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.39 No.2 pp.131-138
DOI : https://doi.org/10.5467/JKESS.2018.39.2.131

Improvement of Non-linear Estimation Equation of Rainfall Intensity over the Korean Peninsula by using the Brightness Temperature of Satellite and Radar Reflectivity Data

Haklim Choi*, Jong-Jin Seo, Juyeon Bae, Sujin Kim, Kwang-Mog Lee
Department of Astronomy and Atmospheric Sciences, KyungPook National University, Daegu 41566, Korea
Corresponding author: haklim84@knu.ac.kr Tel: +82-53-950-6360 Fax: +82-53-950-6359
November 30, 2017 February 20, 2018 April 24, 2018

Abstract


The purpose of this study is to improve the quantitative precipitation estimation method based on satellite brightness temperature. The non-linear equation for rainfall estimation is improved by analysing precipitation cases around the Korean peninsula in summer. Radar reflectivity is adopted the CAPPI 1.5 and CMAX composite fields that provided by the Korea Meteorological Agency (KMA). In addition, the satellite data are used infrared, water vapor and visible channel measured from meteorological imager sensor mounted on the Chollian satellite. The improved algorithm is compared with the results of the A-E method and CRR analytic function. POD, FAR and CSI are 0.67, 0.76 and 0.21, respectively. The MAE and RMSE are 2.49 and 6.18 mm/h. As the quantitative error was reduced in comparison to A-E and qualitative accuracy increased in compare with CRR, the disadvantage of both algorithms are complemented. The method of estimating precipitation through a relational expression can be used for short-term forecasting because of allowing precipitation estimation in a short time without going through complicated algorithms.



기상위성 휘도온도와 기상레이더 반사도 자료를 이용한 한반도 영역의 강우강도 추정 비선형 관계식 개선

최 학림*, 서 종진, 배 주연, 김 수진, 이 광목
경북대학교 천문대기과학과, 41566, 대구광역시 북구 대학로 80

초록


본 연구의 목적은 위성의 밝기온도를 기반으로 한 정량적 강우량 추정기법의 개선을 위함이다. 우리나라 여름철 강우사례를 이용하여 강우추정을 위한 비선형 관계식을 개선하였다. 분석을 위해 레이더 자료로 기상청 기상레이더 관측 망의 고도 1.5 km와 CMAX 반사도 합성자료를 사용하였으며, 위성자료는 천리안 위성의 가시, 적외, 수증기 채널의 자료 를 이용하였다. 새롭게 도출된 알고리즘은 A-E method, CRR v4.0 analytic function의 결과와 비교를 하였다. 검증을 위 해 우리나라 ASOS에서 관측한 지상강우량 자료를 사용하였다. 공간검증을 위해 검증지수로 POD, FAR, CSI를 계산하였 으며 각각 0.67, 0.76, 0.21로 나타났다. 정량적 강우검증을 위해 MAE와 RMSE를 계산하였으며 각각 2.49, 6.18 mm/h였 다. A-E에 비하여 정량적인 오차가 줄어들었으며 CRR에 비하여 공간적인 정확도가 증가하였다. 개선한 관계식을 적용한 방법이 두 알고리즘의 부족한 부분을 보완할 수 있는 것으로 판단된다. 개선한 관계식을 통해 강우를 추정하는 방법은 복잡한 알고리즘을 거치지 않고 짧은 시간에 강우추정이 가능함으로써 현업용 실시간 초단기 예보에 활용될 수 있다.



    서 론

    한반도 지역은 지리적, 기후학적인 요인으로 인해 강우발달 원인이 다양하며 지역차가 크게 나타난다. (Hong et al., 2006; In et al., 2014)의 연구에 따르면, 연강우량의 대부분이 여름철에 집중되며 장마전선, 태풍, 계절풍 등의 영향으로 인해 집중호우가 빈번하 게 발생한다. 이로 인해 강우량 추정에 많은 어려움 이 존재한다.

    강우량은 지상관측방법인 우량계와 레이더 반사도 를 통해 추정할 수 있으나 우량계는 단일 지점의 정 보만을 제공하며 레이더는 높은 시공간 해상도(10분, 1° ×250~500 m)로 연직에 대한 정보를 제공 할 수 있 지만 관측범위의 제약과 복잡한 지형에 의한 빔 차 폐(Joss and Waldvogel, 1990) 등의 문제가 있다. 이 에 대한 방안으로 위성으로부터 다양한 방법을 통해 정량적 강우추정(Quantitative Precipitation Estimation, QPE)을 하고 있다. 기상위성에서 산출되는 정보는 휘도온도를 통해서만 강우의 물리적인 정보를 추정하 기 때문에 한계성을 가지고 있다. 하지만, 넓은 지역 에 대한 시간의 변동에 따른 강우량 추정이 용이하 여 지구상의 강우패턴과 그 양에 대한 정보를 제공 할 수 있다(Kidd et al., 2001). 또한, 뛰어난 시공간 해상도를 통해 위험기상 모니터링과 실시간 예보에 중요한 역할을 한다.

    비선형 관계식을 이용한 기상위성의 강우강도 추정 은 다양한 방법이 존재한다. Vincente et al. (1998)은 GOES-8 위성의 10.7 μm 채널의 휘도온도와 레이더 반사도의 비선형 회귀식을 통하여 A-E (Auto Estimator) 방법으로 강우강도를 추정하였다. A-E 방법은 IFFA (Interactive Flash Flood Analyzer)에 자동화 알고리 즘으로 적용(Scofield, 1987; Borneman, 1988)되어 WFO (World Forecast Offices)에서 예보에 활용되고 있다. 그리고, 유럽기상위성기구(European Organization for the Exploitation of Meteorological Satellites, EUMETSAT)의 SAFNWC (Satellite Application Facility to support NoWCasting)에서 개발한 모듈인 PGE05 CRR (Convective Rainfall Rate) v4.0 (Rodriguez and Marcos, 2013)에서는 적외채널(Tb10.8), 적외차 (Tb10.8-Tb6.2)와 가시채널 반사도(Ref0.6)를 기반으로 레 이더자료를 이용하여 2~3개의 다중변수의 함수로써 강우강도를 추정하였다. Moon et al. (2016)은 CRR 에 한반도의 대류운 사례를 이용한 3차원 조견표를 작성하여 강우강도를 추정한 바 있다. 적외채널을 활 용한 강우 탐지 알고리즘은 기본적으로 높고 두껍게 발달한 구름에서 강한 강우를 유발한다고 가정을 한 다(Vincent., 1998, 2002; Scofield, 2001). 일반적으로 열대와 아열대 지역에서는 여름철 대류성 강우 구름 이 차지하는 비율이 큰 것에 반해 중위도에서는 층 운형 구름에 의한 강우 비중이 크고 대류운 강우의 비중이 작다. Olander and Velden (2009)와 Bedka (2010)는 Tb11-Tb6.7가 음(−)의 값을 가질 때 운정이 대류권계면을 통과하여 성층권까지 발달하는 돌출현 상(overshooting)이 발생한다고 밝혔으며 이러한 BTD (Brightness Temperature Difference)는 깊게 발 달한 대류를 탐지하는데 유용하다(Kurino, 1997). CRR v4.0은 이러한 강한 연직확장에 기인하여 BTD 가 낮을수록 돌출 영역에서 강한 강우가 나타나는 관 계식을 추정하였다. 하지만, 한반도에서 발생하는 강 우는 돌출 영역과 강한 강우영역이 일치하지 않는 경 우가 많으며 이는 기존의 BTD와 적외채널의 관계를 통한 강우 추정이 유효하지 않음을 의미한다. 따라서, 미국과 유럽 등에서 개발한 높고 두꺼운 구름에 최적 화 되어 있는 강우추정 알고리즘은 한반도 지역에서 내리는 강우의 형태의 특성을 반영하지 못한다. 본 연 구에서는 한반도 지역의 여름철 집중호우 사례의 천 리안 위성자료와 레이더 관측 자료를 이용하여 강우 강도를 추정하는 비선형 관계식을 개선하고자 한다.

    자 료

    천리안위성(Communication, Ocean and Meteorological Satellite; COMS)은 우리나라 최초의 정지궤도 복합 위성으로 동경 128.0도의 적도상공에 위치하여 통신, 해양, 기상업무를 수행하고 있다. 본 연구에서 사용 된 MI (Meteorological Imager) 센서는 가시채널 (0.67 μm), 단파적외채널(3.7 μm), 수증기채널(6.7 μm), 적외채널(10.8, 12.0 μm)을 가지고 있으며 가시채널의 수평공간해상도는 1 km이며 나머지 채널은 4 km이 다. 그리고 COMS는 북반구 영역에 대해 15분 간격 으로 관측을 수행하고 있다.

    레이더는 기상청 10개 관측소(관악산, 구덕산, 면봉 산, 오성산, 광덕산, 고산, 성산, 진도, 백령도, 강릉) 에서 관측되는 단일편파 레이더의 자료(Table 1)를 사용하였고 10분 단위로 생성되는 1.5 km CAPPI (Constant Altitude Plan Position Indicator), CMAX (Column Max) 합성장을 사용하였다. 합성장의 수평 격자 해상도는 1 km이다. CAPPI는 다양한 고도각에 서 관측된 반사도 중 1.5 km 등고도면 자료이다. CMAX는 레이더 반사도 연직 분포에서 가장 강한 반사도만을 2차원 수평면으로 투영시킨 것이다. Luque (2006)은 대류운 판단을 위하여 반사도가 나 타나는 고도(Echo Top)이 6 km 이상인 영역을 조건 중 하나로 선정 하였으나, 본 연구에서는 Echo Top 합성장의 공간 불연속으로 제외하였다. Fig. 1은 각 레이더 관측소의 위치(빨간색)와 관측 유효반경(회색 동심원)을 나타낸 것이다. 파란색으로 나타낸 지점은 강우량 검증에 사용한 ASOS (Automated Synoptic Observing System) 87개 지점이다.

    방 법

    시공간 일치 자료 생성

    천리안 위성의 채널 별 상이한 공간해상도의 일치 화를 위해 4 km 해상도의 적외, 수증기 채널을 가시 채널의 1 km 크기로 재 격자화 하였다. 이는 주간의 가시채널의 정보를 활용하고 레이더 합성장의 격자 크기와 동일하게 함으로써 레이더 반사도 정보를 많 이 수집하기 위함이다. 각 위성 화소와 레이더 합성 장의 공간 일치를 위하여 위성 화소를 기준으로 반 경 1.5 km 이내의 레이더 반사도 들에 대해 거리 가 중을 적용하였다(Lu et al., 2008). 거리가중을 통한 반사도 추정 관계식은 다음과 같다.

    z 0 ¯ = i = 1 n w i z i i = 1 n w i
    (1)

    여기서 z0는 가중평균 된 레이더 반사도, wi는 기준 화소에서 각 화소와의 거리, 그리고 zi는 각 화소의 레이더 반사도를 의미한다. 구해진 레이더 반사도는 Z-R 관계식을 이용하여 강우강도로 변환하였다. 본 연구에서는 층운형 구름의 강우 비중이 높은 지역 특성을 고려하여 식 (2)에서 나타낸 강우강도 변환식 (Marshall and Palmer, 1948)을 적용하였다.

    Z = 200 R 1.6
    (2)

    여기서 Z는 레이더 반사도 인자[mm6 /m3 ]이며 반사도 z를 통해 z[dBZ]=10logZ로 표현할 수 있다. 그리고 R은 강우강도로 단위는 [mm/h]이다. CAPPI에서 추 정된 강우강도가 3 mm/h 이상인 영역에 대하여 CMAX 반사도를 사용하였다. 이는 CMAX가 일정고 도의 반사도만 나타내는 CAPPI보다 누적강우량을 더 잘 모의하기 때문이다(Yoon, 2013).

    위성의 구름영역에서 강우 가능성이 있는 유효영역 을 선정하였다. 청천영역을 제거하기 위하여 Tb10.8이 290 K 이하인 영역을 선택하였으며, 낮은 휘도온도로 관측되지만 구름의 두께가 상대적으로 얇아 강우가 없는 상층 권운을 제거(Inoue, 1987)하기 위하여 Tb10.8- Tb12.0이 4 K 이상인 영역을 제외시켰다. 그리고, 주간 의 가시채널의 반사도가 45% 이하인 영역을 제외하 였다(Lovejoy and Austin, 1979).

    강우추정 관계식과 계수를 새롭게 도출하였다. 도출 된 관계식은 CRR알고리즘 형태를 기반으로 하지만 적외채널과 수증기채널의 함수로 구성하였다. 방정식 의 세부구성 함수들은 지수함수 및 이차다항식으로 표현하였으며, 위성자료와 레이더 반사도의 누적 된 자료를 기반으로 비선형 최소 자승법으로 방정식의 해를 찾는 Levenberg-Marquardt 방법(Marquart, 1963) 을 사용하여 주어진 방정식의 계수를 결정하였다.

    결 과

    강우추정 관계식 개선

    2011년에서 2014년까지 여름철에 발생한 집중호우 사례들(Table 2)에 대하여 위성자료와 레이더자료를 분석하였다. 각 사례들은 저기압 통과, 수렴역, 북태 평양 가장자리 고기압, 대기불안정에 의해 집중호우 가 시간당 30 mm 이상 내린 사례들이다. Fig. 2는 레이더 반사도를 10 dBZ 간격으로 적외, 수증기, 가 시채널과 BTD에 대한 빈도 분포이다. 반사도가 증가 함에 따라 적외채널과 수증기 채널의 중심축이 감소 하며 가시채널의 반사도가 증가한다. 적외채널의 비 교적 높은 온도에서 레이더 반사도의 분포가 존재하 는 것은 따뜻한 구름(층운형)에서도 강우가 발생함을 의미한다. Fig. 35 dBZ 간격의 반사도 구간 별로 Fig. 2에서 최대빈도가 나타나는 영역의 변화를 나타 낸 것이다. 특히, 레이더에서 대류운으로 판별하는 35 dBZ (Dixon and Wiener, 1993; Johnson et al., 1998; Jung et al., 2011; Jung and Lee, 2015)가 나 타나기 직전부터 그 변화가 크게 나타난다. 적외채널 은 25~30 dBZ 구간에서 휘도온도가 급격하게 감소 하고, 수증기채널은 20~25 dBZ 구간에서부터 감소가 나타난다. 가시채널에서는 레이더 반사도 증가에 따 라 반사도가 점차 증가하는 경향이 나타난다. 하지만 BTD는 25 dBZ 이하에서 반사도가 증가함에 따라 다소 감소하는 경향을 나타내지만 변화의 폭이 적고 25 dBZ 이상에서는 0에서 최고빈도를 보이며 변화하 지 않는다. 이는 앞 절에서 언급한 BTD를 통한 강 우량의 모의가 강한 강우에서 한계점을 가지는 것을 나타낸다.

    앞에서 언급한 A-E 방법, CRR v4.0 관계식, 그리 고 새롭게 추정한 관계식은 각각 식 (3)~(5)와 같다.

    Fig. 4는 각 관계식에서 휘도온도의 변화에 따른 그래프이다. (a)는 A-E방법에 의한 결과로써 적외채 널의 휘도온도가 200 K 이하로 낮아질 때 강우량을 과도추정한다. 그리고 (b)는 기존의 CRR 관계식으로 BTD가 낮은 영역에서 강우가 강하게 모의되었고 적 외채널의 휘도온도가 210~220 K 사이에서 넓은 수증 기 채널의 휘도온도(215~230 K)에서 강우모의가 가 능하게 구성되었다. (c)는 누적된 레이더 자료를 기반 으로 새롭게 구성한 관계식이다. 두 채널의 휘도온도 가 낮아질수록 그리고 BTD가 0에 가까울 때 강우를 강하게 모의하는 경향을 잘 나타내고 있다.

    A E = 1.1183 × 10 11 × exp ( 0.03682 × T b 10.7 1.2 )
    (3)
    ( C R R A F = 8 × 10 9 × exp ( 0.082 × T b 10.8 ) ) × exp ( 0.5 × ( T b 10.8 6.7 ( 0.2 × T b 10.8 45.0 ) ) 2 ( 1.5 × exp ( 0.5 × ( ( T b 10.8 215.0 ) / 3.0 ) 2 ) + 2.0 ) )
    (4)
    A F N E W = 2.3469 × 10 9 × exp ( 0.0893239 × T b 10.8 ) × exp ( 0.5 × T b 6.7 ( 3.275 × T b 10.8 0.006 × T b 10.8 2 216.23 ) 2 0.345394 × T b 10.8 0.00715458 × T b 10.8 2 37.9703 )
    (5)

    Fig. 5는 도출 된 관계식을 집중호우 사례에 적용 한 결과이다. 본 사례는 2014년 8월 25일에 저기압 과 단파골 접근 영향으로 호남과 영남지방에 집중호 우가 발생하여 많은 재산과 인명 피해가 발생한 사 례이다. Fig. 5(a)는 ASOS의 15분 누적강우량으로 생성한 시간당 강우량이며, (b)는 CAPPI로부터 변환 된 강우강도이다. 두 지상관측에서 전라남도와 경남 의 강한 강우 지점이 나타난 반면, (c)의 국가기상위 성센터(National Meteorology Satellite Center, NMSC) 에서 산출하고 있는 RI (Rainfall Intensity)는 강한 강우영역을 잘 모의하지 못한다. 이는 SSM/I (Special Sensor Microwave Imager)와 SSMIS (Special Sensor Microwave Imager Sounder)의 강우강도 조견표를 이 용하여 강우를 추정하기 때문에 최대 강우가 35 mm/h를 넘지 못하기 때문이다(NMSC, 2012). (d)~ (e)는 식 (4)~(6)으로 추정한 AE, CRR 그리고 AF_NEW에 해당한다. (d)에서는 강우영역을 과도하 게 추정(검정색)하며, (e)는 강한 상승 영역 위주로 강우를 추정하기 때문에 실제 강우영역과 강우량을 정확하게 모의하지 못한다. (f)에서는 지상관측에서는 80 mm/h가 내렸지만, 4~50 mm/h의 강도로 산출되어 다소 과소모의를 하는 경향이 있다. 호남지방의 띠 형태의 강우영역과 영남의 강한 강우영역이 잘 모의 되었다. 다만, 위성 휘도온도를 기반으로 강우를 추 정하기 때문에 광범위한 영역에 대해 강우를 모의하 는 경향이 있다. 이는 회귀식을 통한 산출이 본 사례 와 같은 아주 강한 강우영역에서 과소모의를 하며, 약한 강우영역에서는 과대모의 하는 경향이 있기 때 문이다.

    ASOS 누적 강우량을 이용한 검증결과

    대기중의 강우가 낙하하여 지상에 도달하는 시간과 관측 순간의 강우강도를 고려하여 위성관측시간을 기 준으로 10분 후의 15분 누적강우를 4배 한 자료와 지상관측소 기준으로 반경 10 km 이내의 위성 화소 에서 산출 된 강우강도의 평균과 비교하였다. 강우량 에 대한 검증을 위하여 POD (Probability Of Detection) FAR (False Alarm Ratio), CSI (Critical Success Index), MAE (Mean Absolute Error) 그리고 RMSE (Root Mean Square Error)를 이용하였다. Table 3은 검증에 사용 된 분할표(contingency table) 이며 POD, FAR, CSI는 식 (6)~(8)와 같이 정의된다.

    POD=H/ ( H+M )
    (6)
    FAR=F/ ( H+F )
    (7)
    CSI=H/ ( H+F+M )
    (8)

    POD는 실제 강우에 대해 얼마나 정확하게 산출 되 었는지를 의미하고, FAR는 강우로 산출한 결과 중에 서 오탐지한 결과의 비중을 의미한다. POD와 CSI가 1에 가깝고, FAR이 0에 가까울수록 알고리즘의 유의 수준이 높음을 의미한다. POD가 낮은 CRR에 비해 약 9%의 탐지 정확도가 향상되었고, A-E에 비해 MAE는 1mm/h, RMSE는 2.5mm/h 감소하였다(Table 4). 이는 Lee, 2016의 한국형 조견표를 이용한 CRR의 강우강도에 비해 향상된 결과이다. 강우영역을 과대모 의 하는 영향으로 인해 실제 강우가 없는 지역을 강우 로 산출을 하여 FAR이 높고 CSI가 낮게 나타난다.

    요약 및 향후 계획

    기상위성의 자료를 사용하여 관계식으로 강우강도 를 산출하는 다양한 관계식은 미국과 유럽의 자료에 최적화 되어 있다. 본 연구에서는 한반도 지역에서 발생하는 강우의 특성을 반영하기 위하여 천리안위성 의 적외, 수증기채널과 레이더자료 반사도를 이용하 여 비선형 관계식을 개선하여 강우강도를 추정하였다. 위성과 레이더의 누적된 자료에서 강우강도가 증가함 에 따라 적외채널과 수증기채널의 휘도온도가 낮아지 지만 BTD의 변화량이 적음으로 인해 기존 관계식의 적용의 한계가 드러났다. 따라서, 적외채널과 수증기 채널의 함수로써 관계식을 개선하였으며, 기존의 관 계식들에서 나타나는 강우지역에 대한 정성적 단점이 보완되었고 탐지율 및 정량적 통계값 개선이 이루어 졌다.

    하지만, 본 연구 결과는 집중호우에 보다 최적화되 어 있으며 하나의 식으로써 다양한 강우기작에 대해 모두 설명을 할 수 없다. 그리고, 레이더 반사도를 사용함에 있어서 품질관리(Quality Control, QC)과정 에서 완벽하게 비강우 영역에 대한 정보를 제거하지 못하여 비강우 영역이 포함되어 있을 수 있고 레이 더 반사도를 강우강도로 변환할 때 하나의 Z-R 관계 식을 사용함으로 인한 오차도 존재한다. Z-R 관계식 문제점은 한반도 강우 자료를 기반으로 기상청에서 사용하는 RAD-RAR (Real-time ADjusted Radar- AWS Rain rate) 시스템을 사용한다면 불확실성을 감 소시킬 수 있을 것이다. 또한, 강우영역 선정에 필 요한 과정과 정보가 부족하기 때문에 강우영역을 과 대 모의 하는 경향이 있다. 이러한 문제점들 다양한 채널을 보유하고 공간해상도가 줄어들어 다양한 정보 를 포함하고 있는 Himawari-8나 GEO-KOMPSAT- 2A (GEOstationary-KOrea Multi-Purpose SATellite- 2A)의 정보를 사용하여 강우의 연직정보에 대한 특 성을 세분화 하고, 자료 누적을 통해 장기간 및 계절 변동에 따른 관계식을 개선한다면 보다 강우추정의 정확도가 향상될 것이다.

    사 사

    본 연구는 환경부의 환경정책기반 공공기술개발사 업(2017000160002)에서 지원받았습니다. 본 연구에서 사용한 기상레이더 자료는 기상청 기상레이더 센터로 부터 제공받았습니다.

    Figure

    JKESS-39-131_F1.gif

    Deployment of radar site (red dots) and 87 ASOS rain gauges (blue dots). The gray concentric circle indicate the effective radius of radar observation.

    JKESS-39-131_F2.gif

    Normalized frequency distribution of (a) Brightness temperature at 10.8 μm, (b) brightness temperature at 6.7 μm¦, (c) reflectivity at 0.67 μm and (d) brightness temperature difference between 10.8 and 6.7 μm for different radar reflectivity intervals.

    JKESS-39-131_F3.gif

    Variation of maximum frequency as a function of radar reflectivity: (a) Brightness temperature of 10.8 μm, (b) brightness temperature of 6.7 μm, (c) reflectivity of 0.67 μm, and (d) brightness temperature difference between 10.8 and 6.7 μm.

    JKESS-39-131_F4.gif

    (a) The results of precipitation that derived from the each estimation equation. (a) A-E method, (b) CRR v4.0 analytic function and (c) New analytic function of this study.

    JKESS-39-131_F5.gif

    The case of heavy rain at 1200 LST on 25 August 2014. (a) accumulated precipitation of rain gauge of 15 min *4, (b) CAPPI that applied fuzzy logic, (c) Rainfall Intensity of COMS, (d) A-E method, (e) CRR v4.0 analytic function and (f) new analytic function of this study.

    Table

    Geographical information of weather radars operated by Korea Meteorological Administration

    The list of torrential rainfall by precipitation mechanism

    2×2 contingency table for categorical validation

    The results of validation for algorithms

    Reference

    1. K. Bedka , J. Brunner , R. Dworak , W. Feltz , J. Otkin , T. Greenwald (2010) Objective satellite-based detection of overshooting tops using infrared window channel brightness temperature gradients., J. Appl. Meteorol. Climatol., Vol.49 (2) ; pp.181-202
    2. R. Borneman (1988) Satellite rainfall estimating program of the NOAA/NESDIS Synoptic Analysis Branch., Natl. Wea. Dig, Vol.13 (2) ; pp.7-15
    3. M. Dixon , G. Wiener (1993) TITAN: Thunderstorm Identification, Tracking, Analysis, and Nowcasting-A radar-based methodology., J. Atmos. Ocean. Technol., Vol.10 ; pp.785-797
    4. K-O. Hong , M-S. Shu , D-K. Rha (2006) Temporal and Spatial Variations of Precipitation in South Korea for REcent 30 Years (1976-2005) and Geographic Environments., J. Korean Earth Sci. Soc., Vol.27 ; pp.433-449
    5. S.R. In , S.O. Han , E.S. Im , K.H. Kim , J. Shim (2014) Study on Temporal and Spatial Characteristics of Summertime Precipitation over Korean Peninsula., Atmosphere, ; pp.24
    6. T. Inoue (1987) A cloud type classification with NOAA 7 split-window measurements., J. Geophys. Res. D Atmospheres, Vol.92 (D4) ; pp.3991-4000
    7. J.T. Johnson (1998) The storm cell identification and tracking algorithm: An enhanced WSR-88D algorithm., Weather Forecast., Vol.13 ; pp.263-276
    8. J. Joss , A. Waldvogel (1990) Precipitation measurements and hydrology., Radar in Meteorology, Boston, Amer, Meteor. Soc.,, ; pp.577-606
    9. S. H. Jung , G. Lee , H. W. Kim , B Kuk (2011) Development of convective cell identification and tracking algorithm using 3-dimensional radar reflectivityfields., Atmosphere,, Vol.21 (3) ; pp.243-256
    10. S.H. Jung , G. Lee (2015) Radar-based cell tracking with fuzzy logic approach., Meteorol. Appl., Vol.22 ; pp.716-730
    11. C. Kidd (2001) Satellite rainfall climatology: a review., Int. J. Climatol., Vol.21 (9) ; pp.1041-1066
    12. T. Kurino (1997) A rainfall estimation with the GMS-5 infrared split-window and water vapour measurements., Meteorol Center Tech Note, Japan Meteorol Agency,, Vol.33 ; pp.91-101
    13. S.H. Lee (2016) Improvement of convective rainfall rate based on COMS over the Korean Peninsula., Kongju National University, ; pp.53
    14. S. Lovejoy , G.L. Austin (1979) The delineation of rain areas from visible and IR satellite data for GATE and mid-latitudes., Atmos.-ocean, Vol.17 (1) ; pp.77-92
    15. G.Y. Lu , D.W. Wong (2008) An adaptive inversedistance weighting spatial interpolation technique., Comput. Geosci., Vol.34 (9) ; pp.1044-1055
    16. A. Luque , I. GA3mez , M. Manso (2006) Convective rainfall rate multi-channel algorithm for Meteosat-7 and radar derived calibration matrices., Atmosfera, Vol.19 (3) ; pp.145-168
    17. D.W. Marquardt (1963) An algorithm for least-squares estimation of nonlinear parameters., J. Soc. Ind. Appl. Math., Vol.11 (2) ; pp.431-441
    18. J. S. Marshall , W. M. Palmer (1948) The distribution of raindrops with size., J. meteor, Vol.5 ; pp.154-166
    19. Y.S. Moon , K.Y. Lee (2016) Improvement and Validation of Convective Rainfall Rate Retrieved from Visible and Infrared Image Bands of the COMS Satellite., J. Korean Earth Sci. Soc., Vol.37 (6) ; pp.420-433
    20. NMSC (2012) COMS Rainfall Intensity Algorithm Theoretical Basis Documents (RI ATBD), NMSC/SCI/ ATBD/RI, 22 p.,
    21. T.L. Olander , C.S. Velden (2009) Tropical cyclone convection and intensity analysis using differenced infrared and water vapor imagery., Weather Forecast., Vol.24 (6) ; pp.1558-1572
    22. A. RodrA-guez , C. Marcos (2013) Algorithm theoretical basis document for ‘‘convective rainfall rate’’ (CRRPGE05 v4.0). SAF/NWC/CDOP2/INM/SCI/ATBD/05, 36 pp., http://www. nwcsaf. org/scidocs/Documentation/SAF-NWC-CDOP2-INM-SCIATBD-05_v4. 0. pdf
    23. R.A. Scofield (1987) The ENSDIS operational convective precipitation technique., Mon. Weather Rev., ; pp.1773-1792[J].
    24. R.A. Scofield (2001) Comments on ?oA quantitative assessment of the NESDIS Auto-Estimator. ??., Weather Forecast., Vol.16 ; pp.277-278
    25. G.A. Vicente , R.A. Scofield , W.P. Menzel (1998) Operational GOES infrared rainfall estimation technique., Bull. Am. Meteorol. Soc., Vol.79 ; pp.1883-1897
    26. J.C.D. Vicente , R.A. Scofield (2002) The role of orographic and paralax corrections on real time high resolution satellite rainfall rate distribution., Int. J. Remote Sens., Vol.23 (2) ; pp.221-230
    27. S.M. Yoon (2013) statistical of extreme rainfall events and applications of radar rainfall estimates for reducing flood risk in Gyeongnam area. Kyungsang University, Korea, 183 p.,