Artificial Intelligence-Driven Analysis of Radar Polarization Parameters for Different Rainfall Intensities

Abstract

정확한 정량적 강수량 추정(QPE)은 특히 집중 호우와 홍수에 취약한 지역에서 효과적인 일기 예보 및 관리를 위해 필수적이다. 기계 학습을 QPE 에 적용하는 데 상당한 발전이 있었음에도 불구하고, 모델 결정의 해석 가능성에 초점을 맞춘 연구는 제한적이다. 본 연구는 기계 학습 모델을 사용하고 설명 가능한 인공지능(XAI) 기술을 통해 레이더 기반 QPE 를 분석, 예측하는 것을 목표로 한다. 데이터는 2020 년부터 2023 년까지 한국의 서울 및 경기 지역에서 수집되었으며, 특히 연간 강수량의 약 60%가 발생하는 6 월부터 8 월까지와 6 월에서 8 월을 제외한 시간당 강우량이 30mm 를 초과하는 경우를 판별하여 수집하였다. 89 개 자동 기상 관측소(AWS)의 시간별 강우량과 관악산 S-band 레이더 시스템의 레이더 데이터를 데이터 셋으로 사용하였다. 두 개의 기계 학습 모델(Random Forest 및 XGBoost)과 네 개의 딥러닝 모델(Multi-layer perceptron, ResNet, DenseNet with attention, and Vision Transformer)을 포함한 여섯 개의 모델을 학습하고 평가하였다. 0.3° 및 0.8°의 레이더 고도각에서 레이더 편파 변수 (ZH, ZV, ZDR, KDP, AH)를 추출하여 강우 강도를 예측하였다. 강우는 여섯 가지 강도 범주로 분류되었으며, 각 범주에 대해 별도의 분류 및 회귀 모델이 개발되었다. 평가 결과, Drizzle, Severe, Extreme 강수의 경우에는 KDP, Light 와 Heavy 강수의 경우에는 ZV, ZH 그리고 Moderate 강수의 경우엔 AH 변수가 보다 정확한 강수예측에 중요한 역할을 하는 것으로 나타났다. 따라서, 본연구인 강우강도별 인공지능기반 편파변수 분석을 활용한 레이더 QPE 연구는 국지성 호우, 장마, 집중호우와 같은 다양한 재해기상현상의 예측과 피해저감을 위해 크게 기여 할 수 있을 것으로 사료된다.