잠재증발산량 계산에 따른 가뭄지수 평가

박기두; 추인교; 김범구; 시크샤 바스톨라; 맹승진; 김범석; 정영훈

추천

검색

질문

자료유형: 학술저널

저자정보: 박기두 (Kyungpook National University) 추인교 (Kyungpook National University) 김범구 (Kyungpook National University) 시크샤 바스톨라 (Kyungpook National University) 맹승진 (Chungbuk National University) 김범석 (Korea Rural Community Corporation Audit & Inspection Office) 정영훈 (Kyungpook National University)

저널정보: 한국지반환경공학회 한국지반환경공학회 논문집 한국지반환경공학회 논문집 제25권 제11호

발행연도: 2024.11

수록면: 33 - 43 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 광양 지역의 가뭄 평가를 위해 광양 ASOS(Automated Synoptic Observing System) 기상관측소 자료를 활용하였다. 강수량 기반의 SPI와 강수량 및 증발산 손실을 고려한 두 가지 유형의 SPEI(SPEI_Thornthwaite 및 SPEI_Penman-Monteith)를 사용하여 가뭄 발생일수를 평가하였다. 광양 기상관측소의 SPI와 SPEI에 의해 산정된 가뭄 발생일수는 대체로 유사한 정량적 결과를 도출하였다. 그러나 물리적 기반의 Penman-Monteith 방법을 사용하는 SPEI_Penman-Monteith 지표는 SPI_Thornthwaite 지표에 비해 가뭄 발생일수가 더 높게 평가되었다. Penman-Monteith 방법에 의해 산정된 증발산량은 계절 변동성이 크고 수분 손실량도 큰 반면, Thornthwaite 방법에 의한 증발산량은 변동성이 작고 수분 손실량도 작게 평가되었다. 그 결과 SPEI_Penman-Monteith 지표에 비해 SPEI_Thornthwaite 지표가 SPI 지표와 더 높은 상관관계를 보였다. 물리적 모형 기반의 SPEI_Penman-Monteith 지표는 물의 순환에 따른 수분 손실량을 더 정확하게 산정할 수 있기 때문에 가뭄 발생일수 산정에서 더 합리적인 결과가 도출된다. 하지만 대부분의 ASOS 기상관측소에서는 일사량과 같은 고품질 기상자료가 충분하지 않기 때문에 Penman-Monteith 방법을 적용하기는 어렵다. 따라서, 이런 경우에는 월평균 기온만으로 증발산량을 추정할 수 있는 SPEI_Thornthwaite 지표가 가뭄지수 산정의 대안으로써 활용할 수 있다.

#Automated Synoptic Observing System(ASOS) #Standardized Precipitation Index(SPI) #Standardized Precipitation Evapotranspiration Index(SPEI) #Evapotranspiration #Penman-Monteith method #Thornthwaite method #Drought occurrence day #Correlation #기상종관관측(ASOS) #표준강수량지수(SPI) #표준강수증발산지수(SPEI) #증발산량 #Penman-Monteith 방법 #Thornthwaite 방법 #가뭄발생일수 #상관관계

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-090981382

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)