KR20210055975A - Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data - Google Patents

Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data Download PDF

Info

Publication number
KR20210055975A
KR20210055975A KR1020190142425A KR20190142425A KR20210055975A KR 20210055975 A KR20210055975 A KR 20210055975A KR 1020190142425 A KR1020190142425 A KR 1020190142425A KR 20190142425 A KR20190142425 A KR 20190142425A KR 20210055975 A KR20210055975 A KR 20210055975A
Authority
KR
South Korea
Prior art keywords
data
wind
prediction
model
atmospheric model
Prior art date
Application number
KR1020190142425A
Other languages
Korean (ko)
Other versions
KR102365071B9 (en
KR102365071B1 (en
Inventor
유제선
심재설
손동휘
김무종
전기천
Original Assignee
한국해양과학기술원
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 한국해양과학기술원 filed Critical 한국해양과학기술원
Priority to KR1020190142425A priority Critical patent/KR102365071B1/en
Publication of KR20210055975A publication Critical patent/KR20210055975A/en
Application granted granted Critical
Publication of KR102365071B1 publication Critical patent/KR102365071B1/en
Publication of KR102365071B9 publication Critical patent/KR102365071B9/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/18—Testing or calibrating meteorological apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • 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

The present invention relates to an apparatus for improving model prediction accuracy by means of calibration and validation advancement of atmospheric model wind prediction data and a method thereof, which can correct the prediction data of an atmospheric model based on the wind observation data of a satellite and a marine buoy to improve the prediction accuracy of the atmospheric model. To this end, the present invention may comprise: a marine buoy data database construction unit which collects wind observation data of a target sea area to construct a database; a satellite data database construction unit which collects wind speed data observed by a satellite to construct a database; an atmospheric model historical prediction data database construction unit which constructs a wind data database predicted by using the atmospheric model, generates an error correction ratio distribution map, and performs calibration and validation of the atmospheric model historical prediction database; an atmospheric model real-time prediction data generating unit which generates wind prediction data in real time by using the atmospheric model; and a real-time prediction data calibration and validation unit which allows the result of calibration and validation, which is performed across the deep sea area and the coastal area in the wind prediction error correction ratio distribution map generating step, to be reflected in the real-time prediction data of the atmospheric model.

Description

대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법{Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data}Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data}

본 발명은 대기 수치예보모델에 관한 것으로, 구체적으로 인공위성 및 해상부이 바람 관측자료를 기반으로 대기모델의 예측자료를 보정하여 대기모델의 예측 정확도를 향상시킬 수 있도록 한 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법에 관한 것이다.The present invention relates to an atmospheric numerical forecast model, and more specifically, a correction of atmospheric model wind prediction data to improve the prediction accuracy of the atmospheric model by correcting the predicted data of the atmospheric model based on wind observation data of satellites and sea buoys. It relates to an apparatus and method for improving model prediction accuracy through advancement.

대기 수치예보모델은 지구의 기압, 온도, 바람, 강우량 등과 같은 대기변수들을 계산하고 예측하기 위해 사용된다.Atmospheric numerical forecast models are used to calculate and predict atmospheric variables such as air pressure, temperature, wind, and rainfall.

이와 같은 대기모델은 그 성능에 대한 신뢰도 분석 및 향상을 위해 예측 정확도에 대한 평가가 이루어져야 한다.In order to analyze and improve the reliability of the performance of such atmospheric models, the prediction accuracy should be evaluated.

종래 기술에서는 대기모델의 예측 정확도를 평가하기 위해 주로 해상부이의 관측결과와 모델결과간의 비교 검증이 이루어져 왔다.In the prior art, in order to evaluate the prediction accuracy of the atmospheric model, the comparison and verification between the observation results of the marine buoy and the model results have been mainly performed.

하지만, 해상부이를 설치할 수 있는 장소 및 환경의 한계로 관측 지점들은 주로 심해 영역보다는 육지 부근으로 한정되어, 심해 영역에서의 대기모델 검증에 있어 어려움이 존재하였다.However, due to the limitations of the place and environment where the offshore buoy can be installed, the observation points are mainly limited to the land area rather than the deep sea area, and there was a difficulty in verifying the atmospheric model in the deep sea area.

따라서, 대기모델의 예측 정확도를 향상시킬 수 있도록 한 새로운 대기 수치예보모델을 이용한 예측 기술의 개발이 요구되고 있다.Therefore, there is a need to develop a prediction technology using a new atmospheric numerical forecast model that can improve the prediction accuracy of the atmospheric model.

대한민국 공개특허 제10-2014-0024541호Republic of Korea Patent Publication No. 10-2014-0024541 대한민국 등록특허 제10-1821303호Korean Patent Registration No. 10-1821303 대한민국 등록특허 제10-1966639호Korean Patent Registration No. 10-1966639

본 발명은 종래 기술의 대기 수치예보모델을 이용한 예측 기술의 문제점을 해결하기 위한 것으로, 인공위성 및 해상부이 바람 관측자료를 기반으로 대기모델의 예측자료를 보정하여 대기모델의 예측 정확도를 향상시킬 수 있도록 한 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention is to solve the problem of the prediction technology using the atmospheric numerical forecast model of the prior art, so that the prediction accuracy of the atmospheric model can be improved by correcting the prediction data of the atmospheric model based on the observation data of the satellite and the sea buoy wind. The purpose of this is to provide an apparatus and method for improving model prediction accuracy through advanced inspection and correction of wind prediction data for an atmospheric model.

본 발명은 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하여 인공위성 자료 DB의 검증으로 최종적으로 인공위성의 검증된 풍속 DB가 구축되도록 하여 대기모델의 예측 신뢰도를 높일 수 있도록 한 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention compares wind observation results using a sea buoy and wind observation results using a satellite, and finally establishes a verified wind speed DB of the satellite by verifying the satellite data DB, thereby increasing the predictive reliability of the atmospheric model. Its purpose is to provide an apparatus and method for improving model prediction accuracy through advanced calibration of model wind prediction data.

본 발명은 검증된 인공위성 바람자료를 기반으로 오차수정률 분포지도(Correction Map)를 생성하여 대기모델의 과거 예측 DB를 보정하는 것에 의해 대기모델의 예측 정확도를 향상시킬 수 있도록 한 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention generates an error correction rate distribution map based on verified satellite wind data and corrects the past prediction DB of the atmospheric model to improve the prediction accuracy of the atmospheric model. Its purpose is to provide an apparatus and method for improving model prediction accuracy through advanced calibration.

본 발명은 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하고, 이를 통해, 대기모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정됨으로써 대기모델의 예측 정확도가 향상될 수 있도록 한 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention allows the results of calibration performed across the deep sea and coastal areas in the generation of the wind prediction error correction rate distribution map to be reflected in real-time prediction data of the atmospheric model, and through this, the real-time prediction data of the atmospheric model is Its purpose is to provide an apparatus and method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data so that the prediction accuracy of atmospheric model can be improved by calibrating based on satellite and maritime buoy observation data.

본 발명의 다른 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.Other objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned will be clearly understood by those skilled in the art from the following description.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치는 대상해역의 바람 관측 자료를 수집하고 DB를 구축하는 해상부이 자료 DB 구축부;인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 인공위성 자료 DB 구축부;대기모델을 이용하여 예측한 바람 자료 DB를 구축 및 오차수정률 분포지도(Correction Map)를 생성하고, 대기모델 과거 예측 DB 검보정을 하는 대기모델 과거 예측 자료 DB 구축부;대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하는 대기모델의 실시간 예측 자료 생성부;바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하는 실시간 예측 자료 검보정부;를 포함하는 것을 특징으로 한다.In order to achieve the above object, the apparatus for improving the model prediction accuracy by improving the inspection and correction of the wind prediction data of the atmospheric model according to the present invention is a marine buoy data DB construction unit that collects wind observation data of a target sea area and builds a DB. ;A satellite data DB construction unit that collects wind speed data observed through artificial satellites and builds a DB; constructs a wind data DB predicted using an atmospheric model, creates a correction map, and predicts the past atmospheric model Atmospheric model historical prediction data DB construction unit that performs DB verification; Real-time prediction data generation unit of atmospheric model that generates wind prediction data in real time using the atmospheric model; Deep sea at the stage of generating wind prediction error correction rate distribution map (Correction Map) It characterized in that it comprises a; real-time prediction data inspection unit to reflect the results of the inspection performed across the coastal and coastal areas in real-time prediction data of the atmospheric model.

여기서, 인공위성 자료 DB 구축부는, 인공위성 자료 DB의 검증을 위하여 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정을 하고, 비교 과정을 통해 위성자료의 보정식을 산출하여 인공위성의 검증된 풍속 DB가 구축되도록 하는 것을 특징으로 한다.Here, the satellite data DB construction unit compares the wind observation results using the sea buoy and the wind observation results using the satellite to verify the satellite data DB, performs calibration, and calculates a correction equation for the satellite data through the comparison process. It is characterized in that the verified wind speed DB of the satellite is established.

그리고 비교 과정을 통해 산출된 위성자료의 보정식은,And the correction formula of the satellite data calculated through the comparison process,

Figure pat00001
와 같은 형태의 식인 것을 특징으로 한다.
Figure pat00001
It is characterized in that it is an expression of the same form.

그리고 대기모델 과거 예측 자료 DB 구축부는, 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고, 오차수정률 분포지도(Correction Map) 생성 전에 인공위성의 경로를 벗어난 빈 공간에 대해서는 데이터 보간을 수행하는 것을 특징으로 한다.And the atmospheric model past prediction data DB construction unit generates an error correction rate distribution map (Correction Map) to correct the atmospheric model's past prediction DB based on the calibrated satellite data, and before generating the error correction rate distribution map (Correction Map). It is characterized in that data interpolation is performed on an empty space out of the path of the satellite.

그리고 오차수정률 분포지도(Correction Map)에서 높은 수정(Correction) 계수가 요구되는 연안 부근에서의 대기모델의 바람 예측 자료의 불확실성을 고려하여, 연안부에서는 대상해역의 대표 풍향 4방위인 북서, 북동, 남서, 남동 계열에 따라 각각의 구역을 나누어 해당 구역에 대해서만 보정이 진행되도록 하는 것을 특징으로 한다.In addition, considering the uncertainty of the wind prediction data of the atmospheric model near the coast, which requires a high correction coefficient in the correction map, It is characterized in that each zone is divided according to the southwest and southeast series so that only the corresponding zone is corrected.

다른 목적을 달성하기 위한 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법은 대상해역의 바람 관측 자료를 수집하고 DB를 구축하는 단계;인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 단계;해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정을 하는 단계;대기모델을 이용하여 예측한 바람 자료 DB를 구축하고 오차수정률 분포지도(Correction Map) 생성 및 보정을 하는 단계;대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하고, 바람 예측 오차수정률 분포지도(Correction Map) 생성단계에서 심해부와 연안부에 걸쳐 수행된 검·보정 결과가 대기모델의 실시간 예측 자료에 반영하는 단계;를 포함하는 것을 특징으로 한다.A method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention for achieving another object includes the steps of collecting wind observation data of a target sea and constructing a DB; wind speed observed through an artificial satellite. Collecting data and constructing a DB; Comparing and correcting wind observation results using a sea buoy and wind observation results using satellites; Constructing a predicted wind data DB using an atmospheric model and distribution of error correction rates Creating and correcting a correction map; generating wind prediction data in real time using an atmospheric model, and checking performed across the deep sea and coastal areas in the generation of the wind prediction error correction rate distribution map (Correction Map) And reflecting the correction result to real-time prediction data of the atmospheric model.

여기서, 인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 단계에서, 인공위성 자료 DB의 검증하기 위하여 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정을 하고, 비교 과정을 통해 위성자료의 보정식을 산출하여 인공위성의 검증된 풍속 DB가 구축되도록 하는 것을 특징으로 한다.Here, in the step of collecting wind speed data observed through satellites and constructing the DB, in order to verify the satellite data DB, wind observation results using a sea buoy and wind observation results using satellites are compared with each other, and calibration is performed. It is characterized in that by calculating the correction formula of the satellite data through the process, the verified wind speed DB of the satellite is constructed.

그리고 대기모델을 이용하여 예측한 바람 자료 DB를 구축하고 오차수정률 분포지도(Correction Map) 생성 및 보정을 하는 단계에서, 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고, 오차수정률 분포지도(Correction Map) 생성 전에 인공위성의 경로를 벗어난 빈 공간에 대해서는 데이터 보간을 수행하는 것을 특징으로 한다.And in the step of constructing the wind data DB predicted using the atmospheric model and generating and correcting the error correction rate distribution map, the error correction rate to correct the past prediction DB of the atmospheric model based on the calibrated satellite data. A correlation map is generated, and data interpolation is performed on an empty space out of the path of the satellite before the error correction rate distribution map is generated.

그리고 오차수정률 분포지도(Correction Map)에서 높은 수정(Correction) 계수가 요구되는 연안 부근에서의 대기모델의 바람 예측 자료의 불확실성을 고려하여, 연안부에서는 대상해역의 대표 풍향 4방위인 북서, 북동, 남서, 남동 계열에 따라 각각의 구역을 나누어 해당 구역에 대해서만 보정이 진행되도록 하는 것을 특징으로 한다.In addition, considering the uncertainty of the wind prediction data of the atmospheric model near the coast, which requires a high correction coefficient in the correction map, It is characterized in that each zone is divided according to the southwest and southeast series so that only the corresponding zone is corrected.

이상에서 설명한 바와 같은 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법은 다음과 같은 효과가 있다.As described above, the apparatus and method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention have the following effects.

첫째, 인공위성 및 해상부이 바람 관측자료를 기반으로 대기모델의 예측자료를 보정하여 대기모델의 예측 정확도를 향상시킬 수 있도록 한다.First, it is possible to improve the prediction accuracy of the atmospheric model by correcting the prediction data of the atmospheric model based on the observation data of the satellite and the sea buoy wind.

둘째, 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하여 인공위성 자료 DB의 검증으로 최종적으로 인공위성의 검증된 풍속 DB가 구축되도록 하여 대기모델의 예측 신뢰도를 높일 수 있도록 한다.Second, by comparing the wind observation results using the sea buoy and the wind observation results using the satellite, the verified wind speed DB of the satellite is finally constructed by verifying the satellite data DB, thereby increasing the predictive reliability of the atmospheric model.

셋째, 검증된 인공위성 바람자료를 기반으로 오차수정률 분포지도(Correction Map)를 생성하여 대기모델의 과거 예측 DB를 보정하는 것에 의해 대기모델의 예측 정확도를 향상시킬 수 있도록 한다.Third, it is possible to improve the prediction accuracy of the atmospheric model by correcting the past prediction DB of the atmospheric model by generating an error correction rate distribution map based on the verified satellite wind data.

넷째, 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하고, 이를 통해, 대기모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정됨으로써 대기모델의 예측 신뢰도 및 정확도가 향상될 수 있도록 한다.Fourth, in the wind prediction error correction rate distribution map generation stage, the results of calibration performed across the deep sea and coastal areas are reflected in the real-time prediction data of the atmospheric model, and through this, the real-time prediction data of the atmospheric model is converted into satellites. The prediction reliability and accuracy of the atmospheric model can be improved by correcting the overhaul based on the observed data.

도 1은 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치의 전체 구성도
도 2는 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치의 구성 블록도
도 3은 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법을 나타낸 플로우 차트
도 4는 우리나라 기상청의 해상 기상부이 분포도
도 5는 인공위성(JASON-2) 이동경로 구성도
도 6은 해상부이(NDBC) 바람 관측자료와 인공위성(ENVISAT) 바람 측정자료의 비교도
도 7은 대기모델(RDAPS) 풍속 자료의 예를 나타낸 구성도
도 8은 인공위성(JASON-2) 풍속 자료에 대한 공간 보간의 예를 나타낸 구성도
도 9는 오차수정률 분포지도(Correction Map)의 예를 나타낸 구성도
도 10은 심해부와 연안부 개략도
도 11은 연안부에서 대기모델 과거 예측 DB 검·보정을 위한 구역 설정의 예를 나타낸 구성도
도 12는 대상영역의 대표 풍향(4방위)을 나타낸 구성도1 is an overall configuration diagram of an apparatus for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention
2 is a block diagram of an apparatus for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention;
3 is a flow chart showing a method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention
Figure 4 is a distribution map of the marine meteorological buoy of the Korea Meteorological Administration
5 is a configuration diagram of a movement path of an artificial satellite (JASON-2)
6 is a comparison diagram of wind observation data of a marine buoy (NDBC) and wind measurement data of an artificial satellite (ENVISAT).
7 is a configuration diagram showing an example of air velocity data of an atmospheric model (RDAPS)
8 is a block diagram showing an example of spatial interpolation for wind speed data of an artificial satellite (JASON-2)
9 is a configuration diagram showing an example of an error correction rate distribution map (Correction Map)
10 is a schematic view of the deep sea and coastal parts
11 is a block diagram showing an example of zone setting for inspection and correction of an atmospheric model past prediction DB in the coastal part
12 is a configuration diagram showing a representative wind direction (four orientations) of a target area

이하, 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.Hereinafter, a detailed description will be given of a preferred embodiment of an apparatus and method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention.

본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.Features and advantages of the apparatus and method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention will become apparent through detailed descriptions of each embodiment below.

도 1은 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치의 전체 구성도이다.1 is an overall configuration diagram of an apparatus for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention.

본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법은 인공위성 및 해상부이 바람 관측자료를 기반으로 대기모델의 예측자료를 보정하여 대기모델의 예측 정확도를 향상시킬 수 있도록 한 것이다.The apparatus and method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention improves prediction accuracy of atmospheric models by correcting prediction data of atmospheric models based on satellite and sea buoy wind observation data. I made it possible to do it.

이를 위하여 본 발명은 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하여 인공위성 자료 DB의 검증으로 최종적으로 인공위성의 검증된 풍속 DB가 구축되도록 하는 구성을 포함할 수 있다.To this end, the present invention may include a configuration in which a wind observation result using a sea buoy and a wind observation result using an artificial satellite are compared with each other, and the verified wind speed DB of the satellite is finally constructed by verifying the satellite data DB.

본 발명은 검증된 인공위성 바람자료를 기반으로 오차수정률 분포지도(Correction Map)를 생성하여 대기모델의 과거 예측 DB를 보정하는 구성을 포함할 수 있다.The present invention may include a configuration for correcting the past prediction DB of the atmospheric model by generating an error correction rate distribution map (Correction Map) based on the verified satellite wind data.

본 발명은 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하고, 이를 통해, 대기모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정되도록 하는 구성을 포함할 수 있다.The present invention allows the results of calibration performed across the deep sea and coastal areas in the generation of the wind prediction error correction rate distribution map to be reflected in real-time prediction data of the atmospheric model, and through this, the real-time prediction data of the atmospheric model is It may include a configuration that allows the satellite and the maritime buoy to be calibrated based on observational data.

본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치를 구체적으로 설명하면 다음과 같다.A detailed description of an apparatus for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention will be described in detail as follows.

도 2는 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치의 구성 블록도이다.2 is a block diagram of an apparatus for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention.

본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치는 도 2에서와 같이, 대상해역의 바람 관측 자료를 수집하고 DB를 구축하는 해상부이 자료 DB 구축부(10)와, 인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 인공위성 자료 DB 구축부(20)와, 대기모델을 이용하여 예측한 바람 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하고, 대기모델 과거 예측 DB 검보정을 하는 대기모델 과거 예측 자료 DB 구축부(30)와, 대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하는 대기모델의 실시간 예측 자료 생성부(40)와, 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하는 실시간 예측 자료 검보정부(50)를 포함한다.The apparatus for improving the model prediction accuracy by improving the inspection correction of the atmospheric model wind prediction data according to the present invention is a marine buoy data DB construction unit (10) that collects wind observation data of a target sea area and builds a DB, as shown in FIG. ), and a satellite data DB construction unit (20) that collects wind speed data observed through satellites and builds a DB, and a wind data DB predicted by using an atmospheric model and generates a correction map. And, the atmospheric model past prediction data DB construction unit 30 for checking and correcting the atmospheric model past prediction DB, and the real-time prediction data generation unit 40 of the atmospheric model that generates wind prediction data in real time using the atmospheric model, It includes a real-time prediction data inspection unit 50 to reflect the results of calibration performed over the deep sea and coastal areas in the real-time prediction data of the atmospheric model in the generation of the wind prediction error correction rate distribution map (Correction Map).

본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치는 상공에서 자유롭게 이동할 수 있는 인공위성을 이용함으로써 심해 영역에서도 풍속 및 파고를 측정하여 대기모델의 정확도 향상에 기여할 수 있다.The apparatus for improving model prediction accuracy through advanced inspection of atmospheric model wind prediction data according to the present invention can contribute to improving the accuracy of atmospheric models by measuring wind speed and wave height even in deep sea areas by using an artificial satellite that can freely move in the sky. have.

풍속 및 파고를 측정하는 인공위성은 1986년 이후로 여러 종류가 존재한다.There are several types of satellites measuring wind speed and wave height since 1986.

ERA-1, ERA-2, TOPEX, ENVISAT, GEOSAT, JASON-1, JASON-2 그리고 JASON-3 등이 있다There are ERA-1, ERA-2, TOPEX, ENVISAT, GEOSAT, JASON-1, JASON-2 and JASON-3.

본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법을 구체적으로 설명하면 다음과 같다.A detailed description of a method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention will be described in detail.

도 3은 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법을 나타낸 플로우 차트이다.3 is a flow chart showing a method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data according to the present invention.

본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법은 대상해역의 바람 관측 자료를 수집하고 DB를 구축하는 단계(S301)와, 인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 단계(S302)와, 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정을 하는 단계(S303)와, 대기모델을 이용하여 예측한 바람 자료 DB를 구축하고 오차수정률 분포지도(Correction Map) 생성 및 보정을 하는 단계(S304)와, 대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하고, 바람 예측 오차수정률 분포지도(Correction Map) 생성단계에서 심해부와 연안부에 걸쳐 수행된 검·보정 결과가 대기모델의 실시간 예측 자료에 반영하는 단계(S305)를 포함한다.The method for improving the model prediction accuracy through the advanced inspection of the atmospheric model wind prediction data according to the present invention includes the step of collecting wind observation data of a target sea area and constructing a DB (S301), and the wind speed data observed through an artificial satellite. Collecting and constructing a DB (S302), comparing and calibrating wind observation results using a sea buoy and wind observation results using satellites (S303), and a wind data DB predicted using an atmospheric model And generating and correcting an error correction rate distribution map (S304), generating wind prediction data in real time using an atmospheric model, and creating a wind prediction error correction rate distribution map (Correction Map) And a step (S305) of reflecting the results of the inspection and correction performed over the coastal and coastal regions to the real-time prediction data of the atmospheric model.

본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법의 각 단계를 구체적으로 설명하면 다음과 같다.Each step of the method for improving model prediction accuracy through advanced inspection of air model wind prediction data according to the present invention will be described in detail as follows.

대상해역의 바람 관측 자료를 수집하고 DB를 구축하는 단계(S301)를 설명하면 다음과 같다.The step (S301) of collecting wind observation data of a target sea area and constructing a DB will be described as follows.

도 4는 우리나라 기상청의 해상 기상부이 분포도이다.4 is a distribution map of the marine meteorological buoy of the Korea Meteorological Administration.

해상부이 자료 DB 구축은 과거 관측 데이터베이스를 활용하여 이루어진다.Maritime buoy data DB is constructed using historical observation databases.

우리나라 기상청 및 해양조사원에서는 한반도 인근의 풍속, 풍향 및 파고 관측 자료를 제공하고 있다. 도 4는 우리나라 인근 해상의 바람 및 파고 관측 자료를 확보할 수 있는 기상청의 해양 기상부이 분포도이다.Korea's Meteorological Administration and Ocean Research Service provide data on wind speed, wind direction, and wave height in the vicinity of the Korean Peninsula. 4 is a distribution map of a marine meteorological buoy of the Korea Meteorological Administration that can secure wind and wave height observation data on the sea near Korea.

우리나라뿐만 아니라 일본 등의 인접 국가에서도 풍속, 풍향 및 파고에 대한 관측 자료를 날짜, 시간, 위치에 대한 정보와 함께 제공하고 있다.Not only Korea, but also neighboring countries such as Japan provide observational data on wind speed, wind direction, and wave height along with information on date, time, and location.

이 단계에서는 대상해역의 바람 관측 자료를 수집하고 DB를 구축한다.In this step, wind observation data of the target sea area are collected and a DB is established.

그리고 인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 단계(S302)를 설명하면 다음과 같다.In addition, the step (S302) of collecting wind speed data observed through satellites and constructing a DB will be described as follows.

도 5는 인공위성(JASON-2) 이동경로 구성도이다.5 is a block diagram of a movement path of an artificial satellite (JASON-2).

인공위성 자료 DB 구축은 과거 풍속 데이터베이스를 활용하여 이루어진다.The satellite data DB is constructed using the past wind speed database.

도 5는 여러 인공위성 중 JASON-2의 이동경로를 예로 나타내었다.5 shows a movement path of JASON-2 among several satellites as an example.

인공위성에는 scatterometer와 같은 관측장비가 탑재되어 있어 인공위성 이동 경로에 대해 풍속을 측정할 수 있다. 이 단계에서는 인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축한다.The satellite is equipped with observation equipment such as a scatterometer, so it can measure the wind speed of the satellite's movement path. In this step, wind speed data observed through satellites is collected and a DB is established.

그리고 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정을 하는 단계(S303)를 설명하면 다음과 같다.In addition, the step (S303) of comparing the wind observation result using a sea buoy and the wind observation result using an artificial satellite and performing a gum correction will be described as follows.

도 6은 해상부이(NDBC) 바람 관측자료와 인공위성(ENVISAT) 바람 측정자료의 비교도이다.6 is a comparison diagram of wind observation data of a sea buoy (NDBC) and wind measurement data of an artificial satellite (ENVISAT).

인공위성 자료 DB의 검증하는 것으로, 이 단계에서는 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정이 이루어진다.This is to verify the satellite data DB. In this step, wind observation results using a sea buoy and wind observation results using an artificial satellite are compared with each other, and calibration is performed.

도 6은 인공위성 자료를 보정하기 위해 해상부이 자료와 인공위성 자료를 비교한 예를 나타낸 것으로, 이와 같은 비교 과정을 통해 위성자료의 보정식이 산출된다.6 shows an example of comparing maritime buoy data and satellite data in order to calibrate satellite data, and through such a comparison process, a correction equation for satellite data is calculated.

Figure pat00002
Figure pat00002

최종적으로 인공위성의 검증된 풍속 DB가 구축된다. Finally, the verified wind speed DB of the satellite is built.

그리고 대기모델을 이용하여 예측한 바람 자료 DB를 구축하고 오차수정률 분포지도(Correction Map) 생성 및 보정을 하는 단계(S304)를 설명하면 다음과 같다.And the step (S304) of constructing the predicted wind data DB using the atmospheric model and generating and correcting the error correction rate distribution map (S304) will be described as follows.

도 7은 대기모델(RDAPS) 풍속 자료의 예를 나타낸 구성도이다.7 is a block diagram showing an example of wind speed data of an atmospheric model (RDAPS).

대기모델 과거 예측 자료 DB 구축을 하는 것으로, 이 단계에서는 대기모델의 과거 풍속 및 풍향 예측 자료를 수집하고 DB를 구축한다. Atmospheric model past prediction data DB is constructed. In this step, past wind speed and wind direction prediction data of atmospheric model are collected and DB is established.

이와 같은 바람 예측을 수행하고 있는 대기모델의 종류는 여러 가지가 존재한다. 우리나라 기상청의 예보모델(RDAPS, LDAPS 및 GDAPS 등), 유럽중기예보센터(ECMWF)의 예측모델 그리고 National Centers for Environmental Prediction(NCEP)의 Global Forecast System(GFS) 모델 등이 있다.There are many types of atmospheric models that perform such wind prediction. There are forecast models of Korea Meteorological Administration (RDAPS, LDAPS, GDAPS, etc.), forecast models of ECMWF, and Global Forecast System (GFS) models of National Centers for Environmental Prediction (NCEP).

도 7은 우리나라 기상청의 지역예보모델인 RDAPS 풍속 자료의 예를 나타낸다.7 shows an example of RDAPS wind speed data, which is a regional forecast model of the Korea Meteorological Administration.

오차수정률 분포지도(Correction Map) 생성 및 보정을 하는 단계를 설명하면 다음과 같다.The steps of generating and correcting the error correction rate distribution map will be described as follows.

도 8은 인공위성(JASON-2) 풍속 자료에 대한 공간 보간의 예를 나타낸 구성도이다.8 is a block diagram showing an example of spatial interpolation for wind speed data of an artificial satellite (JASON-2).

오차수정률 분포지도(Correction Map) 생성 단계에서는 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성한다. In the generation of the error correction rate distribution map (Correction Map), an error correction rate distribution map (Correction Map) to correct the past prediction DB of the atmospheric model is generated based on the calibrated satellite data.

먼저, 오차수정률 분포지도(Correction Map) 생성 전에 인공위성의 경로를 벗어난 빈 공간에 대해서는 데이터 보간법을 수행한다.First, data interpolation is performed on empty spaces out of the path of the satellite before generating the error correction rate distribution map (Correction Map).

도 8은 인공위성 바람자료의 공간 보간을 수행한 예를 나타낸 것이다.8 shows an example of performing spatial interpolation of satellite wind data.

검증된 인공위성 바람자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)을 생성할 수 있다.An error correction rate distribution map (Correction Map) can be generated to correct the past prediction DB of the atmospheric model based on the verified satellite wind data.

도 9는 오차수정률 분포지도(Correction Map)의 예를 나타낸 구성도이다.9 is a configuration diagram showing an example of an error correction rate distribution map.

도 9의 오차수정률 분포지도(Correction Map)를 살펴보면, 연안 부근에서 높은 오차를 보이고 있고, 그에 따라 높은 수정(Correction) 계수가 요구되고 있음을 나타낸다.A look at the error correction rate distribution map of FIG. 9 shows that a high error is shown near the coast, and a high correction coefficient is required accordingly.

도 10은 심해부와 연안부 개략도이다.10 is a schematic diagram of a deep sea portion and a coastal portion.

보정은 심해부와 연안부 두 부분으로 나뉘어 진행된다.The correction is divided into two parts: the deep sea and the coastal part.

이는 연안 부근에서 심해 영역보다 대기모델의 바람 예측 자료의 불확실성이 다소 크게 존재하기 때문이다.This is because the uncertainty in wind prediction data of atmospheric models exists somewhat larger than in the deep sea area near the coast.

따라서, 연안부에서는 연구대상해역의 대표 풍향 4방위(북서, 북동, 남서, 남동 계열)에 따라 각각의 구역을 나누어 해당 구역에 대해서만 보정이 진행된다. Therefore, in the coastal part, each zone is divided according to the four representative wind directions (northwest, northeast, southwest, and southeast series) of the sea area to be studied, and correction is performed only for the corresponding area.

도 11은 연안부에서 대기모델 과거 예측 DB 검보정을 위한 구역 설정의 예를 나타낸 구성도이다.11 is a block diagram showing an example of setting an area for inspection of an atmospheric model past prediction DB in the coastal part.

도 11은 우리나라 동해를 연구대상해역으로 설정하고 4방위 구역을 나눈 예이다. 11 is an example of setting the East Sea of Korea as a study target sea area and dividing the four defense zones.

그리고 도 12는 대상영역의 대표 풍향(4방위)을 나타낸 것으로, 좌측부터 차례대로 북서 계열, 북동 계열, 남서 계열, 남동계열 풍향이다.And Figure 12 shows the representative wind direction (four orientations) of the target area, in order from the left, the wind direction of the northwest series, the northeast series, the southwest series, and the southeast series.

예를 들어, 우리나라 동해안의 대표 풍향이 북서계열인 경우 도 11의 ①구역의 연안 영역에서, 검증된 인공위성 풍속 DB를 기반으로 대기모델의 과거 예측 DB를 보정한다.For example, when the representative wind direction of the east coast of Korea is the northwest series, the past prediction DB of the atmospheric model is corrected based on the verified satellite wind speed DB in the coastal area of area ① of FIG. 11.

우리나라 동해안의 대표 풍향이 북동 계열인 경우 도 11의 ②구역의 연안 영역에서, 검증된 인공위성 풍속 DB를 기반으로 대기모델의 과거 예측 DB를 보정한다.When the representative wind direction of the east coast of Korea is the northeast series, the past prediction DB of the atmospheric model is corrected based on the verified satellite wind speed DB in the coastal area of zone ② of FIG. 11.

같은 방법으로 대표 풍향이 남서 및 남동 계열인 경우, 도11의 ③ 및 ④ 구역에서 각각 검증된 인공위성 풍속 DB를 기반으로 대기모델의 과거 예측 DB를 보정한다. In the same way, when the representative wind direction is the southwest and southeast series, the past prediction DB of the atmospheric model is corrected based on the satellite wind speed DB verified in areas ③ and ④ of Fig. 11, respectively.

대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하는 단계에서, 우리나라 기상청에서는 여러 종류의 대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하고 있다.In the step of generating wind prediction data in real time using an atmospheric model, the Korean Meteorological Agency is generating wind prediction data in real time using various types of atmospheric models.

예를 들어, 기상청의 예보모델 중 전지구모델(GDAPS)는 전 지구 영역에 대해서 향후 12일 기간에 대한 예측 자료를 생성하고 이를 필요로하는 연구자에게 제공되고 있다.For example, among the forecast models of the Meteorological Administration, the Global Model (GDAPS) generates forecast data for the next 12 days in the global region and is provided to researchers who need it.

그리고 검보정 결과가 대기모델의 실시간 예측 자료에 반영하는 단계에서는 이전 단계 중 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영된다. In the step in which the calibration results are reflected in the real-time prediction data of the atmospheric model, the calibration results performed across the deep sea and coastal areas in the wind prediction error correction rate distribution map generation step in the previous step are used to predict the real-time atmospheric model. It is reflected in the data.

이를 통해, 대기모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정됨으로써 대기모델의 예측 정확도가 향상될 수 있다.Through this, the prediction accuracy of the atmospheric model can be improved by correcting the real-time prediction data of the atmospheric model based on the observation data of the satellite and the maritime buoy.

이상에서 설명한 본 발명에 따른 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치 및 방법은 인공위성 및 해상부이 바람 관측자료를 기반으로 대기모델의 예측자료를 보정하여 대기모델의 예측 정확도를 향상시킬 수 있도록 한 것이다.The apparatus and method for improving the model prediction accuracy through the advanced calibration of the atmospheric model wind prediction data according to the present invention described above is to predict the atmospheric model by correcting the prediction data of the atmospheric model based on the satellite and sea buoy wind observation data. This was done to improve accuracy.

이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.As described above, it will be understood that the present invention is implemented in a modified form without departing from the essential characteristics of the present invention.

그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.Therefore, the specified embodiments should be considered from a descriptive point of view rather than a limiting point of view, and the scope of the present invention is shown in the claims rather than the above description, and all differences within the scope equivalent thereto are included in the present invention. It will have to be interpreted.

10. 해상부이 자료 DB 구축부
20. 인공위성 자료 DB 구축부
30. 대기모델 과거 예측 자료 DB 구축부
40. 대기모델의 실시간 예측 자료 생성부
50. 실시간 예측 자료 검보정부10. Maritime buoy data DB construction department
20. Satellite data DB construction unit
30. Atmospheric model past prediction data DB construction department
40. Real-time prediction data generation unit of atmospheric model
50. Real-time prediction data government

Claims (9)

대상해역의 바람 관측 자료를 수집하고 DB를 구축하는 해상부이 자료 DB 구축부;
인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 인공위성 자료 DB 구축부;
대기모델을 이용하여 예측한 바람 자료 DB를 구축 및 오차수정률 분포지도(Correction Map)를 생성하고, 대기모델 과거 예측 DB 검보정을 하는 대기모델 과거 예측 자료 DB 구축부;
대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하는 대기모델의 실시간 예측 자료 생성부;
바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하는 실시간 예측 자료 검보정부;를 포함하는 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치.Maritime buoy data DB construction unit that collects wind observation data in the target sea area and builds a DB;
Satellite data DB construction unit that collects wind speed data observed through satellites and builds a DB;
Atmospheric model past prediction data DB construction unit that constructs wind data DB predicted using atmospheric model, generates error correction rate distribution map, and performs atmospheric model past prediction DB verification;
Real-time prediction data generation unit of the atmospheric model for generating wind prediction data in real time using the atmospheric model;
Atmosphere, comprising: a real-time prediction data inspection unit configured to reflect the results of calibration performed across the deep sea and coastal areas in the real-time prediction data of the atmospheric model in the generation of a wind prediction error correction rate distribution map A device for improving model prediction accuracy through advanced calibration of model wind prediction data. 제 1 항에 있어서, 인공위성 자료 DB 구축부는,
인공위성 자료 DB의 검증을 위하여 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정을 하고,
비교 과정을 통해 위성자료의 보정식을 산출하여 인공위성의 검증된 풍속 DB가 구축되도록 하는 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치.The method of claim 1, wherein the satellite data DB construction unit,
To verify the satellite data DB, the wind observation results using a maritime buoy and the wind observation results using an artificial satellite are compared with each other, and calibration is performed.
A device for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data, characterized in that a satellite data correction equation is calculated through a comparison process to establish a verified wind speed DB of the satellite. 제 2 항에 있어서, 비교 과정을 통해 산출된 위성자료의 보정식은,
Figure pat00003
와 같은 형태의 식인 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치.The method of claim 2, wherein the correction equation of the satellite data calculated through the comparison process is
Figure pat00003
A device for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data, characterized in that it is an equation of the same type as. 제 1 항에 있어서, 대기모델 과거 예측 자료 DB 구축부는,
검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고,
오차수정률 분포지도(Correction Map) 생성 전에 인공위성의 경로를 벗어난 빈 공간에 대해서는 데이터 보간을 수행하는 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치.The method of claim 1, wherein the atmospheric model past prediction data DB construction unit,
Based on the calibrated satellite data, an error correction rate distribution map (Correction Map) is generated to correct the past prediction DB of the atmospheric model,
A device for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data, characterized in that data interpolation is performed on empty spaces out of the path of the satellite before generating the error correction rate distribution map (Correction Map). 제 1 항 또는 제 4 항에 있어서, 오차수정률 분포지도(Correction Map)에서 높은 수정(Correction) 계수가 요구되는 연안 부근에서의 대기모델의 바람 예측 자료의 불확실성을 고려하여,
연안부에서는 대상해역의 대표 풍향 4방위인 북서, 북동, 남서, 남동 계열에 따라 각각의 구역을 나누어 해당 구역에 대해서만 보정이 진행되도록 하는 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 장치.The method according to claim 1 or 4, taking into account the uncertainty of wind prediction data of the atmospheric model near the coast that requires a high correction coefficient in the correction map,
In the coastal area, each zone is divided according to the four typical wind directions of the target sea area, such as northwest, northeast, southwest, and southeast. A device for improving model prediction accuracy. 대상해역의 바람 관측 자료를 수집하고 DB를 구축하는 단계;
인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 단계;
해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정을 하는 단계;
대기모델을 이용하여 예측한 바람 자료 DB를 구축하고 오차수정률 분포지도(Correction Map) 생성 및 보정을 하는 단계;
대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하고, 바람 예측 오차수정률 분포지도(Correction Map) 생성단계에서 심해부와 연안부에 걸쳐 수행된 검·보정 결과가 대기모델의 실시간 예측 자료에 반영하는 단계;를 포함하는 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법.Collecting wind observation data of the target sea area and constructing a DB;
Collecting wind speed data observed through satellites and constructing a DB;
Comparing the wind observation results using a sea buoy and wind observation results using an artificial satellite, and performing calibration;
Constructing a wind data DB predicted using an atmospheric model, and generating and correcting an error correction rate distribution map;
The wind prediction data is generated in real time using the atmospheric model, and the inspection and correction results performed across the deep sea and coastal areas in the wind prediction error correction rate distribution map generation stage are reflected in the real-time prediction data of the atmospheric model. Step; Method for improving the model prediction accuracy through the advanced inspection of air model wind prediction data, characterized in that it comprises a. 제 6 항에 있어서, 인공위성을 통해 관측한 풍속 자료를 수집하고 DB를 구축하는 단계에서,
인공위성 자료 DB의 검증하기 위하여 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과를 서로 비교하고 검보정을 하고,
비교 과정을 통해 위성자료의 보정식을 산출하여 인공위성의 검증된 풍속 DB가 구축되도록 하는 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법.The method of claim 6, wherein in the step of collecting wind speed data observed through satellites and constructing a DB,
In order to verify the satellite data DB, the wind observation results using a maritime buoy and the wind observation results using the satellite are compared with each other, and calibration is performed.
A method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data, characterized in that the satellite data correction equation is calculated to establish a verified wind speed DB of the satellite data through a comparison process. 제 6 항에 있어서, 대기모델을 이용하여 예측한 바람 자료 DB를 구축하고 오차수정률 분포지도(Correction Map) 생성 및 보정을 하는 단계에서,
검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고,
오차수정률 분포지도(Correction Map) 생성 전에 인공위성의 경로를 벗어난 빈 공간에 대해서는 데이터 보간을 수행하는 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법.The method of claim 6, wherein in the step of constructing a wind data DB predicted using an atmospheric model and generating and correcting an error correction rate distribution map (Correction Map),
Based on the calibrated satellite data, an error correction rate distribution map (Correction Map) is generated to correct the past prediction DB of the atmospheric model,
A method for improving model prediction accuracy through advanced calibration of atmospheric model wind prediction data, characterized in that data interpolation is performed on empty spaces out of the path of the satellite before generating the error correction rate distribution map (Correction Map). 제 6 항에 있어서, 오차수정률 분포지도(Correction Map)에서 높은 수정(Correction) 계수가 요구되는 연안 부근에서의 대기모델의 바람 예측 자료의 불확실성을 고려하여,
연안부에서는 대상해역의 대표 풍향 4방위인 북서, 북동, 남서, 남동 계열에 따라 각각의 구역을 나누어 해당 구역에 대해서만 보정이 진행되도록 하는 것을 특징으로 하는 대기모델 바람예측 자료의 검보정 고도화를 통한 모델 예측정확도 개선을 위한 방법.The method of claim 6, taking into account the uncertainty of the wind prediction data of the atmospheric model near the coast where a high correction coefficient is required in the correction map,
In the coastal area, each zone is divided according to the four typical wind directions of the target sea area, such as northwest, northeast, southwest, and southeast. A method for improving model prediction accuracy.
KR1020190142425A 2019-11-08 2019-11-08 Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data KR102365071B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190142425A KR102365071B1 (en) 2019-11-08 2019-11-08 Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190142425A KR102365071B1 (en) 2019-11-08 2019-11-08 Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data

Publications (3)

Publication Number Publication Date
KR20210055975A true KR20210055975A (en) 2021-05-18
KR102365071B1 KR102365071B1 (en) 2022-02-18
KR102365071B9 KR102365071B9 (en) 2023-04-12

Family

ID=76158723

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190142425A KR102365071B1 (en) 2019-11-08 2019-11-08 Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data

Country Status (1)

Country Link
KR (1) KR102365071B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230001873A (en) 2021-06-29 2023-01-05 한국해양과학기술원 System and Method for improving accuracy of satellite based sea wind speed performance using artificial intelligence

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004085394A (en) * 2002-08-27 2004-03-18 Nec Corp System for modifying marine forecast data
KR20140024541A (en) 2012-08-20 2014-03-03 주식회사 나인에코 System for providing atmospheric modeling system service
KR20170080416A (en) * 2015-12-30 2017-07-10 경남대학교 산학협력단 Sea surface wind measurement system and method using marine rader
KR101821303B1 (en) 2016-09-08 2018-01-23 한국해양과학기술원 System and Method for estimating object motion using the particle tracking model of differential wind coefficient mode
KR20180090176A (en) * 2017-02-02 2018-08-10 한국전자통신연구원 Apparatus and method for extracting of marine information including error correction
KR101966639B1 (en) 2018-04-19 2019-07-26 대한민국 Apparatus for forecasting of hydrometeor classification using numerical weather prediction model and method thereof

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004085394A (en) * 2002-08-27 2004-03-18 Nec Corp System for modifying marine forecast data
KR20140024541A (en) 2012-08-20 2014-03-03 주식회사 나인에코 System for providing atmospheric modeling system service
KR20170080416A (en) * 2015-12-30 2017-07-10 경남대학교 산학협력단 Sea surface wind measurement system and method using marine rader
KR101821303B1 (en) 2016-09-08 2018-01-23 한국해양과학기술원 System and Method for estimating object motion using the particle tracking model of differential wind coefficient mode
KR20180090176A (en) * 2017-02-02 2018-08-10 한국전자통신연구원 Apparatus and method for extracting of marine information including error correction
KR101966639B1 (en) 2018-04-19 2019-07-26 대한민국 Apparatus for forecasting of hydrometeor classification using numerical weather prediction model and method thereof

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
김태성 외 6인. L밴드 인공위성 SAR를 이용한 동해 연안 해상풍 산출 및 오차 특성. 한국원격탐사학회지 : 한국원격탐사학회. 2012년 10월, 제28권, 제5호, 페이지 477 내지 487 *
최도영 외 4인. 인공위성 고도계 해상풍 검증과 해상상태편차와의 관련성. 한국지구과학회지 : 한국지구과학회. 2018년 4월 30일, 제39권, 제2호, 페이지 139 내지 153 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230001873A (en) 2021-06-29 2023-01-05 한국해양과학기술원 System and Method for improving accuracy of satellite based sea wind speed performance using artificial intelligence

Also Published As

Publication number Publication date
KR102365071B9 (en) 2023-04-12
KR102365071B1 (en) 2022-02-18

Similar Documents

Publication Publication Date Title
KR100869698B1 (en) Retrieval method of aerosol optical depth using a visible channel of geostationary satellite
JP4404220B2 (en) Gas condition prediction apparatus, method, program, and diffusion condition prediction system
KR102365072B1 (en) Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data
Patlakas et al. Wind gust estimation by combining a numerical weather prediction model and statistical post-processing
CN116205541B (en) Method and device for evaluating influence of local pollution source on environmental air quality
CN113704693A (en) High-precision effective wave height data estimation method
KR102365071B1 (en) Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data
Lee et al. Improving wind predictions in the marine atmospheric boundary layer through parameter estimation in a single-column model
Krishnamurthy et al. Year-long buoy-based observations of the air–sea transition zone off the US west coast
Greenslade et al. A First Generation Dynamical Tropical Cyclone Storm Surge Forecast System: Part 1: Hydrodynamic Model
Howarth et al. Ship ADCP measurements and tidal models of the North Sea
Weber et al. Objective estimation of the radius of the outermost closed isobar in tropical cyclones
JP2020134315A (en) Wave prediction model construction method and wave prediction method
CN115480032A (en) Point source discharge intensity prediction method based on ground remote sensing measurement
Chen et al. The implementation of the data validation process in a gas turbine performance monitoring system
Bozzano et al. Comparison of ECMWF surface meteorology and buoy observations in the Ligurian Sea
Kang et al. Wind resource assessment and potential development of wind farms along the entire coast of South Korea using public data from the Korea meteorological administration
CN113536657A (en) Ocean atmosphere refractive index prediction method based on machine learning
Klaas Model-based study of the five main influencing factors on the wind speed error of lidars in complex and forested terrain
JP3245238U (en) Prediction correction system equipped with a learning device and a prediction correction device
Međimorec et al. Evaluating accuracy and uncertainty of wind speed estimation by using multiple wind measurements on a site
KR102589878B1 (en) System and Method for improving accuracy of satellite based sea wind speed performance using artificial intelligence
KR102554794B1 (en) Method for artificial intelligence model generation method for estimating aerosol horizontal 2-dimensional spatial distribution and method for estimating aerosol horizontal 2-dimensional spatial distribution using the same
CN116027459B (en) Calculation method of atmospheric weighted average temperature based on numerical weather forecast data
Łyszkowicz et al. Absolute sea level changes at the tide gauge station in Władysławowo using different time series software packages

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]