In this pressentation it is argued that the heterogeneity of a hydrologic attribute which may seem to be nonstationary at one scale, may become stationary at a larger scale. The fundamental reason for transformation from nonstationarity to stationarity whith the increase in scale is the phenomenon of coarse-graining of the hydrologic processes with increasing scale. Due to the phenomenon of aliasing, a particular scale hydrologic process heterogeneity which is observed as a nonstationary process at that scale, may be observed as a stationary process at a higher(larger) scale whose size is bigger than the stationary extent of the lower scale heterogeneity. As one goes through a hierarchical sequence of larger and larger scales for observations, one would eliminate nonstationarities which emerge at some lower scales at the expense of losing information on the high frequency fluctuations of the lower scale heterogeneities which will no longer be observed at the larger sampling scales. We call this phenimenon as the "coarse-graining in hydrologic observations". In this presentation, it is also argued that by the coarse-graining of hydrologic processes due to the averaging and aliasing operations at increasing scales, the conservation laws corresponging to these scales may still be quite parsimonious, and need not be more complicated as the scales get larger. It is shown that shen a higher(larger) scale process is formed by averaging a lower(smaller) scale process in time or space, the high frequency components of the lower scale process will be eliminated by the averaging operation. Thereby, the resuliiting average hydrologic dynamics, free from the effects of the high frequency components of the lower scale process, can still be quite simple in form. This is demonstrated by means of some recent upscaling work on the solute teansport conservation equation for hetergeneous aquifers. By means of this solute transport example, it is also shown that for the ensemble average form of a hydrologic conservation equation to be equivalent to its volume-average form at any scale, the parameter functions of that conservation equation at the immediately lower scale must be ergodic.

본 연구에서는 공간적으로 분포되어 있는 연강우량 자료를 이용한 지역 기상학 적인 가뭄을 정의하고 해석하는 모형을 제시한다. 비선형, 비매변수법에 기초한 공간 해석 신경망 (Spatial Analysis Neural Network:SANN)모형을 이용하여, 각 년에 대하여 공간의 임의 점에 서 의 극심, 심, 경심, 및 비 가뭄 확률을 전 대상 지역에 대하여 산출을 통하여 가뭄확률도를 작성 하며, Bayesian 가뭄 심도 지수 (BDSI)를 통하여 전 대상 지역을 가장 적절하게 극심, 심, 경심, 미 가뭄 지역으로 분류하는 방법을 제시한다. 또한, 각 년의 대표적인 가뭄의 형태를 제시 하여 줄 수 있는 지역 가뭄확률과 지역 가뭄 확률 지수를 소개한다. 이 모든 시공간의 가뭄 해석의 방법 은 실제로 우리나라(남한) 전역에 대하여 실시하여, 과거 1967년부터 1996년 까지 의 공간적이고 시간적인 가뭄의 발생 현황과 그 특징을 조사한다. 이는 우리나라 장기 수자원 개발 및 유역 관 리를 더욱 정량적인 가뭄정보에 의해 수행하게하여 줄 수 있을 것이다.