선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 기상청에서 현업운영중인 전구파랑 모델을 이용하여 동해 연안 파랑예측시스템을 구축하였다. 예측시스템 구축을 위하여 동해와 부산 연안모델을 합성하여 동해와 남해 일부를 포함하는 1km 해상도의 도메인을 설정하였다.
- 식 (4) 에서 산출된 기울기(상세한 특징)은 식 (5)에 적용하여 최종적인 상세격자의 값으로 보정한다. 즉, 상세격자로 내삽된 전구모델의 값에 연안모델의 상세한 특징을 적용함으로 연안모델의 상세분포를 유지하는 것이다. Figure 3의 c)는 IDW 적용 후 CM 기법을 통하여 산출된 상세 분포를 적용하여 산출된 최종 예측결과의 분포이다.
가설 설정
- distance)이고 (=1 또는 2) di는 내삽지점과 관측점의 거리의 차이다. 즉 국지연안 파고모델의 격자점의 값 은 특정 반경내의 전구모델의 값들을 역거리 가중하 여 평균하여 산출될 수 있다.
제안 방법
- 이를 72시간 이후의 전구모델에 가중 적용하면 상세한 특징이 포함된 연안모델 격자의 자료를 생산할 수 있다. 2.2.1 절에서 IDW방법으로 내삽하여 산출한 1km 해상도의 72시간까지의 전구모델 예측장과 연안모델의 예측값을 이용하여 격자별로 선형회귀를 계산하여 상세 특징값(기울기)을 추출하여 72시간 이후의 전구모델 격자에 적용한다. 조건부 합성(conditional merge (이하 CM)) 방법을 수식으로 표현하면 식 (4)~(5)와 같다.
- 2.2절의 해양관측소 관측자료와 위치정보를 이용하여 모델에서 예측된 결과를 비교분석하였다. Figure 6은 2017년 7월 15일 0000UTC에 예측된 파고와 해상풍속과 관측자료의 시계열을 관측소별로 나타내었다.
- 2장의 자료와 방법론을 적용하여 상세 파랑예측시스템을 구축하였고 연구영역에 대하여 2017년 7월 6 일부터 7월 21일까지 16일간 매일 0000, 1200UTC 에 168시간 예측을 수행하였다. 예측된 결과는 2차원 공간분포와 해양 관측소에 대하여 분석을 수행하였다.
- 3.1절의 연구영역의 예측결과를 모델 초기분석자료를 참조자료로 가정하여 모델의 공간분포에 대한 비교분석하였고 35소의 해양관측소의 관측자료를 이용하여 관측지점에 대한 검증을 수행하였다. 모델 영역의 예측시간대별 자료수는 약 16,201,215개였으며 모델 수행시간을 고려하여 12시간 간격으로 예측시간 대별로 검증을 수행하였다(Fig.
- 다양한 변수들이 있으나 해양레저와 관련성 높은 파고와 풍속예측결과를 검증하였다. 검증자료는 연안모델의 초기분석자료와 기상 청과 국립해양조사원에서 운영 중인 부이 및 등표관측소 자료를 이용하여 지점에 대한 검증을 실시하였고 모델 초기장을 이용하여 2차원 검증을 수행하여 예측시스템의 성능을 평가하였다. 본 연구의 결과는 장기간의 고해상도 해양 자료를 필요로 하는 동해안 해양안전 및 레저 등 다양한 분야에 활용될 수 있다.
- 구축된 예측시스템을 이용하여 2017년 7월에 대하여 예측을 수행하였다. 예측자료는 전구모델의 예측결과를 기반으로 수행하였고 검증은 모델예측자료를 활용한 격자 검증과 해양관측소에서 관측된 관측자료를 이용하여 검증을 시도하였다.
- 규모축소화 방법에 따른 파고예측결과는 해상관측 자료들을 이용하여 검증을 수행하였다. 전구모델 예측자료를 이용하여 IDW 내삽만을 수행했을 때와 CM을 적용하였을 때로 나누어 나타내었다.
- 예측된 결과는 2차원 공간분포와 해양 관측소에 대하여 분석을 수행하였다. 그리고 2차원 공간분포에 대하여 모델의 초기분석장을 참고자료로 가정하여 검증을 수행하였고 지점별 예측자료를 추출하여 관측자료를 이용하여 검증을 수행하였다.
- 본 연구는 동해와 남해 일부를 포함한 도메인을 연구영역으로 설정하였고 동해와 부산 연안모델과 전구모델을 합성하여 예측을 수행하였다. 그리고 구축 된 상세 연안모델은 2017년 7 월 6일부터 21일까지 (16일) 매일 0000UTC와 1200UTC를 기준으로 6시간 간격으로 168시간까지 예측하는 시스템을 구축하였다. Figure 1은 2017년 7월 15일 0000UTC에 예측된 0600UTC의 연구영역의 전구모델과 동해와 부산 연안모델 합성의 파고와 파향 그림이다.
- 이와 달리 본 연구는 기상청에서 제공하고 있는 전구파랑 및 연안파랑모델의 예측자료에서 관련 변수를 추출하여 공간 및 시간 규모축소기법을 적용하여 상세한 파랑예측모델을 구축하였다. 다양한 변수들이 있으나 해양레저와 관련성 높은 파고와 풍속예측결과를 검증하였다. 검증자료는 연안모델의 초기분석자료와 기상 청과 국립해양조사원에서 운영 중인 부이 및 등표관측소 자료를 이용하여 지점에 대한 검증을 실시하였고 모델 초기장을 이용하여 2차원 검증을 수행하여 예측시스템의 성능을 평가하였다.
- 본 연구에는 연안 파랑모델 2종(동해안과 부산)과 전구 파랑모델을 이용하여 고해상도(1 km 해상도) 장기예측(7일) 모델을 구축하였다. 동해 연안 파랑 예측시스템은 2종의 연안모델의 중첩영역이 존재하기 때문에 우선순위(동해안)를 두어 연구영역의 파랑예측모델의 격자를 구성하였다. 55 km 해상도 전구모델의 격자를 1 km 연안모델의 격자로 내삽하기 위하여 역거리 가중내삽법(Inverse distance weighted (이하 IDW) interpolation; Ballarin et al.
- 최근 해양 스포츠 및 레저활동을 위해서는 1주일 이상 장시간의 예측정보에 대한 요구가 늘고 있다(KMA, 2016). 따라서 3일 이상의 중장기 상세 예측정보를 생산하기 위하여 국지연안 파고모델의 해상도인 1 km를 목표로 공간 내 삽을 수행하였으며 72시간이후의 예측정보는 전구파고모델의 예측정보를 이용하여 공간 및 시간 규모축 소화(downscaling) 방법을 적용하여 고해상도 예측장 을 생산한다.
- 1절의 연구영역의 예측결과를 모델 초기분석자료를 참조자료로 가정하여 모델의 공간분포에 대한 비교분석하였고 35소의 해양관측소의 관측자료를 이용하여 관측지점에 대한 검증을 수행하였다. 모델 영역의 예측시간대별 자료수는 약 16,201,215개였으며 모델 수행시간을 고려하여 12시간 간격으로 예측시간 대별로 검증을 수행하였다(Fig. 7a). 파고의 경우 초기시간에 1 에 가까운 상관계수를 보였고 RMSE는 0.
- 본 연구에는 연안 파랑모델 2종(동해안과 부산)과 전구 파랑모델을 이용하여 고해상도(1 km 해상도) 장기예측(7일) 모델을 구축하였다. 동해 연안 파랑 예측시스템은 2종의 연안모델의 중첩영역이 존재하기 때문에 우선순위(동해안)를 두어 연구영역의 파랑예측모델의 격자를 구성하였다.
- 본 연구에서는 고해상도 파랑예측모델 구축을 위하 여 기상청에서 현업운영 중인 연안 파랑모델과 전구파랑예측모델의 예측결과를 활용하였다. 기존에는 앙상블 방법(Park et al.
- 2장의 자료와 방법론을 적용하여 상세 파랑예측시스템을 구축하였고 연구영역에 대하여 2017년 7월 6 일부터 7월 21일까지 16일간 매일 0000, 1200UTC 에 168시간 예측을 수행하였다. 예측된 결과는 2차원 공간분포와 해양 관측소에 대하여 분석을 수행하였다. 그리고 2차원 공간분포에 대하여 모델의 초기분석장을 참고자료로 가정하여 검증을 수행하였고 지점별 예측자료를 추출하여 관측자료를 이용하여 검증을 수행하였다.
- 구축된 예측시스템을 이용하여 2017년 7월에 대하여 예측을 수행하였다. 예측자료는 전구모델의 예측결과를 기반으로 수행하였고 검증은 모델예측자료를 활용한 격자 검증과 해양관측소에서 관측된 관측자료를 이용하여 검증을 시도하였다. 지상과 다르게 해양 에서는 가용한 관측자료가 적어 본 연구에서는 기상청과 국립해양조사원에서 운용하고 있는 35소의 부이, 파고부이, 등표에서 수집된 파고와 해상풍 자료를 활용하였다.
- Figure 2는 연구영역의 기상청 기상부이, 파고부이, 등표 그리고 국립해양조사원의 기상부이와 대형 부이의 위치를 나타내었으며 Table 2 에는 이들의 위치정보와 관측소 ID를 정리하였다. 이들 관측자료 중 대부분에서 관측되어지는 파고와 해상풍속 자료를 이용하여 본 연구에서 개발된 고해상도 파랑예측모델의 예측결과를 검증하였다.
- , 2018), 중규모 기상모델을 이용한 방법(Seo and Chang, 2003) 등을 이용해 한반도 해안의 정확성 향상을 위한 연구가 있다. 이와 달리 본 연구는 기상청에서 제공하고 있는 전구파랑 및 연안파랑모델의 예측자료에서 관련 변수를 추출하여 공간 및 시간 규모축소기법을 적용하여 상세한 파랑예측모델을 구축하였다. 다양한 변수들이 있으나 해양레저와 관련성 높은 파고와 풍속예측결과를 검증하였다.
- 전구모델의 공간해상도가 낮기 때문에 연안모델과 동일한 해상도의 격자로 내삽을 수행하여 동일한 격자 형태로 변환하였다. 전구 파랑 모델의 격자(55 km 해상도)는 연안 파랑모델의 격자 (1 km 해상도)로 내삽하였다. 즉 전구모델의 예측변수의 값을 연안모델의 격자점으로 내삽하여 적용하는 방법으로 단순 선형내삽보다는 정교한 역거리 가중 내삽방법을 적용하여 산출하였다.
- 규모축소화 방법에 따른 파고예측결과는 해상관측 자료들을 이용하여 검증을 수행하였다. 전구모델 예측자료를 이용하여 IDW 내삽만을 수행했을 때와 CM을 적용하였을 때로 나누어 나타내었다. 모델 수행시간에 따른 예측의 검증과 예측시간에 따른 검증 결과를 Fig.
- 본 연구에 사용된 파랑예측모델의 격자 및 예측시간 등이 다르기 때문에 일괄적인 자료처리에 앞서 전처리가 필요하다. 전구모델의 공간해상도가 낮기 때문에 연안모델과 동일한 해상도의 격자로 내삽을 수행하여 동일한 격자 형태로 변환하였다. 전구 파랑 모델의 격자(55 km 해상도)는 연안 파랑모델의 격자 (1 km 해상도)로 내삽하였다.
- 전구 파랑 모델의 격자(55 km 해상도)는 연안 파랑모델의 격자 (1 km 해상도)로 내삽하였다. 즉 전구모델의 예측변수의 값을 연안모델의 격자점으로 내삽하여 적용하는 방법으로 단순 선형내삽보다는 정교한 역거리 가중 내삽방법을 적용하여 산출하였다. 역거리 가중 내삽 은 격자점에 영향을 미치는 전구모델의 격자와의 거리에 가중치를 주어 가까울수록 상세격자에 많은 영향을 주는 방법이다.
- 동해 연안모델의 예측결과에 대한 검증은 두 가지 방법으로 수행하였다. 첫번째 방법은 예측시스템의 초기분석장을 활용하여 격자점에 대한 검증이다. 연안모델의 입력자료는 기상모델인 지역기상모델 (RDAPS, Regional Data Assimilation and Prediction System)의 바람장을 초기자료로 활용한다.
- 예측시스템 구축을 위하여 동해와 부산 연안모델을 합성하여 동해와 남해 일부를 포함하는 1km 해상도의 도메인을 설정하였다. 초기 3일까지는 연안모델의 예측자료를 활용하여 모델을 구성하였고 3일 이후 7일까지는 전구 파랑모델의 예측결과를 IDW 내삽방법과 CM 합성 방법을 적용하였다. IDW 내삽방법은 간단하면서도 주변 격자의 값의 영향을 거리에 따른 가중치를 두어 내삽하기 때문에 유의미한 내삽결과를 확보 수 있다.
대상 데이터
- 본 연구는 동해와 남해 일부를 포함한 도메인을 연구영역으로 설정하였고 동해와 부산 연안모델과 전구모델을 합성하여 예측을 수행하였다. 그리고 구축 된 상세 연안모델은 2017년 7 월 6일부터 21일까지 (16일) 매일 0000UTC와 1200UTC를 기준으로 6시간 간격으로 168시간까지 예측하는 시스템을 구축하였다.
- 첫번째 방법은 예측시스템의 초기분석장을 활용하여 격자점에 대한 검증이다. 연안모델의 입력자료는 기상모델인 지역기상모델 (RDAPS, Regional Data Assimilation and Prediction System)의 바람장을 초기자료로 활용한다. 모델예측시스템의 초기분석장은 모델의 기준이 되는 자료이며 초기분석장이 정확할수록 예측정확도는 높아질 수 있으며 예측 정확도를 향상하기 위하여 관측자료를 이용하여 보정하는 자료동화가 수반되어 생성된다.
- 본 연구에서는 기상청에서 현업운영중인 전구파랑 모델을 이용하여 동해 연안 파랑예측시스템을 구축하였다. 예측시스템 구축을 위하여 동해와 부산 연안모델을 합성하여 동해와 남해 일부를 포함하는 1km 해상도의 도메인을 설정하였다. 초기 3일까지는 연안모델의 예측자료를 활용하여 모델을 구성하였고 3일 이후 7일까지는 전구 파랑모델의 예측결과를 IDW 내삽방법과 CM 합성 방법을 적용하였다.
- 예측자료는 전구모델의 예측결과를 기반으로 수행하였고 검증은 모델예측자료를 활용한 격자 검증과 해양관측소에서 관측된 관측자료를 이용하여 검증을 시도하였다. 지상과 다르게 해양 에서는 가용한 관측자료가 적어 본 연구에서는 기상청과 국립해양조사원에서 운용하고 있는 35소의 부이, 파고부이, 등표에서 수집된 파고와 해상풍 자료를 활용하였다.
데이터처리
-
관측자료와 모델격자 사이의 차이가 있어 관측값의 대표성 문제가 있으나 일반적으로 모델의 평가방법은 관측값을 기반으로 평가되어진다. 본 연구에서는 파랑예측모델에서 주요변수인 파고 와 해상풍속 변수를 검증변수로 선정하여 검증하였으며 통계값은 식 (6)~(7)과 같이 상관계수(Pearson correlation coefficient (CC))와 평방근오차(Root Mean Square Error (RMSE))를 이용하여 검증하였다.
이론/모형
- 동해 연안 파랑 예측시스템은 2종의 연안모델의 중첩영역이 존재하기 때문에 우선순위(동해안)를 두어 연구영역의 파랑예측모델의 격자를 구성하였다. 55 km 해상도 전구모델의 격자를 1 km 연안모델의 격자로 내삽하기 위하여 역거리 가중내삽법(Inverse distance weighted (이하 IDW) interpolation; Ballarin et al., 2018)을 적용하여 상세화하였다. 그리고 72시간 이후의 예측의 전구모델의 장기패턴 및 공간분포를 적용하고 72시간까지 연안모델의 상세 공간분포를 적용하는 통계적 규모축 소화(downscaling) 방법인 조건부 합성(conditional merge) 방법(Long et al.
- The correlation coefficient and RMSE of wave height with initial time (a, b) and forecast time (c, d) from 0000UTC July 6 2017 to 1200UTC July 21 2017. The forecast result adopted with IDW and IDW+CM methods.
- , 2018)을 적용하여 상세화하였다. 그리고 72시간 이후의 예측의 전구모델의 장기패턴 및 공간분포를 적용하고 72시간까지 연안모델의 상세 공간분포를 적용하는 통계적 규모축 소화(downscaling) 방법인 조건부 합성(conditional merge) 방법(Long et al., 2016)을 적용하였다. 구축 된 동해 연안 파랑예측시스템은 Fig.
성능/효과
- 검증결과에 따르면 대체로 초기시간에는 상관계수0.8 이상의 높은 예측정확도를 보이고 있으나 예측시간의 길어짐에 따라 예측성능은 감소되어 5일 이후에는 0.4 이하로 감소되는 것을 확인할 수 있었다. 해양관측소 자료를 이용하여 검증하였을 때도 유사한 경향을 보였으나 상대적으로 모델 격자자료 검증과 비교하여 자료수가 적어 검증 수치는 다소 감소되었다.
- 1 이상 개선되었다. 다시 말해, 저해상도 장기모델 예측결과를 활용 하여 상세 예측을 수행한다고 하였을 때 단순히 내삽만을 적용하는 것보다는 국지적인 상세 분포를 적용하였을 때 현실과 부합하는 결과를 얻을 수 있음 을 보여준다.
- 28 m로 개선되었다. 또한 예측시간 대별로 비교하였을 때 전체적인 예측시간대별로 상관 계수는 0.1 이상 그리고 RMSE는 0.1 이상 개선되었다. 다시 말해, 저해상도 장기모델 예측결과를 활용 하여 상세 예측을 수행한다고 하였을 때 단순히 내삽만을 적용하는 것보다는 국지적인 상세 분포를 적용하였을 때 현실과 부합하는 결과를 얻을 수 있음 을 보여준다.
- 관측자료를 이용한 검증을 수행하였을 때 자료수의 감소 등으로 초기시간의 검증결과가 모델 격자 검증과 비교하여 다소 낮게 나타나고 있다. 또한 해상풍속의 관측자료 검증의 경우 파고자료 검증과 비교하여 상대적으로 상관계수가 낮고 RMSE가 높게 나타나고 있으며 예측 80시간 이후에 상관계수와 RMSE 가 일정하게 유지되었다. 이는 관측자료 수의 1/3정도에 해당되는 파고부이 관측소는 해상풍속 관측이 수행되지 않기 때문으로 자료수의 감소로 인한 영향으로 분석된다.
- 8에 나타내었다. 모델 수행시간에 따른 내삽만을 적용하였을 때 상관계수와 RMSE는 0.46과 0.34 m였으며 IDW내삽과 CM을 적용하여 예측하였을 때는 0.60과 0.28 m로 개선되었다. 또한 예측시간 대별로 비교하였을 때 전체적인 예측시간대별로 상관 계수는 0.
- 예측시간이 증가함에 따라 상관계수는 급감하였고 RMSE는 상승하였다. 예측 120시간(5일) 이후에 상관성은 0.3 이하로 하락하였고 RMSE 는 0.5m 이상으로 증가되었다. 해상풍의 경우 초기 상관계수와 RMSE는 0.
- 1 m 이하였다. 예측시간이 증가함에 따라 상관계수는 급감하였고 RMSE는 상승하였다. 예측 120시간(5일) 이후에 상관성은 0.
- 해양관측소 자료를 이용하여 검증하였을 때도 유사한 경향을 보였으나 상대적으로 모델 격자자료 검증과 비교하여 자료수가 적어 검증 수치는 다소 감소되었다. 전체 모델 예측기간에 대한 평균 상관계수와 RMSE는 0.6과 0.28 m로서 단순 내삽만을 고려한 0.46과 0.34 m와 비교하였을 때 유의미한 개선임을 확인할 수 있다.
- 3a)을 이용하여 IDW방법을 적용하여 산출된 연안모델 격자의 파고를 나타낸 것이다. 정성적 분석결과 전체적인 공간 패턴은 유지되고 있으며 해안선 부근의 상세 격자점까지 내삽이 원활하게 적용 된 것을 확인 할 수 있다.
- 4 이하로 감소되는 것을 확인할 수 있었다. 해양관측소 자료를 이용하여 검증하였을 때도 유사한 경향을 보였으나 상대적으로 모델 격자자료 검증과 비교하여 자료수가 적어 검증 수치는 다소 감소되었다. 전체 모델 예측기간에 대한 평균 상관계수와 RMSE는 0.
후속연구
- 본 연구에서 개발된 고해상도 동해 연안 파랑예측시스템은 국민의 여가 생활 및 레저활동 을 위한 기상 예측정보로 활용이 가능하다. 그러나 본 연구에서 구축된 예측시스템은 7월에 한정되어 연구되어졌기 때문에 일반화의 한계는 존재한다. 따라서 장기적인 수행을 통하여 계절적인 변화 등에대한 고려가 필요하다.
- 본 연구에 사용된 파랑예측모델의 격자 및 예측시간 등이 다르기 때문에 일괄적인 자료처리에 앞서 전처리가 필요하다. 전구모델의 공간해상도가 낮기 때문에 연안모델과 동일한 해상도의 격자로 내삽을 수행하여 동일한 격자 형태로 변환하였다.
- 최근 동해를 중심으로 서핑, 스킨스쿠버, 낚시 등 다양한 레저 활동이 급속도로 증가되고 있으며 이러한 레저활동은 바다의 기상상태인 파고, 수온, 파향 및 해상풍의 영향에 민감하며 이에 대한 요구가 급증되고 있다. 본 연구에서 개발된 고해상도 동해 연안 파랑예측시스템은 국민의 여가 생활 및 레저활동 을 위한 기상 예측정보로 활용이 가능하다. 그러나 본 연구에서 구축된 예측시스템은 7월에 한정되어 연구되어졌기 때문에 일반화의 한계는 존재한다.
- 검증자료는 연안모델의 초기분석자료와 기상 청과 국립해양조사원에서 운영 중인 부이 및 등표관측소 자료를 이용하여 지점에 대한 검증을 실시하였고 모델 초기장을 이용하여 2차원 검증을 수행하여 예측시스템의 성능을 평가하였다. 본 연구의 결과는 장기간의 고해상도 해양 자료를 필요로 하는 동해안 해양안전 및 레저 등 다양한 분야에 활용될 수 있다. 특히 동해안 해양 레저 산업의 발전에 기여할 수 있 을 것으로 분석된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.