Earticle

진단(Diagnostic) 기상 모델인 CALMET(California Meteorological Model)(1)은 대기확산모델인 CALPUFF(California Puff Model)(2)의 기상전처리 모델로 3차원 격자 모델링 영역에서 시간별 바람장 및 온도장을 생성한다. 이때, 3차원 기상장 생성시 예단 적 기상모델(MM5(Fifth-generation Mesoscale Model)(3), WRF(Weather Research and Forecasting)(4))로부터 고해상도의 중규모 예측 기상자료를 초기기상장으로 적용하여 기상모델의 개선 효과를 가져 올 수 있다.(1) 본 연구에서는 복잡한 해안 지역인 인천 지역을 대 상으로 예단적 바람장 모델인 WRF 초기기상장과 관측 자료의 자료 동화를 통하여 200 m 고해상도의 CALMET 기상 모델을 수행 하였다. 이때, 예단적 모델인 WRF 수행시 해안지역의 복잡지형에 따른 중규모 및 국지규모의 순환계 특성을 보다 정확히 모사하기 위하여 환경부에서 제공하는 최신 중분류 토지피복자료 및 상세 모델링 수평격자 적용유무에 따른 민감도 분석을 실시하여 WRF 모 델링 결과를 개선하고자 하였다. 또한, 진단 기상 모델인 CALMET 모델링 수행시 지표 및 상층관측자료 뿐 아니라 해상관측자료인 부이관측자료를 이용하여 WRF 초기 기상자료와 자료동화 하였으며 기상요소별 민감도 분석 및 통계분석을 통하여 WRF/CALMET 를 활용한 미세바람장 예측 성능이 향상되는 것을 확인할 수 있었다.

Accurate simulation of atmospheric dispersion modeling is largely dependent on the data sets which are properly resolved in the spatial and temporal evolution of meteorological field on a wide range of scales. The fine scale wind field is required for the dispersion modeling in the complex terrain near the coastal area. This study provided information how to calculate the fine scale wind field using recent advances in the WRF prognostic meteorological model and CALMET diagnostic meteorological model. The CALMET model uses complex terrain algorithms to consider the effects of the terrain formed across coastlines in calculating the wind and temperature fields. As it is a flexible diagnostic model, its performance can be improved by incorporating the output from the WRF prognostic model and observed weather data. To improve the accuracy of the CALMET and WRF meteorological modeling for complex coastal areas, a pilot-study was performed in the vicinity of Incheon Metropolis in the northwestern region of South Korea. The results of sensitivity analyses on fine scale wind fields showed that predicted wind variables produced by WRF using high horizontal 0.3km resolution and updated new land-use data were in good agreements with those by observations. This study also demonstrates that it is necessary to use observed buoy data in the CALMET modeling in order to provide accurate meteorological fields near the coastal area.

Saltation is the most important mechanism of wind-blown sand transport. Till now the interaction between wind and sand has not been fully understood. In this study the saltation of sand sample taken from Taklimakan desert was tested in a simulated atmospheric boundary layer. The captured particle images containing both the tracers for wind and saltating sand, were separated by a digital phase mask technique. Both PIV and PTV methods were employed to extract the velocity fields of wind and the dispersed sand particles, respectively. The mean streamwise wind velocity field and turbulent statistics with and without sand transportation were compared, revealing the effect of the moving sand on the wind field. This study is helpful to understand the interaction between wind and blown sand (in saltation), and provide reliable experimental data fur evaluating numerical models.

Particle-in-cell simulations were performed to understand the interaction of the solar wind with localized magnetic fields on the sunlit surface of the Moon. The results indicated a mini-magnetosphere was formed which had a thin magnetopause with the thickness of the electron skin depth. It was also found that the solar wind penetrated into the cavity of the magnetosphere intermittently rather than in a steady manner. The solar wind that moved around the magnetosphere was observed to hit the surface of the Moon, implying that it may be the cause of the lunar swirl formation on the surface.

연속된 두 장의 레이더 반사도(합성 CAPPI)를 이용하여 설정된 두 윈도우 사이의 최대 상관계수를 찾아 냄으로써 강수의 움직임을 파악하는 기존의 TREC(Tracking Radar Echoes by Correlation) 기법은 단지 통계적인 상관법을 이용하여 산출된 TREC 벡터를 외삽하기 때문에 강우 시스템의 이동양상을 물리적으로 표현하는데 한계를 가질 뿐만 아니라 강수가 직선운동을 하는 것처럼 묘사될 수밖에 없는 기법의 한계성을지니고 있다. 본 연구에서는 도플러 레이더로부터 생산되는 시선속도를 이용하여 바람장을 산출하고 이를 TREC 벡터와 연계시켜 단시간 예보모형을 개선하고자 하였다. 시선속도는 레이더로부터 멀어지거나 다가오는 물체의 속도성분이며, 이를 이용하여 강수 영역 내의 바람장을 산출할 수 있다. 이러한 바람장 정보와 연계한 TREC 벡터의 개선은 단시간 강우 예보모형의 개선을 통하여 짧은 시간에 급격한 발달하는 집중호우 등에 대한 보다 정확한 예보를 가능하게 한다.

본 연구에서는 기상청의 현업 UM (Unified Model) 국지앙상블시스템(LENS)과 농업진흥청의 AAOS 47 지점을 기반으로 멱법칙(LENS-PL)과 기계학습 기법(EXP1-3)을 적용하여 2023년 1월에 12월 동안의 대상 작물별 강풍주의보와 강풍경보에 따른 8종 예측정보를 생산하고, 이를 혼동행렬의 평가지표 6종(Accuracy, Recall, Specificity, Precision, Negative predictive value, F1-score)을 활용하여 검증을 수행하였다. 그 결과, 5 m s^-1 이하에서는 LENS-PL과 전체자료(EXP1)를 학습한 기계학습 모형의 결과가 가장 높은 성능을 보였으나, 이후의 풍속대에서는 각 풍속 구간별로 무작위 선별된 자료(EXP2)와 LENS의 앙상블 멤버가 예측한 강풍 자료의 비율로 학습자료를 구축한 자료(EXP3)를 기계학습에 활용한 결과가 LENS를 멱법칙으로 단순 내삽한 결과 대비 더 높은 성능을 나타내었다. 특히, 17 m s^-1 이상의 풍속에서는 LENS-PL 대비 EXP3가 약 53%P의 더 많은 적중률을 보였다. 이는 강풍 예측 시 기계학습을 활용한 후처리의 효용성과 학습자료 선별 구성의 필요성에 대하여 시사하고 있다. 추후 기계학습 기법의 다각적인 적용 및 학습자료의 기상요소 확장 등이 연계된다면, 보다 신뢰성 높은 농경지의 강풍 예측 자료를 생산할 수 있을 것으로 사료된다.

This study applies machine learning (Random Forest) to predict eight types of wind gusts levels(3, 5, 7, 10, 11, 14, 15, 17 m s^-1) at a 3-meter AGL in agricultural fields for the year 2023, using data from the Korea Meteorological Administration's Unified Model Local ENSemble prediction system (LENS) and the Rural Development Administration's Automated Agricultural Observing System (AAOS). The research evaluated the performance of wind gust predictions using confusion matrix-based metrics and analyzed how prediction accuracy varies based on different training data configurations. The results showed that the LENS model performed well in low wind speed scenarios, while machine learning models outperformed LENS at higher wind speeds. Specifically, the machine learning model achieved a 53% higher hit rate than LENS in predicting wind gusts above 1 7 m s^-1. This study demonstrates the effectiveness of machine learning in wind gust prediction and highlights the importance of careful selection and composition of training data.

수도권 지역에서 3차원 바람장 및 농도장의 공간 특징을 모의하기 위해 AWS 자료동화 기법을 호주 CSIRO에서 개발된 비정역학 TAPM(The Air Pollution Model, V.2) 에 적용하여 2002년 7월 2일부터 7월 11일까지 10일 동안 1km$\times$1km격자에서 바람장 및 농도장을 도출하였다. (중략)