| Home | E-Submission | Sitemap | Contact Us |  
Journal of Korean Society of Coastal and Ocean Engineers > Volume 32(2); 2020 > Article
독도 MIROS Wave Radar를 이용한 파랑관측 및 품질관리

요약

해양에서의 파랑관측은 부이나 압력계 등을 이용하여 수면변위를 관측하는 직접관측방법과 Radar를 이용하여 관측하는 원격관측방법으로 구분된다. 직접관측방법은 정확도가 높지만, 악기상 시 파손 및 유실 위험이 크며 외해 설치 시 많은 유지 보수비용이 필요하다는 단점을 가지고 있다. 반면 Radar와 같은 원격관측방법은 장비를 육지에 계류하여 유지관리가 용이하지만 직접관측방법과 비교하면 정확도가 다소 낮은 단점이 있다. 본 연구에서는 원격 파랑관측자료의 품질을 개선하기 위해 독도에 설치되어 운영 중인 MIROS Wave and Current Radar(MWR) 관측자료의 수집 및 분석을 하였으며, 이를 기상청에서 운영 중인 해양파고부이(CWB)의 관측자료와 비교하였다. 그리고 MWR 관측자료의 품질을 개선하기 위해 1) MIROS사에서 개발한 필터(Reduce Noise Frequency, Phillips Check, Energy Level Check)의 복합적인 사용(최적필터; Optimal Filter), 2) OOI(Ocean Observatories Initiative)에서 개발한 Spike Test 알고리즘(Spike Test) 그리고 3) 유의파고-주기 관계식을 이용한 새로운 필터(H-Ts QC)를 사용하여 신뢰도가 낮은 이상자료(Noise; 시계열 자료 중 급격하게 자료가 발산하여 정상자료가 아닌 것으로 판단되는 자료)의 제거 및 보정을 수행하였다. 결과적으로 3가지의 품질관리기법을 적용한 MWR의 파랑관측자료는 유의파고에 대해서는 일정 부분 신뢰도를 가지지만 유의파주기에서는 여전히 오차가 존재하며 이에 대한 개선이 요구된다. 또한, MWR의 파랑관측자료는 3m 이상의 고파랑에서는 CWB와 다소 양상이 달라지는 한계가 발생하므로 이를 위한 장기간의 원격파랑관측 자료의 수집과 분석, 그리고 필터 개발 등에 관한 지속적인 연구가 필요하다.

Abstract

Wave observation is widely used to direct observation method for observing the water surface elevation using wave buoy or pressure gauge and remote-sensing wave observation method. The wave buoy and pressure gauge can produce high-quality wave data but have disadvantages of the high risk of damage and loss of the instrument, and high maintenance cost in the offshore area. On the other hand, remote observation method such as radar is easy to maintain by installing the equipment on the land, but the accuracy is somewhat lower than the direct observation method. This study investigates the data quality of MIROS Wave and Current Radar (MWR) installed at Dokdo and improve the data quality of remote wave observation data using the wave buoy (CWB) observation data operated by the Korea Meteorological Administration. We applied and developed the three types of wave data quality control; 1) the combined use (Optimal Filter) of the filter designed by MIROS (Reduce Noise Frequency, Phillips Check, Energy Level Check), 2) Spike Test Algorithm (Spike Test) developed by OOI (Ocean Observatories Initiative) and 3) a new filter (H-Ts QC) using the significant wave height-period relationship. As a result, the wave observation data of MWR using three quality control have some reliability about the significant wave height. On the other hand, there are still some errors in the significant wave period, so improvements are required. Also, since the wave observation data of MWR is different somewhat from the CWB data in high waves of over 3 m, further research such as collection and analysis of long-term remote wave observation data and filter development is necessary.

1. 서 론

독도는 다양한 수산자원과 해저자원이 매립되어 있을 뿐만아니라 신국제해양법에 따라 영해의 폭이 12해리로 확장되고, 배타적 경제수역이 200해리로 인정되면서 그 가치가 갈수록 높아지고 있다(Park, 2005). 이에 따라 독도에 대한 인식과 관심이 증가하여 독도 방문객의 수는 2019년을 기준으로 약 25만 명으로 집계되었으며 꾸준히 증가하는 추세이다. 하지만 독도 근해에서 빈번하게 발생하는 고파랑으로 인해 선박의 접근성은 낮으며 관람안내시스템의 미비 등으로 방문객들의 관람 만족도는 낮은 실정이다(Kim, 2019). 따라서 독도에서 매년 증가하는 입도 관광객을 위한 여객선 접안과 주변 해역의 조업 어선의 안전을 확보하기 위해 객관적인 파랑 정보를 수집하는 것은 매우 중요한 일이다. 이러한 연유로 독도에서는 원격파랑관측장비와 파고 부이와 같은 다양한 해양관측장비가 설치 및 운영되고 있다. 하지만 독도에 설치된 파고 부이와 같은 직접관측은 선박의 안전 문제로 항로에 위치할 수 없어 실제 여객선의 접안 부두에서의 파랑을 관측하기에는 한계가 있다. 반면에 원격파랑관측장비는 육상에 설치가 가능하며 넓은 해역을 관측할 수 있어 직접관측방법의 한계를 보완할 수 있다. 실제로 독도 접안율의 통계치를 살펴보면 원격파랑관측장비의 설치 이후인 2018년의 독도 접안율은 91.5%로 설치 이전과 비교하여 약 10%가 증가하였으며(Kim, 2019), 이를 통해 원격파랑관측장비를 이용한 독도주변 파랑자료의 수집이 독도 항구 시설의 접안에 중요한 역할을 하는 것으로 사료된다. 하지만 대부분의 원격파랑관측장비는 정확도가 낮은 한계가 있으므로 이를 적극적으로 활용하기 위해서는 자료의 정확도를 분석하고 품질을 개선하기 위한 연구가 필수적이다.
독도에 설치 및 운영되고 있는 원격파랑관측장비는 MIROS사에서 만들어진 Wave and Current Radar(SM-050 MKIII, MWR)로 첨단 마이크로파 원격관측기술을 사용하여 해양의 파랑과 흐름을 관측한다. 일반적으로 원격관측방법을 이용하여 파랑과 흐름을 관측하기 위한 장비는 본 연구에서 사용한 MWR 뿐만 아니라, High Frequency Radar와 X-band Marine Radar 등 Radar의 주파수 대역(Radar frequency bands)에 따라 다양한 해양관측장비가 활용되고 있다(Hauser et al., 2005). 하지만 앞서 언급한 바와 같이 Radar와 같은 원격관측장비는 정확도가 낮은 한계를 가지므로 원격관측장비의 품질을 개선하고자 하는 연구가 국내외(Ahn et al., 2014; Gomez et al., 2014; Gurgel et al., 2011; Hisaki, 2009)에서 다양한 방법으로 수행되고 있다. 그러나 HF Radar 및 X-Band와 같은 장비의 품질개선에 관한 연구가 대부분이며, MWR의 품질개선에 관한 연구는 제한적으로 수행되어 국내에서는 2018년 소청초 해양과학기지에서 수행된 연구가 유일하다. 이 연구는 소청도 남쪽 37 km에 위치한 소청초 해양과학기지에서 수행되었으며 MWR System software(SW-002)를 사용하여 1월부터 약 2.5개월 동안 관측된 동계 자료를 활용하여 파랑자료를 재분석하였다(Min et al., 2017, 2018). 하지만 이 시기에 관측된 파고의 최대치는 3 m 내외로 여름철 태풍과 같은 이벤트성 기상에 의해 발생되는 고파랑에 대한 신뢰도는 검증되지 못하였다. 반면, 본 논문의 연구해역인 독도는 상대적으로 관측기간이 길고 여름 및 겨울철 이벤트성 기상에 의해 고파랑이 자주 발생한다. 따라서, 이와 같은 독도 MWR 파랑관측자료의 품질개선을 위해 약 2년간의(2017.10.20.-2019.08.30.) MWR 원시자료를 재분석하였으며 선행연구에서 사용된 MWR System software(SW-002) v4.00에서 개선된 v4.10을 사용하였다. SW-002는 장비에서 관측한 원시자료를 실시간 혹은 지연모드로 처리하여 스펙트럼자료와 파랑 파라미터 및 표층 유속을 산출하는 프로그램이다. SW-002 v4.10은 v4.00에서 사용하던 2개의 필터(Directional Filter, Correlation Filter)를 새로 개발된 필터들(Long Period Noise Removal, Energy Level Check)로 대체하였고, MWR water velocity에서 파고 스펙트럼으로 변환하는 전달함수를 향상하였으며 파향 분석을 fourier coefficients에 기초한 방법으로 수정하는 등 프로그램 내 알고리즘을 개선하였다.
MWR은 원격으로 파랑을 관측하기 때문에 유지관리가 용이하고 악기상 시에도 관측을 할 수 있는 장점이 있지만(MIROS, 2011), 파랑관측 시에 후방산란효과를 사용하기 때문에 과대평가되는 이상자료(Noise; 시계열 자료 중 급격하게 자료가 발산하여 정상자료가 아닌 것으로 판단되는 자료)가 발생한다는 단점이 있다. 이는 MWR과 같이 후방산란효과를 이용하는 원격파랑관측방법은 일반적으로 바람이 약한 환경에서 microwave의 후방산란효과가 크지 않아 반사 신호를 수집하는 데 어려움이 있으며, 이로 인해 자료의 신뢰도가 낮아진다(Min et al., 2017, 2018). 즉, MWR은 3 m/s 이상의 바람이 있는 환경에서 정확도가 커진다(MIROS, 2011). 그리고 MWR의 설치 가능한 해발고도는 20~100 m이며 권장 설치 높이는 25~80 m로 독도에 설치된 MWR 장비는 해발고도 89m(37° 14' 20.66'' N, 131° 52' 10.42'' E)에 위치하고 있어 제조사에서 제시하는 적절 장비 고도 위치의 상한선에 근접한다(MIROS, 2011). 이러한 연유로 본 연구에서는 독도에 설치된 원격파랑관측장비의 품질을 개선하기 위하여 독도 인근해역에서 운영되고 있는 파고부이와 관측결과를 비교한 후, 품질관리를 수행하였다.

2. 원격파랑관측자료 품질개선을 위한 자료 수집 및 한계

2.1 원격파랑관측

독도에서는 2017년 10월부터 원격파랑관측장비인 MWR을 설치하여 동도의 해발고도 89 m 지점에서 파랑관측을 수행하고 있다(37° 14' 20.66'' N, 131° 52' 10.42'' E, Fig. 1). MWR은 C-Band에 속하는 5.8 GHz의 마이크로파를 해수면에 주사하고 후방산란되는 신호를 Pulse Doppler Method를 이용하여 2D 스펙트럼과 파랑 파라미터 및 표면 유속으로 계산하는 장비이다(MIROS, 2011). 6개의 안테나가 30° 간격으로 설치되어 해수면을 향해 수평에서 10° 기울기로 해수면을 향하고 있으며 관측범위는 안테나로부터 약 495 m이다(Fig. 1). 안테나들은 순차적으로 관측을 수행하며 중첩면이 발생하지 않는 범위에서 128초간 2 Hz로 해수면 정보를 수집하고 스펙트럼을 생성한다. 각 안테나마다 가장 최근에 생성된 6개의 스펙트럼을 통합하여 하나의 2D 스펙트럼을 산출하기 때문에, 여기에는 들어오거나 나가는 파의 정보를 포함하여 전방위(30° × 6 × 2 = 360°)에 대한 관측을 수행하는 셈이다.관측 시작 시간으로부터 약 13분이 지나 첫 번째 2D 스펙트럼자료와 파랑 파라미터(유의파고, 최대파고, 유의파주기 및 파향 등)가 생산되고 이후부터는 약 2.5분 간격으로 자료가 생산되며 생산된 자료들은 무선으로 송신되어 SW-002 v4.10을 통해 실시간으로 계산된다. 이와 같은 전 과정은 전용 PC내 소프트웨어(SW-002 v4.10)에서 수행되며 파랑관측자료의 품질을 개선하기 위해 사용할 수 있는 다양한 필터들도 함께 제공된다. 특히 원시자료가 있는 경우 필터들을 사용하여 재분석할 수 있다는 장점이 있다.

2.2 원격파랑관측의 한계

본 연구에서는 MWR에서 생산되는 파랑관측자료의 정확도를 평가하기 위해 기상청에서 설치 및 운영되고 있는 해양파고부이(Coastal Wave Buoy, CWB) 관측자료와 비교하였다. CWB는 MWR로부터 약 200 m 떨어진 지점에 계류되어 있으며(Fig. 1), 실시간으로 해수면 변위를 관측 및 분석하여 실시간 통신 기기인 CDMA(Code-Division Multiple Access)를 이용하여 통계 처리된 파랑 정보를 1시간 간격으로 송신 한다. CWB에서는 내장된 프로그램을 이용하여 매 정시의 17분 4초 전부터 1초 간격으로 1024개의 해수면 변위 자료를 수집한 후 이를 스펙트럼 분석하여 유의파고 및 첨두파 주기에 대한 자료를 생산한다(KMA, 2019a). KMA(2019b)에 따르면 2018년 기준 기상청에서 제공하는 파고부이관측자료의 정상자료율은 94.4%로 MWR 관측자료의 신뢰도를 검증하는데 적합하다. 하지만 파향 및 파랑 스펙트럼에 대한 정보는 저장 및 송신되지 않으며 분석에 사용된 해수면 변위의 원본자료 역시 제공되지 않으므로 본 연구에서는 파고와 주기에 대한 신뢰도 분석을 수행하였다.
독도에 설치된 MWR에서는 무선 통신을 통해 실시간으로 통계 파랑 치(유의파고, 최대파고, 유의파주기, 파향 등)가 전달되며 파랑 스펙트럼과 자료 분석에 사용된 원본 자료는 모두 기기에 저장된다. 본 연구에서는 MWR의 품질개선에 대한 연구를 수행하기 위해 독도에 방문하여 2017년 10월 20일부터 2019년 8월 30일까지의 MWR의 원본 자료를 수집하고 분석하였다. Fig. 2a2b에서는 동일기간 동안 실시간으로 전송된 MWR의 유의파고와 유의파주기를 CWB와 비교하였다. 관측자료의 비교를 위해 MWR 관측자료의 시간 간격을 CWB와 동일하게 1시간으로 재배치하였으며, MWR에서 정시에 관측이 수행되지 않은 경우는 그 시점에서 가장 가까운 값으로 대체하여 두 자료의 시간을 동일하게 설정하였다. 기상청에서 제공하는 CWB 파주기는 첨두파주기이므로 Goda(2010)의 유의파주기와 첨두파주기의 관계식 Tp ≅ 1.1 × T1/3을 이용하여 유의파주기로 변환하였다. 앞에서 기술한 바와 같이 MWR에서 생산되는 파랑관측자료는 상대적으로 바람이 약한 환경에서는 많은 오차가 발생하므로 기상청에서 제공하는 방재기상관측(Automatic Weather System, AWS)자료의 풍속 자료를 이용하여 원격파랑관측자료의 신뢰도를 검토하였다(Fig. 2c). 이를 통해 바람이 상대적으로 약한 기간(3 m/s 이하)에 관측된 원격파랑관측자료는 CWB의 관측자료와 비교하여 과대평가됨을 알 수 있으며 이는 후방산란효과가 제한적으로 발생한 것에서 기인한다(Fig. 2).

3. 원격파랑관측자료의 필터 적용

3.1 신규 소프트웨어 필터 적용

본 연구에서는 원격파랑관측장비인 MWR에서 생산하는 파랑관측자료의 품질을 개선하기 위해 장비 개발사인 MIROS사와 협력하여 최근에 개발된 신규 소프트웨어(SW-002 v4.10)를 적용하였다. 소프트웨어의 적용과정에서는 앞에서 서술한 바와 같이 바람이 상대적으로 약한 환경에서 원격관측의 한계로 인해 이상자료 및 오차가 발생하게 되며 이를 제어하기 위해서는 필터의 개발 및 적용이 필수적이다. 이러한 이유로 본 연구에서는 신규소프트웨어에 적용된 다양한 필터들에 대해 일차적으로 분석하였으며, 이로 인한 효과를 Table 1에 통계치를 이용하여 나타내었다.

■ Reduce Noise Frequency

파랑에너지가 낮은 환경하에서 MWR을 통해 계산된 2차원 파랑 스펙트럼으로부터 저주파수 성분의 파랑에너지를 제거한다. 이 필터를 적용할 경우 과대평가되는 파고와 주기가 개선되는 긍정적인 효과가 있지만(RMSE 감소: 파고 0.23 m, 주기 1.14 sec, Correlation 증가: 파고 0.24, 주기 0.18), 전체적으로 관측된 파고의 값을 저평가하는 문제가 있다(파고의 Bias: -0.14 m).

■ Philips Check

이 필터는 파랑이 완전히 성장한 상태에서 이론적인 스펙트럼과 관측자료의 비교를 수행하며, 일정 기준을 벗어날 경우 이를 상태정보(status)로 제공한다. 이 필터는 파랑의 주기 개선 효과는 크지 않지만, 파고의 품질을 개선하는 데 효과적이다(RMSE 감소: 0.35 m, Correlation 증가: 0.37).

■ Long Period Noise Removal

바람이 거의 불지 않는 환경에서 파랑 스펙트럼에 나타나는 저주파 성분의 이상자료들을 제거해주는 역할을 수행하는 필터이다. 하지만 과대평가되는 파고와 주기를 제어하는 효과는 다른 필터들에 비해 상대적으로 미비했다(RMSE 감소: 파고 0.020m, 주기 0.48 sec, Correlation 증가: 파고 0.030, 주기 0.060).

■ Energy Level Check

파고가 작은 환경하에서 발생하는 파고 및 주기 시계열의 이상치를 제거하며, 필터의 원리는 원격파랑관측을 통해 생산된 스펙트럼과 이론적인 2차원 풍파 스펙트럼을 비교하여 파랑관측자료의 품질을 개선하는 것이다. 본 연구에서 사용한 네 가지의 필터 중 파고 정확도 개선에 가장 탁월한 성능(RMSE 0.39 m 감소, Correlation 0.40 증가)을 보여주며, 주기의 품질개선에도 효율적이다(RMSE 0.85 sec 감소, Correlation 0.13 증가, Bias 0.36 감소).
파고 품질개선에 가장 탁월한 성능을 가지는 필터는 Phillips Check와 Energy Level Check 필터이며, 주기의 경우에는 Reduce Noise Frequency 필터가 가장 효과적이었다. 특히 Energy Level Check 필터는 파고와 주기를 모두 개선하는데 탁월한 성능을 보였으며 파랑관측자료의 품질개선에 필수적인 필터로 분석된다. 하지만 Long Period Noise Removal 필터는 상대적으로 파고와 주기 모두 그 효과가 제한적이었다.

3.2 복합적인 필터 사용 및 최적 필터(Optimal Filter) 도출

3.1장에서 MWR에서 제공하는 각 필터의 효과를 확인하였으나, 개별적으로 사용하는 것은 파랑관측자료의 품질을 충분히 개선하지 못하였다. 따라서 필터들을 복합적으로 사용하여 독도 해역에 최적의 필터조합을 검토하였다(Table 2). 우선, MIROS사에서 제공하는 4개의 필터를 모두 사용하여 효과를 확인하였고(Case 1), 이들 중 가장 효과가 낮은 Long Period Noise Removal 필터를 제외하여 그 효과를 확인하였다(Case 2). 또한, 전체적으로 파고를 저평가하는 것으로 분석된 Reduce Noise Frequency 필터를 제외하여 복합필터의 효과를 검토하였으며(Case 3), 필터 적용 후의 파랑 자료의 시계열 자료와 통계치를 Fig. 3Table 3에 나타내었다.
Case 1과 같이 4개 필터 모두를 복합적으로 적용할 경우 파고와 주기의 RMSE와 Correlation의 개선효과는 크지만, 전체적인 자료의 추세를 분석해 볼 때 파고가 저평가되는 현상이 발생하며 이는 통계 수치인 Bias가 작아지는 것에서 확인이 된다(Table 3). 먼저, Long Period Noise Removal 필터를 제외한 Case 2을 Case 1와 비교해보면, Long Period Noise Removal 필터로 인해 주기의 RMSE와 Correlation, Bias가 개선됨을 확인할 수 있으며 이는 저주파 성분의 이상자료가 제거되었음을 보여준다(Table 3). 이러한 결과는 각 필터는 복합적으로 사용해도 개별 필터의 특성은 독립적으로 유지됨을 보여주며, 이는 필터들이 후처리 과정에서 단계별로 작용하는 것에서 기인한다. Case 3은 Reduce Noise Frequency 필터의 효과를 확인하기 위한 것으로, 주기의 품질은 Case 1에 비해 다소 낮아졌지만 파고의 RMSE와 Bias가 크게 개선되었다. 이는 Reduce Noise Frequency 필터는 저주파 성분의 이상자료를 제거하는데 효과적이지만 전체적으로 파고의 크기를 감소시키는 악영향이 복합적인 필터 적용에서도 나타남을 보여준다. 그러므로, 본 연구에서는 고파랑 시 파고관측자료의 정확도를 유지하기 위해 Reduce Noise Frequency 필터를 제외한 Case 3을 최적필터(Optimal Filter)로 판단하였다. 하지만, 주기의 경우 여전히 많은 오차를 내포하고 있으므로(Fig. 3b) 앞에서 제시한 네 가지 필터만으로는 원격파랑관측자료의 개선에 한계가 있으며 다른 추가적인 자료 처리가 필요함을 의미한다.

4. 원격파랑관측자료 품질개선을 위한 자료 처리

4.1 OOI (Ocean Observatories Initiative) Quality Control (Spike Test)

MWR 신규소프트웨어에서 제공하는 네 가지 필터 중 독도 해역에 적합한 최적의 필터조합을 찾았으나, 파랑 주기의 경우 여전히 많은 오차를 내포하고 있다. 이를 해결하기 위해 본 연구에서는 통합 인프라 프로그램인 OOI(Ocean Observatories Initiative, OOI)에서 개발 및 적용하고 있는 OOI Data Quality Control(OOI QC) 기법을 원격파랑관측자료에 적용하여 자료의 품질을 개선하고자 하였다. 이 기법은 해양에서 생산되는 자료가 IOOS Quality Assurance of Real Time Ocean Data(QARTOD) 표준을 충족하기 위해 개발되었으며, 총 여섯 가지의 검사 방법(Global Range Test, Local Range Test, Spike Test, Trend Test, Stuck Value Test, Gradient Test)으로 구성되어 있다(Bushnell et al., 2015). 이들 중에서 파랑과 주기에서 과대평가된 이상값을 제거하기 위해 적절한 검사방법은 Spike Test와 Gradient Test이며, Gradient Test는 현재 OOI 내에서 알고리즘 검토 중이다. 따라서 본 연구에서는 OOI QC 기법에서 Spike Test를 적용하여 원격파랑관측자료의 품질을 개선하고자 하였다.
Spike Test 알고리즘(Spike Test)은 이상자료를 평가 및 제거하기 위해 각 자료와 주변 시계열 자료 간의 편차를 계산한다. 그리고 이 값이 지정된 범위를 벗어나면 해당 자료를 이상자료로 지정하고 사용자가 자료의 이상 여부를 판단하여 제거하게 하는 알고리즘이다(OOI, 2012). 이 Spike Test를 사용하기 위해서는 먼저 사용자가 주변 자료들과 각 자료 간의 편차를 산정하기 위해 사용할 시계열 자료의 길이 L(Window length)과 이상치를 판단하기 위한 임계 상수(N, Acc)를 결정해야 하며, 이상자료를 판단하는 과정은 다음과 같다.
L 내의 최댓값과 최솟값을 이용하여 자료의 편차(R)를 구하며, 이 값이 Acc(Accuracy parameter)보다 작을 경우 RAcc 값으로 대체된다.
(1)
R=max(R,Acc)
R에 사용자가 설정한 상수인 N(Range multiplier)을 곱하여 자료 이상 유무를 판단할 기준값(Cri)을 산정한다.
(2)
Cri=N×R
L 내에 있는 자료들의 평균(x)과 해당자료(x)의 값을 비교하여 편차를 계산한다. 이 값이 식(2)에서 구한 기준값보다 클 경우 이상자료로 판단한다.
(3)
Cri<|xx¯|
위와 같은 과정에서 사용되는 상수(L, AccN)는 품질개선을 하고자 하는 관측자료의 시간 간격과 자료의 변동성 등에 의해 결정되며 이상자료의 감지와 정상 자료의 손실률 등을 고려하여 사용자가 적절하게 설정해야 한다. 본 연구에서는 L은 9로 설정하였으며 이는 해당 시점(x)에서 전·후 4개의 자료를 사용하여 Spike Test를 수행하였음을 의미한다. 그리고 최적의 임계 상수(N, Acc)를 결정하기 위해 원격파랑관 측자료의 통계치(RMSE, Correlation 및 자료 손실률)를 Table 4에 나타내었다. 그리고 이를 토대로 본 연구에서는 자료의 손실을 최소화하면서 통계 수치를 개선하는 최적의 임계 상수(N = 0.5, Acc = 2.5)를 결정하였다.
본 연구에서는 Table 4를 통해 찾은 최적의 임계 상수를 바탕으로 MWR 파랑관측자료에 Spike Test를 적용하여 이상자료를 선별 및 제거하였다. 이때 이상자료의 최대 제거 기간은 약 0.21일(5시간)이며 제거율은 약 21.175%로 나타났다(Table 4). 또한, 자료손실을 최소화하기 위해 제거된 이상자료에는 이동평균 보간법을 적용하여 새로운 자료를 산출하였으며 산출된 최종 결과를 CWB 파랑관측자료와 비교하여 Fig. 4Table 5에 나타내었다.
분석결과 Spike Test를 적용할 경우 파랑의 주기에서 발견되는 다수의 이상자료가 효과적으로 제거(RMSE 0.53 sec 감소, Correlation 0.18 증가)되는 것을 확인하였다. 하지만 바람의 크기가 지속적(3 m/s 이하)으로 작아 파랑의 주기가 연속적으로 과대하게 평가되는 시점에서는 그 효과가 제한적으로 나타났다(Fig. 4b, c). 이는 Spike Test가 원격파랑자료의 품질을 개선하는 데 있어 효과적이지만 그 한계가 있음을 보여준다.

4.2 유의파고와 주기 경험식을 이용한 QC(H-Ts QC)

최적필터와 Spike Test를 통해 파랑의 품질을 개선하였으나, 파랑의 주기에서 여전히 과대평가되는 이상자료들이 발생하였으며 이를 개선하기 위해 새로운 자료 처리 기법(H-Ts QC)을 개발하였다. MWR에서 생산되는 유의파고는 유의파주기에 비해 신뢰도가 높으므로 유의파고와 유의파주기의 관계식(T1/3a × (H1/3)b)을 이용하여 유의파주기의 적절한 범위를 산정한 후, 유효범위(상한선, 하한선) 내에 유의파주기가 존재하는지 여부를 검토하였다.
우리나라 인근 해역의 파랑관측자료를 이용하여 파고와 주기의 관계를 살펴본 선행연구 Suh et al.(2008)에 따르면, 전세계적으로 널리 사용되는 Goda(2003)식과 Shore Protec tion Manual(1977, SPM)식은 상대적으로 파고가 낮을 경우에는 유의파주기 분포의 하한선을 따라가는 반면 고파랑에서는 관측자료와 일치하는 경향을 보인다. 이를 바탕으로 본 연구에서는 위 두 식(Goda, SPM) 중 독도 해역에 더 적합한 관계식을 찾고, 이를 이용하여 유의파주기의 상한치와 하한치에 대한 경험식을 추정하였다. 먼저, Suh et al.(2008)이 제안한 Goda(a = 3.3, b = 0.63)와 SPM(a = 3.85, b = 0.5)식을 비교한 결과, 두 식 모두 저파랑에서 유의파고의 하한치보다 높은 값을 보였으며, 고파랑에서는 SPM 식이 Goda 식에 비해 유사성이 높은 것으로 판단하였다. 하지만 이들은 홍도, 마라도, 부산, 목포와 같이 연안 관측자료를 이용한 경험식으로, 상대적으로 해역 특성이 다른 연구해역에 적용하기 적합하지 않았다. 따라서 Suh et al.(2008)이 제안한 SPM 식의 상수를 조정하여 CWB 관측자료의 상한선과 하한선을 새롭게 추정하였으며 식(4)(5)로 나타내었다. 우선 식(5)의 하한선은 CWB 회귀선의 신뢰도 99% 구간 이내에서 CWB의 관측자료를 모두 포함할 수 있는 선으로 결정되었다. 하지만 식(4)의 상한선은 하한선과 같은 방법으로 결정할 경우 2 m를 초과하는 고파랑들이 다수 제거되므로, 이를 포함할 수 있도록 계수 ab를 결정하였으며 자료의 상한선과 하한선을 Fig. 5에 나타내었다.
(4)
UpperLimit:T1/32.5×3.85×(H1/3)0.4×0.5
(5)
Lower Limit:T1/30.7×3.85×(H1/3)0.5
상한선과 하한선을 벗어나는 자료들은 모두 이상자료로 지정하여 제거하였다(Fig. 5b). 이때 H-Ts QC로 인한 연속적인 이상자료의 최대 제거 기간은 약 3일(71시간)로 4.1절에서 사용한 이동평균 보간법을 적용하여 제거된 자료들을 다시 추정하였으며 Table 6에 H-Ts QC를 적용하기 전과 후의 통계적 수치를 나타내었다. 최적필터와 Spike Test를 적용한 결과를 최적필터와 Spike Test, 그리고 H-Ts QC를 적용한 결과와 비교하였을 때 RMSE는 0.31 sec 감소, Correlation은 0.020 증가, Bias는 0.18 감소하였다. 이는 H-Ts QC로 인해서 파고가 낮은 경우에 과대평가되는 주기의 이상자료들이 상당히 효과적으로 제거 및 추정되었음을 보여준다. 결과적으로 본 연구에서는 1) MIROS사에서 개발한 필터들의 복합적인 적용(Reduce Noise Frequency, Phillips Check, Energy Level Chec k; O ptimal F ilter), 2) OOI에서 개발한 Spike Test 알고리즘(Spike Test), 그리고 3) 파고-주기 관계식을 이용한 새로운 필터(H-Ts QC)를 사용하여 MWR의 파고와 주기의 품질개선 효과를 확인하였다. Fig. 6에서는 본 연구에서 결과적으로 제안하는 3가지 방법(Optimal Filter, Spike Test, H-Ts QC)을 MWR에 적용하기 전(No Filter)과 후의 파랑관측자료를 CWB와 비교한 것으로 파고와 주기 모두 저파랑 시에 과대하게 산정하는 이상자료들에 대한 정확도가 향상되었음을 보여준다. 하지만 유의파주기에서는 여전히 오차가 존재하며, 상대적으로 신뢰도가 높은 유의파고는 3~5 m 사이에서 CWB와 관측자료의 양상이 다소 달라진다(Fig. 6c). 또한, 5 m 이상의 고파랑이 발생하였을 경우 MWR은 CWB에 비해 유의파고를 과소평가하는 경향이 나타난다(Fig. 6c). 이러한 고파랑 자료는 관측기간(2017.10.20.-2019.08.30.) 동안 동해안에 영향을 미친 태풍(PRAPPIROON, SOULIK, CIMARON, KONG-REY)에 의해 발생한 것으로(Fig. 6a), 일본 기상청(Japan Meteorological Agency)에서 제공하는 자료를 사용하여 태풍 중심기압, 경로를 Fig. 7에 나타내었다. 이를 통해 관측결과에서 보이는 5 m 이상의 고파랑들은 독도 근해를 지나가는 태풍에 의한 영향으로 발생하는 것을 알 수 있다. 이는 MWR과 같은 원격파랑관측장비는 악기상 시에 유실 위험이 적고 안정적으로 자료를 수집할 수 있는 장점이 있지만, 관측자료의 정확도에는 한계가 있음을 보여주고 있으며 이를 보완하기 위한 추가적인 연구가 필수적으로 수행되어야 함을 보여준다.

5. 결 론

본 연구에서는 독도에서 수행하고 있는 원격파랑관측장비(MWR)의 품질을 향상하기 위하여 MWR의 원시자료를 재 분석한 후, 기상청에서 수행하고 있는 파고부이(CWB)의 파랑관측자료와 비교하였다. 바람이 약하고 파고가 낮은 경우(2 m/s 이하)에 발생하는 MWR의 이상자료를 제거하기 위해, 본 연구에서는 MIROS사에서 제공하는 필터들의 복합적인 사용(Optimal Filter) 및 새로운 품질관리기법(Spike Test 및 H-Ts QC)을 개발 및 적용하였다. 먼저, MIROS사에서 개발된 신규 소프트웨어(SW-002 v4.10)에 내재되어 있는 총 4가지(Reduce Noise Frequency, Philips Check, Long Period Noise Removal, Energy Level Check) 필터를 적용하여, 각 필터의 효과를 분석하였다. Reduce Noise Frequency 필터는 전체적으로 파고를 감소시켜 관측자료의 Bias와 오차를 증가시키는 단점이 있으므로, 이를 제외한 나머지 필터들을 복합적으로 사용하는 것(Optimal Filter; 최적필터)이 가장 적합하다고 판단되었다. 따라서 최적필터를 적용한 결과 파고의 경우 원격관측에서 발생하는 이상자료들이 상당 부분 개선되었지만, 주기의 경우에는 여전히 많은 오차를 내포하고 있었다. 이를 해결하기 위해 본 연구에서는 OOI(Ocean Observatories Initiative, OOI)에서 해양자료의 품질개선을 위해 제공하는 자료 품질관리기법인 Spike Test 알고리즘(Spike Test)과 파고와 주기 관계식을 이용한 새로운 품질관리기법(H-Ts QC)을 적용하였다. Spike Test 적용을 적용하는 데 있어 정상자료의 손실을 최소화하면서 이상자료를 제거하기 위해 적절한 임계상수를 추정하였으며, 이를 토대로 주기에서 발생하는 이상자료를 상당 부분 제거한 후 이동평균 보간법을 적용하여 자료의 손실을 최소화하였다. 하지만, 바람이 지속적으로 약한 환경하에서 발생하는 이상자료를 제거하는 데에는 한계가 있었으며, 이러한 한계점을 보완하기 위해서 SPM에서 제안한 유의파고와 유의파주기의 관계식(T1/3 ≅ 3.85 × (H1/3)0.5)을 이용하여 새로운 필터인 H-Ts QC를 개발 및 적용한 후 제거되는 이상자료에는 이동평균 보간법을 적용하였다. 최종적으로 본 연구에서 도출된 결과에 따르면 3가지의 품질관리기법(최적필터; Optimal Filter, Spike Test, H-Ts QC)을 적용한 MWR 관측자료와 MWR 원시자료를 비교하였을 때 파고의 RMSE는 0.46m, 주기의 RMSE는 2 .02 sec 감소하였으며 MWR과 CWB의 상관관계 또한 증가(Correlation 증가: 파고 0.49, 주기 0.44)하였다. 이를 통해, 3가지의 품질관리기법을 적용한 MWR의 파랑관측자료는 유의파고에 대해서는 일정 부분 신뢰도를 가지지만, 유의파주기에서는 여전히 오차가 존재하며 이에 대한 개선이 요구된다. 또한, 3 m 이상의 고파랑이 발생하는 경우 MWR과 CWB 사이의 유의파고에 대한 오차가 증가하므로 이를 위한 장기적인 원격파랑 관측 자료의 수집과 분석, 그리고 필터 개발 등에 관한 지속적인 연구가 필요하다.

감사의 글

이 논문은 2020년 해양수산부의 재원으로 한국해양과학기술진흥원(종합해양과학기지 구축 및 활용 연구)과 한국연구재단(NRF-2019R1C1C1003160)의 지원을 받아 수행된 연구입니다. 그리고 연구수행에 많은 지원을 해 주신 울릉군청에 깊은 감사를 드립니다.

Fig. 1.
Location of MIROS Wave and Current Radar (MWR) and Coastal Wave Buoy (CWB), and observation range of MWR.
jkscoe-32-2-135f1.jpg
Fig. 2.
(a) Time series of significant wave height from MWR (red) and CWB (blue), (b) Time series of significant wave period from MWR (red) and CWB (blue), (c) Time series of wind speed from AWS (Automatic Weather System) at Dokdo.
jkscoe-32-2-135f2.jpg
Fig. 3.
Comparison of MWR and CWB by applying Optimal Filter (Case 3) (a) Time series of significant wave height, (b) Time series of significant wave period, (c) Scatter plots of significant wave height, (d) Scatter plots of significant wave period.
jkscoe-32-2-135f3.jpg
Fig. 4.
Comparison of MWR and CWB by applying QC (Optimal Filter, Spike Test), Yellow box is noise period of significant wave period by low wind speed. (a) Time series of significant wave height, (b) Time series of significant wave period, (c) Time series of wind speed from AWS at Dokdo, (d) Scatter plots of significant wave height, (e) Scatter plots of significant wave period.
jkscoe-32-2-135f4.jpg
Fig. 5.
Lower limit by the range of reliability (99%) from CWB wave data and upper limit for conserving high wave data over 2 m (a) Comparison of CWB wave data (Hs, Ts) and MWR wave data (Hs, Ts) by applying QC (Optimal Filter, Spike Test), (b) Comparison of CWB wave data (Hs, Ts) and MWR wave data (Hs, Ts) by applying QC (Optimal Filter, Spike Test and H-Ts QC).
jkscoe-32-2-135f5.jpg
Fig. 6.
Comparison of MWR and CWB by applying optimal QC (Optimal Filter, Spike Test and H-Ts QC) (a) Time series of significant wave height, (b) Time series of significant wave period, (c) Scatter plots of significant wave height, (d) Scatter plots of significant wave period.
jkscoe-32-2-135f6.jpg
Fig. 7.
Tropical cyclone paths for typhoons PRAPIROON, SOULIK, CIMARON and KONG-REY.
jkscoe-32-2-135f7.jpg
Table 1.
Statistic values (RMSE, Correlation, Bias) of significant wave height and significant wave period by applying each filter
Wave Height Wave period


RMSE Correlation Bias RMSE Correlation Bias
No Filter 0.79 0.34 0.15 3.59 0.25 1.74
Reduce Noise Frequency 0.56 0.58 −0.14 2.45 0.43 1.35
Phillips Check 0.44 0.71 −0.020 3.31 0.30 1.61
Long Period Noise Removal 0.77 0.37 0.14 3.11 0.31 1.61
Energy Level Check 0.40 0.74 −0.030 2.74 0.38 1.38
Table 2.
Filter combinations for improvement of wave data quality
Combination of Filters Reduce Noise Frequency Phillips Check Long Period Noise Removal Energy Level Check
Case 1 On On On On
Case 2 On On Off On
Case 3 Off On On On
Table 3.
Statistic values (RMSE, Correlation, Bias) of significant wave height and significant wave period by applying Filter Combination
Wave Height Wave period


RMSE Correlation Bias RMSE Correlation Bias
No filter 0.79 0.34 0.15 3.59 0.25 1.74
Case 1 0.40 0.85 −0.24 1.96 0.56 1.21
Case 2 0.40 0.85 −0.26 2.10 0.53 1.19
Case 3 0.33 0.83 −0.048 2.32 0.47 1.31
Table 4.
Statistic values (RMSE, Correlation, Rejection rate) of significant wave period according to the critical constants (N, Acc) when L is 9
Acc Statistics 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

N
0.25 RMSE 1.660 1.644 1.614 1.599 1.593 1.594 1.596 1.605 1.610 1.619
Correlation 0.694 0.699 0.709 0.716 0.723 0.726 0.729 0.728 0.727 0.726
Rejection rate (%) 52.059 50.333 46.461 42.420 38.953 36.122 33.708 31.691 29.802 27.997

0.5 RMSE 1.779 1.767 1.755 1.752 1.750 1.755 1.758 1.763 1.770 1.780
Correlation 0.669 0.671 0.673 0.676 0.676 0.674 0.674 0.672 0.669 0.666
Rejection rate (%) 27.247 25.718 23.800 22.258 21.175 20.198 19.490 18.740 18.025 17.410

0.75 RMSE 1.909 1.902 1.898 1.896 1.896 1.899 1.901 1.904 1.908 1.912
Correlation 0.620 0.621 0.622 0.622 0.622 0.621 0.619 0.618 0.615 0.614
Rejection rate (%) 19.278 18.521 17.757 17.183 16.787 16.476 16.093 15.895 15.669 15.556

1 RMSE 1.981 1.978 1.977 1.977 1.979 1.979 1.983 1.987 1.992 1.996
Correlation 0.591 0.592 0.592 0.592 0.591 0.590 0.588 0.586 0.583 0.581
Rejection rate (%) 16.978 16.490 16.192 15.931 15.718 15.534 15.364 15.251 15.166 15.096
Table 5.
Statistic values (RMSE, Correlation, Bias) of significant wave height and significant wave period by applying QC (Optimal Filter, Spike Test)
Wave Height Wave period


RMSE Correlation Bias RMSE Correlation Bias
Optimal Filter 0.33 0.83 −0.048 2.32 0.47 1.31
Optimal Filter + Spike Test 0.33 0.83 −0.048 1.79 0.65 1.18
Table 6.
Statistic values (RMSE, Correlation, Bias) of significant wave height and significant wave period by applying optimal QC (Optimal Filter, Spike Test and H-Ts QC)
Wave period

RMSE Correlation Bias
Original data 3.59 0.25 1.74
Optimal Filter 2.32 0.47 1.31
Optimal Filter + Spike Test 1.79 0.65 1.18
Optimal Filter + Spike Test + H-Ts QC 1.48 0.67 1.00

References

Ahn, K, Chun, J, Cheon, SH. (2014). New calibration method applicable to significant wave heights obtained by X-band radar, Proceedings of 34th International Conference on Coastal Engineering. ASCE.
crossref
In: Hauser D, Kahma K, Krogstad HE, Lehner S, Monbaliu JAJ, Wyatt LR, eds. 2005). Measuring and analysing the directional spectrum of ocean waves. COST Office, Brussels.

Bushnell, M, Bouchard, R, Worthington, H. (2015). Manual for Real-Time Quality Control of In-Situ Surface Wave Data, Integrated Ocean Observing System.. United States.

Ocean Observatories Initiative. (2012). Data Product Specification for Spike Test, Ocean Leadership. United States.

Goda, Y. (2003). Revisiting Wilson’s formulas for simplified wind-wave prediction, Journal of Waterway, Port, Coastal, and Ocean Engineering, 129(2):93-95.
crossref
Goda, Y. (2010). Random seas and design of maritime structures. World scientific, Singapore.

Gomez, R, Helzel, T, Petersen, L, Kniephoff, M, Merz, CR, Liu, Y, Weisberg, RH. (2014). Real-time quality control of current velocity data on individual grid cells in WERA HF radar, Oceans 2014-Taipei, IEEE, 1-7.
crossref
Gurgel, KW, Schlick, T, Voulgaris, G, Seemann, J, Ziemer, F. (2011). HF radar observations in the German Bight: Measurements and quality control, IEEE, 51-56.
crossref
Hisaki, Y. (2009). Quality control of surface wave data estimated from low signal-to-noise ratio HF radar doppler spectra, Journal of Atmospheric and Oceanic Technology, 26(11):2444-2461.
crossref
Kim, YB. (2019). Physical Marine Environment near Dokdo and Satisfaction Improvement of Dokdo Tourism by enhancing the Awareness of Marine Territory, The Journal of Korean Island, 31(3):55-75 (in Korean)..
crossref
Min, YC, Jeong, JY, Min, IK, Kim, YS, Shim, JS, Do, KD. (2018). Enhancement of wave radar observation data quality at the socheongcho ocean research station, Journal of Coastal Research, SI, 85, 571-575.
crossref
Min, YC, Jeong, JY, Shim, JS, Do, KD. (2017). Quality enhancement of wave data observed by radar at the socheongcho ocean research station, Korea Society of Coastal Disaster Prevention, 4(4):189-196 (in Korean)..
crossref
MIROS. (2011). Wave and Current Radar System System Handbook. MIROS, Norway.

Shore Protection Manual. (1977). Coastal Engineering Research Center. U.S. Government Printing Office, Washington, D.C.

Suh, KD, Kwon, HD, Lee, DY. (2008). Statistical characteristics of deepwater waves along the Korean Coast, Korean Society of Coastal and Ocean Engineers, 20(4):342-354 (in Korean)..

KMA. (2019a). Monthly meteorological report. Korea Meteorological Administration, (in Korean)..

KMA. (2019b). Annual report on the quality analysis of national climate data for 2018. Korea Meteorological Administration, (in Korean)..

Park, CK. (2005). Ocean Resources and Strategic value around Dokdo area, Military Forum, Korea Association of Military Studies, 44, 6-27 (in Korean)..

Editorial Office
Korean Society of Coastal and Ocean Engineers,
#1132, LG EClat, 71 Banpo-daero 14-gil, Seocho, Seoul, Korea
Tel: +82-2-3474-1934,   Fax: +82-2-3473-1934   E-mail : cocean@kscoe.or.kr
Copyright© Korean Society of Coastal and Ocean Engineers.       Developed in M2PI
About |  Browse Articles |  Current Issue |  For Authors and Reviewers