분해기법은 일 단위 강수시계열 자료를 시간단위로 분해하는 데 주로 사용되고 있으며, 시단위 자료는 홍수예측을 위하여 주요하게 사용될 수 있다. 그러나 현재까지 제시된 대부분의 분해기술은 강우데이터가 추계학적 특성을 가지고 있다는 기본 가정을 전제로 하고 있기 때문에 모형을 구성하는데 있어서 강우자료의 물리적 특성을 반영하는 데는 한계를 보이고 있다. 이에 본 연구에서는 강우자료를 각기 다른 해상도로 변환하는데 따른 가중치의 동역학적 거동이 카오스 특성을 보이는지와 카오스적 분해가 가능한지를 비선형의 확정론적 방법(카오스이론)을 이용하여 규명하는 방안을 소개하였다. 우선, 기상청 산하 서울지점을 대상으로 24h-12h, 12h-6h, 6h-3h으로 해상도를 변환하는데 따른 가중치를 계산하여 사용하였다. 가중치 시계열자료의 카오스 특성을 규명하는 데는 상관차원방법을 이용하였으며, 부분근사화 기법을 이용하여 강우를 분해하였다. 서울 지점의 모든 해상도 변환에 따른 가중치는 저차원의 상관 차수를 가지는 카오스 특성을 보임을 확인하였으며, 분해결과 실제 관측치와 유사한 값을 보임을 확인하였다(높은 상관계수와 작은 평균제곱근오차를 보임). 또한 강우의 일반적인 경향성(총량, 강우의 발생 시점)은 보존되나 극값의 경우 대부분 과소 추정됨을 알 수 있었다.
Disaggregation techniques are widely used to transform observed daily rainfall values into hourly ones, which serve as important inputs for flood forecasting purposes. However, an important limitation with most of the existing disaggregation techniques is that they treat the rainfall process as a realization of a stochastic process, thus raising questions on the lack of connection between the structure of the models on one hand and the underlying physics of the rainfall process on the other. The present study introduces a nonlinear deterministic (and specifically chaotic) framework to study the dynamic characteristics of rainfall distributions across different temporal scales (i.e. weights between scales), and thus the possibility of rainfall disaggregation. Rainfall data from the Seoul station (recorded by the Korea Meteorological Administration) are considered for the present investigation, and weights between only successively doubled resolutions (i.e., 24-hr to 12-hr, 12-hr to 6-hr, 6-hr to 3-hr) are analyzed. The correlation dimension method is employed to investigate the presence of chaotic behavior in the time series of weights, and a local approximation technique is employed for rainfall disaggregation. The results indicate the presence of chaotic behavior in the dynamics of weights between the successively doubled scales studied. The modeled (disaggregated) rainfall values are found to be in good agreement with the observed ones in their overall matching (e.g. correlation coefficient and low mean square error). While the general trend (rainfall amount and time of occurrence) is clearly captured, an underestimation of the maximum values are found.
