:: Journal of the Korean earth science society ::
Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-6692(Print)
ISSN : 2287-4518(Online)
Journal of the Korean earth science society Vol.36 No.1 pp.109-124
DOI : https://doi.org/10.5467/JKESS.2015.36.1.109

Improvement of Radar Rainfall Estimation Using Radar Reflectivity Data from the Hybrid Lowest Elevation Angles

Geunsu Lyu1, Sung-Hwa Jung1,2, Kyung-Yeub Nam3, Soohyun Kwon2, Cheong-Ryong Lee2, Gyuwon Lee1,2*
1Center for Atmospheric REmote sensing (CARE), Daegu 702-701, Korea

2Research and Training Team for Future Creative Astrophysicists and Cosmologists and Department of
Astronomy and Atmospheric Sciences, Kyungpook National University, Daegu 702-701, Korea

3Applied Meteorology Research Division, National Institute of Meteorological Research, Jeju 697-845, Korea
Corresponding author: author: gyuwon@knu.ac.kr Tel: +82-53-950-6360 Fax: +82-53-950-6359
November 21, 2014 December 13, 2014 December 18, 2014

Abstract

A novel approach, hybrid surface rainfall (KNU-HSR) technique developed by Kyungpook Natinal University, was utilized for improving the radar rainfall estimation. The KNU-HSR technique estimates radar rainfall at a 2D hybrid surface consistings of the lowest radar bins that is immune to ground clutter contaminations and significant beam blockage. Two HSR techniques, static and dynamic HSRs, were compared and evaluated in this study. Static HSR technique utilizes beam blockage map and ground clutter map to yield the hybrid surface whereas dynamic HSR technique additionally applies quality index map that are derived from the fuzzy logic algorithm for a quality control in real time. The performances of two HSRs were evaluated by correlation coefficient (CORR), total ratio (RATIO), mean bias (BIAS), normalized standard deviation (NSD), and mean relative error (MRE) for ten rain cases. Dynamic HSR (CORR=0.88, BIAS= –0.24 mm hr–1 , NSD=0.41, MRE=37.6%) shows better performances than static HSR without correction of reflectivity calibration bias (CORR=0.87, BIAS= –2.94 mm hr–1 , NSD=0.76, MRE=58.4%) for all skill scores. Dynamic HSR technique overestimates surface rainfall at near range whereas it underestimates rainfall at far ranges due to the effects of beam broadening and increasing the radar beam height. In terms of NSD and MRE, dynamic HSR shows the best results regardless of the distance from radar. Static HSR significantly overestimates a surface rainfall at weaker rainfall intensity. However, RATIO of dynamic HSR remains almost 1.0 for all ranges of rainfall intensity. After correcting system bias of reflectivity, NSD and MRE of dynamic HSR are improved by about 20 and 15%, respectively.


혼합 최저고도각 반사도 자료를 이용한 레이더 강우추정 정확도 향상

류 근수1, 정 성화1,2, 남 경엽3, 권 수현2, 이 청룡2, 이 규원1,2*
1경북대학교 대기원격탐사연구소, 702-701, 대구광역시 북구 대학로 80
2경북대학교 천문대기과학과 및 천체물리 및 우주론분야 미래 창의 인재 양성팀, 702-701, 대구광역시 북구 대학로 80

3기상청 국립기상연구소 응용기상연구과, 697-845, 제주특별자치도 서귀포시 서호북로 33

초록

레이더 반사도를 이용한 강수추정의 개선을 위해 새로운 접근 방식인 경북대학교에서 개발한 하이브리드 고도면 을 이용한 강수량 추정기법(Hybrid Surface Rainfall, KNU-HSR)을 사용하였다. KNU-HSR기법은 지형에코와 레이더 빔 차폐의 영향을 받지 않는 2차원 하이브리드 고도면에서의 반사도를 이용하여 강수량을 추정한다. 본 연구에서는 정적 HSR 및 동적 HSR기법이 사용되었으며 비교·검증되었다. 정적 HSR은 빔차폐지도와 지형에코지도를 사용하며, 동적 HSR은 정적 HSR에 추가적으로 실시간 퍼지로직 품질관리를 통한 품질지수지도를 사용한다. 검증을 위해 상관계수 (correlation coefficient), 총비율(total ratio), 평균편의(mean bias), 정규화된 표준편차(normalized standard deviation), 평균 상대오차(mean relative error)를 사용하였으며, 10개 강우사례의 지상우량계 강우자료를 이용하여 두 HSR의 강우추정 성능을 평가하였다. 모든 검증지수에서 동적 HSR은 반사도 보정을 하지 않은 정적 HSR에 비해 더 우수한 성능을 보였 다. 동적 HSR은 레이더로부터 근거리에서는 과대추정하였으며 원거리에서는 빔 폭 확장 및 빔 고도증가로 인해 과소추 정하였다. 동적 HSR의 정규화된 표준편차와 평균상대오차는 레이더로부터의 거리에 관계없이 가장 좋은 결과를 보였다. 정적 HSR은 약한 강우강도에서 상당히 과대추정하였으나 동적 HSR은 모든 강우강도에서 1.0에 총비율을 보였다. 반사 도의 시스템오차 보정 후, 동적 HSR의 정규화된 표준편차와 평균상대오차는 각각 약 20%와 15%로 개선되었다.


    National Institute of Meteorological Research
    CATER 2013-2040

    서 론

    기상레이더는 넓은 관측영역에 대해 높은 시ㆍ공간 분해능의 관측자료를 제공하기 때문에 호우, 태풍 등 과 같은 악기상의 감시 및 예측에 매우 유용하다. 그 러나 레이더 주변의 복잡한 지형은 낮은 고도각에서 지형에코와 빔차폐를 발생시켜 레이더 자료에 기반한 지상강우추정에 큰 오차를 유발한다.

    지형에코를 탐지하고 제거하기 위한 방법으로는 지 형에코지도, 신호처리, 베이지안기법(bayesian approach), 퍼지기법(fuzzy approach) 등이 있다(e.g., Grecu and Krajewski, 1999; Steiner and Smith, 2002; Cho et al., 2006; Berenguer et al., 2006; Rico-Ramirez and Cluckie, 2008; Hubbert et al., 2009). 빔차폐의 영향 을 최소화하는 방법으로는 주로 차폐영역의 반사도를 보정하는 방법이 사용되며 크게 세 가지로 나뉜다. 첫째는 수치고도모형(digital elevation model, DEM) 을 사용하여 차폐영역을 모의한 후 비차폐된 지역의 반사도 연직구조를 이용하여 차폐된 지역의 반사도를 추정하는 방법이다(e.g., Delrieu and Creutin, 1995; Andrieu et al., 1997; Creutin et al., 1997; Kucera et al., 2004). 둘째는 DEM을 이용하여 빔차폐율(beam blockage fraction, BBF)을 모의하고 BBF로부터 반사 도 보정치를 산출하여 보정하는 방법이다(e.g., Kabeche et al., 2011; Bech et al., 2003). 이중편파레이더의 경우에는 이중편파변수들간 자기일치성(self-consistency principle)을 이용하여 차폐영역의 반사도를 보정하는 방법들이 제시된 바 있다(e.g., Giangrande and Ryzhkov, 2005; Lang et al., 2009; Zhang et al., 2013).

    지금까지 제시된 방법들은 품질관리 측면에서 품질 이 낮은 반사도 자료를 제거하거나 보정하는데 중점 을 두고 있으며, 강우추정의 정확도 향상은 품질관리 알고리즘의 검증측면으로 다루고 있다. 이와 달리 강 우추정의 정확도 향상을 위해 3차원 레이더 체적 관 측에서 지형에코와 빔차폐의 영향이 없으며 지면에 가장 가까운 레이더 고도각으로 구성된 2차원 하이 브리드 고도면(hybrid scan surface)을 이용하여 레이 더 강우강도를 추정하는 방법이 제시되었다(e.g., Shedd et al., 1989, 1991; O’Bannon, 1997; Fulton et al., 1998; Maddox et al., 2002; Zhang et al., 2011; Kwon et al., 2012a). O’Bannon (1997)은 미국 WSR-88D의 강우량 추정을 개선하고자 레이더 빔의 고도가 지형으로부터 최소 150m이상이며 BBF가 50% 미만인 레이더 빈(radar bin)으로 구성된 지형기 반 하이브리드 고도면의 활용을 제시하였다. Fulton et al. (1998)은 WSR-88D의 강수처리시스템(precipitation processing system, PPS)의 개발을 위해 4개의 최저 고도각을 이용하여 O’bannon (1997)의 문턱값에 따 라 작성한 하이브리드 고도면 지도(hybrid surface lookup-table)를 제시하였다. Zhang et al. (2011)은 National Mosaic and Multi-sensor Quantitative Precipitation Estimation (NMQ) 시스템에서 단일 레 이더 강수처리 알고리즘의 일환으로 하이브리드 고도 면 반사도 기법을 활용하였다. 국내에서는 경북대학 교에서 비슬산 레이더에 대해 고분해능 고도각(high vertical resolution, 약 0.1° 간격)으로 모의된 BBF 지 도를 이용하여 관측가능 최저고도각 지도를 산출하고 이를 기반으로 최적관측전략과 하이브리드 고도면 지 도를 처음으로 제시한 바 있다(Ministry of Land, Infrastructure and Transport, 2009). Kwon et al. (2012a)는 비슬산 이중편파레이더 자료를 이용하여 하이브리드 고도면 강우추정기법(Kyungpook National University-Hybrid Surface Rainfall technique, KNUHSR) 을 제시하고 정량적인 강우추정 성능을 평가하 였으며 기존의 CAPPI 자료를 이용한 강우추정결과 와 비교하였다.

    본 연구에서는 이중편파레이더를 기반으로 개발한 KNU-HSR기법을 기상청 오성산 레이더에 적용하여 지상강우를 추정하였으며 지상우량계 강우자료와의 비교를 통해 강우추정 성능을 평가하였다. 또한 고정 된 지형에코지도를 이용하는 정적 KNU-HSR기법과 퍼지논리기반 품질관리 알고리즘에서 산출된 품질지 수를 이용한 동적 KNU-HSR기법을 비교 검증하였다.

    레이더와 지상우량계

    레이더 반사도를 이용한 강우추정 및 검증을 위해 기상청 오성산 기상레이더(Table 1)의 지형에코 필터 전 반사도(unfiltered reflectivity, DZ)와 지상우량계 자료를 사용하였으며 2012년 6월-9월 동안 Table 2 와 같이 10개 강우사례를 분석하였다.

    레이더 반사도 자료의 품질에 따른 KNU-HSR기법 의 성능을 분석하고자 반사도의 시스템 오차(calibration bias)를 보정하고 퍼지로직 품질관리 알고리즘을 이용 하여 지형에코와 이상전파(anomalous propagation, AP)를 제거하였다. 오성산 레이더 반사도 자료의 시 스템 오차는 절대보정(absolute calibration)이 이루어 진 기준레이더 반사도와의 상호비교를 통해 각 강우 사례별로 산출하였다(Table 2). 상호비교절차는 Park and Lee (2010)에서 제시된 방법에 기초하였으나, 우 적계 자료 대신 이중편파변수들 사이의 자기일치성을 이용하여 보정한 레이더 반사도를(Lee and Zawadzki 2006; Kwon et al., 2012b; Kwon et al., 2015) 기준 반사도로 사용하였다(Korea Air Force, 2012). 상호비 교 과정에서 시·공간상의 불일치를 최소화하기 위해 레이더 반경 200k m 영역의 반사도 자료만을 이용하 여 수평, 연직 분해능 500m의 3차원 CAPPI (Constant Altitude Plan Position Indicator)로 전환하였다. 이때 밝은띠(bright band)와 지형에코의 영향을 최소화하고 자 고도 2-4 km의 자료만을 사용하였다. 그리고 두 레이더간 빔 체적크기로 인한 오차를 최소화하고자 각 레이더로부터 등거리 영역의 중심에서 수평거리 ±5 km 이내의 반사도 쌍을 추출하여 사용하였다. 오 성산과 비슬산 레이더 사이에서 가능한 반사도 쌍은 최대 개수는 1,920개였으며, 이 중 두 레이더의 반사 도가 모두 10 dBZ 이상을 만족하는 쌍에 대해 반사 도값 차이의 평균과 표준편차를 계산하고 95%의 신 뢰구간을 만족하는 쌍만을 이용하여 두 레이더간 반 사도의 상대편의(relative bias)를 계산하였다. 마지막 으로 기준레이더의 절대보정오차를 고려하여 오성산 레이더의 시스템 오차를 산출하였다(Korea Air Force, 2012). 지형에코를 포함한 비강수에코를 제거하기 위 해 퍼지로직 품질관리 알고리즘(fuzzy logic algorithm) 을 적용하였다(Cho et al., 2006; Ye, 2013). 추가적 으로 지형에코지도를 사용하여 퍼지로직 품질관리 알 고리즘에서 제거되지 않은 잔여 지형에코를 제거하 였다.

    KNU-HSR의 검증을 위해 Fig. 1과 같이 오성산 레이더에서 반경 100 km 내에 있는 97개 기상청 자 동기상관측장비(automatic weather system, AWS)의 지상 강우량자료를 이용하였다. 97개 지점 중 각 사 례별로 결측발생 지점을 제외한 AWS의 1분 간격 24시간 누적 강우량 자료를 이용하였다. 24시간 누적 강우량으로부터 1분 강우량을 환산하여 사용하였다. 자료의 품질관리를 위해 1분 강우량 환산 과정에서 음(–)의 값이 나타나는 지점, 즉 강우량이 시간에 따 른 감소한 지점은 분석에서 제외하였으며 사례별로 사용한 AWS의 개수는 Table 2와 같다.

    KNU-HSR의 전처리 과정

    빔차폐(BBF)지도 생성

    레이더 빔차폐 지역의 판별을 위해 모의된 빔차폐 지도를 사용하였다. 빔차폐 지도 작성을 위한 각 고 도각별 BBF 모의를 위해 “Consultative Group on INternational Agricultural Research-Consortium for Spatial Information(CGIAR-CSI)”에서 제공하는 수평 분해능 3"(–90 m) 및 고도오차 16 m 이내의 DEM을 사용하였다. 표준대기(Doviak and Zrnic, 1993)와 가 우시안 빔 패턴(Bellon et al., 2003)을 가정하고, Table 1의 오성산 레이더의 관측전략을 이용하여 모 의하였다(Kucera et al., 2004; Jung and Kim, 2007). Fig. 2는 반경 100 km 이내 오성산 레이더의 관측전 략에서 가장 낮은 4개 고도각의 빔차폐 모의결과이 다. DEM의 오차와 모의방법의 불확실성을 고려하여 10% 미만으로 모의된 영역(회색영역)은 차폐가 없는 것으로 가정하였다. 가장 낮은 고도각 0.5 °에서는 모 든 사분면에서 차폐가 발생하며 특히 제4사분면(남동 쪽)에서 차폐가 많이 발생한다. 전체적으로는 고도각 이 증가함에 따라 차폐가 감소하며 고도각 1.1° 에서 는 차폐가 거의 발생하지 않는다.

    지형에코지도 생성

    지형에코로 인한 영향을 최소화하기 위해서 맑은 날 관측한 반사도 자료만으로 작성한 지형에코 지도 를 사용하였다. 보다 정확한 지형에코지도를 작성하 기 위해 채프에코(chaff echo), 상층운, 새나 곤충의 관측이 포함되지 않은 체적 관측자료(99개)만을 선택 하여 사용하였다. Fig. 3은 오성산 레이더의 가장 낮 은 4개 고도각의 반경 100 km 이내의 지형에코 지도 이다. 주로 제1과 제4사분면에서 강한 지형에코가 발 생하였으며 고도각이 증가함에 따라 지형에코가 감소 하였다. 전체적으로 BBF 지도와 일치하였으나, Fig. 3c-d에서 반경 50 km 밖에서 BBF에서는 모의되지 않는 강한 지형에코(45 dBZ 이상)가 나타났다. 이는 부방사부 효과, DEM의 오차, 그리고 표준대기가정에 의한 불확실성 영향으로 판단된다.

    품질지수지도 생성

    품질관리 퍼지알고리즘으로 지형에코와 AP가 제거 된 반사도 자료를 사용할 때, 관측자료의 품질을 나 타내는 퍼지 품질지수(fuzzy quality index, FQ)를 함 께 사용하였다. FQ는 관측된 자료를 이용하여 실시 간으로 생성되며, 기존의 다른 정적인 하이브리드 스 캔(hybrid scan) 방법(e.g., Shedd et al., 1989, 1991; O’bannon, 1997; Fulton et al., 1998; Maddox et al., 2002; Zhang et al., 2011)과 달리 레이더 반사도의 품질을 실시간으로 반영하여 최적의 반사도만을 선택 할 수 있는 장점이 있다. Fig. 4는 2012년 6월 30일 0300KST에 관측된 오성산 레이더자료를 이용하여 생성된 고도각별 FQ분포를 나타낸다. 여기에서 붉은 색 계열은 높은 품질을, 푸른색 계열은 낮은 품질을 의미한다.

    반사도-강우강도(Z-R)관계식 유도

    본 연구에서 강우추정에 사용한 반사도(Z)-강우강 도(R) 관계식은 Z=219R1.36 이며 강우강도에 대해 정 리하면 식 (1)과 같다.

    R Z = 1.9 × 10 2 Z 0.735
    (1)

    여기서 R(Z)는 반사도(Z, mm6 m–3 )를 이용하여 추 정한 강우강도(mm hr–1)이다. 반사도-강우강도 관계식 의 산출을 위해 2012년 3월-10월 동안 경북대학교 관측노장(35.8893° N, 128.6063° E)에서 2차원 광학우 적계(2-Dimensional Video Disdrometer, 2DVD)를 이 용하여 1분 간격으로 관측한 20,111개의 우적크기분 포를 이용하였다. 우적크기분포의 품질관리를 위해 Atlas et al. (1973)의 이론적 낙하속도와 40% 이상 차 이가 발생하는 입자는 제거하였다(Kruger and Krajewski, 2002). 품질관리된 1분 간격의 우적크기분포 자료를 이용하여 T-matrix 산란모의(scattering simulation; Bringi et al., 1990; Vivekanandan et al., 1991)에 적 용하여 반사도를 산출하였으며, 모의를 위한 이론적 가정은 Table 3과 같다(Park et al., 2005a, 2005b). 계산된 반사도와 강우강도를 이용한 회귀분석을 통하 여 반사도와 강우강도 사이의 관계식을 산출하였다.

    연구 방법

    KNU-HSR 강우추정

    KNU-HSR은 지형에코와 빔차폐의 영향을 받지 않 으며 지상에 가장 가까운 레이더 빈의 강우에코만을 이용함으로써 강우추정의 정확도를 향상시키는 방법 이다. 이를 위해 KNU-HSR은 지형에코지도, 빔차폐 지도, 그리고 퍼지로직 품질지수지도를 융합하여 각 레이더 빈별로 지형에코 및 빔차폐의 영향을 받지 않은 강우추정 최적 고도각 지도를 실시간 생성한다 (Kwon et al., 2012a). Fig. 5는 KNU-HSR기법의 흐 름도이다. 우선 레이더 빔차폐 지도에서 레이더 빈별 로 BBF가 문턱값보다 낮으면(e.g., 10%) 해당 레이 더 빈을 사용하고, BBF가 높으면 위 고도각의 레이 더 빈을 선택하여 빔차폐의 영향을 제거한다. 본 연 구에서는 문턱값으로 10%를 사용하였다(Kwon et al., 2012a). 즉, BBF가 10% 미만인 레이더 빈으로 구성된 2차원 최저고도각지도를 작성하여 빔차폐의 영향을 최소화하였다. 다음으로 빔차폐를 고려한 최 저고도각지도와 지형에코지도를 비교하여 각 레이더 빈의 지형에코가 문턱값보다 크면 위 고도각의 레이 더 빈을 선택하고, 작으면 해당 고도각의 레이더 빈 을 이용하여 정적인 KNU-HSR 마스크를 구성한다. 본 연구에서는 문턱값으로 20 dBZ를 사용하였다.

    지형정보에 기초한 정적인 KNU-HSR 마스크에 FQ를 이용한 고도각 변경 알고리즘을 추가하여 동적 인 KNU-HSR 마스크를 생성하고 강우추정의 두 마 스크의 차이를 비교 분석하였다. 동적인 KNU-HSR 마스크 생성 과정은 정적인 KNU-HSR 마스크의 각 레이더 빈의 FQ가 문턱값보다 작으면(예를 들어, 0.0 <FQ<0.5) 0.5보다 큰 FQ를 가진 레이더 빈에 도달 할 때 까지 상위 고도각의 레이더 빈으로 대체하는 과정으로 구성된다. 본 연구에서는 문턱값으로 0.5를 사용하였으며 품질지수가 0.5보다 큰 레이더 빈을 KNU-HSR 마스크를 구성하는 최종 고도각으로 선택 하여 반사도의 품질이 낮은 고도각의 사용을 제한하 였다.

    레이더 지상강우 검증

    본 연구에서는 레이더 반사도의 시스템 오차 보정 과 품질관리에 따른 KNU-HSR의 성능을 비교하고 평가하고자 레이더 자료를 ① 시스템 오차보정과 품 질관리를 하지 않은 반사도(NQ NB), ② 시스템 오 차만을 적용한 반사도(NQ BIAS), ③ 오차 보정후 품질관리한 반사도(FQ BIAS)로 나누어 KNU-HSR 방법에 적용하였다. 따라서 품질관리한 반사도를 사 용할 경우 동적인 KNU-HSR 방법, 사용하지 않은 경우 정적 KNU-HSR 방법에 따라 강우추정이 수행 된다.

    우선 극 좌표계 형식의 KNU-HSR 마스크를 좌표 변환을 통해 직교좌표계(1 km×1 km) 로 변환 후 식 (1)의 Z-R관계식을 사용하여 강우강도를 추정하였으 며, 각 사례 동안의 강우강도를 산출하였다. 추정강 우의 정량적 검증을 위해 아래의 상관계수(correlation coefficient, CORR), 총비율(total ratio, RATIO), 평균 편의(mean bias, BIAS), 정규표준편차(normalized standard deviation, NSD), 평균상대오차(mean relative error: MRE)를 검증지수로 사용하였다.

    CORR = i = 1 N R i R ¯ G i G ¯ i = 1 N R i R ¯ 2 i = 1 N G i G ¯ 2
    (2)
    RATIO = i = 1 N R i i = 1 N G i
    (3)
    BIAS = 1 N i = 1 N R i G i
    (4)
    NSD = 1 N i = 1 N R i G i 2 G
    (5)
    MRE = 1 N i = 1 N R i G i G i × 100
    (6)

    여기서 RiGi 는 각 우량계 격자점(i) 에서의 레 이더 강우강도(mm hr–1)와 지상우량계의 강우강도 (mm hr–1)를 의미하고, RG 는 전체 우량계 격자 점에 대한 레이더와 지상우량계 강우강도의 산술평균 을 의미한다. 또한 N 은 AWS 지점의 수를 의미한다. 레이더에서 반경 100 km에 대한 강우사례별 검증을 수행하였으며, 레이더로부터 20 km 간격으로 구분하 여 거리에 따른 강우추정의 정확도를 분석하였다. 추 가적으로 레이더 강우강도와 지상우량계 강우강도 사 이의 오차분포를 살펴보기 위해 편의비(Fractional Bias: FB)와 상대오차(Relative Error: RE)를 아래에 식에 따라 산출하였다.

    FB = R i G i G ¯
    (7)
    RE = R i G i G i × 100 %
    (8)

    결 과

    KNU-HSR 마스크

    Fig. 6은 2012년 06월 30일 0300KST의 관측자료 를 이용하여 생성한 정적 KNU-HSR 마스크와 동적 KNU-HSR 마스크를 나타내며 Fig. 6a에 비해 Fig. 6b의 고도각이 증가하였다. 이는 FQ 품질지수를 이 용한 고도각 변경 알고리즘의 영향이며 품질이 낮은 영역, 특히 반경 50 km 내 영역에서 고도각이 증가 하였다. 해당 영역에서 고도각별 FQ값이 낮았으며 (Fig. 4), 지형에코지도(Fig. 3)에서는 20 dBZ 이상의 강한 지형에코가 나타나지 않았다. 따라서 이 영역에 서는 동적 KNU-HSR만 고도각이 증가하였다. 낮은 고도각에 비해 상대적으로 높은 고도각의 반사도가 품질이 높게 나타났으며, 그 결과 KNU-HSR 마스크 의 고도각이 증가하였다.

    강우의 공간분포 분석

    Fig. 7은 품질관리와 시스템 오차보정에 따른 모든 사례 누적강우 결과이다. 그림에서 NQ와 FQ는 각각 품질관리가 적용되지 않은 자료(정적 KNU-HSR)와 품질관리가 적용된 자료(동적 KNU-HSR)를 의미한 다. 또한 NB와 BIAS는 각각 반사도 시스템 오차보 정 적용 전과 적용 후를 의미한다. NQ NB는 전반적 으로 강우량이 과소 추정되었고 잔존하는 지형에코로 인하여 점 형태의 강한 강수를 보이는 영역이 존재 한다(원으로 표시된 영역). 이들 영역은 평균 지형에 코지도에서 임계치를 사용하여 HSR지도를 만들 경 우 기상에코로 분류된 지역으로 대기 굴절률의 변화 로 인해 발생하는 지형에코가 제거되지 않았기 때문 이며 이는 정적 KNU-HSR의 단점이다. 시스템 보정 오차를 적용한 이후 NQ BIAS에서 강우량이 전반적 으로 증가하여 평균편의가 크게 줄었다. 그러나 여전 히 NQ NB에서 존재하던 지형에코들에 의한 강한 강수가 더 강화되어 나타난다. 그러나 퍼지로직 품질 관리 알고리즘을 적용한 동적 KNU-HSR인 FQ BIAS에서는 평균편의가 줄었고 이러한 지형에코가 거의 제거되었거나 약화되었다.

    10개 강우사례의 평균 검증결과는 Table 4와 같다. NQ NB와 FQ BIAS의 상관계수(CORR)는 0.866에 서 0.879로 FQ BIAS가 향상되었고, 평균편의는 –2.944에서 –0.242로 FQ BIAS의 평균편의가 감소하 였다. 이는 레이더 반사도 보정오차 적용의 필요성을 나타낸다. 또한 FQ BIAS의 정규표준편차(NSD)와 평균상대오차(MRE)가 각각 0.414와 37.56%로 가장 좋은 것으로 분석되었다. NQ BIAS와 FQ BIAS의 RATIO는 각각 0.994와 0.924로 NQ NB가 좀 더 1 에 가까운 것을 볼 수 있다. 이것은 앞서 언급하였던 NQ BIAS에서 존재하던 지형에코에 의해 FQ BIAS 에 비해 상대적으로 강수가 더 강화되었기 때문이다.

    KNU-HSR 검증 결과

    사례별로 평균강우강도, CORR, RATIO, BIAS, NSD, MRE의 검증지수를 이용하여 KNU-HSR을 분석하였 으며, 그 결과는 Fig. 8과 같다. 검증지수들의 평균값 (avg로 표시된 검증지수들)을 살펴보면 NQ NB와 NQ BIAS의 상관계수 CORR은 동일하며 FQ BIAS 의 상관계수가 가장 높다. NQ NB는 큰 과소추정을 보이며 반사도 보정오차가 적용된 NQ BIAS와 FQ BIAS는 편의가 거의 제거되었다. NSD와 MRE 값은 살펴보면 FQ BIAS가 가장 정확함을 알 수 있다.

    사례별 검증결과를 살펴보면 최소 0.75-0.96의 분 포를 보이고 FQ BIAS의 CORR은 최소 0.75-0.97의 분포를 보인다. 사례 7번(NQ NB=0.8045, NQ BIAS =0.8045, FQ BIAS=0.7951)을 제외한 모든 사례에서 FQ BIAS의 CORR이 가장 높게 산출되었다. 또한 모든 검증지수에서 반사도 품질관리와 편차보정을 통 해 강우추정 정확도가 향상되었다.

    품질관리에 따른 검증결과를 보면 사례 1-5는 NQ BIAS가 FQ BIAS에 비해 RATIO와 BIAS에서 상대 적으로 더 좋은 결과를 보이고, 사례 6-9는 반대의 결과를 보여주었다. 또한 BIAS의 결과에서 편차보정 후 사례 1-5는 음(–)의 편차, 사례 6-9는 양(+)의 편 차가 여전히 존재함을 볼 수 있다. 이러한 편차는 두 방법에서 사용하는 고도각의 차이와 적용된 레이더 반사도 보정오차의 복합적인 결과인 것으로 판단된 다. 그러나 무작위 오차를 나타내는 NSD와 MRE 모 두에서 FQ BIAS가 보다 정확한 결과를 보인다. 특 히 FQ BIAS에서는 이들 값의 사례별 편차가 비교적 작은 것이 특징이다. 또한 사례 1, 8과 9에서는 FQ BIAS에 비하여 NQ BIAS에서 MRE가 매우 크게 나 타나 부정확한 강우추정을 나타내었다.

    거리에 따른 정확도를 알아보기 위해 10개 강우사 례에 대한 평균 검증결과를 Fig. 9에 나타내었다. CORR은 50 km 이하의 근거리에서 감소하는 경향을 보이고, 거리가 증가함에 따라 증가 후 약 70 km 부 터 일정하게 유지되었다. 근거리에서는 FQ BIAS가 가장 정확하며 NQ NB와 NQ BIAS는 유사한 값을 보인다. 또한 거리 50 km 영역을 제외한 전 영역에 서 FQ BIAS의 정확도가 가장 좋았다. RATIO와 BIAS는 FQ BIAS, NQ BIAS 모두 근거리에서 과대 추정, 원거리에서는 과소추정을 보인다. 이에 반하여 NQ NB는 큰 값의 과소추정을 보여 레이더 보정의 필요성을 나타낸다. NSD와 MRE 모두 FQ BIAS> NQ BIAS>NQ NB 순으로 정확도가 높다. 특히 근 거리에서 FQ BIAS의 성능이 매우 뛰어났고 원거리 에서는 FQ BIAS와 NQ BIAS는 비슷한 성능을 보 인다.

    Fig. 10은 10개 사례의 AWS 지상 강우강도에 따 른 검증결과이다. CORR은 3개 유형(NQ NB, NQ BIAS, FQ BIAS)의 강우추정결과가 모두 유사한 변 화를 보이며 FQ BIAS가 다른 방법보다 나은 정확도 를 보였다. RATIO를 살펴보면, NQ NB는 반사도 보 정을 하지 않았기 때문에 모든 강우강도에서 과소 추 정하였고, NQ BIAS는 약한 강우(0.1≤R<1mmhr–1) 에서는 FQ BIAS에 비해 과대 추정하였으며 강우강 도가 증가함에 따라 FQ BIAS와 유사한 결과를 보였 다. FQ BIAS의 강우강도별 RATIO는 모든 강우강도 에 대해 비교적 일정한 1의 값을 나타내어 가장 정 확한 것으로 판단할 수 있다. NQ BIAS, FQ BIAS 의 BIAS 결과를 보면 거의 모든 강우 범위에서 영 에 가까운 편차를 보이고 NQ NB는 강우강도가 강 할수록 매우 큰 음(–)의 편차를 보였다. 반사도 편차 를 보정하지 않을 경우 강한 강우를 매우 과소 추정 할 수 있음을 의미한다. NSD와 MRE는 유사한 경향 을 보였으며, 1 mm hr–1 (약 23dBZ) 이상의 강우강도 에 대한 반사도 편차보정의 효과를 확인할 수 있었 다. 약한 강우(0.1≤R<1 mm hr–1)에 대해서는 보정효 과가 약하거나 오히려 오차가 커졌다. 이는 NQ BIAS의 과소 추정에서 오는 이들 상대오차 변수의 통계상의 특징인 것으로 사료된다. 그렇지만 반사도 품질관리를 통해 NSD가 약 100%에서 80%, MRE가 약 75%에서 60%로 크게 감소하였다.

    Fig. 11a, 11b, 11c는 각각 NQ NB, NQ BIAS, FQ BIAS 추정강우와 지상 강우의 비(FB)를 나타낸 것이고, Fig. 11c, 11d, 11e는 각각 NQ NB, NQ BIAS, FQ BIAS 추정강우와 지상 강우의 상대오차 (RE)를 나타낸 것이다. NQ NB의 FB 분포를 보면 대부분의 영역에서 과소 추정하였다. NQ BIAS와 FQ BIAS는 근거리에서 과대 추정하였으며 원거리에 서는 과소 추정 경향을 보인다. NQ NB의 RE 분포 에서는 대부분의 영역에서 40% 이상의 오차가 나타 났으며, 특히 원거리에서 오차가 크게 나타나는 경향 이 있다. 그러나 NQ BIAS와 FQ BIAS는 대부분의 지점에서 40% 이하의 값을 보였다. 특히 NQ NB와 달리 10% 이하의 오차를 보이는 AWS 지점의 수는 NQ BIAS가 29개, FQ BIAS는 27개로 상대오차가 크게 줄어들었다. 이때 NQ NB는 27.4-72.6%, NQ BIAS는 0.13-69.3% 그리고 FQ BIAS는 0.28-65.4% 의 상대오차 분포를 보였다. 또한 10% 이하의 지점 이 레이더로부터 거리에 무관하게 나타나 거리에 따 른 오차 증가 경향이 크게 감소하였음을 알 수 있다.

    요약 및 결론

    본 연구에서는 KNU-HSR기법을 개발하고 지상우 량계와 비교, 분석하였다. KNU- HSR기법은 모의된 빔차폐율과 지형에코지도를 활용하여 빔차폐와 지형 에코의 영향을 최소화 할 수 있다. 본 연구에서는 정 적 KNU-HSR기법에 추가적으로 퍼지 품질지수를 활 용하여 동적 KNU-HSR 알고리즘을 개발하고 품질관 리에 의한 영향을 분석하였다. 품질지수 적용 후 품 질이 낮은 영역에서 KNU-HSR 마스크의 고도각이 증가하였으며 KNU-HSR의 반사도 강도가 퍼지 품질 지수 적용 전에 비해 상대적으로 낮아졌다. 오성산 레이더 반사도의 시스템 편의를 보정하기 위해 2012 년 강우사례에 대한 사례별 반사도 편차 보정값을 산출하였으며 각 사례별 보정 값을 이용하여 반사도 를 보정하였다. 레이더 반사도를 이용한 정량적 강우 추정을 위해 Z-R 관계식을 사용하였으며 2012년 6월 부터 9월까지 10개의 강우사례에 적용하여 평균 강 우강도를 산출하였다. 이때 반사도 편차 보정 전과 후, 품질관리 전과 후로 구분하여 적용하였다.

    KNU-HSR의 정확도 검증을 위해 CORR, RATIO, BIAS, NSD, MRE의 검증지수를 사용하였다. 모든 사례에서 반사도 편차보정 후의 검증결과가 편차보정 전에 비해 더 좋아졌다. FQ BIAS는 NQ NB 또는 NQ BIAS에 비해 RATIO를 제외한 모든 검증지수에 서 우수한 것으로 분석되었다. FQ BIAS보다 NQ BIAS의 RATIO가 좀 더 1에 가까운 것으로 분석되 었는데 이것은 NQ BIAS에서 제거되지 못한 지형에 코에 의한 것으로 생각된다. 즉 동적 KNU-HSR (FQ BIAS)은 정적 KNU-HSR에서 제거하지 못한 지형에 코를 제거함으로써 지상강우량과의 오차는 줄어들고 평균 추정강우강도는 다소 약화되었다.

    레이더로부터 20 km 간격의 거리에 따른 강우추정 정확도를 분석하였다. CORR은 근거리에서 감소 후 에 거리가 멀어질수록 다시 증가하는 경향을 보였다. RATIO는 거리가 멀수록 감소하였으며 NQ BIAS와 FQ BIAS의 BIAS는 레이더 근처에서 양(+)의 값을 가지며 거리가 증가함에 따라 감소하다 약 60 km 거 리부터 음(–)의 값을 가졌다. 레이더로부터 반경 약 60 km 이하에서는 FQ BIAS의 정확도가 가장 높은 것으로 분석되었다. FB와 RE를 이용하여 추정강우와 지상강우 사이의 오차분포를 살펴보았다. NQ NB는 모든 지점에서 과소추정하였고, NQ BIAS와 FQ BIAS는 레이더에 가까울수록 다소 과대추정하였다. NQ NB에 비해 NQ BIAS와 FQ BIAS의 지점간 차 이가 큰 것으로 분석되었다. 강우강도에 따른 검증결 과 분포 역시 FQ BIAS가 우수한 결과를 보여주었 다. FQ BIAS의 RATIO는 분석에 사용된 모든 강우 강도에서 대체로 1의 값을 유지하는 것으로 분석되 었다. 또한 모든 강우 강도에서 FQ BIAS가 NQ NB 에 비해 상대적으로 NSD와 MRE가 작아 더 정확한 것으로 분석되었다.

    본 연구에서 KNU-HSR을 위해 사용한 빔차폐 모 의결과는 표준굴절을 가정하였으며 건물과 같은 인공 지형물을 반영하고 있지 않다. 좀 더 실제에 가까운 빔차폐율을 모의하기 위한 방법들의 적용을 통해 성 능을 개선할 수 있을 것이다. 본 연구방법의 효과를 극대화하기 위해서는 고분해능의 레이더 빈 자료와 고도각 자료를 이용하여 지형효과에 오염되지 않는 지상에 가장 가까운 레이더 빈들을 선택하는 것이 필요하다. 이를 위해 레이더 하드웨어적인 한계를 고 려하여 시선방향 거리분해능을 극대화할 필요가 있으 며 시선방향의 중첩샘플링(oversampling)도 고려해 볼 필요성이 있다. 또한 연직방향 분해능이 낮으면 지형에코와 빔차폐의 오염을 피하기 위하여 인접한 상층 고도각 선택하였을 때 너무 높은 고도각의 자 료를 선택하게 된다. 결론적으로 KNU-HSR의 강우 추정 성능개선을 극대화하기 위해서는 관측전략 수립 시 고층에서는 균일한 고도각 간격을 사용하고 저층 에서는 연직으로 조밀한 고도각을 사용해야 한다.

    Figure

    JKESS-36-109_F1.gif

    Geographical distribution of 97 Automatic Weather Stations (AWS: Black dots) that operated by Korea Meteorological Administration (KMA) within 100 km radius from Osungsan (KSN) radar. The range rings are at intervals of 20km.

    JKESS-36-109_F2.gif

    PPI images of simulated BBF at the lowest four elevation angles for the current scan strategy of Osungsan (KSN) radar: (a) 0.5° , (b) 0.7° , (c) 0.9° , (d) 1.1° .

    JKESS-36-109_F3.gif

    PPI images of ground clutter map at the lowest four elevation angles for a current strategy of Osungsan (KSN) radar: (a) 0.5° , (b) 0.7° , (c) 0.9° , (d) 1.1° .

    JKESS-36-109_F4.gif

    PPI images of fuzzy quality index (FQ) at the lowest four elevation angles for a current strategy of Osungsan (KSN) radar: (a) 0.5° , (b) 0.7° , (c) 0.9° , (d) 1.1° .

    JKESS-36-109_F5.gif

    Flowchart of static (upper white box) and dynamic (bottom gray box) HSR algorithm for single polarization weather radar. Static HSR algorithm use BBF and ground clutter map, while the dynamic HSR algorithms use an additional quality index (FQ).

    JKESS-36-109_F6.gif

    Comparison between (a) static KNU-HSR mask and (b) dynamic KNU-HSR mask.

    JKESS-36-109_F7.gif

    Spatial distribution of average rainfall intensity (mm hr–1 ) over 10 rain events at different quality control system: NQ NB (left), NQ BIAS (middle), FQ BIAS (right).

    JKESS-36-109_F8.gif

    Comparison of rainfall estimation using KNU-HSR techniques at different quality control system (NQ NB, NQ BIAS and FQ BIAS) for 10 rain events. The dashed, dotted, solid, and dot-and-dash lines represent NQ NB (raw reflectivity), NO BIAS (bias correction only), FQ BIAS (fuzzy quality control algorithm and bias correction), and AWS, respectively.

    JKESS-36-109_F9.gif

    Skill scores of KNU-HSR as a function of distance from radar and different quality control system. Dashed, dotted, and solid lines indicate NQ NB, NQ BIAS, and FQ_BIAS.

    JKESS-36-109_F10.gif

    Same as Fig. 9 except for a function of rainfall intensities.

    JKESS-36-109_F11.gif

    Spatial distribution of FB (upper panel) and RE (bottom panel) at different quality control system: (a), (d) NQ NB (left panel), (c), (d) NQ BIAS (middle panel), (c), (f) FQ_BIAS (right panel).

    Table

    General characteristics of Osungsan (KSN) weather radar

    List of rainfall events used in this study and the calibration bias of reflectivity and the number of AWS (Automatic Weather Station) for each rainfall event

    Configuration for the T-matrix scattering simulation

    Average values of verification statistics over 10 rain events for NQ NB, NQ BIAS, and FQ BIAS

    Reference

    1. Andrieu H , Creutin J.D , Delrieu G , Faure D (1997) Use of a weather radar for the hydrology of a mountainous area. Part I: Radar measurement interpretation , J. Hydrol. (Amst.), Vol.193; pp.1-25
    2. Atlas D , Srivastava R.C , Sekhon R.S (1973) Doppler radar characteristics of precipitation at vertical incidence , Reviews of Geophysics, Vol.11; pp.1-35
    3. Bech J , Codina B , Lorente J , Bebbington D (2003) The sensitivity of single polarization weather radar beam blockage correction to variability in the vertical refractivity gradient , J. Atmos. Ocean. Technol, Vol.20; pp.845-855
    4. Bellon A , Zawadzki I (2003) A 9-year summary of radar characteristics of mesocyclonic storms and of deep convection in Southern Quebec , Atmos.-ocean, Vol.41; pp.99-120
    5. Berenguer M , Sempere-Torres D (2006) A fuzzy logic technique for identifying nonprecipitating echoes in radar scans , J. Atmos. Ocean. Technol, Vol.23; pp.1157-1180
    6. Bringi V , Chandrasekar V , Balakrishnan N , Zrnic D (1990) An examination of propagation effects in rainfall on radar measurements at microwave frequencies , J. Atmos. Ocean. Technol, Vol.7; pp.829-840
    7. Cho Y.H , Lee G , Kim K.E , Zawadzki I (2006) Identification and removal of ground echoes and anomalous propagation using the characteristics of radar echoes , J. Atmos. Ocean. Technol, Vol.23; pp.1206-1222
    8. Creutin J.D , Andrieu H , Faure D (1997) Use of a weather radar for the hydrology of a mountainous area. Part II: Radar measurement validation , J. Hydrol. (Amst.), Vol.193; pp.26-44
    9. Delrieu G , Creutin J.D (1995) Simulation of radar mountain returns using a digitized terrain model , J. Atmos. Ocean. Technol, Vol.12; pp.1038-1049
    10. Doviak R.J , Zrnic D.S (1993) Doppler radar and weather observations, Academic Press,
    11. Fulton R.A , Breidenbach J.P , Seo D.J , Miller D.A (1998) The WSR-88D rainfall algorithm , Weather Forecast, Vol.13; pp.377-395
    12. Giangrande S.E , Ryzhkov A.V (2005) Calibration of dualpolarization radar in the presence of partial beam blockage , J. Atmos. Ocean. Technol, Vol.22; pp.1156-1166
    13. Grecu M , Krajewski W.F (1999) Detection of anomalous propagation echoes in weather radar data using neural networks , Geoscience and Remote Sensing, Vol.37; pp.287-296
    14. Hubbert C.J , Dixon M , Ellis S.M , Meymaris G (2009) Weather radar ground clutter. Part I: Identification, modeling, and simulation , J. Atmos. Ocean. Technol, Vol.26; pp.1165-1180
    15. Jung S.H , Kim K.E (2007) Simulation of radar beam propagation using digital elevation model , Proceedings of the spring meeting of, Meteorological Society, pp.346-347
    16. Kabeche F , Ventura J.F , Fradon B , Boumahmoud A.A , Dupuy P , Westrelin S , Tabary P (2011) Quantitative precipitation estimation (QPE) in the French Alps with a dense network of polarimetric Xband radars. Proceedings of the 35th Conference on Radar Meteorology, American Meteorological Society, pp.11-150
    17. (2012) Development of tracking technique of convective cell around an air base using three dimensional radar mosaic , 73rd weather group, pp.-82
    18. Kruger A , Krajewski W.F (2002) Two-dimensional video disdrometer: A description , J. Atmos. Ocean. Technol, Vol.19; pp.602-617
    19. Kucera P.A , Krajewski W.F , Young C.B (2004) Radar beam occultation studies using GIS and DEM technology: An example study of Guam , J. Atmos. Ocean. Technol, Vol.21; pp.995-1006
    20. Kwon S , Lee G , Jung S-H , Park H.S , Suk M-K , Cha J.W , Lee C-K (2012) Evaluation Radar and KNU QPE Algorithm , Proceedings of Internatinol Weather Radar Workshop,
    21. Kwon S (2012) Rainfall estimation from an operational Sband dual-polarization radar: Effect of radar calibration and uncertainty in dual-polarimetric parameters. M.S. thesis, Kyungpook National University, pp.-89
    22. Kwon S , Lee G.W , Kim G (2015) Rainfall estimation from an operational S-band dual-polarization radar: Effect of radar calibration , J. Meteorol. Soc. Jpn, Vol.93;
    23. Lang T.J , Nesbitt S.W , Carey L.D (2009) On the correction of partial beam blockage in polarimetric radar data , J. Atmos. Ocean. Technol, Vol.26; pp.943-957
    24. Lee G.W , Zawadzki I (2006) Radar calibration by gage, disdrometer, and polarimetry: Theoretical limit caused by the variability of drop size distribution and application to fast scanning operational radar data , J. Hydrol. (Amst.), Vol.328; pp.83-97
    25. Maddox R.A , Zhang J , Gourley J.J , Howard K.W (2002) Weather radar coverage over the contiguous United States , Weather Forecast, Vol.17; pp.927-934
    26. (2009) Study on the optimization of scan strategy of Mt. Bisl rain radar, Han River Flood Control Office, 11-1611492-000056-01, pp.-199
    27. O'Bannon T (1997) Using a terrain-based hybrid scan to improve WSR-88D precipitation estimates , Proc.28th Conference on Radar Meteorology, pp.506-507
    28. Park S.-G , Maki M , Iwanami K , Bringi V.N , Chandrasekar V (2005a) Correction of radar reflectivity and differential reflectivity for rain attenuation at Xband. Part II: Evaluation and application , Journal of Atmospheric and Oceanic Technology, Vol.22; pp.1633-1655
    29. Park S.-G , Bringi V.N , Chandrasekar V , Maki M , Iwanami K (2005b) Correction of radar reflectivity and differential reflectivity for rain attenuation at X band. Part I: Theoretical and empirical basis , Journal of Atmospheric and Oceanic Technology, Vol.22; pp.1621-1632
    30. Park S-G , Lee G (2010) Calibration of radar reflectivity measurements from the KMA operational radar network , Asia-Pac. J. Atmospheric Sci, Vol.46; pp.243-259
    31. Rico-Ramirez M.A , Cluckie I.D (2008) Classification of ground clutter and anomalous propagation using dual-polarization weather radar , Geoscience and Remote Sensing, Vol.46; pp.1892-1904
    32. Shedd R.C , Smith J.A , Walton M.L (1989) Sectorized hybrid scan strategy of the NEXRAD precipitation processing system , Proc. International symposium Hydrological Applications of Weather Radar, University of Salford,
    33. Shedd R.C , Smith J.A , Walton M.L Cluckie I.D , Collier C.G (1991) Sectorized hybrid scan strategy of the NEXRAD precipitation-processing system , Hydrological Applications of Weather Radar, Ellis Horwood, pp.151-159
    34. Steiner M , Smith J.A (2002) Use of threedimensional reflectivity structure for automated detection and removal of nonprecipitating echoes in radar data , J. Atmos. Ocean. Technol, Vol.19; pp.673-686
    35. Thurai M , Huang G.J , Bringi V.N , Randeu W.L , Schonhuber M (2007) Drop shapes, model comparisons, and calculations of polarimetric radar parameters in rain , J. Atmos. Ocean. Technol, Vol.24; pp.1019-1032
    36. Vivekanandan J , Adams W , Bringi V (1991) Rigorous approach to polarimetric radar modeling of hydrometeor orientation distributions , J. Appl. Meteorol, Vol.30; pp.1053-1063
    37. Ye B-Y (2013) Quality control of radar moment data by combining moment-based fuzzy logic algorithm and radar signal processing. M.S.thesis, Kyungpook National University, pp.-72
    38. Zhang J , Howard K , Langston C , Vasiloff S , Kaney B , Arthur A , Cooten S.V , Kelleher K , Kitzmiller D , Ding F , Seo D-J , Wells E , Dempsey C (2011) National mosaic and multi-sensor QPE (NMQ) system: Description, results, and future plans , Bull. Am. Meteorol. Soc, Vol.92; pp.1321-1338
    39. Zhang P , Zrnic D , Ryzhkov A (2013) Partial beam blockage correction using polarimetric radar measurements , J. Atmos. Ocean. Technol, Vol.30; pp.861-872