In this study, we focus on the improvement of data quality transmitted from a weather buoy that guides a route of ships. The buoy has an Internet-of-Thing (IoT) including sensors to collect meteorological data and the buoy’s status, and it also has a wireless communication device to send them to the central database in a ground control center and ships nearby. The time interval of data collected by the sensor is irregular, and fault data is often detected. Therefore, this study provides a framework to improve data quality using machine learning models. The normal data pattern is trained by machine learning models, and the trained models detect the fault data from the collected data set of the sensor and adjust them. For determining fault data, interquartile range (IQR) removes the value outside the outlier, and an NGBoost algorithm removes the data above the upper bound and below the lower bound. The removed data is interpolated using NGBoost or long-short term memory (LSTM) algorithm. The performance of the suggested process is evaluated by actual weather buoy data from Korea to improve the quality of ‘AIR_TEMPERATURE’ data by using other data from the same buoy. The performance of our proposed framework has been validated through computational experiments based on real-world data, confirming its suitability for practical applications in real- world scenarios.

Recently, the importance of impact-based forecasting has increased along with the socio-economic impact of severe weather have emerged. As news articles contain unconstructed information closely related to the people’s life, this study developed and evaluated a binary classification algorithm about snowfall damage information by using media articles text mining. We collected news articles during 2009 to 2021 which containing ‘heavy snow’ in its body context and labelled whether each article correspond to specific damage fields such as car accident. To develop a classifier, we proposed a probability-based classifier based on the ratio of the two conditional probabilities, which is defined as I/O Ratio in this study. During the construction process, we also adopted the n-gram approach to consider contextual meaning of each keyword. The accuracy of the classifier was 75%, supporting the possibility of application of news big data to the impact-based forecasting. We expect the performance of the classifier will be improve in the further research as the various training data is accumulated. The result of this study can be readily expanded by applying the same methodology to other disasters in the future. Furthermore, the result of this study can reduce social and economic damage of high impact weather by supporting the establishment of an integrated meteorological decision support system.

We present a novel method that can enhance the detection success rate of interstellar objects. Interstellarobjects are objects that are not gravitationally bound to our solar system and thus are believed to haveoriginated from other planetary systems. Since the nding of two interstellar objects, 1l/`Oumuamua in2017 and 2l/Borisov in 2019, much attention has been paid to nding new interstellar objects. In thispaper, we propose the use of Heliospheric Imagers (HIs) for the survey of interstellar objects. In particular,we show HI data taken from Solar TErrestrial RElation Observatory/Sun Earth Connection Coronal andHeliospheric Investigation and demonstrate their ability to detect `Oumuamua-like interstellar objects. HIs are designed to monitor and study space weather by observing the solar wind traveling throughinterplanetary space. HIs provide the day-side observations and thus it can dramatically enlarge theobservable sky range when combined with the traditional night-side observations. In this paper, we rstreview previous methods for detecting interstellar objects and demonstrate that HIs can be used for thesurvey of interstellar objects.

본 연구에는 가뭄의 유발 요인으로 강수량, 기온, 상대습도 등의 기상현상을 활용하고 가뭄 피해로 인한 대응 요소로서 대체수원, 제한급수, 운반급수 등의 비상급수를 적용하여 AI기반 가뭄 대응 정보 구축 방안을 구성하였다. AI 머신 러닝 기법 중 널리 사용되는 의사결정나무 모형을 통하여 예측 기법을 수립하였다. 연구 대상 지역은 비상급수 활용 빈도가 높고 종관기상관측소가 존재하는 충주시, 안동시, 의성군을 선정하였다. 자료 기간은 2014년부터 2019년까지의 자료를 이용하였으며, 가뭄 유발 기상요인으로 ASOS의 강수량 및 기온, 습도를 이용하고 가뭄 피해 요소로 국가 가뭄정보 포털의 비상급수 현황 자료를 활용하였다. 모형 학습 결과 정확도가 약 0.97, F1-Score가 약 0.5로 나왔으며, 이는 비상급수가 필요한 상황과 그렇지 않은 상황을 97%의 확률로 예측할 수 있음을 의미하며, 비상급수가 필요했던 표본만을 대상으로 했을 경우 약 50%의 확률로 예측이 가능한 것을 의미한다. 따라서 의사결정나무 모형을 적용하여 예측 정확도를 분석한 결과 가뭄 대응 비상급수 준비지역 예측을 위한 적용성이 높은 것으로 평가되었다. 그러나 본 연구에서는 기상 조건만을 가뭄 유발 요인으로 반영하였기 때문에, 공급수량 부족 등의 요인을 추가적으로 검토할 필요가 있으므로 가뭄과 연관된 요소인 저수지 용량 등을 추가하고 비상급수 이외의 피해 요소 역시 확장하여 연구를 개선하고자 한다.

대한민국 기상청에서 사용하고 있는 UM (Unified Model, UM) 모델의 국지예측시스템(Local Data Assimilation and Prediction System, LDAPS)은 수치모델 모의 시 대기경계층 유형에 따라 물리과정을 다르게 계산하기 때문에 이 과정을 검증하는 것은 모델의 정확도 향상에 중요하다. 따라서, 본 연구에서는 수치모델의 대기경계층 유형을 관측자료 를 기반으로 검증하였다. 관측자료를 기반으로 대기경계층 유형을 분류하기 위해서 보성 표준기상관측소에서 수행한 여름철 집중관측자료(라디오존데, 플럭스관측장비, 도플러 라이다, 운고계)를 활용하였으며, 2019년 6월 18일 부터 8월 17일 까지 61일 동안에 총 201회의 관측자료를 분석하였다. 또한 관측자료와 수치모델 결과가 다른 경우를 보면, 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 2유형으로 분류되는 사례가 수치모델에서는 1유형으로 분류된 사례가 53회로 가장 많이 나타났다. 그 다음으로는 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 5유형과 6유형 으로 분류되는 사례가 수치모델에서는 3유형으로 분류된 사례가 많이 나타났다(각각 24회, 15회). 관측결과와 수치모델 모의 결과가 일치하지 않은 사례는 모두 층적운 접합 여부 및 적운 모의 등 수치모델의 구름물리 부분의 모의 성능에 기인하여 발생한 것이라고 분석된다. 따라서, 대기경계층 유형 분류의 구름물리과정의 모의 정확도를 개선하면 수치모델 성능이 향상 될 것으로 판단된다.

본 연구에서는 2016-2017년 봄철(3-5월) 동안 보성 지역에서의 해풍 발생 시 연직 기상 특성을 분석하기 위해, 해풍 발생에 대한 선정 기준을 마련하였다. 이를 위해 지상에서 측정된 강수량, 운량, 풍향과 지상과 해상 기온의 차이, 1km 고도에서의 윈드프로파일러 및 수치모델 자료를 이용한 풍속 값이 사용되었다. 선정 기준에 따라 보성지역에서의 해풍일을 분류하였고, 해풍 발생 시간 및 고도와 풍속의 크기 분석을 통해 해풍의 시공간적 특성을 파악하였다. 해풍의 발생일은 총 183일 중 23일(12%)로서, 보성지역의 경우 봄철 10일 중 최소 1.2일은 해풍이 나타났다. 해풍은 1200 LST부터 1800 LST로 낮 시간에 지상에서부터 700 m 고도까지 주로 발생하였다. 또한, 최대 풍속은 평균 4.9 m s−1로 1600 LST에 40 m 고도에서 나타나, 선행연구보다 비교적 낮은 값을 보였다. 이는 해안지형이 복잡하여 지형 효과에 따른 풍속 감소로 인한 것으로 보인다.

증발산은 순복사 에너지를 사용하여 잠열의 형태로 수증기를 대기 중으로 수송함으로써 지구에너지 순환에 있어 중요한 요소 중의 하나이며, 증발산량은 지표유출의 두 배 정도로서 지구 물 수지에서 차지하는 비중이 매우 크다. 증발산의 지상관측은 지점에 국한되기 때문에 공간연속면 상에서의 증발산량 산출을 위하여 격자형 기상자료와 위성자료를 이용한 모델링이 오랫동안 이루어져왔다. PM(Penman-Monteith) 방정식에 기초한 METRIC(Mapping Evapotranspiration with Internalized Calibration) 모델이나 PT(Priestley-Taylor) 방정식을 이용한 MS-PT(Modified Satellite-based Priestley-Taylor) 모델 등이 주로 사용되어 왔으나, 또 하나의 대안으로서 본 연구에서는 최근 부각되고 있는 딥러닝 기법인 DNN(deep neural network)을 이용한 증발산 모델링을 수행하였다. 은닉층 구조, 손실함수, 옵티마이저, 활성화함수, L1/L2 정규화, 드롭아웃 비율 등의 최적화 과정을 거쳐서 수립한 DNN 모델은 RMSE = 0.326mm/day, 상관계수 = 0.975의 매우 양호한 정확도를 나타내었다. 이는 DNN 최적화와 함께, 국지예보모델과 위성자료로부터 증발산 기작에 관여하는 인자들을 선택하여 입력자료로 적절히 사용하였기 때문이기도 하다. 향후과제로서 훈련자료의 종류와 양을 증가시켜서 DNN 모델을 보다 정교화하는 것은 반드시 필요하다고 사료된다.

기상청에서 제공하는 전체 기상자료와 평년값 자료 및 태양에너지학회에서 제공하는 표준기상데이터를 이용하여 위험률별 난방설계용 외기온과 상대습도, 냉방설계용 건구온도, 습구온도 및 일사량 자료를 분석하였다. 표준 기상데이터는 평균에 가장 가까운 대표성을 갖는 1개년의 데이터로 가공 처리한 매시간별 기상자료이고, 평년 값 자료는 30년(1981~2010년) 평균 일별 기상자료이며, 전체 기상자료는 평년값과 동일기간의 매시간별 기상자료이다. 일부 분석방법은 평년값 자료를 이용하는 경우도 있지만 대부분 매시간별 기상자료가 필요하고 대표성을 갖기 위해서는 표준기상데이터를 이용하는 것이 가장 적합하다. 그러나 현재 표준기상데이터는 서울과 6대 광역시 등 7개 지역만 제공되고 있기 때문에 전국을 커버 할 수 있는 지역별 온실 환경설계용 기상자료의 구축에는 전체 기상자료를 이용할 수밖에 없다. 따라서 본 연구에서는 표준기상데이터가 제공되고 있는 7개 지역을 대상으로 전체 기상자료 및 평년값 자료를 이용한 방법으로 분석하여 표준기상데이터로 구한 값과 비교 검토하였다. 위험률별 설계 기상자료는 전체 기상자료를 이용하여 구한 평균값이 표준기상데이터로 구한 결과와 잘 일치하였다. 따라서 표준기상데이터가 없는 지역의 위험률별 설계용 기상자료는 전체 기상자료를 이용하여 구하고, 전체자료 기간의 평균값을 온실의 환경설계 기준으로 사용하며, 최대값과 최소값을 제공함으로써 참고자료로 활용할 수 있도록 하는 것이 합리적인 방법으로 판단된다. 최근의 기후변화 문제로 냉난방 설계기온의 지 속적인 변화가 예상되므로 이에 대응하기 위해서는 전문 가들로 구성된 온실설계위원회와 같은 기구의 설치가 절실히 요청된다. 위원회에서는 자료기간 및 분석방법에 대한 기준을 설정하고, 최소한 10년 간격의 정기적인 검토를 통하여 기상자료를 분석하고 온실설계기준 및 가이드라인을 제공할 필요가 있다.

최근 기후에 대한 관심이 증가하면서 전국단위 뿐만 아니라 지역 단위에서도 기후 지도가 필요하게 되었다. 본 연구에서는 기상청에서 제공하고 있는 무인자동 기상관측장비(AWS) 자료와 LANDSAT 8호 열적외선 영상을 이용하여 지상 기온 분포도를 제작하는 과정을 제시하였다. 지상 기온 분포도 제작을 위하여 기존에 사용되었던 AWS 자료의 공간 보간 기법, 열적외선 영상으로 부터 지표 온도 추출 기법, AWS 자료와 위성영상을 이용한 지상 기온 추출 기법을 비교하고, 지상 기온 분포도에 적합한 지도 제작 기법을 파악하였다. 본 연구의 결과 지상 기온 분포도 제작을 위해 AWS 자료와 위성영상을 이용한 지상 기온 추출 기법이 가장 적합한 것으로 나타났다. 본 연구에서 제시한 과정을 통하여 다양한 지역단위의 기후 지도를 제작할 수 있을 것으로 예상된다.

We have developed a data integration system for ground-based space weather facilities in Korea Astronomy and Space Science Institute (KASI). The data integration system is necessary to analyze and use ground-based space weather data efficiently, and consists of a server system and data monitoring systems. The server system consists of servers such as data acquisition server or web server, and storage. The data monitoring systems include data collecting and processing applications and data display monitors. With the data integration system we operate the Space Weather Monitoring Lab (SWML) where real-time space weather data are displayed and our ground-based observing facilities are monitored. We expect that this data integration system will be used for the highly efficient processing and analysis of the current and future space weather data at KASI.

한반도 남서해안에 위치한 흑산도 고층관측이 2003년 6월 1일부터 실시되고 있다. 이러한 흑산도 관측자료에 의한 수치예보개선효과를 보기 위하여 광주의 관측자료와 비교 분석하였다. 분석에는 MM5를 기본으로 제작한 호남지방 고밀도 예측시스템을 이용하였다. 먼저 지표면 마찰과 현열플러스의 차이에 의하여 광주와 흑산도의 바람장과 온도장은 다르게 나타났으며, 광주와 흑산도의 자료를 모두 동화시킨 수치예측 바람장과 기상장이 관측과 제일 잘 일치하였다. 강수면에서 비록 강수량은 과소평가를 하고 있으나, 강수시간과 강수구역은 흑산도자료를 포함하여 자료동화를 시킨 경우 관측과 유사하게 나타났다.

자동기상관측장비인 AWS(Automatic Weather System)는 교육기관 뿐만아니라 정부 산하 각 지방 도시에 많이 설치되어있다. 그러나 많은 AWS중 실시간으로 웹을 통해 제공되는 기상 정보는 많지 않다. 이에 본 연구에서는 AWS에서 전송되어 오는 데이터를 실시간으로 자동 저장할 수 있도록 하여 실시간으로 디스플레이하고 자료 처리를 하여 교육적으로 활용하고자 하였다. 데이터의 실시간 디스플레이 및 자료 처리를 위해 몇 가지 가능성을 검토했으며 그 가능성을 통해 이를 실현하고자 일차적으로 KNU Weather now, V1.0를 개발하였다. 이 작업의 결과로 지금까지 AWS의 자료를 불러와 사용하기 위해 해오던 불편한 작업이 어느 정도 해소되었고 다시 이를 재가공해 외부에 서비스는 물론, 부가적으로 AWS 관측데이터를 필요로 하는 여러 작업에 이용할 수 있고 또한 데이터 처리 부분의 추가로 여러 통계자료를 가공해 낼 수 있게 되었다. 본 연구는 AWS의 교육적 활용에 중점을 두고 이루어졌으며 간편하고 실용적인 면에서 매우 유용하리라 생각된다.

Through the coupling between the near-earth space environment and the polar ionosphere via geomagnetic field lines, the variations occurred in the magnetosphere are transferred to the polar region. According to recent studies, however, the polar ionosphere reacts not only passively to such variations, but also plays active roles in modifying the near-earth space environment. So the study of the polar ionosphere in terms of geomagnetic disturbance becomes one of the major elements in space weather research. Although it is an indirect method, ground magnetic disturbance data can be used in estimating the ionospheric current distribution. By employing a realistic ionospheric conductivity model, it is further possible to obtain the distributions of electric potential, field-aligned current, Joule heating rate and energy injection rate associated with precipitating auroral particles and their energy spectra in a global scale with a high time resolution. Considering that the ground magnetic disturbances are recorded simultaneously over the entire polar region wherever magnetic station is located, we are able to separate temporal disturbances from spatial ones. On the other hand, satellite measurements are indispensible in the space weather research, since they provide us with in situ measurements. Unfortunately it is not easy to separate temporal variations from spatial ones specifically measured by a single satellite. To demonstrate the usefulness of ground magnetic disturbance data in space weather research, various ionospheric quantities are calculated through the KRM method, one of the magneto gram inversion methods. In particular, we attempt to show how these quantities depend on the ionospheric conductivity model employed.

조선왕조실록(朝鮮王朝實錄)에 기록된 기상자료를 가지고 조선 시대의 기후를 분석하고, 서울의 과거 기후와 비교하여 다음과 같은 결론을 얻었다. 서울 지역을 중심으로 기상요소(강수, 우박, 서리, 안개 등)수를 비교하면 조선 시대에 기록된 자료는 최근 자료의 5.4%로 빈약하여 조선왕조실록만을 가지고 조선 시대의 기후를 복원한다는 것은 어렵다. 기우제(祈雨祭)와 기청제(祈請祭) 일수는 강수 일수와는 상관관계가 없다. 강수와 우박 일수는 자료가 부족하긴하나 월별 현황은 최근의 경향과 비슷하다. 서리와 안개의 일수 현황은 과거 10년 동안의 현황과는 많은 차이가 있다. 이것은 피해없이 내린 경우에는 기록되지 않았고 많은 재산과 인명의 피해를 준 것은 기록되었기 때문이라 추측된다.