• 한국지구과학회지
• /
• 제35권4호
• /
• pp.215-224
• /
• 2014

2013년 여름철 집중관측기간(장마기간: 2013년 6월 20일-7월 7일, 집중호우기간: 2013년 7월 8일-30일) 동안 이동식 기상관측시스템의 레윈존데 관측 자료를 전 지구 통합예측시스템 3차원 자료동화에 이용하여 그 효과를 살펴보았다. 효과 분석을 위한 2가지 모의실험 중 규준실험은 기존 기상청 관측 자료만 사용한 것이고 관측시스템실험은 기상청 관측 자료에 이동식 기상관측시스템의 레윈존데 자료를 추가한 것이다. 장마기간 동안 두 실험의 500 hPa 지위고도, 850 hPa 기온, 300 hPa 풍속의 관측 및 분석검증 비교 결과 큰 차이를 보이지 않았는데, 이는 고정관측소의 레윈존데 자료(0000 UTC 및 1200 UTC)만을 기준으로 검증이 이루어졌기 때문이다. 하지만, 종관기상관측시스템의 시간별 누적 강수량 자료를 이용한 강수검증에 있어서 관측시스템실험의 평균 공정임계지수가 규준실험에 비해 2% 수준으로 개선된 결과를 보였다. 특히 강수검증에서 긍정적인 효과가 나타난 사례만 비교한 경우, 관측시스템실험의 평균 공정임계지수가 규준실험에 비해 41%까지 개선된 결과를 보여 이동식 기상관측시스템 레윈존데 관측 자료가 수치모델의 예측정확도 향상에 유용함을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.94-94
• /
• 2020

최근 정부의 신북방정책 추진에 따라 수자원분야에서는 동북아지역 국제 공유하천을 중심의 물 정보 및 연구협력 기회 확보와 지정학적 특성을 고려한 지역 현안해결 중심의 연구가 재조명 되고 있다. 두만강은 이러한 동북아의 중심에 위치하고 있으며, 중국, 북한, 러이사의 국경을 따라 흐르며 지역 수자원의 대부분을 공급하는 국제하천이다. 또한, 지난 2018년 5월에는 하구유역이 람사르(Ramsar) 습지로 승인됨에 따라 철새 등을 포함한 생태가치의 중요성도 크게 증가하였다. 하지만 이 지역은 유역의 지정학적 민감성과 접근이 제한된 관측 정보들로 인해 그 수자원·환경 효용성을 정확하게 파악할 수 없을 뿐만 아니라, 최근 기후변화에 따른 영향으로 홍수, 가뭄 등의 수재해와 수질오염 등의 문제가 발생하고 있어 가용한 기술기반의 직·간접적 접근을 통한 장기수문 및 환경변화 등에 대한 분석과 관리방안 수립 등의 연구가 필요하다. 본 연구에서는 이러한 미계측 두만강 유역을 대상으로 우선, 가용한 위성자료 및 광역지표모형(MERRA-2) 기반 NASA POWER(Prediction of Worldwide Energy Resource) 수문기상 자료와 SWAT(Soil and Water Assessment Tool) 모형을 활용하여 장기 수문영향을 평가하고자 한다. SWAT 모형은 전 지구적으로 활용 가능한 격자 해상도 약 30m의 위성기반 수치표고모형(DEM), 광역 토양도, 지역 토지이용도 자료를 활용하여 두만강 유역을 전체 19개 소유역 및 18개 하도, 138개 HRUs의 수문분석 단위로 구축하였으며, 모의는 미국 NOAA NCDC(National Climate Data Center) 및 중국 CMDC(China Meteorological Data Service Center)의 주요 관측지점에서 선별한 총 13개소의 위치에 대해 재분석된 기후/기상자료들(NASA POWER 강수, 기온, 풍속, 상대습도 및 일사량)을 적용, 1990년에서 2019년까지의 30개년도 연속자료를 구축활용 하였다. 한편, 모형의 검·보정은 앞서 언급한 관측 자료의 부재로 과거 문헌 등을 통해 파악할 수 있는 연 단위 수자원 총량 등을 활용해 진행코자한다. 아울러, 향후는 최근 활용 가능한 장기 위성관측 강수량을 적용, 재분석 자료 결과와의 비교를 통해 상호 분석 오류를 줄여나갈 수 있을 것으로도 판단된다.

• 대한원격탐사학회지
• /
• 제36권6_3호
• /
• pp.1653-1667
• /
• 2020

본 연구에서는 국지예보시스템(LDAPS)과 전산유체역학(CFD) 모델을 접합하여, 부산 중구 광복동에 소재한 건물 밀집 지역의 상세 흐름과 PM2.5 농도 분포를 조사하였다. 도로 배출이 건물 밀집 지역의 PM2.5 농도에 미치는 영향을 분석하기 위해, PM2.5의 연간 시·군·구별, 배출 원소 별, 연료 별 도로이동오염원·비산먼지 배출량 자료와 월별·일별·시간 별 배출 계수를 이용하여 부산의 단위 면적당 시간별 PM2.5 배출량을 산정하였다. 본 연구에서는 건물 옥상과 도로변에서 수행된 특별 측정 자료를 이용하여 수치 모의 결과를 검증하고, 도로배출 유·무에 따른 PM2.5 농도 분포 특성을 분석하였다. 대상 기간(2020년 06월 22일) 동안 대상 지역에서는 바람이 약하게 나타났다. 새벽 시간에는 북동풍과 북서풍이 불고 주간에는 주로 남동풍이 불었다. 도로 배출을 고려하지 않은 경우에 LDAPS-CFD 접합 모델은 측정 지점(PKNU-AQ Sensor)의 PM2.5 농도를 과소모의 하였으나, 도로 배출을 고려하여 수치 모의한 PM2.5 농도는 도로 배출의 영향으로 PM2.5 농도가 증가하여 측정 결과와 유사하게 나타났다. 2020년 6월 22일 07시와 19시의 유입 풍향은 각각 북동풍과 남동풍이지만, 주변 지형과 건물에 의해 흐름이 변화되어, 두 시각 모두 측정 지점 주변에서는 주로 남풍 계열의 흐름이 나타났다. 07시와 19시의 유사한 흐름에 의해, 두 시각의 PM2.5 농도 분포도 매우 유사하게 나타났다. 건물 옥상 측정 지점에서 수치 모의된 PM2.5 농도는 도로 배출 영향을 크게 받지 않았으나, 도로변 에서는 도로 배출 영향을 상대적으로 크게 받았다. 도로 배출을 고려한 경우, 풍속이 약한 북쪽 도로와 긴 도로 협곡에 위치한 서쪽 도로에서 PM2.5 농도가 높고, 상대적으로 건물의 밀집도가 낮은 동쪽 도로에서는 PM2.5 농도가 낮게 나타났다. LDAPS-CFD 접합모델은 모든 도로에서 배출량이 동일하게 적용되기 때문에, 좁은 골목과 건물 밀도가 낮은 지역의 지형 특성이 반영되어 도로 별 PM2.5 농도 특성이 다양하게 나타났다.