작물 재배 시 주요 해충 발생에 대해 한두 달 이상 앞선 계절전망이 가능하다면 농가의 해충관리 의사결정이 보다 효율적으로 이루어질 수 있을 것이다. 본 연구에서는 국내 해충 발생과 통계적으로 유의미한 원격상관관계에 있는 기후현상을 찾기 위해 Moving Window Regression (MWR) 기법을 활용하였다. 벼멸구의 발생과 비래는 장기간에 걸쳐 여러 지역에서 연속적으로 일어나는 사건이기 때문에 비슷한 시공간적 규모 를 갖는 기후현상과 통계적인 연관성을 가질 가능성이 높아 본 연구의 대상 해충으로 선택하였다. MWR 통계 분석의 반응변수로써 1983년부터 2014년까지 국내 벼멸구 발생면적 자료를 사용하였고, 10개의 기후모형에서 생산되는 10개의 기후변수를 예보 선행시간별로 추출하여 설명변 수로 사용하였다. 최종적으로 선정된 각 MWR 모형의 특정 시기와 지역의 기후변수는 연간 벼멸구 발생면적 자료와 통계적으로 유의한 상관관 계를 보였다. 결론적으로, 본 연구에서 개발한 MWR 통계 모형을 통해 국내 벼멸구 발생 위험도에 따른 선제적 대응을 위한 벼멸구 계절전망이 가능할 것으로 보인다.

A statistical forecast model for early spring (March and April) precipitation over South Korea is developed by using multiple linear regression method. Predictors are selected among the forty five large-scale atmospheric and oceanic indices. Because the model is meant to use for real-time forecast, the predictors are chosen from the indices that have statistically significant lag correlation with observed early spring precipitation. The selected predictors of early spring precipitation are North Pacific Pattern with 6-month lead, Siberian High Index with 5-month lead and Indian Ocean Basin Mode Index with 3-month lead from March, and they are statistically independent. We applied leave-two-out cross validation. According to the regression map between these indices and synoptic circulations around Korean peninsula, these indices represent the induction of early spring rainfall by controlling East Asian jet and low level moisture flux. The regression coefficients for each training period show that three indices affects evenly at every forecast year and they show stable variability, indicating that the influence of each index does not depend on training period. The developed statistical model significantly predicted early spring precipitation over South Korea (r=0.63, p-value<0.01). Also it marks 61% of hit rate according to the three-category deterministic forecast.

NO2 concentration characteristics of Busan metropolitan city was analysed by statistical method using hourly NO2 concentration data(1998～2000) collected from air quality monitoring sites of the metropolitan city. 4 representative regions were selected among air quality monitoring sites of Ministry of environment. Concentration data of NO2, 5 air pollutants, and data collected at AWS was used. Both Stepwise Multiple Regression model and ARIMA model for prediction of NO2 concentrations were adopted, and then their results were compared with observed concentration. While ARIMA model was useful for the prediction of daily variation of the concentration, it was not satisfactory for the prediction of both rapid variation and seasonal variation of the concentration. Multiple Regression model was better estimated than ARIMA model for prediction of NO2 concentration.

본 연구는 다음의 두 가지 목적이 있다. 첫째, 각종 실증분석에 있어서의 다중모형의 효율성에 대한 소개와, 둘째, 다중모형의 분석에 있어서 상위단계의 예측되는 가치를 측정하기 위한 새로운 통계를 소개하는 데 있다. 다중모형의 이론적 틀은 광범위하게 사용되는 기존의 1단계 모형의 통계적 문제점(이분산 등)을 보완하고, 현실을 더욱 실체적으로 파악한다는 측면에서 앞으로 지역분석의 중추적 틀로서 자리매김하리라 예상되고 있다. 본 연구는 이러한 다중모형의 효율