• The Science & Technology
• /
• v.29 no.12 s.331
• /
• pp.67-70
• /
• 1996

전파의 반사로 대상체의 위치를 측정하는 레이더는 2차대전 이래 사용되어 온 오랜 기술이다. 본시 적의 항공기나 선박을 탐지하는 군사용으로 개발된 레이더는 차츰차츰 민생용으로 전환되면서 항공기와 선박들은 이 기술을 이용하여 충돌을 피하는가 하면 천문학자들은 천체의 표면을 그리는데 사용하고 기상전문가들은 이 기술을 이용하여 폭풍을 추적한다. 그러나 몇해 전만해도 담배값 크기의 싼 개인용레이더가 등장하여 인간활동의 구석구석까지 침투할 것이라고 예상한 사람은 거의 없었다.

• Journal of Korea Water Resources Association
• /
• v.53 no.11
• /
• pp.999-1013
• /
• 2020

Weather modification research has been actively performed worldwide, but a technology that can more quantitatively prove the research effects are needed. In this study, the seeding effect, the efficiency of precipitation enhancement in weather modification experiment, was verified using the radar data. Also, the effects of seeding material on hydrometeor change was analyzed. For this, radar data, weather conditions, and numerical simulation data for diffusion were applied. First, a method to analyze the seeding effect in three steps was proposed: before seeding, during seeding, and after seeding. The proposed method was applied to three cases of weather modification experiments conducted in Gangwon-do and the West Sea regions. As a result, when there is no natural precipitation, the radar reflectivity detected in the area where precipitation change is expected was determined as the seeding effect. When natural precipitation occurs, the seeding effect was determined by excluding the effect of natural precipitation from the maximum reflectivity detected. For the application results, it was found that the precipitation intensity increased by 0.1 mm/h through the seeding effect. In addition, it was confirmed that ice crystals, supercooled water droplets, and mixed-phase precipitation were distributed in the seeding cloud. The results of these weather modification research can be used to secure water resources as well as for future study of cloud physics.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.317-317
• /
• 2019

기상청에서는 시스템 이용자의 편의와 자료의 활용 증진을 위해 분리되어 있던 수문기상과 가뭄정보를 하나로 통합하여 '수문기상 가뭄정보 시스템(https://hydro.kma.go.kr)을 2017년 8월 1일부터 운영하고 있다. 본 시스템은 일반국민과 물관리 유관기관(회원)을 대상으로 관측, 수문기상 감시 예측, 기상 가뭄분석 전망으로 나눠 정보를 생산하여 서비스가 제공하고 있다. 수문기상 서비스는 관측 강수량(기상청, 유관기관), 기상청 위성 토양수분량 및 증발산량 자료와 레이더 관측 자료(Radar AWS Rainrate, RAR)를 GIS 기반 유역단위별(4대강권, 대권역, 중권역, 표준유역단위)로 관측 정보를 제공하며, UM(3km), 멀티모델앙상블, 레이더(MAPLE), 유역강수지수자료들로 예측 서비스를 제공하고 있다. 또한, 메타정보를 통해 유역별, 관측소별 상세조회가 가능하여 원하는 유역 또는 관측소를 선택 시 GIS지도에 위치가 표시되며 선택 지점의 정보를 손쉽게 확인할 수 있다. 가뭄 정보는 기상 가뭄 예보 정보와 가뭄 감시 정보를 제공하고 있다. 기상 가뭄 예보 정보는 매주 금요일에 발표되고 있는 기상 가뭄 예보 1개월 전망과 매월 10일경 관계부처(행정안전부, 기상청, 환경부, 농림축산식품부) 합동으로 발표하고 있는 가뭄 예 경보 3개월 전망자료를 제공하고 있으며, GIS 기반 행정구역 및 유역별로 나눠 여러 가지 가뭄지수(표준강수지수, 표준강수증발산지수, 강수평년비, 유효가뭄지수)를 활용하여 기상 가뭄 감시 정보를 제공하고 있다. 또한, 가뭄 감시 현황 정보는 다양한 형태(시계열, 가뭄지수 조회 및 다운로드, 분포도 비교)로도 확인할 수 있으며, 강수량분석 통계(누적 강수량, 강수량 순위, 무강수일수) 정보를 제공한다. 그 밖에 관측 자료(강수량 분포도, 토양수분량, 증발산량 등), 월별 언론모니터링 자료 등을 제공하고 있다. 향후 수문기상과 가뭄 재해에 선제적으로 대응하여 안정적인 물관리를 지원하고 자료의 신뢰도를 지속적으로 제고하여 우리나라에 맞는 수문기상 가뭄정보 시스템으로 거듭나도록 노력해 나갈 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1201-1205
• /
• 2010

최근 몇 년간 기후변화에 의해 기상이변이 발생하고 있으며 이에 따른 집중호우로 인한 홍수피해가 심각한 수준으로 발생하고 있다. 이에 수문기상학적 요소와 특성인자들의 정확한 상호 연관성의 규명과 공간적 변동성 해석은 강우-유출 모형에서 발생하는 불확실성을 감소시키는데 중요한 요소라고 할 수 있다. 이에 본 연구에서는 레이더 강우 격자 해상도와 지형인자 격자 해상도에 따라 강우-유출모형이 어떻게 반응하는지 분석하였다. 본 연구에서는 가-분포 강우-유출 모형인 ModClark 모형을 이용하여 강원도 인제군의 내린천 유역을 대상으로 광덕산 레이더자료를 이용하였다. ModClak 모형 구성을 위한 GIS 지형공간 자료는 30m, 150m, 250m, 350m 격자크기의 DEM을 사용하였으며, 2006년 7월 14일부터 7월 17일까지의 관측레이더 강우자료를 500m, 1km, 2km, 5km, 10km 사용하여 유출모의를 실시하고, 각각의 격자해상도에 따른 모의 결과를 비교하기 위해 유출수문곡선을 작성하고 유출량 변화를 모의하였다. 분석 결과 첨두유량 및 유출체적에 대해서는 DEM 30m~150m, Grid 500m~2,000m 크기의 격자일 때 가장 최적의 유출 모의를 한 것으로 분석되었으며, 통계적 분석에 의한 분석결과에서는 모든 DEM 격자는 Grid 500m인 경우, 모든 Grid 격자는 DEM 30m인 경우에 모형의 적합성이 높은 것으로 나타났고, 민감도 산정 결과 지수 등급이 높은 DEM이 분포형 모형의 결과 값에 큰 영향을 주는 것으로 분석되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.185-185
• /
• 2021

기후변화로 인한 돌발 강우 등 이상 기후 현상이 증가함에 따라 정확한 강우예측의 중요성은 더 증가하는 추세이다. 전통적인 강우예측의 경우 기상수치모델 또는 외삽법을 이용한 레이더 기반 강우예측 기법을 이용하며, 최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 개발되고 있다. 기존 머신러닝을 이용한 강우예측 모델의 경우 주로 시계열 이미지 예측에 적합한 2차원 순환 신경망 기반 기법(Convolutional Long Short-Term Memory, ConvLSTM) 또는 합성곱 신경망 기반 기법(Convolutional Neural Network(CNN) Encoder-Decoder) 등을 이용한다. 본 연구에서는 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용해 미래 강우예측을 수행하도록 하였다. GAN 방법론은 이미지를 생성하는 생성자와 이를 실제 이미지와 구분하는 구별자가 경쟁하며 학습되어 현재 이미지 생성 분야에서 높은 성능을 보여주고 있다. 본 연구에서 개발한 GAN 기반 모델은 기상청에서 제공된 2016년~2019년까지의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시키고, 2020년 레이더 이미지 자료를 이용해 단기강우예측을 모의하였다. 또한, 기존 머신러닝 기법을 기반으로 한 모델들의 강우예측결과와 GAN 기반 모델의 강우예측결과를 비교분석한 결과, 본 연구를 통해 개발한 강우예측모델이 단기강우예측에 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.221-225
• /
• 2006

본 연구에서는 한계유출량(threshold runoff), 특정 유역의 토양수분 상태 및 단기 기상예보 자료 등으로부터 한강유역의 돌발홍수능(Flash Flood Guidance, FFG)을 계산할 수 있는 한국형 돌발홍수 예경보시스템을 개발하였다. 한강유역의 DEM 자료를 이용하여 미세 소유역을 구분하고 하도단면 특성을 고려한 제방 월류유량 개념을 기초로 고해상도 미세 소유역 단위의 지속시간별 한계유출량을 산정하였고, Sacramento 토양수분 모델을 통해 임의 시간의 토양수분 상태를 실시간으로 추정할 수 있는 돌발홍수 모델의 수문학적 구성요소를 개발하였다. 또한, FFG 시스템의 기상학적 구성요소로 레이더 강우 추정을 추계 동역학적 편차보정 기법을 통해 계산하였다. 상술된 수문 및 기상학적 구성요소를 바탕으로 2003년 7월 및 2004년 8월의 호우사상에 대한 유역기반의 FFG를 산정하였고, 기상청의 RDAPS(Regional Data Assimilation and Prediction System) 단기 수치예보 자료의 지속시간별 예측강수량을 활용하여 돌발홍수 발생 가능성에 대한 사례연구를 수행하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1515-1519
• /
• 2006

본 연구에서는 초단시간 강수예보(VSRF, Very Short-Range Forecast of precipitation) 시스템 구축 현황을 소개하고자 한다. VSRF 모델은 레이더 반사도 자료와 지상 AWS 자료를 이용하여 레이더-AWS 강우강도를 산출하는 강수분석과정과 분석된 강수량 자료와 중규모 수치예보장을 사용하여 외삽법에 의한 초단시간 강수예보를 수행하는 예보과정, 실시간으로 산출된 강수예보 자료를 검증하고 홈페이지에 제공하는 자료지원과정으로 구성된다. 본 연구에서는 모델의 예보능력을 향상시키기 위해 크게 두 가지 측면에서 모델을 개선하였다. 첫째는 모델의 입력자료인 레이더-AWS 강우강도 자료를 기상연구소 원격탐사연구실에서 운영하던 WPMM (Window Probability Matching Method)과 기상청 기상레이더과에서 운영하던 RQPE(Radar Quantitative Precipitation Estimation)의 알고리즘을 통합하여 정확한 강우강도 자료인 레이더-AWS 강우강도(RAR, Radar-AWS Rain rate) 시스템을 구축하여 개선하였으며, 둘째는 외삽과정을 통한 예보가 3시간이 지나면 예측능력이 감소하는 문제점을 보완하기 위해 현업 중규모 모델(RDAPS, Regional Data Assimilation and Prediction System)의 예측강수와 병합하여 모델을 개선하였다. 또한 이를 시계열 검증 및 공간 검증하는 실시간 검증 시스템을 구축하여 실시간으로 모델의 정확성을 평가하고 있다. 그 결과 입력자료 개선을 통한 모델의 정확도는 크게 향상된 결과는 볼 수 없었지만 미약하게 향상된 것을 확인할 수 있었으며, 모델의 병합을 통한 모델의 개선은 예측 3시간 이후부터는 50% 정도 향상되었다.의 대안을 제시하고자 한다.X>${\mu}_{max,A}$는 최대암모니아 섭취률을 이용하여 구한 결과 $0.65d^{-1}$로 나타났다.EX>$60%{\sim}87%$가 수심 10m 이내에 분포하였고, 녹조강과 남조강이 우점하는 하절기에는 5m 이내에 주로 분포하였다. 취수탑 지점의 수심이 연중 $25{\sim}35m$를 유지하는 H호의 경우 간헐식 폭기장치를 가동하는 기간은 물론 그 외 기간에도 취수구의 심도를 표층 10m 이하로 유지 할 경우 전체 조류 유입량을 60% 이상 저감할 수 있을 것으로 조사되었다.심볼 및 색채 디자인 등의 작업이 수반되어야 하며, 이들을 고려한 인터넷용 GIS기본도를 신규 제작한다. 상습침수지구와 관련된 각종 GIS데이타와 각 기관이 보유하고 있는 공공정보 가운데 공간정보와 연계되어야 하는 자료를 인터넷 GIS를 이용하여 효율적으로 관리하기 위해서는 단계별 구축전략이 필요하다. 따라서 본 논문에서는 인터넷 GIS를 이용하여 상습침수구역관련 정보를 검색, 처리 및 분석할 수 있는 상습침수 구역 종합정보화 시스템을 구축토록 하였다.N, 항목에서 보 상류가 높게 나타났으나, 철거되지 않은 검전보나 안양대교보에 비해 그 차이가 크지 않은 것으로 나타났다.의 기상변화가 자발성 기흉 발생에 영향을 미친다고 추론할 수 있었다. 향후 본 연구에서 추론된 기상변화와 기흉 발생과의 인과관계를 확인하고 좀 더 구체화하기 위한 연구가 필요할 것이다.게 이루어질 수 있을 것으로 기대된다.는 초과수익률이 상승하지만, 이후로는 감소하므로, 반전거래전략을 활용하는 경우 주식투자기간은 24개월이하의 중단기가 적합함을 발견하였다. 이상의 행태적 측면과 투자성과측면의 실증결과를 통하여 한국주식시장에

• The Magazine of the IEIE
• /
• v.40 no.2
• /
• pp.41-48
• /
• 2013

• Water for future
• /
• v.45 no.8
• /
• pp.40-43
• /
• 2012

• Journal of the Korean Institute of Intelligent Systems
• /
• v.24 no.5
• /
• pp.562-568
• /
• 2014

There exist precipitation echo and non-precipitation echo in the meteorological radar. It is difficult to effectively issue the right weather forecast because of a difficulty in determining these ambiguous point. In this study, Data is extracted from UF data of meteorological radar used. Input and output data for designing two classifier were built up through the analysis of the characteristics of precipitation and non-precipitation. Selected input variables are considered for better performance and echo classifier is designed using fuzzy relation-based nueral network. Comparative studies on the performance of echo classifier are carried out by considering both echo judgement module 1 and module 2.