레이더-위성자료 이용 다중센서 기반 초단기 강우예측 - 2014년 8월 부산·경남 폭우사례를 중심으로 -

Abstract

본 연구에서는 2014년 8월 부산 경남 집중호우 사례를 대상으로 레이더와 위성결합 Multi-sensor Blending 초단기 강우예측을 실시하였다. 레이더 최적 Z-R관계는 열대형 강수 Z-R관계식(<TEX>$Z=32R^{1.65}$</TEX>)을 적용하였으며, 20 mm/h 이상의 강한 강우에서 강수량 추정 정확도가 향상됨을 확인하였다. 또한 60 mm/h 이상 강한 폭우사상에 대하여 천리안 위성자료와 레이더자료를 합성한 결과 정량강수 추정 성능이 향상됨을 확인하였다. 지속시간별 강우예측 정확도 검증을 위하여 AWS, MAPLE 자료와 비교결과, 강우예측 1시간까지 약 50%이상의 지점강우예측 정확도를 확보하였으며, 10분 단위 예측시간별 상관계수는 0.80~0.53, 평균제곱근오차는 3.99~6.43 mm/h로 분석되었다. 본 연구 결과 레이더와 위성정보를 이용한 보다 신뢰성 있는 강우예측 정보 활용이 가능할 것으로 판단되며, 향후 지속적인 사례연구와 레이더 위성 활용 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다. In this study, we developed a multi-sensor blending short-term rainfall forecasting technique using radar and satellite data during extreme rainfall occurrences in Busan and Gyeongnam region in August 2014. The Tropical Z-R relationship (<TEX>$Z=32R^{1.65}$</TEX>) has applied as a optimal radar Z-R relation, which is confirmed that the accuracy is improved during 20mm/h heavy rainfall. In addition, the multi-sensor blending technique has applied using radar and COMS (Communication, Ocean and Meteorological Satellite) data for quantitative precipitation estimation. The very-short-term rainfall forecasting performance was improved in 60 mm/h or more of the strong heavy rainfall events by multi-sensor blending. AWS (Automatic Weather System) and MAPLE data were used for verification of rainfall prediction accuracy. The results have ensured about 50% or more in accuracy of heavy rainfall prediction for 1-hour before rainfall prediction, which are correlations of 10-minute lead time have 0.80 to 0.53, and root mean square errors have 3.99 mm/h to 6.43 mm/h. Through this study, utilizing of multi-sensor blending techniques using radar and satellite data are possible to provide that would be more reliable very-short-term rainfall forecasting data. Further we need ongoing case studies and prediction and estimation of quantitative precipitation by multi-sensor blending is required as well as improving the satellite rainfall estimation algorithm.