관측소별 연중기온함수의 도함수들에 근거한 남한의 지역군집

• 영문명: Regional Temperature Clusters of South Korea Based on Derivatives of Annual Temperature Functions
• 발행기관: 한국자료분석학회
• 저자명: 이광진(Kwang-Jin Lee)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.13 No.1, 283~295쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2011.02.28

국문 초록

본 연구에서는 2008년 5월 1일부터 2009년 6월 30일까지 우리나라의 78개 지상관측소에서 측정된 일평균기온 자료를 이용하여 (1)관측소별 연중기온함수를 추정하고, (2)이의 한 변화패턴인 1차 도함수에 근거하여 지역간 비유사성(거리)들을 계산한 후, (3)이에 바탕을 둔 남한 지역들의 연중 기온변화 패턴 지역군집들을 도출한다. 아울러 (4)각 지역군집들의 지리적 특성을 산맥(특히 대동여지도의 대간과 정맥), 강, 그리고 바다와 연계하여 해석하면서 연중 기온변화 패턴의 특성들을 고찰한다. 본 연구는 도출된 여러 가지 사실들이 가지는 의미들뿐만 아니라 월별(또는 계절별) 지역구분 또는 요약값에 의한 지역구분이라는 기존의 연구방법론 틀에서 탈피하여 비교적 최신 자료분석기법인 함수자료분석법을 적용하여 연속함수적 입장에서 기온변화 패턴 특성을 고찰하는 새로운 연구방법론을 시도하였다는 점에서도 의의를 가진다고 할 수 있다

영문 초록

In this paper, regional clusters with respect to the patterns of temperature change are examined by the functional cluster analysis. The daily mean temperature data of 78 observatories in south Korea and from May. 1, 2008 to Jun. 30, 2009 is obtained from the weather information web-service of Korea Meteorological Administration. An annual temperature function and its derivative for each observatory are estimated by using a smoothing method with penalty. A dissimilarity measure between two observatories is defined based on the derivatives of annual temperature functions. The result of a hierarchical cluster analysis with Ward method could be well explained by using the seas, rivers, and mountains (especially from Korean traditional classification). This paper has two signifi- cances: several derived facts of regional temperature clusters in south Korea and a trial of the functional data analysis to the study of the regional temperature clusters.

목차

1. 서론

2. 함수자료분석법이란?

3. 분석자료

4. 상대적 고온/저온 빈도 지역

5. 연중기온함수의 적합

6. 군집분석의 결과

7. 지역군집별 연중 기온함수 및 기온도함수의 특징 파악

8. 결론

참고문헌

키워드

일평균기온 연중기온함수 기후지역구분 함수자료군집분석 대간(大幹)과 정맥(正脈) daily mean temperature annual temperature function regional classification of temperature clustering functional cluster analysis