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.

Malaria remains a significant public health issue, particularly in regions such as the Korean Demilitarized Zone (DMZ). Effective malaria control and prevention require precise prediction of mosquito density across both monitored and unmonitored areas. This study aimed to develop predictive models to estimate the abundance of malaria vector mosquitoes by integrating meteorological and geographical data. Data from mosquito surveillance sites and NASA MODIS land cover datasets acquired between 2009 and 2022 were utilized. Two predictive models, the Gradient Boosted Model (GBM) and Principal Component Regression (PCR), were employed and evaluated. Model performance was assessed using the coefficient of determination (R²). Results showed that PCR outperformed GBM in predictive accuracy, suggesting that PCR is more robust in handling multicollinearity among variables. However, both models did not show practically-usable level of prediction performance. This study provides a preliminary but foundational framework for extending predictive modeling to broader regions, thereby supporting malaria prevention efforts through improved risk mapping.

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.

이 연구의 목적은 2008년 5월 29일 우리나라에 영향을 미치는 황사를 예측하기 위해 WRF-Chem 모델 내 에어로졸 스킴과 광물성 먼지 옵션에 따른 미세먼지 농도 변화와 그에 따른 기상장의 민감도를 분석하는 것이다. 미세먼지의 인위적 배출량에 대해서는 0.5˚±0.5˚ RETRO 전구 배출량을, 광해리의 경우 Fast-J 광해리 스킴을, 그리고 황사 발생량을 추정하기 위해 RADM2 화학메커니즘 및 MADE/SORGAM 에어로졸 시나리오, MOSAIC 8 섹션 에어로졸 시나리오, 그리고 GOCART 먼지 침식 시나리오를 각각 적용하였다. 그 결과 RADM2 화학메커니즘 및 MADE/SORGAM 에어로졸 시나리오가 다른 시나리오들보다 우리나라 황사 먼지 농도와 배경 PM 농도를 더 높게 모사하였다. 그리고 이 시나리오와 서울의 각 대기질 측정망의 평균 PM10 농도와의 비교 결과, 상관계수는 0.67, 평균제곱근오차는 44μgm-3으로 나타났다. 또한 WRF-Chem 모델에서 상기 3가지 시나리오와 이들 시나리오가 없는 순수 기상에서의 온도, 풍속, 경계층 높이, 장파복사의 기상 민감도를 분석한 결과, 1,800-3,000 m 경계층 높이와 2-16ms-1 풍속 U 성분의 공간적 분포가 황사 먼지 발생의 공간적 분포와 유사하게 나타났다. 그리고 GOCART 먼지 침식 시나리오와 RADM2 화학메커니즘 및 MADE/SORGAM 에어로졸 시나리오는 황사 먼지 또는 에어로졸과 기상이 온라인으로 상호작용함으로써 지구장파복사가 더 낮게 모사되었다.

To research indoor air pollution in the training rooms of technical high school, the temperature, air current, humidity, CO₂, CO, O₃ were measured by Indoor Climate System(ICS 500, Casella, UK) at each classroom, scientific laboratory, electricity training room, electronic equipment training room and welding training room. The change of air pollution concentration and its correlation were additionally compared and analyzed. At closed small space such as classroom, scientific laboratory, electronic equipment training room and electricity training room, the CO₂ concentration was obtained to the 2,030ppm(max.), which is higher than notified and recommended standard value(1,000ppm) by Ministry of Health and Welfare and Ministry of Environment, Korea. At welding training room where is larger and more ventilated than general classroom, CO concentration was measured to the 3.6ppm, which is higher than average 1ppm measured at other training rooms. The concentration of O₃ is not yet regulated from the standards of underground air quality, but at welding training room it was measured as 0.11ppm(max.) that is higher than 0.01ppm measured at other training rooms. The higher value of temperature, air current, radiant temperature and CO₂ concentration was shown at scientific laboratory, electricity training room and electronic equipment training room where are closed and same with the scale of classroom. And the higher concentration of CO₂, CO and O₃ was shown at welding training room which was opened larger classroom. The indoor air pollution by CO₂, CO and O₃ may directly affect on the training room where many students work at a small space, and they should be controlled appropriately. Each experimental formulas were made for the estimation of CO₂, CO and O₃ concentration depending on some kinds of variables at each training room. It is found that indirect ventilation system with a filter will be needed for regular and constant ventilation and the ventilation system should be applied to protect and make clean and comfortable environment of training rooms at technical high school.

Background : Recent climate change has also affected the biological season for plants. There are various studies on this, but most of them are studying horticultural crops. The purpose of this study was to investigate the timing of flowering in different regions and to predict the flowering time of Schisandra chinensis (Turcz.) Baillon. using meteorological data. Methods and Results : The flowering time and cultivation area of Schisandra chinensis were searched and surveyed by the Internet data and Annual research report of the RDA. Accumulated temperature and Growing degree day at 0℃, 5℃, 10℃ or more and Cumulative hours of sunshine at 0℃ or more to the cultivation area and flowering period of irradiated Schisandra chinensis were calculated from meteorological data of KMA (Korea. Meteorological Administration) and calculated using Excel, respectively. statistical analysis was performed using Excel. The data collected were 15 research reports and 20 internet surveys, but it was difficult to use statistical significance due to the high coefficient of variation. The 5-year Suwon data and the 3-year data of Jinan were used in the study report data relatively close to the meteorological stations. Conclusion : Results of statistical analysis. The flowering time of Schisandra chinensis is the time when Accumulated temperature of 0℃ or more [Σ (daily average temperature > 0℃)] becomes 650℃ and the Growing degree day of 0℃ or more { Σ [ (day maximum temperature + day minimum temperature) / 2 > 0℃ ] } was 670℃. The coefficient of variation was 6.5% and 6.2%, respectively.

최근 정확한 대기오염 및 황사이동예보를 위하여, 대기역학모형과 확산모형의 결합을 통한 수치실험이 실시되고 있다. 본 연구에서는 3차원 대기역학모형( RAMS)과, 확산모형(PDAS)에 사용되는 기상장의 시간분해능이 대기확산장에 미치는 영향을 조사하였다. 그리고 여러 가지 시간분해능의 기상자료를 확산모형에 적용하여 황사입자의 분포 특성과 차이를 수치실험을 통하여 비교분석하였다. 수치실험 결과 다음과 같은 결론을 얻을 수 있었다. 1) RAMS에 의한 바람장 예측결과, 지면과 상층의 바람장이 동조될 수도 있고, 그렇지 않을 수도 있다. 상하층의 바람장이 동조되지 않을 경우 황사의 예측은 황사의 상승고도예측과 밀접하게 관련된다. 2) 황사의 연직분포에서 초기에는 상층의 황사가 먼저 이동을 하게 되며, 시간이 지남에 따라 하층의 황사도 이동을 시작한다. 본 연구에서는 최고 고도 3.9km 까지 도달한다. 3) 수치실험에서 초기(24시)의 경우, 시간해상도에 따른 확산의 차이는 크지 않다. 그러나 시간이 경과함에 따라 입자확산분포의 차이가 크게 나타난다. 4) 3시간 이하의 높은 시간해상도의 경우, 입자분포의 차이가 크지 않다. 그러나 6시간보다 간격이 큰 자료를 이용할 경우, 황사입자분포의 양적측면에서 큰 차이를 나타내며, 밀도 분포의 차이에 일정한 경향성을 가진다 5) 입력 바람장의 시간분해능이 작은 경우 즉 입력시간 간격이 큰 경우, 황사입자는 지역의 주풍성분(동아시아의 경우 편서풍)을 따라 분포한다. 그러나 시간분해능이 큰 경우, 중규모적인 기상현상을 잘 재현되며, 여기에 의하여 주풍의 직각성분인 남북성분의 효과가 크게 나타난다. 이상의 결과에서 확산모형의 입력자료로 사용되어지는 바람장은 보고자하는 기상현상을 잘 표현할 수 있는 시간분해능 내의 자료를 이용하여야하며, 이를 무시할 경우 입자의 농도예측에 많은 오차를 발생시킬 수 있다. 그러므로 확산예보에 앞서 시간분해능에 관한 검증이 필요하다고 판단된다.

우리나라 벼 수량의 기상반응을 종합적으로 검토하여 벼 수량예측모델을 구축하고자 1985년부터 1999년까지 15년간 수행한 20개 지역의 벼 지역적응시험 자료를 이용하여 기상에 대한 수량반응의 최대경계선(boundary line)분석을 하였으며, 이에 근거하여 수량예측모형을 설정하였다. 1. 벼의 생육기간을 영양생장기, 생식생장기, 등숙기로 구분하고 각 발육단계를 15-20일 간으로 구분하여 각 시기의 기상요소에 대한 수량반응의 최대경계선은 평균기온( Ta )과 일조시수( Sh)에 대해서는 지수함수 f( Ta )=β0(1-exp(-β1 / Ta ), f( Sh)=β0(1-exp(-β1 Th)로 나타났으며 일교차(Tr)는 2차함수 f( Tr)=β0(1-( Tr-β1 )2 )로, 이 식에서 상수항 β0를 제거하여 수량에 대한 각 기상요소의 영향도를 0-1로 나타내는 기상지수로 나타내었다. 2. 각 생육시기의 평균기온, 일조시간 및 일교차에 대한 수량반응의 최대경계선이외에 불임에 의한 등숙률 저하와 그에 따른 수량감소를 고려하기 위하여 Uchijima(1976)가 제안한 냉각도일수(cooling degree day)를 출수전 30일간의 생식생장기에 계산하여 이에 대한 수량과 등숙률 반응의 최대경계선을 계산하였는데 냉각도일수가 증가하면 수량이 감소하는 지수함수로 잘 표현되어 기존의 연구들과 같은 결과였다. 3. 기상지수는 벼의 생육기간을 영양생장기, 생식생장기 및 등숙기로 구별하고 각 시기별로 수량 기상지수를 각 기상요소 기상지수를 기하평균하여 산출하였는데 각 시기별 수량기상지수의 수량변이 설명도는 각각 0.383-0.430, 0.460-0.534, 0.4603-0.587로 결정계수는 영양생장기＜생식생장기＜등숙기의 순으로 컸다. 4. 최대경계선 분석방법을 통하여 얻어진 각 생육시기별 수량기상지수를 기하평균하여 구한 종합수량기상지수와 수량과의 직선회귀식을 구하여 수량예측모형(Model I, II, III)을 작성하였다. Model I, II, III)은 각각 결정계수가 0.6512, 0.6703, 0.6129로 모든 생육단계에 걸쳐서 기간을 15-20일 단위로 세분하여 모든 기간의 수량에 대한 기상지수를 고려하여 전 생육기간의 종합수량기상지수를 산출한 Model II가 기상변화에 따른 수량변이의 설명도가 가장 높았다.

For the prediction of multi-site rainfall with radar data and ground meteorological data, a rainfall prediction model was proposed, which uses the neural network theory, a kind of artifical intelligence technique. The input layer of the prediction model was constructed with current ground meteorological data, their variation, moving vectors of rainfall field and digital terrain of the measuring site, and the output layer was constructed with the predicted rainfall up to 3 hours. In the application of the prediction model to the Pyungchang river basin, the learning results of neural network prediction model showed more improved results than the parameter estimation results of an existing physically based model. And the proposed model comparisonally well predicted the time distribution of rainfall.