The Korean Meteorological Society

Journal Archive

Atmosphere - Vol. 25 , No. 1

[ Article ]
Atmosphere - Vol. 25, No. 1, pp. 19-30
Abbreviation: Atmosphere
ISSN: 1598-3560 (Print) 2288-3266 (Online)
Print publication date Mar 2015
Received 22 Sep 2014 Revised 23 Dec 2014 Accepted 31 Dec 2014
DOI: https://doi.org/10.14191/Atmos.2015.25.1.019

Ka-밴드 구름레이더 자료품질 및 구름통계 기초연구
예보영1) ; 이규원1), 2), * ; 권수현1) ; 이호우1) ; 하종철3) ; 김연희3)
1)경북대학교 천문대기과학과, 천체물리 및 우주론 분야 미래 창의 인재 양성팀
2)경북대학교 대기원격탐사연구소
3)기상청 국립기상연구소 예보연구과

Preliminary Analysis of Data Quality and Cloud Statistics from Ka-Band Cloud Radar
Bo-Young Ye1) ; GyuWon Lee1), 2), * ; Soohyun Kwon1) ; Ho-Woo Lee1) ; Jong-Chul Ha3) ; Yeon-Hee Kim3)
1)Dept. of Astronomy and Atmospheric Sciences, Research and Training Team for Future Creative Astrophysicists and Cosmologists, Kyungpook National University, Daegu, Korea
2)Center for Atmospheric REmote sensing, Kyungpook National University, Daegu, Korea
3)Forecast Research Laboratory, National Institute of Meteorological Research, Korea Meteorological Administration, Jeju, Korea
Correspondence to : * GyuWon Lee, Dept. of Astronomy and Atmospheric Sciences, Kyungpook National University, 80 Daehakro, Buk-gu, Daegu 702-701, Korea. Phone : +82-53-950-6361, Fax : +82-53-950-6359 E-mail : gyuwon@knu.ac.kr

Funding Information ▼

Abstract

The Ka-band cloud radar (KCR) has been operated by the National Institute of Meteorological Research (NIMR) of Korea Meteorological Administration (KMA) at Boseong National Center for Intensive Observation of severe weather since 2013. Evaluation of data quality is an essential process to further analyze cloud information. In this study, we estimate the measurement error and the sampling uncertainty to evaluate data quality. By using vertically pointing data, the statistical uncertainty is obtained by calculating the standard deviation of each radar parameter. The statistical uncertainties decrease as functions of sampling number. The statistical uncertainties of horizontal and vertical reflectivities are identical (0.28 dB). On the other hand, the statistical uncertainties of Doppler velocity (spectrum width) are 2.2 times (1.6 times) larger at the vertical channel. The reflectivity calibration of KCR is also performed using X-band vertically pointing radar (VertiX) and 2-dimensional video disdrometer (2DVD). Since the monitoring of calibration values is useful to evaluate radar condition, the variation of calibration is monitored for five rain events. The average of calibration bias is 10.77 dBZ and standard deviation is 3.69 dB. Finally, the statistical characteristics of cloud properties have been investigated during two months in autumn using calibrated reflectivity. The percentage of clouds is about 26% and 16% on September to October. However, further analyses are required to derive general characteristics of autumn cloud in Korea.


Keywords: Ka-band cloud radar, calibration, data quality

1. 서론

구름은 대류권에서 복사에너지를 산란 및 반사하거나 흡수하여 지구복사수지에 영향을 주는 주요 기후인자며 초기 강수를 결정하여 대기물순환에 밀접한 관련이 있다. 구름에 의한 복사를 이해하기 위해서는 구름의 수평 및 연직구조와 미세물리특성(구름입자 크기, 모양, 수농도 등)에 대한 연구가 필요하다(Clothiaux et al., 1999). 이에 따라 세계적으로 위성, 라이더 등의 장비를 이용한 구름 관측 및 연구가 활발히 진행되고 있다. 위성이 구름의 수평적 구조파악에 유리한데 반해, 라이더 및 구름레이더는 연직구조 파악에 유용하다. 라이더는 민감도가 뛰어나 대기경계층 연구에 흔히 사용되지만 구름이 많은 날이나 여러 층의 구름이 존재하는 경우 감쇠에 취약하다. 구름레이더는 주로 35 GHz나 94 GHz 주파수를 사용하며 감쇠의 영향을 덜 받는다.

구름레이더는 기상레이더에 비해 짧은 파장을 사용하여 작은 입자에서 후방산란단면적이 증가하므로 감도가 좋고(Lhermitte, 1990), 좁은 빔폭으로 부방사부의 영향이 적어 지형에코의 강도가 상대적으로 감소하여(Kropfli and Kelly, 1996) 시공간적으로 고분해능의 자료를 획득할 수 있다. 특히, 35 GHz 구름레이더 보다 파장이 짧은 94 GHz 구름레이더는 미산란 영역이 관측 가능하여 약한 강우 시 연직공기속도 산출이 가능하므로 구름 내 역학구조 연구에 활용 가능하다(Giangrande et al., 2010). 하지만 파장이 짧아짐에 따라 강수 및 수증기에 의한 감쇠가 크게 증가하므로 습한 대기에서는 활용에 유의하여야 한다.

미국 에너지국에서 1990년대 중반부터 진행한 ARM(Atmospheric Radiation Measurement) 프로그램은 미국, 독일, 프랑스 등 세계 여러 지점에 35GHz 연직관측 구름레이더(MMCR; MilliMeter-wavelength Cloud Radar)를 설치하여 현재까지 장기간의 모니터링을 통해 구름의 대기복사수지 영향과 전지구 기후모델의 구름모수화 연구를 진행 중이다(Kollias et al., 2007a). 또한, NASA (National Aeronautics and Space Administration)의 ESSP (Earth System Science Pathfinder) 프로그램 중 CloudSat 미션은 위성에 94 GHz 구름레이더를 탑재하여 구름의 액체수함량 및 고체수함량 연직프로파일 관측을 통해 물리구조와 복사특성을 연구하고 있다(Stephens et al., 2002).

이러한 세계적 연구 추세에 따라 국내에서도 구름레이더를 이용한 구름 관측 및 연구를 수행하고자 2013년 국립기상연구소에서 국내 최초로 구름레이더를 도입하였다. Oh et al. (2013)은 도입된 레이더와 천리안위성으로 관측된 운정고도를 비교하여 강수가 없는 경우 구름레이더가 운정고도 탐지에 유용함을 밝혔다. 또한, Zhong et al. (2011)은 동일한 레이더의 하드웨어보정 및 S-밴드 레이더와의 비교를 통하여 태풍사례의 미세물리 구조를 파악하여 미세물리 연구 가능성을 보였다. 이와 같이 구름의 미세물리 특성분석(Fox and Illingworth, 1997; Giangrande et al., 2010, 2012; Luke et al., 2010; Kollias et al., 2010), 장기간의 구름자료를 통한 기후학적 통계분석, 모델검증(Hogan et al., 2001) 등 다양한 연구에 구름레이더를 활용하기 위해서는 구름레이더 자료의 품질검증 및 반사도 보정이 선행되어야 한다.

ARM 프로그램의 MMCR은 관측목적에 따라 경계층모드, 권운모드, 일반모드, 강수모드, 편파모드로 나누어 간섭적분수(coherent averages number), 주파수변환 샘플수(Furrier transform number), 최소관측거리, 샘플링수, 최대관측속도, 속도해상도, 시간해상도 등을 달리하여 운영하고 있다. MMCR의 품질검사를 위하여 Kollias et al. (2005)은 신호대잡음비를 통해 산출된 레이더변수의 오차를 평가하였고 샘플링수의 증가에 따라 변수별 오차가 감소함을 보였다. 또한, 레이더의 연직관측 시 미세물리과정의 변화가 없다면 관측변수의 변동이 작다는 점을 통해 S-밴드 이중편파레이더의 품질을 평가한 방법이 있다(Kwon et al., 2012). 이에 따라 본 연구에서는 연직관측모드의 자료를 이용하여 변수별 오차의 변동과 샘플링 수에 따른 오차변동을 알아보고자 한다.

한편, 구름레이더는 강수입자에 의한 감쇠가 존재하고 레이더 시스템 자체의 오차로 인해 관측된 반사도와 실제 반사도 간의 차이가 존재한다. 이러한 평균편차는 지상우적계, 이중편파변수 자기상관관계(self-consistency) 등으로 보정가능하고 장비간의 관측해상도 차이, 미세물리변동에 의한 효과 제거를 통해 평균편차를 레이더 보정오차로 정의할 수 있다(Lee and Zawadzki, 2006). Williams et al. (2005)은 지상우적계인 JWD (Joss-Waldvogel disdrometer)와 2DVD (2-dimensional video disdrometer)를 이용하여 S-밴드 연직지향레이더와 스캔레이더를 보정하고 여러 강수사례에 대해 보정오차의 변동을 통해 레이더의 안정성을 평가하였다. 본 연구에서는 구름레이더의 구름관측 자료로부터 통계분석을 하기 위하여 지상우적계 2DVD를 이용하여 구름레이더보다 감쇠 효과가 적은 X-밴드 연직지향레이더(VertiX, Vertically pointing X-band radar)의 반사도를 보정하고 보정된 VertiX 반사도를 통해 구름레이더 반사도를 보정하고자 한다.

반사도 보정 후의 장기간의 구름관측 자료로부터 구름의 계절적 특성, 연변동, 월변동 등 다양한 정보를 제공할 수 있는 통계적 구름지도 작성이 가능하다(Warren et al., 1986; Dong et al., 2000; Lazarus et al., 2000). Kollias et al. (2007b)은 장기간 구름레이더 자료를 이용하여 고도(상, 중, 하층운), 연직발달, 다층 구조 유무에 따라 구름을 분류하고 ECMWF(European Centre for Medium-Range Weather Forecast) 모델을 이용하여 구름 종류에 따른 역학 및 열역학장을 연구하였다. 국내 도입된 구름레이더를 이용한 이러한 통계적 구름지도 작성의 가능성을 알아보고 그 기초자료로 사용하고자 2013년 9, 10월의 구름종류별빈도를 조사하고자 한다.

본 연구의 목적은 다음과 같다. 첫째 관측변수별 오차변동과 샘플링 수에 따른 오차변동의 산출을 통하여 통계적 불확실성을 평가하고자 한다. 둘째 지상우적계와 X-밴드 연직지향레이더를 이용하여 구름레이더 반사도 보정오차를 산출한다. 셋째 반사도 보정 후의 구름자료로부터 구름종류별 빈도를 조사하여 통계적 구름지도 작성의 기초 발판을 마련하고자 한다.


2. 자료
2.1 관측자료

본 연구에서는 보성 국가위험기상집중관측센터(전라남도 보성군 득량면 3046-2답)에 설치된 Ka-밴드 구름레이더 자료를 사용하였다(Fig. 1a). 레이더는 주파수 33.44 GHz(파장 0.89 cm)로 최대 출력 15 kW 이상인 마그네트론 송신기를 사용하여 단일송신(수평) 및 이중수신(수평/연직) 편파모드로 운영된다. 이중편파변수 선형편광비(LDR; Linear Depolarization Ratio)를 비롯하여 수평 및 연직반사도(ZHH, ZHV), 수평 및 연직시선속도(VRHH, VRHV), 수평 및 연직스펙트럼폭(SWHH, SWHV) 등을 산출하고 파워스펙트럼 및 I/Q신호의 저장이 가능하여 스펙트럼 분석을 통한 연구가 가능하다. 구름레이더의 연직지향 관측모드 자료는 90도 고도각으로 Plan Position Indicator (PPI) 모드로 관측한 PPI90과 안테나 회전없이 90도 연직관측한 THI90모드로 나뉘며, 약 30초와 45초 간격으로 15 m 연직해상도의 자료를 생산한다.


Fig. 1. 
(a) Ka-band cloud radar (KCR), (b) X-band vertically pointing radar (VertiX), and (c) 2-dimensional video disdrometer (2DVD).

Table 1. 
Characteristics of Ka-band cloud radar (KCR).
Characteristics Values
Latitude/Longitude 34.76°N/127.21°E
Frequency (wavelength) 33.44 GHz (8.9 mm)
Transmitter Magnetron
Peak power ≥ 15 kW
Polarization Single transmitting
Double receiving polarization
Antenna diameter 1.5 m
Beam width ≤ 0.5°
Dynamic range > 60 dB
Parameters Reflectivity (ZHH, ZHV), Radial velocity (VRHH, VRHV), Spectrum width (SWHH, SWHV), Linear Depolarization Ratio (LDR), Signal-to-Noise Ratio (SNR), Power spectrum, I/Q

구름레이더 반사도 보정에는 경북대학교에서 보유하고 있는 지상우적계 2DVD와 VertiX를 사용하였다(Figs. 1b, c). VertiX는 3.2 cm의 파장으로 최대출력 23 kW 이상인 마그네트론 송신기가 장착되어 있다. 안테나 직경은 1.2 m로 1.8°의 빔폭을 가진다. 반사도, 시선속도, 파워스펙트럼을 2초마다 산출하며 연직해상도는 45 m이다. 2DVD는 샘플링 면적 100 mm×100 mm에 수평해상도 0.18 mm, 연직해상도 0.2 mm인 이차원 광학우적계이다(Kruger and Krajewski, 2002). 높이가 다른 두 개의 광원과 두 개의 카메라를 통해 샘플링 면적을 통과하는 수적입자의 크기, 모양, 속도 등을 1분마다 산출한다. 관측된 입자크기분포를 통해 산술적으로 반사도를 산출할 수 있으며 이를 참값으로 사용하였다.

2.2 분석 사례

관측변수별 오차변동은 2013년 7월 4일 0335~0338 LST 동안 연속으로 관측된 연직관측모드 자료 7개를 사용하였다(Fig. 2). 약 5 km 고도에 선형편광비가 −15 dB 이상으로 밝은 띠(Bright band, BB in Fig. 2)가 뚜렷하게 나타난 강수사례이다. 미세물리적 변동에 의해 나타나는 오차를 구분하기 위해서 밝은 띠아래의 고도 범위 1,500~3,750 m의 자료로 변수별 오차변동을 산출하였다.


Fig. 2. 
Time series of linear depolarization ratio (LDR), reflectivity (ZHH, ZHV), Doppler velocity (VRHH, VRHV), and spectrum width (SWHH, SWHV) at 0355~0338 LST, 4 June 2013.

반사도 보정은 다섯 강수사례에 대하여 수행하였다(Table 2). 2DVD를 이용한 VertiX 반사도 보정값 산출에는 두 장비 모두 관측을 수행한 9월 6일, 14일, 10월 8일 사례가 사용되었고, 이를 포함한 다섯 사례에 대하여 구름레이더 반사도를 보정하였다.

Table 2. 
Cases for calibration of VertiX and KCR.
Case Day Time Calibration
1 6 September 2013 0500~2000 UTC VertiX, KCR
2 14 September 2013 0000~0800 UTC VertiX, KCR
3 1 October 2013 1300~2300 UTC KCR
4 8 October 2013 0000~0200 UTC VertiX, KCR
5 10 October 2013 0500~0600 UTC KCR

보정된 반사도를 이용한 구름 통계 분석은 9월 3~19일, 23~30일과 10월 1~28일의 30분 평균 반사도 자료를 사용하였다(Table 3). PPI90과 THI90 자료 모두 사용되었으며 9월은 594 h, 10월은 625 h의 자료를 통해 기초 구름통계를 분석하였다.

Table 3. 
Used data for cloud statistics.
September October
Day 3~19, 23~30 1~28
Number of data 1189 1251


3. 방법
3.1 관측변수별 오차변동

레이더의 연직지향 스캔모드 중 PPI90은 레이더 안테나의 고도각을 지면으로부터 90°로 레이더 빔을 쏘면서 360° 회전하며 관측한다. 따라서 강우 시스템의 큰 변화가 없는 경우, 관측된 레이더변수는 같은 값을 가지게 된다. 관측변수의 통계적 불확실성은 각 고도에서 관측된 평균값으로부터 관측된 변수의 오차변동을 계산함으로써 평가할 수 있다(Kwon et al., 2012).

관측변수의 오차변동을 산출할 때 강우영역만을 이용하여야 한다. 강우 영역이 아닌 밝은 띠나 강설 영역에서는 입자의 모양, 기울어진 정도, 크기 등이 다르므로 관측시간에 따른 변동과 입자의 미세물리적 변동에 의해 나타나는 변동의 구분이 어렵다. 따라서 밝은 띠 아래의 강우영역만을 선택하여 관측변수의 오차 변동을 산출하고자 하였다. 관측변수별 오차는 Eq. (1)과 같이 각 픽셀과 방위각 및 고도 방향으로 평균과의 차이를 통해 편차(ΔXi,j)를 산출하였고, 오차 변동은 방위각 및 고도각 방향 전체에 대한 편차의 표준편차를 통하여 알아보았다.

ΔXi,j=Xi,j1Ni=0N1Xi,j(1) 

여기서 ij는 각각 방위각, 고도 번호이고, 시간에 따른 강우시스템의 변동을 최대한 제거하기 위하여 N은 10개를 사용하였다.

변수별 오차변동은 과소 샘플링으로 인한 변동을 포함하므로 통계적 과소 샘플링의 불확실성을 정량적으로 계산할 수 있다. 사용된 자료는 관측 시 128개의 펄스로부터 산출되었으며 샘플링수에 따라 변수별 오차가 달라질 수 있다. 따라서 샘플링 수에 따른 오차는 관측변수별 평균오차와 동일한 방법으로 기준 샘플링 수 128개와 그의 2, 3, 4배인 256, 384, 512개 샘플링 수에 따라 산출하였다.

3.2 반사도 보정

구름레이더의 반사도 보정오차의 산출을 위해 먼저 2DVD 관측자료를 이용하여 VertiX 반사도를 보정한 후, 보정된 VertiX와 구름레이더의 반사도 비교를 통해 반사도 오차를 산출하였다. 이를 위해 사용된 장비의 자료해상도를 1분, 45 m로 평균하여 사용하였다. 지상우적계인 2DVD에서 관측된 우적크기분포를 통해 아래의 식으로부터 이론적 반사도(Z)를 산출하였다.

Z=DminDmaxD6N(D)dD,(2) 

여기서 D는 입자직경[mm], N(D)는 입자개수[mm−1 m−3], dD는 입자직경 간격[mm]이다. 2DVD로 산출된 반사도와 고도별 VertiX 반사도를 비교한 후, 고도별 상관관계와 평균편차를 비교하여 보정을 위한 최적고도를 선택하였다. 2DVD 관측이 있었던 9월 6일, 14일, 10월 8일 사례에 대해 VertiX 반사도 보정오차를 산출하였고 이를 포함한 다섯사례에 대해 구름레이더 반사도 보정오차를 산출하였다. 최적고도의 보정된 VertiX 반사도와 구름레이더의 반사도를 비교하여 구름레이더의 반사도를 보정하였다.

3.3 구름종류에 따른 통계분석

구름 통계분석을 위하여 연직지향모드(PPI90, THI90)로 관측된 반사도를 이용하여 고도별로 30분간격 평균 반사도를 산출하였다. 하층에 빈번하게 발생하는 곤충에 의한 비강수에코를 제외하기 위하여 반사도임계치 −25 dBZ를 사용하였고 다섯 사례의 평균 반사도 보정값을 적용한 30분 평균 반사도를 사용하였다. Kollias et al. (2007b)의 구름통계분석에서는 고도 200 m를 구름 유무의 기준으로 사용하였으나, 본 연구에서는 300 m를 구름 유무의 기준으로 사용하였다. 이는 보성관측소의 300 m 기상타워로 인한 레이더 신호의 간섭 영향을 최대한 줄이기 위함이다.

9월과 10월의 구름 관측비율은 전체 자료수에 대한 구름 관측자료수의 비율로 계산하였다. 구름 구분 기준은 Table 4와 같이 구름은 상, 중, 하층운으로 분류하였고 하층운은 강수 유무에 따라 강수운과 비강수운으로 분류하였다(Kollias et al., 2007b). 또한, 비강수운은 발달한 고도에 따라 대류운과 층운으로 구분하였다. 전체 자료에 대한 상, 중, 하층운의 비율과 하층운에 대한 강수운, 대류운, 층운의 비율을 구하였다.

Table 4. 
Criteria of cloud types.
Cloud type Criteria
High Cloud bottom: above 6 km
Middle Cloud bottom: above 2 km, less than 6 km
Low Rain Cloud bottom: less than 300 m
Non-rain Deep Cloud bottom: above 300 m
   top: above 2 km
Shallow Cloud bottom: above 300 m
   top: less than 2 km


4. 결과
4.1 관측변수별 오차변동

Figure 3은 구름레이더의 관측변수별 방위각 및 고도각 방향의 오차 분포이다. 수평 및 연직반사도의 오차변동은 0.28 dB로 채널간의 차이는 존재하지 않았고, 선형편광비의 오차변동은 0.18 dB를 보였다(Figs. 3a, b). 제작사에서 제공하는 탐지정확도는 반사도 1 dBZ 이하, 선형편광비 0.5 dB 이하로, 산출된 오차변동 값이 탐지정확도보다 작았다. 또한, 반사도와 선형편광비의 해상도는 모두 0.2 dBZ 이하이며 반사도의 오차변동은 해상도보다 크지만 구름 관측 및 연구자료로 사용하기에 품질이 우수한 편이다.


Fig. 3. 
Distribution of deviation (ΔX) from mean value for (a) ZHH, (b) ZHV, (c) LDR, (d) VRHH, (e) VRHV, (f) SWHH, and (g) SWHV.

수평 및 연직 시선속도는 오차변동 값이 각각 0.1 m s−1, 0.22 m s−1로 수평시선속도가 연직시선속도보다 더 작고 좁은 분포를 보였다. 스펙트럼폭의 오차변동은 수평채널이 0.05 m s−1로 연직채널 0.08 m s−1 보다 작고 좁은 분포로 나타났다. 수신된 신호의 위상을 이용하여 산출되는 변수는 스펙트럼 폭이 넓거나 신호대잡음비가 작으면 추정 정확도가 감소한다. 이 사례의 경우 수평채널보다 연직채널의 신호대잡음비가 크게 20 dB까지 차이가 있기 때문에 연직채널의 시선속도 및 스펙트럼폭의 오차변동이 더 크게 나타난 것이다. 제작사 매뉴얼에 의하면 시선속도와 스펙트럼폭의 정확도는 1 m s−1 이하이고 해상도는 샘플링수 256개인 경우 0.05 m s−1 이하이다.

관측변수별 오차변동은 샘플링수가 증가함에 따라 감소한다. 선형편광비의 전체평균값은 −19.7 6 dB이고 샘플링수가 4배 증가하면서 오차의 표준편차는 0.18 dB에서 0.05 dB로 4배 이상 감소하였다(Fig. 4a). 수평반사도의 전체 평균은 3.24 dBZ, 연직반사도의 전체 평균은 −16.51 dBZ이고 샘플링수 128개일 때 수평반사도와 연직반사도의 오차의 표준편차는 0.007 dB차이로 작았다(Fig. 4b). 또한, 샘플링수 증가에 따라 샘플링 오차는 0.28 dB에서 0.08 dB로 감소하였고 두 채널간에 차이는 크지 않았다.


Fig. 4. 
Standard deviation in terms of sampling numbers. (a) LDR, (b) reflectivity (ZHH, ZHV), Doppler velocity (VRHH, VRHV), and spectrum width (SWHH, SWHV).

평균 수평 및 연직 시선속도는 각 −4.44 m s−1, −4.40 m s−1이고 샘플링수 128개일 때 오차는 0.10 m s−1, 0.22 m s−1이다(Fig. 4c). 수평채널과 연직채널 간의 차이가 0.13 m s−1 이상 차이 나며 오차변동은 샘플링수가 증가함에 따라 0.03 m s−1, 0.06 m s−1로 감소하였다. 샘플링수 256개인 경우, 수평 및 연직시선속도 오차의 표준편차는 0.06 m s−1, 0.13 m s−1이고 연직시선속도 오차변동은 해상도보다 크게 나타났다. 스펙트럼폭 오차의 표준편차는 수평채널 0.05 m s−1, 연직채널 0.08 m s−1이고 샘플링 수에 따라 0.01 m s−1, 0.02 m s−1로 감소하며 시선속도 오차의 표준편차와 유사하게 수평채널이 연직채널보다 작게 나타났다(Fig. 4d). 샘플링수 256개인 경우 두 채널 모두 해상도보다 낮게 나타났다. 이에 따라 정확한 구름관측 및 연구를 위해서는 시선속도와 스펙트럼폭 사용 시 샘플링수를 512개로 관측된 자료를 사용하거나 512개로 평균하여 사용하면 더 좋은 결과를 얻을 수 있을 것이다.

4.2 반사도 보정

Figure 5는 2013년 9월 6일 강수사례의 VertiX와 구름레이더의 연직 반사도시계열이다. VertiX는 0433 UTC부터 관측을 시작하여 두 장비 모두 2000 UTC까지 강수를 관측하였으며 이후 5 km 이상의 구름을 관측하였다. 동일한 강수에 대해 장비에 따라 반사도가 약 20 dBZ 이상 차이가 나며 구름입자에 대해 민감도가 더 뛰어난 구름레이더에서 2000 UTC 이후의 구름을 더 잘 나타냄을 알 수 있다. 지상 관측값인 2DVD로 산출된 반사도와 고도 292 m에서 두 레이더반사도를 비교한 결과, VertiX 반사도는 지상에서 2DVD 반사도보다 높았고 구름레이더 반사도는 2DVD 반사도보다 약 15 dBZ 낮았다(Fig. 6).


Fig. 5. 
Time series of reflectivity before applying calibration on 6 September 2013 from (a) VertiX and (b) KCR.


Fig. 6. 
Time series of reflectivity on 6 September 2013 from 2DVD, VertiX, and KCR. Reflectivities from VertiX and KCR are from an altitude of 292 m.

먼저 2DVD자료를 이용하여 VertiX 반사도를 보정하기 위하여 2DVD로 관측한 우적크기분포를 통해 산출된 반사도 자료와 고도별 VertiX 반사도를 비교하였다(Fig. 7a). 6번째 고도(247 m)부터 0.97 이상의 높은 상관관계를 보이며 편차는 약 7 dB로 거의 일정하게 나타났다. 상관관계가 0.98로 가장 높은 7번째 고도(292 m)를 반사도 보정을 위한 최적고도로 선택하였다. 반면에 2DVD로 산출된 반사도와 구름레이더의 고도별 반사도를 직접 비교하였을 경우, 상관관계가 292 m에서 가장 높고 고도가 높아짐에 따라 0.8에서 0.6(1 km 이내)까지 감소하였다(Fig. 7b). 이는 강우시 구름레이더의 감쇠로 인한 것으로, 두 장비간의 직접 비교는 한계가 있음을 알 수 있다. VertiX 반사도와 구름레이더 반사도간의 상관관계가 고도가 증가함에 따라 0.85에서 0.81까지 (292 m~1 km) 다소 감소하였지만 두 반사도가 유사함을 알 수 있다(Fig. 7c).


Fig. 7. 
Bias (triangle) and correlation (cross) of (a) between 2DVD and VertiX, (b) 2DVD and KCR, and (c) VertiX and KCR as functions of heights on 6 September 2013.

9월 6일의 최적고도의 반사도 평균 편차는 7.25 dB로 VertiX 반사도가 2DVD로 산출된 반사도보다 크게 나타났다(Fig. 8a). 9월 14일과 10월 8일의 반사도 평균 편차는 각각 7.16 dB, 7.39 dB로 0.1 dB의 작은 변동을 보여 해당 기간 VertiX 관측이 안정하였음을 알수 있다. 따라서 세 사례의 평균편차의 반대 부호인 −7.26 dBZ을 VertiX의 보정값으로 결정하였고 보정값을 더한 VertiX 반사도와 구름레이더 반사도를 비교하였다. VertiX 반사도와 구름레이더 반사도의 평균편차는 −16.16 dB이고 두 반사도는 0.84의 상관관계를 보였다(Fig. 8b). 보정값 16.16 dBZ를 더한 구름레이더의 반사도가 보정전에 비해 전체적으로 증가하였으며 VertiX 반사도보다 크게 나타났다(Fig. 9). 또한, 2000 UTC 이후의 상층의 구름 및 하층의 비기상에 코까지 선명하게 보였다.

Figure 10은 다섯 강수 사례에 대한 최적고도의 보정된 VertiX 반사도와 구름레이더 반사도의 비교이다. 상관관계가 0.80에서 0.95로 높으며, 평균편차는 −16.16 dB, −11.46 dB, −9.37 dB, −5.97 dB로 증가하다가 −10.88 dB로 다시 감소하였다. 이러한 변동은 10월 8일 태풍의 북상으로 0236 UTC 이후 레이더 작동을 멈추었고 10월 9일 다시 운영을 재개한 것과 연관이 있을 것으로 생각된다. Williams et al. (2005)에 의하면 반사도 보정오차의 변동으로 레이더의 안정도를 평가할 수 있는데, 다섯 사례에 대한 구름레이더 반사도 보정값의 평균은 10.77 dBZ, 표준편차는 3.69 dB로 나타났다.


Fig. 8. 
Scatter plots of (a) Z (2DVD) and Z (VertiX) and (b) calibrated Z (VertiX) and Z (KCR) at 292 m on 6 September 2013.


Fig. 9. 
Time series of reflectivity after applying calibration on 6 September 2013 from (a) VertiX and (b) KCR.


Fig. 10. 
Scatter plots of calibrated Z(VertiX) and Z(KCR) on (a) 6 September, (b) 14 September, (c) 1 October, (d) 8 October, and (e) 10 October 2013.

4.3 구름종류에 따른 통계분석

Figure 11은 구름통계분석에 사용된 2014년 9월과 10월의 고도별 30분 평균 반사도 시계열이다. 전체 시계열에서는 고도 2 km 이하에 곤충에코에 의해 하루 주기로 고도가 변동하는 곤충에코가 보이며, 최저고도에서 10 km 고도 이상까지 나타나는 강수에코, 4 km 고도 이상부터 나타나는 구름에코가 존재한다. 구름 및 강수가 빈번하지 않은 9월과 10월은 전체 자료에 대해 전체 구름 비율이 25.4%, 16.5%이었고 구름통계지도를 작성하기에 짧은 기간이지만, 3장에 언급한 방법을 통해 구름통계의 가능성을 살펴보고자 하였다. Figure 12는 그 결과로, 9월과 10월의 3.1%, 3.7%가 상층운, 7.6%, 5.5%가 중층운, 14.7%, 7.2%가 하층운으로 분석되었다. 하층운 중에서 강수운이 9월 91.4%, 10월 72.2%를 보였다. 이는 9월에 총 강수일수 10일 동안 97.6 mm로 10월의 총 강수일수 7일에 강우량 32.1 mm보다 많았기 때문이다. 강수가 없는 하층운인 대류운과 층운은 두 달 모두 10% 이하로 낮게 나타났다.


Fig. 11. 
Time series of 30 min averaged reflectivity profile during (a) September and (b) October 2013.


Fig. 12. 
Cloud statistics as functions of its height (upper row) and types (lower row) at Boseong site during September to October 2013.


5. 요약 및 결론

본 연구는 Ka-밴드 구름레이더의 관측변수별 오차변동 분석과 반사도 보정을 통해 자료의 품질을 알아보고자 하였으며 이를 통해 구름종류별 통계를 분석하였다. 연직지향모드의 관측자료를 사용하여 방위각 및 고도 방향으로 편차를 산출하고 편차의 표준편차를 통해 변수별 오차변동을 분석하였다. 수신된 신호의 파워로 산출되는 반사도는 수평 및 연직채널간의 차이가 없었지만 위상으로부터 산출되는 시선속도와 스펙트럼폭은 채널간의 차이가 존재하였고 이는 연직채널에서 신호대잡음비가 작아 모멘트 추정 정확도가 감소하기 때문이다. 샘플링수를 증가시킴에 따라 모든 변수의 오차변동이 감소하였고 이를 통해 고품질의 레이더 모멘트를 사용할 수 있을 것으로 기대된다.

또한, 레이더의 안정도를 평가하기 위하여 다섯 강수 사례에 대해 구름레이더 반사도 보정값을 비교하였다. 구름레이더 반사도 보정은 먼저 2DVD에서 관측된 우적크기분포로부터 반사도를 산출하고 VertiX 반사도와 비교한 후, 보정된 VertiX 반사도와 구름레이더 반사도를 비교하여 구름레이더 반사도 보정값을 산출한다. 산출된 보정값은 16.16 dBZ, 11.46 dBZ, 9.37 dBZ, 5.97 dBZ로 감소하다 10월 8일 사례에서 보정값이 10.88 dBZ로 증가하였다. 평균 반사도 보정값은 10.77 dBZ, 표준편차는 3.69 dB로 비교적 크게 나타났다.

구름통계지도를 작성하기에 짧은 기간이지만 산출한 평균 반사도 보정값을 적용한 2013년 9, 10월의 반사도 연직자료를 이용하여 구름종류에 따른 통계를 분석하였다. 전체 구름비율이 25.4% (9월), 16.5% (10월)로 9월은 강수운이 가장 많았으며 10월은 상, 중, 하층운 모두 10% 미만으로 적게 나타났다. 지속적인 관측을 통하여 장기간의 자료를 축적하고 분석한다면 기후학적 통계분석이 가능할 것이다.


Acknowledgments

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


REFERENCES
1. Clothiaux, E. E., and Coauthors, (1999), The atmospheric radiation measurement program cloud radars: operational modes, J. Atmos. Ocean. Technol, 16, p819-827.
2. Dong, X., P. Minnis, T. P. Ackerman, E. E. Clothiaux, G. G. Mace, C. N. Long, and C. Liljegren, (2000), A 25- month database of stratus cloud properties generated from ground-based measurements at the atmospheric radiation measurement southern great plains site, J. Geophys. Res, 105, p4529-4537.
3. Fox, N. I., and A. J. Illingworth, (1997), The retrieval of stratocumulus cloud properties by ground-based cloud radar, J. Appl. Meteorol, 36, p485-492.
4. Giangrande, S. E., E. P. Luke, and P. Kollias, (2010), Automated retrievals of precipitation parameters using non-Rayleigh scattering at 95 GHz, J. Atmos. Ocean. Technol, 27, p1490-1503.
5. Giangrande, S. E., E. P. Luke, and P. Kollias, (2012), Characterization of vertical velocity and drop size distribution parameters in widespread precipitation at ARM facilities, J. Appl. Meteor. Climatol, 51, p380-391.
6. Hogan, R. J., C. Jakob, and A. J. Illingworth, (2001), Comparison of ECMWF winter-season cloud fraction with radar-derived values, J. Appl. Meteorol, 40, p513-525.
7. Kollias, P., and B. Albrecht, (2010), Vertical velocity statistics in fair-weather cumuli at the ARM TWP Nauru Climate Research Facility, J. Climate, 23, p6590-6604.
8. Kollias, P., M. A. Miller, E. P. Luke, K. L. Johnson, E. E. Clothiaux, K. P. Moran, K. B. Widener, and B. A. Albrecht, (2007a), The atmospheric radiation measurement program cloud profiling radars: Second-generation sampling strategies, processing, and cloud data products, J. Atmos. Ocean. Technol, 24, p1199-1214.
9. Kollias, P., G. Tselioudis, and B. A. Albrecht, (2007b), Cloud climatology at the southern great plains and the layer structure, drizzle, and atmospheric modes of continental stratus, J. Geophys. Res, 112.
10. Kollias, P., B. Albrecht, E. E. Clothiaux, M. A. Miller, K. L. Johnson, and P. Moran, (2005), The atmospheric radiation measurement program cloud profiling radars: An evaluation of signal processing and sampling strategies, J. Atmos. Ocean. Technol, 22, p930-948.
11. Kropfli, R. A., and R. D. Kelly, (1996), Meteorological research applications of mm-wave radar, Meteor. Atmos. Phys, 59, p105-121.
12. Kruger, A., and W. F. Krajewski, (2002), Two-dimensional video disdrometer: A description, J. Atmos. Ocean. Technol, 19, p602-617.
13. Kwon, S., G. W. Lee, Y.-A. Oh, S.-H. Lee, K.-D. Ahn, and Y.-H. Lee, (2012), Long term monitoring of data quality from an operational S-band dual-polarization radar, Proc. 7th European Conference on Radar in Meteorology and Hydrology, Toulouse, France, p158sp.
14. Lazarus, S. M., S. K. Krueger, and G. G. Mace, (2000), A cloud climatology of the Southern Great Plains ARM CART, J. Climate, 13, p1762-1775.
15. 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.
16. Lhermitte, R., (1990), Attenuation and scattering of millimeter wavelength radiation by clouds and precipitation, J. Atmos. Oceanic Technol, 7, p464-479.
17. Luke, E. P., P. Kollias, and M. D. Shupe, (2010), Detection of supercooled liquid in mixed-phase clouds using radar Doppler spectra, J. Geophys. Res, 115.
18. Oh, S.-B., H. Y. Won, J.-C. Ha, and K.-Y. Chung, (2014), Comparison of cloud top height obseved by a Ka-band cloud radar and COMS, Atmosphere, 24, p39-48.
19. Stephens, G. L., and Coauthors, (2002), The CloudSat mission and the A-Train: A new dimension of space-based observations of clouds and precipitation, Bull. Amer. Meteor. Soc, 83, p1771-1790.
20. Warren, S. G., C. J. Hahn, and J. London, (1985), Simultaneous occurrence of different cloud types, J. Appl. Meteorol, 24, p658-667.
21. Williams, C. R., K. S. Gage, W. Clark, and P. Kucera, (2005), Monitoring the reflectivity calibration of a scanning radar using a profiling radar and a disdrometer, J. Atmos. Ocean. Technol, 22, p1004-1018.
22. Yang, F., H. Pan, S. K. Krueger, S. Moorthi, and S. J. Lord, (2006), Evaluation of the NCEP global forecast system at the ARM SGP site, Mon. Wea. Rev, 134, p3668-3690.
23. Zhong, L., L. Liu, S. Feng, R. Ge, and Z. Zhang, (2011), A 35-GHz polarimetrie Doppler radar and its application for observing clouds associated with Typhoon Nuri, Adv. Atmos. Sci, 28, p945-956.