• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.280-280
• /
• 2023

강수의 정확한 시·공간적 추정은 홍수 대응, 가뭄 관리, 수자원 계획 등 수문학적 모델링의 핵심 기술이다. 우주 기술의 발전으로 전지구 강수량 측정 프로젝트(Global Precipitation Measurement, GPM)가 시작됨에 따라 위성의 여러 센서를 이용하여 다양한 고해상도 강수량 자료가 생산되고 있으며, 기후변화로 인한 수재해의 빈도가 증가함에 따라 준실시간(Near-Real-Time) 위성 강수 자료의 활용성 및 중요성이 높아지고 있다. 하지만 준실시간 위성 강수 자료의 경우 빠른 지연시간(latency) 확보를 위해 관측 이후 최소한의 보정을 거쳐 제공되므로 상대적으로 강수 추정치의 불확실성이 높다. 이에 따라 본 연구에서는 앙상블 머신러닝 기반 수집된 위성 강수 자료들을 관측 자료와 병합하여 보정된 준실시간 강수량 자료를 생성하고자 한다. 모형의 입력에는 시단위 3가지 준실시간 위성 강수 자료(GSMaP_NRT, IMERG_Early, PERSIANN_CCS)와 방재기상관측 (AWS)의 온도, 습도, 강수량 지점 자료를 활용하였다. 지점 강수 자료의 경우 결측치를 고려하여 475개 관측소를 선정하였으며, 공간성을 고려한 랜덤 샘플링으로 375개소(약 80%)는 훈련 자료, 나머지 100개소(약 20%)는 검증 자료로 분리하였다. 모형의 정량적 평가 지표로는 KGE, MAE, RMSE이 사용되었으며, 정성적 평가 지표로 강수 분할표에 따라 POD, SR, BS 그리고 CSI를 사용하였다. 머신러닝 모형은 개별 원시 위성 강수 자료 및 IDW 기법보다 높은 정확도로 강수량을 추정하였으며 공간적으로 안정적인 결과를 나타내었다. 다만, 최대 강수량에서는 다소 과소추정되므로 이는 강수와 관련된 입력 변수의 개수 업데이트로 해결할 수 있을 것으로 판단된다. 따라서 불확실성이 높은 개별 준실시간 위성 자료들을 관측 자료와 병합하여 보정된 최적 강수 자료를 생성하는 머신러닝 기법은 돌발성 수재해에 실시간으로 대응 가능하며 홍수 예보에 신뢰도 높은 정량적인 강수량 추정치를 제공할 수 있다.

• 대한토목학회논문집
• /
• 제6권3호
• /
• pp.31-42
• /
• 1986

본(本) 연구(硏究)는 장래(將來) 예상(豫想)되는 유역내(流域內)의 수자원(水資源) 수요문제(需要問題)에 대처(對處)하여 수자원(水資源)의 기초(基礎)가 되는 강수(降水)를 공간적(空間的)으로 모의발생(模擬發生)(Simulation)하기 위한 모델을 개발(開發)한 것으로서, 유역(流域)의 중심(中心) 관측소(觀測所)인 기간관측소(基幹觀測所)와 그 주변의 준기간(準基幹) 관측소간(觀測所間)의 강수현상(降水現像)에 대(對)한 공간적(空間的) 확률구조(確率構造)로부터 준기간(準基幹) 관측소(觀測所)의 강수계열(降水系列)를 모의발생(模擬發生)하였다. 섬진강 유역(流域)을 대상(對象)으로 기간(基幹) 관측소(觀測所)로는 하동(河東)을 택(擇)하고 준기간(準基幹) 관측소(觀測所)로는 임실, 보성, 순창, 동복, 구례를 택(擇)하여 강수(降水)의 공간적(空間的) 모의발생(模擬發生) 모델을 검토(檢討)하였으며 얻어진 성과(成果)를 요약(要約)하면 다음과 같다. 1) 강수상태(降水狀態)의 공간적(空間的) 분리(分離)는 강수상태별(降水狀態別)(강수(降水)-강수계(降水系), 무강수(無降水)-강수계(降水系), 강수(降水)-무강수계(無降水系), 무강수(無降水)-무강수계(無降水系)) 발생확률(發生確率)이 안정(安定)된 값을 보여 공간적(空間的) 모의발생시(模擬發生時) 유효(有効)한 방법(方法)임을 알았다. 2) 기간(基幹) 관측소(觀測所)의 일강수계열(日降水系列)로부터 모의발생(模擬發生)한 준기간(準基幹) 관측소(觀測所)의 일강수계열(日降水系列)은 연평균(年平均) 강수량(降水量)의 경우(境遇) 관측치(觀測値)와 비슷한 결과(結果)를 보였으나, 하계(夏季)의 강수량(降水量)은 약간(若干) 과소(過少)하게 나타났다. 3) 준기간(準基幹) 관측소(觀測所)의 월강수량(月降水量)에 대한 Correlogram과 Power Spectrum은 관측표본(觀測標本)과 잘 맞고 있어 주기성(周期性)의 재현(再現)은 충분(充分)한 것으로 생각된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.295-295
• /
• 2023

물수지 분석은 우리가 사용하는 물의 순환과정을 파악하여 우리 생활에 필요한 물을 안정적으로 공급하고 관리하기 위한 기초 자료이다. 물관리 기본법 제11조에도 유역 간의 물관리는 조화와 균형을 이루고 있는 기본원칙으로 설명되고 있으며 지속가능한 개발, 이용과 보전을 도모하고 물로인해 발생하는 재해를 예방하기 위해서는 유역단위로 관리되어야 함을 원칙으로 두고 있다. 최근 들어 국내에서는 강수량과 유량에 대한 조사가 급격히 발전함에 따라 정확도 높은 관측이 수행되고 있는 반면에 증발산량 같은 경우에는 경험식에 의존하여 측정자료를 산정하고 있는 실정이다. 증발산량은 눈에 보이지 않아 비교적 중요성을 인지하고 있지 못하나 강수량의 약 30~40%를 차지함으로 오차를 무시하기 어려우며 보다 정확한 관측이 필요하다. 실측으로는 증발접시가 있지만 물이 항상 차 있어야 하며, 팬의 가열, 강수 등 관측값 보정이 필요하다. 최근 기술의 발전으로 에디공분산 방법이 장비로 구현할 수 있게 되었으며 이러한 방법은 기존의 장비에서 발생되는 근본적인 문제점을 해결하였다. 특히 증발과 증산을 모두 측정이 가능하며 실제 증발산량 측정이 가능하다. 환경부에서는 에디공분산을 활용한 증발산량 관측소 13개소를 운영하고 있으며 관측소 인근 실제 유량측정하고 있는 지역과 연계하여 실측 기반의 물수지 검토를 수행해보고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.1506-1510
• /
• 2006

현재 기상청에서 제공하는 강수자료는 정시자료로서 수문학적 의미의 임의지속시간 강수자료라 볼 수 없다. 따라서 이러한 정시자료를 임의지속시간 강수자료로 변환하여 사용하여야 한다. 이러한 환산계수는 국외에서는 Weiss(1964), Dwyer와 Reed(1995) 등에 의하여 제시되어졌고, 국내에서는 김규호 등(1988)등이 환산계수를 제시한 바 있다. 그렇지만 기존 연구의 자료들은 목측에 의한 자료로서 많은 불확실성을 가지고 있다. 최근 관측기기의 발달에 의하여 기상청에서는 1분 단위의 관측 자료를 구축하였다. 따라서 본 연구에서는 이러한 1분 단위 강수자료를 이용하여 수문학적 의미의 임의지속시간 강수자료를 적출하여 보다 정확하게 강수자료의 환산계수(Adjustment factor)를 구축하는데 목적이 있다. 본 연구에서는 서울지방 7개 자동기상관측소(AWS:Automatic Weather Station)에서 관측된 6개년(2000년${\sim}$2005년) 1분 강수자료를 이용하여 고정시간 연 최대강수량과 임의시간 연 최대강수량간의 관계를 연구하였다. 1분 강수자료를 이용하여 고정시간과 임의지속시간에 대한 연 최대치 강수 계열을 구축.도시한 후 선형회귀분석에 의해 선정된 계수를 환산계수로 제시하였다. 고정시간 1시간부터 24시간까지의 최대강수량과 임의시간 간격 최대강수량의 비율을 분석한 결과 환산계수는 지속시간이 증가함에 따라 비선형적으로 감소하는 것으로 나타났다. 이러한 관계를 이용하면 정시 강수자료를 보다 정확하게 임의지속시간 강수자료로 환산할 수 있을 것으로 판단된다.

• 한국농림기상학회지
• /
• 제12권2호
• /
• pp.83-94
• /
• 2010

본 연구의 목적은 우리나라의 연 강수량, 계절 강수 량 그리고 월 강수량의 최적 확률분포형을 선정하는 것이다. 이를 위해서 전국 32개의 강우 관측소에서 얻은 자료에 대하여 L-모멘트 비 다이어그램과 평균가중거리 값을 이용하여 각 강수량별 최적 확률분포를 산정하였으며, 최종적으로 선정된 최적 확률분포형을 관측 지점별로 적합도 검정을 실시하였다. 그 결과, 연강수량에서는 3변수 Weibull 분포(W3), 봄과 가을에는 3변수 대수정규분포(LN3), 여름과 겨울에는 일반화된 극치분포(GEV)가 관측값에 가장 잘 적합하는 것으로 나타났다. 또한, 월 강수량에서는 1월은 LN3, 2월과 7월은 W3, 3월은 2변수 Weibull 분포(W2), 4월, 9월, 10월, 11월은 일반화된 Pareto 분포(GPA), 5월과 6월은 GEV, 그리고 8월과 12월은 log-Pearson type III 분포(LP3)가 가장 잘 적합하였다. 하지만, 최적 확률분포형의 지점별 적합도 검정의 결과, 1월, 4월, 9월, 10월, 11월의 GPA와 LN3에 대한 기각율이 확률 분포의 매개변수 추정에서의 오류와 상대적으로 높은 AWD 값으로 인하여 매우 높게 나타났다. 한편, 23개 관측소의 자료를 추가하여 분석해본 결과 기존의 32개 의 관측소 자료를 이용한 것과 큰 차이를 나타내지 않았다. 종합적으로 보다 적합한 확률분포형을 선정하기 위해서는 더 장기간의 표본자료를 이용한 추가적인 연구가 필요할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.12-16
• /
• 2009

본 연구에서는 산악형 강수의 특성을 보이는 제주도의 여러 지형 조건과 강수량의 관계를 확인하고 강수량에 영향을 미치는 주요 인자를 분석하였다. 제주도는 원추형의 형태로 중심에 한라산이 있는 전형적인 산악형 지형이고 해발고도의 분포가 $EL.0^{\sim}1950m$로 다양하여 본 연구의 대상지역으로 선정하였다. 강우자료는 제주도 내 기상관서 4개소(제주, 서귀포, 성산포, 고산) 및 자동기상관측소(AWS) 13개소의 관측자료를 활용하였으며, 짧은 자료기간을 보완하기 위해 지역빈도해석을 적용하여 확률강우량을 산정하였다. 본 연구에서는 강수에 영향을 줄 수 있는 지형인자 6개를 지리정보시스템(GIS)을 이용하여 추출하였으며, 추출된 지형인자에 대하여 요인분석으로 대표 인자를 추출하고 요인과 실제변수들의 강수량에 미치는 영향을 확인하기 위하여 회귀분석을 실시하였다. 검정결과 도출된 요인을 이용하면 강수량 산정 시 지형 변수들의 영향을 반영함과 동시에 보다 적은 수의 변수를 이용하여 지형 변수들을 모두 반영하였을 경우와 비슷한 결과를 얻는다는 것을 확인하였다. 따라서 추후 지형 변수들을 추가로 확보하여 지형특성을 반영한 간편하고 합리적인 강수량을 산정하기 위한 추가 연구가 필요할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제44권5호
• /
• pp.339-350
• /
• 2011

본 연구에서는 Bayesian 통계기법을 이용한 비정상성 빈도해석모형을 토대로 외부 기상인자에 의한 변동성을 고려할 수 있는 계절강수량 예측모형을 구축하였으며, 낙동강유역내의 10개 관측소에서 관측된 37년간의 강수량 자료를 이용하여 연도별 여름강수량을 추출하고 이들 관측소의 여름강수량에 물리적인 영향을 미치는 기상인자로서 SST(sea surface temperature)와 OLR(outgoing longwave radiation)을 공간상관성을 검토하여 선정하였다. 모형의 적합성을 검토하기 위해 2010년 여름강수량 사후 확률분포의 중앙값과 관측치를 비교하였으며, 그 결과 각각 858.2mm와 888.1mm로, 이는 구축된 모형이 적절하게 여름강수량을 모의하고 있음을 보여준다. 2010년 겨울 SST 관측 값과, 예년 평균값으로 가정한 2011년 6월 OLR을 이용하여 2011년 여름강수량을 예측하였다. 예측된 2011년 여름강수량은 967.7mm로, 확률적으로 예년 여름강수량의 평균인 680mm를 상회할 확률이 92.9% 이상인 것으로 나타났으며, 또한 50년 빈도에 해당하는 여름강수량을 추정한 결과, 50년 빈도 여름강수량 1400mm를 상회할 확률도 약 73.7%인 것으로 분석되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1420-1424
• /
• 2010

강수량의 계절성은 수자원관리에 있어 매우 중요한 수문요소로서 계절성의 변동을 정량적으로 평가하는 것은 미래 수자원관리 및 정책 수립에 필수적이다. 이러한 점에서 본 연구의 목적은 강수량의 계절성을 평가하는데 유리한 방법론을 제시하고, 이를 통한 계절 변동성의 정량적인 해석을 목적으로 한다. 본 연구에서 적용한 순환통계치 분석은 시간을 각도로 변환하여 이용함으로써 미세한 시간적인 변화양상의 정량적인 해석이 가능한 방법이다. 강수량의 주기특성과 과거로부터 현재까지의 변화 양상을 평가하기 위해서, 우선 전국의 58개 강우관측소를 선별하고 각 관측소의 일강우자료를 이용하여 관측소별 연최대치계열(Annual maxima series)과 발생일자, 월최대강수계열(Monthly maxima series)과 발생일자를 추출하였다. 각 자료의 발생일자는 순환통계분석을 위해 해당 time scale을 한 주기로 하는 방향각 데이터로 변환하였으며, 변환된 시간속성 데이터의 통계특성치를 산정하여 발생시기에 대한 경향성을 분석하였다. 월최대강수량의 발생 시기는 자료 계열 연주기의 변동성을 평가하기 위해 사용되었고, 분석결과 남해안지역이 6월말에서 7월초이고, 북쪽으로 올라감에 따라 조금씩 발생시기가 늦어지는 것으로 분석되었다. 극치강수량의 발생 경향을 평가하기 위해 사용된 일최대강수량의 시공간적 변동성은 월최대강수량보다 크게 분석되었으며, 이는 일최대강수량의 경우 지형학적인 영향에 크게 좌우되며, 우리나라의 여름철 극치강수량이 태풍 발생빈도 및 경로와 연관성을 갖는다는 일반적인 사실을 반영한 결과라고 판단된다. 월최대강수량 및 일최대강수량 발생시기의 이동평균을 통해 발생시기의 변동을 분석한 결과, 서울과 강릉지방은 최대강수량의 발생시점이 늦어지고 있으며 반대로 목포와 부산지방은 최대강수량의 발생시점이 앞당겨지고 있었다. 이는 몬순시스템의 거동에 영향을 받는 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.306-306
• /
• 2019

전지구적 기온상승으로 인해 미래기후의 관한 연구가 중요시 되고 있다. 위와 같은 현상으로 인하여 다양한 기후변화 연구가 진행되고 있다. 미래기후 연구에는 GCM (General Circulation Model) 모의 결과가 이용된다. 격자 자료로 구성된 GCM은 연구 지점으로 지역적 상세화와 연구지역의 관측자료 사이의 편이 보정(bias correction)이 필수적이다. 위와 같은 근거로 편이 보정 방법의 선택은 매우 중요하며 편의 보정의 방법에 따라서 결과가 다르게 도출될 수 있다. 또한 국내외 연구에서는 다양한 상세화 기법과 편이 보정 기법을 분석 및 평가하는 연구가 진행되고 있으며, 편의 기법 중 대표적인 기법인 Quantile mapping과 Random Forest 기법이 있다. Quantile mapping 기법은 GCM의 과거 모의 데이터와의 편이 보정에 있어서 우수하게 나타났으나, GCM 데이터의 미래 예측 기간(2010년~2018년)까지의 데이터에서는 극한 강수를 정량적으로 분석 가능한 Random Forest 기법이 편이 보정 과정에서 성능이 우수할 것으로 판단된다. 본 연구에서는 우리나라 21개 관측소를 기준으로 총 4개의 GCM(GISS, CSIRO, CCSM4,MIROC5)의 과거 기간 자료(1970년~2005년)를 실제 관측소에서 관측된 강수량을 편의 보정하는 방법에 있어서 편의 보정 기법의 성능을 비교한 결과와 GCM 미래 예측 기간 자료(2010년~2018년)에서의 편의 보정 기법의 성능 결과를 비교하였다. 이를 토대로 편이 보정 기법의 결과를 6개의 평가지수를 이용하여 정량적으로 분석하였으며, 다기준의사결정기법인 TOPSIS(Technique for Order of Preference by Similarity to Ideal Solution)를 이용하여 편이 보정기법들의 성능에 있어서 우선순위를 선정하였다. 본 연구에서 편이 보정 방법으로 Quantile mapping 방법을 사용했으며, Quantile mapping의 기법으로는 비모수 변환법(non-parametric transformation)과 분포기반 변환법(distribution derived transformation)이 사용되었다. 또한 머신러닝 방법 중 하나인 Random Forest 방법을 동시에 사용하여 결과를 비교하였다. 또한 GCM 자료가 격자식으로 제공하고 있기 때문에 관측소 강수량도 공간적으로 환산하여야 하는데, 본 연구에서는 역거리 가중치법(inverse distance weighting, IDW) 방법을 이용하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.470-470
• /
• 2017

우리나라는 2007년부터 국토교통부 주도하에 관측소별 수문자료 품질관리시스템을 구축하여 강수량, 수위 수문자료를 축척 및 유관기관에 제공하고 있다. 또한 관측소 장비의 오작동 및 주변환경의 영향으로 수문자료에서 이상치 자료가 발견되는 것에 대해서도 자동 및 수동 품질관리 기법을 활용하여 보정하고 있다. 수문자료에 대한 신뢰도와 일관성을 확보하기 위해 이상치 점검 기법에 대한 지속적인 보완 및 개선이 필요하다. 본 연구에서는 기 구축된 수문자료 품질관리시스템에서 이상치 점검에 대한 추가 기법을 조사 및 현 시스템에 적용하여 품질관리의 신뢰도를 향상시키고자 한다. 이를 통해 각 수문자료 관측소에 맞는 품질관리시스템을 지원함으로써 수문자료의 손실을 최소화하고 신뢰도를 향상시키는데 기여할 것으로 기대된다.