KR20110082946A - Apparatus and method for estimating precipitation with cloud microphysics scheme, apparatus and method for weather forecasting, and recording medium thereof - Google Patents
Apparatus and method for estimating precipitation with cloud microphysics scheme, apparatus and method for weather forecasting, and recording medium thereof Download PDFInfo
- Publication number
- KR20110082946A KR20110082946A KR1020100002894A KR20100002894A KR20110082946A KR 20110082946 A KR20110082946 A KR 20110082946A KR 1020100002894 A KR1020100002894 A KR 1020100002894A KR 20100002894 A KR20100002894 A KR 20100002894A KR 20110082946 A KR20110082946 A KR 20110082946A
- Authority
- KR
- South Korea
- Prior art keywords
- cloud
- phase
- emergency
- snow
- microphysical
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 249
- 238000001556 precipitation Methods 0.000 title claims description 79
- 230000008569 process Effects 0.000 claims abstract description 215
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 116
- 230000005494 condensation Effects 0.000 claims abstract description 40
- 238000009833 condensation Methods 0.000 claims abstract description 40
- 230000006911 nucleation Effects 0.000 claims abstract description 30
- 238000010899 nucleation Methods 0.000 claims abstract description 30
- 238000002156 mixing Methods 0.000 claims description 77
- 238000004062 sedimentation Methods 0.000 claims description 36
- 230000015271 coagulation Effects 0.000 claims description 34
- 238000005345 coagulation Methods 0.000 claims description 34
- 201000008827 tuberculosis Diseases 0.000 claims description 28
- 230000008020 evaporation Effects 0.000 claims description 12
- 238000001704 evaporation Methods 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000010309 melting process Methods 0.000 claims description 10
- 238000002844 melting Methods 0.000 claims description 8
- 230000008018 melting Effects 0.000 claims description 8
- 239000000443 aerosol Substances 0.000 claims description 7
- 206010053567 Coagulopathies Diseases 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 5
- 208000015294 blood coagulation disease Diseases 0.000 claims description 5
- 241000206607 Porphyra umbilicalis Species 0.000 claims description 4
- 238000013277 forecasting method Methods 0.000 claims description 3
- 206010039491 Sarcoma Diseases 0.000 claims 1
- 239000002245 particle Substances 0.000 abstract description 13
- 238000010257 thawing Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 7
- 230000008014 freezing Effects 0.000 description 6
- 238000007710 freezing Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008021 deposition Effects 0.000 description 4
- 238000000151 deposition Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000000859 sublimation Methods 0.000 description 4
- 230000008022 sublimation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 201000000306 sarcoidosis Diseases 0.000 description 2
- 206010067623 Radiation interaction Diseases 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Biodiversity & Conservation Biology (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Atmospheric Sciences (AREA)
- Strategic Management (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Development Economics (AREA)
- Dispersion Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 수치 예보 모델에서 강수예보를 포함하는 악기상 예보에 가장 중요한 요소인 구름 미세물리 과정을 모수화하는 기술에 관한 것으로, 특히, 구름 미세물리 과정을 이용한 강수 예측 장치 및 방법, 기상 예보 장치 및 방법, 그 기록 매체에 관한 것이다.The present invention relates to a technique for parameterizing a cloud microphysical process, which is the most important factor for instrumental forecasting including precipitation forecasting, in a numerical forecast model. In particular, an apparatus and method for predicting precipitation using a cloud microphysical process, and a weather forecasting device and method , The recording medium.
날씨 및 기후예측을 위한 대기질 모델링에 있어 자료의 정확한 정보화 및 예측의 정확도 향상은 중요한 요인이다. 이에 정확도 향상을 위한 수많은 연구들이 이어져 오고 있으며 한국 또한 예외는 아니다. 특히 한국의 경우 지형이 복잡하고 3면이 바다로 이루어져 해륙풍에 의해 해안지역에서 다양한 기상변화가 나타나기 때문에 정확한 기상장을 예측하기에 많은 어려움이 있다.In modeling air quality for weather and climate forecasting, improving information accuracy and forecasting accuracy is an important factor. Many studies have been conducted to improve accuracy, and Korea is no exception. In particular, in Korea, since the topography is complicated and the three sides are composed of the sea, various weather changes occur in coastal regions due to the sea and land winds.
기상 및 대기질 예측을 위해 현재 가장 널리 사용되고 있는 중규모 기상모델은 MM5(Mesoscale Meteorological Model Version5)와 WRF 모델(Weather Reserching and Forecasting Model)로서, 과거 현업 예보용으로 MM5가 주로 사용되어 왔으나 현재 WRF로 대체되고 있는 중이다.The most widely used medium-scale meteorological models for forecasting weather and air quality are the MM5 (Mesoscale Meteorological Model Version5) and the WRF model (Weather Reserching and Forecasting Model) .The MM5 has been mainly used for business forecasts in the past, but is now replaced by WRF. It is being done.
종래에 미세구름 물리 과정을 컴퓨터 상에서 구현할 수 있는 WRF 모형 내 WSM6 (WRF Single-Moment 6-class) 미세구름 물리 방안은 강수량의 예측 측면에 있어서 양의 편차를 나타내며, 층운형 구름의 지역에 강수 모의를 현실적으로 재현하지 못하는 특성이 있음이 보고된 바 있다. 이에 따라, 최근 기상/기후 모델의 모의 능력향상에 가장 중요한 요소로 작용하는 구름 미세물리 과정을 발전시키기 위한 양상으로 이중모멘트 방안의 구름 미세물리 과정 개발에 대한 연구가 활발히 이루어지고 있다.Conventionally, WSM6 (WRF Single-Moment 6-class) microcloud physics method in WRF model that can implement micro cloud physics process shows positive deviations in the prediction of precipitation and precipitation simulation in the area of stratum clouds. It has been reported that there is a characteristic that does not reproduce realistically. Accordingly, researches on the development of the double-moment cloud microphysics process have been actively conducted to develop a cloud microphysics process that acts as the most important factor to improve the simulation capability of the weather / climate model.
최근 산업화의 영향으로 에어로솔이 기상 현상에 미치는 영향이 커지고 있어서, 기상 예보/예측 모델이 에어로솔과 같은 물질의 대기중 농도를 고려할 필요성이 증가하고 있다. 종래에 통계적인 오차 계산을 수행하여 예보모델의 초기입력 강수 입자의 직경분포 자료를 향상시키고 수치모델의 예보의 능력향상에 기여하며, 강수량 추정에 정확성을 향상시키는 방법이 소개되었으나, 이 기술은 결정된 수농도를 강수 과정에 포함시키지 않았다는 점에서 다른 종래기술과 다를 바 없었다.Due to the recent industrialization, the influence of aerosols on the meteorological phenomena is increasing, and the necessity for the weather forecast / prediction model to consider atmospheric concentrations of substances such as aerosols is increasing. In the past, statistical error calculation was performed to improve the diameter distribution data of the initial input precipitation particles of the forecasting model, to improve the forecasting capability of the numerical model, and to improve the accuracy of the precipitation estimation. It was no different from other prior art in that the water concentration was not included in the precipitation process.
따라서, 본 발명이 이루고자 하는 첫 번째 기술적 과제는 산업화에 따라 문제가 되는 물질들의 농도를 강수 과정에 반영하는 구름 미세물리 과정을 이용한 강수 예측 장치를 제공하는 데 있다.Accordingly, the first technical problem to be achieved by the present invention is to provide a precipitation prediction apparatus using a cloud microphysical process that reflects the concentration of substances in question in the precipitation process.
본 발명이 이루고자 하는 두 번째 기술적 과제는 상기의 구름 미세물리 과정을 이용한 강수 예측 장치에 적용되는 구름 미세물리 과정을 이용한 강수 예측 방법을 제공하는 데 있다.The second technical problem to be achieved by the present invention is to provide a precipitation prediction method using a cloud microphysics process applied to the precipitation prediction apparatus using the above cloud microphysics process.
본 발명이 이루고자 하는 세 번째 기술적 과제는 산업화에 따라 문제가 되는 물질들의 농도를 강수 과정에 반영하고 기상예보의 질을 향상시켜 정확한 강수 예보를 가능하게 하는 기상 예보 장치를 제공하는 데 있다.The third technical problem to be achieved by the present invention is to provide a weather forecasting apparatus that allows accurate precipitation forecasting by reflecting the concentration of substances that are problematic according to industrialization in the precipitation process and improving the quality of the weather forecast.
본 발명이 이루고자 하는 네 번째 기술적 과제는 상기의 기상 예보 장치에 적용되는 기상 예보 방법을 제공하는 데 있다.The fourth technical problem to be achieved by the present invention is to provide a weather forecasting method applied to the weather forecasting apparatus described above.
본 발명이 이루고자 하는 네 번째 기술적 과제는 상기 구름 미세물리 과정을 이용한 강수 예측 방법 및 기상 예보 방법을 컴퓨터 시스템에서 실행하기 위한 프로그램이 기록된 매체로서, 컴퓨터 시스템이 판독할 수 있는 기록매체를 제공하는 데 있다.A fourth technical object of the present invention is to provide a recording medium that can be read by a computer system as a medium on which a program for executing the precipitation prediction method and the weather forecast method using the cloud microphysics process is recorded in a computer system. There is.
본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 장치는 눈상과 싸라기상의 녹는 과정과 함께 비상, 싸라기상, 눈상의 침강 과정을 계산하여 지표 강수를 산출하는 침강 과정 프로세서; 제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단하고, 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단하는 미세물리 과정 프로세서; 및 상기 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용하는 핵화 응결 과정 프로세서를 포함한다.Precipitation prediction apparatus using the cloud microphysical process according to an embodiment of the present invention includes a sedimentation process processor for calculating the surface precipitation by calculating the sedimentation process of the emergency, sarge phase, snow, together with the melting process of the snow and fire phase; A microphysical process processor for calculating the first microphysical process to predict cloud water condensation tuberculosis, cloud and emergency water concentrations, and a second microphysical process to calculate the mixed ratios of lather, snow, ice, emergency and cloud phases. ; And a nucleation condensation process processor for applying the mixing ratios of the cloud condensation tuberculosis, cloud phase and emergency numbers, and the mixing ratios of the Sarai phase, snow image, ice phase, emergency and cloud phases to the nucleation process of cloud coagulation and cloud formation.
본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 방법은 눈상과 싸라기상의 녹는 과정과 함께 비상, 싸라기상, 눈상의 침강 과정을 계산하여 지표 강수를 산출하는 단계; 제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단하는 단계; 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단하는 단계; 및 상기 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용하는 단계를 포함한다.Precipitation prediction method using the cloud microphysical process according to an embodiment of the present invention comprises the steps of calculating the surface precipitation by calculating the sedimentation process of the emergency, Sarai phase, snowfall with the melting process of snow and fire phase; Calculating a first microphysical process to predict the water concentrations of cloud coagulopathy, cloud cloud and emergency; Calculating a second microphysical process to predict the mixing ratio of the laver, snow, ice, emergency and cloud phases; And applying the mixed concentrations of cloud coagulation tuberculosis, cloud phase and emergency, and the mixing ratios of the fire phase, snow phase, ice phase, emergency phase and cloud phase to the nucleation process of cloud coagulation and cloud formation.
본 발명의 일 실시 예에 따른 기상 예보 장치는 눈상과 싸라기상의 녹는 과정과 함께 비상, 싸라기상, 눈상의 침강 과정을 계산하여 지표 강수를 산출하는 침강 과정 프로세서; 제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단하고, 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단하는 미세물리 과정 프로세서; 상기 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용하는 핵화 응결 과정 프로세서; 및 상기 갱신된 지표 강수를 미리 입력된 지리적 데이터와 매칭시키는 예보 생성부를 포함한다.According to an embodiment of the present invention, a weather forecasting apparatus includes: a sedimentation process processor configured to calculate surface precipitation by calculating sedimentation processes of emergency, sarcasm, and snow with melting processes of snow and fire; A microphysical process processor for calculating the first microphysical process to predict cloud water condensation tuberculosis, cloud and emergency water concentrations, and a second microphysical process to calculate the mixed ratios of lather, snow, ice, emergency and cloud phases. ; A nucleation condensation process processor for applying the mixing ratios of the cloud condensation tuberculosis, cloud phase, and emergency number, and the mixing ratio of the fire phase, snow image, ice phase, emergency and cloud phase to the nucleation process of cloud coagulation and cloud formation; And a forecast generator that matches the updated indicator precipitation with previously input geographic data.
본 발명의 일 실시 예에 따른 기상 예보 방법은 눈상과 싸라기상의 녹는 과정과 함께 비상, 싸라기상, 눈상의 침강 과정을 계산하여 지표 강수를 산출하는 단계; 제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단하는 단계; 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단하는 단계; 상기 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용하는 단계; 및 상기 갱신된 지표 강수를 미리 입력된 지리적 데이터와 매칭시키는 단계를 포함한다.According to an embodiment of the present invention, a weather forecasting method includes: calculating surface precipitation by calculating precipitation, emergency, and snow phases along with melting phases of snow and sand; Calculating a first microphysical process to predict the water concentrations of cloud coagulopathy, cloud cloud and emergency; Calculating a second microphysical process to predict the mixing ratio of the laver, snow, ice, emergency and cloud phases; Applying the mixed concentrations of cloud coagulation tuberculosis, cloud phase and emergency, and the mixing ratios of the fire phase, snow phase, ice phase, emergency and cloud phase to the nucleation process of cloud coagulation and cloud formation; And matching the updated indicator precipitation with previously input geographic data.
본 발명의 실시 예들에 의하면, 보다 현실적인 대기수상의 크기분포를 갖는 방안인 이중 모멘트 방안을 기반으로 하는 구름미세물리 방안을 이용하여 구름-복사 상호작용을 현실적으로 반영하는 기존의 미세물리 과정의 장점을 유지하면서도, 통합형 중량 가중적 연직속도를 싸라기 입자와 강설 입자에 적용함으로써 대기수상의 연직분포를 자연현상에 가깝게 개선하여 수치예보 모델에서 구름 및 강수과정의 예측 능력을 향상 시킬 수 있으며, 기상예보의 질을 향상시켜 정확한 강수예보를 가능하게 하고, 이에 기상재해에 의한 피해를 최소화 할 수 있으며, 에어로솔의 수 농도 예단을 강수과정에 포함함으로써, 산업화에 따른 기상 및 물 순환 변화평가에 적용할 수 있다. According to embodiments of the present invention, using the cloud microphysics based on the double-moment scheme, which is a more realistic atmospheric size distribution, the advantages of the existing microphysics process that realistically reflect the cloud-radiation interaction While maintaining the integrated weight-weighted vertical velocity to the waste and snow particles, the vertical distribution of atmospheric water can be improved close to natural phenomena to improve the predictability of cloud and precipitation processes in numerical forecasting models. It is possible to improve the quality of forecasting precipitation, minimize the damage caused by meteorological disasters, and apply the aerosol water concentration forecast to the precipitation process, so that it can be applied to the evaluation of changes in the weather and water circulation according to industrialization. .
도 1은 본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 장치의 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 방법의 흐름도이다.
도 3은 도 2에 사용되는 구름 미세물리 과정의 예를 도시한 것이다.
도 4a 내지 4c는 도 3에 사용되는 제1 미세물리 과정의 예를 도시한 것이다.
도 5는 도 3에 사용되는 제2 미세물리 과정의 예를 도시한 것이다.
도 6은 본 발명의 일 실시 예에 따른 기상 예보 장치의 블록도이다.1 is a block diagram of an apparatus for predicting precipitation using cloud microphysics according to an embodiment of the present invention.
2 is a flowchart of a precipitation prediction method using a cloud microphysics process according to an embodiment of the present invention.
3 illustrates an example of a cloud microphysics process used in FIG. 2.
4A to 4C illustrate examples of the first microphysics process used in FIG. 3.
FIG. 5 illustrates an example of a second microphysics process used in FIG. 3.
6 is a block diagram of a weather forecast apparatus according to an embodiment of the present invention.
이하에서는 도면을 참조하여 본 발명의 바람직한 실시 예들을 설명하기로 한다. 그러나, 다음에 예시하는 본 발명의 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시 예에 한정되는 것은 아니다.Hereinafter, exemplary embodiments of the present invention will be described with reference to the accompanying drawings. However, embodiments of the present invention illustrated below may be modified in various other forms, and the scope of the present invention is not limited to the embodiments described below.
본 발명의 실시 예들은 종래에 상수(Constant)로 가정되었던 구름상의 수농도를 적응적으로 예단하고, 대기수상의 크기분포에 유연성을 부여한다. 특히, 본 발명의 실시 예들은 최근에 문제가 되는 에어로솔의 영향을 강수 과정에 직접적으로 포함시킨다. 또한, 통합형 중량 가중적 연직속도를 싸라기 입자와 강설 입자에 적용함으로써 대기수상의 연직분포의 개선을 꾀한다. 본 발명의 실시 예들은 총체적 구름물리 방안을 기반으로 하기 때문에 계산시간 면에서 효율적인 특성을 갖는다. Embodiments of the present invention adaptively predict the cloud water concentration, which was previously assumed to be a constant, and give flexibility to the size distribution of the atmospheric water. In particular, embodiments of the present invention incorporate the impact of aerosols, which has been a problem recently, directly into the precipitation process. In addition, by applying the integrated weight-weighted vertical velocity to the grain and snow particles, the vertical distribution in the atmospheric water is improved. Since the embodiments of the present invention are based on the overall cloud physics scheme, they have an efficient characteristic in terms of calculation time.
본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 장치는 기상/기후 모델 내의 모든 강수과정을 표현하며, 수증기를 포함하는 5가지 대기수상의 혼합비와 함께, 구름응결핵, 구름상, 그리고 비상의 수 농도를 예단한다. 본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 장치는 현실적인 대기수상의 크기분포를 갖는 방안인 이중 모멘트 방안을 기반으로 한다. 본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 장치는 기초적인 미세구름물리학을 기반으로 하여 대기수상간 발생하는 응결, 부착, 충돌 및 병합 등의 모든 물리과정을 포함하며, 에어로솔의 수 농도 반영을 위한 구름응결핵의 핵화 과정 및 구름 입자의 증발과정을 포함한다. 여기서, 눈상과 싸라기상의 녹는 과정 이외의 구름 미세물리 과정은 대기수상의 연직 침강과 지표강수의 계산 이후에 행하여진다. Precipitation prediction apparatus using cloud microphysical processes according to an embodiment of the present invention represents all precipitation processes in the meteorological / climate model, with the mixing ratio of the five atmospheric water phases including water vapor, cloud coagulation tuberculosis, cloud and Estimate the emergency water concentration. Precipitation prediction apparatus using a cloud microphysics process according to an embodiment of the present invention is based on a double moment scheme, which is a scheme having a realistic atmospheric size distribution. Precipitation prediction apparatus using the cloud microphysics process according to an embodiment of the present invention includes all the physical processes such as condensation, adhesion, collision and merging occurring between the atmospheric water based on the basic microcloud physics, Includes nucleation of cloud coagulation and evaporation of cloud particles to reflect water concentrations. Here, cloud microphysical processes other than the melting process of snow and cold phases are performed after the calculation of the vertical sedimentation and surface precipitation in the atmospheric water phase.
도 1은 본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 장치의 블록도이다.1 is a block diagram of an apparatus for predicting precipitation using cloud microphysics according to an embodiment of the present invention.
이하에 설명하는 프로세서(110-130)는 소프트웨어적으로 또는 하드웨어적으로 구현될 수 있다. 하드웨어적으로 구현되는 경우, 각각의 프로세서는 중앙 처리 유닛(CPU), 메모리, 인터페이스 등으로 구성될 수 있다. 필요한 경우, 하드 디스크드라이브와 같은 대용량 스토리지가 각각의 프로세서와 연결될 수도 있다.The processors 110-130 described below may be implemented in software or hardware. If implemented in hardware, each processor may be comprised of a central processing unit (CPU), memory, an interface, and the like. If necessary, mass storage, such as hard disk drives, may be associated with each processor.
침강 과정 프로세서(110)는 눈상과 싸라기상의 녹는 과정과 함께 비상, 싸라기상, 눈상의 침강 과정을 계산하여 지표 강수를 산출한다.The
미세물리 과정 프로세서(120)는 제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단한다. 여기서, 제1 미세물리 과정은 구름응결핵, 구름상, 비상, 싸라기상, 눈상 및 아이스상 사이의 응결, 부착, 충돌 및 병합의 물리 과정을 모의실험하는 과정이다.The
또한, 미세물리 과정 프로세서(120)는 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단한다. 여기서, 제2 미세물리 과정은 구름상, 비상, 싸라기상, 눈상 및 아이스상 사이의 응결, 부착, 충돌 및 병합의 물리 과정을 모의실험하는 과정이다.In addition, the
제1 미세물리 과정과 제2 미세물리 과정에서 필요한 수 농도 생성률이나 혼합비 생성률은 침강 과정 프로세서(110)로부터 전달받을 수도 있지만, 미세물리 과정 프로세서(120)에 직접 각종 생성률 관련 파라미터가 입력되도록 할 수도 있다.Although the water concentration generation rate or the mixing ratio generation rate required in the first microphysics process and the second microphysics process may be received from the
핵화 응결 과정 프로세서(130)는 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용한다. 침강 과정 프로세서(110)는 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정의 결과에 따라 앞서 산출한 지표 강수를 갱신한다. 핵화 과정은 지표강수에 직접적으로 영향을 미치진 않으나, 핵화 과정에 의해 구름상의 수 농도와 혼합비, 구름 응결핵의 수 농도가 달라지므로, 다른 대기수상(비상, 눈상, 싸라기상)의 혼합비에 영향을 미쳐 간접적으로 지표강수에 영향을 미치게 된다. The nucleation
도 2는 본 발명의 일 실시 예에 따른 구름 미세물리 과정을 이용한 강수 예측 방법의 흐름도이다.2 is a flowchart of a precipitation prediction method using a cloud microphysics process according to an embodiment of the present invention.
먼저, 눈상과 싸라기상의 녹는 과정과 함께 비상, 싸라기상, 눈상의 침강 과정을 계산하여 지표 강수를 산출한다(S210). 여기서, 지표 강수는 싸라기상의 혼합비, 눈상의 혼합비 및 비상의 혼합비를 합한 값이다. 침강 과정 후 모든 구름 미세물리 과정은 연직수평 모든 격자에서 계산된다. 특정 지점의 지표에서 강수가 많았다면, 이는 그 지점의 지표에 도달한 강수가 많았다는 의미이다. 그러나 해당 강수는 침강만으로 생성된 것은 아니고, 침강과정 외의 여러 구름 미세물리 과정(제1 미세물리 과정과 제2 미세물리 과정)에 의해 생성된 것이다. First, the surface precipitation is calculated by calculating the process of settling the emergency, fire, and snow phases together with the melting process of the snow and fire phases (S210). Here, the surface precipitation is the sum of the mixing ratio of the fire phase, the mixing ratio of the snow phase, and the emergency mixing ratio. After the sedimentation process, all cloud microphysics processes are calculated for all the vertical grids. If there was a lot of precipitation at an indicator at a point, this means that a lot of precipitation reached the indicator at that point. However, the precipitation is not generated by sedimentation alone, but is generated by several cloud microphysical processes (first microphysical process and second microphysical process) other than the sedimentation process.
즉, 침강과정을 제외한 구름 미세물리 과정을 통해 대기수상의 수 농도와 혼합비는 모든 수평 연직 격자 점에서 갱신된다. 이는 역학과정(구름 미세물리 과정이 아닌 기상모델의 다른 부분)에 의해 수평, 연직으로 이류한다. 이 과정(S210)이 다음에 반복될 때, 앞서 이류된 대기수상의 각 수평 연직 격자 점에서 구름 미세물리 과정의 침강과정을 통해 연직으로 떨어지게 되는데, 이때, 지표로 도달한 싸라기, 눈, 비상의 합이 지표강수가 되는 것이다. That is, through the cloud microphysics except the sedimentation process, the water concentration and mixing ratio of the atmospheric water are updated at all horizontal vertical grid points. It flows horizontally and vertically by dynamic processes (other parts of the weather model, not cloud microphysical processes). When this process (S210) is repeated next time, it falls to the vertical through the sedimentation process of the cloud microphysics at each horizontal vertical grid point of the adjoining atmospheric water, where the fire, snow, emergency The sum is the surface precipitation.
다음, 제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단한다(S221). 여기서, 제1 미세물리 과정은 구름응결핵의 활성화에 의한 수 농도 생성률 및 구름상 증발에 의한 수 농도 생성률을 고려하는 미세물리 과정이다. 이 과정(S221)에는 에어로솔의 수 농도를 반영하여 구름응결핵의 수 농도를 계산하는 과정이 포함된다.Next, the first microphysics process is calculated to predict the concentration of cloud coagulation tuberculosis, cloud cloud and emergency (S221). Here, the first microphysics process is a microphysics process considering the water concentration generation rate by activation of cloud coagulation tuberculosis and the water concentration generation rate by cloud evaporation. This process (S221) includes a process of calculating the water concentration of cloud coagulation tuberculosis by reflecting the water concentration of the aerosol.
한편, 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단한다(S222).On the other hand, by calculating the second microphysical process foresee the mixing ratio of the wrapped, snow, ice, emergency and cloud phase (S222).
미세물리 과정들이 계산 완료되면, 이들 과정에서 구한 수 농도(즉, 구름응결핵, 구름상 및 비상의 수 농도)와 혼합비(즉, 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비)를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용한다(S230). 핵화 과정은 포화혼합비, 구름상과 구름 응결핵의 수 농도에 의해 계산된다. 따라서 핵화 과정은 지표강수에 직접적으로 영향을 미치진 않으나, 핵화 과정에 의해 구름상의 수 농도와 혼합비, 구름 응결핵의 수 농도가 달라지므로, 다른 대기수상(비상, 눈상, 싸라기상)의 혼합비에 영향을 미쳐 간접적으로 지표강수에 영향을 미치게 된다. 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정을 계산한 결과는 다음 반복에서 침강 과정 계산에 반영되어 지표 강수를 갱신하게 된다(S210). 지표 강수 갱신과 함께, 제1 미세물리 과정 및 제2 미세물리 과정은 온도 변수를 변화시킨다.Once the microphysical processes have been calculated, the water concentrations obtained from these processes (ie, cloud condensation, cloud and emergency water concentrations) and the mixing ratio (ie, the mixture of fire, snow, ice, emergency, and cloud) are cloud clogged. It applies to the nucleation process and the condensation process on the cloud by (S230). The nucleation process is calculated by the saturation mix ratio and the number concentration of cloud cover and cloud coagulation. Therefore, the nucleation process does not directly affect the surface precipitation, but the nucleation process affects the mixing ratio of other atmospheric water phases (emergency, snow, and sarcoid phases) because the water concentration, mixing ratio, and cloud condensation nuclei vary. This indirectly affects surface precipitation. The result of calculating the nucleation process of cloud coagulation and cloud coagulation is reflected in the settlement process calculation in the next iteration to update the surface precipitation (S210). Along with the surface precipitation update, the first microphysics process and the second microphysics process change the temperature variable.
상술한 과정들은 반복하여 실행될 수 있으므로, 프로그램 설계자가 설정한 특정 조건이나 적분 연산과 관련된 제한 조건이 있는지 검사하여 반복 여부를 결정한다(S240). 반복이 필요하지 않은 경우에는 모든 절차를 종료한다.Since the above-described processes can be executed repeatedly, the program designer determines whether there is a repetition by checking whether there is a specific condition set by the program designer or a restriction condition related to the integral operation (S240). If no repetition is required, terminate all procedures.
도 3은 도 2에 사용되는 구름 미세물리 과정의 예를 도시한 것이다.3 illustrates an example of a cloud microphysics process used in FIG. 2.
도 3에 도시된 이중 모멘트 방안의 구름 미세물리 과정은 대기수상의 크기분포에 유연성을 부여함으로써 평균 대기수상의 직경이 시간에 따라 변화 가능하게 한다. 따라서 이중 모멘트 방안의 구름 미세물리 과정은 대규모뿐만 아니라 중규모 체계의 수치모델링 모의 능력을 향상시킬 수 있는 방안이다. 또한 이중 모멘트 방안은 명시적으로 구름응결핵을 구름 미세물리 과정에 포함시킨다.The cloud microphysics process of the dual moment scheme shown in FIG. 3 provides flexibility to the size distribution of the atmospheric water phase, thereby allowing the average atmospheric water diameter to change over time. Therefore, the cloud microphysics process of the double moment scheme can improve the numerical modeling capability of large-scale as well as medium-scale systems. The dual moment approach also explicitly involves cloud coagulation in the cloud microphysics process.
먼저, 비상의 수 농도와 질량을 고려한 침강 과정, 싸라기상과 눈상의 침강과정을 싸라기/눈상의 녹는 과정과 함께 계산한다. 이때, 각 대기수상 침강속도가 너무 빠른 경우 이러한 침강의 과정을 반복한다. 이 후에 아이스 상에 대한 침강과정을 계산한다. 이를 통해, 지표에 도달하는 눈상, 싸라기상, 아이스상, 비상의 합으로 지표 강수를 산출해낸다. First, the sedimentation process, taking into account the emergency water concentration and mass, and the sedimentation process of the frost phase and the snow phase, are calculated along with the frost / melting process. At this time, if the atmospheric sedimentation rate is too fast, this process of sedimentation is repeated. After this, the sedimentation process for the ice phase is calculated. Through this, the surface precipitation is calculated from the sum of snow, fire, ice, and emergency.
도 3에서, Δt는 전체 수치예보 모델 적분시간 간격, Δtcld_max는 구름 미세물리 과정의 적분시간 간격(예를 들어, 120초), Nstep은 전체과정 반복횟수, Nsed는 침강과정 반복횟수, VN은 대기수상 수 농도 가중연직 침강속도, Vq는 대기수상 혼합비 가중연직 침강속도, Δtcld는 구름 미세물리 과정의 적분시간 간격, Δz는 기상모델의 연직 층간 간격을 의미한다. 또한, NR(또는 Nr)은 비상의 수 농도, Nccn은 구름응결핵의 수 농도, Nc는 구름상의 수 농도를 의미한다. 또한, qv는 수증기의 혼합비, qc는 구름상의 혼합비, qi는 아이스상의 혼합비, qr은 비상의 혼합비, qs는 눈상의 혼합비, qg는 싸라기상의 혼합비를 의미한다.In Figure 3, Δt is the total numerical forecast model integration time interval, Δt cld_max is the integration time interval of the cloud microphysical process (for example 120 seconds), N step is the total number of iterations of the process, N sed is the number of iterations of the settling process, V N is the atmospheric water concentration weighted vertical sedimentation rate, V q is the atmospheric water mixing ratio weighted vertical sedimentation rate, Δt cld is the integration time interval of the cloud microphysical process, and Δz is the vertical interlayer spacing of the weather model. In addition, N R (or Nr) means emergency water concentration, Nccn means cloud concentration of cloud coagulation, and Nc means cloud concentration of cloud. In addition, q v is a mixing ratio of water vapor, q c is a mixing ratio of a cloud phase, q i is a mixing ratio of an ice phase, q r is an emergency mixing ratio, q s is a mixing ratio of a snow, and q g is a mixing ratio of a wrap phase.
여기서, V*Δtcld/Δz가 1보다 크면, 침강과정을 반복하도록 프로그램 코드가 짜여질 수 있다. 또한, Δt가 Δtcld_max보다 크면, 전체과정을 반복하도록 프로그램 코드가 짜여질 수 있다.Here, if V * Δt cld / Δz is greater than 1, the program code may be written to repeat the settling process. Also, if Δt is greater than Δt cld_max , the program code may be written to repeat the whole process.
다음으로 구름응결핵, 구름상, 비상의 수 농도와 함께, 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 미세구름물리학을 기반으로 하여 대기수상간 발생하는 응결, 부착, 충돌 및 병합 등의 물리과정을 포함하여 예단한다. Next, the mixing ratio of cloud condensation tuberculosis, cloud phase, and emergencies, together with the concentration ratios of fire phase, snow phase, ice phase, emergency phase and cloud phase, based on microcloud physics, Make predictions, including physics.
모든 구름 미세물리 과정의 발생 후에 각 대기수상의 혼합비 및 수 농도의 값을 갱신하며, 이와 함께 증발, 응결, 침착, 및 승화의 구름 미세물리 과정에 의해 변화된 온도의 값을 갱신하여 준다. After the occurrence of all cloud microphysical processes, the values of the mixing ratio and the water concentration of each atmospheric water phase are updated, and the values of the temperature changed by the cloud microphysical processes of evaporation, condensation, deposition, and sublimation are updated.
마지막으로 구름응결핵에 의한 핵화과정과 구름상의 응결과정을 계산하고 모형 내의 구름물리 강수과정을 제외한 여타의 물리과정을 계산하게 된다. 모델 적분 시간간격이 일정값(예를 들어, 240초) 보다 큰 경우에 전체과정을 반복한다. Finally, the nucleation process of cloud coagulation tuberculosis and cloud response results are calculated and other physical processes except cloud physics precipitation process in the model are calculated. If the model integration time interval is greater than a certain value (eg 240 seconds), repeat the whole process.
도 4a 내지 4c는 도 3에 사용되는 대기 수상간의 제1 미세물리 과정의 예를 도시한 것이다.4A-4C illustrate an example of a first microphysical process between atmospheric water phases used in FIG. 3.
도 4a에 표시된 파라미터들은 각종 생성률을 의미한다. 구체적으로, Ncact는 구름응결핵 활성화에 의한 수 농도 생성률, Nccol는 구름상의 자가 포착에 의한 수 농도 생성률, Ncevp는 구름상 증발에 의한 수 농도 생성률, Ngacr는 싸라기상에 의한 비상 결착에 의한 수 농도 생성률, Ngacw는 싸라기상에 의한 구름상 결착에 의한 수 농도 생성률, Ngeml는 싸라기상에 의해 강화된 녹음에 의한 수 농도 생성률, Ngfrz는 비상에서 싸라기 상으로 어는 과정에 의한 수 농도 생성률, Ngmlt는 싸라기상의 녹음에 의한 수 농도 생성률, Niacr는 아이스상에 의한 비상 결착에 의한 수 농도 생성률, Nihmf는 균질하게 어는 과정에 의한 수 농도 생성률, Nihtf는 비 균질하게 어는 과정에 의한 수 농도 생성률, Nimlt는 아이스상의 녹음에 의한 수 농도 생성률, Nracw는 비상에 의한 구름상 결착에 의한 수 농도 생성률, Nraut는 구름상에서 비상으로의 자가 전환에 의한 수 농도 생성률, Nrcol는 비상의 자가 포착에 의한 수 농도 생성률, Nrevp는 비상의 증발에 의한 수 농도 생성률, Nsacr는 눈상에 의한 비상 결착에 의한 수 농도 생성률, Nsacw는 눈상에 의한 구름상 결착에 의한 수 농도 생성률, Nseml는 눈상에 의해 강화된 녹음에 의한 수 농도 생성률, Nsmlt는 눈상의 녹음에 의한 수 농도 생성률을 의미한다.The parameters shown in FIG. 4A mean various generation rates. Specifically, Ncact is the production rate of water concentration by cloud coagulation tuberculosis activation, Nccol is the production rate of water concentration by cloud self-capture, Ncevp is the production rate of water concentration by cloud evaporation, and Ngacr is the production rate of water concentration by emergency binding , Ngacw is the rate of generation of water concentration by cloud binding by N.A.g.g., Ngeml is the rate of generation of water concentration by reinforcement of green..Ngfrz is the rate of generation of water concentration by freezing. Niacr is the rate of water concentration produced by emergency binding by ice phase, Nihmf is the rate of water concentration produced by homogeneous freezing process, Nihtf is the rate of water concentration produced by non-homogeneous freezing process, and Nimlt is Water concentration generation rate by greening, Nracw is the water concentration generation rate by cloud binding by emergency, Nraut is the rate from cloud to emergency Water concentration generation rate by self-conversion, Nrcol is water concentration generation rate by emergency self-capture, Nrevp is water concentration generation rate by emergency evaporation, Nsacr is water concentration generation rate by emergency binding by snow, Nsacw is cloud by snow Water concentration generation rate due to phase binding, Nseml means water concentration generation rate by recording enhanced by snow, and Nsmlt means water concentration production rate by recording of snow.
예를 들어, Nccol은 수학식 1로 표현이 되며, K1은 상수, 
도 4a에서 붉은색(푸른색)의 구름물리 과정은 온도가 영상(영하)인 경우에 활성화되는 과정이며, 검은색의 과정은 온도에 상관없이 활성화되는 과정이다. 도 4b는 온도 변수가 영상인 경우에 활성화되는 구름물리 과정을 도시한 것이고, 도 4c는 온도 변수가 영하인 경우에 활성화되는 구름물리 과정을 도시한 것이다.In FIG. 4A, the red (blue) cloud physics process is activated when the temperature is zero (zero), and the black process is activated regardless of the temperature. FIG. 4B illustrates a cloud physics process that is activated when the temperature variable is an image, and FIG. 4C illustrates a cloud physics process that is activated when the temperature variable is below zero.
이처럼, 본 발명의 실시 예들에 사용되는 구름 미세물리 과정은 온도 변수에 따라 대기 수상간의 상호작용이 달라지고, 이러한 상호작용의 결과 온도 변수 역시 달라지는 특징이 있다.As such, the cloud microphysics process used in the embodiments of the present invention is characterized in that the interaction between the atmospheric water phase varies according to the temperature variable, and the temperature variable as a result of the interaction also varies.
도 5는 도 3에 사용되는 대기 수상간의 제2 미세물리 과정의 예를 도시한 것이다.FIG. 5 illustrates an example of a second microphysical process between atmospheric water phases used in FIG. 3.
도 5에 표시된 파라미터들은 각종 혼합비 생성률을 의미한다. 구체적으로, Pcact는 구름응결핵 활성화에 의한 혼합비 생성률, Pcond는 구름상의 응결 및 증발에 의한 혼합비 생성률, Pgaci는 싸라기상에 의한 아이스상 결착에 의한 혼합비 생성률, Pgacr는 싸라기상에 의한 비상 결착에 의한 혼합비 생성률, Pgacs는 싸라기상에 의한 눈상 결착에 의한 혼합비 생성률, Pgacw는 싸라기상에 의한 구름상 결착에 의한 혼합비 생성률, Pgaut는 눈상에서 싸라기 상으로의 자가 전환에 의한 혼합비 생성률, Pgdep는 싸라기상의 침착 및 승화에 의한 혼합비 생성률, Pgeml는 싸라기상에 의해 강화된 녹음에 의한 혼합비 생성률, Pgevp는 녹는 싸라기상의 증발에 의한 혼합비 생성률, Pgfrz는 비상에서 싸라기 상으로 어는 과정에 의한 혼합비 생성률, Pgmlt는 싸라기상의 녹음에 의한 혼합비 생성률, Piacr는 아이스상에 의한 비상 결착에 의한 혼합비 생성률, Pidep는 아이스상의 침착 및 승화에 의한 혼합비 생성률, Pigen은 핵화과정에 의한 수증기상에서 아이스상으로의 혼합비 생성률, Pihmf는 균질하게 어는 과정에 의한 혼합비 생성률, Pihtf는 비 균질하게 어는 과정에 의한 혼합비 생성률, Pimlt는 아이스상의 녹음에 의한 혼합비 생성률, Praci는 비상에 의한 구름상 결착에 의한 혼합비 생성률, Pracs는 비상에 의한 눈상 결착에 의한 혼합비 생성률, Pracw는 비상에 의한 구름상 결착에 의한 혼합비 생성률, Praut는 구름상에서 비상으로의 자가 전환에 의한 혼합비 생성률, Prevp는 비상의 증발 및 응결에 의한 혼합비 생성률, Prevp_rc는 증발에 의해 비상에서 구름상으로 변환에 의한 혼합비 생성률, Psaci는 눈상에 의한 아이스상 결착에 의한 혼합비 생성률, Psacr는 눈상에 의한 비상 결착에 의한 혼합비 생성률, Psacw는 눈상에 의한 구름상 결착에 의한 혼합비 생성률, Psaut는 아이스상에서 눈상으로의 자가 전환에 의한 혼합비 생성률, Psdep는 눈상의 침착 및 승화에 의한 혼합비 생성률, Pseml는 눈상에 의해 강화된 녹음에 의한 혼합비 생성률, Psevp는 녹는 눈상의 증발에 의한 혼합비 생성률, Psmlt는 눈상의 녹음에 의한 혼합비 생성률을 의미한다. 도 5에서 붉은색(푸른색)의 구름물리 과정은 온도가 영상(영하)인 경우에 활성화되는 과정이며, 검은색의 과정은 온도에 상관없이 활성화되는 과정이다.The parameters shown in FIG. 5 mean various mixing ratio generation rates. Specifically, Pcact is the mixing ratio generation rate by cloud coagulation tube activation, Pcond is the mixing ratio generation rate by cloud condensation and evaporation, Pgaci is the mixing ratio generation rate by ice phase binding by Saragi phase, Pgacr is the mixing ratio by emergency binding by Saragi phase The production rate, Pgacs is the mixing ratio generation rate due to the snow phase binding by the plowing phase, Pgacw is the mixing ratio generation rate due to the cloud phase binding due to the plowing phase, Pgaut is the mixing ratio generation rate due to the self-conversion from the snow phase to the plowing phase, Pgdep is the deposition on the plowing phase and Mix ratio generation rate by sublimation, Pgeml is the mixing ratio generation rate by recording enhanced by Sasang phase, Pgevp is the mixing ratio generation rate by melting evaporation of melting phase, Pgfrz is the mixing ratio generation rate by freezing phase in emergency phase, Pgmlt is recording phase Mixing ratio by Piacr, the mixing ratio by emergency Formation ratio, Pidep is the mixing ratio of ice phase by deposition and sublimation, Pigen is the mixing ratio from steam to ice phase by nucleation process, Pihmf is mixing ratio by homogeneous freezing process, Pihtf is mixing ratio by nonhomogeneous freezing process Production rate, Pimlt is the mixing ratio generation by ice recording, Praci is the mixing ratio generation by cloud binding by emergency, Pracs is the mixing ratio production rate by snow binding by emergency, Pracw is mixing rate production by cloud binding by emergency, Praut is the mixing ratio generation rate by self-conversion from cloud to emergency, Prevp is the mixing ratio generation rate by evaporation and condensation of emergency, Prevp_rc is the mixing ratio generation rate by conversion from emergency to cloud phase by evaporation, and Psaci Proportion of mixing ratio by Psacr, Proportion of mixing ratio by emergency acw is the ratio of mixing ratio due to cloud formation by snow, Psaut is the ratio of mixing ratio by self-conversion from ice phase to snow, Psdep is the ratio of mixing ratio by deposition and sublimation of snow, Pseml is the ratio of mixing due to enhanced recording by snow The production rate, Psevp, is the mixing ratio generation rate due to evaporation of melting snow, and Psmlt is the mixing ratio generation rate due to melting of snow. In FIG. 5, the red (blue) cloud physics process is activated when the temperature is below zero (zero), and the black process is activated regardless of the temperature.
대기수상 수 농도의 침강과정(미세물리 과정의 일부)과 침강과정을 제외한 수농도의 미세물리 과정(제1 미세물리 과정)을 통해 대기수상의 수 농도가 예단되며, 대기수상 혼합비의 침강과정(미세물리 과정의 일부)과 침강과정을 제외한 혼합비의 미세물리 과정(제2 미세물리 과정)을 통해 대기수상의 혼합비가 예단된다. The water concentration in the atmospheric water is predicted through the sedimentation process (part of the microphysical process) and the microphysical process (the first microphysical process) except for the sedimentation process, and the sedimentation process of the atmospheric water mixture ratio ( The mixing ratio of the atmospheric water phase is predicted through the microphysical process (second microphysical process) of the mixing ratio excluding the microphysical process) and the sedimentation process.
지표강수는 지표에 도달하는 비, 눈, 싸라기상의 혼합비의 결과이지만, 제2 미세물리 과정의 생성률 파라미터(예를 들어, Pracw)는 예단된 수 농도(Nc, Nr)을 필요로 하므로, 대기수상 수 농도의 침강과정(미세물리 과정의 일부)과 제1 미세물리 과정이 필요하다.Surface precipitation is the result of mixing ratios of rain, snow, and entrainment to the surface, but the rate of production parameters of the second microphysical process (eg, Pracw) require the predicted water concentrations (Nc, Nr). A water concentration sedimentation process (part of the microphysical process) and the first microphysical process are required.
도 6은 본 발명의 일 실시 예에 따른 기상 예보 장치의 블록도이다.6 is a block diagram of a weather forecast apparatus according to an embodiment of the present invention.
침강 과정 프로세서(110)는 눈상과 싸라기상의 녹는 과정과 함께 비상, 싸라기상, 눈상의 침강 과정을 계산하여 지표 강수를 산출한다.The
미세물리 과정 프로세서(120)는 제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단한다. 또한, 미세물리 과정 프로세서(120)는 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단한다. The
제1 미세물리 과정과 제2 미세물리 과정에서 필요한 수 농도 생성률이나 혼합비 생성률은 침강 과정 프로세서(110)로부터 전달받을 수도 있지만, 미세물리 과정 프로세서(120)에 직접 각종 생성률 관련 파라미터가 입력되도록 할 수도 있다.Although the water concentration generation rate or the mixing ratio generation rate required in the first microphysics process and the second microphysics process may be received from the
핵화 응결 과정 프로세서(130)는 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용한다. 침강 과정 프로세서(110)는 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정의 결과에 따라 앞서 산출한 지표 강수를 갱신한다.The nucleation
예보 생성부(650)는 침강 과정 프로세서(110)에서 갱신된 지표 강수를 미리 입력된 지리적 데이터와 매칭시켜 지역적 기상 정보를 생성한다. The
디스플레이 장치(690)와 연결되는 경우, 지표 강수, 지역적 기상 정보 등을 화면에 표시할 수 있다.When connected to the display device 690, surface precipitation, regional weather information, and the like may be displayed on the screen.
본 발명은 소프트웨어를 통해 실행될 수 있다. 바람직하게는, 본 발명의 실시 예들에 따른 구름 미세물리 과정을 이용한 강수 예측 방법 및 기상 예보 방법을 컴퓨터에서 실행시키기 위한 프로그램을 컴퓨터로 읽을 수 있는 기록매체에 기록하여 제공할 수 있다. 소프트웨어로 실행될 때, 본 발명의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 프로세서 판독 가능 매체에 저장되거나 전송 매체 또는 통신망에서 반송파와 결합된 컴퓨터 데이터 신호에 의하여 전송될 수 있다.The invention can be implemented via software. Preferably, a program for executing the precipitation prediction method and the weather forecast method using a cloud microphysical process according to embodiments of the present invention on a computer may be provided by recording on a computer-readable recording medium. When implemented in software, the constituent means of the present invention are code segments that perform the necessary work. The program or code segments may be stored on a processor readable medium or transmitted by a computer data signal coupled with a carrier on a transmission medium or network.
컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는 ROM, RAM, CD-ROM, DVD±ROM, DVD-RAM, 자기 테이프, 플로피 디스크, 하드 디스크(hard disk), 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.Computer-readable recording media include all kinds of recording devices that store data that can be read by a computer system. Examples of the computer readable recording medium include ROM, RAM, CD-ROM, DVD 占 ROM, DVD-RAM, magnetic tape, floppy disk, hard disk, optical data storage, and the like. The computer readable recording medium can also be distributed over network coupled computer devices so that the computer readable code is stored and executed in a distributed fashion.
본 발명은 도면에 도시된 일 실시 예를 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시 예의 변형이 가능하다는 점을 이해할 것이다. 그리고, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.Although the present invention has been described with reference to one embodiment shown in the drawings, this is merely exemplary, and it will be understood by those skilled in the art that various modifications and variations may be made therefrom. And, such modifications should be considered to be within the technical protection scope of the present invention. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.
본 발명은 WRF 기상모델의 구름 미세물리 과정 중 산업화에 따른 에어로솔의 증가와 함께 미세 구름물리 과정 및 지표강수의 변화를 고찰할 수 있는 유일한 이중모멘트 방안에 관한 것으로, 강수를 포함한 기상/기후모델의 예측능력 향상에 기여할 수 있고, 수치예보 모델의 예측 능력향상과 함께 대기 질 모델의 초기 기상자료의 질을 향상 시킬 수 있으며, 이에 따라 대기오염물질 확산에 대한 모의능력을 향상시킬 수 있으며, 나아가 본 개발방안은 대기환경 예측 시스템 및 기후변화 영향 평가에 직접적으로 활용될 수 있다. The present invention relates to the only double-moment method that can consider changes in microcloud physics process and surface precipitation along with the increase of aerosol due to industrialization of cloud microphysics process of WRF weather model. It can contribute to the improvement of forecasting ability, improve the forecasting capability of numerical forecasting model, and improve the quality of initial meteorological data of air quality model, thus improving the simulation ability of air pollutant diffusion. Development measures can be used directly in the air quality forecasting system and climate change impact assessment.
Claims (12)
제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단하는 단계;
제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단하는 단계; 및
상기 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용하는 단계
를 포함하는, 구름 미세물리 과정을 이용한 강수 예측 방법.Calculating surface precipitation by calculating the process of settling the emergency, fire and snow phases together with the melting process of snow and fire phases;
Calculating a first microphysical process to predict the water concentrations of cloud coagulopathy, cloud cloud and emergency;
Calculating a second microphysical process to predict the mixing ratio of the laver, snow, ice, emergency and cloud phases; And
Applying the mixed concentrations of cloud coagulation tuberculosis, cloud phase and emergency, and the mixing ratio of the fire phase, snow phase, ice phase, emergency and cloud phase to the nucleation process of cloud coagulation and cloud formation
Precipitation prediction method using a cloud microphysics process, including.
상기 제1 미세물리 과정은
구름응결핵, 구름상, 비상, 싸라기상, 눈상 및 아이스상 사이의 응결, 부착, 충돌 및 병합의 물리 과정을 모의실험하는 과정인 것을 특징으로 하는, 구름 미세물리 과정을 이용한 강수 예측 방법.The method of claim 1,
The first microphysics process
A method for predicting precipitation using cloud microphysics, characterized by simulating the physical processes of condensation, adhesion, collision, and merging between cloud condensation tuberculosis, cloud phase, emergence, fire phase, snow phase and ice phase.
상기 제1 미세물리 과정은
구름응결핵의 활성화에 의한 수 농도 생성률 및 구름상 증발에 의한 수 농도 생성률을 고려하는 미세물리 과정인 것을 특징으로 하는, 구름 미세물리 과정을 이용한 강수 예측 방법.The method of claim 1,
The first microphysics process
Precipitation prediction method using the cloud microphysical process, characterized in that the microphysical process taking into account the rate of water concentration generated by the activation of cloud coagulation tuberculosis and the rate of generation of water concentration by cloud evaporation.
상기 구름응결핵, 구름상 및 비상의 수 농도를 예단하는 단계는
에어로솔의 수 농도를 반영하여 상기 구름응결핵의 수 농도를 계산하는 단계를 포함하는 것을 특징으로 하는, 구름 미세물리 과정을 이용한 강수 예측 방법.The method of claim 1,
Predicting the number of cloud coagulopathy, cloud cloud and emergency water concentration
Comprising a step of calculating the water concentration of the cloud clogged tuberculosis reflecting the water concentration of aerosol, Precipitation precipitation method using the cloud microphysical process.
상기 제2 미세물리 과정은
구름상, 비상, 싸라기상, 눈상 및 아이스상 사이의 응결, 부착, 충돌 및 병합의 물리 과정을 모의실험하는 과정인 것을 특징으로 하는, 구름 미세물리 과정을 이용한 강수 예측 방법.The method of claim 1,
The second microphysics process
Precipitation prediction method using a cloud microphysical process, characterized in that the process of simulating the physical processes of condensation, adhesion, collision and merging between the cloud phase, emergency, fire phase, snow phase and ice phase.
상기 제1 미세물리 과정 및 상기 제2 미세물리 과정을 계산하면서 변화된 온도값을 반영하여, 눈상과 싸라기상의 녹는 과정과 함께 비상, 싸라기상, 눈상의 침강 과정을 다시 계산하여 상기 지표 강수를 갱신하는 단계를 포함하는 것을 특징으로 하는, 구름 미세물리 과정을 이용한 강수 예측 방법.The method of claim 1,
Reflecting the changed temperature value while calculating the first microphysical process and the second microphysical process, and recalculate the sedimentary processes of emergency, sarcoma, and snow along with melting of snow and fire phases to update the surface precipitation. Precipitation prediction method using a cloud microphysical process, characterized in that it comprises a step.
상기 지표 강수는
싸라기상, 눈상, 아이스상 및 비상의 혼합비의 합인 것을 특징으로 하는, 구름 미세물리 과정을 이용한 강수 예측 방법.The method of claim 1,
The surface precipitation is
Precipitation prediction method using a cloud microphysical process, characterized in that the sum of the mixing ratio of the Saragi phase, snow image, ice phase and emergency.
제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단하는 단계;
제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단하는 단계;
상기 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용하는 단계; 및
상기 핵화 과정과 상기 응결 과정의 결과에 기반하여 상기 지표 강수를 갱신하고, 갱신된 지표 강수를 미리 입력된 지리적 데이터와 매칭시키는 단계
를 포함하는, 기상 예보 방법.Calculating surface precipitation by calculating the process of settling the emergency, fire and snow phases together with the melting process of snow and fire phases;
Calculating a first microphysical process to predict the water concentrations of cloud coagulopathy, cloud cloud and emergency;
Calculating a second microphysical process to predict the mixing ratio of the laver, snow, ice, emergency and cloud phases;
Applying the mixed concentrations of cloud coagulation tuberculosis, cloud phase and emergency, and the mixing ratios of the fire phase, snow phase, ice phase, emergency and cloud phase to the nucleation process of cloud coagulation and cloud formation; And
Updating the surface precipitation based on the results of the nucleation process and the condensation process, and matching the updated surface precipitation with previously input geographic data
Including, weather forecast method.
상기 제1 미세물리 과정은
구름응결핵의 활성화에 의한 수 농도 생성률 및 구름상 증발에 의한 수 농도 생성률을 고려하는 미세물리 과정인 것을 특징으로 하는, 기상 예보 방법.The method of claim 8,
The first microphysics process
A weather forecasting method, characterized in that it is a microphysical process taking into account the rate of generation of water concentration by activation of cloud coagulation tuberculosis and the rate of generation of water concentration by cloud evaporation.
제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단하고, 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단하는 미세물리 과정 프로세서; 및
상기 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용하는 핵화 응결 과정 프로세서
를 포함하는, 구름 미세물리 과정을 이용한 강수 예측 장치.A sedimentation process processor for calculating surface precipitation by calculating sedimentary processes of emergency, fire and snow phases together with melting of snow and fire phases;
A microphysical process processor for calculating the first microphysical process to predict cloud water condensation tuberculosis, cloud and emergency water concentrations, and a second microphysical process to calculate the mixed ratios of lather, snow, ice, emergency and cloud phases. ; And
Nucleation condensation process processor which applies the mixing ratios of the cloud condensation tuberculosis, cloud phase and emergency number, and the mixing ratio of the fire phase, snow image, ice phase, emergency and cloud phase to the nucleation process of cloud coagulation and cloud formation
Precipitation apparatus using a cloud microphysics process, including.
제1 미세물리 과정을 계산하여 구름응결핵, 구름상 및 비상의 수 농도를 예단하고, 제2 미세물리 과정을 계산하여 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 예단하는 미세물리 과정 프로세서;
상기 구름응결핵, 구름상 및 비상의 수 농도, 상기 싸라기상, 눈상, 아이스상, 비상 및 구름상의 혼합비를 구름응결핵에 의한 핵화 과정과 구름상의 응결 과정에 적용하는 핵화 응결 과정 프로세서; 및
상기 지표 강수를 미리 입력된 지리적 데이터와 매칭시키는 예보 생성부
를 포함하는, 기상 예보 장치.A sedimentation process processor for calculating surface precipitation by calculating sedimentary processes of emergency, fire and snow phases together with melting of snow and fire phases;
A microphysical process processor for calculating the first microphysical process to predict cloud water condensation tuberculosis, cloud and emergency water concentrations, and a second microphysical process to calculate the mixed ratios of lather, snow, ice, emergency and cloud phases. ;
A nucleation condensation process processor for applying the mixing ratios of the cloud condensation tuberculosis, cloud phase, and emergency number, and the mixing ratio of the fire phase, snow image, ice phase, emergency and cloud phase to the nucleation process of cloud coagulation and cloud formation; And
Forecast generation unit matching the indicator precipitation with the pre-entered geographic data
A weather forecast device comprising a.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100002894A KR20110082946A (en) | 2010-01-12 | 2010-01-12 | Apparatus and method for estimating precipitation with cloud microphysics scheme, apparatus and method for weather forecasting, and recording medium thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100002894A KR20110082946A (en) | 2010-01-12 | 2010-01-12 | Apparatus and method for estimating precipitation with cloud microphysics scheme, apparatus and method for weather forecasting, and recording medium thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20110082946A true KR20110082946A (en) | 2011-07-20 |
Family
ID=44920769
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100002894A KR20110082946A (en) | 2010-01-12 | 2010-01-12 | Apparatus and method for estimating precipitation with cloud microphysics scheme, apparatus and method for weather forecasting, and recording medium thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20110082946A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104155705A (en) * | 2014-08-13 | 2014-11-19 | 中国人民解放军理工大学 | Method of using foundation infrared cloud measurement instrument to measure precipitable water vapor (PWV) indirectly |
| KR101504100B1 (en) * | 2013-11-26 | 2015-03-19 | 재단법인 한국형수치예보모델개발사업단 | Physics parameterization package construction method of numerical weather prediction model using cubed-sphere horizontal grid system based on lorenz vertical discretization method and hardware device implementing the same |
| KR20220040081A (en) * | 2020-09-23 | 2022-03-30 | 경북대학교 산학협력단 | Meteorological prediction apparatus and method capable of adjusting the parameters of cloud microphysics, and recorded media recording program to perform the same |
| CN115859033A (en) * | 2022-12-22 | 2023-03-28 | 中国科学院大气物理研究所 | Weather forecasting method and device based on cloud micro physical process |
| CN117828992A (en) * | 2024-01-04 | 2024-04-05 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | Accurate prediction method and system for CCN number concentration with high space-time resolution |
| KR20240084033A (en) | 2022-12-06 | 2024-06-13 | 국립부경대학교 산학협력단 | Apparatus and method for analyzing seasonal climate characteristics in high latitude areas considering cloud microphysical parameterization |
-
2010
- 2010-01-12 KR KR1020100002894A patent/KR20110082946A/en not_active Application Discontinuation
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101504100B1 (en) * | 2013-11-26 | 2015-03-19 | 재단법인 한국형수치예보모델개발사업단 | Physics parameterization package construction method of numerical weather prediction model using cubed-sphere horizontal grid system based on lorenz vertical discretization method and hardware device implementing the same |
| CN104155705A (en) * | 2014-08-13 | 2014-11-19 | 中国人民解放军理工大学 | Method of using foundation infrared cloud measurement instrument to measure precipitable water vapor (PWV) indirectly |
| CN104155705B (en) * | 2014-08-13 | 2016-05-25 | 中国人民解放军理工大学 | A kind of method of utilizing ground infrared cloud detection instrument indirectly to measure Atmospheric Precipitable Water |
| KR20220040081A (en) * | 2020-09-23 | 2022-03-30 | 경북대학교 산학협력단 | Meteorological prediction apparatus and method capable of adjusting the parameters of cloud microphysics, and recorded media recording program to perform the same |
| KR20240084033A (en) | 2022-12-06 | 2024-06-13 | 국립부경대학교 산학협력단 | Apparatus and method for analyzing seasonal climate characteristics in high latitude areas considering cloud microphysical parameterization |
| CN115859033A (en) * | 2022-12-22 | 2023-03-28 | 中国科学院大气物理研究所 | Weather forecasting method and device based on cloud micro physical process |
| CN115859033B (en) * | 2022-12-22 | 2024-04-19 | 中国科学院大气物理研究所 | Weather forecast method and device based on cloud micro-physical process |
| CN117828992A (en) * | 2024-01-04 | 2024-04-05 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | Accurate prediction method and system for CCN number concentration with high space-time resolution |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Davis et al. | Does increased horizontal resolution improve hurricane wind forecasts? | |
| Goger et al. | The impact of three-dimensional effects on the simulation of turbulence kinetic energy in a major alpine valley | |
| Zadra et al. | The next Canadian regional climate model | |
| Bao et al. | Impact of physics representations in the HWRFX on simulated hurricane structure and pressure–wind relationships | |
| Tudor et al. | Forecasting weather in Croatia using ALADIN numerical weather prediction model | |
| Wilson et al. | An assessment of the seasonal salinity budget for the upper Bay of Bengal | |
| KR20110082946A (en) | Apparatus and method for estimating precipitation with cloud microphysics scheme, apparatus and method for weather forecasting, and recording medium thereof | |
| Davolio et al. | Effects of increasing horizontal resolution in a convection-permitting model on flood forecasting: The 2011 dramatic events in Liguria, Italy | |
| Nakano et al. | Global 7 km mesh nonhydrostatic Model Intercomparison Project for improving TYphoon forecast (TYMIP-G7): experimental design and preliminary results | |
| Teixeira et al. | Surface to boundary layer coupling in the urban area of Lisbon comparing different urban canopy models in WRF | |
| He et al. | Ensemble rainfall forecasting with numerical weather prediction and radar‐based nowcasting models | |
| Squitieri et al. | On the forecast sensitivity of MCS cold pools and related features to horizontal grid spacing in convection-allowing WRF simulations | |
| Dasari et al. | Numerical modelling of heavy rainfall event over Madeira Island in Portugal: sensitivity to different micro physical processes | |
| Yang et al. | Effect of data assimilation using WRF‐3DVAR for heavy rain prediction on the northeastern edge of the Tibetan Plateau | |
| Spiridonov et al. | Prediction of extreme convective rainfall intensities using a free-running 3-D sub-km-scale cloud model initialized from WRF km-scale NWP forecasts | |
| Mantegna et al. | Simulating sub-daily intensity-frequency-duration curves in Australia using a dynamical high-resolution regional climate model | |
| Abraham et al. | A prototype stochastic parameterization of regime behaviour in the stably stratified atmospheric boundary layer | |
| Fo et al. | Mesoscale precipitation fields. Part II: Hydrometeorologic modeling | |
| Lee et al. | Improving wind predictions in the marine atmospheric boundary layer through parameter estimation in a single-column model | |
| Wilczak et al. | Analysis of regional meteorology and surface ozone during the TexAQS II field program and an evaluation of the NMM‐CMAQ and WRF‐Chem air quality models | |
| Wang et al. | An evaluation of a diagnostic wind model (CALMET) | |
| CN112132341A (en) | Flood risk prediction method based on rainstorm process | |
| Hacker et al. | Ensemble experiments on numerical weather prediction error and uncertainty for a North Pacific forecast failure | |
| Pakhirehzan | Analysis of Ashobaa tropical cyclone-induced waves in the Northern Indian Ocean using coupled atmosphere–wave modeling | |
| Smith et al. | Day-ahead predictability of complex terrain flows for wind resource production: A case study of the Washoe Zephyr |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |