• 한국수자원학회논문집
• /
• 제47권12호
• /
• pp.1145-1154
• /
• 2014

최근, 기상레이더는 돌발적 기상재해들을 예방하고, 기상관측의 공익을 위해 널리 이용되고 있으며 이에 따라 사용자 관점의 레이더 표출 시스템의 필요성이 대두되고 있다. 본 논문은 레이더 관측 자료들을 멀티미디어 콘텐츠로서 재생산하는 방법과 생성된 자료를 이용해 매쉬업 서비스에 적용하는 방법을 제안하였다. 이와 함께 주요 기상현상이 발생중인 지역의 정확한 위치를 추적하기 위한 정밀 GIS 정합기술을 제안하였다. 본 연구에서 제시하는 방법을 통해 기상 레이더로부터 관측된 다양한 레이더 변수들을 재가공함으로써 2차원의 영상 및 벡터 그래픽 자료, 또는 3차원 볼륨 자료 등을 생성할 수 있다. 생성된 멀티미디어 형태의 레이더 자료들은 다양한 래스터 또는 벡터정밀 GIS 맵과 정합된다. 다양한 강수 시나리오에 대한 실험 결과, 제안한 방법에 의한 표출 시스템은 사용자로 하여금 정확한 레이더 차폐영역 분석, 강수이동경로 파악, 강수량 추정에 따른 홍수위험도 분석 등을 쉽고 직관적으로 이해시킬 수 있음을 확인하였다. 제안하는 정밀한 GIS 정합을 통해 재난 관리자가 레이더 관측자료를 명확히 해석하고 이를 통해 보다 효과적인 기상재해 예보가 가능할 것으로 기대한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.43-45
• /
• 2021

초단기 강수예측 시스템은 단시간 발생하는 집중호우와 같은 위험기상에 대응하기 위해 사회·경제적으로 중요하다. 최근 국내·외에서 심층신경망을 활용한 초단기 강수예측 연구가 활발히 진행되고 있다. 심층신경망을 이용한 강수예측 모델은 훈련 데이터를 만들 때 기상데이터의 구조와 종류가 복잡하고 방대하므로 기상학적 이해를 바탕으로 복잡한 전처리 과정이 필요하다. 또한, 비선형적인 패턴의 강수 현상을 예측하기 위하여 기상의 상호작용에 대한 이해를 바탕으로 입력 데이터를 구성해야 한다. 따라서 본 연구에서는 다음과 같은 접근법을 제안하고자 한다. i) 기상레이더 합성 강수장과 강수발달에 영향을 줄 수 있는 주요 인자(레이더, 지형, 온도, 등)를 훈련 데이터 구축을 위해 패턴 분석에 적합한 형태로 정제하고 이를 구조화하여 통합한다. ii) 합성곱 신경망과 합성곱 장단기 기억 신경망을 접목하여 초단기 예측 강수장을 산출한다. 2020년 강수 사례를 이용하여 제안한 모델의 정확성을 검증하였다. 제안한 모델은 비선형적인 패턴의 강수 현상을 잘 모의하였고, 강수의 규모 및 강도에 대한 예측성능이 향상되었다. 이는 강수를 동반한 초단기 위험기상의 방재에 활용할 수 있을 것으로 기대된다.

• 한국지구과학회지
• /
• 제33권7호
• /
• pp.596-607
• /
• 2012

R-Z 관계식은 레이더 강우추정의 정확도를 결정하는 중요한 요소이다. 본 연구에서는 캐나다 궤벡주의 셍레미에서 홍수를 야기한 폭우사례에서 관측된 우적계 및 레이더 자료를 이용하여 레이더 강우추정 시 우적계 자료에서 도출된 R-Z 관계식의 효과를 분석하였다. 이를 위하여 맥길 S-밴드 레이더에서 시간 분해능 2.5분과 공간 분해능 $1^{\circ}{\times}250m$로 관측된 레이더 반사도를 사용하였다. 레이더 반사도 자료에서는 폭우를 동반한 강우세포가 셍레미를 통과한 것으로 관측되었지만 우량계 관측망에서는 낮은 공간 분해능으로 인하여 이 세포가 관측되지 않았다. 셍레미에서 30분과 1시간 최대 누적 강우량은 각각 39 mm와 42 mm였다. 강우사례 동안 두 개의 우적계(POSS; Precipitation Occurrence Sensor System)가 사용되었다. 하나의 우적계는 레이더 반사도와 우적계 반사도를 비교하여 레이더 반사도를 보정하고 다른 우적계는 R-Z 관계식을 유도하는데 사용되었다. 기후학적 R-Z 관계식을 사용하였을 때 보다 반사도에 의존적인 우적계에서 유도된 관계식을 사용하였을 때 강우 추정 오차가 크게 줄었다. 일 누적 강우량에 대하여 편차는 +12%에서 -2%, 평균제곱근오차가 16%에서 10%로 줄었다. 우적계에서 도출된 R-Z 관계식으로 추정된 레이더 강우장을 이용하였을 때 홍수사례에 대하여 강우 발생 시간 및 강우량이 잘 일치하였다.

• 한국습지학회지
• /
• 제12권1호
• /
• pp.51-61
• /
• 2010

기후변화로 인하여 국지성 집중호우가 크게 늘어나고 그로인해 막대한 인적 및 물적 피해를 야기하고 있다. 따라서 강우의 시간적 공간적 특성을 파악하는 것이 중요하다고 할 수 있다. 본 연구에서는 레이다 강우를 이용하여 시공간적 변동성을 고려한 격자형 면적강우량을 산정하기 위하여 추계학적 방법인 칼만필터 기법을 이용하여 지상 강우 관측망과 레이다 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 레이다 강우와 비교하였다. 그 결과, 칼만필터 기법에 의해 보정된 레이다 강우는 실제 강우 분포와 유사한 공간분포를 가지는 원시 레이다 강우 분포를 잘 재현하면서도 강우 체적은 우량계 자료의 체적과 유사하게 나타났다. 그리고 안성천 유역을 대상유역으로 선정하여 칼만필터 기법에 의해 보정된 레이다 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.

• 한국건설안전학회 논문집
• /
• 제2권1호
• /
• pp.36-44
• /
• 2019

현 시대는 인공지능(AI), 사물 인터넷(Iot), 빅 데이터(Big Data), 모바일(Mobile) 등과 같은 기술을 토대로 한 Digital화 문명사회로써, 이와 더불어 레이더 분야 또한 탐지 범위가 날이 갈수록 장거리화 되어가고 있다. 사람은 가시거리가 최대 20Km 정도이고, 가청 주파수는 20~20000Hz이다. 이렇게 제한적인 인간의 한계를 초월한 거리를 보기 위한 것이 레이더이며, 이러한 레이더들은 모두 장비 특성상 허위 항적을 발생하고 이로 인한 탐지 오류의 과실을 범하게 된다. 레이더의 왜곡 현상은 "비임의 굴절, 회절, 반사성, 허위 항적"이라는 부정확한 정보를 제공하며 이와 함께 초래되는 인간(방공 관제사)의 판단력 저하와 인적 과실은 전투기 출격을 야기하는 등 엄청난 손실을 초래할 수 있다. 또한, 긴박한 상황이나 중요 표적을 추적 감시할 때 가짜 항적을 추적 한다면 실질적 목표 표적을 놓칠뿐 만 아니라 재 추적을 위한 시간 지연이 불가피하다. 보완 대책으로써, 서로 다른 위치와 각도에서의 레이더 포착 자료를 서로의 레이더 자료로 전송하여 합성하면 왜곡된 자료의 분석, 교정이 가능하고 허위 항적 발생 감소와 더불어 목표물 추적의 정확도 향상이 기대되기에 본 방안을 제시한다.

• 한국지능시스템학회논문지
• /
• 제25권3호
• /
• pp.217-222
• /
• 2015

클러스터링 기법은 탐색적 자료 분석 기법으로 알려진 중요한 데이터마이닝 기법 중 하나로서 패턴 인식, 원격 탐사 등의 분야에 사용되고 있다. 이 방법을 이용하여 데이터의 기본 구조를 추출하고, 개체의 군집화 혹은 군집의 계층을 조직한다. 기상 레이더는 대기 중에 존재하는 물체에서 반사되는 신호를 이용하여 관측을 수행하고, 해당 좌표에 데이터를 저장하는 원리로 동작하는데, 이를 분석하기 위해서는 흩어져있는 레이더 데이터를 유사도를 바탕으로 강수에코와 비강수에코를 구분하여 군집화 할 필요가 있다. 따라서 본 논문에서는 클러스터링 기법을 레이더 데이터에 적용하는 방법에 대한 연구를 수행하였다. 또한, 강수에코와 비강수에코가 인접해 있을 경우 발생할 수 있는 문제를 해결하기 위하여 퍼지 로직과 계층적 클러스터링 기법을 접목하여 유사도를 판별하는 방법에 대한 연구를 수행하였다. 실제 사례를 바탕으로 본 논문에서 제안한 클러스터링 기법을 적용한 결과, 강수에코와 비강수에코가 인접해 있는 경우 기존 기법보다 좋은 결과를 도출하는 것을 확인할 수 있었다.

• 한국습지학회지
• /
• 제15권2호
• /
• pp.191-201
• /
• 2013

우리나라의 산사태는 여름철 집중호우 시에 주로 발생하며, 강우는 산사태 발생에 결정적 영향을 미치는 요소이다. 본 연구에서는 산악지역에서 국지적으로 발생하는 산사태의 예측을 위한 레이더 강우자료의 활용성을 평가하였다. 2006년 7월에 발생한 인제지역 산사태를 대상으로 레이더 자료를 이용하여 유역내 강우 공간분포의 시간적 변화를 분석하였으며, 산사태 발생지와 산사태 발생 기간에서의 강우특성을 평가하였다. 연구결과 레이더 강우장을 이용하는 것은 기존의 지점강우를 이용하는 방법에 비해 국부적으로 발생할 수 있는 산사태를 정밀하게 예측할 수 있는 것으로 나타났다.

• 한국물환경학회지
• /
• 제32권3호
• /
• pp.310-317
• /
• 2016

It has been a big problem to estimate rainfall for the studies of mud-debris flows because the estimated rainfall from the nearest AWS (Automatic Weather Station) can tend to be quite inaccurate at individual sites. This study attempts to improve this problem through accurate rainfall depth estimation by applying an artificial neural network with radar rainfall data. For this, three models were made according to utilizing methodologies of rainfall data. The first model uses the nearest rainfall, observing the site from an ungauged site. The second uses only radar rainfall data and the third model integrates the above two models using both radar and observed rainfall at the sites around the ungauged site. This methodology was applied to the metropolitan area in Korea. It appeared as though the third model improved rainfall estimations by the largest margin. Therefore, the proposed methodology can be applied to forecast mud-debris flows in ungageed sites.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.424-425
• /
• 2022

본 논문에서는 X-band 레이더 기반 표층해류 계측 기법을 소개한다. 네비게이션 용도로 사용되는 선박용 X-band 레이더를 속초해수욕장에 설치하여 실시간으로 레이더 영상 데이터를 수집하고 표층해류를 해석하였다. 레이더 영상 기반 표층해류(유속) 계측의 정확도를 검증하기 위해 속초해수욕장 앞바다에 설치된 국립해양조사원 해양관측부이 자료와 비교·검증하였다. 2022년 1월, 약 한달 동안 수집된 자료를 활용하였으며, 그 결과 레이더를 이용한 표층해류(유속) 계측의 가능성을 확인하였다.

• 한국군사과학기술학회지
• /
• 제27권3호
• /
• pp.319-328
• /
• 2024

Semi-supervised learning is a good way to train a classification model using a small number of labeled and large number of unlabeled data. We applied semi-supervised learning to a synthetic aperture radar(SAR) image classification model with a limited number of datasets that are difficult to create. To address the previous difficulties, semi-supervised learning uses a model trained with a small amount of labeled data to generate and learn pseudo labels. Besides, a lot of number of papers use a single fixed threshold to create pseudo labels. In this paper, we present a semi-supervised synthetic aperture radar(SAR) image classification method that applies different thresholds for each class instead of all classes sharing a fixed threshold to improve SAR classification performance with a small number of labeled datasets.