수문·기상레이더기반 정량적 강우량 추정과정에서의 불확실성 분석

이재경

추천

검색

자료유형: 학술저널

저자정보: 이재경 (대진대학교 공학교육혁신센터)

저널정보: 한국수자원학회 한국수자원학회논문집 한국수자원학회논문집 제51권 제5호

발행연도: 2018.1

수록면: 439 - 449 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2018

수문·기상레이더기반 정량적 강우량 추정과정에서의 불확실성 분석

이재경 한국수자원학회논문집 2018.01 학술저널

3가지 불확실성 정량화 방법을 활용한 레이더 강우량 추정과정에서의 불확실성 분석

이재경 , 이한용 , 이해광 한국수자원학회 학술발표회 2018.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

수문 기상레이더는 강우량을 바로 추정하지 못하고 여러 단계의 정량적 강우량 추정과정을 거치게 되므로 많은 불확실성 발생요소가 존재한다. 불확실성 관련한 기존 연구들은 정량적 레이더기반 강우량 추정과정에서 보정방법을 이용하여 각 단계별 불확실성을 줄이는 연구들을 수행하였다. 하지만 기존 연구들은 전체 과정에 대한 포괄적인 불확실성을 나타내지 못하고 각 단계별 불확실성의 상대적인 비율도 제시하지 못하는 단점이 있다. 본 연구에서는 정량적 레이더강우량 추정과정의 각 단계별 불확실성을 정량화하고 불확실성 전파를 나타낼 수 있는 적합한 방법을 제시하였다. 첫 번째로 초기와 최종 불확실성, 각 단계별 불확실성의 변동과 상대적인 비율을 나타낼 수 있는 새로운 개념을 제안하였다. 두 번째로 레이더기반 추정과정의 불확실성 정량화와 전파과정을 분석하기 위해 Maximum Entropy Method (MEM)와 Uncertainty Delta Method (UMD)를 적용하였다. 세 번째로 레이더기반 강우량 추정과정의 불확실성 정량화를 위해 2개 품질관리 알고리즘, 2개 강우량 추정방법, 2개 후처리 강우량 보정방법을 2012년 여름철 18개 사례에 대하여 사용하였다. 적용결과, MEM에서 최종 불확실성(후처리 강우량 보정 불확실성: ME = 3.81)이 초기 불확실성(품질관리 불확실성: ME = 4.28)보다 작게 나타났으며, UMD에서도 최종 불확실성(UMD = 4.75)이 초기 불확실성(UMD = 5.33)보다 작게 나타나 불확실성이 감소하는 것으로 나타났다. 하지만 레이더강우량 추정단계의 불확실성은 증가하는 것으로 나타났다. 또한 레이더강우량 추정과정에서 각 단계별로 적합한 방법을 선정하는 것이 각 단계별로 불확실성이 감소시킬 수 있음을 확인하였다. 따라서 본 연구는 새로운 방법이 명확히 불확실성을 정량화할 수 있으며 정확한 정량적 레이더 강우추정에 기여할 것으로 판단한다.

Many potential sources of bias are used in several steps of the radar-rainfall estimation process because the hydrological and meteorological radars measure the rainfall amount indirectly. Previous studies on radar-rainfall uncertainties were performed to reduce the uncertainty of each step by using bias correction methods in the quantitative radar-rainfall estimation process. However, these studies do not provide comprehensive uncertainty for the entire process and the relative ratios of uncertainty between each step. Consequently, in this study, a suitable approach is proposed that can quantify the uncertainties at each step of the quantitative radar-rainfall estimation process and show the uncertainty propagation through the entire process. First, it is proposed that, in the suitable approach, the new concept can present the initial and final uncertainties, variation of the uncertainty as well as the relative ratio of uncertainty at each step. Second, the Maximum Entropy Method (MEM) and Uncertainty Delta Method (UDM) were applied to quantify the uncertainty and analyze the uncertainty propagation for the entire process. Third, for the uncertainty quantification of radar-rainfall estimation at each step, two quality control algorithms, two radar-rainfall estimation relations, and two bias correction methods as post-processing through the radar-rainfall estimation process in 18 rainfall cases in 2012. For the proposed approach, in the MEM results, the final uncertainty (from post-processing bias correction method step: ME = 3.81) was smaller than the initial uncertainty (from quality control step: ME = 4.28) and, in the UDM results, the initial uncertainty (UDM = 5.33) was greater than the final uncertainty (UDM = 4.75). However uncertainty of the radar-rainfall estimation step was greater because of the use of an unsuitable relation. Furthermore, it was also determined in this study that selecting the appropriate method for each stage would gradually reduce the uncertainty at each step. Therefore, the results indicate that this new approach can significantly quantify uncertainty in the radar-rainfall estimation process and contribute to more accurate estimates of radar rainfall.

#레이더강우량추정 #불확실성 정량화 #불확실성 전파

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이재경

소속기관 대진대학교 공학교육혁신센터

주요연구분야 공학 > 건축공학 > 토목공학

논문수 1 이용수 2

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)