이 연구의 목적은 천문학적 사고를 반영한 과학관 천문교육 프로그램을 개발하고, 그 프로그램이 고등학생들의 천문학적 사고 능력의 향상에 미치는 효과를 확인하는 것이다. 문헌 연구를 통해 천문학적 사고의 구성 요소를 선정한 후 사고력 학습 발달 모형을 응용하여 시연과 관찰, 문제 제시와 사고 활동, 지원과 모둠 토의, 시연과 평가의 네 단계로 구성된 천문교육 프로그램을 개발하였다. 이 프로그램의 효과를 검증하기 위하여 실험군과 대조군의 사전, 사후 검사에 대해 공변량 분석을 실시하였고, 프로그램을 이용한 교수·학습 활동의 사전과 사후에 학생들의 수준 변화를 살펴 보았다. 연구 결과, 천문학적 사고를 반영한 과학관 천문교육 프로그램은 학생들의 천문학적 사고를 증진시키는 데 효과가 있는 것으로 확인되었다. 특히 이 프로그램은 천문 영역의 공간적 사고와 관련하여 관측된 천문 현상을 우주에서 보는 관점에서 재구성하여 모델링하는 능력을 신장시키는 데 효과가 있었고, 시스템 사고와 관련하여 천문 시스템을 구성하는 요소들 간의 관계를 파악하여 시스템을 조직할 수 있는 능력을 향상시키는 데 효과가 있었다. 이 연구는 학생들의 천문학적 사고를 발달시키기 위한 구체적인 교수·학습 프로그램을 제시하였다는 데 그 의의가 있다.

제주 지방 기상청을 대상으로 하는 지역 규모 단시간 수치예보 시스템을 구축하였다. 기상청 본청에서 하루 2회 제공되는 30 km해상도의 수치예보 자료로는 지방 기상청의 예보관들이 우리 나라와 같이 복잡한 지형에서 발생하는 그 지역의 국지 악기상을 파악하기에는 무리가 있다. 지역 규모의 고해상도 수치예보를 위해 LAPS와 MM5를 자료분석과 예보 모델로 이용하였다. LAPS는 양질의 수치예보 초기자료를 생산해 내기 위해 종관 관측 자료뿐만 아니라 위성 및 레이더 등의 비 종관 관측자료도 자료동화에 이용한다. MM5 모델은 16노드의 펜티엄 PC로 구성된 클러스터에서 수행되었으며 이 시스템은 분산병렬 클러스터 컴퓨터로 가격대비 성능이 매우 우수한 미니 슈퍼컴퓨터이다. 자료동화 모델, 수치예보 모델 그리고 PC-클러스터를 종합한 지역 규모 단시간 수치예보 시스템을 한라 단시간 예측 시스템이라 명명하였으며 이 시스템은 현재 제주 지방 기상청에서 독자적으로 운영되고 있다. 기상청 본청에서 제공되는 수치예보 정보로는 탐지할 수 없었던 1999년 7월 9일 제주 지역의 집중호우 사례에 대하여 본 시스템을 검증한 결과 모델이 예측한 강수량이 실제 강수량을 잘 재현하였다. 한라 단시간 예측 시스템은 2000년 4월부터 하루 4회 제주 지방기상청에서 독자적으로 운영되고 있다.

This paper applied the ensemble model output statistics (EMOS) with truncated normal distribution, which are easy to implement postprocessing techniques, to calibrate probabilistic forecasts of wind speed that take the form of probability density functions. We also considered the alternative implementations of EMOS, which were EMOS exchangeable model and reduced EMOS model. These techniques were applied to the forecasts of wind speed over Pyeongchang area using 51 members of the Ensemble Prediction System for Global (EPSG). The performances were evaluated by rank histogram, mean absolute error, root mean square error and continuous ranked probability score. The results showed that EMOS models with truncated normal distribution performed better than the raw ensemble and ensemble mean. Especially, the reduced EMOS model exhibited better prediction skill than EMOS exchangeable model in most stations of study area.

In this study, we analyzed the performance of calibrated probabilistic forecasts of surface temperature over Pyeongchang area in Gangwon province by using Bayeisan Model Averaging (BMA). BMA has been proposed as a statistical post-processing method and a way of correcting bias and underdispersion in ensemble forecasts. The BMA technique provides probabilistic forecast that take the form of a weighted average of Gaussian predictive probability density function centered on the bias-corrected forecast for continuous weather variables. The results of BMA to calibrate surface temperature forecast from 24-member Ensemble Prediction System for Global (EPSG) are obtained and compared with those of multiple regression. The forecast performances such as reliability and accuracy are evaluated by Rank Histogram (RH), Residual Quantile-Quantile (R-Q-Q) plot, Mean Absolute Error (MAE), Root Mean Square Error (RMSE) and the Continuous Ranked Probability Score (CRPS). The results showed that BMA improves the calibration of the equal weighted ensemble and deterministic-style BMA forecasts performs better than that of the deterministic forecast using the single best member.