지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
The accurate analysis of water vapor in initial of numerical weather prediction (NWP) model is required as one of the necessary conditions for the improvement of heavy rainfall prediction and reduction of spin-up time on a very-short-range forecast. To study this effect, the impact of a ground-based Global Positioning System (GPS)-Precipitable Water Vapor (PWV) on very-short-range forecast are examined. Data assimilation experiments of GPS-PWV data from 19 sites over the Korean Peninsula were conducted with Advanced Storm-scale Analysis and Prediction System (ASAPS) based on the Korea Meteorological Administration’s Korea Local Analysis and Prediction System (KLAPS) included “Hot Start” as very-short-range forecast system. The GPS total water vapor was used as constraint for integrated water vapor in a variational humidity analysis in KLAPS. Two simulations of heavy rainfall events show that the precipitation forecast have improved in terms of ETS score compared to the simulation without GPS-PWV data. In the first case, the ETS for 0.5 mm of rainfall accumulated during 3 hrs over the Seoul-Gyeonggi area shows an improvement of 0.059 for initial forecast time. In other cases, the ETS improved 0.082 for late forecast time. According to a qualitative analysis, the assimilation of GPS-PWV improved on the intensity of precipitation in the strong rain band, and reduced overestimated small amounts of precipitation on the out of rain band. In the case of heavy rainfall during the rainy season in Gyeonggi province, 8 mm accompanied by the typhoon in the case was shown to increase to 15 mm of precipitation in the southern metropolitan area. The GPS-PWV assimilation was extremely beneficial to improving the initial moisture analysis and heavy rainfall forecast within 3 hrs. The GPS-PWV data on variational data assimilation have provided more useful information to improve the predictability of precipitation for very short range forecasts.
목차
Abstract
1. 서론
2. GPS 가강수량 자료
3. 수치모델 및 자료동화 방법
4. 사례 실험 결과
5. 요약 및 제언
REFERENCES
참고문헌 (44)
참고문헌 신청
[학술지(정기간행물)] - Ahn, M. -H. / 2015 / Characterization of downwelling radiance measured from the ground-based microwave radiometer using the theoretical reference data / Atmos. Meas. Tech. Discuss 8 : 4347 ~ 4377
[학술지(정기간행물)] - Albers, S. C. / 1996 / The local analysis and prediction system : analysis of clouds, precipitation and temperature. Wea / Forecasting 11 : 273 ~ 287
[학술지(정기간행물)] - Benjamin, S. G. / 2004 / An hourly assimilation forecast cycles : The RUC / Mon. Wea. Rev 132 : 495 ~ 518
[학술지(정기간행물)] - Bennitt, G. V. / 2012 / Operational assimilation of GPS zenith total delay observations into the Met Office numerical weather prediction models / Mon. Wea. Rev 140 : 2706 ~ 2719
[학술지(정기간행물)] - Bevis, M. / 1992 / GPS meteorology : Remote sensing of atmospheric water vapor using the Global Positioning System / J. Geophys. Res 97 : 15787 ~ 15801
[학술지(정기간행물)] - Albers, S. C. / 1996 / The local analysis and prediction system : analysis of clouds, precipitation and temperature. Wea / Forecasting 11 : 273 ~ 287
[학술지(정기간행물)] - Benjamin, S. G. / 2004 / An hourly assimilation forecast cycles : The RUC / Mon. Wea. Rev 132 : 495 ~ 518
[학술지(정기간행물)] - Bennitt, G. V. / 2012 / Operational assimilation of GPS zenith total delay observations into the Met Office numerical weather prediction models / Mon. Wea. Rev 140 : 2706 ~ 2719
[학술지(정기간행물)] - Bevis, M. / 1992 / GPS meteorology : Remote sensing of atmospheric water vapor using the Global Positioning System / J. Geophys. Res 97 : 15787 ~ 15801
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Retrieval and Validation of Precipitable Water Vapor using GPS Datasets of Mobile Observation Vehicle on the Eastern Coast of Korea
대한원격탐사학회지
2016 .01
-
Simultaneous Assimilation of Multiscale Remotely Sensed Data for Short-term Precipitation Forecasting
한국기상학회 학술대회 논문집
2021 .10
-
The Effect of 3D-Var Radar Data Assimilation in Precipitation Forecasts
한국기상학회 학술대회 논문집
2015 .10
-
Evaluation of deep-learning-based very short-term rainfall forecasts in South Korea
한국기상학회 학술대회 논문집
2022 .10
-
Assimilation of AOD retrievals to improve air quality forecasts using Machine Learning and Data Assimilation
한국기상학회 학술대회 논문집
2020 .10
-
태풍 수치모의에서 GPS-RO 인공위성을 사용한 관측 자료동화 효과
한국환경과학회지
2017 .05
-
기상청 고해상도 국지 앙상블 예측 시스템 구축 및 성능 검증
대기
2015 .03
-
Comparison of deep-learning- and numerical-based very short-term rainfall forecasts in South Korea
한국기상학회 학술대회 논문집
2023 .04
-
전지구 예보모델의 대기-해양 약한 결합자료동화 활용성에 대한 연구
대기
2019 .06
-
2014년 계절예측시스템과 중기예측모델의 예측성능 비교 및 검증
대기
2016 .03
-
Deep-Learning-Based Very Short-Term Rainfall Forecasts Using Video Frame Interpolation Method
한국기상학회 학술대회 논문집
2023 .04
-
Improving air quality forecasts in Korea using the 3D-Var aerosol data assimilation
한국기상학회 학술대회 논문집
2019 .10
-
남한 강수 기후와 이분 범주 예보 검증 지수
대기
2019 .12
-
PM10, PM2.5 예측성능 향상을 위한 EnKF 자료동화 시스템 개발 및 PM 배출량 역모델링
한국대기환경학회 학술대회논문집
2021 .10
-
Improving model precipitation forecast using ICE-POP 2018 observation data
한국기상학회 학술대회 논문집
2023 .11
-
KIM을 위한 지상 기반 GNSS 자료 동화 체계 개발 및 효과
대기
2022 .09
-
토사재해 예경보를 위한 초단기 예측강우의 활용에 대한 연구
한국습지학회지
2017 .01
-
CMAQ 모델링을 통한 초기 기상장에 대한 미세먼지 농도 예측 민감도 연구
한국대기환경학회지(국문)
2017 .12
-
Forecast Impact Assessment of AI-based Data Assimilation using NOAA’s Global Forecasting System
한국기상학회 학술대회 논문집
2022 .10
-
Assimilation of Null-echo from Radar Observations for Short-term Quantitative Precipitation Forecasting
한국기상학회 학술대회 논문집
2016 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
기상청 통합모델 앙상블예측시스템 (MOGREPS)의 예측 특성 분석
박영연
,
손주형
,
문선옥
외 2명
한국기상학회 학술대회 논문집
2010
.10
WRF 기반 공군 단기 수치 예보 시스템 : 2009년 하계 모의 성능 검증
변의용
,
홍성유
,
신혜윰
외 6명
대기
2011
.06
앙상블 지역 파랑예측시스템 구축 및 검증
박종숙
,
강기룡
,
강현석
한국해안·해양공학회논문집
2018
.04
20세기 아문젠 해 저기압 활동의 통계적인 복원
임창규
,
김주홍
,
김성중
외 1명
한국기상학회 학술대회 논문집
2018
.04
아시아 탄소추적시스템 2016 결과 검증 및 분석
이재상
,
And
,
ew R. Jacobson
외 6명
한국기상학회 학술대회 논문집
2018
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2016-453-002305771