KR20170025709A - 황사와 연무 통합 예측 및 검증 방법 및 시스템 - Google Patents
황사와 연무 통합 예측 및 검증 방법 및 시스템 Download PDFInfo
- Publication number
- KR20170025709A KR20170025709A KR1020150122541A KR20150122541A KR20170025709A KR 20170025709 A KR20170025709 A KR 20170025709A KR 1020150122541 A KR1020150122541 A KR 1020150122541A KR 20150122541 A KR20150122541 A KR 20150122541A KR 20170025709 A KR20170025709 A KR 20170025709A
- Authority
- KR
- South Korea
- Prior art keywords
- dust
- fine dust
- concentration
- haze
- fine
- Prior art date
Links
- 239000000428 dust Substances 0.000 title claims abstract description 255
- 238000012795 verification Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010586 diagram Methods 0.000 claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims description 46
- 239000004576 sand Substances 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 239000010419 fine particle Substances 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 239000003517 fume Substances 0.000 claims 1
- 239000003595 mist Substances 0.000 abstract description 10
- -1 haze Substances 0.000 abstract description 7
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 208000001840 Dandruff Diseases 0.000 description 1
- 241000245665 Taraxacum Species 0.000 description 1
- 235000005187 Taraxacum officinale ssp. officinale Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003958 fumigation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005906 menstruation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/11—Weather houses or other ornaments for indicating humidity
Landscapes
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
본 발명은 황사와 연무 통합 예측 및 검증 방법 및 시스템에 관한 것으로, 황사 및 연무 통합 예측 검증 시스템은 공기 중의 미세 먼지(PM10)의 농도, 그리고 상기 공기 중의 미세 먼지(PM10) 중 황사 미세 먼지(PM10) 또는 수분 입자의 비율에 기초하여, 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링하는 통합 모델링부; 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하는 객관적 검증부; 및 상기 모델링한 결과와 상기 계측한 결과를 정규화하여 분석하는 테일러 다이어그램을 통해 정확도를 평가하는 정확도 평가부;를 포함한다.
Description
본 발명의 실시예는 황사와 연무 통합 예측 및 검증 방법 및 시스템에 관한 것이다.
황사는 주로 중국 북부나 몽골의 건조, 황토 지대에서 바람에 날려 올라간 미세한 모래먼지가 대기 중에 퍼져서 하늘을 덮었다가 서서히 강하하는 현상 또는 강하하는 흙먼지를 말한다.
우리나라는 북반구 중위도대의 편서풍 영향을 받고 있으며 풍상측인 중국과 몽골의 황사발원지로 인해 황사가 자주 출현하고 있다. 우리나라에 영향을 주는 황사의 81%가 고비사막 내몽골고원에서 발원되며 2002년 내지 2014년 사이에 총 114회 관측되었고, 이중 주의보급은 22회, 경보급은 15회이다.
연무는 시정 1km 이상으로 습도가 비교적 낮을 때 대기 중에 연기, 먼지 등 미세한 입자가 떠 있어서 공기의 색이 우윳빛으로 부옇게 보이는 가시거리 악화 현상을 한다.
연무는 중국뿐 아니라 우리나라도 주요 발생원으로서 대기가 정체될수록 더 발생되기 쉬우며, 오염물질이 다량 포함될 뿐 아니라 입자 크기가 작아 기관지 깊숙이 침투하게 되어 황사보다 더 유해하다.
또한, 연무는 황사보다 더 자주 생기며, 황사는 봄철에 주로 많지만 연무는 여름철을 제외한 모든 계절에서 3배 이상 더 자주 발생한다.
기상청에서는 2000년대 들어 급증한 황사의 영향 및 피해를 최소화하기 위해 황사특보제를 시행중이며, 최근 들어 대두되고 있는 연무현상에 대해서도 연무포텐셜 예보제를 시행하여 환경기상 서비스를 강화하고 있으며, 연무포텐셜 예보제는 연무, 황사, 안개(박무) 등의 한 개 또는 복합적인 원인으로 인한 시정악화 가능성을 정성적(2등급)으로 표현하여 예보 발표하고 있다.
한편, 황사예측모델은 2007년부터 현업운영되어 현재까지 지속적으로 개선되어 황사예보현업에 활용중이나, 연무예측모델은 최근에 개발되어 현업에 사용되지 못하고 있는 실정이다.
최근에는 황사와 연무의 악시정 및 장기간 지속 사례가 증가추세로서, 기상청에서 정량적인 황사관측이 시작된 2002년 이래 PM10 시간당 최고농도가 2000㎍/㎥ 이상이거나, 지속시간이 82시간에 달하는 매우 짙은 황사가 자주 관측되고 있으며, 지난 2013년 1월 12일부터 21일까지 10일간 심한 연무현상이 발생하였으며 시정거리는 3km까지 악화되기도 하였다.
이와 같이, 황사 및 연무는 산업활동에 대한 지장뿐 아니라 일반 국민들에게도 쾌적성 감소로 인한 후생문제, 세차 및 청소비용 증가 등 광범위한 피해를 유발하며, 황사로 인한 경제적 피해는 연구자 및 연구기법에 따라 다양하나, 최소 4천억 내지 최대 17조원으로 추산되고 있으며, 그에 따라 황사 및 연무 현상의 종합적인 예측결과를 제공할 수 있는 기술의 필요성이 더욱 높아지고 있다.
한편, 이와 관련한 선행기술로는 한국 등록특허공보 제10-1382507호(발명의 명칭: 대기질 예측 및 관리 시스템, 등록일자: 2014년 4월 10일)가 있다.
본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 황사 및 연무를 통합하여 예측하고, 예측 모델의 검증을 통해 보다 정확하고 신속한 황사 및 연무에 대한 예보가 가능하도록 하고자 한다.
또한, 본 발명은 황사 및 연무 현상을 통합하여 예측, 검증 할 수 있는 시스템을 제공함으로써 국민들의 일상생활과 산업체에서 미리 대비할 수 있는 재난관리시스템을 확충하고자 한다.
전술한 문제를 해결하기 위한 본 실시예에 따른 황사와 연무 통합 예측 및 검증 방법 및 시스템은 공기 중의 미세 먼지(PM10)의 농도, 그리고 상기 공기 중의 미세 먼지(PM10) 중 황사 미세 먼지(PM10) 또는 수분 입자의 비율에 기초하여, 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링하는 통합 모델링부; 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하는 객관적 검증부; 및 상기 모델링한 결과와 상기 계측한 결과를 정규화하여 분석하는 테일러 다이어그램을 통해 정확도를 평가하는 정확도 평가부;를 포함한다.
본 발명의 다른 일실시예에 따르면, 상기 통합 모델링부는 상기 미세 먼지(PM10)의 농도가 100㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 이상이면, 황사로 판별하고, 상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 미만이면, 연무로 판별하고, 상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 이상이면, 박무로 판별할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 통합 모델링부는 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 지도 상에 색으로 표시할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 통합 모델링부는 황사가 발생한 것으로 판단하면, 상기 황사발원지의 위성 영상을 통해 황사의 발생을 감지하고, 상기 황사발원지에 대한 황사 발생 모의를 실행하여 황사의 이동 경로를 표시한 전후방추적도를 생성하여 표시할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 객관적 검증부는 지상에서의 공기 중의 미세 먼지(PM10) 또는 초미세 먼지(PM2.5)의 농도와 비율을 계측할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 객관적 검증부는 상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 40% 이하이면 황사로 판별하고, 상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 80% 이상이면 연무로 판별할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 객관적 검증부는 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하거나, 대기중 먼지의 광학두께와 옹스트롬 지수를 측정하여 황사 및 연무를 판별할 수 있다.
본 발명의 다른 일실시예에 따르면, 시정 현상과 강수 현상을 포함하는 일기도를 생성하여 표시하는 일기도 생성부;를 더 포함할 수 있다.
본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 방법은 통합 모델링부가 공기 중의 미세 먼지(PM10)의 농도, 그리고 상기 공기 중의 미세 먼지(PM10) 중 황사 미세 먼지(PM10) 또는 수분 입자의 비율에 기초하여, 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링하는 제1 단계; 객관적 검증부가 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하는 제2 단계; 및 정확도 평가부가 상기 모델링한 결과와 상기 계측한 결과를 정규화하여 분석하는 테일러 다이어그램을 통해 정확도를 평가하는 제3 단계;를 포함한다.
본 발명의 다른 일실시예에 따르면, 상기 제1 단계는 상기 통합 모델링부가, 상기 미세 먼지(PM10)의 농도가 100㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 이상이면, 황사로 판별하고, 상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 미만이면, 연무로 판별하고, 상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 이상이면, 박무로 판별할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 제1 단계는 상기 통합 모델링부가 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 지도 상에 색으로 표시할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 제1 단계는 상기 통합 모델링부가 황사가 발생한 것으로 판단하면, 상기 황사발원지의 위성 영상을 통해 황사의 발생을 감지하고, 상기 황사발원지에 대한 황사 발생 모의를 실행하여 황사의 이동 경로를 표시한 전후방추적도를 생성하여 표시할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 제2 단계는 상기 객관적 검증부가 지상에서의 공기 중의 미세 먼지(PM10) 또는 초미세 먼지(PM2.5)의 농도와 비율을 계측할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 제2 단계는 상기 객관적 검증부가 상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 40% 이하이면 황사로 판별하고, 상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 80% 이상이면 연무로 판별할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 제2 단계는 상기 객관적 검증부가 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하거나, 대기중 먼지의 광학두께와 옹스트롬 지수를 측정하여 황사 및 연무를 판별할 수 있다.
본 발명의 다른 일실시예에 따르면, 상기 제2 단계 이후에 일기도 생성부가 시정 현상과 강수 현상을 포함하는 일기도를 생성하여 표시하는 단계;를 더 포함할 수 있다.
또한, 본 발명의 실시예에 따르면 황사 및 연무를 통합하여 예측하고, 예측 모델의 검증을 통해 보다 정확하고 신속한 황사 및 연무에 대한 예보가 가능하다.
또한, 본 발명의 실시예에 따르면 황사 및 연무 현상을 통합하여 예측, 검증 할 수 있는 시스템을 제공함으로써 국민들의 일상생활과 산업체에서 미리 대비할 수 있는 재난관리시스템을 확충할 수 있다.
도 1은 본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 시스템을 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 전방 및 후방추적도를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 황사 및 연무시 입자 크기별 농도 및 비율을 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 대기 중 먼지의 광학두께를 이용한 대기 중 황사 및 연무 판별 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 시정현상일기도를 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 모델 예측 자료의 검증 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일실시예에 따른 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 전방 및 후방추적도를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 황사 및 연무시 입자 크기별 농도 및 비율을 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 대기 중 먼지의 광학두께를 이용한 대기 중 황사 및 연무 판별 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 시정현상일기도를 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 모델 예측 자료의 검증 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 방법을 설명하기 위한 흐름도이다.
이하에서는 첨부한 도면을 참조하여 바람직한 본 발명의 일실시예에 대해서 상세히 설명한다. 다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.
도 1은 본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 시스템을 도시한 도면이다.
도 1을 참조하여 본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 시스템의 구성을 설명하기로 한다.
본 발명에 따른 황사와 연무 통합 예측 및 검증 시스템(100)은 황사 및 연무의 통합 예측 모델 자료와 국내 지상관측자료의 통계 분석을 통해 시정관련현상(황사, 연무, 박무)의 판별이 가능하도록 하며, 이를 위하여 황사 미세 먼지(PM10), 공기 중의 미세 먼지(PM10) 또는 수분(에어로졸에 흡착된 물) 입자의 농도 또는 비율을 이용할 수 있다.
도 1에 도시된 바와 같이 본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 시스템(100)은 통합 모델링부(110), 객관적 검증부(120), 일기도 생성부(130) 및 정확도 평가부(140)를 포함하여 구성될 수 있다.
통합 모델링부(110)는 공기 중의 미세 먼지(PM10)의 농도, 그리고 상기 공기 중의 미세 먼지(PM10) 중 황사 미세 먼지(PM10) 또는 수분 입자의 비율에 기초하여, 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한다.
이때, 본 발명의 일실시예에 따른 통합 모델링부(110)는 다음의 표 1을 통하여 황사, 연무 또는 박무를 판별할 수 있다.
[표 1]
즉, 통합 모델링부(110)는 상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 이상이면, 황사로 판별할 수 있다.
또한, 통합 모델링부(110)는 상기 미세 먼지(PM10)의 농도가 50㎍/㎥ 이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 미만이면, 연무로 판별하고, 상기 미세 먼지(PM10)의 농도가 50㎍/㎥ 이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 이상이면, 박무로 판별할 수 있다.
도 2는 본 발명의 일실시예에 따른 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 도시한 도면이다.
도 2에 도시된 바와 같이 통합 모델링부(110)는 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 지도 상에 색으로 표시할 수 있다.
보다 상세하게 설명하면, 예를 들어 통합 모델링부(110)는 상기 모델링한 결과를 바탕으로, 아시아 또는 한반도 영역에서 황사(Dust, 갈색), 박무(Mist, 회색), 연무(Haze, 초록색) 발생 가능성이 높은 위치를 색깔별로 표시하여, 한 눈에 알아보기 쉽게 3시간 간격으로 7일 후까지 예측결과 생성할 수 있다.
그에 따라, 본 발명에 따르면 황사농도예측결과를 통한 황사예보지원은 물론 시정현상의 발생예측결과를 통해 연무포텐셜예보의 직관적인 지원이 가능하다.
도 3은 본 발명의 일실시예에 따른 전방 및 후방추적도를 도시한 도면이다.
상기 통합 모델링부(110)는 황사가 발생한 것으로 판단하면, 상기 황사발원지의 위성 영상을 통해 황사의 발생을 감지하고, 상기 황사발원지에 대한 황사 발생 모의를 실행하여 황사의 이동 경로를 표시한 전후방추적도를 생성하여 표시할 수 있다.
즉, 예보관이 웹에서 기류정보를 임의로 신속하게 추출하여 예보에 활용할 수 있도록 웹기반 전방 및 후방추적도를 제공할 수 있다.
도 3에 도시된 바와 같이 임의의 위치(최대 3지점), 고도, 시간을 설정하여 전방(2일 후) 또는 후방(2일 전) 기류 예측이 가능하다.
특히, 전방추적도는 황사발원지에서 황사가 발생하였을 때 우리나라로 기류가 형성이 되는지, 형성이 된다면 언제쯤 도달하고 지상에는 영향이 있는지 등을 파악하는데 효과적이다.
예를 들어, 도 3에서와 같이 2014년 10월 26일 사례의 경우, 황사발원지는 미세 먼지(PM10)가 만주 지역의 통랴오 지점에서 400㎍/㎥이상으로 관측되고, 위COMS 위성영상에서 만주 지역의 황사 탐지되었다. 그에 따라 통합 모델링부(110)가 해당 지역에서의 황사 발생을 모의하고, 전방추적도를 생성하여 통랴오에서 관측된 황사는 10월 27일에 우리나라 서해안 중심으로 지상에 영향을 줄 수 있는 기류가 형성됨을 확인할 수 있다.
객관적 검증부(120)는 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하며, 보다 구체적으로 지상에서의 공기 중의 미세 먼지(PM10) 또는 초미세 먼지(PM2.5)의 농도와 비율을 계측할 수 있다.
객관적 검증부(120)는 입자크기분포를 관측하는 광학입자계수기를 포함하여, 공기 중 입자를 계수(count)하는 기능과 먼지입자 10um 이하 미세 먼지(PM10), 먼지입자 2.5㎛ 이하 초미세 먼지(PM2.5)의 농도를 계산할 수 있으며, 미세 먼지(PM10)와 초미세 먼지(PM2.5)의 농도, 그리고 미세 먼지(PM10)와 초미세 먼지(PM2.5)의 비율로써 황사와 연무를 판별할 수 있다.
이때, 황사와 연무는 모두 미세 먼지(PM10)의 농도가 높지만, 황사의 경우 큰 입자(2.5 ~ 10㎛)가 대부분이고, 연무의 경우는 작은 입자(2.5㎛ 이하)가 대부분이므로 초미세 먼지(PM2.5)/ 미세 먼지(PM10)을 활용하면 효과적이다.
미세 먼지(PM10)의 농도가 100㎍/㎥이상인 경우, 초미세 먼지(PM2.5)/ 미세 먼지(PM10)가 40% 이하이면 황사로 판별하고, 80% 이상이면 연무로 판별할 수 있다.
도 4는 본 발명의 일실시예에 따른 황사 및 연무시 입자 크기별 농도 및 비율을 도시한 도면이다.
도 4에 도시된 바와 같이, 황사시에는 미세 먼지(PM10) 농도가 급격히 증가하는 반면 PM2.5와 PM1.0은 큰 변동이 없어 비율이 40% 이하로 낮아지는 것을 알 수 있다. 그러나, 연무시에는 PM10, PM2.5, PM1.0 모두 높은 값을 유지하여 비율이 80%를 상회하는 특징이 있다.
도 5는 본 발명의 일실시예에 따른 대기 중 먼지의 광학두께를 이용한 대기 중 황사 및 연무 판별 방법을 설명하기 위한 도면이다.
또한, 객관적 검증부(120)는 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하거나, 대기중 먼지의 광학두께와 옹스트롬 지수를 측정하여 황사 및 연무를 판별할 수 있다.
객관적 검증부(120)는 스카이라디오미터로부터 태양을 추적하여 여러 개의 특정 파장에서의 직달 및 산란 일사량을 측정하여 대기 중 먼지(에어로졸)의 광학특성을 산출한 데이터를 수신할 수 있다.
객관적 검증부(120)는 태양빛이 있는 동안 실시간으로 측정하며 먼지 광학두께와 관련산출물(옹스트롬 지수)을 활용하여 황사 및 연무를 판별할 수 있다.
이때, 먼지 광학두께는 대기 중에 먼지에 의해 빛이 감쇄되는 정도를 의미하며 먼지의 양과 비례하는 특성을 가지며, 옹스트롬 지수는 파장별 먼지의 광학두께의 변화 정도를 의미하며 먼지 입자 크기에 반비례하는 특성을 가진다.
황사와 연무는 모두 먼지 광학두께가 높지만, 도 5에서와 같이 입자크기의 차이가 있으므로 옹스트롬 지수와 함께 분석하면 황사와 연무를 판별할 수 있다.
도 6은 본 발명의 일실시예에 따른 시정현상일기도를 도시한 도면이다.
일기도 생성부(130)는 시정 현상과 강수 현상을 포함하는 일기도를 생성하여 표시할 수 있다.
보다 구체적으로 시정현상일기도는 기단의 이동 파악 및 황사·연무 통합모델 검증을 위해 시정현상(황사, 연무, 박무, 안개)과 강수현상을 동시에 분석가능한 일기도를 말하며, 일기도 생성부(130)는 이와 같은 시정 현상과 강수 현상을 포함하는 시정현상일기도를 생성하여 표시할 수 있다.
도 6에 도시된 바와 같이, 시정현상일기도는 가시거리(시정)를 일기도 전체에 내삽하여 색깔로 표시하고, 황사현상에 대해서는 GTS 코드번호를 일기도상에 표시하여 상세정보 제공한다.
또한, 시정현상일기도는 매 3시간마다 전 세계 기상대에서 보고하는 기상 정보를 취합하여 아시아지역의 시정관련 현상을 한 눈에 확인할 수 있도록 하고, 황사, 연무의 이동실황을 모니터링함으로써 우리나라로 월경 가능성 검토에 활용할 수 있다.
[표 2]
상기 표 2는 시정현상일기도에서 사용되는 각 현상별 표시 형식을 나타낸다.
도 7은 본 발명의 일실시예에 따른 모델 예측 자료의 검증 방법을 설명하기 위한 도면이다.
정확도 평가부(140)는 상기 모델링한 결과와 상기 계측한 결과를 정규화하여 분석하는 테일러 다이어그램을 통해 정확도를 평가한다.
본 발명의 일실시예에 따르면 정확도 평가부(140)는 황사 및 연무 통합모델의 실시간 검증을 위해, 도 7에 도시된 테일러 다이어그램을 통해 모델관측자료와 지상관측자료를 실시간으로 비교 및 분석하여 정확도 산출할 수 있다.
정확도 평가부(140)는 테일러 다이어그램을 통해 지상의 미세 먼지(PM10) 및 시정현상 관측자료를 실시간으로 모델링한 자료와 비교함으로써 모델의 정확도 정보를 실시간으로 제공할 수 있다.
보다 구체적으로 테일러 다이어그램은 모델링한 자료와 관측자료를 정규화시켜, 두 자료의 유사성을 객관적으로 분석하며, 모델링한 자료와 관측값의 상관성(Correlation), 정규화된 표준편차, 평균제곱근오차(Root Mean Square Error; RMSE)를 한눈에 파악 용이한 특징이 있다.
본 발명에 따르면 도 7에 도시된 바와 같이 테일러 다이어그램의 상세결과를 표로 제공하여, 모델과 관측의 24시간 평균 자료에 대한 검증결과를 제공할 수 있으며, 다이어그램의 마크 위치가 BEST에 가까우면 모델의 성능은 우수함을 나타내며, 모델의 성능을 분석하기 위해 예보시각별(00, 12UTC) 검증 결과 제공를 제공할 수 있다.
보다 상세하게 설명하면, 도 7의 테일러 그램은 최근 72시간의 모델과 관측의 상관성(Correlation), 정규화된 표준편차, 평균제곱근오차(Root Mean Square Error; RMSE)를 자동으로 계산하여 한 그림에 표시한다.
테일러 다이어그램 상에서 표시된 점들(붉은색)의 위치에 따라서 모델링한 자료와 관측자료의 유사성을 검증 요소별로 객관적인 분석 할 수 있다.
테일러 다이어그램에서 정규화된 표준편차의 비율(검정색 점선 반원)은 1에 가까울수록 관측자료와 예측자료의 정규화된 표준편차의 분포가 유사하다는 것을 의미하며, 평균제곱근오차(청색 반원 점선)는 정규화된 표준편차 1에서 멀어질수록 모델링한 자료와 관측자료의 오차가 큰 것을 의미한다. 상관성(청색 점선)은 X 축에 가까울수록 관측과 예측자료의 상관성은 높을 것을 의미한다.
도 8은 본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 방법을 설명하기 위한 흐름도이다.
이후부터는 도 8을 참조하여 본 발명의 일실시예에 따른 황사와 연무 통합 예측 및 검증 방법을 설명하기로 한다.
먼저, 통합 모델링부가 공기 중의 미세 먼지(PM10)의 농도, 그리고 상기 공기 중의 미세 먼지(PM10) 중 황사 미세 먼지(PM10) 또는 수분 입자의 비율에 기초하여, 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한다(S810).
이때, 상기 통합 모델링부는 상기 미세 먼지(PM10)의 농도가 100㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 이상이면, 황사로 판별할 수 있다.
또한, 통합 모델링부는 상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 미만이면, 연무로 판별하고, 상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 이상이면, 박무로 판별할 수 있다.
그뿐만 아니라, 상기 통합 모델링부는 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 지도 상에 색으로 표시하여 제공할 수 있다.
한편, 상기 통합 모델링부는 황사가 발생한 것으로 판단하면, 상기 황사발원지의 위성 영상을 통해 황사의 발생을 감지하고, 상기 황사발원지에 대한 황사 발생 모의를 실행하여 황사의 이동 경로를 표시한 전후방추적도를 생성하여 표시할 수 있다.
이후, 객관적 검증부가 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측한다(S830).
이때, 객관적 검증부는 상기 객관적 검증부가 지상에서의 공기 중의 미세 먼지(PM10) 또는 초미세 먼지(PM2.5)의 농도와 비율을 계측할 수도 있다.
보다 구체적으로 객관적 검증부는 상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 40% 이하이면 황사로 판별하고, 상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 80% 이상이면 연무로 판별할 수 있다.
또한, 객관적 검증부는 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하거나, 대기중 먼지의 광학두께와 옹스트롬 지수를 측정하여 황사 또는 연무를 판별할 수 있다.
이후, 일기도 생성부가 시정 현상과 강수 현상을 포함하는 일기도를 생성하여 표시할 수 있다(S840).
이후에는 정확도 평가부가 상기 모델링한 결과와 상기 계측한 결과를 정규화하여 분석하는 테일러 다이어그램을 통해 정확도를 평가한다(S850).
이와 같이, 본 발명의 실시예에 따르면 황사 및 연무를 통합하여 예측하고, 예측 모델의 검증을 통해 보다 정확하고 신속한 황사 및 연무에 대한 예보가 가능하며, 황사 및 연무 현상을 통합하여 예측, 검증 할 수 있는 시스템을 제공함으로써 국민들의 일상생활과 산업체에서 미리 대비할 수 있는 재난관리시스템을 확충할 수 있다.
전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 황사와 연무 통합 예측 및 검증 시스템
110: 통합 모델링부
120: 객관적 검증부
130: 일기도 생성부
140: 정확도 평가부
110: 통합 모델링부
120: 객관적 검증부
130: 일기도 생성부
140: 정확도 평가부
Claims (16)
- 공기 중의 미세 먼지(PM10)의 농도, 그리고 상기 공기 중의 미세 먼지(PM10) 중 황사 미세 먼지(PM10) 또는 수분 입자의 비율에 기초하여, 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링하는 통합 모델링부;
지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하는 객관적 검증부; 및
상기 모델링한 결과와 상기 계측한 결과를 정규화하여 분석하는 테일러 다이어그램을 통해 정확도를 평가하는 정확도 평가부;
를 포함하는 황사와 연무 통합 예측 및 검증 시스템. - 청구항 1에 있어서,
상기 통합 모델링부는,
상기 미세 먼지(PM10)의 농도가 100㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 이상이면, 황사로 판별하고,
상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 미만이면, 연무로 판별하고,
상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 이상이면, 박무로 판별하는 황사와 연무 통합 예측 및 검증 시스템. - 청구항 1에 있어서,
상기 통합 모델링부는,
상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 지도 상에 색으로 표시하는 황사와 연무 통합 예측 및 검증 시스템. - 청구항 1에 있어서,
상기 통합 모델링부는,
황사가 발생한 것으로 판단하면, 상기 황사발원지의 위성 영상을 통해 황사의 발생을 감지하고, 상기 황사발원지에 대한 황사 발생 모의를 실행하여 황사의 이동 경로를 표시한 전후방추적도를 생성하여 표시하는 황사와 연무 통합 예측 및 검증 시스템. - 청구항 1에 있어서,
상기 객관적 검증부는,
지상에서의 공기 중의 미세 먼지(PM10) 또는 초미세 먼지(PM2.5)의 농도와 비율을 계측하는 황사와 연무 통합 예측 및 검증 시스템. - 청구항 1에 있어서,
상기 객관적 검증부는,
상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 40% 이하이면 황사로 판별하고,
상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 80% 이상이면 연무로 판별하는 황사와 연무 통합 예측 및 검증 시스템. - 청구항 1에 있어서,
상기 객관적 검증부는,
지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하거나, 대기중 먼지의 광학두께와 옹스트롬 지수를 측정하여 황사 및 연무를 판별하는 황사와 연무 통합 예측 및 검증 시스템. - 청구항 1에 있어서,
시정 현상과 강수 현상을 포함하는 일기도를 생성하여 표시하는 일기도 생성부;
를 더 포함하는 황사와 연무 통합 예측 및 검증 시스템. - 통합 모델링부가 공기 중의 미세 먼지(PM10)의 농도, 그리고 상기 공기 중의 미세 먼지(PM10) 중 황사 미세 먼지(PM10) 또는 수분 입자의 비율에 기초하여, 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링하는 제1 단계;
객관적 검증부가 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하는 제2 단계; 및
정확도 평가부가 상기 모델링한 결과와 상기 계측한 결과를 정규화하여 분석하는 테일러 다이어그램을 통해 정확도를 평가하는 제3 단계;
를 포함하는 황사와 연무 통합 예측 및 검증 방법. - 청구항 9에 있어서,
상기 제1 단계는,
상기 통합 모델링부가,
상기 미세 먼지(PM10)의 농도가 100㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 이상이면, 황사로 판별하고,
상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 미만이면, 연무로 판별하고,
상기 미세 먼지(PM10)의 농도가 50㎍/㎥이상이고, 상기 미세 먼지(PM10) 중에서 황사 미세 먼지(PM10)가 50% 미만이고, 상기 미세 먼지(PM10) 중에서 수분 입자가 75% 이상이면, 박무로 판별하는 황사와 연무 통합 예측 및 검증 방법. - 청구항 9에 있어서,
상기 제1 단계는,
상기 통합 모델링부가 상기 공기 중의의 황사, 연무 또는 박무를 판별하여 모델링한 결과를 지도 상에 색으로 표시하는 황사와 연무 통합 예측 및 검증 방법. - 청구항 9에 있어서,
상기 제1 단계는,
상기 통합 모델링부가 황사가 발생한 것으로 판단하면, 상기 황사발원지의 위성 영상을 통해 황사의 발생을 감지하고, 상기 황사발원지에 대한 황사 발생 모의를 실행하여 황사의 이동 경로를 표시한 전후방추적도를 생성하여 표시하는 황사와 연무 통합 예측 및 검증 방법. - 청구항 9에 있어서,
상기 제2 단계는,
상기 객관적 검증부가 지상에서의 공기 중의 미세 먼지(PM10) 또는 초미세 먼지(PM2.5)의 농도와 비율을 계측하는 황사와 연무 통합 예측 및 검증 방법. - 청구항 9에 있어서,
상기 제2 단계는,
상기 객관적 검증부가 상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 40% 이하이면 황사로 판별하고,
상기 미세 먼지(PM10)의 농도가 100㎍/㎥ 이상이고, 상기 미세 먼지(PM10)에 대한 초미세 먼지(PM2.5)의 비율이 80% 이상이면 연무로 판별하는 황사와 연무 통합 예측 및 검증 방법. - 청구항 9에 있어서,
상기 제2 단계는,
상기 객관적 검증부가 지상에서의 공기 중의 미세 먼지(PM10)의 농도와 비율을 계측하거나, 대기중 먼지의 광학두께와 옹스트롬 지수를 측정하여 황사 및 연무를 판별하는 황사와 연무 통합 예측 및 검증 방법. - 청구항 9에 있어서,
상기 제2 단계 이후에,
일기도 생성부가 시정 현상과 강수 현상을 포함하는 일기도를 생성하여 표시하는 단계;
를 더 포함하는 황사와 연무 통합 예측 및 검증 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150122541A KR20170025709A (ko) | 2015-08-31 | 2015-08-31 | 황사와 연무 통합 예측 및 검증 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150122541A KR20170025709A (ko) | 2015-08-31 | 2015-08-31 | 황사와 연무 통합 예측 및 검증 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20170025709A true KR20170025709A (ko) | 2017-03-08 |
Family
ID=58404472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150122541A KR20170025709A (ko) | 2015-08-31 | 2015-08-31 | 황사와 연무 통합 예측 및 검증 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20170025709A (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109932988A (zh) * | 2019-03-27 | 2019-06-25 | 四川瞭望工业自动化控制技术有限公司 | 一种城市扬尘污染扩散预测系统及方法 |
| CN110989041A (zh) * | 2019-12-10 | 2020-04-10 | 中国科学院遥感与数字地球研究所 | 一种灰霾和沙尘天气的预报方法及预报系统 |
| KR20210036756A (ko) * | 2019-09-26 | 2021-04-05 | 울산과학기술원 | 미세먼지 농도 추정 시스템, 방법 및 컴퓨터 프로그램 |
| KR20240007411A (ko) | 2022-07-08 | 2024-01-16 | 대한민국(기상청 국립기상과학원장) | 에어로졸의 물리적 특성을 고려한 에어로졸 고농도 현상 판별 장치와 이를 이용한 에어로졸 고농도 현상 판별 방법 |
| KR20240007412A (ko) | 2022-07-08 | 2024-01-16 | 대한민국(기상청 국립기상과학원장) | 에어로졸의 질량농도를 포함하는 물리적 특성을 고려한 에어로졸 고농도 현상 판별 장치와 이를 이용한 에어로졸 고농도 현상 판별 방법 |
-
2015
- 2015-08-31 KR KR1020150122541A patent/KR20170025709A/ko not_active Application Discontinuation
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109932988A (zh) * | 2019-03-27 | 2019-06-25 | 四川瞭望工业自动化控制技术有限公司 | 一种城市扬尘污染扩散预测系统及方法 |
| CN109932988B (zh) * | 2019-03-27 | 2020-11-24 | 四川瞭望工业自动化控制技术有限公司 | 一种城市扬尘污染扩散预测系统及方法 |
| KR20210036756A (ko) * | 2019-09-26 | 2021-04-05 | 울산과학기술원 | 미세먼지 농도 추정 시스템, 방법 및 컴퓨터 프로그램 |
| CN110989041A (zh) * | 2019-12-10 | 2020-04-10 | 中国科学院遥感与数字地球研究所 | 一种灰霾和沙尘天气的预报方法及预报系统 |
| CN110989041B (zh) * | 2019-12-10 | 2021-02-09 | 中国科学院遥感与数字地球研究所 | 一种灰霾和沙尘天气的预报方法及预报系统 |
| KR20240007411A (ko) | 2022-07-08 | 2024-01-16 | 대한민국(기상청 국립기상과학원장) | 에어로졸의 물리적 특성을 고려한 에어로졸 고농도 현상 판별 장치와 이를 이용한 에어로졸 고농도 현상 판별 방법 |
| KR20240007412A (ko) | 2022-07-08 | 2024-01-16 | 대한민국(기상청 국립기상과학원장) | 에어로졸의 질량농도를 포함하는 물리적 특성을 고려한 에어로졸 고농도 현상 판별 장치와 이를 이용한 에어로졸 고농도 현상 판별 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Reno et al. | Identification of periods of clear sky irradiance in time series of GHI measurements | |
| Kuik et al. | Air quality modelling in the Berlin–Brandenburg region using WRF-Chem v3. 7.1: sensitivity to resolution of model grid and input data | |
| Yin et al. | Surface ozone at Nam Co in the inland Tibetan Plateau: variation, synthesis comparison and regional representativeness | |
| KR20170025709A (ko) | 황사와 연무 통합 예측 및 검증 방법 및 시스템 | |
| Yap et al. | A robust calibration approach for PM 10 prediction from MODIS aerosol optical depth | |
| KR20160097933A (ko) | 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템 | |
| Costa-Surós et al. | Behavior of cloud base height from ceilometer measurements | |
| Chu et al. | Seasonal and diurnal variability of planetary boundary layer height in Beijing: Intercomparison between MPL and WRF results | |
| Vukovic et al. | Numerical simulation of" an American haboob" | |
| Mohr et al. | Statistical characteristics of convective wind gusts in Germany | |
| Gobbi et al. | Changes in particulate matter physical properties during Saharan advections over Rome (Italy): a four-year study, 2001–2004 | |
| Kim et al. | Statistical downscaling for daily precipitation in Korea using combined PRISM, RCM, and quantile mapping: Part 1, methodology and evaluation in historical simulation | |
| Ballinger et al. | The sensitivity of tropical cyclone activity to off-equatorial thermal forcing in aquaplanet simulations | |
| Kotthaus et al. | Volume for pollution dispersion: London's atmospheric boundary layer during ClearfLo observed with two ground-based lidar types | |
| CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
| CN109740195B (zh) | 一种基于气象站观测数据的极值台风风速概率分布模型及设计台风风速的评估方法 | |
| Thompson et al. | Modeling hurricane-caused urban forest debris in Houston, Texas | |
| Won et al. | Impact of fine particulate matter on visibility at incheon international airport, South Korea | |
| Sanabria et al. | A statistical model of severe winds | |
| Jeong et al. | Projected changes to wind loads coinciding with rainfall for building design in Canada based on an ensemble of Canadian regional climate model simulations | |
| Soleimani et al. | Satellite aerosol optical depth prediction using data mining of climate parameters | |
| CN112766581A (zh) | 一种计算机自动识别预报人工防雹作业潜势的方法 | |
| Manni et al. | Solar energy digitalization at high latitudes: A model chain combining solar irradiation models, a LiDAR scanner, and high-detail 3D building model | |
| Mendicino et al. | Integrated drought watch system: a case study in Southern Italy | |
| CN116776263A (zh) | 基于数据驱动的街区尺度建筑高能耗异常检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |