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
- 따라서 본 연구에서는 고해상도 수치모델에서 산출되는 다양한 변수들(역학변수, 열역학변수)의 정량적 값들을 추출하여 시간에 따른 변동 특성이나 경향 등에 대해 분석하였다. 이를 통하여 집중호우 발생과 연관성이 있는 변수들을 살펴보고, 이러한 변수들의 변동 특성 등을 이용하여 집중호우의 예측이나 진단 등에 활용할 수 있을지에 대해서 분석하였다.
제안 방법
- 2010년부터 2013년까지 수도권을 중심으로 발생한 집중호우 사례 중 시간당 강수량이 50 mm 이상인 집중호우 사례 중 유형의 차이가 확연하게 보이는 서로 다른 세 개의 사례를 선별하여 분석을 수행하였다. 선별된 사례는 2011년 7월 27일 0100 LST~0900 LST(case 1), 2010년 9월 21일 1400 LST~2400 LST (case 2), 2013년 9월 13일 0100 LST~1400 LST (case 3) 이다.
- 구름 두께(cloud height or thickness)는 운저(cloud base)에서부터 운고(cloud top)까지의 거리(Huschke, 1970)를 의미하며, 구름으로부터 생성되는 강수의 세기와 관련이 있으며, 적란운과 같은 두께가 10 km에 달하는 deep clouds는 좀 더 강한 강수를 내리게 하는 경향이 있다(Spellman, 2013). 강수의 세기와 구름 두께와의 연관성을 파악하기 위하여 세 사례에 대한 집중호우 발생지점에서의 1시간 강수량, 운저, 운고의 분포(Fig. 4)를 비교하였다.
- 집중호우 영역의 연직 변수의 분석은 집중호우 예측에 기여할 수 있는 예측변수를 선별하고 변화 특성을 파악하는데 사용된다. 또한, 한 지점에서 추출된 변수의 분석에서 변동성이 상대적으로 큰 값들이 나타난 지점은 집중호우 발생지점 중심으로 9개 격자에 대한 값도 평균하여 추출하였으며, 한 지점에서의 변수 값과 서로 비교하였다.
- 수치모델 결과물에서 산출되는 다양한 변수를 집중호우 예측변수로 활용 가능한지에 대해 알아보기 위하여 집중호우 발생지점에 대한 KLAPS 재분석 자료에서 생산되는 각종 변수를 정량적으로 추출하여 분석하였다. 선별된 세 사례에서의 운저(Cloud base), 운고(Cloud top), 누적수함량(Integrated liquid water), 온도 및 온위 이류(Temperature and Potential temperature advection), 부력에너지(Buoyant energy), 불안정 지수(Instability index), Storm-Relative Helicity 등의 변화 특성을 분석하였다.
- 수치모델 결과물에서 산출되는 다양한 변수를 집중호우 예측변수로 활용 가능한지에 대해 알아보기 위하여 집중호우 발생지점에 대한 KLAPS 재분석 자료에서 생산되는 각종 변수를 정량적으로 추출하여 분석하였다. 선별된 세 사례에서의 운저(Cloud base), 운고(Cloud top), 누적수함량(Integrated liquid water), 온도 및 온위 이류(Temperature and Potential temperature advection), 부력에너지(Buoyant energy), 불안정 지수(Instability index), Storm-Relative Helicity 등의 변화 특성을 분석하였다.
- Figure 3c는 2013년 9월 13일 1300 LST에서의 영상으로서 집중호우가 발생한 지점 상공에 강한 수액함량을 가지는 국지적으로 발달한 대류성 구름이 존재하고 있으며, 이로 인해 국지적으로 집중호우가 내린 사례이다. 이렇듯 집중호우 유형이 서로 다른 세 사례에 대해 집중호우 발생지점에서의 변수를 추출하고 분석을 수행하였다.
- 따라서 본 연구에서는 고해상도 수치모델에서 산출되는 다양한 변수들(역학변수, 열역학변수)의 정량적 값들을 추출하여 시간에 따른 변동 특성이나 경향 등에 대해 분석하였다. 이를 통하여 집중호우 발생과 연관성이 있는 변수들을 살펴보고, 이러한 변수들의 변동 특성 등을 이용하여 집중호우의 예측이나 진단 등에 활용할 수 있을지에 대해서 분석하였다.
- 이상으로 선별된 세 사례에서 추출된 변수를 이용하여 집중호우시의 특성을 분석하였으며, 사례 기간 동안 각 변수들의 최소값, 최대값, 그리고 최대강수량이 나타난 시점(Time of Max. hourly rainfall amount: TMHR)에서의 값을 Table 2에 나타내었다.
- 집중호우를 사전에 예측할 수 있는 가능성을 알아보기 위하여 고해상도의 KLAPS 재분석 자료에서 산출되는 각종 변수를 추출하여 정량적인 분석을 수행하였다. 집중호우 유형이 서로 다른 세 사례(라인형태의 deep convective system, 전선형 shallow convective system, 국지성 대류시스템)에 대한 분석을 수행하였다.
- 집중호우를 사전에 예측할 수 있는 가능성을 알아보기 위하여 고해상도의 KLAPS 재분석 자료에서 산출되는 각종 변수를 추출하여 정량적인 분석을 수행하였다. 집중호우 유형이 서로 다른 세 사례(라인형태의 deep convective system, 전선형 shallow convective system, 국지성 대류시스템)에 대한 분석을 수행하였다.
대상 데이터
- KLAPS 재분석 자료는 하나의 층이 235 × 283의 수평 격자로 구성되어 있으며, 변수에 따라 1~23개의 연직 층으로 각각 구성되어 있다.
- KLAPS 재분석 자료는 3차원 격자 자료로서 집중호우 발생지점에서의 각종 변수의 정량적 값과 연직 값들을 추출할 수 있다. KLAPS 재분석 자료에서 생산되는 46종류의 변수를 대상으로 집중호우 발생지점에서의 연직 값을 추출하였다. Figure 1은 KLAPS 재분석 자료의 전체 영역 및 집중호우 발생지점에서의 변수 추출 방법을 나타낸 것이다.
- 본 연구에서 사용된 자료는 한반도 영역을 중심으로 5 km 간격의 수평해상도와 50 hPa 간격의 연직해상도로 1시간 간격으로 생산되는 KLAPS 재분석 자료(NIMS, 2009; NIMS, 2012; Jang et al., 2016)를 사용하였다. KLAPS 재분석 자료는 하나의 층이 235 × 283의 수평 격자로 구성되어 있으며, 변수에 따라 1~23개의 연직 층으로 각각 구성되어 있다.
- 분석에 사용된 AWS 지점은 남현 AWS (37º 27' N, 126º 59' E), 이천 AWS (37º 15' N, 127º 29' E), 고잔 AWS (37º 19' N, 126º 49' E)이다.
- 분석에 사용된 사례는 수도권을 중심으로 발생한 집중호우 사례에서 선정하였으며, 지상강수량은 집중 호우 발생지점의 AWS 자료를 활용하였다. 분석에 사용된 AWS 지점은 남현 AWS (37º 27' N, 126º 59' E), 이천 AWS (37º 15' N, 127º 29' E), 고잔 AWS (37º 19' N, 126º 49' E)이다.
- KLAPS 재분석 자료는 하나의 층이 235 × 283의 수평 격자로 구성되어 있으며, 변수에 따라 1~23개의 연직 층으로 각각 구성되어 있다. 산출되는 변수는 기온, 습도, 바람, 기압, 강수량, 비습, 구름에 관한 정보(운저, 운고, 수액함량 등) 등 총 46 종류의 자료를 생산한다. 그 중에서 집중호우 발생과 연관성이 있다고 판단되는 변수를 선별하였다.
- 2010년부터 2013년까지 수도권을 중심으로 발생한 집중호우 사례 중 시간당 강수량이 50 mm 이상인 집중호우 사례 중 유형의 차이가 확연하게 보이는 서로 다른 세 개의 사례를 선별하여 분석을 수행하였다. 선별된 사례는 2011년 7월 27일 0100 LST~0900 LST(case 1), 2010년 9월 21일 1400 LST~2400 LST (case 2), 2013년 9월 13일 0100 LST~1400 LST (case 3) 이다. Figure 2는 선별된 세 사례 지점에서의 시간 강수량 변화와 일누적 강수량 변화를 나타낸 것이다.
- Case 3은 국지적으로 발달하는 대류셀에 의해 0400 LST (약 38 mm hr−1)와 1200 LST (약 58 mm hr−1)에 강한 강수가 내린 사례이다. 선별된 세 사례는 라인형 대류 시스템, shallow convective 형태의 대류시스템, 그리고 국지성 대류셀에 의한 집중호우로서 각각 유형이 서로 다른 사례이다.
- 세 사례의 유형을 파악하기 위하여 선별된 세 사례 중 강수량이 가장 높게 나타났던 시점에서의 구름 수액함량(Cloud liquid water)과 지상강수량 분포를 3차원 영상으로 Fig. 3에 나타내었다. 구름 수액함량은 구름 속에 존재하는 수액의 양을 나타내는 것으로, 구름의 형태로 표현하였다.
데이터처리
- 38 km로 나타났으며, 이는 0700 LST에서 산출된 집중호우 발생지점에서의 cloud top 값이 너무 작게 나타났음을 확인하였다. 다른 변수들에 대해서도 변동성이 크게 나타나는 지점의 값은 9개 격자의 평균값과 비교하여 분석하였다. 다른 변수들의 비교 결과, 9개 지점의 평균으로 인해 값의 차이는 있지만, 변화 경향이나 전체적인 패턴은 집중호우 발생지점의 값과 유사하게 나타남을 확인하였다.
성능/효과
- 4a1에 나타내었다. 0700 LST에서 9개 지점의 평균 cloud top의 고도가 8.38 km로 나타났으며, 이는 0700 LST에서 산출된 집중호우 발생지점에서의 cloud top 값이 너무 작게 나타났음을 확인하였다. 다른 변수들에 대해서도 변동성이 크게 나타나는 지점의 값은 9개 격자의 평균값과 비교하여 분석하였다.
- SSI는 case 1과 case 2에서는 집중호우 발생시점에 증가하는 경향을, case 3에서는 감소하는 것으로 나타났다. LI는 case 1에서는 감소하는 것으로 나타났으며, case 2와 case 3에서는 집중호우 발생시점에 증가하는 것으로 나타났다. SRH는 최소 55.
- 242 K)되면서 감소하기 시작하여 강수가 증대되는 시점에 다시 증가하는 것으로 나타났으며, 반대로 KI는 30 이상의 값이 나타났으며, 강수가 시작되면서 증가되다가 강수가 강해지는 시간대에 감소하는 것으로 나타났다. LI는 강수가 시작되는 시점에 상대적으로 높은 값으로 나타났으나, 시간이 지날수록 낮아지는 특성을 보였다. Figure 8b는 2010년 9월 21일 집중호우 사례에서의 KI, SSI, LI의 시간에 따른 변화를 나타낸 것으로, KI는 강수전에 가장 높게 나타났으나 지속적으로 감소하는 경향을 보였으며, SSI와 LI는 집중호우 발생되기 전에 증가하기 시작하여 지속적으로 증가하는 경향을 보였다.
- LI는 case 1에서는 감소하는 것으로 나타났으며, case 2와 case 3에서는 집중호우 발생시점에 증가하는 것으로 나타났다. SRH는 최소 55.52에서 최대 325.67의 값으로 분포하였으며, 집중호우 발생 전에 증가하다가 집중호우 발생시점에 감소하는 것으로 나타났다.
- 구름 두께는 각 사례별로 집중호우 발생 시점에 11.54 km, 4.57 km, 9.41 km의 구름 두께를 가지는 것으로 나타났으며, 최소 4.57 km 이상의 구름 두께를 가지는 구름에서 집중호우가 발생되었다. 누적수함량은 최소 0.
- 5 km 이상의 대류형 구름이 존재하였으며, 10 km 이상의 구름두께를 가지는 대류형 구름에서 발생하였다. 누적수함량 분포는 집중호우 발생 전에 최대값이 나타난 후 급격히 감소하였으며, 열적 이류(temperature and potential temperature advection)의 유입이 활발하며, 양의 부력에너지의 증가에 따른 대류불안정이 가속화되고, 각종 지수(K-Index, Showalter Stability Index, Total Totals, Lifted Index 등)가 강수량의 변화에 따라 변동되는 특징이 있음을 확인하였다. 또한 SRH는 집중호우 발생 전에 대류성 스톰의 발생 가능성이 높은 150 m2 s−2 이상의 값을 보였고, 급격히 감소되는 경향이 있었다.
- 누적수함량은 최소 0.0041 mg m−3에서 최대 12.8 mg m−3의 범위로 나타났으며, 집중호우 발생시점에는 대부분 사례에서 낮아짐을 확인하였다.
- 다른 변수들에 대해서도 변동성이 크게 나타나는 지점의 값은 9개 격자의 평균값과 비교하여 분석하였다. 다른 변수들의 비교 결과, 9개 지점의 평균으로 인해 값의 차이는 있지만, 변화 경향이나 전체적인 패턴은 집중호우 발생지점의 값과 유사하게 나타남을 확인하였다. Figure 4b는 case 2의 시간당 강수량, 운저, 운고의 분포를 나타낸 것으로, 집중호우가 내린 9월 20일 2000 LST에서의 구름 두께는 약 5 km 정도로 상대적으로 두께가 얇은 구름에 의한 shallow convective system에 의한 강수임을 알 수 있다.
- 또한 SRH는 집중호우 발생 전에 대류성 스톰의 발생 가능성이 높은 150 m2 s−2 이상의 값을 보였고, 급격히 감소되는 경향이 있었다.
- 08 K s−1)이 나타났다. 불안정 지수는 변동성이 다양하게 나타났으며, KI 값은 집중호우 발생시점에 30 이상의 값으로 나타났다. SSI는 case 1과 case 2에서는 집중호우 발생시점에 증가하는 경향을, case 3에서는 감소하는 것으로 나타났다.
- 이러한 불안정지수는 계절이나 기상조건에 맞는 적절한 지수 선택이 선행되어야 하지만, 분석에 사용된 불안정 지수들이 강수량의 변화에 따라 증감하는 등의 변화 특성은 보였으나, 선별된 사례에 대해 일괄적인 증가나 감소 등의 변화 특성을 나타내지는 않았다. 불안정 지수는 집중호우를 예측하는 보조지표로서 활용할 수 있을 것으로 예상되지만, 강수시스템이나 기상 조건에 따라 변동 특성이 다르게 나타났다. 다시 말해, 불안정 지수만을 이용한 집중호우 예측은 한계가 있을 것으로 예상되며, 적절한 불안정 지수의 선택과 분석이 요구되어지고, 다른 예측변수와의 접목을 통하여 집중호우 예측에 활용할 필요가 있다.
- 세 사례 모두 누적수함량은 강수가 시작되기 전에 급격하게 증가하기 시작하여 집중호우 발생시점 전에 최대값(0.0069 g m−3, 0.0085 g m−3, 0.0128 g m−3)이 나타났고, 강수가 내리기 시작하면서 급격한 감소가 나타났다.
- 세 사례 모두 집중호우가 발생하기 전에 대류성 스톰이 발생 가능성이 높은 150 m2 s−2 이상의 값을 보였고, 집중호우가 발생한 시점에서는 150 m2 s−2 이하의 값으로 나타났다.
- 세 사례의 분석 결과, 약 5 km~10 km 이상의 구름 두께를 가지는 대류성 구름에서 강한 강수가 내렸으며, 최소 5 km 이상의 두께를 가지는 대류형 구름에서 좀 더 강한 강수가 내림을 알 수 있다. 향후 집중호우 사례들의 추가 비교를 통하여 구름 두께와 집중호우와의 연관성에 대해 세밀히 파악해 볼 필요가 있다.
- 양의 부력에너지는 case 1과 case 3에서는 강수시작 시점부터 증가하기 시작하여 1,000 J kg−1 이상의 값으로 나타난 후 집중호우 발생시점(925.84 J kg−1와 615.81 J kg−1)에 감소하는 것으로 나타났으며, case 2에서는 양의부력에너지가 거의 나타나지 않았다.
- 000189 K s−1)이 나타났다. 즉 집중호우가 발생되기 전에 상대적으로 낮았던 이류 값이 집중호우가 발생되기 전에 급격하게 증가하는 것을 알 수 있다. 이러한 급격한 증가 또한 집중호우의 발생과 연관이 있으며, 집중호우의 특성이라고 할 수 있다.
- 8 mg m−3의 범위로 나타났으며, 집중호우 발생시점에는 대부분 사례에서 낮아짐을 확인하였다. 즉, 누적수함량은 강수 시작 시점에 증가하기 시작하여 집중호우가 발생되기 몇 시간 전부터 급격히 감소하는 것으로 나타났다. 양의 부력에너지는 case 1과 case 3에서는 강수시작 시점부터 증가하기 시작하여 1,000 J kg−1 이상의 값으로 나타난 후 집중호우 발생시점(925.
- 하지만, case 3은 case 1과 case 2와는 다르게 집중호우 발생 시점에 최소값이 나타났다. 집중호우 발생 전에 급격하게 증가한 이류 값이 집중호우 내리면서 급격하게 감소하는 것으로 나타났다. 전선 형태의 집중호우에서는 온도이류와 온위이류의 급격한 증가가 생기는 반면, case 3의 결과와 같이 국지성 집중호우에서는 이류 값이 급격하게 하락하는 특성이 있는 것으로 예상되며, 다른 국지성 집중호우 사례의 추가 분석을 통하여 확인해 볼 필요가 있다.
후속연구
- 3차원 격자 자료를 생산하는 수치모델의 결과물을 활용한 집중호우 사전 예측은 일반적으로 사용되는 집중호우 예측변수(CAPE, BRN, wind shear 등)와 더불어 추가적으로 여러 예측변수들의 접목을 통해 예측성을 더 향상시킬 수 있을 것이다. 아울러 변수들의 증감이나 변화량 등을 격자 단위로 실시간 모니터링함으로써 집중호우 발생지역 등에 대한 보다 정확한 정보를 획득할 수 있을 것으로 기대된다.
- 결과적으로, 분석에 사용된 대부분의 변수들이 집중호우 발생시점 전에 변화 경향이나 변동 특성이 있는 것으로 나타났으며, 기존에 사용되던 CAPE, 불안정지수, SRH도 집중호우 유형이나 사례에 따라 변화 경향이나 값의 변동이 다양하게 나타남으로 인해 이를 일괄적으로 적용하는데는 세밀한 검토가 필요할 것이다. 추가적으로 구름 두께, 누적수함량 변화, 열적이류 등은 집중호우 발생과 부합되는 변동 경향이나 특성이 나타남에 따라 집중호우 예측을 위한 변수로서 활용 가능성이 있을 것으로 생각된다.
- 불안정 지수는 집중호우를 예측하는 보조지표로서 활용할 수 있을 것으로 예상되지만, 강수시스템이나 기상 조건에 따라 변동 특성이 다르게 나타났다. 다시 말해, 불안정 지수만을 이용한 집중호우 예측은 한계가 있을 것으로 예상되며, 적절한 불안정 지수의 선택과 분석이 요구되어지고, 다른 예측변수와의 접목을 통하여 집중호우 예측에 활용할 필요가 있다.
- 또한 집중호우 발생 전에 상대적으로 강한 SRH가 몇 시간 지속되어 나타남으로서 상승류를 발달시키고 뇌우 발달을 가속화시킨 것으로 생각된다. 따라서 집중호우 발생 전에 높은 SRH가 몇 시간 지속되면 스톰 발생이나 집중호우 시의 전조현상으로 파악할 수 있으며, 집중호우 사전 예측에 활용할 수 있을 것이다. 따라서, 스톰이나 위험기상의 시공간적 변동성을 짐작할 수 있는 SRH의 정확한 추정이 선행되어야 하며, 다른 예측 변수들과의 조합을 통하여 집중호우 발생지역 등을 예측할 수 있을 것으로 기대된다.
- 따라서 집중호우 발생 전에 높은 SRH가 몇 시간 지속되면 스톰 발생이나 집중호우 시의 전조현상으로 파악할 수 있으며, 집중호우 사전 예측에 활용할 수 있을 것이다. 따라서, 스톰이나 위험기상의 시공간적 변동성을 짐작할 수 있는 SRH의 정확한 추정이 선행되어야 하며, 다른 예측 변수들과의 조합을 통하여 집중호우 발생지역 등을 예측할 수 있을 것으로 기대된다.
- 이러한 변수들의 급격한 증감이나 변화 양상은 집중호우 발생시의 주변조건이나 기상조건과 부합되어 나타나는 것으로, 이러한 특징을 활용하면 집중호우를 사전에 예측 혹은 진단할 수 있는 변수로서 활용할 수 있을 것이다. 또한 세 사례의 분석 결과, 집중호우 유형에 따라 CAPE, 불안정 지수, SRH 등 예측변수의 변화가 다양하게 나타남으로 인해 이에 대한 세밀한 분석이 필요할 것으로 생각되고, 집중호우 유형이나 기상 조건 등에 맞는 적절한 활용이 요구되어진다.
- 강수시스템의 종류에 따라 다소 차이는 있겠지만, 구름이 강수가 되어 내리기 위해서는 부력에너지의 급격한 증가로 인해 대류형 구름이 충분히 생성된 후, 어느 정도의 지연 시간(delay time)동안 발달한 후에 집중호우가 내림을 예상할 수 있다. 비록 정확하게 몇 시간 전에 얼마만큼의 부력에너지가 증가하는지는 다른 집중 호우 사례에 대한 추가 분석을 통해 결정해야겠지만, 수치모델 결과물의 격자단위 실시간 모니터링을 통해 양의 부력에너지의 증가 후 급격한 감소가 발생하는 지점이 감지된다면, 집중호우 발생지점에 대한 예측에 활용할 수 있을 것이다.
- 3차원 격자 자료를 생산하는 수치모델의 결과물을 활용한 집중호우 사전 예측은 일반적으로 사용되는 집중호우 예측변수(CAPE, BRN, wind shear 등)와 더불어 추가적으로 여러 예측변수들의 접목을 통해 예측성을 더 향상시킬 수 있을 것이다. 아울러 변수들의 증감이나 변화량 등을 격자 단위로 실시간 모니터링함으로써 집중호우 발생지역 등에 대한 보다 정확한 정보를 획득할 수 있을 것으로 기대된다. 집중호우와 연관된 추가적인 정보를 기반으로 집중호우의 강도나 발생지역 등을 예측하는 데 더 나은 결과를 보여줄 수 있을 것이다.
- 대부분의 변수들이 집중호우 발생 전에 급격한 증감이나 변화 특성이 나타났다. 이러한 변수들의 급격한 증감이나 변화 양상은 집중호우 발생시의 주변조건이나 기상조건과 부합되어 나타나는 것으로, 이러한 특징을 활용하면 집중호우를 사전에 예측 혹은 진단할 수 있는 변수로서 활용할 수 있을 것이다. 또한 세 사례의 분석 결과, 집중호우 유형에 따라 CAPE, 불안정 지수, SRH 등 예측변수의 변화가 다양하게 나타남으로 인해 이에 대한 세밀한 분석이 필요할 것으로 생각되고, 집중호우 유형이나 기상 조건 등에 맞는 적절한 활용이 요구되어진다.
- CAPE와 SRH 등도 집중호우 유형이나 기상 조건에 따라 변화가 다양하게 나타난다. 이렇듯 기존의 집중호우 예측변수만을 이용한 예측보다는 추가적으로 집중호우 예측에 도움을 줄 수 있는 예측변수를 추가함으로서 집중호우의 예측성을 향상시킬 수 있는 방법의 모색이 필요하다. 또한 집중호우 유형에 따른 집중호우 예측변수의 변동 특성에 대한 고찰도 필요하다.
- 집중호우 발생 전에 급격하게 증가한 이류 값이 집중호우 내리면서 급격하게 감소하는 것으로 나타났다. 전선 형태의 집중호우에서는 온도이류와 온위이류의 급격한 증가가 생기는 반면, case 3의 결과와 같이 국지성 집중호우에서는 이류 값이 급격하게 하락하는 특성이 있는 것으로 예상되며, 다른 국지성 집중호우 사례의 추가 분석을 통하여 확인해 볼 필요가 있다. 서로 다른 집중호우 시스템에서의 특징일 수도 있지만, 온도이류와 온위이류의 증가는 집중호우와 연관이 있으며, 이를 활용하면 집중호우를 사전에 예측할 수 있을 것이다.
- 하지만, 구름의 종류에 따른 수액함량의 값을 제시했던 Tompson (2007)의 연구 결과와 비교해 보면, 수액함량의 값이 전체적으로 작게 나타났다. 전체적으로 낮은 누적수액함량의 결과가 지역적인 차이인지 유형의 차이인지에 대한 추가 분석도 필요할 것이다.
- 이러한 누적수함량 분포의 증가와 급격한 감소가 발생한다면, 집중호우가 내릴 가능성이 높음을 짐작할 수 있다. 즉 누적수함량의 급격한 증감은 집중호우 발생의 전조 현상으로서, 이를 이용하면 집중호우의 예측이나 진단에 활용할 수 있을 것이다. 하지만, 구름의 종류에 따른 수액함량의 값을 제시했던 Tompson (2007)의 연구 결과와 비교해 보면, 수액함량의 값이 전체적으로 작게 나타났다.
- 아울러 변수들의 증감이나 변화량 등을 격자 단위로 실시간 모니터링함으로써 집중호우 발생지역 등에 대한 보다 정확한 정보를 획득할 수 있을 것으로 기대된다. 집중호우와 연관된 추가적인 정보를 기반으로 집중호우의 강도나 발생지역 등을 예측하는 데 더 나은 결과를 보여줄 수 있을 것이다.
- 결과적으로, 분석에 사용된 대부분의 변수들이 집중호우 발생시점 전에 변화 경향이나 변동 특성이 있는 것으로 나타났으며, 기존에 사용되던 CAPE, 불안정지수, SRH도 집중호우 유형이나 사례에 따라 변화 경향이나 값의 변동이 다양하게 나타남으로 인해 이를 일괄적으로 적용하는데는 세밀한 검토가 필요할 것이다. 추가적으로 구름 두께, 누적수함량 변화, 열적이류 등은 집중호우 발생과 부합되는 변동 경향이나 특성이 나타남에 따라 집중호우 예측을 위한 변수로서 활용 가능성이 있을 것으로 생각된다.
- 하지만, 본 연구에서 선별된 사례들의 유형이나 발생 기작들이 서로 달라서 분석 결과를 모든 집중호우 사례에 적용하기에는 아직 무리가 있지만, 수치모델의 결과물과 같은 3차원 자료에서 생산되는 변수의 비교 분석을 통하여 일반적인 예측변수와 더불어 추가적인 다른 예측변수를 집중호우 예측변수로서 활용할 수 있는 가능성을 확인한 것에 큰 의미가 있다. 향후 보다 다양한 사례에서의 정량적인 값들의 산출 및 분석을 통하여 예측변수들의 임계값(threshold) 등을 일반화함으로서 집중호우 예측성을 향상시키도록 할 예정이다.
- 하지만, 본 연구에서 선별된 사례들의 유형이나 발생 기작들이 서로 달라서 분석 결과를 모든 집중호우 사례에 적용하기에는 아직 무리가 있지만, 수치모델의 결과물과 같은 3차원 자료에서 생산되는 변수의 비교 분석을 통하여 일반적인 예측변수와 더불어 추가적인 다른 예측변수를 집중호우 예측변수로서 활용할 수 있는 가능성을 확인한 것에 큰 의미가 있다. 향후 보다 다양한 사례에서의 정량적인 값들의 산출 및 분석을 통하여 예측변수들의 임계값(threshold) 등을 일반화함으로서 집중호우 예측성을 향상시키도록 할 예정이다.
- 세 사례의 분석 결과, 약 5 km~10 km 이상의 구름 두께를 가지는 대류성 구름에서 강한 강수가 내렸으며, 최소 5 km 이상의 두께를 가지는 대류형 구름에서 좀 더 강한 강수가 내림을 알 수 있다. 향후 집중호우 사례들의 추가 비교를 통하여 구름 두께와 집중호우와의 연관성에 대해 세밀히 파악해 볼 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.