• Korean Journal of Remote Sensing
• /
• v.36 no.5_1
• /
• pp.679-692
• /
• 2020

We coupled a CFD model to the WRF-Chem model (WRF-CFD model) and investigated the characteristics of flows and carbon monoxide (CO) distributions in a building-congested district. We validated the simulated results against the measured wind speeds, wind directions, and CO concentrations. The WRF-Chem model simulated the winds from southwesterly to southeasterly, overestimating the measured wind speeds. The statistical validation showed that the WRF-CFD model simulated the measured wind speeds more realistically than the WRF-Chem model. The WRF-Chem model significantly underestimated the measured CO concentrations, and the WRF-CFD model improved the CO concentration prediction. Based on the statistical validation results, the WRF-CFD model improved the performance in predicting the CO concentrations by taking complicatedly distributed buildings and mobiles sources of CO into account. At 04 KST on May 22, there was a downdraft around the AQMS, and airflow with a relatively low CO concentration was advected from the upper layer. Resultantly, the CO concentration was lower at the AQMS than the surrounding area. At 15 KST on May 22, there was an updraft around the AQMS. This resulted in a slightly higher CO concentration than the surroundings. The WRF-CFD model transported CO emitted from the mobile sources to the AQMS measurement altitude, well reproducing the measured CO concentration. At 18 KST on May 22, the WRF-CFD model simulated high CO concentrations because of high CO emission, broad updraft area, and an increase in turbulent diffusion cause by wind-shear increase near the ground.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.238-238
• /
• 2016

토양수분, 증발산량, 유출량 등의 고해상도 수문기상요소 산출을 위한 지면모델 활용 기술은 기상 및 수문분야에서 널리 활용 중에 있다. 본 연구에서는 미국 국립대기과학연구소(NCAR)에서 개발된 기상-수문 결합모델 WRF-Hydro(Weather Research and Forecasting Model Hydrological modeling extension package)을 활용하여 낙동강 유역에서 발생한 돌발홍수 사례 실험에 적용하여 강우량 및 수문기상요소 전체를 모의함으로써 기상-수문-지면 결합모델을 활용한 수문기상요소 산출하고자 하였다. 이를 기존의 기상모델로부터 입력강제자료를 제공받아 Off-line 형태로 결합된 지면모델(TOPLATS, TOPmodel-based Land Atmosphere Transfer Scheme) 결과와 비교하였고 기상-수문 결합모델의 국내 적용성을 검토하였다. 기상-수문-지면 결합모델(WRF-Hydro)의 초기장 및 경계장은 기상청 현업 모델에서 생성된 국지예보모델자료 1.5km 자료(LDAPS, Local Data Assimilation and Prediction System)를 사용하였으며, 모델의 적분기간은 돌발홍수 사례에 따라 24~36시간을 수행하였다. WRF-Hydro 모델의 물리모수화 방안은 작년까지 기상청에서 현업운영되는 KWRF의 방안들을 준용하였으며, WRF-Hydro 수행을 위해 Advanced Spaceborne Thermal Emission and Reflection Radiometer(ASTER)에서 제공되는 30 m 해상도의 수치표고자료를 GIS(Geographic Information System)를 활용하여 지표유출방향을 설정하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.115-115
• /
• 2019

하천수 흐름예측에 대한 연구는 대부분 WRF-Hydro와 같은 과정기반 모델링 시스템을 이용한다. 과정기반 모델링 시스템은 물리적 현상을 일반화한 수식으로 구성되어있다. 일반화된 수식은 불확실성을 내포하고 있으며 지역적 특성도 반영하지 못한다. 특히 수식에 사용되는 입력자료는 측정값으로 오차가 존재한다. 따라서 과정기반 모델링 시스템 예측결과는 계통오차와 우연오차가 존재한다. 현재 매개변수 보정을 통해 예측결과를 개선하는 방법을 사용하고 있으나 한계가 있다. 본 연구는 이러한 한계를 극복하기 위해 상호보완적인 Data-driven 모델을 구축하여 과정기반 모델링 시스템 결과를 개선하고자 하였다. Data-driven 모델 구축을 위해 머신러닝 기법인 instance-based weighting(IBW)과 support vector regression(SVR)을 사용하였다. 구축된 Data-driven 모델은 한반도 지역 주요 저수지 및 호수의 하천수 흐름예측을 통해 검증하였다. 검증을 위해 과정기반 모델링 시스템으로 WRF-Hydro를 구동하였다. 입력자료는 기상청의 국지수치예측모델자료(LDAPS), HydroSHEDS의 수치표고모델자료(DEM), 국가지리정보원의 저수지 및 호수 연속수치지형도를 사용하였다. 본 연구를 통해 구축된 Data-driven모델은 기존 과정기반 모델링 시스템의 오류수정 한계를 머신러닝을 이용하여 개선할 수 있는 가능성을 제시하였다.

• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.39 no.9
• /
• pp.735-742
• /
• 2015

In this paper, we compare and verify the prediction accuracy and feasibility for wind resources on a wind farm using the Weather Research and Forecasting (WRF) model, which is a numerical weather-prediction model. This model is not only able to simulate local weather phenomena, but also does not require automatic weather station (AWS), satellite, or meteorological mast data. To verify the feasibility of WRF to predict the wind resources required from a wind farm pre-feasibility study, we compare and verify measured wind data and the results predicted by WAsP. To do this, we use the Pyeongdae and Udo sites, which are located on the northeastern part of Jeju island. Together with the measured data, we use the results of annual and monthly mean wind speed, the Weibull distribution, the annual energy production (AEP), and a wind rose. The WRF results are shown to have a higher accuracy than the WAsP results. We therefore confirmed that WRF wind resources can be used in wind farm pre-feasibility studies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.173-173
• /
• 2018

본 연구는 기상-수문 분야에서 고해상도 수문기상요소를 산출하기 위해 WRF-Hydro(Weather Research and Forecasting and Model Hydrological modeling extension package) 모형을 한반도 대상으로 구축하였다. 모형은 미국 대기 연구 국립센터(NOAA)에서 개발된 커뮤니티형 고해상도 예측모델이므로 미국 등에서 활발히 활용되기 시작하였으나 아직 우리나라 적용성에 대한 연구는 많지 않다. 본 연구에서는 WRF-Hydro 모형을 한반도에 적절히 사용하기 위해 표면유출, 보수깊이, 표면거칠기와 같은 파라미터를 보정하였다. WRF-Hydro는 지역 기상모형인 WRF와 연계하여 coupled WRF/WRF-Hydro 모형을 구동하였으며, 고해상도 유출값을 얻기 위해 미국 지질조사국(USGS)에서 제공한 HydroSHEDS(Hydrological data and map based on SHuttle Elevation Derivatives at multiple Scales)를 이용하였다. 본 연구에서는 관측된 유출값을 Markov Chain Monte Carlo(MCMC) 방법을 활용하여 모형값과 비교하여 파라미터 보정을 수행하였으며, 파라미터 보정된 WRF/WRF-Hydro를 활용해 한반도 과거 홍수 및 가뭄 사상을 모의하여 결과를 분석하였다.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 2010.04a
• /
• pp.570-571
• /
• 2010

• Journal of the Korean Society for Marine Environment & Energy
• /
• v.13 no.3
• /
• pp.127-134
• /
• 2010

This study investigated the accuracy of mean sea level pressure(MSLP) predicted by weather models around Korean Peninsula during typhoon Manyi and Usagi period in 2007. The mesoscale regional model, RDAPS, KWRF with 30 and 10 km horizontal resolution and developed high-resolution WRF models with 9 and 3 km horizontal resolutions are used to predict the features of MSLP. The predicted MSLP aspects were verified using observed results from total 35 coastal stations including AWS and ocean buoy. Although 4 models showed the reasonable MLSP results during typhoon periods, the highest resolution, 3km WRF model show the most accurate MSLP results with maximum 69% and 60% improvement with comparisons of RDAPS and KWRF, respectively.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.15 no.1
• /
• pp.17-25
• /
• 2013

In this paper we interpreted the changes in wind field over complex mountainous terrains. The results of our study can be applied for predicting the direction of fire spread and for establishing strategies for fire prevention. The study area is bounded by $12{\times}12$ km domains of the Samcheok's long-term ecological research (LTER) site located in the east coast, in which a large-fire had occurred from 7 to 13 April 2000. Because of the area's complex topography, we compared the result of the Weather Research and Forecasting (WRF) mesoscale model with those observed by four automated weather stations. The WRF simulation overestimated the wind speed by 5 to 8 m/s (~200%) in comparison with those from four automated weather stations. The wind directions observed by the AWSs were from various directions whereas those from WRF model were mostly west wind at all stations. Overall, the simulations by the WRF mesoscale models were not appropriate for the estimation of microscale wind fields over complex mountainous areas. To overcome such inadequacy of reproducing the wind fields, we employed the ENVI-met model over Samcheok's LTER site. In order to test the model's sensitivity with the terrain effects, experimental simulations were conducted with various initial conditions. The simulation results of the ENVI-met model showed a reasonable agreement in wind speeds (about 70% accuracy) with those of the four AWSs. Also, that the variations in wind directions agreed reasonably well with changes in terrain effect. We concluded that the ENVI-met model is more appropriate in representing the microscale wind field over complex mountain terrains, which is required to predict fire spread and to establish strategies for forest fire prevention.

• Atmosphere
• /
• v.20 no.3
• /
• pp.319-332
• /
• 2010

Sensitivity experiments of WRF model using different planetary boundary layer (PBL) and land surface model (LSM) parameterizations are evaluated for prediction of wind fields within the surface layer. The experiments were performed with three PBL schemes (YSU, Pleim, MYJ) in combination with three land surface models (Noah, RUC, Pleim). The WRF model was conducted on a nested grid from 27-km to 1-km horizontal resolution. The simulations validated wind speed and direction at 10 m and 80 m above ground level at a 1-km spatial resolution over the South Korea. Statistical verification results indicate that Pleim and YSU PBL schemes are in good agreement with observations at 10 m above ground level, while the MYJ scheme produced predictions similar to the observed wind speed at 80 m above ground level. LSM comparisons indicate that the RUC model performs best in predicting 10-m and 80-m wind speed. It is found that MYJ (PBL) - RUC (LSM) simulations yielded the best results for wind field in the surface layer. The choice of PBL and LSM parameterization will contribute to more accurate wind predictions for air quality studies and wind power using WRF.