KR101784441B1 - Method for estimating natural drought index by computer - Google Patents
Method for estimating natural drought index by computer Download PDFInfo
- Publication number
- KR101784441B1 KR101784441B1 KR1020160052085A KR20160052085A KR101784441B1 KR 101784441 B1 KR101784441 B1 KR 101784441B1 KR 1020160052085 A KR1020160052085 A KR 1020160052085A KR 20160052085 A KR20160052085 A KR 20160052085A KR 101784441 B1 KR101784441 B1 KR 101784441B1
- Authority
- KR
- South Korea
- Prior art keywords
- drought
- natural
- principal component
- natural drought
- index
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000002689 soil Substances 0.000 claims abstract description 24
- 238000000513 principal component analysis Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000001556 precipitation Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012731 temporal analysis Methods 0.000 claims description 5
- 238000000700 time series analysis Methods 0.000 claims description 5
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 239000002075 main ingredient Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 239000002023 wood Substances 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
- G01W1/10—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
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Algebra (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 일 실시예에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법은, 강수량, 토양수분량 및 유출량을 포함하는 자연가뭄변수의 상관관계를 분석하는 단계; 주성분 분석을 이용하여 상기 자연가뭄변수를 결합하는 단계; 및 경험적 누가확률값을 이용하여 자연가뭄지수를 산정하는 단계;를 포함하며, 상기 자연가뭄지수는 자연상태의 기상학적 가뭄상황, 수문학적 가뭄상황 및 농업적 가뭄상황을 종합적으로 반영할 수 있다. 본 발명에 따른 자연가뭄지수는 가뭄의 시작과 끝을 정확하게 재현하여 가뭄감시 및 대응에 유용하게 사용될 수 있고, 가뭄의 발생간격 및 지속기간을 적절하게 재현하여 가뭄대응을 위한 장기적인 대책수립에 활용될 수 있다.The method of calculating a natural drought index performed by a computer according to an embodiment of the present invention includes analyzing a correlation between natural drought parameters including rainfall, soil moisture, and runoff; Combining the natural drought parameters using principal component analysis; And estimating a natural drought index using the empirical whoi probability value. The natural drought index can comprehensively reflect a meteorological drought condition, a hydrological drought condition and an agricultural drought condition in a natural state. The natural drought index according to the present invention accurately reproduces the beginning and end of a drought, and can be used for monitoring and responding to drought. It can be used for establishing long-term countermeasures against drought by adequately reproducing the interval and duration of drought .
Description
본 발명은 컴퓨터가 수행하는 자연가뭄지수 산정 방법에 관한 것으로, 보다 상세하게는 인위적 수공시설물을 고려하지 않고 자연적 상태의 가뭄을 종합적으로 반영할 수 있는 컴퓨터가 수행하는 자연가뭄지수 산정 방법에 관한 것이다.The present invention relates to a method for calculating a natural drought index performed by a computer, and more particularly, to a method for estimating a natural drought index performed by a computer that can comprehensively reflect a natural state drought without considering an artificial water facility .
최근 전 세계적으로 이상기후가 발생하고 있으며, 국내에서도 과거에 경험하지 못했던 자연재해가 빈번하게 발생하고 있는 추세이다. 특히, 가뭄은 홍수와 더불어 그 피해가 가장 큰 자연재해 중 하나이며, 장주기적이고 광역적으로 발생함에 따라 구체적인 발생시기, 장소, 원인을 파악하는 것이 어려운 자연재해이다. 따라서 가뭄을 해석하기 위해 다양한 가뭄지수가 개발되었으며 각 분야별 목적에 맞게 활용되어 왔다. 그러나 기존의 가뭄지수에는 한계점이 있다.In recent years, abnormal weather has been occurring all over the world, and natural disasters, which have not been experienced in the past, are occurring frequently in Korea. In particular, drought is one of the greatest natural disasters in the world along with floods. It is a natural disaster that it is difficult to identify the exact timing, place, and cause of occurrence, as it occurs over a long period of time. Therefore, a variety of drought indices have been developed to interpret the drought and have been used for various purposes. However, there is a limit to the existing drought index.
첫째, 가뭄과 물부족에 대한 혼동으로 인한 가뭄지수와 물부족지수의 혼용이다. 현재 많은 수의 가뭄지수가 자연적 변수와 인위적 변수를 결합하여 산정되고 있다. 하지만 가뭄은 강수량의 부족으로 발생하는 일시적인 물순환의 불균형 현상으로 자연현상이고 물부족은 용수의 수요와 공급과 같은 인위적인 영향이 고려된 현상이기 때문에 가뭄은 물부족과 다르며, 물의 이용 측면에서 볼 때 몇 가지로 구분할 수 있다. 지난 3개월의 강수량이 예년의 30∼40% 이하 내리는 상황을 기상학적 가뭄이라 하며(Bae et al., 2013), 이는 산간계곡수 부족, 미급수 지역의 물부족을 야기한다. 또한, 자연상태의 토양수분량의 부족에 따른 농업적 가뭄, 자연유량의 부족에 따른 수문학적에 가뭄에 영향을 미친다. 그러나 지난 몇 달의 강수량이 부족할지라도 영농이 가능하도록 농업용 저수지에서 물이 공급 가능하면 농업적 물부족은 없을 것이고, 생활용수나 공업용수를 공급할 수 있도록 전국 다목적댐에 충분한 수량을 보유하고 있다면 수문학적 물부족은 없을 것이다. 따라서, 가뭄지수는 자연적인 변수를 이용하여 산정해야 하고 이를 기반으로 인위적 영향을 추가하여 물부족 지수를 산정하는 것이 타당하다. 또한, 물부족을 평가하기 위해서는 자연적 영향을 나타내는 가뭄에 대한 평가가 선행되어야 하며, 이를 기반으로 인위적 영향을 고려하는 것이 타당하다.First, it is a mixture of drought index and water shortage index caused by confusion about drought and water shortage. At present, a large number of drought indices are estimated by combining natural and anthropogenic variables. However, drought is a natural phenomenon due to a temporary lack of water circulation caused by a lack of precipitation, and water shortage is a phenomenon in which artificial influences such as demand and supply of water are considered, so drought differs from water shortage. It can be divided into several. A situation in which precipitation in the last three months falls below 30-40% of the previous year is called meteorological drought (Bae et al., 2013), resulting in insufficient mountain valleys and water shortages in the untreated areas. It also affects hydrological droughts due to lack of natural drought and agricultural flow due to lack of natural soil moisture. However, even if the precipitation in the last few months is insufficient, if there is water available in the agricultural reservoir to enable farming, there will be no agricultural water shortage. If there is enough water in the national multipurpose dam to supply domestic water or industrial water, There will be no. Therefore, the drought index should be estimated using natural parameters, and it is reasonable to estimate the water shortage index by adding an artificial influence based on this. In addition, in order to evaluate the water shortage, it is necessary to consider an anthropogenic impact on the basis of the evaluation of the natural impact drought.
둘째, 가뭄은 해석관점에 따라 크게 기상학적, 수문학적, 농업적 가뭄으로 분류할 수 있으며, 각 관점을 대표하는 가뭄지수를 활용하여 각 분야별 목적에 맞게 가뭄의 정도를 정량적 지표로 활용해 왔다. 국내 가뭄해석에 주로 활용되는 가뭄지수로는 Palmer (1965)의 PDSI (Palmer Drought Severity Index), Mckee et al. (1993)의 SPI (Standardized Precipitation Index), Shukla and Wood (2008)의 SRI (Standardized Runoff Index), Son et al. (2011)의 SSI (Standardized Soil moisture Index) 등이 있다. 하지만, 이러한 기존의 가뭄지수들은 가뭄의 분류에 따라 단일 관점의 가뭄상황을 해석해 왔고, 기존 가뭄지수는 종합적인 가뭄해석에 한계가 있다.Secondly, drought can be classified into meteorological, hydrological and agricultural drought depending on the interpretation perspective. The drought index representing each aspect has been used as a quantitative index for the purpose of each field. The drought indices used in the analysis of domestic drought include Palmer Drought Severity Index (PDSI) of Palmer (1965), Mckee et al. (1993) SPI (Standardized Precipitation Index), Shukla and Wood (2008) SRI (Standardized Runoff Index), Son et al. (SSI) (Standardized Soil Moisture Index). However, these existing drought indices have been interpreted from a single point of view according to the classification of drought, and the existing drought index has limitations in the comprehensive drought interpretation.
따라서, 다변량을 고려한 자연상태의 물순환을 반영할 수 있고, 세 가지 관점의 가뭄을 종합적으로 반영할 수 있는 가뭄지수개발이 요구된다.Therefore, it is necessary to develop a drought index that can reflect the water circulation in natural state considering multivariate and can reflect drought in three aspects comprehensively.
본 출원인은, 상기와 같이 문제를 해결하기 위해서 강수량, 자연유출량 및 토양수분량을 결합하여 자연적 가뭄을 종합적으로 반영할 수 있는 자연가뭄지수 산정 방법을 제안하게 되었으며, 종래기술과 관련된 참고문헌으로는 한국등록특허 제10-0923402호의 '가뭄관리를 위한 최적의 운영률 시스템 및 이를 적용하는 방법'이 있다.The present applicant has proposed a method of calculating a natural drought index capable of collectively reflecting natural drought by combining rainfall amount, natural discharge amount and soil moisture amount to solve the above problems. The 'optimal operating rate system for drought management and its application method' of the registered patent No. 10-0923402 is available.
본 발명은 상기와 같은 문제점을 해결하기 위하여 제안된 것으로, 가뭄의 정량적인 해석을 위해 강수량, 자연유출량 및 토양수분량을 결합하여 자연적 가뭄을 종합적으로 반영할 수 있는 컴퓨터가 수행하는 자연가뭄지수 산정 방법을 제공한다.The present invention has been proposed in order to solve the above problems, and it is an object of the present invention to provide a computer-implemented natural drought index calculation method capable of collectively reflecting natural drought by combining rainfall amount, natural runoff amount and soil moisture amount for quantitative analysis of drought .
상기한 바와 같은 과제를 달성하기 위한 본 발명의 일 실시예에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법은, 강수량, 토양수분량 및 유출량을 포함하는 자연가뭄변수의 상관관계를 분석하는 단계; 주성분 분석을 이용하여 상기 자연가뭄변수를 결합하는 단계; 및 경험적 누가확률값을 이용하여 자연가뭄지수를 산정하는 단계;를 포함하며, 상기 자연가뭄지수는 자연상태의 기상학적 가뭄상황, 수문학적 가뭄상황 및 농업적 가뭄상황을 종합적으로 반영할 수 있다.According to an aspect of the present invention, there is provided a method for calculating a natural drought index, the method comprising: analyzing a correlation between natural drought parameters including rainfall, soil moisture, and runoff; Combining the natural drought parameters using principal component analysis; And estimating a natural drought index using the empirical whoi probability value. The natural drought index can comprehensively reflect a meteorological drought condition, a hydrological drought condition and an agricultural drought condition in a natural state.
상기 자연가뭄변수의 상관관계를 분석하는 단계는, 기상자료, 수문자료 또는 지표수문해석모델을 이용하여 상기 자연가뭄변수를 수집하는 단계; 상기 자연가뭄변수에 대한 누적 자연가뭄변수를 구축하는 단계; 변수간 값의 범위가 다른 상기 자연가뭄변수의 표준화를 수행하는 단계; 및 상기 자연가뭄변수 간의 선형적인 관계를 산정하여 상기 자연가뭄변수의 상관관계를 분석하는 단계;를 포함할 수 있다.Analyzing the correlation of the natural drought parameter includes: collecting the natural drought parameter using a weather data, a hydrological data or a surface hydrologic interpretation model; Constructing a cumulative natural drought parameter for the natural drought variable; Performing normalization of the natural drought variable having a variable range of values between variables; And analyzing the correlation of the natural drought parameters by calculating a linear relationship between the natural drought parameters.
상기 자연가뭄변수 간의 선형적인 관계를 산정하여 상기 자연가뭄변수의 상관관계를 분석하는 단계에서는 표준화된 상기 자연가뭄변수로 구성된 입력변수행렬을 구하고, 상기 입력변수행렬로부터 상기 자연가뭄변수 간의 선형적인 관계를 나타내는 상관계수행렬을 구할 수 있다.Wherein the step of analyzing the correlation between the natural drought parameters and the linear relationship between the natural drought parameters and the natural drought parameters is performed to obtain an input variable matrix composed of the normalized natural drought variables, Can be obtained.
상기 자연가뭄변수를 결합하는 단계에서는 구축된 상기 자연가뭄변수의 차원을 하나로 축소하기 위해 상기 자연가뭄변수를 대표할 수 있는 주성분을 산정할 수 있다.In the step of combining the natural drought parameters, a principal component that can represent the natural drought parameter can be calculated in order to reduce the dimension of the natural drought variable to one.
상기 자연가뭄변수를 결합하는 단계는, 상기 자연가뭄변수의 주성분을 산정하는 단계; 상기 주성분의 주성분 점수를 산정하는 단계; 및 상기 주성분 점수의 비계절화를 수행하는 단계;를 포함할 수 있다.Wherein combining the natural drought parameter comprises: calculating a principal component of the natural drought parameter; Calculating a principal component score of the principal component; And performing deconvolution of the principal component score.
상기 자연가뭄변수의 주성분을 산정하는 단계에서는 상기 상관관계를 분석하는 단계에서 얻어진 상기 상관계수행렬을 이용하여 상기 자연가뭄변수를 대표하는 고유벡터 및 고유값을 산정하며, 상기 고유벡터는 상기 자연가뭄변수의 주성분이고 상기 고유값은 상기 주성분이 나타내는 분산의 양을 의미한다.Wherein the step of calculating the principal component of the natural drought parameter includes calculating an eigenvector and an eigenvalue representing the natural drought parameter using the correlation coefficient matrix obtained in the step of analyzing the correlation, Variable and the eigenvalue means the amount of variance indicated by the principal component.
상기 주성분의 주성분 점수를 산정하는 단계에서는 가장 큰 고유값을 가지는 주성분을 제1주성분으로 정의하고, 상기 제1주성분을 이용하여 주성분 점수를 산정할 수 있다.In calculating the principal component score of the principal component, the principal component having the largest eigenvalue can be defined as the first principal component, and the principal component score can be calculated using the first principal component.
상기 주성분 점수의 비계절화를 수행하는 단계에서는 서로 다른 고유벡터를 이용하여 표준편차의 차이가 발생한 월별 산정 주성분 점수를 표준화할 수 있다.In the step of performing the scaling of the principal component scores, it is possible to standardize the monthly calculation principal component score in which a difference in standard deviation occurs using different eigenvectors.
상기 경험적 누가확률값을 이용하여 자연가뭄지수를 산정하는 단계는, 상기 주성분 점수의 경험적 누가확률값을 산정하는 단계; 상기 누가확률값을 표준정규분포로 변환하는 단계; 및 자연가뭄지수를 산정하는 단계;를 포함하며, 상기 주성분 점수의 경험적 누가확률값을 산정하는 단계에서는 커널확률밀도 추정방법을 이용할 수 있다.The step of calculating the natural drought index using the empirical population probability value includes: calculating an empirical population probability of the principal component score; Transforming the probability value into a standard normal distribution; And calculating a natural drought index. In the step of calculating the empirical population probability of the principal component score, a kernel probability density estimation method can be used.
상기 자연가뭄지수를 산정하는 단계에서는 상기 누가확률값과 표준정규분포 상의 동일한 누가확률값의 X축 변수를 산정하여 자연가뭄지수를 얻을 수 있다.In the step of calculating the natural drought index, the natural drought index can be obtained by calculating the X-axis variable of the probability of occurrence, which is the same as the probability value and the standard normal distribution.
상기 자연가뭄지수의 활용성을 평가하는 단계를 더 포함할 수 있다.And evaluating the availability of the natural drought index.
상기 자연가뭄지수의 활용성을 평가하는 단계에서는 시계열 분석, 가뭄특성인자 분석 및 지역별 분석을 통해 상기 자연가뭄지수의 활용성을 평가할 수 있다.In the step of assessing the availability of the natural drought index, the utility of the natural drought index can be evaluated through time series analysis, analysis of drought characteristics, and regional analysis.
본 발명에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법은 기존 단일변량 가뭄지수의 상이한 가뭄상황을 종합적으로 반영하며, 가뭄의 특성을 정량적으로 제시할 수 있기 때문에 활용성이 높은 가뭄지수를 제공할 수 있다.The computer according to the present invention can provide a drought index having high utility because it comprehensively reflects the different drought conditions of the existing univariate drought index and can quantitatively characterize the drought. have.
본 발명에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법은 기존 가뭄지수의 한계를 극복할 수 있으며, 과거 가뭄사례의 가뭄 지속기간 및 발생간격을 적절히 반영하는 자연가뭄지수를 제공할 수 있다.The method of calculating the natural drought index performed by the computer according to the present invention can overcome the limit of the existing drought index and can provide a natural drought index that properly reflects the drought duration and occurrence interval of the past drought cases.
본 발명에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법은 가뭄의 시작과 끝을 정확하게 재현하여 가뭄감시 및 대응에 유용하게 사용될 수 있는 자연가뭄지수를 제공할 수 있다. The natural drought index calculation method performed by the computer according to the present invention can provide a natural drought index that can be used for monitoring and responding to drought accurately by accurately reproducing the beginning and end of the drought.
본 발명에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법은 가뭄의 발생간격 및 지속기간을 적절하게 재현하여 가뭄대응을 위한 장기적인 대책수립에 활용될 수 있는 자연가뭄지수를 제공할 수 있다. The natural drought index calculation method performed by the computer according to the present invention can provide a natural drought index that can be utilized for establishing a long-term countermeasure for drought response by appropriately reproducing the occurrence interval and the duration of the drought.
본 발명에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법에서 도출되는 자연가뭄지수는 기상학적, 수문학적, 농업적 가뭄에 대한 종합적 가뭄평가를 통해 가뭄에 대한 일관적인 정보를 제공할 수 있으므로 향후 가뭄해석에 있어 활용성이 높다.The natural drought index computed by the computer according to the present invention can provide consistent information on the drought through comprehensive drought evaluation for meteorological, hydrological and agricultural drought, It is highly utilizable.
도 1 내지 도 4는 본 발명의 일 실시예에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법을 설명하는 순서도이다.
도 5는 가뭄특성인자를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 자연가뭄지수의 활용성을 평가하기 위한 도면으로서, 서울지점의 월별 표준화된 입력변수와 제1주성분을 예로써 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 자연가뭄지수와 기존 가뭄지수의 시계열을 도시한 도면이다.1 to 4 are flowcharts illustrating a method for calculating a natural drought index performed by a computer according to an embodiment of the present invention.
5 is a view for explaining a drought characteristic factor.
FIG. 6 is a view for explaining the utility of the natural drought index according to an embodiment of the present invention, illustrating monthly standardized input variables and a first main component of a Seoul branch.
FIG. 7 is a diagram illustrating a time series of a natural drought index and an existing drought index 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 컴퓨터가 수행하는 자연가뭄지수 산정 방법을 설명하는 순서도, 도 5는 가뭄특성인자를 설명하기 위한 도면, 도 6은 본 발명의 일 실시예에 따른 자연가뭄지수의 활용성을 평가하기 위한 도면으로서, 서울지점의 월별 표준화된 입력변수와 제1주성분을 예로써 나타낸 도면, 도 7은 본 발명의 일 실시예에 따른 자연가뭄지수와 기존 가뭄지수의 시계열을 도시한 도면이다.1 to 4 are flowcharts for explaining a natural drought index calculation method performed by a computer according to an embodiment of the present invention, FIG. 5 is a view for explaining a drought characteristic factor, and FIG. And FIG. 7 is a graph showing an example of the natural drought index according to an embodiment of the present invention and the existing drought index according to an embodiment of the present invention. FIG.
본 발명의 일 실시예에 따른 컴퓨터가 수행하는 자연가뭄지수 산정 방법(이하, "자연가뭄지수 산정 방법"이라 함)은, 주성분 분석을 이용하여 자연가뭄지수(NDI; Natural Drought Index)를 산정하되 인위적 수공시설물을 고려하지 않는 자연상태의 가뭄해석을 위해 자연가뭄지수(NDI)를 산정할 수 있다. 또한, 자연가뭄지수의 산정 및 자연가뭄지수의 정량적 분석 방법을 제공할 수 있다. The natural drought index calculation method (hereinafter, referred to as "natural drought index calculation method") performed by a computer according to an embodiment of the present invention calculates a Natural Drought Index (NDI) using principal component analysis Natural drought index (NDI) can be calculated for natural drought analysis without considering artificial water facilities. It can also provide a method for estimating natural drought index and quantitative analysis of natural drought index.
이하에서는, 도 1 내지 도 4를 참조하여 본 발명의 일 실시예에 따른 자연가뭄지수 산정 방법에 대해서 구체적으로 설명한다.Hereinafter, a method of estimating natural drought index according to an embodiment of the present invention will be described in detail with reference to FIGS. 1 to 4. FIG.
도 1을 참조하면, 본 발명의 일 실시예에 따른 자연가뭄지수 산정 방법은, 강수량, 토양수분량 및 유출량을 포함하는 자연가뭄변수의 상관관계를 분석하는 단계(1100); 주성분 분석을 이용하여 상기 자연가뭄변수를 결합하는 단계(1200); 및 경험적 누가확률값을 이용하여 자연가뭄지수를 산정하는 단계(1300);를 포함할 수 있다. 이러한 과정을 통해서 얻어진 상기 자연가뭄지수는 자연상태의 기상학적 가뭄상황, 수문학적 가뭄상황 및 농업적 가뭄상황을 종합적으로 반영할 수 있다.Referring to FIG. 1, a method for calculating a natural drought index according to an embodiment of the present invention includes analyzing (1100) a correlation between natural drought parameters including precipitation, soil moisture, and runoff; Combining (1200) the natural drought parameter using principal component analysis; And a step (1300) of estimating a natural drought index using empirical population probability values. The natural drought index obtained through this process can comprehensively reflect the natural meteorological drought condition, the hydrological drought condition and the agricultural drought condition.
상기한 과정에 의해서, 본 발명의 일 실시예에 따른 자연가뭄지수 산정 방법은, 먼저 지표수문해석모델의 결과값과, 강수량 등을 수집하기 위한 기상관측값을 이용하여 자연가뭄변수(강수량, 토양수분량, 유출량)을 수집하고, 자연가뭄변수 간의 상관관계를 분석한다. 구축된 자연가뭄변수의 차원을 하나로 축소하기 위해 자연가뭄변수를 대표할 수 있는 주성분을 산정하며, 자연가뭄변수를 주성분에 투영하여 주성분 점수를 산정한다. 월별로 산정된 주성분 점수의 경험적 확률분포를 산정하며, 표준정규분포로 변환하여 자연가뭄지수를 계산하게 된다. 마지막으로 시계열 분석, 가뭄특성인자 분석, 지역별 분석을 통해 자연가뭄지수의 활용성을 정량적으로 평가할 수 있다.According to the above-mentioned process, the natural drought index calculation method according to an embodiment of the present invention first calculates the natural drought parameters (precipitation, soil, and so on) using the results of the surface hydrologic analysis model and the weather observation values for collecting the precipitation, Water content, and runoff), and analyze the correlation between natural drought parameters. To reduce the dimension of the constructed natural drought variable into one, the main component that can represent the natural drought variable is calculated, and the principal component score is calculated by projecting the natural drought variable to the main component. The empirical probability distribution of the principal component score calculated monthly is calculated and converted to the standard normal distribution to calculate the natural drought index. Finally, we can quantitatively assess the availability of natural drought index by time series analysis, analysis of drought characteristics, and regional analysis.
상기와 같이 구성함으로써, 본 발명의 일 실시예에 따른 자연가뭄지수 산정 방법은, 기존 가뭄지수에서는 다양한 변수를 활용하여 가뭄을 평가하였지만 입력변수에 인위적 영향을 반영하거나 기상학적, 수문학적, 농업적 변수를 모두 포함하여 자연상태의 가뭄을 종합적으로 고려하지 못한 한계를 극복할 수 있다.According to the above-described construction, the method of calculating natural drought index according to an embodiment of the present invention evaluates drought by using various variables in the existing drought index, but it does not reflect the anthropogenic influence on the input variables or the meteorological, hydrological, The results of this study can be summarized as follows.
한편, 도 2에 도시된 바와 같이, 상기 자연가뭄변수의 상관관계를 분석하는 단계(1100)는, 기상자료, 수문자료 또는 지표수문해석모델을 이용하여 상기 자연가뭄변수를 수집하는 단계(1110); 상기 자연가뭄변수에 대한 누적 자연가뭄변수를 구축하는 단계(1120); 변수간 값의 범위가 다른 상기 자연가뭄변수의 표준화를 수행하는 단계(1130); 및 상기 자연가뭄변수 간의 선형적인 관계를 산정하여 상기 자연가뭄변수의 상관관계를 분석하는 단계(1140);를 포함할 수 있다.2, the
상기 자연가뭄변수를 수집하는 단계(1110)에서는 자연가뭄지수를 산정하는데 필요한 자연가뭄변수(Natural Drought Variable) 등 입력변수를 수집하는 단계이다. 본 발명에서는 1977년~2012년의 기상청의 자동종관기상관측시스템(ASOS; Automatic Synoptic Observation System) 59개소의 강수 자료(Precipitation)와, 지표수문해석모델(Land Surface Model)인 VIC(Variable Infiltration Capacity) 모델을 활용하여 산정한 자연유출량(Runoff, 이하, "유출량"이라 함)과 토양수분량(Soil Moisture) 자료를 수집한다. 이와 같이, 이때 강수량은 관측자료를 사용하고, 유출량 및 토양수분량은 모형기반의 자료를 활용하는 것이 바람직하다. 여기서, 자연가뭄변수는 강수량, 유출량 및 토양수분량을 포함하는 입력변수이다.In
상기 자연가뭄변수에 대한 누적 자연가뭄변수를 구축하는 단계(1120)에서는 단계 1110에서 얻어진 월별 자연가뭄변수의 3개월 누적 자연가뭄변수를 구축할 수 있다. 즉, 3개월 누적강수량, 평균토양수분량 및 누적유출량을 구축하게 된다.In
구축된 자연가뭄변수간 값의 범위가 다를 경우에는 자료의 분석이 어렵기 때문에 상기 자연가뭄변수의 표준화를 수행하는 단계(1130)에서는 3개월 누적 자연가뭄변수의 표준화를 수행하게 된다. 단계 1130에서는 [수학식 1]에 의해서 표준화를 수행한 후에, 표준화 행렬을 [수학식 2]와 같이 구축한다.If the range of values of the established natural drought variables is different, it is difficult to analyze the data. Therefore, in the
여기서, 
상기 자연가뭄변수 간의 선형적인 관계를 산정하여 상기 자연가뭄변수의 상관관계를 분석(Correlation Analysis)하는 단계(1140)에서는 변수간의 선형적인 관계를 나타내는 상관계수 행렬(R)을 구하며, [수학식 3]에 의해서 상관계수 행렬을 산정할 수 있다.In a
이와 같이, 상기 자연가뭄변수 간의 선형적인 관계를 산정하여 상기 자연가뭄변수의 상관관계를 분석하는 단계(1140)에서는 표준화된 상기 자연가뭄변수로 구성된 입력변수행렬(X)을 구하고, 상기 입력변수행렬로부터 상기 자연가뭄변수 간의 선형적인 관계를 나타내는 상관계수행렬(R)을 구할 수 있다.In
한편, 상기 자연가뭄변수를 결합하는 단계(1200)에서는 구축된 상기 자연가뭄변수의 차원을 하나로 축소하기 위해 상기 자연가뭄변수를 대표할 수 있는 주성분을 산정할 수 있다. 이 때, 주성분 분석(Principle Component Analysis)이 사용된다. Meanwhile, in
주성분 분석은 원래의 변수들의 선형조합을 통해 새로운 변수들을 생산하는 방법으로서, 원래의 변수들과 새로운 변수들의 총 분산은 동일하다. 이때, 일부 변수만으로 대부분의 분산을 설명할 수 있다면 고차원의 자료를 저차원의 자료로 축소 가능하다. 따라서 복잡한 고차원의 자료를 해석하기 위한 주성분 분석은 가뭄지수 산정에 활용될 수 있다.Principal component analysis is a method of producing new variables through a linear combination of the original variables. The total variance of the original and new variables is the same. At this time, if you can explain most variances with only some variables, you can reduce high-dimensional data to low-dimensional data. Therefore, principal component analysis for the interpretation of complex high - dimensional data can be used to estimate the drought index.
주성분 분석의 기본과정은 자료를 설명하기 위해 자료를 투영시켰을 때 분산이 최대가 되는 방향벡터들을 찾은 후 필요에 따라 방향벡터로 투영된 성분들을 새로운 자료로 이용하는 것이다. 여기서, 방향벡터는 주성분(Principle Component), 방향벡터로 투영된 성분은 주성분 점수(Principle Component Score)라 한다. 본 발명에서는 상관계수를 이용한 주성분 분석을 수행한다.The basic process of principal component analysis is to find the direction vectors that maximize the variance when the data is projected to explain the data, and use the projected components as directional vectors as new data if necessary. Here, the direction vector is a Principle Component, and the component projected as a direction vector is called a Principle Component Score. In the present invention, principal component analysis is performed using correlation coefficients.
도 3을 참조하면, 상기 자연가뭄변수를 결합하는 단계(1200)는, 상기 자연가뭄변수의 주성분을 산정하는 단계(1210); 상기 주성분의 주성분 점수를 산정하는 단계(1220); 및 상기 주성분 점수의 비계절화를 수행하는 단계(1230);를 포함할 수 있다.Referring to FIG. 3, combining (1200) the natural drought parameter includes calculating (1210) a major component of the natural drought parameter; Calculating (1220) a principal component score of the principal component; And performing a deconvolution of the principal component score (1230).
상기 자연가뭄변수의 주성분을 산정하는 단계(1210)에서는 상기 상관관계를 분석하는 단계(1140)에서 얻어진 상기 상관계수행렬을 이용하여 상기 자연가뭄변수를 대표하는 고유벡터 및 고유값을 산정하며, 상기 고유벡터는 상기 자연가뭄변수의 주성분이고 상기 고유값은 상기 주성분이 나타내는 분산의 양을 의미한다.In
입력변수간 값의 범위가 다를 경우 자료의 변동이 큰 변수 위주로 주성분이 결정된다. [수학식 1]과 같이 강수량, 유출량, 토양수분량의 표준화를 수행한 후 표준화된 강수량, 유출량, 토양수분량으로 구성된 입력변수 행렬 X를 [수학식 2]와 같이 구축한다. 이때, 입력변수 행렬 X는 월별로 1월부터 12월까지 총 12개 구축할 수 있다.If the range of values between input variables is different, the main component is determined mainly by variables with large variation of data. The input variable matrix X, which is composed of normalized rainfall, runoff, and soil moisture after standardization of precipitation, runoff, and soil moisture, is constructed as shown in Equation (1). At this time, the input variable matrix X can be constructed 12 times in total from January to December.
상기 자연가뭄변수의 주성분을 산정하는 단계(1210)에서는 [수학식 4]를 통해서 상관계수 행렬 R의 고유벡터(
고유벡터(
다음으로, 상기 주성분의 주성분 점수를 산정하는 단계(1220)에서는 가장 큰 고유값을 가지는 주성분을 제1주성분으로 정의하고, 상기 제1주성분을 이용하여 주성분 점수를 산정할 수 있다.Next, in
주성분은 입력변수 행렬 X의 입력변수의 개수만큼 산정되며, 이중 가장 큰 고유값을 갖는 주성분을 제 1주성분이라 한다. 주성분 산정시, 주성분 분석에서 각각의 주성분 간의 관계는 독립이며 0의 공분산(Covariance)을 가지고, 주성분 점수의 분산은 주성분의 크기에 따라 변동됨에 따라 주성분의 자승합은 1이 되도록 한다는 조건을 가진다.The principal component is calculated by the number of input variables of the input variable matrix X, and the principal component having the largest eigenvalue is called the first principal component. In the principal component analysis, the relationship between each principal component in the principal component analysis is independent and has a covariance of 0, and the variance of the principal component score varies according to the size of the principal component.
주성분 점수는 제1 주성분을 이용하여 [수학식 5]와 같이 산정할 수 있다.The principal component score can be calculated using Equation (5) using the first principal component.
여기서, PC'는 주성분 점수 행렬, 
주성분 점수 행렬(PC')는 강수량, 유출량, 토양수분량이 결합된 값이다. 12개의 월별 입력변수 행렬 X를 [수학식 1]~[수학식 5]의 과정을 반복하여 월별 주성분 점수 행렬(PC')을 산정할 수 있다.The principal component score matrix (PC ') is a combination of precipitation, runoff, and soil moisture. The monthly principal component score matrix PC 'can be calculated by repeating the processes of [Expression 1] to [Expression 5] for the 12 monthly input variable matrixes X. [
월별로 산정된 주성분 점수 행렬(PC')은 서로 다른 고유벡터 즉, 서로 다른 주성분을 이용함에 따라 표준편차의 차이가 발생하게 된다. 따라서, 상기 주성분 점수의 비계절화를 수행하는 단계(1230)에서는 서로 다른 고유벡터를 이용하여 표준편차의 차이가 발생한 월별 산정 주성분 점수를 표준화하게 된다. 즉, 상기 주성분의 주성분 점수를 산정하는 단계(1220)에서 얻어진 월별로 산정된 주성분 점수가 서로 다른 고유벡터를 이용함에 따라 표준편차의 차이가 발생하기 때문에 단계 1230에서는 [수학식 6]을 이용하여 비계절화(Deseasonalization)을 수행한 후 최종 PC를 자연가뭄지수 산정에 이용하게 된다.The principal component score matrix PC 'calculated monthly is different from standard deviation by using different eigenvectors, that is, different principal components. Accordingly, in
여기서, PC는 비계절화된 주성분 점수 행렬, 
본 발명에 따른 자연가뭄지수 산정 방법에서 산정한 비계절화된 주성분 점수(PC)는 초기 입력자료를 이용한 값이며, 새로운 기간의 입력자료를 이용한 PC'NEW와 PCNEW는 [수학식 7] 및 [수학식 8]로부터 산정될 수 있다.PC ' NEW and PC NEW using the input data of the new period are calculated using the formula (7) and the formula (7) using the input data of the initial period, (8). ≪ / RTI >
여기서, XNEW는 새로운 기간의 입력변수 행렬, PC'NEW는 새로운 기간의 주성분 점수 행렬, PCNEW는 비계절화된 새로운 기간의 주성분 점수 행렬이다.Here, X NEW is a new period input variable matrix, PC ' NEW is a new period principal component score matrix, and PC NEW is a scrambled new period principal component score matrix.
상기와 같이 비계절화된 주성분 점수 행렬(PC)을 산정한 후에, 누가확률값(Cumulative Probability)을 이용하여 자연가뭄지수를 산정하게 된다.After calculating the scaled main component score matrix PC as described above, the natural drought index is calculated using a probability value (Cumulative Probability).
도 4를 참조하면, 상기 경험적 누가확률값을 이용하여 자연가뭄지수를 산정하는 단계(1300)는, 상기 주성분 점수의 경험적 누가확률값을 산정하는 단계(1310); 상기 누가확률값을 표준정규분포로 변환하는 단계(1320); 및 자연가뭄지수를 산정하는 단계(1330);를 포함할 수 있다.Referring to FIG. 4, a
여기서, 상기 주성분 점수의 경험적 누가확률값을 산정하는 단계(1310)에서는 커널확률밀도 추정방법(Kernel Probability Density Estimation Method)을 이용할 수 있다. Here, in the
커널확률밀도 추정방법은 확률분포형에 대한 가정없이 비모수적인 확률분포를 추정하기 때문에 자료에 가장 가까운 확률분포를 찾을 수 있다. Since the kernel probability density estimation method estimates a non - parametric probability distribution without assumption of the probability distribution type, the probability distribution closest to the data can be found.
다음으로, 상기 누가확률값을 표준정규분포로 변환하는 단계(1320)에서는 자연가뭄지수로의 변환을 위해 표준화 방법을 적용하게 된다.Next, in
상기 자연가뭄지수를 산정하는 단계(1330)에서는 상기 누가확률값과 표준정규분포 상의 동일한 누가확률값의 X축 변수를 산정하여 자연가뭄지수를 얻을 수 있다. 추정한 확률분포형을 이용하여 PC의 누가확률값(P)을 산정하며, 누가확률값(P)과 표준정규분포상의 동일한 누가확률값의 X축 변수를 산정하여 자연가뭄지수(NDI)를 얻게 된다. 이 과정에서 [수학식 9]~[수학식 12]가 이용된다. 주성분 점수의 경험적 누가확률값(P)을 아래의 수학식에 대입하여 자연가뭄지수(NDI)를 산정할 수 있으며 [표 1]과 같이 SPI 가뭄지수와 동일하게 구분하여 가뭄해석에 활용할 수 있다.In
여기서, P는 주성분 점수의 누가확률값, c0는 2.515517, c1은0.802853, c2는 0.010328, d1은 1.432788, d2는 0.189267, d3는 0.001308이다.Where P is the probability value of the principal component score, c 0 is 2.515517, c 1 is 0.802853, c 2 is 0.010328, d 1 is 1.432788, d 2 is 0.189267, and d 3 is 0.001308.
[표 1]은 자연가뭄지수(NDI)의 값에 따른 가뭄 분류이다.[Table 1] is a drought classification according to the value of natural drought index (NDI).
한편, 본 발명의 일 실시예에 따른 자연가뭄지수 산정 방법은 상기와 같이 얻어진 자연가뭄지수(NDI)의 활용성을 평가하는 단계(1400)를 더 포함할 수 있다.Meanwhile, the method of estimating the natural drought index according to an embodiment of the present invention may further include a
본 발명에 따른 자연가뭄지수(NDI)의 활용성 평가는 기존 가뭄지수 SPI, SRI, SSI와의 가뭄특성의 비교평가를 통해 수행될 수 있다.Evaluation of the utility of the natural drought index (NDI) according to the present invention can be performed by comparing the drought characteristics with the existing drought index SPI, SRI and SSI.
본 발명에서는, 가뭄특성의 비교평가를 위해 과거 가뭄피해사례를 활용하였으며, 1977~2012년 동안 기록된 자료를 수집하였다.In the present invention, past drought damage cases were used for comparative evaluation of drought characteristics, and data recorded during 1977 ~ 2012 were collected.
상기 자연가뭄지수의 활용성을 평가하는 단계(1400)에서는 시계열 분석, 가뭄특성인자 분석 및 지역별 분석을 통해 상기 자연가뭄지수의 활용성을 평가할 수 있다.In
시계열 분석을 통해 가뭄지수 시계열과 과거가뭄사례를 비교하여 가뭄의 시작과 끝의 재현성을 비교하였으며, 가뭄특성인자를 산정하여 지속기간 및 발생간격의 적절성을 평가하였다. 또한, 가뭄지수를 공간적으로 분포시켜 과거가뭄기간 및 피해지역과의 일치여부를 평가하였다. 가뭄사례가 행정구역별로 제시됨에 따라 본 발명에서는 가뭄지수 또한 해당 행정구역 내의 지점별 가뭄지수의 평균값을 활용하였다.The time series analysis was used to compare the drought time series with the past drought cases to compare the reproducibility of the beginning and the end of the drought. In addition, the drought index was spatially distributed to assess the consistency with the past drought period and the affected area. As drought cases are presented by administrative districts, the present invention uses the average value of drought indexes in each administrative area.
가뭄특성인자는 연속이론(run theory)을 이용하여 산정하였다. 연속이론이란 수문·기상학적 변수의 시계열에 대한 통계적 속성이며, 가뭄현상을 표현하는 요소로써 비교적 명확하게 정립되어 있다. 도 5와 같이 가뭄은 가뭄지수가 절단수준(X0) 이하로 떨어지는 기간으로 정의할 수 있다. 절단수준 이하로 내려간 시간을 지속기간(Di), 지속기간 동안 절단수준 이하로 내려간 양을 가뭄심도(Si)로 정의하며, 가뭄사상 간 발생시점 사이의 시간을 발생간격(Li)이라 한다. 본 발명에서는 수문·기상학적 변수로 산정된 자연가뭄지수(NDI)를 이용하였으며, 절단수준은 NDI의 가뭄분류에 따라 보통가뭄(Moderate Drought)을 나타내는 -1로 정의하였다. 주성분 분석을 통해 산정된 표준화된 주성분 점수(PC)는 NDI 산정에 활용됨에 따라 가뭄심도는 주성분 점수와 연관성이 있다. 본 발명에서는 NDI의 시계열 값을 산정하여 과거 가뭄사상에 대한 지속기간 및 발생간격을 분석하였다.The drought characteristics were estimated using run theory. Continuum theory is a statistical property of time series of hydrologic and meteorological variables, and it is relatively clear as an element expressing drought phenomenon. As shown in FIG. 5, the drought can be defined as a period in which the drought index falls below the cutoff level (X 0 ). As defines the amount of down time down to the cutting level or less by cutting below the level for the duration (D i), the duration to drought depth (S i), drought mapping between generation interval generating the time between the point (L i) do. In the present invention, a natural drought index (NDI) estimated as a hydrological and meteorological variable was used, and the cutoff level was defined as -1, which indicates a moderate drought according to NDI drought classification. As the standardized principal component score (PC) estimated from the principal component analysis is used for NDI calculation, the drought depth is related to the principal component score. In the present invention, the time series value of NDI is calculated to analyze the duration and occurrence interval of the past drought events.
가뭄지수의 시작, 끝, 지속기간 및 발생간격을 정량적으로 평가하기 위해 [수학식 13]과 같이 표현되는 평균오차(Mean Error, ME) 및 [수학식 14]와 같이 표현되는 평균절대오차(Mean Absolute Error, MAE)를 이용한다. 평균오차(ME)는 시작, 끝, 지속기간 및 발생간격에 대한 과거 가뭄사례와 가뭄지수간의 평균적인 차이를 의미한다. 평균절대오차(MAE)는 특성인자에 대한 가뭄지수의 정확도를 나타내며, 0에 가까울수록 정확도가 높음을 뜻한다.In order to quantitatively evaluate the start, end, duration and occurrence interval of the drought index, mean error (ME) expressed as [Equation 13] and mean absolute error expressed as [Equation 14] Absolute Error, MAE). Mean error (ME) is the average difference between the drought index and the drought index for the beginning, end, duration and interval of occurrence. The mean absolute error (MAE) indicates the accuracy of the drought index for the characteristic factor, and the closer to 0, the higher the accuracy.
여기서, ME는 평균오차, MAE는 평균절대오차이며, N은 과거가뭄사례의 수, fi는 가뭄지수의 특성인자(시작, 끝, 지속기간, 발생간격), yi는 과거 가뭄사례의 특성인자이다. 본 발명에서는 5개 행정구역에 대한 특성인자별 평균오차 및 평균절대오차를 산정하였다. Here, ME is the mean error, MAE is a mean absolute error, N is the number of past drought example, f i are characteristic of drought factor (start, end, duration, occurrence interval), y i is a characteristic of the past drought case It is an argument. In the present invention, an average error and an average absolute error for each of the five administrative zones were calculated.
평균오차(ME)를 통해서는 자연가뭄지수(NDI)가 과거 가뭄사상을 정확하게 반영하는지를 알 수 있고, 평균절대오차(MAE)를 통해서는 자연가뭄지수(NDI)가 과거 가뭄사상을 빠르게 반영하는지 느리게 반영하는지를 알 수 있다.Through the mean error (ME), we can see whether the natural drought index (NDI) accurately reflects past drought events. Through the mean absolute error (MAE), the natural drought index (NDI) And reflects it.
본 발명에서는 NDI 산정을 위해 3개월 누적강수량, 유출량, 토양수분량의 제 1 주성분을 산정하였다. 월별 제 1 주성분의 지점평균 설명력은 9월, 10월에 0.91, 0.90으로 가장 높았으며, 1월과 2월에 0.78로 가장 낮은 것으로 나타났다.In the present invention, the first principal component of the three-month cumulative precipitation amount, runoff amount, and soil moisture amount was calculated for NDI calculation. The monthly mean explanatory power of the first main ingredient was the highest at 0.91, 0.90 in September and October, and the lowest at 0.78 in January and February.
도 6은 서울지점의 월별 표준화된 입력변수와 주성분을 예로써 나타낸 것이며, X축은 강수, Y축은 유출, Z축은 토양수분, 실선은 강수량, 유출량, 토양수분량의 제 1 주성분을 의미한다. 도 6의 (a) 및 (b)는 각각 1월과 2월의 입력변수와 주성분을 예로써 나타낸 것이고, (c) 및 (d)는 각각 9월과 10월의 입력변수와 주성분을 예로서 나타낸 것이다. 도 6에 의하면, 월별 제 1 주성분의 지점평균 설명력은 9월, 10월에 0.91, 0.90으로 가장 높고, 1월과 2월에 0.78로 가장 낮다는 것과 비슷한 결과를 보여준다.FIG. 6 shows monthly standardized input variables and principal components of the Seoul branch office. The X axis represents precipitation, the Y axis represents runoff, the Z axis represents soil moisture, and the solid line represents the first principal component of precipitation, runoff, and soil moisture. 6 (a) and 6 (b) illustrate input variables and principal components of January and February, respectively, and FIGS. 6 (c) and (d) show input variables and principal components of September and October, respectively . According to FIG. 6, the branch mean explanatory power of the first major component of the month is highest at 0.91, 0.90 in September and October, and lowest at 0.78 in January and February.
본 발명에 따른 자연가뭄지수(NDI)의 활용성을 평가하기 위해, 기존 가뭄지수(SPI, SRI, SSI)와 자연가뭄지수의 거동특성을 비교하였다. 이를 위해 남한 59개 지점의 가뭄지수를 평균하여 1977~2012년까지 나열한 후, 과거 가뭄사례와 비교하였다. In order to evaluate the utility of the natural drought index (NDI) according to the present invention, the behavior characteristics of the existing drought index (SPI, SRI, SSI) and natural drought index were compared. For this purpose, the average drought index of 59 locations in South Korea was listed from 1977 to 2012, and compared with past drought cases.
도 7은 2000년, 2008∼2009년 가뭄사상에 대한 경상도 및 전라도 지역의 기존 가뭄지수(SPI, SRI, SSI) 및 자연가뭄지수(NDI)의 시계열을 예로써 도시한 것이다. 도 7에서 ○ 및 △는 과거 가뭄사례의 시작 및 끝을 나타낸다. 도 7의 (a)는 2000년 가뭄사상에 대한 경상도 지역의 시계열, (b)는 2000년 가뭄사상에 대한 전라도 지역의 시계열, (c)는 2008~2009년 가뭄사상에 대한 경상도 지역의 시계열, (d)는 2008~2009년 가뭄사상에 대한 전라도 지역의 시계열을 나타낸다.FIG. 7 shows an example of the time series of the existing drought index (SPI, SRI, SSI) and the natural drought index (NDI) in Gyeongsang and Jeolla provinces for the 2000 and 2008-2009 drought events. In Fig. 7, & cir & indicates the beginning and end of the past drought case. Figure 7 (a) shows the time series of the Gyeongsang region for the drought history of 2000, (b) the time series of the Jeolla province for the drought history of 2000, (c) (d) shows the time series of the Jeolla province for the 2008-2009 drought history.
도 7의 (a) 및 (b)에 의하면, SPI는 SRI, SSI 보다 가뭄을 먼저 감지하지만 가뭄기간 도중에 해갈되는 것으로 나타났으며, SRI, SSI는 SPI에 비해 가뭄이 지속되는 것으로 나타나 가뭄의 끝을 적절히 반영하였다. 반면, 본 발명에 따른 자연가뭄지수(NDI)는 가뭄의 시작은 SRI, 가뭄의 끝은 SRI, SSI와 유사하게 보여 준다. 이는 가뭄의 영향에 따른 발생순서를 반영한 것으로 자연가뭄지수(NDI)는 자연상태의 기상학적, 수문학적 및 농업적 가뭄상황을 종합적으로 반영하기 때문이다. 7 (a) and (b) show that SPI detects droughts earlier than SRI and SSI, but it is depleted during drought period. SRI and SSI show that drought lasts more than SPI, . On the other hand, the natural drought index (NDI) according to the present invention shows that the start of drought is similar to SRI, and the end of drought is similar to SRI and SSI. This reflects the order of occurrence due to the impact of drought, because the Natural Drought Index (NDI) comprehensively reflects the meteorological, hydrological and agricultural drought conditions of the natural state.
도 7의 (c) 및 (d)에 의하면, 장기가뭄에 속하는 2008∼2009년 가뭄사상에 대한 경상도 및 전라도의 가뭄지수별 시계열이 상이함을 알 수 있다. 경상도의 경우, SPI는 가뭄의 시작을 반영하지만 SRI, SSI는 반영하지 못하는 것으로 나타났으며, 가뭄의 끝은 SRI, SSI만 반영하고 SPI는 가뭄기간 도중에 조기 해갈되는 것으로 나타났다. 전라도의 경우, 가뭄의 시작은 기존 가뭄지수 모두 반영하자지만 가뭄의 끝은 SSI만 반영하는 것으로 나타났다. 반면, 자연가뭄지수(NDI)는 두 지역의 가뭄사례를 적절히 재현하는 것으로 확인되었으며, 가뭄의 시작과 끝이 상이한 기존 가뭄지수의 결과를 적절히 반영하는 것으로 나타났다. According to (c) and (d) of FIG. 7, it can be seen that the time series of the drought index of Gyeongsang and Jeolla provinces are different from those of the drought period of 2008-2009. In the case of Gyeongsang, SPI reflects the beginning of drought but it does not reflect SRI and SSI. The end of drought reflects only SRI and SSI, and SPI is early in the drought period. In the case of Jeolla - do, the beginning of the drought reflects the existing drought index but the end of the drought only reflects SSI. On the other hand, the Natural Drought Index (NDI) has been found to adequately reproduce the drought cases in both regions, and the beginning and end of the drought are properly reflected in the results of the existing drought indices.
또한, 과거가뭄사례와 가뭄지수들의 가뭄특성인자를 연속이론에 근거하여 산정 및 분석하였다. 5개 행정구역에 대한 지속기간 평균오차의 경우, NDI, SPI, SRI는 과거가뭄사례에 비해 짧고 SSI는 긴 것으로 나타났다. 발생간격 평균오차는 4개 지수 모두 과거가뭄사례에 비해 짧은 것으로 나타났다. 지속기간 및 발생간격의 평균절대오차는 NDI, SPI, SSI, SRI 순으로 정확한 것으로 나타났다.In addition, past drought cases and drought characteristics of drought indexes were estimated and analyzed based on continuous theory. The NDI, SPI, and SRI were shorter than the past drought events and SSI was longer in the case of the mean error of duration for the five administrative districts. The occurrence interval average error was shorter in all four indices than in the past drought cases. The mean absolute errors of duration and occurrence interval were found to be accurate in the order of NDI, SPI, SSI, and SRI.
[표 2]는 가뭄지수의 객관적인 평가를 위해 5개 행정구역에 대한 가뭄의 시작, 끝, 지속기간 및 발생간격의 평균절대오차에 따른 순위를 부여한 것이다.Table 2 shows the ranking of the average absolute error of the start, end, duration and occurrence interval of drought for five administrative districts for objective evaluation of drought index.
[표 2]에 의하면, 가뭄의 시작은 SPI, NDI, SRI, SSI 순으로, 가뭄의 끝은 NDI, SRI, SPI, SSI 순으로, 가뭄의 지속기간은 NDI, SPI, SRI, SSI 순으로, 가뭄의 발생간격은 NDI, SPI, SRI, SSI 순으로 순위가 높음을 알 수 있다. 각 항목별 평균 순위를 계산한 결과 NDI 1.4순위, SPI 2.1순위, SRI 2.9순위, SSI 3.6순위로 국내 가뭄해석에 있어 자연가뭄지수의 활용성이 우수한 것으로 나타났다.According to Table 2, drought starts in the order of SPI, NDI, SRI, SSI, NDI, SRI, SPI and SSI in the order of drought, NDI, SPI, SRI, The interval of occurrence of drought is higher in order of NDI, SPI, SRI and SSI. As a result of calculating the average ranking of each item, it was found that the use of natural drought index was superior in the interpretation of domestic drought with NDI 1.4 ranking, SPI 2.1 ranking, SRI 2.9 ranking, and SSI 3.6 ranking.
뿐만 아니라, 과거 가뭄기간 동안에 SPI, SRI, SSI 및 NDI에 대한 분포도를 작성하여 지역별 가뭄해석의 활용성을 평가하였다. 2000년 2월∼6월 사례의 경우 NDI는 2월에 경상도, 전라도 지역에 심한 가뭄을 나타내는 SPI, SRI와 가뭄이 아닌 SSI를 반영하여 경상도, 전라도 지역에 보통 가뭄상황으로 재현하였다. 6월 대부분 해갈된 SPI와 달리 지역적 가뭄상황이 지속되는 SRI, SSI를 반영하여 보통 가뭄상황으로 재현하였다. 2008년 9월부터 2009년 4월 사례의 경우 NDI는 9월에 기존 가뭄지수들과 동일하게 경상도, 전라도 지역의 가뭄상황을 재현하였으며, 3월 경상도 및 전라도 지역의 가뭄상황을 적절히 재현하였다.In addition, the distribution of SPI, SRI, SSI, and NDI during the past drought period was developed to assess the availability of regional drought analysis. In the case of February to June 2000, the NDI was reproduced with normal drought conditions in Gyeongsang and Jeolla provinces reflecting the SPI, SRI and SSI rather than the drought in Gyeongsang province and Jeolla province in February. Unlike most SPIs in June, local drought conditions have been reproduced in the normal drought conditions reflecting SRI and SSI. In September 2008 to April 2009, NDI reproduced the drought conditions in Gyeongsang and Jeolla provinces in September, similar to the existing drought indices, and appropriately reproduced the drought conditions in Gyeongsang and Jeolla provinces in March.
상기한 바와 같이, 본 발명에서는 주성분 분석을 이용하여 기상학적 가뭄지수 SPI, 농업적 가뭄지수 SSI, 수문학적 가뭄지수 SRI를 동시에 고려할 수 있는 자연가뭄지수 NDI를 산정하는 방법을 제안하고, 자연가뭄지수(NDI)의 국내 가뭄해석에의 적용성을 평가하였다.As described above, the present invention proposes a method of calculating a natural drought index NDI that can simultaneously take meteorological drought index SPI, agricultural drought index SSI, and hydrological drought index SRI using principal component analysis, (NDI) to the analysis of domestic drought.
본 발명에 따른 자연가뭄지수(NDI)는 가뭄의 시작과 끝을 정확하게 재현하여 가뭄감시 및 대응에 유용하게 사용될 수 있다. 가뭄의 발생간격 및 지속기간을 적절하게 재현하여 가뭄대응을 위한 장기적인 대책수립에 활용될 수 있다. 또한, 기상학적, 수문학적, 농업적 가뭄에 대한 종합적 가뭄평가를 통해 가뭄에 대한 일관적인 정보를 제공할 수 있으므로 향후 가뭄해석에 있어 그 활용성이 높을 것으로 예상된다.The natural drought index (NDI) according to the present invention accurately reproduces the beginning and end of a drought, and can be useful for monitoring and responding to drought. It can be used to establish a long-term countermeasure against drought by adequately reproducing the interval and duration of drought. In addition, comprehensive drought assessment for meteorological, hydrological, and agricultural drought can provide consistent information on drought, which is expected to be useful in future drought analysis.
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 (12)
강수량, 토양수분량 및 유출량을 포함하는 다변량 자연가뭄변수의 상관관계를 분석하는 단계;
주성분 분석을 이용하여 상기 자연가뭄변수를 결합하는 단계; 및
경험적 누가확률값을 이용하여 자연가뭄지수를 산정하는 단계;를 포함하며,
인위적 수공시설물의 고려를 배제하고 자연상태의 가뭄을 해석하기 위해 상기 강수량은 기상청의 관측자료를 이용하고 상기 토양수분량 및 상기 유출량은 지표수문해석모델의 자료를 이용함으로써,
자연상태의 기상학적 가뭄상황, 수문학적 가뭄상황 및 농업적 가뭄상황을 모두 반영하는 상기 자연가뭄지수를 산정하고,
상기 자연가뭄변수의 상관관계를 분석하는 단계는,
기상자료, 수문자료 또는 지표수문해석모델을 이용하여 상기 자연가뭄변수를 수집하는 단계;
상기 자연가뭄변수에 대한 누적 자연가뭄변수를 구축하는 단계;
변수간 값의 범위가 다른 상기 자연가뭄변수의 표준화를 수행하는 단계; 및
상기 자연가뭄변수 간의 선형적인 관계를 산정하여 상기 자연가뭄변수의 상관관계를 분석하는 단계;를 포함하며,
상기 표준화를 수행하는 단계는 하기의 [수학식 1] 및 [수학식 2]에 의해서 표준화된 입력변수 행렬(X)을 구하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
[수학식 1]
[수학식 2]
여기서,
As a method for calculating the natural drought index performed by a computer,
Analyzing the correlation of multivariate natural drought parameters including rainfall, soil moisture content and runoff;
Combining the natural drought parameters using principal component analysis; And
And calculating the natural drought index using the empirical who's probability value,
In order to exclude the consideration of anthropogenic facilities and to interpret the drought in the natural state, the precipitation uses the Meteorological Observation Data, and the soil moisture amount and the runoff amount are obtained by using the data of the surface hydrologic interpretation model,
The natural drought index which reflects both natural meteorological drought conditions, hydrological drought conditions and agricultural drought conditions,
Wherein the analyzing the correlation of the natural drought parameter comprises:
Collecting the natural drought parameters using weather data, hydrological data or surface hydrologic interpretation models;
Constructing a cumulative natural drought parameter for the natural drought variable;
Performing normalization of the natural drought variable having a variable range of values between variables; And
And analyzing the correlation of the natural drought parameters by calculating a linear relationship between the natural drought parameters,
Wherein the step of performing the normalization is to obtain an input variable matrix X normalized by the following equations (1) and (2).
[Equation 1]
&Quot; (2) "
here,
상기 자연가뭄변수 간의 선형적인 관계를 산정하여 상기 자연가뭄변수의 상관관계를 분석하는 단계에서는 표준화된 상기 자연가뭄변수로 구성된 입력변수행렬을 구하고, 하기 [수학식 3]에 의해서 상기 입력변수 행렬로부터 상기 자연가뭄변수 간의 선형적인 관계를 나타내는 상관계수 행렬(R)을 구하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
[수학식 3]
The method according to claim 1,
In the step of analyzing the correlation between the natural drought parameters and the linear relationship between the natural drought parameters, an input variable matrix composed of the normalized natural drought variables is obtained, and the input variable matrix is calculated from the following equation (3) Wherein a correlation coefficient matrix (R) representing a linear relationship between the natural drought parameters is obtained.
&Quot; (3) "
상기 자연가뭄변수를 결합하는 단계에서는 구축된 상기 자연가뭄변수의 차원을 하나로 축소하기 위해 상기 자연가뭄변수를 대표할 수 있는 주성분을 산정하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
The method of claim 3,
Wherein the step of combining the natural drought parameters includes calculating a principal component that can represent the natural drought variable to reduce the size of the constructed natural drought variable into one.
상기 자연가뭄변수를 결합하는 단계는,
상기 자연가뭄변수의 주성분을 산정하는 단계;
상기 주성분의 주성분 점수를 산정하는 단계; 및
상기 주성분 점수의 비계절화를 수행하는 단계;를 포함하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
5. The method of claim 4,
Wherein combining the natural drought parameter comprises:
Calculating a principal component of the natural drought parameter;
Calculating a principal component score of the principal component; And
And performing a scaling-down of the principal component score in the calculation of the natural drought index.
상기 자연가뭄변수의 주성분을 산정하는 단계에서는 하기 [수학식 4]를 통해서 상기 상관관계를 분석하는 단계에서 얻어진 상기 상관계수행렬을 이용하여 상기 자연가뭄변수를 대표하는 고유벡터(
상기 고유벡터는 상기 자연가뭄변수의 주성분이고 상기 고유값은 상기 주성분이 나타내는 분산의 양을 의미하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
[수학식 4]
6. The method of claim 5,
In the step of calculating the principal component of the natural drought variable, an eigenvector representing the natural drought variable is calculated using the correlation coefficient matrix obtained in the step of analyzing the correlation through Equation (4)
Wherein the eigenvector is a principal component of the natural drought variable and the eigenvalue is an amount of variance represented by the principal component.
&Quot; (4) "
상기 주성분의 주성분 점수를 산정하는 단계에서는 가장 큰 고유값을 가지는 주성분을 제1주성분으로 정의하고, 상기 제1주성분을 이용하여 주성분 점수를 산정하되 하기 [수학식 5]를 이용하여 산정하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
[수학식 5]
여기서, PC'는 주성분 점수 행렬,
The method according to claim 6,
In the step of calculating the principal component score of the main component, the principal component having the largest eigenvalue is defined as the first principal component, and the principal component score is calculated using the first principal component, A method for calculating the natural drought index performed by a computer.
&Quot; (5) "
Here, PC 'is a principal component score matrix,
상기 주성분 점수의 비계절화를 수행하는 단계에서는, 상기 주성분의 주성분 점수를 산정하는 단계에서 얻어진 월별로 산정된 주성분 점수가 서로 다른 고유벡터 또는 서로 다른 주성분을 이용함에 따라 표준편차의 차이가 발생하기 때문에 하기 [수학식 6]을 이용하여 비계절화를 수행한 후 비계절화된 주성분 점수(PC)를 자연가뭄지수 산정에 이용하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
[수학식 6]
여기서, PC는 비계절화된 주성분 점수 행렬,
8. The method of claim 7,
In the step of scaling down the principal component scores, a difference in standard deviation occurs due to the use of eigenvectors or different principal components having different principal component scores calculated on a monthly basis obtained in the step of calculating principal component scores of the principal component A method for calculating a natural drought index performed by a computer, the method comprising the steps of: calculating a natural drought index by using the following equation;
&Quot; (6) "
Here, PC is a scaled main component score matrix,
상기 경험적 누가확률값을 이용하여 자연가뭄지수를 산정하는 단계는,
상기 주성분 점수의 경험적 누가확률값을 산정하는 단계;
상기 누가확률값을 표준정규분포로 변환하는 단계; 및
자연가뭄지수를 산정하는 단계;를 포함하며,
상기 주성분 점수의 경험적 누가확률값을 산정하는 단계에서는 커널확률밀도 추정방법을 이용하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
9. The method according to any one of claims 5 to 8,
Wherein the step of estimating the natural drought index using the empirical population probability value comprises:
Calculating an empirical whoage probability value of the principal component score;
Wherein who convert to the standard normal probability distribution; And
Estimating the natural drought index,
Wherein a kernel probability density estimation method is used in the step of calculating the empirical population probability of the principal component score.
상기 자연가뭄지수를 산정하는 단계에서는 하기 [수학식 9] 내지 [수학식 12]를 이용하여 상기 누가확률값과 표준정규분포 상의 동일한 누가확률값의 X축 변수를 산정하여 자연가뭄지수(NDI)를 얻는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
[수학식 9]
[수학식 10]
[수학식 11]
[수학식 12]
여기서, P는 주성분 점수의 누가확률값, c0는 2.515517, c1은0.802853, c2는 0.010328, d1은 1.432788, d2는 0.189267, d3는 0.001308이다.
10. The method of claim 9,
In the step of calculating the natural drought index, the natural drought index (NDI) is obtained by calculating the X-axis variable of the probability of occurrence of the same one-way probability distribution over the probability value and the standard normal distribution using the following equations (9) Wherein the computer-implemented method calculates a natural drought index.
&Quot; (9) "
&Quot; (10) "
&Quot; (11) "
&Quot; (12) "
Where P is the probability value of the principal component score, c 0 is 2.515517, c 1 is 0.802853, c 2 is 0.010328, d 1 is 1.432788, d 2 is 0.189267, and d 3 is 0.001308.
상기 자연가뭄지수의 활용성을 평가하는 단계를 더 포함하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.
11. The method of claim 10,
Further comprising the step of evaluating the availability of the natural drought index.
상기 자연가뭄지수의 활용성을 평가하는 단계에서는 시계열 분석, 가뭄특성인자 분석 및 지역별 분석을 통해 상기 자연가뭄지수의 활용성을 평가하는 것을 특징으로 하는 컴퓨터가 수행하는 자연가뭄지수 산정 방법.12. The method of claim 11,
Wherein the step of evaluating the availability of the natural drought index comprises evaluating the availability of the natural drought index through time series analysis, analysis of drought characteristics, and regional analysis.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160052085A KR101784441B1 (en) | 2016-04-28 | 2016-04-28 | Method for estimating natural drought index by computer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160052085A KR101784441B1 (en) | 2016-04-28 | 2016-04-28 | Method for estimating natural drought index by computer |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101784441B1 true KR101784441B1 (en) | 2017-10-11 |
Family
ID=60139158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160052085A KR101784441B1 (en) | 2016-04-28 | 2016-04-28 | Method for estimating natural drought index by computer |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101784441B1 (en) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200045779A (en) * | 2018-10-23 | 2020-05-06 | 인하대학교 산학협력단 | Depletion impact factor information display system for streamflow depletion assessment and relevant method |
| KR20210019310A (en) * | 2019-08-12 | 2021-02-22 | 한국수자원공사 | Method and device for predicting drought based on probability distribution |
| 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) |
| CN113850465A (en) * | 2021-08-05 | 2021-12-28 | 河海大学 | Hydrology arid monitoring system in no data area |
| KR102355910B1 (en) * | 2021-01-28 | 2022-01-25 | 울산과학기술원 | Monitoring system considering multi-target characteristics and monitoring method using the same |
| CN114117352A (en) * | 2021-12-01 | 2022-03-01 | 水利部牧区水利科学研究所 | Method, device, electronic equipment and medium for determining grassland drought level |
| CN116227683A (en) * | 2023-01-09 | 2023-06-06 | 武汉大学 | Evaluation method for drought and waterlogging tight interaction effect in easy drought and waterlogging area |
| CN116433030A (en) * | 2023-04-26 | 2023-07-14 | 中国农业科学院农业环境与可持续发展研究所 | Rapid assessment method, system, medium and equipment for drought loss |
| KR102664304B1 (en) | 2023-12-20 | 2024-05-08 | 중부대학교 산학협력단 | Environmental ecological drought evaluation system and its method |
-
2016
- 2016-04-28 KR KR1020160052085A patent/KR101784441B1/en active IP Right Grant
Non-Patent Citations (1)
| Title |
|---|
| 논문1* |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102167444B1 (en) | 2018-10-23 | 2020-10-19 | 인하대학교 산학협력단 | Depletion impact factor information display system for streamflow depletion assessment and relevant method |
| KR20200045779A (en) * | 2018-10-23 | 2020-05-06 | 인하대학교 산학협력단 | Depletion impact factor information display system for streamflow depletion assessment and relevant method |
| KR20210019310A (en) * | 2019-08-12 | 2021-02-22 | 한국수자원공사 | Method and device for predicting drought based on probability distribution |
| KR102446493B1 (en) | 2019-08-12 | 2022-09-26 | 한국수자원공사 | Method and device for predicting drought based on probability distribution |
| 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) |
| KR102355910B1 (en) * | 2021-01-28 | 2022-01-25 | 울산과학기술원 | Monitoring system considering multi-target characteristics and monitoring method using the same |
| CN113850465B (en) * | 2021-08-05 | 2024-03-29 | 河海大学 | Hydrologic drought monitoring system in non-data area |
| CN113850465A (en) * | 2021-08-05 | 2021-12-28 | 河海大学 | Hydrology arid monitoring system in no data area |
| CN114117352A (en) * | 2021-12-01 | 2022-03-01 | 水利部牧区水利科学研究所 | Method, device, electronic equipment and medium for determining grassland drought level |
| CN116227683B (en) * | 2023-01-09 | 2023-11-17 | 武汉大学 | Evaluation method for drought and waterlogging tight interaction effect in easy drought and waterlogging area |
| CN116227683A (en) * | 2023-01-09 | 2023-06-06 | 武汉大学 | Evaluation method for drought and waterlogging tight interaction effect in easy drought and waterlogging area |
| CN116433030A (en) * | 2023-04-26 | 2023-07-14 | 中国农业科学院农业环境与可持续发展研究所 | Rapid assessment method, system, medium and equipment for drought loss |
| KR102664304B1 (en) | 2023-12-20 | 2024-05-08 | 중부대학교 산학협력단 | Environmental ecological drought evaluation system and its method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101784441B1 (en) | Method for estimating natural drought index by computer | |
| Asefa et al. | Performance evaluation of a water resources system under varying climatic conditions: Reliability, Resilience, Vulnerability and beyond | |
| Jahanshiri et al. | A review of property mass valuation models | |
| Hunter et al. | Utility of different data types for calibrating flood inundation models within a GLUE framework | |
| Hawkes et al. | The joint probability of waves and water levels in coastal engineering design | |
| Bardossy et al. | Fuzzy rule-based downscaling of precipitation | |
| Beesley et al. | A comparison of the BAWAP and SILO spatially interpolated daily rainfall datasets | |
| Wei et al. | Toward performance-based evaluation for offshore wind turbine jacket support structures | |
| Bisselink et al. | Assessing the role of uncertain precipitation estimates on the robustness of hydrological model parameters under highly variable climate conditions | |
| Pruski et al. | Improved regionalization of streamflow by use of the streamflow equivalent of precipitation as an explanatory variable | |
| Gragne et al. | Improving real-time inflow forecasting into hydropower reservoirs through a complementary modelling framework | |
| Tao et al. | On selection of probability distributions for representing extreme precipitations in Southern Quebec | |
| KR102119125B1 (en) | Apparatus and method for predicting electric power demand based on regional characteristics | |
| Araghinejad et al. | Probabilistic forecasting of hydrological events using geostatistical analysis/Prévision probabiliste d'événements hydrologiques par analyse géostatistique | |
| Wang et al. | Up-scaling methods based on variability-weighting and simulation for inferring spatial information across scales | |
| Over et al. | Refinement of a regression-based method for prediction of flow-duration curves of daily streamflow in the conterminous United States | |
| KR101486798B1 (en) | Step-wise scaling method for correcting bias of climate information | |
| Barua et al. | A comparative drought assessment of Yarra River Catchment in Victoria, Australia | |
| Zhou et al. | Improving data limited methods for assessing Indian Ocean neritic tuna species | |
| Singh et al. | Statistical downscaling of multisite daily precipitation for Tapi basin using kernel regression model | |
| Shiyamalagowri et al. | Model-based clustering approach for regional flood frequency analysis | |
| Bennett et al. | Patching and disaccumulation of rainfall data for hydrological modelling | |
| Aly et al. | Evaluation of improvised spatial interpolation methods for infilling missing precipitation records | |
| Cancelliere et al. | Assessment of drought risk in water supply systems | |
| GOVAY et al. | Comparative Analysis of Different Techniques for Spatial Interpolation of Rainfall Datasets in Duhok Governorate |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |