NMSC-SCI-ATBD-RI_v1.0.hwp

Size: px

Start display at page:

Download "NMSC-SCI-ATBD-RI_v1.0.hwp"

용선 원
6 years ago
Views:

1 강우강도 (RI: Rainfall Intensity) 알고리즘기술분석서 (RI-v1.0) NMSC/SCI/ATBD/RI, Issue 1, rev 국가기상위성센터

2 REPORT SIGNATURE TABLE 국가기상위성센터

3 DOCUMENT CHANGE RECORD 국가기상위성센터

4 차 례 1. 개요 2. 배경및목적 3. 알고리즘 3.1 이론적인배경및근거 3.2 산출방법 3.3 산출과정 입력자료 DPM 과정 POM 과정 3.4 검증 검증방법 검증자료 시공간일치방법 검증결과분석 4. 산출결과해석방법 5. 문제점및개선가능성 6. 참고문헌 국가기상위성센터

5 List of Tables Table 1 : Quality flag for the CMDPS rainfall intensity. Table 2 : Binary category contingency table for validation of CMDPS rainfall intensity. Table 3 : Multi Category contingency table for validation of CMDPS rainfall intensity. Table 4 : The validation result between CMDPS RI and AWS and SSM/I rainfall at 1933UTC Jul 국가기상위성센터

6 List of Figures Figure 1 : Microwave data for east asia region at Jul Figure 2 : Temporal and spatial coincident between COMS BTT and SSM/I rainrate at 0745UTC Apr Figure 3 : Temporal and spatial coincident data between COMS BTT(brightness temperature) and SSM/I (F15) rainrate from 0033UTC Apr to 2333UTC Apr Figure 4 : PDF and CDF of COMS BTT(Brightness temperature) and SSM/I rainrate at 0745UTC Apr Figure 5 : Lookup table between COMS BTT(brightness temperature) and SSM/I rainrate at 0745UTC Apr Figure 6 : Fig. 6. Time series for Number of data pairs in estimated LUTs in Apr Figure 7 : Estimated rainfall intensity images at 0400UTC Jul Figure 8 : Flow chart for the CMDPS RI algorithm. Figure 9 : The Schematic diagram for the RI DPM procedure. Figure 10 : The time series of LUTs. Figure 11 : Estimated CMDPS RI and quality flag image on 0033UTC Nov Figure 12 : Diagram for the CMDPS RI POM procedure. Figure 13 : Flow chart for the validation of CMDPS rainfall intensity. Figure 14 : CMDPS rainfall intensity and Quality flag at 1933UTC Jul Figure 15 : Validation dataset between CMDPS RI and AWS(a) and SSM/I(b) rainfall at 1933UTC Jul 국가기상위성센터

7 List of Acronyms ACC Accuracy AWS Automatic Weather Station ARKT Arkin Technique BTT Brightness Temperature CDF Cumulative Distribution Function CMDPSCOMS Meteorological Data Processing System CMORPH CPC MORPHed precipitation COMS Communication, Ocean, and Meteorological Satellite CST Convective-Stratiform Technique DPM Data Processing Module DMSP Defense Meteorological Satellites Program FTP File Transfer Protocol GMSRA GOES Multispectral Rainfall Algorithm GPI Goes Precipitation Index HSS Heidke Skill Score LUT Look-Up Table MTSAT-1R Multi-functional Transport Satellite NAWT Negri-Adler-Wetzel Technique NOAA National Oceanic and Atmospheric Administration PC Proportion Correct PDF Probability Distribution Function POD Probability of Detection POM Post-Processing Module PMM Probability Matching Method QC Quality Control RMSE Root Mean Square Error SCaMPR Self-Calibrating Multivariate Precipitation Retrieval SSM/I Special Sensor for Microwave Imager TS Threat Score UTC Coordinated Universal Time VAM Validation Module 국가기상위성센터

8 1. 개요 CMDPS의강우강도산출방법은 COMS의적외채널밝기온도와 SSM/I 강우강도자료를이용한경험적추정법으로써이러한간접적강우강도산출방법은두위성자료에대한관계성변동에의한일정수준의오차유발이필연적이나넓은지역에대한시간별강수량변화계산이용이하기때문에악기상에따른집중호우등의실시간예보등에매우유용하게사용될수있다. 즉동아시아지역에대한강우강도의시공간분포계산을위하여 COMS 관측시각부터 36시간이전의마이크로웨이브자료 (SSM/I) 에대한육지와해양의강우강도산출조견표 (Look-Up Table, LUT) 가실시간이용되고일정기간의평균된정적조견표를적용하여안정적인강우강도산출을유지하도록하였다. 산출된강우강도결과는한반도영역의자동기상관측시스템 (AWS) 자료와동아시아의 SSM/I 위성의관측값과비교검증된다. CMDPS 강우강도산출에대한역사적배경은 2장에서논의될것이고 3장에서는강우강도산출알고리즘의이론적배경과산출방법및검증방법이설명될것이다. 그리고 4장과 5장에서는산출결과의해석방법과강우강도알고리즘의문제점및개선가능성을언급할것이다. 2. 배경및목적 COMS 위성의적외및가시광선관측자료들은중규모시스템변화에의하여발생되는구름들의밝기온도와복사방출량및반사율등강우강도산출을위한유익한시 공간정보들을제공한다. 정지위성자료에의한강우강도추정의일반적인방법은위성밝기온도자료와지상에서관측된강우강도사이의경험적관계를이용하는것이다. 그러나직접관측된지상강우강도자료의공간분포는제한적이고위성관측자료와시간및공간불일치때문에정확한경험식산출은쉽지않으며또한강우강도는구름의종류와발달상태그리고지역및시간에따라그변화특성이다양하기때문에이방법에의한강우강도산출을더욱어렵게한다. 이러한연구결과로써 Levizzani(1999) 가지상관측강수량이구름의정상부의특성과관련이있고정지궤도위성의적외채널을이용하여강수를추정할수있음을제시하였다. 그리고마이크로웨이브알고리즘은위성궤도의고도가높을수록불확실성이증가할수있으나수동마이크로웨이브물리이론등에근거한여러종류의강우강도추정방법들 (Special Sensor Microwave/Imager, Wentz and Spencer, 1998; Spencer et al, 1989) 이 SSM/I의자료를사용하여개발되었다. 최근에는마이크로웨이브와정지위성의적외채널혼합기법이수치모델자료동화및실시간운용연구에활용되고있으며지상 국가기상위성센터 - 1 -

9 관측강우량자료보완을위하여마이크로웨이브및레이더자료등이다양하게이용되고있다 (Turk et al, 2003; Weng et al, 2003; Vincente et al,1998). 정지위성의적외채널만으로강우강도를추정하는방법으로써 LUT(Kurino,1997), CST(Convective-Stratiform Technique; Adler and Negri, 1988), NAWT(Negri et al,1984) 그리고 ARKT(Arkin, 1979) 의연구결과들이있으나시간과지역적인특성알고리즘이반영되지않았기때문에강수시간및지역변동특성을적절하게분석되지못하였다. 그리고정지위성에의하여관측및계산되는구름요소들즉운정온도, 구름광학두께, 운고, 운량및운형등을이용하여간접적으로강우강도를추정한연구결과들은 GPI(Goes Precipitation Index; Arkin and Meisner, 1987), Autoestimator(Vincente, 2002), Hydroestimator(Scofield and Kuligowski, 2003), GMSRA(Ba and Gruber, 2001) 등이있으나이들연구에서사용된알고리즘은시 공간적제한문제가내포되어있다. 가시광선 / 적외선과마이크로웨이브자료의혼합된방법이사용된연구로써는 CMORPH(Joyce et al,2004), SCaMPR(Kuligowski, 2002), GPROF(Kummerow et al, 2001) 등의있으며이들방법은위에제시된방법과비교하여정확성이높으나위성들의관측방법및시공간불일치가중요한문제점으로지적된다. 최근구름분류와중규모대류계의생존주기를이용한강수량추정방법 (Delgado et al, 2008) 과인공신경망을이용한방법들 (Sorooshian et al., 2000; Zhang and Scofeld, 1994) 이소개되고있으나관련요소들의분석및실시간발생하는급격한변화들이적절하게반영하지못하고있다. CMDPS 강우강도는정지위성의밝기온도자료와 SSM/I 강수자료의관련성에근거하고 Atlas et al.(1990) 과 Crosson et al.(1996) 의 PMM(Probability Matching Method) 방법을적용하여경험적으로산출된다. 이경우 SSM/I 강수량자료는육지와해양사이의적용알고리즘이다르기때문에 COMS 밝기온도자료도육지 해양에대하여분리산출방법을적용하였다. 그리고 SSM/I 관측시각과자료수집및전송시간지연에따른시간불일치문제때문에 CMDPS 관측시각부터 36시간이전사이의 SSM/I 자료를 CMDPS 자료와시공간일치시키는방법 ( 동적 LUT) 이사용되나 SSM/I 자료가 36시간이상지연되거나자료부재인비상상황에는일정기간동안의평균자료 ( 정적 LUT) 가사용된다. 동아시아지역에대하여결과적인강우강도산출물검증을위하여 SSM/I 자료가이용되고한반도지역에서는 AWS 강수량자료가사용된다. CMDPS의강우강도산출방법은산출영역과운형을제한할경우약간의정확성향상이기대되나근본적인채널제한때문에높은정확성을기대하기는힘들다. 그럼에도불구하고정지위성에의한강우강도산출은북반구에대하여약 30분의시간간격으로하루 48회수행되기때문에실시간및시 공간강우강도변화예측을위한중요자료로사용될수있으며또한시간연속및공간밀도특성때문에수치모형입력자료로활용되어일기예보능력향상에크게기여할수있다. 국가기상위성센터 - 2 -

10 3. 알고리즘 3.1. 이론적인배경및근거 (Theoretical Background) 정지위성에장착된 10.8 및 12 μm센서는대기중의수증기에민감하게반응하고구름이존재할경우운정온도및운고정보를제공한다. 즉높은운고는낮은운정온도를의미하며이러한구름영역의지상강수량은많게나타난다 (Arkin and Meisner, 1987, Adler and Negri, 1988). 마이크로웨이브위성의강수량산출은정지위성방법과는달리직접적인방법으로써물방울또는얼음등의구름입자에의한복사방출및산란특성에따라계산된다 (Wentz and Spencer, 1998; Spencer et al, 1989). CMDPS 강우강도산출은위와같이정지위성의연속관측특성과 SSMI의정확한강수량자료를이용한것으로써이들의관계는다음식과같이나타낼수있으며두위성의정확한시ᆞ공간일치가중요하게작용한다. (1) 식 (1) 은정지위성 (COMS) 의밝기온도와 SSM/I 자료의관계를나타낸것으로써 Atlas et al.(1990) 과 Crosson et al.(1996) 이제안한 PMM(Probability Matching Method) 방법이며이식에서 R은 SSM/I의강수량이고 BTT는 COMS 적외채널의밝기온도이다. 이식은 COMS 적외채널의밝기온도 BTT의확률분포함수 (Probability Distribution Function) 와 SSM/I 강수량 R의확률분포함수의경향이비슷한것으로가정하여 BTT와 R의누적분포함수 (Cumulative Distribution Functions : CDFs) 가일치하는각각의 BTT i 와 R i 의값들을계산된다 산출방법 (Methodology) 위성자료에의한강수량산출방법은정지위성의밝기온도 (T11) 와 SSM/I 자료의시ᆞ 공간일치자료생성과정그리고육지와해양화소에대한 PMM 및조견표를산출과정으로분리된다. SSM/I(Wentz and Spencer, 1998; Spencer et al, 1989) 는강수량탐지목적으로 DMSP F13~F15에탑재된마이크로웨이브센서로써그분해능은 25km 25km이다. SSM/I 센서가동아시아영역 (90 E~160 E, 10 N~60 N) 을관측하는횟수는하루 20회이상이나정지위성과 Fig. 1과같이시ᆞ공간불일치가발생된다. 즉 Fig. 1은 2007년 7월 14 일에 SSM/I 등마이크로웨이브위성의동아시아지역을관측시각을표시한것이다. 국가기상위성센터 - 3 -

Fig. 1. Microwave data for east asia region at Jul. 14. 2007. 이그림에서와같이 F13~F15는 SSM/I 자료로써 1회관측시간은약 120분이상 ( 검은실선 ) 이고빨간색 (ascending 노드 ) 및녹색사각형 (descending 노드 ) 은동아시아지역관측시간이며하루동안동아시아지역관측회수는 23회이다.

11 Fig. 1. Microwave data for east asia region at Jul 이그림에서와같이 F13~F15는 SSM/I 자료로써 1회관측시간은약 120분이상 ( 검은실선 ) 이고빨간색 (ascending 노드 ) 및녹색사각형 (descending 노드 ) 은동아시아지역관측시간이며하루동안동아시아지역관측회수는 23회이다. 그러나최근 F13와 F14의관측종료 (F13:2009년 11월, F14:2008년 8월 ) 되었기때문에하루동안동아시아지역의관측회수는약 8회로급격히줄어든상태이다. Fig. 1의정보를이용하여 SSM/I 및정지위성화소를시간일치시켰고 SSM/I의관측분해능 (12.5km) 이내의정지위성밝기온도를평균하여공간일치시켰다. 또한마이크로웨이브위성은해양과육상화소에대하여다른알고리즘으로강수량이산출되기때문에시ᆞ공간일치자료는육지와해양화소각에대하여분리수행되며 Fig. 2는 2011년 4월 27일 0745UTC의육지와해양및전체 ( 육지 + 해양 ) 영역에대한위성밝기온도와 SSM/I 강수량의시ᆞ공간일치결과이다. (a) Land (b) Sea (c) Total Fig. 2. Temporal and spatial coincident between COMS BTT and SSM/I rainrate at 0745UTC Apr 이그림에서와같이위성밝기온도와 SSM/I 강수량의상관관계는해양보다육지화소의 국가기상위성센터 - 4 -

12 경우가높게나타났다. Fig. 1에나타낸것과같이 F15의동아시아영역에대한 SSM/I의관측시간과자료처리및전송시간때문에 SSM/I 강수량자료는일최대 16시간이상의공백이발생될수있다. 따라서 2010년 4월 15일부터 4월 17일의동아시아영역에대한시ᆞ공간일치자료수를분석한결과 Fig. 3과같이 2011년 4월 15일 00~07UTC와 15~24UTC 시간동안지점일치자료가없는것으로나타났다. 이러한자료공백해소를위하여정지위성 (COMS) 관측시각부터 36 시간이전자료들을 Fig. 3. Temporal and spatial coincident data between COMS BTT(brightness temperature) and SSM/I (F15) rainrate from 0033UTC Apr to 2333UTC Apr 시ᆞ공간일치자료로사용하여실시간조견표를작성하였고동적조견표의개수가적은경우 (30개미만 ) 정적조견표를적용한다. 이경우 COMS 밝기온도와 SSM/I 강수량자료는 Atlas et al.(1990) 과 Crosson et al.(1996) 이제안한 PMM 방법이적용하였으며 SSM/I 최소강수량은 0.5mm/hr으로정의하였다. Fig. 4는 2011년 4월 27일 0745UTC에적용된정지위성밝기온도와 SSM/I 강수량의확률밀도함수 (PDF) 와확률누적밀도함수 (CDF) 이다. 국가기상위성센터 - 5 -

13 (a) PDF of COMS brightness temperature (b) PDF of SSM/I rainrate (c) CDF of COMS brightness temperature (d) CDF of SSM/I rainrate Fig. 4. PDF and CDF of COMS BTT(Brightness temperature) and SSM/I rainrate at 0745UTC Apr Fig. 4의 (c) 와 (d) 에서동일한누적확률이나타나는밝기온도와강수량을이용하여 2011년 4월 27일 0745UTC에계산된조견표는 Fig. 5와같다. Fig. 5. Lookup table between COMS BTT(brightness temperature) and SSM/I rainrate at 0745UTC Apr 국가기상위성센터 - 6 -

14 Fig. 5와같이계산된조견표는육지와해양으로분리하여조견표를작성하여강수를산출한다. 그러나 Fig. 6에보여지는것과같이육지영역에대한조견표개수는해양영역에대한조견표개수보다현저히작다. Fig. 6은 2011년 4월육지와해양및전체영역에대하여계산된조견표개수이다. 이러한육지영역의조견표개수부족은강수영역에서육지와해양의공간불연속을야기시킨다. 즉 Fig. 7의 2011년 7월 10일 0400UTC의강우강도 (a) 와같이육지와해양간의공간불연속이나타나게된다. 따라서육지영역의 LUT 작성시해양영역의자료를추가한전체 ( 육지 + 해양 ) 의지점일치결과를이용하여강우강도를추정하면 Fig. 7의 (b) 와같이연속된강수패턴으로산출할수있다. 조견표에나타나지않은밝기온도에대한강우강도는선형내삽방법으로산출되며고위도의강수과대모의를해소하기위하여산출강수를위도에대하여보정하였다. 이때산출된최대강우강도는 35 mm/hr를초과하지못하며최소값은 0.5mm/hr로제한하였다. 그리고구름밝기온도는낮으나구름의두께가상대적으로얇은권운은적외온도차방법 (Inoue, 1987; 2002) 을적용하여온도차가 2.5K 이상일경우무강수영역으로분리하였다. Fig. 6. Time series for Number of data pairs in estimated LUTs in Apr 국가기상위성센터 - 7 -

(a) Before (b) After Fig. 7. Estimated rainfall intensity images at 0400UTC Jul. 10 2011. 3.

15 (a) Before (b) After Fig. 7. Estimated rainfall intensity images at 0400UTC Jul 산출과정 CMDPS 강우강도산출은 COMS와 SSM/I 자료를이용한조견표작성및그결과를이용한강우강도계산그리고검사및품질검사과정이중요하며크게는강우강도산출 (DPM) 과후처리 (POM) 과정으로나뉜다. DPM 과정은산출물자료들과후처리에서산출된조견표를이용하여강수량을산출하고 POM 과정은 CMDPS 강우강도산출을위하여 COMS 채널자료와 SSM/I 강수량자료를이용하여강수량산출의조견표를산출하는과정이다. SSM/I 관측시간과자료수집및전송시간지연때문에 COMS와 SSM/I 자료의시간일치자료수가적을경우강우강도산출이불가능할수있다. 따라서 COMS 관측시각부터 36시간이전의 SSM/I 자료를사용하여조견표를산출하며이러한과정을도식화한 CMDPS 강우강도산출알고리즘은 Fig. 8과같다 입력자료 CMDPS 강우강도산출을위한입력자료는 COMS 1.5b 채널자료중적외채널밝기온도와화소별위경도 (Geolocation) 그리고육지해양마스킹자료가필수이고 CMDPS 구름탐지 (CLD) 산출물과품질정보및 SSM/I 자료는강수량산출을위한보조자료로이용되며검증자료로는한반도 AWS의 15분누적강수량과 SSM/I 강수량자료가사용된다. COMS 1.5b 자료는정지위성센서관측자료를복사검정하여온도값으로변환된화소 국가기상위성센터 - 8 -

강수량산출과정에사용되는보조자료는 FTP 서버에의한실시간갱신이필수적이고자료의추출프로그램의구동을통하여자료갱신에대한확인과정이요구된다.

16 별밝기온도자료로서각화소의위도와경도정보가포함되어있고 CMDPS 강우강도산출을위한요소들중구름의탐지자료는강수및무강수산정을위하여사용된다. SSM/I 자료는 COMS 적외채널밝기온도변화와관련하여강우강도관계식산출을위한중요입력자료로서만약 SSM/I 자료에오류가포함될경우산출된 CMDPS 강우강도의질에직접적인영향이미친다. 강수량산출과정에사용되는보조자료는 FTP 서버에의한실시간갱신이필수적이고자료의추출프로그램의구동을통하여자료갱신에대한확인과정이요구된다. 그리고각각의보조자료는관측자료생성과정에서제공되는추출프로그램을이용하여강우강도산출과시공간자료생성및검증그리고후처리과정등으로분배된다. Fig. 8. Flow chart for the CMDPS RI algorithm DPM 과정 COMS 위성에서관측된채널자료와구름탐지자료그리고후처리에서생성된조견표에따른강우강도산출을위한 DPM 과정은 Fig. 9과같이나타낼수있다. 국가기상위성센터 - 9 -

Fig. 9. The Schematic diagram for the RI DPM procedure. 강우강도는구름화소에대하여산출되기때문에구름탐지산출물을이용한구름및청천화소구분이우선되어야한다. 그리고각구름화소는육지와해양화소로구분하여 POM 과정에서산출된각각의강우강도조견표에따라강우강도를계산한다.

17 Fig. 9. The Schematic diagram for the RI DPM procedure. 강우강도는구름화소에대하여산출되기때문에구름탐지산출물을이용한구름및청천화소구분이우선되어야한다. 그리고각구름화소는육지와해양화소로구분하여 POM 과정에서산출된각각의강우강도조견표에따라강우강도를계산한다. 그러나조견표작성과정에서최저운정온도와최대강수량이항상나타나는것이아니기때문에시간에따른강우강도의불연속이발생된다. 따라서최저운정온도 (190K) 와최대강우강도 (35mm/h) 를고려하여계산된조견표와내삽적용함으로써강우강도산출범위를확대하였다. Fig. 10은기존의방법으로산출된조견표와최저운정온도와최대강우강도를적용하여산출된조견표의시계열을나타낸것이다. 국가기상위성센터

(a) OLD (Land) (b) OLD (Sea) (c) OLD (Total) (d) NEW (Land) (e) NEW (Sea) (f) NEW (Total) Fig. 10. The time series of LUTs. 또한고위도의과대한강수추정을해소하기위하여산출강수량은다음의경험식을이용하여위도보정을수행하였다.

18 (a) OLD (Land) (b) OLD (Sea) (c) OLD (Total) (d) NEW (Land) (e) NEW (Sea) (f) NEW (Total) Fig. 10. The time series of LUTs. 또한고위도의과대한강수추정을해소하기위하여산출강수량은다음의경험식을이용하여위도보정을수행하였다. (2) (3) 여기서 는위도이고 은조견표를적용하여산출된강수량이고 는위도보정된강수량이다. 식 (2) 는육지의조견표를작성하기위하여생성된 COMS 구름밝기온도와 SSM/I의강수량의지점일치자료를이용하여계산되었으며식 (3) 은해양의조견표를작성하기휘하여생성된 COMS 구름밝기온도와 SSM/I의강수량의지점일치자료를이용하여계산하였다. 구름운정온도와강우강도의관계를위도대별로구분하고특정위도 (10 N) 의강수량에대한각위도대의강수량의비율을위도의함수로적합하여계산된경험식이다. 그리고산출된강수는강수영역의구름광학두께와강우강도범위검사를수행한다. 강수량이없는얇은구름화소를제거하기위하여각화소는적외온도차방법 (Inoue,1987;2002) 을이용하여온도차가 1.2 K 이상인화소를무강수화소로제거하고최소및최대강우강도는 0.5와 35 mm/hr로설정하여과소및과대계산화소를제거한다. 그리고최종단계로써각화소에대한강우강도산출과정과화소특성에대한품질검사정보를작성한다. Fig. 11은 2008년 11월 17일 0033 UTC의전구영역에대한산출강우강도품질검사정보의예이다. 국가기상위성센터

(a) Estimated RI (b) Quality flag Fig. 11. Estimated CMDPS RI and quality flag image on 0033UTC Nov. 17. 2008.

19 (a) Estimated RI (b) Quality flag Fig. 11. Estimated CMDPS RI and quality flag image on 0033UTC Nov 산출된강우강도자료의 QC(Quality control) 는구름화소판별정보와육지ᆞ해양화소에대한정보그리고적외차방법의정보및강수량산출에대한정보들로써 Table 1과같다. 강우강도산출물의품질정보는각화소별로산출되며산출정보들은 1에서 256의값으로표현된다. Table 1. Quality flag for the CMDPS rainfall intensity. Parameter Value Meaning Quality flag 256 의미없음 1 구름산출물품질정보 : 구름화소 (100%) 2 구름산출물품질정보 : 구름화소 ( 75%) 3 구름산출물품질정보 : 구름화소 ( 50%) 4 구름산출물품질정보 : 청천화소 ( 75%) 5 구름산출물품질정보 : 청천화소 (100%) 16 적외차온도방법에의하여강수제거화소 32 육지및해안선화소 64 청천화소 128 강수량산출화소 국가기상위성센터

20 3.3.3 POM 과정 POM 과정은강우강도관계식산출단계로써크게두부분으로구분된다. COMS 밝기온도와 SSM/I 강수량의시ᆞ공간일치단계와 COMS 관측시각이전 36시간의시공간일치자료를이용한육지및해양화소조견표작성단계이다. 즉관측특성이서로다른정지위성 (COMS) 과마이크로웨이브위성 ( 극궤도위성 ) 의시간일치는 COMS 자료관측화소별시간정보와 SSM/I 화소별시간정보를이용하여각각의화소에대하여수행된다. 그리고공간일치는 COMS자료의화소별육지ᆞ해양구분이선행되고 SSM/I 화소의공간분해능 (25 Km 25 km) 에포함된 COMS의밝기온도화소를평균하여공간일치를수행한다. 조견표작성단계에서는 COMS 관측시각을기준으로이전 36시간이내의시공간일치자료들을검색하여 PMM 방법이적용된다. 조견표는시공간일치된 SSM/I 강수량과 COMS 밝기온도의누적확률분포를 2.5 % 간격으로나누어최대 41개의밝기온도와강수량의쌍으로육지및해양에대하여각각산출된다. SSM/I 자료특성때문에시공간일치자료수가적을경우는강우강도산출결과의신뢰성이크게낮아질수있으므로조견표자료개수의확인과정이필요하다. 이러한 POM 과정은 Fig. 12에나타내었고이그림에서녹색사각형부분 (POM_Coll) 이시공간일치단계이며파란색사각형부분 (POM_Coeff) 이조견표작성단계이다. 이와같은시ᆞ공간일치자료들을장기간 (10일이상 ) 평균하여준실시간조견표를작성하고특정한시간과공간에서시ᆞ공간일치자료가없거나부족할경우 ( 동적조견표의개수가 30개이하 ) 정적인조견표를이용하여강우강도를산출될수있도록하였다. Fig. 12. Diagram for the CMDPS RI POM procedure 검증 검증방법 국가기상위성센터

강우강도산출물검증은한반도의지상 AWS 강수량자료와동아시아영역의 SSM/I 강우강도자료를이용하여수행되며이들자료는네트워크를통하여갱신되기때문에실시간검증이아닌준실시간으로검증된다. 강우강도산출물과관측자료의검증은자료들사이에관측방법과시ᆞ공간불일치의문제때문에 Fig. 13과

21 강우강도산출물검증은한반도의지상 AWS 강수량자료와동아시아영역의 SSM/I 강우강도자료를이용하여수행되며이들자료는네트워크를통하여갱신되기때문에실시간검증이아닌준실시간으로검증된다. 강우강도산출물과관측자료의검증은자료들사이에관측방법과시ᆞ공간불일치의문제때문에 Fig. 13과같이시ᆞ공간일치과정과검증계산과정두부분으로나뉜다. Fig. 13. Flow chart for the validation of CMDPS rainfall intensity. 시ᆞ공간일치는 AWS 관측과 SSM/I 강우강도의자료특성과시간을고려하여 CMDPS 강우강도와시간일치하고분해능및적용범위에따라공간일치된다. 특히 SSM/I 강우강도의시ᆞ공간일치방법은 POM과정의시공간일치방법과동일하며검증방법은강수량에따른 scalar 정확도검사와강수유무및강도에따른 categorical 정확도검사를수행된다. Scalar 정확도검사로는상관계수 (Correlation coefficient) 와편이 (Bias) 및평방근오차 (Root mean Square Error: RMSE) 가사용되며 categorical 정확도검사는강수유무의이중구분방법과강우강도에따라 3, 5, 10 mm/hr를기준으로약함, 중간, 강함으로다중구분방법을적용하여 TS(Threat Score), POD(Probability of Detection), PC(Portion Correct) 그리고 HSS(Heidke Skill Scores) 등으로분석된다 검증자료 COMS 강우강도산출물검증을위한한반도약 600여지점의 AWS 강수량관측자료그리고동아시아지역 (90~160 E, 10~60 N) 의 SSM/I 강우강도자료가사용된다. 국가기상위성센터

22 가. 한반도지역 AWS 강수량은한반도의유무인관측소 ( 약 600여지점 ) 의 15분누적자료가사용된다. 자료의관측시간주기는 1분이고강수량단위는 0.1 또는 0.2 mm 이며매 15분누적그리고 60분누적강수량자료이다. 즉 CMDPS 산출강우강도는정지위성 (COMS) 의순간관측결과이기때문에지상관측자료는구름및강수관측에영향을미치는시간을고려하여 15분간누적된강수량을이용한다. 한반도의 AWS 분포를고려하여관측영역은주변 30 km 30 km를평균하여 CMDPS 산출강우강도와시공간일치를한다. 나. 동아시아지역 SSM/I 강우강도는극궤도위성센서자료이고현재운영중인 F15 탑재체 1개의위성에탑재되어있으며구름속의우적과빙정의방출및산란복사를근거하여계산된다. 한개의극궤도위성은동일지점을하루 2회관측하고센서의분해능은위성직하점에서 25 km 25 km로써동아시아영역 (90~160 E, 10~60 N) 자료를이용하여검증하며 POM 과정과동일한방법으로시ᆞ공간일치를한다 시 ᆞ 공간일치방법 CMDPS 강우강도산출물검증에사용되는 AWS와 SSM/I 자료들은관측방법과관측주기등이서로다르기때문에 CMDPS 강우강도산출물검증을위해서는조심스러운시ᆞ공간일치과정이요구된다. AWS 누적강수량자료는강수입자의낙하시간및 15 분누적특성을고려하여 COMS 관측시각이후 20분의관측자료와시간일치된다. 한반도지역 600여지점에서관측되어 AWS 한지점의관측반경은 30 km 30 km이기때문에각각의관측반경내에포함되는 7 7화소의 CMDPS 산출강수량을평균하여공간일치시킨다. SSM/I 강우강도자료는각화소의시간과 COMS 각화소의시간을계산하여 15분을지연하여시간일치하고 SSM/I의직하점분해능 (25 km 25 km) 에근거한반경 12.5 km 이내의 CMDPS 강우강도자료를평균하여공간일치시킨다 검증결과분석 CMDPS 강우강도산출결과검증은관측자료와비교된정확도판별뿐만아니라강수구역탐지와강수의강도검증도중요요소이고검증방법으로는 scalar 정확도검사및 categorical 정확도검사를수행한다. Scalar 정확도검사를위하여상관계수 (Correlation coefficient) 와편이 (Bias) 그리고평방근오차 (Root mean Square Error: RMSE) 가계산 국가기상위성센터

23 된다. 이중 categorical 정확도검사는 0.5 mm/hr을기준으로강수유무의판별에대한정확도를판별하며그리고다중 categorical 정확도검사는강수자료에대하여 3, 5, 10 mm/hr를기준으로강우강도판별에대한정확도를 POD(Probability of Detection) 와 PC(Portion Correct) 및 HSS(Heidke Skill Scores) 검증지수로계산된다. 가. Scalar 정확도검사 Scalar 정확도검사는강수량의정확도를검사하는방법으로써관측과산출강수량의상관관계 (Correlation coefficient) 와산출물의평균값에대한편향성을나타내는편이 (BIAS) 및산출물의표본오차를평가하기위한평방근오차 (RMSE) 계산은다음과같다. 상관계수 (Correlation coefficient) 편이 (BIAS) (5) 평방근오차 (RMSE, ROOT Mean Square Error) (4) (6) 여기서 는 CMDPS 산출강우강도이고 는 AWS 강수량과 SSM/I 강우강도이며 은시공간일치된자료의개수그리고 는평균값나타낸다. 상관계수는 CMDPS 강우강도와관측값의상관성조사를위한것이고편이와평방근오차는산출강우강도와관측값의편차를평가하기위한것이다. 나. Categorical 정확도검사 Categorical 정확도는산출물의강수또는무강수영역및강우강도정확성을평가하는중요한지표가되며그방법으로 PC(Portion Correct) 와 POD(Probability of Detection) 및 HSS(Heidke Skill Score) 방법이사용된다. 강수유무를평가하기위한강우강도와관측값의이중분할표는 Table 2와같고정확도계산방법은식 (6)~(9) 와같다. Table 2. Binary category contingency table for validation of CMDPS rainfall intensity. Estimated Observed distribution Yes( 0.5) No(<0.5) Estimated Yes( 0.5) a b a+b 국가기상위성센터

24 Observed distribution No(0.5<) c d c+d a+c b+d Portion Correct (PC) Probability of Detection (POD, Hit Rate) Heidke Skill Score (HSS) (7) (8) (9) (10) PC(Portion Correct) 는전체자료중산출값과관측값들의동일한강수또는무강수자료비율이며 POD(Probability of Detection) 는관측값에대한산출강우강도의강수탐지정확도이다. HSS(Heidke Skill Score) 는관측값에대하여정확한강우강도자료와우연히맞은강우강도자료의차이를평가하기위한것으로일반화된정확성계산기법에속한다. 다중 Categorical 정확도평가는강우강도를몇가지형태또는강도로구분하여평가할수있고강우강도가약함 (0.5~3mm/hr), 중간 (3~10 mm/hr) 그리고강함 (10 mm/hr~) 의 3가지의단계로구분하였으며그에따른다중 (3 3) 분할표는 Table 3 과같이나타내었고정확도계산은식 (11)~(14) 와같다. Table 3. Multi Category contingency table for validation of CMDPS rainfall intensity. Observed 0.5 RI < RI < RI Estimated distribution 0.5 RI <3.0 A 11 A 12 A 13 R 1 Estimated 3.0 RI <10.0 A 21 A 22 A 23 R RI A 31 A 32 A 33 R 3 Observed distribution Portion Correct (PC) C 1 C 2 C 3 N (11) Heidke Skill Score (HSS) (12) 국가기상위성센터

(13) (14) 4. 산출결과해석방법 산출물은최종산출물과중간산출물로구분되며최종산출물은 COMS 관측모드에따른자료전체영역에대해강우강도와품질정보로써 HDF5 형태로저장된다. 그리고중간산출물인조견표와시공간일치자료로써동아시아지역에대하여 ASCII 형태로저장되고검증과정에서생성되는시ᆞ공간일치자료와검증결과는바이너리형태로저장된다.

강우강도는 0부터 20 mm/hr의범위에분포하며파란색이짙어질수록강우강도가강한지역으로해석된다. 품질정보는각화소에대한산출물에대한정보를알수있고 Table 2 를이용하여해석되며검은색영역은강우강도산출이이루어지지않는영역으로 256의값을나타낸다.

25 (13) (14) 4. 산출결과해석방법 산출물은최종산출물과중간산출물로구분되며최종산출물은 COMS 관측모드에따른자료전체영역에대해강우강도와품질정보로써 HDF5 형태로저장된다. 그리고중간산출물인조견표와시공간일치자료로써동아시아지역에대하여 ASCII 형태로저장되고검증과정에서생성되는시ᆞ공간일치자료와검증결과는바이너리형태로저장된다. 최종산출물인강우강도와품질정보결과중 2008년 7월 23일 1933UTC의동아시아영역에대한결과를 Fig. 14에나타내었다. (a) Rainfall intensity (b) Quality flag Fig. 14. CMDPS rainfall intensity and Quality flag at 1933UTC Jul 강우강도는 0부터 20 mm/hr의범위에분포하며파란색이짙어질수록강우강도가강한지역으로해석된다. 품질정보는각화소에대한산출물에대한정보를알수있고 Table 2 를이용하여해석되며검은색영역은강우강도산출이이루어지지않는영역으로 256의값을나타낸다. 강우강도와품질정보는 COMS 관측자료가존재할경우수행되며강우강도산출결과는한반도영역에서 AWS 관측자료그리고동아시아영역에서는 SSM/I 강우강도자료와지점일치후계산및검증된다. Fig. 15는 2008년 7월 23일 1933UTC의강우강도산출물과 AWS 관측자료그리고 SSM/I 강수량자료의지점일치에대한그림이다. (a) Validation dataset between CMDPS RI and AWS RI 국가기상위성센터

(b) Validation dataset between CMDPS RI and SSM/I RI Fig. 15. Validation dataset between CMDPS RI and AWS(a) and SSM/I(b) rainfall at 1933UTC Jul. 23 2008. Fig. 15에서청색및붉은색등으로표시된부분은 AWS와 SSM/I 화소들이시ᆞ공간일치된영역이며회색은강수가없는부분이다.

나타내었다. Table 4. The validation result between CMDPS RI and AWS and SSM/I rainfall at 1933UTC Jul. 23 2008.

26 (b) Validation dataset between CMDPS RI and SSM/I RI Fig. 15. Validation dataset between CMDPS RI and AWS(a) and SSM/I(b) rainfall at 1933UTC Jul Fig. 15에서청색및붉은색등으로표시된부분은 AWS와 SSM/I 화소들이시ᆞ공간일치된영역이며회색은강수가없는부분이다. 이그림에서 CMDPS에의하여산출된강수영역은 SSM/I 관측자료보다넓게분포되고 AWS 관측값보다강우강도가약하게나타나는것을알수있다 ( 최대강수량이 35 mm/hr로제한되어있기때문 ). 이그림에서 AWS와 SSM/I 해상도의자료쌍은 3.4절에서언급된방법에따라검증되며그결과는 Table 4에나타내었다. Table 4. The validation result between CMDPS RI and AWS and SSM/I rainfall at 1933UTC Jul Validation (data #) Scalar Binary categorical Multi categorical R BIAS RMSE POD PC HSS PC HSS AWS(582) SSM/I(13595) AWS와 SSM/I 자료중검증에사용된자료수는 AWS의 582지점그리고 SSM/I 의 화소이다. SSM/I의강우강도를이용한검증결과는 AWS 강수량과의검증보다상 국가기상위성센터

27 관계수가작음에도불구하고 RMSE가낮게나타나는것은 CMDPS의강우강도산출을위하여 SSM/I 자료가사용되었기때문인것으로분석된다. 즉조견표산출을위하여 SSM/I 강우강도자료가사용되었기때문에상대적으로 AWS 강수량에대해서는음의편이가발생되고 RMSE가크게나타나는결과를초래하였으며이중분류또는다중분류검증에서상대적으로낮은 PC의원인이된다. 따라서 CMDPS 강우강도산출결과를지상관측강수량과비교하기위해서는 CMDPS 강우강도산출범위와마이크로웨이브자료의정밀한이해및분석이우선되어야할것으로분석된다. 5. 문제점및개선가능성 COMS의제한적인채널자료는구름속의강수입자분포특성등이명확하게구별되지않기때문에이 COMS 자료를이용한강우강도산출결과의정확성은제한적이다. 따라서 COMS 채널자료에의한강우강도정확성향상방법으로써시 공간적으로운형을제한하거나장기적으로는마이크로웨이브채널을이용하여직접적으로강우강도를산출하는것이제안될수있다. 이연구에서는 COMS 채널자료에의한강우강도산출결과검증을위하여지상 AWS 자료가사용되나 AWS 자료는시간누적자료이고위성관측자료는순간관측자료로간주될수있기때문이이들두자료는시간일치되지않는다. 따라서 COMS 자료에의하여산출된강우강도결과를정확하게검증및평가하기위해서는특정지역의조밀한강우관측자료 (AWS 자료등 ) 및레이더자료등이요구되며활용이권고되며산출된강우강도의정확성은각각의화소에대한평가보다는시 공간적인통계평가가더중요할것으로평가된다. 그리고강우강도산출을위한마이크로웨이브자료로서현재의 SSM/I (F15) 자료뿐만아니라다양한마이크로웨이브자료들 (SSMIS, AMSU, AMSR/E, TRMM TMI) 이활용될경우 COMS 강우강도산출정확성향상에기여할수있을것이다. 6. 참고문헌 Adler, R. F., and A. J. Negri, 1988 : A satellite infrared technique to estimate tropical convective and stratiform rainfall. J. Appl. Meteor., 27, Arkin, P. A., 1979 : The relationship between fractional coverage of high cloud and rainfall accumulations during GATE over the B-scale array. Mon. Wea. Rev., 107, Arkin, P. A., and B. M. Meisner, 1987 : The Relationship between Large-Scale Convective Rainfall and Cold Cloud over the Western Hemisphere during 국가기상위성센터

28 Mon. Wea. Rev., 115, Atlas, D., D. Rosenfeld, and D. B. Wolff, 1990 : Climatologically tuned reflectivity-rainrate relations and links to area-time integrals. J. Appl. Meteor., 29, Ba, M., and A. Gruber, 2001 : GOES Multispectral Rainfall Algorithm(GMSRA). J. Appl. Meteor.,29, Crosson, W. L., C. E. Duchon, R. Raghavan, and S. J. Goodman, 1996 : Assessment of rainfall estimates using a standard Z-R relationship and the probability matching method applied to composite radar data in Central Florida. J. Appl. Meteor., 35, Delgado, G., Luiz A. T. Machado, Carlos F. Angelis, Marcus J. Bottino,. Redao, J. Lorente, L. Gimeno, and R. Nieto, 2008 : Basis for a Rainfall Estimation Technique Using IR VIS Cloud Classification and Parameters over the Life Cycle of Mesoscale Convective Systems. J. of Appl. Meteol and Clim., 47, Inoue,T. and S. A. Ackerman, 2002 : Radiative Effects of Various Cloud Types as Classified by the Split Window Technique over the Eastern Sub-tropical Pacific Derived from Collocated ERBE and AVHRR Data., J. of Meteorological Society of Japan, 80, Inoue, T., 1987 : A cloud type classification with NOAA-7 split-window measurements. J. Geophys. Res., 92, Joyce, R. J., J. E. Janowiak, P. A. Arkin, and P. Xie, 2004 : CMORPH: A Method that Produces Global Precipitation Estimates from Passive Microwave and Infrared Data at High Spatial and Temporal Resolution, J. of Hydrometeor., 5(3), Kuligowski, R. J., 2002 : A self-calibrating GOES rainfall algorithm for short-term rainfall estimates. J. Hydrometeor.,3, Kummerow C., Y. Hongb, W. S. Olsonc, S. Yangc, R. F. Adlerd, J. McCollume, R. Ferraroe, G. Pettyf, D-B. Shina, and T. T. Wilheitg, 2001 : The evolution of the Goddard profiling algorithm (GPROF) for rainfall estimation from passive microwave sensors. J. Appl. Meteor., 40, Kurino, T., 1997 : A satellite infrared technique for estimating "deep/shallow" convective and stratiform precipitation. Adv. Space Res., Lavizzani, V., Convective rain from a satellite prospective: Achievements and challenges. SAF Training Workshop-Nowcasting and Very Short Forecasting, Madrid, 9-11 Dec., EUMESAT, EUM P 25, Negri, A. J., R. F. Adler, and P. J. Wetzel, 1984 : Rain estimation from satellites: an examination of the Griffith-Woodley technique, J. Climate Appl. Meteor., 26, 국가기상위성센터

29 Scofield, R. A. and R. J. Kuligowski, 2003 : Status and Outlook of Operational Satellite Precipitation Algorithms for Extreme-Precipitation Events., Weather and Forecasting,18, Sorooshian, S., K.-L. Hsu, X. Gao, H. V. Gupta, B. Imam, and D. Braithwaite, 2000 : An evaluation of PERSIANN system satellite-based estimates of tropical rainfall. Bull. Amer. Meteor. Soc., 81, Spencer R. W., H. M. Goodman, and R. E. Hood, 1989 : Precipitation retrieval over land and ocean with the SSM/I: Identification and characteristics of the scattering signal. J. Atmos. Oceanic Technol., 6, Turk, F. J., E. E. Ebert, H.-J. Oh, B.-J. Sohn, V. Levizzani, E. A. Smith and R. R. Ferraro, 2003 : Validation of an operational global precipitation analysis at short time scales. Prepr. 12th Conf. on Satellite Meteor. and Oceanography, Long Beach, CA, 9-13 Feb., paper 1.2, 21. Vincente, G. A., R. A. Scofield, and W. P. Menzel, 1998 : The operational GOES infrared rainfall estimation technique. Bull. Amer. Meteor. Soc., 79, Vincente, G. A., J. C. Davenport, and R. A. Scofield, 2002 : The role of orographic and parallax on real time high resolution satellite rain rate distribution. Intl. J. Remote Sens., 23, Weng, F., L. Zhao, G. Poe, R. R. Ferraro, X. Li, and N. C. Grody, 2003 : Advanced Microwave Sounding Unit (AMSU) cloud and precipitation algorithms. Radio Sci., 38(4), 8068, doi: /2002rs Wentz, Frank J. and Roy W. Spencer, 1998 : SSM/I Rain Retrievals within a UnifiedOcean Algorithm, J. of Atmos. Sci., 55, Zhang, M., and R. A. Scofield, 1994 : Artificial neural network techniques for estimating convective rainfall and recognizing cloud mergers from satellite data. Int. J. Remote Sens., 15, 국가기상위성센터

02¿ÀÇö¹Ì(5~493s

02¿ÀÇö¹Ì(5~493s Korean Journal of Remote Sensing, Vol.22, No.6, 2006, pp.485~493 Estimation of Quantitative Precipitation Rate Using an Optimal Weighting Method with RADAR Estimated Rainrate and AWS Rainrate Hyun-Mi Oh,