메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

Govind Kumar Jha (한국외국어대학교, 韓國外國語大學校 大學院)

지도교수
Junghyo Chae
발행연도
2019
저작권
한국외국어대학교 논문은 저작권에 의해 보호받습니다.

이용수3

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
홍수, 산사태와 같은 기상 관련 위험을 정확하게 예측하기 위해서는 극한 강우 사건에 대한 신뢰할 수 있는 추정치가 필요합니다. 대부분의 세계 강우 관측 자료는 저해상도로 이용 가능하기 때문에, 극한 강우 분석에는 적절하지 않습니다. 따라서 기상 연구 및 예측 (WRF) 모델의 고급 연구 버전과 같은 지역 중규모 모델은 종종 미세한 그리드 간격으로 강우량을 추정하는데 사용됩니다. 폭우 사례를 모델링하는 것은 그러한 사례들이 다중 규모 상호 작용과 모델 구성에 따라 다르기 때문에 결코 쉽지 않습니다. 또한, 복잡한 지형의 극한 강수량을 예측하는 것은 기상 예측 전문가들의 가장 어려운 일 중 하나입니다. 본 연구는 이러한 배경 및 2017년 8월 12~13일 네팔 상공에서 일어난 주요 사례를 염두에 두고 단일 영역의 크기가 4km인 WRF 모델을 구현하여 극한 강우 시뮬레이션에 미치는 구름 미시적 물리학의 영향을 조사하였습니다. 이 현상은 WRF 모델 내에서 7개의 서로 다른 미시적 물리학으로 (MP) 시뮬레이션 됩니다. 모든 모델 시뮬레이션은 2017년 8월 11일 00 UTC 11에 초기화 되었으며, NCEP/GFS ANL 1°x1° 해상도의 데이터를 초기 및 경계 조건으로 하여 2017년 8월 13일 03 UTC까지 51시간 동안 통합되었습니다. 시뮬레이션 된 강우량은 객체 기반 진단 평가 기법을 (MODE) 통해 409개의 강우량 및 세계 강수량 측정 (GPM) IMERG 위성 데이터의 관측 값과 비교하여 평가합니다. 그 후, 특정 현상의 개요 특성은 미시적 물리학을 참조하여 조사합니다. 그리고 그 결과는 극한 강수 지역의 위치는 방안에 따라 다르지만, WRF 모델이 극한 강우 사례 및 관련 개요 특성을 합리적으로 잘 시뮬레이션 할 수 있음을 시사합니다. 모든 방안의 전반적인 성과는 그다지 좋지 않았습니다. 모든 방안은 네팔 전역의 모든 극심한 강우 지역을 시뮬레이션하지 못했습니다. 그리고 모든 시뮬레이션에서 강우량과 위치를 과소 평가했습니다. Thompson 미시적 물리학 기법을 사용한 시뮬레이션은 관측과 더 잘 일치했습니다. 분석 시, 강우 공간 패턴은 미시적 물리학 (MP) 방안 선택의 영향을 받는다는 점에 유의해야 합니다. 개요의 특성의 조사 결과, 해당 현상은 계절풍이 일반적인 위치에서 히말라야 기슭의 북쪽으로 확장되는 것과 관련이 있음을 알 수 있었으며, 수원은 아라비아 해에서 유래하였습니다. 상기 언급한 개요 조건은 네팔 강수량의 예측 인자로 간주될 수 있습니다. 이와 같은 홍수 발생 강수 시스템에 대한 포괄적인 이해는 농업 운영의 계획과 관리, 그리고 네팔 내 홍수가 잦은 지역의 자연 재해 대비 및 완화 조치에 도움이 될 것입니다.

목차

1. INTRODUCTION 1
1.1 Background 1
1.2 Rational of the study: 2
1.3 Study Area 3
1.3.1 Physiography 4
1.3.2 Climate 4
1.4 Objective 5
1.5 Selection of event: 6
2. LITERATURE REVIEW 8
2.1 Extreme Precipitation in Nepal 8
2.2 WRF Modelling System: 9
2.2.1 WRF Preprocessing System 11
2.2.2 WRF-ARW model 12
2.2.3 WRF-ARW Post Processing System (ARWpost) 13
2.3 WRF-ARW Physical Parameterization 14
2.3.1 Microphysics 16
2.4 Rainfall prediction using NWP: 19
2.5 MODE Verification Method: 21
3. DATA AND METHODOLOGY 24
3.1 DATA: 24
a. In situ precipitation observation 24
b. Satellite estimates: 24
c. Reanalysis datasets: 26
d. GDAS data for back trajectory analysis 26
3.2 WRF Model setup and Numerical Experiment 26
3.2.1 Experimental Design: 26
3.3 MODE verification method: 29
3.4 Variables Under Study for Synoptic Features Analysis: 31
3.4.1 Mean Sea Level Pressure 31
3.4.2 Relative Humidity 32
3.4.3 Geopotential Height: 32
3.4.4 Convective Available Potential Energy: 32
3.4.5 Precipitable Water: 33
4 RESULTS AND DISCUSSION 34
4.1 Analysis of spatial distribution of precipitation observations: 34
4.2 Evaluation of model sensitivity to parameterization 35
4.2.1 Eye-ball verification 35
4.2.2 MODE Object Based Verification 36
4.3 Large scale circulation pattern during the event 44
a. 850 hpa geopotential and wind: 44
b.500 hpa geopotential height and wind 45
c.300 hpa geopotential height and wind 46
4.4 Model simulated synoptic analysis: 47
4.5 Back trajectory analysis 57
5 CONCLUSION 59
5.1 Conclusion 59
5.2 Recommendations 60
REFERENCES 61
ANNEX 65

최근 본 자료

전체보기

댓글(0)

0