레이더-위성자료 이용 다중센서 기반 초단기 강우예측 - 2014년 8월 부산·경남 폭우사례를 중심으로 - A Multi-sensor basedVery Short-term Rainfall Forecasting using Radar and Satellite Data - A Case Study of the Busan and Gyeongnam Extreme Rainfall in August, 2014-원문보기
본 연구에서는 2014년 8월 부산 경남 집중호우 사례를 대상으로 레이더와 위성결합 Multi-sensor Blending 초단기 강우예측을 실시하였다. 레이더 최적 Z-R관계는 열대형 강수 Z-R관계식($Z=32R^{1.65}$)을 적용하였으며, 20 mm/h 이상의 강한 강우에서 강수량 추정 정확도가 향상됨을 확인하였다. 또한 60 mm/h 이상 강한 폭우사상에 대하여 천리안 위성자료와 레이더자료를 합성한 결과 정량강수 추정 성능이 향상됨을 확인하였다. 지속시간별 강우예측 정확도 검증을 위하여 AWS, MAPLE 자료와 비교결과, 강우예측 1시간까지 약 50%이상의 지점강우예측 정확도를 확보하였으며, 10분 단위 예측시간별 상관계수는 0.80~0.53, 평균제곱근오차는 3.99~6.43 mm/h로 분석되었다. 본 연구 결과 레이더와 위성정보를 이용한 보다 신뢰성 있는 강우예측 정보 활용이 가능할 것으로 판단되며, 향후 지속적인 사례연구와 레이더 위성 활용 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다.
본 연구에서는 2014년 8월 부산 경남 집중호우 사례를 대상으로 레이더와 위성결합 Multi-sensor Blending 초단기 강우예측을 실시하였다. 레이더 최적 Z-R관계는 열대형 강수 Z-R관계식($Z=32R^{1.65}$)을 적용하였으며, 20 mm/h 이상의 강한 강우에서 강수량 추정 정확도가 향상됨을 확인하였다. 또한 60 mm/h 이상 강한 폭우사상에 대하여 천리안 위성자료와 레이더자료를 합성한 결과 정량강수 추정 성능이 향상됨을 확인하였다. 지속시간별 강우예측 정확도 검증을 위하여 AWS, MAPLE 자료와 비교결과, 강우예측 1시간까지 약 50%이상의 지점강우예측 정확도를 확보하였으며, 10분 단위 예측시간별 상관계수는 0.80~0.53, 평균제곱근오차는 3.99~6.43 mm/h로 분석되었다. 본 연구 결과 레이더와 위성정보를 이용한 보다 신뢰성 있는 강우예측 정보 활용이 가능할 것으로 판단되며, 향후 지속적인 사례연구와 레이더 위성 활용 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다.
In this study, we developed a multi-sensor blending short-term rainfall forecasting technique using radar and satellite data during extreme rainfall occurrences in Busan and Gyeongnam region in August 2014. The Tropical Z-R relationship ($Z=32R^{1.65}$) has applied as a optimal radar Z-R ...
In this study, we developed a multi-sensor blending short-term rainfall forecasting technique using radar and satellite data during extreme rainfall occurrences in Busan and Gyeongnam region in August 2014. The Tropical Z-R relationship ($Z=32R^{1.65}$) has applied as a optimal radar Z-R relation, which is confirmed that the accuracy is improved during 20mm/h heavy rainfall. In addition, the multi-sensor blending technique has applied using radar and COMS (Communication, Ocean and Meteorological Satellite) data for quantitative precipitation estimation. The very-short-term rainfall forecasting performance was improved in 60 mm/h or more of the strong heavy rainfall events by multi-sensor blending. AWS (Automatic Weather System) and MAPLE data were used for verification of rainfall prediction accuracy. The results have ensured about 50% or more in accuracy of heavy rainfall prediction for 1-hour before rainfall prediction, which are correlations of 10-minute lead time have 0.80 to 0.53, and root mean square errors have 3.99 mm/h to 6.43 mm/h. Through this study, utilizing of multi-sensor blending techniques using radar and satellite data are possible to provide that would be more reliable very-short-term rainfall forecasting data. Further we need ongoing case studies and prediction and estimation of quantitative precipitation by multi-sensor blending is required as well as improving the satellite rainfall estimation algorithm.
In this study, we developed a multi-sensor blending short-term rainfall forecasting technique using radar and satellite data during extreme rainfall occurrences in Busan and Gyeongnam region in August 2014. The Tropical Z-R relationship ($Z=32R^{1.65}$) has applied as a optimal radar Z-R relation, which is confirmed that the accuracy is improved during 20mm/h heavy rainfall. In addition, the multi-sensor blending technique has applied using radar and COMS (Communication, Ocean and Meteorological Satellite) data for quantitative precipitation estimation. The very-short-term rainfall forecasting performance was improved in 60 mm/h or more of the strong heavy rainfall events by multi-sensor blending. AWS (Automatic Weather System) and MAPLE data were used for verification of rainfall prediction accuracy. The results have ensured about 50% or more in accuracy of heavy rainfall prediction for 1-hour before rainfall prediction, which are correlations of 10-minute lead time have 0.80 to 0.53, and root mean square errors have 3.99 mm/h to 6.43 mm/h. Through this study, utilizing of multi-sensor blending techniques using radar and satellite data are possible to provide that would be more reliable very-short-term rainfall forecasting data. Further we need ongoing case studies and prediction and estimation of quantitative precipitation by multi-sensor blending is required as well as improving the satellite rainfall estimation algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
대류형 또는 열대형의 Z-R 관계식을 적용하여 강우 강도를 추정하더라도 60 mm/hr 이상의 강우강도를 추정하기 어려우므로, 천리안위성에서 산출된 강우강도와 합성하여 강우 추정의 정확도를 개선하고자 하였다. 레이더 Z-R 관계식으로 산출한 강우강도 자료로부터 시간당 강우강도가 10 mm/hr 보다 큰 영역을 추출하고, 해당영역에 대해서 천리안위성영상으로부터 산정된 강우강도 자료를 클리핑(Clipping)하여 공간분포 최적가중치(areal optimalweight)의 선형보간(linearinterpolation)기법을 적용한 합성강우강도 자료를 생성하였다.
따라서 본 연구에서는 레이더관측과 정확도 향상 및 효율성 확보, 그리고 획일적인 레이더 관측 시스템을 개선하고 집중호우 패턴에 맞는 레이더 상수를 적용하기 위하여 최적의 Z-R관계식을 추정하였다. 여름철 도시 유역 폭우 사상 적용에 적합한 최적 Z-R관계식을 추정하기 위하여, Table 1과 같이, 2014년 8월 25일 부산·경남 폭우사상을 대상으로 Z = 200R1.
본 연구에서는 도시 유역 초단기 강우예측을 위하여 기상청의 기상레이더 자료와 Communication, Ocean and Meteorological Satellite(COMS) 위성자료를 활용하여 다중센서 블렌딩(Multi-sensor Blending) 초단기 강우예측 시스템을 개발하였다. 개발 시스템은 도시지역 실시간 홍수 예·경보 시스템 구축을 목표로 10분 간격, 최대 1시간까지의 초단기 레이더 강우예측과 레이더 위성기반 다중센서 강우예측을 실시하였다.
제안 방법
(2) 대류형 또는 열대형 Z-R 관계식을 적용하더라도 60 mm/hr 이상의 강우강도 추정이 어려우므로, 천리안 위성에서 산출된 강우강도와 레이더 강우강도를 합성하는 다중센서 블렌딩 기법을 개발 적용하였다. 레이더 강우 10 mm/h이상일 경우 천리안 위성자료를 합성한 결과 관측 AWS자료와 강수량 패턴이 일치하는 결과를 얻을 수 있었으며, 초단기 강우예측의 성능이 향상됨을 확인하였다.
6은 동래(ID: 940)와 창원(ID: 155) 지점에 대해 Z-R 관계식에 따른 강우강도의 시계열 분포를 나타낸 결과이다. R-a와 R-b의 Z-R 관계식은 동래(ID:940)와 창원(ID:155) 지점에서 관측된 강우강도가 10 mm/hr 이하의 약한 강수일 때, 강우강도 크기와 분포는 유사하게 추정했으나, 20 mm/hr이상의 강한 강수가 내릴 때에는 70 % 이상 과소 추정하였다. 이에 반해, R-c의 Z-R 관계식은 AWS에서 관측된 강우강도가 10 mm/hr 이하의 약한 강수가 내릴 때, 약 50 % 이상 과대 추정하였으며, 20 mm/hr이상의 강한 강수가 내릴 때 약 40 % 과소 추정하여 R-a와 R-b에 비해 집중호우 사상에 상대적으로 좋은 성능을 보였다.
TRMM의 PR값 중 Level 1자료인 1C21반사인자(Reflectivity) 값과 VIRS의 가시·적외복사계 자료를 National Aeronautics and Space Adminstration(NASA)로부터 수집하였으며, 지상 250m 간격의 20단계 반사도 인자 PR 값을 Z-R관계식에 대입하여 강우강도로 환산하였다.
개발 시스템은 도시지역 실시간 홍수 예·경보 시스템 구축을 목표로 10분 간격, 최대 1시간까지의 초단기 레이더 강우예측과 레이더 위성기반 다중센서 강우예측을 실시하였다.
은 df(x)/d(x) 또는 f ′(x)에 해당하는 유한차분 편미분함수를 의미한다. 또한, 본 연구에서는 레이더와 위성을 이용한 다중센서 블렌딩 정량 강우강도 추정을 위해서 레이더 강우강도 10 mm/hr를 임계치(Threshold)로 아래 Eq. (7), (8)과 같은 조건부식을 적용하였다.
대류형 또는 열대형의 Z-R 관계식을 적용하여 강우 강도를 추정하더라도 60 mm/hr 이상의 강우강도를 추정하기 어려우므로, 천리안위성에서 산출된 강우강도와 합성하여 강우 추정의 정확도를 개선하고자 하였다. 레이더 Z-R 관계식으로 산출한 강우강도 자료로부터 시간당 강우강도가 10 mm/hr 보다 큰 영역을 추출하고, 해당영역에 대해서 천리안위성영상으로부터 산정된 강우강도 자료를 클리핑(Clipping)하여 공간분포 최적가중치(areal optimalweight)의 선형보간(linearinterpolation)기법을 적용한 합성강우강도 자료를 생성하였다. 지상 AWS에서 관측된 강우강도 자료를 이용하여 각각의 자료에 대한 가중치를 산출하여 레이더와 천리안위성 강우강도 합성에 적용하였다.
본 연구에서는 당시 폭우 사례를 대상으로 Automatic Weather System(AWS) 관측 자료를 수집하여 분석하였으며, 분 단위 관측자료를 10분 단위로 합산한 우량주상도를 레이더자료 만을 이용한 초단기 강우예측 결과와 레이더와 위성을 결합한 다중센서 블렌딩 강우예측 결과와 비교·분석 하였다.
지상 AWS에서 관측된 강우강도 자료를 이용하여 각각의 자료에 대한 가중치를 산출하여 레이더와 천리안위성 강우강도 합성에 적용하였다. 본 연구에서는 앞에서 제시한 도심지 폭우사상에 적합하다고 판단된 열대형 Z-R 관계식(Z = 32R1.65)을 적용하여 정량적 레이더 강수량을 추정하였으며, 천리안위성으로부터 보정된 정량강수량을 초단기 강수예측 초기치로 사용하여 10분 간격의 초단기 강수 예측을 실시하였다.
여름철 도시 유역 폭우 사상 적용에 적합한 최적 Z-R관계식을 추정하기 위하여, Table 1과 같이, 2014년 8월 25일 부산·경남 폭우사상을 대상으로 Z = 200R1.6(층운형 강수: R-a)관계식과 미국 기상레이더센터(Nation Weather Service, NWS)에서 사용하고 있는 Z = 300R1.4(대류형 강수: Rb), Z = 32R1.65(열대형 강수: R-c)을 검토하였으며, AWS 관측 결과와 비교하여 검증하였다.
위성 강우량의 경우 천리안위성의 10μm Geo IR 밴드 값과 레이더를 이용 Convective와 Stratiform강우를 구분하였으며, 극치강우량 추출 알고리즘을 통하여 정량강수량을 추출하였다.
본 연구에서는 2014년 8월 부산·경남 집중호우 사례를 대상으로 레이더와 위성결합 초단기 강우예측을 실시하였다. 이를 위하여 레이더 강우 최적 Z-R관계 추정과 이동양상 분석을 실시하였으며, 천리안위성을 통하여 산정한 초단기 강우예측결과를 활용하여 다중센서 블렌딩 강우예측을 실시하였다. 또한 강우예측 정확도 검증을 위하여 AWS 관측 자료, MAPLE강우예측 결과와 비교·분석 하였으며, 예측시간별 상관계수와 평균제곱근오차 분석을 통한 강우예측 정확도 평가를 실시하였다.
다음으로 일본의 경우 도쿄시의 위험기상예측과 재난저감을 위하여 Tokyo Metropolitan Area Convection Study for Extreme Weather Resilient Cities(TOMACS) 시스템을 구축하여 운영 중에 있다. 조밀한 기상 관측망을 통한 극한기상 조기관측 및 예측 시스템을 개발하여 다양한 최종수요자에게 직전예보(~5분), 현재예보(~1시간), 그리고 자료동화 및 수치예보(~6시간) 정보를 실시간 제공하여 극한 기상에 따른 재난재해에 대응하는 도시를 구축하였다. 사용된 자료는 도쿄시 영역을 포함하는 C-band 도플러 레이더와 여러 개의 X-band레이더를 결합한 X-net 레이더, 그리고 일본기상청 위성센터의 MTSAT 위성의 관측영역(25°N~45°N, 120°E~150°E)에 대한 고속스캔 정보를 실시간으로 재생산하여 사용하고 있다.
레이더 Z-R 관계식으로 산출한 강우강도 자료로부터 시간당 강우강도가 10 mm/hr 보다 큰 영역을 추출하고, 해당영역에 대해서 천리안위성영상으로부터 산정된 강우강도 자료를 클리핑(Clipping)하여 공간분포 최적가중치(areal optimalweight)의 선형보간(linearinterpolation)기법을 적용한 합성강우강도 자료를 생성하였다. 지상 AWS에서 관측된 강우강도 자료를 이용하여 각각의 자료에 대한 가중치를 산출하여 레이더와 천리안위성 강우강도 합성에 적용하였다. 본 연구에서는 앞에서 제시한 도심지 폭우사상에 적합하다고 판단된 열대형 Z-R 관계식(Z = 32R1.
2도에 위치한 정지궤도 위성으로 한반도 영역을 관측한 적외채널 자료들을 8~15분 간격으로 받아볼 수 있어 집중호우 모니터링에 유리하다. 천리안 위성자료의 강우추출 알고리즘은 다양한 한반도 강우 패턴에 따른 Tropical Rainfall Measurement Mission(TRMM) 위성의 Precipitation Radar(PR) 센서로부터 관측한 강우강도와 Visible Infrared Scanner(VIRS)로부터 산정해낸 복사휘도 값의 데이터베이스로부터 만들었다. TRMM의 PR값 중 Level 1자료인 1C21반사인자(Reflectivity) 값과 VIRS의 가시·적외복사계 자료를 National Aeronautics and Space Adminstration(NASA)로부터 수집하였으며, 지상 250m 간격의 20단계 반사도 인자 PR 값을 Z-R관계식에 대입하여 강우강도로 환산하였다.
여기서 FRDR은 레이더만을 이용하여 강우강도를 예측한 결과이며, FMS는 레이더와 위성을 결합한 결과이다. 초단기 강우예측 시간은 2014년 8월 25일 13시 00분부터 14시 00분까지 60분에 대하여 10분 간격(10분, 20분, 30분, 40분, 50분, 60분)으로 예측을 실시하였다. 동래(ID:940) 지점의 경우, 예측시간이 10분~60분으로 증가함에 따라 레이더만을 이용할 경우 상관계수는 0.
본 연구에서는 TBB값을 240 K이하일 경우만 강우량을 부여하였고, rain/no rain 구름분류는 지상강우 레이더 자료를 이용하였다. 최종적으로 만들어진 과거 강우사상 데이터베이스의 PR의 강우강도와 VIRS의 TBB 온도에 관한 산포도로부터 회귀식을 산정하여 이들의 관계로부터 위성강수알고리즘을 산출하여 천리안 위성에 적용하였다(Park, 2015). 본 연구에서 적용한 위성강수 추정 알고리즘은 Eq.
위성 강우량의 경우 천리안위성의 10μm Geo IR 밴드 값과 레이더를 이용 Convective와 Stratiform강우를 구분하였으며, 극치강우량 추출 알고리즘을 통하여 정량강수량을 추출하였다. 추출된 레이더 강우량과 위성 강수량을 통하여 통계기법을 적용하여 다중센서 블렌딩 강수량 예측 및 추정을 실시 기법을 개발하였다. 다중센서 블렌딩 기법의 적용성 평가를 위하여 2014년 8월 25일 부산시 집중호우 사례를 바탕으로 검증하였다.
대상 데이터
본 연구에서는 당시 폭우 사례를 대상으로 Automatic Weather System(AWS) 관측 자료를 수집하여 분석하였으며, 분 단위 관측자료를 10분 단위로 합산한 우량주상도를 레이더자료 만을 이용한 초단기 강우예측 결과와 레이더와 위성을 결합한 다중센서 블렌딩 강우예측 결과와 비교·분석 하였다. 검증을 위하여 선정된 AWS 관측지점은 경남 창원(ID: 155) 지점과 부산 동래(ID: 940) 지점이다. 8월 25일 06시부터 16시까지의 10시간 누적 강수량을 분석한 결과 부산동래 지점은 200.
기상청에서 제공되는 자료 중 부산과 경남 지역을 관측할 수 있는 기상레이더는 구덕산, 오성산, 면봉산 레이더이며, 이중 구덕산 레이더가 대상호우 사례의 전 영역을 관측할 수 있으므로 이를 사용하였다. 구덕산 기상레이더의 주요 제원은 S-band 단일편파 도플러 레이더(Doppler Radar)로서, 해발고도 518 m에 위치하고 있으며, 안테나 높이 545 m, 관측반경은 약 240 km, 유효반경은 약 120 km이다. 또한 관측 고도각은 총 13개로 설정되어 있으며, 최저 고도각은 약 0.
기상레이더는 위험기상을 감시, 예보하는데 매우 중요한 역할을 하고 있다. 기상청에서 제공되는 자료 중 부산과 경남 지역을 관측할 수 있는 기상레이더는 구덕산, 오성산, 면봉산 레이더이며, 이중 구덕산 레이더가 대상호우 사례의 전 영역을 관측할 수 있으므로 이를 사용하였다. 구덕산 기상레이더의 주요 제원은 S-band 단일편파 도플러 레이더(Doppler Radar)로서, 해발고도 518 m에 위치하고 있으며, 안테나 높이 545 m, 관측반경은 약 240 km, 유효반경은 약 120 km이다.
추출된 레이더 강우량과 위성 강수량을 통하여 통계기법을 적용하여 다중센서 블렌딩 강수량 예측 및 추정을 실시 기법을 개발하였다. 다중센서 블렌딩 기법의 적용성 평가를 위하여 2014년 8월 25일 부산시 집중호우 사례를 바탕으로 검증하였다. Fig.
도시유역 초단기 강우예측을 위하여 우리나라 최초의 정지궤도 위성인 천리안 위성을 사용하였다. 천리안 위성 기상탑재체의 기상위성 센서는 Visible Light, Shortwave Infrared, Water Vapor,Infrared 1,Infrared 2의 총 5개로 구성되어 있으며, 미국의 GOES-8호 부터 GOES-13호에 탑재된 기상위성 센서, 그리고 일본의 MTSAT-2의 기상 센서와 동일한 성능을 보유하고 있다(국가기상위성센터, National Meteorological Satellite Center, NMSC, http://nmsc.
본 연구에서는 2014년 8월 부산·경남 집중호우 사례를 대상으로 레이더와 위성결합 초단기 강우예측을 실시하였다.
또한 위성의 적외채널에서 VIRS를 사용하기 위하여 복사값을 Planck 법칙에 의해 TBB 값으로 환산하였으며, 일반적으로 적외값에서 TBB가 낮을수록 대류활동이 활발하고 많은 강우량을 의미한다. 본 연구에서는 TBB값을 240 K이하일 경우만 강우량을 부여하였고, rain/no rain 구름분류는 지상강우 레이더 자료를 이용하였다. 최종적으로 만들어진 과거 강우사상 데이터베이스의 PR의 강우강도와 VIRS의 TBB 온도에 관한 산포도로부터 회귀식을 산정하여 이들의 관계로부터 위성강수알고리즘을 산출하여 천리안 위성에 적용하였다(Park, 2015).
8도이다. 본 연구에서는 복잡한 지형과 건물 등의 영향으로 발생할 수 있는 지형에코(ground echo)가 광범위하게 발생할 수 있는데, 이러한 지형에코는 강수예측에 있어서 심각한 오차를 발생시킬 수 있으므로, 지형에코를 제거한 corrected reflectivity(CZ) 자료를 사용하였다.
사용된 자료는 도쿄시 영역을 포함하는 C-band 도플러 레이더와 여러 개의 X-band레이더를 결합한 X-net 레이더, 그리고 일본기상청 위성센터의 MTSAT 위성의 관측영역(25°N~45°N, 120°E~150°E)에 대한 고속스캔 정보를 실시간으로 재생산하여 사용하고 있다.
, 2013). 여기서 MRMS는 National Mosaic and Next Generation Multi sensor QPE(NMQ) 시스템의 업데이트 버전으로 WSR-88D 레이더, 지상관측자료, 위성영상, 그리고 Rapid Update Cycle(RUC) 수치모형자료를 입력 자료로 활용한다. 또한 이 시스템의 최종 결과물은 공간해상도 1km, 시간해상도 5분 간격으로 생산되고 있다.
데이터처리
또한 강우예측 정확도 검증을 위하여 AWS 관측 자료, MAPLE강우예측 결과와 비교·분석 하였으며, 예측시간별 상관계수와 평균제곱근오차 분석을 통한 강우예측 정확도 평가를 실시하였다.
이론/모형
TRMM의 PR값 중 Level 1자료인 1C21반사인자(Reflectivity) 값과 VIRS의 가시·적외복사계 자료를 National Aeronautics and Space Adminstration(NASA)로부터 수집하였으며, 지상 250m 간격의 20단계 반사도 인자 PR 값을 Z-R관계식에 대입하여 강우강도로 환산하였다. 또한 위성의 적외채널에서 VIRS를 사용하기 위하여 복사값을 Planck 법칙에 의해 TBB 값으로 환산하였으며, 일반적으로 적외값에서 TBB가 낮을수록 대류활동이 활발하고 많은 강우량을 의미한다. 본 연구에서는 TBB값을 240 K이하일 경우만 강우량을 부여하였고, rain/no rain 구름분류는 지상강우 레이더 자료를 이용하였다.
개발 시스템은 도시지역 실시간 홍수 예·경보 시스템 구축을 목표로 10분 간격, 최대 1시간까지의 초단기 레이더 강우예측과 레이더 위성기반 다중센서 강우예측을 실시하였다. 레이더 자료 전처리 및 Constant Altitude Plan Position Indicator(CAPPI) 산정은 Kim et al. (2015)에 의해 개발된 결과를 사용하였으며, 기존의 Z-R관계식 개선을 통한 정량 강우량을 추정하였다. 위성 강우량의 경우 천리안위성의 10μm Geo IR 밴드 값과 레이더를 이용 Convective와 Stratiform강우를 구분하였으며, 극치강우량 추출 알고리즘을 통하여 정량강수량을 추출하였다.
본 연구에서는 외삽기법을 이용한 강우 예측을 위해서 Tracking Radar Echoes by Correlation(TREC) 방법을 사용하였으며, TREC 방법은 연속된 두 레이더 반사도 자료로부터 특정 크기의 영역의 최대 상관계수를 갖는 영역을 찾아내어 그 중심을 연결하는 방법으로, 두 레이더 반사도 시간차와 중심거리 차로부터 이동속도를 결정하는 방법이다(Rinehart and Garvey, 1978). 여기서 레이더 반사도의 강수예측장 생성 방법은 이동벡터의 흐름방향의 회전력을 고려할 수 있는 Semi-Lagrangian 이류항 계산 추적법을 적용하였다(Germann and Zawadzki, 2002).
성능/효과
(1) 다중센서 블렌딩 초단기 강우예측을 위하여 부산·경남지역을 포함하는 구덕산 기상레이더자료와 천리안 위성영상 자료를 사용하여, 열대형 강수에 적합한 최적 Z-R관계식(Z=32R1.65)을 적용하여 정량강우 추정을 실시하였으며, 부산 동래(ID:940)와 경남 창원(ID:155) AWS 지점자료와 비교결과, 20 mm/h 이상의 강한 폭우에서 정확도가 향상되었다.
(3) 레이더, 다중센서, MAPLE을 통하여 예측한 지속시간별 강우강도를 비교·분석한 결과 예측 시간이 증가함에 따라 상관계수는 작아지고 평균제곱근오차는 증가하는 형태를 보였다.
검증을 위하여 선정된 AWS 관측지점은 경남 창원(ID: 155) 지점과 부산 동래(ID: 940) 지점이다. 8월 25일 06시부터 16시까지의 10시간 누적 강수량을 분석한 결과 부산동래 지점은 200.5 mm로, 경남 창원 지점은 235.5 mm로 관측되었으며, 10분 최대 강수량은 각각 17.0 mm/10 min와 19.0 mm/10 min으로 분석되었다. Fig.
Fig. 6는 부산 동래(ID: 940) AWS 지점과 창원(ID: 155) AWS 지점에 대하여 각 Z-R 관계식 종류별 강우예측 결과를 ASW관측 결과와 비교하였으며, 그림에서 보는바 와 같이 열대형 강수(R-c)를 적용한 경우가 두 지점모두 관측강수량과 정량적인 강수량 추정이 우수함을 확인할 수 있다. 또한 Table 2는 본 연구에서 적용한 Z-R 관계식 종류별로 관측 강수량과 정량적인 값을 비교한 결과이다.
5(a)). 강우강도 공간분포를 비교한 그림에서 보는 바와 같이 R-c의 Z-R관계식 성능이 상대적으로 우수함을 확인할 수 있다. 또한 Fig.
검토결과, 층운형·대류형의 관계식을 적용할 때보다 열대형 관계식을 적용할 때, 정량 강수량 산정이 개선됨을 확인하였으며, 2014년 8월 25일 집중호우 사상에 적용이 적합함을 확인하였다.
또한 천리안위성을 통하여 산정한 강우강도는 전체적으로 과대 추정 경향이 있으며, 구름영상 이미지로부터 rain/no rain 구분과 폭우사상 과대 추정 문제의 개선점이 보인다. 그러나 다중센서 블렌딩 기법을 적용한 결과를 살펴보면 관측값과 유사한 패턴을 보이면서 레이더와 위성만 사용하였을 경우 보다 극치 값의 양호한 재현성을 보임을 확인하였다. 다만, 다중센서 블렌딩 기술로 산정된 강우강도가 실측값에 비하여 과대 혹은 과소 추정 되는 구간이 발생하여 극치 강수 추정의 성능 개선을 위한 지속적인 연구가 필요하다.
9(g)~(i)는 13:50분의 관측과 예측결과이다. 그림에서 보는바와 같이 예측 시간이 길어질수록 각 방법별 예측 강수량의 강우강도가 AWS 관측 강수량에 비하여 작아짐을 확인할 수 있으나, 전체적인 강우발생 공간분포 패턴은 유하게 유지되고 있음을 확인할 수 있다. 또한 다중센서 블렌딩결과와 MAPLE의 결과를 비교하였을 때, 부산과 경남지역의 해안선을 따라 분포하는 강한 강수밴드를 관측과 모두 흡사하게 예측하고 있으나, 정량적인 강우강도 추정에 있어 다중센서 블렌딩결과가 상대적으로 좋은 성능을 보임을 확인 할 수 있다.
07 mm/h로 분석되었다. 다음으로 창원(ID:155) 지점의 경우, 예측시간이 10분~60분으로 증가함에 따라 레이더만을 이용할 경우 상관계수는 0.887~0.591, 평균제곱근오차는 5.44~ 6.02 mm/h로 가장 높은 상관성을 보였으며, 레이더와 위성을 결합할 경우 상관계수는 0.796~0.526, 평균 제곱근오차는 3.99~6.46 mm/h로 나타났다. 또한 MAPLE의 경우 예측시간이 증가함에 따라 관측강수량과의 상관계수는 0.
초단기 강우예측 시간은 2014년 8월 25일 13시 00분부터 14시 00분까지 60분에 대하여 10분 간격(10분, 20분, 30분, 40분, 50분, 60분)으로 예측을 실시하였다. 동래(ID:940) 지점의 경우, 예측시간이 10분~60분으로 증가함에 따라 레이더만을 이용할 경우 상관계수는 0.577~0.143, 평균제곱근오차는 5.36~7.50 mm/h로 분석되었고, 레이더와 위성을 결합할 경우 상관계수는 0.723~0.120, 평균제곱근오차는 4.88~7.36 mm/h로 가장 높은 상관성을 보였다. 또한 MAPLE의 경우 예측시간이 증가함에 따라 관측강수량과의 상관계수는 0.
8은 부산 동래(ID:940)와 경남 창원(ID:155) 지점에 대하여, 레이더를 이용하여 추정한 강우강도와 천리안위성을 통하여 추정한 강우강도, 그리고 다중센서 블렌딩 기법을 적용하여 산정한 강우강도를 10분 간격의 AWS 관측 강우량과 비교한 결과이다. 두 지점 모두 Ra(a=200, b=1.6)를 적용한 경우 폭우사상의 과소 추정 경향을 확인할 수 있으며, R-c(a=32, b=1.65)를 적용하였을 경우 관측 값의 경향을 비교적 잘 따르고 있으나 60 mm/h이상의 강우강도에서는 과소 추정됨을 확인 할 수 있다. 또한 천리안위성을 통하여 산정한 강우강도는 전체적으로 과대 추정 경향이 있으며, 구름영상 이미지로부터 rain/no rain 구분과 폭우사상 과대 추정 문제의 개선점이 보인다.
23 mm/h로 분석되었다. 두 지점 모두 예측 시간이 증가함에 따라 상관계수는 작아지고 평균제곱근오차는 증가하는 형태를 보였다. 이러한 결과는 예측 시간이 증가함에 따라 적용 방법의 예측 정확도가 떨어지는 것을 의미하고 있으나, 부산 동래 지점의 경우 강우 예측 30분까지, 창원지점의 경우 강우예측 1시간까지는 약 50%이상의 지점강우예측 정확도를 확보하여 MAPLE에 비하여 상대적으로 양호한 결과를 얻을 수 있었다.
46 mm/h로 나타났다. 또한 MAPLE의 경우 예측시간이 증가함에 따라 관측강수량과의 상관계수는 0.308~0.087, 평균제곱근오차는 7.23~7.23 mm/h로 분석되었다. 두 지점 모두 예측 시간이 증가함에 따라 상관계수는 작아지고 평균제곱근오차는 증가하는 형태를 보였다.
36 mm/h로 가장 높은 상관성을 보였다. 또한 MAPLE의 경우 예측시간이 증가함에 따라 관측강수량과의 상관계수는 0.490~ 0.115, 평균제곱근오차는 6.74~8.07 mm/h로 분석되었다. 다음으로 창원(ID:155) 지점의 경우, 예측시간이 10분~60분으로 증가함에 따라 레이더만을 이용할 경우 상관계수는 0.
그림에서 보는바와 같이 예측 시간이 길어질수록 각 방법별 예측 강수량의 강우강도가 AWS 관측 강수량에 비하여 작아짐을 확인할 수 있으나, 전체적인 강우발생 공간분포 패턴은 유하게 유지되고 있음을 확인할 수 있다. 또한 다중센서 블렌딩결과와 MAPLE의 결과를 비교하였을 때, 부산과 경남지역의 해안선을 따라 분포하는 강한 강수밴드를 관측과 모두 흡사하게 예측하고 있으나, 정량적인 강우강도 추정에 있어 다중센서 블렌딩결과가 상대적으로 좋은 성능을 보임을 확인 할 수 있다.
(2) 대류형 또는 열대형 Z-R 관계식을 적용하더라도 60 mm/hr 이상의 강우강도 추정이 어려우므로, 천리안 위성에서 산출된 강우강도와 레이더 강우강도를 합성하는 다중센서 블렌딩 기법을 개발 적용하였다. 레이더 강우 10 mm/h이상일 경우 천리안 위성자료를 합성한 결과 관측 AWS자료와 강수량 패턴이 일치하는 결과를 얻을 수 있었으며, 초단기 강우예측의 성능이 향상됨을 확인하였다.
(3) 레이더, 다중센서, MAPLE을 통하여 예측한 지속시간별 강우강도를 비교·분석한 결과 예측 시간이 증가함에 따라 상관계수는 작아지고 평균제곱근오차는 증가하는 형태를 보였다. 분석결과 레이더와 위성을 결합한 다중센서 블렌딩 결과의 예측성능 우수성을 확인하였으며, 강우예측 1시간까지 약 50%이상의 지점강우 예측 정확도를 확보하여 도시지역의 초단기 강우예측의 활용 가능성을 시사하였다.
두 지점 모두 예측 시간이 증가함에 따라 상관계수는 작아지고 평균제곱근오차는 증가하는 형태를 보였다. 이러한 결과는 예측 시간이 증가함에 따라 적용 방법의 예측 정확도가 떨어지는 것을 의미하고 있으나, 부산 동래 지점의 경우 강우 예측 30분까지, 창원지점의 경우 강우예측 1시간까지는 약 50%이상의 지점강우예측 정확도를 확보하여 MAPLE에 비하여 상대적으로 양호한 결과를 얻을 수 있었다.
R-a와 R-b의 Z-R 관계식은 동래(ID:940)와 창원(ID:155) 지점에서 관측된 강우강도가 10 mm/hr 이하의 약한 강수일 때, 강우강도 크기와 분포는 유사하게 추정했으나, 20 mm/hr이상의 강한 강수가 내릴 때에는 70 % 이상 과소 추정하였다. 이에 반해, R-c의 Z-R 관계식은 AWS에서 관측된 강우강도가 10 mm/hr 이하의 약한 강수가 내릴 때, 약 50 % 이상 과대 추정하였으며, 20 mm/hr이상의 강한 강수가 내릴 때 약 40 % 과소 추정하여 R-a와 R-b에 비해 집중호우 사상에 상대적으로 좋은 성능을 보였다.
후속연구
그러나 다중센서 블렌딩 기법을 적용한 결과를 살펴보면 관측값과 유사한 패턴을 보이면서 레이더와 위성만 사용하였을 경우 보다 극치 값의 양호한 재현성을 보임을 확인하였다. 다만, 다중센서 블렌딩 기술로 산정된 강우강도가 실측값에 비하여 과대 혹은 과소 추정 되는 구간이 발생하여 극치 강수 추정의 성능 개선을 위한 지속적인 연구가 필요하다.
본 연구를 통하여 제시된 결과는 레이더와 위성자료를 이용한 다중센서 블렌딩 방법이 도시유역 규모의 지점별 초단기 강수량 예측 활용에 비교적 신뢰성 있는 결과를 제공해줄 것으로 기대된다. 향후 보다 많은 사례 연구와 지점강수예측 결과의 비교·검증 노력이 필요하며, 레이더 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다.
향후 보다 많은 사례 연구와 지점강수예측 결과의 비교·검증 노력이 필요하며, 레이더 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다. 본 연구의 결과는 레이더와 위성 정보를 이용한 보다 신뢰성 있는 초단기 강우예측 정보 생산을 통한 도시유역의 내·외수 통합 홍수 예·경보 및 미계측 유역의 실시간 수문자료 확보에 활용이 가능할 것이다.
1은 본 연구에서 수행한 레이더와 위성자료 이용 다중센서 블렌딩 초단기 강우예측의 순서도 이다. 순서도에서 이중편파레이더 반사도 자료와 Cloudsat 자료는 초단기 강우예측 정확도 향상을 위하여 추후 고려할 예정이다.
예측된 강수량은 실시간 도시 홍수 예·경보를 위한 입력자료로 활용이 가능하다.
향후 보다 많은 사례 연구와 지점강수예측 결과의 비교·검증 노력이 필요하며, 레이더 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
기상레이더는 어떤 중요한 역할을 하는가?
기상레이더는 위험기상을 감시, 예보하는데 매우 중요한 역할을 하고 있다. 기상청에서 제공되는 자료 중 부산과 경남 지역을 관측할 수 있는 기상레이더는 구덕산, 오성산, 면봉산 레이더이며, 이중 구덕산 레이더가 대상호우 사례의 전 영역을 관측할 수 있으므로 이를 사용하였다.
초단기 강우량 예측의 정확도를 어떻게 향상 시키고 있는가?
초단기 강우 예측 분야 최근 동향을 살펴보면, 여러 개의 레이더 자료를 합성하거나 다양한 레이더 파장 자료를 합성하여 강수량을 예측하거나, 레이더와 지상관측자료, 그리고 위성자료를 활용한 다중센서(multisensor) 기반 강수량 추정 연구가 활발히 진행되어 초단기 강우량 예측의 정확도를 향상시키고 있다(Gourley and Maddox, 2002; Zhang and Qi 2010; Zhang et al., 2011; Chandrasekhar and Cifelli, 2012; and Wetchayont et al.
다중센서 블렌딩(Multi-sensor Blending) 초단기 강우예측 시스템은 어떻게 강우 예측을 실시하였나?
본 연구에서는 도시 유역 초단기 강우예측을 위하여 기상청의 기상레이더 자료와 Communication, Ocean and Meteorological Satellite(COMS) 위성자료를 활용하여 다중센서 블렌딩(Multi-sensor Blending) 초단기 강우예측 시스템을 개발하였다. 개발 시스템은 도시지역 실시간 홍수 예·경보 시스템 구축을 목표로 10분 간격, 최대 1시간까지의 초단기 레이더 강우예측과 레이더 위성기반 다중센서 강우예측을 실시하였다. 레이더 자료 전처리 및 Constant Altitude Plan Position Indicator(CAPPI) 산정은 Kim et al.
참고문헌 (23)
Atlas, D., C. Ulbrich, F.D. Jr. Marks, E. Amitai, and C.R. Williams 1999. Systematic variation of drop size and radar-rainfall relations, Journal of Geophysical Research, 104: 6155-6169.
Calheiros, R.V. and I. Zawadzk 1987. Reflectivity-rain rate relationships for radar hydrology in Brazil, Journal of Climate Applied Meteorology, 26: 118-132.
Chandrasekhar, V. and R. Cifelli 2012. Concepts and principles of rainfall estimation from radar: Multi sensor environment and data fusion, Indian Journal of Radio and Space Physics, 41: 389-402.
Fulton, R. A., Breidenbach, J. P., Seo, D. J., Miller, D. A., and O'Bannon, T. (1998). The WSR-88D rainfall algorithm, Weather and Forecasting, 13(2): 377-395.
Germann, U. and I. Zawadzki, 2002. Scale-Dependence of the Predictability of Precipitation from Continental Radar Images. Part I: Description of the Methodology, Monthly Weather Review, 130(12): 2859-2873.
Gochis, D., R. Schumacher, K. Friedrich, N. Doesken, M. Kelsch, J. 4 Sun, K. Ikeda, D.T. Lindsey, A. Wood, B. Dolan, S. Matrosov, A. Newman, K. Mahoney, S. Rutledge, R. Johnson, P. Kucera, P. Kennedy, D. Sempere-Torres, M. Steiner, R. Roberts, J. Wilson, W. Yu, V. Chandrasekar, R. Rasmussen, A. Anderson, B. Brown 2015. The great Colorado flood of September 2013, Bulletin of the American Meteorological Society, 96(9): 1461-1487.
Gourley, J.J. and R.A. Maddox 2002. An exploratory multisensor technique for quantitative estimation of stratiform rainfall, Journal of Hydrolometeorology, 3: 166-180.
Jones, D.M.A. 1956. Rainfall drop size distribution and radar reflectivity, Research Report, No. 6, U.S. Army Contract DA-36-039 SC-64723, Illinois State Water Survey, Urbanba, Vol. 20, pp. 1-20.
Kim J.P., S.K. Yoon, G.S. Kim, and Y.I. Moon 2015. Application of very short-term rainfall forecasting to using water simulation using TREC method, Journal of Korea Water Resources Association, 48(5): 409-423. (Korean with English abstract)
Kitzmiller, D., D. Miller, R. Fulton, and R. Ding 2013. Radar and multisensor precipitation estimation techniques in National Weather Service hydrologic operations, Journal of Hydrologic Engineering, 18(2): 133-142.
Ng, C.W., and H. Y. Yeung 2013. Development of Radar-Satellite Blended QPE Technique and Application to Rainfall Nowcasting, Proc. of 27th Guangdong-Hong Kong-Macao Seminar, Reprint 1058, pp. 1-20.
NIMS (National Institute of Meteorological Sciences)(2003). Application of the Z-R relationshiprespect with the Type of prediction using radar of Jindo, National Institute of MeteorologicalSciences in Gwangju, KMA [C1-7], pp. 1-83.(in Korean)
Park, K.W. 2015. Regional Impacts of Hydrometeorological variability by extreme climate pattern changes and its heavy rainfall short-term forecast system over the Korean Peninsula. APCC Research Report, 2015-15, pp.1-86. (Korean with English abstract)
Rinehart, R.E. and T. Garvey 1978. Three dimensional storm motion detection by conventional weather radar, Nature, 273: 287-289.
Steiner, M., and R.A. Houze Jr., 1993. Three-dimensional validation at TRMM ground truthsites: some early results from Darwin, Australia, Proc. of 26th International Conference on Radar Meteorology, Norman, OK, May. 24-28,pp. 447-450.
Vasiloff, S.V., D.J. Seo, K.W. Howard, J. Zhang, D.H.Kitzmiller, M.G. Mullusky, W. F. Krajewski,E.A. Brandes, R.M. Rabin, D Berkowitz, H.E. Brooks, J.A. McGinley, R.J. Kuligowski, and B.G. Brown (2007). Improving QPE and very short term QPF. Bulletin of the American Meteorological Society, 88(12): 1899-1911.
Wetchayont, P., T. Hayasaka, T. Satomura, S. Katagiri,and S. Baimoung 2013. Retrieval of rainfall by combining rain gauge, ground-based radar and satellite measurements over Phimai, Thailand, Scientific Online Letters on the Atmosphere, 9:166-169.
Yoon, S.K., and Moon, Y.I. 2014. The Recent Increasing Trends of Exceedance Rainfall Thresholds Over the Korean Major Cities, Journal of the Korean Society of Civil Engineers,34(1): 117-133. (Korean with English abstract)
Zhang, J. and Y. Qi 2010. A real-time algorithm for the correction of bright band effects in radar-derived precipitation estimation, Journal ofHydrometeorology, 11: 1157-1171.
Zhang, J., K. Howard, and co-authors 2011. National Mosaic and multi-sensor QPE (NMQ) system: description, results and future plans, Bulletin of the American Meteorological Society, 92: 1321-1338.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.