본 연구는 기상청의 기상레이더 관측망을 이용한 하이브리드 고도면 강우추정 기법 기반의 새로운 정량적 합성강수량 추정 방법을 제시한다. HSR기법은 지형클러터, 빔차폐, 비 기상 에코 및 밝은 띠의 영향을 받지 않는 하이브리드 고도면의 반사도를 합성하는 것이 특징이다. HSR 합성반사도는 정적 HSR (STATIC)과 단일편파레이더에 대한 퍼지로직 기법과 이중편파레이더에 대한 시선방향 질감 기반의 품질관리 절차를 사용하는 동적 HSR (DYNAMIC) 합성으로 구분된다. STATIC과 DYNAMIC은 2014년 5월부터 10월까지 10개의 강우 사례에 대해 기상청 현업용 합성강우(MOSAIC)와 비교검증 하였다. 차폐 영역에서 STATIC, DYNAMIC, MOSAIC의 상관계수는 각각 0.52, 0.78, 0.69이며 평균 상대 오차는 각각 34.08, 30.08, 40.71%로 분석되었다.
본 연구는 기상청의 기상레이더 관측망을 이용한 하이브리드 고도면 강우추정 기법 기반의 새로운 정량적 합성강수량 추정 방법을 제시한다. HSR기법은 지형클러터, 빔차폐, 비 기상 에코 및 밝은 띠의 영향을 받지 않는 하이브리드 고도면의 반사도를 합성하는 것이 특징이다. HSR 합성반사도는 정적 HSR (STATIC)과 단일편파레이더에 대한 퍼지로직 기법과 이중편파레이더에 대한 시선방향 질감 기반의 품질관리 절차를 사용하는 동적 HSR (DYNAMIC) 합성으로 구분된다. STATIC과 DYNAMIC은 2014년 5월부터 10월까지 10개의 강우 사례에 대해 기상청 현업용 합성강우(MOSAIC)와 비교검증 하였다. 차폐 영역에서 STATIC, DYNAMIC, MOSAIC의 상관계수는 각각 0.52, 0.78, 0.69이며 평균 상대 오차는 각각 34.08, 30.08, 40.71%로 분석되었다.
This study presents a new nationwide quantitative precipitation estimation (QPE) based on the hybrid surface rainfall (HSR) technique using the weather radar network of Korea Meteorological Administration (KMA). This new nationwide HSR is characterized by the synthesis of reflectivity at the hybrid ...
This study presents a new nationwide quantitative precipitation estimation (QPE) based on the hybrid surface rainfall (HSR) technique using the weather radar network of Korea Meteorological Administration (KMA). This new nationwide HSR is characterized by the synthesis of reflectivity at the hybrid surface that is not affected by ground clutter, beam blockage, non-meteorological echoes, and bright band. The nationwide HSR is classified into static (STATIC) and dynamic HSR (DYNAMIC) mosaic depending on employing a quality control process, which is based on the fuzzy logic approach for single-polarization radar and the spatial texture technique for dual-polarization radar. The STATIC and DYNAMIC were evaluated by comparing with official and operational radar rainfall mosaic (MOSAIC) of KMA for 10 rainfall events from May to October 2014. The correlation coefficients within the block region of STATIC, DYNAMIC and MOSAIC are 0.52, 0.78, and 0.69, respectively, and their mean relative errors are 34.08, 30.08, and 40.71%.
This study presents a new nationwide quantitative precipitation estimation (QPE) based on the hybrid surface rainfall (HSR) technique using the weather radar network of Korea Meteorological Administration (KMA). This new nationwide HSR is characterized by the synthesis of reflectivity at the hybrid surface that is not affected by ground clutter, beam blockage, non-meteorological echoes, and bright band. The nationwide HSR is classified into static (STATIC) and dynamic HSR (DYNAMIC) mosaic depending on employing a quality control process, which is based on the fuzzy logic approach for single-polarization radar and the spatial texture technique for dual-polarization radar. The STATIC and DYNAMIC were evaluated by comparing with official and operational radar rainfall mosaic (MOSAIC) of KMA for 10 rainfall events from May to October 2014. The correlation coefficients within the block region of STATIC, DYNAMIC and MOSAIC are 0.52, 0.78, and 0.69, respectively, and their mean relative errors are 34.08, 30.08, and 40.71%.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
가설 설정
본 연구의 빔차폐 모의결과는 표준굴절률을 가정하였으며, 건물과 같은 인공 지형물을 반영하지 못하였다. 또한 레이더 반사도의 시스템오차를 보정해주지 않았기 때문에 보다 정확한 강우량추정을 위해 시스템오차 보정과 빔차폐 모의결과의 개선이 필요할 것으로 생각된다.
표준대기(standard atmosphere) 굴절률과 가우시안 빔 패턴을 가정하였으며, 레이더 안테나의 위치정보(위·경도 및 고도)와 관측 고도각을 이용하여 모의하였다(Doviak and Zrnic, 1993; Bellon and Zawadzki, 2003; Jung and Kim, 2007).
제안 방법
레이더기반의 정량적 강우추정을 위해 Z-R관계식을 사용하였으며, 2014년5월부터 10월까지 10개 강우사례에 적용하였다. AWS 지상우량계와 CORR, RATIO, BIAS, NSD, MRE의 검증지수를 사용하여 10개 강우사례에 대한 정적 및 동적 HSR 합성강우와 1.5 km 고도 합성강우의 정확도를 비교검증 하였다.
각 레이더 빈의 ρHV가 0.85보다 크고 시선방향의 질감이 문턱 값보다 작으면 강우영역으로 판별하였다.
합성반사도 산출을 위해 기상청에서 운영하고 있는 이중편파레이더 1개소와 단일편파레이더 9개소의 반사도를 이용하였다. 각 레이더의 빔차폐 모의결과와 지형에코지도를 이용하여 정적 HSR 마스크를 생성하였고, 진도와 면봉산 레이더를 제외한 8개 레이더에 대한 퍼지논리품질지수를 활용한 동적 HSR 마스크를 생성하였다. 백령도 이중편파레이더의 경우 이중편파변수를 이용한 강우장 마스크를 생성하고 고도각 변경 알고리즘을 추가 적용하였다.
각 레이더의 빔차폐 유무를 판별하기 위해 빔차폐율(beam blockage fraction, BBF)을 모의 하였다. 정량적 빔차폐율 모의를 위해 Consultative Group on International Agricultural Research-Consortium for Spatial Information (CGIAR-CSI)에서 제공되는 수치 고도모형(digital elevation model, DEM)을 사용하였다.
각 레이더의 최저고도각에 해당하는 빔차폐율 모의결과와 최저고도 합성방법을 이용하여 합성차폐율 지도를 생성하고, 차폐율이 10% 이상인 영역을 차폐영역으로 구분 하였다(Fig. 8). 합성차폐율지도에서 강원도 및 지리산 인근 그리고 제주지역의 차폐율이 상대적으로 높은 것을 볼 수 있다(Fig.
먼저, Table 3의 분석영역과 지도투영법에 따라 현업 합성반사도와 동일한 영역을 설정하였다. 다음으로 각 레이더의 안테나 위치, 레이더로부터 각 빈까지의 거리 및 방위각을 이용하여 극 좌표계 형식으로 이루어진 개별 레이더의 반사도지도를 앞에서 설정한 합성영역에 맞게 직교좌표계 형식으로 좌표변환 하였다. 이때 설정된 합성영역에서 각 빈별 위치에 해당하는 격자점을 찾고, 격자점에 포함되는 모든 빈의 반사도를 평균하여 격자화된 개별 레이더 반사도지도를 생성하였다.
백령도 이중편파레이더의 경우 이중편파변수를 이용한 강우장 마스크를 생성하고 고도각 변경 알고리즘을 추가 적용하였다. 또한 과도한 레이더 빔고도 상승을 억제하기 위해 고도제한을 적용하였다. 차폐와 비차폐영역을 구분하기 위해 최저고도각의 차폐모의 결과를 이용하여 합성차폐율을 생성하였으며 10% 이상의 차폐율을 가지는 영역을 차폐영역으로 판별하였다.
합성차폐율을 이용하여 차폐와 비차폐 영역을 구분하고, 차폐영역에 대한 각 강수추정기법의 성능을 평가하였다. 또한 기상청 현업용 합성반사도로 추정된 강우강도와 성능을 비교하였다.
현업용 합성반사도(MOSAIC)에 동일한 관계식을 적용하여 HSR기법과 강우추정 정확도를 비교하였으며, 추정강우의 정량적 검증을 위해 상관계수(correlation coefficient, CORR), 총비율(total ratio, RATIO), 평균편향오차(mean bias error, BIAS), 정규표준편차(normalized standard deviation, NSD), 평균상대오차(mean relative error, MRE)를 검증지수로 사용하였다(식 (3)-(7)). 또한 레이더 추정강우강도와 지상우량계 강우강도 사이의 오차분포를 살펴보기 위해 각 지상우량계 지점별편향오차비(fractional bias error, FB)와 상대오차(relative error, RE)를 산출하였다(식(8), 식(9)).
이때 설정된 합성영역에서 각 빈별 위치에 해당하는 격자점을 찾고, 격자점에 포함되는 모든 빈의 반사도를 평균하여 격자화된 개별 레이더 반사도지도를 생성하였다. 마지막으로, 중첩영역의 동일한 격자점에서 반사도 크기를 비교해가며 가장 강한 레이더의 반사도를 선택하는 최대반사도 합성방법(Maximum reflectivity mosaic, MAX)을 사용하여 최종 합성반사도를 생성하였다.
매 분 생산되는 24시간 누적 강우량으로부터 1분 강우량을 산출하고, 각 사례별 강우시간 동안의 평균 강우강도(mm hr−1)를 산출하였다.
2014년 5-10월 동안 10개 강우사례에 대한 관악산(KWK), 오성산(KSN), 백령도(BRI), 광덕산(GDK), 강릉(GNG), 구덕산(PSN), 고산(GSN), 성산포(SSP) 레이더의 지형에코필터 전 반사도(unfiltered reflectivity, DZ)를 사용하였다. 면봉산(MYN)과 진도(JNI)레이더는 DZ를 제공하지 않아 지형에코필터 후 반사도(corrected reflectivity, CZ)를 사용하였다. HSR기반의 합성강우와 성능을 비교하기 위해 1.
각 레이더의 빔차폐 모의결과와 지형에코지도를 이용하여 정적 HSR 마스크를 생성하였고, 진도와 면봉산 레이더를 제외한 8개 레이더에 대한 퍼지논리품질지수를 활용한 동적 HSR 마스크를 생성하였다. 백령도 이중편파레이더의 경우 이중편파변수를 이용한 강우장 마스크를 생성하고 고도각 변경 알고리즘을 추가 적용하였다. 또한 과도한 레이더 빔고도 상승을 억제하기 위해 고도제한을 적용하였다.
HSR기법은 BBF와 지형에코지도만을 이용하는 정적인 방법(STATIC)과 FQ를 추가적으로 이용하는 동적인 방법(DYNAMIC)으로 구분된다. 본 연구에서는 Lyu et al. (2015)의 정적 및 동적 HSR기법을 활용하여 단일편파레이더에 적용하였으며, 백령도 이중편파레이더(BRI) 는 Kwon et al. (2012)에 따라 이중편파변수를 이용한 고도각 선택 알고리즘을 추가 적용하였다. Kwon et al.
본 연구에서는 단일 레이더의 한계를 극복하고 강수량추정 정확도 향상을 위해 기상청(Korea Meteorological Administration, KMA) 레이더 관측자료를 이용하여 정적 및 동적 HSR기법으로 전국규모의 합성 반사도를 생성하고, 정량적 강우강도를 추정하였다. 합성차폐율을 이용하여 차폐와 비차폐 영역을 구분하고, 차폐영역에 대한 각 강수추정기법의 성능을 평가하였다.
본 연구에서는 정적 및 동적 HSR기법과 최대반사도 합성방법을 이용하여 합성반사도를 생성하고 차폐영역내 지상우량계를 활용하여 강우추정 성능을 검증하였다. 합성반사도 산출을 위해 기상청에서 운영하고 있는 이중편파레이더 1개소와 단일편파레이더 9개소의 반사도를 이용하였다.
차폐영역에 대한 HSR기반의 강우추정 성능향상을 알아보기 위해 레이더별 최저고도각의 차폐율 모의결과와 최저고도합성방법(the lowest elevation mosaic method)을 이용하여 빔차폐율 합성도를 생성하였다. 빔차폐율 합성도의 차폐율이 10% 미만인 영역은 빔 차폐가 없는 것으로 간주하여 비차폐 영역으로 판별하였으며, 나머지 영역은 차폐 영역으로 판별하였다. 합성영역에서 차폐와 비차폐 영역을 구분하고, 차폐영역내 229개 AWS 지상우량계를 이용하여 강우추정 검증을 수행하였다.
다음으로 각 레이더의 안테나 위치, 레이더로부터 각 빈까지의 거리 및 방위각을 이용하여 극 좌표계 형식으로 이루어진 개별 레이더의 반사도지도를 앞에서 설정한 합성영역에 맞게 직교좌표계 형식으로 좌표변환 하였다. 이때 설정된 합성영역에서 각 빈별 위치에 해당하는 격자점을 찾고, 격자점에 포함되는 모든 빈의 반사도를 평균하여 격자화된 개별 레이더 반사도지도를 생성하였다. 마지막으로, 중첩영역의 동일한 격자점에서 반사도 크기를 비교해가며 가장 강한 레이더의 반사도를 선택하는 최대반사도 합성방법(Maximum reflectivity mosaic, MAX)을 사용하여 최종 합성반사도를 생성하였다.
그렇지만 낮은 품질의 반사도를 사용하지 않기 위해 고도각이 과도하게 증가되어 융해 층 이상고도의 반사도가 사용되는 경우가 종종 발생한다. 이러한 단점을 보완하기 위해, 특정고도(e.g., 4 km) 이상으로 레이더 빔고도가 증가하지 못하도록 제한을 두었다. 고도제한에 필요한 각 레이더 빈의 해발고도를 산출하기 위해 레이더 안테나고도, 각 빈의 고도 각(즉, HSR 마스크)과 식 (2)를 이용하였다(Doviak and Zrnic, 1993).
85보다 크고 시선방향의 질감이 문턱 값보다 작으면 강우영역으로 판별하였다. 정적 HSR 마스크에 해당하는 고도각의 RF가 강우 영역일 때까지 고도각을 증가시켜 최종 고도각을 선택하였다. 즉, RF는 지형에코의 잔여에코, AP에코, 밝은 띠(bright band)에 의해오염된 레이더 빈의 반사도를 강우추정에 사용하지 않도록 한다.
또한 과도한 레이더 빔고도 상승을 억제하기 위해 고도제한을 적용하였다. 차폐와 비차폐영역을 구분하기 위해 최저고도각의 차폐모의 결과를 이용하여 합성차폐율을 생성하였으며 10% 이상의 차폐율을 가지는 영역을 차폐영역으로 판별하였다. 레이더기반의 정량적 강우추정을 위해 Z-R관계식을 사용하였으며, 2014년5월부터 10월까지 10개 강우사례에 적용하였다.
빔차폐율 합성도의 차폐율이 10% 미만인 영역은 빔 차폐가 없는 것으로 간주하여 비차폐 영역으로 판별하였으며, 나머지 영역은 차폐 영역으로 판별하였다. 합성영역에서 차폐와 비차폐 영역을 구분하고, 차폐영역내 229개 AWS 지상우량계를 이용하여 강우추정 검증을 수행하였다.
본 연구에서는 단일 레이더의 한계를 극복하고 강수량추정 정확도 향상을 위해 기상청(Korea Meteorological Administration, KMA) 레이더 관측자료를 이용하여 정적 및 동적 HSR기법으로 전국규모의 합성 반사도를 생성하고, 정량적 강우강도를 추정하였다. 합성차폐율을 이용하여 차폐와 비차폐 영역을 구분하고, 차폐영역에 대한 각 강수추정기법의 성능을 평가하였다. 또한 기상청 현업용 합성반사도로 추정된 강우강도와 성능을 비교하였다.
대상 데이터
기상청은 기존의 단일편파(single-polarization)에서 이중편파(dualpolarization) 레이더로 순차적인 교체를 진행하고 있으며, 본 연구기간에 사용된 백령도(BRI) 레이더는 이중편파이며 나머지는 단일편파 레이더이다. 2014년 5-10월 동안 10개 강우사례에 대한 관악산(KWK), 오성산(KSN), 백령도(BRI), 광덕산(GDK), 강릉(GNG), 구덕산(PSN), 고산(GSN), 성산포(SSP) 레이더의 지형에코필터 전 반사도(unfiltered reflectivity, DZ)를 사용하였다. 면봉산(MYN)과 진도(JNI)레이더는 DZ를 제공하지 않아 지형에코필터 후 반사도(corrected reflectivity, CZ)를 사용하였다.
HSR기반의 합성반사도 산출을 위해 기상청 기상 레이더 관측망 자료를 사용하였다(Fig. 1). 기상청은 기존의 단일편파(single-polarization)에서 이중편파(dualpolarization) 레이더로 순차적인 교체를 진행하고 있으며, 본 연구기간에 사용된 백령도(BRI) 레이더는 이중편파이며 나머지는 단일편파 레이더이다.
1 mm hr−1 미만인지점은 검증에서 제외하였다. Table 2는 본 연구에서 분석한 강우사례와 사례별 검증에 사용된 AWS 지점의 수를 나타내며 반사도 합성에 사용된 레이더의 위치와 검증에 사용된 전국 AWS 지점(837개 지점)의 위치는 Fig. 1과 같다. 사례 1-5는 층운형(stratiform), 6-8은 대류형(convective), 사례 9와 10은 전선(frontal)이 동반된 사례이다.
본 연구에서 사용된 DEM은 약 3'' (약 90 m)의 수평 분해능과 16 m 이내의 고도오차를 가지고 있다.
대체로 내륙을 중심으로 차폐영역이 분포하고 있으며 특히, 태백산맥과 한라산부근은 차폐율이 95% 이상이며 비교적 넓게 분포하는 것을 볼 수 있다. 본 연구에서 사용된 레이더는 주로 해안의 비교적 낮은 곳에 위치하고 있기 때문에 내륙의 차폐율이 상대적으로 높게 산출되는 것으로 보인다.
합성강우 검증을 위해 기상청 자동기상관측장비(Automatic Weather Station, AWS)의 관측자료를 사용하였다.
본 연구에서는 정적 및 동적 HSR기법과 최대반사도 합성방법을 이용하여 합성반사도를 생성하고 차폐영역내 지상우량계를 활용하여 강우추정 성능을 검증하였다. 합성반사도 산출을 위해 기상청에서 운영하고 있는 이중편파레이더 1개소와 단일편파레이더 9개소의 반사도를 이용하였다. 각 레이더의 빔차폐 모의결과와 지형에코지도를 이용하여 정적 HSR 마스크를 생성하였고, 진도와 면봉산 레이더를 제외한 8개 레이더에 대한 퍼지논리품질지수를 활용한 동적 HSR 마스크를 생성하였다.
데이터처리
여기서 Z와 R은 각각 레이더 반사도(mm6 m−3)와 추정 강우강도(mm hr−1)이다. 현업용 합성반사도(MOSAIC)에 동일한 관계식을 적용하여 HSR기법과 강우추정 정확도를 비교하였으며, 추정강우의 정량적 검증을 위해 상관계수(correlation coefficient, CORR), 총비율(total ratio, RATIO), 평균편향오차(mean bias error, BIAS), 정규표준편차(normalized standard deviation, NSD), 평균상대오차(mean relative error, MRE)를 검증지수로 사용하였다(식 (3)-(7)). 또한 레이더 추정강우강도와 지상우량계 강우강도 사이의 오차분포를 살펴보기 위해 각 지상우량계 지점별편향오차비(fractional bias error, FB)와 상대오차(relative error, RE)를 산출하였다(식(8), 식(9)).
이론/모형
면봉산(MYN)과 진도(JNI)레이더는 DZ를 제공하지 않아 지형에코필터 후 반사도(corrected reflectivity, CZ)를 사용하였다. HSR기반의 합성강우와 성능을 비교하기 위해 1.5 km 고도의 기상청 현업용 CAPPI (Constant Altitude Plan Position Indicator) 합성반사도(MOSAIC)를 사용하였다. MOSAIC은 개별 레이더의 시스템오차(instrumental bias)를 보정하지 않았으며, 퍼지논리 품질관리기법과 최대반사도 합성방법(Maximum reflectivity mosaic, MAX)이 적용된 합성반사도이다.
HSR기반의 합성반사도를 이용한 정량적 강우추정을 위해 Z=219R1.36의 Z-R 관계식을 사용하였다(Lyuet al., 2015). 여기서 Z와 R은 각각 레이더 반사도(mm6 m−3)와 추정 강우강도(mm hr−1)이다.
차폐와 비차폐영역을 구분하기 위해 최저고도각의 차폐모의 결과를 이용하여 합성차폐율을 생성하였으며 10% 이상의 차폐율을 가지는 영역을 차폐영역으로 판별하였다. 레이더기반의 정량적 강우추정을 위해 Z-R관계식을 사용하였으며, 2014년5월부터 10월까지 10개 강우사례에 적용하였다. AWS 지상우량계와 CORR, RATIO, BIAS, NSD, MRE의 검증지수를 사용하여 10개 강우사례에 대한 정적 및 동적 HSR 합성강우와 1.
각 레이더의 빔차폐 유무를 판별하기 위해 빔차폐율(beam blockage fraction, BBF)을 모의 하였다. 정량적 빔차폐율 모의를 위해 Consultative Group on International Agricultural Research-Consortium for Spatial Information (CGIAR-CSI)에서 제공되는 수치 고도모형(digital elevation model, DEM)을 사용하였다. 본 연구에서 사용된 DEM은 약 3'' (약 90 m)의 수평 분해능과 16 m 이내의 고도오차를 가지고 있다.
지형에코로 인한 영향을 제거하기 위해 고도각별 지형에코지도를 사용하였다. 지형에코지도는 강수가 없는 맑은 날의 청천에코(clear air echo) 사례만을 선택하여 고도각별 관측된 반사도(volume data)를 누적 평균하여 생성한다.
차폐영역에 대한 HSR기반의 강우추정 성능향상을 알아보기 위해 레이더별 최저고도각의 차폐율 모의결과와 최저고도합성방법(the lowest elevation mosaic method)을 이용하여 빔차폐율 합성도를 생성하였다. 빔차폐율 합성도의 차폐율이 10% 미만인 영역은 빔 차폐가 없는 것으로 간주하여 비차폐 영역으로 판별하였으며, 나머지 영역은 차폐 영역으로 판별하였다.
6c의 합성반사도에서 BRI의 반사도 공백 영역이 GDK의 반사도로 대체되었고 이 영역의 해발고도는 주변보다 상대적으로 높게 나타나는 것을 확인할 수 있다. 해당시간의 합성반사도에 Z-R관계식(Z=219R1.36)을 적용하여 추정된 강우강도는 Fig. 6d와 같다. 서해안을 따라 반사도가 강한 지역의 강우강도가 높게 산정되는 것을 볼 수 있다.
성능/효과
69이며 DYNAMIC이 지상 우량계와의 상관성이 가장 높았다. NSD는 0.58,0.45, 0.59이며 MRE는 각각 34.08, 30.08, 40.71%로 MOSAIC에 비해 HSR기법을 적용했을 때 강우추정 오차가 작았다. STATIC의 RATIO와 BIAS는 DYNAMIC에 비해 좋은 것으로 산출 되었는데, 이것은 STATIC에서 지형에코 또는 AP에코로 인해 과대추정된 지점에 의해 과소추정효과가 상쇄되었기 때문으로 보인다.
여기서 CORR, RATIO, BIAS,NSD, MRE, NAWS는 각각 상관계수, 총비율, 평균편향오차, 정규표준편차, 평균상대오차, 검증에 사용된 지상우량계 개수이다. STATIC, DYNAMIC, MOSAIC의 CORR은 0.52, 0.78, 0.69이며 DYNAMIC이 지상 우량계와의 상관성이 가장 높았다. NSD는 0.
각 강우추정기법의 평균 RE는 각각 88.56, 66.85, 61.87%이며 STATIC이 가장 크고 MOSAIC이 가장 작은 것으로 분석되었다. 대류성 사례에서 FB와 마찬가지로 HSR기법의 결과가 넓은 오차분포를 보이며 과대추정하는 것으로 분석되었다.
1 미만으로 매우 낮게 나타났다. 고도각이 증가할수록 지형의 영향이 줄어들어 품질이 낮은 영역 또한 줄어들었다. Fig.
대류성 사례에서 FB와 마찬가지로 HSR기법의 결과가 넓은 오차분포를 보이며 과대추정하는 것으로 분석되었다. 대류성 사례를 제외한 DYNAMIC의 평균 RE는 56.70% 이며 다른 기법에 비해 오차가 가장 작았다. FB와 마찬가지로 대류성 사례의 Q25는 대체로 비슷하지만, Q75는 STATIC이 다른 기법에 비해 큰 것을 볼 수 있다.
87%이며 STATIC이 가장 크고 MOSAIC이 가장 작은 것으로 분석되었다. 대류성 사례에서 FB와 마찬가지로 HSR기법의 결과가 넓은 오차분포를 보이며 과대추정하는 것으로 분석되었다. 대류성 사례를 제외한 DYNAMIC의 평균 RE는 56.
77 mm hr−1로 STATIC의 추정강우량이 지상 우량계에 가장 근접하는 것으로 나타났다. 또한 NSD와MRE는 MOSAIC (0.59, 40.71%)이 STATIC (0.58, 34.08%)과 DYNAMIC (0.45, 30.08%)에 비해 가장 큰 것으로 분석되었다. 즉, 산악과 같은 레이더 빔차폐 지역에서 HSR 기법을 사용하였을 때 강우추정오차가 줄어들어 정확도가 향상될 수 있음을 알 수 있다.
02)이다. 또한 지점간 표준편차는 각각 1.36,1.52, 0.50이며 DYNAMIC (0.74, 1.22, 0.41)과MOSAIC (0.68, 0.98, 0.40)에 비해 크게 나타났다. 사례6과 7은 매우 좁은 지역에 강우가 집중된 반면,사례8은 비교적 넓은 범위로 강우가 발생했기 때문에 AWS 지점간 표준편차가 상대적으로 작은 것으로 분석된다.
19%로 MOSAIC의 RE가 가장 작고 고르게 분포하고 STATIC이 가장 크고 넓게 분포하였다. 마찬가지로 사례7의 중앙값은 56.88, 51.70,38.30% 그리고 IQR은 113.64, 97.19, 54.48%로 STATIC이 가장 넓게 분포하고 MOSAIC은 가장 좁은 분포를 보였다. MAX 방법에 의한 합성강우는 좁은 영역에 강우가 집중되는 대류성 사례에서 과대추정하고 나머지 사례에서는 과소추정 하였다.
반사도의 품질이 낮은 영역에서 퍼지논리품질지수를 적용한 동적 HSR 마스크는 정적 HSR 마스크에 비해 평균고도각과 고도는 상승하였고, 평균 반사도 강도는 낮아졌다. MAX방법을 적용한 합성반사도는 시스템오차를 고려하지 않았기 때문에 특정 레이더가 우세한 분포를 보였다.
FB와 마찬가지로 대류성 사례의 Q25는 대체로 비슷하지만, Q75는 STATIC이 다른 기법에 비해 큰 것을 볼 수 있다. 사례6의 중앙값은 각각 60.19, 55.11, 37.19%이며 IQR은 각각 91.65,83.83 그리고 43.19%로 MOSAIC의 RE가 가장 작고 고르게 분포하고 STATIC이 가장 크고 넓게 분포하였다. 마찬가지로 사례7의 중앙값은 56.
사례6과 7은 매우 좁은 지역에 강우가 집중된 반면,사례8은 비교적 넓은 범위로 강우가 발생했기 때문에 AWS 지점간 표준편차가 상대적으로 작은 것으로 분석된다. 전선형 강우사례는 MOSAIC (0.60, 0.46)의 IQR이 STATIC (0.34, 0.45)과 DYNAMIC (0.45,0.42)에 비해 컸으며, STATIC이나 DYNAMIC에 비해 과소추정하는 것으로 분석되었다. 층운형 사례의 FB는 모든 강우추정기법이 대체로 유사한 범위로 분포한다.
08%)에 비해 가장 큰 것으로 분석되었다. 즉, 산악과 같은 레이더 빔차폐 지역에서 HSR 기법을 사용하였을 때 강우추정오차가 줄어들어 정확도가 향상될 수 있음을 알 수 있다.
차폐영역의 합성강우추정 검증결과 STATIC, DYNAMIC, MOSAIC의 CORR은 각각 0.52, 0.78, 0.69로 DYNAMIC의 상관관계가 가장 높게 나타났으며 RATIO는 0.80, 0.71, 0.56이며 BIAS는 −0.35, −0.51, −0.77 mm hr−1로 STATIC의 추정강우량이 지상 우량계에 가장 근접하는 것으로 나타났다.
여기서 품질이 낮은 반사도는 푸른색 계열로 나타냈으며 높은 품질의 반사도는 붉은색 계열로 나타냈다. 첫 번째 고도각에서, 북동방향으로 반경 100 km 이내 옹진반도 지형에 의해 FQ값이 0.1 미만으로 매우 낮게 나타났다. 고도각이 증가할수록 지형의 영향이 줄어들어 품질이 낮은 영역 또한 줄어들었다.
후속연구
본 연구의 빔차폐 모의결과는 표준굴절률을 가정하였으며, 건물과 같은 인공 지형물을 반영하지 못하였다. 또한 레이더 반사도의 시스템오차를 보정해주지 않았기 때문에 보다 정확한 강우량추정을 위해 시스템오차 보정과 빔차폐 모의결과의 개선이 필요할 것으로 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
HSR 합성반사도를 분류하면 무엇이 있는가?
HSR기법은 지형클러터, 빔차폐, 비 기상 에코 및 밝은 띠의 영향을 받지 않는 하이브리드 고도면의 반사도를 합성하는 것이 특징이다. HSR 합성반사도는 정적 HSR (STATIC)과 단일편파레이더에 대한 퍼지로직 기법과 이중편파레이더에 대한 시선방향 질감 기반의 품질관리 절차를 사용하는 동적 HSR (DYNAMIC) 합성으로 구분된다. STATIC과 DYNAMIC은 2014년 5월부터 10월까지 10개의 강우 사례에 대해 기상청 현업용 합성강우(MOSAIC)와 비교검증 하였다.
HSR기법의 특징은 무엇인가?
본 연구는 기상청의 기상레이더 관측망을 이용한 하이브리드 고도면 강우추정 기법 기반의 새로운 정량적 합성강수량 추정 방법을 제시한다. HSR기법은 지형클러터, 빔차폐, 비 기상 에코 및 밝은 띠의 영향을 받지 않는 하이브리드 고도면의 반사도를 합성하는 것이 특징이다. HSR 합성반사도는 정적 HSR (STATIC)과 단일편파레이더에 대한 퍼지로직 기법과 이중편파레이더에 대한 시선방향 질감 기반의 품질관리 절차를 사용하는 동적 HSR (DYNAMIC) 합성으로 구분된다.
STATIC과 DYNAMIC을 2014년 5월부터 10월까지 10개의 강우 사례에 대해 기상청 현업용 합성강우(MOSAIC)와 비교검증한 결과는 어떠한가?
STATIC과 DYNAMIC은 2014년 5월부터 10월까지 10개의 강우 사례에 대해 기상청 현업용 합성강우(MOSAIC)와 비교검증 하였다. 차폐 영역에서 STATIC, DYNAMIC, MOSAIC의 상관계수는 각각 0.52, 0.78, 0.69이며 평균 상대 오차는 각각 34.08, 30.08, 40.71%로 분석되었다.
참고문헌 (21)
Bellon, A. and Zawadzki, I., 2003, A 9-year summary of radar characteristics of mesocyclonic storms and of deep convection in Southern Quebec. Atmosphereocean, 41, 99-120.
Cho, Y.H., Lee, G., Kim, K.E., and Zawadzki, I., 2006, Identification and removal of ground echoes and anomalous propagation using the characteristics of radar echoes. Journal of Atmospheric and Oceanic Technology, 23, 1206-1222.
Germann, U. and Joss, J., 2002, Mesobeta profiles to extrapolate radar precipitation measurements above the Alps to the ground level. Journal of Applied Meteorology, 41, 542-557.
Germann, U. and Joss, J., 2004, Operational measurement of precipitation in mountainous terrain. Weather radar, Springer, Berlin, Germany, 52-77 pp.
Jung, S.H. and Kim, K.E., 2007, Simulation of radar beam propagation using Digital Elevation Model. Proceeding of the Spring Meeting of Korea Meteorological Society, 2007, 346-347.
Joss, J. and Waldvogel, A., 1990, Precipitation measurements and hydrology. Radar in Meteorology, Boston, American Meteorological Society, 1990, 577-606.
Joss, J. and Lee, R., 1995, The application of radar-gauge comparisons to operational precipitation profile corrections. Journal of Applied Meteorology, 34, 2612-2630.
Kim, D.W., Kim, Y.H., Kim, K.H., Shin, S.S., Kim, D.K., Hwang, Y.J., Park, J.I., Choi, D.Y., and Lee, Y.H., 2012, Effect of urbanization on rainfall events during the 2010 summer intensive observation period over Seoul metropolitan area. Journal of Korean Earth Science Society, 33, 219-232. (in Korean)
Kim, E.H., Kim, M.K., and Lee, W.S., 2005, The regional characteristics of daily precipitation intensity in Korea for recent 30 years. Journal of Korean Earth Science Society, 26, 404-417. (in Korean)
Kwon, S., Lee, G., Jung, S.H., Park, H.S., Suk, M.K., Cha, J.W., and Lee, C.K., 2012, Evaluation Radar and KNU QPE Algorithm. 2012 Radar Workshop, Daegu, Korea.
Kwon, S., Jung, S.H., and Lee, G.W., 2015, Intercomparison of radar rainfall rate using Constant Altitude Plan Position Indicator and hybrid surface rainfall maps. Journal of Hydrology, 531, 234-247.
Lyu G., Jung, S.H., Nam, K.Y., Kwon, S., Lee, C.R. and Lee, G., 2015, Improvement of radar rainfall estimation using radar reflectivity data from the hybrid lowest elevation angles. Journal of the Korean Earth Science Society, 36, 109-124. (in Korean)
Lyu, G., 2015, Composite radar rainfall estimation using a hybrid lowest elevation angles. Master Thesis, Kyungpook National University, Daegu, Korea, 68 p. (in Korean)
Maddox, R.A., Zhang, J., Gourley, J.J., and Howard, K.W., 2002, Weather radar coverage over the contiguous United States. Weather and Forecasting, 17, 927-934.
O'Bannon, T., 1997, Using a terrain-based hybrid scan to improve WSR-88D precipitation estimates. Preprints, 28th Conference on Radar Meteorology, Austin, TX, American Meteorological Society, 506-507.
Westrick, K.J., Mass, C.F., and Colle, B.A., 1999, The limitations of the WSR-88D radar network for quantitative precipitation measurement over the coastal western United States. Bulletin of the American Meteorological Society, 80, 2289-2298.
Ye, B.Y., 2013, Quality control of radar moment data by combining moment-based fuzzy logic algorithm and radar signal processing. Master Thesis, Kyungpook National University, Daegu, Korea, 72 p.
Ye, B.Y., Lee, G., and Park, H.M., 2015, Identification and removal of non-meteorological echoes in dualpolarization radar data based on fuzzy logic algorithm. Advances in Atmospheric Sciences, 32, 1217-1230.
Zhang, J., Howard, K., Langston, C., Vasiloff, S., Kaney, B., Arthur, A., Cooten, S.V., Kelleher, K., Kitzmiller, D., Ding, F., Seo, D.J., Wells, E., and Dempsey, C., 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.