• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.388-391
• /
• 2011

강우침식인자를 구하기 위해서는 개별 호우사상의 30분 최대 강우강도를 산정해야 한다. 이를 위해서는 연속된 분단위 강우자료가 필요하지만, 자료 획득이 제한되어 지점별로 보다 얻기 쉬운 시간 단위 강우량을 이용하여 30분 최대 강우강도를 추정하려는 노력이 있어왔다. 본 연구는 시강우량을 이용하여 개별 호우사상의 30분 최대 강우강도를 추정하기 위한 것으로서 대구 지점의 1960년~1999년 기간의 818개 호우사상을 이용하였다. 분류된 호우사상별 30분 최대 강우강도를 기상청으로부터 획득한 분단위 강우자료를 이용하여 산출한 뒤, 이를 참값으로 하여 60분 최대 강우강도와의 상관관계를 분석하였다. 그 결과 대구 지점의 60분 최대 강우강도로부터 30분 최대 강우강도를 추정할 수 있는 변환계수는 1.228로 나타났으며, 고정시간 1시간 최대 강우강도로부터 30분 최대 강우강도를 추정할 수 있는 변환계수는 1.3778로 나타났다.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.9 no.6
• /
• pp.111-117
• /
• 2009

The RUSLE(Revised Universal Soil Loss Equation) has been most widely used to estimate sediment yield in Korea. However RUSLE factors have not been verified based on measured data of sediment yield. The analysis of characteristics for the rainfall erosivity factor R was performed in this study. The R factor of RUSLE is expressed as multiple of total rainfall energy and maximum 30 min rainfall intensity. In this study, the characteristics of 10 rainfall energy equations were investigated using data measured in Gangneung experimental watershed, and applicability of each equations was reviewed based on results of the correlation analysis between measured sediment yield and total rainfall, between measured sediment yield and maximum intensity, and between measured sediment yield and total rainfall energy yield. Also, the relationship of I30 and I60 was proposed using 10-min rainfall data during 9 years.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.169-173
• /
• 2010

토양침식은 농경지 면적의 감소 및 사태 유발, 토사의 하천 유입으로 인한 생태계 교란 및 오염물질 확산 등의 피해를 야기시킨다. 토양침식을 유발하는 가장 큰 인자는 일반적으로 강우로 알려져 있으며, 연구대상 지역의 토양침식량을 산정하기 위해서는 강우침식인자를 추정하는 과정을 거치게 된다. 이와 관련하여 정필균(1983), 박정환 등(2000)은 각각 1980년, 1996년 이전의 강우자료를 이용하여 우리나라 강우침식인자를 제시한 바 있으나, 기상청에서 제공하는 1시간 단위 강우량으로 30분 최대 강우강도를 추정하는 것이 제한되어, 근래에 들어서는 연강수량을 이용하여 강우침식인자를 산정할 수 있는 국외 추정식을 적용하는 연구사례가 늘고 있다. 본 연구는 기상청에서 제공하는 1시간 단위 강우자료를 바탕으로 각 호우사상별 30분 최대 강우강도를 추정하여 보다 정확한 연강우침식인자를 산출하기 위한 것으로서 강우의 스케일 성질을 이용하였다. 속초 지점의 2007년 강우자료를 바탕으로 각 호우사상의 1시간 최대 강우량을 하향스케일링 하여 30분 최대 강우강도를 산출하여 강우침식인자를 산정한 결과, 기존의 $EI_{30}$와 $EI_{60}$의 상관관계식 및 연강수량을 이용한 추정방법보다 더 합리적임을 알 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.450-450
• /
• 2021

기후변화 보고서에 따르면 집중 호우의 강도 및 빈도 증가가 향후 몇 년동안 지속될 것이라 제시하였다. 이러한 집중호우가 빈번히 발생하게 된다면 강우 침식성이 증가하여 표토 침식에 더 취약하게 발생된다. Universal Soil Loss Equation (USLE) 입력 매개 변수 중 하나인 강우침식능인자는 토양 유실을 예측할때 강우 강도의 미치는 영향을 제시하는 인자이다. 선행 연구에서 USLE 방법을 사용하여 강우침식능인자를 산정하였지만, 60분 단위 강우자료를 이용하였기 때문에 정확한 30분 최대 강우강도 산정을 고려하지 못하는 한계점이 있다. 본 연구의 목적은 강우침식능인자를 이전의 진행된 방법보다 더 빠르고 정확하게 예측하는 머신러닝 모델을 개발하며, 총 월별 강우량, 최대 일 강우량 및 최대 시간별 강우량 데이터만 있어도 산정이 가능하도록 하였다. 이를 위해 본 연구에서는 강우침식능인자의 산정 값의 정확도를 높이기 위해 1분 간격 강우 데이터를 사용하며, 최근 강우 패턴을 반영하기 위해서 2013-2019년 자료로 이용했다. 우선, 월별 특성을 파악하기 위해 USLE 계산 방법을 사용하여 월별 강우침식능인자를 산정하였고, 국내 50개 지점을 대상으로 계산된 월별 강우침식능인자를 실측 값으로 정하여, 머신러닝 모델을 통하여 강우침식능인자 예측하도록 학습시켜 분석하였다. 이 연구에 사용된 머신러닝 모델들은 Decision Tree, Random Forest, K-Nearest Neighbors, Gradient Boosting, eXtreme Gradient Boost 및 Deep Neural Network을 이용하였다. 또한, 교차 검증을 통해서 모델 중 Deep Neural Network이 강우침식능인자 예측 정확도가 가장 높게 산정하였다. Deep Neural Network은 Nash-Sutcliffe Efficiency (NSE) 와 Coefficient of determination (R²)의 결과값이 0.87로서 모델의 예측성을 입증하였으며, 검증 모델을 테스트 하기 위해 국내 6개 지점을 무작위로 선별하여 강우침식능인자를 분석하였다. 본 연구 결과에서 나온 Deep Neural Network을 이용하면, 훨씬 적은 노력과 시간으로 원하는 지점에서 월별 강우침식능인자를 예측할 수 있으며, 한국 강우 패턴을 효율적으로 분석 할 수 있을 것이라 판단된다. 이를 통해 향후 토양 침식 위험을 지표화하는 것뿐만 아니라 토양 보전 계획을 수립할 수 있으며, 위험 지역을 우선적으로 선별하고 제시하는데 유용하게 사용 될 것이라 사료된다.

• Journal of Korea Water Resources Association
• /
• v.51 no.10
• /
• pp.917-927
• /
• 2018

Seven heavy metal concentrations (As, Cd, Cr, Cu, Ni, Pb, Zn) were continuously analyzed for twenty rainfall events in 2017~2018 in an urban basin. The overall and dynamic correlations between runoff characteristics and heavy metal concentrations were examined. The peak metal concentration generally appeared in the initial runoff but found to be delayed when the rainfall intensity was low. The rainfall duration had no relationship with either heavy metal concentrations or their total mass. Dynamics of heavy metal mass (load), with the exception of Cu and Zn, showed strong correlation with the 30 minute rainfall intensity (0.60~0.88) and runoff volume (0.74~0.89). While event mean concentration (EMC) showed positive correlation (0.54~0.73) with antecedent dry days (ADD), no significant relationship was found between runoff volume and pollutant concentration. This implies that the pollutants built up on the surface during dry days are washed off even with low rainfall energy. The dynamics of heavy metal and TSS concentrations showed good correlation (0.68~0.87). This result shows that the metals are transported along with solid particles as adsorbate in surface runoff. Regular street sweeping will reduce significant amount of heavy metal loads in urban surface runoff.