• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.441-441
• /
• 2022

국내외적으로 정확한 수문기상 현상의 관측에 대한 수요가 증가하고 있다. 이를 위하여 기존의 재래식 관측장비의 한계성을 극복하고자 첨단장비가 활발하게 도입되고 있다. 우리나라는 관악산 기상레이더를 시작으로 하천 및 도심지의 돌발홍수 정보를 제공하고자 강우레이더 신설을 진행하고 있다. 본 연구에서는 하천유역조사 사업에서 티센다각형법을 이용하여 유역단위 면적평균강수량을 산정하는 경우 영동권역과 같이 지상관측소 밀집도 부족으로 인하여 발생하는 강수량의 공간적 편차를 정량적으로 검토하고자 전국 하천유역에 대하여 1.5km Constant Altitude PPI(CAPPI) 합성장의 레이더 강수량을 활용한 유역단위 면적평균강수량을 산정하고 지상 강수량과 통계적 적합도(goodness of fit)를 평가하였다. 지상 강수량을 활용한 유역단위 면적평균강수량과 레이더 강수량은 높은 상관성을 나타내었으나 관측기법의 특성으로 발생하는 정량적 편의(bias) 보정의 필요성을 확인하였다. 시공간적으로 고해상도의 레이더 강수정보를 활용하기 위하여 활용 목적에 적합한 레이더 강수량 보정기법의 개발이 필요할 것으로 사료된다. 또한, 대용량 레이더 자료를 안정적으로 처리할 수 있는 플랫폼 및 레이더 강수량 품질관리 체계 구축을 통하여 수문조사 및 수문해석 지원이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.306-306
• /
• 2011

대상유역의 합리적인 홍수량 산정을 위해서는 풍부한 홍수자료를 바탕으로 직접적인 빈도해석을 적용하는 것이 가장 적정한 방법으로 알려져 있다. 하지만 국내의 대부분 유역은 관측된 홍수 자료가 제한적이고, 미계측 유역이므로 빈도해석을 통한 홍수량의 산정은 현실적으로 불가능한 실정이다. 이에 국내에서는 홍수량 산정에 대한 대안으로 강우-유출관계의 선형성을 가정한 집중형 강우-유출모형을 적용하고 있다. 하지만 집중형 강우-유출모형은 경험적인 공식에 의해 결정되는 수문매개변수의 비합리성 및 유역분할, 유역 하도추적의 구축방식에 따라 상이한 홍수량이 산정되는 문제점이 지적되고 있다. 따라서 최근에는 경험적이고 개념적인 집중형 유출모형을 지양하고, 격자체계를 기반으로 하고 있는 분포형 강우-유출모형의 연구가 활발히 진행되고 있는 상황이다. 본 연구의 목적은 남강 유역에서의 분포형 강우-유출모형 적용성 검증에 있다. 따라서 남강 유역 내에 발생한 4개의 호우사상을 선정한 후 강우 레이더 영상인 CAPPI영상 및 C-Max영상을 이용하여 면적강우량을 산정하였다. C-Max 영상을 이용하여 산정된 면적강우량은 지점강우를 이용한 면적강우량과 비교해 130%이상 과대 산정되는 경향을 나타낸 반면, CAPPI 영상을 이용하여 산정된 면적강우량은 10%이하의 오차를 나타내었다. 따라서 본 연구에서는 CAPPI 영상을 분포형 유출 모형인 VfloTM에 입력하여 유출을 모의 하였다. 모의된 유출곡선과 관측된 유출곡선을 비교 검토한 결과 80%이상의 높은 상관성을 나타낸 반면 첨두유출량 오차는 30%이상의 오차를 나타내었다. 하지만 강우보정기법인 G/R보정 기법을 적용한 후에는 첨두유출량 오차가 10%미만으로 감소하는 것으로 나타났다. 따라서 남강 유역에 분포형 유출모형을 적용하기 위해서는 다양한 강우 사상에 대한 지속적인 연구가 수행되어야 할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.187-187
• /
• 2021

최근 기후 변화로 인한 한반도의 극한 홍수 및 가뭄의 발생 빈도가 급증하고 있다. 이와 같은 이상 기후의 발생으로 연간 강수량의 편차가 더 커지면서 장래 물 부족 문제가 더욱 심화될 전망이다. 따라서 본 연구에서는 한강 유역의 수문 모형 구축을 통해 미래 물수지 변화를 정량적으로 예측함으로써 기후 변화가 한강 유역의 수문순환요소와 수자원에 미치는 영향을 분석하고 평가하였다. 레이더 강우 시계열 자료의 활용을 위하여 격자 단위로 분석이 가능한 분포형 수문 모형 VIC (Variable Infiltration Capacity)을 사용하였고 모형 구축에는 레이더 강우와 종관기상관측소의 강우 자료에 조건부 합성 기법(Conditional Merging, CM)을 적용하여 보정된 강우 자료를 사용하였다. 제공되는 VIC의 토양, 식생 변수는 공간 해상도가 너무 낮고 유역 내에서도 공간적인 변동성이 크지 않아 침투에 관련된 매개변수를 토지 피복과 연관 지어 격자마다 적정한 매개변수를 회귀 분석하여 새로 산정하였다. 먼저 보정 기간 6년(2009-2014)에 대해 보정을 하고 이후 검증 기간 6년(2014-2019)에 대해 검증을 진행하였다. 보정, 검증 기간에 대한 NSE 값은 각각 0.968, 0.569로 양호한 결과를 보여주었다. 구축된 수문 모형에 기후 변화를 고려하기 위해 GCM 기반의 CMIP6 미래기상자료를 입력해서 미래의 물 수지와 수문순환요소의 변화를 모의하였고 모의 결과, 미래 기간에는 강수의 편차가 더욱 심화되면서 가뭄이 더 빈번하게 발생하는 경향을 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.39-39
• /
• 2021

기상재해를 극소화하기 위해서는 그 원인이 되는 기상현상의 규모와 거동을 명확히 감시하고 분석하여 신뢰성 있는 예측정보가 제공되어야 한다. 최근 위험기상 발생빈도가 증가하여 초단기 및 위험기상 예보의 정확도 향상을 위한 고품질 레이더 정보 활용 연구가 활발하게 진행되고 있다. 레이더는 전자파를 이용하여 강우의 양과 분포, 이동특성을 관측하는 장비로써 우리나라는 초단기적 위험기상 대응능력 향상을 추진하기 위한 목적으로 첨단 성능의 이중편파레이더 관측망을 구축하고 있다. 국내 기상관측용 레이더는 기상예보(기상청), 홍수예보(환경부), 군 작전 기상지원(국방부) 등으로 각 기관이 개별적으로 설치운영 하고 있다. 본 연구에서는 관계부처에서 운영하고 있는 레이더의 합성장을 이용하여 강수장의 상관성을 기반으로 이류(advection) 특성을 도출하였다. 정확도 있는 이류특성을 도출하기 위하여 시간해상도는 10분을 적용하였으며 가우시안 필터링 기법을 적용하여 강수장 상관분석을 수행하였다. 호우와 태풍을 대상으로 강수장의 이류패턴을 추출하여 강수장의 이동방향 및 속도를 고려한 강수량 예측기법의 적용성을 평가하였다. 본 연구 결과는 격자형 강수예측정보를 제공하여 AI 홍수예보 및 수치예보 모델의 초기조건 입력 등에 활용되어 기후변동성에 따른 대국민 안전 실현을 확보하는데 기후변화 대응전략의 핵심기술로 활용될 수 있을 것으로 판단된다. 덧붙어, 4차 산업혁명에 따른 수문기상 빅 데이터(big data) 통합 플랫폼을 구축하여 고해상도 홍수대응 기술 및 GIS 및 모바일 시스템을 연계한 실시간 기후재해 예·경보가 가능할 것으로 사료된다.

• Journal of Korea Water Resources Association
• /
• v.54 no.5
• /
• pp.301-309
• /
• 2021

In this study, we tried to improve the performance of the existing U-net-based deep learning rainfall prediction model, which can weaken the meaning of time series order. For this, ConvLSTM2D U-Net structure model considering temporal consistency of data was applied, and we evaluated accuracy of the ConvLSTM2D U-Net model using a RainNet model and an extrapolation-based advection model. In addition, we tried to improve the uncertainty in the model training process by performing learning not only with a single model but also with 10 ensemble models. The trained neural network rainfall prediction model was optimized to generate 10-minute advance prediction data using four consecutive data of the past 30 minutes from the present. The results of deep learning rainfall prediction models are difficult to identify schematically distinct differences, but with ConvLSTM2D U-Net, the magnitude of the prediction error is the smallest and the location of rainfall is relatively accurate. In particular, the ensemble ConvLSTM2D U-Net showed high CSI, low MAE, and a narrow error range, and predicted rainfall more accurately and stable prediction performance than other models. However, the prediction performance for a specific point was very low compared to the prediction performance for the entire area, and the deep learning rainfall prediction model also had limitations. Through this study, it was confirmed that the ConvLSTM2D U-Net neural network structure to account for the change of time could increase the prediction accuracy, but there is still a limitation of the convolution deep neural network model due to spatial smoothing in the strong rainfall region or detailed rainfall prediction.

• Journal of the Korean earth science society
• /
• v.39 no.2
• /
• pp.131-138
• /
• 2018

The purpose of this study is to improve the quantitative precipitation estimation method based on satellite brightness temperature. The non-linear equation for rainfall estimation is improved by analysing precipitation cases around the Korean peninsula in summer. Radar reflectivity is adopted the CAPPI 1.5 and CMAX composite fields that provided by the Korea Meteorological Agency (KMA). In addition, the satellite data are used infrared, water vapor and visible channel measured from meteorological imager sensor mounted on the Chollian satellite. The improved algorithm is compared with the results of the A-E method and CRR analytic function. POD, FAR and CSI are 0.67, 0.76 and 0.21, respectively. The MAE and RMSE are 2.49 and 6.18 mm/h. As the quantitative error was reduced in comparison to A-E and qualitative accuracy increased in compare with CRR, the disadvantage of both algorithms are complemented. The method of estimating precipitation through a relational expression can be used for short-term forecasting because of allowing precipitation estimation in a short time without going through complicated algorithms.

• Journal of Korea Water Resources Association
• /
• v.55 no.9
• /
• pp.679-686
• /
• 2022

As the occurrences of flash floods have increased due to climate change, faster and more accurate precipitation observation using X-band radar has become important. Therefore, the Ministry of Environment installed two dual-pol X-band radars at Samcheok and Uljin. The radar data used in this study were obtained from two different elevation angles and composed to reduce the shielding effect. To obtain quantitative rainfall, quality control (QC), K_DP retrieval, and Hybrid Surface Rainfall (HSR) methods were sequentially applied. To improve the accuracy of the quantitative precipitation estimation (QPE) of the X-band radar, we retrieved parameters for the relationship between rainfall rate and specific differential phase, which is commonly called the R-K_DP relationship; hence, an empirical approach was developed using multiple rain gauges for those two radars. The newly suggested relationship, R = 27.4K^0.81_DP, slightly increased the correlation coefficient by 1% more than the relationship suggested by the previous study. The root mean square error significantly decreased from 3.88 mm/hr to 3.68 mm/hr, and the bias of the estimated precipitation also decreased from -1.72 mm/hr to -0.92 mm/hr for overall cases, showing the improvement of the new method.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1136-1140
• /
• 2009

지상강우 관측망을 이용한 강우량 측정의 대안으로서 사용되는 기상 레이더를 활용한 강우량 추정의 경우, Z-R 방정식을 이용하여 반사도를 강우량으로 환산하는 방법을 일반적으로 사용한다. 이때 발생하는 각종 오차는 레이더 장비가 가지는 기계적인 오차뿐만 아니라 Z-R 방정식이 가지는 오차 등이 있으며, 이를 보정하기 위해서 레이더를 활용하여 추정된 강우량에 지상강우량계와 레이더강우량과의 비율인 G/R비를 보정하는 방법을 일반적으로 사용한다. 본 연구에서는 이와 같이 레이더 강우량을 보정하기 위해서 사용되는 G/R비를 산정하는데 미치는 지형적인 효과를 고려하기 위해서 광덕산 레이더 유효범위 100km 내(군사분계선 이북 미포함)의 지역에 대하여 군집분석을 실시하여 크게 산악지역과 평야지역으로 구분하고, 각각 구분된 지역에 대하여 G/R 비를 산정하여 초기추정 레이더 강우량에 곱하는 mean-field bias 보정을 실시하였다. 광덕산 레이더 기상관측소의 유효범위 100km 내의 2007년, 2008년 홍수기(6/21${\sim}$9/20)기간 동안 94개 Automatic Weather Station(AWS)지점에 대하여 크게 산악지역과 평야지역으로 지역화 시키는 방법은 비계층적 군집분석 기법 중 fuzzy-c mean 방법을 적용하였다. 또한 광덕산 레이더 반사도 기본 자료는 차폐영역으로 생기는 반사도 데이터 누락을 보완하기 위하여 0도와 1.5도 sweep 합성 10분단위 uf 자료를 사용하였으며, AWS와 보정이 이루어지는 레이더 격자의 크기는 최대 4km${\times}$4km로 선정하였다. 본 연구에 있어서 검증방법은 지역을 구분하기 전과 후를 AWS 실측 관측값과 절대상대오차, 평균제곱근 오차로써 비교하였다.

• Korean Journal of Remote Sensing
• /
• v.37 no.5_3
• /
• pp.1405-1423
• /
• 2021

Precipitation is one of the main factors that affect water and energy cycles, and its estimation plays a very important role in securing water resources and timely responding to water disasters. Satellite-based quantitative precipitation estimation (QPE) has the advantage of covering large areas at high spatiotemporal resolution. In this study, machine learning-based rainfall intensity models were developed using Himawari-8 Advanced Himawari Imager (AHI) water vapor channel (6.7 ㎛), infrared channel (10.8 ㎛), and weather radar Column Max (CMAX) composite data based on random forest (RF). The target variables were weather radar reflectivity (dBZ) and rainfall intensity (mm/hr) converted by the Z-R relationship. The results showed that the model which learned CMAX reflectivity produced the Critical Success Index (CSI) of 0.34 and the Mean-Absolute-Error (MAE) of 4.82 mm/hr. When compared to the GeoKompsat-2 and Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) rainfall intensity products, the accuracies improved by 21.73% and 10.81% for CSI, and 31.33% and 23.49% for MAE, respectively. The spatial distribution of the estimated rainfall intensity was much more similar to the radar data than the existing products.

• Journal of Korea Water Resources Association
• /
• v.45 no.7
• /
• pp.729-741
• /
• 2012

Among the methods of precipitation data acquisition, a rain gauge station has a distinctive advantage of direct measurement of rainfall itself, but multiple stations should be installed in order to obtain areal precipitation data required for hydrological analysis. On the other hand, a rainfall radar may provide areal distribution of rainfall in real time though it is an indirect measurement of radar echoes on rain drops. Rainfall radars have been shown useful especially for forecasting short-term localized torrential storms that may cause catastrophic flash floods. CAPPI (Constant Altitude Plan Position Indicator), which is one of the several types of radar rainfall image data, has been provided on the Internet in real time by Korea Meteorological Administration (KMA). It is one of the most widely available rainfall data in Korea with fairly high level of confidence as it is produced with bias adjustment and quality control procedures by KMA. The objective of this study is to develop an improved way to extract quantitative rainfall data applicable to even very small watersheds from CAPPI using CIVCOM, which is a new image processing method based on a vector-based scheme proposed in this study rather than raster-based schemes proposed by other researchers. This study shows usefulness of CIVCOM through comparison of rainfall data produced by image processing methods including traditional raster-based schemes and a newly proposed vector-based one.