앙상블 베이지안 모델 평균화 기법을 이용한격자형 기상자료 합성장 산출 (Blending of Gridded Meteorological Datasets Using Ensemble Bayesian Model Averaging)

서지정보

· 발행기관 : 국토지리학회
· 수록지 정보 : 국토지리학회지 / 52권 / 4호 / 581 ~ 591페이지
· 저자명 : 김광진, 이수진, 박성욱, 윤예슬, 이양원

초록

모든 격자형 자료는 산출 알고리듬의 차이에 따라 서로 다른 정도의 불확실성을 내포하고 있기 때문에 다양한 자료를 융합하여 불확실성을 줄이는 방법이 필요하다. 본 연구에서는 이러한 불확실성의 차이를 고려한 앙상블 기법으로서 EBMA(ensemble Bayesian model averaging)를 이용한 합성장 산출을 실험하였다. 선행연구들은 수치모델 자료만을 대상으로 EBMA 합성장을 산출하였으나, 본 연구에서는 복수의 수치모델뿐만 아니라 위성자료를 함께 사용함으로써 격자형 기상자료의 정확도를 보다 더 향상시키고자 하였다. EBMA 훈련을 통하여 도출된 최적의 가중치 조합으로 LDAPS(Local Data Assimilation and Prediction System), COMS(Communication, Ocean and Meteorological Satellite), Himawari-8 자료를 합성한 지면온도의 실험에서는 35% 정도의 RMSE 감소 효과를 볼 수 있었다. 또한 ERA-Interim, GLDAS(Global Land Data Assimilation System), AMSR2(Advanced Microwave Scanning Radiometer 2), SMAP(Soil Moisture Active Passive) 자료를 합성한 토양수분의 실험에서는 RMSE가 상대적으로 23% 정도 감소하는 것을 확인하였다. 특히 토양수분의 사례에서 EBMA 훈련을 월별로 따로 수행함으로써 수문기상 요소의 계절적 특성을 반영할 수 있었으며, 이를 통해 향후에는 시공간적인 특성을 함께 고려하는 EBMA의 적용이 필요하다는 것을 알 수 있었다.

영어초록

Because all the gridded datasets include different amount of uncertainties according to different retrieval algorithms, methods for reducing the uncertainties by blending various datasets are necessary. This paper described the experiments for multi-source data ensemble using EBMA (ensemble Bayesian model averaging) to take account of such differences in uncertainty of the data. We used satellite products as well as numerical model datasets for our EBMA experiments in order to improve accuracies of gridded meteorological datasets. We derived an optimal combination of the weights for each ensemble member through the EBMA training. An LST (land surface temperature) blending experiment using LDAPS (Local Data Assimilation and Prediction System), COMS (Communication, Ocean and Meteorological Satellite), and Himawari-8 datasets produced an RMSE improvement of approximately 35%. Also, and SM(soil moisture) blending experiment using ERA-Interim, GLDAS (Global Land Data Assimilation System), AMSR2 (Advanced Microwave Scanning Radiometer 2), and SMAP(Soil Moisture Active Passive) datasets brought about a relative accuracy improvement of approximately 23%. In particular, the SM experiment showed that a monthly scheme of EBMA weights can be more effective to consider seasonal characteristics of hydro-meteorological data, which means the needs for a spatial and temporal application of the EBMA.

참고자료

· 없음