KR101483617B1 - 강수 추정 시스템 및 그 방법 - Google Patents

강수 추정 시스템 및 그 방법 Download PDF

Info

Publication number
KR101483617B1
KR101483617B1 KR20130151700A KR20130151700A KR101483617B1 KR 101483617 B1 KR101483617 B1 KR 101483617B1 KR 20130151700 A KR20130151700 A KR 20130151700A KR 20130151700 A KR20130151700 A KR 20130151700A KR 101483617 B1 KR101483617 B1 KR 101483617B1
Authority
KR
South Korea
Prior art keywords
reflectivity
precipitation
data
rainfall
radar
Prior art date
Application number
KR20130151700A
Other languages
English (en)
Inventor
김진국
박종서
차주완
김지현
박향숙
Original Assignee
대한민국
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 대한민국 filed Critical 대한민국
Priority to KR20130151700A priority Critical patent/KR101483617B1/ko
Application granted granted Critical
Publication of KR101483617B1 publication Critical patent/KR101483617B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • G01S13/951—Radar or analogous systems specially adapted for specific applications for meteorological use ground based
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Emergency Management (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 단일편파 레이더로부터 얻어지는 2차원 변수 정보에 볼륨 스캔 정보까지 포함한 3차원 반사도 합성 결과 및 하이브리드 스캔 반사도 자료뿐만 아니라, 다른 기상관측정보(AWS, Lightening, KLAPS)를 이용하여 강수 유형을 분류하고, 분류된 강수 유형별로 강수량을 추정 및 보정함으로써 더욱 정확한 강수 추정을 수행할 수 있는 강수 추정 시스템 및 그 방법을 제공하고자 한다.

Description

강수 추정 시스템 및 그 방법{Quantitative precipitation estimation system and method thereof}
본 발명은 강수 추정 기술에 관한 것으로, 더욱 상세하게는, 레이더 자료뿐만 아니라 기상관측자료, 낙뢰자료, 기상수치모델자료를 포함하는 다변량(multi-variable) 자료를 이용하여 더욱 고품질의 정밀 레이더 강수량 추정을 수행할 수 있는 강수추정시스템 및 그 방법에 관한 것이다.
최근 갑작스런 기상변화에 의한 기상·수문학적 피해를 최소화하기 위해 고품질·고분해능 기상 관측 자료의 필요성이 대두되고 있으며, 이를 보완하기 위해 기상청에서는 2006년부터 레이더-AWS 강우강도(Radar-AWS-Rainrate, 이하 RAR) 산출 시스템을 개발하여 운영하고 있다.
RAR 산출 시스템은, 단일편파 레이더를 이용한 1.5 km CAPPI(Constant Altitude Plan Position Indicator) 등의 2차원적인 정보만을 적용하여 강우산출을 수행하고 있어 강우산출의 정확성에 한계를 나타내고 있다.
따라서, RAR 산출 시스템의 한계를 개선할 수 있는 강우 추정 기술을 모색할 필요가 있다.
상술한 종래 기술의 문제점을 해소하기 위해 본 발명은, 단일편파 레이더로부터 얻어지는 2차원 변수 정보에 볼륨 스캔 정보까지 포함한 3차원 반사도 합성 결과 및 하이브리드 스캔 반사도 자료뿐만 아니라, 다른 기상관측정보(AWS, Lightening, KLAPS)를 이용하여 강수 유형을 분류하고, 분류된 강수 유형별로 강수량을 추정 및 보정함으로써 더욱 정확한 강수 추정을 수행할 수 있는 강수 추정 시스템 및 그 방법을 제공하는 데 그 목적이 있다.
상술한 목적을 달성하기 위한 본 발명의 일 실시 형태는, 수집된 레이더자료에 대한 데이터포맷변환 및 품질관리를 수행하고, 품질관리된 레이더데이터에 대한 연직 반사도 프로파일을 생성한 후 밝은 띠 보정을 수행하고, 밝은 띠 보정이 수행된 레이더데이터로부터 하이브리드 스캔 반사도를 생성하는 레이더자료 처리모듈; 밝은 띠 보정이 수행된 레이더데이터를 이용해 3차원 반사도 합성을 수행하여 3차원 합성 반사도, 연직 수분 총합(VIL) 및 연직 수분 함량 밀도(VILD)를 생성하는 반사도 합성모듈; 및 생성된 하이브리드 스캔 반사도, 3차원 합성 반사도, VIL, VILD와, 지상관측자료, 낙뢰자료 및 기상수치모델자료를 이용해 강수 유형을 분류하고, 분류된 강수 유형별로 설정된 반사도-강우강도(Z-R) 관계식을 적용하여 강수량을 추정하는 강수량추정모듈;을 포함하는 강수 추정 시스템을 포함한다.
한편, 상술한 목적을 달성하기 위한 본 발명의 다른 실시 형태는, 수집된 레이더자료에 대한 데이터포맷변환 및 품질관리를 수행하는 단계; 품질관리된 레이더데이터에 대한 연직 반사도 프로파일을 생성하는 단계; 생성된 연직 반사도 프로파일에 대한 밝은 띠 보정을 수행하는 단계; 밝은 띠 보정이 수행된 레이더데이터로부터 하이브리드 스캔 반사도를 생성하는 단계; 밝은 띠 보정이 수행된 레이더데이터를 이용해 3차원 반사도 합성을 수행하여 3차원 합성 반사도, 연직 수분 총합(VIL) 및 연직 수분 함량 밀도(VILD)를 생성하는 단계; 생성된 하이브리드 스캔 반사도, 3차원 합성 반사도, VIL, VILD와, 지상관측자료, 낙뢰자료 및 기상수치모델자료를 이용해 강수 유형을 분류하는 단계; 분류된 강수 유형별로 설정된 반사도-강우강도(Z-R) 관계식을 적용하여 강수량을 추정하는 단계; 및 추정된 강수량과 대응하는 지점별 지상우량계의 관측된 강수량의 오차를 보정하여 상기 추정된 강수량을 보정하는 단계;를 포함하는 강수 추정 방법을 포함한다.
본 발명에 따르면, 우리나라 기상에 적합하며 기존의 강수 추정 시스템에 비해 더욱 정밀한 강수량 추정이 가능한 효과가 있다.
도 1은 본 발명의 일 실시 형태에 따른 강수 추정 시스템의 구성을 나타낸 도면이다.
도 2는 도 1에 도시된 강수 추정 시스템의 데이터 흐름을 나타낸 도면이다.
도 3은, 본 발명의 일 실시 형태에 따른 강수 추정 방법을 설명하기 위한 도면이다.
도 4는, 도 3에 도시된 단일편파 레이더 관측자료의 처리 과정을 상세하게 설명하기 위한 도면이다.
도 5는 도 3에 도시된 강수량 추정 과정을 상세하게 설명하기 위한 도면이다.
도 6은, 도 4에 도시된 밝은 띠 보정 과정을 설명하기 위한 도면이다.
도 7은, 도 6에 도시된 밝은 띠 보정 과정의 상세 처리 과정을 설명하기 위한 도면이다.
도 8은, 해상도별 연직 반사도 프로파일을 구하는 과정을 설명하기 위한 도면이다.
도 9는, 밝은 띠 보정 전과 후의 연직 반사도 프로파일을 나타낸 도면이다.
도 10은, 고도별로 밝은 띠 보정 전과 후의 영상을 나타낸 도면이다.
도 11은, 해상도별 밝은 띠 보정 전과 후의 하이브리드 스캔 반사도 영상을 나타낸 도면이다.
도 12는, 도 4에 도시된 하이브리드 스캔 반사도 과정을 설명하기 위한 개념도이다.
도 13 내지 도 15는, 본 발명에 따른 강우 추정 시스템을 실제 강우 사례에 적용한 예시도이다.
이하 본 발명의 바람직한 실시 예를 첨부된 도면의 참조와 함께 상세히 설명한다. 그리고, 본 발명을 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다.
도 1은 본 발명의 일 실시 형태에 따른 강수 추정 시스템의 구성을 나타낸 도면이고, 도 2는 도 1에 도시된 강수 추정 시스템의 데이터 흐름을 나타낸 도면이다.
도 1 및 도 2를 참조하면, 본 발명에 따른 강수 추정 시스템은, 레이더 관측자료 처리모듈(10), 반사도 합성 모듈(20), 강수량 추정 모듈(30) 및 이미지 표출 모듈(40)을 포함하여 구성될 수 있다.
구체적으로, 레이더 관측자료 처리모듈(10)은, 기상레이더 데이터(UF)를 수집하고, 수집된 기상레이더 데이터(UF)에 대한 데이터포맷변환 및 품질관리, 연직 반사도 프로파일 생성, 밝은띠 보정 수행 및 하이브리드 스캔 반사도 수행을 처리한다. 여기서, 레이더 관측자료 처리모듈(10)은, 데이터포맷 변환된 기상 레이더 데이터로부터 레이더 반사도 자료뿐만 아니라 스펙트럼 폭, 고도, 지형 등의 정보를 읽어 품질관리의 입력 자료로 사용할 수 있다.
즉, 레이더 관측자료 처리모듈(10)은, 수집된 기상레이더 데이터(UF)의 데이터포맷(11)을 처리하고, 데이터포맷 변환된 기상레이더 데이터(NetCDF)의 품질관리(QC)(12)를 처리하여 품질 향상된 레이더 반사도 자료를 산출한다. 여기서, 품질관리는 기계학습 알고리즘 중 하나인 Neural Network 알고리즘을 사용할 수 있다.
또한, 레이더 관측자료 처리모듈(10)은, 품질관리된 레이더데이터에 대한 연직 반사도 프로파일을 생성한 후 밝은 띠 보정(13)을 처리한다. 여기서, 연직 반사도 프로파일의 밝은 띠 영역의 경우 눈이 녹을 때 반사도 값이 크게 나타나 강수량이 과다 추정되는 경우가 발생하므로, 이를 방지하기 위해 밝은 띠 보정이 수행될 필요가 있다.
또한, 레이더 관측자료 처리모듈(10)은, 밝은 띠 보정된 레이더데이터를 이용해 하이브리드 스캔 반사도를 수행(14)한다. 여기서, 단일 하이브리드 스캔 반사도는 가장 낮은 고도각 4개로부터 지형의 영향을 최소화하도록 선택적으로 조합하여 합성하는 것에 의해 만들어질 수 있다. 즉, 가까운 곳에서 멀어지면서 처음에는 가장 낮은 고도각에서 반사도 자료를 취하다가, 산이나 고층 건물 등의 장애물을 만나면, 그 다름 거리부터는 그 다음 낮은 고도각에서 반사도 자료를 취하는 식으로, 모두 4개의 가장 낮은 고도각에서 반사도 자료를 선택 취합하는 방법으로 만들어진다. 단일 하이브리드 스캔 반사도가 만들어지면, 서로 다른 레이더의 단일 하이브리드 스캔 반사도를 합성하는데, 이를 하이브리드 스캔 반사도 합성이라고 한다. 이러한 하이브리드 스캔 반사도 합성은, 아래 식과 가중치를 적용하여 수행된다.
Figure 112013112081214-pat00001
Figure 112013112081214-pat00002
그리고, 반사도 합성 모듈(20)은, 밝은 띠 보정된 레이더데이터를 이용해 3차원 반사도 합성을 수행하여 3차원 합성 반사도, VIL, VILD 등의 데이터를 생성한다.
즉, 반사도 합성 모듈(20)은, 구면 좌표계로 표현되어 있는 단일 레이더 반사도 자료를 3차원 직교 좌표계의 위도, 경도, 고도로 각각 변환하여 3차원 반사도 합성 자료를 산출한다.
그리고, 강수량 추정 모듈(30)은, 산출된 3차원 합성 CAPPI, 연직 수분 총합(VIL), 연직 수분 함량 밀도(VILD), 연직 반사도 프로파일(VPR) 및 하이브리드 스캔 반사도(HSR) 데이터와, 지상 관측자료 및 기상수치모델의 자료를 이용하여 강수 유형의 분류(31)를 수행한다. 여기서, 지상 관측자료는 지면 온도, 지면 습구온도 등을 AWS(Automatic Weather Station)으로부터 구하며, 낙뢰(lightening)발생 관측자료도 사용할 수 있다. 기상수치모델자료는 KLAPS(Korea Local Analysis and Prediction System)에서 고도별 온도자료를 취득한다.
이러한 강수량 추정 모듈(30)은, 지면 온도, 지면 습구 온도, 연직 수분 총합(VIL), 연직 수분 함량 밀도(VILD), 반사도, 연직 반사도 분포 자료 등을 토대로, 눈, 우박, 열대형 강우, 층상형 강우, 대류형 강우 등 5가지 유형으로 구분할 수 있다.
또한, 강수량 추정 모듈(30)은, 하이브리드 스캔 반사도 자료로부터 반사도 값을 읽어오고, 읽어낸 반사도 값을 분류된 강수 유형에 따라 Z-R 관계식에 적용해 픽셀별로 레이더 강수량을 추정(32)할 수 있다. 즉, 강수량 추정 모듈(30)은, 강수 유형이 분류되면, 강수 유형에 따라 적절한 Z-R 관계식을 적용해 단위 시간당 강수량인 R을 구하고, 구한 R을 시간에 대해 적분해 강수량을 추정할 수 있다.
각 강수 유형별 Z-R 관계식은 아래와 같다.
대류형 강수: Z=300R1 .4
층상형 강수: Z=200R1 .6
열대형 강수: Z=230R1 .25
지상에서의 눈: Z=75R2 .0
또한, 강수량 추정 모듈(30)은, 지상 우량계 자료(AWS)를 활용한 지상 우량계 보정(Local Gauge Correction(LGC))을 통해 강수량 추정 자료에 대한 강수량 보정(33)을 수행할 수 있다. 이때, 강수량 추정 모듈(30)은, AWS에서 관측된 강우와 산출된 강우의 오차에 가중치를 적용하여 강수량을 보정하는데, 가중치는 관측하는 레이더와 관측반경안에 존재하는 AWS의 거리에 따라 추정될 수 있다.
그리고, 이미지 표출 모듈(40)은, 각 모듈에서 처리한 레이더 자료를 이미지 파일로 변환하고 변환된 자료를 웹 페이지에 표출하도록 구성할 수 있다. 예를 들어, 이미지 표출 모듈(40)은, 각 모듈에서 산출된 레이더 자료를 PNG 이미지 파일로 변환하여 저장할 수 있다. 또한, 이미지 표출 모듈(40)은, 각 모듈에서 생성한 여러 산출 이미지 파일을 웹에 표출할 수 있도록 웹 페이지 형태로 변환하는 기능을 수행할 수 있다. 여기서, 웹 페이지는 검색 조건 선택 영역과 그래프, 분포도 등을 포함하도록 구성될 수 있다.
이와 같이 본 발명에 따른 강수 추정 시스템은, 레이더자료를 이용한 HSR 자료, 3차원 반사도 합성 자료뿐만 아니라, 다양한 관측변수(AWS 자료, 낙뢰자료, 기상수치모델 결과자료)까지 고려한 강수 유형 분류와 강수 유형에 따른 여러 강우 추정식을 적용함으로써 정확한 강우 추정이 가능하다.
도 3은, 본 발명의 일 실시 형태에 따른 강수 추정 방법을 설명하기 위한 도면이고, 도 4는, 도 3에 도시된 단일편파 레이더 관측자료의 처리 과정을 상세하게 설명하기 위한 도면이고, 도 5는 도 3에 도시된 강수량 추정 과정을 상세하게 설명하기 위한 도면이다.
여기서, 본 발명의 강수 추정 방법은 도 1 및 도 2에 도시된 강수 추정 시스템에 의해 구현될 수 있다. 또한, 본 발명의 입력자료는, AWS 자료, 수치모델(KLAPS) 자료, 뇌우 자료, 레이더 자료 등이며, AWS는 전국에 걸쳐 설치된 642개, 사용된 레이더 사이트는 11개 사이트(백령도, 관악산, 오성산, 진도, 고산, 광덕산, 강릉, 면봉산, 구덕산, 성산, 인천), 수치모델은 기상청에서 운영 중인 모델 결과를 각각 사용하며, 뇌우는 전국 21개소에서 관측하며 발생 시마다 적용되도록 한다.
도 3을 참조하면, 본 발명의 강수 추정 방법은, 크게 단일편파 레이더 관측자료의 처리 과정(S100), 3차원 반사도 합성 과정(S200), 강수량 추정 과정(S300) 및 이미지 표출 과정(S400)으로 구분될 수 있다.
구체적으로, 도 4를 참조하면, 단일편파 레이더 관측자료의 처리 과정(S100)은, 기상레이더 자료의 사전 처리(데이터 포맷 변환과 품질 관리) 과정(S110), 연직 반사도 프로파일(VPR) 생성 과정(S120), 밝은 띠 보정(BBC) 수행 과정(S130) 및 하이브리드 스캔 반사도(HSR) 수행 과정(S140)으로 구성될 수 있다.
우선, 기상레이더 자료의 사전 처리 과정(S110)은, 데이터 포맷변환과 품질관리를 수행하도록 구성된다. 데이터 포맷변환은 기상청의 레이더 사이트에서 서버로 전송한 UF(Universal Format) 형식의 파일을 알고리즘 적용에 보다 용이한 NetCDF 형식의 파일로 변환하는 과정이다. 예를 들어, 레이더 사이트별 UF 자료의 생성 주기는 일반적으로 8∼10분이며, 자료 생성 주기를 고려하여 최대 22분 주기인 강릉레이더 사이트를 예외하고 10분마다 UF 형식의 자료를 NetCDF 형식으로 변환을 수행할 수 있다.
그리고, 품질관리는 변환된 레이더 자료를 차폐 영역 등의 클러터(clutter)를 자동화된 과정을 통하여 제거하고 품질 향상된 레이더 반사도 자료를 산출하는 과정이다. 품질관리를 위해 신경망(Neural Network) 기법을 이용할 수 있으며, 입력자료로서 레이더 자료의 반사도, 스펙트럼 폭, 고도, 지형 등의 자료를 이용하게 된다. 각 레이더 사이트별로 품질관리가 적용된 자료를 이용하여 고도별 CAPPI를 생성하게 된다.
다음으로, 연직 반사도 프로파일(Vertical Profile of Reflectivity, 이하, VPR) 생성 과정(S120)은, 레이더 불륨관측 자료에서 임의의 방위각에서 연직으로 고도각을 상승시켜 VPR을 생성할 수 있다. 여기서, VPR은 강수 유형에 따라 다르게 나타나므로, 이를 통해 강수 유형을 대략적으로 분류할 수 있어 추후 설명할 강수 유형 분류 단계에 적용할 수 있다. 또한 VPR은 밝은 띠를 보정하는 데에도 적용되는데, 밝은 띠란 0도 기온선과 겹치는 어떤 고도범위에서는 대기 중에 눈이 녹아 반사도 값이 크게 나타나게 되어 반사도 영상에서 둥근 띠 모양을 이루게 되는 현상을 의미한다. 하지만 밝은 띠는 강수량 과다 추정의 원인이 되므로 VPR를 산출하여 밝은 띠를 보정하게 되며, 이를 밝은 띠 보정(Bright Band Correction, 이하 BBC)라고 한다.
다음으로, 밝은 띠 보정 과정(S130)은, 산출된 VPR에서 밝은 띠 영역을 검출하고 밝은 띠 영역의 반사도 보정을 수행한다. 본 발명에서는, 밝은 띠를 보정하기 위해, 관측된 BB Top의고도(ht), 관측된 BB Bottom의 고도(hb), 관측된 BB PEAK의 고도(hp), 반사도, BB Top과 BB PEAK를 잇는 직선의 기울기(α) 및 BB PEAK와 BB Bottom을 잇는 직선의 기울기(β)의 5가지 변수를 결정하고, 5가지 변수를 결정한 뒤에는 반사도 추정 방정식에 대입하여 보정을 수행한다.
다음으로, 하이브리드 스캔 반사도(Hybrid Scan Reflectivity, 이하 HSR) 수행 과정(S140)은, 단일 레이더 자료에서 지형의 영향을 최소로 받은 최저 고도각의 반사도 자료를 조합하여 HSR을 생성하는 과정이다. 즉, 단일 HSR(Single HSR, 이하 SHSR)을 가장 낮은 고도각 4개로부터 선택적으로 합성해 만들고, 다른 레이더의 SHSR들을 합성하여 HSR을 생성한다.
이러한 과정을 통해 단일편파 레이더 관측자료의 처리 과정(S100)이 완료되면, 3차원 반사도 합성 과정(S200)을 수행한다.
3차원 반사도 합성 과정(S200)은, 품질관리된 레이더 자료에 대해, 3차원 격자 공간과 빔의 각도 차이, 거리 및 시간 간격을 보정 하고, 이러한 보정을 통해 얻은 가중치를 이용해 반사도의 가중 평균을 구해 3차원 반사도 합성 자료를 생성하는 과정이다.
다시 말해, 기상레이더 자료는 거리, 방위각, 고도각으로 이루어진 구좌표계이므로 이를 위도와 경도로 이루어진 위경도 좌표계로 바꾸어야 한다. 좌표계 변환을 위해 아래 수학식 1을 이용하게 된다.
Figure 112013112081214-pat00003
Figure 112013112081214-pat00004
Figure 112013112081214-pat00005
Figure 112013112081214-pat00006
여기서 hg는 고도, αg는 위도, βg는 경도, hr는 레이더 지점의 고도, αr은 레이더 지점의 위도, βr은 레이더 지점의 경도, R은 지구의 반지름, α는 방위각, e는 고도각, s는 지구 곡면을 따라가며 잰 거리, r은 레이더로부터 물체까지의 직선거리이다. 또한 임의의 중첩되는 단위 공간(voxel)에서 각 레이더 사이트에서 관측한 반사도의 합성은 아래와 같은 수학식 2로 구하게 된다.
Figure 112013112081214-pat00007
여기서 Zcom은 합성반사도, Zi는 i번째 레이더 사이트에서 관측한 반사도, δi는 i번째 레이더 사이트의 반사도에 대한 가중치이며, 가중치는 거리와 시간차의 함수이다.
이 단계에서는 반사도 뿐만 아니라 레이더 볼륨관측 자료의 각 열에 존재하는 누적된 수증기량을 나타내는 연직적분 액체수함량(Vertically Integrated Liquid, 이하 VIL)과 연직적분 액체수함량 밀도(VIL Density, 이하 VILD)도 구할 수 있다. 이 두 자료 모두 강수 유형 분류 과정에 적용된다.
이와 같은 3차원 반사도 합성 과정(S200)이 완료되면, 강수량 추정과정(S300)을 수행한다.
강수량 추정 과정(S300)은, 다양한 관측변수들을 이용하여 강수 유형을 분류하고, 분류된 강수 유형에 적합한 강수 추정식을 적용하여 강수량을 추정하는 과정이다. 또한, 강수량 추정 과정(S300)은 LGC 기법을 이용하여 추정된 강수량을 보정할 수 있다.
도 5의 (a)를 참조하면, 강수량 추정 과정(S300)은, 크게 강수 유형 분류 과정(S310), 강수량 추정 과정(S320) 및 강수량 보정 과정(S330)으로 구분될 수 있다.
우선, 도 5의 (b)를 참조하면, 강수 유형 분류 과정(S310)은, S100 및 S200 과정에서 각각 산출된 합성 CAPPI, VIL, VILD, VPR, HSR 등과 지상관측자료 및 기상수치모델의 자료를 이용하여 강수유형을 분류한다. 지상관측자료는 지면 온도, 지면 습구온도 등을 AWS(Automatic Weather Station)로부터 구하며, 낙뢰발생 관측자료도 사용할 수 있다. 그리고, 기상수치모델자료는 KLAPS(Korea Local Analysis and Prediction System)에서 고도별 온도자료를 취득하여 영하 10℃의 고도를 구하게 된다. 한편, 레이더자료 산출 기본 주기인 10분 단위로 수행되는 레이더자료 처리 프로세스와 입력 자료로 사용되는 KLAPS, AWS 등의 자료 생성 주기, 공간 해상도가 다르므로, 레이더 자료의 시간, 공간 해상도에 맞도록 자료를 가공하여 사용한다. 본 발명에서 분류 가능한 강수 유형은 눈(snow), 우박(hail), 열대형(warm), 층상형(stratiform), 대류형(convective)의 5가지이다.
즉, 반사도(Z)가 5dBZ 초과이면서 지면 온도가 2℃ 미만이거나 반사도(Z)가 10dBZ 초과인 경우가 아니면(S311, N), 비강수로 분류하고, 반사도(Z)가 5dBZ 초과이면서 지면 온도가 2℃ 미만이거나 반사도(Z)가 10dBZ 초과인 경우(S311, Y)이면, 다른 조건을 더 살펴본다.
그래서, 지면 습구 온도가 0℃ 미만이면서, 지면 온도가 2℃ 미만이면(S312, Y), 눈으로 분류하고, 아니면(S312, N) 다른 조건을 더 살펴본다.
그래서, 연직 수분 함량 밀도가 1g/m3 이상이면(S313, Y), 우박으로 분류하고, 아니면(S313, N) 다른 조건을 더 살펴본다.
그래서, 연직 반사도 프로파일이 열대형 강우와 일치하면(S314, Y) 열대형 강우로 분류하고, 아니면(S314, N) 다른 조건을 더 살펴본다.
그래서, 3차원 합성 반사도가 50dBZ 이상이거나, -10℃의 고도에서 반사도가 30dBZ 이상이거나, 5분 안에 낙뢰가 있으면(S315, Y) 대류형 강우로 분류하고, 아니면(S315, N) 층상형 강우로 분류한다.
이러한 과정을 통해 강수 유형 분류 과정(S310)이 완료되면, 강수량 추정 과정(S320)을 수행한다.
강수량 추정 과정(S320)은, 분류된 강수유형에 따라 강수량을 추정한다. 우선 HSR 자료로부터 픽셀별 반사도(Z)를 읽고 각 해당되는 Z-R 관계식에 대입하여 시간당 강수량 R(mm/hr)을 구하며, 누적 강수량은 시간에 대해 적분하여 추정할 수 있다. 각 강수유형별 적용되는 Z-R 관계식은 아래와 같으며, 강수량 추정에서 우박에 대한 Z-R 관계식은 제외한다.
대류형 강수(convective rain): Z=300R1 .4
층상형 강수(stratiform rain): Z=200R1 .6
열대형 강수(warm rain): Z=230R1 .25
지상에서의 눈(snow at the surface): Z=75R2 .0
이와 같이 강수 유형별로 적합한 Z-R 관계식을 적용해 강수량 추정이 완료되면, 추정된 강수량에 대한 강수량 보정 과정(S330)을 수행한다.
강수량 보정 과정(S330)은, 추정된 강수량을 지상 우량계(AWS)를 이용하여 보정하는 기법인 LGC(Local Gauge Correction)를 적용하여 수행한다. 여기서, LGC는 역거리가중법(inverse distance weight)을 개선한 방법으로 AWS에 관측된 강우와 레이더에 의해 산출된 강우의 오차에 가중치를 적용하게 되며, 가중치는 관측하는 레이더와 관측반경 안에 존재하는 AWS의 거리에 따라 추정된다.
예를 들어, LGC를 이용한 강수량 보정 과정은 다음과 같다.
임의의 지점에서 보정된 강수량 추정치를 rLGC, 강수량 추정치를 r, 예상 추정오차를 Re라고 하면 보정된 강수량 추정치는 아래와 같이 정의할 수 있다.
rLGC = r - Re = rLGC(b, D)
다음으로 rLGC와 관측강수 gi의 차이를 Ei로 정의하면 아래와 같이 Ei를 나타낼 수 있으며, Ei 역시 b와 D의 함수이다.
Ei = rLGC - gi = Ei(b, D)
오차에 대한 MSE(Mean Square Error)는 아래 식과 같으며, MSE 역시 b와 D의 함수이다. 이에 MSE가 최소가 되는 b와 D를 반복수행을 통하여 찾아 최종적인 강수량 추정치 rLGC를 사용하게 된다.
Figure 112013112081214-pat00008
이 과정에서 Re에 대하여 LGC가 적용되며, 이에 대한 식은 아래와 같다.
Figure 112013112081214-pat00009
Figure 112013112081214-pat00010
Figure 112013112081214-pat00011
Figure 112013112081214-pat00012
여기서 Re는 추정된 레이더 가중평균 오차, e는 AWS의 관측강수(gi)와 레이더로부터 추정된 강수(ri)의 오차, w는 오차의 가중치, i는 해당되는 AWS의 수, n은 레이더 관측반경 내에 존재하는 AWS의 수, a는 AWS와 레이더 픽셀의 거리, D는 레이더의 영향반경, b는 a의 가중치, α는 영향계수이다. α값이 1보다 크다면 강우보정을 위한 AWS의 수가 충분하는 것이며, α값이 1보다 작다면 강우보정을 위한 AWS의 수가 불충분하다는 의미이기 때문에 가중치에 영향계수 α를 곱하여 수정된 가중치를 적용하게 된다.
위의 과정이 끝나면 주변 예상 오차와 큰 차이를 보이는 우량계를 제외하는 우량계 품질관리 과정을 수행하게 된다. 전체 우량계 중 10 %의 우량계가 제외되면 과정이 멈추게 되며, 이때 산출되는 rLGC를 지상 우량계로 보정한 강수량 추정치의 자료로 사용한다. 또한 지상 우량계를 중심으로 반경 10 km 이내의 픽셀에 대해 구해진 예상 오차(Re)와 관측 강수(gi)의 오차(Ei)의 차이가 5mm 이하인 픽셀의 개수가 25 % 미만인 우량계에 대해 이상우량계로 지정하였다. 이상우량계를 제외한 나머지 자료를 바탕으로 앞에서 설명한 강수량 보정 과정을 다시 수행하게 된다. 이러한 4번을 반복수행한 후 최종적으로 강수량 보정 과정이 종료되며, 또한 이상우량계의 비율이 7%가 넘어도 강수량 보정 과정이 멈추게 된다. 이러한 과정을 통해 강수량 보정 과정이 수행된다.
그리고, 이미지 표출 과정(S400)은, 전 과정에서 처리된 레이더 자료를 이미지 파일로 변환하여 웹 페이지에 표출을 수행하는 과정이다.
즉, 이미지 표출 과정(S400)은, 전 과정에서 처리한 레이더 자료를 사용자에게 제공하기 위해서 이미지 파일로 변환하고, 변환된 이미지 파일을 웹 페이지에 표출하는 과정이다. 예를 들어, 각 레이더 사이트에서 생성된 반사도 자료, 품질관리 과정을 거친 레이더 자료, 각 레이더 사이트별 CAPPI, 합성 CAPPI, HSR, 강수유형 분류, 강수량 추정, LGC 적용 등의 각 과정별 산출 결과들은 웹 표출을 위한 PNG 파일로 변환되어 해당 웹 페이지에 표출되며, 저장된다. 다른 예를 들어, 6시간 누적 강수량, 12시간 누적 강수량, 강수량 추정 검증 결과도 표출할 수 있다.
이와 같이 본 발명에 따른 강수량 추정 방법은, 각 레이더 사이트에서 생성된 UF 파일을 입력자료로 시작하여 단일 레이더 자료 처리과정, 3차원 반사도 합성과정, 강수추정 과정, 이미지 표출 과정까지 자동으로 수행될 수 있도록 구성되되, 단일편파 레이더로부터 얻어지는 2차원 변수 정보에 볼륨 스캔(volume scan) 정보까지 포함한 3차원 합성(marging) 결과와, 다른 기상정보(AWS, Lightening, KLAPS)를 이용함으로써 더욱 정확한 강수 추정을 수행할 수 있다.
도 6은, 도 4에 도시된 밝은 띠 보정 과정을 설명하기 위한 도면으로, (a)는 연직 반사도 프로파일에서의 밝은 띠 개념도를, (b)는 밝은 띠 보정 과정의 상세 처리 과정을 나타낸 도면이고, 도 7은, 도 6에 도시된 밝은 띠 보정 과정의 상세 처리 과정을 설명하기 위한 도면이며, 도 8은, 해상도별 연직 반사도 프로파일을 구하는 과정을 설명하기 위한 도면이다.
도 6의 (a)를 참조하면, 연직 반사도 프로파일에서 BB PEAK를 중심으로 위, 아래부분에 각각 BB Top 및 BB Bottom을 갖는 밝은 띠(BB)를 검출할 수 있다.
도 6의 (b) 및 도 7을 참조하면, 밝은 띠 보정 과정(S130)은, BB PEAK 검출 과정(S131), BB Top 및 BB Bottom 검출 과정(S132) 및 BB 보정 과정(S133)으로 크게 구분될 수 있다.
우선, BB PEAK 검출 과정(S131)은, 연직 반사도 프로파일에서 가장 높은 반사도(Zp)를 찾아 BB PEAK를 검출할 수 있다.
그런 다음, BB Top 및 BB Bottom 검출 과정(S132)이 수행되며 BB Top 검출과 BB Bottom 검출과정으로 세분할 수 있다. 이러한 과정은, 변곡점을 찾을 수 있는 경우와, 그렇지 않은 경우로 구분될 수 있다.
먼저, BB Top 검출에 있어서, 변곡점을 찾을 수 있는 경우에 대해 설명하면(S1321, Y), 주어진 관측된 VPR을 Z(h) (h>hp)라고 할 때,
Figure 112013112081214-pat00013
이 되는 h를 h=ht이라고 정의한다. 기술적으로 설명하자면, hp를 먼저 찾은 뒤, 적당한 높이(2~3km) 위부터 아래로 스캔하며 내려오는데, 제일 위 관측값을 (h1, Z1), 그 바로 밑의 관측값을 (h2, Z2),
Figure 112013112081214-pat00014
,(hp, Zp)라고 하고, BB Peak는 제일 위 점부터 p번째에 위치한다고 가정한다. 이때, 두 점을 잇는 직선의 기울기는 차례대로
Figure 112013112081214-pat00015
,
Figure 112013112081214-pat00016
,
Figure 112013112081214-pat00017
,
Figure 112013112081214-pat00018
가 된다.
이렇게 주어진 기울기
Figure 112013112081214-pat00019
에 대해서, i=1부터 p-1까지 늘려가며 차례대로 대입하면서,
Figure 112013112081214-pat00020
과
Figure 112013112081214-pat00021
을 동시에 만족시키는
Figure 112013112081214-pat00022
를 찾아, (ht, Zt)=(hi, Zi)로 놓는다(S1322).
다음으로, BB Top 검출에 있어서, 변곡점을 찾을 수 없는 경우에 대해 설명하면(S1321, N), 다음 조건을 만족할 때, 변곡점을 찾을 수 없는 경우라고 판단할 수 있다.
1<i≤p (단, BB Peak가 위에서 p번째 점이라고 할 때)를 만족하는 모든 i에 대하여,
Figure 112013112081214-pat00023
를 만족한다. 이런 경우에는 p-1번째 점, 즉 BB Peak 바로 위의 점을 BB Top으로 정의한다(S1323).
그런 다음, BB Bottom 검출에 있어서, 변곡점을 찾을 수 있는 경우에 대해 설명하면(S1324, Y), 관측된 VPR을 Z(h) (h≤hp)라고 할 때,
Figure 112013112081214-pat00024
이 되는 h를 h=hb이라고 정의한다. 기술적으로 설명하면, hp를 먼저 찾은 뒤, 지면까지 아래로 스캔하며 내려오는데, 제일 위 관측값, 즉 (hp, Zp)를 (h1, Z1), 그 바로 밑의 관측값을 (h2, Z2),
Figure 112013112081214-pat00025
, (hi, Zi)라고 하자. 이때, 두 점을 잇는 직선의 기울기는 차례대로
Figure 112013112081214-pat00026
,
Figure 112013112081214-pat00027
,
Figure 112013112081214-pat00028
,
Figure 112013112081214-pat00029
가 된다.
이렇게 주어진
Figure 112013112081214-pat00030
에 대해서, i=1부터 n-1 (지면 또는 관측된 가장 낮은 고도가 n번째 관측값일 때)까지 늘려가며 차례대로 대입하면서,
Figure 112013112081214-pat00031
과
Figure 112013112081214-pat00032
를 동시에 만족시키는 i를 찾아, (hb, Zb)=(hi, Zi)로 놓는다(S1325).
한편, BB Bottom 검출에 있어서, 변곡점을 찾을 수 없는 경우에 대해 설명하면(S13324, N), 다음 조건을 만족할 때, 변곡점을 찾을 수 없는 경우라고 판단할 수 있다.
1<i≤n (단, BB Peak가 첫 번째 점, 관측된 가장 낮은 고도 지점이 BB Peak를 시작으로 n번째 점이라고 할 때)를 만족하는 모든 i에 대하여,
Figure 112013112081214-pat00033
를 만족한다. 이런 경우에는 2번째 점, 즉 BB Peak 바로 아래의 점을 BB Bottom으로 정의한다(S1326).
그런 다음, 지면에 맞닿아 있는지 여부를 판단한다(S1331). 즉, BB Top 및 BB Bottom이 모두 존재하면(S1331, Y), 보정된 밝은 띠의 반사도를 구한다(S1332, S1334).
한편, hp를 찾은 뒤, 아래로 내려가면서, 점점 반사도가 작아지되, 28dBZ 이하로 작아지지 않을 경우, 즉, 최소값이 28dBZ보다 클 경우, 지면에 붙었다고 판단한다(S1331, N). 또는, 지면과 0℃ 고도 차이가 크지 않고(≤1km) 국부적인 범위 내에서(h<1.5km), 지면 또는 관측된 가장 낮은 고도(hmin)에서의 반사도(Zmin)가 최대값을 가질 때, 지면과 맞닿았다고 판단한다. 또는, (Zb, hb)가 구해지지 않아도, 밝은 띠가 지면에 맞닿아 있다고 판단한다.
그리고, 보정된 밝은 띠의 반사도를 구한다(S1333, S1334)
한편, 밝은 띠 보정은 위도 경도 모두 0.01°인 픽셀을 밑면으로 하는 기둥에 대해 각각 이루어진다. 하지만, 이 경우, VPR을 구할 때, 임의의 고도에 대해 오직 한 개의 반사도 자료만 사용되므로, 반사도 자료가 가진 오차의 VPR에 대한 영향이 커지게 된다. 밝은 띠 보정 과정에서는, VPR의 기하학적 모양이 중요하므로, 이 오차를 줄이는 것이 매우 중요하다.
이를 위해, 본 실시예에서는, 도 8의 (a)에 도시된 바와 같이, VPR을 구할 때 해상도를 0.01°와 0.1° 중 하나를 선택하고, 임의의 고도에 대해 각각 1개 또는 25개의 반사도 평균자료를 사용하여 VPR을 구한다. 예를 들어, 각 고도별 반사도 자료를 구하기 위해서, 해상도가 0.01°인 경우에는 1개(하나의 격자)의 반사도 자료(R1)를 이용하고, 해상도가 0.1°인 경우에는 25개(25개 격자)의 반사도 평균 자료(R2)를 이용한다.
이러한 과정을 통해 구한 고도별 반사도를 연결한 선을 VPR이라고 하며, 도 8의 (b)에 도시된 실선과 같다.
도 8의 (b)를 참조하면, 실선의 VPR에서 녹는 고도 부근에서 반사도가 높게 관측되는 구간을 밝은 띠로 검출하고, 검출된 밝은 띠의 반사도를 보정하면 점선과 같다. 이때, 고도별 보정량(
Figure 112013112081214-pat00034
)을 구하는 것은 각각 0.01° 또는 0.1° 단위의 해상도를 바탕으로 진행되고, 이렇게 구한
Figure 112013112081214-pat00035
를 이용해
Figure 112013112081214-pat00036
를 구하는 것은 0.01° 단위의 해상도를 바탕으로 진행된다.
도 9는, 밝은 띠 보정 전과 후의 연직 반사도 프로파일을 나타낸 도면이다. 여기서, 밝은 띠가 비교적 넓게 형성된 2012년 2월 14일 사례를 선정하여 밝은 띠 제거를 0.01° 해상도에서 수행하고, 적용한 사례에 대해 밝은 띠가 검출된 지점 중 임의로 픽셀을 선택해 밝은 띠 보정 전후 VPR을 조사하였다.
도 9의 (a) 내지 (f)를 참조하면, 가로축은 반사도(dBZ), 세로축은 고도(m)를 각각 나타내며, 밝은 띠 보정 전(파란색)과 후(빨간색)의 수직 연직 프로파일을 비교해보면, 비교적 밝은 띠가 잘 제거됨을 확인할 수 있다.
도 10은, 고도별로 밝은 띠 보정 전과 후의 영상을 나타낸 도면으로, (a)는 500m 고도, (b)는 1000m고도, (c)는 1500m 고도, (d)는 2000m 고도에서의 영상을 각각 나타낸다. 여기서, 본 발명에 따른 밝은 띠 보정은 2012년 2월 14일 오전 8시 사례를 선정하여 수행되었다.
도 10의 (a), (b), (c) 및 (d)를 참조하면, 밝은 띠가 넓게 나타난 지역을 빨간색 원으로 표기하였고, 모두, 밝은 띠가 잘 제거되고 있음을 알 수 있다.
특히, 도 10의 (a) 및 (b)의 경우, 고도가 낮은 지역에서도 밝은 띠가 잘 제거되고 있음을 알 수 있다.
도 11은, 해상도별 밝은 띠 보정 전과 후의 하이브리드 스캔 반사도 영상을 나타낸 도면으로, (a), (b), (c) 및 (d)은 각각 2010년 3월 15일 03시 10분, 2010년 3월 23일 13시 30분, 2010년 10월 24일 00시 00분, 2012년 2월 14일 02시 30분 사례에 대해, 밝은 띠 보정 전, 0.1도 해상도로 밝은 띠를 제거한 보정 후 영상, 그리고 0.01도 해상도로 밝은 띠를 제거한 보정 후 영상을 각각 나타낸다. 여기서, 각 사례들은 밝은 띠가 나타난 사례이며, 밝은 띠가 강하게 나타난 지점에 지상 우량계가 한 개 이상 위치하고 있다.
각 사례별로 밝은 띠가 위치한 곳에 있는 AWS 지점과, 그 곳에서의 밝은 띠 보정 전 영상을 가지고 수행한 QPE 결과, 0.1도 해상도로 밝은 띠를 제거한 보정 후 영상을 가지고 수행한 QPE 결과, 0.01도 해상도로 밝은 띠를 제거한 보정 후 영상을 가지고 수행한 QPE 결과, 그리고 해당 지점의 AWS가 관측한 강수량은 다음 표1과 같다.
날짜 AWS ID AWS 이름 보정전 QPE
[mm/hr]		 0.1도 보정 후 QPE
[mm/hr]		 0.01도 보정 후 QPE
[mm/hr]		 AWS
[mm/hr]
2010/03/15 703 진안 1.89 1.89 1.89 2.0
758 동향 4.91 4.91 0.00 0.5
2010/03/23 717 임회 4.94 0.00 3.11 0.0
2010/10/24 812 고령 7.05 6.11 2.66 2.5
2012/02/14 717 임회 6.48 3.80 0.00 0.0
2010년 3월 15일 사례의 경우, AWS 두 지점이 밝은 띠와 중첩된다고 판단했다. 하지만, 진안 AWS가 위치한 지역의 경우에는 밝은 띠가 전혀 제거되지 않았고, 동향 AWS의 경우에는 0.01도 해상도로 보정했을 때만 밝은 띠가 제거되었다. 그런데 각 AWS가 측정한 강수량과 비교해 본 결과, 진안 AWS는 세 QPE 결과가 모두 AWS와 비슷했고, 동향 AWS는 0.01도 해상도 QPE 결과가 가장 비슷했다. 즉, 진안 AWS에 위치했던 밝은 띠는, 이미지상으로는 마치 밝은 띠처럼 보였으나, 실제로는 밝은 띠가 아니었으며, 본 과제에서 개발된 알고리즘에 의해, 제거되지 않아, 알고리즘이 제대로 작동하고 있음을 보여준다. 또한 동향 AWS의 경우에도 역시, 0.01도 해상도 QPE 결과가 가장 비슷해, 비록 △Z의 해상도에 따라 결과가 다르긴 하지만, 밝은 띠가 잘 제거되었음을 알 수 있다.
2010년 3월 23일 사례의 경우, 임회 AWS가 위치한 곳에 밝은 띠가 형성되었다고 판단해 살펴 보았다. 그 결과, AWS 강수량과 가장 비슷한 값을 보인 것은 0.1도 해상도 QPE 결과였다. 그 다음이 0.01도 해상도 QPE 결과였고, 보정 전 자료를 가지고 수행한 QPE 결과가 AWS와 가장 큰 차이를 보였다. 또, △Z를 구하는 해상도가 달라짐에 따라 차이가 있음을 확인할 수 있다.
2010년 10월 24일 사례와 2012년 2월 14일 사례는 둘 모두, 0.01도 해상도 QPE 결과가 가장 좋았고, 그 다음이 0.1도 해상도 QPE였으며, 밝은 띠를 보정하기 전 자료를 가지고 수행한 QPE 결과가 AWS 강수량과 가장 큰 차이를 보였다.
이상의 결과를 토대로 볼 때, 밝은 띠가 잘 제거되고 있으며, 밝은 띠를 제거한 후에 QPE를 수행한 결과가 AWS와 유사하다는 사실을 확인할 수 있다.
도 11의 (a) 내지 (d)를 참조하면, 왼쪽 패널의 붉은 색 원은 밝은 띠의 위치를 나타내고 있다. 해상도가 0.1도인 경우에는 원본 이미지에 비해, 구멍이 듬성듬성 생기는 등, 불연속적인 모습을 보이는 경향이 있음을 확인할 수 있다. 반면, 0.01도인 경우에는, 그러한 경향이 나타나지 않는다. 따라서, 0.1도보다 0.01도가 QPE 결과 및 이미지 연속성 측면에서 봤을 때, 더 나은 결과를 보인다고 판단될 수 있다.
도 12는, 도 4에 도시된 하이브리드 스캔 반사도 과정을 설명하기 위한 개념도이다.
도 12를 참조하면, 처음에는 가장 낮은 고도각(A)에서 반사도를 취하게 되며(하이브리드 빈; 111), 산이나 건물 등의 장애물을 만나게 되면 그 다음 거리부터는 그 다음 낮은 고도각(B)에서 반사도를 취하고(하이브리드 빈; 222), 또 장애물을 만나게 되면 그 다음 거리부터는 그 다음 낮은 고도각(C)에서 반사도를 취하게 된다(하이브리드 빈; 333). 최종적으로 4개의 가장 낮은 고도각에서 반사도 자료를 선택·취합하는 과정을 반복하여 SHSR을 만들게 된다. 이렇게 SHSR이 만들어지면, 서로 다른 레이더의 SHSR을 합성하는데, 이를 HSR 합성이라고 부른다.
HSR 합성을 위해 아래 수학식 3에 가중치를 적용하여 구할 수 있다.
Figure 112013112081214-pat00037
Figure 112013112081214-pat00038
여기서, w는 가중치, L과 H는 스케일 지수, d는 거리, h는 고도를 나타내며 본 발명에서는 L은 50 km, H= 2km로 적용하도록 한다.
이하에서는, 본 발명에 따른 강우 추정 시스템을 실제 강우사례에 적용하여 그 정확성을 검증하였다. 적용지역을 우리나라 전역을 대상으로 하였으며, 적용기간은 2012년 여름철 6월부터 8월까지의 강우발생 사례 중 5개 강우 사례를 표 2와 같이 선정하였다.
Event Period Type
1 2012.06.08. 06:00 2012.06.08. 19:00 Low pressure
2 2012.06.15. 05:00 2012.06.16. 04:00 Front
3 2012.07.14. 08:00 2012.07.15. 15:00 Front
4 2012.08.14. 17:00 2012.08.16. 23:00 Low pressure
5 2012.08.29. 15:00 2012.08.30. 23:00 Typhoon
본 발명에서는 레이더 자료 입력, 자료변환, 품질관리, HSR, 3D 반사도 합성, 강수유형분류, 강수산출, 최종적으로 강수보정단계까지 여름철 사례에 대하여 모두 수행하였으며, 이 중 대표적으로 2012년 7월 15일에 발생한 사례 3(Event 3)에 대하여 각 단계별 주요 결과에 대하여 도 13 및 도 15를 참조하여 살펴보도록 한다.
도 13은, 본 발명에 따른 강우 추정 시스템을 실제 강우 사례에 적용한 예시도이며, (a)는 사례 3(Event 3)의 전국 강수발생분포를, (b)는 1.5k m와 4.0 km 반사도 CAPPI 이미지와 HSR 이미지 결과를 각각 나타낸다.
본 발명의 강우 추정 시스템에서는, 기상레이더 반사도를 입력자료로 하여 품질관리를 거친 후 3D 반사도 합성 과정을 통하여 고도별 CAPPI를 작성하게 되며, 동시에 HSR 수행 과정을 거치면서 HSR에 대한 결과와 이미지를 산출하게 된다.
도 13의 (a)을 참조하면, 사례 3(Event 3)은 남해상에 위치한 장마전선으로 인하여 전국적으로 많은 강우가 발생하였고, 특히 부산지역에 누적 강수 최고 260 mm가 발생하였다.
그리고, 도 13의 (b)를 참조하면, 우선 1.5 km CAPPI와 HSR 이미지를 비교하면, 1.5 km CAPPI는 HSR 이미지의 빨간 원으로 표시된 부분을 나타내지 못하는 것을 알 수 있다. 즉, 빨간 원으로 표시된 부분은 지형 등의 영향으로 인하여 1.5 km CAPPI에서는 나타내지 못하고 있다.
한편, 이에 반해 4.0 km CAPPI에서는 지형 등의 영향을 거의 받지 않기 때문에 HSR 이미지의 빨간 원으로 표시된 부분을 대부분 나타내고 있다. 하지만 고도가 높아짐에 따라 HSR 이미지에서 파란점선 원으로 나타낸 부분에 대한 반사도가 상대적으로 약하게 나타나고 있다. 즉, 고도가 낮으면 반사도는 잘 나타내나 지형의 영향을 받고 고도가 높으면 지형의 영향은 감소하나 반사도를 제대로 반영하지 못하는 단점이 있음을 알 수 있다. 따라서, 본 발명에 따른 HSR 이미지에서는 이러한 단점들을 해결하여 레이더 반사도를 잘 나타내고 있음을 알 수 있다.
도 14는, 본 발명에 따른 강우 추정 시스템을 실제 강우 사례에 적용한 예시도이며, (a)는 사례 3(Event 3)에서 임의의 시간(13:00 KST)에 대한 강수유형 분류 결과를, (b)는, 사례 3(Event 3)에 대한 강수량 추정 결과를, (c)는 (b)의 추정된 강수량을 보정한 결과를 각각 나타낸다.
도 14의 (a)를 참조하면, 본 발명의 강우 추정 시스템은, HSR 자료, 3차원 반사도 합성 자료, VIL, VILD, 낙뢰자료, KLAPS 자료, AWS 자료를 이용하여 강수 유형 분류를 수행한다. 그 결과, 장마전선에 의해 집중호우가 발생한 중부지방과 남부지방에는 반사도가 50dBZ 이상은 아니나 낙뢰가 발생하여 대류형(convective) 강우(빨간 색으로 표시)가 발생하고 다른 지역에서는 층상형(stratiform) 강우(하늘색으로 표시)가 발생하였음을 알 수 있다.
그리고, 도 14의 (b)를 참조하면, 본 발명의 강우 추정 시스템은, 분류된 강수 유형에 따라 적합한 Z-R 관계식을 이용하여 강수량을 추정하고, 지상 강수관측소(AWS)를 이용하여 추정된 강수량을 보정 한다. 그 결과, 추정된 강수량은 도 12 (b)의 레이더 반사도 분포와 일치하게 나타나고 있다.
그리고, 도 14의 (c)를 참조하면, (b)의 추정된 강수량을 LGC를 이용하여 보정한 결과 전체적으로 강수량이 증가하였으며, 특히 강수발생이 가장 컸던 부산을 중심으로 강수량이 상대적으로 강하게 표출되고 있다. 따라서 (b)와 같이 약하게 추정되었던 강수량이 LGC를 이용한 보정을 통해 보정되었음을 알 수 있다.
또한, 본 발명에 따른 강우 추정 시스템의 정확성과 개선 정도를 평가하기 위하여 기존 기상청에서 운영 중인 RAR 산출 시스템의 결과와 비교하였다. 비교사례는 앞서 언급한 2012년 여름철 사례 중 대표 5개 사례를 선정하였으며, 결과는 표 3과 같다.
Event RAR 본 발명 Improvement (%)
RMSE RMSE RMSE Correlation
1 6.36 1.29 79.67 1.78
2 2.75 0.62 77.37 7.38
3 8.59 3.58 58.30 21.41
4 13.76 5.03 63.47 47.71
5 10.19 1.28 87.44 49.54
Average 8.33 2.36 73.25 25.56
표 3을 살펴보면, RAR 시스템의 평균 RMSE는 8.33(최소 2.75에서 최대 13.76)이나, 본 발명에 따른 강우 추정 시스템의 평균 RMSE는 2.36(최소 0.62에서 최대 5.03)으로, 본 발명에 따른 강우 추정 시스템의 결과가 정량적으로 많이 개선되었음을 알 수 있다.
사례별로 보면, 본 발명에 따른 강우 추정 시스템이, RMSE에서는 58.30 %부터 최대 87.44 %까지 평균 73.25 % 향상되었으며, 상관계수에서는 최소 1.78 %부터 최대 49.54 %까지 평균 25.56 % 향상됨을 보였다.
도 15는, 본 발명의 일 실시 형태에 따른 강우 추정 시스템을 실제 사례에 적용한 예시도이며, 사례 3(13:00 KST)에 대하여 (a)는 AWS, (b)는 RAR 시스템, (c)는 본 발명에 따른 강우 추정 시스템의 전국 강우 합성장을 각각 나타내고 있다.
도 15의 (a) 내지 (c)를 살펴보면, RAR 시스템의 강우 영상의 빨간 원 부분(남해상 부근)에서 AWS 관측 강우보다 다소 과대추정(overestimation)되어 나타나고 있다. 이에 반해 본 발명에 따른 강우 추정 시스템에서 추정된 강우는 상대적으로 AWS 관측 강우에 가깝게 나타나고 있음을 알 수 있다.
또한 제주도 부근의 강우 영상에서도 본 발명의 강우 추정 시스템에서는 RAR 시스템에서 나타내지 못하는 강우 에코까지 나타내고 있으며, RAR 시스템이 본 발명의 강우 추정 시스템보다 다소 크게 강우를 추정하고 있음을 알 수 있다.
따라서, 단일편파 레이더로부터 얻은 2차원 반사도 합성장을 이용하여 강수를 산출하는 RAR 시스템보다, HSR, 3차원 반사도 합성, 다양한 관측변수까지 고려한 강수 유형 분류와 강수 유형에 따른 여러 강우 추정식을 적용한 본 발명의 강우 추정 시스템이 정량적으로 향상된 결과를 나타낼 수 있으며, 더욱 정확한 강우 추정이 가능함을 확인할 수 있다.
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.
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.
1. 강수 추정 시스템 10. 레이더자료 처리모듈
20. 반사도 합성 모듈 30. 강수량 추정모듈
40. 이미지 표출모듈

Claims (15)

  1. 수집된 레이더자료에 대한 데이터포맷변환 및 품질관리를 수행하고, 품질관리된 레이더데이터에 대한 연직 반사도 프로파일을 생성한 후 밝은 띠 보정을 수행하고, 밝은 띠 보정이 수행된 레이더데이터로부터 하이브리드 스캔 반사도를 생성하는 레이더자료 처리모듈;
    밝은 띠 보정이 수행된 레이더데이터를 이용해 3차원 반사도 합성을 수행하여 3차원 합성 반사도, 연직 수분 총합(VIL) 및 연직 수분 함량 밀도(VILD)를 생성하는 반사도 합성모듈; 및
    생성된 하이브리드 스캔 반사도, 3차원 합성 반사도, VIL, VILD와, 지상관측자료, 낙뢰자료 및 기상수치모델자료를 이용해 강수 유형을 분류하고, 분류된 강수 유형별로 설정된 반사도-강우강도(Z-R) 관계식을 적용하여 강수량을 추정하는 강수량추정모듈;을 포함하는 강수 추정 시스템.
  2. 청구항 1에 있어서,
    상기 레이더자료 처리모듈은, 생성된 연직 반사도 프로파일에서 가장 높은 반사도를 나타내는 지점(Zp, hp)을 밝은 띠 피크(BB PEAK)로 검출하고, 검출한 BB PEAK를 기준으로 상측 또는 하측의 변곡점 존재 유무를 판단하여 밝은 띠 시작 지점(BB Top) 또는 밝은 띠 끝 지점(BB Bottom)을 각각 검출하는 것을 특징으로 하는 강수 추정 시스템.
  3. 청구항 2에 있어서,
    상기 레이더자료 처리모듈은, 검출한 BB PEAK를 기준으로 상측에 변곡점이 존재하면 변곡점을 BB Top으로 검출하고, 변곡점이 존재하지 않으면 BB PEAK 바로 윗 지점을 BB Top으로 검출하며, 검출한 BB PEAK를 기준으로 하측에 변곡점이 존재하면 변곡점을 BB Bottom으로 검출하고, 변곡점이 존재하지 않으면 BB PEAK 바로 아래 지점을 BB Bottom으로 검출하는 것을 특징으로 하는 강수 추정 시스템.
  4. 청구항 2에 있어서,
    상기 레이더자료 처리모듈은, 검출된 BB PEAK, BB Top 및 BB Bottom을 통해 밝은 띠를 검출하고, 검출된 밝은 띠의 고도별 반사도 보정량을 산출하고, 고도별 관측된 반사도에서 산출된 고도별 반사도 보정량을 감산하여 보정된 반사도를 산출하는 것을 특징으로 하는 강수 추정 시스템.
  5. 청구항 1에 있어서,
    상기 레이더자료 처리모듈은, 고도별로 해상도를 선택하여 연직 반사도 프로파일을 생성하는 것을 특징으로 하는 강수 추정 시스템.
  6. 청구항 1에 있어서,
    상기 강수량 추정모듈은, 생성된 하이브리드 스캔 반사도, 3차원 합성 반사도, VIL, VILD와, 지상관측자료, 낙뢰자료 및 기상수치모델자료를 이용해 강수 유형을 눈, 우박, 열대형 강우, 층상형 강우, 대류형 강우 및 비강우로 분류하는 것을 특징으로 하는 강수 추정 시스템.
  7. 청구항 1에 있어서,
    상기 강수량 추정모듈은, 추정된 강수량과 대응하는 지점별 지상우량계의 관측된 강수량의 오차를 보정하여 상기 추정된 강수량을 보정하는 것을 특징으로 하는 강수 추정 시스템.
  8. 청구항 7에 있어서,
    상기 강수량 추정모듈은, 추정된 강수량의 해당 레이더의 관측 반경 내에 존재하는 지상우량계의 거리에 따라 가중치를 산출하고, 산출된 가중치를 상기 오차에 적용하여 구한 값을 상기 추정된 강수량에서 감산하여 상기 추정된 강수량을 보정하는 것을 특징으로 하는 강수 추정 시스템.
  9. 청구항 1에 있어서,
    각 모듈에서 생성한 이미지 파일을 웹에 표출할 수 있도록 웹 페이지 형태로 변환하는 이미지 표출모듈;을 더 포함하는 것을 특징으로 하는 강수 추정 시스템.
  10. 수집된 레이더자료에 대한 데이터포맷변환 및 품질관리를 수행하는 단계;
    품질관리된 레이더데이터에 대한 연직 반사도 프로파일을 생성하는 단계;
    생성된 연직 반사도 프로파일에 대한 밝은 띠 보정을 수행하는 단계;
    밝은 띠 보정이 수행된 레이더데이터로부터 하이브리드 스캔 반사도를 생성하는 단계;
    밝은 띠 보정이 수행된 레이더데이터를 이용해 3차원 반사도 합성을 수행하여 3차원 합성 반사도, 연직 수분 총합(VIL) 및 연직 수분 함량 밀도(VILD)를 생성하는 단계;
    생성된 하이브리드 스캔 반사도, 3차원 합성 반사도, VIL, VILD와, 지상관측자료, 낙뢰자료 및 기상수치모델자료를 이용해 강수 유형을 분류하는 단계;
    분류된 강수 유형별로 설정된 반사도-강우강도(Z-R) 관계식을 적용하여 강수량을 추정하는 단계; 및
    추정된 강수량과 대응하는 지점별 지상우량계의 관측된 강수량의 오차를 보정하여 상기 추정된 강수량을 보정하는 단계;를 포함하는 강수 추정 방법.
  11. 청구항 10에 있어서,
    상기 생성된 연직 반사도 프로파일에 대한 밝은 띠 보정을 수행하는 단계는,
    생성된 연직 반사도 프로파일에서 가장 높은 반사도를 나타내는 지점(Zp, hp)을 밝은 띠 피크(BB PEAK)로 검출하는 단계;
    검출한 BB PEAK를 기준으로 상측에 변곡점이 존재하면 변곡점을 BB Top으로 검출하고, 변곡점이 존재하지 않으면 BB PEAK 바로 윗 지점을 BB Top으로 검출하는 단계;
    검출한 BB PEAK를 기준으로 하측에 변곡점이 존재하면 변곡점을 BB Bottom으로 검출하고, 변곡점이 존재하지 않으면 BB PEAK 바로 아래 지점을 BB Bottom으로 검출하는 단계;
    검출한 BB PEAK, BB Top 및 BB Bottom을 이용해 밝은띠를 검출하는 단계; 및
    검출된 밝은 띠의 고도별 반사도 보정량을 산출하고, 고도별 관측된 반사도에서 산출된 고도별 반사도 보정량을 감산하여 보정된 반사도를 산출하여 상기 밝은 띠를 보정하는 단계;로 이루어지는 것을 특징으로 하는 강수 추정 방법.
  12. 청구항 11에 있어서,
    상기 품질관리된 레이더데이터에 대한 연직 반사도 프로파일을 생성하는 단계는, 해상도별로 연직 반사도 프로파일을 생성하는 단계인 것을 특징으로 하는 강수 추정 방법.
  13. 청구항 10에 있어서,
    상기 강수 유형을 분류하는 단계는, 생성된 하이브리드 스캔 반사도, 3차원 합성 반사도, VIL, VILD와, 지상관측자료, 낙뢰자료 및 기상수치모델자료를 이용해 강수 유형을 눈, 우박, 열대형 강우, 층상형 강우, 대류형 강우 및 비강우로 분류하는 것을 특징으로 하는 강수 추정 방법.
  14. 청구항 10에 있어서,
    상기 추정된 강수량을 보정하는 단계는, 추정된 강수량의 해당 레이더의 관측 반경 내에 존재하는 지상우량계의 거리에 따라 가중치를 산출하고, 산출된 가중치를 상기 오차에 적용하여 구한 값을 상기 추정된 강수량에서 감산하여 상기 추정된 강수량을 보정하는 단계인 것을 특징으로 하는 강수 추정 방법.
  15. 청구항 10에 있어서,
    각 단계에서 생성되는 이미지 파일을 웹 페이지 형태로 변환하여 웹에 표출하는 단계;를 더 포함하는 것을 특징으로 하는 강수 추정 방법.
KR20130151700A 2013-12-06 2013-12-06 강수 추정 시스템 및 그 방법 KR101483617B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20130151700A KR101483617B1 (ko) 2013-12-06 2013-12-06 강수 추정 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20130151700A KR101483617B1 (ko) 2013-12-06 2013-12-06 강수 추정 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101483617B1 true KR101483617B1 (ko) 2015-01-16

Family

ID=52590728

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130151700A KR101483617B1 (ko) 2013-12-06 2013-12-06 강수 추정 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101483617B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101791007B1 (ko) 2015-12-18 2017-10-30 부경대학교 산학협력단 고해상도 강수량자료 복원시스템 및 그 방법
KR20180041509A (ko) * 2016-10-14 2018-04-24 대한민국(기상청장) 연직강우 레이더의 검보정 장치 및 방법
EP3330738A1 (en) * 2016-11-30 2018-06-06 Honeywell International Inc. Enhanced weather radar mapping
KR101871315B1 (ko) * 2018-04-13 2018-06-29 대한민국 기상 레이더 기반의 강우강도 추정 장치 및 방법, 이를 수행하기 위한 기록 매체
CN111624606A (zh) * 2020-05-27 2020-09-04 哈尔滨工程大学 一种雷达图像降雨识别方法
KR20200135125A (ko) * 2019-05-24 2020-12-02 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 강한 대류기상을 예측하기 위한 방법 및 장치
CN113311416A (zh) * 2021-05-10 2021-08-27 中国科学院地理科学与资源研究所 山地小流域雷达定量降水估计技术
KR102315739B1 (ko) 2021-06-15 2021-10-21 대한민국 이중편파변수 기반 밝은띠 탐지 결과를 이용한 반사도 보정 방법, 이를 수행하기 위한 기록 매체 및 장치
KR102492480B1 (ko) * 2022-06-10 2023-02-06 대한민국 레이더기반 우박 생성 위험 지역 탐지 방법, 이를 수행하기 위한 기록 매체 및 장치
KR102544890B1 (ko) 2022-11-18 2023-06-16 경북대학교 산학협력단 퍼지 논리 기반의 마이크로 강수레이더 간섭선 제거 방법, 이를 수행하기 위한 장치 및 기록 매체

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100931950B1 (ko) 2009-04-10 2009-12-15 부경대학교 산학협력단 기상레이더의 강수 유형 구분 방법
KR100963532B1 (ko) 2009-11-10 2010-06-15 부경대학교 산학협력단 기상레이더의 강수량 추정 방법
KR101255966B1 (ko) 2012-03-21 2013-04-23 대한민국(기상청장) 기상레이더 3차원 반사도 자료를 이용한 밝은 띠 영역의 탐색 방법 및 그 시스템
KR101423278B1 (ko) 2013-09-09 2014-07-25 대한민국 로컬 게이지 보정을 이용한 강수량 산출 시스템 및 그 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100931950B1 (ko) 2009-04-10 2009-12-15 부경대학교 산학협력단 기상레이더의 강수 유형 구분 방법
KR100963532B1 (ko) 2009-11-10 2010-06-15 부경대학교 산학협력단 기상레이더의 강수량 추정 방법
KR101255966B1 (ko) 2012-03-21 2013-04-23 대한민국(기상청장) 기상레이더 3차원 반사도 자료를 이용한 밝은 띠 영역의 탐색 방법 및 그 시스템
KR101423278B1 (ko) 2013-09-09 2014-07-25 대한민국 로컬 게이지 보정을 이용한 강수량 산출 시스템 및 그 방법

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101791007B1 (ko) 2015-12-18 2017-10-30 부경대학교 산학협력단 고해상도 강수량자료 복원시스템 및 그 방법
KR20180041509A (ko) * 2016-10-14 2018-04-24 대한민국(기상청장) 연직강우 레이더의 검보정 장치 및 방법
KR101880556B1 (ko) 2016-10-14 2018-07-27 대한민국 연직강우 레이더의 검보정 장치 및 방법
EP3330738A1 (en) * 2016-11-30 2018-06-06 Honeywell International Inc. Enhanced weather radar mapping
US10365365B2 (en) 2016-11-30 2019-07-30 Honeywell International Inc. Enhanced weather radar mapping
KR101871315B1 (ko) * 2018-04-13 2018-06-29 대한민국 기상 레이더 기반의 강우강도 추정 장치 및 방법, 이를 수행하기 위한 기록 매체
KR20200135125A (ko) * 2019-05-24 2020-12-02 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 강한 대류기상을 예측하기 위한 방법 및 장치
US11555921B2 (en) 2019-05-24 2023-01-17 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for predicting severe convection weather
KR102337776B1 (ko) 2019-05-24 2021-12-09 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 강한 대류기상을 예측하기 위한 방법 및 장치
CN111624606B (zh) * 2020-05-27 2022-06-21 哈尔滨工程大学 一种雷达图像降雨识别方法
CN111624606A (zh) * 2020-05-27 2020-09-04 哈尔滨工程大学 一种雷达图像降雨识别方法
CN113311416A (zh) * 2021-05-10 2021-08-27 中国科学院地理科学与资源研究所 山地小流域雷达定量降水估计技术
CN113311416B (zh) * 2021-05-10 2024-05-28 中国科学院地理科学与资源研究所 山地小流域雷达定量降水估计方法
WO2022265200A1 (ko) 2021-06-15 2022-12-22 대한민국(기상청장) 이중편파변수 기반 밝은띠 탐지 결과를 이용한 반사도 보정 방법, 이를 수행하기 위한 기록 매체 및 장치
KR102315739B1 (ko) 2021-06-15 2021-10-21 대한민국 이중편파변수 기반 밝은띠 탐지 결과를 이용한 반사도 보정 방법, 이를 수행하기 위한 기록 매체 및 장치
KR102492480B1 (ko) * 2022-06-10 2023-02-06 대한민국 레이더기반 우박 생성 위험 지역 탐지 방법, 이를 수행하기 위한 기록 매체 및 장치
KR102544890B1 (ko) 2022-11-18 2023-06-16 경북대학교 산학협력단 퍼지 논리 기반의 마이크로 강수레이더 간섭선 제거 방법, 이를 수행하기 위한 장치 및 기록 매체

Similar Documents

Publication Publication Date Title
KR101483617B1 (ko) 강수 추정 시스템 및 그 방법
CN111078678B (zh) 一种基于多源信息融合与降尺度的卫星降水数据校正方法
CN102194127B (zh) 一种多频率sar数据农作物遥感分类方法
CN109492563A (zh) 一种基于无人机高光谱影像和LiDAR点云的树种分类方法
US20160097679A1 (en) Method for estimating land surface termperature lapse rate using infrared image
CN102338869B (zh) 下行短波辐射和光合有效辐射数据的反演方法及系统
CN108169161A (zh) 一种基于改进型modis指数的玉米种植区域土壤湿度评估方法
CN103994976A (zh) 基于modis数据的农业旱情遥感监测方法
Ni et al. Features of point clouds synthesized from multi-view ALOS/PRISM data and comparisons with LiDAR data in forested areas
CN110376138A (zh) 基于航空高光谱的土地质量监测方法
CN108303044A (zh) 一种叶面积指数获取方法及系统
Lazri et al. Rainfall estimation over a Mediterranean region using a method based on various spectral parameters of SEVIRI-MSG
CN109522516A (zh) 基于随机森林回归算法的土壤湿度检测方法、装置及电子设备
Lin et al. Rain identification in ASCAT winds using singularity analysis
CN114819737B (zh) 公路路域植被的碳储量估算方法、系统及存储介质
CN109446485B (zh) 一种基于多源数据融合的季节性湖泊湖底地形生成方法
KR101423278B1 (ko) 로컬 게이지 보정을 이용한 강수량 산출 시스템 및 그 방법
Lazri et al. Convective rainfall estimation from MSG/SEVIRI data based on different development phase duration of convective systems (growth phase and decay phase)
CN116664947A (zh) 一种基于卫星观测数据的蓝藻水华监测方法及系统
Lazri et al. A satellite rainfall retrieval technique over northern Algeria based on the probability of rainfall intensities classification from MSG-SEVIRI
Eastwood et al. Algorithm theoretical basis document for the OSI SAF global reprocessed sea ice concentration product
Dachauer et al. Aerodynamic roughness length of crevassed tidewater glaciers from UAV mapping
Bližňák et al. The exploitation of Meteosat Second Generation data for convective storms over the Czech Republic
Gregow et al. Improving the precipitation accumulation analysis using lightning measurements and different integration periods
Scott et al. A preliminary evaluation of the impact of assimilating AVHRR data on sea ice concentration analyses

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant