• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.32-36
• /
• 2009

레이더 강우의 편의 추정은 근본적으로 레이더 강우의 평균과 참값으로 가정되는 우량계 강우의 평균과의 차이를 결정하는 문제이다. 두 관측치의 차이를 정확히 결정하기 위해서는 두 관측치의 차이에 대한 분산이 매우 작아야 하며, 따라서 비교되는 관측치의 수가 충분히 확보되어야 한다. 본 연구에는 임진강 유역에서와 같이 일부 지역에만 우량계의 설치가 가능한 경우를 대상으로 하고자 한다. 임진강 유역에서와 같이 지역적으로 편중된 지상 강우자료를 활용하여 강우레이더 자료의 편의 보정을 통한 품질 향상 방안을 제시하였다. 또한 차폐 등을 이유로 레이더 강우가 대상 유역 또는 소유역을 완전하게 포괄하지 못하는 경우에 대해 가용한 레이더 강우를 이용하여 면적평균강우를 산정하는 경우에 포함될 수 있는 오차의 규모를 추정하였다. 강화 강우레이더의 반경은 한강 유역의 일부를 제외하고 대부분을 덮는다. 이러한 강화 강우 레이더의 한강유역에 대한 수문 적용성을 판단하기 위해 차폐로 인한 관측오차 산정 시 한강유역에도 적용해보았다.

• Proceedings of the KSRS Conference
• /
• 1999.11a
• /
• pp.310-315
• /
• 1999

We extracted narrow open water streams from JERS-1 SAR images of the Amazon rain forest. The extracted range of these streams were almost comparable to a high level extraction of the same streams from near-IR images of JERS-1 VNIR data notwithstanding that these features in SAR images show the strong dependence of the observation angle. Large water bodies are relatively easy to extract from JERS-1 SAR images, as they tend to appear as very dark areas; but streams whose width is nearly equal to or less than the spatial resolution no longer appear as very dark features. By using strong scatterers distributed sparsely along the radar facing sides of the streams, we can successfully estimate approximate ranges of waterways and then extract relatively dark line-like features within these ranges.

• Proceedings of the KSRS Conference
• /
• v.2
• /
• pp.660-663
• /
• 2006

Rainfall estimation is important to weather forecast, flood control, hydrological plan. The empirical and statistical methods by measured data(surface rain gauge, rainfall radar, Satellite) is commonly used for rainfall estimation. In this study, the rainfall intensity for East Asia region was estimated using the empirical relationship between SSM/I data of DMSP satellite and brightness temperature of GEOS-9(10.7${\mu}m$) with cloud types(ISCCP and MSG classification). And the empirical formula for rainfall estimation was produced by PMM (Probability Matching Method).

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1948-1952
• /
• 2007

본 연구에서는 레이더 강우의 지상보정(ground-truth)을 위해 사용가능한 기상청(KMA), AWS 및 건설교통부(MOCT) 강우자료를 다양한 지상보정 설계에 적용하여 비교 평가하였다. 본 연구에서는 동일 기간의 KMA, MOCT, AWS의 우량계 자료와 관악산 레이더 강우자료를 이용하였으며, 각각 두 관측방법사이의 차이(오차)를 편의(bias)의 유무 및 크기의 관점에서 평가하였다. 추가로 호우 사상의 특성에 따른 차이도 함께 검토하였다. 그 적용 결과 지상우량계 자료별 편의의 차이는 확연하게 부각되지는 않았으나, 통계 특성치에서는 어느 정도의 차이가 존재함을 확인하였다. 전체적으로 보면 MOCT 우량계 자료를 이용하는 경우가 다른 강우자료를 이용하는 경우에 비해 편의의 규모가 제일 작은 것으로 확인되었다. 호우 사상별로는 강우의 공간적 간헐성이 가장 큰 장마 기간의 경우가 태풍이나 대류성 강우에 비해 설계편의가 작게 나타나는 것으로 확인되었다.

• Journal of Environmental Science International
• /
• v.6 no.3
• /
• pp.205-211
• /
• 1997

For the prediction of multi-site rainfall with radar data and ground meteorological data, a rainfall prediction model was proposed, which uses the neural network theory, a kind of artifical Intelligence technique. The Input layer of the prediction model was constructed with current ground meteorological data, their variation, moving vectors of rain- fall field and digital terrain of the measuring site, and the output layer was constructed with the predicted rainfall up to 3 hours. In the application of the prediction model to the Pyungchang river basin, the learning results of neural network prediction model showed more Improved results than the parameter estimation results of an existing physically based model. And the proposed model comparisonally well predicted the time distribution of ralnfall.

• Proceedings of the KSRS Conference
• /
• 2003.11a
• /
• pp.1359-1361
• /
• 2003

A set of microwave remote sensing data collected with the newly developed UMass Imaging Wind and Rain Airborne Profiler (IWRAP) during the 2002 Atlantic Hurricane Season was analyzed to further our understanding of the effect of precipitation on scatterometer wind vector retrieval. Coincident surface wind speed and precipitation measurements were provided by the UMass Simultaneous Frequency Microwave Radiometer (SFMR). The differences between the wind estimations from IWRAP and SFMR under precipitation conditions of 0-100mm/hr and wind speed of 0-60m/s was calculated, from which the effect of precipitation on the wind vector retrieval using scatterometry is analyzed qualitatively.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.20-20
• /
• 2016

본 연구는 레이더를 이용한 강우 추정 시 과소 추정하는 문제를 해결하기 위해 기상청에서 실시간으로 생산하고 있는 레이더 반사도를 AWS로 보정한 RAR (RADAR-AWS Rain rate) 자료의 수문 분석을 통한 적용성을 평가하는데 그 목적이 있다. 대상유역을 한탄강홍수조절댐 유역으로 선정하고 9개 소유역에 대한 시간 단위 지상 관측 자료와 RAR 자료의 유역평균 강우량을 산정 및 비교하였다. 분석 결과 미계측 유역이 80%가 넘는 1번 소유역에서 지상 관측 자료와 RAR 자료의 유역평균 강우량은 상관성이 낮게 분석되었다. 두 자료의 유역평균 강우량을 이용하여 2012년부터 2015년까지 홍수기간에 대한 저수지 모의 유입량과 관측 유입량을 비교한 결과 RAR 자료의 모의 유입량이 관측 유입량과 높은 상관성 및 정확도를 나타내었다. RAR 자료는 기존 레이더 강우의 과소 추정 문제를 보완할 수 있으며, 지상 관측이 어려운 지역에서 강우자료로 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.185-185
• /
• 2018

광학우적계(PARSIVEL)는 강수 입자의 정확한 직경 및 분포 분석에 용이한 이유로 정밀 기상관측과 레이더 및 우량계 검보정을 위해 널리 사용되고 있다. 하지만 PARSIVEL S/W의 경우, 관측 순간의 각종 변수 및 분석 결과를 이해하기에 용이하나 강우 이벤트 전체를 분석하기 위해서는 별도의 후처리가 요구되는 번거로움이 있다. 본 연구에서는 소형레이더 및 전파강수계의 비교검증 효율성 향상을 위해 그림 1과 같이 PARSIVEL의 자료구조 및 포맷을 분석하여, 즉각적으로 원하는 강우 이벤트에 대해 다양한 분석도구를 적용할 수 있는 S/W를 개발하였다. 그림 2로부터 개발된 S/W로부터의 분석결과를 나타내었으며, 다양한 실험을 통해 제안한 S/W를 이용함으로써 각종 강우량계 비교검증 시 강수분석을 용이하게 함을 확인하였다.

• Journal of Korea Water Resources Association
• /
• v.54 no.5
• /
• pp.301-309
• /
• 2021

In this study, we tried to improve the performance of the existing U-net-based deep learning rainfall prediction model, which can weaken the meaning of time series order. For this, ConvLSTM2D U-Net structure model considering temporal consistency of data was applied, and we evaluated accuracy of the ConvLSTM2D U-Net model using a RainNet model and an extrapolation-based advection model. In addition, we tried to improve the uncertainty in the model training process by performing learning not only with a single model but also with 10 ensemble models. The trained neural network rainfall prediction model was optimized to generate 10-minute advance prediction data using four consecutive data of the past 30 minutes from the present. The results of deep learning rainfall prediction models are difficult to identify schematically distinct differences, but with ConvLSTM2D U-Net, the magnitude of the prediction error is the smallest and the location of rainfall is relatively accurate. In particular, the ensemble ConvLSTM2D U-Net showed high CSI, low MAE, and a narrow error range, and predicted rainfall more accurately and stable prediction performance than other models. However, the prediction performance for a specific point was very low compared to the prediction performance for the entire area, and the deep learning rainfall prediction model also had limitations. Through this study, it was confirmed that the ConvLSTM2D U-Net neural network structure to account for the change of time could increase the prediction accuracy, but there is still a limitation of the convolution deep neural network model due to spatial smoothing in the strong rainfall region or detailed rainfall prediction.

• Journal of Korea Water Resources Association
• /
• v.36 no.2
• /
• pp.285-300
• /
• 2003

An event-based, kinematic, infiltration-excess, and distributed rainfall-runoff model using weather radar and Geographic Information System(GIS) was developed to acknowledge and account lot the spatial variability and uncertainty of several parameters relevant to storm surface runoff and surface flow The developed model is compatible with raster GIS and spatially and temporally varied rainfall data. To calibrate the model, Monte Carlo simulation and a likelihood measure are utilized; allowing for a range of possible system responses from the calibrated model. Using rain gauge adjusted radar-rainfall estimates, the developed model was applied and evaluated to a limited number of historical events for the Ralston Creek and Goldsmith Gulch basins within the Denver Urban Drainage and Flood Control District (UDFCD) that contain mixed land use classifications. While based on a limited number of Monte Carlo simulations and considered flood events, Nash and Sutcliffe efficiency score ranges of -0.19∼0.95 / -0.75∼0.81 were obtained from the calibrated models for the Ralston Creek and Goldsmith Gulch basins, based on a comparison of observed and simulated hydrographs. For the Ralston Creek and Goldsmith Gulch basins, Nash and Sutcliffe efficiency scores of 0.88/0.10, 0.14/0.71, and 0.99/0.95 for runoff volume, peak discharge, and time to peak, respectively, were obtained from the model.