1. 서 론
최근 전 세계적으로 지구 온난화, 환경파괴 등의 영향으로 엘리뇨 현상이 빈번히 발생하고, 그에 따라 급변하는 기상현상으로 인한 인적, 재산적 피해가 기하급수적으로 증가하는 추세이다. 그 중 특히 인구와 고층 빌딩이 밀집되어 있는 주요 도심지의 경우 열섬현상으로 인한 이상기상 및 돌발기상이 급격히 증가함에 따라 많은 인명피해가 야기되고 있다. 이러한 기상 재해들의 문제점은 급변하는 환경에 기인하는 것으로서 과거 자료에 근거한 통계를 이용하는 기상 기술만으로는 예측 및 예방하기 어렵다는 점에 있다.
그에 따라, 현재 국내외 기상 관측기관에서는 위성 영상, 기상 레이더(radar), 라디오존데(radiosonde) 등의 첨단 기술장비들을 활용하여 다각적으로 기상현상을 관측하는 한편, 장·단기 기상 예측을 위한 고도의 알고리즘들을 활용함으로써 기상예보 및 재해예방을 위한 다양한 방법론들을 제시하고 있다. 그 중 기상 레이더는 높은 시공간 해상도로 넓은 지역에서 발생하는 기상현상을 비교적 정확하게 관측할 수 있는 장비로서, 중단기 강수 예측 부분에서 높은 활용성과 성능을 가지고 있다. 그에 따라, 국내에서도 국부적이고 돌발적으로 발생하는 기상재해에 대해 사전에 탐지하고 피해를 예방하기 위해 재난방재 차원에서의 기상 레이더에 대한 관심이 높아지고 있다.
현재 국내에서는 기상청, 국토교통부, 국방부 공군기상단 및 한국건설기술연구원에서 현업 및 연구를 위해 기상레이더를 운영하고 있다. 공군기상단의 기상레이더는 군 작전 지원용이므로 민간 활용이 어려우며, 현재 운영 중인 기상청과 국토교통부 레이더를 이용하여 우리나라 레이더 기상 관측망을 Fig. 1로부터 도식하였다.
Fig. 1.Weather radar coverages of the Korea peninsula.
일반적으로 Fig. 1과 같이 여러 기상 레이더들을 중첩 설치함으로써 단일 레이더보다 훨씬 정확하고 정밀한 기상관측을 할 수 있는 장점이 있다. 한편, 기상청과 국토교통부에서는 보다 정확한 기상관측을 위해 기존에 설치 되어있는 단일편파레이더를 이중편파레이더로 교체하는 동시에 새로운 이중편파레이더의 증설과 소형 기상레이더 설치를 지속적으로 진행하고 있으며, 이를 통해 기상 관측의 정확성과 정밀성을 높이는 동시에 그 자료를 활용함으로써 강수를 예측하고 기상재해를 예방하기 위해 노력하고 있다.
이처럼 증가하는 기상레이더 시스템과 자료들을 효율적으로 관리하고 활용하기 위한 범부처간 기상레이더 공동활용 방안이 마련되기도 했다. 하지만 다수의 기상 레이더를 보유하고 있음에도 레이더의 도입 시기 및 설치 상의 물리적 한계로 인해 발생하는 문제도 있다. 즉, 각 기관 또는 기상 레이더 사이트 별로 레이더 사양이 다르고, 각기 다양한 시공간 해상도를 갖는 자료들이 생성되고 있는 실정이다. 또한 이런 자료들을 통해 기상자료의 정확한 추정을 위한 노력에도 불구하고 현재까지도 기상레이더 자료를 각 기관별로 전송, 통합하기 위해서는 많은 행정적, 기술적 부하가 수반된다.
한편 본 연구와 관련해서, 현재 세계적으로 기상레이더의 하드웨어 성능이 향상됨에 따라, 또한 레이더 중첩을 통한 합성자료 생성 등과 같이 고해상도 레이더 자료가 증가함에 따라, 레이더 합성자료 및 고해상도 레이더 자료에 적합한 기상레이더 자료 시각화 기술이 Jang[1]에 의해 고안되었다. 또한, 레이더자료의 해상도가 높아짐에 따라 고용량의 레이더자료를 효율적으로 전송할 수 있도록 레이더자료 특성을 고려한 전용 압축 기술이 Jang[2]에 의해 제안되었다. 아울러, 레이더 자료로부터 정확한 지리적 강수를 분석하기 위한 기술로써 레이더 강수의 GIS 정합 기술에 대해 Jang[3]이 제안한 바 있다. 하지만 이런 기술들의 연구에도 불구하고 현재 현업에서의 신뢰성 등을 이유로 현업에 적용되지 못하고 있는 실정이다.
본 논문에서는 범부처 및 기관 간 레이더자료 공동 활용의 효율성을 제공하기 위해, 각 레이더 사이트별로 획득되는 다양한 레이더 변수들을 실시간 관측할 수 있는 범용 플랫폼(RT-MROP, real-time multiple radar observation platform)을 제안한다. 제안한 플랫폼은 시·공간해상도가 상이한 레이더들 간에도 별도의 신호처리 과정 없이 동시에 실시간으로 관측 및 감시가 가능하도록 설계하였으며, 다양한 기상 응용자료 역시 제공할 수 있도록 설계하였다.
본 논문의 구성은 다음과 같다. 2장에서 국내 이중편파 기상레이더의 현황과 사양에 대해 살펴보며, 3장에서 제안하는 다양한 사양의 기상레이더 자료들을 이용한 실시간 관측 모니터링 기법을 설명한다. 아울러 제안한 방법의 GIS 플랫폼과 각 레이더 사이트 및 중앙제어서버 등의 역할과 기능에 대해 설명한다. 그리고 4장에서는 제안한 플랫폼의 에뮬레이션(emulation) 환경을 구축하고 실험한 결과 통해 정성적인 방법으로 성능을 평가하고 5장에서 결론을 맺는다.
2. 국내 최신 기상레이더 현황
본 장에서는 이기종-다중 기상레이더 통합 모니터링 시스템 구축에 사용되는 국내 기상레이더의 종류와 사양에 대해서 살펴본다. Table 1로부터 2015년 1월 현재 국내에서 운영 중인 기상레이더들 중 최신의 이중편파 기상레이더들에 대한 현황을 나타내었다. 운영 주체에 따라 세부 운영목적을 달리하는데, 기상청은 기상예보를 위한 대기강수 관측을 주 목적으로 하며, 국토교통부는 하천홍수 예경보를 위해 운영한다. 한편 한국건설기술연구원은 도심지 돌발홍수 대응 및 대형레이더 관측사각지역에 대한 갭필러(gap-filler)로써 연구용 소형레이더를 운영하고 있다.
Table 1.Dual polarization weather radars’operational status on the Korea peninsula. [Jan., 2015]
Table 1에서 알 수 있듯이 각 기관 별로 기상레이더의 세부 운영 목적에 따라 또는 제조사에 따라 운영 현황이 상이함을 알 수 있다. 한편, Table 2로부터 Table 1의 각 레이더 제조사에 따른 H/W 사양을 조사하여 표현하였다. 본 논문에서는 각기 다른 레이더들로부터 획득되는 각기 다른 시공간해상도의 자료들을 다루는 내용이므로 Table 2에 포함된 기상레이더와 관련된 H/W 기술 용어들에 대한 설명은 생략하기로 한다. Table 2로부터 각기 다른 레이더 제조사양으로 인해 시간해상도, 공간해상도, 송수신이득 등과 같은 레이더의 H/W적 성능이 상이함을 쉽게 알 수 있다.
Table 2.Hardware specification details of weather radars on Table 1
Fig. 2로부터 Table 2의 각 레이더에 따른 각각의 운영시스템 S/W를 예로써 나타내었다. Fig. 2-(a)의 EDGE(enterprise doppler graphics environment) 시스템은 미국 EEC사에서 개발된 레이더 자료처리 S/W로써, 현재 기상청의 이중편파 레이더에서 운영되고 있다. Fig. 2-(b) IRIS(interactive radar information system)는 핀란드 Vaisala사에서 개발된 레이더자료처리 S/W로써 현재 국토교통부의 소백산 및 비슬산 레이더에서 운영되고 있다. Fig. 2-(c)의 Rainbow 시스템은 독일 Selex ES-Gematronik사에서 개발된 레이더자료처리 S/W이며 현재 국토교통부의 모후산 및 서대산산 레이더에서 운영 중이다. 이들 각 S/W들은 관측되는 레이더자료의 품질을 최적화하기 위해 Fig. 2의 각 사각형 표시된 설정 도구들로부터 관측 스케쥴에 따라 Clutter Filter(FFT, IIR 등), SQI, LOG, CCOR(SCR), SIG 등과 같은 품질관리변수의 변경이 가능하다. Fig. 2-(d)RLI-GUI는 미국 RLI 사에서 개발된 X밴드 소형 이중편파 레이더의 운영을 위해 사용되는 자료처리 S/W로써, 각종 품질관리변수를 미리 정의해놓고 GUI 상에서는 on/off 모드를 제공하는 것을 특징으로 한다. 마지막으로 각 레이더 운영시스템에서 생성된 레이더자료는 시스템에서 정의된 각기 다른 시공간 해상도로 저장되며, 시스템에 따라 파일 포맷 및 자료 품질 특성 역시 각각 달라진다. 이와 같이, 레이더 사이트 및 레이더 기종에 따라 생성되는 자료의 형태와 특성이 서로 상이하므로 레이더 운영기관들은 실시간으로 자료를 통합하는데 많은 어려움을 안고 있다.
Fig. 2.Various radar operation systems according to radar specifications on Table 2, (a) EDGE, (b)IRIS, (c) Rainbow, and (d) RLI-GUI.
한편 각 레이더 사이트에서는 대기 강수의 전층 관측을 위한 관측전략으로써 레이더 관측 고도각을 가변하는 방식으로 볼륨스캔(volume scan)을 수행한다. 기상청의 경우 매 10분을 주기로 전층 관측을 수행하며, 국토교통부는 현재 2.5분을 주기로 전층관측을 수행한다. 볼륨 스캔된 자료는 각 기관의 중앙 레이더자료 서버로 전송된 후, 고도에 따른 평면 레이더 영상인 CAPPI(constant altitude plan position indicator) 영상[4] 등으로 가공된 후 분석 및 서비스 된다. Fig. 3으로부터 기상청 및 국토교통부에서 제공하는 CAPPI 영상의 예를 나타내었다.
Fig. 3.Synthesized weather radar CAPPI images according to weather radar operation organizations, (a)KMA[5], and (b)MOLIT[6].
이 때, 각 레이더 사이트로부터의 방대한 용량의 레이더 볼륨자료의 전송, 취합 및 합성함에 있어 물리적인 시간지연이 따르게 되며, 합성자료의 관측영역 확장에 의한 자료 처리의 효율성과 데이터 용량의 문제로 인해 고해상도 품질의 레이더 영상을 실시간 제공하기 어려운 문제점이 발생한다. 현재 기상청에서는 각 기관별 합성영상을 제공하고는 있으나, 시공간 해상도가 낮은 단점이 있으며, 따라서 레이더운영 기관 간의 레이더 자료 검증의 효율성, 음영지역 해소 등과 같은 다중 레이더 중첩을 통한 상승효과를 얻기 힘든 실정이다. 하지만, 일반적으로 기상 레이더 시스템은 H/W 및 S/W적인 기술이 복잡하고 다양하며, 레이더 설치 환경에 따라 상이한 자료 특성을 가지기 때문에 실시간 통합 모니터링 시스템을 구축하기 위해서는 많은 기술적 시간적 비용이 요구된다.
본 논문에서 제안하는 기술은 앞서 언급한 문제점들을 해결하기 위해 현존하는 기상레이더운영 시스템 상에서 최소한의 비용으로 다중 레이더 통합 모니터링 시스템이다. 제안 기술은 기존의 각 기관별 각 레이더 사이트에서의 레이더 운영 시스템 상에서 기존의 시스템 변형이나, 시공간 동기화 및 자료통합 과정 없이 특정의 클라이언트 도구만으로 여러 레이더 사이트의 자료를 동시에 모니터링 할 수 있는 방법이다. 3장에서 제안하는 기술에 대해 자세히 설명하고자 한다.
3. 제안한 방법
3.1 제안한 알고리듬의 개요
2장에서 언급되었듯이 Fig. 3에서와 같은 기존의 레이더자료 통합 기술은 각 기관별 자료로만 CAPPI 등과 같은 격자 형태의 2차원 영상의 형태로 변환한 후 시공간 동기화를 통해 자료를 통합 표출한다. 또한 전체 레이더 반경이 넓어짐에 따라 표현영역 역시 레이더 반경에 따라 넓어게 되므로 표현의 효율성을 위해 불가피하게 공간적 해상도의 열화-다운샘플링(downsampling)을 수반하게 된다. 또한 중앙서버로의 대용량 레이더자료 전송 과정과 통합영상을 생성하는 과정에서 시간지연이 발생한다. 이에 따라 제안된 기술에 대해, 본 장에서는 기관에 관계없이 기상레이더 각각이 갖는 원래 레이더 이미지의 시공간 해상도를 유지하면서 하나의 시간적 및 공간적 기준 상에서 동기화하여 표출하는 기법에 대해 자세히 설명하고자 한다.
제안하는 RT-MROP 기술은 이기종-다중 레이더 자료의 통합 모니터링을 위한 표출 플랫폼으로써 구글어스(google earth)[7]를 이용하여 시스템을 구성한다. 구글어스는 구글 위성사진을 이용한 입체 세계지도 서비스로 기본적인 지리, 지도 서비스 뿐 아니라 KML(keyhole markup language)[8]을 이용하여 다양한 어플리케이션(application)을 적용할 수 있는 통합 GIS 솔루션으로 활용될 수 있다. 또한 기술적, 지역적 확장성과 범용성이 보장되므로 제안 기술의 GIS 플랫폼으로 사용하기에 유용하며, 인터넷 연결만으로 PC환경의 제약 없이 세계 어디서나 사용할 수 있다는 장점이 있다. 한편, KML은 구글 어스, 구글 지도[9] 및 구글 모바일 지도와 같은 어스 브라우저에서 지리 데이터를 표시하는 데 사용되는 파일 형식으로, 중첩된 요소 및 속성과 함께 태그 기반 구조를 사용하며 XML 표준을 기반으로 하는 브라우저 언어이다[10].
제안 플랫폼에서는 각 레이더 변수들에 대한 고해상도 레이더 영상 생성기법 및 GIS 정합 기법은 Jang [3]이 앞서 제안한 방법들을 사용한다.
Fig. 4로부터 제안하는 다중 레이더 실시간 공동관측 플랫폼의 개념도를 나타내었다. 제안하는 플랫폼은 방대한 레이더 자료의 전송과 처리에 대한 과부하를 최소화하기 위해 사용자 요구에 따라 각 레이더 사이트에서 기본적인 자료처리를 수행하며, 그 결과를 구글어스를 통해 각각 독자적으로 사용자에게 전송하도록 설계된다.
Fig. 4.Service mechanism for proposed RT-MROP.
효과적인 실시간 모니터링 시스템 구축을 위해 이 플랫폼은 Fig. 4와 같이 크게 모니터링 서버, 관리 서버 및 데이터 서버 등의 세 가지 기술적 요소로 구분할 수 있다. 각 서버의 역할과 다루는 정보에 대한 명세는 다음과 같다.
a. 모니터링 서버(사용자)
모니터링 서버에서 사용자는 웹 또는 전용 통신 프로그램 등을 통해 관리서버에 접속한 후, Fig. 1의 레이더들 중에서 모니터링 하고자하는 레이더들을 설정하고, 설정된 각 레이더로부터 제공받을 자료의 범례, 시, 공간해상도 및 자료품질관리 등을 설정한다. 그런 다음 관리 서버로부터 각 레이더 데이터 서버들에 대한 링크 KML를 다운로드 받은 후, 구글어스를 통해 각 레이더 영상을 전송받아 모니터링을 수행한다. 각 레이더를 위한 세부 설정 변수는 다음과 같다.
b. 데이터 서버(레이더 사이트)
데이터 서버는 각 레이더 사이트에서 각각 운영되며, 따라서 데이터 서버는 각 레이더 사이트의 자료저장 서버와 통합 및 독립적으로 운용될 수 있다. 제안하는 기술에서의 데이터 서버의 역할은, 기존의 레이더자료 저장 및 레이더 중앙서버로의 볼륨자료 전송을 수행하는 동시에, 사용자 요청에 따라 자체적으로 단일 레이더 영상을 생성하고 관리하도록 한다. Fig. 5로부터 데이터 서버 내에서 RT-MROP를 위해 삽입된 모듈들의 블록도를 나타내었다. Fig. 5와 같이 데이터 서버는 사용자로부터 요청받은 각종 품질 정의로부터 레이더 영상을 생성하는 것이 기본 역할이다. 또한 표출 레이더영상이 실시간 자료인지 또는 이슈 시구간 자료인지에 따라 영상 처리 루틴과 KML 작성루틴으로 나뉜다. 데이터 서버의 역할에 대한 세부 명세는 다음과 같다.
Fig. 5.Flowchart for radar image proccesing on the radar data server.
Fig. 6.Real-time radar image service via Linking KML between user and radar dara server.
Table 3.Example for composition of Radar KML on radar dara server
Table 4.Example for composition of time-series Radar KML on radar dara server
c. 관리 서버(웹 서버)
Fig. 4의 관리서버(control server)는 RT-MROP 내에서 사용자와 Fig. 1에 나타낸 각 레이더 사이트 또는 데이터 서버들 간의 통신 관리를 수행하며 이기종-다중 레이더영상을 통합 표출하기 위한 링크 선로를 제공하는 역할을 한다. Fig. 7로부터 관리서버의 역할에 대해 모니터링 서버 및 데이터 서버와의 RT-MROP 실행 프로세스를 나타내었다.
Fig. 7.Processing sequence of RT-MROP among monitoring, control, and data servers.
앞 절에서 이미 모니터링 서버 및 데이터 서버의 역할과 특징들로부터 관리서버의 역할을 유추할 수 있다. 관리서버에서는 웹 또는 전용 통신프로그램을 통해 모니터링 서버(사용자)로부터 레이더 자료 요청을 받고, 각 데이터 서버(레이더 사이트)로 각종 레이더 설정변수들을 전송한다. 그 후, 데이터 서버에서는 Fig. 5와 같이 설정변수들에 따른 레이더 영상들을 생성하고 Radar KML을 업데이트 한다. 그런 다음, 관리서버에서는 각 데이터 서버의 Radar KML 링크 주소를 전송받은 후 Linking KML을 작성한 후 모니터링 서버로 전송함으로서 역할을 완료한다. 모니터링 서버는 다운로드받은 Linking KML을 통해 각 데이터 서버로부터 레이더 영상을 전송받아 구글어스에 표출함으로서 실시간 모니터링을 수행한다. Table 5로부터 한국건설기술연구원 레이더 데이터 서버로부터 Radar KM를 링크하기 위한 Linking KML 작성 예를 나타내었다. Table 5에서와 같이 각 레이더 관측전략에 따라 업데이트 주기가 달리 설정되므로, 레이더 관측주기에 상관없이 표출되는 모든 레이더 자료를 실시간 모니터링 할 수 있다.
Table 5.Example for composition of Linking KML on the control server
4. 실험 결과 및 고찰
제안하는 RT-MROP는 다양한 종류의 기상레이더를 대상으로 하므로, 플랫폼의 구현을 위해 다수의 기상레이더가 필요하다. 하지만 현재 한국건설기술연구원의 레이더(고양 레이더)만 연구용으로 활용할 수 있을 뿐, 기상청 및 국토교통부의 기상레이더는 기상관측을 위해 현업용으로 운영되기 때문에 제안하는 플랫폼을 당장 적용하는 것은 현실적인 어려움이 따른다. 본 논문에서는 RT-MROP의 시뮬레이션을 위해, 한국건설기술연구원 레이더, 기상청 광덕산레이더 및 국토교통부 비슬산레이더 각각의의 과거 동시간대 자료들을 이용하여 각 레이더 사이트에 대한 데이터 서버를 가정한 에뮬레이터(Emulator)들을 각각 구축하여 그 각각으로부터 업데이트 되는 자료들를 이용해 플랫폼을 구현하였다. 또한, 레이더 영상들 뿐 아니라, 기상레이더 분석을 통해 가공된 누적강수 자료를 제공하는 데이터 서버를 구축하여 제안하는 플랫폼의 성능 및 활용성을 검증하였다.
데이터 서버의 에뮬레이터 및 모니터링 서버로 사용된 PC의 성능은 인텔 i7-4770 코어, 16GRAM이며, H/W적으로 이중 스레드 처리가 가능하도록 설계하였다. 또한 개발에 사용된 S/W 도구는 비주얼 C++, 구글어스, KML, Http 파일서버 등이다. 시뮬레이션은 2014년 7월 2일 13시~14시의 자료를 이용하여 수행되었으며, 이때 광덕산 레이더, 비슬산 레이더, 고양 레이더의 관측 반경은 각각 250m, 150km 및 40km이며, 관측주기는 각각 10분, 2.5분 및 1분으로 결정되어 있다. 누적강수자료는 고양레이더 자료를 이용하여 CSU(colorado state university) 알고리즘[15]에 의해 추정된 자료로부터 Jang[3]의 알고리즘을 이용해 생성하였다. Fig. 8로부터 제안 RT-MROP를 이용하여 고양 레이더자료를 모니터링 한 결과를 나타내었다.
Fig. 8.Result from real-time monitoring of Go-yang radar under RT—MROIP.
Fig. 9로부터 제안 플랫폼에서 다양한 레이더 변수를 실시간 모니터링 하는 예를 나타내었다. 기존의 기술들은 각각의 레이더 변수에 대한 레이더영상을 생성한 후, 별도의 과정을 통해 각각 GIS와 동화시키는 작업을 수행하였으나, 제안 기법에서는 각 데이터 서버로부터 실시간 업데이트 되는 레이더 변수들에 대해 사용자가 취사선택함으로써 다양한 레이더 변수에 대한 모니터링 편의성이 향상된 것을 알 수 있다.
Fig. 9.Example of real-time monitoring for various radar variables from Go-yang radar, (a)Reflectivity, (b)Velocity, (c)Differential Reflectivity, and (d)Specific Phase.
Fig. 10으로부터 다른 기관의 각기 다른 기종의 레이더 즉, 광덕산 레이더, 비슬산 레이더 및 고양 레이더의 자료들에 대해 RT-MROP를 이용하여 통합 모니터링을 수행한 결과를 나타내었다. 구글어스 상의 흰색 점을 중심으로 기상에코의 반경이 큰 순서로, 각각 광덕산 레이더, 비슬산 레이더 및 고양 레이더이며, 고양레이더는 광덕산 레이더의 관측반경 내에 완전히 포함되는 것을 알 수 있다.
Fig. 10.Result of RT-MROT service from different multiple radars on the site of Mt. Gwang-duk Mt. Bisle, and Go-yang.
Fig. 11은 Fig. 10의 자료에 대해 시간의 흐름에 따른 모니터링 결과를 나타낸 것이다. Fig. 11의 각 그림 내에서 관측 주기가 가장 짧은 고양 레이더의 경우 모두 기상에코의 변화가 관측되며, 관측 주기가 가장 긴 광덕산 레이더의 경우 Fig. 11-(e)와 (f) 사이에 기상에코의 변화가 있음을 알 수 있다. 이와 같이 제안 플랫폼이 관측주기가 각기 다른 레이더들에 대해 별도의 동기화 과정 없이 통합 모니터링을 가능케 함을 알 수 있다.
Fig. 11.Result of RT-MROT service as time passed, each 2 minute intervals from (a) to (f).
Fig. 12로부터 구글어스 상에서 고양레이더 영상을 확대한 결과를 나타내었다. 흰색 원으로 표시된 영역이 고양레이더 영상의 영역이다. 고양레이더는 관측반경이 작은 반면 광덕산 레이더보다 시공간적 해상도가 높은 것을 Table 2로부터 이미 설명하였다. 따라서 Fig. 12에서와 같이 고양레이더의 기상에코가 배경에 표현된 광덕산 레이더 영상보다 명확히 드러남을 알 수 있다. 또한 Fig. 12-(a) 및 (b)를 통해 관측주기의 차이로 인해 광덕산레이더 영상으로는 확인이 불가능한 반면 고양레이더 영상을 분석하면 기상에코가 북서쪽으로 이동 중인 것을 Fig. 11에서보다 명확히 알 수 있다.
Fig. 12.comparison of spatio-temporal resolutions between Mt. Gwang-duk and Go-yang radar on RT-MROT.
하지만 고양 레이더는 시공간 해상도가 높은 반면 주파수 특성 상 강한 강수에코에 의해 신호감쇄가 발생할 수 있는 단점이 있다. Fig. 12의 화살표 영역이 고양레이더 영상에서 신호감쇄가 발생한 부분이다. 고양레이더 영상만을 분석하게 되면 화살표 영역은 현재 강우가 없는 날씨로 간주되므로 기상 예측 오차가 발생한다. 제안 플랫폼을 통해 상대적으로 신호감쇄에 둔감한 광덕산 레이더와 동시에 모니터링함으로서 해당 영역에 강한 강수에코가 존재하고, 강한 강수에 의해 고양레이더에서 신호감쇄가 일어났음을 실시간으로 알 수 있다. 또한 감쇄보정을 위한 주요 자료로 활용 할 수 있음을 알 수 있다.
마지막으로 구글어스를 통해 제안하는 플랫폼 상에서 기상자료 분석을 위해 레이더 영상들 뿐 아니라, 다른 형식의 기상 응용자료들도 실시간 생성하여 모니터링 할 수 있음을 Fig. 13으로부터 나타내었다. Fig. 13은 레이더 기상 에코로부터 순간강우량을 추정하여 2차원 영상으로 표현하고, 매 순간 강우량에 대한 누적치를 입체 지도상에 3차원 맵핑(mapping) 함으로서 유역 범람, 돌발 홍수 예측 등의 재난 예경보에 활용할 수 있도록 적용한 예이다.
Fig. 13.Simulation result for combination of 3rd party radar application data with RT-MROP (a) Go-yang radar data with precipitation data, (b) and (c) precipitation data with accumulated rainfall rate, (d) and (e) radar data with accumulated rainfall rate, and (f) warning information with all weather data.
Fig. 13-(b) 및 (c)는 각각 레이더변수로부터 추정되는 순간강수량과 레이더 및 지상우량계를 이용한 누적강우량을 입체적으로 표현한 것이다. 레이더 순간강수량은 레이더 관측 고도선상에 투사하는 동시에 누적강우량은 지상으로부터의 3차원 그래프형식으로 표현함으로써 시인성과 직관성을 향상시키며, 시간축 상에서의 강수패턴을 보다 명확히 알 수 있게 하였다. Fig. 13-(e)와 (f)는 레이더 추정 누적강수로부터 돌발홍수 위험지역을 결정하고 경보하는 과정을 나타낸 것이다. 그림 속 경고표시는 시간당 30mm이상의 호우지역을 나타낸다. 따라서 Fig. 13으로부터 제안하는 RT-MROP 상에서 기상과 관련된 다양한 부가정보를 동시에 제공함으로서 보다 정확하고 효율적인 기상 분석과 예측이 가능할 수 있음을 보였다.
5. 결 론
본 논문에서는 이기종 다중 레이더 자료의 실시간 통합 모니터링 플랫폼을 제안함으로서 시공간 해상도가 다양한 레이더 자료들에 대해 자료동화 및 동기화 등과 같은 별도의 처리과정 없이 실시간 공동 관측이 가능함을 보였다. 따라서, 다양한 시공간적 해상도의 자료들에 대해 즉각적인 통합 모니터링 시스템을 구축할 수 있으며, 이로부터 돌발기상에 의한 재해를 보다 신속하고 정확하게 관측 및 예방할 수 있을 것으로 기대한다. 특히 제안 기술은 별도의 부가적인 장비나 고도의 기술적 메커니즘을 요구하지 않으므로 시스템 구축과정에서 경제적인 효율성을 가지며, 방대한 레이더자료 전송을 위한 네트워크 부하를 고려하여 최소의 데이터를 각 사이트에서 직접 전송하므로 자료전송의 대역폭을 최소화할 수 있는 장점이 있다. 아울러 각 레이더 사이트의 분석서버 혹은 데이터 서버를 활용하여 기 처리된 데이터를 이용하므로 방대한 레이더자료의 분산처리를 통한 기상상황의 실시간 관측 및 예측을 용이하게 할 수 있을 것으로 기대한다. 마지막으로, 본 기술은 기상 예측 및 분석을 위한 기존의 고도화된 시스템과 별도로 운영되며 보조적인 역할을 수행하는데 유용한 기술로 사용될 수 있으므로 향후 범부처간 레이더 공동 활용 및 기타 응용 기술 개발 확대에 기여할 수 있을 것으로 기대된다.
References
- B.J. Jang, S. Lim, S. H. Lee, K. S. Moon, V. Chandrasekar, and K. R. Kwon, "A Visualization Method of High Definition Weather Radar Information for Various GIS Platforms," Journal of Korea Multimedia Society, Vol. 16, No. 11, pp. 1239- 1249, 2013. https://doi.org/10.9717/kmms.2013.16.11.1239
- B.J. Jang, K.H. Lee, S. Lim, and K.R. Kwon, "Hierarchical Compression Technique for Reflectivity Data of Weather Radar," Journal of Korea Multimedia Society, Vol. 18, No. 7, pp. 793-805, 2015. https://doi.org/10.9717/kmms.2015.18.7.793
- B.J. Jang, K.H. Lee, D.R. Lee, and S. Lim, "High-Precision and 3D GIS Matching and Projection Based User-Friendly Radar Display Technique," Journal of Korea Water Resources Association, Vol. 47, No. 12, pp. 1145-1154, 2014. https://doi.org/10.3741/JKWRA.2014.47.12.1145
- McGil University, http://www.radar.mcgill.ca/science/ex-instrument/ex-scanning-radar.html (accessed Jan., 18, 2016).
- KMA, http://www.kma.go.kr/weather/images/rader_integrate.jsp (accessed Jan., 18, 2016).
- HRFCO, MOLIT, http://www.hrfco.go.kr/sumun/radarList.do (accessed Jan., 18, 2016).
- Google Earth, http://www.google.com/earth/, (accessed Jan., 2, 2016).
- J. Wernecke, The KML Handbook: Geographic Visualization for the Web, Addison-Wesley, New York, 2008.
- Google Map, https://www.google.co.kr/maps/ (accessed Jan., 1, 2016).
- Google Developers, https://developers.google.com/kml/documentation/kml_tut (accessed Jan., 12, 2016).
- Libpng Home Page, http://www.libpng.org/pub/png/libpng.html, (accessed Jan., 4, 2016).
- K. Friedrich and M. Hagen, “A Quality Control Concept for Radar Reflectivity, Polarimetric Parameters, and Doppler Velocity,” Journal of Atmospheric Oceanic Technology, Vol. 23, pp. 865-887, 2006. https://doi.org/10.1175/JTECH1920.1
- V. Lakshmanan, A. Fritz, T. Smith, K. Hondl, and G. Stumpf, “An Automated Technique to Quality Control Radar Reflectivity Data,” Journal of Applied Meteorology Climatology, Vol. 46, pp. 288-305, 2007. https://doi.org/10.1175/JAM2460.1
- L. Yang, B.J. Jang, S. Lim, K.C. Kwon, S.H. Lee, and K.R. Kwon, "Weather Radar Image Gener ation Method Using Interpolation Based on CUDA," Journal of Korea Multimedia Society, Vol. 18, No. 4, pp. 473-482, 2015. https://doi.org/10.9717/kmms.2015.18.4.473
- R. Cifeli, V. Chandrasekar, S. Lim, Y. Wang, and S. A. Rutledge, “A New Dual-Polarization Radar Rainfall Algorithm: Application on Colorado Precipitation Events,” Journal of Atmospheric Oceanic Technology, Vol. 28, pp. 352-364, 2011. https://doi.org/10.1175/2010JTECHA1488.1
Cited by
- Wave Information Estimation and Revision Using Linear Regression Model vol.19, pp.8, 2016, https://doi.org/10.9717/kmms.2016.19.8.1377