• 대기
• /
• 제31권4호
• /
• pp.395-404
• /
• 2021

In order to investigate downslope windstorm by using more detailed observation, we observed 6 cases at 3 sites - Inje, Yongpyeong, and Bukgangneung - during "3-D Meteorological Observation Project in Yeongdong region of Gangwon province, South Korea in 2020." The results from analysis of the project data were as follows. First, AWS data showed that a subsidence inversion layer appeared in 800~700 hPa on the windward side and 900~850 hPa on the leeward side. Second, before strong wind occurred, the inversion layer had descended to about 880~800 hPa. Third, with mountain wave breaking, downslope wind was intensified at the height of 2~3 km above sea level. After the downslope wind began to descend, the subsidence inversion layer developed. When the subsidence inversion layer got close to the ground, wind peak occurred. In general, UM (Unified Model) GDAPS (Global Data Assimilation Prediction System) have had negative bias in wind speed around peak area of Taebaek mountain range, and positive bias in that of East Sea coast area. The stronger wind blew, the larger the gap between observed and predicted wind speed by GDAPS became. GDAPS predicted strong p-velocity at 0600 LST 25 Apr 2020 (4^th case) and weak p-velocity at 2100 LST 01 Jun 2020 (6^th case) on the lee-side of Taebaek mountain range near Yangyang. As hydraulic jump theory was proved, which is known as a mechanism of downslope windstorm in Yeongdong region, it was confirmed that there is a relationship between p-velocity of lee-side and wind speed of eastern slope of Taebaek mountain range.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.851-861
• /
• 2022

본 연구는 전산유체역학(computational fluid dynamics, CFD) 모델을 이용하여 도시 지역에서 수목이 PM_2.5 저감에 미치는 영향을 조사하였다. 현실적인 수치 모의를 위해, 기상청에서 현업으로 운영 중인 국지예보시스템(LDAPS)이 예측한 기상 자료를 CFD 모델의 초기·경계 자료로 사용하였다. CFD 모델 성능 검증은 연구 대상지 내에 구축된 6개의 센서에서 측정한 PM_2.5 농도를 이용하였다. 본 연구에서는 수목이 PM_2.5 농도 분포에 미치는 영향을 분석하기 위하여, 수목이 식재 되지 않았다고 가정한 경우, 수목이 식재되어 있지만 바람에 대한 항력 효과만 존재한다고 가정한 경우, 수목의 항력 효과와 침적 효과가 모두 존재한다고 가정한 경우에 대한 수치 실험을 수행하였다. 분석대상 기간 동안 PM_2.5 저감 효과가 뚜렷하게 나타난 세 가지 영역 중 군부대 내의 PM_2.5 평균 농도를 비교한 결과, 수목이 식재되지 않은 경우는 12.8 ㎍ m^-3, 수목의 항력 효과만 고려한 경우는 12.5 ㎍ m^-3이 나타났고, 수목의 항력 효과와 침적 효과가 모두 고려한 경우는 6.8 ㎍ m^-3가 나타났다. 수목에 의한 건성 침적이 PM_2.5 농도를 감소시키는 효과가 있는 것으로 확인되었다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.395-408
• /
• 2021

본 연구에서는 GIS와 CFD 모델을 이용하여 풍속과 풍향이 건물 화재에 미치는 영향을 조사하였다. 이를 위해, 2020년 10월 8일 울산의 한 아파트에서 발생한 화재 사고에 대한 수치 실험을 수행하였고, 현실적인 기상 조건을 반영하기 위하여 국지기상예보시스템(LDAPS)의 바람과 온위 자료를 초기·경계 자료로 사용하였다. 먼저, 현실적인 경계 조건을 사용하여 두 가지 수치 실험을 수행하였다(규준 실험에서는 건물 화재를 고려하고, 다른 실험에서는 건물 화재를 제외하고는 규준 실험과 동일한 기상 조건 이용). 그런 다음, 규준 실험과 유입 풍속과 방향이 다른 4개의 수치 실험을 추가로 수행하였다. 수치 실험 결과, 발화 지점이 건물 풍상측에 위치할 때에는 화재로 인한 강한 상승 기류가 건물 지붕과 풍하측 지역에 영향을 미쳤다. 또한, 대피층(15층)은 건물 풍상 측 벽면의 화재를 풍하측으로 확산시키는 역할을 했다. 유입 풍속이 약할수록 발화점 주변으로의 화재가 좁게 확산되었지만 건물 위로 화염이 도달하는 고도는 상승했다. 유입 풍향이 반대인 경우, 발화 지점이 풍하측에 위치할 때에는 화염이 건물 풍상 측으로 확산되지 않았다. 본 연구 결과는 풍속과 풍향이 화재가 발생한 건물 주변의 흐름과 온도(화염) 분포에 중요하다는 것을 보여준다.

• 한국수자원학회논문집
• /
• 제56권8호
• /
• pp.471-484
• /
• 2023

적대적 생성 신경망 기반의 딥러닝 모델은 학습된 정보를 바탕으로 새로운 정보를 생성하는데 특화되어 있다. 구글 딥마인드에서 개발한 deep generative model of rain (DGMR) 모델은 대규모 레이더 이미지 데이터의 복잡한 패턴과 관계를 학습하여, 예측 레이더 이미지를 생성하는 적대적 생성 신경망 모델이다. 본 연구에서는 환경부 레이더 강우관측자료를 이용하여 DGMR 모델을 학습하고, 2021년 8월 호우사례를 대상으로 적대적 생성 신경망을 이용하여 강우예측을 수행하고 기존 예측기법들과 정확도를 비교하였다. DGMR은 대체적으로 선행 60분까지는 강우 분포 위치가 관측강우와 가장 유사하였으나, 전체 영역에서 강한 강우가 발생한 사례에서는 강우가 지속적으로 발달하는 것으로 예측하는 경향이 있었다. 통계적 평가에서도 DGMR 기법이 1시간 선행예측에서 임계성공지수 0.57~0.79, 평균절대오차 0.57~1.36 mm로 나타나 타 기법 대비 효과적인 강우예측 기법임을 보여주었다. 다만, 생성 결과의 다양성이 부족한 경우가 발생하여 예측 정확도를 저하하므로 다양성을 개선하기 위한 연구와 2시간 이상의 선행예측에 대한 정확도 개선을 위해 물리기반 수치예보모델 예측강우 자료를 이용한 보완이 필요할 것으로 판단되었다.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2009년도 한국우주과학회보 제18권2호
• /
• pp.41.2-41.2
• /
• 2009

저궤도위성에서 수신한 지구대기에 의해 엄폐된(Occulted) GPS 신호를 이용한 연직 수증기량 산출에 관해 다루었다. 전파엄폐(Radio Occultation) 기법은 원래 행성대기에 의해 엄폐된(Occulted) 별빛을 이용하여 행성의 대기를 분석하는데 사용되던 기법을 일컫는 말로 최근엔 GPS를 이용한 지구대기 분석에 활용되고 있다. 1995년 GPS/MET 위성을 통해 처음으로 GPS 전파엄폐 기술을 통한 대기정보의 연직분포를 산출하였고, 현재는 COSMIC 위성군을 비롯해 많은 저궤도위성에서 GPS 전파엄폐기술을 통해 온도, 압력, 습도 등의 연직분포를 산출하고 있다. 이 중 연직 수증기량 분포는 기상예보를 위한 수치모델(Numerical Weather Model)에서 매우 중요한 초기 값이다. GPS 전파엄폐 기술을 통한 연직수증기량 산출은 라이오존데(Radiosonde)나 마이크로미터와 같은 연직수증기량 관측기기의 검증 및 상호 통합활용이라는 측면에서 활용가치가 매우 높다. 특히, GPS 전파엄폐 기법은 시공간적 제약이 상대적으로 전 지구적인 기후분석에는 적합한 기법으로 주목을 받고 있다. 이 연구에서는 COSMIC에서 제공하는 굴절각(Bending Angle)정보를 이용하여 연직 수증기량을 산출하는 알고리즘을 구현하였다. 또한 천문연이 보유하고 있는 마이크로미터에서 산출한 가강수량과의 비교.검증하기위한 방안을 도출하였다. 이 연구결과는 현재 진행 중인 다목적실용위성 5호의 전파엄폐용 수신기의 활용에 기여할 것으로 기대된다.

• 대기
• /
• 제33권4호
• /
• pp.387-398
• /
• 2023

The double Fourier series (DFS) spectral dynamical core is evaluated for the two idealized test cases in comparison with the spherical harmonics (SPH) spectral dynamical core. A new approach in calculating the meridional expansion coefficients of DFS, which was recently developed to alleviate a computational error but only applied to the 2D spherical shallow water equation, is also tested. In the 3D deformational tracer transport test, the difference is not conspicuous between SPH and DFS simulations, with a slight outperformance of the new DFS approach in terms of undershooting problem. In the baroclinic wave development test, the DFS-simulated wave pattern is quantitatively similar to the SPH-simulated one at high resolutions, but with a substantially lower computational cost. The new DFS approach does not offer a salient advantage compared to the original DFS while computation cost slightly increases. This result suggests that the current DFS spectral method can be a practical and alternative dynamical core for high-resolution global modeling.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• 한국지능시스템학회논문지
• /
• 제26권3호
• /
• pp.182-189
• /
• 2016

수치예보모델을 이용한 예보의 정확도를 높이기 위해 관측 간격이 조밀하고 많은 양의 관측자료를 사용하는 방법이 있다. 현재 기상청에서는 자동기상관측장비(Automatic Weather Station, AWS)를 설치하여 관측자료를수 집하고 있지만, 고가의 설치 및 유지보수 비용 등의 경제적인 한계가 있다. 소형 자동기상관측장비(Mini-AWS)는 기온, 습도, 기압을 측정하고 기록할 수 있는 초소형 기상관측장비로 설치 및 유지보수 비용이 저렴하고 설치를 위한 장소 선택의 제약이 크지 않아 필요한 지역에 설치하여 관측자료를 수집하기가 용이하다. 그러나 설치 장소에 따라 외부환경에 영향을 받을 수 있기 때문에 관측자료의 보정이 필요하다. 본 논문에서는 Mini-AWS 기압자료를 기상자료로 활용하기 위한 보정기법을 제안한다. Mini-AWS를 통해 수집된 관측자료는 전처리 과정을 거쳐 주변에서 가장 가까운 AWS 기압 값을 참값으로 기계학습 기법을 이용하여 기압 보정을 수행하였다. 실험결과 기상관측 규정에 따른 허용오차 범위 내에 포함되었으며, 지지벡터 회귀를 적용한 보정기법이 가장 좋은 성능을 보였다.

• 대기
• /
• 제28권2호
• /
• pp.223-232
• /
• 2018

The Global-Korean aviation Turbulence Guidance (G-KTG) system is developed using the operational Global Data Assimilation and Prediction System of Korea Meteorological Administration with 17-km horizontal grid spacing. The G-KTG system provides an integrated solution of various clear-air turbulence (CAT) diagnostics and mountain-wave induced turbulence (MWT) diagnostics for low [below 10 kft (3.05 km)], middle [10 kft (3.05 km) - 20 kft (6.10 km)], and upper [20 kft (6.10 km) - 50 kft (15.24 km)] levels. Individual CAT and MWT diagnostics in the G-KTG are converted to a 1/3 power of energy dissipation rate (EDR). 12-h forecast of the G-KTG is evaluated using 6-month period (2016.06~2016.11) of in-situ EDR observation data. The forecast skill is calculated by area under curve (AUC) where the curve is drawn by pairs of probabilities of detection of "yes" for moderate-or-greater-level turbulence events and "no" for null-level turbulence events. The AUCs of G-KTG for the upper, middle, and lower levels are 0.79, 0.69, and 0.63, respectively. Comparison of the upper-level G-KTG with the regional-KTG in East Asia reveals that the forecast skill of the G-KTG (AUC = 0.77) is similar to that of the regional-KTG (AUC = 0.79) using the Regional Data Assimilation and Prediction System with 12-km horizontal grid spacing.

• 대기
• /
• 제29권5호
• /
• pp.567-583
• /
• 2019

In this study, the high-resolution numerical simulations considering detailed anthropogenic heat, albedo, emission and roughness length are analyzed by using single layer Urban Canopy Model (UCM) in Weather Research Forecast (WRF). For this, improved urban parameter data for Seoul Metropolitan Area (SMA) was collected from global data. And then the parameters were applied to WRF-UCM model after it was processed into 2-dimensional topographical data. The 6 experiments were simulated by using the model with each parameter and verified against observation from Automated Weather Station (AWS) and flux tower for the temperature and sensible heat flux. The data for sensible heat flux of flux towers on Jungnang and Bucheon, the temperature of AWS on Jungnang, Gangnam, Bucheon and Neonggok were used as verification data. In the case of summer, the improvement of simulation by using detailed anthropogenic heat was higher than the other experiments in sensible flux simulation. The results of winter case show improved in all simulations using each advanced parameters in temperature and sensible heat flux simulation. Improvement of urban parameters in this study are possible to reflect the heat characteristics of urban area. Especially, detailed application of anthropogenic heat contributed to the enhancement of predicted value for sensible heat flux and temperature.