KR20150117971A - 연안국지 해수순환 및 파랑 예측 방법 및 시스템 - Google Patents
연안국지 해수순환 및 파랑 예측 방법 및 시스템 Download PDFInfo
- Publication number
- KR20150117971A KR20150117971A KR1020140043829A KR20140043829A KR20150117971A KR 20150117971 A KR20150117971 A KR 20150117971A KR 1020140043829 A KR1020140043829 A KR 1020140043829A KR 20140043829 A KR20140043829 A KR 20140043829A KR 20150117971 A KR20150117971 A KR 20150117971A
- Authority
- KR
- South Korea
- Prior art keywords
- wave
- data
- model
- ocean
- circulation
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
본 명세서는 해양순환 및 파랑 예측 시스템을 개시한다. 상기 시스템은 해양순환 및 파랑 예측 대상 해역을 다수의 광역 및 연안 격자로 구분하는 격자 구성 모듈; 상기 해양순환 및 파랑 예측 대상 해역에 대한 기상 데이터를 제공하는 기상 수치 모델; 지구 전체 해역에 대한 조석 데이터를 제공하는 대양 조석 모델로부터 수신한 조석 데이터와, 지구 전체 해역에 대한 해양순환 데이터를 제공하는 대양 순환 모델로부터 수신한 수온, 염분, 해류 및 해면 고도 데이터를 다운 스케일링(down scaling)하고, 상기 기상 수치 모델에서 수신한 기상 데이터를 이용하여 광역 격자의 해양순환 예측 데이터를 계산하고, 상기 광역 격자의 해양순환 예측 데이터를 내포화(nesting)하여 연안 격자의 해양순환 예측 데이터를 생성하는 해양순환 예측 모델; 상기 해양순환 예측 모델로부터 수신한 해양순환 예측 데이터 및 상기 기상 수치 모델에서 수신한 기상 데이터를 입력 값으로 하여 작용평형방정식으로 해당 광역 및 연안 격자에서의 파랑 예측 데이터를 생성하는 파랑 예측 모델을 포함할 수 있다.
Description
본 명세서는 연안 국지의 해수순환 및 파랑을 예측하는 방법 및 그에 사용되는 시스템에 관한 것이다. 더 상세하게는 우리나라 연안에서의 72시간 해수순환 및 파랑 예측 시스템에 관한 것이다.
연안침수, 유류오염사고 등과 같이 연안에서 발생하는 재해는 해수면과 해수의 흐름과 깊은 관련이 있다. 그러므로 연안해역에서의 정확한 해수면과 유속의 예측은 해양산업뿐만 아니라 해안지역의 방호 및 해난사고 시 수색구조, 유류확산 추정에서 매우 중요하다. 해수의 유동은 천체의 운동에 의한 주기적인 천문조, 폭풍해일, 지진해일, 저기압, 파랑 등 여러 요인의 복합적인 작용의 결과로 나타나기 때문에 종래의 기술에서는 정확한 예측에 한계가 있었다.
이에 연안 모델의 결과와 관측자료를 상호 유기적으로 결합하여 보다 신뢰성 있는 연안정보를 생산할 수 있는 예측 시스템이 요청된다.
또한, 조간대가 넓게 분포한 우리나라의 지형에 필수적인 조간대 처리가 가능한 연안 지역 해양순환 모델이 요청되고 있다.
한편, 연안공학에서는 바다의 파랑을 유의파 상당의 규칙파로 취급하여 파의 굴절, 회절, 천수, 쇄파, 마찰 소산 등에 의한 변형을 취급한다. 하지만, 잘 알려져 있는 것처럼 해양에서 발생되는 실제의 해파는 파고, 주기, 파향이 각양각색인 파의 복합으로서 매우 불규칙한 자연현상이기 때문에 파랑에너지의 분포를 주파수와 파향의 함수로 나타내는 소위 파향 스펙트럼의 개념이 도입되어 현재 파랑 예측에 활용되고 있다.
실제 해상상태는 여러 불규칙한 풍파와 너울이 복합적으로 구성되어 있으므로, 이러한 해상상태의 재현과 해석을 위해서는 에너지 스펙트럼을 고려한 파랑모델을 사용하여야 한다. 에너지 스펙트럼 모델은 해상상태를 주기와 파향에 따라 여러 개의 성분파로 분리하여, 각 성분파의 발달, 소산 및 전파와 성분파 간의 에너지 교환 등을 수치 계산하는 것이다. 스펙트럼 파랑 모델은 성분파 간의 비선형 에너지교환(energy transfer due to nonlinear wave-wave interactions)의 고려 방법에 따라 분류될 수 있다. 첫째, 성분파 사이의 에너지 교환을 고려하지 않는 파랑모델로서 선형 모델, 혹은 제 1세대 모델로 분류되며, DSA-5모델이 대표적이다. 둘째, 성분파 간의 비선형에너지 교환을 불연속적인 각 성분파에 대하여 직접적으로 계산하지 않고 파라미터로 표현하여 고려하는 모델로서 파라미터 모델, 혹은 제 2세대 모델로 분류되며 대표적인 것이 HYPA모델이다. 파랑의 발생, 전파, 소산 및 성분파 간의 비선형에너지 교환 등 파랑이론의 발달과 2차원 파향스펙트럼의 관측자료 축적 및 계산기의 계산 능력 향상에 따라 불연속적인 모든 성분파 사이의 비선형 상호작용에 의한 에너지 수송을 파라미터화 하지 않고 직접 계산하는 비선형모델, 혹은 제 3세대 모델이 개발되었다.
본 명세서는 연안 국지의 해수순환 및 파랑을 예측하는 방법 및 그에 사용되는 시스템을 제공하는 데에 그 목적이 있다. 보다 구체적으로는 기상 수치 모델, 대양 조석 모델, 대양 순환 모델에서 산출된 해양입력자료를 체계적으로 활용하여 연안 정밀 격자에서의 해양순환 예측 자료를 산출하는 동시에, 기상 수치 모델, 대양 조석 모델에서 수신한 데이터를 활용하여 연안 정밀 격자에서의 파랑 예측 자료를 산출하는 방법과 그에 사용되는 시스템을 제공하는 것에 목적이 있다.
본 명세서의 실시예에 따라 해양순환 및 파랑 예측 시스템이 제공된다. 상기 시스템은 해양순환 및 파랑 예측 대상 해역을 다수의 광역 및 연안 격자로 구분하는 격자 구성 모듈; 상기 해양순환 및 파랑 예측 대상 해역에 대한 기상 데이터를 제공하는 기상 수치 모델; 지구 전체 해역에 대한 조석 데이터를 제공하는 대양 조석 모델로부터 수신한 조석 데이터와, 지구 전체 해역에 대한 해양순환 데이터를 제공하는 대양 순환 모델로부터 수신한 수온, 염분, 해류 및 해면 고도 데이터를 다운 스케일링(down scaling)하고, 상기 기상 수치 모델에서 수신한 기상 데이터를 이용하여 광역 격자의 해양순환 예측 데이터를 계산하고, 상기 광역 격자의 해양순환 예측 데이터를 내포화(nesting)하여 연안 격자의 해양순환 예측 데이터를 생성하는 해양순환 예측 모델; 상기 해양순환 예측 모델로부터 수신한 해양순환 예측 데이터 및 상기 기상 수치 모델에서 수신한 기상 데이터를 입력 값으로 하여 작용평형방정식으로 해당 광역 및 연안 격자에서의 파랑 예측 데이터를 생성하는 파랑 예측 모델을 포함할 수 있다.
본 명세서의 다른 실시예에 따라 해양순환 및 파랑 예측 시스템이 해양순환 및 파랑 예측 데이터를 생성하는 방법이 제공된다. 상기 방법은 해양순환 및 파랑 예측 대상 해역을 다수의 광역 및 연안 격자로 구분하는 단계; 기상 수치 모델로부터 상기 해양순환 및 파랑 예측 대상 해역에 대한 기상 데이터를 수신하는 단계; 지구 전체 해역에 대한 조석 데이터를 제공하는 대양 조석 모델로부터 수신한 조석 데이터와, 지구 전체 해역에 대한 해양순환 데이터를 제공하는 대양 순환 모델로부터 수신한 수온, 염분, 해류 및 해면 고도 데이터를 다운 스케일링(down scaling)하고, 상기 기상 수치 모델에서 수신한 기상 데이터를 이용하여 해당 격자의 해양 순환해양순환 예측 데이터를 계산하고, 상기 해당 격자의 해양순환 예측 데이터를 내포화(nesting)하여 연안 격자의 해양순환 예측 데이터를 생성하는 단계; 상기 수신한 해양순환 예측 데이터 및 상기 기상 데이터를 입력 값으로 하여 작용평형방정식으로 해당 광역 및 연안 격자에서의 파랑 예측 데이터를 생성하는 단계를 포함할 수 있다.
본 명세서의 실시예들은 연안 격자에서의 수온, 염분, 해류, 해면 고도 등의 해양순환 정보 및 유의 파고, 파향, 너울 등의 파랑 정보를 예측할 수 있으며, 특히 연안 정밀 격자에서의 72시간 예측 데이터를 정밀하게 생성할 수 있는 장점이 있다.
또한, 본 명세서의 실시예들을 통해 연안의 해양 상황을 예측할 수 있으므로, 이를 활용하여 해양재난 발생시 피해 저감은 물론 사전에 그에 대비한 계획을 수립하는 데에 유용할 수 있다.
도 1은 본 명세서의 일 실시예에 따른 해양순환 및 파랑 예측 시스템을 나타낸 블록도이다.
도 2는 본 명세서의 일 실시예에 따른 파랑 예측 모델의 격자 구성을 나타낸 도면이다.
도 3은 본 명세서의 일 실시예에 따른 해양순환 예측 모델의 격자 구성을 나타낸 도면이다.
도 4a 및 4b는 본 명세서의 일 실시예에 따른 해양순환 예측 모델의 수평 격자 및 수직 격자의 구성을 나타낸 도면이다.
도 5는 본 명세서의 일 실시예에 따른 해양순환 예측 모델의 유한차분 요소를 나타낸 도면이다.
도 6은 본 명세서의 일 실시예에 따라 산출한 해양순환 예측 데이터이다.
도 7은 본 명세서의 일 실시예에 따라 산출한 연안 격자에서의 해양순환 예측 데이터이다.
도 8은 본 명세서의 일 실시예에 따른 해양순환 및 파랑 예측 방법을 나타낸 흐름도이다.
도 2는 본 명세서의 일 실시예에 따른 파랑 예측 모델의 격자 구성을 나타낸 도면이다.
도 3은 본 명세서의 일 실시예에 따른 해양순환 예측 모델의 격자 구성을 나타낸 도면이다.
도 4a 및 4b는 본 명세서의 일 실시예에 따른 해양순환 예측 모델의 수평 격자 및 수직 격자의 구성을 나타낸 도면이다.
도 5는 본 명세서의 일 실시예에 따른 해양순환 예측 모델의 유한차분 요소를 나타낸 도면이다.
도 6은 본 명세서의 일 실시예에 따라 산출한 해양순환 예측 데이터이다.
도 7은 본 명세서의 일 실시예에 따라 산출한 연안 격자에서의 해양순환 예측 데이터이다.
도 8은 본 명세서의 일 실시예에 따른 해양순환 및 파랑 예측 방법을 나타낸 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니됨을 유의해야 한다. 본 발명의 사상은 첨부된 도면 외에 모든 변경, 균등물 내지 대체물에 까지도 확장되는 것으로 해석되어야 한다.
도 1은 본 명세서의 일 실시예에 따른 해양순환 및 파랑 예측 시스템을 나타낸 블록도이다.
상기 해양순환 및 파랑 예측 시스템(100)은 해류의 영향을 고려한 파랑 작용 평형 방정식(wave action balance equation)에 기초하여 파랑의 천수, 굴절 그리고 해류에 의한 변형 등을 고려하여 파랑 예측 데이터를 계산한다. 이 외에도 바람에 의한 파의 생성과 파간 상호작용을 재현하며, 백파(white capping), 쇄파 그리고 저면 마찰에 의한 파의 소멸 등도 재현이 가능하다. 또한 상기 해양순환 및 파랑 예측 시스템(100)은 연안과 하구역에 적용할 수 있는 다기능 3차원 수치해석 모델을 채용하여, 조석, 해일과 같은 연안 하구역에서의 물리적 작용(해양순환)을 계산할 수 있다. 상기 해양순환 및 파랑 예측 시스템(100)은 유체특성(수온, 염분 등), Eulerian 물질이동, Lagrangian 물질이동, turbulence, 퇴적물의 이동, 침식/퇴적, 기상/파랑 조건, 수질/생태, 유류확산 등을 계산할 수 있는 모듈로 구성되어 있으며, 동적 결합(nesting) 기법을 적용하여 보다 정밀하게 관심지역의 해황을 재현할 수 있다.
상기 해양순환 및 파랑 예측 시스템(100)은 격자 구성 모듈(110), 기상 수치 모델(120), 해양순환 예측 모델(130), 파랑 예측 모델(150)을 포함하여 구성될 수 있다. 또한 상기 해양순환 예측 모델(130)은 대양 순환 모델(131)과 대양 조석 모델(132)을 더 포함하여 구성될 수 있다.
상기 격자 구성 모듈(110)은 해양순환 및 파랑 예측 대상 해역을 기 정의된 광역 및 연안 격자로 구분한다. 예를 들어, 상기 격자 구성 모듈(110)은 도 2와 같이 우리나라 주변해역을 포함한 광역에서 격자간격 1/12도(약 9km)로 파랑 예측 격자를 구성할 수 있으며, 이때 광역 격자망(L1)의 범위는 경도 117~143°E, 위도 20~50°N 이고, 격자점의 수는 동서방향으로 313개, 남북방향으로 361개일 수 있다. 또한 연안 격자망(L2)은 경도 124~131°E, 위도 32~30°N에서 1/60도(약 2km)로 구성될 수 있다.
또한 상기 격자 구성 모듈(110)은 해양순환 예측 대상 해역을 다수의 격자(grid)로 구분할 수 있다. 상기 격자는 크기 및 위치에 따라 제1 격자(Level 1, 광역격자), 제2 격자(Level 2, 광역격자), 제3 격자(Level 3, 연안격자), … 로 구별되며, 상기 격자의 영역은 도 3과 같이 구성될 수 있다.
상기 광역 격자 및 연안 격자는 수직 격자를 더 포함할 수 있으며, 수직 격자의 경우 Cartesian 32개 층(하부 층), Sigma 8개 층(상부 층)으로 구성되며, 상부와 하부의 경계는 수심 15 m로 설정할 수 있다. 즉, 수심이 15 m보다 깊은 지역은 Cartesian 과 Sigma를 동시에 사용하고, 조간대 및 하구역의 15 m 이하 수심에서는 Sigma만을 사용하게 된다.
상기 기상 수치 모델(120)은 해양순환 및 파랑 예측 대상 해역에 대한 기상 데이터를 제공한다. 이때 상기 기상 수치 모델(120)은 비태풍시의 해상풍 및 해면기압을 상기 기상데이터로 제공한거나, 또는 상기 기상 수치 모델(120)은 태풍 내습 시 상기 태풍의 중심위치와 중심기압 및 최대풍 반경을 이용하여 상기 태풍의 이동에 따른 해상풍과 해면기압을 상기 기상데이터로 제공한다.
상기 기상 수치 모델(120)은 대기경계층 (Planetary Boundary Layer, PBL) 내에서 운동량의 수직 이류는 수평방향 이류에 비해 무시할 만큼 작다고 가정하고, 동시에 전단 응력은 대기경계층의 상부에서 0이라고 가정하고, 대기경계층 내의 연직 평균된 수평방향 운동 방정식을 이용하여 하기 수학식 1의 지배 방정식을 이용하여 태풍 내습 시의 해상풍을 산출할 수 있다.
여기서, 는 태풍의 이동에 대한 상대 풍속(; 여기서 는 고정 좌표), 는 코리올리(coriolis) 계수, 는 수직방향 단위 벡터, 는 상대 지균풍속(), 는 대기의 평균 밀도, 는 해수면 기압, 는 수평방향 난류 점성 계수, 는 항력 계수, 는 대기경계층의 높이, 는 태풍의 이동에 따른 좌표계의 이동 속도이다. 따라서, 상기 기상 수치 모델(120)은 계산 시 필요한 입력 자료로 태풍 중심의 위치(매 3 내지 6 시간마다의 태풍 중심 위치), 태풍 중심 기압, 최대풍 반경, 태풍 외부의 기압, 태풍이 없을 경우 평균 바람장 등을 필요로 한다. 태풍 파라미터 중 기초적인 자료인 태풍 중심의 위치와 태풍의 중심 기압은 기상청에서 제공하는 태풍의 정보를 사용하고, 태풍 외부의 기압은 태풍시의 지상 일기도 또는 관측자료를 통해 산출할 수 있다. 또한, 최대풍 반경 는 태풍이 우리나라에서 멀리 떨어져 있을 때에는 일기도를 이용하고, 근접하였을 때는 관측 해면기압 자료를 이용하여 하기 수학식 2와 같이 추정할 수 있다.
여기서, 은 태풍 중심으로부터의 거리, 는 태풍 중심으로부터의 거리 에서의 해면기압, 은 태풍 중심의 해면기압이다. 위의 식에서 와 은 일차적 상관관계를 가지며 최소자승법으로 구한 일차 상관 관계식의 축 절편의 지수 값이 , 기울기가 가 된다.
상기 파랑 예측 모델(150)은 상기 기상 수치 모델(120)에서 수신한 기상 데이터를 입력 값으로 하여 작용평형방정식으로 해당 격자에서의 파랑 예측 데이터를 생성한다. 상기 파랑 예측 모델(150)은 연안 모델 및/또는 대양 모델을 사용하여 해당 격자에서의 파랑 예측 데이터를 생성한다.
상기 파랑 예측 모델(150)의 제1 실시예는 연안 모델로서 천해 효과를 고려하며, 파랑을 2차원 스펙트럼으로 표현하여 계산한다. 여기서 고려되는 스펙트럼은, 파랑 에너지 스펙트럼 (여기서, 는 각주파수(intrinsic angular frequency), 는 파향)가 아니라 파랑 작용 스펙트럼 이다. 그 이유는 해류가 존재할 경우 파랑 작용은 보존되지만, 파랑 에너지는 보존되지 않는 성질을 갖고 있기 때문이다. 따라서 서해안과 같은 조류가 강한 지역에서의 파랑 특성을 계산하기에 적합하다. 파랑 에너지 스펙트럼 과 파랑 작용 스펙트럼(wave action spectrum) 의 관계는 하기 수학식 3과 같다.
상기 실시예에서 파랑스펙트럼의 발달은 작용평형 방정식에 의하여 기술되는데, 직교 좌표계에서 작용평형 방정식(지배방정식)은 하기 수학식 4와 같다.
여기서, 은 파랑 작용 스펙트럼이고, 및 는 파속을 포함한 해류의 x 및 y 방향성분이고, 및 는 각각 각주파수와 파향의 시간변화량을 의미한다. 는 원천항(source and dissipation)이고, 는 각주파수이고, 는 파향이다.
위 식에서 좌변의 제1항은 작용의 시간 변화량, 제2항과 제3항은 지리적 공간에서의 작용의 전파, 제4항은 수심과 흐름의 변화에 의한 상대주파수의 천이 그리고 제5항은 수심과 흐름에 의한 굴절을 나타낸다. 선형파 이론에 의한 파랑의 전파속도는 하기 수학식 5와 같다.
여기서, 와 은 각각 파향선(wave ray)과 파향선에 수직인 좌표를 의미한다. 또한, 는 각주파수, 는 수심, 는 파수, 는 x방향 파수, 는 y방향 파수, 는 파수 벡터, 는 유속 벡터. 는 x방향 유속, 는 y방향 유속, 는 평균 수심, 는 파의 군속도이다.
수학식 4의 우변은 원천항(source and dissipation)을 나타내며, 하기 수학식 6과 같이 파랑의 생성, 소산 및 비선형상호작용에 의한 에너지 전달을 포함한다.
상기 파랑 예측 모델(150)의 제2 실시예는 대양 모델로서 지구 좌표계를 적용할 수 있다. 상기 제2 실시예의 기본식은 파랑에너지밀도 스펙트럼의 보존식으로서, 하기 수학식 7과 같다.
여기서, 와 은 각각 파향선(wave ray)과 파향선에 수직인 좌표를 의미하고, 은 파랑 작용 스펙트럼, 및 는 각각 파의 군속도 및 유속 벡터를 나타낸다. 는 파수, 는 평균 수심이다.
상기 수학식 7은 평면상의 좌표계에서 적용되며, 광역에서의 모델적용을 위해서는 지구구면 좌표계에서 다음과 같은 식으로 변환된다.
여기서, 은 파랑 작용 스펙트럼, 과 은 각각 위도와 경도 방향의 유속 성분을 나타내며, 와 는 각각 지구구면 좌표계에서의 파수와 파향의 시간변동률을 의미한다. 는 각주파수, 는 파의 군속도, 는 파향이다. 상기는 위도, 는 경도,는 위도 방향 유속 벡터,는 경도 방향 유속 벡터, 은 지구의 반경이다.
일반적으로 원천항(Source term)은 바람-파랑의 상호작용항 , 비선형 파랑-파랑 상호작용항 과 백파에 의한 소산항(dissipation term) 의 세 부분으로 나눌 수 있으며, 천해에서는 저면에 의한 마찰항 이 추가된다.
여기서, 는 소산계수이고, 는 주파수이며, 는 에너지 스펙트럼 분포함수의 보정계수이다. 은 PM스펙트럼의 값이다. 은 파랑 작용 스펙트럼이고, 는 파랑 에너지 스펙트럼, 는 , 는 지구구면 좌표계에서의 파수의 시간변동률, 는 중력가속도이다.
상기 파랑 예측 모델(150)은 프리-프로세싱(pre-processing) 모듈, 프로세싱(processing) 모듈, 포스트-프로세싱(post-processing)모듈의 3개의 부분으로 구성될 수 있다.
프리-프로세싱(pre-processing) 모듈은 수심 자료와 격자의 범위 및 간격, 주파수와 방향을 몇 개로 구분할 것인지 결정한다. 또한 해류의 영향을 고려할 것인 지와 고려한다면 해류 자료도 처리한다. 한편 세부격자를 구성할 것인지 여부와 세부격자의 범위 및 간격도 결정한다. 또한 상기 프리-프로세싱(pre-processing) 모듈은 cold start에 필요한 초기 파랑장을 생성하며, 모든 격자에서 JONSWAP 스펙트럼이 사용될 것인지, 코사인 제곱의 방향분포를 갖는 fetch 법칙에 의하여 초기 바람장으로부터 계산될 것인지를 선택하게 된다.
프로세싱(processing) 모듈은 원하는 계산 기간 등 시간과 관련한 모든 정보를 수신하여, 스펙트럼의 보존방정식을 수치적으로 시간적분 한다. 프로세싱(processing) 모듈은 전파항의 계산을 직각좌표계 또는 구면좌표계, 천해 또는 심해, 수심과 해류에 의한 굴절의 고려, 바람장의 시간 내삽 여부, 자료를 저장하기를 원하는 격자점 및 시각 등을 선택하여 결정할 수 있다. 프로세싱(processing) 모듈의 출력자료는 전 격자에서의 유의파 및 풍파, 너울의 파고/주기/파항 등과, 원하는 격자점에서의 스펙트럼이다. 한편 프로세싱(processing) 모듈은 광역 격자의 스펙트럼 결과로부터 세부격자의 경계조건에 필요한 스펙트럼을 시간적으로 내포화(nesting)하여 생성할 수 있다.
포스트-프로세싱(post-processing)모듈은 프로세싱 모듈의 결과로부터 원하는 시각에 대해 전 격자점에서의 풍파와 swell의 정보를 출력한다. 또한 포스트-프로세싱(post-processing)모듈은 원하는 격자점에 대해 각각 풍파와 swell의 스펙트럼의 정보를 출력한다.
파랑모델의 입력 자료는 현재 해양연구원 자체적으로 운영하고 있는 기상 모델인 WRF 모델을 이용할 수 있다. WRF 모델은 1~10km의 고해상도 예측에 초점을 맞추어 설계된 모델이다. WRF 모델은 매 12시간 마다 1시간 간격으로 22개의 기상 요소를 72시간 예측 생산하는데, 파랑 예측 모델(120)은 그 중 기압과 바람 자료 만를 사용한다. 기상 조건만을 이용한 파랑모델의 운용률은 WRF의 운용률과 같다. 즉, WRF만 원활히 계산되면 파랑 예측 시스템은 가동된다.
파랑을 보다 정밀하게 예측하기 위해서는 조석 및 조류 등의 해양순환 조건이 더 사용될 수 있다. 이 경우 해양순환 예측 모델(130)이 파랑 모델(특히, 제1 실시예)과 함께 사용된다.
상기 해양순환 예측 모델(130)은 연안과 하구역에 적용할 수 있는 다기능 3차원 수치해석 모델로 기본적으로 조석 및 해일과 같은 연안/하구역에서의 물리적 작용을 계산한다. 상기 해양순환 예측 모델(130)은 유체특성(수온, 염분 등), Eulerian 물질이동, Lagrangian 물질이동, turbulence, 퇴적물의 이동, 침식/퇴적, 기상/파랑 조건, 수질/생태, 유류확산 등을 계산할 수 있는 모듈로 구성되어 있으며, 동적결합(nesting) 기법을 적용하여 보다 정밀하게 관심지역의 해황을 재현할 수 있는 모델이다. 상기 해양순환 예측 모델(130)은 파랑예측시스템에 필요한 조류 및 해류정보를 제공하기 위해 일반적으로 유체특성의 변화는 고려하지 않고 2차원으로 물리적 작용만을 고려하여 계산한다.
상기 해양순환 예측 모델(130)은 수평적으로 직교(cartesian) 또는 직교곡선(orthogonal curvilinear) 격자체계를 사용하며, 수직적으로는 시그마와 직교좌표계를 개별 또는 혼합 사용할 수 있는 GVC(general vertical coordinate) 시스템의 적용이 가능하며, 공간적으로는 유한체적법(finite volume method)을 사용하고, 시간적으로는 반음해 ADI(semi-implicit Alternate Direction Implicit) 알고리즘을 사용하여 계산상의 안정성 제약을 최소화할 수 있다. 또한, 상기 해양순환 예측 모델(130)은 이동경계 처리가 가능하여 조간대가 넓게 분포한 우리나라의 지형에 필수적인 조간대 처리가 가능한 모델이다.
상기 해양순환 예측 모델(130)은 해양순환 예측 대상 해역을 다수의 격자(grid)로 구분한다. 상기 격자는 크기 및 위치에 따라 제1 격자(Level 1), 제2 격자(Level 2), 제3 격자(Level 3), … 로 구별되며, 상기 격자의 영역은 격자구성모듈(110)에 의해 도 3와 같이 구성될 수 있다.
제1 격자(Level1)는 상기 해양순환 예측 모델(130)에서 가장 큰 격자로, 기조력(tidal forcing)을 안정적으로 공급하기 위한 계산영역이다. 상기 제1 격자에서의 기조력은 대양조석모델(132, 예: NAO.99b tidal prediction system)을 이용하여 1/6° 격자에서 barotropic 2D 로 계산될 수 있다. 예시한 NAO.99b 시스템은 전 지구 해양조석 예보모델을 위성자료로 자료 동화하여 각 지역별, 시간별 예보를 제공한다. 상기 해양순환 예측 모델(130)은, 제공된 예보 데이터 중에서 일본과 황해 및 동중국해를 포함한 북위 20~65도, 동경 110~165도까지 1/12도 간격으로 반일주조 9개(M2, S2, N2, K2, 2N2, MU2, NU2, L2, T2), 일주조 7개(K1, O1, P1, Q1, OO1, M1, J1)분조를 개방 경계 조건으로 사용할 수 있다.
제2 격자는1/12도 간격으로 한반도 근해를 대상으로 구성될 수 있으며, 제3 격자는 울릉도와 독도를 제외한 우리나라 모든 연안 영역을 5개로 분할하여 1/60도 간격으로 구성될 수 있다.
한편, 상기 제1 격자, 상기 제2 격자 및 상기 제3 격자는 수직 격자를 각각 더 포함할 수 있다. 수직 격자의 경우 Cartesian 32개 층(하부 층), Sigma 8개 층(상부 층)으로 구성되며, 상부와 하부의 경계는 수심 15 m로 설정할 수 있다. 즉, 수심이 15 m보다 깊은 지역은 Cartesian 과 Sigma를 동시에 사용하고, 조간대 및 하구역의 15 m 이하 수심에서는 Sigma만을 사용하게 된다. 또한 제3 격자 영역에서는 수심이 제2 격자에서 보다 얕으므로, 제2 격자의 수직격자와 간격으로 각 격자의 최대수심까지의 수직격자를 사용할 수 있다. 상기 해양순환 예측 모델(130)은 구성하는 수평 격자의 일 예는 도 4a, 수직 격자의 일 예는 도 4b와 같다.
상기 해양순환 예측 모델(130)은, 대양 순환 모델(131)의 데이터를 초기조건으로 하고, 제1 격자에서 계산된 조석, 조류와 기상 수치 모델의 예측 데이터를 경계조건으로 하여, 남쪽으로는 대만, 동쪽으로는 동해상의 동경 135°까지를 포함하는 영역에서 baroclinic 3D로 제2 격자에서의 해양순환 데이터를 계산한다.
상기 해양순환 예측 모델(130)은, 제2 격자에서의 산출 결과(해양순환 예측 데이터)를 이용하여 제3 격자(예: 울릉도와 독도를 제외한 우리나라 모든 영역을 5개로 분할한 1/60° 간격)에서의 해양순환 데이터를 계산한다.
필요한 경우, 상기 해양순환 예측 모델(130)은, 1/360도(300 m)의 해상도를 가진 제4 격자를 구성하고, 관심 대상 연안을 중심으로 해양순환 데이터를 계산할 수도 있다. 이때 상기 해양순환 예측 모델(130)은, 이미 계산된 상위 격자에서의 산출 결과를 중첩(impose)하여 제4 격자에서의 해양순환 데이터를 계산할 수 있다. 시스템 가동 시 각 단계별 시간간격(Δt)은 제1 격자, 제2 격자에서 120초, 제3 격자에서 10초로 설정될 수 있다.
상기 기상 수치 모델(120)은 해양순환 예측 대상 해역에 대한 기상 데이터를 제공한다. 상기 기상 데이터는 바람(풍향, 풍속), 기압, 온도, 상대 습도, 태양 복사(solar radiation), 하향 장파 복사(downward long radiation) 등의 정보를 포함한다. 상기 기상 수치 모델(120, 예: KOOS의 기상수치모델 WRF, 기상청 UM 모델)은 바람에 의한 응력과 대기와의 열교환 등 경계조건에서의 기상 자료를 제공한다. 상기 기상 수치 모델(120)은 기상 자료를 hdf5형식으로 제공할 수 있다.
상기 대양 순환 모델(131)은 지구 전체 해역에 대한 해양 데이터(수온, 염분, 해류, 해면 고도 등)를 제공한다. 상기 해양순환 예측 모델(130)은 연안 해역에 대하여 정밀 격자로 3차원 계산을 수행하기 위해서 수온, 염분, 해류, 해면 고도 등의 데이터를 대양 순환 모델에서 다운 스케일링(down scaling)하여 사용할 수 있다. 상기 해양순환 예측 모델(130)은 자료융합형 전 지구 해양순환 모델의 결과를 정밀 영역에서 초기 조건 및 경계 조건으로 적용하므로, 광역의 낮은 해상도의 모델을 정밀 영역의 격자에 내삽 적용하여 초기 조건을 구성하고, 이후 개방경계조건으로 사용한다. 상기 해양순환 예측 모델(130)은 순환예측 모델을 3차원 baroclinic으로 구성하고 전 지구 해양 및 기후 모델의 결과와 고해상도의 국지 조석 조류, 기상 자료 등의 자료들을 추가하여 예측 데이터를 계산한다. 여기서 해양순환 예측 모델(130)은 광역에서 2차원 barotropic 모델을 구성하여 천문조에 의한 조석 및 조류 정보를 입력한다.
상기 해양순환 예측 모델(130)에서 각 격자의 개요는 다음과 같다.
- 제1 격자(Level 1): 2차원 barotropic 영역. 천문조에 의한 조석 및 조류가 계산되고, 경계조건으로 대양 조석 모델의 데이터가 사용된다.
- 제2 격자(Level 2): 3차원 baroclinic 영역. 초기조건과 경계조건을 대양 순환 모델로부터 제공받고, 바람, 운동량속, 열속 등의 정보는 기상 수치 모델로부터 제공받는다.
- 제3 격자 ~ (Level 3 ~): 3차원 baroclinic 영역. 제2 격자로부터 차례로 nesting되어 계산된다.
대양 순환 모델(131)의 일 예인 HYCOM(HYbrid Coordinate Ocean Model)은 매일 1회 10일치의 북태평양 주변 해양 데이터(hindcasting and forecasting)를 1/12도 해상도로 제공한다. 하루에 생산되는 10일분 자료는 일반적으로 6일분이 재분석 자료이고, 4일분이 예보자료이다.
HYCOM 모형은 기존의 3가지 형태(z-좌표, σ-좌표, 등밀도-좌표)의 수직 좌표계를 혼합하는 HYbrid Coordinate Ocean Model이다. 수평적으로 Arakawa C-grid와 표준 직교좌표계를 사용하고, 이상적인 OGCM(Ocean General Circulation Model)을 위하여 수괴 특성 보존이 장점인 등밀도-좌표계, 표층과 혼합층에서의 높은 수직해상도를 제공할 수 있는 z-좌표계, 그리고 연안역에서도 높은 수직해상도를 유지하는 sigma-좌표계의 장점을 더하였다. 수직구조의 재현을 위하여 K-profile Parameterization 알고리즘을 사용하고, 수직혼합계수를 계산하기 위하여 Kraus-Turner mixed layer model을 사용한다.
대양 순환 모델(131)은 수온, 염분, 해류(u, v), 해수면 높이 등의 데이터를 제공하는데, 상기 해양순환 예측 모델(130) 제2 격자 영역에서 33개 층의 자료를 내삽하여 사용한다. 해양순환 예측 모델(150)의 입, 출력 방식이 hdf5 형식이면, HYCOM에서 수신한 netCDF 형식의 파일은 hdf5형식으로 변환하여 사용한다.
상기 대양 조석 모델(132)은 지구 전체 해역에 대한 조석 데이터를 제공한다.
상기 해양순환 예측 모델(130)에서 대양 모델(131, 132) 결과를 적절히 사용하기 위해서는 일정 기간의 스핀업(Spin-up)이 필요하다. 이는 수직, 수평 격자 및 계산 방식이 다른 두 모델간의 차이를 완화시켜 주기 위함으로, 예컨대 상기 해양순환 예측 모델(130)에서의 Spin-up 기간은 20일로 설정될 수 있다. 즉, 초기 20일 간의 Spin-up을 한 이후에 72시간 예측을 수행하는데, 이때는 대양 순환 모델을 개방경계에서만 사용하고, 두 모델 간 결과의 차이를 완충시키기 위해 Sponge layer를 설정하여 계산한다. 간혹 대양 순환 모델의 자료가 누락되는 경우가 있는데, 이 경우는 최근의 자료를 이용하여 72시간 예측 시스템을 운용하도록 한다.
이와 같은 방식으로 상기 해양순환 예측 모델(130)은, 제1 격자에서 계산된 조석정보와 대양 순환 모델의 데이터에서 다운 스케일링한 수온, 염분, 해류, 해면 고도 정보를 이용하고, 기상모델과의 연계를 통하여 제2 격자에서의 해양-대기 상호관계를 계산한다. 바람에 의한 응력과 대기와의 열교환 등의 경계조건에서의 기상 자료는 기상 수치 모델(120)에서 제공받은 데이터 중 바람(풍향, 풍속), 기압, 온도, 상대 습도, 태양 복사(solar radiation), 하향 장파 복사(downward long radiation) 정보의 정보들을 이용하여 해양순환을 계산한다.
상기 해양순환 예측 모델(130)은 제2 격자, 제3 격자의 해양순환 예측 데이터(수온, 염분, 해류, 해면 고도 등)를 계산한다.
상기 해양 순환 예측 모델(130)은 공간적으로 격자검사체적(cell control volume)을 이용하여 방정식을 차분하는 유한체적법을 사용한다. 검사체적 와 생성항 를 가지는 스칼라항 에 대한 일반 보존법칙(general conservation law)은 하기의 수학식 11과 같다.
이 방법은 격자구조(cell geometry)와는 독립적으로 방정식을 계산하므로, 물리적 변수들과 격자구조를 분리하여 계산할 수 있게 해준다. 이렇게 공간 좌표계가 독립되면 어떤 형태의 격자구조로도 적용이 가능하므로, 해양 순환 예측 모델은 수평적으로 직교나 직교곡선격자체계, 그리고 수직적으로 GVC 격자체계를 채택하여 계산의 효율성을 증대할 수 있다. 도 5은 해양 순환 예측 모델에 적용된 유한차분요소를 나타낸 것이다.
상기 해양 순환 예측 모델(130)은 삼차원 비압축성 유체에 대한 방정식을 계산하며, 정수압은 부시네스크(Boussinesq)와 레이놀드(Reynolds) 근사를 가정한다. 직교좌표계에서 모델의 x, y 방향의 운동방정식, 연속방정식, 정수압 방정식은 각각 하기 수학식 13 내지 16과 같이 정의된다.
여기서 상기 , 및 는 각각 x, y 및 z 방향의 속도이고, 상기 는 전향력이고, 상기 및 는 각각 수평 및 수직의 난류 점성(turbulence viscosity)이고, 상기 는 분자운동점성(molecular kinematic viscosity)이고, 상기 는 압력이고, 상기 는 중력가속도이고, 상기 는 해수의 밀도이다.
제2 격자에서 해양순환 예측 데이터의 계산이 완료되면, 제3 격자에서의 계산이 시작된다. 제3 격자에서의 데이터는 제2 격자의 결과를 nesting하여 계산되고, 이때에는 기상 수치 모델과의 연계뿐 아니라 파랑 모델과도 연계에도 사용된다.
또한, 제3 격자에서의 계산에서는 한강, 낙동강의 하천 담수 방류량을 고려될 수 있으며, 이때 국가수자원관리 종합정보 시스템(WAMIS)의 전일 일 유량이 사용된다.
또한, 상기 해양순환 예측 모델(130)은 3차원 자료융합형 해양순환 모델의 결과를 다운스케일링하여 제3 격자에서의 해양순환 예측 데이터를 계산할 수도 있다. 즉, L2격자에서 OGCM자료를 이용하여 계산하는 방법과 마찬가지로 제3 격자에서 3차원 자료융합형 해양순환 모델의 결과를 이용하는 것이다.
상기와 같이 산출된 연안국지 순환예측 자료는 모든 격자 내의 수온, 염분, 해면고도 및 해류에 대한 72시간 예측 자료일 수 있다. 도 6은 제2 격자에서의 해양 순환 예측 데이터의 일 예이고, 도 7은 제3 격자에서의 해양 순환 예측 데이터의 일 예이다. 좌측 그림은 해류와 해수면 높이를 나타내고, 가운데 그림은 염분을 나타내며, 우측 그림은 수온을 나타낸다.
도 6에서 해류는 조류와 OGCM 해류, 해수면 높이는 조석과 OGCM의 해면 고도를 같이 고려한 결과이다. 쿠로시오의 흐름과 조석이 잘 재현되는 것을 볼 수가 있고, 염분에서는 양자강의 담수 유입이 선명하게 보인다. 또한, 도 7은 1/60도의 해상도이므로 도 6보다 경기만 등의 수로를 잘 재현하고, 한강의 온도가 낮은 담수유입에 의한 수온 및 염분의 변화도 확인된다.
도 8은 본 명세서의 일 실시예에 따른 해양순환 및 파랑 예측 방법을 나타낸 흐름도이다.
상기 방법은 도 1 내지 도 7에서 설명한 해양순환 및 파랑 예측 시스템(100)에 의해 수행될 수 있다. 상기 해양순환 및 파랑 예측 시스템(100)은 도 1 내지 도 7을 통하여 설명한 파랑 예측을 수행한다. 즉, 상기 해양순환 및 파랑 예측 시스템(100)은
해양순환 및 파랑 예측 대상 해역을 다수의 광역 및 연안 격자로 구분하는 단계(S810)와,
기상 수치 모델로부터 상기 해양순환 및 파랑 예측 대상 해역에 대한 기상 데이터를 수신하는 단계(S820)와,
지구 전체 해역에 대한 조석 데이터를 제공하는 대양 조석 모델로부터 수신한 조석 데이터와, 지구 전체 해역에 대한 해양순환 데이터를 제공하는 대양 순환 모델로부터 수신한 수온, 염분, 해류 및 해면 고도 데이터를 다운 스케일링(down scaling)하고, 상기 기상 수치 모델에서 수신한 기상 데이터를 이용하여 광역 격자의 해양순환 예측 데이터를 계산하고, 상기 광역 격자의 해양순환 예측 데이터를 내포화(nesting)하여 연안 격자의 해양순환 예측 데이터를 생성하는 단계(S830)와,
상기 수신한 해양순환 예측 데이터 및 상기 기상 데이터를 입력 값으로 하여 작용평형방정식으로 해당 광역 및 연안 격자에서의 파랑 예측 데이터를 생성하는 단계(S840)를 수행한다.
상기 해양순환 예측 데이터를 생성하는 단계는 하기 운동방정식, 연속방정식 및 정수압 방정식으로 해양순환 예측 데이터를 계산하는 단계일 수 있으며,
여기서 상기 , 및 는 각각 x, y 및 z 방향의 속도이고, 상기 는 전향력이고, 상기 및 는 각각 수평 및 수직의 난류 점성(turbulence viscosity)이고, 상기 는 분자운동점성(molecular kinematic viscosity)이고, 상기 는 압력이고, 상기 는 중력가속도이고, 상기 는 해수의 밀도이다.
상기 기상 수치 모델은 비태풍시의 해상풍 및 해면기압을 상기 기상데이터로 제공하거나, 또는 태풍 내습 시 상기 태풍의 중심위치와 중심기압 및 최대풍 반경을 이용하여 상기 태풍의 이동에 따른 해상풍과 해면기압을 상기 기상데이터로 제공할 수 있다.
상기 기상 수치 모델은 하기 지배 방정식을 이용하여 상기 태풍 내습 시의 해상풍을 산출하며,
여기서, 는 태풍의 이동에 대한 상대 풍속(; 여기서 는 고정 좌표), 는 코리올리(coriolis) 계수, 는 수직방향 단위 벡터, 는 상대 지균풍속(), 는 대기의 평균 밀도, 는 해수면 기압, 는 수평방향 난류 점성 계수, 는 항력 계수, 는 대기경계층의 높이, 는 태풍의 이동에 따른 좌표계의 이동 속도이다.
상기 파랑 예측 데이터를 생성하는 단계는 하기 작용평형 방정식으로 파랑 예측 데이터를 생성하는 단계일 수 있으며,
여기서, 은 파랑 작용 스펙트럼이고, 및 는 파속을 포함한 해류의 x 및 y 방향성분이고, 및 는 각각 각주파수와 파향의 시간변화량이고, 상기 및 상기 은 각각 파향선(wave ray) 및 파향선에 수직인 좌표이고, 상기 는 각주파수이고, 상기 는 파향이고, 는 수심이고, 는 파수이고, 는 x방향 파수이고, 는 y방향 파수이고, 는 파수 벡터이고, 는 유속 벡터이고. 는 x방향 유속이고, 는 y방향 유속이고, 는 평균 수심이고, 는 파의 군속도이고,
상기 이며, 상기 는 원천항(source and dissipation)이고, 상기 는 바람에 의한 에너지 유입이고, 상기 는 저면 마찰 또는 쇄파에 의한 에너지 소산이고, 상기 는 파랑 간 상호작용에 의한 에너지 전달이다.
또는 상기 파랑 예측 데이터를 생성하는 단계는 하기 에너지밀도 스펙트럼 보존식으로 파랑 예측 데이터를 생성하는 단계일 일 수 있으며,
여기서, 상기 은 파랑 작용 스펙트럼이고, 상기 및 상기 는 각각 파의 군속도 및 유속 벡터이고, 상기 및 상기 은 각각 파향선(wave ray) 및 파향선에 수직인 좌표이고, 상기 는 각주파수이고, 는 파수이고, 는 평균 수심이고,
상기 이며, 상기 는 원천항(source and dissipation)이고, 상기 는 바람에 의한 에너지 유입이고, 상기 는 저면 마찰 또는 쇄파에 의한 에너지 소산이고, 상기 는 파랑 간 상호작용에 의한 에너지 전달이다.
상기 에너지밀도 스펙트럼 보존식은 지구구면 좌표계에서 하기 수학식으로 변환되며,
여기서, 상기 과 상기 은 각각 위도와 경도 방향의 유속 성분을 나타내며, 상기 및 상기 는 각각 지구구면 좌표계에서의 파수 및 파향의 시간변동률이고, 상기 는 파향이고, 상기 는 위도, 상기 는 경도, 상기 는 위도 방향 유속 벡터, 상기 는 경도 방향 유속벡터, 상기 은 지구의 반경이다.
한편, 상기 해양순환 예측 데이터를 생성하는 단계는 전체 격자에서의 수온, 염분, 해류 및 해면 고도에 대한 72시간 예측 데이터를 생성하는 단계일 수 있다. 또한, 상기 파랑 예측 데이터를 생성하는 단계는 전체 격자에서의 수온, 염분, 해류 및 해면 고도에 대한 72시간 예측 데이터를 생성하는 단계일 수 있다.
한편, 본 명세서의 방법은, 상기 도 8에서 서술한 각 단계를 수행하는 명령들을 포함하는 컴퓨터로 판독 가능한 기록매체로 구현될 수도 있다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.
본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 처리 시스템의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크, 자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.
이상, 본 발명의 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.
100 : 해양순환 및 파랑 예측 시스템
110 : 격자 구성 모듈
120: 기상 수치 모델
130 : 해양순환 예측 모델
150 : 파랑 예측 모델
110 : 격자 구성 모듈
120: 기상 수치 모델
130 : 해양순환 예측 모델
150 : 파랑 예측 모델
Claims (17)
- 해양순환 및 파랑 예측 대상 해역을 다수의 광역 및 연안 격자로 구분하는 격자 구성 모듈;
상기 해양순환 및 파랑 예측 대상 해역에 대한 기상 데이터를 제공하는 기상 수치 모델;
지구 전체 해역에 대한 조석 데이터를 제공하는 대양 조석 모델로부터 수신한 조석 데이터와, 지구 전체 해역에 대한 해양순환 데이터를 제공하는 대양 순환 모델로부터 수신한 수온, 염분, 해류 및 해면 고도 데이터를 다운 스케일링(down scaling)하고, 상기 기상 수치 모델에서 수신한 기상 데이터를 이용하여 광역 격자의 해양순환 예측 데이터를 계산하고, 상기 광역 격자의 해양순환 예측 데이터를 내포화(nesting)하여 연안 격자의 해양순환 예측 데이터를 생성하는 해양순환 예측 모델;
상기 해양순환 예측 모델로부터 수신한 해양순환 예측 데이터 및 상기 기상 수치 모델에서 수신한 기상 데이터를 입력 값으로 하여 작용평형방정식으로 해당 광역 및 연안 격자에서의 파랑 예측 데이터를 생성하는 파랑 예측 모델;을 포함하는 것을 특징으로 하는 해양순환 및 파랑 예측 시스템. - 제1항에 있어서,
상기 기상 수치 모델은 비태풍시의 해상풍 및 해면기압을 상기 기상데이터로 제공하거나, 또는
태풍 내습 시 상기 태풍의 중심위치와 중심기압 및 최대풍 반경을 이용하여 상기 태풍의 이동에 따른 해상풍과 해면기압을 상기 기상데이터로 제공하는 것을 특징으로 하는 해양순환 및 파랑 예측 시스템. - 제1항에 있어서,
상기 파랑 예측 모델은 하기 작용평형 방정식으로 파랑 예측 데이터를 생성하며,
여기서, 상기 은 파랑 작용 스펙트럼이고, 상기 및 는 파속을 포함한 해류의 x 및 y 방향성분이고, 상기 및 는 각각 각주파수와 파향의 시간변화량이고, 상기 및 상기 은 각각 파향선(wave ray) 및 파향선에 수직인 좌표이고, 상기 는 각주파수이고, 상기 는 파향이고, 상기 는 수심이고, 상기 는 파수이고, 상기 는 x방향 파수이고, 상기 는 y방향 파수이고, 상기 는 파수 벡터이고, 상기 는 유속 벡터이고. 상기 는 x방향 유속이고, 상기 는 y방향 유속이고, 상기 는 평균 수심이고, 상기 는 파의 군속도이고,
상기 이며, 상기 는 원천항(source and dissipation)이고, 상기 는 바람에 의한 에너지 유입이고, 상기 는 저면 마찰 또는 쇄파에 의한 에너지 소산이고, 상기 는 파랑 간 상호작용에 의한 에너지 전달인 것을 특징으로 하는 해양순환 및 파랑 예측 시스템. - 제1항에 있어서,
상기 파랑 예측 모델은 하기 에너지밀도 스펙트럼 보존식으로 파랑 예측 데이터를 생성하며,
여기서, 상기 은 파랑 작용 스펙트럼이고, 상기 및 상기 는 각각 파의 군속도 및 유속 벡터이고, 상기 및 상기 은 각각 파향선(wave ray) 및 파향선에 수직인 좌표이고, 상기 는 각주파수이고, 는 파수이고, 는 평균 수심이고,
상기 이며, 상기 는 원천항(source and dissipation)이고, 상기 는 바람에 의한 에너지 유입이고, 상기 는 저면 마찰 또는 쇄파에 의한 에너지 소산이고, 상기 는 파랑 간 상호작용에 의한 에너지 전달인 것을 특징으로 하는 해양순환 및 파랑 예측 시스템. - 제1항에 있어서,
상기 해양순환 예측 모델 및 상기 파랑 예측 모델은 각각
전체 격자에서의 수온, 염분, 해류 및 해면 고도에 대한 72시간 예측 데이터 및
전체 격자에서의 풍파와 너울(swell)의 정보를 생성하는 것을 특징으로 하는 해양순환 및 파랑 예측 시스템. - 해양순환 및 파랑 예측 시스템이 해양순환 및 파랑 예측 데이터를 생성하는 방법에 있어서,
해양순환 및 파랑 예측 대상 해역을 다수의 광역 및 연안 격자로 구분하는 단계;
기상 수치 모델로부터 상기 해양순환 및 파랑 예측 대상 해역에 대한 기상 데이터를 수신하는 단계;
지구 전체 해역에 대한 조석 데이터를 제공하는 대양 조석 모델로부터 수신한 조석 데이터와, 지구 전체 해역에 대한 해양순환 데이터를 제공하는 대양 순환 모델로부터 수신한 수온, 염분, 해류 및 해면 고도 데이터를 다운 스케일링(down scaling)하고, 상기 기상 수치 모델에서 수신한 기상 데이터를 이용하여 광역 격자의 해양순환 예측 데이터를 계산하고, 상기 광역 격자의 해양순환 예측 데이터를 내포화(nesting)하여 연안 격자의 해양순환 예측 데이터를 생성하는 단계;
상기 수신한 해양순환 예측 데이터 및 상기 기상 데이터를 입력 값으로 하여 작용평형방정식으로 해당 광역 및 연안 격자에서의 파랑 예측 데이터를 생성하는 단계를 포함하는 것을 특징으로 하는 방법. - 제9항에 있어서,
상기 기상 수치 모델은 비태풍시의 해상풍 및 해면기압을 상기 기상데이터로 제공하거나, 또는
태풍 내습 시 상기 태풍의 중심위치와 중심기압 및 최대풍 반경을 이용하여 상기 태풍의 이동에 따른 해상풍과 해면기압을 상기 기상데이터로 제공하는 것을 특징으로 하는 방법. - 제9항에 있어서,
상기 파랑 예측 데이터를 생성하는 단계는,
하기 작용평형 방정식으로 파랑 예측 데이터를 생성하는 단계이며,
여기서, 상기 은 파랑 작용 스펙트럼이고, 상기 및 는 파속을 포함한 해류의 x 및 y 방향성분이고, 상기 및 는 각각 각주파수와 파향의 시간변화량이고, 상기 및 상기 은 각각 파향선(wave ray) 및 파향선에 수직인 좌표이고, 상기 는 각주파수이고, 상기 는 파향이고, 상기 는 수심이고, 상기 는 파수이고, 상기 는 x방향 파수이고, 상기 는 y방향 파수이고, 상기 는 파수 벡터이고, 상기 는 유속 벡터이고. 상기 는 x방향 유속이고, 상기 는 y방향 유속이고, 상기 는 평균 수심이고, 상기 는 파의 군속도이고,
상기 이며, 상기 는 원천항(source and dissipation)이고, 상기 는 바람에 의한 에너지 유입이고, 상기 는 저면 마찰 또는 쇄파에 의한 에너지 소산이고, 상기 는 파랑 간 상호작용에 의한 에너지 전달인 것을 특징으로 하는 방법. - 제9항에 있어서,
상기 파랑 예측 데이터를 생성하는 단계는,
하기 에너지밀도 스펙트럼 보존식으로 파랑 예측 데이터를 생성하는 단계이며,
여기서, 상기 은 파랑 작용 스펙트럼이고, 상기 및 상기 는 각각 파의 군속도 및 유속 벡터이고, 상기 및 상기 은 각각 파향선(wave ray) 및 파향선에 수직인 좌표이고, 상기 는 각주파수이고, 는 파수이고, 는 평균 수심이고,
상기 이며, 상기 는 원천항(source and dissipation)이고, 상기 는 바람에 의한 에너지 유입이고, 상기 는 저면 마찰 또는 쇄파에 의한 에너지 소산이고, 상기 는 파랑 간 상호작용에 의한 에너지 전달인 것을 특징으로 하는 방법. - 제9항에 있어서,
상기 해양순환 예측 데이터를 생성하는 단계는 전체 격자에서의 수온, 염분, 해류 및 해면 고도에 대한 72시간 예측 데이터를 생성하는 단계이고,
상기 파랑 예측 데이터를 생성하는 단계는 전체 격자에서의 수온, 염분, 해류 및 해면 고도에 대한 72시간 예측 데이터를 생성하는 단계인 것을 특징으로 하는 방법. - 제9항 내지 제16항 중 어느 하나에 따른 방법의 각 단계를 수행하는 명령들을 포함하는 컴퓨터 판독 가능 기록매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140043829A KR101613186B1 (ko) | 2014-04-11 | 2014-04-11 | 연안국지 해수순환 및 파랑 예측 방법 및 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140043829A KR101613186B1 (ko) | 2014-04-11 | 2014-04-11 | 연안국지 해수순환 및 파랑 예측 방법 및 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20150117971A true KR20150117971A (ko) | 2015-10-21 |
KR101613186B1 KR101613186B1 (ko) | 2016-04-18 |
Family
ID=54400277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140043829A KR101613186B1 (ko) | 2014-04-11 | 2014-04-11 | 연안국지 해수순환 및 파랑 예측 방법 및 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101613186B1 (ko) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101977375B1 (ko) * | 2017-11-20 | 2019-05-13 | 한양대학교 에리카산학협력단 | 파랑 예측 방법, 및 이를 위한 장치 |
KR20190131829A (ko) * | 2018-05-17 | 2019-11-27 | (주)미래해양 | 스마트 파랑 경보 시스템 및 그의 구동 방법 |
CN110851790A (zh) * | 2019-10-29 | 2020-02-28 | 王金虎 | 一种基于深度学习算法的海流动力优化预报模型 |
CN111008328A (zh) * | 2019-11-22 | 2020-04-14 | 福建省海洋预报台 | 一种海洋预报中网格预报数据的过滤方法及终端 |
CN111027766A (zh) * | 2019-12-09 | 2020-04-17 | 国家海洋局北海预报中心 | 绿潮生物量预报方法、装置、设备及介质 |
KR20200112645A (ko) * | 2019-03-22 | 2020-10-05 | (주)해안해양기술 | 실시간 검증이 가능한 고정밀 파랑 예측 시스템 |
CN111859748A (zh) * | 2020-07-15 | 2020-10-30 | 天津大学 | 一种基于垂向混合坐标的海洋内波模拟方法 |
KR20220071034A (ko) | 2020-11-23 | 2022-05-31 | 한국해양과학기술원 | 스테레오 영상으로부터 수심 역계산과 파랑 수치모델의 결합을 통한 연안 파랑의 예측 정확도 향상을 위한 장치 및 방법 |
CN116611270A (zh) * | 2023-07-20 | 2023-08-18 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种台风浪实时集合预报方法、介质及系统 |
CN116702659A (zh) * | 2023-08-08 | 2023-09-05 | 自然资源部第一海洋研究所 | 一种海浪破碎参数快速预报方法及系统 |
KR20230138162A (ko) | 2022-03-23 | 2023-10-05 | 이정렬 | 지형변화 예측 모형 및 이를 위한 컴퓨터 프로그램 |
CN117436317A (zh) * | 2023-12-20 | 2024-01-23 | 浙江远算科技有限公司 | 基于海上风电桩基的波流载荷仿真计算方法、系统和设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003315468A (ja) * | 2002-04-22 | 2003-11-06 | Eiko Shibazaki | 波予測装置、および波予測情報提供システム |
JP5433913B2 (ja) | 2008-08-29 | 2014-03-05 | 国立大学法人京都大学 | 波浪予測システム |
-
2014
- 2014-04-11 KR KR1020140043829A patent/KR101613186B1/ko active IP Right Grant
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101977375B1 (ko) * | 2017-11-20 | 2019-05-13 | 한양대학교 에리카산학협력단 | 파랑 예측 방법, 및 이를 위한 장치 |
KR20190131829A (ko) * | 2018-05-17 | 2019-11-27 | (주)미래해양 | 스마트 파랑 경보 시스템 및 그의 구동 방법 |
KR20200112645A (ko) * | 2019-03-22 | 2020-10-05 | (주)해안해양기술 | 실시간 검증이 가능한 고정밀 파랑 예측 시스템 |
CN110851790A (zh) * | 2019-10-29 | 2020-02-28 | 王金虎 | 一种基于深度学习算法的海流动力优化预报模型 |
CN110851790B (zh) * | 2019-10-29 | 2023-09-22 | 王金虎 | 一种基于深度学习算法的海流动力优化预报方法 |
CN111008328B (zh) * | 2019-11-22 | 2022-05-10 | 福建省海洋预报台 | 一种海洋预报中网格预报数据的过滤方法及终端 |
CN111008328A (zh) * | 2019-11-22 | 2020-04-14 | 福建省海洋预报台 | 一种海洋预报中网格预报数据的过滤方法及终端 |
CN111027766B (zh) * | 2019-12-09 | 2023-09-26 | 国家海洋局北海预报中心 | 绿潮生物量预报方法、装置、设备及介质 |
CN111027766A (zh) * | 2019-12-09 | 2020-04-17 | 国家海洋局北海预报中心 | 绿潮生物量预报方法、装置、设备及介质 |
CN111859748A (zh) * | 2020-07-15 | 2020-10-30 | 天津大学 | 一种基于垂向混合坐标的海洋内波模拟方法 |
CN111859748B (zh) * | 2020-07-15 | 2024-04-02 | 天津大学 | 一种基于垂向混合坐标的海洋内波模拟方法 |
KR20220071034A (ko) | 2020-11-23 | 2022-05-31 | 한국해양과학기술원 | 스테레오 영상으로부터 수심 역계산과 파랑 수치모델의 결합을 통한 연안 파랑의 예측 정확도 향상을 위한 장치 및 방법 |
KR20230138162A (ko) | 2022-03-23 | 2023-10-05 | 이정렬 | 지형변화 예측 모형 및 이를 위한 컴퓨터 프로그램 |
CN116611270A (zh) * | 2023-07-20 | 2023-08-18 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种台风浪实时集合预报方法、介质及系统 |
CN116611270B (zh) * | 2023-07-20 | 2023-10-03 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种台风浪实时集合预报方法、介质及系统 |
CN116702659A (zh) * | 2023-08-08 | 2023-09-05 | 自然资源部第一海洋研究所 | 一种海浪破碎参数快速预报方法及系统 |
CN116702659B (zh) * | 2023-08-08 | 2023-11-10 | 自然资源部第一海洋研究所 | 一种海浪破碎参数快速预报方法及系统 |
CN117436317A (zh) * | 2023-12-20 | 2024-01-23 | 浙江远算科技有限公司 | 基于海上风电桩基的波流载荷仿真计算方法、系统和设备 |
CN117436317B (zh) * | 2023-12-20 | 2024-03-29 | 浙江远算科技有限公司 | 基于海上风电桩基的波流载荷仿真计算方法、系统和设备 |
Also Published As
Publication number | Publication date |
---|---|
KR101613186B1 (ko) | 2016-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101613186B1 (ko) | 연안국지 해수순환 및 파랑 예측 방법 및 시스템 | |
KR101563488B1 (ko) | 연안국지 파랑예측 방법 및 시스템 | |
Padman et al. | Tides of the northwestern Ross Sea and their impact on dense outflows of Antarctic Bottom Water | |
Ulses et al. | Impact of storms and dense water cascading on shelf‐slope exchanges in the Gulf of Lion (NW Mediterranean) | |
Frey et al. | GenCade version 1 model theory and user’s guide | |
Rao et al. | Simulation of water levels and extent of coastal inundation due to a cyclonic storm along the east coast of India | |
Dieterich et al. | Evaluation of the SMHI coupled atmosphere-ice-ocean model RCA4-NEMO | |
Lewis et al. | Assimilation of Doppler radar current data into numerical ocean models | |
KR101629456B1 (ko) | 연안국지 순환예측 방법 및 시스템 | |
Benedet et al. | A morphological modeling study to compare different methods of wave climate schematization and evaluate strategies to reduce erosion losses from a beach nourishment project | |
Allard et al. | The US Navy coupled ocean-wave prediction system | |
González et al. | On the design of beach nourishment projects using static equilibrium concepts: Application to the Spanish coast | |
Blain et al. | Tidal prediction using the advanced circulation model (ADCIRC) and a relocatable PC-based system | |
Rao et al. | Estimation of extreme water levels due to cyclonic storms: a case study for Kalpakkam coast | |
Zou et al. | Tide-surge and wave interaction in the Gulf of Maine during an extratropical storm | |
Diansky et al. | Numerical simulation of the Caspian sea circulation using the marine and atmospheric research system | |
CN115935732A (zh) | 一种复杂感潮河网的多源复合灾害淹没风险的模拟方法 | |
Zhang et al. | A numerical study of sea-breeze-driven ocean Poincare wave propagation and mixing near the critical latitude | |
Raabe et al. | MEPBAY and SMC: software tools to support different operational levels of headland-bay beach in coastal engineering projects | |
KR20160073604A (ko) | 연안국지 순환 분석 방법 및 시스템 | |
Deng et al. | A method for assessing the coastline recession due to the sea level rise by assuming stationary wind-wave climate | |
Howlett et al. | Processes contributing to the evolution and destruction of stratification in the Liverpool Bay ROFI | |
Liu et al. | An innovative coupling technique for integrating oil spill prediction model with finite volume method-based ocean model | |
Onken et al. | A forecast experiment in the Balearic Sea | |
KR20220071838A (ko) | 실시간 해양 예측 시스템 (koos-opem) 및 이를 이용한 해양 예측 방법 |
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: 20190408 Year of fee payment: 4 |