KR20120035127A - 기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법 - Google Patents

기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법 Download PDF

Info

Publication number
KR20120035127A
KR20120035127A KR1020110100680A KR20110100680A KR20120035127A KR 20120035127 A KR20120035127 A KR 20120035127A KR 1020110100680 A KR1020110100680 A KR 1020110100680A KR 20110100680 A KR20110100680 A KR 20110100680A KR 20120035127 A KR20120035127 A KR 20120035127A
Authority
KR
South Korea
Prior art keywords
pressure
meteorological
atmospheric pressure
barometric
air pressure
Prior art date
Application number
KR1020110100680A
Other languages
English (en)
Inventor
마사노부 후지사키
Original Assignee
세이코 엡슨 가부시키가이샤
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 세이코 엡슨 가부시키가이샤 filed Critical 세이코 엡슨 가부시키가이샤
Publication of KR20120035127A publication Critical patent/KR20120035127A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Measuring Fluid Pressure (AREA)

Abstract

[과제] 국지적인 기상 요란의 존재를 파악하는 것에 의해, 이것에 기인하는 기상 변동의 예측을 적확하게 실시하기 위한 정보를 제공하는 기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법을 제공하는 것이다.
[해결 수단] 기상 변동 예측 정보 제공 시스템(1)은 국소적인 특정 지역의 서로 다른 위치에 배치된 적어도 3개의 기압 계측 장치(2)와 기압 계측 장치의 각각이 계측한 기압 데이터를 처리하는 데이터 처리 장치(4)를 포함한다. 데이터 처리 장치는 기압 계측 장치의 각각이 계측한 기압 데이터를 계속하여 취득하는 기압 데이터 취득부(32)와, 일직선 상에 없는 3개의 위치에 배치된 3개의 기압 계측 장치로부터 취득한 기압 데이터에 기초하여 특정 지역에 있어서 소여의 위치 중 2개 방향의 기압 경도를 요소로서 포함하는 2차원의 기압 경도 벡터를 산출하는 기압 경도 산출부(34)와, 기압 경도 벡터에 기초하여 특정 지역에 있어서 소여의 기상 변동을 예측하기 위한 정보를 생성하는 기상 변동 예측 정보 생성부(36)를 포함한다.

Description

기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법{WEATHER VARIATION FORECAST INFORMATION PROVIDING SYSTEM AND WEATHER VARIATION FORECAST INFORMATION PROVIDING METHOD}
본 발명은 국지적인 기상 변동에 관해 정밀도가 높은 예측을 위한 정보를 제공하는 기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법에 관한 것이다.
현재 민간 기상 회사가 행하는 기상 정보 시스템 서비스는 기상청이 작성하는 수치 예보 모델의 결과나 아메다스(AMeDAS：Automated Meteorological Data Acquisition System) 등의 광역적 전국 데이터를 준용하여, 이들을 컴퓨터 상에서 화상 표시시킨 것이다. 즉, 기상청의 슈퍼 컴퓨터에 의해 작성되는 수치 예보 모델을 주체로 한 격자점값 데이터(Grid Point Value. 이하, GPV 데이터라고 함)가 예보의 주류로 되어 있다. 이 GPV 데이터는 일본 열도뿐만 아니라 일본을 둘러싸는 연안 해역을 포함하는 넓은 범위를 커버하는 것이기 때문에, 반대로 이와 같은 광범위한 데이터로부터는 좁은 범위의 국지적 기상의 예측을 하는 것이 어렵다. 왜냐하면 GPV 데이터의 가장 작은 격자이더라도 한 변이 30km 단위인 광범위한 것(예를 들어 도쿄로 말하면, 도쿄-가와사키의 사이가 들어가 버리는 넓이)이며, 예를 들어 하네다 비행장, 요요기 공원이라고 하는 국지의 기상은 이 모델로 잡히지 않아서 해석 불가능하기 때문이다. 그래서 수치 예보 모델 결과로부터 각 유저의 국지 예보를 작성하는 경우에는, 예보 작성할 때마다, 기상 기술자가 컴퓨터 상의 테크닉으로 더욱 세분화하고 또한 지형적인 수정 데이터를 더해 광역적 모델 결과로부터 협의(狹義)의 국지 예보로 대기 현상을 번역하도록 하고 있었다. 그러나 이와 같이 번역해도, 원래 이 GPV 데이터에는 국지적 데이터가 포함되지 않기 때문에 정확한 것이 될 수 없다.
그런데 적운이나 적란운은 통상 강한 상승 기류에 의해 형성된다고 하는 것이 알려져 있지만, 감쇠기에 들어가면 강수 입자가 지상의 공기에 마찰 효과를 미치는 것에 의해 하강 기류가 발생한다. 이 하강 기류 중에서, 지상에 재해를 일으킬 만큼 극단적으로 강한 것을 다운 버스트라고 한다. 다운 버스트는 여러 가지(때때로 심각한) 피해를 미치는 일이 많고, 특히 항공기에 있어서는 심각하고 가장 주목해야 할 기상 현상이다. 또한, 하강 기류의 풍속은 통상으로도 「강한 태풍」또는 F1의 토네이도 같은 수준의 순간 풍속 30(m／s) 정도가 관측되고, 드물게 그 배 이상의 풍속에 도달한다.
다운 버스트는 지상 부근에 내린 후, 지면에 부딪쳐 수평 방향으로 퍼진다. 그 퍼짐이 약 4km 미만의 비교적 소형인 다운 버스트는 마이크로 버스트, 퍼짐이 4km 이상의 대형인 다운 버스트를 매크로 버스트라고 부르고 있다. 보통, 매크로 버스트보다 마이크로 버스트가 풍속이 빠르고 강하다.
또, 도플러 레이더(doppler radar)의 관측에 있어서는 레이더에 대해 멀어지는 방향과 가까워지는 방향인 2개 방향의 풍속의 차(수평류의 풍속차에 해당함)가 10(m／s) 이상인 것을 다운 버스트로 하고 있다. 단, 풍속차의 범위가 너무 큰 것은 레이더에서의 판별이 어렵기 때문에, 주로 풍속차의 범위가 4km 미만인 마이크로 버스트를 대상으로 하고 있다.
이착륙을 행하고 있는 항공기에 있어서, 이 다운 버스트는 추락으로 직결되는 현상이다. 이것은 특히 실속(失速) 속도에 가까운 속도로 나는, 기체 자세가 불안정한 착륙 시에 강한 하강류에 의해 지면에 기체가 밀리기 때문이다. 또 다운 버스트와 동시에 일어나는 현상으로서 윈드시어(Windshear)가 있다. 이것은 다운 버스트 중심으로부터 하강류가 지면으로 내뿜어지지만, 이 하강류는 지면에 굴절되어 난기류가 되어서 다운 버스트 중심으로부터 방사 형상으로 풍향이 바뀐다. 요컨대 저고도에서 급격하게 풍향이 바뀌는 것이다.
예를 들어 착륙 진입 시에 활주로 앞에서 다운 버스트가 발생하고 있었다고 하면, 처음에는 강한 역풍이 불기 때문에 기체가 떠오른다. 이것에 대해서 엔진 출력을 줄이는 등 파일럿은 착륙 진입을 계속하지만, 다운 버스트(마이크로 버스트) 중심 부근을 통과하면 일거에 기체가 지면을 향해 밀린 후에, 이번에는 기체에 대해 강렬한 순풍이 분다. 이 때문에 엔진 출력을 늘려서 대기 속도(air speed)를 올릴 필요를 느끼지만, 민간기용의 제트 엔진은 피스톤식 엔진과 달리 파일럿의 조작으로부터 출력 상승까지 몇 초의 타임 래그(time lag)가 있다. 따라서 착륙 시는 원래 실속 속도까지의 여유가 적기 때문에, 눈 깜짝할 순간에 실속에 빠져 버려서 저고도 때문에 회복할 여유도 없어 추락해 버리는 일이 있다. 추락까지는 아니어도, 거의 추락에 가까운 충격을 수반한 착륙이 된다.
이와 같은 사고가 1970년대에서부터 80년대에 특히 민간 항공기의 취항 편수가 많은 아메리카 합중국에서 다발했다. 이 때문에, 근래에는 공항에 기상용 도플러 레이더를 설치하고, 그 발생을 검지ㆍ예측하고, 추락 사고의 방지를 행하는 연구가 진행되고 있다. 또, 항공기측에서도 윈드시어에 대한 대책은 진행되고 있고, A320 등에서는 윈드시어를 감지한 경우, 경고를 발함과 아울러 자동적으로 복행(go-around)에 들어가서 회피하는 프로그램이 작동하도록 되어 있다.
특허 문헌 1에는 「뉴럴 네트워크(neural network)를 이용하여 과거의 기상 현상 데이터를 그 주위 환경의 변화에 맞추어 다수 학습시키고, 그 학습 결과에서 산출한 「문턱값」 및 「시냅스 결합 계수」를 가지고, 국지적으로 특정한 지점에서의 기상을 예측하는 국지적 기상 예측 방법」이 제안되어 있다.
이에 의해 기상청의 수치 예보 모델에 집착하는 일 없이, 독자적인 기상 네트워크에서 국지로 한정한 정밀도가 높은 예측을 작성할 수 있다.
특허 문헌 2에는 「저기압의 이동 벡터를 이용하여 기상 예측 결과를 선정하는 방법로서, 저기압의 이동 벡터와, 어떤 시점에 있어서 기상 데이터 기초하여 산출된 복수의 기상 예측 결과에 의한 복수의 예측 이동 벡터를 비교하는 단계와, 상기 이동 벡터와의 차가 가장 작은 예측 이동 벡터에 대응하는 기상 예측 결과를 선정하고, 당해 기상 예측 결과에 대한 데이터를 기억 장치에 격납하는 예측 결과 선정 단계를 포함하는 기상 예측 결과 선정 방법」이 제안되어 있다.
이에 의해, 기상 예측을 적절히 보정하여 기상 예측의 정밀도를 향상시키기 위한 신규 기술을 제공할 수 있다.
[선행 기술 문헌]
[특허 문헌]
[특허 문헌 1] 일본 특개평 09－049884호 공보
[특허 문헌 2] 일본 특허 제 3904420호 공보
그렇지만 특허 문헌 1의 수법은 예를 들어, 하네다에서 관측한 풍향ㆍ풍속ㆍ기압의 현재 실측값과 하네다를 중심으로 동서남북의 4개 관측 지점인 쵸시ㆍ고젠사키ㆍ하치죠치마ㆍ아키타 기압의 현재 실측값을 이용하여 하네다의 국지적인 기상을 예측하는 것이지만, 파악하고 싶은 기상 현상의 사이즈가 수km 인데 반해 관측 지점 사이의 거리가 너무 크다. 이 때문에, 국지적인 기상 변동의 원인이 되는 현상을 파악하지 못하여, 원리 상 기상 변동을 적확(的確)하게 예측할 수 없다.
또, 특허 문헌 2의 수법에서 말하는 저기압은 적외선 사진으로서 일기도 상에 나타나는 저기압의 것이며, 국지적으로 발달하는 적운이나 적란운에 의한 작은 저기압을 파악할 수 없다. 즉, 적외선 사진으로부터 얻어지는 저기압에 관한 정보는 그 사이즈적 분해능이 충분하지 않고, 또 얻어지는 정보의 실시간성이 부족하다.
본 발명은 이상과 같은 문제점을 감안하여 이루어진 것이며, 본 발명의 몇개 양태에 의하면, 국지적인 기상 요란(擾亂)의 존재를 파악하는 것에 의해, 이것에 기인하는 기상 변동의 예측을 적확하게 행하기 위한 정보를 제공하는 기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법을 제공할 수 있다.
(1) 본 발명은, 국소적인 특정 지역에 있어서 기압의 변화에 기인하여 발생하는 소여(所與)의 기상 변동을 예측하기 위한 정보를 제공하는 기상 변동 예측 정보 제공 시스템으로서, 상기 특정 지역의 서로 다른 위치에 배치된 적어도 3개의 기압 계측 장치와; 상기 기압 계측 장치의 각각이 계측한 기압 데이터를 처리하는 데이터 처리 장치를 포함하고, 상기 데이터 처리 장치는, 상기 기압 계측 장치의 각각이 계측한 기압 데이터를 계속하여 취득하는 기압 데이터 취득부와; 상기 기압 데이터 취득부가 일직선 상에 없는 3개의 위치에 배치된 3개의 상기 기압 계측 장치로부터 취득한 기압 데이터에 기초하여, 상기 특정 영역에 있어서 소여의 위치 중 2개 방향의 기압 경도(傾度)를 요소로서 포함하는 2차원의 기압 경도 벡터를 산출하는 기압 경도 산출부와; 상기 기압 경도 산출부가 산출한 상기 기압 경도 벡터에 기초하여, 상기 기상 변동을 예측하기 위한 정보를 생성하는 기상 변동 예측 정보 생성부를 포함하는 기상 변동 예측 정보 제공 시스템이다.
소여의 기상 변동은 기압의 변화에 기인하여 발생하는 기상 변동이며, 예를 들어, 국지적인 저기압의 발생에 기인하는 뇌우, 집중 호우, 토네이도, 다운 버스트 등의 기상 변동이어도 좋다.
뇌우, 집중 호우, 토네이도, 다운 버스트 등의 기상 변동은 적란운의 발생에 기인한다는 것이 알려져 있다. 이 적란운은 통상 강한 상승 기류에 의해 형성된다고 하는 것이 알려져 있지만, 상승 기류의 발생에 의해 그 지상 부근에서는 기압이 저하한다. 본 발명에 의하면, 2개 방향의 기압 경도를 측정함으로써, 기압 변화가 큰 위치의 방향을 특정할 수 있다. 따라서 급격한 기압의 변화를 가지고 오는 국지적인 기상 요란(다양한 강수 셀(cells)이나 작은 저기압 등)을 파악하고 이것에 기인하는 기상 변동의 예측을 적확하게 행하기 위한 정보를 제공할 수 있다.
(2) 이 기상 변동 예측 정보 제공 시스템에 있어서, 상기 기상 변동 예측 정보 생성부는 상기 기압 경도 산출부가 산출한 상기 기압 경도 벡터의 크기에 기초하여, 상기 기상 변동을 예측하기 위한 정보로서 당해 저기압 발생 유무의 정보를 생성하도록 해도 좋다.
저기압이 발생하기 전에는 기압차가 작지만, 저기압이 발생하면 주변의 기압차가 크기 때문에, 기압 경도 벡터의 크기를 감시하는 것에 의해, 저기압 발생의 순간을 포착할 수 있다.
(3) 이 기상 변동 예측 정보 제공 시스템에 있어서, 상기 기상 변동 예측 정보 생성부는 상기 기압 경도 산출부가 산출한 상기 기압 경도 벡터의 방향에 기초하여, 상기 기상 변동을 예측하기 위한 정보로서 상기 특정 지역에 있어서 저기압의 방향 정보를 생성하도록 해도 좋다.
기압 경도 벡터는 2개 방향의 기압 경도를 요소로서 포함하므로, 기압 경도 벡터의 방향에 의해, 지금 발생하고 있는 국지적인 작은 저기압(강수 셀)이 어느 방향에 위치하고 있는지를 특정할 수 있다.
(4) 이 기상 변동 예측 정보 제공 시스템에 있어서, 상기 기상 변동 예측 정보 생성부는 상기 기압 경도 산출부가 산출한 상기 기압 경도 벡터의 시간 변화에 기초하여, 상기 기상 변동을 예측하기 위한 정보로서 상기 특정 지역에 있어서 저기압의 이동 방향, 이동 속도, 이동 거리 및 이동 시간 중 적어도 하나의 정보를 생성하도록 해도 좋다.
기압 경도 벡터의 방향에 의해 저기압의 방향을 특정할 수 있으므로, 기압 경도 벡터의 시간 변화를 감시함으로써, 저기압의 움직임을 추적할 수 있다.
(5) 이 기상 변동 예측 정보 제공 시스템에 있어서, 상기 기압 경도 산출부는 상기 2차원의 기압 경도 벡터 대신에, 상기 기압 데이터 취득부가 일평면 상에 없는 4개의 위치에 배치된 4개의 상기 기압 계측 장치로부터 취득한 기압 데이터에 기초하여, 상기 소여의 위치 중 3개 방향의 기압 경도를 요소로서 포함하는 3차원의 기압 경도 벡터를 산출하도록 해도 좋다.
이와 같이 하면, 수평 방향뿐만 아니라 고도 방향의 기압 경도도 가미한 보다 상세 정보를 생성할 수 있다.
(6) 이 기상 변동 예측 정보 제공 시스템에 있어서, 상기 기압 경도 산출부는 일직선 상에 없는 3개의 위치에 배치된 상기 3개의 기압 계측 장치 또는 일평면 상에 없는 4개의 위치에 배치된 상기 4개의 기압 계측 장치를 1개 세트로 하고, 복수 세트의 각각에 대해서 상기 기압 경도 벡터를 산출하고, 상기 기상 변동 예측 정보 생성부는 상기 기압 경도 산출부가 산출한 복수의 상기 기압 경도 벡터에 기초하여, 상기 기상 변동을 예측하기 위한 정보를 생성하도록 해도 좋다.
이와 같이 하면, 세트마다 산출된 기압 경도 벡터의 방향에서 기압 변화가 큰 위치(예를 들어 저기압의 위치)를 특정할 수 있다.
(7) 이 기상 변동 예측 정보 제공 시스템에 있어서, 상기 기상 변동을 예측하기 위한 정보에 기초하여 소여의 판정 기준이 만족됐는지의 여부를 판정하고, 판정 결과에 기초하여 상기 기상 변동의 발생을 예측하는 기상 변동 예측부를 추가로 포함하도록 해도 좋다.
이와 같이 하면, 기상 변동의 예측을 자동화할 수 있다.
(8) 이 기상 변동 예측 정보 제공 시스템에 있어서, 상기 기압 계측 장치의 각각은 기압에 따라 공진 주파수를 변화시키는 감압(感壓) 소자를 가지고, 당해 감압 소자의 진동 주파수에 따른 기압 데이터를 출력하는 기압 센서를 포함하도록 해도 좋다.
일반적으로 기상 관측에 이용되는 기압계의 분해능은 hPa 단위인데 반해, 주파수 변화형의 기압 센서는 감압 소자의 진동 주파수를 높은 주파수의 클록 신호로 계측하는 것에 의해 비교적 용이하게 Pa 단위의 측정 분해능이 얻어진다. 따라서 고분해능인 주파수 변화형의 기압 센서를 이용하는 것에 의해 단시간에 있어서 근소한 기압의 변화를 파악하고, 기상 변동의 예측에 유익한 정보를 제공할 수 있다. 또, 기압이 천천히 변화하고 있는지, 또는 급격하게 변화하고 있는지, 기압의 변동량, 기압의 변화 상태를 고정밀도로 검출하고, 기상 변동(예를 들어, 국지적인 저기압에 기인하여 발생하는 호우나 토네이도 등)을 예측하기 위한 정보를 제공할 수 있다. 이 정보를 해석하는 것에 의해, 소여의 기상 변동을 정밀도 좋게 예측할 수 있다.
(9) 이 기상 변동 예측 정보 제공 시스템에 있어서, 상기 기압 센서가 가지는 상기 감압 소자는 쌍음차(雙音叉) 압전 진동자이어도 좋다.
쌍음차 압전 진동자를 이용하는 것에 의해, 보다 높은 분해능의 기압 센서를 실현할 수 있다.
(10) 본 발명은, 국소적인 특정 지역에 있어서 기압의 변화에 기인하여 발생하는 소여의 기상 변동을 예측하기 위한 정보를 제공하는 기상 변동 예측 정보 제공 방법으로서, 상기 특정 지역의 서로 다른 위치에 배치된 적어도 3개의 기압 계측 장치를 이용하여 기압을 계측기압 계측 단계와; 상기 기압 계측 장치의 각각이 계측한 기압 데이터를 계속하여 취득하는 기압 데이터 취득 단계와; 상기 기압 데이터 취득 단계에서 일직선 상에 없는 3개의 위치에 배치된 3개의 상기 기압 계측 장치로부터 취득한 기압 데이터에 기초하여, 상기 특정 영역에 있어서 소여의 위치 중 2개 방향의 기압 경도를 요소로서 포함하는 2차원의 기압 경도 벡터를 산출하는 기압 경도 산출 단계와; 상기 기압 경도 산출 단계에서 산출한 상기 기압 경도 베크톨에 기초하여, 상기 기상 변동을 예측하기 위한 정보를 생성하는 기상 변동 예측 정보 생성 단계를 포함하는 기상 변동 예측 정보 제공 방법이다.
본 발명에 의하면, 국지적인 기상 요란의 존재를 파악하는 것에 의해, 이것에 기인하는 기상 변동의 예측을 적확하게 행하기 위한 정보를 제공하는 기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법을 제공할 수 있다.
도 1은 본 실시 형태의 기압 센서의 구성예를 나타내는 도면.
도 2는 본 실시 형태의 압력 센서 소자의 단면 모식도.
도 3은 본 실시 형태의 압력 센서 소자의 단면 모식도.
도 4는 본 실시 형태의 진동편 및 다이어프램(diaphragm)을 모식적으로 나타내는 하면도.
도 5는 본 실시 형태의 기상 변동 예측 정보 제공 시스템의 구성을 나타내는 도면.
도 6은 2차원의 기압 경도 벡터에 대해서 설명하기 위한 도면.
도 7은 저기압의 위치를 특정하는 수법에 대해서 설명하기 위한 도면.
도 8은 예측 판정 테이블의 일례를 나타내는 도면.
도 9는 기상 변동 예측 정보 제공 시스템의 처리 일례를 나타내는 플로차트도.
도 10은 3차원의 기압 경도 벡터에 대해서 설명하기 위한 도면.
도 11은 저기압의 위치를 특정하는 수법에 대해서 설명하기 위한 도면.
이하, 본 발명의 바람직한 실시 형태에 대해서 도면을 이용하여 상세하게 설명한다. 또한, 이하에 설명하는 실시 형태는 특허 청구 범위에 기재된 본 발명의 내용을 부당하게 한정하는 것은 아니다. 또 이하에서 설명되는 구성의 모두가 본 발명의 필수 구성 요건이라고는 할 수 없다.
1. 기압 센서의 구성
도 1은 본 실시 형태의 기상 변동 예측 정보 제공 시스템에서 이용되는 기압 센서의 구성예를 나타내는 도면이다. 본 실시 형태의 기압 센서는 도 1의 구성 요소(각 부)의 일부를 생략하거나 다른 구성 요소를 부가한 구성으로 해도 좋다.
본 실시 형태의 기압 센서(10)는 압력 센서 소자(100), 발진 회로(110), 카운터(120), TCXO(Temperature Compensated Crystal Oscillator; 130), MPU(Micro Processing Unit; 140), 온도 센서(150), EEPROM(Electrically Erasable Programmable Read Only Memory; 160), 통신 인터페이스(I／F)(170)를 포함하여 구성되어 있다.
압력 센서 소자(100)는 진동편의 공진 주파수의 변화를 이용하는 방식(진동 방식)의 감압 소자를 가지고 있다. 이 감압 소자는 예를 들어, 수정, 니오브산리튬, 탄탈산리튬 등의 압전 재료로 형성된 압전 진동자이며, 예를 들어, 음차형 진동자, 쌍음차형 진동자, AT 진동자(두께 슬라이딩 진동자), SAW 공진자 등이 적용된다.
특히, 쌍음차형 압전 진동자는 AT 진동자(두께 슬라이딩 진동자) 등에 비교하여, 신장ㆍ압축 응력에 대한 공진 주파수의 변화가 지극히 커서 공진 주파수의 가변폭이 크기 때문에, 감압 소자로서 쌍음차형 압전 진동자를 이용하는 것에 의해, 근소한 기압차를 검출할 수 있는 높은 분해능의 기압 센서를 실현할 수 있다. 이 때문에, 본 실시 형태의 기압 센서(10)는 감압 소자로서 쌍음차형 압전 진동자를 이용하고 있다. 또한, 압전 재료로서, Q값이 높고 또한 온도 안정성이 뛰어난 수정을 선택하는 것에 의해, 뛰어난 안정성과 최고 수준의 분해능 및 정밀도를 실현할 수 있다.
도 2는 본 실시 형태의 압력 센서 소자(100)의 단면 모식도이다. 도 3은 본 실시 형태의 압력 센서 소자(100)의 진동편(220) 및 다이어프램(210)을 모식적으로 나타내는 하면도이다. 도 3은 봉지판으로서의 베이스(230)를 생략하여 그리고 있다. 도 2는 도 3의 A－A선 단면에 대응한다.
압력 센서 소자(100)는 다이어프램(210), 진동편(220), 봉지판으로서의 베이스(230)를 포함한다.
다이어프램(210)은 압력을 받아서 휘는 가요부를 가지는 평판 형상의 부재이다. 다이어프램(210) 외측의 면이 수압면(214)으로 되어 있고, 수압면(214)의 이면측에 한 쌍의 돌기(212)가 형성되어 있다.
진동편(220)은 진동빔(대들보; 222) 및 진동빔(222)의 양단에 형성된 한 쌍의 기부(基部; 224)를 가진다. 진동빔(222)은 한 쌍의 기부(224) 사이에 양쪽이 지지되는 대들보 형상으로 이루어진다. 한 쌍의 기부(224)는 다이어프램(210)에 형성된 한 쌍의 돌기(212)에 각각 고정된다. 진동빔(222)에는 도시하지 않은 전극이 적절히 마련되고, 전극으로부터 구동 신호를 공급하는 것에 의해 진동빔(222)을 일정한 공진 주파수에서 굴곡 진동시킬 수 있다. 진동편(220)은 압전성을 가지는 재료로 형성된다. 진동편(220)의 재질로서는 수정, 탄탈산리튬, 니오브산리튬 등의 압전 재료를 들 수 있다. 진동편(220)은 지지 대들보(226)에 의해 프레임부(228)에 지지되어 있다.
베이스(230)는 다이어프램(210)과 접합되고, 다이어프램(210)과의 사이에 캐비티(232)를 형성한다. 캐비티(232)를 감압(減壓) 공간으로 하는 것에 의해, 진동편(220)의 Q값을 높이는(CI값을 작게 하는) 것이 가능하다.
이와 같은 구조의 압력 센서 소자(100)에 있어서, 다이어프램(210)은 수압면(214)에 압력을 받은 경우에 휘어서 변형된다. 그러면, 진동편(220)의 한 쌍의 기부(224)가 다이어프램(210)의 한 쌍의 돌기(212)에 각각 고정되어 있기 때문에, 다이어프램(210)의 변형에 따라서 기부(224) 사이의 간격이 변화한다. 즉, 압력 센서 소자(100)에 압력이 인가되었을 때에, 진동빔(222)에 인장(引張) 또는 압축의 응력을 야기할 수 있다.
도 4는 압력 센서 소자(100)의 단면 모식도이며, 다이어프램(210)이 압력(P)에 의해 변형한 상태를 나타내고 있다. 도 4는 압력 센서 소자(100)의 외측으로부터 내측으로의 힘(압력(P))이 작용함으로써, 다이어프램(210)이 소자의 내측을 향해 볼록하게 되는 변형이 생긴 예이다. 이 경우, 한 쌍의 돌기(212) 사이의 간격은 커진다. 한편, 도시하지 않았으나, 압력 센서 소자(100)의 내측으로부터 외측으로의 힘이 작용하는 경우, 다이어프램(210)이 소자의 외측을 향해 볼록하게 되는 변형이 생기고, 한 쌍의 돌기(212) 사이의 간격은 작아진다. 따라서 양단이 한 쌍의 돌기(212)에 각각 고정된 진동편(220)의 진동빔(222)에 평행한 방향으로 인장 또는 압축의 응력이 발생한다. 즉, 수압면(214)에 대해서 수직 방향으로 가한 압력은 돌기(지지부; 212)를 통하여, 진동편(220)의 진동빔(222)에 대해서 평행한 직선 방향의 응력으로 변환된다.
진동빔(222)의 공진 주파수는 이하와 같이 하여 해석할 수 있다. 도 2 및 도 3에 나타내는 바와 같이, 진동빔(222)의 길이를 l, 폭을 w, 두께를 d로 하면, 진동 빔(222)의 장변 방향으로 외력(F)이 작용했을 때의 운동 방정식은 다음 식 (1)에 의해 근사된다.
[식 1]
Figure pat00001
식 (1)에 있어서, E는 종탄성 정수(영률(Young's modulus)), ρ는 밀도, A는 진동빔의 단면적(=wㆍd), g는 중력 가속도, F는 외력, y는 변위, x는 진동빔의 임의 위치를 각각 나타낸다.
식 (1)에 일반해와 경계 조건을 주어 풀이하는 것에 의해, 다음과 같이, 외력이 없는 경우 공진 주파수의 식 (2)가 얻어진다.
[식 2]
Figure pat00002
단면 2차 모멘트 I=dw3／12, 단면적 A=dw, λI=4.73으로부터, 식 (2)는 다음 식 (3)과 같이 변형할 수 있다.
[식 3]
Figure pat00003
따라서 외력(F)=0일 때의 공진 주파수(f0)는 빔의 폭 w에 비례하고, 길이 l의 2승에 반비례한다.
외력(F)을 2개의 진동빔에 가했을 때의 공진 주파수(fF)도 동일한 순서로 구하면, 다음 식 (4)가 얻어진다.
[식 4]
Figure pat00004
단면 2차 모멘트 I=dw3／12로부터 식 (4)는 다음 식 (5)과 같이 변형할 수 있다.
[식 5]
Figure pat00005
식 (5)에 있어서, SF는 응력 감도(=Kㆍ2／Eㆍl／w)2), σ는 응력(=F／(2A))을 각각 나타낸다.
이상으로부터, 압력 센서 소자(100)에 작용하는 힘(F)을 압축 방향일 때 부(負), 신장 방향일 때 정(正)으로 했을 때, 힘(F)이 압축 방향으로 가해지면 공진 주파수(fF)가 감소하고, 힘(F)이 신장 방향으로 가해지면 공진 주파수(fF)가 증가한다.
그리고 다음 식 (6)에 나타내는 다항식을 이용하여, 압력 센서 소자(100)의 압력-주파수 특성과 온도-주파수 특성에 기인하는 직선성 오차를 보정하는 것에 의해, 고분해능이며 고정밀도의 압력값(P)을 얻을 수 있다.
[식 6]
Figure pat00006
식 (6)에 있어서, fn은 센서 규격화 주파수이며, fn=(fF／f0)2로 표현된다. 또, t는 온도이며,
Figure pat00007
(t), β(t), γ(t), δ(t)는 각각 다음 식 (7) ~ (10)으로 표현된다.
[식 7]
Figure pat00008
[식 8]
Figure pat00009
[식 9]
Figure pat00010
[식 10]
Figure pat00011
식 (7) ~ (10)에 있어서, a ~ p는 보정 계수이다.
즉, 압력 센서 소자(100)의 출력 신호의 주파수를 계측하는 것에 의해, 진동빔(220)의 진동 주파수(힘(F)이 작용했을 때의 공진 주파수(fF))가 얻어지고, 미리 측정된 공진 주파수(f0)나 보정 계수(a ~ p)를 이용하여, 식 (6)으로부터 압력(P)을 계산할 수 있다.
도 1로 돌아와, 발진 회로(110)는 압력 센서 소자(100)의 진동빔(222)을 공진 주파수에서 발진시킨 발진 신호를 출력한다.
카운터(120)는 발진 회로(110)가 출력하는 발진 신호의 소정 주기를, TCXO(130)가 출력하는 고정밀도의 클록 신호로 카운트하는 리시프로컬 카운터(reciprocal counter)이다. 단, 카운터(120)를, 소정의 게이트 타임에 있어서 압력 센서 소자(100)의 발진 신호의 펄스수를 카운트하는 직접 계수 방식의 주파수 카운터(다이렉트 카운터)로서 구성해도 좋다.
MPU(Micro Processing Unit; 140)는 카운터(120)의 카운트값으로부터 압력값(P)을 계산하는 처리를 행한다. 구체적으로, MPU(140)는 온도 센서(150)의 검출치로부터 온도(t)를 계산하고, EEPROM(160)에 미리 기억되어 있는 a ~ p의 보정 계수값을 이용하여, 식 (7) ~ (10)으로부터
Figure pat00012
(t), β(t), γ(t), δ(t)를 계산한다. 추가로, MPU(140)는 카운터(120)의 카운트값과 EEPROM(160)에 미리 기억되어 있는 공진 주파수(f0)의 값을 이용하여, 식 (6)으로부터 압력값(P)을 계산한다. 그리고 MPU가 계산한 압력값(P)은 통신 인터페이스(170)를 통하여, 기압 센서(10)의 외부에 출력된다.
이와 같은 구성의 주파수 변화형의 기압 센서(10)에 의하면, 압력 센서 소자(100)의 진동 주파수를 카운터(120)에 의해 TCXO(130)가 출력하는 고정밀도이며 고주파수(예를 들어 수십 MHz)의 클록 신호로 카운트함과 아울러, MPU(140)에서 디지털 연산 처리에 의해 압력값의 계산 및 직선성 오차의 보정을 행하므로, Pa 단위 이하의 고분해능이고 고정밀도의 압력값(기압 데이터)을 얻을 수 있다. 또한, 기압 센서(10)는 카운트 시간을 고려해도 초 단위의 주기에서 기압 데이터를 갱신할 수 있으므로, 단시간에 있어서 근소한 기압의 변화도 파악할 수 있어, 실시간의 기압 계측에 적합하다.
마찬가지로, 실시예 및 도 1에서는 기준 클록원이 되는 발진 회로를 TCXO(130)로 했지만, 온도 보상 회로를 갖지 않는, 예를 들어, AT컷 수정 진동자를 탑재한 수정 발진 회로로 구성해도 좋다. 이 경우, 온도 보상 회로를 갖지 않는 만큼, 기압 변동의 검출 정밀도는 저하되지만, 기준 클록원을 당해 수정 발진 회로로 하거나, 또는 TCXO(130)으로 하는 것은 예측 시스템의 비용이나 예측 정밀도에 따라 설계자가 적절히 선택하면 좋다.
2. 기상 변동 예측 정보 제공 시스템의 구성
도 5는 본 실시 형태의 기상 변동 예측 정보 제공 시스템의 구성을 나타내는 도면이다. 본 실시 형태의 기상 변동 예측 정보 제공 시스템은 도 5의 구성 요소(각 부)의 일부를 생략하거나 그외의 구성 요소를 부가한 구성으로 해도 좋다.
본 실시 형태의 기상 변동 예측 정보 제공 시스템(1)은 3개 이상의 기압 계측 장치(2)와 데이터 처리 장치(4)를 포함하여 구성되고, 국소적인 특정 지역에 있어서 기압의 변화에 기인하여 발생하는 소여의 기상 변동을 예측하기 위한 정보(이하, 「기상 변동 예측 정보」라고 함)를 제공한다.
기압 계측 장치(2)는 기압 센서(10), 송신부(12)를 포함한다.
기압 센서(10)는 기압에 따라 공진 주파수를 변화시키는 감압 소자를 가지고, 당해 감압 소자의 진동 주파수에 따른 데이터를 출력하는 주파수 변화형의 센서이다. 구체적으로, 기압 센서(10)는 예를 들어 도 1에 나타낸 바와 같이 구성되어, 감압 소자의 진동 주파수를 고주파수의 클록 신호로 계측하는 것에 의해, 초 단위의 주기에서 Pa 단위 이하의 기압 변화를 파악하는 것이 가능한 고분해능이며 고정밀도의 센서이다.
송신부(12)는 기압 센서(10)가 초 단위의 주기에서 실시간으로 계측한 기압 데이터를, 기압 계측 장치(2)마다 할당된 주파수의 전파로 송신한다. 각 기압 계측 장치(2)에는 서로 다른 송신 주파수를 할당할 수 있다.
본 실시 형태에서는 직경 수km ~ 수십km의 범위에 들어가는 정도의 협소 지역을 관측 대상의 특정 지역으로 하고, 당해 특정 지역에 3개 이상의 기압 계측 장치(2)가 거의 수평인 xy 평면에 고정되어서 배치되어 있다. 기압 계측 장치 사이의 거리는 수백m 정도로 설정된다. 기압 계측 장치 사이의 거리는 일정하지 않아도 좋으며, 예를 들어, 기압 계측 장치(2)는 휴대 전화 등의 기지국, 편의점, 스마트 그리드의 전기 미터 등에 설치하는 것이 생각된다.
데이터 처리 장치(4)는 수신부(20), 처리부(CPU：Central Processing Unit; 30), 조작부(40), ROM(50), RAM(60), 표시부(70), 송신부(80)를 포함하여 구성되어 있다.
수신부(20)는 수신 주파수가 순번으로 기압 계측 장치(2)마다 할당된 송신 주파수로 되도록 소정의 주기로 전환되면서 각 기압 계측 장치(2)로부터의 송신 데이터를 수신하고, 각 기압 데이터를 복조한다. 그리고 수신부(20)는 복조한 각 기압 데이터를 처리부(30)에 보낸다.
또한, 각 기압 계측 장치(2)의 송신부(12)가 동일한 송신 주파수의 전파를 이용하여, 미리 결정된 서로 다른 주기적인 타이밍에서 시분할로 기압 데이터를 송신하고, 데이터 처리 장치(4)의 수신부(20)가 각 기압 계측 장치(2)의 송신 타이밍과 동기하여, 시분할로 기압 데이터를 수신하도록 해도 좋다.
처리부(30)는 ROM(50)에 기억되어 있는 프로그램에 따라서 각종 계산 처리나 제어 처리를 행한다. 구체적으로, 처리부(30)는 수신부(20)로부터 기압 데이터를 수취하여 각종 계산 처리를 행한다. 또, 처리부(30)는 조작부(40)로부터의 조작 신호에 따른 각종 처리, 표시부(70)에 각종 정보를 표시시키는 처리, 수신부(20) 및 송신부(80)를 통한 휴대 단말 등 외부 장치와의 데이터 통신을 제어하는 처리 등을 행한다.
특히, 본 실시 형태에서, 처리부(30)는 기압 데이터 취득부(32), 기압 경도 산출부(34), 기상 변동 예측 정보 생성부(36), 기상 변동 예측부(38)를 포함하여 구성되어 있다.
기압 데이터 취득부(32)는 수신부(20)로부터 보내져 오는 기압 데이터를, 기압 계측 장치(2)의 식별 ID와 대응지어 계속하여 취득하는 처리를 행한다. 구체적으로, 기압 데이터 취득부(32)는 각 기압 데이터를 수취하고, 수취한 각 기압 데이터를 기압 계측 장치(2)마다 할당된 식별 ID와 대응지어 순번으로 RAM(60)에 보존한다.
기압 경도 산출부(34)는, 기압 데이터 취득부(32)가 일직선 상에 없는 3개의 위치에 배치된 3개의 기압 계측 장치(2)로부터 취득한 기압 데이터에 기초하여, 특정 영역에 있어서 소여의 위치 중 2개 방향의 기압 경도를 요소로서 포함하는 기압 경도 벡터를 산출하는 처리를 행한다. 여기서, 소여의 위치는 예를 들어, 어느 하나의 기압 계측 장치(2)의 위치이어도 좋다. 구체적으로, 기압 경도 산출부(34)는 RAM(60)에 보존된 기압 데이터에 기초하여, 기압 경도 벡터를 시계열적으로 순번으로 산출하여 RAM(60)에 보존한다.
기압 경도 벡터(f)는 다음 식 (11)로 정의된다.
[식 11]
Figure pat00013
본 실시 형태에서는 도 6에 나타내는 바와 같이, 3개의 기압 계측 장치(2A, 2B, 2C)가 기압 계측 장치(2A)의 위치를 원점, 기압 계측 장치(2A)와 기압 계측 장치(2B)를 연결하는 직선의 방향을 x축, 기압 계측 장치(2A)와 기압 계측 장치(2C)를 연결하는 직선의 방향을 y 축으로 하는, 고도가 일정한 xy 평면(수평면)에 배치되어 있다. 기압 계측 장치(2A)와 기압 계측 장치(2B)의 거리를 △x, 기압 계측 장치(2A)와 기압 계측 장치(2C)의 거리를 △y로 하고, 기압 계측 장치(2A, 2B, 2C)에 의한 계측값(기압 데이터)을 각각 p0, p1, p2로 하면, 기압 계측 장치(2A)의 위치에서 기압 경도 벡터(f)는 다음 식 (12)로 근사된다.
[식 12]
Figure pat00014
즉, x축 방향의 기압 경도
Figure pat00015
p／
Figure pat00016
x를, 기압 계측 장치(2A, 2B)가 각각 계측한 기압 데이터(p0, p1)와 기압 계측 장치(2A, 2B)의 거리 △x를 이용하여 계산되는 x축 방향의 기압 변화율 (p1－p0)／△x로 근사한다. 동일하게, y축 방향의 기압 경도 ∂p／∂y를, 기압 계측 장치(2A, 2C)가 각각 계측한 기압 데이터(p0, p2)와 기압 계측 장치(2A, 2C)의 거리 △y를 이용하여 계산되는 y축 방향의 기압 변화율(p2－p0)／△y로 근사한다. 또한, 본 실시 형태에서는 기압 계측 장치(2A)에 대해서 z축 방향(예를 들어 고도 방향)에 배치되는 기압 계측 장치가 없기 때문에, z축 방향의 기압 변화율은 계산할 수 없다. 그 때문에 z축 방향의 기압 경도
Figure pat00017
p／
Figure pat00018
z를 0으로 하고 있다.
본 실시 형태에서, 기압 경도 산출부(34)는 식 (12)에 따라서 기압 계측 장치(2A)의 위치에서 xy 평면 상의 기압 경도 벡터(2차원의 기압 경도 벡터)를 산출한다.
3개의 기압 계측 장치(2A, 2B, 2C)를 가능한 가깝게 배치하면 식 (12)의 근사 정밀도가 향상되지만, 너무 가까워져서 기압 계측 장치의 측정 분해능 이하의 기압차로 되면, 식 (12)가 올바르게 계산될 수 없게 된다. 그래서, 기압 경도 벡터의 계산 정밀도와 기압 계측 장치의 측정 분해능을 고려하여, 3개의 기압 계측 장치(2A, 2B, 2C)의 배치를 결정한다. 예를 들어, Pa 단위의 고분해능이며 고정밀도의 계측이 가능한 기압 계측 장치이면 100m 정도 떨어뜨려 배치하면 좋다.
또한, 본 실시 형태에서는 x축과 y축이 직교하도록 3개의 기압 계측 장치(2A, 2B, 2C)를 배치하고 있지만, xy 평면 상의 방향과 크기를 가진 2차원의 기압 경도 벡터를 산출할 수 있으면 좋기 때문에, x축과 y축이 평행하게 되지 않으면 3개의 기압 계측 장치(2A, 2B, 2C)를 임의의 위치에 배치해도 좋다. 즉, 기압 계측 장치(2A, 2B, 2C)를 일직선 상에 없는 임의 3개의 위치에 배치하면 좋다.
기상 변동 예측 정보 생성부(36)는 기압 경도 산출부(34)가 산출한 기압 경도 벡터에 기초하여, 기상 변동 예측 정보를 생성하는 처리를 행한다.
식 (12)로부터 알 수 있는 바와 같이, 기압 계측 장치(2A)의 위치에서 기압 경도 벡터(f)는 xy평면 상의 벡터이며, 방향과 크기를 가지고 있다. 그래서, 기상 변동 예측 정보 생성부(36)는 기압 경도 벡터의 크기 ｜f｜(=｜▽p｜)에 기초하여, 특정 지역에 있어서 국지적인 저기압의 발생 유무를 판정하고, 기상 변동 예측 정보로서 당해 저기압 발생 유무의 정보를 생성하도록 해도 좋다. 예를 들어, 어느 정도 강한 저기압이 국지적으로 발생한 경우, 그 주변에서의 기압 경도 벡터가 갑자기 커진다고 여겨지므로, 기압 경도 벡터의 크기를 감시하는 것에 의해 국지적인 저기압의 발생 유무를 판단할 수 있다.
식 (12)로부터 분명하게 알 수 있는 바와 같이, 기압 경도 벡터(f)는 상대적으로 기압이 낮은 영역과 정반대의 방향을 지시한다. 즉, 기압 경도 벡터(f)와 정반대의 방향으로 저기압이 존재하는 것으로 된다. 그래서 기상 변동 예측 정보 생성부(36)는 기압 경도 벡터의 방향에 기초하여, 기상 변동 예측 정보로서 특정 지역에 있어서 국지적인 저기압의 방향 정보를 생성하도록 해도 좋다.
또한, 기압 경도 벡터(f)가 클수록, 기압 계측 장치(2A) 부근의 등압선 간격이 좁다는 것을 의미하고, 일반적으로는 기압 계측 장치(2A)와 작은 저기압의 거리가 보다 짧다고 여겨지므로, 기압 경도 벡터(f)의 크기에 기초하여 저기압의 개략적인 위치를 특정하는 것도 가능하다.
또, 국지적인 저기압이 이동하면, 그에 따라 소여의 위치의 기압 경도 벡터의 방향이나 크기가 바뀐다고 여겨진다. 그래서, 기상 변동 예측 정보 생성부(36)는 기압 경도 벡터의 시간 변화에 기초하여, 기상 변동 예측 정보로서 특정 지역에 있어서 국지적인 저기압의 이동 방향, 이동 속도, 이동 거리 및 이동 시간 중 적어도 하나의 정보를 생성하도록 해도 좋다.
또한, 기압 경도 산출부(34)는 3개의 기압 계측 장치(2A, 2B, 2C)를 1개 세트로 하고, 복수 세트의 각각에 대해서 2차원의 기압 경도 벡터를 산출하도록 해도 좋다. 예를 들어, 도 7에 나타내는 바와 같이, 도 6에 나타낸 위치 관계에 있는 3개의 기압 계측 장치(2A－1, 2B－1, 2C－1)를 1개 세트로 하고, 기압 계측 장치(2A－1, 2B－1, 2C－1)가 각각 계측한 기압 데이터를 이용하여, 식 (12)로부터 기압 계측 장치(2A－1)의 위치에서 기압 경도 벡터(f1)를 계산한다. 동일하게, 도 6에 나타낸 위치 관계에 있는 3개의 기압 계측 장치(2A－2, 2B－2, 2C－2)를 1개 세트로 하고, 기압 계측 장치(2A－2, 2B－2, 2C－2)가 각각 계측한 기압 데이터를 이용하여, 식 (12)로부터 기압 계측 장치(2A－2)의 위치에서 기압 경도 벡터(f2)를 계산한다. 동일하게, 도 6에 나타낸 위치 관계에 있는 3개의 기압 계측 장치(2A－3, 2B－3, 2C－3)를 1개 세트로 하고, 기압 계측 장치(2A－3, 2B－3, 2C－3)가 각각 계측한 기압 데이터를 이용하여, 식 (12)로부터 기압 계측 장치(2A－3)의 위치에서 기압 경도 벡터(f3)를 계산한다.
이 기압 경도 벡터(f1, f2, f3)는 각각 저기압의 정반대 방향을 지시한다. 따라서 기압 경도 벡터(f1, f2, f3) 중 임의의 2개로부터 저기압의 위치를 특정할 수 있다. 그래서, 기상 변동 예측 정보 생성부(36)는 기압 경도 산출부(34)가 산출한 복수의 기압 경도 벡터에 기초하여, 기상 변동 예측 정보로서 특정 지역에 있어서 저기압의 위치 정보를 생성하도록 해도 좋다.
또한, 도 7에 있어서, 예를 들어, 기압 계측 장치(2A－1과 2A－2)를 연결하는 직선의 연장선 상에 저기압이 있으면, 기압 경도 벡터(f1과 f2)의 방향이 동일하게 되기 때문에, 저기압의 위치를 정확하게 특정할 수 없다. 그래서 기압 계측 장치(2A－1, 2A－2, 2A－3)를 일직선으로 되지 않는 3개의 위치에 배치하는 것에 의해, 기압 경도 벡터(f1, f2, f3) 중 적당한 2개를 선택하면 저기압의 위치를 반드시 특정할 수 있다. 또한, 3개의 기압 경도 벡터(f1, f2, f3)로부터 삼각측량과 동일한 수법으로 저기압의 위치를 보다 정밀도 좋게 특정할 수도 있다.
기상 변동 예측부(38)는 기상 변동 예측 정보 생성부(36)에 의해 생성된 기상 변동 예측 정보에 기초하여, 특정 지역에 있어서 소여의 기상 변동(뇌우, 집중 호우, 토네이도, 다운 버스트 등)을 예측하는 처리를 행한다. 구체적으로, 예를 들어, 도 8에 나타내는 바와 같이, ROM(50)에, 뇌우, 집중 호우, 토네이도, 다운 버스트 등 예측 대상의 기상 변동에 대해서, 식별 ID와 각 기상 변동의 발생을 판정하기 위한 판정 기준을 대응짓는 예측 판정 테이블(52)을 기억해 둔다. 이 판정 기준은 적어도 기압에 관한 기준을 포함하고, 온도나 습도 등에 관한 기준을 추가로 포함하도록 해도 좋다. 그리고 기상 변동 예측부(38)는 예측 판정 테이블(52)을 참조하여, 기상 변동 예측 정보에 기초하여 각각의 판정 기준이 만족됐는지의 여부를 판정하고, 판정 기준을 만족시키는 기상 변동이 발생한다고 예측한다.
예를 들어, 기상 변동 예측부(38)는 기압 경도 벡터의 크기가 소정의 문턱값보다 크면, 급격한 상승 기류에 수반하는 국지적인(작은) 저기압이 발생하고 있다고 판단하고, 소정 시간 이내(예를 들어 몇분 내지 수십분 이내)에 뇌우나 집중 호우 등의 기상 변동이 발생한다고 예측하도록 해도 좋다.
또, 기상 변동 예측부(38)는 국지적인 저기압의 이동 방향이나 이동 속도 등을 포함하는 기상 변동 예측 정보에 기초하여 당해 저기압 위치의 시간 변화를 산출하고, 산출 결과에 기초하여 기상 변동의 발생 위치 및 발생 시간 중 적어도 일방을 예측하도록 해도 좋다.
또한, 본 실시 형태의 기상 변동 예측 정보 제공 시스템이 기상 변동 예측 정보를 제공하는 것으로 충분한 경우, 기상 변동 예측부(38)는 처리부(30)의 필수 구성 요소는 아니다.
조작부(40)는 조작 키나 버튼 스위치 등에 의해 구성되는 입력 장치이며, 유저에 의한 조작에 따른 조작 신호를 처리부(30)에 출력한다.
ROM(50)은 처리부(30)가 각종 계산 처리나 제어 처리를 행하기 위한 프로그램이나 데이터 등을 기억하고 있다. 특히, 본 실시 형태의 ROM(50)은 전술한 예측 판정 테이블(52)을 기억하고 있다.
RAM(60)은 처리부(30)의 작업 영역으로서 이용되고 ROM(50)으로부터 독출된 프로그램이나 데이터, 조작부(40)로부터 입력된 데이터, 처리부(30)가 각종 프로그램을 따라 실행한 연산 결과 등을 일시적으로 기억한다.
표시부(70)는 LCD(Liquid Crystal Display) 등에 의해 구성되는 표시 장치이며, 처리부(30)로부터 입력되는 표시 신호에 기초하여 각종 정보를 표시한다.
송신부(80)는 처리부(30)로 생성한 정보를 외부 장치에 송신하는 처리 등을 행한다. 예를 들어, 기상 변동 예측 정보 생성부(36)가 생성한 기상 변동 예측 정보나 기상 변동 예측부(38)가 예측한 정보를 송신부(80)를 통하여 휴대 단말 등에 전달하도록 해도 좋다.
3. 기상 변동 예측 정보 제공 시스템의 처리
도 9는 기상 변동 예측 정보 제공 시스템 처리의 일례를 나타내는 플로차트도이다.
우선, 각 기압 계측 장치(2)가 새롭게 압력값(기압 데이터)을 계측하고, 계측한 기압 데이터를 송신한다(단계 S10).
다음에, 데이터 처리 장치(4)가 기압 데이터 취득부(32)에 의해 각 기압 계측 장치(2)로부터의 기압 데이터를 취득한다(단계 S20).
다음에, 데이터 처리 장치(4)의 기압 경도 산출부(34)가 단계 S20에서 취득된 기압 데이터로부터 기압 계측 장치의 각 세트에 대해서 기압 경도 벡터를 계산한다(단계 S30).
다음에, 기상 변동 예측 정보 생성부(36)가 단계 S30에서 계산된 기압 경도 벡터로부터 국지적인 저기압의 유무를 판정한다(단계 S40). 예를 들어, 어느 하나의 기압 경도 벡터의 크기가 문턱값을 넘은 경우에, 저기압이 존재한다고 판정하고, 모든 기압 경도 벡터의 크기가 문턱값 이하이면 저기압이 존재하지 않는다고 판정하도록 해도 좋다.
저기압이 존재하지 않는다고 판정한 경우(단계 S50의 아니오), 기상 변동 예측부(38)는 예측 대상의 기상 변동이 소정 시간 이내에 발생하지 않는다고 예측한다(단계 S110).
또한, 저기압이 존재한다고 판정한 경우(단계 S50의 예), 기상 변동 예측 정보 생성부(36)는 단계 S30에서 계산된 기압 경도 벡터로부터 저기압의 방향이나 위치를 특정한다(단계 S60). 예를 들어, 가장 큰 기압 경도 벡터의 방향으로부터 저기압의 방향을 특정하거나, 복수의 기압 경도 벡터의 방향과 크기로부터 삼각측량과 동일한 방법으로 저기압의 위치(거리와 방향)를 계산할 수 있다.
다음에, 기상 변동 예측 정보 생성부(36)는 지금까지 얻어진 저기압의 방향이나 위치의 시간 변화로부터 저기압의 이동 방향, 이동 속도, 이동 거리, 이동 시간 등을 계산한다(단계 S70).
다음에, 기상 변동 예측부(38)는 기압 경도 벡터의 시계열로부터 얻어지는 각종 정보에 기초하여, 예측 대상 각각의 기상 변동이 발생하기 위한 판정 기준(예측 판정 테이블(52)에서 설정된 판정 기준)이 만족됐는지의 여부를 판정한다(단계 S80).
적어도 하나의 판정 기준이 만족되는 경우(단계 S90의 예), 기상 변동 예측부(38)는 단계 S70에서 계산된 저기압의 이동 방향, 이동 속도, 이동 거리, 이동 시간 등으로부터, 판정 기준을 만족시키는 기상 변동의 발생 위치와 발생 시간을 예측한다(단계 S100).
한편, 모든 판정 기준이 만족되지 않은 경우(단계 S90의 아니오), 기상 변동 예측부(38)는 예측 대상의 모든 기상 변동이 소정 시간 이내에 발생하지 않는다고 예측한다(단계 S110).
그리고 처리를 종료할 때까지(단계 S120에서 예가 될 때까지) 단계 S10 ~ S110의 처리를 반복하여 행한다.
이상에 설명한 바와 같이, 본 실시 형태의 기상 변동 예측 정보 제공 시스템에 의하면, Pa 단위의 고분해능인 주파수 변화형의 기압 센서(10)를 이용하는 것에 의해 단시간에 있어서 근소한 기압의 변화를 파악하여, 기상 변동 예측 정보를 제공할 수 있다. 그리고 이 기상 변동 예측 정보를 해석하는 것에 의해, 소여의 기상 변동을 정밀도 좋게 예측할 수 있다.
또, 본 실시 형태에 의하면, 국지적인 저기압의 발생을 파악할 수 있으므로, 이 저기압에 기인하는 기상 변동의 발생을 예측할 수 있다. 또한, 기압 경도 벡터시간 변화로부터 이 저기압의 이동 경로를 산출하는 것에 의해, 기상 변동의 발생 위치나 발생 시간을 예측할 수 있다.
또, 일반적인 기압계는 고가이기 때문에, 국소적인 지역에 다수의 기압계를 배치하는 것은 현실적이지 않은데 반해, 본 실시 형태에서는 기압 센서(10)를 반도체의 제조 기술을 이용하여 염가로 제공할 수 있으므로, 국소적인 지역에 기압 계측 장치(2)의 세트를 다수 배치하는 것에 의해, 다수 위치에서의 기압 경도 벡터를 산출하여 보다 상세한 기상 변동 예측 정보를 생성할 수 있다. 예를 들어, 세트 사이의 거리를 수백m ~ 수km 정도로 설정하면, 지역 기상 관측 시스템의 관측 메쉬(한 변이 17km ~ 21km 정도)보다 작은 관측 메쉬를 형성할 수 있고, 지역 기상 관측 시스템에서는 파악할 수 없는 국지적인 기상 변동을 적확하게 파악하는 것이 가능하게 된다.
본 실시 형태의 기상 변동 예측 정보 제공 시스템을 이용하는 것에 의해, 집중 호우나 다운 버스트 등의 기상 변동이 발생하기까지 종래보다 시간적 여유를 가지고 경고 정보를 발신할 수 있는 가능성이 있다.
4. 적용예
본 실시 형태의 기상 변동 예측 정보 제공 시스템은 여러 가지 용도에 적용할 수 있다.
예를 들어, 비행장에 있어서, 활주로의 착륙 위치 부근에 발생하는 다운 버스트의 예측에 이용할 수 있다. 구체적으로, 활주로의 착륙 위치를 둘러싸도록 3개 이상의 기압 계측 장치를 1개 세트로 하여 복수 세트 배치하고, 세트마다 기압 경도 벡터를 계산한다. 다운 버스트가 발생하기 전에는 반드시 상승 기류가 발생하여 국지적으로 기압이 낮은 영역이 있으므로, 각 세트의 기압 경도 벡터의 크기를 감시하는 것에 의해 국지적인 저기압이 발생한 순간을 포착함과 아울러 그 발생 위치를 특정할 수 있다. 만약 저기압의 발생 위치가 착륙 위치 부근이면, 그 후 각 세트의 기압 경도 벡터의 시간 변화를 기록한다. 그리고 상승 기류로부터 하강 기류로 바뀌는 것에 의해 다운 버스트가 발생하므로, 각 세트의 기압 경도 벡터의 방향이 급격하게 변화하거나 또는 불안정하게 되면, 단시간 후에 착륙 위치 부근에서 다운 버스트가 발생한다고 예측할 수 있다. 이것에 의해, 착륙 준비 중인 비행기가 있으면 착륙의 회피를 지시할 수 있다.
또, 예를 들어, 국소적인 특정 지역에 있어서 집중 호우의 예측에 이용할 수 있다. 미리, 도시 지역 등의 집중 호우가 일어나기 쉬운 지역에 3개 이상의 기압 계측 장치를 1개 세트로 하여 복수 세트 배치하고, 세트마다 기압 경도 벡터를 계산한다. 집중 호우가 발생하기 전에는 반드시 상승 기류가 발생하여 국지적으로 기압이 낮은 영역이 생기므로, 각 세트의 기압 경도 벡터의 크기를 감시하는 것에 의해 국지적인 저기압이 발생한 순간을 포착함과 아울러 그 발생 위치를 특정할 수 있다. 만약 저기압의 발생을 파악한 경우, 그 후 각 세트의 기압 경도 벡터의 시간 변화를 기록한다. 그리고 각 세트의 기압 경도 벡터의 시간 변화로부터 저기압의 이동 방향, 이동 속도, 이동 거리, 이동 시간 등을 해석하는 것에 의해, 집중 호우의 발생 유무, 발생 위치, 발생 시간 등을 예측할 수 있다. 이에 의해, 집중 호우가 발생하기 전에 발생이 예측되는 지역에 경보를 낼 수 있다.
5. 변형예
본 발명은 본 실시 형태로 한정되지 않으며, 본 발명 요지의 범위 내에서 여러 가지의 변형 실시가 가능하다.
예를 들어 도 10에 나타내는 바와 같이, 4개의 기압 계측 장치(2A, 2B, 2C, 2D)가 기압 계측 장치(2A)의 위치를 원점, 기압 계측 장치(2A)와 기압 계측 장치(2B)를 연결하는 직선의 방향을 x축, 기압 계측 장치(2A)와 기압 계측 장치(2C)를 연결하는 직선의 방향을 y축, 기압 계측 장치(2A)와 기압 계측 장치(2D)를 연결하는 직선의 방향을 z축으로 하는 xyz 공간에 배치되도록 변형해도 좋다. 예를 들어, xy 평면이 수평면이며, z축 방향이 고도 방향이다. 기압 계측 장치(2A)와 기압 계측 장치(2B)의 거리를 △x, 기압 계측 장치(2A)와 기압 계측 장치(2C)의 거리를 △y, 기압 계측 장치(2A)와 기압 계측 장치(2D)의 거리를 △z로 하고, 기압 계측 장치(2A, 2B, 2C, 2D)에 의한 계측값(기압 데이터)을 각각 p0, p1, p2, p3으로 하면, 기압 계측 장치(2A)의 위치에서 기압 경도 벡터(f)는 다음 식 (13)으로 근사된다.
[식 13]
Figure pat00019
즉, x축 방향의 기압 경도
Figure pat00020
p／
Figure pat00021
x를, 기압 계측 장치(2A, 2B)가 각각 계측한 기압 데이터(p0, p1)와 기압 계측 장치(2A, 2B)의 거리 △x를 이용하여 계산되는 x축 방향의 기압 변화율(p1－p0)／△x로 근사한다. 동일하게, y축 방향의 기압 경도
Figure pat00022
p／∂y를, 기압 계측 장치(2A, 2C)가 각각 계측한 기압 데이터(p0, p2)와 기압 계측 장치(2A, 2C)의 거리 △y를 이용하여 계산되는 y축 방향의 기압 변화율(p2－p0)／△y로 근사한다. 또, z축 방향의 기압 경도
Figure pat00023
p／
Figure pat00024
z를, 기압 계측 장치(2A, 2D)가 각각 계측한 기압 데이터(p0, p3)와 기압 계측 장치(2A, 2D)의 거리 △z를 이용하여 계산되는 z축 방향의 기압 변화율｛(p3＋
Figure pat00025
－p0｝／△z로 근사한다. 또한, 지상 부근에서는 대체로 10m의 고도차로 1hPa 정도의 기압차가 발생하므로, Pa 단위의 기압 변동을 파악하기 위해서, 기압 계측 장치(2A)와 기압 계측 장치(2D)의 고도차 △z에 따른 기압차를 상쇄하는 보정항
Figure pat00026
가 부가되어 있다.
기압 경도 산출부(34)는 이 식 (13)을 따라서 기압 계측 장치(2A)의 위치에서 xyz 공간의 기압 경도 벡터(3차원의 기압 경도 벡터)를 산출하도록 해도 좋다. 그리고 기상 변동 예측 정보 생성부(36)는 기압 경도 산출부(34)가 산출한 3차원의 기압 경도 벡터에 기초하여, 기상 변동 예측 정보를 생성한다. 이와 같이 하면, 고도 방향도 가미하여 저기압의 방향을 특정할 수 있으므로, 보다 유익한 기상 변동 예측 정보를 제공할 수 있다.
또한, 본 변형예에서는 x축, y축, z축이 서로 직교하도록 4개의 기압 계측 장치(2A, 2B, 2C, 2D)를 배치하고 있지만, xyz 공간 상의 방향과 크기를 가진 3차원의 기압 경도 벡터를 산출할 수 있으면 되기 때문에, x축, y축, z축이 서로 평행으로 되지 않는다면 4개의 기압 계측 장치(2A, 2B, 2C, 2D)를 임의의 위치에 배치해도 좋다. 즉, 기압 계측 장치(2A, 2B, 2C, 2D)를 일평면 상에 없는 임의의 4개 위치에 배치 하면 좋다.
추가로, 기압 경도 산출부(34)는 4개의 기압 계측 장치(2A, 2B, 2C, 2D)를 1개 세트로 하여, 복수 세트의 각각에 대해서 3차원의 기압 경도 벡터를 산출하도록 해도 좋다. 예를 들어, 도 11에 나타내는 바와 같이, 도 10에 나타낸 위치 관계에 있는 4개의 기압 계측 장치(2A－1, 2B－1, 2C－1, 2D－1)를 1개 세트로 하고, 기압 계측 장치(2A－1, 2B－1, 2C－1, 2D－1)가 각각 계측한 기압 데이터를 이용하여, 식 (13)으로부터 기압 계측 장치(2A－1)의 위치에서 기압 경도 벡터(f1)를 계산한다. 동일하게, 도 10에 나타낸 위치 관계에 있는 4개의 기압 계측 장치(2A－2, 2B－2, 2C－2, 2D－2)를 1개 세트로 하고, 기압 계측 장치(2A－2, 2B－2, 2C－2, 2D－2)가 각각 계측한 기압 데이터를 이용하여, 식 (13)으로부터 기압 계측 장치(2A－2)의 위치에서 기압 경도 벡터(f2)를 계산한다. 동일하게, 도 10에 나타낸 위치 관계에 있는 4개의 기압 계측 장치(2A－3, 2B－3, 2C－3, 2D－3)를 1개 세트로 하고, 기압 계측 장치(2A－3, 2B－3, 2C－3, 2D－3)가 각각 계측한 기압 데이터를 이용하여, 식 (13)으로부터 기압 계측 장치(2A－3)의 위치에서 기압 경도 벡터(f3)를 계산한다.
그리고 기상 변동 예측 정보 생성부(36)는 기압 경도 산출부(34)가 산출한 복수의 기압 경도 벡터에 기초하여, 기상 변동 예측 정보로서 특정 지역에 있어서 저기압의 위치 정보를 생성하도록 해도 좋다.
또, 본 실시 형태에서, 기압 계측 장치(2)는 고정점에 설치되어 있지만, 적어도 일부의 기압 계측 장치(2)를 차량 등의 이동체에 설치하도록 해도 좋다. 그 경우에도, 이동체에 GPS(Global Positioning System)를 탑재해 두어, 기압 계측 장치(2)가 기압 데이터와 함께 이동체의 위치 정보를 송신하고, 데이터 처리 장치(4)가 이동체의 위치와 대응지어 기압 데이터를 취득(기억)하도록 하면 좋다.
본 발명은 실시 형태에서 설명한 구성과 실질적으로 동일한 구성(예를 들어, 기능, 방법 및 결과가 동일한 구성, 또는 목적 및 효과가 동일한 구성)을 포함한다. 또, 본 발명은 실시 형태에서 설명한 구성의 본질적이지 않은 부분을 치환한 구성을 포함한다. 또, 본 발명은 실시 형태에서 설명한 구성과 동일한 작용 효과를 내는 구성 또는 동일한 목적을 달성할 수 있는 구성을 포함한다. 또, 본 발명은 실시 형태에서 설명한 구성에 공지된 기술을 부가한 구성을 포함한다.
1 기상 변동 예측 정보 제공 시스템,
2, 2A, 2B, 2C, 2D 기압 계측 장치,
4 데이터 처리 장치,
10 기압 센서,
12 송신부,
20 수신부,
30 처리부(CPU),
32 기압 데이터 취득부,
34 기압 경도 산출부,
36 기상 변동 예측 정보 생성부,
38 기상 변동 예측부,
40 조작부,
50 ROM,
52 예측 판정 테이블,
60 RAM,
70 표시부,
80 송신부,
100 압력 센서 소자,
110 발진 회로,
120 카운터,
30 TCXO,
140 MPU,
150 온도 센서,
160 EEPROM,
170 통신 인터페이스(I／F),
210 다이어프램,
212 돌기,
214 수압면,
220 진동편,
222 진동빔(대들보),
224 기부,
226 지지 대들보,
228 프레임부,
230 베이스,
232 캐비티.

Claims (10)

  1. 국소적인 특정 지역에 있어서 기압의 변화에 기인하여 발생하는 소여(所與)의 기상 변동을 예측하기 위한 정보를 제공하는 기상 변동 예측 정보 제공 시스템으로서,
    상기 특정 지역의 서로 다른 위치에 배치된 적어도 3개의 기압 계측 장치와,
    상기 기압 계측 장치의 각각이 계측한 기압 데이터를 처리하는 데이터 처리 장치를 포함하고,
    상기 데이터 처리 장치는
    상기 기압 계측 장치의 각각이 계측한 기압 데이터를 계속하여 취득하는 기압 데이터 취득부와,
    상기 기압 데이터 취득부가 일직선 상에 없는 3개의 위치에 배치된 3개의 상기 기압 계측 장치로부터 취득한 기압 데이터에 기초하여, 상기 특정 영역에 있어서 소여의 위치 중 2개 방향의 기압 경도(傾度)를 요소로서 포함하는 2차원의 기압 경도 벡터를 산출하는 기압 경도 산출부와,
    상기 기압 경도 산출부가 산출한 상기 기압 경도 벡터에 기초하여, 상기 기상 변동을 예측하기 위한 정보를 생성하는 기상 변동 예측 정보 생성부를 포함하는 기상 변동 예측 정보 제공 시스템.
  2. 청구항 1에 있어서,
    상기 기상 변동 예측 정보 생성부는
    상기 기압 경도 산출부가 산출한 상기 기압 경도 벡터의 크기에 기초하여, 상기 기상 변동을 예측하기 위한 정보로서 저기압 발생 유무의 정보를 생성하는 기상 변동 예측 정보 제공 시스템.
  3. 청구항 1 또는 청구항 2에 있어서,
    상기 기상 변동 예측 정보 생성부는
    상기 기압 경도 산출부가 산출한 상기 기압 경도 벡터의 방향에 기초하여, 상기 기상 변동을 예측하기 위한 정보로서 상기 특정 지역에 있어서 저기압의 방향 정보를 생성하는 기상 변동 예측 정보 제공 시스템.
  4. 청구항 1 내지 청구항 3 중 어느 한 항에 있어서,
    상기 기상 변동 예측 정보 생성부는
    상기 기압 경도 산출부가 산출한 상기 기압 경도 벡터의 시간 변화에 기초하여, 상기 기상 변동을 예측하기 위한 정보로서 상기 특정 지역에 있어서 저기압의 이동 방향, 이동 속도, 이동 거리 및 이동 시간 중 적어도 하나의 정보를 생성하는 기상 변동 예측 정보 제공 시스템.
  5. 청구항 1 내지 청구항 4 중 어느 한 항에 있어서,
    상기 기압 경도 산출부는
    상기 2차원의 기압 경도 벡터 대신에, 상기 기압 데이터 취득부가 일평면 상에 없는 4개의 위치에 배치된 4개의 상기 기압 계측 장치로부터 취득한 기압 데이터에 기초하여, 상기 소여의 위치 중 3개 방향의 기압 경도를 요소로서 포함하는 3차원의 기압 경도 벡터를 산출하는 기상 변동 예측 정보 제공 시스템.
  6. 청구항 1 내지 청구항 5 중 어느 한 항에 있어서,
    상기 기압 경도 산출부는
    일직선 상에 없는 3개의 위치에 배치된 상기 3개의 기압 계측 장치 또는 일평면 상에 없는 4개의 위치에 배치된 상기 4개의 기압 계측 장치를 1개 세트로 하고, 복수 세트의 각각에 대해서 상기 기압 경도 벡터를 산출하고,
    상기 기상 변동 예측 정보 생성부는
    상기 기압 경도 산출부가 산출한 복수의 상기 기압 경도 벡터에 기초하여, 상기 기상 변동을 예측하기 위한 정보를 생성하는 기상 변동 예측 정보 제공 시스템.
  7. 청구항 1 내지 청구항 6 중 어느 한 항에 있어서,
    상기 기상 변동을 예측하기 위한 정보에 기초하여 소여의 판정 기준이 만족됐는지의 여부를 판정하고, 판정 결과에 기초하여 상기 기상 변동의 발생을 예측하는 기상 변동 예측부를 추가로 포함하는 기상 변동 예측 정보 제공 시스템.
  8. 청구항 1 내지 청구항 7 중 어느 한 항에 있어서,
    상기 기압 계측 장치의 각각은
    기압에 따라 공진 주파수를 변화시키는 감압 소자를 가지고, 당해 감압 소자의 진동 주파수에 따른 기압 데이터를 출력하는 기압 센서를 포함하는 기상 변동 예측 정보 제공 시스템.
  9. 청구항 8에 있어서,
    상기 기압 센서가 가지는 상기 감압 소자는 쌍음차(雙音叉) 압전 진동자인 기상 변동 예측 정보 제공 시스템.
  10. 국소적인 특정 지역에 있어서 기압의 변화에 기인하여 발생하는 소여의 기상 변동을 예측하기 위한 정보를 제공하는 기상 변동 예측 정보 제공 방법으로서,
    상기 특정 지역의 서로 다른 위치에 배치된 적어도 3개의 기압 계측 장치를 이용하여 기압을 계측하는 기압 계측 단계와,
    상기 기압 계측 장치의 각각이 계측한 기압 데이터를 계속하여 취득하는 기압 데이터 취득 단계와,
    상기 기압 데이터 취득 단계에서 일직선 상에 없는 3개의 위치에 배치된 3개의 상기 기압 계측 장치로부터 취득한 기압 데이터에 기초하여, 상기 특정 영역에 있어서 소여의 위치 중 2개 방향의 기압 경도를 요소로서 포함하는 2차원의 기압 경도 벡터를 산출하는 기압 경도 산출 단계와,
    상기 기압 경도 산출 단계에서 산출한 상기 기압 경도 벡터에 기초하여, 상기 기상 변동을 예측하기 위한 정보를 생성하는 기상 변동 예측 정보 생성 단계를 포함하는 기상 변동 예측 정보 제공 방법.
KR1020110100680A 2010-10-04 2011-10-04 기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법 KR20120035127A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010224643A JP5565578B2 (ja) 2010-10-04 2010-10-04 気象変動予測情報提供システム及び気象変動予測情報提供方法
JPJP-P-2010-224643 2010-10-04

Publications (1)

Publication Number Publication Date
KR20120035127A true KR20120035127A (ko) 2012-04-13

Family

ID=44970935

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110100680A KR20120035127A (ko) 2010-10-04 2011-10-04 기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법

Country Status (6)

Country Link
US (1) US20120084005A1 (ko)
EP (1) EP2437083A2 (ko)
JP (1) JP5565578B2 (ko)
KR (1) KR20120035127A (ko)
CN (1) CN102445715A (ko)
TW (1) TW201217826A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101504100B1 (ko) * 2013-11-26 2015-03-19 재단법인 한국형수치예보모델개발사업단 로렌츠 연직 이산화 기반의 육면체구 수평 격자체계를 사용하는 수치일기예보모델의 물리과정 모수화 패키지 구성 방법 및 이를 구현하는 하드웨어 장치
US9618337B2 (en) 2012-12-26 2017-04-11 Samsung Electronics Co., Ltd. Apparatus and method for measuring altitude of terminal
KR20200071042A (ko) * 2018-12-10 2020-06-18 이화여자대학교 산학협력단 열대성 뇌우 발생 예측 방법
KR20220001704A (ko) * 2020-06-30 2022-01-06 (주)한국해양기상기술 Ads-b 데이터 기반의 항로 기상 예측 방법, 장치 및 시스템

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012071485A2 (en) * 2010-11-24 2012-05-31 Hirl Joseph P Decision support system for the management of energy use, contracting and capital investments for facilities
CN103499846B (zh) * 2013-09-03 2015-11-25 百度在线网络技术（北京）有限公司 对天气状况进行预测的方法和设备
TWI611198B (zh) * 2014-03-19 2018-01-11 Pu Jin Biao 低空風切警告系統及預測低空風切的方法
JP6325429B2 (ja) * 2014-12-16 2018-05-16 日本電信電話株式会社 環境変化検出システム、環境変化検出装置及び環境変化検出方法
CN104992071B (zh) * 2015-07-17 2018-07-13 南京信息工程大学 一种基于集合资料同化技术的初始扰动方法
US10317575B2 (en) * 2016-05-04 2019-06-11 Global Weather Corporation Method and apparatus for forecasting weather
CN106295861A (zh) * 2016-08-01 2017-01-04 北京小米移动软件有限公司 天气预报信息的获取方法、装置和设备
JP6486875B2 (ja) * 2016-09-15 2019-03-20 株式会社東芝 気象データ処理装置、システム、気象データ処理方法及びプログラム
JP6740079B2 (ja) * 2016-10-14 2020-08-12 東日本旅客鉄道株式会社 突風予測装置
JP6973963B2 (ja) * 2016-12-27 2021-12-01 日本アンテナ株式会社 気象情報警告システム
CN108711265B (zh) * 2017-06-13 2020-02-18 南京康腾生物科技有限公司 泥石流监控避难报警系统及方法
JP2020530114A (ja) * 2017-08-01 2020-10-15 ナショナル ユニバーシティ オブ シンガポール 気圧計及び気圧分布決定方法
CN108254750B (zh) * 2017-11-24 2021-07-30 南京信息工程大学 一种基于雷达资料的下击暴流智能识别预警方法
TWI678549B (zh) * 2018-05-08 2019-12-01 蒲金標 基於行動電子裝置的天氣觀測方法及系統
WO2020213547A1 (ja) * 2019-04-15 2020-10-22 亮太 菊地 気象予測データ作成プログラム、気象予測データ作成方法、及び、移動体
JP7256487B2 (ja) * 2019-04-16 2023-04-12 東芝インフラシステムズ株式会社 気象予測装置、気象予測方法、およびプログラム
CN110006617B (zh) * 2019-05-23 2023-11-24 重庆大学 模拟移动式龙卷风和下击暴流的一体化风洞
CN111679346B (zh) * 2019-12-27 2022-06-21 广东电网有限责任公司电力科学研究院 一种大气层可降水量预估方法及装置
TWI784625B (zh) 2021-07-20 2022-11-21 國立中央大學 大氣亂流偵測方法及大氣亂流偵測裝置
CN113486844B (zh) * 2021-07-26 2022-04-15 中科三清科技有限公司 水平风切变位置判断方法、装置、电子设备及存储介质
CN115937007B (zh) * 2022-03-04 2023-08-01 中科三清科技有限公司 风切变的识别方法、装置、电子设备及介质
CN114626458B (zh) * 2022-03-15 2022-10-21 中科三清科技有限公司 一种高压后部识别方法、装置、存储介质及终端
CN115861811B (zh) * 2022-12-06 2023-06-20 中科三清科技有限公司 一种风切变区域识别方法、装置、存储介质及终端

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5178010A (en) * 1990-06-20 1993-01-12 Better Boating Association, Inc. Continuous graphical display of barometric data
JPH05281367A (ja) * 1992-03-31 1993-10-29 Komatsu Ltd 天気予報計
IL116699A (en) * 1996-01-08 2001-09-13 Biosense Ltd Method of building a heart map
US5434565A (en) * 1994-03-22 1995-07-18 Potomac Aviation Technology Corporation Automatic weather monitoring and adaptive transmitting system
JPH0949884A (ja) * 1995-08-04 1997-02-18 Aasu Uezaa:Kk ニューラルネットワークを用いた局地的気象予測方法
JPH11242412A (ja) * 1998-02-25 1999-09-07 Kyocera Corp 画像処理装置
JP2000062698A (ja) * 1998-08-25 2000-02-29 Shigeru Nagano 乱気流回避航法装置
JP3904420B2 (ja) 2001-09-27 2007-04-11 富士通株式会社 気象予測結果選定方法及び低気圧移動ベクトル計算方法
JP4206024B2 (ja) * 2003-10-16 2009-01-07 大成建設株式会社 大気物質指標分布解析装置
DE602004028568D1 (de) * 2004-02-20 2010-09-23 Harman Becker Automotive Sys Vorrichtung und Verfahren zum Erzeugen von Umgebungsparametern und zum Bestimmen von Wetterinformationen
US20060095210A1 (en) * 2004-10-20 2006-05-04 Idt Technology Limited Weather station
US7299706B2 (en) * 2005-02-04 2007-11-27 Michigan Custom Machines, Inc. Flow meter and method of using the same
JP2006308287A (ja) * 2005-04-26 2006-11-09 Railway Technical Res Inst 気象予報モデルの出力値を用いた風速増加量の推定方法
JP2007004632A (ja) * 2005-06-24 2007-01-11 Nokia Corp 仮想センサ
JP4627476B2 (ja) * 2005-10-05 2011-02-09 本田技研工業株式会社 サーバ及び車載ナビゲーション装置、車両、気象情報配信システム
GB2441344B (en) * 2006-08-31 2009-11-04 Westerngeco Seismic Holdings Zero-offset seismic trace construction and its use
JP2010019826A (ja) * 2008-03-25 2010-01-28 Epson Toyocom Corp 圧力センサ
US8413500B2 (en) * 2009-01-20 2013-04-09 Richard Duncan Ely, III Bernoulli wind prediction system
DE112011102495T5 (de) * 2010-07-26 2013-06-06 Exxonmobil Upstream Research Company Seismisches Erfassungsverfahren zur Modentrennung

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9618337B2 (en) 2012-12-26 2017-04-11 Samsung Electronics Co., Ltd. Apparatus and method for measuring altitude of terminal
KR101504100B1 (ko) * 2013-11-26 2015-03-19 재단법인 한국형수치예보모델개발사업단 로렌츠 연직 이산화 기반의 육면체구 수평 격자체계를 사용하는 수치일기예보모델의 물리과정 모수화 패키지 구성 방법 및 이를 구현하는 하드웨어 장치
KR20200071042A (ko) * 2018-12-10 2020-06-18 이화여자대학교 산학협력단 열대성 뇌우 발생 예측 방법
KR20220001704A (ko) * 2020-06-30 2022-01-06 (주)한국해양기상기술 Ads-b 데이터 기반의 항로 기상 예측 방법, 장치 및 시스템
KR20220137608A (ko) * 2020-06-30 2022-10-12 (주)한국해양기상기술 Ads-b 데이터 기반의 항로 기상 예측 및 검증 방법, 장치 및 시스템
KR20220137607A (ko) * 2020-06-30 2022-10-12 (주)한국해양기상기술 Ads-b 데이터 기반의 항로 기상 예측 엔진 업데이트 방법, 장치 및 시스템
KR20220137606A (ko) * 2020-06-30 2022-10-12 (주)한국해양기상기술 Ads-b 데이터 기반의 항로 기상 예측 및 업데이트 방법, 장치 및 시스템

Also Published As

Publication number Publication date
TW201217826A (en) 2012-05-01
EP2437083A2 (en) 2012-04-04
US20120084005A1 (en) 2012-04-05
CN102445715A (zh) 2012-05-09
JP2012078237A (ja) 2012-04-19
JP5565578B2 (ja) 2014-08-06

Similar Documents

Publication Publication Date Title
KR20120035127A (ko) 기상 변동 예측 정보 제공 시스템 및 기상 변동 예측 정보 제공 방법
JP6014303B2 (ja) 気象変動予測情報提供システム及び気象変動予測情報提供方法
JP2013054005A (ja) 気象変動情報提供システム、気象変動情報提供方法、気象変動情報提供プログラム及び記録媒体
TWI417523B (zh) 網路元件、電腦程式產品、以及用於決定一移動終端機之高度的方法、電腦程式、移動終端機、及系統
JP2018138917A (ja) 天候予測システム
JP2013054004A (ja) 気象計測装置の配置方法、気象変動予測情報提供システム、気象変動予測情報提供方法、気象変動予測情報提供プログラム及び記録媒体
JP2013050417A (ja) 風向風速情報提供システム及び風向風速情報提供方法
JP2013052723A (ja) 高度計測システム、高度計測方法、高度計測プログラム及び記録媒体
JP2018112445A (ja) 演算装置、演算方法、演算システムおよびプログラム
CN110460714B (zh) 基于移动电子装置的天气观测方法及系统
JP2013054006A (ja) 気象変動予測情報提供システム、気象変動予測情報提供方法、気象変動予測情報提供プログラム及び記録媒体
KR101815120B1 (ko) 정밀도를 높인 gnss 측위 시스템
EP2722693B1 (en) Generating an atmospheric model using one or more pressure-sensing mobile devices
JP2013054690A (ja) 配車管理システム、配車方法、車両運行支援システム、車両運行支援方法、プログラム及び記録媒体
CN105466423A (zh) 一种无人机导航系统及其运行方法
US7324002B2 (en) Outdoor computer
Azevedo et al. Weather stations-assisted barometric altimeter for Android: Interpolation techniques for improved accuracy
US20220260441A1 (en) Electronic hail pad
JP2013210235A (ja) 気圧高度計、位置計測システム、プログラム及び記録媒体
WO2018161331A1 (zh) 无人机环境监测系统和监测方法
CN113574418A (zh) 气象预测数据创建程序、气象预测数据创建方法及移动体
Li et al. Synchronizing and integrating Android multi-GNSS/accelerometer sensors to capture broadband vibrations at sub-centimeter resolution
JP2013205083A (ja) 位置計測装置、プログラム、記録媒体、及び位置計測方法
RU2795417C1 (ru) Система экологического мониторинга атмосферного воздуха
JP6206981B2 (ja) 圧力センサの出力周波数平滑化方法およびそれを用いた気圧観測による津波警報装置、津波警報システム

Legal Events

Date Code Title Description
WITB Written withdrawal of application