수문 ․ 기상레이더는 강우량을 바로 추정하지 못하고 여러 단계의 정량적 강우량 추정과정을 거치게 되므로 많은 불확실성 발생요소가 존재한다. 불확실성 관련한 기존 연구들은 정량적 레이더기반 강우량 추정과정에서 보정방법을 이용하여 각 단계별 불확실성을 줄이는 연구들을 수행하였다. 하지만 기존 연구들은 전체 과정에 대한 포괄적인 불확실성을 나타내지 못하고 각 단계별 불확실성의 상대적인 비율도 제시하지 못하는 단점이 있다. 본 연구에서는 정량적 레이더강우량 추정과정의 각 단계별 불확실성을 정량화하고 불확실성 전파를 나타낼 수 있는 적합한 방법을 제시하였다. 첫 번째로 초기와 최종 불확실성, 각 단계별 불확실성의 변동과 상대적인 비율을 나타낼 수 있는 새로운 개념을 제안하였다. 두 번째로 레이더기반 추정과정의 불확실성 정량화와 전파과정을 분석하기 위해 Maximum Entropy Method (MEM)와 Uncertainty Delta Method (UMD)를 적용하였다. 세 번째로 레이더기반 강우량 추정과정의 불확실성 정량화를 위해 2개 품질관리 알고리즘, 2개 강우량 추정방법, 2개 후처리 강우량 보정방법을 2012년 여름철 18개 사례에 대하여 사용하였다. 적용결과, MEM에서 최종 불확실성(후처리 강우량 보정 불확실성: ME = 3.81)이 초기 불확실성(품질관리 불확실성: ME = 4.28)보다 작게 나타났으며, UMD에서도 최종 불확실성(UMD = 4.75)이 초기 불확실성(UMD = 5.33)보다 작게 나타나 불확실성이 감소하는 것으로 나타났다. 하지만 레이더강우량 추정단계의 불확실성은 증가하는 것으로 나타났다. 또한 레이더강우량 추정과정에서 각 단계별로 적합한 방법을 선정하는 것이 각 단계별로 불확실성이 감소시킬 수 있음을 확인하였다. 따라서 본 연구는 새로운 방법이 명확히 불확실성을 정량화할 수 있으며 정확한 정량적 레이더 강우추정에 기여할 것으로 판단한다.

One of main benefits of a dual polarization radar is improvement of quantitative rainfall estimation. In this paper, performance of two representative rainfall estimation methods for a dual polarization radar, JPOLE and CSU algorithms, have been compared by using data from a MOLIT S-band dual polarization radar. In addition, this paper presents evaluation of specific differential phase (Kdp) retrieval algorithm proposed by Lim et al. (2013). Current Kdp retrieval methods are based on range filtering technique or regression analysis. However, these methods can result in underestimating peak Kdp or negative values in convective regions, and fluctuated Kdp in low rain rate regions. To resolve these problems, this study applied the Kdp distribution method suggested by Lim et al. (2013) and evaluated by adopting new Kdp to JPOLE and CSU algorithms. Data were obtained from the Mt. Biseul radar of MOLIT for two rainfall events in 2012. Results of evaluation showed improvement of the peak Kdp and did not show fluctuation and negative Kdp values. Also, in heavy rain (daily rainfall > 80 mm), accumulated daily rainfall using new Kdp was closer to AWS observation data than that using legacy Kdp, but in light rain(daily rainfall < 80 mm), improvement was insignificant, because Kdp is used mostly in case of heavy rain rate of quantitative rainfall estimation algorithm.