• Proceedings of the Korean Society of Computer Information Conference
• /
• 2010.07a
• /
• pp.165-167
• /
• 2010

최근 지구 온난화 효과에 의한 기상이변으로 기상정보에 대한 관심이 급증하고 있다. 날씨 예보가 일반인들의 일상생활에 영향을 미칠 뿐만 아니라 산업과 경제 전반에 미치는 영향이 크기 때문이다. 기상분야의 의사결정은 직간접적으로 많은 양의 자료를 필요로 한다. 기상자료로부터 공간에 관련된 지도 자료, 각종 측정 및 계측자료 등이 그것들이다. 따라서 기상분야에서의 의사결정이 앞에 나열한 자료를 처리하고 계산과정을 거쳐 그 결과를 바탕으로 이루어질 때 적절하고 합리적인 의사결정이라고 할 수 있을 것이다. 이러한 의사결정 시스템은 사용자가 직관적이고 종합적으로 의사를 결정할 수 있도록 여러 가지 복잡한 자료를 표출할 수 있어야 한다. 본 논문에서는 의사결정을 위한 기상가시화 시스템의 요구조건을 분석하고 설계를 제안한다.

• Journal of Korea Water Resources Association
• /
• v.50 no.11
• /
• pp.735-743
• /
• 2017

With growing concerns about ever-increasing anthropogenic greenhouse gas emissions, it is crucial to enhance preparedness for unprecedented extreme weathers that can bring catastrophic consequences. In this study, we proposed a stochastic framework that considers uncertainty in weather forecasts for flood analyses. First, we calibrated a simple rainfall-runoff model against observed hourly hydrographs. Then, using probability density functions of rainfall depths conditioned by 6-hourly weather forecasts, we generated many stochastic rainfall depths for upcoming 48 hours. We disaggregated the stochastic 6-hour rainfalls into an hourly scale, and input them into the runoff model to quantify a probabilistic range of runoff during upcoming 48 hours. Under this framework, we assessed two rainfall events occurred in Bocheong River Basin, South Korea in 2017. It is indicated actual flood events could be greater than expectations from weather forecasts in some cases; however, the probabilistic runoff range could be intuitive information for managing flood risks before events. This study suggests combining deterministic and stochastic methods for forecast-based flood analyses to consider uncertainty in weather forecasts.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.114-114
• /
• 2023

기상레이더는 대류권의 기상 관측에 널리 사용되며, 기상예보를 비롯하여 항공, 농업, 수문학 등 다양한 분야에서 활용하고 있다. 기상레이더센터는 SSPA(Solid State Power Amplifier) 기반 X-Band 주파수대역(9GHz)을 사용하는 연구용 소형기상레이더 관측망을 운영하고 있다. 주로 수도권 저층 대기에서 발생하는 위험 기상현상을 1분 단위로 빠르게 관측하면서 정확한 강수 정보생산을 위한 연구를 수행하고 있다. 레이더 관측 자료는 전파를 이용하여 넓은 범위에 분포하는 눈, 비, 우박 등 대기수상체를 관측하여, 강수량 추정을 통해 강수 정보를 생산한다. 이에 따라 레이더 관측 자료의 정확성과 신뢰도를 높이기 위해서 레이더 품질관리 기술 적용은 필수적이다. 기상레이더센터는 소형기상레이더로 관측한 이중편파 자료의 효과적인 품질관리를 위한 각종 자료처리 모듈을 개발하여, 실시간 자료처리 프로그램에 적용하였다. 우선, 저층 대기 관측 시 기상에코와 더불어 강한 반사도로 나타나는 지형에코를 판별하는 모듈과 선형 또는 쐐기형태의 전파간섭에코를 비롯한 비기상에코를 효과적으로 제거하는 기술을 개발하였다. 다음으로, X-Band 주파수대역 기상레이더 관측 자료의 취약점인 강한 강수 시 발생하는 반사도 감쇠 현상을 보정하기 위한 기술도 개발하였다. 소형기상레이더 품질관리 개발과 적용을 통하여 생산된 자료는 HSR(Hybrid Surface Rainfall), 레이더 강수량 추정, 대기수상체 등 다양한 기상 산출물 생산과 동시에 기상 감시 및 연구 분야에 효과적으로 활용하고 있다.

• Bulletin of the Korean Space Science Society
• /
• 2009.10a
• /
• pp.25.5-26
• /
• 2009

인류의 활동 무대가 우주공간으로 확대됨으로써 우주기상에 의한 피해를 최소화 할 수 있는 조치가 요구됨에 따라 우주기상에 대한 감시 및 예 경보 업무가 필요해 졌다. 미국은 이미 우주기상 감시와 예보의 필요성을 인식하고 해양대기청(NOAA), 미 공군(USAF), 항공우주국(NASA), 내무부(DOI), 에너지부(DOE), 과학재단(NSF)이 연합하여 1996년 국가우주기상 프로그램(National Space Weather Program)을 수립.추진하고 있다. 특히 정부연구 기관인 NOAA 산하 우주기상예보센터(Space Weather Prediction Center; SWPC)와 미 공군 기상국(AFWA)은 우주기상 자료 생산, 수집, 자료 센터 운용, 연구 지원 및 예 경보 업무를 공동으로 수행하고 있으며 관련 자료 및 정보의 교환 등 매우 밀접하게 상호협력하고 있다. 최근 정부는 과학기술 7대 중점투자 분야별 중점육성후보기술로서 우주감시체계개발기술을 포함한 국가과학기술기본계획(577전략)을 수립 발표하였으며, 대한민국 공군은 향후 우주군 창설을 목표로 우주전력 기반체계구축을 계획하고 있다. 국방부는 2012년 전시작전통제권 환수에 대비한 독자적인 작전지휘능력 확보가 필요한 상황이며, 미래의 한국군 독자적 네트웍 중심 전장(NCW: Network Central Warfare) 체계 구축을 위해서는 미 공군의 "우주기상작전센터"와 같은 우주기상 예 경보 체계 구축이 요구된다. 이 연구에서는 군의 독자적 우주작전능력 확보를 위한 우주기상 예 경보 체계 구축 방향을 제시하고자 사전기반 연구를 수행하였다. 그 내용으로 우주기상에 대한 개요 및 우주기상의 변화에 따른 국내외 영향을 조사하고 국내외 우주기상 예 경보 시스템을 소개하고자 한다. 또한, 미공군의 우주기상 활용 상태를 점검하여 한국 공군을 위한 우주기상 예 경보 체계 구축 및 인력과 기술 확보에 대한 방안을 제시하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1013-1017
• /
• 2008

이 연구는 기상수치예보 모델 중 지역수치예보모델인 RDAPS 모델을 이용하여 강우자료를 예측한 값과 실제 강우관측지점에서의 강우량을 비교해 보고 RDAPS 예측량의 정확도를 높이기 위한 연구이다. RDAPS 모델의 자료는 00UTC와 12UTC에 3시간 누적 자료를 48시간에 대해서 생성하고, 30km 격자망에 대한 정보를 담고 있기 때문에 1시간 간격으로 측정된 지점 강우량과의 비교를 위해서는 관측지점과 근거리 정보를 찾고 1시간 간격의 관측 자료를 3시간 누적강우량으로 바꾸는 전처리 과정이 필요하다. 실제 강우예측이 어려움을 겪는 것처럼 RDAPS의 예측 강우량과 관측 강우량은 큰 차이를 보이는 것으로 나타났다. 예측 강우량의 정확도를 높이고자 인공신경망을 적용하였다. 인공신경망이란 뇌기능의 특성 몇가지를 컴퓨터 시뮬레이션으로 표현하는 것을 목표로 하는 수학 모델이다. 강우수치예측 자료 외에도 RDAPS 모델에서 얻을 수 있는 풍향, 풍속, 상대습도, 기압, 온도 등의 다른 수치자료들을 이용하여 인공신경망을 이용하여 자료들의 패턴을 시뮬레이션 하여 정확도가 높은 예측값을 얻을 수 있었다.

• Atmosphere
• /
• v.28 no.4
• /
• pp.369-382
• /
• 2018

Planetary boundary layer height (PBLH), produced by the Local Data Assimilation and Prediction System (LDAPS), was verified using RawinSonde (RS) data obtained from observation at Daegwallyeong (DGW) and Sokcho (SCW) during the International Collaborative Experiments for Pyeongchang 2018 Olympic and Paralympic winter games (ICE-POP 2018). The PBLH was calculated using RS data by applying the bulk Richardson number and the parcel method. This calculated PBLH was then compared to the values produced by LDAPS. The PBLH simulations for DGW and SCW were generally underestimation. However, the PBLH was an overestimation from surface to 200 m and 450 m at DGW and SCW, respectively; this result of model's failure to correctly simulate the Surface Boundary Layer (SBL) and the Mixing Layer (ML) as the PBLH. When the accuracy of the PBLH simulation is low, large errors are seen in the mid- and low-level humidity. The highest frequencies of Planetary boundary layer (PBL) types, calculated by the LDAPS at DGW and SCW, were presented as types Ι and II, respectively. Analysis of meteorological factors according to the PBL types indicate that the PBLH of the existing stratocumulus were overestimated when the mid- and low-level humidity errors were large. If the instabilities of the surface and vertical mixing into clouds are considered important factors affecting the estimation of PBLH into model, then mid- and low-level humidity should also be considered important factors influencing PBLH simulation performance.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.377-377
• /
• 2019

본 연구에서는 LSTM 모형을 이용하여 갈수예보를 위한 월 단위 전망모형개발의 대상지점으로 이수 및 치수의 측면에서 아주 중요한 한강대교 지점을 선정하였으며 유량예보를 위하여 한강수계 19개 기상관측소의 월평균강수량, 월평균기온 및 3개 댐(소양,횡성,충주)의 월방류량을 사용하여 한강대교의 월 유량을 예측하였다. 1996년부터 2016년까지의 자료는 모형의 학습, 2017년 자료는 모형의 검증에 활용하였으며 가장 최근 건설된 횡성댐 방류량의 경우 1996년~2000년의 자료가 없으므로 2001년~2005년의 자료를 반복하여 학습에 활용하였다. 모형의 예측결과는 신경망 학습 시 한강대교 월유량자료를 포함한 결과와 미포함 결과를 도출하였으며, 모의결과의 재현성 분석을 위하여 월별 예측값과 실측값의 비율을 산정하였으며 1월부터 12월까지 12개 값을 평균하여 평균예측률을 산정하고 이를 홍수기(6월~10월) 및 비홍수기(1월~5월, 11월~12월)를 구분하였다. 딥러닝 학습 시 월유량을 포함한 경우의 예측결과가 학습 시 월유량을 포함하지 않았을 경우보다 상대적으로 좋은 정확도를 보이는 것으로 분석되었다. 다만, 신경망을 실제 갈수예보에 활용하기 위해서는 예측 기상정보인 월강우량, 월평균기온, 댐방류량만을 활용하여야 하는데 학습 시월유량 미포함 결과는 예측률이 매우 낮았으며, 신경망의 학습횟수가 늘어날 경우 학습자료 과적합(over-fitting)되어 정확도가 보다 저하되는 것으로 나타났다. 그래서 기존의 현재시간 t까지의 입력자료로 학습 후 익월(t+1)의 월유량을 예측하는 (t $\rightarrow$ t+1) 방법에서 현재시점 (t-n ~ t)까지의 입력자료를 이용하여 당월(t)의 월유량을 산정하는 (t$\rightarrow$t) 방법으로 재학습 후 모형검증을 수행한 결과 전술한 익월(t+1) 유량을 예측한 결과보다 재현성이 훨씬 향상된 것으로 분석되며평균예측률이 0.99로 홍수기 및 비홍수기에서도 뛰어난 정확성을 보이고 있다.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.398-403
• /
• 2006

2008년 발사를 목표로 개발되고 있는 통신해양기상위성(COMS : Communication, Ocean and Meteorological Satellite)의 기상 탑재체를 이용한 기상 관측 임무는 기상청 기상위성센터(가칭)의 고유 임무로서, 이는 기상탑재체에서 관측한 자료를 수신 처리하여 고품질의 영상과 분석 자료를 생산하여 기상 예보 업무에 활용하고, 위성을 통하여 국내외 사용자들에게 분배하는 것 등을 포함한다. 위성을 통한 기상 자료 서비스는 국내에서는 최초로 시도되는 것으로, 국제기상위성운영 기관들의 모임인 기상위성조정그룹회의(CGMS Coordination Group for Meteorological Satellites)에서 권고하는 High Rate Information Transmission/Low Rate Information Transmission(HRIT/LRIT)라는 특정 자료 형태를 사용하여 분배하게 된다. 따라서 본 논문에서는 CGMS에서 권고하는 CCSDS (Consultative Committee for Space Data Systems) 전송 규격과 일본의 MTSAT-1R(Multi-functional Transport Satellite) 위성 사용자 서비스 자료 형태를 참고하여 통신해양기상위성의 효과적인 기상자료 분배를 위한 HRIT/LRIT 데이터 전송률을 분석하여 보았다.

• 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.

• Journal of Korean Society for Geospatial Information Science
• /
• v.24 no.4
• /
• pp.21-28
• /
• 2016

Numeric weather prediction is important to prevent meteorological disasters such as heavy rain, heat wave, and cold wave. The Korea meteorological administration provides a realtime special weather report and the rural development administration demonstrates information about 2-day warning of agricultural disasters for farms in a few regions. To improve the early warning systems for meteorological hazards, a nation-wide high-resolution dataset for weather prediction should be combined with web-based GIS. This study aims to develop a web service prototype for early warning of meteorological hazards, which integrates web GIS technologies with a weather prediction database in a temporal resolution of 1 hour and a spatial resolution of 1 km. The spatially and temporally high-resolution dataset for meteorological hazards produced by downscaling of GME was serviced via a web GIS. In addition to the information about current status of meteorological hazards, the proposed system provides the hourly dong-level forecasting of meteorologic hazards for upcoming seven days, such as heavy rain, heat wave, and cold wave. This system can be utilized as an operational information service for municipal governments in Korea by achieving the future work to improve the accuracy of numeric weather predictions and the preprocessing time for raster and vector dataset.