• 전기학회논문지
• /
• 제64권7호
• /
• pp.1114-1124
• /
• 2015

In this paper, precipitation / non-precipitation pattern classification of meteorological radar data is conducted by using neuro-fuzzy algorithm. Structure expression of meteorological radar data information is analyzed in order to effectively classify precipitation and non-precipitation. Also diverse input variables for designing pattern classifier could be considered by exploiting the quantitative as well as qualitative characteristic of meteorological radar data information and then each characteristic of input variables is analyzed. Preferred pattern classifier can be designed by essential input variables that give a decisive effect on output performance as well as model architecture. As the proposed model architecture, neuro-fuzzy algorithm is designed by using FCM-based radial basis function neural network(RBFNN). Two parts of classifiers such as instance classifier part and echo classifier part are designed and carried out serially in the entire system architecture. In the instance classifier part, the pattern classifier identifies between precipitation and non-precipitation data. In the echo classifier part, because precipitation data information identified by the instance classifier could partially involve non-precipitation data information, echo classifier is considered to classify between them. The performance of the proposed classifier is evaluated and analyzed when compared with existing QC method.

• 전기학회논문지
• /
• 제63권5호
• /
• pp.676-682
• /
• 2014

In this paper, precipitation echo(PRE) and non-precipitaion echo(N-PRE)(including ground echo and clear echo) through weather radar data are identified with the aid of neuro-fuzzy algorithm. The accuracy of the radar information is lowered because meteorological radar data is mixed with the PRE and N-PRE. So this problem is resolved by using RBFNN and judgement module. Structure expression of weather radar data are analyzed in order to classify PRE and N-PRE. Input variables such as Standard deviation of reflectivity(SDZ), Vertical gradient of reflectivity(VGZ), Spin change(SPN), Frequency(FR), cumulation reflectivity during 1 hour(1hDZ), and cumulation reflectivity during 2 hour(2hDZ) are made by using weather radar data and then each characteristic of input variable is analyzed. Input data is built up from the selected input variables among these input variables, which have a critical effect on the classification between PRE and N-PRE. Echo judgment module is developed to do echo classification between PRE and N-PRE by using testing dataset. Polynomial-based radial basis function neural networks(RBFNNs) are used as neuro-fuzzy algorithm, and the proposed neuro-fuzzy echo pattern classifier is designed by combining RBFNN with echo judgement module. Finally, the results of the proposed classifier are compared with both CZ and DZ, as well as QC data, and analyzed from the view point of output performance.

• 대기
• /
• 제28권4호
• /
• pp.443-455
• /
• 2018

Nowcasting algorithms using weather radar data are mostly based on extrapolating the radar echoes. We estimate the echo motion vectors that are used to extrapolate the echo properly. Therefore, understanding the general characteristics of these motion vectors is important to improve the performance of nowcasting. General characteristics of radar-based motions are analyzed for warm season precipitation over Jeju region. Three-year summer season data (June~August, 2011~2013) from two radars (GSN, SSP) in Jeju are used to obtain echo motion vectors that are retrieved by Variational Echo Tracking (VET) method which is widely used in nowcasting. The highest frequency occurs in precipitation motion toward east-northeast with the speed of $15{\sim}16m\;s^{-1}$ during the warm season. Precipitation system moves faster and eastward in June-July while it moves slower and northeastward in August. The maximum frequency of speed appears in $10{\sim}20m\;s^{-1}$ and $5{\sim}10m\;s^{-1}$ in June~July and August respectively while average speed is about $14{\sim}15m\;s^{-1}$ in June~July and $8m\;s^{-1}$ in August. In addition, the direction of precipitation motion is highly variable in time in August. The speed of motion in Lee side of the island is smaller than that of the windward side.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.204-204
• /
• 2020

환경부는 기존 대형 강우레이더 관측망에 대한 동해안 지역 관측공백 해소와 집중호우에 의한 재해예방을 목적으로 2기의 전파강수관측소를 삼척과 울진 통고산에 구축 운영하고 있다. 본 연구에서는 삼척 및 울진 전파강수관측소 관측 자료 품질 향상을 위한 다양한 품질 분석 기법을 소개하고 그 결과를 제시한다. 설치된 전파강수관측소의 시스템 특성 중 하나인 Short/Long 펄스 신호에 따른 자료의 연속/불연속성 및 피뢰침에 의한 자료 품질, 그리고 강수에 의한 신호감쇠에 따른 유효관측거리 등을 분석하였다. 이러한 분석을 기반으로 신호보정옵셋 및 피뢰침 위치 등을 조정하여 자료 품질을 향상하였다. 또한 삼척과 울진 전파강수관측소를 대상으로 분포형 비차등위상차 산정 기술을 적용하고 그 결과를 분석하였다. 비차등위상차는 시스템 편차나 우박 등의 영향에서 자유로워 특히 전파강수관측소와 같은 X 밴드 정량강우 추정에서 중요하다. 일반적으로 비차등위상차는 차등위상차에 대한 필터링 기법으로 산출하는데, 이 방법은 약한 강수에 대해 변동성이 크며 지형에코 등에 의해 영향을 크게 받는다는 단점이 있다. 본 연구에서는 일반적인 필터링 기법에 의한 비차등위상차와 분포형 기법을 적용한 비차등위상차에 대해 비교 분석을 하였다. 전파강수관측소 강우 자료를 이용한 분포형 비차등위상차 시험적용 결과 기존 비차등위상차에 비해 정성적으로 우위를 보임을 알 수 있었다.

• 대한원격탐사학회지
• /
• 제34권3호
• /
• pp.465-480
• /
• 2018

2017년 1월 20일 영동 뇌설 사례는 강수 초기 3시간 동안 20 cm 이상의 강한 강설이 낙뢰와 함께 영동 해안 지역에 나타났다. 이 연구에서는 강한 강수 기간 동안 고층 관측 자료를 이용하였고, 고층 관측 장비는 북강릉 지점의 연직바람관측장비, 라디오미터 그리고 레윈존데를 사용하였다. 북강릉과 강릉원주대학교에서 강한 강수가 나타났을 때 연직 바람과 기온의 특징을 조사한 결과는 다음과 같다: 1) 2~6 km에서 강한 북동풍 그리고 4~6 km에서 $-18^{\circ}C\;km^{-1}$ 이상의 기온 감률을 보이는 강한 대기불안정이 관측되었다. 이러한 특징은 대류운이 6 km 이상 고도까지 발달하였음을 나타낸다. 2) 1 km 이하에서 기온의 감소가 나타났으며, 이것은 북강릉 지점 AWS 지상 기온이 약 30분 동안 $4^{\circ}C$ 감소한 것과 잘 일치한다. 이러한 기온 감소는 동서 방향의 좁은 영역에서 나타나고 레이더 에코와 낙뢰 분포 영역도 동일한 위치에서 관측되었다. 이것은 중위도 저기압의 한랭전선형 강수의 특징과 유사하다. 결과적으로 영동 뇌설 사례는 한랭전선형 강수와 대류성 강수의 영향이 결합된 시스템으로 분석하였다.

• 한국농림기상학회지
• /
• 제15권3호
• /
• pp.171-177
• /
• 2013

본 연구는 기상청에서 제공하는 강수 실황 혹은 예보로부터 농업부문에서 활용 가능한 수준의 상세한 강수분포도를 제작하기 위한 방안으로서, 레이더 반사강도를 KLAPS 5km 강수자료에 적용하여 1km 격자해상도로 상세화 하는 1단계와, 고해상도 DEM에 근거한 지표면 경사방향(지향면)에 따라 고도-강수량 회귀 계수를 달리하여 지형효과를 반영하는 2단계 등으로 이루어진 추정기법을 고안하였다. 이 기법의 현실세계 적용방법 모색 및 신뢰도 평가를 위해 경상남도 하동군 악양면을 실험 집수역으로 설정하고 2013년 1월부터 5월까지 총 19사례의 강수에 대해 기상청으로부터 KLAPS 강수자료를 수집하였다. 1단계로는 강수일의 24시간 적산 레이더에코 자료를 이용하여 1km 해상도로 자료의 규모를 축소하였다. 2단계로는 1km 격자점의 값을 가상의 관측자료로 삼아 270m 해상도에서 PRISM 기반의 지형효과를 반영한 강수량 분포도를 생성하였다. 실험 집수역에 13대의 무인기상관측장비를 다양한 고도 및 지형조건에서 설치하고, 추정된 강수분포도로부터 13개 지점에 해당하는 격자점의 자료를 추출하여 실측값과 비교하였다. 일 강수량 10mm 이상의 사례에서는 모든 관측지점에서 추정오차 감소효과가 인정되었으며, 특히 일강수량이 30mm 이상인 사례에서 평균 35% 이상의 오차감소효과를 확인하였다.