• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.632-636
• /
• 2006

본 연구에서는 레이더 강수를 산정하는 기법을 비교.분석하고자 하였다. 레이더 강수산정기법의 비교는 레이더 반사도를 강우강도로 변환시키는 두가지 Z-R 관계식 산정방법을 기준으로 구분하여 수행하였다. Z-R 관계식 산정방법 중 첫번째는 지상강우계와 대응되는 레이더 격자 사이의 관계를 통해서 Z-R 관계식을 산출하여 레이더 강수를 산정하는 Least-Square Fitting 방법이고, 두번째 방법은 강우량계에서 관측된 강우량과 이에 근접한 영역에서 얻은 레이더 반사도 자료 각각의 확률밀도함수를 대응시켜 Z-R 관계식을 산출하는 WPMM(Window Probability Matching Method)을 적용하는 방법이다. 이 두 방법의 비교를 위해 2003년 6월에서 8월사이의 두 강우사상을 선택하여 Z-R 관계식을 산정하였으며, 산정된 Z-R 관계식으로 추정된 레이더 강수의 기상학적 검증을 통해 정성적.정량적으로 검토하였다. 한반도 전역에 대하여 산정된 레이더 추정강수를 검토한 결과 대체적으로 정확도 및 상관성 측면에서 WPMM 방법이 Least-Square Fitting 방법보다 정확한 것으로 나타났다. 또한, 도시 유역의 홍수예경보에 적합한 레이더 강수산정기법을 파악하고자 중랑천 유역의 레이더 강수를 수문학적으로 분석한 결과 WPMM 방법이 보다 유효한 것으로 검토되었다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.30 no.2B
• /
• pp.159-167
• /
• 2010

The purpose of this study is to get the adjusted radar rainfalls by ANN(Artificial Neural Network) method. In the case of radar rainfall, it has an advantage of spatial distribution characteristics of rainfall while point rainfall has an advantage at the point. Therefore we adjusted the radar rainfall by ANN method considering the advantages of two rainfalls of radar and point. This study constructed two ANN models of Model I and Model II for radar rainfall adjustment. We collected the three rainfall events and adjusted the radar rainfall for Anseong-cheon basin. The two events were inputted into the Modeland Model to derive the optimum parameters and the rest event was used for validation. The adjusted radar rainfalls by ANN method and the raw radar rainfall were used as the input data of ModClark model which is a semi-distributed model to simulate the runoff. As the results of the simulation, the runoff by raw radar rainfall were overestimated but the peak time and peak runoff from the adjusted rainfall by ANN were well fitted to the observed hydrograph.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.5
• /
• pp.819-826
• /
• 2020

The UHF band wind profiler radars of the Korea Meteorological Administration (KMA), which produces the vertical profile of the wind, need to be calibrated for better performance. The capabilities of the radar in detecting even light precipitation were used for the calibration of which reference takes the hourly series of ground rainfall rate measured by a rain gauge at the radar site. This calibration must be renewed regularly according to the methodology implemented in this work since errors occur on the wind vectors in the clear sky without reflectivity calibration. Comparing the wind by wind profiler with that by radiosonde, the optimal radar constant contributed to the improvement of wind accuracy.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2002.05b
• /
• pp.1246-1250
• /
• 2002

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1515-1519
• /
• 2006

본 연구에서는 초단시간 강수예보(VSRF, Very Short-Range Forecast of precipitation) 시스템 구축 현황을 소개하고자 한다. VSRF 모델은 레이더 반사도 자료와 지상 AWS 자료를 이용하여 레이더-AWS 강우강도를 산출하는 강수분석과정과 분석된 강수량 자료와 중규모 수치예보장을 사용하여 외삽법에 의한 초단시간 강수예보를 수행하는 예보과정, 실시간으로 산출된 강수예보 자료를 검증하고 홈페이지에 제공하는 자료지원과정으로 구성된다. 본 연구에서는 모델의 예보능력을 향상시키기 위해 크게 두 가지 측면에서 모델을 개선하였다. 첫째는 모델의 입력자료인 레이더-AWS 강우강도 자료를 기상연구소 원격탐사연구실에서 운영하던 WPMM (Window Probability Matching Method)과 기상청 기상레이더과에서 운영하던 RQPE(Radar Quantitative Precipitation Estimation)의 알고리즘을 통합하여 정확한 강우강도 자료인 레이더-AWS 강우강도(RAR, Radar-AWS Rain rate) 시스템을 구축하여 개선하였으며, 둘째는 외삽과정을 통한 예보가 3시간이 지나면 예측능력이 감소하는 문제점을 보완하기 위해 현업 중규모 모델(RDAPS, Regional Data Assimilation and Prediction System)의 예측강수와 병합하여 모델을 개선하였다. 또한 이를 시계열 검증 및 공간 검증하는 실시간 검증 시스템을 구축하여 실시간으로 모델의 정확성을 평가하고 있다. 그 결과 입력자료 개선을 통한 모델의 정확도는 크게 향상된 결과는 볼 수 없었지만 미약하게 향상된 것을 확인할 수 있었으며, 모델의 병합을 통한 모델의 개선은 예측 3시간 이후부터는 50% 정도 향상되었다.의 대안을 제시하고자 한다.X>${\mu}_{max,A}$는 최대암모니아 섭취률을 이용하여 구한 결과 $0.65d^{-1}$로 나타났다.EX>$60%{\sim}87%$가 수심 10m 이내에 분포하였고, 녹조강과 남조강이 우점하는 하절기에는 5m 이내에 주로 분포하였다. 취수탑 지점의 수심이 연중 $25{\sim}35m$를 유지하는 H호의 경우 간헐식 폭기장치를 가동하는 기간은 물론 그 외 기간에도 취수구의 심도를 표층 10m 이하로 유지 할 경우 전체 조류 유입량을 60% 이상 저감할 수 있을 것으로 조사되었다.심볼 및 색채 디자인 등의 작업이 수반되어야 하며, 이들을 고려한 인터넷용 GIS기본도를 신규 제작한다. 상습침수지구와 관련된 각종 GIS데이타와 각 기관이 보유하고 있는 공공정보 가운데 공간정보와 연계되어야 하는 자료를 인터넷 GIS를 이용하여 효율적으로 관리하기 위해서는 단계별 구축전략이 필요하다. 따라서 본 논문에서는 인터넷 GIS를 이용하여 상습침수구역관련 정보를 검색, 처리 및 분석할 수 있는 상습침수 구역 종합정보화 시스템을 구축토록 하였다.N, 항목에서 보 상류가 높게 나타났으나, 철거되지 않은 검전보나 안양대교보에 비해 그 차이가 크지 않은 것으로 나타났다.의 기상변화가 자발성 기흉 발생에 영향을 미친다고 추론할 수 있었다. 향후 본 연구에서 추론된 기상변화와 기흉 발생과의 인과관계를 확인하고 좀 더 구체화하기 위한 연구가 필요할 것이다.게 이루어질 수 있을 것으로 기대된다.는 초과수익률이 상승하지만, 이후로는 감소하므로, 반전거래전략을 활용하는 경우 주식투자기간은 24개월이하의 중단기가 적합함을 발견하였다. 이상의 행태적 측면과 투자성과측면의 실증결과를 통하여 한국주식시장에

• Journal of Korea Water Resources Association
• /
• v.46 no.11
• /
• pp.1041-1052
• /
• 2013

In this study, we estimate parameters of a distributed hydrologic model, GRM (grid based rainfall-runoff model), using a model-independent parameter estimation tool, PEST. We implement auto calibration of model parameters such as initial soil moisture, multipliers of overland roughness and soil hydraulic conductivity in the Geumho River Catchment and the Gamcheon Catchment using radar rainfall estimates and ground-observed rainfall represented by Thiessen interpolation. Automatic calibration is performed by GRM-MP (multiple projects), a modified version of GRM without GUI (graphic user interface) implementation, and "Parallel PEST" to improve estimation efficiency. Although ground rainfall shows similar or higher cumulative amount compared to radar rainfall in the areal average, high spatial variation is found only in radar rainfall. In terms of accuracy of hydrologic simulations, radar rainfall is equivalent or superior to ground rainfall. In the case of radar rainfall, the estimated multiplier of soil hydraulic conductivity is lower than 1, which may be affected by high rainfall intensity of radar rainfall. Other parameters such as initial soil moisture and the multiplier of overland roughness do not show consistent trends in the calibration results. Overall, calibrated parameters show different patterns in radar and ground rainfall, which should be carefully considered in the rainfall-runoff modelling applications using radar rainfall.

• Journal of Wetlands Research
• /
• v.19 no.1
• /
• pp.112-121
• /
• 2017

This study proposed the quantitative precipitation estimation method using overlapped area in radar network. For this purpose, the dense rain gauges and radar network are used. As a result, we found a reflectivity bias between two radar located in different area and developed the new quantitative precipitation estimation method using the bias. Estimated radar rainfall from this method showed the apt radar rainfall estimate than the other results from conventional method at overall rainfall field.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.78-78
• /
• 2015

조기에 홍수 위험을 예측하고, 빠르게 이동 또는 진화하는 강수 사상을 추적하기 위해서는 높은 시간 해상도의 실시간 강우 생산이 필요하다. 레이더는 순간 강우강도를 측정하기 때문에, 긴 시간 간격의 관측 주기는 빠르게 움직이는 폭풍의 레이더 QPE에 상당한 샘플링 오차가 발생하기 쉽다. 따라서 본 연구에서는 레이더 관측주기에 따른 강우량의 정량적 차이에 대한 검증을 실시하였다. 본 검토는 2013-2014년 한국건설기술연구원(KICT) X-Band 이중편파레이더로 관측된 사상을 대상으로 하였다. 최소 관측주기(관측전략에 따른 최소 관측주기)를 토대로 샘플링을 하여 긴관측주기 자료를 생산하였다. 비교결과, 약 5분 관측주기에서도 5 % 이상의 차이를 보이는 경우가 상당수 있었다. 이 결과를 토대로 보면 도시홍수 관측을 위해서는 대략 1-2분 정도의 관측주기를 유지해야 하는 것으로 나타났다.

• Korean Journal of Remote Sensing
• /
• v.37 no.5_3
• /
• pp.1405-1423
• /
• 2021

Precipitation is one of the main factors that affect water and energy cycles, and its estimation plays a very important role in securing water resources and timely responding to water disasters. Satellite-based quantitative precipitation estimation (QPE) has the advantage of covering large areas at high spatiotemporal resolution. In this study, machine learning-based rainfall intensity models were developed using Himawari-8 Advanced Himawari Imager (AHI) water vapor channel (6.7 ㎛), infrared channel (10.8 ㎛), and weather radar Column Max (CMAX) composite data based on random forest (RF). The target variables were weather radar reflectivity (dBZ) and rainfall intensity (mm/hr) converted by the Z-R relationship. The results showed that the model which learned CMAX reflectivity produced the Critical Success Index (CSI) of 0.34 and the Mean-Absolute-Error (MAE) of 4.82 mm/hr. When compared to the GeoKompsat-2 and Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) rainfall intensity products, the accuracies improved by 21.73% and 10.81% for CSI, and 31.33% and 23.49% for MAE, respectively. The spatial distribution of the estimated rainfall intensity was much more similar to the radar data than the existing products.

• Journal of Korea Water Resources Association
• /
• v.53 no.12
• /
• pp.1159-1172
• /
• 2020

This study applied deep convolution neural network based on U-Net and SegNet using long period weather radar data to very short-term rainfall prediction. And the results were compared and evaluated with the translation model. For training and validation of deep neural network, Mt. Gwanak and Mt. Gwangdeoksan radar data were collected from 2010 to 2016 and converted to a gray-scale image file in an HDF5 format with a 1km spatial resolution. The deep neural network model was trained to predict precipitation after 10 minutes by using the four consecutive radar image data, and the recursive method of repeating forecasts was applied to carry out lead time 60 minutes with the pretrained deep neural network model. To evaluate the performance of deep neural network prediction model, 24 rain cases in 2017 were forecast for rainfall up to 60 minutes in advance. As a result of evaluating the predicted performance by calculating the mean absolute error (MAE) and critical success index (CSI) at the threshold of 0.1, 1, and 5 mm/hr, the deep neural network model showed better performance in the case of rainfall threshold of 0.1, 1 mm/hr in terms of MAE, and showed better performance than the translation model for lead time 50 minutes in terms of CSI. In particular, although the deep neural network prediction model performed generally better than the translation model for weak rainfall of 5 mm/hr or less, the deep neural network prediction model had limitations in predicting distinct precipitation characteristics of high intensity as a result of the evaluation of threshold of 5 mm/hr. The longer lead time, the spatial smoothness increase with lead time thereby reducing the accuracy of rainfall prediction The translation model turned out to be superior in predicting the exceedance of higher intensity thresholds (> 5 mm/hr) because it preserves distinct precipitation characteristics, but the rainfall position tends to shift incorrectly. This study are expected to be helpful for the improvement of radar rainfall prediction model using deep neural networks in the future. In addition, the massive weather radar data established in this study will be provided through open repositories for future use in subsequent studies.