Rain Potential of Tropical Convective Clouds Characterized by Unsupervised Clustering of Geostationary Satellite Imagery

Abstract

열대 태평양 지역에서 발달하는 대류운은 풍부한 수증기와 강한 대류를 바탕으로 강한 강수를 동반 하는 적란운으로 발달하기 쉬워, 대기과학에서의 주요한 관측 대상이었다. 열대 대류운은 빠른 수직 성장 뿐만 아니라 광범위한 면적으로 발달하기 때문에 1970년대부터 정지 궤도의 기상위성을 통해 관측하기 시작했다. 위성을 이용한 강수 탐지 방법은 적외 영상의 휘도 온도와 지상에서 관측되는 강우의 통계적 관계에 주로 바탕을 두고 있지만, 다층운에서의 성능 저하와 휘도 온도 임계값에 따라 강수 구름으로 판별되는 구름의 영역이 매우 민감하게 정해진다는 한계를 가진다. 이후 위성의 성능이 발달함에 따라, 구름의 입자 단위부터 종관 규모까지의 분석이 가능해져서 입자상에 따른 광학적 성질을 이용하여 강수 구름을 판별하였다. 그러나 전체 픽셀 단위에서 수집된 구름 특성은 기후학적으로 평균 된 값이기 때문에 본 연구에서는 개별 구름의 특성을 수집하여 강수 확률이 큰 구름의 특징을 확인하였다. 이 때, 연구에 사용된 구름 특성은 한국의 정지궤도위성인 GK2A의 산출물인 운정온도 (CTT), 구름광학 두께 (COT) 그리고 구름입자유효반경 (CER) 데이터를 사용하였다. 영상 분할을 이용해 위성 이미지에서 구름을 분리한 후 각각을 대표하는 구름 특성 데이터를 추출하였다. 도메인 전체에서 수집 된 구름 특성을 비지도학습 방법으로 군집화하여 비슷한 특성을 갖는 구름 군집 중 높은 강우잠재도를 보이는 군집의 특성을 찾았다. 그 결과, 70% 이상의 높은 강우잠재도를 갖는 구름은 COT가 40 이상이고 CTT가 190-230 K에 위치하며 CER이 30-40 μm의 범위에 고정되어 나타났다. 특히 이 조건에서 COT가 커질 수록 강우잠재도도 함께 증가하였다. 이러한 양상은 무작위 하게 수집된 데이터뿐만 아니라, 건기와 우기 그리고 대륙성/해양성 구름의 조건에서도 비슷한 양상을 보였다. 이러한 구체적인 구름 특성은 광범위하게 발달한 열대대류운의 영역에서 강수가 발달하는 좁은 지역을 특정하는데 도움이 될 것으로 생각한다. 또한 구름 발달에 따른 구름 특성 값의 변화를 추적하여 대류운의 성장 단계별 구름 특성을 구체화 할 수 있다. 이는 휘도 온도 자료만 사용하던 기존의 강수 구름 탐지 방법을 보완하여 예측정확도를 높이고, 수치예보모델에서 미세구름물리 모수화 방안을 개선하는데 기여할 수 있다.;Tropical convective clouds (TCCs) that grow in the tropical tend to develop with heavy rain due to abundant water vapor and vigorous convection. TCCs have a high possibility of developing into floods, so it has been the main observation target in atmospheric science. Considering the widespread and rapid vertical growth of TCCs, it began to be observed through geostationary satellites in the 1970s. The method of detecting precipitation using satellites is mainly based on the statistical relationship between the brightness temperature (TB) of the infrared channel and the ground rain rate. However, when the TB is the sole variable of discrimination, there are limitations that detection accuracy is reduced in multi-layered clouds or precipitating cloud regions are significantly sensitive to TB threshold conditions. Progressively, as the performance of the satellite developed, it became possible to analyze from the particle scale to the synoptic scale of TCCs, and the precipitating cloud was discriminated by using the optical characteristics of the clouds. However, the features of clouds collected pixel-wise were climatologically averaged, so it is challenging to include the complex growth of individual clouds. In this study, we collected the features of individual clouds unit, and analyzed the cloud properties with a high probability of recipitation. For the analysis, Cloud Optical Thickness (COT), Cloud particle Effective Radius (CER), and Cloud Top Temperature (CTT) data, which are the products of the Korean geostationary satellite GEO-KOMPSAT-2A(GK2A), were used. We also utilized Global Precipitation Measurement (GPM) product from the Global Precipitation Measurement (GPM) to discriminate cloud precipitation. Cloud properties were extracted after segmentation of the cloud objects from the satellite imageries using a convolutional neural network (CNN) based model. The similar cloud properties were clustered by a Self-Organizing Map (SOM) method and found the specific condition with high rainfall potential. As a result, clouds with a high rain potential of 70% or more appeared with the specific condition; COT > 40, CTT of 190 to 230 K, and a CER fixed in the range of 30 to 40 μm. In particular, the rainfall potential also increased as the COT increased under these conditions. This pattern showed similar aspects not only in randomly collected data but also in the various spatial and temporal constraints.