[보고서]초단기, 단・중기 예보능력 향상연구

초단기, 단・중기 예보능력 향상연구
Improvement of prediction skills in very short, short and mid-term for severe weather 원문보기

보고서 정보
주관연구기관	국립기상연구소 National Institute of Meteorological Research
보고서유형	최종보고서
발행국가	대한민국
언어	한국어
발행년월	2013-12
과제시작연도	2013
주관부처	기상청 Korea Meteorological Administration(KMA)
등록번호	TRKO201400001985
과제고유번호	1365001782
사업명	예보기술 지원 및 활용 연구
DB 구축일자	2014-04-19
DOI	https://doi.org/10.23000/TRKO201400001985

초록 ▼

Ⅳ. 연구 내용 및 결과
위험기상(집중호우, 낙뢰 등)에 대한 초단기, 단·중기 예보능력 향상을 위하여, 초단기 위험기상 예측·대응 기술개발 연구, 단·중기 수치모델 개선 및 실용화 예보기법 연구, 관측기반의 중규모 기상현상 예측성 향상연구가 수행되었다.
초단기 동네예보의 호우특보 가이던스 개발을 위해 한반도 전체지점 AWS 자료를 지지벡터회귀 모델 및 최적화 기법을 사용하여 호우특보 예측 분류기를 구축하고, 구축된 예측기를 사용한 실시간 호우특보 가이던스를 개발하여 향후 1～6시간 예측 시스템을 구축하였다. 전국지점에 대한 호우를 초단기로 예측하고 실시간으로 표출하여 호우에 대한 예보 기술 지원 기반을 마련하고자 하였다.
보다 정확한 해상예보를 위해 KLAPS 재분석자료를 이용하여 해상풍(풍속) 군집분석을 통하여 관할 지방청별 해상예보구역 세분화를 수행하였다. 2005년부터 2011년까지 과거 7년에 대한 지상바람성분을 이용하여 연속 웨이블릿 변환(continuous wavelet transform)을 분석하고, 다른 격자점과의 비유사성(dissimilarity)을 계산한 뒤 군집분석에 적용하였다. 이를 통해 세분화된 영역은 해상특보구역의 최적화 기술개발을 위한 근거자료로 활용될 수 있을 것으로 보인다.
MOGREPS를 이용한 기상청 주간예보의 기온과 강수유무 예측 성능을 향상시키고자 새로운 주간 동네예보 가이던스를 개발하고, 그 성능을 평가하였다. 그 결과 기온 예측은 앙상블 평균(AVG) 대비 바이어스 제거 예측의 오차 개선율이 11% 향상되었다. 강수유무 예측은 앙상블 평균(AVG) 대비 앙상블 기반의 로지스틱 회귀분석(LOGI)을 이용한 예측 결과의 정확도(ACC) 향상률이 약 20.7%로 크게 나타났다. 그리고 강수확률 예측은 앙상블 기반의 로지스틱 회귀분석(LOGI)을 이용한 예측 결과가 예측 초반에 Brier Skill Score가 0.4 이상으로 매우 높게 나타나 단기 예보에 매우 유용함을 알 수 있었다. 또한, MOGREPS와 GTS 관측 자료를 사용하여 기온, 강수유무, 강수유형 등의 예측 가이던스를 개발하기 위해 SVR(Support Vector Regression)방법을 적용하여 전지구-지역에 대한 단기 및 중기 예보 가이던스를 개발하고 그 예측성에 대한 평가를 수행하였다.
관측자료 기반으로 고해상도 정량적 강수량자료를 생산할 수 있는 합성강수량 산출기법 개발하여 실황 강수 생산 및 과거 재분석자료 생산을 지원하고 있으며 올해에도 2012년 강수량 재분석자료를 생산하여 과거 8년간의 자료를 확보하였고 계속해서 기간을 확대할 예정이다. 특히, 이렇게 생산된 재분석 자료를 활용하여 강수유형 격자점 자료 및 겨울철 수상당량비 분포를 계산하였고 이는 예보관에게 참고자료로 제공되는 등 겨울철 적설량 예측성 향상을 위해 유용하게 활용될 수 있을것이다.
또한, 2013년에는 초단기 기상분석 및 예측 시스템을 기반으로 하여 2012년 재분석 자료를 생산하였다. 이 재분석 자료는 한반도 영역에 대하여 5km 수평해상도이며 1시간 간격 자료이다. 재분석에 사용된 자료는 AWS, 레이더, 위성, 낙뢰, 수직측풍기 등이 사용되었다. 2012년에는 국립기상연구소 예보연구과에서 관측한 인천, 창원, 보성 지역의 특별관측 및 기상1호의 라디오존데 자료를 추가하였다. 재분석 배경장에 사용된 자료는 ECMWF 자료이며 해상도는 0.25°×0.25°이다. 예측 모델은 WRF V3.4를 기반으로 하였으며 분석완화법을 6시간 간격으로 적용하였다. 예측은 6시간 간격으로 12시간 예측을 수행하였다.
관측기반 위험기상현상 예측성 향상연구를 위해 2번의 집중관측이 수행되었다. 우선 겨울철 위험기상 특별관측은 60여일에 걸쳐 수행되었으며, 이 관측을 통하여 겨울철 대설 과정을 이해하고자 하였다. 여름철 공동 집중관측은 공식적으로 15일, 추가로 4일간 더 수행하였으며, 장마전선의 특성과 이와 관련된 중규모 강수현상을 규명하고자 하였다. 두 번의 관측 모두 라디오존데를 이용하여 고층관측과 지상의 상시 관측장비를 통한 지상관측이 동시에 이루어졌으며, 특히 여름철 관측은 재해 기상센터의 모바일 관측차량 2대가 활용되었다. 본 관측자료를 활용하여 수행된 관측시스템 실험연구에서는 2월 1일, 2월 3일(여름철)과 7월 5일(겨울철) 사례가 선정 되었으며, WRF 모델과 WRF 3DVAR 시스템이 사용되었다. 2월 1일 강수사례에 대해 인천, 대관령 자료가 추가되면서 관측지점 뿐만 아니라 남부지방의 습도가 증가되었으며, 남서풍 유입을 강하게 모의하였다. 또한 남쪽해상의 상승류 변화는 강수예측에 영향을 주었으며, 강수예측성 검증 결과, 특별관측자료의 긍정적인 효과를 확인할 수 있었다.
국가위험기상집중관측센터에서 운영 중인 연직강우레이더, 연구용 구름레이더, 라디오미터에 대한 첨단관측장비에 대한 선도연구가 이루어졌다. 연직강우레이더 관측 자료를 이용하여 2012년 4월 21일 보성지점의 강우사례에 대해 밝은띠 탐지알고리즘을 적용해 보았으며, 2012년 9월부터 2013년 8월까지의 1년 기간에 대해 현업수치모델(KWRF)의 후처리 과정(RIP4)을 통해 산출한 반사도 자료와 강우강도별, 계절별 비교 연구를 수행하였다.
그리고 구름레이더와 천리안위성자료로부터 산출된 운정고도를 비교 분석하였다. 강수 유무에 따라 강수구간과 비강수구간을 정의하여 비교한 결과, 비강수구간의 경우, 구름레이더와 천리안위성의 운정고도가 비교적 유사하게 나타났다. 이때, 구름레이더는 관측범위(300~15000 m) 내에서 발생한 구름의 운정고도를 효과적으로 탐지하는 것을 볼 수 있었다. 천리안위성의 경우, 상층에 얇은 구름이 발생하였을 때는 지면온도의 영향을받아 실제보다 낮은 운정고도를 나타내는 것을 볼 수 있었다. 현업라디오미터 자료의 객관성 확보를 위해 오토존데 자료 및 ECMWF자료와의 비교를 수행하였고, 위험기상시활용 가이던스를 개발하고자 여름철 낙뢰 및 겨울철 강수형태에 대한 예측 문턱값 및 검증을 수행하였다. 비강수시 온도 및 수증기밀도에 대한 안정성이 확보되었으나 관측특성상 강수시 관측오차가 커지는 경향이 있다. 또한 라디오미터 산출 KI지수를 활용하여 낙뢰발생에 대한 예측가능성을 보였다.
기상1호를 이용한 위험기상관측 자료를 활용하여 현업 지역예보모델인 KWRF와 UM 모델을 이용하여 관측자료에 대한 민감도 실험을 수행하는 현업화 연구를 수행하였다. 2012년 6월 28일 강수사례 기간 동안 기상1호는 서해 중부지역에서 6시간 간격으로 관측을 수행하였다. 이 지점에서 관측한 자료를 살펴보면 하층 (800hPa 이하)에서 기온은 시간이 지남에 따라 상승하는 경향을 보였다. 예측 강수의 경우 CTL이 EXP보다 60 mm/12hr 강수분포가 관측강수분포와 좀 더 유사한 특징을 보였다. 또한 초기 12시간 누적강수에 대한 ETS를 보면 임계값이 1.0 mm/12hr인 경우 CTL (0.273)이 EXP (0.266)보다 0.7% 높게 나타났다. 특별히 2013년에는 몽골기상청과 함께 ‛한‧몽골 관측 공동연구’를 수행하였다. 우리 나라의 풍상측인 몽골 처이발상 지역에서 고층관측을 수행하고 관측자료에 대한 영향실험을 각국에서 수행하였다. 처이발상 관측소의 관측 현황은 1일 2회 관측을 기본으로 하고, 2013년 11월 20일까지 총 비양 횟수는 139회로 100hPa 이상 도달한 횟수는 112회이다. 몽골 기상연구소의 영향실험 결과에서는 처이발상 지역의 관측 자료를 추가할 경우 그 지역 부근에서 절대평균에러가 감소하는 모습을 보였으며, 예보연구과에서 수행한 UM 지역모델의 영향실험 결과는 처이발상 관측자료가 우리나라 지역의 예측에 큰 영향을 주지는 않는 것으로 분석되었다. 기상청 현업 앙상블 모델인 MORGREPS 자료를 이용한 앙상블 민감도 분석을 매달 1일에 전월에 대한 월별 합성장을 계산하도록 하고 이를 웹페이지 실시간 표출되도록 하였다. 1년간(‘12.3~’13.2) 자료에서 산출된 민감지역을 계절별, 월별로 합성하여 민감지역의 위치와 시기별 이동에 관한 특징을 분석하였다.
또한 6개의 앙상블예측 현업기관들의 TIGGE 자료를 이용하여 2012년 4월부터 7월까지 한국 지역의 예측 정확도를 검증하고, 그 해 여름 장마 시작일과 봄 가뭄 종료일의 기관별 예측성을 평가하기 위해, 앙상블 평균 강수량과 강수확률, 그리고 예측 강수량으로 계산된 EDI 예측 값을 이용하여 정량적으로 진단하였다. 1012년 12월 28일 한반도에서 발생한 남부지역 대설사례에 대해 국내외 5개 예측기관 (CMA, ECMWF, NCEP, KMA, UKMO) EPS의 적설 예측성을 비교하고, 예측된 적설량차이의 원인도 분석하였다.

Abstract ▼

In order to improve the predictability of unified model operated by Korea Meteorological Administration(hereinafter referred to as "KMA") continuously, it is necessary to make a research on the various physical process in the model. As the society becomes more and more complicated and developing, the need to specialize the predicting system for Seoul metropolitan and big city areas where the damages due to severe weather are concentrated is on the rise. In addition, as the national prestige of our country goes up, the large-scale international events such as the EXPO, the Olympics, the Asian Games, etc. are attracted. For the fluent hosting of international events like these, the role of weather is important. Accordingly, we need to establish and support the customized meteorological predicting system depending on hosting regions. In relation to this, we intend to implement the improvement of predictability of a numerical model through inter- connectivity between observation and prediction through the continuous, intensive and targeted observations on severe weather.
In order to improve the accuracy in predicting the very short-range digital forecast, we have improved the current weather analysis technique in KLAPS and the algorithm of composite precipitation on the Korean peninsula.
We carried out special project "Korea-Mongolia Research for Observation System Experiment" with National Agency for Meteorology and Environmental Monitoring(NAMEM) and investigated impact of an intensive upper air observation at Choibalsan upper air station in eastern Mongolia.
With stably operating the Micro Rain Radar(MRR) and PARSIVEL disdrometer in the National Center for Intensive Observation of Severe Weather (NCIO, Boseong Center) under operation all the times, we could secure the high quality observation data. Also, in order to improve the observation capabilities of the Boseong Center continuously, we newly introduced the cloud radar in 2013 and are operating it now.
We investigated the predictability of summer rainfall (30 June, 2012) and winter snowfall case (29 December, 2012) over South Korea using ensemble mean, probability and 10 lag ensemble forecasts of TIGGE (THORPEX Interactive Grand Global Ensemble) data. It was verfied that high impact weather events could be predicted before occurrence and considered early warning signals.

목차 Contents

표지 ... 1
연구보고서 ... 2
목차 ... 4
표 목차 ... 9
그림 목차 ... 11
국문 요약문 ... 24
Summary ... 35
제 1 장 서론 ... 38
제 2 장 초단기 위험기상 예측대응 기술 개발 ... 41
제 1 절 통합 초단기 기상분석 및 예측시스템 개선 ... 41
1. 초단기 동네예보 실황분석 기법 개선 ... 41
(1) 개요 ... 41
(2) 자료와 방법 ... 42
(3) 검증방법 ... 47
(4) 검증 결과 및 표출 시스템 ... 48
(5) 요약 및 결론 ... 50
2. KLAPS 재분석자료를 이용한 해상특보구역 최적화 기술개발 지원 ... 52
(1) 개요 ... 52
(2) 자료와 분석 방법 ... 52
(3) 분석결과 ... 58
(4) 요약 및 결론 ... 61
3. 초단기 예보향상을 위한 대기-파랑 접합모델개발(Ⅱ) ... 62
(1) 개요 ... 62
(2) 대기-파랑 접합모델 ... 64
(3) 사례실험 ... 67
(4) 결과 ... 69
(5) 요약 및 결론 ... 81
4. 평창 동계올림픽 특화기상지원 기반기술 개발 ... 83
(1) 개요 ... 83
(2) 자료와 분석 방법 ... 83
(3) 분석결과 ... 84
(4) 요약 및 결론 ... 85
제 2 절 단중기 수치모델 개선 및 실용화 예보기술 개발 ... 86
1. 단․중기 예보의 예측성 향상을 위한 가이던스 개발 및 개선 ... 86
(1) 개요 ... 86
(2) 연구방법 ... 87
(3) 검증 결과 ... 90
(4) 요약 및 결론 ... 96
2. 단중기 전지구 예보가이던스 개발 및 개선 ... 98
(1) 개요 ... 98
(2) 자료와 훈련방법 ... 99
(3) 훈련 설계 및 검증 방법 ... 101
(4) 검증 결과 ... 103
(5) 요약 및 결론 ... 106
3. 수문분야 활용을 위한 한반도 합성강수량 산출기법 개선 및 활용연구 ... 107
(1) 개요 ... 107
(2) 한반도 합성강수량 산출기법 개선 ... 108
(3) 2005년, 2012년 강수량 격자점 재분석자료 생산 ... 110
(4) 겨울철 남한지역의 강설강수비 격자점자료 생산 ... 112
(5) 격자점 재분석자료를 이용한 남한의 강수지역 구분 ... 115
(6) 요약 및 결론 ... 120
4. 고해상도 KLAPS 재분석자료 생산 ... 123
(1) 개요 ... 123
(2) 자료와 분석 방법 ... 124
(3) 분석결과 ... 126
(4) 요약 및 결론 ... 128
제3장 관측기반의 중규모 기상현상 예측성 향상 연구 ... 130
제 1 절 위험기상 감시 및 분석을 위한 집중관측 수행 ... 130
1. 2013년 특별관측 수행 ... 130
(1) 개요 ... 130
(2) 겨울철 위험기상 특별관측 ... 131
(3) 여름철 위험기상 공동 집중관측 ... 135
(4) 요약 및 결론 ... 135
제 2 절 첨단관측장비를 이용한 집중관측과 예측성 향상연구 ... 142
1. 연직강우레이더 관측 자료를 이용한 관측장비 선도연구 ... 142
(1) 개요 ... 142
(2) 밝은띠 탐지 알고리즘 ... 143
(3) 수치모델과의 검증 ... 145
(4) 요약 및 결론 ... 150
2. 연구용 구름레이더 도입 및 관측장비 활용 선도연구 ... 152
(1) 개요 및 도입 ... 152
(2) 사례연구 ... 153
(3) 천리안 위성과의 운정고도 비교 ... 155
3. 라디오미터 관측자료를 이용한 현업활용 가능성 연구 ... 166
(1) 개요 ... 166
(2) 현업라디오미터 관측자료 비교 및 특성 분석 ... 167
(3) 현업 라디오미터 활용한 위험기상 가이던스 개발 ... 175
(4) 요약 및 결론 ... 182
제 3 절 수치예측능력 향상을 위한 목표관측 및 영향평가 ... 183
1. 위험기상 특별관측 자료 영향 평가 ... 183
(1) 개요 ... 183
(2) 연구방법 ... 185
(3) 결과 ... 190
(4) 요약 및 결론 ... 200
2. 해양 기인성 위험기상현상 목표관측 현업화 연구(Ⅱ) ... 202
(1) 서론 ... 202
(2) 자료와 분석 방법 ... 202
(3) 결과 ... 205
(4) 요약 및 결론 ... 216
3. 한몽골 관측 공동연구 ... 219
(1) 개요 ... 219
(2) 관측 개황 ... 219
(3) 고층관측 수행 ... 222
(4) 수치모델 민감도 실험 ... 224
(5) 요약 및 결론 ... 231
4. 앙상블기반 실시간 민감도 산출시스템 구축 ... 232
(1) 개요 ... 232
(2) 앙상블 민감도 실시간 산출시스템 구축 ... 233
(3) 계절별‧월별 예측민감지역 분석 ... 235
(4) 요약 및 결론 ... 240
제 4 절 TIGGE 자료를 활용한 위험기상 예측성 연구 ... 242
1. 2012년 여름 장마 시작과 봄 가뭄 종료 예측성 연구 ... 242
(1) 개요 ... 242
(2) 자료 및 분석방법 ... 244
(3) 동아시아 가뭄 발생의 기후적 특성 ... 247
(4) 앙상블 평균 예보의 정확도 비교 ... 250
(5) 2012년 여름장마 시작일의 강수 예측성 평가 ... 255
(6) 2012년 봄 가뭄 종료 예측성 평가 ... 262
(7) 요약 및 결론 ... 264
2. 2012년 겨울 강설사례(12.28.)의 예측성 연구 ... 268
(1) 개요 ... 268
(2) 자료 및 분석방법 ... 270
(3) 2012년 12월 한반도 적설현황과 사례 선정 ... 270
(4) 기관별 앙상블 평균 예측장 분포 ... 271
(5) 12월 28일 기관별 적설 예측량 차이의 원인 분석 ... 277
(6) 요약 및 결론 ... 280
제 4 장 요약 및 결론 ... 282
참 고 문 헌 ... 285
부록 2013년도 학술용역 과제 ... 300
1. 실황자료를 활용한 위험기상예측 기반기술개발(I) ... 301
2. 국지위험기상 최적관측기반기술연구(II) ... 493
3. 예보기술 실용화를 위한 전후처리 기술개발(I) ... 591
4. 한‧몽골 관측 공동연구 ... 630
끝페이지 ... 643

표/그림 (166)

표 Fig. 2.1.1.1. An example of AWS data
표 Fig. 2.1.1.2. The location of AWS stations in the south Korea
표 Fig. 2.1.1.3. An example of file type of AWS in SVR
표 Fig. 2.1.1.4. SVM on classification problem.
표 Fig. 2.1.1.5. An example of SVR model (a) linear regression (b) nonlinear regression
표 Fig. 2.1.1.6. An example of display of heavy-rain guidance alarm.
표 Fig. 2.1.1.7. An example of display of heavy-rain guidance screen with radar simulation option
표 Fig. 2.1.2.1. Domain for cluster analysis.
표 Fig. 2.1.2.2. Regional division of D1 through the cluster analysis of hourly mean wind speed. Methods of cluster analysis are ward(upper) and complete(lower).
표 Fig. 2.1.2.3. Same image as Fig. 2.1.2.2 except for D2.
표 Fig. 2.1.2.5. Same image as Fig. 2.1.2.2 except for D4.
표 Fig. 2.1.2.4. Same image as Fig. 2.1.2.2 except for D3.
표 Fig. 2.1.2.6. Same image as Fig. 2.1.2.2 except for D5.
표 Fig. 2.1.3.1. Schematic diagram of Coupled WRF-WW3 model (CWW) using Multi-Component-Single-Executable (MCSE) method
표 Fig. 2.1.3.2. Simulation domain used for CWW (coupled WRF-WW3 model). The horizontal resolutions of WRF and WW3 are 18 km and 0.25° degrees, respectively
표 Fig. 2.1.3.4. Coupled simulation of Charnock parameter at (a) 1800 UTC 14 and (b) 0000 UTC 15 July 2004.
표 Fig. 2.1.3.3. Surface analysis chart at 1200 UTC 14 July 2004. A, B, and C indicate the region of Changma front, North-Pacific High, and Tyhoon (TS 0409 KOMPASU), respectively.
표 Fig. 2.1.3.5. Sensible heat flux (Wm-2) of coupled simulation (CWW) at (a) 1800 UTC 14 and (b) 0000 UTC 15 July 2004. Negative heat flux is represented by dotted contour line.
표 Fig. 2.1.3.6. Latent heat flux (Wm-2) and 10 m wind vector of coupled simulation (CWW) at (a) 1800 UTC 14 and (b) 0000 UTC 15 July 2004
표 Fig. 2.1.3.7. The stream line of surface wind difference between CWW and N032 at (a) 1800 UTC 14 and (b) 0000 UTC 15 July 2004.
표 Fig. 2.1.3.8. Same as in Fig. 2.1.3.7 except for N018.
표 Fig. 2.1.3.10. Same as in Fig. 2.1.3.9 except N018.
표 Fig. 2.1.3.9. The difference of latent heat flux (Wm-2) between CWW and N032 at (a) 1800 UTC 14 and (b) 0000 UTC 15 July 2004
표 Fig. 2.1.3.11. Comparisons of roughness length (m) of (a) CWW and N032 and (b) CWW and N018 at 1800 UTC 14 July 2004
표 Fig. 2.1.3.12. Wind speed differences against roughness length for CWW - N032 and CWW - N018. CWW - N032 (a) at 1800 UTC 14 July and (b) 0000 UTC 15 July 2004. CWW - N018 (c) at 1800 UTC 14 July and (d) 0000 UTC 15 July 2004
표 Fig. 2.1.3.13. Same as in Fig. 2.1.3.12 except latent heat flux differences.
표 Fig. 2.1.4.1. The domain configuration(left) and terrain height(right) for weather support system to winter special olympic games
표 Fig. 2.1.4.2. The example of 3-dimensional display for Pyeong-chang weather support system
표 Fig. 2.2.1.1. Mid-term forecast stations of KMA.
표 Fig. 2.2.1.2. The flow diagram of ensemble training and forecast using logistic regression
표 Fig. 2.2.1.3. The comparison of RMSE at each forecast time for ensemble mean and bias removal method.
표 Fig. 2.2.1.4. The performance improvement rate of accuracy with ensemble mean and bias removal method
표 Fig. 2.2.1.5. Spatial distribution of RMSE with ensemble mean and bias removal method
표 Fig. 2.2.1.6. The Brier Score for probability 12 hours accumulated precipitation with a thresholds of 0.5mm.
표 Fig. 2.2.1.7. Same as in Fig. 2.2.1.6 except for BSS.
표 Fig. 2.2.1.8. The comparision of ACC at each forecast time for ensemble mean and LOGI.
표 Fig. 2.2.1.9. The performance improvement rate of accuracy with ensemble mean forecast and LOGI.
표 Fig. 2.2.1.10. Spatial distribution of ACC with ensemble forecast and bias removal forecast
표 Fig. 2.2.2.1. The concept for training data sets.
표 Fig. 2.2.2.2. The method of data matching between MOGREPS and OBS data.
표 Fig. 2.2.2.3. Flow diagram of SVR training and testing for forecasts by using
표 Fig. 2.2.2.4. Results of RMSE estimation on temperature forecasting.
표 Fig. 2.2.2.5. Results of RMSE estimation on relative humidity forecasting.
표 Fig. 2.2.2.6. Results of ACC estimation on rain detect forecasting.
표 Fig. 2.2.3.1. Monthly accumulated precipitation calculated using hourly accumulated precipitation data for the very short-range Digital Forecast System
표 Fig. 2.2.3.2. Comparison of monthly accumulated precipitation from Old(left) and New(right) methods at July 2012
표 Fig. 2.2.3.3. Hourly accumulated precipitation of KLAPS reanalysis from 01UTC to 04UTC 1 July 2005.
표 Fig. 2.2.3.4. Diagram for production of the SR(snow/rain ratio) grid data on the South Korean peninsula for the winter season.
표 Fig. 2.2.3.5. Distributions of total frequency according to SR ranges during winter season (NDJFM) from 2008 to 2012.
표 Fig. 2.2.3.6. Same as Fig. 2.2.3.5 except for hourly frequency.
표 Fig. 2.2.3.7. Regional division of Korea through the cluster analysis of monthly accumulated precipitation
표 Fig. 2.2.3.8. Monthly accumulated precipitation time series(upper) and wavelet power spectrum(lower) of 20 stations
표 Fig. 2.2.4.1. Schematic plot for the structure of KLAPS 2012 reanalysis.
표 Fig. 2.2.4.2. Mean sea level pressure of KLAPS reanalysis and surface weather chart of KMA and JMA at 18UTC 5 July 2012
표 Fig. 2.2.4.3. Mean sea level pressure of KLAPS reanalysis from 16UTC to 19UTC 5 July 2012.
표 Fig. 2.2.4.5. Geopotential height (500 hPa) of KLAPS reanalysis from 00UTC to 03UTC 6 July 2012
표 Fig. 2.2.4.4. Geopotential height (500 hPa) of KLAPS reanalysis, KMA and JMA at 06UTC July 2
표 Fig. 2.2.4.6. MTSAT-IR (left), cloud top height (center) and cloud cover (right) at 13UTC 16 May 2012
표 Fig. 3.1.1.1. The location of special observation of winter season in 2013
표 Fig. 3.1.1.2. The daily accumulated precipitation during the special observation.
표 Fig. 3.1.1.3. The pictures of observation at (a) Daegwallyeong and (b) Incheon
표 Fig. 3.1.1.4. The location of special observation of winter season in 2013.
표 Fig. 3.1.1.5. The daily accumulated precipitation during the special observation.
표 Fig. 3.1.1.6. The pictures of observation at (a) Boseong and (b) Seongsan.
표 Fig. 3.1.1.7. The image and component of mobile observing vehicles
표 Fig. 3.2.1.1. Schematic illustration of vertical profile of reflectivity and definition of BBTOP, BBPEAK, BBBOTTOM
표 Fig. 3.2.1.2. Time series (top) and Time-height section (bottom) of radar reflectivity during 21 Apr. 2012 from MRR. Black lines represent detected BBTOP, BBPEAK, BBBOTTOM
표 Fig. 3.2.1.3. Scatter plot of reflectivity between MRR and KWRF at Boseong
표 Fig. 3.2.1.4. Comparison between seasonal mean reflectivity (dBZ) vertical profiles from MRR (pink) and KWRF (blue) at Boseong (m is case number).
표 Fig. 3.2.1.5. Comparison between seasonal mean reflectivity (dBZ) vertical profiles from MRR (pink) and KWRF (blue) at Changwon (m is case number).
표 Fig. 3.2.2.1. (a) Location of Boseong NCIO site and (b) Ka-band cloud radar.
표 Fig. 3.2.2.2. (a) Time-series of precipitation at Boseong-gun AWS, and time-height cross section of (b) reflectivity, (c) radial velocity, and (d) LDR on 22 June 2013
표 Fig. 3.2.2.3. Scans of PPI at an elevation angle of 60° of (a) reflectivity, (b) radial velocity, and (c) LDR at 04:35 UTC and (d) scans of RHI at an azimuth angle of 293° of reflectivity at 04:30 UTC on 4 July 2013
표 Fig. 3.2.2.4. (a) Time-series of hourly precipitation (mm) at Boseong-gun AWS (site number: 47258) and (b) time-height cross section of reflectivity (dBZ) observed by CR for 25 (16UTC) ? 27 May 2013. The closed and opened circles denote cloud top height (CTH, km) of CR and COMS, respectively
표 Fig. 3.2.2.5. Scatter plot of cloud top height (km) observed by CR and COMS. Double asterisk denotes significant differences between groups of P<0.01.
표 Fig. 3.2.2.6. Histogram and box plot of difference of cloud top height (km) between CR and COMS during (a) all, (b) no rainfall, and (c) rainfall cases
표 Fig. 3.2.2.7. Time-series of difference of cloud top height (km) between CR and COMS (bars), and rainfall rate (mm/hr) observed by MRR
표 Fig. 3.2.2.8. Scatter plot of rainfall rate (mm/hr) observed by MRR verse difference of cloud top height (km) between CR and COMS
표 Fig. 3.2.2.9. Time-series of difference of cloud top height (km) between CR and COMS (bars), and cloud thickness (km) observed by CR
표 Fig. 3.2.2.10. Scatter plot of cloud thickness (km) verse difference of cloud top height (km) between CR and COMS
표 Fig. 3.2.2.11. Time-series of difference of cloud top height (km) between CR and COMS (bars), and maximum reflectivity (dBZ) observed by CR
표 Fig. 3.2.2.12. Scatter plot of maximum reflectivity (dBZ) verse difference of cloud top height (km) between CR and COMS
표 Fig. 3.2.3.1. The site map of Changwon NCIO. Each rectangle indicates the radiometers and Autosonde
표 Fig. 3.2.3.2. Scatter plots of Autosonde(y-axis) and radiometer(x-axis) during 2012-IOP (2012.7.1∼2012.12.31., 88 profiles). "COR" means the correlation coefficients between Autosonde and radiometers (RPG radiometer (upper panel) and Radiometrics radiometer (bottom panel) of temperature
표 Fig. 3.2.3.3. The same as Fig. 3.2.3.2, but for 2013-IOP
표 Fig. 3.2.3.4. (a) Time series of AWS data and (b) T, RH, Vd profiles of RPG(red line), Radiometrics(blue line), KLAPS analysis(green line), and Autosonde(black line) during 0600 UTC 22 October 2012 and 0000 UTC 1 February 2013
표 Fig. 3.2.3.5. (a) Bias, (b) RMSD, and (c) correlation coefficients between RPG radiometer and ECMWF data at 9 sites. Left panels are focused within the boundary layer(∼1km). Each color bar indicators 9-site (refer to the legend). Left, middle, and right group-bars means temperature(K), relative humidity(%), and vapor density(g/m3), respectively
표 Fig. 3.2.3.6. The scatter plots of T(upper), RH(middle), and Vd(bottom) at (a) Chulwon(095) and (b)Munsan(099). Left panel and right panel indicate the results within 10km and 1km, respectively
표 Fig. 3.2.3.7. (a) Seasonal and (b) hourly variation of RMSD and COR. for 3 years (2010∼2012). Each color dash-lines means 9-site
표 Fig. 3.2.3.8. The scatter plots of COR.(x-axis) and RMSD(y-axis) between RPG radiometer and ECMWF data during "NO-Rain(shaded shapes)" and "Rain-ON(opened shaped)" within (a) the maximum layer(∼10km) and (b) the boundary layer
표 Fig. 3.2.3.9. The days of lightning occurrences at radiometer sites(x-axis) during 3 years(2010-2013). The black bars means the days of lightning occurrences during summer season
표 Fig. 3.2.3.10. Frequency distributions of the instability indices(KI(upper), TT(bottom)) during (a) the lightning periods and (b) the clear periods at Wonju(114) site
표 Fig. 3.2.3.11. ROC curves for KI(black-shaded circles) and TTI(opened circles) at (a) Wonju and (b) Kunsan. Each colored(red and blue) circle indicates thresholds for the lightning forecasts as the optimised performances. Each star-shaped does the verification results for June-Sep., 2013
표 Fig. 3.2.3.12. (a) The critical value for precipitation-type and (b) the distribution of three thickness, surface temperature, and surface wet-bulb temperature for each precipitation type(black(snow), green(mixed), red(rain)).
표 Fig. 3.2.3.13. POD (Probability of Detection), FAR (False Alarm Ratio), and CSI (Critical Success Index) of snow(black bars), mixed precipitation(green bars) and rain (red bars) in 2012/13 winter
표 Fig. 3.3.1.1. The distributions of observation sites for (a) winter and (b) summer intensive observation programs
표 Fig. 3.3.1.2. The model description and domain.
표 Fig. 3.3.1.3. Schematic diagram of analysis and forecasting system with 3DVAR-WRF 6-hours assimilation cycle
표 Fig 3.3.1.4. The surface weather charts(left), MTSAT enhanced IR image(middle), and radar image(right) at 0600 UTC 1 February 2013(top). (b) is same as (a), except for 0000 UTC 4 February 2013(middle). (c) is same as (a), except for 1800 UTC 4 July 2013
표 Fig. 3.3.1.5. Analysis increment for 850 hPa specific humidity and temperature(top), u component(middle), and v component(bottom) of (a) CNTL, (b) In_EXP, (c) Da_EXP, (d) Ch_EXP, and (e) IDC_EXP at 1800 UTC 31 January 2013
표 Fig. 3.3.1.6. 850 hPa specific humidity(top), wind speed(middle), and w component(bottom) of (a) CNTL at 0600 UTC 1 February 2013(12h) and difference of CNTL from (b) In_EXP, (c) Da_EXP, (d) Ch_EXP, and (e) IDC_EXP of 850 hPa specific humidity(top), wind speed(middle), and w component(bottom) at 0000 UTC 1 February 2013
표 Fig. 3.3.1.7. 12 hours accumulated precipitation simulated (a) CNTL, (b) In_EXP, (c) Da_EXP, (d) Ch_EXP, (e) IDC_EXP, (f) AWS and difference of CNTL from (g) In_EXP, (h) Da_EXP, (i) Ch_EXP, and (j) IDC_EXP of 12 hours accumulated precipitation simulated at 0600 UTC 1 February 2013.
표 Fig. 3.3.1.8. Equitable Threat Score of CNTL, In_EXP, Da_EXP, Ch_EXP, and IDC_EXP for various thresholds per 12hr at 0600 UTC 1 February 2013
표 Fig. 3.3.1.9. Analysis increment for 850 hPa specific humidity and temperature(top), u component(middle), and v component(bottom) of (a) CNTL, (b) In_EXP, (c) Da_EXP, (d) Ch_EXP, and (e) IDC_EXP at 0000 UTC 4 February 2013.
표 Fig. 3.3.1.10. 12 hours accumulated precipitation simulated (a) CNTL, (b) In_EXP, (c) Da_EXP, (d) Ch_EXP, (e) IDC_EXP, (f) AWS and difference of CNTL from (g) In_EXP, (h) Da_EXP, (i) Ch_EXP, and (j) IDC_EXP of 12 hours accumulated precipitation simulated at 1200 UTC 3 February 2013
표 Fig. 3.3.1.11. Same as Fig. 3.3.1.8, except for 0000 UTC 4 February 2013.
표 Fig. 3.3.1.12. Analysis increment for 850 hPa specific humidity and temperature(top), u component(middle), and v component(bottom) of (a) CNTL, (b) MOB_EXP, (c) MOS_EXP, (d) CH_EXP, and (e) M2C_EXP at 0600 UTC 4 July 2013
표 Fig. 3.3.1.13. Vertical cross sections from 127.2 °E 33.5 °N to 127.2 °E 38.5 ° N :specific humidity(top) and convective available potential energy(bottom) of (a) CNTL at 1800 UTC 4 July 2013(12h) and difference of CNTL from (b) MOB_EXP, (c) MOS_EXP, (d) CH_EXP, and (e) M2C_EXP of specific humidity at 1800 UTC 4 July 2013(12h). Contour represents equitable potential temperature
표 Fig. 3.3.1.14. 12 hours accumulated precipitation simulated (a) CNTL, (b) MOB_EXP, (c) MOS_EXP, (d) CH_EXP, (e) M2C_EXP, (f) AWS and difference of CNTL from (g) MOB_EXP, (h) MOS_EXP, (i) CH_EXP, and (j) M2C_EXP of 12 hours accumulated precipitation simulated at 1800 UTC 4 July 2013.
표 Fig. 3.3.1.15. Equitable Threat Score of CNTL, MOB_EXP, MOS_EXP, CH_EXP, and M2C_EXP for various thresholds per 12hr at 1800 UTC 4 July 2013.
표 Fig. 3.3.1.16. 12 hours accumulated precipitation simulated (a) CNTL, (b) EXP at 1800 UTC 4 July 2013(initial time : 0000 UTC 4 July 2013). (c) CNTL and (d) EXP are same as (a) and (b) except for initial time
표 Fig. 3.3.1.17. Equitable Threat Score of CNTL and EXP for various thresholds 12hr from 0000 UTC 4 July 2013 to 1800 UTC 4 July 2013
표 Fig. 3.3.2.1. Schematic diagram of analysis and forecasting system for UM12km.
표 Fig. 3.3.2.2. Surface weather chart and upper-air weather charts of 500 hPa for (a, c) 0000 UTC and (b, d) 1200 UTC 29 June 2012
표 Fig. 3.3.2.3. Observed precipitation (mm) of (a) one day and (b, c) 12hr for 30 June 2012
표 Fig. 3.3.2.4. Location of GISANG1 (A: 1200 UTC 28∼0600 UTC 29, B: 1200 UTC 29 ∼ 0600 UTC 30 June 2012) and radiosonde sites
표 Fig. 3.3.2.5. Vertical profiles of (a) temperature (℃), (b) dew point temperature (℃), (c) wind speed (m/s) and (d) wind direction (degree) for GISANG1(A and B point of Fig. 2) from 1200 UTC 28 to 0600 UTC 30 June 2012.
표 Fig. 3.3.2.6. Analysis increments of (a, c) temperature (℃) and (b, d) U-wind (m/s) at 850 hPa for 1200 UTC 29 June 2012.
표 Fig. 3.3.2.7. Analysis increments of (a, c) temperature (℃) and (b, d) U-wind (m/s) at 850 hPa for 1200 UTC 29 June 2012
표 Fig. 3.3.2.8. Verification of 12hr accumulated precipitation (mm) from 1200 UTC 28 to 0600 UTC 30 June 2012.
표 Fig. 3.3.2.9. (a) Surface weather chart at 2100 KST 12 July, (b) 1-day accumulated precipitation (mm) for 13 July, (c) skew T - Log p diagram on Osan at 2100 KST 12 July and (d) COMS enhanced IR at 0900 KST 13 July 2013
표 Fig. 3.3.2.10. Location of GISANG1 from 1200 UTC 10 to 0000 UTC 17 July 2013
표 Fig. 3.3.2.11. Vertical profiles of (a) temperature (℃), (b) dew point temperature (℃), (c) wind speed (m/s) and (d) wind direction (degree) for GISANG1(A point of Fig. 2) from 1200 UTC 11 to 0000 UTC 15 July 2013.
표 Fig. 3.3.2.12. 12-hr accumulated precipitation (mm) of (a) CTL, (b) EXP, (c) difference (EXP-CTL) for simulation and (d) observation from 0000 ∼ 1200 KST 13 July initiated at 2100 KST 12 July 2013.
표 Fig. 3.3.2.13. Verification of 12hr accumulated precipitation (mm) from 1200 UTC 11 to 0000 UTC 15 July 2013.
표 Fig. 3.3.2.14. Same as Fig. 3.2.13 except for thresholds 0.5, 1.0, 5.0, 10.0, and 15 mm/12hr
표 Fig. 3.3.3.1. Location of upper air station in Mogolia.
표 Fig. 3.3.3.2. Radiosonde launching table.
표 Fig. 3.3.3.3. Pictures of launching radio-sonde.
표 Fig. 3.3.3.4. The diagram of launching radiosonde from September 12 to November 20 2013.
표 Fig. 3.3.3.5. The GTS data and skew-T, log P diagram for Choibalsan upper-air observation
표 Fig. 3.3.3.6. The model domain of Mongolian WRF.
표 Fig. 3.3.3.7. The difference of increment for (a) no-OA and OA+Choibalsan and (b) OA+Choibalsan and OA-Choibalsan at October 13 2013.
표 Fig. 3.3.3.8. The time series for (a) 2 m temperature and (b) 10 m wind speed during October 2013.
표 Fig. 3.3.3.9. The positions of upper-air observation and Choibalsan station
표 Fig. 3.3.3.10. The difference of forecast fields for 850 hPa temperature (left panels) and sea surface pressure
표 Fig. 3.3.3.11. The time series of sea surface pressure for (a) Baengnyeongdo and (b) Seoul from November 8 to 10 2013
표 Fig. 3.3.4.1. Sample monitoring page of (a) single-time ensemble sensitivity and (b) monthly composite.
표 Fig. 3.3.4.2. Seasonal composited fields of ensemble sensitivity during 2012.
표 Fig. 3.3.4.3. Monthly composited fields of ensemble sensitivity during MAM 2012.
표 Fig. 3.3.4.4. Monthly composited fields of ensemble sensitivity during JJA 2012.
표 Fig. 3.3.4.5. Monthly composited fields of ensemble sensitivity during SON 2012.
표 Fig. 3.3.4.6. Monthly composited fields of ensemble sensitivity during DJF 2012-2013
표 Fig. 3.4.1.1. Clustering process of monthly mean EDI from (a) 2-area division, (b) 3-area division, (c) 4-area division, (d) 5-area division, and (e) 6-area division
표 Fig. 3.4.1.2. Spatiotemporal distribution map of daily EDI of all subregions from 1962 to 2004
표 Fig. 3.4.1.3. Histograms and box plot of drought duration of (a) D1, (b) D2, (c) D3, (d) D4, (e) D5, and (f) D6.
표 Fig. 3.4.1.4. Scatter plot of drought onset date against drought duration of (a) D1, (b) D2, (c) D3, (d) D4, (e) D5, and (f) D6 from 1962 to 2004
표 Fig. 3.4.1.5. Average RMSE of the ensemble mean forecasts of geopotential-height at 500 hPa during April to July 2012.
표 Fig. 3.4.1.5. Average RMSE of the ensemble mean forecasts of geopotential-height at 500 hPa during April to July 2012
표 Fig. 3.4.1.6. Same as Fig. 3.4.3. but for temperature at 850 hPa.
표 Fig. 3.4.1.7. Same as Fig. 1 but for mean sea level pressure.
표 Fig. 3.4.1.8. Same as Fig. but specific humidity at 850 hPa.
표 Fig. 3.4.1.9. Brier Scores of precipitation probability prediction about four thresholds (1.0, 5.0, 10.0, and 20.0 mm per 24 hours) at five operational forecast centers during April to July 2012
표 Fig. 3.4.1.10. (a) Time series of daily precipitation averaged 12 stations of table 2 from 20 to 30 June 2012 and (b) 24 hours accumulated composite precipitation using 657 AWSs and 11 radars with 5 km resolution on 29 June 2012
표 Fig. 3.4.1.11. Spatial distribution of 24 hours accumulated ensemble mean precipitations at five operational forecast centers and multi-model ensembles from 10- to 1-day lead time on 29 June 2012. Predicted precipitation with more than 10 mm per 24 hours was shaded
표 Fig. 3.4.1.12. Spatial distribution of precipitation probability forecasts in excess of 10.0, 25.0, and 50.0 mm per 24 hours at five operational forecast centers and multi-model ensembles from 1-day lead time on 29 June 2012
표 Fig. 3.4.1.13. 10-day lag ensemble (a) mean 24 hours accumulated precipitation and probability in excess of (b) 1.0 mm, (c) 5.0 mm, (d) 20.0 mm per 24 hours over South Korea at five operational forecast centers and multi-model ensembles from 20 to 29 June 2012.
표 Fig. 3.4.1.14. Time series of daily precipitation, effective drought index, and available water resources index in Seoul from April to July 2012. Dark grey area of EDI indicated period of moderate drought occurrence with EDI below -0.7 and grey (dark grey) area of AWRI appeared period of moderate (severe) water deficit occurrences with AWRI below 150 (100) mm, respectively
표 Fig. 3.4.1.15. Time series of 9-day predicted EDI from 1- to 10-day lead time on 30 June and actual its values from 21 June to 8 July of Seoul at five operational forecast centers in 2012.
표 Fig. 3.4.2.1. The spatial distribution of 6 hr accumulated snow depth (unit: cm) at 91 stations over South Korea at (a) 0000 and (b) 0600 UTC on 28 December, 2012.
표 Fig. 3.4.2.2. Distribution of predicted 6 hr accumulated snow depth (unit: cm) over South Korea at five operational forecast centers from 5- to 1-day lead time at 0000 UTC on 28 December, 2012
표 Fig. 3.4.2.3. Spatial distribution of ensemble snow depth probability forecasts in excess of 1.0 cm / 6 hours at five operational forecast centers from 1 to 5-day lead time on 28 December, 2012.
표 Fig. 3.4.2.4. Reliability diagram of snow depth probability (in excess of 0.1 cm, 0.5 cm, 1.0 cm, 2.0 cm, 3.0 cm, 4.0 cm and 5.0 cm / 6 hours in sequence from the right to the left circles) over South Korea at five operational forecast centers at 1-day lead times on 28 December, 2012. Diagonal line indicates perfect reliability
표 Fig. 3.4.2.5. 10-day lag ensemble mean 6 hours accumulated snow depth (unit: cm) and probability in excess of 1.0 cm / 6 hours over South Korea at five operational forecast centers in initial time from 18 to 27 December, 2012
표 Fig. 3.4.2.6. Spatial distribution of ensemble mean (line) and differences (shaded) from multi-model ensemble predicted snow depth at five operational forecast centers of 1-day lead time on 28 December, 2012
표 Fig. 3.4.2.7. Vertical cross section of (a) ensemble mean and perturbed members from 1-day lead time, (b) control run and perturbed members of 0°C isotherm at five operational forecast centers on 28 December, 2012

과제명(ProjectTitle) :	-
연구책임자(Manager) :	-
과제기간(DetailSeriesProject) :	-
총연구비 (DetailSeriesProject) :	-
키워드(keyword) :	-
과제수행기간(LeadAgency) :	-
연구목표(Goal) :	-
연구내용(Abstract) :	-
기대효과(Effect) :	-

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 제목(한글), 저자명(한글), 발행일자, 전자원문, 초록(한글), 초록(영문) 관리번호, 제목(한글), 제목(영문), 저자명(한글), 저자명(영문), 주관연구기관(한글), 주관연구기관(영문), 발행일자, 총페이지수, 주관부처명, 과제시작일, 보고서번호, 과제종료일, 주제분류, 키워드(한글), 전자원문, 키워드(영문), 입수제어번호, 초록(한글), 초록(영문), 목차
저장형식	Text(ASCII format) Excel format
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

초단기, 단・중기 예보능력 향상연구
Improvement of prediction skills in very short, short and mid-term for severe weather 원문보기