http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : CSEOF 분석 (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
국내 강수 자료에 대한 시공간적 변동 특성 평가: EOF와 CSEOF 분석을 중심으로
조은샘,유철상 한국방재학회 2020 한국방재학회논문집 Vol.20 No.4
In this study, EOF analysis and CSEOF analysis were applied to major ASOS precipitation data in Korea to evaluate the spatiotemporal variability of precipitation in Korea. It was concluded that both EOF and CSEOF analyses are appropriate for identifying the spatiotemporal characteristics of precipitation in Korea. In particular, the CSEOF analysis method was able to interpret the temporal, cyclic behavior of precipitation data in detail. Both EOF and CSEOF showed that the first component explained the variance of most of the raw data. From the first EOF to the third EOF, the authors identified the average precipitation characteristics in Korea, precipitation characteristics according to latitude, and the phenomenon estimated by the mountain effect. The first CSEOF was characterized by precipitation in summer and winter in Korea, the second CSEOF was characterized by latitude and local precipitation, and the third CSEOF was characterized by varied and complex variation in precipitation. 본 연구에서는 국내 강수의 시공간적 변동성을 평가하기 위해 EOF 분석과 CSEOF 분석 방법을 국내 주요 ASOS 강수 자료에적용하였다. EOF 분석과 CSEOF 분석 모두 국내 강수의 시공간적 주요 특성을 파악하는데 적절하다는 결론을 얻을 수 있었다. 특히, CSEOF 분석 방법을 통해 국내 강수 자료의 계절적 순환 특성을 자세하게 파악할 수 있었다. 먼저, EOF와 CSEOF 모두 첫 번째 성분이 대부분의 원자료의 분산을 설명하고 있는 것으로 나타났다. 첫 번째 EOF부터 세 번째 EOF까지 그림을그려본 결과, 우리나라의 평균적인 강수 특성, 위도 차이에 따른 강수 특성, 산지 효과로 추측되는 현상을 확인할 수 있었다. 첫 번째 CSEOF는 우리나라 여름철 및 겨울철의 강수 특성, 두 번째 CSEOF는 위도별 강수 특성 및 국부적으로 혼재되어있는 강수 특성, 세 번째 CSEOF에서는 두 번째 CSEOF 보다 더 다양하고 복잡한 강수의 변동 특성을 확인할 수 있었다.
-
VIC 모형을 이용하여 모의된 한반도 토양수분 자료의 분석 및 검증
조은샘,송성욱,유철상 한국습지학회 2017 한국습지학회지 Vol.19 No.1
본 연구에서는 지표수문해석모형을 이용하여 과거 30년에 대한 남한과 북한의 토양수분을 모의하고 그 거동 차이를 분석하였다. 아울러 VIC 모형의 모의결과를 평가하기 위해 Soil Moisture CCI에서 제공하는 위성관측 토양수분 자료 를 분석하였다. 모의결과와 관측자료 사이의 비교에는 CSEOF 분석을 적용하여 단순한 토양수분 값의 비교가 아닌 VIC 모형의 성능을 간접적으로 평가하는 방법을 이용하였다. 본 연구의 결과를 정리하면 다음과 같다. 첫째, 토양수 분의 경년변동은 남한과 북한 모두 전체적으로 유사한 경향을 보였으나, 남한의 토양수분이 북한의 토양수분보다 작게 는 1%에서 크게는 7%까지 높은 것으로 확인되었다. 둘 째, 월 단위 토양수분의 경우, 봄철에 해당하는 4 – 6월의 토 양수분 상태는 남한과 북한에서 유사하게 나타났다. 반면, 장마철 이후 토양수분은 남한의 경우 최대 40%까지 증가하 지만, 북한에서는 최대 32% 정도에 머무르는 것으로 확인되었다. 셋 째, 전체적으로 모의된 토양수분이 인공위성에서 관측된 토양수분보다 약 4% 정도 작지만, 과거 30년 동안 나타난 증가 정도는 위성관측 토양수분과 유사한 것으로 확 인되었다. 마지막으로, 위성관측 토양수분과 VIC 모형으로 유도된 토양수분 자료에 대한 CSEOF를 비교해본 결과, 4 월부터 6월까지의 토양수분은 공간적으로 서로 상당히 다른 패턴을 보이는 것으로 나타났다. 그러나 7월과 10월의 경 우에는 약한 유사성을 보이고 있으며, 8월과 9월은 상당히 유사한 패턴을 가지고 있음을 확인하였다. In this study, land surface model was used to simulate the soil moisture of South and North Korea for the past 30 years, and the difference in their variation was analyzed. In addition, satellite observed soil moisture data provided by Soil Moisture CCI was analyzed to evaluate the simulation results of VIC model. For the comparison between the simulated and observed data, the CSEOF analysis was applied to indirectly assess the performance of the VIC model rather than simply comparing soil moisture values. The results of this study are summarized as follows. First, the annual variability of soil moisture showed a similar tendency in both South and North Korea, but it was found that the soil moisture in South Korea was as high as 1%, up to 7%, higher than the soil moisture in North Korea. Secondly, the soil moisture in spring between April to June is similar in South and North Korea, whereas the soil moisture after the rainy season is up to 40% in South Korea, but remains at maximum 32% in North Korea. Third, the overall simulated soil moisture is about 4% smaller than the satellite observed soil moisture, but the degree of increase over the past 30 years is similar to that of satellite observed soil moisture. Finally, a comparison of the CSEOF from the satellite observed soil moisture and the VIC model derived soil moisture showed that the soil moisture from April to June shows a much different pattern from each other. However, in July and October, there was a slight similarity, and it was confirmed that August and September has quite similar patterns.
-
CSEOF 분석을 이용한 CMIP5 GCM들의 모의 성능 평가
조은샘,이진욱,유철상 한국방재학회 2016 한국방재학회논문집 Vol.16 No.1
IPCC에서는 신뢰도 높은 미래 기후를 예측하기 위해 네 종류의 RCP 시나리오를 발표하였다. 또한 IPCC는 RCP 시나리오 기반 GCM 의 미래 예측 결과를 비교하는 CMIP5를 진행하였다. 본 연구에서는 CMIP5에 참여한 여러 GCM 중 열 개의 GCM 예측 결과에 대해CSEOF 분석을 수행하고, 이를 GPCP 관측 자료에 대한 분석 결과와 비교하여 각 GCM의 모의 성능을 평가하였다. 모의 성능 평가를위한 자료기간은 GCM 예측 결과와 관측 자료의 기간이 중첩되는 2006~2014년으로 하였다. GCM 예측 결과와 관측 자료의 비교·평가는 두 자료 사이의 상관정도를 나타내는 Pattern Correlation과, 두 자료 사이의 차이(절대적 오차)를 나타내는 NRMSE를 이용하여수행되었다. 그 결과 NorESM1-M과 NCAR-CAM5의 모의 성능이 다른 GCM에 비해 뛰어난 것으로 확인되었다. IPCC developed four climate change scenarios, called the RCP scenarios, to enhance the quality of future climate projection. Also, IPCC conducted CMIP5 to evaluate various GCM simulations under RCP scenarios. This study performed the CSEOF analysis with ten GCM simulations which belong to CMIP5, and evaluated the performance of GCMs by comparing the analysis results with those of GPCP observed data. Data period for the performance evaluation was determined to be from 2006 to 2014, which covers both GCM simulations and observed data. Pattern correlation and NRMSE, which are the measure of correlation and error, were used to compare GCM simulations with observed data. As a result, it was found that NorESM1-M and NCAR-CAM5 have good performance among ten GCMs.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
