KR20210055976A - Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data - Google Patents

Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data Download PDF

Info

Publication number
KR20210055976A
KR20210055976A KR1020190142426A KR20190142426A KR20210055976A KR 20210055976 A KR20210055976 A KR 20210055976A KR 1020190142426 A KR1020190142426 A KR 1020190142426A KR 20190142426 A KR20190142426 A KR 20190142426A KR 20210055976 A KR20210055976 A KR 20210055976A
Authority
KR
South Korea
Prior art keywords
data
prediction
wave
model
wind
Prior art date
Application number
KR1020190142426A
Other languages
Korean (ko)
Other versions
KR102365072B1 (en
KR102365072B9 (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 KR1020190142426A priority Critical patent/KR102365072B1/en
Publication of KR20210055976A publication Critical patent/KR20210055976A/en
Application granted granted Critical
Publication of KR102365072B1 publication Critical patent/KR102365072B1/en
Publication of KR102365072B9 publication Critical patent/KR102365072B9/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 the accuracy of a wave-prediction model through the correction advancement of wind prediction data, capable of increasing the accuracy of a wave-prediction model by conducting a wave prediction numerical experiment based on wind data measured through a satellite during wave numerical modeling, and a method thereof. The apparatus includes: a marine buoy data DB building part collecting wave height and wind observation data of a target sea area and building a DB; a satellite data DB building part collecting wave height and wind velocity data observed through a satellite and building a DB; an atmosphere model past-prediction data DB building part building a wind data DB predicted through an atmosphere model and creating a correction map; an atmosphere model prediction real time calibration part performing atmosphere model past-prediction DB calibration; a wave model past-prediction data DB building part building a wave data DB predicted through a wave model and creating a correction map; a wave prediction real time calibration part performing wave prediction real time calibration by applying a wind prediction result of the advanced atmosphere model to a wind input scenario as input data for the operation of the wave model; and a wave model real time prediction data providing part correcting the real time prediction data of the wave model based on the satellite and marine buoy observation data to provide the same.

Description

바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법{Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data}Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data}

본 발명은 파랑 수치모델링에 관한 것으로, 구체적으로 인공위성을 이용하여 측정한 바람 자료를 기반으로 파랑 예측 수치실험을 수행하여 파랑예측 모델 정확도를 높일 수 있도록 한 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법에 관한 것이다.The present invention relates to numerical wave modeling, and more specifically, a wave prediction model through advanced correction of wind prediction data to increase the accuracy of the wave prediction model by performing a wave prediction numerical experiment based on wind data measured using an artificial satellite. It relates to an apparatus and method for improving accuracy.

연안침수, 유류오염사고, 연안침식 등과 같이 연안에서 발생하는 재해는 해수면과 파랑 및 해수의 운동과 깊은 관련이 있다.Disasters occurring on the coast, such as coastal flooding, oil pollution accidents, and coastal erosion, are deeply related to sea level, waves, and movement of sea water.

그러므로 연안해역에서의 정확한 해수면과 파랑 및 유속의 예측은 해양산업뿐만 아니라 해안지역의 방호 및 해난사고 시 수색구조, 유류확산 추정에서 매우 중요하다.Therefore, accurate prediction of sea level, wave and flow velocity in coastal waters is very important not only in the marine industry, but also in the protection of coastal areas, search rescue in case of marine accidents, and estimation of oil diffusion.

해수의 흐름은 천체의 운동에 의한 주기적인 천문조, 폭풍해일, 지진해일, 저기압, 파랑 등 여러 요인의 복합적인 작용의 결과로 나타나기 때문에 종래의 기술에서는 정확한 예측에 한계가 있었다.The flow of seawater appears as a result of a complex action of several factors such as periodic astronomical tide, storm tsunami, tsunami, cyclone, and waves caused by the motion of celestial bodies, so there is a limitation in accurate prediction in the prior art.

연안공학에서는 바다의 파랑을 유의파 상당의 규칙파로 취급하여 파의 굴절, 회절, 천수, 쇄파, 마찰 소산 등에 의한 변형을 취급한다.In coastal engineering, ocean waves are treated as regular waves equivalent to significant waves, and deformation due to wave refraction, diffraction, shallow water, breaking waves, friction dissipation, etc. are handled.

하지만, 잘 알려져 있는 것처럼 해양에서 발생되는 실제의 해파는 파고, 주기, 파향이 각양각색인 파의 복합으로서 매우 불규칙한 자연현상이기 때문에 파랑에너지의 분포를 주파수와 파향의 함수로 나타내는 소위 파향 스펙트럼의 개념이 도입되어 현재 파랑 예측에 활용되고 있다.However, as it is well known, the actual sea wave generated in the ocean is a complex of waves of various wave heights, periods, and wave directions, and is a very irregular natural phenomenon, so the concept of a so-called wave direction spectrum that expresses the distribution of wave energy as a function of frequency and wave direction. Has been introduced and is currently being used for wave prediction.

이와 같이 바다에서 발생하는 파랑(또는, 풍파)을 사전에 예측하기 위해서는, 파랑 수치모델을 사용하여 예측자료를 계산하는 과정이 필요하다.In order to predict the waves (or wind waves) occurring in the sea in this way, it is necessary to calculate the predicted data using the wave numerical model.

이와 같은 파랑 수치모델은 해상에서 발생하고 이동하는 파랑(파고, 파주기 그리고 파향 등) 현상을 예측하는데 사용된다. Such a wave numerical model is used to predict the wave phenomenon (wave height, wave period, wave direction, etc.) occurring and moving in the sea.

파랑 수치모델링 과정에서는 바람 자료가 수치모의를 위한 주요 입력요소로 적용된다. 바다의 해수면에서 파랑을 발생시키고 그 에너지를 전파하는 주요 외력이 바람이기 때문이다.In the wave numerical modeling process, wind data is applied as a major input factor for numerical simulation. This is because wind is the main external force that generates waves at the sea level and propagates its energy.

따라서, 파랑 수치모델의 예측 정확도를 향상시키기 위해서는, 실제 발생했던 기상 현상과 잘 부합하고 정확한 풍속 및 풍향 자료를 확보하여 수치모델의 입력자료로 활용하는 것이 중요하다. Therefore, in order to improve the prediction accuracy of the wave numerical model, it is important to obtain accurate wind speed and wind direction data and use it as input data for the numerical model in accordance with the actual meteorological phenomena.

우리나라 인근 해역뿐만 아니라 전 세계적으로 이용할 수 있는 바람 자료의 종류는 여러 가지가 존재한다. 후측 자료, 재분석 자료, 예측모델 자료, 현장관측 자료 등이 있다.There are many types of wind data that can be used not only in the seas around Korea, but also around the world. There are posterior data, reanalysis data, predictive model data, and field observation data.

그 중 일반적으로 현장관측 자료가 실제 발생한 바람 현상을 직접 측정한 자료로 타 분석 자료에 비해 정확도가 가장 높을 것으로 판단된다.Among them, in general, field observation data are data that directly measure wind phenomena that actually occurred, and are considered to have the highest accuracy compared to other analysis data.

하지만, 관측 장비를 설치할 수 있는 장소 및 환경의 한계로 관측 지점들은 주로 심해 영역보다는 육지 부근으로 한정되어 있어 외해 영역의 바람 자료를 확보하는 것이 쉽지 않아 파랑예측 모델 정확도를 높이는데 한계가 있다.However, due to the limitations of the place and environment in which observation equipment can be installed, the observation points are mainly limited to the land area rather than the deep sea area, so it is not easy to obtain wind data in the open sea area, so there is a limit to improving the accuracy of the wave prediction model.

따라서, 파랑예측 모델 정확도를 높일 수 있도록 하는 새로운 파랑 수치모델링 기술의 개발이 요구되고 있다.Therefore, there is a need to develop a new wave numerical modeling technology that can improve the accuracy of the wave prediction model.

대한민국 등록특허 제10-1736918호Korean Patent Registration No. 10-1736918 대한민국 등록특허 제10-1977375호Korean Patent Registration No. 10-1977375 대한민국 공개번호 제10-2015-0117972호Republic of Korea Publication No. 10-2015-0117972

본 발명은 종래 기술의 파랑 수치모델링 기술의 문제점을 해결하기 위한 것으로, 인공위성을 이용하여 측정한 바람 자료를 기반으로 파랑 예측 수치실험을 수행하여 파랑예측 모델 정확도를 높일 수 있도록 한 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention is to solve the problem of the conventional wave numerical modeling technology, and correction of the wind prediction data to increase the accuracy of the wave prediction model by performing a wave prediction numerical experiment based on wind data measured using an artificial satellite. The purpose of this is to provide an apparatus and method for improving the accuracy of a wave prediction model through advancement.

본 발명은 인공위성을 이용하여 측정한 바람 자료를 기반으로 파랑 예측 수치실험을 수행하여 파랑 예측 수치모델 결과의 정확도를 향상시킬 수 있도록 한 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention is an apparatus for improving the accuracy of a wave prediction model by improving the correction of the wind prediction data so as to improve the accuracy of the wave prediction numerical model result by performing a wave prediction numerical experiment based on wind data measured using an artificial satellite. And to provide a method for that purpose.

본 발명은 인공위성을 이용함으로써 해상의 파고 측정자료를 확보하는 것에 의해 파고에 대한 관측자료 또한 인공위성 풍속 관측자료와 같이 육지 부근뿐만 아니라 심해 영역의 자료를 확보할 수 있어 파랑모델을 검증하고 예측 정확도를 향상시킬 수 있도록 한 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법을 제공하는데 그 목적이 있다.In the present invention, by securing wave height measurement data on the sea by using an artificial satellite, observation data about wave height and data of deep sea area as well as near land area can be secured, such as satellite wind speed observation data, to verify the wave model and to improve the prediction accuracy. It is an object of the present invention to provide an apparatus and method for improving the accuracy of a wave prediction model through advanced correction of wind prediction data that can be improved.

본 발명은 바람 입력 시나리오를 생성함에 있어, 파랑모델의 예측 정확도를 향상시키기 위해 앞서 검증된 인공위성 풍속 DB를 활용하고 최종적으로 파랑모델의 예측 결과를 수집하고 DB를 구축하여 파랑모델의 예측 정확도를 높일 수 있도록 한 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention uses the previously verified satellite wind speed DB to improve the prediction accuracy of the wave model in generating the wind input scenario, and finally collects the prediction result of the wave model and builds the DB to increase the prediction accuracy of the wave model. The purpose of this is to provide an apparatus and method for improving the accuracy of a wave prediction model through advanced correction of wind prediction data.

본 발명은 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용하고, 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하여 파랑모델의 예측 정확도를 높일 수 있도록 한 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법을 제공하는데 그 목적이 있다.In the present invention, as input data for driving a wave model, the wind prediction result of the advanced atmospheric model is applied as a wind input scenario, and the result of generating a wave prediction error correction rate distribution map is used for calibration of the real-time wave model prediction result. It is an object of the present invention to provide an apparatus and method for improving the accuracy of the wave prediction model through the enhancement of correction of wind prediction data that can be reflected so as to increase the prediction accuracy of the wave model.

본 발명은 파랑 모델 실시간 예측 자료 생성 단계에서 파랑모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정되도록 하여 파랑모델의 예측 정확도가 향상될 수 있도록 한 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법을 제공하는데 그 목적이 있다.In the present invention, in the wave model real-time prediction data generation step, the real-time prediction data of the wave model are corrected based on satellite and sea buoy observation data, so that the prediction accuracy of the wave model can be improved. An object thereof is to provide an apparatus and method for improving prediction model accuracy.

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 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치는 대상해역의 파고 및 바람 관측 자료를 수집하고 DB를 구축하는 해상부이 자료 DB 구축부;인공위성을 통해 관측한 파고 및 풍속 자료를 수집하고 DB를 구축하는 인공위성 자료 DB 구축부;대기모델을 이용하여 예측한 바람 자료 DB 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 대기모델 과거 예측 자료 DB 구축부;대기모델 과거 예측 DB 검보정을 하는 대기모델 예측 실시간 검보정부;파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성하는 파랑모델 과거 예측 자료 DB 구축부;파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용되도록 하여 파랑 예측 실시간 검보정을 하는 파랑 예측 실시간 검보정부;파랑모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정되도록 하여 제공하는 파랑 모델 실시간 예측 자료 제공부;를 포함하는 것을 특징으로 한다.The apparatus for improving the accuracy of the wave prediction model through the correction and enhancement of the wind prediction data according to the present invention to achieve the above object is a marine buoy data DB construction unit that collects wave height and wind observation data of a target sea area and builds a DB. ;A satellite data DB construction unit that collects and constructs a DB by collecting wave height and wind speed data observed through an artificial satellite; Predicting the past of an atmospheric model that constructs a predicted wind data DB using the atmospheric model and generates a correction map Data DB construction unit; Atmospheric model past prediction DB Atmospheric model prediction with calibration correction Real-time inspection unit; Wave model past prediction data DB that constructs wave data DB predicted using blue model and generates error correction rate distribution map (Correction Map) Construction unit; Wave prediction real-time inspection unit that performs real-time inspection of waves by allowing the wind prediction results of the advanced atmospheric model to be applied as wind input scenarios as input data for driving the blue model; It characterized in that it comprises a; wave model real-time prediction data providing unit for providing the ocean to be corrected based on the observation data.

여기서, 인공위성 자료 DB 구축부는, 인공위성 자료 DB의 검증을 위하여 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하고, 해상부이를 이용한 파고 관측결과와 인공위성을 이용한 파고 관측결과에 대해 서로 비교 및 검보정을 하여 위성자료의 보정식을 산출하여 인공위성의 검증된 파고 DB 및 바람 DB가 구축되도록 하는 것을 특징으로 한다.Here, the satellite data DB construction unit compares and corrects the wind observation results using the sea buoy and the wind observation results using the satellite to verify the satellite data DB, and uses the wave height observation results using the sea buoy and the artificial satellite. It is characterized by comparing and recalibrating the wave height observation results with each other to calculate the correction equation of the satellite data to establish the verified wave height DB and wind DB of the satellite.

그리고 비교 및 검보정을 통해 산출된 위성자료의 보정식은,And the correction formula of the satellite data calculated through comparison and calibration is,

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) 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 the error correction rate distribution map (Correction Map), the satellite It is characterized in that data interpolation is performed on an empty space outside the path of.

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.

그리고 대기모델 예측 실시간 검보정부는, 대기모델 과거 예측 자료 DB 구축부의 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하는 것을 특징으로 한다.In addition, the atmospheric model prediction real-time inspection unit, in the wind prediction error correction rate distribution map generation step of the atmospheric model past prediction data DB construction unit, the inspection results performed across the deep sea and coastal areas in the real-time prediction data of the atmospheric model. It is characterized in that it is reflected.

그리고 파랑모델 과거 예측 자료 DB 구축부는, 파랑 수치모델링 과정에서 해상부이 자료 DB 구축부 및 인공위성 자료 DB 구축부의 바람 자료를 수치모의를 위한 주요 입력요소로 적용하고, 검보정된 위성 자료를 기반으로 파랑모델의 과거 예측 DB를 보정하기 위한 파랑 예측 오차수정률 분포지도(Correction Map)를 생성하는 것을 특징으로 한다.In addition, the wave model past prediction data DB construction unit applies the wind data of the maritime buoy data DB construction unit and the satellite data DB construction unit as the main input elements for numerical simulation in the wave numerical modeling process. It is characterized by generating a wave prediction error correction rate distribution map (Correction Map) for correcting the model's past prediction DB.

그리고 오차수정률 분포지도(Correction Map)를 생성하기 전에 인공위성의 경로를 벗어난 빈 공간에 대한 데이터 보간으로, 인공위성 파고 자료의 공간 보간을 수행하는 것을 특징으로 한다.In addition, it is characterized by performing spatial interpolation of the satellite wave height data by interpolating data on the empty space out of the path of the satellite before generating the error correction rate distribution map (Correction Map).

그리고 파랑 예측 실시간 검보정부는, 파랑 예측 실시간 검보정을 위하여 파랑모델 과거 예측 자료 DB 구축부에서 생된 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하는 것을 특징으로 한다.In addition, the wave prediction real-time verification unit allows the result of generating the wave prediction error correction rate distribution map (Correction Map) generated by the wave model past prediction data DB construction unit to be reflected in the verification correction of the real-time wave model prediction result for real-time verification of the wave prediction. It is characterized by that.

다른 목적을 달성하기 위한 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법은 대상해역의 파고 및 바람 관측 자료를 수집하고 DB를 구축하는 단계;인공위성을 통해 관측한 파고 및 풍속 자료를 수집하고 DB를 구축하는 단계;해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하는 단계;대기모델을 이용하여 예측한 바람 자료 DB를 구축하는 단계;검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고 보정하는 단계;심해부와 연안부에 걸쳐 수행된 검보정 결과를 대기모델의 실시간 예측 자료에 반영하는 단계;파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계;파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용되도록 하는 단계;를 포함하는 것을 특징으로 한다.A method for improving the accuracy of a wave prediction model through correction and enhancement of wind prediction data according to the present invention for achieving another object includes the steps of collecting wave height and wind observation data of a target sea area and constructing a DB; wave height observed through an artificial satellite And collecting wind speed data and constructing a DB; comparing and calibrating wind observation results using a sea buoy and wind observation results using an artificial satellite; constructing a predicted wind data DB using an atmospheric model Step; Generate and correct an error correction rate distribution map (Correction Map) to correct the past prediction DB of the atmospheric model based on the calibrated satellite data; The results of the calibration performed over the deep sea and coastal areas are converted to the atmospheric model. Reflecting in real-time prediction data of; Constructing a wave data DB predicted using a blue model and generating a correction map; Wind of an advanced atmospheric model as input data for driving the blue model And allowing the prediction result to be applied as a wind input scenario.

여기서, 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하는 단계에서, 인공위성 자료 DB의 검증을 위하여 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하고, 해상부이를 이용한 파고 관측결과와 인공위성을 이용한 파고 관측결과에 대해 서로 비교 및 검보정을 하여 위성자료의 보정식을 산출하여 인공위성의 검증된 파고 DB 및 바람 DB가 구축되도록 하는 것을 특징으로 한다.Here, in the step of comparing and recalibrating the wind observation results using the sea buoy and the wind observation results using the satellite, the wind observation results using the sea buoy and the wind observation results using the satellite are used to verify the satellite data DB. Comparing and calibrating each other, comparing and calibrating the wave height observation result using a maritime buoy and the wave height observation result using a satellite, and calculating the correction formula of the satellite data, the verified wave height DB and wind DB of the satellite are obtained. It is characterized in that it is built.

그리고 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고 보정하는 단계에서, 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고, 오차수정률 분포지도(Correction Map) 전에 인공위성의 경로를 벗어난 빈 공간에 대해서는 데이터 보간을 수행하는 것을 특징으로 한다.And in the step of creating and correcting the correction map for correcting the atmospheric model's past prediction DB based on the calibrated satellite data, the atmospheric model's past prediction DB is created based on the calibrated satellite data. An error correction rate distribution map to be corrected 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 (Correction Map).

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.

그리고 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계에서, 대기모델 과거 예측 자료 DB 구축을 위한 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하는 것을 특징으로 한다.And in the step of constructing the predicted wave data DB using the wave model and generating the error correction rate distribution map (Correction Map), in the step of creating the wind prediction error correction rate distribution map (Correction Map) to build the atmospheric model past prediction data DB. It is characterized in that the results of the calibration performed over the deep sea and coastal areas are reflected in the real-time prediction data of the atmospheric model.

그리고 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계에서, 파랑 수치모델링 과정에서 해상부이 자료 DB 구축부 및 인공위성 자료 DB 구축부의 바람 자료를 수치모의를 위한 주요 입력요소로 적용하고, 검보정된 위성 자료를 기반으로 파랑모델의 과거 예측 DB를 보정하기 위한 파랑 예측 오차수정률 분포지도(Correction Map)를 생성하는 것을 특징으로 한다.At the stage of constructing the predicted wave data DB using the wave model and generating the error correction rate distribution map (Correction Map), the wind data of the maritime buoy data DB construction unit and the satellite data DB construction unit are numerically simulated in the wave numerical modeling process. It is applied as a main input element for and is characterized by generating a wave prediction error correction rate distribution map (Correction Map) to correct the past prediction DB of the wave model based on the calibrated satellite data.

그리고 오차수정률 분포지도(Correction Map)를 생성하기 전에 인공위성의 경로를 벗어난 빈 공간에 대한 데이터 보간으로, 인공위성 파고 자료의 공간 보간을 수행하는 것을 특징으로 한다.In addition, it is characterized by performing spatial interpolation of the satellite wave height data by interpolating data on the empty space out of the path of the satellite before generating the error correction rate distribution map (Correction Map).

그리고 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계에서, 파랑 예측 실시간 검보정을 위하여 파랑모델 과거 예측 자료 DB 구축부에서 생된 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하는 것을 특징으로 한다.And in the step of constructing the predicted wave data DB using the wave model and generating the error correction rate distribution map (Correction Map), the wave prediction error correction rate distribution generated by the wave model past prediction data DB construction unit for real-time correction of the wave prediction. It is characterized in that the result of generating a correlation map is reflected in the calibration of the real-time wave model prediction result.

이상에서 설명한 바와 같은 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법은 다음과 같은 효과가 있다.As described above, the apparatus and method for improving the accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention have the following effects.

첫째, 인공위성을 이용하여 측정한 바람 자료를 기반으로 파랑 예측 수치실험을 수행하여 파랑예측 모델 정확도를 높일 수 있도록 한다.First, it is possible to increase the accuracy of the wave prediction model by conducting a numerical experiment for wave prediction based on wind data measured using an artificial satellite.

둘째, 인공위성을 이용하여 측정한 바람 자료를 기반으로 파랑 예측 수치실험을 수행하여 파랑 예측 수치모델 결과의 정확도를 향상시킬 수 있도록 한다.Second, it is possible to improve the accuracy of the wave prediction numerical model results by performing a wave prediction numerical experiment based on wind data measured using an artificial satellite.

셋째, 인공위성을 이용함으로써 해상의 파고 측정자료를 확보하는 것에 의해 파고에 대한 관측자료 또한 인공위성 풍속 관측자료와 같이 육지 부근뿐만 아니라 심해 영역의 자료를 확보할 수 있어 파랑모델을 검증하고 예측 정확도를 향상시킬 수 있도록 한다.Third, by securing wave height measurement data on the sea by using an artificial satellite, observation data about wave height can be obtained not only near land, but also in deep sea areas like satellite wind speed observation data, verifying the wave model and improving the prediction accuracy. To be able to do it.

넷째, 바람 입력 시나리오를 생성함에 있어, 파랑모델의 예측 정확도를 향상시키기 위해 앞서 검증된 인공위성 풍속 DB를 활용하고 최종적으로 파랑모델의 예측 결과를 수집하고 DB를 구축하여 파랑모델의 예측 정확도를 높일 수 있도록 한다.Fourth, in generating wind input scenarios, in order to improve the prediction accuracy of the wave model, the previously verified satellite wind speed DB is used, and finally, the prediction result of the wave model is collected and the DB is constructed to increase the prediction accuracy of the wave model. To be there.

다섯째, 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용하고, 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하여 파랑모델의 예측 정확도를 높일 수 있도록 한다.Fifth, as input data for driving the wave model, the wind prediction result of the advanced atmospheric model is applied as a wind input scenario, and the wave prediction error correction rate distribution map generation result is reflected in the calibration of the real-time wave model prediction result. So that the prediction accuracy of the wave model can be improved.

여섯째, 파랑 모델 실시간 예측 자료 생성 단계에서 파랑모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정되도록 하여 파랑모델의 예측 정확도가 향상될 수 있도록 한다.Sixth, in the wave model real-time prediction data generation step, the real-time prediction data of the wave model is corrected based on the satellite and the sea buoy observation data, so that the prediction accuracy of the wave model can be improved.

도 1은 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치의 전체 동작 흐름도
도 2는 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치의 구성 블록도
도 3은 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법을 나타낸 플로우 차트
도 4는 우리나라 기상청의 해상 파고부이 분포도
도 5는 인공위성(JASON-2) 이동경로를 나타낸 구성도
도 6은 해상부이 파고 관측자료와 인공위성 파고 측정자료의 비교 그래프
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 검보정을 위한 구역 설정의 예를 나타낸 구성도
도 12는 상영역의 대표 풍향(4방위)를 나타낸 구성도
도 13은 파랑모델(WAM) 파고 자료의 예를 나타낸 구성도
도 14는 인공위성(JASON-2) 파고 자료에 대한 공간 보간의 예를 나타낸 구성도1 is an overall operation flow diagram of an apparatus for improving accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention.
FIG. 2 is a block diagram of an apparatus for improving accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention;
Figure 3 is a flow chart showing a method for improving the accuracy of the blue prediction model through the enhancement of correction of wind prediction data according to the present invention
Figure 4 is a distribution map of the marine wavego buoy of the Korea Meteorological Administration
5 is a block diagram showing a movement path of an artificial satellite (JASON-2)
Figure 6 is a comparison graph of the wave height observation data of the sea buoy and the satellite wave height measurement data
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 of an atmospheric model past prediction DB in the coastal part
12 is a configuration diagram showing a representative wind direction (four orientations) of the upper region
13 is a block diagram showing an example of wave height data of a wave model (WAM)
14 is a configuration diagram showing an example of spatial interpolation for wave height data of an artificial satellite (JASON-2)

이하, 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 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 the accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention.

본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 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 the accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention will become apparent through detailed description of each embodiment below.

도 1은 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치의 전체 동작 흐름도이다.1 is a flowchart illustrating an overall operation of an apparatus for improving accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention.

본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법은 인공위성을 이용하여 측정한 바람 자료를 기반으로 파랑 예측 수치실험을 수행하여 파랑예측 모델 정확도를 높일 수 있도록 한 것이다.The apparatus and method for improving the accuracy of the wave prediction model through the correction and advancement of the wind prediction data according to the present invention is to increase the accuracy of the wave prediction model by performing a numerical wave prediction experiment based on the wind data measured using an artificial satellite. will be.

본 발명은 인공위성을 이용함으로써 해상의 파고 측정자료를 확보하는 것에 의해 파고에 대한 관측자료 또한 인공위성 풍속 관측자료와 같이 육지 부근뿐만 아니라 심해 영역의 자료를 확보하여 파랑모델을 검증하는 구성을 포함할 수 있다.The present invention may include a configuration for verifying a wave model by securing wave height measurement data on the sea by using an artificial satellite to obtain observation data on wave height as well as data on the deep sea region as well as near land, such as satellite wind speed observation data. have.

본 발명은 바람 입력 시나리오를 생성함에 있어, 파랑모델의 예측 정확도를 향상시키기 위해 검증된 인공위성 풍속 DB를 활용하고 최종적으로 파랑모델의 예측 결과를 수집하고 DB를 구축하는 구성을 포함할 수 있다.In generating a wind input scenario, the present invention may include a configuration in which a verified satellite wind speed DB is used to improve the prediction accuracy of a wave model, and finally, a prediction result of the wave model is collected and a DB is constructed.

본 발명은 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용되도록 하고, 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하는 구성을 포함할 수 있다.In the present invention, as input data for driving a wave model, the wind prediction result of the advanced atmospheric model is applied as a wind input scenario, and the result of generating a wave prediction error correction rate distribution map is a calibration correction of the real-time wave model prediction result. It may include a configuration to be reflected in.

본 발명은 파랑 모델 실시간 예측 자료 생성 단계에서 파랑모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정되도록 하는 구성을 포함할 수 있다.The present invention may include a configuration in which real-time prediction data of a wave model is corrected based on satellite and maritime buoy observation data in the wave model real-time prediction data generation step.

본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치를 구체적으로 설명하면 다음과 같다.An apparatus for improving the accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention will be described in detail as follows.

도 2는 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치의 구성 블록도이다.2 is a block diagram of an apparatus for improving accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention.

본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치는 도 2에서와 같이, 대상해역의 파고 및 바람 관측 자료를 수집하고 DB를 구축하는 해상부이 자료 DB 구축부(10)와, 인공위성을 통해 관측한 파고 및 풍속 자료를 수집하고 DB를 구축하는 인공위성 자료 DB 구축부(20)와, 대기모델을 이용하여 예측한 바람 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 대기모델 과거 예측 자료 DB 구축부(30)와, 대기모델 과거 예측 DB 검보정을 하는 대기모델 예측 실시간 검보정부(40)와, 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성하는 파랑모델 과거 예측 자료 DB 구축부(50)와, 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용되도록 하여 파랑 예측 실시간 검보정을 하는 파랑 예측 실시간 검보정부(60)와, 파랑모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정되도록 하여 제공하는 파랑 모델 실시간 예측 자료 제공부(70)를 포함한다.The apparatus for improving the accuracy of the wave prediction model through the correction and advancement of the wind prediction data according to the present invention is a marine buoy data DB construction unit (10) that collects wave height and 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 and builds a DB by collecting wave height and wind speed data observed through an artificial satellite, and a wind data DB predicted using an atmospheric model, and a correction map of the error correction rate (Correction Map) The atmospheric model past prediction data DB construction unit 30 to be generated, the atmospheric model prediction real-time inspection unit 40 to recalibrate the atmospheric model past prediction DB, and the wave data DB predicted using the wave model are constructed and errors. Wave model past prediction data DB construction unit 50 that generates a correction rate distribution map, and the wind prediction result of the advanced atmospheric model as input data for driving the wave model is applied as a wind input scenario in real-time wave prediction. And a wave model real-time prediction data providing unit 70 that corrects and provides real-time prediction data of the wave model to be corrected based on satellite and maritime buoy observation data.

이와 같은 구성을 갖는 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치는 바람 입력 시나리오를 생성함에 있어, 검증된 인공위성 풍속 DB를 활용하고 최종적으로 파랑모델의 예측 결과를 수집하고 DB를 구축하는 것에 의해 파랑모델의 예측 정확도를 향상시킬 수 있다.The apparatus for improving the accuracy of the wave prediction model through the correction and enhancement of the wind prediction data according to the present invention having such a configuration utilizes the verified satellite wind speed DB in generating the wind input scenario, and finally calculates the prediction result of the wave model. By collecting and building a DB, the prediction accuracy of the wave model can be improved.

특히, 본 발명은 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용되도록 하고, 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하여 파랑모델의 예측 정확도를 향상시킬 수 있도록 한 것이다.In particular, the present invention allows the wind prediction result of the advanced atmospheric model to be applied as a wind input scenario as input data for driving the wave model, and the wave prediction error correction rate distribution map generation result is the real-time wave model prediction result. By reflecting it in the gum correction, the prediction accuracy of the wave model can be improved.

본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법을 구체적으로 설명하면 다음과 같다.A method for improving the accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention will be described in detail as follows.

도 3은 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법을 나타낸 플로우 차트이다.3 is a flow chart showing a method for improving the accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention.

본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법은 대상해역의 파고 및 바람 관측 자료를 수집하고 DB를 구축하는 단계(S301)와, 인공위성을 통해 관측한 파고 및 풍속 자료를 수집하고 DB를 구축하는 단계(S302)와, 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하는 단계(S303)와, 대기모델을 이용하여 예측한 바람 자료 DB를 구축하는 단계(304)와, 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고 보정하는 단계(S305)와, 심해부와 연안부에 걸쳐 수행된 검보정 결과를 대기모델의 실시간 예측 자료에 반영하는 단계(S306)와, 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계(S307)와, 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용하는 단계(S308)를 포함한다.The method for improving the accuracy of the wave prediction model through the correction and advancement of the wind prediction data according to the present invention includes the step of collecting wave height and wind observation data of a target sea area and constructing a DB (S301), and the wave height and wind speed observed through the satellite. Collecting data and constructing a DB (S302), comparing and correcting the wind observation results using a sea buoy and wind observation results using an artificial satellite (S303), and predicting using an atmospheric model. Building a wind data DB (304), generating and correcting an error correction rate distribution map (S305) for correcting the past prediction DB of the atmospheric model based on the calibrated satellite data (S305), and deep sea The step of reflecting the results of calibration performed across the coastal and coastal areas to the real-time prediction data of the atmospheric model (S306), constructing a wave data DB predicted using the wave model, and generating a correction map. And a step S307 of applying the wind prediction result of the advanced atmospheric model as input data for driving the wave model as a wind input scenario (S308).

본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법의 각 단계를 구체적으로 설명하면 다음과 같다.Each step of the method for improving the accuracy of a wave prediction model through enhancement of correction of wind prediction data according to the present invention will be described in detail as follows.

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

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

해상부이 자료 DB 구축은 과거 관측 데이터베이스를 활용하여 이루어지는 것으로, 대상해역의 파고 및 바람 관측 자료를 수집하고 DB를 구축한다.The sea buoy data DB is constructed by using the past observation database, and the wave height and wind observation data of the target sea area are collected and the DB is established.

우리나라 기상청 및 해양조사원에서는 한반도 인근의 풍속, 풍향 및 파고 관측 자료를 제공하고 있다. 도 4는 우리나라 인근 해상의 파고 관측 자료를 확보할 수 있는 기상청의 해양 파고부이 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 the marine wavego buoy of the Korea Meteorological Administration, which can secure wave height observation data in 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 파고 및 바람 관측 자료를 수집하고 DB를 구축할 수 있다.In this step, the wave height and wind observation data of the target sea area can be collected and a DB can be established.

그리고 인공위성을 통해 관측한 파고 및 풍속 자료를 수집하고 DB를 구축하는 단계(S302)를 설명하면 다음과 같다.And the step (S302) of collecting the wave height and wind speed data observed through the satellite and constructing the DB will be described as follows.

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

인공위성 자료 DB 구축은 과거 풍속 데이터베이스를 활용하여 이루어지는 것으로, 이 단계에서는 인공위성을 통해 관측한 파고 및 풍속 자료를 수집하고 DB를 구축한다.The satellite data DB is constructed using the past wind speed database. In this step, the wave height and wind speed data observed through the satellite are collected and the DB is constructed.

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 있다.There are ERA-1, ERA-2, TOPEX, ENVISAT, GEOSAT, JASON-1, JASON-2 and JASON-3.

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

인공위성을 이용하여 파고를 측정하기 위해서는 주로 altimeter 장비가 이용되고, 풍속을 측정하기 위해서는 주로 scatterometer 장비가 이용되고 있다.An altimeter device is mainly used to measure wave height using an artificial satellite, and a scatterometer device is mainly used to measure wind speed.

그리고 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하는 단계(S303)를 설명하면 다음과 같다.In addition, the step (S303) of comparing and correcting the wind observation result using the sea buoy and the wind observation result using the satellite will be described as follows.

도 6은 해상부이 파고 관측자료와 인공위성 파고 측정자료의 비교 그래프이다.Figure 6 is a comparison graph of the wave height observation data of the sea buoy and the satellite wave height measurement data.

인공위성 자료 DB의 검증을 하는 단계로 추후 대기모델 검보정을 위해, 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정이 이루어진다.This is the step of verifying the satellite data DB, and for later inspection of the atmospheric model, the wind observation results using a sea buoy and the wind observation results using an artificial satellite are compared and corrected.

또한 추후 파랑모델의 검보정을 위해서 해상부이를 이용한 파고 관측결과와 인공위성을 이용한 파고 관측결과에 대해 서로 비교 및 검보정이 이루어진다.In addition, the wave height observation result using a maritime buoy and the wave height observation result using an artificial satellite are compared and corrected for later calibration of the wave model.

도 6은 인공위성 자료를 보정하기 위해 해상부이 파고 자료와 인공위성 파고 측정자료를 비교한 예를 나타낸 것이다.6 shows an example of comparing the sea buoy wave height data and the satellite wave height measurement data to correct the satellite data.

이와 같은 비교 과정을 통해 위성자료의 보정식이 산출될 수 있다.Through this comparison process, a correction equation for satellite data can be calculated.

Figure pat00002
Figure pat00002

이와 같은 과정으로 인공위성의 검증된 파고 DB가 구축되고, 인공위성의 검증된 바람 DB가 구축된다. Through this process, the verified wave height DB of the satellite is built, and the verified wind DB of the satellite is built.

그리고 대기모델을 이용하여 예측한 바람 자료 DB를 구축하는 단계(304)를 설명하면 다음과 같다.And the step 304 of constructing the predicted wind data DB using the atmospheric model 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 단계로 이 단계에서는 대기모델을 이용하여 예측한 바람 자료 DB를 구축한다.Atmospheric model past prediction data DB is constructed. In this step, predicted wind data DB is constructed using atmospheric model.

바람 예측을 수행하고 있는 대기모델의 종류는 여러 가지가 존재한다. There are several types of atmospheric models performing wind prediction.

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 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.

이 단계에서는 대기모델의 과거 풍속 및 풍향 예측 자료를 수집하고 DB를 구축한다. In this step, data for predicting the past wind speed and direction of the atmospheric model are collected and a DB is established.

그리고 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고 보정하는 단계(S305)를 설명하면 다음과 같다.In addition, a step (S305) of generating and correcting an error correction rate distribution map for correcting the past prediction DB of the atmospheric model based on the calibrated satellite data 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).

이 단계에서는 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성한다. In this step, an error correction rate distribution map (Correction Map) is generated to correct the past prediction DB of the atmospheric model 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.

이와 같이 검증된 인공위성 바람자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성할 수 있다.Based on this verified satellite wind data, it is possible to generate an error correction rate distribution map (Correction Map) to correct the past prediction DB of the atmospheric model.

도 9는 오차수정률 분포지도(Correction Map)의 예를 나타낸 것으로, 연안 부근에서 높은 오차를 보이고 있고, 그에 따라 높은 수정(Correction) 계수가 요구되고 있음을 나타낸다.9 shows an example of an error correction rate distribution map, which shows a high error near the coast, and thus a high correction coefficient is required.

그리고 심해부와 연안부에 걸쳐 수행된 검보정 결과를 대기모델의 실시간 예측 자료에 반영하는 단계(S306)를 설명하면 다음과 같다.In addition, the step (S306) of reflecting the results of the calibration performed over the deep sea and the coastal part to the real-time prediction data of the atmospheric model will be described as follows.

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 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.

대기모델 예측 실시간 검보정은 실시간 예측 자료를 활용하여 이루어진다.Atmospheric model prediction Real-time calibration is performed using real-time prediction data.

우리나라 기상청에서는 여러 종류의 대기모델을 이용하여 실시간으로 바람 예측 자료를 생성하고 있다.The Korean Meteorological Administration uses several types of atmospheric models to generate wind forecast data in real time.

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.

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

그리고 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계(S307)를 설명하면 다음과 같다.And the step (S307) of constructing the predicted wave data DB using the wave model and generating a correction map (Correction Map) will be described as follows.

도 13은 파랑모델(WAM) 파고 자료의 예를 나타낸 구성도이다.13 is a block diagram showing an example of wave height data of a wave model (WAM).

파랑모델 과거 예측 자료 DB 구축은 과거 예측 데이터베이스를 활용하는 것으로, 이 단계에서는 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축한다.The wave model past prediction data DB construction is to use the past prediction database, and in this step, the wave data DB predicted using the wave model is constructed.

파랑 예측을 수행하고 있는 파랑모델의 종류는 여러 가지가 존재한다. There are many types of wave models that perform wave prediction.

우리나라 기상청의 예보모델(GWW3, RWW3 및 CWW3 등), 유럽중기예보센터(ECMWF)의 WAM 모델 그리고 National Oceanic and Atmospheric Administration(NOAA)의 WAVEWATCH Ⅲ 모델 등이 있다.There are forecast models of Korea Meteorological Administration (GWW3, RWW3 and CWW3, etc.), WAM model of ECMWF, and WAVEWATCH Ⅲ model of National Oceanic and Atmospheric Administration (NOAA).

도 13은 유럽중기예보센터(ECMWF)의 WAM 모델 파고 자료의 예를 나타낸 것이다.13 shows an example of the WAM model wave height data of the European Mid-term Forecast Center (ECMWF).

파랑 수치모델링 과정에서는 바람 자료가 수치모의를 위한 주요 입력요소로 적용된다.In the wave numerical modeling process, wind data is applied as a major input factor for numerical simulation.

여기서, 바람 입력 시나리오를 생성함에 있어 파랑모델의 예측 정확도를 향상시키기 위해 앞서 검증된 인공위성 풍속 DB를 활용한다. 최종적으로 파랑모델의 예측 결과를 수집하고 DB를 구축한다.Here, in generating the wind input scenario, the previously verified satellite wind speed DB is used to improve the prediction accuracy of the wave model. Finally, the prediction results of the wave model are collected and a DB is constructed.

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

먼저, 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 correction map.

인공위성 파고 자료의 공간 보간을 수행한 예는 도 14에서와 같다.An example of performing spatial interpolation of satellite wave height data is shown in FIG. 14.

도 14는 인공위성(JASON-2) 파고 자료에 대한 공간 보간의 예를 나타낸 구성도이다.14 is a block diagram showing an example of spatial interpolation for wave height data of an artificial satellite (JASON-2).

이와 같이 검증된 인공위성 파고자료를 기반으로 파랑모델의 실시간 예측 검보정을 위한 오차수정률 분포지도(Correction Map)를 생성할 수 있다.Based on this verified satellite wave height data, an error correction rate distribution map for real-time prediction calibration of a wave model can be generated.

그리고 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용하는 단계(S308)를 설명하면 다음과 같다.And the step (S308) of applying the wind prediction result of the advanced atmospheric model as input data for driving the wave model as a wind input scenario will be described as follows.

파랑 예측 실시간 검보정 단계에서는 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용된다.In the wave prediction real-time calibration step, the wind prediction result of the advanced atmospheric model is applied as the wind input scenario as input data for driving the wave model.

또한, 이전 단계 중 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영된다. In addition, the result of generating the wave prediction error correction rate distribution map (Correction Map) during the previous step is reflected in the calibration of the real-time wave model prediction result.

이와 같은 과정을 통해, 파랑모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정됨으로써 파랑모델의 예측 정확도가 향상될 수 있도록 한다.Through this process, the real-time prediction data of the wave model is corrected based on the observation data of the satellite and the sea buoy, so that the prediction accuracy of the wave model can be improved.

이상에서 설명한 본 발명에 따른 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치 및 방법은 파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용하고, 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하여 파랑모델의 예측 정확도를 높일 수 있도록 한다.The apparatus and method for improving the accuracy of the wave prediction model through the correction and enhancement of the wind prediction data according to the present invention described above are input data for driving the wave model, and the wind prediction result of the advanced atmospheric model is applied as a wind input scenario. , Wave prediction error correction rate distribution map (Correction Map) generation result is reflected in the calibration of the real-time wave model prediction result, so that the prediction accuracy of the wave model can be improved.

특히, 파랑 모델 실시간 예측 자료 생성 단계에서 파랑모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정되도록 하여 파랑모델의 예측 정확도가 향상될 수 있도록 한다.Particularly, in the wave model real-time prediction data generation stage, the real-time prediction data of the wave model are corrected based on the satellite and sea buoy observation data, so that the prediction accuracy of the wave model can be improved.

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. 대기모델 예측 실시간 검보정부
50. 파랑모델 과거 예측 자료 DB 구축부
60. 파랑 예측 실시간 검보정부
70. 파랑 모델 실시간 예측 자료 제공부10. Maritime buoy data DB construction department
20. Satellite data DB construction unit
30. Atmospheric model past prediction data DB construction department
40. Atmospheric model prediction, real-time inspection
50. Wave model past prediction data DB construction unit
60. Wave prediction real-time gum correction government
70. Wave model real-time prediction data provider

Claims (17)

대상해역의 파고 및 바람 관측 자료를 수집하고 DB를 구축하는 해상부이 자료 DB 구축부;
인공위성을 통해 관측한 파고 및 풍속 자료를 수집하고 DB를 구축하는 인공위성 자료 DB 구축부;
대기모델을 이용하여 예측한 바람 자료 DB 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 대기모델 과거 예측 자료 DB 구축부;
대기모델 과거 예측 DB 검보정을 하는 대기모델 예측 실시간 검보정부;
파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성하는 파랑모델 과거 예측 자료 DB 구축부;
파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용되도록 하여 파랑 예측 실시간 검보정을 하는 파랑 예측 실시간 검보정부;
파랑모델의 실시간 예측 자료가 인공위성과 해상부이 관측 자료를 기반으로 보정되도록 하여 제공하는 파랑 모델 실시간 예측 자료 제공부;를 포함하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치.Maritime buoy data DB construction unit that collects wave height and wind observation data of the target sea area and builds a DB;
Satellite data DB construction unit that collects the wave height and wind speed data observed through the satellite and builds the DB;
Atmospheric model past prediction data DB construction unit that constructs a wind data DB predicted by using the atmospheric model and generates a correction map of the error correction rate;
Atmospheric model prediction real-time inspection unit that performs inspection of atmospheric model past prediction DB;
A wave model past prediction data DB construction unit that constructs a wave data DB predicted using a wave model and generates a correction map;
A real-time wave prediction unit for real-time calibration of the wave prediction by applying the wind prediction result of the advanced atmospheric model as input data for driving the wave model as a wind input scenario;
A wave model real-time prediction data providing unit that provides the real-time prediction data of the wave model to be corrected based on satellite and maritime buoy observation data; Device for. 제 1 항에 있어서, 인공위성 자료 DB 구축부는,
인공위성 자료 DB의 검증을 위하여 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하고,
해상부이를 이용한 파고 관측결과와 인공위성을 이용한 파고 관측결과에 대해 서로 비교 및 검보정을 하여 위성자료의 보정식을 산출하여 인공위성의 검증된 파고 DB 및 바람 DB가 구축되도록 하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 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 and corrected.
Wind prediction, characterized in that the wave height observation result using a maritime buoy and the wave height observation result using a satellite are compared and calibrated to calculate a correction equation of the satellite data to establish a verified wave height DB and wind DB of the satellite. A device for improving the accuracy of the wave prediction model through advanced data correction. 제 2 항에 있어서, 비교 및 검보정을 통해 산출된 위성자료의 보정식은,
Figure pat00003
와 같은 형태의 식인 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치.The method of claim 2, wherein the correction equation of the satellite data calculated through comparison and calibration is:
Figure pat00003
A device for improving the accuracy of a wave prediction model through an advanced correction of wind prediction data, characterized in that it is an equation of the same form 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) 전에 인공위성의 경로를 벗어난 빈 공간에 대해서는 데이터 보간을 수행하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 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,
An apparatus for improving the accuracy of a wave prediction model through advanced correction of wind prediction data, characterized in that data interpolation is performed on an empty space out of a path of an artificial satellite before a 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 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 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 part, a wave prediction model through advanced correction of wind prediction data, characterized in that each zone is divided according to the four typical wind directions of the target sea area, such as northwest, northeast, southwest, and southeast, and correction is made only for the corresponding zone. A device to improve accuracy. 제 1 항에 있어서, 대기모델 예측 실시간 검보정부는,
대기모델 과거 예측 자료 DB 구축부의 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치.The method of claim 1, wherein the atmospheric model prediction real-time gum correction unit,
Wind prediction, characterized in that the results of calibration performed across the deep sea and coastal areas in the wind prediction error correction rate distribution map generation step of the atmospheric model past prediction data DB construction unit are reflected in the real-time prediction data of the atmospheric model. A device for improving the accuracy of the wave prediction model through advanced data correction. 제 1 항에 있어서, 파랑모델 과거 예측 자료 DB 구축부는,
파랑 수치모델링 과정에서 해상부이 자료 DB 구축부 및 인공위성 자료 DB 구축부의 바람 자료를 수치모의를 위한 주요 입력요소로 적용하고,
검보정된 위성 자료를 기반으로 파랑모델의 과거 예측 DB를 보정하기 위한 파랑 예측 오차수정률 분포지도(Correction Map)를 생성하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치.The method of claim 1, wherein the wave model past prediction data DB construction unit,
In the wave numerical modeling process, the wind data of the maritime buoy data DB construction unit and the satellite data DB construction unit are applied as the main input elements for numerical simulation,
For improving the accuracy of the wave prediction model through the advanced correction of wind prediction data, characterized by generating a wave prediction error correction rate distribution map to correct the past prediction DB of the wave model based on the calibrated satellite data. Device. 제 7 항에 있어서, 오차수정률 분포지도(Correction Map)를 생성하기 전에 인공위성의 경로를 벗어난 빈 공간에 대한 데이터 보간으로,
인공위성 파고 자료의 공간 보간을 수행하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치.The method of claim 7, wherein data interpolation for an empty space out of the path of the satellite before generating the error correction rate distribution map (Correction Map),
A device for improving the accuracy of a wave prediction model by improving the correction of wind prediction data, characterized in that it performs spatial interpolation of satellite wave height data. 제 1 항에 있어서, 파랑 예측 실시간 검보정부는,
파랑 예측 실시간 검보정을 위하여 파랑모델 과거 예측 자료 DB 구축부에서 생된 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 장치.The method of claim 1, wherein the wave prediction real-time gum correction unit,
For the real-time calibration of the wave prediction, the result of generating the wave prediction error correction rate distribution map (Correction Map) generated by the DB construction unit of the wave model past prediction data is reflected in the calibration of the real-time wave model prediction result. A device for improving the accuracy of the blue prediction model through advanced correction. 대상해역의 파고 및 바람 관측 자료를 수집하고 DB를 구축하는 단계;
인공위성을 통해 관측한 파고 및 풍속 자료를 수집하고 DB를 구축하는 단계;
해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하는 단계;
대기모델을 이용하여 예측한 바람 자료 DB를 구축하는 단계;
검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고 보정하는 단계;
심해부와 연안부에 걸쳐 수행된 검보정 결과를 대기모델의 실시간 예측 자료에 반영하는 단계;
파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계;
파랑모델의 구동을 위한 입력 자료로써 고도화된 대기모델의 바람 예측 결과가 바람 입력 시나리오로 적용되도록 하는 단계;를 포함하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법.Collecting wave height and wind observation data of the target sea area and constructing a DB;
Collecting wave height and wind speed data observed through satellites and constructing a DB;
Comparing and calibrating wind observation results using a sea buoy and wind observation results using an artificial satellite;
Constructing a predicted wind data DB using an atmospheric model;
Generating and correcting an error correction rate distribution map for correcting the past prediction DB of the atmospheric model based on the calibrated satellite data;
Reflecting the results of the calibration performed over the deep sea and coastal areas in real-time prediction data of the atmospheric model;
Constructing a wave data DB predicted using a wave model and generating a correction map;
A method for improving the accuracy of the wave prediction model by improving the correction of the wind prediction data, comprising: applying the wind prediction result of the advanced atmospheric model as the wind input scenario as input data for driving the wave model. . 제 10 항에 있어서, 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하는 단계에서,
인공위성 자료 DB의 검증을 위하여 해상부이를 이용한 바람 관측결과와 인공위성을 이용한 바람 관측결과에 대해 서로 비교 및 검보정을 하고,
해상부이를 이용한 파고 관측결과와 인공위성을 이용한 파고 관측결과에 대해 서로 비교 및 검보정을 하여 위성자료의 보정식을 산출하여 인공위성의 검증된 파고 DB 및 바람 DB가 구축되도록 하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법.The method of claim 10, wherein in the step of comparing and recalibrating wind observation results using a sea buoy and wind observation results using an artificial satellite,
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 and corrected.
Wind prediction, characterized in that the wave height observation result using a maritime buoy and the wave height observation result using a satellite are compared and calibrated to calculate a correction equation of the satellite data to establish a verified wave height DB and wind DB of the satellite. A method for improving the accuracy of the wave prediction model through advanced data correction. 제 10 항에 있어서, 검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고 보정하는 단계에서,
검보정된 위성 자료를 기반으로 대기모델의 과거 예측 DB를 보정하기 위한 오차수정률 분포지도(Correction Map)를 생성하고,
오차수정률 분포지도(Correction Map) 전에 인공위성의 경로를 벗어난 빈 공간에 대해서는 데이터 보간을 수행하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법.The method of claim 10, wherein in the step of generating and correcting an error correction rate distribution map for correcting the past prediction DB of the atmospheric model based on the calibrated satellite data,
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 the accuracy of a wave prediction model through advanced correction of wind prediction data, characterized in that data interpolation is performed on an empty space out of the path of an artificial satellite before the error correction rate distribution map (Correction Map). 제 12 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 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법.The method of claim 12, taking into account the uncertainty of the wind prediction data of the atmospheric model near the coast that requires a high correction coefficient in the correction map,
In the coastal part, a wave prediction model through advanced correction of wind prediction data, characterized in that each zone is divided according to the four typical wind directions of the target sea area, such as northwest, northeast, southwest, and southeast, and correction is made only for the corresponding zone. Ways to improve accuracy. 제 10 항에 있어서, 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계에서,
대기모델 과거 예측 자료 DB 구축을 위한 바람 예측 오차수정률 분포지도(Correction Map) 생성 단계에서 심해부와 연안부에 걸쳐 수행된 검보정 결과가 대기모델의 실시간 예측 자료에 반영되도록 하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법.The method of claim 10, wherein in the step of constructing a wave data DB predicted using a wave model and generating an error correction rate distribution map (Correction Map),
Wind, characterized in that the results of the calibration performed across the deep sea and coastal areas in the generation of the wind prediction error correction rate distribution map for the construction of the atmospheric model past prediction data DB are reflected in the real-time prediction data of the atmospheric model. A method for improving the accuracy of the wave prediction model through advanced correction of prediction data. 제 10 항에 있어서, 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계에서,
파랑 수치모델링 과정에서 해상부이 자료 DB 구축부 및 인공위성 자료 DB 구축부의 바람 자료를 수치모의를 위한 주요 입력요소로 적용하고,
검보정된 위성 자료를 기반으로 파랑모델의 과거 예측 DB를 보정하기 위한 파랑 예측 오차수정률 분포지도(Correction Map)를 생성하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법.The method of claim 10, wherein in the step of constructing a wave data DB predicted using a wave model and generating an error correction rate distribution map (Correction Map),
In the wave numerical modeling process, the wind data of the maritime buoy data DB construction unit and the satellite data DB construction unit are applied as the main input elements for numerical simulation,
For improving the accuracy of the wave prediction model through the advanced correction of wind prediction data, characterized by generating a wave prediction error correction rate distribution map to correct the past prediction DB of the wave model based on the calibrated satellite data. Way. 제 15 항에 있어서, 오차수정률 분포지도(Correction Map)를 생성하기 전에 인공위성의 경로를 벗어난 빈 공간에 대한 데이터 보간으로,
인공위성 파고 자료의 공간 보간을 수행하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법.The method of claim 15, wherein the data interpolation for an empty space out of the path of the satellite before generating the error correction rate distribution map (Correction Map),
A method for improving the accuracy of a wave prediction model through correction and enhancement of wind prediction data, characterized by performing spatial interpolation of satellite wave height data. 제 10 항에 있어서, 파랑모델을 이용하여 예측한 파랑 자료 DB를 구축 및 오차수정률 분포지도(Correction Map) 생성을 하는 단계에서,
파랑 예측 실시간 검보정을 위하여 파랑모델 과거 예측 자료 DB 구축부에서 생된 파랑 예측 오차수정률 분포지도(Correction Map) 생성 결과가 실시간 파랑모델 예측결과의 검보정에 반영되도록 하는 것을 특징으로 하는 바람 예측 자료의 보정 고도화를 통한 파랑예측 모델 정확도 향상을 위한 방법.
The method of claim 10, wherein in the step of constructing a wave data DB predicted using a wave model and generating an error correction rate distribution map (Correction Map),
For the real-time calibration of the wave prediction, the result of generating the wave prediction error correction rate distribution map (Correction Map) generated by the DB construction unit of the wave model past prediction data is reflected in the calibration of the real-time wave model prediction result. A method for improving the accuracy of the blue prediction model through advanced correction.
KR1020190142426A 2019-11-08 2019-11-08 Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data KR102365072B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190142426A KR102365072B1 (en) 2019-11-08 2019-11-08 Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190142426A KR102365072B1 (en) 2019-11-08 2019-11-08 Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data

Publications (3)

Publication Number Publication Date
KR20210055976A true KR20210055976A (en) 2021-05-18
KR102365072B1 KR102365072B1 (en) 2022-02-18
KR102365072B9 KR102365072B9 (en) 2023-04-12

Family

ID=76158724

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190142426A KR102365072B1 (en) 2019-11-08 2019-11-08 Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data

Country Status (1)

Country Link
KR (1) KR102365072B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116147587A (en) * 2023-04-17 2023-05-23 南开大学 Wave prediction method and wave measurement system

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102589878B1 (en) * 2021-06-29 2023-10-16 한국해양과학기술원 System and Method for improving accuracy of satellite based sea wind speed performance using artificial intelligence
KR20230149385A (en) 2022-04-19 2023-10-27 한국해양과학기술원 System and method for estimating external environmental information using image information

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150117972A (en) 2014-04-11 2015-10-21 한국해양과학기술원 Method and system for predicting wave in coastal areas
KR101736918B1 (en) 2016-03-29 2017-05-17 한국해양과학기술원 System and Method for Predicting Sea Wave Using Sea Surface Wind Numerical Model Forecast Data
KR20180090176A (en) * 2017-02-02 2018-08-10 한국전자통신연구원 Apparatus and method for extracting of marine information including error correction
KR101977375B1 (en) 2017-11-20 2019-05-13 한양대학교 에리카산학협력단 Method for predicting wave and apparatus for the same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150117972A (en) 2014-04-11 2015-10-21 한국해양과학기술원 Method and system for predicting wave in coastal areas
KR101736918B1 (en) 2016-03-29 2017-05-17 한국해양과학기술원 System and Method for Predicting Sea Wave Using Sea Surface Wind Numerical Model Forecast Data
KR20180090176A (en) * 2017-02-02 2018-08-10 한국전자통신연구원 Apparatus and method for extracting of marine information including error correction
KR101977375B1 (en) 2017-11-20 2019-05-13 한양대학교 에리카산학협력단 Method for predicting wave and apparatus for the same

Non-Patent Citations (3)

* 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 *
우혜진 외 4인. 이어도 해양과학기지 관측 파고와 인공위성 관측 유의파고 차이의 특성 연구(2004~2016). 한국해양학회지 : 한국해양학회. 2018년, 제23권, 제1호, 페이지 1 내지 19 *
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
CN116147587A (en) * 2023-04-17 2023-05-23 南开大学 Wave prediction method and wave measurement system

Also Published As

Publication number Publication date
KR102365072B1 (en) 2022-02-18
KR102365072B9 (en) 2023-04-12

Similar Documents

Publication Publication Date Title
Orton et al. A validated tropical‐extratropical flood hazard assessment for N ew Y ork H arbor
Kohno et al. Recent progress in storm surge forecasting
KR102365072B1 (en) Apparatus and Method for Improving Wave Prediction Model Accuracy by Advancing Correction of Wind Prediction Data
Khalid et al. Advancing real-time flood prediction in large estuaries: iFLOOD a fully coupled surge-wave automated web-based guidance system
JP6521777B2 (en) Tsunami monitoring system
Hughes et al. Use of transient features to identify eastward currents in the Southern Ocean
Tanim et al. Storm-surge modelling for cyclone Mora in the northern Bay of Bengal
Funakoshi et al. Development of extratropical surge and tide operational forecast system (ESTOFS)
Greenslade et al. A First Generation Dynamical Tropical Cyclone Storm Surge Forecast System: Part 1: Hydrodynamic Model
Yoon et al. Coupled storm surge and wave simulations for the Southern Coast of Korea
Bryant et al. Application of the nearshore wave model STWAVE to the North Atlantic coast comprehensive study
KR102365071B1 (en) Apparatus and Method for Improving Model Prediction Accuracy through Advanced Calibration of Atmospheric Model Wind Prediction Data
Isnaini et al. Real-time wave prediction for floating offshore wind turbine based on the kalman filter
Jeong et al. Parametric adjustments to the rankine vortex wind model for Gulf of Mexico hurricanes
Faisal et al. Simulating Storm Surge of Tropical Cyclone “Bulbul” using MRI Model
Khandekar et al. Storm waves in Canadian waters: A major marine hazard
Yuk et al. Modelling of storm-induced seawater flooding in the Suyeong River area, South Korea: A case study due to the storm surge and waves during Typhoon Sanba
Wurjanto et al. Extreme significant wave height of western and central indonesian seas and its correlation with ISO 19901-1: 2015
Torres et al. Simulation of storm surge in northeast coast of the US; a closer look at the wind forcing
Yoon et al. Development of a near real-time forecasting system for storm surge and coastal inundation
Faisal et al. Simulation of Storm Surges in Bangladesh Using NWP Models
Gica et al. Numerical modeling of storm surge generated by Hurricane Iniki in Hawaii
Atan et al. Development of a high resolution wave model at AMETS using SWAN
Choi et al. Impact of the initial conditions from an atmospheric model on a wave forecast system
Răileanu et al. Data assimilation methods to improve the wave predictions in the Romanian coastal environment

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]