1. 서론
강우레이더는 지상우량계와 비교하여 시공간적으로 고해상도의 강우 관측을 수행한다. 강우레이더는 강우량뿐만 아니라 호우의 공간적 규모, 호우를 구성하는 강수 입자, 호우의 이동방향 등 종합적인 강우 정보를 제공한다. 이러한 강우 정보는 수문시스템의 입력자료로써 활용가치가 크다.
단일편파레이더의 정량적 강수 추정(Quantitative Precipitation Estimation, QPE) 과정에서는 레이더 반사도(reflectivity, Z)와 강우량 간의 관계를 멱함수로 나타낸 Z-R 관계식을 이용하여 강우를 추정한다. Z-R 관계식은 경험적으로 유도된 것으로 지역, 강수형태 및 기상조건에 따라 다양하게 존재한다(Marshall and Palmer, 1948; Jones, 1956; Blanchard, 1953; Battan, 1973; Doelling et al., 1998; Bringi et al., 2004). 이러한 Z-R 관계식의 변동성은 단일편파레이더를 활용한 QPE 과정의 불확실성을 야기하는 주된 원인 중 하나이다.
최근 활용도가 높아지고 있는 이중편파레이더는 다양한 변수를 측정하여 단일편파레이더에 비해 보다 정확한 강우 관측이 가능하다. 이중편파레이더를 이용하여 관측이 가능한 요소로는 단일편파레이더의 반사도를 포함하여 차등반사도(differential reflectivity, Zdr), 차등위상차(differential phase, ΦD), 비차등위상차(specific differential phase, KDP), 상관계수(correlation coefficient, ρHV) 등이 있다. 이러한 이중편파레이더 관측변수를 이용하는 강우추정 관계식은 R(KDP), R(KDP, Zdr), R(Zh, Zdr) 등 다양하며 각 강우추정 관계식의 매개변수 또한 우적 크기 분포(Drop Size Distribution, DSD)와 강수입자 모형에 따라 다양하게 제시되었다(Beard and Chuang, 1987; Sachidananda and Zrnic, 1987; Chandrasekar et al., 1990; Jameson, 1991; Aydin and Giridhar, 1992; Scarchilli et al., 1993; Goddard et al., 1994; Andsager et al., 1999; Bringi and Chandrasekar, 2001; Brandes et al., 2002; Illingworth and Blackman, 2002; Bringi et al., 2003; Ryzhkov et al., 2005; Jaffrain and Berne, 2012).
이들 강우추정 관계식은 특정한 조건하에서 상대적인 우수성을 나타내므로, 이를 조합하여 합성 알고리즘(synthetic algorithm)을 구성하는 것이 일반적이다. 대표적인 사례로 JPOLE 알고리즘(The Joint Polarization Experiment Optimization Algorithm)(Ryzhkov et al., 2005)과 CSU-HIDRO 알고리즘(Colorado State University-Hydrometeor Identification Rainfall Optimization Algorithm)(Cifelli et al., 2011) 등이 있다. 이들 합성 알고리즘 혹은 관계식에 의한 강우추정 결과는 기존의 Z-R 관계식보다 정확한 것으로 알려져 있다(Ryzhkov et al., 2000; Brandes et al., 2001; Mastrosov et al., 2002; Ryzhkov et al., 2005; Cifelli et al., 2011). 국내의 경우, 국토교통부 관할 이중편파레이더는 JPOLE 알고리즘으로 레이더 강우를 추정하고 있으며(KICT, 2013), 기상청(WRC, 2014)은 CSUHIDRO알고리즘을 일부 변형한 WRC 관계식을 이중편파레이더 강우추정 알고리즘으로 제안한 바 있다.
이러한 합성 알고리즘에 적용되고 있는 문턱값과 매개변수는 외국의 관측자료를 기반으로 유도되었다. JPOLE 알고리즘과 CSU-HIDRO 알고리즘은 각각 미국 Oklahoma 지역과 Colorado 지역의 관측자료를 기반으로 개발되었다. 이러한 지역에서 발생하는 호우사상은 장마와 태풍의 영향이 큰 우리나라의 기후특성과 상이한 측면이 있다. 즉, 이들 알고리즘을 국내에 바로 적용할 수 있는지를 판단하기 위해서는 추가적인 검토가 필요하다.
본 연구의 목적은 이중편파레이더 강우추정 알고리즘의 국내 적용성을 평가해 보는데 있다. 본 연구에서는 국내에서 사용중인 JPOLE 알고리즘과 CSU-HIDRO 알고리즘을 분석 대상 알고리즘으로 선정하였다. 대상 레이더로는 비슬산 이중편파레이더를 선정하였으며, 최종적으로 레이더 강우강도와 지상 강우강도를 비교하여 각 알고리즘의 국내 적용성을 평가하였다.
2. 이중편파레이더 강우추정 알고리즘
2.1. JPOLE 알고리즘
JPOLE 알고리즘은 Ryzhkov et al.(2005)이 미국 상무부 해양대기관리처 산하 National Severe Storms Laboratory(NSSL)에서 Joint Polarization Experiment(JPOLE)를 수행하며 개발한 이중편파레이더 강우추정 합성 알고리즘이다. JPOLE 알고리즘은 R(Zh) 강우추정 관계식으로 추정된 레이더 강우강도를 알고리즘의 문턱값으로 사용한다. 추정된 레이더 강우강도에 따라 차등반사도를 보정인자로 적용하여 R(Zh), R(KDP) 강우추정 관계식으로 최종 레이더 강우강도를 산출한다. JPOLE 알고리즘의 강우추정 관계식은 다음 Eqs.(1)~(8)과 같다.
여기서, Eq. (1)은 NEXRAD 관계식(Fulton et al., 1998)이며 Eq. (2)는 우적 입자의 분포와 모형을 각각 Oklahoma에서 관측된 DSD와 균등모형(Beard and Chuang, 1987)으로 가정하여 매개변수를 유도한 것이다. Eqs. (3)~(5)는 Eq. (1)로 추정된 레이더 강우강도에 따른 보정인자이다. Eqs. (1)~(8)의 Zh, Zdr 및 KDP는 각각 수평반사도(mm6/m3), 차등반사도 그리고 비차등위상차(°/km)이다. ZDR은 Zdr을 dB 단위로 나타낸 것이다. Fig. 1은 JPOLE 알고리즘의 모식도이다.
JPOLE 알고리즘은 레이더 원시자료에서 나타는 음의 KDP값을 Eq. (2)와 같이 반영하고 있으나 본 연구에서 사용한 레이더 자료는 하나의 격자에 해당하는 관측값이 평균된 값으로 표출되므로 다음과 같은 R(KDP) 관계식을 적용하였다.
2.2. CSU-HIDRO 알고리즘
CSU-HIDRO 알고리즘은 Colorado State University에서 개발하였으며 기존의 CSU-ICE 알고리즘(Cifelli et al., 2002)을 개량한 것이다. CSU-HIDRO 알고리즘은 대기수상체 및 이중편파레이더 관측변수값에 따라 강우추정 관계식을 다르게 적용한다. 대기수상체는 퍼지 로직 기반 시스템을 이용하여 강설 입자, 강우 입자, 혼합 입자로 분류된다. 이중편파레이더 관측변수로는 Zh, Zdr, KDP 등이 알고리즘의 문턱값으로 사용되며 알고리즘의 분류 결과에 따라 R(Zh), R(Zh, Zdr), R(KDP), R(KDP, Zdr)의 강우추정 관계식으로 레이더 강우강도를 산출한다. CSU-HIDRO 알고리즘의 강우추정 관계식은 다음과 같다.
여기서, Eqs. (10)~(12)의 계수는 gamma DSD의 매개변수들을 Bringi and Chandrasekar(2001)에 제시된 범위로 적용하고 입자모형을 Beard and Chuang(1987)의 균등모형(equilibrium shape)으로 가정하여 유도된 것이다. Eq. (13)은 Eq. (1)과 동일한 NEXRAD 관계식이다. ZH는 Zh를 dBZ 단위로 나타낸 것이다.
본 연구의 분석대상 호우사상은 2014년 8월 17일~19일로 여름철 호우에 해당한다. 따라서 본 연구에서는 강설 입자의 존재유무 확인이 주목적인 대기수상체 분류 과정을 생략하고, CSU-HIDRO 알고리즘의 강우추정 관계식의 적용성을 평가하였다. 다음 Fig. 2는 CSU-HIDRO 알고리즘의 모식도이다.
2.3 적용성 평가 방법
본 연구에서는 지상 강우강도를 참값으로 하여 이중편파레이더 강우추정 알고리즘으로 추정된 레이더 강우강도의 정확성을 통계적 지표를 통해 평가하였다. 통계적 평가에 활용된 지표로는 평균오차(Mean Error, ME), 표준화된 편차(Normalized Bias, NB), 절대평균오차(Mean Absolute Error, MAE), 표준화된 절대오차(Normalized Absolute Error, NAE), 평균제곱근오차(Root Mean Square Error, RMSE), 표준화된 표준편차(Normalized Standard Deviation, NSD), G/R 비(G/R ratio) 그리고 상관계수(Correlation Coefficient, CC) 등이 있다. Table 1은 본 연구에 활용된 통계적 지표를 정리한 것이다.
Table 1
Evaluation Criteria Considered in This Study
3. 분석 대상 자료 및 호우사상
3.1. 분석 대상 자료
본 연구에서는 비슬산 S-밴드 이중편파레이더 자료를 이용하였다. 비슬산 강우레이더는 경북 청도군 각북면 비슬산 조화봉(EL. 1,057 m)에 위치하고 있으며, 2009년 6월 10일부터 관측을 개시하여 현재 국토교통부 산하 한강홍수통제소에 의해 운영되고 있다. 비슬산 강우레이더는 강우의 유무에 따라 관측모드가 자동으로 전환되며, 강우 발생 시 100 km 반경, 무강우 시 250 km 반경까지 관측을 수행한다. 본 연구에서는 비슬산 강우레이더의 최저고도각 레이더 관측자료를 활용하였으며, 한강홍수통제소로부터 품질관리(Quality Control, QC)된 UF 형식 자료로 제공받아 이용하였다. 비슬산 강우레이더의 제원은 Table 2와 같다.
Table 2
Operational Profiles of the S-band Radar at Mt. Biseul
본 연구에서는 기상청 AWS(Automatic Weather System)의 강우 관측자료를 참값으로 활용하여 이중편파레이더 강우추정 알고리즘의 국내 적용성 평가를 수행하였다. 비슬산 강우레이더의 관측 반경 내에 위치한 기상청 AWS는 총 117 개소이다. 레이더 빔의 관측고도는 일반적으로 거리가 멀어질수록 높아진다. 정상굴절을 적용하는 경우, 거리에 따른 레이더 빔 관측고도는 다음 식 Eq. (14)와 같이 모의할 수 있다(Rinhehart, 2010).
여기서, H는 레이더 빔의 관측높이이고 H0은 레이더의 해발고도이다. r은 레이더로부터 관측지점의 거리이며, φ는 레이더 빔의 관측고도각이다. R’은 4/3R로 R은 지구 반경이다. 비슬산 강우레이더의 최저고도각 관측 시 AWS 지점의 차폐여부는 Eq. (14)로 계산된 레이더 빔의 관측높이와 AWS가 설치된 해발고도를 비교하여 판단하였다. 다음 Fig. 3은 비슬산 강우레이더의 관측고도각별 레이더 빔 진행 모의 결과와 본 연구에 활용된 AWS의 설치고도를 비교한 것이다.
본 연구에 이용된 AWS는 총 111 개소로, 비슬산 강우레이더 최저고도각 관측 시 차폐지역인 덕유봉(314), 덕유산(735) 및 지리산(872) AWS와 분석 대상 기간 동안에 결측이 발생한 서하(914)와 북항(969) AWS 그리고 레이더 자료에 이상치가 다수 나타난 토함산(859) 등 총 6개 AWS를 제외하였다. 기상청 AWS는 비슬산 강우레이더로부터 약 10~100 km 거리에 위치하고 있다. AWS가 설치된 해발고도는 약 3~600 m까지 다양하다. 다음 Fig. 4와 Table 3은 각각 기상청 AWS를 설치고도와 레이더로부터의 거리로 분류한 것이다. 비슬산 강우레이더와 기상청 AWS의 위치는 Fig. 5에 보는 바와 같다.
Table 3
Distance from BSL Radar to AWS Stations
3.2. 호우사상
본 연구에서는 2014년 8월 17일 12:00 부터 19일 12:00 까지의 48시간의 호우사상을 분석 대상으로 선정하였다. 이 기간 동안 우리나라에는 상공에 유입된 찬 공기가 저기압과 만나 천둥·번개를 동반한 많은 비가 내렸다. 전체 분석 대상 AWS 지점에서 관측된 누적 평균 강우량은 132.5 mm이며, 경남 양산시에 위치한 웅상(928) 지점에는 누적 최대 강우량이 304 mm로 관측되었다. 이 기간에 기록된 10분 최대 강우량은 17 mm(1시간 강우강도 102 mm/hr)로, 8월 18일 13시 20분에 부산광역시 금정구(939)에서 기록되었다. 다음 Fig. 6은 분석 대상 호우사상의 10분 관측강우량 시계열도표이다. Fig. 6의 x축은 관측시각을 나타내며 y축은 10분 누적 강우량을 나타낸다. Fig. 6(a)는 전체 AWS 지점에서 관측된 강우량합의 시계열도표이며, Fig. 6(b)~6(f)는 주요 AWS 지점의 10분 관측강우량 시계열도표이다.
4. 분석 결과
4.1. 분석 방법
본 연구에서는 기상청 AWS에서 관측된 10분 강우량을 1시간 강우강도로 환산하여 레이더 강우강도와 비교하였다. 비슬산 강우레이더 자료의 시간해상도는 2.5분으로 AWS의 시간해상도와 상이하다. 따라서 비슬산 강우레이더 자료와 AWS 관측자료 간의 시간해상도 차이를 고려하기 위해, 2.5분 간격의 4개의 레이더 자료를 누적 평균하여 10분 간격으로 1시간 레이더 강우강도를 추정하였다. 이와 같은 방법으로 생성된 레이더 강우장에서 AWS 지점에 해당하는 격자의 레이더 강우강도와 AWS 지상 강우강도를 짝지어 11,372 쌍의 자료를 생성하였다. 이 때 AWS로 관측된 지상 강우강도가 ‘0’인 자료는 분석에서 제외하였다. 이러한 자료를 각 합성 알고리즘의 강우추정 관계식의 문턱값을 기준으로 적합 자료와 부적합 자료로 나누었으며, 각각의 경우의 평가 지표를 계산하여 알고리즘 및 강우추정 관계식의 적용성을 검토하였다.
4.2. JPOLE 알고리즘 분석 결과
JPOLE 알고리즘의 R(KDP) 강우추정 관계식으로 레이더 강우를 추정한 결과는 Fig. 7과 Table 4와 같다. Fig. 7의 x축은 AWS으로 관측된 지상 강우강도이며, y축은 추정된 레이더 강우강도이다. 산점도 상의 굵은 실선은 45°선이며, 진한 점선은 상수항을 포함하지 않는 회귀선이고 흐린 점선은 상수항을 포함하는 회귀선이다. 산점도 상의 점은 한 쌍의 레이더 강우강도와 지상 강우강도 간의 관계를 나타내며, 이들의 관계가 1:1에 가까울수록 45°선에 가깝게 존재할 것이다. 만일 전체적인 강우추정 결과가 우수하다면, 산점도 상의 회귀선의 기울기가 45°에 근접할 것이다. 이와 같이 작성된 산점도는 레이더 강우추정 결과를 정성적으로 파악하는데 도움이 된다. Fig. 7(a)는 전체 자료에 R(KDP) 강우추정 관계식을 적용한 결과이며, Fig. 7(b)와 7(c)는 각각 강우추정 관계식의 문턱값에 따른 적합 자료와 부적합 자료의 결과이다.
Fig. 7
Scatter Plots of Ground Rain Rate and Radar Rain Rate Estimated by R(KDP) of JPOLE Algorithm.
Table 4
Results of Evaluation Criteria for JPOLE Algorithm of R(KDP)
Table 4와 Fig. 7에 보는 바와 같이, R(KDP) 강우추정 관계식에 적합한 경우는 단 하나여서, 식의 적용성을 판단하기에는 무리가 있다. 이 식의 적용 기준이 강우강도 50 mm/hr 정도라 흔히 보기 어려운 상황이 될 수밖에 없는 것도 이 식의 적용상 문제점이 될 수 있다.
JPOLE 알고리즘의 R(KDP, Zdr) 강우추정 관계식은 Eq. (1)로 추정된 레이더 강우강도가 6 mm/hr 이상, 50 mm/hr 미만 일 때 적용된다. 이러한 적합 자료는 Eq. (7)과 같이 Zdr 값을 보정인자로 하여 최종 레이더 강우강도가 산출된다. Fig. 8과 Table 5는 R(KDP, Zdr) 강우추정 관계식의 결과이다.
Fig. 8
Scatter Plots of Ground Rain Rate and Radar Rain Rate Estimated by R(KDP, Zdr) of JPOLE Algorithm.
Table 5
Results of Evaluation Criteria of JPOLE Algorithm of R(KDP, Zdr)
Fig. 8의 결과를 살펴보면, R(KDP, Zdr) 강우추정 관계식에 의한 레이더 강우강도는 과소 추정되었으며, 약 20 mm/hr 이하의 지상 강우강도에서는 레이더 강우강도가 과대 추정되는 결과가 다수 나타났다. 이 강우추정 관계식의 적합 자료는 1,286개로 전체 자료의 11.3%에 해당한다. Fig. 8(b)에 보는 바와 같이 적합 자료의 결과는 산점도 상의 45°선에 밀집되어 나타났다. 즉, JPOLE 알고리즘의 문턱값을 적용하면 전체 자료의 결과에 나타난 강우강도가 작은 영역의 레이더 강우강도 과대 추정 결과가 제거되는 것을 확인할 수 있다. 적합 자료의 평가 결과는 NB, NAE, RMSE, NSD, CC에서 우수하게 나타났다.
JPOLE 알고리즘은 Eq. (1)에 의한 강우추정 결과가 6 mm/hr 미만이면, Eq. (6)과 같이 Zdr을 보정인자로 하여 최종 레이더 강우강도를 산출한다. 다음 Fig. 9와 Table 6은 JPOLE 알고리즘 R(Zh, Zdr) 강우추정 관계식의 레이더 강우강도 추정결과이다.
Fig. 9
Scatter Plots of Ground Rain Rate and Radar Rain Rate Estimated by R(Zh, Zdr) of JPOLE Algorithm.
Table 6
Results of Evaluation Criteria for JPOLE Algorithm of R(Zh, Zdr)
4.3. CSU-HIDRO 알고리즘 분석 결과
CSU-HIDRO 알고리즘은 ZH, ZDR, KDP 등의 이중편파레이더 관측변수를 알고리즘의 문턱값으로 사용한다. KDP 값이 0.3°/km보다 크면 KDP가 포함된 강우추정 관계식을 사용하며, ZDR 값이 0.5 dB보다 크면 ZDR이 포함된 강우추정 관계식을 사용하여 레이더 강우를 추정한다. 다음 Fig. 10과 Table 7은 CSU-HIDRO 알고리즘의 R(KDP, Zdr) 강우추정 관계식으로 레이더 강우를 추정한 결과이다.
Fig. 10
Scatter Plots of Ground Rain Rate and Radar Rain Rate Estimated by R(KDP, Zdr) of CSU-HIDRO Algorithm.
Table 7
Results of Evaluation Criteria for CSU-HIDRO Algorithm of R(KDP, Zdr)
단순히 R(KDP, Zdr) 관계식을 적용하면, Fig. 10(a)에서 살펴 볼 수 있는 것처럼, 약 20 mm/hr 이하의 지상 강우강도에서 레이더 강우가 과대 추정된다. 이러한 과대 추정된 결과는 Fig. 10(b)에 보는 바와 같이, R(KDP, Zdr) 강우추정 관계식의 문턱값에 따라 대다수가 제거된다. 적합 자료는 156개로, 전체 자료 중 1.37%에 해당한다. 산점도를 이용하여 R(KDP, Zdr)강우추정 관계식의 적용성을 정성적으로 평가해보면, 적합 자료의 결과가 45°선에 밀집되어 나타나 강우추정 관계식의 문턱값이 적절하게 결정되었다고 볼 수 있다. 정량적인 평가 결과는 이러한 정성적 결과와 상이하다. 적합 자료의 평가 결과 NB, NAE, NSD, CC에서만 우수한 결과가 나타났다. 전체 자료 중 지상 강우강도가 10 mm/hr 미만인 자료의 개수는 9,057개로 약 80%에 해당한다. 이때의 지상 강우강도와 레이더 강우강도 간의 절대적인 편차가 상대적으로 작으므로 전체 및 부적합 자료의 평가 지표 산정 시 오차 감소 효과가 있는 것으로 판단된다.
R(KDP) 강우추정 관계식에 의한 레이더 강우추정 결과는 Fig. 11과 Table 8과 같다. 이 식을 전체자료에 적용하면, Fig. 11(a)에 보는 바와 같이, 강우강도가 작은 영역의 KDP 값의 변동에 의하여 약 20 mm/hr 이하의 지상 강우강도에서 레이더 강우강도가 과대 추정되었다. 이를 제외한 지상 강우강도 구간에서는 전반적으로 레이더 강우가 과소 추정되었다. CSUHIDRO 알고리즘의 R(KDP) 강우추정 관계식의 적합 자료는 27개로 전체 자료 중 0.24%에 해당한다. 적합 자료의 경우 ME가 -11.46 mm/hr로, 레이더 강우강도가 다소 과소 추정되고 있으나 선형성이 뚜렷하게 나타났다. 또한 R(KDP, Zdr) 강우추정 관계식 결과와 유사하게, ME, MAE, RMSE, CC 등을 제외한 평가 지표에서 적합자료의 결과가 우수하게 나타났다.
Fig. 11
Scatter Plots of Ground Rain Rate and Radar Rain Rate Estimated by R(KDP) of CSU-HIDRO Algorithm.
Table 8
Results of Evaluation Criteria for CSU-HIDRO Algorithm of R(KDP)
CSU-HIDRO 알고리즘의 구조상 R(Zh, Zdr) 강우추정 관계식은 15.4 mm/hr 이하의 강우에 적용된다. 전체 자료를 대상으로 R(Zh, Zdr) 강우추정 관계식을 적용하면 레이더 강우강도가 최대 150 mm/hr까지 다양하게 추정된다. 적합 자료는 15.4 mm/hr 이하로 레이더 강우가 추정된다. 다음 Fig. 12와 Table 9는 R(Zh, Zdr) 강우추정 관계식에 의한 레이더 강우강도 추정 결과이다.
Fig. 12
Scatter Plots of Ground Rain Rate and Radar Rain Rate Estimated by R(Zh, Zdr) of CSU-HIDRO Algorithm.
Table 9
Results of Evaluation Criteria for CSU-HIDRO Algorithm of R(Zh, Zdr)
Table 9의 결과를 살펴보면, CC를 제외한 모든 평가 지표에서 적합 자료의 결과가 우수하게 나타났다. 그러나 Fig. 12의 산점도를 통해 결과를 비교해보면, 전체 및 부적합 자료의 결과와 비교하여 나은 점이 거의 없다는 것을 확인할 수 있다. JPOLE 알고리즘의 Fig. 9에서와 같이, 레이더 강우의 폭은 상당히 좁은데 반해 우량계 강우의 폭은 매우 넓게 나타난다. 특히 낮은 레이더 강우 강도인 경우, 레이더 강우의 신뢰도에 큰 문제가 있을 수 있음을 나타내는 결과로 이해할 수 있다.
R(Zh) 강우추정 관계식에 의한 결과는 Fig. 13과 Table 10과 같다. 이러한 결과는 Fig. 9나 Fig. 12의 결과와도 유사하다. R(Zh) 강우추정 관계식은 CSU-HIDRO 알고리즘의 구조상 8.78 mm/hr 미만의 강우에 적용된다. ME, MAE, RMSE 등 값의 절대적인 편차를 고려하는 평가 지표에서 적합 자료의 결과가 우수하게 나타났다. 그러나 Fig. 13의 산점도에서 볼 수 있듯이, 적합 자료의 결과가 전체 및 부적합 자료의 결과보다 우수하다고 판단하기 어렵다. 또한 지상 강우강도의 크기로 구분하여 평가 지표를 산정하여 비교해 본 결과, 전 구간에서 적합 자료의 레이더 강우추정 결과가 가장 큰 오차를 보였다. 따라서 R(Zh) 강우추정 관계식은 CSU-HIDRO 알고리즘의 강우추정 관계식 중 가장 정확도가 낮은 관계식으로 볼 수 있다.
Fig. 13
Scatter Plots of Ground Rain Rate and Radar Rain Rate Estimated by R(Zh) CSU-HIDRO Algorithm.
Table 10
Results of Evaluation Criteria for CSU-HIDRO Algorithm of R(Zh)
4.4. JPOLE 알고리즘과 CSU-HIDRO 알고리즘 적용 결과 비교
JPOLE 알고리즘과 CSU-HIDRO 알고리즘의 강우추정 정확도 평가를 위해 분석대상 전체 자료에 두 알고리즘을 각각 적용하여 레이더 강우를 추정하였다. 다음 Fig. 14는 두 알고리즘의 레이더 강우추정 결과를 나타낸 산점도이며, Table 11은 두 알고리즘의 적용 결과에 대한 평가 결과를 비교한 것이다. 두 산점도의 기호는 해당 점의 레이더 강우추정 시에 이용된 강우추정 관계식을 나타낸다. Fig. 14를 보면, 두 알고리즘 모두 레이더 강우강도가 10 mm/hr 이상인 경우에 레이더 강우강도와 지상 강우강도가 상대적으로 잘 일치하는 것을 확인할 수 있다. 그러나 강우강도가 작은 경우에는 지상 강우강도에 비해 레이더 강우강도가 매우 과소 추정된 결과가 다수 나타났다. 이러한 결과의 영향으로 두 알고리즘 모두 ME와 NB가 음의 값을 보이고 있다(Table 11). 두 알고리즘의 평가 결과를 살펴보면, MAE, NAE, RMSE, NSD 및 CC는 유사한 것으로 나타났으나 ME, NB 그리고 G/R의 결과는 JPOLE 알고리즘이 보다 우수한 것으로 나타났다. 이상과 같은 결과를 간단히 요약하면 아래의 Fig. 15와 같다.
Fig. 14
Scatter Plots of Ground Rain Rate and Radar Rain Rate Estimated by Radar Rainfall Estimation Algorithms.
Table 11
Results of Evaluation Criteria for JPOLE Algorithm and CSU-HIDRO Algorithm
| Synthetic Algorithms | N | ME | NB | MAE | NAE | RMSE | NSD | G/R | CC |
|---|---|---|---|---|---|---|---|---|---|
| JPOLE Algorithm | 11,372 | -3.87 | -48.60 | 4.65 | 63.23 | 7.43 | 0.92 | 2.00 | 0.63 |
| CSU-HIDRO Algorithm | 10,482 | -4.40 | -61.67 | 4.73 | 69.06 | 6.95 | 0.97 | 2.60 | 0.66 |
Fig. 15를 보면, JPOLE 알고리즘의 경우(Fig. 15(a)), R(KDP, Zdr) 강우추정 관계식을 이용하는 6 mm/hr ≤ R(Zh) <50 mm/hr의 영역에서 가장 좋은 성능을 보였으며, R(Zh) <6 mm/hr의 영역의 성능은 낮았다. R(KDP) 강우추정 관계식을 이용한 R(Zh) ≥ 50 mm/hr의 영역은 분석 자료의 부족으로 인하여 성능에 관한 판단을 할 수 없었다. CSU-HIDRO 알고리즘 경우(Fig. 15(b))도 JPOLE 알고리즘과 유사하게 나타났다. KDP를 이용하는 강우추정 관계식들의 성능이 Zh를 이용하는 강우추정 관계식보다 우수한 것으로 나타났다. 강우강도가 큰 영역에 해당하는 R(KDP, Zdr) 강우추정 관계식의 성능이 가장 우수하였으며, 강우강도가 작은 영역에 해당하는 R(Zh) 강우추정 관계식의 성능이 가장 낮은 것으로 나타났다.
5. 결론
본 연구에서는 비슬산 강우레이더 자료를 이용하여 이중편파레이더 합성 알고리즘의 국내 적용성을 평가하였다. 먼저 2014년 8월의 호우사상을 이용하여 11,372 쌍의 레이더-지상 강우강도 자료를 생성하였다. 다음으로 JPOLE 알고리즘과 CSU-HIDRO 알고리즘의 강우추정 관계식의 문턱값을 기준으로 적합 자료와 부적합 자료로 구분한 후, 각각의 경우의 평가 지표를 산정하여 레이더 강우강도의 정확성을 평가하였다. 그 결과를 정리하면 다음과 같다.
먼저, JPOLE 알고리즘과 CSU-HIDRO 알고리즘 모두 KDP를 포함하는 강우추정 관계식의 레이더 강우강도 추정 결과가 가장 우수하였다. 이 경우, 적합 자료의 결과 또한 전체 및 부적합 자료에 비해 상대적으로 우수한 결과가 나타났다. 지상 강우강도가 작은 약한 비에서 KDP를 활용하는 강우추정 관계식의 레이더 강우강도는 과대 추정되었으나, 이러한 결과는 강우추정 관계식의 문턱값에 의해 적합 자료에는 포함되지 않았다.
둘째, Zh만을 이용하거나 Zh와 Zdr을 함께 이용하는 강우추정 관계식의 레이더 강우강도 추정 결과는 KDP를 이용하는 강우추정 관계식에 비해 좋지 못했다. 전반적으로 지상 강우강도에 비해 과소 추정하는 결과가 나타났으며, 적합 자료만을 고려하는 경우에도 레이더 강우추정 결과가 개선되지 않았다. 특히, Zh만을 이용하는 강우추정 관계식의 결과가 가장 좋지 못했다.
본 연구에서의 평가 사례는 2014년 8월 17-19일 발생한 호우사상에 한정되므로, 일반화되기에는 어려운 측면이 있다. 그러나 본 연구에서 제시하는 방법론은 합성 알고리즘의 평가는 물론 그 개선을 시도하는 경우 중요한 사례가 될 수 있을 것이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
