KR102023613B1 - Um 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치 - Google Patents

Um 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치 Download PDF

Info

Publication number
KR102023613B1
KR102023613B1 KR1020180134527A KR20180134527A KR102023613B1 KR 102023613 B1 KR102023613 B1 KR 102023613B1 KR 1020180134527 A KR1020180134527 A KR 1020180134527A KR 20180134527 A KR20180134527 A KR 20180134527A KR 102023613 B1 KR102023613 B1 KR 102023613B1
Authority
KR
South Korea
Prior art keywords
data
observation data
radar
altitude
ultra
Prior art date
Application number
KR1020180134527A
Other languages
English (en)
Inventor
민기홍
배정호
Original Assignee
경북대학교 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 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020180134527A priority Critical patent/KR102023613B1/ko
Priority to PCT/KR2019/002464 priority patent/WO2020096141A1/ko
Application granted granted Critical
Publication of KR102023613B1 publication Critical patent/KR102023613B1/ko

Links

Images

Classifications

    • 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
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • 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)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Hydrology & Water Resources (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치가 개시된다. UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법은 기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 단계, 상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 단계, 상기 관측 자료를 UM 초단기예보모델의 배경장 간에 3차원 변분 자료 동화 방식을 적용하여 분석 증분을 산출하는 단계 및 상기 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성하고 강수를 예측하는 단계를 포함한다.

Description

UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치{METHOD OF RADAR MELTING LEVEL DATA ASSIMILATION BASED ON UM VDAPS, COMPUTER READABLE MEDIUM AND APPARATUS FOR PERFORMING THE METHOD}
본 발명은 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치에 관한 것으로서, 더욱 상세하게는 기상 레이더의 관측 자료를 이용하여 수치예보모델의 초기장을 개선하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록매체 및 장치에 관한 것이다.
일반적으로 기상 레이더는 전자기파를 발사하여 기상학적 목표물로부터 반사 또는 산란되어 오는 전파신호의 크기를 계산하는 장비로, 넓은 영역(유효관측반경: 240km)을 매우 빠르게(10분 간격) 감시할 수 있기 때문에 넓은 영역의 강수량을 산출하는 가장 효율적인 원격탐사장비 중 하나이다.
목표물로부터 반사 또는 산란되어 오는 전파신호인 반사도는 기상 레이더에서 발사되는 펄스 볼륨 내에 존재하는 물방울의 크기 분포와 관계가 있다. 또한, 지상에 떨어지는 강수량도 물방울의 크기 분포의 함수이므로 레이더 반사도와 지상 강수량 간의 일정 관계식(Z-R 관계식: Z=aRb)을 사용하여 레이더 반사도로부터 지상 강수량을 추정해낼 수 있다.
기상 레이더에서 획득하는 레이더 반사도에 따르면, 0℃ 이하의 높은 고도에서 강설 입자들이 낙하하여 0℃ 등온층을 통과하면 강설 입자의 겉 표면이 녹기 시작하고 이 층에서 급격하게 반사도 값이 증가하는데, 이는 입자의 유전율의 증가 및 크기 효과 때문이다. 그리고, 고도가 낮아지면서 거의 모든 강설 입자들이 융해되어 물방울을 형성하게 되고 반사도 값이 다시 감소하게 되는데, 이와 같이 반사도 값이 급격히 증가한 후 다시 감소하여 일정한 반사도가 나타나기 전까지 지역을 밝은 띠(Bright Band) 지역이라 하며, 0℃ 등온층을 강설 입자가 융해되기 시작하는 고도, 즉, 융해층 고도라고 한다.
이러한 융해층 고도 아래에서는 액체상의 입자가 존재하여 지상 강수량에 영향을 주게 된다. 따라서, 수치예보모델 초기장에서 융해층 고도를 잘못 분석하는 경우, 구름 내 또는 하부의 온도 편차가 발생하여 수상체 유형이 바뀌고 강수 오차가 발생하게 된다.
이에 레윈죤데, 윈드프로파일러와 같은 종관규모 관측자료를 이용하여 수치예보모델 초기장의 온도 프로파일을 보정해주는 자료 동화 기술이 제안되었으나, 종관규모의 관측자료의 경우, 기상 레이더의 관측자료에 비해 시공간적으로 해상도가 낮아 융해층 고도의 정확한 분석이 어려워 강수 오차의 발생 확률이 여전히 존재한다.
본 발명의 일측면은 기상 레이더에서 획득하는 반사도 자료로부터 융해층 고도 및 온도를 산출하고, 융해층 고도 및 온도를 자료 동화에 적용할 수 있도록 전처리하여 UM 초단기예보모델의 초기장을 개선하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록매체 및 장치를 제공한다.
상기 과제를 해결하기 위한 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법은, 기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 단계, 상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 단계, 상기 관측 자료를 UM 초단기예보모델의 배경장 간에 3차원 변분 자료 동화 방식을 적용하여 분석 증분을 산출하는 단계 및 상기 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성하고 강수를 예측하는 단계를 포함한다.
한편, 기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 단계는, 상기 레이더 관측 자료에서 밝은 띠를 탐지하는 단계, 상기 밝은 띠를 상기 융해층의 고도로 산출하는 단계 및 상기 융해층의 고도와 레윈죤데 자료를 비교하여 상기 융해층 온도를 산출하는 단계를 포함할 수 있다.
또한, 기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 단계는, 상기 관측 자료를 버퍼 형태로 처리하여 데이터베이스에 저장하는 단계를 포함할 수 있다.
또한, 상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 단계는, 상기 관측 자료에 포함되는 상기 융해층의 고도를 수치예보모델의 격자에 내삽하는 단계 및 상기 융해층의 고도에 해당하는 공간정보에 대한 상기 수치예보모델의 배경장 변수를 추출하는 단계를 포함할 수 있다.
또한, 상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 단계는, 1000hPa 내지 1hPa 구간의 20 개의 연직 표준 고도 배열에서 750hPa 내지 550hPa 구간에 연직으로 4 개의 배열을 추가하여 총 24 개의 연직 표준 고도 배열을 생성하는 단계, 상기 연직 표준 고도 배열에 상기 융해층의 고도를 내삽하여 관측 자료 변수를 추출하는 단계 및 상기 UM 초단기예보모델의 배경장에서 상기 관측 자료 변수와 동일한 변수를 상기 배경장 변수로 추출하는 단계를 포함할 수 있다.
또한, 상기 관측 자료를 UM 초단기예보모델의 배경장 간에 3차원 변분 자료 동화 방식을 적용하여 분석 증분을 산출하는 단계는, 외부반복순환과 내부반복순환을 통해 수학식 상기 관측 자료 및 상기 UM 초단기예보모델의 배경장에 대한 비용함수 및 기울기를 산출하는 단계 및 상기 기울기 값을 이용하여 상기 관측 자료가 적용되기 전의 상기 UM 초단기예보모델의 초기장과 상기 관측 자료가 적용되었을 때의 상기 UM 초단기예보모델의 초기장 간의 분석 증분을 산출하는 단계를 포함할 수 있다.
또한, 상기 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성하고 강수를 예측하는 단계는, 상기 분석 증분을 상기 UM 초단기예보모델의 초기장의 연직 온도 프로파일에 적용하는 단계를 포함할 수 있다.
또한, 상기 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체일 수 있다.
한편, 상기 과제를 해결하기 위한 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치는, 기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 관측 자료 수집부, 상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 관측 자료 전처리부, 상기 관측 자료를 UM 초단기예보모델의 배경장 간에 3차원 변분 자료 동화 방식을 적용하여 분석 증분을 산출하는 변분 자료 동화부 및 상기 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성하고 강수를 예측하는 초기장 예측부를 포함한다.
한편, 상기 관측 자료 수집부는, 상기 레이더 관측 자료에서 밝은 띠를 탐지하고, 상기 밝은 띠를 상기 융해층의 고도로 산출하며, 상기 융해층의 고도와 레윈죤데 자료를 비교하여 상기 융해층 온도를 산출할 수 있다.
또한, 상기 관측 자료 수집부는, 상기 관측 자료를 버퍼 형태로 처리하여 데이터베이스에 저장할 수 있다.
또한, 상기 관측 자료 전처리부는, 상기 관측 자료에 포함되는 상기 융해층의 고도를 수치예보모델의 격자에 내삽하고, 상기 융해층의 고도에 해당하는 공간정보에 대한 상기 수치예보모델의 배경장 변수를 추출할 수 있다.
또한, 상기 관측 자료 전처리부는, 1000hPa 내지 1hPa 구간의 20 개의 연직 표준 고도 배열에서 750hPa 내지 550hPa 구간에 연직으로 4 개의 배열을 추가하여 총 24 개의 연직 표준 고도 배열을 생성하고, 상기 연직 표준 고도 배열에 상기 융해층의 고도를 내삽하여 관측 자료 변수를 추출하며, 상기 UM 초단기예보모델의 배경장에서 상기 관측 자료 변수와 동일한 변수를 상기 배경장 변수로 추출할 수 있다.
또한, 상기 변분 자료 동화부는, 외부반복순환과 내부반복순환을 통해 수학식 상기 관측 자료 및 상기 UM 초단기예보모델의 배경장에 대한 비용함수 및 기울기를 산출하고, 상기 기울기 값을 이용하여 상기 관측 자료가 적용되기 전의 상기 UM 초단기예보모델의 초기장과 상기 관측 자료가 적용되었을 때의 상기 UM 초단기예보모델의 초기장 간의 분석 증분을 산출할 수 있다.
또한, 상기 초기장 예측부는, 상기 분석 증분을 상기 UM 초단기예보모델의 초기장의 연직 온도 프로파일에 적용할 수 있다.
상술한 본 발명에 따르면 레이더 반사도 자료에서 밝은 띠를 탐지하여 융해층 고도의 온도를 산출하는데. 종관 관측자료의 경우 시공간적으로 해상도가 낮은 반면 레이더 반사도 자료의 경우 시공간적 해상도가 높으므로 보다 정확한 융해층 고도 및 온도의 산출이 가능하다.
또한, 레이더 반사도 자료로부터 산출한 융해층 고도의 온도 자료를 3차원 변분 자료 동화 방식을 통해 초기 역학장의 온도 프로파일에 입력함으로써, 수치예보모델에서 모의한 온도장의 상층, 중층 및 하층의 초기 온도 정보를 보정할 수 있다.
또한, 개선된 초기 역학장을 이용한 강수 예측을 수행하여 강수 예측 성능을 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치의 블록도이다.
도 2는 도 1에 도시된 관측 자료 수집부에서 융해층의 고도 및 온도를 산출하는 방법을 설명하기 위한 도면이다.
도 3은 레이더 반사도 자료에 나타나는 밝은 띠의 특징을 설명하기 위한 도면이다.
도 4는 3차원 변분 자료 동화 방식을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법의 순서도이다.
도 6 및 도 7은 층운형 사례에서 레이더 관측 자료로부터 산출한 밝은 띠 고도를 나타내는 그래프이다.
도 8은 장마전선 사례에서 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따라 생성한 초기 역학장의 연직 온도 프로파일을 나타내는 그래프이다.
도 9 내지 도 11은 장마전선 사례에서 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 역학장 변화를 나타낸 그래프이다.
도 12는 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 강수 모의 결과와 규준 실험 간 강수 모의 결과를 비교한 그래프이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치의 블록도이다.
본 발명의 일 실시예에 따른 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치(100, 이하 장치)는 기상레이더 시스템(1)의 관측 자료를 이용하여 UM 초단기예보모델의 초기장을 개선하는 장치로서, 기상레이더 시스템(1)과 유선 또는 무선 자원으로 연결되거나, 기상레이더 시스템(1)을 지칭하거나, 또는, 기상레이더 시스템(1)의 일부 또는 전부의 기능을 포함할 수 있다.
UM 초단기예보모델(UM VDAPS: UM Very Short time range Data Assimilation and Prediction System)은 기상청의 수치예보모델로 크게 관측 자료 데이터베이스(ODB: Observation DataBase), 관측 자료 전처리(OPS: Observation Processing System), 3차원 변분 자료 동화(VAR: three dimensional VARiational data assimilation system) 및 예측(forecast) 단계로 구분될 수 있다.
본 발명의 장치(100)는 기상레이더 시스템(1)의 관측 자료를 이용하여 융해층의 고도 및 온도 정보를 산출하고, 융해층의 고도 및 온도 정보를 UM 초단기예보모델에 적용하여 전처리 및 자료 동화 단계를 수행함으로써 UM 초단기예보모델의 초기 역학장을 보정할 수 있다.
도 1을 참조하면, 본 발명의 장치(100)는 관측 자료 수집부(110), 관측 자료 전처리부(130), 변분 자료 동화부(150) 및 초기장 예측부(170)를 포함할 수 있다. 도 1에 도시된 관측 자료 수집부(110), 관측 자료 전처리부(130), 변분 자료 동화부(150) 및 초기장 예측부(170)의 구성은 통합 모듈로 형성되거나, 하나 이상의 모듈로 이루어질 수 있다. 그러나, 이와 반대로 각 구성은 별도의 모듈로 이루어질 수도 있다.
본 발명에 따른 장치(100)는 이동성을 갖거나 고정될 수 있다. 본 발명에 따른 장치(100)는 서버(server) 또는 엔진(engine) 형태일 수 있으며, 디바이스(device), 기구(apparatus), 단말(terminal), UE(user equipment), MS(mobile station), 무선기기(wireless device), 휴대기기(handheld device) 등 다른 용어로 불릴 수 있다.
본 발명에 따른 장치(100)는 운영체제(Operation System; OS), 즉 시스템을 기반으로 다양한 소프트웨어를 실행하거나 제작할 수 있다. 운영체제는 소프트웨어가 장치의 하드웨어를 사용할 수 있도록 하기 위한 시스템 프로그램으로서, 안드로이드 OS, iOS, 윈도우 모바일 OS, 바다 OS, 심비안 OS, 블랙베리 OS 등 모바일 컴퓨터 운영체제 및 윈도우 계열, 리눅스 계열, 유닉스 계열, MAC, AIX, HP-UX 등 컴퓨터 운영체제를 모두 포함할 수 있다.
본 발명에 따른 장치(100)는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화를 위한 소프트웨어(애플리케이션)가 설치되어 실행될 수 있으며, 관측 자료 수집부(110), 관측 자료 전처리부(130), 변분 자료 동화부(150) 및 초기장 예측부(170)의 구성은 장치(100)에서 실행되는 소프트웨어에 의해 제어될 수 있다.
이하, 도 1에 도시된 본 발명에 따른 장치(100)의 각 구성에서의 레이더 융해층 고도 자료 동화 방법에 대하여 자세히 설명한다.
관측 자료 수집부(110)는 UM 초단기예보모델에서 관측 자료 데이터베이스(ODB) 단계의 물리 과정을 수행할 수 있다.
UM 초단기예보모델의 관측 자료 데이터베이스(ODB) 단계에서는 종관규모(예를 들면, AWS, 해상부이, 윈드프로파일러 및 레윈존데 등)의 관측 자료를 처리할 수 있다. 관측 자료 데이터베이스(ODB) 단계에서는 온도, 상대습도, 비습 및 바람정보 등의 관측 자료를 전세계 공용 기상자료 포맷인 버퍼(BUFR: Binary Universal Form for the Representation of meteorological data) 형태로 저장할 수 있다.
관측 자료 수집부(110)는 기상레이더 시스템(1)에서 획득하는 레이더 관측 자료를 수집하여 융해층 고도 및 온도를 산출하고, 이를 데이터베이스에 저장할 수 있다.
구체적으로는, 관측 자료 수집부(110)는 기상레이더 시스템(1)으로부터 레이더 반사도 자료를 수집하고, 레이더 반사도 자료에서 밝은 띠(Bright Band)를 탐지할 수 있다.
기상레이더 시스템(1)을 이용하여 수상체가 얼음 입자에서 물 입자로 변하는 층을 관측하는 경우, 비정상적으로 높은 레이더 반사도가 나타날 수 있다. 얼음 입자는 0℃ 등온층을 통과하면서 입자의 표면이 서서히 녹기 시작하고, 이처럼 외부에 수막층이 형성된 입자는 부착에 의한 성정을 촉진시키며, 유전율 및 크기의 증가에 의해 높은 반사도를 나타낸다. 또한, 얼음 입자가 완전한 물 입자로 변하게 되면 부피가 감소하여 반사도 또한 다시 줄어들게 된다. 즉, 0℃ 등온층, 즉, 융해층으로부터 관측되는 레이더 반사도 자료는 급격히 증가한 후 다시 감소하는 양상을 보이며, 이처럼 레이더 반사도 자료에서 반사도 값이 급격히 증가하는 지점으로부터 반사도 값이 증가하다가 다시 감소하여 일정한 반사도 값을 나타내는 지점까지를 밝은 띠로 정의할 수 있다.
따라서, 관측 자료 수집부(110)는 레이더 반사도 자료에서 밝은 띠를 탐지하고, 밝은 띠를 이용하여 융해층의 고도 및 온도를 산출할 수 있다. 여기서, 융해층의 고도 아래에서는 액체상의 입자가 존재하여 지상 강수량에 영향을 주게 된다. 따라서, 융해층의 고도를 적용하여 수치예보모델의 초기장을 설정하는 경우 지상 강수량을 보다 정확하게 추정할 수 있을 것이다.
도 2는 도 1에 도시된 관측 자료 수집부에서 융해층의 고도 및 온도를 산출하는 방법을 설명하기 위한 도면이고, 도 3은 레이더 반사도 자료에 나타나는 밝은 띠의 특징을 설명하기 위한 도면이다.
도 2를 참조하면, 관측 자료 수집부(110)는 레이더 반사도 자료를 이용하여 평균 반사도 연직 프로파일을 생성할 수 있다.
관측 자료 수집부(110)는 밝은 띠 탐지에 필요한 5 개의 변수인 로그 취한 평균 반사도(log(ZH)), 일차 미분(f'(h)), 이차 미분(f''(h)), 곡률(C(h)), 곡률의 일차 미분(C'(h)) 연직 프로파일을 생성할 수 있다.
관측 자료 수집부(110)는 위와 같은 밝은 띠 탐지에 필요한 5 개의 프로파일을 이용하여 밝은 띠의 상단부, 최정점 및 하단부를 탐지할 수 있다.
도 3을 참조하면, 관측 자료 수집부(110)는 반사도 자료에서 반사도 값이 최대인 고도를 밝은 띠의 최정점(BBPEAK)으로 탐지할 수 있다.
관측 자료 수집부(110)는 반사도 자료에서 이차 미분 값이 "+"이고, 일차 미분 값이 "+"에서 "-"로 변하는 지점의 고도를 밝은 띠의 최상점(BBTOP)으로 탐지할 수 있다.
관측 자료 수집부(110)는 반사도 자료에서 이차 미분 값이 "-" 이고, 일차 미분 값이 "-"에서 "+"로 변하는 지점의 고도를 밝은 띠의 최하점(BBBOTTOM)으로 탐지할 수 있다.
이처럼, 관측 자료 수집부(110)는 레이더 반사도 자료에서 밝은 띠 영역에 해당하는 고도를 탐지할 수 있으며, 이를 융해층의 고도로 산출할 수 있다. 또한, 관측 자료 수집부(110)는 융해층의 고도와 레윈죤데 자료에서의 해당 고도를 비교하여 융해층 고도의 온도를 산출할 수 있다.
관측 자료 수집부(110)는 위와 같이 레이더 반사도 자료로부터 산출한 융해층의 고도 및 온도를 버퍼 형태로 처리하여 데이터베이스에 저장할 수 있다.
관측 자료 전처리부(130)는 UM 초단기예보모델에서 관측 자료 전처리(OPS) 단계의 물리 과정을 수행할 수 있다.
UM 초단기예보모델의 관측 자료 전처리(OPS) 단계에서는 데이터베이스에 저장된 관측 자료를 불러들여 자료 동화에 사용할 수 있도록 가공할 수 있다.
관측 자료 전처리부(130)는 데이터베이스에 저장된 융해층의 고도를 불러들여 수치예보모델의 격자에 내삽하고, 융해층의 고도에 해당하는 공간정보 대한 수치예보모델의 배경장 변수를 추출할 수 있다.
구체적으로는, 관측 자료 전처리부(130)는 연직 표준 고도 배열을 생성할 수 있다.
UM 초단기예보모델의 OpsMod_Sonde.f90 모듈에서는 레윈존데 관측 자료를 처리하는데, 이때, 1000hPa 내지 1hPa 구간 내에서 20 개의 연직 표준 고도 배열을 적용한다.
관측 자료 전처리부(130)는 이러한 1000hPa 내지 1hPa 구간의 20 개의 연직 표준 고도 배열에서 750hPa 내지 550hPa 구간에 연직으로 4 개의 배열을 추가하여 총 24 개의 연직 표준 고도 배열을 생성할 수 있다. 이는 밝은 띠의 최상점-최정점-최하점을 각각 다른 연직 표준 고도 배열에 적용하기 위함이다.
관측 자료 전처리부(130)는 관측 자료 변수(varobs), 배경장 변수(cx) 및 배경 오차 변수(cxbgerr)의 네임리스트 또한 24 개의 연직 표준 고도 배열로 수정할 수 있다.
관측 자료 전처리부(130)는 융해층의 고도 및 온도의 관측 자료를 이러한 연직 표준 고도 배열에 내삽하여 관측 자료 변수(varobs)를 추출하고, UM 초단기예보모델의 배경장에서 관측 자료 변수(varobs)와 동일한 변수를 배경장 변수(cx)로 추출할 수 있다.
변분 자료 동화부(150)는 UM 초단기예보모델에서 3차원 변분 자료 동화(VAR) 단계의 물리 과정을 수행할 수 있다.
UM 초단기예보모델의 3차원 변분 자료 동화(VAR) 단계에서는 정해진 특정시간에 대해 관측 자료를 동화하여 초기장을 생성할 수 있다. 3차원 변분 자료 동화 방식은 4차원 변분 자료 동화 또는 앙상블 자료 동화와 같은 다른 자료 동화 방식에 비해 적은 계산 비용을 갖는다는 장점이 있다.
Figure 112018109510920-pat00001
수학식 1에서 J는 3차원 변분 자료 동화에서 제어 변수가 동화될 때 발생하는 비용함수(패널티)를 의미하고, y는 관측 정보, x는 모델 분석장 정보, x0는 모델 배경장 정보, B-1은 모델 오차 공분산, R-1은 관측 오차 공분산 및 H(x)는 관측 자료를 모델 변수로 변환하여 주는 관측 연산자를 의미한다.
UM 초단기예보모델의 3차원 변분 자료 동화(VAR) 단계에서는 3차원 변분 자료 동화 방식의 장점을 극대화 하고, 다른 자료 동화 방식에 비해 성능이 낮은 단점을 보완하기 위해 정해진 시간마다 관측 자료를 동화하는 순환 자료 동화 방식(cycling)을 적용할 수 있다.
도 4는 3차원 변분 자료 동화 방식을 설명하기 위한 도면이다.
도 4에서 Obs는 관측 자료의 변수, Cx는 모델 배경장 변수, Cw는 잠재적으로 사용 가능한 선형장(LS: Linearisation State) 변수 및 CxPlus는 관측 자료와 모델 배경장 간의 차이를 의미하며, 각각 3차원 변분 자료 동화 방식에서 사용되는 변수이다.
또한, v_hat은 관측 자료의 결과, CxPlus_hat은 관측 자료와 모델 배경장 간의 차이 결과, Cw_hat은 기울기 및 ModelOb_hat은 관측 자료에 대한 모델 배경장의 결과를 의미하며, 각각 3차원 변분 자료 동화 방식에 따른 최종 산출 결과물이다.
도 4를 참조하면, 3차원 변분 자료 동화 방식의 첫 번째 단계는 자료 동화 수행 시 필요한 설정 정보들을 읽어들일 수 있다. 관측 자료의 네임리스트(Observation namelist)에서 관측 자료에 대한 설정 정보를 읽어들이고, 자료 동화 수행 시 최소화 변수(Minimization namelist), 자료 동화 제어 변수(Transform namelist) 및 진단 변수(Diagnose namelist) 등 자료 동화 수행 시 필요한 설정 정보들을 읽어들여 시스템 구동 준비를 할 수 있다.
3차원 변분 자료 동화 방식의 두 번째 및 세 번째 단계는 선형장 정보를 불러오기 위한 준비 단계 및 선형장 정보를 읽어들이는 단계에 해당한다.
3차원 변분 자료 동화 방식의 네 번째 및 다섯 번째 단계는 편차장(PF: Perterbation Field) 분석을 위해 메모리 할당, 배열 등을 설정하고, 모델의 초기장(First guess)과 모델의 배경장의 차이를 통해 편차장을 산출하는 단계에 해당한다.
3차원 변분 자료 동화 방식의 여섯 번째 단계는 관측 자료를 수치예보모델에 적용하기 위해 네 가지 제어 변수(AP, mu, chi, psi)의 배열을 구축할 수 있다.
3차원 변분 자료 동화 방식의 일곱 번째 단계는 네임리스트에서 설정한 관측종인 관측 자료에 대한 설정 정보에 대해 자료 동화에 필요한 변수의 배열을 구축할 수 있다.
3차원 변분 자료 동화 방식의 여덟 번째 단계는 관측 자료에 대한 최소화(minimization) 과정에 해당한다. 수학식 1과 같이 관측 자료 및 모델 배경장의 비용함수(Jo, Jb)가 산출되고, 전체 비용함수(J)가 산출될 수 있다. 그리고, 관측 자료가 모델 배경장에 적용되는 과정에서 관측 자료와 모델 배경장 간 1에 가까운 기울기(gradient)를 찾기 위한 외부반복순환(Outer loop)과 내부반복순환(Inner loop)이 이루어질 수 있다.
Figure 112018109510920-pat00002
Figure 112018109510920-pat00003
Figure 112018109510920-pat00004
수학식 2는 관측 자료의 패널티를 산출하는 데에 사용되고, 수학식 3 및 수학식 4는 각각 Cw 및 ModelOb 변수의 기울기를 산출하는 데에 사용된다.
즉, 3차원 변분 자료 동화 방식의 여덟 번째 단계에 따르면, 관측 자료들에 대한 관측 패널티가 계산되고, 이를 이용하여 관측 자료와 모델 배경장 간의 기울기가 계산될 수 있으며, 1에 가까운 최적의 기울기를 찾기 위한 최소화 과정을 수행하여 관측 자료가 적용되기 전 수치예보모델의 초기장과 관측 자료가 적용되었을 때의 초기장 간의 분석 증분(Analysis increment)이 최종 산출될 수 있다.
변분 자료 동화부(150)는 이러한 3차원 변분 자료 동화 방식을 이용하여 UM 초단기예보모델에 융해층 고도의 온도를 입력함으로써, UM 초단기예보모델에 따른 초기장의 온도 분포를 개선시킬 수 있다. 즉, 변분 자료 동화부(150)는 관측 자료 변수(varobs) 및 배경장 변수(cx) 간에 3차원 변분 자료 동화를 수행하여 분석 증분을 산출할 수 있다. 여기서, 관측 자료 변수(varobs)는 융해층의 고도 및 온도에 해당한다.
예를 들면, 변분 자료 동화부(150)는 아래 표 1과 같이 10 번의 외부반복순환과 내부반복순환을 통한 최소화 과정을 진행할 수 있다. 변분 자료 동화부(150)는 외부반복순환과 내부반복순환을 통해 수학식 1 및 2와 같이 관측 자료 및 모델 배경장에 대한 비용함수(J)를 산출하고, 수학식 3 및 4와 같이 비용함수(J)의 기울기를 산출할 수 있다.
Var_TotalPenAndGrad
niter= 0 neval= 1 Time= 0.64 Total= 0.64
niter= 0 neval= 1 J= 119.68256372902457 gradJ= 11.169994557401685
niter= 0 neval= 1 Jo= 119.68256372902457 gradJo= 11.169994557401685
niter= 0 neval= 1 Jb= 0. gradJb= 0.
niter= 0 neval= 1 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 1 IterationMode= 0

Var_TotalPenAndGrad
niter= 1 neval= 2 Time= 0.69 Total= 1.34
niter= 1 neval= 2 J= 95.098968708928169 gradJ= 7.2401843050701791
niter= 1 neval= 2 Jo= 37.697124100777003 gradJo= 5.1235217986826305
niter= 1 neval= 2 Jb= 57.401844608151158 gradJb= 10.714648347766436
niter= 1 neval= 2 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 2 IterationMode= 0

Var_TotalPenAndGrad
niter= 2 neval= 3 Time= 0.68 Total= 2.02
niter= 2 neval= 3 J= 80.870708207468596 gradJ= 0.31798540783571283
niter= 2 neval= 3 Jo= 56.213280456534363 gradJo= 7.0271868141823086
niter= 2 neval= 3 Jb= 24.657427750934232 gradJb= 7.0224536667653092
niter= 2 neval= 3 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 3 IterationMode= 0

Var_TotalPenAndGrad
niter= 3 neval= 4 Time= 0.68 Total= 2.69
niter= 3 neval= 4 J= 80.845360510172156 gradJ= 9.42386730395156774E-2
niter= 3 neval= 4 Jo= 56.174822956239396 gradJo= 7.0533884280320072
niter= 3 neval= 4 Jb= 24.670537553932768 gradJb= 7.0243202594886283
niter= 3 neval= 4 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 4 IterationMode= 0

Var_TotalPenAndGrad
niter= 4 neval= 5 Time= 0.68 Total= 3.37
niter= 4 neval= 5 J= 80.842917262729756 gradJ= 3.02960001344851314E-2
niter= 4 neval= 5 Jo= 56.04471013443154 gradJo= 7.0475291680908283
niter= 4 neval= 5 Jb= 24.798207128298213 gradJb= 7.0424721693872252
niter= 4 neval= 5 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 5 IterationMode= 0

Var_TotalPenAndGrad
niter= 5 neval= 6 Time= 0.68 Total= 4.05
niter= 5 neval= 6 J= 80.842731629076312 gradJ= 2.06013926435782251E-2
niter= 5 neval= 6 Jo= 56.004958851109393 gradJo= 7.0453271430451707
niter= 5 neval= 6 Jb= 24.837772777966919 gradJb= 7.0480880780486448
niter= 5 neval= 6 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 6 IterationMode= 0


Var_TotalPenAndGrad
niter= 6 neval= 7 Time= 0.68 Total= 4.73
niter= 6 neval= 7 J= 80.842637693714366 gradJ= 8.91944410519008614E-3
niter= 6 neval= 7 Jo= 56.012407963512928 gradJo= 7.0455647506194889
niter= 6 neval= 7 Jb= 24.830229730201442 gradJb= 7.0470177706885586
niter= 6 neval= 7 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 7 IterationMode= 0

Var_TotalPenAndGrad
niter= 7 neval= 8 Time= 0.68 Total= 5.41
niter= 7 neval= 8 J= 80.842637646169166 gradJ= 1.55724761523097829E-2
niter= 7 neval= 8 Jo= 56.021638740614563 gradJo= 7.0460089640904924
niter= 7 neval= 8 Jb= 24.820998905554607 gradJb= 7.0457077579975689
niter= 7 neval= 8 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 8 IterationMode= 0

Var_TotalPenAndGrad
niter= 8 neval= 9 Time= 0.69 Total= 6.10
niter= 8 neval= 9 J= 80.842620784439347 gradJ= 6.51849953242606035E-3
niter= 8 neval= 9 Jo= 56.018611611619278 gradJo= 7.0458266653097077
niter= 8 neval= 9 Jb= 24.824009172820066 gradJb= 7.0461349934298623
niter= 8 neval= 9 FWD= 0 0 ADJ= 0 0 TOT= 0 0
niter= 9 IterationMode= 0

Var_TotalPenAndGrad
niter= 9 neval= 10 Time= 0.69 Total= 6.79
niter= 9 neval= 10 J= 80.842615017096207 gradJ= 5.52885150322919832E-3
niter= 9 neval= 10 Jo= 56.019828092741911 gradJo= 7.0458951952840954
niter= 9 neval= 10 Jb= 24.8227869243543 gradJb= 7.0459615276203005
niter= 9 neval= 10 FWD= 0 0 ADJ= 0 0 TOT= 0 0
Stopping minimisation as J(iter-9)-J(iter)= 38.839948711928358 < J1abs= 900.
Final Totals FWD= 0 0 ADJ= 0 0 TOT= 0 0
Reconfiguring
Var_InitHorizontalRecon
Reconfiguring from 480x576 to 804x1000 using a variable resolution EndGame grid
Writing out UM analysis increments
표 1을 참조하면 비용함수 및 기울기는 최초 119.6825 및 11.1699로 산출되었으며, 총 10 번의 외부반복순환과 내부반복순환을 통해 비용함수 및 기울기는 최종 80.8426 및 0.005로 산출됨으로써 최적화 된 기울기 값이 산출됨을 확인할 수 있다. 여기서, 기울기 값이 1에 가까울수록 최적화 된 기울기 값으로 간주될 수 있다.이처럼, 변분 자료 동화부(150)는 3차원 변분 자료 동화 방식을 이용하여 산출한 기울기 값을 관측 자료와 모델 배경장 간의 차이를 나타내는 값으로 하여,
관측 자료가 적용되기 전 수치예보모델의 초기장과 관측 자료가 적용되었을 때의 초기장 간의 분석 증분을 산출할 수 있다.
초기장 예측부(170)는 3차원 변분 자료 동화의 최종 산출물인 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성할 수 있다.
구체적으로는, 초기장 예측부(170)는 3차원 변분 자료 동화의 최종 산출물인 분석 증분을 초기 역학장의 연직 온도 프로파일에 적용하여 초기 역학장을 개선할 수 있다.
초기장 예측부(170)는 위와 같이 분석 증분을 적용하여 생성한 초기 역학장에 기반하여 강수 예측을 수행할 수 있다.
이와 같이, 본 발명에 따른 장치(100)는 레이더 반사도 자료에서 밝은 띠를 탐지하여 융해층 고도의 온도를 산출할 수 있다. 종관 관측자료의 경우 시공간적으로 해상도가 낮은 반면 레이더 반사도 자료의 경우 시공간적 해상도가 높으므로 보다 정확한 융해층 고도 및 온도의 산출이 가능하다. 또한, 본 발명에 따른 장치(100)는 이러한 융해층 고도의 온도 자료를 3차원 변분 자료 동화 방식을 통해 초기 역학장의 온도 프로파일에 입력함으로써, 수치예보모델에서 모의한 온도장의 상층, 중층 및 하층의 초기 온도 정보를 보정할 수 있다. 또한, 본 발명에 따른 장치(100)는 개선된 초기 역학장을 이용한 강수 예측을 수행하여 강수 예측 성능을 향상시킬 수 있다.
도 5는 본 발명의 일 실시예에 따른 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법의 순서도이다.
본 발명의 일 실시예에 따른 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법은 도 1에 도시된 장치(100)와 실질적으로 동일한 구성에서 진행될 수 있다. 따라서, 도 1의 장치(100)와 동일한 구성요소는 동일한 도면부호를 부여하고, 반복되는 설명은 생략하기로 한다.
도 5를 참조하면, 관측 자료 수집부(110)는 레이더 관측 자료를 수집하여 융해층 고도 및 온도를 산출할 수 있다(S10).
관측 자료 수집부(110)는 레이더 반사도 자료에서 밝은 띠를 탐지하고, 밝은 띠를 이용하여 융해층의 고도 및 온도를 산출할 수 있다.
관측 자료 수집부(110)는 레이더 반사도 자료를 이용하여 평균 반사도 연직 프로파일을 생성할 수 있다.
관측 자료 수집부(110)는 밝은 띠 탐지에 필요한 5 개의 변수인 로그 취한 평균 반사도(log(ZH)), 일차 미분(f'(h)), 이차 미분(f''(h)), 곡률(C(h)), 곡률의 일차 미분(C'(h)) 연직 프로파일을 생성할 수 있다.
관측 자료 수집부(110)는 위와 같은 밝은 띠 탐지에 필요한 5 개의 프로파일을 이용하여 밝은 띠의 상단부, 최정점 및 하단부를 탐지할 수 있다.
관측 자료 수집부(110)는 반사도 자료에서 이차 미분 값이 "+"이고, 일차 미분 값이 "+"에서 "-"로 변하는 지점의 고도를 밝은 띠의 최상점(BBTOP)으로 탐지할 수 있다.
관측 자료 수집부(110)는 반사도 자료에서 이차 미분 값이 "-" 이고, 일차 미분 값이 "-"에서 "+"로 변하는 지점의 고도를 밝은 띠의 최하점(BBBOTTOM)으로 탐지할 수 있다.
이처럼, 관측 자료 수집부(110)는 레이더 반사도 자료에서 밝은 띠 영역에 해당하는 고도를 탐지할 수 있으며, 이를 융해층의 고도로 산출할 수 있다. 또한, 관측 자료 수집부(110)는 융해층의 고도와 레윈죤데 자료에서의 해당 고도를 비교하여 융해층 고도의 온도를 산출할 수 있다.
관측 자료 수집부(110)는 위와 같이 레이더 반사도 자료로부터 산출한 융해층의 고도 및 온도를 버퍼 형태로 처리하여 데이터베이스에 저장할 수 있다.
관측 자료 전처리부(130)는 레이더 관측 자료를 수집하여 산출한 융해층 고도 및 온도를 가공할 수 있다(S20).
관측 자료 전처리부(130)는 데이터베이스에 저장된 융해층의 고도를 불러들여 수치예보모델의 격자에 내삽하고, 융해층의 고도에 해당하는 공간정보 대한 수치예보모델의 배경장 변수를 추출할 수 있다.
이를 위해, 관측 자료 전처리부(130)는 연직 표준 고도 배열을 생성할 수 있다. 예를 들면, 관측 자료 전처리부(130)는 이러한 1000hPa 내지 1hPa 구간의 20 개의 연직 표준 고도 배열에서 750hPa 내지 550hPa 구간에 연직으로 4 개의 배열을 추가하여 총 24 개의 연직 표준 고도 배열을 생성할 수 있다. 이는 밝은 띠의 최상점-최정점-최하점을 각각 다른 연직 표준 고도 배열에 적용하기 위함이다.
관측 자료 전처리부(130)는 관측 자료 변수(varobs), 배경장 변수(cx) 및 배경 오차 변수(cxbgerr)의 네임리스트 또한 24 개의 연직 표준 고도 배열로 수정할 수 있다.
관측 자료 전처리부(130)는 융해층의 고도 및 온도의 관측 자료를 이러한 연직 표준 고도 배열에 내삽하여 관측 자료 변수(varobs)를 추출하고, UM 초단기예보모델의 배경장에서 관측 자료 변수(varobs)와 동일한 변수를 배경장 변수(cx)로 추출할 수 있다.
변분 자료 동화부(150)는 융해층 고도 및 온도와 UM 초단기예보모델의 배경장 간에 3차원 변분 자료 동화 방식을 적용하여 분석 증분을 산출할 수 있다(S30).
변분 자료 동화부(150)는 외부반복순환과 내부반복순환을 통해 수학식 1 및 2와 같이 관측 자료 및 모델 배경장에 대한 비용함수(J)를 산출하고, 수학식 3 및 4와 같이 비용함수(J)의 기울기를 산출할 수 있다.
변분 자료 동화부(150)는 3차원 변분 자료 동화 방식을 이용하여 산출한 기울기 값을 관측 자료와 모델 배경장 간의 차이를 나타내는 값으로 하여, 관측 자료가 적용되기 전 수치예보모델의 초기장과 관측 자료가 적용되었을 때의 초기장 간의 분석 증분을 산출할 수 있다.
초기장 예측부(170)는 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성하고 이를 이용하여 강수 예측을 수행할 수 있다(S40).
초기장 예측부(170)는 3차원 변분 자료 동화의 최종 산출물인 분석 증분을 UM 초단기예보모델 초기 역학장의 연직 온도 프로파일에 적용하여 초기 역학장을 개선할 수 있다. 초기장 예측부(170)는 위와 같이 분석 증분을 적용하여 생성한 초기 역학장에 기반하여 강수 예측을 수행할 수 있다.
이와 같은, 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이하, 도 6 내지 도 12를 참조하여 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 유리한 효과에 대해 설명한다.
먼저, 도 6 및 도 7은 층운형 사례에서 레이더 관측 자료로부터 산출한 밝은 띠 고도를 나타내는 그래프이다.
먼저, 2016년 5월 2일 층운형 사례를 대상으로 한 광덕산(GDK), 오성산(KSN), 진도(JNI) 및 고산(GSN)의 네 개 지점의 S-band 기상 레이더 관측 자료를 수집하였으며, 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따라 각 레이더 관측 자료를 이용하여 산출한 밝은 띠 고도는 도 6과 같다.
도 6을 참조하면, 광덕산(GDK) 레이더 관측 자료로부터 밝은 띠의 최고점, 최정점 및 최저점의 평균 고도는 각각 4.22km, 3.65km 및 3.14km 로 산출되었고, 밝은 띠의 최고점, 최정점 및 최저점 고도의 온도는 각각 -2.1℃, 0.8℃ 및 4.4℃로 산출되었다.
오성산(KSN) 레이더 관측 자료로부터 밝은 띠의 최고점, 최정점 및 최저점의 평균 고도는 각각 4.35km, 3.70km 및 3.19km 로 산출되었고, 밝은 띠의 최고점, 최정점 및 최저점 고도의 온도는 각각 -1.15℃, 2.6℃ 및 5.4℃로 산출되었다.
진도(JNI) 레이더 관측 자료로부터 밝은 띠의 최고점, 최정점 및 최저점의 평균 고도는 각각 4.46km, 3.82km 및 3.33km 로 산출되었고, 밝은 띠의 최고점, 최정점 및 최저점 고도의 온도는 각각 -2.0℃, 2.4℃ 및 5.1℃로 산출되었다.
고산(GSN) 레이더 관측 자료로부터 밝은 띠의 최고점, 최정점 및 최저점의 평균 고도는 각각 4.64km, 4.08km 및 3.53km 로 산출되었고, 밝은 띠의 최고점, 최정점 및 최저점 고도의 온도는 각각 -2.7℃, 1.0℃ 및 3.5℃로 산출되었다.
이때, 광덕산(GDK) 및 오성산(KSN) 레이더 관측지점과 비교를 위한 오산의 레윈존데 관측지점의 융해층 평균 고도는 4.18km로 관측되었다.
진도(JNI) 레이더 관측지점과 비교를 위한 광주 레윈존데 관측지점의 융해층 평균 고도는 4.09km 로 관측되었다.
고산(GSN) 레이더 관측지점과 비교를 위한 제주 레윈존데 관측지점의 융해층 평균 고도는 3.84km 로 관측되었다.
또한, 2016년 7월 1일 층운형 사례를 대상으로 한 광덕산(GDK), 오성산(KSN), 진도(JNI) 및 고산(GSN)의 네 개 지점의 S-band 기상 레이더 관측 자료를 수집하였으며, 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따라 각 레이더 관측 자료를 이용하여 산출한 밝은 띠 고도는 도 7과 같다.
도 7을 참조하면, 광덕산(GDK) 레이더 관측 자료로부터 밝은 띠의 최고점, 최정점 및 최저점의 평균 고도는 각각 4.22km, 3.65km 및 3.14km 로 산출되었고, 밝은 띠의 최고점, 최정점 및 최저점 고도의 온도는 각각 -2.1℃, 0.8℃ 및 4.4℃로 산출되었다.
오성산(KSN) 레이더 관측 자료로부터 밝은 띠의 최고점, 최정점 및 최저점의 평균 고도는 각각 4.35km, 3.70km 및 3.19km 로 산출되었고, 밝은 띠의 최고점, 최정점 및 최저점 고도의 온도는 각각 -1.15℃, 2.6℃ 및 5.4℃로 산출되었다.
진도(JNI) 레이더 관측 자료로부터 밝은 띠의 최고점, 최정점 및 최저점의 평균 고도는 각각 4.46km, 3.82km 및 3.33km 로 산출되었고, 밝은 띠의 최고점, 최정점 및 최저점 고도의 온도는 각각 -2.0℃, 2.4℃ 및 5.1℃로 산출되었다.
고산(GSN) 레이더 관측 자료로부터 밝은 띠의 최고점, 최정점 및 최저점의 평균 고도는 각각 4.64km, 4.08km 및 3.53km 로 산출되었고, 밝은 띠의 최고점, 최정점 및 최저점 고도의 온도는 각각 -2.7℃, 1.0℃ 및 3.5℃로 산출되었다.
이때, 광덕산(GDK) 및 오성산(KSN) 레이더 관측지점과 비교를 위한 오산의 레윈존데 관측지점의 융해층 평균 고도는 4.18km로 관측되었다.
진도(JNI) 레이더 관측지점과 비교를 위한 광주 레윈존데 관측지점의 융해층 평균 고도는 4.09km 로 관측되었다.
고산(GSN) 레이더 관측지점과 비교를 위한 제주 레윈존데 관측지점의 융해층 평균 고도는 3.84km 로 관측되었다.
이와 같은 레이더 관측 자료로부터 산출한 융해층 고도 및 온도를 살펴보면, 남쪽 지역일수록 저기압이 접근하거나 그 영향권에 있을 때 밝은 띠의 고도 및 온도가 높게 산출됨을 확인할 수 있다. 또한, 레윈존데 관측지점에서 관측되는 융해층 고도 이하에서 밝은 띠의 최정점이 산출됨을 확인할 수 있다. 이로부터 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따라 밝은 띠로부터 산출하는 융해층의 온도 정보를 수치예보모델에 적용하는 경우, 수치예보모델의 개선 효과를 기대할 수 있다.
도 8은 장마전선 사례에서 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따라 생성한 초기 역학장의 연직 온도 프로파일을 나타내는 그래프이다.
2016년 7월 1일 0000 UTC ~ 1200 UTC 장마전선 사례의 레이더 관측 자료로부터 산출하는 융해층의 고도 및 온도와 모델 배경장 정보 간의 자료 동화를 수행한 결과 생성되는 초기 역학장의 연직 온도 프로파일은 도 8과 같다.
도 8을 참조하면, 관악산(KWK) 및 광덕산(GDK) 레이더 사이트의 초기 역학장 연직 프로파일을 확인할 수 있는데, 대기 하층에서 음의 변화를 나타내고, 대기 중상층에서 양의 변화를 나타내어 전체적으로 대기의 안정화가 이루어짐을 확인할 수 있다.
도 9 내지 도 11은 장마전선 사례에서 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 역학장 변화를 나타낸 그래프이다.
2016년 7월 1일 0000 UTC ~ 1200 UTC 장마전선 사례에서 대기의 하층(1500m 고도), 대기 중층(4000m 고도) 및 대기 상층(8000m 고도)를 기준으로 하여 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따라 레이더 관측 자료가 적용되어 보정된 역학장과, 자료 동화 방식이 적용되지 않은 규준실험을 비교한 관측 증분 분석 결과는 각각 도 9 내지 도 10과 같다.
도 9를 참조하면, 대기 하층에서는 내륙지방을 중심으로 기압 및 온도가 각각 0.08hPa 및 0.1℃ 이상 감소하였고, qvapor은 서해안 지방을 중심으로 증가하였으며, qrain은 백령도 인근 지역에서 주로 감소한 결과를 보인다.
도 10을 참조하면, 대기 중층에서는 서해안 지방을 중심으로 기압이 0.06hPa 이상 감소하였고, 온도는 수도권을 포함한 중서부지방에서 0.1℃ 이상 증가, 광주 인근지역, 남해상 및 제주도는 0.2℃ 이상 감소하였고, qvapor은 수도권 및 경기도 지방에서 감소, 전남 및 제주 인근에서 증가하였으며, qrain은 남서쪽 해상에서 증가한 결과를 보인다. 또한, qgraupel은 백령도 인근 지역에서 증가하였고, qcf는 감소한 결과를 보인다.
도 11을 참조하면, 대기 상층에서는 대기 하층에서의 결과와 반대로 내륙지방을 중심으로 기압이 0.06hPa 이상 증가, 남해상에는 0.08hPa 이상 감소하였고, 온도는 내륙지방을 중심으로 0.06℃ 이상 증가하였고, qvapor은 백령도 인근지역에서 증가, 수도권 및 남부내륙 일부 지방에는 약하게 감소하였으며, qcf는 백령도 인근지역에서 감소한 결과를 보인다.
이와 같이, 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따라 융해층 고도의 온도를 자료 동화한 결과, 장마전선에 의해 내륙지방에 발생한 강수 모의를 조정해주기 위해 대기의 하층, 중층 및 상층의 역학장이 변화하였음을 확인할 수 있다. 하층의 경우, 온도가 낮아져 상대적으로 차가워졌으며, 남부지방에 위치한 장마전선에 의해 모의된 강수를 줄여주기 위해 중부지방의 기압은 감소하고 남부지방의 기압은 증가하였다. 또한, 중서부지방의 qvapor이 증가하여 해당 지역이 습해졌다. 중층의 경우, 기압변화 패턴은 하층과 유사하고, qvapor은 중부지방에서 감소, 남부지방에서 증가하였고, 온도는 중부지방에서 증가, 남부지방에서 감소하였다. 이로부터, 중부지방은 대기 중층이 건조해지고 남부지방은 대기 중층이 습해졌음을 확인할 수 있다. 상층의 경우, 내륙지방을 중심으로 온도가 증가하여 따뜻해졌으며, 대기 중, 하층과 반대되는 패턴을 보였다. 전체적으로 내륙지방을 중심으로 대기 하층이 차가워지고 대기 상층이 따뜻해짐에 따라 대기 안정화를 모의하도록 역학장이 변하였음을 확인할 수 있다.
도 12는 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 강수 모의 결과와 규준 실험 간 강수 모의 결과를 비교한 그래프이다.
2016년 7월 1일 0000 UTC ~ 1200 UTC의 12 시간 동안 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 강수 모의 결과(EXP)와, 자료 동화 방식이 적용되지 않은 규준실험에 다른 강수 모의 결과(CTRL)와, 지상관측자료(AWS) 및 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 강수 모의 결과(EXP)와 자료 동화 방식이 적용되지 않은 규준실험에 다른 강수 모의 결과(CTRL)의 차이(EXP-CTRL)는 각각 도 12에 도시되어 있다.
도 12를 참조하면, 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 강수 모의 결과(EXP)와 자료 동화 방식이 적용되지 않은 규준실험에 다른 강수 모의 결과(CTRL)를 비교하였을 때에 관측 증분 결과와 같이 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 강수 모의 결과(EXP)의 경우, 남부내륙 및 남해상을 중심으로 강수량이 감소하고, 중부내륙을 중심으로 강수량이 증가한 경향을 보인다.
UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 강수 모의 결과(EXP)와 자료 동화 방식이 적용되지 않은 규준실험에 다른 강수 모의 결과(CTRL)를 각각 지상관측자료(AWS)와 비교하면, 본 발명의 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방식에 따른 강수 모의 결과(EXP)의 경우, 규준실험에 다른 강수 모의 결과(CTRL)에서 과대모의 하였던 남부지방의 강수가 감소하여 개선된 결과를 보인다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
1: 기상레이더 시스템
100: UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치
110: 관측 자료 수집부
130: 관측 자료 전처리부
150: 변분 자료 동화부
170: 초기장 예측부

Claims (15)

  1. 기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 단계;
    상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 단계;
    상기 관측 자료를 UM 초단기예보모델의 배경장 간에 3차원 변분 자료 동화 방식을 적용하여 분석 증분을 산출하는 단계; 및
    상기 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성하고 강수를 예측하는 단계를 포함하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법.
  2. 제1항에 있어서,
    기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 단계는,
    상기 레이더 관측 자료에서 밝은 띠를 탐지하는 단계;
    상기 밝은 띠를 상기 융해층의 고도로 산출하는 단계; 및
    상기 융해층의 고도와 레윈죤데 자료를 비교하여 상기 융해층 온도를 산출하는 단계를 포함하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법.
  3. 제1항에 있어서,
    기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 단계는,
    상기 관측 자료를 버퍼 형태로 처리하여 데이터베이스에 저장하는 단계를 포함하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법.
  4. 제1항에 있어서,
    상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 단계는,
    상기 관측 자료에 포함되는 상기 융해층의 고도를 수치예보모델의 격자에 내삽하는 단계; 및
    상기 융해층의 고도에 해당하는 공간정보에 대한 상기 수치예보모델의 배경장 변수를 추출하는 단계를 포함하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법.
  5. 제4항에 있어서,
    상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 단계는,
    1000hPa 내지 1hPa 구간의 20 개의 연직 표준 고도 배열에서 750hPa 내지 550hPa 구간에 연직으로 4 개의 배열을 추가하여 총 24 개의 연직 표준 고도 배열을 생성하는 단계;
    상기 연직 표준 고도 배열에 상기 융해층의 고도를 내삽하여 관측 자료 변수를 추출하는 단계; 및
    상기 UM 초단기예보모델의 배경장에서 상기 관측 자료 변수와 동일한 변수를 상기 배경장 변수로 추출하는 단계를 포함하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법.
  6. 제1항에 있어서,
    상기 관측 자료를 UM 초단기예보모델의 배경장 간에 3차원 변분 자료 동화 방식을 적용하여 분석 증분을 산출하는 단계는,
    외부반복순환과 내부반복순환을 통해 수학식 상기 관측 자료 및 상기 UM 초단기예보모델의 배경장에 대한 비용함수 및 기울기를 산출하는 단계; 및
    상기 기울기 값을 이용하여 상기 관측 자료가 적용되기 전의 상기 UM 초단기예보모델의 초기장과 상기 관측 자료가 적용되었을 때의 상기 UM 초단기예보모델의 초기장 간의 분석 증분을 산출하는 단계를 포함하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법.
  7. 제1항에 있어서,
    상기 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성하고 강수를 예측하는 단계는,
    상기 분석 증분을 상기 UM 초단기예보모델의 초기장의 연직 온도 프로파일에 적용하는 단계를 포함하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법.
  8. 제1항 내지 제7항 중 어느 하나의 항에 따른 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
  9. 기상 레이더 시스템으로부터 레이더 관측 자료를 수집하여 융해층의 고도 및 온도를 포함하는 관측 자료를 산출하는 관측 자료 수집부;
    상기 관측 자료를 자료 동화에 적용할 수 있도록 전처리하는 관측 자료 전처리부;
    상기 관측 자료를 UM 초단기예보모델의 배경장 간에 3차원 변분 자료 동화 방식을 적용하여 분석 증분을 산출하는 변분 자료 동화부; 및
    상기 분석 증분을 이용하여 UM 초단기예보모델의 초기장을 생성하고 강수를 예측하는 초기장 예측부를 포함하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치.
  10. 제9항에 있어서,
    상기 관측 자료 수집부는,
    상기 레이더 관측 자료에서 밝은 띠를 탐지하고, 상기 밝은 띠를 상기 융해층의 고도로 산출하며, 상기 융해층의 고도와 레윈죤데 자료를 비교하여 상기 융해층 온도를 산출하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치.
  11. 제9항에 있어서,
    상기 관측 자료 수집부는,
    상기 관측 자료를 버퍼 형태로 처리하여 데이터베이스에 저장하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치.
  12. 제9항에 있어서,
    상기 관측 자료 전처리부는,
    상기 관측 자료에 포함되는 상기 융해층의 고도를 수치예보모델의 격자에 내삽하고, 상기 융해층의 고도에 해당하는 공간정보에 대한 상기 수치예보모델의 배경장 변수를 추출하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치.
  13. 제12항에 있어서,
    상기 관측 자료 전처리부는,
    1000hPa 내지 1hPa 구간의 20 개의 연직 표준 고도 배열에서 750hPa 내지 550hPa 구간에 연직으로 4 개의 배열을 추가하여 총 24 개의 연직 표준 고도 배열을 생성하고, 상기 연직 표준 고도 배열에 상기 융해층의 고도를 내삽하여 관측 자료 변수를 추출하며, 상기 UM 초단기예보모델의 배경장에서 상기 관측 자료 변수와 동일한 변수를 상기 배경장 변수로 추출하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치.
  14. 제9항에 있어서,
    상기 변분 자료 동화부는,
    외부반복순환과 내부반복순환을 통해 수학식 상기 관측 자료 및 상기 UM 초단기예보모델의 배경장에 대한 비용함수 및 기울기를 산출하고, 상기 기울기 값을 이용하여 상기 관측 자료가 적용되기 전의 상기 UM 초단기예보모델의 초기장과 상기 관측 자료가 적용되었을 때의 상기 UM 초단기예보모델의 초기장 간의 분석 증분을 산출하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치.
  15. 제9항에 있어서,
    상기 초기장 예측부는,
    상기 분석 증분을 상기 UM 초단기예보모델의 초기장의 연직 온도 프로파일에 적용하는 UM 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 장치.
KR1020180134527A 2018-11-05 2018-11-05 Um 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치 KR102023613B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180134527A KR102023613B1 (ko) 2018-11-05 2018-11-05 Um 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치
PCT/KR2019/002464 WO2020096141A1 (ko) 2018-11-05 2019-03-04 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180134527A KR102023613B1 (ko) 2018-11-05 2018-11-05 Um 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치

Publications (1)

Publication Number Publication Date
KR102023613B1 true KR102023613B1 (ko) 2019-09-20

Family

ID=68067491

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180134527A KR102023613B1 (ko) 2018-11-05 2018-11-05 Um 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치

Country Status (2)

Country Link
KR (1) KR102023613B1 (ko)
WO (1) WO2020096141A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111505645A (zh) * 2020-04-26 2020-08-07 上海眼控科技股份有限公司 雷达云图数据的显示方法、装置、计算机设备和存储介质
CN113704695A (zh) * 2021-08-25 2021-11-26 厦门市气象台(厦门市海洋气象台、海峡气象开放实验室) 一种适用于区域数值模式集合模拟预报的初值小扰动法
CN115270405A (zh) * 2022-06-22 2022-11-01 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 基于多源多类型扰动组合的对流尺度集合预报方法及系统
CN115617820A (zh) * 2022-12-19 2023-01-17 广东省气象公共服务中心(广东气象影视宣传中心) 位置相关的雷达定量降水估测的深度学习数据集制作方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111595293A (zh) * 2020-05-29 2020-08-28 山东交通学院 一种基于多源监测数据融合的地表形变监测方法与系统
CN115391685B (zh) * 2022-10-27 2023-03-24 南京信息工程大学 一种散射计风场同化的质控方法、系统、存储介质及设备
CN117214979B (zh) * 2023-10-08 2024-03-22 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 一种相控阵雷达资料同化方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170069396A (ko) * 2015-12-11 2017-06-21 한국외국어대학교 연구산학협력단 Wise-r 실시간 초단기 미세기상 예측 모델
KR101758234B1 (ko) * 2016-08-09 2017-07-14 한국과학기술정보연구원 자료동화 방법 및 장치
KR101826713B1 (ko) * 2017-03-16 2018-03-22 경북대학교 산학협력단 강수예측장치, 방법, 및 이를 제공하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독가능한 기록매체

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011027546A (ja) * 2009-07-24 2011-02-10 Toshiba Corp 気象レーダシステムとその降水量算出方法
KR101341508B1 (ko) * 2010-09-06 2013-12-13 전자부품연구원 코어-셀 구조의 투명 도전성 나노 입자 및 이를 포함하는 잉크
KR101255966B1 (ko) * 2012-03-21 2013-04-23 대한민국(기상청장) 기상레이더 3차원 반사도 자료를 이용한 밝은 띠 영역의 탐색 방법 및 그 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170069396A (ko) * 2015-12-11 2017-06-21 한국외국어대학교 연구산학협력단 Wise-r 실시간 초단기 미세기상 예측 모델
KR101758234B1 (ko) * 2016-08-09 2017-07-14 한국과학기술정보연구원 자료동화 방법 및 장치
KR101826713B1 (ko) * 2017-03-16 2018-03-22 경북대학교 산학협력단 강수예측장치, 방법, 및 이를 제공하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독가능한 기록매체

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
문지영 외 4명. 연직강우레이더와 광학우적계 관측자료를 이용한 2012년 여름철 남해안 강우사례 분석. Atmosphere. Korean Meteorological Society. Vol. 23, No. 3, 2013.4.23. pp. 265-273 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111505645A (zh) * 2020-04-26 2020-08-07 上海眼控科技股份有限公司 雷达云图数据的显示方法、装置、计算机设备和存储介质
CN113704695A (zh) * 2021-08-25 2021-11-26 厦门市气象台(厦门市海洋气象台、海峡气象开放实验室) 一种适用于区域数值模式集合模拟预报的初值小扰动法
CN113704695B (zh) * 2021-08-25 2024-03-01 厦门市气象台(厦门市海洋气象台、海峡气象开放实验室) 一种适用于区域数值模式集合模拟预报的初值小扰动法
CN115270405A (zh) * 2022-06-22 2022-11-01 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 基于多源多类型扰动组合的对流尺度集合预报方法及系统
CN115270405B (zh) * 2022-06-22 2024-01-16 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） 基于多源多类型扰动组合的对流尺度集合预报方法及系统
CN115617820A (zh) * 2022-12-19 2023-01-17 广东省气象公共服务中心(广东气象影视宣传中心) 位置相关的雷达定量降水估测的深度学习数据集制作方法

Also Published As

Publication number Publication date
WO2020096141A1 (ko) 2020-05-14

Similar Documents

Publication Publication Date Title
KR102023613B1 (ko) Um 초단기예보모델 기반의 레이더 융해층 고도 자료 동화 방법, 이를 수행하기 위한 기록 매체 및 장치
US10739495B2 (en) Cloud water resource detecting system and method
CN110728411B (zh) 一种基于卷积神经网络的高低空区域联合降雨预测方法
Lopez Implementation and validation of a new prognostic large‐scale cloud and precipitation scheme for climate and data‐assimilation purposes
Quesada-Ruiz et al. Cloud-tracking methodology for intra-hour DNI forecasting
Chaturvedi et al. Solar power forecasting: A review
JP5439450B2 (ja) 発電予測装置およびその方法
Liang et al. A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds
KR102006847B1 (ko) 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법
CN105158762A (zh) 识别和跟踪对流天气单体
Najafi et al. Climatology of atmospheric circulation patterns of Arabian dust in western Iran
Naylor et al. Comparison of objective supercell identification techniques using an idealized cloud model
CN115201938B (zh) 基于雷暴高压分析的强对流天气临近预报方法及系统
CN116609858A (zh) 一种基于可解释性XGBoost模型的热带气旋大气波导预测方法及系统
Scheuerer et al. Probabilistic precipitation-type forecasting based on GEFS ensemble forecasts of vertical temperature profiles
CN114898206A (zh) 一种短时强降水预报方法及计算机设备和存储介质
Yu et al. Using new neighborhood-based intensity-scale verification metrics to evaluate WRF precipitation forecasts at 4 and 12 km grid spacings
Dutta et al. Regional data assimilation with the NCMRWF unified model (NCUM): impact of doppler weather radar radial wind
US20230314169A1 (en) Method and apparatus for generating map data, and non-transitory computer-readable storage medium
Zheng et al. Hybrid scheme of kinematic analysis and lagrangian koopman operator analysis for short-term precipitation forecasting
CN110515081A (zh) 一种雷达回波零度层亮带智能识别预警方法
KR102337369B1 (ko) 기후 예측 모델의 계절 내 규모 모의 성능을 진단하기 위한 기후 분석 장치 및 방법
Dementyeva et al. Forecast of convective events and its verification against atmospheric electricity observations
Sharma et al. A review on physical and data-driven based nowcasting methods using sky images
KR20230127701A (ko) 상세지형 정보를 고려한 고해상도 3차원 바람 수치정보 산출 방법

Legal Events

Date Code Title Description
GRNT Written decision to grant