Journal of Korea Water Resources Association (한국수자원학회논문집)

Korea Water Resources Association (한국수자원학회)
권호 표지
DOI QR코드

DOI QR Code

Summer Precipitation Forecast Using Satellite Data and Numerical Weather Forecast Model Data

광역 위성 영상과 수치예보자료를 이용한 여름철 강수량 예측

  • Kim, Gwang-Seob (School of Architect. and Civil Eng., Kyungpook National Univ.) ;
  • Cho, So-Hyun (Yeongsan River Environment Research Center)
  • 김광섭 (경북대학교 공과대학 건축토목공학부 토목공학전공) ;
  • 조소현 (영산강 물환경연구소)
  • Received : 2011.04.08
  • Accepted : 2012.03.26
  • Published : 2012.07.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this study, satellite data (MTSAT-1R), a numerical weather prediction model, RDAPS (Regional Data Assimilation and Prediction System) output, ground weather station data, and artificial neural networks were used to improve the accuracy of summer rainfall forecasts. The developed model was applied to the Seoul station to forecast the rainfall at 3, 6, 9, and 12-hour lead times. Also to reflect the different weather conditions during the summer season which is related to the frontal precipitation and the cyclonic precipitation such as Jangma and Typhoon, the neural network models were formed for two different periods of June-July and August-September respectively. The rainfall forecast model was trained during the summer season of 2006 and 2008 and was verified for that of 2009 based on the data availability. The results demonstrated that the model allows us to get the improved rainfall forecasts until lead time of 6 hour, but there is still a large room to improve the rainfall forecast skill.

본 연구에서는 지상의 관측 자료와 광역의 정보를 제공하는 수치 예보 모형 자료 및 인공위성 자료를 이용하고 자료와 강수예측치의 물리적 상관 특성을 나타내기 위하여 자료 사이의 비선형 거동을 잘 나타내는 신경망 모형에 적용시켜 단시간 강수 예측을 수행하였다. 이를 위하여 서울지점에 대하여 현재로부터 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 인공위성자료(MTSAT-1R) 및 수치 예보 모형 자료(RDAPS, Regional Data Assimilation and Prediction System)와 실시간 전송되는 자동 기상 관측 시스템(AWS, Automatic Weather System)의 관측치를 신경망 모형의 입력 자료로 하여 3시간, 6시간, 9시간, 12시간의 선행시간을 가지는 자료로 강수를 예측 할 수 있는 강수 예측 모형을 개발하였다. 장마와 태풍과 같이 전선형강수와 선풍형강수 등 강수 양상의 차이를 고려하기 위하여 6월, 7월과 8월, 9월 자료를 구분하여 신경망을 구축하였으며, 자료가용성에 기초하여 2006년에서 2008년 기간 동안에 대하여 모형을 학습하고 2009년에 대하여 모형의 적용성을 검증한 결과, 단시간 강수예측에 대한 모형의 적용 가능성을 보여주었으나 다양한 광역 자료와 인공신경망을 사용함에도 불구하고 단시간 강수예측의 정량적 정도향상을 위한 여지가 많음을 보여준다.

Keywords

References

  1. 강부식, 이봉기(2008). "인공신경망과 중규모기상수치예보를 이용한 강수예측확률." 대한토목학회지, 대한토목학회, 제28권, 제5B호, pp. 485-493.
  2. 김광섭(2006). "상층기상자료와 신경망기법을 이용한 면적 강수 예측." 한국수자원학회지, 한국수자원학회, 제39권, 제8호, pp. 717-726.
  3. 박호순, 손병주, 정의석(2008). "MODIS 적외 자료를 이용한 동아시아 지역의 총가강수량 산출." 대한원격탐사학회지, 대한원격탐사학회, 제24권, 제4호, pp. 309-324. https://doi.org/10.7780/kjrs.2008.24.4.309
  4. 신주영, 최지안, 정참삼, 허준행(2008). "인공신경망을 이용한 RDAPS 강수량 예측 정확도 향상." 한국수자원학회 학술발표대회 논문집, 한국수자원학회, pp. 1013-1017.
  5. 이병일, 김윤재, 정주용, 이상희, 오성남(2007). "MTSAT-1R 정지기상위성 자료를 이용한 전운량 산출 알고리즘 개발." 한국기상학회지, 한국기상학회, 제17권, 제2호, pp. 125-133.
  6. 최지안, 이경주, 김태순, 허준행(2009). "인공신경망과 RDAPS 자료를 이용한 유입량 예측." 한국수자원학회 학술발표대회 논문집, 한국수자원학회, pp. 23-26.
  7. 한광희, 류용준, 김태순, 허준행(2010). "상호정보량 기법을 적용한 인공신경망 입력자료의 선정." 한국수자원학회지, 한국수자원학회, 제43권, 제1호, pp. 81-94.
  8. Adler, R.F., and Negri, A.J. (1988). "A satellite infrared technique to estimate tropical convective and stratiform rainfall." Journal of Applied Meteorology, Vol. 27, No. 1, pp. 30-51. https://doi.org/10.1175/1520-0450(1988)027<0030:ASITTE>2.0.CO;2
  9. Arkin, P.A. (1979). "The relationship between fractional coverage of high cloud and rainfall accumulations during GATE over the B-scale array." Monthly Weather Review, Vol. 107, No. 10, pp. 1382-1387. https://doi.org/10.1175/1520-0493(1979)107<1382:TRBFCO>2.0.CO;2
  10. Chiang, Y.M., Chang, F., Jou, B.J., and Lin, P.F. (2006). "Dynamic ANN for precipitation estimation and forecasting from radar observations." Journal of Hydrology, Vol. 334, No. 2, pp. 250-261.
  11. Feidas, H., Kontos, T., Soulakellis, N., and Lagouvardos, K. (2007). "A GIS tool for the evaluation of the precipitation forecasts of a numerical weather prediction model using satellite data." Computer & Geosciences, Vol. 33, No. 8, pp. 989-1007. https://doi.org/10.1016/j.cageo.2006.12.001
  12. Negri, A.J., Adler, R.F., and Wetzel, P.J. (1984). "Rain estimation from satellites: an examination of the Griffith-Woodley technique." Journal of Climate & Applied Meteorology, Vol. 26, No. 1, pp. 1565-1576.
  13. Seo, D.J., and Smith, J.A. (1992). "Radar-based shortterm rainfall prediction." Journal of Hydrology, Vol. 131, No. 2, pp. 341-367. https://doi.org/10.1016/0022-1694(92)90225-K
  14. Shim, K.C. (1999). "Spatial decision support system for integrated river basin flood control." Ph.D. Thesis, Colorado State University, Fort Collins, CO, Spring.
  15. Vincente, G.A., Scofield, R.A., and Menzel, W.P. (1998). "The operational GOES infrared rainfall estimation technique." Bulletin of the American Meteorological Society, Vol. 79, No. 9, pp. 1883-1898. https://doi.org/10.1175/1520-0477(1998)079<1883:TOGIRE>2.0.CO;2
  16. Wardah, T., Bakar, S.H.A., Bardossy, A., and Maznorizan, M. (2008). "Use of geostationary meteorological satellite images in convective rain estimation for flash-flood forecasting." Journal of Hydrology, Vol. 356, No. 7, pp. 283-298. https://doi.org/10.1016/j.jhydrol.2008.04.015
  17. Weverberg, K.V., Nicole, P.M., and Delobbe, L. (2011). "Evaluation of moist processes during intense precipitation in km-scale NWP models using remote sensing and in-situ data: Impact of microphysics size distribution assumptions." Atmospheric Research, Vol. 99, pp. 15-38. https://doi.org/10.1016/j.atmosres.2010.08.017

Cited by

  1. Validation of Extreme Rainfall Estimation in an Urban Area derived from Satellite Data : A Case Study on the Heavy Rainfall Event in July, 2011 vol.47, pp.4, 2014, https://doi.org/10.3741/JKWRA.2014.47.4.371