A radar-based framework for estimating snow depth and snow load

Narae Kang; Seokhyeon Kim; Jungsoo Yoon; Seokhwan Hwang

doi:10.3741/JKWRA.2025.58.S-1.1209

Preview

Technical Note

Journal of Korea Water Resources Association. 30 November 2025. 1209-1216
https://doi.org/10.3741/JKWRA.2025.58.S-1.1209

A radar-based framework for estimating snow depth and snow load

레이더 기반의 적설심 및 적설하중 추정 체계 구축

Narae Kang^a

Seokhyeon Kim^b

Jungsoo Yoon^c

Seokhwan Hwang^d^*

강 나래^a

김 석현^b

윤 정수^c

황 석환^d^*

^aSenior Researcher, Department of Hydro Science and Engineering Research, Korea Institute of Civil Engineering and Building Technology, Goyang, Korea

^bPost Doc., Agricultural and Biological Engineering Department, Tropical Research and Education Center, Institute of Food and Agricultural Sciences, University of Florida, FL, USA

^cSenior Researcher, Department of Hydro Science and Engineering Research, Korea Institute of Civil Engineering and Building Technology, Goyang, Korea

^dResearch Fellow, Department of Hydro Science and Engineering Research, Korea Institute of Civil Engineering and Building Technology, Goyang, Korea

^a한국건설기술연구원 수자원하천연구본부, 수석연구원

^b플로리다대학교 농업생물공학과/열대연구교육센터(식품농업과학연구소), 박사후연구원

^c한국건설기술연구원 수자원하천연구본부, 수석연구원

^d한국건설기술연구원 수자원하천연구본부, 연구위원

^{*Corresponding Author}

License (open-access, https://creativecommons.org/licenses/by/4.0):

©It is identical to the Creative Commons Attribution Non-commercial License (https://creativecommons.org/licenses/by/4.0)

ABSTRACT

This study proposes a dual-polarization radar-based snow depth estimation system, including a snow load calculation step. The proposed procedure estimates snow intensity from radar polarization variables, calculates the snow depth through time integration, calculates the snow depth, and applies the average unit weight to generate snow depth and load maps. The applicability of this system was verified by applying it to radar observation data from the Oseongsan radar (KSN) of the Korea Meteorological Administration. By presenting the spatial distribution of Snow Water Equivalent, Snow Depth, and Snow Load, it can provide regional risk information and more intuitively assess potential burdens on facilities. Radar-based estimation is considered an effective approach for disaster management, as it can estimate cumulative load changes by incorporating information from the moment of snowfall. Furthermore, the reliability of the system needs to be enhanced through verification of various cases and quantitative evaluation.

Keywords

Snow depth

Snow load

Dual-Polarization radar

Polarimetric variables

본 연구는 이중편파 레이더 자료를 활용하여 관측 기반의 적설 추정 체계를 제안하고 최종적으로 적설하중을 제시하는 단계를 포함하였다. 제안된 절차는 레이더 관측으로부터 적설 강도를 추정하고, 시간적분을 통해 적설 상당수량을 산정한 뒤, 적설심을 산정하고 평균 단위중량을 적용하여 적설심 지도와 적설하중 지도를 제시한다. 본 체계는 기상청 오성산 레이더 관측 자료에 적용하여 적용 가능성을 확인하였다. 이 절차를 통해 적설 상당수량-적설심-적설하중의 공간 분포를 제시함으로써 지역적 위험 정보를 제공할 수 있으며, 시설물에 가해질 수 있는 잠재적 부담을 보다 직관적으로 파악할 수 있다. 레이더 기반 추정은 강설 순간의 정보를 반영하여 누적 하중 변화를 추정할 수 있다는 점에서 재난 관리에 효과적인 접근 방법으로 판단된다. 향후에는 다양한 사례 검증과 정량적 평가를 통해 체계의 신뢰도를 높여 나갈 필요가 있다.

키워드

적설심

적설하중

이중편파 레이더

편파 변수

MAIN

1. 서 론
2. 레이더 관측 기반의 적설량 및 하중 추정 제안 체계
2.1 제안 체계
2.2 레이더 기반 적설량 산정 알고리즘
2.3 적설심 산정
2.4 적설 하중 변환
3. 제안 체계의 적용 및 구현
3.1 적용 대상 지역
3.2 적용 절차 및 결과 예시
3.3 레이더 기반 적설 추정의 한계
4. 결 론

1. 서 론

적설량은 고도에 많은 영향을 받는 강수량, 기온 등의 기상인자에 대하여 매우 민감하기 때문에 공간적 변동성이 매우 크다(Kang and Hwang, 2024). 지점 관측만으로는 그 분포 특성을 충분히 활용하기 어렵다. 이에 따라 레이더나 위성과 같은 공간관측 자료를 활용하여 적설의 시공간 분포를 파악하려는 연구가 활발히 진행되고 있다.

다수의 연구에서 레이더로부터 산정되는 레이더 반사도(equivalent reflectivity, $Z$ )를 이용하여 강설에 대한 강수강도(snowfall rate, $S$ ) 관계를 도출하고 적설 상당수량(Snow Water Equivalent, SWE)을 산정하는 연구를 수행하였다(Gunn and Marshall, 1958; Sekhon and Srivastava, 1970; Fujiyoshi et al., 1990; Matrosov, 2007, 2009; Szyrmer and Zawadzki, 2010; Zhang et al., 2011; Heymsfield et al., 2016).

전통적으로는 S(Z)의 관계가 널리 사용되어 왔으나, 강설의 모양, 방향, 밀도, 얼음/물 함량(ice/water content), 눈 크기 분포(Snow Size Distibution, SSD)의 가변성으로 인해 편차가 크다(Bukovčić et al., 2020). 반사도는 저밀도 눈에 대한 SSD의 4차 모멘트에 비례하며 가장 큰 눈송이 몇 개에 의해 크게 가중치가 부여된다(Huang et al., 2010: Hu and Ryzhkov, 2022). 이러한 한계를 극복하고자 Ryzhkov et al. (2018)과 Ryzhkov and Zrnic (2019)은 입자 모양과 방향에 대한 적설 추정치의 민감도를 피하기 위해 이중 편파 레이더의 비차등반사도(Specific Differential Phase, KDP)와 차등반사도(Differential Reflectivity, ZDR)의 조합을 사용할 것을 제안했습니다. 수치예보를 결합한 연구도 활발히 진행되었다. Byun et al. (2008)은 기상예측모델 WRF (Weather Research and Forecasting)을 활용하여 예측한 강수량으로부터 적설심을 도출할 수 있는 방안을 제시한 바 있다. 그러나 이들은 단순 적설량에 관한 해석으로, 구조물에 실질적으로 영향을 미치는 설하중과 지역적 특성에 관한 고려는 미비하였다(Kim et al., 2021).

대설로 인해 피해가 커지고 반복됨에 따라 적설량 예측과 적설하중과 관련된 다각도로 진행되고 있지만, 단순히 지점 기반의 적설심 정보만으로는 적설로 인한 위험성을 충분히 설명하기 어렵다. 재난 관리나 시설물의 설계 기준에서는 적설심이 아닌 면적당 하중의 개념이 필요하며, 이를 통해 적설에 따른 시설물의 안전성을 가름할 수 있다. 따라서 기상학적 적설량, 적설심 산정이 아닌 재난 관리로 확대해서 보기 위해서는 적설량의 공간적 분포뿐만 아니라 하중으로 연계 가능한 체계가 필요하다.

본 노트는 실시간으로 기상 상황에 대한 정보를 광역적으로 판단할 수 있는 레이더를 이용하여 적설량을 산정하고 적설하중 정보를 제공할 수 있는 체계를 제안하고자 한다.

2. 레이더 관측 기반의 적설량 및 하중 추정 제안 체계

2.1 제안 체계

본 연구에서 제안하는 적설 추정 과정은 관측 기반의 추정을 의미하며, 다중편파 레이더 관측으로부터 최종적으로 적설하중을 산정하는 단계를 포함한다(Fig. 1).

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-11S-1/N020058S-106/images/kwra_58_S-1_06_F1.jpg

Fig. 1.

Framework of the proposed snow depth and snow load estimation system

첫 번째 단계는 레이더로부터 반사도( $Z$ ), 차등반사도( $Z_{D R}$ ), 비차등위상( $K_{D P}$ ), 상관계수( $ρ_{H V}$ )등 주요 관측 편파변수를 확보하여 품질관리와 강수 형태를 분류한다. 두 번째는 이러한 편파변수들을 이용하여 경험적 알고리즘( $S (Z)$ , $S (K_{D P}, Z)$ , $S (K_{D P}, Z_{D R})$ )을 적용함으로써 강설률을 추정한다. 레이더 자료는 광역적이고 실시간성이 뛰어나므로 이를 이용해 격자 단위의 강설률을 산정한다. 이후 시간 적분을 통해 누적 적설 상당수량(Snow Water Equivalent, SWE)을 산정하고 수상당량비(Snow-to-Liquid Ratio, SLR)를 적용하여 적설심으로 변환한다. 이때, 수상당량비는 강설 특성에 따라 변화할 수 있으므로 상황별 보정이 가능하도록 반영하였다. 마지막 단계를 적설심과 적설 밀도의 관계식을 이용하여 공간 분포된 적설하중(kg/m²)을 산출한다. 적설하중은 지역적 기상 특성과 구조물의 형상 및 용도에 따라 산정 결과가 달라질 수 있으므로, 본 연구에서는 평균 단위중량을 적용하여 산정한 적설하중 지도를 제시하는 한편, 사용자가 조건별 특성을 반영하여 활용할 수 있도록 적설심 지도를 병행하여 제공할 수 있도록 하였다.

이와 같은 절차는 단순히 특정 지점에서의 시간적 적설심 누적값을 산정하는 데 그치지 않고, 레이더 관측자료 기반으로 적설 상당수량, 적설심, 적설하중의 공간 분포를 제시함으로써 지역적 정보를 제공할 수 있으며, 이를 통해 시설물에 가해질 수 있는 잠재적 부담을 보다 직관적으로 파악할 수 있다.

2.2 레이더 기반 적설량 산정 알고리즘

레이더의 편파 변수를 이용한 적설 산정에서는 비와 눈 등의 강수 형태의 선행이 필요하다. 본 연구에서는 반사도( $Z$ ), 차등반사도( $Z_{D R}$ ), 비차등위상( $K_{D P}$ ), 상관계수( $ρ_{H V}$ )등 주요 관측 편파변수의 관측 범위를 이용하여 강수 형태를 분류하고 세 종류의 레이더 강설률 추정 알고리즘을 적용하였다. 이러한 변수 기반의 분류는 기존 연구들에서 제시된 물리적 특성 및 임계값 범위(Ryzhkov et al., 2018; Bukovčić et al., 2020; Hu and Ryzhkov, 2022)를 참고하였다. 각 알고리즘별 특성은 다음과 같다.

2.2.1 S(Z) 알고리즘

전통적으로 사용중인 레이더 관측값( $Z$ )과 강설률( $S$ ) 사이의 관계식은 반사도와 강설률 모두 SSD의 n차 모멘트로 산정된다는 점을 이용하여 유도된 $S (Z)$ 관계식이다(Yoon et al., 2016). 거듭제곱(power-law)의 형태인 $Z_{e} = α S^{β}$ 를 강설률에 대해 역변환하면 다음과 같다.

(1)

S (Z) = {(\frac{Z}{α})}^{1 / β}

$Z$ 는 레이더 상당 반사도 인자로 단위는 mm⁶/mm^-3이며, $S$ 은 강설률로 mm/h의 단위를 가진다. 𝛼, 𝛽는 지역별 경험적 계수를 의미한다.

2.2.2 S(KDP, Z) 알고리즘

Bukovčić et al. (2018)는 이중편라 레이더에 적용 가능한 이변량 거듭제곱 편파 관계식을 제시하였는데 S-밴드 이중편파 레이더 기반의 경험식이다. 비차등위상차 $K_{D P}$ 는 레이더 편파가 강설을 통과할 때 누적되는 위상차를 나타내며, 전파 감쇠나, 시스템 잡음, 레이더 오차 보정 오차의 영향을 상대적으로 덜 받는다. 따라서 기존 반사도( $Z$ ) 기반 추정이 가진 불확실성을 보완한 공식이다. 그러나 눈 입자의 방향성과 모양에 일정 부분 민감하다는 한계를 보였다.

(2)

S (K_{D P}, Z) = 1.48 K_{D P}^{0.61} Z^{0.33}

$K_{D P}$ 는 비차등위상차로 deg/km의 단위를 가지며, $Z$ 는 레이더 상당 반사도 인자로 단위는 mm⁶/mm^-3이다. $S$ 은 강설률로 mm/h의 단위를 가진다.

2.2.3 S(KDP, ZDR) 알고리즘

Bukovčić et al. (2020)은 $K_{D P}$ 와 $Z_{D R}$ 의 조합을 활용하여 새로운 $S (K_{D P}, Z_{D R})$ 편파 변수 관계식을 제시하였다. $S (K_{D P}, Z)$ 관계가 눈 입자 방향 및 모양에 민감한 한계를 보였기 때문에, 얼음 입자의 모양과 방향 변화에 거의 영향을 받지 않는 $K_{D P}$ 와 $(1 - Z_{D R}^{- 1})$ 의 비율을 적용하는 식을 제시하였다. $Z_{D R}$ 을 결합하여 모양과 방향성 민감성을 줄인 개선형 알고리즘이다.

(3)

S (K_{D P}, Z_{D R}) = 10.8 \times 10^{- 3} {(\frac{p_{0}}{p})}^{0.5} \frac{K_{D P} λ}{1 - Z_{D R}^{- 1}} D_{m}^{0.15}, D_{m} = - 0.1 + 2 {(\frac{Z_{D P}}{K_{D P} λ})}^{0.5}

$Z_{D R}$ 은 선형 단위의 차등 반사도(mm⁶/mm^-3)이며, $Z_{d p} = Z_{h} - Z_{v}$ 는 직교 편광에서의 반사율 계수가 선형 단위로 가정했을 때의 반사율 차이를 의미한다, $D_{m}$ 은 평균 체적 직경(mm), 𝜆은 레이더 파장(mm)을 의미한다.

2.3 적설심 산정

$S (Z)$ , $S (K_{D P}, Z)$ , $S (K_{D P}, Z_{D R})$ 알고리즘을 통해 레이더 기반으로 추정되는 값을 특정 시점의 강설률로 구조물에 가해지는 하중을 산정하려면 시간 적분이 필요하다. 적설 하중은 본질적으로 적설 상당수량 단위와 동일하지만 초기의 적설 상당수량은 밀도가 낮고 눈의 형태가 섬세하나 시간이 경과함에 따라 암밀, 재결정 등으로 밀도가 증가하게 된다(Lee and Chung, 2018). 적설심이 커질수록 적용가능한 눈의 밀도(즉, 단위중량)이 달라지므로 적설심 산정 후 밀도 관계식을 통해 적설 하중을 산정하고자 하였다.

적설심 산정은 크게 두 단계로 나뉘는데, 첫 번째는 정량적인 적설 상당수량을 산정하는 것이고, 두 번째는 적설 상당수량을 눈 깊이, 적설심으로 변환하는 것이다(Roebber et al., 2003). 두 번째 변환과정에서 필요한 것이 수상당량비(Snow-to-Liquid Ratio, SLR)인데 강설량에 대한 적설 깊이(cm)와 이를 물로 환산했을 때의 크기(mm) 비율을 의미하며, 건설과 습설을 구별하는데 사용되기도 한다. 수상당비를 산정하게 되면 적설 상당수량에 수상당비를 곱하여 적설심을 산정하게 된다.

(4)

H_{S} = S W E \times S L R

여기서, $H_{s}$ 는 수직 적설 깊이(cm), $S W E$ 는 적설 상당수량(mm), $S L R$ 은 적설 깊이(cm)와 강수량(mm)의 비율이다.

2.4 적설 하중 변환

본 연구에서는 적설심과 눈의 단위중량간의 관계식을 적용하여, 최종으로 적설심에 눈의 단위중량을 곱한 값으로 단위면적당 눈의 적설하중을 하였다. 건축설계기준 및 해설(AIK, 2018)에는 계산된 적설심을 하중으로 변환하기 위한 적설의 평균단위중량이 Table 1과 같이 제시하고 있다. 적설하중을 계산하기 위한 식은 다음 Eq. (3)과 같다(Park and Chung, 2020).

(5)

L_{s} = ρ_{s n o w} \times H_{s}

여기서, $L_{s}$ 는 지상적설하중(kg/m²), $ρ_{s n o w}$ 는 적설 깊이 1 m 당 평균 단위중량(kg/m²), $H_{s}$ 는 수직 적설깊이(cm)이다.

Table 1.

Average specific weight, P (AIK, 2018)

Vertical Depth of Snow (cm)	Average Specific Weight ( $P$ , kg.m² per 1cm of snow depth)
≤50	1.0
100	1.5
150	2.0
≥200	3.0

3. 제안 체계의 적용 및 구현

3.1 적용 대상 지역

앞서 제시한 체계는 기상청 오성산 레이더 관측 자료를 대상으로 구현하였다. 오성산 레이더(KSN)는 전북 군산시 성산면에 위치하여 한반도 중부 및 서해상을 포함한 반경 약 240 km 범위를 관측하며 서해상의 눈구름 발생 및 이동 경로를 실시간으로 감시하여 서해안 지역의 기상 변화 정보를 제공한다. 관측 범위와 제원은 Fig. 2와 Table 2와 같다. 관측 반경은 240 km에 달하지만 거리에 따른 레이더 볼륨 증가 및 고도 증가의 문제로 강수량/적설심 산출을 위해 정량적으로 산출할 수 있는 범위는 80~120 km 내외의 자료이다. 유효 관측 반경은 100 km로 설정하였으며 유효 반경 내의 AWS (ASOS 포함) 지점도 같이 도시하였다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-11S-1/N020058S-106/images/kwra_58_S-1_06_F2.jpg

Fig. 2.

Observation range of KSN radar and distribution of surface stations

Table 2.

Osungsan Weather Radar (KSN) specifications

Type	S-band Dual-Polarization Doppler Radar
Manufacturer	EEC (USA)	Site Code	KSN
Latitude	36° 00' 46" N	Observation distance	240 km
Longitude	126° 47' 03" E	Antenna Diameter	8.5m
Antenna Altitude	234 m	Frequency	2.735MHz
Spatial Resolution	250 m	TemporalResolution	5 min

3.2 적용 절차 및 결과 예시

본 연구에서는 2025년 설날(1월 26일)에 발생한 사례를 선정하였다. 적용 과정은 크게 자료 확보 및 전처리 → 강설률 산정 →결과 산출 및 저장의 단계로 구성되며, 각 단계별 결과를 Fig. 3으로 제시하였다.

https://cdn.apub.kr/journalsite/sites/kwra/2025-058-11S-1/N020058S-106/images/kwra_58_S-1_06_F3.jpg

Fig. 3.

Sequential results of radar-based snow depth and snow load estimation as of 16:15 KST on 26 January 2025 (example)

(Step 1) 이중 편파 레이더 전처리 및 적설 타입 분류

- 우선, 오성산 레이더의 이중편파 변수 $Z$ , $Z_{D R}$ , $K_{D P}$ , $ρ_{H V}$ 주요 관측 편파변수를 추출한 뒤, 품질관리 후 적설 타입(wet/dry)을 분류한다. $ρ_{H V}$ 신뢰구간과 $Z_{D R}$ 범위를 이용한 건설(dry), 습설(wet) 추정 영역을 식별한다. 이를 눈 영역 마스크로 정의하여 이후 단계의 연산을 해당 영역으로 제한하였다.

(6)

Snow Type (x, y) = \{\begin{cases} Dry, & ρ_{h v} (x, y) \geq ρ_{h v, min, d r y} and \\ Z_{D R} (x, y) \in [Z_{D R, min, d r y}, Z_{D R, max . d r y}] \\ Wet, & ρ_{h v} (x, y) \geq ρ_{h v, min, wet} and \\ Z_{D R} (x, y) \in [Z_{D R, min, wet}, Z_{D R, max, wet}] \end{cases} \begin{array}{l}  \end{array}

(Step 2) 알고리즘 선택 및 신적설 산정

-눈 영역에 대해 편파 변수별 조건에 따라 격자별 적설량 산정 알고리즘을 판단하고, 각 격자에서 선택된 알고리즘을 통해 강설률(mm/h)을 산정한다.

1. S(KDP, ZDR): $Z_{D R}$ 와 $K_{D P}$ 가 유효( $K_{D P} > K_{D P, \min}$ , $Z_{D R} > Z_{D R, \min}$ )할 때, 우선 적용

2. S(KDP, Z): $K_{D P}$ 가 유효하나 $Z_{D R}$ 가 신뢰도가 낮을 때 적용

3. S(Z): 편파 변수 정보가 불충분할 때 사용

** 알고리즘 우선 순위 : S(KDP, ZDR) > S(KDP, Z) > S(Z)

- 시간 간격 $△ t$ 으로 산출된 강설률을 누적하여 적설 상당수량을 산정하고 적설심은 해당 영역의 적설 타입별 수상당량비를 추정하고 이를 결합하여 산정한다.

(7)

S W E_{t} = \sum (S_{t} \times △ t)

(8)

H_{S} = S W E \times S L R, S L R = \{\begin{cases} S L R_{d r y}, if s n o w t y p e = d r y \\ S L R_{w e t}, if s n o w t y p e = w e t \end{cases}

(Step 3) 적설심 및 적설하중 산정

- 적설심과 눈의 단위중량 간의 관계식을 적용하여, 최종적으로 산정된 적설심에 눈의 단위중량을 결함하여 단위면적당 적설하중을 산출한다.

산출 결과는 격자자료(NetCDF) 및 지점 자자료(csv) 형태로 저장한다. 적설심은 실측 값이 1시간 단위로 제공되므로 추후 RMSE, NSE, 상관계수와 같은 관측값과의 평가를 위해 동일하게 1시간 단위로 누적하여 관측 적설심 자료가 있는 지점의 경우, 동일 격자계의 시계열을 생성하여 지상 신적설 기준으로 비교할 수 있도록 하였다. 기상청 AWS 및 적설 관측망에서 수집된 적설심 자료를 활용하였다.

3.3 레이더 기반 적설 추정의 한계

앞 절에서 본 연구에서 제시한 체계를 오성산 레이더에 연계하여 단계별로 결과물을 산출하였다. 이러한 레이더 기반의 적설량, 적설심 추정 방법은 항상 불확실성 문제를 가지고 있다. 이중편파 레이더의 편파변수들은 지점 단위의 관측 정보보다 다양한 관측정보를 제공한다. 그러나 레이더 빔에서 관측 후 지표로 떨어지는 과정에서의 물리적 변화와 바람에 의한 이동과 같은 영향은 반영하기 어렵다. 강설이 지표에 도달한 후에도 지상 온도에 따라 녹기도 하며, 시간이 흐름에 따라 압밀에 의해 적설심이 감소하기 때문에 관측 적설심과 비교하여 상당한 차이가 발생하기도 한다. 지점 단위의 관측 적설심은 1시간 단위의 누적값으로 제공되므로 짧은 주기로 제공되는 레이더 기반하여 추정값의 검증과 보정에 있어 구조적 한계가 있다. 레이더 외에 온도와 습도 등의 수치예보 자료와 결합하여 적설량과 적설심을 추정하는 방법은 연구 분야에서 많이 연구되고 있으나, 실시간으로 산정하기에는 동기화 및 연산 등의 문제점이 있다. 따라서 실시간 재난 관리 및 모니터링 측면에서는 레이더 기반의 추정 체계가 보다 합리적일 수 있으나, 정확도 측면에서는 수치예보를 결합한 방식에 비해 낮을 가능성이 있다. 그러나 레이더 기반의 추정은 공간적인 분포와 실시간에 준하는 정보를 제공할 수 있으며, 격자 정보로 관측한 값을 활용함으로써 보간 과정에서 발생할 수 있는 불확실성을 줄일 수 있는 장점이 있다. 본 기술노트의 목적도 이 강점을 토대로 실시간으로 기상 상황에 대해 광역적 정보를 제공할 수 있는 레이더 기반으로 체계를 구축하고자 하였다.

4. 결 론

본 연구는 레이더의 관측자료를 이용하여 적설량을 산정하고, 적설 하중 정보를 확보할 수 있는 체계를 제안하였다. 본 방법은 기상청 오성산 레이더에 적용하여 격자별 건설(dry), 습설(wet) 추정 영역을 식별한 뒤, 격자별 적설 알고리즘을 자동 판별하여 강설률을 산정한다. 시간적분을 통해 일정 기간 동안의 적설 상당수량을 산정한 뒤, 그 크기를 적설 하중으로 변환하여 제공하며, 단계별 절차에 따라 도시하였다.

본 과정을 통해 재난 관리 측면에서 레이더 기반의 적설하중 지도 등의 활용 가능성을 확인하였으며, 산출된 결과는 저장 및 관리 가능하도록 구성하여 추후 후속 분석 및 검증에 활용할 수 있도록 하였다. 해당 체계의 적용 가능성을 확인하기 위해 단일 사례를 대상으로 분석하였으며, 향후, 다양한 사례 연구를 통해 적용 및 검증함으로써 실효성을 검증하고 활용성을 최적화할 예정이다. 또한 평균 눈 밀도를 적용하여 적설하중을 산정하였으나, 지역적 특성이나 고도에 따른 변화와 같은 공간적 변동성 반영 등을 통해 개선할 필요가 있다.

레이더 정보가 가지는 공간적 분포와 시간 변화를 모니터링 할 수 있다는 점은 여전히 강력한 정보이며, 적설심 지도 및 적설 하중 지도를 제공함으로 지역별 위험성을 시각적으로 파악하고, 관리에 활용할 수 있을 것으로 판단된다. 다만, 알고리즘의 지역별 적합성 및 지상 검증 자료 등의 제약이 남아 있지만, 이를 개선하기 위한 최적화 과정이 필수적으로 수행되어야 할 것이다.

Acknowledgements

This research was supported by a grant (2022-MOIS61-003(RS-2022-ND634022)) of Development Risk Prediction Technology of Storm and Flood for Climate Change based on Artificial Intelligence funded by Ministry of Interior and Safety (MOIS, Korea).

Conflicts of Interest

The authors declare no conflict of interest.

References

Architectural Institute of Korea (AIK). (2018). Korean building load standard and commentary.

Bukovčić, P., Ryzhkov, A., Zrnić, D., and Zhang, G. (2018). “Polarimetric radar relations for quantification of snow based on disdrometer data.” Journal of Applied Meteorology and Climatology, Vol. 57, pp. 103-120. doi: 10.1175/JAMC-D-17-0090.1.

10.1175/JAMC-D-17-0090.1

Bukovčić, P., Zrnić, D.S., Ryzhkov, A.V., and Zhang, G. (2020). “Polarimetric radar relations for snow estimation: Radar reflectivity and specific differential phase.” Journal of Applied Meteorology and Climatology, Vol. 59, No. 3, pp. 405-419. doi: 10.1175/JAMC-D-19-0140.1.

10.1175/JAMC-D-19-0140.1

Byun, H.R., Lee, D.K., and Lee, T.Y. (2008). “Application of radar quantitative precipitation estimation using polarimetric variables in Korea.” Journal of the Korean Meteorological Society, Vol. 44, No. 3, pp. 165-178.

Fujiyoshi, Y., Endoh, T., Yamada, T., Tsuboki, K., and Takeda, T. (1990). “Doppler radar observations of convective snow clouds over the Sea of Japan.” Journal of the Meteorological Society of Japan, Vol. 68, No. 2, pp. 105-120. doi: 10.2151/jmsj1965.68.2_105.

10.2151/jmsj1965.68.2_105

Gunn, K.L.S., and Marshall, J.S. (1958). “The distribution with size of aggregate snowflakes.” Journal of Meteorology, Vol. 15, No. 5, pp. 452-461. doi: 10.1175/1520-0469(1958)015<0452:TDWSOA>2.0.CO;2.

10.1175/1520-0469(1958)015<0452:TDWSOA>2.0.CO;2

Heymsfield, A.J., Schmitt, C., and Bansemer, A. (2016). “Ice cloud particle size distributions and implications for radiative transfer: Results from in situ observations.” Journal of the Atmospheric Sciences, Vol. 73, No. 1, pp. 479-503. doi: 10.1175/JAS-D-14-0203.1.

10.1175/JAS-D-14-0203.1

Hu, H., and Ryzhkov, A.V. (2022). “Retrieval of snowfall rate using polarimetric radar variables.” Journal of Applied Meteorology and Climatology, Vol. 61, No. 5, pp. 507-526. doi: 10.1175/JAMC-D-21-0205.1.

10.1175/JAMC-D-21-0205.1

Huang, G.-J., Bringi, V.N., and Vivekanandan, J. (2010). “A methodology to derive radar reflectivity-snow rate relations using C-band polarimetric radar and in situ measurements.” Journal of Applied Meteorology and Climatology, Vol. 49, No. 1, pp. 42-58. doi: 10.1175/2009JAMC2133.1.

10.1175/2009JAMC2133.1

Kang, N., and Hwang, S. (2024). “Snow load risk estimation technology using multi-polarization radar.” Water for Future, Vol. 57, No. 1, pp. 23-28.

Kim, D., Jeong, Y., Lee, S., Lee, J., Hwang, K., and Choi, W. (2021). “Development of snow load sensor and analysis of warning criterion for heavy snow disaster prevention alarm system in plastic greenhouse.” Journal of the Korean Society of Agricultural Engineers, Vol. 63, No. 2, pp. 75-84.

Lee, H., and Chung, G. (2018). “Measurement of snow density according to regional snow depth in South Korea.” Journal of The Korean Society of Hazard Mitigation, Vol. 18, No. 7, pp. 497-501.

10.9798/KOSHAM.2018.18.7.497

Matrosov, S.Y. (2007). “Modeling backscatter properties of snowfall at millimeter wavelengths.” Journal of Atmospheric and Oceanic Technology, Vol. 24, No. 6, pp. 1009-1017. doi: 10.1175/JAS3904.1.

10.1175/JAS3904.1

Matrosov, S.Y. (2009). “A method to estimate vertically integrated amounts of cloud ice and liquid and mean rain rate in stratiform precipitation from radar and ancillary data.” Journal of Applied Meteorology and Climatology, Vol. 48, No. 7, pp. 1069-1086. doi: 10.1175/2009JAMC2106.1.

10.1175/2009JAMC2106.1

Park, H., and Chung, G. (2020). “Probable annual maximum of daily snowfall using improved probability distribution.” Journal of Korea Water Resources Association, Vol. 53, No. 4, pp. 259-271. doi: 10.3741/JKWRA.2020.53.4.259.

10.3741/JKWRA.2020.53.4.259

Roebber, P.J., Bruening, S.L., Schultz, D.M., and Cortinas Jr., J.V. (2003). “Improving snowfall forecasting by diagnosing snow density.” Weather and Forecasting, Vol. 18, pp. 264-287.

10.1175/1520-0434(2003)018<0264:ISFBDS>2.0.CO;2

Ryzhkov, A.V., and Zrnic, D.S. (2019). Radar polarimetry for weather observations. Springer, Germany, doi: 10.1007/978-3-030-05093-1.

10.1007/978-3-030-05093-1

Ryzhkov, A.V., Zhang, P., Reeves, H.D., Kumjian, M.R., Tschallener, T., Trömel, S., and Simmer, C. (2018). “Quasi-vertical profiles - a new way to look at polarimetric radar data.” Journal of Atmospheric and Oceanic Technology, Vol. 33, No. 3, pp. 551-562. doi: 10.1175/JTECH-D-15-0020.1.

10.1175/JTECH-D-15-0020.1

Sekhon, R.S., and Srivastava, R.C. (1970). “Snow size spectra and radar reflectivity.” Journal of Atmospheric Sciences, Vol. 27, No. 2, pp. 299-307. doi: 10.1175/1520-0469(1970)027<0299:SSSARR>2.0.CO;2.

10.1175/1520-0469(1970)027<0299:SSSARR>2.0.CO;2

Szyrmer, W., and Zawadzki, I. (2010). “Snow studies. Part II: Average relationship between mass of snowflakes and their terminal fall velocity.” Journal of the Atmospheric Sciences, Vol. 67, No. 2, pp. 331-342. doi: 10.1175/2010JAS3390.1.

10.1175/2010JAS3390.1

Yoon, J., Suk, M., Nam, K., and Park, J. (2016). “Application of an empirical method to improve radar rainfall estimation using cross governmental dual-pol. radars.” Journal of Korea Water Resources Association,Vol. 49, No. 7, pp. 625-634.

10.3741/JKWRA.2016.49.7.625

Zhang, G., Vivekanandan, J., and Brandes, E. (2011). “A method for estimating rain rate and drop size distribution from polarimetric radar measurements.” IEEE Transactions on Geoscience and Remote Sensing, Vol. 49, No. 8, pp. 3060-3070. doi: 10.1109/TGRS.2010.2103864.

10.1109/TGRS.2010.2103864

Journal of Korea Water Resources Association ISSN:2799-8746(Print) 2799-8754(Online) 한국수자원학회 논문집

Preview

A radar-based framework for estimating snow depth and snow load

ABSTRACT

MAIN

Fig. 1.

Framework of the proposed snow depth and snow load estimation system

(1)

(2)

(3)

(4)

(5)

Table 1.

Average specific weight, P (AIK, 2018)

Fig. 2.

Observation range of KSN radar and distribution of surface stations

Table 2.

Osungsan Weather Radar (KSN) specifications

Fig. 3.

Sequential results of radar-based snow depth and snow load estimation as of 16:15 KST on 26 January 2025 (example)

(6)

(7)

(8)

Acknowledgements

Conflicts of Interest

References