• 한국습지학회지
• /
• 제13권1호
• /
• pp.105-116
• /
• 2011

최근 몇 년간 기후변화에 의해 기상이변이 발생하고 있으며 이에 따른 집중호우로 인한 홍수피해가 심각하게 증가하고 있다. 이러한 피해를 저감하기 위한 수문기상학적 요소와 특성인자들의 정확한 상호 연관성 규명과 공간적 변동성 해석은 강우-유출 모형에서 발생하는 불확실성을 감소시키는데 중요한 요소로 작용하게 된다. 이에 본 연구에서는 레이더강우 격자 해상도와 지형인자 격자 해상도에 따라 강우-유출모형이 어떻게 반응하는지 분석하였으며, 가-분포 강우-유출 모형인 ModClark 모형을 이용하여 강원도 인제군의 내린천 유역을 대상으로 광덕산 레이더자료를 이용하였다. ModClark 모형 구성을 위한 GIS 지형공간 자료는 30m, 150m, 250m, 350m 격자크기의 DEM을 사용하였으며, 2006년 7월 14일부터 7월 17일까지의 관측레이더 강우자료를 500m, 1km, 2km, 5km, 10km 사용하여 유출모의를 실시하고, 각각의 격자해상도에 따른 모의 결과를 비교하기 위해 유출 수문곡선을 작성하고 유출량 변화를 모의하였다. 분석 결과 첨두유량 및 유출체적에 대해서는 DEM 30m~150m, 레이더강우 500m~2km 크기의 격자일 때 가장 최적의 유출 모의를 한 것으로 분석되었으며, 통계적 분석에 의한 분석결과에서는 모든 DEM 격자는 레이더강우 격자가 500m인 경우, 모든 레이더강우 격자는 DEM 30m인 경우에 모형의 적합성이 높은 것으로 나타났고, 민감도 산정 결과 지수 등급이 높은 DEM이 분포형 모형의 결과 값에 큰 영향을 주는 것으로 분석되었다. 최근 집중형 모형에서 분포형 모형을 이용한 강우-유출해석이 이루어지고 있기에 모델링 구성을 위한 효율적인 의사결정의 기준으로 활용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제48권9호
• /
• pp.719-728
• /
• 2015

본 연구의 목적은 고해상도 정량적강수추정치(QPE)를 이용하여 도시유출해석을 수행하고 소배수분구별 강우와 유출량의 공간 변동성을 분석하여 적용성을 평가하는 것이다. 대상유역은 강남역을 중심으로 하는5개 배수분구(서초3, 4, 5, 역삼, 논현)을 선정하였으며, 유역면적은 $7.4km^2$이다. QPE 생산을 위해 KMA AWS (34소), SKP AWS (156소), 광덕산 레이더 자료를 통해 서울지역의 강우자료를 구축하였으며 크리깅 기법과 조건부합성 방법을 적용하여 4가지 QPE(QPE1: KMA AWS, QPE2: KMA+SKP AWS, QPE3: 광덕산 레이더, QPE4: QPE2+QPE3)를 생산하였다. 시공간 해상도는 10분, 250 m이며, 2013년 7월에 발생한 6개 호우를 대상으로 하였다. 복잡한 실제 관망을 도시유출해석모형에 입력하기 위해 773개 맨홀과 772개 소배수분구, 1,059개 하수관거로 재구성하여 분석을 수행하였다. QPE2와 QPE4는 QPE1에 비해 소배수구역별 면적강우량의 변동폭이 최대 1.9배까지 차이가 나타나 작은 유역에서도 강우공간변동성이 있음을 확인하였다. 또한 소배수 구역별 첨두유량 분석결과에서도 강남과 서초 AWS에 비해 QPE2와 QPE4의 변동폭이 최대 6배 큰 것으로 분석되었다. 따라서 본 연구의 대상지역과 같이 수 km2 이하의 도시유역에서도 강우와 첨두유량의 공간변동성이 발생함을 알 수 있었으며, 정확한 도시유출해석을 위해서는 고해상도 강우자료를 활용하는 것이 바람직한 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제53권12호
• /
• pp.1159-1172
• /
• 2020

본 연구에서는 강우예측을 위해 U-Net과 SegNet에 기반한 합성곱 신경망 네트워크 구조에 장기간의 국내 기상레이더 자료를 활용하여 심층학습기반의 강우예측을 수행하였다. 또한, 기존 외삽기반의 강우예측 기법인 이류모델의 결과와 비교 평가하였다. 심층신경망의 학습 및 검정을 위해 2010부터 2016년 동안의 기상청 관악산과 광덕산 레이더의 원자료를 수집, 1 km 공간해상도를 갖는 480 × 480의 픽셀의 회색조 영상으로 변환하여 HDF5 형태의 데이터를 구축하였다. 구축된 데이터로 30분 전부터 현재까지 10분 간격의 연속된 레이더 영상 4개를 이용하여 10분 후의 강수량을 예측하도록 심층신경망 모델을 학습하였으며, 학습된 심층신경망 모델로 60분의 선행예측을 수행하기 위해 예측값을 반복 사용하는 재귀적 방식을 적용하였다. 심층신경망 예측모델의 성능 평가를 위해 2017년에 발생한 24개의 호우사례에 대해 선행 60분까지 강우예측을 수행하였다. 임계강우강도 0.1, 1, 5 mm/hr에서 평균절대오차와 임계성공지수를 산정하여 예측성능을 평가한 결과, 강우강도 임계 값 0.1, 1 mm/hr의 경우 MAE는 60분 선행예측까지, CSI는 선행예측 50분까지 참조 예측모델인 이류모델이 보다 우수한 성능을 보였다. 특히, 5 mm/hr 이하의 약한 강우에 대해서는 심층신경망 예측모델이 이류모델보다 대체적으로 좋은 성능을 보였지만, 5 mm/hr의 임계 값에 대한 평가결과 심층신경망 예측모델은 고강도의 뚜렷한 강수 특징을 예측하는 데 한계가 있었다. 심층신경망 예측모델은 예측시간이 길어질수록 공간 평활화되는 경향이 뚜렷해지며, 이로 인해 강우 예측의 정확도가 저하되었다. 이류모델은 뚜렷한 강수 특성을 보존하기 때문에 강한 강도 (>5 mm/hr)에 대해 심층신경망 예측모델을 능가하지만, 강우 위치가 잘못 이동하는 경향이 있다. 본 연구결과는 이후 심층신경망을 이용한 레이더 강우 예측기술의 개발과 개선에 도움이 될 수 있을 것으로 판단된다. 또한, 본 연구에서 구축한 대용량 기상레이더 자료는 향후 후속연구에 활용될 수 있도록 개방형 저장소를 통해 제공될 예정이다.