The Korean Meteorological Society 1

Current Issue

Atmosphere - Vol. 34 , No. 1

[ Article ]
Atmosphere - Vol. 28, No. 4, pp. 443-455
Abbreviation: Atmos
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date 31 Dec 2018
Received 01 Nov 2018 Revised 17 Dec 2018 Accepted 24 Dec 2018
DOI: https://doi.org/10.14191/Atmos.2018.28.4.443

변분에코추적법을 이용한 제주도 지역 여름철 강수계의 이동 특성 분석
김권일1) ; 이호우2) ; 정성화3) ; 류근수4) ; 이규원1), 4), *
1)경북대학교 천문대기과학과, 천체물리 및 우주론 분야 미래 창의 인재 양성팀
2)공군기상단
3)기상청 기상레이더센터
4)경북대학교 대기원격탐사연구소

Characteristics of Summer Season Precipitation Motion over Jeju Island Region Using Variational Echo Tracking
Kwonil Kim1) ; Ho-Woo Lee2) ; Sung-Hwa Jung3) ; Geunsu Lyu4) ; GyuWon Lee1), 4), *
1)Dept. of Astronomy and Atmospheric Sciences, Research and Training Team for Future Creative Astrophysicists and Cosmologists, Kyungpook National University, Daegu, Korea
2)Korea Air Force Weather Group, Gyeryong, Korea
3)Weather Radar Center, Korea Meteorological Administration, Seoul, Korea
4)Center for Atmospheric REmote sensing, Kyungpook National University, Daegu, Korea
Correspondence to : * GyuWon Lee, Dept. of Astronomy and Atmospheric Sciences, Kyungpook National University, 80 Daehak-ro, Buk-gu, Daegu 41566, Korea. Phone: +82-53-950-6361, Fax: +82-53-950-6359 E-mail: gyuwon@knu.ac.kr

Funding Information ▼

Abstract

Nowcasting algorithms using weather radar data are mostly based on extrapolating the radar echoes. We estimate the echo motion vectors that are used to extrapolate the echo properly. Therefore, understanding the general characteristics of these motion vectors is important to improve the performance of nowcasting. General characteristics of radar-based motions are analyzed for warm season precipitation over Jeju region. Three-year summer season data (June~August, 2011~2013) from two radars (GSN, SSP) in Jeju are used to obtain echo motion vectors that are retrieved by Variational Echo Tracking (VET) method which is widely used in nowcasting. The highest frequency occurs in precipitation motion toward east-northeast with the speed of 15~16 m s−1 during the warm season. Precipitation system moves faster and eastward in June-July while it moves slower and northeastward in August. The maximum frequency of speed appears in 10~20 m s−1 and 5~10 m s−1 in June~July and August respectively while average speed is about 14~15 m s−1 in June~July and 8 m s−1 in August. In addition, the direction of precipitation motion is highly variable in time in August. The speed of motion in Lee side of the island is smaller than that of the windward side.


Keywords: Variational echo tracking, Jeju island, motion vector

1. 서 론

제주도는 중심에 해발고도 1,950 m의 한라산이 위치하고 주변이 바다로 둘러싸인 고립된 타원형의 섬이다. 제주도에서의 이러한 독특한 지형에서 지형효과(Kang, 2002; Oh et al., 2006; NIMR, 2008; Lee, 2013)나 해륙풍(Kim, 1991; Choi, 2002)에 관한 많은 연구들이 수행되어왔다. 특히 중심에 높은 산이 있어 지형이 강수에 미치는 영향에 관한 연구가 다수 수행되어, 제주도와 같은 고립된 타원형의 섬에서 풍하측에 많은 강수가 내린다는 연구결과가 발표된 바 있다(Kanada et al., 2000; Lee, 2013; Lee et al., 2015). 이와 같이 제주도는 기상현상을 연구하기에 좋은 지형 특성을 가지고 있다고 할 수 있다.

제주도의 강수에 대한 연구는 관측자료와 수치모델을 이용한 사례분석이 주로 이루어져 왔다(NIMR, 2008; Jang et al., 2012; Lee et al., 2018). 하지만 몇 가지 사례를 이용한 분석으로는 제주도에서의 강수계의 일반적 특성을 이해하는데 한계가 있다. Choi (2013)는 극한 강수일(일 강수 80 mm 이상)에 대해 자동기상관측소(Automatic Weather Station, AWS) 자료를 이용해 장기간(10년)의 통계분석을 시도한 바 있으나 지상 AWS 자료만을 이용한 통계분석으로는 강수량과 특정 강수강도 이상의 발생빈도는 분석할 수 있지만 강수계의 이동은 판단하기 어렵다.

강수계의 이동 특성은 초단기예보 측면에서 중요하다고 할 수 있는데, Carbone et al. (2002)는 강수계의 이동 특성을 이해함으로써 단기(초단기)예보에서의 강수 예측성 개선을 기대할 수 있을 것이라고 언급하였다. 뿐만 아니라 제주도의 경우 강수계의 공간적인 이동 특성을 분석함으로써 한라산의 지형이 강수계의 이동 특성에 미치는 영향에 관한 분석이 가능하다.

강수계의 이동 특성의 통계적 분석을 위해서는 기상레이더의 활용이 중요하다. 기상레이더는 시공간적으로 분해능이 우수하고 정확한 자료를 제공해주어 강수계의 이동 특성을 이해하는데 적합하다. 특히, 제주도의 서쪽에는 고산레이더(GSN), 동쪽에는 성산레이더(SSP)가 제주도와 그 인근 해역을 관측하고 있으며, 두 레이더의 제원이 동일하므로 제주도는 레이더를 이용한 분석이 매우 용이하다.

제주도에서 레이더를 이용한 강수계의 시공간적 특성분석은 Lee et al. (2015)에 의해 이루어졌다. 대류성 강수(35 dBZ 이상)의 시공간적인 분포를 분석하여, 강수계가 제주도의 남쪽과 동쪽에서 많이 발생함을 밝혔다. 또한, 8월, 6월, 7월 순으로 제주도에 대류성 강수가 많이 발생함을 보인바 있다. 여기에 시간경도 단면도(Hovmöller Diagram)에서 위상의 기울기를 이용해 강수계가 대체로 북동진하며, 8월에는 북진하는 경향이 강함을 보였고, 기울기의 크기를 이용해 강수계의 이동속력을 추산하였다. Lee et al. (2015)의 연구에서는 강수계의 시공간적 빈도에 대한 정보를 잘 제공하였지만, 강수계의 이동 특성에 대한 정보는 세세하게 분석되지 않았다.

강수계의 이동 특성 분석에 관한 연구는 크게 세가지로 구분할 수 있다. 첫째로는 다년간의 강수 빈도를 누적하여 1) 시간경도단면도에서 위상 속력을 추산하는 방법이 있고, 두 번째로는 2) 스톰을 하나하나 추적하여 수많은 스톰에 대한 이동 특성 통계를 구하는 방법이 있으며, 마지막으로 3) 초단기예측에 활용되는 격자별 운동벡터를 이용하여 통계적 특성분석을 수행하는 방법이 있다.

Wang et al. (2004)Baek et al. (2006)은 동아시아지역에서 위성을 이용해 시간경도단면도에서부터 여름철 강수계의 위상 속력을 추산한 바 있다. Wang et al. (2004)은 1998년부터 2001년까지 5~8월 GMS 위성의 IR1채널 휘도온도(brightness temperature)를 이용해 동아시아 강수계의 위상 속력이 10~25 m s−1임을 제시하였고, Baek et al. (2006)은 2004년 6, 7월 GOES-9 위성의 IR1채널과 WV채널의 휘도온도 차이를 이용해 평균 위상 속력이 14 m s−1임을 제시하였다. Carbone et al. (2002)은 미국의 4년간의 레이더 합성장을 이용해 5~8월 강수계 위상 속력의 중앙값이 약 14 m s−1임을 보였다.

Goudenhoofdt et al. (2010)Goudenhoofdt and Delobbe (2013)는 벨기에에서 TITAN (Thunderstorm Identification, Tracking, Analysis, and Nowcasting; Dixon and Wiener, 1993)으로 개별 스톰을 추적해 20~25 km hr−1 (5.5~7 m s−1)에서 최대 이동속력빈도가 나타남을 보였다. 이 방법은 스톰의 추적이 완벽하게 이뤄져야하고, 스톰 하나당 한 개의 운동벡터만 계산되므로 유의미한 통계값을 얻기 위해선 매우 장기간의 분석이 요구되며, 스톰의 시작부터 끝까지의 이동정보가 평균된다는 단점이 있다.

Zawadzki and Puigdomenech (2014)는 초단기 강수 예측 알고리즘인 MAPLE (McGill Algorithm for Precipitation nowcasting using semi-Lagrangian Extrapolation)에서 에코의 외삽을 위한 운동벡터를 추산하는데 사용하는 변분에코추적법(VET; Variational Echo Tracking)을 이용하여 미국에서 발생한 강수계의 운동 특성에 대한 기후학적 분석을 수행한 바 있다. 18년간의 레이더 자료를 이용해 변분에코추적법으로부터 운동벡터를 산출해 계절별 운동벡터 특성을 분석하였다. 변분에코추적법을 사용하면 높은 정확도로 운동벡터를 추산할 수 있으며, 격자별로 운동벡터를 계산할 수 있다는 장점이 있다.

본 논문에서는 변분에코추적법을 이용하여 제주도 지역에서 여름철에 발생하였던 강수계의 이동 특성을 정량적으로 분석하고자 한다. 여름철 강수계의 이동방향, 속력의 빈도분포에 대한 분석과 한라산에 의한 강수계 이동 특성 변화에 대해 분석하였다.


2. 자료 및 분석 영역

본 연구에서는 2011년부터 2013년까지의 6, 7, 8월 기상청 고산레이더(GSN)와 성산레이더(SSP)의 합성 반사도 자료와 제주도 내에 위치한 24개의 기상청 자동기상관측장비의 일 누적 강수량을 사용하였다.

GSN과 SSP는 각각 한라산을 중심으로 제주도의 서쪽과 동쪽에 위치한 동일한 기종의 S 밴드 단일편파도플러 레이더이며, 안테나의 해발고도는 각각 101 m와 68 m이다. 두 레이더는 동일한 관측전략을 가지고 있으며, 최소 고도각 0.5o에서부터 최대 고도각 24.0o까지 15개의 고도각을 사용하여 매 10분마다 볼륨관측자료를 생성한다. 두 레이더의 빔 폭은 1.0o이고 게이트 크기는 250 m이며 최대 유효 관측 범위는 250 km이다. 두 레이더는 보정 전 반사도(Uncorrected radar reflectivity, DZ), 보정 후 반사도(Corrected radar reflectivity, CZ), 시선속도(Radial velocity, VR), 스펙트럼 폭(Spectral width, SW) 변수를 관측한다. 본 연구에서는 Infinite Impulse Response (IIR) 필터를 이용하여 지형에코를 제거한 보정 후 반사도를 사용하였다. 두 레이더의 자세한 제원은 Table 1과 같다.

Table 1. 
Specification of GSN and SSP radars.
GSN radar SSP radar
Longitude [oN] 33o 17' 27'' 33o 23' 01''
Latitude [oE] 126o 09' 23'' 126o 51' 55''
Altitude above sea level [m] 91 59
Elevation angles [o] 0.5, 0.7, 0.9, 1.1, 1.5, 2.0, 2.6, 3.5, 4.6, 6.0, 7.9, 10.5, 13.8, 18.2, 24.0
Time resolution [min] 10
Gate size [m] 250
The number of gates 1000
Maximum observation range [km] 250

Lee et al. (2015)의 연구에서와 마찬가지로 레이더 합성장(mosaic) 생성 시, 두 레이더 중 한 곳 이상에서 결측이 있을 경우 해당 시각은 사용되지 않았다. 분석기간 내 총 시각 개수 39,744개 중 2,813개가 결측으로 판단되어 약 7%의 시각이 제외되었다. 또한, 비강수일을 제외하기 위해 제주도 내에 위치한 24개의 AWS 일 누적 강수량 중 1개 이상이 0.0 mm를 초과한 날만 사용하였고, 전체 분석 기간 276일 중 213일이 강수일로 판단되어 분석에 사용되었다.

또한, 일반적인 강수계 특성을 분석하기 위하여 분석 기간 중 제주도 주변 강수계에 영향을 준 6개의 태풍(메아리, 무이파, 카눈, 담레이, 볼라벤, 덴빈)이 있었던 일자(총 11일)를 추가적으로 제거하였다. 26,780개의 자료가 변분에코추적법의 입력자료로 사용되었고, 이 중 유효운동벡터를 산출하는 과정을 거친 후 제거된 자료를 제외한 6,742개의 자료가 최종적으로 분석되었다. 변분에코추적법에 대한 자세한 설명은 3.1.4에 기술되어 있다. 6,742개의 자료 수는 분석 기간 내 활용 가능한 총 시각 개수 39,744개에 대해 약 17%에 해당하는 자료수로 총 1,123.7시간에 해당한다.

분석영역은 Fig. 1에 나타내었다. 분석영역 1(D1)은 변분에코추적법의 입력값으로 쓰인 레이더 합성장 영역이다. 본 논문에서 제주도 인근이라 일컫는 영역은 각 레이더로부터 150 km 반경 내에 들어오는 분석영역 2(D2)로써, 운동벡터가 생성되어 제주도 인근 분석에 사용한 영역이다. 본 논문에서 제주도 내륙이라 일컫는 곳은 분석단면 3(D3)으로써, 시간경도단면도 분석에 사용된 단면이다.


Fig. 1. 
Topography and analysis domains (D1, D2, D3). The altitude above mean sea level is shaded. Dashed circles represent 150 km ranges from GSN and SSP radar. Box symbols indicate the locations of radar.


3. 연구 방법

본 연구를 위하여 레이더 품질관리를 거친 2 km 합성장(D1)에 변분에코추적법을 적용하여 제주도 인근(D2)에 25 × 25 격자의 운동벡터를 생성해, 강수에코가 있는 격자점에 위치한 운동벡터를 유효 운동벡터라 정의하고 분석하였다. 분석에 사용할 유효 운동벡터를 생성하는 과정까지의 흐름도(flow chart)는 Fig. 2에 나타내었고 각 단계별 자세한 설명은 3.1에 기술되어 있다.


Fig. 2. 
Flow chart of the construction of valid motion vectors from GSN, SSP radar data.

산출된 유효 운동벡터를 이용하여 제주도 인근 영역에서의 전체 기간의 운동벡터 방향, 속도의 빈도분포를 분석하였고, 월별(6, 7, 8월) 빈도분포와 일변동을 비교하였으며, 공간적으로 운동벡터의 특성을 분석하였다. 또한 제주도 내륙지역에서의 강수계 이동 특성의 일변동을 분석하였다.

3.1 에코 운동벡터 산출
3.1.1 레이더 자료 품질 관리

유의한 운동벡터를 생성하기 위해서는 운동벡터 생성에 사용할 레이더 자료의 품질 관리(quality control)가 중요하다. 레이더 자료의 품질 관리는 Lee et al.(2015)의 연구와 동일하게 크게 세 가지 과정이 수행되었다. 첫째로 1) 레이더 빔(beam)이 주변의 산악 등과 같은 지형에 부딪혀 레이더에 관측이 되면 해당 에코는 비강수 에코(non-precipitation echo)로서 운동벡터 산출에 영향을 주므로 지형에 의한 에코를 제거하였다. 또한, 2) 레이더 주변 지형(특히 한라산)에 의한 빔의 차폐(beam blocking)가 발생하면 차폐가 일어난 영역에서 반사도를 과소추정(under-estimation) 할 수 있으므로 빔 차폐 영역을 제거하였다. 마지막으로, 3) 레이더 하드웨어의 불안정성에 의한 시스템 오차(system bias)를 보정하여 GSN과 SSP 두 레이더자료 합성에서 자료의 불연속을 해결하였다.

지형 에코를 제거하기 위해 2013년 중 채프 에코(chaff echo)나 이상 전파(anomalous propagation, AP) 에코가 없는 청천사례의 304개 레이더 볼륨관측자료를 선별하여 지형에코지도를 생성하였다(Lyu et al., 2015). 생성된 지형에코지도보다 레이더 볼륨관측자료의 CZ가 더 클 경우 해당 빈(bin)은 지형에코로 판별하여 제거하였다.

빔 차폐 영역을 제거하기 위하여 수치고도모형(Digital Elevation Model, DEM)을 이용해 지형에 의한 빔 차폐율을 모의하였다. 수평 해상도 3'' 연직 해상도 1.0 m의 DEM 자료를 구성하여, 대기가 표준굴절(standard refraction) 상태이고 레이더 빔이 가우시안 빔 패턴(gaussian beam pattern)을 따른다고 가정했을 때 레이더 빔의 지형에 의한 차폐율을 모의하였다(Kucera et al., 2004; Jung and Kim, 2007; Lyu et al., 2015). 차폐 모의 결과에서 차폐율을 모의하는데 오차가 발생할 수 있는 요소들(표준굴절 가정, DEM에서의 오차 등)을 고려하여 차폐율 문턱값을 10%로 설정하였다. 차폐율이 10% 이상이 되는 지점을 차폐 영역으로 고려하여 해당 영역은 제거하였다.

레이더의 시스템 오차를 보정하기 위하여 이중편파변수간의 자기일치성(self-consistency)을 이용해 절대보정(absolute calibration)한(Lee and Zawadzki, 2006; Kwon et al., 2015) 비슬산(BSL) 이중편파레이더를 기준레이더로 사용하였다. 이는 Lyu et al. (2015)Park et al. (2015)의 보정 절차와 동일하다. 지형에코와 밝은 띠(bright band) 영향을 최소화하기 위해 2~4 km 고도에서 기준레이더와 같은 위치의 반사도끼리 비교하여 상대오차(relative bias)를 구하였다. 보정된 레이더와 중첩영역을 만들기 위해 비슬산레이더와 가까운 위치에 있는 레이더부터 순차적으로 보정이 진행되었다. 오성산(KSN) 레이더, 진도(JNI) 레이더의 상대오차를 차례로 계산한 후, 진도 레이더와 고산, 성산 레이더를 비교하여 각각 −4.0 dB, −4.5 dB의 시스템 오차를 보정하였다.

3.1.2 2 km MOSAIC 생성

본 연구에서는 경북대학교에서 개발한 KNU 3D CAPPI 알고리즘(NIMR, 2011; Weather Radar Center, 2017)을 이용하여 GSN, SSP 레이더 각각의 3D CAPPI 자료를 생성하였다. 이 때, 3D CAPPI는 Lambert conformal conic 지도투영법을 이용하여 구성된 격자 안에 포함되는 레이더 반사도를 평균하였다. 다음으로 GSN, SSP 레이더의 3D CAPPI를 평균값을 이용하는 방법(KNU 3D MOSAIC; NIMR, 2011; Weather Radar Center, 2017)으로 합성하여 3D MOSAIC을 생성하였다. 이 때, 3D MOSAIC은 33.3oN, 126.55oE를 중심으로 하고 최저고도 0.25 km, 수평 해상도 1 km, 연직 해상도 0.25 km를 갖는 401 × 351 × 40 크기의 격자로 구성되었다.

본 논문에서는 한라산의 고도인 1,950 m를 피해 2 km 고도에 해당하는 반사도만 추출해내었다. 변분에 코추적법 알고리즘은 입력자료로 정방형 격자를 필요로 하므로 제주도를 중심으로 225 × 225 픽셀을 추출하여 2 km MOSAIC을 생성하였다. 생성된 2 km MOSAIC 영역은 Fig. 1의 분석영역 1(D1)에 해당한다.

3.1.3 변분에코추적법(Variational Echo Tracking)

Germann and Zawadzki (2002)가 제시한 변분에코 추적법은 시간상으로 연속된 세 개의 반사도장을 이용해 운동벡터를 산출하기 위해 식 (1)과 같은 비용 함수를 구성하며, 복소구배법(conjugate gradient method)으로 비용함수를 최소화시키는 해를 찾는다.

JVETV=JΨ+J2(1) 

이 때, V는 에코 운동벡터, ψ는 dBZ 단위의 레이더 반사도를 나타낸다.

JΨ=Ωβx,yΨx,y,t0-Ψx-ut, y-vt,t0-t2 dxdy(2) 
J2=γΩ2ux22+2uy22+22uxy2+2vx22+2vy22+22vxy2 dxdy(3) 

여기서, Ω는 계산 영역, β(x, y)는 자료의 품질을 결정하는 가중치, t0는 운동벡터 산출 대상 시각, γ는 평활화 인자(smoothness penalty)항의 가중치를 의미한다.

변분에코추적법은 격자마다 Vuv 성분을 변화시켜가며 반사도의 차이에 관한 항(식 (2))과 평활화 인자항(식 (3))의 합을 최소로 하는 uv를 계산한다. J2를 사용하여 JVET 값의 최솟값 수렴을 용이하게 하고, 근접해있는 운동벡터들이 불연속성을 가지게 되는 것도 방지할 수 있다.

변분에코추적법은 큰 규모의 영역에서 산출된 운동벡터를 작은 규모의 운동벡터 산출 초기치로 사용하는 Scaling guess 기법을 사용해 국지 최솟값(local minima)에 빠지는 것을 방지하는데 본 연구에서는 1 × 1, 5 × 5, 25 × 25의 세 격자 단계로 진행하였다. β(x, y)는 상수로 두어 자료품질에 의한 가중은 고려하지 않았으며, 경계값 문제(boundary problem)를 해결하기 위해 2 km MOSAIC에 상하좌우 25 픽셀의 여백을 두어 계산하여 분석영역 2(D2; 175 × 175 픽셀)에서 25 × 25 격자(가로, 세로 7 km 간격)의 운동벡터가 산출되었다. Δt는 레이더 자료의 시간간격인 10분으로 구성되었다.

현재 시각과 연속된 이전 시각 두 개의 반사도장이 입력자료로 사용되었다. 180개 시각이 연속된 세 개의 시각 중 결측이 있을 경우 해당 시각은 제외되었다. 또한, 유의한 강수사례에 대한 운동벡터를 산출해내기 위하여, 전체 분석영역 중 10 dBZ 이상의 반사도를 가지는 영역의 비율이 10%를 초과할 때 운동벡터를 산출하도록 하였다. 이 조건을 만족하지 못하여 19,475개의 자료가 제외되었다. 또한 비물리적인 운동벡터(품질관리 과정에서 처리되지 못한 비기상(non-meteorological) 에코에 의한 벡터, 파랑 에코에 의한 벡터, 변분에코추적법의 최소화 실패로 인한 벡터)들을 수동으로 판별하여 383개 시각의 운동벡터들을 제외하였다. 최종적으로 입력자료로 사용된 26,780개의 자료 중 6,742개의 자료에서 운동벡터가 산출되었다. 운동벡터가 산출이 된 자료의 월별 개수는 Table 2에 나타내었다.

Table 2. 
The number of 2 km MOSAIC used for generating motion vectors, the number of valid motion vectors, and the ratio of valid motion vectors to the generated motion vectors.
June July August Overall
No. of 2 km MOSAIC 2,955 1,647 2,140 6,742
No. of valid motion vectors 809,662 318,825 387,085 1,515,572
Ratio of valid motion vectors 43.8% 31.0% 28.9% 36.0%

3.1.4 유효 운동벡터 산출

변분에코추적법을 이용하면 반사도 문턱값을 넘지 않는 레이더 반사도를 가진 격자점에서는 외삽을 이용해 운동벡터를 산출하므로, 해당 격자점에서의 운동벡터 해석에는 유의할 필요가 있다. 특히 전체 영역 중 강수영역의 비율이 크지 않을 경우, 벡터의 외삽으로 인해 비강수 영역에서 운동벡터가 비물리적인값을 나타내기도 한다.

본 연구에서는 비강수 영역에서의 운동벡터를 분석에 포함하지 않기 위하여, 운동벡터가 산출되는 격자점에서의 반사도가 10 dBZ 이상인 격자점에서 운동벡터를 유효운동벡터로 정의하고 분석에 사용하였다. 유효 운동벡터의 비율은 총 생성된 운동벡터의 36.0%에 해당하였다. 보다 자세한 월별 유효 운동벡터의 비율은 Table 2에 나타내었다.

3.2 운동벡터 분석

제주도에서의 강수계 이동을 분석하기 위해 생성된 운동벡터의 방향과 속력에 대한 빈도분포를 분석하였고 격자별 평균 운동벡터 분석, 시간경도단면도 분석을 하였다.

빈도분포를 분석하기 위하여 방향, 속력의 빈도를 총 운동벡터 개수로 정규화하여 정규화된 빈도분포(Normalized Frequency; NF)를 이용하였다. 이 때, NF는 다음과 같이 정의된다.

NF=NVTOTAL×100 %(4) 

이 때, TOTAL은 분석하고자 하는 기간 내 모든 유효 벡터 개수를 뜻하며, NV는 분석하고자 하는 기간 내에서 특정한 방향이나 속력을 가지는 유효 벡터의 개수이다.

본 연구에서의 운동벡터 방향과 속력의 평균은 유효 운동벡터들의 벡터 평균으로 산출하였고, 운동벡터 방향의 표준편차는 Yamarito (1984)의 방법을 이용하여 계산하였다. 시간경도단면도는 10분 간격으로 D3에 위치한 유효 운동벡터들을 격자별로 벡터 평균하여 생성하였다.


4. 연구 결과
4.1 제주도 인근 영역 운동벡터 방향, 속력 빈도분포

Figure 3은 전체 기간 동안 제주도 인근 영역 운동벡터들의 방향과 속력의 NF 분포를 보여준다. NF는 5o의 벡터방향 간격, 0.5 m s−1의 속력간격으로 계산되었으며, 운동벡터의 방향이 E일 경우 강수계가 동진하는 것을 의미한다. 벡터 방향의 사분위수는 최저빈도가 나타나는 방향부터 시계방향으로 계산하였다.


Fig. 3. 
Normalized frequency distribution of the direction and speed of motion vectors in D2 during the entire period. Upper (right) panel shows normalized frequency distribution of speed (direction) of motion vectors. ‘X’ mark indicates maximum frequency, whiskers represent the median, first and third quartile.

서진하는 강수계는 0.01% 미만의 매우 낮은 빈도를 보였으며, 15~16 m s−1의 속력으로 동북동진하는 강수계에서 최대 빈도가 나타났다. 또한 남동진하는 강수계에 비해 북동진하는 강수계가 훨씬 빈번하게 발생하며 보다 높은 속력을 가졌다. 강수계의 속력이 종관 시스템(중위도 저기압)의 속력인 약 10 m s−1(Korean Meteorological Society, 2002)보다 크게 나타난 것은 선행연구인 Wang et al. (2004)Baek et al.(2006)의 동아시아 강수계에 대한 위상 속력 결과와 일치하였다. 강수계의 속력의 분포는 1~30 m s−1의 범위에서 나타났고, 12~12.5 m s−1의 속도에서 최대빈도를 보였다. 강수계 방향의 분포는 북동진 방향으로 꼬리가 긴(skewed) 비대칭성을 가졌는데, 최대빈도(82.5o)가 제3사분위수(77.5o)의 방향보다 더 동진하는 방향에 나타났다.

4.2 제주도 인근 영역 운동벡터 월별 일변동 특성 분석

Figure 4는 전체 기간 동안 제주도 인근 영역 운동벡터들의 방향과 속력의 NF의 일변동을 보여준다. NF는 10분별로 각각 계산되었으며, 방향은 5o 간격, 속력은 0.5 m s−1 간격으로 구간을 나누어 빈도를 분석하였다. 운동벡터의 방향은 북북동진 혹은 북동진하는 방향에서 많이 분포하였고, 뚜렷한 일변동이 없이 대부분의 시간에서 동진하는 강수계가 우세하게 나타났다. 속력의 경우 대체로 11~12 m s−1에서 높은 빈도를 보였으나, 1000~1600 LST에서 약 15 m s−1의 비교적 빠른 강수계가 높은 빈도를 보이고 나머지 시각에선 약 11~13 m s−1의 강수계가 높은 빈도를 보이는 일변동이 나타났다.


Fig. 4. 
Diurnal variation of normalized frequency distribution of the (a) direction and (b) speed of motion vectors in D2 during the entire period. Upper panel shows time-averaged normalized frequency distribution. ‘X’ mark indicates maximum frequency for every hour and whiskers represent the median, first and third quartile.

이를 월별로 분석한 결과를 Fig. 5에 나타내었다. 6월의 경우, 동진하는 강수계와 북동진하는 강수계에서 높은 빈도를 보이는 쌍봉형(bimodal) 형태를 보였으며, 뚜렷한 일변동은 나타나지 않았다. 운동벡터의 속력은 10~20 m s−1에서 빈도의 최대값을 나타냈고, 0200~0800 LST에 높은 속력(17~18 m s−1)에서 높은 빈도를 보이는 일변동이 나타났다. 7월의 경우 동진하는 강수계에서 높은 빈도를 보였고, 0900~1500 LST(동남동진)와 그 이외 시각(동북동진)에서 방향의 일변동을 보였다. 속력에서는 10~22 m s−1에서 NF의 최댓값이 나타났으며, 0600 LST부터 2100 LST까지 속력이 빈도의 최대지점이 10 m s−1에서 20 m s−1의 속력으로 점차 증가하는 모습을 보였다. 8월의 경우, 6, 7월에 비해 방향의 변동이 심하였으며, 속력이 5~15 m s−1에서 NF의 최댓값을 보여 6, 7월에 비해 느린 속력을 가지는 것을 확인하였다. 또한, 1700~0600 LST에서 최대 NF가 나타나는 속력 값이 9~10 m s−1, 나머지 시각에는 5~9 m s−1로 나타나는 일변동을 보였다. 운동벡터 방향의 변동성은 8월이 6, 7월에 비해 상대적으로 컸으나 벡터의 속력은 8월이 느리고 상대적으로 변동이 작았다. 운동벡터 방향 분포의 비대칭도(skewness)가 6, 7, 8월 순으로 작아짐도 확인할 수 있었다.


Fig. 5. 
Same as in Fig. 5 except for (a), (d) June, (b), (d) July, (e), (f) August. Upper and lower panels are the direction and the speed of motion vectors, respectively.

제주도 인근 영역 운동벡터들의 방향과 속력의 정량적 분석을 위하여 시각별 평균, 표준편차를 Fig. 6에 나타내었다. 6월의 경우, 방향의 전체 시간 평균값은 63.7o를 보였고, 속력의 전체 시간 평균값은 14.4 m s−1로 나타났다. 방향의 일변동은 거의 나타나지 않고 시간에 따라 일정한 방향을 보였으며, 속력에서는 0300~0600 LST와 1600~2000 LST에 속력이 증가한 모습을 보였다. 7월의 경우, 방향은 77.0o, 속력은 14.9 m s−1의 평균값을 보였으며 6월에 비해 동진에 가까웠고, 속력은 비슷하였다. 방향은 시간에 따라 거의 변화가 없는 모습을 보였지만 속력에서는 6월과 마찬가지로 0300~0600 LST와 1600~2000 LST에서 빠른 속력을 보였다. 8월의 경우, 방향은 41.3o, 속력은 7.9 m s−1의 평균값을 보여 6, 7월과 비교하여 방향이 동진하지 않고 북동진하며, 속력은 6, 7월 속력의 약 54%로 느린 속력을 보였다. 방향에서 0000~1500 LST까지 북동진하다 1500~2400 LST에 북북동진하는 모습을 나타냈다. 6, 7, 8월의 방향 표준편차의 전체 시간 평균값은 각각 5.3o, 11.4o, 20.9o으로, 8월의 강수계 방향 변동이 심하게 나타났다. 속력 표준편차의 전체 시간 평균값은 각각 1.5 m s−1, 2.6 m s−1, 2.3 m s−1로 나타났으며, 7월의 속력 변동이 다소 높았고, 6월은 변동이 낮게 나타났다.


Fig. 6. 
Diurnal variation of the (a) direction and (b) speed of motion vectors in D2 for each month. Solid line indicates the mean and dashed lines represent standard deviations from the mean.

4.3 제주도 인근 영역 공간적 특성 분석

강수계 이동의 공간적 특성을 확인하기 위해 운동벡터의 공간적 통계값을 확인하였다. Figure 7은 전체 기간 동안 제주도 인근 영역 운동벡터들의 방향과 속력을 격자점별로 벡터평균한 결과와 표준편차를 나타낸다. GSN 레이더와 SSP 레이더는 최고 고도각이 24.0o이므로 레이더가 위치한 곳 부근에서는 2 km 고도의 데이터가 존재하지 않아, 해당 격자점에서의 운동벡터는 분석되지 않았다. 전체 기간 동안 운동벡터는 평균 64.43o의 방향과 평균 12.45 m s−1의 속력을 보였다. 격자별 평균 운동벡터들의 표준편차는 방향과 속력에서 각각 1.49o, 0.63 m s−1로 나타났다. 전체적으로 동북동진하나 제주도의 서쪽에서는 동진에 조금 더 가까운, 제주도의 남쪽과 동쪽에서는 북동진에 조금 더 가까운 모습을 보였고, 방향의 최댓값과 최솟값은 각각 68.3o, 61.2o로 7.15o의 차이를 보였다. 속력은 제주도의 서쪽과 남동쪽에서 높은 값을 보였고, 한라산의 동, 동남쪽에서 11 m s−1 미만의 낮은 값을 보였다. 최댓값과 최솟값은 각각 13.92 m s−1, 10.46 m s−1으로 차이는 3.46 m s−1로 나타났다. 운동벡터 방향의 표준편차는 제주도 인근 영역의 북동쪽에서 높은 값을 보였고 남서쪽에서 낮은 값을 나타내었으며, 속력의 표준편차는 북서쪽에서 높은 값이 나타났고 북동쪽과 남쪽에서 낮은 값이 나타났다. 제주도 내륙 영역에서는 방향과 속도의 표준편차가 한라산 기준 풍하측이 풍상측에 비해 큰 값을 나타냈다.


Fig. 7. 
Spatial distribution of the (a) mean direction and (b) mean speed of the motion vectors in D2. Standard deviations of (c) direction and (d) speed of motion vectors are also presented. Only 13 × 13 out of 25 × 25 vectors is displayed.

월별로 이를 분석해보면(Fig. 8), 6월과 7월에 벡터 방향이 각각 61.8~66.4o, 70.0~80.6o로 동북동진하는 분포를 보이는 반면 8월은 34.7~61.8o로 북동진하고 최댓값과 최솟값의 차이가 컸다. 속력은 6월(12.5~15.3 m s−1), 7월(12.8~16.6 m s−1)이 각각 비교적 빨랐던 반면, 8월의 속력(5.9~9.4 m s−1)이 가장 느리고 공간적 변동이 컸다. 8월의 경우, 운동벡터의 방향과 속력 모두 변동성이 컸는데, 북서쪽으로 갈수록 동진하려는 경향이 있었고 남동쪽으로 갈수록 북진하려는 경향이 강하였다. 속력의 경우 동쪽이 비교적 높은 속력을 가졌고 서쪽과 제주도 내륙 주변에서 낮은 속력이 나타났다. 제주도 내륙 주변에서의 낮은 속력은 6, 7, 8월 모두에서 나타났는데, 한라산을 기준으로 풍하측 속력 또한 6, 7, 8월 모두 풍상측에 비해 낮아졌다.


Fig. 8. 
Same as in Fig. 7a and Fig. 7b except for (a), (d) June, (b), (e) July, (c), (f) August. Upper and lower panels are the direction and the speed of motion vectors, respectively.

4.4 제주도 내륙 영역 일변동 특성 분석

제주도의 중심에 있는 한라산을 기준으로 강수계의 이동 특성을 상세히 알아보기 위해 제주도 내륙에 위치한 운동벡터 격자점들 중 9개의 벡터를 이용하여 시간경도단면도 분석을 수행하였다.

Figure 9는 해당 9개 벡터(분석영역 3)에 대한 운동벡터 방향과 속력의 시간경도단면도를 보여준다. 2300~0400 LST에는 강수계가 다소 북동진하며, 0400~2300 LST에는 비교적 동북동진함을 확인하였다. 한라산 중심 인근을 기준으로 풍상측과 풍하측에서는 벡터방향에서 큰 차이를 발견할 수 없었지만, 한라산 정상 부근에서 북진하려는 경향이 다소 있었다. 속력의 경우 0100~0600 LST와 1500~1900 LST에 다른 시간대에 비해 속력이 높았고, 1700~1800 LST에 최대 속력이 나타났다. 또한, 한라산 중심 인근을 기준으로 풍상측에는 높은 속력(13 m s−1), 풍하측에는 낮은 속력(12.2 m s−1)을 나타내어, 강수계가 한라산을 넘은 후에 수평이동 속력이 낮아졌음을 확인하였다.


Fig. 9. 
Hovmöller Diagram of the (a) direction and (b) speed of motion vectors in D3. Upper panels show averaged direction and speed (in blue) of motion vectors and topography height (in black).


5. 요약 및 결론

본 연구에서는 제주도 지역에서 2011년부터 2013년까지 6, 7, 8월 강수계의 이동 특성을 분석하기 위하여 해당 기간의 GSN, SSP 레이더 자료를 이용해 변분에코추적법으로 산출된 운동벡터들을 분석하였다. 분석은 제주도 인근 영역과 제주도 내륙 영역에 대해서 수행되었고, 운동벡터들의 속력, 방향 빈도분포의 월별 특성, 일변동 특성, 공간적 특성을 분석하였다.

제주도 인근 영역에서 15~16 m s−1의 속력으로 동북동진하는 강수계가 가장 높은 빈도를 보였다. 이는 종관시스템보다 빠른 속력으로, 북아메리카지역 뿐만 아니라 동아시아지역에서도 강수계의 이동은 종관장보다 빠르다는 선행연구들의 결과와 잘 일치하였다. 본 연구에서는 시공간적 분해능이 우수한 레이더자료를 이용하였으며 시간경도단면도의 기울기로부터 위상 속력을 추산한 것이 아니라 각 시각별, 격자별로 강수계의 이동을 정량적으로 계산하였으므로 이전 연구들에 비해 더 정확한 결과로 사료된다.

제주도 인근 영역에서 전체 기간 동안 운동벡터들의 방향과 속력의 NF 일변동을 분석한 결과, 운동벡터의 방향은 뚜렷한 일변동 없이 동진하는 방향이 우세하였다. 1000~1600 LST에는 약 15 m s−1의 속력에서 높은 빈도분포를 보였고 이외 시간에는 약 11~12 m s−1의 속력이 우세한 일변동을 보였다.

월별로 운동벡터들의 방향과 속력의 NF 일변동을 분석한 결과, 6월은 방향의 뚜렷한 일변동 없이 동진, 북동진하는 방향이 우세하였고 대부분의 시간에 걸쳐 동진과 북동진에서 높은 빈도를 보이는 쌍봉형의 형태를 보였으며, 속력은 시간에 따라 10~20 m s−1에서 최대빈도가 나타났고 0200~0800 LST에 다른 시각에 비해 빠른 속력(17~18 m s−1)에서 최대빈도가 나타났다. 7월은 동진, 북동진 하는 방향이 우세하였고, 시간에 따라 동남동진(0900~1500 LST)과 동북동진(1500~0900 LST)으로 일변동하는 특성을 보였으며, 속력의 NF 최댓값은 0600~2100 LST에서 10 m s−1부터 20 m s−1까지 점차 증가하였다. 8월은 6, 7월의 강수계 이동 양상과 다른 경향을 보였다. 방향은 시간에 따라 뚜렷한 일변동 없이 북동진에서 NF의 최댓값이 주로 분포하였고, 방향 변동이 심하였다. 속력은 6, 7월에 비해 느린 속력(5~15 m s−1)에서 NF 최댓값이 나타났으며, NF 최댓값이 1700~0600 LST에서 9~10 m s−1, 나머지 시각에는 5~9 m s−1의 값을 보이는 일변동을 확인하였다. 본 연구에서의 월별 강수계 이동 특성은 Wang et al. (2004)의 결과(동아시아의 5, 6월 강수계는 동진하려는 특성이 강하고 한여름에는 그 특성이 약해짐)와 일치하였다.

월별로 운동벡터들의 방향과 속력의 평균의 일변동을 분석한 결과, 8월(북동진, 평균 8 m s−1)이 6, 7월(동진, 평균 14~15 m s−1)과는 다른 경향을 보였다. 6월에는 0300~0600 LST와 1600~2000 LST에 다른 시각에 비해 빠른 속력을 보였고, 7월에서도 6월과 같은 시각에 보다 빠른 속력을 보이는 일변동을 확인하였다. 8월에는 0000~1500 LST까지 북동진하였으나, 1500~2400 LST에는 북북동진하는 일변동을 보였다. 운동벡터 방향과 속력의 표준편차를 보면 8월의 강수계가 방향의 변동이 6, 7월에 비해 심하였고, 속력은 7월이 다소 변동이 심하고 6월이 다소 변동이 적었다.

8월이 6, 7월과 달리 북동진하고 속력이 낮으며 운동벡터 방향의 변동성이 큰 것은 북태평양고기압이 제주도 북쪽까지 확장함에 따라 대류성 강수가 빈번하게 발생하였기 때문으로 사료된다. 고온 다습한 북태평양고기압의 영향 하에서는 열적 불안정에 의한 대류성 강수가 발생하기 쉬우며, 8월의 2 km MOSAIC 영상에서 나타난 대류성 강수들은 수많은 작은 셀 형태로 천천히 북동쪽으로 이동하는 특성을 나타내었다. Lee et al. (2015)의 연구에서도 6, 7월에 비해 8월에 35 dBZ 이상의 대류성 강수가 내륙지역을 중심으로 많이 발생함을 보였다.

제주도 인근 영역에서의 강수계 운동의 공간적 특성으로는 8월의 운동벡터 방향, 속도의 공간적 변동이 6, 7월에 비해 큰 것을 확인할 수 있었고, 제주도의 남동쪽(북서쪽)으로 갈수록 북진(동진)하려는 경향이 강했다. 한라산을 기준으로 풍상측에 비해 풍하측에서 6, 7, 8월 모두 속력이 감소하는 현상도 확인할 수 있었다.

제주도 내륙 영역에서 시간경도단면을 분석한 결과, 방향에서 2300~0400 LST에는 상대적으로 북동진, 0400~2300 LST에는 상대적으로 동북동진하는 경향을 보였으며, 0100~0600 LST와 1500~1900 LST에 다른 시각보다 빠른 속력을 보이며 1700~1800 LST에 최대속력을 보였다. 이 때 1700~1800 LST는 대류성 강수 빈도가 최저(Lee et al., 2015)일 때로, 층운형 강수가 빠른 속력을 보인 것으로 생각된다. Lee et al. (2015)의 결과에서 1000~1300 LST에 대류성 강수의 최대 빈도가 나타났고 제주도 내륙에서 높은 빈도를 보였는데, 본 연구에서 해당 시각 내륙지역의 운동벡터가 느린 속력을 보였다. 또한, 제주도 내륙에서 강수계의 속력은 앞선 결과들과 마찬가지로 한라산을 기준으로 풍상측에는 높은 속력, 풍하측에는 낮은 속력을 보여, 한라산의 지형 효과가 강수계 수평속력에 크게 작용했을 가능성을 볼 수 있었다.

이들을 종합하면, 제주도 인근의 여름철 강수계는 15~16 m s−1의 속력을 가지고 동북동진하는 강수계가 많은 빈도를 보이며, 8월이 6, 7월에 비하여 동진보다는 북동진하는 경향을 보이며 현저히 낮은 속력을 보였다. 또한, 8월에 방향의 변동이 상대적으로 강하였다. 8월이 6, 7월의 강수계와 다른 이동 특성을 보이는 것은 북태평양고기압의 확장에 인한 것으로 생각된다. 운동벡터의 공간적인 특성으로는 제주도 내륙 부근에서 강수계의 속력이 낮아지는 특성을 보였는데, 이는 육지로 인한 마찰 증가와 내륙(특히 한라산 정상과 풍하측)에서의 대류성 강수의 생성에 의한 것으로 추정된다. 또한 풍하측에서 강수계의 속력이 낮아지는 현상은 6, 7, 8월 모두에서 나타났고, 제주도 내륙에서의 시간경도단면도에서도 뚜렷이 확인할 수 있었다.

본 연구를 통해 제주도 여름철 강수계의 이동 특성은 알 수 있었으나 이 특성들을 유발하는 명확한 매커니즘을 밝혀낼 수는 없었다. 이에 대해 관측자료와 수치모의를 이용하여 3차원적으로 강수계 이동 특성을 분석하는 추후 후속 연구를 통해 정확한 매커니즘을 규명해야 할 것으로 사료된다.


Acknowledgments

본 연구는 환경부의 물관리연구사업에서 지원받았습니다.


References
1. Baek, S.-K., Y.-J. Choi, C.-Y. Chung, and C.-H. Cho, (2006), The characteristics and predictability of convective system based on GOES-9 observations during the summer of 2004 over East Asia, Atmosphere, 16, p225-234, (in Korean with English abstract).
2. Carbone, R. E., J. D. Tuttle, D. A. Ahijevych, and S. B. Trier, (2002), Inferences of predictability associated with warm season precipitation episodes, J. Atmos. Sci., 59, p2033-2056.
3. Choi, B.-S., (2002), A study on the characteristics of sea breeze over Jeju Island, Master’s thesis, Jeju National University Graduate School of Industry, p53, (in Korean with English abstract).
4. Choi, G., (2013), Spatial patterns of seasonal extreme precipitation events in Mt. Halla, Climate Research, 8, p267-280, (in Korean with English abstract).
5. Dixon, M., and G. Wiener, (1993), TITAN: Thunderstorm identification, tracking, analysis, and nowcasting—A radar-based methodology, J. Atmos. Oceanic Technol., 10, p785-797.
6. Germann, U., and I. Zawadzki, (2002), Scale-dependence of the predictability of precipitation from continental radar images. Part I: Description of the methodology, Mon. Wea. Rev., 130, p2859-2873.
7. Goudenhoofdt, E., and L. Delobbe, (2013), Statistical characteristics of convective storms in Belgium derived from volumetric weather radar observations, J. Appl. Meteor. Climatol., 52, p918-934.
8. Goudenhoofdt, E., M. Reyniers, and L. Delobbe, (2010), Long term analysis of convective storm tracks based on C-band radar reflectivity measurements, ERAD 2010 - 6th European Conference on Radar in Meteorology and Hydrology., p6, [Available online at https://www.meteo.be/meteo/download/de/5369049/pdf/rmi_scpub-1427.pdf].
9. Jang, S.-M., J.-Y. Gu, D.-I. Lee, J.-H. Jeong, S.-H. Park, and H. Uyeda, (2012), An analysis of precipitation systems developed near Jeju Island in Korea during the summer monsoon, 2006, J. Korean Earth Sci. Soc., 33, p377-394.
10. Jung, S.-H., and K.-E. Kim, (2007), The development of radar beam propagation simulation program using digital elevation model, Proceedings of the Spring Meeting of KMS 2007, Korean Meteorological Society, p346-347, (in Korean).
11. Kanada, S., H. Minda, B. Geng, and T. Takeda, (2000), Rainfall enhancement of band-shaped convective cloud system in the downwind side of an isolated island, J. Meteorol. Soc. Jpn. Ser. II, 78, p47-67.
12. Kang, T. J., (2002), Changes in wind structure with elevation of Mt. Halla, Atmosphere, 12, p217-219, (in Korean).
13. Kim, Y.-K., (1991), Characteristics of the land and sea breeze on Cheju Island, Korea, Journal of the Korean Society of Fisheries and Ocean Technology, 27, p41-55, (in Korean with English abstract).
14. Korean Meteorological Society, (2002), Introduction to Atmospheric Science, Sigma Press, p406.
15. Kucera, P. A., W. F. Krajewski, and C. B. Young, (2004), Radar beam occultation studies using GIS and DEM technology: An example study of Guam, J. Atmos. Oceanic Technol., 21, p995-1006.
16. Kwon, S., G. Lee, and G. Kim, (2012), Rainfall Estimation from an Operational S-band Dual-Polarization Radar: Effect of Radar Calibration, J. Meteorol. Soc. Jpn. Ser. II, 93, p65-79.
17. Lee, G., and I. Zawadzki, (2006), Radar calibration by gage, disdrometer, and polarimetry: Theoretical limit caused by the variability of drop size distribution and application to fast scanning operational radar data, J. Hydrol., 328, p83-97.
18. Lee, H.-W., S.-H. Jung, and G. Lee, (2015), Spatiotemporal characteristics of convective precipitation using radar reflectivity data, Proceedings of the Spring Meeting of KMS 2015, Korean Meteorological Society, p38-39, (in Korean).
19. Lee, J.-T., K.-Y. Ko, D.-I. Lee, C.-H. You, and Y.-C. Liou, (2018), Enhancement of orographic precipitation in Jeju Island during the passage of Typhoon Khanun (2012), Atmos. Res., 201, p58-71.
20. Lee, K.-O., (2013), Study on effects of an isolated elliptical terrain (Jeju Island) on rainfall enhancement in a moist environment, Ph.D. thesis, Nagoya University, p199.
21. Lyu, G., S.-H. Jung, K.-Y Nam, S. Kwon, C.-R. Lee, and G. Lee, (2015), Improvement of radar rainfall estimation using radar reflectivity data from the hybrid lowest elevation angles, J. Korean Earth Sci. Soc., 36, p109-124, (in Korean with English abstract).
22. NIMR, (2008), Analysis of local precipitation events occurred over Jeju Island using weather radar. National Institute of Meteorological Research 11-1360395-000047-01, p118, (in Korean).
23. NIMR, (2011), Improvement of performance in very-short range forecast models with nowcasting data. National Institute of Meteorological Research, p227, (in Korean).
24. Oh, Y. S., D. H. Kim, and K. O. Song, (2006), The influence of orographic effect of Mt. Halla on local temperature over Jeju Island, Proceedings of the Spring Meeting of KMS 2006, p282-285, (in Korean).
25. Park, S., S.-H. Jung, and G. Lee, (2015), Cross validation of TRMM PR reflectivity profiles using 3D reflectivity composite from the ground-based radar network over the Korean Peninsula, J. Hydrometeor, 16, p668-687.
26. Wang, C.-C., G. T.-J. Chen, and R. E. Carbone, (2004), A climatology of warm-season cloud patterns over East Asia based on GMS infrared brightness temperature observations, Mon. Wea. Rev., 132, p1606-1629.
27. Weather Radar Center, (2017), Development of Optimized Techniques for Dual-Polarization Radar Harmonization. Weather Radar Center, 11-1360000-001488-01, p243, (in Korean).
28. Yamartino, R. J., (1984), A comparison of several “Single-Pass” estimators of the standard deviation of wind direction, J. Appl. Meteor. Climatol., 23, p1362-1366.
29. Zawadzki, I., and B. Puigdomenech, (2014), A climatology of mesoscale motions of precipitation patterns, ERAD 2014 - 8th European Conference on Radar in Meteorology and Hydrology (Short abstract), [Available online at http://www.pa.op.dlr.de/erad2014/programme/ShortAbstracts/265_short.pdf].