• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.39-39
• /
• 2021

기상재해를 극소화하기 위해서는 그 원인이 되는 기상현상의 규모와 거동을 명확히 감시하고 분석하여 신뢰성 있는 예측정보가 제공되어야 한다. 최근 위험기상 발생빈도가 증가하여 초단기 및 위험기상 예보의 정확도 향상을 위한 고품질 레이더 정보 활용 연구가 활발하게 진행되고 있다. 레이더는 전자파를 이용하여 강우의 양과 분포, 이동특성을 관측하는 장비로써 우리나라는 초단기적 위험기상 대응능력 향상을 추진하기 위한 목적으로 첨단 성능의 이중편파레이더 관측망을 구축하고 있다. 국내 기상관측용 레이더는 기상예보(기상청), 홍수예보(환경부), 군 작전 기상지원(국방부) 등으로 각 기관이 개별적으로 설치운영 하고 있다. 본 연구에서는 관계부처에서 운영하고 있는 레이더의 합성장을 이용하여 강수장의 상관성을 기반으로 이류(advection) 특성을 도출하였다. 정확도 있는 이류특성을 도출하기 위하여 시간해상도는 10분을 적용하였으며 가우시안 필터링 기법을 적용하여 강수장 상관분석을 수행하였다. 호우와 태풍을 대상으로 강수장의 이류패턴을 추출하여 강수장의 이동방향 및 속도를 고려한 강수량 예측기법의 적용성을 평가하였다. 본 연구 결과는 격자형 강수예측정보를 제공하여 AI 홍수예보 및 수치예보 모델의 초기조건 입력 등에 활용되어 기후변동성에 따른 대국민 안전 실현을 확보하는데 기후변화 대응전략의 핵심기술로 활용될 수 있을 것으로 판단된다. 덧붙어, 4차 산업혁명에 따른 수문기상 빅 데이터(big data) 통합 플랫폼을 구축하여 고해상도 홍수대응 기술 및 GIS 및 모바일 시스템을 연계한 실시간 기후재해 예·경보가 가능할 것으로 사료된다.

• 물과 미래
• /
• 제56권6호
• /
• pp.8-17
• /
• 2023

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.333-333
• /
• 2023

기후변화로 인해 전지구적인 이상기후현상이 빈번하게 발생하고 있으며 지구온도와 해수면상승과 더불어 강우패턴의 변화가 세계적인 문제로 대두되고 있다. 특히 아세안 국가의 경우 태풍 및 집중호우에 대한 침수피해의 빈발로 2,000만명 이상이 피해를 입은 것으로 나타났다. 이러한 윈인으로는 자연재해에 의한 인명 및 재산피해관련 대응기술의 개발 및 대응조직의 전문성이 미흡하다는 것이 가장 큰 원인으로 제시되고 있다. 이에 많은 국가 및 기관에서 재난 대응 기술을 ODA사업을 통해 지원하고 있다. 우리나라에서도 지속적인 ODA사업으로 재난 대응 기술, 그 중에서도 홍수대응 기술을 적극적으로 보급하고 있다. 본 연구에서는 ASEAN국가 현지 맞춤형 인공지능 하천수위예측 모형을 개발하여 ASEAN국가의 홍수대응 능력을 향상시키고자 하였다. 연구대상으로는 관측데이터의 수집이 용이하고 양질의 관측자료를 장기간 확보할 수 있는 필리핀의 Montalban 관측소를 대상으로 하였다. Montalban 수위관측소는 마닐라를 관통하는 마리키나 강의 상류에 위치하고 있다. 주변에는 상류쪽에 Mt. Oro 강우관측소가 있으며 해당 관측소의 강우자료와 Montalban 관측소의 수위자료를 입력자료로 활용하여 최대 3시간까지 수위를 예측하였다. 예측수위에 대한 적합도 지표로 NSE(Nash-Sutcliffe model efficiency coefficient)를 사용하였으며 2시간 예측까지는 0.8이상의 유의미한 결과를 나타내 홍수예보에 활용할 수 있을 것으로 판단되나, 3시간 예측결과는 홍수예보에 활용하기 어려운 것으로 판단하였다. 이는 Mt. Oro관측소에 내린 강우가 Montalban 관측소에 도달하기까지 소요되는 시간이 3시간 이내이기 때문으로 판단된다. 관측소의 수위자료와 상류에 위치한 강우관측소의 장기간 고품질의 관측자료가 존재한다면 높은 정확도의 예측결과를 도출 할 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.19-19
• /
• 2023

최근 기후변화에 의해 단기간에 많은 양의 집중호우가 발생하여 도시지역의 침수 피해가 증가하고 있다. 이에 도시지역의 홍수 피해 해결을 위해 도심지 홍수 발생 시 홍수정도 및 상황을 파악할 수 있는 장비가 개발되었으나, 실용화 단계까지는 진행이 미흡한 상황이다. 또한 기존 도시지역 홍수 현상 및 원인을 분석하기 위해 수치모형을 활용하고 있으나, 우수관망의 노후화 및 초기 강우패턴 적용에 대한 정확한 해석결과의 어려워 활용성이 낮다. 또한 홍수정도와 발생상황 인지를 위한 계측 장비의 개발 연구는 지속적으로 진행되고 있으나, 계측 장비의 높은 가격으로 전국적으로 설치 할 수 없는 상황으로 이를 대응하기 위한 별도의 방안 마련이 필요한 실정이다. 이를 위해 본 과제에서는 고성능·저비용 계측센서를 개발하여 실용화 가능성을 높이고, 전국에 산재되어있는 CCTV(교통상황, 방법용 등)의 영상을 활용한 침수상황 인지 기술 개발, 계측 데이터와 모니터링 데이터의 활용을 위한 빅데이터 개방 플랫폼을 구축하여, 상습 침수지역에 대해 실시간 감시가 가능한 계측 시스템의 정형 데이터와 CCTV 및 영상 등 모니터링 장비의 비정형 데이터의 분석 기술을 결합한 새로운 도심지 홍수 감시 기술의 개발을 목표로 한다. 이를 위해 본 연구 1차년도에 지표면 침수심 계측센서와 우수관망 월류심 계측센서를 개발하였으며, 2차년도에는개발된 계측센서의 현장실증을 통해 데이터를 수집한다. 수집된 계측센서 데이터와 비정형(CCTV 영상) 데이터의 AI학습을 통해 분석된 침수심, 침수범위, 침수면적 데이터는 도심지 홍수 정보 프로그램을 통해 표출되며, 최종적으로는 현장 상황을 쉽게 파악 가능한 3D 레이어의 형식으로 표출하고자 한다. 추후 도심지 홍수 정보 프로그램을 통해 표출되는 3D 레이어는 환경부가 추진하는 DT(Digital Twin) 연계 인공지능(AI) 홍수예보 사업과의 연계 시 도심지 홍수 지도 구축을 위한 자료로 활용될 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.310-310
• /
• 2023

기상레이더는 강우의 공간분포를 관측하고 강우장 이동특성을 예측하여 집중호우, 태풍 등에 대비할 수 있는 시간을 확보하기 위하여 운용되고 있다. 기상레이더는 전파를 송신하고 대기 중의물체(수상체, 건물 등)에 부딪혀 되돌아오는 신호를 수신하여 강우의 양, 분포, 이동방향 등을 산정할 수 있으며 세부적으로 입체관측(volume scan)을 반복하여 고도각 별로 거리와 방위각에 따라 다양한 합성영상을 산출할 수 있는 특성이 있다. 본 연구는 구름의 수평적 분포를 파악하는데 용이하여 기존에 널리 사용된 CAPPI 합성영상과 최근 현업에서 복잡한 지형으로 인한 오차를 해소하고자 광범위하게 사용되고 있는 다중 고도각 기반 레이더 강수량(hybrid surface rainfall, HSR) 합성영상을 취득하여 수문해석을 위한 유역단위 면적강수량의 추정오차를 검토하였다. HSR 합성영상은 우리나라와 같이 산악지형이 많이 존재하는 경우 지형의 영향을 받지 않아 지면에 가장 가까운 고도각의 관측자료를 사용하므로 지상관측소 강수량과 비교한 결과에서 기존의 CAPPI 합성영상 레이더 강수량과 통계적 효율 기준을 산정하여 레이더 강수의 품질이 개선되는 것을 확인하였다. 최근 환경부에서 추진하고 있는 인공지능(AI) 홍수예보 및 가상모형(Digital Twin)을 활용하여 홍수정보를 생산 및 전달하는 과정에서 유역의 지형적 특성을 현실적으로 고려한 레이더 강수량을 사용함으로 기후변화에 따라 국지적으로 발생하는 집중호우 대응 및 과학적 홍수관리를 실현할 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.123-123
• /
• 2018

가뭄은 홍수와 달리 진행속도가 비교적 느리기 때문에 초기에 감지한다면 피해를 최소화 할 수 있다. 국내에서는 가뭄전망을 위해 물리적 기반의 기상-수문연계해석 시스템을 구축하여 월 내지 계절전망을 수행하고 있다. 물리적 기반의 가뭄전망은 수치예보모델의 불확실성을 가지고 있으므로 예보 정확도 개선의 측면에서는 통계적 모델을 같이 활용하는 것이 바람직하다. 최근 국외에서는 통계적 방법인 AI (Artificial Intelligence) 기술을 사용하여 가뭄을 전망하는 연구가 활발히 진행 중이나, 아직까지 국내에서는 관련연구가 미흡한 실정이다. 이에 본 연구에서는 ANFIS (Adaptive Neuro-Fuzzy Inference System) 기반의 댐 유입량 예측 모델을 구축하고 SRI (Standardized Runoff Index)를 활용하여 수문학적 가뭄전망을 수행하였다. 대상유역은 국내 주요 다목적댐이 위치한 충주댐 유역과 소양강댐 유역을 선정하였다. 수문 및 기상자료는 국토 교통부 및 기상청의 관측 댐 유입량, 관측 강수량, 관측 기온 및 장기기상예보 자료를 사용하였다. ANFIS 모델 구축을 위한 훈련 및 보정기간과 검정기간은 각각 1987~2010년과 2011~2016년을 선정하였다. 수문학적 가뭄전망은 지속기간 3개월의 1개월 전망 SRI3를 활용하였으며, SRI3는 관측유입량과 예측유입량을 결합하여 산정하였다. 댐 예측유입량 및 수문학적 가뭄전망의 정확도 평가를 위해 상관계수, 평균제곱근오차를 활용하였다. 댐 예측유입량 평가 결과 예측값과 관측값의 상관계수가 높게 나타났으며, 평균제곱근오차는 낮아 예측성이 뛰어났다. SRI3의 경우 관측값과 예측값의 가뭄발생시기가 유사하여 가뭄을 적절하게 반영하는 것으로 나타났다. 본 연구의 결과는 통계적 기반의 수문학적 가뭄전망기법을 개발하였다는 측면에서 의의가 있으며, 향후 물리적 기반의 가뭄전망정보와 결합한다면 보다 실효성이 향상될 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.97-97
• /
• 2022

AI 모형을 적용한 도시지역 침수예측에 대한 연구는 꾸준히 수행되어 왔다. AI 모형을 이용해 도시침수예측을 하기 위해서는 모형에 강우자료를 학습시키게 되는데, 시계열 강우분포 자료를AI 모형의 학습자료로 사용하기에 자료의 양이 너무 많기 때문에 총 강우량만을 이용하여 도시침수예측을 수행한 바 있다(Kim et al., 2021). 하지만 총 강우량만을 AI 모형에 학습시킬 경우, 지속기간 동안 강우가 고르게 분포하는지 불규칙적으로 분포하는지에 대한 정보가 포함되지 않았기 때문에 침수예측력이 떨어질 수 있다. 따라서 본 연구에서는 시계열 강우자료의 통계치를 산정하여 AI 모형에 학습시킴으로써 강우분포특성을 고려한 침수예측을 통해 예측력을 높이고자 한다. 총 강우량만을 학습시킬 경우, 같은 지속시간에 같은 양의 강우가 내리더라도 고른 분포를 가진 강우에 의해서는 실제 침수는 작게 일어나므로 과대예측을, 전체 지속시간 중 특정 시간대에 편향된 분포를 가진 강우에 의해서는 실제 침수가 크게 일어나므로 과소예측을 하는 문제가 발생할 수 있다. 따라서 표준편차를 평균 강우량으로 나눈 값인 변동계수, 강우분포의 뾰족한 정도를 나타내는 첨도, 평균값에 대해 어느 방향으로 비대칭인지를 나타내는 왜도 값을 추가로 학습시킴으로써 시계열 강우자료 전체를 학습시키지 않고도 강우분포를 학습시키지 않았을 때 발생하는 과소·과대예측 문제를 해결할 수 있다. 또한 변동계수 대신 표준편차를 학습시키는 모형, 변동계수와 표준편차를 모두 학습시키지 않는 모형, 변동계수와 표준편차를 모두 학습시키는 모형과의 침수예측 결과 비교를 통해 표준편차와 변동계수 중 어떤 통계치를 학습시키는 것이 적합한지와 비슷한 통계치 자료를 모두 학습시켰을 때의 과적합 문제 등에 대한 결론를 얻을 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.289-289
• /
• 2023

4차산업 혁명이 도래한 이후로 전세계적으로 AI 기술이 유래 없는 속도로 발달 및 활용되고 있으며, 다양한 분야에서 AI 기법을 도입한 연구가 활발히 진행 중에 있다. 최근 수자원 분야에서는 단기 강우 예측, 댐 유입량 예측 및 하천 수위 예측 등의 분야에서 AI 기술이 접목되어 꾸준한 기술 개발이 이루어지고 있다. 그러나 단변량으로 축척된 자료를 활용하여 중·장기 모형 개발 연구가 다수 진행되고 있지만, 급격한 기후변화 현상과 복잡한 매커니즘을 보이고 있는 기상현상의 경우 단변량 분석으로서는 정확도가 저하 될 수 있는 우려가 있는 것이 현실이다. 이에 본 연구에서는 상기에 제시된 단점을 극복하고자 다양한 기상자료를 검증·예측인자로 활용함과 동시에 Deeplearning 모형과 결합하여 신뢰성 있는 단기 강수 예측이 가능한 모형을 개발하였다. 본 연구에서는 유럽중기예보센터(ECMWF, European Center for Medium-Range Weather Forecasts)에서 제공하고 있는 ERA5 재해석 자료를 활용하였으며, Deeplearning 모형과 결합하여 단기 강우 예측이 가능한 모형을 개발하였다. 1차적으로 격자자료(25km×25km)로 제공되고 있는 ERA5 자료를 상세화(downscaling) 모형에 적용하여 기상청 관측소와 비교·검증하였으며, Deeplearning 모형을 통해 단기 예측이 가능한 모형으로 확장하였다. 이때 Deeplearning의 다양한 모형 중 시계열 분석에 있어 예측 성능이 높은 LSTM 모형을 활용하였으며, 제공되고 있는 대기 변수의 상호관계를 노드간 연결을 통해 결과의 정확도와 신뢰성을 확보하였다. 본 연구 결과는 기관별로 제공하고 있는 예측 수준을 상회하는 결과를 도출하였으며, 홍수기에 집중되는 강우량을 예측하여 대비·대책을 선제적으로 마련할 수 있는 자료로써의 활용성이 높을 것으로 사료된다.