[논문]COMS 위성의 가시 및 적외 영상 채널로부터 복원된 대류운의 강우강도 향상과 검증

문윤섭; 이강열

doi:10.5467/jkess.2016.37.7.420

COMS 위성의 가시 및 적외 영상 채널로부터 복원된 대류운의 강우강도 향상과 검증
Improvement and Validation of Convective Rainfall Rate Retrieved from Visible and Infrared Image Bands of the COMS Satellite 원문보기

한국지구과학회지 = Journal of the Korean Earth Science Society, v.37 no.7, 2016년, pp.420 - 433

초록
AI-Helper

본 연구의 목적은 2011년 4월 22일부터 10월 22일까지 우리나라에서 강수가 있는 총 75일 동안 COMS 위성의 적외 채널 $10.8{\mu}m$ 휘도 온도(IR), 적외 채널 $10.8{\mu}m$와 수증기 채널 $6.7{\mu}m$의 휘도 온도차(IR-WV), 정규화 된 가시반사도(VIS)와 기상 레이더의 강우강도를 이용하여 2-D와 3-D 대류운의 강우강도 (CRR) 조견표를 향상시키는 것이다. 특별히 한국형 2-D와 3-D CRR 조견표를 검증하기 위해 2011년 강수가 있는 24일 동안의 기상 레이더 강우강도 자료가 사용된다. 2-D와 3-D CRR 조견표는 각 채널의 등급 범주별 강우 총수와 비강우 총수의 행렬을 이용하여 구한 강우 확률에 평균 누적강우강도와 최대 강우강도를 각각 곱함으로써 2-D (IR, IR-WV)와 3-D (IR, IR-WV, VIS) 조견표의 기본과 최대 행렬을 얻을 수 있다. 최종적으로 새로운 2-D와 3-D의 CRR 조견표는 경험적으로 기본과 최대 강우강도 행렬의 회귀 분석으로 얻어진다. 그 결과 새로운 CRR 조견표는 기존보다 낮은 IR 휘도 온도, 낮은 IR-WV 휘도 온도차일 때에도 비교적 많은 강우 현상을 나타내며, $10mm\;h^{-1}$ 이상의 강우강도 영역이 확대되어 나타난다. 정확도와 범주별 통계가 주어진 기간 동안 발생했던 CRR 자료에 대해 계산된다. 새로운 2-D와 3-D CRR 조견표의 평균 오차, 평균절대 오차, 제곱근평균 오차가 기존 조견표보다 작게 나타나며, 예측 거짓경고비율은 감소하고, 탐지확률은 증가하며, 임계성공지수는 개선된다. 태풍과 뇌우와 같은 기상 이변에서의 강한 호우를 고려하기 위해서 습윤 보정 계수를 교정한다. 이 인자는 수치모델이나 COMS에서 복원한 지면에서 500 hPa까지 평균한 총가강수량과 상대습도의 곱 (PW RH)으로 정의된다. 이 연구에서는 PW RH에 근거하여 IR 운정 휘도 온도가 210 K 이하일 때, 상대습도가 40% 이상일 때 1에서 2사이를 경험적으로 정한다. 새로운 2-D와 3-D CRR 조견표를 적용한 결과 평균 오차, 평균 절대 오차, 제곱근 평균 오차가 줄어든다.

Abstract ▼ AI-Helper

The purpose of this study is to improve the calibration matrixes of 2-D and 3-D convective rainfall rates (CRR) using the brightness temperature of the infrared $10.8{\mu}m$ channel (IR), the difference of brightness temperatures between infrared $10.8{\mu}m$ and vapor $6.7{\mu}m$ channels (IR-WV), and the normalized reflectance of the visible channel (VIS) from the COMS satellite and rainfall rate from the weather radar for the period of 75 rainy days from April 22, 2011 to October 22, 2011 in Korea. Especially, the rainfall rate data of the weather radar are used to validate the new 2-D and 3-DCRR calibration matrixes suitable for the Korean peninsula for the period of 24 rainy days in 2011. The 2D and 3D calibration matrixes provide the basic and maximum CRR values ($mm\;h^{-1}$) by multiplying the rain probability matrix, which is calculated by using the number of rainy and no-rainy pixels with associated 2-D (IR, IR-WV) and 3-D (IR, IR-WV, VIS) matrixes, by the mean and maximum rainfall rate matrixes, respectively, which is calculated by dividing the accumulated rainfall rate by the number of rainy pixels and by the product of the maximum rain rate for the calibration period by the number of rain occurrences. Finally, new 2-D and 3-D CRR calibration matrixes are obtained experimentally from the regression analysis of both basic and maximum rainfall rate matrixes. As a result, an area of rainfall rate more than 10 mm/h is magnified in the new ones as well as CRR is shown in lower class ranges in matrixes between IR brightness temperature and IR-WV brightness temperature difference than the existing ones. Accuracy and categorical statistics are computed for the data of CRR events occurred during the given period. The mean error (ME), mean absolute error (MAE), and root mean squire error (RMSE) in new 2-D and 3-D CRR calibrations led to smaller than in the existing ones, where false alarm ratio had decreased, probability of detection had increased a bit, and critical success index scores had improved. To take into account the strong rainfall rate in the weather events such as thunderstorms and typhoon, a moisture correction factor is corrected. This factor is defined as the product of the total precipitable waterby the relative humidity (PW RH), a mean value between surface and 500 hPa level, obtained from a numerical model or the COMS retrieval data. In this study, when the IR cloud top brightness temperature is lower than 210 K and the relative humidity is greater than 40%, the moisture correction factor is empirically scaled from 1.0 to 2.0 basing on PW RH values. Consequently, in applying to this factor in new 2D and 2D CRR calibrations, the ME, MAE, and RMSE are smaller than the new ones.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 COMS의 적외 영상 채널의 휘도 온도, 적외-수증기 휘도 온도차, 가시 영상 채널 반사도의 시공간적 해상도 자료로부터 기상 레이더의 강우강도를 복원시켜 기존 2-D와 3-D의 CRR 조견표를 교정하여 검증하고, 동시에 이들 오차에 대해서는 강우강도 산출 회귀 식을 검토하여 습도 보정을 추가함으로써 CRR의 산출 알고리즘을 향상시키는 것이다.
본 연구의 목적은 2011년 4월 22일부터 10월 22일까지 총 79일의 강수일의 자료를 이용하여 COMS 의 적외 영상 채널의 휘도 온도, 적외-수증기 휘도 온도차, 가시 영상 채널의 반사도의 시공간적 해상도 자료와 기상 레이더의 강우강도를 이용하여 한국형 2-D와 3-D의 CRR 조견표를 작성하고, 대류운의 습도 보정을 교정하여 CRR의 산출 알고리즘을 향상시키는 것이다. CRR의 조견표 작성을 위해 4월부터 10월까지 총 75일 간 강우 자료를, 그리고 검증을 위해 나머지 4일과 이를 포함한 24일을 검증 분석과 정확도 검증에 이용하였다.

제안 방법

2011년 7월 한 달 간, 24일의 강우 사례일을 선정하여 기존의 조견표와 새로 구축한 조견표에 의한 대류운의 강우강도(CRR)를 기상청 레이더 합성자료 (CAPPI)와 비교하여 검증을 수행하였다. 검증영역은 레이더 관측영역으로 국한하였으며, 대류운일 경우에만 강우강도를 산출하기 위하여 앞서 추출한 대류운 셀만을 검증 대상으로 하였다.
본 연구의 목적은 2011년 4월 22일부터 10월 22일까지 총 79일의 강수일의 자료를 이용하여 COMS 의 적외 영상 채널의 휘도 온도, 적외-수증기 휘도 온도차, 가시 영상 채널의 반사도의 시공간적 해상도 자료와 기상 레이더의 강우강도를 이용하여 한국형 2-D와 3-D의 CRR 조견표를 작성하고, 대류운의 습도 보정을 교정하여 CRR의 산출 알고리즘을 향상시키는 것이다. CRR의 조견표 작성을 위해 4월부터 10월까지 총 75일 간 강우 자료를, 그리고 검증을 위해 나머지 4일과 이를 포함한 24일을 검증 분석과 정확도 검증에 이용하였다.
이것은 연속적인 IR 휘도 온도를 사용할 수 있을 때 가능하다. IR 픽셀에서 첫 번째 휘도 온도와 두 번째 휘도 온도와 온도차를 이용하여 계산한다. 추천 인자는 정상 모드에서 0,35, 빠른 화상 모드에서 0.
기상 레이더에서 대류운은 에코 반사도가 35 dBz 이상일 때이다. 각 채널의 등급 범주별 강우 총수 NRR과 비강우 총수 NNR의 행렬을 이용하여 등급별 강우 확률 PRM과 총 강우 확률 PREQ을 구하고, PRM 행렬에서 PREQ 보다 작은 셀에 대해 0으로 표시한다. 또한 기상 레이다의 강우 강도를 이용하여 위성 각 채널의 등급별 총 누적 강우강도 TRR과 최대 강우강도에 강우 발생수를 곱한 MXM에 NRR을 각각 나누어 평균 강우강도 MRM 과 최대 강우강도 MXRM를 구하고 이를 강우 확률 PRM을 각각 곱하면 2-D와 3-D CRR 조견표의 기본과 최대 행렬이 완성된다.
다음은 Fig. 2에서와 같이 앞서 추출한 레이더 대류운 사례 중 강우가 있는 셀과 없는 셀을 위성에서의 가시 반사도, 적외 휘도 온도, 적외-수증기 채널 휘도 온도차 각각의 셀과 비교한다. 픽셀별로 비교된 강우강도는 각각 2D와 3D 조견표 행렬인 NRR (COMS 각 채널의 범주, 레이더에서 강수가 있는 픽셀들의 총 개수), NNR (COMS 각 채널의 범주, 레이더에서 강수가 없는 픽셀들의 총 개수), TRR (COMS 각 채널의 범주, 레이더 총 누적강도), MXM (COMS 각 채널의 범주, 교정 기간 동안의 강우 발생수와 최대 강우강도의 곱)을 생산함으로써 가능하다(Bellon et al.
대류운 픽셀과 같은 시각에 일치하는 셀의 가강수량 자료를 바탕으로 가강수량의 높낮이에 따라 네 개의 사례로 분류하여 각각에 대한 관계식을 개발하였다. 레이더 합성영상의 강우강도와 COMS 적외 채널인 IR 휘도 온도와의 회귀 분석 결과를 Fig.
한편 2-D와 3-D의 CRR 알고리즘은 대류운의 강우강도 만을 계산하게 되므로 강우 자료 중에서 대류운의 강우 사례만 선택하여 사용하여야 한다. 따라서 레이더 합성자료인 3차원 CAPPI (Constant Altitude Plan Position Indicator) 자료에서 CMAX (Maximum Column)를 계산하여 대류운 사례만을 선별한다. 이 자료는 레이더 에코의 연직 분포와 수평 분포의 양상을 알 수 있는 자료로서 에코의 반사도가 35 dBz 이상일 때를 대류운으로 구분한다(정성화 등, 2011; Dixon and Wiener, 1993; Johson et al.
따라서 실측 자료를 바탕으로 IR 휘도 온도가 210 K 이하일 때, 상대습도가 40% 이상일 때, 1보다 큰 PWRH 계수를 Table 9와 같이 교정하여 습윤 보정을 실시하였다. 습윤 보정 계수를 조정한 후, 보정 전후의 강우강도를 각각 레이더 강우강도와 비교하여 검증을 실시하였다.
태풍과 같은 이벤트성 호우 시에 CRR의 예측은 현저하게 과소평가 되므로 습윤 보정 과정을 통해 가강수량이 높은 위성 셀에 대해 강우강도를 극대화 시키는 것이 필요하다. 레이더 합성영상의 강우강도와 COMS 적외 채널인 IR 휘도 온도와의 회귀 분석 결과를 이용하여 습윤 보정 계수를 교정하였다. 위성의 가강수량과 UM의 상대습도 자료를 바탕으로 IR 휘도 온도가 210K 이하일 때, 상대습도가 40% 이상일 때 1보다 큰 습윤 보정 계수를 적용한 결과 평균 오차, 평균 절대 오차, 제곱근 평균 오차가 줄어들었다.
본 연구에서는 경험적으로 대류운이면서 15분 간격의 IR 휘도 온도 냉각률이−4.0 K/15 min일 때 구름 성장률을 빠른 화상 모드로 사용한다.
새로 작성한 2-D와 3-D의 조견표의 정확도는 각 자료마다 위성 CRR (E_i)과 레이더 CRR (Oi) 차를 구하여 다음과 같이 평균 오차(ME, Mean Error), 평균 절대 오차(MAE, Mean Absolute Error), 제곱근 평균 오차(RMSE, Root Mean Square Error) 등으로 구한다.
새로운 2-D와 3-D CRR 조견표를 만들어 내는 절차는 위성의 적외 채널 10.8 µm의 휘도 온도(K), 이것과 수증기 채널 6.7 µm의 적외-수증기 휘도 온도차 (K), 정규화된 가시 영상 반사도(%) 자료와 기상 레이더의 대류운 강우강도 자료를 수집하여 좌표계와 픽셀을 일치시킨다.
따라서 실측 자료를 바탕으로 IR 휘도 온도가 210 K 이하일 때, 상대습도가 40% 이상일 때, 1보다 큰 PWRH 계수를 Table 9와 같이 교정하여 습윤 보정을 실시하였다. 습윤 보정 계수를 조정한 후, 보정 전후의 강우강도를 각각 레이더 강우강도와 비교하여 검증을 실시하였다. 검증기간은 강우강도 조견표 검증 기간과 같은 24일의 강우 사례일을 대상으로 하였다.
조견표 강우강도는 1 mm h−1로부터 시작하기 때문에 레이더에서 예측된 0.5 mm h−1 이하 강우강도는 제거하였고 레이더 자료를 통해 대류운으로 판명된 셀만 골라 비교하였다.
3은 새로 구축한 조견표와 Basic, Max 조견표를 나타내었다. 최종 2-D와 3-D의 강우강도 조견표는 MRM, MXRM 행렬을 RPM과 각각 곱하여 Basic과 Max 조견표를 작성하였는데, Basic 조견표에 의한 CRR은 일반적으로 강우강도를 과소평가하는 경향을 가지기 때문에 Max 조견표와 실제 기상 레이더 검증 자료를 참고하여 다음과 같은 보정 계수를 경험적으로 사용하였다.

대상 데이터

습윤 보정 계수를 조정한 후, 보정 전후의 강우강도를 각각 레이더 강우강도와 비교하여 검증을 실시하였다. 검증기간은 강우강도 조견표 검증 기간과 같은 24일의 강우 사례일을 대상으로 하였다. 강우강도가 발생한 날을 대상으로 하였기 때문에 발생 확률에 대한 POD 등의 정확도는 변하지 않았지만 ME, MAE, RMSE 등의 오차가 줄어드는 것으로 확인 되었다.
2011년 7월 한 달 간, 24일의 강우 사례일을 선정하여 기존의 조견표와 새로 구축한 조견표에 의한 대류운의 강우강도(CRR)를 기상청 레이더 합성자료 (CAPPI)와 비교하여 검증을 수행하였다. 검증영역은 레이더 관측영역으로 국한하였으며, 대류운일 경우에만 강우강도를 산출하기 위하여 앞서 추출한 대류운 셀만을 검증 대상으로 하였다.
본 연구에서 사용한 강수 자료는 2011년 4월 22일부터 10월 22일까지 총 79일의 강수일의 자료를 수집하였고, 4월에서 10월까지 총 75일 간 강우 자료를 조견표 작성에 사용하였으며, 나머지 4일을 검증 분석에, 그리고 이를 포함한 24일을 정확도 검증에 이용하였다.
유럽에서는 CRR 조견표를 작성하기 위해 2004년부터 2006년의 2년간 관측 자료를 이용하였다. 따라서 더욱 안정적이고 특이 기상을 모두 반영할 수 있는 CRR 조견표를 생산하기 위해서는 계속적인 자료 축적을 통해 조견표를 교정해 나감으로써 이들의 정확도와 예측 확률의 일치도를 높일 수 있을 것이다.
하지만 2-D와 3-D CRR 조견표는 조견표 생성에 사용되는 자료의 기간에 따라 달라질 수가 있다. 유럽에서는 강우강도 조견표를 작성하기 위해서 2004년부터 2006년의 2년간 관측 자료를 이용하였는데, 본 연구에서는 1년의 자료가 사용되었다. 따라서 본 연구가 가지는 자료의 한계를 극복하고 안정적인 CRR 알고리즘을 완성하기 위해서는 보다 양질의 자료를 축적하여 지속적으로 CRR 조견표와 보정 계수를 향상시키는 것이 필요하다.
6과 7은 장마전선이 한반도에 걸쳐 있었던 2011년 7월 3일 10시와 중국 동부 해안에 상륙한 태풍의 영향을 받는 8월 7일 10시의 레이더에서 관측된 강우강도, 기존의 조견표와 새로운 조견표에서 예측된 강우강도를 비교하여 나타낸 것이다. 첫번째 사례일은 장마전선으로 인해 중부지역에 집중호우가, 두 번째 사례일은 태풍의 영향으로 인해 남서부 지역에 많은 호우가 있었던 날이었다. 조견표 강우강도는 1 mm h⁻¹로부터 시작하기 때문에 레이더에서 예측된 0.

이론/모형

CRR 산출 알고리즘은 COMS의 적외 채널(10.8 µm), 수증기 채널(6.7 µm) 및 가시 영상의 반사도 자료와 기존 2-D와 3-D CRR 조견표를 이용하여 추정할 수 있다.
만약 각 픽셀의 태양 천정각이 임계값보다 낮으면 가시 채널이 사용되고, 적외 휘도온도, 적외-수증기 휘도 온도차, 가시 반사도 함수의 3-D 조견표가 이용된다. 그리고 각 픽셀의 태양 천정각이 임계값보다 높으면 가시 채널은 사용 되지 않고, 적외 휘도 온도와 적외-수증기 휘도 온도차 함수인 2-D 조견표가 이용된다. 3-D 조견표가 2-D 조견표보다 조금 더 나은 결과를 주지만 밤 시간대에서는 사용할 수가 없다.

성능/효과

전체적으로, 2-D 조견표는 새로운 조견표가 기존의 것보다 레이더 관측과 일치하는 결과를 가져왔으며, 3- D 조견표에서의 개선은 2-D에 비해 낮은 것으로 나타났다. POD나 CSI에서와 같이 2-D와 3-D 조견표 모두 기존의 조견표보다 뚜렷한 개선 효과가 있다는 것을 확인할 수 있다. 다만 강우강도 예측 정확도의 경우 기존 조견표에서는 2-D보다 3-D가 높았으나 새로운 조견표에서는 2-D 조견표가 전 영역에 걸쳐서 높게 나타났다.
한편, 10 mm h⁻¹ 이상의 강우강도 분포는 유럽의 조견표에 비해 넓어진 모습을 확인 할 수 있었다. 각 채널의 휘도 온도를 대류운의 성장 및 규모에 관련 지어 보면, 유럽에 비해 구름이 덜 성장했다고 할지라도 강수확률이 높다는 것을 짐작할 수 있다. 결과 적으로 10 mm h⁻¹ 이상의 영역은 확대되면서도 최고값이 낮아지는 결과를 나타내고 있었다.
검증기간은 강우강도 조견표 검증 기간과 같은 24일의 강우 사례일을 대상으로 하였다. 강우강도가 발생한 날을 대상으로 하였기 때문에 발생 확률에 대한 POD 등의 정확도는 변하지 않았지만 ME, MAE, RMSE 등의 오차가 줄어드는 것으로 확인 되었다. ME가 음의 값으로 변한 것은 기존에는 강우강도를 과소평가 하던 것이 습윤 보정 이후 과대평가로 나타났음을 의미하며, 보정 이후 2D와 3D간의 오차도 줄어들었다(Table 10).
결과 적으로 10 mm h−1 이상의 영역은 확대되면서도 최고값이 낮아지는 결과를 나타내고 있었다.
새로운 3-D CRR 조견표의 경우는 기존의 조견표에 비해 등강우강도 곡선이 보다 거칠게 나타났다. 결과적으로 3-D CRR 조견표는 2-D CRR 조견표에 비해 대류운의 강우강도를 과소평가 하고 있었지만, 전체적으로 새로운 2-D CRR 조견표가 기존의 것보다 레이더 관측과 일치하는 것으로 나타났으며, 3-D CRR 조견표에서의 개선은 2-D CRR 조견표에 비해 낮은 것으로 나타났다. 또한 강우강도의 예측 빈도 확률인 POD나 예측 성공비율인 CSI에서는 2-D와 3-D CRR 조견표 모두 기존의 조견표보다 개선되어 나타났다.
결과적으로 3-D CRR 조견표는 2-D CRR 조견표에 비해 대류운의 강우강도를 과소평가 하고 있었지만, 전체적으로 새로운 2-D CRR 조견표가 기존의 것보다 레이더 관측과 일치하는 것으로 나타났으며, 3-D CRR 조견표에서의 개선은 2-D CRR 조견표에 비해 낮은 것으로 나타났다. 또한 강우강도의 예측 빈도 확률인 POD나 예측 성공비율인 CSI에서는 2-D와 3-D CRR 조견표 모두 기존의 조견표보다 개선되어 나타났다.
각 채널의 등급 범주별 강우 총수 NRR과 비강우 총수 NNR의 행렬을 이용하여 등급별 강우 확률 PRM과 총 강우 확률 PREQ을 구하고, PRM 행렬에서 PREQ 보다 작은 셀에 대해 0으로 표시한다. 또한 기상 레이다의 강우 강도를 이용하여 위성 각 채널의 등급별 총 누적 강우강도 TRR과 최대 강우강도에 강우 발생수를 곱한 MXM에 NRR을 각각 나누어 평균 강우강도 MRM 과 최대 강우강도 MXRM를 구하고 이를 강우 확률 PRM을 각각 곱하면 2-D와 3-D CRR 조견표의 기본과 최대 행렬이 완성된다. 최종 CRR 조견표는 경험 적으로 기본과 최대 행렬을 조합식을 구하여 사용하게 된다.
새로운 3-D CRR 조견표의 경우는 기존의 조견표에 비해 등강우강도 곡선이 보다 거칠게 나타났고 2-D CRR 조견표와 같이 10 mm h−1 이상의 강우강도 영역이 확대되었음을 알 수 있다.
그리고 10 mm h⁻¹ 이상의 영역은 확대되면서도 최고값이 낮아지는 결과를 나타내었다. 새로운 3-D CRR 조견표의 경우는 기존의 조견표에 비해 등강우강도 곡선이 보다 거칠게 나타났다. 결과적으로 3-D CRR 조견표는 2-D CRR 조견표에 비해 대류운의 강우강도를 과소평가 하고 있었지만, 전체적으로 새로운 2-D CRR 조견표가 기존의 것보다 레이더 관측과 일치하는 것으로 나타났으며, 3-D CRR 조견표에서의 개선은 2-D CRR 조견표에 비해 낮은 것으로 나타났다.
레이더 합성영상의 강우강도와 COMS 적외 채널인 IR 휘도 온도와의 회귀 분석 결과를 이용하여 습윤 보정 계수를 교정하였다. 위성의 가강수량과 UM의 상대습도 자료를 바탕으로 IR 휘도 온도가 210K 이하일 때, 상대습도가 40% 이상일 때 1보다 큰 습윤 보정 계수를 적용한 결과 평균 오차, 평균 절대 오차, 제곱근 평균 오차가 줄어들었다.
유럽에서 구축한 기존 조견표와 새로 구축한 한국형 조견표를 비교한 결과, 새로운 2-D CRR 조견표는 기존보다 낮은 IR 휘도 온도, 낮은 IR-WV 휘도 온도차일 때에도 비교적 많은 강우 현상을 나타냈으며, 구름이 가장 발달했을 때인 IR 휘도 온도와 IRWV 휘도 온도차가 동시에 낮을 때에 4 mm h−1 정도 낮은 강우강도를 나타내었다.
3-D 조견표는 2-D에 비해 대류운의 강우강도를 과소평가 하고 있지만, 약한 강우에 대해서는 비교적 잘 일치하고 있는 모습이다. 전체적으로, 2-D 조견표는 새로운 조견표가 기존의 것보다 레이더 관측과 일치하는 결과를 가져왔으며, 3- D 조견표에서의 개선은 2-D에 비해 낮은 것으로 나타났다. POD나 CSI에서와 같이 2-D와 3-D 조견표 모두 기존의 조견표보다 뚜렷한 개선 효과가 있다는 것을 확인할 수 있다.

후속연구

유럽에서는 CRR 조견표를 작성하기 위해 2004년부터 2006년의 2년간 관측 자료를 이용하였다. 따라서 더욱 안정적이고 특이 기상을 모두 반영할 수 있는 CRR 조견표를 생산하기 위해서는 계속적인 자료 축적을 통해 조견표를 교정해 나감으로써 이들의 정확도와 예측 확률의 일치도를 높일 수 있을 것이다.
유럽에서는 강우강도 조견표를 작성하기 위해서 2004년부터 2006년의 2년간 관측 자료를 이용하였는데, 본 연구에서는 1년의 자료가 사용되었다. 따라서 본 연구가 가지는 자료의 한계를 극복하고 안정적인 CRR 알고리즘을 완성하기 위해서는 보다 양질의 자료를 축적하여 지속적으로 CRR 조견표와 보정 계수를 향상시키는 것이 필요하다.
Basic 조견표의 비가 크고 Max 조견표의 비가 매우 적은데, 이것은 대류운의 강우강도 조견표 구축을 위한 사례일이 2011년의 여름에 집중해 있었기 때문으로 판단된다. 추후 충분히 긴 시간 동안 강수 사례를 축적하여 이들 조견표에 대한 보정 계수를 지속적으로 보완할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	운정 온도 경도 보정이란 무엇인가?	55이다. 그리고 운정 온도 경도 보정(cloudtop temperature gradient correction factor)은 연속적인 IR 휘도 온도를 얻을 수 없을 때 구름 성장률을 고려하는 방법이다. 3×3, 5×5 픽셀에서 IR 휘도 온도가 가장 낮은 점과 높은 점의 온도 경도를 이용하여 보정 계수를 사용한다.
	CRR 산출 알고리즘은 어떤 자료들을 이용하여 강우를 추정하는가?	운정 고도는 적외 영상의 휘도 온도가 낮을수록 더 높고, 구름 두께는 가시 영상의 반사도가 클수록 더 두껍다. CRR 산출 알고리즘은 COMS의 적외 채널(10.8 µm), 수증기 채널(6.7 µm) 및 가시 영상의 반사도 자료와 기존 2-D와 3-D CRR 조견표를 이용하여 추정할 수 있다. 이때 CRR은 매 15분마다 산출된다.
	운정 온도 경도 보정은 무엇을 이용하여 보정 계수로 사용하는가?	그리고 운정 온도 경도 보정(cloudtop temperature gradient correction factor)은 연속적인 IR 휘도 온도를 얻을 수 없을 때 구름 성장률을 고려하는 방법이다. 3×3, 5×5 픽셀에서 IR 휘도 온도가 가장 낮은 점과 높은 점의 온도 경도를 이용하여 보정 계수를 사용한다. 본 연구에서는 경험적으로 대류운이면서 15분 간격의 IR 휘도 온도 냉각률이−4.

참고문헌 (17)

AEMET (Agencia Estatal de Meteorologia), 2011, Algorithm theoretical basis document for "convective rainfall rate" (CRR-PGE05 v3.1). SAF/NWC/CDOP/INM/SCI/ATBD/05, Issue 3, Rev. 1.1.
AEMET (Agencia Estatal de Meteorologia), 2011, Validation report for "convective rainfall rate" (CRRPGE05 v3.1). SAF/NWC/CDOP/INM/SCI/VR/06, Issue 1, Rev. 0.
Arkin, P.A. and Meisner, B.N., 1987, The relationship between largescale convective rainfall and cold cloud over the Eestern Hemisphere during 1982-84. Monthly Weather Review, 115, 51-74.
Bellon, A., Lovejoy, S., and Austin, G.L., 1980, Combining satellite and radar data for the short-range forecasting of precipitation. Monthly Weather Review, 108, 1554-1566.

상세보기
Chen, M. and Brown, R., 1995, Delineation of precipitation areas by correlation of METEOSAT visible and infrared data with radar data. Monthly Weather Review, 123, 2743-2757.

상세보기
Dixon, M. and Wiener, G., 1993, TITAN: Thunderstorm Identification, Tracking, Analysis, and Nowcasting-A radar-based methodology. Journal of Atmospheric and Oceanic Technology, 10, 785-797.

상세보기
Goodman, B., Martin, D.W., Menzel, W.P., and Cutrim, E.C., 1994, A non-linear algorithm for estimating 3-hourly rain rates over Amazonia from GOES/VISSR observations. Remote Sensing Reviews, 10, 169-177.

상세보기
Johnson, J.T., 1998, The storm cell identification and tracking algorithm: An enhanced WSR-88D algorithm. Weather and Forecasting, 13, 263-276.

상세보기
Jung, S.W., Lee, K.W., Kim, H.W., and Gook B.J., 2011, Development of algorithm to trace and distinguish convective cell using the 3D radar reflectivity. Atmosphere, Korean Meteorological Society, 21, 243-256. (in Korean)
Lee, D.I. and Ryu, C.S., 2012, A comparative study of rain intensities retrieved from radar and satellite observations: two cases of heavy rainfall events by Changma and Bolaven (TY15). Journal of Korean Earth Science Society, 33, 569-582. (in Korean)

원문보기 상세보기
Luque, A., Gomez, I., and Manso, M., 2006, Convective rainfall rate multi-channel algorithm for Meteosat-7 and radar derived calibration matrices. Atmosfera, 19, 145-168.

상세보기
Oh, S.G., Suh, M.S., and Lee, Y.J., 2010, On the relation between cloud-to-ground lightning and rainfall during 2006 and 2007 summer cases. Journal of Korean Earth Science Society, 31, 749-761. (in Korean)

원문보기 상세보기
Oroza, S.A., 2008, Two satellite-based rainfall algorithms, calibration methods and post-processing corrections applied to mediterranean flood cases, Thesis doctoral presentada por Angel Luis de Luque Solheim, Universitat de les Illes Balears.
Scofield, R.A., 1987, The NESDIS operational convective precipitation technique. Monthly Weather Review, 115, No. 8, 1773-1792.
Seo, E.K., 2012, Rainfall Characteristics in the Tropical Oceans: Observations using TRMM TMI and PR. Journal of Korean Earth Science Society, 33, 113-125. (in Korean)

원문보기 상세보기
Vicente, G.A., 1996, Algorithm for rainfall rate estimation using a combination of GOES-8 11.0 mm and 3.9 mm measurements, Proceedings of the Eighth Conference on Satellite Meteorology and Oceanography. American Meteorological Society, 274-278.
Vicente, G.A., Scofield, R.A., and Menzel, W.P., 1998, The operational GOES infrared rainfall estimation technique. Bulletin of the American Meteorological Society, 79, 1883-1898.

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