• 생물환경조절학회지
• /
• 제24권2호
• /
• pp.100-105
• /
• 2015

온실의 난방부하 중 틈새환기전열부하 산정방법은 설계 기준마다 제각각이고, 온실의 규모에 따라 각각의 방법에는 큰 차이가 있으므로 보다 정확히 국내에 적용할 수 있는 방법을 정립할 필요가 있다. 본 연구에서는 원예시설의 환경설계 중 난방부하 산정방법 정립에 필요한 기초자료를 제공할 목적으로 다양한 종류의 보온커튼을 설치한 단동 및 연동 플라스틱 온실에서 추적가스법을 이용하여 틈새환기율을 실측하였으며, 온실의 틈새환기 전열부하 산정방법을 검토하였다. 연동온실의 틈새환기율은 $0.042{\sim}0.245h^{-1}$의 범위로 측정되었으며 단동온실의 틈새환기율은 $0.056{\sim}0.336h^{-1}$의 범위로 측정되어 단동온실이 약간 큰 것으로 나타났다. 온실의 틈새환기율은 단동, 연동 구분없이 보온커튼의 층수에 따라 크게 감소하는 것으로 나타났다. 또한 틈새환기율은 온실의 실내외 기온차가 커질수록 증가하는 경향을 보였으나, 실험기간 동안의 낮은 풍속 범위에서 외부 풍속에 따른 틈새환기율의 변화는 일정한 경향을 찾을 수 없었다. 온실의 난방설계를 위한 틈새환기율은 적정 실내외 기온차에서의 값을 제시할 필요가 있고, 최대난방부하 산정의 기준이 되는 낮은 풍속 범위에서 풍속에 따른 틈새환기율의 변화는 고려하지 않아도 되는 것으로 고찰되었다. 다만 강풍지역에서는 열관류율을 포함하여 최대난방부하를 약간 증가시키는 보정계수의 적용이 필요할 것으로 판단되었다. 온실의 틈새환기전열부하 산정방법을 검토한 결과 틈새환기전열계수와 온실의 피복면적을 이용하는 방법은 문제가 있는 것으로 나타났으며, 틈새환기율과 온실의 체적을 이용하는 방법이 합리적인 것으로 판단되었다.

• 한국지리정보학회지
• /
• 제18권1호
• /
• pp.90-104
• /
• 2015

본 연구의 목적은 위성영상을 이용해 시공간 증발산량을 모의할 수 있는 증발산량 산정 모형을 구축하고, 플럭스 타워 실측 증발산량과 비교를 통해 적용성을 평가하는데 있다. 증발산량 산정 모형은 SEBAL(Surface Energy Balance Algorithm for Land)을 구축하였으며, 모형 내 일부 알고리즘을 수정하여 적용하였다. SEBAL 모형의 위성 입력 자료로는 2개년(2012-2013)의 MODIS Normal Distribution Vegetation Index(NDVI), Albedo, Land Surface Temperature(LST) 영상을 500m의 공간해상도로 구축하였으며, 유역주변 기상청 기상관측소(5개 지점)의 풍속, 풍속측정높이, 일사량 자료를 내삽(Interpolation)하여 활용하였다. 모형의 적용성 평가를 위하여 금강유역의 용담댐을 대상으로 공간 증발산량을 산정하여 유역 내에 위치한 덕유산 플럭스 타워의 산림 증발산량과 비교분석하였다. 모형 매개변수 중 Albedo와 NDVI, 지표 거칠기(Surface roughness) 순으로 민감한 것으로 분석되었으며, 모형의 보정을 위해 최종적으로 Albedo와 NDVI는 월별 평균값을 적용하였다. 모의 기간 동안의 결정계수($R^2$)는 0.45이었다. SEBAL 모형은 특히 지형적 특성을 반영하므로 유역내에서 고지대에 비해 저지대에서 증발산량이 높게 산정되는 경향을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• 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.

• 대한원격탐사학회지
• /
• 제21권2호
• /
• pp.113-120
• /
• 2005

이어도 종합해양과학기지 및 주변에서 관측된 해수면고도, 해상풍향 및 풍속 자료와 인공 위성으로부터 관측된 자료를 비교하여 상호 신뢰도를 검증하고 보완하였다. 인공위성자료는 Topex/Poseidon 레이더고도계 및 ERS-1/2 고도계 및 산란계 자료를 이용하였고 이어도 기지 건설 당시 기지 부근 선상에서 관측된 자료 및 기지에서 최근 관측된 자료를 비교 분석하였다. 위성자료와 1995년 6월 해상탐사자료를 비교한 결과 대체적으로 잘 일치하며 이는 더 많은 위성 자료를 이용함으로써 보완 가능하다. 한편 거의 실시간으로 제공되는 이어도 기지의 2004년 12월부터 2005년 2월까지 최근 3개월 간 자료를 분석한 결과 자료의 공백 및 비정상 값을 보이는 경우가 많았고 이들을 위성자료와 비교 한 후 통계적으로 상호 보정하였다. 이어도는 육지와 멀리 떨어져 있어 위성해양관측자료를 검증하기에 매우 적합한 반면 이어도 관측 자료를 검증 및 보완하는 가장 효율적인 방법은 위성자료를 이용하는 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• 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.

• 과학수사학회지
• /
• 제11권3호
• /
• pp.178-185
• /
• 2017

사후경과시간(PMI)을 추정하기 위하여 사용되고 있는 유효적산온도(ADD)를 계산하는데 있어서 가장 중요한 요인 중 하나는 바로 사건 현장의 대기 온도를 최대한 정확하게 추정하는 것이다. 지금까지 사건 현장의 대기 온도를 추정하는 방법으로는 사건이 일어난 현장 근처의 기상청 온도를 그대로 적용하거나, 보정 온도를 고려하여 사용하거나, 주변 기상청 온도와 사건 현장 대기 온도의 선형 회귀분석을 통해 과거 일정기간 동안의 현장 대기 온도를 추정하였다. 이 때, 온도 추정 방법에 따라 온도 추정값이 달라질 수 있으며, 측정 조건이나 온도에 영향을 줄 수 있는 풍량, 풍속, 습도, 강우량 등 환경 요인에 따라서도 추정값의 정확도가 달라질 수 있다. 따라서 본 연구에서는 국내의 환경 요인 및 측정 조건들을 대상으로 보다 다양한 온도 추정 방법들에 적용하여 과거 일정기간 동안의 현장 대기온도를 추정하고, 이렇게 추정된 온도와 실제 온도와의 비교를 통하여 국내 온도 추정에 미치는 영향을 연구하고자 한다.

• 대기
• /
• 제31권5호
• /
• 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.