• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.291-295
• /
• 2007

강수진단모형을 이용하여 저수지 이수운영을 위한 실시간 유량예측기법을 개발하였다. 강수진단모형은 현재 기상청 현업에서 수행중인 강우수치예보를 기반으로 상세 지역의 지형 효과에 의한 강수를 예측하는 정량강수예측모형(QPM; Quantitative Precipitation Model)으로서 부경대학교 환경대기과학과에서 개발된 모형이다. QPM은 중규모 예측 모형으로부터 계산된 수평 바람, 고도, 기온, 강우 강도, 그리고 상대습도 등의 예측 자료를 이용하고, 소규모 상세지형 효과를 고려함으로써 중규모 예측 모형에서 생산된 강수량 예측 값을 상세 지역의 지형을 고려한 강수량 예측 값으로 재구성하여 결과적으로 3km 간격의 상세지역 강우산출과 지형에 따른 강수량의 분포 파악이 용이할 뿐만 아니라 계산 효율성을 개선된 모형이다. QPM 검증을 위하여 기상학적 평가와 수문학적 평가를 수행하였다. 호우 사례별 일강수량의 시공간 분포로 부터, QPM을 활용한 시스템에 의한 예측결과가 원시자료 RDAPS 보다 고해상도의 예측 및 지형효과의 반영도가 높았으며, AWS의 관측자료와 비교하여 보다 높은 예측성을 보여 주었다. 대상기간인 2006년 1월 1일부터 6월 20일까지 관측강우는 총 391.5mm 였으며 RQPM은 실적강우에 비하여 119.5mm 정도 과소산정하고 있으나 분위사상과정을 거치게 되면 351.7mm로서 실적강우에 불과 10.2% 못미치고 있다. 이는 고무적인 결과로 볼 수 있으며 현업에서의 활용성이 기대되는 수준이라 볼 수 있다. 강우-유출모의를 위한 QPM신뢰도를 높이기 위하여 분위사상법(Quantile Mapping)을 이용하여 QPM모의에 존재할 수 있는 계통오차에 대한 추가적인 보정을 수행하였다. 수문학적 평가를 위하여는 장기연속유출모형인 SSARR모형을 기반으로 개발된 RRFS(Rainfall-Runoff Forecast System)을 이용하여 2006년 1월${\sim}$9월까지의 용담댐 유입량에 대하여 모의예측결과와 관측유입량 비교를 통한 검증을 수행하였다. 위 기간중 예측유입량의 RMSE(Root Mean Squared Error), COE(Sutcliffe Coefficient of Efficiency), MAE(Mean Absolute Error), $R^2$값은 각각 7.50, 0.68, 2.59, 0.69 값을 보이고 있다. 본 연구에서는 QPM에 의한 예측성의 향상 및 구축된 시스템에 의한 일강수량의 장기예측 가능성을 확인하였고, 향후 시스템을 현업에 활용하기 위해서 생산된 예측자료의 보다 장기적인 검증을 통한 시스템의 안정화가 필요할 것으로 사료된다.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1077-1089
• /
• 2022

도림천의 최상류인 관악산에 서울대학교가 건설되면서 관악산 유역은 일종의 도시화를 겪어왔으며, 폭우 시 하류 하천의 수량과 수질에 악영향을 미치는 사례 등 물순환 왜곡이 우려되어왔다. 대부분의 캠퍼스 유역이 그렇듯 물순환과 관련된 자료가 절대적으로 미흡하였기에 복합기상관측장비 Atmos-41을 도입함으로써 수문·기상학적 자료를 구축하여 본 연구를 시작하였다. Atmos-41의 관측 결과는 기상청 자료와 비교하여 통계적 특성과 월별 변동성에 따른 신뢰구간을 분석하여 검증하였다. 관악캠퍼스의 물순환은 SWMM으로 평가하였는데 표면유출량과 침투량 모의값은 동일 유역의 과거 연구 결과를 통해 검증하였고, 잠재증발산량은 Atmos-41의 관측 자료와 비교하여 검증하였다. 계산된 SWMM 잠재증발산량은 기온이 낮은 기간에 대해서는 과소 추정되는 경향이 있어, 다중회귀분석을 통해 강수량, 상대습도, 풍속에 대한 변동을 고려할 수 있도록 보정하였다. 그 결과 Atmos-41의 잠재증발산량과 비교했을 때 R²가 0.54에서 0.80으로 개선되었다. 관악산 유역의 캠퍼스화로 인한 물순환 변화율은 표면유출률의 15.7% 증가, 침투율의 14.2% 감소, 그리고 증발량의 1.6% 감소를 초래한 것으로 확인하였다. 결론적으로 서울대학교가 지속가능한 캠퍼스로 나아가고 하류 유역의 안전성 확보를 위해 현재의 물순환 변화율을 유지할 것을 제안하며, Atmos-41의 지속적인 관측 결과는 추후 관악캠퍼스 물순환 연구의 기초 자료로 활용성이 높을 것이라 기대된다.

• 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.

• 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.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1779-1790
• /
• 2023

위성 자료의 성능이 크게 개선됨에 따라 최근에는 위성을 이용하여 광범위한 영역에 대한 실시간 안개 탐지 알고리즘들이 개발되고 있다. 한반도 주변을 관측하는 기상위성 중 관측주기가 10분으로 시간해상도가 가장 우수한 GEO-KOMPSAT-2A/Advanced Meteorological Imager (GK2A/AMI)는 공간해상도가 500 m이다. 반면 GEO-KOMPSAT-2B/Geostationary Ocean Color Imager-II (GK2B/GOCI-II)는 해상도가 250 m지만, 1시간 주기로 관측하고 가시채널만 보유하고 있다. 따라서 본 연구에서는 한반도 주변에서 발생하는 안개를 10분 및 250 m 해상도로 탐지하기 위해 GK2AB 융합 안개 탐지 알고리즘(Fog Detection Algorithm, FDA)인 GK2AB FDA를 개발하였다. GK2AB FDA는 세 파트로 구성된다. 첫 번째로 현업 운용중인 GK2A 안개 탐지 알고리즘(GK2A FDA)으로 10분 및 500 m 해상도로 안개를 탐지한다. 두 번째 단계에서는 두 위성 자료 간 시공간 일치, 태양천정각과 파장역 차이를 보정한 GK2A normalized visible (NVIS)의 10분 변화량을 이용하여 GK2B NVIS를 10분 간격으로 외삽한다. 마지막 단계에서는 외삽된 GK2B NVIS, 태양천정각, GK2A FDA 산출물 등을 입력자료로 기계학습(의사결정나무)을 이용하여 개발된 GK2AB FDA로 지리적위치에 따라 안개를 탐지(250 m, 10분)한다. GK2AB FDA의 훈련에는 6개 사례, 검증에는 4개 사례가 이용되었다. GK2AB FDA의 정량적 검증에는 지상관측 시정, 풍속 그리고 상대습도 자료를 이용하였다. GK2AB FDA는 GK2A FDA에 비해 공간해상도가 4배 증가함에 따라 안개 및 비안개 화소가 보다 자세히 구분되었다. 또한 검증방법에 관계없이 GK2A FDA에 비해 probability of detection (POD)은 높고 Hanssen-Kuiper Skill score (KSS)는 높거나 비슷함을 보여 안개 탐지 수준이 개선된 것으로 보인다. 하지만 일부 사례에서는 GK2AB FDA의 false alarm ratio (FAR)와 Bias가 크게 나타나 안개를 과대탐지하는 문제를 보이고 있다.

• Journal of Acupuncture Research
• /
• 제29권1호
• /
• pp.139-150
• /
• 2012

1. 형상의학(形象醫學)에서는 사람을 얼굴형태에 따라 정(精) 기(氣) 신(神) 혈(血)과로 이목구비(耳目口鼻)의 기능에 따라 어(魚) 조(鳥) 주(走) 갑류(甲類)로 분류하며, 이러한 분류에 따른 장부(臟腑)의 특성을 사암침(舍巖鍼) 운용에 활용하면 임상에서 활용도가 높다. 2. 어류(魚類)는 수(水)의 기운(氣運)이 많아 수체(水體)라고도 하며 신장(腎臟)이 발달하여 신장(腎臟)과 관련된 병이 오기 쉽다. 그 본치(本治)가 보정보기(補精補氣)이며 주로 신정격(腎正格)을 운용하고 신양허쇠(腎陽虛衰)인 경우 신열격(腎熱格), 신음허(腎陰虛)인 경우 신한격(腎寒格)을 쓰며 정혈(精血)의 휴손(虧損)이 심한 경우 간정격(肝正格)도 운용할 수 있다. 3. 조류(鳥類)는 화(火)의 기운(氣運)을 많이 받아 화체(火體)라고도 하며 심장(心臟)이 발달하여 심장병(心臟病) 신경성 질환이 잘 온다. 그 본치(本治)가 자음강화(滋陰降火)며 심장(心臟)의 음혈(陰血)을 보(補)하고 화(火)를 내리는 심한격(心寒格)을 위주로 하여, 심화(心火)를 사(瀉)하면서 음혈(陰血)을 보해주고 신지(神志)를 안정시키는 심승격(心勝格), 심기(心氣)가 부족한 경우 심정학(心正格), 심담(心膽)이 모두 허(虛)한 경우 담정격(膽正格)을 운용할 수 있다. 4. 주류(走類)의 목(木)의 기운(氣運)이 많아 목체(木體)라고도 하며 간(肝)이 발달(發達)하여 간(肝)과 관련된 병(病)이 잘 온다. 그 본치(本治)가 청열사습(靑熱瀉濕), 자혈양근(滋血養筋)이므로 간정격(肝正格)을 주로 운용하고, 간화(肝火)가 동(動)하거나 간실증(肝實證)이 나타난 경우 간한격(肝寒格)이나 간승격(肝勝格)을, 간기(肝氣)가 항진(亢進)으로 인해 비기(脾氣)가 허(虛)해져 있는 경우 비정격(脾正格)을, 습열이 너무 성(盛)한 경우 대장정격(大場正格)을 운용할 수 있다. 5. 갑류(甲類)는 금(金)의 기운(氣運)이 많아 금체(金體)라고도 하며 폐(肺)가 발달하여 폐(肺)와 관련된 병이 잘 온다. 그 본치(本治)가 해울소담(解鬱消痰)이므로 폐정격(肺正格)을 통해 보폐순기(補肺順氣)하며 울증(鬱症)이 심한 경우 폐승격(肺勝格)으로 통해 소담(消痰)시켜주고 기울방(氣鬱方)으로 해울(解鬱)하기도 한다. 6. 정과(精科)는 그 특성상 정(精)의 누설(漏泄)에 의한 증상 및 정부족(精不足), 양허증상(陽虛證狀)과 정(精)의 과도한 응집(凝集)에 의한 습열(濕熱)이 기본 병리이며 기본처방은 신기(腎氣)를 강화하는 신정격(腎正格)을 중심으로 하여, 신열격(腎熱格) 신한격(腎寒格) 등을 변증에 따라 운용하며 습열(濕熱)이 성한 경우 대장정격(大腸正格) 비승격(脾勝格) 등 습열(濕熱)을 다스리는 처방과 비정격(脾正格), 습담방(濕痰方) 등 습담(濕痰)을 다스리는 처방이 운용될 수 있다. 7. 기과(氣科)의 기본 병리(病理)는 기울(氣鬱), 기체(氣滯)에 의한 구기(九氣), 칠기(七氣), 중기(中氣), 매핵기(梅核氣), 불면증(不眠症) 등 신경성 질환이 많고 특히 여자의 경우 손발과 하복부가 차고 대소변이 안좋으며 징가(癥痂), 현벽(痃癖) 등의 질환이 많다. 또한 지나친 발산(發散)으로 인하여 기허증(氣虛證)이 나타나기도 한다. 따라서 기본처방은 기울방(氣鬱方), 담음방(痰飮方), 담현방(痰眩方), 기수방(氣嗽方), 폐승격(肺勝格), 삼초정격(三焦正格) 등이며, 기허증(氣虛證)이 나타나는 경우 폐정격(肺正格)을 사용할 수 있다. 8. 신과(神科)의 기본병리는 칠정울결(七情鬱結)이나 담화(痰火), 화성음허(火盛陰虛)이며 대표적인 증상은 경계(驚悸), 정충(怔忡), 건망(健忘), 불면(不眠), 전간(癲癎), 전광(癲狂) 등이다. 따라서 기본처방은 심한격(心寒格), 심승격(心勝格), 심정격(心正格), 담정격(膽正格), 비한격(脾寒格)을 중심으로 열담방(熱痰方), 군화방(君火方), 상화방(相火方), 화울방(火鬱方) 등을 사용할 수 있다. 9. 혈과(血科)의 기본병리는 어혈(瘀血) 및 출혈이며 대표적인 증상은 구규출혈(九竅出血)과 어혈(瘀血), 혈허증(血虛證)이다. 따라서 기본처방은 간정격(肝正格), 손혈방(損血方), 심한격(心寒格) 비한격(脾寒格) 심비한격(心脾寒格), 소장정격(小腸正格), 소장한격(小腸寒格), 어혈방(瘀血方), 뉵혈방(衄血方) 등을 사용할 수 있다.