• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.261-261
• /
• 2016

임진강 유역은 우리나라와 북한과의 접경지역에 속하는 유역으로서 임진강은 북한에서 발원하여 남한으로 흘러 한강으로 유입되는 공유하천으로 볼 수 있다. 본 연구 유역은 이수, 치수, 수질, 환경 측면에서 타 유역에 비해 불안요소가 많은 지역이므로 남북한의 관계 개선을 통한 효과적인 대책 수립에서 공동의 노력이 필요한 지역이라 할 수 있다. 과거에 집중호우와 태풍의 영향 등으로 인하여 많은 피해로 인하여 이에 따른 대책과 많은 계획 등이 수립되었고, 북한의 무단방류에 따른 사고로 인하여 피해로 인하여 이를 극복하고, 홍수를 조절하는 목적으로 군남홍수조절지, 한탄강홍수조절댐을 건설하여 홍수에 따른 선제적 대응과 주민 피해 등을 방지하고자 하였다. 그러나 최근 경기북부를 포함한 임진강 유역의 가뭄으로 인한 유량의 감소로 인하여, 2014~2015년의 파주 장단반도 일대의 농업용수 부족과 하구의 조위, 즉 염도에 의한 영향으로 하류부 급수 불량 등 이수적 측면에서 주민들의 피해 문제가 속출하고 있는 실정이다. 위와 같은 배경을 바탕으로 본 연구에서는 임진강 유역에 위치한 기상 수문관측자료(2000년~2015년)를 이용하여 다음 내용을 연구하였다. 첫째로 수문기상인자들의 경향성 분석을 통하여 임진강 유역의 유량 감소 원인을 파악하였으며, 수문기상인자들의 감소에 따른 영향과 북한 댐건설에 따른 유역변경 영향에 대하여 분석을 수행하였다. 전체적으로 임진강 유역의 유량은 감소추세에 있으며, 북한 댐건설의 영향이 있는 것으로 파악되었다. 또한 최근 2014년과 2015년의 유량 감소는 강수량의 감소 영향이 큰 것으로 나타났다. 두 번째로 북한 댐건설에 의한 영향을 살펴보기 위해 임진강 상류를 대상으로 하천유출모형인 PDM을 이용하여 장기유출모의를 수행하였으며, 모의결과 북한 댐건설에 의해 유출특성이 변하였음을 확인하였다. 세 번째로 임진강 유역 갈수량을 추정하고 물 부족량 및 필요수량을 분석하였다. 분석결과, 북한 댐건설 이후를 기준으로 물 부족량이 발생하였으며, 이에 필요한 필요 수량을 제안하였다. 또한 최근 2014년과 2015년과 같은 비상시에 대한 필요 수량도 제안하였다. 마지막으로 앞서 제안한 필요 수량을 확보하기 위해 기존댐 담수 및 연계운영, 신규 수자원 확보 방안, 남북 공유하천 공동 관리 방안 등의 대응방안을 제안하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.135-135
• /
• 2018

한강의 잠수교는 평상시에는 사람과 차의 통행이 가능하나 예측수위가 5.5m일 경우, 보행자통제, 6.2m일 경우, 차량통제를 실시한다. 잠수교는 국토교통부의 홍수예보 지점은 아니지만 그 특수성으로 인해 정확한 홍수위 예측을 통해 선행시간을 확보할 필요가 있다. 일반적으로 하천 홍수위 예측을 위해서는 강우-유출 모형과 하도추적을 위한 수리모형을 결합한 모델링이 요구되나 잠수교는 하류부 조위로 인한 배수 및 상류부 팔당댐 방류량의 영향을 받아 물리적 수리 수문모형의 구축이 상당히 제약적이다. 이에 본 연구에서는 딥러닝 오픈 라이브러리인 Tensorflow 기반의 LSTM 심층신경망(Deep Neural Network) 모형을 구축하여 잠수교의 수위예측을 수행한다. LSTM 모형의 학습과 검증을 위해 2011년부터 2017년까지의 10분단위의 잠수교 수위자료, 팔당댐의 방류량과 월곶관측소의 조위자료를 수집한 후, 2011년부터 2016년까지의 자료는 신경망 학습, 2017년 자료를 이용하여 학습된 모형을 검증하였다. 민감도 분석을 통해 LSTM 모형의 최적 매개변수를 추정하고, 이를 기반으로 선행시간(lead time) 1시간, 3시간, 6시간, 9시간, 12시간, 24시간에 대한 잠수교 수위를 예측하였다. LSTM을 이용한 1~6시간 선행시간에 대한 수위예측의 경우, 모형평가 지수 NSE(Nash-Sutcliffe Efficiency)가 1시간(0.99), 3시간(0.97), 6시간(0.93)과 같이 정확도가 매우 우수한 것으로 분석되었으며, 9시간, 12시간, 24시간의 경우, 각각 0.85, 0.82, 0.74로 선행시간이 길어질수록 심층신경망의 예측능력이 저하되는 것으로 나타났다. 하천수위 또는 유량과 같은 수문시계열 분석이 목적일 경우, 종속변수에 영향을 미칠 수 있는 가용한 모든 독립변수를 데이터화하여 선행 정보를 장기적으로 기억하고, 이를 예측에 반영하는 LSTM 심층신경망 모형은 수리 수문모형 구축이 제약적인 경우, 홍수예보를 위한 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.121-121
• /
• 2019

특정 지역에 집중적으로 비가 내리는 현상인 국지성호우가 빈번히 발생함에 따라 하천 주변 사회기반시설의 침수 위험성이 증가하고 있다. 침수 위험성 판단 여부는 주로 수위정보를 이용하며 수위 예측은 대부분 수치모형을 이용한다. 본 연구에서는 빅데이터 기반의 RNN(Recurrent Neural Networks)기법 알고리즘을 활용하여 수위를 예측하였다. 연구대상지는 조위의 영향을 많이 받는 한강 전역을 대상으로 하였다. 2008년~2018년(10개년)의 실제 침수 피해 실적을 조사한 결과 잠수교, 한강대교, 청담대교 등에서 침수 피해 발생률이 높게 나타났고 SNS(Social Network Services)와 같은 비정형화 자료에서는 청담대교가 가장 많이 태그(Tag)되어 청담대교를 연구범위로 설정하였다. 본 연구에서는 Python에서 제공하는 Tensor flow Library를 이용하여 수위예측 알고리즘을 적용하였다. 데이터는 정형화 데이터와 비정형 데이터를 사용하였으며 정형화 데이터는 한강홍수 통제소나 기상청에서 제공하는 최근 10년간의 (2008~2018) 수위 및 강우량 자료를 수집하였다. 비정형화 데이터는 SNS를 이용하여 민간 정보를 수집하여 정형화된 자료와 함께 전체자료를 구축하였다. 민감도 분석을 통하여 모델의 은닉층(5), 학습률(0.02) 및 반복횟수(100)의 최적값을 설정하였고, 24시간 동안의 데이터를 이용하여 3시간 후의 수위를 예측하였다. 2008년~ 2017년 까지의 데이터는 학습 데이터로 사용하였으며 2018년의 수위를 예측 및 평가하였다. 2018년의 관측수위 자료와 비교한 결과 90% 이상의 데이터가 10% 이내의 오차를 나타내었으며, 첨두수위도 비교적 정확하게 예측되는 것을 확인하였다. 향후 수위와 강우량뿐만 아니라 다양한 인자들도 고려한다면 보다 신속하고 정확한 예측 정보를 얻을 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.67-67
• /
• 2016

최근 기후온난화로 인한 이상기후와 지진의 발생가능성으로 인해 직렬 혹은 병렬로 위치한 2개 이상의 댐(저수지)들의 연속 붕괴 가능성도 점점 커지고 있어 연속 댐 붕괴에 대한 비상대처계획도 수립에 대한 관심도 증대되고 있다. 국내에서는 댐(저수지) 붕괴로 인한 극한홍수해석이나 비상대처계획 수립시 국내에서는 DAMBRK, FLDWAV, HEC-RAS와 같은 1차원 수리동역학 모형이 주로 사용되어지고 있다. 하지만 1차원 모형은 흐름을 하나의 방향으로만 한정하여 해석하고, 각각의 적용 횡단면에서 동일 수위를 가지다는 가정으로 홍수범람해석을 수행하므로 정확성뿐만 아니라 실제 적용성에서도 한계를 가질 수밖에 없다. 댐(저수지) 붕괴로 인한 홍수범람해석에서 2차원 이상의 고차원 모형은 앞서 언급한 1차원 모형에 적용된 비현실적인 가정을 포함하지 않으므로 더욱 정교하고 신뢰성 있는 결과를 얻을 수 있다. 하지만, 홍수범람해석을 위한 상용 프로그램들은 단일 댐(저수지) 붕괴의 적용에는 큰 어려움이 없으나, 지형단면을 초기에 한번만 고려하는 문제로 인하여 연속 댐(저수지) 붕괴의 고려에는 한계를 가진다. 따라서 본 연구에서는 댐(저수지)의 연속 붕괴를 해석할 수 있는 2차원 수리동역학 모형을 개발하고자 한다. 각 댐(저수지)의 붕괴 전과 후의 지형 단면을 여러 번 반영할 수 있는 모형을 개발함으로써 시간차를 두고 붕괴되는 댐(저수지)의 연속 붕괴를 해석할 수 있도록 하였다. 개발모형은 2002년 태풍 루사로 인해 실제로 붕괴된 저수지에 적용되었으며, 이 저수지들은 붕괴시 시간차이를 두고 붕괴가 이루어져 개발모형의 적용 유역으로 선택하였다. 저수지의 연속붕괴 모델링을 위해 지형자료로는 저수지 단면, 댐 제체 및 여수로 붕괴 단면, 하천 단면 그리고 홍수터 지형 반영을 위한 수치지도, 경계조건으로는 저수지로의 유입유량과 하류단 조위조건이 고려되었다. 그리고 태풍 루사 당시의 기록적인 강우를 반영하기 위해 연구유역 인근에 관측된 강우를 모형에서 하천 및 홍수터에서 고려할 수 있도록 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.356-356
• /
• 2021

기존의 태화강 유역 홍수예보는 수문학적 홍수예측모형을 이용하여 수행되어왔다. 본 연구에서는 보와 같은 하천 횡단구조물과 지류 및 하류단 조위의 배수영향을 고려하지 못하는 등 기존 수문모형의 단점을 보완하고자 태화강 유역에 대한 1차원 수리학적 홍수예측모형을 신규 구축하였다. 대상 지역인 태화강 유역은 울산광역시 울주군 언양읍 언양천 합류지점부터 울산광역시 삼호교까지의 지방하천 구간과 삼호교부터 태화강 하구까지의 국가하천 구간으로 구분하여 관리되다가, 최근 지방하천의 정비가 미흡하고 기후변화에 따른 침수피해가 증가되어 국가재정 투자로 정비를 시행하고자 2020년부터 전구간이 국가하천으로 승격되었다. 수리학적 홍수예측모형 구축 대상구간은 울산시(사연교) 수위관측소부터 태화강 하구까지 20.913km 구간에 105개 단면으로 구성하였다. 그리고 구축된 모형을 2012년 태풍 산바, 2019년 태풍 미탁 사상으로 보정 후 2020년 장마 사상으로 검증을 실시하였다. 신규 구축한 태화강 수리학적 홍수예측모형을 통해 모의한 결과 2009년 지방하천 구간, 2013년 국가하천 구간의 하천기본계획 횡단면 자료를 이용함으로써 2012년 사상은 실제 수위를 정확히 모의했지만, 최근 사상은 정확도가 저하되는 것으로 나타났다. 정확도 저하의 원인을 파악하기 위해 하천기본계획, 수문조사 연보 등을 통해 관측소의 이설 및 수위-유량관계곡선의 변동사항 등을 조사하였고, 하상퇴적으로 인한 지형변화가 발생한 것으로 추측하였다. 본 연구에서는 현재 재수립중인 하천기본계획의 측량자료가 생산되기 전에 기수립된 계획의 단면 자료를 이용하여 홍수예보 업무가 가능하도록 하고자 지형변화를 조도계수를 통해 간접적으로 반영하였다. 본 연구의 성과를 이용하여 태화강 유역의 홍수예보 정확도 향상과 태화강 국가정원과 같은 이용객이 많은 친수지구에 대한 홍수정보를 제공할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.416-416
• /
• 2020

우리나라의 계절 특성상 여름철 집중호우가 쏟아지는 현상이 빈번하게 발생하는데 이러한 돌발홍수가 예고 없이 일어나 상습적으로 침수 피해를 입는 지역이 증가하고 있다. 본 연구에서 2009년 ~ 2019년 동안 서울시 침수 피해 사건 중심의 인터넷 기사를 기반으로 실제 침수 사례를 조사해본 결과, 침수가 가장 많이 발생한 순으로 반포동(26건), 대치동(25건), 잠실동(21건)으로 집계되었다. 침수피해가 가장 많은 반포동을 연구지역으로 선정하고 그 중 잠수교의 수위를 예측하는 연구를 진행하였다. 기존 연구에서는 수치모형에 비해 신속한 결과를 도출할 수 있는 자료 기반 모형 중 LSTM 기법을 많이 사용하였다. 그러나 이는 선행 시간이 길어질수록 첨두수위에서 과소추정된 것으로 분석된 취약점이 존재하였다(정성호 외, 2018). 본 연구에서는 이러한 단점을 보완하기 위해 GANs(Generative Adversarial Networks)를 이용하였다. GANs는 생성자와 감별자가 나뉘어 생성자가 실제 자료인 첨두수위에서의 잠수교의 수위를 학습하고 실제와 근접한 가상데이터를 결과로 생성하여 감별자는 그 생성된 미래의 잠수교의 수위가 실제인지 가상인지 판별하도록 학습시키는 신경망 구조이다. 사용한 수문자료는 한강홍수통제소, 기상청, 국립해양조사원에서 제공하는 최근 15년간의 (2005년~2019년) 수위, 방류량, 강수량, 조위 자료를 수집하였고 t-test와 상관성분석을 통해 사용한 인자 간의 유의미성 판단과 상관성을 분석했다. 또한, 민감도 분석 결과 시퀀스길이(5), 반복횟수(1000), 은닉층(10), 학습률(0.005)로 최적값을 선정하였다. 또한 학습구간(2005년~2014년)과 검증구간(2015~2019년)으로 나누어 상대적으로 높은 수위가 관측되는 홍수기의 3, 6, 9시간 후의 수위를 예측하고 오차 지표를 이용해 평가하였다. LSTM 기법으로 예측된 수위와 GANs로 예측된 수위를 비교한 결과 GANs으로 예측된 첨두수위에서의 정확도가 5% 정도로 향상되었다. 향후에는 다양한 영향인자와 다른 기법과의 결합을 고려한다면 보다 정확하게 수위를 예측하여 하천 주변 사회기반시설의 침수 피해를 감소시킬 것으로 판단된다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.11 no.3 s.26
• /
• pp.23-34
• /
• 2003

Currently, the efficiency of GPS has been increased in the various precise survey like as the control survey and the navigation etc. Also, it is widely used in the deformation analysis of the structure, the measurement of the marine tides, the measurement of the river level and the topographic monitoring of seabed or riverbed by combined the measurement equipment for depth. In this study, we intend to increase in efficiency of the topographic monitoring of seabed or riverbed by combined with DGPS, RTK GPS and echo sounder. For this study, we defined the error correction of the echo sounder with the experiment of water tank which is considered the characteristic of estuary riverbed and then we developed the s/w for 3-dimensional monitoring of estuary riverbed and applied the s/w to field test and improved the various problems. On analyzing topography of estuary riverbed by combined GPS with echo sounder, the draught error which is yielded to change of length from the water surface by the movement of survey vessel to the end of the transducer was eliminated by geometrical rearrangement and we defined the correction formula $z=BM+SAH-DBR_{(i)}-DRT-ED$. The sounding error about the echo sounder and characteristic of estuary riverbed was found by understanding the relation of average diameter ind residual error and we defined correction formula, $Y=0.00474{\ast}ln(X)-0.0045$ by the regression analysis. and then we verified applicability of correction formula.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.23 no.2
• /
• pp.187-193
• /
• 2017

This study evaluated tidal stream energy resources according to tidal flow properties around Uido off the west coast of, Jeollanam-do, South Korea. A feasibility study was first carried out through the collection of bathymetry data and tidal phase information. For this simulation, a depth-averaged 2D ADCIRC (Advanced Circulation) model for real sea situations was applied to a Finite Element Method (FEM) approach for tides given the variation of tidal current speed. Hydrodynamics were simulated with 4 major tidal constituents (M2, S2, K1, and O1) after setting up 4 observation points. From the real depth-averaged model simulation results, it was found that the spring tide Higher High Water (HHW) and tidal current speed values at the 4 observation points were about 2.2 m and 1.33 m/s, respectively. The ADCIRC model results were analyzed with reference to the Korea Hydrographic and Oceanographic Agency's (KHOA) observed data for verification. Furthermore, using topographical characteristics via the Tidal Flux Method (TFM), tidal energy density distribution was calculated, indicating a maximum tidal energy density of about $1.75kW/m^2$ for the 5 assessment areas around Uido. The tidal energy density was evaluated with consideration given to topographical characteristics as well as tidal elevation and tidal current speed to determine an optimum tidal farm candidate.

• Korean Journal of Remote Sensing
• /
• v.36 no.2_2
• /
• pp.249-261
• /
• 2020

Coastal monitoring using multiple platforms/sensors is a very important tools for accurately understanding the changes in offshore marine environment and disaster with high temporal and spatial resolutions. However, integrated observation studies using multiple platforms and sensors are insufficient, and none of them have been evaluated for efficiency and limitation of convergence. In this study, we aimed to suggest an integrated observation method with multi-remote sensing platform and sensors, and to diagnose the utility and limitation. Integrated in situ surveys were conducted using Rhodamine WT fluorescent dye to simulate various marine disasters. In September 2019, the distribution and movement of RWT dye patches were detected using satellite (Kompsat-2/3/3A, Landsat-8 OLI, Sentinel-3 OLCI and GOCI), unmanned aircraft (Mavic 2 pro and Inspire 2), and manned aircraft platforms after injecting fluorescent dye into the waters of the South Sea-Yeosu Sea. The initial patch size of the RWT dye was 2,600 ㎡ and spread to 62,000 ㎡ about 138 minutes later. The RWT patches gradually moved southwestward from the point where they were first released,similar to the pattern of tidal current flowing southwest as the tides gradually decreased. Unmanned Aerial Vehicles (UAVs) image showed highest resolution in terms of spatial and time resolution, but the coverage area was the narrowest. In the case of satellite images, the coverage area was wide, but there were some limitations compared to other platforms in terms of operability due to the long cycle of revisiting. For Sentinel-3 OLCI and GOCI, the spectral resolution and signal-to-noise ratio (SNR) were the highest, but small fluorescent dye detection was limited in terms of spatial resolution. In the case of hyperspectral sensor mounted on manned aircraft, the spectral resolution was the highest, but this was also somewhat limited in terms of operability. From this simulation approach, multi-platform integrated observation was able to confirm that time,space and spectral resolution could be significantly improved. In the future, if this study results are linked to coastal numerical models, it will be possible to predict the transport and diffusion of contaminants, and it is expected that it can contribute to improving model accuracy by using them as input and verification data of the numerical models.

• 한국해양학회지
• /
• v.28 no.1
• /
• pp.1-16
• /
• 1993

The monthly mean sea levels at 48 stations located at the East and Yellow Seas coasts of Korea, Russia and Japan are processed to investigate seasonal sea level variations. The strong seasonal variations are found to be at the west coast of Korea (42.1 cm in Kunsan), in the region of the Korea strait and near the southern part of Primorye (30-33 cm); the weak ones near the southwestern coast of the Sakhalin Island (10-12 cm). Practically for the whole study area except the southwest Sakhalin, the general picture of the seasonal sea level changes is alike: the mean sea level rises in summer-autumn and falls in winter-spring. The spectral analysis of the records also shows that the seasonal oscillations strongly dominate in the sea level variations, more than 80% or total energy in the southern part of the investigated region and 50-70% in the northern part relate to these oscillations. The annal peak significantly prevails in spectra of the monthly sea levels for the majority of stations, the semiannual peak is also well manifested, but the seasonal peaks of higher order (corresponding to the periods of four and three months) reveal only at some records. The maximal amplitudes of annual component by a least square method are found at the Yellow Sea coast of Korea (20-21 cm) and also near the Japanese coast of the korea Strait (19-19 cm). The semiannual component has the maximal amplitudes (3-4 cm) near the south and southwestern coasts of the Sakhalin Island. The annual range of the sea levels is much weaker here than in the other regions, the relative investment of the seasonal oscillations in total energetic budget is only 35-40%, annual ($A_1$) and semiannual ($A_2$) components have nearly the same amplitude (seasonal factor $F=A_1/A_2=0.9-1.2$). On the basis of the present examination on sea level changes together with the results of Tomizawa et. al.(1984) the whole investigated area may be divided into 10 subregions, 2 of them are related to the Yellow Sea and Western part of the Korea Strait (Y1, Y2), the other ones (E1-E8) to the East Sea.