Given the hazards posed by black ice, it is crucial to investigate the conditions that contribute to its formation. Two ensemble machinelearning algorithms, Random Forest (RF) and Extreme Gradient Boosting (XGBoost), were employed to forecast the occurrence of black ice using atmospheric data. Additionally, explainable artificial intelligence techniques, including Feature Importance (FI) and partial dependence Plot (PDP), were utilized to identify atmospheric conditions that significantly increase the likelihood of black ice formation. The machinelearning algorithms achieved a forecasting accuracy of 90%, demonstrating reliable performance. FI analysis revealed distinct key predictors between the algorithms: relative humidity was the most critical for RF, whereas wind speed was paramount for XGBoost. The PDP analysis identified the specific atmospheric conditions under which black ice was likely to form. This study provides detailed insights into the atmospheric precursors of frost/fog-induced black ice formation. These findings enable road managers to implement proactive winter road maintenance strategies, such as optimizing anti-icing patrol routes and displaying warnings on various message signs, thereby enhancing road safety.

해상풍력 프로젝트의 발전사업허가 취득 및 연간 예상발전량 평가를 위해서는 최소 1년 이상의 해상관측자료 확보가 필수적 이나, 입지선정 과정 및 사전예비타당성 단계에서는 재해석자료나 중규모 모델링 자료와 같은 기상·기후데이터가 활용된다. 하지만, 이 들은 관측값 대비 다소 높은 불확도를 내포하고 있기 때문에 이들을 기반으로 한 발전량 평가 결과 역시 불확실성을 가지게 된다. 이에 본 연구에서는 HeMOSU-1 해상기상탑 관측자료와 인근 격자점에서의 ERA5, EMD-WRF 데이터의 시계열 및 특성을 비교, 검증하여 국내 서남해권의 해상풍력 프로젝트의 사전예비타당성평가의 신뢰성을 확보하고자 하였다. 본 연구에서는 기계적·열적 대기안정도 지수인 연직윈드시어와 모닌 오브코프 길이, 리차드슨 수를 각각 활용하여 관측값 부재시 국내 서남해상에서 ERA5와 EMD-WRF를 사용하는 것이 정량적으로 어느 정도의 오차를 보이는지, 또 대기안정도별 변화 트렌드는 유사한지를 파악하였다.

본 연구는 한국 기상대 데이터를 활용하여 콘크리트 포장의 깊이별 온도를 예측하는 ANN(Artificial Neural Network) 모델을 개발하는 것을 목표로 한다. 기존의 열평형 방정식 기반 모델은 특정 지역의 기상 데이터를 필요로 하기 때문에 일반적인 적용이 어렵다는 한계를 가지고 있다. 이에 본 연구에서는 ANN을 활용하여 기상대 데이터를 기반으로 범용적 인 온도 예측 모델을 개발하고자 한다. 이를 통해 다양한 지역 및 환경 조건에서도 적용 가능한 모델을 구축하는 것이 목적이다. 본 연구에서는 2017년 1월 1일부터 2018년 12월 31일까지의 1시간 단위 기상 및 온도 데이터를 활용하며, 0.05m, 0.15m, 0.25m, 0.35m, 0.45m 깊이별 온도 데이터를 학습 데이터로 사용한다. 입력 변수로는 기온, 풍속, 강수량, 습도, 일 조량, 일사량, 적설량, 적운량, 지면온도를 포함한다. 이러한 다양한 기상 데이터를 활용하여 신경망 모델을 학습하고, 기 존 방식보다 높은 정확도를 확보하는 것이 연구의 핵심 목표이다. 기존 ANN 구조인 O = WI + B에서 확장된 O = W(I + (WI + B)) + B 형태의 비선형 구조를 적용하여 기존 모델이 가지는 비선형 관계 반영의 한계를 극복하고자 한다. 또한, 선형 다중 은닉층 모델과 비선형 다중 은닉층 모델을 각각 개발하여 성능을 비교하고, 비선형 모델의 필요성과 일반화 능력을 평가할 예정이다. 최종적으로 두 모델의 성능을 평균 제곱 오차 및 평균 절대 오차 등과 같은 평가 지표들을 이용하여 비교 분석하고, 가장 적합한 모델을 도출하고자 한다.

기후 변화로 인해 해수면 상승과 폭풍해일 발생 빈도가 증가하면서, 해안 지역에서의 재난 위험이 심화되고 있다. 본 연구는 NOAA의 GFS(Global Forecast System) 모델과 일본 기상청의 JMA-MSM(Japan Meteorological Agency Meso-Scale Model) 데이터를 기반으로 딥 러닝 기술을 활용하여 폭풍해일 예측 알고리즘을 개발하고, 두 모델에서 제공하는 대기 데이터를 입력 변수로 사용하여 예측 성능을 비 교하는 것을 목표로 한다. CNN(Convolutional Neural Network), LSTM(Long Short-Term Memory), Attention 메커니즘을 결합한 모델을 설계하고, 조위관측소의 관측 자료를 학습 데이터로 사용하였다. 과거 한반도에 직접적인 영향을 미쳤던 네 개의 태풍 사례를 통해 모델 성능을 검 증한 결과, JMA-MSM 기반 모델이 GFS 기반 모델에 비해 서해, 남해, 동해에서 각각 평균 RMSE를 0.34cm, 0.73cm, 1.86cm, MAPE를 0.15%, 0.36%, 0.68% 개선하였다. 이는 JMA-MSM의 고해상도 자료가 지역적 기상 변화를 정밀하게 반영했기 때문으로 분석된다. 본 연구는 해안 재난 대비를 위한 폭풍해일 예측의 효율성을 높이고, 추가 기상 데이터를 활용한 향후 연구의 기반 제공이 기대된다.

작물 증발산량은 잠재 증발산량에서 작물계수를 곱하여 작 물의 요수량을 산출할 수 있어 수자원 관리에 널리 사용되는　 방법이다. 특히 유엔식량농업기구(FAO)가 관개 및 배수 논 문 NO.56에서 발표한 Penman-Monteith　방정식(FAO 56-PM) 은 잠재 증발산량을 추정하는 표준방법으로, 평균온도, 최대 온도, 최소온도, 상대습도, 풍속 및 일사량의 6가지 기상 데이 터가 필요하다. 그러나　농경지 인근에 설치된 기상센서는 설 치 및 유지보수 비용이 높아 결측, 이상치와 같은 데이터 신뢰 성 문제를 야기하여 정확한 증발산량 계산을 복잡하게 만든 다. 본 연구에서는 인근 기상청의 데이터를 사용하여 필요한 6가지 기상 변수를 예측함으로써 기상 센서 없이 작물 증발산량을 추정할 수 있는지 조사하였다. 우리는 기상청의 API를 통해 수집할 수 있는 22개의 기상 변수를 입력 데이터로 활용 했다. 9개의 회귀 모델을 학습한 후 성능에 따라 상위 3개를 선 택하고 하이퍼파라미터 튜닝을 적용하여 최적의 모델을 식별 했다. 가장 좋은 성능을 보인 모델은 Extreme Gradient Boosting Regression(XGBR)이었으며 평균온도, 최대온도, 최소온도, 상대습도, 풍속 및 일사량에서 결정계수(R2)가 각 0.98, 0.99, 0.99, 0.91, 0.72, 0.86로 높은 결과를 얻을 수 있었다. 이러한 결과는 XGBR 모델이 작물 기상 데이터를 사용하여 작물 증 발산 모델에 필요한 입력 값을 정확하게 예측할 수 있어 값비 싼 기상 센서가 필요 없음을 시사한다. 이 접근 방식은 센서 설 치 및 유지보수가 어려운 지역에서 특히 유용할 수 있으며, 직 접적인 센서 데이터 없이도 표준 증발산 모델의 사용을 가능 하게 한다.

최근 급격한 기후 변화로 인해 도로 교통사고의 발생 빈도가 증가하고 있으며, 특히 겨울철에 자주 발생하는 도로 살얼음(블랙아이 스) 현상이 주요 원인 중 하나로 지목되고 있다. 도로살얼음의 형성 메커니즘은 다양한 요인에 따라 복합적으로 작용하며, 당시의 도 로 기상 조건과 도로의 기하학적 구조에 따라 얼음의 형태 및 강도가 결정된다. 그중에서도 도로 노면 온도는 도로살얼음 형성에 중 요한 요소로, 여러 나라에서 겨울철 교통안전 평가를 위한 주요 지표로 사용되고 있다. 그러나 현재 도로 노면 온도에 대한 명확한 정 의가 부족할 뿐만 아니라, 측정 방법에 따라 계측 편차와 온도 손실 등 여러 한계가 존재해 정확한 온도 측정이 어려운 실정이다. 이 에 본 연구는 지중 깊이에 따른 온도 데이터와 도로 기상 데이터를 결합하여 보다 정밀한 도로 노면 온도 예측 방법을 제시하는 것을 목적으로 한다. 연구를 위해 지중 깊이 2cm, 3cm, 4cm, 5cm, 7cm, 9cm, 15cm, 20cm에 각각 온도 센서를 설치하였으며, 기상 데이터는 해당 지점에서 2m 떨어진 AWS(Automatic Weather System)를 통해 대기 온도, 습도, 강수량, 일사량 등의 정보를 수집하였다. 이를 바 탕으로 지중 온도와 기상 조건의 상관관계를 활용하여 노면 온도를 예측하는 방법론을 도출하였다. 본 연구의 결과는 도로 노면 온도 예측의 정확성을 향상시킬 뿐만 아니라, 새로운 접근 방식을 통해 노면 온도의 정의를 재정립하는 데 기여할 것으로 기대된다.

도로 결빙이란 도로 표면에 형성된 얼음층으로 도로 결빙으로 인한 교통사고의 치사율은 결빙이 원인이 아닌 교통사고의 치사율과 비교하여 1.5배 높은 수치인 2.3으로 나타났다. 현재 국토교통부에서는 결빙사고 취약구간을 선정하고 관리하기 위하여 결빙 취약구간 평가기준표를 제시하였다. 그러나 도로 결빙은 노면 온도와 수분 공급에 따라 형성되며 기온, 구름량, 풍속, 풍향, 상대습도, 강수량 등 의 기상인자들이 복합적으로 작용하여 발생하며, 기존의 평가 기준은 이와 같은 인자들을 충분히 반영하지 못하여 결빙 형성을 예측 하고 평가하는 능력이 부족하다고 판단된다. 따라서 본 연구는 결빙 교통사고 데이터의 통계적인 분석을 통하여 결빙이 형성되는 기 상 조건을 구체화하고 결빙사고 및 결빙 형성을 예측하기 위한 기상학적 기준을 마련하는 것을 목적으로 진행되었다. 2018년 1월 1 일～2024년3월 15일 동안 발생한 결빙 사고와 사고 발생 당시 및 이전 6시간동안의 기상 데이터를 분석 데이터로 사용하였다. 이때, 역거리 가중법, 기온감률 등 공간보간기법을 적용하였다. 이후, 박스도표, 히스토그램, 경험적 누적분포함수 등의 통계분석을 적용하여 결빙사고의 기상 분포 특성을 확인하였다. 최종적으로 결빙사고의 몬테카를로 시뮬레이션을 활용하여 기온 및 습도에 따른 결빙사고 의 발생 확률을 계산하였다. 이와 같은 연구 결과는 결빙 형성을 예측하는 기온 및 습도의 기준점으로 제시할 수 있으며 더 나아가, 추후 결빙사고 예방 및 예보의 기준으로 활용이 가능할 것으로 기대된다.

This study compared the climatic conditions and fruit quality of the ‘Shiranuhi’ mandarin. This variety is expanding to inland areas due to climate change and global warming. The main producing area of ‘Shiranuhi’ mandarin is Jeju Island. In the inland areas where ‘Shiranuhi’ mandarin is grown, the average temperature is 12.9-13.9℃, which is 3-4℃ lower than the temperature in Seogwipo (16.9℃) on Jeju Island. In these inland areas, there are frequent critical minimum temperatures (below –3℃) in January or February, making the open field temperatures unsuitable for growing ‘Shiranuhi’ mandarins. However, farmers in these areas have managed to mitigate this risk by maintaining an average temperature of 18.3℃ inside plastic houses, which are actively heated from December to March. The earliest full bloom of ‘Shiranuhi’ was recorded in Jindo, Jeollanam-do on April 10. The earliest harvest date was observed in Seogwipo, Jeju on January 9, which indicates the shortest maturity period of 272 days. The cumulative temperature inside the greenhouse was highest in Wanju, Jeollabuk-do at 5,755℃. Buan, Jeollabuk-do (5,517℃) and Seogwipo, Jeju (5,518℃) had nearly identical temperatures. Significant differences in fruit quality were observed between the inland areas and Jeju Island. These differences were observed in fruit length, summit length, firmness, and the CIE b* value of the peel. The climate differences seem to have a greater influence on the factors that determine the fruit shape among the fruit quality characteristics. The yield per tree was higher in Seogwipo, Jeju (38.3kg) compared to the inland areas (30 to 34kg). Inland areas predominantly featured medium to small fruits (251-300g), while Jeju Island had a higher proportion of larger fruits (over 350g).

PURPOSES : The aim of this study is to develop a road fog information system based on the geostationary meteorological satellite (GK2A) for road weather services on highways. METHODS : Three threshold values sensitive to fog intensity in the GK2A fog algorithm were optimized using multi-class receiver operating characteristic analysis to produce road fog information depending on day and night. The developed a GK2A road fog algorithm that can detect three levels of road fog based on the visibility distance criteria (1km, 500m, and 200m). Furthermore, the GK2A road fog product was not only substituted with visibility objective analysis data in unknown and cloud-covered areas of satellite data, but also integrated with visibility distance data obtained from visibility gauges and CCTV image analysis to improve the accuracy of road fog information. RESULTS : The developed road fog algorithm based on meteorological satellite data provides real-time road fog information categorized into three levels (attention, caution, and danger) based on the visibility distance, with a spatial resolution of 1km × 1km and temporal resolution of 5 minutes. The road fog algorithm successfully detected road fog in five out of seven fog-related traffic accidents reported by Korean media outlets from 2020 to 2022, resulting in a detection success rate of 71.4%. The Korea Meteorological Administration is currently in the process of installing additional visibility gauges on 26 highways until 2025, and the next high-resolution meteorological satellite (GK5) is planned to be launched in 2031. We look forward to significantly improving the accuracy of the road fog hazard information service in the near future. CONCLUSIONS : The road fog information test service was initiated on the middle inner highway on July 27, 2023, and this service is accessible to all T-map and Kakao-map users through car navigation systems free of charge. After 2025, all drivers on the 26 Korean highways will have access to real-time road fog information services through their navigation systems.

1991-2020년의 30년 동안 봄철(3-5월)에 북극-동아시아 지역의 지표면 부근 대기 온난화가 북극 진동에 따라 한국의 서울에서 발생하는 황사 사례일의 종관 기상 특성에 미치는 영향을 분석하였다. 북극-동아시아 지역의 봄철 온 난화 증가는 한국의 서울에서 황사 사례일을 6일을 감소시켰고, 황사 사례일의 PM10 질량 농도도 –1.6 g m3 yr1으로 강도를 약화시키는데 기여하고 있었다. 2010년대 한국에서 감소하고 있는 황사 사례일에 대한 동아시아 지역의 종관 기상 특성은 음()의 잠재소용돌이도(Potential Vorticity Unit; PVU)로 나타나는 고기압성 활동이 증가하고 있었다. 또한, 한국에서는 음()의 북극진동지수(Arctic Oscillation Index; AOI)에서 황사 사례일이 증가하고 양(+)에서는 감소하는 정적 편포를 보였다. AOI가 음()인 황사 사례일에서는 중국 대륙에 온난한 고기압이 강화되고 있었다. 더불어 한대 제트의 중심 위치가 북쪽으로 이동하면서 몽골과 중국 북부에서는 한대 기단의 남하에 의한 저기압성 활동이 약해지고 있었다. 황사의 발생이 감소하였을 뿐 아니라 발원지로부터 한국으로 황사를 수송하는 풍속이 감소하고 있었다. 반면, AOI가 양(+)인 황사 사례일에서는 중국 대륙에 광역적으로 온난하고 정체적인 고기압이 위치하고 있었으며, 한대 제트 의 북쪽이 더욱 냉각되어 있었다. 몽골-중국 북부-한국에 이르는 지역에서 하층 대류권의 현저한 풍속 감소가 황사 발 생을 감소시킬 뿐 아니라 장거리 수송을 약화시키는 원인이 되는 것으로 보인다.

겨울철 국내 도로 결빙으로 인한 교통사고가 증가하는 추세를 보이고 있으며 2018년~2022년까지 총 4,609건의 결빙 교통사고가 발 생하였다. 결빙 교통사고의 치사율은 2.3으로 일반적인 교통사고와 비교하여 높은 치사율을 보이며 최근 5년(2018~2022)동안 결빙 교 통사고로 인하여 107명이 사망자와 7,728명의 부상자가 발생하였다. 현재 국토교통부에서 제시한 결빙 취약구간 평가기준표에 따라 결 빙 위험 구간을 지정하고 있으나, 해당 기준은 결빙의 주요 요인으로 고려되는 기상조건을 충분히 반영하지 못하고 있다. 도로 결빙은 노면온도가 0℃ 이하이며 노면에 수분이 공급될 때 형성되며 기온, 구름량, 풍속, 풍향, 상대습도, 강수량 등의 기상인자들이 복합적으 로 작용하여 결빙이 발생한다는 점을 고려하였을 때, 기상 특성은 도로 결빙의 주요 인자로 판단된다. 따라서 국내 결빙 취약구간 평 가기준의 개선이 필요하며 본 연구의 목적은 국내 결빙 교통사고 데이터를 분석하고 결빙이 형성되는 기상 조건을 구체화하는 것이다. 분석을 위한 데이터로 2018년~2022년까지 5년동안 발생한 결빙사고 사례와 기상청 방재기상관측소(AWS)에서 제공하는 기상 데이터 를 적용하였다. 이후, 박스도표, 확률밀도함수 등의 통계분석을 적용하여 결빙 형성 기상 조건을 구체화하였다. 이를 통하여 기존 결빙 취약구간 평가기준의 기상학적 개선 방향성을 제시할 수 있으며 더 나아가 도로 결빙 예측 로직 개발을 기대할 수 있다.

PURPOSES : The purpose of this study is to statistically analyze the meteorological factors that contribute to the formation of road surface icing based on actual cases of icing accidents and provide directions for improving icing evaluation criteria. METHODS : In this study, we collected cases of domestic road icing accidents by searching news articles with the keyword ‘icing collision accidents’. Subsequently, we determined the latitude, longitude, and altitude of accident locations using satellite map service. We applied the Inverse Distance Weighting (IDW) method and temperature lapse rate to estimate meteorological data at each location. Finally, statistical analysis was conducted for temperature, humidity, and precipitation occurrence using probability density functions. RESULTS : As a result, road icing accident data points with identifiable location coordinates were collected. Among these, temperature, humidity, and precipitation occurrence from Automated Weather Stations (AWS) data were selected for analysis. During the process of correcting meteorological factors using the Inverse Distance Weighting (IDW) method, the optimal Weighting Exponent (p) that minimizes the error was determined and applied. The results showed that accidents occurring in the morning indicated the highest accident occurrence rate. The average temperature at the time of the accidents was -1.4°C, with a humidity level of 85.1%. Precipitation was observed at the time of the accident in 19 cases. CONCLUSIONS : Icing on pavement can occur not only under extreme weather conditions but also under typical meteorological conditions. Typically, icing can occur when the relative humidity is above 70%. Accordingly, for future improvements in the evaluation criteria for icing-prone areas by the Ministry of Land, Infrastructure and Transport, it is possible to incorporate the temperature and humidity ranges that generally lead to icing, taking into account climate characteristics.

불안은 주의 시스템의 균형을 깨트려 목표 지향 시스템보다 자극 주도 시스템을 우선하게 만드는 것으로 알려져 있으나, 자기 교시는 자기 조절의 효과로 목표 지향적 행동을 유도하게 한다. 본 연구는 가상현실 환경에서 현직 조종사를 대상으로 기상 및 자기 교시 조건이 조종사에게 발생하는 불안과 비행 과제의 수행에 미치는 영향을 검증 하였다. 기상 조건은 시계비행 기상 상황과 악기상 상황으로 구분하였고 자기 교시의 수행 여부를 달리하여 비행 과제를 수행하게 하였다. 실험 결과 악기상 상황에서 불안과 심박수가 더 높고 비행 과제의 수행도가 더 낮은 것으로 나타났으나, 자기 교시를 수행하는 조건에서는 불안과 심박수가 더 낮고 비행 과제의 수행도가 더 높은 것으로 나타 났다. 이 결과는 불안의 영향으로 비행에 어려움을 겪어 사고로 연결될 가능성이 증가할 수 있으나, 자기 교시에 의한 비행 수행의 향상으로 사고로 연결될 가능성이 감소할 수 있음을 시사한다.

This study was conducted with the aim of confirming the impact and relative contribution of extreme weather to dry matter yield (DMY) of silage corn in the central inland region of Korea. The corn data (n=1,812) were obtained from various reports on the new variety of adaptability experiments conducted by the Rural Development Administration from 1978 to 2017. As for the weather variables, mean aerial temperature, accumulated precipitation, maximum wind speed, and sunshine duration, were collected from the Korean Meteorological Administration. The extreme weather was detected by the box plot, the DMY comparison was carried out by the t-test with a 5% significance level, and the relative contribution was estimated by R2 change in multiple regression modeling. The DMY of silage corn was reduced predominantly during the monsoon in summer and autumn, with DMY damage measuring 1,500-2,500 kg/ha and 1,800 kg/ha, respectively. Moreover, the relative contribution of the damage during the monsoons in summer and autumn was 40% and 60%, respectively. Therefore, the impact of autumn monsoon season should be taken into consideration when harvesting silage corn after late August. This study evaluated the effect of extreme weather on the yield damage of silage corn in Korea and estimated the relative contribution of this damage for the first time.