• Journal of Korea Water Resources Association
• /
• v.46 no.8
• /
• pp.833-842
• /
• 2013

The quantile mapping is utilized to reproduce reliable GCM(Global Climate Model) data by correct systematic biases included in the original data set. This scheme, in general, projects the Cumulative Distribution Function (CDF) of the underlying data set into the target CDF assuming that parameters of target distribution function is stationary. Therefore, the application of stationary quantile mapping for nonstationary long-term time series data of future precipitation scenario computed by GCM can show biased projection. In this research the Nonstationary Quantile Mapping (NSQM) scheme was suggested for bias correction of nonstationary long-term time series data. The proposed scheme uses the statistical parameters with nonstationary long-term trends. The Gamma distribution was assumed for the object and target probability distribution. As the climate change scenario, the 20C3M(baseline scenario) and SRES A2 scenario (projection scenario) of CGCM3.1/T63 model from CCCma (Canadian Centre for Climate modeling and analysis) were utilized. The precipitation data were collected from 10 rain gauge stations in the Han-river basin. In order to consider seasonal characteristics, the study was performed separately for the flood (June~October) and nonflood (November~May) seasons. The periods for baseline and projection scenario were set as 1973~2000 and 2011~2100, respectively. This study evaluated the performance of NSQM by experimenting various ways of setting parameters of target distribution. The projection scenarios were shown for 3 different periods of FF scenario (Foreseeable Future Scenario, 2011~2040 yr), MF scenario (Mid-term Future Scenario, 2041~2070 yr), LF scenario (Long-term Future Scenario, 2071~2100 yr). The trend test for the annual precipitation projection using NSQM shows 330.1 mm (25.2%), 564.5 mm (43.1%), and 634.3 mm (48.5%) increase for FF, MF, and LF scenarios, respectively. The application of stationary scheme shows overestimated projection for FF scenario and underestimated projection for LF scenario. This problem could be improved by applying nonstationary quantile mapping.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.384-384
• /
• 2020

갈수량은 연간 355번째에 해당하는 일유량으로 연중 10일은 유지할 수 있는 유량을 의미한다. 갈수량은 하천유지유량을 결정하고 다목적댐의 이수안전도를 평가하는 기준으로 활용되는 지표로 활용되고 있으나 현재 기준으로는 과거사상에 초점을 맞추어 산정되고 있다. 본 연구에서는 기후변화에 따른 수문사상의 변화로 인한 미래 극한사상에 대비한 평가기준 마련을 위하여 CMIP5의 GCM 자료를 활용한 한강수계의 소양강댐의 실제증발산량을 추정하고, 이를 고려한 갈수량을 전망하고자 한다. 실제증발산의 경우 관측자료가 부재하므로 증발산 보완관계 가설 기반의 간접계산을 통해 추정하였으며, 잠재증발산량은 FAO Penman-Monteith 공식, 습윤증발산량은 Priestley-Taylor공식을 활용하여 산정하였다. 기준기간(1974-2000년) GCM 자료의 보정은 강우 및 증발산에 대하여 정상성 분위사상법을 적용하였으며, 우리나라의 홍수기 특성을 반영하기 위하여 홍수기(6~9월) 및 비홍수기(10~5월)로 구분하였다. 소양강댐 유역에 대한 연단위 원시 GCM의 경우, 연단위 강우와 실제증발산 각각 -20.0%, +17.3%의 오차율을 보였으나, 지역오차보정 후 각각 -1.2%, -0.2%로 개선되었다. 전망기간(2011-2100년)에 대해서는 비정상성 분위사상법을 적용하였으며, 지역오차보정 과정을 거친 강우 및 실제증발산 자료는 장기유출모형의 입력자료로 활용되었다. 실제증발산을 고려한 유출량을 산정하기 위해 IHACRES 모형을 활용하였으며, 갈수량은 모형으로부터 산정된 유출 시계열에 대한 lognormal 분포의 누적확률밀도함수의 3%에 해당하는 값으로 결정하였다. 전망결과는 근미래(Near future, 2011~2040년), 중미래(Midcentury future, 2041~2070년), 먼미래(Distance future, 2071~2100년)로 나누어 제시하였으며, 미래구간별 추세를 반영한 증감율을 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.421-421
• /
• 2015

2007년 IPCC 4차 기후변화 평가보고서 발간 이후, 최근 제 5차 기후변화 평가보고서에 표준 온실가스 시나리오를 대표농도경로(Representative Concentration Pathway, RCP)로 새롭게 선정하여 발간되었다. 이러한 기후변화 시나리오를 적용하여 수자원변화를 예측하는 연구들이 진행되었다. 그러나 기후변화 모델을 제공하는 기관이 많고 전지구적인 스케일로 제공되고 있어 모델의 선택여부와 지역적인 특성으로 인해 발생하는 스케일 불일치 등 다양한 불확실성을 포함하고 있다. 또한, 본 연구 대상지역인 도암댐 유역은 상류에 고랭지 밭이 다수 위치해 있으며 2018년 동계올림픽을 유치하는 평창에 속해있어 2011년 이후로 급격한 개발이 이루어졌고 지속적으로 토지 이용변화가 일어나는 유역이다. 따라서 본 연구에서는 RCP 4.5와 8.5시나리오를 대상으로 총 20개의 기후변화 모델 자료를 수집하였고 지역오차보정을 통해 지역적인 스케일의 불일치를 개선하고 미래시나리오에 대해서는 비정상성을 고려한 비정상성 분위사상법을 통해 미래 시나리오의 정확성을 높였다. 과거 토지이용변화추세를 반영하여 5가지의 미래토지이용변화 시나리오를 생성하고 이를 유역모형인 SWAT모형에 적용하여 미래기후변화와 토지이용변화를 모두 고려하여 도암댐 유역에서의 유출을 전망하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.104-104
• /
• 2018

이수안전도의 기준이 되는 갈수량에 대해 기후변화 시나리오에 따른 전망을 제시하였다. 충주 댐 유역을 대상으로 기준기간(1986~2000년)에서의 기상청의 관측 기상자료와 IPCC 보고서의 RCP 4.5/8.5 시나리오를 대상으로 CMIP5(Coupled Model Intercomparison Project Phase 5)에서 제공하는 기후변화 자료 중 5개의 모델(ACCESS1.3 CanESM2, CNRM-CM5, GFDL-ESM2G, HadGEM2-AO)의 기준기간과 미래기간(2011~2100년)의 기상자료를 수집하였다. 기후변화 자료는 정상성/비정상성 분위사상법과 베이지안 모델 평균기법을 통해 불확실성과 통계적 오차를 저감하였다. 미래기간에서, 강우는 RCP 4.5에서 1.74mm/year, RCP 8.5에서 3.22mm/year, 실제증발산은 RCP 4.5에서 1.09mm/year, RCP 8.5에서 1.78mm/year의 증가율을 보였다. 실제증발산을 입력자료로 활용할 수 있도록 IHACRES모델의 CMD(Catchment Moisture Deficit) 비선형 모듈의 매개변수를 변이하여 유효강우량 산정 과정을 개선하였다. 기준기간에서 관측유량자료와 IHACRES의 시뮬레이션을 통해 산정된 유량자료의 R-squared는 0.65이다. 기준기간에서의 매개변수를 고정하여 미래기간의 유량을 산정하고 유황분석을 통해 갈수량 전망하였다. 유량은 RCP 4.5에서 4.41MCM/year, RCP 8.5에서 9.66MCM/year의 증가율을 보였다. 갈수량은 RCP 4.5에서 0.30MCM/year, RCP 8.5에서 -0.47MCM/year의 증감율을 보였다. 연간 강수량 대비 실제증발산의 비율의 추세분석 결과, RCP 4.5에서는 홍수기에는 0.014%/year, 비홍수기에는 0.027%/year의 증가율을 보이며 거의 변화가 없는 추세를 확인할 수 있었다. RCP 8.5의 홍수기에는 -0.042%/year, 비홍수기에서는 0.167%/year의 증감율을 보이며 홍수기에는 실제증발산에 비해 강수량의 증가가 확연히 보였으며 비홍수기에는 강수량에 비해 실제증발산의 증가가 뚜렷이 확인되었다. RCP 8.5에서 비홍수기의 강수량 대비 실제증발산의 증가가 갈수량의 감소로 반영된 것을 확인할 수 있었다. 미래기간의 RCP 4.5/8.5에서 실제증발산의 증가로 인하여 강수량이 증가함에 따라 유입량이 증가함에도 불구하고 갈수량의 증가로 이어지지 않았다. 미래 갈수량의 감소는 하천의 건전성과 이수안전도의 위협이 될 수 있다.

• Journal of Wetlands Research
• /
• v.24 no.1
• /
• pp.25-37
• /
• 2022

Climate change is becoming increasingly unpredictable. This has led to changes in various systems such as ecosystems, human life and hydrological cycles. In particular, the recent unpredictable climate change frequently causes extreme droughts and torrential rains, resulting in complex water resources disasters that cause water pollution due to inundation and retirement rather than primary disasters. SWAT was used as a watershed model to analyze future runoff and pollutant loads. The climate scenario analyzed the RCP4.5 climate scenario of the Meteorological Agency standard scenario (HadGEM3-RA) using the normal quantitative mapping method. Runoff and pollutant load analysis were performed by linkage simulation of climate scenario and watershed model. Finally, the results of application and verification of linkage model and analysis of future water quality change due to climate change were presented. In this study, we simulated climate change scenarios using artificial neural networks, analyzed changes in water temperature and turbidity, and compared the results of dams with artificial neural network results through W2 model, a reservoir water quality model. The results of this study suggest the possibility of applying the nonlinearity and simplicity of neural network model to Hapcheon dam water quality prediction using climate change.