• 한국전자통신학회논문지
• /
• 제13권3호
• /
• pp.497-502
• /
• 2018

선박용 X 밴드 레이더의 영상 신호를 추출하고 디지털 신호로 처리하여 강우 정보를 생산하는 변환기(Analog to Digital Converter, ADC)를 설계하였다. X 밴드 기상 레이더는 국지적 범위에 대한 강우의 시공간적 고해상도 관측에 적합하지만 가격이 매우 비싸고 전문적인 관리가 필요하다. 이에 비해 10-2 비용의 선박용 레이더는 경제적인 이득뿐만 아니라 자료 수집 및 관리를 용이하게 한다. 개발한 변환기의 유용성을 검증하기 위해 단기 강수 사례에 대한 기상 레이더와 비교 관측을 수행하였다. 선박용 레이더의 강우 관측 결과는 반경 15 km 이내에서 기상 레이더와 일치하였다. 이를 통해 선박용 레이더의 강우 관측 활용성을 입증하였다.

• 한국방재학회 논문집
• /
• 제7권4호
• /
• pp.19-29
• /
• 2007

본 연구에서는 레이더 강우의 지상보정(ground-truth)을 위해 사용가능한 기상청(KMA), AWS 및 건설교통부(MOCT) 강우 자료를 다양한 지상보정 설계에 적용하여 비교 평가하였다. 본 연구에서는 동일 기간의 KMA, MOCT, AWS의 우량계 자료와 관악산 레이더 강우 자료를 이용하였으며, 각각 두 관측방법 사이의 차이(오차)를 편의(bias)의 유무 및 크기의 관점에서 평가하였다. 추가로 호우 사상의 특성에 따른 차이도 함께 검토하였다. 그 적용 결과 지상우량계 자료별 편의의 차이는 확연하게 부각되지는 않았으나, 통계 특성치에서는 어느 정도의 차이가 존재함을 확인하였다. 전체적으로 보면 MOCT 우량계 자료를 이용하는 경우가 다른 강우 자료를 이용하는 경우에 비해 편의의 규모가 가장 작은 것으로 파악되었다. 호우 사상별로는 강우의 공간적 간헐성이 가장 큰 장마 기간의 경우가 태풍이나 대류성 강우에 비해 설계편의가 작게 나타나는 것으로 확인되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.15-15
• /
• 2011

The radar observation system in Japan is operated by two governmental groups: Japan Meteorological Agency (JMA) and the Ministry of Land, Infrastructure, Transport and Tourism (MLIT) of Japan. The JMA radar observation network is comprised of 20 C-band radars (with a wavelength of 5.6 cm), which cover most of the Japan Islands and observe rainfall intensity and distribution. And the MLIT's radar observation system is composed of 26 C-band radars throughout Japan. The observed radar echo from each radar unit is first modified, and then sent to the National Bureau of Synthesis Process within the MLIT. Through several steps for homogenizing observation accuracy, including distance and elevation correction, synthesized rainfall intensity maps for the entire nation of Japan are generated every 5 minutes. The MLIT has recently launched a new radar observation network system designed for flash flood observation and forecasting in small river basins within urban areas. It is called the X-band multi parameter radar network, and is distinguished by its dual polarimetric wave pulses of short length (3cm). Attenuation problems resulting from the short wave length of radar echo are strengthened by polarimetric wavelengths and very dense radar networks. Currently, the network is established within four areas. Each area is observed using 3-4 X-band radars with very fine resolution in spatial (250 m) and temporal (1 minute intervals). This study provides a series of utilization procedures for the new input data into a real-time forecasting system. First of all, the accuracy of the X-band radar observation was determined by comparing its results with the rainfall intensities as observed by ground gauge stations. It was also compared with conventional C-band radar observation. The rainfall information from the new radar network was then provided to a distributed hydrologic model to simulate river discharges. The simulated river discharges were evaluated again using the observed river discharge to estimate the applicability of the new observation network in the context of operations regarding flood forecasting. It was able to determine that the newly equipped X-band polarimetric radar network shows somewhat improved observation accuracy compared to conventional C-band radar observation. However, it has a tendency to underestimate the rainfall, and the accuracy is not always superior to that of the C-band radar. The accuracy evaluation of the X-band radar observation in this study was conducted using only limited rainfall events, and more cases should be examined for developing a broader understanding of the general behavior of the X-band radar and for improving observation accuracy.

• 한국수자원학회논문집
• /
• 제52권9호
• /
• pp.589-601
• /
• 2019

최근 수문기상학 분야에서 레이더 강수량을 활용한 응용연구가 활발하게 진행되고 있다. 하지만 레이더 강수량은 경험적인 레이더 반사도-강수강도 관계식을 활용하여 레이더 강수량을 추정하기 때문에 실제 지상에 도달하는 강수량과 정량적인 오차가 필연적으로 발생한다. 따라서 본 연구에서는 레이더 강수량 편의보정을 위하여 Bayesian 추론기법과 일반화 선형모형을 연계하여 불확실성을 고려한 편의보정 매개변수를 산정하였다. 일반화 선형모형을 적용한 레이더 강수량 편의보정 결과는 현재 널리 사용되고 있는 평균보정 기법보다 우수한 통계적 효율기준을 제시하였다. 추가로 지형학적 특성에 따른 편의보정 매개변수의 변동성을 분석하여 고도 및 이격거리에 따른 편의보정 매개변수의 지역화 공식을 제시하였다. 본 연구를 통하여 개발된 레이더 강수량 편의보정 매개변수 산정 및 지역화 결과는 레이더와 관련된 다양한 연구에 활용성이 클 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.146-146
• /
• 2022

A flash flood is one of the most hazardous natural events caused by heavy rainfall in a short period of time in mountainous areas with steep slopes. Early warning of flash flood is vital to minimize damage, but challenges remain in the enhancing accuracy and reliability of flash flood forecasts. The forecasters can easily determine whether flash flood is occurred using the flash flood guidance (FFG) comparing to rainfall volume of the same duration. In terms of this, the hydrological model that can consider the basin characteristics in real time can increase the accuracy of flash flood forecasting. Also, the predicted radar rainfall has a strength for short-lead time can be useful for flash flood forecasting. Therefore, using both hydrological models and radar rainfall forecasts can improve the accuracy of flash flood forecasts. In this study, FFG was applied to simulate some flash flood events in the Taehwa river basin by using of SURR model to consider soil moisture, and applied to the flash flood forecasting using predicted radar rainfall. The hydrometeorological data are gathered from 2011 to 2021. Furthermore, radar rainfall is forecasted up to 6-hours has been used to forecast flash flood during heavy rain in August 2021, Wulsan area. The accuracy of the predicted rainfall is evaluated and the correlation between observed and predicted rainfall is analyzed for quantitative evaluation. The results show that with a short lead time (1-3hr) the result of forecast flash flood events was very close to collected information, but with a larger lead time big difference was observed. The results obtained from this study are expected to use for set up the emergency planning to prevent the damage of flash flood.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.136-136
• /
• 2021

In this study, a deep convolutional neural network (DCNN) model is proposed for short-term precipitation forecasting using weather radar-based images. The DCNN model is a combination of convolutional neural networks, autoencoder neural networks, and U-net architecture. The weather radar-based image data used here are retrieved from competition for rainfall forecasting in Korea (AI Contest for Rainfall Prediction of Hydroelectric Dam Using Public Data), organized by Dacon under the sponsorship of the Korean Water Resources Association in October 2020. This data is collected from rainy events during the rainy season (April - October) from 2010 to 2017. These images have undergone a preprocessing step to convert from weather radar data to grayscale image data before they are exploited for the competition. Accordingly, each of these gray images covers a spatial dimension of 120×120 pixels and has a corresponding temporal resolution of 10 minutes. Here, each pixel corresponds to a grid of size 4km×4km. The DCNN model is designed in this study to provide 10-minute predictive images in advance. Then, precipitation information can be obtained from these forecast images through empirical conversion formulas. Model performance is assessed by comparing the Score index, which is defined based on the ratio of MAE (mean absolute error) to CSI (critical success index) values. The competition results have demonstrated the impressive performance of the DCNN model, where the Score value is 0.530 compared to the best value from the competition of 0.500, ranking 16^th out of 463 participating teams. This study's findings exhibit the potential of applying the DCNN model to short-term rainfall prediction using weather radar-based images. As a result, this model can be applied to other areas with different spatiotemporal resolutions.

• 한국수자원학회논문집
• /
• 제47권12호
• /
• pp.1227-1237
• /
• 2014

이중편파레이더는 강수의 형태를 구분하고 대기 중의 기상 현상뿐만 아니라 비강수에코에 대한 정보를 제공하기 때문에 보다 정확한 강수량 추정을 가능하게 한다. 그러나 수직, 수평으로 진동하는 전파를 송 수신하여 생성되는 이중편파레이더 관측변수들은 레이더 자체가 갖는 시스템적 관측오차를 포함하기 때문에 정량적 강수량 추정을 위해서는 이에 대한 보정이 필수적이다. 본 연구에서는 2차원 영상우적계(2-Dimensional Video Disdrometer, 이하 2DVD) 관측 자료를 이용하여 비슬산 이중편파레이더가 갖는 Z, $Z_{DR}$ 관측오차를 계산한 후, 관측오차 보정에 따라 강수량이 정량적으로 얼마나 개선되는지를 살펴보았다. 총 33강수사례에 대한 분석결과, Z는 약-0.3~5.5 dB, $Z_{DR}$는 -0.1~0.6 dB의 관측오차를 가지며, 대부분의 사례에서 Z와 $Z_{DR}$는 모의된 값보다 낮게 관측하였다. 관측오차를 보정한 전 후 산출된 이중편파레이더 강수량 추정값을 지상관측 강우강도와 비교한 결과, 평균 bias와 RMSE는 각각 1.54 mm/hr, 1.73 mm/hr로 보정 전의 1.69 mm/hr, 2.54 mm/hr 보다 감소함으로써 지상우량계 관측값 대비 레이더 강수량 추정값이 약 7~61% 향상되었다.

• 한국수자원학회논문집
• /
• 제50권3호
• /
• pp.155-167
• /
• 2017

수문분석에 있어 정확한 강우량 추정 및 강우 자료의 품질은 매우 중요한 요소로 특히, 홍수유출 결과에 큰 영향을 미친다. 따라서 보다 신뢰성 높은 홍수분석을 위해서는 강우자료에 내포된 오차 또는 불확실성을 확인하는 과정이 필요하다고 할 수 있다. 본 연구에서는 임의의 값을 추정하는데 있어 하나의 값이 아닌 가능한 값들의 범위를 정의하거나 확률분포를 표시할 수 있는 확률론적인 방법을 제시하고 이를 레이더 강우에 적용하여 그 활용성을 평가하고자 하였다. 2012년 태풍 '산바'로 인해 남강댐 유역에 발생한 호우 사상에, 확률론적 방법을 적용하여 레이더 강우의 앙상블을 생성하였다. 생성된 강우 앙상블은 레이더 강우의 전체적인 편의보정뿐만 아니라 지상강우의 패턴을 잘 모의하고 있는 것으로 나타났으며, 레이더에 의해 추정한 강우의 불확실성을 잘 표현하고 있는 것으로 확인되었다. 확률론적 기법에 의한 강우 앙상블 생성 방법은 발생 가능한 다양한 강우 시나리오를 제공할 수 있으며 홍수예경보와 같은 의사 결정에 유용한 정보를 제공할 수 있을 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제56권8호
• /
• pp.471-484
• /
• 2023

적대적 생성 신경망 기반의 딥러닝 모델은 학습된 정보를 바탕으로 새로운 정보를 생성하는데 특화되어 있다. 구글 딥마인드에서 개발한 deep generative model of rain (DGMR) 모델은 대규모 레이더 이미지 데이터의 복잡한 패턴과 관계를 학습하여, 예측 레이더 이미지를 생성하는 적대적 생성 신경망 모델이다. 본 연구에서는 환경부 레이더 강우관측자료를 이용하여 DGMR 모델을 학습하고, 2021년 8월 호우사례를 대상으로 적대적 생성 신경망을 이용하여 강우예측을 수행하고 기존 예측기법들과 정확도를 비교하였다. DGMR은 대체적으로 선행 60분까지는 강우 분포 위치가 관측강우와 가장 유사하였으나, 전체 영역에서 강한 강우가 발생한 사례에서는 강우가 지속적으로 발달하는 것으로 예측하는 경향이 있었다. 통계적 평가에서도 DGMR 기법이 1시간 선행예측에서 임계성공지수 0.57~0.79, 평균절대오차 0.57~1.36 mm로 나타나 타 기법 대비 효과적인 강우예측 기법임을 보여주었다. 다만, 생성 결과의 다양성이 부족한 경우가 발생하여 예측 정확도를 저하하므로 다양성을 개선하기 위한 연구와 2시간 이상의 선행예측에 대한 정확도 개선을 위해 물리기반 수치예보모델 예측강우 자료를 이용한 보완이 필요할 것으로 판단되었다.

• 대한지리학회지
• /
• 제46권2호
• /
• pp.168-180
• /
• 2011

강수량 데이터의 정확성은 수리모델링에서 중요하다 WRS-88D (Weather Surveillance Radar - 1988 Doppler) 레이더 시스템에서 예측하는 NEXRAD (Next Generation Radar) 강수량 데이터는 높은 시, 공간 해상도를 갖는 데이터라는 장점이 있다. 이 연구에서는 검증된 SWAT (Soil and Water Assessment Tool) 모델을 이용한 이 전의 연구를 바탕으로 일반 가상관측소와 NEXRAD 강수량 데이터를 비교하여 국지적 강우와 그 강우가 유출량에 미치는 영향에 대해 분석하였다. 이 연구에서는 NEXRAD 강수량 데이터를 이용한 선행 연구에 기상관측소의 데이터를 대체하여 시뮬레이션을 함으로써 그 차이를 알아 보고자 하였다. 한 유역과 1년간의 데이터를 선정하여 비교 분석한 경과 두 강수량 데이터는 큰 차이를 보였다. 이는 기상관측소의 위치가 연구지역과 거리가 있기 때문이다. 가장 큰 강수량의 차이를 보일 때는 3 차이가 94.5mm (NEXRAD 데이터가 더 큰 경우) 와 71.6mm (기상 관측소의 데이터가 더 큰 경우) 까지 나타났다. 이 차이는 강우가 대부분 실제로는 연구지역 밖에서 나타났거나 연구지역만의 국지적 강우임을 나타내는 것이다. 유출량의 비교에서는 NEXRAD를 이용한 시뮬레이션이 측정치에 더 가깝게 예측하였다.