• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.117-120
• /
• 2006

Heavy rainfall events are occurred exceedingly various forms by a complex interaction between synoptic, dynamic and atmospheric stability. As the results, quantitative precipitation forecast is extraordinary difficult because it happens locally in a short time and has a strong spatial and temporal variations. GOES-9 imagery data provides continuous observations of the clouds in time and space at the right resolution. In this study, an power-law type algorithm(KAE: Korea auto estimator) for estimating rainfall based on the rainfall type was developed using geostationary meteorological satellite data. GOES-9 imagery and automatic weather station(AWS) measurements data were used for the classification of rainfall types and the development of estimation algorithm. Subjective and objective classification of rainfall types using GOES-9 imagery data and AWS measurements data showed that most of heavy rainfalls are occurred by the convective and mired type. Statistical analysis between AWS rainfall and GOES-IR data according to the rainfall types showed that estimation of rainfall amount using satellite data could be possible only for the convective and mixed type rainfall. The quality of KAE in estimating the rainfall amount and rainfall area is similar or slightly superior to the National Environmental Satellite Data and Information Service's auto-estimator(NESDIS AE), especially for the multi cell convective and mixed type heavy rainfalls. Also the high estimated level is denoted on the mature stage as well as decaying stages of rainfall system.

• Korean Journal of Remote Sensing
• /
• v.16 no.1
• /
• pp.55-64
• /
• 2000

The Tropical Rainfall Measuring Mission(TRMM) Satellite was launched in November 1997, carving into orbit the first space-borne Precipitation Radar(PR). The main objective of the TRMM is to obtain and study multi-year science data sets of tropical and subtropical rainfall measurements. In the present investigation, the characteristics of heavy rainfall cases over Korea in 1998 and 1999 are analyzed using the TRMM/PR dat3. We compare the rainrate measured from TRMM/PR with the accumulated rainfall data for 10 minutes tv Automatic Weather System(AWS). Especially, horizontal cross-section of rainrate with height and longitude in the precipitating clouds are investigated. As a result of the comparison with GMS-5 IR1, the TRMM/PR data delineate well the rain type( i.e. convective, stratiform cloud and others), height of storm top and instantaneous rainrate in the precipitating clouds. The vertical structure with height and horizontal cross-section of rainrate along the longitude show the orographic effect on the rainfall. TRMM/PR instrument measures the rainrate below 6 ㎜/hr more than AWS rainguages and inclined to underestimate the rainrate than rainguages for the whole area.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.15 no.4
• /
• pp.304-311
• /
• 2013

There have been increasing cases for farmers to install automated weather stations (AWS) at their farms and orchards in order to take countermeasures to more frequent weather disasters caused by climate variability and weather extremes. Although raw data are the same, the additive values as agrometeorological information may vary depending on data processing methods. User demands on appropriate information could also be different among crop species, cropping systems and even cultivars. We designed an internet based AWS data processing and display system to help diverse users (e.g., farmers), extension workers to access their weather data on specific demands. The system was implemented at a rural catchment with 52 $km^2$ land area where 14 automated weather stations are in operation. This note introduces the system and describes the major modules in detail. By linking regional AWS networks, a feasibility for this system as an early warning system is also discussed.

• Journal of Environmental Science International
• /
• v.23 no.3
• /
• pp.493-502
• /
• 2014

EnergyPlus is a whole building energy simulation program that engineers, architects, and researchers use to model energy and water use in buildings. Modeling the performance of a building with EnergyPlus enables building professionals to optimize the building design to use less energy and water. This program provides energy analysis of building and needs weather data for simulation. Weather data is available for over 2,000 locations in a file format that can be read by EnergyPlus. However, only five locations are avaliable in Korea. This study intends to use AWS data for having high spatial resolution to simulate building energy. The result of this study shows the possibility of using AWS data for energy simulation of building.

• Journal of the Korean Solar Energy Society
• /
• v.32 no.1
• /
• pp.1-7
• /
• 2012

Predictions of wind speed for six different near-shore sites were made using the NCAR (National Center for Atmospheric Research) wind data. The distances between the NCAR sites and prediction sites were varied between 40km and 150km. A well-known wind energy prediction program, WindPRO, was used. The prediction results were compared with the measured data from the AWS(Automated Weather Stations). Although the NCAR wind data were located far away from the AWS sites, the prediction errors were within 9% for all the cases. In terms of sector-wise wind energy distributions, the predictions were fairly close to the measurements, and the error in predicting main wind direction was less than $30^{\circ}$. This proves that the NCAR wind data are very useful in roughly estimating wind energy in offshore or near-shore sites where offshore wind farm might be constructed in Korea.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.131-131
• /
• 2011

기후변화로 인한 기상이변 현상이 빈번하게 발생하면서 홍수와 같은 자연재해의 피해규모가 증가하고 있다. 이를 극복하기 위해 최근에는 구조적 대책뿐만 아니라 홍수예측시스템과 같은 비구조적 대책에도 많은 관심과 연구가 이루어지고 있다. 통상 홍수예측을 위해서는 예측강우의 정확도가 중요하게 부각되지만 중규모 이상의 유역에서는 수 시간의 지체시간 효과로 인해 AWS 실황강우만으로도 어느정도 선행시간에 대해서 하천유량예측이 가능하다고 할 수 있다. 본 연구에서는 기상청 AWS 실황강우를 이용하여 하천유량을 예측할 경우 어느정도 선행시간과 정확도를 확보할 수 있는지에 대해서 분석하고자 한다. 분석을 위한 시단위 강우자료와 기상자료는 각각 AWS와 ASOS 자료를 이용하였다. 또한 하천유량 모의를 위한 강우-유출모형으로는 SURF 모델(Sejong University River Forecast Model)을 이용하였다. 이 모형은 저류함수모형 기반의 연속형 강우-유출모형으로 미래에 대한 유출모의결과의 정확도를 향상시키기 위해 앙상블 칼만필터링 기법을 연계한 모형이다. 그림 1은 충주댐유역에 대해서 2009.7.8~17일(240시간)에 대해서 관측유량 자료동화 전후의 결과를 나타낸 것이다. 현시점을 100, 105, 110, 115시간으로 가정하고 미래기간에 대해서는 관측강우를 0으로 가정했을 때 대략 첨두유량 발생 5시간 전에 예측된 모의유량이 관측유량과 거의 일치함을 확인할 수 있다. 따라서 실황강우와 관측유량 자료동화 기법을 연계할 경우 수 시간의 선행시간에 대해서 유량예측이 가능한 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.209-213
• /
• 2007

최근 우리나라에서는 기상이변과 기후변화에 의한 국지성 집중호우의 발생으로 인해 인명 및 재산 피해가 증가하고 있고, 특히 도시지역의 경우 산업화와 도시화로 인한 홍수량 및 첨두홍수량이 뚜렷하게 증가하고 있는 것으로 나타나고 있다. 이에 따라 기후변화와 도시화 등을 고려한 확률수문량의 재산정이 요구되고 있으며, 이를 위한 한 방법으로 지역빈도해석(regional frequency analysis)에 대한 연구가 꾸준히 진행되고 있으나 도시유역에 대한 지역빈도해석에 관한 연구는 미비한 실정이다. 따라서 본 연구에서는 도시지역에 대한 지역빈도해석의 적용성을 검토하기 위해 주요 도시유역을 분석대상으로 선정하고, 해당 도시유역 내의 AWS(Automatic Weather System) 자료를 수집한다. 대상지역의 AWS 자료를 구축한 후, 각각의 자료에 대해 대표적인 지역빈도해석 기법 중의 하나인 홍수지수법(Index Flood Method)을 적용하여 확률강우량을 산정하고 지점빈도해석 결과와 비교하여 도시유역에 대한 지역빈도해석의 적용성을 판단하고자 한다. 대상지역에 대한 홍수지수법의 적용결과를 살펴보면, 지점빈도해석에 의한 확률강우량보다 홍수지수법에 의해 산정된 확률강우량이 작게 추정되는 것으로 나타났다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.14 no.2
• /
• pp.53-62
• /
• 2012

Demand for high resolution weather data grows in the agriculture and forestry fields. Local Analysis and Prediction System (LAPS) can be used to analyze the local weather at high spatial and temporal resolution, utilizing the data from various sources including numerical weather prediction models, wind or temperature profilers, Automated Weather Station (AWS) networks, radars, and satellites. LAPS has been set to analyze weather elements such as air temperature, relative humidity, wind speed, and wind direction every hour at the spatial resolution of $100m{\times}100m$ for Gyeonggi-do on near real-time basis. The AWS data were revised by adding the agricultural field AWS data (33 stations) in addition to the KMA data. The analysis periods were from 1 to 31 August 2009 and from 15 to 21 February 2010. The comparison of the LAPS output showed the smaller errors when using the agricultural AWS observation data together with the KMA data as its input data than using only either the agricultural or KMA AWS data. The accuracy of the current system needs improvement by further optimization of analyzing options of the system. However, the system is highly applicable to various fields in agriculture and forestry because it can provide site specific data with reasonable time intervals.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.221-221
• /
• 2022

방재성능목표란 홍수, 호우 등으로부터 재해를 예방하기 위한 방재정책 등에 적용하기 위하여 처리 가능한 시간당 강우량 및 연속강우량의 목표로, 각 지자체별로 지역특성 및 경제여건 등을 고려하여 지역별 방재성능목표를 설정한다. 지역별 방재성능목표 기준을 설정하기 위해 전국을 168개 티센망으로 분류하고 69개 지점 확률강우량을 활용하여 지방자치단체별 확률강우량을 산정하고, 지방자치단체별 티센면적 비율을 감안하여 각 지자체별 방재성능목표 설정 기준을 마련한다. 이때 확률강우량 산정에 기상청에서 제공하는 종관기상관측(ASOS) 자료를 이용하는데, 종관기상관측(ASOS, Automated Synoptic Observing System)이란 종관규모의 날씨를 파악하기 위하여 정해진 시각에 모든 관측소에서 같은 시각에 실시하는 지상관측으로, 종관규모는 일기도에 표현되어 있는 고기압이나 저기압의 공간적 크기 및 수명을 말하며, 해당 지역의 현재 기상 실시간 제공 및 기상예보에 활용한다. 그러나 ASOS 자료로 산정한 확률강우량을 토대로 설정한 지역별 방재성능목표는 지배관측소개소 및 면적 비율에 따라 강우량이 실제 해당 지역에 내린 강우량에 비해 작거나 크게 산정되어 실제 강우량을 반영하지 못하는 문제가 발생한다. 이에 지진·태풍·홍수·가뭄 등 기상현상에 따른 자연재해를 막기 위해 실시하는 지상관측인 방재성능관측(AWS, Automatic Weather System)을 1997년부터 약 510여개 지점에 설치하여 기상관측자료를 구축하고 있으나, 관측자료가 30년 미만이므로 자료의 일관성 및 신뢰도 확보 등의 문제로 이용하고 있지 않다. 실제로 ASOS 관측소와 AWS 관측소의 시간 강우량 최댓값 차이가 큼에도 불구하고 행안부는 지역별 방재성능목표 수립을 위한 강우량 산정에서 AWS 관측소의 기록은 반영하지 않고 ASOS 관측소 기록만 적용하여 실제 해당 지역의 강우량을 반영하는 방재 대책을 수립하지 못하는 실정이다. 따라서 소규모 유역 및 재해영향평가 등의 경우 인근 지역에 AWS 관측소가 있을 경우, 해당지역의 기상 특성을 대변하는 자료로 보유관측년수가 30년 이상인 AWS 자료의 적극적인 활용이 필요할 것으로 판단된다.

• Proceedings of the KSRS Conference
• /
• 2002.10a
• /
• pp.358-360
• /
• 2002

In order to find horizontal and vertical precipitation structure in Korean peninsula, we use ground-based radar, and Automatic Weather Station (AWS) data. Radar data was selected for rain events in the Pusan and Jindo in Korea, during the spring and summer season of 2002. AWS point gauge measurements are analyzed as part of spatial structure of precipitation. TRMM/PR and ground-based radar is used vertical correlation. The results showed, as expected that the correlation decreased rapidly with distance.