Sensitivity of Weather Research and Forecasting WRF) schemes to simulate a severe rainfall event over Solomon Islands. :솔로몬 제도의 폭우를 시뮬레이션하기 위한 기상 연구 및 예측 (WRF) 체계의 민감도

McJessey Leon Brian Beu

추천

검색

자료유형: 학위논문

저자정보: McJessey Leon Brian Beu (韓國外國語大學校, 韓國外國語大學校大學院)

지도교수: 채정효

발행연도: 2020

저작권: 韓國外國語大學校 논문은 저작권에 의해 보호받습니다.

이용수2

이 논문의 연구 히스토리 (2)

2020

Sensitivity of Weather Research and Forecasting WRF) schemes to simulate a severe rainfall event over Solomon Islands.

McJessey Leon B , ian Beu 환경 2020.01 학위논문

2019

Sensitivity of Weather Research and Forecasting (WRF) schemes to simulate a severe rainfall event over Solomon Islands

McJessey Leon B , ian Beu , Junghyo Cha 한국기상학회 학술대회 논문집 2019.10 학술대회자료

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

초록· 키워드

오류제보하기

기상 요원에게 있어, 심한 대류 폭풍과 관련된 폭우를 예측하는 것은 공간적 및 시간적 규모 측면에서 어려운 일입니다. 본 연구에서는 세계 기상 예측 시스템 (GFS) 0.25° 모델과 결합된 기상 연구 및 예측 (WRF) 모델을 사용하여 솔로몬 섬 (SI)에서 2018 년 12 월 30 일부터 31 일까지 발생한 2일 간의 폭우 에피소드를 시뮬레이션 했습니다. SI에 대한 기본 설정을 토대로 해당 사건을 예측하고 최적의 조합을 확인하기 위해 15및 5km 해상도의 양방향 대화형 도메인을 가진 6개의 미립자 물리학 (MPs)과 3개의 누적 파라미터화 (CPs) 기법을 사용하여 16개의 실험을 수행했습니다. 관측소 관측 및 열대성 강우 측정 임무 (TRMM) 데이터를 통해 모델 결과를 검증했습니다. 통계적 분석은 탐지 확률 (POD), 거짓 경보율 (FAR), 위협 점수 (TS), 정확도 및 편향 검사 점수를 사용하여 실시하였습니다. 민감도 연구 결과, 모든 MP 실험은 Betts-Miller-Janjic (BMJ)와 누적 방식과 같이 Kain-Fritsch (KF)와 결합되었으며, 이는 남서쪽부터 북동쪽까지의 주요 강우 분포를 시뮬레이션 하는데 적합하지만, 강우량은 과대 평가된 것으로 나타났습니다. MP와 CP의 거의 모든 조합은 25mm 임계값 미만의 강수량 시뮬레이션에 가장 적합했습니다. 이틀 간의 전체 통계 결과, BMJ 방식과 결합된 WRF 단일 모멘트 클래스 5 (WSM5)는 일관성을 보였으며, 폭우를 잘 예측했습니다.

CHAPTER 1 1
INTRODUCTION 1
1.1 Background 1
1.2 Rationale of the study 2
1.3 Study area 2
1.4 The extreme rainfall event 5
1.5 Himawari Satellite 6
1.6 Assessment of the severe rainfall event 7
1.7 Objectives of the study 10
1.8 Organization of Chapters 10
CHAPTER 2 11
LITERATURE REVIEW 11
2.1 Influences of rainfall over SI 11
2.2 Rainfall prediction over SI 11
2.3 Rainfall prediction using WRF Model 14
2.4 Description of WRF modelling system 16
2.4.1 Microphysics Scheme 18
2.4.2 Cumulus parameterization schemes 21
CHAPTER 3 23
DATA AND METHODOLOGY 23
3.1 Data 23
3.2 Experimental design 23
3.2.1 Default configuration 23
3.2.2 Experimental Configuration 25
3.3 Analysis procedure 25
3.3.1 Accuracy (fraction correct or percentage correct) 27
3.3.2 Probability of Detection (POD) or Hit rate (HR) 27
3.3.3 False alarm ratio (FAR) 28
3.3.4 Frequency bias (BIAS) 28
3.3.5 Threat score (TS) or critical success index (CSI) 29
3.4 Display tool 29
CHAPTER 4 30
RESULTS AND DISCUSSION 30
4.1 Spatial distribution of rainfall 30
4.2 Model simulation of rainfall 31
4.2.1 30 December, 2018 31
4.2.2 31 December, 2018 34
4.3 Forecast verification statistics 37
4.3.1 30 December, 2018. 38
4.3.2 31 December, 2018. 43
4.3.3 Model Ranking 50
CHAPTER 5 55
CONCLUSION 55
5.1 Findings 55
5.2 Limitation 56
5.3 Recommendation 57
REFERENCES 58

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

목차

최근 본 자료

댓글(0)