KR102200534B1 - 소나시스템을 지원하기 위한, 동해의 수온변동예측 데이터베이스 생성 시스템 및 그 방법 - Google Patents

소나시스템을 지원하기 위한, 동해의 수온변동예측 데이터베이스 생성 시스템 및 그 방법 Download PDF

Info

Publication number
KR102200534B1
KR102200534B1 KR1020200060447A KR20200060447A KR102200534B1 KR 102200534 B1 KR102200534 B1 KR 102200534B1 KR 1020200060447 A KR1020200060447 A KR 1020200060447A KR 20200060447 A KR20200060447 A KR 20200060447A KR 102200534 B1 KR102200534 B1 KR 102200534B1
Authority
KR
South Korea
Prior art keywords
water temperature
database
sea
year
niño
Prior art date
Application number
KR1020200060447A
Other languages
English (en)
Inventor
전우근
손수욱
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020200060447A priority Critical patent/KR102200534B1/ko
Application granted granted Critical
Publication of KR102200534B1 publication Critical patent/KR102200534B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming

Landscapes

  • Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

본 발명의 일 실시 예는, 소나시스템을 지원하기 위한, 동해(east sea)의 수온변동예측 데이터베이스 생성 시스템으로서, 기설정된 위도 및 경도에 대한 해수면온도정보를 분석하여 엘니뇨 또는 라니냐의 발생연도를 특정하는 제1연산부; 상기 특정된 발생연도를 기초로 엘니뇨가 발생된 연도에 대한 합성분석(composite analysis) 및 라니냐가 발생된 연도에 대한 합성분석을 수행하는 제2연산부; 및 상기 합성분석의 결과를 기설정된 신뢰도를 초과하는지 여부로 분류하고, 상기 분류된 결과를 데이터베이스에 저장하는 제3연산부;를 포함하는, 동해의 수온변동예측 데이터베이스 생성 시스템을 개시한다.

Description

소나시스템을 지원하기 위한, 동해의 수온변동예측 데이터베이스 생성 시스템 및 그 방법 {System for generating DB comprising temperature variability prediction information of the East Sea for SONAR and method thereof}
본 발명은 수온변동예측 데이터베이스 생성 시스템 및 그 방법에 관한 것으로서, 보다 구체적으로는, 엘니뇨 또는 라니냐 시기의 동해(east sea)의 수온변동을 정확하게 예측하여 출력할 수 있는 데이터베이스를 생성하는 시스템 및 그 방법에 관한 것이다.
동해에서 외부의 해수가 유입되는 유일한 입구는 쓰시마 해협이며, 이를 통해 쿠로시오 해류에서 분기된 쓰시마 난류가 동해로 유입된다. 따라서, 쿠로시오 해류와 쓰시마 난류의 변동성은 동해의 해수 순환과 수온구조에 큰 영향을 주며, 이러한 변동성은 수중음파전달 구조에도 영향을 미쳐서 자국 해군의 소나(SONAR) 운용에도 변화를 초래할 수 있다.
소나(SOund Navigation And Ranging)는 음파에 의해 수중목표의 방위 및 거리를 알아내는 장비를 의미하는데, 수중에서는 레이더(RADAR)와 같은 광학장치에 의한 통신이나 탐지활동이 불가능하기 때문에, 음파를 기초로 하여 운용되는 탐지수단으로서 소나가 채택되고 있다.
음파는 수중에서 감쇄율이 낮으며, 공기 중의 속도의 5배에 가까운 1500m/s로 전파되는 특성이 있으나, 수온, 염도, 압력 및 밀도와 같은 수중 환경 파라미터에 매우 민감하다. 그러므로, 소나를 이용한 통신 및 탐지활동을 하기 위해서는, 한반도를 둘러싸고 있는 해역의 수온 변화 경향성에 대해서 정확하게 파악할 필요가 있다.
한편, 엘니뇨와 라니냐는 주로 3~4월에 적도의 동태평양에서 발생하여 그 해 겨울에 최대로 성장하는데, 태평양뿐만 아니라 동아시아의 전체기후에 큰 영향을 미치는 경년변동 현상으로 알려져 있다. 많은 기상학자들이 한반도 기상과 엘니뇨/라니냐 현상과의 상관관계에 대해서 심도 있게 연구해 왔으나, 동해와 엘니뇨/라니냐 현상과의 상관관계는 연구된 바가 전혀 없다.
1. 대한민국 등록특허 제10-1575847호 (2015.12.08 공고) 2. 대한민국 등록특허 제10-1563244호 (2015.10.26 공고)
본 발명이 해결하고자 하는 기술적 과제는, 대한민국 해군이 사용하는 소나 시스템을 지원하기 위한 일환으로서, 동해의 수온변동을 정확하게 예측할 수 있는 정보를 저장하는 데이터베이스를 생성하는 데에 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시 예에 따른 시스템은, 소나시스템을 지원하기 위한, 동해(east sea)의 수온변동예측 데이터베이스 생성 시스템으로서, 기설정된 위도 및 경도에 대한 해수면온도정보를 분석하여 엘니뇨 또는 라니냐의 발생연도를 특정하는 제1연산부; 상기 특정된 발생연도를 기초로 엘니뇨가 발생된 연도에 대한 합성분석(composite analysis) 및 라니냐가 발생된 연도에 대한 합성분석을 수행하는 제2연산부; 및 상기 합성분석의 결과를 기설정된 신뢰도를 초과하는지 여부로 분류하고, 상기 분류된 결과를 데이터베이스에 저장하는 제3연산부;를 포함한다.
상기 기술적 과제를 해결하기 위한 본 발명의 다른 일 실시 예에 따른 방법은, 소나시스템을 지원하기 위한, 동해(east sea)의 수온변동예측 데이터베이스 생성 방법으로서, 기설정된 위도 및 경도에 대한 해수면온도정보를 분석하여 엘니뇨 또는 라니냐의 발생연도를 특정하는 제1연산단계; 상기 특정된 발생연도를 기초로 엘니뇨가 발생된 연도에 대한 합성분석(composite analysis) 및 라니냐가 발생된 연도에 대한 합성분석을 수행하는 제2연산단계; 및 상기 합성분석의 결과를 기설정된 신뢰도를 초과하는지 여부로 분류하고, 상기 분류된 결과를 데이터베이스에 저장하는 제3연산단계;를 포함한다.
본 발명의 일 실시 예는, 상기 방법을 실행시키기 위한 프로그램을 저장하고 있는 컴퓨터 판독가능한 기록매체를 제공할 수 있다.
본 발명에 따르면, 동해의 수온을 정확하게 예측할 수 있게 된다.
또한, 본 발명에 따르면, 해상 훈련 시에 소나장비의 사전성능을 분석하기 용이해진다.
또한, 본 발명에 따르면, 동해의 수온을 정확하게 예측할 수 있게 되어, 여름부터 초겨울까지 동해에 서식하는 어종의 분포를 정확하게 파악할 수 있다.
도 1은 본 발명에 따른 시스템의 일 예의 블록도이다.
도 2는 본 발명의 제2연산부에서 이용하는 HYCOM 데이터의 일 예를 나타낸다.
도 3은 엘니뇨 또는 라니냐 현상이 있었던 해의 8월 내지 11월에 관측되는 해수면 온도 변화의 일 예를 나타내고 있다.
도 4는 엘니뇨 또는 라니냐 현상이 있었던 해의 8월 내지 11월에 관측되는 해수면 온도 변화를 다른 일 예를 나타내고 있다.
도 5는 엘니뇨 또는 라니냐 현상이 있었던 해의 8월 내지 11월에 관측되는 해수면 온도 변화를 또 다른 일 예를 나타내고 있다.
도 6은 본 발명에 따른 방법의 일 예의 흐름도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시 예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다.
이하의 실시 예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하의 실시 예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징을 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
어떤 실시 예가 달리 구현 가능한 경우에 특정한 공정 순서는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 공정이 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다.
도 1은 본 발명에 따른 시스템의 일 예의 블록도이다.
도 1을 참조하면, 본 발명에 따른 동해의 수온변동예측 데이터베이스 생성 시스템(10)은 제1연산부(110), 제2연산부(130), 제3연산부(150), 예측결과출력부(170) 및 데이터베이스(190)를 포함하는 것을 알 수 있다.
먼저, 제1연산부(110)는 기설정된 위도 및 경도에 대한 해수면온도정보를 분석하여, 엘니뇨 또는 라니냐의 발생연도를 특정한다. 일 예로서, 제1연산부(110)는 NINO지수를 이용하여 엘니뇨 또는 라니냐의 발생연도를 특정할 수 있다. NINO지수는 특정 위도 및 경도에 위치하고 있는 해역의 해수면온도 이상변동값(anomaly)의 평균값으로 정의되는 지수를 의미하고, 특히, NINO 3.4지수는 서경 120도 내지 170도, 남위 5도 내지 북위 5도 해역의 해수면온도정보를 나타낸다. 제1연산부(110)는 NINO지수를 기초로 하여, 적도 동태평양에서 월평균 해수면 온도의 변동값(Sea Surface Temperature anomaly)가 0.5보다 크면, 엘니뇨로 판단하고, -0.5보다 작으면 라니냐가 발생되었던 것으로 판단할 수 있다.
제1연산부(110)는 데이터베이스(190)에 미리 저장되어 있는 NINO지수를 참조할 수도 있고, 도 1에 도시되어 있지는 않은 유무선 통신망을 통해서, NINO지수에 대한 정보를 외부 서버로부터 수신하고, 수신된 정보를 기초로 엘니뇨 또는 라니냐의 발생연도를 특정할 수 있게 된다.
제2연산부(130)는 제1연산부(110)에 의해 특정된 엘니뇨 또는 라니냐의 발생연도를 기초로 하여, 엘니뇨가 발생된 연도에 대한 합성분석(composite analysis) 및 라니냐가 발생된 연도에 대한 합성분석을 수행한다.
일 예로서, 제2연산부(130)는 HYCOM 데이터를 이용하여, 엘니뇨가 발생한 연도 및 라니냐가 발생된 연도에 대한 합성분석을 수행할 수 있다. HYCOM 데이터는 해양순환 재분석 자료의 일종이며, 실시 예에 따라서, 제2연산부(130)는 HYCOM 데이터과 다른 데이터를 기초로 합성분석을 수행할 수도 있다. 이하에서는, HYCOM 데이터가 1993년 1월부터 2015년 12월 기간의 데이터라고 가정한다.
예를 들어, 제1연산부(110)가 엘니뇨가 발생된 연도를 1994, 1997, 2002, 2004, 2006, 2009, 2012, 2014 및 2015년으로 특정하고, 라니냐가 발생된 연도를 1995, 1998, 1999, 2000, 2005, 2007, 2008, 2010 및 2011년으로 특정하였다고 가정하면, 제2연산부(130)는 다음과 같은 과정을 통해 합성분석을 수행하게 된다.
Figure 112020050928662-pat00001
수학식 1은 제2연산부(130)가 합성분석을 할 때에 사용하는 수학식의 일 예이다. 수학식 1에서, Xcom은 합성분석결과, n은 이벤트(엘니뇨 또는 라니냐)가 발생한 연도, N은 이벤트가 발생한 연도의 전체 개수, xn은 이벤트가 발생한 연도의 분석변수를 각각 의미한다. 제2연산부(130)는 엘니뇨에 대한 8월 합성분석을 하기 위해서, 엘니뇨가 발생한 연도(1994, 1997, 2002, 2004, 2006, 2009, 2012, 2014, 2015년)을 n1부터 n9로 설정한다. 이 과정에서 N은 9로 결정되어 있다.
제2연산부(130)는 xn을 엘니뇨가 발생된 해의 8월의 수온(표층부터 400m 수심까지)의 변동값으로 설정한다. 예를 들어, 제2연산부(130)가 2010년 8월의 수온의 변동값을 구하려면, 자료의 전체기간인 1993년 8월부터 2015년 8월까지 총 23개 8월의 해수면온도 값에 대한 평균값을 1차적으로 구하고(8월 해수면온도 기후평균), 이를 2010년 1월의 해수면온도에서 차감하면 된다. 또한, 위와 같은 과정을 모든 연도에 적용하면, 1993년 1월부터 2015년 8월까지, 총 23개의 8월에 대한 해수면온도 변동값을 산출할 수 있다. 또한, 제1연산부(110)가 특정한 발생연도의 수에 따라서, 2015년 이후의 연도에 대해서도 전술한 과정이 적용될 수 있음은, 이 분야의 통상의 지식을 가진 자에게 자명할 것이다.
제2연산부(130)는 엘니뇨가 발생한 연도(1994, 1997, 2002, 2004, 2006, 2009, 2012, 2014, 2015년)에 대해서만, 수학식 1에 따라 xn의 평균을 구하고, 이를 합성분석의 결과로 결정할 수 있다. 따라서, 각 공간격차 위치(위도, 경도, 수심)에 대하여 8월의 합성분석결과가 나오는데, 이를 엘니뇨가 발생할 때의 8월의 수온변동값으로 통칭할 수 있다. 제2연산부(130)는 8월뿐만 아니라, 나머지 1월부터 12월에 대해서도 위와 같은 과정을 반복하며, 엘니뇨가 아니라 라니냐가 발생한 연도에 대해서도 동일한 과정을 반복한다. 본 발명에서는, 전술한 과정을 통해 계산된 합성분석 결과 중 통계적으로 의미가 있는 값만을 선택적으로 사용하기 위한 과정을 제3연산부(150)에서 수행하고, 이를 예측결과출력부(170)에서 시각화하여 출력할 수 있다.
제3연산부(150)는 제2연산부(130)로부터 합성분석결과를 수신하고, 엘니뇨 또는 라니냐가 발생한 연도에 대하여, 유의성시험(significant test)을 수행하여, 95% 이상의 신뢰도를 갖는 위치만, 합성분석결과에 적용하여, 값이 존재할 수 있게 하고, 나머지 지점에서의 합성분석결과는 신뢰도 부족을 이유로 무시함으로써 데이터베이스를 완성하는 기능을 수행한다.
Figure 112020050928662-pat00002
수학식 2는 제3연산부(150)가 유의성시험을 수행하는 과정에서 사용하는 수학식의 일 예이다. 수학식 2에서, S는 특정한 달에 대한 유의성시험결과, X1은 이벤트가 발생한 달 모두에 대한 수온 변동값의 평균, X2는 이벤트가 발생하지 않은달 모두에 대한 수온 변동값의 평균, n1은 이벤트가 발생한 달의 개수, n2sms 이벤트가 발생하지 않은 달의 개수, N는 n1과 n2의 합, Sp는 수동 변동값 전체의 표준편차,
Figure 112020050928662-pat00003
는 실험적, 경험적으로 결정되는 값으로서, 위와 같이 1993년 1월부터 2015년 12월까지 HYCOM 데이터를 이용했을 때에 해당하는 값은 2.0322(신뢰도 95%기준)이다. 데이터베이스(190)에는 모데이터(raw data)가 되는 기간의 길이에 따라서
Figure 112020050928662-pat00004
가 적어도 두 가지 이상의 값으로 구분되어 저장될 수 있으며, 신뢰도의 %값이나 확률분포함수의 종류(gaussian 등)에 따라서 다양한 값이 선택될 수 있다.
제3연산부(150)는 각 공간격차 위치(위도, 경도, 수심)와 월(1월~12월)에 대하여 계산된 유의성시험결과가 2.0322보다 큰 값만 통계적으로 의미가 있다고 판단하여, 데이터베이스의 실제데이터로서 기록하고, 나머지 값은 변동성이 없는 것으로 판단하여, '0'으로 기록하게 된다. 제3연산부(150)는 위와 같은 과정을 반복적으로 수행하여, 동해의 수온변동예측을 위한 데이터베이스를 완성하고, 완성된 데이터베이스를 데이터베이스(190)에 저장되도록 제어한다.
Figure 112020050928662-pat00005
표 1은 데이터베이스(190)에 저장되는 동해의 수온변동예측을 위한 데이터베이스의 메타데이터를 표로 나타낸 것이다. 표 1을 참조하면, 데이터베이스(190)에는 엘니뇨가 발생한 연도의 8월~11월의 수온변동성값 및 라니냐가 발생한 연도의 8월~11월의 수온변동성값이 파일형태로 각각 저장되며, 저장된 정보는 동경 126도 내지 140도, 북위 33도 내지 39도에 대한 정보로서, 동해(East Sea)의 정보라는 것을 알 수 있다.
예측결과출력부(170)는 사용자로부터 특정한 달(month)의 정보가 입력되면, 그 달의 평균 수온과 데이터베이스(190)에 저장된 각 달별 동해의 수온변동성값을 기초로 하여, 특정한 달에서의 동해의 수온값을 시각화하여 출력할 수 있다. 구체적으로, 시각화되어 출력되는 동해의 수온값은, 데이터베이스(190)에 기본값으로 저장되어 있는 평균 수온에 엘니뇨 또는 라니냐가 발생한 연도의 변동성 값을 더함으로써, 결정될 수 있다. 예를 들어, 3~6월의 NINO 지수를 통하여, 엘니뇨 발생이 판단된 경우, 그 해 10월의 동해 예측 수온은, 동해의 10월의 평균 수온에 본 발명에 따른 데이터베이스에 기록된 엘니뇨가 발생된 연도의 10월의 수온변동성값이 더해진 값이 된다.
도 2는 본 발명의 제2연산부에서 이용하는 HYCOM 데이터의 일 예를 나타낸다.
도 2는 대상 해역에 대하여, 1993년 내지 2015년에서의 연평균 해수면의 온도 분포를 나타내고 있으며, 본 발명에 따른 시스템(10)의 데이터베이스(190)에는 도 2와 같은 정보가 미리 저장될 수 있다. 도 2를 참조하면, 동해의 연평균 해수면의 온도는 섭씨 13도 내지 16도 정도이고, 저위도로 갈수록 섭씨 20도에 가까울 정도로 상승하는 것을 알 수 있다.
도 3은 엘니뇨 또는 라니냐 현상이 있었던 해의 8월 내지 11월에 관측되는 해수면 온도 변화의 일 예를 나타내고 있다.
도 3을 참조하면, 엘니뇨나 라니냐가 발생될 경우, 8월 내지 11월에 뚜렷하고 상당한 양의 해수면 온도 변화가 관측되는 것을 알 수 있다. 구체적으로, 도 3은 본 발명에 따라 산출된 동해의 위도 및 경도별 변동성 값을 나타낸다.
예를 들어, 도 3에서 동해의 9월의 해수면 온도의 변동성 값은 그 해의 봄(3~5월)에 라니냐가 발생되었을 때, 0.12도 내지 0.6도인데에 반해, 그 해의 봄(3~5월)에 엘니뇨가 발생되면, -0.6도 내지 -0.12도가 된다. 전술한 것과 같이 수온예측값은 해당 월의 평균 수온에 변동성 값을 더한 값으로 산출되므로, 엘니뇨가 발생된 해의 동해의 수온은 라니냐가 발생된 해의 수온보다 더욱 낮은 경향이 있다. 그 뿐만 아니라, 본 발명은 신뢰도를 기초로 하여, 동해의 위도, 경도의 변동성 값을 격자별로 산출하므로, 단순히 수온변화의 경향성뿐만 아니라, 동해의 특정 위치에서의 변동성 값까지 정확하게 나타낼 수 있게 된다.
도 4는 엘니뇨 또는 라니냐 현상이 있었던 해의 8월 내지 11월에 관측되는 해수면 온도 변화를 다른 일 예를 나타내고 있다.
도 4를 참조하면, 엘니뇨나 라니냐가 발생될 경우, 8월 내지 11월에 뚜렷하고 상당한 양의 해수면 온도 변화가 관측되는데, 본 발명에 따르면, 도 3처럼 위도 및 경도뿐만 아니라, 도 4처럼 수심에 따른 변동성 값도 산출될 수 있다.
예를 들어, 도 4에서 그 해의 봄(3~5월)에 라니냐가 발생되었을 때, 동경 133도에서의 수온변동성 값은 0.2도 내지 1.4도인데 반해, 그 해의 봄(3~5월)에 엘니뇨가 발생되었을 때, 동경 133도에서의 수온변동성 값은 -1.4도 내지 -0.2도가 된다. 본 발명은 수학식 1 및 수학식 2와 같은 과정을 거치면서, 위도, 경도, 수심을 모두 고려하면서, 수온변동성 값을 산출하고, 신뢰도가 낮은 값을 무시하는 방식으로 필터링을 하므로, 엘니뇨 또는 라니냐가 발생되었을 때, 그 해의 8월 내지 11월의 동해의 특정 경도에 대한 수온을 수심별로 정확하게 예측할 수 있다.
도 5는 엘니뇨 또는 라니냐 현상이 있었던 해의 8월 내지 11월에 관측되는 해수면 온도 변화를 또 다른 일 예를 나타내고 있다.
도 5를 참조하면, 엘니뇨나 라니냐가 발생될 경우, 8월 내지 11월에 뚜렷하고 상당한 양의 해수면 온도 변화가 관측되는데, 본 발명에 따르면, 도 4처럼 경도 및 수심에 대한 수온변동성 값뿐만 아니라, 위도 및 수심에 따른 변동성 값도 산출될 수 있다.
예를 들어, 도 5에서 그 해의 봄(3~5월)에 라니냐가 발생되었을 때, 수심 100m에, 북위 38도에서의 수온변동성 값은 약 -1.4도인데 반해, 그 해의 봄(3~5월)에 엘니뇨가 발생되었을 때, 수심 100m에, 북위 38도에서의 수온변동성 값은 약 1.2가 된다. 본 발명은 수학식 1 및 수학식 2와 같은 과정을 거치면서, 위도, 경도, 수심을 모두 고려하면서, 수온변동성 값을 산출하고, 신뢰도가 낮은 값을 무시하는 방식으로 필터링을 하므로, 엘니뇨 또는 라니냐가 발생되었을 때, 그 해의 8월 내지 11월의 동해의 특정 위도에 대한 수온을 수심별로 정확하게 예측할 수 있다.
도 6은 본 발명에 따른 방법의 일 예의 흐름도이다.
도 6은 도 1에 따른 시스템에 의해 구현될 수 있으므로, 이하에서는 도 1을 참조하여 설명하기로 하고, 도 1에서 이미 설명한 내용과 중복되는 설명은 생략하기로 한다.
제1연산부(110)는 NINO지수를 이용하여 엘니뇨 또는 라니냐 발생연도를 검색하여 특정한다(S610).
제2연산부(130)는 검색된 연도를 기초로 엘니뇨 및 라니냐가 발생된 연도에 대해서 합성분석을 수행한다(S630).
제3연산부(150)는 합성분석의 결과를 기초로 기설정된 신뢰도(95%) 이상의 위치에 대해서 유의성 시험을 수행하고, 그 수행결과에 따른 합성분석을 재차 진행하여 동해의 위도, 경도, 수심에 대한 수온변동예측 데이터베이스를 완성하고, 완성된 데이터베이스를 데이터베이스(190)에 저장한다(S650).
예측결과출력부(170)는 데이터베이스(190)에 저장된 정보를 시각화하여 출력할 수 있다(S670).
본 발명은 군수 분야는 물론이고, 민간 분야에 대해서 적용되어 큰 효과를 거둘 수 있다. 먼저, 군수 분야에 대해서는, 소나 시스템은 음파를 베이스로 하는 시스템이므로, 수온에 영향을 많이 받는데, 본 발명에 따라서, 동해의 위도, 경도, 수심별 수온을 정확하게 예측할 수 있다면, 소나의 운용교범이나 훈련시 정확도를 극대화할 수 있다. 이어서, 동해는 대한민국은 물론 일본의 어업에 대단히 중요한 해역이며, 도 4 및 5에서 보이는 엘니뇨와 라니냐 간 최대 3도의 수온 차이는 이 해역의 어종 분포에 상당한 영향을 주는데, 이러한 온도 분포를 기초로 하여 동해에서의 어종의 분포 변화를 예측하는 데에도 본 발명이 이용될 수 있다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

Claims (11)

  1. 소나시스템을 지원하기 위한, 동해(east sea)의 수온변동예측 데이터베이스 생성 시스템으로서,
    기설정된 위도 및 경도에 대한 해수면온도정보를 분석하여 엘니뇨 또는 라니냐의 발생연도를 특정하는 제1연산부;
    상기 특정된 발생연도를 기초로 엘니뇨가 발생된 연도에 대한 합성분석(composite analysis) 및 라니냐가 발생된 연도에 대한 합성분석을 수행하는 제2연산부; 및
    상기 합성분석의 결과에 유의성시험(significant test)를 수행하여, 기설정된 신뢰도를 초과하는 정보만 데이터베이스에 저장하고, 나머지 정보는 무시하는 제3연산부;를 포함하는, 동해의 수온변동예측 데이터베이스 생성 시스템.
  2. 제1항에 있어서,
    상기 기설정된 위도 및 경도에 대한 해수면온도정보는
    서경 120도 내지 170도, 남위 5도 내지 북위 5도 해역의 해수면온도정보인 것을 특징으로 하는, 동해의 수온변동예측 데이터베이스 생성 시스템.
  3. 제1항에 있어서,
    상기 기설정된 신뢰도는, 95%인 것을 특징으로 하는, 동해의 수온변동예측 데이터베이스 생성 시스템.
  4. 삭제
  5. 제1항에 있어서,
    상기 시스템은,
    특정한 달(month)의 정보가 입력되면, 상기 달의 평균 수온과 상기 데이터베이스에 저장된 정보를 기초로 하여, 상기 특정한 달에서의 동해의 수온값을 시각화하여 출력하는 예측결과출력부를 더 포함하는 것을 특징으로 하는, 동해의 수온변동예측 데이터베이스 생성 시스템.
  6. 소나시스템을 지원하기 위한, 동해(east sea)의 수온변동예측 데이터베이스 생성 방법으로서,
    기설정된 위도 및 경도에 대한 해수면온도정보를 분석하여 엘니뇨 또는 라니냐의 발생연도를 특정하는 제1연산단계;
    상기 특정된 발생연도를 기초로 엘니뇨가 발생된 연도에 대한 합성분석(composite analysis) 및 라니냐가 발생된 연도에 대한 합성분석을 수행하는 제2연산단계; 및
    상기 합성분석의 결과에 유의성시험(significant test)를 수행하여, 기설정된 신뢰도를 초과하는 정보만 데이터베이스에 저장하고, 나머지 정보는 무시하는 제3연산단계;를 포함하는, 동해의 수온변동예측 데이터베이스 생성 방법.
  7. 제6항에 있어서,
    상기 기설정된 위도 및 경도에 대한 해수면온도정보는
    서경 120도 내지 170도, 남위 5도 내지 북위 5도 해역의 해수면온도정보인 것을 특징으로 하는, 동해의 수온변동예측 데이터베이스 생성 방법.
  8. 제6항에 있어서,
    상기 기설정된 신뢰도는, 95%인 것을 특징으로 하는, 동해의 수온변동예측 데이터베이스 생성 방법.
  9. 삭제
  10. 제6항에 있어서,
    상기 방법은,
    특정한 달(month)의 정보가 입력되면, 상기 달의 평균 수온과 상기 데이터베이스에 저장된 정보를 기초로 하여, 상기 특정한 달에서의 동해의 수온값을 시각화하여 출력하는 예측결과출력단계를 더 포함하는 것을 특징으로 하는, 동해의 수온변동예측 데이터베이스 생성 방법.
  11. 제6항 내지 제8항, 제10항 중 어느 한 항에 따른 방법을 실행시키기 위한 프로그램을 저장하고 있는 컴퓨터 판독가능한 기록매체.
KR1020200060447A 2020-05-20 2020-05-20 소나시스템을 지원하기 위한, 동해의 수온변동예측 데이터베이스 생성 시스템 및 그 방법 KR102200534B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200060447A KR102200534B1 (ko) 2020-05-20 2020-05-20 소나시스템을 지원하기 위한, 동해의 수온변동예측 데이터베이스 생성 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200060447A KR102200534B1 (ko) 2020-05-20 2020-05-20 소나시스템을 지원하기 위한, 동해의 수온변동예측 데이터베이스 생성 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR102200534B1 true KR102200534B1 (ko) 2021-01-08

Family

ID=74127821

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200060447A KR102200534B1 (ko) 2020-05-20 2020-05-20 소나시스템을 지원하기 위한, 동해의 수온변동예측 데이터베이스 생성 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102200534B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102420981B1 (ko) * 2021-12-23 2022-07-14 한화시스템 주식회사 수심에 따른 해양환경 시뮬레이터 및 시뮬레이팅 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101563244B1 (ko) 2014-02-06 2015-10-26 부산대학교 산학협력단 장마 강수의 물리 통계 예측 시스템 및 방법
KR101575847B1 (ko) 2014-12-19 2015-12-08 한국해양과학기술원 북반구 기후 지수를 이용한 북서태평양 해수면 온도 변동성 진단 모델링 시스템 및 방법
KR20180137963A (ko) * 2017-06-20 2018-12-28 최준서 잠수함 탐지용 소나
KR102111636B1 (ko) * 2019-10-18 2020-05-15 (주)지오시스템리서치 해황정보 제공시스템 및 이를 이용한 해황정보 제공방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101563244B1 (ko) 2014-02-06 2015-10-26 부산대학교 산학협력단 장마 강수의 물리 통계 예측 시스템 및 방법
KR101575847B1 (ko) 2014-12-19 2015-12-08 한국해양과학기술원 북반구 기후 지수를 이용한 북서태평양 해수면 온도 변동성 진단 모델링 시스템 및 방법
KR20180137963A (ko) * 2017-06-20 2018-12-28 최준서 잠수함 탐지용 소나
KR102111636B1 (ko) * 2019-10-18 2020-05-15 (주)지오시스템리서치 해황정보 제공시스템 및 이를 이용한 해황정보 제공방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102420981B1 (ko) * 2021-12-23 2022-07-14 한화시스템 주식회사 수심에 따른 해양환경 시뮬레이터 및 시뮬레이팅 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램

Similar Documents

Publication Publication Date Title
Liu et al. The effect of sample size on the accuracy of species distribution models: considering both presences and pseudo‐absences or background sites
Lee et al. An environmentally forced tropical cyclone hazard model
Tugores et al. Habitat suitability modelling for sardine Sardina pilchardus in a highly diverse ecosystem: the Mediterranean Sea
Handegard et al. Avoidance behaviour in cod (Gadus morhua) to a bottom-trawling vessel
US10545260B2 (en) Updating geological facies models using the Ensemble Kalman filter
CN109416408B (zh) 震中距估计装置、震中距估计方法以及计算机可读记录介质
KR20180091842A (ko) 우선순위화된 경험 메모리를 사용한 신경 네트워크의 트레이닝
Kavanagh et al. Seismic surveys reduce cetacean sightings across a large marine ecosystem
SP Ojha et al. Downscaling of precipitation for lake catchment in arid region in India using linear multiple regression and neural networks
Pierson et al. The impact of increasing temperatures on dormancy duration in Calanus finmarchicus
KR102319145B1 (ko) 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치
KR102200534B1 (ko) 소나시스템을 지원하기 위한, 동해의 수온변동예측 데이터베이스 생성 시스템 및 그 방법
WO2020071327A1 (ja) 津波予測装置、方法、及びプログラム
Chiffard et al. Adaptive niche-based sampling to improve ability to find rare and elusive species: Simulations and field tests
Sulekan et al. Review on Geographically Weighted Regression (GWR) approach in spatial analysis
Tsai et al. Seven-day intensity and intensity spread predictions for western North Pacific tropical cyclones
Cooper et al. Robust identification and characterization of thin soil layers in cone penetration data by piecewise layer optimization
Haver et al. Environmental contour method: An approximate method for obtaining characteristic response extremes for design purposes
WO2020218246A1 (ja) 最適化装置、最適化方法、及びプログラム
CN115062859B (zh) 一种对长爪沙鼠的密度进行预测的方法和装置
CN114185108B (zh) 裂缝孔隙度确定方法、存储介质和计算机设备
Mrkvička Distinguishing different types of inhomogeneity in Neyman–Scott point processes
CN114021700A (zh) 基于岩石物理约束神经网络的渗透率计算方法及装置
Guan et al. A fast satellite selection algorithm for multi-GNSS marine positioning based on improved particle swarm optimisation
KR102420981B1 (ko) 수심에 따른 해양환경 시뮬레이터 및 시뮬레이팅 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램

Legal Events

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