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 : 오영록(Oh, Yeoungrok) (검색결과 17 건)
- 무료
- 기관 내 무료
- 유료
-
-
-
오영록(Oh YeoungRok),정건희(Chung Gunhui) 한국방재학회 2018 한국방재학회논문집 Vol.18 No.2
우리나라에서 발생하는 자연재해는 크게 호우, 태풍, 풍랑, 강풍, 대설 등 5가지가 있으며, 대설피해는 호우와 태풍 피해 다음으로 피해규모가 높은 자연재해이다. 뿐만 아니라 최근 지구 온난화 등으로 인해 발생하는 것으로 보이는 이상기후 등으로 인해 그 피해의 강도가 더 커지면서 대표적인 겨울철 자연재난으로 자리매김하고 있다. 따라서 본 연구에서는 전국 대설피해 취약성 분석을 통해 사전에 대설피해 위험지역을 선정하여 피해 저감에 이용할 수 있도록 하였다. 취약성 분석을 위해 취약성을 유발하는 압력(Pressure), 대상 지역의 상태(State), 재해에 대한 대응 정도(Response)를 이용하는 PSR 구성체계를 적용하였으며, 이를 위해 대설피해에 영향을 끼칠 것으로 예상되는 사회ㆍ기상 및 환경적인 요인 등을 포함해 총 11종류의 자료를 구축하였다. 엔트로피 이론을 적용하여 취약성 지수 계산을 위한 인자들의 가중치를 산정하였다. 계산된 취약성 지수는 5개의 그룹으로 나누어 재해연보에 집계된 전국의 대설피해액 분포와 비교하였고, 취약성의 분포와 과거 피해 이력 사이의 관계를 비교하고 분석하였다. 검토 결과, 과거 피해 이력이 많은 전라도와 충정도 지역이 대체로 취약한 지역으로 선정되어 있는 것을 확인하였으나, 간혹 과거 피해 사례가 없음에도 불구하고 취약한 지역으로 계산되는 경우도 존재했다. 이는 눈이 많이 내리지 않는 지역이라고 하더라도 대설 피해에 취약한 시설재배면적 등이 큰 경우 예측하지 못한 폭설 발생 시 매우 취약해질 수 있음을 의미하며, 향후 설해예방 및 저감대책 수립에 매우 중요한 자료가 될 것으로 판단되었다. There are five most frequent natural disasters in South Korea which is heavy rainfall, typhoon, wind waves, wind storm, and heavy snow. The most severe damage has been caused by heavy rainfall and typhoon. However, recently, the heavy snow also caused severe damages due to the climate change. Therefore, in this study, snow disaster vulnerability index was calculated using Pressure-State-Response (PSR) structure. Total 11 factors for climate, Social, Economical and Environmental conditions were considered to calculate snow disaster vulnerability index and weighting factors were calculated by Entropy theory. The snow disaster vulnerability index were categorized into five groups and compared with the historical disaster record by heavy snow. As a result, Jeolla-do and Chungcheong-do where have the highest snow damage records have the largest vulnerability. However, some regions without any historical snow damages also have a high vulnerability because the regions has the less response history against the snow disaster. This means that if the heavy snow happens in the regions, the damage could be very high due to the lack of the preparation for the snow disaster. The results could be useful information for the snow disaster mitigation and decision making.
-
-
오영록(Oh YeoungRok),정건희(Chung Gunhui) 한국방재학회 2018 한국방재학회논문집 Vol.18 No.2
최근 세계적인 기상이변으로 인한 자연재해가 빈번하게 발생하고 있으며, 그 피해를 예측하기란 더 어려워지고 있는 실정이다. 우리나라의 대표적 겨울철 자연재해인 대설피해의 빈도 또한 기습적인 대설 또는 새로운 기록을 갱신하는 강설량으로 인해 피해가 증가하고 있는 추세이다. 그러므로 대설 피해 취약성 예측을 위한 연구들이 다수 수행되었다. 본 연구에서는 선행연구에서 수행된 대설피해 취약성 분석 결과를 기반으로 각 취약성 등급별 대설 피해 예측을 위한 회귀모형을 개발하였다. 선행연구에서 구분된 5개의 취약성 등급을 바탕으로 과거 대설 피해가 발생한 적이 없는 지역에도 기습적인 폭설이 내릴 경우 발생 가능한 피해액을 대략적으로 예측하는 것을 목적으로 하였다. 이를 위해 5개의 취약성 등급을 3개로 묶어 각 경우별 다중회귀모형을 구축하고 대설피해액을 예측하였다. 다중회귀모형의 독립변수로는 지역별 대설피해 취약성 지수, 최심신적설심, 설계기준 초과율, 상대습도, 최저기온, 최고기온을 이용하였다. 검토 결과 정규화된 표준제곱근 오차인 NRMSE가 낮게 계산되어 모형의 적용성을 입증하였다. 본 연구를 바탕으로 피해사례가 거의 없거나 전혀 없는 지역까지 지역별 특성을 고려한 대략적인 대설피해 예측이 가능할 것으로 예상되며, 향후 고도화 된 대설피해 취약성 결과와, 분석방법을 이용한다면 전국 대설피해 예측 모형의 성능이 향상될 것으로 판단된다. The frequency of natural disaster has been increased due to the climate change, and the heavy snow has been also increased during the winter. Therefore, many researches have been conducted to estimate snow damage vulnerability. In this study, multiple regression models for snow damage prediction were developed using snow damage vulnerability which was calculated in the previous research. The snow damage vulnerability were categrized into 5 groups. The developed models were even applied in the area where never had a snow damage in the history. Three multiple regression models were developed according to the snow damage vulnerabilities. The input data for the model were snow vulnerability index, snow depth, the exceedance percentage of snow design criteria, daily relative humidity, daily minimum temperature, and daily maximum temperature. As a result, normalized root mean square error (NRMSE) was low enough to apply the models to estimate the snow damage. The developed models could be applied to estimate the snow damage even in the areas where the snow damage have not been occurred.
-
-
기상데이터 통계를 활용한 일 단위 융설 깊이 예측 가능성 검토
오영록(Oh, YeoungRok),이규민(Lee, Gyumin),전경수(Jun, Kyung Soo),선우우연(Sunwoo, Wooyeon),백승우(Baek, SeungWoo),정건희(Chung, Gunhui) 한국방재학회 2020 한국방재학회논문집 Vol.20 No.6
본 연구에서는 기상자료를 활용한 융설 깊이 예측 가능성에 대해 검토하였다. 분석 방법으로는 다중회귀분석을 이용하였다. 분석기간은 2000년부터 2020년까지이며, 분석 지점은 대관령, 광주, 서산, 목포, 전주 등 총 5지점을 선정하였다. 분석에 적용된 종속변수는융설 깊이, 독립변수는 적설량, 기온변화량, 기온 절편, 습도변화량, 습도 절편, 일사량 등 6개를 적용하였다. 수집한 데이터의 약70%를 다중회귀식 구축에 이용하고, 나머지 30%를 이용해 검증을 실시하였다. 수정된 결정계수와 Root Mean Square Deviation (RMSE)을검증 방법으로 이용하였다. 검증 결과 대관령 지점에서 수정된 결정계수가 0.589로 다소 가장 낮게 나타났지만, 다른 모든 지점에서수정된 결정계수가 0.769 이상으로 나타났으며, 전주 지점은 0.869 값을 나타내는 등 다수의 지점에서 1과 가까운 값을 나타냈으므로, 모형이 적합한 것으로 판단된다. RMSE 검증 결과 모든 지점에서 약 2.5 cm 미만의 오차를 기록하였고, 서산 지점에서 약 1.7 cm의오차를 기록하였다. 두 종류의 검증 결과에서 모형이 적합한 것으로 판단되었으므로, 본 연구에서 제시한 방법은 일일 융설량 깊이를예측할 수 있는 하나의 접근법으로 활용이 가능할 것으로 판단된다. 그러나 이용된 변수 다수에서 다중회귀식의 성능을 떨어트리는다중공선성에 대한 문제가 의심되었고, 기온의 급상승이나, 지속되는 고온을 제대로 반영하지 못하는 문제점이 발견되었다. 향후이러한 문제들을 해소한다면 오차를 크게 줄일 수 있을 것으로 판단된다. In this study, daily snowmelt was predicted using observed meteorological data and multiple regression analysis. Five observation stations (located in Daegwallyeong, Gwangju, Seosan, Mokpo, and Jeonju) were selected to analyze fresh snow depth from 2000 to 2010. The dependent variable used in the multiple regression analysis was daily snowmelt depth, and the independent variables were fresh snow depth, diurnal temperature range, temperature interception, diurnal humidity range, humidity intercept, and solar radiation. Seventy percent of the total observed data was used to develop a multiple regression model and the regression model was verified using the 30% of remaining data. The adjusted R-squared and Root Mean Square Deviation (RMSE) were used to examine the developed regression model. As a result, the adjusted R-squared was higher than 0.769 (except Daegwallyeong); thus the developed model represented well the daily snowmelt depth. Even Jeonju had an adjusted R-squared of 0.869. Also, the RMSE in all of the five stations was lower than 2.5 cm. The lowest value in Seosan was 1.7 cm. From the two types of verification, the developed multiple regression model was judged to be suitable to predict the daily snowmelt depth. However, multicollinearity should be explained, as rapid increases in temperature and sustained high temperature could not be reflected in the model. Therefore, if the limitations were resolved in further research, the model could be used to predict the amount of daily snowmelt depth more reliably.
-
-
-
통계분석을 통한 대설 피해 경보에 적합한 적설심 기준 제안
오영록(Oh YeoungRok),정상만(Jeong Sangman),정건희(Chung Gunhui) 한국방재학회 2017 한국방재학회논문집 Vol.17 No.2
최근 세계적인 기후변화에 따른 자연재난 발생 빈도가 증가하고 있으며, 자연재해 중 겨울철 이상 기온으로 인한 폭설 및 한파도 예외가 아니다. 우리나라는 1994년에서 2013년까지 지난 20년간 자연재해에 의한 피해액 약 12조 원 중 대설로 인한 피해액이 약 1조 6천억 원으로, 그 발생 빈도가 점차 증가하며 주요 겨울철 자연재난으로 자리매김하고 있다. 본 연구에서는 폭설 발생 시 신속한 대설 피해 경보 발령 및 재난 대응을 위해 재난통계를 기반으로 기상학적인 요인(적설심, 일평균상태습도, 일최저기온, 일최고기온)과 사회ㆍ경제적인 요인(지역면적, 비닐하우스 면적, 농가인구수, 60세 이상 농가인구수)을 고려하여 다중 회귀모형을 개발하였다. 과거 대설 피해 통계를 분석하여 전라도, 충청도, 강원도 지역의 지난 22년 간의 자료를 적용하였다. 24시간 내 신적설인 최심신적설심과 누적적설심인 최심적설심을 대설 피해 예측 중요 변수로 정하여 별도의 모형을 구축하였으 며, 신적설심과 누적적설심을 모두 6개의 cases로 구분하여 총 12개의 다중회귀모형을 구축하고 수정된 결정계수 및 N-RMSE값을 비교하였다. 그 결과, 모든 cases에서 누적적설심인 최심적설심 보다 신적설인 최심신적설심의 성능이 좋게 평가되었다. 또한 적설심 25cm의 최심신적설을 이용한 모형에서 수정된 결정계수가 0.7 이상, N-RMSE가 8.2% 이하로 매우 높은 모형 효율을 보였다. The frequency of natural disaster has been increased due to the climate change, and the heavy snow has been also increased during the winter. In South Korea, total damage cost by heavy snow for last 20 years from 1994 to 2013 was about 1.6 billion dollars among total 12 billion dollars caused by natural disasters. In this study, the amount of snow damage was estimated using historical disaster data using multiple regression analysis. The input data for the model was meteorological data (snow depth, daily relative humidity, daily minimum temperature, daily maximum temperature, daily average temperature) and socioㆍeconomic data (area, greenhouse area, number of farmers, elderly population in farmers). The developed models were applied in Jeolla-do, Cheongchung-do, and Kangwon-so using last 22 years of snow disaster data. Two types of snow depths (daily maximum fresh snow depth and daily maximum snow depth) were used. Two types of snow depths were also divided into 6 cases depending on the snow depth. As a result, daily maximum fresh snow depth shows better performance than daily maximum snow depth. The case using over 25cm of daily maximum fresh snow depth showed the best result with the adjusted R2 over 0.7.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
