In this study, a high-resolution daily data set of surface weather were obtained from PRIDE(PRISMbased Dynamic downscaling Error correction) model for the period of 2000 to 2017 over South Korea. The simulation data of five RCM(Regional Climate Model) were also used which are forced by the CMIP6 participating model UK-ESM as the boundary condition under historical period (2000-2014) and SSP 5-8.5 period (2015- 2017). Here we compared the RCM data and the PRIDE data with MK-PRISM data in terms of ensemble mean and ensemble spread. Results show that the PRIDE model effectively eliminates systematic error in the RCM up to 63.0% for daily average temperature, 72.2% for daily maximum temperature, 68.2% for daily minimum temperature, and 28.7% for daily precipitation when evaluated from the RMSE perspective. Overall, the ensemble spread of the PRIDE model is significantly decreased from 1.46°C to 0.36°C for daily temperature and from 2.0 mm/day to 0.72 mm/day for daily precipitation compared to the RCM ensemble spread, indicating that the largest systematic error of the RCMs is effectively removed in the PRIDE model.

일반적으로 국지성 집중호우로 인한 산지하천의 돌발홍수 및 도심지의 침수 피해 등을 방지하기 위한 설계에는 포아송 클러스터 강우생성 모형(Poisson Cluster Rainfall Generation Model)과 같은 강수모의발생기법이 이용된다. 그러나 강수량의 1, 2차 모멘트 이상의 통계적 특성을 효과적으로 재현되지 못하고 극치강수량이 관측값에 비해 현저하게 과소 추정되는 등의 문제점이 있으며, 평균적인 강수량과 극치강수량의 통계적 분포특성을 동시에 구현하는 데 어려움이 있다. 이에 본 연구에서는 포아송 클러스터 강우생성 모형 중 공간상의 한 점에 대한 연속시간 강수모형으로 일 단위 이하 강수의 통계적 특성을 재현하는데 유용하다고 알려진 Modified Bartlet-Lewis Rectangular Pulse(MBLRP) 모형에 Bayesian MCMC(Markov Chain Monte Carlo)기법을 연계한 Bayesian MBLRP 모형을 제안하고자 한다. Bayesian MBLRP 모형은 각 매개변수간 결합확률분포를 계산하여 매개변수의 사후분포를 추정하며 이들 사후분포로부터 Monte Carlo 모의를 통해 다양한 시간 규모에서 극치값을 효과적으로 복원할 수 있었다. 사후분포로부터 추정된 강우시나리오는 강우-유출모의 시 유출되는 홍수량 및 홍수위에 대한 불확실성 범위를 정량적으로 제공하는 등 다양한 수문학적 문제에 적용이 가능할 것으로 판단된다.

본 연구에서는 유역의 공간상관성을 고려한 다지점 일단위 강수량을 동시에 모의할 수 있는 일강수량 모의기법을 개발하였다. 기존 Hidden Markov Chain Model(HMM)은 단일지점 강수모의에 적용되어 왔으나 관측지점간의 유역상관성을 충분히 고려하지 못하는 문제점을 가지고 있다. 따라서 본 연구에서는 Chow-Liu Tree(CLT) 모형을 적용하여 다변량(multivariate) 형태로써 유역내에 위치한 강우관측소간의 상호종속성을 고려하기 위하여 기존의 동질성 HMM 강우모의기법과 CLT 알고리즘을 결합한 동질성 CLT-HMM 모형을 개발하였다. 본 연구에서 개발된 동질성 CLT-HMM 모형을 사용하여 장기간의 수문자료를 보유하고 있는 기상청 산하의 한강유역 강수네트워크에 대해서 적합성을 검토하였다. 동질성 CLT-HMM 모형을 적용하여 모의 된 결과를 보면 일강수량의 계절적 특성뿐만 아니라 일강수량 모의 시 강수시계열의 통계적인 특성들까지 우수하게 모의하였다. 추가적으로 상관행렬(correlation matrix)을 이용하여 기상관측소간의 공간상관 재현성을 검토한 결과 관측지점들 사이의 공간상관성도 비교적 우수하게 재현하는 것을 확인할 수 있었다.

수공구조물의 설계를 위해서는 충분한 기간의 관측자료가 필요하지만, 우리나라의 수문자료는 대부분 충분한 수의 관측자료를 보유하고 있지 못하는 실정이다. 따라서 본 연구에서는 핵밀도함수를 이용한 비동질성 Markov 모형을 통해 시간강수량 자료를 모의하였다. 첫 번째로 시간강수량 자료에 변동핵밀도함수를 이용하여 천이확률을 산정하였으며, 두 번째로 난수와 천이확률을 통해 강수가 발생하는 시간을 결정하였다. 세 번째로 강수가 발생한 시간의 강수량의 크기를 핵밀

본 연구에서는 비동질성 Markov 모형을 이용한 시간강수량의 모의발생을 수행하였다. 즉, 대상유역을 선정하고 시간강수량을 모의하여, 모의된 시간강수량을 이용한 확률강수량 및 확률홍수량을 산정하여 관측자료와 비교함으로써 비동질성 Markov 모형의 적용성을 평가하였다. 모의발생된 강수자료와 관측강수자료의 통계적 특성은 매우 유사한 것으로 나타났으며, 특히 모의년수가 증가할수록 극치값이 증가하는 경향을 나타냈다. 또한, 모의자료를 이용해 산정한 확률홍수량

관측자료의 보완이나 확충을 위한 강수량 모의발생은 수문분석에 있어서 중요한 과제라고 할 수 있다. 강수량을 모의하는 방법은 크게 기존의 매개변수적 방법과 비매개변수적 방법 두 가지로 나눌 수 있고, 강수량 모의의 시간간격에 따라 일강수량 자료의 모의 또는 시간강수량 자료의 모의 등으로 구분할 수 있다. 지금까지, Markov모형은 일강수량 모의발생에 많이 이용되어왔다. 이러한 대부분 Markov모형들은 동질성모형으로 상태벡터를 구축하는데 있어서 자료의

본 연구의 목적은 간헐 수문사상인 시간강수계열의 구조적 특성을 고찰하여 강수량 모의발생을 위한 추계학적 모형을 개발하는 것이다. 이를 위하여 본 연구에서는 강수발생과정에 대한 추계학적 모형은 이재준과 이정식(2002)이 개발한 추계학적 모형을 이용하였으며, 강수량과정을 위하여 사상내의 시간강수량을 비정상 1차 자기회귀모형으로 기술하였다. 시간강수계열의 강수발생과정과 강수량과정을 조합하면 시간강수사상의 발생패턴과 사상기간내의 강수의 종속구조를 모의할 수