KR102006847B1 - System and Method for radar based nowcasting using optical flow with a multi scale strategy - Google Patents

System and Method for radar based nowcasting using optical flow with a multi scale strategy Download PDF

Info

Publication number
KR102006847B1
KR102006847B1 KR1020180097218A KR20180097218A KR102006847B1 KR 102006847 B1 KR102006847 B1 KR 102006847B1 KR 1020180097218 A KR1020180097218 A KR 1020180097218A KR 20180097218 A KR20180097218 A KR 20180097218A KR 102006847 B1 KR102006847 B1 KR 102006847B1
Authority
KR
South Korea
Prior art keywords
rainfall
radar
data
precipitation
prediction
Prior art date
Application number
KR1020180097218A
Other languages
Korean (ko)
Inventor
이동인
유림탁
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 KR1020180097218A priority Critical patent/KR102006847B1/en
Application granted granted Critical
Publication of KR102006847B1 publication Critical patent/KR102006847B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • 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
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Hydrology & Water Resources (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a device and method for radar ultrashort precipitation prediction using a multiscale optical flow to generate an extrapolated prediction precipitation by applying a multiscale optical flow algorithm so as to increase an accuracy of the ultrashort precipitation prediction. The device for radar ultrashort precipitation prediction comprises: a data input part for inputting radar precipitation estimation data; and an ultrashort precipitation prediction part which produces multi-radar composite precipitation estimation data, and produces the radar ultrashort precipitation prediction data by calculating and correcting a motion vector through the multiscale optical flow method and predicting precipitation movement through time interpolation.

Description

다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법{System and Method for radar based nowcasting using optical flow with a multi scale strategy}System and Method for radar based nowcasting using optical flow with a multi scale strategy}

본 발명은 강수 예측에 관한 것으로, 구체적으로 다중규모 광학 흐름 알고리즘을 적용하여, 외삽 예측 강우장을 생성하여 초단기 강수 예측의 정확도를 높일 수 있도록 한 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법에 관한 것이다.The present invention relates to precipitation prediction, and specifically, an apparatus for radar ultra-short rainfall prediction using multi-scale optical flow to generate an extrapolated prediction rainfall field by applying a multi-scale optical flow algorithm to increase the accuracy of ultra-short rainfall prediction. And to a method.

기상수치모델은 대기현상의 역학 및 물리적 원리에 대한 여러 방정식들을 컴퓨터를 활용하여 연속적으로 수치적분하여 현재의 대기상태를 파악하고 더불어 미래의 대기상태를 정량적으로 예측할 수 있다.Meteorological models can be used to numerically integrate various equations on the dynamics and physical principles of atmospheric phenomena using a computer to determine the current atmospheric state and to quantitatively predict the future atmospheric state.

전 세계적으로 기상현상(특히 강수)의 예측을 위하여 여러 가지 종류의 기상수치모델을 활용하고 있으며, 예측 시간(lead time)에 따라 초단기, 단기, 중장기, 장기 예측모델로 구분할 수 있다.Various types of weather numerical models are used for forecasting meteorological phenomena (especially precipitation) around the world, and they can be classified into short-term, short-term, mid- and long-term prediction models according to the lead time.

최근 국지성 집중호우로 인한 인명 및 재산 피해가 급증하고 있다.In recent years, damages to human life and property caused by localized heavy rains have increased rapidly.

기후변화로 인한 단시간에 국지적으로 발생하는 집중호우의 강도 및 빈도가 증가하는 추세이며, 그에 따른 피해의 규모 또한 증가하고 있다.The intensity and frequency of torrential rains that occur locally in a short period of time due to climate change are increasing, and the magnitude of the damage is also increasing.

단시간에 국지적으로 발생하는 위험기상의 피해를 최소화하기 위해서는 초단기 강수 예측의 정확성을 향상하여야 한다. In order to minimize the risk of dangerous weather occurring locally in a short time, the accuracy of the forecasting of short-term precipitation should be improved.

기상레이더는 고품질, 고해상도의 실시간 관측 자료를 제공하여, 위험기상을 유발하는 강수시스템에 관한 실시간 감시 및 예측에 매우 효율적인 기상장비이다. The weather radar provides high quality and high resolution real time observation data, which is very efficient for real time monitoring and forecasting of dangerous weather causing precipitation system.

국외사례에서 기상레이더를 활용한 초단기 강수량 예측 자료는 기상방재를 위해 적극적으로 활용되고 있으며, 유럽의 경우에는 유럽연합을 총괄하여 기상레이더를 활용한 초단기 강수량 예측 결과를 방재에 활용 중에 있다. In overseas cases, ultra-short-term precipitation forecasting data using weather radar is actively used for meteorological disaster prevention. In Europe, the short-term precipitation forecasting using weather radar is used for disaster prevention.

기상청은 기상 방재를 위하여 레이더 관련 기술개발을 꾸준히 실행하고 있으며, 대국민 및 방재기관 서비스를 위한 사업을 실시하고 있다.The Korea Meteorological Administration is continuously implementing radar-related technology development for meteorological disaster prevention, and is conducting projects for public and disaster prevention service.

고해상도의 기상 관측 자료를 생산하여 기후변화로 인해 증가하는 국지성 집중호우와 같은 악기상을 미연에 방지하기 하고자 강수시스템 탐지 및 예측에 많은 노력을 기울이고 있다.In order to produce high-resolution weather observation data and to prevent instrumental images such as localized heavy rains due to climate change, much effort is being made to detect and predict precipitation systems.

국내에서 활용중인 레이더 초단기 강수 예측모델인 MAPLE(McGil Algorithm for Precipitation nowcasting by Lagrangian Extrapolation), VSRF(Very Short Range Forecast of precipitation), KONOS(KOrea NOwcasting System)은 국외에서 도입하여 활용되고 있지만, 국내의 기술력으로 개발된 독자적인 초단기 강수 예측모델은 전무한 실정이다.The McGil Algorithm for Precipitation nowcasting by Lagrangian Extrapolation (MAPLE), Very Short Range Forecast of precipitation (VSRF), and KOON NOwcasting System (KONOS), which are used in Korea, are being used in Korea. There is no unique short-term precipitation prediction model developed by the company.

따라서, 국내의 레이더 초단기 예측 기술력 향상을 위하여 지속적인 연구 개발이 필요하며, 이를 위해 국내의 기상학적 환경에 적합한 모델의 개발이 요구되고 있다.Therefore, continuous research and development is necessary to improve domestic radar ultra-short-term prediction technology, and for this, development of a model suitable for the domestic meteorological environment is required.

대한민국 공개특허 제10-2018-0060286호Republic of Korea Patent Publication No. 10-2018-0060286 대한민국 등록특허 제10-1672810호Republic of Korea Patent No. 10-1672810

본 발명은 종래 기술의 강수 예측 기술의 문제점을 해결하기 위한 것으로, 다중규모 광학 흐름 알고리즘을 적용하여, 외삽 예측 강우장을 생성하여 초단기 강수 예측의 정확도를 높일 수 있도록 한 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention is to solve the problems of the prior art precipitation prediction technique, by applying a multi-scale optical flow algorithm, to generate an extrapolated prediction rainfall field to increase the accuracy of ultra-short rainfall prediction radar It is an object of the present invention to provide an apparatus and method for short-term precipitation prediction.

본 발명은 강우 계급에 따른 계산소요 시간이 낮게 추정되는 다중규모 광학 흐름 알고리즘을 적용하여, 외삽 예측 강우장을 생성하는 방법으로 시,공간 고해상도의 레이더 초단기 강수량 예측모델을 개발할 수 있도록 한 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention is a method for generating extrapolated predicted rainfall fields by applying a multiscale optical flow algorithm that has a low calculation time according to the rainfall class. An object of the present invention is to provide an apparatus and method for radar ultra-short rainfall prediction using flow.

본 발명은 시,공간 고해상도의 레이더 초단기 강수량 예측모델을 개발하여 기상 방재에 적극 활용할 수 있고, 국지적인 집중호우로 인한 피해를 최소화할 수 있도록 한 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention is to develop a radar ultra-short rainfall prediction model of high-definition time-space, can be actively used for weather disaster prevention, and the apparatus for the prediction of radar ultra-short rainfall using multi-scale optical flow to minimize the damage caused by localized heavy rain And to provide a method.

본 발명의 다른 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.Other objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned can be clearly understood by those skilled in the art from the following description.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치는 레이더 강수량 추정 자료를 입력하는 자료 입력부;다중 레이더 합성 강수량 추정 자료를 생산하고, 다중규모 광학흐름 방법을 통한 이동벡터 산출 및 보정 및 시간 내삽법을 통한 예측 강우장 이동을 수행하여 레이더 초단기 강수 예측 자료를 생산하는 초단기 강수 예측부;를 포함하는 것을 특징으로 한다.In order to achieve the above object, an apparatus for predicting radar ultra-short rainfall using multi-scale optical flow according to the present invention includes: a data input unit for inputting radar precipitation estimation data; producing a multi-radar synthetic precipitation estimation data, and multi-scale optical flow It is characterized in that it comprises a; ultra-short rainfall prediction unit for producing a radar ultra-short rainfall prediction data by performing the motion vector calculation and correction through the method and the prediction rainfall field movement through the time interpolation method.

여기서, 초단기 강수 예측부는, 강우시스템 이동 추정에 사용되는 다중 레이더 합성 강수량 추정 자료를 생산하는 추정 자료 생산부와,다중규모 광학흐름 방법을 이용하여, 레이더 추정 강수량으로부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출 및 보정을 하는 이동벡터 산출 및 보정부와,추정된 이동벡터를 각 계급에 사용하여 예측 강우장의 이동을 계산하여 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하는 예측 강우장 생산부와,레이더 초단기 강수 예측 자료 생산 결과를 출력하는 초단기 강수 예측자료 출력부를 포함하는 것을 특징으로 한다.Here, the short-term precipitation prediction unit compares the estimated data production unit that produces the multi-radar synthetic precipitation estimation data used for rainfall system movement estimation with the data observed at different times from the radar estimated precipitation using the multi-scale optical flow method. A motion vector calculation and correction unit that calculates and corrects a motion vector, calculates the movement of the predicted rainfall field using the estimated motion vector for each class, and produces a predicted rainfall field by integrating the predicted rainfall intensity of each class. It characterized in that it comprises a prediction rainfall field production unit and an ultra-short rainfall prediction data output unit for outputting the radar ultra-short rainfall prediction data production results.

다른 목적을 달성하기 위한 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법은 강우시스템 이동 추정에 사용되는 다중 레이더 합성 강수량 추정 자료를 생산하는 추정 자료 생산 단계;다중규모 광학흐름 방법을 이용하여, 레이더 추정 강수량으로부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출 및 보정을 하는 이동벡터 산출 및 보정 단계;추정된 이동벡터를 각 계급에 사용하여 예측 강우장의 이동을 계산하여 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하는 예측 강우장 생산 단계;레이더 초단기 강수 예측 자료 생산 결과를 출력하는 초단기 강수 예측자료 출력 단계;를 포함하는 것을 특징으로 한다.According to the present invention, a method for predicting radar ultra-short rainfall using multi-scale optical flow according to the present invention includes: estimating data production step of producing multi-radar synthetic precipitation estimation data used for rainfall system movement estimation; multi-scale optical flow method Calculating and correcting a moving vector by comparing the data observed at different times from the estimated radar rainfall; using the estimated motion vector for each class to calculate the movement of the predicted rainfall field. Predictive rainfall field production step of producing a predicted rainfall field by integrating the predicted rainfall intensity of each class; Ultra-short rainfall prediction data output step of outputting radar ultra-short rainfall prediction data production results; characterized in that it comprises a.

여기서, 추정 자료 생산 단계에서, S-band 이중편파레이더를 사용하여 고도 2km에서의 관측반경을 갖고, 각 레이더의 주사모드는 매 10분 간격, 10개의 고도각에 대하여 수평관측(Pland Position Indicator, PPI)을 실시하여 입체관측(volume scan) 자료를 생산하고, 3차원 CAPPI(Constant Altitude Plan Position Indicator) 반사도 자료는 Cressman-type 가중함수를 적용하여 3차원 극 좌표계를 직교좌표로 변환하는 것을 특징으로 한다.Here, in the estimation data production step, the S-band dual polarization radar has an observation radius at an altitude of 2 km, and the scanning mode of each radar is every 10 minutes, and the horizontal position indicator (Pland Position Indicator, PPI) to produce volume scan data, and 3D CAPPI (Constant Altitude Plan Position Indicator) reflectivity data are converted to Cartesian coordinates by applying Cressman-type weighting function. do.

그리고 기상레이더간의 추정오차를 줄이기 위해 레이더 관측 영역에서 상호 중첩되는 중첩영역에 대하여 반사도 편차 보정 후 최대값 합성(Max-CAPPI)을 적용하고, 산악지역의 고도를 고려하여 3차원 CAPPI 자료 중 고도 2 km 반사도 자료를 강우강도 자료로 변환하는 것을 특징으로 한다.In order to reduce the estimation error between weather radars, the maximum value composite (Max-CAPPI) is applied to the overlapping overlapping areas in the radar observation area and then the maximum value composite (Max-CAPPI) is applied. It is characterized by converting km reflectance data into rainfall intensity data.

그리고 이동벡터 산출 및 보정 단계는, 레이더 추정 강수량으로 부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출하기 위하여, 시간 T1 (T2-10분)의 강수량 자료와 T2에서의 강수량 자료를 활용하여 Optical Flow Constraint (OFC)방정식의 해를 구하고, OFC 방정식의 해는 비용함수

Figure 112018082532520-pat00001
를 최소로 하는
Figure 112018082532520-pat00002
를 나타내는 것이고, 비용함수
Figure 112018082532520-pat00003
는,And the motion vector calculation and correction step, in order to calculate the motion vector by comparing the data observed at different times from the estimated radar rainfall, precipitation data at time T 1 (T 2 -10 minutes) and precipitation at T 2 The data are used to solve the Optical Flow Constraint (OFC) equation, and the solution of the OFC equation is a cost function.
Figure 112018082532520-pat00001
To minimize
Figure 112018082532520-pat00002
Cost function
Figure 112018082532520-pat00003
Quot;

Figure 112018082532520-pat00004
으로 계산하고,
Figure 112018082532520-pat00004
To calculate,

여기서,

Figure 112018082532520-pat00005
는 각 격자점에서의 이동벡터의 동,서 방향 성분과 남·북 방향 성분을 나타내고,
Figure 112018082532520-pat00006
는 각 격자점의 강우량 값이고,
Figure 112018082532520-pat00007
는 평활화 항의 가중치를 나타내는 것을 특징으로 한다.here,
Figure 112018082532520-pat00005
Represents the east-west direction components and south-north components of the movement vector at each grid point,
Figure 112018082532520-pat00006
Is the rainfall value of each grid point,
Figure 112018082532520-pat00007
Denotes the weight of the smoothing term.

그리고 강수셀의 규모에 따른 이동 방향 및 속도를 고려하기 위해, 관측된 강수량 자료

Figure 112018082532520-pat00008
를 가우시안 커널(Gaussian kernel)을 이용한 다운샘플링(downsampling) 통해 낮은 해상도의 강수량 자료
Figure 112018082532520-pat00009
)를 생성하고, 큰 규모의 특성이 뚜렷한 낮은 해상도
Figure 112018082532520-pat00010
에서 산출된 이동벡터를 참고를 하여
Figure 112018082532520-pat00011
순으로 단계별로 작은 규모의 특성을 고려하여 산출된 이동벡터의 정확성을 높이는 것을 특징으로 한다.And, to consider the direction and speed of movement according to the size of the precipitation cell, the observed precipitation data
Figure 112018082532520-pat00008
Resolution precipitation data through downsampling with Gaussian kernel
Figure 112018082532520-pat00009
) And low resolution with large scale characteristics
Figure 112018082532520-pat00010
With reference to the movement vector calculated from
Figure 112018082532520-pat00011
It is characterized by increasing the accuracy of the calculated motion vector in consideration of the characteristics of the small scale step by step.

그리고 예측 강우장 생산 단계에서, 전체 관측한 강우강도(mm h-1) R은 계급화 된 Rk로,

Figure 112018082532520-pat00012
으로 정의되고, 예측 강우장의 이동은 추정된 이동벡터를 각 계급에 사용하여 계산되는 것을 특징으로 한다.In the predicted rainfall field production stage, the total observed rainfall intensity (mm h -1 ) R is graded R k ,
Figure 112018082532520-pat00012
The movement of the predicted rainfall field is calculated using the estimated motion vector for each class.

그리고 예측 시간 t(시간간격 Δt)에서의 예측 강우강도(Rkt)는,

Figure 112018082532520-pat00013
으로 계산되고, 초기 계급 k에서의 강우강도를 Rk,0, u 와 v 는 각각 이동벡터의 동서, 남북성분인 것을 특징으로 한다.The predicted rainfall intensity (R kt ) at the predicted time t (time interval Δt) is
Figure 112018082532520-pat00013
R k, 0 , u and v are the east, west, north and south components of the motion vector, respectively.

그리고

Figure 112018082532520-pat00014
으로 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하는 것을 특징으로 한다.And
Figure 112018082532520-pat00014
As a result, it is characterized by producing a predicted rainfall field by integrating the predicted rainfall intensity of each class.

이상에서 설명한 바와 같은 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법은 다음과 같은 효과가 있다.As described above, the apparatus and method for radar ultra-short rainfall prediction using a multi-scale optical flow according to the present invention have the following effects.

첫째, 다중규모 광학 흐름 알고리즘을 적용하여, 외삽 예측 강우장을 생성하여 초단기 강수 예측의 정확도를 높일 수 있도록 한다.First, by applying a multiscale optical flow algorithm, extrapolated prediction rainfall is generated to increase the accuracy of short-term precipitation prediction.

둘째, 강우 계급에 따른 계산소요 시간이 낮게 추정되는 다중규모 광학 흐름 알고리즘을 적용하여, 외삽 예측 강우장을 생성하는 방법으로 시·공간 고해상도의 레이더 초단기 강수량 예측모델을 개발할 수 있도록 한다.Second, by applying a multi-scale optical flow algorithm with low computational time required for rainfall class, the extrapolation predicted rainfall field can be generated to develop a high-speed radar ultra-short rainfall prediction model.

셋째, 시·공간 고해상도의 레이더 초단기 강수량 예측모델을 개발하여 기상 방재에 적극 활용할 수 있고, 국지적인 집중호우로 인한 피해를 최소화할 수 있도록 한다.Third, we can develop high-precision radar ultra-precipitation forecast models with time and space, which can be actively utilized for weather disaster prevention, and minimize damage due to localized heavy rainfall.

도 1은 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치의 구성도
도 2는 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법을 나타낸 플로우 차트
도 3은 군산, 진도, 부산 레이더 관측 위치 및 반경, 예측 모델 도메인을 나타낸 구성도
도 4는 본 발명에 적용되는 다중규모 광학 흐름을 나타낸 모식도
도 5는 2017년 7월 15일 05시 00분부터 06시 50분까지의 관측된 레이더 추정 강우강도를 나타낸 구성도
도 6은 2017년 7월 15일 05시 00분부터 06시 50분까지의 본 발명에 따른 초단기 강수 예측 알고리즘을 적용하여 예측된 강수 자료를 나타낸 구성도1 is a block diagram of a device for predicting radar ultra-short rainfall using multi-scale optical flow according to the present invention
2 is a flowchart illustrating a method for predicting radar ultrashort rainfall using a multiscale optical flow according to the present invention.
3 is a diagram showing the Gunsan, Jindo, Busan radar observation position and radius, the prediction model domain
4 is a schematic diagram showing a multi-scale optical flow applied to the present invention
5 is a diagram showing the estimated radar intensity observed from 05: 00 to 06: 50 July 15, 2017
Figure 6 is a block diagram showing the precipitation data predicted by applying the short-term precipitation prediction algorithm according to the present invention from July 15, 2017 from 05: 00 to 06: 50

이하, 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.Hereinafter, a preferred embodiment of the apparatus and method for radar ultra-short rainfall prediction using a multi-scale optical flow according to the present invention will be described in detail.

본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.Features and advantages of the apparatus and method for radar ultra-short rainfall prediction using multi-scale optical flow according to the present invention will become apparent from the detailed description of each embodiment below.

도 1은 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치의 구성도이고, 도 2는 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법을 나타낸 플로우 차트이다.1 is a block diagram of an apparatus for predicting radar ultra-short rainfall using multi-scale optical flow according to the present invention, and FIG. 2 is a flowchart illustrating a method for radar ultra-short rainfall prediction using multi-scale optical flow according to the present invention. .

단시간에 국지적으로 발생하는 집중호우 등은 심각한 인명 및 재산 피해를 유발하며, 실제로 매년 국지적인 집중호우에 의한 돌발 홍수의 발생 빈도 및 강도가 증가하고 있다.Intensive torrential rains, which occur locally in a short time, cause serious loss of life and property, and in fact, the frequency and intensity of sudden floods caused by local torrential rains are increasing every year.

집중호우 등과 같은 위험기상의 예측 정확성을 향상하기 위해서는 실시간 기상자료의 확보, 수치예보모델 성능 및 분석 능력 향상이 필수적이다. In order to improve the forecasting accuracy of dangerous weather such as torrential rain, it is necessary to secure real-time weather data, improve the performance of numerical forecast model, and the analysis ability.

실시간 기상자료 중 기상레이더는 높은 시공간적인 해상도로 관측하여, 초단기 강수 예보에 있어서 기타 기상관측 장비에 비해 탁월한 성능을 가지고 있다.The weather radar of the real-time weather data is observed with high time and space resolution, and has excellent performance compared to other weather observation equipment in the short-term precipitation forecast.

따라서, 본 발명은 이와 같은 레이더 자료를 활용하여 초단기 강수 예측을 하는 방법을 구현한다.Therefore, the present invention implements a method for predicting ultra-short rainfall using such radar data.

본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법은 다중규모 광학 흐름 알고리즘을 적용하여, 외삽 예측 강우장을 생성하여 초단기 강수 예측의 정확도를 높일 수 있도록 한 것이다.The apparatus and method for radar ultra-short rainfall prediction using a multi-scale optical flow according to the present invention is to apply an multi-scale optical flow algorithm to generate an extrapolated prediction rainfall field to increase the accuracy of the ultra-short rainfall prediction.

이를 위하여 본 발명은 ①다중 레이더 합성 강수량 추정 자료 생산, ②다중규모 optical flow 방법을 통한 이동벡터 산출 및 보정, ③시간 내삽법을 통한 예측 강우장 이동, ④레이더 초단기 강수 예측 자료를 생산하는 구성을 포함할 수 있다.To this end, the present invention is composed of ① production of multiple radar synthetic precipitation estimation data, ② calculation and correction of motion vectors using multi-scale optical flow method, ③ prediction of rainfall rainfall movement using time interpolation, ④ production of radar ultra-short rainfall prediction data. It may include.

본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치는 도 1에서와 같이, 레이더 강수량 추정 자료를 입력하는 자료 입력부(100)와, 다중 레이더 합성 강수량 추정 자료를 생산하고, 다중규모 광학흐름 방법을 통한 이동벡터 산출 및 보정 및 시간 내삽법을 통한 예측 강우장 이동을 수행하여 레이더 초단기 강수 예측 자료를 생산하는 초단기 강수 예측부(200)를 포함한다.The apparatus for predicting radar ultra-short rainfall using multi-scale optical flow according to the present invention, as shown in FIG. 1, generates a data input unit 100 for inputting radar precipitation estimation data, and produces a multi-radar synthetic precipitation estimation data. It includes a short-term precipitation prediction unit 200 to produce a radar ultra-short rainfall prediction data by performing the motion vector calculation and correction through the optical flow method and the prediction rainfall field movement through the time interpolation method.

초단기 강수 예측부(200)는 강우시스템 이동 추정에 사용되는 다중 레이더 합성 강수량 추정 자료를 생산하는 추정 자료 생산부(10)와, 다중규모 광학흐름 방법을 이용하여, 레이더 추정 강수량으로부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출 및 보정을 하는 이동벡터 산출 및 보정부(20)와, 추정된 이동벡터를 각 계급에 사용하여 예측 강우장의 이동을 계산하여 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하는 예측 강우장 생산부(30)와, 레이더 초단기 강수 예측 자료 생산 결과를 출력하는 초단기 강수 예측자료 출력부(40)를 포함한다.The short-term precipitation prediction unit 200 observes the estimation data production unit 10 which produces the multi-radar synthesized precipitation estimation data used for rainfall system movement estimation and the radar estimation precipitation from different times using the multi-scale optical flow method. The motion vector calculation and correction unit 20 which calculates and corrects the motion vector by comparing the obtained data, and calculates the movement of the predicted rainfall field by using the estimated motion vector for each class to integrate the predicted rainfall intensity of each class. It includes a prediction rainfall field production unit 30 for producing a prediction rainfall field as a value, and an ultra-short rainfall prediction data output unit 40 for outputting the radar ultra-short rainfall prediction data production results.

본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법은 도 2에서와 같이, 강우시스템 이동 추정에 사용되는 다중 레이더 합성 강수량 추정 자료를 생산하는 추정 자료 생산 단계(S201)와, 다중규모 광학흐름 방법을 이용하여, 레이더 추정 강수량으로부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출 및 보정을 하는 이동벡터 산출 및 보정 단계(S202)와, 추정된 이동벡터를 각 계급에 사용하여 예측 강우장의 이동을 계산하여 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하는 예측 강우장 생산 단계(S203)와, 레이더 초단기 강수 예측 자료 생산 결과를 출력하는 초단기 강수 예측자료 출력 단계(S204)를 포함한다.The method for predicting radar ultra-short rainfall using multi-scale optical flow according to the present invention includes an estimation data production step (S201) of producing multiple radar synthesized precipitation estimation data used for rainfall system movement estimation, as shown in FIG. Using a scaled optical flow method, a motion vector calculation and correction step (S202) for calculating and correcting a motion vector by comparing data observed at different times from the estimated radar precipitation, and using the estimated motion vector for each class The prediction rainfall field production step (S203) which produces the prediction rainfall field with the integrated value of the prediction rainfall intensity of each class by calculating the movement of the prediction rainfall field Step S204 is included.

추정 자료 생산 단계(S201)를 설명하면 다음과 같다.Referring to the estimation data production step (S201) as follows.

도 3은 군산, 진도, 부산 레이더 관측 위치 및 반경, 예측 모델 도메인을 나타낸 구성도이다.3 is a block diagram showing the Gunsan, Jindo, Busan radar observation position and radius, the prediction model domain.

본 발명을 적용한 일 예로, 복잡한 산악지역인 지리산 영역을 포함하고 강우시스템 이동추정에 용이한 다중 레이더 합성 강수량 추정 자료를 생산하였다.As an example of applying the present invention, a multi-radar synthetic precipitation estimation data including a Jirisan region, which is a complex mountainous region, and easy for rainfall system movement estimation was produced.

활용된 레이더는 기상청에서 운영하고 있는 군산레이더(KSN, 36°N, 126.78°E, 231m), 진도레이더(JNI, 34.47°N, 126.27°E, 467m), 구덕산레이더(PSN, 35.11°N, 128.99°E, 579m)를 이용하였다.The radar used was Gunsan Radar (KSN, 36 ° N, 126.78 ° E, 231m), Jindo Radar (JNI, 34.47 ° N, 126.27 ° E, 467m) operated by the Korea Meteorological Administration, Gudeoksan Radar (PSN, 35.11 ° N, 128.99 ° E, 579m).

도 3은 S-band 이중편파레이더 위치와 고도 2km 에서의 관측반경을 나타낸다.3 shows the S-band dual polarization radar position and the observation radius at an altitude of 2 km.

각 레이더의 주사모드는 매 10분 간격, 10개의 고도각에 대하여 수평관측(Pland Position Indicator, PPI)을 실시하여 입체관측(volume scan) 자료를 생산하였다.Scan mode of each radar produced volume scan data by performing Pland Position Indicator (PPI) for 10 altitude angles every 10 minutes.

3차원 CAPPI (Constant Altitude Plan Position Indicator) 반사도 자료는 Cressman-type 가중함수를 적용하여 3차원 극 좌표계를 직교좌표로 변환하였고(Cressman, 1959; Ray et al., 1981), 해상도는 수평 1km (격자: 416 × 414), 연직 0.25 km (격자: 60 층)이다.Three-dimensional CAPPI (Constant Altitude Plan Position Indicator) reflectivity data were converted to Cartesian coordinates using a Cressman-type weighting function (Cressman, 1959; Ray et al., 1981), with a resolution of 1 km horizontal (lattice). : 416 × 414), vertical 0.25 km (lattice: 60 stories).

기상레이더간의 추정오차를 줄이고자, 레이더 관측 영역에서 상호 중첩되는 중첩영역에 대하여 반사도 편차 보정 후 최대값 합성(Max-CAPPI)을 적용하였다.In order to reduce the estimation error between the weather radars, the maximum value combination (Max-CAPPI) was applied after the correction of the reflectance deviation in the overlapping areas overlapping in the radar observation area.

복잡한 산악지역인 지리산 영역의 고도를 고려하여, 3차원 CAPPI 자료 중 고도 2 km 반사도 자료를 강우강도 자료로 변환하였다.Considering the altitude of the Jirisan region, which is a complex mountainous region, the 2 km altitude reflectance data of the 3D CAPPI data were converted into rainfall intensity data.

이때 적용된 Z-R 관계식은 기상청에서 사용하고 있는 Z=200R1.6을 사용하였다(Mashall and Palmer, 1948).The applied ZR relation was Z = 200R 1.6, which is used by the Korea Meteorological Administration (Mashall and Palmer, 1948).

이동벡터 산출 및 보정 단계(S202)를 설명하면 다음과 같다.The motion vector calculation and correction step S202 will be described below.

도 4는 본 발명에 적용되는 다중규모 광학 흐름을 나타낸 모식도이다.4 is a schematic diagram showing a multi-scale optical flow applied to the present invention.

본 발명은 다중규모 광학 흐름 방법을 이용하여, 레이더 추정 강수량으로 부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출한다.The present invention calculates a moving vector by comparing data observed at different times from the estimated radar rainfall using a multiscale optical flow method.

시간 T1 (T2-10분)의 강수량 자료와 T2에서의 강수량 자료를 활용하여 Optical Flow Constraint (OFC)방정식의 해를 구한다.Using the precipitation data at time T 1 (T 2 -10 minutes) and the precipitation data at T 2 , solve the Optical Flow Constraint (OFC) equation.

OFC 방정식의 해는 비용함수

Figure 112018082532520-pat00015
를 최소로 하는
Figure 112018082532520-pat00016
를 나타낸다.The solution of the OFC equation is the cost function
Figure 112018082532520-pat00015
To minimize
Figure 112018082532520-pat00016
Indicates.

비용함수

Figure 112018082532520-pat00017
는 다음과 같은 수학식 1을 통해서 계산한다.Cost function
Figure 112018082532520-pat00017
Is calculated by the following Equation 1.

Figure 112018082532520-pat00018
Figure 112018082532520-pat00018

여기서,

Figure 112018082532520-pat00019
는 각 격자점에서의 이동벡터의 동,서 방향 성분과 남·북 방향 성분을 나타내고,
Figure 112018082532520-pat00020
는 각 격자점의 강우량 값이다.
Figure 112018082532520-pat00021
는 평활화 항의 가중치를 나타낸다.here,
Figure 112018082532520-pat00019
Represents the east-west direction components and south-north components of the movement vector at each grid point,
Figure 112018082532520-pat00020
Is the rainfall value of each grid point.
Figure 112018082532520-pat00021
Denotes the weight of the smoothing term.

다중 규모 optical flow 방법은 강수셀의 규모에 따른 이동 방향 및 속도를 고려하기 위해 관측된 강수량 자료

Figure 112018082532520-pat00022
를 가우시안 커널(Gaussian kernel)을 이용한 다운샘플링(downsampling) 통해 낮은 해상도의 강수량 자료
Figure 112018082532520-pat00023
)를 생성하고, 도 4에서와 같이, 큰 규모의 특성이 뚜렷한 낮은 해상도
Figure 112018082532520-pat00024
에서 산출된 이동벡터를 참고를 하여
Figure 112018082532520-pat00025
순으로 단계별로 작은 규모의 특성을 고려하여 산출된 이동벡터의 정확성을 높인다.The multiscale optical flow method uses the observed precipitation data to consider the direction and velocity of the precipitation cell.
Figure 112018082532520-pat00022
Resolution precipitation data through downsampling with Gaussian kernel
Figure 112018082532520-pat00023
Low resolution with large scale characteristics, as shown in FIG.
Figure 112018082532520-pat00024
With reference to the movement vector calculated from
Figure 112018082532520-pat00025
In order to increase the accuracy of the calculated motion vector considering the small scale characteristics.

예측 강우장 생산 단계(S203)를 설명하면 다음과 같다.The predicted rainfall field production step (S203) is described as follows.

전체 관측한 강우강도(mm h-1) R은 계급화 된 Rk로 아래의 수학식 2에서와 같이 나타낼 수 있다.The total observed rainfall intensity (mm h -1 ) R is graded R k and can be expressed as in Equation 2 below.

Figure 112018082532520-pat00026
Figure 112018082532520-pat00026

예측 강우장의 이동은 추정된 이동벡터를 각 계급에 사용하여 계산된다.The movement of the predicted rainfall field is calculated using the estimated motion vector for each class.

예측 시간 t(시간간격 Δt)에서의 예측 강우강도(Rkt)는 수학식 3과 같이 계산된다. The predicted rainfall intensity R kt at the predicted time t (time interval Δt) is calculated as in Equation 3.

Figure 112018082532520-pat00027
Figure 112018082532520-pat00027

초기 계급 k에서의 강우강도를 Rk,0, u 와 v 는 각각 이동벡터의 동서, 남북성분이다.Rainfall intensity at initial class k is R k, 0 , u and v are the east, west and north and south components of the motion vector, respectively.

Figure 112018082532520-pat00028
Figure 112018082532520-pat00028

수학식 4에서 같이 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산한다. As in Equation 4, the predicted rainfall field is produced by integrating the predicted rainfall intensity of each class.

초단기 강수 예보 자료의 경우에는 최소한 짧은 시간동안 계산 과정을 종료하여야 함에 따라 본 프로그램을 일반적인 워크스테이션에서 1분 이내에 계산 과정을 마무리할 수 있게 설계하는 것이 바람직하다.In the case of short-term precipitation forecast data, the calculation process must be completed for at least a short time, so it is desirable to design the program so that the calculation process can be completed within one minute on a typical workstation.

레이더 초단기 강수 예측 자료 생산 결과의 출력은 다음과 같다.The output of radar ultra-short rainfall prediction data is as follows.

도 5는 2017년 7월 15일 05시 00분부터 06시 50분까지의 관측된 레이더 추정 강우강도를 나타낸 구성도이고, 도 6은 2017년 7월 15일 05시 00분부터 06시 50분까지의 본 발명에 따른 초단기 강수 예측 알고리즘을 적용하여 예측된 강수 자료를 나타낸 구성도이다.FIG. 5 is a diagram showing the estimated radar intensity observed from 05: 00 to 06: 50 on July 15, 2017, and FIG. 6 is 06: 50 to 05: 00 on July 15, 2017. This is a block diagram showing the precipitation data predicted by applying the short-term precipitation prediction algorithm according to the present invention.

레이더 예측 모델과 수치모델 예측 자료의 병합 결과 검증을 위해 선정된 사례는 2017년 7월 15일 오전 5시, 서해상에서 형성된 활 모양의 보우에코가 한반도 산악지역(지리산)을 통과하면서 국지적으로 많은 강수를 기록한 사례이다.The case selected for the verification of the merged results of the radar prediction model and the numerical model prediction data was set at 5 am on July 15, 2017, and the bow-shaped Boweco formed on the west sea passed through the mountainous region of the Korean Peninsula (Jiri-san). This is an example.

도 5는 오성산, 진도, 구덕산 레이더로부터 합성된 반사도 자료를 활용하여 추정한 강우강도를 나타내었다.FIG. 5 shows the rainfall intensity estimated by using reflectance data synthesized from Oseong, Jindo and Gudeoksan radars.

또한 도 6은 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법을 적용하여 예측된 강수 자료이다.FIG. 6 is precipitation data predicted by applying the apparatus and method for radar ultra-short rainfall prediction using a multi-scale optical flow according to the present invention.

강수 예측 자료는 관측 자료와 비교하며 강우강도, 이동 방향 및 속도가 매우 유사하게 예측되어, 초단기 예측에 매우 유용하게 활용될 수 있음을 알 수 있다.Precipitation prediction data is compared with observation data, and rainfall intensity, direction of movement, and speed are predicted very similarly, and it can be seen that it can be very useful for short-term prediction.

이상에서 설명한 본 발명에 따른 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법은 강우 계급에 따른 계산소요 시간이 낮게 추정되는 다중규모 광학 흐름 알고리즘을 적용하여, 외삽 예측 강우장을 생성하는 방법으로 시,공간 고해상도의 레이더 초단기 강수량 예측모델을 개발할 수 있도록 한 것이다.The apparatus and method for radar ultra-short rainfall prediction using the multi-scale optical flow according to the present invention described above are applied to generate an extrapolated prediction rainfall field by applying a multi-scale optical flow algorithm having a low calculation time according to the rainfall class. In this way, we can develop high-precision radar ultra-short rainfall prediction model in time and space.

이와 같은 본 발명은 시,공간 고해상도의 레이더 초단기 강수량 예측모델을 개발하여 기상 방재에 적극 활용할 수 있고, 국지적인 집중호우로 인한 피해를 최소화할 수 있도록 한다.As described above, the present invention develops a radar ultra-short rainfall prediction model of time and space high resolution and can actively use it for weather disaster prevention, thereby minimizing damage due to localized heavy rainfall.

이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.As described above, it will be understood that the present invention is implemented in a modified form without departing from the essential characteristics of the present invention.

그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.It is therefore to be understood that the specified embodiments are to be considered in an illustrative rather than a restrictive sense and that the scope of the invention is indicated by the appended claims rather than by the foregoing description and that all such differences falling within the scope of equivalents thereof are intended to be embraced therein It should be interpreted.

100. 자료 입력부 200. 초단기 강수 예측부100. Data input section 200. Short-term precipitation prediction section

Claims (10)

레이더 강수량 추정 자료를 입력하는 자료 입력부;
다중 레이더 합성 강수량 추정 자료를 생산하고, 다중규모 광학흐름 방법을 통한 이동벡터 산출 및 보정 및 시간 내삽법을 통한 예측 강우장 이동을 수행하여 레이더 초단기 강수 예측 자료를 생산하는 초단기 강수 예측부;를 포함하고,
상기 초단기 강수 예측부는 추정된 이동벡터를 각 계급에 사용하여 예측 강우장의 이동을 계산하여 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하고, 이동벡터 산출 및 보정을 위하여 강수셀의 규모에 따른 이동 방향 및 속도를 고려하기 위해 관측된 강수량 자료
Figure 112019054012624-pat00049
를 가우시안 커널(Gaussian kernel)을 이용한 다운샘플링(downsampling) 통해 낮은 해상도의 강수량 자료
Figure 112019054012624-pat00050
)를 생성하고, 큰 규모의 특성이 뚜렷한 낮은 해상도
Figure 112019054012624-pat00051
에서 산출된 이동벡터를 참고를 하여
Figure 112019054012624-pat00052
순으로 단계별로 작은 규모의 특성을 고려하여 산출된 이동벡터의 정확성을 높이는 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치.A data input unit for inputting radar precipitation estimation data;
Ultra-short rainfall prediction unit for producing multi-radar synthetic precipitation estimation data, and generating radar ultra-short rainfall prediction data by calculating and correcting motion vectors through multi-scale optical flow method and performing prediction rainfall field movement through time interpolation. and,
The short-term precipitation predicting unit calculates the movement of the predicted rainfall field using the estimated motion vector for each class, produces a predicted rainfall field by integrating the predicted rainfall intensity of each class, and calculates and corrects the motion vector of the precipitation cell. Observed precipitation data to consider the direction and speed of movement according to scale
Figure 112019054012624-pat00049
Resolution precipitation data through downsampling with Gaussian kernel
Figure 112019054012624-pat00050
) And low resolution with large scale characteristics
Figure 112019054012624-pat00051
With reference to the movement vector calculated from
Figure 112019054012624-pat00052
Apparatus for radar ultra-short rainfall prediction using multi-scale optical flow, characterized in that to increase the accuracy of the motion vector calculated in consideration of the characteristics of the small scale step by step. 제 1 항에 있어서, 초단기 강수 예측부는,
강우시스템 이동 추정에 사용되는 다중 레이더 합성 강수량 추정 자료를 생산하는 추정 자료 생산부와,
다중규모 광학흐름 방법을 이용하여, 레이더 추정 강수량으로부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출 및 보정을 하는 이동벡터 산출 및 보정부와,
추정된 이동벡터를 각 계급에 사용하여 예측 강우장의 이동을 계산하여 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하는 예측 강우장 생산부와,
레이더 초단기 강수 예측 자료 생산 결과를 출력하는 초단기 강수 예측자료 출력부를 포함하는 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치.The method of claim 1, wherein the short-term precipitation prediction unit,
An estimation data production unit for producing a multi-radar synthetic precipitation estimation data used for rainfall system movement estimation;
A motion vector calculation and correction unit for calculating and correcting a motion vector by comparing data observed at different times from the radar estimated rainfall using a multi-scale optical flow method;
A predicted rainfall field production unit that calculates the movement of the predicted rainfall field using the estimated motion vector for each class, and produces the predicted rainfall field by integrating the predicted rainfall intensity of each class;
Apparatus for radar ultra-short rainfall prediction using a multi-scale optical flow, characterized in that it comprises an ultra-short rainfall prediction data output unit for outputting the radar ultra-short rainfall prediction data production results. 강우시스템 이동 추정에 사용되는 다중 레이더 합성 강수량 추정 자료를 생산하는 추정 자료 생산 단계;
다중규모 광학흐름 방법을 이용하여, 레이더 추정 강수량으로부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출 및 보정을 하는 이동벡터 산출 및 보정 단계;
추정된 이동벡터를 각 계급에 사용하여 예측 강우장의 이동을 계산하여 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하는 예측 강우장 생산 단계;
레이더 초단기 강수 예측 자료 생산 결과를 출력하는 초단기 강수 예측자료 출력 단계;를 포함하고,
이동벡터 산출 및 보정 단계에서, 강수셀의 규모에 따른 이동 방향 및 속도를 고려하기 위해 관측된 강수량 자료
Figure 112019054012624-pat00053
를 가우시안 커널(Gaussian kernel)을 이용한 다운샘플링(downsampling) 통해 낮은 해상도의 강수량 자료
Figure 112019054012624-pat00054
)를 생성하고, 큰 규모의 특성이 뚜렷한 낮은 해상도
Figure 112019054012624-pat00055
에서 산출된 이동벡터를 참고를 하여
Figure 112019054012624-pat00056
순으로 단계별로 작은 규모의 특성을 고려하여 산출된 이동벡터의 정확성을 높이는 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법.An estimation data production step of producing multiple radar synthetic precipitation estimation data used for rainfall system movement estimation;
A motion vector calculation and correction step of calculating and correcting a motion vector by comparing data observed at different times from radar estimated precipitation using a multiscale optical flow method;
A prediction rainfall field production step of using the estimated motion vector for each class to calculate the movement of the prediction rainfall field to produce the prediction rainfall field by integrating the prediction rainfall intensity of each class;
And an ultra-short rainfall prediction data output step of outputting radar ultra-short rainfall prediction data production results.
Observed precipitation data to consider the direction and speed of movement according to the size of the precipitation cell
Figure 112019054012624-pat00053
Resolution precipitation data through downsampling with Gaussian kernel
Figure 112019054012624-pat00054
) And low resolution with large scale characteristics
Figure 112019054012624-pat00055
With reference to the movement vector calculated from
Figure 112019054012624-pat00056
A method for predicting radar ultra-short rainfall using multi-scale optical flow, characterized in that to increase the accuracy of the motion vector calculated in consideration of the small scale step by step. 제 3 항에 있어서, 추정 자료 생산 단계에서,
S-band 이중편파레이더를 사용하여 고도 2km에서의 관측반경을 갖고, 각 레이더의 주사모드는 매 10분 간격, 10개의 고도각에 대하여 수평관측(Pland Position Indicator, PPI)을 실시하여 입체관측(volume scan) 자료를 생산하고,
3차원 CAPPI(Constant Altitude Plan Position Indicator) 반사도 자료는 Cressman-type 가중함수를 적용하여 3차원 극 좌표계를 직교좌표로 변환하는 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법.The method of claim 3, wherein in the estimation data production step,
The S-band dual polarization radar has an observation radius at an altitude of 2 km, and the scanning mode of each radar is performed every 10 minutes by performing a horizontal position measurement (Pland Position Indicator, PPI) for 10 altitude angles. volume scan) data,
3D Constant Altitude Plan Position Indicator (CAPPI) reflectivity data is a method for predicting radar ultra-short rainfall using multi-scale optical flow, characterized by converting three-dimensional polar coordinate system to Cartesian coordinates by applying Cressman-type weighting function. 제 4 항에 있어서, 기상레이더간의 추정오차를 줄이기 위해 레이더 관측 영역에서 상호 중첩되는 중첩영역에 대하여 반사도 편차 보정 후 최대값 합성(Max-CAPPI)을 적용하고,
산악지역의 고도를 고려하여 3차원 CAPPI 자료 중 고도 2 km 반사도 자료를 강우강도 자료로 변환하는 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법.The method according to claim 4, wherein the maximum value combination (Max-CAPPI) is applied after the reflectance deviation correction is applied to overlapping regions overlapping each other in the radar observation region to reduce the estimation error between weather radars.
A method for predicting radar ultra-short rainfall using multi-scale optical flow, which converts 2 km altitude reflectance data among 3D CAPPI data into rainfall intensity data in consideration of the altitude of a mountain region. 제 3 항에 있어서, 이동벡터 산출 및 보정 단계는,
레이더 추정 강수량으로 부터 서로 다른 시각에서 관측된 자료를 비교하여 이동벡터를 산출하기 위하여,
시간 T1 (T2-10분)의 강수량 자료와 T2에서의 강수량 자료를 활용하여 Optical Flow Constraint (OFC)방정식의 해를 구하고,
OFC 방정식의 해는 비용함수
Figure 112018082532520-pat00029
를 최소로 하는
Figure 112018082532520-pat00030
를 나타내는 것이고, 비용함수
Figure 112018082532520-pat00031
는,
Figure 112018082532520-pat00032
으로 계산하고,
여기서,
Figure 112018082532520-pat00033
는 각 격자점에서의 이동벡터의 동,서 방향 성분과 남·북 방향 성분을 나타내고,
Figure 112018082532520-pat00034
는 각 격자점의 강우량 값이고,
Figure 112018082532520-pat00035
는 평활화 항의 가중치를 나타내는 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법.The method of claim 3, wherein the calculating and correcting of the motion vector comprises:
To calculate the motion vector by comparing the data observed at different times from the estimated radar rainfall,
Using the precipitation data at time T 1 (T 2 -10 minutes) and the precipitation data at T 2 , solve the Optical Flow Constraint (OFC) equation,
The solution of the OFC equation is the cost function
Figure 112018082532520-pat00029
To minimize
Figure 112018082532520-pat00030
Cost function
Figure 112018082532520-pat00031
Quot;
Figure 112018082532520-pat00032
To calculate,
here,
Figure 112018082532520-pat00033
Represents the east-west direction components and south-north components of the movement vector at each grid point,
Figure 112018082532520-pat00034
Is the rainfall value of each grid point,
Figure 112018082532520-pat00035
A method for predicting radar ultra-short rainfall using multi-scale optical flow, characterized by the weight of the smoothing term. 삭제delete 제 3 항에 있어서, 예측 강우장 생산 단계에서,
전체 관측한 강우강도(mm h-1) R은 계급화 된 Rk로,
Figure 112018082532520-pat00040
으로 정의되고,
예측 강우장의 이동은 추정된 이동벡터를 각 계급에 사용하여 계산되는 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법.The method of claim 3, wherein in the predicted rainfall production stage,
Overall observed rainfall intensity (mm h -1 ) R is graded R k ,
Figure 112018082532520-pat00040
Defined as
A method for predicting radar ultra-short rainfall using multi-scale optical flow, characterized in that the movement of the predicted rainfall field is calculated using the estimated motion vector for each class. 제 8 항에 있어서, 예측 시간 t(시간간격 Δt)에서의 예측 강우강도(Rkt)는,
Figure 112018082532520-pat00041
으로 계산되고,
초기 계급 k에서의 강우강도를 Rk,0, u 와 v 는 각각 이동벡터의 동서, 남북성분인 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법.The method according to claim 8, wherein the predicted rainfall intensity (R kt ) at the predicted time t (time interval Δt),
Figure 112018082532520-pat00041
Calculated as
Rainfall intensity at the initial class k R k, 0 , u and v are the east-west, north-south components of the motion vectors, respectively. 제 9 항에 있어서,
Figure 112018082532520-pat00042
으로 각 계급의 예측 강우강도를 적분한 값으로 예측 강우장을 생산하는 것을 특징으로 하는 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 방법.
The method of claim 9,
Figure 112018082532520-pat00042
A method for predicting radar ultra-short rainfall using multi-scale optical flow, characterized by producing a predicted rainfall field by integrating the predicted rainfall intensity of each class.
KR1020180097218A 2018-08-21 2018-08-21 System and Method for radar based nowcasting using optical flow with a multi scale strategy KR102006847B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180097218A KR102006847B1 (en) 2018-08-21 2018-08-21 System and Method for radar based nowcasting using optical flow with a multi scale strategy

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180097218A KR102006847B1 (en) 2018-08-21 2018-08-21 System and Method for radar based nowcasting using optical flow with a multi scale strategy

Publications (1)

Publication Number Publication Date
KR102006847B1 true KR102006847B1 (en) 2019-08-02

Family

ID=67613960

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180097218A KR102006847B1 (en) 2018-08-21 2018-08-21 System and Method for radar based nowcasting using optical flow with a multi scale strategy

Country Status (1)

Country Link
KR (1) KR102006847B1 (en)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110879828A (en) * 2019-11-20 2020-03-13 上海眼控科技股份有限公司 Processing method and device of radar echo map, computer equipment and storage medium
CN111208517A (en) * 2020-01-15 2020-05-29 成都信息工程大学 Short-term and temporary extrapolation forecasting flow field construction method based on Doppler weather radar
CN112070286A (en) * 2020-08-25 2020-12-11 贵州黔源电力股份有限公司 Rainfall forecast early warning system for complex terrain watershed
KR102203136B1 (en) * 2020-07-15 2021-01-14 대한민국 Method for precipitation nowcasting using dynamic motion vectors, recording medium and device for performing the method
CN112379345A (en) * 2020-10-23 2021-02-19 吴海英 Radar short-term and temporary extrapolation forecasting method integrating numerical mode
CN112782699A (en) * 2020-12-24 2021-05-11 中国气象局公共气象服务中心(国家预警信息发布中心) Rainfall prediction method and device based on three-dimensional radar echo, electronic equipment and storage medium
CN114063082A (en) * 2021-11-15 2022-02-18 最美天气(上海)科技有限公司 Weather short-term prediction method and weather prediction system based on time sequence radar echo intensity
KR102389141B1 (en) 2021-02-09 2022-04-21 경북대학교 산학협력단 Very-short-term forecast method using burgers’equation and semi-lagrangian, recording medium and device for performing the method
CN117216503A (en) * 2023-11-07 2023-12-12 北京英视睿达科技股份有限公司 Early warning method and system for short-time heavy rain in small area
CN117250620A (en) * 2023-08-16 2023-12-19 中国水利水电科学研究院 X-band radar proximity forecasting method based on precipitation life cycle discrimination
KR102675114B1 (en) * 2024-04-05 2024-06-18 대한민국 Typhoon central axis tilt calculation method, recording medium and device for performing this method

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5557082B2 (en) * 2009-02-25 2014-07-23 独立行政法人防災科学技術研究所 Precipitation distribution estimation system and precipitation distribution estimation method
CN105474041A (en) * 2013-07-11 2016-04-06 古野电气株式会社 Weather information processing device, weather radar system, and weather information processing method
KR101672810B1 (en) 2015-08-24 2016-11-04 부경대학교 산학협력단 Method for radar short-trem precipitation forecasting blending with numerical weather prediction considering orographic effect
KR20180060286A (en) 2016-11-28 2018-06-07 한국외국어대학교 연구산학협력단 Calibration method and system to improve accuracy of short-term precipitation prediction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5557082B2 (en) * 2009-02-25 2014-07-23 独立行政法人防災科学技術研究所 Precipitation distribution estimation system and precipitation distribution estimation method
CN105474041A (en) * 2013-07-11 2016-04-06 古野电气株式会社 Weather information processing device, weather radar system, and weather information processing method
KR101672810B1 (en) 2015-08-24 2016-11-04 부경대학교 산학협력단 Method for radar short-trem precipitation forecasting blending with numerical weather prediction considering orographic effect
KR20180060286A (en) 2016-11-28 2018-06-07 한국외국어대학교 연구산학협력단 Calibration method and system to improve accuracy of short-term precipitation prediction

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
N. H. Bowler, et. al., ‘Development of a precipitation nowcasting algorithm based upon optical flow techniques’, Journal of hydrology, 288, 2004, pp.74-91.* *
R. Bechini, et al., ‘An Enhanced Optical Flow Technique for Radar Nowcasting of Precipitation and Winds’, J. of Atmospheric and Oceanic Technology, 34(12), pp.2637-2658.* *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110879828A (en) * 2019-11-20 2020-03-13 上海眼控科技股份有限公司 Processing method and device of radar echo map, computer equipment and storage medium
CN111208517A (en) * 2020-01-15 2020-05-29 成都信息工程大学 Short-term and temporary extrapolation forecasting flow field construction method based on Doppler weather radar
CN111208517B (en) * 2020-01-15 2023-08-15 成都信息工程大学 Short-term extrapolation forecast flow field construction method based on Doppler weather radar
US11422286B2 (en) 2020-07-15 2022-08-23 Korea Meteorological Administration Method for precipitation nowcasting using dynamic motion vectors, recording medium and device for performing the method
KR102203136B1 (en) * 2020-07-15 2021-01-14 대한민국 Method for precipitation nowcasting using dynamic motion vectors, recording medium and device for performing the method
CN112070286A (en) * 2020-08-25 2020-12-11 贵州黔源电力股份有限公司 Rainfall forecast early warning system for complex terrain watershed
CN112070286B (en) * 2020-08-25 2023-11-24 贵州黔源电力股份有限公司 Precipitation forecast and early warning system for complex terrain river basin
CN112379345A (en) * 2020-10-23 2021-02-19 吴海英 Radar short-term and temporary extrapolation forecasting method integrating numerical mode
CN112379345B (en) * 2020-10-23 2024-04-19 吴海英 Radar short-term extrapolation prediction method integrating numerical modes
CN112782699A (en) * 2020-12-24 2021-05-11 中国气象局公共气象服务中心(国家预警信息发布中心) Rainfall prediction method and device based on three-dimensional radar echo, electronic equipment and storage medium
CN112782699B (en) * 2020-12-24 2024-05-03 中国气象局公共气象服务中心(国家预警信息发布中心) Precipitation prediction method and device based on three-dimensional radar echo, electronic equipment and storage medium
KR102389141B1 (en) 2021-02-09 2022-04-21 경북대학교 산학협력단 Very-short-term forecast method using burgers’equation and semi-lagrangian, recording medium and device for performing the method
CN114063082A (en) * 2021-11-15 2022-02-18 最美天气(上海)科技有限公司 Weather short-term prediction method and weather prediction system based on time sequence radar echo intensity
CN117250620A (en) * 2023-08-16 2023-12-19 中国水利水电科学研究院 X-band radar proximity forecasting method based on precipitation life cycle discrimination
CN117250620B (en) * 2023-08-16 2024-04-09 中国水利水电科学研究院 X-band radar proximity forecasting method based on precipitation life cycle discrimination
CN117216503A (en) * 2023-11-07 2023-12-12 北京英视睿达科技股份有限公司 Early warning method and system for short-time heavy rain in small area
CN117216503B (en) * 2023-11-07 2024-04-09 北京英视睿达科技股份有限公司 Early warning method and system for short-time heavy rain in small area
KR102675114B1 (en) * 2024-04-05 2024-06-18 대한민국 Typhoon central axis tilt calculation method, recording medium and device for performing this method

Similar Documents

Publication Publication Date Title
KR102006847B1 (en) System and Method for radar based nowcasting using optical flow with a multi scale strategy
US20220043182A1 (en) Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data
Nonnenmacher et al. Streamline-based method for intra-day solar forecasting through remote sensing
CN113936142B (en) Precipitation proximity forecasting method and device based on deep learning
JP5557082B2 (en) Precipitation distribution estimation system and precipitation distribution estimation method
Liang et al. A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds
CN112379345B (en) Radar short-term extrapolation prediction method integrating numerical modes
Cros et al. Extracting cloud motion vectors from satellite images for solar power forecasting
US20080097701A1 (en) Short term and long term forecasting systems with enhanced prediction accuracy
KR101994387B1 (en) System and Method for Forecasting Precipitation in Mountainous Areas using Water Vapor Weighting Blending
JP5394690B2 (en) Wind prediction apparatus and program
Nuissier et al. Uncertainty of lateral boundary conditions in a convection-permitting ensemble: a strategy of selection for Mediterranean heavy precipitation events
Dong et al. The analysis and impact of simulated high-resolution surface observations in addition to radar data for convective storms with an ensemble Kalman filter
Larsén et al. Extreme winds from the NCEP/NCAR reanalysis data
CN115201938B (en) Strong convection weather proximity forecasting method and system based on thunderstorm high-voltage analysis
Huang et al. Predicting intra-hour variability of solar irradiance using hourly local weather forecasts
CN115267786A (en) Resunet-GAN global radar inversion method and device fusing satellite observation brightness and elevation
Wang et al. A quantitative comparison of precipitation forecasts between the storm-scale numerical weather prediction model and auto-nowcast system in Jiangsu, China
CN110288117B (en) Regional reconstruction method for critical frequency of ionosphere parameters
CN115691049A (en) Convection birth early warning method based on deep learning
Espinosa-Gavira et al. Cloud motion estimation from small-scale irradiance sensor networks: General analysis and proposal of a new method
Elshafei et al. A hybrid solution for offshore wind resource assessment from limited onshore measurements
CN113075751A (en) Method and system for fusing observation data in short-term forecasting
Qin et al. Assimilation of Doppler radar observations with an ensemble square root filter: A squall line case study
KR101892502B1 (en) calculation system for storm relative helicity using wind profiler and calculation method for storm relative helicity using the same

Legal Events

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