해양재분석 자료는 관측 자료를 수치 모델에 동화함으로, 관측 자료의 시공간적인 제약을 극복하고 해양 변수 간 의 물리적 상호작용을 고려한 격자화된 고해상도 정보를 제공함으로써 해양순환 및 기후 연구에 광범위하게 사용되고 있다. 이 연구에서는 기존에 생산된 12년간(2011년부터 2 02 2년까지)의 북서태평양 지역해양 재분석 자료를 확장하여 30 년간(1993년부터 2 02 2년까지)의 1/24o 수평해상도를 갖는 장기 재분석 자료(K-ORA22E)를 생산하고, 이를 분석하여 한 반도 주변해역에서의 장기 해양기후변화를 진단하였다. K-ORA22E 데이터를 통해 한반도 주변 해역의 수온 상승 경향 을 분석한 결과, 쿠로시오 확장역에서 쿠로시오의 경로가 지난 30년 동안 1년에 약 6 km 씩 북상하였으며, 쿠로시오 경 로의 북쪽에서 수온 상승이 두드러졌다. 한반도 주변 해역 중에서는 동해에서 수온 상승이 가장 뚜렷했다. 특히, 동해에서는 표층보다는 중층에서 수온 상승이 두드러졌으며, 동한난류의 수온 상승률은 전 지구 평균보다 2 -3배 높았다. 황해저 층냉수가 출현하는 황해 중앙부에서는 장기적으로 수온이 상승하였으나, 한반도 서해안과 남해안에서는 수온이 오히려 감소하는 경향이 나타났다. 이러한 수온의 장기변화의 공간적인 차이는 쿠로시오 해류의 북상에 따른 열수송의 경로와 밀접한 관련이 있을 것으로 보인다. 이 연구에서 구축된 K -ORA2 2 E와 같은 고해상도 지역 해양 재분석 자료는 한반도 주변 해역의 장기 변동성을 이해하고 기후 변화의 영향을 분석하는 데 중요한 기초 자료로 활용될 수 있을 것이다.

최근 수십 년 동안, 데이터는 기업 조직 경영의 핵심 요소로 부상하였다. 많은 조직들이 데이터를 활용 하여 전략적인 의사결정을 내리고 시장 변화에 적극적으로 대응하고 있다. 이러한 상황에서 본 연구는 데이터 기반 의사결정 조직 운영과 그에 영향을 미치는 요인을 살펴보고자 한다. 상시적 디지털 전환이 일어나고 있는 현대에 데이터 중심 의사결정은 조직의 성과 향상에 매우 중요한 역할을 한다. 그러나 데 이터 기반 의사결정 조직에 영향을 미치는 선행 요인과 실제로 기업 내에서 데이터 기반 의사결정이 어떻게 일어나는지에 대한 연구는 아직 많이 부족한 실정이다. 본 연구는 기업의 밸류체인 디지털화 정도가 데이터 기반 의사결정 조직 구축에 중요한 영향을 미칠 것임을 가설로 설정하고, 이를 국내 기업 임직원 1,059명을 대상으로 한 설문응답 데이터로 검증하였다. 또한, 본 연구는 데이터 분석 능력을 포함한 디지 털 역량을 갖춘 인재가 데이터 중심 의사결정 조직에 중요한 환경적 요건으로 작용할 수 있음을 고려하 여, 기업의 밸류체인 디지털화와 데이터 중심 의사결정 조직 구축 간의 관계에 디지털 인재 준비도가 미 치는 조절효과를 가설로 설정하고 통계적으로 검증하였다. 본 연구의 결과는 데이터 중심 의사결정 조직 형성과 운영에 대한 이해를 넓히고 기업 조직이 데이터를 효과적으로 활용하여 의사결정을 내리는 과정 에 대한 유용한 시사점을 제공할 수 있다. 실무적 측면에서는 기업들이 자신의 데이터 전략을 개발하고 구현하는 데 중요한 시사점을 제공할 수 있을 것으로 기대한다.

Among migratory insect pests, Mythimna seperata and Cnaphalocrocis medinalis are invasive pests introduced into South Korea through westerlies from southern China. M. seperata and C. medinalis are insect pests that use rice as a host. They injure rice leaves and inhibit rice growth. To understand the distribution of M. seperata and C. medinalis, it is important to understand environmental factors such as temperature and humidity of their habitat. This study predicted current and future habitat suitability models for understanding the distribution of M. seperata and C. medinalis. Occurrence data, SSPs (Shared Socio-economic Pathways) scenario, and RCP (Representative Concentration Pathway) were applied to MaxEnt (Maximum Entropy), a machine learning model among SDM (Species Distribution Model). As a result, M. seperata and C. medinalis are aggregated on the west and south coasts where they have a host after migration from China. As a result of MaxEnt analysis, the contribution was high in the order of Land-cover data and DEM (Digital Elevation Model). In bioclimatic variables, BIO_4 (Temperature seasonality) was high in M. seperata and BIO_2 (Mean Diurnal Range) was found in C. medinalis. The habitat suitability model predicted that M. seperata and C. medinalis could inhabit most rice paddies.

Gravity Recovery and Climate Experiment (GRACE) gravimeter satellites observed the Earth gravity field with unprecedented accuracy since 2002. After the termination of GRACE mission, GRACE Follow-on (GFO) satellites successively observe global gravity field, but there is missing period between GRACE and GFO about one year. Many previous studies estimated terrestrial water storage (TWS) changes using hydrological models, vertical displacements from global navigation satellite system observations, altimetry, and satellite laser ranging for a continuity of GRACE and GFO data. Recently, in order to predict TWS changes, various machine learning methods are developed such as artificial neural network and multi-linear regression. Previous studies used hydrological and climate data simultaneously as input data of the learning process. Further, they excluded linear trends in input data and GRACE/GFO data because the trend components obtained from GRACE/GFO data were assumed to be the same for other periods. However, hydrological models include high uncertainties, and observational period of GRACE/GFO is not long enough to estimate reliable TWS trends. In this study, we used convolutional neural networks (CNN) method incorporating only climate data set (temperature, evaporation, and precipitation) to predict TWS variations in the missing period of GRACE/GFO. We also make CNN model learn the linear trend of GRACE/GFO data. In most river basins considered in this study, our CNN model successfully predicts seasonal and long-term variations of TWS change.

This study was aimed to find yield prediction model of Italian ryegrass using climate big data and geographic information. After that, mapping the predicted yield results using Geographic Information System (GIS) as follows; First, forage data were collected; second, the climate information, which was matched with forage data according to year and location, was gathered from the Korean Metrology Administration (KMA) as big data; third, the climate layers used for GIS were constructed; fourth, the yield prediction equation was estimated for the climate layers. Finally, the prediction model was evaluated in aspect of fitness and accuracy. As a result, the fitness of the model (R2) was between 27% to 95% in relation to cultivated locations. In Suwon (n=321), the model was; DMY = 158.63AGD –8.82AAT +169.09SGD - 8.03SAT +184.59SRD -13,352.24 (DMY: Dry Matter Yield, AGD: Autumnal Growing Days, SGD: Spring Growing Days, SAT: Spring Accumulated Temperature, SRD: Spring Rainfall Days). Furthermore, DMY was predicted as 9,790±120 (kg/ha) for the mean DMY(9,790 kg/ha). During mapping, the yield of inland areas were relatively greater than that of coastal areas except of Jeju Island, furthermore, northeastern areas, which was mountainous, had lain no cultivations due to weak cold tolerance. In this study, even though the yield prediction modeling and mapping were only performed in several particular locations limited to the data situation as a startup research in the Republic of Korea.

The objective of this study was to construct a forage rye (FR) dry matter yield (DMY) estimation model based on climate data by locations in South Korea. The data set (n = 549) during 29 years were used. Six optimal climatic variables were selected through stepwise multiple regression analysis with DMY as the response variable. Subsequently, via general linear model, the final model including the six climatic variables and cultivated locations as dummy variables was constructed as follows: DMY = 104.166SGD + 1.454AAT + 147.863MTJ + 59.183PAT150 4.693SRF + 45.106SRD 5230.001 + Location, where SGD was spring growing days, AAT was autumnal accumulated temperature, MTJ was mean temperature in January, PAT150 was period to accumulated temperature 150, SRF was spring rainfall, and SRD was spring rainfall days. The model constructed in this research could explain 24.4 % of the variations in DMY of FR. The homoscedasticity and the assumption that the mean of the residuals were equal to zero was satisfied. The goodness-of-fit of the model was proper based on most scatters of the predicted DMY values fell within the 95% confidence interval.

온난화와 같은 전지구적 변화는 기온과 강수 등 기상요소에 직접적으로 반영되어 곡물 수확량의 변화를 가져온다. 기후변화 시나리오에 기초한 선행연구들에서는 GCM (general circulation model)의 공간해상도 문제로 인하여 상세한 모의가 어려웠고, 시계열통계법을 활용한 연구들에서는 기후요소를 통합하여 수확량을 예측한 사례가 매우 드물었다. 이에 본 연구에서는 상세화된 기후재분석자료의 시계열모델링을 통하여 옥수수와 콩의 수확량 예측실험을 수행하였다. 미국 아이오와 주의 99개 카운티를 대상으로 1960년부터 2009년까지 50년간의 고해상도 기후재분석자료와 정부통계 수확량 DB를 구축하고, 시계열통계법인 VAR (vector autoregression)와 ARIMA (autoregressive integrated moving average)를 이용하여 다음해 수확량 예측실험을 10개 연도에 대해 수행하여 예측력을 평가하였다. VAR는 16-18%, ARIMA는 11-14% 의 오차율로 다음해의 수확량을 예측할 수 있는 것으로 집계되었으며, 옥수수의 경우 표토의 산성도, 심토의 점토와 나트륨 함유량 등의 토양특성 이 실제 수확량 및 예측정확도에 영향을 미치는 것으로 나타났다.

인간에 의한 산업활동의 결과로 여겨지는 기후변화는 최 근 많은 연구가 되고 있으며, 자연생태에 대한 인간의 영향 을 알기위해 중심이 되는 분야이다. 한반도는 여름철이 고 온다습하며, 겨울이 저온건조한 온대몬순의 기후특성을 보 인다. 특히, 기온이 하강하며 건조한 겨울철의 기후조건은 야생동물에게 생존에 어려운 조건이며, 겨울철의 기온이나 강설 등의 기후요인은 그들의 분포 및 개체수의 변화에 크 게 영향을 줄 수 있다 그리고 강설 및 한파에 의한 눈 덮임의 경우 먹이를 찾거나 이용할 수 있는 확률을 떨어뜨려 생존 가능성에 영향을 주는 중요한 요인이 된다. 우리나라의 경 우 북반구 전체차원에서 눈으로 덮이는 영역의 경계에 속한 다. 따라서 기후변화에 따른 겨울철 온도, 강설 등 기후요인 의 증가 혹은 감소에 따라 본 지역에 서식하는 동물의 생활 은 달라지게 될 것이라 예측할 수 있다. 특히 비행을 통하여 서식지의 이동이 가능한 조류의 경우 민감하게 반응할 것이 라 예상할 수 있다. 두루미류의 월동개체군의 경우는 번식개체군의 서식범 위와는 달리 기후요인에 의 큰 변동을 갖게 될 것이다. 하지 만 대체가능한 월동지가 없는 경우에는 기후변화에 의한 영향을 직접적으로 받게 되고, 이에 의한 개체군 자체의 영 향이 발생할 가능성이 크다. 두루미류에 있어서는 번식면적 과 이주거리가 변화하는 영향이 나타났다. 사례로 시베리아 흰두루미의 번식은 1년간 눈이 덮이지 않은 일수에 영향을 받았다. 일부 종에 따라서는 눈 덮임 등의 겨울철 날씨요인 때문에 개체군의 증감 뿐만 아니라 국지적인 멸종이 발생하 기도 한다. 따라서 철원지역에 도래하는 두루미류 또한 월 동기 농경지에서 먹이를 취하기 때문에 눈 덮임의 범위와 잔존일수는 월동개체군에 영향을 줄 것이다. 특히 재두루미 의 경우 낙곡에 대한 의존도가 높기 때문에, 눈이 덮인 농경 지와 덮이지 않는 농경지의 선호도가 달라질 것이므로 기후 변화의 양상에 따라 철원지역을 이용하는 기간이나 개체수 의 규모가 달라질 것으로 예상할 수 있다. 두루미류의 월동개체수는 기상에 의한 변화가 심하지만, 월동장소에 대한 선호성이 강하여 대체가능한 서식지로의 이동이 일부 나타난다. 본 연구에서는 기후요인에 의하여 두루미류의 월동개체군 규모가 달라질 것으로 가설을 세웠 다. 그중 가장 추운시기인 1월의 기후값에 의하여 월동개체 수가 달라질 것이라고 가정하였다. 본 연구에서는 기온이 낮고 눈 덮임이 넓은 범위에 지속적으로 이루어질수록 두루 미류의 월동개체수가 감소할 것이라 가설을 세웠다. 특히, 재두루미의 경우 철원지역 이외에 눈 덮임의 영향이 적은 월동지가 있기 때문에 개체군의 증감이 발생할 것으로 예측 하였다. 이에 월동기의 눈 덮임 범위 및 기간과 두루미류 월동개체군의 규모간의 상관관계를 평가 하도록 하였다. 연구결과 기상청에 의하여 지속적으로 모니터링 되어온 철원지역 기후자료 중 2002년 이후 2014년까지의 1월의 평균기온과 평균최저기온, 평균최고기온은 서로 상관관계 를 가지면서 변동하였고, 2007~2008년도 월동기까지 증가 하다가 이후 감소하며, 2011~2012년도 월동기에 가장 낮은 온도를 보였다. 하지만 이후 다소 증가하는 양상을 보였다. 최고기온이 5℃ 이상 되는 날의 수는 2007-2008년도까지 꾸준히 증가한 후 감소하는 경향이 있었다. 2002년부터 2014년까지 매년 1월의 강수량과 신적설량 의 합계는 2006~2007년의 한해를 제외하고 유사한 증감을 나타내었으며. 이는 동시기의 강수가 대부분 강설에 의한 것임을 보여주는 것이다. 전체적으로 강설량은 증감을 반복 하는 양상을 보였으며, 2002년에서 2009년까지는 감소하 는 양상을 보였다. 하지만 2008년 이후 강설량은 급격한변화를 보였다. MODIS 위성영상에 의한 눈덮임 범위의 값은 2002~2003년높은 값을 가지다가 이후에는 2006~2007년 높은 값을 제외하 고는 2009~2010년 월동기 전까지 지속적으로 감소하는 양상 을 보였다. 기온과 강설 등의 기후 값이 서로 상관관계가 있을 것으 로 판단해 상관관계 분석을 통하여 기후요인간의 상관관계 를 살펴보았다. 결과 요인 상호간의 상관관계가 매우 높게 나타났으며, 특히 온도요인과 눈 덮임 지수 내에서의 상관 관계가 긴밀하게 나타났다. 하지만, 기상청에 의한 1월의 신적설량의 합은 MODIS의 눈 덮임 범위와 상관관계가 나 타나지 않았다. 또한, 기온요인도 눈 덮임 범위와 상관관계 가 없었다. 전체 요인 중 공통된 성질의 요인들을 묶어주기 위하여 주성분분석을 한 결과, 고유값이 1 이상인 3 개의 주성분이 누적된 고유값 비율의 86.2%를 차지하였다. 최종 적으로, 주성분의 각 주성분의 대표성은 눈덮임(PC1), 기온 (PC2) 그리고 강수량(PC3)으로 나타낼 수 있었으며, 주성 분의 구성요소 이었다. 이것은 기온에 의하여 눈덮임 범위 가 결정되는 것이 아니라 일조량이나 바람 등 다른 원인에 의해 결정되는 것을 의미한다. 기후 값을 이용하여 단계선택을 통한 회귀분석을 한 경우 에는 MODIS 눈덮임 범위의 로그값(LNAucSCR)만이 유 의미한 요인으로 선택되었으며, 수식은 아래와 같다. Wintering Population of White-naped Crane by MVRM     ×  ±  ∴   = Loge(Accumulated MODIS snow cover range) 기후 값을 이용한 회귀식이 주성분에 의한 회귀식 보다 설명력이 더 높았으며, 재두루미 월동개체수의 최대값을 현 실적으로 반영하기 때문에 더 좋은 결과로 나타났다. 지구온난화현상은 일시적인 한파에도 불구하고 대체적 으로 받아들여지는 현상이다. 하지만, 오히려 북극지역의 제트기류의 변동으로 인하여 지역적으로 강한 한파가 남하 함으로서 더 극심한 저기온과 눈 덮임에 시달리기도 하는 것이 최근의 관측이다. 본 연구에서 기상청 기후자료의 분 석결과, 2000년대 초반부터 중반까지 철원지역 또한 겨울 철 온난화의 징후가 나타났다. 하지만, 2008년 이후 1월의 기온은 급강하하고 내린 눈이 녹지 않고 지속적으로 존재하 는 현상이 나타났다. 겨울철 온난화의 현상이 나타난 시기 에는 적설량의 감소 또한 나타났다. 더구나, 적설이 존재했 음에도 불구하고 눈 덮임 두께의 누적량은 0mm에 가까운 경우가 많았다. 이것은 눈이 내리더라도 덮여있는 지속기 간은 짧았다는 의미일 것이며, 상대적으로 높은 기온과 일조량 혹은 강수에 의하여 내린 눈이 녹아서 없어졌기 때문으로 판단된다. 이렇게 내렸던 눈이 제거된다면 낙 곡의 이용가능성이 증가하고, 두루미류가 철원지역에 체류할 수 있는 일수는 증가할 것이다. 반면 추위와 눈 덮임을 피해 남쪽으로 이동하는 개체수는 감소할 것으 로 예상할 수 있다. 2008년 이후 재두루미의 개체수는 급변하였는데, 눈 덮임의 변화 때문에 발생한 것으로 판 단된다. 2010년 1월중 한파기간에 다수의 재두루미가 한 반도 남측 지역 주남, 낙동강 등의 주요 월동지에서 개체 수가 증가하였으며, 재두루미가 관찰되지 않았던 지역 에서 나타나는 등 국지적인 이동이 나타났다. 본 연구에서는 기온에 의한 영향이 클 것이라 기대하였지 만, 기온 보다는 적설의 범위 및 적설이 얼마나 오래 지표를 덮고 있는지가 더 중요한 요인이었다. 온난화가 진행되었던 시기에 철원지역의 재두루미는 증가양상을 보였으며, 재두 루미의 최종 월동지인 일본 이즈미지역의 재두루미는 감소 하였으며 이는 서로 강한 상관관계를 나타내었다. 이는 더 낮은 위도인 일본 이즈미로 이동하는 재두루미의 이동시기 가 철원지역의 온난화로 인하여 지연되었기 때문으로 사료 된다. 반대로, 폭설 및 눈덮임이 지속되었던 2009~10년, 2010~11년의 경우 철원지역의 재두루미의 개체수는 감소 하였고, 일본 이즈미 지역의 재두루미 개체수는 증가하여 강한 상관관계를 나타내었다.기후변화에 의한 영향은 생물종의 습성과 영향의 정도에 따라 달라진다. 두루미와 재두루미에 있어서 기후변화에 따 른 개체수의 변화가 있었던 재두루미는 기후변화에 대한 적응능력이 뛰어나고 대체가능한 서식지가 있는 상황이라 판단할 수 있다. 하지만 두루미의 경우 대체월동지가 제한 적인 것이라 할 수 있기 때문에 기후변화에 대하여 취약한 종이라 할 수 있다. 두루미의 개체수는 2013~2014년의 경 우를 제외하고 안정적이었다. 이는 대체월동지가 있는 재두 루미에 비하여 대체 가능한 월동지가 없었기 때문이다. 그 래서 두루미의 월동지로는 한반도를 통틀어 철원지역이 가 장 선호되는 지역이며, 대안적인 월동지인 연천과 파주의 민통선 지역은 연천댐 및 개성공단 등의 개발사업으로 인하 여 교란을 받고 있기 때문에 대체 가능한 서식지가 아니었 던 것으로 판단된다.

기후 자료를 정확히 분석하고 미래 환경을 예측하기 위해서는 이들 자료에 대한 검증과 품질 관리 과정이 필요하다. 본 연구에서는 우리나라에서 구축한 기후 자료의 품질을 효과적으로 관리하기 위하여, 기후 자료의 시각화 도구를 개발하고, 이를 이용한 품질 관리 방안을 제시하였다. 본 연구에서 개발한 HTML5 기반의 시각화 도구를 이용하여, 인터넷 환경에서 다수의 전문가들이 효과적으로 기후 자료를 관리할 수 있게 되었다. 기후자료의 시각화 도구를 활용하여 기후자료의 품질 관리 업무에 적용한 결과, 다양한 종류의 품질 관리 검사를 효과적으로 수행할 수 있었다. 본 연구의 결과는 향후 기상청의 기후 자료 품질 관리 업무에 활용될 수 있을 것으로 예상된다.

Earth’s average temperature has risen by 0.78°C over the past century, and is projected to rise another 1.1 to 6.4°C over the next hundred years based on recent announced RCP8.5 climate change scenario. Small changes in the average temperature of the planet can translate to large and potentially dangerous shifts in biosphere. Based on climate change scenario, local distribution of well-known species should be changed in near future. Models, if applied appropriately, give useful and rapid predictions of the potential distribution of the target species. CLIMEX is one of modeling systems that may provide insights into the climatic factors that limit the geographical distribution of a species in different parts. Climatic parameters and the climate matching function of CLIMEX enable the risks of an exotic species as well as well-known species to be assessed by directly comparing the climatic condition of a given location with any number of other locations without knowing the full distribution of a species. However, CLIMEX supports only three locations in Korea (Seoul, Pusan and Kangnung province). We generated detail weather database of Korea for CLIMEX, and simulated using the data of American serpentine leafminer, Liriomyza trifolii (Burgess), a key pest and well-known species in Korea for application of future risk assessment under possible climate change condition in Korea.

2002년 4월에 발사된 Gravity Recovery and Climate Experiment(GRACE) 위성의 중력시간변화 측정을 통해, 기후 및 환경 변화에 의한 지구 내 질량 재배치 연구가 가능해 졌다. GRACE 중력 자료는 구면조화 함수의 계수인 중력 스펙트럼 형태로 제공이 되며, 이를 구면조화 함수를 이용하여 원하는 지역의 중력 변화 또는 질량 변화로 환산을 해야 한다. 하지만, GRACE 중력 자료는 측정 잡음 이외에도 공간적인 알리아스 에러가 존재하여, 질량 재배치 효과를 확인하기 위해서는 중력 스펙트럼의 처리 과정이 필요하다. 이 연구에서는 GRACE 자료를 처리하는 가장 일반적인 방법을 소개하고, 처리된 중력 자료를 이용한 연구 사례를 소개하였다. GRACE 중력 자료를 이용하여 광범위한 지구과학 연구가 진행 중이지만, 그 중 가장 활발한 연구 분야인 육지의 물수지 연구, 빙하 변화 연구 그리고 해수면 상승 연구 등을 중심으로 소개하였다. GRACE 위성과 유사한 인공위성 중력 관측 사업이 2020년까지 계획되어 있으며, 향후 수십년간 축적된 인공위성 중력 자료는 지구 환경 변화 연구에 핵심적인 자료로 활용될 것으로 기대된다.

Climate data were obtained over an eight-year period (July 2013 to June 2021) using an automatic weather observation system (AWS) installed at the foot of Mt. Geumo in Chilgok, Gyeongbuk. Using climate data, the statistical and meteorological characteristics of the local circulation between the Nakdong River and Mt. Geumo were analyzed. This study is based on automatic weather observation system data for Dongyeong, along with comparative climate data from the Korea Meteorological Administration (Chilgok) and the Gumi meteorological observatory. Over the eight- years, mountain and valley winds have occurred 48 times a year on average, with the highest occurring in May and the weakest winds in June and December. When mountain winds occurred, the temperature in the nearby lowland region more strongly decreased than when valley winds blew. However, the potential to use mountain winds to improve urban thermal environments is limited because mountain winds occur infrequently in summer when a drop in nighttime temperature is required.

We projected the temperature changes in the mid-21st century with Representative Concentration Pathway (RCP) 4.5 and RCP8.5 using the temperature data simulated by four regional climate models (RCMs: WRF, CCLM, MM5, RegCM4) in Korea. The simulation area and spatial resolution of RCMs were the CORDEXEA (COordinated Regional Climate Downscaling Experiment-East Asia) area and 25 km, respectively. We defined the temperature change as the difference (ratio) between the average annual temperature (IAV: Interannual Variation) over the projected 25 years (2026-2050) and that over the present 25 years (1981-2005). The fact that the average annual temperature bias of the four RCMs is within ±2.5°C suggests that the RCM simulation level is reasonable in Korea. Across all RCMs, scenarios, and geographic locations, we observed increased temperatures (IAV) in the mid-21st century. In RCP4.5 and RCP8.5, 1.27°C and 1.57°C will be increased by 2050, respectively. The ensemble suggests that the temperature increase is higher in winter (RCP4.5: 1.36°C, RCP8.5: 1.75°C) than summer (RCP4.5: 1.25°C, RCP8.5: 1.49°C). Central Korea exhibited a higher temperature increase than southern Korea. A slightly larger IAV is expected in the southeastern region than in the Midwest of Korea. IAV is also expected to increase significantly in RCP4.5 (summer) than in RCP8.5 (winter).

This study investigated the relationship analysis between wheat cultivated area and the climate data in Sindh province of Pakistan. The extraction of wheat cultivation area is detected using the remote sensing technique. The analysis of the study area reveals the annual mean maximum and the mean minimum temperature tends to risen with a large range of changes. The trend of average annual precipitation showed a large change, thus it was confirmed that the increase and decrease yield of wheat were depend on the various growth periods of wheat crop. The most influential factors are the annual mean precipitation and the annual mean minimum temperature at the seedling stage of wheat crop. The annual precipitation, annual mean maximum, and the annual mean minimum temperature are significant at the growth period. The annual mean maximum and the annual mean minimum temperatures are significant during the ripening stage of wheat crop in the study area. The results of the study showed that wheat production varies with climate change in the Sindh province. In addition, this study will be used as an important basis for solving crop cultivation areas and production problems caused by climate change in the region.

An application of an integrated climate extreme index (CEI) is presented, that quantifies observed climate change of South Korea by various five indicators. Based on an annual basis surface observation station data, climate extreme indicators that measure the fraction of the stations in South Korea are analyzed. Results for the annual CEI indicate that the area experiencing much above-normal maximum and minimum temperatures in recent years has been increased. The extremes in much greater-than-normal number of days with or without precipitation has a large interannual variability similar with much above and below normal standardized precipitation index. Results from above-normal proportion of heavy daily precipitation show a more pronounced increasing feature from 1990’s to the early 2010’s. Five indicators in CEI had distinct contrasting features which indicates that CEI can be a useful tool in providing the information on the percentage of the climate in South Korea that experienced various kinds of extreme conditions during any given year or period.

This study had two main objectives. We first investigated which weather phenomena people were most concerned about in the context of climate change or global warming. Then, we conducted content analysis to find which words were more commonly used with climate change or global warming. For this, we collected web data from Twitter, Naver, and Daum from April to October 2019 in the Republic of Korea. The results suggested that people were more concerned about air quality, followed by typhoons and heat waves. Because this study only considered one warm period in the year of 2019, winter-related weather phenomena such as cold wave and snowfall were not well captured. From Twitter, we were able to find wider range of terminologies and thoughts/opinions than Naver and Daum. Also, more life-relevant weather events such as typhoons and heat waves in Twitter were commonly mentioned compared to Naver and Daum. On the other hand, the comments from Naver and Daum showed relatively narrower and limited terms and thoughts/ opinions. Especially, most of the comments were influenced by headlines of articles. We found many comments about air quality and energy/economic policy. We hope this paper could provide background information about how to promote the climate change education and public awareness and how to efficiently interact with general audiences.

Cell based grid data of future temperature and precipitation produced with four RCP scenarios were converted into polygon based data for administrative districts using three simple vectorizing methods; (1) KMA Dong-Nae forecast point based, (2) areal ratio based and (3) central point based methods. The results were compared the existed KMA areal weight based methods to identify which methods were more efficient than others. Simple statistical methods such descriptive statistics, correlation coefficient, and Bland & Altman plots (B&A) were used to compare agreements between them. When central point and areal ratio based methods were applied to administrative districts of Eup-Myeon-Dong or some Gus, NULLs were found because their sizes are smaller than the cell of 1x1 km. Therefore, KMA Dong-Nae forecast point based methods were better when sizes of administrative districts are smaller than the cell size. For Do and Metropolitan cities, there were no greater differences among methods except for the KMA Dong- Nae forecast points. The greater the areas of administrative districts the more distortions from the KMA Dong-Nae forecast points because only KMA Dong-Nae forecast one point were used for the calculation. In conclusion, the KMA Dong-Nae forecast point based method was appropriate when sizes of administrative districts are smaller than the grid cell. For the greater areal sizes such as Do and Metropolitan cities, areal ratio and central point based methods were better.

This study examined the efficiency of satellite images in terms of detecting wheat cultivation areas, and then analyzed the possibility of climate change through an correlation analysis of time series climate data from the western regions of Gyeongnam province, Korea. Furthermore, we analyzed the effect of climate change on wheat production through a multiple regression analysis with the time series wheat production and climate data. A relatively accurate distribution was achieved on the wheat cultivation area extracted through satellite image classification with an error rate of less than 10% in comparison to the statistical data. Upon correlation analysis with time series climate data, significant results were displayed in the following changes: the monthly mean temperature of the seedling stage, the monthly mean duration of sunshine, the monthly mean temperature of the growing period, the monthly mean humidity, the monthly mean temperature of the ripening stage, and the monthly mean ground temperature. Accordingly, in the study area, the monthly mean temperature, precipitation, and ground temperature generally increased whereas the monthly mean duration of sunshine and humidity decreased. The monthly mean wind speed did not display a particular change. In the multiple regression analysis results, the greatest effect on the production and productivity of wheat as climate factors included the annual mean humidity of the seedling stage, the annual mean temperature of the wintering period, and the annual mean ground temperature of the ripening stage. These results demonstrate that there is a change in wheat production depending on the climate change in the study area. in addition, it is determined that this study will be used as important basic data in the resolution of food security problems based on climate change.