본 연구에서는 대관령 지역에서의 광학우적계(PARSIVEL disdrometer) 강수관측으로부터 산출된 강수율에 따른 강수입자분포 자료를 바탕으로 기존의 강수입자분포 모형을 개선하였다. 선행 연구에서 제안한 다양한 강수입자분포 모형과 측정 자료와의 상관성을 분석한 결과, 대관령 지역에 적용 가능한 원형 모형은 개선된 γ 분포 모형임을 확인하였다. 원형 모형을 대관령 지역에 적용할 수 있도록, 민감도 실험을 통해 최적의 매개변수들(α, A, B)을 산정하였으며, 다섯 가지 강수율에 대한 강수입자분포 모형을 제안하였다. 강수율에 따른 강수입자분포 모형의 결과는 관측에서 측정된 값과 높은 상관성(R2=0.975)을 보였다. 강수율에 따라 표현되는 강수입자분포 모형을 일반화 형태로 개선하기 위해 강수율과 매개변수의 상관성을 도출하여 일반식을 결정하였다. 일반화된 강수입자분포 모형은 대관령 지역의 강수입자분포 측정 자료와 높은 상관성(R2=0.953)을 보였으며, 이는 본 연구에서 제안한 모형이 대관령 지역의 강수입자분포를 모의하는데 효과적임을 의미한다. 그러나 본 연구에서 제안된 강수입자분포 모형은 대관령 지역의 강수입자분포에만 최적화 되었다는 한계성이 있어, 따라서 한반도를 대표하는 모형을 개발하기 위해서는 다른 지역에 대한 광범위한 측정이 필요하다.

본 연구에서는 부산지방기상청 장기 강수량 자료(1973-2007)를 이용하여 부산지역 확률강수량 및 이에 따른 재현 기간을 산정하였다. 확률강수량 산정에 있어서 확률가중모멘트법을 이용하여 매개변수를 추정하였고, x2 및 PPCC 검정을 통해 적합성분석을 실시하였다. 분석결과 최적의 확률분포형으로 GLO 모형을 채택하였다. 또한 AWS 자료를 이용하여 부산지역 확률강수량 분포도를 작성하였다. 6시간 지속강수량에 있어서 245.2 mm의 강수량이 100년 마다 발생할 수 있으며, 280.6 mm가 200년에 한번 정도 나타날 수 있다. 확률강수량 분포도 결과 1시간 지속강수일 경우 동래구에서 높은 값을 가지며, 3시간 지속강수는 부산연안 전반에 걸쳐 높게 나타나고 있다. 6시간 지속강수량일 경우는 부산진과 양산일대에서 높은 값을 나타내며 12시간 지속강수의 경우 남동연안지역과 웅상 일대에서 높은 값을 보이는 특징이 나타났다.

최근 30년간(1979-2008년) 한반도 주변(32-36˚N, 122-132˚E)에서 태풍이 약화될 때 한국에서 나타나는 시공간적 강수 특징을 분석하였다. 약화 유형은 온대저기압으로 약화되는 태풍(Weakened to Extratropical Cyclone, WEC)과 열대성 저압부로 약화되는 태풍(Weakened to Tropical Depression, WTD)으로 구분하였다. WEC의 경우, 강수량은 전국에 걸쳐 골고루 분포하였으며 남해안에서 가장 많았다. WTD의 경우, 강수량은 남해안에서 가장 많았지만 중부 및 내륙지역은 적었다. 두 경우의 강수량 차이는 Region 2(전라남도, 경상남도, 경상북도 남동부 지역, 제주도)에서는 거의 없었으며, Region 1(중부지방, 전라북도, 경상북도 내륙)에서는 WTD보다 WEC일 때 강수량이 더 많았다. 태풍이 한반도로 접근 할 때 WEC의 경우 태풍의 북서쪽에는 상층의 발달된 잠재소용돌이도와 하층의 온도골이 위치하고 있었으며, 태풍의 북동쪽에는 상층 제트 및 강한 상층 발산역이 위치하였다. 이는 태풍 전면에 경압교란과 비단열 과정을 발달시켰고 이로 인해 강수영역이 넓게 형성된 것으로 추측되었다. 그러나 WTD의 경우에서는 강한 잠재소용돌이도나 온도골, 상층제트가 태풍 주변에 나타나지 않았으며, 이로 인해 강수영역이 좁게 형성되었다.

The characteristics of the anomaly level, variability and distribution of monthly mean precipitation have been investigated at 4 different weather stations on Cheju Island, Korea. The results of this study are as follows : 1) The SE area of Cheju Island turns out to be the heavy rain area from February to July than the NW area of the island. The heavy rain area migrates from the SE area to the NE area during the period from August to January. 2) The rainy season, in which monthly mean precipitation is more than 180mm, appears in Cheju City and Sungsan from June to August, in Seoguipo from April to August, and in Daejung from June to July. On the other hand, the dry season, in which monthly mean precipitation is less than 100㎜, appears in Cheju City from October to May, in Sungsan from December to February in Seoguipo from October to February, and in Daejung from October to March. 3) The variability of precipitation on Cheju Island appears high during the 'Changma' spell and it is also high in autumn, particularly in October, and appears low in March and April. 4) The frequency of the anomaly level shows maximum not only on the normal level but the lower normal level and the upper normal level in monthly precipitation. The annual frequency distribution of each anomaly level shows maximum on the normal level, and the frequency of the lower normal level is a lot higher than the lower normal level. 5) The precipitation of the summer season acts as an important variable in deciding between the dry year and the moisture year. In particular, this applies to the large precipition of June in the moisture year and the small precipitation of July and August in the dry year.

This paper evaluates the applicability of a simple kriging with local means(SKLM) for highresolution spatial mapping of monthly mean temperature and rainfall in South Korea by using AWS observations in 2013 and elevation data. For an evaluation purpose, an inverse distance weighting(IDW) which has been widely applied in GIS and cokriging are also applied. From explanatory data analysis prior to spatial interpolation, negative correlations between elevation and temperature and positive correlation between elevation and rainfall were observed. Bias and root mean square errors are computed to compare prediction performance quantitatively. From the quantitative evaluation, SKLM showed the best prediction performance in all months. IDW generated abrupt changes in spatial patterns, whereas cokriging and SKLM ref lected not only the topographic effects but also the smoothing effects. In particular, local characteristics were better mapped by SKLM than by cokriging. Despite the potential of SKLM, more extensive comparative studies for data sets observed during the much longer time-period are required, since annual, seasonal, and local variations of temperature and rainfall are very severe in South Korea.

강우빈도해석에서 가장 핵심적인 부분은 확률분포(probability distribution)를 결정하는 것이다. 이러한 점에서 국내외에서는 다양한 확률분포를 적용하여 빈도해석을 수행하고 있으나, 확률분포를 결정하기 위한 기준이 명확하지 않다. 상대적으로 자료연한이 짧은 수문자료를 활용하여 장기간의 재현기간의 수문량을 추정하는 이유로 추정되는 수문량의 불확실성이 매우 큰 것으로 알려지고 있다. 국내에서는 일반적으로 40년의 관측자료를 대상으로 100년 빈도 이상의 확률수문량을 추정하게 됨으로서 재현기간의 큰 확률수문량 추정시 불확실성이 가중될 수 밖에 없다. 이러한 점에서 본 연구에서는 강우빈도해석시 주로 이용되는 Gumbel분포형과 GEV분포형을 대상으로 매개변수의 불확실성을 정량적으로 해석하기 위한 방안으로 Hierarchical Bayesian 기법과 연계한 매개변수 추정방안을 제시하고자 한다. 이와 함께 매개변수의 불확실성과 매개변수 수 등을 종합적으로 고려한 DIC(deviance information criteria) 기반의 확률분포형의 적합성 평가방안을 제시하고자 한다. 이를 위하여 본 연구에서는 국내 주요 강수관측지점의 다양한 지속시간에 대해서 모형을 적용하고 검증하였다.

본 연구에서는 서울의 AWS자료를 이용하여 서울 각 지역별로 강수일수 분포의 변화를 알아보고자 하였다. 이를 위하여 1998년부터 2010년까지의 AWS 강수량 자료를 이용하여 강수일수를 분석하였다. 0.1mm 이상 강수일수와 10mm 이상 강수일수는 전반기(1998~2003년)와 후반기(2004~2010년)에 모두 서울기상대에서 가장 큰 값을 나타내었고, 30mm 이상 강수일수는 전반기와 후반기 모두 도봉지역에서 가장 큰 값을 나타냈다. 서울지역의 0.1mm 이상 강수일수는 감소하는 경향을 가지고 있으며 서울 북부지역에서 다른 지역에 비해 더 많은 강수현상이 나타난다. 그리고 서울의 10mm 이상 강수일수는 증가하는 경향을 갖고 있으며, 감소하는 지역은 주로 서울의 동북지역에 위치한다. 가장 많은 강수일수는 서울기상대에서 나타난다. 30 강수 일수는 전체적으로 감소하는 경향이 나타난다.

최근 국지기후 특성을 분석할 수 있는 고해상도 기후자료 산출의 필요성이 증가하고 있다. 이 연구에서는 지상관측소의 관측치를 이용한 고해상도의 기온 및 강수 분포도 작성에 고도자료를 통합한 공동크리깅 내 삽기법의 적용 가능성을 검토하였다. 이를 위하여 2007년 1월, 4월, 8월, 10월에 관측된 428개 자료와 1km 해상도의 수치표고모델 자료를 이용하여 월평균기온 및 월강수량 분포도를 작성하였으며, 거리만의 함수인 역 거리가중 기법을 적용한 결과와 비교하였다. 작성된 월평균기온 및 월강수량 분포도에서의 추정값과 107개 검증 지점의 관측자료 사이 편이(bias)와 평균제곱근오차(RMSE)를 분석한 결과 역거리가중 결과에 비해 공동크리깅 결과가 모두 감소한 것으로 나타났다. 이는 역거리가중에 비하여 지형효과를 반영하는 공동크리깅이 고해상도의 기후자료 산출에 더 효과적임을 보여준다.

본 연구에서는 도시화나 지리지형적 특성에 따른 강수량의 분포와 추세를 분석하였다. 이를 위하여 서울을 포함하여 전국 56개 기후관측지점에서 1973년부터 2006년까지의 강수량 자료를 수집하여 분석을 실시하였다. 분석을 위하여 계절적 영향을 고려하여 1월, 4월, 7월 그리고 10월의 월평균 일별과 연평균 일별 강수량 추세를 분석하였다. 그리고 이들 연구지역에 대해서 GIS 분석을 이용하여 지리지형적 특성을 파악하였고, 도시화 정도를 파악하기 위하여 토

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

지구온난화의 영향으로 배증 CO2 상태가 되는 약 60년 후의 한반도 평균강수량은 약 5-10%정도의 증가로 예측되고 있다. 그러나 수자원분야에서 평균강수량의 증가보다 더 중요한 것은 홍수 또는 가뭄과 같은 극치기상의 빈도 변화이다. 현재 국제적으로 이러한 극치기상의 빈번한 발생이 지구온난화의 한 증거로 받아들여지고 있기는 하나 그 양상이 어떻게 되리라고는 예측되고 있지 않다. 따라서 본 연구에서는 그러한 변화 양상을 예측해 보기 위한 방법론을 제시해

지구 온난화는 산업혁명이후 이미 시작되었으며 최근에 와서 그 정도가 심해지고 있다. CO2와 같은 온실기체의 증가를 가장 큰 원인으로 하는 지구 온난화의 영향이 아직 정량적으로 밝혀지고 있지만 대기순환모형(General Circulation Model: GCM)을 이용한 연구에서 이러한 온실기체의 증가가 지구의 평균온도를 상승시킨다고 밝히고 있다. 지구 온난화는 전지구적 물의 순환에도 영향을 미쳐 지구 곳곳의 강수패턴에 변화를 가져오는데 근래에 자주 발

1961년 이전에 관측이 시작되어 30년 이상의 관측자료가 있는 기상청의 15개 관측소의 강수량 자료를 이용하여 우리나라의 여름철 강수량 분포 특성을 조사하였다. 특히 이 연구에서는 우리나라 강수량 기후 평년값을 이용하여 기후적 특성을 조사하였으며, 지역별로 연 강수량, 여름철 강수량, 장마기간중 강수량의 연도별 변동을 비교 분석하고 그 상관을 조사하였다. 대체로 우리나라의 경우 연 강수량의 반 이상이 6, 7, 8월의 여름철에 집중되어 있고, 또 이