공간 강수량 정확도 향상을 위한 공간상세화 방법 평가

• 영문명: Evaluation of Spatial Downscaling Methods for Enhancement of Spatial Precipitation Estimation
• 발행기관: 한국방재학회
• 저자명: 황석환 함대헌 Hwang, Seok Hwan Ham, Dae Heon
• 간행물 정보: 『2. 한국방재학회 논문집』13권4호, 149~164쪽, 전체 16쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2013.08.31

국문 초록

관측정밀도 보다 높은 강수량 공간상세화를 위해서는 공간 내삽법에 대한 체계적인 조사와 기본적인 특성 평가가 선행되어야, 향후 방법적인 면에서 논란의 여지를 줄이고 상세화된 자료에 대한 불확실성도 가늠할 수 있다. 따라서 본 연구에서는 공간내삽방법에 대한 평가를 수행하고자 한다. 본 연구에서는 특정 지역 혹은 특정 사상 선정으로 인한 결과의 임의성을 최대한 줄이기 위해 우리나라 전역의 10년(2001-2010년)치 기상청 AWS지점 일자료를 사용하였다. 그리고 역거리가중법(Inverse distance weighted method; IDW), 크리깅법(Ordinary kriging; KRG), 다중이차내삽법(Multi-quadric interpolation method; MQI)을 적용하여 $5km{\times}5km$ 격자강수량을 재산정 하였다. 각 내삽 방법에 대한 정량적 평가를 위하여 기준 방법으로 본 연구에서는 티센면적가중법(Thiessen polygon method; TSN)을 사용하였다. 2001년부터 2010년까지 10년 동안의 일강수량 공간 상세화 결과를 중권역 단위로 비교하였을 때, 기상청 AWS 관측망을 사용하는 경우 전체 평균에 있어 방법 간 차이는 크지 않았다. 그러나 관측소가 희박한 지역과 개별호우사상의 경우는 지역특성별로 방법 간 유의한 차이가 나타났다.

영문 초록

In order to estimate a reliable spatial precipitation which has high resolution sub-measuring scale, a systematical research for spatial interpolation methods and evaluation of characteristics of them are required. This will be able to reduce disputes on selection of methodologies and estimate uncertainties of downscaled data. Therefore, we assessed the spatial interpolation methods using automatic weather system (AWS)`s daily data of Korea Meteorological Administration (KMA) during past 10 years (2001-2010), so as to reduce arbitrary interpretations of the result by selecting particular regions or storm events. In addition, we adopted inverse distance weighted method (IDW), ordinary kriging method (KRG) and multi-quadric interpolation method (MQI) to produce $5km{\times}5km$ grid precipitation. For quantitative evaluations of each interpolation method, thiessen polygon method (TSN) was used as a comparison method. When comparing the gridded daily precipitation for the past 10 years (2001-2010) by middle scale basins, differences of whole average for each methods were not significant when using KMA`s AWS network. However, in case of regions where stations were sparse and each storm event, significant differences were founded caused by interpolation methods or characteristics of regions.

키워드

강수량 내삽방법 격자강수량 Precipitation Interpolation method Grid data