Earticle

본 연구에서는 저해상도 기후모델 자료를 고해상도 자료로 상세화하기 위하여 적용할 수 있는 다양한 상세화 기법의 종류 및 특징, 그리고 국외 적용사례 등에 대한 조사·분석을 수행하였다. 보간, 회귀, 확률 등의 통계 기반의 상세화 기법 은 기후모델 자료의 상세화에 있어서 비교적 간단하며 적용이 용이하고, 자료의 생산을 위한 계산시간 및 전산자원의 측 면에서 경제적이고 효율적인 방법이다. 최근에는 지역기후 특성을 반영하기 위하여, 과거 장기 관측자료에 기반한 기상 분류 및 기상발생, 그리고 상세 지리정보를 반영한 통계적 상세화 기법 등이 주로 활용되고 있다. 특히, 기후변화 시나리 오 자료의 상세화 분야에서는 관측자료 기반의 편차보정을 가미한 혼합형 통계적 상세화 기법 및 앙상블 기법 등이 적용 되고 있다. 또한, 컴퓨팅 기술의 향상과 전산자원의 증대에 따라 상세지형효과 및 지역기후모델에 의한 물리적/역학적 상 세화 기법의 활용도 증가하고 있는 추세에 있다. 따라서 막대한 양의 기후모델 자료의 시공간 상세화에 있어서, 상세화 기법 및 분석자료의 특징, 상세화 자료 생산의 효율성과 경제성, 사용자의 활용 목적 등을 종합적으로 고려하여, 이에 부 합하는 적정한 기법을 적용하는 것이 중요하겠다.

The various downscaling methods from coarse resolution to fine resolution of climate model data and its foreign cases were investigated in this study as a review. The statistical methods based on interpolation, regression, and probability are relatively simple and applicable methods with the efficient calculation time for downscaling of climate model data. The statistical weather classification/generator by the long-term observation record and the detailed geographical features are recently used to reflect the local characteristics. Especially, the mixed methods of statistical downscaling combined with a bias correction based on observation data and the ensemble methods are applied for the high-resolution climate projections (climate change scenarios) of model variables. The physical/dynamic downscaling methods by considering topographic effect and by using regional climate model are also improved, as computing technique and resource increases. Thus, the use of appropriate methods is important for spatiotemporal downscaling of an enormous amount of climate model data, based on comprehensive consideration such as downscaling method/data characteristics, efficiency/cost-effectiveness, and production/application of high-resolution climate data.

기후변화로 인해 집중호우의 빈도와 강도가 증가하면서 홍수 피해가 매년 늘어나고 있다. 지역별 강수량 과 유출량의 변화, 도시화로 인한 불투수면적 증가로 자연재난 피해 범위와 규모도 확대되었다. 이러한 변화로 인해 정확한 유출량 산정 방법과 정밀한 홍수 분석 기술의 필요성이 커지고 있다. 기존 물리 모델은 입력 자료 구축이 복잡하고 사용자의 높은 이해도가 필요하며 매개변수 산정 등에서 사용자의 주관이 개입될 수 있다. 이에 반해 인공지능 모델은 관측자료만을 이용하고 이 중 LSTM 기반 예측 모델이 각광받고 있으며, 한강 잠수교 홍수위 예측을 위해 LSTM과 Bi-LSTM 모델을 적용하였다. 10분 단위 강우량과 팔당댐 방류량 데이터를 활용하여 모델을 학습시켰다. 기상청 AWS 관측소 8개 지점에서 강우량을 수집하고, 한강홍수통제소에서 잠수교 수위와 팔당댐 방류량을 수집하였다. 강동, 구리, 팔당댐 에는 2시간, 성동, 광진, 서초, 송파에는 1시간 지체시간을 적용하였다. 각 모델의 예측 결과를 비교·분석 하여 홍수위 예측의 정확성을 높이는 방안을 제시하였다.

Climate change has increased heavy rainfall frequency and intensity, leading to rising flood damage and expanding natural disaster impacts due to urbanization. This has created demand for accurate runoff estimation and flood analysis technologies. Traditional physical models require complex data and user expertise, while AI models using observational data, particularly LSTM-based prediction models, are gaining attention. LSTM and Bi-LSTM models were applied to predict flood levels at Jamsu Bridge on the Han River. The models were trained using 10-minute rainfall data from eight Korea Meteorological Administration AWS stations and Paldang Dam discharge data from the Han River Flood Control Office. Time delays of 2 hours were applied to Gangdong, Guri, and Paldang Dam data, while 1-hour delays were applied to Seongdong, Gwangjin, Seocho, and Songpa stations. By comparing model prediction results, researchers proposed methods to improve flood level prediction accuracy.

본 연구에서는 기후변화 시나리오 자료를 이용하여 지점빈도해석(At-site Frequency Analysis, AFA)과 지역빈도해석 (Regional Frequency Analysis, RFA) 등을 수행하였고, Monte Carlo simulation을 통한 RRMSE(relative root mean squared error) 값을 비교·분석함으로써 각 빈도해석 방법에 따른 성능을 평가하고자 하였다. 확률강우량 산정을 위하여 기 상청에서 국가표준시나리오로 제공하는 RCM(Regional Climate Model) 자료 중 하나인 HadGEM3-RA(12.5km) 기후모 델 자료로부터 우리나라 615개 지점에 대한 일 강우 자료를 추출하였고, 자료의 편의보정(bias correction)과 공간상세화 (spatial disaggregation)를 위하여 분위사상법(quantile mapping)과 역거리제곱법(inverse distance squared method)을 적용 하였다. 분석 결과 지역빈도해석 방법이 지점빈도해석보다 정확하게 확률강우량을 산정하는 것으로 나타났으며, 이는 기후변 화 시나리오 기반의 확률강우량 산정시 지역빈도해석의 결과가 보다 합리적인 전망 결과를 도출할 것으로 판단된다.

In this study, we performed At-site Frequency Analysis(AFA) and Regional Frequency Analysis(RFA) using the observed and climate change scenario data, and the relative root mean squared error(RMMSE) was compared and analyzed for both approaches through Monte Carlo simulation. To evaluate the rainfall quantile, the daily rainfall data were extracted for 615 points in Korea from HadGEM3-RA(12.5km) climate model data, one of the RCM(Regional Climate Model) data provided by the Korea Meteorological Administration(KMA). Quantile mapping(QM) and inverse distance squared methods(IDSM) were applied for bias correction and spatial disaggregation. As a result, it is shown that the RFA estimates more accurate rainfall quantile than AFA, and it is expected that the RFA could be reasonable when estimating the rainfall quantile based on climate change scenarios.

Forecasts from Climate Change Scenarios representing that many countries will suffer water shortage are continuously increasing up, the importance of water-related industries and water management technologies will be increased. The Smart Water Grid where high-tech ICT and previous water management infrastructure are combined has been presented, settled and applied dynamically in Korea. It is important to assessment the available amount of water resources. To do this, the analysis of future precipitation data required, making precipitation prediction and climate change scenarios provided by the Korea Meteorological Administration with essential factors for assessing the available amount of water resources from short to long term. This study developed a program which can provide precipitation data in the grid unit of 1km using the RCP8.5 scenario The Visual Studio 2013 program was used based on C language. Data as climate change scenarios were kept in Oracle DB to be used through the DB server. Future RCP scenarios from 2015 to 2050 were stored in the Oracle DB, and users were allowed to extract precipitation data by setting the search period and location. The program was developed as an application program based on Microsoft Window, and the result of extraction was stored as a text file to increase user convenience.

이 연구에서는 지면-대기 모수화 방안 (BATS1e)이 접합된 미국 국립기상연구센터 (NCAR)에서 개발한 지역기후모델(RegCM2)을 이용하여 지면피복의 변화가 동아시아 여름몬순에 미치는 영향에 대해서 조사하였다. 지면피복 변화의 영향을 분석하기 위하여 두 종류의 지면피복 자료를 이용하였다. 하나는 NCAR에서 제공하는 지면피복 자료 (CTL 실험)이고 다른 하나는 최근의 기상위성자료로부터 직접 분류한 고해상도 지면피복분류 자료(LCV 실험)이다. CTL 실험에서는 중국 중부지역과 몽고지역의 지면온도가 각각 약 $1-3^{\circ}C$ 높고 낮게 모의되었다. 또한 모의 영역 북부지역에서는 강수가 과다하게 모의된 반면 모의영역 남부 바다지역의 강수는 과소하게 모의되었다. 지면피복 변화에 의한 알베도, 거칠기 길이 및 최소기공저항계수와 같은 지면의 생물리적 요소들의 변화는 지면-대기 상호작용을 변경시켰다. 즉, 지면피복이 낙엽활엽수림에서 농지와 관계농지로 변경된 LCV 실험의 중국 중부지역에서는 잠열 속과 풍속이 현저하게 증가되었다. 그 결과 CTL 실험에서 나타났던 중국 중부지역에서의 온난편차가 LCV 실험에서는 대부분 완화되었다. 중국 중부지역에서의 강한 기온 하강은 태평양과 대륙사이의 기압 차를 약화시키고 있다. 남동에서 북서방향으로의 기압경도력이 약화됨에 따라 중국 남부와 남중국해로부터 북동쪽으로의 수증기 수송도 약화되었다. 이러한 수증기 수송의 변화는 모의 영역 북부지역에서의 과다한 강수 모의와 남중국해에서의 과소한 강수모의를 동시에 크게 완화시켰다. 그러나 지면피복의 변화는 특히 7월과 8월에 한반도와 일본 열도 지역에서의 강수를 크게 증기시키고 있다.

This study examines the impacts of land cover changes on the East Asia summer monsoon with the National Center for Atmospheric Research Regional Climate Model (NCAR RegCM2), coupled with Biosphere Atmosphere Transfer Scheme (BATS). To assess the goals, two types of land cover maps were used in the simulation of summer climate. One type was NCAR land cover map (CTL) and the other was current land cover map derived from satellite data (land cover: LCV). Warm and cold surface temperature biases of $1-3^{\circ}C$ occurred over central China and Mongolia in CTL. The model produced excessive precipitation over northern land area but less over southern ocean of the model domain. Changes of biophysical parameters, such as albedo, minimum stomatal resistance and roughness length, due to the land cover changes resulted in the alteration of land-atmosphere interactions. Latent heat flux and wind speed in LCV increased noticeably over central China where deciduous broad leaf trees have been replaced by mixed farm and irrigated crop. As a result, the systematic warm biases over central China were greatly reduced in LCV. Strong cooling of central China decreased pressure gradient between East Asian continent and Pacific Ocean. The decreased pressure gradient suppressed the northward transport of moisture from south China and South China Sea. These changes reduced not only the excessive precipitation over north China and Mongolia but also less precipitation over south China. However, the land cover changes increased the precipitation over the Korean Peninsula and the Japan Islands, especially in July and August.

Rainfall-runoff models are calibrated and validated by using a same data set such as observations. The past climate change effects the present rainfall pattern and also will effect on the future. To predict rainfall-runoff more preciously we have to consider the climate change pattern in the past, present and the future time. Thus, in this study, the climate change represents changes in mean precipitation and standard deviation in different patterns. In some river basins, there is no enough length of data for the analysis. Therefore, we have to generate the synthetic data using proper distribution for calculation of precipitation based on the observed data. In this study, Kajiyama model is used to analyze the runoff in the dry and the wet period, separately. Mean and standard deviation are used for generating precipitation from the gamma distribution. Twenty hypothetical scenarios are considered to show the climate change conditions. The mean precipitation are changed by -20%, -10%, 0%, +10% and +20% for the data generation with keeping the standard deviation constant in the wet and the dry period respectively. Similarly, the standard deviations of precipitation are changed by -20%, -10%, 0%, +10% and +20% keeping the mean value of precipitation constant for the wet and the dry period sequentially. In the wet period, when the standard deviation value varies then the mean NSE ratio is more fluctuate rather than the dry period. On the other hand, the mean NSE ratio in some extent is more fluctuate in the wet period and sometimes in the dry period, if the mean value of precipitation varies while keeping the standard deviation constant.

The objective of this study was to construct a forage rye (FR) dry matter yield (DMY) estimation model based on climate data by locations in South Korea. The data set (n = 549) during 29 years were used. Six optimal climatic variables were selected through stepwise multiple regression analysis with DMY as the response variable. Subsequently, via general linear model, the final model including the six climatic variables and cultivated locations as dummy variables was constructed as follows: DMY = 104.166SGD + 1.454AAT + 147.863MTJ + 59.183PAT150 - 4.693SRF + 45.106SRD - 5230.001 + Location, where SGD was spring growing days, AAT was autumnal accumulated temperature, MTJ was mean temperature in January, PAT150 was period to accumulated temperature 150, SRF was spring rainfall, and SRD was spring rainfall days. The model constructed in this research could explain 24.4 % of the variations in DMY of FR. The homoscedasticity and the assumption that the mean of the residuals were equal to zero was satisfied. The goodness-of-fit of the model was proper based on most scatters of the predicted DMY values fell within the 95% confidence interval.

In this paper, we introduce a novel Climate & Environment Database System (CEDS). The CEDS is developed by the National Institute of Meteorological Sciences (NIMS) to provide easy and efficient user interfaces and storage management of climate model data, so improves work efficiency. In uploading the data/files, the CEDS provides an option to automatically operate the international standard data conversion (CMORization) and the quality assurance (QA) processes for submission of CMIP6 variable data. This option increases the system performance, removes the user mistakes, and increases the level of reliability as it eliminates user operation for the CMORization and QA processes. The uploaded raw files are saved in a NAS storage and the Cassandra database stores the metadata that will be used for efficient data access and storage management. The Metadata is automatically generated when uploading a file, or by the user inputs. With the Metadata, the CEDS supports effective storage management by categorizing data/files. This effective storage management allows easy and fast data access with a higher level of data reliability when requesting with the simple search words by a novice. Moreover, the CEDS supports parallel and distributed computing for increasing overall system performance and balancing the load. This supports the high level of availability as multiple users can use it at the same time with fast system-response. Additionally, it deduplicates redundant data and reduces storage space.

The purpose of this study is prediction of landslide occurrence reflecting the subsurface flow characteristics within the soil layer in the future due to climate change in a large scale watershed. To do this, we considered the infinite slope stability theory to evaluate the landslide occurrence with predicted soil moisture content by SWAT model based on monitored data (rainfall-soil moisture-discharge). The correlation between the SWAT model and the monitoring data was performed using the coefficient of determination (R²) and the model's efficiency index (Nash and Sutcliffe model efficiency; NSE) and, an accuracy analysis of landslide prediction was performed using auROC (area under Receiver Operating Curve) analysis. In results comparing with the calculated discharge-soil moisture content by SWAT model vs. actual observation data, R² was 0.9 and NSE was 0.91 in discharge and, R² was 0.7 and NSE was 0.79 in soil moisture, respectively. As a result of performing infinite slope stability analysis in the area where landslides occurred in the past based on simulated data (SWAT analysis result of 0.7~0.8), AuROC showed 0.98, indicating that the suggested prediction method was resonable. Based on this, as a result of predicting the characteristics of landslide occurrence by 2050 using climate change scenario (RCP 8.5) data, it was calculated that four landslides could occur with a soil moisture content of more than 75% and rainfall over 250 mm/day during simulation. Although this study needs to be evaluated in various regions because of a case study, it was possible to determine the possibility of prediction through modeling of subsurface flow mechanism, one of the most important attributes in landslide occurrence.

벼 등 식량작물 작황 추정의 경제, 산업적 중요성이 증가함에 따라 생물리 모형과 원격탐사 기반의 위성자료를 활용한 작황 추정 연구가 활발히 진행되고 있다. 이 연구에서는 위성 기반의 전천후 기상 입력자료(i.e. 기온, 대기 수증기압 포차, 일사량)와 빛 이용효율 모형을 이용한 생물리적 작물 성장 알고리즘을 벼에 적용하여 벼의 수확량을 수확 시기 보다 이르게(9월 중순 경) 추정하는 것을 목적으로 하였다. 2003년부터 2014년까지 12년간 경상권을 제외한 국내의 군 단위 행정구역별 벼 수확량을 추정하고, 이를 통계청에서 제공하는 현미 생산량 통계와 비교, 평가하였다. 벼 건중량, 수확지수 그리고 수확량 추정 결과는 각각 지도로 작성하여 공간적 분포 양상을 분석하였다. 연도별 전국 평균 추정 건중량은 평균오차(ME)가 0.56%, 평균절대오차(MAE)가 5.73%로 유의미한 결과를 보였다. 연도별 군 단위 건중량은 ME가 0.10%에서 2.00%, MAE가 2.10에서 11.62%의 범위를 보였다. 추정된 건중량은 강원지역에서 상대적으로 과대 모의하고, 충청 이남의 도심과 서해 인근지역에서 과소 모의하는 경향을 보였다. 건중량과 유관한 통계청 자료(i.e. 볏짚 생산량)와는 상반된 변동 양상을 보였는데, 이는 입력자료의 해상도(1 km)로 인한 픽셀 내 토지피복 이질성으로 인한 오차로 사료된다. 또한 생육기간 이후 수확시기의 생육상황을 고려하지 못하는 점을 향후 연구에서 개선할 필요가 있다.

With the increasing socio-economic importance of rice as a global staple food, several models have been developed for rice yield estimation by combining remote sensing data with carbon cycle modelling. In this study, we aimed to estimate rice yield in Korea using such an integrative model using satellite remote sensing data in combination with a biophysical crop growth model. Specifically, daily meteorological inputs derived from MODIS (Moderate Resolution imaging Spectroradiometer) and radar satellite products were used to run a light use efficiency based crop growth model, which is based on the MODIS gross primary production (GPP) algorithm. The modelled biomass was converted to rice yield using a harvest index model. We estimated rice yield from 2003 to 2014 at the county level and evaluated the modelled yield using the official rice yield and rice straw biomass statistics of Statistics Korea (KOSTAT). The estimated rice biomass, yield, and harvest index and their spatial distributions were investigated. Annual mean rice yield at the national level showed a good agreement with the yield statistics with the yield statistics, a mean error (ME) of +0.56% and a mean absolute error (MAE) of 5.73%. The estimated county level yield resulted in small ME (+0.10~+2.00%) and MAE (2.10~11.62%),respectively. Compared to the county-level yield statistics, the rice yield was over estimated in the counties in Gangwon province and under estimated in the urban and coastal counties in the south of Chungcheong province. Compared to the rice straw statistics, the estimated rice biomass showed similar error patterns with the yield estimates. The subpixel heterogeneity of the 1 km MODIS FPAR(Fraction of absorbed Photosynthetically Active Radiation) may have attributed to these errors. In addition, the growth and harvest index models can be further developed to take account of annually varying growth conditions and growth timings.

최근 전 세계적으로 지구온난화에 따른 기후변화로 태풍, 지진해일, 한파, 폭염 등과 같은 자연재해의 피해가 대규모로 확대됨에 따라 기후변화에 대한 관심이 증가하고 있다. 근본적으로 지구온난화를 유발하는 가장 큰 원인은 대기 중의 온실가스를 들 수 있다. 온실가스의 농도가 해마다 증가하는 것으로 조사되었으며, 특히 지난 2013년 5월경 미국 하와이 마우나로아 관측소에서 측정한 대기 중 이산화탄소 농도가 상징적 기준점으로 여겨지는 400ppm을 초과하였다. 지금까지 많은 연구에 의하여 온실가스의 대기 중 농도 증가와 지구온난화를 연관하여 어떠한 관계가 있는지 설명하기 위해 여러 기후모델을 사용하였으며, 모든 기후모델의 실험 결과 지구온난화의 주된 원인이 온실가스의 농도 증가라는 것을 증명하였다. 우리나라 국립기상연구소는 RCP에 기반한 전지구/지역 기후변화 시나리오 개발과 더불어 국가 차원의 기후변화 대응을 위한 국가 표준 기후변화 시나리오를 개발하고 있다. RCP 데이터는 총 4가지 시나리오를 포함하고 있으며 최근 온실가스 농도 증가의 추세를 반영한 시나리오는 RCP 8.5시나리오이다. 과거에 발생한 태풍의 정보에 대해서는 관측 자료를 이용하여 알 수 있지만, 미래의 태풍 발생 위치와 강도에 대해서는 알 수가 없으며, 기후변화 시나리오에서 역시 산출되지 않는다. Emanuel & Nolan(2004)은 태풍 발생과 연관된 기상요소(상대습도, wind shear 등)를 이용하여 계산하는 태풍발생지수를 개발하였다. 본 연구에서는 RCP 8.5 시나리오로부터 태풍발생지수를 계산하기 위한 기상요소를 산출하고 이를 바탕으로 1982년~2100년 기간 동안 태풍발생지수를 계산하였으며, 태풍발생지수와 이력태풍발생위도와 상관도가 높다고 판단, 태풍이 발생한 위도와 태풍발생지수에 기반한 태풍발생모형을 개발하였다.

이 연구에서는 ESRI사의 ArcGIS 프로그램을 이용하여, 한반도 남한지역 중 기후변화시나리오에 의한 강수량이 제공되지 않는 해안선지역에 대해 기후변화시나리오를 이용하여 장래 강수량을 생성할 수 있는 모형을 개발하였다. 기상청에서 제공하는 기후변화 시나리오에 의한 장래강수데이터의 경우 복잡한 해안선지역에 대해 장래 강수데이터를 제공하고 있지 않기 때문에 최근의 지형도를 적용하여 기상청에서 제공하지 않는 지역에 대해 보완격자를 생성하고, 공간보간 기법을 이용하여 이를 해결할 수 있다. 1km 격자단위의 강수데이터를 생성하기 위하여 GIS내에 여러 툴(tools)의 기능을 단계적으로 모형화하여 순서화된 작업을 자동적으로 수행할 수 있는 model builder를 사용하였다. 데이터 변환작업을 위한 전처리, 데이터 보간 추출 기능과 공간보간기법을 적용하여 기후변화 시나리오가 적용된 데이터누락지역에서의 장래 강수예측데이터를 생성할 수 있도록 하였다. 기상청에서 제공하는 RCP 8.5 시나리오를 이용하였고, 일부 해안선과 섬 지역에 대해 장래강수량을 생성할 수 있는 보간기법이 적용된 모형으로 한반도 남한지역 중 강수자료가 제공되지 않는 총 4,186개의 격자에 대해 적합한 공간보간기법을 선택하여, 일단위 및 월단위 강수자료를 생산할 수 있도록 하였다. 기상청에서 제공하는 강수데이터의 경우 'ASCII' 파일 형식으로 기후변화 데이터를 제공하기 때문에 사용자가 별도의 프로그램을 이용하여 강수예측자료를 얻어야 하는 문제가 있다. 강수예측자료를 텍스트파일 형태로 사용자가 원하는 좌표를 선택 한 후 데이터를 추출할 수 있도록 격자화하여 저장되도록 하였다.

As the energy saving issues become one of the important global agenda, the building simulation method is generally used to predict the inside energy usage to establish the power-saving strategies. To foretell an accurate energy usage of a building, proper and typical weather data are needed. For this reason, typical weather data are fundamental in building energy simulations and among the meteorological factors, the solar irradiation is the most important element. Therefore, preparing solar irradiation is a basic factor. However, there are few places where the horizontal solar radiation in domestic weather stations can be measured, so the prediction of the solar radiation is needed to arrive at typical weather data. In this paper, four solar radiation prediction models were analyzed in terms of their applicability for domestic weather conditions. A total of 12 regions were analyzed to compare the differences of solar irradiation between measurements and the prediction results. The applicability of the solar irradiation prediction model for a certain region was determined by the comparisons. The results were that the Zhang and Huang model showed the highest accuracy (Rad 0.87~0.80) in most of the analyzed regions. The Kasten model which utilizes a simple regression equation exhibited the second-highest accuracy. The Angstrom-Prescott model is easily used, also by employing a plain regression equation Lastly, the Winslow model which is known for predicting global horizontal solar irradiation at any climate regions uses a daily integration equation and showed a low accuracy regarding the domestic climate conditions in Korea.

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.

This study explores the effectiveness of various data preprocessing algorithms for improving subseasonal to seasonal (S2S) climate predictions from six climate forecast models and their Multi-Model Ensemble (MME) using a deep learning-based postprocessing model. A pipeline of data transformation algorithms was constructed to convert raw S2S prediction data into the training data processed with several statistical distribution. A dimensionality reduction algorithm for selecting features through rankings of correlation coefficients between the observed and the input data. The training model in the study was designed with TimeDistributed wrapper applied to all convolutional layers of U-Net: The TimeDistributed wrapper allows a U-Net convolutional layer to be directly applied to 5-dimensional time series data while maintaining the time axis of data, but every input should be at least 3D in U-Net. We found that Robust and Standard transformation algorithms are most suitable for improving S2S predictions. The dimensionality reduction based on feature selections did not significantly improve predictions of daily precipitation for six climate models and even worsened predictions of daily maximum and minimum temperatures. While deep learning-based postprocessing was also improved MME S2S precipitation predictions, it did not have a significant effect on temperature predictions, particularly for the lead time of weeks 1 and 2. Further research is needed to develop an optimal deep learning model for improving S2S temperature predictions by testing various models and parameters.

댐 저수지 수온성층은 수직혼합을 억제하여 저층의 빈산소층 형성과 퇴적물 영양염류 용출을 일으키는 원인이므로 미래 기후변화에 따른 저수지 성층구조의 변화는 수질 및 수생태 관리 측면에서 매우 중요하다. 본 연구의 목적은 대청댐 저수지를 대상으로 고빈도 자료기반의 통계적 저수지 유입 수온 예측 모델을 개발하고, RCP(Representative Concentration Pathways) 기후변화 시나리오를 고려한 미래 유입 수온변화와 대청호 성층구조의 변화를 예측하는 데 있다. 대청호 유입 수온 예측을 위해 개발한 Random Forest 회귀 예측모델(NSE 0.97, RMSE 1.86℃, MAPE 9.45%)은 실측 수온의 통계량과 변동성을 적절히 재현하였다. 지역 기후 모델(HadGEM3-RA)로 예측된 RCP 시나리오별 미래 기상자료를 Random Forest 모델에 입력하여 유입 수온을 예측하고 3차원 저수지 수리 모델을 이용하여 기후변화에 따른 대청호의 미래(2018~2037, 2038~2057, 2058~2077, 2078~2097) 수온성층 구조 변화를 예측하였다. 예측 결과, 미래 기후 시나리오별로 대기 온도와 저수지 유입 수온의 증가속도는 각각 0.14~0.48℃/10year와 0.21~0.43℃/10year의 범위로써 지속적으로 증가하였다. 계절별 분석 결과, RCP 2.6 시나리오의 봄과 겨울철을 제외한 모든 시나리오에서 유입 수온은 증가 경향이 통계적으로 유의하였으며, 탄소저감 노력이 약한 기후 시나리오로 갈수록 수온의 증가속도가 빨랐다. 저수지 표층 수온의 증가속도는 0.04~0.38℃/10year 범위였으며, 모든 시나리오에서 성층화 기간이 점진적으로 증가되었다. 특히 RCP 8.5 시나리오 적용 시 성층일수는 약 24일 증가하는 것으로 전망되었다. 연구 결과는 기후변화가 호소의 성층강도를 강화하고 성층형성 기간을 장기화한다는 선행연구 결과와 일치하며, 수온성층의 장기화는 저층 빈산소층 확대, 퇴적물-수체간 영양염류 용출량 증가, 수체 내 조류 우점종의 변화 등 수생태계 변화를 유발할 수 있음을 시사한다.

Since the thermal stratification in a reservoir inhibits the vertical mixing of the upper and lower layers and causes the formation of a hypoxia layer and the enhancement of nutrients release from the sediment, changes in the stratification structure of the reservoir according to future climate change are very important in terms of water quality and aquatic ecology management. This study was aimed to develop a data-driven inflow water temperature prediction model for Daecheong Reservoir (DR), and to predict future inflow water temperature and the stratification structure of DR considering future climate scenarios of Representative Concentration Pathways (RCP). The random forest (RF)regression model (NSE 0.97, RMSE 1.86℃, MAPE 9.45%) developed to predict the inflow temperature of DR adequately reproduced the statistics and variability of the observed water temperature. Future meteorological data for each RCP scenario predicted by the regional climate model (HadGEM3-RA) was input into RF model to predict the inflow water temperature, and a three-dimensional hydrodynamic model (AEM3D) was used to predict the change in the future (2018~2037, 2038~2057, 2058~2077, 2078~2097) stratification structure of DR due to climate change. As a result, the rates of increase in air temperature and inflow water temperature was 0.14~0.48℃/10year and 0.21~0.41℃/10year,respectively. As a result of seasonal analysis, in all scenarios except spring and winter in the RCP 2.6, the increase in inflow water temperature was statistically significant, and the increase rate was higher as the carbon reduction effort was weaker. The increase rate of the surface water temperature of the reservoir was in the range of 0.04~0.38℃/10year, and the stratification period was gradually increased in all scenarios. In particular, when the RCP 8.5 scenario is applied, the number of stratification days is expected to increase by about 24 days. These results were consistent with the results of previous studies that climate change strengthens the stratification intensity of lakes and reservoirs and prolonged the stratification period, and suggested that prolonged water temperature stratification could cause changes in the aquatic ecosystem, such as spatial expansion of the low-oxygen layer, an increase in sediment nutrient release, and changed in the dominant species of algae in the water body.