Feasibility Study of Deriving Areal Reduction Factor for Storm Design Application in Malaysia Using Satellite Rainfall Products

• 발행기관: 한국방재학회
• 저자명: Kok Kahhoong Yu Wan sik Kim Joo Cheol Lariyah MOHD SIDEK Jung Kwan sue
• 간행물 정보: 『2. 한국방재학회 논문집』 17권6호, 399~409쪽, 전체 11쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2017.12.30

국문 초록

본 연구에서는 인공위성 강우를 이용한 말레이시아의 설계호우 면적감소계수(ARF)에 대한 타당성을 제시하고자 한다. 말레이시아의 경우 기존의 기술 매뉴얼에 대한 검토로 부터 몇 가지 단점이 발견 되었으므로 면적감소계수의 산정방법을 검토하여야 한다. 본 연구는 기존의 지상 기반 강우 관측망이 넓은 공간 범위에 대하여 제한된 강우량 측정 범위를 갖는 단점을 보완하기 위하여 강우관측소에서 관측된 강우 자료와 인공위성 강우를 병합하여 면적감소계수를 유도하고자 시도하였다. 이를 위해 연구 지역내에 위치한 9 개의 강우 관측소에서 1 시간, 3 시간, 6 시간, 12 시간 및 24 시간 간격으로 연간 최대 면적 강우량을 계산하였으며 동일 기간에 대한 인공위성 강우를 강우 군집 분석을 위하여 추출하였다. 관측된 강수 자료는 여러 가지 병합 기법을: Geographical Differential Analysis (GDA), 분포 변환(Distribution Transformations), 회귀 분석(regression analysis) 이용하여 PERSIANN-CCS로부터 추출된 인공위성 강우와 합병하였다. GDA 기법으로 병합한 강우 자료가 가장 좋은 결과를 산출 하였으므로(평균 상관 계수는 0.603, 평균 제곱근오차는 8.150) 다른 병합 기법에 비해 가장 우수한 방법으로 확인되었다. GDA는 강수 관측소에서 관측된 최대 강수량을 모델링 할 수 있었지만 다른 병합 기법은 그렇지 못하는 것이 밝혀졌다. 강우 군집 분석 결과에 따라 1,024 ㎢ 지역내에서 관측된 강우 자료의 경우 평균 임계 반지름은 인공위성 강우에 비하여 작음을 알 수 있었다. 이는 인공위성 강우의 공간 분포가 관측된 강우 자료보다 균질하다는 것을 의미한다. 따라서 인공위성 강우로 부터 도출하는 면적감소계수가 더 높은 값을 얻을 수 있었다.

영문 초록

This study presents the feasibility of deriving areal reduction factor (ARF) for storm design application in Malaysia using satellite rainfall products. It is required to review the ARF estimations in Malaysia as some shortcomings have been noticed in the existing technical manual. This study attempted to merge observed rainfall data from rainfall stations with satellite rainfall products for derivation of ARF as conventional ground based rainfall monitoring networks have the major drawback of limited rainfall measuring coverage over large spatial extent especially for sparse monitoring networks. To this end, annual maximum areal rainfall for interval of 1-hour, 3-hour, 6-hour, 12-hour, and 24-hour have been computed from nine rainfall stations located within the study area and the corresponding satellite rainfall products were also extracted for rainfall clustering analysis. The observed rainfall data were merged with satellite rainfall products of Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks - Cloud Classification System (PERSIANN-CCS) using several merging techniques which are Geographical Differential Analysis (GDA), distribution transformations, and regression analysis. GDA approach was identified as the best merging technique over the others as it yielded most promising results when correlating with observed rainfall data with average R² of 0.603 and RMSE of 8.150. It is found out that GDA was able to model maximum rainfall amount as observed in the rainfall stations while the other merging techniques were failed to do so. It is noticed from the rainfall clustering analysis that the average threshold radius obtained for observed rainfall data of fixed boundary area of 1,024 ㎢ was smaller than the one obtained for satellite rainfall products. This implies that spatial distribution of satellite rainfall products was more homogenous than observed rainfall data. Thus higher values may be obtained from ARF derivation using satellite rainfall products.

목차

Abstract

요지

1. Introduction

2. Description of Study Area and Rainfall Products

3. Methodology

4. Results and discussions

5. Conclusions

Acknowledgement

References

키워드

면적감소계수 강우 군집 인공위성 강우 병합 기법 Areal Reduction Factor (ARF) Rainfall Clustering PERSIANN-CCS Satellite Rainfall Merging Techniques