• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.254-254
• /
• 2022

밭 용수관리 및 가뭄 대응을 위한 토양수분 실측자료의 품질관리가 필수적으로 수행되어야 한다. 토양수분 자료의 체계적인 유지관리를 위해 국제 토양수분 네트워크(International Soil Moisture Network; ISMN)가 설립되었고, 전세계 1,400여개 지점의 토양수분량 자료의 품질관리하고 있다. ISMN 품질관리 방식은 토양특성, 강우에 대한 반응, 토양온도, 시계열특성을 이용한다. 지표면 최상 토층에 저장되어있는 수분인 토양수분은 기후 예측, 홍수 예보, 농업가뭄평가, 수자원 관리, 온실가스 산정, 인프라 보전, 수인성 전염병 모델링 등 다양한 분야에 활용될 수 있다(Dorigo et al., 2011). 본 연구에서는 FDR(Frequency Domain Reflectometry) 기기를 이용한 토양수분 측정자료의 품질관리를 위해 ISMN에서 제시한 총6개의 단계별 품질관리 체계를 적용하였다. 단계는 1) 토양수분이 0 m3m-3보다 작은지, 2) 또는 0.6 m3m-3보다 큰지, 3) 토양수분값이 공극률보다 큰지, 4) 토양온도가 영하인지, 5) 토양수분이 강우 이벤트 없이 증가하는지, 그리고 5) 토양수분 시계열 자료에 spike 가 있는지 6) break나 plateau가 있는지를 검사하여 Quality Flag를 설정하였다. 이를 기반으로 토양수분 데이터 자동 프로그램을 개발하여 이상치를 보정하였다. 향후, ISMN의 Quality Flag (QF1-QF10)를 적용하여 모니터링 자료의 품질관리 자동 프로그램을 개발하고자 한다.

• Journal of Korea Water Resources Association
• /
• v.57 no.5
• /
• pp.333-346
• /
• 2024

High-resolution medium-range streamflow prediction is crucial for sustainable water quality and aquatic ecosystem management. For reliable medium-range streamflow predictions, it is necessary to understand the characteristics of forcings and to effectively utilize weather forecast data with low spatio-temporal resolutions. In this study, we presented a comparative analysis of medium-range streamflow predictions using the distributed hydrological model, WRF-Hydro, and the numerical weather forecast Global Data Assimilation and Prediction System (GDAPS) in the Geumho River basin, Korea. Multiple forcings, ground observations (AWS&ASOS), numerical weather forecast (GDAPS), and Global Land Data Assimilation System (GLDAS), were ingested to investigate the performance of streamflow predictions with highresolution WRF-Hydro configuration. In terms of the mean areal accumulated rainfall, GDAPS was overestimated by 36% to 234%, and GLDAS reanalysis data were overestimated by 80% to 153% compared to AWS&ASOS. The performance of streamflow predictions using AWS&ASOS resulted in KGE and NSE values of 0.6 or higher at the Kangchang station. Meanwhile, GDAPS-based streamflow predictions showed high variability, with KGE values ranging from 0.871 to -0.131 depending on the rainfall events. Although the peak flow error of GDAPS was larger or similar to that of GLDAS, the peak flow timing error of GDAPS was smaller than that of GLDAS. The average timing errors of AWS&ASOS, GDAPS, and GLDAS were 3.7 hours, 8.4 hours, and 70.1 hours, respectively. Medium-range streamflow predictions using GDAPS and high-resolution WRF-Hydro may provide useful information for water resources management especially in terms of occurrence and timing of peak flow albeit high uncertainty in flood magnitude.