Usefulness of Precipitable Water for Improvement of the Accuracy of Rainfall Occurrence Decision by Radar Data

민석 강; 정모 구; 철상 유

doi:10.9798/KOSHAM.2016.16.1.37

J. Korean Soc. Hazard Mitig. > Volume 16(1); 2016 > Article

레이더 자료를 이용한 강우발생 판단의 정확도 향상을 위한 가강수량의 효용성평가

기상방재

J Korean Soc Hazard Mitig 2016; 16(1): 37-50.

Published online: February 29, 2016

DOI: https://doi.org/10.9798/KOSHAM.2016.16.1.37

레이더 자료를 이용한 강우발생 판단의 정확도 향상을 위한 가강수량의 효용성평가

강민석^*, 구정모^**, 유철상^***

Usefulness of Precipitable Water for Improvement of the Accuracy of Rainfall Occurrence Decision by Radar Data

Minseok Kang^*, Jung Mo Ku^**, Chulsang Yoo^***

^* Member. Master’s Course, School of Civil, Environmental and Architectural Engineering, College of Engineering, Korea University

^** Member. Ph.D Candidate, School of Civil, Environmental and Architectural Engineering, College of Engineering, Korea University

^***Corresponding Author. Member. Professor, School of Civil, Environmental and Architectural Engineering, College of Engineering, Korea University
(Tel: +82-2-3290-3321, Fax: +82-2-3290-3912, E-mail: envchul@korea.ac.kr)

Received November 12, 2015 Revised November 16, 2015 Accepted December 07, 2015

Abstract

This study evaluated the accuracy of using the radar data to determine the rainfall occurrence, also the possibility of using the precipitable water as a role to improve the accuracy. To evaluate the role of precipitable water, the occurrence probability of rainfall was derived and evaluated. Also, how the precipitable water could improve the accuracy of rain/no rain decision was evaluated. In this study, Both the Gwanaksan radar data and 28 AWS within the radar umbrella were analyzed. The precipitable water data were derived by using the Osan and Baengnyeongdo aerological station data. The results are as follows: (1) When using the 1.5 km CAPPI data and PPI data, the matching probability of rainfall occurrence was calculated about 30% and the matching probability of no rainfall occurrence was calculated about 95%. (2) The precipitable water was found to improve the radar accuracy on rain/no rain decision by about 4% (monthly maximum: 8%). (3) This result was similarly calculated when using the 1.5 km CAPPI data and PPI data. (4) Precipitable water has a role of threshold that transform rain into no rain during the dry season and transform no rain into rain during the wet season.

Keywords: Radar rainfall, Precipitable water, Rainfall occurrence, Matching probability, Rainfall distribution

요지

본 연구에서는 레이더 자료를 이용하여 강우발생을 판단하는데 있어 그 정확성을 살펴보고, 이를 높이기 위한 방법으로 가강수량의 역할을 평가하였다. 이를 위해, 레이더 자료와 AWS 강우자료를 이용하여 강우발생을 분석하고 평가하였다. 또한, 가강수량 자료가 강우발생 판단의 정확성에 어느 정도 기여하는지를 조사하였다. 본 연구에서는 관악산 레이더 자료와 레이더 반경 내 분포되어 있는 28개 지점의 AWS 강우자료를 분석하였다. 가강수량 자료로는 오산 고층기상관측소와 백령도 고층기상관측소 자료를 이용하였다. 그 결과는 다음과 같다. (1) 레이더 자료를 이용하여 강우발생 판단을 할 경우, 강우에 대해서는 30% 정도, 무강우에 대해서는 95% 이상의 적중확률을 나타낸다. (2) 레이더 자료를 이용하여 강우발생 판단을 하는데 있어 가강수량을 적용할 경우, 평균 4% 정도(월평균 최대 8%)의 적중확률 증가를 확인할 수 있었다. (3) 이러한 결과는 1.5 km CAPPI 자료와 최저고도각 PPI 자료에 모두 유사하게 나타났다. (4) 레이더 자료를 이용하여 강우발생 지역을 판단하는데 있어 가강수량이 건기 시에는 강우를 무강우로 변환 시켜주는 기준 역할을 하고, 우기 시에는 무강우를 강우로 변환 시켜주는 기준 역할을 하는 것을 확인하였다.

1. 서론

강우는 다른 기상인자에 비해 시공간적 변동성이 크고 간헐성(intermittency)이라는 특징을 가지고 있다. 이러한 특징 때문에 강우의 특성을 정량화하고 예측하는 것은 매우 어렵다. 일반적으로 강우는 우량계를 이용하여 관측한다. 그러나 현재 우량계로 구성된 강우관측망은 높은 시공간 변동성을 갖는 강우자료를 측정하기에 충분하지 않다(Yoo et al., 2008).

강우는 일상생활뿐만 아니라 사회적으로도 많은 영향을 미친다. 또한 강우발생 시 강우강도의 크기도 중요하지만 강우발생 자체가 중요한 경우도 많다. 큰 재해를 야기하는 것은 아니지만, 강우발생 자체가 일상생활에 큰 영향을 미치기 때문이다. 농업활동과 건설공사는 물론 일반적인 야외 여가활동 대부분이 강우발생 여부에 큰 영향을 받는다. 기상분야에서도 이러한 중요성을 반영하여 지역별로 강우발생 확률을 따로 예보하고 있으며, 아울러 그 정확성을 판단하기 위한 많은 지표들을 이용하고 있다. 예를 들어 CSI(Critical Success Index), ACC(Forcast Accuracy), POD(Probability of Detection), FAR(False Alarm Ratio) 등이 여기에 포함된다.

현재 강우 측정을 위해 우량계, 레이더, 기상위성 등의 장비들이 이용되고 있다. 기존에는 우량계를 이용하여 강우를 추정하였다. 그러나 우량계 자료의 경우 관측지점에서는 정확한 결과를 나타내지만 공간적인 강우장(rainfall field)을 파악하는데 한계가 있다. 또한 설치 및 유지관리가 간단하지 않다는 문제점이 있다. 이러한 우량계의 관측 한계를 극복하기 위한 방법으로 주목 받고 있는 것이 바로 레이더이다. 레이더는 실시간으로 넓은 지역의 강우 현황을 파악하는 것이 가능하므로 강우예측에 있어 매우 큰 장점을 갖는다(Yoo and Yoon, 2010). 그러나 레이더 관측자료 역시 기본적으로 많은 오차요소를 포함하고 있다는 한계를 가진다.

이러한 레이더의 한계를 극복하고자 하는 목적으로 다른 센서를 이용하는 경우가 있다. 인공위성이나 원격탐사 장비를 이용하여 강우를 추정하는 연구 등이 그 예이다(Simpson et al., 1988; Shepherd et al., 2002: Li et al., 2012). 또한 다른 기상자료를 이용하는 경우도 있는데, 주로 평균기온, 해수면온도, 가강수량 등이 고려되고 있다(Austin, 1987; Robertson et al., 2003; Yoo et al., 2015). 본 연구에서는 이들 중 가강수량이 강우발생 판단에 어떤 역할을 할 수 있는지 알아보고자 한다.

가강수량은 대기 중 수증기량을 물의 깊이로 나타내는 기상인자이다. 지면-대기 상호작용 및 국지 수문기상의 변화를 살펴보는데 필요한 정보이다. 또한 가강수량은 강우와 마찬가지로 뚜렷한 계절성을 나타내며, 국지적인 수문기상학적 변화를 파악하고 평가하는데 있어 중요한 역할을 한다(Kim, 2002). 그러나 가강수량은 관측의 고비용성 때문에 매우 제한된 지점에서만 관측되고 있는 실정이다. 따라서 이외의 지점에서는 간접적으로 추정해야 하는 한계를 가진다(Yoo et al., 2004).현재 가강수량과 관련된 연구로는 가강수량의 변동특성 파악(Snider, 2000; Suparta et al., 2008)과 다른 기상인자를 이용한 가강수량의 추정이 있다(Han, 1968; 1971; Cho and Lee, 1982; Yoo et al., 2004; Reber and Swope, 1972). 또한 가강수량과 강우발생과의 관계에 관한 연구가 진행되고 있기는 하나(Yoo et al., 2015), 아직은 많이 부족한 편이다.

본 연구에서는 레이더로 강우를 관측하는데 있어 강우발생판단의 정확성을 분석하였다. 아울러 그 정확성을 높이기 위해 가강수량이 어떤 역할을 할 수 있는가를 평가하고자 한다. 이를 위해 관악산 레이더 반사도 자료(1.5 km CAPPI, 최저고도각 PPI)와 레이더 관측반경 내 위치한 AWS 지점의 강우자료, 백령도와 오산 지점의 고층기상관측자료를 이용하였다. 본 연구에서는 먼저, 레이더 반사도를 이용하여 강우발생을 판단하는 방법을 정리하였다. 아울러 강우발생 판단을 위해 사용되는 임계값을 검토하고, 가강수량과 이와 관련된 연구를 정리하였다. 또한, 관측자료를 이용하여 대상지점에서의 강우/무강우 발생 확률을 산정하였고, 가강수량 기준을 설정하여 적용하였을 때 변화된 강우/무강우 적중확률을 분석하였다.

2. 레이더 강우

2.1 Z-R 관계식

레이더는 목표물에 반사되어 오는 신호를 분석하여 반사도(dBZ)값으로 저장한다. 이를 활용하기 위해서는 강우량(mm/hr)으로 산출하는 과정이 필요하다. 이를 레이더 강우량 추정이라고 한다. 강우량 추정에는 레이더 반사도와 강우강도를 이용하여 결정한 경험적인 추정식이 사용된다(Bringi and Chandrasekar, 2001). 이러한 경험식을 Z-R 관계식이라고 하며 다음과 같은 형태를 갖는다.

(1)

A=αRβ

여기서, α는 Z−R 관계식의 계수항에 해당하는 매개변수, β값은 지수항을 나타낸다. 과거에는 Marshall and Palmer(1948)가 제안한 Z=200R^1.6이 많이 사용되었으나, 이후 강우의 형태에 따라 다양한 관계식이 제시된 바 있다. 다음 Table 1은 국가별, 강우형태별, 기후특성별 다양한 Z−R 관계식을 정리한 것이다.

Table 1

Various Z-R relationship

Author	Year	Country	Rainfall type	Z=αR^β
Author	Year	Country	Rainfall type	α	β
Marshall et al.	1947	Canada		190	1.72
Marshall and Palmer	1948	Canada	Stratiform	200	1.60
Boucher	1951			180	1.55
Blanchard	1953	USA	Convective	16	1.55
Jones	1956		All storm	372	1.47
			Thunder showers	435	1.48
			Rain showers	370	1.31
			Continuous	311	1.43
Imai	1960	Japan		700	1.60
Fujiwara	1967	USA		80	1.38
Stout and Mueller	1968	USA	Continuous	332	1.33
Cataneo	1969	USA		286	1.43
Doelling et al.	1998	Germany	Warm air advection	200	1.50
			Cold air advection	255	1.50
			weak gradient type	206	1.50
			Thunder storms	318	1.50

2.2 레이더 강우발생 판단을 위한 레이더 반사도의 임계값 설정

레이더 반사도를 이용하여 강우발생을 판단하기 위해서는 그 기준이 되는 임계값(threshold)의 설정이 필요하다. 그러나 사용되는 임계값은 레이더의 특성을 반영하는 경우와 우량계의 특성을 반영하는 경우에 다르게 나타나는 문제가 있다. 예를 들어, Brandes et al.(1999)은 레이더 굴절율의 변동을 고려할 때, 25 dBZ가 임계값으로 적절하다고 제시한 바 있다. Liao et al.(2001)은 강우강도와 반사도의 비교에서, 레이더반사도의 임계값으로 15 dBZ를 사용하기도 하였다. Bringi et al.(2001)은 C-band 레이더를 이용하여 대류성 강우를 관찰하는 경우, 강우강도의 임계값으로 5 mm/hr의 값을 제시하기도하였다.

이와 반대로 우량계 강우의 임계값은 우량계의 검출한계와 관련이 깊다. 일반적으로 0.5 mm/hr가 많이 사용되는데 이 값은 사실 강우관측에 많이 사용되는 우량계의 강우 검출한계 값이기도 하다. Conner and Petty(1998)도 레이더와 위성 강우를 비교할 목적으로 임계값 0.5 mm/hr를 사용한 바 있다. 국내에서 사용되는 RAR 시스템에서는 Z-R 관계식의 추정에 WPMM 방법을 사용하고 있는데, 여기서는 강우강도 0.1 mm/hr, 레이더 반사도 10 dBZ를 임계값으로 사용하고 있다.

본 연구에서는 레이더 반사도의 임계값으로 우량계의 검출한계에 해당하는 0.5 mm/hr에 대응하는 반사도 값을 사용하고자 한다. 이는 연구의 목적상 레이더 강우발생과 우량계 강우발생을 1:1로 비교하기 위함이다. 레이더 반사도와 강우강도 사이의 관계는 Z-R 관계식에 의해 설정된다. 따라서 레이더 반사도의 임계값은 국내에서 주로 사용되는 Marshall-Palmer 관계식을 가지고 설정하였다. 강우강도 0.5 mm/hr에 대한 반사도는 18.19 dBZ이다.

3. 가강수량

3.1 가강수량의 산정

가강수량은 대기의 단위체적에 포함된 수증기량을 액체깊이(mm)로 나타낸 것이다. 즉, 특정 지역에서의 가능강수수분량을 말한다. 가강수량은 대기의 단위체적에 포함된 전 수증기가 응결된다는 가정하에서 가능최대강수량(PMP)의 추정치가 된다. 가강수량은 공기층 내에서의 평균압력과 공기층 상부 및 하부면에서의 온도, 습도 등의 측정에 의해 다음과 같은 경험식으로 산정할 수 있다(Yoon, 1998).

(2)

Wp=∑0.01×qh¯×ΔPa

여기서, W_p는 가강수량(mm)이며, ΔP_a는 층 내의 대기압변화량(milibar), qh¯는 층의 상부면과 하부면에서의 비습도 평균값(g/kg)이다. 비습도(specific humidity)는 습윤공기 단위질량당 수증기의 질량으로 다음과 같은 경험식으로 산정할 수 있다.

(3)

qh=622×e(pa−0.378e)≈622epa

여기서, p_a는 대기압(milibar)이며, e는 어떤 온도 t°C에서의 실제증기압을 나타낸다. 실제증기압은 상대습도(relative humidity, %)를 이용하여 산정할 수 있다. 상대습도(f)는 실제증기압(e)과 특정온도에서의 포화증기압(e_s)의 비를 말하며, 다음과 같은 식으로 나타낸다.

(4)

f=ees×100

상대습도는 또한 다음과 같은 경험식으로 산정할 수 있다.

(5)

f=(112–0.1t+td112+0.9t)8×100

여기서, t는 각 층의 대기 온도, t_d는 각 층의 이슬점 온도이다. 또한 포화수증기압을 결정하는 대표적인 공식으로 아래와 같은 Goff-Gratch 형의 공식을 들 수 있는데, 대략 -50°C∼+55°C의 범위에서 1%미만의 오차를 가지는 것으로 알려져 있다.

(6)

es = 33.8639[(0.00738t + 0.8072)8−0.000019|1.8t + 48|+0.001316]

3.2 가강수량과 강우발생과의 관계

대기 중에 포함되어 있는 수분의 정도는 여러 가지 형태로 표시할 수 있다. 그 중의 한 가지 방법으로 흔히 가강수수분량(precipitable water depth) 또는 가강수량(precipitable water)을 이용한다. 대기 수분량은 그 지역에 강우를 유발하는 기본요소라고 할 수 있고, 공간과 시간에 따라 크게 변한다. 최대효율의 강우 메카니즘이 형성되어 있는 경우에 최대 수분량이 유입되어 강우가 발생하였다고 가정하였을 때의 강우량을 최대 가강수량이라고 정의한다. 대부분의 기상인자가 지상에서의 관측에 의존되는데 비해 가강수량은 종단관측을 통해 추정되므로 주어진 지역에서의 수분 이동 및 공급 등을 파악하는데 유리하다.

가강수량과 관련된 연구의 대부분은 가강수량의 변동특성파악(Snider, 2000; Suparta et al., 2008) 및 다른 기상인자를 이용한 가강수량의 추정(Han, 1968; 1971; Cho and Lee, 1982; Yoo et al., 2004; Reber and Swope, 1972) 등이다. 드물기는 하지만 가강수량과 강우량과의 관계를 제시한 연구(Zeng, 1999; Bretherton et al., 2004; Jones et al., 2010; Park et al., 2013) 및 레이더 강우발생 판단 향상에 가강수량을 이용한 연구(Yoo et al., 2015)도 진행되었다. 대체로 가강수량의 양이 많을수록 강우발생의 가능성도 커지는 것은 사실이나, 이는 계절적, 지역적으로 다르다. 최대 가강수량이 온도에 비례하는 경향을 가짐으로 가강수량의 양 자체가 강우발생과 반드시 선형적인 관계를 갖는 것은 아니기 때문이다.

4. 자료분석

4.1 대상자료

본 연구에서는 레이더로 강우를 관측하는데 있어 강우발생 판단의 정확성을 분석하기 위해 2013년 10월 1일부터 2014년 9월 30일까지의 레이더 자료 및 AWS 강우자료, 고층기상 관측자료를 사용하였다.

레이더 자료는 관악산 레이더 자료를 이용하였고, 관측반경내 위치한 각 AWS 지점에 해당하는 1.5 km CAPPI 자료와 최저고도각 PPI 자료를 사용하였다. AWS 자료는 관악산 레이더 반경 안에 분포하는 28개 지점의 1분누적강우량을 사용하였다. 고층기상관측자료는 AWS 지점과 비교적 인접한 곳에 위치한 오산 지점 자료와 백령도 지점 자료를 적용하였다. 고층기상관측은 지상으로부터 30 km 상공까지 관측기기를 상공으로 올려서 대기 속의 기상현상을 관측하는 방법이다. 상공으로 올라간 관측기기는 고도별 기압, 기온, 습도 등을 측정하여 지상국으로 전송한다. 각 자료의 관측 간격은 레이더자료는 10분, AWS 자료는 1분, 고층기상관측자료는 12시간이다. 따라서 본 연구에서는 AWS 자료와 레이더 자료를 이용한 강우발생을 비교하기 위해, AWS의 1분누적강우량을 10분 간격으로 환산해 강우발생을 판단하도록 하였다. 또한 고층기상관측자료의 경우 가강수량을 산정하는데 사용하였으며, 가강수량 자료의 상관시간(correlation time)이 길어 고층기상관측자료가 관측 간격동안의 레이더 또는 우량계 기록을 대표할 수 있을 것으로 판단하였다. 다음 Fig. 1은 관악산 레이더와 AWS 및 고층기상관측소의 위치를 나타낸다.

Fig. 1

Location of Gwanaksan radar, AWS stations and aerological stations.

4.2 레이더와 AWS의 강우발생 확률

본 연구에서는 레이더 자료와 AWS 자료를 이용하여 강우발생 확률을 분석하였다. 레이더 자료(1.5 km CAPPI, 최저고도각 PPI)와 AWS 자료를 이용하여 28개 AWS 지점에서의 강우발생 확률을 산정하였다. 레이더 자료를 이용한 강우발생판단의 경우, 앞서 산정한 18.19 dBZ를 레이더 반사도 임계값으로 설정하여 수행하였다. AWS 자료를 이용한 강우발생판단의 경우, 10분 단위로 환산한 강우량이 0인 경우 무강우, 0이 아닌 경우 강우로 판단하였다. 이를 통해 관악산 레이더 반경 내 위치한 28개 지점을 대상으로 강우발생 확률을 산정하였다.

1.5 km CAPPI 레이더 자료를 이용하여 전체 관측기간에 대해 강우발생의 확률을 분석한 결과, 관악산 레이더 반경 내의 28개 AWS 지점의 강우발생의 평균 확률이 약 1%로 산정되었다. 추풍령(Chupungnyeong) 지점에서 가장 높은 1.87%가 산정되었고, 신남(Sinnam) 지점에서 가장 낮은 0.68%가 산정되었다. 최저고도각 PPI 레이더 자료를 이용하여 강우발생의 확률을 분석한 결과, 평균이 약 1%로 산정되었다. 대화(Daehwa) 지점에서 가장 높은 1.97%가 산정되었고, 예산(Yesan) 지점에서 가장 낮은 0.20%가 산정되었다. 1.5 km CAPPI 자료와 최저고도각 PPI 자료를 이용하였을 경우, 대화, 예산, 능곡 지점 등 몇 개 지점을 제외한 나머지 지점에서는 비슷한 강우발생 확률이 산정되었다. AWS 자료를 이용하여 강우발생의 확률을 분석한 결과, 강우발생의 평균 확률이1.78%로 산정되었다. 대화 지점에서 가장 높은 3.05%가 산정되었고, 외촌(Oechon)과 강서(Gangseo) 지점에서 가장 낮은 1.25%가 산정되었다. 다음 Table 3는 전체 관측기간에 대해레이더 자료(1.5 km CAPPI, 최저고도각 PPI)와 AWS 자료를 이용하여 관악산 레이더 반경 내 분포한 28개 AWS 지점의 강우발생의 확률을 산정한 결과이다. Table 3에서 P(1)은 강우발생 확률, P(0)는 무강우발생 확률을 나타낸다.

Table 2

Contingency table of the observation data

Data	Period	Interval	Stations
Radar	Oct. 1st, 2013 ~ Sep. 30th, 2014	10 min	Gwanaksan
AWS		1 min	Sindong, Jucheon, Danyang, Geumsan, Yeongdong, Mungyeong, Boryung, Dangjin, Yesan, Jincheon, Goesan, Janghowon, Chungju, Chupungnyeong, Haean, Oechon, Dorsan, Sinnam, Sanae, Hwahyun, Hwachon, Gangseo, Hanam, Daehwa, Buknae, Neunggok, Hwasung, Ganghwa
Aerological		12 hour	Osan, Baengnyeongdo

Table 3

Occurrence probability of rainfall in the radar and AWS data (%)

Station	1.5 km CAPPI		PPI		AWS
Station	P(1)	P(0)	P(1)	P(0)	P(1)	P(0)
Jucheon	1.03	98.97	1.03	98.97	1.86	98.14
Mungyeong	1.49	98.51	1.49	98.51	2.09	97.91
Neunggok	0.88	99.12	0.38	99.62	1.38	98.62
Oechon	0.76	99.24	0.66	99.34	1.25	98.75
Sanae	0.85	99.15	0.54	99.46	1.68	98.32
Sindong	0.97	99.03	0.97	99.03	1.98	98.02
Sinnam	0.68	99.32	0.69	99.31	1.67	98.33
Yeongdong	1.67	98.33	1.67	98.33	2.12	97.88
Yesan	0.94	99.06	0.20	99.80	1.81	98.19
Boryeong	1.79	98.21	1.79	98.21	1.92	98.08
Buknae	1.13	98.87	1.01	98.99	1.71	98.29
Chungju	1.22	98.78	1.22	98.78	1.80	98.20
Chupungnyeong	1.87	98.13	1.88	98.12	2.21	97.79
Daehwa	1.17	98.83	1.97	98.03	3.05	96.95
Dangjin	1.29	98.71	0.83	99.17	1.82	98.18
Danyang	1.59	98.41	1.59	98.41	1.72	98.28
Dorasan	0.82	99.18	0.77	99.23	1.82	98.18
Ganghwa	0.77	99.23	0.75	99.25	1.29	98.71
Gangseo	0.83	99.17	0.82	99.18	1.25	98.75
Geumsan	1.86	98.14	1.86	98.14	1.46	98.54
Goesan	1.47	98.53	1.46	98.54	2.15	97.85
Haean	0.69	99.31	0.69	99.31	1.83	98.17
Hanam	0.97	99.03	0.89	99.11	1.66	98.34
Hwachon	0.96	99.04	0.89	99.11	1.88	98.12
Hwahyun	0.88	99.12	0.73	99.27	1.52	98.48
Hwasung	1.09	98.91	0.90	99.10	1.61	98.39
Janghowon	1.19	98.81	1.10	98.90	1.48	98.52
Jincheon	1.33	98.67	1.16	98.84	1.63	98.37

4.3 레이더의 강우발생 적중확률

레이더와 우량계 사이의 관측 차이로 인해 우량계에서의 강우 관측결과가 항상 참이라고 판단할 수는 없다. 또한 레이더관측치는 볼륨 관측치에 해당하므로 이를 근거로 판단한 강우발생 판단 결과도 항상 참일 수는 없다. 따라서 본 연구에서는 이러한 불확실성을 적중확률이라는 개념을 도입하여 반영하고자 한다. 적중확률은 AWS의 강우발생을 참으로 가정한 후, 레이더 강우발생을 판단한 개념이다. 즉, 레이더 반사도에 근거하여 강우발생을 판단하였을 경우, 우량계 강우는 강우 또는 무강우를 나타낼 수 있다. 다만, 그 적중확률에 차이가 있을 뿐이다.

본 연구의 목적이 레이더 반사도를 이용한 강우발생 판단의 정확성 향상에 있으므로, 그 판단의 근거를 우량계 강우에 두기로 한다. 아울러 판단의 보조적인 정보로 가강수량의 양을 이용하기로 한다. 이에 본 연구에서는 레이더 반사도를 근거로 판단한 강우(이하 ‘레이더 강우’라 칭함) 조건 하에서 AWS 자료에 근거하여 판단한 강우(이하 ‘AWS 강우’라 칭함)또는 무강우(이하 ‘AWS 무강우’라 칭함)의 확률을 검토하고자 한다. 그 결과는 다음 Table 2와 같다. 28개 지점들의 결과 중 대표적으로 3개 지점으로 하남(Hanam), 화성(Hwasung), 문경(Mungyeong)에 대한 결과를 표에 나타냈다. 표에서 P(11)은 레이더 강우일 때 AWS 강우인 확률, P(00)는 레이더 무강우일 때 AWS 무강우인 확률을 나타낸다.

Table 4에 나타낸 레이더 강우와 AWS 강우의 적중확률을 분석해보면, 전체적으로 강우적중확률이 매우 낮게 나타났다. 이에 반해 무강우 적중확률은 약 95% 이상으로 강우 적중확률에 비해 상당히 높게 나타났다. 이러한 결과는 레이더를 이용한 강우발생 판단이 무강우발생 판단에는 적합하지만, 강우발생 판단에는 상대적으로 적합하지 않다는 것을 보여준다. 이에 본 연구에서는 레이더 자료를 이용하여 강우발생 판단시, 그 정확성을 높이기 위하여 가강수량이 어떤 역할을 할 수 있는가를 평가하고자 한다.

Table 4

Matching probabilities of rainfall occurrence between radar and rain gauge (%)

Period	Hanam				Hwasung				Mungyeong
	1.5 km CAPPI		PPI		1.5 km CAPPI		PPI		1.5 km CAPPI		PPI
	P(11)	P(00)	P(11)	P(00)	P(11)	P(00)	P(11)	P(00)	P(11)	P(00)	P(11)	P(00)
2013-10	5.0	100.0	31.0	100.0	17.0	100.0	20.0	100.0	42.0	100.0	42.0	100.0
2013-11	34.0	99.0	38.0	99.0	23.0	99.0	37.0	99.0	41.0	99.0	41.0	99.0
2013-12	29.0	100.0	30.0	100.0	35.0	100.0	32.0	100.0	21.0	100.0	21.0	100.0
2014-01	0.0	100.0	17.0	100.0	0.0	100.0	0.0	100.0	0.0	100.0	0.0	100.0
2014-02	18.0	100.0	5.0	100.0	6.0	100.0	17.0	100.0	0.0	100.0	0.0	100.0
2014-03	13.0	100.0	33.0	100.0	20.0	99.0	0.0	99.0	33.0	98.0	33.0	98.0
2014-04	29.0	99.0	28.0	99.0	28.0	99.0	31.0	99.0	42.0	99.0	42.0	99.0
2014-05	35.0	99.0	59.0	99.0	52.0	99.0	52.0	99.0	32.0	99.0	32.0	99.0
2014-06	39.0	99.0	46.0	99.0	36.0	100.0	44.0	99.0	38.0	99.0	38.0	99.0
2014-07	26.0	99.0	28.0	99.0	47.0	99.0	54.0	99.0	33.0	99.0	33.0	99.0
2014-08	52.0	99.0	47.0	99.0	51.0	99.0	58.0	99.0	50.0	97.0	50.0	97.0
2014-09	0.0	100.0	0.0	100.0	50.0	100.0	45.0	100.0	12.0	100.0	12.0	100.0

5. 가강수량을 이용한 레이더 강우발생 판단의 적중확률 향상 분석

5.1 가강수량 자료

본 연구에서는 가강수량의 산정을 위해 오산 지점과 백령도지점의 고층기상관측자료를 적용하였으며, 2013년 10월 1일부터 2014년 9월 30일까지의 자료를 이용하였다. 고층기상관측자료의 관측간격은 12시간이다. 가강수량의 산정은 3.1절에서 서술한 방법을 적용하였다. 고층기상관측자료를 이용하여 가강수량을 산정한 결과, 오산 지점의 경우 연 평균 가강수량이 19.6 mm, 백령도 지점의 경우 연 평균 가강수량이 15.1 mm로 나타났다. 두 지점 모두 겨울철에는 가강수량의 값이 연 평균 이하의 낮은 값으로 나타났고, 여름철에는 높은 값으로 나타났다. 다음 Fig. 2는 오산 지점과 백령도 지점의 연중 가강수량 변화를 나타낸다.

Fig. 2

Annual variation of precipitable water.

각 AWS 지점에 대해서는 거리를 고려하여 적용할 가강수량 자료를 결정하였다. Table 5는 각 지점에 적용한 고층기상 관측소를 나타낸다.

Table 5

AWS stations allocated for each aerological observation data

Baengnyeongdo	Osan
Haean, Oechon, Dorsan, Sinnam, Sanae, Hwahyun, Hwachon, Gangseo, Hanam, Daehwa, Buknae, Neunggok, Hwasung, Ganghwa	Sindong, Jucheon, Danyang, Geumsan, Yeongdong, Mungyeong, Boryung, Dangjin, Yesan, Jincheon, Goesan, Janghowon, Chungju, Chupungnyeong

5.2 가강수량 기준값 설정

가강수량 자료를 이용하여 강우발생 판단의 기준을 도출하는 과정은 다음과 같다. 먼저 각 AWS 지점에 대하여 레이더강우와 AWS 강우의 월별 강우/무강우발생 적중확률을 산정한다. 다음으로 월별 강우/무강우발생 적중확률을 가장 크게 만드는 가강수량 기준을 결정한다. 이때 가강수량 기준은 레이더 강우를 무강우로 판단하도록 하는 기준과 레이더 무강우를 강우로 판단하도록 하는 기준을 포함한다. 경우에 따라서는 가강수량 기준이 0 mm 또는 최대값으로 나타나기도 한다. 모든 AWS 지점에 대하여 월별 가강수량 기준 결정이 끝나면, 결정된 가강수량 기준들을 모두 모아서 월별 히스토그램을 작성한다. 이때 월별로 발생빈도가 가장 큰 값이 해당월을 대표하는 가강수량 기준으로 결정한다. 본 연구에서는 월별 가강수량 기준을 0~80 mm 사이의 값의 범위에 대해 결정하였다.

Fig. 3은 백령도지점의 고층기상관측자료를 이용하여 월별 가강수량의 기준을 결정하는 방법을 보여준다. Fig. 3(a)는 레이더 강우를 무강우로 판단하도록 하는 가강수량 기준을 히스토그램상에서 결정하는 과정을 보여주며, Fig. 3(b)는 레이더 무강우를 강우로 판단하도록 하는 가강수량 기준을 결정하는 과정을 보여준다. 이 그래프에서 점선은 해당 월을 대표하는 가강수량 기준을 나타낸다. 그 결과, 2014년 7월의 레이더 강우를 무강우로 판단하도록 하는 가강수량 기준은 20 mm, 무강우를 강우로 판단하도록 하는 가강수량 기준은 40 mm로 결정하였다.

Fig. 3

Threshold of precipitable water (Baengnyeongdo).

Table 6은 해당 월을 대표하는 가강수량 기준을 정리한 것이다. 표에서 11은 레이더 무강우를 강우로 판단하도록 하는 경우, 00은 레이더 강우를 무강우로 판단하는 경우를 나타낸다. 2014년 1월의 경우 해당 월의 가강수량 기준을 결정할 수 없었는데, 이는 실제로 2014년 1월에 강우가 거의 발생하지 않았기 때문이다. 또한 정리된 결과 중 레이더 무강우를 강우로 판단하도록 하는 경우와 레이더 강우를 무강우로 판단하는 경우의 기준이 동일하게 결정된 경우가 있는데, 이는 해당월의 산정된 가강수량 결과들의 변동이 적게 나타났기 때문이다.

Table 6

Monthly representative threshold of precipitable water (mm)

Period	Baengnyeongdo				Osan
	1.5 km CAPPI		PPI		1.5 km CAPPI		PPI
	11	00	11	00	11	00	11	00
2013-10	20	5	20	5	15	15	15	15
2013-11	5	5	5	5	30	10	30	10
2013-12	-	-	-	-	10	5	10	5
2014-01	-	-	-	-	-	-	-	-
2014-02	15	5	15	5	5	5	25	5
2014-03	-	-	-	-	10	5	10	5
2014-04	25	5	-	-	-	5	-	5
2014-05	10	10	10	10	15	10	15	10
2014-06	25	15	20	15	30	25	30	25
2014-07	35	20	35	20	40	35	40	35
2014-08	25	25	25	25	35	30	35	30
2014-09	15	15	15	15	20	30	20	30

Table 6에서는 대체로 여름철의 가강수량 기준 값들이 크게 나타나고 있음을 확인할 수 있다. 고층기상관측소 지점별 결과를 살펴보면, 백령도 지점의 자료를 이용하는 경우보다 오산 지점의 자료를 이용하는 경우에 가강수량 기준이 비교적 명확하게 결정되었다. 이는 오산 지점의 경우, 백령도 지점과는 달리 내륙에 위치하고 있어 강우발생을 분석한 AWS 지점들과 지역에 따른 기후 특성 차이가 적게 나타나기 때문으로 판단된다. 1.5 km CAPPI 자료를 이용한 경우와 최저고도각PPI 자료를 이용한 경우에 큰 차이는 없는 것으로 확인되었다.

5.3 레이더 강우발생의 적중확률 변화검토

다음 Table 7은 가강수량 기준을 적용한 레이더 강우발생의 적중확률을 정리한 것이다. 28개 지점들의 결과 중 대표적으로 3개 지점(하남, 화성, 문경)에 대한 결과를 표에 제시하였다. 표에서 볼 수 있는 것과 같이 적중확률이 전체적으로 높아진 것으로 나타났다. Table 3과 비교하여, 하남 지점의 경우 1.5 km CAPPI 자료를 이용한 강우발생 적중확률은 최대 32%, 최소 0%, 평균 4%가 증가하였고, 최저고도각 PPI 자료를 이용한 경우에는 최대 20%, 최소 0%, 평균 3%가 증가하였다. 무강우발생 적중확률의 경우에는 1.5 km CAPPI 자료와 최저고도각 PPI 자료를 이용한 경우 모두 최대 1%, 최소 0%, 평균 0%의 증가율이 나타났다. 화성 지점의 경우에도 1.5 km CAPPI 자료를 이용한 강우발생 적중확률은 최대 11%, 최소 0%, 평균 3%가 증가하였고, 최저고도각 PPI 자료를 이용한 경우에는 최대 14%, 최소 0%, 평균 4%가 증가하였다. 무강우발생 적중확률의 경우에는 1.5 km CAPPI 자료와 최저고도각 PPI 자료를 이용한 경우 모두 최대 1%, 최소 0%, 평균 0%의 증가율이 나타났다. 문경 지점은 1.5 km CAPPI 자료와 최저고도각 PPI 자료를 이용한 경우 모두 최대 40%, 최소 0%, 평균 8%가 증가하였고, 무강우발생 적중확률의 경우에도 모두 최대 3%, 최소, 0%, 평균 1%가 증가하였다. 3개 관측소 모두 월별로 적중확률의 증가폭은 다르지만 전체적으로 모두 증가하는 경향을 보여주었다.

Table 7

Matching probabilities of rainfall occurrence between radar and rain gauge considering the precipitable water (%)

Period	Hanam				Hwasung				Mungyeong
	1.5 km CAPPI		PPI		1.5 km CAPPI		PPI		1.5 km CAPPI		PPI
	P(11)	P(00)	P(11)	P(00)	P(11)	P(00)	P(11)	P(00)	(11)	P(00)	P(11)	P(00)
2013-10	5.0	100.0	31.0	100.0	20.0	100.0	20.0	100.0	50.0	100.0	50.0	100.0
2013-11	34.0	99.0	38.0	99.0	23.0	99.0	37.0	99.0	45.0	100.0	45.0	100.0
2013-12	29.0	100.0	30.0	100.0	35.0	100.0	32.0	100.0	29.0	100.0	29.0	100.0
2014-01	0.0	100.0	17.0	100.0	0.0	100.0	0.0	100.0	0.0	100.0	0.0	100.0
2014-02	50.0	100.0	25.0	100.0	17.0	100.0	29.0	100.0	0.0	100.0	0.0	100.0
2014-03	13.0	100.0	33.0	100.0	21.0	99.0	0.0	99.0	35.0	99.0	35.0	100.0
2014-04	33.0	100.0	28.0	99.0	35.0	100.0	38.0	100.0	42.0	99.0	42.0	99.0
2014-05	38.0	100.0	59.0	99.0	52.0	99.0	54.0	100.0	52.0	100.0	52.0	100.0
2014-06	40.0	100.0	48.0	100.0	38.0	100.0	58.0	100.0	42.0	100.0	42.0	100.0
2014-07	36.0	100.0	39.0	99.0	55.0	100.0	64.0	100.0	37.0	100.0	37.0	100.0
2014-08	55.0	100.0	50.0	100.0	52.0	100.0	62.0	100.0	52.0	100.0	52.0	100.0
2014-09	0.0	100.0	0.0	100.0	51.0	100.0	46.0	100.0	52.0	100.0	52.0	100.0

다음 Fig. 4는 AWS 28개 지점에서 가강수량을 적용했을 때 1.5 km CAPPI 자료에 대한 강우/무강우발생 적중확률을 나타낸 것이다. 강우발생 적중확률의 경우 지점마다 차이는 있지만 대부분 지점에서 적중확률이 증가하는 것으로 나타났다. 무강우발생 적중확률의 경우 몇 지점에서는 적중확률이 증가하는 것을 확인할 수 있으나 대체로 적용 전과 동일한 지점들이 많았다.

Fig. 4

Comparison of matching probabilities of rainfall occurrence before (solid box) and after (empty box) the consideration of precipitable water.

Table 8은 관악산 레이더 반경 내 위치한 28개 지점에 대한월별 적중확률의 평균적 변화량을 정리한 것이다. 월별로 차이는 있지만 대부분 기간에서 적중확률이 증가하는 것으로 나타났다. 특히 2월과 5월의 경우, 다른 월에 비해 강우발생 적중확률이 더 크게 증가함을 확인하였다. 2월과 5월의 경우, 강우발생 적중확률이 1.5 km CAPPI 자료를 이용한 경우에는 8%, 최저고도각 PPI 자료를 이용한 경우에는 7%가 증가하였다. 이는 다른 월에 비해 2월과 5월에 가강수량 기준들이 명확하게 구분되었기 때문이다. 무강우발생 적중확률의 경우에는 몇 기간에서 적중확률이 증가하는 것을 나타내지만 대체로 적용 전과 크게 다르지 않은 것으로 나타났다.

Table 8

Monthly change in matching probability (%)

Period	1.5 km CAPPI		PPI
Period	P(11)	P(00)	P(11)	P(00)
2013-10	2.0	0.0	2.0	0.0
2013-11	4.0	0.0	4.0	0.0
2013-12	5.0	0.0	3.0	0.0
2014-01	0.0	0.0	0.0	0.0
2014-02	8.0	0.0	8.0	0.0
2014-03	2.0	1.0	2.0	0.0
2014-04	4.0	0.0	5.0	0.0
2014-05	7.0	1.0	7.0	0.0
2014-06	4.0	0.0	4.0	0.0
2014-07	5.0	1.0	5.0	1.0
2014-08	1.0	2.0	3.0	2.0
2014-09	4.0	1.0	4.0	0.0

5.4 공간적 변화 검토

본 절에서는 앞서 수행한 연구의 결과를 2차원 평면에 나타내어 공간적인 변화를 검토하였다. 이를 위해 우기와 건기에서 각각 2개의 시점을 선정하였다. 먼저, 선정된 시점에서의 레이더 자료에 앞서 산정한 레이더 반사도 임계값인 18.19 dBZ을 적용하여 강우발생 지역과 무강우발생 지역을 구분하였다. 또한 가강수량 기준을 적용하여 강우발생 지역과 무강우발생 지역을 구분하였다. 가강수량 기준은 앞서 산정된 월별 가강수량 기준을 적용하였다.

Fig. 5는 1.5 km CAPPI 자료를 이용한 강우 분포를 나타낸다. 건기 시(Case 1, Case 2)에는 레이더 반사도의 임계값 적용 전후로 강우발생 지역이 상당히 감소하는 것을 볼 수 있다. 즉, 레이더 반사도가 관측되었다 하더라도 레이더 반사도의 임계값 이하로 관측된 지역의 경우, 무강우발생 지역으로 판단한 것이다. 또한 가강수량 기준을 적용한 후에도 강우발생지역이 더욱 감소하였다. Case 1과 Case 2의 경우, 해당 시점의 가강수량 값이 레이더 자료를 이용하여 판단한 강우를 무강우로 바꿔주는 기준보다 낮아 강우발생 지역을 무강우발생 지역으로 판단한 것이다. 이러한 결과는 레이더 반사도가 측정된다 하더라도 측정된 레이더 반사도의 크기가 작은 경우, 강우발생 여부를 판단하는데 있어 불확실성이 크다는 것을 보여준다. 우기 시(Case 3, Case 4)에도 레이더 반사도의 임계값 적용 전후로 강우발생 지역이 감소하였다. Case 3과 Case 4의 경우도 Case 1과 Case 2의 경우와 마찬가지로 관측된 레이더 반사도가 임계값 이하로 관측된 지역의 경우, 무강우발생 지역으로 판단한 것이다. 그러나 가강수량 기준을 적용한 경우, Case 3과 Case 4 모두 강우발생 지역이 증가하였다. 이는, 해당 시점의 가강수량 값이 레이더 자료를 이용하여 판단한 무강우를 강우로 바꿔주는 기준보다 높아 무강우발생 지역을 강우발생 지역으로 판단하였기 때문이다.

Fig. 5

Rainfall distribution (Applied the 1.5 km CAPPI data).

관측된 1.5 km CAPPI 자료와 최저고도각 PPI 자료를 이용하여 강우발생 지역의 면적을 산정하였다. 강우발생 지역의 면적은 레이더 반경을 1 km×1 km의 격자로 나누고, 레이더반사도가 관측된 격자의 면적을 합산하여 산정하였다. Table 9는 1.5 km CAPPI 자료와 최저고도각 PPI 자료를 이용한 강우 분포 면적을 나타낸다. 레이더 반사도의 임계값 적용 전후와 가강수량 기준 적용 전후로 강우발생 지역의 면적이 변화하는 것을 확인하였다. 특히 Case 1과 Case 2의 경우 가강수량 기준 적용 후 강우발생 지역의 면적이 0으로 산정되었다. 이러한 결과를 통해 레이더 자료를 이용하여 강우발생 지역을 판단하는 데 있어, 가강수량이 건기 시에는 강우를 무강우로 변환시켜주는 기준 역할을 하고, 우기 시에는 무강우를 강우로 변환시켜주는 기준 역할을 하는 것을 확인하였다.

Table 9

Area of rainfall distribution (km²)

	Date	(a) Applying radar reflectivity threshold	(b) Applying precipitable water threshold
1.5 km CAPPI	Case 1	2,061	0
	Case 2	9,364	0
	Case 3	14,299	21,400
	Case 4	31,651	44,085
PPI	Case 1	2,052	0
	Case 2	9,668	0
	Case 3	16,094	23,065
	Case 4	31,895	46,411

Table 10은 앞서 선정한 4개 시점(Case 1, Case 2, Case 3, Case 4)에 대한 전체 적중확률을 나타낸다. 전체 적중확률은 레이더 자료를 이용하여 강우로 판단될 때 AWS도 강우로 판단한 경우와 레이더 자료를 이용하여 무강우로 판단될 때 AWS도 무강우로 판단한 경우의 확률로 산정하였다. 4개 시점 모두 가강수량 기준 적용 후 적중확률이 높아지는 것으로 나타났다. Case 1의 경우 7.14%, Case 2의 경우 10.72%, Case 3의 경우 3.57%, Case 4의 경우 10.71%가 증가했다. 이러한 결과는 가강수량을 이용할 경우 강우발생 판단의 정확성을 향상시킬 수 있음을 보여준다.

Table 10

Matching probability of rainfall occurrence between radar and rain gauge (%)

	Date	(a) Applying radar reflectivity threshold	(b) Applying precipitable water threshold
1.5 km CAPPI	Case 1	89.29	96.43
	Case 2	78.57	89.29
	Case 3	78.57	82.14
	Case 4	75.00	85.71
PPI	Case 1	89.29	96.43
	Case 2	78.57	89.29
	Case 3	78.57	82.14
	Case 4	75.00	85.71

6. 결론

본 연구에서는 레이더로 강우를 관측하는데 있어 강우발생판단의 정확성을 분석하고, 아울러 그 정확성을 높이기 위해 가강수량이 어떤 역할을 할 수 있는가를 평가하였다. 이를 위해 관악산 레이더 반사도 자료(1.5 km CAPPI, 최저고도각 PPI)와 레이더 관측반경 내 위치한 AWS 지점의 강우자료, 백령도와 오산 지점의 고층기상관측자료를 이용하였다. 먼저, 레이더 자료를 이용하여 강우발생 특성을 분석하였다. 또한 강우/무강우발생 적중확률의 정확도를 향상시킬 수 있는 가강수량 기준을 결정하여 지점별, 기간별 적중확률의 변화를 분석하였다. 그 결과를 정리하면 다음과 같다.

1) 레이더 자료를 이용하여 강우발생 판단을 할 경우, 지점마다 차이는 있지만 1.5 km CAPPI 자료와 최저고도각 PPI자료에 대하여 강우는 30% 정도, 무강우는 95% 이상의 적중확률을 나타낸다. 이러한 결과는 레이더를 이용한 강우발생분석이 무강우 판단에는 우수하지만, 강우 판단에서는 그 성능이 높지 않다는 것을 보여준다. 기간별로는 여름철의 강우발생 판단의 정확성이 겨울철 보다 높음을 확인할 수 있었다.

2) 레이더 자료를 이용하여 강우발생 판단을 하는데 있어 가강수량을 적용할 경우, 1.5 km CAPPI 자료와 최저고도각 PPI 자료 모두 평균 4%(월평균 최대 8%) 정도의 적중확률 증가효과를 얻을 수 있음을 확인하였다.

3) 레이더 자료를 이용하여 강우발생 판단을 하는데 있어 가강수량을 적용할 경우, 강우발생 판단의 적중확률이 무강우발생 판단의 적중확률보다 증가함을 확인하였다. 이러한 결과를 통하여 레이더 자료를 이용한 강우발생 판단의 정확도 향상을 위한 가강수량의 적용효과를 확인할 수 있었다.

4) 레이더 자료를 이용하여 강우발생 지역을 판단하는데 있어 가강수량이 건기 시에는 강우를 무강우로 변환 시켜주는 기준 역할을 하고, 우기 시에는 무강우를 강우로 변환 시켜주는 기준 역할을 하는 것을 확인하였다.

이러한 결과를 통해 본 연구에서는 레이더를 이용한 강우발생 판단의 정확도 향상에 가강수량의 효용성이 높음을 확인하였다. 그러나 이러한 결과는 본 연구의 사례에 한정되는 것으로 일반화하기는 어렵다. 적용하는 레이더 자료나 기후특성에 따라서 다른 결과가 나타날 수 있다. 강우발생 판단에 가강수량의 적용성을 더욱 높이기 위해서는 추정된 가강수량의 불확실성을 줄이기 위해 노력해야 하며, 특히 가강수량의 관측지점 수 및 관측빈도를 더 늘릴 필요가 있는 것으로 판단된다.

감사의 글

본 연구는 국토교통부 물관리연구사업의 연구비지원(15AWMP-B079625-02)에 의해 수행되었습니다.

References

Austin, P.M (1987) Relation between measured radar reflectivity and surface rainfall. Mon. Weather Rev, AMS, Vol. 115, No. No. 5, pp. 1053-1070. 10.1175/1520-0493(1987)115<1053:RBMRRA=2.0.CO;2.

Blanchard, D.C (1953) Raindrop size-distribution in Hawaiian rains. J. Meteorol, AMS, Vol. 10, No. No. 6, pp. 457-473. 10.1175/1520-0469(1953)010<0457:rsdihr>2.0.co;2.

Boucher, R.J (1951) Analysis of Raindrop Size Measurements and The Empirical Relationship between Radar Reflectivity and Rate of Rainfall, Mount Washington Observatory. Progress Report, No. 4. pp. 1-11.

Brandes, E.A, Vivekanandan, J, and Wilson, J.W (1999) A comparison of radar reflectivity estimates of rainfall from collocated radars. J. Atmos. Ocean Tech, AMS, Vol. 16, No. No. 9, pp. 1264-1272. 10.1175/1520-0426(1999)016<1264:ACORRE>2.0.CO;2.

Bretherton, C.S, Peters, M.E, and Back, L.E (2004) Relationships between water vapor path and precipitation over the tropical oceans. J. Climate, AMS, Vol. 17, No. No. 7, pp. 1517-1528. 10.1175/1520-0442(2004)017<1517:rbwvpa>2.0.co;2.

Bringi, V.N, and Chandrasekar, V (2001). Polarimetric Doppler weather radar: Principles and Applications. Cambridge University Press, New York: 10.1017/CBO9780511541094.

Bringi, V.N, Keenan, T.D, and Chandrasekar, V (2001) Correcting C-band radar reflectivity and differential reflectivity data for rain attenuation: A self-consistent method with constraints. Ieee T. Geosci. Remote, IEEE, Vol. 39, No. No. 9, pp. 1906-1915. 10.1109/36.951081.

Cataneo, R (1969) A method for estimating rainfall rate-radar reflectivity relationships. J. Appl. Meteor, AMS, Vol. 8, No. No. 5, pp. 815-819. 10.1175/1520-0450(1969)008<0815:AMFERR>2.0.CO;2.

Cho, H.K, and Lee, S.M (1982) A study on the precipitable water in Korea. Journal of Korea Meteorological Society, KMS, Vol. 18, No. No. 2, pp. 18-25.

Conner, M.D, and Petty, G.W (1998) Validation and intercomparison of SSM/I rain-rate retrieval methods over the continental United States. J. Appl. Meteor, AMS, Vol. 37, No. No. 7, pp. 679-700. 10.1175/1520-0450(1998)037<0679:vaiosi>2.0.co;2.

Doelling, I.G, Joss, J, and Riedl, J (1998). Systematic variations of Z-R-relationships from drop size distributions measured in northern Germany during seven years. Atmos. Res. Elsevier, Vol. 47: p 635-649. 10.1016/s0169-8095(98)00043-x.

Fujiwara, M (1967) Raindrop size distribution in warm rain as measured in Hawaii. Tellus, Munksgaards, Vol. 19, No. No. 3, pp. 392-402. 10.3402/tellusa.v19i3.9808.

Han, Y.H (1968) On the precipitable water in the middle part of Korea. APJAS, KMS, Vol. 4, No. No. 1, pp. 23-30.

Han, Y.H (1971) On the precipitable water in the Southern Part of Korea. APJAS, KMS, Vol. 7, No. No. 2, pp. 65-69.

Imai, I (1960) Raindrop size distributions and ZR relationships. In Proc. Eighth Weather Radar Conf, pp. 321-326.

Jones, D.M (1956) Rainfall drop size-distribution and radar reflectivity. Defense Technical Information Center.

Jones, R.H, Westra, S, and Sharma, A (2010) Observed relationships between extreme sub-daily precipitation, surface temperature, and relative humidity. Geophys. Res. Lett, AGU, Vol. 37, No. No. 22, pp. L22805.

Kim, J.K (2002). An analysis of hydrometeorologic environment changes due to dam construction. Master thesis. Korea university, Seoul, Korea.

Li, X.H, Zhang, Q, and Xu, C.Y (2012) Suitability of the TRMM satellite rainfalls in driving a distributed hydrological model for water balance computations in Xinjiang catchment, Poyang lake basin. J. Hydrol, Elsevier, Vol. 426, pp. 28-38. 10.1016/j.jhydrol.2012.01.013.

Liao, L, Meneghini, R, and Iguchi, T (2001) Comparisons of rain rate and reflectivity factor derived from the TRMM precipitation radar and the WSR-88D over the Melbourne, Florida, site. J. Atmos. Ocean Tech, AMS, Vol. 18, No. No. 12, pp. 1959-1974. 10.1175/1520-0426(2001)018<1959:CORRAR>2.0.CO;2.

Marshall, J.S, Langille, R.C, and Palmer, W.M.K (1947) Measurement of rainfall by radar. J. Meteorol, AMS, Vol. 4, No. No. 6, pp. 186-192. 10.1175/1520-0469(1947)004<0186:morbr>2.0.co;2.

Marshall, J.S, and Palmer, W.M.K (1948) The distribution of raindrops with size. J. Meteorol, AMS, Vol. 5, No. No. 4, pp. 165-166. 10.1175/1520-0469(1948)005<0165:tdorws>2.0.co;2.

Park, M.K, Park, M.J, Kim, S.D, and Joo, J.G (2013) Extreme storm estimation by climate change using precipitable water. Journal of KOSHAM, KOSHAM, Vol. 13, No. No. 1, pp. 121-127. 10.9798/kosham.2013.13.1.121.

Reber, E.E, and Swope, J.R (1972) On the correlation of the total precipitable water in a vertical column and absolute humidity at the surface. J. Appl. Meteor, AMS, Vol. 11, No. No. 8, pp. 726-727. 10.1175/1520-0450(1972)011<1322:otcott=2.0.co;2.

Robertson, F.R, Fitzjarrald, D.E, and Kummerow, C.D (2003) Effects of uncertainty in TRMM precipitation radar path integrated attenuation on interannual variations of tropical oceanic rainfall. Geophys. Res. Lett, AGU, Vol. 30, No. No. 4, pp. 1180-1183. 10.1029/2002gl016416.

Shepherd, J.M, Pierce, H, and Negri, A.J (2002) Rainfall modification by major urban areas: Observations from spaceborne rain radar on the TRMM satellite. J. Appl. Meteor, AMS, Vol. 41, No. No. 7, pp. 689-701. 10.1175/1520-0450(2002)041<0689:rmbmua>2.0.co;2.

Simpson, J, Adler, R.F, and North, G.R (1988) A proposed tropical rainfall measuring mission (TRMM) satellite. B. Am. Meteorol. Soc, AMS, Vol. 69, No. No. 3, pp. 278-295. 10.1175/1520-0477(1988)069<0278:APTRMM>2.0.CO;2.

Snider, J.B (2000) Long-term observations of cloud liquid, water vapor, and cloud-base temperature in the North Atlantic Ocean. J. Atmos. Ocean Tech, AMS, Vol. 17, No. No. 7, pp. 928-939. 10.1175/1520-0426(2000)017<0928:LTOOCL>2.0.CO;2.

Stout, G.E, and Mueller, E.A (1968) Survey of relationships between rainfall rate and radar reflectivity in the measurement of precipitation. J. Appl. Meteor, AMS, Vol. 7, No. No. 3, pp. 465-474. 10.1175/1520-0450(1968)007<0465:SORBRR>2.0.CO;2.

Suparta, W, Rashid, Z.A.A, Ali, M.A.M, Yatim, B, and Fraser, G.J (2008). Observations of Antarctic precipitable water vapor and its response to the solar activity based on GPS sensing. J. Atmos. Sol-Terr. Phy. Elsevier, Vol. 70: No. No. 11, p 1419-1447. 10.1016/j.jastp.2008.04.006.

Yoo, C.S, Ha, E.H, Kim, B.S, Kim, K.J, and Choi, J.H (2008) Sampling error of areal average rainfall due to radar partial coverage. J. Korea Water Resour. Assoc, KWRA, Vol. 41, No. No. 5, pp. 545-558. 10.3741/JKWRA.2008.41.5.545.

Yoo, C.S, Kang, M.S, and Ro, Y.H (2015) Applicability of precipitable water for enhancing radar accuracy on identification of rain and no rain. Journal of KOSHAM, KOSHAM, Vol. 15, No. No. 1, pp. 111-121. 10.9798/kosham.2015.15.1.111.

Yoo, C.S, Shin, C.K, and Yoon, Y.N (2004) Estimation and analysis of precipitable water. KSCE J. Civ. Eng, KSCE, Vol. 24, No. No. 5B, pp. 413-420.

Yoo, C.S, and Yoon, Y.N (2010) A proposal of quality evaluation methodology for radar data. KSCE J. Civ. Eng, KSCE, Vol. 30, No. No. 5B, pp. 429-435.

Yoon, Y.N (1998) Engineering Hydrology, Cheongmoongak, Paju.

Zeng, W (1999) The relationship among precipitation, cloud-top temperature, and precipitable water over the tropics. J. Climate, AMS, Vol. 12, No. No. 8, pp. 2503-2514. 10.1175/1520-0442(1999)012<2503:trapct>2.0.co;2.