• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.123-126
• /
• 2005

본 연구에서는 상층기상자료, 자동 기상 관측망 자료 및 신경망기법을 사용하여 단시간 강우 예측 모형을 개발하였다. 호우를 동반한 이송 기상 시스템의 이동 경로가 라디오존데로부터 획득할 수 있는 상층기상 자료 즉 상층 풍향자료와 동일한 방향으로 이동한다는 가정 하에 원거리에서 발생하는 기상현상의 발달과정을 판단 할 수 있는 알고리즘을 개발하고, 이러한 원거리 입력 자료와 예측하고자 하는 값 사이의 비선형 상관 관계를 연결하는 기법으로 인공 신경망 기법을 도입하였다. 개발된 모형을 2002년 태풍 루사로 인하여 큰 피해를 입은 감천지역에 적용하였다. 포항과 오산의 라디오존데에서 획득한 700mb에서의 풍향자료와 5년의 자료기간을 가지는 350개의 자동 기상 관측망 자료를 입력 자료로 사용하였으며 결과는 상층기상자료를 사용하지 않고 예측한 결과에 대하여 개선된 강우 예측결과를 보여주었다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.3 no.2
• /
• pp.121-125
• /
• 2001

농업기상정보서비스는 농촌진흥청 정보화 기술개발 사업의 일환으로 개발되었다. 이 사업은 전국의 농업기상자동관측장비(Automatic Weather Station; AWS)를 전산망에 통합하여 전국 농업기상관측망을 구축하고, 농업기상정보의 수집, 저장을 체계화하는 한편, 이를 이용하여 농업인, 정책결정자, 연구원 등에게 필요한 형태로 농업기상정보를 제공하기 위한 목적으로 수행되었다.(중략)

• Journal of Korea Water Resources Association
• /
• v.39 no.8 s.169
• /
• pp.717-726
• /
• 2006

In this study, we developed a rainfall forecasting model using data from radiosonde and rain gauge network and neural networks. The primary hypothesis is that if we can consider the moving direction of the rain generating weather system in forecasting rainfall, we can get more accurate results. We assume that the moving direction of the rain generating weather system is same as the wind direction at 700mb which is measured at radiosonde networks. Neural networks are consisted of 8 different modules according to 8 different wind directions. The model was verified using 350 AWS data and Pohang radiosonde data. Correlation coefficient is improved from 0.41 to 0.73 and skill score is 0.35. Statistical performance measures of the Quantitative Precipitation Forecast (QPF) model show improved output compared to that of rainfall forecasting model using only AWS data.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.8 no.1
• /
• pp.36-44
• /
• 2006

In this study, we constructed a forest fire danger map in the Yeongdong area of Gangwon-do and Northeastern area of Gyeongsangbuk-do using a forest fire rating model and geographical information system (GIS). We investigated the appropriate positions of the automatic weather station (AWS) and a comprehensive network solution (a system including measurement, communication and data processing) for the establishment of an optimum mountain meteorological observation network system (MMONS). Also, we suggested a possible plan for combining the MMONS with unmanned monitoring camera systems and wireless relay towers operated by local governments and the Korea Forest Service for prevention of forest fire.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.138-138
• /
• 2016

강수량은 농업과 수자원관리, 그 외 사회 기반 사업들에게 광범위하게 영향을 미치는 매우 중요한 기상요소이므로 강수량 관측자료는 사회전반에 활용되고 있다. 하지만 강수량은 공간적인 불연속성이 크기 때문에 조밀한 관측자료를 필요로 하고 있으며, 때문에 관측이 이루어지지 않은 미관측 지점의 강수량 자료를 복원하려는 연구도 계속 진행되고 있다. 관측자료를 이용하여 미관측 지점의 강수량을 복원하는 방법으로 지상 강수량 관측자료와 연직 상층기상자료 및 고해상도 지형자료를 이용하여 복원하는 정량적 강수량 진단 모형이 이미 개발되어 대한민국을 대상으로 강수량 복원이 이루어진 바 있다. 대한민국은 전국이 대략 10 km 정도로 비교적 조밀하고 일정한 지상 관측망을 가지고 있어 관측자료를 이용한 강수량 복원에 유리하다. 하지만 전 세계 많은 지역에서 강수량 관측자료는 매우 부족한 실정이며 가깝게는 북한과 중국에서부터 아프리카와 남아메리카 등 일부 강수량 관측이 전혀 이루어지지 않는 지역도 존재한다. 이러한 지역에 대한 강수량 복원 정확도에 대해서는 지금까지 연구된 바 없으며 관측자료 수에 따른 복원 민감도에 대한 연구도 이루어지지 않았다. 따라서 대한민국에 비해 관측자료가 부족한 지역에 대해 복원 정확도를 파악할 필요성이 있으므로 본 연구에서는 관측소 밀집정도에 따른 미관측 지역의 강수량 복원 민감도 분석을 하였다. 대한민국은 572개 지점의 지상기상관측망(자동기상관측장비 AWS 477개, 종관기상관측장비 ASOS 95개 지점)을 운영하고 있으며, 10개 지점의 기상레이더가 전국을 감시하고 있어 미관측 지점에 대해 검증자료로 활용할 수 있으므로 강수량 복원 민감도 분석 대상 지역으로 선정하였다. 강수량 복원 정확도 검증을 위해 강수량 복원자료의 격자점과 가장 근접한 관측지점을 검증지점으로 선정하고, 강수량 복원에는 검증지점을 제외한 관측자료만을 이용하였다. 관측자료 밀집정도에 따른 민감도 분석을 위해 관측자료를 100% 사용하였을 때와 일부만 사용하였을 때로 나누어 분석하였다. 관측소 밀집도에 따른 강수량 복원 정확도 민감성 분석을 통해 관측소가 부족한 북한, 중국, 아프리카 등지의 미관측 지점 복원 정확도를 추정할 수 있으며 관측소가 부족하거나 전무한 지역에서 강수량 복원 정확도를 늘리기 위해 필요한 관측소 수를 파악하는 데에 적용할 수 있을 것이다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.26 no.1
• /
• pp.1-8
• /
• 2016

The Korea Meteorological Administration has operated the Automatic Weather Stations, of the average 13 km horizontal resolution, to observe rainfall. However, an additional RADAR network also has been operated in all-weather conditions, because AWS network could not observed rainfall over the sea. In general, the rain rate is obtained by estimating the relationship between the radar reflectivity (Z) and the rainfall (R). But this empirical relationship needs to be optimized on the rainfall over the Korean peninsula. This study was carried out to optimize the Z-R relationship in the summer of 2014 using a parallel Micro Genetic Algorithm. The optimized Z-R relationship, $Z=120R^{1.56}$, using a micro genetic algorithm was different from the various Z-R relationships that have been previously used. However, the landscape of the fitness function found in this study looked like a flat plateau. So there was a limit to the fine estimation including the complex development and decay processes of precipitation between the ground and an altitude of 1.5km.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2008.06a
• /
• pp.455-460
• /
• 2008

본 연구에서는 1997년 1월부터 2006년 12월까지의 기상청에서 제공하는 31개 자동기상관측망(AWS: Automatic Weather Stations)에 의한 지표 근처 기온($^{\circ}C$) 및 강수(mm) 자료를 이용하여 서울 지역 기상인자의 시 공간 구조 분석 및 변화경향과 변이성을 도출하였다. 미관측지점의 값을 추정하기 위하여 주변 관측지점들을 고려하여, 그 영향은 거리에 반비례함을 반영하는 공간통계학적 방법 중 IDSW(Inverse Distance Squared Weighing:거리자승역산가중)를 적용하여 보관하였다. 그 결과 서울시의 기온과 강수량 모두 1997년에 비해 2006년의 기온이 약 $1.03^{\circ}C$, 강수량이 약 483mm 증가한 것으로 나타났다. 기후변이성의 특성은 과거 10년 동안 기온의 경우 산림지역에서는 변화의 폭이 높게 나타났으며, 시간이 지나면서 감소하는 경향을 보였다. 주거 지역의 경우 변화이 폭이 낮게 나타났으며, 시간이 지나면서 증가하는 경향을 보였다. 그러나 강수량의 경우 산림지역과 주거지역의 변이성의 차이가 나타나지 않았다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.20 no.1
• /
• pp.47-56
• /
• 2018

Providing high-quality meteorological observation data at sites that represent actual farming environments is essential for useful agrometeorological services. The Automated Agricultural Observing System (AAOS) of the Korean Meteorological Administration, however, has been deployed on lawns rather than actual farm land. In this study, we show the inaccuracies that arise in AAOS data by analyzing temporal and vertical variation and by comparing them with data recorded by the National Center for AgroMeteorology (NCAM) tower that is located at an actual farming site near the AAOS tower. The analyzed data were gathered in August and October (before and after harvest time, respectively). Observed air temperature and water vapor pressure were lower at AAOS than at NCAM tower before and after harvest time. Observed reflected shortwave radiation tended to be higher at AAOS than at NCAM tower. Soil variables showed bigger differences than meteorological observation variables. In August, observed soil temperature was lower at NCAM tower than at AAOS with smaller diurnal changes due to irrigation. The soil moisture observed at NCAM tower continuously maintained its saturation state, while the one at AAOS showed a decreasing trend, following an increase after rainfall. The trend changed in October. Observed soil temperature at NCAM showed similar daily means with higher diurnal changes than at AAOS. The soil moisture observed at NCAM was continuously higher, but both AAOS and NCAM showed similar trends. The above results indicate that the data gathered at the AAOS are inaccurate, and that ground surface cover and farming activities evoke considerable differences within the respective meteorological and soil environments. We propose to shift the equipment from lawn areas to actual farming sites such as rice paddies, farms and orchards, so that the gathered data are representative of the actual agrometeorological observations.

• Journal of Digital Convergence
• /
• v.14 no.8
• /
• pp.245-252
• /
• 2016

The purpose of this study is to make up for missing of weather informations from ASOS and AWS using artificial neural networks. We collected temperature, relative humidity and wind velocity for August during 5-yr (2011-2015) and sample designed artificial neural networks, assuming the Seoul weather station was missing. The result of sensitivity study on number of epoch shows that early stopping appeared at 2,000 epochs. Correlation between observation and prediction was higher than 0.6, especially temperature and humidity was higher than 0.9, 0.8 respectively. RMSE decreased gradually and training time increased exponentially with respect to increase of number of epochs. The predictability at 40 epoch was more than 80% effect on of improved results by the time the early stopping. It is expected to make it possible to use more detailed weather information via the rapid missing complemented by quick learning time within 2 seconds.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.35 no.2
• /
• pp.319-326
• /
• 2015

Rainfall data is necessary component for water resources design and flood warning system. Most analysis are used long-term hourly data of surface synoptic stations from the Meteorological Administration, Ministry of land, Infrastructure and Transport and others. However, It will be used minutely data of more high density automatic weather stations than surface synoptic stations expecting to increase the frequency of heavy precipitation. But minutely data has a problem about quality of rainfall data by auto observation. This study analyzed about quality control method using automatic weather station's minutely rainfall data of meteorological administration. It was performed assessment of the quality control that was classified quality control of miss Data, outlier data and rainfall interpolation. This method will be utilized when hydrological analysis uses minute rainfall data.