• 한국지구과학회:학술대회논문집
• /
• 2010.04a
• /
• pp.51-51
• /
• 2010

본 연구에서는 태풍 초기화된 수치모델과 AWS (Automatic Weather System) data를 이용하여 제주도를 통과하는 태풍들의 바람 강도 특성을 분석하였다. 태풍이 내습했을 때 제주도 전 지역에서 동시 관측을 하기에는 불가능하다. 따라서 중규모 수치 모델인 Advanced Research WRF v3.0.1을 사용하여 분석하였으며 더욱 정확한 태풍 모의를 위해 Kwon and Cheong (2009)에 의해 개발된 정교한 태풍 초기화 기법을 적용하였다. 태풍 초기화된 자료에 의해 모의된 결과는 The Regional Specialized Meteorological Center (RSMC) Tokyo의 예보 오차와 비교했을 때 더 향상된 결과를 보였으므로 태풍 초기화 기법의 사용은 본 연구에서 하고자하는 태풍들의 바람 강도 분석에 타당하다고 판단하였다. 그리고 모의된 결과는 그에 상응하는 AWS data와의 joint distribution (Moskaitis, 2008) 분석을 통해 비교되었다. 태풍 경로에 따른 제주도 지역의강 풍을 고려하기 위해 각각 제주도의 오른쪽과 왼쪽을 지나가는 2003년 6호 태풍 'SOUDELOR'와 2004년 7호 태풍 'MINDULLE'를 선정하였다. 또한, 모의 결과로부터 제주도 지역에 태풍이 내습했을 때 강풍의 상대적인 크기의 비교를 위해 모의된 태풍의 최대 풍속을 수치 모의로 얻은 10m 바람장의 모든 격자점에 나누어 정규화 하였다. 이를 시간에 대해 평균하여 태풍이 제주도 지역을 통과하는 전체시간에 대한 상대적인 강도 특성을 분석하였다. 수치 모의 결과와 관측 자료와의 joint distribution 분석 결과, 바람의 크기와 경향이 비교적 잘 일치하였다. 강한 풍속과 약한 풍속이 나타나는 지역은 제주도 지역의 주풍향과 지형의 영향에 크게 좌우되었다. 정규화된 바람은 산악의 정상에서 강풍이 관측되고 주 풍향에 대해 풍상측과 풍하측에서 비교적 낮은 풍속이 관측되는 결과를 보였다. 이는 Hoinka (1985)의 산악 위에서의 바람의 특성에 관한 연구에서 얻어진 결과와 유사하다. 서로 다른 경로로 통과하는 두 태풍의 모의 결과에서 제주도의 북서쪽 지역과 남동쪽 지역에서 상대적으로 약한 풍속이 관측되었다. 따라서 해당지역에서는 태풍에 동반되는 강풍의 피해를 적게 입을 것이라는 것을 알 수 있었다.

• 한국지구과학회:학술대회논문집
• /
• 2004.02a
• /
• pp.38-38
• /
• 2004

• Journal of the Korean Association of Geographic Information Studies
• /
• v.1 no.1
• /
• pp.86-98
• /
• 1998

In order to provide an information as input data of possible storm surges in advance, the typhoon center and maximum wind position analysis scheme must be developed for the initialization of pressure and wind field.This study proposes a semi-automatical and objective analysis method and a procedure on a real time basis using the satellite TBB data of the GMS IR1, NOAA satellite CH4 and CH5, and shows the result of an experimental analysis. It includes a simple method of determining the parameters of the typhoon using minimum top temperature of the convective cloud near the inner eyewall. The method analyzing the isotropic cross sectional variation of TBB gradient from center to environment was developed to determine the center of Rmax of typhoon. This position of intense eyewall from typhoon center can be considered as the position of maximum wind. The results of estimation of typhoon center show very good agreement to the results of synoptic analysis. It is found that the Rmax is approximately 50-200km. From the comparison of the GMS and NOAA IR TBB data, it is found that the Rmax from NOAA data tends to be longer than those from GMS data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.370-370
• /
• 2021

태풍으로 인한 피해를 줄이기 위해 경로, 강도 및 폭풍해일의 사전 예측은 매우 중요하다. 이중, 태풍의 경로와는 달리 강도 및 폭풍해일의 예측에 있어서 바람장은 수치 모델의 초기 입력값으로 요구되기 때문에 정확한 바람장 정보는 필수적이다. 대기 바람장 예측 방법은 크게 해석적 모델링, 라디오존데 측정과 위성 사진을 통한 산출로 구분할 수 있다. Holland의 해석적 모델링은 비교적 적은 입력값이 필요하지만 정확도가 낮고, 라디오존데 측정은 정확도가 높지만 점 측정에 가깝기 때문에 이차원 바람장을 산출하기에 한계가 있다. 위성 사진을 통한 바람장 산출은 위성기술의 고도화로 관측 채널 수 및 시공간 해상도가 크게 증가하고 있기 때문에 다양한 기법들이 개발되고 있다. 본 연구에서는 생성적 적대 신경망 (Generative Adversarial Network, GAN)을 통해 일련의 연속된 과거 적외 채널 위성 사진 흐름의 패턴을 학습시켜 미래 위성 사진을 예측하고, 예측된 연속적인 위성 사진들의 교차상관 (cross-correlation)을 통해 바람장을 산출하였다. GAN을 적용함에 있어 2011년부터 2019년까지 한반도 근방에 접근했던 태풍 중에 4등급 이상인 68개의 태풍의 한 시간 간격으로 촬영된 총 15,683개의 위성 사진을 학습시켜 생성된 이미지들은 실측 위성 사진들과 매우 유사한 것으로 나타났다. 또한, 생성된 이미지들의 교차상관으로 얻어진 바람장 벡터들의 풍향, 풍속, 벡터 일관성 및 수치 모델과의 비교를 통해 각각의 벡터들의 품질 계수를 구하고 정확도가 높은 벡터들만 결과에 포함하였다. 마지막으로 국내 6개의 라디오존데 관측점에서의 실측 벡터와의 비교를 통해 본 연구 결과의 실효성을 검증하였다. 본 연구에서 확장하여, 이와 같이 AI 기법과 이미지 교차상관 기법을 사용하여 얻어진 바람장으로부터 태풍 강도예측에 필요한 요소인 태풍의 눈의 위치, 최고 속도와 태풍 반경을 직접적으로 산출할 수 있고. 이러한 위성 사진을 기반으로 한 바람장은 단순화된 해석적 바람장을 대체하여 폭풍 해일 모델링의 예측 성능 개선에 기여할 것으로 보여진다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.100-100
• /
• 2018

본 연구에서는 집중호우에 대한 레이더기반 초단기 강우예측 시스템의 정확도를 향상시키기 위해 초기장 개선 연구를 수행하였다. 집중호우에 적합한 강우를 추정하기 위해 층운형, 대류형, 열대형의 Z-R관계식과 반사도 조건에 따라 층운형과 적운형을 구분하여 Z-R 관계식을 적용하였으며, 이를 초단기 강우예측 시스템의 초기장으로 활용하였다. 또한 2016년 10월 5일 태풍 차바(Chaba)에 의한 집중호우 사례에 대해 지상관측 강우자료와 레이더 추정 및 예측 강우자료와의 비교를 통해 정확도를 정성적 정량적으로 평가하였다. 레이더 강우추정에 대한 분석 결과, 복합형 타입의 Z-R 관계식의 상관계수와 평균제곱근오차가 비슬산레이더의 경우 각각 0.8207, 9.22 mm/hr, 면봉산 레이더의 경우 각각 0.8001, 10.53 mm/hr로 가장 좋은 성능을 보였다. 강우 예측에 대한 분석 결과, 집중호우 사례에 대해 강우강도 공간분포 및 이동 패턴은 평균적으로 잘 모의하였으며, 초단기 강우예측 결과의 평균적으로 POD는 0.97이상, FAR는 0.21 이하로 다소 정확하게 예측하는 것으로 분석되었다. 정량적 평가 결과, 비슬산 레이더의 경우 상관계수가 예측시간 60분까지 0.545이상, 면봉산 레이더의 경우 0.379 이상으로 비교적 좋은 상관성을 보였으며, Z-R관계식 유형에 따른 차이는 작은 것으로 확인되었다. 평균제곱근오차의 경우 열대형과 복합형의 Z-R관계식이 높은 정확도를 가지는 것으로 확인되었다. 본 연구 결과, 초기장 정확도의 개선을 통한 레이더 기반 초단기 강우예측 모형의 정확도 개선 가능성을 확인할 수 있었으며, 향후 지속적인 사례연구 및 검증을 통하여 강우추정 및 강우예측 알고리즘 개선의 노력이 필요하다.

• Atmosphere
• /
• v.24 no.4
• /
• pp.565-571
• /
• 2014

A long-range prediction system of tropical cyclone (TC) activity over the western North Pacific (WNP) has been operated in the National Typhoon Center of the Korea Meteorological Administration since 2012. The model forecasts the spatial distribution of TC tracks averaged over the period June~October. In this study, we separately developed TC prediction models for summer (June~August) and autumn (September~November) period based on the current operating system. To perform the three-month WNP TC activity prediction procedure readily, we modified the shell script calling in environmental variables automatically. The user can apply the model by changing these environmental variables of namelist parameter in consideration of their objective. The validations for the two seasons demonstrate the great performance of predictions showing high pattern correlations between hindcast and observed TC activity. In addition, we developed a post-processing script for deducing TC activity in the Korea emergency zone from final forecasting map and its skill is discussed.

• Journal of the Korean earth science society
• /
• v.34 no.4
• /
• pp.303-312
• /
• 2013

Typhoon Sanba was selected for describing the Korea Meteorological Administration (KMA) Global Data Assimilation Prediction System (GDAPS) model bias tendency in forecast for the interaction between mid-latitude trough and movement speed of typhoon. We used the KMA GDAPS analyses and forecasts initiated 00 UTC 15 September 2012 from the historical typhoon record using Typhoon Analysis and Prediction System (TAPS) and Combined Meteorological Information System-3 (COMIS-3). Sea level pressure fields illustrated a development of the low level mid-latitude cyclogenesis in relation to Jet Maximum at 500 hPa. The study found that after Sanba entered the mid-latitude domain, its movement speed was forecast to be accelerated. Typically, Snaba interacted with mid-latitude westerlies at the front of mid-latitude trough. This event occurred when the Sanba was nearing recurvature at 00 and 06 UTC 17 September. The KMA GDAPS sea level pressure forecasts provided the low level mid-latitude cyclone that was weaker than what it actually analyzed in field. As a result, the mid-latitude circulations affecting on Sanba's movement speed was slower than what the KMA GDAPS actually analyzed in field. It was found that these circulations occurred due to the weak mid-tropospheric jet maximum at the 500 hPa. In conclusion, the KMA GDAPS forecast tends to slow a bias of slow movement speed when Sanba interacted with the mid-latitude trough.

• Korean Journal of Remote Sensing
• /
• v.36 no.5_3
• /
• pp.1037-1051
• /
• 2020

The accurate monitoring and forecasting of the intensity of tropical cyclones (TCs) are able to effectively reduce the overall costs of disaster management. In this study, we proposed a multi-task learning (MTL) based deep learning model for real-time TC intensity estimation and forecasting with the lead time of 6-12 hours following the event, based on the fusion of geostationary satellite images and numerical forecast model output. A total of 142 TCs which developed in the Northwest Pacific from 2011 to 2016 were used in this study. The Communications system, the Ocean and Meteorological Satellite (COMS) Meteorological Imager (MI) data were used to extract the images of typhoons, and the Climate Forecast System version 2 (CFSv2) provided by the National Center of Environmental Prediction (NCEP) was employed to extract air and ocean forecasting data. This study suggested two schemes with different input variables to the MTL models. Scheme 1 used only satellite-based input data while scheme 2 used both satellite images and numerical forecast modeling. As a result of real-time TC intensity estimation, Both schemes exhibited similar performance. For TC intensity forecasting with the lead time of 6 and 12 hours, scheme 2 improved the performance by 13% and 16%, respectively, in terms of the root mean squared error (RMSE) when compared to scheme 1. Relative root mean squared errors(rRMSE) for most intensity levels were lessthan 30%. The lower mean absolute error (MAE) and RMSE were found for the lower intensity levels of TCs. In the test results of the typhoon HALONG in 2014, scheme 1 tended to overestimate the intensity by about 20 kts at the early development stage. Scheme 2 slightly reduced the error, resulting in an overestimation by about 5 kts. The MTL models reduced the computational cost about 300% when compared to the single-tasking model, which suggested the feasibility of the rapid production of TC intensity forecasts.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.2207-2211
• /
• 2008

한반도 및 동아시아의 여름철은 장마와 태풍으로 인한 집중호우의 발생으로 많은 피해를 입는다. 따라서 여름철에 나타나는 이러한 집중호우가 나타나는 지역, 시기, 기간, 그리고 강수량 등을 예측하는 것은 매우 중요하다. 특히, 효율적인 수자원 관리를 위하여 이러한 예측은 매우 중요한데, 단기적으로 정확하고 신속하게 강수를 예측하는 것도 중요하지만, 장기적으로 계절 강수, 특히 여름철의 장마 또는 우기의 시기와 강수량과 태풍 발생의 시기 등을 미리 예측하여 이에 따른 집중 호우의 발생 지역, 기간, 강수량을 예측하여 사전에 대비하는 것도 매우 중요하다. 특히, 최근에는 6,7월 장마에 의한 집중 호우의 영향보다도 8월에 강수량이 높아지고 있는 경향을 보이므로 강수량의 장기적 경향의 파악이 매우 중요하다. 장기 기후를 예측하는 데는 과거 자료를 이용한 통계 방법도 유용하지만 최근에는 AOGCM (Atmospheric Oceanic General Circulation Model)을 이용한 연구가 활발하게 이루어지고 있다. 하지만 강수와 같이 지역적으로 나타나는 현상은 저해상도의 AOGCM으로는 유용한 정보를 제공하기가 어려움이 따른다. 따라서 본 연구에서는 전구를 삼각형으로 된 20면체로 격자화 시켜 모든 격자의 크기가 거의 동일하고, 해상도 조절이 가능한 Geodesic 격자를 활용한 GME 모델을 사용하였다. GME 모델은 icosahedral-hexagonal grid 격자 체계를 가진 독일 기상청(Deutscher Wetterdient)에서 현업으로 사용 중인 모델이다. 본 연구에서는 수직/수평 해상도를 40km/40layers로 하여 GME 모델을 수행하였으며, 일간격의 장기 기후 자료를 생산하였다. 사용된 초기자료로는 ECMWF (European Centre for Medium Range Weather Forecasts) 자료이며, 경계 자료로는 ERA Climatology의 최근 30년간의 SST (Sea Surface Temperature) 평균 자료를 이용하여 규준 실험(Control Run), 즉, climatology 자료를 생산하였으며, persistent SST 아노말리와 ERA Climatology의 최근 30년간의 SST 자료를 이용하여 내삽 과정을 거친 SST forcing을 주어서 예측 실험(Prediction Run)을 통하여 모의 자료를 생산하였다. 특히, 규준 실험에서는 수치 모델이 가지는 불확실성을 줄이고 예보 정확도를 향상시키기 위하여 각각의 실험은 초기자료를 달리한 앙상블 모의실험을 수행하였다. 장기 모의 3개월을 위하여 모의 기간 1달 전부터 모의를 수행하여, 첫 1달은 모델의 spin-up 시간으로 분석에서 제외 하였다. 생산된 Climatology 자료와 Prediction 자료를 비교하여 아노말리와 Category 분석을 실시하여 한반도 및 동아시아 지역의 강수(Precipitation)를 중심으로 기압장(Pressure), 온도(2m Temperature) 위주로 분석하였다. 이러한 예측된 매 계절의 전망 자료 중에서도 수자원 분야에서 관심이 집중되는 여름철에 초점을 맞추어 실제 관측 자료와 비교하여 GME 모델의 계절 모의 예측성 성능을 분석하여 평가하고 다가올 여름철의 강수량의 장기 변화를 모의하고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.360-360
• /
• 2017

이상기상현상의 발생횟수가 지속적으로 증가함에 따라 기상 예측은 국가 재난 관리에 중요한 요소로써 부상하고 있다. 계절예측 또한 재난관리의 한 부분으로, 농업, 에너지, 수자원 그리고 공공보건 등 다양한 분야에서 잠재적 위험을 파악하는데 도움이 되는 보조 자료로 활용이 가능하다. 본 연구에서는 ICON(ICOsahedral-Nonhydrostatic) 모델을 이용하여 2015년 여름철(JJA) 강수를 예측하였다. 2015년은 장마기간을 포함한 여름철 동안 평년대비 약 절반수준(54%)에 그치는 비가 내렸으며, 태풍으로 인한 강수량도 적어 연 강수량이 평년대비 72%로 역대 최저 3위를 기록하였다. 지역별로 보면 제주도와 남해안 지방을 제외한 대부분 지방에서 강수량이 적게 나타났으며, 수도권을 중심으로는 60% 미만의 강수량을 보였다. ICON 모델은 독일 기상청(DWD)과 막스플랑크 연구소(MPI-M)에서 공동 개발하여 현업 운영중인 전 지구 모델로 비정역학 코어를 사용한다. 전 지구를 정 20면체의 삼각형으로 격자화 시켜 모든 격자의 크기가 동일하고, 극점은 1개의 꼭짓점으로 구성되어 CFL(Courant-Friderich-Lewy) 문제가 해소될 수 있다. 또한 hybrid의 병렬구조를 사용하여 전산사용 효율성을 극대화 하는 특징이 있다. 강수의 계절 예측 수행 과정은 다음과 같다. 우선, 계절예측 자료 분석 시 활용할 ICON모델의 기후값을 생산하기 위해 30년(1980년~2009년)간의 AMIP기반 규준실험을 수행한다. 다음으로, SST와 Sea ice의 평년대비 현재 변동량을 계산하고, 이 자료는 모델 적분을 수행할 때 경계 자료로서 활용하게 된다. 계절 예측은 시간 지연기법(Time-lagged method)를 이용한 앙상블예측으로 수행하며, 예측하고자 하는 계절이 시작하기 약 1개원 이전부터 1일 간격으로 전 지구 모델의 초기자료를 다르게 선택하여 총 10개의 앙상블 멤버를 구성한다. 모델의 해상도는 수평 40km, 수직 90개 층으로 구성하였으며, 적분이 완료되면 AMIP기반 실험을 통해 모의된 기후값을 토대로 예측된 계절전망 자료의 변동성을 분석한다.