초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

레이더 반사도를 이용한 기상레이더 관측에 있어서, 비 강수 에코는 전체 강우강도 추정 정확성에 영향을 미치는 중요한 요인이다. 특히 군사 훈련이 많은 우리나라의 경우, 비 강수 에코 중에서도 군사훈련 도중 살포된 채프 가루에 의해 발생되는 에코가 중요한 문제가 된다. 일반적으로 채프에코는 레이더에서 관측되는 반사도 데이터의 수치범위가 강우에코와 유사하므로, 레이더 데이터를 관측하는 특정 시점의 데이터만으로 강우에코와 채프에코를 분간하기가 쉽지 않다. 그러므로 현 시간대의 데이터와 이전 시간대 데이터의 특성 변화를 분석하는 ...

레이더 반사도를 이용한 기상레이더 관측에 있어서, 비 강수 에코는 전체 강우강도 추정 정확성에 영향을 미치는 중요한 요인이다. 특히 군사 훈련이 많은 우리나라의 경우, 비 강수 에코 중에서도 군사훈련 도중 살포된 채프 가루에 의해 발생되는 에코가 중요한 문제가 된다. 일반적으로 채프에코는 레이더에서 관측되는 반사도 데이터의 수치범위가 강우에코와 유사하므로, 레이더 데이터를 관측하는 특정 시점의 데이터만으로 강우에코와 채프에코를 분간하기가 쉽지 않다. 그러므로 현 시간대의 데이터와 이전 시간대 데이터의 특성 변화를 분석하는 시계열 분석이 필수적이며, 이를 통한 강수에코와 채프에코를 식별하는 알고리즘이 요구된다. 본 논문에서는 특정 시간대의 레이더 데이터에 대한 공간상 클러스터링과, 시계열 상에서의 동일한 클러스터를 묶는 시계열 클러스터링을 통하여, 각 클러스터의 특성을 분석 할 수 있는 방법을 제안하며, 뉴럴 네트워크 (NN) 기반의 추론 시스템을 통한 채프에코 식별 및 제거 방법을 제안한다. 제안된 알고리즘은 기상청에서 제공한 GMAP (Gaussian Model Adaptive Processing) 또는 IIR (Infinite Impulse Response) 와 같은 신호처리 단계에서의 필터를 이용하여 지형에코를 제거한 반사도 자료 (Corrected Reflectivity: CZ) 를 기반으로 성능 분석이 수행되었다. 각 사례에 대한 알고리즘 적용 결과로, 채프 클러스터와 강우 클러스터가 중첩된 영역 없이 구별된 경우에 한에서 80% 이상의 성능지수를 나타냈다.