501 0

한반도 여름철 월별 기온 변동성 분석과 물리-통계 예측모델 개발

Title
한반도 여름철 월별 기온 변동성 분석과 물리-통계 예측모델 개발
Other Titles
Analysis of Korean summer monthly temperature variability and the development of physical-statistical prediction model
Author
원유진
Alternative Author(s)
Won, Youjin
Advisor(s)
예상욱
Issue Date
2017-08
Publisher
한양대학교
Degree
Master
Abstract
본 연구에서는 우리나라 여름철 월별 기온 변동성에 대해 분석하고 월별 기온에 영향을 주는 대기-해양 변수들을 선별하여 이와 관련된 메커니즘에 대해 분석하였다. 물리적으로 설명이 가능한 여러 변수들 중 가장 상관성이 높은 변수들을 이용하여 다중선형회귀모델을 통해 우리나라 여름철 기온을 예측하고 예측성을 검증하였다. 우리나라 여름철 기온의 경우 월별로 뚜렷한 경년 변동성을 가지며 모두 기온이 증가하는 추세를 보였다. 특히 6월의 경우 7, 8월의 변동성과는 상대적으로 낮은 상관성을 보이며 기온의 증가추세는 95% 유의도에서 통계적으로 유의한 것으로 나타났다. 7, 8월 기온도 증가하는 추세를 가지나 그 크기는 6월에 비해 통계적으로 유의하지 않았으며 7월과 8월간의 변동성은 높은 상관성을 보이는 것으로 나타났다. 6월 기온을 예측하기 위한 세 가지 인자로는 1) 3월 유라시아 눈덮임, 2) 1-3월간의 북태평양 표층수온 경향성, 3) 1월 열대 서태평양 표층수온을 선정하였으며 6월 기온의 경우 저위도보다 중위도의 영향이 더 큰 것으로 나타났다. 7월 예측인자에는 1) 3월 유럽 500hPa 지위고도와 알류샨 저기압, 2) 4월 남인도양과 열대 서태평양 표층수온, 3) 3월 남대서양 표층수온이 있다. 8월 인자로는 1) 4월 유라시아 눈덮임, 2) 2월 열대 서태평양 표층수온, 3) 3월 호주 북부 강수량을 선정하였다. 특히 7, 8월의 경우 적도 태평양에서의 원격상관을 통한 영향이 큰 것으로 나타났다. 이들 인자들은 우리나라 주변의 대기장 변화를 유도하여 최종적으로 여름철 기온을 상승시키게 된다. 한편 이렇게 선정한 인자들은 월별 기온에서 최소 2개월에서 최대 6개월의 선행시간을 가지며 인자들끼리 독립적으로 작용하는 것을 확인하였다. 선택한 인자들은 다중선형회귀모델을 통해 여름철 월별 기온을 예측하였으며 예측된 기온은 6, 7, 8월 관측 기온과 각각 0.87, 0.82, 0.78로 통계적으로 유의한 상관성을 가졌으며, 잭나이프법(Jackknife method)을 통해 재구성한 과거 기온 역시 실제 기온과 높은 상관성을 가지는 것으로 나타났다. 따라서 각각의 기간에 대해 통계적으로 유의하고 물리적으로 설명 가능한 인자들을 이용한 다중선형회귀모델을 구성한다면 더 정확한 여름철 기온 예측이 가능할 것으로 보인다.
This study analyzed Korean summer monthly temperature variability and examined physical mechanisms related to atmospheric-oceanic variables, which affect Korean monthly temperatures. This thesis predicts summer temperatures through a multiple linear model by using many variables. The interannual variability of Korean summer monthly temperatures is distinct and the linear trend of temperatures in June is statistically significant at 95%. Also, temperature variation in June is quite different from July and August, and temperature variations in July and August are similar. June temperatures are related to 1) snow cover in March
2) SST tendency between January and March
and 3) tropical Pacific SST in January. In July, there are 1) a dipole pattern of geopotential height and the Aleutian low
2) tropical Pacific SST in April
and 3) South Atlantic SST in March. August temperatures are linked to 1) a dipole pattern of snow cover in April
2) tropical western Pacific in February
and 3) precipitation over Australia in March. These monthly predictors affect monthly temperatures, have a lead time from two months to six months and are independent, because their correlation coefficients among the predictors are not statistically significant. Also, there are no physical relations among the selected areas. This study utilizes a multiple linear regression model using predictors. The forecast results are calculated in accordance with the physical-statistical model and are highly correlated with the observed Korean monthly temperatures. The correlation coefficients are 0.87 in June, 0.82 in July, and 0.78 in August. These results suggest that monthly temperature predictions by this physical-statistical model can improve the current long-term forecast.
URI
http://hdl.handle.net/20.500.11754/33710http://hanyang.dcollection.net/common/orgView/200000431742
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > MARINE SCIENCES AND CONVERGENT TECHNOLOGY(해양융합과학과) > Theses (Ph.D.)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE