최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국항공운항학회지 = Journal of the Korean Society for Aviation and Aeronautics, v.20 no.4, 2012년, pp.76 - 83
김정훈 (연세대학교 지구환경연구소) , 전혜영 (연세대학교 대기과학과)
Korean aviation Turbulenc Guidance (KTG) system is developed using the operational unified model (UM) of the Korea Meteorological Administration (KMA) and pilot reports (PIREPs) over East Asia. The KTG system comprised of twenty turbulence diagnostics that represent various turbulence potentials and...
Lester P., 1994: Turbulence: A New Perspective for pilots. 212pp, Jepperson Sanderson.
항공난류는 대기 중 난류 요란이 항공기에 직접적으로 영향을 주어 항공기가 급격히 흔들리는 현상으로 정의 된다[1].
Ellrod, G. , P. Lester, and L. J. Ehenberger, 2003: Clear air turbulence. In Encyclopedia of Atmospheric Sciences. Academic press. 393-403.
특히 이러한 항공난류는 레이더 에코 또는 대류운과 같이 사전에 인지 가능한 경고 없이, 맑은 하늘에서 급작스럽게 발생 하는 청천난류 (Clear-Air Turbulence; CAT) 가 대부분을 차지하고 있어 그 예측이 어려운 실정이다[2].
Kim, J.-H., and H.-Y. Chun, 2011: Statistics and possible sources of aviation turbulence over South Korea. J. Appl. Meteor. Climatol., 50, 311-324.
또한, 한국은 국토의 70% 이상이 산악으로 구성되어 있어, 산악으로 유입되는 하층 바람 및 풍상측 안정도의 계절 변동에 따라, 다양한 스펙트럼의 산악파에 의한 난류 발생이 사계절 모두 용이하다[4].
Kim and Chun [4]는 장기간 조종사 기상보고(pil아 reports; 이하 PIREPs) 자료와 현업일기모델 및 Lightning 관측 자료를 이용해서 한국에서 발생한 항공난류를 각각 제트류 청천난류, 산악파에 의한 청천난류, 대류운과 관련된 난류로 분류하였으며, 민재식 둥[5]은 청천난류를 중심으로 시어불안정, 관성불안 정, 산악파에 의한 청천난류로 분류하여 그 메커니즘별 시•공간적 분포 특성을 파악하였다.
그 중에서 봄철 KTG 예측성이 가장 높았으며, 이는 봄철 가장 빈번히 발생하는 강한 제트류 및 상층전선 때문으로 사료되며, 이는 선행연구결과와 일맥상통한다[4, 5, 6, 7, 17, 18, 19].
민재식, 전혜영, 김정훈, 2011: 한국에서 발생한 청천난류 사례에서 나타나는 종관규모 대기상태에 대한 연구. 대기, 21(1), 69-83.
Kim and Chun [4]는 장기간 조종사 기상보고(pil아 reports; 이하 PIREPs) 자료와 현업일기모델 및 Lightning 관측 자료를 이용해서 한국에서 발생한 항공난류를 각각 제트류 청천난류, 산악파에 의한 청천난류, 대류운과 관련된 난류로 분류하였으며, 민재식 둥[5]은 청천난류를 중심으로 시어불안정, 관성불안 정, 산악파에 의한 청천난류로 분류하여 그 메커니즘별 시•공간적 분포 특성을 파악하였다.
그 중에서 봄철 KTG 예측성이 가장 높았으며, 이는 봄철 가장 빈번히 발생하는 강한 제트류 및 상층전선 때문으로 사료되며, 이는 선행연구결과와 일맥상통한다[4, 5, 6, 7, 17, 18, 19].
Kim, J.-H., and H.-Y. Chun, 2010: A numerical study of clear-air turbulence (CAT) encounters over South Korea on 2 April 2007. J. Appl. Meteor. Climatol., 49, 2381-2403.
한편, Kim and Chun[6]은 5년(2003-2008)동안 하루에 가장 많은 난류가 발생한 2007년 4월 2일 사례에 대한 고해상도 수치모델 실험을 통해, 같은 기간 다른 지역에서의 난류 발생 원인이 각각 제트 하부의 시어 불안정, 산악파 파동파괴, 고기 압성 회전에 의한 관성 불안정으로 다름을 보였다.
그 중에서 봄철 KTG 예측성이 가장 높았으며, 이는 봄철 가장 빈번히 발생하는 강한 제트류 및 상층전선 때문으로 사료되며, 이는 선행연구결과와 일맥상통한다[4, 5, 6, 7, 17, 18, 19].
민재식, 김정훈, 전혜영, 2012: 한국에서 발생한 청천난류 사례에 대한 수치연구. 대기, 22(3), 321-330.
또한, 민재식 둥[7]은 선행연구에서 분류된 대표 사례들에 대한 수치실험 연구를 통해 분류된 사례들의 발생 메커니즘을 확인하였다.
여기서, AUC의 값이 1에 가까울수록 그 난류지수가 관측된 MOD와 NIL난류사례들을 모두 완벽하게 예측하는 것을 의미하며, AUC가 0.5일 경우 예측 성능이 전혀 없음을 의미한다[9, 17, 18, 19].
그 중에서 봄철 KTG 예측성이 가장 높았으며, 이는 봄철 가장 빈번히 발생하는 강한 제트류 및 상층전선 때문으로 사료되며, 이는 선행연구결과와 일맥상통한다[4, 5, 6, 7, 17, 18, 19].
Cho, J. Y. N., and E. Lindborg, 2001: Horizontal velocity structure functions in the upper troposphere and lower stratosphere. 1. Observations. J. Geophys. Res., 106, 10223-10232.
Sharman, R., C. Tebaldi, G. Wienner, and J. Wolff, 2006: An integrated approach to midand upper-level turbulence forecasting. Wea. Forecasting, 21, 268-287.
따라서, 항공난류의 발생 가능한 위치 및 강도는 다양한 난류발생 메커니즘에 의해 개발된 여러 난류진단지수들을 현업 일기모형에 적용하고, 그들의 예측성에 따라 통합함으로써 최적화된 진단 및 예측이 가능하다[9].
Sharman et al.[9]은 통합난류예측 방법론을 미국에서 관측된 PIREPs과 현업 일기모형에 적용한 GTG(Graphical Turbulence Guidance) 시스템을 개발하였으며, 이를 통해서 각 난류지수 및 SIGMET(significant meteorological information) 둥과 같은 예보자의 경험에 의거한 난류 예측보다 GTG에 의한 난류예측이 더 정확함을 보였다.
Kim et 은 미국의 GTG 방법론을 한국 및 동아시아 자료에 적용하고, 추가적으로 시스템 구성요소인 난류지수개수, 계절 변동, 사용된 모델자료 및 예보리드타임에 따른 예측 민감도를 조사함으로써 Sharman et al.[9]의 연구를 확장하였다.
셋째, 사용된 관측 자료의 양과 질이 높을수록, 구성 난류지수들의 임계값이 관측에 맞게 보정되어 시스템의 난류 예측 성능이 증가한다[9, 17, 18, 19].
Fig. 7b는 계산된 KTG 예측성의 통계적 검증을 수행한 것으로, 1년간 수집된 상층 PIREPs 표본자료의 1/2 크기를 가지면서, 개별 사례들이 랜덤하게 선택된 100개의 샘플자료들을 이용해 추가적으로 검증을 수행한 PODY-PODN 곡선들 중 최대와 최소 AUC를 가지는 결과를 나타낸것이다[9, 18, 19].
신대원, 2005: 2월과 3월의 난류분포에 대한 연구. 한국항공운항학회지, 13(2), 27-34.
한국에서는 신대원 [10], 김영철과 박상환 [11] 이 난류 관측 자료로, 이숭재와 김영철[12], Lee et al.[13], 김영철[14], 김영철[15]이 수치모델자료로 부터 계산된 개별난류지수들을 관측된 PIREPs와 비교하여 그 특성들을 살펴보았다.
이승재, 김영철, 2002: 남한지역 상공에서 관측된 항공기 난류예보의 수치예보와 검증. 한국기상학회지, 38(5), 493-507.
한국에서는 신대원 [10], 김영철과 박상환 [11] 이 난류 관측 자료로, 이숭재와 김영철[12], Lee et al.[13], 김영철[14], 김영철[15]이 수치모델자료로 부터 계산된 개별난류지수들을 관측된 PIREPs와 비교하여 그 특성들을 살펴보았다.
Lee, Y.-G., B. C. Choi, R. Sharman, G. Wienner, and H.-W. Lee, 2003: Determination of the primary diagnostics for the CAT (clearair turbulence) forecast in Korea. J. Kor. Meteor. Soc., 39, 677-688.
한국에서는 신대원 [10], 김영철과 박상환 [11] 이 난류 관측 자료로, 이숭재와 김영철[12], Lee et al.[13], 김영철[14], 김영철[15]이 수치모델자료로 부터 계산된 개별난류지수들을 관측된 PIREPs와 비교하여 그 특성들을 살펴보았다.
김영철, 2010: KWRF를 활용한 한반도 항공기 난류 지수 특성 분석. 한국항공운항학회지, 18(1), 91-101.
한국에서는 신대원 [10], 김영철과 박상환 [11] 이 난류 관측 자료로, 이숭재와 김영철[12], Lee et al.[13], 김영철[14], 김영철[15]이 수치모델자료로 부터 계산된 개별난류지수들을 관측된 PIREPs와 비교하여 그 특성들을 살펴보았다.
김영철, 2011: PIREP과 KWRF를 활용한 한반도 난류, 착빙 지수의 임계값 설정 및 검증. 한국항공운항학회지, 19(3), 54-60.
한국에서는 신대원 [10], 김영철과 박상환 [11] 이 난류 관측 자료로, 이숭재와 김영철[12], Lee et al.[13], 김영철[14], 김영철[15]이 수치모델자료로 부터 계산된 개별난류지수들을 관측된 PIREPs와 비교하여 그 특성들을 살펴보았다.
장욱, 전혜영, 김정훈, 2009: 한국의 청천난류 예보 시스템에 대한 연구. Part 1: 한국형 통합 난류 예측 알고리즘. 대기, 19(3), 255-268.
장욱 등[16]과 김정훈 등[17]은 개별난류지수들을 통합하여 예측된 난류발생 지역을 관측된 PIREPs자료와 비교 및 검증함으로써, 한국에서도 통합난류예측이 개별난류지수들보다 그 예측성이 뛰어남올 보였다.
김정훈, 전혜영, 장욱, R. Sharman, 2009: 한국의 청천난류 예보 시스템에 대한 연구. Part II: Graphical Turbulence Guidance (GTG) 시스템. 대기, 19(3), 269-287.
장욱 등[16]과 김정훈 등[17]은 개별난류지수들을 통합하여 예측된 난류발생 지역을 관측된 PIREPs자료와 비교 및 검증함으로써, 한국에서도 통합난류예측이 개별난류지수들보다 그 예측성이 뛰어남올 보였다.
셋째, 사용된 관측 자료의 양과 질이 높을수록, 구성 난류지수들의 임계값이 관측에 맞게 보정되어 시스템의 난류 예측 성능이 증가한다[9, 17, 18, 19].
난류 강도별로 누적화된 개별난류지수들의 평균값들(TLT5)이 각 지수들의 난류강도(NIL-EXT) 에 대응되는 임계값들이 된다[17, 18, 19].
여기서, AUC의 값이 1에 가까울수록 그 난류지수가 관측된 MOD와 NIL난류사례들을 모두 완벽하게 예측하는 것을 의미하며, AUC가 0.5일 경우 예측 성능이 전혀 없음을 의미한다[9, 17, 18, 19].
그 중에서 봄철 KTG 예측성이 가장 높았으며, 이는 봄철 가장 빈번히 발생하는 강한 제트류 및 상층전선 때문으로 사료되며, 이는 선행연구결과와 일맥상통한다[4, 5, 6, 7, 17, 18, 19].
Kim, J.-H., H.-Y. Chun, R. D. Sharman, and T. Keller, 2011: Evaluations of upper-level turbulence diagnostics performance using the Graphical Turbulence Guidance (GTG) system and pilot reports (PIREPs) over East Asia. J. Appl. Meteor. Climatol., 50, 1936-1951.
셋째, 사용된 관측 자료의 양과 질이 높을수록, 구성 난류지수들의 임계값이 관측에 맞게 보정되어 시스템의 난류 예측 성능이 증가한다[9, 17, 18, 19].
난류 강도별로 누적화된 개별난류지수들의 평균값들(TLT5)이 각 지수들의 난류강도(NIL-EXT) 에 대응되는 임계값들이 된다[17, 18, 19].
여기서, AUC의 값이 1에 가까울수록 그 난류지수가 관측된 MOD와 NIL난류사례들을 모두 완벽하게 예측하는 것을 의미하며, AUC가 0.5일 경우 예측 성능이 전혀 없음을 의미한다[9, 17, 18, 19].
Fig. 7b는 계산된 KTG 예측성의 통계적 검증을 수행한 것으로, 1년간 수집된 상층 PIREPs 표본자료의 1/2 크기를 가지면서, 개별 사례들이 랜덤하게 선택된 100개의 샘플자료들을 이용해 추가적으로 검증을 수행한 PODY-PODN 곡선들 중 최대와 최소 AUC를 가지는 결과를 나타낸것이다[9, 18, 19].
그 중에서 봄철 KTG 예측성이 가장 높았으며, 이는 봄철 가장 빈번히 발생하는 강한 제트류 및 상층전선 때문으로 사료되며, 이는 선행연구결과와 일맥상통한다[4, 5, 6, 7, 17, 18, 19].
김정훈, 전혜영, 2011: 통합지역모델을 이용한 한국형 중상층 항공난류예측시스템 개발. 대기, 21(4), 497-506.
김정훈과 전혜영[19]은 기상청 현업 일기예보모델에 최적화된 한국형 통합난류예측 시스템올 구축하고, 이를 항공기상청에 현업화 하였다.
셋째, 사용된 관측 자료의 양과 질이 높을수록, 구성 난류지수들의 임계값이 관측에 맞게 보정되어 시스템의 난류 예측 성능이 증가한다[9, 17, 18, 19].
기상청 현업일기예보모델은 크게 전구 모델과 지역 모델로 나누어지며, 두 모델 모두 동일한 통합 모델[19]이 기반이지만, 지역 모델은 한국을 중심으로 더 세밀한 수평격자(12 km)를 가지는 둥지격자(Fig. 1)에서의 기상 변수들을 예측한다.
새로운 KTG 시스템의 방법론은 김정훈과 전혜영 [19]에서 구축한 기존 KTG 시스템과 크게 다르지 않게 세 단계(구성요소 설정, 구축된 요소 적용, 검증 단계)로 구성된다.
본 연구에서는 각 과정을 비교적 간단하게 서술하였으며, 관련 논문은 김정훈과 전혜영[19]이 있다.
난류 강도별로 누적화된 개별난류지수들의 평균값들(TLT5)이 각 지수들의 난류강도(NIL-EXT) 에 대응되는 임계값들이 된다[17, 18, 19].
여기서, AUC의 값이 1에 가까울수록 그 난류지수가 관측된 MOD와 NIL난류사례들을 모두 완벽하게 예측하는 것을 의미하며, AUC가 0.5일 경우 예측 성능이 전혀 없음을 의미한다[9, 17, 18, 19].
Fig. 7b는 계산된 KTG 예측성의 통계적 검증을 수행한 것으로, 1년간 수집된 상층 PIREPs 표본자료의 1/2 크기를 가지면서, 개별 사례들이 랜덤하게 선택된 100개의 샘플자료들을 이용해 추가적으로 검증을 수행한 PODY-PODN 곡선들 중 최대와 최소 AUC를 가지는 결과를 나타낸것이다[9, 18, 19].
그 중에서 봄철 KTG 예측성이 가장 높았으며, 이는 봄철 가장 빈번히 발생하는 강한 제트류 및 상층전선 때문으로 사료되며, 이는 선행연구결과와 일맥상통한다[4, 5, 6, 7, 17, 18, 19].
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.