• Journal of Korea Water Resources Association
• /
• v.39 no.4 s.165
• /
• pp.321-334
• /
• 2006

The need for economical and accurate presentations of equivalent radar reflectivity( $Z_e$) data in an orthogonal coordinate system has existed for some time. So, in this study, a fast and efficient procedure has been developed which allows the systematic interpolation of digital reflectivity data from radar space into Cartesian space. At first, QC(Quality Control) of radar data has been executed for extracting uncontaminated Constant Altitude Plan Position Indicator(CAPPI) data. The algorithm is designed so that only one ordered pass through the original Plan Position Indicator(PPI) scan data is necessary to complete the interpolation process. The model can calculate various resolution and altitude reflectivity data for many kinds of hydrological usage.

• Journal of Korea Water Resources Association
• /
• v.49 no.3
• /
• pp.263-273
• /
• 2016

This study applied conditional merging (CM) spatial interpolation technique to obtain the satellite and in-situ composite soil moisture data. For the analysis, 24 gages of hourly in-situ data sets from the Rural Development Administration (RDA) of Korea and the satellite soil moisture data retrieved from Advanced Microwave Scanning Radiometer-Earth observing system (AMSR-E) were used. In order to verify the performance of the CM method, leave-one-out cross validation was used. The cross validation result was spatially interpolated to figure out spatial correlation of the CM method. The results derived from this study are as follow: (1) The CM method produced better soil moisture map over Korean Peninsula than AMSR-E did for the over 100 days out of total 113 days considered for the analysis. (2) The method of CM showed high correlation with gage density and better performance on the western side of Korean peninsula due to high spatial gauge density. (3) The performance of CM is not affected by the non-rainy season unlike to AMSR-E data is. Overall, the result of this study indicates that the CM method can be applied for predicting soil moisture at ungaged locations.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.250-250
• /
• 2017

글로벌 위성 기반의 강수량 관측에 대한 역사는 1979년에 Arkin의 의해 제안된 IR방법에 의해 위성으로부터 강우자료를 유도하는 개념이 도입된 이후 1987년 해양에서의 비교적 정확한 강수량 추정이 가능한 다중 채널의 마이크로파(MW) 복사계를 이용한 방법으로 위성강수 추정에 대한 연구가 활발히 진행되었다. 이후 두 IR과 MW를 혼합한 방법에서, 또다시 1997년 TRMM위성의 PR(Precpipitation Radar)의 레이더를 이용하는 방법, 그리고 2014년 GPM 핵심 위성(GPM Core Observatory)에 탑재된 Dual PR에 의한 방법으로 위성강수의 정확도를 매우 높여가고 있다. 본 연구는 KOICA 사업으로 진행중인 모로코 세부강 유역 홍수방지 마스터플랜 사업에서 모로코 세부강 유역의 2010년 홍수사상에 대한 위성강우 및 지상계측 일일자료를 이용하여 홍수유출량을 추정하는 것으로 목적으로 하고 있다. 모로코 세부강(Oued Sebou) 유역은 모로코의 서북부에 위치하며 유역면적은 한강유역과 유사한 $38,380km^2$이고 하천연장은 450km로 모로코 국토면적의 약 7% 정도를 차지하며 모로코 농업생산의 중심지역이고 유역의 기후 및 기상 특성은 겨울철 온난다습하고 여름에 고온 건조한 지중해성 기후를 나타내며, 연강수량은 400mm이상으로 보고하고 있다(이산 등, 2015). 유역내 49개 관측소의 일일 강우량 자료를 분석한 결과 2000년부터 2010년까지의 유역 산술평균 강수량은 607.1mm/yr로 분석되었고, 2010년 가장 많은 강수를 기록한 지역은 Jbel oudka로 1874.1mm/yr였고, 가장 적은 강수량을 기록한 지역은 Allal Al Fassi - Barrage로 289.9mm/yr로 나타났다. 2010년 홍수가 발생한 시기인 2009년 12월 19일부터 2010년 1월 18일까지의 1시간 간격의 위성강우자료와 1일 관측 지상계측자료를 합성하여 위성보정강우량을 추정하였다. 보정 방법은 순위상관방법을 적용하였다. 사용한 모형은 일본 ICHARM에서 개발한 IFAS와 한국건설기술연구원의 MapWindow 기반 GRM 모형(mwGRM)을 이용하였다. 모형의 적용 결과 세부강 유역 본류의 첨두유출량은 $6,010m^3/s$(mwGRM)과 $5,878m^3/s$(IFAS)로 분석되었다. 향후 위성강우 및 지상계측 강우의 시계열적 정확도와 총강우량 등의 정확도 평가를 수행할 계획이다.

• Journal of Korea Water Resources Association
• /
• v.48 no.9
• /
• pp.719-728
• /
• 2015

In this study, urban runoff analyses were performed using high resolution Quantitative Precipitation Estimation (QPE), and variation of rainfall and runoff were analyzed to evaluate QPE data for urban runoff analysis. The five drainage districts (Seocho3, 4, 5, Yeoksam and Nonhyun) around Gangnam station were chosen as study area, the area is $7.4km^2$. Rainfall data from KMA AWS (34 stations), SKP AWS (156 stations) and Gwanduk radar were used for QPEs in Seoul area. Four types of QPE(QPE1: KMA AWS, QPE2: KMA+ SKP AWS, QPE3: Gwangduk radar, QPE4: QPE2+QPE3) of 6 events in July 2013 were generated by using Krigging and conditional merging. The temporal and spatial resolution of QPEs are 10 minutes and 250 m, respectively. The complex pipe network were treated as 773 manholes, 772 sub-drainage districts and 1,059 pipelines for urban runoff analysis as input data. QPE2 and QPE4 show spatial variation of rainfall by sub-drainage districts as 1.9 times bigger than QPE1. The peak runoff of QPE2 and QPE4 also show spatial variation as 6 times bigger than Gangnam and Seocho AWS. Thus, the spatial variation of rainfall and runoff could exist in small area such as this study area, and using high-resolution rainfall data is desirable for accurate urban runoff analysis.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.92-92
• /
• 2023

본 연구에서는 대한민국 도시 유역에 대하여 딥러닝 네트워크 기반의 분산형 수문 모형을 개발하였다. 개발된 모형은 완전연결계층(Fully Connected Layer)으로 연결된 여러 개의 장단기 메모리(LSTM-Long Short-Term Memory) 은닉 유닛(Hidden Unit)으로 구성되었다. 개발된 모형을 사용하여 연구 지역인 중랑천 유역을 분석하기 위해 1km² 해상도의 239개 모델 격자 셀에서 10분 단위 레이더-지상 합성 강수량과 10분 단위 기온의 시계열을 입력으로 사용하여 10분 단위 하도 유량을 모의하였다. 모형은 보정과(2013~2016년)과 검증 기간(2017~2019년)에 대한 NSE 계수는각각 0.99와 0.67로 높은 정확도를 보였다. 본 연구는 모형을 추가적으로 심층 분석하여 다음과 같은 결론을 도출하였다: (1) 모형을 기반으로 생성된 유출-강수 비율 지도는 토지 피복 데이터에서 얻은 연구 지역의 불투수율 지도와 유사하며, 이는 모형이 수문학에 대한 선험적 정보에 의존하지 않고 입력 및 출력 데이터만으로 강우-유출 분할과정을 성공적으로 학습하였음을 의미한다. (2) 모형은 연속 수문 모형의 필수 전제 조건인 토양 수분 의존 유출 프로세스를 성공적으로 재현하였다; (3) 각 LSTM 은닉 유닛은 강수 자극에 대한 시간적 민감도가 다르며, 응답이 빠른 LSTM 은닉 유닛은 유역 출구 근처에서 더 큰 출력 가중치 계수를 가졌는데, 이는 모형이 강수 입력에 대한 직접 유출과 지하수가 주도하는 기저 흐름과 같이 응답 시간의 차이가 뚜렷한 수문순환의 구성 요소를 별도로 고려하는 메커니즘을 가지고 있음을 의미한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.640-640
• /
• 2015

2010년과 2011년 서울에서 발생한 집중호우와 2014년 부산에서 발생한 집중호우의 발생으로 막대한 재산상의 피해와 사상자를 냈다. 2010년 9월 21일에 발생한 집중호우는 1908년 관측시작이래 가장 많은 비가 내린 것으로 기록되었으며 주거지 4,727호, 상가 1,164호, 공장 126동 등이 침수되고 13시를 기준으로 강서지점의 경우 시간당 98.5mm의 기록적인 강우를 기록하였으나, 관악지점은 5.5mm에 그쳐 두 지점간의 시간당 강우량의 편차가 약 200배 가까이 차이가 나는 것으로 나타났다. 이와 같이 최근 도시지역에서 국지성 집중호우가 증가하고 있으며 지역별 강우 편차가 크고 이에 따라 침수피해발생 여부도 지역에 따라 달라진다. 강수의 공간적 분포와 그로 인한 침수해석은 도시돌발홍수 예경보 시스템에 있어 무엇보다도 중요하다. 본 연구의 목적은 도시지역 돌발홍수 예경보 시스템 구축을 위한 정량적 강수추정 QPE(Quantitative Precipitation Estimation)기법에 따른 수리 수문학적 영향을 평가하는 것이다. 정량적 강수추정을 위해 AWS, SKP, 레이더 자료를 활용하여 250m의 해상도를 가지도록 크리깅을 적용하였다: QPE 1은 34개의 AWS의 지점우량을 지구통계학적 기법 중의 하나인 크리깅을 이용하여 산정한 기법, QPE 2는 AWS와 156개의 SKP의 강우데이터를 크리깅을 이용하여 산정한 기법, QPE 3는 광덕산 레이더를 이용한 기법, QPE 4는 AWS, SKP, 광덕산 레이더 자료를 조건부 합성한 기법이다. 월류량을 산정하기 위해 도시유출해석모형인 SWMM을 강남역 일대를 대상으로 구축하고 우수관로 시스템으로 유입되지 못한 노면류(Surface flow)를 함께 고려하였다. 침수해석을 위해서는 DHM모델을 적용하였으며 2013년 7월 기간에 발생한 호우에 대하여 분석을 수행하였다. 비교수행을 위해서 인접한 서초 AWS와 강남 AWS의 지점강우량도 함께 고려하였으며 모의결과를 국가 재난관리 정보 시스템(NMDS)에 침수피해가 확인된 가옥 및 빌딩 정보와 일치여부를 적합도로 산정하였다. 산정된 적합도를 통하여 정량적 강수추정기법에 따른 수리?수문학적 영향을 평가하였다. 실제 침수흔적정보와 비교 결과, QPE 2와 QPE4가 가장 적합도가 높았으며 이에 따라 고밀도의 관측망의 구성이 도시지역 침수해석결과에도 적합할 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.55 no.12
• /
• pp.1031-1039
• /
• 2022

As one of the hydrological factors closely related to landslides, precipitation indirectly affects slope stability by generating external forces. Groundwater level fluctuations have attracted more attention lately as factors that directly affect slope stability have become more prominent. Therefore, this study attempted to analyze the relationship between variables through changes in precipitation, groundwater levels, and land displacement. A time series-based analysis was conducted using satellite-based precipitation and point-based groundwater levels in conjunction with the PSInSAR technique to simulate land displacement in urban and mountainous areas. There was a sharp rise in groundwater levels in both urban and mountain areas during heavy rainfall, and a continuous decrease in urban areas when rainfall was low. 6 mm of displacements was observed in the mountainous area as a results of soil outflow from the topsoil layer, which was accompanied by an increased groundwater level. Meanwhile, different results were found in urban area. In response to the rise in groundwater level, the land displacement increases due to the expansion of soil skeletons, while the decrease seems to be attributed to anthropogenic influences. Overall, there was no consistent relationship between groundwater levels and land displacement, which appears to be caused by factors other than hydrological factors. Additional consideration of environmental factors could contribute to a deeper understanding of the relationship between the two factors.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.444-444
• /
• 2023

하천 및 저수지와 같은 공간의 수체 탐지는 수자원 관리에서 매우 중요하며, 유역의 수문학적 과정을 이해하는데 도움을 준다. 수문학적 데이터 수집은 우량계, 수위계와 같은 물리적 인프라의 배치가 필요하다. 그러나 상대적으로 저개발된 국가는 수문학적 측정을 위한 인프라가 매우 미흡한 것이 현실이며, 북한과 같은 비접근 지역에 대한 수문학적 과정을 분석하는데는 한계가 있다. 인공위성 원격탐사 센서 중 SAR영상은 지표면에 직접 전파를 방사하고 산란되어 돌아오는 신호를 수신하여 영상을 만들기 때문에 일반적인 광학영상과는 달리 햇빛의 유무와 강우, 구름여부 등의 기상 조건의 영향을 거의 받지 않는 장점이 있다. 또한 국내와 같이 계절적인 요인과 인간활동에 의해 변화되는 물 순환을 SAR 영상은 지표수의 계절적 및 연간 변동성을 모니터링하는데 매우 유용한 자료로 평가되고 있다. 본 연구는 SAR영상을 이용하여 국내의 검증 가능한 지역의 저수지 수면적 변화를 모니터링하고 저수지 수면적과 저수량 분석을 수행하는 것을 목적으로 하였다. 분석자료인 SAR영상은 ESA의 Sentinel-1영상을 2022년 4월부터 2022년 11월의 자료를 수집하여 소양강댐 저수지 수면적과 저수량과의 관계식을 도출하였다. 수체 추출을 위한 SAR 영상은 특히 수로의 일부 가장자리와 홍수터의 식물 존재로 인한 제외지의 매핑에 부정확성을 포함하여 처리에 몇 가지 단점을 갖는 한계도 존재하지만 악천후의 기상 조건에서도 작동할 수 있는 SAR 영상의 능력 덕분에 규칙적인 시간 간격으로 수체면적의 변화에 대한 정보를 제공할 수 있다. 향후 북한 지역의 주요 댐 저수지 수면적에 대한 연간변화와 장기간의 추세를 분석하는 연구를 진행할 계획이다.

• Atmosphere
• /
• v.24 no.3
• /
• pp.365-378
• /
• 2014

The limits of S-band dual-polarization radars in Korea are not reflected on the recent weather forecasts of Korea Meteorological Administration and furthermore, they are only utilized for rainfall estimations and hydrometeor classification researches. Therefore, this study applied four merging methods [SA (Simple Average), WA (Weighted Average), SSE (Sum of Squared Error), TV (Time-varying mergence)] to the QPE (Quantitative Precipitation Estimation) model [called RAR (Radar-AWS Rainfall) calculation system] using single-polarization radars and S-band dual-polarization radar in order to improve the accuracy of the rainfall estimation of the RAR calculation system. As a result, the merging results of the WA and SSE methods, which are assigned different weights due to the accuracy of the individual model, performed better than the popular merging method, the SA (Simple Average) method. In particular, the results of TVWA (Time-Varying WA) and TVSSE (Time-Varying SSE), which were weighted differently due to the time-varying model error and standard deviation, were superior to the WA and SSE. Among of all the merging methods, the accuracy of the TVWA merging results showed the best performance. Therefore, merging the rainfalls from the RAR calculation system and S-band dual-polarization radar using the merging method proposed by this study enables to improve the accuracy of the quantitative rainfall estimation of the RAR calculation system. Moreover, this study is worthy of the fundamental research on the active utilization of dual-polarization radar for weather forecasts.

• Korean Journal of Remote Sensing
• /
• v.38 no.6_2
• /
• pp.1709-1722
• /
• 2022

The rise in temperature induced by global warming caused in El Nino and La Nina, and abnormally changed the temperature of seawater. Rainfall concentrates in some locations due to abnormal variations in seawater temperature, causing frequent abnormal floods. It is important to rapidly detect flooded regions to recover and prevent human and property damage caused by floods. This is possible with synthetic aperture radar. This study aims to generate a model that directly derives flood-damaged areas by using modified U-NET and TerraSAR-X images based on Multi Kernel to reduce the effect of speckle noise through various characteristic map extraction and using two images before and after flooding as input data. To that purpose, two synthetic aperture radar (SAR) images were preprocessed to generate the model's input data, which was then applied to the modified U-NET structure to train the flood detection deep learning model. Through this method, the flood area could be detected at a high level with an average F1 score value of 0.966. This result is expected to contribute to the rapid recovery of flood-stricken areas and the derivation of flood-prevention measures.