실제증발산 자료를 융합하기 위한 Modified Kling-Gupta efficiency Fusion (KGF)방법을 제시하였고, 인공위성 및 재분석 증발산 자료인 Global Land Data Assimilation System (GLDAS), Global Land Evaporation Amsterdam Model (GLEAM), MODIS Global Evapotranspiration Project (MOD16)를 활용하여 Simple Taylor skill’s Score (STS)와 비교하였다. 한반도와 중국의 세가지 land cover type(i.e., cropland, grassland, forest)을 가진 flux tower에서 비교 검증을 실시하였다. 실제증발산의 융합 방법인 STS와 KGF로 계산된 가중치의 결과를 확인하면, cropland와 grassland에서 재분석 자료(GLDAS, GLEAM)가 높은 가중치 영향을 나타내지만, forest에서 융합 방법에 따라 가중치 영향이 다르게 나타났다. 전반적으로 실제증발산 융합 방법 적용 결과의 비교에서는 cropland에서는 융합에 사용된 자료에 비하여 높은 개선이 이뤄지지 않았지만, grassland와 forest 에서는 개선이 이뤄졌다. 두 방법 중 KGF의 결과가 STS의 결과에 비하여 약간 개선되는 결과를 나타내었다

강우는 물순환 시스템을 이해를 증가 시킬 뿐만 아니라, 효율적인 수자원 확보 및 관리에 있어서 가장 핵심적인 인자이다. 본 연구는 2015년을 대상으로 한반도에서의 92개의 ASOS 지점자료와 최근에 발사된 GPM 위성강우 자료의 비교를 통하여 활용가능성을 평가하였다. 또한 지점 자료의 장점과 인공위성 자료의 장점을 융합함으로써 보다 개선된 강우자료를 산출하기 위해 3가지의 상세화 방법(Geographical Differential Analysis, Geographical Ratio Analysis, Conditional Merging)들을 적용하였다. 이 연구에서 도출된 결과는 다음과 같다. 1) ASOS 자료와의 검증을 통해 GPM 강우자료가 약간 과대산정되는 편향을 가지고 있는 것을 확인하였으며, 특히 여름 기간에 오차가 높게 발생하는 것으로 나타났다. 2) Jackknife 방법을 통하여 각 합성방법에 대해서 검증하였을 때, 공간해상도가 높아짐에 따라서 오차가 줄어드는 것을 확인하였으며, 상세화 방법 중 conditional merging 방법이 가장 좋은 성능을 나타내었다.