KR20130080683A - 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템 - Google Patents

고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템 Download PDF

Info

Publication number
KR20130080683A
KR20130080683A KR1020120001632A KR20120001632A KR20130080683A KR 20130080683 A KR20130080683 A KR 20130080683A KR 1020120001632 A KR1020120001632 A KR 1020120001632A KR 20120001632 A KR20120001632 A KR 20120001632A KR 20130080683 A KR20130080683 A KR 20130080683A
Authority
KR
South Korea
Prior art keywords
precipitation
watershed
detailed
rainfall
data
Prior art date
Application number
KR1020120001632A
Other languages
English (en)
Inventor
오재호
허모랑
정유림
김지혜
Original Assignee
부경대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 부경대학교 산학협력단 filed Critical 부경대학교 산학협력단
Priority to KR1020120001632A priority Critical patent/KR20130080683A/ko
Publication of KR20130080683A publication Critical patent/KR20130080683A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Ecology (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Hydrology & Water Resources (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법에 관한 것이다. 좀 더 구체적으로, 본 발명은 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법은 상세 강수량 예측서버가 고해상도의 강수 예측 자료를 ARCGIS에 입력하는 (A)단계와, 상기 (A)단계에 의해 고해상도의 강수 예측 자료가 ARCGIS에 입력되면, 자료 파일 변환 과정을 통해 지도 변환이 용이한 메쉬 구조의 래스터(Raster) 파일로 변환하는 (B)단계와, 상세 강수량 예측서버가 입력부를 통해 사용자가 원하는 유역의 지도를 선택받는 (C)단계와, 상세 강수량 예측서버가 상기 (C)단계에 의해 선택된 유역 지도에 따른 데이터를 추출하는 클립(Clip) 과정을 수행하는 (D)단계와, 상세 강수량 예측서버가 상기 (D)단계의 클립과정 수행결과에 기초하여 유역 강수자료를 생성하는 (E)단계 및 상세 강수량 예측서버가 상기 (E)단계에 의해 생성된 유역 강수자료에 기초하여 상기 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 (F)단계를 포함한다. 상술한 바에 의한 본 발명에 따르면, 특정 유역의 상세 강수량 예측 분포 정보(1Km by 1Km)를 제공할 수 있는 장점이 있다.

Description

고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템{Method and system for predicting detailed rainfall using Quantitative Precipitation Model}
본 발명은 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법에 관한 것으로, 더욱 자세하게는 상세 지형 효과를 고려한 고해상도 강수량 진단 모형(QPM :Quantitative Precipitation Model)을 이용하여 사용자가 원하는 어느 특정 유역의 강수자료를 생성한 뒤 그 특정 유역의 강수자료의 소스(source) 정보를 이용하여 그 특정 유역의 전체 평균 걍수량, 표준편차, 최고 강수량, 최저 강수량 및 예상 강수량의 범위(Range)을 예측함으로써 그 특정 유역의 상세 강수량 예측 분포 정보(1Km by 1Km)를 제공할 수 있는 고해상도 강수량 진단모형을 이용한 소규모 특정 유역의 상세 강수량 예측 방법 및 예측 시스템에 관한 것이다.
본 발명은 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법에 관한 것이다.
기상예보에 있어 강수량의 예보는 지상기압배치 일기도와 각종 분석 차트의 해석을 통한 예보관의 판단에 의존하거나 또는 수치예보로 얻어지는 예상 강수량의 격자 값으로 결정되었다.
최근에는 수치예보의 정확성 향상과 계산 능력의 향상으로 인해 해상도가 높은 예보자료가 생산되고 있는 실정이다. 하지만, 강수 확률 예보에 비하여 강수량을 예보는 여전히 예보자의 경험적 판단 즉, 주관에 의존하고 있다.
상술한 바와 같은 종래기술에 따르면, 상당부분을 예보자의 주관적인 판단에 의존하기 때문에 신뢰성이 떨어지는 문제점이 있다.
한편, 격자 값으로 산출되는 수치예보 정보는 화면 정보로 표출하여 전체적인 분포를 분석하거나 2차 가공하여 사용할 수 있다.
이러한 격자정보는 균일한 지역 정보를 알려주지만, 실제로 알고자 하는 지역(예컨대, 서울 지방, 한강 유역 등)의 경계가 균일하지 않은 면적의 정보를 알 수는 없으며, 알고자 하는 경우 별도의 자료 변환 작업이 필요한 문제점이 있다.
본 발명은 상기 문제점을 해결하기 위하여 발명된 것으로, 본 발명은 상세 지형 효과를 고려한 고해상도 강수량 진단 모형(QPM :Quantitative Precipitation Model)을 이용하여 사용자가 원하는 어느 특정 유역의 강수자료를 생성한 뒤 그 특정 유역의 강수자료의 소스(source) 정보를 이용하여 그 유역의 전체 평균 걍수량, 표준편차, 최고 강수량, 최저 강수량 및 예상 강수량의 범위(Range)을 예측함으로써 그 특정 유역의 상세 강수량 예측 분포 정보(1Km by 1Km)를 제공할 수 있는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템을 제공하는 데 있다.
또한, 본 발명은 유역의 강수량 예측 시, 강수량의 범위(Range)를 산정하기 위한 근거를 제시함으로써 예보자가 이를 선택 적용할 수 있도록 하여 정확한 예보를 할 수 있도록 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템을 제공하는 데 있다.
상기의 목적을 달성하기 위하여 본 발명에 의한 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법은 고해상도 강수량 진단모형을 이용하여 사용자가 지정한 특정 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출한다.
좀 더 구체적으로, 본 발명은 상세 강수량 예측서버가 고해상도의 강수 예측 자료를 ARCGIS에 입력하는 (A)단계; 상기 (A)단계에 의해 고해상도의 강수 예측 자료가 ARCGIS에 입력되면, 자료 파일 변환 과정을 통해 지도 변환이 용이한 메쉬 구조의 래스터(Raster) 파일로 변환하는 (B)단계; 상세 강수량 예측서버가 입력부를 통해 사용자가 원하는 유역의 지도를 선택받는 (C)단계; 상세 강수량 예측서버가 상기 (C)단계에 의해 선택된 유역 지도에 따른 데이터를 추출하는 클립(Clip) 과정을 수행하는 (D)단계; 상세 강수량 예측서버가 상기 (D)단계의 클립과정 수행결과에 기초하여 유역 강수자료를 생성하는 (E)단계; 및 상세 강수량 예측서버가 상기 (E)단계에 의해 생성된 유역 강수자료에 기초하여 상기 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 (F)단계;를 포함한다.
이때, 유역의 평균 강수량은
Figure pat00001
를 이용하여 산출하는 것이 바람직하다.
그리고 표준편차는
Figure pat00002
를 이용하여 산출하는 것이 바람직하다.
한편, 강수의 범위값(Range)은
Figure pat00003
를 이용하여 산출하는 것이 바람직하다.
상기의 목적을 달성하기 위하여 본 발명에 의한 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 시스템은 고해상도 강수량 진단모형을 이용하여 사용자가 지정한 특정 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 상세 강수량 예측서버;를 포함한다.
이때, 상기 상세 강수량 예측서버는, 고해상도의 강수 예측 자료를 ARCGIS에 입력하는 입력부; 상기 입력부에 의해 고해상도의 강수 예측 자료가 ARCGIS에 입력되면, 자료 파일 변환 과정을 통해 지도 변환이 용이한 메쉬 구조의 래스터(Raster) 파일로 변환하는 래스터 파일변환부; 입력부를 통해 사용자가 원하는 유역의 지도를 선택받는 지도선택부; 상기 지도선택부에 의해 선택된 유역 지도에 따른 데이터를 추출하는 클립(Clip) 과정을 수행하는 클립 수행부; 상기 클립 수행부의 클립과정 수행결과에 기초하여 유역 강수자료를 생성하는 강수자료 생성부; 상기 강수자료 생성부에 의해 생성된 유역 강수자료에 기초하여 상기 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 상세강수정보 생성부;를 포함한다.
이때, 상세강수정보 생성부는, 유역의 평균 강수량을
Figure pat00004
를 이용하여 산출한다.
또한, 상세강수정보 생성부는, 표준편차를
Figure pat00005
를 이용하여 산출한다.
그리고 상세강수정보 생성부는, 강수의 범위값(Range)을
Figure pat00006
를 이용하여 산출한다.
또한, 상기 상세 강수량 예측서버는, 상세강수정보 생성부에 의해 생성된 사용자가 지정한 특정 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 사용자에게 시각적으로 출력하는 출력부;를 더 포함하는 것이 바람직하다.
본 발명에 따르면, 본 발명은 상세 지형 효과를 고려한 고해상도 강수량 진단 모형(QPM :Quantitative Precipitation Model)을 이용하여 사용자가 원하는 어느 특정 유역의 강수자료를 생성한 뒤 그 유역의 강수자료의 소스(source) 정보를 이용하여 그 특정 유역의 전체 평균 걍수량, 표준편차, 최고 강수량, 최저 강수량 및 예상 강수량의 범위(Range)을 예측함으로써 그 특정 유역의 상세 강수량 예측 분포 정보(1Km by 1Km)를 제공할 수 있는 장점이 있다.
또한, 본 발명은 유역의 강수량 예측 시, 강수량의 범위(Range)를 산정하기 위한 근거를 제시함으로써 예보자가 이를 선택 적용할 수 있도록 하여 정확한 예보를 할 수 있도록 하는 장점이 있다.
도 1은 본 발명의 바람직한 실시예에 의한 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량을 예측하는 과정을 도시한 순서도.
도 2는 2010년 8월 태풍으로 인한 강우 발생 사례를 전지구 수치예보 모델인 GME의 모의결과를 초기입력 값으로 이용하여 정량적 강우진단 모형인 QPM으로 모의하여 ARCGIS로 표출한 결과를 보여주는 설명도.
이하에서는 상기한 바와 같은 본 발명에 의한 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법의 바람직한 실시예를 첨부된 도면을 참고로 하여 상세하게 설명한다.
본 발명은 상세 강수량 예측서버가 수평 해상도 1Km인 고해상도 강수 예측 자료를 ARCGIS를 이용하여 유역 강수량 정보로 변환한 뒤 유역의 강수량 평균값, 표준편차 값, 최대값 및 최소값을 산출하는 방법에 관한 것이다.
즉, 본 발명은 고해상도 강수량 진단 모형(QPM : Quantitative Precipitation Model)을 이용하는 것이다. 고해상도 강수량 진단 모형(QPM 모형)은 전지구 또는 중규모 모형의 예측자료의 배경장에 소규모 지형 효과를 고려한 강수량을 산출하는 모형으로, 상세 지역 강수량 산출 시 모형의 적분 시간을 단축시키고 전산자원을 절약할 수 있다.
이하에서는 상세 강수량 예측서버가 수평 해상도 1km인 고해상도 강수 예측 자료를 이용하여 ARCGIS에서 유역 강수자료를 얻는 과정을 도 1을 참조하여 더욱 상세하게 설명하기로 한다.
우선, 상세 강수량 예측서버가 고해상도의 강수 예측 자료를 ARCGIS에 입력한다(단계 S100). 이후, 자료변환 과정(Text 파일 변환 과정)을 통하여 지도 변환이 용이한 메쉬 구조의 래스터(Raster) 파일로 변환한다(단계 S110).
이후, 상세 강수량 예측서버가 입력부를 통해 사용자가 원하는 유역의 지도를 선택받고(단계 S120), 그 선택된 유역 지도에 따른 데이터를 추출하는 클립(Clip) 과정을 수행한다(단계 S130).
그리고 나서 상세 강수량 예측서버는 그 클립과정 수행결과에 기초하여 유역 강수자료를 생성한다(단계 S140).
이후, 상세 강수량 예측서버는 상술한 바에 의해 ARCGIS에서 생성된 유역 강수 자료의 소스(source) 정보를 통하여 유역의 예측 평균강수량, 표준편차, 최대값 및 최소값, 강수의 범위값(Range)을 산출할 수 있다(단계 S150).
여기서, 유역 내의 평균 강수량은 [수학식 1]에 의해 산출한다.
Figure pat00007
이때,
Figure pat00008
은 유역 내의 강수량 예측 값이며, n은 예측 값의 개수이다.
본 발명은 유역 내 강수량의 산포정도를 나타내기 위하여 표준 편차값(
Figure pat00009
)를 사용하고, 표준 편차값(
Figure pat00010
)은 [수학식 2]를 통해 산출한다.
Figure pat00011
여기서, n은 예측 값이 개수이며, 예측 값(
Figure pat00012
)의 평균값을 m으로 한다. 또한, 유역 최고 강수량과 유역 최저 강수량은 각각 유역 내 예측 값의 최대값과 최소값으로 한다.
한편, 강수의 범위값(Range)은 [수학식 3]에 의해 산출한다.
Figure pat00013
한편, 상세 강수량 예측서버는 고해상도 강수량 진단모형을 이용하여 사용자가 지정한 특정 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출한다.
이때, 상기 상세 강수량 예측서버는, 고해상도의 강수 예측 자료를 ARCGIS에 입력하는 입력부와, 상기 입력부에 의해 고해상도의 강수 예측 자료가 ARCGIS에 입력되면, 자료 파일 변환 과정을 통해 지도 변환이 용이한 메쉬 구조의 래스터(Raster) 파일로 변환하는 래스터 파일변환부와, 입력부를 통해 사용자가 원하는 유역의 지도를 선택받는 지도선택부와, 상기 지도선택부에 의해 선택된 유역 지도에 따른 데이터를 추출하는 클립(Clip) 과정을 수행하는 클립 수행부와, 상기 클립 수행부의 클립과정 수행결과에 기초하여 유역 강수자료를 생성하는 강수자료 생성부; 상기 강수자료 생성부에 의해 생성된 유역 강수자료에 기초하여 상기 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 상세강수정보 생성부와, 상기 상세강수정보 생성부에 의해 생성된 사용자가 지정한 특정 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 사용자에게 시각적으로 출력하는 출력부를 포함한다.
도 2에는 2010년 8월 태풍('DIAMU')으로 인한 강우 발생 사례를 전지구 수치예보 모델인 GME의 모의결과를 초기입력 값으로 이용하여 정량적 강우진단 모형인 QPM으로 모의하여 ARCGIS로 표출한 결과를 보여주는 도면이다. 좀 더 구체적으로, 도 2는 2010년 태풍('DIAMU') 사례의 총강수량 분포, 경상남도의 3시간 누적 강수 예보(2010년 8월 10일 21UTC~11일 00UTC)를 보여주는 것이다.
분석 사례에서 경상남도 지방의 총강수량 및 유역 내 최대 강수량과 발생 지점, 최소 강수량과 발생지점의 결과를 산출하였다.
한편, [표 1]은 본 발명의 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법을 토대로 작성된 룩업 테이블(lookup table)이다.
예보자는 [표 1]에 도시된 룩업 테이블(lookup table)을 활용하여 수치예보 자료에 근거한 강수량 예측 범위(Range) 값을 범주별로 파악할 수 있고, 예보자의 경험적 판단과 종합 분석을 토대로 예보를 결정할 수 있다.
Figure pat00014
이하에서는 고해상도 강수량 진단 모형 모의를 통한 태풍 'DIANMU' 사례의 강수량 평가결과를 설명하기로 한다.
[표 2]는 경상남도 지리산의 QPM 모의결과 및 관측값(OBS)을 보여주는 것이고, [표 3]은 경상남도 의령군의 QPM 모의결과 및 관측값(OBS)을 보여주는 것이며, [표 4] 전라남도 황전의 QPM 모의결과 및 관측값(OBS)을 보여주는 것이고, [표 5]는 전라남도 유치의 QPM 모의결과 및 관측값(OBS)을 보여주는 것이며, [표 6]은 경상북도 기계의 QPM 모의결과 및 관측값(OBS)을 보여주는 것이고, [표 7]은 경상북도 칠곡의 QPM 모의결과 및 관측값(OBS)을 보여주는 것이며, [표 8]은 지점별 강수량의 Bias, Rmse,
Figure pat00015
분석결과를 보여주는 것이다.
Figure pat00016
Figure pat00017
Figure pat00018
Figure pat00019
Figure pat00020
Figure pat00021
Figure pat00022
상술한 분석결과를 통해 알 수 있듯이, 3시간 총 누적 강수량 분포의 경우 QPM 모의결과가 관측 패턴을 따르며 특히 지리산과 제주도와 같은 산악지역에서의 강한 강수를 잘 모의하는 장점이 있다.
또한, scatter plot 분석을 통해 총 누적 강수량의 관측과 QPM 모의 결과를 비교해 본 결과 이 다소 과소 모의하는 경향은 있으나 GME 모의결과에 비해 관측과의 상관관계가 높은 장점이 있다.
전라남도 경상남도 경상북도의 지점별 관측과 QPM 모의결과에 대한 시계열 분석결과 QPM 패턴과 Peak-value를 잘 모의하는 장점이 있다.
도별 강수량 표출 시 QPM이 특정 지역의 집중 강수 분포를 잘 나타내는 장점이 있다.
이상에서는 본 발명을 특정의 바람직한 실시예에 대해서 도시하고 설명하였다. 그러나 본 발명은 상술한 실시예에만 국한되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어남이 없이 얼마든지 다양하게 변경 실시할 수 있을 것이다. 따라서 본 발명의 권리범위는 특정 실시예에 한정되는 것이 아니라, 첨부된 특허청구범위에 의해 정해지는 것으로 해석되어야 할 것이다.

Claims (11)

  1. 고해상도 강수량 진단모형을 이용하여 사용자가 지정한 특정 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법.
  2. 청구항 1에 있어서,
    상세 강수량 예측서버가 고해상도의 강수 예측 자료를 ARCGIS에 입력하는 (A)단계;
    상기 (A)단계에 의해 고해상도의 강수 예측 자료가 ARCGIS에 입력되면, 자료 파일 변환 과정을 통해 지도 변환이 용이한 메쉬 구조의 래스터(Raster) 파일로 변환하는 (B)단계;
    상세 강수량 예측서버가 입력부를 통해 사용자가 원하는 유역의 지도를 선택받는 (C)단계;
    상세 강수량 예측서버가 상기 (C)단계에 의해 선택된 유역 지도에 따른 데이터를 추출하는 클립(Clip) 과정을 수행하는 (D)단계;
    상세 강수량 예측서버가 상기 (D)단계의 클립과정 수행결과에 기초하여 유역 강수자료를 생성하는 (E)단계; 및
    상세 강수량 예측서버가 상기 (E)단계에 의해 생성된 유역 강수자료에 기초하여 상기 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 (F)단계;를 포함하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법.
  3. 청구항 2에 있어서,
    유역의 평균 강수량은
    Figure pat00023
    를 이용하여 산출하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법.
  4. 청구항 3에 있어서,
    표준편차는
    Figure pat00024
    를 이용하여 산출하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법.
  5. 청구항 4에 있어서,
    강수의 범위값(Range)은
    Figure pat00025
    를 이용하여 산출하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법.
  6. 고해상도 강수량 진단모형을 이용하여 사용자가 지정한 특정 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 상세 강수량 예측서버;를 포함하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 시스템.
  7. 청구항 6에 있어서, 상기 상세 강수량 예측서버는,
    고해상도의 강수 예측 자료를 ARCGIS에 입력하는 입력부;
    상기 입력부에 의해 고해상도의 강수 예측 자료가 ARCGIS에 입력되면, 자료 파일 변환 과정을 통해 지도 변환이 용이한 메쉬 구조의 래스터(Raster) 파일로 변환하는 래스터 파일변환부;
    입력부를 통해 사용자가 원하는 유역의 지도를 선택받는 지도선택부;
    상기 지도선택부에 의해 선택된 유역 지도에 따른 데이터를 추출하는 클립(Clip) 과정을 수행하는 클립 수행부;
    상기 클립 수행부의 클립과정 수행결과에 기초하여 유역 강수자료를 생성하는 강수자료 생성부;
    상기 강수자료 생성부에 의해 생성된 유역 강수자료에 기초하여 상기 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 산출하는 상세강수정보 생성부;를 포함하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 시스템.
  8. 청구항 7에 있어서, 상세강수정보 생성부는,
    유역의 평균 강수량을
    Figure pat00026
    를 이용하여 산출하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 시스템.
  9. 청구항 8에 있어서, 상세강수정보 생성부는,
    표준편차를
    Figure pat00027
    를 이용하여 산출하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 시스템.
  10. 청구항 9에 있어서, 상세강수정보 생성부는,
    강수의 범위값(Range)을
    Figure pat00028
    를 이용하여 산출하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 시스템.
  11. 청구항 10에 있어서, 상기 상세 강수량 예측서버는,
    상세강수정보 생성부에 의해 생성된 사용자가 지정한 특정 유역의 예측 평균 강수량 또는 표준편차 또는 최대값 또는 최소값 또는 강수의 범위값(Range)을 사용자에게 시각적으로 출력하는 출력부;를 더 포함하는 것을 특징으로 하는 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 시스템.
KR1020120001632A 2012-01-05 2012-01-05 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템 KR20130080683A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120001632A KR20130080683A (ko) 2012-01-05 2012-01-05 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120001632A KR20130080683A (ko) 2012-01-05 2012-01-05 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템

Publications (1)

Publication Number Publication Date
KR20130080683A true KR20130080683A (ko) 2013-07-15

Family

ID=48992720

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120001632A KR20130080683A (ko) 2012-01-05 2012-01-05 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템

Country Status (1)

Country Link
KR (1) KR20130080683A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103713336A (zh) * 2013-12-24 2014-04-09 广西壮族自治区气象服务中心 基于gis分区的水电站流域面雨量气象预报方法
KR101504100B1 (ko) * 2013-11-26 2015-03-19 재단법인 한국형수치예보모델개발사업단 로렌츠 연직 이산화 기반의 육면체구 수평 격자체계를 사용하는 수치일기예보모델의 물리과정 모수화 패키지 구성 방법 및 이를 구현하는 하드웨어 장치
WO2017104882A1 (ko) * 2015-12-18 2017-06-22 부경대학교 산학협력단 고해상도 강수량자료 복원시스템 및 그 방법
CN107632818A (zh) * 2016-05-12 2018-01-26 韩锋 遥感图像信息批量提取的Arcgis工具箱
KR20210075264A (ko) 2019-12-12 2021-06-23 부경대학교 산학협력단 과거 극한 강우 사상 기반 강우량 예측 프로그램
US11333797B1 (en) * 2021-04-14 2022-05-17 China Institute Of Water Resources And Hydropower Research Method for estimating quantitative precipitation by combining observation data of weather radar and rain gauges

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101504100B1 (ko) * 2013-11-26 2015-03-19 재단법인 한국형수치예보모델개발사업단 로렌츠 연직 이산화 기반의 육면체구 수평 격자체계를 사용하는 수치일기예보모델의 물리과정 모수화 패키지 구성 방법 및 이를 구현하는 하드웨어 장치
CN103713336A (zh) * 2013-12-24 2014-04-09 广西壮族自治区气象服务中心 基于gis分区的水电站流域面雨量气象预报方法
CN103713336B (zh) * 2013-12-24 2016-01-06 广西壮族自治区气象服务中心 基于gis分区的水电站流域面雨量气象预报方法
WO2017104882A1 (ko) * 2015-12-18 2017-06-22 부경대학교 산학협력단 고해상도 강수량자료 복원시스템 및 그 방법
CN108474867A (zh) * 2015-12-18 2018-08-31 釜庆大学校产学协力团 高分辨率降水量资料复原***及其方法
CN107632818A (zh) * 2016-05-12 2018-01-26 韩锋 遥感图像信息批量提取的Arcgis工具箱
KR20210075264A (ko) 2019-12-12 2021-06-23 부경대학교 산학협력단 과거 극한 강우 사상 기반 강우량 예측 프로그램
US11333797B1 (en) * 2021-04-14 2022-05-17 China Institute Of Water Resources And Hydropower Research Method for estimating quantitative precipitation by combining observation data of weather radar and rain gauges

Similar Documents

Publication Publication Date Title
Hardy et al. A method for probabilistic flash flood forecasting
Gires et al. Quantifying the impact of small scale unmeasured rainfall variability on urban runoff through multifractal downscaling: A case study
Wheater Progress in and prospects for fluvial flood modelling
Cloke et al. Ensemble flood forecasting: A review
Velazquez et al. Can a multi-model approach improve hydrological ensemble forecasting? A study on 29 French catchments using 16 hydrological model structures
Han et al. Drought forecasting based on the remote sensing data using ARIMA models
KR20130080683A (ko) 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템
Marty et al. Toward real-time daily PQPF by an analog sorting approach: Application to flash-flood catchments
KR101092380B1 (ko) 지역기후모델의 모의결과를 고려한 지역기후 앙상블 예측 방법
Muthusamy et al. Geostatistical upscaling of rain gauge data to support uncertainty analysis of lumped urban hydrological models
KR20140103589A (ko) Ｍａｐｌｅ 기상예보자료를 이용한 홍수예측 방법 및 그 장치
Arnaud et al. Uncertainties of flood frequency estimation approaches based on continuous simulation using data resampling
Chen et al. Postprocessing of ensemble weather forecasts using a stochastic weather generator
CN108846501A (zh) 一种雨水低影响开发设施建设规模确定方法
Song et al. A multistep chaotic model for municipal solid waste generation prediction
Tarawneh et al. A pre-calibration approach to select optimum inputs for hydrological models in data-scarce regions
KR101463493B1 (ko) 추계학적 태풍모의를 적용한 전지구 기후모델의 보완방법
Wood The University of Washington Surface Water Monitor: An experimental platform for national hydrologic assessment and prediction
Bajamgnigni Gbambie et al. Added value of alternative information in interpolated precipitation datasets for hydrology
Cattoën et al. Coupling a high-resolution weather model with a hydrological model for flood forecasting in New Zealand
Zhang Using LiDAR-DEM based rapid flood inundation modelling framework to map floodplain inundation extent and depth
Tian et al. Quantifying both climate and land use/cover changes on runoff variation in Han River basin, China
JP6178121B2 (ja) 模擬降雨データ生成装置、生成方法およびプログラム
Wasko et al. A systematic review of climate change science relevant to Australian design flood estimation
Brommundt et al. Spatial correlation of radar and gauge precipitation data in high temporal resolution

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application