• Water for future
• /
• v.29 no.3
• /
• pp.187-195
• /
• 1996

In this study, a methodology for the hourly prediction of rainfall surfaces was applied to the Pyungchang river basin at the upstream of South Han river with meteorological radar and ground rainfall data. The methods for the exclusion of abnormal echoes, and suppression of ground clutter, and the augmentation of attenuation effects associated with rainfall phenomena were reviewed, and the relationship between radar reflectivity (Z) and rainfall rate (R) was analyzed. The transformation of augmented radar reflectivities into the rdar rainfall surfaces was carried out, and afterward they were synthesized with the ground rainfall data generating the hourly rainfall surfaces. For the prediction of hourly rainfall surface, the moving factors of rainfall field estimated by the cross correlation coefficient method and the temporal variation of radar rainfall intensities were considered. The synthesized hourly rainfall surfaces were used to predict the hourly rainfall surfaces up to 3 hours in advance and subsequently the results were compared with the measured and the synthesized. It seems that the prediction method need to be verified with more data and be complemented further to consider the physical characteristics of rainfall field and the topography of the basin.

• Journal of Korean Society for Geospatial Information Science
• /
• v.18 no.3
• /
• pp.37-48
• /
• 2010

The purpose of this paper is to evaluate how the rainfall field effect on a runoff simulation using grid radar rainfall data and ground gauge rainfall. The Gwangdeoksan radar and ground-gauge rainfall data were used to estimate a spatial rainfall field, and a hydrologic model was used to evaluate whether the rainfall fields created by each method reproduced a realistically valid spatial and temporal distribution. Pilot basin in this paper was the Naerin stream located in Inje-gun, Gangwondo, 250m grid scale digital elevation data, land cover maps, and soil maps were used to estimate geological parameters for the hydrologic model. For the rainfall input data, quantitative precipitation estimation(QPE), adjusted radar rainfall, and gauge rainfall was used, and then compared with the observed runoff by inputting it into a $Vflo^{TM}$ model. As a result of the simulation, the quantitative precipitation estimation and the ground rainfall were underestimated when compared to the observed runoff, while the adjusted radar rainfall showed a similar runoff simulation with the actual observed runoff. From these results, we suggested that when weather radars and ground rainfall data are combined, they have a greater hydrological usability as input data for a hydrological model than when just radar rainfall or ground rainfall is used separately.

• Journal of Korea Water Resources Association
• /
• v.41 no.7
• /
• pp.681-692
• /
• 2008

This study investigated the application of the successive correction method(SCM), a simple data assimilation method, for synthesizing the radar and rain gauge data. First, the number of iteration and influence radius for the SCM application were decided based on their sensitivity analysis. Also, for the evaluation of synthetic rainfall, the distributed rainfall field using the dense rainfall gauge network was assumed to be the true one. The synthetic rainfall field based on the SCM was also compared quantitatively with the one based on the co-Kriging frequently used nowadays. As the results, the SCM, a simple and economical data assimilation method, was found to secure the accuracy and statistical characteristics of the co-Kriging application.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• Journal of Korea Water Resources Association
• /
• v.54 no.7
• /
• pp.453-462
• /
• 2021

As the frequency of localized heavy rainfall has increased during recent years, the importance of high-resolution radar data has also increased. This study aims to correct the bias of Dual Polarization radar that still has a spatial and temporal bias. In many studies, various statistical techniques have been attempted to correct the bias of radar rainfall. In this study, the bias correction of the S-band Dual Polarization radar used in flood forecasting of ME was implemented by a Convolutional Autoencoder (CAE) algorithm, which is a type of Convolutional Neural Network (CNN). The CAE model was trained based on radar data sets that have a 10-min temporal resolution for the July 2017 flood event in Cheongju. The results showed that the newly developed CAE model provided improved simulation results in time and space by reducing the bias of raw radar rainfall. Therefore, the CAE model, which learns the spatial relationship between each adjacent grid, can be used for real-time updates of grid-based climate data generated by radar and satellites.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.185-185
• /
• 2021

기후변화로 인한 돌발 강우 등 이상 기후 현상이 증가함에 따라 정확한 강우예측의 중요성은 더 증가하는 추세이다. 전통적인 강우예측의 경우 기상수치모델 또는 외삽법을 이용한 레이더 기반 강우예측 기법을 이용하며, 최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 개발되고 있다. 기존 머신러닝을 이용한 강우예측 모델의 경우 주로 시계열 이미지 예측에 적합한 2차원 순환 신경망 기반 기법(Convolutional Long Short-Term Memory, ConvLSTM) 또는 합성곱 신경망 기반 기법(Convolutional Neural Network(CNN) Encoder-Decoder) 등을 이용한다. 본 연구에서는 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용해 미래 강우예측을 수행하도록 하였다. GAN 방법론은 이미지를 생성하는 생성자와 이를 실제 이미지와 구분하는 구별자가 경쟁하며 학습되어 현재 이미지 생성 분야에서 높은 성능을 보여주고 있다. 본 연구에서 개발한 GAN 기반 모델은 기상청에서 제공된 2016년~2019년까지의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시키고, 2020년 레이더 이미지 자료를 이용해 단기강우예측을 모의하였다. 또한, 기존 머신러닝 기법을 기반으로 한 모델들의 강우예측결과와 GAN 기반 모델의 강우예측결과를 비교분석한 결과, 본 연구를 통해 개발한 강우예측모델이 단기강우예측에 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.163-163
• /
• 2017

설계홍수량은 수공구조물의 규모를 결정하는데 이용되며, 국내에서는 설계홍수량을 산정하기 위하여 지속시간과 재현기간에 따라 면적강우량을 추정한다. 지점강우량은 제한된 지역을 대표하는 값이므로 지점강우량을 기준면적에 대한 면적강우량으로 환산하기 위하여 면적우량환산계수(ARF, Areal Reduction Factor)를 적용한다. ARF를 산정하는 방법은 과거 관측자료를 활용하여 산정하는 경험적 방법(empirical method)이 주를 이루고 있으며, 경험적 방법은 크게 면적고정형(Fixedarea) 방법과 호우중심형(Storm-centered) 방법으로 분류된다. 면적고정형 방법은 국내 하천설계 기준에서 적용하고 있는 방법으로 면적강우 및 지점강우의 연 최대치를 독립적으로 빈도 해석하여 ARF를 산정하므로 실제 강우사상으로부터 산정된 값과 편차를 보인다. 반면 호우중심형 방법은 각각의 강우사상을 분석 대상 유역 중심에 공간 전이시켜 최대 강우량이 발생하도록 하는 방법으로, 레이더 강우를 활용하면 실제 강우사상의 공간분포 특성을 반영한 현실적인 ARF 산정이 가능하다. 본 연구에서는 국내 기상청에서 제공하는 홍수기(6-9월)의 10분 단위 단일편파 전국합성 레이더 자료를 활용하여 지속시간 1, 3, 6, 12, 24시간에 대한 호우중심형 ARF를 산정하였고, 면적강우 산정 시, 강우사상의 면적을 원형 또는 타원형으로 선정하여 강우의 형상 및 방향성을 고려하였다. 또한 레이더 강우의 중심강우를 지상강우 자료로 산정된 확률강우량 기준으로 분류하여 재현기간별 호우중심형 ARF를 산정하였으며, 이를 통해 기준면적, 지속시간, 재현기간에 따른 ARF의 특성을 분석하고자 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.390-390
• /
• 2011

본 연구는 기초기술연구회의 위성정보 활용 지원 운영사업(과제명: 위성영상을 이용한 하천정보 생산 및 활용에 관한 연구)의 연구비 지원에 의해 수행되었습니다. 지난 2010년 6월 발사된 천리안 위성이 약 9개월간의 정지궤도 시험운행을 마치고 본격적으로 위성자료 서비스를 시작함에 따라 한반도 악기상 관측 및 예측 정확도 향상에 기여할 것으로 예상된다. 최근 기후분야 외에도 수자원, 방재, 농업, 해양 등 다양한 응용분야에서 기상위성을 활용하고자 하는 연구가 수행되고 있으며 자료제공 시간의 단축과 기상자료 산출물의 제공으로 천리안 위성은 향후 광범위하게 활용 될 것으로 예상된다. 본 연구는 천리안 위성의 수자원 분야 활용을 위한 기반연구로 천리안 위성과 동일한 채널 특성을 보유한 MTSAT-1R 기상위성을 이용하여 면적강우량을 추정하고 이를 지상관측소를 이용하는 강우보정기법에 적용하며 강우산정 결과를 레이더 및 티센, 크리깅 등과 비교하였다. 강우추정은 NOAA NESDIS의 Power-law 공식을 이용하였으며 지상관측소를 이용한 강우보정은 조건부 합성기법을 적용하였다. 연구대상 유역은 충주댐 유역과 충주댐 유역 상류에 위치한 영월수위표 지점 상류유역을 대상으로 하였으며 레이더 차폐에 따른 레이더 강우량의 감쇄 효과를 분석하고 지형적 특성에 영향 받지 않는 기상위성을 이용한 강우량 산정 기법의 활용성을 제시하였다. 연구결과 레이더 차폐에 영향 받지 않는 영월 수위표 상류유역의 경우 레이더를 이용한 강우량 산정결과와 기상위성을 이용한 결과가 큰 차이가 없으나 전체 유역면적의 절반 정도가 레이더 차폐 지역에 포함되는 충주댐 유역의 경우 레이더를 이용할 경우 20%~35% 가량 강우량이 과소 추정되는 것으로 나타났다. 본 연구를 토대로 산악지형에 의해 레이더 차폐가 발생되는 유역에 대해 기상위성의 활용을 기대할 수 있을 것으로 판단되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.221-221
• /
• 2016

최근 레이더를 이용한 정량적 강수추정과 관련된 연구가 활발히 수행되고 있으며, 우량계와 레이더 자료의 합성과 관련된 연구가 수행되고 있다. 이는 정도 높은 우량계 자료의 장점과 강우의 공간분포를 파악할 수 있는 레이더 자료의 장점을 결합하여 고품질의 자료를 생산할 수 있기 때문이다. 자료합성과 관련된 다양한 기법이 도입되었고, 크리깅의 한 종류인 코크리깅이 널리 사용되고 있다. 크리깅은 값을 알고 있는 지점의 자료를 가중선형 조합하여 미지점의 값을 예측하는 경험적 방법으로 연속적이며 정규분포를 따르는 자료에 대해 유효하다. 그러나 강우자료는 강한 양의 왜곡도를 나타나고 간헐성도 강하게 나타나 크리깅의 이러한 조건을 만족시키지 못한다. 이로 인해 강우 자료에 크리깅을 수행할 경우 예측 값이 왜곡되거나 편향될 가능성이 크다. 이에 본 연구에서는 강우의 간헐성과 정규분포를 따르지 않는 특성을 고려하여 단순크리깅의 적용방법을 개선하였다. 단순크리깅은 가장 간단한 크리깅 기법으로 설명이 쉽고 적용사례를 비교하기 유리하여 이를 개선하면 다른 복잡한 크리깅 기법에도 쉽게 적용이 가능한 이점이 있다. 본 연구에서는 모의 자료와 레이더 강우 자료를 이용하여 단순크리깅을 수행하였고, 그 결과를 비교하여 자료의 간헐성과 비정규적 특성이 예측 값에 미치는 영향을 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.276-276
• /
• 2021

최근 댐과 같은 수공구조물의 건설로 대규모 홍수피해는 급격히 줄어들었지만, 돌발홍수(flash flood)로 인한 저지대 침수 등의 도시홍수 발생빈도가 급증하고 있다. 2020년에는 최장의 장마가 관측되었으며, 전국적으로 홍수로 인한 침수피해가 발생하였다. 홍수에 선제적으로 대응하기 위해서 신뢰성 있는 홍수예·경보가 필요하며, 이를 위해서는 신속하고 정확성있는 강우예측이 선행되어야 한다. 이에 본 연구에서는 초단기 강우예측을 목적으로 둔 레이더 기반의 강우앙상블 예측모형을 개발하였다. 라그랑지안 지속성(Lagrangian persistence)을 기반으로 개발하였으며, 강우장의 이동 패턴은 이류특성을 활용해 추정하였다. 즉, 강우장의 예측정확도를 향상시키기 위해 공간적 규모별 캐스캐이드(cascade) 방법으로 분리해 이동 경로를 추정하였다. 예측시간에 따른 강우량은 각 캐스캐이드에 자기회귀모형을 적용하였다. 레이더 강우량은 2016-2020년 사이에 발생한 강우사상에 대한 환경부 홍수통제소에서 제공한 레이더 합성장을 이용하였다. 예측강우량에 대한 평가는 RMSE, Pearson's Correlation, FSS 등 통계치를 통해 수행하였다. 본 연구에서 소개된 강우예측 모형은 초단기 홍수예측에 정확도 높은 강우 정보를 제공할 수 있으며, 이에 따라 홍수피해를 저감하는데 도움이 될 것으로 판단된다.