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