• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.471-484
• /
• 2022

본 연구는 전산유체역학 모델을 이용하여 기상청에서 운용하는 종관기상관측소(automated synoptic observing system, ASOS) 10개 지점을 대상으로 ASOS 주변 지형과 건물이 기온과 바람(풍속, 풍향) 관측 환경에 미치는 영향을 분석하였다. ASOS에서 최근 10년간 8월의 관측 자료를 기반으로 전산유체역학(computational fluid dynamics, CFD) 모델의 초기·경계 자료를 구축하였다. 실제 토지 피복을 고려한 경우와 모든 피복을 초지로 가정한 경우에 대해, 관측 고도에서 초기 기온 대비 기온 변화율을 비교함으로써 기온 관측 환경을 분석하였다. 기온 관측 환경은 관측 지점 주위의 토지 피복에 의한 영향을 많이 받았다. ASOS 주변에 지표면 온도가 높은 건물과 도로가 밀집한 경우에 기온 변화율이 크게 나타났다. 반면, 모든 토지 피복을 초지로 가정한 경우에는 초기 기온 대비 기온 변화율이 작았다. 실제 토지 피복을 고려하여 관측 고도의 유입류 대비 풍속 변화율과 풍향 변화를 비교함으로써 풍속과 풍향 관측 환경을 분석하였다. 풍속과 풍향은 ASOS 주변에 관측 고도보다 높거나 비슷한 높이의 지형과 건물 영향을 크게 받았으며, 원거리에 위치한 장애물에 의한 영향도 나타났다. 본 연구 결과는 종관기상관측소의 이전과 신설 단계에서 관측 환경 평가에 활용될 것이다.

• 대한원격탐사학회지
• /
• 제36권5_1호
• /
• pp.693-706
• /
• 2020

본 연구는 세계기상기구(World Meteorological Organization, WMO) 분류 지침에 따라 10지점의 종관기상관측소(Automated Synoptic Observing System, ASOS) 관측 환경을 5단계로 분류하였다. 장애물(지형, 건물 등)과 지표 피복 유형은 일조 시간, 기온, 지상 바람의 관측 환경을 평가하는 주요 요인이었다. 따라서, WMO 분류 지침에 따라 ASOS를 평가하기 위해서 지형, 건물, 토지 피복 유형에 대한 수치 지도를 사용했다. 일조 시간의 관측 환경은 일조 고도각이 낮은 일출과 일몰 시간대에 주변 건물 영향을 가장 많이 받았다. 기온 관측 환경은 태양 고도각뿐만 아니라 열/수원과 ASOS 사이의 거리를 기준으로 결정되었다. 본 연구에서 고려한 ASOS 주변에는 수원이 없었다. 일부 ASOS 근처에 있는 열원은 관찰 환경에 영향을 미칠만큼 크지 않았다. ASOS 주변의 거칠기 길이와 주변 건물과 ASOS 사이의 거리를 기반으로 지상 바람 관측 환경을 평가했다. 대부분의 ASOS는 주변보다 높은 고도에 놓여 있으며 ASOS 주변의 거칠기 길이는 최상의 수준을 위한 조건을 충족할 만큼 충분히 작았다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1071-1081
• /
• 2021

본 연구에서는 기상청에서 수행하는 기존의 기상 관측에 대한 품질관리 절차 이외에 향후 스마트시티 등에서 활용될 수 있는 머신러닝 기반의 Internet of Things (IoT) 도시기상 관측 자료에 대한 품질검사 기준을 제안한다. 현재 기상청에서 종관기상관측(Automated Synoptic Observing System, ASOS)과 방재기상관측(Automatic Weather System, AWS) 기반으로 설정한 기준이 도시기상에 적합한지 확인하기 위하여 서울시에 설치된 SKT AWS 자료를 기반으로 사용성을 검증하였고, IoT 자체의 데이터가 가지는 특성을 고려하여 최종적으로 머신러닝 기반의 품질검사 알고리즘을 제안하였다. 품질검사 방법으로는 IoT 기기 자체에 대한 결측값 검사, 값 패턴 검사, 충분 데이터 검사, 통계적 범위 이상 검사, 시간값 이상 검사, 공간값 이상 검사를 먼저 수행하고, 기상청에서 제시하고 있는 기상 관측에 대한 품질검사인 물리한계검사, 단계검사, 지속성 검사, 기후범위 검사, 내적 일치성 검사를 5가지 기상요소에 대하여 각각 수행하였다. 제안한 알고리즘의 검증을 위하여 인천광역시 송도에 위치한 관측소에 실제 IoT 도시기상관측 데이터에 이를 적용하였다. 이를 통해 기존의 기상청 QC로는 확인할 수 없었던 IoT 기기가 가질 수 있는 결함을 확인할 수 있고, 알고리즘에 대한 검증을 진행하여 향후 스마트시티에 설치될 IoT 기상관측기기에 대한 품질검사 방법을 제안한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.171-171
• /
• 2017

강우의 시간분포는 다양한 시간규모에 걸쳐 프랙털 또는 멀티프랙털 특성을 가지고 있음이 알려졌다. 기존의 연구는 주로 시간단위 이상의 프랙털 특성에 관한 것이었다. 실제로 극한 홍수를 가져오는 집중호우는 짧은 시간 규모에서 발생함에도, 이것에 대해서는 관측 자료가 제한되어 극소수의 실험적 연구만 가능했다. 본 연구에서는 기상청에서 제공한 고해상도(1분 단위) ASOS(Automated Synoptic Observation System) 자료를 이용하여, 강우 사상 안에서의 프랙털 특성을 분석해보았다. 대부분의 사상에서 단일 멱함수보다는 2개의 멱함수로 나누어지는 것이 밝혀졌으며, 나뉘는 시간 규모(T*)는 $3{\times}10$ 분으로 파악되었다. 이 시간 규모는 한 단위의 집중호우를 가져올 수 있는 구름크기의 물리적 상한과 관련이 있는 것으로 보인다. T*보다 작은 시간 규모에서의 멱함수 지수는 그 이후의 값보다 대체로 작은 것으로 나타났다. 이는 호우가 집중되는 기간의 변동성이, 강수가 물리적 한계에 도달한 이후보다 훨씬 작기 때문으로 보인다. 구체적인 멱함수의 지수는 강수의 발생과정과도 관련이 있을 것으로 추정된다.

• 한국지리정보학회지
• /
• 제24권4호
• /
• pp.65-81
• /
• 2021

본 연구에서는 LIS(Land Information System)를 기반으로 구축된 K-LIS(Korea-Land surface Information System)의 KLDAS(Korea Land Data Assimilation System)를 사용하여 남한 전역을 대상으로 토양수분 및 증발산량을 산출하였다. K-LIS를 구동하고, KLDAS를 구축하기 위해 사용된 수문기상 데이터 세트는 MERRA-2(Modern-Era Retrospective analysis for Research and Applications, version 2), GDAS(Global Data Assimilation System) 그리고 종관기상관측(ASOS, Automated Synoptic Observing System) 자료이다. ASOS는 지점 자료이므로 KLDAS에 적용하기 위해 0.125°의 공간해상도를 가진 격자형 자료로 변환하였다(ASOS-S, ASOS-Spatial). KLDAS에 적용된 수문기상 데이터 세트를 지상관측자료(ASOS)와 비교한 결과 ASOS-S, MERRA-2, GDAS의 R² 평균은 각각 온도(0.994, 0.967, 0.975), 기압(0.995, 0.940, 0.942), 습도(0.993, 0.895, 0.915), 강우량(0.897, 0.682, 0.695)으로 분석되었다. 또한, 토양수분의 R² 평균은 ASOS-S(0.493), MERRA-2(0.56), GDAS(0.488)이며, 증발산량의 R² 평균은 ASOS-S(0.473), MERRA-2(0.43), GDAS(0.615)로 분석되었다. MERRA-2, GDAS는 다수의 위성 및 지상관측자료를 활용하여 품질관리된 데이터 세트인 반면, ASOS-S는 103개 지점의 관측자료를 사용한 격자 자료이다. 따라서, 관측자료간 거리 차이로 인한 오차가 발생하여 정확도가 낮아진 것으로 판단되며, 향후 ASOS보다 많은 지점의 관측자료를 확보하여 적용한다면 격자화로 인한 오차가 줄어들어 정확도가 높아질 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.330-330
• /
• 2022

우리나라에서 발생하는 기상 재해 현상은 주로 태풍, 집중호우, 장마 등 인명 및 경제적인 피해가 크며, 단기간에 국지적으로 나타난다. 현재 재해 감시 및 예보는 주로 종관기상관측체계를 이용하고 있다. 하지만, 우리나라의 복잡한 지형, 인구 밀집 지형, 관측 시기가 일정하지 않은 지형과 같은 조건에서 미계측 자료 및 지역이 다수 존재 때문에 강수의 공간 분포와 강도에 대한 정밀한 정보를 제공하지 못하는 실정이다. 최근 광범위한 관측영역과 공간 분해능의 개선, 자료추출 알고리즘의 개발로 전세계적으로 위성영상 기반 기상관측 자료의 활용성이 증대되고 있다. 본 연구에서는 한반도 지역의 지상 관측데이터와 전지구 격자형 위성 강우자료를 비교하여 한반도의 적용성을 분석하고자 한다. 다양한 위성영상 기반 기상자료인 Climate Hazards Groups InfraRed Precipitation with Station (CHIRPS), Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR), Global Precipitation Climatology Centre (GPCC), Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Cloud Classification System (PERSIANN-CCS) 4개의 강우위성영상을 수집하여, 1991년부터 2020년까지 30년 데이터를 활용하였다. 강수량 변동성 비교를 위하여 기상청의 종관기상관측장비 (Automated Synoptic Observation System, ASOS), 자동기상관측시설 (Automatic Weather System, AWS) 데이터와 상관 분석을 수행하고, 강우위성영상의 국내 적합성을 판단하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.134-134
• /
• 2021

Precipitation is a crucial component of water cycle and play a key role in hydrological processes. Traditionally, gauge-based precipitation is the main method to achieve high accuracy of rainfall estimation, but its distribution is sparsely in mountainous areas. Recently, satellite-based precipitation products (SPPs) provide grid-based precipitation with spatio-temporal variability, but SPPs contain a lot of uncertainty in estimated precipitation, and the spatial resolution quite coarse. To overcome these limitations, this study aims to generate new grid-based daily precipitation using Automatic weather system (AWS) in Korea and multiple SPPs(i.e. CHIRPSv2, CMORPH, GSMaP, TRMMv7) during the period of 2003-2017. And this study used a machine learning based Random Forest (RF) model for generating new merging precipitation. In addition, several statistical linear merging methods are used to compare with the results of the RF model. In order to investigate the efficiency of RF, observed data from 64 observed Automated Synoptic Observation System (ASOS) were collected to evaluate the accuracy of the products through Kling-Gupta efficiency (KGE), probability of detection (POD), false alarm rate (FAR), and critical success index (CSI). As a result, the new precipitation generated through the random forest model showed higher accuracy than each satellite rainfall product and spatio-temporal variability was better reflected than other statistical merging methods. Therefore, a random forest-based ensemble satellite precipitation product can be efficiently used for hydrological simulations in ungauged basins such as the Mekong River.

• 한국지구과학회지
• /
• 제42권5호
• /
• pp.514-523
• /
• 2021

고창 표준기상관측소(Gochang Standard Weather Observatory, GSWO)에서 3년간(2014-2016년) 관측한 겨울철 강수량 자료를 사용하여 겨울철 관측환경에 따른 강수량 관측 특성을 분석하였다. 이를 위해, 설치환경이 다른 강수량계 4종인 NS(No Shield), SA(Single Alter), DFIR(Double Fence Intercomparison Reference), PG(Pit Gauge)를 사용하여, DFIR을 기준으로 누적 강수량 차이, 강수 유형별 특성, 풍속 변화에 따른 수집효율을 분석하였다. 강수 유형은 고창 종관기상관측장비(Automated Synoptic Observing System, ASOS)의 기온 관측 자료를 사용하여 강우, 혼합 강수, 강설로 분류하여 분석하였다. 겨울철 누적 강수량은 SA, NS, PG 순으로 DFIR과 유사하게 나타났으며, 통계 분석 결과에서는 SA가 DFIR과 가장 유사한 결과를 보였다. 결과적으로, 겨울철 강수량 관측에서는 SA가 기준 강수량계와 가장 유사하게 관측되었으며, PG는 겨울철 관측에 적합하지 않은 것으로 분석된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.393-393
• /
• 2023

최근 기후변화에 대한 관심이 높아짐에 따라 전 세계적으로 미래 기후변화 예측 전망에 대한 다양한 연구들이 수행되었으며, 특히 IPCC(Intergovernmental Panel on Climate Change)의 기후변화 6차 보고서에 채택된 SSP(Shared Socio-economic Pathway) 시나리오를 이용한 연구가 활발한 상황이다. 이들 연구에서는 미래 기후변화의 양상 비교를 위한 기간 구분은 통상적으로 F1(2011-2040), F2(2041-2070), F3(2071-2100)으로 구성된다. 하지만 이는 단순하게 동일한 기간으로 나누어 설정한 것으로, 통계적 근거가 부족할 뿐만 아니라 변화 추이를 확인하기 위한 수단으로 사용하기에 부족할 수 있다는 한계점이 존재한다. 이 연구에서는 기후변화 패턴에 대한 기존 연구의 한계, 특히 미래 기후변화를 비교하기 위해 사용되는 기간 분류와 관련하여 한계점을 보완하고자 한다. SSP 시나리오 모델 중 UKESM1 모델을 활용하여 ASOS(Automated Synoptic Observation System) 기상관측소 기준 59개 지점에서 추출한 강수량 데이터를 분석하였다. 이후, 기후변화 비교를 위한 최적의 분류를 결정하기 위해 장마철인 6월부터 9월까지의 강수 데이터에 대해 통계분석 및 Pettitt 검정을 수행해 최적 기간을 산정하였다. 이를 통해 기존의 F1, F2, F3 분류 방식과 통계분석을 통해 도출한 최적 시기의 유출 특성 분석결과의 변화양상을 비교하였으며, 각 방법에 대한 비교를 통해 기후변화 추이에 대한 이해를 제공할 수 있을 것으로 판단하였다. 결과적으로 이 연구는 기후변화 시나리오를 활용하는 연구 수행 시 기간 구분에 대한 발전된 접근 방식을 제시하고자 한다.

• 대한원격탐사학회지
• /
• 제40권3호
• /
• pp.269-274
• /
• 2024

High-quality precipitation data are crucial for various industries, including disaster prevention. In South Korea, long-term high-quality data are collected through numerous ground observation stations. However, data between these stations are reprocessed into a grid format using interpolation methods, which may not perfectly match actual precipitation. A prime example of real-time observational grid data globally is the Integrated Multi-satellite Retrievals for Global Precipitation Measurement (GPM IMERG) from National Aeronautics and Space Administration (NASA), while in South Korea, ground radar data are more commonly used. GPM and ground radar data exhibit distinct differences due to their respective processing methods. This study aims to analyze the characteristics of GPM and Constant Altitude Plan Position Indicator(CAPPI),representative real-time grid data, by comparing them with ground-observed precipitation data. The study period spans from 2021 to 2022, focusing on hourly data from Automated Synoptic Observing System (ASOS) sites in South Korea. The GPM data tend to underestimate precipitation compared to ASOS data, while CAPPI shows errors in estimating low precipitation amounts. Through this comparative analysis, the study anticipates identifying key considerations for utilizing these data in various applied fields, such as recalculating design rainfall, thereby aiding researchers in improving prediction accuracy by using appropriate data.