MAPLE의적용현황및평가 · 2020-02-06 · maple의적용현황및평가...
Transcript of MAPLE의적용현황및평가 · 2020-02-06 · maple의적용현황및평가...
MAPLE의 적용 현황 및 평가
국립기상연구소 예보연구과
제10회 기상레이더 워크숍2009.12.17 – 12.18
목차
• 배경 및 개요
• MAPLE 소개
• 시험운영 현황
• 평가
– 사례별 검증
– CRA(Contiguous Rain Area) 기법을 통한 평가
• 확률예측 및 규모분석 적용
– 초단기 강수확률예측시스템
– 규모분석을 적용한 비예측성 강수에코 제거
• 향후 계획
– 위성 IR 영상에의 적용
– 낙뢰예측시스템에의 적용
배경 및 개요
추진배경및필요성
• 추진 배경
– 2006년 7월 경기도 고양지구에서 발생한 돌발성 집중호우를 비롯
하여 국지 악기상의 빈도와 강도가 증가
– 돌발 호우의 공간규모가 수 km정도이고, 수 시간 내에 발달하여
예측의 어려움
• 필요성
– 국지적 특성을 표현할 수 있는 고해상도 수치예측체계의 도입 필요
– 레이더/ 위성 등 다중관측을 이용한 초단기 정량계측 필요
MAPLE 도입개요
• 목적
– 초단시간 예보(6시간 이내)를 위한 신속하고 정확한 한국형 정량적
예측모델 개발
• 내용
– 캐나다 McGill대학교와의 공동 연구를 통해 고해상도의 강수 에코
위치 추적 시스템 개발 추진(학술연구용역)
• 변분 에코 추적기법을 이용한 초단시간 예측모델 개발
• 2007년 – 2009년(3년)
• 추진 현황
– 변분 에코 추적기법을 이용한 강수 에코 이동벡터 산출 (2007년)
– 반라그랑지안 기법으로 6시간까지의 이류 예측장 생산 (2008년)
– 확률예측 및 비예측성 강수에코 제거 기법 적용(2009년)
예측모형 소개
1. MAPLE 특성 및 차별화2. MAPLE 소개(에코 이동벡터 산출 알고리즘 소개 및 이류 기법 등)3. 태풍 사례에 대한 가시적 평가4. MAPLE의 한계
MAPLE 특성및차별화
q Scale dependence of predictability
§ wavelet filtering 적용
§ 각 scale에 대해 lifetime을 적용한
예측장 생성
q Rainfall QPF algorithm
§ 변분 에코 추적 방법 및 semi-
Lagrangian 이류 방법적용
q Probabilistic nowcast
§ Conditional ranked probability
score를 적용한 확률적인 예측
[ Variational echo tracking ]
[ Lagrangian persistence ]
[ Advection scheme ]
[ Scale dependence ]
[ Predictability of PDF ]
MAPLE 소개
KMA input format MAPLE format
Grid Size 901×1051 1024×1024
Horizontal 901 61(no data)+901+62(no data) = 1024
Vertical 1051 28th~1051th raw of KMA data = 1024
자료저장순서................. (901,1051)
(1,1) ..........................................(1024,1024)(1,1) ..............................
자료형2byte short integer
(big endian)2byte short integer
(little endian)
자료종류 mm/hr(second decimal place)×100 dBZ(second decimal place)×100
no echo -32767 -10×100
beyond max range -32768 -10×100
1024
27
1051
901
MAPLE
KMA
1024
61 62
800
margin : 112 (r3dgp2.init)
800
Velocity field calculation domain
자료 형태
MAPLE 소개
T= t0T= t-2 T= t-1
∆t ∆t
3 images
기준시간으로부터 10분(또는 20분) 간격의 2개(또는 3개)의 레이더 합성 자료 이용
에코 이동벡터 산출 입력 자료
MAPLE 소개
JY = òòW b(x, y) [Y(t0, x, y) - Y(t0-Dt, x-uDt, y-vDt, )]2dxdyJ2 = g òòW [(¶2u/ ¶x2)2 + (¶2u/ ¶y2)2 + 2(¶2u/¶x¶y)2 + (¶2v/ ¶x2)2
+ (¶2v/ ¶y2)2 + 2(¶2v/¶x¶y)2]dxdy
JY : sum of squares of residuals of the conservation equationJ2 : smoothness-penalty functionb(x, y) : weight for reflectivity conservation constraint
- Weighting matrix b(x, y) incorporates error structure (clutter, data voids)g : smoothing constraint
§ Cost function ( JVET(u,v) = JΨ + J2 )을 최소화 하는 u, v 산출
§ 각각의 sub-area에 대해서 u, v를 산출하는 것이 아니며,
전체 영역을 동시에 만족하는 u, v를 산출 (예, 25X25 이동벡터)
에코 이동벡터 산출
MAPLE 소개
l dbzthresh : all values in ref map < dbz_thresh are set to 0. This is done only in the reflectivity map used by r3dpg2.
l smoothing : amount of smoothingl nt : number of images used in determining the velocity
fieldl dtemp(s) : time interval between maps supplied in
secondsl iteration values : number of vectors to be computed
and iterations times ...ex) 5×5 or 25×25 or 50×50
l aph1, por1 : smoothing constraint and weight for reflectivity
에코 이동벡터 산출 조절가능 변수
MAPLE 소개
§ 일반적으로 0.5과 1.0사이의 값을 이용
§ 값이 작게 되면 레이더 반사도 값이 이동벡터를 구하는 과정에서 크게 작용하지 않아서
공간적으로 반사도의 영향이 부각되지 않음.
§ 상수 값이 아닌 각 격자별로 값을 지정하여 비정상적인 반사도에 대한 효과를 제거 가능
β = 0.1 β = 10.0
반사도 가중치에 대한 민감도
MAPLE 소개
§ 일반적으로 100.0과 1000.0사이의 값을 이용
§ 에코 이동벡터 값의 공간적인 평활화 정도를 조절
§ 값이 크게 되면 공간적인 에코 이동벡터의 변화가 적어지게 됨.
g = 10.0 g = 10000.0
smoothing factor에 대한 민감도
MAPLE 소개
1st: 1 vector 2nd: 5 x 5
Initialize with 1st3rd: 25 x 25
Initialize with 2nd
§ 큰 격자 규모에서 구해진 이동벡터를 이용하여 초기화한 다음 조밀한 격자에서의이동벡터를 산출함
규모를 고려한 에코 이동벡터 산출
MAPLE 소개
y1 y2
y3y4
(x1,x2)32
800
112
112
25X25 moving vectors24X24 sub-areas with 32X32
sub-area
u, t : distance weighting
t
1024
1024
u
)()()(
1412
423112,1
yytyyuyyyytuyy xx
-+-+--++=
Bilinear interpolation 이용
각 격자에서의 에코 이동벡터 산출
MAPLE 소개
§ 에코의 궤적을 따라 추적하는 semi-Lagrangian 기법에 의한 이류
§ 선형 추적법에 비해 정확한 움직임을 추적
Observations
MAPLE
up to 10h nowcast
반라그랑지안 기법을 이용한 이류
태풍사례에대한가시적평가
Observation Forecast
[10:00 KST – 14:00 KST]
2007.9.16. (Typhoon NARI)
MAPLE의한계
• 강수 에코의 생성 및 소멸과 관련한 과정이 없음
– 비역학 예측모델
– 확률적인 규모분석을 제외하고 초기의 에코가 불변
– 역학적인 정보의 반영이 요구
• 초기에 구해진 에코 이동벡터를 전체 예측 시간에 적용
– 이동벡터가 시간에 따라 급격하게 변하는 경우 낮은 예측성을 보임
– 예측시간의 확장에 한계를 나타냄
시험운영
1. MAPLE 시험운영 체계2. 예측결과 생성 누락 현상
시험운영
· 2008년 6월 2일 12KST부터 시행
[COMIS-3; 레이더/낙뢰 – 합성/예측 – MAPLE]
· 매 10분마다 10분 간격의 6시간 예측 결과 제공
à CMAX, CAPPI, MERGE* 등을 이용하여 6종류의 결과 제공
MERGE* : CMAX, CAPPI, BASE, PPI 등 4개의 레이더 반사도 값을 평균한 자료
시험운영체계도
[레이더 관측] [레이더 QC] [COMIS DB]
[COMIS DB] [Graphic 표출]
DB mount
[radar1] [main 서버]
관측 ~ 20분
20분 ~ 30분 30분 ~
관측된 레이더 자료가
QC를 거쳐 COMIS
DB에 저장
§ 레이더 자료 FTP 수신
§ 레이더 합성장 생성
§ MAPLE을 통한 예측장 생성
§ 예측 결과 FTP 송신
COMIS DB에 저장된
예측결과를 이용한
Graphic 표출
예측자료생성오류
· QC된 합성 이미지 생성 오류
- QC된 레이더 자료 수신 오류
- 사이트별 레이더 자료 QC 오류로 인한 합성장 생성 오류
☞ 현재 및 과거 시간대의 합성이미지가 존재 하지 않음
ex) [CAPPI], [20분 간격]
12:00 합성 이미지 생성 오류시 à 12:00, 12:20 및 12:40분 예측장
생성 안됨
[12:40분 예측장 생성시 12:00, 12:20, 12:40분 합성이미지 활용]
[CAPPI], [10분 간격]
12:00 합성 이미지 생성 오류시 à 12:00, 12:10 및 12:20분 예측장 생
성 안됨
· 에코가 나타나는 지역이 적은 경우
à 기준 dBZ(15 dBZ) 이상의 에코 지역이 기준 값(500 픽셀) 이하일 때
평가
1. 사례별 검증2. CRA 기법 적용을 통한 평가
CRA 검증기법
Forecast
Observed
Object-oriented verification : CRA (Contiguous Rain Area)
→ 예보와 관측 강수역에서의 위치, 크기, 모양에 대한 평가 기법 (Beth Ebert, 2000)
“ Best fit”
Maximizing correlation coefficient
Minimizing the total squared error
Error decomposition : MSEtotal = MSEdisplacement + MSEvolume + MSEpattern
shifttotalntdisplaceme MSEMSEMSE -=
2)'( ofMSEvolume -=
volumeshiftpattern MSEMSEMSE -=
2
1)(1 å
=
-=N
iiitotal of
NMSE
2
1)'(1 å
=
-=N
iiishift of
NMSE
태풍(나리,16 SEP 2007)
Observation Forecast
§ 초기에 회전 형태의 에코 움직임을 잘 추적하고 있지만 시간이
지나면서 태풍의 위치를 추적하지 못하고 있다.
§ 위치 오차의 급격한 증가
01:00 KST, 23 MAR 2008
Observation Forecast
§ 강수 시스템이 레이더 관측 영역안에 있으며 에코의 발달 또는
소멸이 크지 않은 경우
00:00 KST, 24 MAR 2008
Observation Forecast
§ 강수 시스템이 소멸되는 경우 MAPLE 예측성이 급격히 감소함
MAPLE 한계(14:00 KST, 21 JUN 2008)
Observation Forecast
§ 강수 시스템이 생성 또는 소멸 되는 경우
MAPLE 한계(05:00 KST, 22 JUN 2008)
Observation ForecastBefore Forecast
§ 추정된 에코 이동벡터의 지속적 사용에 따른 한계
§ 정체된 것처럼 보이는 에코에 의한 이동벡터 산출 오류
Threat Score 검증
§ 2008년 여름철에 대한 2시간 예측장 검증 결과 : 0.327
§ e-folding 시간 : 90분 이상
CRA 검증을통한평가(1)
§ 최적의 MSE 값을 가지는 변위 값의 분포가 수 십 km이내에서 나타남
§ 예측 시간이 증가함에 따라 위치오차의 비중이 증가하지만 그 크기가 상대적으로 작게 나타나는 것은 에코 위치에 대한 예측성이 높다라는 것을 반증함
§ 특정 방향으로의 편향성은 거의 없음
최적 변위 값 분포 및 95% 신뢰 타원 영역
CRA 검증을통한평가(2)
§ 분할 검증을 통해 2시간 30분 정도까지는 적중 비율이 가장 높게 나타남
→ 최소 2시간 30분까지는 신뢰성이 있다. (항공 분야에서 활용 가능성이 높다.)
§ 강수 강도에 따라서는 강한 강수와 약한 강수에서의 비율 변화가 뚜렷하게 나타남
False AlarmMissed LocationMissed EventFar
( 20km< )
OverestimateHitUnderestimateClose
(<=20km)
Too Much
(More than 10%)
Approx. Correct
(within 10% diff.)
Too Little
(Less than 10%)
False AlarmMissed LocationMissed EventFar
( 20km< )
OverestimateHitUnderestimateClose
(<=20km)
Too Much
(More than 10%)
Approx. Correct
(within 10% diff.)
Too Little
(Less than 10%)
Mean Forecast Rain Rate
Displacementof forecastrain pattern
확률예측 및 규모분석 적용
1. 초단기 강수확률예측시스템2. 규모분석을 적용한 비예측성 강수에코 제거
초단기강수확률예측시스템
§ L=T0.8 공간규모와 시간규모간의 관계식을 적용하여 해당 영역에서 확률 값 산출
§ 몇 개의 threshold 값(예; 15, 25, 40dBZ)에 대한 각 구간별 확률 예측결과 제공
기존 MAPLE 예측결과
강수확률예측결과
규모분석을 통한비예측성 강수에코 제거
§ 현재 관측과 한 시간전의 한 시간 예측 결과와의 wavelet 분석을 통한 규모별 가중치 결정
§ 예측시간이 길어질 수록 작은 규모에 대한 가중치가 적어짐
기존 MAPLE 예측결과
규모분석 예측결과
향후 계획
1. 알고리즘의 응용(위성 IR 영상에의 적용)2. 낙뢰예측시스템에의 적용
에코추적기법의IR 영상에의적용
[Case1 : 2008.05.13. 11:00-17:00]
observation MAPLE forecast