[논문]RADAR 추정 강수량과 AWS 강수량의 최적 결합 방법을 이용한 정량적 강수량 산출

오현미; 허기영; 하경자

doi:10.7780/kjrs.2006.22.6.485

RADAR 추정 강수량과 AWS 강수량의 최적 결합 방법을 이용한 정량적 강수량 산출
Estimation of Quantitative Precipitation Rate Using an Optimal Weighting Method with RADAR Estimated Rainrate and AWS Rainrate 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.22 no.6, 2006년, pp.485 - 493

오현미 (부산대학교 대기과학과) , 허기영 (부산대학교 대기과학과) , 하경자 (부산대학교 대기과학과)

초록
AI-Helper

본 연구는 최적 결합 방법을 이용하여 다른 시공간 특징을 가진 강수량 자료를 통합하는 것이다. 최적 결합 방법은 AWS 우량계 자료와 S-band RADAR 추정 강수량을 전 시간대의 자신의 평균 제곱 오차에 반비례 하도록 디자인 하였다. 훈련시간에 따른 적절한 최적 가중치를 결정하기 위하여, 훈련시간을 1-10시간까지 실험하기 위하여 긴 기간 동안 비가 지속되었던 장마 사례에 적용하였다. 최적 결합 강수량의 수평장은 훈련시간 2시간 이후부터는 평탄화된 구조를 보여주었고, 최적 결합 강수량은 참값으로 가정한 종관관측 강수량과 수평 구조 및 값의 크기가 잘 일치하였다. 이러한 결과는 최적결합 방법이 다양한 자료들을 이용하여 고해상도의 강수량을 생산하는 데 사용할 수 있다는 것을 제시한다.

Abstract ▼ AI-Helper

This study is to combine precipitation data with different spatial-temporal characteristics using an optimal weighting method. This optimal weighting method is designed for combination of AWS rain gage data and S-band RADAR-estimated rain data with weighting function in inverse proportion to own mean square error for the previous time step. To decide the optimal weight coefficient for optimized precipitation according to different training time, the method has been performed on Changma case with a long spell of rainy hour for the training time from 1 hour to 10 hours. Horizontal field of optimized precipitation tends to be smoothed after 2 hours training time, and then optimized precipitation has a good agreement with synoptic station rainfall assumed as true value. This result suggests that this optimal weighting method can be used for production of high-resolution quantitative precipitation rate using various data sets.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 이들 종관, AWS, RADAR로 관측된 강수량을 사용하여 각 관측의 장점을 살린 최적 결합 방법을 연구하였다. 최적 결합 방법은 2002년 장마 사례에 적용하였으며, 참값을 종관관측 강수량으로 두고 참값과 AWS와 RADAR 강수량의 각각의 평균제곱오차에 반비례하는 최적 가중치로부터 최적 결합 강수량을 계산하였다.
본 연구에서는 종관관측 강수량을 참값으로 두고 지상 RADAR 자료와 AWS (Automatic Weather System) 자료를 최적 결합하였으며, Z-R 관계식의 변화 없이 RADAR 자료가 AWS 자료와의 결합으로 그 정확도가 얼마나 개선될 수 있는지 알아 보고자 한다.
육지의 분포는 AWS 강수량과 비슷하나 전체적으로 강도가 AWS 보다 작으며, 특히 여수지역에서 5mm/h 이상 작게 추정되었다. 종관관측소는 사례지역에 17지점 밖에 분포하지 않아서 상세한 강수 형태를 보여주지는 못하고 있으나 매 시간 점검을 하여 기계적인 오차가 발생할 가능성이 적고, 0.1mm 단위까지 측정이 가능하기 때문에 종관관측 자료를 참값으로 보고 계산하였다. 훈련시간에 따른 최적가중치의 차이를 알아보기 위하여 24일 5시의 1시간, 2시간, 3시간, 10시간의 AWS 의 최적가중치를 Fig.

가설 설정

종관자료와 같이 1시간 누적으로 변환하기 위하여 10분에 한 번씩 관측되는 RADAR 강수량을 1시간 안에 관측되는 6번의 강수량을 모두 더한 값을 1시간 누적 강수량으로 가정하여 사용하였다. AWS는 1시간 누적 강수량이 나오므로 이를 그대로 사용하였다.

제안 방법

장마 전선이 한반도 남서부에 접근하는 2002년 6월 23일부터 6월 24일 오후의 사례에 대하여 최적 결합 방법을 적용하였다. 일본 남부 해상에 머물던 장마전선의 북상으로 전국이 흐리고 비가 내린 사례로 23일 오후부터 남부 지방을 중심으로 장마가 시작하였으며, Fig.
연구하였다. 최적 결합 방법은 2002년 장마 사례에 적용하였으며, 참값을 종관관측 강수량으로 두고 참값과 AWS와 RADAR 강수량의 각각의 평균제곱오차에 반비례하는 최적 가중치로부터 최적 결합 강수량을 계산하였다. 훈련시간에 따른 최적 가중치와 최적 결합강수량을 차이를 보기 위하여 긴 기간동안 강수가 발생한 사례에 대하여 훈련시간을 1시간에서 10시간까지 실험해 본 결과 훈련시간 2시간 이후부터는 가중치의 분포가 평탄화 되어 비슷한 분포를 보였으며, 최적 결합강수량 역시 2시간 이후는 비슷한 분포를 보였다.
주어진 실험기간에 대하여 훈련시간에 따라서 EXH~EXH0로 실험을 디자인하였다. 최적결합 강수량을 구하고자 하는 시간의 바로 1시간 전 제곱오차까지 평균하여 가중치를 구하는데 사용하였다. 예를 들어 24일 5시의 경우, EXP1 는 24일 4시의 제곱오차를 이용하여 가중치를 계산하며, EXP10은 23일 19시부터 24일 4시까지 10시간 동안의 평균제곱오차를 사용하여 최적 가중치가 산출된다.

이론/모형

공간적으로 불균일한 종관자료, AWS와 극좌표로 관측된 RADAR 자료를 통합하기 위해서 Inverse Distance Weighted (IDW) 내삽 방법을 이용하였다. 일반적으로 균질한 격자의 값을 지점 값으로 변환할 때 사용되는 방법으로 내삽하고자 하는 지점의 값과 가까이 있는 값은 많은 영향을, 거리가 있으면 작은 영향을 주도록 거리의 역수에 비례하게 가중치를 주어서 내삽하는 방법이다.
진도 RADAR는 수평적으로 1km이하의 해상도를 가지고 연직적으로 12개의 고도각으로 관측된다. 최저 고도각 (0.19°)의 반사도를 Marshall and Palmer (1948)의 Z-R 계수로 변환한 강수량을 사용하였다. Table 1은 진도 RADAR의 거리에 따른 최저 고도각의 고도로 같은 고도각이라도 Table 1에서 보듯이 RADAR 관측소에서 수평적으로 멀어짐에 따라서 고도차가 많이 나기 때문에 되도록 반경 150km이내의 영역 이용하였다.

성능/효과

(a)는 종관관측 자료를 그린 것으로 광양과 여수지역에서 강한 강수량을 보인다. (b) AWS는 사례영역에서 종관관측지점보다 지점이 약 3배정도 많이 분포하여 상세한 분포를 보이며, 서해안의 영광에서 남해안의 여수까지 강수대를 잘 보여준다. RADAR 자료는 앞서 두 자료와 비교하여 해상도가 상당히 높으며 해상까지 관측이 가능하기 때문에 상세한 강수의 분포 형태에 대한 정보를 주고 있다.
(a)의 종관관측은 전국적으로 약 80여개의 관측소에서 관측이 되며 관측소 간 평균 거리는 약 60km이고 일누적 강수량이 1시간마다 관측된다. (b) AWS는 종관관측소보다 조밀하게 분포하며 관측소 간 평균 거리는 약 15km으로 1분마다 관측되며 1시간 누적 강수량과 일누적 강수량이 매분, 정시 분석 자료에서 제공된다. RADAR 관측은 공간적으로 균질하며 공간해상도는 1km이하이며, Δt는 10분으로 1시간 동안 6번 관측된다.
이들을 통합한 최적 결합 강수량은 종관관측 강수보다 높은 AWS 값은 대부분 종관강수량과 유사하게 조절되었으나 RADAR 강수량에 존재하는 종관관측 강수량보다 작은 값은 여전히 존재하고 있다. AWS와 종관 강수량의 상관계수는 0.77, RADAR와 종관 강수량은 0.74이며, 훈련시간 1시간의 최적 결합 강수량과 종관관측 강수량의 상관 계수는 0.77이며, 훈련시간 10시간의 최적 결합 강수량과 종관관측 강수량의 상관 계수는 0.80이다. 훈련시간 10시간의 상관계수가 약간 높은 것은 최적 가중치가 전체적으로 평탄화되면서 최적 결합 강수량도 평탄화되면서 17지점 밖에 분포하지 않는 종관관측 강수량의 격자화된 평탄한 구조와 잘 일치하는 것처럼 나온 것으로 생각된다.
AWS의 최적 가중치는 남서해안과 사례영역의 북쪽과 지리산 부근에서 크게 나타났다. Figure 5 (a)의 EXJ4의 최적 가중치는 분포는 지역적으로 요철이 심하다.
훈련시간에 따른 최적 가중치와 최적 결합강수량을 차이를 보기 위하여 긴 기간동안 강수가 발생한 사례에 대하여 훈련시간을 1시간에서 10시간까지 실험해 본 결과 훈련시간 2시간 이후부터는 가중치의 분포가 평탄화 되어 비슷한 분포를 보였으며, 최적 결합강수량 역시 2시간 이후는 비슷한 분포를 보였다. 매번 강수 사례마다 10시간의 훈련시간을 가지긴 힘들며 강수량 분포의 지역적인 구조가 잘 나타나는 1시간 과거의 최적 결합값을 사용하는 것이 적합하다고 생각된다.
훈련시간이 3시간, 10시간인 (c) 와 (d) 역시 (b)와 거의 비슷한 분포를 보인다. 본 연구에서는 적정한 훈련시간을 찾기 위해서 긴 기간 동안 강수가 지속이 된 시간대를 정하여 실험을 하였으나, 훈련시간 2시간 이후부터는 가중치의 분포가 평탄화 되어서 큰 차이를 보이지 않았다.
RADAR 자료는 앞서 두 자료와 비교하여 해상도가 상당히 높으며 해상까지 관측이 가능하기 때문에 상세한 강수의 분포 형태에 대한 정보를 주고 있다. 육지의 분포는 AWS 강수량과 비슷하나 전체적으로 강도가 AWS 보다 작으며, 특히 여수지역에서 5mm/h 이상 작게 추정되었다. 종관관측소는 사례지역에 17지점 밖에 분포하지 않아서 상세한 강수 형태를 보여주지는 못하고 있으나 매 시간 점검을 하여 기계적인 오차가 발생할 가능성이 적고, 0.
특히 RADAR 강수량은 10mm/h 이상의 강한 강수를 거의 나타내지 못하고 있다. 이들을 통합한 최적 결합 강수량은 종관관측 강수보다 높은 AWS 값은 대부분 종관강수량과 유사하게 조절되었으나 RADAR 강수량에 존재하는 종관관측 강수량보다 작은 값은 여전히 존재하고 있다. AWS와 종관 강수량의 상관계수는 0.
5시의 최적 결합 강수량이다. 전체적인 분포는 Fig. 4의 RADAR 강수량과 거의 유사하나 종관관측 강수와 AWS 강수에서 10mm/h 이상의 강한 피크를 보이는 지리산 남부 및 광양 등지에서 2mm/h 이상 강수량이 증가하였다. 최적 가중치와 같이 훈련시간 1시간 이상의 최적 결합 강수량은 RADAR 강수량과 비슷한 분포를 보이며 최대값을 보이는 지역이 분포가 줄어드는 것을 알 수 있다.
4의 RADAR 강수량과 거의 유사하나 종관관측 강수와 AWS 강수에서 10mm/h 이상의 강한 피크를 보이는 지리산 남부 및 광양 등지에서 2mm/h 이상 강수량이 증가하였다. 최적 가중치와 같이 훈련시간 1시간 이상의 최적 결합 강수량은 RADAR 강수량과 비슷한 분포를 보이며 최대값을 보이는 지역이 분포가 줄어드는 것을 알 수 있다.
총강수량은 24일 오전 6시에 98mm/h로 최대값을 보이며 오후부터는 총강수량이 10mm/h 이하로 감소하였다. 최적 결합을 적용한 실험기간은 강수가 증가하기 시작해서 10시간 정도가 지난 23일 22시부터 24일 11시까지 14시간이다. 주어진 실험기간에 대하여 훈련시간에 따라서 EXH~EXH0로 실험을 디자인하였다.
최적 결합 방법은 2002년 장마 사례에 적용하였으며, 참값을 종관관측 강수량으로 두고 참값과 AWS와 RADAR 강수량의 각각의 평균제곱오차에 반비례하는 최적 가중치로부터 최적 결합 강수량을 계산하였다. 훈련시간에 따른 최적 가중치와 최적 결합강수량을 차이를 보기 위하여 긴 기간동안 강수가 발생한 사례에 대하여 훈련시간을 1시간에서 10시간까지 실험해 본 결과 훈련시간 2시간 이후부터는 가중치의 분포가 평탄화 되어 비슷한 분포를 보였으며, 최적 결합강수량 역시 2시간 이후는 비슷한 분포를 보였다. 매번 강수 사례마다 10시간의 훈련시간을 가지긴 힘들며 강수량 분포의 지역적인 구조가 잘 나타나는 1시간 과거의 최적 결합값을 사용하는 것이 적합하다고 생각된다.

참고문헌 (10)

하경자, 오현미, 서애숙, 김정희, 2002. TRMM/PR 자료와 지상 레이더와의 비교, 한국지리정보학회지, 5(4): 1-8
Atlas, D. and A. C. Chmela, 1957. Physical-synoptic variations of drop size parameters. Proc 6th Wea. Radar Conf., Boston, USA, Amer. Meteor. Soc., 21-29
Biggersfaff, M. I. and S. A. Listemaa, 2000. An improved scheme for convective/stratiform echo classfication using radar reflectivity, J. Appl, Meteor., 39: 2129-2150

상세보기
Gargin, A., D. Rosenfeld, and R. E. Lopez, 1985. The relationship between height and precitation characteristics of summertime convective cells in Florida, J. Atmos. Sci., 43: 84-94
Marshall, J. S. and W. Mck. Palmer, 1948. The distribution of raindrops size. J. Atmos. Sci., 5: 165-166

상세보기
North, G. R. and S. Nakamoto, 1989. Formalism for comparing rain estimation designs, J. of Atmospheric and Oceanic Technology, 6: 985-992

상세보기
North, G. R., Samuel S. P. Shen, and R. B. Upson, 1991. Combining rain gages with satellite measurements for optimal estimates of areatime averaged rain rates, Water Resources Research, 27: 2785-2790

상세보기
Steiner, M. and R. A. Houze Jr., 1993. Three dimensional validation at TRMM ground truth sites: some early results from Darwin, Australia. Preprints, 26th Inter. Conf. Radar Meteor., Norman, USA, Amer. Meteor. Soc., 417-420
Steiner, M, R. A. Houze Jr, and S. E. Yuter, 1995. Climatological characterization of threedimensional storm structure from operational radar and rain gage data, J. Appl, Meteor., 34: 1978-2007

상세보기
Woodley, W. L., A. R. Olsen, A. Herndon, and V. Wigert, 1975. Comparison of gage and radar methods of convective rain measurement, J. Appl. Meteor., 14: 909-928

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증