We examined the ocean forcing, associated with the different trends in precipitation between North and South Korea, using GPCC V2018 precipitation and OISST V2 sea surface temperature (SST) for the recent thirty years of 1982-2011. As a result of linear regression, the precipitation trends in the monsoon (June and July) and post-monsoon (August and September) seasons were different between North and South Korea, respectively, with increased and decreased trends, during the both monsoon seasons. During the monsoon season, the results of detrended correlation and composite analysis showed the opposite relationships of precipitation with SSTs in the equatorial Pacific and Arctic Oceans between North and South Korea. It was identified that large-scale atmospheric circulation linked to ENSO can differently affect the Korean Peninsula. On the other hand, during the post-monsoon season, the correlation and composite patterns across the oceans in the Northern Hemisphere were generally similar for the two Koreas. It was suggested that near the ocean of the Korean Peninsula and the land surface forcings might affect the precipitation variability during the post-monsoon season, especially in North Korea.

High temporal resolution precipitation data can provide information about rainfall intensity, and can better reveal the essential physical process of precipitation intensity than daily totals do. Using hourly precipitation data at 14 stations during 1961-2014, the changes in the characteristics of summer precipitation in South Korea analysed. Although the precipitation amount in summer has increased at all stations, hourly precipitation in summer shows different directions and magnitudes of changes at each station in South Korea. Results showed that the change pattern of hourly precipitation is mostly attributed to change in the frequency of hourly precipitation of 10mm or more.

본 연구에서는 지상의 관측 자료와 광역의 정보를 제공하는 수치 예보 모형 자료 및 인공위성 자료를 이용하고 자료와 강수예측치의 물리적 상관 특성을 나타내기 위하여 자료 사이의 비선형 거동을 잘 나타내는 신경망 모형에 적용시켜 단시간 강수 예측을 수행하였다. 이를 위하여 서울지점에 대하여 현재로부터 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 인공위성 자료(MTSAT-1R) 및 수치 예보 모형 자료(RDAPS, Regional Data Assimilation and Prediction System)와 실시간 전송되는 자동 기상 관측 시스템(AWS, Automatic Weather System)의 관측치를 신경망 모형의 입력 자료로 하여 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 자료로 강수를 예측 할 수 있는 강수 예측 모형을 개발하였다. 장마와 태풍과 같이 전선형강수와 선풍형강수 등 강수 양상의 차이를 고려하기 위하여 6월, 7월과 8월, 9월 자료를 구분하여 신경망을 구축하였으며, 자료가용성에 기초하여 2006년에서 2008년 기간 동안에 대하여 모형을 학습하고 2009년에 대하여 모형의 적용성을 검증한 결과, 단시간 강수예측에 대한 모형의 적용 가능성을 보여주었으나 다양한 광역 자료와 인공신경망을 사용함에도 불구하고 단시간 강수예측의 정량적 정도향상을 위한 여지가 많음을 보여준다.

1998년 여름철, 기상레이더와 레이더 주위의 고밀도 우량계 관측자료를 이용하여 관계식을 산출하기 위하여 관악산 레이더 자료와 강우강도 자료의 확률밀도함수를 구해 확률이 같은 지점을 매치시키는 Window Probability Matching Method(WPMM)라는 통계적 방법을 사용하였다. 레이더 반사도의 확률 분포는 약 15dBZ에서 가장 많은 빈도 분포를 보였고 강우강도의 확률분포는 대부분의 영역에서 시간당 10mm 이하의 비가 내리는 것으로

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