KR102646812B1 - 하이브리드 모델을 이용하여 지면 기온의 확률 분포를 예측하는 방법 및 상기 방법을 수행하는 컴퓨팅 장치 - Google Patents

하이브리드 모델을 이용하여 지면 기온의 확률 분포를 예측하는 방법 및 상기 방법을 수행하는 컴퓨팅 장치 Download PDF

Info

Publication number
KR102646812B1
KR102646812B1 KR1020210142532A KR20210142532A KR102646812B1 KR 102646812 B1 KR102646812 B1 KR 102646812B1 KR 1020210142532 A KR1020210142532 A KR 1020210142532A KR 20210142532 A KR20210142532 A KR 20210142532A KR 102646812 B1 KR102646812 B1 KR 102646812B1
Authority
KR
South Korea
Prior art keywords
index
sea level
oscillation
atmospheric
level pressure
Prior art date
Application number
KR1020210142532A
Other languages
English (en)
Other versions
KR20230058838A (ko
Inventor
유창현
김민주
Original Assignee
이화여자대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이화여자대학교 산학협력단 filed Critical 이화여자대학교 산학협력단
Priority to KR1020210142532A priority Critical patent/KR102646812B1/ko
Publication of KR20230058838A publication Critical patent/KR20230058838A/ko
Application granted granted Critical
Publication of KR102646812B1 publication Critical patent/KR102646812B1/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • 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
    • G06F17/15—Correlation function computation including computation of convolution 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

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

Abstract

본 발명은 역학 모델과 위상 모델을 결합한 하이브리드 모델을 통해 기후에 영향을 미치는 지면 기온의 확률 분포를 예측하기 위한 기후 변화 예측 방법 및 컴퓨팅 장치를 개시한다.
기후 변화 예측 방법은 하이브리드 모델을 이용하여 전 지구의 북반구 또는, 남반구 내 기후에 영향을 미치는 지면 기온의 확률 분포를 각각 예측 가능하다.
하이브리드 모델을 구성하는 역학 모델은 해면 기압 자료 및 지위 고도 자료를 이용하여 북극 진동의 인덱스(또는, 남극 진동의 인덱스) 및 대기 원격 상관 패턴의 인덱스를 예측한다.
하이브리드 모델을 구성하는 위상 모델은 역학 모델을 통해 예측된 북극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 입력 데이터로 활용하는 위상 모델을 통해 북극 진동의 위상에 따른 기후에 영향을 미치는 지면 기온의 확률 분포를 예측한다.

Description

하이브리드 모델을 이용하여 지면 기온의 확률 분포를 예측하는 방법 및 상기 방법을 수행하는 컴퓨팅 장치{METHOD FOR PREDICTING THE PROBABILITY DISTRIBUTION OF GROUND TEMPERATURE USING A HYBRID MODEL, AND COUMPUTING APPARATUS FOR PERFORMING THE MEHTHOD}
본 발명은 하이브리드 모델을 이용한 기후 변화 예측 방법 및 컴퓨팅 장치에 관한 것으로, 보다 구체적으로는, 기후 변동성에 따른 동적 예측과 통계적 예측을 결합한 하이브리드 모델을 이용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측하는 기술에 관한 방법 및 장치에 관한 것이다.
기후는 자연적 및 인위적 환경에 따라 지표면의 특정 장소에서 나타나는 종합적인 대기 상태이다. 최근 수십 년 동안 지구의 평균 기온이 변함에 따라. 시간이 지나면서 점차 기후도 변화하고 있다. 기후 변화는 장기간에 걸친 기후의 변동으로 지구 대기에 존재하는 온실 가스의 인위적 배출 및 농도 상승이 주원인이 되어 발생하고 있다. 이러한, 기후 변화는 물적 피해 뿐 만 아니라, 인적 피해까지 유발함에 따라, 기후 변화에 대응 또는 적응하기 위해 대책 수립으로써, 예측하는 기술이 제시되었다.
자세하게, 기후 예측 기술은 최대 10 일의 중간 범위 예측과 최대 3 개월의 계절적 예측함으로써, 지역 및 계절에 따른 기후 변화를 예측하였다. 또한, 최근에는 수십 년 동안 앙상블 예측 기술의 사용과 향상된 초기화, 결합 및 물리적 매개 변수화로 인해 동적 예측 시스템의 예측 기술이 크게 향상되었다. 그러나, 이러한 개선에도 불구하고 몇 주 이상의 리드 타임에 전 세계의 표면 변수에 대한 능숙한 예측을 생성하는 것은 여전히 어려운 상황이다. 이는 초기 오류가 시간이 지남에 따라 복합화됨에 따라 동적 모델의 예측 기술이 빠르게 악화되기 때문일 수 있다.
그럼에도 불구하고, 기후 예측 기술은 비 계절적 시간 척도를 넘어서 북대서양 진동(NAO) 및 Madden-Julian 진동(MJO)과 같은 주요 기후 모드에 대해 신뢰할 수있는 예측을 생성한다. 다만, 이러한 예측 방식은 기후 모드의 원격 연결 패턴에 따른 즉각적인 영향으로 인해 모델의 예측 기술을 높일 수 있었지만, 원격 연결 패턴의 상대적으로 짧은 시간 척도로 인해 빠르게 약화되는 단점이 있다.
본 발명은 수치 · 물리에 관한 역학 모델과 통계에 관한 위상 모델이 결합된 하이브리드 모델을 이용하여 기후에 영향을 미치는 지면 기온(T2m)의 확률 분포를 예측하는 방법 및 장치를 제공한다.
본 발명은 해면 기압의 양적 변화를 나타내는 역학 모델을 이용하여 북극 진동(또는, 남극 진동) 및 대기 원격 상관 패턴을 예측함으로써, 통계적 관계를 분석하기 위한 예측 인자를 보다 안정적으로 예측하는 방법 및 장치를 제공한다.
본 발명은 역학 모델을 통해 예측된 북극 진동(또는, 남극 진동) 및 대기 원격 상관 패턴을 위상 모델의 입력 데이터로 활용함으로써, 예보 선행 기간 동안의 시간에 따른 예측 수준과 불확실성에 의한 분석 신뢰도의 수준을 향상시키기 위한 방법 및 장치를 제공한다.
본 발명의 일실시예에 따른 기후 변화 예측 방법은 인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 북반구에서 나타나는 북극 진동의 인덱스를 예측하는 단계; 역학 모델이 예측한 대기 중층(500-hPa)의 지위 고도 자료를 사용하여 대기 원격 상관 패턴의 인덱스를 예측하는 단계; 및 상기 북극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 북극 진동의 인덱스를 예측하는 단계는 상기 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출하는 단계; 및 사전에 관측된 월별 해면 기압으로부터 추출된 북극 진동 패턴에 일별 해면 기압을 내삽하여 북극 진동의 인덱스를 예측하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 해수면 영역의 일별 해면 기압을 추출하는 단계는 상기 역학 모델을 기반으로 앙상블 평균을 이용하여 해면 기압 자료에 포함된 노이즈를 제거하는 단계; 및 상기 노이즈가 제거된 해면 기압 자료에 편향 보정을 수행하여 편향 보정이 수행된 일별 해면 기압을 추출하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 북극 진동의 인덱스를 예측하는 단계는 경험적 직교 함수를 통해 월별 해면 기압에 관한 기상 패턴을 결정하는 단계; 상기 월별 해면 기압에 관한 기상 패턴에 일별 해면 기압을 내삽하는 단계; 및 상기 내삽에 의한 기상 패턴과 일별 해면 기압 간의 변화값으로부터 북극 진동의 인덱스를 예측하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 북극 진동의 인덱스는 경험적 직교 함수 패턴에 따른 일별 또는, 월별로 정의된 기후 값이 제거된 아노말리가 적용된 값일 수 있다.
본 발명의 실시예에 따른 대기 원격 상관 패턴의 인덱스를 예측하는 단계는 경험적 직교 함수를 통해 지위 고도를 필터링하는 단계; 및 상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 지면 기온의 확률 분포를 예측하는 단계는 상기 위상 모델을 통해 북극 진동의 인덱스로부터 북극 진동의 위상을 결정하는 단계; 상기 위상 모델을 통해 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정하는 단계; 및 상기 결정된 북극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 북반구에서 발생 가능한 지면 기온의 확률 분포를 예측하는 단계; 를 포함할 수 있다.
본 발명의 다른 실시예에 따른 기후 변화 예측 방법은 인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 남반구에서 나타나는 남극 진동의 인덱스를 예측하는 단계; 대기 중층(500-hPa)의 지위 고도 자료를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측하는 단계; 및 상기 남극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 남극 진동의 인덱스를 예측하는 단계는 상기 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출하는 단계; 및 사전에 관측된 월별 해면 기압에 일별 해면 기압을 내삽하여 아노말리가 적용된 남극 진동의 인덱스를 예측하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 대기 원격 상관 패턴의 인덱스를 예측하는 단계는 경험적 직교 함수를 통해 지위 고도를 필터링하는 단계; 및 상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정하는 단계; 를 포함할 수 있다.
본 발명의 실시예에 따른 지면 기온의 확률 분포를 예측하는 단계는 상기 위상 모델을 통해 남극 진동의 인덱스로부터 남극 진동의 위상을 결정하는 단계; 상기 위상 모델을 통해 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정하는 단계; 및 상기 결정된 남극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 남반구에서 발생 가능한 지면 기온의 확률 분포를 예측하는 단계; 를 포함할 수 있다.
본 발명의 일실시예에 따른 컴퓨팅 장치에 포함된 프로세서는 인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 북반구에서 나타나는 북극 진동의 인덱스를 예측하고, 대기 중층(500-hPa)의 지위 고도 자료를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측하고, 상기 북극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측할 수 있다.
본 발명의 실시예에 따른 프로세서는 상기 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출하고, 사전에 관측된 월별 해면 기압에 상기 일별 해면 기압을 내삽하여 북극 진동의 인덱스를 예측할 수 있다.
본 발명의 실시예에 따른 프로세서는 경험적 직교 함수를 통해 월별 해면 기압에 관한 기상 패턴을 결정하고, 상기 월별 해면 기압에 관한 기상 패턴에 일별 해면 기압을 내삽하고, 상기 내삽에 의한 기상 패턴과 일별 해면 기압 간의 변화값으로부터 북극 진동의 인덱스를 예측할 수 있다.
본 발명의 실시예에 따른 프로세서는 경험적 직교 함수를 통해 지위 고도에 관한 기상 패턴을 추출하고, 상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정할 수 있다.
본 발명의 실시예에 따른 프로세서는 상기 위상 모델을 통해 북극 진동의 인덱스로부터 북극 진동의 위상을 결정하고, 상기 위상 모델을 통해 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정하고, 상기 결정된 북극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 북반구에서 발생 가능한 지면 기온의 확률 분포를 예측할 수 있다.
본 발명의 다른 실시예에 따른 컴퓨팅 장치에 포함된 프로세서는 인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 남반구에서 나타나는 남극 진동의 인덱스를 예측하고, 대기 중층(500-hPa)의 지위 고도 자료를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측하고, 상기 남극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측할 수 있다.
본 발명의 실시예에 따른 프로세서는 상기 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출하고, 사전에 관측된 월별 해면 기압에 일별 해면 기압을 내삽하여 아노말리가 적용된 남극 진동의 인덱스를 예측할 수 있다.
본 발명의 실시예에 따른 프로세서는 경험적 직교 함수를 통해 지위 고도에 관한 기상 패턴을 추출하고, 상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정할 수 있다.
본 발명의 실시예에 따른 프로세서는 상기 위상 모델을 통해 남극 진동의 인덱스로부터 남극 진동의 위상을 결정하고, 상기 위상 모델을 통해 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정하고, 상기 결정된 남극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 남반구에서 발생 가능한 지면 기온의 확률 분포를 예측할 수 있다.
본 발명의 일실시예에 의하면, 기후 변화 예측 방법은 수치 · 물리에 관한 역학 모델과 통계에 관한 위상 모델이 결합된 하이브리드 모델을 이용하여 기후에 영향을 미치는 지면 기온(T2m)의 확률 분포를 예측할 수 있다.
본 발명의 일실시예에 의하면, 기후 변화 예측 방법은 해면 기압의 양적 변화를 나타내는 역학 모델을 이용하여 북극 진동(또는, 남극 진동) 및 대기 원격 상관 패턴을 예측함으로써, 통계적 관계를 분석하기 위한 예측 인자를 보다 안정적으로 예측할 수 있다.
본 발명의 일실시예에 의하면, 기후 변화 예측 방법은 역학 모델을 통해 예측된 북극 진동(또는, 남극 진동) 및 대기 원격 상관 패턴을 위상 모델의 입력 데이터로 활용함으로써, 예보 선행 기간 동안의 시간에 따른 예측 수준과 불확실성에 의한 분석 신뢰도의 수준을 향상시킬 수 있다.
도 1은 본 발명의 일실시예에 따른 지면 기온의 확률 분포를 예측하기 위한 전반적인 동작을 설명하기 위한 컴퓨팅 장치를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨팅 장치에 포함된 프로세서를 통해 세부적인 동작을 설명하기 위해 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 북극 진동(또는, 남극 진동) 및 대기 원격 상관 패턴을 통해 지면 기온의 확률 분포를 예측하는 과정을 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 하이브리드 모델을 이용해 지역별 예보 적중 숙련도(HSS, Heidke Skill Score)를 평가한 결과를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 역학 모델을 기반으로 앙상블 평균에 따른 겨울철의 북극 진동을 예측하기 위해 시뮬레이션 된 결과를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 북극 진동을 이용해 예보 선행 기간(Lead Time) 내 지면 기온의 확률 분포를 예측한 결과를 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 예보 선행 기간 내 북극 진동 또는, 남극 진동의 위상에 대한 신뢰도 평가 기준(Calibration Functions)을 도시한 도면이다.
도 8은는 본 발명의 일실시예에 따른 북극 진동 또는, 남극 진동의 위상을 사용하여 예보 선행 기간 내 특정 지역에 대해 보정된 결과를 도시한 도면이다.
도 9는 본 발명의 일실시예에 따른 기후 변화 예측 방법을 설명하기 위해 도시한 흐름도이다.
도 10은 본 발명의 다른 실시예에 따른 기후 변화 예측 방법을 설명하기 위해 도시한 흐름도이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 지면 기온의 확률 분포를 예측하기 위한 전반적인 동작을 설명하기 위한 컴퓨팅 장치를 도시한 도면이다.
도 1을 참고하면, 컴퓨팅 장치(101)는 동적으로 움직이는 대기의 변동성을 고려하여 지역 및 계절에 따라 다르게 나타나는 기후를 예측할 수 있다. 컴퓨팅 장치(101)는 역학 모델(103, Dynamic Model)과 위상 모델(104, Phase Model)이 결합된 하이브리드 모델(102, Hybrid Model)을 이용하여 기후에 영향을 미치는 지면 기온의 확률 분포(107)를 예측할 수 있다.
여기서, 역학 모델(103)은 연속적인 대기의 흐름을 고려하여 기후에 영향을 미치는 북극 진동(AO: Arctic Oscillation), 남극 진동(AAO: Antarctic Oscillation) 및 대기 원격 상관 패턴을 예측하기 위한 수치 모델일 수 있다. 일례로, 역학 모델(103)은 인공 위성을 통해 관측된 해면 기압 자료(105, Sea-Level Pressure Data)를 이용하여 북극 진동의 인덱스 또는, 남극 진동의 인덱스를 예측할 수 있다. 역학 모델(103)은 500-hPa 지위 고도 자료(106, Geopotential Height Data)를 이용하여 대기 원격 상관 패턴의 인덱스를 예측할 수 있다.
역학 모델(103)은 예측 인자와 예측 변수 간의 회귀식에 따른 선형 관계를 기반으로 계절 내(Sub-seasonal) 시간 규모의 북극 진동 또는, 남극 진동을 지속적으로 예측할 수 있다. 본 발명은 역학 모델(103)이 갖는 수치적 오차를 보완하기 위해, 앙상블 평균(Ensemble Average)을 적용할 수 있다. 이때, 본 발명은 날씨를 예측하는 기관들에서 사용되는 수치 예측 모형을 갖는 역학 모델(103)을 활용할 수 있다. 본 발명은 미래 날씨 예측을 위해 복수의 회차로 반복 수행할 수 있으며, 반복 수행된 수행 결과로부터 수용 가능한 모든 앙상블 멤버를 이용해 앙상블 평균을 적용할 수 있다. 또한, 본 발명은 역학 모델(103)의 입력 값이 되는 초기장에 임의의 오차를 포함하여 앙상블 평균에 관한 예측을 수행할 수 있다.
일례로, 역학 모델(103)은 해면 기압 자료(105)로부터 특정 구간 내 무수히 발생하는 북극 진동의 인덱스를 예측할 수 있다. 특정 구간은 한 주기를 의미할 수 있으며, 한 주기는 하루, 24시간을 의미할 수 있다. 본 발명은 특정 구간에서 예측된 복수의 북극 진동의 인덱스를 앙상블로 수집하고, 수집한 앙상블에 관한 앙상블 평균을 생성할 수 있다. 본 발명은 앙상블 평균을 이용해 해면 기압 자료에 포함된 노이즈를 제거함으로써, 수치적 오차를 보완할 수 있다.
위상 모델(104)은 역학 모델(103)을 통해 수치적으로 예측된 북극 진동 또는, 남극 진동에 통계적 관계를 적용하는 확률 모델 또는, 통계 모델일 수 있다. 위상 모델(104)은 예측 인자와 예측 변수 간 비선형 관계를 기반으로 기후를 예측하기 위한 지면 기온의 확률을 예측할 수 있다.
여기서, 예측 인자는 각 모델을 통해 결과를 예측할 수 있게 하는 요소로, 일례로, 역학 모델(103)의 예측 인자는 북극 진동 또는, 남극 진동을 예측하기 위한 해수면 기압 정보이거나, 대기 원격 상관 패턴을 예측하기 위한 지위 고도 자료일 수 있다. 위상 모델(104)의 예측 인자는 역학 모델(103)에서 출력된 출력 데이터 즉, 예측된 북극 진동의 인덱스 또는, 남극 진동의 인덱스일 수 있다. 예측 변수는 기후를 예측하기 위해 사용되는 요소로, 일례로, 역학 모델(103)의 예측 변수는 해면 기압, 지위 고도일 수 있으며, 위상 모델(104)의 예측 변수는 T2m일 수 있다.
하이브리드 모델(102)은 역학 모델(103)로부터 출력된 예측 인자를 위상 모델(104)의 입력 데이터로 활용함으로써, 위상 모델(104)을 통해 일정 기간의 예보 선행 기간(Lead Time) 내 기후의 예측 성능을 향상시키는 혼합 모델일 수 있다. 일례로, 하이브리드 모델(102)은 역학 모델(103)에서 예측된 1주에서 3주까지 북극 위상의 위상을 이용하여 1주에서 6주까지 예보 선행 기간에 대해 통계 모델(104)을 통한 북반구의 겨울철 내 지면 기온의 확률 분포(107)를 예측할 수 있다.
결국, 하이브리드 모델(102)은 동적인 형태를 갖는 역학 모델(103)의 북극 진동(또는, 남극 진동)의 위상과 지면의 대기 원격 상관 패턴의 위상 간의 경험적 관계를 기반으로 한 위상 모델(104)과 결합하여 구축될 수 있다. 이에, 하이브리드 모델(102)은 모든 예측하고자 하는 예보 선행 기간에 대한 기술 점수와 신뢰성을 향상시킬 수 있으며, 비 계절에서의 기후를 예측하기 위한 모델일 수 있다.
따라서, 컴퓨팅 장치(101)는 하이브리드 모델(102)을 이용하여 북반구 또는, 남반구에서 나타나는 지면 기온의 확률 분포(107)를 각각 예측할 수 있다. 컴퓨팅 장치(101)는 각각 예측된 지면 기온의 확률 분포(107)를 분석하여 계절별 북반구 또는, 남반구의 각 기후를 보다 정확하게 예측할 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨팅 장치에 포함된 프로세서를 통해 세부적인 동작을 설명하기 위해 도시한 도면이다.
도 2를 참고하면, 컴퓨팅 장치는 기후 변화 예측 방법을 수행할 수 있다. 컴퓨팅 장치는 기후 변화 예측 방법을 수행하기 위해 프로세서(201)를 포함할 수 있다. 프로세서(201)는 다음의 동작을 수행함으로써, 하이브리드 모델(102)을 이용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측할 수 있다. 여기서, 하이브리드 모델(102)은 역학 모델(103)과 위상 모델(104)이 결합된 혼합 모델일 수 있다.
① 역학 모델
프로세서(201)는 기후 예측의 정확도를 높이기 위해, 역학 모델(103)을 통한 북극 진동(또는, 남극 진동: 이하에서는, 북반구의 북극 진동을 중심으로 발명을 설명하도록 한다.)의 위상에 대한 초기값을 설정할 수 있다.
자세하게, 프로세서(201)는 역학 모델(103)을 활용하여 북극 진동의 인덱스 또는, 남극 진동의 인덱스(205) 및 대기 원격 상관 패턴의 인덱스(206)를 예측할 수 있다. 프로세서(201)는 컴퓨팅 장치(101)는 인공 위성을 통해 관측된 해면 기압 자료(105)를 역학 모델(103)에 적용하여 북반구에서 나타나는 북극 진동의 인덱스(205)를 예측할 수 있다. 여기서, 해면 기압 자료(105)는 기온을 예측하기 위한 수평 해상도에서 일일 2 미터 온도(T2m)를 나타내는 자료일 수 있다. 일례로, 해수 온도 자료(105)는 12 월에서 2 월 (DJF)까지 위도 2.5 ° Х 경도 2.5 °의 수평 해상도에서 ECMWF (European Center for Medium Range Weather Forecasts)의 일일 2 미터 온도 (T2m)를 사용한 자료일 수 있다.
프로세서(201)는 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압(204)를 추출할 수 있다. 여기서, 프로세서(201)는 역학 모델을 기반으로 앙상블 평균을 이용하여 해면 기압 자료에 포함된 노이즈를 제거할 수 있다. 일례로, 프로세서(201)는 2.5 ° Х 2.5 ° 그리드에 수평으로 해면 기압 자료를 보간함으로서, 수치적 오차를 보정할 수 있다. 본 발명은 다음의 수학식 1 및 수학식 2을 통해 앙상블 평균에 따른 바이어스를 수정할 수 있다.
여기서, H와 O는 각 그리드 포인트에서 각각의 과거 재현 자료(hindcast) 및 관찰 데이터 세트를 나타내고, 프라임은 편향 보정된 역치를 나타내고 오버 바는 월간 기후를 나타낼 수 있다.
여기서, 는 편이 보정된 과거 재현 자료를 의미하며, 는 예측된 월별 기후값을 의미하고, 는 관측된 월별 기후값을 의미하며, 는 주별 예측 선행 시간 을 의미할 수 있다.
프로세서(201)는 노이즈가 제거된 해면 기압 자료에 편향 보정을 수행하여 편향 보정이 수행된 일별 해면 기압(204)를 추출할 수 있다.
이후, 프로세서(201)는 월별 해면 기압(203)에 일별 해면 기압(204)를 내삽하여 북극 진동의 인덱스를 예측할 수 있다. 월별 해면 기압(203)은 사전에 관측 및 수집된 정보로, 프로세서(201)는 데이터 베이스(202)에 저장된 월별 해면 기압(203)를 이용할 수 있다.
프로세서(201)는 경험적 직교 함수(EOF: empirical orthogonal function)를 통해 월별 해면 기압(203)에 관한 기상 패턴을 결정할 수 있다. 프로세서(201)는 월별 해면 기압(203)에 관한 기상 패턴에 일별 해면 기압(204)를 내삽하여, 내삽에 의한 기상 패턴과 일별 해면 기압 간의 변화값으로부터 북극 진동의 인덱스(205)를 예측할 수 있다. 일례로, 프로세서(201)는 북위 20도 이상의 지역에서 관측된 월별 해면 기압(203)에 관한 아노말리의 첫번째 경험적 직교 함수 패턴에 편향 보정된 일별 해면 기압(204)에 관한 아노말리를 내삽하여 북극 진동의 인덱스(205)를 예측할 수 있다.
여기서, 북극 진동의 인덱스(205)는 경험적 직교 함수 패턴에 따른 일별 또는, 월별로 정의된 기후 값이 제거된 아노말리(anomaly)가 적용된 값일 수 있다. 이때, 아노말리는 월별 혹은 일별로 정의된 기후값을 제거한 값일 수 있다. 일례로, 북극 진동의 인덱스(205)는 ECMWF 과거 재현 자료(hindcast)의 SLP 내 아노말리가 적용된 것으로, -5 ~ +5 사이의 수치로 진동 강도를 표현할 수 있다. 양성(Positive Phase)은 북극 진동의 인덱스가 0.43 이상일 때를 의미하고, 반대로, 음성(Negative Phase)은 -0.43 이하일 때를 의미할 수 있다.
본 발명은 남극 진동의 인덱스를 예측함에 있어, 위에서 상술한 북극 진동의 인덱스를 예측하는 방법과 동일하나, 남위 20도 이하의 지역에서 관측된 월별 해면 기압에 관한 아노말리의 첫번째 경험적 직교 함수 패턴에 편향 보정된 일별 해면 기압에 관한 아노말리를 내삽하여 남극 진동의 인덱스를 예측할 수 있다.
프로세서(201)는 주별 예측 성능 평가를 위하여 대기 중층(500-hPa)의 지위 고도 자료(106)를 역학 모델(103)에 적용하여 대기 원격 상관 패턴의 인덱스(206)를 예측할 수 있다. 프로세서(201)는 경험적 직교 함수를 통해 지위 고도를 필터링할 수 있다. 프로세서(201)는 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전(Varimax Rotation)을 적용하여 대기 원격 상관 패턴의 인덱스(206)를 결정할 수 있다. 베리맥스 회전은 필터링 된 지위 고도를 대상으로 하나의 요인에 높게 적재되는 예측 변수의 수를 줄이는 방식일 수 있다. 결국, 프로세서(201)는 지위 고도에 대해 경험적 직교 함수로 필터링 한 후, 베리맥스 회전을 이용한 회전된 경험적 직교 함수(REOF, Rotated Empirical Orthogonal Function)로 재 정의함으로써, 대기 원격 상관 패턴의 인덱스(206)를 예측할 수 있다.
일례로, 본 발명은 대류권 중층에서 정의되는 북대서양 진동(NAO, North Atlantic Oscillation), 태평양-북미 패턴(PNA, Pacific/North American Pattern), 동대서양(EA, East Atlantic), 동대서양/서러시아(EAWR, East Atlantic/Western Russia), (SCAND, Scandinavia), (PE, Polar/Eurasia), (WP, West Pacific) 등을 포함한 북반구의 대기 원격 상관 패턴에 대해 인덱스를 예측할 수 있다.
② 위상 모델
프로세서(201)는 위상 모델(104)을 통한 경험적 관계를 적용하여 북극 진동의 인덱스(205) 및 대기 원격 상관 패턴의 인덱스(206)에 따른 지면 기온의 확률 분포(107)를 예측할 수 있다.
자세하게, 프로세서(201)는 역학 모델(103)의 출력 데이터, 즉, 북극 진동의 인덱스(205) 및 대기 원격 상관 패턴의 인덱스(206)을 위상 모델(104)의 입력 데이터로 이용할 수 있다. 프로세서(201)는 북극 진동의 인덱스(205) 및 대기 원격 상관 패턴의 인덱스(206)를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포(107)를 예측할 수 있다.
프로세서(201)는 위상 모델을 통해 북극 진동의 인덱스(205)로부터 북극 진동의 위상(207)을 결정하고, 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상(208)을 결정할 수 있다. 프로세서(201)는 북극 진동의 위상(207) 및 대기 원격 상관 패턴의 위상(208)으로부터 예보 선행 기간에 따른 특정 계절 동안 북반구에서 발생 가능한 지면 기온의 확률 분포를 예측할 수 있다.
도 3은 본 발명의 일실시예에 따른 북극 진동(또는, 남극 진동) 및 대기 원격 상관 패턴을 통해 지면 기온의 확률 분포를 예측하는 과정을 도시한 도면이다.
도 3을 참고하면, 하이브리드 모델(102)은 역학 모델(104)과 위상 모델(103)이 결합된 혼합 모델로, 완전 예보 결정(Perfect Prognosis)을 통해 지면 기온의 확률 분포를 예측할 수 있다.
S1(301)에서 컴퓨팅 장치는 역학 모델(104)을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출할 수 있다.
S2(302)에서 컴퓨팅 장치는 특정 구간의 앙상블 평균을 이용하여 해면 기압 자료에 포함된 노이즈를 제거할 수 있다. 컴퓨팅 장치는 노이즈가 제거된 해면 기압 자료에 편향 보정을 수행하여 편향 보정이 수행된 일별 해면 기압을 추출할 수 있다.
S3(303)에서 컴퓨팅 장치는 경험적 직교 함수를 통해 월별 해면 기압에 관한 기상 패턴을 결정할 수 있다. 컴퓨팅 장치는 월별 해면 기압에 관한 기상 패턴에 일별 해면 기압을 내삽할 수 있다.
S4(304)에서 컴퓨팅 장치는 내삽에 의한 기상 패턴과 일별 해면 기압 간의 변화값으로부터 북극 진동의 인덱스를 예측할 수 있다. 컴퓨팅 장치는 역학 모델(104)을 통해 지위 고자 자료로부터 지면의 대기 원격 상관 패턴의 인덱스를 예측할 수 있다. 이후, 컴퓨팅 장치는 역학 모델(104)을 통해 출력된 출력 데이터(북극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스)를 위상 모델(103)의 입력 데이터로 이용할 수 있다.
컴퓨팅 장치는 북극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스에 대응하여 북극 진동의 위상 및 대기 원격 상관 패턴의 위상을 각각 결정할 수 있다. 컴퓨팅 장치는 역학 모델(103)의 북극 진동의 위상과 지면의 대기 원격 상관 패턴의 위상 간의 경험적 관계를 기반으로 한 위상 모델(104)과 결합하여 구축할 수 있다. 위상 모델은 예측 인자(AO)와 예측 변수(T2m) 간의 합성장에 의해 관측될 수 있다.
이때, 컴퓨팅 장치는 완전 예보 결정(Perfect Prognosis)을 통해 지면 기온의 확률 분포를 예측할 수 있다. 완전 예보 결합은 다음의 수학식 3과 같이 나타낼 수 있다.
본 발명은 관측 자료에 기반하여 예측 인자와 예측 변수 간에 관계식을 산출할 수 있으며, 이는 역학 모형의 예측 결과가 완벽하다는 가정하에 역학 모델에서 산출된 결과를 예측 인자로 사용할 수 있다. 이후, 컴퓨팅 장치는 완전 예보 결정에 따른 역학 모델을 통해 예측된 북극 진동의 위상(초기) 및 예보 선행 기간 간에 관계를 결합함으로써, 예보 선행 기간에 따른 예측 성능의 감소를 지연시키면서, 보다 정확한 지면 기온의 확률 분포를 예측할 수 있다
도 4는 본 발명의 일실시예에 따른 하이브리드 모델을 이용해 지역별 예보 적중 숙련도(HSS, Heidke Skill Score)를 평가한 결과를 도시한 도면이다.
도 4의 그래프는 지역별 예보 선행 기간에 따라 예측된 지면 기온의 확률 분포를 나타내는 그래프이다. 본 발명은 지역별로 북극 진동의 위상 및 대기 원격 상관 패턴의 위상 간에 나타나는 이상 분포의 관계를 분석함으로써, 예보 선행 기간에 따라 변화하는 지면 기온의 확률 분포를 예측할 수 있다. 본 발명은 예보 선행 기간 별로 북극 진동의 위상 및 대기 원격 상관 패턴의 위상 간에 서로 다른 관계를 분석할 수 있다. 여기서, 1 주는 7 일, 즉 4-10 일을 중심으로 한 평균 7 일로 정의될 수 있다. 또한, 2 주차부터 6 주차까지 각각 14 일에서 42 일을 중심으로 한 7 일로 정의될 수 있다. 이는 아래의 표 1과 같이 나타낼 수 있다.
도 4의 범주로, AO7918은, NOAA/CPC를 통해 관측된 북극 진동을 의미하며, AO9817은 본 발명에서 제안한 방식을 통해 예측된 북극 진동의 의미할 수 있다. 또한, H1 ~ H4는 하이브리드 모델에서 예측 가능한 각 단계를 의미하며, H1은, 1주 예측된 북극 진동의 위상을 예측 인자로 결합한 버전(1 week dyn. fcst)일 수 있다. 이는 역학 모델의 높은 초기 예측 성능이 확률 예측 향상에 기여할 수 있다.H2는 2주 예측된 북극 진동의 위상을 예측 인자로 결합한 버전(2 week dyn. fcst)일 수 있다. 이는 Week 2에서, H1과 유사하나, H1 대비 낮은 예보 적중 숙련도를 나타내며, Week 3-4에서, 유라시아 지역을 한정하여 H1 대비 개선된 예측 성능을 향상시킬 수 있다. H3, H4는 Week 4의 예측 성능을 향상시킬 수 있다.
이러한, 각 버전은 아래의 표 2와 같이 나타낼 수 있다.
ⓐ 예보 선행 기간 (1주)프로세서는 1주차 기후를 예측하는 경우, 북극 진동의 위상 및 대기 원격 상관 패턴의 위상 간 이상 분포 사이의 동시 관계를 통해 지면 기온의 확률 분포를 동적으로 예측할 수 있다.
ⓑ 예보 선행 기간 (2주 이상)
프로세서는 2주차 이상의 기후를 예측하는 경우, 북극 진동의 위상 및 대기 원격 상관 패턴의 위상 간 이상 분포 간의 지연 관계를 통해 지면 기온의 확률 분포를 동적으로 예측할 수 있다.
본 발명은 다음의 수학식 4와 같이 정의되는 예보 적중 숙련도(HSS, Heidke Skill Score)를 사용하여 예보 선행 기간 별 지면 기온의 확률 분포를 예측할 수 있다.
여기서, T는 총 예측 수를 의미하고, C는 성공적인 예측 수를 의미하고, E는 우연히 예상되는 성공 예측 수를 의미이며, 이는 세 가지 범주 예측의 경우, 북극 진동의 조건에 따른 변화로써, 약 T / 3 로 채택될 수 있으며, 이는 수학식 5와 같이 나타낼 수 있다.
HSS 범위는 -50 %에서 100 %까지 이며 0은 무작위 예측보다 더 나은 기술을 나타내는 모델의 기준선을 나타낸다.
도 4의 그래프 (a)는 북반구(Northern Hemisphere) 지역의 예보 적중 숙련도를 평가한 결과이고, 도 4의 그래프 (b)는 유라시아(Eurasia) 지역의 예보 적중 숙련도를 평가한 결과이며, 도 4의 그래프 (c)는 북아메리카(North America) 지역의 예보 적중 숙련도를 평가한 결과일 수 있다.
각 지역을 중심으로 예보 선행 기간에 따라 평가한 예보 적중 숙련도를 평가한 결과를 살펴보면, 도 4의 그래프 (a) ~ (c)에서 기존의 북극 진동을 이용한 방법은 예보 선행 기간이 길어질수록 예보 적중 숙련도가 낮아지는 것을 확인할 수 있으며, 이는 단일 위상 모델을 기반으로 과거의 북극 진동을 이용함에 따라 기후의 예측에 낮은 정확도를 갖는 것일 수 있다. 반면, 본 발명에서 제안한 하이브리드 모델을 이용한 방법은 예보 선행 기간이 길어지더라도 비교적 평평하게 유지되는 것으로 나타나며, 이는 예보 선행 기간에서 역학 모델을 통해 예측된 북극 진동을 이용한 통계 모델을 활용함으로써, 동적 모델에서의 기후 예측에 관한 높은 정확도를 가지며, 이에 따른 예측 성능이 향상된 것으로 파악할 수 있다.
또한, 도 4의 그래프 (a) ~ (c) 중 그래프 (b)에 해당하는 유라시아(Eurasia) 지역의 예보 적중 숙련도가 다른 그래프 (a), (c)에 비해 단일 위상 모델과의 간격이 다소 낮은 것으로 나타난다. 이는 유라시아 지역에서 비교적 높은 북극 진동의 초기 위상을 예측 성능이 높은 것으로 파악되며, 북극 진동과 유라시아 지역의 기온 간에 강한 연관성을 갖는 것으로 확인할 수 있다.
도 5는 본 발명의 일실시예에 따른 역학 모델을 기반으로 앙상블 평균에 따른 겨울철의 북극 진동을 예측하기 위해 시뮬레이션 된 결과를 도시한 도면이다.
도 5의 그래프는 겨울철 북극 진동의 위상을 예측한 결과로, 예보 선행 기간 별 과거 재현 자료의 북극 진동에 대한 예보 적중 숙련도를 나타낸다. 본 그래프는 북극 진동의 위상이 진폭(Active Phases)되는 시기를 파악할 수 있다.
자세하게, 본 발명은 과거 재현 자료를 재 예측한 모든 단계(All)를 평가하면 임의의 예측(즉, HSS> 0 %)보다 더 숙련된 예측으로 최대 32 일까지 예측할 수 있다. 이때, 예측 1 일의 초기 스킬은 85 %에 가까운 예보 적중 숙련도에서 시작되며 이는 예측 14 일에 약 35 %로 감소할 수 있다. 예측 32에는 예보 적중 숙련도가 15%까지 감소하나, 중립 단계(Neu: Neutral)보다 높게 유지될 수 있다.
본 발명은 활성 단계(Pos: Positive & Neg: Negative)에 대해 기술을 측정하면 모든 단계(All)에 비해 모든 리드 타임에 대해 예측 기술이 5-20 % 증가할 수 있다. 다만, 활성 단계를 구성하는 긍정 단계(Pos)와 부정 단계(Neg)의 기술 차이는 미미할 수 있다. 다만, 예보 적중 숙련도는 중립 단계(Neu)에 대한 예측 일 11 일에 0 % 아래로 떨어지는 것으로 보여 진다.
따라서, 본 발명에서 제안하는 역학 모델을 통한 북극 진동의 증폭으로 인한 신뢰할 수 있는 예측은 동적 모델의 긍정 단계(Pos)와 부정 단계(Neg)에서 가능하고, 보다 숙련된 예측은 중립 단계(Neu)의 경우로 2 주에 제한될 수 있다.
도 6은 본 발명의 일실시예에 따른 북극 진동을 이용해 예보 선행 기간(Lead Time) 내 지면 기온의 확률 분포를 예측한 결과를 도시한 도면이다.
도 5의 그래프는 ECMWF의 과거 재현 자료의 T2m을 예측한 결과로, 예보 선행 기간 내 겨울철의 기온에 관한 예보 적중 숙련도를 나타낸다. 본 발명은 하이브리드 모델을 기반으로 T2m에 대해 도 5에 개시된 긍정 단계(Pos)와 부정 단계(Neg)에서 평가할 수 있다.
도 5의 그래프를 살펴보면, 예보 적중 숙련도는 열대 지역에서 지속적으로 정확도가 높은 것으로 나타내며, 이는 ENSO(El Ni
Figure 112021121934939-pat00015
o-Southern Oscillation)의 대규모 변동성이 낮기 때문일 수 있다. 반면, 예보 적중 숙련도는 중 ·고위 지역에서 초기의 높은 예측 성능이 빠르게 감소하는 것으로 나타나며, 이는 중위도의 강한 온도 경도 ~ 경합이 불안정하며, 대륙을 중심으로 더욱 급격하게 예측성이 감소하기 때문일 수 있다. 이러한 결과는, 아래의 표 3과 같이 나타낼 수 있다.
도 7은 본 발명의 일실시예에 따른 예보 선행 기간 내 북극 진동 또는, 남극 진동의 위상에 대한 신뢰도 평가 기준(Calibration Functions)을 도시한 도면이다.
도 7을 살펴보면, 신뢰도 평가는 '1'에 가까울수록 최소한의 오차를 통해 안정적으로 일관성 있게 기후를 측정한 것으로 판단할 수 있다. 이는 그래프(701)과 같이 나타낼 수 있다.
그래프(701)를 기준으로 좌측에 도시된 그래프(702)는 '1'을 기준으로 x축에서 다소 오차가 발생하였으나, 이는 예측 인자의 조건에 대응하여 적절하게 예측한 결과로, 높은 정확도를 가질 수 있다. 그래프(701)를 기준으로 우측에 도시된 그래프(703)는 '1'을 기준으로 x축 및 y측에서 큰 오차가 발생하였으며, 이는 예측 인자의 조건에 부합하게 예측한 결과로 낮은 정확도를 가질 수 있다.
또한, 그래프(701)를 기준으로 상측에 도시된 그래프(704)는 '1'을 기준으로 하위 영역에 낮은 기울기를 가진 형태로, 이는 예측 인자의 조건에 비해 과도하게 예측한 결과로, 축축한 편향(wet bias)을 나타낸다. 그리고, 그래프(701)를 기준으로 상측에 도시된 그래프(705)는 '0'을 기준으로 상위 영역에 높은 기울기를 가진 형태로, 이는 예측 인자의 조건에 비해 과소하게 예측된 결과로, 건조한 편향(dry bias)를 나타낸다.
도 8은 본 발명의 일실시예에 따른 하이브리드 모델의 신뢰도를 개선한 결과를 도시한 도면이다.
도 8을 참고하면, 컴퓨팅 장치는 4주의 예보 선행 기간에 대한 하이브리드 모델의 신뢰도를 개선할 수 있다. 도 8의 그래프들은 본 발명은 예측 확률 및 상대 주파수 간에 관계를 나타낼 수 있다. 도 8의 (a)는 긍정 단계의 북극 진동으로, 낮은 정확도를 갖는 그래프이고, 도 8의 (b)는 긍정 단계의 북극 진동으로, 높은 정확도를 갖는 그래프이다. 또한, 도 8의 (c)는 부정 단계의 북극 진동으로 낮은 정확도를 갖는 그래프이고, 도 8의 (d)는 부정 단계의 북극 진동으로 높은 정확도를 갖는 그래프이다.
컴퓨팅 장치는 각 그래프로 표현된 하이브리드 모델의 각 단계를 보정할 수 있으며, 이를 통해 각 단계는 다음과 같이 보정될 수 있다.
- 단일 위상 모델을 이용한 북극 진동은 1보다 작은 기울기(overconfidence)를 가지며, 긍정 단계의 북극 진동으로 편향적으로 예측될 수 있다.
- H1는 단일 위상 모델과 비슷한 형태로 예측될 수 있다.
- H2는 H1 대비하여 개선된 신뢰도로 예측될 수 있다.
- H3, H4 는 하위 3분위에 속하며, 과도하게 예측되거나, 또는, 상위 3분위에 속하며, 과소하게 예측될 수 있다. 이는 1:1 기준선과 가장 근접한 형태를 나타내며, 이에 따른 신뢰도가 향상될 수 있다.
도 9는 본 발명의 일실시예에 따른 기후 변화 예측 방법을 설명하기 위해 도시한 흐름도이다.
단계(901)에서 컴퓨팅 장치는, 인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 북반구에서 나타나는 북극 진동의 인덱스를 예측할 수 있다.
컴퓨팅 장치는 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출할 수 있다. 이때, 컴퓨팅 장치는 역학 모델을 기반으로 앙상블 평균을 이용하여 해면 기압 자료에 포함된 노이즈를 제거할 수 있다. 컴퓨팅 장치는 노이즈가 제거된 해면 기압 자료에 편향 보정을 수행하여 편향 보정이 수행된 일별 해면 기압을 추출할 수 있다.
이후, 컴퓨팅 장치는, 사전에 관측된 월별 해면 기압에 상기 일별 해면 기압을 내삽하여 북극 진동의 인덱스를 예측할 수 있다. 이때, 컴퓨팅 장치는, 경험적 직교 함수를 통해 월별 해면 기압에 관한 기상 패턴을 결정할 수 있다. 컴퓨팅 장치는 월별 해면 기압에 관한 기상 패턴에 일별 해면 기압을 내삽할 수 있다. 컴퓨팅 장치는 내삽에 의한 기상 패턴과 일별 해면 기압 간의 변화값으로부터 북극 진동의 인덱스를 예측할 수 있다.
상술한 과정을 거쳐 예측된 북극 진동의 인덱스는 경험적 직교 함수 패턴에 따른 일별 또는, 월별로 정의된 기후 값이 제거된 아노말리(anomaly)가 적용된 값일 수 있다. 아노말리는, 특정 지역을 중심으로 정해진 기간 동안 관측된 기후에 관한 평균값으로부터 변화하는 차이값일 수 있다.
단계(902)에서 컴퓨팅 장치는, 대기 중층(500-hPa)의 지위 고도 자료를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측할 수 있다. 컴퓨팅 장치는 경험적 직교 함수를 통해 지위 고도에 관한 기상 패턴을 추출할 수 있다. 컴퓨팅 장치는 상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정할 수 있다.
단계(903)에서 컴퓨팅 장치는 북극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측할 수 있다. 컴퓨팅 장치는 위상 모델을 통해 북극 진동의 인덱스로부터 북극 진동의 위상을 결정하고, 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정할 수 있다. 컴퓨팅 장치는 북극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 북반구에서 발생 가능한 지면 기온의 확률 분포를 예측할 수 있다. 컴퓨팅 장치는 지면 기온의 확률 분포를 통해 북반구의 겨울철에 나타나는 기후의 변화를 예측할 수 있다.
도 10은 본 발명의 다른 실시예에 따른 기후 변화 예측 방법을 설명하기 위해 도시한 흐름도이다.
단계(1001)에서 컴퓨팅 장치는, 인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 남반구에서 나타나는 남극 진동의 인덱스를 예측할 수 있다. 컴퓨팅 장치는 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출할 수 있다. 컴퓨팅 장치는 사전에 관측된 월별 해면 기압에 일별 해면 기압을 내삽하여 아노말리가 적용된 남극 진동의 인덱스를 예측할 수 있다.
단계(1002)에서 컴퓨팅 장치는, 대기 중층(500-hPa)의 지위 고도 자료를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측할 수 있다. 컴퓨팅 장치는 경험적 직교 함수를 통해 지위 고도에 관한 기상 패턴을 추출할 수 있다. 컴퓨팅 장치는 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정할 수 있다.
단계(1003)에서 컴퓨팅 장치는 남극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측할 수 있다. 컴퓨팅 장치는 위상 모델을 통해 남극 진동의 인덱스로부터 남극 진동의 위상을 결정하고, 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정할 수 있다. 컴퓨팅 장치는 남극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 남반구에서 발생 가능한 지면 기온의 확률 분포를 예측할 수 있다. 컴퓨팅 장치는 지면 기온의 확률 분포를 통해 남반구의 겨울철에 나타나는 기후의 변화를 예측할 수 있다.
한편, 본 발명에 따른 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록 매체로도 구현될 수 있다.
본 명세서에 설명된 각종 기술들의 구현들은 디지털 전자 회로조직으로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 그들의 조합들로 구현될 수 있다. 구현들은 데이터 처리 장치, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 컴퓨터들의 동작에 의한 처리를 위해, 또는 이 동작을 제어하기 위해, 컴퓨터 프로그램 제품, 즉 정보 캐리어, 예를 들어 기계 판독가능 저장 장치(컴퓨터 판독가능 매체) 또는 전파 신호에서 유형적으로 구체화된 컴퓨터 프로그램으로서 구현될 수 있다. 상술한 컴퓨터 프로그램(들)과 같은 컴퓨터 프로그램은 컴파일된 또는 인터프리트된 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 독립형 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서의 사용에 적절한 다른 유닛으로서 포함하는 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 하나의 사이트에서 하나의 컴퓨터 또는 다수의 컴퓨터들 상에서 처리되도록 또는 다수의 사이트들에 걸쳐 분배되고 통신 네트워크에 의해 상호 연결되도록 전개될 수 있다.
컴퓨터 프로그램의 처리에 적절한 프로세서들은 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들을 실행하는 적어도 하나의 프로세서 및 명령어들 및 데이터를 저장하는 하나 이상의 메모리 장치들을 포함할 수 있다. 일반적으로, 컴퓨터는 데이터를 저장하는 하나 이상의 대량 저장 장치들, 예를 들어 자기, 자기-광 디스크들, 또는 광 디스크들을 포함할 수 있거나, 이것들로부터 데이터를 수신하거나 이것들에 데이터를 송신하거나 또는 양쪽으로 되도록 결합될 수도 있다. 컴퓨터 프로그램 명령어들 및 데이터를 구체화하는데 적절한 정보 캐리어들은 예로서 반도체 메모리 장치들, 예를 들어, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 등을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로조직에 의해 보충되거나, 이에 포함될 수 있다.
또한, 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용매체일 수 있고, 컴퓨터 저장매체 및 전송매체를 모두 포함할 수 있다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 장치 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 장치들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.
한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.
101: 컴퓨팅 장치
102: 하이브리드 모델
103: 역학 모델
104: 위상 모델
105: 해면 기압 자료
106: 지위 고도 자료
107: 지면 온도의 확률 분포

Claims (20)

  1. 인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 북반구에서 나타나는 북극 진동(AO: Arctic Oscillation)의 인덱스를 예측하는 단계;
    대기 중층(500-hPa)의 지위 고도 자료(Geopotential Height)를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측하는 단계; 및
    상기 북극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측하는 단계;
    를 포함하고,
    상기 북극 진동의 인덱스를 예측하는 단계는,
    상기 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압(SLP: Sea-Level Pressure)을 추출하는 단계; 및
    사전에 관측된 월별 해면 기압에 상기 일별 해면 기압을 내삽하여 북극 진동의 인덱스를 예측하는 단계;
    를 포함하는 기후 변화 예측 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 해수면 영역의 일별 해면 기압을 추출하는 단계는,
    상기 역학 모델을 기반으로 앙상블 평균(ensemble average)을 이용하여 해면 기압 자료에 포함된 노이즈를 제거하는 단계; 및
    상기 노이즈가 제거된 해면 기압 자료에 편향 보정을 수행하여 편향 보정이 수행된 일별 해면 기압을 추출하는 단계;
    를 포함하는 기후 변화 예측 방법.
  4. 제1항에 있어서,
    상기 북극 진동의 인덱스를 예측하는 단계는,
    경험적 직교 함수(EOF: empirical orthogonal function)를 통해 월별 해면 기압에 관한 기상 패턴을 결정하는 단계;
    상기 월별 해면 기압에 관한 기상 패턴에 일별 해면 기압을 내삽하는 단계; 및
    상기 내삽에 의한 기상 패턴과 일별 해면 기압 간의 변화값으로부터 북극 진동의 인덱스를 예측하는 단계;
    를 포함하는 기후 변화 예측 방법.
  5. 제1항에 있어서,
    상기 북극 진동의 인덱스는,
    경험적 직교 함수 패턴에 따른 일별 또는, 월별로 정의된 기후 값이 제거된 아노말리(anomaly)가 적용된 값인 기후 변화 예측 방법.
  6. 제1항에 있어서,
    상기 대기 원격 상관 패턴의 인덱스를 예측하는 단계는,
    경험적 직교 함수를 통해 지위 고도를 필터링하는 단계; 및
    상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전(Varimax Rotation)을 적용하여 대기 원격 상관 패턴의 인덱스를 결정하는 단계;
    를 포함하는 기후 변화 예측 방법.
  7. 제1항에 있어서,
    상기 지면 기온의 확률 분포를 예측하는 단계는,
    상기 위상 모델을 통해 북극 진동의 인덱스로부터 북극 진동의 위상을 결정하는 단계;
    상기 위상 모델을 통해 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정하는 단계; 및
    상기 결정된 북극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 북반구에서 발생 가능한 지면 기온의 확률 분포를 예측하는 단계;
    를 포함하는 기후 변화 예측 방법.
  8. 인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 남반구에서 나타나는 남극 진동(AAO: Antarctic Oscillation)의 인덱스를 예측하는 단계;
    대기 중층(500-hPa)의 지위 고도 자료를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측하는 단계; 및
    상기 남극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측하는 단계;
    를 포함하고,
    상기 남극 진동의 인덱스를 예측하는 단계는,
    상기 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출하는 단계; 및
    사전에 관측된 월별 해면 기압에 일별 해면 기압을 내삽하여 아노말리가 적용된 남극 진동의 인덱스를 예측하는 단계;
    를 포함하는 기후 변화 예측 방법.
  9. 삭제
  10. 제8항에 있어서,
    상기 대기 원격 상관 패턴의 인덱스를 예측하는 단계는,
    경험적 직교 함수를 통해 지위 고도를 필터링하는 단계; 및
    상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정하는 단계;
    를 포함하는 기후 변화 예측 방법.
  11. 제8항에 있어서,
    상기 지면 기온의 확률 분포를 예측하는 단계는,
    상기 위상 모델을 통해 남극 진동의 인덱스로부터 남극 진동의 위상을 결정하는 단계;
    상기 위상 모델을 통해 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정하는 단계; 및
    상기 결정된 남극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 남반구에서 발생 가능한 지면 기온의 확률 분포를 예측하는 단계;
    를 포함하는 기후 변화 예측 방법.
  12. 기후 변화 예측 방법을 수행하는 컴퓨팅 장치에 있어서,
    상기 컴퓨팅 장치는, 프로세서를 포함하고,
    상기 프로세서는,
    인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 북반구에서 나타나는 북극 진동의 인덱스를 예측하고,
    대기 중층(500-hPa)의 지위 고도 자료를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측하고,
    상기 북극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측하고,
    상기 프로세서는,
    상기 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출하고, 사전에 관측된 월별 해면 기압에 상기 일별 해면 기압을 내삽하여 북극 진동의 인덱스를 예측하는 컴퓨팅 장치.
  13. 삭제
  14. 제12항에 있어서,
    상기 프로세서는,
    경험적 직교 함수를 통해 월별 해면 기압에 관한 기상 패턴을 결정하고,
    상기 월별 해면 기압에 관한 기상 패턴에 일별 해면 기압을 내삽하고,
    상기 내삽에 의한 기상 패턴과 일별 해면 기압 간의 변화값으로부터 북극 진동의 인덱스를 예측하는 컴퓨팅 장치.
  15. 제12항에 있어서,
    상기 프로세서는,
    경험적 직교 함수를 통해 지위 고도를 필터링하고,
    상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정하는 컴퓨팅 장치.
  16. 제12항에 있어서,
    상기 프로세서는,
    상기 위상 모델을 통해 북극 진동의 인덱스로부터 북극 진동의 위상을 결정하는 단계;
    상기 위상 모델을 통해 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정하고,
    상기 결정된 북극 진동의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 북반구에서 발생 가능한 지면 기온의 확률 분포를 예측하는 컴퓨팅 장치.
  17. 기후 변화 예측 방법을 수행하는 컴퓨팅 장치에 있어서,
    상기 컴퓨팅 장치는, 프로세서를 포함하고,
    상기 프로세서는,
    인공 위성을 통해 관측된 해면 기압 자료를 역학 모델에 적용하여 남반구에서 나타나는 남극 진동의 인덱스를 예측하고,
    대기 중층(500-hPa)의 지위 고도 자료를 역학 모델에 적용하여 대기 원격 상관 패턴의 인덱스를 예측하고,
    상기 남극 진동의 인덱스 및 대기 원격 상관 패턴의 인덱스를 위상 모델에 적용하여 기후에 영향을 미치는 지면 기온의 확률 분포를 예측하고,
    상기 프로세서는,
    상기 역학 모델을 통해 해면 기압 자료로부터 해수면 영역의 일별 해면 기압을 추출하고, 사전에 관측된 월별 해면 기압에 일별 해면 기압을 내삽하여 아노말리가 적용된 남극 진동의 인덱스를 예측하는 컴퓨팅 장치.
  18. 삭제
  19. 제17항에 있어서,
    상기 프로세서는,
    경험적 직교 함수를 통해 지위 고도를 필터링하고,
    상기 필터링 된 지위 고도에 관한 기상 패턴에 베리맥스 회전을 적용하여 대기 원격 상관 패턴의 인덱스를 결정하는 컴퓨팅 장치.
  20. 제17항에 있어서,
    상기 프로세서는,
    상기 위상 모델을 통해 북극 진동의 인덱스로부터 북극 진동의 위상을 결정하고,
    상기 위상 모델을 통해 대기 원격 상관 패턴의 인덱스로부터 대기 원격 상관 패턴의 위상을 결정하고,
    상기 결정된 남극 진동의 위상 및 대기 원격 상관 패턴의 위상으로부터 예보 선행 기간에 따른 특정 계절 동안 남반구에서 발생 가능한 지면 기온의 확률 분포를 예측하는 컴퓨팅 장치.
KR1020210142532A 2021-10-25 2021-10-25 하이브리드 모델을 이용하여 지면 기온의 확률 분포를 예측하는 방법 및 상기 방법을 수행하는 컴퓨팅 장치 KR102646812B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210142532A KR102646812B1 (ko) 2021-10-25 2021-10-25 하이브리드 모델을 이용하여 지면 기온의 확률 분포를 예측하는 방법 및 상기 방법을 수행하는 컴퓨팅 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210142532A KR102646812B1 (ko) 2021-10-25 2021-10-25 하이브리드 모델을 이용하여 지면 기온의 확률 분포를 예측하는 방법 및 상기 방법을 수행하는 컴퓨팅 장치

Publications (2)

Publication Number Publication Date
KR20230058838A KR20230058838A (ko) 2023-05-03
KR102646812B1 true KR102646812B1 (ko) 2024-03-13

Family

ID=86380731

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210142532A KR102646812B1 (ko) 2021-10-25 2021-10-25 하이브리드 모델을 이용하여 지면 기온의 확률 분포를 예측하는 방법 및 상기 방법을 수행하는 컴퓨팅 장치

Country Status (1)

Country Link
KR (1) KR102646812B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101636897B1 (ko) 2014-11-25 2016-07-06 부산대학교 산학협력단 장마 시작의 물리 통계 예측 방법
KR102254817B1 (ko) 2019-10-14 2021-05-21 울산대학교 산학협력단 실시간 앙상블 유량 예보 방법 및 장치
KR102446493B1 (ko) 2019-08-12 2022-09-26 한국수자원공사 확률분포에 기반한 가뭄 예측 방법 및 이를 위한 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101409316B1 (ko) * 2012-07-03 2014-06-18 재단법인 에이펙 기후센터 다중모델 확률예측 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101636897B1 (ko) 2014-11-25 2016-07-06 부산대학교 산학협력단 장마 시작의 물리 통계 예측 방법
KR102446493B1 (ko) 2019-08-12 2022-09-26 한국수자원공사 확률분포에 기반한 가뭄 예측 방법 및 이를 위한 장치
KR102254817B1 (ko) 2019-10-14 2021-05-21 울산대학교 산학협력단 실시간 앙상블 유량 예보 방법 및 장치

Also Published As

Publication number Publication date
KR20230058838A (ko) 2023-05-03

Similar Documents

Publication Publication Date Title
Helmer et al. Neotropical cloud forests and páramo to contract and dry from declines in cloud immersion and frost
Trigo Climatology and interannual variability of storm-tracks in the Euro-Atlantic sector: a comparison between ERA-40 and NCEP/NCAR reanalyses
Moriondo et al. Projected shifts of wine regions in response to climate change
Enquist Predicted regional impacts of climate change on the geographical distribution and diversity of tropical forests in Costa Rica
Sa’adi et al. Selection of general circulation models for the projections of spatio-temporal changes in temperature of Borneo Island based on CMIP5
Franco et al. Multi-variable SWAT model calibration with remotely sensed evapotranspiration and observed flow
Gaál et al. Modelling the impact of climate change on the Hungarian wine regions using random forest
Tatsumi et al. Effect of irrigation water withdrawals on water and energy balance in the Mekong River Basin using an improved VIC land surface model with fewer calibration parameters
Oliveira et al. Land-use change impacts on the hydrology of the upper Grande river basin, Brazil
Lau et al. Tropical–extratropical interactions
Naderi et al. Climate change in a region with altitude differences and with precipitation from various sources, South-Central Iran
KR101646587B1 (ko) 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법
Chen et al. Evaluation of tropical cyclone forecasts in the next generation global prediction system
Solaymani et al. Assessment of climate change impacts in a semi-arid watershed in Iran using regional climate models
Ebrahimpour et al. Monitoring agricultural drought using the standardized effective precipitation index
CN108154193A (zh) 一种长时间序列降水数据降尺度方法
Wong et al. Gridded 1 x 1 km climate and hydrological projections for Norway
Herman et al. Evaluation of multi-and many-objective optimization techniques to improve the performance of a hydrologic model using evapotranspiration remote-sensing data
Alves et al. Reservoir management using coupled atmospheric and hydrological models: the Brazilian semi-arid case
Mobeen et al. Impact of climate change on the precipitation pattern of district Sargodha, Pakistan
Chou An example of vertical resolution impact on WRF-Var analysis
KR102646812B1 (ko) 하이브리드 모델을 이용하여 지면 기온의 확률 분포를 예측하는 방법 및 상기 방법을 수행하는 컴퓨팅 장치
Burhanuddin et al. Normal ratio in multiple imputation based on bootstrapped sample for rainfall data with missingness
Horak et al. Assessing the added value of the Intermediate Complexity Atmospheric Research (ICAR) model for precipitation in complex topography
Sen et al. Hydro-climatic effects of future land-cover/land-use change in montane mainland southeast Asia

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right