Content uploaded by Hyun-Han Kwon
Author content
All content in this area was uploaded by Hyun-Han Kwon on Jul 17, 2017
Content may be subject to copyright.
第47卷 第4號 2014年 4月
385
韓國水資源學會論文集
第47卷 第4號 2014年 4月
pp. 385~396
확률론적 클러스터링 기법을 이용한 한반도 태풍경로 및
종관기후학적 분석
Assessment of Typhoon Trajectories and Synoptic Pattern Based on Probabilistic
Cluster Analysis for the Typhoons Affecting the Korean Peninsula
김 태 정*/ 권 현 한** / 김 기 영***
Kim, Tae-Jeong / Kwon, Hyun-Han / Kim, Ki-Young
..............................................................................................................................................................................................
Abstract
Lately, more frequent typhoons cause extensive flood and wind damage throughout the summer season.
In this respect, this study aims to develop a probabilistic clustering model that uses both typhoon genesis
location and trajectories. The proposed model was applied to the 197 typhoon events that made landfall
in the Korean peninsula from 1951 to 2012. We evaluate the performance of the proposed clustering model
through a simulation study based on synthetic typhoon trajectories. The seven distinguished clusters for
typhoons affecting Korean peninsula were identified. It was found that most of typhoon genesis originated
from a remote position (10°
∼
20°N, 120°
∼
150°E) near the Equator. Cluster, type B can be regarded as a
major track due to the fact that its frequency is approximately about 25.4% out of 197 events and its direct
association with strong positive rainfall anomalies.
Keywords
: typhoon track, clustering, synoptic pattern
..............................................................................................................................................................................................
요 지
최근 빈번하게 발생하는 태풍사상은 극심한 홍수 및 바람 재해를 유발 시키고 있다. 이러한 점에서 본 연구에서는
1951년부터 2012년까지 한반도에 내습한 총 197개의 태풍사상을 대상으로 태풍의 발생위치 및 태풍의 궤적을 기준으로
태풍을 범주화 할 수 있는 확률론적 클러스터링 기법을 개발하였다. 모의실험을 통하여 개발된 모형의 적합성을 확인할
수 있었으며, 태풍 경로에 적용이 가능한 방안으로 평가되었다. 1951년부터 2012년까지 한반도 내습한 197개의 태풍사상
을 대상으로 확률론적 클러스터링 기법을 적용한 결과 한반도를 내습한 태풍사상은 총 7개의 클러스터로 분류되었으며,
대부분 위도 10°
∼
20°N, 경도 120°
∼
150°E 해수면에서 발생하여 한반도를 향하여 진행하는 것으로 나타났다. 클러스터
B의 경우 약 25.4%의 발생빈도를 가지며, 전선의 방향도 한반도를 직접 향하고 있어 상대적으로 한반도에 영향이 가장
큰 클러스터로 분석되었으며 한반도 전체에 걸쳐서 강한 양(positive)의 강우량 Anomaly를 갖는 것을 확인할 수 있었다.
핵심용어
: 태풍경로, 클러스터링, 수문인자
.............................................................................................................................................................................................
*
전북대학교 토목공학과 석사과정
,
방재연구센터
(e-mail: kim.t.j.@jbnu.ac.kr)
Master Course, Department of Civil Engineering, Chonbuk National University, Jeonju, Korea
**
교신저자
,
전북대학교 토목공학과 부교수
,
방재연구센터
(e-mail: hkwon@jbnu.ac.kr)
Corresponding Author
, Assistant Professor, Dept. of Civil Engineering, Chonbuk National University, Jeonju, Korea
***
한국수자원공사
K-water
연구원 기반시설연구소 기반연구
2
팀장
(e-mail: kky@kwater.or.kr)
General Manager, Infrastructure Research Center, K-water Institute
J. KOREA W ATER RESOUR CES ASSOCIATION
Vol. 47, No. 4: 385 -396, April 2014
http://dx.doi.org/10.3741/JKWR A.2014.47.4. 38 5
pISSN 1226-6280 • eISSN 2287-6138
韓國水資源學會論文集
386
1. 서 론
최근 지구온난화로 인한 전지구적 기상변동성의 증가는
우리나라를 비롯한 동아시아 지역의 다양한 기상재해를 발
생시키는 원인으로 작용하고 있다. 이러한 기상재해의 증
가는 기후변화와 맞물려 더욱 증가할 것으로 전망되고 있
으며, 한반도의 경우 극한강우의 발생빈도 및 양적 증가경
향이 더욱 두드러지게 나타나고 있다. 특히, 지구온난화로
인해 동아시아 지역의 태풍의 발생빈도 및 강도가 과거에
비해 지속적으로 증가하는 경향성이 있으며, 문헌에서나
언급되었던 슈퍼태풍 ‘하이옌’이 발생하여 2013년 필리핀
지역을 포함하여 동아시아 지역의 막대한 사회·경제적 피
해를 발생시켰다. 우리나라도 결코 슈퍼태풍의 안전지대가
될 수 없으며 지속적인 태풍 모니터링, 수문기상학적 연계
분석 등을 통한 효과적인 분석체계를 갖출 필요가 있다.
태풍은 적도 부근이 극지방에 비하여 태양열을 더 많이
받기 때문에 생기는 열적 불균형을 없애기 위해 저위도
지방의 따뜻한 공기가 바다로부터 수증기를 공급받으면
서 강한 바람과 많은 강우를 동반하며 고위도로 북상하는
기상
현
상을 의
미
하는 것으로 발생 장
소
에 따라
명칭
을
각
각 달
리하고 있다. 북태평양 서부에서 발생하는 것을 태
풍(Typhoon), 북대서양·
카
리
브
해·
맥
시코
만
및 북태평양
동부에서 발생하는 것을
허
리
케
인(Hurricane), 인도양·
아리비아해
그
리고
벵골만
에서 발생하는 것을 사이클론
(Cyclone)이라고 부
른
다.
세
계기상기구(World
M
etero-
logical
O
rgani
z
ation, W
MO
)에서는 태풍
중
심부근의 최
대풍속(
M
aximum
S
ustained Wind
S
peed,
MS
W
S
)에 따
라 T
D
(Tropical
D
epression,
MS
W
S<
17 m/s), T
S
(Tro-
pical
S
torm, 17 m/s
< MS
W
S <
25 m/s), TY (Typhoon,
MS
W
S
≥
33 m/s)로 분류하고 있으며, T
S
등급 이상부터
태풍의 발생 번
호
와 이
름
이 부여된다.
적도지방에서 발
달
한 열대성저기
압
인 태풍은 강풍과
호
우를 유발시
킴
으로
써 자
연재해를 불러
일
으
킨
다. 최근
통계를
보
면 기상재해의 피해원인은
호
우(37%),
호
우·태
풍(22%), 태풍(15%)의
순
으로 나타났으며, 기상재해의 경
제적 피해
규
모
또
한
호
우, 태풍의
순
으로 나타나는 등 대
부분의 기상재해가 여
름
및 가을
철
에 발생하는 태풍에 기
인한다(Lee, 2001).
소
방방재
청
에 의하면 태풍에 의한 가
장 큰 피해
액
은 2002년 태풍 ‘
루
사’로 5
조
1,480
억
원의 피
해가 발생하였으며, 2003년 태풍 ‘
매미
’의 피해
액
도 4
조
2,220
억
원에 이
르렀
다.
또
한, 2007년 9
월
에도 제주도와 고
흥
지역을 강타한 태풍 ‘나리’가 13
명
의 인
명
피해와
천억
여
원의 재
산
피해를 내는 등 우리나라에는
매
년 태풍에 의한
많은 인
명
피해와 재
산
피해가 발생하고 있다. 이
렇
게 태풍
으로 인한 재해는
꾸
준히 증가하고 있으며 태풍에 의한
최대강우량도 과거에 비해 증가하였다(
O
h et al., 2008).
국
내의 태풍
관련
연구는 주로 태풍에 의해 발생하는 강
우사상의 특성 등에 주안점을 주고 수행되어
왔
다. Lee et
al. (1992)은 1960년부터 1989년까지 30년
간
동아시아
중
위도에 접근하면서 한반도에 영향을
미친
태풍에 대하여
중
심 기
압
과 지상 최대풍속(maximum wind velocity)을
통계적으로 분석하고 태풍경로 특성에 따
른
태풍을 분류
하였다. Back et al. (1999)은 1945년부터 1999년까지의 53
개년의
자료
를 이용하여 태풍에 의한 한반도의 기후학적
특성을 분석하였다.
또
한 최대풍속이 50 m/s를 상회하는
태풍은 8
월말
에서 9
월초
에 주로 발생하는 것으로 분석되
었으며,
또
한 1973년 이후에 발생하고 있는 태풍의 강도와
태평양 해수면 온도와의 연
관
성을 분석하였다. Yoo and
Jung(2000)은 2000년 한반도에 영향을
미친
태풍 ‘사
오마
이’와 ‘
쁘
라
삐룬
’의 피해상
황
과 과거 유사한 경로를 가지는
태풍
들
과 비
교
하였으며, 이
외
에도
P
ark et al. (2006)은 한
반도에 영향을
미
치는 태풍을
정
의하고, 기후변화에 따
른
태풍의 발생 빈도 및 발생지역의 변화 양상을 평가하였다.
또
한 한반도에 영향을
미친
태풍을 진로에 따라 유형을 구
분하고
각
유형
별
로 태풍의 강도와 한반도에 영향을
미
치
는
정
도를
파악
하여 태풍의 진로와 강도에 따
른
태풍 특성
을 분석하였다.
O
h et al. (2007)은 우리나라에 발생하는
강우사상을 태풍과
집중호
우로 구분하여
호
우 원인
별
로
지속시
간별
연 최대 강우량을 구
축
한 후, 최
종
적으로 태풍
과
집중호
우에 따
른
강우의 기본적인 특성과 더불어 확률
강우량을
산정
하여 비
교 검토
하였다. 최근 연구로서 태풍
의 경로에 따
른 집중호
우의 특성 분석이 필요성을 인지하
고 비
매
개변수적 모의발생기법과 지역가
중
다
항식
을 이용
하여 태풍의 확률강우량을
산정
하였다(
O
h et al., 2009).
국외
의 경우에는 태풍으로 인한 해
일
과 연안
침식
등을
평가하는 Empirical
S
imulation Technique 기법이 개발되
었으며(
S
cheffner et al., 1996) 기후변화로 인해 태풍과 동
반되는 강우량이 증가할 가능성이
매
우 큰 것으로 나타났다
(Knutson et al., 2010
;
Emanuel et al., 2008).
D
imego and
Bosart (1982)는 1972년 Agens 사
례
를 통해 태풍이
중
위도
에 접근하면서 기상학적변동성으로 인해 태풍 특성이 변
화하는 양상으로 분석하고 고
찰
하였다.
앞
서
살펴
본바와
같
이
국
내의 태풍
관련
연구는 태풍의
발생빈도의 경향성분석 및 태풍과
일
반
호
우를 분리하고
확률강수량을 비
교
하는 연구 등이 주로 이
루
어지고 있다.
그
러나 태풍의 발생위치, 경로, 이동시
간
등을
정
량적으로
第47卷 第4號 2014年 4月
387
M
onth 1 2 3 4 5 6 7 8 9 10 11 12 Total
M
ean
Count - - - - 2 19 97 125 84 8 - - 335 3.1
Table 1. Effected Typhoon in Korea during 1904
∼
2012
1950 1960 1970 1980 1990 2000 2010 2020
0
5
10
Number of Typho ons effected in Korea
Time(year)
1950 1960 1970 1980 1990 2000 2010 2020
0
20
40
Number of Typho ons
Number of Typhoons effected in Korea
Number of Typhoons
Fig. 1. No. of Typhoons Affecting the Korea
Peninsular and Total No. of Typhoons at Equator
during 1951
∼
2012 Years
해석함과 동시에 이
들
태풍의 주요 특성
들
과 연계한 수문
기상학 및
종관
기후학적 연구는 상대적으로
미흡
한 실
정
이다. 이러한 점에서 본 연구에서는 태풍의 특성을 효과
적으로 고려할 수 있는 확률론적 클러스터링 기법을 기반
으로 한반도에 영향을
미친
태풍의 대
표
경로를
추
적하였
다. 도출된 태풍의 대
표
경로를 기준으로 태풍의 발생위치
를 분리한 후
각
경로에 따
른
수문기상학적,
종관
기후학
적 분석을 실시하였다.
본
논
문의 구성은 다
음
과
같
다. 1장에서는
논
문의
배
경
및
목
적에 대해서 언급하였으며, 2장에서는 대상
자료
및
확률론적 클러스터링 기법에 대하여 기
술
하였다. 3장에서
는 한반도에 내습한 태풍의 경로를 클러스터링 한 결과를
요약하여 나타내었으며
마
지막으로 결론 및
토
의를 4장에
수
록
하였다.
2. 대상자료 및 분석방법
2.1 대상자료
태풍은 열대 해상에서 발생하는 전선을 갖지
않
는 대류
권
내 저기
압
성
순환
을 열대저기
압
으로 총
칭
하는 것으로
북태평양 서부에서 발생하는 열대저기
압 중
에서
중
심 부
근의 최대풍속이 17 m/s 이상의 강한
폭
풍우를 동반하고
있는 것을
말
하는
데
,
폭
풍우는 반드시 태풍에
만
동반되는
것이 아니고 온대 저기
압
에서도 발생하는 경우가 많다.
태풍
백
서(기상
청
, 2011)에서 한반도 영향 태풍은 32°
∼
40°N, 120°
∼
135°E 의 영역을 통과하는 태풍으로
정
의하
고 있으며 본 연구에서도 동
일
한
정
의를 사용 하였다.
본 연구에서는 한
국
기상
청
(K
M
A)과
일
본 기상
청
(J
M
A)
에서 제공하고 있는 태풍
자료
를 사용하였으며,
일
본 기상
청 산
하의 지역특
별
기상
센
터(
R
egional
S
peciali
z
ed meteo-
rological Centers-Tokyo Typhoon Center)에서 제공하
는
자료
는 태풍의 이
름
, 위 경도 위치, 최
소 중
심기
압
,
중
심 최대풍속 등의 변수가 6시
간 간격
으로 이
루
어
져
있다.
우리나라의 근대적 기상
관측
이 개시된 이
래
최근까지 109
년 동안(1904
∼
2012년) 우리나라에 영향을
미친 크
고 작은
태풍의 수는 총 335개이다. 우리나라는 한해에 약 3.1개
정
도의 태풍이 우리나라에 영향을
미
치며 태풍내습의 최다
월
은 8
월
, 7
월
, 9
월 순
으로 7
월
과 8
월
두
달
동안에 내습한
태풍의 수는 전체의 66%를
차
지하고 있다.
그
러나 최근에
지구온난화로 인한 기상변동성 증가로 인하여 5
월
, 6
월
및
10
월
에도 태풍이 내습하는 사
례
가 발생하고 있다.
우리나라는
매
년 태풍이 내습하여 극심한
집중호
우와
강풍을 유발시
킴
으로
써
막대한 사회·경제적 피해를 발생
시키고 있다. 한반도에 영향을
미
치는 태풍은
남
해안을
통과하는 경로의 빈도가 가장 많으며 최근에는 서해안을
통과하는 태풍 발생으로 인해 과거와 다
른
형태의 피해가
초래
되고 있다. 특히, 최근 홍수사상의
추세
를
살펴보
면
과거에 비해
그
특성이 변화하고 있을
뿐만
아니라 불확
실성이 증가하고 있는
추세
이며, 지역적인 강우특성의
차
이
또
한 두드러지게 나타나고 있다.
F
igs. 1 and 2는 1951년부터 2012년까지 우리나라에 영
향을
미친
197개 태풍사상의 발생
횟
수를 적도지역의 태풍
발생 개수와 비
교
하여 도시한 결과로 우리나라에 영향을
끼친
태풍의 개수와 적도지역에서 발생한 태풍의 개수 사
이의 상
관
계수는 0.122로 유의한 상
관
성은 없는 것으로
판단
되었다. 따라서 적도지역에서 발생한 태풍
중
에서 우
리나라에 영향을
미친
태풍
만
을 분류하여 분석을 실시하였
다. 적도지역에서 발생한 태풍
중
1951년에서 2012년까지
우리나라에 영향을
끼친
태풍은 총 197개로 연평균 3.21개
이며, 연도
별
최대
값
은 7개로 1959년에 가장 많은 태풍이
우리나라에 영향을
미친
것을 확인하였다.
韓國水資源學會論文集
388
5678910
0
20
40
60
80
Month
Number of typhoons effected in Korea
Fig. 2. Monthly Frequency of No. of Typhoons during
1951
∼
2012 Years
2.2 분석방법
2.2.1 클러스터링 알고리즘
클러스터링(clustering method)이
란
유사한 특
징
을
보
이는 것
들
을
집단
화하는 작
업
으로 여러 공학 분
야
에서 사
용되고 있으며, 주어진
자료
에서 유사한 속성, 형태 등의
기준을 통하여 다
차
원의
자료
를
소규
모의
그룹
으로 범주
화시키는
데 활
용된다. Jeong and Bae (2004)는
월 댐
유
입
량을
예측
하기 위하여 퍼지 클러스터링 방법
중
하나인
차감
클러스터링 기반의
댐
유
입
량
예측
기법을 도
입
하였
다. Kim et al. (2011)은 퍼지
-means 클러스터링 기법
(
F
C
M
)을 1965년부터 2006년까지 북서태평양에서 발생한
855개의 태풍사상에 대하여 7개의 클러스터를 사용하여
분류하였으며,
각
클러스터는 태풍의 수
명
, 이동거리, 강
도, 계
절
적 변화와 태풍으로 인한 강우량의 분포를 평가
하였다. Kim et al. (2013)은
조건
부
활
성함수 기반의 퍼지
-means 클러스터링 기법과
신
경회로망
패턴
분류기를
활
용하여 여
름철 초단
기 강수
예측 패턴
모
델
에 적용하였
다. Lee and Kwon (2011)은
-means 방법의 속성
정보
로
서
관측
지점
별 순환
통계량(circular statistics)과 극치강
수량을
활
용하여 전
국
을 다
섯
개의
군집
으로 분류하였으
며 최
종
적으로 지역빈도해석을 위한
군집
분석에
활
용하
였다. Kim and Lee (2008)는
-means
알
고리
즘
을 이용
한 저수량(low flow)에 대한 수문학적 동
질
유역을 분류하
고, Bayesian 다
중
회
귀
분석을 이용한 저수량 지역 빈도분
석을 수행하였다.
클러스터링 방법에는 대
표
적으로
-
M
eans Clustering,
퍼지
-
M
eans Clustering,
M
ountain Clustering,
S
ub-
tractive Clustering 방법 등이 있다. 태풍경로의 분류를
위해서
-means분석은 여러 연구에 적용된 사
례
가 있다.
Elsner and Liu (2003)는 북서태평양의 태풍경로에 적용
하였으며 Elsner (2003)는 북대서양의
허
리
케
인 경로를
범주화시키기 위해서 적용되었다. 태풍경로를 범주화시키
기 위한 속성
정보
로서 위의 두 연구는
허
리
케
인의 최대강
도의 위치
정보
와
허
리
케
인이
종료
되는 지점의 위치
정보
를
활
용하였으며 3개의 대
표
경로를
추
출하였다. Blender et
al. (1997)
또
한
-means 방법을 기
초
로 6시
간마
다 기
록
된
허
리
케
인의 위도와 경도
정보
를
활
용하여 대
표
경로를 범
주화하였다.
앞
서 언급되었
듯
이,
-means 방법은
각각
의
태풍 경로를
개의
그룹
으로 범주화 하는
데
가장
일
반적
으로 적용되는 방법으로서
그룹들
사이의 총 분
산
(total
variance)을 최
소
화함으로 최적의 범주화 개수를
찾
는 과
정
이다.
그
러나 태풍
마
다 지속시
간
의 상이함으로 인해 서로
다
른 길
이를 가지며 이
런
경우
-means방법을 적용하는
데
한계가 있다. 이러한 점에서 Harr and Elsberry (1995)
는 다
른
태풍 경로의 특성과 연계된 공
간
적
패턴
을 평가하
기 위해서 퍼지 범주화 방법과 경험적 직
교
함수(empirical
orthogonal functions, E
OF
)를
활
용하였다.
본 연구에서는 태풍의 경로를 효과적으로
묘
사하기 위
해서 유한
혼
합(finite mixture)모형을 적용하였으며 다
른
길
이를 가지는 태풍의 경로를 범주화할 수 있는 확률론적
(probabilistic) Curve-Aligned Clustering (
P
CAC) 모형을
도
입
하였다. 이러한 점에서
P
CAC기법은 기
존
-means
방법의
단
점을
보완
할 수 있는 방안으로 적용이 가능하
다. 특히,
P
CAC기법은 상대적으로 적은 태풍의 경로
정보
로 인한
단
점을
보완
할 수 있을
뿐만
아니라 경로의 모양
과 위치
정보
를 동시에 고려할 수 있는 장점이 있다.
P
CAC 기법은 적용은
크
게 4
단
계로 이
루
어진다.
첫째
,
클러스터의 개수를 선
택
한다.
둘째
, 태풍의 경로를
묘
사하
기 위한 회
귀
다
항식
의 형태를 결
정
한다.
셋째
, 결
정
된 회
귀
다
항식
의
차
수(order)를 결
정
한다.
마
지막
단
계로 클러
스터링이 이
루
어진다. 따라서 태풍 경로를 효과적으로 분
류하기 위해서 최적의 클러스터의 수, 회
귀
모
델
의 형태,
다
항식
의
차
수 등이
정
량적인 기준으로 결
정
되어
야
한다
(
G
affney., 2004).
P
CAC기법의
세
부적인 내용은 다
음
과
같
다.
우선
관측
된 태풍
자료
로부터
번
째
태풍의 위도와 경
도를 나타내는
×
형태로 구성된
경로
자료
를 구
축
하여 위도와 경로에 대하여
차
의 다
항
회
귀
분석을 실시
한다. 아
래
의 Eq. (1)은
번
째
의
번
째
클러스터에 의한
태풍 경로의 다
항
회
귀식
이다.
,
∼
∑
(1)
위
식
에서
는 시
간
와
관련
된
×
반
데몬
드
第47卷 第4號 2014年 4月
389
(vandermonde) 회
귀
행
렬
을 나타내며, 시
간
에 상
응
하는
열로
정
의된다. 따라서
번
째
열에서 시
간
의
요
소들
은
(
≤ ≤
)의 거
듭
제
곱
형태를 가지게 된다.
는
×
의 구
조
를 가지는 클러스터
에 대한 회
귀
계수로 이
중
에서
첫
열은 경도에 대한 회
귀
계수이고 두
번
째
열은 위도에 대한 회
귀
계수를 나타
낸
다.
또
한
는
×
의 평균이 0이고
×
의 공분
산
행
렬
∑
를 가지는
다변량
정규
분포의
잡음
(noise)을 나타
낸
다. 여기서 공분
산
행
렬
∑
는
관측
된 태풍의 위도와 경도의
잡음
분
산
(noise variance)을 나타내는
과
의 대
각
형
렬
을 가
지며,
편
의상
교차
공분
산
행
렬
은
항
상 0으로 가
정
한다. 클
러스터
에 속하는
번
째
태풍사상의
조건
부함수(con-
ditional density function)는 아
래
의 Eq. (2)와
같
다.
∑
∑ex p
∑
′
(2)
여기서,
∑
이다.
위
식
은
개의 클러스터를 가지는
혼
합회
귀
(regres-
sion mixture)모
델
의 형태로 아
래
의 Eq. (3)과
같
이 나타
낼
수 있다.
∑
(3)
여기서,
는클러스터
에속하는 태풍경로에대한확률을 나
타내며,
는
혼
합분포의
매
개변수
집
합
∑ ≦ ≦
을 나타
낸
다.
개의
관측
시
간
에 따
른
태풍경로로 이
루
어진
⋯
와
⋯
에 대한 확률
밀
도함수(proba-
bility density function,
PDF
)를 사용하여 우도(likeli-
hood)를 아
래
의 Eq. (4)와
같
이 나타
낼
수 있다.
∑
(4)
2.2.2 Expectation-Maximization 알고리즘
클러스터링을 수행함에 있어 주어진
자료
로부터 우도
값
을 최대화하는
매
개변수를
추정
하는 방법으로 본 연구
에서는 Expectation-
M
aximi
z
ation (E
M
)
알
고리
즘
을
활
용하였다. E
M 알
고리
즘
은
자료들
이 최적의 클러스터의
정보
를 도출하기 위해서
초
기
값
을 가
정
하여
얻
은 해를
일
차
적으로
추정
한다. 이
렇
게
추정
된
값
을
초
기
값
으로 다시
해를 재
추정
하는 과
정
을 반
복
하면서 해가 수
렴
할 때까지
번
갈
아 수행하는 방법이다.
주어진 태풍경로
들 중
에서 클러스터
와 가장 연계되
는 태풍의 경로를
추
출하기 위하여 E
M 알
고리
즘
이 적용
되며 Expectation
단
계에서는
각
클러스터
의 속할 확률
(membership probability)을 계
산
한다.
∑
∑
∑
(5)
번
째
에 해
당
하는 태풍의 경로에 대한
는 클러스터
에 속하는 것으로
에 속하는 모
든
태풍의 사상은 동
일
한 우도를 가진다.
또
한
를 원
소
로 가지는 대
각
행
렬
는
×
의 구
조
를 가진다.
M
aximi
z
ation
단
계에서는
를 사용하여
혼
합(mixture)
매
개변수를 계
산
한다.
′
′
(6a)
∑
′
(6b)
(6c)
여기서,
는
×
의 구
조
인 연결(concatenated) 행
렬
′⋯′
′
이며,
또
한
×
구
조
의 연결 행
렬
로
′⋯
′
′
에 대한 회
귀
행
렬
이다. 가
중
회
귀
분석을
통하여
의 원
소
는 가
중
치로
표현
되어
와
에 회
귀
분석에 적용된다. Expectation
단
계와
M
aximi
z
ation
단
계
는 수
렴
할 때까지 반
복
적으로 수행된다.
2.2.3 최적 클러스터의 선택
본 연구에서는 태풍의 경로를
산정
하는
데
태풍의
중
심
위치가
관측
된
좌표
를 회
귀
분석기법을 적용하여 태풍의
경로를
산정
하였다. 본 연구에서 적용한
P
CAC 기법은
혼
합회
귀
다
항식
(mixture polynomial regression)의
차
수를
결
정
한
뒤
태풍의 경로를 분석하게 된다.
혼
합회
귀
다
항식
의 최적
차
수와 클러스터 수를
산정
하기 위해서 우도함수
가 최대가 되는
조
합을 결
정
하는 과
정
이 필요하다.
그
러나
우도가 최대화
됨
에 따라서 모
델
의
매
개변수가
무
한히 증
가할 수 있다. 이
렇
게
매
개변수가
무
한히 증가하는 경우는
모
델
이 과적합(overfitting)되는 문제점이 있으
므
로(Kwon
et al., 2013), 본 연구에서는 모형 선
택
지
표
로 Akaike
Information Criterion (AIC)를 사용하였으며 회
귀
분석 최
적
차
수와 클러스터의 개수를 결
정
하였다.
AIC는 선형과 비선형 모형의
식별
(model identifica-
tion)에 주로 사용되는 기준으로 AIC는 모형의 적합도
韓國水資源學會論文集
390
0 2 4 6 8 10
0
1000
2000
3000
4000
5000
6000
0 2 4 6 8 10
0
1000
2000
3000
4000
5000
6000
Fig. 3. Synthetic Trajectories Based on Polynomial Regression and PCAC Clustering Results
(model fitting)나 모형 최적화(model optimi
z
ation)가 균형
을 이
루
는 합리적인 기준이라고
볼
수 있다(
F
araway and
Chatfield., 1998
;
Yang and
Z
ou., 2004). AIC는 우도
값
이
모형내에서의 비
교만
가능하게 하다는
단
점을
보완
한 것
으로 모형의 적합(fitting)
정
도에 대한 비
교
지
표
로 사용되
고 있다. AIC의
일
반적인 형
식
은 아
래
의 Eq. (7)과
같
다.
ln
(7)
식
에서
는 모
델
의
매
개변수 개수를 나타나며
은 우
도
값
을 의
미
하는 것으로 모형이
복잡
해지고 과적합 될수
록
값
이 증가하
므
로 AIC
값
은 증가하게 되
므
로 모형의
과적합에 대한
벌
점(penalty)을 부여한다. 따라서 모형의
매
개변수를 최
소
화하고 우도
값
을 최대화 하면 AIC는 최
소값
을 가지게 되는
데
AIC가 최
소
화 될수
록
모형의 최적
화를 의
미
한다. 따라서 본 연구에서는 모형의
매
개변수의
개수와 우도
값
으로
산정
되는 AIC를 사용하여 모형의 최적
클러스터의 개수를 결
정
하는 최적화 과
정
을 수행하였다.
3. 적 용
3.1 모의실험
모의실험을 통하여
P
CAC 클러스터링 기법의 적용성
을 평가하였다. 우선 1
차
부터 3
차
까지의
차
수를 가지는
다
항식
을
임
의 발생한 후 다
항식
의 계수에
일정
한 난수를
가
산
하여
각 차
수
별
로 50개의 변형된 다
항식
을 생성하였
다.
F
ig. 3은
임
의 생성된 다
항식
을 나타난 것으로 1
차
다
항식
부터 3
차
다
항식
까지 총 150개의 다
항식
을 나타내고
있다.
F
ig. 3은
P
CAC 클러스터링 기법을 사용하여 클러
스터링 한 결과로 기
존
의
임
의 발생한 다
항식
을 효과적으
로 분류하였다.
F
ig. 3의
검
은
색
실선은
초
기에
임
의 발생
을 위한 기본다
항식
을 나타내며
각 차
수에 해
당
하는 다
항
식
이 효과적으로 분류되고 있
음
을 확인할 수 있었다.
3.2 한반도 태풍경로의 적용
1951년부터 2012년까지 한반도를 내습한 총 197개의
태풍사상의 경로를 대상으로
P
CAC 클러스터링 기법을
적용하였다. 회
귀
분석을 실행함에 있어서 고
차
다
항식
및
S
pline회
귀
방
정식
의 경우 다수의
매
개변수로 인해 과적합
이 발생할 개연성이
크
다. 이러한 점에서 3
차
이상의 고
차
다
항식
적용이 가능하지
만
상대적으로
단순
한 2
차
의 다
항
식
이 태풍경로의 적합성(goodness of fit)과 해석학적
편
이성의
관
점에서 가장 적합할 것으로
판단
된다(Camargo
et al., 2007). 모형의 적용에
앞
서 클러스터의 수를 결
정
하
기 위하여 대수우도함수(log-likelihood function)와 AIC
를
산정
하였으며, 대수우도함수가 클수
록 또
는 AIC가 작
을수
록
모형의 적합성이 우수함을 나타
낸
다. 클러스터 수
K를 1
∼
10까지 변화하면서
각
클러스터에 해
당
하는 대수
우도함수와 AIC를 계
산
하여
F
ig. 4에 나타내었으며 대수
우도함수와 AIC가 수
렴
하기 시작하는 지점에서 최적의
클러스터 수를 결
정
하였다.
즉
, 클러스터의 수 K를 4로 증
가시키면 대수우도가 상대적으로 큰 증가를
보
이며, K
=
5
에서부터 수
렴
하는 특성을
보
이고 있다. 특히, 클러스터의
개수 K
=
7을
중
심으로 대수우도와 AIC가 큰
차
이를
보
이
지
않
고
빠르
게 수
렴
하고 있으며 본 연구에서는 클러스터
의 개수를 7개로 적용하여 태풍경로를 분석하였다.
F
ig. 5는 한반도에 영향을
미친
총 197개의 태풍에 대
해서 클러스터 A
∼
G
까지 총 7개의 클러스터에 해
당
하는
태풍의 경로 및 발생위치를 나타
낸
다. 태풍의 발생빈도
및 경로는 적도 부근 해수면
압력
특성(sea level pressure,
S
L
P
)과 대
륙
의 지
오
포
텐셜
고도(geopotential height)와
같
第47卷 第4號 2014年 4月
391
0 5 10
-7.5
-7
-6.5
-6
-5.5 x 104
Number of Cluster
Log likelihood
0 5 10
1.15
1.2
1.25
1.3
1.35
1.4
1.45 x 105
Number of Cluster
Akaike Information Criterion
Fig. 4. Log-likelihood Function and AIC Value Given No. of Typhoon Clusters
Cluster Type Number of Typhoon
A 39
B 50
C 27
D
16
E 17
F
16
G
32
Table 2. No. of Typhoon for each Cluster
은 기상학적 역학특성에
크
게 영향을 받는다. 이러한 점으
로 인하여 한반도에 내습하는 대부분의 태풍은 위도 10°
∼
20°N, 경도 120°
∼
165°E 해수면에서 발생하여 한반도로
진행하는 것을 확인하였다. 이
렇
게 발생한 태풍은 해수면
으로부터 수증기를 공급받으면서 북상하며 한반도
남
서
쪽
해안으로 내습하여 북동
쪽
태
백산맥
을 통과하면서
소
멸
되는 특성을 나타내고 있다.
붉
은
색 굵
은 선으로
표
시
된 경로는
각
클러스터에 해
당
하는 대
표
경로로서 대부분
의 태풍은 위도 30°N 부근에서 선회하여 북서
쪽
으로 상
향 진행하는 것으로 나타났다.
각
클러스터에 속하는 태풍의 수는 Table 2와
같
다. 한
반도에 내습하는 태풍의 경로
중
가장 많은 특성을 나타
낸
클러스터는 클러스터 B인 것을 확인하였다. 클러스터
B의 태풍은 위도 15°N, 경도 135°E 해수면 근
처
에서 발생
하여 다
른
클러스터와는
달
리 한반도를 향하여 북
쪽
으로
수직 상향 하면서 기
압
변화가 이
루
어지는 위도 30°N 부
근에서 북동
쪽
으로 선회하여 한반도에 영향을
미
치는 것
으로 확인되었다. 이러한 클러스터 B에 해
당
하는 대
표
적
태풍사상으로는
현
재까지 인
명
피해
순
위 4위인 ‘
베티
’
(1972년)가 있으며 재
산
피해
액
을 기준으로는 ‘
올
가’(1999
년, 3위) ‘재니스’(1995년, 5위) ‘
예
니’(1998년, 8위) ‘
메
기’
(2004년, 10위)가 있다. 이
중
에서 1998년 발생한 ‘
예
니’는
1998년 9
월
30
일
에 포
항
에
일
최다강수량 516.4 mm를 발
생시켰으며 2004년에 발생한 ‘
메
기’는 8
월
18
일
과 19
일
이
틀
동안 한반도에 상
륙
하여 속
초
와 강
릉
시에
각각
244.5
mm와 280.0 mm의 강우량을 기
록
하였다. 이
밖
에 최근에
발생한 태풍으로는 ‘
덴무
’와 ‘
곤파
스’ (2010년)
그
리고 ‘
메
아리’ (2011년) 등이 클러스터 B에 속한다.
태풍이 발생된 시점의
종관
기후학적
패턴
을
알
아
보
기
위하여 NCE
P
/NCA
R
(National Centers for Environmen-
tal
P
rediction/National enter for Atmospheric
R
esearch)
재해석(reanalysis)
자료
를 기본적으로
활
용하였다. 재해
석
자료
는 전지구모형(global circulation model,
G
C
M
)에
관측값
을
입력 자료
로
활
용하여(forcing) 전지구적인 기
상학적 거동을 평가한
자료
이다. N
O
AA에서 제공하는
NCE
P 자료 중
x방향 바람
벡
터(u-wind vector), y방향 바
람
벡
터(v-wind vector)
자료
와 850
P
a 해수면기
압 S
L
P
의
총 3가지 기상인
자 자료
를 이용하여
각
클러스터
별
로
종
관
기후학적
패턴
을 도시하였다.
F
ig. 6은
각
클러스터에 해
당
하는 태풍의 발생
일자
를
기준으로 작성된 기상합성(climate composite) 분석 결과
를 나타
낸
다. 기상합성분석은
예
를
들
어 태풍 발생
일
이
2012년 7
월
1
일
과 8
월
3
일
이라면 이
날들
의
S
L
P
와 바람장
벡
터를
추
출하고
각 격자별
로 평균하여 기상장(climate
韓國水資源學會論文集
392
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
(a) Cluster A (b) Cluster B
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
(c) Cluster C (d) Cluster
D
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
(e) Cluster E (f) Cluster
F
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
0 2 4 6 8 10 12 14 16 18 20
0
2
4
6
8
10
12
14
16
18
20
Cluster A
Cluster B
Cluster C
Cluster D
Cluster E
Cluster F
Cluster G
(g) Cluster
G
(h) Cluster All
Fig. 5. Typhoon Trajectories and Derived Mean Tracks Associated with Different Clusters
pattern)을
표
시하는 방법으로서
종관
기상학적 특성을
파
악
하는
데
유용하다. 본 연구에서 사용된 기상
자료
는 모두
Anomaly
값
으로서 1981~2010년의 장기
간
평균
값
(long-
term climatology)을 기준으로 계
산
된
값
이다.
기상합성 분석 결과 태풍의 발생위치에는 모
든
클러스
터에서 강한 저기
압
이 위치하고 있는 것을 확인할 수 있
었으며, 반대로 저기
압
상
단
에는 강한 고기
압
이 위치하고
있어 전선이 형성되고 있
음
을 확인할 수 있다.
F
ig. 6의
第47卷 第4號 2014年 4月
393
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-1.5
-1
-0.5
0
0.5
1
1.5
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-1.5
-1
-0.5
0
0.5
1
1.5
(a) Cluster A (b) Cluster B
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-1.5
-1
-0.5
0
0.5
1
1.5
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-1.5
-1
-0.5
0
0.5
1
1.5
(c) Cluster C (d) Cluster
D
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-1.5
-1
-0.5
0
0.5
1
1.5
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-1.5
-1
-0.5
0
0.5
1
1.5
(e) Cluster E (f) Cluster
F
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-1.5
-1
-0.5
0
0.5
1
1.5
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 165.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-1
-0.5
0
0.5
1
(g) Cluster
G
(h) Cluster all
Fig. 6. A Map Showing Distribution SLP and Wind Vector of Cluster
(H)에서 확인 할 수 있
듯
태풍의 발생시점
일
한반도의 동
쪽
에는 고기
압
Anomaly가 위치해 있다. 이러한 한반도
우
측
에 위치는 고기
압
Anomaly로부터 불어
오
는 북서풍
의 영향을 받아 북태평양에서 발생한 태풍을 한반도로 이
동시키는 지향류(steering flow)의 역할을 하게
됨
으로
써
북서태평양에서 발생한 태풍이 해수면에서 다량의 수증
기를 포함하여 북상한 후 한반도에 상
륙
할 수 있게 된다.
가장 빈도수가
높
은 클러스터 B의 경우 한반도에 가장
근접하여 태풍이 발생하고 있으며 저기
압
의 강도
또
한 다
른
클러스터의 비해
매
우 큰 특
징
을 가지고 있다.
또
한 강
韓國水資源學會論文集
394
R
ank Cluster Type Typhoon Name
S
tation Name
M
aximum
R
ainfall (mm)
O
bservation
D
ate
1 C
RUS
A
G
angneung 870.5 2002. 8.31
2 A A
G
NE
S
Jangheung 547.4 1981. 9. 2
3 B YANNI
P
ohang 516.4 1998. 9.30
4
D G
LA
D
Y
S
Busan 439.0 1991. 8.23
5
G
NA
R
I Jeju 420.0 2007. 9.16
6
F M
AE
M
I Namhae 410.0 2003. 9.12
7 B BETTY Haenam 407.5 1972. 8.20
8 C
O
LI
V
E
S
amcheok 390.8 1971. 8. 5
9 B
O
L
G
A
D
ongducheon 377.5 1999. 8. 1
10 A JANI
S
Boryeong 361.5 1995. 8.25
Table. 3 Maximum Rainfall Ranking through the Typhoon
90.0° E 105.0° E 120.0° E 135.0° E 150.0° E 16 5.0° E 180.0° E 165.0° W
0.0°
15.0° N
30.0° N
45.0° N
60.0° N
-2
0
2
4
6
Fig. 7. A Map Showing Distribution Precipitation Rate (㎜/day) and Mean Track of Cluster B
한 고기
압
대와
블록
을 형성하고 있으며 전선의 방향도 한
반도를 직접 향하고 있어 상대적으로 한반도에 영향이 가
장 큰 경로로 분석되었다. 클러스터 A의 경우도 한반도의
근접하여 태풍이 발생하고 있으며 제주도
먼
바다 및 대
만
근
처
에서 전선이 형성되어 한반도 서
쪽
으로
크
게 선회하는
경로를 가지는 특
징
이 있으며 주로 강원도 지역에 큰 수해
를 발생시
킨
태풍사상 ‘
루
사’ 및 ‘
올
리
브
’가 이에 해
당
한다.
세
번
째
로 빈도가
높
은 클러스터
G
의 경우 클러스터 B와
유사한 경로를 가지고 있으나 발생위치에서
판단
해
보
면 클
러스터
G
에 비해 평균적으로
오른쪽
으로 치우쳐 발생하고
있으며
종관
기후학적으로 클러스터 B에 비해 저기
압
강도
가 상대적으로 약한 점을
F
ig. 6에서 확인할 수 있다.
F
ig. 7은 한반도를 가장 많이 내습한 클러스터 B에 대
하여 태풍 발생
일
로부터 5
일
이후의 강수량의 Anomaly
값
의 분포를 나타
낸
것으로 태풍의
중
심을 기준으로
왼쪽
부근에 강수량이
집중
적으로 분포되어 있는 것을 확인할
수 있다.
또
한 한반도 통과시에 최대강수량을 기
록
한 태
풍사상을
정
리한 결과 클러스터 B에 해
당
하는 태풍사상
이 가장 많은 것으로 나타났다. 이러한 이유는 태풍이 북
서
쪽
으로 진행함에 따라서 반시계방향으로 회전하면 해
수면의 수증기를
흡
수하여
육
지에 도
달
하는 경우 기
압
의
변화로 인하여 상대적으로 많은 강수량을 유발시키는 것
第47卷 第4號 2014年 4月
395
과 연
관
이 있는 것으로 사
료
된다.
4. 결 론
태풍은 사회 경제적으로 막대한 피해를 주는 기상
현
상
중
하나로 태풍에 의한 재
산
피해 및 인
명
피해가 해
마
다
발생하고 있다. 태풍에 의한 막대한 피해를
줄
이기 위해
서는
정
확한 태풍의 경로에 대한 분석이 필수적이다. 본
연구에서는 K
M
A와 J
M
A에서 제공하고 있는 시
간
에 따
른
태풍경로
자료
를 기반으로 확률론적 클러스터링 기법
을 적용하여 한반도에 영향을
미친
태풍의 경로의 특성을
분석하였다.
각
클러스터에 해
당
하는 태풍의 발생위치 및
태풍의 경로를
검
증하고 NCE
P
/NCA
R
의 재분석
자료
를
사용하여 클러스터의
종관
기후
패턴
을 분석하였다. 본 연
구를 통하여 도출한 결론은 다
음
과
같
다.
1) 본 연구에서는 서로 다
른 길
이를 가지는 태풍사상의 경
로 특성을 고려하여 태풍을 범주화할 수 있는 확률론적
모형을 도
입
하였다. 본 연구에서 적용한
P
CAC 방법은
상대적으로 적은 태풍의 경로
정보
를 고려할 수 있을
뿐만
아니라 경로의 모양과 위치
정보
를 동시에 고려할
수 있는 장점을 확인할 수 있었다. 이와 더불어 모의실
험을 통하여 모형의 적합성을 확인할 수 있었으며, 태
풍 경로에 적용이 가능한 방안으로 평가되었다.
2) 한반도에 내습한 태풍의 경우 총 7개의 클러스터로
분류되었다. 클러스터 B의 경우 약 25.4%의 발생빈
도를 가지며, 전선의 방향도 한반도를 직접 향하고
있어 상대적으로 한반도에 영향이 가장 큰 경로로 분
석되었다. 클러스터 A는 한반도 서
쪽
으로
크
게 선회
하는 경로를 가지는 특
징
이 있으며 주로 강원도 지역
에 영향을 많이 주는 태풍 경로로 분석되었다. 클러
스터
G
의 경우 클러스터 B와 유사한 경로를 가지고
있으나
종관
기후학적으로 클러스터 B에 비해 저기
압
강도가 상대적으로 약한 특
징
을 가지고 있었다.
3) 한반도에 영향을
미
치는 대
표
경로인 클러스터 B에
대하여 강우장의 분포를 도시한 결과 한반도 전체에
걸쳐서 강한 양(positive)의 강우량 Anomaly를 갖
는 것을 확인할 수 있었다. 강우량 Anomaly의
값
이
양의
값
을 가진다는 의
미
는 구
름
이 많고 강우가 발
생하고 있다는 것으로서 양의
값
이 클수
록
강한 저
기
압
대가 위치하고 있다는 것을 의
미
한다.
즉
, 태풍
경로를 따라 강한
집중호
우 형태의 강우장이 형성되
고 있
음
을 확인할 수 있다.
추
후 연구로서 태풍의 경로에 대한 모의 기법을 개발하
고 이에 따
른
한반도 주요 지역에 대한 강수의 발생빈도 및
집중호
우 가능성을 평가할 수 있는 다변량
M
onte Carlo 모
의 기법을 개발하고 이를
활
용한 태풍 위험도 평가기법을
도출하는 것이 필요할 것으로 사
료
된다.
감사의 글
본 연구는
국토교
통부/
국토
과학기
술
진
흥
원
건설
기
술
연구사
업
의 연구비지원(13
건설S
01)에 의해 수행되었습니
다. 저
자들
은 전북대학
교
방재연구
센
터에
소
속되어 연구
를 수행하였습니다.
References
Back, H.J., Kwon, W.T., and
O
h, J.H. (1999)
O
ccurred
in the western North
P
acific climatological charac-
terstics of a strong typhoon.
Korea Water
R
esources
Association annual
M
eeting, pp. 177-182.
Blender,
R
.,
F
raedrich, K., and Lunkeit,
F
. (1997).
“
Iden-
tification if cyclone-track regimes in the north atlantic.
”
Journal of The
R
oyal
M
eteological
S
ociet
y,
V
ol. 123n
No. 539, pp. 727-741.
Camargo,
S
.J.,
R
obertson, A.W.,
G
affney,
S
.J.,
S
myth,
P
., and
G
hil,
M
. (2007).
“
Cluster analysis of typhoon
track.
P
art
Ⅰ
:
G
eneral properties
”
Journal of Climate
,
V
ol. 20, No. 20, pp. 3635-3653.
D
imego,
G
.J., and Bosart, L.
F
. (1982).
“
The transfor-
mation of tropical storm agens into an extratropical
cyclone.
P
ark II:
M
oisture,
V
orticity and Kinetic
Energy Budget.
”
M
onthly Weather
R
eview
,
V
ol. 110,
No. 5, pp. 412-433.
Elsner, J.B. (2003).
“
Tracking Hurricanes.
”
Bulletin of
the American
M
eteorological
S
ociety
,
V
ol. 84, No. 3,
pp. 353-356.
Elsner, J.B., and Liu, K.B. (2003)
“
Examining the EN
SO
-
typhoon hypothesis.
”
Journal of Climate
R
esearch
,
V
ol. 25, pp. 43-54.
Emanuel, K.,
S
undararajan, E., and Willians, J. (2008).
“
Hurricanes and global warming: results from down-
scaling I
P
CC A
R
4 simulations.
”
Journal of American
M
eteorological
S
ociety
,
V
ol. 89, No. 3, pp. 347-367.
F
araway, J., and Chatfield, C. (1998).
“
Time series fore-
casting with neural networks: a comparative study
韓國水資源學會論文集
396
using the airline data.
”
Journal of The
R
oyal
S
tatistical
S
ociety
,
V
ol. 47, No.2 pp. 231-250.
G
affney,
S
.J. (2004).
P
robabilistic curve-aligned clustering
and prediction with regression mixture models
.
P
h.
D
. dissertation,
U
niversity of California, Irvine, CA
281.
Harr,
P
.A., and Elsberry,
R
.L. (1995).
“
Large-scale circu-
lation variability over the tropical western north
pacific.
P
art
Ⅰ
:
S
patial
P
atterns and Tropical cyclone
characteristics.
”
M
onthly Weather
R
eview
,
V
ol. 123,
No, 5, pp. 1225-1246.
Jeong,
D
.-
M
., and Bae,
D
.-H. (2004).
“M
onthly dam inflow
forecasts by using weather forecasting information.
”
Journal of Korean Water
R
esources Association
,
V
ol.
37, No. 6, pp. 449-460.
Kim, H.-
S
., Kim, J.-H., Ho, C.-H., and Chu,
P
.-H. (2011).
“P
attern classification of typhoon tracks using the
fu
zz
y c-means clustering method.
”
Journal of Climate
,
V
ol. 24, No. 2, pp.488-508.
Kim, K.-H., Choi, W.-Y., and
O
h,
S
.-K. (2013).
“D
esign
of summer very short-term precipitation forecasting
pattern in metropolitan area using optimi
z
ed
R
B
F
NNs.
”
Journal of Korean Institute of Intelligent
S
ystems
,
V
ol. 23, No. 6, pp. 533-538.
Kim,
S
.-
U
., and Lee, K.-
S
. (2008).
“R
egional low flow
frequency analysis using bayesian multiple regres-
sion.
”
Journal of Korean Water
R
esources Association
,
V
ol. 41, No. 3, pp. 325-340.
Knutson, T.
R
.,
M
cbride, J.L., Chan, J., Emanuel, K.,
Holland,
G
., Landsea, C., Held, I., Kossin, J.
P
.,
S
rivastava,
A.K., and
S
ugi,
M
. (2010).
“
Tropical cyclones and
climate change.
”
Nature
G
eoscience
,
V
ol. 3, pp. 157-
163.
Korea
M
eteorological Administration. (2011)
“
Typhoon
White
P
aper.
”
Kwon, H.-H., Kim, T.-J. Hwang,
S
.-H., and Kim, T.-W.
(2013).
“D
evelopment of daily rainfall simulation model
based on homogeneous hidden markov chain.
”
Journal
of Korean
S
ociety of Civil Engineer
,
V
ol. 33, No. 5,
pp. 1861-1870.
Lee, C.-
R
. (2001).
A study on meteorological disasters
in Korea.
M
aster
'
s thesis,
U
niversity of KyungHee,
S
eoul, Korea.
Lee,
D
.-K., Jang,
D
.-E., and Wee, T.-K. (1992).
“
Typhoon
approaching Korea, 1960~1989 part I:
S
tatistics and
synoptic overview.
”
Journal of Atmospheric
S
ciences
,
V
ol. 28, No, 2, pp. 133-147.
Lee, J.-J., and Kwon, H.-H. (2011).
“
Analysis on spatio-
temporal pattern and regionali
z
ation of extreme rainfall
data.
”
Journal of Korean
S
ociety of Civil Engineer
,
V
ol. 31, No. 1B, pp. 13-20.
O
h, T.-
S
., and
M
oon, Y.-I. (2008).
“S
pecial quality
analysis of extreme rainfall by typhoon.
”
Journal of
Korean
S
ociety of Civil Engineer
,
V
ol. 28, No. 5B, pp.
459-473.
O
h, T.-
S
.,
M
oon, Y.-I., and Ahn, J.-H. (2007).
“
A study
on special quality of hourly precipitation of typhoon
happened in Korea.
”
Journal of Korean Water
R
esources Association
,
V
ol. 40, No. 9, pp. 709-722.
O
h, T.-
S
.,
M
oon, Y.-I., Chun,
S
.-Y., and Kwon, H.-H.
(2009).
“
Evaluation of extreme rainfall based on
typhoon using nonparametric monte carlo simulation
and locally weighted polynomial regression.
”
Journal
of Korean
S
ociety of Civil Engineer
,
V
ol. 29, No. 2B,
pp. 193-205.
P
ark, J.-K., Kim, B.-
S
., Jung, W.-
S
., Kim, E.-B., and Lee,
D
.-
G
. (2006).
“
Change in statistical characteristics of
typhoon affecting the korean peninsula.
”
Journal of
Korean Atmosphere Association
,
V
ol. 16, No. 1, pp.
1-17.
S
cheffner, N., Borgman, L., and
M
ark,
D
. (1996).
“
Empi-
rical simulation technique based storm surge frequency
analyses.
”
Journal of Waterway,
P
ort, Coastal,
O
cean
Engineer
,
V
ol. 122, No. 2, pp. 93-101.
Yang, Y., and
Z
ou, H. (2004).
“
Combining time series
models for forecasting.
”
Journal of
F
orecasting
,
V
ol.
20, No. 1, pp. 69-84.
Yoo,
S
.-A., and Jeong, J.-
S
. (2000).
“
A study on Typhoons
affect the peninsula in 2000.
”
Korean
M
eteorogical
S
ociety
F
all
M
eeting
,
V
ol. 2000. pp. 302-304.
논
문번
호
: 14-022 접수: 2014.02.24
수
정일자
: 2014.03.25 심사
완료
: 2014.03.25