• Korean Journal of Remote Sensing
• /
• v.24 no.4
• /
• pp.309-324
• /
• 2008

In this study the retrieval algorithms have been developed to retrieve total precipitable water (TPW) from Terra/Aqua Moderate Resolution Imaging Spectroradiometer (MODIS) infrared measurements using a physical iterative retrieval method and a split-window technique over East Asia. Retrieved results from these algorithms were validated against Defense Meteorological Satellite Program (DMSP) Special Sensor Microwave/Imager (SSM/I) over ocean and radiosonde observation over land and were analyzed for investigating the key factors affecting the accuracy of results and physical processes of retrieval methods. Atmospheric profiles from Regional Data Assimilation and Prediction System (RDAPS), which produces analysis and prediction field of atmospheric variables over East Asia, were used as first-guess profiles for the physical retrieval algorithm. We used RTTOV-7 radiative transfer model to calculate the upwelling radiance at the top of the atmosphere. For the split-window technique, regression coefficients were obtained by relating the calculated brightness temperature to the paired radiosonde-estimated TPW. Physically retrieved TPWs were validated against SSM/I and radiosonde observations for 14 cases in August and December 2004 and results showed that the physical method improves the accuracy of TPW with smaller bias in comparison to TPWs of RDAPS data, MODIS products, and TPWs from split-window technique. Although physical iterative retrieval can reduce the bias of first-guess profiles and bring in more accurate TPWs, the retrieved results show the dependency upon initial guess fields. It is thought that the dependency is due to the fact that the water vapor absorption channels used in this study may not reflect moisture features in particular near surface.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.42-46
• /
• 2009

최근 국지적 집중호우로 인한 인명과 재산피해가 증가하고 있는 실정이며 이러한 피해를 경감하기 위한 하나의 방책으로써 홍수예경보 시스템 구축의 관심이 늘어나고 있다. 그러나, 기존의 홍수예측 시스템은 강우관측치를 모형의 입력 자료로 홍수유출을 계산하는데, 집중호우와 같은 악기상 조건에서는 관측강우자료를 이용한 유출해석 결과를 이용하여 홍수예경보 시스템을 운영할 경우 예방 대응시간의 부족으로 인해 방재 효율성이 떨어지는 한계성을 지니고 있다. 이와 같은 상황에서 정확한 기상예보를 활용한 기상-수자원 연계기법을 개발하여 홍수예경보 시스템에 적용한다면 악기상 감시예측기술의 향상과 더불어 재해의 방지차원에서 매우 유용한 대책이 될 뿐만 아니라 그 활용성을 극대화 시킨다면 수자원분야의 치수기 홍수예측 등에 매우 유용하게 활용될 수 것이다. 이에 본 연구에서는 모형의 입력으로 활용되는 단기 예측강우의 국내 적용성 여부를 검토하기 위해 30km의 공간해상도를 가진 단기지역예보모델인 RDAPS(Regional Data Assimilation and Prediction System) 예측강우 자료에 대하여 수문학적 정확도 분석을 수행하였으며, 예측강우의 정확도 향상을 위한 편차보정 방법을 개발 적용하였다. 또한 산정된 예측강우를 바탕으로 HEC-1 모델과의 연계방안을 제안하고 이를 이용하여 한강수계 주요 댐유역의 예측유입량을 산정, 댐 운영에 대한 적용성을 판단하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1027-1031
• /
• 2008

본 연구는 한반도 영역을 대상으로 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 RDAPS 모형, AWS, 상층기상관측(upper-air sounding)의 자료를 이용하였다. 또한 수치예보자료를 범주적 예측확률로 변환하고 인공신경망기법(ANN)을 이용하여 강수발생확률의 예측정확성을 향상시키는데 있다. 신경망의 예측인자로 사용된 대기변수는 500/ 750/ 1000hpa에서의 지위고도, 500-1000hpa에서의 층후(thickness), 500hpa에서의 X와 Y의 바람성분, 750hpa에서의 X와 Y의 바람성분, 표면풍속, 500/ 750hpa/ 표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도이며, 예측변수로는 강수발생확률로 선택하였다. 강우는 다양한 대기변수들의 비선형 조합으로 발생되기 때문에 예측인자와 예측변수 사이의 복잡한 비선형성을 고려하는데 유용한 인공신경망을 사용하였다. 신경망의 구조는 전방향 다층퍼셉트론으로 구성하였으며 역전파알고리즘을 학습방법으로 사용하였다. 강수예측성과의 질을 평가하기 위해서 $2{\times}2$ 분할표를 이용하여 Hit rate, Threat score, Probability of detection, Kuipers Skill Score를 사용하였으며, 신경망 학습후의 강수발생확률은 학습전의 강수발생확률에 비하여 한반도영역에서 평균적으로 Kuipers Skill Score가 0.2231에서 0.4293로 92.39% 상승하였다.

• Journal of Environmental Science International
• /
• v.25 no.11
• /
• pp.1521-1530
• /
• 2016

As a result of dividing typhoon that affected Korean Peninsular between 1999 and 2012 into 7 types of path and entering forecast field and analysis field of RDAPS, until 36 hours from the time of forecast, it is reliable to use the forecast field of RDAPS to predict typhoon and for each typhoon path, the difference between the forecast and the analysis shows normal distribution, which is usable for weather forecast until the $36^{th}$ hour. In the $48^{th}$ hour from the time of forecast, the difference of result depending on each typhoon path increased, which was analyzed to be due to errors in the forecast. It was expected that relatively reasonable results should be shown if the $36^{th}$ hour forecast is used to predict the strength and distribution of strong wind. As a result of using Korean RAM and observing the difference of the maximum damage, reliability was secured up to 36 hours and after 48hours, it was expected that the fluctuation of results may become more severe.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.33-33
• /
• 2011

현재 우리나라 기상청에서는 단기, 중기 및 장기 예보자료를 생산하고 있으나, 이들 자료는 단순히 일기 예보에 치중되어 생산되고 있어 강우-유출해석에 직접 적용하기에는 시 공간 해상도가 크고 정량적 강수예측의 정확도가 미흡하다. 이에 기상 및 수자원분야에서는 정확도 개선을 위해서 관측강우와 예측강우의 비교 분석을 통해 편차를 산정하여 예측강수를 보정하는 기법을 적용하고 있다. 다만, 기존의 편차보정방법은 보정인자로 강수량만을 고려하기 때문에 정확도 개선에는 한계가 존재한다. 따라서 본 연구에서는 수자원분야의 수치예보자료의 정확도를 향상시키기 위해 규모, 발생영역에 대한 강수의 특성을 고려한 강수예측자료의 편차보정 방법을 제안하고 이를 강우-유출모델에 적용하여 개선정도를 평가하고자 한다. 이에 적용유역을 춘천댐상류유역으로 선정하고 국내 기상청의 RDAPS(Regional Data Assimilation and Prediction System)수치예보자료, 지점강우자료, radar자료의 수문기상자료와 지형자료를 수집하였다. 화천, 평화의 댐 일부 미계측유역의 관측자료로 radar자료를 이용하였다. 이상의 자료를 토대로 강우강도 및 규모, 영향범위를 고려한 예측강우의 편차를 산정하여 RDAPS 수치예보자료의 정확도를 개선하고 평가하였다. 이는 해당 유역뿐만 아니라 주변 유역의 정보를 이용하여 예측강우의 발생위치에 대한 오차를 고려한 방법으로, 각 영역별로 예측강우의 편차보정계수를 산정하여 적용하였다. 또한, 이전시간대의 강우 편차에 대한 오차를 줄이기 위해 정규분포방법을 이용한 Ensemble 편차보정계수를 산정하고 최근 생산된 수치예보자료에 적용하여 확률예측강우를 산정하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.129-129
• /
• 2011

본 연구에서는 강수예보의 선행시간을 확보하기 위하여 기상청 지상관측망 자료뿐만 아니라 MTSAT-1R 위성영상자료와 수치예보모형인 RDAPS(Regional Data Assimilation and Prediction System) 자료를 활용하고, 입력자료 사이의 물리적인 비선형 상관관계를 효과적으로 고려하기 위하여 인경신경망 기법을 적용한 단시간 강수예측모형을 개발하고자 하였다. 또한 강수의 변화특성을 반영하기 위하여 장마기(6월, 7월)와 태풍기(8월, 9월)로 세분화하여 인공신경망 구축을 위한 학습훈련을 수행하였다. 구축된 모형은 서울지점을 대상으로 선행시간 3, 6, 9, 12시간에 대해서 강수예측을 수행하였다. 2006부터 2008년까지 학습훈련 후 2009년 서울지점의 강수예측결과, 장마기의 상관계수는 각 선행시간에 대해서 0.6998, 0.6498, 0.4434, 0.2961, RMSE(Root Mean Square Error)는 0.7605, 2.8431, 3.1973, 4.2147, 태풍기 상관계수는 0.5368, 0.5089, 0.4164, 0.2392, RMSE는 1.2218, 2.3144, 3.9153, 5.2145로 나타났다. 각 선행시간별로 장마기의 예측결과가 태풍기보다 다소 정확하게 도출되었으며, 선행시간 9시간 이후부터는 정확도가 급격히 낮아지는 결과를 얻었다.

• Journal of Korean Society for Atmospheric Environment
• /
• v.23 no.6
• /
• pp.653-665
• /
• 2007

Several numerical experiments were carried out to clarify the influence of satellite data assimilation with various spatial resolution on mesoscale meteorological wind and temperature field. Satellite data used in this study is QuikSCAT launched on ADEOS II. QuikSCAT data is reasonable and faithful sea wind data, which have been verified through many observational studies. And numerical model in the study is MM5 developed by NCAR. Difference of wind pattern with and without satellite data assimilation appeared clearly, especially wind speed dramatically reduced on East Sea, when satellite data assimilation worked. And sea breeze is stronger in numerical experiments with RDAPS and satellite data assimilation than that with CDAS and data assimilation. This caused the lower estimated surface temperature in CDAS used cases. Therefore the influence of satellite data assimilation acts differently according to initial data quality. And it is necessary to make attention careful to handle the initial data for numerical simulations.

• Korean Journal of Remote Sensing
• /
• v.33 no.2
• /
• pp.171-187
• /
• 2017

Thisstudy presentsthe method for deriving surface visibility from satellite retrieved AOD. To do thisthe height of aerosol distribution isrequired. This distribution would be in thisstudy represented by the two heights; if there is a discrete atmospheric layer, which is physically separated from the above layer, the upper height of the layer is assumed as Aerosol Layer Height(ALH). In this case there is clear minimum in the Relative Humanity vertical distribution. Otherwise PBLH(Planetary Boundary Layer Height) is used. These heights are obtained from the forecast data of Regional Data Assimilation and Prediction System(RDAPS). The surface visibility is estimated from MODIS AOD and ALH/PBLH, using Koschmieder's Law for ALH and the empirical relations for PBLH. The estimated visibility are evaluated from the visibility measurements of 9 eve-measurement stations and 17 PWD22 stations for the spring of 2015 and 2016. Verification of the estimated visibility shows that there are considerable differencesin statistical verification value depending on stations, years, morning(Terra)/afternoon(Aqua). The better results are shown in the midwest part of korean peninsula for Terra of 2016. The results are summarized as; correlation coefficients of higher than 0.65, for low visibility RMSE of 3.62 km and ME of 2.29 km or less, POD of higher than 0.65 and FAR of 0.5 or less. Verification results were better with increase in the number of low-visibility data.

• Journal of Korea Water Resources Association
• /
• v.45 no.7
• /
• pp.631-641
• /
• 2012

In this study, satellite data (MTSAT-1R), a numerical weather prediction model, RDAPS (Regional Data Assimilation and Prediction System) output, ground weather station data, and artificial neural networks were used to improve the accuracy of summer rainfall forecasts. The developed model was applied to the Seoul station to forecast the rainfall at 3, 6, 9, and 12-hour lead times. Also to reflect the different weather conditions during the summer season which is related to the frontal precipitation and the cyclonic precipitation such as Jangma and Typhoon, the neural network models were formed for two different periods of June-July and August-September respectively. The rainfall forecast model was trained during the summer season of 2006 and 2008 and was verified for that of 2009 based on the data availability. The results demonstrated that the model allows us to get the improved rainfall forecasts until lead time of 6 hour, but there is still a large room to improve the rainfall forecast skill.

• Communications for Statistical Applications and Methods
• /
• v.13 no.2
• /
• pp.369-378
• /
• 2006

This Study focuses on the binary forecast of occurrence of heavy snow in Honam area based on the MOS(model output statistic) method. For our study daily amount of snow cover at 17 stations during the cold season (November to March) in 2001 to 2005 and Corresponding 45 RDAPS outputs are used. Logistic regression model and neural networks are applied to predict the probability of occurrence of Heavy snow. Based on the distribution of estimated probabilities, optimal thresholds are determined via true shill score. According to the results of comparison the logistic regression model is recommended.