선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 3차원 변분 자료동화 방법을 이용하여, 3km 해상도 모의 영역(D3)에 대해 기상청 및 국립산림과학원 AWS 관측 자료를 동화하였다. 동화에 사용한 관측자료는 AWS를 사용 하였으며 앞서 언급한 기상청 467개소와 과 산림과학원의 30개소를 사용하였고 동화에 사용한 관측 요소는 u, v, 기온, 기압, 습도자료를 사용하였다.
- (2005)은 MUKLIMO 모형을 이용하여 경북대학교 캠퍼스 내 상세 바람장을 모의 하였다. 본 연구에서는 산악지역의 고해상도 바람장 자료를 확보하기 위해 MUKLIMO를 수행하였다.
- (2009)은 중규모 모형인 MM5와 객관 분석 방법을 이용하여 AWS 관측 자료를 동화하는 실험을 수행하였다. 본 연구에서는 이와 같은 과정을 위하여, 기상청과 산림과학원에서 설치한 AWS(Automatic Weather System)를 이용하여 관측자료를 동화 하였다.
- 1을 사용하였다. 이번 연구에서는 산림 미기상의 실시간 예측을 위한 시스템 최적화를 최종 목적으로 하고 있다. Fig.
제안 방법
- MUKLIMO 모형을 이용하여 지형 및 수목의 효과를 반영한 모의 바람장과 WRF 모형의 모의 바람장을 기상청 및 국립산림과학원 AWS 자료와 비교·검증하였다.
- MUKLIMO 모형의 입력 바람장은 WRF 모형 1km 해상도 모의 결과로부터 얻기 때문에, MUKLIMO 모형의 바람장 산출 결과를 자료 동화를 한 경우와 하지 않은 경우로 나누어 검증함으로써 MUKLIMO의 성능에 더해 자료동화 효과도 살펴보았다. Fig.
- 본 연구에서는 2013년 3월 봉화와 강릉에서 발생한 산불을 WRF와, 3D-var로 모의 하였다. WRF에서 나온 Output 자료를 이용하여 MUKLIMO 모형을 기반으로 산림 미기상 해석 및 모의를 위한 예측 시스템의 구축과 최적화를 이루었다. 이를 위해 3차원 변분 자료 동화 방법을 사용하여 기상청 AWS 관측 자료를 동화하였고, WRF의 예보에 MUKLIMO 모형을 결합하여 100m의 고해상도 바람장을 산출하였다.
- 기상청 및 국립산림과학원의 AWS 자료를 이용하여 WRF 모형의 3km 해상도의 Domain에서 3차원 변분 자료동화 방법을 사용하여 자료동화를 수행하였고, 미세규모 도시 모형인 MUKLIMO 모형을 이용하여 경북 및 강원 지역에 대한 약 100m 해상도 3차원 바람장을 산출하였다. WRF 모형의 모의 결과를 MUKLIMO 모형의 입력 바람장으로 사용하여, MUKLIMO 모형을 일종의 예단 모형으로 사용하였다.
- WRF 모형의 모의 결과를 MUKLIMO 모형의 입력 바람장으로 사용하여, MUKLIMO 모형을 일종의 예단 모형으로 사용하였다. 바람장 계산 시 지형 및 수목의 효과를 고려하기 위하여, DEM 3초 해상도지형 자료와 국립산림과학원 수목 자료(수종 및 수령)를 이용하여 MUKLIMO 모형에 대한 입력 자료를 생성하였다.
- 따라서 산불, 산사태 등 산림 재해의 예방 및 대응을 위한 정밀한 산림 미기상 예측 시스템의 개발이 필요하다. 본 연구에서는 2013년 3월 봉화와 강릉에서 발생한 산불을 WRF와, 3D-var로 모의 하였다. WRF에서 나온 Output 자료를 이용하여 MUKLIMO 모형을 기반으로 산림 미기상 해석 및 모의를 위한 예측 시스템의 구축과 최적화를 이루었다.
- 첫째, 자료 동화를 위한 배경장을 제공하며, 자료 동화 과정에서는 배경장, 관측, 그리고 각각의 오차 공분산을 이용하여 향상된 초기 조건인 분석장을 생성한다. 분석장은 다시 WRF 모형의 초기 조건으로 사용되어, 최종적인 WRF 모형의 모의 결과를 산출한다. 둘째, WRF 모형의 수행을 통해 1km 해상도의 바람, 온도, 습도, 강수량 등 산림 미기상 요소에 대한 고해상도 실시간 예측이 가능하다.
- WRF에서 나온 Output 자료를 이용하여 MUKLIMO 모형을 기반으로 산림 미기상 해석 및 모의를 위한 예측 시스템의 구축과 최적화를 이루었다. 이를 위해 3차원 변분 자료 동화 방법을 사용하여 기상청 AWS 관측 자료를 동화하였고, WRF의 예보에 MUKLIMO 모형을 결합하여 100m의 고해상도 바람장을 산출하였다. 자료동화를 수행하지 않은 CNTL 실험에 비해 자료 동화를 수행한 KMA 혹은 KMA_KFRI실험의 모의 결과가 관측과 가까워짐을 확인하였다.
- 중규모 모형인 WRF 모형을 이용하여 경북과 강원지역에 대해 1km 해상도의 모의 결과를 도출하였다. 국립산림과학원에서 설치·운영 중인 산악 기상 관측망 자료의 활용을 위하여, 2013년에 발생한 산불 사례를 선정하여 실험을 수행하였다.
- 중규모 모형인 WRF 모형의 모의 결과는 다음과 같은 역할을 한다. 첫째, 자료 동화를 위한 배경장을 제공하며, 자료 동화 과정에서는 배경장, 관측, 그리고 각각의 오차 공분산을 이용하여 향상된 초기 조건인 분석장을 생성한다. 분석장은 다시 WRF 모형의 초기 조건으로 사용되어, 최종적인 WRF 모형의 모의 결과를 산출한다.
대상 데이터
- 2013년 1월 1일부터 산악 기상망 AWS관측 자료가 축적됨에 따라, 산악 기상망 자료의 유용성과 활용 가능성을 조사하기 위하여 산악 기상망 AWS가 설치된 지역인 경북 및 강원 지역에서 발생한 산불 사례를 선정하여 실험을 수행하였다. 경북 지역에 대해 선정한 산불 사례는 2013년 3월 9일 경북 봉화에서 발생한 산불이다.
- 중규모 모형인 WRF 모형을 이용하여 경북과 강원지역에 대해 1km 해상도의 모의 결과를 도출하였다. 국립산림과학원에서 설치·운영 중인 산악 기상 관측망 자료의 활용을 위하여, 2013년에 발생한 산불 사례를 선정하여 실험을 수행하였다.
- 5는 경북 지역에서 2013년에 발생한 산불 사례에 대해, MUKLIMO 모형을 이용하여 고해상도 바람장을 추출하고 그 결과를 관측과 비교한 것이다. KMA 실험외에 기상청 AWS 자료와 국립산림과학원 AWS 자료를 동시에 동화한 KMA_KFRI 실험을 수행하였고, 검증에도 국립산림과학원 AWS 자료를 이용하였다. 동서 방향의 바람의 경우, 서로 인접한 기상청 AWS 관측과 국립산림과학원 AWS 관측 사이에 차이가 존재하는 것을 확인할 수 있다(좌측상단, 중앙상단).
- 2013년 1월 1일부터 산악 기상망 AWS관측 자료가 축적됨에 따라, 산악 기상망 자료의 유용성과 활용 가능성을 조사하기 위하여 산악 기상망 AWS가 설치된 지역인 경북 및 강원 지역에서 발생한 산불 사례를 선정하여 실험을 수행하였다. 경북 지역에 대해 선정한 산불 사례는 2013년 3월 9일 경북 봉화에서 발생한 산불이다. 2013년 3월 9일 15 KST 관측에서는 경북 지역의 상대습도가 30% 이하로 매우 건조한 것으로 나타났으며, 남한 대부분 지역의 상대습도도 40% 이하로 산불이 발생하기에 좋은 조건을 갖추고 있었다.
- 국립산림과학원에서 설치·운영 중인 산악 기상 관측망 자료의 활용을 위하여, 2013년에 발생한 산불 사례를 선정하여 실험을 수행하였다.
- 본 연구에서는 3차원 변분 자료동화 방법을 이용하여, 3km 해상도 모의 영역(D3)에 대해 기상청 및 국립산림과학원 AWS 관측 자료를 동화하였다. 동화에 사용한 관측자료는 AWS를 사용 하였으며 앞서 언급한 기상청 467개소와 과 산림과학원의 30개소를 사용하였고 동화에 사용한 관측 요소는 u, v, 기온, 기압, 습도자료를 사용하였다. 또한 동화실험에 사용된 모형은 WRF-DA이다.
- 2013년 3월 9일 15 KST 관측에서는 경북 지역의 상대습도가 30% 이하로 매우 건조한 것으로 나타났으며, 남한 대부분 지역의 상대습도도 40% 이하로 산불이 발생하기에 좋은 조건을 갖추고 있었다. 또한 강원 지역에 대해서는 2013년 3월 28일 강릉에서 발생한 산불 사례를 선택하였다. 3월 28일 경기도와 강원도, 충청도 지역의 상대습도가 30% 이하로 건조한 상태로 관측됐다.
- 본 연구에서 사용한 관측자료는 기상청에서 설치한 AWS 467개소이고 주로 서울을 중심으로 하는 수도권 인근, 그리고 산지보다는 평지 쪽에 밀집되어 있다. 또한 산림과학원에서 설치한 AWS 30개소를 사용하였고 주로 산악지역을 중심으로 설치되었다. Fig.
- 본 연구에서 사용한 관측자료는 기상청에서 설치한 AWS 467개소이고 주로 서울을 중심으로 하는 수도권 인근, 그리고 산지보다는 평지 쪽에 밀집되어 있다. 또한 산림과학원에서 설치한 AWS 30개소를 사용하였고 주로 산악지역을 중심으로 설치되었다.
- 모형 수행을 위한 초기 및 경계 자료로는 실시간 예측을 하기 위해서 전구 모형의 예보 자료를 사용해야 한다. 본 연구에서는 미국 NCEP(National Center for Environmental Prediction)에서 운영 중인 전구모형의 예보 자료인 GFS(Global Forecast System) 자료를 모형의 초기 및 경계 조건으로 사용하였다.
- 1은 기상청 AWS 관측 자료와 국립산림과학원 AWS관측 자료의 분포를 나타낸다. 사용한 AWS의 관측 요소는 풍속, 풍향, 온도, 기압, 습도 자료를 사용하였다.
- 이후 WRF 모형을 수행하여 1km 해상도 모의영역에 대한 모의 결과를 도출한 후, 이를 평균하여 MUKLIMO 모형 수행을 위한 입력 바람장으로 사용한다. 지형, 수목, 거칠기 길이에 대한 인풋 파일과 예단 모형인 WRF 모형의 모의 결과를 입력 자료로 MUKLIMO 모형을 수행하여 100m 해상도의 바람장 자료를 산출 할 수 있다.
이론/모형
- 본 연구에서는 중규모 모형인 WRF 모형의 모의 결과를 MUKLIMO 모형의 입력 바람장으로 사용하였다. WRF 모형의 1km 해상도 모의 영역에 대한 모의 결과를 평균하여 MUKLIMO 모형의 입력 바람장으로 사용하였다. MUKLIMO 모형 수행은 다음과 같은 순서에 의해 이루어진다.
- 기상청 및 국립산림과학원의 AWS 자료를 이용하여 WRF 모형의 3km 해상도의 Domain에서 3차원 변분 자료동화 방법을 사용하여 자료동화를 수행하였고, 미세규모 도시 모형인 MUKLIMO 모형을 이용하여 경북 및 강원 지역에 대한 약 100m 해상도 3차원 바람장을 산출하였다. WRF 모형의 모의 결과를 MUKLIMO 모형의 입력 바람장으로 사용하여, MUKLIMO 모형을 일종의 예단 모형으로 사용하였다. 바람장 계산 시 지형 및 수목의 효과를 고려하기 위하여, DEM 3초 해상도지형 자료와 국립산림과학원 수목 자료(수종 및 수령)를 이용하여 MUKLIMO 모형에 대한 입력 자료를 생성하였다.
- 동화에 사용한 관측자료는 AWS를 사용 하였으며 앞서 언급한 기상청 467개소와 과 산림과학원의 30개소를 사용하였고 동화에 사용한 관측 요소는 u, v, 기온, 기압, 습도자료를 사용하였다. 또한 동화실험에 사용된 모형은 WRF-DA이다.
- 또한 중규모 모형으로 사용한 모델은 WRF v3.5.1을 사용하였다. 이번 연구에서는 산림 미기상의 실시간 예측을 위한 시스템 최적화를 최종 목적으로 하고 있다.
- 또한 WRF는 30초의 지형해상도를 제공하지만 MUKLIMO는 3초 해상도의 지형자료를 이용할 수 있기 때문에 보다 정밀한 바람장 산출이 가능하다. 본 연구에서는 중규모 모형인 WRF 모형의 모의 결과를 MUKLIMO 모형의 입력 바람장으로 사용하였다. WRF 모형의 1km 해상도 모의 영역에 대한 모의 결과를 평균하여 MUKLIMO 모형의 입력 바람장으로 사용하였다.
- 산림 지역에 대한 기상 요소를 정확하게 예측할 수 있는 시스템은 크게 세 부분으로 구성하였는데, 중규모 모형인 WRF(Weather Research and Forecasting) 모형, WRF 모형의 초기 조건을 개선하기 위한 자료동화 시스템인 WRF-DA 시스템, 그리고 WRF 모형모의 결과를 입력 자료로 역학적 다운스케일링을 하기 위한 MUKLIMO(Micro scale Urban Climate Model) 모형이 세 부분을 이룬다. 중규모 모형인 WRF 모형의 모의 결과는 다음과 같은 역할을 한다.
- 3은 WRF 모형의 수행을 위한 모의 영역과 모의 영역에 대한 지형 고도를 나타낸다. 수평 방향의 해상도가 27, 9, 3, 1km인 총 4개의 모의 영역을 설정하였고, 단방향 둥지 격자 내림법(one-way nesting)을 이용하였다.
- 우선 MUKLIMO 모형 수행을 위한 모의 영역이 결정되면 모의 영역에 대한 지형 및 수목 Input 파일을 생성한다. 이후 WRF 모형을 수행하여 1km 해상도 모의영역에 대한 모의 결과를 도출한 후, 이를 평균하여 MUKLIMO 모형 수행을 위한 입력 바람장으로 사용한다. 지형, 수목, 거칠기 길이에 대한 인풋 파일과 예단 모형인 WRF 모형의 모의 결과를 입력 자료로 MUKLIMO 모형을 수행하여 100m 해상도의 바람장 자료를 산출 할 수 있다.
성능/효과
- 2013년에 발생한 산불사례를 선정하여 실험을 수행하였다. 검증 결과, 자료동화를 수행한 Input 자료를 사용한 MUKLIMO 모형의 모의 결과가 자료동화를 수행하지 않은 Input 자료를 사용한 MUKLIMO 모형의 모의 결과에 비해 관측에 가까움을 확인할 수 있었다. 이러한 경향은 자료동화를 한 시점에 가까울수록 뚜렷하게 나타났다.
- 나머지 국립산림과학원 관측 지점(중앙하단, 우측하단)에 대한 MUKLIMO 모형의 모의 결과는 관측과 상당히 유사한 것을 확인할 수 있다. 동서 방향의 바람과 마찬가지로, 남북 방향의 바람 모의에 있어서도 기상청 혹은 국립산림과학원 AWS 자료의 동화효과는 예보 초기 시각 부근에 한정되며, 기상청 AWS 관측 자료에 비해 국립산림과학원 AWS 자료의 효과는 상대적으로 작은 것을 확인할 수 있다.
- 분석장은 다시 WRF 모형의 초기 조건으로 사용되어, 최종적인 WRF 모형의 모의 결과를 산출한다. 둘째, WRF 모형의 수행을 통해 1km 해상도의 바람, 온도, 습도, 강수량 등 산림 미기상 요소에 대한 고해상도 실시간 예측이 가능하다. 셋째, WRF 모형 1km 해상도 모의 결과는 MUKLIMO 모형의 입력 바람장으로 사용되어 약 100m 해상도의 3차원 바람장 산출이 가능하다.
- 둘째, WRF 모형의 수행을 통해 1km 해상도의 바람, 온도, 습도, 강수량 등 산림 미기상 요소에 대한 고해상도 실시간 예측이 가능하다. 셋째, WRF 모형 1km 해상도 모의 결과는 MUKLIMO 모형의 입력 바람장으로 사용되어 약 100m 해상도의 3차원 바람장 산출이 가능하다.
- 이를 위해 3차원 변분 자료 동화 방법을 사용하여 기상청 AWS 관측 자료를 동화하였고, WRF의 예보에 MUKLIMO 모형을 결합하여 100m의 고해상도 바람장을 산출하였다. 자료동화를 수행하지 않은 CNTL 실험에 비해 자료 동화를 수행한 KMA 혹은 KMA_KFRI실험의 모의 결과가 관측과 가까워짐을 확인하였다. MUKLIMO에서 산출된 바람장 자료를 이용하여 보다 정확한 산림 미기상 예측 시스템을 구축할 수 있었다.
후속연구
- 또 한 가지 주목해야 할 점은 강원 지역에 대한 MUKLIMO 모형의 수행 시 지형의 고도가 높아 모형 수행이 불완전하게 종료되는 경우가 있다는 점이다. 향후 이러한 문제점에 대한 해결책 제시가 필요할 것이다. 국립산림과학원 AWS 관측 지점 바람에 대한 MUKLIMO 모형의 모의 결과에서도 시간에 따른 바람 변화를 잘 모의해 내지 못하고 있다(중앙, 좌측).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.