• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.350-350
• /
• 2021

한국건설기술연구원의 돌발홍수연구센터는 돌발홍수예측 시스템을 구축하여 2019년부터 전국에서의 돌발홍수정보를 제공하고 있다. 2019년에는 초단기 예측 모델인 Macgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation(MAPLE) 알고리즘으로부터 생산된 초단기 예측 강우를 활용하여 동(읍/면) 단위로 1시간 선행 예보를 제공하였다. 2020년에는 추가로 초단기 예측 강우와 수치예보 자료를 병합한 예측 병합 강우 자료를 생산하여 예측 선행시간을 1시간에서 3시간까지 확장하였다. 돌발홍수예측 시스템의 목표는 도시 및 산지소하천에서의 돌발홍수에 대응하기 위한 정보를 실시간으로 사용자에게 제공하여 수재해에 빠르게 대응하는 것이다. 이에 돌발홍수예측 시스템은 2019년부터 실시간으로 운영하여 홍수기에 보다 빠른 돌발홍수정보를 제공해왔다. 본 연구에서는 2020년 우기에 운영된 돌발홍수시스템에 대한 평가를 수행하였다. 이를 위해 부산(07.23), 대전(07.29), 서울(08.01), 경기-충북(08.02)에서 발생한 수재해 사례를 분석하였다.

• Journal of Korea Water Resources Association
• /
• v.54 no.12
• /
• pp.1285-1294
• /
• 2021

In recent years, as rainfall is concentrated and rainfall intensity increases worldwide due to climate change, the scale of flood damage is increasing. Rainfall of a previously unobserved magnitude falls, and the rainy season lasts for a long time on record. In particular, these damages are concentrated in ASEAN countries, and at least 20 million people among ASEAN countries are affected by frequent flooding due to recent sea level rise, typhoons and torrential rain. Korea supports the domestic flood warning system to ASEAN countries through various ODA projects, but the communication network is unstable, so there is a limit to the central control method alone. Therefore, in this study, an artificial intelligence-based flood prediction model was developed to develop an observation station that can observe water level and rainfall, and even predict and warn floods at once at one observation station. Training, validation and testing were carried out for 0.5, 1, 2, 3, and 6 hours of lead time using the rainfall and water level observation data in 10-minute units from 2009 to 2020 at Junjukbi-bridge station of Seolma stream. LSTM was applied to artificial intelligence algorithm. As a result of the study, it showed excellent results in model fit and error for all lead time. In the case of a short arrival time due to a small watershed and a large watershed slope such as Seolma stream, a lead time of 1 hour will show very good prediction results. In addition, it is expected that a longer lead time is possible depending on the size and slope of the watershed.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.128-128
• /
• 2022

최근 호우의 빈도와 규모는 증가하는 추세이며 이에 따른 홍수 피해는 많은 피해를 야기하고 있다. 이러한 관점에서 홍수 피해에 대한 선제적 대응을 위한 요소로써 초단시간 강우예측 정보의 중요성은 매우 높다. 특히, 레이더 자료 기반의 강우예측은 수치예보모델과 비교하여 3시간 이내의 짧은 선행시간 이내의 높은 정확도를 갖고 있어 홍수예보에 다수 활용되고 있다. 최근에는 강우자료의 복잡한 관계와 특징을 고려하기 위해 딥러닝 기반의 강우예측 활용 사례가 증가하고 있으나 국내 적용 사례는 적어 관련 연구가 요구되는 실정이다. 본 연구에서는 레이더 강우를 활용한 딥러닝 기반의 강우예측 기법을 제안하고 이에 대한 적용성을 평가하고자 한다. 2차원 레이더 강우자료의 특징과 시계열 특성을 고려하기 위한 심층신경망 구조를 제안하였으며 기존 딥러닝 모형과의 비교를 통해 활용 가능성을 제시하고자 하였다. 적용 대상지역은 한강 유역으로 선정하였다. 정성적 평가를 위해 임계성공지수(CSI)를 활용하여 예측 강우에 대한 정확도를 평가하였으며 정량적 평가를 위해 예측 강우와 관측 강우의 상관관계를 분석하였다. 평가 결과, 제안하는 방법이 기존 모형과 비교하여 예측오차의 범위가 적고 강우의 위치 변화를 잘 반영하는 것으로 나타났다. 본 연구결과는 초단기간 강우예측 자료를 활용하는 홍수예보의 정확도 향상에 기여할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.341-341
• /
• 2021

농업적 가뭄을 모니터링하기 위해 토양수분량, 증발산량, 지하수위 등을 이용하며, 농업용 저수지의 저수율을 기반으로 농업용수 공급능력을 평가해 왔다. 특히, 농업용 저수지에 대한 농업적 가뭄을 평가하기 위해 저수율 관측 자료를 저수율을 이용하거나, 관측 자료가 없는 경우 물수지 모형을 이용한 연구는 다수 진행되어 왔다. 다만, 농업적 가뭄을 전망하는데 있어 물수지 모형의 활용은 입력 자료의 구축 및 기상예보자료의 활용 기술 부족으로 많은 평가가 진행되지 못하였다. 본 연구에서는 기상예보자료와 회귀모델을 연계한 농업적 가뭄전망정보를 산정하고, 활용성을 평가하였다. 기상예보자료는 기상청 현업예보 모델인 GloSea5로부터 생산된 자료를 이용하였으며, 농업적 가뭄을 평가하기 위해 농업용 저수율 자료 기반인 RDI (Reservoir Drought Index)를 활용하였다. 농업적 가뭄전망정보는 현재의 수문조건이 지속된다는 가정 하에 예보선행시간 3개월까지 산정하였다. 가뭄전망정보를 평가하기 위해 과거 가뭄사상을 대상으로 산정하였으며, 전망정보의 예측성은 통계분석을 이용하여 정량적으로 평가하였다. 금회 제시한 연구방법은 현재의 수문조건이 지속될 시 기상예보에 따른 농업적 가뭄을 예측할 수 있다는 점에서 활용성이 높을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.397-397
• /
• 2020

가뭄을 전망하는 방법으로는 통계적 방법과 물리적 방법으로 구분할 수 있다. 통계적 방법은 과거의 기상 및 수문현상이 미래에도 재현될 수 있다는 전제하에 미래 가뭄상황을 전망하는 방법이다. 그러나 이 방법은 예측된 결과들이 모두 과거의 경향에 국한됨에 따라 최근에 급변하는 수문기상의 특성을 고려하는데 한계가 있다(Trenberth, 1994). 물리적 방법은 주어진 초기 수문기상조건으로부터 역학적 알고리즘이 탑재된 기상 및 수문모형의 연계모의를 통하여 미래 가뭄을 전망하는 방법으로 모형에 따른 불확실성이 발생할 수 있으나 최근 수문순환의 변화를 예측가능하다는 장점이 있어 활용도가 높다. 본 연구에서는 기상예보자료와 지표수문모형을 연계한 물리적 기반의 수문학적 가뭄전망정보를 산정하고, 활용성을 평가하였다. 기상예보자료는 기상청 현업예보 모델인 GloSea5로부터 생산된 자료를 이용하였으며, 수문학적 가뭄전망을 위해 MSWSI (Modified Surface Water Supply Index)를 활용하였다. 수문학적 가뭄전망정보는 현재의 수문조건이 지속된다는 가정하에 예보선행시간 3개월까지 산정하였다. 2015~16년 기간에 중권역별 가뭄전망정보를 산정하였으며, 전망정보의 예측성은 통계분석을 이용하여 정량적으로 평가하였다. 금회 제시한 연구방법은 현재의 수문조건이 지속될 시 기상예보에 따른 중권역별 수문학적 가뭄을 예측할 수 있다는 점에서 활용성이 높을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.62-62
• /
• 2022

홍수 예보를 위한 강우-유출 분석에서 정확한 예측 강우량 정보는 매우 중요한 인자이다. 이에 따라 강우 예측을 위하여 다양한 연구들이 수행되고 있지만 시·공간적으로 비균일한 특성 또는 변동성을 가진 강우를 정확하게 예측하는 것은 여전히 난제이다. 본 연구에서는 딥러닝 기반 ConvLSTM (Convolutinal Long Short-Term Memory) 모형을 사용하여 위성 강수 자료의 단기 예측을 수행하고 그 정확성을 분석하고자 한다. 대상유역은 메콩강 유역이며, 유역 면적이 넓고 강우 관측소의 밀도가 낮아 시·공간적 강우량 추정에 한계가 있으므로 정확한 강우-유출 분석을 위하여 위성 강수 자료의 활용이 요구된다. 현재 TRMM, GSMaP, PERSIANN 등 많은 위성 강수 자료들이 제공되고 있으며, 우선적으로 ConvLSTM 모형의 강수 예측 활용가능성 평가를 위한 입력자료로 가장 보편적으로 활용되는 TRMM_3B42 자료를 선정하였다. 해당 자료의 특성으로 공간해상도는 0.25°, 시간해상도는 일자료이며, 2001년부터 2015년의 자료를 수집하였다. 모형의 평가를 위하여 2001년부터 2013년 자료는 학습, 2014년 자료는 검증, 2015년 자료는 예측에 사용하였다. 또한 민감도 분석을 통하여 ConvLSTM 모형의 최적 매개변수를 추정하고 이를 기반으로 선행시간(lead time) 1일, 2일, 3일의 위성 강수 예측을 수행하였다. 그 결과 선행시간이 길어질수록 그 오차는 증가하지만, 전반적으로 3가지 선행시간 모두 자료의 강수량뿐만 아니라 공간적 분포까지 우수하게 예측되었다. 따라서 2차원 시계열 자료의 특성을 기억하고 이를 예측에 반영할 수 있는 ConvLSTM 모형은 메콩강과 같은 미계측 대유역에서의 안정적인 예측 강수량 정보를 제공할 수 있으며 홍수 예보를 위한 강우-유출 분석에 활용이 가능할 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.45 no.7
• /
• pp.631-641
• /
• 2012

In this study, satellite data (MTSAT-1R), a numerical weather prediction model, RDAPS (Regional Data Assimilation and Prediction System) output, ground weather station data, and artificial neural networks were used to improve the accuracy of summer rainfall forecasts. The developed model was applied to the Seoul station to forecast the rainfall at 3, 6, 9, and 12-hour lead times. Also to reflect the different weather conditions during the summer season which is related to the frontal precipitation and the cyclonic precipitation such as Jangma and Typhoon, the neural network models were formed for two different periods of June-July and August-September respectively. The rainfall forecast model was trained during the summer season of 2006 and 2008 and was verified for that of 2009 based on the data availability. The results demonstrated that the model allows us to get the improved rainfall forecasts until lead time of 6 hour, but there is still a large room to improve the rainfall forecast skill.

• Journal of Wetlands Research
• /
• v.23 no.2
• /
• pp.144-153
• /
• 2021

In recently, the green algae bloom is one of the most severe challenges. The seven days prior prediction is in operation to issues the water quality warning, but it also needs a longer time of prediction to take preemptive measures. The objective of the study is to establish a method to conduct a 3-month prior prediction of Chl-a concentration in the Daechong Lake and tested its applicability as a supplementary of current water quality warning. The historical record of water quality in the Daechong Lake and seasonal forecasting of ECMWF were obtained, and its time-series characteristics were analyzed. The Chl-a forecasting model was established using a correlation between Chl-a concentration and meteorological factor and NARX model, and its efficiency was compared.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.492-492
• /
• 2017

강수량은 지상에 내린 물의 총량으로 홍수 및 갈수량 산정에 있어서 유출특성을 파악하는데 중요한 자료이다. 부정확한 자료 및 수문분석기법에 의한 수자원량의 추정은 수공구조물의 설계 시과소 또는 과다 설계로 문제를 가져올 수 있으며, 수리 수문분석시스템의 효율적인 운영에 많은 지장을 초래하게 될 수 있다. 특히 강수량자료를 기초로 하는 홍수예보 및 갈수예보 모형들은 그 입력치인 강수량자료의 정확도가 큰 비중을 차지하게 된다. 강수량은 면적 강수량을 대표할 수 있는 위치에서 관측되어야 점 강수량을 면적 강수량으로 환산하는데서 발생하는 오차를 최소화 할 수 있다. 최근 강수 특성은 과거에 비해 시공간적으로 매우 불규칙해졌으며, 특히 짧은 지속시간 동안에 많은 양의 강우가 집중되고 있다. 강수량조사망은 이와 같은 강수 특성 변화를 충분히 반영할 수 있어야 한다. 강수 특성을 반영하여 수문조사, 홍수예보, 강우레이더에 활용하기 위해서는 기존 강수량조사망에 대한 재평가가 선행되어야 하며, 재평가된 결과를 토대로 강수량조사망을 설계하여야 한다. 또한 강수량관측소는 그 자체에 여러가지 오차를 내재하는데, 이는 바람의 영향, 증발, 주변 환경 변화 등 다른 여러 가지 오차들이다. 이러한 오차의 발생을 최소화하기 위해서는 관측시설의 유지관리가 매우 중요하다. 강수량자료의 품질 문제를 최소화하여 강수량자료의 품질을 향상시키기 위해서는 기존 강수량관측소 및 운영현황에 대한 명확한 고찰이 선행되어야 하며, 기존의 강수량조사망에 어떠한 문제점 등이 내포되어 있는지에 대한 객관적인 평가를 통하여 수문조사, 홍수예보, 강우레이더 활용에 적합한 강수량조사망 구축이 필요하다. 본 연구에서는 영산강홍수통제소 관할 유역의 강수량관측소 67개소를 조사 평가하여 수문조사, 물관리, 강우레이더의 활용에 필요한 강수량조사망을 구축하였다. 이에 따라 신설 강수량관측소는 14개소가 필요한 것으로 나타났으며, 이 경우 평균 시강수량의 추정 불확실도가 0.2 이상인 영역은 19.3 %에서 10.6 %로 줄어들며, 연평균 강수량의 추정 불확실도가 0.2 이상인 영역은 9.0 %에서 4.7 %로 줄어드는 것으로 나타났다. 또한 강수량조사망 구축에 필요한 강수량관측소 설치, 위치선정, 배치 등에 관한 기준 및 유지관리에 필요한 사항을 제시하였다.

• Journal of Korea Water Resources Association
• /
• v.55 no.9
• /
• pp.657-668
• /
• 2022

With the occurrence of localized heavy rain while river flow has increased, both flow and rainfall cause riverside flood damages. As the degree of damage varies according to the level of social and economic impact, it is required to secure sufficient forecast lead time for flood response in areas with high population and asset density. In this study, the author established a flood risk matrix using ensemble rainfall runoff modeling and evaluated its applicability in order to increase the damage reduction effect by securing the time required for flood response. The flood risk matrix constructs the flood damage impact level (X-axis) using flood damage data and predicts the likelihood of flood occurrence (Y-axis) according to the result of ensemble rainfall runoff modeling using LENS rainfall data and as well as probabilistic forecasting. Therefore, the author introduced a method for determining the impact level of flood damage using historical flood damage data and quantitative flood damage assessment methods. It was compared with the existing flood warning data and the damage situation at the flood warning points in the Taehwa River Basin and the Hyeongsan River Basin in the Nakdong River Region. As a result, the analysis showed that it was possible to predict the time and degree of flood risk from up to three days in advance. Hence, it will be helpful for damage reduction activities by securing the lead time for flood response.