KR101547681B1 - The precise past precipitation data recovery system and related application methods using a quantitative precipitation model - Google Patents

The precise past precipitation data recovery system and related application methods using a quantitative precipitation model Download PDF

Info

Publication number
KR101547681B1
KR101547681B1 KR1020140105475A KR20140105475A KR101547681B1 KR 101547681 B1 KR101547681 B1 KR 101547681B1 KR 1020140105475 A KR1020140105475 A KR 1020140105475A KR 20140105475 A KR20140105475 A KR 20140105475A KR 101547681 B1 KR101547681 B1 KR 101547681B1
Authority
KR
South Korea
Prior art keywords
precipitation
data
initial
remind
value
Prior art date
Application number
KR1020140105475A
Other languages
Korean (ko)
Inventor
오재호
배효준
김인원
양신일
김미아
Original Assignee
부경대학교 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 부경대학교 산학협력단 filed Critical 부경대학교 산학협력단
Priority to KR1020140105475A priority Critical patent/KR101547681B1/en
Application granted granted Critical
Publication of KR101547681B1 publication Critical patent/KR101547681B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a detailed past observation precipitation data recovery system and a method thereof. The detailed past observation precipitation data recovery system, which uses a high-resolution quantitative precipitation model (QPM), builds a grid of irregular automatic weather system (AWS) data by using Barnes objective analysis and inputs the data in the grid as the initial data of the high-resolution QPM to recover the precipitation information. The present invention uses the AWS observation data as the initial data for the high-resolution QPM to recover the precipitation information regarding desired area in the range of 0.1-1.0 km.

Description

고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템 및 그 방법{The precise past precipitation data recovery system and related application methods using a quantitative precipitation model}BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a system and method for recovering historical precipitation data using a high resolution precipitation diagnostic model,

본 발명은 과거 사상 상세강수량자료복원시스템 및 그 방법에 대한 것으로서, 특히, Barnes 객관 분석법으로 불규칙한 AWS(Automatic Weather System) 자료를 격자화하여 고해상도강수량진단모형(Quantitative Precipitation Model, QPM)의 초기자료로 입력하여 강수량 정보를 복원하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템 및 그 방법에 관한 것이다.The present invention relates to a system and a method for restoring past detailed precipitation data, and more particularly, to an initial data of a high resolution precipitation model (Quantitative Precipitation Model, QPM) by grating irregular AWS (Automatic Weather System) The present invention relates to a system and a method for restoring past detailed precipitation data using a high-resolution precipitation diagnostic model for restoring precipitation information.

도시 홍수, 병충해 등에 대한 과거 사상 연구는 0.1 ~ 1.0 km 해상도의 초고해상도 기상 자료가 필요하다. 과거 사상에 대해서는 이미 관측 자료가 존재하여 AWS 관측 자료를 이용한 사상 연구를 하지만 이 관측 자료는 관측 지점이 있는 장소만의 기상 자료를 제공한다. AWS(Automatic Weather System)관측 자료를 단순 보간법을 이용해 고해상도의 관측 자료로 만들면 이 자료는 동심원을 그리며 일정 지역의 자료가 '0'의 값으로 나타나는 현상이 발생한다. 위와 같은 문제를 해결하기 위해 AWS 관측 자료와 고해상도강수량진단모형을(Quantitative Precipitation Model, QPM)이용하여 원하는 지역의 0.1 ~ 1.0 km 강수 자료를 복원하여 일정 지역의 자료가 '0'의 값으로 나타나는 현상을 제거 하고 고해상도의 자료를 복원할 수 있는 방법이 요구되고 있다.Past studies on urban floods, pests and insects require ultra-high resolution weather data of 0.1 to 1.0 km resolution. There is already an observation data about the past thoughts and it is used for the mapping study using AWS observation data, but this observation data provides weather data only for the place where the observation point is located. When AWS (Automatic Weather System) observation data is made high resolution observation data by using simple interpolation method, the data is concentric and the data of a certain area appears as '0' value. In order to solve the above problem, the precipitation data of 0.1 ~ 1.0 km of the desired area are restored by using the AWS observation data and the high-resolution precipitation diagnosis model (Quantitative Precipitation Model, QPM) And a method for recovering high-resolution data is required.

대한민국 등록특허 제10-1335209호(2013.11.25. 등록)Korean Registered Patent No. 10-1335209 (Registered on November 25, 2013)

본 발명의 목적은 원하는 지역의 0.1 ~ 1.0 km 강수 자료를 고해상도강수량진단모형을 이용하여 오류가 상대적으로 적은 과거 사상 상세강수량자료복원시스템 및 그 방법을 제공하는 것이다.The object of the present invention is to provide a system and a method for restoring past deep-sea precipitation data with a relatively small error using a high-resolution precipitation diagnostic model of 0.1-1.0 km of rainfall data of a desired area.

상술한 목적을 달성하기 위해 본 발명은 Barnes 객관 분석법으로 불규칙한 AWS(Automatic Weather System) 자료를 격자화하는 자료 격자화 모듈과, 격자화된 자료를 고해상도강수량진단모형(Quantitative Precipitation Model, QPM)의 초기자료로 입력하여 강수량 정보를 복원하는 강수량 정보 복원 모듈을 포함하는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템을 제공한다.In order to accomplish the above object, the present invention provides a data grating module for grating irregular AWS (Automatic Weather System) data by Barnes objective analysis method and a data grating module for gridding the gridded data at the initial stage of a quantitative precipitation model (QPM) And a rainfall amount information restoration module for restoring rainfall amount information by inputting the rainfall amount information as a data.

상기 자료 격자화 모듈은, 격자 점 주변의 관측 지점의 값에 격자점으로부터의 거리에 따른 가중치를 연산하여 결정하는 가중치 결정 모듈과, 상기 가중치 결정 모듈에서 결정된 가중치와, 각 관측 지점에서의 초기치로 각 격자점에서의 초기 추정치를 연산하는 초기 추정치 연산 모듈, 및 상기 관측 지점을 중심으로 하여 영향반경 내 격자점에서의 초기 추정치들로부터 내삽하여 관측 지점에서의 분석값을 연산하고, 관측 지점에서의 초기값과 분석값의 차이에 거리에 따른 가중치를 두어 연산한 후 초기 추정치와 더하여 원하는 격자점에서의 분석값을 구하는 분석값 연산 모듈을 포함한다.Wherein the data gridding module comprises: a weight determining module for calculating a weight of the observation point around the lattice point by calculating a weight according to the distance from the lattice point; a weight determination module for calculating a weight determined by the weight determination module, An initial estimate calculation module for calculating an initial estimate at each lattice point, and an initial value calculation module for interpolating from the initial estimates at the lattice points within the influence radius about the observation point to calculate analytical values at the observation point, And an analytical value calculation module for computing an analytical value at a desired lattice point in addition to the initial estimate after calculating a weight based on the distance to the difference between the initial value and the analytical value.

상기 가중치(

Figure 112014076879691-pat00001
)는
Figure 112014076879691-pat00002
이며, 상기
Figure 112014076879691-pat00003
은 영향 반경, 상기
Figure 112014076879691-pat00004
는 격자점으로부터 관측지점까지의 거리, 상기
Figure 112014076879691-pat00005
는 영향 반경 내의 각 관측 지점이다.The weights (
Figure 112014076879691-pat00001
)
Figure 112014076879691-pat00002
, And
Figure 112014076879691-pat00003
Is the influence radius,
Figure 112014076879691-pat00004
The distance from the lattice point to the observation point,
Figure 112014076879691-pat00005
Is the observation point within the radius of influence.

상기 초기 추정치(

Figure 112014076879691-pat00006
)는,
Figure 112014076879691-pat00007
이며, 상기
Figure 112014076879691-pat00008
는 각 관측 지점
Figure 112014076879691-pat00009
에서의 초기치, 상기
Figure 112014076879691-pat00010
는 각 격자점, 상기
Figure 112014076879691-pat00011
은 전체 관측지점의 개수이다.The initial estimate (
Figure 112014076879691-pat00006
),
Figure 112014076879691-pat00007
, And
Figure 112014076879691-pat00008
Is an observation point
Figure 112014076879691-pat00009
The initial value in
Figure 112014076879691-pat00010
Are the grid points,
Figure 112014076879691-pat00011
Is the total number of observation points.

상기 분석값 연산 모듈에서 연산되는 분석값(

Figure 112014076879691-pat00012
)은,
Figure 112014076879691-pat00013
이며, 상기
Figure 112014076879691-pat00014
는 관측 지점을 중심으로 하여 영향반경 내 격자점에서의 초기 추정치
Figure 112014076879691-pat00015
들로부터 내삽하여 연산된 관측 지점
Figure 112014076879691-pat00016
에서의 분석값, 상기
Figure 112014076879691-pat00017
는
Figure 112014076879691-pat00018
이고, 상기
Figure 112014076879691-pat00019
는 0과 1사이의 값을 갖는다.The analysis value calculated in the analysis value calculation module (
Figure 112014076879691-pat00012
)silver,
Figure 112014076879691-pat00013
, And
Figure 112014076879691-pat00014
Is the initial estimate at the lattice points in the influence radius around the observation point
Figure 112014076879691-pat00015
Lt; RTI ID = 0.0 >
Figure 112014076879691-pat00016
The analytical value in
Figure 112014076879691-pat00017
The
Figure 112014076879691-pat00018
, And
Figure 112014076879691-pat00019
Has a value between 0 and 1.

지오포텐셜을 연산하는 지오포텐셜 연산 모듈을 포함하며, 상기 지오포텐셜은

Figure 112014076879691-pat00020
에 의해 연산되고, 상기
Figure 112014076879691-pat00021
(ms-2)는 z(km)가 0이고 Z(km)가 0일 때 9.81, z(km)가 1이고 Z(km)가 1.00일 때 9.80, z(km)가 10이고 Z(km)가 9.99일 때 9.77, z(km)가 100이고 Z(km)가 98.47일 때 9.50, z(km)가 500이고 Z(km)가 463.6일 때 8.43이다.And a geopotential operation module for calculating a geopotential, wherein the geopotential
Figure 112014076879691-pat00020
Is calculated by the equation
Figure 112014076879691-pat00021
(ms -2 ) is 9.81 when z (km) is 0 and Z (km) is 0, 9.80 when z (km) is 1 and Z ) Is 9.77, z (km) is 100, Z (km) is 98.47, 9.50 when z (km) is 500 and 8.43 when Z (km) is 463.6.

수직 속도를 연산하는 수직 속도 연산 모듈을 포함하며, 상기 수직 속도는

Figure 112014076879691-pat00022
에 의해 연산된다.And a vertical velocity calculation module for calculating a vertical velocity,
Figure 112014076879691-pat00022
.

상기 강수량 정보 복원 모듈은 바이너리 형태로 격자화된 AWS 자료를 고해상도강수량진단모형의 초기자료로 입력하여 강수량 정보를 복원한다.The rainfall information restoration module restores the precipitation information by inputting the binarized AWS data as initial data of the high resolution precipitation diagnosis model.

또한, 본 발명은 자료 격자화 모듈이 Barnes 객관 분석법으로 불규칙한 AWS(Automatic Weather System) 자료를 격자화하는 단계와, 상기 격자화된 자료를 강수량 정보 복원 모듈이 고해상도강수량진단모형(Quantitative Precipitation Model, QPM)의 초기자료로 입력하여 강수량 정보를 복원하는 단계를 포함하는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법을 제공한다.In addition, the present invention provides a method and system for estimating rainfall data, the method comprising: grasping irregular AWS (Automatic Weather System) data using a Barnes objective analysis method; and calculating a lattice parameter using a Quantitative Precipitation Model (QPM) The present invention also provides a method for restoring past detailed precipitation data using a high-resolution precipitation diagnostic model.

상기 자료 격자화 모듈이 Barnes 객관 분석법으로 불규칙한 AWS(Automatic Weather System) 자료를 격자화하는 단계는, 가중치 결정 모듈이 격자 점 주변의 관측 지점의 값에 격자점으로부터의 거리에 따른 가중치를 연산하여 결정하는 단계와, 상기 가중치 결정 모듈에서 결정된 가중치와, 각 관측 지점에서의 초기치로 각 격자점에서의 초기 추정치를 초기 추정치 연산 모듈이 연산하는 단계, 및 상기 관측 지점을 중심으로 하여 영향반경 내 격자점에서의 초기 추정치들로부터 내삽하여 관측 지점에서의 분석값을 연산하고, 관측 지점에서의 초기값과 분석값의 차이에 거리에 따른 가중치를 두어 연산한 후 초기 추정치와 더하여 원하는 격자점에서의 분석값을 분석값 연산 모듈이 구하는 단계를 포함한다.In the step of latticing AWG (Automatic Weather System) data by the data gridding module using Barnes's objective analysis method, the weight determining module calculates a weight according to the distance from the lattice point to the value of the observation point around the lattice point, Calculating an initial estimate value at each lattice point by a weight determined by the weight determination module and an initial value at each observation point by an initial estimation value calculation module; , And the difference between the initial value and the analytical value at the observation point is computed by adding a weight according to the distance, and then the initial estimate and the analysis value at the desired lattice point And an analysis value calculation module.

지오포텐셜 연산 모듈이 지오포텐셜을 연산하는 단계를 포함하며, 상기 지오포텐셜은

Figure 112014076879691-pat00023
에 의해 연산되고, 상기
Figure 112014076879691-pat00024
(ms-2)는 z(km)가 0이고 Z(km)가 0일 때 9.81, z(km)가 1이고 Z(km)가 1.00일 때 9.80, z(km)가 10이고 Z(km)가 9.99일 때 9.77, z(km)가 100이고 Z(km)가 98.47일 때 9.50, z(km)가 500이고 Z(km)가 463.6일 때 8.43이다.Wherein the geopotential computation module comprises computing a geopotential,
Figure 112014076879691-pat00023
Is calculated by the equation
Figure 112014076879691-pat00024
(ms -2 ) is 9.81 when z (km) is 0 and Z (km) is 0, 9.80 when z (km) is 1 and Z ) Is 9.77, z (km) is 100, Z (km) is 98.47, 9.50 when z (km) is 500 and 8.43 when Z (km) is 463.6.

수직 속도 연산 모듈이 수직 속도를 연산하는 단계를 포함하며, 상기 수직 속도는

Figure 112014076879691-pat00025
에 의해 연산된다.Wherein the vertical velocity computation module computes a vertical velocity,
Figure 112014076879691-pat00025
.

상기 격자화된 자료를 강수량 정보 복원 모듈이 고해상도강수량진단모형(Quantitative Precipitation Model, QPM)의 초기자료로 입력하여 강수량 정보를 복원하는 단계는, 바이너리 형태로 격자화된 AWS 자료를 강수량 정보 복원 모듈이 고해상도강수량진단모형의 초기자료로 입력하여 강수량 정보를 복원하는 단계를 포함한다.The step of reconstructing the lattice information by inputting the lattice information as an initial data of a high resolution precipitation model (QPM) is a method of reconstructing the binarized AWS data into a precipitation information reconstruction module And inputting the initial data of the high-resolution precipitation diagnostic model to recover the precipitation information.

본 발명은 AWS 관측 자료를 고해상도강수량진단모형의 초기자료로 이용하여 원하는 지역의 0.1 ~ 1.0 km 강수 자료를 오류가 상대적으로 적은 고해상도강수량진단모형을 이용하여 과거 사상 상세강수량자료복원시스템을 제공할 수 있다.Using the AWS data as an initial data for the high-resolution precipitation model, it is possible to provide a system for restoration of historical precipitation data using a high-resolution precipitation model with a relatively small error of 0.1-1.0 km have.

도 1은 본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템의 블록도.
도 2는 본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템에서 자료 격자화를 설명하기 위한 도면.
도 3은 본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법의 순서도.FIG. 1 is a block diagram of a past detailed precipitation data restoration system using a high-resolution precipitation diagnostic model according to the present invention.
FIG. 2 is a diagram for explaining data gratification in a past detailed precipitation data restoration system using a high-resolution precipitation diagnostic model according to the present invention. FIG.
FIG. 3 is a flow chart of a method for restoring past detailed precipitation data using a high-resolution precipitation diagnostic model according to the present invention.

이하, 도면을 참조하여 본 발명의 실시예를 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.

그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 도면상의 동일 부호는 동일한 요소를 지칭한다.It will be apparent to those skilled in the art that the present invention may be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, It is provided to let you know. Like reference numerals refer to like elements throughout.

도 1은 본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템의 블록도이다.FIG. 1 is a block diagram of a past detailed precipitation data restoration system using a high-resolution precipitation diagnostic model according to the present invention.

본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템은 도 1에 도시된 바와 같이, 불규칙한 자료를 격자화하는 자료 격자화 모듈(100)과, 격자화된 자료를 고해상도강수량진단모형의 초기자료로 입력하여 강수량 정보를 복원하는 강수량 정보 복원 모듈(200)을 포함한다.As shown in FIG. 1, the past detailed precipitation data restoration system using the high resolution precipitation diagnostic model according to the present invention includes a data griding module 100 for latticing irregular data, a high- And a rainfall amount information restoration module 200 for restoring rainfall amount information by inputting the rainfall amount information as initial data of the rainfall amount information restoration module 200.

도 2는 본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템에서 자료 격자화를 설명하기 위한 도면이다.FIG. 2 is a view for explaining data gridding in the past detailed precipitation data restoration system using the high-resolution precipitation diagnostic model according to the present invention.

자료 격자화 모듈(100)은 불규칙한 형태를 가진 AWS(Automatic Weather System) 자료를 고해상도강수량진단모형에 접합할 수 있도록 격자화한다. 본 발명에서 격자화를 위한 내삽법으로 Barnes(1964) 객관 분석법을 이용하며, Barnes 객관 분석법은 격자 점 주변의 관측 지점의 값에 격자점으로부터의 거리에 따른 가중치를 주어 불규칙하게 분포하는 관측 지점의 값들로부터 일정한 격자점의 값을 계산하는 방법이다. 또한, 이에 따라, 격자화 모듈은 가중치 결정 모듈(110)과 초기 추정치 연산 모듈(120) 및 분석값 연산 모듈(130)을 포함한다.The data gridding module 100 grids AWS (Automatic Weather System) data having irregular shapes to be able to be connected to a high-resolution precipitation diagnostic model. In the present invention, Barnes (1964) objective analysis method is used as an interpolation method for grating, and Barnes objective analysis method is a method of analyzing an irregularly distributed observation point by giving a weight according to the distance from the lattice point to the value of the observation point around the lattice point It is a method of calculating the value of a certain lattice point from the values. Accordingly, the lattice module includes a weight determination module 110, an initial estimation value calculation module 120, and an analysis value calculation module 130.

가중치 결정 모듈(110)은 격자 점 주변의 관측 지점의 값에 격자점으로부터의 거리에 따른 가중치를 구한다. 영향 반경을

Figure 112014076879691-pat00026
, 격자점으로부터 관측 지점까지의 거리를
Figure 112014076879691-pat00027
라고 하면, 영향 반경 내의 각 관측 지점
Figure 112014076879691-pat00028
에서의 거리에 따른 가중치는 아래의 수학식 1과 같이 주어진다.The weight determination module 110 obtains a weight based on the distance from the lattice point to the value of the observation point around the lattice point. Influence radius
Figure 112014076879691-pat00026
, The distance from the lattice point to the observation point
Figure 112014076879691-pat00027
, Each observation point within the influence radius
Figure 112014076879691-pat00028
Is given by Equation (1) below. &Quot; (1) "

Figure 112014076879691-pat00029
Figure 112014076879691-pat00029

초기 추정치 연산 모듈(120)은 가중치 결정 모듈(110)에서 영향 반경 내 격자점과 관측 지점 사이의 거리에 따른 가중치가 결정되면, 각 관측 지점

Figure 112014076879691-pat00030
에서의 초기치
Figure 112014076879691-pat00031
를 이용하여 아래의 수학식 2와 같이 각 격자점
Figure 112014076879691-pat00032
에서의 초기 추정치
Figure 112014076879691-pat00033
를 연산한다.The initial estimation value calculation module 120 determines the weights based on the distance between the lattice point and the observation point in the influence radius in the weight determination module 110,
Figure 112014076879691-pat00030
Initial value at
Figure 112014076879691-pat00031
To obtain the lattice points < RTI ID = 0.0 >
Figure 112014076879691-pat00032
Initial estimates in
Figure 112014076879691-pat00033
.

Figure 112014076879691-pat00034
Figure 112014076879691-pat00034

수학식 2에서,

Figure 112014076879691-pat00035
은 전체 관측지점의 수이다.In Equation (2)
Figure 112014076879691-pat00035
Is the total number of observation points.

분석값 연산 모듈(130)은 관측 지점을 중심으로 하여 영향반경 내 격자점에서의 초기 추정치

Figure 112014076879691-pat00036
들로부터 수학식 2와 같이 내삽하여 관측 지점
Figure 112014076879691-pat00037
에서의 분석값인
Figure 112014076879691-pat00038
를 연산한다. 이후, 수학식 3에서와 같이 관측 지점
Figure 112014076879691-pat00039
에서의 초기값
Figure 112014076879691-pat00040
와 분석값
Figure 112014076879691-pat00041
의 차이에 거리에 따른 가중치
Figure 112014076879691-pat00042
를 두어 계산한 후 수학식 2에서 구한
Figure 112014076879691-pat00043
와 더하여 원하는 격자점
Figure 112014076879691-pat00044
에서의 분석값
Figure 112014076879691-pat00045
을 얻는다.The analytical value computation module 130 computes an initial estimate < RTI ID = 0.0 >
Figure 112014076879691-pat00036
(2) from the observation point
Figure 112014076879691-pat00037
The analysis value of
Figure 112014076879691-pat00038
. Then, as in Equation 3,
Figure 112014076879691-pat00039
The initial value at
Figure 112014076879691-pat00040
And analytical values
Figure 112014076879691-pat00041
The weight according to the distance
Figure 112014076879691-pat00042
And then, the value obtained from the equation (2)
Figure 112014076879691-pat00043
Plus the desired lattice point
Figure 112014076879691-pat00044
Analysis value at
Figure 112014076879691-pat00045
.

Figure 112014076879691-pat00046
Figure 112014076879691-pat00046

여기서, 가중치

Figure 112014076879691-pat00047
는 아래의 수학식 4와 같이 연산된다.Here,
Figure 112014076879691-pat00047
Is calculated according to the following equation (4).

Figure 112014076879691-pat00048
Figure 112014076879691-pat00048

수학식 4에서,

Figure 112014076879691-pat00049
는 0과 1사이의 값을 갖는다.In Equation (4)
Figure 112014076879691-pat00049
Has a value between 0 and 1.

이때, 해상도는 AWS 관측소 분포의 평균 거리를 고려하여 10km로 하는 것이 바람직하다.At this time, the resolution is preferably 10 km considering the average distance of the AWS observation station distribution.

고해상도강수량진단모형(Quantitative Precipitation Model, QPM)에 필요한 자료는 표 1과 같다.The data required for the high-resolution precipitation model (Quantitative Precipitation Model, QPM) are shown in Table 1.

구성요소 [단위]Component [Unit] 1One 총 강수량(Total precipitation) [kg/m2]Total precipitation [kg / m2] 22 대상풍(zonal wind) [m/s]Zonal wind [m / s] 33 자오선 바람(meridional wind) [m/s]Meridional wind [m / s] 44 지오포텐셜(geopotential) [m2/s2]Geopotential [m2 / s2] 55 기온(temperature) [K]Temperature [K] 66 수직 속도(vertical velocity) ω=dp/dt [Pa/s]Vertical velocity ω = dp / dt [Pa / s] 77 상대 습도(relative humidity) [%]Relative humidity [%]

AWS 관측 자료에서는 표 1의 4번 항인 지오포텐셜과 6번 항인 수직 속도를 제공하지 않으므로 각각

Figure 112014076879691-pat00050
,
Figure 112014076879691-pat00051
식을 이용하여 구한다. 이에 따라서, 본 발명은 지오포텐셜을 연산하는 지오포텐셜 연산 모듈과 수직 속도를 연산하는 수직 속도 연산 모듈을 더 구비한다. 또한, 여기서
Figure 112014076879691-pat00052
는 표 2에 따라 적용한다.Since AWS observations do not provide the geopotential, number 4, and vertical velocity,
Figure 112014076879691-pat00050
,
Figure 112014076879691-pat00051
. Accordingly, the present invention further includes a geopotential computation module for computing the geopotential and a vertical velocity computation module for computing the vertical velocity. Also,
Figure 112014076879691-pat00052
Shall apply in accordance with Table 2.

z(km)z (km) Z(km)Z (km) g(g ( msms -2-2 )) 00 00 9.819.81 1One 1.001.00 9.809.80 1010 9.999.99 9.779.77 100100 98.4798.47 9.509.50 500500 463.6463.6 8.438.43

격자화된 AWS자료의 형태(format)는 고해상도강수량진단모형에 접합하기 위해 바이너리(binary) 형태를 취한다.The format of the grided AWS data takes the form of a binary to join the high-resolution precipitation diagnostic model.

강수량 정보 복원 모듈(200)은 바이너리 형태인 격자화된 AWS 자료를 고해상도강수량진단모형의 초기자료로 입력하여 강수량 정보를 복원한다.The precipitation information restoration module 200 restores the precipitation information by inputting the lattice AWS data in binary form as initial data of the high resolution precipitation diagnosis model.

상술한 바와 같이, 본 발명은 AWS 관측 자료를 고해상도강수량진단모형의 초기자료로 이용하여 AWS 관측 자료가 가지는 한계점을 보완하여 원하는 지역의 0.1 ~ 1.0 km 강수 자료를 오류가 상대적으로 적은 고해상도강수량진단모형을 이용하여 과거 사상 상세강수량자료복원시스템을 제공할 수 있다. 또한, 본 발명은 초기 자료에 따른 민감도가 큰 고해상도강수량진단모형에 기상 모델의 예측값을 초기 자료로 사용하는 것보다 관측소가 있는 부분의 값을 유지하면서 관측소가 없는 위치의 값을 연산할 수 있는 장점이 있다. 또한, 복원된 강수자료는 과거 도시 홍수 및 병충해 등 다양한 과거 사상 연구에 활용될 수 있다.
As described above, the present invention uses the AWS observation data as initial data of the high-resolution precipitation diagnosis model to supplement the limitations of the AWS observation data, so that the 0.1-1.0 km precipitation data of the desired region can be obtained by using the high resolution precipitation diagnosis model It is possible to provide a system for restoring past detailed precipitation data. In addition, the present invention is advantageous in that a high-resolution precipitation diagnosis model with high sensitivity according to the initial data can calculate the value of a location without an observation station while maintaining the value of the portion where the observation station is located, . In addition, the reconstructed precipitation data can be used for various historical studies such as urban floods and pests.

다음은 본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법에 대해 도면을 참조하여 설명하고자 한다. 후술할 내용 중 전술된 본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템의 설명과 중복되는 내용은 생략하거나 간략히 설명한다.Hereinafter, a method for restoring past historical precipitation data using a high-resolution precipitation diagnostic model according to the present invention will be described with reference to the drawings. The detailed description of the past detailed precipitation data restoration system using the above-described high-resolution precipitation diagnostic model according to the present invention will be omitted or briefly explained.

도 3은 본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법의 순서도이다.FIG. 3 is a flow chart of a method for restoring past detailed precipitation data using a high-resolution precipitation diagnostic model according to the present invention.

본 발명에 따른 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법은 도 3에 도시된 바와 같이, 불규칙한 자료를 격자화하는 격자화 단계(S1)와, 격자화된 자료를 입력값으로 하여 강수량 정보를 복원하는 강수량 정보 복원 단계(S2)를 포함한다.As shown in FIG. 3, the method for reconstructing past detailed precipitation data using the high-resolution precipitation diagnostic model according to the present invention includes a latticing step S1 for latticing irregular data, And restoring the rainfall amount information (S2) for restoring the information.

격자화 단계(S1)는 불규칙한 형태를 가진 AWS 자료를 고해상도강수량진단모형에 접합할 수 있도록 격자화 모듈이 격자화한다. 이는 전술된 바와 같이, Barnes(1964) 객관 분석법을 이용하며, 이에 따라서, 격자화 단계(S1)는 가중치를 결정하는 단계(S1-1)와, 초기 추정치를 연산하는 단계(S1-2), 및 분석값을 연산하는 단계(S1-3)를 포함한다.The latticeization step (S1) grids the AWS data with irregular shapes to the high resolution precipitation diagnostic model. This uses the Barnes (1964) objective analysis method, as described above, whereby the grating step S1 comprises steps S1-1 for determining the weights, step S1-2 for calculating the initial estimates, And a step (S1-3) of calculating an analysis value.

가중치를 결정하는 단계(S1-1)는 가중치 결정 모듈이 격자 점 주변의 관측 지점의 값에 격자점으로부터의 거리에 따른 가중치를 구한다. 가중치를 결정하는 단계(S1-1)에서 가중치는 전술된 수학식 1과 같이 구하여 결정할 수 있다.In the step (S1-1) of determining the weight, the weight determination module obtains a weight based on the distance from the lattice point to the value of the observation point around the lattice point. In the step (S1-1) of determining the weight, the weight can be determined by the following equation (1).

초기 추정치를 연산하는 단계(S1-2)는 가중치를 결정하는 단계(S1-1)에서 결정된 영향 반경 내 격자점과 관측 지점 사이의 거리에 따른 가중치와, 각 관측 지점

Figure 112014076879691-pat00053
에서의 초기치
Figure 112014076879691-pat00054
를 이용하여 초기 추정치 연산 모듈이 전술된 수학식 2와 같이 각 격자점
Figure 112014076879691-pat00055
에서의 초기 추정치
Figure 112014076879691-pat00056
를 연산한다.The step S1-2 of calculating the initial estimate is a step of calculating a weight based on the distance between the lattice point and the observation point within the influence radius determined in the step S1-1 for determining the weight,
Figure 112014076879691-pat00053
Initial value at
Figure 112014076879691-pat00054
The initial estimated value calculation module calculates the initial estimated value using the following equation (2)
Figure 112014076879691-pat00055
Initial estimates in
Figure 112014076879691-pat00056
.

분석값을 연산하는 단계(S1-3)는 초기 추정치를 연산하는 단계(S1-2)에서 관측 지점을 중심으로 하여 연산된 영향반경 내 격자점에서의 초기 추정치

Figure 112014076879691-pat00057
들로부터 분석값 연산 모듈이 전술된 수학식 2와 같이 내삽하여 관측 지점
Figure 112014076879691-pat00058
에서의 분석값인
Figure 112014076879691-pat00059
를 계산한다. 이후, 수학식 3에서와 같이 관측 지점
Figure 112014076879691-pat00060
에서의 초기값
Figure 112014076879691-pat00061
와 분석값
Figure 112014076879691-pat00062
의 차이에 거리에 따른 가중치
Figure 112014076879691-pat00063
를 두어 계산한 후 수학식 2에서 구한
Figure 112014076879691-pat00064
와 더하여 원하는 격자점
Figure 112014076879691-pat00065
에서의 분석값
Figure 112014076879691-pat00066
을 얻는다.The step S1-3 of calculating the analysis value is a step of calculating an initial estimate value at a lattice point within the influence radius calculated on the observation point in the step S1-2 of calculating the initial estimate value
Figure 112014076879691-pat00057
The analytical value calculation module interpolates the observation point < RTI ID = 0.0 >
Figure 112014076879691-pat00058
The analysis value of
Figure 112014076879691-pat00059
. Then, as in Equation 3,
Figure 112014076879691-pat00060
The initial value at
Figure 112014076879691-pat00061
And analytical values
Figure 112014076879691-pat00062
The weight according to the distance
Figure 112014076879691-pat00063
And then, the value obtained from the equation (2)
Figure 112014076879691-pat00064
Plus the desired lattice point
Figure 112014076879691-pat00065
Analysis value at
Figure 112014076879691-pat00066
.

한편, 전술된 바와 같이, AWS 관측 자료에서는 지오포텐셜과 수직 속도를 제공하지 않으므로 본 발명은 지오포텐셜을 연산하는 단계와, 수직 속도를 연산하는 단계를 더 포함한다. 또한, 지오포텐셜을 연산하는 단계는 지오포텐셜 연산 모듈이

Figure 112014076879691-pat00067
을 이용하여 지오포텐셜을 연산하며, 수직 속도를 연산하는 단계는 수직 속도 연산 모듈이
Figure 112014076879691-pat00068
을 이용하여 수직 속도를 연산한다.On the other hand, as described above, since the AWS observation data does not provide the geopotential and the vertical velocity, the present invention further includes a step of calculating the geopotential and a step of calculating the vertical velocity. In addition, the step of calculating the geopotential is performed by the geopotential operation module
Figure 112014076879691-pat00067
And calculating the vertical velocity is performed by the vertical velocity calculation module
Figure 112014076879691-pat00068
To calculate the vertical velocity.

강수량 정보 복원 단계(S2)는 바이너리 형태인 격자화된 AWS 자료를 강수량 정보 복원 모듈이 고해상도강수량진단모형의 초기자료로 입력받아 강수량 정보를 복원한다.In the step S2 for recovering the precipitation information, the grid-like AWS data in binary form is inputted as the initial data of the high-resolution precipitation diagnosis model by the precipitation information restoration module, and the precipitation information is restored.

상술한 바와 같이, 본 발명은 AWS 관측 자료를 고해상도강수량진단모형의 초기자료로 이용하여 원하는 지역의 0.1 ~ 1.0 km 강수 자료를 오류가 상대적으로 적은 고해상도강수량진단모형을 이용하여 과거 사상 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법을 제공할 수 있다.As described above, the present invention uses the AWS observation data as an initial data of the high-resolution precipitation diagnostic model, and uses the high-resolution precipitation diagnostic model with a relatively small error as the 0.1-1.0 km precipitation data of the desired region, Can provide a method of reconstructing past historical precipitation data using the method of the present invention.

이상에서는 도면 및 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 기술적 사상으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the present invention as defined by the appended claims. You will understand.

100: 자료 격자화 모듈 110: 가중치 결정 모듈
120: 초기 추정치 연산 모듈 130: 분석값 연산 모듈
200: 강수량 정보 복원 모듈100: data grating module 110: weight determining module
120: Initial estimation value calculation module 130: Analysis value calculation module
200: Precipitation information restoration module

Claims (16)

삭제delete Barnes 객관 분석법으로 불규칙한 AWS(Automatic Weather System) 자료를 격자화하는 자료 격자화 모듈과, 격자화된 자료를 고해상도강수량진단모형(Quantitative Precipitation Model, QPM)의 초기자료로 입력하여 강수량 정보를 복원하는 강수량 정보 복원 모듈을 포함하며,
상기 자료 격자화 모듈은,
격자 점 주변의 관측 지점의 값에 격자점으로부터의 거리에 따른 가중치를 연산하여 결정하는 가중치 결정 모듈과,
상기 가중치 결정 모듈에서 결정된 가중치와, 각 관측 지점에서의 초기치로 각 격자점에서의 초기 추정치를 연산하는 초기 추정치 연산 모듈, 및
상기 관측 지점을 중심으로 하여 영향반경 내 격자점에서의 초기 추정치들로부터 내삽하여 관측 지점에서의 분석값을 연산하고, 관측 지점에서의 초기값과 분석값의 차이에 거리에 따른 가중치를 두어 연산한 후 초기 추정치와 더하여 원하는 격자점에서의 분석값을 구하는 분석값 연산 모듈을 포함하는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템.The Barnes objective analysis method is used to grasp irregular AWS (Automatic Weather System) data grid and the grid data is input as initial data of a high resolution precipitation model (QPM) Information restoration module,
Wherein the data gridding module comprises:
A weight determining module for calculating a weight based on a distance from a lattice point to a value of an observation point around a lattice point,
An initial estimate calculation module for calculating a weight determined by the weight determination module and an initial estimate at each lattice point with an initial value at each observation point,
The analytical value at the observation point is interpolated from the initial estimates at the lattice points within the influence radius centering on the observation point, and the difference between the initial value and the analytical value at the observation point is calculated by weighting the distances And an analytical value calculation module for obtaining an analytical value at a desired lattice point in addition to the initial estimated values. The system for recovering past detailed precipitation data using a high resolution precipitation diagnostic model. 청구항 2에 있어서,
상기 가중치(
Figure 112014076879691-pat00069
)는
Figure 112014076879691-pat00070
이며,
상기
Figure 112014076879691-pat00071
은 영향 반경,
상기
Figure 112014076879691-pat00072
는 격자점으로부터 관측지점까지의 거리,
상기
Figure 112014076879691-pat00073
는 영향 반경 내의 각 관측 지점인 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템.The method of claim 2,
The weights (
Figure 112014076879691-pat00069
)
Figure 112014076879691-pat00070
Lt;
remind
Figure 112014076879691-pat00071
The influence radius,
remind
Figure 112014076879691-pat00072
Is the distance from the grid point to the observation point,
remind
Figure 112014076879691-pat00073
Is an observation point within the radius of influence. It is a system for reconstructing past detailed precipitation data using a high resolution precipitation model. 청구항 3에 있어서,
상기 초기 추정치(
Figure 112014076879691-pat00074
)는,
Figure 112014076879691-pat00075
이며,
상기
Figure 112014076879691-pat00076
는 각 관측 지점
Figure 112014076879691-pat00077
에서의 초기치,
상기
Figure 112014076879691-pat00078
는 각 격자점,
상기
Figure 112014076879691-pat00079
은 전체 관측지점의 개수인 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템.The method of claim 3,
The initial estimate (
Figure 112014076879691-pat00074
),
Figure 112014076879691-pat00075
Lt;
remind
Figure 112014076879691-pat00076
Is an observation point
Figure 112014076879691-pat00077
The initial value at,
remind
Figure 112014076879691-pat00078
Are the grid points,
remind
Figure 112014076879691-pat00079
Is the number of observation points in the past. 청구항 4에 있어서,
상기 분석값 연산 모듈에서 연산되는 분석값(
Figure 112014076879691-pat00080
)은,
Figure 112014076879691-pat00081
이며,
상기
Figure 112014076879691-pat00082
는 관측 지점을 중심으로 하여 영향반경 내 격자점에서의 초기 추정치
Figure 112014076879691-pat00083
들로부터 내삽하여 연산된 관측 지점
Figure 112014076879691-pat00084
에서의 분석값,
상기
Figure 112014076879691-pat00085
는
Figure 112014076879691-pat00086
이고,
상기
Figure 112014076879691-pat00087
는 0과 1사이의 값을 갖는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템.The method of claim 4,
The analysis value calculated in the analysis value calculation module (
Figure 112014076879691-pat00080
)silver,
Figure 112014076879691-pat00081
Lt;
remind
Figure 112014076879691-pat00082
Is the initial estimate at the lattice points in the influence radius around the observation point
Figure 112014076879691-pat00083
Lt; RTI ID = 0.0 >
Figure 112014076879691-pat00084
The analytical value at,
remind
Figure 112014076879691-pat00085
The
Figure 112014076879691-pat00086
ego,
remind
Figure 112014076879691-pat00087
Is a value between 0 and 1, which is used to estimate the precipitation data. 청구항 5에 있어서,
지오포텐셜을 연산하는 지오포텐셜 연산 모듈을 포함하며,
상기 지오포텐셜은
Figure 112014076879691-pat00088
에 의해 연산되고,
상기
Figure 112014076879691-pat00089
(ms-2)는 z(km)가 0이고 Z(km)가 0일 때 9.81, z(km)가 1이고 Z(km)가 1.00일 때 9.80, z(km)가 10이고 Z(km)가 9.99일 때 9.77, z(km)가 100이고 Z(km)가 98.47일 때 9.50, z(km)가 500이고 Z(km)가 463.6일 때 8.43인 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템.The method of claim 5,
And a geopotential operation module for calculating the geopotential,
The geopotential
Figure 112014076879691-pat00088
Lt; / RTI >
remind
Figure 112014076879691-pat00089
(ms -2 ) is 9.81 when z (km) is 0 and Z (km) is 0, 9.80 when z (km) is 1 and Z ) Is 9.77, 9.77 when z (km) is 100, 9.50 when Z (km) is 98.47, and 8.43 when z (km) is 500 and Z (km) is 463.6. The high resolution precipitation model Detailed Historical Precise Precipitation Data Restoration System. 청구항 6에 있어서,
수직 속도를 연산하는 수직 속도 연산 모듈을 포함하며,
상기 수직 속도는
Figure 112014076879691-pat00090
에 의해 연산되는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템.The method of claim 6,
And a vertical velocity calculation module for calculating a vertical velocity,
The vertical velocity
Figure 112014076879691-pat00090
The detailed history precipitation data restoration system using the high-resolution precipitation model is characterized by the following. 청구항 7에 있어서,
상기 강수량 정보 복원 모듈은 바이너리 형태로 격자화된 AWS 자료를 고해상도강수량진단모형의 초기자료로 입력하여 강수량 정보를 복원하는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템.The method of claim 7,
Wherein the rainfall information reconstruction module restores precipitation information by inputting binary AWS data as an initial data of a high resolution precipitation diagnostic model, wherein the rainfall information reconstruction module reconstructs past detailed precipitation data using a high resolution precipitation diagnostic model. 삭제delete 자료 격자화 모듈이 Barnes 객관 분석법으로 불규칙한 AWS(Automatic Weather System) 자료를 격자화하는 단계와, 상기 격자화된 자료를 강수량 정보 복원 모듈이 고해상도강수량진단모형(Quantitative Precipitation Model, QPM)의 초기자료로 입력하여 강수량 정보를 복원하는 단계를 포함하며,
상기 자료 격자화 모듈이 Barnes 객관 분석법으로 불규칙한 AWS(Automatic Weather System) 자료를 격자화하는 단계는,
가중치 결정 모듈이 격자 점 주변의 관측 지점의 값에 격자점으로부터의 거리에 따른 가중치를 연산하여 결정하는 단계와,
상기 가중치 결정 모듈에서 결정된 가중치와, 각 관측 지점에서의 초기치로 각 격자점에서의 초기 추정치를 초기 추정치 연산 모듈이 연산하는 단계, 및
상기 관측 지점을 중심으로 하여 영향반경 내 격자점에서의 초기 추정치들로부터 내삽하여 관측 지점에서의 분석값을 연산하고, 관측 지점에서의 초기값과 분석값의 차이에 거리에 따른 가중치를 두어 연산한 후 초기 추정치와 더하여 원하는 격자점에서의 분석값을 분석값 연산 모듈이 구하는 단계를 포함하는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법.The data gridding module grasps irregular AWS (Automatic Weather System) data using the Barnes objective analysis method, and the grid data is used as the initial data of the Quantitative Precipitation Model (QPM) And restoring the precipitation information by inputting,
Wherein the data gridding module grasps irregular AWS (Automatic Weather System) data using the Barnes objective analysis method,
Calculating a weight value according to a distance from a lattice point to a value of an observation point around a lattice point,
Calculating an initial estimate at each grid point by a weight determined by the weight determination module and an initial value at each observation point;
The analytical value at the observation point is interpolated from the initial estimates at the lattice points within the influence radius centering on the observation point, and the difference between the initial value and the analytical value at the observation point is calculated by weighting the distances And calculating an analysis value at a desired lattice point by an analytical value calculation module in addition to the initial estimate of the past fine precipitation data using the high resolution precipitation diagnostic model. 청구항 10에 있어서,
상기 가중치(
Figure 112014076879691-pat00091
)는
Figure 112014076879691-pat00092
이며,
상기
Figure 112014076879691-pat00093
은 영향 반경,
상기
Figure 112014076879691-pat00094
는 격자점으로부터 관측지점까지의 거리,
상기
Figure 112014076879691-pat00095
는 영향 반경 내의 각 관측 지점인 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법.The method of claim 10,
The weights (
Figure 112014076879691-pat00091
)
Figure 112014076879691-pat00092
Lt;
remind
Figure 112014076879691-pat00093
The influence radius,
remind
Figure 112014076879691-pat00094
Is the distance from the grid point to the observation point,
remind
Figure 112014076879691-pat00095
Is an observation point within the radius of influence, and a method for reconstructing past detailed precipitation data using a high resolution precipitation diagnostic model. 청구항 11에 있어서,
상기 초기 추정치(
Figure 112014076879691-pat00096
)는,
Figure 112014076879691-pat00097
이며,
상기
Figure 112014076879691-pat00098
는 각 관측 지점
Figure 112014076879691-pat00099
에서의 초기치,
상기
Figure 112014076879691-pat00100
는 각 격자점,
상기
Figure 112014076879691-pat00101
은 전체 관측지점의 개수인 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법.The method of claim 11,
The initial estimate (
Figure 112014076879691-pat00096
),
Figure 112014076879691-pat00097
Lt;
remind
Figure 112014076879691-pat00098
Is an observation point
Figure 112014076879691-pat00099
The initial value at,
remind
Figure 112014076879691-pat00100
Are the grid points,
remind
Figure 112014076879691-pat00101
Is the number of observation points in the past. 청구항 12에 있어서,
상기 분석값 연산 모듈에서 연산되는 분석값(
Figure 112014076879691-pat00102
)은,
Figure 112014076879691-pat00103
이며,
상기
Figure 112014076879691-pat00104
는 관측 지점을 중심으로 하여 영향반경 내 격자점에서의 초기 추정치
Figure 112014076879691-pat00105
들로부터 내삽하여 연산된 관측 지점
Figure 112014076879691-pat00106
에서의 분석값,
상기
Figure 112014076879691-pat00107
는
Figure 112014076879691-pat00108
이고,
상기
Figure 112014076879691-pat00109
는 0과 1사이의 값을 갖는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법.The method of claim 12,
The analysis value calculated in the analysis value calculation module (
Figure 112014076879691-pat00102
)silver,
Figure 112014076879691-pat00103
Lt;
remind
Figure 112014076879691-pat00104
Is the initial estimate at the lattice points in the influence radius around the observation point
Figure 112014076879691-pat00105
Lt; RTI ID = 0.0 >
Figure 112014076879691-pat00106
The analytical value at,
remind
Figure 112014076879691-pat00107
The
Figure 112014076879691-pat00108
ego,
remind
Figure 112014076879691-pat00109
Is a value between 0 and 1. A method for reconstructing past historical precipitation data using a high resolution precipitation diagnostic model. 청구항 13에 있어서,
지오포텐셜 연산 모듈이 지오포텐셜을 연산하는 단계를 포함하며,
상기 지오포텐셜은
Figure 112014076879691-pat00110
에 의해 연산되고,
상기
Figure 112014076879691-pat00111
(ms-2)는 z(km)가 0이고 Z(km)가 0일 때 9.81, z(km)가 1이고 Z(km)가 1.00일 때 9.80, z(km)가 10이고 Z(km)가 9.99일 때 9.77, z(km)가 100이고 Z(km)가 98.47일 때 9.50, z(km)가 500이고 Z(km)가 463.6일 때 8.43인 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법.14. The method of claim 13,
Wherein the geopotential computation module computes a geopotential,
The geopotential
Figure 112014076879691-pat00110
Lt; / RTI >
remind
Figure 112014076879691-pat00111
(ms -2 ) is 9.81 when z (km) is 0 and Z (km) is 0, 9.80 when z (km) is 1 and Z ) Is 9.77, 9.77 when z (km) is 100, 9.50 when Z (km) is 98.47, and 8.43 when z (km) is 500 and Z (km) is 463.6. The high resolution precipitation model A method of restoration of historical precipitation data. 청구항 14에 있어서,
수직 속도 연산 모듈이 수직 속도를 연산하는 단계를 포함하며,
상기 수직 속도는
Figure 112014076879691-pat00112
에 의해 연산되는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법.15. The method of claim 14,
Wherein the vertical velocity calculation module calculates a vertical velocity,
The vertical velocity
Figure 112014076879691-pat00112
The method of claim 1, further comprising the steps of: 청구항 15에 있어서,
상기 격자화된 자료를 강수량 정보 복원 모듈이 고해상도강수량진단모형(Quantitative Precipitation Model, QPM)의 초기자료로 입력하여 강수량 정보를 복원하는 단계는,
바이너리 형태로 격자화된 AWS 자료를 강수량 정보 복원 모듈이 고해상도강수량진단모형의 초기자료로 입력하여 강수량 정보를 복원하는 단계를 포함하는 것을 특징으로 하는 고해상도강수량진단모형을 이용한 과거 사상 상세 강수량 자료 복원 방법.16. The method of claim 15,
The step of reconstructing the lattice data by inputting the lattice information reconstruction module as initial data of a high-resolution precipitation model (QPM)
And reconstructing the binaural AWS data by inputting the precipitation information restoration module as initial data of the high resolution precipitation diagnosis model to restore the precipitation information. .
KR1020140105475A 2014-08-13 2014-08-13 The precise past precipitation data recovery system and related application methods using a quantitative precipitation model KR101547681B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140105475A KR101547681B1 (en) 2014-08-13 2014-08-13 The precise past precipitation data recovery system and related application methods using a quantitative precipitation model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140105475A KR101547681B1 (en) 2014-08-13 2014-08-13 The precise past precipitation data recovery system and related application methods using a quantitative precipitation model

Publications (1)

Publication Number Publication Date
KR101547681B1 true KR101547681B1 (en) 2015-08-27

Family

ID=54062050

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140105475A KR101547681B1 (en) 2014-08-13 2014-08-13 The precise past precipitation data recovery system and related application methods using a quantitative precipitation model

Country Status (1)

Country Link
KR (1) KR101547681B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104882A1 (en) * 2015-12-18 2017-06-22 부경대학교 산학협력단 System for restoring high-resolution precipitation data and method for same

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
강부식 외 3인, '강수진단모형을 이용한 실시간 저수지 일유입량 예측', 한국수자원학회 2007년도 학술발표회논문집, 2007.05.17, pp.291-295

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017104882A1 (en) * 2015-12-18 2017-06-22 부경대학교 산학협력단 System for restoring high-resolution precipitation data and method for same
KR101791007B1 (en) 2015-12-18 2017-10-30 부경대학교 산학협력단 Recovery system and method for high resolution precipitation data
CN108474867A (en) * 2015-12-18 2018-08-31 釜庆大学校产学协力团 High resolution precipitation amount data recovery system and its method

Similar Documents

Publication Publication Date Title
KR101791007B1 (en) Recovery system and method for high resolution precipitation data
Berezowski et al. CPLFD-GDPT5: High-resolution gridded daily precipitation and temperature data set for two largest Polish river basins
KR101547682B1 (en) The precise past temperature data recovery system and related application methods using a Quantitative Temperature Model
CN110632680B (en) Power transmission line micro-area wind speed estimation method and system
CN106407633A (en) Method and system for estimating ground PM2.5 based on space-time regression Kriging model
Oliveira et al. A GIS-based procedure for automatically calculating soil loss from the universalsoil loss equation: Gisus-m
CN111611541B (en) Method and system for calculating data-free area precipitation data based on Copula function
JP6034361B2 (en) Weather prediction device and weather prediction method
KR101547681B1 (en) The precise past precipitation data recovery system and related application methods using a quantitative precipitation model
KR101817605B1 (en) Recovery system and method for high resolution temperature data
CN102314687B (en) Method for detecting small targets in infrared sequence images
Madhusoodhanan et al. Can statistical downscaling improve consensus among CMIP5 models for Indian summer monsoon rainfall projections?
Zhou et al. Daily rainfall model to merge TRMM and ground based observations for rainfall estimations
Feng et al. Comparison of SRTM data with other DEM sources in hydrological researches
KR101424613B1 (en) Calculation system of surface temperature and method thereof
CN111971581A (en) Device, method and computer program product for verifying data provided by a rain sensor
Rashid et al. Assessment of statistical characteristics of point rainfall in the Onkaparinga catchment in South Australia
Neary et al. Performance evaluation of HYCOM-GOM for hydrokinetic resource assessment in the Florida Strait
Berezowski et al. CPLFD-GDPT5: high-resolution gridded daily precipitation and temperature dataset for two largest Polish river basins
Roșca et al. Models for estimating soil erosion in the Middle and Lower Vasluieț Basin.
Amorati et al. Operational bias correction of hourly radar precipitation estimate using rain gauges
KR101131189B1 (en) System for estimation amount of snowfall using x-band radar and method therefor
CN107179145B (en) Evaluation algorithm for representativeness of observation space of ocean surface temperature drift buoy point
CN116524699B (en) Geological disaster early warning method and system based on regional analysis
CN117036987B (en) Remote sensing image space-time fusion method and system based on wavelet domain cross pairing

Legal Events

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

Payment date: 20180801

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190730

Year of fee payment: 5