• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.390-390
• /
• 2020

자연재해 중 홍수의 경우 단기간에 발생하며, 큰 인명 및 금전적 피해를 가져오는 재해이다. 1970년~2017년 국내 홍수 피해 분석결과 사상자(총 8,152명)는 점차 줄어드는 추세를 보이지만, 반대로 피해액(총 17조5,000억원)은 증가하는 것으로 나타났다(wamis, 국가수자원관리종합정보시스템). 이러한 국내 홍수 피해를 최소화하기 위해서는 각 유역 또는 지역별 특성을 고려한 홍수 취약성 평가가 필요하다. 홍수 취약성은 대상 지역의 기상, 지형, 인문학적 상황에 따라 상이하게 나타나며, 홍수 취약성을 평가하는 인자의 선정 또한 매우 중요하다. 따라서 본 연구에서는 홍수 피해 자료와 홍수 인자간의 인과관계를 분석하여 홍수 취약성 지표 선정 및 취약성 평가를 실시하였다. 홍수 취약성 평가를 위해 홍수 피해 자료와 대상 인자간의 상관성 분석을 통해 상관계수 값이 상대적으로 높게 나온 인자를 선정하였다. 대상 인자는 크게 기상학적 인자, 지형학적 인자, 사회·인문학적 인자로 구분하였다 선정된 인자 간 서로 높은 상관성을 보일 시 공선성이 존재함을 의미하며, 이러한 공선성을 방지하기 위해 VIF (Variance Inflation Factor, 분산팽창계수)를 통한 공선성 검토를 적용하였다. 또한 각 인자 간 에는 서로 다른 단위 및 범위를 가진다. 이러한 경우 특정 인자들의 증감을 취약성 평가에 반영하기에 어려움이 있으며, 유역별 평가 시 신뢰성이 낮아진다. 따라서 Re-scaling 방법을 통해 각 인자의 단위 및 범위를 표준화 후 동일가중치 법을 적용하였다. 본 연구에서는 전체 유역 중 홍수피해가 가장 크게 발생하는 낙동강 태화강 유역을 연구 대상 지역으로 선정하였다. 태화강은 도심지의 중심부를 흐르는 하천이며, 산지의 고도가 높은 지형적 특성을 가지고 있어 홍수에 대한 취약성이 높은 것으로 나타났다(wamis, 국가수자원관리종합정보시스템). 태화강 유역 홍수 취약성 평가결과 유역별 기상, 지형, 인문학적 특성에 따라 홍수 취약성이 높게 나타나는 결과를 보였다. 이와 같은 결과는 유역 내 도심지 비율, 인구밀도, 토지피복 특성에 의한 것으로 주로 지형학적 인자로 인해 취약성이 높게 나타났다. 본 연구에서 활용한 홍수 취약성 평가 방법은 향후 홍수피해 대책 수립에 사용될 수 있을 것으로 판단된다.

• Korean Journal of Remote Sensing
• /
• v.37 no.6_1
• /
• pp.1757-1766
• /
• 2021

The green coverage ratio is the ratio of the land area to green coverage area, and it is used as a practical urban greening index. The green coverage ratio is calculated based on the land cover map, but low spatial resolution and inconsistent production cycle of land cover map make it difficult to calculate the correct green coverage area and analyze the precise green coverage. Therefore, this study proposes a new method to calculate green coverage area using aerial images and deep neural networks. Green coverage ratio can be quickly calculated using manned aerial images acquired by local governments, but precise analysis is difficult because components of image such as acquisition date, resolution, and sensors cannot be selected and modified. This limitation can be supplemented by using an unmanned aerial vehicle that can mount various sensors and acquire high-resolution images due to low-altitude flight. In this study, we proposed a method to calculate green coverage ratio from manned or unmanned aerial images, and experimentally verified the proposed method. Aerial images enable precise analysis by high resolution and relatively constant cycles, and deep learning can automatically detect green coverage area in aerial images. Local governments acquire manned aerial images for various purposes every year and we can utilize them to calculate green coverage ratio quickly. However, acquired manned aerial images may be difficult to accurately analyze because details such as acquisition date, resolution, and sensors cannot be selected. These limitations can be supplemented by using unmanned aerial vehicles that can mount various sensors and acquire high-resolution images due to low-altitude flight. Accordingly, the green coverage ratio was calculated from the two aerial images, and as a result, it could be calculated with high accuracy from all green types. However, the green coverage ratio calculated from manned aerial images had limitations in complex environments. The unmanned aerial images used to compensate for this were able to calculate a high accuracy of green coverage ratio even in complex environments, and more precise green area detection was possible through additional band images. In the future, it is expected that the rust rate can be calculated effectively by using the newly acquired unmanned aerial imagery supplementary to the existing manned aerial imagery.

• Korean Journal of Ecology and Environment
• /
• v.50 no.3
• /
• pp.314-324
• /
• 2017

In order to consider application and evaluation of value and class of domestic wetland, we investigated 146 wetlands located Gyeongsangnam-do using Rapid Assessment Method (RAM). We utilized Self-Organizing-Map (SOM) to analysis relationship between evaluation index and land coverage ratio surrounding wetland. Among total 8 evaluation index, 'Fish and herptile habitat' and 'Aesthetic value' were higher, most of the wetlands evaluated as 2, 3 grade. Result of SOM analysis, 'vegetation diversity and wild animals habitat' is negatively related to the 'Fish and herptile habitat', because fishs were not prefer habitat excessively occupied by plant. However, high vegetation diversity can be support high score of 'Aesthetic' in wetland. Also, 'Erosion control' and 'Flood storage and control' were closely related, wetlands with high score of 'Erosion control' have high score of 'Flood storage and control'. When applied RAM in domestic wetland, six out of 6 evaluation index induced biased results, the index of RAM need a little change as some new or modify evaluation index. Therefore, we consider to need adjustable, subdivide, and actualization of some evaluation index for application of RAM in domestic wetlands. Consequently, wetland assessment and class using RAM can be utilized as important indicate for conservation and management of wetland, and contributed greatly to maintain biodiversity include to endangered species by preserving remaining wetland.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.281-281
• /
• 2016

기후변화로 인한 기상학적 자연재해로부터 대비하고 안정적인 용수공급을 위해 유역의 다양한 수문 요소들에 대한 분석 필요성이 증가하고 있다. 계절적 강수량의 편차가 큰 우리나라는 유역 통합 물관리가 중요하며, 효율적 수자원 관리와 물안보 확보를 위해 유역내 물순환을 이해하는 것이 중요하다. 유역의 유출을 결정하는 요소들에는 강우, 증발산량, 토양 수분 및 지하수 등이 있으며, 시간적으로는 홍수와 같이 단기에 발생하는 유출과 장기적으로 발생하는 유출이 있다. 장기 유출은 단기 유출에 비해 토양내 수분량이 무시할 수 없을 정도로 영향을 미치게 되므로, 1년 이상의 장기 유출 해석을 위해서는 강우가 발생하지 않는 기간 동안의 토양 수분량 변화와 증발산 영향을 고려할 필요가 있다. K-water에서 자체 개발된 분포형 장단기유출 모델인 K-DRUM은 유역을 격자(grid)단위로 구분하고 각 셀들에 대한 매개변수는 흐름방향도, 표고분포도, 토지이용도, 토지피복도 등을 GIS처리하여 일괄 입력할 수 있도록 함으로써 매개변수 산정과정에서 문제가 되는 경험적인 요인을 제거하였다. 흐름의 구분은 얕은면 흐름, 지표하 흐름, 지하수 흐름으로 구분하여 운동파법과 선형저류법을 적용하였다. 또한 초기 토양함수 자동보정기법으로 실제의 기저유출량을 재현하여 전체적인 유출모의 정확도를 높였으며, FAO-56 Penman-Monteith법을 적용한 증발산량 산정모듈과 Sugawara et al.(1984)이 제안한 개념적 융설 및 적설모듈을 추가하였다. K-DRUM모형을 이용한 유출분석은 용담댐 시험유역을 대상으로 2013년도 1년간의 유출모의를 수행하였다. 입력자료는 용담댐 유역의 지형, 토양 및 토지특성 정보와 시단위 강우 및 기상정보(온도, 바람, 일사 등)를 활용하였다. 분석 결과, 총 관측유출량은 7,151 ㎥/s이고 총 계산유출량 $8,257m^3/s$이며, 관측유출량 대비 계산유출량은 약 115% 정도로 나타났다. 연간 총 강우량은 1303.5 mm로 유역면적 약 $930km^2$을 적용하여 유역 총 강우량을 산정하면 $14,030m^3/s$로서 관측유출량은 유역 총 강우량 대비 51%이고 계산유출량은 59% 정도로 나타났다. 즉 유역 유출율은 약 51% 수준으로 보통의 유역과 유사한 수준이다. 관측된 토양수분량과 K-DRUM 모형의 계산된 토양수분량을 비교하기 위하여 관측 토양수분량의 비율을 이용하여 비교하였다. 모의결과 토양수분은 강우에 의해 변화하며, 관측결과와 유사한 형태로 나타남을 알 수 있었다.