰 강수량에 대해서 적용될 수 있다. 즉, 시계열의 일단위 기후시나리오를 보정할 경우 전체기간의 강수량 중 연최대치계열의 최소값 보다 큰 강수량에 대해서는 극치호우사상 편의 보정을 적용시키는 것이 바람직하다.
한편, 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법 중 분위사상을 적용하여 상기 무강수일수 구간의 편의를 보정하는 단계(1400)는, 기후모델의 일단위 강수량과 관측자료의 일단위 강수량을 획득하는 단계(1410); 각각의 일단위 강수량의 확률분포 누적밀도함수를 추정하는 단계(1420); 관측자료의 누적밀도함수로부터 강수가 발생하기 시작하는 비초과확률지점을 구하는 단계(1430); 상기 비초과확률지점을 교정임계치로 정의하는 단계(1440); 및 상기 교정임계치 아래의 비초과확률을 갖는 모의강수를 무강수로 가정하는 단계(1450);를 포함할 수 있다.
무강수일수 구간에 대한 보정방법은 분위사상법(Quantile Mapping Method)을 이용하며, 이는 관측된 강수량과 모의된 강수량이 발생하는 비초과확률을 동일하게 적용시키는 방법이다.
기후시나리오 또는 기후모델 일단위 강수량과 관측자료의 일단위 강수량을 이용하여 확률분포의 누적밀도함수(CDF; Cumulative Density Function)를 추정하면 도 6과 같이 기후시나리오 모의 강수량은 관측 강수량에 비해 작은 강수량이 과다하게 발생하는 것이 일반적이다. 이는 일반적으로 전지구기후모델(GCM) 및 지역기후모델(RCM)과 같은 기후시나리오는 육지에 떨어지는 강수량을 모의하는 모형이 아니라 대기에서의 강수 발생량을 추정하기 때문이다.
도 6에서 가로축은 일 강수량, 세로축은 비초과확률(Nonexceedance Probability)을 나타낸다. 그래프 데이터 중 삼각모양 데이터는 기후시나리오의 모의치, 사각모양 데이터는 관측치를 나타낸다. 기후모델의 일단위 강수량과 관측자료의 일단위 강수량을 획득하는 단계(1410)에서는 기후시나리오의 강수량 모의치 및 강수량 관측치를 획득하여 도 6과 같이 그래프로 표현한다.
상기 확률분포 누적밀도함수를 추정하는 단계(142)에서는 [수학식 3] 및 [수학식 4]를 이용하여 누적밀도함수를 추정할 수 있다.
[수학식 3]
Figure 112013114490995-pat00028
[수학식 4]
Figure 112013114490995-pat00029
[수학식 3] 및 [수학식 4]에서,
Figure 112013114490995-pat00030
는 Gumbel 분포의 확률밀도함수,
Figure 112013114490995-pat00031
는 누적밀도함수,
Figure 112013114490995-pat00032
는 축척매개변수로서 0보다 큰 값을 가지며,
Figure 112013114490995-pat00033
는 최대확률이 발생하는 위치,
Figure 112013114490995-pat00034
는 표본자료이다.
한편, 상기에서 확률분포형은 Gumbel 분포를 사용하고, 매개변수 추정방법은 모멘트법을 이용하는 것이 바람직하다. 모멘트법을 이용하면 다음 [수학식 4-1] 및 [수학식 4-2]와 같이 매개변수 산정이 가능하다.
[수학식 5]
Figure 112013114490995-pat00035
[수학식 6]
Figure 112013114490995-pat00036
상기 [수학식 5] 및 [수학식 6]에서
Figure 112013114490995-pat00037
와 s는 각각 표본자료
Figure 112013114490995-pat00038
의 평균값과 표준편차이다.
관측자료의 누적밀도함수에서 강수가 발생하기 시작하는 비초과확률지점(1430)을 교정 임계치(calibrated threshold)라고 정의한다(1440). 도 6을 참조하면, 관측자료의 누적밀도함수에서 강수가 발생하기 시작하는 비초과확률지점은 세로축의 값이 0.25와 0.5의 사이인 지점이 되며, 이 값이 교정 임계치가 된다.
상기 교정임계치 아래의 비초과확률을 갖는 모의강수를 무강수로 가정하는 단계(1450)에서는, 도 6에서 도시된 기후시나리오 모의치 중에서 교정 임계치 아래의 강수를 무강수로 가정한다. 이와 같이, 본 발명의 일 실시예에 따른 단계적 스케일링 방법은 무강수일수 편의보정을 통해 관측된 강수량과 모의된 강수량이 발생하는 비초과확률을 동일하게 적용시킴으로써, 기후시나리오 모의 강수량이 관측 강수량에 작은 강수량이 과다하게 발생하는 편의를 보정할 수 있다.
마지막으로, 상기 평균 및 표준편차를 이용하여 편의를 보정하는 단계(1500)는, 관측자료와 모의자료의 월별 강수량의 평균 및 표준편차를 얻는 단계(1510); 평균 및 표준편차를 보정하는 계수를 결정하는 단계(1520); 평균 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계(1530); 및 표준편차 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계(1540);를 포함할 수 있다.
본 발명의 일 실시예에 따른 단계적 스케일링 방법 중 평균 및 표준편차를 이용하여 편의를 보정하는 단계(1500)는 관측자료와 기후 모의자료의 월별 평균 및 표준편차를 이용하여 보정하는 방법이다. 평균 및 표준편차를 이용한 편의 보정 단계(1500)는 극치호우사상 구간 및 무강수일수 구간이 아닌 모의치 구간에 대해서 적용한다.
평균 및 표준편차를 이용하여 편의를 보정하는 단계(1500)는 평균 보정계수(
Figure 112013114490995-pat00039
) 및 표준편차 보정계수(
Figure 112013114490995-pat00040
)를 이용하여 편의를 보정할 수 있다.
상기 평균 및 표준편차를 보정하는 계수를 결정하는 단계(1520)에서 평균 보정계수와 표준편차 보정계수는 [수학식 7]의 관계가 성립한다.
[수학식 7]
Figure 112013114490995-pat00041
여기서, k는 각 월, i는 강우의 시계열,
Figure 112013114490995-pat00042
는 보정된 미래 기후시나리오,
Figure 112013114490995-pat00043
는 미래 기후시나리오의 원자료,
Figure 112013114490995-pat00044
는 평균 보정계수,
Figure 112013114490995-pat00045
는 표준편차 보정계수이다.
상기 평균 및 표준편차를 보정하는 계수를 결정하는 단계(1520)에서 표준편차 보정계수(
Figure 112013114490995-pat00046
)는 시행착오법(trial and error)을 이용하여 평균 보정계수(
Figure 112013114490995-pat00047
)와 표준편차 보정계수(
Figure 112013114490995-pat00048
)의 차이가 특정 임계치 보다 작아질 때의 값으로 결정할 수 있다.
상기 표준편차 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계(1540)에서는 결정된 표준편차 보정계수(
Figure 112013114490995-pat00049
)를 이용하여 산정된 월별 평균강수량의 차이를 보정하기 위해 평균 보정계수(
Figure 112013114490995-pat00050
)를 이용하여 월별 평균강수량의 차이를 보정할 수 있다.
여기서, 상기 표준편차 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계(1540)에서는 [수학식 8] 및 [수학식 9]를 이용하여 월별 평균강수량의 차이를 보정할 수 있다.
[수학식 8]
Figure 112013114490995-pat00051
[수학식 9]
Figure 112013114490995-pat00052
[수학식 8] 및 [수학식 9]에서
Figure 112013114490995-pat00053
는 관측 강수량,
Figure 112013114490995-pat00054
는 기준기간의 기후시나리오를 의미한다.
한편, 도 7은 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법의 신뢰성 평가를 위해, 관측 강수량(도 7의 십자표시 및 Observation 참조), 기후시나리오 원자료(도 7의 정삼각모양표시 및 Original RCM data 참조), 그리고, 종래의 통계기법 즉, 선형보정(도 7의 삼각모양표시 및 Linear scaling 참조), 일기상발생기(도 7의 사각모양표시 및 Weather Generator 참조), 분위사상법(도 7의 별표모양표시 및 Quantile mapping 참조)과 본 발명에 따른 단계적 스케일링 방법으로 보정된 기후시나리오에 대해 연최대치 일강수량을 추출하여 비교한 데이터 그래프로서, 추출된 일강수량을 이용하여 서울, 인천, 대구, 목포 관측소의 보정결과를 비교한 것이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법에 의한 편의 보정 결과가 가장 관측 자료와 유사함을 알 수 있다.
한편, 연/월 평균강수량을 평가한 결과, 기후시나리오 원자료에서 발생했던 연평균 +180mm 정도의 편의가 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법의 경우에는 -18mm 정도로 나타나, 편의가 90% 정도 줄어드는 것을 확인하였다. 또한, 월별 패턴의 경우도 과대추정된 봄철 강수량과 과소추정된 여름철 강수량 보정에 있어 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법의 보정결과가 우수함을 확인하였다.
상기한 바와 같이, 본 발명의 일 실시예에 따른 기후정보 편의 보정을 위한 단계적 스케일링 방법은 기후시나리오 모형으로 모의된 강수량 구간을 극치호우사상, 무강수일수 및 기타(평균 및 표준편차 편의보정)로 나누고 각 구간에 따라 각각 다른 방법을 적용하여 편의를 보정함으로써, 종래의 편의 보정 방법 보다 신뢰성이 높고 관측자료와의 차이가 거의 없는 모의치를 얻을 수 있다.
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.

Claims (12)

  1. 기후모델로부터 강수량 모의 데이터를 구하는 단계;
    상기 강수량 모의 데이터를 극치호우사상 구간, 무강수일수 구간 및 상기 극치호우사상 구간과 무강수일수 구간을 제외한 나머지 구간으로 구분하는 단계;
    회귀식을 적용하여 상기 극치호우사상 구간의 편의를 보정하는 단계;
    분위사상을 적용하여 상기 무강수일수 구간의 편의를 보정하는 단계; 및
    상기 나머지 구간의 편의를 보정하는 단계로서, 강수량의 평균 및 표준편차를 이용하여 편의를 보정하는 단계;를 포함하며,
    상기 강수량의 평균 및 표준편차를 이용하여 편의를 보정하는 단계는,
    관측자료와 모의자료의 월별 강수량의 평균 및 표준편차를 얻는 단계;
    평균 및 표준편차를 보정하는 계수를 결정하는 단계;
    평균 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계; 및
    표준편차 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계;를 포함하는 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  2. 제1항에 있어서,
    상기 극치호우사상 구간의 편의를 보정하는 단계는,
    관측치와 기후시나리오 모의치의 차이에 해당하는 잔차 및 상기 모의치의 연최대치 일강수량의 함수를 회귀식으로 산정하여 상기 모의치의 차이에 해당하는 상기 잔차 만큼 보정하는 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  3. 제2항에 있어서,
    상기 극치호우사상 구간의 편의를 보정하는 단계는,
    상기 모의치와 상기 관측치를 최소값에서부터 최대값 순으로 나열하는 단계;
    나열된 순서별로 상기 관측치와 상기 모의치의 잔차를 구하는 단계;
    상기 잔차의 함수를 2차 방정식 회귀식으로 산정하는 단계; 및
    상기 산정된 회귀식을 이용하여 보정된 기후시나리오를 생산하는 단계;를 포함하는 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  4. 제3항에 있어서,
    상기 잔차의 함수를 2차 방정식 회귀식으로 산정하는 단계에서 상기 2차 방정식 회귀식은 [수학식 1]로 표현되고,
    [수학식 1]
    Figure 112014125651302-pat00055
    ,
    여기서,
    Figure 112014125651302-pat00056
    는 관측치와 모의치의 잔차,
    Figure 112014125651302-pat00057
    ,
    Figure 112014125651302-pat00058
    ,
    Figure 112014125651302-pat00059
    는 회귀식 상수,
    Figure 112014125651302-pat00060
    는 모의치인 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  5. 제4항에 있어서,
    상기 보정된 기후시나리오를 생산하는 단계에서는 상기 [수학식 1]을 하기 [수학식 2]
    Figure 112014125651302-pat00061
    에 대입하여 보정된 기후시나리오를 생산하는 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  6. 제3항에 있어서,
    상기 극치호우사상 구간의 편의를 보정하는 단계는 상기 기후시나리오가 시계열의 일단위 기후시나리오이며, 전체 모의 기간의 강수량 중 연최대치계열의 최소값 보다 큰 강수량에 대해서 적용되는 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  7. 제3항에 있어서,
    상기 분위사상을 적용하여 상기 무강수일수 구간의 편의를 보정하는 단계는,
    기후모델의 일단위 강수량과 관측자료의 일단위 강수량을 획득하는 단계;
    각각의 일단위 강수량의 확률분포 누적밀도함수를 추정하는 단계;
    관측자료의 누적밀도함수로부터 강수가 발생하기 시작하는 비초과확률지점을 구하는 단계;
    상기 비초과확률지점을 교정임계치로 정의하는 단계; 및
    상기 교정임계치 아래의 비초과확률을 갖는 모의강수를 무강수로 가정하는 단계;
    를 포함하는 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  8. 제7항에 있어서,
    상기 확률분포 누적밀도함수를 추정하는 단계에서는 [수학식 3] 및 [수학식 4]를 이용하여 누적밀도함수를 추정하고,
    [수학식 3]
    Figure 112014125651302-pat00062
    ,
    [수학식 4]
    Figure 112014125651302-pat00063
    ,
    여기서,
    Figure 112014125651302-pat00064
    는 Gumbel 분포의 확률밀도함수,
    Figure 112014125651302-pat00065
    는 누적밀도함수,
    Figure 112014125651302-pat00066
    는 축척매개변수로서 0보다 큰 값을 가지며,
    Figure 112014125651302-pat00067
    는 최대확률이 발생하는 위치,
    Figure 112014125651302-pat00068
    는 표본자료인 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  9. 삭제
  10. 제1항에 있어서,
    상기 평균 및 표준편차를 보정하는 계수를 결정하는 단계에서 표준편차 보정계수는 시행착오법을 이용하여 평균 보정계수 및 표준편차 보정계수의 차이가 특정 임계치 보다 작아질 때의 값으로 결정하는 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  11. 제1항에 있어서,
    상기 표준편차 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 단계에서는 결정된 표준편차 보정계수를 이용하여 산정된 월별 평균강수량의 차이를 보정하기 위해 평균 보정계수를 이용하여 월별 평균강수량의 차이를 보정하는 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
  12. 제1항에 있어서,
    상기 평균 및 표준편차를 보정하는 계수를 결정하는 단계에서 평균 보정계수와 표준편차 보정계수는 [수학식 7]의 관계가 성립하며,
    [수학식 7]
    Figure 112014125651302-pat00069
    ,
    여기서, k는 각 월, i는 강우의 시계열,
    Figure 112014125651302-pat00070
    는 보정된 미래 기후시나리오,
    Figure 112014125651302-pat00071
    는 미래 기후시나리오의 원자료,
    Figure 112014125651302-pat00072
    는 평균 보정계수,
    Figure 112014125651302-pat00073
    는 표준편차 보정계수인 것을 특징으로 하는 컴퓨터가 수행하는 기후정보 편의 보정을 위한 단계적 스케일링 방법.
KR20130155768A 2013-12-13 2013-12-13 기후정보 편의 보정을 위한 단계적 스케일링 방법 KR101486798B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20130155768A KR101486798B1 (ko) 2013-12-13 2013-12-13 기후정보 편의 보정을 위한 단계적 스케일링 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20130155768A KR101486798B1 (ko) 2013-12-13 2013-12-13 기후정보 편의 보정을 위한 단계적 스케일링 방법

Publications (1)

Publication Number Publication Date
KR101486798B1 true KR101486798B1 (ko) 2015-02-04

Family

ID=52589878

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130155768A KR101486798B1 (ko) 2013-12-13 2013-12-13 기후정보 편의 보정을 위한 단계적 스케일링 방법

Country Status (1)

Country Link
KR (1) KR101486798B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101625660B1 (ko) 2015-11-20 2016-05-31 한국지질자원연구원 지구통계기법에서의 관측자료를 이용한 2차자료 생성 방법
KR20220048204A (ko) * 2020-10-12 2022-04-19 고려대학교 산학협력단 강우 예측 시스템에 의한 예측 강우의 편의 보정 방법
CN115510393A (zh) * 2022-09-13 2022-12-23 中国长江电力股份有限公司 基于分布函数优选的极端降雨重现期分析方法
CN117522012A (zh) * 2023-11-02 2024-02-06 长江水利委员会水文局 一种基于季节周期特性的径流场景生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
2012_논문 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101625660B1 (ko) 2015-11-20 2016-05-31 한국지질자원연구원 지구통계기법에서의 관측자료를 이용한 2차자료 생성 방법
KR20220048204A (ko) * 2020-10-12 2022-04-19 고려대학교 산학협력단 강우 예측 시스템에 의한 예측 강우의 편의 보정 방법
KR102514204B1 (ko) 2020-10-12 2023-03-24 고려대학교 산학협력단 강우 예측 시스템에 의한 예측 강우의 편의 보정 방법
CN115510393A (zh) * 2022-09-13 2022-12-23 中国长江电力股份有限公司 基于分布函数优选的极端降雨重现期分析方法
CN117522012A (zh) * 2023-11-02 2024-02-06 长江水利委员会水文局 一种基于季节周期特性的径流场景生成方法

Similar Documents

Publication Publication Date Title
CN111078678B (zh) 一种基于多源信息融合与降尺度的卫星降水数据校正方法
Kamiguchi et al. Development of APHRO_JP, the first Japanese high-resolution daily precipitation product for more than 100 years
Frost et al. A comparison of multi-site daily rainfall downscaling techniques under Australian conditions
Bennett et al. A System for Continuous Hydrological Ensemble Forecasting (SCHEF) to lead times of 9 days
Hunter et al. Development and application of a North American Great Lakes hydrometeorological database—Part I: Precipitation, evaporation, runoff, and air temperature
Castro et al. Spatial estimation of daily precipitation in regions with complex relief and scarce data using terrain orientation
Beesley et al. A comparison of the BAWAP and SILO spatially interpolated daily rainfall datasets
CN107563554B (zh) 一种统计降尺度模型预报因子的筛选方法
KR101092380B1 (ko) 지역기후모델의 모의결과를 고려한 지역기후 앙상블 예측 방법
KR101486798B1 (ko) 기후정보 편의 보정을 위한 단계적 스케일링 방법
JP2008184838A (ja) ダム流入量予測装置、ダム流入量予測方法、およびダム流入量予測プログラム
Ng et al. Uncertainty analysis of rainfall depth duration frequency curves using the bootstrap resampling technique
Van den Berg et al. Copula-based downscaling of spatial rainfall: a proof of concept
CN113704693A (zh) 一种高精度的有效波高数据估计方法
Nogherotto et al. An integrated hydrological and hydraulic modelling approach for the flood risk assessment over Po river basin
Photiadou et al. Evaluation of two precipitation data sets for the Rhine River using streamflow simulations
Samuel et al. Development and evaluation of a hydrologic data-assimilation scheme for short-range flow and inflow forecasts in a data-sparse high-latitude region using a distributed model and ensemble Kalman filtering
KR20140111822A (ko) 비정상성 분위 사상을 적용한 전지구 기후모델의 오차보정방법
KR101409316B1 (ko) 다중모델 확률예측 시스템 및 방법
Amodei et al. Deterministic and fuzzy verification methods for a hierarchy of numerical models
Diomede et al. Calibration of limited-area ensemble precipitation forecasts for hydrological predictions
Wijemannage et al. Comparison of spatial interpolation methods for rainfall data over Sri Lanka
Hema et al. Reconstructing missing hourly real-time precipitation data using a novel intermittent sliding window period technique for automatic weather station data
KR101335209B1 (ko) 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법
Zhou et al. Daily rainfall model to merge TRMM and ground based observations for rainfall estimations

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: 20171220

Year of fee payment: 4