• 대기
• /
• 제17권4호
• /
• pp.327-337
• /
• 2007

In this study, we examined the new ensemble training approach to reduce the systematic error and improve prediction skill of wind by using the Short-range Ensemble prediction system (SENSE), which is the mesoscale multi-model ensemble prediction system. The SENSE has 16 ensemble members based on the MM5, WRF ARW, and WRF NMM. We evaluated the skill of surface wind prediction compared with AWS (Automatic Weather Station) observation during the summer season (June - August, 2006). At first stage, the correction of initial state for each member was performed with respect to the observed values, and the corrected members get the training stage to find out an adaptive weight function, which is formulated by Root Mean Square Vector Error (RMSVE). It was found that the optimal training period was 1-day through the experiments of sensitivity to the training interval. We obtained the weighted ensemble average which reveals smaller errors of the spatial and temporal pattern of wind speed than those of the simple ensemble average.

• 한국환경과학회지
• /
• 제33권6호
• /
• pp.435-442
• /
• 2024

We investigated the accuracy of surface air temperature prediction according to the selection of land-use data and initial meteorological data using the Weather Research and Forecasting model-v4.2.1. A numerical experiment was conducted at the Daegu Dyeing Industrial Complex. We initially used meteorological input data from GFS (Global forecast system)and GDAPS (Global data assimilation and prediction system). High-resolution input data were generated and used as input data for the weather model using the land cover data of the Ministry of Environment and the digital elevation model of the Ministry of Land, Infrastructure, and Transport. The experiment was conducted by classifying the terrestrial and topographic data (land cover data) and meteorological data applied to the model. For simulations using high-resolution terrestrial data(10 m), global data assimilation, and prediction system data(CASE 3), the calculated surface temperature was much closer to the automatic weather station observations than for simulations using low-resolution terrestrial data(900 m) and GFS(CASE 1).

• 한국지구과학회지
• /
• 제22권3호
• /
• pp.186-194
• /
• 2001

제주 지방 기상청을 대상으로 하는 지역 규모 단시간 수치예보 시스템을 구축하였다. 기상청 본청에서 하루 2회 제공되는 30 km해상도의 수치예보 자료로는 지방 기상청의 예보관들이 우리 나라와 같이 복잡한 지형에서 발생하는 그 지역의 국지 악기상을 파악하기에는 무리가 있다. 지역 규모의 고해상도 수치예보를 위해 LAPS와 MM5를 자료분석과 예보 모델로 이용하였다. LAPS는 양질의 수치예보 초기자료를 생산해 내기 위해 종관 관측 자료뿐만 아니라 위성 및 레이더 등의 비 종관 관측자료도 자료동화에 이용한다. MM5 모델은 16노드의 펜티엄 PC로 구성된 클러스터에서 수행되었으며 이 시스템은 분산병렬 클러스터 컴퓨터로 가격대비 성능이 매우 우수한 미니 슈퍼컴퓨터이다. 자료동화 모델, 수치예보 모델 그리고 PC-클러스터를 종합한 지역 규모 단시간 수치예보 시스템을 한라 단시간 예측 시스템이라 명명하였으며 이 시스템은 현재 제주 지방 기상청에서 독자적으로 운영되고 있다. 기상청 본청에서 제공되는 수치예보 정보로는 탐지할 수 없었던 1999년 7월 9일 제주 지역의 집중호우 사례에 대하여 본 시스템을 검증한 결과 모델이 예측한 강수량이 실제 강수량을 잘 재현하였다. 한라 단시간 예측 시스템은 2000년 4월부터 하루 4회 제주 지방기상청에서 독자적으로 운영되고 있다.

• 대기
• /
• 제29권3호
• /
• pp.257-267
• /
• 2019

This study is to assess the applicability of the Extreme Forecast Index (EFI) algorithm of the ECMWF seasonal forecast system to the Global Seasonal Forecasting System version 5 (GloSea5), operational seasonal forecast system of the Korea Meteorological Administration (KMA). The EFI is based on the difference between Cumulative Distribution Function (CDF) curves of the model's climate data and the current ensemble forecast distribution, which is essential to diagnose the predictability in the extreme cases. To investigate its applicability, the experiment was conducted during the heat-wave cases (the year of 1994 and 2003) and compared GloSea5 hindcast data based EFI with anomaly data of ERA-Interim. The data also used to determine quantitative estimates of Probability Of Detection (POD), False Alarm Ratio (FAR), and spatial pattern correlation. The results showed that the area of ERA-Interim indicating above 4-degree temperature corresponded to the area of EFI 0.8 and above. POD showed high ratio (0.7 and 0.9, respectively), when ERA-Interim anomaly data were the highest (on Jul. 11, 1994 (> $5^{\circ}C$) and Aug. 8, 2003 (> $7^{\circ}C$), respectively). The spatial pattern showed a high correlation in the range of 0.5~0.9. However, the correlation decreased as the lead time increased. Furthermore, the case of Korea heat wave in 2018 was conducted using GloSea5 forecast data to validate EFI showed successful prediction for two to three weeks lead time. As a result, the EFI forecasts can be used to predict the probability that an extreme weather event of interest might occur. Overall, we expected these results to be available for extreme weather forecasting.

• 한국수자원학회논문집
• /
• 제57권5호
• /
• pp.333-346
• /
• 2024

수량과 수질 및 수생태를 동시에 고려한 수자원 관리를 위해서는 신뢰도 높은 중기 유량 예측 기술이 필수적이다. 이를 위해서는 기상자료의 특성에 대한 이해와 더불어, 시공간 해상도가 낮은 기상예측 정보를 고해상도 분포형 수문모형에서 효과적으로 활용하는 기술이 중요하다. 본 연구에서는 분포형 수문모형 WRF-Hydro와 선행시간 288시간까지의 기상정보를 제공하는 Global Data Assimilation and Prediction System (GDAPS)를 활용해 고해상도 중기 유량 예측을 수행하고 적용성을 검토하였다. 이를 위해 대상 유역인 낙동강 지류 금호강 유역에 대해 100 m 공간해상도의 WRF-Hydro모형을 구축하고 기상지상관측자료 Automatic Weather Stations (AWS)& Automated Synoptic Observing Systems (ASOS), 기상수치예보모형 GDAPS, 기상재분석자료 Global Land Data Assimilation System (GLDAS)를 입력자료로 적용한 유량 예측 모의 결과를 비교하였다. 2020~2022년 기간 3개의 강우사상에 대해 유역 평균 누적 강우량을 분석 결과, AWS&ASOS대비 GDAPS는 36%~234%, GLDAS 재분석자료는 80%~153% 범위의 과소 및 과대 산정되었음을 확인하였다. AWS&ASOS입력자료로 한 유량 예측 결과는 KGE, NSE지표가 유역 말단 강창교 지점 기준 0.6이상이었으나, GDAPS 기반 유량 모의는 강우 사상에 따라 KGE 값이 0.871~-0.131로 큰 변동성이 확인되었다. 한편, 첨두 유량 오차는 GDAPS가 GLDAS보다 크거나 비슷했지만, 첨두 홍수 발생시간의 오차는 AWS&ASOS, GDAPS, GLDAS가 각각 평균 3.7시간, 8.4시간, 70.1시간으로, 첨두 발생시간 측면에서는 GDAPS의 오차가 GLDAS보다 적었다. GDAPS를 입력자료로 한 WRF-Hydro 고해상도 중기 유량 예측은 첨두 유량의 불확실성은 크지만, 첨두 유량 발생시점에 대한 정확도는 상대적으로 높아 수자원 시설 운영에 효과적으로 활용될 수 있을 것으로 판단된다.

• 대기
• /
• 제28권2호
• /
• pp.141-151
• /
• 2018

The KIAPS global model and data assimilation system were extended to assimilate brightness temperature from the Sondeur $Atmosph{\acute{e}}rique$ du Profil $d^{\prime}Humidit{\acute{e}}$ Intertropicale par $Radiom{\acute{e}}trie$ (SAPHIR) passive microwave water vapor sounder on board the Megha-Tropiques satellite. Quality control procedures were developed to assess the SAPHIR data quality for assimilating clear-sky observations over the ocean, and to characterize observation biases and errors. In the global cycle, additional assimilation of SAPHIR observation shows globally significant benefits for 1.5% reduction of the humidity root-mean-square difference (RMSD) against European Centre for Medium-Range Weather Forecasts (ECMWF) Integrated Forecast System (IFS) analysis. The positive forecast impacts for the humidity and temperature in the experiment assimilating SAPHIR were predominant at later lead times between 96- and 168-hour. Even though its spatial coverage is confined to lower latitudes of $30^{\circ}S-30^{\circ}N$ and the observable variable is humidity, the assimilation of SAPHIR has a positive impact on the other variables over the mid-latitude domain. Verification showed a 3% reduction of the humidity RMSD with assimilating SAPHIR, and moreover temperature, zonal wind and surface pressure RMSDs were reduced up to 3%, 5% and 7% near the tropical and mid-latitude regions, respectively.

• 한국농림기상학회지
• /
• 제19권4호
• /
• pp.232-245
• /
• 2017

본 연구에서는 지표이용도 특성이 반영된 고해상도 기상예측모델 도시캐노피모형(WRF-UCM)의 수치모의 실험을 통해 도심과 전원 지역 기상변수 및 에너지수지 변화 경향에 대하여 분석하였다. UCM을 적용하지 않은 WRF 모의 결과를 규준실험으로 설정하였으며, 거칠기 길이 변화와 인공열 고려에 따라 총 4가지 실험을 비교하여 분석하였다. UCM을 적용한 실험에서 거칠기 길이의 수정 전과 후의 기온과 풍속의 변화가 크게 나타나지 않았으나, 인공열을 고려한 UCM의 모의 기온과 풍속은 고려하기 전보다 크게 차이가 나타났다. 모의 실험 간의 차이는 전원 지역보다 도시 지역에서 더 크게 나타났다. 자동기상관측(AWS) 기온 관측 자료에 대하여 UCM에 인공열을 고려한 결과의 평방근오차(RMSE)가 가장 적었다. 또한, 차세대도시농림융합기상사업단의 중랑 에너지수지관측소지점의 현열플럭스 관측자료에 대한 검증 수치는 인공열을 고려하여 UCM을 적용한 실험의 RMSE와 BIAS 값이 가장 낮았다. 인공열을 고려한 UCM 적용이 도심의 현열플럭스 모의 향상에 영향을 주었다. 또한, UCM을 적용한 후 도시 지역 잠열플럭스의 변화 모의를 분석할 수 있었으며, 도심과 전원 지역 모두 UCM 적용 후에 관측 값과 더 가까운 검증 수치를 나타냈다. 결과적으로 WRF 모델에 UCM의 적용이 지표플럭스 모의 향상에 기여하는 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1142-1146
• /
• 2009

A rainfall simulation and forecasting technique that can generate daily rainfall sequences conditional on multi-model ensemble GCMs is developed and applied to data in Korea for the major rainy season. The GCM forecasts are provided by APEC climate center. A Weather State Based Downscaling Model (WSDM) is used to map teleconnections from ocean-atmosphere data or key state variables from numerical integrations of Ocean-Atmosphere General Circulation Models to simulate daily sequences at multiple rain gauges. The method presented is general and is applied to the wet season which is JJA(June-July-August) data in Korea. The sequences of weather states identified by the EM algorithm are shown to correspond to dominant synoptic-scale features of rainfall generating mechanisms. Application of the methodology to seasonal rainfall forecasts using empirical teleconnections and GCM derived climate forecast are discussed.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2002년도 학술발표회 논문집(I)
• /
• pp.43-50
• /
• 2002

Accurate quantitative forecasting of rainfall for basins with a short response time is essential to predict streamflow and flash floods. Previously, neural networks were used to develop a Quantitative Precipitation Forecasting (QPF) model that highly improved forecasting skill at specific locations in Pennsylvania, using both Numerical Weather Prediction (NWP) output and rainfall and radiosonde data. The objective of this study was to improve an existing artificial neural network model and incorporate the evolving structure and frequency of intense weather systems in the mid-Atlantic region of the United States for improved flood forecasting. Besides using radiosonde and rainfall data, the model also used the satellite-derived characteristics of storm systems such as tropical cyclones, mesoscale convective complex systems and convective cloud clusters as input. The convective classification and tracking system (CCATS) was used to identify and quantify storm properties such as life time, area, eccentricity, and track. As in standard expert prediction systems, the fundamental structure of the neural network model was learned from the hydroclimatology of the relationships between weather system, rainfall production and streamflow response in the study area. The new Quantitative Flood Forecasting (QFF) model was applied to predict streamflow peaks with lead-times of 18 and 24 hours over a five year period in 4 watersheds on the leeward side of the Appalachian mountains in the mid-Atlantic region. Threat scores consistently above .6 and close to 0.8 ∼ 0.9 were obtained fur 18 hour lead-time forecasts, and skill scores of at least 4％ and up to 6％ were attained for the 24 hour lead-time forecasts. This work demonstrates that multisensor data cast into an expert information system such as neural networks, if built upon scientific understanding of regional hydrometeorology, can lead to significant gains in the forecast skill of extreme rainfall and associated floods. In particular, this study validates our hypothesis that accurate and extended flood forecast lead-times can be attained by taking into consideration the synoptic evolution of atmospheric conditions extracted from the analysis of large-area remotely sensed imagery While physically-based numerical weather prediction and river routing models cannot accurately depict complex natural non-linear processes, and thus have difficulty in simulating extreme events such as heavy rainfall and floods, data-driven approaches should be viewed as a strong alternative in operational hydrology. This is especially more pertinent at a time when the diversity of sensors in satellites and ground-based operational weather monitoring systems provide large volumes of data on a real-time basis.

• 한국수자원학회논문집
• /
• 제51권7호
• /
• pp.575-584
• /
• 2018

최근 이상기후로 인한 집중호우 발생빈도와 이로 인한 국지적인 홍수 피해가 증가하고 있다. 이러한 점에서 홍수피해 예방측면에서 수치예보 정보 활용이 요구되고 있다. 그러나 수치예보모델은 초기 조건 및 지형적 요인으로 인해 시공간적 편의가 존재하며 실시간 예측정보로 활용하기 전에 모형결과에 대한 편의보정이 요구된다. 본 연구에서는 관측지점 기준으로 편의 보정계수를 산정하는 과정에서 모든 관측소간의 상관성을 거리의 함수로 고려하여 미계측지점의 편의 보정계수를 공간적으로 확장할 수 있는 Bayesian Kriging 기반 MFBC 기법을 개발하였다. 본 연구에서 개발한 방법은 미계측 유역에 대해서도 보정계수를 효과적으로 추정하는 것이 확인되었으며, 비교적 고해상도로 72시간(3일) 정도까지 예측강우 정보를 활용하는 것이 가능할 것으로 판단된다.