Study on a Temporal Adaptative High Resolution Long-term Prediction System for Agrometeorological Outlook Service
- Abstract
- 1년 작물 생산량은 국가 식량생산 계획, 농산물 가격안정, 농업정책 수행 등을 위한 기초자료를 산정하는 가장 기본적인 단위의 통계자료이다. 또한 한 해 작물 생산량을 예측함으로써 농작물의 생산성을 높이기 위한 농업적 연구가 가능하다. 우리나라에서도 작물 생산량 예측을 위해 다양한 작물 모델들을 이용한 연구가 진행되어왔다. 그러나 대부분의 연구들이 기후변화 시나리오에 따른 한반도 작물 생산량 변화에 초점이 맞추어져 온 실정이며 다른 작물 모델들의 연구에서 한해 작물 생산량 예측을 위한 고해상도 농업기상 예측자료에 대한 연구가 매우 드물다.
작물모델을 이용하여 한반도 작물 생산량 예측을 위해 필요한 농업기상 자료는 다음과 같은 사항들을 고려해야 한다. 첫째, 작물 생산량 산정을 위해 사용되는 작물 모델이 필요로 하는 일 자료 형태의 기상 변수가 요구되며, 둘째, 한 해 작물 생산량 예측을 위해서는 파종기부터 수확기까지의 장기예측 농업기상 자료가 필요하다. 셋째, 한반도의 지역별 작물 생산량을 정확하게 예측하기 위해서는 고해상도 농업기상 자료가 필요하다. 마지막으로, 농업기상 자료의 예측성을 높이기 위해 예측자료는 파종기부터 수확기까지 시간이 지남에 따라 새로운 예측이 이루어져야 하고, 과거기간에 대해 관측자료 기반의 고해상도로 복원된 자료가 대체되어 한해 생산량 예측에 이용되어야 한다. 이 모든 것을 고려하여 본 연구에서는 ‘농업기상 예측 서비스를 위한 시간 흐름을 따라가는 고해상도 장기예측자료 생산 시스템‘을 제안하고자 하였다.
본 연구에서는 한반도 지역을 대상으로 독일 기상청에서 사용하는 대기대순환모델(Atmospheric General Circulation Model, AGCM)인 GME를 사용하여 40km의 수평 해상도를 갖는 일 단위의 농업기상 장기예측자료를 생산하고, 정량적 기온/강수 진단 모델(Quantitative Temperature/Precipitation Model, QTM/QPM)을 이용하여 기온과 강수 변수에 대하여 1km 수평 해상도를 갖는 고해상도 예측자료를 생산하였다. GME와 QTM/QPM을 이용한 고해상도 장기예측은 2015~2016년에 대하여 매달 수행되어 시간이 흐름에 따라 새로운 예측자료가 대체되도록 하였고, 지나간 과거에 대하여는 관측자료 기반의 1km 고해상도 복원 자료가 대체되도록 하여 시간 흐름에 따라 적절한 타입의 자료가 제공되는 농업기상 장기예측 시스템을 구축하였다. 이는 농업분야에서 각종 작물의 한 해 생산량 예측과 수확량 분석에 유용한 농업기상자료가 될 것으로 사료된다.
- Author(s)
- Kyung-min Choi
- Issued Date
- 2017
- Awarded Date
- 2017. 8
- Type
- Dissertation
- Publisher
- 부경대학교
- URI
- https://repository.pknu.ac.kr:8443/handle/2021.oak/14331
http://pknu.dcollection.net/common/orgView/000002381059
- Affiliation
- 부경대학교 대학원
- Department
- 대학원 지구환경시스템과학부환경대기과학전공
- Advisor
- Jai-Ho Oh
- Table Of Contents
- Contents
List of Figures ⅲ
List of Tables ⅴ
Abstract ⅵ
Ⅰ Introduction 1
1. Background and purpose of research 1
2. Temporal adaptative high resolution long-term prediction system introduction 6
Ⅱ Method 11
1. Calculating method for observation-based synthetic data 11
A. Quantitative Temperature Model (QTM) 12
B. Quantitative Precipitation Model (QPM) 14
C. Data 16
2. High resolution prediction method 20
A. Prediction model description and data 20
B. Downscaling prediction data 24
Ⅲ Results 26
1. Result of agrometeorological variables prediction dataset 23
2. Observation-based synthetic temperature/precipitation 29
3. Final high resolution long-term prediction data 33
4. Time series at station points 35
Ⅳ Conclusion 41
Ⅴ Reference 43
- Degree
- Master
-
Appears in Collections:
- 대학원 > 지구환경시스템과학부-환경대기과학전공
- Authorize & License
-
- Files in This Item:
-
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.