• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.37-41
• /
• 2009

본 연구에서는 티센망을 이용한 면적강우량 산정방법의 대안으로서 최근 들어 수자원공학 분야에의 활용성이 커지고 있는 고해상도 기상레이더의 반사도자료(dBZ)를 활용하여 면적강우량을 산정하였다. 또한 이렇게 산정된 레이더 면적강우량을 티센망으로써 산정된 면적강우량과 비교하여 그 유용성을 판단하였다. 연구지역으로는 소양강댐 유역을 선정하였으며, 연구기간은 2008년 가장 강한 강우를 보였던 상위 5개의 사상을 선정하였다. 본 연구에서는 레이더 반사도를 강우강도로 변환시키는 과정은 인공신경망(artificial neural network, ANN) 중에서 일반적으로 널리 사용되고 있는 다층 퍼셉트론 인공신경망 모형을 적용하였다. 연구방법으로는 선택된 4개의 인자를 입력노드에 넣어 인공신경망을 학습시킨 후 연구지역 내 10개 AWS 지상관측소의 강우량을 추정하여 정확도를 비교 분석하였다. 이를 바탕으로 최종적으로 레이더 면적강우량을 산정하여 기존의 티센망을 이용한 면적강우량과 그 값을 비교하였다. 그 결과 인공신경망을 이용한 레이더 강우량의 경우, 평균제곱오차(mean square error, MSE) 및 상관계수(correlation coefficient, CC)가 매우 양호한 값을 보였다. 또한 유역 내 레이더 면적강우량이 티센망을 이용한 면적강우량에 비하여 약 $7%^{\sim}19%$ 정도 차이가 발생함을 확인하였으며, 레이더 면적강우량이 티센망을 이용한 면적강우량에 비하여 더 정확한 면적강우량을 산정할 수 있다고 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.3
• /
• pp.553-562
• /
• 2020

S-band, C-band and X-band radars are used for weather observation purposes. Since the Meteorological Administration, the Ministry of Environment, and Republic of Korea Air Force operate radars according to the purpose of observation by departments, the installation site and observation characteristics are different. From a meteorological point of view, blind observational areas in the low level with an elevation of less than 1 km around the mountainous terrain near Jirisan and Taebaeksan. Assuming a small radar installation, we simulated low-level observations. In order to monitor dangerous weather in North Korea, we analyzed the precipitation of North Korea and simulated a large radar network. Finally, a radar network for Korean Peninsula was proposed.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.43-45
• /
• 2021

The short-term quantitative precipitation prediction (QPF) system is important socially and economically to prevent damage from severe weather. Recently, many studies for short-term QPF model applying the Deep Neural Network (DNN) has been conducted. These studies require the sophisticated pre-processing because the mistreatment of various and vast meteorological data sets leads to lower performance of QPF. Especially, for more accurate prediction of the non-linear trends in precipitation, the dataset needs to be carefully handled based on the physical and dynamical understands the data. Thereby, this paper proposes the following approaches: i) refining and combining major factors (weather radar, terrain, air temperature, and so on) related to precipitation development in order to construct training data for pattern analysis of precipitation; ii) producing predicted precipitation fields based on Convolutional with ConvLSTM. The proposed algorithm was evaluated by rainfall events in 2020. It is outperformed in the magnitude and strength of precipitation, and clearly predicted non-linear pattern of precipitation. The algorithm can be useful as a forecasting tool for preventing severe weather.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.30 no.2B
• /
• pp.159-167
• /
• 2010

The purpose of this study is to get the adjusted radar rainfalls by ANN(Artificial Neural Network) method. In the case of radar rainfall, it has an advantage of spatial distribution characteristics of rainfall while point rainfall has an advantage at the point. Therefore we adjusted the radar rainfall by ANN method considering the advantages of two rainfalls of radar and point. This study constructed two ANN models of Model I and Model II for radar rainfall adjustment. We collected the three rainfall events and adjusted the radar rainfall for Anseong-cheon basin. The two events were inputted into the Modeland Model to derive the optimum parameters and the rest event was used for validation. The adjusted radar rainfalls by ANN method and the raw radar rainfall were used as the input data of ModClark model which is a semi-distributed model to simulate the runoff. As the results of the simulation, the runoff by raw radar rainfall were overestimated but the peak time and peak runoff from the adjusted rainfall by ANN were well fitted to the observed hydrograph.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.27-27
• /
• 2015

본 연구에서는 강우레이더 관측망의 효과적인 운영관리 측면에서 관측과 운영 성능의 목표를 설정하고 평가하는 방안을 검토하였다. 레이더 관측망의 운영관리 측면에서 정량화가 가능한(정량적으로 평가된) 관측과 운영 목표를 설정하고 활용하는 것은, 관측의 정확도와 운영효율성을 과학적으로 평가 및 제고하기 위해 반드시 필요한 사안이다. 국토교통부는 2015년 현재, 기존에 설치 운영 중인 임진강, 소백산, 비슬산 레이더와 함께 예봉산, 가리산, 모후산, 서대산 총 7대의 S밴드 이중편파 레이더를 설치 운영할 계획이다. 이에 따라 강우레이더를 활용한 최적의 홍수예경보를 위해서는, 강우레이더 관측성능의 현 수준을 파악하여 홍수예경보 측면에서 관측정확도와 운영효율을 높이기 위한 방법(목표설정 및 평가 방법)의 모색이 필요하다. 가장 이상적인 방법은 관측 자료를 기반으로 분석하여 도출하는 것이겠으나, 현재 설치 단계로 모든 관측소의 관측 자료가 생산되고 있는 것은 아니므로, 본 연구에서는 관측 정확도에 영향을 미치는 관측환경 요소를 분석하는 방법을 선택하였다. 관측환경 요소로는 차폐, 빔고도, 빔높이, 빔폭 등이 이에 해당하며, 홍수예경보 측면을 고려하면 홍수취약성 요소(홍수예경보목표 대상유역 면적, 도달시간, 경사, 인구 등)도 고려해야 할 것이다. 즉, 강우레이더는 홍수예경보 정확도 향상을 위해 운영되므로, 홍수예경보 정확도 향상에 어느 정도 기여할 수 있는지 평가해야 한다. 이는 현재 지역별로 홍수예경보 취약 정도를 평가해야 하고 이를 위해서는 관측 취약성과 홍수 취약성을 함께 고려해야 한다. 따라서 본 연구에서는 관측 취약성과 홍수 취약성을 함께 고려한 강우레이더 관측망의 관측 운영 성능 목표설정 및 평가 방안을 제시하였다.

• 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
• /
• 2008.05a
• /
• pp.147-153
• /
• 2008

본 연구에서는 레이더 강우를 이용하여 시공간적 변동성을 고려한 격자형 면적강우량을 산정하기 위하여 추계학적 방법인 칼만필터 기법을 이용하여 지상 강우 관측망과 레이더 강우 관측망을 조합하여 면적강우량을 산정하였다. 또한 전통적인 지상 강우량을 면적강우량으로 전환하는 기법인 Thiessen법, 역거리법, 크리깅 기법을 이용하여 면적강우량을 산정한 후 칼만필터 기법에 의해 보정된 면적 레이더 강우와 비교 하였다. 그 결과, 칼만필터 기법에 의해 보정된 레이더 강우는 실제 강우 분포와 유사한 공간분포를 가지는 원시 레이더 강우 분포를 잘 재현하면서도 강우 체적(볼륨)은 우량계 자료의 체적과 유사하게 나타났다. 그리고 칼만필터 기법에 의해 보정된 레이더 강우를 물리적 기반의 분포형 모형인 $Vflo^{TM}$ 모형과 준분포형 모형인 ModClark 모형에 적용하여 홍수유출을 모의하였다. 그 결과, $Vflo^{TM}$ 모형은 첨두시간과 첨두치가 관측 수문곡선과 유사하게 모의되었으며 ModClark 모형은 총 유출체적에서 좋은 결과를 나타냈다. 그러나 매개변수 검증에서는 $Vflo^{TM}$ 모형이 ModClark 모형보다 관측 수문곡선을 잘 재현하였다. 이를 통해 지상강우와 레이더 강우를 적절하게 조합하여 정확도 높은 면적강우량을 산정하고 분포형 수문모형과 연계하여 홍수유출모의를 실시할 경우 충분한 적용성을 가지고 있음을 확인할 수 있었다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.13 no.2
• /
• pp.305-312
• /
• 2018

The quality of the radar and profiler network was estimated to forecast difficult meteorological situations. A network of UHF Doppler wind profilers and Doppler weather radars have been deployed all over the Korean Peninsular, with dense spatial resolution between instruments. The radar network allows to retrieve the three dimensional dynamics and to analyze the numerical model outputs at small and meso scales. This work has seldom been performed in any other place of the world, with such a high resolution. The wind field from radar network is a good agreement with the background wind fields based on the numerical modeling. This study will be helpful to forecast severe weathers as well as local meteorological phenomena.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2000.10a
• /
• pp.247-252
• /
• 2000

In this paper, we discuss frequency allocation and sharing for high speed radio access network in domestic 5㎓ the band. In order to evaluate the possibility of frequency sharing between meterological radar and high speed radio access network we analyses radio interference of meterological radar by means of minimum coupling loss method and Monte Carlo simulation And simulations show that it is necessary to use DFS(Dynamic Frequency Selection) scheme for frequency sharing between meterological radar and high speed radio access network.