• Korean Journal of Remote Sensing
• /
• v.32 no.2
• /
• pp.155-169
• /
• 2016

In this study, we developed a multi-sensor blending short-term rainfall forecasting technique using radar and satellite data during extreme rainfall occurrences in Busan and Gyeongnam region in August 2014. The Tropical Z-R relationship ($Z=32R^{1.65}$) has applied as a optimal radar Z-R relation, which is confirmed that the accuracy is improved during 20mm/h heavy rainfall. In addition, the multi-sensor blending technique has applied using radar and COMS (Communication, Ocean and Meteorological Satellite) data for quantitative precipitation estimation. The very-short-term rainfall forecasting performance was improved in 60 mm/h or more of the strong heavy rainfall events by multi-sensor blending. AWS (Automatic Weather System) and MAPLE data were used for verification of rainfall prediction accuracy. The results have ensured about 50% or more in accuracy of heavy rainfall prediction for 1-hour before rainfall prediction, which are correlations of 10-minute lead time have 0.80 to 0.53, and root mean square errors have 3.99 mm/h to 6.43 mm/h. Through this study, utilizing of multi-sensor blending techniques using radar and satellite data are possible to provide that would be more reliable very-short-term rainfall forecasting data. Further we need ongoing case studies and prediction and estimation of quantitative precipitation by multi-sensor blending is required as well as improving the satellite rainfall estimation algorithm.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1605-1609
• /
• 2010

CGCM3.1 SRES B1 시나리오의 2D 변수들을 입력값으로 인공신경망 모형을 이용한 스케일 상세화기법으로 강부식(2009)은 소양강댐 유역의 월 누적강수 경향분석을 실시하였다. 원시 GCM 시나리오를 스케일 상세화 시키기 위한 기법의 하나로 인공신경망 모형을 사용할 수 있는데, 이 경우 GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면 근처에서의 일평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수를 잠재적인 예측인자로 사용하여 신경망을 구성하게 된다. 입력변수세트의 구성은 인공신경망의 계산 효율을 좌우하는 중요한 요소라 할 수 있다. 본 연구에서는 변수의 물리적 특성을 고려하여 순차적인 변수선택을 통한 신경망 입력변수 세트를 구성하고 입력세트 간의 학습성과 비교를 통하여, 최적 입력변수 선정 및 신경망의 학습효과를 높일 수 있는 방법에 대해 연구하였다. 물리적 상관성이 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 하여 순차적인 케이스를 학습해본 결과 huss와 ps를 입력변수로 하는 케이스에 대해서 적은 오차와 높은 상관성을 보였다, 또한, 신경망의 학습 효과를 높이기 위해 홍수기와 비홍수기로 구분하여 학습한 결과 홍수기와 비홍수기로 구분하여 신경망을 구성하였을 경우가 향상된 모의값을 나타내었다. 기후변화모의자료는 CCCma(Canadian Center for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 관측값으로는 AWS에서 제공된 일 누적강수를 사용하였다. 인공신경망의 학습기간은 1997년부터 2000년이며, 검증기간은 2001년부터 2004년으로 구성하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.277-277
• /
• 2023

최근 기후변화의 영향으로 호우의 발생빈도가 증가하고 있는 추세이며, 도시지역의 호우는 돌발적이고 국지적인 특성을 가지고 있어 인명과 재산피해 역시 증가하고 있으며, 급격한 도시화로 인한 구조적으로 홍수에 취약한 실정이다. 국지성 도시호우는 저층(1 km 내외)에서 형성되는 강우가 지배적이며, 기존의 대형레이더는 높은 산 정상에 설치되어 1.5 km 이상의 강우관측을 중심으로 운영됨에 따라 저층강우의 탐지 및 변동성 관측에 취약하여, 이에 대형 레이더에서 뿐만 아니라 도시단위의 국지성 호우관측에 대응할 수 있는 소형 레이더 기반 고정밀 강우관측 마련 및 운영 기술이 필요하다. 현재 K-water는 부산 에코델타 스마트시티에 도시 물재해 플랫폼 구현의 일환으로 돌발강우사전 탐지 및 도시의 신속·정확한 강우 관측을 위하여 높은 시공간 해상도를 제공하는 이중편파X 밴드 소형 강우레이더를 설치하고, 효율적 운용을 위해 각 고도각에서의 빔 차폐율을 확인하고 이를 고려한 최적 관측전략을 수립하였다. 또한 Z-Phi 방법을 이용한 반사도 감쇠 보정 기술을 개발하였으며, 강우 추정을 위해 하이브리드 고도면 합성 기법(HSR) 기법을 적용하고 검증하였다. 이후 소형 레이더의 정량적 추정강수를 이용하여 강우예측 정보를 생산하기 위해 이류모델을 적용하고, 비슬산과 소형 합성 레이더 추정강수로 선행 10분에서 180분까지 예측할 수 있도록 개발하였다. 또한, 지상강우관측 자료와의 정확도 비교 평가를 수행하고, 행정구역 및 표준유역의 예측 평균강우량을 생산하여 부산 에코델타 스마트시티 도시 물재해 통합관리 시스템과 연계운영을 위한 후속 과업을 수행중에 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1727-1731
• /
• 2008

수자원의 효율적인 관리를 위해서는 신뢰성 있는 유량자료의 획득이 대단히 중요하다. 우리나라는 양질의 유량자료를 획득하기 위해 매년 많은 시간과 돈을 투자하고 있으나 자료의 질적인 면에서 만족할 만한 성과를 얻지 못하고 있다. 현재까지 우리나라의 유량자료는 댐의 수문자료와 수량관리 부처인 건교부에서 운영하는 수위표 지점의 수위-유량곡선에서 산출된 자료에 의존하고 있다. 그러나 수위-유량 관계식을 보정하기 위한 유량측정사업이 지속적이지 못하며, 이 관계식은 유량이 적은 저수기 및 갈수기에는 부정확하다는 한계가 있다. 또한, 국립환경과학원 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정사업을 실시하고 있지만, 목적은 낙동강수계의 오염총량관리 단위유역 말단 47개 지점에서 유량측정을 효율적으로 실시하여 수질정책의 기초자료를 제공하는데 있다. 이 자료 역시 오염총량관리를 위하여 유량측정을 실시하여 수자원의 효율적인 관리를 위한 일 유량을 알 수가 없는 한계점을 가지고 있다. 따라서 저수기 및 갈수기에 수질정책의 기초자료를 제공하기 위해서 하천을 포함한 유역의 정확한 강우-유출특성의 파악이 필요하다. 그러나 강우-유출특성 또한 유역 내 강우의 시 공간적 분포가 다르며 그 자가 비선형성이 강하고 여러 변동성을 포함하므로, 강우로부터 하천의 유출량의 정확한 해석이 불가능하다. 그러나 최근 인공지능 분야에서 신호처리, 지능제어 및 패턴인식 등의 수단으로 사용되고 있는 신경망은 학습이라는 최적화 과정을 통해 입력과 출력으로 구성되는 하나의 시스템을 비선형적으로 구축할 수 있으며 이러한 이점을 활용하여 수자원 분야에서 다양하게 적용되고 있다. 본 연구의 목적은 강우-유출자료 및 댐 방류량 자료의 비선형적인 특정을 가장 잘 반영할 수 있는 신경망모형을 적용하여 수질정책의 기초자료를 제공하기 위하여 신뢰성 있는 유량자료를 산정하는 모형을 개발하는 것이다. 이를 위해서 낙동강물환경연구소에서 오염총량관리를 위한 낙동강수계 유량측정 지점 상류의 댐 방류량의 일 방류량자료와 강우자료를 입력 자료로 하여 유량을 예측할 수 있는 유량예측 신경망 모형 FFBN(Flow Forecasting By Neural)을 개발하였다. 그리고 입력 자료로서 장기유출모형인 SWAT의 모의결과를 입력 자료로 추가한 FFBNS(Flow Forecasting By Neural and SWAT)을 개발하였다. 신경망 모형의 구조는 입력층과 출력층 사이에 하나의 은닉층이 존재하는 다층 신경망으로 구성하였으며, 학습단계에서는 오류 역전파 알고리듬 학습방법 중 모멘텀법을 사용하였다. 예측된 유출량을 실측치와의 비교를 위하여 낙본D지점과 낙본 E지점에 대하여 $2005{\sim}2006$년까지의 모의 결과를 낙동 수위측정지점과 구미 수위측정지점의 실측치 통하여 복잡한 비선형성을 가지는 유출 시계열 자료에 대한 효과적인 최적의 신경망모델을 개발하여 유량을 예측하고 적용 가능성을 검토하고자 한다. 모의 결과는 수질정책의 기초자료 제공에 기여할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.334-334
• /
• 2023

도시침수는 사회 기반시설에 파괴적인 영향을 끼치고, 재산 및 인명 피해의 원인이 되므로, 고해상도 고정확도 예측 정보를 활용한 선제적 대응이 중요하다. 하지만, 기후변화로 인한 강수 강도의 증가, 도시의 확장 및 고밀화 등 토지피복 변화, 홍수방어시설의 노후화 등 여러 요인들의 복합적인 영향으로 인해 도시침수의 정확한 재현 및 예측은 여전히 난제로 남아 있다. 천수 방정식(Shallow Water Equations)을 기반으로 하는 물리과정 모형은 신뢰도 높은 예측 결과를 제공할 수 있지만, Courant-Friedrichs-Lewy 조건 등의 제약으로 인해 대규모 도시 지역의 고해상도 실시간 예측에는 적합하지 않은 한계가 있다. 본 연구에서는 상대적으로 간단한 연산 규칙의 중첩을 통해 복잡계 물리 시스템을 모의하는 셀룰러 오토마타(Cellular Automata; CA) 기술에 기반한 도시침수 해석 모형인 CA-Urban을 개발하고, 미국 Oregon 주 북서쪽에 위치한 Portland시의 도심지역에 대해 침수해석의 적용성을 평가한다. 세부적으로는, 기존 셀룰러 오토마타 기반 침수해석알고리즘의 수치 진동(Oscillation) 문제에 대한 원인을 분석하고, 안정성 향상 방법인 셀 간 최대유량 제한, 가중치 적용 기법, 모형의 계산 효율성 향상을 위한 최적 적응 시간 단계 기법(Adaptive time step)의 적용 결과를 소개한다. 또한, 침투 및 증발산 등 물순환 요소 해석 모듈의 개발 성과 및 방향에 대해서 토의한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.326-326
• /
• 2021

장기간에 걸쳐 넓은 지역에 대해 발생하는 가뭄을 예측하기위해 많은 학자들의 기술적, 학술적 시도가 있어왔다. 본 연구에서는 복잡한 시계열을 가진 가뭄을 전망하는 방법 중 시나리오에 기반을 둔 가뭄전망 방법과 실시간으로 가뭄을 예측하는 비시나리오 기반의 방법 등을 이용하여 미래 가뭄전망을 실시했다. 시나리오에 기반을 둔 가뭄전망 방법으로는, 3개월 GCM(General Circulation Model) 예측 결과를 바탕으로 2009년도 PDSI(Palmer Drought Severity Index) 가뭄지수를 산정하여 가뭄심도에 대한 단기예측을 실시하였다. 또, 통계학적 방법과 물리적 모델(Physical model)에 기반을 둔 확정론적 수치해석 방법을 이용하여 비시나리오 기반 가뭄을 예측했다. 기존 가뭄을 통계학적 방법으로 예측하기 위해서 시도된 대표적인 방법으로 ARIMA(Autoregressive Integrated Moving Average) 모델의 예측에 대한 한계를 극복하기위해 서포트 벡터 회귀(support vector regression, SVR)와 웨이블릿(wavelet neural network) 신경망을 이용해 SPI를 측정하였다. 최적모델구조는 RMSE(root mean square error), MAE(mean absolute error) 및 R(correlation Coefficient)를 통해 선정하였고, 1-6개월의 선행예보 시간을 갖고 가뭄을 전망하였다. 그리고 SPI를 이용하여, 마코프 연쇄(Markov chain) 및 대수선형모델(log-linear model)을 적용하여 SPI기반 가뭄예측의 정확도를 검증하였으며, 터키의 아나톨리아(Anatolia) 지역을 대상으로 뉴로퍼지모델(Neuro-Fuzzy)을 적용하여 1964-2006년 기간의 월평균 강수량과 SPI를 바탕으로 가뭄을 예측하였다. 가뭄 빈도와 패턴이 불규칙적으로 변하며 지역별 강수량의 양극화가 심화됨에 따라 가뭄예측의 정확도를 높여야 하는 요구가 커지고 있다. 본 연구에서는 복잡하고 비선형성으로 이루어진 가뭄 패턴을 기상학적 가뭄의 정도를 나타내는 표준강수증발지수(SPEI, Standardized Precipitation Evapotranspiration Index)인 월SPEI와 일SPEI를 기계학습모델에 적용하여 예측개선 모형을 개발하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.393-393
• /
• 2023

최근 기후변화에 대한 관심이 높아짐에 따라 전 세계적으로 미래 기후변화 예측 전망에 대한 다양한 연구들이 수행되었으며, 특히 IPCC(Intergovernmental Panel on Climate Change)의 기후변화 6차 보고서에 채택된 SSP(Shared Socio-economic Pathway) 시나리오를 이용한 연구가 활발한 상황이다. 이들 연구에서는 미래 기후변화의 양상 비교를 위한 기간 구분은 통상적으로 F1(2011-2040), F2(2041-2070), F3(2071-2100)으로 구성된다. 하지만 이는 단순하게 동일한 기간으로 나누어 설정한 것으로, 통계적 근거가 부족할 뿐만 아니라 변화 추이를 확인하기 위한 수단으로 사용하기에 부족할 수 있다는 한계점이 존재한다. 이 연구에서는 기후변화 패턴에 대한 기존 연구의 한계, 특히 미래 기후변화를 비교하기 위해 사용되는 기간 분류와 관련하여 한계점을 보완하고자 한다. SSP 시나리오 모델 중 UKESM1 모델을 활용하여 ASOS(Automated Synoptic Observation System) 기상관측소 기준 59개 지점에서 추출한 강수량 데이터를 분석하였다. 이후, 기후변화 비교를 위한 최적의 분류를 결정하기 위해 장마철인 6월부터 9월까지의 강수 데이터에 대해 통계분석 및 Pettitt 검정을 수행해 최적 기간을 산정하였다. 이를 통해 기존의 F1, F2, F3 분류 방식과 통계분석을 통해 도출한 최적 시기의 유출 특성 분석결과의 변화양상을 비교하였으며, 각 방법에 대한 비교를 통해 기후변화 추이에 대한 이해를 제공할 수 있을 것으로 판단하였다. 결과적으로 이 연구는 기후변화 시나리오를 활용하는 연구 수행 시 기간 구분에 대한 발전된 접근 방식을 제시하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1784-1788
• /
• 2010

APEC 기후센터(APEC Climate Center, APCC)에서 제공하는 다중모형앙상블(Multi-model Ensemble, MME) 형태의 계절예측정보를 이용하여 3개월 가뭄전망을 수행하였다. APCC MME는 기후예측모형이 가지는 불확실성을 최소화하기 위한 방법으로, 아시아 태평양 지역 내 9개 회원국 16개 기관 21개 기후모형의 계절예측정보를 활용하여, 개별 모형이 가지는 계통오차(Systematic error)를 앙상블 기법을 통하여 상쇄함으로써 최적의 예측자료를 도출한다. 또한, 기후예측 모형이 예측한 대기순환장은 관측 지점변수와 경험적 통계적 관련성을 가지므로, 이를 바탕으로 상세지역의 이상기후에 대한 정보를 도출할 수 있다. 본 연구에서는 가뭄 관리 및 전망을 위한 입력 자료로서, 기상전문 기관인 APEC 기후센터 (APEC Climate Center, APCC)에서 제공하는 전구 규모의 기온 및 강수 전망자료를 기상청 산하 59개 지점의 전망자료로 통계적 규모 축소화 기법을 통해 3개월 예보를 실시하였다. APCC 계절예측자료를 가뭄모니터링시스템의 자료입력 포맷에 따라 적절히 가공한 뒤, 가뭄 관리 및 전망을 위하여 SPI(Standard Precipitation Index) 및 PDSI(Palmer Drought Severity Index)지수의 입력자료로 사용하여 SPI 및 PDSI 지수를 산정하였다. 또한 분위사상법(Quantile Mapping)을 이용하여 총 59개 지점의 과거 월평균 관측값과 최근 2009년에 대한 모의값의 누적확률분포값을 계산하고 모의값의 확률분포를 관측값의 확률분포에 사상시켜 가뭄 전망을 위한 기상변수의 오차를 보정하고자 하였다. 이러한 계절예측정보를 이용하여 가뭄 전망에 대한 신뢰도가 높아진다면, 사전예방 및 피해완화로 가뭄상황에 대한 신속한 대처 및 피해의 경감이 이루어질 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.315-315
• /
• 2020

기후변화로 인하여 전 세계적으로 이상기후가 진행되고 있다. 우리나라의 경우 홍수와 가뭄 등의 이상 강수가 빈번히 발생하고 있으며, 이로 인한 비점오염물질의 유출과 집적이 발생하고 있다. SWAT (Soil and Water Assessment Tool)과 HSPF (Hydrological Simulation Program)등의 다양한 모델이 비점오염의 유출을 모의하기 위하여 활용되고 있으나, 농장 단위에서 유역 단위까지 다양한 대상지역에 대한 장기 모의와 BMP적용에 따른 효율평가가 어려운 실정이다. Texas A&M Agrilife Research에서 개발한 APEX(Agricultural Policy Environmental eXtender model) 모형의 경우, 농장 단위에서 유역 단위의 대상지역에 대하여 최대 100년까지 일단위 모의가 가능한 특징이 있다. 하지만 APEX 모형은 개발된지 상당한 시간이 지났으며, 데스크탑 기반의 모형이므로 다양한 플랫폼에서의 활용이 어려운 한계점이 있다. 따라서 본 연구에서는 1. 기존 데스크탑 기반의 APEX 모형을 웹에서 구동할 수 있도록 웹 기반 시스템을 구축하였으며, 2. 양분유출에 대한 모의 평가가 가능하도록 결과를 시스템화하는 모듈을 추가하였다. 또한, 3. 웹 기반 APEX 모형의 활용도를 위하여 최적관리기법을 적용할 수 있는 모듈을 개발 및 추가하였다. 본 연구의 결과는 향후 농업비점오염원 지역의 양분유출을 확인·예측하고 관리하기 위한 기초자료로 활용될 것으로 기대하며, 최적관리기법을 활용한 저감 정책을 수립하기 위한 평가도구로 활용될 수 있을 것이다. 또한, 기존 데스크탑 기반의 모형을 웹 기반으로 이전하였으므로, APEX 모형 혹은 다른 데스크탑 기반 모형들의 웹 이전을 통한 사용자 편의성 증대를 위한 기초자료로 활용될 수 있을 것이다. 아울러 본 연구의 결과는 APEX 모형의 작물 매개변수가 국내 환경에 최적화 되어있지 않으므로 정확한 BMP 저감효과 모의에는 한계가 있으므로, 이에 대한 추가적인 연구가 필요할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.357-357
• /
• 2018

기후변화의 영향으로 기온과 강수량의 증가가 나타나고 있으며, 이러한 변화는 수문 순환 및 강우-유출의 변화로 인해 하천의 수질에도 영향을 미치게 된다. 수질 오염원 중 배출원의 형태가 명확하지 않은 비점오염원은 강우의 유출과 함께 발생하는 특징을 띤다. 비점오염원은 지표면에 존재하던 오염 물질이 지표면에서 유출이 발생함에 따라 하천으로 유입되는 오염물이다. 이에 따라 강우량에 비례하는 특성을 띠며 점 오염원과 달리 변동 폭이 크다. 대표적인 비점오염물로 알려진 질소, 인과 같은 영양물질은 하천으로 유입 시 부영양화를 야기하는 물질로 우리나라와 같이 계절별 강수량의 차이가 큰 환경에서 비점오염물의 지속적인 관리는 필수적이라 할 수 있다. 비점오염원은 오염원을 특정할 수 없기 때문에 하천으로의 유입을 최소화하는 최적관리기법(Best Management Practices)을 통해 관리한다. 국내외에서 가장 널리 이용되는 비점오염원 최적관리기법은 식생형 시설로, 나지에 식물체를 파종함으로써 토양의 유실을 방지하여 비점오염물의 하천 유입을 저감시키고, 자연경관으로써 기능한다. 미래 수자원의 효과적인 이용을 위해서는 기후변화에 따른 수문 변화, 그로 인한 수질 변화 특성을 파악하는 것은 매우 중요하다. 이에 본 연구에서는 기후변화 시나리오를 통해 기온, 강수, 습도와 같은 기후 조건의 변화를 고려하여 예측되는 비점오염물의 유출 저감 대책의 영향을 분석하고자 한다. 이 때, 기후변화 시나리오는 그 자체로 불확실성을 포함하는 자료이기 때문에 특정 시나리오를 분석하기 보다는 기후변화 진행 정도에 따른 비점오염물 유출을 산정하고 저감 대책의 영향을 분석한다. 연구를 수행하기 위해 장기간의 강우-유출 특성의 모의가 가능하고 저감 대책을 제공하는 SWAT 모형을 이용한다. SWAT 모형에서는 여러 최적관리기법을 제공하는데, 가장 널리 이용되는 것이 식생형 시설인 것에 기초하여 적용할 저감 대책으로 계단식 산비탈(Terracing)을 선정하였다. 저감 대책의 적용으로 비점오염물질이 적게는 약 30%에서 많게는 60%까지 변화하며 매우 효율적으로 저감되는 것이 확인되었다. 저감 시설의 적용을 통해 총 량 뿐만 아니라 시간에 따른 비점오염물 유출의 변동성 또한 감소시킬 수 있음이 확인되었다.