[논문]UHF 윈드프로파일러 원시 자료의 이중 스펙트럼 첨두 분리

조원기; 권병혁; 윤홍주

doi:10.13067/jkiecs.2019.14.1.61

UHF 윈드프로파일러 원시 자료의 이중 스펙트럼 첨두 분리
Partitioning Bimodal Spectrum Peak in Raw Data of UHF Wind Profiler 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.14 no.1, 2019년, pp.61 - 68

조원기 (부경대학교 지구환경시스템과학부) , 권병혁 (부경대학교 환경대기과학과) , 윤홍주 (부경대학교 공간정보시스템공학과)

초록
AI-Helper

비기상 에코뿐만 아니라 강수와 같은 산란 효과가 큰 기상 에코는 윈드프로파일러 바람 자료의 오류를 유발한다. 강우 상황에서 윈드프로파일러의 도플러 스펙트럼에는 강우 신호와 대기 신호가 모두 첨두로 나타난다. 낙하하는 강우 입자에 의해서 강우 신호의 시선 속도가 매우 크게 나타난다. 강우에 의해 오염된 시선 속도는 수평 바람 벡터의 정확도를 낮추고 부정확한 기상 분석을 초래한다. 본 연구에서는 윈드프로파일러의 원시 데이터를 처리하는 알고리즘을 개발하였고, 강우 환경에서 도플러 스펙트럼에 대한 이중 첨두를 분리하여 강우 신호와 대기 신호를 구분하였다.

Abstract ▼ AI-Helper

In addition to non-meteorological echoes, meteorological echoes with large scattering effects, such as precipitation, cause errors in wind data measured by wind profiler. In the rainfall situation, the Doppler spectrum of wind profiler shows both the rainfall signal and the atmospheric signal as two peaks. The vertical radial velocity is very large due to the falling rain drop. The radial velocity contaminated by rainfall decreases the accuracy of the horizontal wind vector and leads to inaccurate weather analysis. In this study, we developed an algorithm to process raw data of wind profiler and distinguished rainfall signal and wind signal by partitioning bimodal peak for Doppler spectrum in rainfall environment.

주제어

표/그림 (9)

그림 그림 1. UHF 윈드프로파일러 PCL1300 Fig 1. UHF wind profiler radar PCL1300
표 표 1. PCL의 장비 사양 Table 1. Basic specifications for PCL1300
그림 그림 2. 이중 첨두 탐지 알고리즘 Fig 2. Bimodal peaks detection algorithm
표 표 2. 원시 자료의 구조와 변수 Table 2. Structure and parameters in raw data
그림 그림 3. 울진 자동기상관측 시스템에서 측정된 기상 인자. 음영 처리된 영역이 강우 기간이다. Fig 3. Measured meteorological parameters at Uljin AWS. Precipitation durations are indicated by shading area.
그림 그림 4. 울진에서 자동기상관측시스템으로 관측된 (a) 연직 바람과 (b) 신호대잡음비 Fig 4. (a) Vertical wind speed and (b) SNR measured by AWS at Uljin
그림 그림 5. 청천 대기에서 연직 빔으로 수신한 신호의 고도별로 정규화된 도플러 스펙트럼 (a) 원시 자료로부터 산출한 스펙트럼, (b) 제조사의 PCL1300으로 산출한 스펙트럼. 표시 기호 (+)는 최대 첨두를 나타낸다. Fig 5. Normalized doppler spectrum from vertical beam in clear air based on (a) raw data and (b) PCL1300. Cross mark indicates maximum peak with altitude
그림 그림 6. 강우가 있을 때 연직 빔으로 수신한 신호의고도별로 정규화된 도플러 스펙트럼 (a) 원시자료로부터 산출한 스펙트럼, (b) 제조사의PCL1300으로 산출한 스펙트럼. 표시 기호 (+)는최대 첨두를 나타낸다.Fig 6. Normalized doppler spectrum from verticalbeam during rain based on (a) raw data and (b)PCL1300. Cross mark indicates maximum peak withaltitude
그림 그림 7. 이중 첨두 분리 과정 (a) 첨두 탐지 (b) 도플러 스펙트럼 확장 (c) 가우시안 피팅 Fig 7. Bimodal peaks partitioning (a) peak detection (b) extension of doppler spectrum (c) Gaussian fitting

AI 본문요약
AI-Helper

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

문제 정의

두 신호의 특징에 따라 다섯 가지의 임계 조건을 적용하는 알고리즘을 개발하여 바람 정보와 강우 정보를 구분하였다. 본 연구에서 개발한 원시 자료를 처리하여 시선 속도를 구분하는 기술은 기상 및 비기상 에코에 오염되기 쉬운 바람 벡터의 품질을 사용자가 능동적으로 개선할 수 있는 기반을 제공한다.
본 연구에서는 강우 발생 유무에 따른 UHF 윈드 프로파일러인 PCL1300에서 관측된 도플러 스펙트럼의 분포를 비교하였다. 혼재하는 대기 신호와 강우 신호를 구분하기 위해 스펙트럼의 이중 첨두 탐지 알고리즘을 개발하고, 기상 신호와 비기상 신호의 구분을 실험하였다.

제안 방법

6 km까지 관측한다. 5개의 안테나 빔에서 각각 71개의 고도에 대한 레이더 신호를 수집하고, 수집된 자료를 바람 산출 프로그램의 알고리즘에 적용 하여 바람 벡터를 산출한다.
윈드프로파일러에서 수신한 신호의 도플러 스펙트럼 첨두와 분포에 따라 산출되는 바람 벡터와 SNR의 크기가 달라진다. 강우 유무에 따른 연직 바람과 SNR의 차이를 조사하기 위하여 바이너리에서 실수로 변환된 도플러 스펙트럼을 산출하는 알고리즘을 개발 하였고, 그 결과를 제조사의 소프트웨어로 산출한 도플러 스펙트럼과 비교하였다(그림 5, 6).
강우 환경에서 윈드프로파일러의 관측 정확도를 개선하기 위해 Degrean사의 윈드프로파일러인 PCL1300 의 원시 데이터를 이용하여 강우 유무에 따른 도플러 스펙트럼의 분포를 비교하고, 강우 신호와 대기 신호를 구분하는 알고리즘을 개발하였다. 윈드프로파일러의 원시 데이터인 도플러 스펙트럼은 전자기파의 특성 때문에 비기상 에코와 기상 에코에 의해 바람 벡터 산출에 대한 오류를 유발한다.
낙하하는 강우 입자는 대기 입자보다 더 큰 연직 시선 속도를 가지기 때문에 수평 풍속을 산출하는 데 영향을 미친다[11]. 강우에 의한 도플러 스펙트럼의 이중 첨두를 탐지하기 위하여 첨두 탐지 기법을 개발하였다(그림 2). 이를 적용하기 위한 조건은 먼저 두 첨두의 각 스펙트럼의 지표는 4개보다 많아야 하고, 두 첨두의 시선 속도의 차이는 적어도 1 ms¯¹보다 커야 한다.
울진기 상대에 설치된 자동기상관측시스템(Automatic Weather System, AWS)에서 그림 3과 같이 11일 19시∼21시, 12일 00시∼01시, 03시∼09시에 강우가 탐지되었음을 확인할 수 있다[14]. 동일 지점에 설치된 윈드프로파일러로 측정된 바람 벡터와 SNR을 강우 탐지 시점에 대하여 분석하였다. 아래로 향하는 연직 바람은 청천 대기에서 0 ms¯¹ 주변의 수 cms¯¹의 크기로 관측되었고, 강우를 탐지했을 경우에는 낙하하는 강우 입자에 의해 3 ms¯¹ 이상의 연직 풍속으로 관측되어 오염되었음을 알 수 있다(그림 4a).
(그림 7b). 두 개의 첨두를 가진 도플러 스펙트럼을 각각의 첨두를 가진 도플러 스펙트럼으로 구분한다. 그리고 하한점에서 분리된 대기 신호와 강우 신호를 가우시안 피팅을 적용하여 명확히 구분한다(그림 7c).
연직 안테나의 수신 신호가 이중 첨두로 나타나는 스펙트럼 밀도의 분포에서 강우 신호는 시선 속도가 크고 스펙트럼 폭이 넓고, 대기 신호는 시선 속도가 작고 스펙트럼 폭이 좁은 첨두로 나타나는 특징을 확인하였다. 두 신호의 특징에 따라 다섯 가지의 임계 조건을 적용하는 알고리즘을 개발하여 바람 정보와 강우 정보를 구분하였다. 본 연구에서 개발한 원시 자료를 처리하여 시선 속도를 구분하는 기술은 기상 및 비기상 에코에 오염되기 쉬운 바람 벡터의 품질을 사용자가 능동적으로 개선할 수 있는 기반을 제공한다.
안테나 시스템은 전파의 송수신이 이루어지는 곳으로써 한 개의 연직 안테나와 네 개의 경사 안테나로 구성된다. 자료 수집 시스템은 안테나 시스템으로부터 수집된 신호를 제어하고 디지털 신호로 변환시키며, 자료 수집 컴퓨터, UHF/IF 송신기, 신호 증폭기, 비디오 송신기로 구성된다. 자료 처리 시스템 및 표출 시스템은 자료 처리 컴퓨터와 GUI(Graphical User Interface)로 구성된다.
자료 수집 장치는 레이더의 하드웨어를 조종하고 원시 데이터 파일을 생성한다. 자료 처리 장치는 각 안테나에서 수신한 I/Q 신호를 주파수 또는 시선 속도 기반의 스펙트럼으로 변환된 원시 자료를 이용하여 바람 벡터를 산출한다. 실시간 처리 모듈이 탑재되어 있어 최종 측정값을 ASCII 파일로 얻을 수 있고, 풍속과 풍향의 시공간적 분포를 이미지로 표출할 수 있다.
본 연구에서는 강우 발생 유무에 따른 UHF 윈드 프로파일러인 PCL1300에서 관측된 도플러 스펙트럼의 분포를 비교하였다. 혼재하는 대기 신호와 강우 신호를 구분하기 위해 스펙트럼의 이중 첨두 탐지 알고리즘을 개발하고, 기상 신호와 비기상 신호의 구분을 실험하였다.
신호를 구분하기 위해 하한 첨두에서 잡음 레벨까지 도플러 스펙트럼을 확장시킨다. 확장된 하한 첨두를 중심으로 시선 속도가 큰 첨두를 강우 신호, 시선 속도가 작은 첨두를 청천 신호로 결정하고, 가우시안 분포를 적용 하여 도플러 스펙트럼을 정규 분포로 나타낸다.

대상 데이터

강우 입자에 의해 윈드프로파일러 바람 자료의 오염을 조사하기 위해서 동해안 지역에 비가 내린 2015년 9월 11일∼12일(LST) 기간을 조사하였다.
원시 자료는 다섯 개의 안테나마다 헤더, 스펙트럴 모멘트, 도플러 스펙트럼으로 구성되고, 형태는 바이너리 코드이다(표 2). 헤더는 관측 고도 수(NHTS), 스펙트럼 지점 수(NPTSP), 측정 시간(TIME) 등 윈드프로파일러의 관측 정보를 알 수 있는 변수들을 포함한다.
윈드프로파일러(Wind Profiler Radar)는 수 십 MHz ∼ 수 GHz의 주파수에 해당하는 전자기 펄스파를 방사하고 대기에서 산란된 신호를 검출하여 기상 정보를 수집한다.

이론/모형

강우 신호와 청천 신호를 구분하기 위해서는 위 조건에 쓰인 두 개의 상한 첨두와 한 개의 하한 첨두가 필요하다. 도플러 스펙트럼에 Savitzky-Golay [12]의 평활 필터 계수를 적용하고 콘볼루션(Convolution)하여 상한 첨두와 하한 첨두를 결정한다[13]. 신호를 구분하기 위해 하한 첨두에서 잡음 레벨까지 도플러 스펙트럼을 확장시킨다.
도플러 스펙트럼과 스펙트럴 모멘트는 파일의 용량을 줄이기 위하여 절반으로 압축되어 있다. 압축을 풀기 위하여 2 바이트의 도플러 스펙트럼과 스펙트럴 모멘트를 4 바이트로 증가시키고 IEEE754 기법을 적용하여 실수로 변환하였다.

성능/효과

기상 에코 중에서 강우에 의한 에코는 브래그 산란과 레일리 산란의 강도가 비슷하기 때문에 대기 신호의 첨두와 강우 신호의 첨두가 동시에 나타났다. 연직 안테나의 수신 신호가 이중 첨두로 나타나는 스펙트럼 밀도의 분포에서 강우 신호는 시선 속도가 크고 스펙트럼 폭이 넓고, 대기 신호는 시선 속도가 작고 스펙트럼 폭이 좁은 첨두로 나타나는 특징을 확인하였다. 두 신호의 특징에 따라 다섯 가지의 임계 조건을 적용하는 알고리즘을 개발하여 바람 정보와 강우 정보를 구분하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	윈드프로파일러는 어떤 과정으로 기상 정보를 수집하는가?	윈드프로파일러(Wind Profiler Radar)는 수 십 MHz ∼ 수 GHz의 주파수에 해당하는 전자기 펄스파를 방사하고 대기에서 산란된 신호를 검출하여 기상 정보를 수집한다. 수집된 기상 정보는 기상 감시와 예보, 수치예보모델 등 다양한 연구 분야에서 기초 자료로 활용된다[1-5].
	PCL1300의 운용 시스템은 무엇으로 구성되는가?	PCL1300의 운용 시스템은 세 부분인 안테나 시스템(외부), 자료 수집 시스템(내부), 자료 처리 및 표출 시스템(내부)으로 구성된다. 안테나 시스템은 전파의 송수신이 이루어지는 곳으로써 한 개의 연직 안테나와 네 개의 경사 안테나로 구성된다.
	PCL1300의 원시 자료의 특징은 무엇인가?	원시 자료는 다섯 개의 안테나마다 헤더, 스펙트럴 모멘트, 도플러 스펙트럼으로 구성되고, 형태는 바이너리 코드이다(표 2). 헤더는 관측 고도 수(NHTS), 스펙트럼 지점 수(NPTSP), 측정 시간(TIME) 등 윈드프로파일러의 관측 정보를 알 수 있는 변수들을 포함한다.

저자의 다른 논문 :

LOADING...

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