UAM 회랑 바람 관측을 위한 기상드론 유효성 검증

관측에 사용된 기상드론은 국립기상과학원과 ㈜쿼터니언이 공동 개발한 헥사콥터(hexacopter) 기반 기체(모델명: QW-MH-22001, NIMS, 2022)로, 기체 제원은 크기 1,660×1,660×710mm(가로×세로×높이), 로터직경 0.53m, 자체 중량 10kg, 최대 이륙 중량 18kg, 비행시간 약 35분, 최대 운용고도 1km이다.

본 연구의 관측 프로토콜은 목표 고도별 정지비행을 수행하므로, 총 비행시간에 고도별 체류 시간이 추가된다. 따라서, 정지비행 없이 연직 상승하며 프로파일을 관측한 선행연구(Lee et al., 2023; Inoue et al., 2025)에 비해 최대 비행시간이 길고 최대 운용고도가 UAM 회랑 상한보다 높은 기체로 선정하였다. 기상센서는 Lee et al.(2023), Inoue et al.(2025)과 바람센서가 동일한 WXT536 (VAISALA)을 탑재하였으며, 풍향·풍속, 기온, 습도, 기압, 강수를 동시에 측정할 수 있다. 드론 로터에 의한 후류 영향을 최소화하기 위해, 기상센서는 드론 중앙 상단 0.3m 높이에 설치했으며, 이는 선행연구에서 제안된 높이(Lee et al., 2023: 0.3m; Inoue et al., 2025: 0.2m)와 유사한 수준이다(Fig. 1). 본 연구에서는 1Hz 단위로 수집되는 풍속 자료를 중점적으로 분석하였다.

Fig. 1. sites of the WPF (blue circles), drone (yellow circles), and AWS (red circles) in Seogwipo. Insets show a satellite image of the drone/WPF sites

Download Original Figure

기상드론과 비교 검증한 측기는 기상청 서귀포 지점(47884)에 설치된 WPF (NRIET CLC-11-H)이다. 기상청이 운영하는 WPF는 지점별로 상이한 기종으로 해상도의 차이가 있으나, 통합 전처리 및 품질 검사 과정을 통해 표준화된 형식의 자료로 제공하고 있으며(Lee et al., 2026), 본 연구에서는 지상 100m부터 50m 간격의 연직 격자에서 산출된 10분 평균 바람 자료를 사용하였다. WPF는 청천 대기의 브래그 산란 신호를 이용하므로, 지면 반사나 조류 등 비기상 신호가 혼입되면 바람 산출의 신뢰도가 저하될 수 있다(Kim et al., 2015). 이에 따른 자료 활용 기준은 2.3절에 기술하였다.

드론의 이·착륙은 주변 관측 기기에 영향을 주지 않기 위해 관측장 부지 밖에서 이루어졌다. Exp.1의 정지비행 관측지점은 WPF로부터 74.5m 거리로 설정하였으나, 관측 결과를 토대로 Exp.2부터 이·착륙은 같은 곳에서 하되 목표고도 관측은 WPF에 더 근접한 지점(거리 37.3m)으로 조정하였다(Fig. 1). 지상풍은 강정(980)지점 자동기상관측장비(automatic weather station, AWS)의 1분 평균 풍속과 비교하였다.

총 8회의 기상드론 관측을 3일간 수행하였다(Exp.1~2: 2024년 8월 8일, Exp.3~4: 9월 6일, Exp.5~8: 9월 26일). 관측 고도는 지상 10m~500m 구간이며, 각 비행의 관측 고도 및 정지비행 시간 등 세부 계획은 Table 1과 같다. Exp.1~2에서는 150m와 200m 단일 고도에서 각각 20분, 10분간 정지비행(hovering)을 실시하였다. Exp.3~4에서는 10~250/ 300m 구간의 각 목표 고도에서 1분 30초씩 정지비행 방식으로, 상승과 하강 구간을 비교하였다. Exp.5~8은 상승 구간의 목표 고도에서만 정지 비행하였고, Exp.5·7은 10m 및 100~500m 구간에서 100m 간격으로 1분 10초씩, Exp.6·8은 300m 고도에서 17분 35초간 정지 비행하며 관측하였다. 드론의 상승 속도는2ms^-1, 하강 속도는 1ms^-1로 설정하였다.

Exp.1에서는 이륙 지점에서 연직으로 목표 고도까지 상승하였으나, WPF와 풍속 편차가 크게 나타나, Exp.2부터는 같은 지점에서 이륙 후 WPF 부근으로 이동한 뒤, 목표 고도에서 관측하였다. Exp.3부터는 드론의 수동 조종으로 인한 기체 움직임을 최소화하기 위해, 자동 비행모드를 적용하였고, Exp.5부터는 이륙 지점에서 5m(첫 번째 목표 고도의 중간 높이)까지 상승 후 관측지점으로 수평 이동하고, 목표 고도로 연직 상승하도록 설정하였다.

드론 관측자료는 목표 고도의 정지비행 구간 자료만 사용하고, 상승·하강, 수평 이동 구간은 제외하였다. 이 구간에서는 체공시간에 따라 약 1분 평균(Exp.3·4·5·7)과 10분 평균(Exp.1·2·6·8) 풍속을 각각 산출하였다.

WPF는 10분 평균값을 10분 간격으로 제공하므로, 1분 평균 비교는 드론 관측 시각이 포함된 WPF 산출 구간의 값을 대응시켰고, 10분 평균 비교는 드론의 정지비행 구간을 WPF의 10분 평균 구간 경계에 맞추어 분할한 뒤 동일 구간의 평균값끼리 비교하였다. WPF의 최저 관측고도(100m)보다 낮은 10m 고도 관측값은 강정(980) AWS의 1분 평균 풍속과 비교하였다.

WPF의 바람벡터 활용 가능 여부는 대기 신호와 잡음 신호를 구분하는 최소 신호대잡음비(SNRmin)를 기준으로 판정되며, 산출된 바람벡터의 정확도와 고도별 연속성은 SNR과 직접적으로 관련되는 것으로 보고되었다(Kim et al., 2016). 따라서 본 연구에서는 WPF 자료의 품질 관리(quality control, QC) 플래그와 SNR을 확인하여, QC 플래그가 1(정상)이더라도 SNR이 9999로 표시된 자료는 신호 품질과 바람 벡터의 정확도를 확인할 수 없으므로 비교 대상에서 제외하였다.

저고도 풍속 연직분포 추정에 널리 사용되는 멱법칙(power law, 식 1)과의 비교를 위해, 기준 고도 z_r은 10m, 기준 풍속 U_r은 강정(980) AWS의 풍속, 멱지수 α = 1/7(≈ 0.143)로 설정하여 이론적 연직 풍속 프로파일을 산출하고, 동일 시간대의 드론 및 WPF 관측값과 비교하였다.

α = 1/7은 평탄한 지표면과 중립 안정도 조건을 가정한 대푯값이다(Peterson and Hennessey, 1978).

Fig. 2는 2024년 8월 8일에 수행한 Exp.1(목표 고도 150m, 20분 정지비행)과 Exp.2(목표 고도 200m, 10분 정지비행)의 결과이며, 산출된 풍속 편차는 Table 2에 정리하였다.

Fig. 2. Comparison between drone and WPF observations for wind speed on 8 Aug. 2024 (Exp.1 and 2). The gray shading indicates the flight altitude of the drone, and the black solid lines represent wind speed observed by a drone. Red diamonds denote WPF observations. The horizontal bars on the right show the wind speed bias between drone and WPF (or AWS) at each hovering altitude. Labels (1) and (2) indicate successive 10min averaging periods

Download Original Figure

Exp.1에서 드론은 WPF로부터 약 74.5m 떨어진 이·착륙 지점에서 상승하여 지상 150m에서 정지 비행 관측을 하였으며, 그 결과 풍속이 WPF 대비 +3.1~+3.7ms^-1 높게 측정되었다(Fig. 2a). 이는 주변 구조물과 지형에 의해 국지적 기류 차이가 발생한 것으로 추정된다. 이에 Exp.2부터는 동일한 이·착륙지점에서 이륙한 후 관측장 부지 밖을 따라 WPF에 더 근접한 위치(약 37.3m)로 이동하고, 지상 200m에서 관측하였다. 그 결과 풍속 편차가 +0.7ms^-1로 현저히 감소하였다(Fig. 2b).

Exp.3과 Exp.4는 각각 10~250m, 10~300m 구간에서 상승·하강 시 동일한 고도에서 정지 비행하여 두 구간을 비교하였다(Fig. 3). 상승 구간에서 드론과 WPF 풍속의 편차 범위는 +0.2~+1.5ms^-1로, Exp.2의 결과(+0.7ms^-1)와 유사한 수준이었다. 반면 하강 구간에서는 두 관측의 평균 편차가 +1.8ms^-1(+0.3~+2.7ms^-1)로 변동 범위가 확대되었고, 정지비행 구간 내 풍속 변동성도 상승 시보다 컸다. 이러한 상승·하강 간 편차의 비대칭은 멀티콥터 드론의 로터 유도기류 영향으로 해석된다. 하강 시에는 로터 하부에 형성된 하강류가 센서 주변 기류장에 혼입되어 풍속이 과대 측정되는데, Sasaki et al.(2021)의 라이다와 드론 관측 비교 연구에서도 하강 시 과대 편차 발생이 보고된 바 있다. 또한, Inoue et al.(2025)과 Jeon et al.(2022)도 후류의 영향을 배제하기 위해 드론 상승 구간 자료만 사용한 바 있다. 본 연구도 선행연구 결과와 유사한 경향을 보이므로, Exp.5부터는 상승 구간에서 목표 고도별 정지비행을 수행하고, 해당 구간의 자료만 분석에 활용하였다.

Fig. 3. Same as in Fig. 2, but for 6 Sep. 2024 (Exp.3 and 4). Red and yellow horizontal bars indicate drone observations during ascent and descent, respectively

Download Original Figure

로터 하강류가 지면에 충돌한 뒤 기체 주변으로 재유입되는 지면효과(in ground effect)도 저고도 관측의 오차 요인이 될 수 있다. 지면효과는 로터 직경의 1~2.5배 이내 고도에서 나타나는 것으로 보고되며(Sanchez-Cuevas et al., 2017), 본 연구에 사용된 기체의 로터 직경은 0.53m, 전체 회전 면적을 단일 원판으로 환산한 등가 직경은 약 1.3m로, 영향 고도는 최대 약 3m 이내로 추정된다. 본 연구의 최저 관측고도는 10m이므로, 지면효과의 직접적인 영향은 없었던 것으로 판단된다.

Exp.3, Exp.4 시계열에서 추가적으로 확인된 특징은 수평 이동 구간에서 약 7~9ms^-1에 이르는 풍속 피크가 동일하게 발생한 것이다(Fig. 3). 이는 드론의 수평 이동 속도와 기체 자세 변화에 따른 상대 기류가 풍속 측정에 영향을 준 것으로 해석된다. 이러한 영향을 최소화하기 위해, Exp.5부터는 지면과 첫 번째 목표 고도의 중간 높이(5m)에서 수평 이동을 완료한 후 연직 상승하도록 비행경로를 수정하였다.

3.1, 3.2절의 결과를 바탕으로 Exp.5~8 관측에서는 지상 10~500m 구간을 100m 간격으로 약 1분 10초씩 정지 비행하는 방법(Exp.5·7)과 300m에서 약 17분 35초간 정지 비행하는 방법(Exp.6·8)을 교대로 수행하였다. Exp.5·7의 목표 고도별 약 1분 평균 풍속 비교에서 드론과 WPF의 편차는 −0.8~+1.8ms^-1로, Exp.3·4의 상승 구간 관측 결과(+0.2~+1.5ms^-1)와 유사한 수준이었다. 이는 최종 프로토콜이 안정적으로 적용되었음을 보여준다. 한편, 300m 고도에서 약 17분간 정지 비행한 Exp.6에서는 드론이 1.5~1.7ms^-1를 관측한 반면 WPF는 4.8~4.9ms^-1로, −3.3~−3.2ms^-1의 큰 음의 편차를 보였다(Fig. 4). WPF는 두 번째 구간(10:50~11:00)의 200~300m 고도에서 신호대잡음비(signal-to-noise ratio, SNR)가 9999로 산출되었고, 관측 종료 후 11:10 자료에서는 100~350m 고도로 확대되어 신호 검출이 불안정한 상태였다. 풍속 QC 플래그는 정상이었으나, 바람 벡터의 정확도를 확인할 수 없으므로 2.3절의 기준에 따라 해당 구간을 비교에서 제외하였다. 이 사례는 WPF가 약풍 조건에서도 신뢰도 저하를 보일 수 있으며, 이러한 환경에서 드론 관측이 보완적 정보를 제공할 수 있음을 보여준다.

Fig. 4. Same as in Fig. 3, but for 26 Sep. 2024 (Exp. 5~8). For Exp. 6(b) and 8(d), the black and gray bars correspond to the two successive 10min WPF averaging periods, (1) and (2), respectively

Download Original Figure

2.3절의 기준으로 선별한 Exp.3·4·5·7의 상승 구간 목표 고도별 1분 평균 풍속과 WPF 관측값을 종합적으로 비교한 결과, 평균 편차(mean bias, MB)는 +0.8ms^-1, 상관계수 r=0.839(n=18)로 95% 신뢰구간에서 유의한 양의 상관관계가 나타났다(Fig. 5). 이는 보성 표준기상관측소 기상탑 초음파 풍속계와의 비교 연구(NIMS, 2026)에서 보고된 평균 편차 +0.69ms^-1, 레윈존데 비교 연구(Lee et al., 2023)의 평균제곱근오차(root mean square error, RMSE) +0.85ms^-1와 유사한 수준이다. 또한 기상청 고시의 현장 풍속계 검정 공차 (±1ms^-1 미만)(KMA, 2023) 범위도 만족하는 결과이다. 다만 해당 공차는 초음파 풍속계를 대상으로 설정된 값이므로, 본 연구에서는 이를 검정 기준이 아니라 관측 정확도의 참고 수준으로 해석하였다.

Fig. 5. Correlation analysis between WPF and drone wind speed measured for 1min averaging period

Download Original Figure

정지비행 10분 평균 비교는 유효 사례 수가 적어 별도의 상관분석을 수행하지 않았으며, 사례별 편차는 Table 2(a)에 제시하였다. 이상의 결과는 본 연구에서 제안하는 상승 구간 정지비행 프로토콜을 적용한 드론 관측이 저고도 바람 감시에 있어 WPF를 보완하는 유효한 수단이 될 수 있음을 시사한다.

저고도 풍속의 연직분포를 추정할 때 일반적으로 사용되는 멱법칙은 식 (1)로 표현된다. Exp.3·4·5·7 사례에 멱법칙 기반 연직 풍속 프로파일을 함께 가시화한 결과(Fig. 6), 이론적 풍속 프로파일은 고도에 따른 풍속 변동성을 충분히 재현하지 못하였다. 특히, 지상 풍속 변동성이 큰 Exp.5(Fig. 6c)에서 고도 10m 박스플롯의 IQR(interquartile range)이 다른 관측에 비해 넓게 분포하였고, 기준 풍속으로 사용된 AWS 풍속이 박스플롯의 하위 1%_ile 경계보다 낮은 약풍으로 관측되어, 이론적 프로파일은 500m 고도까지 1ms^-1 이하의 약한 풍속으로 추정되었다. 이는 기준 풍속이 해당 시간대의 실제 대기 상태를 충분히 대표하지 못할 경우, 추정 풍속과 실제 풍속 사이의 오차가 커질 수 있음을 의미한다. 즉, 멱법칙은 바람의 시간 변동성이 작은 중립 대기 조건에서 평균적인 연직 경향을 어느 정도 재현할 수 있으나, 특정 고도의 정밀한 풍속 예측에는 한계가 있어 직접 관측에 의한 보완이 필요한 것으로 해석된다.

Fig. 6. Box plots of drone-observed wind speed at each target altitude overlaid with power-law wind speed profiles. Whiskers of the box plots indicate the 1st and 99th percentiles. The red lines show theoretical profiles based on AWS wind speed. The red and blue diamonds indicate wind speed observed by WPF and AWS, respectively

Download Original Figure