KR101538368B1

KR101538368B1 - 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법

Info

Publication number: KR101538368B1
Application number: KR1020130143456A
Authority: KR
Inventors: 임상훈
Original assignee: 한국건설기술연구원
Priority date: 2013-11-25
Filing date: 2013-11-25
Publication date: 2015-07-22
Also published as: KR20150059864A

Abstract

상관계수(교차상관계수; ρ_hv), 측정된 차등전파위상(Ψ_dp(r)) 혹은 차등전파위상(φ_dp)의 특성 및 신호대잡음비(SNR)를 입력 변수(입력 feature 백터, 즉, 퍼지 로직 기법을 위한 레이더 관측 백터)로 이용하여 대기 수상체의 종류를 구분할 수 있도록 하는 방법으로, 레이더 전자기파 송수신 자료를 통해 초기 입력 자료(변수)로서 신호대잡음비 (SNR), 상관계수(ρ_hv), 측정된 차등전파위상(Ψ_dp(r))을 얻는 단계, 녹는 층을 구분하는 단계, 녹는 층을 구분한 후 녹는 층 고도 및 분포특성(녹는 층 깊이 혹은 두께: melting depth)를 산출하고, σ(Ψ_dp)-SNR 관계와 10^ρ ^hv-SNR 관계의 2차원 퍼지함수를 정하고 이를 이용하여 2개의 퍼지값(퍼지함수값)을 산출하는 퍼지화(fuzzyfication) 단계, 고도(Height)의 퍼지값과 앞서의 2개의 2차원 퍼지값(σ(Ψ_dp)-SNR, 10^ρ ^hv-SNR 관계에 따른 퍼지함수값)을 이용하여 각 대상별로 추론 값을 얻는 단계(inference), 각 대상별 추론 값 가운데 최대 추론값 (Max(RS))을 선택하여 품질관리 및 대기 수상체 구분을 하는 대상 확정 단계를 구비하여 이루어지는 X밴드 이중-편파 레이더를 이용한 강수체 구분 방법이 개시된다.

Description

엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법{method of hydrometeor classification using raw data of X band dual polarization radar}

본 발명은 기상 정보 획득 방법에 관한 것으로, 보다 상세하게는 대상 지역에 대한 강수 관련 기상 정보, 특히 강수체(대기수상체: hydrometeor) 구분 방법에 관한 것이다.

기상현상은 생활과 밀접하게 관련되고, 기상현상을 정확히 예측하는 것은 매우 중요한 문제가 된다. 기상현상의 예측능력을 향상시키기 위해 여러 변수를 반영하는 수치예보시스템이 요구되고 있으며, 이런 수치예보를 위한 여러 가지 기법들이 다양하게 개발되고 있다.

수치예보를 위한 기본적인 정보를 얻는 정보원(source)으로 가장 중요한 것이 레이더 자료이며, 레이더 자료를 이용한 강수량 추정, 바람장 추정, 초단시간 강수량 예측 등의 연구 결과는 기상 예보자들이 실시간으로 레이더 자료와 컴퓨터를 이용하여 예보 정확도를 향상시키는 데 도움을 주고 있다.

최근 기상 예측 시스템으로 많은 주목을 받고 있는 이중편파 레이더는 기존의 단일편파 레이더에 비해 관측특성상 강수량 측정 정확도 향상, 강수체 분류, 자료 품질 관리에 많은 장점을 가진다. 따라서, 이런 장점을 활용하기 위해 이와 관련된 많은 연구 개발이 행해지고 있다.

이중편파 레이더는 전형적으로 수평 편향된 전자기파와 수직 편향된 전자기파를 송신하고, 후방 산란 신호를 수신하며, 이 신호를 분석하여 기상 현상과 관련된 많은 정보를 얻게 된다.

강수 입자는 정확한 구형이 아니므로 수평과 수직의 후방산란 연직단면은 같지 않다. 강수를 통과해 전파되는 전자기파는 산란, 차등감쇠(differential attenuation), 차등위상편이(differential phase shift), 비편파(depolarization)를 유발한다. 이런 신호는 전자기파 진행 중에 지속적으로 변화하여 강수입자의 크기, 형태, 방향, 열역학적 위상을 추정하기 위한 정보를 가진다.

따라서, 레이더 관측을 통해 강수 산정의 정확성 향상, 강수체 분류, 기상 에코(meteolorogical echo)와 비기상 에코(non meteolorogical echo) 구분에 따른 품질 관리가 가능하다. 특히, 편파레이더의 경우 도플러레이더에서 관측되는 반사도(Z_h _,v), 도플러속도, 스펙트럼 폭 뿐만 아니라 차등반사도(Z_dr), 선형비편파율(LDR), 차등전파위상(φ_dp), 교차상관계수(ρ_hv) 등을 관측할 수 있고 물체(대상물은 대개 강수체:대기수상체임)의 종류(특성), 구름물리 연구가 가능하다.

대상물 분류는 대기 수상체 타입을 비교할수록 더 정확해지며, 다른 대기 수상체 타입을 묘사하는 편파 관측 변수는 뚜렷이 정의되거나 겹쳐지지 않아도 관측 변수 값들은 확실히 다르다. 여러 대기 수상체를 함께 고려하면 대기 수상체의 구분이 명확하지 않게 되고 로직(logic)은 부정확하기 쉽다. 때문에 퍼지로직 방법이 대기수상체를 구분하기 위해 사용되었다.(Mandel, 1995)

대기수상체 분류(particle identification: PID) 알고리즘은 비베카난단(Vivekanandan) 등에 의해 1999년 개발되었으며, X밴드 이중편파레이더에서의 대기수상체 분류(PID) 알고리즘 연구도 근래에 많이 연구되고 있다. "2009년 이중편파레이터 집중관측: 대기수상체분류(2009년 한국기상학회 가을 학술대회 논문집, 국립기상연구소 석미경, 남경엽, 조천호)"에는 수평반사도(Z_h), 차등반사도(Z_dr), 비차등위상(K_dp), 교차상관계수(ρ_hv), 온도(T), 차등반사도 표준편차, 차등위상 표준편차의 7개 입력변수를 통해 강수 유형을 17개로 구분하는 연구가 개시된다.

여기서는, 대기 수상체를 분류하기 위해서는 위에 언급하듯이 퍼지 로직(fuzzy logic)이 이용된다. 퍼지 로직을 이용한 PID 알고리즘에 따르면, 먼저 각각의 이중편파(레이더) 변수에 대해 강수 입자 혹은 대기 수상체에 따른 각각의 멤버쉽 함수와 그 값을 구한다(fuzzification). 대개 이 멤버쉽 함수가 바로 퍼지 함수가 되며, 퍼지 함수는 경험이나 통계자료를 통해 얻어지고, 대기 수상체 구분에서는 주로 1차원 사다리꼴 함수(trapezoidal function) 혹은 1차원 베타 함수(Beta function)를 사용하게 된다. 또한 함수값은 0에서 1 사이의 값을 갖는다.

그리고, 추론 단계에서 각 이중편파 변수(변수의 임계값)와 강수 유형에 따라 멤버쉽 함수가 존재하며, 강수 유형마다의 가중된 합(Q:weighted sum for each particle classification)은 그 강수 유형의 변수별 함수값(관심도:P: interest value)과 변수별 가중치(W:weight)를 곱한 것을 모든 변수에 대하여 합하여 결정될 수 있다.

가중된 합의 최대값(Max(Q))을 찾고 이 최대값이 해당 입자의 강수 형태로 결정된다(defuzzyfication).

멤버쉽 함수(함수값)들은 각 에코의 입력변수가 속하는 특별한 변수의 값에 대한 조건부확률(conditional probability)의 경험적인 값으로 정의될 수 있다. 가령, 레이더에서 관측된 수평 반사도(Z_h), 차등반사도(Z_dr), 선형비편파율(LDR)을 입력 변수로 하고 강우와 우박을 분류하는 예에서, 조건부 강수 분류를 위한 멤버쉽 함수값 P는 강수체 종류와 각 입력 변수에 따라 6개에 대해 0에서 1 사이의 값으로 정해질 수 있다.

다음 단계에서 관측 값에 따라 앞서 정해진 멤버쉽 함수값에 가중치(weight)를 정한다. 가령, 수평 반사도와 차등반사도의 가중치는 단위 수 1이고, 선형비편파율의 가중치는 0.8로 할 수 있다.

그리고, 강우와 우박의 분류를 위한 가중된 합(aggregation value: Q)는 강우에 대한 3개의 별수별 멤버쉽 함수값에 각각의 가중치를 곱한 값을 3개의 변수에 대해 모두 더한다. 따라서, 이런 규칙, 추론 과정을 통해 강우와 우박이라는 강수체에 대해 각각의 가중된 합을 얻을 수 있다.

강우에 대한 가중된 합이 1.7이고, 우박에 대한 가중된 합이 0.5라면 가장 큰 값은 1.7이므로 이 영역에 대한 대기 수상체는 강우로 정하는 디퍼지화(defuzzification)가 이루어진다.

이중편파 변수에 적용되는 함수인 멤버쉽 함수는 변수의 임계값에 따라 달라지는 데, 이 멤버쉽 함수의 임계값을 결정하는 것이 대기 수상체 분류 연구의 중요한 부분이 된다.

그리고, 변수들과 멤버쉽 함수를 구체적으로 결정하고 이들을 결합시켜 특정함수값을 산출하는 퍼지화(fuzzification)하는 퍼지 로직에 대해서는 "편파 레이더 관측에 근거한 대기수상체 분류 : 퍼지 로직 및 뉴로 퍼지 시스템의 개발과 그에 따른 검증 (Classification of Hydrometeors Based on Polarimetric Radar Measurements : Development of Fuzzy Logic and Neuro-Fuzzy System, and In Situ Verification; JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY Volume 17, Hongping Liu and V. Chandrasekar, final form 27 April 1999)"에 개시된 바 있다.

이 논문에는 또한, 아래 수학식 1과 같은 일차원 베타 멤버쉽 함수를 이용하여 이들의 곱의 형태로 형성하는 이차원 베타 멤버쉽 함수(2D-MBF)를 개시하고 있다.

가령, 수평편파 반사도 Z_h에 대한 강우용 일차원 멤버쉽 함수를 f_rain _- _zh라 하면 다음의 수학식 2와 같이 표현될 수 있고,

Z_h와 Z_dr이 강우에 대한 서로 독립된 변수로 다루어질 때 Z_h- Z_dr의 2차원의 평면에서 이차원 멤버쉽 함수는 수학식 3과 같이 나타내어 질 수 있으며, 이는 도7과 같은 그래프를 통해 나타내어 질 수 있다.

한편, 이중편파 변수 혹은 매개변수가 되는 차등전파위상(φ_dp), 교차상관계수(ρ_hv)는 다음과 같은 일련의 식을 이용하여 얻어질 수 있다.

먼저, 미시물리적 강우체 특성(Microphysical properties of the rain medium)은 강우입자 크기 분포(drop size distribution :DSD)에 의해 기술될 수 있다.

넓은 영역에서 변화하는 강우 강도(rainfall rates)에서 DSD의 형태를 연구하기 위해 DSD의 자연적 변화는 다음 수학식과 같은 표준화(정규화)된 감마함수에 의해 표현될 수 있다.

이때, D₀는 등체적 구면 지름(equivolumetric median volume diameter: 단위 mm), μ는 형태 매개변수(shape parameter), N_W는 같은 함수량(water content)과 D⁰를 가지는 지수분포의 정규화된 매개변수(normalized intercept parameter of the exponential distribution)를 의미한다.

강수체 내에서의 레이더 관측은 DSD의 측면에서 표현될 수 있으며, 수평 및 수직 편파에서의 반사도 Z_h _,v는 다음 식으로 정의될 수 있다.

이때, λ는 레이더의 파장이고, σ_h,v는 수평 혹은 수직 편파에서의 레이더 반사단면적(cross section), Kw는 물의 유전상수 인자(dielectric factor of water)로 ε_r이 물의 복소 유전상수일 때 K w=(ε_r-1)/(ε_r+2)로 정의된다.

차등반사도(Z_dr)는 수평 및 수직 편파에서의 반사도 인자의 비(ratio of reflectivity factors)로서 다음 식과 같이 정의된다.

그리고, 비위상차등(K_에,단위 deg/km)은 다음과 같은 식에 의해 정의될 수 있다.

이때, R은 복소수의 실수부분을 의미하며, f_h와 f_v는 수평과 수직 편파에서의 전방산란 크기이다.

이중 편파 강우 레이더의 실 측정치는 수평반사도(Z_h _:mm⁶/m³), 차등반사도(Z_dr:dB), 비차등위상(K_에:deg/km)이다.

대상 위치 r1과 r2 사이의 차등전파위상(φ_dp)은 다음 식에서 비차등위상을 이용하여 정의된다.

교차상관계수(ρ_hv)는 수평 및 수직 편파에서의 신호 사이의 상관관계를 나타내며, 다음 식들을 통해 정의된다.

이때, S_hh와 S_vv는 후방산란 매트릭스(backscattering matrix; Zrnic, 1991)에서 수평으로 송신하였을 때 수평으로 수신하는 전기장과 수직으로 송신하였을 때 수직으로 수신하는 전기장 사이의 관계변수를 의미하며, 아스테리스크 기호는 공액복소수(complex conjugate)로 위상에서 90°의 차이가 있음을 의미하고, 브라켓 기호는 기대값(expectation element)을 의미한다. 이 변수들의 크기는 레이더 전파 주파수와 대기 수상 입자 크기, 형태, 구성(상태)에 의해 결정된다.

차등전파위상은 수평 및 수직 전파 위상(propagation phase) 사이의 차이로 수상체의 전방산란특성에 비례한다. 빗방울과 같이 수평 편향 수상체에서는 수평 전파 위상 편이가 수직 전파 위상 편이보다 크다. 또한, 비기상적 에코에서는 수평과 수직 편파의 신호 사이의 빈약한 상관관계로 차등전파위상의 변동은 강수에 있어서의 변동보다 분명히 크게 된다.

교차상관계수는 개별 수상체의 수평 대비 수직 비율의 변화에 영향을 받는다. 교차상관계수의 값은 비나 초기 빙정에 대해서는 1에 근접하게 된다. 녹는 눈이나 혼합 상태인 경우, 교차상관계수는 1보다 작다. 교차상관계수의 낮은 값은 우박(hail)이나 혼합 상태의 강우나 지형 클러터(clutter) 및 비기상적 산란에 의한 오염을 검출하는 데 사용될 수 있다.

이중편파 레이더는 사용하는 전자기파에 따라 S밴드, C밴드, X밴드 등으로 나눌 수 있는데, X밴드 레이더의 경우 강수에 의한 감쇠 현상이 심해 감쇠에 대한 정확한 감쇄보정이 이루어져야 편파 레이더 자료로 이용할 수 있었다.

대한민국 등록특허 제10-1221773호: 이중편파 레이더를 이용한 기상 및 비기상 에코 분류 방법. 대한민국 등록특허 제10-0931950호: 기상레이더의 강수 유형 구분 방법. 대한민국 등록특허 제10-1131194호: 선박용 X밴드 레이더 네트워크를 이용한 국지강수 레이더 시스템.

레이더 활용기술 연구(Ⅰ): 2007, 국립기상연구소 지구환경시스템연구팀 장기호 et. al. X밴드 이중-편파 레이더에 있어서의 강우량 산정: 한국도시방재학회지 2003년 9월 제3권 제3호 한국건설기술연구원 윤강훈. 2009년 이중편파레이터 집중관측: 대기수상체분류 ; 한국기상학회 가을 학술대회 논문집, 국립기상연구소 석미경, 남경엽, 조천호 편파 레이더 관측에 근거한 대기수상체 분류 : 퍼지 로직 및 뉴로 퍼지 시스템의 개발과 그에 따른 검증 (Classification of Hydrometeors Based on Polarimetric Radar Measurements : Development of Fuzzy Logic and Neuro-Fuzzy System, and In Situ Verification ; JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY Volume 17, Hongping Liu and V. Chandrasekar, final form 27 April 1999.)

본 발명은 감쇄가 큰 X밴드 이중-편파 레이더를 포함하는 통합적 강우 정보 처리 시스템을 이용하여 기상 관측을 함에 있어서 X밴드 이중-편파 레이더의 원시관측자료를 감쇄 보정 없이 사용하여 대기 수상체를 구분하는 방법을 제공하는 것을 목적으로 한다.

본 발명은 X밴드 이중-편파 레이더를 이용하여 대기 수상체 (강수체)를 구분하고 이를 기반으로 궁극적으로는 강수량 등 필요한 기상 정보를 제공할 수 있도록 하는 것을 목적으로 한다.

상기 목적을 달성하기 위한 본 발명의 X밴드 이중-편파 레이더 강수체 구분 방법은, X밴드에서와 같은 고주파수 영역에서 특히 잘 동작하는 것으로, 상관계수(교차상관계수; ρ_hv), 측정된 차등전파위상(Ψ_dp(r)) 혹은 차등전파위상(φ_dp)의 특성 및 신호대잡음비(SNR)를 입력 변수(입력 feature 백터, 즉, 퍼지 로직 기법을 위한 레이더 관측 백터)로 이용하여 대기 수상체의 종류를 구분할 수 있도록 하는 방법으로,

레이더 전자기파 송수신 자료를 통해 초기 입력 자료(변수)로서 신호대잡음비 (SNR), 상관계수(ρ_hv), 측정된 차등전파위상(Ψ_dp(r))을 얻는 단계, 녹는 층을 구분하는 단계, 녹는 층을 구분한 후 녹는 층 고도 및 분포특성(녹는 층 깊이 혹은 두께: melting depth)를 산출하고, σ(Ψ_dp)-SNR 관계와 10^ρ ^hv-SNR 관계의 2차원 퍼지함수를 정하고 이를 이용하여 2개의 퍼지값(퍼지함수값)을 산출하는 퍼지화(fuzzyfication) 단계, 고도(Height)의 퍼지값과 앞서의 2개의 2차원 퍼지값(σ(Ψ_dp)-SNR, 10^ρhv-SNR 관계에 따른 퍼지함수값)을 이용하여 각 대상별로 추론 값을 얻는 단계(inference), 각 대상별 추론 값 가운데 최대 추론값 (Max(RS))을 선택하여 품질관리 및 대기 수상체 구분을 하는 대상 확정 단계를 구비하여 이루어진다.

이때, 레이더 전자기파 송수신을 통해 초기 입력 자료로서 신호대잡음비 (SNR), 상관계수(ρ_hv), 측정된 차등전파위상(Ψ_dp)을 얻는 단계에서, 상관계수(ρ_hv)는 값을 확장하기 위해 10^ρ ^hv로 변환하여 사용하며, 측정된 차등전파위상의 표준편차 σ(Ψ_dp(r))를 퍼지시스템의 입력자료로 활용한다. 측정된 차등전파위상의 편차는 기존에 잘 알려진 바와 같이 다음의 일반적 수학식을 통해 구해진다.

여기서 N은 편차를 구하는 대상 구간의 샘플링 수 혹은 게이트 수를 의미한다.

측정된 차등전파위상(measured differential propagation phase:Ψ_dp)은 차등전파위상(φ_dp)과는 다음 수학식과 같은 관계를 가진다.

δ는 수평과 수직 편파의 복소 후방산란 진폭들의 편각 차이(arguments of the complex backscattering amplitudes)인 후방 산란 위상(backscatter phase)이다. 따라서, 후방 산란이 큰 경우에는 측정된 차등전파위상을 이용하는 것이 바람직하다.

녹는 층을 구분하는 단계에서는 가령, 도1 및 도2에서 보여지는 것과 같은 σ(Ψ_dp)-SNR 평면과 10^ρ ^hv-SNR 평면에서의 대기수상체별 경계 영역 구분을 이용하여 해당 측정 데이터가 위 평면의 어느 영역에 속하는가를 확인하여 녹는 층을 구분하고, 녹는 층 영역에 속하는 측정 데이터들을 이용하여 녹는 층의 평균 고도를 구할 수 있다. 즉, 녹는 층을 확인하는 데 신호대잡음비(SNR)을 고려하여 정한다.

녹는 층을 구분한 후 위 도면들에서의 경계구간과 동일한 σ(Ψ_dp)-SNR 관계와 10^ρ ^hv-SNR 관계의 2차원 퍼지함수를 이용하여 2개의 퍼지함수값을 산출한다. 2차원 퍼지 함수 결정에는 σ(Ψ_dp)-SNR 평면과 10^ρ ^hv-SNR 평면에서의 대기수상체별 영역 구분의 경계선을 이용할 수 있다.

고도(Height)의 퍼지값 f(H)와 2개의 2차원 퍼지함수값(σ(Ψ_dp)-SNR, 10^ρ ^hv-SNR에 따르는 베타 멤버쉽 함수값)을 이용하여 각 대상물 혹은 각 대기수상체 종류에 대해 다음 식과 같은 추론 규칙에 의해 추론값을 구한다.

마지막으로 최대 추론값 (Max(RS))을 선택하여 품질관리 및 강수체구분을 하는 단계에서는 최대 추론값이 어떤 대기수상체에 대한 것인지 확인하여 그 해당하는 대기 수상체(강수체)를 선택하게 하게 된다.

본 발명에 따르면 이중편파 레이더의 송수신 자료에서 감쇄 보정 없이 원시자료를 직접 이용하여 필요한 이중편파 변수를 얻되, 이들 이중편파 변수 가운데 신호대잡음비를 포함시키고, 이들 변수를 고려한 녹는 층 확정과 2차원 베타 함수 형태의 멤버쉽 함수를 선택하여 이들 변수와 멤버쉽 함수를 기반으로 멤버쉽 함수값을 얻어내고, 이 함수값을 정해진 처리방식 혹은 규칙에 의해 처리하여 그 결과를 정리 비교함으로써 비교적 간단하면서도 실용적인 범위에서 대기 수상체(강수체) 구분을 할 수 있다.

도1 및 도2는 HYDROX 레이더 자료에 의해 SNR과 상관계수, SNR과 측정된 차등전파위상의 표준편차 2차원 평면에서 대기수상체 분류 경계를 나타내는 그래프,
도3 및 도4는 도 1 및 도2의 근거자료로 각 레이더 측정 자료의 SNR과 상관계수, SNR과 측정된 차등전파위상의 표준편차 2차원 평면에서의 분포도,
도5a 내지 도5d는 연구를 수행한 특정 지역 특정 시점에서 얻은 레이더 관측 자료로, 레이더를 중심으로 일정 방위각으로 고도각을 높여가면서 전파를 발송하고 일정 거리 및 고도 영역에서 수신한 전파를 통해 얻은 각 위치에서의 수평반사도, 측정된 차등전파위상, 교차상관계수 및 이들 바탕으로 분류된 대기수상체 종류를 서로 다른 색상으로 표시한 그래프,
도6은는 본 발명 방법의 흐름을 나타내는 흐름도,
도7은 본 발명에 사용될 수 있는 2차원 멤버쉽 베타 함수의 예를 나타내는 그래프이다.

이하 도면을 참조하면서 실시예를 통해 본 발명을 보다 상세히 설명하기로 한다.

본 발명은 NOAA 지구 시스템 조사 연구소(Earth System Research Laborator: ESRL)의 캘리포니아에서의 수문 기상학 시험대 (HMT) 서부 2005~2006 시즌 동안의 수문 기상학 연구를 위한 이중 편파 X밴드 레이더(HYDROX)에서 얻어진 자료(data)를 근거로 연구하여 얻어진 것이다.

본 발명에서는 수상체(대기 수상체) 구분을 위해 수평 반사도나 차등 반사도와 같이 감쇄의 영향을 받는 변수를 사용하던 기존에 비해 입력 변수로서 새롭게 신호대잡음비(이하 SNR과 혼용한다)를 이용한다. SNR을 이용하는 이유는, SNR에서의 변화로 인한 이중 편파 변수들(parameters)에서의 변동성을 분별하기 위해서이다. 가령, 높은 SNR값을 가진 강우 영역에서는, 상관계수가 눈비 영역과 같은 혼합 상태 영역에서의 상관계수에 비해 높은, 대개 1에 가까운 큰 값이다.

그러나, 도3과 같은 자료에서도 볼 수 있듯이 낮은 SNR에서는 강우 속에서의 상관계수가 녹는 강수(혼합 강수)에서의 상관계수 값보다 실제로 작을 수 있어서, 가령 10데시벨(dB)의 강우에서 상관계수는 0.93이고, 반면, 35데시벨의 SNR을 가진 녹는 강수 영역에서의 상관계수는 0.95가 될 수도 있다.

도3은 밝은 띠가 보이는 층류 및 대류성 강우가 혼재하는 기간의 SNR과 상관계수 평면에서의 각 관측 결과의 분포를 나타낸다. 파란색 점은 해발 2.5km 위의 모든 데이터를 의미하고, 비, 눈, 혼합형 강수가 포함되어 있다. 붉은색 점은 강수지역에 대한 자료만을 의미한다 (해발 0.8km 와 2.5km 사이). 도3의 자료는 모든 형태의 강수 카레고리에 대한 강우 형태의 카테고리의 분포에 있어서 상당 부분 겹치고 있다는 것을 보여주며, 이는 일정한 상관계수를 사용하여 융해층을 탐색하는 것이 낮은 SNR에 대해서는 적절하지 않다는 것을 의미한다.

따라서, SNR을 상관계수와 결합시킴에 의해 SNR 전체 영역에 걸친 혼합 강수로부터 강우를 구분하는 것이 가능하며, 정확한 녹는 층 판단을 위해 필요하다.

이런 방법은 S밴드(2~4GHz)에서 X밴드(8~12GHz)까지의 상대적으로 높은 주파수대에서 작동될 수 있지만, X 밴드에서의 상관계수(ρ_hv)와 차등전파위상(φ_dp)이 더 민감하게 되므로, X밴드와 같은 상대적으로 높은 주파수대에서 더 유용하다. 가령, 이들 값이 반영되는 비차등위상(K_에:deg/km)은 X밴드에서의 값이 S밴드에서의 값보다 3배까지 크게 된다.

지난 십년 이상의 기간동안 이중 편파 레이더 변수에 기초한 많은 대기수상체 구분 방법이 개발되었고, 이들 방법은 주로 S밴드나 C밴드 주파수 용으로 개발되었다. 최근 X밴드에 특화된 이중 편파 관찰 특성을 이용한 방법도 제안되었다. 하지만 본 발명은 X밴드 같은 상대적으로 높은 주파수대에서 적용될 수 있는 보다 견고한 대기수상체 구분 방법을 제시한다.

도6은 본 발명 방법의 일 실시예가 이루어지는 순서를 개략적으로 나타내는 흐름도이다.

도6에 따르면, 이 분류 방법은 신호대잡음비 (SNR), 상관계수(ρ_hv), 차등전파위상(φ_dp)을 레이더 측정을 통해 얻어 입력요소로 투입하게 되고, 이를 이용하여 네 개의 단순한 목표 범주, 즉, 비기상적(non meteolorogical) 대상물, 강우(rain), 강우/얼음 혼합, 얼음(snow) 입자에 해당하는 값을 출력으로 얻는다.

입력 요소 투입 후에는 녹는 층(ML: melting layer) 검출이 이루어지고, 퍼지화(fuzzyfication) 과정이 이루어진다. 퍼지화 과정에서는 σ(φ_dp)과 SNR의 관계에 기초하는 2차원 베타 멤버쉽 함수, 10^ρ ^hv과 SNR 사이의 관계에 기초하는 2차원 베타 멤버쉽 함수, 고도(H)에 대한 1차원 베타 멤버쉽 함수의 결정과 입력 요소에 대한 함수값을 도출하게 된다.

이들 3가지 베타 멤버쉽 함수에 대한 함수값을 도출하면 정해진 규칙에 따라 대기 수상체인 강우, 강우/얼음 혼합, 얼음에 대한 각각의 추론 값을 얻는 추론 단계와 이 추론 값에서 최대값을 선택하여 그 최대값을 미리 정해진 일정 값과 비교하여 품질 관리를 하는 과정(비기상학적 대상물 판별)과 그 최대값을 가지는 대기 수상체를 확인하는 대기수상체 결정 과정(defuzzyfication)이 이루어짐을 알 수 있다.

본 발명과 관련하여, 신호대 잡음비를 입력요소로 사용하는 이유는 이미 위에서 언급하였다.

측정된 차등전파위상(Ψ_dp)의 특성은 강수와 지형 클러터(clutter) 및 비정상적 전파(propagation), 생물적 산란(scattering) 사이의 구분에 효율적이다. 이 특성 값은 녹는 입자를 검출하는 데에도 확장될 수 있다. 특성 정보는 다음 식과 같이 방위각과 거리에서의 레이더 관측의 차이의 제곱 평균값(RMS)을 이용하여 얻을 수 있다.

여기서 r은 대상 영역에 있는 위치를 나타내고 j는 여기서 게이트 단위의 범위(range of the gate length)에 걸쳐 변하며, N은 그 범위 내에서의 구분 게이트의 갯수(number of resolution gate in the range)혹은 자료 입수를 위한 측정 샘플링 갯수를 나타내며 게이트는 임의 방위각으로부터 수신한 레이더 신호를 단위 거리별로 처리할 때 기본이 되는 하나의 단위가 되는 것으로 레이더를 시작점으로 하여 일정 거리별로 하나씩 존재하게 되므로 레이더 신호 처리에서 하나의 픽셀(pixel)을 의미한다고 볼 수 있다. 같은 대상 범위에 대해 짧은 거리 단위로 더 많은 게이트를 상정할수록 해상도가 높은 더 정밀한 자료를 축적할 수 있지만 처리 용량에 제한이 있으므로 증가시키는 것에는 한계가 있다. 가령, 길이 150m(미터)의 7개의 게이트가 사용된다.

여기서 제안된 방법은 또한, 네 개의 기본적인 과정(respect) 즉, 녹는 층 검출(melting layer detection), 퍼지화(fuzzification), 추론(inference), 디퍼지화(defuzzification: 퍼지 논리와 주어진 퍼지 세트와 이에 대응하는 요소 정도(membership degrees) 내에서 계량화할 수 있는 결과를 도출하는 과정)를 포함하여 구성된다.

녹는 층 검출과 관련하여, 아래쪽의 강우 영역으로부터 위쪽의 녹는 영역으로 레이더 빔(beam)이 지나갈 때 상관계수는 급격하게 떨어지며 이런 정보는 녹는 층의 고도와 깊이를 결정하는 데 사용될 수 있다. 통상 '밝은 층' 위쪽은 얼음, 밝은 층 영역은 눈 비 혼합, 밝은 층 아래는 비로 많이 판단된다. 이런 접근방식은 높은 SNR에 대해서 잘 작동한다.

이미 언급하였듯이 낮은 SNR값에서 상관계수는 SNR값에 민감함을 나타낸다. 강우 영역에서조차, 높은 SNR값에 대한 혼합 강수에서의 상관계수값인 0.93에 비해 작은 0.9 같은 상관계수 값이 존재할 수 있다. 일정한 상관계수 기준을 이용한 녹는 층의 표시는 낮은 SNR에서는 적절하게 작용하지 않는다.

이런 난점을 극복하기 위해 본 발명에서는 보다 개선된 다음과 같은 녹는 층 검출 방법을 제안하고 있다. 즉, 여기서, 녹는 층은 도1의 10^ρ ^hv-SNR 관계 및 도2의 σ(Ψ_dp)-SNR 평면에서 각각의 관측 데이타가 어느 경계 영역에 속하게 되는 가를 확인한다. 혼합 강수 영역에 속하는 관측 데이타에서 이들이 어느 고도에 있는 가를 조사하고 그 평균적인 값을 취하면 녹는 층(혼합 강수 영역)의 평균적 고도 및 깊이를 얻어낼 수 있다. 여기서 이용될 도1, 도2와 같은 경계 영역은 사전에 다수 측정 결과에 대한 조사 연구를 통해 확립한다.

검출된 녹는 층의 평균 고도는 후속과정에서 수상체 분류 시스템에서 환경 요소(온도)로서 사용된다.

퍼지화와 관련하여, 본 발명의 대기 수상체 분류의 다른 개선점은 σ(Ψ_dp), SNR, 10^ρ ^hv변수 사용에 의해 두 개의 이차원 베타 멤버쉽 함수(Beta membership fuction)(Liu와 Chandrasekar 논문 참조)를 도입하는 것을 통해 이루어진다.

도 1 및 도 2는 앞서 언급한 NOAA의 이중 편파 X밴드 레이더 자료 (HYDROX data)를 이용하여 도출한 이차원 베타 멤버쉽 함수를 나타낸다. 특히, 도2는 σ(Ψ_dp)를 SNR의 함수로 나타내고 도1은 10^ρ ^hv과 SNR 사이의 대응 관계를 나타낸다. 분류 경계는 HYDROX 레이더 데이타를 가지고 얻은 것이다. 그 과정은 SNR에 따른 σ(Ψ_dp)과 10^ρ ^hv의 평균치 추정과 데이타에 따른 최적 관계를 얻는 것을 포함한다.

단, 이들 이차원 베타 멤버쉽 함수는 신호 변동과 같은 레이더 시스템의 특성에 의존하는 것을 고려할 필요가 있다. 따라서, 이차원 베타 멤버쉽 함수의 조정이 각 레이더 시스템을 위해 이루어질 수 있고, 또한 조정하는 것이 필요하다. 즉, 기존의 퍼지 로직에서와 마찬가지로 퍼지화 함수는 모든 경우에 통용되는 단일하게 이루어지는 것은 아님을 고려해야 한다.

이어지는 추정(rule strength) 단계는 이 실시예에서는 다음 식에 의해 결정된다.

이때 f는 퍼지화 함수를 H는 측정 고도를 표시한다. 퍼지화 함수로는 앞서의 수학식 1과 같은 베타 함수로 고도를 변수(x)로 하는 일차원 멤버쉽 함수가 사용될 수 있다. 녹는 층 높이에 따라 이렇게 일차원 멤버쉽 함수가 만들어지면 개별 자료의 구체적 고도 및 강수체 구분에 따라 a, b, m을 맞게 적용시킨 퍼지화 함수값이 얻어질 수 있다.

f(2D-MBF1), f(2D-MBF2)는 σ(Ψ_dp)-SNR 관계와 10^ρ ^hv-SNR 관계 각각을 위한 퍼지화 함수로 이차원 베타 멤버쉽 함수를 의미한다.

디퍼지화(defuzzification) 단계에서, 만약 최대 추정값이 0.2보다 낮은 경우, 해당 위치의 대상물은 비기상학적이거나 낮은 신호 대상물로 결정된다. 최대 추정값이 0.2보다 높은 경우에는 강우, 얼음/강우 혼합, 얼음의 3 가지 대기 수상체 가운데 이 최대 추정값을 가지는 하나로 결정된다. 이때 기준이 되는 0.2라는 수치는 경험적으로 얻어진 것이다.

이러한 대기수상체 분류 방법이 타당한 것인지 기존 자료를 통해 검정할 수 있다.

도5a 내지 도5c는 하나의 기상 관측자료로부터 얻어진 수평 반사도(Zh), 상관계수(ρ_hv), 측정된 차등전파위상(Ψ_dp)을 묘사하고 있다. 이 자료는 도3, 도4에 나타난 대류성 및 층상의 결합 강수 기간과 같은 기간 중에 수행된 것으로 대략 해발 2.8km 아래에서 이루어지는 강우와 이 고도 이상에서의 강설을 포함하는 것이다. HYDROX 자료와 수직으로 지향하는 S밴드 근처의 전파 관찰 결과로부터 해수면 위 대략 2.8km 의 현저한 녹는 층의 존재를 알려주고 있다.

이런 사실은 본 발명의 수상체 분류 방법을 시험할 완전한 기회를 제공한다. 이 제안된 방법으로부터의 분류 결과는 도5d에 나타난다. 각 패널의 검은 선에 의해 검출된 녹는 층은 X밴드 레이더로부터 대략 18km 범위에서 얻은 관찰 자료와 S밴드 전파 관찰과 비교하였다. S 밴드와 X 밴드에서 관찰된 녹는 영역은 잘 일치하고 있음을 발견할 수 있다. 녹는 층 특성에 근거하여 도5d에 나타난 분류 결과가 적절함을 알 수 있었다.

이상에서는 한정된 실시예를 통해 본 발명을 설명하고 있으나, 이는 본 발명의 이해를 돕기 위해 예시적으로 설명된 것일 뿐 본원 발명은 이들 특정의 실시예에 한정되지 아니한다. 즉, 당해 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 발명을 토대로 다양한 변경이나 응용예를 실시할 수 있을 것이며 이러한 변형례나 응용예는 첨부된 특허청구범위에 속함은 당연한 것이다.

Claims

엑스밴드 이중편파 레이더의 전자기파 송수신 관측 자료를 통해 초기 입력 변수로서 신호대잡음비 (SNR), 상관계수(ρ_hv), 측정된 차등전파위상(Ψ_dp(r))을 얻는 단계,
대기상의 녹는 층(혼합강수층)을 구분하고 녹는 층의 고도 및 분포특성(녹는 층 깊이:melting depth)를 산출하는 단계,
상기 입력 변수를 이용하여 측정된 차등전파위상의 표준편차σ(Ψ_dp)와
를 얻고, σ(Ψ_dp)-SNR 관계와
-SNR 관계를 나타내는 2차원 퍼지함수를 정하고 상기 2차원 퍼지함수를 이용하여 2개의 퍼지함수값을 산출하는 퍼지화(fuzzyfication) 단계,
각각의 대기수상체에 대해 상기 녹는 층 고도(Height)의 퍼지함수값과 상기 2개의 2차원 퍼지함수값을 이용하여 추론 값(RS)을 얻는 추론 단계(inference),
상기 추론 단계에서 얻은 추론 값 가운데 최대 추론값 (Max(RS))을 선택하고 미리 정해진 일정값 미만인지 판정하여 비기상학적 대상물인지를 판별하는 품질관리를 수행하며, 기상학적 대상물인 경우, 최대 추론값이 어떤 수치 영역에 속하는 지에 따라 대기수상체의 강수체를 강우, 강우 얼음 혼합, 얼음의 3 가지로 구분하는 디퍼지화(defuzzyfication) 단계를 구비하여 이루어지는 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법.
제 1 항에 있어서,
상기 추론 단계에서는 다음 수학식을 추론 규칙으로 이용하여 추론 값을 얻는 것을 특징으로 하는 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법.

단, f는 퍼지화 함수, H는 측정 고도를 표시하며, f(2D-MBF1), f(2D-MBF2)는 σ(Ψ_dp)-SNR 관계와
-SNR 관계를 위한 이차원 베타 멤버쉽 함수 각각을 의미한다.
제 1 항 또는 제 2 항에 있어서
상기 대기상의 녹는 층(혼합강수층)을 구분하고 녹는 층의 고도 및 분포특성(녹는 층 깊이:melting depth)를 산출하는 단계에서는 초기 입력 변수로서 신호대잡음비 (SNR), 상관계수(ρ_hv), 측정된 차등전파위상(Ψ_dp(r))을 얻은 개개의 관측 자료가 σ(Ψ_dp)-SNR 평면 및
-SNR 평면에서 대기 수상체 구분을 위해 결정한 경계 영역 가운데 어디에 속하는지 확인하여 녹는 층 영역에 속하는 관측 자료들을 분류하고, 상기 녹는 층 영역에 속하는 관측 자료들로부터 녹는 층의 평균 고도 및 깊이를 산출하는 것을 특징으로 하는 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법.
엑스밴드 이중편파 레이더의 전자기파 송수신 자료를 통해 초기 입력 변수로서 신호대잡음비 (SNR), 상관계수(ρ_hv), 차등전파위상(φ_dp)을 얻는 단계,
대기상의 녹는 층(혼합강수층)을 구분하고 녹는 층의 고도 및 분포특성(녹는 층 깊이:melting depth)를 산출하는 단계,
상기 입력 변수와 차등전파위상 및 측정된 차등전파위상과의 일반 관계식을 이용하여 측정된 차등전파위상의 표준편차 σ(Ψ_dp)과
를 얻고, σ(Ψ_dp)-SNR 관계와
-SNR 관계를 나타내는 2차원 퍼지함수를 정하고 상기 2차원 퍼지함수를 이용하여 2개의 퍼지함수값을 산출하는 퍼지화(fuzzyfication) 단계,
상기 퍼지화 단계 후 녹는 층 고도(Height)의 퍼지값과 상기 2개의 2차원 퍼지함수값을 이용하여 추론 값을 얻는 추론 단계(inference),
상기 추론 단계에서 얻은 추론 값 가운데 최대 추론값 (Max(RS))을 선택하고 미리 정해진 일정값 미만인지 판정하여 비기상학적 대상물인지를 판별하는 품질관리를 수행하며, 기상학적 대상물인 경우, 최대 추론값이 어떤 수치 영역에 속하는 지에 따라 대기수상체의 강수체를 강우, 강우 얼음 혼합, 얼음의 3 가지로 구분하는 디퍼지화(defuzzyfication) 단계를 구비하여 이루어지는 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법.
제 4 항에 있어서,
상기 추론 단계에서는 다음 수학식을 추론 규칙으로 이용하여 추론 값을 얻는 것을 특징으로 하는 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법.

단, f는 퍼지화 함수, H는 측정고도를 표시하며, f(2D-MBF1), f(2D-MBF2)는 σ(Ψ_dp)-SNR 관계와
-SNR 관계를 위한 이차원 베타 멤버쉽 함수 각각을 의미한다.
제 4 항 또는 제 5 항에 있어서,
상기 대기상의 녹는 층(혼합강수층)을 구분하고 녹는 층의 고도 및 분포특성(녹는 층 깊이:melting depth)를 산출하는 단계에서는 초기 입력 변수로서 신호대잡음비 (SNR), 상관계수(ρ_hv), 측정된 차등전파위상(Ψ_dp(r))을 얻은 개개의 관측 자료가 σ(Ψ_dp)-SNR 평면 및
-SNR 평면에서 대기 수상체 구분을 위해 결정한 경계 영역 가운데 어디에 속하는지 확인하여 녹는 층 영역에 속하는 관측 자료들을 분류하고, 상기 녹는 층 영역에 속하는 관측 자료들로부터 녹는 층의 평균 고도 및 깊이를 산출하는 것을 특징으로 하는 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법.
삭제