We present here, some of the studies carried for estimation of rainfall over land and oceanic regions in and around South Korea. We use active and passive microwave measurements from TRMM ? TMI and Precipitation Radar (PR) respectively during a typhoon even named ? RUSA that took place during 30 Aug. 2002. We have followed due approach by Yao at. all (2002) and examined the performance of their algorithm using two main predictor variable, named as Scattering Index (SI) and Polarization Corrected Brightness Temperature (PCT) while using TMI data. The rainfall fnus estimated using PST and SI shows some Underestimation as compared to the 2A25 rainfall products from the PR in common area of overlap. A larger database thus would be used in future. To establish a new rain rate algorithm over Korean region based on the present case study.
Noh, Seong Jin;Choi, Shin Woo;Choi, Yun Seok;Kim, Kyung Tak
KSCE Journal of Civil and Environmental Engineering Research
/
v.34
no.5
/
pp.1443-1454
/
2014
In this study, we assess impact of spatial resolution of radar rainfall and a distributed hydrologic model on parameter estimation and rainfall-runoff response. Radar data measured by S-band polarimetric radar located at Mt. Bisl in the year of 2012 are used for the comparative study. As different rainfall estimates such as R-KDP, R-Z, and R-ZDR show good agreement with ground rainfall, R-KDP are applied for rainfall-runoff modeling due to relatively high accuracy in terms of catchment averaged and gauging point rainfall. GRM (grid based rainfall-runoff model) is implemented for flood simulations at the Geumho River catchment with spatial resolutions of 200m, 500m, and 1000m. Automatic calibration is performed by PEST (model independent parameter estimation tool) to find suitable parameters for each spatial resolution. For 200m resolution, multipliers of overlandflow and soil hydraulic conductivity are estimated within stable ranges, while high variations are found from results for 500m and 1000m resolution. No tendency is found in the estimated initial soil moisture. When parameters estimated for different spatial resolution are applied for other resolutions, 200m resolution model shows higher sensitivity compared to 1000m resolution model.
For the prediction of multi-site rainfall with radar data and ground meteorological data, a rainfall prediction model was proposed, which uses the neural network theory, a kind of artifical Intelligence technique. The Input layer of the prediction model was constructed with current ground meteorological data, their variation, moving vectors of rain- fall field and digital terrain of the measuring site, and the output layer was constructed with the predicted rainfall up to 3 hours. In the application of the prediction model to the Pyungchang river basin, the learning results of neural network prediction model showed more Improved results than the parameter estimation results of an existing physically based model. And the proposed model comparisonally well predicted the time distribution of ralnfall.
Journal of the Korean Association of Geographic Information Studies
/
v.20
no.3
/
pp.141-152
/
2017
This paper presents a technical method for flood estimation based on satellite rainfall and satellite rainfall correction method for watersheds lacking measurement data. The study area was the Sebou Watershed, Morocco. The Integrated Flood Analysis System(IFAS) and Grid-based Rainfall-Runoff Model(GRM) were applied to estimate watershed runoff. Daily rainfall from ground gauges and satellite-derived hourly data were used. In the runoff simulation using satellite rainfall data, the composites of the daily gauge rainfall and the hourly satellite data were applied. The Shuttle Radar Topographic Mission Digital Elevation Model(SRTM DEM) with a 90m spatial resolution and 1km resolution data from Global map land cover and United States Food and Agriculture Organization(US FAO) Harmonized World Soil Database(HWSD) were used. Underestimated satellite rainfall data were calibrated using ground gauge data. The simulation results using the revised satellite rainfall data were $5,878{\sim}7,434m^3/s$ and $6,140{\sim}7,437m^3/s$ based on the IFAS and GRM, respectively. The peak discharge during flooding of Sebou River Watershed in 2009~2010 was estimated to range from $5,800m^3/s$ to $7,500m^3/s$. The flood estimations from the two hydrologic models using satellite-derived rainfall data were similar. Therefore, the calibration method using satellite rainfall suggested in this study can be applied to estimate the flood discharge of watersheds lacking observational data.
KSCE Journal of Civil and Environmental Engineering Research
/
v.31
no.5B
/
pp.393-403
/
2011
This study theoretically reviewed the empirical G/R ratio by considering three regression and trend lines; the general linear regression curve, linear regression curve passing the origin, and the line passing the origin and the mass center of observed data. This review included the problem of choosing the independent variable and that of considering the zero measurements. This review result was also applied to the Typhoon Maemi in 2003 for their evaluation. Additionally, those regression and trend lines were compared using the RMSE between the corrected radar rainfall and observed rain gauge rainfall to select the most appropriate G/R ratio. Summarizing the results is as follows. First, the results of selecting the rain gauge rainfall as the independent variable were found better than the opposite case. Second, the effect of zero measurements varies depending on the structure of radar and rain gauge rainfall. Finally, the results from the comparison of three regression and trend lines shows that the slope of the regression line passing the origin with its independent variable of rain gauge rainfall would be used most appropriately for the G/R ratio, especially when the corrected radar rainfall is used for the flood analysis. The effect of zero measurements in this case was found not so significant.
This study applied deep convolution neural network based on U-Net and SegNet using long period weather radar data to very short-term rainfall prediction. And the results were compared and evaluated with the translation model. For training and validation of deep neural network, Mt. Gwanak and Mt. Gwangdeoksan radar data were collected from 2010 to 2016 and converted to a gray-scale image file in an HDF5 format with a 1km spatial resolution. The deep neural network model was trained to predict precipitation after 10 minutes by using the four consecutive radar image data, and the recursive method of repeating forecasts was applied to carry out lead time 60 minutes with the pretrained deep neural network model. To evaluate the performance of deep neural network prediction model, 24 rain cases in 2017 were forecast for rainfall up to 60 minutes in advance. As a result of evaluating the predicted performance by calculating the mean absolute error (MAE) and critical success index (CSI) at the threshold of 0.1, 1, and 5 mm/hr, the deep neural network model showed better performance in the case of rainfall threshold of 0.1, 1 mm/hr in terms of MAE, and showed better performance than the translation model for lead time 50 minutes in terms of CSI. In particular, although the deep neural network prediction model performed generally better than the translation model for weak rainfall of 5 mm/hr or less, the deep neural network prediction model had limitations in predicting distinct precipitation characteristics of high intensity as a result of the evaluation of threshold of 5 mm/hr. The longer lead time, the spatial smoothness increase with lead time thereby reducing the accuracy of rainfall prediction The translation model turned out to be superior in predicting the exceedance of higher intensity thresholds (> 5 mm/hr) because it preserves distinct precipitation characteristics, but the rainfall position tends to shift incorrectly. This study are expected to be helpful for the improvement of radar rainfall prediction model using deep neural networks in the future. In addition, the massive weather radar data established in this study will be provided through open repositories for future use in subsequent studies.
Thermodynamic conditions related with localized torrential rainfall in the middle west region of Korean peninsula are examined using radar rain rate and radiosonde observational data. Localized torrential rainfall events in this study are defined by three criteria base on 1) any one of Automated Synoptic Observing System (ASOS) hourly rainfall exceeds $30mmhr^{-1}$ around Osan, 2) the rain (> $1mmhr^{-1}$) area estimated from radar reflectivity is less than $20,000km^2$, and 3) the rain (> $10mmhr^{-1}$) cell is detected clearly and duration is short than 24 hr. As a result, 13 cases were selected during the summer season of 10 years (2004-13). It was found that the duration, the maximum rain area, and the maximum volumetric rain rate of convective cells (> $30mmhr^{-1}$) are less than 9hr, smaller than $1,000km^2$, and $15,000{\sim}60,000m^3s^{-1}$ in these cases. And a majority of cases shows the following thermodynamic characteristics: 1) Convective Available Potential Energy (CAPE) > $800Jkg^{-1}$, 2) Convective Inhibition (CIN) < $40Jkg^{-1}$, 3) Total Precipitable Water (TPW) ${\approx}$ 55 mm, and 4) Storm Relative Helicity (SRH) < $120m^2s^{-2}$. These cases mostly occurred in the afternoon. These thermodynamic conditions indicated that these cases were caused by strong atmospheric instability, lifting to overcome CIN, and sufficient moisture. The localized torrential rainfall occurred with deep moisture convection result from the instability caused by convective heating.
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.
Precipitation is one of the main factors that affect water and energy cycles, and its estimation plays a very important role in securing water resources and timely responding to water disasters. Satellite-based quantitative precipitation estimation (QPE) has the advantage of covering large areas at high spatiotemporal resolution. In this study, machine learning-based rainfall intensity models were developed using Himawari-8 Advanced Himawari Imager (AHI) water vapor channel (6.7 ㎛), infrared channel (10.8 ㎛), and weather radar Column Max (CMAX) composite data based on random forest (RF). The target variables were weather radar reflectivity (dBZ) and rainfall intensity (mm/hr) converted by the Z-R relationship. The results showed that the model which learned CMAX reflectivity produced the Critical Success Index (CSI) of 0.34 and the Mean-Absolute-Error (MAE) of 4.82 mm/hr. When compared to the GeoKompsat-2 and Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) rainfall intensity products, the accuracies improved by 21.73% and 10.81% for CSI, and 31.33% and 23.49% for MAE, respectively. The spatial distribution of the estimated rainfall intensity was much more similar to the radar data than the existing products.
This study analyzed the applicability of a rainfall downscaling algorithm in space-time multifractal framework (RDSTMF) in Korean Peninsula. To achieve this purpose, the 8 heavy rainfall events that occurred in Korea during the period between 2008 and 2012 were analyzed using the radar rainfall imagery. The result of the analysis indicated that there is a strong tendency of the multifractality for all 8 heavy rainfall events. Based on the multifractal exponents obtained from the analysis, the parameters of the RDSTMF were obtained and the relationship between the average intensity of the rainfall events and the parameters of the RDSTMF was developed. Based on this relationship, the synthetic space-time rainfall fields were generated using the RDSTMF. Then, the generated synthetic space-time rainfall fields were compared to the observation. The result of the comparison indicated that the RDSTMF can accurately reproduce the multifractal exponents of the observed rainfall field up to 3rd order and the cumulative density function of the observed space-time rainfall field with a reasoable accuracy.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.