KR101802455B1 - 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법 - Google Patents

강우의 공간 규모를 고려한 강우 예측 시스템 및 방법 Download PDF

Info

Publication number
KR101802455B1
KR101802455B1 KR1020160152833A KR20160152833A KR101802455B1 KR 101802455 B1 KR101802455 B1 KR 101802455B1 KR 1020160152833 A KR1020160152833 A KR 1020160152833A KR 20160152833 A KR20160152833 A KR 20160152833A KR 101802455 B1 KR101802455 B1 KR 101802455B1
Authority
KR
South Korea
Prior art keywords
rainfall
convective
layered
field
prediction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
KR1020160152833A
Other languages
English (en)
Inventor
윤성심
이병주
Original Assignee
한국외국어대학교 연구산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국외국어대학교 연구산학협력단 filed Critical 한국외국어대학교 연구산학협력단
Priority to KR1020160152833A priority Critical patent/KR101802455B1/ko
Application granted granted Critical
Publication of KR101802455B1 publication Critical patent/KR101802455B1/ko
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 기술은 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법을 개시된다. 본 발명의 구체적인 예에 따르면, 기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우로 분할하고, 분할된 각각의 강우들의 이동특성을 반영하여 대류성 강우 예측장과 층상형 강우 예측장을 각각 생성한 후 생성된 대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장으로 생성함에 따라 도시지역의 국지성 호우에 대한 초단시간 예측 강우의 정확도를 향상시킬 수 있으며, 도시돌발홍수모형의 입력자료로 활용되어 돌발홍수 예측의 정확도를 향상시킬 수 있는 효과를 가진다.

Description

강우의 공간 규모를 고려한 강우 예측 시스템 및 방법{SYSTEM FOR ESTIMATING REAINFILD ACCORDING TO SPATIAL-SCALE OF RAINFALL AND METHOD THEREOF}
본 발명은 강우의 공간규모를 고려한 강우 예측 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우로 분할하고, 분할된 각각의 강우들의 이동특성을 반영하여 대류성 강우 예측장과 층상형 강우 예측장을 각각 생성한 후 생성된 대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장으로 생성하는 기술에 관한 것이다.
최근 기후변화와 이상기상 현상으로 인해 국지적인 집중호우의 발생이 증가하고 있다. 특히 도시지역에서는 국지적인 집중호우로 인한 돌발홍수가 발생하며 피해가 증가하고 있다.
이러한 돌발홍수를 사전에 예측하여 피해를 저감하기 위해서는 기상예측정보와 수문?수리모형을 연계한 시스템이 필요하며, 특히 정확한 돌발홍수 예측정보를 확보하기 위해서는 정량적 예측강우 정보의 정확도가 확보되어야 한다.
일반적인 강우 예측은 기상레이더에서 관측되는 강우장을 동 시간대에 동일한 기상특성을 갖는 자료로 판단하고, 외삽 기반의 단일 예측기법을 활용한다.
그러나, 서울지역/수도권과 같이 대상 유역이 작고, 동일한 호우에서도 공간별 강우 규모 및 특성이 상이한 도시지역의 경우, 기존 외삽 기반의 단일 예측기법을 활용하면 각 공간 특성 별 호우의 이동특성을 반영할 수 없다는 한계가 있다.
이에 본 출원인은 기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우로 분할하고, 분할된 각각의 강우들의 이동특성을 반영하여 대류성 강우 예측장과 층상형 강우 예측장을 각각 생성한 후 생성된 대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장으로 생성하여 국지성 호우 또는 돌발 홍수에 대한 예측의 정확도를 더욱 향상할 수 있는 방안을 제안하고자 한다.
본 발명은 종래 기술의 제반 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 도시지역의 국지성 호우에 대한 초단시간 예측강우의 정확도를 향상시킬 수 있으며, 도시돌발홍수모형의 입력자료로 활용되어 돌발홍수 예측의 정확도를 향상시킬 수 있는 강우의 공간규모를 고려한 강우 예측 시스템 및 방법을 제공하고자 함에 있다.
전술한 목적을 달성하기 위한 본 발명의 기술적 과제는,
기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우인 지를 판단하는 강우 종류 판단부;
분리된 대류성 강우 및 층상형 강우 각각에 대한 이동 특성을 반영하여 각각 의 대류성 강우 예측장 및 층상형 강우 예측장을 생성하는 강우 예측부; 및
대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장을 생성하는 강우 지도 생성부를 포함하는 것을 특징으로 한다.
바람직하게 상기 강우종류 판단부는, 기 정해진 기상 자료를 획득하는 강우 자료 획득모듈; 획득된 강우 자료를 직교 좌표계에 대한 기상자료로 변환한 후 각각의 지리학적 단위 격자마다의 강우 자료값을 산출하고, 산출된 강우 자료값을 지리학적 단위 격자마다 입력하여 강우장을 생성하는 강우장 생성 모듈; 및 생성된 강우장을 이미지 필터를 통해 대류성 강우 및 층상형 강우인 지를 판단하는 강우 종류 판단모듈을 포함할 수 있다.
바람직하게 상기 강우 예측부는, 지리학적 단위 격자인 대류성 강우 격자를 설정하는 대류성 강우 격자 설정기와, 스톰 추적 실황 예측모델을 이용하여 대류성 강우의 이동 특성을 예측하는 대류성 강우 이동특성 예측기와, 예측된 대류성 강우의 이동 특성을 토대로 상기 대류성 강우 격자 별 대류성 강우량을 예측하여 대류성 강우 예측장을 생성하는 대류성 강우 예측장 생성기를 포함하는 대류성 강우 예측 모듈; 및 층운형 강우 단위 격자를 설정하는 층상형 강우 격자 설정기와, 이류 모델을 이용하여 층상형 강우의 이류 벡터를 산출하고 산출된 층상형 강우의 이류 벡터를 토대로 예측하는 층상형 강우 이동특성 예측기와, 층상형 단위 격자 별 층상형 강우 이동 특성값을 단위 격자에 입력하여 층상형 강우 예측장을 생성하는 층상형 강우 예측장 생성기를 포함하는 층상형 강우 예측 모듈을 포함할 수 있다.
전술한 시스템을 이용한 본 발명의 다른 실시 예에 따른 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법은, a) 강우종류 판단부(100)에서 외부로부터 공급되는 기상 레이터 또는 AWS의 격자 단위의 강우 자료를 이용하여 대류성 강우 및 층상형 강우로 분할하는 단계; (b) 분할된 대류성 강우의 이동 특성 및 층상형 강우의 이동 특성을 반영하여 대류성 강우 예측장 및 층상형 강우 예측장을 생성하는 단계; 및 (c) 상기 대류성 강우 예측장 및 층상형 강우 예측장을 시간 별로 병합하여 강우 예측장을 생성하는 단계를 포함하는 것을 특징으로 한다.
바람직하게 상기 (b) 단계는, (b-1) 분리된 대류성 강우를 스톰추적실황예측모델을 이용하여 강우셀 별 대류성 강우 예측장을 생성하는 단계; 및 b-2) 분리된 층상형 강우를 단순외삽기반의 이류모델을 이용하여 산정된 벡터 필드를 이용하여 층상형 강우 예측장을 생성하는 단계를 포함할 수 있다.
본 발명에 따르면 기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우로 분할하고, 분할된 각각의 강우들의 이동특성을 반영하여 대류성 강우 예측장과 층상형 강우 예측장을 각각 생성한 후 생성된 대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장으로 생성함에 따라 도시지역의 국지성 호우에 대한 초단 시간 예측 강우의 정확도를 향상시킬 수 있으며, 도시돌발홍수모형의 입력자료로 활용되어 돌발홍수 예측의 정확도를 향상시킬 수 있는 효과를 가진다.
본 명세서에서 첨부되는 다음의 도면들은 본 발명의 바람직한 실시 예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니된다.
도 1은 본 발명의 실시 예에 따른 강우의 공간규모를 고려한 강우 예측 시스템의 구성을 보인 도이다.
도 2는 본 발명의 실시 예에 따른 강우의 공간규모를 고려한 강우 예측 시스템의 강우 종류 판단부의 세부적인 구성을 보인 도이다.
도 3은 본 발명의 실시 예에 따른 강우의 공간규모를 고려한 강우 예측 시스템에 의한 층상형 강우 및 대류성 강우를 보인 예시도이다.
도 4 및 도 5는 본 발명의 실시 예에 따른 강우의 공간규모를 고려한 강우 예측 시스템의 강우 예측부의 세부적인 구성을 보인 도이다.
도 6은 본 발명의 실시 예에 따른 대류성 강우 예측장을 보인 예시도이다.
도 7은 본 발명의 실시 예에 따른 층상형 강우 예측장을 보인 예시도이다.
도 8은 본 발명의 실시 예에 따른 강우 예측장, 실측 강우장, 및 기존 강우 예측장을 보인 예시도들이다.
도 9는 본 발명의 실시 예에 따른 강우 예측장에 대한 검증 결과를 보인 예시도들이다.
이하에서는 도면을 참조하여 본 발명의 실시 예들을 보다 상세하게 설명한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에서 사용되는 "부"라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부"는 어떤 역할들을 수행한다. 그렇지만 "부"는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부"들로 결합되거나 추가적인 구성요소들과 "부"들로 더 분리될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.
이하에서는 본 발명의 실시 예에 따른 강우의 공간규모를 고려한 강우 예측 시스템에 대해 첨부된 도면을 참조하여 구체적으로 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 강우의 공간규모를 고려한 강우 예측 시스템의 개략적인 구성도를 나타낸 도이고, 도 2는 도 1의 강우 종류 판단부(100)의 세부적인 구성을 보인 도이며, 도 3은 도 2에 도시된 종류 판단부(100)의 의해 도출된 층상형 강우 및 대류성 강우를 보인 예시도이고, 도 4 및 도 5는 도 1에 도시된 강우 예측부(200)의 세부적인 구성을 보인 도들이다. 이에 도 1 내지 도 5를 참조하면, 본 발명의 실시 예에 따른 강우의 공간규모를 고려한 강우 예측 시스템(S)은, 기상레이더 또는 AWS (Automatic Weather System)의 격자 단위의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우로 분할하고, 분할된 각각의 강우들의 이동 특성을 반영하여 해당 지역의 강우를 예측하도록 구비되고, 이러한 시스템(S)는 강우 종류 판단부(100), 강우 예측부(200), 및 강우 지도 생성부(300)를 포함할 수 있다.
강우 종류 판단부(100)는 기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우인 지를 판단할 수 있다.
강우종류 판단부(100)는, 기 정해진 기상 자료를 획득하는 강우 자료 획득모듈(110)와, 획득된 강우 자료를 직교 좌표계에 대한 기상자료로 변환한 후 각각의 지리학적 단위 격자마다의 강우 자료값을 산출하고, 산출된 강우 자료값을 지리학적 단위 격자마다 입력하여 강우장을 생성하는 강우장 생성 모듈(120)과, 생성된 강우장을 이미지 필터를 통해 대류성 강우 및 층상형 강우인 지를 판단하는 강우 종류 판단모듈(130)를 포함할 수 있다. 여기서, 이미지 필터는 웨이블릿 변환 필터 및 평균 필터 중 하나로 구비될 수 있다.
여기서, 상기 강우자료 획득모듈(110)은 기상 레이더 또는 AWS (Automatic Weather System)의 격자분포의 기상 자료를 회득할 수 있다. 기상 레이더는 전파를 이용하여 강수의 입자와 크기를 측정하는 원격 관측 장비로써, 시공간적 해상도를 가지고 유효반경 240 km 이내 10분 정도로 넓은 영역의 강수량을 산출하는 기상 장비 중 하나이다. 이에 중규모 강수시스템인 태풍이나 장마, 홍수 등 넓은 범위에 대한 전체적인 기상상태를 실시간으로 파악할 수 있고, 비구름의 발달 구조 상태를 관측할 수 있다.
한편, 전국의 기상관서 및 주요 지점에 설치된 자동기상관측장비(AWS)에 의해 매분 간격으로 자동적으로 기상 자료가 관측되고, 이러한 관측을 통해 수집된 기상 자료는 표준화 및 보정을 수행한 후 기 정해진 격자점의 기상 자료로 변환한다.
강우자료 획득모듈(110)에 의거 수집된 강우 강도에 대한 극 좌표계에서의 기상자료는 강우장 생성 모듈(120)에 의해 직교 좌표계에 대한 기상 자료로 변환한 후 각각의 지리학적 단위 격자마다의 강우 자료값을 산출하고 산출된 강우 자료값을 지리학적 단위 격자마다 입력하여 강우장이 생성된다. 여기서, 강우 강도에 대한 강우 자료를 지리학적 단위 격자마다의 강우 자료값을 가지는 강우장에 생성하는 일련의 과정은 본 발명의 실시 예와 관련된 기술 분에서 통상의 지식을 자라면 이해될 수 있다.
또한, 강우 종류 판단 모듈(130)은 지리학적 단위 격자마다의 강우 자료값을 가지는 강우장에 대해 이미지 필터링 수행을 통해 대류성 강우 및 층상형 강우를 분리할 수 있다. 이미지 필터링은 웨이블릿 필터 및 평균 필터 중 하나를 선택하여 실행될 수 있으며 이러한 이미지 필터를 이용하여 대류성 강우 및 층상형 강우를 분리하는 일련의 과정은 본 발명의 실시 예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
도 3의 (a)에 도시된 바와 같이, 강우 자료 획득 모듈(110)에 의해 획득된 서울 지역의 AWS의 격자분포의 강우 자료는 강우 종류 판단 모듈(130)에 의해 분리된 대류성 강우 및 층상형 강우로 분리되며, 분리된 대류성 강우는 (b)에 도시된 바와 같고, 층상형 강우는 (c)에 도시된 바와 같다.
이때 강우 공간 분할 시 이미지 필터의 크기에 대한 조정이 가능하고, 이에 서울/수도권지역의 대류성 강우와 층상형 강우의 분리를 위한 최적 이미지 필터의 크기는 15km로 설정됨이 바람직하다.
한편, 강우 예측부(200)는 강우 종류 판단 모듈(130)에서 분리된 대류성 강우 및 층상형 강우 각각에 대한 이동 특성을 반영하여 각각 의 대류성 강우 예측장 및 층상형 강우 예측장을 생성하도록 구비될 수 있으며, 이에 강우 예측부(200)는, 대류성 강우 예측 모듈(210) 및 층상형 강우 예측 모듈(220)를 포함할 수 있다.
여기서, 대류성 강우 예측 모듈(210)은 분리된 대류성 강우를 스톰 추적 실황 예측모델을 이용하여 지리학적 단위 격자에 대한 강우셀 별 대류성 강우량을 예측할 수 있다.
즉, 강우 종류가 대류성 강우인 경우 강우 대류성 강우 예측 모듈(210)은 대류성 강우 격자 설정기(211), 대류성 강우 이동특성 예측기(212), 및 대류성 강우 예측장 생성기(213)을 포함할 수 있다.
즉, 대류성 강우 격자 설정기(211)는 소정 수십 km 미만(바람직하게 15 km 미만)으로 지리학적 단위 격자인 대류성 강우 격자를 설정할 수 있다. 설정된 대류성 강우 격자 별 대류성 강우량은 대류성 강우 이동특성 예측기(212)로 전달된다.
대류성 강우 이동특성 예측기(212)는 스톰 추적 실황 예측모델을 이용하여 대류성 강우의 이동 특성을 예측하고, 스톰 추적 실황 예측모델은 본 발명의 실시예와 관련된 기술 분야에서 통상을 지식을 가진 자에 의해 이해될 수 있다.
그리고, 대류성 강우 예측장 생성기(213)는 예측된 대류성 강우의 이동 특성을 토대로 상기 대류성 강우 격자 별 대류성 강우량을 예측하여 대류성 강우 예측장을 생성한다.
한편, 층상형 강우 예측 모듈(220)은 층상형 강우 격자 설정기(221), 층상형 강우 이동특성 예측기(222), 및 층상형 강우 예측장 생성기(223)를 포함할 수 있다.
여기서, 층상형 강우 격자 설정기(221)는 기 정해진 상기 소정 수십 km 이상의 층상형 강우 단위 격자를 설정하고, 설정된 단위 격자 별 층상형 강우 이동 특성을 예측한다.
이때 층상형 강우 이동 특성은 층상형 강우 이동특성 예측기(222)에 의거 이류 모델을 이용하여 층상형 강우의 이류 벡터를 산출하고 산출된 층상형 강우의 이류 벡터를 토대로 예측된다. 여기서, 이류 모델을 이용하여 층상형 강우의 이류 벡터를 산출하여 층상형 강우의 이동특성을 예측하는 일련의 과정은 본 발명에 실시 예와 관련된 기술 분야에서 통상의 지식을 가진 자에 의해 이해될 수 있다.
이러한 층상형 강우 예측장 생성기(223)는 층상형 단위 격자 별 층상형 강우 이동 특성값을 단위 격자에 입력하여 층상형 강우 예측장을 생성한다.
도 6은 대류성 강우 예측모듈(210)에 의거 생성된 대류성 강우 예측장을 보인 예시도로서, 대류성 강우 예측장은 스톰 추적 실황 모델을 이용하여 예측된 대류성 강우를 토대로 생성된 예측장이며 서울 지역에서 매 분 마다 생성된 대류성 강우 예측장을 나타낸다.
또한 도 7은 층상형 강우 예측모듈(220)에 의거 생성된 층상형 강우 예측장을 보인 예시도로서, 층상형 강우 예측장은 외삽기법인 이류 모델을 이용하여 생성된 층상형 강우를 토대로 생성된 예측장이며 서울 지역에서 매 분 마다 생성된 층상형 강우 예측장을 나타낸다.
이러한 대류성 강우 예측장과 층상형 강우 예측장은 강우 지도 생성부(300)로 전달된다. 강우 지도 생성부(300)는, 대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장을 생성하고, 이러한 강우 예측장에 대해 실측 강우량과 기존의 강우 예측장과의 비교를 토대로 예측된 강우량에 대한 검증을 수행할 수 있다.
도 8은 강우 지도 생성부(300)에 의거 생성된 강우 예측장, 실측 관측장, 및 기존의 예측 기법을 이용하여 생성된 기존 강우 예측장을 보인 예시도이고, 도 9는 도 7에 도시된 강우 예측장에 대한 검증 결과를 보인 도이다. 서울 지역의 2013년 7월 13일 오전 5시 10분부터 30분 간격의 강우 자료로부터 도출된 본 발명에 따른 강우 예측장은 (c) (f) (i)에 나타낸 바와 같고, 동일 일자의 실측 강우장은 (a)(d)(g)에 나타낸 바와 같으며, 동일 일자의 기존의 예측 모델을 이용하여 도출된 기존 강우 예측장은 (b)(e)(h)에 나타낸 바와 같다.
이러한 본 발명의 강우 예측장과 기존 강우 예측장에 대한 통계학적 상관 계수 및 평균제곱근 오차 분석 결과는 도 9에서 나타낸 바와 같으며, 본 발명에 의거한 예측 상관계수가 종래의 예측 모델과 비교하여 증가됨이 보여지고, 평균제곱근 오차가 감소됨이 보여진다. 이에 본 발명에 의거한 강우의 예측 정확도가 향상됨을 확인할 수 있다.
즉, 기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우로 분할하고, 분할된 각각의 강우들의 이동특성을 반영하여 대류성 강우 예측장과 층상형 강우 예측장을 각각 생성한 후 생성된 대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장으로 생성함에 따라 도시지역의 국지성 호우에 대한 초단시간 예측 강우의 정확도를 향상시킬 수 있으며, 도시돌발홍수모형의 입력자료로 활용되어 돌발홍수 예측의 정확도를 향상시킬 수 있다.
전술한 강우의 공간 규모를 고려한 강우 예측 시스템을 이용하여 강우 예측 방법은, (a) 강우종류 판단부(100)에서 외부로부터 공급되는 기상 레이더 또는 AWS의 격자 단위의 강우 자료를 이용하여 대류성 강우 및 층상형 강우로 분할하는 단계; (b) 분할된 대류성 강우의 이동 특성 및 층상형 강우의 이동 특성을 반영하여 대류성 강우 예측장 및 층상형 강우 예측장을 생성하는 단계; 및 (c) 상기 대류성 강우 예측장 및 층상형 강우 예측장을 시간 별로 병합하여 강우 예측장을 생성하는 단계를 포함하는 것을 특징으로 한다.
여기서, (a) 단계는 기 정해진 소정 수십 분당 기상레이더 및 AWS 단위 격자의 강우 자료를 입력으로 강우장을 생성하고, 생성된 강우장에 이미지 필터링 기법을 이용하여 대류성 강우 및 층상형 강우를 분리하도록 구비될 수 있다.
바람직하게 상기 (b) 단계는 (b-1) 분리된 대류성 강우를 스톰추적실황예측모델을 이용하여 강우셀 별 대류성 강우 예측장을 생성하는 단계; 및 b-2) 분리된 층상형 강우를 단순외삽기반의 이류모델을 이용하여 산정된 벡터 필드를 이용하여 층상형 강우 예측장을 생성하는 단계를 포함할 수 있다.
바람직하게 상기 (c) 단계는 대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장을 생성하도록 구비될 수 있다. 전술한 강우의 공간 규모를 고려한 강우 예측 방법의 각 단계는 전술한 강우 종류 판단부(100), 강우 예측부(200), 강우지도 생성부(300)에서 수행되는 기능으로 자세한 원용은 생략한다.
이상에서 대표적인 실시 예를 통하여 본 발명을 상세하게 설명하였으나, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 상술한 실시 예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리 범위는 설명한 실시 예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 특허청구범위와 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태에 의하여 정해져야 한다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우로 분할하고, 분할된 각각의 강우들의 이동특성을 반영하여 대류성 강우 예측장과 층상형 강우 예측장을 각각 생성한 후 생성된 대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장으로 생성함에 따라 도시지역의 국지성 호우에 대한 초단시간 예측 강우의 정확도를 향상시킬 수 있으며, 도시돌발홍수모형의 입력자료로 활용되어 돌발홍수 예측의 정확도를 향상시킬 수 있는 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법에 대한 운용의 정확성 및 신뢰도 측면, 더 나아가 성능 효율 면에 매우 큰 진보를 가져올 수 있으며, 기상 예측 시스템의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.

Claims (5)

  1. 기상레이더 또는 AWS (Automatic Weather System)의 격자분포의 강우 자료를 강우의 공간규모를 고려하여 이미지 필터링을 통해 대류성 강우와 층상형 강우인 지를 판단하는 강우 종류 판단부;
    분리된 대류성 강우 및 층상형 강우 각각에 대한 이동 특성을 반영하여 각각 의 대류성 강우 예측장 및 층상형 강우 예측장을 생성하는 강우 예측부; 및
    대류성 강우 예측장과 층상형 강우 예측장을 병합하여 강우 예측장을 생성하는 강우 지도 생성부를 포함하는 것을 특징으로 하는 강우의 공간 규모를 고려한 강우 예측 시스템.
  2. 제1항에 있어서, 강우종류 판단부는,
    기 정해진 기상 자료를 획득하는 강우 자료 획득모듈;
    획득된 강우 자료를 직교 좌표계에 대한 기상자료로 변환한 후 각각의 지리학적 단위 격자마다의 강우 자료값을 산출하고, 산출된 강우 자료값을 지리학적 단위 격자마다 입력하여 강우장을 생성하는 강우장 생성 모듈; 및 생성된 강우장을 이미지 필터를 통해 대류성 강우 및 층상형 강우인 지를 판단하는 강우 종류 판단모듈(130)를 포함하는 것을 특징으로 하는 강우의 공간 규모를 고려한 강우 예측 시스템.
  3. 제2항에 있어서, 상기 강우 예측부는,
    지리학적 단위 격자인 대류성 강우 격자를 설정하는 대류성 강우 격자 설정기와, 스톰 추적 실황 예측모델을 이용하여 대류성 강우의 이동 특성을 예측하는 대류성 강우 이동특성 예측기와, 예측된 대류성 강우의 이동 특성을 토대로 상기 대류성 강우 격자 별 대류성 강우량을 예측하여 대류성 강우 예측장을 생성하는 대류성 강우 예측장 생성기를 포함하는 대류성 강우 예측 모듈; 및
    층운형 강우 단위 격자를 설정하는 층상형 강우 격자 설정기와, 이류 모델을 이용하여 층상형 강우의 이류 벡터를 산출하고 산출된 층상형 강우의 이류 벡터를 토대로 예측하는 층상형 강우 이동특성 예측기와, 층상형 단위 격자 별 층상형 강우 이동 특성값을 단위 격자에 입력하여 층상형 강우 예측장을 생성하는 층상형 강우 예측장 생성기를 포함하는 층상형 강우 예측 모듈을 포함하는 것을 특징으로 하는 강우의 공간 규모를 고려한 강우 예측 시스템.
  4. a) 강우종류 판단부(100)에서 외부로부터 공급되는 기상 레이더 또는 AWS의 격자 단위의 강우 자료를 이용하여 대류성 강우 및 층상형 강우로 분할하는 단계;
    (b) 분할된 대류성 강우의 이동 특성 및 층상형 강우의 이동 특성을 반영하여 대류성 강우 예측장 및 층상형 강우 예측장을 생성하는 단계; 및
    (c) 상기 대류성 강우 예측장 및 층상형 강우 예측장을 시간 별로 병합하여 강우 예측장을 생성하는 단계를 포함하는 것을 특징으로 하는 강우의 공간 규모를 고려한 강우 예측 방법.

  5. 제4항에 있어서, 상기 (b) 단계는,
    (b-1) 분리된 대류성 강우를 스톰추적실황예측모델을 이용하여 강우셀 별 대류성 강우 예측장을 생성하는 단계; 및
    b-2) 분리된 층상형 강우를 단순외삽기반의 이류모델을 이용하여 산정된 벡터 필드를 이용하여 층상형 강우 예측장을 생성하는 단계를 포함하는 것을 특징으로 하는 강우의 공간 규모를 고려한 강우 예측 방법.



KR1020160152833A 2016-11-16 2016-11-16 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법 Expired - Fee Related KR101802455B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160152833A KR101802455B1 (ko) 2016-11-16 2016-11-16 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160152833A KR101802455B1 (ko) 2016-11-16 2016-11-16 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101802455B1 true KR101802455B1 (ko) 2017-11-28

Family

ID=60811270

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160152833A Expired - Fee Related KR101802455B1 (ko) 2016-11-16 2016-11-16 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101802455B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020085661A1 (ko) * 2018-10-26 2020-04-30 한국과학기술정보연구원 딥 뉴럴 네트워크 기반 공간 특성값 예측 방법 및 이를 적용한 시스템
CN111914488A (zh) * 2020-08-14 2020-11-10 贵州东方世纪科技股份有限公司 一种基于对抗神经网络的有资料地区水文参数率定方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100921424B1 (ko) 2008-11-13 2009-10-14 부경대학교 산학협력단 도플러 기상레이더의 관측 자료를 이용한 강수량 추정 방법
KR100931950B1 (ko) 2009-04-10 2009-12-15 부경대학교 산학협력단 기상레이더의 강수 유형 구분 방법
KR101484671B1 (ko) 2014-08-22 2015-02-04 대한민국 정지궤도 인공위성관측과 칼라합성법을 이용한 대류운탐지시스템 및 이를 이용한 대류운탐지방법, 대류운탐지방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100921424B1 (ko) 2008-11-13 2009-10-14 부경대학교 산학협력단 도플러 기상레이더의 관측 자료를 이용한 강수량 추정 방법
KR100931950B1 (ko) 2009-04-10 2009-12-15 부경대학교 산학협력단 기상레이더의 강수 유형 구분 방법
KR101484671B1 (ko) 2014-08-22 2015-02-04 대한민국 정지궤도 인공위성관측과 칼라합성법을 이용한 대류운탐지시스템 및 이를 이용한 대류운탐지방법, 대류운탐지방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020085661A1 (ko) * 2018-10-26 2020-04-30 한국과학기술정보연구원 딥 뉴럴 네트워크 기반 공간 특성값 예측 방법 및 이를 적용한 시스템
CN111914488A (zh) * 2020-08-14 2020-11-10 贵州东方世纪科技股份有限公司 一种基于对抗神经网络的有资料地区水文参数率定方法
CN111914488B (zh) * 2020-08-14 2023-09-01 贵州东方世纪科技股份有限公司 一种基于对抗神经网络的有资料地区水文参数率定方法

Similar Documents

Publication Publication Date Title
Nipen et al. Adopting citizen observations in operational weather prediction
KR102076426B1 (ko) 상세기상 예측정보 실시간 운영 시스템과 이를 이용하는 폭염 및 열대야 영향 예보 활용 방법
Alonso-Montesinos et al. Solar radiation forecasting in the short-and medium-term under all sky conditions
KR101809629B1 (ko) 기상청 국지예보모델을 활용한 도시 폭염 상세정보 예측 방법 및 시스템
Tveito et al. A GIS-based agro-ecological decision system based on gridded climatology
KR102030925B1 (ko) 태양광 발전량 모니터링 시스템
KR102283487B1 (ko) 실시간 위성자료와 수치모델자료를 이용한 머신러닝기반 태양광 발전량 예측시스템
EP2891904A1 (en) Solar irradiance forecasting
JP2010060443A (ja) 気象予測装置、方法及びプログラム
US20130066569A1 (en) Power generation predicting apparatus and method thereof
Alonso-Montesinos et al. The application of Bayesian network classifiers to cloud classification in satellite images
Saxena et al. A review study of weather forecasting using artificial neural network approach
KR102168427B1 (ko) 지역별 공간 특성이 반영되는 규모 상세화 방법
Zhang et al. A stochastic downscaling approach for generating high-frequency solar irradiance scenarios
JP2019138737A (ja) 雷危険度判定装置
Engerer et al. Himawari-8 enabled real-time distributed PV simulations for distribution networks
CN112633544A (zh) 预测风速订正方法及其装置
Hally et al. An ensemble study of HyMeX IOP6 and IOP7a: sensitivity to physical and initial and boundary condition uncertainties
Cheng Hybrid solar irradiance now-casting by fusing Kalman filter and regressor
KR101802455B1 (ko) 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법
CN120387529A (zh) 复杂地形下新能源电站风光要素的机器学习订正预报方法
Haiden et al. The skill of ECMWF cloudiness forecasts
Liu et al. A deep Learning-Based precipitation nowcasting model fusing GNSS-PWV and radar echo observations
KR101335209B1 (ko) 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법
KR102337369B1 (ko) 기후 예측 모델의 계절 내 규모 모의 성능을 진단하기 위한 기후 분석 장치 및 방법

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

D13-X000 Search requested

St.27 status event code: A-1-2-D10-D13-srh-X000

D14-X000 Search report completed

St.27 status event code: A-1-2-D10-D14-srh-X000

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

GRNT Written decision to grant
PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 4

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 5

PC1903 Unpaid annual fee

St.27 status event code: A-4-4-U10-U13-oth-PC1903

Not in force date: 20221123

Payment event data comment text: Termination Category : DEFAULT_OF_REGISTRATION_FEE

PC1903 Unpaid annual fee

St.27 status event code: N-4-6-H10-H13-oth-PC1903

Ip right cessation event data comment text: Termination Category : DEFAULT_OF_REGISTRATION_FEE

Not in force date: 20221123