• Journal of Korea Water Resources Association
• /
• v.48 no.12
• /
• pp.995-1009
• /
• 2015

Weather radar rainfall data has been recognized for making valuable contributions to short-term flood forecasting and management over the past decades. There are several advantages to better monitoring rainfall in ungauged area compared to ground-based rain gauges with which spatial patterns of the rainfall are not effectively identified. Hence, this study aims to develop a new scheme to forecast spatio-temporal rainfall field. The proposed model was based on an advection scheme to track wind patterns and velocity. The results showd a promising forecasting skill with quantitative and qualitative measures. It was confirmed that the forecasted rainfall may be effectively used an input data for a distributed hydrological model.

• Journal of Korea Water Resources Association
• /
• v.48 no.5
• /
• pp.409-423
• /
• 2015

In this study the very short-term rainfall forecasting and storm water forecasting using the weather radar data were implemented in an urban stream basin. As forecasting time increasing, the very short-term rainfall forecasting results show that the correlation coefficient was decreased and the root mean square error was increased and then the forecasting model accuracy was decreased. However, as a result of the correlation coefficient up to 60-minute forecasting time is maintained 0.5 or higher was obtained. As a result of storm water forecasting in an urban area, the reduction in peak flow and outflow volume with increasing forecasting time occurs, the peak time was analyzed that relatively matched. In the application of storm water forecasting by radar rainfall forecast, the errors has occurred that we determined some of the external factors. In the future, we believed to be necessary to perform that the continuous algorithm improvement such as simulation of rapid generation and disappearance phenomenon by precipitation echo, the improvement of extreme rainfall forecasting in urban areas, and the rainfall-runoff model parameter optimizations. The results of this study, not only urban stream basin, but also we obtained the observed data, and expand the real-time flood alarm system over the ungaged basins. In addition, it is possible to take advantage of development of as multi-sensor based very short-term rainfall forecasting technology.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.350-350
• /
• 2021

한국건설기술연구원의 돌발홍수연구센터는 돌발홍수예측 시스템을 구축하여 2019년부터 전국에서의 돌발홍수정보를 제공하고 있다. 2019년에는 초단기 예측 모델인 Macgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation(MAPLE) 알고리즘으로부터 생산된 초단기 예측 강우를 활용하여 동(읍/면) 단위로 1시간 선행 예보를 제공하였다. 2020년에는 추가로 초단기 예측 강우와 수치예보 자료를 병합한 예측 병합 강우 자료를 생산하여 예측 선행시간을 1시간에서 3시간까지 확장하였다. 돌발홍수예측 시스템의 목표는 도시 및 산지소하천에서의 돌발홍수에 대응하기 위한 정보를 실시간으로 사용자에게 제공하여 수재해에 빠르게 대응하는 것이다. 이에 돌발홍수예측 시스템은 2019년부터 실시간으로 운영하여 홍수기에 보다 빠른 돌발홍수정보를 제공해왔다. 본 연구에서는 2020년 우기에 운영된 돌발홍수시스템에 대한 평가를 수행하였다. 이를 위해 부산(07.23), 대전(07.29), 서울(08.01), 경기-충북(08.02)에서 발생한 수재해 사례를 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.57-57
• /
• 2017

홍수예보방법은 크게 기상법, 수위법, 강우-유출법으로 구분할 수 있으며, 수위법은 도시지역의 중소규모 하천유역보다는 한강, 낙동강 등과 같은 대유역의 홍수예보에 적합한 방법이다. 기상법을 통한 중소규모하천의 홍수예보는 신속성(주민대피에 필요한 예보선행시간)은 갖추고 있으나, 호우사상의 첨두 홍수량에 대한 정확성(도달하는 시간과 수위를 정확하게 예측하는 정도)은 부족하다. 반면 강우-유출법은 기상법에 비해 신속성은 떨어지나, 정확성에서는 기상법보다 신뢰할 수 있는 장점을 갖고 있다. 이에 본 연구에서는 강우정보만을 이용하여 홍수예보가 가능한 Flow Nomograph를 활용한 기상법과 실시간 강우자료와 레이더 초단기 예측강우를 연동한 강우-유출법을 실시함으로써 중소규모 도시하천의 실시간 도시홍수예보를 실시하고자 한다. 본 연구의 결과는 도시홍수예보를 통한 골든타임확보 및 피해저감에 큰 기여를 할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.281-285
• /
• 2007

본 연구에서는 보다 신뢰성 있고 정확한 정량적 강우예측자료를 생성하기 위하여 레이더강우 및 강우수치예보자료를 합성하는 기법을 제시하였고, 레이더 전처리 및 예측시스템, GIS와 연계한 물리적기반의 분포형모형인 Vflo모형 등 최신 수자원 IT기술을 활용하여 홍수기 돌발홍수에 대응한 초단기 정량적 강우-유출예측을 목적으로 향후 실시간으로 적용 가능한 분포형유출예측시스템의 기반을 구축하고자 하였다. 대상유역은 국지적인 고해상도 지형효과를 고려한 QPM이 개발되어 있는 금강권역의 용담댐유역이며, 예측 강우에 대한 호우사상은 2005년 이후 발생한 3개 강우사상을 대상으로 하였다. 한편, 기상 레이더 자료로부터 산정된 강수량의 수문학적 적용을 위하여 DEM, 토지피복도, 토양도 등의 기본 GIS자료들을 수집 및 구축하였고 물리적기반의 분포형모형(Vflo)의 입력인자로 사용하기 위한 12개의 공간분포형 수문매개변수들을 대표적인 GIS 소프트웨어인 ArcGIS 및 ArcView를 활용하여 추출하였으며, Vflo모형의 현업 적용가능성을 오프라인 상에서 검증해보았다. 모형 검증결과, GIS를 이용한 지형, 토양, 토지피복과 같은 물리적 특성을 사용한 모형의 초기 설정을 향상시킴에 의해 첨두유량, 유출량, 첨두도달시간차 등에서 만족할만한 결과를 보여주었다고 사료된다. 레이더 및 수치예보자료와 합성한 4가지의 형태(QPE, JQPE, QPM, BQPF)의 분포형 입력강우를 이용하여 적용해 본 결과 Nowcasting기법을 이용한 JQPF는 자료의 특성상 초기 1시간30분동안은 비교적 양호한 결과를 얻었으나 3시간 전후로 가면서 예측강우의 질이 저하되기 시작하였으나 QPM을 합성함으로써 생산한 BQPF는 보다 신뢰성있고 양호한 결과를 얻을 수 있었다. 이러한 결과들은 향후 정량적 분포형강우 예측을 이용한 실시간 홍수유출 예측시 댐운영자는 리드타임(홍수선행시간)을 충분히 확보함으로서 안정적이고 예측 가능한 홍수조절을 하는데 도움을 줄 수 있을 것으로 기대된다. 이와 같이 다양한 단기저수지 유입량의 예측정보 제공으로 다목적댐 저수지 운영모형의 효용성을 제고하여 향후 실제 저수지 유입량 예측에 이용함으로써 저수지 단기운영효율 개선에 기여할 수 있을 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.985-985
• /
• 2012

최근 지구온난화 및 기후변화로 인해 단시간에 높은 강우강도를 가지고 발생하는 집중호우 홍수 등의 위험기상으로 인한 인명 및 재산피해가 빈번하게 발생하고 있어 초단기 및 단기 강수 예측에 대한 중요성이 부각되고 있다. 단기 강수예측모델은 다양한 관측자료의 사용과 자료동화기법의 개발로 예측능력이 크게 향상되었지만 수치모델의 고유특성인 스핀업(spin-up) 문제로 1~6시간까지 강수예측성능에 한계를 보인다. 반면 초단기 강수예측모델은 레이더기반으로 외삽법을 이용하여 1~3시간까지 높은 정확도의 강수예측을 하지만 강수에코의 생성 소멸의 물리과정을 포함하지 않아 3시간 이후의 정확도가 낮다. 이러한 단기 및 초단기 강수예측모델의 장점을 반영하여 최적 강수예측 자료 생산을 위한 연구를 수행하였다. 이를 위해 초단기 및 단기 강수예측모델의 예측성능을 평가하였으며 모델의 예측성능 기반의 최적 강수자료 병합기법을 개발하였다. 향후 최적 강수예측 자료 생산체계가 구축되면 수문관련 유관기관에서 하천관리에 사용하는 유량예측모델에 시 공간적 고해상도의 강수예측정보를 제공하여 수문분야의 유량예측 정확도 행상에 기여할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.371-371
• /
• 2020

도시 및 소규모 산지 유역에서와 같이 지체시간이 짧은 유역에서 발생하는 돌발홍수는 더 이상 우량계만으로 예보가 불가능하다. 그리고 지역에 따라 침수시간이나 침수심이 달라지기 때문에 지역에 따른 침수특성과 유속특성의 관계식을 산정하여 홍수예보 기준을 설정하였다. 더불어 도달시간이 짧은 도시 및 산지에서는 지체시간 외에 강수 예측을 통한 홍수예보 선행시간을 확보하는 것이 매우 중요하다. 본 연구에서는 한강홍수통제소의 강우레이더 기반 초단기 외삽 예측을 입력자료로 활용하여 돌발홍수 예측 시스템을 구축하였다. 강우레이더 기반 초단기 외삽 예측은 강우강도를 입력으로 사용하기 때문에 예측에 별도의 정량 보정이 필요하지 않다는 장점이 있다. 2019년도에 발생한 다양한 홍수 사고 사례를 분석하여 본 시스템에 대한 정확도를 평가하였다. 본 시스템은 동(읍/면) 단위로 1시간 선행 예보를 3단계 위험 정보(주의/경계/심각)로 제공할 수 있다.

• Journal of Korea Water Resources Association
• /
• v.54 no.12
• /
• pp.1329-1338
• /
• 2021

Rain radar provides high spatio-temporal radar rainfall that can be used as input data to short-term precipitation forecasting models. Korea Institute of Civil Engineering and Building Technology (KICT) has developed a flash flood forecasting system that is providing flash flood forecasting based on short-term rainfall forecasts estimated by the radar rainfall. Accuracy of the radar rainfall as well as the short-term rainfall forecasts, however, can deteriorate when radar polarimetric variables have error. In this study, we develope real-time program that can correct the error inherent in the radar polarimetric variables. First, effect according to the correction of the error was verified using 363 rainfall events on non real-time. The accuracy (1-NE) of the radar rainfall was approximately 70% and correlation coefficient was higher than 0.8 after correcting the error on non real-time. The accuracy (1-NE) using the real-time program was also approximately 70% after correcting the error.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.185-185
• /
• 2021

기후변화로 인한 돌발 강우 등 이상 기후 현상이 증가함에 따라 정확한 강우예측의 중요성은 더 증가하는 추세이다. 전통적인 강우예측의 경우 기상수치모델 또는 외삽법을 이용한 레이더 기반 강우예측 기법을 이용하며, 최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 개발되고 있다. 기존 머신러닝을 이용한 강우예측 모델의 경우 주로 시계열 이미지 예측에 적합한 2차원 순환 신경망 기반 기법(Convolutional Long Short-Term Memory, ConvLSTM) 또는 합성곱 신경망 기반 기법(Convolutional Neural Network(CNN) Encoder-Decoder) 등을 이용한다. 본 연구에서는 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용해 미래 강우예측을 수행하도록 하였다. GAN 방법론은 이미지를 생성하는 생성자와 이를 실제 이미지와 구분하는 구별자가 경쟁하며 학습되어 현재 이미지 생성 분야에서 높은 성능을 보여주고 있다. 본 연구에서 개발한 GAN 기반 모델은 기상청에서 제공된 2016년~2019년까지의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시키고, 2020년 레이더 이미지 자료를 이용해 단기강우예측을 모의하였다. 또한, 기존 머신러닝 기법을 기반으로 한 모델들의 강우예측결과와 GAN 기반 모델의 강우예측결과를 비교분석한 결과, 본 연구를 통해 개발한 강우예측모델이 단기강우예측에 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.61-61
• /
• 2022

최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 활발히 개발되고 있다. 기존 머신러닝을 이용한 강우예측모델 개발 관련 연구는 주로 한 지역에 대해 수행되며, 데이터 기반으로 훈련되는 머신러닝 기법의 특성상 개발된 모델이 훈련된 지역에 대해서만 좋은 성능을 보인다는 한계점이 존재한다. 이러한 한계점을 해결하기 위해 사전 훈련된 모델을 이용하여 새로운 데이터에 대해 모델을 훈련하는 전이학습 기법 (transfer learning)을 적용하여 여러 유역에 대한 강우예측모델을 개발하고자 하였다. 본 연구에서는 사전 훈련된 강우예측 모델로 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용한 미래 강우예측모델을 사용하였다. 해당 모델은 기상청에서 제공된 2014년~2017년 여름의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시켰으며, 2018년 레이더 이미지 자료를 이용한 단기강우예측 모의에서 좋은 성능을 보였다. 본 연구에서는 훈련된 모델을 이용해 새로운 댐 유역(안동댐, 충주댐)에 대한 강우예측모델을 개발하기 위해 여러 전이학습 기법을 적용하고, 그 결과를 비교하였다. 결과를 통해 새로운 데이터로 처음부터 훈련시킨 모델보다 전이학습 기법을 사용하였을 때 좋은 성능을 보이는 것을 확인하였으며, 이를 통해 여러 댐 유역에 대한 모델 개발 시 전이학습 기법이 효율적으로 적용될 수 있음을 확인하였다.