• 물과 미래
• /
• 제26권1호
• /
• pp.81-91
• /
• 1993

본 논문에서, 실제 유역에서의 이동강우에 의한 유출현상을 분포형 모델을 이용하여 모의하였다. 실제유역으로 미국 Idaho주의 Macks Creek 실험유역이 선정되었으며, 사용된 이동강우로 1965년 8월23일 15시 30분에서 17시 30분까지 약 2시간에 걸쳐 진행되었던 강우를 채택하였다. 이 강우는 강우 지속 기간동안 강우강도의 값이 상당히 변화하며, 또한 강우 자체가 지역내 한지점으로부터 다른 지점으로 점차적으로 이동되어가는 전형적인 이동강우의 특성을 갖추었다. 또한 이 유역내 지표면을 이루고 있는 토양의 특성, 식물의 피복정도, 지표면의 경사, 하상경사등의 유출 지배 인자들은 각 지점마다 그 값이 다른 전형적 공간분포 형태를 갖추고 있다. 분포형 모델로는 본 논문의 전편에서 개발된 모델을 사용하였는데, 이 모델은 유역내 유출현상을 지표면 흐름과 하천망 흐름으로 나누어 모의한다. 즉, 2차우너의 유한요소 모델을 이용하여 지표면 유출을 모의한후 모의된 지표면의 유출량을 1차원의 유한차분 모델의 입력자료로하여 하천망의 유출을 모의한다. 분포형 모델을 적용하여 유역의 하류지점에서 모의된 유출량과 관측된 유출량은 상당히 일치하고 있고 또한 하천망내 각각의 합류점에서도 상.하류간에 질량의 관계가 잘 보존되고 있었으며, 제안된 분포형 모델을 이요하여 유역내 이동강우가 성공적으로 모의되어다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.37-41
• /
• 2009

본 연구에서는 티센망을 이용한 면적강우량 산정방법의 대안으로서 최근 들어 수자원공학 분야에의 활용성이 커지고 있는 고해상도 기상레이더의 반사도자료(dBZ)를 활용하여 면적강우량을 산정하였다. 또한 이렇게 산정된 레이더 면적강우량을 티센망으로써 산정된 면적강우량과 비교하여 그 유용성을 판단하였다. 연구지역으로는 소양강댐 유역을 선정하였으며, 연구기간은 2008년 가장 강한 강우를 보였던 상위 5개의 사상을 선정하였다. 본 연구에서는 레이더 반사도를 강우강도로 변환시키는 과정은 인공신경망(artificial neural network, ANN) 중에서 일반적으로 널리 사용되고 있는 다층 퍼셉트론 인공신경망 모형을 적용하였다. 연구방법으로는 선택된 4개의 인자를 입력노드에 넣어 인공신경망을 학습시킨 후 연구지역 내 10개 AWS 지상관측소의 강우량을 추정하여 정확도를 비교 분석하였다. 이를 바탕으로 최종적으로 레이더 면적강우량을 산정하여 기존의 티센망을 이용한 면적강우량과 그 값을 비교하였다. 그 결과 인공신경망을 이용한 레이더 강우량의 경우, 평균제곱오차(mean square error, MSE) 및 상관계수(correlation coefficient, CC)가 매우 양호한 값을 보였다. 또한 유역 내 레이더 면적강우량이 티센망을 이용한 면적강우량에 비하여 약 $7%^{\sim}19%$ 정도 차이가 발생함을 확인하였으며, 레이더 면적강우량이 티센망을 이용한 면적강우량에 비하여 더 정확한 면적강우량을 산정할 수 있다고 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.216-216
• /
• 2019

최근 이상 기후로 인하여 홍수피해가 많이 발생 하고 있다. 특히 도시유역의 도시화로 인해 불투수면적이 증가하여 내수 침수도 증가하였다. 이로 인하여 재산피해와 인명피해가 증가하면서 전 세계적으로 홍수 저감 연구가 진행 되고 있다. 강우의 시 공간적인 특성을 파악 하여 강우 사상을 정의 한다면 도시홍수 저감 에 있어 도움이 될 것이라 판단된다. 우리나라 서울 지역의 설계 강우량을 산정하기 위해 서울기상청에서 제공하고 있는 ASOS(Automated Surface Observing System) 를 사용해 왔다. 하지만 ASOS을 사용하게 되면 강수량의 공간 특성을 고려하기 어렵지만 AWS(Automatic Weather Stations) 는 세밀한 관측망을 가지고 있어 공간적 특성을 고려할 수 있다. 본 연구에서는 서울 기상청에서 제공하고 있는 강우 자료의 20개년 연속된 강우자료를 통해 강우자료를 구축 하였다. 서울지역의 유역을 선정하였으며 도시유역 강우-유출 해석에 많이 사용되는 EPA-SWMM 모형에 ASOS 와 AWS 강우자료를 적용하여 유출 분석을 하였다. 이러한 자료를 바탕으로 공간 특성 분석을 실시하여 더욱 세밀한 설계 강우량 산정에 도움을 있을 것으로 판단된다.

• 한국방재학회 논문집
• /
• 제8권6호
• /
• pp.113-120
• /
• 2008

본 연구에서는 분단위 강우자료(MMR)를 이용하여 시간해상도에 따른 강우의 공간상관구조 특성을 분석하였다. 이를 위해 이 변량 혼합대수정규분포를 이용하여 강우를 모형화하였다. 본 연구에서의 분석은 중부지역의 26개 우량관측소 지점자료를 이용 하였으며, 호우 발생 특성별(장마, 태풍, 대류성 강우)로 수행하여 서로 비교될 수 있도록 하였다. 집성시간은 1, 2, 3, 5, 10, 30, 60분을 적용하였다. 그 결과, 현재의 분단위 관측지점 자료는 임의 지점의 분단위 강우강도로 내삽하여 추정하는데 적절하지 않음을 확인하였다. 만일 적절한 자료분해 및 내삽 방법론이 구비된다면, 분단위 관측지점 자료를 이용하는 것보다 시자료와 같이 밀도 있는 관측망의 자료를 이용하는 것이 보다 현실적인 분단위 강우강도 추정 방안이 될 수 있을 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.2061-2065
• /
• 2008

본 연구는 강우-유출 및 TOC의 패턴 분류를 위하여 광주 광산 강우관측소의 강우량자료와 나주지점의 유출량 그리고 기존의 BOD 및 COD 수질농도 측정값에 비하여 적은 오차요인과 빠른 시간에 결과 값을 얻을 수 있으며 유출량과 난분해성 물질에 대한 해석이 가능하고 재현성이 탁월한 TOC자료를 사용하였다. SOM을 적용하기 위해 먼저 Map의 크기는 Garcia가 제시한 $M=5{\sqrt{N}}$을 이용하여 결정한다. 이러한 비선형적인 다변량 자료를 분석하기 위해서 Map에 의해 구분된 자료 위치를 추출하여 원자료를 재구축하고 이를 통해 원자료를 패턴별로 분류 할 수 있었다. 이러한 패턴별 분류를 통해 유출량에 따른 TOC자료를 2차원의 Map 상에 시각적으로 가시화하여 비선형적인 경향이 강한자료의 분포적 양상을 이해하는데 큰 도움이 되며, 향후 이를 통해 예측을 위한 모형화 과정에도 크게 도움을 줄 것으로 기대된다. 또한, 강우자료 또는 유출량 자료만을 이용한 단일변량의 패턴분류를 위해 SOM의 적용이 가능할 것으로 판단되며, 이는 각 변량의 본질적인 특성을 파악할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.342-342
• /
• 2022

본 연구에서는 금강 최상류 용담댐에 유입되는 오염부하를 효과적으로 관리하기 위하여 용담댐 상류 유역에 수문-수질 모델을 적용하고 보정한 결과를 보고하고자 한다. 유역의 유출유량과 오염물질 부하를 산정하기 위해 미국환경부의 Hydrological Simulation Program-Fortran(HSPF)을 적용하였고 강우에 의한 용담댐 유역의 유입유량과 오염물질 부하 특성을 분석하였다. 용담댐은 금강수계 최상류에 있는 다목적댐으로 국내에서 5번째로 규모가 큰 댐으로서 도수터널을 이용한 유역변경을 통해 전라북도 지역의 용수를 공급하고 있다. 용담댐 유역을 환경부의 소유역 구분에 따라 51개의 소유역으로 세분화한 후 티센망을 고려하여 12개의 그룹으로 범주화하였고, 강우 관측지점 12곳의 2017-2021년 강우 자료를 각 소유역에 입력하였다. 강우를 제외한 여타 기상 자료는 자료의 한계로 인해 장수기상청과 전주기상청의 동일 기간의 것을 사용하였다. 수질 모의 항목은 총부유물질(TSS), 총인(TP)과 총질소(TN)이며, 유량과 수질 항목의 보정은 측정망의 2017~2021년 실측자료에 대하여 시행하였다. 보정 결과는 R², RMSE, MAE로 평가하였다. 본 연구의 결과는 용담댐 내부의 수질을 예측할 수 있는 3차원 수리-수질 모델의 입력자료로 활용될 예정이며, 추후 기후변화 영향을 고려한 상류 유역의 수질관리 계획 수립에 기여할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.313-313
• /
• 2020

여름철 발생하는 집중호우는 해안지역 및 하천유역의 저지대에 상습적인 침수를 유발하며, 도시지역은 높은 불투수율로 인해 추가적인 침수 피해가 발생하는 경우가 많다. 본 연구에서는 폭함수를 통해 하천망의 공간적인 특성을 함수형태로 나타내어 유역의 수문분석에 이용하는 폭함수 단위도법(WFIUH, Width Function Instantaneous Unit Hydrograph)을 소개하고, 적용성을 검토하기 위하여 실제 유역 및 강우 사상에 적용해보았다. WFIUH는 기존의 집중형 수문모형과 다르게 매개변수를 물리적으로 결정할 수 있으며, 유역특성과 시공간적 변동성을 수문곡선 산정에 반영할 수 있는 장점이 있다. WFIUH의 적용성을 검토하기 위하여 2003년 한반도에 심각한 침수피해를 입힌 태풍 매미로 인해 발생한 강우사상과 그로인해 큰 피해가 있었던 마산 지역의 남천, 삼호천 일부 유역을 대상으로 강우-유출 분석을 실시하였다. 분석결과 범용 수문모형인 HEC-HMS와 비교 시 유사한 결과를 보이며, 실제 관측치와도 유사한 결과를 보이는 것으로 나타났다. 또한 강우의 이동을 반영하여 강우의 이동이 수문곡선과 첨두유량에 미치는 영향을 비교분석 하였다.

• 한국방재안전학회논문집
• /
• 제11권2호
• /
• pp.45-52
• /
• 2018

본 연구는 2017년 8월 17일 청계천에서 발생한 시민고립사고의 원인을 규명하고, 고밀도 기상관측망의 관측자료를 이용하여 안전한 도시하천 관리 방안을 제시한 연구이다. SK 텔레콤 기지국에 설치된 고밀도 기상관측망인 SK techx와 상대적으로 공간적 밀도가 낮은 기상청 AWS의 사고 당일 강우자료를 도시유출모형에 적용하여 당시 상황을 모의하였다. 사고원인 중 하나로 가정한 CSO 관로 내 체수현상을 구현하여 수치모의한 결과, 기상청 AWS에서 계측된 강우량은 사고를 발생시키지 않았다. 하지만 실제 현상과 더 유사한 고밀도 기상관측망인 SK techx의 강우자료를 적용했을 때는 당일 발생한 사고와 유사한 결과가 나타났다. 이는 낮은 공간 밀도인 기상청 AWS는 청계천에서 일어나는 실제현상을 예측할 수 없고, 안전한 하천관리르 위해 고밀도 기상관측소가 필요하다는 것을 의미한다. 또한 CSO 관로 내 체수 유무를 독립변수로 수치 모의한 결과 비우당교의 CSO 관로 내 체수가 사고의 직접적인 원인으로 분석되었다.

• 한국해안·해양공학회논문집
• /
• 제33권3호
• /
• pp.101-109
• /
• 2021

항해용 X-band 레이다를 이용한 파랑관측은 해수면에 후방산란 된 전자기파 이미지를 분석하여 이루어진다. 1분당 42개의 해수면 시계열 이미지로부터 3차원 FFT를 계산하고 변조전달함수(Modulation Transfer Function)를 구하여 파랑정보를 추출한다. 따라서 레이다 파고계로 계측한 유의파고의 정확도는 X-band 레이다 영상의 상태에 따라 결정된다. 2020년 여름 태풍 마이삭과 하이선 내습 시 강릉 안인 해안에 설치된 X-band 레이다 파고계로 관측한 유의파고의 오차가 크게 발생하였다. 이는 태풍 내습 시 급격히 유의파고가 증가하는 한편 강한 강우가 동반되어 X-band 레이다 영상의 품질이 저하되었기 때문이다. 최대 오차 발생 이전까지 많은 강우가 있었음이 확인된다. 본 연구에서는 convolution neural network(CNN)을 이용하여 레이다 이미지로부터 강우 여부를 분류하고 강우여부에 따라 강우시 인공신경망 모델을 적용하여 태풍 시 유의파고 관측 정확도를 향상시켰다. 폭우를 동반한 태풍 시 레이다 자료 특성에 기반하여 인공신경망 유의파고 산출 알고리즘을 개선하고 이를 통해 X-band 레이다 파고계의 정확도를 향상시키는 방법을 제시하였다.

• 한국습지학회지
• /
• 제16권1호
• /
• pp.19-32
• /
• 2014

본 연구에서는 우량계로 측정한 강우량이 실제 지표면에 떨어지는 강우 값에 근접하도록 보정함으로써, 유출해석 및 기타 수문분석에 적용할 경우 신뢰도 높은 결과를 얻는데 목적이 있다. 지상우량계로 관측한 강우량에 대한 바람의 영향을 분석하기 위하여, 표준기상관측소인 추풍령기상대에 설치된 바람막이의 유(有) 무(無)에 따른 우량계와 기준우량계의 자료를 획득하였다. 획득한 강우를 단순선형회귀 모형과 신경망 모형을 이용하여 지상강우를 보정하였으며, $Vflo^{TM}$모형을 이용한 유출모의를 통하여 자료의 신뢰도를 검증하였다. 단순선형회귀 모형을 사용한 보정 강우량은 실제 관측된 강우량보다 5%~18%가 큰 강우량을 나타냈으며, 강우획득에 있어 바람의 영향은 1.6~3.3m/s의 풍속구간에서 가장 큰 것을 확인하였다. 또한 회귀모형에서는 풍속구간 5.5m/s이상일 경우 자료의 개수가 전체자료의 0.7%로 매우 작고, 이상치가 획득됨으로써 회귀모형 적용의 어려움이 있었다. 반면에 신경망 기법을 이용한 지상강우의 보정은 전체적으로 관측 값보다 10~20% 가량 강우가 적게 추정되었다. 통계분석결과, 전체적으로 편차가 크고 평균 강우획득량이 클수록 신경망 모형의 적용성이 높게 나타났으며, 획득한 강우량의 극치값이 크게 나타날수록 선형회귀 모형의 적용성이 높게 나타나는 것을 확인하였다. 본 연구결과로 신뢰성 높은 강우보정을 위해서는 지역별 강우 특성에 따른 적합한 보정방법을 선택해야 할 것으로 판단되며, 앞으로의 수문해석에 있어 본 논문에서 제시하는 강우 보정방법을 적용함으로써 신뢰도 높은 수문해석 결과를 기대할 수 있을 것으로 사료된다.