• 전자통신동향분석
• /
• 제29권6호
• /
• pp.102-112
• /
• 2014

최근 빌링(billing, 과금), 벤치마킹, 확장성(scalability), 통계적 목적을 위해 오픈스택 클라우드의 개별 컴포넌트를 모니터링하고 메터링하는 텔레메터링 서비스가 Ceilometer라는 코드명으로 정식 프로젝트로 추가되었다. 초기의 빌링만을 위해 필수 요소만 모니터링하는 것에서, 상태를 감시하여 클라우드 자원의 오토스케일링 등의 오케스트레이션 기능을 위한 다목적성으로 발전하고 있다. 특히 이것은 빅데이터 등의 데이터 분석에 있어서 중요한 힌트를 제공해 준다. 본고는 소스분석을 통한 Ceilometer의 데이터 수집 구조, Ceilometer 모니터링의 핵심 키워드, 비정형 데이터 DB인 MongoDB, 외부인터페이스로써 API(Application Interface) 혹은 CLI(Command Line Interface) 명령어를 소개하고자 한다. 결론에서는 ceilometer의 전반적 구조에 대한 나름대로의 평가를 기술하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권2호
• /
• pp.21-28
• /
• 2018

본 논문은 운고계로부터 수집된 운고 자료와 후방산란 자료를 3차원 가상 공간에서 시각화 하는 대화형 기법을 제안한다. 운고계 관측자료는 시간과 공간 정보가 모두 연계된 다차원 대용량 정보이기 때문에 정적인 2차원 시각화 방법으로는 그 안에 내재된 전체 정보를 충분히 드러내기 어렵다. 본 논문의 시각화 방법은 실시간 3차원 렌더링 기술을 바탕으로 사용자가 원하는 대로 시점과 시야를 조절하면서 3차원 형상으로 표현된 운고계 관측자료의 전체적인 변화 양상과 국소적인 특징을 다각도로 관찰할 수 있도록 한다. 운고 및 운량 자료는 실제 지형 자료와 결합하여 다수의 구름이 지형 위에서 형성되고 소멸되는 사실적인 구름 애니메이션 형식으로 시각화 한다. 후방산란 자료는 시간과 고도에 따른 변화를 통합적으로 표현할 수 있는 3차원 지형 형태로 시각화 한다. 또한 검증하고자 하는 날짜, 지형의 상세도, 혹은 대기경계층 높이와 같은 보조자료 등을 선택할 수 있도록 함으로써 자료를 여러 관점에서 해석할 수 있도록 돕는다. 본 논문에서 제안하는 대화형 시각화 방법이 기상 자료의 분석과 검증에 활용될 수 있음을 보이기 위하여 전국 93개 관측 지점의 라이다식 운고계로부터 수집된 실제 자료를 바탕으로 다양한 실험을 수행하였다.

• 한국환경과학회지
• /
• 제31권1호
• /
• pp.61-76
• /
• 2022

In this study, surface particulate matter (PM_2.5) concentrations were calculated based on empirical equations using measurements of ceilometer backscatter intensities and meteorological variables taken over 19 months. To quantify the importance of meteorological conditions on the calculations of surface PM_2.5 concentrations, eight different meteorological conditions were considered. For each meteorological condition, the optimal upper limit height for an integration of ceilometer backscatter intensity and coefficients for the empirical equations were determined using cross-validation processes with and without considering meteorological variables. The results showed that the optimal upper limit heights and coefficients depended heavily on the meteorological conditions, which, in turn, exhibited extensive impacts on the estimated surface PM_2.5 concentrations. A comparison with the measurements of surface PM_2.5 concentrations showed that the calculated surface PM_2.5 concentrations exhibited better results (i.e., higher correlation coefficient and lower root mean square error) when considering meteorological variables for all eight meteorological conditions. Furthermore, applying optimal upper limit heights for different weather conditions revealed better results compared with a constant upper limit height (e.g., 150 m) that was used in previous studies. The impacts of vertical distributions of ceilometer backscatter intensities on the calculations of surface PM_2.5 concentrations were also examined.

• 한국지구과학회지
• /
• 제39권3호
• /
• pp.228-240
• /
• 2018

2015년부터 최근까지 차세대도시농림융합기상사업단에서는 수도권에 위치한 도시기상 관측소에서 관측된 기상자료(14소), 운고계(2소) 그리고 마이크로웨이브 라디오미터(MWR, 7소) 자료를 이용하여 태양에너지를 산출하였다. 수도권지역에 위치한 운고계에서 관측된 후방산란계수와 MWR에서 추정된 액상물량을 이용하여 구름광학두께와 운량을 산출하였다. 각각의 원격탐사장비에서 산출된 운량을 태양복사모델에 입력하여 지표면에 도달하는 태양에너지를 계산하였다. 추정된 태양에너지를 관측과 비교한 결과, 중랑과 광화문지점에서는 과소추정이 나타났다. 선형회귀분석한 결과 0.8이하의 기울기를 나타냈고 $-20W/m^2$의 음의 편차와 $120W/m^2$의 평방근오차(RMSE)가 나타났다. 그리고 MWR을 이용하여 추정된 태양에너지의 정확도(평균 결정계수$(R^2)=0.8$)와 오차율(평균 $RMSE=110W/m^2$)이 향상되었다. 월별 산출된 운량과 태양에너지는 운고계를 이용하여 산출하였을 때 운량이 0.09 이상 크게 나타났으며 태양에너지가 $50W/m^2$ 이상 낮게 산출되었다. 지점에 따라 차이는 있었으나 대체로 7월과 9월의 RMSE가 $50W/m^2$ 이상 크게 계산되었다. 결과적으로 일누적 태양에너지는 광화문지점에서 가장 높은 상관성이 나타났고($R^2=0.80$, RMSE=2.87 MJ/Day), 구로지점에서 상관성이 가장 낮았다($R^2=0.63$, RMSE=4.77 MJ/Day).

• 대기
• /
• 제29권5호
• /
• pp.639-658
• /
• 2019

The classification of fog type and the characteristics of fog based on fog events over South Korea were investigated using a 3-year (2015~2017) visibility meter data. One-minute visibility meter data were used to identify fog with present weather codes and surface observation data. The concept of fog events was adopted for the better definition of fog properties and more objective classification through the detailed investigation of life cycle of fog. Decision tree method was used to classify the fog types and the final fog types were radiation fog, advection fog, precipitation fog, cloud base lowering fog and morning evaporation fog. We enhanced objectivity in classifying the types of fog by adding the satellite and the buoy observations to the conventional usage of AWS and ceilometer data. Radiation fog, the most common type in South Korea, frequently occurs in inland during autumn. A considerable number of advection fogs occur in island area in summer, especially in July. Precipitation fog accounts for more than a quarter of the total fog events and frequently occurs in islands and coastal areas. Cloud base lowering fog, classified using ceilometer, occurs occasionally for all areas but the occurrence rate is relatively high in east and west coastal area. Morning evaporation fog type is rarely observed in inland. The occurrence rate of thick fog with visibility less than 100 meters is amount to 21% of total fog events. Although advection fog develops into thick fog frequently, radiation fog shows the minimum visibility, in some cases.

• 대한원격탐사학회지
• /
• 제34권2_1호
• /
• pp.237-248
• /
• 2018

본 연구에서 영동지역 강수 전(2016년 12월 13일) 운저 고도인근 수상체 분포를 스캐닝 라이다와 레윈존데 자료 및 구름분해모델(Cloud Resolving Storm Simulator; CReSS)의 모의 결과를 통해 분석하였다. 강수 전운저 인근에서 관측된 라이다의 연직 후방산란 신호와 평광비 프로파일은 유사한 특징을 보였다. 이를 모델의 재현 결과와 비교하였을 때, 찬 구름 내부(< $0^{\circ}C$)에 존재하는 운빙(ice), 눈(snow)과 운저 인근에 형성된 과냉각 수 적층, 운저 아래에서 낙하하는 부착(rimed)형 눈의 존재를 관측한 결과라 판단된다. 또한, 고도에 따른 광학속성 프로파일의 변화 형태에 따라 연직으로 구간을 세분화하여 연직 수상체의 형상과 밀도에 대해 분석한 결과를 제시하였다.

• 한국지구과학회지
• /
• 제42권5호
• /
• pp.504-513
• /
• 2021

대한민국 기상청에서 사용하고 있는 UM (Unified Model, UM) 모델의 국지예측시스템(Local Data Assimilation and Prediction System, LDAPS)은 수치모델 모의 시 대기경계층 유형에 따라 물리과정을 다르게 계산하기 때문에 이 과정을 검증하는 것은 모델의 정확도 향상에 중요하다. 따라서, 본 연구에서는 수치모델의 대기경계층 유형을 관측자료를 기반으로 검증하였다. 관측자료를 기반으로 대기경계층 유형을 분류하기 위해서 보성 표준기상관측소에서 수행한 여름철 집중관측자료(라디오존데, 플럭스관측장비, 도플러 라이다, 운고계)를 활용하였으며, 2019년 6월 18일 부터 8월 17일 까지 61일 동안에 총 201회의 관측자료를 분석하였다. 또한 관측자료와 수치모델 결과가 다른 경우를 보면, 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 2유형으로 분류되는 사례가 수치모델에서는 1유형으로 분류된 사례가 53회로 가장 많이 나타났다. 그 다음으로는 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 5유형과 6유형으로 분류되는 사례가 수치모델에서는 3유형으로 분류된 사례가 많이 나타났다(각각 24회, 15회). 관측결과와 수치모델 모의 결과가 일치하지 않은 사례는 모두 층적운 접합 여부 및 적운 모의 등 수치모델의 구름물리 부분의 모의 성능에 기인하여 발생한 것이라고 분석된다. 따라서, 대기경계층 유형 분류의 구름물리과정의 모의 정확도를 개선하면 수치모델 성능이 향상 될 것으로 판단된다.