• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1848-1852
• /
• 2008

본 연구에서는 판교신도시 개발에 따른 도시화에 의한 수문 수질 영향을 평가하기 위한 목적으로 2004년 8월부터 운중천과 금토천 유역에 대해 수문관측망을 구성하여 시험유역으로 운영하고 있다. 판교시험유역은 매송2교를 최종 출구점으로 하는 운중천 유역으로서 도시화 진행이 예상되는 운중천 본류 구간과 달리 비슷한 유역면적의 지류인 금토천 구간은 비교적 자연상태로 유지될 예정이기 때문에 향후 두 하천구간에서의 수문현상을 비교 분석하기에 적합한 장점을 가지고 있다. 현재 운중천 상류의 운중저수지 지점과 하류의 판교교 지점, 금토천 상류의 내동교 지점과 하류의 삼평교 지점, 그리고 두 하천이 합류되어 탄천과 합류하기전의 매송2교 지점에 4개의 하천수위관측소(판교교, 삼평교, 매송2교, 내동교), 3개의 우량관측소(매송, 내동, 운중), 그리고 운중지 저수위 및 용수로 수위관측소 등 총 8개 지점에 대하여 초음파 수위계 5개, 압력식 수위계 5개, 전도형 강우계 3개가 설치되어 운영중이다. 2005년도부터는 유량 측정과 동시에 유사량 및 수온, pH 등의 수질 항목들에 대해서도 정기적인 측정을 하고 있으며, 2007년 갈수시와 홍수시에 총 62회에 걸친 유량 측정을 통해 지점별 수위-유량 관계를 도출하고, $7{\sim}8$월 홍수시에는 시간별 시료도 수집하여 강우시의 실시간 유사량 및 수질 변화도 함께 검토하였다.

• Journal of Wetlands Research
• /
• v.16 no.1
• /
• pp.19-32
• /
• 2014

The purpose of this paper is to obtain reliable rainfall data for runoff simulation and other hydrological analysis by the calibration of gauge rainfall. The calibrated gauge rainfall could be close to the actual value with rainfall on the ground. In order to analyze the wind effect of ground rain gauge, we selected the rain gauge sites with and without a windshield and standard rain gauge data from Chupungryeong weather station installed by standard of WMO. Simple linear regression model and artificial neural networks were used for the calibration of rainfalls, and we verified the reliability of the calibrated rainfalls through the runoff analysis using $Vflo^{TM}$. Rainfall calibrated by linear regression is higher amount of rainfall in 5%~18% than actual rainfall, and the wind remarkably affects the rainfall amount in the range of wind speed of 1.6~3.3m/s. It is hard to apply the linear regression model over 5.5m/s wind speed, because there is an insufficient wind speed data over 5.5m/s and there are also some outliers. On the other hand, rainfall calibrated by neural networks is estimated lower rainfall amount in 10~20% than actual rainfall. The results of the statistical evaluations are that neural networks model is more suitable for relatively big standard deviation and average rainfall. However, the linear regression model shows more suitable for extreme values. For getting more reliable rainfall data, we may need to select the suitable model for rainfall calibration. We expect the reliable hydrologic analysis could be performed by applying the calibration method suggested in this research.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.287-287
• /
• 2020

2016년말 우리나라의 지하수 관측망은 국가지하수관측망, 지역지하수관측망, 수질전용측정망, 해수침투 관측망 등 다양한 목적하에 약 5,790개가 운영되고 있으며, 평균적으로 약 10년 정도의 관측 기간을 보유하고 있다. 이들 중에서 일 1회 이상 자동관측이 이루어지는 679개를 대상으로 지하수위 시계열자료의 특성을 분석하였다. ARIMA 분석 결과, AR(p) 모델은 전체의 56.8%인 386개, MA(q) 모델은 90.7%인 616개, Integration(d) 모델은 96.5%인 655개로 나타났다. AR(p) 모델중 가장 많은 경우를 보인 것은 AR(1), AR(2), AR(3) 등의 순이며, MA(q) 모델중 가장 많은 경우를 보인 것은 MA(2), MA(1), MA(3) 등의 순이며, Integration(d) 모델은 I(1), I(2)의 순으로 나타났다. AR(1) 모델이 가장 많은 것은 강우에 대한 지하수위의 교차상관의 lag time이 1 ~ 2일인 경우가 가장 많으므로 이전 시점의 지하수위에 의하여 현재 지하수위가 결정된다는 점을 의미한다. Integration이 많이 나타난 이유는 주기적 또는 지속적인 변동성이 지하수위에 나타나고 있음을 보여준다. 지하수위의 시계열 특성의 분류 및 그 원인을 평가하여 각 관측소별 지하수위 변동성을 정의함으로써 추후 지하수위 시계열자료의 분석 목적에 부합하는 자료 선별에 기여하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.452-452
• /
• 2021

하천 및 호소수역에 대한 수질오염원이 지속적으로 증가하는 경우에는 일반적인 농도규제 방식으로는 수질개선에 한계가 나타난다. 이를 해결하기 위해 목표 수질 한도 내에서 유역 배출원의 오염물질총량 관리를 목적으로 하는 수질오염총량관리제 개념이 도입되어 단위유역 지자체별 배출부하량을 관리하고 있지만, 지역의 오염원 배출 특성을 고려하지 않은 저감계획은 오히려 유역 내 새로운 오염원으로 전락하여 수질 개선 효과가 나타나지 않을 수 있다. 따라서 효율적인 총량 관리를 위해서는 수계 내 오염원 파악이 필수적이다. 본 연구에서는 수질오염총량제 대상 하천인 굴포천의 수질 오염원 분석을 위해 2016년, 2017년 굴포천 유역 토지이용 자료를 활용하여 수질항목과의 상관성을 파악하고 2016년부터 2020년까지 최근 5년 동안 총량측정망을 통해 측정된 유량 및 수질 자료를 이용해 상류, 중류, 하류 각각의 유량-부하량 관계식을 도출하여 지점별 수질 오염원 특성을 분석하였다. 상관분석 결과, 강우 시 밭과 BOD, SS, T-P는 양의 상관성을 보였고, T-N은 강우, 비 강우 시 관계없이 밭, 논에서 높은 양의 상관성을 보였다. 유량-부하량 관계식 도출 결과, 상류의 경우 BOD, COD, T-P, TOC, SS는 유량이 증가함에 따라 농도가 감소하는 특성을 나타내었는데 이는 2019년 4월 이후 오존처리 재이용수 방류에 따른 유량 증가의 영향이라고 사료 된다. 반면 T-N은 유량이 증가함에 따라 농도가 증가하는 특성을 나타내었는데 이는 오존처리 재이용수의 T-N 농도가 하천의 T-N 농도 보다 높아 발생한 것으로 보인다. 중류와 하류의 경우 BOD, COD, T-P, TOC, SS는 유량이 증가함에 따라 농도가 증가하는 특성을 나타내어 강우 시 비점오염원의 영향이 있는 것으로 보인다. 특히, 하류의 경우 유량이 증가함에 따라 수질 농도가 급격히 증가하여 중류에 비해 비점오염원 영향이 더 큰 것으로 나타났다.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.26 no.11
• /
• pp.985-991
• /
• 2015

This paper proposes appropriate locations for site diversity to provide stable satellite communication service in Korea. For this purpose, we analyzed rainfall rate data measured by KMA for 5 years at 88 sites, and the variations of simultaneous occurrence of rainfall rate in pairs of sites using the correlation coefficient. This paper provided contour maps of the spatial ditstribution of rainfall rate correlation, and proposed information on the optimum sites/regions for the operation of muti-uplink satellite systems, in 4 cities which were principal in field of satellite communication in Korea.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.185-185
• /
• 2020

기후변화의 영향으로 국지적 규모의 홍수, 가뭄 등의 피해 규모가 증가하고 있으며, 복사에너지 변화에 기인한 전지구적 대류활동의 변화는 단발성 피해에 확산되어 특정 지역의 기후 패턴 변화로 이어질 수 있다. 대류활동의 변화는 국가별 물순환의 변화로 이어질 수 있으며, 이로 인한 수자원의 변동성은 국가적 수자원 이용에 있어 중요한 요소로 작용될 수 있다. 수자원의 중요성으로 인해 국제적인 기관들은 전지구적 대류활동에 기인한 물순환 과정을 파악하고자 노력하였으며, 그 일환으로 GCMs (Global climate modeling) 등과 같은 모형이 개발되었고, 위성을 통한 전지구 강우량 측정망을 구축하였다. 위성을 통한 전구 강우량 자료와 GCMs에서 산출된 대류과정과 연관된 기후변량 자료들은 빅데이터로 구축되어 제한 없이 제공되고 있다. 정상성 강우 모의 기법은 데이터에 한정된 패턴을 반영하는 모형들로서 기후변화로 인한 기후 변동성 증가를 반영하는데 한계가 존재한다. 본 연구에서는 기상 빅데이터 자료를 기반으로 한반도의 강우량과 기상학적 특성을 연관할 수 있는 머신러닝의 일종인 딥러닝 방법을 접목시킨 강우 모의 기법을 적용하였다. 본 연구의 모형은 기후변화로 인한 기상학적 패턴의 변화를 딥러닝 기법을 통해 식별하고 식별된 기상학적 특성에 기반한 한반도의 강우량을 모의할 수 있다. 본 모형은 단기 및 장기 예측 모형과 결합하여 불확실성을 고려한 단/장기 강우량 평가에 활용될 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.117-117
• /
• 2021

본 연구에서는 Sentinel-1A/B C-band SAR(Synthetic Aperture Radar) 위성영상을 기반으로 인공신경망(Artificial Neural Network, ANN) 모형을 활용해 금강 유역 상류 40×50 km² 면적에 대한 토양수분을 산정하였다. 10 m 공간 해상도의 Sentinel-1A/B SAR 영상은 8일 간격으로 2015년부터 2019년까지 5년 동안 구축하였고, SNAP(SentiNel Application Platform)을 통해 기하 보정, 방사 보정 및 잡음(Noise) 보정을 수행하고 VV 및 VH 편파 후방산란계수로 변환하였다. ANN 모형 검증자료로 TDR(Time Domain Reflectometry)로 측정된 9개 지점의 실측 토양수분 자료를 구축하였으며, 수문학적 개념인 선행강우를 고려하기 위해 동지점에 대한 강수량 자료를 구축하였다. ANN은 각 지점에 해당하는 토양 속성별로 모델링하고, 전체 기간 및 계절별로 나누어 모의하였으며, 전체 자료의 60%와 40%를 각각 훈련 및 테스트 데이터로 사용하였다. 산정된 토양수분은 상관계수(Correlation Coefficient, R)와 평균제곱근오차(Root Mean Square Error, RMSE)를 활용하여 검증을 수행할 예정이다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 1999.12a
• /
• pp.39-43
• /
• 1999

유역의 수질오염 평가는 GIS의 이용으로 더욱 발달되었는데 이 방법에서는 일반적으로 이용 할 수 있는 자료 즉, 소유역 구분도 및 하천망도, DEM, 강우자료, 유량측정지점 및 측정자료, 오염부하량 원단위자료, 수질측정자료, 토지이용자료, 점오염원(축산농가, 인구, 산업체)자료 등을 사용하여 유역에 대한 연간 평균 오염부하량과 오염농도를 계산할 수 있다. 본 연구에서는 장성과 광주 일부분을 유역으로 하는 황룡강 유역에 대해 GIS를 이용하여 수질오염을 평가하였다. 점오염원의 오염부하량은 수계 내에서 발생하는 점오염원의 위치를 기준으로 원단위를 적용하여 오염부하량을 구하였다 비점오염원 농도는 연평균 오염부하량을 총연간 누적유량으로 나눔으로써 계산하였다. 유역의 연평균 오염부하량에 대한 공간분포 그리드를 만들기 위해 각각의 그리드 셀에 대해 오염농도와 유출량을 곱한 값을 하류방향으로 누적하여 계산하였다. 이와 같은 방법을 사용하여 대상 유역에 대한 비점오염원 수질 농도의 예측치를 계산하였며, 이 예측치와 실측치를 비교 분석함으로서 개발된 모형을 검증하였다. 대상유역의 자료를 사용하여 황룡강 유역에 대한 개략적인 수질오염을 평가한 결과 BOD 유달율은 약 20%정도로 나타났다.

• Journal of Korea Water Resources Association
• /
• v.47 no.3
• /
• pp.297-306
• /
• 2014

In this study, EFDC (Environmental Fluid Dynamics Code) model was used to simulate the salinity distribution for sea water inflow and rainfall runoff. The flowrate was given to the boundary conditions, which can be calculated by areal-specific flowrate method from the measured flowrate of the representative outfall. The boundary condition of the water elevation can be obtained from the hourly tidal elevation. The flowrate from the outfall can be calculated using the condition of the 245 mm raifall. The simulation results showed that at Sites 1~2 and the Mangsan island (Site 4) the salinity becomes 0 ppt after the rainfall. However, the salinity is 30 ppt when there is no rainfall. Time series of the salinity changes were compared with the measured data from January 1 to December 31, 2010 at the four sites (Site 2~5) of Yongwon channel. Lower salinities are shown at the inner sites of Yongwon channel (Site 1~4) and the sites of Songjeong river (Site 7~8). The intensive investigation near the Mangsan island showed that the changes of salinity were 21.9~28.8 ppt after the rainfall of 17 mm and those of the salinity were 2.33~8.05 ppt after the cumulative rainfall of 160.5 mm. This means that the sea water circulation is blocked in Yongwon channel, and the salinity becomes lower rapidly after the heavy rain.

• Journal of Korea Water Resources Association
• /
• v.32 no.1
• /
• pp.3-13
• /
• 1999

In this study, an alternative spatial analysis method against conventional methods such as Thiessen method, Inverse Distance method, and Kriging method, named Spatial-Analysis Neural-Network (SANN) is presented. It is based on neural network modeling and provides a nonparametric mean estimator and also estimators of high order statistics such as standard deviation and skewness. In addition, it provides a decision-making tool including an estimator of posterior probability that a spatial variable at a given point will belong to various classes representing the severity of the problem of interest and a Bayesian classifier to define the boundaries of subregions belonging to the classes. In this paper, the SANN is implemented to be used for analyzing a mean annual precipitation filed and classifying the field into dry, normal, and wet subregions. For an example, the whole area of South Korea with 39 precipitation sites is applied. Then, several useful results related with the spatial variability of mean annual precipitation on South Korea were obtained such as interpolated field, standard deviation field, and probability maps. In addition, the whole South Korea was classified with dry, normal, and wet regions.