KR20180138423A - 황사 발생 지역 예측 장치 및 방법 - Google Patents
황사 발생 지역 예측 장치 및 방법 Download PDFInfo
- Publication number
- KR20180138423A KR20180138423A KR1020170078611A KR20170078611A KR20180138423A KR 20180138423 A KR20180138423 A KR 20180138423A KR 1020170078611 A KR1020170078611 A KR 1020170078611A KR 20170078611 A KR20170078611 A KR 20170078611A KR 20180138423 A KR20180138423 A KR 20180138423A
- Authority
- KR
- South Korea
- Prior art keywords
- soil moisture
- data set
- moisture data
- remote
- occurrence
- Prior art date
Links
- 239000000428 dust Substances 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000002689 soil Substances 0.000 claims abstract description 185
- 238000005259 measurement Methods 0.000 claims abstract description 31
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 8
- 238000001308 synthesis method Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 2
- 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 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 239000000443 aerosol Substances 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- 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
Abstract
황사의 발생 이전에 준 실시간으로 황사 발생 지역을 예측할 수 있는 방법이 제공된다. 장치는, 복수의 원격 토양 수분 데이터세트들 중, 측정 지역의 지점 토양 수분 데이터세트와의 상관성을 기반으로 두 개의 원격 토양 수분 데이터세트를 선택하는 단계와, 선택된 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하는 단계 및 합성 토양 수분 데이터세트와 자료 동화 데이터세트로부터의 정보를 기반으로 측정 지역의 황사 발생 정도 예측 값을 계산하는 단계를 포함할 수 있다. 따라서, 황사 발생 직후가 아닌 황사 발생 이전의 지표 상태를 확인하고, 황사 발생의 위험도를 황사 발생 직전에 예측함으로써 기존의 황사 발생 메커니즘을 발전시킬 수 있다.
Description
본 발명은 황사 발생 예측에 관한 것으로서, 보다 구체적으로는 황사 발생 지역을 예측하기 위한 방법 및 장치에 관한 것이다.
황사란 바람에 의하여 하늘 높이 불어 올라간 미세한 모래먼지가 대기 중에 퍼져서 하늘을 덮었다가 서서히 떨어지는 현상 또는 떨어지는 모래흙을 말한다. 관련하여, 한반도에서는 주로 봄철에 예를 들어 중국과 몽골 내륙과 같은 동아시아 지역에서 발생한 미세한 모래 먼지가 편서풍을 타고 날아와 영향을 미친다. 지구 온난화와 같은 기후적 요인과 방목 등의 인위적 요인에 기인하여 사막화가 더 진행되면서, 황사의 발생 빈도 및 정도가 늘어남에 따라 황사에 대비하기 위한 황사 예측 기술 역시 주목받고 있다.
종래 황사 예보 기술은 예를 들어 동아시아 지역에서 기 발생 된 미세먼지 분진을 가시광선 기반 위성의 센서로 관측된 정보와 종관 기상도를 활용하여 한반도까지의 황사의 도달 시간을 예측하는 방식으로 이루어졌다. 그러나 이러한 황사 예보 기술은 황사가 이미 발생한 이후의 경과를 기반으로 하는 것이라는 점에 그 한계가 있었다.
전술한 문제점을 해결하기 위한 본 발명의 목적은 황사 발생과 관련하여 주요 수문 인자인 토양 수분의 양을 기반으로 자료 동화 데이터를 활용하여 황사의 발생 이전에 준 실시간으로 황사 발생 지역을 예측할 수 있는 방법을 제공하는 것이다.
전술한 문제점을 해결하기 위한 본 발명의 다른 목적은 황사 발생과 관련하여 주요 수문 인자인 토양 수분의 양을 기반으로 자료 동화 데이터를 활용하여 황사의 발생 이전에 준 실시간으로 황사 발생 지역을 예측할 수 있는 장치를 제공하는 것이다.
다만, 본 발명의 해결 하고자 하는 과제는 이에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.
전술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법은, 복수의 원격 토양 수분 데이터세트들 중, 측정 지역의 지점 토양 수분 데이터세트와의 상관성을 기반으로 두 개의 원격 토양 수분 데이터세트를 선택하는 단계; 상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하는 단계; 및 상기 합성 토양 수분 데이터세트 및 자료 동화 데이터세트로부터의 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 단계를 포함할 수 있다.
일 측면에 따르면, 상기 복수의 원격 토양 수분 데이터세트들은, 하나 이상의 위성 토양 수분 데이터세트 및 하나 이상의 자료 동화 데이터세트 중 적어도 두 개를 포함할 수 있다.
일 측면에 따르면, 상기 두 개의 원격 토양 수분 데이터세트를 선택하는 단계는, 상기 복수의 원격 토양 수분 데이터세트들 중, 상기 지점 토양 수분 데이터세트와의 상관 계수가 가장 높은 제 1 데이터세트 및 상기 지점 토양 수분 데이터세트와의 상관 계수가 두 번째로 높은 제 2 데이터세트를 선택할 수 있다.
일 측면에 따르면, 상기 합성 토양 수분 데이터세트를 생성하는 단계는, 최대 상관 계수 합성법을 기반으로 상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성할 수 있다.
일 측면에 따르면, 상기 합성 토양 수분 데이터세트를 생성하는 단계는, 상기 두 개의 원격 토양 수분 데이터세트의 절대적 오류 값 및 신호 대 잡음 비 (SNR) 를 더 고려하여 상기 합성 토양 수분 데이터세트를 생성할 수 있다.
일 측면에 따르면, 상기 합성 토양 수분 데이터세트를 생성하는 단계는, 상기 선택된 두 개의 원격 토양 수분 데이터세트 각각의 좌표 체계를 자료 동화 데이터세트의 좌표 체계인 EASE 그리드 형식의 좌표 체계로 변환하는 단계; 상기 변환된 두 개의 원격 토양 수분 데이터세트 각각의 표준 편차를 기반으로 가중 계수를 결정하는 단계; 및 상기 가중 계수를 기반으로 상기 변환된 두 개의 원격 토양 수분 데이터세트를 합성하는 단계를 포함할 수 있다.
일 측면에 따르면, 상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 단계는, 상기 합성 토양 수분 데이터세트 및 상기 자료 동화 데이터세트로부터의 풍속 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산할 수 있다.
일 측면에 따르면, 상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 단계는, 상기 자료 동화 데이터세트로부터의 강우 값이 0 보다 크고, 상기 자료 동화 데이터세트로부터의 지표 온도가 0 ℃ 미만이면 상기 합성 토양 수분 데이터세트를 기반으로 황사 발생 정도를 예측하지 않을 수 있다.
일 측면에 따르면, 상기 황사 발생지역 예측 방법은, 황사 위험 지역 범위의 각각의 픽셀에 대해서 상기 황사 발생 정도 예측 값을 계산하고, 미리 결정한 임계 값 이상의 황사 발생 정도 예측 값을 가지는 픽셀을 지도상에 표시하는 단계; 및 상기 표시된 지도 및 종관 기상도를 기반으로 예측 대상 지역의 황사 발생을 예측하는 단계를 더 포함할 수 있다.
전술한 문제점을 해결하기 위한 본 발명의 다른 실시예에 따른 황사 발생지역 예측 장치는 프로세서, 및 메모리를 포함하고, 상기 프로세서는, 복수의 원격 토양 수분 데이터세트들 중, 측정 지역의 지점 토양 수분 데이터세트와의 상관성을 기반으로 두 개의 원격 토양 수분 데이터세트를 선택하고; 상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하고; 그리고 상기 합성 토양 수분 데이터세트 및 자료 동화 데이터세트로부터의 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산하도록 구성될 수 있다.
일 측면에 따르면, 상기 복수의 원격 토양 수분 데이터세트들은, 하나 이상의 위성 토양 수분 데이터세트 및 하나 이상의 자료 동화 데이터세트 중 적어도 두 개를 포함할 수 있다.
일 측면에 따르면, 상기 두 개의 원격 토양 수분 데이터세트를 선택하는 것은, 상기 복수의 원격 토양 수분 데이터세트들 중, 상기 지점 토양 수분 데이터세트와의 상관 계수가 가장 높은 제 1 데이터세트 및 상기 지점 토양 수분 데이터세트와의 상관 계수가 두 번째로 높은 제 2 데이터세트를 선택할 수 있다.
일 측면에 따르면, 상기 합성 토양 수분 데이터세트를 생성하는 것은, 최대 상관 계수 합성법을 기반으로 상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성할 수 있다.
일 측면에 따르면, 상기 합성 토양 수분 데이터세트를 생성하는 것은, 상기 두 개의 원격 토양 수분 데이터세트의 절대적 오류 값 및 신호 대 잡음 비 (SNR) 를 더 고려하여 상기 합성 토양 수분 데이터세트를 생성할 수 있다.
일 측면에 따르면, 상기 합성 토양 수분 데이터세트를 생성하는 것은, 상기 선택된 두 개의 원격 토양 수분 데이터세트 각각의 좌표 체계를 자료 동화 데이터세트의 좌표 체계인 EASE 그리드 형식의 좌표 체계로 변환하는 것; 상기 변환된 두 개의 원격 토양 수분 데이터세트 각각의 표준 편차를 기반으로 가중 계수를 결정하는 것; 및 상기 가중 계수를 기반으로 상기 변환된 두 개의 원격 토양 수분 데이터세트를 합성하는 것을 포함할 수 있다.
일 측면에 따르면, 상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 것은, 상기 합성 토양 수분 데이터세트 및 상기 자료 동화 데이터세트로부터의 풍속 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산할 수 있다.
일 측면에 따르면, 상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 것은, 상기 자료 동화 데이터세트로부터의 강우 값이 0 보다 크고, 상기 자료 동화 데이터세트로부터의 지표 온도가 0 ℃ 미만이면 상기 합성 토양 수분 데이터세트를 기반으로 황사 발생 정도를 예측하지 않을 수 있다.
일 측면에 따르면, 상기 프로세서는, 황사 위험 지역 범위의 각각의 픽셀에 대해서 상기 황사 발생 정도 예측 값을 계산하고, 미리 결정한 임계 값 이상의 황사 발생 정도 예측 값을 가지는 픽셀을 지도상에 표시하고; 그리고 상기 표시된 지도 및 종관 기상도를 기반으로 예측 대상 지역의 황사 발생을 예측하도록 더 구성될 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
전술한 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법 및 장치에 따르면, 종래 황사 발생 예측 방법에서 시도되지 않았던 마이크로파 위성 정보를 활용하여, 예를 들어 동아시아 지역의 토양수분 정보를 획득하여 황사 발생 지역 예측에 활용할 수 있다.
본 발명에서는 황사 발생에 주요 수문 인자인 토양 수분의 양, 온도, 강우, 풍속 데이터를 위성 및 자료동화 데이터를 통해 획득하여 준 실시간으로 황사 발생 지역을 예측할 수 있다.
따라서, 황사 발생 직후가 아닌 황사 발생 이전의 지표 상태를 확인하고, 황사 발생의 위험도를 황사 발생 직전에 예측함으로써 기존의 황사 발생 메커니즘을 발전시킬 수 있으며, 특히 대한민국이 소유하고 있지 않은 다국적 마이크로파 위성의 준 실시간 데이터와 자료동화 데이터를 무료로 활용하여 황사 발생 지역을 예측할 수 있으므로, 실제적으로 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법을 활용함에 있어 위성 탑재체 및 센서 개발에 경제적으로 투자가 필요 없다는 장점이 있다.
도 1 은 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법의 흐름도이다.
도 2 는 데이터 확인 및 데이터 세트 선택에 대한 상세 설명도이다.
도 3 은 리-샘플링 및 데이터 세트 합성에 대한 상세 설명도이다.
도 4 는 모델링 된 에어로졸 광학 깊이 계산에 대한 상세 설명도이다.
도 5 는 황사 발생의 취약 지역 매핑에 대한 상세 설명도이다.
도 6 은 본 발명의 일 실시예에 따른 황사 발생지역 예측 장치의 구성을 나타내는 블록도이다.
도 2 는 데이터 확인 및 데이터 세트 선택에 대한 상세 설명도이다.
도 3 은 리-샘플링 및 데이터 세트 합성에 대한 상세 설명도이다.
도 4 는 모델링 된 에어로졸 광학 깊이 계산에 대한 상세 설명도이다.
도 5 는 황사 발생의 취약 지역 매핑에 대한 상세 설명도이다.
도 6 은 본 발명의 일 실시예에 따른 황사 발생지역 예측 장치의 구성을 나타내는 블록도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
전술한 바와 같이, 종래 황사 예보 기술은 기 발생 된 미세먼지 분진을 가시광선 기반 위성의 센서로 관측된 정보를 활용하여, 황사가 이미 발생한 이후의 경과를 기반으로 하는 것이라는 점에 그 한계가 있었다. 관련하여, 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법은, 황사 발생과 관련하여 주요 수문 인자인 토양 수분의 양을 기반으로 자료 동화 데이터를 활용하여 황사의 발생 이전에 준 실시간으로 황사 발생 지역을 예측할 수 있다는 점에서 종래 기술과 구분된다.
도 1 은 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법의 흐름도이다. 이하, 도 1 을 참조하여 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법을 보다 상세히 설명한다.
도 1 에 도시된 바와 같이, 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법은 먼저, 복수의 원격 토양 수분 데이터세트들 중, 측정 지역의 지점 토양 수분 데이터세트와의 상관성을 기반으로 두 개의 원격 토양 수분 데이터세트를 선택 (단계 100) 할 수 있다.
도 2 는 데이터 확인 및 데이터 세트 선택에 대한 상세 설명도이다. 도 2 에 도시된 바와 같이, 두 개의 원격 토양 수분 데이터 세트의 선택 (단계 100), 즉 데이터 확인 및 데이터 세트 선택에 있어서, 복수의 원격 토양 수분 데이터세트들 (120) 은, 하나 이상의 위성 토양 수분 데이터세트 및 하나 이상의 자료 동화 데이터세트 중 적어도 두 개를 포함할 수 있다. 보다 구체적으로, 원격 토양 수분 데이터세트들은 원격으로 감지되고 재 분석된 토양 수분 데이터 세트를 의미할 수 있으며, ASCAT (Advanced Scatterometer), AMSR2 (Advanced Microwave Scanning Radiometer 2), SMOS (Soil Moisture and Ocean Salinity), FY3B (Fengyun-3B) 와 같은 위성으로부터의 토양 수분 데이터세트 및 GLDAS (Global Land Data Assimilation System) 과 같은 자료 동화 데이터세트를 포함할 수 있다. 이와 같이 무료로 공개되고 있는 다국적 마이크로파 기반 위성으로부터의 데이터와 자료 동화 데이터를 활용함으로써, 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법은 위성 탑재체 및 센서 개발에 대한 추가적인 투자 없이도 황사 발생지역을 예측할 수 있다.
한편, 상기와 같은 복수의 원격 토양 수분 데이터세트들 중 두 개의 원격 토양 수분 데이터세트를 선택하기 위해 각 원격 토양 수분 데이터세트와 지점 (In-situ) 토양 수분 데이터 세트와의 상관성이 고려된다. 지점 토양 수분 데이터 세트로는 예를 들어 ISMN (International Soil Moisture Network), RDA (Rural Development Administration), RDR 및 COSMIC-ray Site 중 적어도 하나가 사용될 수 있다. 지점 토양 수분 데이터세트와의 상관성을 고려함으로써, 보다 높은 신뢰도의 원격 토양 수분 데이터가 선택될 수 있다.
보다 구체적으로는, 두 개의 원격 토양 수분 데이터세트를 선택하는 단계 (단계 100) 는, 복수의 원격 토양 수분 데이터세트들 중, 지점 토양 수분 데이터세트와의 상관 계수가 가장 높은 제 1 데이터세트 및 지점 토양 수분 데이터세트와의 상관 계수가 두 번째로 높은 제 2 데이터세트를 선택할 수 있다 (130). 따라서, 두 개의 다국적 토양 수분 위성으로부터의 위성 토양 수분 데이터세트가 선택될 수도 있고, 하나의 위성 토양 수분 데이터세트 및 하나의 자료 동화 데이터세트가 선택될 수도 있다. 아울러, 선택된 각 데이터 세트의 SNR 을 계산하여 이후 데이터 세트의 정확도를 높이기 위해 활용할 수 있다.
다시 도 1 을 참조하면, 선택된 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성 (단계 200) 할 수 있다. 합성 토양 수분 데이터세트를 생성하는 단계는, 통계학적 방법인 최대 상관 계수 합성법을 기반으로 선택된 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성할 수 있다.
도 3 은 리-샘플링 및 데이터 세트 합성에 대한 상세 설명도이다. 도 3 을 참조하면, 합성 토양 수분 데이터세트를 생성 (단계 200) 하는 단계는 원격 토양 수분 데이터세트를 리-샘플링하고 이를 합성할 수 있다.
보다 구체적으로, 합성 토양 수분 데이터세트를 생성하는 단계는, 선택된 두 개의 원격 토양 수분 데이터세트 각각의 좌표 체계를 자료 동화 데이터세트의 좌표 체계인 EASE 그리드 형식의 좌표 체계로 변환하는 단계 (단계 210), 변환된 두 개의 원격 토양 수분 데이터세트 각각의 표준 편차를 기반으로 가중 계수를 결정하는 단계 (단계220) 및 결정된 가중 계수를 기반으로 변환된 두 개의 원격 토양 수분 데이터세트를 합성하는 단계 (단계 230) 를 포함할 수 있다.
좌표 체계 변환 (단계 210) 과 관련하여, 선택된 두 원격 토양 수분 데이터세트는 서로 상이한 좌표 체계를 가질 수도 있다. 따라서, 선택된 두 원격 토양 수분 데이터세트의 좌표 체계를 자료 동화 데이터의 좌표체계인 EASE 그리드 형식의 좌표 체계로 최근린 내삽법을 이용하여 데이터 변환을 선행할 수 있다.
가중 계수 결정 (단계 220) 와 관련하여, 가중 계수는 하기의 수학식 1 을 기반으로 결정될 수 있다.
여기서, S1 은 선택된 원격 토양 수분 데이터 중 첫 번째 원격 토양 수분 데이터세트의 표준 편차를 나타내고, S2 은 선택된 원격 토양 수분 데이터 중 두 번째 원격 토양 수분 데이터세트의 표준 편차를 나타내고, C12 는 두 원격 토양 수분 데이터세트 간의 상관계수를 나타내고, w 는 가중 계수를 나타낸다.
합성 단계 (단계 230) 에서는, 결정된 가중 계수를 기반으로 하기와 같은 수학식 2 를 기반으로 좌표 체계가 변환된 두 원격 토양 수분 데이터세트를 합성할 수 있다.
여기서, 는 합성 토양 수분 데이터세트를 나타내고, w 는 가중 계수를 나타내고, 은 선택된 원격 토양 수분 데이터 중 첫 번째 원격 토양 수분 데이터세트를 나타내고, 는 선택된 원격 토양 수분 데이터 중 두 번째 원격 토양 수분 데이터세트를 나타낸다.
이와 같이, 두 원격 토양 수분 데이터세트의 좌표 체계를 통일하고 합성함으로써, 지점 토양수분 정보에 비해 황사 발생 예측에 적합한 더 큰 공간해상도의 토양수분 정보를 획득할 수 있다.
한편, 합성 토양 수분 데이터세트를 생성 (단계 200) 함에 있어, 선택된 두 개의 원격 토양 수분 데이터세트의 절대적 오류 값 및 신호 대 잡음 비 (SNR) 를 더 고려하여 합성 토양 수분 데이터세트를 생성할 수도 있다. 여기서, 위성의 에러 값은 Triple collocation 방법을 활용하여 계산할 수도 있다. 상관 계수 값은 위성 데이터의 에러를 반영할 수 없기 때문에, 위성 데이터의 에러 값을 측정할 수 있는 통계학적 지표가 필요하다. 위성 데이터 합성에 있어서는 통계학적 방법인 최대상관계수합성법을 활용할 수 있으며, 위성의 절대적 에러 값 (하기의 수학식 3 참조) 과 신호 대 잡음 비 (SNR) 를 더 계산하여 합성식에 반영할 수 있다 (하기의 수학식 4 참조). 이를 통해 상관 계수 값과 SNR 값을 함께 고려하여 두 개의 원격 토양 수분 데이터를 합성할 수 있는 하기의 수학식 5 가 도출될 수 있다.
여기서, 은 선택된 원격 토양 수분 데이터 중 첫 번째 원격 토양 수분 데이터세트를 나타내고, 는 선택된 원격 토양 수분 데이터 중 두 번째 원격 토양 수분 데이터세트를 나타내고, SM 은 토양 수분을 나타내고, 는 원격 토양 수분 데이터세트의 에러 표준 편차를 나타내고, 는 x 변수의 분산을 나타내고, 는 x,y 변수의 공분산을 나타낸다.
여기서, 는 합성 토양 수분 데이터세트를 나타내고, w 는 가중 계수를 나타내고, we 는 에러 가중 계수를 나타내고, 은 선택된 원격 토양 수분 데이터 중 첫 번째 원격 토양 수분 데이터세트를 나타내고, 는 선택된 원격 토양 수분 데이터 중 두 번째 원격 토양 수분 데이터세트를 나타낸다. 가중 계수는 전술한 수학식 1 을 기반으로 도출될 수 있으며, 에러 가중 계수는 두 번째 데이터의 SNR 에 대한 첫 번째 데이터의 SNR 의 비로 결정될 수 있다.
다시 도 1 을 참조하면, 생성된 합성 토양 수분 데이터세트 및 자료 동화 데이터세트로부터의 정보를 기반으로 측정 지역의 황사 발생 정도 예측 값을 계산할 수 있다 (단계 300). 일 측면에 따르면, 합성 토양 수분 데이터세트 및 자료 동화 데이터세트로부터의 풍속 정보를 기반으로 측정 지역의 황사 발생 정도 예측 값을 계산할 수 있다.
도 4 는 모델링 된 에어로졸 광학 깊이 계산에 대한 상세 설명도이다. 도 4 에 도시된 바와 같이, 측정 지역의 황사 발생 정도 예측 값을 계산하는 단계는 하기의 수학식 6 을 기반으로 에어로졸 광학 깊이를 계산하는 것에 의해 대상 지역의 황사 발생 정도 예측 값을 계산할 수 있다.
여기서, AOD 는 에어로졸 광학 깊이, C1은 풍속에 따라 변하는 모델의 제 1 계수, C2는 풍속에 따라 변하는 모델의 제 2 계수를 나타내고, 는 합성 토양 수분 데이터세트를 나타낸다.
즉, 합성 토양 수분 데이터세트와 자료 동화 데이터로부터 취득할 수 있는 풍속, 강우, 온도 데이터를 결합하여 대상 지역의 황사 발생 정도 예측 값을 에어로졸 광학 깊이로서 결정할 수 있다. 여기서 특정한 풍속에 따른 계수 C1, C2를 미리 결정할 수 있고, 풍속은 GLDAS 와 같은 자료 동화 데이터세트로부터 획득할 수 있다. 한편, 자료 동화 데이터세트로부터의 강우 값이 0 보다 크고, 상기 자료 동화 데이터세트로부터의 지표 온도가 0 ℃ 미만이면 상기 합성 토양 수분 데이터세트를 기반으로 황사 발생 정도를 예측하지 않을 수 있다.
다시 도 1 을 참조하면, 토양 수분 데이터 세트 선택 (단계 100), 합성 토양 수분 데이터세트 생성 (단계 200) 및 측정 지역의 황사 발생 정도 예측 값 계산 (단계 300) 을 통해 복수 측정 지역의 황사 발생 정도 예측 값을 계산하여, 예측 대상 지역의 황사 발생을 예측할 수 있다. 보다 구체적으로, 황사 위험 지역 범위의 각각의 픽셀에 대해서 상기 황사 발생 정도 예측 값을 계산하고, 미리 결정한 임계 값 이상의 황사 발생 정도 예측 값을 가지는 픽셀을 지도상에 표시 (단계 400) 할 수 있으며, 표시된 지도 및 종관 기상도를 기반으로 예측 대상 지역의 황사 발생을 예측 (단계 500) 할 수 있다.
도 5 는 황사 발생의 취약 지역 매핑에 대한 상세 설명도이다. 도 5 에 도시된 바와 같이, 한반도를 기준으로 황사 발생의 주요한 원인이 되는 동아시아 사막 지역 내의 각각의 픽셀들의 AOD 값을 각각 계산할 수 있으며, 황사 발생의 위험이 큰 지역들, 즉 AOD 값이 미리 결정한 임계 값보다 큰 지역들을 붉은 색으로 표시할 수 있다. 이러한 지도를 기반으로, 현재 황사 발생의 주요 원인을 쉽게 판독할 수 있다. 이후, 이처럼 표시된 지도 및 종관 기상도를 기반으로, 예를 들어 한반도와 같은 예측 대상 지역의 황사 발생 여부를 황사가 실제 발생하기 전에 미리 예상할 수 있다. 한편, 추가적으로 황사 발생의 경중을 예측할 수 있기 때문에 극심한 황사 발생일을 사전 예측하여 한반도 국민들에게 황사에 관하여 현 예보보다 더 이른 시간에 사전에 경고 할 수 있는 장점이 있다.
도 6 은 본 발명의 일 실시예에 따른 황사 발생지역 예측 장치의 구성을 나타내는 블록도이다. 도 6 에 도시된 바와 같이, 본 발명의 일 실시예에 따른 황사 발생 예측 장치는 프로세서 (610), 메모리 (620) 및 통신부 (630) 를 포함할 수 있다. 메모리 (620) 는 본 발명의 일 실시예에 따른 황사 발생지역 예측 알고리즘을 포함하는 명령어들을 저장할 수 있으며, 프로세서 (610) 는 상기 명령어들을 실행할 수 있다. 통신부 (630) 는 무선 또는 유선의 통신을 가능하게 하여, 원격 토양 수분 데이터세트, 지점 토양 수분 데이터세트 및 자료 동화 데이터세트 중 하나 이상을 취득하는 데 사용될 수 있다.
여기서, 프로세서 (610) 는, 복수의 원격 토양 수분 데이터세트들 중, 측정 지역의 지점 토양 수분 데이터세트와의 상관성을 기반으로 두 개의 원격 토양 수분 데이터세트를 선택하고, 상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하고, 그리고 상기 합성 토양 수분 데이터세트 및 자료 동화 데이터세트로부터의 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산하도록 구성될 수 있다.
한편, 본 발명의 일 실시예에 따른 황사 발생지역 예측 장치의 구체적인 동작은 전술한 본 발명의 일 실시예에 따른 황사 발생지역 예측 방법의 단계들을 따를 수 있다.
상술한 본 발명에 따른 황사 발생지역 예측 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래시 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터로 판독 가능한 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.
이상, 도면 및 실시예를 참조하여 설명하였지만, 본 발명의 보호범위가 상기 도면 또는 실시예에 의해 한정되는 것을 의미하지는 않으며 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
구체적으로, 설명된 특징들은 디지털 전자 회로, 또는 컴퓨터 하드웨어, 펌웨어, 또는 그들의 조합들 내에서 실행될 수 있다. 특징들은 예컨대, 프로그래밍 가능한 프로세서에 의한 실행을 위해, 기계 판독 가능한 저장 디바이스 내의 저장장치 내에서 구현되는 컴퓨터 프로그램 제품에서 실행될 수 있다. 그리고 특징들은 입력 데이터 상에서 동작하고 출력을 생성함으로써 설명된 실시예들의 함수들을 수행하기 위한 지시어들의 프로그램을 실행하는 프로그래밍 가능한 프로세서에 의해 수행될 수 있다. 설명된 특징들은, 데이터 저장 시스템으로부터 데이터 및 지시어들을 수신하기 위해, 및 데이터 저장 시스템으로 데이터 및 지시어들을 전송하기 위해 결합된 적어도 하나의 프로그래밍 가능한 프로세서, 적어도 하나의 입력 디바이스, 및 적어도 하나의 출력 디바이스를 포함하는 프로그래밍 가능한 시스템 상에서 실행될 수 있는 하나 이상의 컴퓨터 프로그램들 내에서 실행될 수 있다. 컴퓨터 프로그램은 소정 결과에 대해 특정 동작을 수행하기 위해 컴퓨터 내에서 직접 또는 간접적으로 사용될 수 있는 지시어들의 집합을 포함한다. 컴퓨터 프로그램은 컴파일된 또는 해석된 언어들을 포함하는 프로그래밍 언어 중 어느 형태로 쓰여지고, 모듈, 소자, 서브루틴(subroutine), 또는 다른 컴퓨터 환경에서 사용을 위해 적합한 다른 유닛으로서, 또는 독립 조작 가능한 프로그램으로서 포함하는 어느 형태로도 사용될 수 있다.
지시어들의 프로그램의 실행을 위한 적합한 프로세서들은, 예를 들어, 범용 및 특수 용도 마이크로프로세서들 둘 모두, 및 단독 프로세서 또는 다른 종류의 컴퓨터의 다중 프로세서들 중 하나를 포함한다. 또한 설명된 특징들을 구현하는 컴퓨터 프로그램 지시어들 및 데이터를 구현하기 적합한 저장 디바이스들은 예컨대, EPROM, EEPROM, 및 플래쉬 메모리 디바이스들과 같은 반도체 메모리 디바이스들, 내부 하드 디스크들 및 제거 가능한 디스크들과 같은 자기 디바이스들, 광자기 디스크들 및 CD-ROM 및 DVD-ROM 디스크들을 포함하는 비휘발성 메모리의 모든 형태들을 포함한다. 프로세서 및 메모리는 ASIC들(application-specific integrated circuits) 내에서 통합되거나 또는 ASIC들에 의해 추가되어질 수 있다.
이상에서 설명한 본 발명은 일련의 기능 블록들을 기초로 설명되고 있지만, 전술한 실시 예 및 첨부된 도면에 의해 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경 가능하다는 것이 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.
전술한 실시 예들의 조합은 전술한 실시 예에 한정되는 것이 아니며, 구현 및/또는 필요에 따라 전술한 실시예들 뿐 아니라 다양한 형태의 조합이 제공될 수 있다.
전술한 실시 예들에서, 방법들은 일련의 단계 또는 블록으로서 순서도를 기초로 설명되고 있으나, 본 발명은 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당해 기술 분야에서 통상의 지식을 가진 자라면 순서도에 나타난 단계들이 배타적이지 않고, 다른 단계가 포함되거나, 순서도의 하나 또는 그 이상의 단계가 본 발명의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
전술한 실시 예는 다양한 양태의 예시들을 포함한다. 다양한 양태들을 나타내기 위한 모든 가능한 조합을 기술할 수는 없지만, 해당 기술 분야의 통상의 지식을 가진 자는 다른 조합이 가능함을 인식할 수 있을 것이다. 따라서, 본 발명은 이하의 특허청구범위 내에 속하는 모든 다른 교체, 수정 및 변경을 포함한다고 할 것이다.
Claims (19)
- 복수의 원격 토양 수분 데이터세트들 중, 측정 지역의 지점 토양 수분 데이터세트와의 상관성을 기반으로 두 개의 원격 토양 수분 데이터세트를 선택하는 단계;
상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하는 단계; 및
상기 합성 토양 수분 데이터세트 및 자료 동화 데이터세트로부터의 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 단계를 포함하는, 황사 발생지역 예측 방법.
- 제 1 항에 있어서,
상기 복수의 원격 토양 수분 데이터세트들은, 하나 이상의 위성 토양 수분 데이터세트 및 하나 이상의 자료 동화 데이터세트 중 적어도 두 개를 포함하는, 황사 발생지역 예측 방법.
- 제 1 항에 있어서,
상기 두 개의 원격 토양 수분 데이터세트를 선택하는 단계는, 상기 복수의 원격 토양 수분 데이터세트들 중, 상기 지점 토양 수분 데이터세트와의 상관 계수가 가장 높은 제 1 데이터세트 및 상기 지점 토양 수분 데이터세트와의 상관 계수가 두 번째로 높은 제 2 데이터세트를 선택하는, 황사 발생지역 예측 방법.
- 제 1 항에 있어서,
상기 합성 토양 수분 데이터세트를 생성하는 단계는, 최대 상관 계수 합성법을 기반으로 상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하는, 황사 발생지역 예측 방법.
- 제 4 항에 있어서,
상기 합성 토양 수분 데이터세트를 생성하는 단계는, 상기 두 개의 원격 토양 수분 데이터세트의 절대적 오류 값 및 신호 대 잡음 비 (SNR) 를 더 고려하여 상기 합성 토양 수분 데이터세트를 생성하는, 황사 발생지역 예측 방법.
- 제 4 항에 있어서,
상기 합성 토양 수분 데이터세트를 생성하는 단계는,
상기 선택된 두 개의 원격 토양 수분 데이터세트 각각의 좌표 체계를 자료 동화 데이터세트의 좌표 체계인 EASE 그리드 형식의 좌표 체계로 변환하는 단계;
상기 변환된 두 개의 원격 토양 수분 데이터세트 각각의 표준 편차를 기반으로 가중 계수를 결정하는 단계; 및
상기 가중 계수를 기반으로 상기 변환된 두 개의 원격 토양 수분 데이터세트를 합성하는 단계를 포함하는, 황사 발생지역 예측 방법.
- 제 1 항에 있어서,
상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 단계는,
상기 합성 토양 수분 데이터세트 및 상기 자료 동화 데이터세트로부터의 풍속 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산하는, 황사 발생지역 예측 방법.
- 제 7 항에 있어서,
상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 단계는,
상기 자료 동화 데이터세트로부터의 강우 값이 0 보다 크고, 상기 자료 동화 데이터세트로부터의 지표 온도가 0 ℃ 미만이면 상기 합성 토양 수분 데이터세트를 기반으로 황사 발생 정도를 예측하지 않는, 황사 발생지역 예측 방법.
- 제 1 항에 있어서,
황사 위험 지역 범위의 각각의 픽셀에 대해서 상기 황사 발생 정도 예측 값을 계산하고, 미리 결정한 임계 값 이상의 황사 발생 정도 예측 값을 가지는 픽셀을 지도상에 표시하는 단계; 및
상기 표시된 지도 및 종관 기상도를 기반으로 예측 대상 지역의 황사 발생을 예측하는 단계를 더 포함하는, 황사 발생지역 예측 방법.
- 프로세서, 및 메모리를 포함하는 황사 발생지역 예측 장치로서,
상기 프로세서는,
복수의 원격 토양 수분 데이터세트들 중, 측정 지역의 지점 토양 수분 데이터세트와의 상관성을 기반으로 두 개의 원격 토양 수분 데이터세트를 선택하고;
상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하고; 그리고
상기 합성 토양 수분 데이터세트 및 자료 동화 데이터세트로부터의 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산하도록 구성되는, 황사 발생지역 예측 장치.
- 제 10 항에 있어서,
상기 복수의 원격 토양 수분 데이터세트들은, 하나 이상의 위성 토양 수분 데이터세트 및 하나 이상의 자료 동화 데이터세트 중 적어도 두 개를 포함하는, 황사 발생지역 예측 장치.
- 제 10 항에 있어서,
상기 두 개의 원격 토양 수분 데이터세트를 선택하는 것은, 상기 복수의 원격 토양 수분 데이터세트들 중, 상기 지점 토양 수분 데이터세트와의 상관 계수가 가장 높은 제 1 데이터세트 및 상기 지점 토양 수분 데이터세트와의 상관 계수가 두 번째로 높은 제 2 데이터세트를 선택하는, 황사 발생지역 예측 장치.
- 제 10 항에 있어서,
상기 합성 토양 수분 데이터세트를 생성하는 것은, 최대 상관 계수 합성법을 기반으로 상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하는, 황사 발생지역 예측 장치.
- 제 13 항에 있어서,
상기 합성 토양 수분 데이터세트를 생성하는 것은, 상기 두 개의 원격 토양 수분 데이터세트의 절대적 오류 값 및 신호 대 잡음 비 (SNR) 를 더 고려하여 상기 합성 토양 수분 데이터세트를 생성하는, 황사 발생지역 예측 장치.
- 제 13 항에 있어서,
상기 합성 토양 수분 데이터세트를 생성하는 것은,
상기 선택된 두 개의 원격 토양 수분 데이터세트 각각의 좌표 체계를 자료 동화 데이터세트의 좌표 체계인 EASE 그리드 형식의 좌표 체계로 변환하는 것;
상기 변환된 두 개의 원격 토양 수분 데이터세트 각각의 표준 편차를 기반으로 가중 계수를 결정하는 것; 및
상기 가중 계수를 기반으로 상기 변환된 두 개의 원격 토양 수분 데이터세트를 합성하는 것을 포함하는, 황사 발생지역 예측 장치.
- 제 10 항에 있어서,
상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 것은,
상기 합성 토양 수분 데이터세트 및 상기 자료 동화 데이터세트로부터의 풍속 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산하는, 황사 발생지역 예측 장치.
- 제 16 항에 있어서,
상기 측정 지역의 황사 발생 정도 예측 값을 계산하는 것은,
상기 자료 동화 데이터세트로부터의 강우 값이 0 보다 크고, 상기 자료 동화 데이터세트로부터의 지표 온도가 0 ℃ 미만이면 상기 합성 토양 수분 데이터세트를 기반으로 황사 발생 정도를 예측하지 않는, 황사 발생지역 예측 장치.
- 제 10 항에 있어서,
상기 프로세서는,
황사 위험 지역 범위의 각각의 픽셀에 대해서 상기 황사 발생 정도 예측 값을 계산하고, 미리 결정한 임계 값 이상의 황사 발생 정도 예측 값을 가지는 픽셀을 지도상에 표시하고; 그리고
상기 표시된 지도 및 종관 기상도를 기반으로 예측 대상 지역의 황사 발생을 예측하도록 더 구성되는, 황사 발생지역 예측 장치.
- 황사 발생지역을 예측하기 위해, 프로세서 실행 가능한 명령어들을 저장하는 컴퓨터 판독 가능한 저장 매체로서, 상기 명령어들은 프로세서에 의해 실행되었을 때 상기 프로세서로 하여금,
복수의 원격 토양 수분 데이터세트들 중, 측정 지역의 지점 토양 수분 데이터세트와의 상관성을 기반으로 두 개의 원격 토양 수분 데이터세트를 선택하고;
상기 두 개의 원격 토양 수분 데이터세트를 합성하여 합성 토양 수분 데이터세트를 생성하고; 그리고
상기 합성 토양 수분 데이터세트 및 자료 동화 데이터세트로부터의 정보를 기반으로 상기 측정 지역의 황사 발생 정도 예측 값을 계산하게 하도록 구성된, 컴퓨터 판독 가능한 저장 매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170078611A KR101938979B1 (ko) | 2017-06-21 | 2017-06-21 | 황사 발생 지역 예측 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170078611A KR101938979B1 (ko) | 2017-06-21 | 2017-06-21 | 황사 발생 지역 예측 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20180138423A true KR20180138423A (ko) | 2018-12-31 |
KR101938979B1 KR101938979B1 (ko) | 2019-01-15 |
Family
ID=64959458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170078611A KR101938979B1 (ko) | 2017-06-21 | 2017-06-21 | 황사 발생 지역 예측 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101938979B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020101298A1 (ko) | 2018-11-12 | 2020-05-22 | 주식회사 엘지화학 | 색변환 필름, 이를 포함하는 백라이트 유닛 및 디스플레이 장치 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006220445A (ja) * | 2005-02-08 | 2006-08-24 | Toshiba Corp | 砂嵐予測システムとその砂嵐警報発令方法 |
-
2017
- 2017-06-21 KR KR1020170078611A patent/KR101938979B1/ko active IP Right Grant
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020101298A1 (ko) | 2018-11-12 | 2020-05-22 | 주식회사 엘지화학 | 색변환 필름, 이를 포함하는 백라이트 유닛 및 디스플레이 장치 |
Also Published As
Publication number | Publication date |
---|---|
KR101938979B1 (ko) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bolch et al. | Status and change of the cryosphere in the extended Hindu Kush Himalaya region | |
Ly et al. | Different methods for spatial interpolation of rainfall data for operational hydrology and hydrological modeling at watershed scale: a review | |
JP2010060443A (ja) | 気象予測装置、方法及びプログラム | |
Verdin et al. | Kriging and local polynomial methods for blending satellite-derived and gauge precipitation estimates to support hydrologic early warning systems | |
Alfieri et al. | Ensemble hydro-meteorological simulation for flash flood early detection in southern Switzerland | |
JP5433913B2 (ja) | 波浪予測システム | |
Meddens et al. | Developing 5 m resolution canopy height and digital terrain models from WorldView and ArcticDEM data | |
KR101860742B1 (ko) | 낙뢰 위험도 분석 시스템 및 이를 이용한 낙뢰 위험도 분석 방법 | |
JP6159594B2 (ja) | 観測値処理装置、観測値処理方法及び観測値処理プログラム | |
Ezzine et al. | Downscaling of open coarse precipitation data through spatial and statistical analysis, integrating NDVI, NDWI, elevation, and distance from sea | |
Hwang et al. | Comparison of methods to estimate areal means of short duration rainfalls in small catchments, using rain gauge and radar data | |
Daksiya et al. | Effect of climate change and urbanisation on flood protection decision‐making | |
KR101938979B1 (ko) | 황사 발생 지역 예측 장치 및 방법 | |
JP6884318B2 (ja) | 気象予測システム、気象予測方法、気象予測プログラム | |
KR101274200B1 (ko) | 태풍을 포함하는 저기압 접근 시 재해기상의 시공간적 분포 검색 시스템 | |
JP2006220445A (ja) | 砂嵐予測システムとその砂嵐警報発令方法 | |
US10345485B2 (en) | Forensic weather system | |
Over et al. | Adjusting annual maximum peak discharges at selected stations in northeastern Illinois for changes in land-use conditions | |
JP7375915B2 (ja) | 分析装置、分析方法及びプログラム | |
Houghton et al. | Ensemble-based data assimilation of significant wave height from Sofar Spotters and satellite altimeters with a global operational wave model | |
Rizeei et al. | Surface runoff estimation and prediction regarding LULC and climate dynamics using coupled LTM, optimized ARIMA and distributed-GIS-based SCS-CN models at tropical region | |
WO2014020747A1 (ja) | 物理量推定システム及び物理量推定方法 | |
JP2010181175A (ja) | 降雪予測装置及び降雪予測方法 | |
Guevara et al. | Gap-free global annual soil moisture: 15km grids for 1991–2016 | |
Kim et al. | Development of tracking technique for the short term rainfall field forecasting |
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 |