KR20120119750A - 위험기상과 관련된 반사도 셀의 탐지 방법 - Google Patents

위험기상과 관련된 반사도 셀의 탐지 방법 Download PDF

Info

Publication number
KR20120119750A
KR20120119750A KR1020110037912A KR20110037912A KR20120119750A KR 20120119750 A KR20120119750 A KR 20120119750A KR 1020110037912 A KR1020110037912 A KR 1020110037912A KR 20110037912 A KR20110037912 A KR 20110037912A KR 20120119750 A KR20120119750 A KR 20120119750A
Authority
KR
South Korea
Prior art keywords
reflectivity
dimensional
cell
components
reflectance
Prior art date
Application number
KR1020110037912A
Other languages
English (en)
Other versions
KR101221755B1 (ko
Inventor
이규원
정성화
Original Assignee
경북대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020110037912A priority Critical patent/KR101221755B1/ko
Publication of KR20120119750A publication Critical patent/KR20120119750A/ko
Application granted granted Critical
Publication of KR101221755B1 publication Critical patent/KR101221755B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Electromagnetism (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 3차원 레이더 반사도 장(reflectivity fields)을 이용하여 뇌우, 우박, 호우 등의 위험기상(severe weather)과 연관된 반사도 셀(reflectivity cells)을 정확하게 탐지할 수 있는 위험기상과 관련된 반사도 셀의 탐지 방법에 관한 것으로, 3D CAPPI 자료의 격자점 성분에서 점진적으로 1차원 성분, 2차원 성분 및 3차원 성분을 식별하여 위험기상과 관련된 반사도 셀을 검출하는 제1단계; 및 검출된 위험기상과 관련된 반사도 셀의 속성을 산출하는 제2단계;를 포함한다.

Description

위험기상과 관련된 반사도 셀의 탐지 방법 {Method for identifying reflectivity cells associated with severe weather}
본 발명은 위험기상의 탐지 방법에 관한 것으로, 더욱 상세하게는, 3차원 레이더 반사도 장(reflectivity fields)을 이용하여 뇌우, 우박, 호우 등의 위험기상(severe weather)과 연관된 반사도 셀(reflectivity cells)을 정확하게 탐지할 수 있는 위험기상과 관련된 반사도 셀의 탐지 방법에 관한 것이다.
일반적으로 기상(氣像) 레이더는 전자기파를 발사하여 기상학적 목표물에 반사 또는 산란되어 오는 전파신호의 크기를 계산하는 장비로써, 넓은 영역(유효관측반경: 240km)을 매우 빠르게(10분 간격) 감시할 수 있기 때문에 넓은 영역의 강수량을 산출하는 가장 효율적인 원격탐사장비 중 하나이다.
목표물에 산란되어 오는 신호(반사도)는 기상 레이더에서 발사되는 펄스 볼륨 내에 존재하는 물방울의 크기 분포와 관계가 있으며, 지상에 떨어지는 강수량도 물방울의 크기 분포의 함수이므로 레이더 반사도와 지상 강수량과의 일정 관계식(Z-R 관계식: Z=aRb)을 사용하면 레이더 반사도로부터 지상 강수량을 추정해 내고 있다.
최근 지구온난화로 인해 세계 각지에서는 호우빈도와 태풍, 허리케인 강도가 증가해 많은 피해를 입고 있다. 여기서, 호우, 태풍, 낙뢰, 폭염 등 막대한 피해를 가져오는 극단적 기상 현상을 위험기상(severe weather)이라 한다. 2007년 기후변화에 관한 정부간 협의체(IPCC)는 앞으로도 지구온난화가 진행될 것으로 예상했으며, 이에 따라 위험기상 발생 빈도 역시 증가할 것으로 보고 있다.
따라서 뇌우, 우박, 호우 등의 위험기상을 유발할 수 있는 반사도 셀을 정확하게 식별?탐지하고 추적할 수 있는 기술이 필요하다.
이와 같은 요구에 따라 본 발명은 3차원 레이저 반사도 자료에서 위험기상을 유발할 수 있는 반사도 셀을 자동으로 탐지하고 그 속성을 산출할 수 있는 위험기상과 관련된 반사도 셀의 탐지 방법을 제공하는데 그 목적이 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 일 실시 형태는, 3D CAPPI 자료의 격자점 성분에서 점진적으로 1차원 성분, 2차원 성분 및 3차원 성분을 식별하여 위험기상과 관련된 반사도 셀을 검출하는 제1단계; 및 검출된 위험기상과 관련된 반사도 셀의 속성을 산출하는 제2단계;를 포함하는 위험기상과 관련된 반사도 셀의 탐지 방법을 포함한다.
이때, 상기 제1단계는, 3D CAPPI 자료의 격자점 성분에서 미리 설정된 반사도 임계치를 초과하는 격자점들을 판별하는 단계; 판별된 격자점들의 x, y 좌표를 검색하여 y 좌표가 동일하며 x좌표가 인접한 격자점들을 1차원 성분으로 판별하는 단계; 판별된 1차원 성분들의 y좌표를 검색하여 y좌표가 인접한 1차원 성분들을 2차원 성분으로 판별하는 단계; 및 판별된 2차원 성분들의 z좌표를 검색하여 z좌표가 인접한 2차원 성분들을 3차원 성분으로 판별하여 3차원 반사도 셀을 검출하는 단계;를 포함한다.
또한, 상기 제2단계는, 판별된 3차원 반사도 셀을 미리 설정된 부피 임계치를 기준으로 필터링하는 단계; 필터링된 3차원 반사도 셀을 2차원의 x, y 평면으로 투영하여 2차원 반사도 셀로 변환하는 단계; 및 필터링된 3차원 반사도 셀과 상기 2차원 반사도 셀에 대한 속성 정보를 각각 산출하는 단계;를 포함한다.
또한, 상기 2차원 반사도 셀에 대한 속성 정보는 면적, 2차원 중심위치, 대표타원의 장축과 단축의 길이, 장축의 기울기, 연직적분액체수함량, 연직적분액체수함량밀도, 상층연직적분액체수함량을 포함하는 그룹 중 적어도 하나인 것이며, 상기 필터링된 3차원 반사도 셀에 대한 속성 정보는 3차원 중심위치, 부피, 최대반사도, 평균반사도, 최대반사도의 고도 및 위치를 포함하는 그룹 중 적어도 하나인 것이다.
또한, 상기 제2단계는, 산출한 속성 정보를 이용해 CMAX 영상 및 2차원 반사도 셀 영상을 표시하는 단계;를 더 포함한다.
본 발명에 따르면, 위험기상을 자동으로 판별하고 정량적인 정보를 제공함으로써 관측된 기상현상들에 대한 위험도를 객관적으로 결정할 수 있다. 이를 항공기상이나 우주발사체 발사업무에 활용할 경우, 객관적으로 결정된 기상현상의 위험도를 바탕으로 업무상의 불확실성을 제거하여 막대한 예산 절감을 기대할 수 있다.
따라서 본 발명은 기상청, 방재기관, 수문관련기관, 항공우주산업, 항공기상 산업에 필수적인 기초 기술로 시장성이 매우 밝으며, 관련 민간 기관들의 해당기술에 대한 관심도가 매우 높아 기업화 또는 유상기술이전 전망이 밝다.
도 1은 본 발명의 일 실시 형태에 따른 3차원 레이더 반사도 데이터로부터 자동으로 위험기상과 관련된 반사도 셀을 추적하는 방법을 설명하기 위한 순서도이다.
도 2는 도 1에 도시된 3D CAPPI 생성 과정을 설명하기 위한 순서도이다.
도 3은 도 1에 도시된 위험기상과 관련된 반사도 셀의 식별 과정을 설명하기 위한 순서도이다.
도 4는 도 1에 도시된 위험기상과 관련된 반사도 셀의 추적 과정을 설명하기 위한 순서도이다.
도 5는 위험기상과 관련된 반사도 셀의 추적에 이용되는 소속함수 및 가중치를 결정하는 과정을 설명하기 위한 순서도이다.
도 6 내지 도 10은 도 5에 도시된 소속함수 및 가중치를 결정하는 과정을 실제 적용한 예시도이다.
도 11 및 도 12는 도 1에 도시된 위험기상과 관련된 반사도 셀의 추적 방법을 실제 적용한 결과를 나타낸 예시도이다.
이하, 본 발명의 실시 예에 대해 첨부한 도면을 참고로 하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 또한, 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다. 그리고, 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 부호를 붙였다. 또한, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 일 실시 형태에 따른 3차원 레이더 반사도 데이터로부터 자동으로 위험기상과 관련된 반사도 셀을 추적하는 방법을 설명하기 위한 순서도이다.
도 1에 도시된 바와 같이, 본 위험기상과 관련된 반사도 셀의 추적 방법은 세 부분으로 나뉘며, 3D CAPPI(Constant Altitude Plan Position Indicator) 생성 단계(S10), 위험기상과 관련된 반사도 셀의 식별 단계(S20) 및 위험기상과 관련된 반사도 셀의 추적 단계(S30)를 포함하여 이루어진다.
여기서, 호우, 태풍, 낙뢰, 폭염 등 막대한 피해를 가져오는 극단적 기상 현상인 위험기상은 대류성 스톰(말하자면 큰 적란운) 내에서 발생한다. 따라서, 본 실시예에 있어서 위험기상과 관련된 반사도 셀을 대류성 스톰(convective storm)으로 지칭하여 설명하도록 한다.
먼저, 3D CAPPI 생성 단계(S10)는 레이더 반사도 데이터의 좌표변환을 수행하는 단계로, 레이더 반사도 데이터를 직교좌표계의 3D 반사도 장으로 변환한다.
그런 다음, 위험기상과 관련된 반사도 셀의 식별 단계(S20)는 좌표변환된 3D CAPPI 자료에서 대류성 스톰을 검출하고 검출한 대류성 스톰의 속성을 정량화하여 제공한다.
이어서, 위험기상과 관련된 반사도 셀의 추적 단계(S30)는 퍼지 논리를 이용해 검출한 대류성 스톰의 속성을 분석하여 대류성 스톰의 진로(track)를 추적한다.
각 단계별 구체적인 설명은 하기 도 2 내지 도 5를 참조하여 설명하도록 한다.
도 2는 도 1에 도시된 3D CAPPI 생성 과정을 설명하기 위한 순서도이다.
도 2에 도시된 바와 같이, 레이더 반사도 데이터를 수집한다(S101).
그런 다음, 수집된 레이더 반사도 데이터를 극좌표계 상에 레이더 볼륨 데이터로 표시한다(S102).
이어서, 레이더 볼륨 데이터에 대한 좌표변환을 수행한다(S103). 즉, 극좌표계 상에 표시된 레이더 볼륨 데이터를 직교좌표계의 3D 반사도 장으로 변환한다. 이러한 과정을 통해 3차원 CAPPI(격자) 자료가 생성된다.
도 3은 도 1에 도시된 위험기상과 관련된 반사도 셀의 식별 과정을 설명하기 위한 순서도이다.
도 3에 도시된 바와 같이, 대류성 스톰 식별 과정은 크게 두 부분으로 나뉘며, 3D CAPPI 자료에서 대류성 스톰을 검출하는 단계(S21)와 검출된 대류성 스톰의 속성을 산출하는 단계(S22)로 이루어진다.
이러한 대류성 스톰 식별 과정은 3차원 레이더 반사도 자료에서 위험기상(뇌우, 우박, 호우 등)과 연관된 반사도 셀(대류성 스톰)을 판별하기 위해 임계치 방법(threshold method)에 기초하고 있으며, 본 실시예에서는 반사도 임계치와 부피 임계치를 사용하여 대류성 스톰을 판별한다.
먼저, 3D CAPPI 자료에서 대류성 스톰을 검출하는 단계(S21)는 격자점 성분(element)에서 점진적으로 1차원 성분(segment), 2차원 성분(component) 및 3차원 성분(storm3D)을 식별하는 과정(S211 내지 S214 단계)으로 이루어진다. 이때, 격자점 성분의 판별은 미리 설정된 반사도 임계치를 이용한다.
구체적으로, 반사도 임계치를 초과하는 반사도를 가진 모든 격자점(element)을 3차원 레이더 반사도 자료에서 판별하고 개별 식별번호를 부여한다(element의 판별)(S211).
그런 다음, 전체 격자점들의 x와 y좌표를 검색하여 y좌표가 동일하며 x좌표가 인접한 격자점들을 1차원 성분(segment)으로 판별하고 식별번호를 부여한다(S212).
이어서, 전체 1차원 성분(segment)들의 y좌표를 검색하여 y좌표가 인접한 1차원 성분(segment)들을 2차원 성분(component)으로 판별한다(S213).
그런 다음, 전체 2차원 성분(component)들의 z 방향(연직 방향)으로 검색하여 z좌표가 인접한 2차원 성분(component)들을 3차원 성분(storm3D), 즉 3차원 반사도 셀로 판별한다(S214).
다음으로, 판별된 3차원 반사도 셀의 속성을 산출하는 단계(S22)는 판별된 3차원 반사도 셀의 필터링과, 2차원 반사도 셀로의 변환 및 2차원 및 3차원 반사도 셀로부터 각각의 속성 정보를 산출하는 과정(S221 내지 S225)으로 이루어진다.
구체적으로, 3차원 반사도 셀은 미리 설정된 부피 임계치를 기준으로 필터링되며(S221), 부피 임계치보다 부피가 작은 3차원 성분(storm3D)은 최종 판별에서 제외되며(S222), 부피 임계치보다 부피가 큰 3차원 반사도 셀만 xy 평면으로 투영되어 2차원 반사도 셀(storm2D)로 탐지된다(S223). 즉, 판별된 3차원 성분(storm3D)은 2차원의 x, y평면으로 투영되어 2차원 반사도 셀로 변환되어 표시된다. 이때, 부피 임계치보다 부피가 큰 3차원 반사도 셀은 대류성 스톰으로 검출되며, 2차원 반사도 셀은 타원으로 표시된다.
그런 다음, 3차원과 2차원의 반사도 셀로부터 3차원 속성 정보(3차원 중심위치, 부피, 최대반사도, 평균반사도, 최대반사도의 고도 및 위치 등)와 2차원 속성 정보(면적, 중심위치, 대표타원의 장축과 단축의 길이, 장축의 기울기, 연직적분액체수함량, 연직적분액체수함량밀도, 상층연직적분액체수함량)를 산출하여 정량적인 수치정보를 제공한다(S224).
이어서, 검출한 대류성 스톰을 산출한 속성정보를 이용해 CMAX(Cloumn Maximum) 및 storm2D 영상으로 표시한다(S225). 여기서, CMAX 영상은 볼륨 관측 자료 각각의 Column에서 가장 강한 에코 부분만을 평면상에 표출한 것이다.
이와 같이 본 발명에 따른 대류성 스톰 식별 과정은 수문 및 기상레이더를 이용하여 대기현상(구름, 비, 눈)을 관측한 3차원 레이더 반사도 자료에서 위험기상(뇌우, 우박 , 호우 등)을 유발할 수 있는 반사도 셀을 자동으로 탐지하고 그 속성을 도출함으로써 관측된 기상 현상들에 대한 위험도를 객관적으로 결정할 수 있다.
도 4는 도 1에 도시된 위험기상과 관련된 반사도 셀의 추적 과정을 설명하기 위한 순서도이다.
도 4에 도시된 바와 같이, 위험기상과 관련된 반사도 셀의 추적 과정은 크게 두 부분으로 나뉘며, 퍼지논리의 소속함수와 가중치를 결정하는 단계(S31)와, 위험기상과 관련된 반사도 셀의 추적 단계(S32)로 이루어진다.
이러한 위험기상과 관련된 반사도 셀의 추적 과정은 서로 다른 시간대의 레이더 반사도 자료에서 판별된 반사도 셀들을 시간에 따라 추적하기 위해 퍼지논리를 사용하며 상기 퍼지논리는 소속함수와 가중치로 구성된다.
먼저, 퍼지논리의 소속함수와 가중치를 결정하는 단계(S31)는, 소속함수를 결정하는 과정과 가중치를 결정하는 과정으로 이루어진다.
구체적으로, 3차원 반사도 셀(Storm3D)의 속성 정보를 이용하여 퍼지논리의 퍼지변수를 계산한다(S311). 여기서, 퍼지논리의 퍼지변수는 이동속도(speed, SPD), 평균반사도 차이(Difference of Mean Reflectivity, DMR), 면적변화율(Area Change Ratio, ACR) 및 축변형율(Axis Transformation Ratio, ATR)을 포함한다. 이러한 퍼지변수의 계산은 탐지한 대류성 스톰의 속성(평균반사도, 중심위치, 최저고도, 최고고도 등)을 이용하여 계산된다. 4가지 퍼지변수는 각각 하기 수학식 1 내지 수학식 4와 같다.
SPD는 연속된 두 시간대에서 판별한 3차원 반사도 셀(storm3D)들의 중심위치로 계산한 이동속도로 ㎳-1 단위이며 하기 수학식 1에 따라 계산된다.
Figure pat00001
여기서,
Figure pat00002
,
Figure pat00003
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 storm3D의 중심위치의 x좌표를 나타내며,
Figure pat00004
,
Figure pat00005
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm3D)의 중심위치의 y좌표를 나타내며, m, n는 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm3D)의 식별번호(ID)를 나타낸다.
그리고, DMR은 두 시간대에서 판별한 반사도 셀(storm3D)들 사이의 평균 반사도의 변화율로 현재 시간대에 판별한 반사도 셀(storm3D)의 평균 반사도에 대한 과거와 현재 판별한 대류세포들 사이의 반사도 차이로 정의되며 dB단위이며 수학식 2에 따라 계산된다.
Figure pat00006
여기서,
Figure pat00007
,
Figure pat00008
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm2D)들의 평균 반사도를 나타내며 dBZ 단위이다.
그리고, ACR은 현재 시간대에 판별한 반사도 셀(storm2D)의 면적에 대한 과거와 현재 판별한 반사도 셀(storm2D)들 사이의 면적차이의 비율로 정의되며 무차원의 값으로 수학식 3에 따라 계산된다.
Figure pat00009
여기서,
Figure pat00010
,
Figure pat00011
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm2D)(storm3D를 2차원으로 투영시킨 것)의 면적으로 km-2 단위이다. avg는 평균을 의미한다.
그리고, ATR은 현재 시간에 판별한 반사도 셀(storm2D)를 대표하는 타원의 장축과 단축에 대한 과거와 현재 시간에 판별한 반사도 셀(storm2D)들의 장, 단축의 변화율로 정의되며 무차원으로 수학식 4에 따라 계산된다.
Figure pat00012
여기서,
Figure pat00013
,
Figure pat00014
,
Figure pat00015
,
Figure pat00016
는 각각 과거시간(t-△t)과 현재시간(t)에 판별한 반사도 셀(storm2D) 타원의 장축과 단축을 나타내는 km 단위이다. 장축과 단축의 변형비율은 각각 동일한 가중치(1/2)로 가중되어 합산된다. avg는 평균을 의미한다.
상술한 수학식 1 내지 4를 이용해 4가지 퍼지변수를 계산한 다음, 산출된 4가지 퍼지변수의 정규화된 빈도분포를 이용하여 소속함수 및 가중치를 결정한다.(S312).
이어서, 소속값에 가중치를 곱하여 총소속값을 계산한다(S313). 이를 퍼지 정규화라 한다. 퍼지 정규화는 소속함수와 그 가중치로 이루어진다. 4개의 퍼지변수 값은 소속함수를 이용해 소속값으로 변환된다. 그러면 총소속값은 하기 수학식 5와 같이 계산된다.
Figure pat00017
여기서, MV는 소속값을 나타내며, W는 가중치를 나타낸다.
그런 다음, 산출된 총소속값이 임계치를 넘을 때(MVtot>MVthresh) 서로 다른 두 시간대에서 판별된 위험기상을 같은 위험기상으로 판별한다(S32).
이와 같이, 위험기상과 관련된 반사도 셀의 추적 과정은 4개의 퍼지변수를 이용한 퍼지 논리에 의해 구현된다. 각 퍼지변수는 두 개의 연속 시간에 판별된 두 개의 대류성 스톰 특성으로부터 산출된다. 그리고, 다른 시간대의 두 대류성 스톰은 퍼지 정규화에 의해 추적된다. 이때, 소속함수 및 그 가중치는 통계적 데이터로부터 객관적으로 미리 결정된다.
도 5는 위험기상과 관련된 반사도 셀의 추적에 이용되는 소속함수 및 가중치를 결정하는 과정을 설명하기 위한 순서도이다.
도 5에 도시된 바와 같이, 서로 다른 시간대의 레이더 반사도 자료가 수집되며(S50), 수집된 레이더 반사도 자료로부터 3D CAPPI 생성(S51)하여 반사도 셀을 판별(S52)하고 판별된 반사도 셀을 중첩하여 표시한다(S53).
이와 같이 판별된 반사도 셀에 대해 사례를 선정(S54)하고, 통계처리를 통해 퍼지변수를 산출한다(S55). 이때, 선정된 사례는 매칭되는 스톰 목록과 매칭되지 않는 스톰 목록으로 구분된다.
그리고, 산출된 퍼지변수를 이용해 객관적으로 소속함수 및 가중치를 산출하여 결정한다(S56).
이하, 도 6 내지 도 10은 도 5에 도시된 소속함수 및 가중치를 결정하는 과정을 실제 적용한 예시도이다.
도 6은 소속함수 및 가중치를 결정하기 위한 대류성 스톰 사례를 선정하는 것을 나타낸 예시도이다.
도 6에 도시된 바와 같이, 6개의 사례를 선정하고 이를 PNG(Portable Network Graphics), ASCⅡ를 이용해 각 대류성 스톰을 표시한다.
그리고, 매칭되는 대류성 스톰 목록과 매칭되지 않는 대류성 스톰 목록으로 구분한다.
도 7은 도 6에 도시된 매칭 및 비매칭 되는 대류성 스톰 쌍들의 정규화된 빈도 분포를 나타내는 그래프이다. 여기서, 검정선은 매칭 스톰 쌍을, 붉은선은 비매칭 스톰 쌍을 가리킨다.
도 7에 도시된 바와 같이, 매칭 스톰 쌍의 빈도는 낮은 값에 집중되어 있으나, 비매칭 스톰 쌍은 높은 값까지 넓게 분포되어 있다. 이는 두 스톰 쌍 사이의 특성이 판이하게 다름을 의미한다.
한편, 각 퍼지변수에 대한 두 빈도 분포는 중첩 영역이 존재한다. 이 중첩 영역의 크기는 각 퍼지변수마다 서로 다르게 나타나며, 두 개의 정규화된 빈도 분포의 중첩 영역이 작을수록 스톰 추적에 유용한다. 왜냐하면 넓은 중첩 영역은 두 개의 빈도 분포가 비슷한 패턴 및 특성을 가진다는 것을 의미하기 때문이다.
도 7을 참조하면, SPD의 중첩 영역이 가장 작으므로, 다른 퍼지변수보다 스톰 추적에 중요한 변수임을 알 수 있다.
도 8은 도 7의 ATR에 대한 소속함수를 결정하는 과정을 나타낸 예시도이다.
여기서, 소속함수는 두 빈도의 합에 대한 하나의 빈도의 비로 정의되며, 하기 수학식 6에 따라 구해진다.
Figure pat00018
여기서, MF는 소속함수, F는 퍼지변수에 대한 빈도를 나타낸다.
도 8의 (a)에 도시된 ATR의 정규화된 빈도 분포로부터 수학식 6에 따라 소속함수를 구하면 도 8의 (b)와 같다.
도 9는 도 7에 도시된 4개의 퍼지변수의 정규화된 빈도 분포로부터 결정된 소속함수를 나타낸 예시도이다. 여기서, 검정선은 매칭 스톰 쌍의 소속함수이며, 붉은선은 비매칭 스톰 쌍의 소속함수를 가리킨다.
도 9에 도시된 바와 같이, 매칭 스톰 쌍의 모든 소속함수는 퍼지변수 값이 증가할수록 감소한다. 두 스톰 사이에 높은 값이 계산될 경우, 두 스톰은 동일한 스톰으로써 매칭되지 않는다.
도 10은 도 7의 4개의 퍼지변수의 소속함수에 대한 가중치를 결정하는 과정을 설명하는 예시도이다.
여기서, 가중치는 매칭 및 비매칭 스톰 쌍 사이에서 두 정규화된 빈도 분포의 중첩 영역과 관계가 있으며, 중첩 영역의 크기와 반비례 관계이며, 하기 수학식 7에 따라 계산된다.
Figure pat00019
Figure pat00020
도 10에 도시된 바와 같이, SPD가 가장 작은 중첩 영역을 가지므로, SPD의 가중치는 0.6으로 4개의 퍼지변수 중 가장 높은 값을 가지며, DMR의 가중치가 0.11로 가장 작다.
이 결과는 스톰 추적에 있어서 4개의 퍼지변수 중 SPD가 가장 중요한 변수임을 의미한다.
이하, 도 11 및 도 12는 본 발명에 따른 스톰 추적 방법을 실제 적용한 결과를 나타낸 예시도이다.
도 11은 2008년 07월 18일 12: 05분경에 대한 CMAX 영상 및 storm2D 영상과 이에 대한 스톰 추적 결과를 나타낸 예시도이다.
도 11의 (a)에 도시된 바와 같이, 좌측의 CMAX 영상과 우측의 storm2D 영상에 따르면 몇 개의 스톰이 레이더 주변에 발생하였고 북동 방향으로 이동하고 있음을 알 수 있다.
그리고, 도 11의 (b)에 도시된 바와 같이, 참조 스톰 트랙(G1~G4)이 좌측 표에 나열되어 있으며, 7회 동안 중첩된 참조 스톰 트랙의 타원 영상에 따르면 동일 색상은 시간이 흐름에 따라 동일 스톰임을 의미한다. 그리고, 붉은 선은 본 발명에 따른 스톰 추적 방법에 의한 스톰 추적을 가리킨다.
그리고, 스톰 이동은 서로 동시에 발생한다. G2와 G3가 비록 가깝게 발생되었더라도 본 발명에 따른 스톰 추적 방법은 정확하게 추적할 수 있다.
도 12는 2008년 07월 18일 05: 35분경에 대한 CMAX 영상 및 storm2D 영상과 이에 대한 스톰 추적 결과를 나타낸 예시도이다.
도 12의 (a)에 도시된 바와 같이, 좌측의 CMAX 영상과 우측의 storm2D 영상에 따르면 몇 개의 작은 스톰이 레이더 주변에 발생하였고 북서 방향으로 이동하고 있음을 알 수 있다.
그리고, 도 1의 (b)에 도시된 바와 같이, 참조 스톰 트랙(G1~G8)이 좌측 표에 나열되어 있으며, 10회 동안 중첩된 참조 스톰 트랙의 타원 영상에 따르면 스톰 이동(진로, track)은 서로 동시에 발생한다. 즉, 많은 수의 스톰이 발생되었더라도 본 발명에 따른 스톰 추적 방법은 그 진로를 정확하게 추적할 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들을 한정적인 관점이 아니라 설명적인 관점에서 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 한다.
또한, 본 발명에 따른 장치 및 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

Claims (7)

  1. 3D CAPPI 자료의 격자점 성분에서 점진적으로 1차원 성분, 2차원 성분 및 3차원 성분을 식별하여 위험기상과 관련된 반사도 셀을 검출하는 제1단계; 및
    검출된 위험기상과 관련된 반사도 셀의 속성을 산출하는 제2단계;를 포함하는 위험기상과 관련된 반사도 셀의 탐지 방법.
  2. 제1항에 있어서, 상기 제1단계는,
    3D CAPPI 자료의 격자점 성분에서 미리 설정된 반사도 임계치를 초과하는 격자점들을 판별하는 단계;
    판별된 격자점들의 x, y 좌표를 검색하여 y 좌표가 동일하며 x좌표가 인접한 격자점들을 1차원 성분으로 판별하는 단계;
    판별된 1차원 성분들의 y좌표를 검색하여 y좌표가 인접한 1차원 성분들을 2차원 성분으로 판별하는 단계; 및
    판별된 2차원 성분들의 z좌표를 검색하여 z좌표가 인접한 2차원 성분들을 3차원 성분으로 판별하여 3차원 반사도 셀을 검출하는 단계;를 포함하는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 탐지 방법.
  3. 제2항에 있어서, 상기 제2단계는,
    판별된 3차원 반사도 셀을 미리 설정된 부피 임계치를 기준으로 필터링하는 단계;
    필터링된 3차원 반사도 셀을 2차원의 x, y 평면으로 투영하여 2차원 반사도 셀로 변환하는 단계; 및
    필터링된 3차원 반사도 셀과 상기 2차원 반사도 셀에 대한 속성 정보를 각각 산출하는 단계;를 포함하는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 탐지 방법.
  4. 제3항에 있어서,
    상기 2차원 반사도 셀에 대한 속성 정보는 면적, 2차원 중심위치, 대표타원의 장축과 단축의 길이, 장축의 기울기, 연직적분액체수함량, 연직적분액체수함량밀도, 상층연직적분액체수함량을 포함하는 그룹 중 적어도 하나인 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 탐지 방법.
  5. 제3항에 있어서,
    상기 필터링된 3차원 반사도 셀에 대한 속성 정보는 3차원 중심위치, 부피, 최대반사도, 평균반사도, 최대반사도의 고도 및 위치를 포함하는 그룹 중 적어도 하나인 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 탐지 방법.
  6. 제3항에 있어서,
    상기 제2단계는, 산출한 속성 정보를 이용해 CMAX 영상 및 2차원 반사도 셀 영상을 표시하는 단계;를 더 포함하는 것을 특징으로 하는 위험기상과 관련된 반사도 셀의 탐지 방법.
  7. 제1항 내지 제6항 중 어느 한 항의 방법을 수행하기 위한 프로그램으로서 디지털 신호 처리 장치에 의해 판독되고 실행될 수 있는 프로그램을 기록한 기록매체.
KR1020110037912A 2011-04-22 2011-04-22 위험기상과 관련된 반사도 셀의 탐지 방법 KR101221755B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110037912A KR101221755B1 (ko) 2011-04-22 2011-04-22 위험기상과 관련된 반사도 셀의 탐지 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110037912A KR101221755B1 (ko) 2011-04-22 2011-04-22 위험기상과 관련된 반사도 셀의 탐지 방법

Publications (2)

Publication Number Publication Date
KR20120119750A true KR20120119750A (ko) 2012-10-31
KR101221755B1 KR101221755B1 (ko) 2013-01-11

Family

ID=47286950

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110037912A KR101221755B1 (ko) 2011-04-22 2011-04-22 위험기상과 관련된 반사도 셀의 탐지 방법

Country Status (1)

Country Link
KR (1) KR101221755B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104581787A (zh) * 2015-01-22 2015-04-29 天津大学 一种基于干扰抵消的lte系统多小区搜索方法
KR101531246B1 (ko) * 2014-11-27 2015-06-24 대한민국 기상 레이더 영상 내 대류 세포와 낙뢰 매칭 시스템 및 그의 제어 방법
KR20160094246A (ko) 2015-01-30 2016-08-09 서울대학교산학협력단 진로 군집 분류 기반 북대서양 허리케인 진로 예측 방법
US10768305B2 (en) 2016-02-05 2020-09-08 Samsung Electronics Co., Ltd. Vehicle and method of recognizing position of vehicle based on map
KR102492480B1 (ko) * 2022-06-10 2023-02-06 대한민국 레이더기반 우박 생성 위험 지역 탐지 방법, 이를 수행하기 위한 기록 매체 및 장치

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101531225B1 (ko) * 2014-11-27 2015-07-06 대한민국 대류 세포 이동 경로 예측 시스템 및 그의 제어 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080031702A (ko) * 2008-02-22 2008-04-10 강용균 원격탐사영상 구름식별 방법
KR100966289B1 (ko) 2008-02-25 2010-06-28 삼성중공업 주식회사 선박 레이더 추적 시스템의 추적 표적 판정 방법 및 이를이용한 기록매체, 아파보드 및 레이더
KR100963532B1 (ko) 2009-11-10 2010-06-15 부경대학교 산학협력단 기상레이더의 강수량 추정 방법

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101531246B1 (ko) * 2014-11-27 2015-06-24 대한민국 기상 레이더 영상 내 대류 세포와 낙뢰 매칭 시스템 및 그의 제어 방법
US9864056B2 (en) 2014-11-27 2018-01-09 Korea Meteorological Administration Matching system between convective cell in weather radar image and lightning and control method thereof
CN104581787A (zh) * 2015-01-22 2015-04-29 天津大学 一种基于干扰抵消的lte系统多小区搜索方法
KR20160094246A (ko) 2015-01-30 2016-08-09 서울대학교산학협력단 진로 군집 분류 기반 북대서양 허리케인 진로 예측 방법
US10768305B2 (en) 2016-02-05 2020-09-08 Samsung Electronics Co., Ltd. Vehicle and method of recognizing position of vehicle based on map
KR102492480B1 (ko) * 2022-06-10 2023-02-06 대한민국 레이더기반 우박 생성 위험 지역 탐지 방법, 이를 수행하기 위한 기록 매체 및 장치

Also Published As

Publication number Publication date
KR101221755B1 (ko) 2013-01-11

Similar Documents

Publication Publication Date Title
CN104977584B (zh) 一种对流天气的临近预报方法及系统
KR101221755B1 (ko) 위험기상과 관련된 반사도 셀의 탐지 방법
KR101258668B1 (ko) 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법
KR101221793B1 (ko) 위험기상과 관련된 반사도 셀의 추적 방법
KR101224258B1 (ko) 기상레이더 3차원 반사도 자료를 이용한 3차원 강우유형 분류 방법 및 그 시스템
CN110794413B (zh) 线性体素分割的激光雷达点云数据电力线检测方法和系统
Liang et al. A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds
CN107479065B (zh) 一种基于激光雷达的林窗立体结构量测方法
Ganetis et al. Environmental conditions associated with observed snowband structures within northeast US winter storms
KR102496740B1 (ko) 위성영상 기반 저수지 수표면적 분석 시스템 및 방법
KR101255966B1 (ko) 기상레이더 3차원 반사도 자료를 이용한 밝은 띠 영역의 탐색 방법 및 그 시스템
JP2019211342A (ja) 気象解析装置、気象解析方法、およびプログラム
Ullrich et al. Noisy lidar point clouds: impact on information extraction in high-precision lidar surveying
Houston et al. Thunderstorm Observation by Radar (ThOR): An algorithm to develop a climatology of thunderstorms
Zou et al. A method of radar echo extrapolation based on TREC and Barnes filter
Julge et al. Performance analysis of freeware filtering algorithms for determining ground surface from airborne laser scanning data
Sarıtaş et al. Enhancing Ground Point Extraction in Airborne LiDAR Point Cloud Data Using the CSF Filter Algorithm
Rutzinger et al. Detection of high urban vegetation with airborne laser scanning data
Daliakopoulos et al. A weather radar data processing module for storm analysis
Wang et al. Forewarning method of downburst based on feature recognition and extrapolation
Yu et al. Characterization of tornado spectral signatures using higher-order spectra
CN114019503A (zh) 基于fod检测系统的机场跑道异物检测方法、设备、存储介质
Sen Roy et al. Optimization of Nowcast Software WDSS-II for operational application over the Indian region
Thampy et al. MMA: A novel algorithm for efficient separation of the precipitation echoes from wind profiler radar's Doppler power spectrum
Yip et al. Efficient and effective tropical cyclone eye fix using genetic algorithms

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20161220

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171208

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 8