• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.373-373
• /
• 2020

한국건설기술연구원의 돌발홍수연구센터는 전국에서의 돌발홍수정보를 제공하기 위해 2019년에 돌발홍수예측 시스템을 구축하였다. 돌발홍수예측 시스템은 동(읍/면) 단위로 1시간 선행 예보를 3단계 위험 정보(주의/경계/심각)로 전국적으로 제공하고 있다. 본 시스템에서 예측 선행 시간을 1시간으로 설정한 것은 최소 대피 시간의 개념도 있지만 예측자료의 정확도가 1시간 이후 현격히 감소하기 때문이다. 이에 본 연구에서는 돌발홍수예측 시스템의 예측 선행 시간을 1시간에서 3시간으로 확장하기 위한 병합 기법을 검토 및 적용하였다. 이를 위해 홍수통제소에서 제공하고 있는 초단기 예측 강수 자료와 기상청에서 제공하고 있는 수치예보 자료를 활용하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.129-129
• /
• 2011

본 연구에서는 강수예보의 선행시간을 확보하기 위하여 기상청 지상관측망 자료뿐만 아니라 MTSAT-1R 위성영상자료와 수치예보모형인 RDAPS(Regional Data Assimilation and Prediction System) 자료를 활용하고, 입력자료 사이의 물리적인 비선형 상관관계를 효과적으로 고려하기 위하여 인경신경망 기법을 적용한 단시간 강수예측모형을 개발하고자 하였다. 또한 강수의 변화특성을 반영하기 위하여 장마기(6월, 7월)와 태풍기(8월, 9월)로 세분화하여 인공신경망 구축을 위한 학습훈련을 수행하였다. 구축된 모형은 서울지점을 대상으로 선행시간 3, 6, 9, 12시간에 대해서 강수예측을 수행하였다. 2006부터 2008년까지 학습훈련 후 2009년 서울지점의 강수예측결과, 장마기의 상관계수는 각 선행시간에 대해서 0.6998, 0.6498, 0.4434, 0.2961, RMSE(Root Mean Square Error)는 0.7605, 2.8431, 3.1973, 4.2147, 태풍기 상관계수는 0.5368, 0.5089, 0.4164, 0.2392, RMSE는 1.2218, 2.3144, 3.9153, 5.2145로 나타났다. 각 선행시간별로 장마기의 예측결과가 태풍기보다 다소 정확하게 도출되었으며, 선행시간 9시간 이후부터는 정확도가 급격히 낮아지는 결과를 얻었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.233-233
• /
• 2017

현재의 기술과 전문가들의 지식을 바탕으로 수치 예보 모델의 해상도가 점차 증가하고 있으나 한편으로는 해상도가 높아질수록 신뢰성 있는 장기 예보를 제공하는데 어려움이 있다. 즉, 고해상도 모델의 경우 미세한 오차가 발생 하더라도, 실제 기상학적 관점에서 시공간적으로 변동성이 크게 발생할 개연성이 크며, 이로 인해 모델에서 발생하는 불확실성은 더욱 커질 수 있다. 한국 기상청(KMA)에서는 영국기상청으로부터 도입한 통합모델(UM)을 현업 운영하고 있다. 본 연구에서 기상청 통합모델인 UM3.0 예보모델의 예측정확성을 다양한 관점에서 평가하고자 한다. 기상청 UM3.0 모델은 3km의 공간해상도와 1시간 시간해상도를 가지며, 예보시작시점기준 7일간의 예보정보를 제공한다. 강수량 예측정보의 활용성을 평가하기 위해서 예측 시계열에 대해 RMSE, 편의 및 등 다양한 통계지표와 공간적인 강수량 발생 특성을 평가하기 위해서 FSS 방법을 적용하였다. 본 연구 결과를 통해 UM3.0 모델의 1시간 및 3km의 시공간해상도와 선행예보 기간을 그대로 수문학적으로 활용하는 데에는 다소 무리가 있는 것으로 평가되었으며, 이러한 점에서 수문학적 활용관점에서 최적의 시공간적 규모와 선행예보 시간을 분석하였다.

• Journal of Korea Water Resources Association
• /
• v.44 no.2
• /
• pp.97-107
• /
• 2011

For the purpose of enhancing usability of NWP (Numerical Weather Prediction), the quantitative precipitation prediction scheme was suggested. In this research, precipitation by leading time was predicted using 3-hour rainfall accumulation by meso-scale numerical weather model and AWS (Automatic Weather Station), precipitation water and relative humidity observed by atmospheric sounding station, probability of rainfall occurrence by leading time in June and July, 2001 and August, 2002. Considering the nonlinear process of ranfall producing mechanism, the ANN (Artificial Neural Network) that is useful in nonlinear fitting between rainfall and the other atmospheric variables. The feedforward multi-layer perceptron was used for neural network structure, and the nonlinear bipolaractivation function was used for neural network training for converting negative rainfall into no rain value. The ANN simulated rainfall was validated by leading time using Nash-Sutcliffe Coefficient of Efficiency (COE) and Coefficient of Correlation (CORR). As a result, the 3 hour rainfall accumulation basis shows that the COE of the areal mean of the Korean peninsula was improved from -0.04 to 0.31 for the 12 hr leading time, -0.04 to 0.38 for the 24 hr leading time, -0.03 to 0.33 for the 36 hr leading time, and -0.05 to 0.27 for the 48 hr leading time.

• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.40-40
• /
• 2017

최근 2014년 마른장마의 영향으로 중부 지방에 가뭄이 발생하였으며, 장마철 강수부족은 2015년까지 영향을 미친바 있다. 이로 인해 소양강 댐은 역대 최저수위를 기록하였으며, 일부 지역에서는 제한급수, 농업용수 부족 등의 피해가 발생하였다. 일반적으로 가뭄은 발생순서에 따라 기상학적, 농업적, 수문학적 가뭄 등으로 분류하고 있다 (Wilhite and Grantz, 1985). 기상학적 가뭄은 농업 및 수문학적 가뭄에 영향을 미치는 가뭄의 시작 단계를 의미하며, 가뭄을 판단하는데 있어 중요한 요소라 할 수 있다. 기상학적 가뭄을 정량적으로 판단하기 위해 SPI, PDSI, PN 등이 활용되고 있으며, 특히 강수량 기반의 SPI는 계산과정이 쉽고, 다양한 지속시간(3, 6, 9, 12개월 등)에 따라 가뭄을 객관적으로 판단할 수 있어 가장 활발하게 이용되고 있다(Mckee et al., 1993). 최근 기상청은 대기와 해양-해빙 모델을 접합한 GloSea5의 장기예보자료를 활용하여 월 내지 계절 가뭄전망을 위한 기상학적 가뭄지수를 현업에 활용하고 있다. 다만 국내에서는 주로 단기가뭄(1~3개월)이 빈번하게 발생함에 따라 짧은 예보선행시간을 갖는 가뭄전망에 대한 평가에 집중되어 왔다. 2014, 15년에는 이례적으로 2년 연속 가뭄이 지속된바 있으며, 장기가뭄(3개월 이상)에 대한 전망정보의 필요성이 증가하고 있다. 본 연구에서는 장기예보자료 기반의 기상학적 가뭄전망정보를 산정하고, 2015년 가뭄을 대상으로 활용성을 평가하였다. 이를 위해 ASOS 59개 지점의 관측강수량, GloSea5의 미래예측(Foreacst) 및 과거재현(Hindcast) 자료를 활용하였으며, 다양한 지속시간(3, 6, 9, 12개월)에 대한 SPI를 산정하였다. 또한 예보선행시간(1~6개월)에 따른 SPI와 관측자료 기반의 SPI 간의 통계적 분석(상관계수, 평균제곱근오차)을 수행하여 전망정보의 정확도를 평가하였다.

• Journal of Korea Water Resources Association
• /
• v.50 no.10
• /
• pp.691-701
• /
• 2017

The objective of this study is to evaluate the long-term drought outlook information based on long-term forecast data for the 2015 drought event. In order to estimate the Standardized Precipitation Index (SPI) for different durations (3-, 6-, 9-, 12-months), we used the observation precipitation of 59 Automated Synoptic Observing System (ASOS) sites, forecast and hindcast data of GloSea5. The Receiver Operating Characteristic (ROC) analysis and statistical analysis (Correlation Coefficient, CC; Root Mean Square Error, RMSE) were used to evaluate the utilization of drought outlook information for the forecast lead-times (1~6months). As a result of ROC analysis, ROC scores of SPI(3), SPI(6), SPI(9) and SPI(12) were estimated to be over 0.70 until the 2-, 3-, 4- and 5-months. The CC and RMSE values of SPI(3), SPI(6), SPI(9) and SPI(12) for forecast lead-time were estimated as (0.60, 0.87), (0.72, 0.95), (0.75, 0.95) and (0.77, 0.89) until the 2-, 4-, 5- and 6-months respectively.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.99-99
• /
• 2018

기상이변으로 인해 국지성 호우의 발생 증가와 그로 인한 수재해 피해가 증가하고 있다. 따라서 수재해를 사전에 예측하고 저감하기 위해 비구조물적 대책인 실시간 홍수예보시스템 개발 및 운영에 관한 연구들이 수행되고 있다. 일반적으로 홍수예보시스템은 대피선행시간 확보를 위해서 초단시간 혹은 단기 수치예보모델을 수문해석모형이나 예보기법의 입력으로 활용하고 있다. 초단시간 예측은 기상레이더를 기반으로 외삽, 이류, 셀 추적 등의 기법을 활용하여 0~3시간 이내의 강수예측을 수행한다. 그러나 역학이나 물리적 과정이 동반되지 못하여 0~ 2시간 이내에서의 예측성은 높은 반면, 예측시간이 길어질수록 예측력이 낮아진다. 단기수치예보모델은 종관관측에 의존하면서 역학이나 물리과정을 동반하므로 0~6시간 혹은 12시간 이상의 예측을 수행하지만, 수치모델의 고유특성인 스핀업 등의 예측 불확실성이 내재되어 있어 예측 초기시간에서의 예측력이 낮은 한계가 있다. 따라서 강수예측의 정확도 향상을 위해 레이더와 수치예보모델의 병합기법이 필요하다. 본 연구에서는 통계분석을 통해 경험적으로 산출된 시간적 가중치를 이용한 기존 병합기법의 한계를 극복하면서 호우에 따른 가변성을 반영하는 실시간 병합기법을 개발하고, 수문학적인 활용성을 평가하고자 하였다. 사용된 예측강우 자료는 레이더 기반인 MAPLE, KONOS, 공간규모분할 예측강우와 수치예보모델 기반인 UM와 ASAPS의 예측강우이며, 제시한 가중치 산정기법은 직전 예측강우의 오차가 현 시점의 예측강우의 오차와 유사하다는 가정하에 오차항을 포함한 과거 1시간 예측강우들간의 가중치 조합이 과거 지상관측강우와의 평균제곱근오차가 최소가 되도록 화음 탐색법을 이용하여 찾는 것이다. 가중치 조합은 예측강우의 생산 시간 간격을 고려하여 매 10분마다 산정하며, 미래 3시간 예측까지 산정된 가중치를 적용한다. 수도권 영역을 대상으로 병합된 예측강우와 레이더 관측강우를 비교한 결과, 정량적 정확도가 향상됨을 확인할 수 있었다. 또한, 예측강우의 수문학적 활용성은 도시유출해석모의를 통해 평가하였다. 그 결과, 병합된 예측강우로 모의된 수심이 관측수심과 유사하여 수문학적 활용성 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.320-320
• /
• 2021

홍수피해가 빈발하는 도시 및 소규모 산지 유역에서와 같이 지체시간이 짧은 유역에서 국지적으로 발생하는 돌발홍수는 우량계와 기존 하천유역 예보시스템만으론 예보가 불가능하다. 동일한 강우에서도 지역에 따라 침수시간이나 침수심이 달라지기 때문에 정확한 돌발홍수예보를 위해서는 지역에 따른 침수특성과 유속특성을 달리 고려해야 한다. '골든타임 확보를 위한 유역 시공간 상세 홍수예보기술 개발(환경부)'에서 개발한 '국지 돌발홍수예측 시스템'은 지역별 검증된 침수특성과 유속특성의 관계식을 산정하여 돌발홍수예보 기준을 설정하였다. 그리고 도달시간이 짧은 도시 및 산지에서 홍수예보 선행시간을 확보하기 위해 강우레이더 기반 돌발홍수 예측 시스템을 구축하여 시범 운영 중이다. 그러나 도시·산지 중소하천유역 등 홍수예보 취약지역에 대한 돌발홍수예보 정확도를 제고하기 위해서는 기 설정된 돌발홍수위험 예보 기준을 정밀하게 평가·검증·개선 할 수 있는 실증 체계가 반드시 필요하다. 이러한 배경에서 본 연구에서는 2021년부터 3개년 동안 홍수예보 취약지역에 강우레이더와 경제적 IoT 관측센서 정보를 기반으로 돌발홍수예보 실증기술을 개발하여 전국 돌발홍수예보 실용화 기반 구축하고자 한다. 홍수피해 취약지역인 도심지, 산지·계곡, 해안지역에 실증 테스트베드를 선정하고 강우레이더-IoT 실증 관측망을 구축하여 돌발홍수예보 기술 실증과 돌발홍수 위험기준 설정 가이드라인을 마련하고자 한다. 더불어 도시 중소하천유역 홍수예보 활용을 위한 소형강우레이더 강우량 정확도 개선 기술 개발과 홍수기 강우레이더 기반 홍수예보 관-연 협업 시범 운영을 추진할 계획이며, 최종적으로는 강우레이더와 IoT 정보 기반 돌발홍수 실증 시스템을 구축 운영하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.135-135
• /
• 2018

한강의 잠수교는 평상시에는 사람과 차의 통행이 가능하나 예측수위가 5.5m일 경우, 보행자통제, 6.2m일 경우, 차량통제를 실시한다. 잠수교는 국토교통부의 홍수예보 지점은 아니지만 그 특수성으로 인해 정확한 홍수위 예측을 통해 선행시간을 확보할 필요가 있다. 일반적으로 하천 홍수위 예측을 위해서는 강우-유출 모형과 하도추적을 위한 수리모형을 결합한 모델링이 요구되나 잠수교는 하류부 조위로 인한 배수 및 상류부 팔당댐 방류량의 영향을 받아 물리적 수리 수문모형의 구축이 상당히 제약적이다. 이에 본 연구에서는 딥러닝 오픈 라이브러리인 Tensorflow 기반의 LSTM 심층신경망(Deep Neural Network) 모형을 구축하여 잠수교의 수위예측을 수행한다. LSTM 모형의 학습과 검증을 위해 2011년부터 2017년까지의 10분단위의 잠수교 수위자료, 팔당댐의 방류량과 월곶관측소의 조위자료를 수집한 후, 2011년부터 2016년까지의 자료는 신경망 학습, 2017년 자료를 이용하여 학습된 모형을 검증하였다. 민감도 분석을 통해 LSTM 모형의 최적 매개변수를 추정하고, 이를 기반으로 선행시간(lead time) 1시간, 3시간, 6시간, 9시간, 12시간, 24시간에 대한 잠수교 수위를 예측하였다. LSTM을 이용한 1~6시간 선행시간에 대한 수위예측의 경우, 모형평가 지수 NSE(Nash-Sutcliffe Efficiency)가 1시간(0.99), 3시간(0.97), 6시간(0.93)과 같이 정확도가 매우 우수한 것으로 분석되었으며, 9시간, 12시간, 24시간의 경우, 각각 0.85, 0.82, 0.74로 선행시간이 길어질수록 심층신경망의 예측능력이 저하되는 것으로 나타났다. 하천수위 또는 유량과 같은 수문시계열 분석이 목적일 경우, 종속변수에 영향을 미칠 수 있는 가용한 모든 독립변수를 데이터화하여 선행 정보를 장기적으로 기억하고, 이를 예측에 반영하는 LSTM 심층신경망 모형은 수리 수문모형 구축이 제약적인 경우, 홍수예보를 위한 활용이 가능할 것으로 판단된다.