This research shows development of applicating probabilistic long-term forecasts into water management.
Forecasted Cumulative Distribution Functions (CDFs) of monthly precipitation are plotted by combining the
range of monthly precipitation based on proper Probability Density Function (PDF) in past data with probabilistic
forecasts in each category. Ensembles of inflow are estimated by entering generated ensembles of precipitation
based on the CDFs into the ‘abcd’ water budget model. The bias and RMSE between averages in past data and
observed inflow are compared to them in forecasted ensembles. In our results, the bias and RMSE of average
precipitation in the forecasted ensemble are bigger than in past data, whereas the average inflow in the forecasted
ensemble is smaller than in past data. This result could be used for reference data to apply long-term forecasts to
water management, because of the limit in the number of forecasted data for verification and differences between
the Andong-dam basin and the forecasted regions.
This research has significance by suggesting a method of applying probabilistic information in climate variables
from long-term forecasts to water management in Korea. Original data of a climate model, which produces
long-term probabilistic forecasts should be verified directly as input data of a water budget model in the future, so
that a more scientific response in water management against uncertainty of climate change could be reached.