정상성 마코프 연쇄 모형은 일강우모의 모형으로 광범위하게 이용되고 있다. 하지만 정상성 마코프 연쇄 모형의 기본가정은 통계학적 특성이 시간에 따라 변화하지 않는 것으로, 일강우모의 시에 평균 또는 분산의 경향적 변화를 효과적으로 반영할 수 없다. 이러한 문제점을 인지하여 본 연구에서는 연주기 및 계절변화에 대하여 우수한 모의 능력을 나타내는 GCM의 모의결과를 입력자료로 이용하여 일강우량을 모의하기 위한 통계학적 상세화(downscaling) 기법인 비정상성 은닉 마코프 모형을 개발하였다. 개발된 모형을 낙동강 유역에 존재하는 영주지점, 문경지점 및 구미지점의 관측강우량에 적용한 결과, 일단위 및 계절단위의 강우량의 통계적 특성을 기존 모형에 비하여 개선된 결과를 도출할 수 있었으며, 또한 개발된 모형은 극치강수량 복원에 있어서도 관측값과 보다 유사한 결과를 보여 주었다. 이러한 점에서 정확성이 확보된 GCM 계절예측자료가 입력자료로 NHMM 모형에 활용된다면 예측기반의 일강수 상세화 모형으로 활용될 수 있을 것으로 판단된다. 이와 더불어, 기후변화 시나리오 입력자료가 사용된다면 기후변화 상세화 모형으로서도 적용될 수 있을 것으로 사료된다.
The stationary Markov chain model has been widely used as a daily rainfall simulation model. A main assumption of the stationary Markov model is that statistical characteristics do not change over time and do not have any trends. In other words, the stationary Markov chain model for daily rainfall simulation essentially can not incorporate any changes in mean or variance into the model. Here we develop a Non-stationary hidden Markov chain model (NHMM) based stochastic downscaling scheme for simulating the daily rainfall sequences, using general circulation models (GCMs) as inputs. It has been acknowledged that GCMs perform well with respect to annual and seasonal variation at large spatial scale and they stand as one of the primary sources for obtaining forecasts. The proposed model is applied to daily rainfall series at three stations in Nakdong watershed. The model showed a better performance in reproducing most of the statistics associated with daily and seasonal rainfall. In particular, the proposed model provided a significant improvement in reproducing the extremes. It was confirmed that the proposed model could be used as a downscaling model for the purpose of generating plausible daily rainfall scenarios if elaborate GCM forecasts can used as a predictor. Also, the proposed NHMM model can be applied to climate change studies if GCM based climate change scenarios are used as inputs.