DBPIA-NURIMEDIA

Size: px

Start display at page:

Download "DBPIA-NURIMEDIA"

현주 내
6 years ago
Views:

1 Atmosphere. Korean Meteorological Society Vol. 24, No. 1 (2014) pp pissn eissn 기술노트 (Technical Note) PRISM 을이용한 30 m 해상도의상세일별기온추정 안중배 허지나 * 임아영부산대학교지구환경시스템학부 ( 접수일 : 2013 년 10 월 16 일, 수정일 : 2013 년 11 월 19 일, 게재확정일 : 2013 년 12 월 4 일 ) Estimation of Fine-Scale Daily Temperature with 30 m-resolution Using PRISM Joong-Bae Ahn, Jina Hur*, and A-Young Lim Division of Earth Environmental System, Pusan National University, Busan, Korea (Manuscript received 16 October 2013; accepted 4 December 2013) Abstract This study estimates and evaluates the daily January temperature from 2003 to 2012 with 30 m-resolution over South Korea, using a modified Parameter-elevation Regression on Independent Slopes Model (K-PRISM). Several factors in K-PRISM are also adjusted to 30 m grid spacing and daily time scales. The performance of K-PRISM is validated in terms of bias, root mean square error (RMSE), and correlation coefficient (Corr), and is then compared with that of inverse distance weighting (IDW) and hypsometric methods (HYPS). In estimating the temperature over Jeju island, K-PRISM has the lowest bias ( 0.85) and RMSE (1.22), and the highest Corr (0.79) among the three methods. It captures the daily variation of observation, but tends to underestimate due to a high-discrepancy in mean altitudes between the observation stations and grid points of the 30 m topography. The temperature over South Korea derived from K-PRISM represents a detailed spatial pattern of the observed temperature, but generally tends to underestimate with a mean bias of In bias terms, the estimation ability of K-PRISM differs between grid points, implying that care should be taken when dealing with poor skill area. The study results demonstrate that K-PRISM can reasonably estimate 30 m-resolution temperature over South Korea, and reflect topographically diverse signals with detailed structure features. Key words: PRISM, fine-scale temperature, geographic information system, interpolation method, inverse distance weighting, hypsometric method 1. 서론 최근농업, 공학, 수문, 경제등다양한분야에서고해상도격자기상정보의활용성과중요성이점차증대되고있다 (Daly et al., 2002; Daly et al., 2003). 이러한높은활용성에도불구하고, 관측된자료로부터고르게분포된장기간의고해상도기상정보를얻는 *Corresponding Author: Jina Hur, Division of Earth Environmental System, Pusan National University, Busandaehak-ro, 63beon-gil, Geumjeong-gu, Busan , Korea. Phone : , Fax : hjn586@pusan.ac.kr 것은쉽지않다. 특히지형적으로좁고복잡한우리나라의경우, 상대적으로조밀한관측망이구축되어있다고하더라도대부분의관측소들이전력공급및유지보수의문제점때문에 300 m 이하의낮은고도에위치하거나수도권중심에편중되어있다 (Hong et al., 2007; Im and Ahn, 2011). 이러한관측자료의공간적인제약을극복하는방법으로역학적및통계적방법이최근에많이연구되고있다 (e.g., Im et al., 2005; Hong et al., 2007; Shin et al., 2008; Ahn et al., 2010; Ahn et al., 2012). 지역기후모형을이용하는역학적방법은물리적 역학적으로균형있는자료를생산할수있다는장점을 101

102 PRISM 을이용한 30 m 해상도의상세일별기온추정 가진다. 하지만이방법은상당한계산시간과방대한저장공간이요구되며 (Chen et al., 2012), 모델의계통적오차가포함될수있다 (Ahn et al., 2012) 는단점을가진다. 이러한이유때문에격자형태의고해상도기후정보를생산하는효율적인방법으로통계적방법도자주이용된다 (e.g.

2 102 PRISM 을이용한 30 m 해상도의상세일별기온추정 가진다. 하지만이방법은상당한계산시간과방대한저장공간이요구되며 (Chen et al., 2012), 모델의계통적오차가포함될수있다 (Ahn et al., 2012) 는단점을가진다. 이러한이유때문에격자형태의고해상도기후정보를생산하는효율적인방법으로통계적방법도자주이용된다 (e.g., Daly, 2006; Chung et al., 2009; Brunetti et al., 2013). 격자형국지기후자료를통계적으로추정하는방법은격자점과관측지점간의거리를어떻게고려하느냐에따라크게세가지로분류할수있다. 첫번째방법은거리를전혀고려하지않고단지통계적 물리적관계에만의존하는것으로, 여기에는선형 비선형회귀 (Schoof and Pryor, 2001) 와유사패턴검색방법 (Hidalgo et al., 2008) 등이포함된다. 그러나이방법의경우격자점의과거기상정보에근거하기때문에격자점의과거기상정보가없는상태에서사용하는것은한계가있다. 두번째방법은기상요소의동질성을거리만의함수로계산하는것으로, 여기에는 Barnes 기법 (Barnes, 1964), Cressman 기법 (Cressman, 1959), 역거리가중법 (Inverse Distance Weighting, IDW) (Szolgay et al., 2009) 등이포함된다. 많은연구자 (e.g., Brunetti et al., 2013; Daly, 2006; Daly et al., 2003) 들은동일성을결정짓는가장중요한요소가거리차라고평가하지만, 인접한지역의지형학적환경도무시할수없다는결과를제시하였다. 세번째방법은두번째방법에서지형학적정보까지고려한것으로, Hypsometric 기법 ( 이하 HYPS) (Ahrens, 2003) 과 PRISM (Parameter-elevation Regressions on Independent Slopes Model) (Daly et al., 1994, 2002) 이대표적이다. 특히 PRISM 은다른기법과비교하여인접한기상자료에대한의존성이상대적으로작고지리특성에대한의존성이커서, 불균질하며성긴관측자료로부터고분해능격자정보를추정할때유용하게사용가능하다. 국내에서도최근몇년동안남한영역에대한고해상도기상자료의필요성이대두되면서 PRISM 을이용한격자형기상자료생산방법에대한연구가이루어졌다. Hong et al. (2007) 은남한에적합한 PRISM 기법 ( 이하 K-PRISM) 을제시하였으며, 이를이용하여 5km 해상도의기온격자자료를생산하였다. Shin et al. (2008) 과 Chung et al. (2009) 은 K-PRISM 을이용하여각각 5km 와 270 m 해상도의강수격자자료를생산한바있다. 또한 Kim et al. (2012) 은 1km 간격의월강수량을추정하기위하여 PRISM 모형에 Daymet 모형을접목시킨새로운강수량추정모형을제시하고분석하였다. 그러나이러한연구들은 100 m 이상의해상도를가지고있어빌딩주변과경작지경계에서발생하는국지기상의변화를살펴보기에는다소미흡하다 (Rider et al., 1963). 특히 2011 년우리나라의 가구원 1 인당평균경지면적이약 71.8 m 71.8 m 임을고려할때, 우리나라농경지에서발생하는병해충및작물생육환경과관련된국지기상을살펴보기위해서는 100 m 이하의고해상도기상정보가필요하다. 따라서본연구에서는국지기상의이해도와타분야에서의활용가능성을높이기위해 K-PRISM 을기반으로하여 30 m 고해상도일별기온자료를산출하고자하였다. 이를위해 30 m 해상도와일단위의시간간격에적합하도록 K-PRISM 의일부요소를수정하였으며, 이를기존의방법과비교하였다. 본연구는장기간의기후값추정에앞서수정된 K-PRISM 방법을시범적으로 2003 년부터 2012 년까지의 1 월기온에적용함으로써방법의타당성을검증하는데초점을두었다. 2. 자료및연구방법 2.1 자료본연구에서는 2003 년부터 2012 년까지기상청에서관측한 1 월의일평균기온자료를사용하였다. 이자료는사용목적에따라 PRISM 입력자료와검증자료로나눌수있다. Figure 1 은각해마다관측된관측지점의수를나타낸것으로, 1973 년부터 60 개이상의지상기상관측소 (Automated Synoptic Observing System, ASOS) 에서기상관측이시작된것을볼수있다. 따라서입력자료의동질성을고려하여, 향후 40 년기후장생산을위해 1973 년부터관측이시작된 60 개의 ASOS 지점들의자료를 PRISM 의입력자료로사용하였다. 검증자료로사용된기상자료는 PRISM 에사용되지않았던 352 개의자동기상관측지점 (Automated Weather Station, AWS) 에서관측된자료이다. 현재수준의 AWS 관측망이 1990 년후반부터구축되었기때문에본연구에서는검증기간을 10 년으로설정하였다 (Im and Ahn, 2011). Figure 2 는 PRISM 에사용된 60 개의 ASOS 와검증에사용된 352 개의 AWS 의위치를나타낸것이다. 고해상도격자고도자료는 30 m 해상도의 ASTER Fig. 1. The number of in-situ weather observation stations working in each year. 한국기상학회대기제 24 권 1 호 (2014)

안중배 허지나 임아영 103 계산할때고려할최소관측점의수와영향반경을결정하는단계이다. 이때평균 33.0 km 의 ASOS 간격을고려하여, 최소관측점의수 5 개가영향반경 30 km 에포함되지않으면영향반경을최대 100 km 까지 5km 간격으로확대하였다. 단, 고유의기후특성들을고려하여본토와제주도는독립적으로계산되었다.

본연구에서는기존의 K-PRISM 방법을기본적으로따르고있지만, 30 m 의격자간격과일단위의시간간격에적합하도록다음과같이첫번째와네번째단계에서일부요소를수정하였다. Fig. 2.

3 안중배 허지나 임아영 103 계산할때고려할최소관측점의수와영향반경을결정하는단계이다. 이때평균 33.0 km 의 ASOS 간격을고려하여, 최소관측점의수 5 개가영향반경 30 km 에포함되지않으면영향반경을최대 100 km 까지 5km 간격으로확대하였다. 단, 고유의기후특성들을고려하여본토와제주도는독립적으로계산되었다. 세번째단계는첫번째단계에서생산된 GIS 자료를바탕으로격자점과관측지점간의지형학적유사성을가중치로계산하는것이다. 네번째단계는이렇게생산된가중치를이용하여가중회귀식을산출한후, 각격자점의기상값을추정하는것이다. 보다자세한설명은 Hong et al. (2007) 에서볼수있다. 본연구에서는기존의 K-PRISM 방법을기본적으로따르고있지만, 30 m 의격자간격과일단위의시간간격에적합하도록다음과같이첫번째와네번째단계에서일부요소를수정하였다. Fig. 2. Topography (m) and distribution of 60 ASOS (large dot) and 352 AWS (small dots) used in this study (ASOS are used as input data for PRISM, whereas AWS are used for validation). Global Digital Elevation Map (GDEM) (Frey and Paul, 2012) 자료를사용하였다 (Fig. 2). 또한이자료를이용하여남한영역의지향면 (topographic facet) 과해양도 (coastal proximity) 정보도산출하였다. 2.2 K-PRISM 적용방법 K-PRISM 은크게네가지단계로나눌수있다. 첫번째는 K-PRISM 에필요한다양한지리정보 (Geographic Information System, GIS) 를산출하는단계이다. 이때생산되는정보는남한영역에대한 30 m 격자간격의고도, 지향면, 해양도정보이다. 즉, 산출된자료들은모두 X, Y 방향으로각각 30 m 격자간격을가지고있으며, 남한영역에대해총 39,9960,000 개 (19,800 20,200) 의격자점을가진다. 두번째는각격자점을 지향면자료본연구에서는경사의방향을 N 방향부터 NW 방향까지 8 방위로구분한기존의연구와달리 N 방향부터 NNW 방향까지 16 방위로더욱세분화하였다 (Fig. 3). 평지까지고려하면지향면은총 17 가지로구분된다. 즉, 각격자점을중심으로 X( 동서 ) 방향과 Y ( 남북 ) 방향의거리와고도차를이용하여다음과같이사면의기울기 (θ) 와경사방향 (A) 을계산한다 (Hong et al., 2007). tanθ =[(δz/δx) 2 +(δz/δy) 2 ] 1/2, (1) tana = ( δz/δy)/(δz/δx), (2) 이때 π 와 π 사이에있는 A 를좀더이해하기쉽게 0 o 과 360 o 사이로변환하고, Fig. 3 에서와같이각의크기를기준으로 A 를 16 가지로분류한다. Figure 4 는 16 방위와 8 방위를기준으로구분된지향면들을나타낸것이다. 이때색상은 Fig. 3 에서제시한방향의순서대로구성하였으며, 16 방위와 8 방위에서겹치는방향들 (N, NE, E, SE, S, SW, W, NW) 은모두같은색으로처리하였다. 기존의연구 (e.g., Fig. 3. Criteria for topographic facet with 16 and 8 directions. Atmosphere, Vol. 24, No. 1. (2014)

104 PRISM을 이용한 30 m 해상도의 상세 일별 기온 추정 Fig. 4. Digital map of topographic facet over South Korea derived from (a) 16-directions and (b) 8-directions. Fig. 5. Same as Fig.

16방위를 기준으로 구분된 지향면은 8방위로 구분된 지향면과 전반적으 로 유사한 공간 패턴을 가지나, 더 세분화된 것이 특 징이다. 뚜렷한 방향성을 가진 제주도를 예로써 살펴 보면, 두 지향면은 모두 제주도 북쪽에 NE, 남동쪽에 SE, 서쪽에 SW가 지배적으로 나타난다(Fig. 5).

4 104 PRISM을 이용한 30 m 해상도의 상세 일별 기온 추정 Fig. 4. Digital map of topographic facet over South Korea derived from (a) 16-directions and (b) 8-directions. Fig. 5. Same as Fig. 4, but for Jeju island over South Korea. Hong et al., 2007)와 유사하게 8방위로 구분된 30 m 해상도의 지향면은 본토에서 지형학적 특징이 식별될 수 없을 정도로 매우 복잡하게 나타난다. 반면 제주 도는 한라산을 중심으로 사면의 방향성이 뚜렷하며 N 부터 NW까지 다양하게 나타난다. 16방위를 기준으로 구분된 지향면은 8방위로 구분된 지향면과 전반적으 로 유사한 공간 패턴을 가지나, 더 세분화된 것이 특 징이다. 뚜렷한 방향성을 가진 제주도를 예로써 살펴 보면, 두 지향면은 모두 제주도 북쪽에 NE, 남동쪽에 SE, 서쪽에 SW가 지배적으로 나타난다(Fig. 5). 단, 16방위의 지향면은 제주도 북쪽에 NE가 주도적으로 한국기상학회 대기 제24권 1호 (2014) 나타나던 8방위의 지향면과는 다르게 NNE, NE, NEE 로 세분화되어 다양하게 나타난다 가중 회귀식의 기울기 한계값 설정 본 연구에서 PRISM에 사용된 60개의 ASOS 관측 지점을 해발고도에 따라 분류해보면 Fig. 6와 같다. 60개의 ASOS 중에서 1개의 관측소(대관령)을 제외 한 59개(약 98%)의 관측소가 300 m 이하에 위치해 있다. 이 비율은 Hong et al. (2007)에서 제시한 87% 보다 11% 더 큰 값이다. 또한 300 m 이하에 위치하 는 59개의 관측소 중에서도 약 76%가 100 m 이하의

안중배 허지나 임아영 105 을제거하기위하여 10 일이동평균을수행하였다. 일평균기온감률의 +0.5 Std 와 0.5 Std 를각각회귀식기울기의최고값과최저값으로설정하였다 (Table 1). 따라서본연구에서는일별로기울기의최소값과최대값을제한함으로써기온감률의일변동성을고려하였다. Fig. 6. The number of ASOS with the height.

5 안중배 허지나 임아영 105 을제거하기위하여 10 일이동평균을수행하였다. 일평균기온감률의 +0.5 Std 와 0.5 Std 를각각회귀식기울기의최고값과최저값으로설정하였다 (Table 1). 따라서본연구에서는일별로기울기의최소값과최대값을제한함으로써기온감률의일변동성을고려하였다. Fig. 6. The number of ASOS with the height. 저지대에위치한다. 이는본연구에서기상값추정을위해고려된관측지점들이고도에따라매우불균일하게분포하며, 결국일부격자점에서회귀식의기울기 ( βˆ 1 ) 가비정상적인값으로산출될가능성이높다는것을의미한다. 이를해결하기위해서본연구에서도 Hong et al. (2007) 와같이관측자료에서유도된평균기온감률을기준으로회귀식의기울기를제한하였다 (Fig. 7). 단, 월평균기온감률을고려한 Hong et al. (2007) 과는다르게, 일간격을고려하여 1973년부터 2012년까지 40년평균된일평균기온감률과표준편차 (Std) 를계산하였으며, 작은변동성 2.3 검증방법고해상도기온추정방법의타당성을살펴보기위하여제 3절에서는 16방위지향면을이용한 K-PRISM ( 이하 16Dir-K-PRISM) 로추정된 1월의일평균기온을기존연구에서사용된 8방위지향면을이용한 K- PRISM ( 이하 8Dir-K-PRISM), IDW, HYPS 방법들로추정된기온들과비교분석하였다. 검증을위해공간적인분포도, 시계열과같은정성적인방법과편이 (Bias), 오차제곱근 (Root Mean Square Error, RMSE), 상관계수 (Correlation Coefficient, Corr) 등의정량적인방법이이용되었다. 본연구에서비교하기위해사용된 IDW와 HYPS 방법은다음과같다. n 2 n 2 IDW: T = Ts i /d i / 1/di, (3) i = 1 i = 1 HYPS: n 2 n 2 T = Ts i /d i / 1/di i = 1 i = 1 n 2 n + Z Zs i /d i / 2 1/d i Γ, i = 1 i = 1 (4) Γ = Γ = cos(0.0172(Julian day 60)). (5) 여기서 T 와 Z 는추정하고자하는특정격자점의기온과고도이며, Γ 는경험적기온감률 (Yun et al., 2000) 이다. Ts i 와 Zs i 는특정격자점을중심으로영향반경 (100 km) 안에포함된 n 개의관측점중에서 i 번째관측점의기온과고도를의미한다. Fig. 7. Daily mean of temperature lapse rate averaged over 40 years from 1973 to 2012 and their 0.5 standard deviations (10-day moving average is applied.). Table 1. Change in βˆ 1 according to each condition. Conditions βˆ 1 1 βˆ 1 < 0.5 Std βˆ 1 = -0.5 Std Std βˆ Std βˆ 1 = βˆ 1 3 βˆ 1 >+0.5 Std βˆ 1 =+0.5 Std 3. 연구결과 3.1 제주도지역에대한 K-PRISM 의적용 16Dir-K-PRISM 을남한전체영역에적용하기에앞서, 지형적특성이뚜렷한제주도지역에먼저적용하고 2012 년 1 월사례기간에대해분석하였다. 제주도는한라산을중심으로하는원추형의지형을가지고있어, 고도가높은중심부에서상대적으로낮은기온이, 고도가낮은주변부에서상대적으로높은기온이나타나는특징이있다. 이러한이유로제주도는고도, 지향면, 해안도와같은지리정보나추 Atmosphere, Vol. 24, No. 1. (2014)

6 106 PRISM 을이용한 30 m 해상도의상세일별기온추정 Fig. 8. Spatial distribution of daily mean temperatures ( o C) in January 2012 derived from (a) 16Dir-K-PRISM (upper left), (b) 8-Dir-K-PRISM (upper right), (c) HYPS (lower left), (d) IDW (lower right) over Jeju island in South Korea (Skill scores are calculated at each AWS site over Jeju island and averaged). 정된기온자료를정성적으로평가하기에좋은지역이다. Figure 8 은 16Dir-K-PRISM, 8Dir-K-PRISM, IDW, HYPS 방법으로추정된 2012 년 1 월의일평균기온분포도와각방법의산출수준을나타낸것이다. 고도를고려하는 16Dir-K-PRISM, 8Dir-K-PRISM, HYPS 는한라산을중심으로낮은기온을산출하고있지만, 거리만을고려하는 IDW 는고도에따른기온변이를잘나타내지못하고있다. 특히본연구에서는제주도의기온분포도를추정하기위해서해발고도 60 m 이내에위치하고있는단지 2 개의 ASOS( 제주도, 서귀포 ) 자료가사용되었기때문에, 거리만의함수로고도의편차가큰제주도의기온분포를추정하는것은어렵다. 고도를고려하는세가지의방법중에서 K-PRISM 을근거로한 16Dir-K-PRISM 와 8Dir-K-PRISM 은고도에따른기온감소경향을더크게고려함으로써기온을한라산의중심에서 HYPS 보다더낮게모의한다. 이로인해 K-PRISM 을기반으로하는두방법은 0.85 의음의 Bias 가나타나는반면, HYPS 와 IDW 는 1.2 이상의양의 Bias 가나타난다. 산출수준을좀더정량적으로살펴보면, 16Dir- K-PRISM 과 8Dir-K-PRISM 은 2012 년 1 월제주도지역에대해가장낮은 BIAS ( 0.85), RMSE (1.22) 와가장높은 CORR (0.79) 을가지고있어기온추정능력이다른기법보다상대적으로높은것으로나타났다. Fig. 9. Daily mean temperature series in January 2012 derived from ASOS, AWS, ASOS+AWS, 16Dir-K-PRISM, 8Dir-K-PRISM, HYPS, IDW over Jeju island in South Korea. 시간변동성에대한공간추정기법들의모사능력을살펴보기위해사례기간에제주도에서관측된일평균기온 (ASOS, AWS, ASOS+AWS) 과추정된일평균기온 (16Dir-K-PRISM, 8Dir-K-PRISM, IDW, HYPS) 의시계열을비교하고분석하였다 (Fig. 9). ASOS 에서관측된기온은 AWS 를포함하여다른기온자료보다상대적으로높게나타나는데, 그이유는 Fig. 2 에서볼수있듯이대부분의관측지점이평균해발고도 m( 남한평균 : 92.1 m) 로저지대에위치하기때문이다. 즉, AWS 지점들이평균해발고도 m 한국기상학회대기제 24 권 1 호 (2014)

안중배 허지나 임아영 107 ( 남한평균 : 117.0 m) 로 ASOS 와비교하여상대적으로고지대에분포하기때문에 AWS 와 ASOS+AWS 의평균기온은 ASOS 와유사한시간패턴을가지면서 ASOS 보다약 2.0 도이상낮게나타난다.

7 안중배 허지나 임아영 107 ( 남한평균 : m) 로 ASOS 와비교하여상대적으로고지대에분포하기때문에 AWS 와 ASOS+AWS 의평균기온은 ASOS 와유사한시간패턴을가지면서 ASOS 보다약 2.0 도이상낮게나타난다. 추정된기온들을살펴보면, 고도를고려하지않는 IDW 는 ASOS 와, 거리와고도만고려하는 HYPS 는 AWS 및 AWS+ASOS 와유사한값으로변동한다. 16Dir-K- PRISM, 8Dir-K-PRISM 는관측지점의패턴을잘모사하면서, 모든관측자료보다기온을낮게추정한다. 이러한기온의차이는관측지점과 30 m 해상도를가진지형자료의평균고도차로설명할수있다. 즉, 제주도지역에대한 2,332,375 개 ( 남한육지영역 : 132,706,372 개 ) 격자점의평균해발고도가 m ( 남한육지평균 : m) 로관측지점의평균고도보다더높기때문이다. 결과적으로 16Dir-K-PRISM, 8Dir-K-PRISM, HYPS 는모두관측지점과격자점간의고도차에의해절대적인평균기온값을입력자료인 ASOS 보다더낮게산출하지만, 관측의시간전개패턴을유사하게모사한다. 3.2 남한영역에대한 K-PRISM 의적용본절에서는제주도의사례분석에서정성적및정량적으로산출수준이높다고평가된 16Dir-K-PRISM 와 8Dir-K-PRISM 을이용하여남한영역에대한 30 m 기온자료를 2003 년부터 2012 년까지산출하고분석 Table 2. Skill scores of daily mean temperature in January derived from 16Dir-K-PRISM and 8Dir-K-PRISM for 10 years from 2003 to 2012 (Skill scores are calculated at each AWS site over South Korea and averaged). S. Korea (Mean T) 16Dir-K-PRISM 8Dir-K-PRISM Bias RMSE Corr Bias RMSE Corr Average 하였다. Figure 10 은 2003 년부터 2012 년까지 10 년동안평균된 1 월의일평균기온분포도를나타낸것이다. 두방법으로산출된일평균기온들은유사한공간패턴으로남한의상세한지형적특징을모두잘반영하고있다. 즉, 두방법은주요산맥을따라기온을낮게, 저위도및해안가주변에기온을높게모사하는등남한의복잡한지형구조및기온분포특성 Fig. 10. Spatial distribution of daily mean temperature ( o C) in January averaged over 10 years from 2003 to 2012 derived from 16Dir-K-PRISM (left) and 8Dir-K-PRISM (right) over South Korea. Atmosphere, Vol. 24, No. 1. (2014)

8 108 PRISM 을이용한 30 m 해상도의상세일별기온추정 Fig. 11. Spatial distribution of daily mean temperature biases in January 2012 derived from 16Dir-K-PRISM (left) and 8Dir-K- PRISM (right) (Biases are calculated at 352 AWS sites over South Korea). 을상세하게잘나타내고있다. 16Dir-K-PRISM 과 8Dir-K-PRISM 이남한평균기온을각각 3.3 와 3.8 로산출함으로써, 8Dir-K-PRISM 이 16Dir-K-PRISM 보다약 0.5 도낮게기온을추정하였다. 산출수준을좀더정량적으로비교하기위해본연구에서 PRISM 방법으로산출된기온과 352 개의 AWS 에서관측된기온간의 Bias, RMSE, Corr 을연도별로살펴보았다 (Table 2). 평균적으로 16Dir-K-PRISM 와 8Dir-K-PRISM 은 Bias 가각각 0.45 와 0.44, RMSE 가각각 1.90 과 1.77, Corr 가각각 0.80 과 0.78 로나타났다. 이결과는 Hong et al. (2007) 에서제시한 1 월평균 Bias (0.014), RMSE (0.939) 보다높고, Corr (0.952) 보다낮다. 이러한차이는크게두가지로설명될수있다. 첫번째는기온추정에사용된관측자료에대한차이이다. 즉, 선행연구에서는 ASOS 뿐만아니라 AWS 의자료를 PRISM 의입력자료로사용하였기때문에격자기온을추정할때더많은양질의정보가고려되었다는것이다. 두번째는생산된기상자료의시간간격에대한차이이다. 본연구에서는일별기상정보를산출한반면, 홍기옥등 (2007) 은월별기상정보를산출하였기때문에정량적으로다르게평가될수있다는것이다. 물론, 이러한두가지이유이외에도해상도, 분석기간, 고도자료의종류등다양한인자들도다른평가결과를야기하는요소가될수있다. 16Dir-K-PRISM 와 8Dir-K-PRISM 은모두평균적으로기온을과소추정하는경향이있지만, 관측의공간변화패턴을전반적으로잘모사하였다. Bias 와 RMSE 가낮고, Corr 이높으면산출수준이높다는것을고려할때, Bias 와 RMSE 측면에서는 8Dir-K- PRISM 이, Corr 측면에서는 16Dir-K-PRISM 이더산출수준이높다고평가할수있다. 이는두기법이같은산출수준을가진다고평가된제주도사례분석과는다소차이가나는결과로, 지리적위치에따라 PRISM 의산출수준이다르다는것을암시한다. 따라서 PRISM 의산출수준을지역별로살펴보기위해 Bias 를 AWS 관측지점별로분석하였다. Figure 11 은제주도사례기간과같은 2012 년 1 월에대한 Bias 를관측지점별로나타낸것이다. 두기법은평균 Bias 가 0.33 과 0.32 로, 약 40% 의관측지점에서관측과 ±1 o C 이내의차이로일평균기온을추정하고있다. 그러나 16Dir-K-PRISM 는 101 개의관측소에서 ±1~2 o C 의 Bias 가, 55 개의관측소에서 ±2 o C 이상의 Bias 가나타나는반면, 8Dir-K-PRISM 는 101 개와 49 개의관측소에서각각 ±1~2 o C 와 ±2 o C 이상의 Bias 가나타났다. 두기법에서산출된 BIAS 는 2.73 o C 으로충청북도단양군에위치하는영춘지점에서가장큰차이가나타났다. 이지점은남한강과태화산이인접해있는지형적으로복잡한지역에위치한다. 이는 Bias 가공간적으로불균일하다는것을의미하며, 결과적으로 PRISM 의산출수준이각방법에따라각격자점별로다르다는것을나타낸다. 특히 Bias 가높은지점들은주변관측지점들의부재와복잡한지형적특성을가지고있는곳으로, 상대적으로해안가보다내륙에많이위치한다. 따라서이지점들은분석시유의할필요가있다. 한국기상학회대기제 24 권 1 호 (2014)

9 안중배 허지나 임아영 요약및결론 본연구에서는 K-PRISM 을이용하여남한영역에대해 30 m 의수평해상도를가지는 2003 년부터 2012 년까지의 1 월일평균기온을추정하였다. 또한 30 m 의격자간격과일단위의시간간격에적합하도록지향면및회귀식기울기한계값등을수정한 K-PRISM 방법을제시하고, 기존의방법들과비교함으로써방법의적합성을검증하였다. 여기서 K-PRISM 의입력자료와검증자료로 60 개의 ASOS 와 352 개의 AWS 의일별기온자료가각각독립적으로사용되었다. K-PRISM 을남한전체영역에적용하기에앞서, 지형적특성이뚜렷한제주도지역에먼저적용하고 2012 년 1 월사례기간에대해분석하였다. 분석한결과, 16Dir-K-PRISM 와 8Dir-K-PRISM 은 IDW 와 HYPS 보다고도에따른기온감소경향을더크게고려하여한라산중심의주변기온을더낮게추정하였다. 특히 K-PRISM 을기반으로하는두기법은가장낮은 BIAS ( 0.85), RMSE (1.22) 와가장높은 CORR (0.79) 을가지고있어제주도지역에대한기온추정능력이다른기법보다상대적으로높은것으로나타났다. 관측평균값과비교하여 IDW 는 ASOS 와, HYPS 는 AWS 및 AWS+ASOS 와유사하게, 16Dir-K-PRISM, 8Dir-K-PRISM 는 AWS 보다낮게평균기온값을산출하였으며, 네방법모두관측의시간전개패턴을유사하게추정하였다. 제주도사례분석에서정성적및정량적으로산출수준이높다고평가된 16Dir-K-PRISM 와 8Dir-K-PRISM 을이용하여남한영역에대한 30 m 기온자료를 2003 년부터 2012 년까지산출하고분석하였다. 두방법은모두남한의복잡한지형구조및기온분포특성을상세하게잘나타내었으며, 기온을과소추정하는경향이있었다. 평균적으로 16Dir-K-PRISM 와 8Dir-K- PRISM 은 Bias 가각각 0.45 와 0.44, RMSE 가각각 1.90 과 1.77, Corr 가각각 0.80 과 0.78 로나타났다. 결과적으로 Bias 와 RMSE 측면에서 8Dir-K-PRISM 이, Corr 측면에서 16Dir-K-PRISM 이더신뢰성있는기법이라고평가되었다. 또한산출수준을지역별로살펴보았을때, 주변관측지점들의부재와복잡한지형적특성을가지고있는곳은상대적으로산출수준이떨어졌다. 따라서각방법에따른격자점의산출수준불균일을고려하여, Bias 가높은지역을해석할때는신중할필요가있다. 본연구에서는 K-PRISM 을이용한 30 m 격자간격의남한영역에대한일기온을추정함으로써, 초고해상도에대한일별기온추정가능성을살펴보았다. 그러나 10 년동안 1 월의일평균기온만을추정하고검증하였을뿐아니라민감도실험없이 K-PRISM 의 가중치함수를그대로사용하였기때문에방법의적합성을검증하기위해서는추가적인연구가필요하다. 향후지속적인연구와기후자료생산을통해보다신뢰성있는 30 m 격자간격의 40 년기온기후장을생산할계획이다. 이렇게생산된다양한계절에대한일별기온자료는기후민감도가높은농업, 임업등다양한분야에서유용하게활용될수있을것으로생각된다. 감사의글 본성과물은농촌진흥청연구사업 ( 과제번호 : PJ009353) 의지원에의해수행되었습니다. REFERENCES Ahn, J.-B., J. Hur, and K.-M. Shim, 2010: A simulation of agro-climate index over the Korean Peninsula using dynamical downscaling with a numerical weather prediction model. Korean J. Agric. For. Meteorol., 12, 1-10 (in Korean with English abstract)., J. Lee, and E.-S. Im, 2012: The reproducibility of surface air temperature over south Korea using dynamical downscaling and statistical correction. J. Meteor. Soc. Japan, 90, Ahres, C. D., 2003: Meteorology today: An introduction to weather, climate, and the environment, 7th edition, Brooks-Cole-Thomson Learning: Pacific Grove, CA. Brunetti, M., M. Maugeri, T. Nanni, C. Simolo, and J. Spinoni, 2013: High-resolution temperature climatology for Italy: interpolation method intercomparison. Int. J. Climatol., doi: /joc Chen, H., C.-Y. Xu, and S. Guo, 2012: Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff. J. Hydrol., , Chung, U. K. Yun, K.-S. Cho, J. H. Yi, and J. I. Yun, 2009: The PRISM-based rainfall mapping at an enhanced grid cell resolution in complex terrain. Korean J. Agric. For. Meteorol., 11, (in Korean with English abstract). Daly, C., R. P. Neilson, and D. L. Phillips, 1994: A statistical-topograhic model for mapping climatological precipitation over mountainous terrain, J. Appl. Meteor., 33, , W. P. Gibson, G. H. Taylor, G. L. Johnson, and P. Pasteris, 2002: A knowledge-based approach to the statistical mapping of climate. Clim. Res., 22, , E. H. Helmer, and M. Quiñones, 2003: Mapping the climate of PUERTO RICO, VIEQUES and CUL- Atmosphere, Vol. 24, No. 1. (2014)

10 110 PRISM 을이용한 30 m 해상도의상세일별기온추정 EBRA. Int. J. Climatol., 23, , 2006: Guidelines for assessing the suitability of spatial climate data sets. Int. J. Climatol., 26, Frey, H., and F. Paul, 2012: On the suitability of the SRTM DEM and ASTER GDEM for the compilation of topographic parameters in glacier inventories. Int. J. Appl. Earth Observ. Geoinform., 18, Hidalgo, H. G., M. D. Dettinger, and D. R. Cayan, 2008: Downscaling with constructed analogues: Daily precipitation and temperature fields over the United States, California Climate Change Center, 48 [avaliable at supporting_materials/cec pdf]. Hong, K.-O., M.-S. Suh, D.-K. Rha, D.-H. Chang, C. Kim, and M.-K. Kim, 2007: Estimation of high resolution gridded temperature using GIS and PRISM. J. Korean Meteorol. Soc., Atmos., 17, (in Korean with English abstract). Im, E.-S., and J.-B. Ahn, 2011: On the elevation dependency of present-day climate and future change over Korea from a high resolution regional climate simulation. J. Meteor. Soc. Japan, 89, , W.-T. Kwon, and J.-B. Ahn, 2005: Downscaling of winter river-basin precipitation using a neural network. J. Korean Meteorol. Soc., Atmos., 41, (in Korean with English abstract). Kim, J. P., G. Kim, and W.-S. Lee, 2012: Estimation of monthly areal precipitation using Daymet and PRISM. J. Korean Soc. Hazard Mitigation, 12, (in Korean with English abstract). Rider, N. E., J. R. Philip, and E. F. Bradley, 1963: The horizontal transport of heat and moisture-a micrometeorological study. Quart. J. Roy. Meteor. Soc., 89, Schoof, J. T., and S. C. Pryor, 2001: Downscaling temperature and precipitation: a comparison of regressionbased methods and artificial neural networks. Int. J. Climatol., 21, Shin, S.-C., M.-K. Kim, M.-S. Suh, D.-K. Rha, D.-H. Jang, C.-S. Kim, W.-S. Lee, and Y.-H. Kim, 2008: Estimation of high resolution gridded precipitation using GIS and PRISM. J. Korean Meteorol. Soc., Atmos., 18, (in Korean with English abstract). Yun, J.-I., J.-Y. Choi, Y.-K. Yoon, and U. Chung, 2000: A spatial interpolation model for daily minimum temperature over mountainous regions. Korean J. Agric. For. Meteorol., 2, (in Korean with English abstract). 한국기상학회대기제 24 권 1 호 (2014)

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA Atmosphere. Korean Meteorological Society Vol. 26, No. 4 (2016) pp. 697-709 https://doi.org/10.14191/atmos.2016.26.4.697 pissn 1598-3560 eissn 2288-3266 기술노트 (Technical Note) PRISM 과 GEV 방법을활용한 30 m 해상도의격자형기온극값추정방법연구