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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 신동빈
- 발행연도
- 2016
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수11
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
강수는 야외 활동이나 경제 활동, 농업 등에 직접적으로 영향을 미치는 필수 정보로 정확한 예보가 요구 되는 기상학적 변수들 중 하나이다. 위성자료를 이용한 강수 예보는 강수의 양을 예측하는 방법과 단순히 강수의 유무만을 이용하여 강수확률로 나타내는 방법이 있다. 강수 확률을 이용한 예보는 수치예보를 이용하여 많은 발전을 하였으나 1 ∼ 6 시간의 초단기예보에서는 예측 정확도가 낮다. 이를 보완하기 위해 다른 자료를 이용한 초단기 예보의 필요성이 제기되었고, 레이더와 위성자료를 이용하여 초단기 예보가 연구되어져 왔다. 본 연구에서는 COMS 위성자료를 이용하여 여러 강수확률의 관계식을 산출하여 초단기 예보에 적용할 수 있는 최종강수확률 관계식을 구하고 그에 연관된 변수들을 찾고자 하였다.
강수확률은 사용하는 관측 자료와 예보시간 및 지역, 목적에 따라 정의가 다르며 본 연구에서 강수확률은 ‘2시간 이내에 최소 1mm/h 이상의 강우강도가 관측될 확률’로 정의하였다. 강수확률을 구하기 위해서 2시간 동안 15분 간격의 천리안 강우강도 자료를 사용하였다. 본 연구에서 강수확률은 통계적 방법을 이용하여 경험식을 도출하는 방법을 이용하여 구하였다. 강수확률에 영향을 주는 통계적 변수들은 3×3, 5×5, 7×7 영역 누적 강수량과 강수픽셀 수, 3×3, 5×5, 7×7 영역 누적 강수픽셀 수이다. 관계식을 구하기 위해 위 각각의 변수들과 강수확률의 관계를 선형회귀 방법을 이용하여 식을 산출하였다. 10개의 사례들을 이용하여 강수확률 식에 통계변수들을 적용하고 강수확률을 산출하였으며, 이를 실제관측 값인 누적강우강도와의 CC, BAIS, RMSE, POD, FAR, HSS를 구하여 7개의 변수들 중 어떠한 변수가 실제 관측 값과 정확도가 높은지 비교해보았다. 또한 현재 개발 중인 GK-2A의 강수확률 알고리즘으로 산출된 강수확률을 참고하여 정확도 지수를 구하고 본 연구의 결과와 비교해 보았다.
각 영역별 누적 강수량과 강수확률과의 관계식은 누적강수량의 영역이 증가할수록 기울기가 감소함을 보였다. 강수픽셀수와 강수확률과의 관계식은 강수가 관측시간 중 한번만 관측이 되어도 60%의 높은 강수확률을 보였고, 6번 이상 관측이 되면 강수확률은 100%를 보였다.
10개의 사례들에 대해 각 관계식을 통해 산출된 강수확률을 map으로 나타내어 확인한 결과 대부분의 사례에서 누적강수량, 누적픽셀수의 영역이 넓어질수록 전반적으로 강수확률을 보이는 면적이 넓어지고 smooth해짐을 볼 수 있었다. 각 변수들의 비교 결과를 볼 때, 3×3 영역누적강수량이 10개 모두 사례에서 FAR이 낮았으며 이는 FAR가 낮을 수록 예측된 값과 실제 관측 값의 정확도가 높음을 의미한다. 또한 10개 사례 중 9개 사례에서 강수픽셀수의 POD값이 가장 높았다. 이는 실제 관측 값인 누적강우강도의 강수지역과 예측된 값인 강수픽셀의 강수지역이 일치하는 픽셀이 많음을 의미하며 사례들의 map에서도 다른 변수들의 결과보다 일치하는 것을 볼 수 있다.
본 연구에서는 강수확률 관계식을 산출하기 위해 여름의 20개의 사례만 사용하였기 때문에 모든 강수사례에 적용하기는 어렵다. 따라서 보다 많은 사례를 적용한 연구가 필요하며 더 나아가 강수유형(태풍, 장마 등) 및 계절에 따라 관계식을 산출한다면 정확도가 더 높을 것으로 기대 된다. 또한 사용한 변수들의 조합 및 다른 변수의 연구도 추후에 연구를 진행할 계획이다.연구도 추후에 연구를 진행할 계획이다.
강수확률은 사용하는 관측 자료와 예보시간 및 지역, 목적에 따라 정의가 다르며 본 연구에서 강수확률은 ‘2시간 이내에 최소 1mm/h 이상의 강우강도가 관측될 확률’로 정의하였다. 강수확률을 구하기 위해서 2시간 동안 15분 간격의 천리안 강우강도 자료를 사용하였다. 본 연구에서 강수확률은 통계적 방법을 이용하여 경험식을 도출하는 방법을 이용하여 구하였다. 강수확률에 영향을 주는 통계적 변수들은 3×3, 5×5, 7×7 영역 누적 강수량과 강수픽셀 수, 3×3, 5×5, 7×7 영역 누적 강수픽셀 수이다. 관계식을 구하기 위해 위 각각의 변수들과 강수확률의 관계를 선형회귀 방법을 이용하여 식을 산출하였다. 10개의 사례들을 이용하여 강수확률 식에 통계변수들을 적용하고 강수확률을 산출하였으며, 이를 실제관측 값인 누적강우강도와의 CC, BAIS, RMSE, POD, FAR, HSS를 구하여 7개의 변수들 중 어떠한 변수가 실제 관측 값과 정확도가 높은지 비교해보았다. 또한 현재 개발 중인 GK-2A의 강수확률 알고리즘으로 산출된 강수확률을 참고하여 정확도 지수를 구하고 본 연구의 결과와 비교해 보았다.
각 영역별 누적 강수량과 강수확률과의 관계식은 누적강수량의 영역이 증가할수록 기울기가 감소함을 보였다. 강수픽셀수와 강수확률과의 관계식은 강수가 관측시간 중 한번만 관측이 되어도 60%의 높은 강수확률을 보였고, 6번 이상 관측이 되면 강수확률은 100%를 보였다.
10개의 사례들에 대해 각 관계식을 통해 산출된 강수확률을 map으로 나타내어 확인한 결과 대부분의 사례에서 누적강수량, 누적픽셀수의 영역이 넓어질수록 전반적으로 강수확률을 보이는 면적이 넓어지고 smooth해짐을 볼 수 있었다. 각 변수들의 비교 결과를 볼 때, 3×3 영역누적강수량이 10개 모두 사례에서 FAR이 낮았으며 이는 FAR가 낮을 수록 예측된 값과 실제 관측 값의 정확도가 높음을 의미한다. 또한 10개 사례 중 9개 사례에서 강수픽셀수의 POD값이 가장 높았다. 이는 실제 관측 값인 누적강우강도의 강수지역과 예측된 값인 강수픽셀의 강수지역이 일치하는 픽셀이 많음을 의미하며 사례들의 map에서도 다른 변수들의 결과보다 일치하는 것을 볼 수 있다.
본 연구에서는 강수확률 관계식을 산출하기 위해 여름의 20개의 사례만 사용하였기 때문에 모든 강수사례에 적용하기는 어렵다. 따라서 보다 많은 사례를 적용한 연구가 필요하며 더 나아가 강수유형(태풍, 장마 등) 및 계절에 따라 관계식을 산출한다면 정확도가 더 높을 것으로 기대 된다. 또한 사용한 변수들의 조합 및 다른 변수의 연구도 추후에 연구를 진행할 계획이다.연구도 추후에 연구를 진행할 계획이다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0