28.37 기상 관측 시스템과 데이터 취득 방법

기상 관측 시스템(meteorological observation system)은 대기의 다양한 물리량을 측정하여 기상 자료를 산출하는 시스템이다. 항공 로봇의 임무 계획, 비행 제어, 안전성 평가는 정확하고 시의성 있는 기상 자료에 의존하므로, 기상 관측 시스템의 학술적 이해와 데이터 취득 방법은 항공 로봇 공학에서 중요한 주제이다. 본 절에서는 기상 관측 시스템의 학술적 분류, 주요 관측 기법, 데이터 취득과 처리, 그리고 항공 로봇 공학에서의 활용을 다룬다.

1. 기상 관측 시스템의 학술적 분류

기상 관측 시스템은 관측 위치와 기법에 따라 다음과 같이 분류된다.

각 분류는 시공간 분해능, 정확도, 가용성 측면에서 차별화된다.

2. 지상 관측 시스템

2.1 자동기상관측장비

자동기상관측장비(automatic weather station, AWS)는 지표면 부근의 풍속, 풍향, 온도, 습도, 압력, 강수 등을 자동으로 측정하는 장비이다. 일반적으로 1분에서 10분 간격의 시간 분해능을 가진다.

2.2 풍속계

풍속계(anemometer)는 풍속과 풍향을 측정하는 장비이다. 컵 풍속계, 풍향계, 초음파 풍속계, 열선 풍속계 등이 활용된다. 초음파 풍속계는 3축 풍속 성분을 동시에 측정 가능하며, 일반적으로 10 Hz 이상의 표본화 주파수를 가진다.

2.3 강수계

강수계(rain gauge)는 강수량과 강수 강도를 측정한다. 직경 측정 강수계, 광학 강수계, 도플러 강수계 등이 활용된다.

2.4 가시 거리계

가시 거리계(visibility sensor)는 광학적 가시 거리를 측정한다. 공항 등의 항공 기상 관측에 광범위하게 활용된다.

3. 고층 관측 시스템

3.1 라디오존데

라디오존데(radiosonde)는 풍선에 장착된 측정 장비로 대기 상층의 온도, 습도, 압력, 풍속의 수직 분포를 측정한다. 일반적으로 약 30 km 고도까지 측정 가능하며, 전 세계 약 800개 관측소에서 매일 2회 발사된다.

3.2 윈드 프로파일러

윈드 프로파일러(wind profiler)는 도플러 레이더 원리를 활용해 대기 상층의 풍속 분포를 지속적으로 측정한다. 일반적으로 0.5 ~ 16 km 고도 영역의 풍속을 분 단위로 측정한다.

3.3 라이다

라이다(LiDAR)는 광 펄스의 도플러 천이를 측정해 풍속 분포를 산출한다. 도플러 라이다는 청천 환경에서도 정밀한 풍속 측정이 가능하며, 공항과 풍력 발전 단지에 광범위하게 활용된다.

4. 위성 관측 시스템

4.1 정지 궤도 위성

정지 궤도 기상 위성(geostationary meteorological satellite)은 적도 상공 약 36000 km 고도에서 지구의 한 영역을 지속적으로 관측한다. GOES(미국), Meteosat(유럽), Himawari(일본), Fengyun(중국), GK(한국) 등이 운용된다.

4.2 극궤도 위성

극궤도 기상 위성(polar-orbiting meteorological satellite)은 극 방향 궤도에서 지구 전체를 주기적으로 관측한다. 다양한 분광 영역에서 더 높은 공간 분해능을 제공한다. NOAA, MetOp, FY-3 등이 운용된다.

4.3 산출 변수

위성 관측은 다음과 같은 다양한 변수를 산출한다. 첫째, 가시광선과 적외선 영상. 둘째, 표면 온도. 셋째, 구름 분포와 두께. 넷째, 강수량과 강수 강도. 다섯째, 대기 수증기 분포. 여섯째, 해수면 풍속. 일곱째, 화재와 화산 분출의 모니터링.

5. 항공기 관측 시스템

5.1 AMDAR

항공기 기상 자료 중계(aircraft meteorological data relay, AMDAR)는 상업 항공기에 탑재된 기상 측정 장비를 활용해 비행 경로상의 풍속, 온도, 난류 등을 자동으로 측정·전송하는 시스템이다.

5.2 IAGOS

비행 중 항공기 글로벌 관측 시스템(In-service Aircraft for a Global Observing System, IAGOS)은 상업 항공기에 추가 측정 장비를 탑재해 다양한 기상 변수와 화학 변수를 측정한다.

5.3 PIREP

조종사 보고(pilot report, PIREP)는 항공 운항 중 조종사가 관측한 기상 현상(난류, 결빙, 가시 거리 등)을 보고하는 자료원이다. 정량적 정확도는 낮지만, 실시간 정보를 제공한다.

6. 데이터 취득과 처리

기상 자료의 취득과 처리는 다음과 같은 절차로 수행된다.

6.1 자료 형식

기상 자료는 표준화된 형식으로 교환된다. 격자형 자료는 GRIB(GRIdded Binary), 특히 GRIB2 형식이 활용된다. 관측 자료는 BUFR(Binary Universal Form for the Representation of meteorological data) 형식이 활용된다. 항공 분야에서는 METAR(meteorological aerodrome report), TAF(terminal aerodrome forecast), SIGMET, AIRMET, GAMET 등의 표준 전문이 활용된다.

6.2 자료 교환

자료 교환은 세계기상기구(World Meteorological Organization, WMO)의 GTS(Global Telecommunication System)와 WIS(WMO Information System)를 통해 이루어진다.

6.3 자료 동화

자료 동화(data assimilation)는 관측 자료와 수치 모델의 배경장을 결합해 최적 분석장을 산출하는 절차이다. 3D-Var, 4D-Var, EnKF, 하이브리드 동화 등이 활용된다.

6.4 후처리

후처리는 자료 동화 결과를 다양한 응용에 적합한 형태로 변환하는 절차이다. 통계적 보정, 격자 변환, 시공간 보간이 포함된다.

7. 무인기 기반 기상 관측

무인기 자체가 기상 관측 도구로 활용되는 사례도 학술적·실무적으로 활발히 보고되고 있다.

7.1 측정 변수

무인기에 탑재된 IMU, GNSS, 피토관, 온습도계, 압력계 등을 활용해 풍속, 온도, 습도, 압력의 시공간 분포를 측정 가능하다.

7.2 활용 사례

무인기 기반 기상 관측은 다음과 같은 분야에 활용된다. 첫째, 광역 NWP 모델의 검증과 보정. 둘째, 대기 경계층의 정밀 관측. 셋째, 도심 환경의 미기상 관측. 넷째, 산악 환경의 풍속 분포 관측. 다섯째, 폭풍 추적과 모니터링.

7.3 군집 관측

다수 무인기를 협동적으로 운용한 군집 관측은 광역의 시공간 분해능을 제공한다. 학술적·실무적으로 활발히 연구되고 있다.

8. 항공 로봇 공학에서의 활용

기상 관측 시스템과 데이터 취득 방법은 항공 로봇 공학에서 다음과 같은 영역에 활용된다.

첫째, 임무 계획에서 운용 환경의 기상 조건 평가. 둘째, 비행 중 실시간 기상 정보의 활용. 셋째, 비행 시뮬레이션의 환경 입력. 넷째, 자율 비행 알고리즘의 입력. 다섯째, 안전성 평가와 인증 절차의 근거 자료. 여섯째, 무인기 기반 기상 관측의 신규 응용.

9. 학술적 한계와 발전 방향

기상 관측 시스템의 학술적 한계와 발전 방향은 다음과 같다. 첫째, 관측망의 시공간 분해능이 제한적이다. 둘째, 관측 자료의 품질 관리가 학술적 도전 과제이다. 셋째, 관측 자료의 실시간 활용에 통신과 처리의 지연이 발생한다.

이러한 한계를 보완하기 위해 다음과 같은 학술적 발전이 진행되고 있다. 첫째, 위성 관측의 분해능과 다양성 향상. 둘째, 무인기 기반 군집 관측의 확대. 셋째, IoT 센서 기반의 분산 관측망. 넷째, 자료 동화와 기계 학습의 결합. 다섯째, 5G/6G 기반의 실시간 자료 전송.

10. 출처

• World Meteorological Organization (WMO), Guide to Instruments and Methods of Observation (WMO-No. 8), Volume I: Measurement of Meteorological Variables, 2018 edition updated in 2023.
• World Meteorological Organization (WMO), Manual on Codes (WMO-No. 306), Volume I.2: International Codes, Part B – Binary Codes, Part C – Common Features to Binary and Alphanumeric Codes, 2019 edition updated in 2023.
• World Meteorological Organization (WMO), Guide to Aircraft-based Observations (WMO-No. 1200), 2017 edition.
• International Civil Aviation Organization (ICAO), Annex 3 to the Convention on International Civil Aviation: Meteorological Service for International Air Navigation, 20th edition, 2018.
• Kalnay, E., Atmospheric Modeling, Data Assimilation and Predictability, Cambridge University Press, 2003.
• Bauer, P., Thorpe, A., and Brunet, G., “The quiet revolution of numerical weather prediction”, Nature, Vol. 525, pp. 47–55, 2015.
• Petersen, R. A., “On the impact and benefits of AMDAR observations in operational forecasting—Part I: A review of the impact of automated aircraft wind and temperature reports”, Bulletin of the American Meteorological Society, Vol. 97, No. 4, pp. 585–602, 2016.

11. 버전

• 문서 버전: 1.0
• 작성일: 2026-04-18