• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.139-139
• /
• 2019

지구 온난화 및 기후변화로 인해 비롯된 전 지구적인 기온 상승은 가뭄, 폭염, 한파 등의 이상 기후 현상을 야기하여 인류의 생존을 위협하는 환경 문제로 대두되고 있다. 이와 같은 기후변화 및 이상기후 현상을 이해하고 파악하기 위해서는 정확하고 상세한 기온 정보가 필수적이다. 우리나라는 기상청에서 전국 590개소의 기상관측장비로 기온 정보를 생산하고 있지만 산림이 약 70%를 차지하는 복잡한 지형을 가지고 있어 지상관측밀도의 공간적 제약이 발생해 상세하고 균일한 기온 정보 생산에 제약이 있다. 이러한 단점을 극복하기 위해 본 연구에서는 위성으로 측정한 지표면 온도(Land Surface Temperature, LST) 자료와 다중선형회귀모형(Multiple Linear Regression Model)을 활용해 두 자료간의 상관관계를 파악하고 지상기온을 예측하고자 한다. 위성자료로 Terra 및 Aqua MODIS 위성의 1000m 공간해상도를 가진 일별 LST자료 MOD11A1, MYD11A1의 Daytime 자료를 각각 2000년부터 2018년까지 총 19년의 기간에 대해 구축하였으며, 전국 92개의 기상청 관측소로부터 최고, 최저 기온 자료를 동 기간에 대해 구축하였다. LST를 이용한 이상기온 예측 알고리즘은 python을 이용해 구현하였으며 예측 결과는 실제 기온 자료를 통해 검증하였다. 또한, 예측 기온 자료의 연대별, 순별(상, 중, 하순) 분석을 실시하고, 2018년 극한 폭염 및 한파(2017년 12월~2018년 2월)의 예측 가능성을 검토하여 연구 결과에 대한 다양한 활용방안을 제시하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.198-198
• /
• 2023

유역 내 수자원 계획을 효율적으로 수립하기 위해서는 장기간에 걸친 수문 모델링 뿐만 아니라 미래 기후 시나리오에 따른 수문학적 기후변화 영향 분석도 중요하다. 이를 위해서는 관측 값에 기반한 고품질 및 고해상도 격자형 기상자료 생산이 필수적이다. 하지만, 우리나라는 종관기상관측시스템(ASOS)과 방재기상관측시스템(AWS)으로 이루어진 고밀도 관측 네트워크가 2000년 이후부터 이용 가능했기에 장기간 격자형 기상자료가 부족하다. 이를 보완하고자 본 연구는 가정적인 상황에 기반하여 만약 2000년 이전에도 현재와 동일한 고밀도 관측 네트워크가 존재했다면 산출 가능했을 장기간 일 단위 고해상도 격자형 기상자료를 생산하는 것을 목표로 한다. 구체적으로, 2000년을 기준으로 최근과 과거 기간의 격자형 기상자료를 딥러닝 알고리즘으로 모델링하여 과거 기간을 대상으로 기상자료(일 단위 기온, 강수량)의 공간적 변동성 및 특성을 재구성한다. 격자형 기상자료의 생산을 위해 우리나라의 고도에 기반하여 기상 인자들의 영향을 정량화 하는 보간법인 K-PRISM을 적용하여 고밀도 및 저밀도 관측 네트워크로 두 가지 격자형 기상자료를 생산한다. 생산한 격자형 기상자료 중 저밀도 관측 네트워크의 자료를 입력 자료로, 고밀도 관측 네트워크의 자료를 출력 자료로 선정하여 각 격자점에 대해 Long-Short Term Memory(LSTM) 알고리즘을 개발한다. 이 때, 멀티 그래픽 처리장치(GPU)에 기반한 병렬 처리를 통해 비용 효율적인 계산이 가능하도록 한다. 최종적으로 1973년부터 1999년까지의 저밀도 관측 네트워크의 격자형 기상자료를 입력 자료로 하여 해당 기간에 대한 고밀도 관측 네트워크의 격자형 기상자료를 생산한다. 개발된 대부분의 예측 모델 결과가 0.9 이상의 NSE 값을 나타낸다. 따라서, 본 연구에서 개발된 모델은 고품질의 장기간 기상자료를 효율적으로 정확도 높게 산출하며, 이는 향후 장기간 기후 추세 및 변동 분석에 중요 자료로 활용 가능하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.318-318
• /
• 2012

인도네시아의 Citarum 유역을 대상으로 구축된 RRFS를 이용하여 해당유역의 상류에 위치한 다목적 댐인 Saguling 댐에 대한 2005년 월 유입량예측을 수행하여 보았다. 실제 예측과정에는 ESP 기법을 적용하였고 여기에 기상전망을 고려할 수 있는 사전처리기법인 PDF ratio 방법을 이용하여 유출량 시나리오의 발생확률을 갱신하였다. 이를 위하여 대상유역의 월 강우량 관측 자료에 대한 초보예측을 통하여 2005년 관측 강우량에 따라 기상전망을 생성하였다. 또한 Saguling 댐의 월 유입량 과거 관측자료에 대한 초보예측을 통하여 High Flow, Normal Flow, Low Flow에 대한 예측구간을 구성하여 보았다. Fig. 1과 Fig. 2는 각각 ESP 기법과 PDF ratio 방법을 이용하여 산정한 Normal Flow와 Low Flow의 상한계 유입량의 발생확률의 변화를 도시한 것이다. 관측 유입량이 발생한 구간의 예측확률을 기반으로 예측점수를 산정해 본 결과 ESP 기법에 의한 예측점수가 0.333을 상회하고 있음을 볼 수 있었다. 이는 ESP 기법에 의한 예측결과가 초보예측보다 정확도가 높음을 의미하는 것으로 본 연구에서 구성한 ESP 시스템의 적용성을 확인할 수 있다. 또한 고무적인 결과로서 PDF ratio 방법에 의한 예측점수가 ESP 기법에 의한 예측점수를 상회하고 있음을 확인할 수 있다. 이는 ESP 기법에 의한 예측결과를 확률기상전망을 이용하여 갱신할 경우 예측 정확도를 개선시킬 수 있음을 의미하는 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.19-19
• /
• 2016

오늘날, 보다 정밀한 대기기상 분석과 정확한 기상 예측을 위해 보편적으로 기상레이더를 활용하고 있다. 지표면과 가까운 저층에서 주로 발생하는 국지성 호우 및 돌발기상에 대한 대응을 위해서는 기상레이더 역시 저층 관측이 수반되어야 한다. 하지만, 국토 대부분이 산악지형으로 이루어진 우리나라에서는 산악지형에 의한 지형클러터와 빔 차폐의 영향을 피하여 원만한 기상관측을 위해 대부분의 기상레이더가 고지대에 설치, 운영되고 있다. 그럼에도 불구하고 낮은 고도각의 레이더 관측 자료에서는 여전히 지형 클러터 및 차폐에 따른 영향으로 인해 자료 품질의 신뢰성이 떨어질 수 밖에 없다. 현재 클러터나 차폐가 발생한 영역에 대해 상위 고도각의 자료를 이용하는 등의 방법으로 보정을 수행하고 있지만 각 고도각 관측 자료들의 시간적 차이가 발생함에 따라 부정확성이 발생할 수 있다는 단점이 있다. 따라서 본 논문에서는 차폐 영역 보정에 대한 처리를 위해 단일 관측자료 만을 이용하는 방법을 적용함으로서 시간적 불일치성에 대한 문제를 해결하고, 초단기 강수예측을 위한 강수에코의 정확한 추적을 위해 레이더 영상에 적응적인 차폐, 클러터 보정 기법을 제안한다. 제안 기법은 강수에코의 형태학적 구조에 기반한 차폐보정을 위해 영상 처리 기법의 한 종류인 모폴로지 기법을 적용함으로써 강수에코의 모양, 크기, 및 구조에 따라 침식 및 팽창 과정을 수행하여 클러터나 차폐로 인해 소실된 강수에코 영역을 보정한다. 실험결과 레이더 강수추정의 정확성 향상을 꾀할 수 있었으며, 강수 추적을 위한 강수에코의 형태학적 복원이 가능함을 확인하였다. 이로부터, 향후 저층관측 레이더 자료의 활용성 증대와 에코 형태에 기반한 강수 추적 알고리즘 개발 및 성능 향상에 활용될 수 있을 것으로 기대한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.401-401
• /
• 2011

본 연구는 Bayesian MCMC(Markov Chain Monte Carlo)를 이용한 비정상성 빈도해석 모형에 외부기상인자를 결합하여 계절단위의 강수량을 예측하는데 목적을 두고 있으며, 그 중에서도 홍수 위험도와 관련하여 유용하게 이용될 수 있는 여름강수량을 예측 대상으로 하였다. 비정상성 빈도해석 모형을 기반으로 외부 기상인자에 의한 변동성을 고려하기 위해서는 대상 수문량을 한정할 필요가 있으며 극대치강수량과 연관성이 높은 장마전선, 태풍 등의 기상인자는 공간적 변동성 및 복합적인 특성들로 인해 예측인자를 구성하는 기상인자로 사용하기에는 무리가 있다. 따라서 본 연구에서는 계절단위의 수문량으로 여름강수량을 대상으로 하였으며, 이에 영향을 미치는 외부 기상인자로서 SST(sea surface temperature)와 OLR(outgoing longwave radiation)을 도입하였으며, 낙동강유역 여름강수량과의 공간 상관성이 높은 지역의 이전 겨울 SST와 6월 OLR을 예측인자로 활용한 7~9월 여름강수량 예측모형을 구성하였다. 모형의 검증은 결과를 알고 있는 2010년 여름 강수량을 대상으로 수행하였으며, 모형의 적용은 현재시점에서 관측된 2010년 겨울 SST와, 과거 관측 자료를 토대로 가정된 2011년 6월 OLR을 이용하여 2011년 여름 강수량을 예측하였다. 결과적으로 모형 매개변수들의 사후분포로부터 불확실성 구간을 포함한 예측결과를 구할 수 있었다.

• 한국농림기상학회지
• /
• 제23권4호
• /
• pp.415-423
• /
• 2021

NCAM-LAMP 중기예측 자료의 통계적 후처리와 개선을 위하여 R 기반의 지점 시계열 자료 검증 체계를 구축하였다. 이 시계열 검증체계를 이용하여 기상청 AWS 관측 자료와 NCAM-LAMP, KMA GDAPS 중기예측 모델 자료를 비교하였다. 이를 위해 관측 지점에 가장 근접한 모델 위도 및 경도 자료를 추출하여 총 9개 지점을 선정하였다. 각 지점에 대해 NCAM-LAMP, GDAPS 모델의 기온, 강수량, 풍속 일평균 예측 자료를 관측과 비교한 결과, 모델들은 풍속의 과대예측 경향을 뚜렷이 보였으며, 기온과 강수의 경우에는 두 모델의 예측력이 월별 및 변수별로 다르게 나타났다. 이를 바탕으로 본 연구에서는 통계적 기법을 개발하여 NCAM-LAMP가 가지고 있는 오차를 줄이고자 하였다. 모델 오차를 줄이기 위해 일반적으로 쓰이는 MOS(Model Output Statistics)기법 중에 인공지능 SVM(Support vector machine) 방식을 8~10월 기간에 적용한 결과, 8월에 비해서 10월이, 기온 변수에 비해서 바람과 강수 변수가 개선된 효과를 보여주었다. 이러한 결과는 풍속의 과대예측을 줄이고, 농림 가뭄지수와 산사태 예측 등을 개선시키며, 지역 수치예보 모델이 시간 적분됨에 따라 영역 내 예측가능성이 점점 저하되는 현상을 완화시키는데 SVM 방법이 일정 부분 기여할 수 있음을 가리키며, 현업 표출 중인 NCAM Agro-Meteogram 개선에도 도움을 줄 것으로 기대된다.

• 한국재난정보학회 논문집
• /
• 제16권2호
• /
• pp.223-236
• /
• 2020

연구목적: 본 연구에서는 재난관리(예방-대비-대응-복구) 중 대비차원으로 활용하고자 강풍피해예측함수를 개발하였다. 연구방법: 본 연구에서 제안하는 강풍피해예측함수는 재해연보이력, 피해당시 기상자료 그리고 지역특성을 고려하였다. 기상자료는 기상청에서 관측한 풍속과 기온, 피해이력에 해당하는 통계자료는 재해연보, 그리고 지역특성을 반영하기 위한 요소로는 재해연보 상 수록된 복구비, 인구, 비닐하우스 면적, 농가수 등을 활용하였다. 연구결과: 본 연구에서 개발한 함수식은 과거에 발생한 강풍피해이력을 기반으로 예측되는 기상인자와 지역특성을 반영하였으며, 단시간에 피해규모를 예측할 수 있다. 결론: 본 연구에서 개발한 강풍피해예측함수는 정책결정자들의 의사결정, 비상인력 및 방재자원의 배치 등과 같은 효율적인 재난관리에 활용할 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.131-131
• /
• 2022

기후변화의 영향으로 극치강우의 변동성이 커지고 있으며 계획빈도를 초과하는 폭우로 피해가 증가하고 있다. 기존의 물리기반의 홍수예측모델은 개념적 및 구조적 제약과 함께 다양한 유역조건 및 수문기상 조건에 기인한 강우-유출 관계의 불확실성을 고려하는 데 한계가 있다. 특히 한정된 홍수 사상을 통해 구축된 관측 자료로 인해 새로운 홍수 사상 예측 능력이 저조할 수밖에 없다. 따라서 기존 물리모형 기반의 홍수예측과 함께, 딥러닝(deep learning) 모형을 고려한 홍수예측 모델 개발과 개선이 필요하다. 본 연구에서는 다양한 분야에서 활용되는 인공지능(artificial intelligence, AI) 기술을 종합적으로 검토하고, 홍수 예측 측면에서의 활용 가능성 및 신뢰성을 고려하여 AI 기법을 채택하였다. 한강수계에 존재하는 댐 중 일부를 선정하여 대상 댐의 수문·기상학적 자료를 전처리한 후, 인공지능 기반의 홍수예측모형을 구축 및 최적화하였다. 다양한 예측인자와 모델 구성으로 홍수예측력에 대한 평가를 다각적으로 수행함으로써 홍수예측모델의 신뢰성을 제고하였다. 전반적으로 우수한 결과를 도출하였고, 유역면적이 작을수록 결과가 좋았다. 이는 넓은 유역일수록 복잡한 강우-유출 과정이 내재되어 있기 때문으로 판단되며, 넓은 유역에는 본 연구에서 활용한 자료에 추가적인 자료를 도입하여 모형 개선이 이루어져야 할 것으로 판단하였다. 수문 예측 연구에 통계모형이나 기계학습모형의 적용은 많이 있었지만, 딥러닝 기법 활용은 새로운 시도라는 점에서 의미가 있다.

• 한국방재학회:학술대회논문집
• /
• 한국방재학회 2008년도 정기총회 및 학술발표대회
• /
• pp.727-730
• /
• 2008

최근 연구에 의하면 기상 등의 외부적 요인이 수문학적 빈도를 변화시킨다고 알려지고 있다. 그러나 전통적인 수문학적 빈도해석은 자료의 정상성을 전제로 하기 때문에 어떤 외부인자의 따른 영향을 고려할 수 없다. 본 연구에서는 비정상성 빈도해석 모형의 기본 개념 및 절차에 대해서 살펴보았고 이를 국내 자료에 대해서 적용 검토하였다. 본 연구에서는 계층적 Bayesian 방법을 이용하여 한국에서 극치사상의 영향을 미치는 다양한 영향 인자를 평가하였다. 해수면온도, 예측 GCM 강수량 및 기상인자를 잠재적인 영향인자로 고려하였다. 수문위험도 분석에 관련된 매개변수는 Markov Chain Monte Carlo (MCMC) 방법을 이용하였다. 각 예측 인자의 적합성 및 중요성은 각 예측인자와 관련된 매개변수의 사후분포를 이용하여 검토 평가하였다.

• 대기
• /
• 제31권2호
• /
• pp.229-240
• /
• 2021

본 연구에서는 기상청에서 2018년부터 운영 중인 전지구 해양자료동화시스템 GODAPS에 대하여 소개하였으며, 2015년 2월부터 2016년 1월까지 일년간의 실험 수행을 통한 결과를 분석하여 이 시스템의 특성을 살펴보았다. GODAPS는 크게 해양-해빙 모델과 3차원 변분법 기반의 자료동화 시스템으로 구성되어 있고, 전지구적으로 수집된 현장 및 위성 관측자료를 자료동화하여 매일 1회 분석장과 예측장을 생산한다. 이때 해수면온도, 수온과 염분 프로파일, 해수면고도 변이, 그리고 해빙농도 관측자료를 자료동화한다. 분석증분 및 배경장/분석장으로부터의 관측증분에 대한 분석, 자료동화를 적용하지 않은 실험과의 비교 등을 통해 GODAPS 자료동화 결과를 비교검증하였다. 자료동화는 관측자료들을 효과적으로 활용하고 있었으며, 전지구 규모에서 편차를 줄인 분석장과 예측장을 생산하고 있는 것으로 나타났다. 이외에도, 변동성이 강한 중위도 해역의 쿠로시오와 걸프만 해류의 중규모 현상을 재현하는데 있어서도 결정적인 영향을 미치는 것으로 확인하였다. 해양초기장을 향상시키기 위해서는 모델과 자료동화 기술의 개발과 더불어, 다양한 관측자료를 활용하는 것이 중요하다. 하지만, 현업에서 활용할 수 있는 해양관측자료는 한계가 있으며, 따라서 가용한 자료를 자료동화 과정에 포함시키는 노력이 요구된다. 수온에 비해 염분의 경우 상대적으로 관측자료가 부족한데, 최근에는 SMAP (Soil Moisture Active Passive) 등 인공위성을 활용한 표층 염분자료가 제공되고 있으며, 기상청에서도 자료동화 과정에 독립적인 위성 염분자료를 활용한 분석장 검증 및 자료동화에 직접적용하는 연구를 추진하고 있다. 특히, 표층 염분의 자료동화를 통해 열대해역의 혼합층 깊이가 개선되고, 결과적으로 기후예측성을 향상시키는 연구결과(Hackert et al., 2020) 등을 고려할 때, 향후 위성관측 표층염분의 자료동화는 기후예측 분야에 있어서 점차 중요해질 것으로 판단된다. 본 연구의 실험결과에서도 GODAPS의 염분 관측증분 오차가 표층에서 상대적으로 크게 나타나고 있어, 해양초기장의 정확성을 높이고 나아가 기후예측성을 높이는데 위성 염분자료가 효과적으로 사용될 수 있을 것으로 기대된다.