[국내논문]기상위성 휘도온도와 기상레이더 반사도 자료를 이용한 한반도 영역의 강우강도 추정 비선형 관계식 개선 Improvement of Non-linear Estimation Equation of Rainfall Intensity over the Korean Peninsula by using the Brightness Temperature of Satellite and Radar Reflectivity Data원문보기
본 연구의 목적은 위성의 밝기온도를 기반으로 한 정량적 강우량 추정기법의 개선을 위함이다. 우리나라 여름철 강우사례를 이용하여 강우추정을 위한 비선형 관계식을 개선하였다. 분석을 위해 레이더 자료로 기상청 기상레이더 관측망의 고도 1.5 km와 CMAX반사도 합성자료를 사용하였으며, 위성자료는 천리안 위성의 가시, 적외, 수증기 채널의 자료를 이용하였다. 새롭게 도출된 알고리즘은 A-E method, CRR v4.0 analytic function의 결과와 비교를 하였다. 검증을 위해 우리나라 ASOS에서 관측한 지상강우량 자료를 사용하였다. 공간검증을 위해 검증지수로 POD, FAR, CSI를 계산하였으며 각각 0.67, 0.76, 0.21로 나타났다. 정량적 강우검증을 위해 MAE와 RMSE를 계산하였으며 각각 2.49, 6.18 mm/h였다. A-E에 비하여 정량적인 오차가 줄어들었으며 CRR에 비하여 공간적인 정확도가 증가하였다. 개선한 관계식을 적용한 방법이 두 알고리즘의 부족한 부분을 보완할 수 있는 것으로 판단된다. 개선한 관계식을 통해 강우를 추정하는 방법은 복잡한 알고리즘을 거치지 않고 짧은 시간에 강우추정이 가능함으로써 현업용 실시간 초단기 예보에 활용될 수 있다.
본 연구의 목적은 위성의 밝기온도를 기반으로 한 정량적 강우량 추정기법의 개선을 위함이다. 우리나라 여름철 강우사례를 이용하여 강우추정을 위한 비선형 관계식을 개선하였다. 분석을 위해 레이더 자료로 기상청 기상레이더 관측망의 고도 1.5 km와 CMAX 반사도 합성자료를 사용하였으며, 위성자료는 천리안 위성의 가시, 적외, 수증기 채널의 자료를 이용하였다. 새롭게 도출된 알고리즘은 A-E method, CRR v4.0 analytic function의 결과와 비교를 하였다. 검증을 위해 우리나라 ASOS에서 관측한 지상강우량 자료를 사용하였다. 공간검증을 위해 검증지수로 POD, FAR, CSI를 계산하였으며 각각 0.67, 0.76, 0.21로 나타났다. 정량적 강우검증을 위해 MAE와 RMSE를 계산하였으며 각각 2.49, 6.18 mm/h였다. A-E에 비하여 정량적인 오차가 줄어들었으며 CRR에 비하여 공간적인 정확도가 증가하였다. 개선한 관계식을 적용한 방법이 두 알고리즘의 부족한 부분을 보완할 수 있는 것으로 판단된다. 개선한 관계식을 통해 강우를 추정하는 방법은 복잡한 알고리즘을 거치지 않고 짧은 시간에 강우추정이 가능함으로써 현업용 실시간 초단기 예보에 활용될 수 있다.
The purpose of this study is to improve the quantitative precipitation estimation method based on satellite brightness temperature. The non-linear equation for rainfall estimation is improved by analysing precipitation cases around the Korean peninsula in summer. Radar reflectivity is adopted the CA...
The purpose of this study is to improve the quantitative precipitation estimation method based on satellite brightness temperature. The non-linear equation for rainfall estimation is improved by analysing precipitation cases around the Korean peninsula in summer. Radar reflectivity is adopted the CAPPI 1.5 and CMAX composite fields that provided by the Korea Meteorological Agency (KMA). In addition, the satellite data are used infrared, water vapor and visible channel measured from meteorological imager sensor mounted on the Chollian satellite. The improved algorithm is compared with the results of the A-E method and CRR analytic function. POD, FAR and CSI are 0.67, 0.76 and 0.21, respectively. The MAE and RMSE are 2.49 and 6.18 mm/h. As the quantitative error was reduced in comparison to A-E and qualitative accuracy increased in compare with CRR, the disadvantage of both algorithms are complemented. The method of estimating precipitation through a relational expression can be used for short-term forecasting because of allowing precipitation estimation in a short time without going through complicated algorithms.
The purpose of this study is to improve the quantitative precipitation estimation method based on satellite brightness temperature. The non-linear equation for rainfall estimation is improved by analysing precipitation cases around the Korean peninsula in summer. Radar reflectivity is adopted the CAPPI 1.5 and CMAX composite fields that provided by the Korea Meteorological Agency (KMA). In addition, the satellite data are used infrared, water vapor and visible channel measured from meteorological imager sensor mounted on the Chollian satellite. The improved algorithm is compared with the results of the A-E method and CRR analytic function. POD, FAR and CSI are 0.67, 0.76 and 0.21, respectively. The MAE and RMSE are 2.49 and 6.18 mm/h. As the quantitative error was reduced in comparison to A-E and qualitative accuracy increased in compare with CRR, the disadvantage of both algorithms are complemented. The method of estimating precipitation through a relational expression can be used for short-term forecasting because of allowing precipitation estimation in a short time without going through complicated algorithms.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
기상위성의 자료를 사용하여 관계식으로 강우강도를 산출하는 다양한 관계식은 미국과 유럽의 자료에 최적화 되어 있다. 본 연구에서는 한반도 지역에서 발생하는 강우의 특성을 반영하기 위하여 천리안위성의 적외, 수증기채널과 레이더자료 반사도를 이용하여 비선형 관계식을 개선하여 강우강도를 추정하였다. 위성과 레이더의 누적된 자료에서 강우강도가 증가함에 따라 적외채널과 수증기채널의 휘도온도가 낮아지지만 BTD의 변화량이 적음으로 인해 기존 관계식의 적용의 한계가 드러났다.
따라서, 미국과 유럽 등에서 개발한 높고 두꺼운 구름에 최적화 되어 있는 강우추정 알고리즘은 한반도 지역에서 내리는 강우의 형태의 특성을 반영하지 못한다. 본 연구에서는 한반도 지역의 여름철 집중호우 사례의 천리안 위성자료와 레이더 관측 자료를 이용하여 강우 강도를 추정하는 비선형 관계식을 개선하고자 한다.
가설 설정
(2016)은 CRR에 한반도의 대류운 사례를 이용한 3차원 조견표를 작성하여 강우강도를 추정한 바 있다. 적외채널을 활용한 강우 탐지 알고리즘은 기본적으로 높고 두껍게 발달한 구름에서 강한 강우를 유발한다고 가정을 한다(Vincent., 1998, 2002; Scofield, 2001). 일반적으로 열대와 아열대 지역에서는 여름철 대류성 강우 구름이 차지하는 비율이 큰 것에 반해 중위도에서는 층운형 구름에 의한 강우 비중이 크고 대류운 강우의 비중이 작다.
제안 방법
2011년에서 2014년까지 여름철에 발생한 집중호우 사례들(Table 2)에 대하여 위성자료와 레이더자료를 분석하였다. 각 사례들은 저기압 통과, 수렴역, 북태평양 가장자리 고기압, 대기불안정에 의해 집중호우가 시간당 30 mm 이상 내린 사례들이다.
그리고 R은 강우강도로 단위는 [mm/h]이다. CAPPI에서 추정된 강우강도가 3 mm/h 이상인 영역에 대하여 CMAX 반사도를 사용하였다. 이는 CMAX가 일정고도의 반사도만 나타내는 CAPPI보다 누적강우량을 더 잘 모의하기 때문이다(Yoon, 2013).
7가 음(−)의 값을 가질 때 운정이 대류권계면을 통과하여 성층권까지 발달하는 돌출현상(overshooting)이 발생한다고 밝혔으며 이러한 BTD (Brightness Temperature Difference)는 깊게 발달한 대류를 탐지하는데 유용하다(Kurino, 1997). CRR v4.0은 이러한 강한 연직확장에 기인하여 BTD가 낮을수록 돌출 영역에서 강한 강우가 나타나는 관계식을 추정하였다. 하지만, 한반도에서 발생하는 강우는 돌출 영역과 강한 강우영역이 일치하지 않는 경우가 많으며 이는 기존의 BTD와 적외채널의 관계를 통한 강우 추정이 유효하지 않음을 의미한다.
이는 주간의 가시채널의 정보를 활용하고 레이더 합성장의 격자 크기와 동일하게 함으로써 레이더 반사도 정보를 많이 수집하기 위함이다. 각 위성 화소와 레이더 합성 장의 공간 일치를 위하여 위성 화소를 기준으로 반경 1.5 km 이내의 레이더 반사도 들에 대해 거리 가중을 적용하였다(Lu et al., 2008). 거리가중을 통한 반사도 추정 관계식은 다음과 같다.
A-E 방법은 IFFA(Interactive Flash Flood Analyzer)에 자동화 알고리즘으로 적용(Scofield, 1987; Borneman, 1988)되어 WFO (World Forecast Offices)에서 예보에 활용되고 있다. 그리고, 유럽기상위성기구(European Organization for the Exploitation of Meteorological Satellites, EUMETSAT)의 SAFNWC (Satellite Application Facility to support NoWCasting)에서 개발한 모듈인 PGE05 CRR (Convective Rainfall Rate) v4.0 (Rodriguez and Marcos, 2013)에서는 적외채널(Tb10.8), 적외차(Tb10.8-Tb6.2)와 가시채널 반사도(Ref0.6)를 기반으로 레이더자료를 이용하여 2~3개의 다중변수의 함수로써 강우강도를 추정하였다. Moon et al.
대기중의 강우가 낙하하여 지상에 도달하는 시간과 관측 순간의 강우강도를 고려하여 위성관측시간을 기준으로 10분 후의 15분 누적강우를 4배 한 자료와 지상관측소 기준으로 반경 10 km 이내의 위성 화소에서 산출 된 강우강도의 평균과 비교하였다. 강우량에 대한 검증을 위하여 POD (Probability Of Detection) FAR (False Alarm Ratio), CSI (Critical Success Index), MAE (Mean Absolute Error) 그리고 RMSE (Root Mean Square Error)를 이용하였다.
강우추정 관계식과 계수를 새롭게 도출하였다. 도출된 관계식은 CRR알고리즘 형태를 기반으로 하지만 적외채널과 수증기채널의 함수로 구성하였다. 방정식의 세부구성 함수들은 지수함수 및 이차다항식으로 표현하였으며, 위성자료와 레이더 반사도의 누적 된 자료를 기반으로 비선형 최소 자승법으로 방정식의 해를 찾는 Levenberg-Marquardt 방법(Marquart, 1963)을 사용하여 주어진 방정식의 계수를 결정하였다.
천리안 위성의 채널 별 상이한 공간해상도의 일치화를 위해 4 km 해상도의 적외, 수증기 채널을 가시 채널의 1 km 크기로 재 격자화 하였다. 이는 주간의 가시채널의 정보를 활용하고 레이더 합성장의 격자 크기와 동일하게 함으로써 레이더 반사도 정보를 많이 수집하기 위함이다.
대상 데이터
2011년에서 2014년까지 여름철에 발생한 집중호우 사례들(Table 2)에 대하여 위성자료와 레이더자료를 분석하였다. 각 사례들은 저기압 통과, 수렴역, 북태평양 가장자리 고기압, 대기불안정에 의해 집중호우가 시간당 30 mm 이상 내린 사례들이다. Fig.
레이더는 기상청 10개 관측소(관악산, 구덕산, 면봉산, 오성산, 광덕산, 고산, 성산, 진도, 백령도, 강릉)에서 관측되는 단일편파 레이더의 자료(Table 1)를 사용하였고 10분 단위로 생성되는 1.5 km CAPPI(Constant Altitude Plan Position Indicator), CMAX(Column Max) 합성장을 사용하였다. 합성장의 수평 격자 해상도는 1 km이다.
5는 도출 된 관계식을 집중호우 사례에 적용한 결과이다. 본 사례는 2014년 8월 25일에 저기압과 단파골 접근 영향으로 호남과 영남지방에 집중호우가 발생하여 많은 재산과 인명 피해가 발생한 사례이다. Fig.
본 연구에서 사용된 MI (Meteorological Imager) 센서는 가시채널(0.67 µm), 단파적외채널(3.7 µm), 수증기채널(6.7 µm), 적외채널(10.8, 12.0 µm)을 가지고 있으며 가시채널의 수평공간해상도는 1 km이며 나머지 채널은 4 km이다.
위성의 구름영역에서 강우 가능성이 있는 유효영역을 선정하였다. 청천영역을 제거하기 위하여 Tb10.
위성의 구름영역에서 강우 가능성이 있는 유효영역을 선정하였다. 청천영역을 제거하기 위하여 Tb10.8이 290 K 이하인 영역을 선택하였으며, 낮은 휘도온도로 관측되지만 구름의 두께가 상대적으로 얇아 강우가 없는 상층 권운을 제거(Inoue, 1987)하기 위하여 Tb10.8-Tb12.0이 4 K 이상인 영역을 제외시켰다. 그리고, 주간의 가시채널의 반사도가 45% 이하인 영역을 제외하였다(Lovejoy and Austin, 1979).
이론/모형
대기중의 강우가 낙하하여 지상에 도달하는 시간과 관측 순간의 강우강도를 고려하여 위성관측시간을 기준으로 10분 후의 15분 누적강우를 4배 한 자료와 지상관측소 기준으로 반경 10 km 이내의 위성 화소에서 산출 된 강우강도의 평균과 비교하였다. 강우량에 대한 검증을 위하여 POD (Probability Of Detection) FAR (False Alarm Ratio), CSI (Critical Success Index), MAE (Mean Absolute Error) 그리고 RMSE (Root Mean Square Error)를 이용하였다. Table 3은 검증에 사용 된 분할표(contingency table)이며 POD, FAR, CSI는 식 (6)~(8)와 같이 정의된다.
는 각 화소의 레이더 반사도를 의미한다. 구해진 레이더 반사도는 Z-R 관계식을 이용하여 강우강도로 변환하였다. 본 연구에서는 층운형 구름의 강우 비중이 높은 지역 특성을 고려하여 식 (2)에서 나타낸 강우강도 변환식(Marshall and Palmer, 1948)을 적용하였다.
도출된 관계식은 CRR알고리즘 형태를 기반으로 하지만 적외채널과 수증기채널의 함수로 구성하였다. 방정식의 세부구성 함수들은 지수함수 및 이차다항식으로 표현하였으며, 위성자료와 레이더 반사도의 누적 된 자료를 기반으로 비선형 최소 자승법으로 방정식의 해를 찾는 Levenberg-Marquardt 방법(Marquart, 1963)을 사용하여 주어진 방정식의 계수를 결정하였다.
구해진 레이더 반사도는 Z-R 관계식을 이용하여 강우강도로 변환하였다. 본 연구에서는 층운형 구름의 강우 비중이 높은 지역 특성을 고려하여 식 (2)에서 나타낸 강우강도 변환식(Marshall and Palmer, 1948)을 적용하였다.
성능/효과
POD와 CSI가 1에 가깝고, FAR이 0에 가까울수록 알고리즘의 유의수준이 높음을 의미한다. POD가 낮은 CRR에 비해 약 9%의 탐지 정확도가 향상되었고, A-E에 비해 MAE는 1 mm/h, RMSE는 2.5 mm/h 감소하였다(Table 4). 이는 Lee, 2016의 한국형 조견표를 이용한 CRR의 강우강도에 비해 향상된 결과이다.
위성과 레이더의 누적된 자료에서 강우강도가 증가함에 따라 적외채널과 수증기채널의 휘도온도가 낮아지지만 BTD의 변화량이 적음으로 인해 기존 관계식의 적용의 한계가 드러났다. 따라서, 적외채널과 수증기 채널의 함수로써 관계식을 개선하였으며, 기존의 관계식들에서 나타나는 강우지역에 대한 정성적 단점이 보완되었고 탐지율 및 정량적 통계값 개선이 이루어졌다.
후속연구
그리고, 레이더 반사도를 사용함에 있어서 품질관리(Quality Control, QC)과정에서 완벽하게 비강우 영역에 대한 정보를 제거하지 못하여 비강우 영역이 포함되어 있을 수 있고 레이더 반사도를 강우강도로 변환할 때 하나의 Z-R 관계식을 사용함으로 인한 오차도 존재한다. Z-R 관계식 문제점은 한반도 강우 자료를 기반으로 기상청에서 사용하는 RAD-RAR (Real-time ADjusted RadarAWS Rain rate) 시스템을 사용한다면 불확실성을 감소시킬 수 있을 것이다. 또한, 강우영역 선정에 필요한 과정과 정보가 부족하기 때문에 강우영역을 과대 모의 하는 경향이 있다.
또한, 강우영역 선정에 필요한 과정과 정보가 부족하기 때문에 강우영역을 과대 모의 하는 경향이 있다. 이러한 문제점들 다양한 채널을 보유하고 공간해상도가 줄어들어 다양한 정보를 포함하고 있는 Himawari-8나 GEO-KOMPSAT2A (GEOstationary-KOrea Multi-Purpose SATellite2A)의 정보를 사용하여 강우의 연직정보에 대한 특성을 세분화 하고, 자료 누적을 통해 장기간 및 계절변동에 따른 관계식을 개선한다면 보다 강우추정의 정확도가 향상될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
우량계는 측정하는데 어떤 점에서 문제가 있는가?
강우량은 지상관측방법인 우량계와 레이더 반사도를 통해 추정할 수 있으나 우량계는 단일 지점의 정보만을 제공하며 레이더는 높은 시공간 해상도(10분, 1o×250~500 m)로 연직에 대한 정보를 제공 할 수 있지만 관측범위의 제약과 복잡한 지형에 의한 빔 차폐(Joss and Waldvogel, 1990) 등의 문제가 있다. 이에 대한 방안으로 위성으로부터 다양한 방법을 통해 정량적 강우추정(Quantitative Precipitation Estimation, QPE)을 하고 있다.
한반도의 강우발달 원인이 다양한 이유는 무엇인가?
한반도 지역은 지리적, 기후학적인 요인으로 인해 강우발달 원인이 다양하며 지역차가 크게 나타난다.(Hong et al.
한반도에서의 강우량 추정이 어려운 이유는 무엇인가?
, 2006; In et al., 2014)의 연구에 따르면, 연강우량의 대부분이 여름철에 집중되며 장마전선, 태풍, 계절풍 등의 영향으로 인해 집중호우가 빈번하게 발생한다. 이로 인해 강우량 추정에 많은 어려움이 존재한다.
참고문헌 (27)
Bedka, K., Brunner, J., Dworak, R., Feltz, W., Otkin, J., and Greenwald, T., 2010, Objective satellite-based detection of overshooting tops using infrared window channel brightness temperature gradients. Journal of applied meteorology and climatology, 49(2), 181-202.
Borneman, R. 1988, Satellite rainfall estimating program of the NOAA/NESDIS Synoptic Analysis Branch. Natl. Wea. Dig, 13(2), 7-15.
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.
Hong, K.-O., M.-S. Shu, and D.-K. Rha, 2006, Temporal and Spatial Variations of Precipitation in South Korea for REcent 30 Years (1976-2005) and Geographic Environments. J. Korean Earth Sci. Soc., 27, 433-449.
In, S. R., Han, S. O., Im, E. S., Kim, K. H., and Shim, J., 2014, Study on Temporal and Spatial Characteristics of Summertime Precipitation over Korean Peninsula. Atmosphere, 24.
Inoue, T., 1987, A cloud type classification with NOAA 7 split-window measurements. Journal of Geophysical Research: Atmospheres, 92(D4), 3991-4000.
Joss, J. and A. Waldvogel, 1990, Precipitation measurements and hydrology. Radar in Meteorology, Boston, Amer, Meteor. Soc., 577-606.
Jung, S. H., Lee, G., Kim, H. W., and Kuk, B, 2011, Development of convective cell identification and tracking algorithm using 3-dimensional radar reflectivity fields. Atmosphere, 21(3), 243-256.x
Jung, S. H., and Lee. G., 2015, Radar-based cell tracking with fuzzy logic approach. Meteorol. Appl. 22, 716-730
Kurino, T., 1997, A rainfall estimation with the GMS-5 infrared split-window and water vapour measurements. Meteorol Center Tech Note, Japan Meteorol Agency, 33, 91-101.
Lee, S.H., 2016, Improvement of convective rainfall rate based on COMS over the Korean Peninsula. Kongju National University, Korea, 53 p.
Lovejoy, S. and Austin, G. L.,1979, The delineation of rain areas from visible and IR satellite data for GATE and mid-latitudes. Atmosphere-ocean, 17(1), 77-92.
Lu, G. Y. and Wong, D. W., 2008, An adaptive inverse-distance weighting spatial interpolation technique. Computers & Geosciences, 34(9), 1044-1055.
Luque, A., Gomez, I. and Manso, M., 2006, Convective rainfall rate multi-channel algorithm for Meteosat-7 and radar derived calibration matrices. Atmosfera, 19(3), 145-168.
Marquardt, D. W., 1963, An algorithm for least-squares estimation of nonlinear parameters. Journal of the society for Industrial and Applied Mathematics, 11(2), 431-441.
Marshall, J. S. and Palmer, W. M., 1948, The distribution of raindrops with size. J. meteor., 5, 154-166.
Moon, Y. S. and Lee, K. Y., 2016, Improvement and Validation of Convective Rainfall Rate Retrieved from Visible and Infrared Image Bands of the COMS Satellite. J. Korean Earth Sci. Soc., v. 37, no. 6, p. 420-433
Olander, T. L. and Velden, C. S., 2009, Tropical cyclone convection and intensity analysis using differenced infrared and water vapor imagery. Weather and Forecasting, 24(6), 1558-1572.
Rodriguez, A. and Marcos, C., 2013, Algorithm theoretical basis document for "convective rainfall rate" (CRR-PGE05 v4.0). SAF/NWC/CDOP2/INM/SCI/ATBD/05, 36 pp. [Available online at http://www.nwcsaf.org/scidocs/Documentation/SAF-NWC-CDOP2-INM-SCI-ATBD-05_v4.0.pdf.].
Scofield, R. A., 1987, The ENSDIS operational convective precipitation technique [J]. Monthly Weather Review, 1773-1792.
Scofield, R. A., 2001, Comments on "A quantitative assessment of the NESDIS Auto-Estimator." Wea. Forecasting, 16, 277-278.
Vicente, G. A., Scofield R. A., and Menzel W. P., 1998, Operational GOES infrared rainfall estimation technique. Bull. Amer. Meteor. Soc. 79, 1883-1897.
Vicente, J. C. Davenport and R. A. Scofield., 2002, The role of orographic and paralax corrections on real time high resolution satellite rainfall rate distribution. International Journal of Remote Sensing, Vol. 23, 2, 221-230.
Yoon S.M., 2013, statistical of extreme rainfall events and applications of radar rainfall estimates for reducing flood risk in Gyeongnam area. Kyungsang University, Korea, 183 p.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.