We aimed to evaluate the effectiveness of ensemble optimal interpolation (EnOI) in improving the analysis of significant wave height (SWH) within wave models using satellite-derived SWH data. Satellite observations revealed higher SWH in mid-latitude regions (30o to 60o in both hemispheres) due to stronger winds, whereas equatorial and coastal areas exhibited lower wave heights, attributed to calmer winds and land interactions. Root mean square error (RMSE) analysis of the control experiment without data assimilation revealed significant discrepancies in high-latitude areas, underscoring the need for enhanced analysis techniques. Data assimilation experiments demonstrated substantial RMSE reductions, particularly in high-latitude regions, underscoring the effectiveness of the technique in enhancing the quality of analysis fields. Sensitivity experiments with varying ensemble sizes showed modest global improvements in analysis fields with larger ensembles. Sensitivity experiments based on different decorrelation length scales demonstrated significant RMSE improvements at larger scales, particularly in the Southern Ocean and Northwest Pacific. However, some areas exhibited slight RMSE increases, suggesting the need for region-specific tuning of assimilation parameters. Reducing the observation error covariance improved analysis quality in certain regions, including the equator, but generally degraded it in others. Rescaling background error covariance (BEC) resulted in overall improvements in analysis fields, though sensitivity to regional variability persisted. These findings underscore the importance of data assimilation, parameter tuning, and BEC rescaling in enhancing the quality and reliability of wave analysis fields, emphasizing the necessity of region-specific adjustments to optimize assimilation performance. These insights are valuable for understanding ocean dynamics, improving navigation, and supporting coastal management practices.

최근 도시 내 급격한 기상 변화로 인한 자연재해가 심각한 사회적 문제로 대두되고 있다. 도시의 자연 환경 변화에 대한 효과적인 예측과 대처를 위해서는 신뢰성 있는 기상 자료의 확보가 매우 중요하다. 이러한 맥락에서 본 연구는 도시의 기상 환경 중 기온에 초점을 맞춰, 보다 정확한 기온 추정을 위한 대안적 방법을 제시하였다. 특히, 시공간 해상도와 정확성을 높이기 위해 원격탐사 자료와 지형 기반 공간 보간법을 결합한 기온 추정 방법을 제시하였으며, 기존의 여러 추정 방법들과 비교·평가함으로써 제시된 추정법의 적용가능성을 검토하였다. 분석 결과, 각 추정 기법을 통한 기온 결과는 기온 추정값의 범위에 있어서는 유사한 결과를 보였지만 기온의 공간적 분포 특성은 매우 상이하게 나타났다. 특히, 원격탐사 자료를 활용하여 추정된 기온 분포는 토지피복 유형에 따른 차이를 잘 보여주며, 본 연구에서 제시한 추정 기법의 결과는 고도에 따른 기온차를 보다 뚜렷하게 보여줬다. 추정의 정확도에 있어서는 원격탐사 자료와 지형 기반 공간 보간법을 결합한 기온 추정 기법이 높은 정확도를 보여줬다. 종합적으로 본 연구에서 제시한 기온 추정 기법은 토지피복 유형과 고도에 따른 기온 변화를 잘 나타내는 동시에 원격탐사 자료를 활용한 기존의 기온 추정 기법들에 비해 정확도가 높아 기온 분포도와 같이 연속적 공간의 기온값을 정확하게 표현하는 데 유용하게 활용될 수 있을 것으로 기대된다.

본 연구는 경상북도 구미시 천생산 지역에서 발달하는 타포니를 대상으로 암석의 풍화 과정 및 타포니의 형성 과 정을 분석하고 있다. 연구지역의 타포니 발달은 조립질 퇴적암인 역암과 역질사암에서 발생빈도가 높으며 타포니의 발생 은 역의 이탈 및 박리가 발생한 지점에서부터 시작되는 것으로 추정된다. 지형적으로 산지의 남사면 암석 노출지에서 타 포니의 집중적 발달이 관찰되는데, 이는 겨울철 기계적 풍화와 여름철 화학적 풍화의 진행이 상대적으로 높은 환경적 조 건에 따른 것으로 해석된다. 타포니가 발달한 암석 표면에서 측정한 함수율의 분포 특성은 타포니 발생 지점이 주변에 비해 높은 함수율을 명확히 보여주고 있어 암석 내의 수분은 어떤 기제로든 타포니 발생에 상당한 영향을 끼치는 것으로 판단된다. 타포니 내에서 확인되는 풍화 침전물 및 이차광물에 관한 분석은 후속 연구로 현재 진행 중에 있다.

최근 국지성 집중호우 및 급격한 기상변화로 인해 돌발홍수와 같은 기상재해의 발생빈도가 증가함에 따라 고해상도의 기상레이더 강수자료를 사용한 수공학 분야의 연구가 활발하게 진행되고 있다. 기상레이더 강수자료를 활용하는 목적은 기상레이더 강수자료가 제공하는 공간분포를 최대한 활용하는데 있다. 본 연구에서는 고해상도 기상레이더 강수자료의 공간적 특성을 유지하면서 지상 강수자료의 양적특성을 극대화할 수 있는 조건부 합성기법을 보간법에 따라 분석 하였다. 기상레이더 강수자료와 지상 강수자료를 조건부 합성하기 위하여 Kriging, 역거리 가중법 및 Spline 보간법을 적용하였다. 조건부 합성결과는 지상 강수패턴을 현실성 있게 재현하였으며 추가적으로 보간법에 적용되지 않은 강수자료와 모형검증을 수행한 결과 조건부 합성을 통하여 생산된 공간적 강수정보의 수문학적 활용이 가능할 것으로 판단된다.

The interpolation of missing AIS data can be used for recovering the lost data of a ship’s state which is then able to produce useful information for VTS stations or other ships. Previous research has introduced some interpolating methods however there are some problems with regard to missing AIS data. This paper proposes one new method which includes linear interpolation, cubic Hermit interpolation and an identification mechanism to overcome some of those limitations, first AIS data regarding ship position, COG, SOG and HDG is divided into separate time series, then the characteristic of the missing data is investigated into through using an identification mechanism, an appropriate interpolation is selected to fit all the time series which matches the characteristics. Numerical experiments are carried out using real AIS data to validate the algorithm of this approach and the results are compared with the previous method, after which the actual missing area is suggested to be interpolated by the proposed method. The interpolation results show this approach can be applied well in practice.