• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.280-280
• /
• 2022

급경사지의 붕괴원인은 강수량과 지형적, 지질적 원인 등이 있지만 최근 집중호우 및 홍수사상에서 많은 피해가 발생한 것에서 강수량과 급경사지 붕괴는 밀접한 상관관계를 가지고 있다. 급경사지 붕괴에 대한 많은 선행연구가 진행되었지만 특히, 강우량과의 상관성을 해석하고 기준을 지질과 지형적 특성에 대한 규명을 하고자 노력하였다. 2015년 행정안전부에서는 급경사지 지역의 주민피해를 최소화하기 위하여 주민대피 관리기준을 제시하였다. 주민대피 관리기준에는 계측기준과 강우량 기준으로 나누어 급경사지 하류지역의 주민대피를 위험단계별로 제시하였다. 그러나 최근의 강우가 급격하게 변화하고 급경사지 지역의 많은 피해가 발생하면서 주민대피 관리기준 중 강우기준의 조정에 대한 필요성이 제기되었다. 본 연구에서는 1999년부터 2020년 까지 발생한 급경사지 피해사례를 조사하여 산사태 피해지역의 강우량 자료를 수집하여 지속시간별 강우량과 1,2,3 시간에 대한 연속강우자료를 수집하여 위험단계별 주민대피 강우량을 제시하였다. 기존 2015년도 주민대피 강우기준을 산정시 분석에 적용된 지질별 강우를 고려하여 재산정하여 위험단계별 주민대피 강우기준을 산정하였다.

• Journal of Korea Water Resources Association
• /
• v.53 no.12
• /
• pp.1159-1172
• /
• 2020

This study applied deep convolution neural network based on U-Net and SegNet using long period weather radar data to very short-term rainfall prediction. And the results were compared and evaluated with the translation model. For training and validation of deep neural network, Mt. Gwanak and Mt. Gwangdeoksan radar data were collected from 2010 to 2016 and converted to a gray-scale image file in an HDF5 format with a 1km spatial resolution. The deep neural network model was trained to predict precipitation after 10 minutes by using the four consecutive radar image data, and the recursive method of repeating forecasts was applied to carry out lead time 60 minutes with the pretrained deep neural network model. To evaluate the performance of deep neural network prediction model, 24 rain cases in 2017 were forecast for rainfall up to 60 minutes in advance. As a result of evaluating the predicted performance by calculating the mean absolute error (MAE) and critical success index (CSI) at the threshold of 0.1, 1, and 5 mm/hr, the deep neural network model showed better performance in the case of rainfall threshold of 0.1, 1 mm/hr in terms of MAE, and showed better performance than the translation model for lead time 50 minutes in terms of CSI. In particular, although the deep neural network prediction model performed generally better than the translation model for weak rainfall of 5 mm/hr or less, the deep neural network prediction model had limitations in predicting distinct precipitation characteristics of high intensity as a result of the evaluation of threshold of 5 mm/hr. The longer lead time, the spatial smoothness increase with lead time thereby reducing the accuracy of rainfall prediction The translation model turned out to be superior in predicting the exceedance of higher intensity thresholds (> 5 mm/hr) because it preserves distinct precipitation characteristics, but the rainfall position tends to shift incorrectly. This study are expected to be helpful for the improvement of radar rainfall prediction model using deep neural networks in the future. In addition, the massive weather radar data established in this study will be provided through open repositories for future use in subsequent studies.

• Journal of Korea Water Resources Association
• /
• v.45 no.11
• /
• pp.1107-1119
• /
• 2012

The objectives of this study are to develop the flow nomograph for real-time flood forecasting and to assess its applicability in restored Cheonggye stream. The Cheonggye stream basin has the high impermeability and short concentration time and complicated hydrological characteristics. Therefore, the flood prediction method using runoff model is ineffective due to the limit of forecast. Flow nomograph which is able to forecast flood only with rainfall information. To set the forecast criteria of flow nomograph at selected flood forecast points and calculated criterion flood water level for each point, and in order to reflect various flood events set up simulated rainfall scenario and calculated rainfall intensity and rainfall duration time for each condition of rainfall. Besides, using a rating curve, determined scope of flood discharge following criterion flood water level and using SWMM model calculated flood discharge for each forecasting point. Using rainfall information following rainfall scenario calculated above and flood discharge following criterion flood water level developed flow nomograph and evaluated it by applying it to real flood event. As a result of performing this study, the applicability of flow nomograph to the basin of Cheonggye stream appeared to be high. In the future, it is reckoned to have high applicability as a method of prediction of flood of urban stream basin like Cheonggye stream.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.450-450
• /
• 2021

기후변화 보고서에 따르면 집중 호우의 강도 및 빈도 증가가 향후 몇 년동안 지속될 것이라 제시하였다. 이러한 집중호우가 빈번히 발생하게 된다면 강우 침식성이 증가하여 표토 침식에 더 취약하게 발생된다. Universal Soil Loss Equation (USLE) 입력 매개 변수 중 하나인 강우침식능인자는 토양 유실을 예측할때 강우 강도의 미치는 영향을 제시하는 인자이다. 선행 연구에서 USLE 방법을 사용하여 강우침식능인자를 산정하였지만, 60분 단위 강우자료를 이용하였기 때문에 정확한 30분 최대 강우강도 산정을 고려하지 못하는 한계점이 있다. 본 연구의 목적은 강우침식능인자를 이전의 진행된 방법보다 더 빠르고 정확하게 예측하는 머신러닝 모델을 개발하며, 총 월별 강우량, 최대 일 강우량 및 최대 시간별 강우량 데이터만 있어도 산정이 가능하도록 하였다. 이를 위해 본 연구에서는 강우침식능인자의 산정 값의 정확도를 높이기 위해 1분 간격 강우 데이터를 사용하며, 최근 강우 패턴을 반영하기 위해서 2013-2019년 자료로 이용했다. 우선, 월별 특성을 파악하기 위해 USLE 계산 방법을 사용하여 월별 강우침식능인자를 산정하였고, 국내 50개 지점을 대상으로 계산된 월별 강우침식능인자를 실측 값으로 정하여, 머신러닝 모델을 통하여 강우침식능인자 예측하도록 학습시켜 분석하였다. 이 연구에 사용된 머신러닝 모델들은 Decision Tree, Random Forest, K-Nearest Neighbors, Gradient Boosting, eXtreme Gradient Boost 및 Deep Neural Network을 이용하였다. 또한, 교차 검증을 통해서 모델 중 Deep Neural Network이 강우침식능인자 예측 정확도가 가장 높게 산정하였다. Deep Neural Network은 Nash-Sutcliffe Efficiency (NSE) 와 Coefficient of determination (R²)의 결과값이 0.87로서 모델의 예측성을 입증하였으며, 검증 모델을 테스트 하기 위해 국내 6개 지점을 무작위로 선별하여 강우침식능인자를 분석하였다. 본 연구 결과에서 나온 Deep Neural Network을 이용하면, 훨씬 적은 노력과 시간으로 원하는 지점에서 월별 강우침식능인자를 예측할 수 있으며, 한국 강우 패턴을 효율적으로 분석 할 수 있을 것이라 판단된다. 이를 통해 향후 토양 침식 위험을 지표화하는 것뿐만 아니라 토양 보전 계획을 수립할 수 있으며, 위험 지역을 우선적으로 선별하고 제시하는데 유용하게 사용 될 것이라 사료된다.

• Water for future
• /
• v.23 no.3
• /
• pp.341-350
• /
• 1990

Precise run-off forecasting depends on the ability to predict quantitative rainfall intensity. This study suggests a stochastic model for 1 hour order rainfall prediction. The model simultaneously predicts rainfall intensity at all telemetered rain-gauge locations. All model parameters, velocity and direction of storm movement, radial spectrum, dimensionless time distribution of rainfall, are estimated from telemetered and historical data for the basin being predicted. Also the estimated parameters are based on the previous study. The results are the influence of dimensionless time distributions on the prediction and the model on run-off.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.540-540
• /
• 2015

유역의 하천관리 및 홍수관리를 위하여 강우량을 정확하게 예측하고자 많은 수문학자들에 의해 강우량을 예측하는 연구를 진행하였다. 강우를 예측하기 위한 여러 가지 방법 중 인공신경망을 이용하여 강우를 예측하는 선행연구들을 살펴볼 수 있었다. 그러나 기존에 강우량을 예측하는 사례들을 살펴보게 되면, 강우사상이 발생된 후 강우량 예측은 비교적 높은 정확도를 가지고 있으나, 강우가 발생하기 시작하는 시점에 대한 강우량 예측은 그 정확성이 떨어지는 것을 확인할 수 있었다. 이에 본 연구에서는 무강우 기간에도 보다 정확하게 강우량을 예측할 수 있는 인공신경망 모델을 제안하고자 한다. 이를 위해 강우량 이외에도 기온, 풍속, 습도, 증기압, 전운량을 인공신경망의 입력자료로 활용하고자 하였다. 입력자료을 구성을 여러 가지 CASE로 구분하여 부산지점의 강우량을 예측하고 그 정확성을 평가하고자 하였다. 이 때, 사용되는 자료는 기상청 부산지점에서 제공하고 있는 1시간 간격자료를 적용하였다. 본 연구를 통해 개발된 인공신경망 모형을 이용하여 예측된 강우량은 부산 내에 위치한 하천관리 뿐 만 아니라 하천의 홍수 예 경보에 필요한 기초적인 자료로 활용될 수 있을 것으로 판단된다.

• Korean Journal of Remote Sensing
• /
• v.30 no.5
• /
• pp.587-596
• /
• 2014

Soil moisture is one of the most important interests in hydrological response and the interaction between the land surface and atmosphere. Estimation of Antecedent Wetness Conditions (AWC) which is soil moisture condition prior to a rainfall in the basin should be considered for rainfall-runoff prediction. In this study, Soil Wetness Index (SWI), Antecedent Precipitation Index ($API_5$), remotely sensed Soil Moisture ($SM_{rs}$), and 5 days ground Soil Moisture ($SM_{g5}$) were selected to estimate the AWC at four study area in the Korean Peninsula. The remotely sensed soil moisture data were taken from the AMSR-E soil moisture archive. The maximum potential retention ($S_{obs}$) was obtained from direct runoff and rainfall using Soil Conservation Service-Curve Number (SCS-CN) method by rainfall data of 2011 for each study area. Results showed the great correlations between the maximum potential retention and SWI with a mean correlation coefficient which is equal to -0.73. The results of time length representing the time scale of soil moisture showed a gap from region to region. It was due to the differences of soil types and the characteristics of study area. Since the remotely sensed soil moisture has been proved as reasonable hydrological variables to predict a wetness in the basin, it should be continuously monitored.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.277-277
• /
• 2023

최근 기후변화의 영향으로 호우의 발생빈도가 증가하고 있는 추세이며, 도시지역의 호우는 돌발적이고 국지적인 특성을 가지고 있어 인명과 재산피해 역시 증가하고 있으며, 급격한 도시화로 인한 구조적으로 홍수에 취약한 실정이다. 국지성 도시호우는 저층(1 km 내외)에서 형성되는 강우가 지배적이며, 기존의 대형레이더는 높은 산 정상에 설치되어 1.5 km 이상의 강우관측을 중심으로 운영됨에 따라 저층강우의 탐지 및 변동성 관측에 취약하여, 이에 대형 레이더에서 뿐만 아니라 도시단위의 국지성 호우관측에 대응할 수 있는 소형 레이더 기반 고정밀 강우관측 마련 및 운영 기술이 필요하다. 현재 K-water는 부산 에코델타 스마트시티에 도시 물재해 플랫폼 구현의 일환으로 돌발강우사전 탐지 및 도시의 신속·정확한 강우 관측을 위하여 높은 시공간 해상도를 제공하는 이중편파X 밴드 소형 강우레이더를 설치하고, 효율적 운용을 위해 각 고도각에서의 빔 차폐율을 확인하고 이를 고려한 최적 관측전략을 수립하였다. 또한 Z-Phi 방법을 이용한 반사도 감쇠 보정 기술을 개발하였으며, 강우 추정을 위해 하이브리드 고도면 합성 기법(HSR) 기법을 적용하고 검증하였다. 이후 소형 레이더의 정량적 추정강수를 이용하여 강우예측 정보를 생산하기 위해 이류모델을 적용하고, 비슬산과 소형 합성 레이더 추정강수로 선행 10분에서 180분까지 예측할 수 있도록 개발하였다. 또한, 지상강우관측 자료와의 정확도 비교 평가를 수행하고, 행정구역 및 표준유역의 예측 평균강우량을 생산하여 부산 에코델타 스마트시티 도시 물재해 통합관리 시스템과 연계운영을 위한 후속 과업을 수행중에 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1094-1098
• /
• 2010

미계측 유역에서의 홍수량을 추정할 수 있는 방법은 다양하게 제시되고 있으나, 이에 대한 평가나 조사는 사실상 전무하여 수자원 설계실무에 이용할 수 있는 절차나 방법은 극히 제한되어있다. 현재 주로 이용하고 있는 홍수량 추정절차는 강우를 근거로 한 확률강우량법, SCS방법, 단위도법이 국내의 표준방법으로 이용되고 있다. 또한 수치지도 및 위성영상분석 등과 같은 GIS 자료의 구축이 가능해짐에 따라서, 국내에서는 토양의 종류와 피복 형태 그리고 선행강우조건까지 종합적으로 고려하여 해석하는 유출곡선번호(SCS Runoff Curve Number; CN) 방법이 많이 사용되고 있다. 유출량 해석 시 이용되는 CN은 토지이용도 및 토양도와 같은 지형학적 인자에 지배받게 된다. 그러나 현재 우리나라에서 제공하는 토지이용도 및 토양도는 그 종류가 다양하고, 분류방식이 상이하여 활용 자료에 따라 CN이 달라지므로 유출율의 차이가 발생하게 된다. 국내에서 제공되는 다양한 자료를 이용하여 최적의 CN값을 산정하기 위한 연구가 선행된 바있다. 허기술(1987) 등은 우리나라의 정밀토양도에 의한 토양군 분류에 관한 연구를 진행하였으며 조홍제(1997, 2001)는 LANDSAT 위성영상을 이용하여 유역의 토지피복상태를 분류하고 식생지수를 고려하여 CN을 추정하였고, 김경탁(1998, 2003, 2004)은 개략토양도와 정밀토양도를 이용하여 유출모의 실행한 결과를 비교하여 신뢰도가 높다고 판단되는 정밀토양도를 사용한 CN 추정기법의 사용을 제안한 바 있다. 본 연구에서는 GIS를 이용하여 국내에서 활용 가능한 토양도 및 토지이용도의 종류에 따라 총 9개 Case로 안동댐 유역의 CN을 산정하였다.