A new method is developed to measure rainfall with high accuracy and resolution. The principle of new method is to detect a weight change of a buoyant weight according to a change in water level of raingage measured by the use of a strain-gage load cell. Field test of the method was carried out on 30 September 1998, when there was heavy rainfall with total amount of 189.60mm. The results are as follows; 1) In spite of heavy rainfall, this new method showed the total error of only 1.5% against the total amount of 189.60mm. 2) This new mechanism accomplished high accuracy and resolution at filed test in heavy rainy day. 3) The present study provided a possibility to develop a new raingage with an 0.01mm in rainfall measurement.
This study investigates the roles of decomposition methods on high accuracy in daily rainfall prediction from light gradient boosting machine (LightGBM) algorithm. Here, empirical mode decomposition (EMD) and singular spectrum analysis (SSA) methods were considered to decompose and reconstruct input time series into trend terms, fluctuating terms, and noise components. The decomposed time series from EMD and SSA methods were used as input data for LightGBM algorithm in two hybrid models, including empirical mode-based light gradient boosting machine (EMDGBM) and singular spectrum analysis-based light gradient boosting machine (SSAGBM), respectively. A total of four parameters (i.e., temperature, humidity, wind speed, and rainfall) at a daily scale from 2003 to 2017 is used as input data for daily rainfall prediction. As results from statistical performance indicators, it indicates that the SSAGBM model shows a better performance than the EMDGBM model and the original LightGBM algorithm with no decomposition methods. It represents that the accuracy of LightGBM algorithm in rainfall prediction was improved with the SSA method when using multivariate dataset.
본 연구는 위성으로부터 유도된 강우자료 중 GPM IMERG의 정확도를 평가함으로써 미계측 혹은 비접근 지역에 대한 적용성을 판단하는 것을 목적으로 하였다. 연구대상 유역은 한반도 전역에 대하여 6개 권역으로 구분하여 분석을 수행하였다. 연구 유역에 대한 강우자료는 기상청에서 생산하고 있는 ASOS의 강우량 자료와 IMERG 위성강우자료를 이용하였다. 1시간의 시간해상도에서 평균 0.46의 상관계수를 가지며 24시간 해상도의 상관분석에서는 0.69로 높은 상관관계를 보이는 것으로 분석되었다. IMERG 강우량은 지상계측 강우량 보다 과소추정되는 것으로 분석되었으나, 시간 해상도가 낮아질수록 편이가 감소하는 것으로 분석되었다. 한편, 강우가 큰 기간의 사상 2개를 선정하여 분석한 결과 1시간 해상도의 상관계수는 0.68 및 0.69 값을 나타내었다. 또한 강우의 공간분포도 ASOS 및 IMERG 모두 유사한 분포를 보이는 것으로 분석되었다. 그러므로 IMERG 자료는 계측자료가 부족하거나 접근이 어려운 지역에서의 수문 기상 특성을 파악하는데 매우 유용할 것으로 판단된다. 향후 연구에서는 분석기간의 확장과 다양한 통계 분석 방법을 적용하여 위성강우의 정확도를 검증하는 연구를 수행할 계획이다.
Kim, Sun-Min;Yorozu, Kazuaki;Tachikawa, Yasuto;Shiiba, Michiharu
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.
본 연구에서는 기상청에서 제공하는 국지예보모델(LDAPS)과 일본 기상청의 중규모모델(Meso-Scale Model, MSM)을 이용하여 태풍 및 정체전선 등 3개의 강우사상과 남강댐 유역 내 산청 유역에 대해 강우 및 홍수 예측 정확도를 평가하고 비교 검토하였다. 강우예측 정확도 평가 결과, LDAPS와 MSM 모두 태풍 사상과 같은 광역적인 예측에 대해서는 예측 정확도가 높은 것으로 나타났으나, 정체전선과 같이 국지적으로 발생하는 강우사상의 경우 예측 오차가 많이 발생하는 것으로 나타났다. 홍수예측 정확도 평가 결과, 선행시간이 증가함에 따라 점점 예측 정확도가 향상되는 것을 확인할 수 있었으며, LDAPS와 MSM 모두 기상 및 수자원간의 연계를 통하여 강우 및 홍수 예측 분야에서의 활용 가능성을 확인할 수 있었다.
The limits of S-band dual-polarization radars in Korea are not reflected on the recent weather forecasts of Korea Meteorological Administration and furthermore, they are only utilized for rainfall estimations and hydrometeor classification researches. Therefore, this study applied four merging methods [SA (Simple Average), WA (Weighted Average), SSE (Sum of Squared Error), TV (Time-varying mergence)] to the QPE (Quantitative Precipitation Estimation) model [called RAR (Radar-AWS Rainfall) calculation system] using single-polarization radars and S-band dual-polarization radar in order to improve the accuracy of the rainfall estimation of the RAR calculation system. As a result, the merging results of the WA and SSE methods, which are assigned different weights due to the accuracy of the individual model, performed better than the popular merging method, the SA (Simple Average) method. In particular, the results of TVWA (Time-Varying WA) and TVSSE (Time-Varying SSE), which were weighted differently due to the time-varying model error and standard deviation, were superior to the WA and SSE. Among of all the merging methods, the accuracy of the TVWA merging results showed the best performance. Therefore, merging the rainfalls from the RAR calculation system and S-band dual-polarization radar using the merging method proposed by this study enables to improve the accuracy of the quantitative rainfall estimation of the RAR calculation system. Moreover, this study is worthy of the fundamental research on the active utilization of dual-polarization radar for weather forecasts.
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.
In this study, the GPM (Global Precipitation Mission) IMERG (Integrated Multi-satellitE retrievals for GPM) rainfall data was verified and evaluated using ground AWS (Automated Weather Station) and radar in order to investigate the availability of GPM IMERG rainfall data. The SPI (Standardized Precipitation Index) was calculated based on the GPM IMERG data and also compared with the results obtained from the ground observation data for the Hoengseong Dam and Yongdam Dam areas. For the radar data, 1.5 km CAPPI rainfall data with a resolution of 10 km and 30 minutes was generated by applying the Z-R relationship ($Z=200R^{1.6}$) and used for accuracy verification. In order to calculate the SPI, PERSIANN_CDR and TRMM 3B42 were used for the period prior to the GPM IMERG data availability range. As a result of latency verification, it was confirmed that the performance is relatively higher than that of the early run mode in the late run mode. The GPM IMERG rainfall data has a high accuracy for 20 mm/h or more rainfall as a result of the comparison with the ground rainfall data. The analysis of the time scale of the SPI based on GPM IMERG and changes in normal annual precipitation adequately showed the effect of short term rainfall cases on local drought relief. In addition, the correlation coefficient and the determination coefficient were 0.83, 0.914, 0.689 and 0.835, respectively, between the SPI based GPM IMERG and the ground observation data. Therefore, it can be used as a predictive factor through the time series prediction model. We confirmed the hydrological utilization and the possibility of real time drought monitoring using SPI based on GPM IMERG rainfall, even though results presented in this study were limited to some rainfall cases.
In this study, the prediction technology of Hydrological Quantitative Precipitation Forecast (HQPF) was improved by optimizing the weather predictors used as input data for machine learning. Results comparison was conducted using bias and Root Mean Square Error (RMSE), which are predictive accuracy verification indicators, based on the heavy rain case on August 21, 2021. By comparing the rainfall simulated using the improved HQPF and the observed accumulated rainfall, it was revealed that all HQPFs (conventional HQPF and improved HQPF 1 and HQPF 2) showed a decrease in rainfall as the lead time increased for the entire grid region. Hence, the difference from the observed rainfall increased. In the accumulated rainfall evaluation due to the reduction of input factors, compared to the existing HQPF, improved HQPF 1 and 2 predicted a larger accumulated rainfall. Furthermore, HQPF 2 used the lowest number of input factors and simulated more accumulated rainfall than that projected by conventional HQPF and HQPF 1. By improving the performance of conventional machine learning despite using lesser variables, the preprocessing period and model execution time can be reduced, thereby contributing to model optimization. As an additional advanced method of HQPF 1 and 2 mentioned above, a simulated analysis of the Local ENsemble prediction System (LENS) ensemble member and low pressure, one of the observed meteorological factors, was analyzed. Based on the results of this study, if we select for the positively performing ensemble members based on the heavy rain characteristics of Korea or apply additional weights differently for each ensemble member, the prediction accuracy is expected to increase.
강우레이더는 시공간적으로 높은 해상도의 레이더 강우를 제공하고 있으며, 이러한 레이더 강우는 초단기 예측 강우 모형의 입력자료로 활용 될 수 있다. 한국건설기술연구원은 레이더 강우로부터 추정된 초단기 예측 강우 자료를 활용하여 돌발홍수 예측 정보를 실시간으로 제공할 수 있는 돌발홍수 예측시스템을 개발하였다. 그러나 레이더 편파변수에 오차가 존재하는 경우 레이더 강우의 정확도는 낮게 나타날 수밖에 없으며, 이에 따라 초단기 예측 강우 자료의 정확도 역시도 낮게 나타날 수밖에 없다. 이에 본 연구에서는 레이더 강우의 정확도를 실시간으로 향상시키기 위해 레이더 편파변수 오차를 실시간으로 보정하는 프로그램을 개발하였다. 이를 위해 먼저 비슬산 레이더의 과거 363개의 강우사례에 편파변수 편의 보정에 따른 효과를 비실시간으로 검증하였다. 그 결과 편파변수의 오차 보정 시 레이더 강우의 정확도(1-NE) 수준은 약 70% 내외의 수준으로 나타났으며 상관계수는 0.8 이상으로 나타났다. 또한 실시간 편파변수 오차 보정 프로그램을 수행한 결과에서도 레이더 강우의 정확도(1-NE)를 약 70% 내외의 수준까지 향상시킬 수 있었다.
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.