GNSS 기상학은 1980년 중반 기상 분야에 활용 가능성이 제기된 후, 전 세계적으로 실용화 가능성이 입증되고 있으며, 현재 기상현업에 활용하기 위한 연구가 활발히 진행되고 있다. GNSS 신호의 대류권 지연오차에 기반하여 산출한 가강수량은 대기 중 수증기량을 나타낸 것으로, 기후 모니터링, 기후의 변화 탐지 등 다양한 기상현상 분석에 많이 사용되고 있다. 본 연구에서는 2014년 2월 울산에 내린 폭설현상 분석을 위해 GNSS 상시관측소와 자동기상관측장치에서 제공하는 기상관측 정보를 이용하여 가강수량을 산출하였다. 산출 과정 중 중요한 파라미터인 가중 평균 기온식은 송동섭의 모델을 적용하였다(Song, 2009a). 연구기간은 폭설이 발생한 2014년 2월과 폭설이 발생하지 않은 2013년 2월의 총 56일이다. 2014년 2월 가강수량의 평균은 11.29mm로 산출 되었으며, 폭설이 발생한 2월 9일부터 12일까지 평균 가강수량은 10.14mm로 전체 평균값보다 11.34% 낮은 값을 보였다. 폭설이 내리지 않은 2013년 2월 가강수량의 평균은 10.34mm로 2014년 평균보다 8.41% 낮은 값을 보였다. 또한 가강수량 외 AWS에서 제공하는 다른 기상인자들과 비교하여 폭설 현상에 대한 분석을 수행하였다. 그 결과 Magnus 경험식을 통해 산출한 포화수증기압 경우 GNSS 가강수량과 0.29의 낮은 상관성을 나타내었다. 또한 기상인자의 종류(강설, 강우)에 따라 가강수량의 증감패턴이 다르게 나타났으며, 강수량이 발생하기 평균 6.5시간 전에 가강수량 값이 급격히 증가한 후 감소하는 경향을 확인할 수 있었다. 이를 통해 GNSS 가강수량 패턴분석이 강수량 전조현상 분석에 유효할 것으로 판단된다.
GNSS 기상학은 1980년 중반 기상 분야에 활용 가능성이 제기된 후, 전 세계적으로 실용화 가능성이 입증되고 있으며, 현재 기상현업에 활용하기 위한 연구가 활발히 진행되고 있다. GNSS 신호의 대류권 지연오차에 기반하여 산출한 가강수량은 대기 중 수증기량을 나타낸 것으로, 기후 모니터링, 기후의 변화 탐지 등 다양한 기상현상 분석에 많이 사용되고 있다. 본 연구에서는 2014년 2월 울산에 내린 폭설현상 분석을 위해 GNSS 상시관측소와 자동기상관측장치에서 제공하는 기상관측 정보를 이용하여 가강수량을 산출하였다. 산출 과정 중 중요한 파라미터인 가중 평균 기온식은 송동섭의 모델을 적용하였다(Song, 2009a). 연구기간은 폭설이 발생한 2014년 2월과 폭설이 발생하지 않은 2013년 2월의 총 56일이다. 2014년 2월 가강수량의 평균은 11.29mm로 산출 되었으며, 폭설이 발생한 2월 9일부터 12일까지 평균 가강수량은 10.14mm로 전체 평균값보다 11.34% 낮은 값을 보였다. 폭설이 내리지 않은 2013년 2월 가강수량의 평균은 10.34mm로 2014년 평균보다 8.41% 낮은 값을 보였다. 또한 가강수량 외 AWS에서 제공하는 다른 기상인자들과 비교하여 폭설 현상에 대한 분석을 수행하였다. 그 결과 Magnus 경험식을 통해 산출한 포화수증기압 경우 GNSS 가강수량과 0.29의 낮은 상관성을 나타내었다. 또한 기상인자의 종류(강설, 강우)에 따라 가강수량의 증감패턴이 다르게 나타났으며, 강수량이 발생하기 평균 6.5시간 전에 가강수량 값이 급격히 증가한 후 감소하는 경향을 확인할 수 있었다. 이를 통해 GNSS 가강수량 패턴분석이 강수량 전조현상 분석에 유효할 것으로 판단된다.
GNSS was firstly proposed for application in weather forecasting in the mid-1980s. It has continued to demonstrate the practical uses in GNSS meteorology, and other relevant researches are currently being conducted. Precipitable Water Vapor (PWV), calculated based on the GNSS signal delays due to th...
GNSS was firstly proposed for application in weather forecasting in the mid-1980s. It has continued to demonstrate the practical uses in GNSS meteorology, and other relevant researches are currently being conducted. Precipitable Water Vapor (PWV), calculated based on the GNSS signal delays due to the troposphere of the Earth, represents the amount of the water vapor in the atmosphere, and it is therefore widely used in the analysis of various weather phenomena such as monitoring of weather conditions and climate change detection. In this study we calculated the PWV through the meteorological information from an Automatic Weather Station (AWS) as well as GNSS data processing of a Continuously Operating Reference Station (CORS) in order to analyze the heavy snowfall of the Ulsan area in early 2014. Song’s model was adopted for the weighted mean temperature model (Tm), which is the most important parameter in the calculation of PWV. The study period is a total of 56 days (February 2013 and 2014). The average PWV of February 2014 was determined to be 11.29 mm, which is 11.34% lower than that of the heavy snowfall period. The average PWV of February 2013 was determined to be 10.34 mm, which is 8.41% lower than that of not the heavy snowfall period. In addition, certain meteorological factors obtained from AWS were compared as well, resulting in a very low correlation of 0.29 with the saturated vapor pressure calculated using the empirical formula of Magnus. The behavioral pattern of PWV has a tendency to change depending on the precipitation type, specifically, snow or rain. It was identified that the PWV showed a sudden increase and a subsequent rapid drop about 6.5 hours before precipitation. It can be concluded that the pattern analysis of GNSS PWV is an effective method to analyze the precursor phenomenon of precipitation.
GNSS was firstly proposed for application in weather forecasting in the mid-1980s. It has continued to demonstrate the practical uses in GNSS meteorology, and other relevant researches are currently being conducted. Precipitable Water Vapor (PWV), calculated based on the GNSS signal delays due to the troposphere of the Earth, represents the amount of the water vapor in the atmosphere, and it is therefore widely used in the analysis of various weather phenomena such as monitoring of weather conditions and climate change detection. In this study we calculated the PWV through the meteorological information from an Automatic Weather Station (AWS) as well as GNSS data processing of a Continuously Operating Reference Station (CORS) in order to analyze the heavy snowfall of the Ulsan area in early 2014. Song’s model was adopted for the weighted mean temperature model (Tm), which is the most important parameter in the calculation of PWV. The study period is a total of 56 days (February 2013 and 2014). The average PWV of February 2014 was determined to be 11.29 mm, which is 11.34% lower than that of the heavy snowfall period. The average PWV of February 2013 was determined to be 10.34 mm, which is 8.41% lower than that of not the heavy snowfall period. In addition, certain meteorological factors obtained from AWS were compared as well, resulting in a very low correlation of 0.29 with the saturated vapor pressure calculated using the empirical formula of Magnus. The behavioral pattern of PWV has a tendency to change depending on the precipitation type, specifically, snow or rain. It was identified that the PWV showed a sudden increase and a subsequent rapid drop about 6.5 hours before precipitation. It can be concluded that the pattern analysis of GNSS PWV is an effective method to analyze the precursor phenomenon of precipitation.
, 2007; Song and Yun, 2004). 본 연구에서는 GNSS 대류권 지연 오차와 AWS에서 제공하는 지상 기상인자를 이용하여 가강수량을 산출하고, 시간에 따른 변화를 다른 기상인자와 비교·분석 하였다. 또한 폭설 발생기간 전·후로 가강수량 패턴 분석을 통해 악기상인자와 가강수량 상관성 분석을 수행하였다.
제안 방법
산출과정 중 대류권 지연량을 산출하기 위해 Bernese 소프트웨어를 사용하였으며 GPT 모델과 GMF 사상함수 모델을 적용하였다. 기상인자 경우 수증기와 관련된 인자들을 선별하여 수집하였으며, 산출한 GNSS 가강수량과 시계열 분석을 수행하였다. 기상인자 중 신적설량, 기온, 포화수증기압, 상대습도는 GNSS 가강수량과 상호 연관성 분석을 하였으며, 강수량 경우 강우량 및 강설량의 발생 예측 분석을 위해 GNSS 가강수량과 패턴 분석을 수행하였다.
기상인자 경우 수증기와 관련된 인자들을 선별하여 수집하였으며, 산출한 GNSS 가강수량과 시계열 분석을 수행하였다. 기상인자 중 신적설량, 기온, 포화수증기압, 상대습도는 GNSS 가강수량과 상호 연관성 분석을 하였으며, 강수량 경우 강우량 및 강설량의 발생 예측 분석을 위해 GNSS 가강수량과 패턴 분석을 수행하였다.
본 연구에서는 GNSS 대류권 지연 오차와 AWS에서 제공하는 지상 기상인자를 이용하여 가강수량을 산출하고, 시간에 따른 변화를 다른 기상인자와 비교·분석 하였다. 또한 폭설 발생기간 전·후로 가강수량 패턴 분석을 통해 악기상인자와 가강수량 상관성 분석을 수행하였다.
또한 Song(2012)과 Nam and Song(2014)은 폭설 현상에 대해 가강수량 산출 및 다양한 기상 인자들과 비교·분석을 수행했으며, 가강수량의 정보는 강수나 강설 발생의 패턴 분석에 유효할 수 있다는 가능성을 제시 하였다. 본 연구는 2014년 2월 9일부터 12일 동안 발생한 울산폭설 현상을 분석하기 위해 GNSS 대류권 지연오차를 이용하여 추출한 GNSS 가강수량과 수증기와 관련된 다양한 기상인자들을 선정하여 시계열 그래프로 나타내 비교·분석 하였다. 또한 산출한 가강수량과 강수량 발생 패턴을 분석하여 두 인자의 유효성을 증명하고자 하였다.
본 연구는 2014년도 2월 울산지역에 발생한 폭설을 분석하기 위하여 가강수량을 산출하였다. 산출과정 중 대류권 지연량을 산출하기 위해 Bernese 소프트웨어를 사용하였으며 GPT 모델과 GMF 사상함수 모델을 적용하였다.
신적설은 정해진 시간 동안 쌓인 눈의 높이를 의미하며, 폭설에 대한 정량적 크기를 과거 기록과 비교하는 경우에 사용한다(Song, 2012). 본 연구에서는 강수량, 신적설량, 상대습도, 기온 등의 정보를 60분 간격으로 수집하였으며, 포화수증기압 경우 Eq. (5)의 Magnus 경험식을 이용하여 산출하였다(Song, 2009b).
기상인자 경우 GNSS 가강수량을 제외한 신적설, 기온, 포화수증기압, 상대습도, 강수량 등의 인자를 수집하였다. 신적설은 폭설에 대한 정량적 크기를 분석하기 위하여 선정하였으며, 강설 외에도 다른 기상현상에 대한 가강수량의 패턴 분석을 위해 강수량을 선정하였다. 상대습도는 현재 포함한 수증기압과 포화수증기압의 비율을 퍼센트로 나타낸 것으로서 100%에 가까이 갈수록 실제 수증기량과 포화수증기량이 비등한 값을 가지게 되며 수증기의 응결과 함께 강수량이 발생한다.
상대습도는 현재 포함한 수증기압과 포화수증기압의 비율을 퍼센트로 나타낸 것으로서 100%에 가까이 갈수록 실제 수증기량과 포화수증기량이 비등한 값을 가지게 되며 수증기의 응결과 함께 강수량이 발생한다. 이에 상대습도와 포화수증기압의 증가와 감소에 따른 가강수량의 변화를 분석을 하고자 기상인자를 선정하였다.
강수량은 비, 눈, 우박 등을 포함한 강수의 양을 나타낸 것으로서, 현재 AWS에서 일강수량 값을 제공하고 있다. 일강수량은 하루 동안 누적된 강수량을 말하며, 본 연구에서는 시간적 변화에 따른 강수량의 변동을 보다 면밀하게 분석하기 위해 일강수량 값을 차분하여 시간에 따른 강수량을 사용하였다.
연구기간 동안 필요한 기상인자는 기상청에서 제공하는 지역별 상세 관측 자료로부터 수집하였다. 지역별 상세 관측 자료는 전국에 설치된 약 500여 개의 자동기상관측장비로부터 기상청에서 획득하여 제공한 자료를 말하며, 기본적으로 기온, 강수량, 풍향, 풍속, 해면기압 등의 기상인자들을 1분, 10분, 30분, 60분 간격으로 제공한다. 적설량 경우 울산 GNSS 상시관측소와 가장 인접한 유인 기상관측소인 울산기상대 데이터를 수집하였다.
대상 데이터
방위각 210° 이전에는 최저 고도각이 대략 5°인 반면, 이후에는 관측소 서쪽에 위치한 수목으로 인해 고도각 15° 이하의 데이터는 수신되지 않은 것을 확인할 수 있다. 관측 데이터는 RINEX 포맷의 30초 간격, 24시간 관측한 데이터를 사용하였으며, 데이터 취득 기간은 2014년 2월 9일부터 12일까지 발생한 폭설 현상의 다양한 분석을 위해 폭설 발생기간 전후를 포함하는 2014년 2월(28일간)과 폭설이 발생하지 않은 전년도 2013년 2월(28일간)을 연구기간으로 설정하였다. 연구기간 동안 필요한 기상인자는 기상청에서 제공하는 지역별 상세 관측 자료로부터 수집하였다.
또한 산출한 가강수량과 강수량 발생 패턴을 분석하여 두 인자의 유효성을 증명하고자 하였다. 기상인자 경우 GNSS 가강수량을 제외한 신적설, 기온, 포화수증기압, 상대습도, 강수량 등의 인자를 수집하였다. 신적설은 폭설에 대한 정량적 크기를 분석하기 위하여 선정하였으며, 강설 외에도 다른 기상현상에 대한 가강수량의 패턴 분석을 위해 강수량을 선정하였다.
관측 데이터는 RINEX 포맷의 30초 간격, 24시간 관측한 데이터를 사용하였으며, 데이터 취득 기간은 2014년 2월 9일부터 12일까지 발생한 폭설 현상의 다양한 분석을 위해 폭설 발생기간 전후를 포함하는 2014년 2월(28일간)과 폭설이 발생하지 않은 전년도 2013년 2월(28일간)을 연구기간으로 설정하였다. 연구기간 동안 필요한 기상인자는 기상청에서 제공하는 지역별 상세 관측 자료로부터 수집하였다. 지역별 상세 관측 자료는 전국에 설치된 약 500여 개의 자동기상관측장비로부터 기상청에서 획득하여 제공한 자료를 말하며, 기본적으로 기온, 강수량, 풍향, 풍속, 해면기압 등의 기상인자들을 1분, 10분, 30분, 60분 간격으로 제공한다.
지역별 상세 관측 자료는 전국에 설치된 약 500여 개의 자동기상관측장비로부터 기상청에서 획득하여 제공한 자료를 말하며, 기본적으로 기온, 강수량, 풍향, 풍속, 해면기압 등의 기상인자들을 1분, 10분, 30분, 60분 간격으로 제공한다. 적설량 경우 울산 GNSS 상시관측소와 가장 인접한 유인 기상관측소인 울산기상대 데이터를 수집하였다. 제공받은 적설량은 하루 동안 쌓이는 눈을 계량한 수치를 말하며, 이 경우 실제 강설이 발생하는 동안 쌓인 눈이 녹아 정확한 계측이라고 보기는 어렵다.
, 1992). 현재 GNSS 상시관측소는 전국에 100여 개가 운영되고 있으며, 본 연구에서는 국토지리정보원에서 운영중인 울산(WOLS) GNSS 상시관측소를 선정하였다.
데이터처리
강설량 외에도 폭우, 우박 등 악기상인자 분석을 위해 강수량과 GNSS 가강수량을 비교·분석하였다. 강수량은 비, 눈, 우박 등을 포함한 강수의 양을 나타낸 것으로서, 현재 AWS에서 일강수량 값을 제공하고 있다.
이론/모형
본 연구에서는 강수량, 신적설량, 상대습도, 기온 등의 정보를 60분 간격으로 수집하였으며, 포화수증기압 경우 Eq. (5)의 Magnus 경험식을 이용하여 산출하였다(Song, 2009b).
GNSS 자료처리는 스위스 베른 대학교의 천문연구소에서 개발한 Bernese GNSS Software V5.2(이하 Bernese로 칭함)를 사용하였다. Bernese는 전리층 및 대류권 모델링, GNSS 망조정계산 등의 다양한 과학기술 연구를 목적으로 개발된 소프트웨어로서 전 세계적으로 광범위하게 사용되고 있다((Dach et al.
본 연구는 송동섭이 제시한 평균모델식을 적용하였다(Song, 2009a). Eq.
GNSS 자료 처리를 통해 산출되는 대류권 지연량은 GNSS 위성과 수신장비간 시선방향의 신호 경로에 사상함수(mapping function)가 적용되어 수신장비의 천정방향으로 변환된다. 본 연구에서는 GMF(Global Mapping Function) 사상함수 모델을 적용하였는데, Bernese 5.0 버전에 사용하였던 NMF(Niell Mapping Function) 모델보다 더 높은 정밀도를 제공하며, 대류권 지연량을 산출하는 GPT(Global Pressure and Temperature) 모델과 조합이 유용하다(Boehm et al., 2006). GPT 모델은 관측소 좌표와 연도별 일수(day of the year)를 통해 지상온도와 압력을 산출하며, 산출된 인자의 정밀도에 따라 지연량을 결정한다(Boehm et al.
본 연구는 2014년도 2월 울산지역에 발생한 폭설을 분석하기 위하여 가강수량을 산출하였다. 산출과정 중 대류권 지연량을 산출하기 위해 Bernese 소프트웨어를 사용하였으며 GPT 모델과 GMF 사상함수 모델을 적용하였다. 기상인자 경우 수증기와 관련된 인자들을 선별하여 수집하였으며, 산출한 GNSS 가강수량과 시계열 분석을 수행하였다.
성능/효과
1) 본 연구에서 확인한 바와 같이 폭설이 시작되기 이전에 GNSS 가강수량이 증가하는 경향이 나타났다. 이는 폭설에 대해서만 한정되지 않고, 강우와 같은 다른 기상인자에서도 이와 유사한 경향을 보이는 것을 확인할 수 있었다.
이는 폭설에 대해서만 한정되지 않고, 강우와 같은 다른 기상인자에서도 이와 유사한 경향을 보이는 것을 확인할 수 있었다. 2) 가강수량과 강수량 발생 일시를 비교한 결과, 평균적으로 가강수량의 증감패턴이 강수량 발생 약 6.5시간 전에 나타난 것을 확인할 수 있었다. 그러나 Table 2에서 나타난 것처럼 가강수량의 증감패턴과 강수량 발생에 예외적인 상황이 발생하는 경우가 있으며, 이를 정확히 예측하기 위해서는 여러 관측소를 대상으로 추가적인 분석이 필요할 것으로 판단된다.
그러나 Table 2에서 나타난 것처럼 가강수량의 증감패턴과 강수량 발생에 예외적인 상황이 발생하는 경우가 있으며, 이를 정확히 예측하기 위해서는 여러 관측소를 대상으로 추가적인 분석이 필요할 것으로 판단된다. 3) Magnus 경험식으로 산출한 포화수증기압과 GNSS 가강수량의 상관성 분석을 수행한 결과, 두 인자의 상관계수는 0.2887로 계산되어 직접적인 상관성이 나타나지 않았다. 그러나 포화수증기압은 가강수량 산출에 직접적인 영향을 가지므로 추후에 가강수량과의 연관성 연구가 필요할 것으로 판단된다.
이에 GNSS 가강수량과 함께 악기상인자에 대한 예측 분석에 대하여 유효할 것으로 판단된다. 4) GNSS 가강수량은 연구기간동안 발생한 강수량에 밀접한 반응을 보였으며, 기상 인자의 종류(강설, 강우)에 따라 패턴이 다르게 나타난 것을 확인할 수 있었다. Fig.
Fig. 5에서 확인한 결과, 강우 발생시 GNSS 가강수량은 크게 증가하고 감소한 반면 강설은 발생기간동안 10cm에서 12cm의 사이 값을 유지하며 큰 변화를 나타내지 않았다. GNSS 가강수량과 강수량의 패턴 연관성에 대한 기준을 설정하기 위해서는 장기간의 자료분석과 연구가 필요할 것으로 판단된다.
그러나 포화수증기압은 가강수량 산출에 직접적인 영향을 가지므로 추후에 가강수량과의 연관성 연구가 필요할 것으로 판단된다. 상대습도 경우 강수량이 발생하기 전 GNSS 가강수량과 유사한 변동을 보이며, 두 인자의 상관성이 높은 것을 확인하였다. 이에 GNSS 가강수량과 함께 악기상인자에 대한 예측 분석에 대하여 유효할 것으로 판단된다.
상대습도 경우 강수량이 발생하기 전 GNSS 가강수량과 유사한 변동을 보이며, 두 인자의 상관성이 높은 것을 확인하였다. 이에 GNSS 가강수량과 함께 악기상인자에 대한 예측 분석에 대하여 유효할 것으로 판단된다. 4) GNSS 가강수량은 연구기간동안 발생한 강수량에 밀접한 반응을 보였으며, 기상 인자의 종류(강설, 강우)에 따라 패턴이 다르게 나타난 것을 확인할 수 있었다.
후속연구
5에서 확인한 결과, 강우 발생시 GNSS 가강수량은 크게 증가하고 감소한 반면 강설은 발생기간동안 10cm에서 12cm의 사이 값을 유지하며 큰 변화를 나타내지 않았다. GNSS 가강수량과 강수량의 패턴 연관성에 대한 기준을 설정하기 위해서는 장기간의 자료분석과 연구가 필요할 것으로 판단된다.
5시간 전에 가강수량의 변화가 나타난 것을 말한다. 그러나 NO.3, NO.6, NO.8은 강수량이 먼저 발생한 후 가강수량의 변화를 보였으며, 가강수량의 패턴으로 강수량 발생 예측 및 발생 여부를 확인할 수 있는 기준을 마련하기 위해서는 추가적인 분석이 필요할 것으로 판단된다.
5시간 전에 나타난 것을 확인할 수 있었다. 그러나 Table 2에서 나타난 것처럼 가강수량의 증감패턴과 강수량 발생에 예외적인 상황이 발생하는 경우가 있으며, 이를 정확히 예측하기 위해서는 여러 관측소를 대상으로 추가적인 분석이 필요할 것으로 판단된다. 3) Magnus 경험식으로 산출한 포화수증기압과 GNSS 가강수량의 상관성 분석을 수행한 결과, 두 인자의 상관계수는 0.
2887로 계산되어 직접적인 상관성이 나타나지 않았다. 그러나 포화수증기압은 가강수량 산출에 직접적인 영향을 가지므로 추후에 가강수량과의 연관성 연구가 필요할 것으로 판단된다. 상대습도 경우 강수량이 발생하기 전 GNSS 가강수량과 유사한 변동을 보이며, 두 인자의 상관성이 높은 것을 확인하였다.
2887로서 본 연구 내에서는 두 인자의 상관성이 낮게 나타났다. 그러나 포화수증기압은 가강수량의 결정에 직접적인 영향을 갖는 인자로서 추후에 가강수량과의 연관성 연구가 필요할 것으로 사료된다.
참고문헌 (21)
Bevis, M., Businger, S., Herring, T., Rocken, C., Anthes, R., and Ware, R. (1992), GPS meteorology: remote sensing of atmospheric water vapor using the Global Positioning System, J. Geophys. Res., Vol. 97, D14, pp. 15787-15801.
Boehm, J., Schuh, H., and Heinkelmann, R. (2007), Short note: a global model of pressure and temperature for geodetic applications, Journal of Geodesy, Vol. 81, No. 10, pp. 679-683.
Boehm, J., Schuh, H., Niell, A., and Tregoning, P. (2006), The Global Mapping Function (GMF): a new empirical mapping function based on data from numerical weather model data, Geophysical Research Letters, Vol. 33, L07802.
Dach, R., Hugentobler, U., Fridez, P., and Meindl, M. (2007), Bernese GPS software version 5.0, Astronomical Institute, University of Bern, Switzerland, 612p.
Davis, J.L., Herring, T.A., Sharpiro, I.I., Rogers, A.E.E., and Elgered, G. (1985), Geodesy by radio interferometry: effects of atmospheric modeling errors on estimates of baseline length, Radio Science, Vol. 20, No. 6, pp. 1593-1607.
Feng, Y. and Bai, Z. (2001), GPS water vapour experimental results from observations of the Australian Regional GPS Network (ARGN), A Spatial Odyssey : 42nd Australian Surveyors Congress, Australasia.
Ha, J.H. and Park, G.D. (2008), Comparison of local mean temperature equations for GPS-based precipitable water vapor determination, Journal of Astronomy & Space Sciences, Vol. 25, No. 4, pp. 425-434. (in Korean with English abstract)
Ha, J.H., Park, K.D., Chang, K.H., and Yang, H.Y. (2007), Precision validation of GPS precipitable water vapor via comparison with MWR measurements, Atmosphere, Vol. 17, No. 3, pp. 291-298. (in Korean with English abstract)
Ha, J.H., Park, K.D., and Heo, B.H. (2006), Development of a local mean temperature equation for GPS-based precipitable water vapor over the Korean peninsula, Journal of Astronomy & Space Sciences, Vol. 23, No. 4, pp. 373-384. (in Korean with English abstract)
Kim, S.K. and Bae, T.S. (2012), Analysis of crustal deformation on the Korea peninsula after the 2011 Tohoku earthquake, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 30, No. 1, pp. 87-96. (in Korean with English abstract)
KMA (2014), Korea Meteorological Administration homepage, http://web.kma.go.kr/notify/press/kma_list.jsp (last date accessed: 10 April 2015).
KOSC (2015), Korea Ocean Satellite Center homepage, http://kosc.kiost.ac/kosc_web/GOCI_download/SatelliteData.html (last date accessed: 10 April 2015).
Nam, J.Y. and Song, D.S. (2014), 2014 heavy snowfall in Yeongdong area and GPS tropospheric delay, Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 24-25 April, Seoul, Korea.
NGII (2015), National Geographic Information Institute, http://gnss.ngii.go.kr/ (last date accessed: 20 August 2015).
NOAA (2013), National Oceanic and Atmospheric Administration homepage, http://gpsmet.noaa.gov (last date accessed: 15 April 2015).
Song, D.S. (2009a), GPS water vapor estimation modeling with high accuracy by consideration of seasonal characteristics on Korea, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 27, No. 5, pp. 565-574. (in Korean with English abstract)
Song, D.S. (2009b), Improvement of GPS PWV retrieval capability using the reverse sea level corrections of air-pressure, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 27, No. 5, pp. 535-544. (in Korean with English abstract)
Song, D.S. (2012), Correlation analysis between GPS precipitable water vapor and heavy snowfall on Gangwon province in early 2011, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 30, No. 1, pp. 97-104. (in Korean with English abstract)
Song, D.S. and Yun, H.S. (2004), Determination of weighted mean temperature for the GPS precipitable water vapor estimation, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 22 No. 4, pp. 323-329. (in Korean with English abstract)
Song, D.S., Yun, H.S., and Cho, J.M. (2002), Estimation of tropospheric water vapor using GPS observation, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 20, No. 2, pp. 215-222. (in Korean with English abstract)
Yoo, C.S., Shin, C.K., and Yoon, Y.N. (2004), Estimation and analysis of precipitatable water, Journal of the Korea Society of Civil Engineers, Vol. 24, No. 58, pp. 413-420. (in Korean with English abstract)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.