• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• 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.

• 한국수자원학회논문집
• /
• 제53권12호
• /
• pp.1159-1172
• /
• 2020

본 연구에서는 강우예측을 위해 U-Net과 SegNet에 기반한 합성곱 신경망 네트워크 구조에 장기간의 국내 기상레이더 자료를 활용하여 심층학습기반의 강우예측을 수행하였다. 또한, 기존 외삽기반의 강우예측 기법인 이류모델의 결과와 비교 평가하였다. 심층신경망의 학습 및 검정을 위해 2010부터 2016년 동안의 기상청 관악산과 광덕산 레이더의 원자료를 수집, 1 km 공간해상도를 갖는 480 × 480의 픽셀의 회색조 영상으로 변환하여 HDF5 형태의 데이터를 구축하였다. 구축된 데이터로 30분 전부터 현재까지 10분 간격의 연속된 레이더 영상 4개를 이용하여 10분 후의 강수량을 예측하도록 심층신경망 모델을 학습하였으며, 학습된 심층신경망 모델로 60분의 선행예측을 수행하기 위해 예측값을 반복 사용하는 재귀적 방식을 적용하였다. 심층신경망 예측모델의 성능 평가를 위해 2017년에 발생한 24개의 호우사례에 대해 선행 60분까지 강우예측을 수행하였다. 임계강우강도 0.1, 1, 5 mm/hr에서 평균절대오차와 임계성공지수를 산정하여 예측성능을 평가한 결과, 강우강도 임계 값 0.1, 1 mm/hr의 경우 MAE는 60분 선행예측까지, CSI는 선행예측 50분까지 참조 예측모델인 이류모델이 보다 우수한 성능을 보였다. 특히, 5 mm/hr 이하의 약한 강우에 대해서는 심층신경망 예측모델이 이류모델보다 대체적으로 좋은 성능을 보였지만, 5 mm/hr의 임계 값에 대한 평가결과 심층신경망 예측모델은 고강도의 뚜렷한 강수 특징을 예측하는 데 한계가 있었다. 심층신경망 예측모델은 예측시간이 길어질수록 공간 평활화되는 경향이 뚜렷해지며, 이로 인해 강우 예측의 정확도가 저하되었다. 이류모델은 뚜렷한 강수 특성을 보존하기 때문에 강한 강도 (>5 mm/hr)에 대해 심층신경망 예측모델을 능가하지만, 강우 위치가 잘못 이동하는 경향이 있다. 본 연구결과는 이후 심층신경망을 이용한 레이더 강우 예측기술의 개발과 개선에 도움이 될 수 있을 것으로 판단된다. 또한, 본 연구에서 구축한 대용량 기상레이더 자료는 향후 후속연구에 활용될 수 있도록 개방형 저장소를 통해 제공될 예정이다.

• 한국수자원학회논문집
• /
• 제45권11호
• /
• pp.1107-1119
• /
• 2012

본 연구의 목적은 도시하천으로 복원된 청계천유역의 실시간 홍수예보를 위한 flow nomograph를 개발하고, 실측자료를 통해 flow nomograph의 적용성을 검토하는데 있다. 본 연구의 적용대상 지역인 청계천 유역은 높은 불투수율, 짧은 도달시간 및 복잡한 수문학적 특성을 갖고 있어 기존 강우-유출 모형에 의한 홍수예측 방법의 선행시간 확보 측면에서 실효성을 거두지 못하고 있는 실정이다. 이에 본 연구에서는 홍수예보 선행시간을 확보하기 위해 강우정보만으로도 홍수예보가 가능한 flow nomograph를 개발하였다. Flow nomograph는 강우강도, 강우지속시간 등의 강우변수와 유량, 수위간의 상관관계를 구한 것이다. 본 연구에서는 Flow nomograph 개발과정에서 예보 기준 설정을 위해 홍수예보 지점을 선정하여 지점별 기준 홍수위를 산정하였으며, 다양한 홍수사상을 반영하기 위해 가상 강우시나리오를 설정하여 강우조건별 강우강도와 강우지속시간을 산정하였다. 또한 수위-유량관계 곡선식을 이용하여 기준 홍수위에 따라 홍수량 범위를 결정하고, SWMM모형을 이용하여 강우조건에 따른 지점별 홍수량을 산정하여 예보지점별로 기준홍수 위에 따른 홍수량을 산정하였다. 산정된 강우 시나리오에 따른 강우정보와 기준 홍수위에 따른 홍수량을 이용하여 flow nomograph를 개발하였으며, 이를 실제 홍수사상에 적용하여 평가하였다. 평가 결과 청계천 유역에 대해 flow nomograph의 적용성이 높은 것으로 나타났다. 향후 청계천과 같은 도시하천유역의 홍수예측 방법으로 활용도가 높을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• 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.

• 물과 미래
• /
• 제23권3호
• /
• pp.341-350
• /
• 1990

정확한 유출수문곡선의 예보는 강우강도의 예측능력에 좌우된다. 1시간 정도의 단기 강우예측을 위한 추계학적인 강우모형을 개발하여 제시하는 것이 연구과제이다. 개발하고자 하는 모형은 다지점에서 동시에 강우강도를 예상 또는 예측할 수 있는 능력이 있다. 모형에 필요한 매개변수는 TM자료를 비롯하여 과거에 축적된 자료들로 부터 평가된 값을 이용한다. 모형은 강우진행속도, 환상스팩트럼, 무차원 시간분포 등이 선행연구 결과를 토대로 한다. 선택한 무차원 시간분포가 예측에 미치는 영향과 예측모형이 유출수문곡선에 미치는 영향을 분석한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• 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.

• 대한원격탐사학회지
• /
• 제30권5호
• /
• pp.587-596
• /
• 2014

토양수분의 시공간적 변동성은 유역의 수문학적인 반응과 지표 대기간의 상호작용에서 중요한 관심사로 특히, 강우유출 예측 시 유역의 강우사상에서 사전 토양수분 상태 즉, 선행습윤조건(antecedent wetness conditions, AWC)이 고려되어야 한다. 본 연구에서는 선행습윤조건을 알아보기 위한 지표로 토양 습윤지수(SWI), 5일 선행강우지수($API_5$), 위성토양수분($SM_{rs}$), 5일 지점토양수분($SM_{g5}$)을 선정하여 한반도 4개 지점에 대한 선행수분조건을 파악하였다. 토양수분 자료는 AMSR-E로 관측된 자료를 활용하였으며, 이에 따라 각 지역별로 2011년의 강우사상을 선택하여 Soil Conservation Service-Curve Number (SCS-CN)법과 강우량을 활용하여 직접유출고와 최대잠재보유량을 산정하였다. 이를 토양의 습윤상태를 나타내는 4개 지표와의 관계를 살펴본 결과 최대잠재보유량과 SWI가 평균 -0.73의 높은 상관계수를 보였다. 또한 토양수분의 시간적 변동성을 나타내는 time length를 산정한 결과 지역 별로 상이하게 나타났으며 이는 연구지역 및 토양 특성을 반영한 것으로 판단된다. 추후 관측된 토양수분이 지표의 습윤상태를 예측하는데 정량적인 정보를 제공할 수 있으므로 이에 대한 지속적인 모니터링 및 분석이 필요할 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• 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.