Dynamic Naive Bayesian Classifier를 활용한 가뭄지수 평가

Abstract

복잡한 가뭄상태와 가뭄지수에 내재된 불확실성을 고려하여 가뭄을 평가하는 것은 정확한 가뭄 모니터링 을 위해 매우 중요하다. 본 연구에서는 Hidden Markov Model의 Dynamic Naive Bayesian Classifier (DNBC)를 활용하여 다양한 가뭄지수를 비교·평가를 수행하였으며, 이를 바탕으로 가뭄을 분류하였다. 본 연 구에 사용된 가뭄지수는 기상, 수문 및 농업 가뭄의 특성을 반영할 수 있는 SPI (Standardized Precipitation Index), SDI (Streamflow Drought Index) 및 NVSWI (Normalized Vegetation Supply Water Index) 그리고 이들을 합성한 가뭄지수(Composite Drought Index, CDI)이다. 단일변수 가뭄지수(SPI, SDI, NVSWI)와 합성 가뭄지수(CDI)를 비교한 결과, 제안된 DNBC는 가뭄의 불확실성을 고려하여 다양한 가뭄의 종류를 효과적으 로 분류할 수 있었다. 제시된 방법은 다양한 가뭄지수를 결합하여 포괄적인 가뭄 평가가 가능하도록 하였다.