| 초록 |
생명기상기술개발 IV. 연구 내용 및 결과 가. 국지앙상블 기반 폭염 영향예보 시스템 개발 - 국지앙상블(LENS) 기반 폭염 영향예보 시스템이 개발됨. LENS의 예측 성능이 평가되었고,정확도를 높이기 위하여 시간지연 앙상블 멤버가 추가됨. 정확도를 기준으로 격자 확률로부터 영역 확률을 계산하는 방법을 선정함 - 하루 두 번,전국 165개 지역에 대한 3일간의 영향예보가 생산됨. 폭염영향 판정표를 기준으로 네 수준의 경보가 발령되는데, 세로축인 발생 가능성은 LENS의 확률예보로부터,가로축인 건강 영향은 일 최고기온의 3 가지 문턱 온도(온열환자, 온열사망자,폭염특보)를 이용하여 결정됨 - 시스템의 정확도는 발령된 경보 수준과 온열 질환자수를 비교하여 평가 되었는데,발생 패턴이 잘 일치하였고, 감지 실패율은 매우 낮았음 나. 생명기후분석시스템(BioCAS) 개선 및 활용 - BioCAS는 기존 일별 기온분석이 시간별 분석으로 확장되고,평균복사온도 (Tmrt) 계산에 기온 분포를 이용하도록 개선되었으며,폭염의 상대위험도에 기반한 영향모델(사망률)이 개발됨. 또한 일 최고기온 예보(MOS)를 이용한 실시간 시스템이 구축되어 서울시 전역의 열 스트레스 위험도(기온) 및 영향 (사망률)을 25m 해상도로 제공함 - 행정구·동별 열 스트레스 영향(사망률) 분포와 위험도(기온·평균복사온도) 및 취약성(연령별 인구 및 취약성 지수) 분포를 분석함으로써 폭염 영향을 고려할 때 온도 분포와 아울러 취약성 분포도 함께 고려하여야 함을 밝힘 - (용역) BioCAS의 정확도 개선을 위해 광릉,서울숲 및 서울대 산림지역의 활엽수림과 침엽수림에서 발생하는 온도저감 효과의 원인과 크기를 정량 분석하고 실험모델을 개발함. BioCAS의 중규모 기상모델로 기상청 현업모델 (LDAPS) 자료가 사용될 수 있도록 소스코드를 개선함 다. 한국형 인지온도 모델 개발 - 한국기후에 알맞은 폭염 정보 생산을 위해 고온 다습 환경(30-35℃,60%)의 인공기후 실험을 통하여 인지온도 임계값을 최적화함. 한국인과 독일인의 이론적인 인체 열 생산량에 차이가 없으며, 관측된 인체 열 생산량은 이론값과는 6.9%(9.94 W m -2 )의 차이로 그 차이는 크지 않음을 확인함. 또한 같은 열 환경 조건에서 한국인이 독일인보다 열 변화에 대한 높은 민감도와 높은 내성을 나타냄을 분석하였고, 이러한 열적 특성 차이가 반영된 최적화된 인지온도 임계값을 결정함 - 폭염 위험 감시 시스템을 구축하여 국지예보모델(LDAPS) 기반의 기온, 인지온도,열지수,온열지수의 공간분포도, 지수별 위험등급 분포도 및 지역별 시계열을 실시간 제공함으로써 예보 현업을 지원함 - (용역) 인지온도 최적화에 다양한 연령대를 고려하기 위하여 20대와 70대 남성을 대상으로 인공기후실에서 열 스트레스를 정량화함. 또한 서울과 대구의 야외 설문조사를 통하여 지역 간 열 스트레스 수준 차이를 파악함 라. 꽃가루 알레르기 확산예측 및 기후변화 영향 평가 - 꽃가루 확산예측의 정확도를 향상하기 위하여 국립수목원(광릉)에서 관측된 일별 꽃가루 생산량을 따르도록 배출량 산정식을 개선함. 또한 고도차에 의한 비산시기 정확도를 향상하기 위하여 배출원의 지형고도정보를 개선함. 개선된 모델은 지역별 일별 농도의 RMSE와 IOA 등이 개선되었고,꽃가루 비산시기에 대한 예측성능이 향상됨. 특히 꽃가루 비산시기 종료일의 예측 오차가 8일에서 0.5일로 대폭 개선됨 - (용역) 확산예측모델의 개선 및 검증을 위한 참나무 순림의 시간별 꽃가루 농도 관측에서 2017년은 2015, 2016년 대비 비산량이 크게 감소되어 추가 연구가 필요함. 꽃가루 농도에 따른 호흡기 알레르기 위험도를 개선하기 위한 환자들의 일별 알레르기 증상지수가 모니터링 됨. 기후변화에 따른 CO 2 농도 증가 실험을 통해 꽃가루 생산량과 알레르기 유발성 증가가 전망됨 마. 농업환경에서 심층학습 기반기술 개발 - 농업 생산에 큰 영향을 줄 수 있는 이슬지속시간 예측기술 개발을 위하여 상대습도법 (NHRH),결정트리법 (CART), Penman-Monteith(PM) 방법을 제주도 관측자료에 적용하여 평가함. PM 방법이 상관도와 RMSE에서 가 장 우수한 것으로 나타났으나 RMSE가 5시간 이상으로 나타남. 이에 인공 지능 Deep Neural Network(DNN) 모델을 개발하고, 기상변수의 시간별 변화율 등 새로운 입력변수를 추가하여 개선한 결과 평균 RMSE가 3.08로 향상됨 - (용역) 중장기 기상예측자료를 농업분야에 활용하기 위한 기반기술이 개발됨. 1단계로, 공간통계모델을 개발하여 농업기상자료의 결측치를 보정함. 2단계로, 인공신경망 모델을 개발하여 필지별 중장기 예보 기술을 개발함 ( 출처: 요약문 13p ) 도시기상지원 기술 개발 IV. 연구 내용 및 결과 가. 현업국지기상예측시스템 기반 도시기상모델 운영 - 현업국지기상예측시스템(LDAPS)와 통합모델의 도시캐노피 모델 MORUSES를 결합하여 LDAPS와 동일한 00, 06, 12, 18 UTC에 시작하여 36시간 예측 체계를 구축함 - 2017년 6월부터 8월까지 여름철 동안 현업국지기상예측시스템 기반 도시기상 모델(LDAPS-MORUSES)와 기존 LDAPS 모형의 지상기온,지상풍속,그리고 지상 상대습도에 대한 관측검증 결과, LDAPS-MORUSES 지상기온,지상풍속, 지상 상대습도의 평균제곱근오차는 각각 1.63℃(약 5%), 1.48 ms -1 (약 6%), 10.77%(약 3%)로 기존 LDAPS 모형보다 개선되었음 나. 서울 건물 정보를 이용한 도시기상모델 개선 - MORUSES 도시정보 입력 자료 중 기존의 런던 빌딩 정보를 서울 건물 정보로 개선함 - 런던 자료를 이용한 도시정보보다 서울의 높은 건물, 평면적지수, 앞면적 지수가 반영됨 - 서울 지역 기온과 풍속을 검증 결과 기온 개선 효과보다 풍속의 개선 효과가 뚜렷하였음 다. 도시기상모델 기반 서울 도시열섬 연구 - 도시 유무에 대한 도시열섬 강도의 민감도 실험으로부터 도시비율이 증가할수록 열섬강도가 커지며,최대 열섬 강도 시간 또한 지연되었음 - 서울의 도시열섬 강도는 서풍 사례에서 풍하측에서 열섬 강도가 증가하며, 동풍 사례에서는 풍하즉이 영향이 없음 - 관측된 서울 도시열섬강도는 여름은 약화되며 겨울에 강화되는 계절 변동성을 보임 - 기상청 LDAPS로부터 예측된 서울 도시열섬 강도는 여름은 과대 모의하며 겨울은 과소모의 함. 특히 여름철 주간 과대 모의 오차가 큼 - 도시캐노피 모델을 이용한 모의로부터 여름철 서울 열섬강도는 과대 모의 경향이 개선됨. 그러나 주간의 교외지역 기온 과소모의 오차가 큼 ( 출처: 요약문 139p ) |
