• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.280-280
• /
• 2023

강수의 정확한 시·공간적 추정은 홍수 대응, 가뭄 관리, 수자원 계획 등 수문학적 모델링의 핵심 기술이다. 우주 기술의 발전으로 전지구 강수량 측정 프로젝트(Global Precipitation Measurement, GPM)가 시작됨에 따라 위성의 여러 센서를 이용하여 다양한 고해상도 강수량 자료가 생산되고 있으며, 기후변화로 인한 수재해의 빈도가 증가함에 따라 준실시간(Near-Real-Time) 위성 강수 자료의 활용성 및 중요성이 높아지고 있다. 하지만 준실시간 위성 강수 자료의 경우 빠른 지연시간(latency) 확보를 위해 관측 이후 최소한의 보정을 거쳐 제공되므로 상대적으로 강수 추정치의 불확실성이 높다. 이에 따라 본 연구에서는 앙상블 머신러닝 기반 수집된 위성 강수 자료들을 관측 자료와 병합하여 보정된 준실시간 강수량 자료를 생성하고자 한다. 모형의 입력에는 시단위 3가지 준실시간 위성 강수 자료(GSMaP_NRT, IMERG_Early, PERSIANN_CCS)와 방재기상관측 (AWS)의 온도, 습도, 강수량 지점 자료를 활용하였다. 지점 강수 자료의 경우 결측치를 고려하여 475개 관측소를 선정하였으며, 공간성을 고려한 랜덤 샘플링으로 375개소(약 80%)는 훈련 자료, 나머지 100개소(약 20%)는 검증 자료로 분리하였다. 모형의 정량적 평가 지표로는 KGE, MAE, RMSE이 사용되었으며, 정성적 평가 지표로 강수 분할표에 따라 POD, SR, BS 그리고 CSI를 사용하였다. 머신러닝 모형은 개별 원시 위성 강수 자료 및 IDW 기법보다 높은 정확도로 강수량을 추정하였으며 공간적으로 안정적인 결과를 나타내었다. 다만, 최대 강수량에서는 다소 과소추정되므로 이는 강수와 관련된 입력 변수의 개수 업데이트로 해결할 수 있을 것으로 판단된다. 따라서 불확실성이 높은 개별 준실시간 위성 자료들을 관측 자료와 병합하여 보정된 최적 강수 자료를 생성하는 머신러닝 기법은 돌발성 수재해에 실시간으로 대응 가능하며 홍수 예보에 신뢰도 높은 정량적인 강수량 추정치를 제공할 수 있다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.35 no.6
• /
• pp.471-484
• /
• 2017

GNSS PWV (Precipitable Water Vapor) is recognized as an important factor for weather forecasts of typhoons and heavy rainfall. Domestic and foreign research have been published that improve weather forecasts using GNSS PWV as initial input data to NWP (Numerical Weather Prediction) model. For rainfall-related weather forecasts, PWV should be provided in real time or NRT (Near-Real Time) and the accuracy and integrity should be maintained. In this paper, the development process of NRT GNSS PWV system using PPP (Precise Point Positioning). To this end, we optimized the variables related to tropospheric delay estimation of PPP. For the analysis of the PPP NRT PWV system, we compared the PWV precision of RP (Relative Positioning) and PPP. As a result, the accuracy of PPP was lower than that of RP, but good results were obtained in the PWV data integrity. Future research is needed to improve the precision of PWV in the PPP method.

• Bulletin of the Korean Space Science Society
• /
• 2011.04a
• /
• pp.25.2-25.2
• /
• 2011

저궤도위성의 정밀궤도결정은 GPS 위성과 수신기의 시계 공통오차를 제거하기 위해 이중 차분하는 방법으로 요구된 위치 정밀도를 충족시켜왔다. 그러나 빠른 속도로 지구를 회전하는 저궤도위성의 정밀궤도결정에 있어 이러한 이중 차분방법은 지구상에 광범위하게 분포된 지상 IGS 망 처리에 많은 계산 부담을 안고 있다. 그리고 지상 측지뿐만 아니라 저궤도위성을 이용한 기상관측 또는 긴급한 영상 처리 응용분야에서도 고정밀도 준실시간(Near Real Time-NRT) 처리가 요구되고 있다. 고정밀 준실시간 정밀궤도결정을 위한 대안은 이중주파수 GPS 수신기으로 IGS에서 제공되는 정밀궤도력을 갖고 고정밀 단독측위가 가능한 정밀단독측위(precise point positioning) 기법으로 상대측위와 버금가는 위치 정밀도를 얻을 수 있다. 다목적실용위성 5호는 고정밀 합성 레이더 영상 처리를 위해서 요구되는 20 cm 위성 위치 정밀도를 만족시키고, 대기 기상관측을 위해 GPS 전파 엄폐 측정값 수집을 목적으로 고정밀 이중주파수 GPS 수신기(Integrated GPS and Occultation Receiver, IGOR)를 탑재하고 있다. 이 논문에서는 IGOR의 이전 제품인 Blackjack 수신기를 탑재한 GRACE 위성의 실제 GPS 데이터를 사용하여 대략 3 ~ 5cm의 위치 정밀도를 얻었다. 준실시간 정밀궤도결정에서 정밀도 손실없이 궤도결정 처리 지연시간(latency)을 줄이는 것이 중요하다. 이 지연시간은 GPS 측정값의 양에 따라 크게 좌우되기에 GPS 측정값 샘플링 주기를 10초에서 640초까지 변화시켜가면서 정밀도를 분석한 결과, 위치 정밀도 손실없이도 궤도결정처리 지연시간을 단축시킬 수 있음을 제시하고 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.407-407
• /
• 2017

홍수 예측을 위한 분포형 수문모형의 유출해석에서 하도추적은 수리학적 하도 추적과 수문학적 하도 추적 방법이 있다. 수리학적 하도 추적은 운동파 방정식, 확산파 방정식 등을 이용하여 수리현상을 시간과 공간으로 편미분하여 홍수량 예측을 한다. 수리적 하도 추적은 시간적, 공간적 안정조건(stability condition)을 만족해야된다. 면적이 큰 유역에서 적용할 때에는 계산에 소요되는 시간이 크다. 그러므로 국지호우로 인한 돌방홍수 예 경보를 위해서는 준실시간 또는 실시간 홍수 감시 및 예측이 필요하므로 계산에 소요되는 시간이 큰 수리학적 하도추적을 이용한 홍수 예측은 한계를 가진다. 본 연구에서는 유역면적이 큰 유역의 준실시간 홍수 감시 및 예측을 위하여 수문학적 하도추적 기법은 하천차수별 저류상수를 적용한 multi-Muskingum방법을 개발하여 모의하였다. multi-Muskingum 적용한 결과 모의시간이 상당히 단축되었으며 자료동화 기법을 통하여 모형의 정확도를 개선하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.31-31
• /
• 2018

본 연구는 내수침수에 의한 침수면적 예측을 위하여 1차원 유출모형의 유출특성을 이용하여 침수면적 예측방법의 최적화이다. 2017년 강우의 초기강우와 첨두강우 특성을 적용한 경우에 정확한 침수면적 추정이 가능한 것을 확인한 바가 있다. 이러한, 결과에 추가적으로 SWMM 모형의 유출결과 자료의 특성인자를 이용하여 침수DB를 선택한 경우에 침수면적 예측 정확도를 분석하였다. 강우지속시간 및 강우량의 변화에 따른 유출결과의 변화를 분석하여 강우특성에 따른 SWMM 모형의 노드별 유출결과의 특성인자 변화를 분석하여 침수DB에서 실제 침수면적 선정방법을 정리하였다. 정리된 방법을 이용하여 유출결과 자료 특성인자를 이용한 최적의 침수DB 선정방법을 돌출하였다. 강우 특성 인자에서 침수DB를 선정하는 방법과 비교하여 강우유출모형의 모의결과를 이용한 경우에 약 6,000여개 노드를 기준으로 5~10분의 모의시간이 추가적으로 소요되어 실시간 침수 DB 선정에는 어렵지만, 준실시간 실제 유출량을 고려한 침수DB 선정이 가능할 것이다. 따라서, 강우특성 도출에 따라 1차적으로 침수DB를 선정하고, 강우유출모형의 유출 특성에 따라서 2차적으로 침수DB를 선정한다면, 예경보 시스템에서 대응시간 확보와 예측 정확도 유지에 긍정적인 방안으로 도입될 수 있을 것이다. 침수DB 구축은 많은 침수면적 산정연구에 이용하였던 TUFLOW 모형을 이용하여 침수DB를 구축하였다. SWMM 모형을 이용하여 강우유출을 모의하고, 침수면적을 TUFLOW를 이용하여 구축한 다양한 호우사상에 대한 침수DB를 이용하여 준실시간 침수면적 예측하는 방법은 향후, 예경보 시스템 구축에 이바지 할 수 있을 것입니다.

• Journal of Advanced Navigation Technology
• /
• v.14 no.6
• /
• pp.783-790
• /
• 2010

For safety navigation of ships at sea, ships monitor their location obtained from Global Positioning Satellite System (GNSS). In this study, we computed near-real-time positions of a ship at sea using GPS Precise Point Positioning (PPP) technique and analyzed precision of the near-real-time positions. We conducted ship borne GPS observations in the south sea of Korea. To process the GPS data using PPP technique, GIPSY-OASIS (GPS Inferred Positioning System-Orbit Analysis and Simulation Software) developed by the Jet Propulsion Laboratory was used. Antenna phase center variations, ocean tidal loading displacements, and azimuthal gradients of the atmosphere were corrected or estimated as standard procedures of high-precision GIPSY-OASIS data processing. As a result, the precisions of near-real-time positions was ~1cm.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2003.02a
• /
• pp.200-208
• /
• 2003

미생물수를 측정하는 가장 정확하고 보편적인 방법은 배양법이다. 그러나 배양법은 많은 시간과 노력이 소요되기 때문에 현장에서 실시간에 준하는 측정법으로 사용하기에는 원천적으로 한계를 가지고 있다. 이러한 한계를 극복하기 위해서는 실시간(real-time) 또는 준실시간(near real-time)으로 미생물을 검출할 수 있는 기술이 요구된다. 표면플라즈몬공명(surface plasmon resonance: SPR)은 생물분자 또는 미생물을 실시간 또는 준실시간으로 검출할 수 있는 센서로서 특이성(specificity)과 정확도(accuracy) 측면에서 일찍이 큰 관심을 받아왔다. 1902년, Wood(1902)는 반사 회절격자를 사용하여 연속광원의 스펙트럼을 관찰한 결과, 회절광 스펙트럼에서 어두운 좁은 밴드를 발견하였으며, Fano(1941)는 이 현상이 surface plasma waves와 관련이 있음을 이론적으로 밝혔다. (중략)

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 2004.11a
• /
• pp.341-342
• /
• 2004

• Bulletin of the Korean Space Science Society
• /
• 2007.04a
• /
• pp.78-78
• /
• 2007

• Journal of the Korean Association of Geographic Information Studies
• /
• v.23 no.3
• /
• pp.236-251
• /
• 2020

As remote sensing technologies are evolving, and more satellites are orbited, the demand for using satellite data for disaster monitoring is rapidly increasing. Although natural and social disasters have been monitored using satellite data, constraints on establishing an integrated satellite-based near real-time disaster monitoring system have not been identified yet, and thus a novel framework for establishing such system remains to be presented. This research identifies constraints on establishing satellite data-based near real-time disaster monitoring systems by devising and testing a new conceptual framework of disaster monitoring, and then presents a feasible disaster monitoring system that relies mainly on acquirable satellite data. Implementing near real-time disaster monitoring by satellite remote sensing is constrained by technological and economic factors, and more significantly, it is also limited by interactions between organisations and policy that hamper timely acquiring appropriate satellite data for the purpose, and institutional factors that are related to satellite data analyses. Such constraints could be eased by employing an integrated computing platform, such as Amazon Web Services(AWS), which enables obtaining, storing and analysing satellite data, and by developing a toolkit by which appropriate satellites'sensors that are required for monitoring specific types of disaster, and their orbits, can be analysed. It is anticipated that the findings of this research could be used as meaningful reference when trying to establishing a satellite-based near real-time disaster monitoring system in any country.