Comparative Analysis of GNSS Precipitable Water Vapor and Meteorological Factors

GNSS 가강수량과 기상인자의 상호 연관성 분석

Abstract

GNSS was firstly proposed for application in weather forecasting in the mid-1980s. It has continued to demonstrate the practical uses in GNSS meteorology, and other relevant researches are currently being conducted. Precipitable Water Vapor (PWV), calculated based on the GNSS signal delays due to the troposphere of the Earth, represents the amount of the water vapor in the atmosphere, and it is therefore widely used in the analysis of various weather phenomena such as monitoring of weather conditions and climate change detection. In this study we calculated the PWV through the meteorological information from an Automatic Weather Station (AWS) as well as GNSS data processing of a Continuously Operating Reference Station (CORS) in order to analyze the heavy snowfall of the Ulsan area in early 2014. Song’s model was adopted for the weighted mean temperature model (T_m), which is the most important parameter in the calculation of PWV. The study period is a total of 56 days (February 2013 and 2014). The average PWV of February 2014 was determined to be 11.29 mm, which is 11.34% lower than that of the heavy snowfall period. The average PWV of February 2013 was determined to be 10.34 mm, which is 8.41% lower than that of not the heavy snowfall period. In addition, certain meteorological factors obtained from AWS were compared as well, resulting in a very low correlation of 0.29 with the saturated vapor pressure calculated using the empirical formula of Magnus. The behavioral pattern of PWV has a tendency to change depending on the precipitation type, specifically, snow or rain. It was identified that the PWV showed a sudden increase and a subsequent rapid drop about 6.5 hours before precipitation. It can be concluded that the pattern analysis of GNSS PWV is an effective method to analyze the precursor phenomenon of precipitation.

GNSS 기상학은 1980년 중반 기상 분야에 활용 가능성이 제기된 후, 전 세계적으로 실용화 가능성이 입증되고 있으며, 현재 기상현업에 활용하기 위한 연구가 활발히 진행되고 있다. GNSS 신호의 대류권 지연오차에 기반하여 산출한 가강수량은 대기 중 수증기량을 나타낸 것으로, 기후 모니터링, 기후의 변화 탐지 등 다양한 기상현상 분석에 많이 사용되고 있다. 본 연구에서는 2014년 2월 울산에 내린 폭설현상 분석을 위해 GNSS 상시관측소와 자동기상관측장치에서 제공하는 기상관측 정보를 이용하여 가강수량을 산출하였다. 산출 과정 중 중요한 파라미터인 가중 평균 기온식은 송동섭의 모델을 적용하였다(Song, 2009a). 연구기간은 폭설이 발생한 2014년 2월과 폭설이 발생하지 않은 2013년 2월의 총 56일이다. 2014년 2월 가강수량의 평균은 11.29mm로 산출 되었으며, 폭설이 발생한 2월 9일부터 12일까지 평균 가강수량은 10.14mm로 전체 평균값보다 11.34% 낮은 값을 보였다. 폭설이 내리지 않은 2013년 2월 가강수량의 평균은 10.34mm로 2014년 평균보다 8.41% 낮은 값을 보였다. 또한 가강수량 외 AWS에서 제공하는 다른 기상인자들과 비교하여 폭설 현상에 대한 분석을 수행하였다. 그 결과 Magnus 경험식을 통해 산출한 포화수증기압 경우 GNSS 가강수량과 0.29의 낮은 상관성을 나타내었다. 또한 기상인자의 종류(강설, 강우)에 따라 가강수량의 증감패턴이 다르게 나타났으며, 강수량이 발생하기 평균 6.5시간 전에 가강수량 값이 급격히 증가한 후 감소하는 경향을 확인할 수 있었다. 이를 통해 GNSS 가강수량 패턴분석이 강수량 전조현상 분석에 유효할 것으로 판단된다.

1. 서 론

지난 2014년 2월에 발생한 울산 강설은 2014년 2월 11일 기준으로 울산기상대 관측시작(1932년) 이래 5번째로 많은 적설량을 기록하였으며, 폭설 기간 동안 발생한 일최심적설량은 16.0cm로 전 지역에서 4위를 기록하였다(Table 1).

Table 1.Ulsan snowfalls list

기상청에 따른 폭설 원인은 베링해 부근에 상층 기압능이 형성되어 고위도 지역의 대기 흐름이 정체된 가운데, 한반도 부근 지상에 북고남저형의 기압배치가 형성되면서 동풍의 영향으로 2월 6일부터 14일에 걸쳐 동해안 지방에 기록적으로 많은 눈이 내린 것으로 알려졌다(KMA, 2014). Fig. 1은 적설 현황을 파악하기 위해 해양위성센터에서 제공하는 천리안 해양관측위성(Geostationary Ocean Color Imager, GOCI) 영상을 비교한 것이다(KOSC, 2015). Fig. 1의 (a), (b), (c)는 폭설이 내리기 전, 중, 후를 나타낸 영상으로 동풍으로 인한 폭설 피해를 보여주고 있다. (a)와 (c)의 영상을 비교해 보면 한반도 동쪽 지역이 폭설로 인하여 하얗게 덮여 있는 것을 확인할 수 있으며, 실제 이 기간 동안 피해 지역의 최심적설량은 강릉 155cm, 동해 118cm, 삼척 116cm, 속초 103cm, 태백 41cm 등 총 112억원의 피해를 입혔다(KMA, 2014).

Fig. 1.Comparison of geostationary ocean color images

폭설과 같은 기상현상은 대기중의 수증기의 분포에 크게 영향을 받는다. 따라서 수증기의 정량적 관측은 폭설, 폭우와 같은 악기상인자의 원인을 규명할 수 있다(Song, 2012). 가강수량(Precipitable Water Vapor, PWV)은 대기중 수증기의 변화를 정량화할 수 있는 기상인자로서, 대기에 포함된 수증기량에 대하여 단위면적을 밑면으로 하는 연직 공기 기둥에 포함된 수증기량을 액체 깊이(mm)로 환산한 것을 말한다(Ha et al., 2006; Song, 2009a; Yoo et al., 2004). GNSS 신호 지연으로 산출한 가강수량 경우 날씨와 무관하게 24시간 관측이 가능하며 미국과 유럽의 여러 국가에서 많이 활용하고 있다. 현재 미국 해양 기상청(National Oceanographic and Atmospheric Administration, NOAA)은 GPS 대류권 신호 지연으로부터 산출한 수증기량 정보를 일기예보 및 기후감시 목적으로 GNSS 기상 네트워크를 운영하고있다(Ha et. al., 2007; NOAA, 2013; Song, 2009b). 독일에서는 약 200여개의 상시관측소 데이터를 이용하여 GNSS 기상연구에 이용하고 있으며, 일본 기상청에서는 GEONET(GPS earth observing network)을 운영하며 약 1000여개의 상시관측소에서 GNSS 가강수량 데이터를 기상 예보 목적으로 제공하고 있다(Feng and Bai, 2001). 국내의 경우 1990년도 후반 GNSS를 이용한 대류권의 수증기량 측정 연구가 시도되었다. 그 이후 가강수량 정확도 향상을 위해 평균온도식 결정 및 라디오 존데, 라디오 미터, MWR 관측데이터와 비교를 통한 정밀도 검증 등의국내 연구가 진행되고 있으며, 가강수량의 활용성에 대한 연구가 진행되고 있다(Ha et. al., 2006; Ha et. al., 2007; Song and Yun, 2004). 본 연구에서는 GNSS 대류권 지연 오차와 AWS에서 제공하는 지상 기상인자를 이용하여 가강수량을 산출하고, 시간에 따른 변화를 다른 기상인자와 비교·분석 하였다. 또한 폭설 발생기간 전·후로 가강수량 패턴 분석을 통해 악기상인자와 가강수량 상관성 분석을 수행하였다.

 

2. 이론적 배경

GNSS 위성에서 전파된 신호는 지상의 수신기에 도달하기 전 대기에 의해 굴절되어 대류권 지연이 발생된다. 대류권 지연은 이산화탄소나 질소와 같은 건조가스로 인하여 발생된 건조 지연과 수증기로 인하여 발생된 습윤지연으로 구분된다(Davis et al., 1985). 건조지연은 정역학적 평형상태에 있기 때문에 지상관측만으로도 정밀한 결정이 가능하나, 시공간적 변동이 큰 습윤지연의 경우 정밀한 결정이 어려워 중요한 오차요인으로 작용한다(Bevis et al., 1992). 또한 임의 고도각에서의 GNSS 위성 신호에 대한 대류권에서의 지연량은 매핑함수(mapping function)를 이용하여 천정 방향으로 계산할 수 있다(Song et al., 2002). 천정방향의 습윤 지연량(Zenith Wet Delay, ZWD)은 대류권의 수증기 측정에 사용되며, 현재 선진국을 중심으로 GNSS 기상연구가 활발히 진행되고 있다. Eq. (1)은 습윤지연량을 이용하여 가강수량을 산출하는 식이다(Song, 2009a).

Eq. (1)에서 필요한 무차원 계수 k는 위치, 고도, 계절 및 기상에 따라 지역 기후에 의존하여 변동하는 변환계수이며, Eq. (2)와 같다(Beivs et al., 1992; Ha et al., 2006).

식에서 사용된 , k3는 대기 굴절률 N을 계산할 때 사용되는 물리상수이며, 평균온도식(mean temprature equation) Tm은 GNSS 기상학에서 사용되는 모델로 기상관측장비인 라디오존데(radiosonde)에서 관측된 대기 연직분포 자료와 AWS의 지상기온 및 기압 관측자료를 이용하여 결정한다(Ha and Park, 2008). 결정방식은 Eq. (3)과 같으며, 기상관측소의 지상 기온과 라디오존데로 획득한 고층 프로파일의 함수로 나타낸다(Davis et al., 1985).

Eq. (3)에서 구한 평균 온도값과 지상관측에 의한 지상 기온과의 선형 회귀관계를 통하여 가중 평균 기온 모델을 결정할 수 있다(Bevis et al., 1992). 모델은 Eq. (4)와 같은 일차방정식 형태이며, 선형 회귀를 통해 a, b의 계수가 결정된다.

본 연구는 송동섭이 제시한 평균모델식을 적용하였다(Song, 2009a). Eq. (4)의 a, b계수는 각각 0.97, 8.67이며, 이를 통해 Ts와 Tm의 상관관계가 매우 높게 결정된 것을 알 수 있다.

 

3. 연구방법

3.1 자료수집

가강수량을 관측할 수 있는 대표적인 시스템으로는 라디오존데(Radiosonde Observation, RAOB), 마이크로파 복사계(Microwave Radiometer, MWR), 항공기, 지구관측위성, GNSS 등이 있다. 이 중 라디오존데는 가강수량 관측에 많이 이용되고 있으나, 매우 비싼 관측 비용이 소요됨에 따라 하루에 2회 또는 4회 관측이 일부 지역에서만 행해지고 있다(Song, 2012). 이에 비하여 GNSS를 이용한 가강수량 정보 획득은 이미 구축되어 있는 GNSS 상시관측소 시스템을 이용하여 획득한 데이터를 처리하여 매우 저렴한 비용으로 이루어 질 수 있다(Bevis et al., 1992). 현재 GNSS 상시관측소는 전국에 100여 개가 운영되고 있으며, 본 연구에서는 국토지리정보원에서 운영중인 울산(WOLS) GNSS 상시관측소를 선정하였다.

Fig. 2는 국토지리정보원에서 제공하는 울산 상시관측소 현황이다. 현재 관측소는 울산 동구청에 위치하고 있으며, 관측소 주변환경이 수목과 산으로 둘러싸여 있는 것을 확인할 수 있다. 이는 관측소의 위성시야각을 방해하는 요소가 될 수 있으며, 관측데이터의 오차로 작용될 우려가 있다. 이에 연구기간 중 30초 간격의 24시간 관측 데이터의 고도각과 방위각을 분석하였다.

Fig. 2.GNSS permanent station (WOLS)

Fig. 3은 2014년 2월 1일 울산 관측소에서 수신한 데이터의 위성의 고도각과 방위각을 나타낸 것이다. Fig. 3을 보면 방위각 210°를 기준으로 고도각이 변하는 것을 볼 수 있다. 방위각 210° 이전에는 최저 고도각이 대략 5°인 반면, 이후에는 관측소 서쪽에 위치한 수목으로 인해 고도각 15° 이하의 데이터는 수신되지 않은 것을 확인할 수 있다. 관측 데이터는 RINEX 포맷의 30초 간격, 24시간 관측한 데이터를 사용하였으며, 데이터 취득 기간은 2014년 2월 9일부터 12일까지 발생한 폭설 현상의 다양한 분석을 위해 폭설 발생기간 전후를 포함하는 2014년 2월(28일간)과 폭설이 발생하지 않은 전년도 2013년 2월(28일간)을 연구기간으로 설정하였다. 연구기간 동안 필요한 기상인자는 기상청에서 제공하는 지역별 상세 관측 자료로부터 수집하였다. 지역별 상세 관측 자료는 전국에 설치된 약 500여 개의 자동기상관측장비로부터 기상청에서 획득하여 제공한 자료를 말하며, 기본적으로 기온, 강수량, 풍향, 풍속, 해면기압 등의 기상인자들을 1분, 10분, 30분, 60분 간격으로 제공한다. 적설량 경우 울산 GNSS 상시관측소와 가장 인접한 유인 기상관측소인 울산기상대 데이터를 수집하였다. 제공받은 적설량은 하루 동안 쌓이는 눈을 계량한 수치를 말하며, 이 경우 실제 강설이 발생하는 동안 쌓인 눈이 녹아 정확한 계측이라고 보기는 어렵다. 따라서 시간에 따른 강설의 변동을 보다 면밀히 분석하기 위해서는 신적설량을 이용하여야 한다. 신적설은 정해진 시간 동안 쌓인 눈의 높이를 의미하며, 폭설에 대한 정량적 크기를 과거 기록과 비교하는 경우에 사용한다(Song, 2012). 본 연구에서는 강수량, 신적설량, 상대습도, 기온 등의 정보를 60분 간격으로 수집하였으며, 포화수증기압 경우 Eq. (5)의 Magnus 경험식을 이용하여 산출하였다(Song, 2009b).

Fig. 3.Elevation and azimuth angles (2014.2.1)

3.2 데이터 처리

GNSS 자료처리는 스위스 베른 대학교의 천문연구소에서 개발한 Bernese GNSS Software V5.2(이하 Bernese로 칭함)를 사용하였다. Bernese는 전리층 및 대류권 모델링, GNSS 망조정계산 등의 다양한 과학기술 연구를 목적으로 개발된 소프트웨어로서 전 세계적으로 광범위하게 사용되고 있다((Dach et al., 2007; Kim and Bae, 2012). GNSS 자료 처리를 통해 산출되는 대류권 지연량은 GNSS 위성과 수신장비간 시선방향의 신호 경로에 사상함수(mapping function)가 적용되어 수신장비의 천정방향으로 변환된다. 본 연구에서는 GMF(Global Mapping Function) 사상함수 모델을 적용하였는데, Bernese 5.0 버전에 사용하였던 NMF(Niell Mapping Function) 모델보다 더 높은 정밀도를 제공하며, 대류권 지연량을 산출하는 GPT(Global Pressure and Temperature) 모델과 조합이 유용하다(Boehm et al., 2006). GPT 모델은 관측소 좌표와 연도별 일수(day of the year)를 통해 지상온도와 압력을 산출하며, 산출된 인자의 정밀도에 따라 지연량을 결정한다(Boehm et al., 2007).

 

4. 연구 결과 및 분석

GNSS 가강수량과 기상인자간의 연관성 분석은 가강수량의 기상 분야 활용 가능성이 제시된 후, 지속적으로 연구되어 왔다. Yoo et al.(2004)는 가강수량과 가장 관련이 있는 기상인자를 알아보기 위하여 인자들 간의 상관성 및 주기성 분석을 연구하였다. 또한 Song(2012)과 Nam and Song(2014)은 폭설 현상에 대해 가강수량 산출 및 다양한 기상 인자들과 비교·분석을 수행했으며, 가강수량의 정보는 강수나 강설 발생의 패턴 분석에 유효할 수 있다는 가능성을 제시 하였다. 본 연구는 2014년 2월 9일부터 12일 동안 발생한 울산폭설 현상을 분석하기 위해 GNSS 대류권 지연오차를 이용하여 추출한 GNSS 가강수량과 수증기와 관련된 다양한 기상인자들을 선정하여 시계열 그래프로 나타내 비교·분석 하였다. 또한 산출한 가강수량과 강수량 발생 패턴을 분석하여 두 인자의 유효성을 증명하고자 하였다. 기상인자 경우 GNSS 가강수량을 제외한 신적설, 기온, 포화수증기압, 상대습도, 강수량 등의 인자를 수집하였다. 신적설은 폭설에 대한 정량적 크기를 분석하기 위하여 선정하였으며, 강설 외에도 다른 기상현상에 대한 가강수량의 패턴 분석을 위해 강수량을 선정하였다. 상대습도는 현재 포함한 수증기압과 포화수증기압의 비율을 퍼센트로 나타낸 것으로서 100%에 가까이 갈수록 실제 수증기량과 포화수증기량이 비등한 값을 가지게 되며 수증기의 응결과 함께 강수량이 발생한다. 이에 상대습도와 포화수증기압의 증가와 감소에 따른 가강수량의 변화를 분석을 하고자 기상인자를 선정하였다.

Fig. 4는 GNSS PWV와 온도, 신적설량을 비교한 그래프이다. 이 그래프에서 주목할 부분은 2월 7일에 대류권내 가강수량의 급격한 증감이 진행된 이후에 폭설이 발생했다는 점이다. 신적설량 경우 2월 9일 20시 0.2cm를 시작으로 12일 9시까지 발생하였으며, 11일 8시에 16cm의 최대 신적설량이 관측되었다. 폭설 발생 기간 동안 평균 가강수량은 10.14mm 값을 나타내며, 연구기간 동안의 평균 가강수량보다 11.34% 더 낮게 기록되었다. 이는 폭설이 내리는 동안 대기 중의 수증기가 줄어들면서 생기는 가강수량의 감소 현상으로 판단되며 가강수량은 10cm에서 12cm 사이의 값을 유지했다. Fig. 5는 연구기간 동안 상대습도와 포화수증기압의 변화를 살펴보기 위하여 나타낸 그래프이다.

Fig. 4.Time series plot of temperature, fresh snow depth, and precipitable water vapor

Fig. 5.Time series plot of temperature, saturated water vapor pressure, and relative humidity

Fig. 5의 상대습도를 보면 폭설이 발생하기 전 2월 6일에서 7일 사이 급격한 증가가 나타난다. 이는 폭설이 내리기 전에 기온이 낮아지고 공기 중에 습도가 높아지는 자연적인 전조현상으로 판단되며, 실제 폭설이 내린 2월 9일부터 12일 사이에는 높은 값을 유지하고 있음을 볼 수 있다. 포화수증기압 경우 기온과 유사한 패턴을 나타내었으며, 폭설 기간 동안 큰 변화를 보이지 않고 5hPa에서 10hPa 사이의 값을 유지하였다.

Fig. 6은 연구기간 동안 GNSS 가강수량과 포화수증기압의 상관분석을 위해 선형 회귀 관계를 나타낸 것이다. 연구기간 동안 포화수증기압은 3.8hPa에서 22.3hPa 범위내에 분포를 이루었으며, 특히 5hPa에서 10hPa 사이에 전체 데이터에서 약 67.4%의 높은 밀집도를 보였다. 또한 GNSS 가강수량과 포화수증기압의 상관계수는 0.2887로서 본 연구 내에서는 두 인자의 상관성이 낮게 나타났다. 그러나 포화수증기압은 가강수량의 결정에 직접적인 영향을 갖는 인자로서 추후에 가강수량과의 연관성 연구가 필요할 것으로 사료된다.

Fig. 6.Correlation coefficient of saturated water vapor pressure and PWV

강설량 외에도 폭우, 우박 등 악기상인자 분석을 위해 강수량과 GNSS 가강수량을 비교·분석하였다. 강수량은 비, 눈, 우박 등을 포함한 강수의 양을 나타낸 것으로서, 현재 AWS에서 일강수량 값을 제공하고 있다. 일강수량은 하루 동안 누적된 강수량을 말하며, 본 연구에서는 시간적 변화에 따른 강수량의 변동을 보다 면밀하게 분석하기 위해 일강수량 값을 차분하여 시간에 따른 강수량을 사용하였다.

Fig. 7은 앞서 구한 강수량과 GNSS 가강수량 값을 시계열로 나열한 그래프이다. Fig. 7(a)는 폭설이 발생한 2014년 2월 데이터이며, Fig. 7(b)는 폭설이 발생하지 않은 전년도 2013년 2월 데이터이다. 그래프에 표시한 NO는 연구기간 동안 강수량이 발생한 일시를 표시한 것이다. Fig. 7(a)에서 연구 기간 동안 총 7번의 강수량이 발생하였으며, 이 중 한번은 강설(NO.4), 나머지 여섯번은 강우로 발생하였다. 여기서 주목할 점은 강설이 발생한 때와 그 외 강우가 발생했을 때의 GNSS 가강수량 변동이 다르다는 점이다. NO.4를 제외한 NO.1부터 NO.7의 경우 강우가 시작하기 전 GNSS 가강수량의 값이 급격히 증감한 것을 볼 수 있으나, 강설이 발생한 NO.4 구간에서는 GNSS 가강수량의 값이 10-12mm를 유지하며 큰 변화를 보이지 않았다. Fig. 7(b)에서는 총 5번의 강우만 발생하였으며, 강우가 시작하기 전 GNSS 가강수량 값이 급격히 증가하는 Fig. 7(a)의 강우 현상과 유사하였다. Table 2는 강수량이 발생한 일시와 GNSS 가강수량이 급격히 증가한 구간의 최대치 일시를 나타낸 것으로서, 두 일시의 시간차를 함께 나타내었다.

Fig. 7.Time series plot of precipitation and precipitable water vapor

Table 2.Occurrence time of GNSS PWV and precipitation

Table 2에서 NO.1-7은 폭설이 내린 2014년 2월 강수량 데이터이며, NO.8-12는 폭설이 내리지 않은 2013년 2월 강수량 데이터이다. 시간차 계산은 강수량이 발생하기 전에 GNSS 가강수량의 변화가 전조현상이라 가정하여 강수량 일시에서 GNSS 가강수량 일시를 빼 주었다. 예를 들어 NO.1 경우 두 일시의 차는 +5H로 계산되었으며, 이는 강수량이 발생하기 5시간 전에 GNSS 가강수량의 변화가 있었다는 것을 나타낸다. 시간차이는 평균적으로 +6.5H 차이를 보이며(NO.3, NO.6, NO.8 제외), 이는 강수량이 발생한 일시를 기준으로 평균 약 6.5시간 전에 가강수량의 변화가 나타난 것을 말한다. 그러나 NO.3, NO.6, NO.8은 강수량이 먼저 발생한 후 가강수량의 변화를 보였으며, 가강수량의 패턴으로 강수량 발생 예측 및 발생 여부를 확인할 수 있는 기준을 마련하기 위해서는 추가적인 분석이 필요할 것으로 판단된다.

 

5. 결 론

본 연구는 2014년도 2월 울산지역에 발생한 폭설을 분석하기 위하여 가강수량을 산출하였다. 산출과정 중 대류권 지연량을 산출하기 위해 Bernese 소프트웨어를 사용하였으며 GPT 모델과 GMF 사상함수 모델을 적용하였다. 기상인자 경우 수증기와 관련된 인자들을 선별하여 수집하였으며, 산출한 GNSS 가강수량과 시계열 분석을 수행하였다. 기상인자 중 신적설량, 기온, 포화수증기압, 상대습도는 GNSS 가강수량과 상호 연관성 분석을 하였으며, 강수량 경우 강우량 및 강설량의 발생 예측 분석을 위해 GNSS 가강수량과 패턴 분석을 수행하였다.

1) 본 연구에서 확인한 바와 같이 폭설이 시작되기 이전에 GNSS 가강수량이 증가하는 경향이 나타났다. 이는 폭설에 대해서만 한정되지 않고, 강우와 같은 다른 기상인자에서도 이와 유사한 경향을 보이는 것을 확인할 수 있었다. 2) 가강수량과 강수량 발생 일시를 비교한 결과, 평균적으로 가강수량의 증감패턴이 강수량 발생 약 6.5시간 전에 나타난 것을 확인할 수 있었다. 그러나 Table 2에서 나타난 것처럼 가강수량의 증감패턴과 강수량 발생에 예외적인 상황이 발생하는 경우가 있으며, 이를 정확히 예측하기 위해서는 여러 관측소를 대상으로 추가적인 분석이 필요할 것으로 판단된다. 3) Magnus 경험식으로 산출한 포화수증기압과 GNSS 가강수량의 상관성 분석을 수행한 결과, 두 인자의 상관계수는 0.2887로 계산되어 직접적인 상관성이 나타나지 않았다. 그러나 포화수증기압은 가강수량 산출에 직접적인 영향을 가지므로 추후에 가강수량과의 연관성 연구가 필요할 것으로 판단된다. 상대습도 경우 강수량이 발생하기 전 GNSS 가강수량과 유사한 변동을 보이며, 두 인자의 상관성이 높은 것을 확인하였다. 이에 GNSS 가강수량과 함께 악기상인자에 대한 예측 분석에 대하여 유효할 것으로 판단된다. 4) GNSS 가강수량은 연구기간동안 발생한 강수량에 밀접한 반응을 보였으며, 기상 인자의 종류(강설, 강우)에 따라 패턴이 다르게 나타난 것을 확인할 수 있었다. Fig. 5에서 확인한 결과, 강우 발생시 GNSS 가강수량은 크게 증가하고 감소한 반면 강설은 발생기간동안 10cm에서 12cm의 사이 값을 유지하며 큰 변화를 나타내지 않았다. GNSS 가강수량과 강수량의 패턴 연관성에 대한 기준을 설정하기 위해서는 장기간의 자료분석과 연구가 필요할 것으로 판단된다.