[논문]지형학적 특성을 고려한 레이더 강수량 편의보정 매개변수의 변동성 및 불확실성 분석

김태정; 반우식; 권현한

doi:10.3741/jkwra.2019.52.9.589

[국내논문] 지형학적 특성을 고려한 레이더 강수량 편의보정 매개변수의 변동성 및 불확실성 분석
Assessment of variability and uncertainty in bias correction parameters for radar rainfall estimates based on topographical characteristics 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.52 no.9, 2019년, pp.589 - 601

김태정 (한국수자원조사기술원 연구개발실) , 반우식 (한국수자원공사 한강권역부문 한강물관리처 물관리센터) , 권현한 (세종대학교 공과대학 건설환경공학과)

초록
AI-Helper

최근 수문기상학 분야에서 레이더 강수량을 활용한 응용연구가 활발하게 진행되고 있다. 하지만 레이더 강수량은 경험적인 레이더 반사도-강수강도 관계식을 활용하여 레이더 강수량을 추정하기 때문에 실제 지상에 도달하는 강수량과 정량적인 오차가 필연적으로 발생한다. 따라서 본 연구에서는 레이더 강수량 편의보정을 위하여 Bayesian 추론기법과 일반화 선형모형을 연계하여 불확실성을 고려한 편의보정 매개변수를 산정하였다. 일반화 선형모형을 적용한 레이더 강수량 편의보정 결과는 현재 널리 사용되고 있는 평균보정 기법보다 우수한 통계적 효율기준을 제시하였다. 추가로 지형학적 특성에 따른 편의보정 매개변수의 변동성을 분석하여 고도 및 이격거리에 따른 편의보정 매개변수의 지역화 공식을 제시하였다. 본 연구를 통하여 개발된 레이더 강수량 편의보정 매개변수 산정 및 지역화 결과는 레이더와 관련된 다양한 연구에 활용성이 클 것으로 판단된다.

Abstract ▼ AI-Helper

Various applications of radar rainfall data have been actively employed in the field of hydro-meteorology. Since radar rainfall is estimated by using predefined reflectivity-rainfall intensity relationships, they may not have sufficient reproducibility of observations. In this study, a generalized linear model is introduced to better capture the Z-R relationship in the context of bias correction within a Bayesian regression framework. The bias-corrected radar rainfall with the generalized linear model is more accurate than the widely used mean field bias correction method. In addition, we analyzed variability of the bias correction parameters under various geomorphological conditions such as the height of the weather station and the separation distance from the radar. The identified relationship is finally used to derive a regionalized formula which can provide bias correction factors over the entire watershed. It can be concluded that the bias correction parameters and regionalized method obtained from this study could be useful in the field of radar hydrology.

Keyword

표/그림 (14)

그림 Fig. 1. Flow diagram of bias correction approaches for the radar rainfall
그림 Fig. 2. Maps showing the locations of Osungsan radar (left panel) and ground gauges (right panel)
표 Table 1. Specification of the Oseongsan radar
표 Table 2. Weather stations used in this study and their geomorphological informations
그림 Fig. 3. Boxplots of the posterior distribution of the mean field bias correction factor β
그림 Fig. 4. Boxplots of the posterior distribution of the bias correction factor α in GLM
그림 Fig. 5. Boxplots of the posterior distribution of the bias correction factor β in GLM
표 Table 3. Evaluation of model efficiency criteria
그림 Fig. 6. Relation between bias correction parameter and height
표 Table 3. Evaluation of model efficiency criteria (Continue)
그림 Fig. 7. Relations between bias correction parameters and separation distance
그림 Fig. 8. Comparisons between estimated and regionalized parameters obtained from table 4 for MFB and GLM
표 Table 4. Regression equation of the bias correction parameters using geomorphological characteristics
그림 Fig. 9. Parameter estimation considering geomorphological characteristics for MFB and GLM

AI 본문요약
AI-Helper

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

문제 정의

, 2018). 이러한 배경을 근간으로 본 연구의 목적은 불확실성 정량화 기법으로 활용되고 있는 Bayesian 기법을 적용하여 레이더 강수량 편의보정 매개변수의 불확실성을 정량적으로 평가하고 고도 및 이격거리와 같은 지형학적 특성과 레이더 강수량 편의보정 계수와의 연관성을 평가하고자 한다.
이러한 과정은 레이더 강수량에 상당한 오차와 불확실성을 유발하게 되어 부정확한 해석 결과를 도출하는 문제점이 있다. 본 연구에서는 레이더 강수량의 신뢰도를 높이고자 레이더 강수량 편의보정 과정의 불확실성을 정량적으로 평가하는 데 초점을 맞추어 결과를 제시하였다.
본 연구에서는 편의보정 매개변수의 지형학적 특성을 고려하기 위하여 MFB 기법과 GLM 기법으로 산정된 편의보정 매개변수를 대상으로 지상관측소의 고도와 레이더 지점으로부터의 이격거리에 따른 변동성 분석을 수행하였다. Fig.
현재 외국에서 개발된 Z-R 관계식을 사용하여 결정적인 값으로 제공되는 레이더 강수량은 추정과정에 다양한 불확실성이 내포되어 있다. 따라서 본 연구는 시공간적으로 고해상도의 강수정보를 제공하고는 레이더 강수량의 정확도 향상을 위하여 레이더 강수량 편의보정 기법을 개발하고 지형학적 특성을 고려하여 편의보정 매개변수의 변동성을 평가하였다. 세부적으로는 MFB 기법과 GLM 기법을 적용하여 레이더 강수량 편의보정 매개변수를 산정하였으며 Bayesian MCMC 기법을 활용하여 레이더 강수량 편의보정 매개변수의 불확실성을 정량적으로 검토하였다.

가설 설정

Bayesian 추론과정에서 매개변수의 사전분포 선택은 매개변수의 특성파악으로 결정될 수 있지만 본 연구에서는 사전정보가 없는 경우 및 매개변수 추정을 위한 자료의 양이 충분하며 우도추정과정에서 사전분포에 크게 의존하지 않으면서 매개변수 추정이 가능하므로 무정보(non-informative) 사전분포를 사용하였다. 즉, 매개변수가 서로 독립이며 연속확률변수가 특정 구간에 대하여 동일한 확률을 가지며 분산 값이 매우 큰 균등분포(uniform distribution)형태의 무정보 사전분포를 만족한다고 가정하였다(Gelman, 2006; Gelman et al., 2015; Lima et al., 2016).
구체적으로는 Eqs. (7a)~(7b)과 같이 확률분포형으로 레이더 강수량 편의보정 매개변수의 사전분포를 가정하였으며 본 연구에서 제안하는 레이더 강수량 편의보정 매개변수 추정을 위한 사후분포는 Eqs. (8a)~(8d)로 정리할 수 있다.

제안 방법

다변량 정규분포의 공분산행렬(∑_∊ )의 크기는 분석 지점의 수 S (S×S)로 결정된다. 세부적으로 본 연구에서는 레이더 강수량 편의보정 매개변수 산정과정은 유역단위 분석 및 지점단위 분석으로 구분하였다. 즉, 대상유역을 대표할 수 있는 레이더 강수량 편의보정 매개변수를 산정하기 위하여 강수자료를 통합(pooling, 이하 PM)하는 기법과 지점의 강수자료를 독립적(no pooling 이하 NPM)으로 고려하는 기법으로 구분하였으며, 각 기법의 레이더 강수량 편의보정 매개변수 산정은 MFB 기법과 GLM을 적용하였다.
세부적으로 본 연구에서는 레이더 강수량 편의보정 매개변수 산정과정은 유역단위 분석 및 지점단위 분석으로 구분하였다. 즉, 대상유역을 대표할 수 있는 레이더 강수량 편의보정 매개변수를 산정하기 위하여 강수자료를 통합(pooling, 이하 PM)하는 기법과 지점의 강수자료를 독립적(no pooling 이하 NPM)으로 고려하는 기법으로 구분하였으며, 각 기법의 레이더 강수량 편의보정 매개변수 산정은 MFB 기법과 GLM을 적용하였다. 각 모형의 연결함수는 Eqs.
Bayesian 추론과정에서 매개변수의 사전분포 선택은 매개변수의 특성파악으로 결정될 수 있지만 본 연구에서는 사전정보가 없는 경우 및 매개변수 추정을 위한 자료의 양이 충분하며 우도추정과정에서 사전분포에 크게 의존하지 않으면서 매개변수 추정이 가능하므로 무정보(non-informative) 사전분포를 사용하였다. 즉, 매개변수가 서로 독립이며 연속확률변수가 특정 구간에 대하여 동일한 확률을 가지며 분산 값이 매우 큰 균등분포(uniform distribution)형태의 무정보 사전분포를 만족한다고 가정하였다(Gelman, 2006; Gelman et al.
MCMC 기법은 복잡한 다변량 확률분포 및 매개변수의 추정을 요구하는 상황에서 일반적으로 사용되며 Bayesian 추론기법에서 사후분포의 추론에 널리 활용되고 있다. 구체적으로 본 연구에서는 표본이 효과적으로 혼합되어 추출되도록 3개의 병렬체인을 이용하여 추적곡선을 사용하여 매개변수의 안정적인 수렴을 확인하였고 10,000개의 표본을 반복생성한 후, 초기 난수의 영향을 최소화하기 위하여 초기의 5,000개의 난수를 제거하였다.
특히, 우리나라의 초창기 기상레이더 관측은 장비의 설치와 안정화에 주안점을 두고 진행되어 품질관리가 수행된 장기간의 레이더 자료를 활용하는 데 한계가 있었다. 하지만 본 연구에서는 중장기적으로 레이더 강수량을 평가하고 레이더 강수량의 신뢰도를 확보하고자 장기간의 레이더 강수량을 범정부 레이더 자료제공 시스템(download.kma.go.kr)에서 취득하여 활용하였다.
본 연구에서는 관측된 레이더 자료에 포함된 비강수에코 제거를 위하여 ORPG 품질관리 과정을 적용하여 특정 고도에서 레이더 자료를 수평으로 표출하는 CAPPI (constant altitude plan position indicator) 자료를 활용하였다. 상세하게는 고도 1.
본 연구에서는 관측된 레이더 자료에 포함된 비강수에코 제거를 위하여 ORPG 품질관리 과정을 적용하여 특정 고도에서 레이더 자료를 수평으로 표출하는 CAPPI (constant altitude plan position indicator) 자료를 활용하였다. 상세하게는 고도 1.5km 10분 단위 CAPPI 자료를 활용하여 1시간 단위 레이더강수량 자료를 구축하였다. Tables 1 and 2 및 Fig.
144)의 관측소의 유지관리로 인한 관측자료의 손실기간이 발생하여 해당 관측소를 사용하는 경우 레이더 강수량 편의보정 매개변수를 추정하는 과정에서 불확실한 자료를 제공할 가능성이 고려되어 분석에서 제외하였다. 추가로 지상관측소 강수관측 과정의통일성을 고려하여 본 연구에서는 AWS 지점의 강수자료를 대상으로 레이더 강수량 편의보정 매개변수 추정을 수행하였다.
특히, 국지적 특성을 가지는 강수현상의 경우 이러한 오차는 증대될 수 있다. 현재 레이더 강수량 편의보정 과정에서 널리 사용되고 있는 MFB 기법으로 산정된 통계지표에 비하여 GLM 기법을 활용한 편의보정 레이더 강수량의 통계지표 우수성을 확인하였다. 기존에 단일 값으로 유역에 동일한 편의보정 매개변수를 적용하는 PM 기법의 매개변수 산정결과와 비교하여 Bayesian MCMC 기법으로 산정된 각 지점 매개변수의 불확실성 구간에 PM 기법의 매개변수가 포함되는 것을 확인하였다.
두 개 이상의 독립변수와 하나의 종속변수를 추정하는 다중 회귀분석을 활용하여 편의보정 매개변수의 지역화 분석을 수행하였다. 세부적으로 연구결과를 바탕으로 고도와 이격거리를 독립변수로 설정하고 레이더 강수량 편의보정 매개변수를 종속변수로 설정하여 다중 회귀분석을 수행하였다.
따라서 본 연구는 시공간적으로 고해상도의 강수정보를 제공하고는 레이더 강수량의 정확도 향상을 위하여 레이더 강수량 편의보정 기법을 개발하고 지형학적 특성을 고려하여 편의보정 매개변수의 변동성을 평가하였다. 세부적으로는 MFB 기법과 GLM 기법을 적용하여 레이더 강수량 편의보정 매개변수를 산정하였으며 Bayesian MCMC 기법을 활용하여 레이더 강수량 편의보정 매개변수의 불확실성을 정량적으로 검토하였다. 본 연구를 통해 얻은 결론은 다음과 같이 요약할 수 있으며 이를 기반으로 수문기상학적 측면에서 고품질의 레이더 강수량의 활용이 가능할 것으로 사료된다.
둘째, 본 연구에서는 Bayesian MCMC 기법을 도입하여 레이더 강수량 편의보정 매개변수의 사후분포를 도출하였다. 즉, 사후분포를 활용하여 레이더 강수량을 앙상블 형태로 생산이 가능하다.

대상 데이터

전라북도 군산시 오성산에 설치되어 운영 중인 오성산 기상레이더는 우리나라 서부지역과 남해상의 기상현상을 조기에 탐지하기 위하여 1992년 C-band 기상레이더를 도입하였다. 설치 후 기상관측을 시작하여 노후 레이더 교체보강 사업 계획에 의하여 2007년에 S-band 기상레이더로 교체되어 운영되었으며 2018년5월부터 S-band 이중편파 레이더로 교체를 진행하여 현재는 교체를 완료하였다.
설치 후 기상관측을 시작하여 노후 레이더 교체보강 사업 계획에 의하여 2007년에 S-band 기상레이더로 교체되어 운영되었으며 2018년5월부터 S-band 이중편파 레이더로 교체를 진행하여 현재는 교체를 완료하였다. 본 연구에서는 오성산 기상레이더가 안정적으로 운용되어 양질의 자료 확보가 가능한 2008년부터 2017년의 기상레이더 자료를 활용하였다.

데이터처리

수문기상학 분야에서 모형의 적합성 여부 및 성능을 확인하기 위하여 통계적 효율 기준(efficiency criteria)을 사용하고 있다. 앞서 서술한 레이더 강수량 편의보정 방법론의 적합성 여부를 평가하기 위하여 기초통계분석을 수행하였다. 본 연구에서 사용한 통계지표는 상관계수(Correlation coefficient, CC), 일치계수(Index of Agreement, IoA), 평균제곱근오차(Root Mean Square Error, RMSE), 평균절대오차(Mean Absolute Error, MAE) 및 편의 등 5가지이다.
Bayesian MCMC 기법으로 산정된 매개변수의 평균값을 활용하여 통계지표를 산정하였다. Table 3에서 확인할 수 있듯이 M-P 관계식으로 산정된 레이더 강수량과 지상강수량의 유역평균 통계지표는 상관계수 0.
두 개 이상의 독립변수와 하나의 종속변수를 추정하는 다중 회귀분석을 활용하여 편의보정 매개변수의 지역화 분석을 수행하였다. 세부적으로 연구결과를 바탕으로 고도와 이격거리를 독립변수로 설정하고 레이더 강수량 편의보정 매개변수를 종속변수로 설정하여 다중 회귀분석을 수행하였다.

이론/모형

본 연구는 레이더 강수량 편의보정을 위하여 Mean Field Bias 보정기법과 Generalized Linear Model 기반의 Bias 보정기법을 활용하였으며, 자료통합기법의 적용 여부에 따라서 세부적인 연구절차는 Fig. 1과 같다.
본 연구에서 언급하는 RE는 Marshall and Palmer (1948)에 의하여 제시된 층운형 강우형태 관계식 Z = 200 · R1.6(이하 M-P 관계식)으로 산정된 레이더 강수량을 의미한다.
(8a)~(8d)에서 Inv－Wishart은 다변량 정규분포 조건에서 표본의 분산-공분산 행렬을 위한 확률분포로 본 연구에서는 레이더 편의보정 매개변수 추정의 수학적 편리성을 위하여 MVN 공분산행렬의 자유도(v)와 규모행렬(ψ)로 정의되는 Inverse Wishart 분포를 사용하였다.
Bayesian 추론기법을 활용한 본 연구에서 레이더 강수량 편의보정 매개변수는 확률분포형으로 표현할 수 있다. 구체적으로는 Eqs.
본 연구에서 다변량 조건이며 직접 표본생성이 불가능한 상태에서 원하는 분포에 수렴하는 표본을 생성하는데 사용되는 Markov Chain Monte Carlo (MCMC) 기법의 Gibbs 표본법을 활용하여 매개변수를 추정하였다. MCMC 기법은 복잡한 다변량 확률분포 및 매개변수의 추정을 요구하는 상황에서 일반적으로 사용되며 Bayesian 추론기법에서 사후분포의 추론에 널리 활용되고 있다.
앞서 서술한 레이더 강수량 편의보정 방법론의 적합성 여부를 평가하기 위하여 기초통계분석을 수행하였다. 본 연구에서 사용한 통계지표는 상관계수(Correlation coefficient, CC), 일치계수(Index of Agreement, IoA), 평균제곱근오차(Root Mean Square Error, RMSE), 평균절대오차(Mean Absolute Error, MAE) 및 편의 등 5가지이다. 상관계수 및 일치계수는 무차원 지표로서 최적값은 1이며, 평균제곱근오차, 평균절대오차 및 편의의 단위는 mm / hr이며 최적값은 0이다.

성능/효과

결론적으로 레이더 강수량 편의보정 매개변수 α와 β을 추정함으로써 레이더 강수량에 포함된 편의를 보정을 할 수 있다.
세부적으로는 Fig. 3은 MFB기법을 PM 기법과 NPM 기법으로 적용하여 산정된 편의보정 매개변수의 사후분포를 도시한 결과로 PM 기법으로 산정된 편의보정 매개변수 β의 중앙값은 약 2.08로 18개 지점의 편의보정 매개변수의 사후분포 구간에 있는 것을 확인할 수있다.
73이다. MFB 기법과 유사하게 PM 기법으로 산정된 편의보정 매개변수는 18개 지점의 편의보정 매개변수의 사후분포 구간에 있는 것을 확인할 수 있다.
Bayesian MCMC 기법으로 산정된 매개변수의 평균값을 활용하여 통계지표를 산정하였다. Table 3에서 확인할 수 있듯이 M-P 관계식으로 산정된 레이더 강수량과 지상강수량의 유역평균 통계지표는 상관계수 0.728 및 일치계수 0.586으로 레이더 강수량과 지상강수량의 상관특성이 비교적높은 것을 확인할 수 있다. 하지만 MAE, RMSE 및 Bias 등과 같은 변량 간의 양적 특성을 평가하는 통계분석 결과는 M-P 관계식으로 산정된 레이더 강수량의 지상강수량 복원성에서 정량적 오차가 상당한 부분 포함되어 있음을 확인할 수 있다.
586으로 레이더 강수량과 지상강수량의 상관특성이 비교적높은 것을 확인할 수 있다. 하지만 MAE, RMSE 및 Bias 등과 같은 변량 간의 양적 특성을 평가하는 통계분석 결과는 M-P 관계식으로 산정된 레이더 강수량의 지상강수량 복원성에서 정량적 오차가 상당한 부분 포함되어 있음을 확인할 수 있다.
고도에 따른 분석결과와는 상반되게 이격거리에 따른 편의보정 매개변수 α는 감소하는 추세이며 편의보정 매개변수 β는 증가하는 추세를 확인하였다.
현재 레이더 강수량 편의보정 과정에서 널리 사용되고 있는 MFB 기법으로 산정된 통계지표에 비하여 GLM 기법을 활용한 편의보정 레이더 강수량의 통계지표 우수성을 확인하였다. 기존에 단일 값으로 유역에 동일한 편의보정 매개변수를 적용하는 PM 기법의 매개변수 산정결과와 비교하여 Bayesian MCMC 기법으로 산정된 각 지점 매개변수의 불확실성 구간에 PM 기법의 매개변수가 포함되는 것을 확인하였다. NPM 기법으로 산정된 지점별 편의보정 매개변수를 적용하여 레이더 강수량 편의보정을 수행한다면 현실적인 강수량 복원성을 제시할 것으로 사료된다.
PM 기법으로 산정된 편의보정 매개변수의 불확실성 구간이 상대적으로 작은 것을 확인할 수 있으며 NPM 기법보다 상대적으로 분석자료의 수가 많은 이유로 사료된다. 정리하면, 편의보정 매개변수의 불확실성을 평가한 결과는 실질적으로 유역에 평균적 특성을 가지는 보정계수를 일괄적으로 적용하여 편의를 보정하는 PM 기법은 레이더 강수량의 정량적인 재현능력에 현실성이 부족할 것으로 판단된다.
6은 고도에 따른 편의보정 매개변수의 변동성 분석결과이다. 오성산 레이더 반경 50 km에 있는 지상관측소의 고도에 따른 매개변수는 대략적으로 3개의 군집으로 분류될 수 있는 것을 확인하였다. 추가로 레이더 강수량 편의보정 매개변수 β는 고도가 증가함에 따라 감소하는 추세를 확인하였다.
MFB 기법과 GLM 기법의 레이더 강수량 편의보정 매개변수 β는 유사한 특성을 나타내고 있음을 확인할 수 있으며 GLM 기법의 레이더 강수량 편의보정 매개변수 α는 β와 상반되는 특성을 확인하였다.
통계학적으로 Bayesian MCMC 기법 산정결과와 MFB 기법 레이더 강수량 편의보정 매개변수 β의 지역화 결과의 상관성은 0.71이며 GLM 기법 레이더 강수량 편의보정 매개변수의 지역화 결과의 상관성은 각각 0.46 및 0.67로 산정되었다.
세부적으로 편의보정 매개변수 α는 지상강수량과 레이더 강수량의 평균 오차(mean bias)로 고려될 수 있으며 레이더와 이격거리가 증가할수록 레이더 강수량의 평균 오차가 감소하지만 고도의 영향력은 미비한 것으로 사료된다. 정리하면, 레이더 강수량의 평균 오차는 지상관측소의 고도에 비하여 이격거리에 대한 종속성이 강한 것으로 판단된다. 이와 같은 사유는 레이더로부터 발사된 전자파가 강수입자에 부딪혀 후방산란 되어 돌아오는 과정에서 이격거리가 증가할수록 레이더 반사도 자료의 감쇠, 바람효과 및 빔 교란 등의 영향력의 원인으로 사료된다.
첫째, 관측영역에 고정된 Z-R 관계식을 적용할 경우 강수 유형의 특성이 고려되지 않아 정확한 레이더 강수량을 추정하는 데 어려움이 있다. 본 연구에서 제안하는 레이더 강수량 편의보정 기법과 GIS를 활용한 보간법을 연계하여 산지 등과 같은 지상 관측소 공백지역의 레이더 강수량의 생산이 가능하므로 지상우량 관측시스템의 한계를 보완할 수 있다. 즉, 집중호우 감시 및 수치예보 자료의 초기조건으로 활용될 수 있으며 추가적으로 기상관측 인프라 확충계획 및 수문예측 및 돌발홍수 모니터링 지원 등 다양한 분야에 활용이 가능할 것으로 판단된다.

후속연구

기존에 단일 값으로 유역에 동일한 편의보정 매개변수를 적용하는 PM 기법의 매개변수 산정결과와 비교하여 Bayesian MCMC 기법으로 산정된 각 지점 매개변수의 불확실성 구간에 PM 기법의 매개변수가 포함되는 것을 확인하였다. NPM 기법으로 산정된 지점별 편의보정 매개변수를 적용하여 레이더 강수량 편의보정을 수행한다면 현실적인 강수량 복원성을 제시할 것으로 사료된다.
9는 지형학적 특성을 고려한 레이더 강수량 편의보정 매개변수의 공간분포 결과이다. 이 결과는 향후 첨단기상관측장비에 의존성이 증가하여 기상레이더 위치를 기준으로 지상관측소의 추가설치과정에서 설치위치 결정 및 레이더 강수량 생산의 참고자료로 활용이 가능한 것으로 사료된다.
세부적으로는 MFB 기법과 GLM 기법을 적용하여 레이더 강수량 편의보정 매개변수를 산정하였으며 Bayesian MCMC 기법을 활용하여 레이더 강수량 편의보정 매개변수의 불확실성을 정량적으로 검토하였다. 본 연구를 통해 얻은 결론은 다음과 같이 요약할 수 있으며 이를 기반으로 수문기상학적 측면에서 고품질의 레이더 강수량의 활용이 가능할 것으로 사료된다.
본 연구에서 제안하는 레이더 강수량 편의보정 기법과 GIS를 활용한 보간법을 연계하여 산지 등과 같은 지상 관측소 공백지역의 레이더 강수량의 생산이 가능하므로 지상우량 관측시스템의 한계를 보완할 수 있다. 즉, 집중호우 감시 및 수치예보 자료의 초기조건으로 활용될 수 있으며 추가적으로 기상관측 인프라 확충계획 및 수문예측 및 돌발홍수 모니터링 지원 등 다양한 분야에 활용이 가능할 것으로 판단된다.
수문기상학적으로 앙상블의 사용은 다양한 모멘트를 활용할 수 있는 장점이 있다. 즉, 레이더 강수량 편의보정을 수행하는 과정에서 본 연구에서 제시하는 연구기법을 적용하여 유역단위 및 지점단위 분석의 목적에 맞추어 레이더 강수량의 불확실성을 정량적으로 고려한다면 신뢰성을 확보한 수문기상학적 분석이 가능할 것으로 판단된다.
셋째, 최근 빈번히 발생하는 돌발홍수에 효과적으로 대응하기 위해서는 시공간적으로 고분해능 관측이 가능한 레이더 지점을 기준으로 기상관측전략을 체계적으로 수립할 필요가 있다. 관측반경이 긴 대형레이더의 경우 저고도 관측영역에서의 음영지역이 발생하여 자료의 불확실성이 증가하는 것을 보완하고자 최근에는 상대적으로 짧은 관측반경을 갖는 소형레이더 및 이동식 레이더를 활용하여 국소지역의 기상현상을 감시하고 있다.
관측반경이 긴 대형레이더의 경우 저고도 관측영역에서의 음영지역이 발생하여 자료의 불확실성이 증가하는 것을 보완하고자 최근에는 상대적으로 짧은 관측반경을 갖는 소형레이더 및 이동식 레이더를 활용하여 국소지역의 기상현상을 감시하고 있다. 본 연구결과를 활용하여 소형레이더의 신설및 이동식 레이더 운영에 따른 레이더 강수량 추정에 활용한다면 레이더 강수량의 불확실성을 규명하고 정확도가 확보된 레이더 강수량을 제시하여 수문해석의 정확도 향상에 기여할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	G/R Ratio는 무엇인가?	여기서, G/R Ratio는 레이더 강수량과 지상강수량의 무게중심과 원점의 추세선의 기울기이다. 일반적으로 레이더 강수량은 과소 추정되는 경향이 있으므로 G/R Ratio는 1.
	지상의 관측소를 통하여 강수정보를 얻는 것의 문제점은?	수문기상학 분야에서 가장 큰 비중을 차지하는 입력자료인 강수정보는 일반적으로 지상에 관측소를 통하여 획득하고 있다. 그러나 기상상태 및 운영관리의 제한성으로 인하여 지상관측소 공백 지역에서 국지적으로 발생하는 집중호우의 경우 효과적으로 관측이 어려운 상황이다(Choi and Lee, 2000; Bae et al., 2008).
	레이더 강수량과 실제 강수량의 오차가 발생하는 이유는?	최근 수문기상학 분야에서 레이더 강수량을 활용한 응용연구가 활발하게 진행되고 있다. 하지만 레이더 강수량은 경험적인 레이더 반사도-강수강도 관계식을 활용하여 레이더 강수량을 추정하기 때문에 실제 지상에 도달하는 강수량과 정량적인 오차가 필연적으로 발생한다. 따라서 본 연구에서는 레이더 강수량 편의보정을 위하여 Bayesian 추론기법과 일반화 선형모형을 연계하여 불확실성을 고려한 편의보정 매개변수를 산정하였다.

참고문헌 (35)

Adeyewa, Z. D., and Nakamura, K. (2003). "Validation of TRMM radar rainfall data over major climatic regions in Africa." Journal of Applied Meteorology, Vol. 42, No. 2, pp. 331-347.

상세보기
Bae, D. H., Jung, I. W., and Chang, H. J. (2008). "Longterm trend of precipitation and runoff in Korean river basins." Hydrological Processes, Vol. 22, No. 14, pp. 2644-2656.

상세보기
Bracken, C., Holman, K. D., Rajagopalan, B., and Moradkhani, H. (2018). "A Bayesian hierarchical approach to multivariate nonstationary hydrologic frequency analysis." Water Resources Research, Vol. 54, No. 1, pp. 243-255.

상세보기
Carpenter, T. M., and Georgakakos, K. P. (2004). "Impacts of parametric and radar rainfall uncertainty on the ensemble streamflow simulations of a distributed hydrologic model." Journal of Hydrology, Vol. 298, No. 1-4, pp. 202-221.

상세보기
Cecinati, F., Moreno-Rodenas, A., Rico-Ramirez, M., ten Veldhuis, M. C., and Langeveld, J. (2018). "Considering rain gauge uncertainty using kriging for uncertain data." Atmosphere, Vol. 9, No. 11, p. 446.

상세보기
Choi, J. T., and Lee, T. Y. (2000). "Capability of observing systems over the Korean peninsula for the observation of mesoscale atmospheric structure - A study using observing system simulation experiments." Asia-Pacific Journal of Atmospheric Sciences, Vol. 36, No. 6, pp. 619-630 (in Korean).
Chumchean, S., Seed, A., and Sharma, A. (2006). "Correcting of real-time radar rainfall bias using a Kalman filtering approach." Journal of Hydrology, Vol. 317, No. 1-2, pp. 123-137.

상세보기
Dai, Q., RicoRamirez, M. A., Han, D., Islam, T., and Liguori, S. (2015). "Probabilistic radar rainfall nowcasts using empirical and theoretical uncertainty models." Hydrological Processes, Vol. 29, No. 1, pp. 66-79.

상세보기
Delrieu, G., Braud, I., Berne, A., Borga, M., Boudevillain, B., Fabry, F., Freer, J., Gaume, E., Nakakita, E., Seed, A., Tabary, P., and Uijlenhoet, R. (2009). "Weather radar and hydrology." Advances in Water Resources, Vol. 32, No. 7, pp. 969-974.

상세보기
Gelman, A. (2004). "Parameterization and Bayesian modeling." Journal of the American Statistical Association, Vol. 99, No. 466, pp. 537-545.

상세보기
Gelman, A. (2006). "Prior distributions for variance parameters in hierarchical models (comment on article by Browne and Draper)." Bayesian analysis, Vol. 1, No. 3, pp. 515-534.

상세보기
Gelman, A., Lee, D., and Guo, J. (2015). "Stan: A probabilistic programming language for Bayesian inference and optimization." Journal of Educational and Behavioral Statistics, Vol. 40, No. 5, pp. 530-543.

상세보기
Goovaerts, P. (2000). "Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall." Journal of Hydrology, Vol. 228, No. 1-2, pp. 113-129.

상세보기
Haberlandt, U. (2007). "Geostatistical interpolation of hourly precipitation from rain gauges and radar for a large-scale extreme rainfall event." Journal of Hydrology, Vol. 332, No. 1-2, pp. 144-157.

상세보기
Kang, N. R., Joo, H. J., Lee, M. J., and Kim, H. S. (2017). "Generation of radar rainfall ensemble using probabilistic approach." Journal of Korea Water Resources Association, Vol. 50, No. 3, pp. 155-167 (in Korean).
Kim, K. H., Lee, G. W., Kang, D. H., Kwon, B. H., and Han, K. Y. (2014). "Adjustment of radar precipitation estimation based on the local gauge correction method." Journal of the Korean earth science society, Vol. 35, No. 2, pp. 115-130 (in Korean).

원문보기 상세보기
Kim, T. J., Kwon, H. H., and Lima, C. (2018). "A bayesian partial pooling approach to mean field bias correction of weather radar rainfall estimates: Application to osungsan weather radar in South Korea." Journal of Hydrology, Vol. 565, pp. 14-26.

상세보기
Kim, T. J., Lee, D. R., and Kwon, H. H. (2017). "Assessment of merging weather radar precipitation data and ground precipitation data according to various interpolation method." Journal of Korea Water Resources Association, Vol. 50, No. 12, pp. 849-862 (in Korean).
Korea Observation Unified System, Korea Meteorological Administration (2019). accessed 1 July 2019,
Krajewski, W. F., and Smith, J. A. (2002). "Radar hydrology: rainfall estimation." Advances in water resources, Vol. 25, No. 8-12, pp. 1387-1394.

상세보기
Krajewski, W. F., Villarini, G., and Smith, J. A. (2010). "Radar-rainfall uncertainties: Where are we after thirty years of effort?." Bulletin of the American Meteorological Society, Vol. 91, No. 1, pp. 87-94.

상세보기
Kwon, H. H., and Lall, U. (2016). "A copulabased nonstationary frequency analysis for the 2012-2015 drought in California." Water Resources Research, Vol. 52, No. 7, pp. 5662-5675.

상세보기
Lee, H., Zhang, Y., Seo, D. J., and Xie, P. (2015). "Utilizing satellite precipitation estimates for streamflow forecasting via adjustment of mean field bias in precipitation data and assimilation of streamflow observations." Journal of Hydrology, Vol. 529, pp. 779-794.

상세보기
Lee, J. H., and Heo, J. H. (2011). "Evaluation of estimation methods for rainfall erosivity based on annual precipitation in Korea." Journal of Hydrology, Vol. 409, No. 1-2, pp. 30-48.

상세보기
Lee, J. K. (2018). "Uncertainty analysis of quantitative rainfall estimation process based on hydrological and meteorological radars." Journal of Korea Water Resources Association, Vol. 51, No. 5, pp. 439-449 (in Korean).
Lima, C. H., Lall, U., Troy, T., and Devineni, N. (2016). "A hierarchical Bayesian GEV model for improving local and regional flood quantile estimates." Journal of Hydrology, Vol. 541, pp. 816-823.

상세보기
Marshall, J. S., and Palmer, W. M. K. (1948). "The distribution of raindrops with size." Journal of Meteorology, Vol. 5, No. 4, pp. 165-166.

상세보기
Meira Neto, A. A., Oliveira, P. T. S., Rodrigues, D. B., and Wendland, E. (2018). "Improving streamflow prediction using uncertainty analysis and bayesian model averaging." Journal of Hydrologic Engineering, Vol. 23, No. 5, p. 05018004.

상세보기
Seo, D. J., Breidenbach, J. P., and Johnson, E. R. (1999). "Real-time estimation of mean field bias in radar rainfall data." Journal of Hydrology, Vol. 223, No. 3-4, pp. 131-147.

상세보기
Sinclair, S., and Pegram, G. (2005). "Combining radar and rain gauge rainfall estimates using conditional merging." Atmospheric Science Letters, Vol. 6, No. 1, pp. 19-22.

상세보기
Smith, J. A., and Krajewski, W. F. (1991). "Estimation of the mean field bias of radar rainfall estimates." Journal of Applied Meteorology, Vol. 30, No. 4, pp. 397-412.

상세보기
Todini, E. (2001). "A bayesian technique for conditioning radar precipitation estimates to rain-gauge measurements." Hydrology and Earth System Sciences Discussions, Vol. 5, No. 2, pp. 187-199.

상세보기
Villarini, G., and Krajewski, W. F. (2010). "Review of the different sources of uncertainty in single polarization radar-based estimates of rainfall." Surveys in Geophysics, Vol. 31, No. 1, pp. 107-129.

상세보기
Yoo, C., Park, C. S., and Yoon, J. S. (2011). "Decision of G/R ratio for the correction of mean-field bias of radar rainfall and linear regression problem." Journal of The Korean Society of Civil Engineers, Vol. 31, No. 5B, pp. 393-403 (in Korean).
Yoon, S. S., and Bae, D. H. (2013). "Optimal rainfall estimation by considering elevation in the Han River Basin, South Korea." Journal of Applied Meteorology and Climatology, Vol. 52, No. 4, pp. 802-818.

상세보기

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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