• Journal of Bio-Environment Control
• /
• v.24 no.2
• /
• pp.100-105
• /
• 2015

The calculation method of infiltration loss in greenhouse has different ideas in each design standard, so there is a big difference in each method according to the size of greenhouses, it is necessary to establish a more accurate method that can be applied to the domestic. In order to provide basic data for the formulation of the calculation method of greenhouse heating load, we measured the infiltration rates using the tracer gas method in plastic greenhouses equipped with various thermal curtains. And then the calculation methods of infiltration loss in greenhouses were reviewed. Infiltration rates of the multi-span and single-span greenhouses were measured in the range of $0.042{\sim}0.245h^{-1}$ and $0.056{\sim}0.336h^{-1}$ respectively, single-span greenhouses appeared to be slightly larger. Infiltration rate of the greenhouse has been shown to significantly decrease depending on the number of thermal curtain layers without separation of single-span and multi-span. As the temperature differences between indoor and outdoor increase, the infiltration rates tended to increase. In the range of low wind speed during the experiments, changes of infiltration rate according to the outdoor wind speed could not find a consistent trend. Infiltration rates for the greenhouse heating design need to present the values at the appropriate temperature difference between indoor and outdoor. The change in the infiltration rate according to the wind speed does not need to be considered because the maximum heating load is calculated at a low wind speed range. However the correction factors to increase slightly the maximum heating load including the overall heat transfer coefficient should be applied at the strong wind regions. After reviewing the calculation method of infiltration loss, a method of using the infiltration heat transfer coefficient and the greenhouse covering area was found to have a problem, a method of using the infiltration rate and the greenhouse volume was determined to be reasonable.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.18 no.1
• /
• pp.90-104
• /
• 2015

The purpose of this paper is to build a spatio-temporal evapotranspiration(ET) estimation model using Terra MODIS satellite image and by calibrating with the flux tower ET data from watershed. The fundamentals of spatial ET model, Surface Energy Balance Algorithm for Land(SEBAL) was adopted and modified to estimate the daily ET of Yongdam Dam watershed in South Korea. The daily Normalized Distribution Vegetation Index(NDVI), Albedo, and Land Surface Temperature(LST) from MODIS and the ground measured wind speed and solar radiation data were prepared for 2 years(2012-2013). The SEBAL was calibrated with the forest ET measured by Deokyusan flux tower in the study watershed. Among the model parameters, the important parameters were surface albedo, NDVI and surface roughness in order for momentum transport during calculation of sensible heat flux. As a result of the final calibration, the monthly averaged albedo and NDVI were used because the daily values showed big deviation with unrealistic change. The determination coefficient($R^2$) between SEBAL and flux data was 0.45. The spatial ET reflected the geographical characteristics showing the ET of lowland areas was higher than the highland ET.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• Korean Journal of Remote Sensing
• /
• v.21 no.2
• /
• pp.113-120
• /
• 2005

Oceanographic measurements from Ieodo Ocean Research Station and its vicinity were compared for assessment and mutually adjusted with satellite data. From the Topex/Poseidon and ERS-1/2 radar altimeter and scatterometer data, sea surface height, wind speed and direction were extracted and analyzed. Shipborne wind direction data acquired in June 1995 show good coherence with the satellite data, while sea surface height and wind speed show differences, possibly resulting from the distance between the measurement points. This can be improved by analyzing more satellite data or using other available shipborne data. The recent 3 months of Ieodo Station data between December 2004 and February 2005 were also analyzed and compared with the satellite data. The Ieodo Station data were found to have considerable gaps during the period as well as seriously biased particular when the data were averaged with some abnormal data. The Ieodo Station and satellite data were then mutually adjusted on the basis of their statistics. Ieodo Station oceanographic measurements are very efficient for ground-frothing of satellite data because they are stationary and the station is located far from the coast. On the other hand, the satellite measurements are the only data to fill up gaps and adjust biases of the Ieodo Station data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.938-942
• /
• 2010

현재 기후변화가 심화되면서 기상변동성이 커지고 이에 따라 사막화 현상의 심화, 엘니뇨(El Nino), 라니냐(La Nina), 태풍, 집중호우 등의 이상기후 현상이 전 지구상에 걸쳐 광역적으로 나타나고 있는 실정이다. 이러한 기후변화는 앞서 말한 것과 같이 여러 기후인자들을 변화시켜 수자원의 양적변화 등 지속가능한 수자원 개발 관리에 큰 영향을 미치므로 이에 대한 연구가 국내외에서 활발히 진행되고 있다. 대표적으로 여러 가지 2CO2 시나리오에 대한 대기 순환 모형의 적용 결과를 이용하여, 이러한 기후변화가 수문순환에 영향을 미치는 기후인자인 기온, 강수량, 습도 및 풍속, 그리고 물의 수량 및 수질 등에 미치는 영향을 분석하고, 이를 기반으로 기후변화와 관련된 환경 및 수자원의 정책 개발에 대한 연구들이 주로 수행되고 있다. 국내 역시 기후 변화와 관련된 연구들이 수행되고는 있으나, 기후변화와 연계된 유량과 수질 예측에 대한 연구가 절실히 요구되고 있는 실정이다. 따라서 본 연구에서는 IPCC의 배출 시나리오(Special Report on Emissions Scenarios, 이하 SRES) 중 인구증가율이 높고 경제발달과 기술변화가 느리고 환경에 무관심한 극한현상을 나타내는 A2 시나리오와 청정 및 자원 효율적인 기술 등 급격히 발전하고 조사대상 유역특성과 유사한 B1 시나리오를 선정하고, 이에 대한 유역의 기온과 강우량을 GCM을 적용하여 모의하였다. 또한 향후의 기후변화가 유출 수질(BOD, TN, TP)에 미치는 영향을 2020년, 2050년, 2080년에 대하여 평가하기 위하여 GIS 기반의 유역 모형인 SWAT을 대상모형으로 선정하였다. 신뢰성 평가를 위해 현재 상태에서의 모의를 검 보정 하여 실제 A2, B1 기후변화 시나리오에 따른 기온 및 강우량 변화 등에 대한 영향을 평가하여 보았다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.572-572
• /
• 2016

청미천 유역은 다양한 수계로 구성된 대유역에 해당되며 농업 및 공업활동에 따른 오염원을 가진다. 본 연구에서는 오염원 중 비점오염원이 가지는 특성을 기후변화 시나리오에 따라 모의 및 분석한다. 비점오염원의 모의를 위해서는 SWAT 모형이 이용된다. 기후변화 시나리오로는 RCP4.5 및 RCP8.5 시나리오가 적용된다. SWAT 모형은 유역 모의를 위한 모형으로 대규모의 복잡한 유역에서의 장기간 모의를 수행할 수 있으며 다양한 조건의 토양 및 토지이용 상태를 고려할 수 있는 장점을 가진다. 본 연구에서는 강유-유출모형과 수질모형 등을 GIS와 연계한 호환모형을 이용하며 유출에 따른 비점오염원의 거동을 해석하고자 한다. SWAT 모형을 이용한 모의를 위해 필요한 매개변수는 관측소 현황, 강우, 기온, 습도, 일사량, 풍속 등이다. 이중 일사량에 대한 정보를 가정하여 본 연구를 수행하였고 나머지 매개변수는 청미천 유역의 특성치를 조사하여 입력하였다. 청미천 유역의 수질 오염원에 대한 기여도를 분석하기 위해서 시설용량이 일정 크기 이상인 하수처리장을 조사하였고, 이에 대한 정보가 모의시 검토되었다. 청미천 유역 전체 오염원에 대한 점오원의 비율을 검토한 결과 홍수기에 점오염원의 영향이 낮다는 점을 확인할 수 있다. 이는 홍수기에 불특정 지점에서 유출되는 비점오염원의 기여도가 큰 것으로 이해할 수 있다. 하지만 소규모 산업단지의 배출량 등에 대한 자료가 보완될 때 보다 신뢰성 있는 모의 결과를 얻을 수 있을 것으로 판단된다. 총질소와 총인의 경우에도 하계 홍수기에 크게 증가하는 사실을 확인할 수 있으며 부유물질의 경우는 그 변동 폭이 다른 항목에 비해 크게 나타나며 9월에도 증가하는 경향을 나타낸다. 본 연구를 보다 고도화하기 위해서는 다양한 알고리즘을 통해 매개변수를 보정하는 과정이 필요하며 점오염원을 포함하여 다양한 오염원에 대한 정확한 정보가 구축되는 과정 역시 중요하다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.413-413
• /
• 2018

최근 도시지역에 태풍과 집중호우로 인한 홍수발생 빈도와 그 규모가 커지고 있다. 이에 따른 재산 및 인명피해 양상도 매우 심각한 상황이다. 태풍 차바 처럼 강력한 10월 태풍의 출현은 지구 온난화의 전조로 받아들여지고 있다. 또한 10월 태풍임에도 초속 56.5m의 순간 최대풍속과 시간당 최대 116.7mm(제주 서귀포), 139mm(매곡) 등의 강수량은 지역 최대 강수량을 기록함으로써 이제 언제나 태풍 및 홍수에 대한 대비가 필요하게 되었다. 현재 재해에 대비하기 위해 다양한 대책들은 꾸준히 마련되어지고 있으며, 설계 기준 또한 강화되었다. 그러나 저류조 및 배수펌프장 등의 시설물 설치에는 막대한 예산이 필요한데다 장기간의 시간이 필요하며, 비구조적 대책도 마련되어 있으나 태풍 차바의 사례에서 경험한 것처럼 재해 발생 시 대책과 구체적인 방안의 마련이 더욱 시급해 보인다. 이에 본 연구에서는 태풍 차바 시의 호우에 대하여 UNET모형에 의한 부정류모의를 수행하였다. 부정류모의의 경계조건으로써 상류단 경계조건과 측방유입량 조건은 HEC-HMS를 이용하여 유출해석을 실시한 다음 입력 자료로 이용하였으며, 하류단 경계조건으로는 국토부 관할 수위지점의 수위를 이용하여 UNET 모형에 의한 수리학적 하도추적을 수행하였으며, 저지대 침수분석은 지형정보시스템 응용프로그램 중 하나인 ArcGIS를 활용하여 대상유역의 벡터자료를 구축하고 인접도엽의 접합 및 보정을 실시하여 수치고도자료를 생성하여 2차원 홍수범람해석을 위한 HEC-RAS 5.0을 적용하여 침수분석을 수행하였다. 본 연구의 결과를 수재해 피해저감 대책을 수립하는데 기초자료로 활용될 수 있을거라 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.35-35
• /
• 2019

본 연구에서는 분포형 수문 모형 Drying Stream Assessment Tool and Water Flow Tracking (DrySAT-WTF)을 활용해 우리나라의 1976년부터 2015년까지의 유출량을 산정하고, 이를 다층퍼셉트론(Multi Layer Perceptron) 인경신경망 모형(Artificial Neural Network Model)에 적용해 미래 유출을 예측하였다. DrySAT-WFT은 전국 표준 유역을 대상으로 하천 건천화 원인 추적 및 평가를 위해 개발된 모형으로 유출모의를 위한 기상자료 외에 건천화 영향 요소를 고려하기 위한 산림 높이, 도로망, 지하수 이용량, 토지이용, 토심 변화에 대한 DB를 적용 가능한 것이 특징이다. DrySAT-WFT를 위한 기상자료로 모의 기간에 대한 일별 강우량, 상대습도, 평균풍속, 평균 및 최고, 최저 기온, 일조시간을 구축하였으며, 연대별 건천화 영향 요소 DB를 구축하여 적용하였다. 전국 다목적 댐 보 12지점의 유량을 활용해 모형의 보정(2005-2010) 및 검증(2011-2015)을 실시한 결과, 평균 결정계수(Coefficient of determination, $R^2$)는 0.76, 모형효율성계수(Nash-Sutcliffe efficiency, NSE)는 0.62, 평균제곱근오차(average root mean square error, RMSE)는 3.09로 신뢰성 있는 유출 모의 결과를 나타내었다. 미래 유출량 예측을 위한 MLP-ANN은 1976년부터 2015년까지의 유출 모의 결과를 Training Set으로 훈련하여 $R^2$가 0.5 이상이 되어 신뢰성을 확보하였고, 2016년부터 2018년까지의 기간을 1개월 단위로 실제 유출량과 예측 유출량을 비교하며 적용성을 검증 및 향상시켰다.

• Journal of Science Criminal Investigation
• /
• v.11 no.3
• /
• pp.178-185
• /
• 2017

It is one of the most important factors to statistical estimation of ambient temperature for accumulated degree day (ADD) and minimum postmortem interval (PMI) in the incident scene. Until now, we applied the temperature of the nearest weather stations, adjusted temperature, or estimated the temperature by the linear regression analysis to estimate the temperature of the incident site. At this time, the estimated temperature may be changed according to the method of temperature estimation. And The accuracy of the estimated value may also vary depending on the environmental factors such as capacity, wind speed, humidity, and rainfall, which may affect measurement conditions and temperature. Therefore, we studied the effect of various environmental factors and measurement conditions for ambient temperature in Korea.

• Atmosphere
• /
• v.31 no.5
• /
• pp.553-562
• /
• 2021

The long-term trend of surface wind speed in Korea is estimated by correcting wind measurements at 29 KMA weather stations from 1985 to 2019 with physical and statistical homogenization. The anemometer height changes at each station are first adjusted by applying physical homogenization using the power-law wind profile. The statistical homogenization is then applied to the adjusted data. A standard normal homogeneity test (SNHT) is particularly utilized. Approximately 40% of inhomogeneities detected by the SNHT match with the sea-level-height change of each station, indicating that an SNHT is an effective technique for reconciling data inhomogeneity. The long-term trends are compared with homogenized data. Statistically significant negative trends are observed along the coast, while insignificant trends are dominant inland. The mean trend, averaged over all stations, is -0.03 ± 0.07 m s^-1 decade^-1. This insignificant trend is due to a trend change across 2001. A decreasing trend of -0.10 m s^-1 decade^-1 reverses to an increasing trend of 0.03 m s^-1 decade^-1 from 2001. This trend change is consistent with mid-latitude wind change in the Northern hemisphere, indicating that the long-term trend of surface wind speed in Korea is partly determined by large-scale atmospheric circulation.