산악지역에 GCM 자료를 이용하기 위한 공간 축소방법 개발

서지정보

ㆍ발행기관 : 한국습지학회 ㆍ수록지정보 : 한국습지학회지 / 15권 / 1호
ㆍ저자명 : 김수전, 강나래, 김연수, 이종소, 김형수

목차

1. 서 론
2. 기본 자료 및 방법론
3. 모형의 구축 및 적용 결과
4. 결 론

한국어 초록

본 연구에서는 강수의 공간적 편차가 큰 산악지역에서 축소기법을 적용하기 위한 방법론을 마련하고 이를 이용하여 미래
강수특성의 변화를 추정하고자 하였다. 이를 위하여 한반도내 산악지역이라고 할 수 있는 남한강유역을 대상유역으로 선
정하였고 일반적인 축소기법 중의 하나인 신경망과 고도자료를 부가자료로 활용하여 유역의 지형적 특성을 반영할 수 있
는 SKlm 기법을 연계하여 신경망-SKlm 모형(ANN-SKlm : Artificial Neural Network - Simple Kriging with varying local
means)을 구축하였다. 유역내 6개의 기상관측소 지점의 월강수량을 이용하여 신경망-SKlm 기법과 기존 강수량의 공간분
포 방법인 Thiessen 및 Ordinary Kriging 을 적용하여 비교·평가하였다. 유역내에 보다 밀도있게 구성되어 있는 25개 강우
관측소 지점을 대상으로 각 기법을 평가한 결과 고도자료를 부가자료로 사용하는 SKlm 기법이 가장 우수한 결과를 나타
내었다.

영어 초록

This study established a methodology for the application of downscaling technique in a mountainous area having large
spatial variations of rainfall and tried to estimate the change of rainfall characteristics in the future under climate change
using the established method. The Namhan river basin, which is in the mountainous area of the Korean peninsula, has been
chosen as the study area. Artificial Neural Network - Simple Kriging with varying local means (ANN-SKlm) has been
built by combining artificial neural network, which is one of the general downscaling techniques, and SKlm technique,
which can reflect the geomorphologic characteristics like elevation of the study area. The evaluation of SKlm technique was
done by using the monthly rainfalls at six weather stations which KMA(Korea Meteorological Administration) is managing
in the basin. The ANN-SKlm technique was compared with the Thiessen technique and ordinary kriging(OK) technique.
According to the evaluation result of each technique the SKlm technique showed the best result.

참고 자료

없음