• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.360-360
• /
• 2018

기후변화에 따른 강우특성의 변화는 다양한 기상이변과 극한사상의 발현으로 사회적 관심이 높아지고 있는 이슈이다. 일반적인 기후변화 연구는 전지구 기후 모델 (GCM, General Circulation Model) 산출물에 기반하여 생산된 미래 기상정보를 바탕으로 이루어진다. 최근 국내 연구에서 주로 활용되는 자료는 IPCC 5차보고서(AR5)의 과학적 기반자료로 활용되는 CMIP5(Coupled Model Intercomparison Project, phase 5) GCM 산출물이다. 수자원, 농업, 경제의 다양한 분야에서 기후변화 영향평가가 심층적으로 이루어지고 있는 가운데 미래기간에 대한 GCM 산출물에 대한 신뢰성에 대한 평가 연구는 상대적으로 미흡한 실정이다. 모델의 신뢰성은 산출물의 실제 현상에 대한 재현성을 평가함으로서 가늠할 수 있다. 본 연구에서는 한반도 지역에 대한 전지구 모델의 성능을 평가하기 위해 동아시아 지역의 격자단위 관측자료를 수집하여 과거기간(1970~2005)에 대한 강우특성 공간분포를 분석하고 이에 대한 GCM 산출물의 재현성을 평가하였다. 위도와 경도에 따른 강우특성의 공간적 변동성에 대한 GCM 결과의 상관성과 평균/절대오차를 산정하여 29개 CMIP5 GCM의 순위를 결정하여 제시하였다. 이 분석은 동아시아 해안지역과 한반도 지역을 구분하고 다양한 강우특성에 대한 재현성을 통합적으로 고려하여 이루어졌다. 연구 결과 오차 통계와 대상지역에 따라 GCM 순위가 상이하게 나타났으며 특히 공간분포의 패턴과 절대적 오차를 기준으로 판단한 GCM 순위가 크게 다르게 나타났다. 대체로 Hadley Centre 계열 모델의 동아시아 지역에 대한 강우특성 재현성이 높게 나타났으며 한반도 지역만을 대상으로 평가했을 때 MPI_ESM_MR과 CMCC center 계열 모델의 재현성이 높게 나타났다. 본 연구결과는 향후 한반도 지역의 기후변화 영향평가에 가중있게 고려되어야 할 GCM의 선정과 GCM 성능고려에 따른 기후변화 예측 불확실성 평가에 적용될 수 있으며 다양한 영향평가 연구결과의 신뢰도 제고에 기여할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.391-391
• /
• 2020

본 연구의 목적은 2006년 6월 ~ 10월에 발생한 메콩강 하류 지역의 홍수를 모의하는 것이다. 강우자료는 위성강우 자료인 미국 NOAA의 CMORPH를 적용하였으며, 홍수유출 해석은 GRM 모델을 적용하였다. Tonlesap 호수를 포함하는 메콩강 하류 지역의 침수분석은 G2D 모델을 적용하였다. 위성강우 자료는 NOAA의 3시간 간격의 CMORPH 위성강우자료를 일일강우량 자료로 변환하고, 일본의 Research Institute for Humanity and Nature (RIHN)과 Meteorological Research Institute of the Japan Meteorological Agency (MRI/JMA)의 APHRODITE 프로젝트에 의해 구축된 APHRODITE 강우량 자료를 이용하여 보정한 후 홍수모의에 적용하였다. DEM 자료는 HydroSHED 15s자료를 이용하였고, 토양도는 UN FAO의 HWSD, 그리고 토양도는 Global map landcover ver3.0을 이용하였다. GRM 모델과 G2D 모델은 Github(https://github.com/floodmodel)에 공개되어 있으며, 이를 이용하였다. 유출 모델은 메콩강 전체 유역을 대상으로 2682.815m의 공간해상도로 구축하였다. 보정한 강우를 이용하여 유출모의 한 결과 첨두유량은 23,796.8 ㎥/sec로 계산되었다. Kratie 지점의 유출량과 Tonlesap 호수로 집수되는 유량을 상류단 경계조건으로 이용하여 약 150일 동안의 침수모의를 하였다. 450 m 공간해상도로 침수모의 도매인을 구축하였으며, 조도계수는 0.045를 사용하였고, 하류단은 자유수면 유출조건을 적용하였다. 침수분석 결과 메콩강 본류를 흐르는 유량이 Tonlesap 호수로 유입되어 호수의 수위가 상승하였다. Tonlesap 호수의 최대침수심은 약 11 m를 나타내었으며, 호수로 유입된 유량은 모의기간 중에 호수에 저류되어 있었다. 메콩강 본류의 Kratie 지점으로 유입되는 유량이 첨두값을 지난 후에도 모의 기간이 길어질수록 메콩강 하류 델타지역과 그 주변의 평지로 침수범위가 확대 되었다. 모의 종료시에는 메콩강 하류가 광범위하게 침수되면서 최대 침수면적을 나타내었다. 본 연구에서 메콩강을 범람한 홍수는 메콩강 하류의 서쪽 해안으로 먼저 유출이 되었다. 이는 침수모의에 적용된 DEM 자료가 북동쪽에서 서남쪽 방향으로 빗살무늬 형태의 고도분포를 가지기 때문인 것으로 판단되며, 대상 지역의 DEM 정확성 평가와 함께 추가적인 연구가 필요하다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.358-358
• /
• 2023

본 연구에서는 그동안 수자원분야 강우유출 해석분야에 활용되었던 대표적인 머신러닝&딥러닝(ML&DL) 모델을 활용하여 모델의 하이퍼파라미터 튜닝뿐만 아니라 모델의 특성을 고려한 기상 및 수문데이터의 조합과 전처리(lag-time, 이동평균 등)를 통하여 데이터 특성과 ML&DL모델의 조합시나리오에 따른 일 유입량 예측성능을 비교 검토하는 연구를 수행하였다. 이를 위해 소양강댐 유역을 대상으로 1974년에서 2021년까지 축적된 기상 및 수문데이터를 활용하여 1) 강우, 2) 유입량, 3) 기상자료를 주요 영향변수(독립변수)로 고려하고, 이에 a) 지체시간(lag-time), b) 이동평균, c) 유입량의 성분분리조건을 적용하여 총 36가지 시나리오 조합을 ML&DL의 입력자료로 활용하였다. ML&DL 모델은 1) Linear Regression(LR), 2) Lasso, 3) Ridge, 4) SVR(Support Vector Regression), 5) Random Forest(RF), 6) LGBM(Light Gradient Boosting Model), 7) XGBoost의 7가지 ML방법과 8) LSTM(Long Short-Term Memory models), 9) TCN(Temporal Convolutional Network), 10) LSTM-TCN의 3가지 DL 방법, 총 10가지 ML&DL모델을 비교 검토하여 일유입량 예측을 위한 가장 적합한 데이터 조합 특성과 ML&DL모델을 성능평가와 함께 제시하였다. 학습된 모형의 유입량 예측 결과를 비교·분석한 결과, 소양강댐 유역에서는 딥러닝 중에서는 TCN모형이 가장 우수한 성능을 보였고(TCN>TCN-LSTM>LSTM), 트리기반 머신러닝중에서는 Random Forest와 LGBM이 우수한 성능을 보였으며(RF, LGBM>XGB), SVR도 LGBM수준의 우수한 성능을 나타내었다. LR, Lasso, Ridge 세가지 Regression모형은 상대적으로 낮은 성능을 보였다. 또한 소양강댐 댐유입량 예측에 대하여 강우, 유입량, 기상계열을 36가지로 조합한 결과, 입력자료에 lag-time이 적용된 강우계열의 조합 분석에서 세가지 Regression모델을 제외한 모든 모형에서 NSE(Nash-Sutcliffe Efficiency) 0.8이상(최대 0.867)의 성능을 보였으며, lag-time이 적용된 강우와 유입량계열을 조합했을 경우 NSE 0.85이상(최대 0.901)의 더 우수한 성능을 보였다.

• Journal of Korea Water Resources Association
• /
• v.53 no.12
• /
• pp.1159-1172
• /
• 2020

This study applied deep convolution neural network based on U-Net and SegNet using long period weather radar data to very short-term rainfall prediction. And the results were compared and evaluated with the translation model. For training and validation of deep neural network, Mt. Gwanak and Mt. Gwangdeoksan radar data were collected from 2010 to 2016 and converted to a gray-scale image file in an HDF5 format with a 1km spatial resolution. The deep neural network model was trained to predict precipitation after 10 minutes by using the four consecutive radar image data, and the recursive method of repeating forecasts was applied to carry out lead time 60 minutes with the pretrained deep neural network model. To evaluate the performance of deep neural network prediction model, 24 rain cases in 2017 were forecast for rainfall up to 60 minutes in advance. As a result of evaluating the predicted performance by calculating the mean absolute error (MAE) and critical success index (CSI) at the threshold of 0.1, 1, and 5 mm/hr, the deep neural network model showed better performance in the case of rainfall threshold of 0.1, 1 mm/hr in terms of MAE, and showed better performance than the translation model for lead time 50 minutes in terms of CSI. In particular, although the deep neural network prediction model performed generally better than the translation model for weak rainfall of 5 mm/hr or less, the deep neural network prediction model had limitations in predicting distinct precipitation characteristics of high intensity as a result of the evaluation of threshold of 5 mm/hr. The longer lead time, the spatial smoothness increase with lead time thereby reducing the accuracy of rainfall prediction The translation model turned out to be superior in predicting the exceedance of higher intensity thresholds (> 5 mm/hr) because it preserves distinct precipitation characteristics, but the rainfall position tends to shift incorrectly. This study are expected to be helpful for the improvement of radar rainfall prediction model using deep neural networks in the future. In addition, the massive weather radar data established in this study will be provided through open repositories for future use in subsequent studies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.323-323
• /
• 2018

최근 기후변화에 대한 관심이 증대됨에 따라 미래 기후모델자료를 기반으로 연구가 다양하게 진행되고 있다. 기후변화가 적용된 자료는 미래 수자원관리, 방재를 위한 수공구조물의 설계 등 다양한 방식으로 실무에 적용되고 있다. 하지만 기후모델로부터 모의된 결과는 어느 정도 관측자료와 차이가 발생하게 되며, 이러한 계통적 오차는 모델 내부에서 해결하기가 쉽지 않다. 그렇기 때문에 기후모델로부터 모의된 결과를 보정하기 위해 편의보정 기법을 활용한다. 그리고 미래 기후모델자료는 불확실성을 내재하고 있기 때문에 다양한 편의보정 기법을 적용하여 불확실성의 범위를 확인해 보았다. 사용된 편의보정 기법으로는 Quantile Mapping(QM), Quantile Delta Mapping(QDM), Detrended Quantile Mapping(DQM), Delta Change Method(DCM)을 이용하였다. 편의보정에 적용한 확률분포형은 일반극치분포(GEV분포), Type-1 극치분포(Gumbel분포)를 사용하였다. GEV분포를 기본으로 하여 조건적으로 GEV분포를 사용할 수 없는 경우, Gumbel분포를 사용하였다. 본 연구에서는 독일의 전지구기후모델(Global Climate Model, GCM)인 MPI-ESM-LR에 RCP 8.5 사나리오를 강제장으로 하여 지역기후모델(Regional Climate Model, RCM)인 WRF를 이용하여 동역학적으로 다운스케일한 강우자료를 사용하였다. 강우자료 중에서 강릉, 인천, 부산, 목포지점에 해당하는 자료를 추출하여 연 최대 강우강도 시계열을 산정하고 4가지 편의보정 기법을 이용하여 편의보정을 하였다. 편의보정 수행된 연 최대 강우강도 시계열을 scale-invariance 기법으로 다운스케일하여 미래 IDF곡선을 유도한 뒤, 편의보정별로 유도한 IDF곡선의 비교를 통해 편의보정기법이 미래 IDF곡선에 미치는 영향을 분석하였다.

• Journal of Korean Society of Disaster and Security
• /
• v.9 no.2
• /
• pp.77-86
• /
• 2016

In this study, we have created CityGML based 3D information model for drainage facility, manhole and terrain. It conducted analysis of the rainfall-runoff leak through the information model for obtaining interoperability for information integration between city models. The models have advantages to manage the infrastructure information in point of semantic meaning and geometric information by converting the original 2D GIS construction information into the 3D information model. The input values can be automatically generated through the 3D information model of this study, while the values should be entered manually in the conventional method. Also, it can be useful to check the flooding level and related locations by connecting the result of rainfall interpretation and information model.

• Journal of Satellite, Information and Communications
• /
• v.6 no.1
• /
• pp.12-18
• /
• 2011

Signal fading due to rain is one of the most significant factors degrading link quality in satellite communication systems. Adaptive transmission is considered to be the most efficient means to countermeasure the rain attenuation. In order to develop and design a good adaptive transmission system, we need a dynamic rain attenuation model which can synthesize time series of rain attenuation. In this paper, we present a modeling technique for dynamic rain attenuation using a Markov process. We derive statistical fading properties of the rain attenuation data measured in second time interval and define four states in the Markov process. We synthesize the rain attenuation data using the 4-state Markov process, and compare statistical properties of the simulated data to those of the measured data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.131-131
• /
• 2011

기후변화로 인한 기상이변 현상이 빈번하게 발생하면서 홍수와 같은 자연재해의 피해규모가 증가하고 있다. 이를 극복하기 위해 최근에는 구조적 대책뿐만 아니라 홍수예측시스템과 같은 비구조적 대책에도 많은 관심과 연구가 이루어지고 있다. 통상 홍수예측을 위해서는 예측강우의 정확도가 중요하게 부각되지만 중규모 이상의 유역에서는 수 시간의 지체시간 효과로 인해 AWS 실황강우만으로도 어느정도 선행시간에 대해서 하천유량예측이 가능하다고 할 수 있다. 본 연구에서는 기상청 AWS 실황강우를 이용하여 하천유량을 예측할 경우 어느정도 선행시간과 정확도를 확보할 수 있는지에 대해서 분석하고자 한다. 분석을 위한 시단위 강우자료와 기상자료는 각각 AWS와 ASOS 자료를 이용하였다. 또한 하천유량 모의를 위한 강우-유출모형으로는 SURF 모델(Sejong University River Forecast Model)을 이용하였다. 이 모형은 저류함수모형 기반의 연속형 강우-유출모형으로 미래에 대한 유출모의결과의 정확도를 향상시키기 위해 앙상블 칼만필터링 기법을 연계한 모형이다. 그림 1은 충주댐유역에 대해서 2009.7.8~17일(240시간)에 대해서 관측유량 자료동화 전후의 결과를 나타낸 것이다. 현시점을 100, 105, 110, 115시간으로 가정하고 미래기간에 대해서는 관측강우를 0으로 가정했을 때 대략 첨두유량 발생 5시간 전에 예측된 모의유량이 관측유량과 거의 일치함을 확인할 수 있다. 따라서 실황강우와 관측유량 자료동화 기법을 연계할 경우 수 시간의 선행시간에 대해서 유량예측이 가능한 것으로 판단된다.

• Journal of The Korean Society of Agricultural Engineers
• /
• v.55 no.6
• /
• pp.1-9
• /
• 2013

미래 기후 정보를 이용한 수문 환경의 단기 미래 예측은 안정적 수자원 공급을 위한 필수적 과제이다. 미국 플로리다 주 중서부 템파지역에서는 주요 수자원 중 하나인 지하수의 효과적 활용을 위해 지하수위 인공신경망 모델 (GWANN)을 개발하여 피압 대수층과 비피압 대수층에 대한 주 단위 평균 지하수위를 월별로 예측하고 그 결과를 수자원 공급 의사 결정에 반영하고 있다. 본 논문은 템파지역에 대한 GWANN 모델을 이용한 지하수위 예측 시스템을 소개하고 모델의 기후 입력 자료의 민감도를 분석함으로써 양질의 기후 정보에 대한 현 시스템의 활용성을 검토하였다. 2006년과 2007년에 대한 연구 결과, 관측 자료를 최적 예측 시나리오 (the best forecast)로 가정하여 적용한 결과는 지하수위 관측 지점에 따라 큰 차이를 보였지만 일반적으로 현 시스템 (현 시점의 실시간 주 단위 평균 강우량을 향후 4주간 동일하게 적용함) 에 비해 예측 성능이 개선되는 것으로 나타났다. 더불어 강우 관측 자료의 백분위 (percentile forecast; 20분위, 50분위, 80분위)를 강우 예측 자료로 활용한 경우에도 현 시스템과 비교하여 일부 나은 결과를 보여주었다. 그러나 지하수위 예측 모델을 활용하지 않고 현 시점의 지하 수위가 지속된다고 가정하는 경우 (na$\ddot{i}$ve model) 향후 2주간의 예측 결과가 best forecast 경우에 비해 높은 정확도를 보이는 등, GWANN 모델의 단기 예측에 대한 양질의 강우 예측 정보의 활용성은 낮으며, 향후 3주 이상에 대한 예측 성능에 있어 best forecast결과가 na$\ddot{i}$ve model 결과에 비해 높은 정확도를 보이기 시작하는 것으로 나타났다. 또한 GWANN 모델의 예측 성능은 적용 기간과 지역 및 지하대수층의 특성에 따라 큰 다양성을 가지는 단점을 보여 강우 예측 자료 활용에 앞서 모델 개선의 필요성이 있다고 판단된다. 본 연구는 단기수자원 공급 계획 수립을 위하여 사용되는 지역 모델링 시스템에 대한 기후 예측정보의 활용성 평가를 위한 방법론으로 고려될 수 있을 것으로 기대된다.