KR102002593B1 - 특정공간에서의 유해기체 확산 해석 방법 및 장치 - Google Patents

특정공간에서의 유해기체 확산 해석 방법 및 장치 Download PDF

Info

Publication number
KR102002593B1
KR102002593B1 KR1020180126887A KR20180126887A KR102002593B1 KR 102002593 B1 KR102002593 B1 KR 102002593B1 KR 1020180126887 A KR1020180126887 A KR 1020180126887A KR 20180126887 A KR20180126887 A KR 20180126887A KR 102002593 B1 KR102002593 B1 KR 102002593B1
Authority
KR
South Korea
Prior art keywords
data
harmful gas
model
analyzing
analysis
Prior art date
Application number
KR1020180126887A
Other languages
English (en)
Inventor
서재민
임동연
용종원
최정우
윤현식
이순환
유정우
김효주
문기수
Original Assignee
주식회사 세이프티아
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 주식회사 세이프티아 filed Critical 주식회사 세이프티아
Application granted granted Critical
Publication of KR102002593B1 publication Critical patent/KR102002593B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
    • G01N11/02—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by measuring flow of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N2015/0007—Investigating dispersion of gas

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른, 서버에 의해 수행되는, 특정공간에서의 유해기체 확산 해석 방법에 있어서, (a) 초기 및 경계자료와 관측자료를 수신하는 단계; (b) 관측자료의 넛징(nudging) 수행을 위한 동화자료를 수행하는 단계; (c) 초기 및 경계자료, 동화자료를 기반으로 WRF 모델을 수행하는 단계; 및 (d) WRF 모델의 결과값을 CFD 모델에 적용하여 유해기체 확산 해석결과값을 도출하는 단계;를 포함한다.

Description

특정공간에서의 유해기체 확산 해석 방법 및 장치 {METHOD AND APPARATUS FOR ANALYZING HARMFUL GAS DIFFUSION IN A SPECIFIC SPACE}
본 발명은 특정 공간 내에 존재하는 유해기체의 움직임을 해석하는 기술에 관한 것이다.
종래의 수치해석 기법을 이용하면 도시에 흐르는 기류장의 해석에 최적화한 물리방정식을 특정하기 어려웠다.
따라서 중규모(mesoscale) 기상 모형(numerical weather predication)을 통해 중규모 강제력을 평가하고, 이를 입력장으로 CFD를 계산하는 편도 다중 모델 접근법(one way multi-model approach)을 적용하였다.
NWP에 산출한 정보는 도시 규모의 광역(현 서울 및 수도권 규모) 유동장 산출 및 CFD 초기장으로 활용하기 때문에 높은 정확도를 가진 생산 프로세스가 필요로 하는 실정이다.
도 1은 종래의 공간 해상도별 수치 모델을 적용한 예시를 나타낸 것이다.
도 1을 참조하면, 일반적으로 CFD모델의 경계자료를 제공하기 위해 사용하는 NWP모델 중 가장 널리 사용되는 모델로는 WRF(weather research and forecasting) 모델이 사용되고 있다.
이를 자세하게 설명하면, WRF는 미국 국립대기연구소(national center for atmospheric research)와 미국 해양 대기청(national oceanic and atmospheric administration)의 국립환경예측센터(national centers for environmental predication)에서 개발한 3차원 중규모 기상 모델로써 현재 연구와 현업에서 널리 사용되는 모델이다.
도 2는 종래의 WRF-ARW 모형의 전 후처리 과정을 포함한 계산 흐름도를 나타낸 것이다.
도2를 참고하면 WRF모델은 전처리 과정인 WRF Preprocessing system(WPS)에서 지형과 토지피복 등의 지형자료와 도메인 설정을 위해 지오그리드(geogrid) 과정과, 그립(grib)형식의 입력 자료인 전구 모형 자료를 모델에서 사용할 수 있는 형식으로 변형시키기 위한 언그립(ungrib)과정, 전구 모형 자료를 수평 격자에 맞게 내삽하는 멧그리드(metgrid)과정을 통해 WRF-ARW모델을 수행하기 위한 전처리 과정을 진행할 수 있다.
관측된 기상자료를 입력자료로 사용하여 수치모의 능력을 향상시키기 위한 WRF-Var와 객관 분석(objective analysis, OBSGRID)과정을 선택적으로 사용할 수 있으며, ARW모델의 리얼(real) 과정을 통해 전구 모형 자료를 연직내삽하여 초기자료와 경계자료를 생성하여 WRF로 적분을 실시하게 된다.
따라서, 본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 도시규모의 대기 유동장과 입자확산 시스템을 산출하여 유해기체의 움직임을 해석하는 것을 목적으로 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기와 같은 기술적 과제를 달성하기 위한 본 발명의 일 실시예에 따른, 서버에 의해 수행되는, 특정공간에서의 유해기체 확산 해석 방법에 있어서, (a) 초기 및 경계자료, 관측자료를 수신하는 단계; (b) 관측자료의 넛징(nudging) 수행을 위한 동화자료를 생성하는 단계; (c) 상기 초기 및 경계자료, 동화자료를 기반으로 WRF 모델을 수행하는 단계; 및 (d) WRF 모델의 결과값을 CFD 모델에 적용하여 유해기체 확산 해석결과값을 도출하는 단계;를 포함할 수 있다.
본 발명의 일 실시예에 따른 따른, 도시규모의 대기 유동장과 입자확산 시스템을 산출하여 유해기체의 움직임을 해석할 수 있다.
도 1은 종래의 공간 해상도별 수치 모델을 적용한 예시를 나타낸 것이다.
도 2는 종래의 WRF-ARW 모형의 전 후처리 과정을 포함한 계산 흐름도를 나타낸 것이다.
도 3은 본 발명의 일 실시예에 따른, 특정공간의 유해기체 확산을 해석하기 위한 시스템 구성을 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따른, 특정공간의 유해기체 확산을 해석하는 장치의 구성을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른, 특정공간에서 유해기체 확산의 해석을 수행하기 위한 동작 흐름도이다.
도 6은 본 발명의 일 실시예에 따른, 서울 및 수도권 일부 지역을 포함하는 WRF 모델링을 위한 도메인을 설정하는 예시로 나타낸 것이다.
도 7은 본 발명의 일 실시예에 따른, 서울지역을 중심으로 한 최종 도메인 및 서울지역 지상관측지점 정보를 나타낸 도면이다.
도 8은 본 발명의 일 실시에에 따른, 서울지역을 중심으로 지형고도를 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른, 서울지역의 토지이용도 분포를 나타낸 도면이다.
도 10은 본 발명의 일 실시예에 따른, 한국 인근해역의 해수면 온도차이를 나타낸 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서, 서버(100)는 특정공간의 유해기체 확산을 해석하기 위한 장치를, 외부 서버(200)는 특정공간의 유해기체 확산을 해석하기 위한 데이터를 서버(100)로 전달하는 장치를 의미할 수 있다.
이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.
도 3은 본 발명의 일 실시예에 따른, 특정공간의 유해기체 확산을 해석하기 위한 시스템 구성을 나타낸 것이다.
도 3을 참조하면, 특정공간의 유해기체 확산해석을 수행하는 서버(100)및 외부 서버(200)를 포함한다. 또한, 서버(100) 및 외부 서버(200)를 상호 연결하는 통신망(300)을 포함한다.
본 발명의 일 실시예에 따른 서버(100)는 외부 서버(200)가 수집하는 각종 외부환경에 대한 데이터들인 경계자료나, 관측자료를 수신하고, 해당 자료를 기초로 특정공간의 유해기체 확산해석을 수행하는 것을 특징으로 한다.
여기서 경계자료란 지형자료, 토지이용도 자료, 해수면 온도자료 등이 하부경계자료로서 포함되어 사용되고, 관측자료란 지상 관측을 통해 얻어진 자료로 날씨나 대기의 상태 등을 측정한 자료가 될 수 있다. 이때, 특정공간의 유해기체 확산해석의 정확도를 높이기 위한 자료는 앞서 서술한 자료 이외에도 더 추가로 사용될 수 있다.
서버(100) 및 복수 개의 외부 서버(200)들은 유무선 통신 환경에서 단말 어플리케이션을 이용할 수 있는 통신 단말기를 의미한다. 여기서 외부 서버(200)는 서버를 위한 데스크톱이나 데이터를 수집하기 위한 장치 그 자체일 수 있다. 도 1에서는 서버(100) 및 외부 서버(200)를 퍼스털 컴퓨터의 일종인 서버용 컴퓨터로 도시되었지만, 본 발명의 사상은 이에 제한되지 아니하며, 상술한 바와 같이 단말 어플리케이션을 탑재할 수 있는 단말에 대해서 제한 없이 차용될 수 있다.
이를 더욱 상세히 설명하면, 임의의 형태, 또는 다른 종류의 컴퓨팅 또는 커뮤니케이션 플랫폼의 임의의 형태를 포함할 수 있으나, 본 발명이 이에 한정되는 것은 아니다.
한편, 통신망(300)은 서버(100)와 외부 서버(200)들을 연결하는 역할을 수행한다. 즉, 통신망(300)은 외부 서버(200)들이 서버(100)에 접속한 후 데이터를 송수신할 수 있도록 접속 경로를 제공하는 통신망을 의미한다. 통신망(300)은 예컨대 LANs(Local Area Networks), WANs(Wide Area Networks), MANs(Metropolitan Area Networks), ISDNs(Integrated Service Digital Networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
도 4는 본 발명의 일 실시예에 따른, 특정공간의 유해기체 확산을 해석하는 장치의 구성을 나타낸 도면이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 장치는 통신 모듈(110), 메모리(120), 프로세서(130) 및 데이터베이스(140)를 포함한다.
상세히, 통신 모듈(110)은 통신망(300)과 연동하여 장치와 외부 서버 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공한다. 나아가, 통신 모듈(110)은 외부 서버로부터 데이터 요청을 수신하고, 이에 대한 응답으로서 데이터를 송신하는 역할을 수행할 수 있다.
여기서, 통신 모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
메모리(120)는 특정 공간의 유해기체 확산을 해석하기 위한 프로그램이 기록된다. 또한, 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 여기서, 메모리(120)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로세서(130)는 일종의 중앙처리장치로서 특정 공간의 유해기체 확산을 해석하기 위한 전체 과정을 제어한다. 프로세서(130)가 수행하는 각 단계에 대해서는 도 5를 참조하여 후술하기로 한다.
여기서, 프로세서(130)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
데이터베이스(140)는 특정 공간의 유해기체 확산을 해석하기 위한 정보가 포함될 수 있는데, 대표적으로 경계자료 및 관측자료가 저장되며 해당 자료들을 동화시킴에 따라 생성되는 동화자료도 저장될 수 있다.
이때, 경계자료로는 모델링 영역을 포함하는 지형 자료, 토지이용도 자료가 포함될 수 있고, 그 외 정확도를 높이기 위한 및 해수면 온도 자료와 같은 추가 자료가 더 포함될 수 있다.
비록 도 4에는 도시하지 아니하였으나, 경계자료, 관측자료 및 동화자료 중 일부는 데이터베이스(140)와 물리적 또는 개념적으로 분리된 데이터베이스(미도시)에 저장될 수 있다.
도 5는 본 발명의 일 실시예에 따른, 특정공간에서 유해기체 확산의 해석을 수행하기 위한 동작 흐름도이다.
도 5를 참조하면, 먼저 외부 서버(200)로부터 경계자료 및 관측자료를 수신한다(S510).
앞서 서술한 바와 같이 경계자료로는 지형 자료, 토지이용도 자료, 및 해수면 온도 자료가 사용될 수 있다.
서버(100)는 관측자료를 이용하여, 넛징(nudging) 수행에 필요한 동화자료를 생성한다(S520).
이때, 넛징이란 자료동화 방법 중 FDDA(for-dimensional data assimilation) 방법으로 모델의 오차를 줄이기 위한 효과적인 방법 중 하나이다.
경계자료는 FNL 전지구 자료를, 관측자료는 ASOS(autometed surface observing system), AWS(automatic weather station) 지상관측 자료를 이용하여 동화자료를 생성하되, 자료를 동화하기 위해 수행하는 과정으로 분석 넛징(grid nudging)과 관측 넛징(observational nudging)을 수행하게 된다.
다음으로 서버(100)는 외부 서버(200)로부터 수신한 경계자료 및 관측자료와 단계(S520)에서 생성한 동화자료를 기반으로 WRF 모델을 수행한다(S530).
본 발명에서는 종래에 널리 사용되는 기상 관측 모델인 WRF모델을 추천하는 바이지만, 특정공간에서 유해기체 확산의 해석을 수행하기 위해 사용되는 NWP 모델의 종류는 별도의 제한을 두지 않고 차용이 가능하다.
마지막으로 단계(S530)에서 WRF 모델링의 결과값을 CFD모델에 적용 후 유해기체 확산에 대한 해석결과값을 도출한다(S540).
종래의 CFD 해석은 목표하는 오염물질의 확산에 대한 해석결과값은 사용자가 기 설정한 위치를 중심으로 오염물질 방출 반경을 약 0.5km이내를 대상으로 한다.
따라서, 본 발명에서도 이를 동일하게 적용하여 유해기체 확산에 대한 해석을 하기 위한 위치를 지정하고, 해당 위치를 기준으로 기 설정된 반경으로 유해기체 확산에 대한 해석결과값을 도출하게 된다.
이때, 기상 관측 모델인 WRF를 수행하고, 그 결과값을 CFD모델에 적용하여 특정공간에서 유해기체 확산의 해석을 수행하게 된다.
이때, WRF는 완전 압축성 비정수계 방정식을 적용하여, 결과값에 대한 수치 적분을 통해 수치 일기 예보를 수행하게 된다.
또한, CFD의 해석 결과로는 해석 영역 내에 존재하게 되는 각 격자 위치에 해당하는 유해기체 확산에 대한 농도값을 산출하여 농도장의 컨투어(contour)나 수치값의 제공 등 다양한 방법으로 가시화 할 수 있다.
또한, 경계자료는 유해기체 확산을 해석하기 위한 구역을 포함하는 영역을 기 설정된 크기를 가지는 수평 격자 형태로 나뉘어진 복수의 모델링 영역으로 설정하며, 모델링 영역에 포함되면서도 모델링 영역보다 더 작은 크기의 하위 영역을 복수로 더 설정하여, 격자형태의 체계를 사용하게 되는 것이다. 앞서 서술한 바와 같이 대표적으로 Arakawa-C 격자 체계를 사용하게 된다.
도 6은 본 발명의 일 실시예에 따른, 서울 및 수도권 일부 지역을 포함하는 WRF 모델을 수행하기 위한 도메인을 설정하는 예시로 나타낸 것이다.
도 6을 참조하면, WRF를 수행하기 위한 최종 도메인이 서울 지역을 중심으로 설정한 것을 확인할 수 있다.
제 1 도메인은 동아시아 영역을 대상으로 27km 해상도, 제 2 도메인은 한반도를 대상으로 9km 해상도, 제 3 도메인은 서울, 경기 지역을 포함한 3km 해상도, 그리고 제 4 도메인은 최종 도메인으로 도 4와 같이 서울 및 수도권 일부 지역을 포함하는 1km 해상도 76*61개의 수평 격자로 구성될 수 있다.
연구에 사용된 WRF모델의 모수화 방안과 같은 세부설정은 아래의 표 1과 같으며, 구름 물리과정으로 케인-프릿슈 체계(Kain-Fritsch scheme), 미물리과정에는 WSM 6 계급 싸락눈 체계(6-class graupel scheme)을 적용하고, 장파복사에는 RRTM(rapid radiative transfer model) 체계, 단파복사에는 더드히아 체계(Dudhia scheme)를 적용할 수 있다.
또한, 대기경계층 모수화 방안의 경우는 YSU 체계를 적용하였고, 지표층 모델은 MM5 유사도 체계, 지표면 모델에는 노아 지표면 모델(Noah land surface model)을 적용할 수 있다.
한편, NWP모델에 적용할 수 있는 초기 및 경계 자료로는 기존 연구들을 통하여 타당성이 확보된 NCEP/NCAR(national centers for environmental predication/national centers for atmospheric research)에서 제공하는 FNL(FNL operational global analysis data) 자료를 사용할 수 있다. 해당 자료는 하루 6시간 간격(00, 06, 12, 18UTC)으로 제공되고, 이때 수평 간격이 1.0°*1.0°이 된다.
WRF 모델링 격자구성 및 물리옵션
d01 d02 d03 d04
Horizontal grid 90*90 82*88 70*79 76*61
Resolution 27km 9km 3km 1km
Vertical layers 40 Layers
Physical process WRF Single-Moment 6-class scheme
RRTM scheme
Dudhia scheme
Noah Land Surface Model
YSU PBL scheme
Initial data NCEP FNL Operational Analysis data
이하는 본 명세서의 도 7 내지 도 10은 특정공간에서 유해기체 확산의 해석을 수행에 있어 필요한 경계 자료인 지형고도 및 토지이용도 자료, 해수면 온도 자료에 대한 것으로, 국내를 기준으로 주변 환경의 상태 및 현실성이 반영된 자료를 이용함으로써 기상수치모델의 정확도를 향상시킬 수 있다.
도 7은 본 발명의 일 실시예에 따른, 서울지역을 중심으로 한 최종 도메인 및 서울지역 지상관측지점 정보를 나타낸 도면이다.
도 7은 분석 넛징을 수행하기 위해 필요한 ASOS 및 AWS 지상관측지점의 정보이다.
도 8은 본 발명의 일 실시에에 따른, 서울지역을 중심으로 지형고도를 나타낸 도면이다.
도 8을 참조하면, 본 발명에서 적용하는 지형고도의 자료는 NASA에서 제공하는 SRTM(shuttle radar topography mission)로서, 3''(약 90m)의 높이를 가지는 서울지역의 지형고도를 나타낸 것이다.
SRTM을 사용함으로써 해안선의 변화 및 내륙 토지가 확장, 지형의 굴곡이 심화되어 상세한 지형이 구현할 수 있다.
도 9는 본 발명의 일 실시예에 따른, 서울지역의 토지이용도 분포를 나타낸 도면이다.
도 9를 참조하면, 종래의 WRF모델에서 주로 사용되는 미국의 USGS에서 작성한 자료를 대신하여, 환경부에서 제공하는 중분류 토지이용도 자료(environmental geographic information system; EGIS)를 사용하여 서울 지역의 토지이용도 분포를 나타낸 것이다.
한반도 실제 상황에 맞는 토지이용도 자료를 사용함으로 도심 및 매립지역 증가에 따른, 수분 함유량, 마찰 속도, 알베도 등의 물리적 특성을 카테고리 분류하고, 본 발명에 반영할 수 있다.
도 10은 본 발명의 일 실시예에 따른, 한국 인근 해역의 해수면 온도차이를 나타낸 도면이다.
일반적으로 NWP모델에서는 기본적으로 초기 및 경계자료로 사용되는 FNL 자료의 표면 온도(skin temperature) 자료를 이용할 수 있다.
하지만, 본 발명에서는 미국의 NCEP MMAB(Marine Modeling and Analysis Branch)에서 생산되는 RTG SST일평균 자료를 사용하고, 이때 자료는 0.083°*0.083°의 공간해상도를 가지게 된다.
도 10을 살펴보면, 연안에서의 해수면 온도 차이는 풍상 측이 바다인 지역인 서해 연안지역에서 개선효과가 뚜렷함을 확인할 수 있다.
본 발명에서 사용되는 분석 넛징(grid nudging)은 객관분석을 통해 초기장을 자료 동화하여 수치모의 시 입력 되는 분석장을 개선하는 과정으로서, 객관분석을 위한 예단 방정식은 플럭스(flux)형태로 표현되며 비정수 상태에서는 아래의 식과 같이 나타낼 수 있다.
(1)
Figure 112018104727521-pat00001
위의 공식에서 G는 넛징 인버스 타임 스케일(nudging inverse time scale)로서 넛징 팩터(nudging factor)라고 하며, 변수가 가지는 물리과정(physical forcing)의 시간스케일의 역수로 표현된다. 또한, 이 값이 너무 크면 모델의 상태(state)가 불균형이 생기고, 너무 작으면 모델의 상태에 영향을 줄 수 없다.
W는 상층과 지상에서 가질 수 있는 수직 가중치(vertical weight)를 뜻하고, ε는 분석 정성 인자(analysis quality factor)로서 관측 밀도(obs density)를 위한 수평 가중치(horizontal weight)를 의미하지만, 아직 WRF모델에는 적용하지 않는다.
상대적으로 큰 도메인에 적합한 분석 넛징(grid nudging)의 G는 보통 코리올리 파라미터(Coriolis parameter)의 크기와 유사하게 정의하고 수치계산의 안정성을 위해 항상 1/Δt보다 작아야 한다.
분석 넛징(grid nudging)은 객관분석을 통해 초기 입력자료를 6시간 간격으로 넛징하여 초기장에 가깝게 완화 시켜주어 모델의 초기장 개선을 통해 오차를 감소하는 것을 확인할 수 있다.
관측 넛징(observational nudging)은 각 격자에 영향을 미치는(영향의 반경에 따른) 관측 값을 객관 분석하여 모델의 결과를 개선시키는 방법을 뜻하고, 지상(ASOS, AWS 등) 및 존데(sonde) 등 다양한 종관 및 비종관 관측 자료를 사용할 수도 있다.
(2)
Figure 112018104727521-pat00002
(3)
Figure 112018104727521-pat00003
N은 관측값의 개수를 뜻하며 W(x,t)로 표현되는 가중치 함수(weighting function)를 통하여 자료동화의 강도를 조절하게 된다.
W(x,t)의 각 항은 수평, 수직, 시간 가중치항을 뜻하며, 수평 가중치Wxy 는 관측지점과 격자점의 거리인 D와 영향반경 R을 이용할 수 있다.
위 식에 의하면 모델 내 격자와 가까이 있는 관측값 일수록 더 많은 영향을 끼치게 되며, 수평적으로 모델격자와 관측되는 사이트의 거리가 보다 크게 되면 영향을 미치지 않으므로 모델의 격자규모와 적분간격에 따라 관측값의 영향반경(radius influence)을 적절하게 결정하는 것이 중요하게 된다.
따라서, 관측 넛징은 관측지점의 관측값과의 오차에 따라서 완화항을 계산하여 오차를 줄이는 기법으로 정밀한 기상장 모형에 적합하다.
관측 넛징에 사용되는 자료는 전국 기상대(ASOS) 및 자동기상관측소(AWS)의 기온(t) 및 풍향, 풍속(u, v) 지상관측자료 사용하며, 본 발명에서는 최종도메인 내에 존재하는 56개 지상 관측 지점의 자료를 이용하였다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 서버 200: 외부서버
110: 통신 모듈 120: 메모리
130: 프로세서 140: 데이터베이스

Claims (8)

  1. 서버에 의해 수행되는, 도시규모의 대기 유동장과 입자 확산 시스템을 기초로 유해 기체의 움직임을 해석하는 방법에 있어서,
    (a) 초기 및 경계자료, 관측자료를 수신하는 단계;
    (b) 상기 관측자료의 넛징(nudging)을 통해, 동화자료를 생성하는 단계;
    (c) 상기 초기 및 경계자료, 동화자료를 기반으로 WRF(weather research and forecasting) 모델을 수행하는 단계; 및
    (d) 상기 WRF 모델의 결과값을 CFD(Computational fluid dynamics) 모델에 적용하여 유해기체 확산 해석결과값을 도출하는 단계;
    를 포함하되,
    상기 관측자료는 ASOS(automated surface observing system) 및 AWS(automatic weather station) 지상 관측 자료를 이용하고,
    상기 (c) 단계 이전에
    상기 경계자료는 유해기체 확산을 해석하기 위한 구역이 포함된 영역을 기 설정된 크기의 수평 격자 형태를 가지는 복수의 모델링 영역으로 나누어 설정하며,
    Arakawa-C 격자 체계를 사용하여 상기 모델링 영역에 포함되고, 상기 모델링 영역보다 더 작은 크기의 하위 영역을 복수로 더 설정하며,
    상기 (c) 단계는
    상기 WRF 모델은 완전 압축성 비정수계 방정식(euler non-hydrostatic equation)을 적용하고, 결과값에 대한 수치 적분을 통해 수치 일기 예보를 수행하고,
    상기 CFD 모델의 해석 결과는 해석 영역 내의 각 격자 위치에 해당하는 유해기체 확산에 대한 농도값을 산출하여 농도장의 컨투어(contour) 또는 수치값 중 적어도 어느 하나를 제공하는 방법으로 가시화 하는 것인, 도시규모의 대기 유동장과 입자 확산 시스템을 기초로 유해 기체의 움직임을 해석하는 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 경계자료는
    상기 모델링 영역을 포함하는 지형 자료;
    상기 모델링 영역을 포함하는 토지이용도 자료; 및
    상기 모델링 영역을 포함하는 해수면 온도 자료;
    를 포함하는 것인, 도시규모의 대기 유동장과 입자 확산 시스템을 기초로 유해 기체의 움직임을 해석하는 방법.
  4. 제 1 항에 있어서
    상기 (b) 단계는
    상기 관측자료를 동화하기 위한 과정으로 분석 넛징(grid nudging) 및 관측 넛징(observational nudging)을 수행하는 것인, 도시규모의 대기 유동장과 입자 확산 시스템을 기초로 유해 기체의 움직임을 해석하는 방법.
  5. 제 4 항에 있어서
    상기 (b) 단계는
    하기 수학식 1에 기초하여 분석 넛징을 수행하는 것인, 도시규모의 대기 유동장과 입자 확산 시스템을 기초로 유해 기체의 움직임을 해석하는 방법.
    [수학식 1]
    Figure 112019047965544-pat00004

    G: 넛징 인버스 타임 스케일(nudging inverse time scale)
    W: 수직 가중치(vertical weight)
    ε: 분석 정성 인자(analysis quality factor)
  6. 제 5 항에 있어서
    상기 분석 넛징은 객관분석을 통해 초기 입력자료를 기 설정된시간 간격으로 수행하는 것인, 도시규모의 대기 유동장과 입자 확산 시스템을 기초로 유해 기체의 움직임을 해석하는 방법.
  7. 제 4 항에 있어서
    상기 (b) 단계는
    하기 수학식 2에 기초하여 관측 넛징을 수행하는 것인, 도시규모의 대기 유동장과 입자 확산 시스템을 기초로 유해 기체의 움직임을 해석하는 방법.
    [수학식 2]
    Figure 112019047965544-pat00005

    N: 관측자료의 계수
  8. 삭제
KR1020180126887A 2018-03-30 2018-10-23 특정공간에서의 유해기체 확산 해석 방법 및 장치 KR102002593B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180037551 2018-03-30
KR1020180037551 2018-03-30

Publications (1)

Publication Number Publication Date
KR102002593B1 true KR102002593B1 (ko) 2019-07-22

Family

ID=67469126

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180126887A KR102002593B1 (ko) 2018-03-30 2018-10-23 특정공간에서의 유해기체 확산 해석 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102002593B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685977A (zh) * 2021-01-14 2021-04-20 国家气候中心 风电场风资源非定常数值模拟方法和装置
CN114169179A (zh) * 2021-12-14 2022-03-11 重庆市生态环境大数据应用中心 一种空气质量本底浓度分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120101952A (ko) * 2011-03-07 2012-09-17 부경대학교 산학협력단 기상 진단 모델을 이용한 확산 모델의 온도장 후처리 시스템 및 그 방법
KR20120101949A (ko) * 2011-03-07 2012-09-17 부경대학교 산학협력단 기상 진단 모델과 확산 모델의 바람장 구현 시스템 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120101952A (ko) * 2011-03-07 2012-09-17 부경대학교 산학협력단 기상 진단 모델을 이용한 확산 모델의 온도장 후처리 시스템 및 그 방법
KR20120101949A (ko) * 2011-03-07 2012-09-17 부경대학교 산학협력단 기상 진단 모델과 확산 모델의 바람장 구현 시스템 및 그 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
강미선 외 4, ‘WRF-LES-FDDA 구축 및 검증’ (국립기상연구소 응용기상연구과, 2014.12.31.) pp 1~55. *
최희욱 외 4, ‘CFD-WRF 접합 모델을 이용한 도시 지역 화재 시나리오별 확산 특성 연구’ (한국기상학회, 2012.03.31.) pp 47~55. *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685977A (zh) * 2021-01-14 2021-04-20 国家气候中心 风电场风资源非定常数值模拟方法和装置
CN112685977B (zh) * 2021-01-14 2023-12-08 国家气候中心 风电场风资源非定常数值模拟方法和装置
CN114169179A (zh) * 2021-12-14 2022-03-11 重庆市生态环境大数据应用中心 一种空气质量本底浓度分析方法

Similar Documents

Publication Publication Date Title
Varlas et al. A multi-platform hydrometeorological analysis of the flash flood event of 15 November 2017 in Attica, Greece
Xu et al. Urban morphology detection and computation for urban climate research
CN110232471B (zh) 一种降水传感网节点布局优化方法及装置
Sobash et al. Assimilating surface mesonet observations with the EnKF to improve ensemble forecasts of convection initiation on 29 May 2012
Samuels et al. Development of a global oil spill modeling system
Lien et al. Statistical properties of global precipitation in the NCEP GFS model and TMPA observations for data assimilation
Florinsky et al. Geomorphometry from unmanned aerial surveys
CN110595968B (zh) 一种基于静止轨道卫星的pm2.5浓度估算方法
CN114491927A (zh) 城市生态环境气土水耦合模拟预报方法
Dihkan et al. Evaluation of urban heat island effect in Turkey
Zhu et al. A regional GSI-based ensemble Kalman filter data assimilation system for the rapid refresh configuration: Testing at reduced resolution
CN104268429A (zh) 基于星载sar的近海岸海上风能资源遥感方法及系统
KR102002593B1 (ko) 특정공간에서의 유해기체 확산 해석 방법 및 장치
Greeshma et al. Impact of local data assimilation on tropical cyclone predictions over the Bay of Bengal using the ARW model
Fan et al. A comparative study of four merging approaches for regional precipitation estimation
CN107391794B (zh) 一种台风连续立体风场反演方法
KR101870263B1 (ko) 기후변화시나리오의 역학적 상세화 방법을 이용한 기후변화 고해상도 자료생상 및 표출시스템
Afshar-Kaveh et al. Evaluation of different wind fields for storm surge modeling in the Persian Gulf
Medeiros et al. A Random Forest model based on lidar and field measurements for parameterizing surface roughness in coastal modeling
Abate et al. Integrated close range remote sensing techniques for detecting, documenting, and interpreting lost medieval settlements under canopy: the case of Altanum (RC, Italy)
CN110310370B (zh) 一种gps与srtm点面融合的方法
CN116609859A (zh) 一种气象灾害高分辨率区域模式预报系统及方法
Jakovljević et al. Water body extraction and flood risk assessment using Lidar and open data
CN115855272A (zh) 一种生成近实时逐小时全天候地表温度的方法
Zhang et al. Exploring mean annual precipitation values (2003–2012) in a specific area (36° N–43° N, 113° E–120° E) using meteorological, elevational, and the nearest distance to coastline variables

Legal Events

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