일사 수광량 보정에 의한 산악지대 매시기온의 공간내삽

정유란,윤진일 한국농림기상학회 2002 한국농림기상학회지 Vol.4 No.2

Spatial interpolation has become a common procedure in converting temperature forecasts and observations at irregular points for use in regional scale ecosystem modeling and the model based decision support systems for resource management. Neglection of terrain effects in most spatial interpolations for short term temperatures may cause erroneous results in mountainous regions, where the observation network hardly covers full features of the complicated terrain. A spatial interpolation model for daytime hourly temperature was formulated based on error analysis of unsampled site with respect to the site topography. The model has a solar irradiance correction scheme in addition to the common backbone of the lapse rate-corrected inverse distance weighting. The solar irradiance scheme calculates the direct, diffuse and reflected components of shortwave radiation over any surfaces based on the sun-slope geometry and compares the sum with that over a reference surface. The deviation from the reference radiation is used to calculate the temperature correction term by an empirical conversion formula between the solar energy and the air temperature on any sloped surfaces at an hourly time scale, which can be prepared seasonally for each land cover type. When this model was applied to a 14㎞ by 22㎞ mountainous region at a 10m horizontal resolution, the estimated hourly temperature surfaces showed a better agreement with the observed distribution than those by a conventional method.

지형기후모형에 근거한 서리경보시스템 구축

정유란,서희철,윤진일 한국농림기상학회 2004 한국농림기상학회지 Vol.6 No.3

A spatial interpolation scheme incorporating local geographic potential for cold air accumulation (TOPSIM) was used to test the feasibility of operational frost warning in Chatancheon basin in Yeoncheon County-, where the introduction of new crops including temperate zone fruits is planned. Air temperature from April to June 2003 was measured at one-minute intervals at four locations within the basin. Cold-air accumulation potentials (CAP) at 4 sites were calculated for 3 different catchment scales : a rectangular area of 65 x 55 km which covers the whole county, the KOWACO (Korea Water Corporation) hydrologic unit which includes all 4 sites, and the sub-basins delineated by a stream network analysis of the digital elevation model. Daily minimum temperatures at 4 sites were calculated by interpolating the perfect prognosis (i.e., synoptic observations at KMA Dongducheon station) based on TOPSIM with 3 different CAPs. Mean error; mean absolute error; and root mean square error were calculated for 45 days with no precipitation to test the model performance. For the 3 flat locations, little difference was detected in model performance among 3 catchment areas, but the best performance was found with the CAPs calculated for sub-basins at one site (Oksan) on complex terrain. When TOPSIM loaded with sub-basin CAPs was applied to Oksan to predict frost events during the fruit flowering period in 2004, the goodness of fit was sufficient for making an operational frost warning system for mountainous areas.

딥러닝을 활용한 계절내 일 강수의 예측 성능 개선 가능성 평가

정유란,이진영,박경원,손수진 한국기상학회 2022 한국기상학회 학술대회 논문집 Vol.2022 No.10

계절내-계절 기후예측의 딥러닝 기반 후보정을 위한 입력자료 전처리 기법 평가

정유란,이진영,김미애,손수진 한국농림기상학회 2023 한국농림기상학회지 Vol.25 No.2

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. 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 MMES2S 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 예측 선행(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.

계절내 예측 일 최고기온의 예측 성능 향상을 위한 심층학습 앙상블 알고리즘

정유란,박경원,손수진 한국기상학회 2021 한국기상학회 학술대회 논문집 Vol.2021 No.10

계절내 예측 및 자료에 기계학습 및 심층학습을 도입하여 그 예측성 및 기술을 향상하고자 하는 연구가 증가하고 있다. 기계학습 및 딥러닝 기술은 가용할 수 있는 데이터가 많을수록 학습 효과가 좋아지고 그 결과의 신뢰성은 높아진다. 또한 여러 기후모델을 한번에 고려하는 다중모델앙상블(multi-model ensemble, 이하 MME) 기법이 기후 예측의 신뢰성을 증가시킨다고 알려져 있다. 따라서 본 연구에서는 다수 기후모델의 계절내(sub-seasonal to seasonal, 이하 S2S) 예측기후 자료 기반의 훈련 셋에 기계학습 및 심층학습 모델을 적용하여 동아시아 및 한반도 영역의 S2S 예측 일 최고기온의 예측 성능, 특히 3-4주내의 예측성 향상에 기여할 수 있는 심층학습 앙상블 알고리즘을 개발하고자 수행되었다. 학습 모델 구축을 위한 MME 기반 S2S 예측기후 입력 자료는 기준 예측빈도(30일)로부터 6개(ECMWF, NCEP, KMA, UKMO, CMA) 개별 기후모델이 결합되었으며, 입력 변수는 지표면 평균기온, 최고기온, 최저기온, 강수, 해면기압, 850 hPa 기압면에서의 동서남북 방향의 바람, 지위고도 등의 기후 변수가 이용되었다. 관측값으로는 재분석 자료인 ERA-Interim 자료로 구축되었다. 구축된 MME 기반의 S2S 예측 자료는 랜덤 포레스트(Random Forest)와 합성곱 장단기기억 알고리즘(Convolutional Long-Term Short Memory, 이하 ConvLSTM)에 의해 학습되었다. ConvLSTM의 3-4주 예측 정확도 분석 결과, S2S 개별 기후모델의 예측성과 비슷하거나 다소 개선되었다. 랜덤 포레스트의 3-4주 예측성 개선은 CMA만 3-4주 예측 개선이 나타났으며, 그 외 S2S 개별 기후모델의 3-4주 예측성은 비슷하거나 다소 개선되었다. 샘플데이터 증강, 하이퍼파라미터 보정 및 아키텍쳐 보완 등 향후 지속적인 심층학습 앙상블 모델 개발은 다중모델 계절내 예측 향상에 기여할 수 있을 것이다.

구릉지 과원의 고도에 따른 기온변이

정유란,서희철,윤진일 한국농림기상학회 2003 한국농림기상학회지 Vol.5 No.1

2001년 9월부터 2002년 6월까지 소규모 집수역 내고도가 다른 3개 지점(해발 49,104, 253m)에서 30분 간격으로 기온을 측정하여 다음과 같은 결과를 얻었다. 평균기온은 100m 당 0.2℃씩 하강하였으며, 이 감율양상은 낮 시간대 지형에 의한 일사 수광량변이에 의해 증폭되었다. 그러나 감율양상은 일몰시점부터 고도가 높을수록 기온이 더 높아지는 역전양상으로 전환되어 다음 날 일출시점까지 지속되었다. 이에 따라 계곡기저의 일 최저기온이 253m 지점에 비해 더 낮은 날이 연중 67%를 차지하였고 연평균 기온편차는 1.4℃ 이었다. 맑은 날의 최저기온 역전강도는 겨울보다 봄가을에 더 커지며 대상지역에서 관측된 최대값은 6℃ 이었다. 흐리고 비온 날의 최저기온은 감율양상이 지속되었으며 봄가을보다 겨울철의 기온감율이 더 컸다. Air temperature was continuously measured in hilly pear orchards at 4 sites with elevations of 10, 49, 104 and 253 m above sea level. The mean air temperature, averaged over the 10-month period from August 2001 to June 2002, decreased as the site elevation increased by 0.2℃ per 100 m. This weak lapse condition was amplified during daytime by sun-slope geometry. But on most days an inversion condition began by sunset and persisted until the next sunrise. During the observation period, daily minimum temperature at the valley bottom was lower than that of the hilltop on 67% of the days, and the average temperature difference was 1.4℃. Inversion of daily minimum temperature under clear sky conditions was stronger in spring and autumn than in winter with a maximum of 6℃. Lapse condition was predominant in daily minimum temperature on rainy days, and the lapse rate was strongest in winter.

계절내-계절 예측 개선을 위한 후보정 및 전처리 기법 평가

정유란,이진영,김미애,손수진 한국기상학회 2023 한국기상학회 학술대회 논문집 Vol.2023 No.4

산악지대 일사 수광량의 공간변이 추정

정유란,정동준,윤진일,엄향희 한국작물학회 2000 한국작물학회 학술발표대회 논문집 Vol.2000 No.2

궁핍한 시대, 강퍅한 교육, 곤고한 사람

정유성(鄭有盛) 새얼문화재단 2009 황해문화 Vol.64 No.-

공공의 기반시설 비용 부담에 따른 개발이익의 변화 분석

정유란,이승주 한국도시부동산학회(구 도시정책학회) 2015 도시정책학회 학술대회 Vol.2015 No.3

과거 부동산 가격이 지속적으로 상승하고, 분양 프리미엄이 높게 형성되던 시기에는 사업시행자가 기반시설 설치비용을 부담하더라도 얻는 개발이익이 많았기 때문에 개발 이익에 대한 환수차원에서 이해될 수 있었다. 그러나 최근 부동산 경기 및 주택시장의 침체가 장기화 되고 있음에도 사업시행자는 변함없이 기반시설 설치비용 등 정비사업 비용을 그대로 부담하게 되면서, 사업 시 발생하는 분담금은 상승하게 되고 기대수익 률은 하락하거나 손실상태로 변화하면서 사업이 지연되거나 중단되는 사례까지 발생하 고 있다. 이에 본 연구에서는 실증적 자료를 이용하여 공공이 기반시설 설치비용을 부 담하였을 때 변화하는 비례율과 공공의 개발이익을 살펴보고 이를 통하여 정책적 시사 점을 제시 하고자 하였다. 분석 결과, 공공이 8m이상 도로의 설치비용을 부담하였을 때, 비례율은 평균 약 8.7%가 증가하며, 전체 개발이익 중 공공의 개발이익이 차지하는 비율은 약 10.1% 감 소하였으며, 공공이 8m이상 도로와 공원의 설치비용을 부담하였을 때, 비례율은 평균 약 16.2%가 증가하며, 전체 개발이익 중 공공의 개발이익이 차지하는 비율은 약 19.2% 감소하였다. 또한, 공공이 8m이상 도로와 공원 그리고 녹지의 설치비용을 부담하였을 때, 비례율은 약 17.5% 증가하였으며, 전체 개발이익 중 공공의 개발이익이 차지하는 비율이 약 20.7% 감소하였다. 주택재개발사업에 있어 공공은 부동산 침체 등의 영향으로 사업성 하락, 사업의 지 연 등 문제가 발생하고 있을 때에는 사업시행자 및 토지등소유자 등에게 회수하는 금 액을 줄여 사업이 원활하게 진행될 수 있도록 하는 공공의 정책이 필요하다. 이에 본 연구에서는 공공이 부동산 시장상황에 따라 적정한 기반시설 설치비용을 부담할 필요 성을 제시하고 있다. 공공이 일부 기반시설 설치비용을 부담하게 되더라도 공공이 얻 게 되는 개발이익은 여전히 분양조합원, 청산조합원 등이 얻게 되는 개발이익보다 많 기 때문에 이는 사업성 제고를 위한 하나의 정책적 대안이 마련될 수 있을 것이다.