• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.132-132
• /
• 2021

Access to accurate spatial precipitation in many hydrological studies is necessary. Existence of many mountains with diverse topography in South Korea causes different spatial distribution of precipitation. Rain gauge stations show accurate precipitation information in points, but due to the limited use of rain gauge stations and the difficulty of accessing them, there is not enough accurate information in the whole area. Weather radars can provide an integrated precipitation information spatially. Despite this, weather radar data have some errors that can not provide accurate data, especially in heavy rainfall. In this study, some location-based variable like aspect, elevation, plan curvature, profile curvature, slope and distance from the sea which has most effect on rainfall was considered. Then Automatic Weather Station data was used for spatial training of variables in each event. According to this, K-fold cross-validation method was combined with Adaptive Neuro-Fuzzy Inference System. Based on this, 80% of Automatic Weather Station data was used for training and validation of model and 20% was used for testing and evaluation of model. Finally, spatial distribution of precipitation for 1×1 km resolution in Gwangdeoksan radar station was estimates. The results showed a significant decrease in RMSE and an increase in correlation with the observed amount of precipitation.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1053-1064
• /
• 2022

현행 면적평균 강수량 산정 방법인 티센 방법은 정확한 유역평균 강수량 산정에 있어 심각한 구조적 한계가 존재한다. 강수량계의 관측 정확도 외에, 강수량계 배치와 호우의 이동 방향에 따라서도 면적평균 강수량 산정에 오차가 발생할 수 있다. 유역이 작고 관측소 밀도가 희박한 경우 시뮬레이션 및 관측 사상 모두에서 티센 방법은 첨두 전후로 10분 사이에 유역평균 강수량이 계속 급격히 증감이 반복되는 특이한 경향 보였다. 그리고 티센 유역평균 강수량은 첨두 시점이 강우레이더와 다르게 나타났다. 유역이 작지만 관측소 밀도 비교적 높은 경우에는 전반적으로 티센 방법에 의해 톱니모양의 과대 첨두치의 경향은 나타나지 않았고 시간에 따른 변동이 유사하게 나타났다. 그러나 강우레이더 관측치와 지상 강수량계 관측치 유역평균 강수량 사이에 약 10분 정도의 연속적인 시차가 발생하였다. 강우레이더 유역평균 강수량의 지상보정 효과를 검토한 결과, 보정 후 면적평균 강수량이 보정 전 면적평균 강수량에 비해 오히려 상관이 낮게 나타나, 현행 강우레이더 지상보정 알고리즘 보정 효과가 높지 않은 것을 알 수 있었다.

• 전기학회논문지
• /
• 제64권1호
• /
• pp.99-106
• /
• 2015

In this study, we propose Radial basis function Neural Network(RBFNN) using Recursive Weighted Least Square Estimation(RWLSE) to effectively deal with big data class meteorological radar data. In the condition part of the RBFNN, Fuzzy C-Means(FCM) clustering is used to obtain fitness values taking into account characteristics of input data, and connection weights are defined as linear polynomial function in the conclusion part. The coefficients of the polynomial function are estimated by using RWLSE in order to cope with big data. As recursive learning technique, RWLSE which is based on WLSE is carried out to efficiently process big data. This study is experimented with both widely used some Machine Learning (ML) dataset and big data obtained from meteorological radar to evaluate the performance of the proposed classifier. The meteorological radar data as big data consists of precipitation echo and non-precipitation echo, and the proposed classifier is used to efficiently classify these echoes.

• 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.

• 대기
• /
• 제24권1호
• /
• pp.77-87
• /
• 2014

The radar reflectivity is significantly affected by ground clutter, beam blockage, anomalous propagation (AP), birds, insects, chaff, etc. The quality of radar reflectivity is very important in quantitative precipitation estimation. Therefore, Weather Radar Center (WRC) of Korea Meteorological Administration (KMA) employed two quality control algorithms: 1) Open Radar Product Generator (ORPG) and 2) fuzzy quality control algorithm to improve quality of radar reflectivity. In this study, an occurrence of AP echoes and the performance of both quality control algorithms are investigated. Consequently, AP echoes frequently occur during the spring and fall seasons. Moreover, while the ORPG QC algorithm has the merit of removing non-precipitation echoes, such as AP echoes, it also removes weak rain echoes and snow echoes. In contrast, the fuzzy QC algorithm has the advantage of preserving snow echoes and weak rain echoes, but it eliminates the partial area of the contaminated echo, including the AP echoes.

• 한국지구과학회지
• /
• 제35권2호
• /
• pp.115-130
• /
• 2014

우리나라에서 악기상으로 인한 재해 유발 가능성이 높아짐으로써, 방재 및 수자원 관리 대책이 필요하다. 국지성 강한 강우에 대한 방재를 위해서는 강우량을 정량적으로 관측 및 예측해야 한다. 본 연구에서는 레이더 강우추정 오차의 지구통계학적 유효반경을 LGC 방법에 적용하여 레이더 추정강우를 조정하는 기법을 개발하였다. 지구통계적 방법을 이용하여 레이더 강우의 실제오차에 대한 유효반경을 결정하였고, LGC 방법을 기반으로 여름철 집중호우 네 사례의 레이더 강우를 조정하였다. 여름철 집중호우 사례의 레이더 1시간 누적강우량과 총누적강우량의 오차는 조정 후 각각 약 40%와 60% 이상 개선효과를 보였다. 그러므로, 여름철 국지적으로 강한 강우 현상의 레이더강우를 예측하는데 있어서 본 연구에서 개발된 조정 알고리즘을 이용하는 것은 적절한 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2003년도 학술발표회논문집(2)
• /
• pp.723-726
• /
• 2003

• 한국지구과학회지
• /
• 제34권1호
• /
• pp.13-27
• /
• 2013

정량적인 강수량 추정은 기상학 수문학적 연구와 활용에 가장 중요한 요소 중 하나이다. 본 논문에서는 정량적 강수량 추정을 위하여 레이더 강우의 지리통계적 오차 구조 함수를 공동크리깅에 적용하여 레이더 강우강도를 조정하였다. 레이더 강우강도의 오차는 공동크리깅의 주변수로서 지상 우량계와 레이더의 강우강도의 차이로 산출되었다. 지상 우량계 강우장은 공동크리깅의 이차변수로서 정규크리깅에 의해 산출되었다. 레이더 강우강도의 오차 분포는 실험적 베리오그램으로 결정된 이론적 베리오그램을 공동크리깅에 적용하여 생성되었고, 레이더 강우강도 조정을 위하여 레이더 강우강도의 오차 분포를 레이더 강우장에 적용하였다. 본 연구의 검증을 위하여 국지적으로 호우가 발생하였던 2009년 7월 6일에서 7일까지의 강우 사례를 선정하였다. 오차가 조정된 1시간 레이더 누적강우량과 지상 우량계 누적강우량의 상관성은 조정 전에 비하여 0.55에서 0.84로 향상되었고, 평균제곱근오차는 7.45에서 3.93 mm로 조정되었다.

• 대한원격탐사학회지
• /
• 제22권6호
• /
• pp.485-493
• /
• 2006

본 연구는 최적 결합 방법을 이용하여 다른 시공간 특징을 가진 강수량 자료를 통합하는 것이다. 최적 결합 방법은 AWS 우량계 자료와 S-band RADAR 추정 강수량을 전 시간대의 자신의 평균 제곱 오차에 반비례 하도록 디자인 하였다. 훈련시간에 따른 적절한 최적 가중치를 결정하기 위하여, 훈련시간을 1-10시간까지 실험하기 위하여 긴 기간 동안 비가 지속되었던 장마 사례에 적용하였다. 최적 결합 강수량의 수평장은 훈련시간 2시간 이후부터는 평탄화된 구조를 보여주었고, 최적 결합 강수량은 참값으로 가정한 종관관측 강수량과 수평 구조 및 값의 크기가 잘 일치하였다. 이러한 결과는 최적결합 방법이 다양한 자료들을 이용하여 고해상도의 강수량을 생산하는 데 사용할 수 있다는 것을 제시한다.

• 전기학회논문지
• /
• 제64권9호
• /
• pp.1337-1346
• /
• 2015

In this paper, pattern classifier is designed to classify precipitation and non-precipitation events from weather radar data. The proposed classifier is based on Fuzzy Neural Network(FNN) and consists of three FNNs which operate in parallel. In the proposed network, the connection weights of the consequent part of fuzzy rules are expressed as two polynomial types such as constant or linear polynomial function, and their coefficients are learned by using Least Square Estimation(LSE). In addition, parametric as well as structural factors of the proposed classifier are optimized through Differential Evolution(DE) algorithm. After event classification between precipitation and non-precipitation echo, non-precipitation event is to get rid of all echo, while precipitation event including non-precipitation echo is to get rid of non-precipitation echo by classifier that is also based on Fuzzy Neural Network. Weather radar data obtained from meteorological office is to analysis and discuss performance of the proposed event and echo patter classifier, result of echo pattern classifier compare to QC(Quality Control) data obtained from meteorological office.