KR101221793B1 - Method for tracking reflectivity cells associated with severe weather - Google Patents

Method for tracking reflectivity cells associated with severe weather Download PDF

Info

Publication number
KR101221793B1
KR101221793B1 KR1020110037911A KR20110037911A KR101221793B1 KR 101221793 B1 KR101221793 B1 KR 101221793B1 KR 1020110037911 A KR1020110037911 A KR 1020110037911A KR 20110037911 A KR20110037911 A KR 20110037911A KR 101221793 B1 KR101221793 B1 KR 101221793B1
Authority
KR
South Korea
Prior art keywords
reflectivity
cell
reflectance
calculated
tracking
Prior art date
Application number
KR1020110037911A
Other languages
Korean (ko)
Other versions
KR20120119749A (en
Inventor
이규원
정성화
Original Assignee
경북대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020110037911A priority Critical patent/KR101221793B1/en
Publication of KR20120119749A publication Critical patent/KR20120119749A/en
Application granted granted Critical
Publication of KR101221793B1 publication Critical patent/KR101221793B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Environmental Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Ecology (AREA)
  • Electromagnetism (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 퍼지 논리(fuzzy logic)를 이용하여 뇌우, 우박, 호우 등의 위험기상(severe weather)과 연관된 반사도 셀(reflectivity cells)을 자동적으로 식별하여 추적할 수 있는 위험기상과 관련된 반사도 셀의 추적 방법에 관한 것이다.The present invention utilizes fuzzy logic to track reflectivity cells associated with a risky weather that can automatically identify and track reflectivity cells associated with a severe weather such as thunderstorm, hail and heavy rain. It is about a method.

Description

위험기상과 관련된 반사도 셀의 추적 방법 {Method for tracking reflectivity cells associated with severe weather}Method for tracking reflectivity cells associated with severe weather}

본 발명은 위험기상의 추적 방법에 관한 것으로, 더욱 상세하게는, 퍼지 논리(fuzzy logic)를 이용하여 뇌우, 우박, 호우 등의 위험기상(severe weather)과 연관된 반사도 셀(reflectivity cells)을 자동적으로 식별하여 추적할 수 있는 위험기상과 관련된 반사도 셀의 추적 방법에 관한 것이다.
FIELD OF THE INVENTION The present invention relates to a tracking method of dangerous weather, and more particularly, using fuzzy logic to automatically detect reflectivity cells associated with dangerous weather such as thunderstorms, hail and heavy rain. The present invention relates to a method of tracking a reflectance cell associated with a dangerous weather that can be identified and tracked.

일반적으로 기상(氣像) 레이더는 전자기파를 발사하여 기상학적 목표물에 반사 또는 산란되어 오는 전파신호의 크기를 계산하는 장비로써, 넓은 영역(유효관측반경: 240km)을 매우 빠르게(10분 간격) 감시할 수 있기 때문에 넓은 영역의 강수량을 산출하는 가장 효율적인 원격탐사장비 중 하나이다.In general, meteorological radar is a device that calculates the magnitude of radio signals reflected or scattered by meteorological targets by emitting electromagnetic waves, and monitoring a large area (effective observation radius: 240 km) very quickly (every 10 minutes). It is one of the most efficient remote sensing devices that can produce large areas of rainfall because it can.

목표물에 산란되어 오는 신호(반사도)는 기상 레이더에서 발사되는 펄스 볼륨 내에 존재하는 물방울의 크기 분포와 관계가 있으며, 지상에 떨어지는 강수량도 물방울의 크기 분포의 함수이므로 레이더 반사도와 지상 강수량과의 일정 관계식(Z-R 관계식: Z=aRb)을 사용하면 레이더 반사도로부터 지상 강수량을 추정해 내고 있다.The signal scattered to the target (reflectivity) is related to the size distribution of water droplets within the pulse volume emitted by the weather radar, and since the amount of precipitation falling to the ground is a function of the size distribution of the water droplets, the relation between radar reflectivity and ground precipitation is Using (ZR relation: Z = aR b ), we estimate ground precipitation from radar reflectivity.

최근 지구온난화로 인해 세계 각지에서는 호우빈도와 태풍, 허리케인 강도가 증가해 많은 피해를 입고 있다. 여기서, 호우, 태풍, 낙뢰, 폭염 등 막대한 피해를 가져오는 극단적 기상 현상을 위험기상(severe weather)이라 한다. 2007년 기후변화에 관한 정부간 협의체(IPCC)는 앞으로도 지구온난화가 진행될 것으로 예상했으며, 이에 따라 위험기상 발생 빈도 역시 증가할 것으로 보고 있다.Recently, due to global warming, heavy rains, typhoons, and hurricanes are increasing in many parts of the world, causing much damage. Here, extreme weather phenomena such as heavy rains, typhoons, lightning strikes and heat waves are called severe weather. In 2007, the Intergovernmental Panel on Climate Change (IPCC) anticipated that global warming will continue, and the frequency of risk meteorological events will increase.

따라서 뇌우, 우박, 호우 등의 위험기상을 유발할 수 있는 반사도 셀을 정확하게 식별·탐지하고 추적할 수 있는 기술이 필요하다.
Therefore, there is a need for a technology capable of accurately identifying, detecting, and tracking reflex cells that may cause dangerous weather such as thunderstorms, hail, and heavy rain.

이와 같은 요구에 따라 본 발명은 3차원 반사도 데이터에서 위험기상을 유발할 수 있는 반사도 셀을 자동으로 탐지하고, 탐지된 반사도 셀의 속성을 퍼지논리를 이용해 분석하여 시간에 따라 자동으로 추적할 수 있는 위험기상과 관련된 반사도 셀의 추적 방법을 제공하는데 그 목적이 있다.
According to this demand, the present invention automatically detects reflectance cells that may cause dangerous weather in three-dimensional reflectivity data, and analyzes the properties of the detected reflectance cells using fuzzy logic to automatically track the risks over time. It is an object of the present invention to provide a tracking method for reflectance cells associated with weather.

상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 형태는, 3D CAPPI 자료에서 위험기상과 관련된 반사도 셀을 탐지하는 단계; 탐지된 반사도 셀의 속성 정보를 이용하여 퍼지논리의 퍼지변수를 산출하는 단계; 상기 퍼지논리의 퍼지변수를 이용해 소속함수 및 가중치를 산출하는 단계; 상기 소속함수 및 가중치를 이용해 총소속값을 산출하고, 산출한 총소속값을 이용해 반사도 셀을 추적하는 단계;를 포함하는 위험기상과 관련된 반사도 셀의 추적 방법을 포함한다.One embodiment of the present invention for achieving the above object, the step of detecting the reflectivity cells associated with the dangerous weather in the 3D CAPPI data; Calculating a fuzzy variable of fuzzy logic using the detected reflectivity cell attribute information; Calculating a membership function and weights using the fuzzy variables of the fuzzy logic; Comprising a calculation of the total belonging value using the membership function and the weight, and tracking the reflectivity cell using the calculated total belonging value; includes a method of tracking the reflectivity cell associated with the dangerous weather.

이때, 상기 반사도 셀을 탐지하는 단계는, 상기 3D CAPPI 자료에서 반사도 임계치를 초과하는 개별 격자점들을 엘리먼트(element)로 판별하고, x방향으로 엘리먼트의 연속성을 검사하여 인접한 엘리먼트를 세그먼트(segment)로 판별하고, y방향으로 엘리먼트의 연속성을 검사하여 인접한 세그먼트를 컴포넌트(component)로 판별하고, z방향으로 컴포넌트의 연속성을 검사하여 3차원 반사도 셀을 판별하는 단계인 것이며, 상기 반사도 셀을 탐지하는 단계는, 상기 판별된 3차원 반사도 셀의 부피가 부피 임계값보다 큰 경우, 해당 3차원 반사도 셀을 xy 평면으로 투영하여 2차원 반사도 셀을 생성하는 단계를 더 포함한다.The detecting of the reflectivity cell may include determining individual grid points exceeding a reflectivity threshold as an element in the 3D CAPPI data, and inspecting the continuity of the element in the x direction to convert adjacent elements into segments. And determining the adjacent segment as a component by inspecting the continuity of the element in the y direction, and determining the 3D reflectance cell by inspecting the continuity of the component in the z direction, and detecting the reflectance cell. The method may further include projecting the three-dimensional reflectivity cell onto the xy plane to generate the two-dimensional reflectivity cell when the determined volume of the three-dimensional reflectivity cell is larger than the volume threshold.

또한, 상기 퍼지논리의 퍼지변수는 이동속도(speed, SPD), 평균반사도 차이(Difference of Mean Reflectivity, DMR), 면적변화율(Area Change Ratio, ACR) 및 축변형율(Axis Transformation Ratio, ATR)을 포함하는 것이다. In addition, the fuzzy variable of the fuzzy logic includes a speed (SPD), a difference of mean reflectivity (DMR), an area change ratio (ACR), and an axis transformation ratio (ATR). It is.

상기 이동속도(SPD)는 하기 수학식에 의해 계산되는 것으로, The moving speed SPD is calculated by the following equation,

Figure 112011030252008-pat00001
Figure 112011030252008-pat00001

여기서,

Figure 112011030252008-pat00002
,
Figure 112011030252008-pat00003
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀의 중심위치의 x좌표를 나타내며,
Figure 112011030252008-pat00004
,
Figure 112011030252008-pat00005
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀의 중심위치의 y좌표를 나타내며, m, n는 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀의 식별번호(ID)를 나타낸다.here,
Figure 112011030252008-pat00002
,
Figure 112011030252008-pat00003
Denotes the x-coordinate of the center position of the reflectivity cell determined at the past time (t-Δt) and the current time (t), respectively.
Figure 112011030252008-pat00004
,
Figure 112011030252008-pat00005
Denotes the y-coordinate of the center position of the reflectivity cell determined at the past time (t-Δt) and the current time (t), respectively, and m and n are determined at the past time (t-Δt) and the current time (t). One reflectance represents the identification number (ID) of the cell.

또한, 상기 평균반사도 차이(DMR)는 하기 수학식에 의해 계산되는 것으로, In addition, the average reflectance difference (DMR) is calculated by the following equation,

Figure 112011030252008-pat00006
Figure 112011030252008-pat00006

여기서,

Figure 112011030252008-pat00007
,
Figure 112011030252008-pat00008
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀들의 평균 반사도를 나타내며 dBZ 단위이다.here,
Figure 112011030252008-pat00007
,
Figure 112011030252008-pat00008
Denotes the average reflectivity of the reflectivity cells determined in the past time t-Δt and the current time t, respectively, in dBZ units.

또한, 상기 면적변화율(ACR)은 하기 수학식에 의해 계산되는 것으로, In addition, the area change rate (ACR) is calculated by the following equation,

Figure 112011030252008-pat00009
Figure 112011030252008-pat00009

여기서,

Figure 112011030252008-pat00010
,
Figure 112011030252008-pat00011
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀의 면적으로 km-2 단위이다. avg는 평균을 의미한다.here,
Figure 112011030252008-pat00010
,
Figure 112011030252008-pat00011
Is the area of the reflectivity cell determined in the past time t-Δt and the current time t, respectively, in km -2 units. avg means mean.

또한, 상기 축변형율(ATR)은 하기 수학식에 의해 계산되는 것으로, In addition, the axial strain (ATR) is calculated by the following equation,

Figure 112011030252008-pat00012
Figure 112011030252008-pat00012

여기서,

Figure 112011030252008-pat00013
,
Figure 112011030252008-pat00014
,
Figure 112011030252008-pat00015
,
Figure 112011030252008-pat00016
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀 타원의 장축과 단축을 나타내는 km 단위이며, avg는 평균을 의미한다. here,
Figure 112011030252008-pat00013
,
Figure 112011030252008-pat00014
,
Figure 112011030252008-pat00015
,
Figure 112011030252008-pat00016
Is a unit of km representing the long axis and short axis of the reflectivity cell ellipse determined at the past time t-Δt and the current time t, respectively, and avg means an average.

또한, 상기 소속함수는 산출된 퍼지변수에 대한 매칭 반사도 셀과 비매칭 반사도 셀의 빈도 분포를 이용하며, 하기 수학식에 의해 계산되는 것으로, In addition, the membership function is calculated by the following equation using the frequency distribution of the matching reflectivity cell and the non-matching reflectivity cell for the calculated fuzzy variable,

Figure 112011030252008-pat00017
Figure 112011030252008-pat00017

여기서, MF는 소속함수, F는 퍼지변수에 대한 빈도를 나타낸다.Where MF is the membership function and F is the frequency for the fuzzy variable.

또한, 상기 가중치는 산출된 퍼지변수에 대한 매칭 반사도 셀과 비매칭 반사도 셀의 빈도 분포의 중첩 영역을 이용하며, 하기 수학식에 의해 계산되는 것으로, In addition, the weight is calculated by the following equation using an overlapping region of the frequency distribution of the matching reflectivity cell and the non-matching reflectivity cell for the calculated fuzzy variable,

Figure 112011030252008-pat00018
Figure 112011030252008-pat00018

여기서, W는 가중치를, A, B, C, D는 중첩 영역을 나타낸다.Here, W represents a weight, and A, B, C, and D represent overlapping regions.

또한, 상기 총소속값은 하기 수학식에 의해 계산되는 것으로,In addition, the total belonging value is calculated by the following equation,

Figure 112012064870989-pat00071
Figure 112012064870989-pat00071

여기서, MV는 소속값을 나타내며, W는 가중치를 나타낸다.Here, MV represents a belonging value and W represents a weight.

또한, 상기 반사도 셀의 추적은 상기 산출된 총소속값이 임계치보다 큰 경우, 서로 다른 두 시간대에서 판별된 반사도 셀을 동일한 반사도 셀로 판별하는 것에 의해 이루어지는 것이다.
In addition, the tracking of the reflectivity cell is performed by discriminating the reflectance cells determined in two different time zones as the same reflectance cell when the calculated total belonging value is larger than a threshold value.

본 발명에 따르면, 위험기상을 자동으로 추적할 수 있어, 위험기상 예보에 이를 활용할 경우 기상 예보자들의 업무 효율성을 증대시키고 초단기 예보의 정확도 향상에 기여할 수 있다. 특히, 항공기상이나 로켓발사의 업무에 이를 활용할 경우는 기상 지원 업무에서 발생할 수 있는 불확실성을 제거하여 막대한 예산 절감 효과를 기대할 수 있다. According to the present invention, the dangerous weather can be tracked automatically, and when it is used for dangerous weather forecasting, it is possible to increase the work efficiency of weather forecasters and to improve the accuracy of the short-term forecast. In particular, when used in the work of aircraft and rocket launch, it is possible to expect significant budget savings by removing the uncertainty that can occur in the weather support service.

따라서 본 발명은 기상청, 방재기관, 수문관련기관, 항공우주산업, 항공기상 산업에 필수적인 기초 기술로 시장성 및 산업화 가능성이 크다.
Therefore, the present invention has a great potential for marketability and industrialization as a basic technology essential for the Meteorological Administration, disaster prevention organization, hydrology related organization, aerospace industry, and aircraft industry.

도 1은 본 발명의 일 실시 형태에 따른 3차원 레이더 반사도 데이터로부터 자동으로 위험기상과 관련된 반사도 셀을 추적하는 방법을 설명하기 위한 순서도이다.
도 2는 도 1에 도시된 3D CAPPI 생성 과정을 설명하기 위한 순서도이다.
도 3은 도 1에 도시된 위험기상과 관련된 반사도 셀의 식별 과정을 설명하기 위한 순서도이다.
도 4는 도 1에 도시된 위험기상과 관련된 반사도 셀의 추적 과정을 설명하기 위한 순서도이다.
도 5는 위험기상과 관련된 반사도 셀의 추적에 이용되는 소속함수 및 가중치를 결정하는 과정을 설명하기 위한 순서도이다.
도 6 내지 도 10은 도 5에 도시된 소속함수 및 가중치를 결정하는 과정을 실제 적용한 예시도이다.
도 11 및 도 12는 도 1에 도시된 위험기상과 관련된 반사도 셀의 추적 방법을 실제 적용한 결과를 나타낸 예시도이다.1 is a flowchart illustrating a method of automatically tracking a reflectivity cell associated with a dangerous weather from three-dimensional radar reflectivity data according to an embodiment of the present invention.
FIG. 2 is a flowchart illustrating a 3D CAPPI generation process shown in FIG. 1.
FIG. 3 is a flowchart illustrating a process of identifying a reflectivity cell associated with the dangerous weather shown in FIG. 1.
4 is a flowchart illustrating a tracking process of the reflectivity cell associated with the dangerous weather shown in FIG. 1.
FIG. 5 is a flowchart illustrating a process of determining a membership function and weights used for tracking a reflectivity cell associated with a dangerous weather.
6 to 10 are exemplary diagrams in which the process of determining the membership function and the weight shown in FIG. 5 is actually applied.
11 and 12 are exemplary views showing the results of actually applying the method of tracking the reflectivity cell associated with the dangerous weather shown in FIG.

이하, 본 발명의 실시 예에 대해 첨부한 도면을 참고로 하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 또한, 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다. 그리고, 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 부호를 붙였다. 또한, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings, which will be readily apparent to those skilled in the art to which the present invention pertains. As those skilled in the art would realize, the described embodiments may be modified in various different ways, all without departing from the spirit or scope of the present invention. Further, in order to clearly illustrate the present invention in the drawings, portions not related to the description are omitted. In addition, the same code | symbol is attached | subjected about the similar part throughout the specification. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail.

도 1은 본 발명의 일 실시 형태에 따른 3차원 레이더 반사도 데이터로부터 자동으로 위험기상과 관련된 반사도 셀을 추적하는 방법을 설명하기 위한 순서도이다.1 is a flowchart illustrating a method of automatically tracking a reflectivity cell associated with a dangerous weather from three-dimensional radar reflectivity data according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 위험기상과 관련된 반사도 셀의 추적 방법은 세 부분으로 나뉘며, 3D CAPPI(Constant Altitude Plan Position Indicator) 생성 단계(S10), 위험기상과 관련된 반사도 셀의 식별 단계(S20) 및 위험기상과 관련된 반사도 셀의 추적 단계(S30)를 포함하여 이루어진다.As shown in FIG. 1, the method of tracking the reflectivity cell associated with the dangerous weather is divided into three parts, generating a 3D constant altitude plan position indicator (CAPPI) (S10), and identifying the reflectance cell associated with the dangerous weather (S20). And the reflection associated with the dangerous weather is also included in the tracking of the cell (S30).

여기서, 호우, 태풍, 낙뢰, 폭염 등 막대한 피해를 가져오는 극단적 기상 현상인 위험기상은 대류성 스톰(말하자면 큰 적란운) 내에서 발생한다. 따라서, 본 실시예에 있어서 위험기상과 관련된 반사도 셀을 대류성 스톰(convective storm)으로 지칭하여 설명하도록 한다.Here, dangerous weather, which is an extreme weather phenomenon that causes enormous damage such as heavy rains, typhoons, lightning strikes, and heat waves, occurs in a convective storm. Therefore, in this embodiment, the reflectivity cell associated with the dangerous weather will be described as a convective storm.

먼저, 3D CAPPI 생성 단계(S10)는 레이더 반사도 데이터의 좌표변환을 수행하는 단계로, 레이더 반사도 데이터를 직교좌표계의 3D 반사도 장으로 변환한다.First, the 3D CAPPI generation step S10 is a step of performing coordinate transformation of radar reflectivity data, and converts radar reflectivity data into a 3D reflectance field of a Cartesian coordinate system.

그런 다음, 위험기상과 관련된 반사도 셀의 식별 단계(S20)는 좌표변환된 3D CAPPI 자료에서 대류성 스톰을 검출하고 검출한 대류성 스톰의 속성을 정량화하여 제공한다.Then, the step S20 of identifying the reflectance cell associated with the dangerous weather detects the convective storm in the coordinate-converted 3D CAPPI data and provides the quantified property of the detected convective storm.

이어서, 위험기상과 관련된 반사도 셀의 추적 단계(S30)는 퍼지 논리를 이용해 검출한 대류성 스톰의 속성을 분석하여 대류성 스톰의 진로(track)를 추적한다.Subsequently, in the tracking step S30 of the reflectance cell related to the dangerous weather, the track of the convective storm is tracked by analyzing the properties of the detected convective storm using fuzzy logic.

각 단계별 구체적인 설명은 하기 도 2 내지 도 5를 참조하여 설명하도록 한다.
Detailed description of each step will be described with reference to FIGS. 2 to 5.

도 2는 도 1에 도시된 3D CAPPI 생성 과정을 설명하기 위한 순서도이다.FIG. 2 is a flowchart illustrating a 3D CAPPI generation process shown in FIG. 1.

도 2에 도시된 바와 같이, 레이더 반사도 데이터를 수집한다(S101).As shown in FIG. 2, radar reflectivity data is collected (S101).

그런 다음, 수집된 레이더 반사도 데이터를 극좌표계 상에 레이더 볼륨 데이터로 표시한다(S102).Then, the collected radar reflectivity data is displayed as radar volume data on the polar coordinate system (S102).

이어서, 레이더 볼륨 데이터에 대한 좌표변환을 수행한다(S103). 즉, 극좌표계 상에 표시된 레이더 볼륨 데이터를 직교좌표계의 3D 반사도 장으로 변환한다. 이러한 과정을 통해 3차원 CAPPI(격자) 자료가 생성된다.
Subsequently, coordinate transformation is performed on the radar volume data (S103). That is, the radar volume data displayed on the polar coordinate system is converted into the 3D reflection field of the rectangular coordinate system. This process produces three-dimensional CAPPI data.

도 3은 도 1에 도시된 위험기상과 관련된 반사도 셀의 식별 과정을 설명하기 위한 순서도이다.FIG. 3 is a flowchart illustrating a process of identifying a reflectivity cell associated with the dangerous weather shown in FIG. 1.

도 3에 도시된 바와 같이, 대류성 스톰 식별 과정은 크게 두 부분으로 나뉘며, 3D CAPPI 자료에서 대류성 스톰을 검출하는 단계(S21)와 검출된 대류성 스톰의 속성을 산출하는 단계(S22)로 이루어진다. As shown in FIG. 3, the convective storm identification process is largely divided into two parts: detecting convective storms in the 3D CAPPI data (S21) and calculating attributes of the detected convective storms (S22). Is done.

이러한 대류성 스톰 식별 과정은 3차원 레이더 반사도 자료에서 위험기상(뇌우, 우박, 호우 등)과 연관된 반사도 셀(대류성 스톰)을 판별하기 위해 임계치 방법(threshold method)에 기초하고 있으며, 본 실시예에서는 반사도 임계치와 부피 임계치를 사용하여 대류성 스톰을 판별한다.This convective storm identification process is based on a threshold method to determine reflectivity cells (convective storms) associated with dangerous weather (thunderstorms, hail, heavy rain, etc.) in three-dimensional radar reflectivity data. Uses the reflectivity and volume thresholds to determine convective storms.

먼저, 3D CAPPI 자료에서 대류성 스톰을 검출하는 단계(S21)는 격자점 성분(element)에서 점진적으로 1차원 성분(segment), 2차원 성분(component) 및 3차원 성분(storm3D)을 식별하는 과정(S211 내지 S214 단계)으로 이루어진다. 이때, 격자점 성분의 판별은 미리 설정된 반사도 임계치를 이용한다.First, the step of detecting convective storms in the 3D CAPPI data (S21) is a process of gradually identifying one-dimensional, two-dimensional and three-dimensional components (storm3D) at grid point elements. (Steps S211 to S214). At this time, the determination of the grid point component uses a preset reflectivity threshold.

구체적으로, 반사도 임계치를 초과하는 반사도를 가진 모든 격자점(element)을 3차원 레이더 반사도 자료에서 판별하고 개별 식별번호를 부여한다(element의 판별)(S211). Specifically, all grid points having reflectivity exceeding the reflectivity threshold are discriminated from the 3D radar reflectivity data and given with individual identification numbers (identification of elements) (S211).

그런 다음, 전체 격자점들의 x와 y좌표를 검색하여 y좌표가 동일하며 x좌표가 인접한 격자점들을 1차원 성분(segment)으로 판별하고 식별번호를 부여한다(S212).Then, x and y coordinates of all the grid points are searched to determine grid points having the same y coordinate and adjacent x coordinates as one-dimensional components and assigning identification numbers (S212).

이어서, 전체 1차원 성분(segment)들의 y좌표를 검색하여 y좌표가 인접한 1차원 성분(segment)들을 2차원 성분(component)으로 판별한다(S213). Subsequently, the y-coordinates of all one-dimensional components are searched to determine one-dimensional components adjacent to the y-coordinate as two-dimensional components (S213).

그런 다음, 전체 2차원 성분(component)들의 z 방향(연직 방향)으로 검색하여 z좌표가 인접한 2차원 성분(component)들을 3차원 성분(storm3D), 즉 3차원 반사도 셀로 판별한다(S214).
Thereafter, the two-dimensional components adjacent to the z-coordinate are searched in the z-direction (vertical direction) of all the two-dimensional components, and the three-dimensional components storm3D, that is, the three-dimensional reflectance cell, are determined (S214).

다음으로, 판별된 3차원 반사도 셀의 속성을 산출하는 단계(S22)는 판별된 3차원 반사도 셀의 필터링과, 2차원 반사도 셀로의 변환 및 2차원 및 3차원 반사도 셀로부터 각각의 속성 정보를 산출하는 과정(S221 내지 S225)으로 이루어진다. Next, calculating the attributes of the determined three-dimensional reflectivity cells (S22) includes filtering the determined three-dimensional reflectivity cells, converting them to two-dimensional reflectivity cells, and calculating respective attribute information from the two-dimensional and three-dimensional reflectance cells. It consists of a process (S221 to S225).

구체적으로, 3차원 반사도 셀은 미리 설정된 부피 임계치를 기준으로 필터링되며(S221), 부피 임계치보다 부피가 작은 3차원 성분(storm3D)은 최종 판별에서 제외되며(S222), 부피 임계치보다 부피가 큰 3차원 반사도 셀만 xy 평면으로 투영되어 2차원 반사도 셀(storm2D)로 탐지된다(S223). 즉, 판별된 3차원 성분(storm3D)은 2차원의 x, y평면으로 투영되어 2차원 반사도 셀로 변환되어 표시된다. 이때, 부피 임계치보다 부피가 큰 3차원 반사도 셀은 대류성 스톰으로 검출되며, 2차원 반사도 셀은 타원으로 표시된다. In detail, the 3D reflectivity cell is filtered based on a preset volume threshold (S221), and the 3D component (storm3D) having a volume smaller than the volume threshold is excluded from the final determination (S222), and the volume 3 is larger than the volume threshold. Only the dimensional reflectivity cell is projected onto the xy plane and detected as the 2D reflectance cell storm2D (S223). That is, the determined three-dimensional component storm3D is projected onto two-dimensional x and y planes, and the two-dimensional reflectance is converted into a cell and displayed. At this time, the three-dimensional reflectivity cell having a volume larger than the volume threshold is detected as a convective storm, and the two-dimensional reflectivity cell is represented by an ellipse.

그런 다음, 3차원과 2차원의 반사도 셀로부터 3차원 속성 정보(3차원 중심위치, 부피, 최대반사도, 평균반사도, 최대반사도의 고도 및 위치 등)와 2차원 속성 정보(면적, 중심위치, 대표타원의 장축과 단축의 길이, 장축의 기울기, 연직적분액체수함량, 연직적분액체수함량밀도, 상층연직적분액체수함량)를 산출하여 정량적인 수치정보를 제공한다(S224).Then, three-dimensional attribute information (three-dimensional center position, volume, maximum reflectance, average reflectance, altitude and position of the maximum reflectance, etc.) and two-dimensional attribute information (area, center position, representative) from three-dimensional and two-dimensional reflectivity cells The long axis and short axis length of the ellipse, the slope of the long axis, the vertical integral liquid content, the vertical integral liquid content density, and the upper vertical integral liquid content are calculated to provide quantitative numerical information (S224).

이어서, 검출한 대류성 스톰을 산출한 속성정보를 이용해 CMAX(Cloumn Maximum) 및 storm2D 영상으로 표시한다(S225). 여기서, CMAX 영상은 볼륨 관측 자료 각각의 Column에서 가장 강한 에코 부분만을 평면상에 표출한 것이다.
Next, the detected convective storm is displayed as CMAX (Cloumn Maximum) and storm2D images using the calculated attribute information (S225). Here, the CMAX image expresses only the strongest echo in the column of each volume observation data on the plane.

이와 같이 본 발명에 따른 대류성 스톰 식별 과정은 수문 및 기상레이더를 이용하여 대기현상(구름, 비, 눈)을 관측한 3차원 레이더 반사도 자료에서 위험기상(뇌우, 우박 , 호우 등)을 유발할 수 있는 반사도 셀을 자동으로 탐지하고 그 속성을 도출함으로써 관측된 기상 현상들에 대한 위험도를 객관적으로 결정할 수 있다.
As such, the convective storm identification process according to the present invention may cause dangerous weather (thunderstorm, hail, heavy rain, etc.) in three-dimensional radar reflectivity data of atmospheric phenomenon (cloud, rain, snow) using hydrologic and weather radar. By automatically detecting the presence of a reflectance cell and deriving its properties, you can objectively determine the risk for observed weather phenomena.

도 4는 도 1에 도시된 위험기상과 관련된 반사도 셀의 추적 과정을 설명하기 위한 순서도이다.4 is a flowchart illustrating a tracking process of the reflectivity cell associated with the dangerous weather shown in FIG. 1.

도 4에 도시된 바와 같이, 위험기상과 관련된 반사도 셀의 추적 과정은 크게 두 부분으로 나뉘며, 퍼지논리의 소속함수와 가중치를 결정하는 단계(S31)와, 위험기상과 관련된 반사도 셀의 추적 단계(S32)로 이루어진다. As shown in FIG. 4, the tracking process of the reflectivity cell associated with the dangerous weather is divided into two parts, determining a belonging function and a weight of the fuzzy logic (S31), and tracking the reflectivity cell associated with the dangerous weather ( S32).

이러한 위험기상과 관련된 반사도 셀의 추적 과정은 서로 다른 시간대의 레이더 반사도 자료에서 판별된 반사도 셀들을 시간에 따라 추적하기 위해 퍼지논리를 사용하며 상기 퍼지논리는 소속함수와 가중치로 구성된다.The tracking process of the reflectivity cell associated with the dangerous weather uses fuzzy logic to track the reflectance cells determined from the radar reflectivity data of different time zones over time, and the fuzzy logic is composed of a membership function and weights.

먼저, 퍼지논리의 소속함수와 가중치를 결정하는 단계(S31)는, 소속함수를 결정하는 과정과 가중치를 결정하는 과정으로 이루어진다.First, the determining of the membership function and the weight of the fuzzy logic (S31) consists of a process of determining the membership function and the weight.

구체적으로, 3차원 반사도 셀(Storm3D)의 속성 정보를 이용하여 퍼지논리의 퍼지변수를 계산한다(S311). 여기서, 퍼지논리의 퍼지변수는 이동속도(speed, SPD), 평균반사도 차이(Difference of Mean Reflectivity, DMR), 면적변화율(Area Change Ratio, ACR) 및 축변형율(Axis Transformation Ratio, ATR)을 포함한다. 이러한 퍼지변수의 계산은 탐지한 대류성 스톰의 속성(평균반사도, 중심위치, 최저고도, 최고고도 등)을 이용하여 계산된다. 4가지 퍼지변수는 각각 하기 수학식 1 내지 수학식 4와 같다.In detail, the fuzzy parameter of the fuzzy logic is calculated using the attribute information of the 3D reflectance cell Storm3D (S311). Here, the fuzzy parameters of the fuzzy logic include a moving speed (SPD), a difference of mean reflectivity (DMR), an area change ratio (ACR), and an axis transformation ratio (ATR). . The calculation of these fuzzy variables is calculated using the properties of the detected convective storms (mean reflectance, central location, minimum altitude, highest altitude, etc.). Four fuzzy variables are shown in Equations 1 to 4, respectively.

SPD는 연속된 두 시간대에서 판별한 3차원 반사도 셀(storm3D)들의 중심위치로 계산한 이동속도로 ㎳-1 단위이며 하기 수학식 1에 따라 계산된다.SPD is ㎳ -1 unit to calculate a center position of the three-dimensional reflection cell (storm3D) it is determined at two successive times the moving speed is calculated according to equation (1).

Figure 112011030252008-pat00020
Figure 112011030252008-pat00020

여기서,

Figure 112011030252008-pat00021
,
Figure 112011030252008-pat00022
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 storm3D의 중심위치의 x좌표를 나타내며,
Figure 112011030252008-pat00023
,
Figure 112011030252008-pat00024
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm3D)의 중심위치의 y좌표를 나타내며, m, n는 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm3D)의 식별번호(ID)를 나타낸다.here,
Figure 112011030252008-pat00021
,
Figure 112011030252008-pat00022
Represents the x-coordinate of the center position of storm3D determined at the past time (t- △ t) and the current time (t), respectively.
Figure 112011030252008-pat00023
,
Figure 112011030252008-pat00024
Denotes the y-coordinate of the center position of the reflectivity cell storm3D determined at the past time t-Δt and the current time t, respectively, where m and n are the past time t-Δt and the current time t Indicates the identification number ID of the reflectance cell storm3D.

그리고, DMR은 두 시간대에서 판별한 반사도 셀(storm3D)들 사이의 평균 반사도의 변화율로 현재 시간대에 판별한 반사도 셀(storm3D)의 평균 반사도에 대한 과거와 현재 판별한 대류세포들 사이의 반사도 차이로 정의되며 dB 단위이며 수학식 2에 따라 계산된다.The DMR is a change rate of the average reflectivity between the reflectance cells (storm3D) determined at two time zones and a difference in reflectance between the convective cells determined at the present time and the average reflectance of the reflectance cells (storm3D) determined at the current time zone. Defined in dB and calculated according to equation (2).

Figure 112011030252008-pat00025
Figure 112011030252008-pat00025

여기서,

Figure 112011030252008-pat00026
,
Figure 112011030252008-pat00027
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm2D)들의 평균 반사도를 나타내며 dBZ 단위이다.here,
Figure 112011030252008-pat00026
,
Figure 112011030252008-pat00027
Denotes the average reflectivity of the reflectivity cells storm2D determined at the past time t-Δt and the current time t, respectively, in dBZ units.

그리고, ACR은 현재 시간대에 판별한 반사도 셀(storm2D)의 면적에 대한 과거와 현재 판별한 반사도 셀(storm2D)들 사이의 면적차이의 비율로 정의되며 무차원의 값으로 수학식 3에 따라 계산된다.The ACR is defined as a ratio of the area difference between the past and present discriminated reflectivity cells storm2D to the area of the reflectivity cells storm2D determined at the present time and is calculated according to Equation 3 as a dimensionless value. .

Figure 112011030252008-pat00028
Figure 112011030252008-pat00028

여기서,

Figure 112011030252008-pat00029
,
Figure 112011030252008-pat00030
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm2D)(storm3D를 2차원으로 투영시킨 것)의 면적으로 km-2 단위이다. avg는 평균을 의미한다.here,
Figure 112011030252008-pat00029
,
Figure 112011030252008-pat00030
Denotes the area of the reflectivity cell storm2D (projected storm3D in two dimensions) determined at the past time t-Δt and the current time t, respectively, in km- 2 units. avg means mean.

그리고, ATR은 현재 시간에 판별한 반사도 셀(storm2D)를 대표하는 타원의 장축과 단축에 대한 과거와 현재 시간에 판별한 반사도 셀(storm2D)들의 장, 단축의 변화율로 정의되며 무차원으로 수학식 4에 따라 계산된다.In addition, ATR is defined as the rate of change of the long and short reflectivity cells (storm2D) determined in the past and the current time for the long axis and short axis of the ellipse representing the reflectivity cell (storm2D) determined at the present time, and the equation is dimensionless. Calculated according to 4.

Figure 112011030252008-pat00031
Figure 112011030252008-pat00031

여기서,

Figure 112011030252008-pat00032
,
Figure 112011030252008-pat00033
,
Figure 112011030252008-pat00034
,
Figure 112011030252008-pat00035
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm2D) 타원의 장축과 단축을 나타내는 km 단위이다. 장축과 단축의 변형비율은 각각 동일한 가중치(1/2)로 가중되어 합산된다. avg는 평균을 의미한다. here,
Figure 112011030252008-pat00032
,
Figure 112011030252008-pat00033
,
Figure 112011030252008-pat00034
,
Figure 112011030252008-pat00035
Denotes a long axis and a short axis of the reflectivity cell (storm2D) ellipse determined at the past time t-Δt and the current time t, respectively. The strain ratios of the long and short axes are each weighted with the same weight (1/2) and summed. avg means mean.

상술한 수학식 1 내지 4를 이용해 4가지 퍼지변수를 계산한 다음, 산출된 4가지 퍼지변수의 정규화된 빈도분포를 이용하여 소속함수 및 가중치를 결정한다.(S312).Four fuzzy variables are calculated using the above Equations 1 to 4, and then the membership function and weights are determined using the normalized frequency distribution of the four fuzzy variables calculated (S312).

이어서, 소속값에 가중치를 곱하여 총소속값을 계산한다(S313). 이를 퍼지 정규화라 한다. 퍼지 정규화는 소속함수와 그 가중치로 이루어진다. 4개의 퍼지변수 값은 소속함수를 이용해 소속값으로 변환된다. 그러면 총소속값은 하기 수학식 5와 같이 계산된다.Next, the total belonging value is calculated by multiplying the belonging value by the weight (S313). This is called fuzzy normalization. Fuzzy normalization consists of membership functions and their weights. Four fuzzy variable values are converted to membership values using the membership function. Then, the total belonging value is calculated as in Equation 5 below.

Figure 112012064870989-pat00074
Figure 112012064870989-pat00074

여기서, MV는 소속값을 나타내며, W는 가중치를 나타낸다.Here, MV represents a belonging value and W represents a weight.

그런 다음, 산출된 총소속값이 임계치를 넘을 때(MVtot>MVthresh) 서로 다른 두 시간대에서 판별된 위험기상을 같은 위험기상으로 판별한다(S32). Then, when the calculated total belonging value exceeds the threshold (MV tot > MV thresh ), the dangerous weather determined in two different time zones is determined as the same dangerous weather (S32).

이와 같이, 위험기상과 관련된 반사도 셀의 추적 과정은 4개의 퍼지변수를 이용한 퍼지 논리에 의해 구현된다. 각 퍼지변수는 두 개의 연속 시간에 판별된 두 개의 대류성 스톰 특성으로부터 산출된다. 그리고, 다른 시간대의 두 대류성 스톰은 퍼지 정규화에 의해 추적된다. 이때, 소속함수 및 그 가중치는 통계적 데이터로부터 객관적으로 미리 결정된다.
As such, the tracking of the reflectance cell associated with the dangerous weather is implemented by fuzzy logic using four fuzzy variables. Each fuzzy variable is derived from two convective storm characteristics determined at two consecutive times. And, two convective storms at different times are tracked by fuzzy normalization. At this time, the membership function and its weight are objectively determined in advance from the statistical data.

도 5는 위험기상과 관련된 반사도 셀의 추적에 이용되는 소속함수 및 가중치를 결정하는 과정을 설명하기 위한 순서도이다.FIG. 5 is a flowchart illustrating a process of determining a membership function and weights used for tracking a reflectivity cell associated with a dangerous weather.

도 5에 도시된 바와 같이, 서로 다른 시간대의 레이더 반사도 자료가 수집되며(S50), 수집된 레이더 반사도 자료로부터 3D CAPPI 생성(S51)하여 반사도 셀을 판별(S52)하고 판별된 반사도 셀을 중첩하여 표시한다(S53).As shown in FIG. 5, radar reflectivity data of different time zones are collected (S50), 3D CAPPI generation (S51) is generated from the collected radar reflectivity data (S51), and the reflectance cells are determined (S52). It is displayed (S53).

이와 같이 판별된 반사도 셀에 대해 사례를 선정(S54)하고, 통계처리를 통해 퍼지변수를 산출한다(S55). 이때, 선정된 사례는 매칭되는 스톰 목록과 매칭되지 않는 스톰 목록으로 구분된다.A case is selected for the reflectance cell determined as described above (S54), and a fuzzy variable is calculated through statistical processing (S55). In this case, the selected cases are classified into storm lists that do not match and storm lists that do not match.

그리고, 산출된 퍼지변수를 이용해 객관적으로 소속함수 및 가중치를 산출하여 결정한다(S56).
Then, by using the calculated fuzzy variable objectively calculate the membership function and weight to determine (S56).

이하, 도 6 내지 도 10은 도 5에 도시된 소속함수 및 가중치를 결정하는 과정을 실제 적용한 예시도이다.
6 to 10 are exemplary diagrams in which the process of determining the membership function and the weight shown in FIG. 5 is actually applied.

도 6은 소속함수 및 가중치를 결정하기 위한 대류성 스톰 사례를 선정하는 것을 나타낸 예시도이다.6 is an exemplary diagram illustrating selecting a convective storm case for determining belonging function and weight.

도 6에 도시된 바와 같이, 6개의 사례를 선정하고 이를 PNG(Portable Network Graphics), ASCⅡ를 이용해 각 대류성 스톰을 표시한다. As shown in FIG. 6, six cases are selected and each convective storm is represented using PNG (Portable Network Graphics) and ASCII.

그리고, 매칭되는 대류성 스톰 목록과 매칭되지 않는 대류성 스톰 목록으로 구분한다.
The convective storm list is matched with the convective storm list that is not matched.

도 7은 도 6에 도시된 매칭 및 비매칭 되는 대류성 스톰 쌍들의 정규화된 빈도 분포를 나타내는 그래프이다. 여기서, 검정선은 매칭 스톰 쌍을, 붉은선은 비매칭 스톰 쌍을 가리킨다.FIG. 7 is a graph showing the normalized frequency distribution of the matched and mismatched convective storm pairs shown in FIG. 6. Here, the black line indicates a matching storm pair and the red line indicates a mismatched storm pair.

도 7에 도시된 바와 같이, 매칭 스톰 쌍의 빈도는 낮은 값에 집중되어 있으나, 비매칭 스톰 쌍은 높은 값까지 넓게 분포되어 있다. 이는 두 스톰 쌍 사이의 특성이 판이하게 다름을 의미한다.As shown in FIG. 7, the frequency of matching storm pairs is concentrated at low values, but the non-matching storm pairs are widely distributed to high values. This means that the characteristics between the two storm pairs are quite different.

한편, 각 퍼지변수에 대한 두 빈도 분포는 중첩 영역이 존재한다. 이 중첩 영역의 크기는 각 퍼지변수마다 서로 다르게 나타나며, 두 개의 정규화된 빈도 분포의 중첩 영역이 작을수록 스톰 추적에 유용한다. 왜냐하면 넓은 중첩 영역은 두 개의 빈도 분포가 비슷한 패턴 및 특성을 가진다는 것을 의미하기 때문이다.On the other hand, two frequency distributions for each fuzzy variable have overlapping regions. The size of this overlap region is different for each fuzzy variable, and the smaller the overlap region of two normalized frequency distributions, the more useful the storm tracking. This is because a large overlap region means that two frequency distributions have similar patterns and characteristics.

도 7을 참조하면, SPD의 중첩 영역이 가장 작으므로, 다른 퍼지변수보다 스톰 추적에 중요한 변수임을 알 수 있다.
Referring to FIG. 7, since the overlap region of the SPD is the smallest, it can be seen that it is an important variable for storm tracking than other fuzzy variables.

도 8은 도 7의 ATR에 대한 소속함수를 결정하는 과정을 나타낸 예시도이다.8 is an exemplary diagram illustrating a process of determining a membership function for the ATR of FIG. 7.

여기서, 소속함수는 두 빈도의 합에 대한 하나의 빈도의 비로 정의되며, 하기 수학식 6에 따라 구해진다.Here, the membership function is defined as the ratio of one frequency to the sum of two frequencies, and is obtained according to Equation 6 below.

Figure 112011030252008-pat00037
Figure 112011030252008-pat00037

여기서, MF는 소속함수, F는 퍼지변수에 대한 빈도를 나타낸다.Where MF is the membership function and F is the frequency for the fuzzy variable.

도 8의 (a)에 도시된 ATR의 정규화된 빈도 분포로부터 수학식 6에 따라 소속함수를 구하면 도 8의 (b)와 같다. When the membership function is calculated according to Equation 6 from the normalized frequency distribution of the ATR shown in FIG.

도 9는 도 7에 도시된 4개의 퍼지변수의 정규화된 빈도 분포로부터 결정된 소속함수를 나타낸 예시도이다. 여기서, 검정선은 매칭 스톰 쌍의 소속함수이며, 붉은선은 비매칭 스톰 쌍의 소속함수를 가리킨다.FIG. 9 is an exemplary diagram illustrating a membership function determined from normalized frequency distributions of four fuzzy variables shown in FIG. 7. Here, the black line indicates the belonging function of the matching storm pair, and the red line indicates the belonging function of the unmatched storm pair.

도 9에 도시된 바와 같이, 매칭 스톰 쌍의 모든 소속함수는 퍼지변수 값이 증가할수록 감소한다. 두 스톰 사이에 높은 값이 계산될 경우, 두 스톰은 동일한 스톰으로써 매칭되지 않는다.
As shown in FIG. 9, all membership functions of the matching storm pair decrease as the fuzzy variable value increases. If a high value is calculated between two storms, the two storms do not match as the same storm.

도 10은 도 7의 4개의 퍼지변수의 소속함수에 대한 가중치를 결정하는 과정을 설명하는 예시도이다. FIG. 10 is an exemplary diagram illustrating a process of determining weights for belonging functions of four fuzzy variables of FIG. 7.

여기서, 가중치는 매칭 및 비매칭 스톰 쌍 사이에서 두 정규화된 빈도 분포의 중첩 영역과 관계가 있으며, 중첩 영역의 크기와 반비례 관계이며, 하기 수학식 7에 따라 계산된다.Here, the weight is related to the overlapping region of two normalized frequency distributions between the matching and unmatched storm pairs, and is inversely related to the size of the overlapping region, and is calculated according to Equation 7 below.

Figure 112011030252008-pat00038
Figure 112011030252008-pat00038

Figure 112011030252008-pat00039
Figure 112011030252008-pat00039

도 10에 도시된 바와 같이, SPD가 가장 작은 중첩 영역을 가지므로, SPD의 가중치는 0.6으로 4개의 퍼지변수 중 가장 높은 값을 가지며, DMR의 가중치가 0.11로 가장 작다.As shown in FIG. 10, since the SPD has the smallest overlap region, the SPD has a weight of 0.6 and has the highest value among four fuzzy variables, and the DMR has the smallest weight of 0.11.

이 결과는 스톰 추적에 있어서 4개의 퍼지변수 중 SPD가 가장 중요한 변수임을 의미한다.
This result indicates that SPD is the most important variable among four fuzzy variables in storm tracking.

이하, 도 11 및 도 12는 본 발명에 따른 스톰 추적 방법을 실제 적용한 결과를 나타낸 예시도이다.
11 and 12 are exemplary views showing a result of actually applying the storm tracking method according to the present invention.

도 11은 2008년 07월 18일 12: 05분경에 대한 CMAX 영상 및 storm2D 영상과 이에 대한 스톰 추적 결과를 나타낸 예시도이다. FIG. 11 is an exemplary diagram illustrating a CMAX image and a storm2D image and a storm tracking result for the time of July 18, 2008 at about 12:05.

도 11의 (a)에 도시된 바와 같이, 좌측의 CMAX 영상과 우측의 storm2D 영상에 따르면 몇 개의 스톰이 레이더 주변에 발생하였고 북동 방향으로 이동하고 있음을 알 수 있다.As shown in (a) of FIG. 11, according to the CMAX image on the left side and the storm2D image on the right side, it can be seen that several storms are generated around the radar and are moving in the northeast direction.

그리고, 도 11의 (b)에 도시된 바와 같이, 참조 스톰 트랙(G1~G4)이 좌측 표에 나열되어 있으며, 7회 동안 중첩된 참조 스톰 트랙의 타원 영상에 따르면 동일 색상은 시간이 흐름에 따라 동일 스톰임을 의미한다. 그리고, 붉은 선은 본 발명에 따른 스톰 추적 방법에 의한 스톰 추적을 가리킨다. As shown in (b) of FIG. 11, reference storm tracks G1 to G4 are listed in the left table, and according to elliptical images of reference storm tracks superimposed for seven times, the same color is changed over time. According to the same storm. The red line indicates storm tracking by the storm tracking method according to the present invention.

그리고, 스톰 이동은 서로 동시에 발생한다. G2와 G3가 비록 가깝게 발생되었더라도 본 발명에 따른 스톰 추적 방법은 정확하게 추적할 수 있다.
Storm movements occur simultaneously with each other. Although G2 and G3 occur closely, the storm tracking method according to the present invention can accurately track.

도 12는 2008년 07월 18일 05: 35분경에 대한 CMAX 영상 및 storm2D 영상과 이에 대한 스톰 추적 결과를 나타낸 예시도이다. FIG. 12 is an exemplary diagram illustrating a CMAX image and a storm2D image and a storm tracking result for the same time on July 18, 2008, at 05:35.

도 12의 (a)에 도시된 바와 같이, 좌측의 CMAX 영상과 우측의 storm2D 영상에 따르면 몇 개의 작은 스톰이 레이더 주변에 발생하였고 북서 방향으로 이동하고 있음을 알 수 있다.As shown in (a) of FIG. 12, according to the CMAX image on the left side and the storm2D image on the right side, it can be seen that some small storms are generated around the radar and are moving in the northwest direction.

그리고, 도 12의 (b)에 도시된 바와 같이, 참조 스톰 트랙(G1~G8)이 좌측 표에 나열되어 있으며, 10회 동안 중첩된 참조 스톰 트랙의 타원 영상에 따르면 스톰 이동(진로, track)은 서로 동시에 발생한다. 즉, 많은 수의 스톰이 발생되었더라도 본 발명에 따른 스톰 추적 방법은 그 진로를 정확하게 추적할 수 있다.
As shown in FIG. 12B, reference storm tracks G1 to G8 are listed in the left table, and according to an ellipse image of the reference storm track superimposed for 10 times, the movement of the storm (track) Occur simultaneously with each other. That is, even if a large number of storms are generated, the storm tracking method according to the present invention can accurately track the course.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들을 한정적인 관점이 아니라 설명적인 관점에서 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 한다.So far I looked at the center of the preferred embodiment for the present invention. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Accordingly, the disclosed embodiments are to be considered in an illustrative rather than a restrictive sense, and all differences within the scope of equivalents thereof should be construed as being included in the present invention.

또한, 본 발명에 따른 장치 및 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
In addition, the apparatus and method according to the present invention can be embodied as computer readable codes on a computer readable recording medium. A computer-readable recording medium includes all kinds of recording apparatuses in which data that can be read by a computer system is stored. Examples of the recording medium include a ROM, a RAM, a CD-ROM, a magnetic tape, a floppy disk, an optical data storage device, and the like, and a carrier wave (for example, transmission via the Internet). The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.

Claims (13)

3D CAPPI 자료에서 위험기상과 관련된 반사도 셀을 탐지하는 단계;
탐지된 반사도 셀의 속성 정보를 이용하여 퍼지논리의 퍼지변수를 산출하는 단계;
상기 퍼지논리의 퍼지변수를 이용해 소속함수 및 가중치를 산출하는 단계;
상기 소속함수 및 가중치를 이용해 총소속값을 산출하고, 산출한 총소속값을 이용해 반사도 셀을 추적하는 단계;를 포함하는 위험기상과 관련된 반사도 셀의 추적 방법.Detecting reflectance cells associated with the dangerous weather in the 3D CAPPI data;
Calculating a fuzzy variable of fuzzy logic using the detected reflectivity cell attribute information;
Calculating a membership function and weights using the fuzzy variables of the fuzzy logic;
Computing the total belonging value using the membership function and the weight, and tracking the reflectivity cell using the calculated total belonging value; tracking method of the reflectivity cell associated with the dangerous weather. 제1항에 있어서,
상기 반사도 셀을 탐지하는 단계는, 상기 3D CAPPI 자료에서 반사도 임계치를 초과하는 개별 격자점들을 엘리먼트(element)로 판별하고, x방향으로 엘리먼트의 연속성을 검사하여 인접한 엘리먼트를 세그먼트(segment)로 판별하고, y방향으로 엘리먼트의 연속성을 검사하여 인접한 세그먼트를 컴포넌트(component)로 판별하고, z방향으로 컴포넌트의 연속성을 검사하여 3차원 반사도 셀을 판별하는 단계인 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.The method of claim 1,
The detecting of the reflectivity cell may include determining individual grid points exceeding a reflectivity threshold as an element in the 3D CAPPI data, and determining adjacent elements as segments by examining the continuity of the element in the x direction. and determining the adjacent segment as a component by checking the continuity of the element in the y direction, and determining the three-dimensional reflectivity cell by checking the continuity of the component in the z direction. Tracking method. 제2항에 있어서,
상기 반사도 셀을 탐지하는 단계는, 상기 판별된 3차원 반사도 셀의 부피가 부피 임계값보다 큰 경우, 해당 3차원 반사도 셀을 xy 평면으로 투영하여 2차원 반사도 셀을 생성하는 단계를 더 포함하는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.The method of claim 2,
Detecting the reflectivity cell further comprises: generating a two-dimensional reflectance cell by projecting the three-dimensional reflectance cell onto an xy plane when the determined volume of the three-dimensional reflectivity cell is greater than a volume threshold; Characterized in that the method for tracking the reflectivity cells associated with the dangerous weather. 제1항에 있어서,
상기 퍼지논리의 퍼지변수는 이동속도(speed, SPD), 평균반사도 차이(Difference of Mean Reflectivity, DMR), 면적변화율(Area Change Ratio, ACR) 및 축변형율(Axis Transformation Ratio, ATR)을 포함하는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.The method of claim 1,
The fuzzy variables of the fuzzy logic include a speed (SPD), a difference of mean reflectivity (DMR), an area change ratio (ACR), and an axis transformation ratio (ATR). Characterized in that the method for tracking the reflectivity cells associated with the dangerous weather. 제4항에 있어서,
상기 이동속도(SPD)는 하기 수학식에 의해 계산되는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.
Figure 112011030252008-pat00040

여기서,
Figure 112011030252008-pat00041
,
Figure 112011030252008-pat00042
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀의 중심위치의 x좌표를 나타내며,
Figure 112011030252008-pat00043
,
Figure 112011030252008-pat00044
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀의 중심위치의 y좌표를 나타내며, m, n는 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀의 식별번호(ID)를 나타낸다.5. The method of claim 4,
The movement speed SPD is calculated by the following equation.
Figure 112011030252008-pat00040

here,
Figure 112011030252008-pat00041
,
Figure 112011030252008-pat00042
Denotes the x-coordinate of the center position of the reflectivity cell determined at the past time (t-Δt) and the current time (t), respectively.
Figure 112011030252008-pat00043
,
Figure 112011030252008-pat00044
Denotes the y-coordinate of the center position of the reflectivity cell determined at the past time (t-Δt) and the current time (t), respectively, and m and n are determined at the past time (t-Δt) and the current time (t). One reflectance represents the identification number (ID) of the cell. 제4항에 있어서,
상기 평균반사도 차이(DMR)는 하기 수학식에 의해 계산되는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.
Figure 112011030252008-pat00045

여기서,
Figure 112011030252008-pat00046
,
Figure 112011030252008-pat00047
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀들의 평균 반사도를 나타내며 dBZ 단위이다.5. The method of claim 4,
The average reflectance difference (DMR) is calculated by the following equation, characterized in that the tracking of the reflectance cell associated with the dangerous weather.
Figure 112011030252008-pat00045

here,
Figure 112011030252008-pat00046
,
Figure 112011030252008-pat00047
Denotes the average reflectivity of the reflectivity cells determined in the past time t-Δt and the current time t, respectively, in dBZ units. 제4항에 있어서,
상기 면적변화율(ACR)은 하기 수학식에 의해 계산되는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.
Figure 112011030252008-pat00048

여기서,
Figure 112011030252008-pat00049
,
Figure 112011030252008-pat00050
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀의 면적으로 km-2 단위이다. avg는 평균을 의미한다.5. The method of claim 4,
The area change rate (ACR) is calculated by the following equation.
Figure 112011030252008-pat00048

here,
Figure 112011030252008-pat00049
,
Figure 112011030252008-pat00050
Is the area of the reflectivity cell determined in the past time t-Δt and the current time t, respectively, in km -2 units. avg means mean. 제4항에 있어서,
상기 축변형율(ATR)은 하기 수학식에 의해 계산되는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.
Figure 112012064870989-pat00051

여기서,
Figure 112012064870989-pat00052
,
Figure 112012064870989-pat00053
,
Figure 112012064870989-pat00054
,
Figure 112012064870989-pat00055
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀 타원의 장축과 단축을 나타내는 km 단위이며, avg는 평균을 의미한다. 5. The method of claim 4,
And the axial strain (ATR) is calculated by the following equation.
Figure 112012064870989-pat00051

here,
Figure 112012064870989-pat00052
,
Figure 112012064870989-pat00053
,
Figure 112012064870989-pat00054
,
Figure 112012064870989-pat00055
Is a unit of km representing the long axis and short axis of the reflectivity cell ellipse determined at the past time t-Δt and the current time t, respectively, and avg means an average. 제1항에 있어서,
상기 소속함수는 산출된 퍼지변수에 대한 매칭 반사도 셀과 비매칭 반사도 셀의 빈도 분포를 이용하며, 하기 수학식에 의해 계산되는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.
Figure 112011030252008-pat00056

여기서, MF는 소속함수, F는 퍼지변수에 대한 빈도를 나타낸다.The method of claim 1,
The membership function uses a frequency distribution of the matched reflectance cell and the non-matched reflectance cell for the calculated fuzzy variable, and is calculated by the following equation.
Figure 112011030252008-pat00056

Where MF is the membership function and F is the frequency for the fuzzy variable. 제9항에 있어서,
상기 가중치는 산출된 퍼지변수에 대한 매칭 반사도 셀과 비매칭 반사도 셀의 빈도 분포의 중첩 영역을 이용하며, 하기 수학식에 의해 계산되는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.
Figure 112011030252008-pat00057

여기서, W는 가중치를, A, B, C, D는 중첩 영역을 나타낸다.10. The method of claim 9,
The weighting method uses the overlapping region of the frequency distributions of the matching reflectance cells and the non-matching reflectance cells for the calculated fuzzy variables, and is calculated by the following equation.
Figure 112011030252008-pat00057

Here, W represents a weight, and A, B, C, and D represent overlapping regions. 제10항에 있어서,
상기 총소속값은 하기 수학식에 의해 계산되는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.
Figure 112012064870989-pat00073

여기서, MV는 소속값을 나타내며, W는 가중치를 나타낸다.The method of claim 10,
The total belonging value is calculated by the following equation.
Figure 112012064870989-pat00073

Here, MV represents a belonging value and W represents a weight. 제11항에 있어서,
상기 반사도 셀의 추적은 상기 산출된 총소속값이 임계치보다 큰 경우, 서로 다른 두 시간대에서 판별된 반사도 셀을 동일한 반사도 셀로 판별하는 것에 의해 이루어지는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 추적 방법.The method of claim 11,
And tracking the reflectivity cell by determining the reflectance cell determined in two different time zones as the same reflectance cell when the calculated total belonging value is greater than a threshold value. 제1항 내지 제12항 중 어느 한 항의 방법을 수행하기 위한 프로그램으로서 디지털 신호 처리 장치에 의해 판독되고 실행될 수 있는 프로그램을 기록한 기록매체.A recording medium having recorded thereon a program that can be read and executed by a digital signal processing apparatus as a program for performing the method of any one of claims 1 to 12.
KR1020110037911A 2011-04-22 2011-04-22 Method for tracking reflectivity cells associated with severe weather KR101221793B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110037911A KR101221793B1 (en) 2011-04-22 2011-04-22 Method for tracking reflectivity cells associated with severe weather

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110037911A KR101221793B1 (en) 2011-04-22 2011-04-22 Method for tracking reflectivity cells associated with severe weather

Publications (2)

Publication Number Publication Date
KR20120119749A KR20120119749A (en) 2012-10-31
KR101221793B1 true KR101221793B1 (en) 2013-01-11

Family

ID=47286949

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110037911A KR101221793B1 (en) 2011-04-22 2011-04-22 Method for tracking reflectivity cells associated with severe weather

Country Status (1)

Country Link
KR (1) KR101221793B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101531225B1 (en) * 2014-11-27 2015-07-06 대한민국 System for predicting path of convective cell and control method thereof

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109061646B (en) * 2018-06-26 2022-04-08 成都信息工程大学 Doppler weather radar quantitative precipitation estimation method based on precipitation cloud identification
CN110297246B (en) * 2019-07-16 2021-04-02 上海市气象信息与技术支持中心 Networking X-waveband weather radar collaborative self-adaptive control method and system
KR102325128B1 (en) * 2021-04-27 2021-11-12 주식회사 모빌테크 Vehicle converting the coordinates acquired by lidar into a two-dimensional image
CN116430336B (en) * 2023-03-14 2023-10-24 中国气象局成都高原气象研究所 Convection monomer identification method based on self-adaptive threshold
CN117153000B (en) * 2023-11-01 2024-02-02 天宇航空数据科技(合肥)有限责任公司 Method and system for analyzing influence of approach and departure routes based on three-dimensional radar data

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06222135A (en) * 1993-01-21 1994-08-12 Japan Radio Co Ltd Meterological radar
JPH1138154A (en) 1997-07-23 1999-02-12 Mitsubishi Electric Corp Thunder generation predictor
KR100931950B1 (en) 2009-04-10 2009-12-15 부경대학교 산학협력단 The classification method of precipitation types for weather radar

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06222135A (en) * 1993-01-21 1994-08-12 Japan Radio Co Ltd Meterological radar
JPH1138154A (en) 1997-07-23 1999-02-12 Mitsubishi Electric Corp Thunder generation predictor
KR100931950B1 (en) 2009-04-10 2009-12-15 부경대학교 산학협력단 The classification method of precipitation types for weather radar

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문.2006.05 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101531225B1 (en) * 2014-11-27 2015-07-06 대한민국 System for predicting path of convective cell and control method thereof

Also Published As

Publication number Publication date
KR20120119749A (en) 2012-10-31

Similar Documents

Publication Publication Date Title
CN109738970B (en) Method, device and storage medium for realizing lightning early warning based on lightning data mining
CN104977584B (en) A kind of nowcasting method and system of convection weather
KR101221793B1 (en) Method for tracking reflectivity cells associated with severe weather
Li et al. Short-range quantitative precipitation forecasting in Hong Kong
KR101258668B1 (en) Korea local radar processing system
KR101221755B1 (en) Method for identifying reflectivity cells associated with severe weather
Liang et al. A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds
CN110794413B (en) Method and system for detecting power line of point cloud data of laser radar segmented by linear voxels
Ganetis et al. Environmental conditions associated with observed snowband structures within northeast US winter storms
JP6689396B2 (en) Weather forecasting device, weather forecasting method, and program
CN109061774A (en) A kind of thunderstorm core relevance processing method
JP2019211342A (en) Weather analyzer, weather analysis method, and program
Newman et al. Range-correcting azimuthal shear in Doppler radar data
KR101255966B1 (en) Method and system for detecting bright band using three dimensional radar reflectivity
Newman et al. An error reduction algorithm to improve lidar turbulence estimates for wind energy
Naylor et al. Comparison of objective supercell identification techniques using an idealized cloud model
CN110261857A (en) A kind of weather radar spatial interpolation methods
CN106952242A (en) A kind of progressive TIN point cloud filtering method based on voxel
CN114019503A (en) FOD detection system-based airport runway foreign matter detection method, device and storage medium
JP7386136B2 (en) Cloud height measurement device, measurement point determination method, and cloud type determination method
Zou et al. A method of radar echo extrapolation based on TREC and Barnes filter
Alcayaga Filtering of pulsed lidar data using spatial information and a clustering algorithm
CN117523420B (en) Lightning falling area identification method and system based on radar product data
Bell et al. Objective tropical cyclone center tracking using single-Doppler radar
Hou et al. Storm tracking via tree structure representation of radar data

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20161220

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171208

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 8