Comparison of Cloud Top Height Observed by a Ka-band Cloud Radar and COMS

1. 서 론

구름은 태양 및 지구 복사에너지를 흡수하거나 반사하여 대기상태를 변화시키는 주요 인자로, 지구의 수문학적 순환 및 기상현상의 발생과 밀접한 관련이 있다. 이러한 이유로 구름에 관한 연구가 중요시되고 있으며, 특히 수치모델의 검증 및 개선에 구름자료를 활용한 연구들이 진행되고 있다. 구체적으로, 구름 관측 치를 이용하여 수치모델에서 예측된 구름정보를 비교 검증한 연구(Mace et al., 1998; Jakob et al., 2004; Bodas-Salcedo et al., 2008; Bouniol et al., 2010; Polkinghorne et al., 2010)와, 구름 미세물리정보의 모수화 및 자료동화를 통해 수치모델의 예측성을 향상하고자 하는 연구(Lopez, 2002; Gerard et al., 2009; Polkinghorne and Vukicevic, 2011)가 있다. 이와 같은 연구를 위하여, 구름의 정량적이고 세밀한 관측이 요구된다.

구름 관측을 위해 다양한 관측장비가 사용되고 있는데, 위성, 운고계 등의 활용 시에는 구름의 입체적인 관측이 어렵고(Zhong et al., 2011), 현재 운영 중인 강우레이더는 강우 입자를 관측하는 장비로 상대적으로 미세한 구름입자의 측정에는 한계를 나타낸다(Sakurai et al., 2012). 이에 반해, 밀리미터 파장을 가지는 구름레이더를 사용할 경우, 구름 입자의 입체적이고 높은 해상도 자료를 얻을 수 있어, 세계 각국에서 구름 관측에 이를 활용하고 있다. 미국은 ARM(Atmospheric Radiation Measurement) 프로그램의 일환으로 미국과 세계 각국에 설치된 구름레이더 자료를 장기간 축적하였고(Stokes and Schwartz, 1994), 기후적 특성(Kollias et al., 2007; Kalesse and Kollias, 2013)과 모델 검증 및 개선(Mace et al., 1998; Ahlgrimm and Forbes, 2013) 등의 분석들을 수행하였다. 일본은 Ka-band와 W-band 구름레이더를 운영하며, 구름입자의 미세물리적 특성 분석(Yoshida et al., 2006) 및 기타 파장의 레이더와 연계를 통한 구름 발달 과정에 대한 연구(Kobayashi et al., 2011; Sakurai et al., 2012)등을 진행하였다.

국립기상연구소에서는 국내 최초로 Ka-band 구름레이더(CR; Ka-band Cloud Radar, 이하 구름레이더)의 도입을 추진해왔으며, 2013년 4월 보성 국가위험기상집중관측센터(NCIO; National Center for Intensive Observation of severe weather, 이하 보성센터)에 설치하여 현재 운영 중이다. 국기상과학연구원(CAMS; Chinese Academy of Meteorological Sciences)은 본 구름레이더를 활용하여 구름 자료보정과 사례분석 및 미세물리적 특성을 연구한 바 있으며, 그 결과 상세 구름 관측 자료를 효과적으로 생산함을 밝혔다(Zhong et al., 2011, 2012). 하지만, 구름레이더를 이용한 관측에서도 한계점이 나타나는데, 대표적으로 강수 발생 시에 나타나는 신호 감쇠를 들 수 있다(Lhermitte, 1990). 따라서, 구름레이더 관측자료를 수치모델의 개선을 위한 검증 및 자료동화에 사용하기 위해서는, 특성 분석 및 기타 관측기기와의 비교를 통한 자료의 검증 및 품질 제어가 선행되어야 한다.

이에 대해, 선행 연구에서는 구름레이더로 관측한 반사도, 밝은 띠, 수함량, 도플러 속도 등의 관측 요소를 다른 관측기기와 비교 분석하였고(Hobbs et al., 1985), 연계 및 결합을 통해 다양하고 향상된 품질의 자료를 얻을 수 있다는 결과를 보였다(Krofli and Kelly, 1996; O’onnor et al., 2005; Kneifel et al., 2011). 특히, 운정고도는 지구의 복사수지 및 구름발달에 대한 이해를 돕는 중요한 관측 요소로, 구름레이더 및 위성을 통해 산출이 가능하며(Hobbs et al., 1985; Weisz et al., 2007), 각각의 결과를 비교 분석하는 연구들이 있었다(Syrett et al., 1995; Hollars et al., 2004). 이 연구들은 강한 강수 시 구름레이더 신호 감쇠로 인해 위성보다 낮은 운정고도가 나타난다는 공통적인 결론을 보였다.

이러한 결과를 바탕으로, 보성센터 구름레이더를 이용하여 운정고도를 산출하고, 이를 위성자료에서 분석된 운정고도와 비교하고자 한다. 사용한 위성자료는 국내 최초의 정지궤도위성인 통신해양기상위성(COMS; Communication, Ocean and Meteorological Satellite, 이하 천리안위성)에서 분석된 자료이다. 천리안위성의 각 채널 자료를 이용하여 구름 상태, 구름 광학 두께, 운정 기압, 운정 고도 등의 구름 정보를 얻을 수 있으며, 이에 대한 산출 알고리즘 설계 및 기타 위성과의 비교검증 연구가 이루어진 바 있다(Choi et al., 2007; Choi and Ho, 2009). 본 연구에서는 강수 유무, 강우 강도, 구름 두께 및 최대 반사도 등의 조건을 고려하여 구름레이더와 천리안위성의 운정고도를 비교함으로써 구름레이더 자료의 유효성의 살펴보고자 한다.

2. 자료 및 방법

2.1 Ka-band 구름레이더

보성센터(전라남도 보성군 득량면 득량만길 379, 34.76^oN/127.21^oE)에 설치되어 운영중인 구름레이더 자료를 사용하였다(Fig. 1). 이는 33.44 GHz 주파수 대역의 짧은 파장(8.97 mm)을 이용한 장비로, 수평파를 전송하고 수평/수직파를 수신함으로써, 비강수 구름, 약한 강수 구름, 약한 강수에 대한 반사도, 시선속도, 스펙트럼 폭, 선형편광비(LDR; Linear Depolarization Ratio), 신호대잡음비(SNR; Signal to Noise Ratio)를 얻을 수 있다. 상세한 정보는 Table 1에서 제공한다. 본 연구에서는 2013년 5월 25일(1600 UTC)에서 27일까지 수평 송수신파로 관측된 연직 반사도 자료를 이용하여 운정고도, 운저고도, 구름두께를 산출하였다. 지형 클러터, 노이즈 및 비(非)구름에코를 제거하기 위하여, 레이더 관측범위인 300~15,000 m 고도(연직해상도 15 m) 내에서 −40 dBZ 이상의 반사도 값이 600 m(40개 bin) 이상의 두께로 나타나는 에코를 구름으로 정의하였다. 이때, 에코가 나타나는 최고 고도를 운정고도, 최저 고도를 운저고도로, 그 차이를 구름 두께로 정의하였다. 다층 구름의 경우에는 하나의 구름으로 간주하여 운정, 운저고도, 구름두께를 산출하였다.

Fig. 1.

(a) Location of Boseong NCIO site and (b) Ka-band cloud radar.

Table 1.

Characteristics of the Ka-band cloud radar.

3. 2013년 5월 25~27일 사례

서해상으로 다가오는 저기압이 한반도를 통과하며, 전국적으로 강수가 발생했다. 특히 남해안과 제주도를 중심으로 많은 비가 내렸고, 보성군 기상관측소(지점번호: 47258) AWS에서는 26일 2115 UTC에서 27일 2200 UTC까지 총 233.5 mm의 강우량이 관측되었다(Fig. 2a). 구름레이더 반사도를 살펴보면(Fig. 2b), 강수 발생 이전인 25일 16:30 UTC 경부터 약 7.5~9 km 부근에 구름 에코가 나타났고, 이후 약 4~11 km 고도까지 점차 발달하며 지속되었다. 이 에코는 강수 시작 이후에 하층을 중심으로 나타났고, 강수 종료 시까지 지속되었다. 본 연구에서는 구름이 발달하는 25일 1630 UTC부터 소멸하는 27일 2345 UTC까지를 포함하는 25일(1600 UTC)에서 27일까지를 분석 기간으로 정의하였고, 이 기간 동안 구름레이더와 천리안위성으로 산출된 운정고도를 비교하였다. 이때, 구름레이더 운정고도는 천리안위성이 제공하는 운정고도 자료와 같은 시각의 자료만 추출하여 분석하였다.

Fig. 2.

(a) Time-series of hourly precipitation (mm) at Boseong-gun AWS (site number: 47258) and (b) time-height cross section of reflectivity (dBZ) observed by cloud radar (CR) for 25 (1600 UTC)~27 May 2013. The closed and opened circles denote cloud top heights (CTH, km) of CR and COMS, respectively.

4. 구름레이더와 COMS의 운정고도 비교

4.1 강수 유무

25일(1600 UTC)에서 27일까지의 구름레이더 반사도 및 운정고도와 천리안위성의 운정고도를 살펴보았다(Fig. 2b). 강수 발생 이전의 구름레이더 운정고도는 구름 발달 초기인 I구간(Fig. 3a)을 제외하면 천리안위성 운정고도와 유사하게 나타났다. 그러나 강수 발생 이후에는 천리안위성 운정고도는 큰 변화를 보이지 않고 계속해서 약 10 km의 고도에 나타난 반면, 구름레이더의 운정고도는 급격히 낮아진 것을 볼 수 있다.

Fig. 3.

Time-height cross sections of reflectivity (dBZ) observed by CR for (a) I, (b) II, (c) III, (d) IV, and (e) V section in Fig. 2. The closed and opened circles denote cloud top heights (km) of CR and COMS, respectively.

이러한 차이를 면밀히 살펴보기 위하여 강수 유무에 따라 기간을 나누어 분석하였다. 강수 시작에서 종료까지의 기간을 강수구간(26일 2115 UTC~27일 2200 UTC), 그 외의 기간을 비강수구간(25일 1630 UTC~26일 2100 UTC, 27일 2215 UTC~2345 UTC)으로 정의하였다. 구름레이더와 천리안위성 운정고도를 비교한 결과(Fig. 4), 전체 기간에서는 낮은 상관을 보였는데, 강수 유무에 따라 다른 양상이 나타났다. 비강수구간의 경우, 99%의 신뢰수준에 유의한 양의 상관(상관계수: 0.65)을 보였다. 강수구간에서는 구름레이더 운정고도가 천리안위성보다 낮은 경향을 보이며, 유의한 상관이 나타나지 않았다.

Fig. 4.

Scatter plot of cloud top heights (km) observed by CR and COMS. Double asterisk denotes significant correlation between groups of p-value (P) < 0.01.

이러한 강수유무에 따른 차이가 천리안위성 운정고도의 산출과정에 의해 발생한 것은 아닌지 살펴보기 위하여, 원자료인 밝기온도와 비교 분석하였다(Fig. 5). 천리안위성의 밝기온도와 운정고도는 비강수구간(상관계수: −0.98)이 강수구간(상관계수: −0.81)보다 약간 높긴 하지만, 전체구간에서 99%의 신뢰도에 유의한 높은 음의 상관(상관계수: −0.95)을 보였다(Fig. 4a). 구름레이더 운정고도와 천리안위성 밝기온도의 상관관계를 살펴본 결과, 비강수구간에서는 99% 신뢰도에 유의한 음의 상관(상관계수: −0.68)이 나타났고, 강수구간에서는 유의한 상관이 나타나지 않았다(Fig. 4b). 이는 구름레이더와 천리안위성의 운정고도를 비교한 결과와 상통한다.

Fig. 5.

Scatter plots of (a) cloud top heights (km) verse brightness temperature (oC) by COMS, and (b) cloud top heights by CR verse brightness temperature by COMS. Single and double asterisks denote significant correlations between groups of P < 0.05 and P < 0.01, respectively.

다음으로, 구름레이더와 천리안위성 운정고도간의 차이를 살펴보면, 비강수구간에서는 양의 값, 강수구간에서는 음의 값이 우세하게 나타나는 것을 볼 수 있다(Fig. 6). 전체 기간 동안 운정고도 차이 값의 범위는 약 −12~8 km, 평균 값은 −1.31 km로 구름레이더에서 천리안위성보다 더 낮은 운정고도가 나타난 것으로 보였다(Fig. 7a). 하지만, 비강수구간에서는 구름레이더와 천리안위성의 운정고도 차이가 평균 1.05 km로 유사하거나 약간 높은 경향을 보였다(Fig. 7b). 반면, 대부분의 강수구간에서는 구름레이더에서 천리안위성보다 낮은 운정고도가 나타나며, 차이의 평균값은 −4.15 km로 나타났다(Fig. 7c). 비강수구간에서도 구름레이더 운정고도가 천리안위성에서보다 낮은 고도에서 나타나는 구간이 있는데(Fig. 6의 V구간), 이는 구름레이더의 최대관측범위인 15 km를 초과하는 고도에서 발생한 구름을 천리안위성이 탐지한 것으로 보인다(Fig. 3e).

Fig. 6.

Time-series of differences of cloud top heights (km) between CR and COMS.

Fig. 7.

Histograms and box plots of differences of cloud top heights (km) between CR and COMS during (a) all, (b) no rainfall, and (c) rainfall duration.

강수구간에서 구름레이더 운정고도가 천리안위성에서보다 낮은 고도에서 발생한 이유는 각각의 관측 특성을 통해 알 수 있다. 천리안위성은 약 36,000 km의 상공에서 구름을 탐지하므로 구름의 하층에서 발생한 강수의 영향을 크게 받지 않는다. 반면, 구름레이더는 지상에서 상층으로 신호를 송신하므로 하층대기에서 발생한 기상현상에 영향을 받는다. 특히, 구름레이더는 세밀한 구름입자를 탐지하기 위하여 짧은 파장의 신호를 이용하므로, 큰 강수입자에 의해 신호감쇠가 발생하게 되고, 이 때문에 상층의 구름을 관측하지 못하여 운정고도가 낮게 나타난 것으로 보인다.

4.2 강우강도

강수입자로 인하여 구름레이더 신호 감쇠가 발생하였다면, 강우강도에 따라 감쇠의 정도가 달라질 수 있을 것이다. 이를 살펴보기 위하여, 보성센터에 설치되어 있는 마이크로 강우레이더(MRR; Micro rain radar)의 강우강도 자료를 구름레이더와 천리안위성의 운정고도 차이 값과 비교하였다. 운정고도 차이의 y축을 역방향으로 두고 살펴본 결과, 강우강도와 운정고도 차이 값의 시계열이 유사한 것을 볼 수 있다(Fig. 8). 이는 강우강도가 클수록 구름레이더에서 천리안위성보다 낮은 운정고도가 나타남을 의미하며, 이때의 상관계수는 −0.60으로 99%의 신뢰도에 유의한 음의 상관을 보였다(Fig. 9). 이때, 강우강도와 운정고도 차이 절대값의 최대가 나타난 시각은 다르게 나타났다. 강우강도의 최대값(46.11 mm/hr)이 나타난 시각은 27일 1045 UTC인데, 운정고도 차이의 최소값(−10.37 km)이 나타난 시각은 27일 0700 UTC 경이었다. 즉, 강우강도가 가장 큰 구간보다 급격하게 증가하기 시작하는 구간에서 더 큰 운정고도 차이가 나타났다. 이러한 특성이 통상적으로 발생하는 것인지 살펴보기 위해서는 다양한 사례 축적이 필요할 것으로 보인다.

Fig. 8.

Time-series of differences of cloud top heights (km) between CR and COMS (bars), and rainfall rate (mm/hr) observed by MRR (dotted line).

Fig. 9.

Scatter plot of rainfall rate (mm/hr) observed by MRR verse differences of cloud top heights (km) between CR and COMS. Double asterisk denotes significant correlations between groups of P < 0.01.

4.3 구름두께

비강수구간에서도 구름레이더와 천리안위성 간 운정고도 차이가 나타나는 구간이 있다. 이러한 원인을 살펴보기 위하여, 구름레이더로 추정된 구름두께와 운정고도 차이를 비교하였다(Fig. 10). 구름레이더의 관측 범위를 벗어난 경우(V구간)을 제외하면, 구름레이더에서 유사하거나 더 높은 운정고도가 나타났다. 특히, 구름이 발달하기 시작하는 구간(I구간)에서는 구름레이더 반사도 영역을 벗어난 낮은 고도에서 천리안위성의 운정고도가 탐지되어 약 4~7 km의 차이 값이 나타났고(Fig. 3a), 이때, 약 3 km 이하의 얇은 구름두께가 나타났다. 이후, IV구간을 제외하면 구름두께가 점차 증가하며, 이때 운정고도 차이는 유사하거나 4 km 이내의 차이 값이 나타났다.

Fig. 10.

Time-series of differences of cloud top heights (km) between CR and COMS (bars), and cloud thicknesses (km) observed by CR (dotted line).

이러한 특성은 구름두께와 운정고도 차이의 산점도를 통해서도 확인할 수 있다(Fig. 11). 구름두께에 따라 세가지 특성을 정리할 수 있는데, 첫째는 약 1~3 km의 얇은 구름 두께가 나타나는 구간으로, 구름레이더는 천리안위성보다 약 4~7 km 높은 운정고도를 보였다(Fig. 11a). 이러한 이유는 천리안위성의 관측특성을 통해서 알 수 있다. 두께가 얇은 상층운의 경우, 구름의 아래에서 방출되는 에너지가 위성에서 관측되어 적외 채널 영상에서 실제 운정온도보다 높은 밝기온도가 관측될 수 있고, 이로 인해 실제보다 낮은 구름으로 보일 수 있다(METRI, 2009). 둘째는 약 2~4 km의 구름두께가 나타나는 구간으로, 대부분 구름레이더에서 천리안위성보다 높은 운정고도가 나타났는데, 이 차이 값은 약 4 km 이하로 나타났다(Fig. 11b). II구간이 여기에 속하며, 구름레이더 운정고도가 천리안위성보다 약 2~4 km 높은 고도에서 나타났다(Fig. 3b). 셋째는 약 5 km 이상의 구름두께가 나타나는 구간으로, 구름레이더와 천리안위성의 운정고도는 대부분 유사하게 나타나며, 약 −4~4 km의 범위 이내의 값을 보였다(Fig. 11c). 전반적으로, 구름두께와 운정고도 차이의 상관계수는 −0.52로 99%의 신뢰도에 유의한 음의 상관을 보여, 구름두께가 얇을수록 구름레이더의 운정고도가 천리안위성에서보다 높게 나타나는 경향이 나타났다.

Fig. 11.

Scatter plot of cloud thicknesses (km) verse differences of cloud top heights (km) between CR and COMS. Double asterisk denotes significant correlation between groups of P < 0.01.

그러나 이 경향에서 예외적인 구간이 나타나기도 했다. 다층구름이 발생한 III구간의 전체 구름두께는 5~8 km였는데, 상층에 발생한 구름만을 살펴보았을 경우 3 km 이하의 두께를 보였다(Fig. 3c). 이 경우, 상층 구름의 두께는 I구간과 유사하게 얇았지만, 구름레이더와 천리안위성 운정고도는 거의 유사하게 나타났다. IV구간도 약 3 km 이하의 얇은 구름이 나타났지만, 유사한 운정고도를 보였다.

4.4 최대반사도

구름두께와 운정고도 차이 비교 시 발생한 예외구간의 원인을 분석하기 위해, 최대반사도에 따른 운정고도 차이를 살펴보았다(Fig. 12). 이때, 최대반사도는 구름레이더에서 관측된 운정/운저고도 사이에서 나타난 반사도 에코의 최대 값으로 정의하였다. 레이더의 반사도는 단위 부피(1 m³)에 포함된 1 mm 직경의 물방울 개수로 정의되므로, 최대반사도는 구름 내 입자의 크기 및 밀도에 대한 정보를 의미한다고 할 수 있다. 최대반사도의 평균값은 전체구간에서 7.85 dBZ, 비강수구간에서 3.04 dBZ, 강수구간에서 13.65 dBZ로 나타났다.

Fig. 12.

Time-series of differences of cloud top heights (km) between CR and COMS (bars), and maximum reflectivity (dBZ) observed by CR (dotted line).

전체구간에서의 최대반사도와 운정고도 차이를 살펴보면, 최대반사도 값이 작으면 구름레이더 운정고도가 높고, 크면 천리안위성 운정고도가 높은 경향을 보여, 99%의 신뢰도에 유의한 −0.59의 음의 상관이 나타났다(Fig. 13). 강수구간을 살펴보면, 강수입자로 인해 대부분의 구간에서 0 dBZ 이상의 큰 반사도 값이 나타났고, 이 경우 감쇠로 인해 구름레이더에서 천리안위성보다 낮은 운정고도가 나타났다. 이때, 최대반사도와 운정고도 사이에 상관성은 발견되지 않았다. 비강수구간의 경우, 99% 신뢰도에 유의한 낮은 음의 상관(상관계수: −0.45)이 나타났다. 구름두께가 얇고, 구름레이더에서 천리안위성보다 높은 운정고도가 나타난 I구간의 경우, 0 dBZ 이하의 낮은 최대반사도 값이 나타났다(Fig. 12). 하지만, 구름두께가 얇음에도 불구하고 유사한 운정고도가 나타난 III, IV구간의 최대반사도 값은 0 dBZ와 유사하거나 이상의 값이 나타난 것을 볼 수 있다. 연직반사도를 살펴보면 다층구름인 III구간의 경우, 상층에는 얇은 구름이 나타났지만 최대반사도 값이 높은 하층 구름이 존재하였고(Fig. 3c), IV구간은 구름두께는 얇지만 최대반사도 값이 높게 나타났다(Fig. 3d). 이와 같이 구름 두께가 얇음에도 불구하고 최대반사도가 높게 나타날 경우, 즉 구름 내 입자의 크기가 크거나 개수가 많은 경우에는 천리안위성 관측 시 지면온도의 영향을 받지 않아, 구름레이더와 천리안위성의 운정고도가 유사하게 나타난 것으로 보인다.

Fig. 13.

Scatter plot of maximum reflectivity (dBZ) verse differences of cloud top heights (km) between CR and COMS. Double asterisks denote significant differences between groups of P < 0.01.

5. 요약 및 결론

본 연구는 2013년 5월 25일(1600 UTC)에서 27일까지 보성 국가위성기상집중관측센터에서의 Ka-band 구름레이더와 천리안위성자료로부터 산출된 운정고도를 비교 분석하였다. 강수 시작에서 종료까지를 강수구간(26일 2115 UTC~27일 2200 UTC), 그 외의 기간을 비강수구간(25일 1600 UTC~26일 2100 UTC, 27일 2215 UTC~2345 UTC)으로 정의하여 비교한 결과, 강수구간 동안의 구름레이더 운정고도는 천리안위성 운정고도보다 낮게 추정되었고, 이 차이는 강우강도가 강할수록 커지는 경향이 나타났다. 이러한 차이가 발생하는 원인은 구름레이더와 천리안위성의 관측 특성을 통해 알 수 있다. 천리안위성은 상공에서 구름을 관측하는 반면, 구름레이더는 지상에서 구름을 관측하므로 하층대기에서 발생한 기상현상의 영향을 받게 된다. 특히, 구름레이더는 세밀한 구름입자의 관측을 위해 짧은 파장의 신호를 사용하므로, 비교적 큰 강수입자에 의해 신호감쇠가 발생하여 상층의 구름을 탐지하지 못하였고, 이로 인해 운정고도가 낮게 나타난 것으로 볼 수 있다. 비강수구간의 경우, 구름레이더와 천리안위성의 운정고도가 비교적 유사하게 나타났다. 이때, 구름레이더는 관측범위(300~15,000 m) 내에서 발생한 구름의 운정고도를 효과적으로 탐지하는 것을 볼 수 있었다. 천리안위성의 경우, 상층에 얇은 구름이 발생하였을 때는 지면온도의 영향을 받아 실제보다 낮은 운정고도를 나타내는 것을 볼 수 있었다. 결과적으로, 강수가 없을 경우 구름레이더가 운정고도 탐지에 유용하며, 관측범위를 벗어나거나 강수가 발생하였을 경우에는 천리안위성 자료를 이용하여 운정고도를 보정할 수 있을 것으로 예상된다.

하지만 한 사례를 통해 분석한 결과이므로, 지속적인 관측을 통해 자료를 축적하고 천리안위성뿐만 아니라 기타 관측기기와의 연계를 통해 정량적인 결과를 도출할 필요가 있다. 또한 운정고도를 포함한 전반적인 구름의 특성에 대해 비교 분석을 진행한다면, 수치모델의 개선을 위한 민감도 실험 및 구름물리모수화 등에 활용할 수 있을 것이다.

Acknowledgments

본 연구는 국립기상연구소 주요사업 ‘예보기술지원 및 활용연구(NIMR-2012-B-1)’의 일환으로 수행되었습니다.

References

• M Ahlgrimm, R Forbes, Improving the representation of low clouds and drizzle in the ECMWF model based on ARM observations from the Azores, Mon. Wea. Rev, (2013). [https://doi.org/10.1175/MWR-D-13-00153.1]
• A Bodas-Salcedo, M. J Webb, M. E Brooks, M. A Ringer, K. D Williams, S. F Milton, D. R Wilson, Evaluating cloud systems in the Met Office global forecast model using simulated CloudSat radar reflectivities, J. Geophys. Res, (2008), 113, D00A13. [https://doi.org/10.1029/2007JD009620]
• D Bouniol, Coauthors, Using continuous ground-based radar and lidar measurements for evaluating the representation of clouds in four operational models, J. Appl. Meteor. Climatol, (2010), 49, p1971-1991. [https://doi.org/10.1175/2010JAMC2333.1]
• Y.-S Choi, C.-H Ho, M.-H Ahn, Y.-M Kim, An exploratory study of cloud remote sensing capabilities of the communication, ocean and meteorological satellite (COMS) imagery, Int. J. Remote Sens, (2007), 28, p4715-4732. [https://doi.org/10.1080/01431160701264235]
• Y.-S Choi, C.-H Ho, Validation of the cloud property retrievals from the MTSAT-1R imagery using MODIS observations, Int. J. Remote Sens, (2009), 30, p5935-5958.
• L Gerard, J.-M Piriou, R Brožková, J.-F Geleyn, Cloud and precipitation parameterization in a meso-gamma-scale operational weather prediction model, Mon. Wea. Rev, (2009), 137, p3960-3977. [https://doi.org/10.1175/2009MWR2750.1]
• P. V Hobbs, N. T Funk, R. R Weiss, J. D Locatelli, K. R Biswas, Evaluation of a 35 GHz radar for cloud physics research, J. Atmos. Oceanic Technol, (1985), 2, p35-48. [https://doi.org/10.1175/1520-0426(1985)002<0035:EOAGRF>2.0.CO;2 ]
• S Hollars, Q Fu, J Comstock, T Ackerman, Comparison of cloud-top height retrievals from groundbased 35 GHz MMCR and GMS-5 satellite observations at ARM TWP Manus site, Atmos. Res, (2004), 72, p169-186.
• C Jakob, R Pincus, C Hannay, K.-M Xu, Use of cloud radar observations for model evaluation: A probabilistic approach, J. Geophys. Res, (2004), 109, D03202. [https://doi.org/10.1029/2003JD003473]
• H Kalesse, P Kollias, Climatology of high cloud dynamics using profiling ARM Doppler radar observations, J. Climate, (2013), 26, p6340-6359. [https://doi.org/10.1175/JCLI-D-12-00695.1]
• S Kneifel, M Maahn, G Peters, C Simmer, Observation of snowfall with a low-power FM-CW K-band radar (Micro Rain Radar), Meteor. Atmos. Phys, (2011), 113, p75-87. [https://doi.org/10.1007/s00703-011-0142-z]
• F Kobayashi, T Takano, T Takemura, Isolated cumulonimbus initiation observed by 95-GHz FMCW radar, X-band radar, and photogrammetry in the Kanto region, Japan, SOLA, (2011), 7, p125-128.
• P Kollias, G. G Tselioudis, B. A Albrecht, Cloud climatology at the Southern Great Plains and the layer structure, drizzle, and atmospheric modes of continental stratus, J. Geophys. Res, (2007), 112, D09116. [https://doi.org/10.1029/2006JD007307]
• R. A Krofli, R. D Kelly, Meteorological research applications of MM-wave radar, Meteor. Atmos. Phys, (1996), 59, p105-121. [https://doi.org/10.1007/BF01032003]
• R Lhermitte, Attenuation and scattering of millimeter wavelength radiation by clouds and precipitation, J. Atmos Ocean. Technol, (1990), 7, p464-479. [https://doi.org/10.1175/1520-0426(1990)007<0464:AASOMW>2.0.CO;2]
• P Lopez, Implementation and validation of a new prognostic large-scale cloud and precipitation scheme for climate and data-assimilation purposes, Quart. J. Roy. Meteor. Soc, (2002), 128, p229-258. [https://doi.org/10.1256/00359000260498879]
• G. G Mace, C Jakob, K. P Moran, Validation of hydrometeor occurrence predicted by the ECMWF model using millimeter wave radar data, Geophys. Res. Lett, (1998), 25, p1645-1648. [https://doi.org/10.1029/98GL00845]
• METRI/KMA, Development of meteorological data processing system of communication, ocean and meteorological satellite, (2009), p846.
• E. J O’Connor, R. J Hogan, A. J Illingworth, Retrieving stratocumulus drizzle parameters using Doppler radar and lidar, J. Appl. Meteor, (2005), 44, p14-27.
• R Polkinghorne, T Vukicevic, Data assimilation of cloud-affected radiances in a cloud-resolving Model, Mon. Wea. Rev, (2011), 139, p755-773. [https://doi.org/10.1175/2010MWR3360.1]
• R Polkinghorne, T Vukicevic, K. F Evans, Validation of cloud-resolving model background data for cloud data assimilation, Mon. Wea. Rev, (2010), 138, p781-795.
• N Sakurai, K Iwanami, T Maesaka, S.-I Suzuki, S Shimizu, R Misumi, D.-S Kim, M Maki, Case study of misoscale convective echo behavior associated with cumulonimbus development observed by ka-band Doppler radar in the Kanto region, Japan, SOLA, (2012), 8, p107-110. [https://doi.org/10.2151/sola.2012-027]
• G. M Stokes, S. E Schwartz, The Atmospheric Radiation Measurement (ARM) program: Programmatic background and design of the cloud and radiation test bed, Bull. Amer. Meteor. Soc, (1994), 75, p1201-1221. [https://doi.org/10.1175/1520-0477(1994)075<1201:TARMPP>2.0.CO;2]
• W. J Syrett, B. A Albrecht, E. E Clothiaux, Vertical cloud structure in a midlatitude cyclone from a 94-GHz radar, Mon. Wea. Rev, (1996), 123, p3393-3407. [https://doi.org/10.1175/1520-0493(1995)123<3393:VCSIAM>2.0.CO;2]
• E Weisz, J Li, W. P Menzel, A. K Heidinger, B. H Kahn, C. Y Liu, Comparison of AIRS, MODIS, CloudSat and CALIPSO cloud top height retrievals, Geophys. Res. Lett, (2007), 34, L17811. [https://doi.org/10.1029/2007GL030676]
• Y Yoshida, S Asano, K Iwanami, Retrieval of microphysical properties of water, ice, and mixedphase cloud using a triple-wavelength radar and microwave radiometer, J. Meteor. Soc. Japan, (2006), 84, p1005-1031.
• L Zhong, L Liu, M Deng, X Zhou, Retrieving microphysical properties and air motion of cirrus clouds based on the Doppler moments method using cloud radar, Adv. Atmos. Sci, (2012), 29, p611-622. [https://doi.org/10.1007/s00376-011-0112-x]
• L Zhong, L Liu, S Feng, R Ge, Z Zhang, A 35-GHz polarimetric Doppler radar and Its application for observing clouds associated with typhoon Nuri, Adv. Atmos. Sci, (2011), 28, p845-956.