• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.413-413
• /
• 2015

최근 국내외적으로 정도 높은 강우장을 모의하기 위해 레이더 자료와 강우자료를 합성하려는 연구가 수행되고 있다. 이는 정밀하게 강우를 관측할 수 있는 지점 강우의 장점과 강우의 공간분포를 파악할 수 있는 레이더 자료의 장점을 결합하여 고품질의 자료를 생산할 수 있기 때문이다. 기존에는 연속수정법, 조건부 합성기법, 코크리깅, 가우시안 합성기법 등과 같은 자료합성 기법을 이용하여 레이더 자료와 지상강우를 합성한 연구가 수행되었다. 그러나 강우자료의 간헐적인 특징으로 인하여 두 자료를 합성하려는 시도는 간단하지 않은 문제로 나타났다. 이에 본 연구에서는 간헐적 특성의 자료를 고려한 자료합성 기법을 제안하였다. 먼저, 자료를 0이 포함되지 않은 경우와 0이 포함된 경우의 2가지 유형으로 구분하였다. 기존에는 주로 자료에 0에 포함되지 않은 경우에 대한 합성기법이 평가되었지만, 본 연구에서는 0이 포함된 경우에 대한 합성기법에 초점을 맞추었다. 자료합성 기법 중 코크리깅 기법을 이용하여 0이 포함된 레이더 자료와 강우자료를 합성하는 방법을 제안하였고 이를 0이 포함되지 않은 경우를 이용한 합성 결과와 비교하였다. 아울러 제안된 합성기법을 한강 유역의 자료에 적용하여 그 결과를 비교 및 평가 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.141-141
• /
• 2016

미계측 지역에서의 토양수분을 예측하기 위하여 조건부합성방법을 한반도에 적용하여 비교 분석하였다. 토양수분 자료는 농촌진흥청에서 제공하는 지상관측 자료와 GCOM-W1 위성의 Advanced Microwave Scanning Radiometer2 (AMSR2) 센서의 자료를 사용하였다. 위성관측 토양수분자료의 오차를 제거하기 위하여 지상관측자료에 정규화 하였고, 정규화된 위성관측 자료와 지상관측자료를 조건부합성 방법을 이용하여 합성하였다. 조건부 합성방법의 성능을 평가하기 위하여 leave-one-out 교차검증 방법을 사용하였고, 분석 결과 지상관측자료에 위성자료를 합성한 조건부합성방법이 지상관측자료만을 사용한 크리깅 방법에 비해 우세하게 나타났다. 또한 각 관측지점에서의 조건부합성 방법을 이용한 토양수분 예측 성능을 공간분포 시켜 지역적인 특성을 분석한 결과 관측소의 밀도와 지형적인 특성이 조건부합성방법의 성능에 영향을 미치는 것으로 나타났다. 본 연구의 결과는 원격탐사기법으로 관측된 토양수분 자료의 공간적인 특성을 고려하여 지상 관측 자료와 합성하는 것이 토양수분 공간보간성능을 향상 시킬 수 있다는 것을 의미한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1021-1026
• /
• 2009

본 연구에서는 물리적 기반의 완전분포 모형인 $Vflo^{TM}$ 모형을 이용하여 강원도 인제군에 위치한 내린천 유역을 대상으로 광덕산 레이더 자료와 지상강우 자료를 이용하여 분포형 홍수유출모의를 실시하였다. $Vflo^{TM}$모형을 구성하기 위해서 GIS 지형공간 자료가 사용하였다. 유역의 하천 배수망과 각 격자에서의 경사를 구하기 위하여 250m 격자 크기의 DEM을 사용하였다. 본 연구에서는 2006년 7월 14일부터 2006년 7월 17일까지의 관측 레이더 강우자료(Quantitative Precipitation Estimation, QPE), 보정된 레이더 강우자료, 지상 강우량자료를 동일한 조건의 $Vflo^{TM}$모형에 입력하여 관측 유출량과 비교함으로써 기상청레이더 자료와 조건부합성기법으로 보정된 레이더 자료의 수문모형의 입력 자료로써의 타당성을 비교하고자 하였다. 광덕산 레이더 강우의 경우 관측치보다 상당히 과소 추정되는 모습을 보여주었고, 지상강우와 조건부합성기법으로 보정된 레이더 강우의 경우 실제 관측치와 비슷한 유출을 나타내었지만, 조건부 합성기법(Kim, 2008)을 이용하여 레이더강우와 지상강우를 합성한 보정 레이더 강우자료가 가장 좋은 결과를 보여주었다. 이를 통해 기상레이더 강우자료와 지상강우자료를 합성할 경우 충분히 레이더 강우를 이용하여 홍수모형의 입력자료로써 수문학적 활용성이 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.226-226
• /
• 2017

최근 국지성 집중호우 및 돌발홍수와 같은 급격한 기상변화로 인한 기상재해의 발생빈도가 증가함에 따라 고해상도의 기상레이더 강수자료를 사용한 수공학 분야의 연구가 활발하게 진행되고 있다. 레이더 강수자료를 수문분석에 활용하는 목적은 레이더 강수량이 제공하는 공간분포를 최대한 활용하는데 있다. 기상레이더는 광범위한 영역에 대하여 시공간적으로 연속적인 관측이 가능하므로 지상 강수자료에 비하여 고해상도의 강수자료를 확보하는데 이점이 있다. 본 연구에서는 고해상도의 레이더 강수자료의 공간분포 특성을 유지하면서 지상 강수자료의 양적특성을 유지할 수 있는 조건부 합성기법을 개발하였다. 레이더 강수자료와 지상 강수자료를 조건부 합성하기 위하여 널리 활용되고 있는 Kriging, 역거리 가중법 및 Spline 보간법을 적용하였다. 조건부 합성결과는 지상 강수패턴을 현실성 있게 재현하였다. 추가적으로 미계측 지점으로 간주하여 보간법에 적용되지 않은 강수자료와 조건부 합성기법 결과에 대하여 교차검증을 수행한 결과 조건부 합성기법을 통한 강수정보는 수문분석에 직접적으로 활용될 수 있는 가능성을 확인하였다. 본 연구결과를 향후 초단기 레이더 강수예측기법과 연계하여 수문모형의 입력 자료로 활용한다면 보다 진보된 수문해석이 가능할 것으로 판단된다.

• Geophysics and Geophysical Exploration
• /
• v.24 no.3
• /
• pp.89-97
• /
• 2021

Fault detection in seismic data is well suited to the application of machine learning algorithms. Accordingly, various machine learning techniques are being developed. In recent studies, machine learning models, which utilize synthetic data, are the particular focus when training with deep learning. The use of synthetic training data has many advantages; Securing massive data for training becomes easy and generating exact fault labels is possible with the help of synthetic training data. To interpret real data with the model trained by synthetic data, the synthetic data used for training should be geologically realistic. In this study, we introduce a method to generate realistic synthetic seismic data. Initially, reflectivity models are generated to include realistic fault structures, and then, a one-way wave equation is applied to efficiently generate seismic stack sections. Next, a migration algorithm is used to remove diffraction artifacts and random noise is added to mimic actual field data. A convolutional neural network model based on the U-Net structure is used to verify the generated synthetic data set. From the results of the experiment, we confirm that realistic synthetic data effectively creates a deep learning model that can be applied to field data.

• Journal of Korea Water Resources Association
• /
• v.41 no.7
• /
• pp.681-692
• /
• 2008

This study investigated the application of the successive correction method(SCM), a simple data assimilation method, for synthesizing the radar and rain gauge data. First, the number of iteration and influence radius for the SCM application were decided based on their sensitivity analysis. Also, for the evaluation of synthetic rainfall, the distributed rainfall field using the dense rainfall gauge network was assumed to be the true one. The synthetic rainfall field based on the SCM was also compared quantitatively with the one based on the co-Kriging frequently used nowadays. As the results, the SCM, a simple and economical data assimilation method, was found to secure the accuracy and statistical characteristics of the co-Kriging application.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.65-69
• /
• 1999

합성단위, 합성기, 합성방식 등에 따라 여러 가지 다양한 음성합성시스템이 있으나 순수한 법칙합성 시스템이 아니고 기본 합성단위를 연결하여 합성음을 발생시키는 연결합성 시스템은 연결단위사이의 매끄러운 합성계수의 변화를 구현하지 못해 자연감이 떨어지는 실정이다. 자연음에 존재하는 운율법칙을 정확히 구현하면 합성음의 자연감을 높일 수 있으나 존재하는 모든 운율법칙을 추출하기 위해서는 방대한 분량의 언어자료 구축이 필요하다. 일반 의미 문장으로부터 운율법칙을 추출하는 것이 바람직하겠으나, 모든 운율 현상이 포함된 언어자료는 그 문장 수가 극히 방대하여 처리하기 힘들기 때문에 가능하면 문장 수를 줄이면서 다양한 운율 현상을 포함하는 문장 군을 구축하는 것이 중요하다. 본 논문에서는 음성학적으로 균형 잡힌 고립단어 412 단어를 기반으로 의미문장들을 만들었다. 이들 단어를 각 그룹으로 구분하여 각 그룹에서 추출한 단어들을 조합시켜 의미 문장을 만들도록 하였다. 의미 문장을 만들기 위해 단어 목록에 없는 단어를 첨가하였다. 단어의 문장 내에서의 상대위치에 따른 운율 변화를 살펴보기위해 각 문장의 변형을 만들어 언어자료에 포함시켰다. 자연감을 높이기 위해 구축된 언어자료를 바탕으로 음성데이타베이스를 작성하여 운율분석을 통해 신경망을 훈련시키기 위한 목표패턴을 작성하였다 문장의 음소열을 입력으로 하고 특정음소의 운율정보를 발생시키는 신경망을 구성하여 언어자료를 기반으로 작성한 목표패턴을 이용해 신경망을 훈련시켰다. 신경망의 입력패턴은 문장의 음소열 중 11개 음소열로 구성된다. 이 중 가운데 음소의 운율정보가 출력으로 나타난다. 분절요인에 의한 영향을 고려해주기 위해 전후 5음소를 동시에 입력시키고 문장내에서의 구문론적인 영향을 고려해주기 위해 해당 음소의 문장내에서의 위치, 운율구에 관한 정보등을 신경망의 입력 패턴으로 구성하였다. 특정화자로 하여금 언어자료를 발성하게 한 음성시료의 운율정보를 추출하여 신경망을 훈련시킨 결과 자연음의 운율과 유사한 합성음의 운율을 발생시켰다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.99-99
• /
• 2021

본 연구에서는 기상 자료와 적설 특성 자료의 관계를 도출하고, 이와 추계 일기 생성 모형을 활용하여 합성 적설심 시계열을 모의하는 방법에 대하여 제안한다. 추계 일기 생성 모형에서는 적설량을 직접 모의하지 않기 때문에 강수량을 적설량으로 변환해야한다. 이를 위해 도입한 관계식은 다음과 같다. 첫째로 기상청 적설 예보의 적설 유무 판단 기준을 이용하였다. 이 기준에서는 상대습도와 지상기온에 따라 강수의 형태를 비, 눈, 진눈깨비로 구분한다. 둘째로 강수가 적설로 판단되었을 때 강수량을 신적설심으로 환산하는 수상당량비를 지상기온과 회귀 분석하였다. 선행 연구에 따라 3시간 1 mm 이상 5 mm 이하 강수와 3시간 5 mm 이상 강수 사상에 대하여 나누어 sigmoid형 곡선을 이용하여 회귀 분석하였다. 마지막으로 융설에 의한 적설심 감소량을 지상기온과 복사량의 함수로 표현하였으며, 각 변수의 계수는 입자 군집 최적화 방법을 통하여 보정하였다. 추계 일기 생성 모형으로는 AWE-GEN 모형을 활용하였으며, 시험 자료로 강릉(105) 종관기상관측소의 24년 기간(1982-2005) 자료를 활용하여 합성 적설심 시계열을 생성하였다. 합성 적설심 시계열 모의 과정은 다음과 같다. (1) 추계 일기 생성 모형으로 합성 일기 자료 생성, (2) 강수 발생 시 적설 유무 판단, (3) 적설로 판단 시 수상당량비를 계산하여 신적설심 추정, (4) 기존 적설심에 신적설심을 더하고, 적설심 감소량만큼 감소. 위와 같은 과정으로 200년 길이 합성 적설심 시계열을 모의한 결과 극한 사상을 과소 추정하는 경향이 나타나 추가적인 개선이 필요한 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.136-136
• /
• 2017

본 연구의 목적은 이중편파 레이더 강우자료와 현재 실무에서 널이 이용되고 있는 레이더 강우보정 기법 적용에 따른 격자기반 분포형 강우-유출 모형인 KIMSTORM (KIneMatic wave STOrm Runoff Model)을 이용하여 유출해석을 수행하여 보정된 레이더 강우자료를 적용한 분포형 수문모형의 효율성을 검토하는데 있다. 남강댐 유역($2,293km^2$)을 대상으로 2014년 8월 태풍 이벤트(나크리), 2016년 10월 태풍 이벤트(차바)에 대하여 비슬산 레이더 강우자료를 사용하였다. 강우자료의 보정은 21개 지점 강우와 레이더 강우를 이용하여 조건부 합성 보정기법을 이용하였으며, 누적 강우량 그리고 면적 강우량 모두 관측치를 잘 재현함을 확인 할 수 있었다. $R^2$(coefficient of determination), ME (model efficiency), VCI (volume conservation index)를 이용하여 적용성을 평가하였다. 2016년 태풍 차바 이벤트에서의 유출 모형의 보정결과 조건부 합성 보정기법을 적용하기전 $R^2$, ME는 각각 0.75, 0.13으로 나타났고 조건부 합성 보정기법을 적용하였을 경우 각각 0.87, 0.82로 유출량 정확도가 크게 향상됨을 나타냈다. 다양한 국지성 집중호우 이벤트는 레이더 강우자료의 과대 및 과소추정을 유발하는 오차의 원인으로 조건부 합성 보정기법은 이러한 오차를 줄여 강우-유출 모형의 유출분석 결과 비교시 첨두유량 및 정량적인 면에서 실측 유량과 가깝게 모의되는 결과를 나타냈다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.26-26
• /
• 2018

기후변화로 인한 홍수, 가뭄 등의 자연재해가 빈번히 발생함에 따라서, 수자원의 변동성이 심각해짐에 따라서 물 부족에 대한 관심이 대두되고 있다. 특히, 수문분야에서 수자원의 확보 및 효율적 관리에 대한 중요성 및 관심이 높아지고는 있으나, 물 순환에 대한 이해 및 분석에 대한 부분은 아직 계속적으로 연구할 필요성이 있다. 물 순환에서 다른 수문기상인자들에 비해 직접적인 관측이 어려운 실제증발산은 단순 가정 및 경험식, 또는 물수지 방정식을 통해 어림되어 계산되어 진다. 지상에서 실제증발산을 관측하기 위해 에디 공분산 기반의 플럭스 타워(flux tower)를 이용하여 한 지역(지점)에서의 정량적인 관측이 이뤄지고 있으나, 공간적인 관측은 이뤄지고 있지 않는 문제점을 가지고 있다. 따라서, 기술이 발전함에 따라 다양한 물리식 기반의 재분석자료(reanalysis data)/인공위성(satellite)기반의 실제증발산에 대한 자료가 산출되어진다. 그렇지만, 다양한 물리식 기반으로 산출되는 결과는 알고리즘의 특성상 오차가 발생할 수 있다. 이러한 방법을 해결하기 위하여 다양한 합성 방법을 이용하여 각 알고리즘에서 오차를 보정 및 개선한 최적의 실제증발산 결과를 필요로 하게 된다. 이 연구에서는 재분석/인공위성 기반의 8일 단위 실제증발산 자료를 활용하여 두 가지의 합성 방법(simple taylor skill score, maximize r)을 이용하여 개선된 실제증발산 결과를 산출하기 위하여, 2005년부터 2014년까지의 호주에서의 실제증발산에 대한 합성 결과를 나타내었다. 전반적으로 두 방법으로 산정된 결과는 기존의 결과에 비해 오차가 상당히 개선된 것을 확인 할 수 있었으며, 특히, 다양한 자료를 이용하여 합성하는 방법인 simple taylor skill score방법이 maximize r의 방법에 비해 보다 오차 및 상관성이 높은 것을 확인 할 수 있다. 본 연구에서 합성 방법을 이용하여 기존의 자료에 비해서 개선된 결과를 산정할 수 있는 것을 확인하였고, 향후 가뭄에 직접적으로 연관성을 가진 합성 증발산 자료를 활용하여 가뭄 분석의 신뢰성을 향상시킬 수 있을 것으로 기대된다.