KR102492075B1 - 실시간 해양 예측 시스템 (koos-opem) 및 이를 이용한 해양 예측 방법 - Google Patents

실시간 해양 예측 시스템 (koos-opem) 및 이를 이용한 해양 예측 방법 Download PDF

Info

Publication number
KR102492075B1
KR102492075B1 KR1020200168192A KR20200168192A KR102492075B1 KR 102492075 B1 KR102492075 B1 KR 102492075B1 KR 1020200168192 A KR1020200168192 A KR 1020200168192A KR 20200168192 A KR20200168192 A KR 20200168192A KR 102492075 B1 KR102492075 B1 KR 102492075B1
Authority
KR
South Korea
Prior art keywords
ocean
data
model
prediction
conditions
Prior art date
Application number
KR1020200168192A
Other languages
English (en)
Other versions
KR20220071838A (ko
Inventor
김영호
박균도
진현근
Original Assignee
한국해양과학기술원
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 한국해양과학기술원, 부경대학교 산학협력단 filed Critical 한국해양과학기술원
Publication of KR20220071838A publication Critical patent/KR20220071838A/ko
Application granted granted Critical
Publication of KR102492075B1 publication Critical patent/KR102492075B1/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시 예에 따른 실시간으로 해양 예측 시스템(KOOS-OPEM) 및 이를 이용한 해양 예측 방법에 따르면 자료동화기법을 이용해 실제 해양의 상태에 근접한 3차원 해양의 초기조건을 수치적으로 산출하고, 초기조건의 불확실성을 최소화를 통해서 정확도가 높은 해양의 예측 상태를 확인할 수 있게 된다.

Description

실시간 해양 예측 시스템 (KOOS-OPEM) 및 이를 이용한 해양 예측 방법{APPARATUS FOR PREDICTING OF OCEAN AND METHOD THEREOF}
본 발명은 실시간 해양 예측 시스템 (KOOS-OPEM) 및 이를 이용한 해양 예측 방법에 관한 것으로, 보다 상세하게는 해양 상태를 실시간으로 예측하여 3차원의 해양 상태를 확인할 수 있도록 하는 기술에 관한 것이다.
이하에서 기술되는 내용은 본 발명의 실시 예와 관련되는 배경 정보를 제공할 목적으로 기재된 것일 뿐이고, 기술되는 내용들이 당연하게 종래기술을 구성하는 것은 아니다.
한반도는 매년 태풍, 저염수 현상, 고수온 현상, 냉수대 현상 등의 각종 해양 재해에 의해 경제적, 물적 피해가 발생한다. 이처럼 한반도에 영향을 미치는 해양 현상들의 발달과 소멸, 이동 등에 관한 모의 자료를 생성하기 위해서는 해양 순환 모델(Ocean Circulation Model)을 구성해야 한다.
해양 순환 예측 모델은 해양 상태를 실시간으로 확인하여 해양 기상 상황, 해양의 상태 변화 등을 확인하여 그에 따른 적절한 대처가 이루어질 수 있도록 하는 시스템이다.
이러한 해양 순환 예측 모델을 적용하기 위해서는 예측 시점을 기준으로 실제 해양의 상태를 수치적으로 계산한 초기조건(Initial Condition)이 필요하고, 이러한 초기조건은 자료동화기법(Data Assimilation Method)을 활용하여 생성할 수 있다. 그러나 종래의 해양 순환 예측 모델에 자료동화기법을 활용하여 초기 조건을 생성하는 기술의 사례는 많지 않았다.
한편, 북서태평양 해역은 세계적으로 아중규모 소용돌이(sub-mesoscale eddy)의 활동이 가장 왕성한 곳으로 알려져 있다. 아중규모 소용돌이는 해양에서의 열수송 및 물질 수송을 담당하기 때문에 수치모델 상에서 정확한 모의를 하려면 이에 대한 모의가 수반되어야 한다.
예컨대, 수치모델에서 해양의 아중규모 소용돌이를 모의하려면 수평해상도는 1/10°이하로 제안된다. 하지만, 고해상도 수치모델을 운용하려면 막대한 전산자원과 대용량의 저장공간이 필요하다는 한계가 있다. 또한, 지금까지 실제 해양순환모델에 자료동화모듈을 적용한 사례가 많지 않기 때문에, 양질의 초기 조건 (Initial Condition)을 생성하는데 한계가 있었다.
이처럼, 북서태평양 전체 영역을 아우르며, 이를 통해 한반도에 영향을 미치는 해양 재난을 미리 예측할 수 있는 해양 예측 시스템 개발이 요구되고 있다.
한편, 전술한 선행기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 발명의 일 과제는, 북서태평양 해역의 3차원 해양 상태를 실시간으로 예측할 수 있도록 하는 것이다.
본 발명의 다른 과제는, 해양 관측 자료 이외에 기상 자료를 통합하여 해양 상태를 예측하고 예측된 해양 상태에 대응하는 해양 재난을 방어할 수 있도록 하는 것이다.
본 발명의 다른 과제는 3차원 해양 예측자료의 정확도를 향상하기 위해서, 2차원 방사조건 도입을 통해서 해양모델의 개방경계조건의 처리방법을 개선하고, 자료동화기법 적용을 통해서 초기조건에 내재된 불확실성을 최소화하는 것이다.
본 발명의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 청구범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 따른 해양 예측 방법은, 3차원 해양 상태를 실시간으로 예측하기 위한 방법이다. 구체적으로, 예측 시점의 해양 상태를 수치적인 방법으로 계산하기 위해서 자료동화기법에 적용에 필요한 해양 관측자료를 수집하고, 수집한 관측자료를 자료동화기법(Data Assimilation Method)의 관측자료(
Figure 112020131415113-pat00001
)와 수치모형 예측값(
Figure 112020131415113-pat00002
)의 차이에 대해 가중치(
Figure 112020131415113-pat00003
)를 적용하여 결정된 해양 상태의 최적추정치(
Figure 112020131415113-pat00004
_best estimate)를 실제 해양 상태에 대응하는 초기 조건으로 정의하고, 생성된 상기 초기 조건에 기초하여 1/24° 수평 해상도의 3차원 해양 분석 자료 및 예측 자료를 실시간으로 생성하는 과정을 통해 이루어질 수 있다.
구체적으로, 초기 조건을 생성할 때, 선형보간자(
Figure 112020131415113-pat00005
)를 기초로 격자화된 수치모형 예측값
Figure 112020131415113-pat00006
을 관측자료(
Figure 112020131415113-pat00007
)에 기초한 위경도로 변환할 수 있다.
또한, 초기 조건을 생성 시, 기 설정된 해양 모델과 생성된 관측자료의 차이를 얼마나 반영할지 여부는 가중치(
Figure 112020131415113-pat00008
)에 의해 결정하게 된다.
여기서, 가중치(
Figure 112020131415113-pat00009
)는,
Figure 112020131415113-pat00010
에 의해 결정될 수 있다. 이때,
Figure 112020131415113-pat00011
는 배경오차 공분산 매트릭스(background error covariance matrix)이며, 기 설정된 해양 모델의 오차이고,
Figure 112020131415113-pat00012
은 관측오차 공분산 매트릭스(observation error covariance matrix)이며, 관측자료의 오차이며,
Figure 112020131415113-pat00013
및
Figure 112020131415113-pat00014
는 평균이 0이고, 정규분포를 따른다고 가정한다.
가중치(
Figure 112020131415113-pat00015
)를 산출하는 과정에서 앙상블 최적 내삽법(Ensemble Optimal Interpolation)이 적용될 수 있다. 이러한 앙상블 최적 내삽법은
Figure 112020131415113-pat00016
를 계산할 때, 미리 생성해 놓은 고정된 매트릭스(stationary matrix)를 사용하기 때문에 앙상블 최적 내삽법의 계산속도가 다른 자료동화 기법에 비해서 빠르다는 특징이 있다.
또한, 관측자료를 수집할 때, 관측하는 기상 자료를 수집하여 해면경계조건을 생성하고, 해양모델 사면(四面)의 경계면에서 해양 상태 자료를 수집하여 개방경계조건을 생성하는 과정을 통해 이루어질 수 있다.
구체적으로, 개방경계조건 생성 시, 경계면에서 해양의 파동이 내부로 반사되는 것을 방지하기 위해 2차원 방사조건 (2 Dimensional Radiation Boundary Condition)을 반영할 수 있다.
여기서 2차원 방사조건은,
Figure 112020131415113-pat00017
(여기서 우변은 기 설정된 외부자료 도입을 통해서 해양 모델 내부 변화를 의미하는 변수이고, 좌변은 기 설정된 해양 모델 내부에서 계산된 변수가 외부로 유출되는 변수,
Figure 112020131415113-pat00018
및
Figure 112020131415113-pat00019
는수평방향 및 수직방향의 위상 속도임)에 의해 결정될 수 있다.
더욱이, 해양 모델의 내부의 전체 질량 보존을 위해서, 해양모델의 측면 경계부에서 유입 또는 유출되는 순압속도(barotropic velocity)인
Figure 112020131415113-pat00020
를 산출할 수 있다.
한편, 본 발명의 실시 예에 따른 해양 상태를 실시간으로 예측하는 예측 시스템은, 적어도 하나의 프로세서 및 프로세서와 동작 가능하게 연결되고, 프로세서에서 수행되는 적어도 하나의 코드를 저장하는 메모리를 포함한다.
이때, 메모리는 프로세서를 통해 실행될 때, 프로세서로 하여금, 해양 상태를 예측하도록 자료동화기법에 적용하는 해양 관측자료를 수집하고, 수집한 관측자료를 자료동화기법(Data Assimilation Method)의 관측자료(
Figure 112020131415113-pat00021
)와 수치모형 예측값(
Figure 112020131415113-pat00022
)의 차이에 대해 가중치(
Figure 112020131415113-pat00023
)를 적용하여 결정된 해양 상태의 최적추정치(
Figure 112020131415113-pat00024
_best estimate)를 통해 자료동화를 위한 해양 상태에 대응하는 초기 조건을 생성한 후, 생성된 초기 조건에 기초하여 1/24° 수평 해상도의 3차원 해양 분석 자료 및 예측 자료를 생성하도록 하는 코드를 저장할 수 있다.
구체적으로, 메모리는 프로세서를 통해 실행될 때, 프로세서로 하여금, 선형보간자(
Figure 112020131415113-pat00025
)를 기초로 격자화된 수치모형 예측값
Figure 112020131415113-pat00026
을 관측자료(
Figure 112020131415113-pat00027
)에 기초한 위경도로 변환하여 초기 조건을 생성하도록 하는 코드를 저장할 수 있다.
또한, 메모리는 프로세서를 통해 실행될 때, 프로세서로 하여금, 기 설정된 해양 모델과 생성된 관측자료의 차이를 가중치(
Figure 112020131415113-pat00028
)에 의해 결정하여 초기 조건을 생성하도록 하는 코드를 저장할 수 있다.
더욱이, 메모리는 프로세서를 통해 실행될 때, 프로세서로 하여금, 해양 상태에 관한 분석 자료 및 예측 자료를 1일 내지 3시간 간격으로 정기적으로 생성하도록 하는 코드를 저장할 수 있다.
전술한 것 외의 다른 측면, 특징, 및 이점이 이하의 도면, 청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시 예는 한반도 주변 해역 및 북서태평양 해역의 수온, 염분, 해류, 해면 고도 등의 해양 상태에 대한 분석 자료(analysis data)와 수 일(10일 이내)의 예측 자료(prediction data)를 실시간으로 생성할 수 있다.
이때, 자료동화기법을 이용하여 분석자료 및 예측자료를 생성함에 따라 특정 시점에서의 해양 상태와 유사한 해양 초기조건이 생성될 수 있으며, 이를 통해 해양 상태를 예측하는 예측 정확도가 향상될 수 있다.
또한, 해양 상태를 예측함에 따라 태풍, 냉수해, 고수온, 저염수 확산 등의 해양 재난을 예측할 수 있으며, 해양 재난을 예측함에 따라 특히 한반도 주변의 해양 재난을 예측하고 이에 대응하는 대응 계획을 수립 및 실행할 수 있게 된다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시 예에 따른 해양 예측 시스템을 도시한 도면이다.
도 2는 본 발명의 실시 예에 따른 해양 예측 시스템의 구성을 개략적으로 도시한 도면이다.
도 3은 본 발명의 실시 예에 따른 해양 예측 시스템의 격자구성모듈에 의해 설정된 수평 및 수직 격자 정보를 설명하기 위한 도면이다.
도 4는 본 발명의 실시 예에 따른 해양 예측 시스템의 모의 영역 공간 범위 및 해저 지형을 도시한 도면이다.
도 5는 본 발명의 실시 예에 따른 해양 예측 시스템의 해저 지형 자료를 보정하는 경우 수직 격자와 수평 격자의 보정 예를 도시한 도면이다.
도 6은 본 발명의 실시 예에 따른 해양 예측 시스템을 통해 생성된 관측자료 및 초기 조건을 도시한 도면이다.
도 7은 본 발명의 실시 예에 따른 해양 예측 시스템의 자료동화기법을 통해 해양 모델 추정치를 실제 해양 상태로 수정하여 측정한 500m 수심에서의 수온 및 염분의 예시를 도시한 도면이다.
도 8은 본 발명의 실시 예에 따른 해양 예측 시스템을 통해 측정한 한반도 동해 해상의 냉수대 예측 예시이다
도 9는 본 발명의 실시 예에 따른 해양 예측 시스템을 이용하여 해양 예측 방법을 도시한 흐름도이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시 예들에 한정되지 않는다. 이하 실시 예에서는 본 발명을 명확하게 설명하기 위해서 설명과 직접적인 관계가 없는 부분을 생략하지만, 본 발명의 사상이 적용된 장치 또는 시스템을 구현함에 있어서, 이와 같이 생략된 구성이 불필요함을 의미하는 것은 아니다. 아울러, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조번호를 사용한다.
이하의 설명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 되며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 또한, 이하의 설명에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하의 설명에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
한편, 이하의 설명 및 도면에서는 본 개시의 실시 예가 차량에서 구현되는 것으로 설명하였으나, 본 개시의 기술들이 차량 이외에도 광신호 통신을 수행하는 장치들에 널리 이용될 수 있음은 당연하다.
도 1은 본 발명의 실시 예에 따른 실시간 해양 예측 시스템(KOOS-OPEM)을 도시한 도면이고, 도 2는 본 발명의 실시 예에 따른 해양 예측 시스템의 구성을 개략적으로 도시한 도면이다.
도면 설명에 앞서, 본 발명의 실시 예에 따른 해양 예측 시스템(100)의 해양예측모델(140)은 미국 지구물리 유체역학 연구소 (Geophysical Fluid Dynamics Laboratory)에서 공개한 커뮤니티 수치모델인 Modular Ocean Model Version 5 (MOM5)를 기반으로 한다. 상기 해양 수치 모델을 구성하는 원시 방정식 (Primitive equations)은 나비에-스토크스 방정식(Navier-Stokes equations)에 대한 근사치를 취하는 것을 기본으로 한다.
구체적으로, 해양예측모델(140)은 해양의 수평 혼합 현상을 모의하기 위해 Smagorinsky scheme을 적용하였고, 해양의 수직 혼합 현상을 모의하기 위해서 K 프로파일 매개변수화(K Profile Parameterization scheme)을 적용하였다.
K 프로파일 매개변수화란, Large, McWilliams, Doney(1994)가 도입한 해양의 수직 혼합 현상을 모의하기 위한 방법론이다.
도면을 참고하면, 본 발명의 실시 예에 따른 해양 예측 시스템(100)은, 격자생성 모듈(110), 전처리 모델(120), 자료동화모델(130), 해양예측모델(140), 메모리(150) 및 프로세서(170)를 포함한다.
격자생성 모듈(110)은 상태를 예측하고자 하는 해양(이하 기 설정된 해양 모델이라 함), 연안을 수직, 수평으로 구획하는 구성이다. 구체적으로, 도 3에 도시된 바와 같이 수평 격자는 Arakawa B-grid 격자 시스템을 기초로 경도 99.0°와 170.0° 및 위도 5.0°와 63.0° 사이에 1/24° 간격으로 구성될 수 있다. 또한, 수직 격자는 Z-star 연직 격자 시스템을 바탕으로 0m 내지 5,500m 사이에 51개 층으로 구성될 수 있다. 이때, 수평 해상도는 아중규모 소용돌이(sub-mesoscale eddy _ 해상에서 열수송 및 물질 수송 담당) 등의 세부구조를 예측할 수 있도록 위도 및 경도 간격을 1/24°로 구성할 수 있다.
격자를 생성하면, 해저 지형 자료를 생성할 수 있다. 일반적으로 해저 지형 자료는 격자를 생성하는 과정에서 함께 생성되지만, 이렇게 생성되는 해저 지형 자료는 실제 해저 지형과 일부 차이가 발생할 수 있다. 이를 보완하기 위해 해양 모델 해양 지형 자료는 위도 및 경도 간격이 1/120°인 수평 해상도의 원시지형자료(GEBCO_08Grid+KORDI30c merged Bathymetry)를 이용하여 생성할 수 있다.
구체적으로, 원시지형자료에서 기 설정된 해양 모델의 수평 영역에 해당하는 영역을 추출하고, 추출한 영역에 앞서 생성한 수평 격자에 따라 1/24°에 해당하는 수평 해상도로 변환한 뒤, 육지에 해당하는 격자점은 제거한다. 이후, 해저지형자료의 최저 값을 30m, 최고 값을 5000m 가정한 뒤, 앞서 생성한 수평 및 수직 격자 간격을 기초하여 해저 지형 수심을 보정하는 과정으로 해저 지형 자료를 추출할 수 있다.
이는 실제 해저 지형 자료를 곧바로 해양 모델에 적용하는 경우에는 해저 바닥면의 격자점에서 유속이 급격히 증가하는 문제가 발생할 수 있기 때문이다. 이러한 문제는 해저에 접하는 바닥 격자와 실제 해저 지형의 차이가 충분하지 않을 때 발생하게 된다. 이를 해결하기 위해서, 도 5와 같이 해저 지형 자료에 대하여 부분적 깊이(partial depth_E)를 적용하여 충분한 수심을 확보하였다. 부분적 깊이(E)는 해양모델의 수직 좌표계을 이용해서 산출이 가능하다.
즉, 부분적 깊이(E)에 의해 생성된 바닥 격자와 해저 지형 수심을 보정하기 전의 바닥 격차 차이(D)가 10%를 넘도록 하여 영역 A의 물질이 영역 B로 전달될 때, 영역 B에서 충분한 수심을 확보하지 못하는 경우 유속(C)이 급격하게 증가하여 해양모델이 불안정해지는 것을 방지하기 위함이다.
전처리 모델(120)은 해양 상태를 예측하도록 자료동화기법에 적용하는 해양 관측자료를 수집하는 구성이다. 구체적으로, 전처리 모델(120)은 해양 자료동화기법 적용에 필요한 위성 관측 자료 및 해양 프로파일 관측 자료를 수집 및 재가공하는 자료 처리부(122), 해양 모델 해역의 기상 변수가 포함된 자료를 수집 및 변환하는 해면경계조건 생성부(124) 및 타 해양 수치 모형에서 생성한 수온, 염분, 유속 및 해수면 높이 등 해양 정보를 수집 및 변환하는 개방경계조건 생성부(126)를 포함하여 구성될 수 있다.
여기서 해면경계조건 생성부(124)는, 해양 모델 해양의 대기 상태 정보를 생성하는 구성이다. 이러한 해면경계조건은 대기 순환 모델에서 생성한 자료를 주로 활용할 수 있다. 본 발명의 실시 예에서는 해양 예측을 실시한 예측 시점을 기준으로 기상청 통합 모델에서 생성한 전 지구 예측자료의 2m 기온, 상대습도, 10m V(남북 방향 풍속), 10m U(동서 방향 풍속), 해면기압, 지표면 단파복사, 지표면 장파복사, 강우, 강설, 담수 유출량 등 변수를 실시간으로 수집하게 된다.
여기서, 담수 유출 자료는 30개 주요 하천의 담수 유출량(runoff) 관측 자료를 적용할 수 있다. 구체적으로 본 발명의 실시 예에 따른 해양 예측 시스템(100)에서는 RiVDIS v1.1 자료를 사용하였고, 양쯔강, 메콩강, 황하 등 30개 주요 하천에서의 12개월 평균 담수 유출자료를 사용하는 예를 들어 설명하기로 한다.
또한, 개방경계조건 생성부(126)는 해양 모델 해역의 연안 경계부의 해안 상태 정보를 생성하는 구성이다. 예를 들어 개방경계조건은 해안 사면(四面) 중 적어도 2 이상의 경계면에서 해양 상태 자료를 수집하는 것을 의미한다. 예를 들어 한반도 해역 연안 중 동쪽 및 남쪽의 경계부를 기준으로 일정 간격으로 해수면의 온도, 관측점에서부터 수직 방향을 따라 관측한 수온 및 염분 중 어느 하나에 해당하는 관측자료를 수집하는 것이다.
또한, 개방경계조건은 상태를 측정하고자 하는 해양 연안 내부에서 외부로 향하는 파동이 외부로 유출되지 못하고 내부로 반사되는 문제점을 보완하는 조건이라고 할 수 있다.
구체적으로, 개방경계조건은 유체의 정역학적 원시방정식(hydrostatic primitive equations)의 해를 구하기 위한 수치모델(GFDL-MOM5) 소스코드에 2차원 방사조건 (2 Dimensional Radiation Boundary Condition)을 반영한다. 상세하게, 2차원 방사조건은 다음과 같이 해석될 수 있다.
(수학식 1)
Figure 112020131415113-pat00029
여기서, 우변은 기 설정된 외부자료 도입을 통해서 해양 모델 내부 변화를 의미하는 변수이고, 좌변은 기 설정된 해양 모델 내부에서 계산된 변수가 외부로 유출되는 변수이다.
또한,
Figure 112020131415113-pat00030
및
Figure 112020131415113-pat00031
는 각각
Figure 112020131415113-pat00032
와 인접한 위치에서 산출된 수평방향 및 수직방향의 위상 속도를 의미하고,
Figure 112020131415113-pat00033
는 시간,
Figure 112020131415113-pat00034
및
Figure 112020131415113-pat00035
는 수평방향 및 수직방향 격자를 의미한다. 즉, 예단 변수는 시간, 수평방향, 수직방향의 변화를 고려하는 것이다.
구체적으로,
Figure 112020131415113-pat00036
및
Figure 112020131415113-pat00037
는 다음과 같이 표현될 수 있다.
(수학식 2)
Figure 112020131415113-pat00038
(수학식 3)
Figure 112020131415113-pat00039
본 발명의 실시 예에 따른 개방경계조건에 대한 남쪽 및 동쪽 경계면의 수평방향과 수직 방향의 위상속도 입력자료는 해양 표면층에서부터 해저 바닥까지 전체층을 적분한 유속 변수인 U(동서방향 유속) 및 V(남북방향 유속)를 사용할 수 있다.
한편 개방경계조건 생성부(126)는 상태 측정을 위한 해양 영역 내부의 전체 질량을 보존해야 한다. 이를 위해 개방경계조건을 통해 해양모델의 측면 경계면에서 발생하는 유입 또는 유출되는 순압 속도(barotropic velocity, 해양의 등압면과 등밀도면이 평행한 상태에서의 흐름)를 보정하게 된다. 구체적으로 앞서 제시된 2차원 방사조건에 의해 산출된 순압속도를 기초로 보정속도를 산출할 수 있다. 구체적으로 보정된 순압 속도는 다음과 같다,
(수학식 4)
Figure 112020131415113-pat00040
Figure 112020131415113-pat00041
는 보정된 순압 속도(barotropic velocity),
Figure 112020131415113-pat00042
는 순압 속도(barotropic velocity),
Figure 112020131415113-pat00043
는 수평방향 속도 보정값,
Figure 112020131415113-pat00044
는 개방경계조건의 단위 유입 벡터(unit inward vector)이다.
이때,
Figure 112020131415113-pat00045
는 다음과 같이 해석될 수 있다.
(수학식 5)
Figure 112020131415113-pat00046
Figure 112020131415113-pat00047
는 개방경계조건의 총 면적,
Figure 112020131415113-pat00048
는 개방경계조건의 총 둘레,
Figure 112020131415113-pat00049
는 깊이,
Figure 112020131415113-pat00050
는 모델 내부에서의 해양 전체 부피의 변화를 의미한다. 그러나, 본 발명의 해양예측모델(140)에서 해양의 부피변화인
Figure 112020131415113-pat00051
이다.
이러한 전처리 모델(120)을 이용하여 해양 모델 해양의 관측 자료를 수집하면, 자료동화모델(130)을 통해 예측하고자 하는 해양의 상태의 초기조건을 생성할 수 있다.
구체적으로 수집한 관측자료를 자료동화기법(Data Assimilation Method)의 관측자료(
Figure 112020131415113-pat00052
)와 수치모형 예측값(
Figure 112020131415113-pat00053
)의 차이에 대해 가중치(
Figure 112020131415113-pat00054
)를 적용하여 결정된 해양 상태의 최적추정치(
Figure 112020131415113-pat00055
_best estimate)를 통해 초기 조건을 생성한다. 이는 식(6)과 같이 표현될 수 있다.
(수학식 6)
Figure 112020131415113-pat00056
여기서,
Figure 112020131415113-pat00057
는 자료동화기법을 바탕으로 실제의 해양 상태를 근사한 최적추정치(best estimate)를 의미하며, 이를 분석장(analysis field)라고 할 수 있다. 식에 따르면, 최적추정치(best estimate)인
Figure 112020131415113-pat00058
를 산출하기 위해, 관측자료(
Figure 112020131415113-pat00059
)와 수치모형 예측값(
Figure 112020131415113-pat00060
)의 차이에 대하여 가중치
Figure 112020131415113-pat00061
를 적용하는 것이다. 이때,
Figure 112020131415113-pat00062
와
Figure 112020131415113-pat00063
의 상태벡터(state vector) 크기는
Figure 112020131415113-pat00064
개로 정의할 수 있다.
한편 수학식 (6)에서 관측자료(
Figure 112020131415113-pat00065
)는 보통 공간적으로 불규칙하게 분포하기 때문에, 격자화 된 자료인 수치모형 예측값
Figure 112020131415113-pat00066
과 차이를 구하려면 변환이 필요할 수 있다. 이를 위해, 선형보간자(
Figure 112020131415113-pat00067
)를 기초로 격자화된 상기 수치모형 예측값
Figure 112020131415113-pat00068
을 상기 관측자료(
Figure 112020131415113-pat00069
)에 기초한 위경도로 변환할 수 있다.
또한, 가중치(
Figure 112020131415113-pat00070
)는 칼만 이득 매트릭스(Kalman gain matrix)라고 하며, 자료동화 과정에서 모델(상태를 측정하고자 하는 해양)과 관측자료(상태를 측정하고자 하는 해양의 관측자료)의 차이를 어느 정도 반영해야 하는 정도를 결정하는 구성이다.
구체적으로 가중치(
Figure 112020131415113-pat00071
)는 다음과 같이 표현될 수 있다.
(수학식 7)
Figure 112020131415113-pat00072
여기서,
Figure 112020131415113-pat00073
는 배경오차 공분산 매트릭스(background error covariance matrix)이며, 기 설정된 해양 모델의 오차의 특성을 포함한다. 또한,
Figure 112020131415113-pat00074
은 관측오차 공분산 매트릭스(observation error covariance matrix)이며, 관측자료의 오차의 특성을 포함한다. 더불어
Figure 112020131415113-pat00075
및
Figure 112020131415113-pat00076
는 평균이 0이고, 정규분포를 따른다고 가정하기로 한다.
이러한 특징의 가중치(
Figure 112020131415113-pat00077
)는
Figure 112020131415113-pat00078
를 계산할 때, 미리 생성해 놓은 기준 매트릭스(stationary matrix)를 사용하기 때문에 앙상블 최적 내삽법의 계산속도가 다른 자료동화 기법에 비해서 빠르다는 특징이 있다.
여기서,
Figure 112020131415113-pat00079
를 계산하는 과정은 다음과 같다.
(수학식 8)
Figure 112020131415113-pat00080
수학식 3에서
Figure 112020131415113-pat00081
는
Figure 112020131415113-pat00082
개로 구성된 앙상블 섭동 매트릭스 (Ensemble perturbation matrix)이다.
Figure 112020131415113-pat00083
는 앙상블 개수이고,
Figure 112020131415113-pat00084
는 상태벡터(state vector)의 크기라고 할 수 있다.
이때,
Figure 112020131415113-pat00085
는 다음과 같이 계산될 수 있다.
(수학식 9)
Figure 112020131415113-pat00086
수학식 9에서
Figure 112020131415113-pat00087
는
Figure 112020131415113-pat00088
개의 수치모델 예측치로 구성된 앙상블인 stationary matrix를 의미하고,
Figure 112020131415113-pat00089
는
Figure 112020131415113-pat00090
의 평균이다.
Figure 112020131415113-pat00091
를 수식으로 나타내면 다음과 같다.
(수학식 10)
Figure 112020131415113-pat00092
수학식 10의
Figure 112020131415113-pat00093
는 사전에 준비한 기준 매트릭스(stationary matrix)라고 할 수 있다. 기준 매트릭스는 기 설정된 해양 모델을 이용하여 장기간(예: 수 십년 이상) 해양 상태를 예측한 결과를 바탕으로 생성한다. 따라서,
Figure 112020131415113-pat00094
에는 계절 변동성이 내재될 수 있으며, 이를 제한하기 위해 scale factor인
Figure 112020131415113-pat00095
를 적용할 수 있다. 본 발명의 실시 예의 (수학식 8)에서
Figure 112020131415113-pat00096
는 0-1 사이의 값으로 가정한다.
본 발명의 실시 예에 따른 해양 예측 시스템에서 배경오차 공분산(
Figure 112020131415113-pat00097
) 계산에 필요한 앙상블의 개수(
Figure 112020131415113-pat00098
)를 50개로 설정하기로 하며, 기준 매트리스는 수온, 염분, 해수면 고도 변수에 대해 생성한 예를 들어 설명하기로 한다.
또한, 자료동화 기법 적용 시, 일정 간격 마다 추출한 해수면 온도 위성 자료 및 산발적으로 분포한 관측점에서 수직방향으로 관측한 수온 및 염분 자료 등을 입력할 수 있다. 본 발명의 실시 예에서는 실시간으로 수집한 위성자료 및 수직방향 관측자료를 자료동화시스템 입력해서 실제 해양의 상태로 가깝게 보정한 예를 들기로 한다(도 7 참고).
더불어, 자료동화 기법 적용 시, 기 설정된 해양 모델 추정치를 보정하는 범위를 시스템을 실행하는 자가 설정할 수 있다. 본 발명의 실시 예에서 해양 모델 추정치는 수평으로 150km, 수직으로 100m로 적용하고 자료동화모델(130)의 실행 간격은 각각 해수면 온도는 1회/1일, 프로파일 관측자료는 1회/1주로 설정하는 예를 들기로 한다.
자료동화모델(130)을 통해 초기 조건을 생성할 때, 예측하고자 하는 예측 기준일부터 실시간 위성자료는 1-2일, 실시간 수온, 염분 프로파일 자료는 2-3일 가량 공백이 필연적으로 발생하게 된다. 이는 관측 자료를 수집 및 재가공 하는 과정에서 발생한 것으로, 이는 초기 조건에 내재된 불확실성이 증가할 가능성을 내포한다. 이를 해결하기 위해 자료동화모델(130)을 영구적 자료동화모델(130A)와 임시적 자료동화모델(130B)로 구성하게 된다.
도 1 및 도 6에 도시된 바와 같이, 영구적 자료동화모델(130A)은 초기조건 및 분석자료 생성하며, 임시적 자료동화모델(130B)은 해양예측모델(140)의 초기조건을 생성하는 구성이다.
이때, 영구적 자료동화모델(130A)에서 생성한 해양 초기 조건은 다음 번에 실행되는 영구적 자료동화 모델의 초기 조건으로 사용될 수 있다. 즉, 전처리 모델(120)에서 수집한 해양 관측 자료를 이용하여 이전 해양 초기 조건(B)을 생성하고, 생성된 이전 해양 초기 조건(B)은 영구적 자료동화모델(130A)에 적용되어 이후 해양 초기 조건(A)을 생성하는 데이터이다.
이러한 이전 해양 초기 조건(B)은 일정 기간(예: 1일, 일주일, 한달) 간격으로 생성될 수 있으며, 이후 해양 초기 조건(A)은 이전 해양 초기 조건(B)의 생성 기간에 대응하여 생성되게 된다.
임시적 자료동화모델(130B)를 통해서 산출한 예측모델 해양 초기조건은 관측 자료가 필연적으로 일부 기간 누락되기 때문에 (도6 참조), 실시간 예측자료 생성이 끝나면 삭제한다.
이와 같이 생성된 초기 조건 및 분석조건은 해양예측모델(140)을 통해 해양 상태를 측정할 수 있는 데이터이다. 구체적으로 자료동화모델(130)에 의해 3차원 해양 분석 자료 및 예측 자료를 생성하여 10일(예: 해양예측자료) 내지 14일(예: 해양분석 자료) 이내의 해양 상태를 측정하게 된다.
메모리(150)는 앞서 설명된 해양 상태를 예측하기 위한 프로세서가 실행되기 위한 실행 코드를 저장할 수 있다. 구체적으로 메모리(150)는 유체의 정역학적 원시방정식(hydrostatic primitive equations)의 해를 구하기 위한 수치모델(GFDL-MOM5) 소스코드를 일회성으로 컴파일하고, 이때 생성된 실행파일 및 라이브러리 파일을 참조하도록 구성될 수 있다.
프로세서(170)는 메모리(150)에 저장된 실행 코드가 동작하도록 결정하는 구성요소이다. 이를 프로세서(170)는 메모리(150)에 저장된 실행코드를 제어하는 데이터를 요청, 검색, 수신 또는 활용할 수 있으며, 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나 바람직한 것으로 판단되는 동작을 실행할 수 있다.
도 8은 본 발명의 실시 예에 따른 해양 예측 시스템을 통해 측정한 한반도 동해 해상의 냉수대 예측 예시이다.
도 8의 (a)를 참조하면, 화살표는 해면 경계 조건을 적용한 기상청 전 지구 예측 자료(GDAPS) 중 바람 자료(10m)를 나타내며, 한반도 주변을 나타내는 명도 변화는 해양 예측 시스템을 통해 측정한 해수면 온도 예측치라고 할 수 있다.
예시에 따르면, 본 발명의 해양 예측 시스템(100)을 통해 예측한 결과로, 8월 6일 이후로 꾸준한 남풍의 유입으로 인해 울산 앞바다를 중심으로 냉수대가 점차 발달할 것으로 예상된다.
도 8의 (b)를 참조하면, 화살표는 표층 해류를 의미하고, 채색은 해수면 온도가 27℃이상인 영역만을 나타낸 것이다. 적색선은 고수온 주의보 발령 기준에 해당하는 수온 28℃를 표시한 것이다.
예시에 따르면, 본 발명의 해양 예측 시스템(100)을 통해 예측한 결과로, 2020년 8월 12일부터 점차 고수온 영역이 북상하고 있으며, 2020년 8월 15일은 제주도 전역이 고수온 주의보 대상이 될 것으로 예상할 수 있다.
도 9는 본 발명의 실시 예에 따른 해양 예측 시스템을 이용하여 해양 예측 방법을 도시한 흐름도이다.
도면을 참고하면, 본 발명의 해양 예측 방법은 우선 해양 상태를 예측하도록 자료동화기법에 적용하는 해양 관측자료를 수집할 수 있다(단계 S110).
구체적으로, 해양 자료동화기법 적용에 필요한 위성 관측 자료 및 해양 프로파일 관측 자료를 수집 및 재가공하고, 해양 모델 해역의 기상 변수가 포함된 자료를 수집 및 변환하는 해면경계조건 및 타 해양 수치 모형에서 생성한 수온, 염분, 유속 및 해수면 높이 등 해양 정보를 수집 및 변환하는 개방경계조건을 생성할 수 있다.
이후, 해양 모델 해양의 관측 자료를 수집하면, 자료동화모델(130)을 통해 예측하고자 하는 해양의 상태의 초기조건을 생성할 수 있다(단계 S120).
구체적으로 수집한 관측자료를 자료동화기법(Data Assimilation Method)의 관측자료(
Figure 112020131415113-pat00099
)와 수치모형 예측값(
Figure 112020131415113-pat00100
)의 차이에 대해 가중치(
Figure 112020131415113-pat00101
)를 적용하여 결정된 해양 상태의 최적추정치(
Figure 112020131415113-pat00102
_best estimate)를 통해 초기 조건을 생성한다. 초기 조건을 생성하는 시점 및 간격은 변경 가능하며, 자동으로 생성하도록 실행할 수 있다.
자료동화모델(130)을 통해 생성된 해양 초기 조건을 이용하여 3차원 해양 상태에 관한 분석자료 및 예측 자료를 생성하게 된다(단계 S130).
구체적으로, 해양 예측 시스템을 이용하여 해양을 예측하는 과정을 통해 한반도 주변 해역 및 북서태평양 해역의 수온, 염분, 해류, 해면 고도 등의 해양 상태에 대한 분석자료(analysis data)와 수일(예: 10일 내지 14일 이내)의 예측 자료(prediction data)를 실시간으로 생성할 수 있다.
이때, 자료동화기법을 이용하여 분석자료 및 예측자료를 생성함에 따라 특정 시점에서의 해양 상태와 유사한 해양 초기조건이 생성될 수 있으며, 이를 통해 해양 상태를 예측하는 예측 정확도가 향상될 수 있다.
또한, 해양 상태를 예측함에 따라 태풍, 냉수해, 고수온, 저염수 확산 등의 해양 재난을 예측할 수 있으며, 해양 재난을 예측함에 따라 특히 한반도 주변의 해양 재난을 예측하고 이에 대응하는 대응 계획을 수립 및 실행할 수 있게 된다.
이상 설명된 본 발명의 실시 예에 대한 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (12)

  1. 3차원 해양 상태를 실시간으로 예측하기 위한 예측 방법으로서,
    예측 시점의 해양 상태를 수치적인 방법으로 계산하기 위해서 자료동화기법(Data Assimilation Method)에 적용하는 해양 관측자료(
    Figure 112022126781272-pat00178
    )를 수집하는 단계;
    상기 관측자료(
    Figure 112022126781272-pat00138
    )와 수치모형 예측값(
    Figure 112022126781272-pat00139
    )의 차이에 대해 가중치(
    Figure 112022126781272-pat00140
    )를 결정하여 해양 상태의 최적추정치(
    Figure 112022126781272-pat00141
    _best estimate)를 추정하여 해양 상태를 예측하기 위한 초기 조건을 생성하는 단계;
    생성된 상기 초기 조건에 기초하여 1/24° 수평 해상도의 3차원 해양 분석 자료 및 예측 자료를 실시간으로 생성하는 단계를 포함하고,
    상기 관측자료(
    Figure 112022126781272-pat00179
    )를 수집하는 단계는,
    해수면 온도, 해수면 높이, 위성관측자료 및 해양의 수온, 염분을 수직으로 관측한 프로파일 자료 및 해양의 표면에 인접한 기상 변수가 포함된 해면경계조건을 생성하는 단계;
    해양모델 사면(四面)의 경계면에서 수집한 해양 상태 자료를 상기 경계면에서 해양의 파동이 내부로 반사되는 것을 방지하기 위한 시간, 수평방향 및 수직방향의 변화에 따른 상기 해양 모델 변화에 의해 결정되는 2차원 방사조건 (2 Dimensional Radiation Boundary Condition)에 기초하여 생성한 개방경계조건을 생성하는 단계; 및
    생성된 상기 개방경계조건을 기초로 상기 해양 모델의 측면 경계면에서 발생하는 유입 및 유출되는 순압속도(barotropic velocity_
    Figure 112022126781272-pat00180
    )를 보정하는 단계를 더 포함하는,
    예측 방법.
  2. 제1항에 있어서,
    상기 초기 조건은,
    Figure 112022086979849-pat00144
    를 기반하며, 상기 초기 조건을 생성하는 단계는,
    선형보간자(
    Figure 112022086979849-pat00145
    )를 기초로 격자화된 상기 수치모형 예측값
    Figure 112022086979849-pat00146
    을 상기 관측자료(
    Figure 112022086979849-pat00147
    )에 기초한 위경도로 변환하는 단계를 포함하는,
    예측 방법.
  3. 제1항에 있어서,
    상기 초기 조건을 생성하는 단계는,
    기 설정된 해양 모델과 생성된 상기 관측자료의 차이를 상기 가중치(
    Figure 112022126781272-pat00148
    )에 의해 결정하는 단계를 포함하고,
    상기 가중치(
    Figure 112022126781272-pat00149
    )는,
    Figure 112022126781272-pat00150

    (여기서,
    Figure 112022126781272-pat00151
    는 배경오차 공분산 매트릭스(background error covariance matrix)이며, 기 설정된 해양 모델의 오차이고,
    Figure 112022126781272-pat00152
    은 관측오차 공분산 매트릭스(observation error covariance matrix)이며, 상기 관측자료의 오차이며,
    Figure 112022126781272-pat00153
    및
    Figure 112022126781272-pat00154
    는 평균이 0이고, 정규분포를 따른다고 가정함에 의해 결정되며,
    Figure 112022126781272-pat00155
    는 선형보간자임)에 의해 결정되는,
    예측 방법.
  4. 제1항에 있어서,
    상기 생성하는 단계는,
    상기 3차원 해양 분석 자료 및 상기 예측 자료를 임의의 시간에 따라 정기적으로 생성하는,
    예측 방법.
  5. 제1항에 있어서,
    상기 예측 시점의 해양상태를 기반하여 이전 해양 초기 조건을 생성하고, 생성된 상기 이전 해양 초기 조건이 적용되어 이후 해양 초기 조건을 생성하는 영구적 자료동화모델을 생성하는 단계; 및
    상기 3차원 해양 분석 자료 및 예측자료의 초기 입력자료를 생성하기 위해서 3차원 해양상태를 수치적으로 모의하는 임시적 자료동화모델을 생성하는 단계를 더 포함하는,
    예측 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 개방경계조건을 생성하는 단계는,
    상기 경계면의 수평 방향과 수직 방향의 위상 속도를 기초로 해양 표면층에서부터 해저 바닥 전체층을 적분한 유속 변수를 기초로 생성되는,
    예측 방법.
  8. 제1항에 있어서,
    상기 순압속도(barotropic velocity_
    Figure 112022126781272-pat00156
    )를 보정하는 단계는,
    상기 2차원 방사조건을 기반으로
    Figure 112022126781272-pat00157
    에 의해 산출하는,
    (여기서,
    Figure 112022126781272-pat00158
    는 보정된 순압 속도(barotropic velocity)이고,
    Figure 112022126781272-pat00159
    는 순압 속도(barotropic velocity)이며,
    Figure 112022126781272-pat00160
    는 수평방향 속도 보정값이고,
    Figure 112022126781272-pat00161
    는 개방경계조건의 단위 유입 벡터(unit inward vector)인)
    예측 방법.
  9. 해양 상태를 실시간으로 예측하는 예측 시스템으로서,
    적어도 하나의 프로세서; 및
    상기 프로세서와 동작 가능하게 연결되고, 상기 프로세서에서 수행되는 적어도 하나의 코드를 저장하는 메모리를 포함하고,
    상기 메모리는 상기 프로세서를 통해 실행될 때, 상기 프로세서로 하여금,
    자료동화기법(Data Assimilation Method)을 적용하기 위한 해양 관측자료를 수집하고, 상기 관측자료(
    Figure 112022126781272-pat00181
    )와 수치모형 예측값(
    Figure 112022126781272-pat00182
    )의 차이에 대해 가중치(
    Figure 112022126781272-pat00183
    )를 결정하여 해양 상태의 최적추정치(
    Figure 112022126781272-pat00184
    _best estimate)를 추정하여 해양 상태를 예측하기 위한 초기 조건을 생성하며, 생성된 상기 초기 조건에 기초하여 1/24° 수평 해상도의 3차원 해양 분석 자료 및 예측 자료를 실시간으로 생성하는 코드를 포함하고,
    상기 관측자료(
    Figure 112022126781272-pat00185
    ) 수집 시, 해수면 온도, 해수면 높이, 위성관측자료 및 해양의 수온, 염분을 수직으로 관측한 프로파일 자료 및 해양의 표면에 인접한 기상 변수가 포함된 해면경계조건을 생성하고, 해양모델 사면(四面)의 경계면에서 수집한 해양 상태 자료를 상기 경계면에서 해양의 파동이 내부로 반사되는 것을 방지하기 위한 시간, 수평방향 및 수직방향의 변화에 따른 상기 해양 모델 변화에 의해 결정되는 2차원 방사조건 (2 Dimensional Radiation Boundary Condition)에 기초하여 생성한 개방경계조건을 생성하며, 생성된 상기 개방경계조건을 기초로 상기 해양 모델의 측면 경계면에서 발생하는 유입 및 유출되는 순압속도(barotropic velocity_
    Figure 112022126781272-pat00186
    )를 보정하는 코드를 저장하는,
    예측 시스템.
  10. 제9항에 있어서,
    상기 메모리는 상기 프로세서를 통해 실행될 때, 상기 프로세서로 하여금,
    선형보간자(
    Figure 112022086979849-pat00167
    )를 기초로 격자화된 상기 수치모형 예측값
    Figure 112022086979849-pat00168
    을 상기 관측자료(
    Figure 112022086979849-pat00169
    )에 기초한 위경도로 변환하여 상기 초기 조건을 생성하도록 하는 코드를 저장하는,
    예측 시스템.
  11. 제9항에 있어서,
    상기 메모리는 상기 프로세서를 통해 실행될 때, 상기 프로세서로 하여금,
    기 설정된 해양 모델과 생성된 상기 관측자료의 차이를 상기 가중치(
    Figure 112022126781272-pat00170
    )에 의해 결정하는 단계를 포함하고,
    상기 가중치(
    Figure 112022126781272-pat00171
    )는,
    Figure 112022126781272-pat00172

    (여기서,
    Figure 112022126781272-pat00173
    는 배경오차 공분산 매트릭스(background error covariance matrix)이며, 기 설정된 해양 모델의 오차이고,
    Figure 112022126781272-pat00174
    은 관측오차 공분산 매트릭스(observation error covariance matrix)이며, 상기 관측자료의 오차이며,
    Figure 112022126781272-pat00175
    및
    Figure 112022126781272-pat00176
    는 평균이 0이고, 정규분포를 따른다고 가정함에 의해 결정되며,
    Figure 112022126781272-pat00177
    는 선형보간자임)에 의해 결정되는,
    예측 시스템.
  12. 제9항에 있어서,
    상기 메모리는 상기 프로세서를 통해 실행될 때, 상기 프로세서로 하여금,
    상기 3차원 해양 분석 자료 및 예측 자료를 임의의 시간에 따라 정기적으로 생성하도록 하는 코드를 저장하는,
    예측 시스템.
KR1020200168192A 2020-11-24 2020-12-04 실시간 해양 예측 시스템 (koos-opem) 및 이를 이용한 해양 예측 방법 KR102492075B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200159122 2020-11-24
KR1020200159122 2020-11-24

Publications (2)

Publication Number Publication Date
KR20220071838A KR20220071838A (ko) 2022-05-31
KR102492075B1 true KR102492075B1 (ko) 2023-01-26

Family

ID=81779551

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200168192A KR102492075B1 (ko) 2020-11-24 2020-12-04 실시간 해양 예측 시스템 (koos-opem) 및 이를 이용한 해양 예측 방법

Country Status (1)

Country Link
KR (1) KR102492075B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102608357B1 (ko) * 2022-10-05 2023-12-01 울산과학기술원 위성 기반 해수면 염분 데이터와 해양 수치 모델 기반 해수면 염분 데이터를 머신러닝 모델에 적용하여 해수면 염분을 예측하기 위한 방법 및 장치

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117828315B (zh) * 2024-03-06 2024-06-21 广东工业大学 一种海洋生态环境监测系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004085394A (ja) 2002-08-27 2004-03-18 Nec Corp 海洋予報データ修正方式
KR101179590B1 (ko) * 2011-05-24 2012-09-05 공주대학교 산학협력단 역학 및 통계적 기법을 결합한 상세지역기후 예측 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101540299B1 (ko) * 2014-01-03 2015-08-05 서울대학교산학협력단 수반 모형 민감도 기반의 자료 동화 방법
KR101563488B1 (ko) * 2014-04-11 2015-11-06 한국해양과학기술원 연안국지 파랑예측 방법 및 시스템
KR20170069396A (ko) * 2015-12-11 2017-06-21 한국외국어대학교 연구산학협력단 Wise-r 실시간 초단기 미세기상 예측 모델

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004085394A (ja) 2002-08-27 2004-03-18 Nec Corp 海洋予報データ修正方式
KR101179590B1 (ko) * 2011-05-24 2012-09-05 공주대학교 산학협력단 역학 및 통계적 기법을 결합한 상세지역기후 예측 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김지혜 외 5명. 지역 해양순환예측시스템에 대한 OSTIA 해수면온도 자료동화 효과에 관한 연구. 한국해양학회. 2015.02.28, 제20권, 제1호, pp.1-15 1부.*

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102608357B1 (ko) * 2022-10-05 2023-12-01 울산과학기술원 위성 기반 해수면 염분 데이터와 해양 수치 모델 기반 해수면 염분 데이터를 머신러닝 모델에 적용하여 해수면 염분을 예측하기 위한 방법 및 장치

Also Published As

Publication number Publication date
KR20220071838A (ko) 2022-05-31

Similar Documents

Publication Publication Date Title
Oubanas et al. Discharge estimation in ungauged basins through variational data assimilation: The potential of the SWOT mission
Cyriac et al. Variability in Coastal Flooding predictions due to forecast errors during Hurricane Arthur
Solari et al. The wind forecast for safety management of port areas
Krestenitis et al. Coastal inundation in the north-eastern Mediterranean coastal zone due to storm surge events
KR101613186B1 (ko) 연안국지 해수순환 및 파랑 예측 방법 및 시스템
KR101563488B1 (ko) 연안국지 파랑예측 방법 및 시스템
JP5433913B2 (ja) 波浪予測システム
Mason et al. Measurement of recent intertidal sediment transport in Morecambe Bay using the waterline method
Flores et al. Tomography of the lower troposphere using a small dense network of GPS receivers
KR102492075B1 (ko) 실시간 해양 예측 시스템 (koos-opem) 및 이를 이용한 해양 예측 방법
KR101629456B1 (ko) 연안국지 순환예측 방법 및 시스템
KR20160073604A (ko) 연안국지 순환 분석 방법 및 시스템
Boesl et al. Digital mapping of coastal boulders–high‐resolution data acquisition to infer past and recent transport dynamics
KR102365072B1 (ko) 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법
Lane et al. Observations and numerical modelling of mountain waves over the Southern Alps of New Zealand
CN115935732A (zh) 一种复杂感潮河网的多源复合灾害淹没风险的模拟方法
Diansky et al. Numerical simulation of the Caspian sea circulation using the marine and atmospheric research system
KR101870263B1 (ko) 기후변화시나리오의 역학적 상세화 방법을 이용한 기후변화 고해상도 자료생상 및 표출시스템
Medeiros et al. A Random Forest model based on lidar and field measurements for parameterizing surface roughness in coastal modeling
Myers et al. VDatum and strategies for national coverage
Kim et al. Urban flood inundation simulation based on high-precision 3D modeling
NOAA Technical Considerations for Use of Geospatial Data in Sea Level Change Mapping and Assessment
Abazu et al. Mean dynamic topography over Peninsular Malaysian seas using multimission satellite altimetry
De Kleermaeker et al. Global-to-local scale storm surge modelling on tropical cyclone affected coasts
Tsarau et al. Enhancing the Resolution of Large-Scale Sea-Ice Models Through Synthesising Satellite Imagery and Discrete-Element Modelling

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant