http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 성기탁(Ki-Tack Seong) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
성기탁,황재동,한인성,고우진,서영상,이재영,Seong, Ki-Tack,Hwang, Jae-Dong,Han, In-Seong,Go, Woo-Jin,Suh, Young-Sang,Lee, Jae-Young 해양환경안전학회 2010 해양환경안전학회지 Vol.16 No.4
국립수산과학원에서 지난 41년간(1968-2008년) 정선해양관측점에서 관측한 수층별 수온자료를 분석한 결과, 우리나라 동해, 서해 및 남해 해역의 표층수온은 상승하는 것으로 나타났다. 그러나 100m 수층의 경우 남해해역은 상승하지만 동해해역은 오히려 하강하는 것으로 나타났다. 남해 해역은 쿠로시오난류의 지류인 쓰시마난류의 강화로 인해 전 수층이 영향을 받으며, 따라서 전 수층에서 수온이 상승하는 경향을 만드는 원인이라 생각된다. 동해해역 100m 수층에서 수온하강의 경향은 주로 연안역의 하강 정도가 근해역의 상승정도보다 크게 나타나기 때문에 동해해역을 평균하면, 동해해역 전체적으로는 수온이 하강하는 것으로 나타났다. 동해해역 100m 수층에서 수온변동을 일으키는 요인으로 바람, 해류 등이 있으며, 본 연구에서 이 중 기상요소인 풍속의 변동과 수온변동에 대해서 분석하였다. 계절별로는 남해를 제외하고 동계의 상승률이 하계의 상승률보다 약 2배 이상 높게 나타나 장기적인 수온상승은 주로 동계의 수온 상승에 기인함을 알 수 있다. 남해의 경우 하계의 수온 상승률이 동계의 상승률보다 높게 나타나는데, 이는 쓰시마 난류의 세력 강화 및 중국대륙에서 유출되는 양자강수의 영향이라 생각된다. 우리나라 연안의 6개 관측점에서 관측한 기온과 풍속 자료 분석결과 점차적으로 기온이 상승하고 풍속이 약해지는 따뜻한 겨울이 되는 경향이 나타났다. 풍속의 약화는 해양에서 표면혼합층의 수심이 얕아지게 하는 원인이 되며, 표면혼합층의 두께가 얕아지게 되면 표층과 저층의 혼합 깊이가 얕아지게 되어 표층의 따뜻한 물이 저층으로 전달되는 양과 저층의 차가운 물이 표층으로 전달되는 양이 작아지게 된다. 따라서 표층의 수온은 점차 상승하게 되며, 예전 표면혼합층과 저층의 경계층 수온은 점차 낮아지게 된다. The result of analysis of the observed temperature data by the Serial Oceanography Investigation of National Fisheries Research and Development Institute (NFRDI) during last 41 years from 1969 to 2008 showed that sea surface temperatures in the East, West and South Sea of Korea were clearly increased. In case of 100m depth, temperature was increased in the South Sea of Korea, but it was decreased in the East Sea. Especially, the temperature around the coastal area in the East Sea was significantly decreased by the spatial distribution of long-term change of temperature on 100m depth. It should lead to the decreasing trend in the long-term change of temperature on 100 m depth in the entire East Sea. The increasing trend was clearly larger in wintertime than in summertime by a factor of about 2 It means that the long-term increasing trend of sea surface temperature in the Korean Waters is usually caused by the distinctive increasing trend in wintertime. As the results of the analysis of air temperature and wind speed on the 6stations around the coastal area in the Korean Waters, air temperature was found to be continuously increased, but wind speed to be gradually decreased in winter. The weakness of vertical mixing by decreasing of wind speed caused to make the surface mixed layer shallow. it could be considered that the increasing trend of surface temperature was caused by weak mixing between surface and intermediate layers.
-
성기탁,최양호,구준호,이미진,Seong, Ki-Tack,Choi, Yang-Ho,Koo, Jun-Ho,Lee, Mi-Jin 해양환경안전학회 2014 해양환경안전학회지 Vol.20 No.5
본 연구는 단일 입력 전이함수모형(Single-input transfer function model)을 적용하여 여수연안 2010년의 월평균 표면수온의 예측을 시도하였다. 전이함수모형을 수립하기 위한 입력시계열과 출력시계열은 각각 여수지방의 10년(2000-2009년)간의 월평균 기온자료와 표면수온자료를 이용하였다. 전이함수모형을 수립하기 위하여 입 출력 시계열을 사전백색화하고, 입 출력 시계열간의 각 시차에 대한 교차상관함수를 결정하였다. 교차상관함수는 음의 모든 시차에서 유의한 값을 갖지 않아 기온과 표면수온사이는 일방적 인과관계를 보였다. 또한 교차상관함수의 시차 0과 1에서 유의한 값을 보였다. 이러한 교차상관함수의 특징에 따라 입 출력시계열간 전이함수의 시차와 분모 및 분자의 차수(b, r, s)는 (0, 1, 0)으로 식별되었다. 구축된 전이함수모형에 따르면 기온과 표면수온 사이의 시차는 존재하지 않았다. 여기서 현재의 표면수온은 1개월 전의 표면수온과 선형관계가 있음을 보였으며, 잡음모형은 $ARIMA(1,0,1)(2,0,0)_{12}$로 식별되었다. 전이함수모형에 의한 월평균 표면수온의 예측치는 실측치에 비하여 전반적으로 $0.3-1.3^{\circ}C$ 높은 경향을 보였으며, 6.4 %의 평균절대백분율 오차를 포함하였다. 이러한 결과는 8.3 %의 평균절대백분율오차를 보인 ARIMA 모형에 비하여 향상된 예측성능을 보이는 것이며, 표면수온의 시계열적 예측을 시도할 경우, ARIMA 모형보다 전이함수모형의 적용을 통하여 그 예측성능의 개선 가능성을 기대할 수 있음을 시사하고 있다. In this study, single-input transfer function model is applied to forecast monthly mean sea surface temperature(SST) in 2010 at Yeosu in Korean coastal waters. As input series, monthly mean air temperature series for ten years(2000-2009) at Yeosu in Korea is used, and Monthly mean SST at Yeosu station in Korean coastal waters is used as output series(the same period of input). To build transfer function model, first, input time series is prewhitened, and then cross-correlation functions between prewhitened input and output series are determined. The cross-correlation functions have just two significant values at time lag at 0 and 1. The lag between input and output series, the order of denominator and the order of numerator of transfer function, (b, r, s) are identified as (0, 1, 0). The selected transfer function model shows that there does not exist the lag between monthly mean air temperature and monthly mean SST, and that transfer function has a first-order autoregressive component for monthly mean SST, and that noise model was identified as $ARIMA(1,0,1)(2,0,0)_{12}$. The forecasted values by the selected transfer function model are generally $0.3-1.3^{\circ}C$ higher than actual SST in 2010 and have 6.4 % mean absolute percentage error(MAPE). The error is 2 % lower than MAPE by ARIMA model. This implies that transfer function model could be more available than ARIMA model in terms of forecasting performance of SST.
-
-
ScienceON
코리아스칼라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
