• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.206-206
• /
• 2023

지구온난화로 인한 기후변화에 따라 평균강수량과 증발량이 증가하며 강우지역 집중화와 강우강도가 높아질 가능성이 크다. 우리나라의 경우 협소한 국토면적과 높은 인구밀도로 기후변동의 영향이 크기 때문에 한반도에 적합한 유역규모의 수자원 예측과 대응방안을 마련해야 한다. 이를 위한 수자원 관리를 위해서는 유역에서 강수량, 유출량, 증발량 등의 장기적인 자료가 필요하며 경험식, 물리적 강우-유출 모형 등이 사용되었고, 최근들어 연구의 확장성과 비 선형성 등을 고려하기 위해 딥러닝등 인공지능 기술들이 접목되고 있다. 본 연구에서는 ASOS(동해, 태백)와 AWS(삼척, 신기, 도계) 5곳의 관측소에서 2011년~2020년까지의 일 단위 기상관측자료를 수집하고 WAMIS에서 같은 기간의 오십천 하구 일 유출량 자료를 수집 후 5개 관측소를 기준으로Thiessen 면적비를 적용해 기상자료를 구축했으며 Angstrom & Hargreaves 공식으로 잠재증발산량 산정해 3개의 모델에 각각 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온), 일 강수량과 잠재증발산량, 일 강수량 - 잠재증발산량을 학습 후 관측 유출량과 비교결과 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온)로 학습한 모델성능이 가장 높아 최적 모델로 선정했으며 일, 월, 연 관측유출량 시계열과 비교했다. 또한 같은 학습자료를 사용해 다층 퍼셉트론(Multi Layer Perceptron, MLP) 앙상블 모델을 구축하여 수자원 분야에서의 인공지능 활용성을 평가했다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.308-308
• /
• 2023

자연재해대책법 제 16조 6에 따라 기후변화로 인한 방재성능목표의 영향을 고려하기 위해 방재성능가이드라인을 설정하여 운영하고 있다. 2017년 공표된 기후변화를 고려한 방재성능목표 강우량의 단기 할증률은 CMIP5 자료를 기반으로 기본 5%, 관심 8%, 주의 10%의 할증률로 구분되어 적용되고 있다. 그러나, 미래 기후변화 시나리오에 따르면 확률강우량이 늘어나는 지역도 있지만, 감소될 것으로 예상되는 지역도 존재한다. 따라서, 모든 지역을 3개의 구간으로 나누어 증가 할증률을 적용하는 것에 대한 검토가 필요하다. 본 연구에서는 CMIP6 기후변화 자료를 시단위로 다운스케일링한 시계열을 이용하여 미래 기후변화로 인한 방재성능목표의 할증률을 산정하고, 각 할증률에 기반한 구간을 상세화하고자 한다. 구체적으로, 현재 기상청에서 제공하는 일단위 기후변화 데이터베이스와, CMIP6에서 제공하는 일단위 기후변화 자료를 구축하고, 분석하였다. 이후 구축된 일단위 자료를 시단위 자료로 Downscaling한 후, 각 이산화탄소 배출 시나리오인 SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5에 대해 앙상블 시계열을 생성하고, 다양한 기후변화의 불확실성을 적절하게 정량화 할 예정이다. 그중에서 방재성능목표와 가장 밀접하다고 생각되는 변수들(연강우량, 8월강우량, 연최대강우량, 30년빈도 확률강우량 등)을 CCF(Cross Correlation Function), ACC(Auto Correlation Function)방법 등을 통해 분석하여 최적의 변수들을 찾고, 그 값들의 앙상블 평균을 통해 안정된 방재성능목표 기후변화 할증률 값을 산정할 예정이다. 169개 지역의 시·군 단위의 티센망과, 238개 지역의 시·군·구 단위의 티센망을 구축하고, 기상청 ASOS(Automated Synoptic Observing System)의 69개 기상관측소 강우관측자료와 AWS(Automatic Weather System)의 419개 기상관측소를 활용하여 지역별 미래 기후변화를 고려한 비선형적 할증률를 제시할 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.198-198
• /
• 2023

유역 내 수자원 계획을 효율적으로 수립하기 위해서는 장기간에 걸친 수문 모델링 뿐만 아니라 미래 기후 시나리오에 따른 수문학적 기후변화 영향 분석도 중요하다. 이를 위해서는 관측 값에 기반한 고품질 및 고해상도 격자형 기상자료 생산이 필수적이다. 하지만, 우리나라는 종관기상관측시스템(ASOS)과 방재기상관측시스템(AWS)으로 이루어진 고밀도 관측 네트워크가 2000년 이후부터 이용 가능했기에 장기간 격자형 기상자료가 부족하다. 이를 보완하고자 본 연구는 가정적인 상황에 기반하여 만약 2000년 이전에도 현재와 동일한 고밀도 관측 네트워크가 존재했다면 산출 가능했을 장기간 일 단위 고해상도 격자형 기상자료를 생산하는 것을 목표로 한다. 구체적으로, 2000년을 기준으로 최근과 과거 기간의 격자형 기상자료를 딥러닝 알고리즘으로 모델링하여 과거 기간을 대상으로 기상자료(일 단위 기온, 강수량)의 공간적 변동성 및 특성을 재구성한다. 격자형 기상자료의 생산을 위해 우리나라의 고도에 기반하여 기상 인자들의 영향을 정량화 하는 보간법인 K-PRISM을 적용하여 고밀도 및 저밀도 관측 네트워크로 두 가지 격자형 기상자료를 생산한다. 생산한 격자형 기상자료 중 저밀도 관측 네트워크의 자료를 입력 자료로, 고밀도 관측 네트워크의 자료를 출력 자료로 선정하여 각 격자점에 대해 Long-Short Term Memory(LSTM) 알고리즘을 개발한다. 이 때, 멀티 그래픽 처리장치(GPU)에 기반한 병렬 처리를 통해 비용 효율적인 계산이 가능하도록 한다. 최종적으로 1973년부터 1999년까지의 저밀도 관측 네트워크의 격자형 기상자료를 입력 자료로 하여 해당 기간에 대한 고밀도 관측 네트워크의 격자형 기상자료를 생산한다. 개발된 대부분의 예측 모델 결과가 0.9 이상의 NSE 값을 나타낸다. 따라서, 본 연구에서 개발된 모델은 고품질의 장기간 기상자료를 효율적으로 정확도 높게 산출하며, 이는 향후 장기간 기후 추세 및 변동 분석에 중요 자료로 활용 가능하다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.99-99
• /
• 2020

The frequency and scale of domestic flood damage continues to increase, but the criteria for responding to flood damage have not been established. To this end, research is underway to estimate the amount of rainfall in each region so that it can be used to respond to flood damage. The limit rainfall is defined as the cumulative maximum rainfall for each duration that causes flooding, and this research purpose to improve the threshold rainfall by estimating the damage based on the damage history in units of 5 years and analyzing changes over time. The limit rainfall based on the damage history was estimated by using the NDMS past damage history of the Ministry of the Interior and Safety and the rainfall minutes data of AWS and ASOS. The period for estimating the limit rainfall is 2013 ~ 2017, 2015 ~ 2019, and the limit rainfall is estimated by analyzing the relationship between the flood damage history and the rainfall event in each period. Considering changes in watershed characteristics and disaster prevention performance, the data were compared using 5-year data. As a result of the analysis, the limit rainfall based on the damage history could be estimated for less than about 10.0% of the administrative dongs nationwide. As a result of comparing the limit rainfall by period, it was confirmed that the area where the limit rainfall has increased or decreased This was analyzed as a change due to rainfall events or urbanization, and it is judged that it will be possible to improve the risk criteria of flooding.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.63-63
• /
• 2022

기상 예보자료는 발생 가능한 재난의 예방 및 대비 차원에서 매우 중요한 자료로 활용되고 있다. 우리나라 기상청에서는 동네예보를 통해 5km 공간해상도의 1시간 간격 초단기예보와, 6시간 간격 정량강우예보(Quantitative Precipitation Forecast, QPF)의 단기예보 정보를 제공하고 있다. 그러나 이와 같은 예보자료는 강우량의 시·공간변화가 큰 집중호우와 같은 기상자료를 활용한 수문학적인 해석에는 한계가 있다. 예보자료를 수문학에 활용하기 위한 시·공간적 해상도 개선뿐만 아니라 방대한 기상 및 기후 자료의 예측성능을 개선하기 위한 다양한 연구가 진행되고 있다. 본 연구에서는 기상청이 제공하는 지역 앙상블 예측 시스템(Local ENsemble prediction System, LENS)와 종관기상관측시스템(ASOS) 및 방재기상관측시스템(AWS) 관측 데이터 및 동네예보에 기계학습 방법을 적용하여 수문학적 정량적 강수량 예측(Hydrological Quantitative Precipitation Forecast, HQPF) 정보를 생산하였다. 전처리 과정을 통해 모든 데이터의 시간해상도와 공간해상도를 동일한 해상도로 변환하였으며, 예측 변수의 인자 분석을 통해 기계학습의 예측 변수를 도출하였다. 기계학습 방법으로는 처리속도와 확장성을 고려하여 XGBoost(eXtreme Gradient Boosting) 방식을 적용하였으며, 집중호우에서의 예측정확도를 높이기 위해 확률매칭(PM) 방식을 적용하였다. 생산된 HQPF의 성능을 평가하기 위해 2020년에 발생한 14건의 호우 사상을 대상으로 태풍형과 비태풍형으로 구분하여 검증을 수행하였다.

• Journal of The Korean Society of Grassland and Forage Science
• /
• v.43 no.3
• /
• pp.190-198
• /
• 2023

This study was conducted to calculate the damage of Italian ryegrass (IRG) by abnormal climate using machine learning and present the damage through the map. The IRG data collected 1,384. The climate data was collected from the Korea Meteorological Administration Meteorological data open portal.The machine learning model called xDeepFM was used to detect IRG damage. The damage was calculated using climate data from the Automated Synoptic Observing System (95 sites) by machine learning. The calculation of damage was the difference between the Dry matter yield (DMY)_normal and DMY_abnormal. The normal climate was set as the 40-year of climate data according to the year of IRG data (1986~2020). The level of abnormal climate was set as a multiple of the standard deviation applying the World Meteorological Organization (WMO) standard. The DMY_normal was ranged from 5,678 to 15,188 kg/ha. The damage of IRG differed according to region and level of abnormal climate with abnormal temperature, precipitation, and wind speed from -1,380 to 1,176, -3 to 2,465, and -830 to 962 kg/ha, respectively. The maximum damage was 1,176 kg/ha when the abnormal temperature was -2 level (+1.04℃), 2,465 kg/ha when the abnormal precipitation was all level and 962 kg/ha when the abnormal wind speed was -2 level (+1.60 ㎧). The damage calculated through the WMO method was presented as an map using QGIS. There was some blank area because there was no climate data. In order to calculate the damage of blank area, it would be possible to use the automatic weather system (AWS), which provides data from more sites than the automated synoptic observing system (ASOS).

• Journal of The Korean Society of Grassland and Forage Science
• /
• v.41 no.1
• /
• pp.56-61
• /
• 2021

This study was conducted to determine the possibility of estimating the daily mean temperature for a specific location based on the climatic data collected from the nearby Automated Synoptic Observing System (ASOS) and Automated Weather System(AWS) to improve the accuracy of the climate data in forage yield prediction model. To perform this study, the annual mean temperature and monthly mean temperature were checked for normality, correlation with location information (Longitude, Latitude, and Altitude) and multiple regression analysis, respectively. The altitude was found to have a continuous effect on the annual mean temperature and the monthly mean temperature, while the latitude was found to have an effect on the monthly mean temperature excluding June. Longitude affected monthly mean temperature in June, July, August, September, October, and November. Based on the above results and years of experience with climate-related research, the daily mean temperature estimation was determined to be possible using longitude, latitude, and altitude. In this study, it is possible to estimate the daily mean temperature using climate data from all over the country, but in order to improve the accuracy of daily mean temperature, climatic data needs to applied to each city and province.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.316-316
• /
• 2023

2022년 8월 수도권 이상폭우로 인해 서울 도심지역의 지하시설, 도로, 주택 등에 침수가 발생하면서 인명 및 재산피해가 발생하였으며, 특히 동서로 가로지르는 정체전선으로 좁고 긴 비구름이 집중되면서 국지적으로 피해가 집중되었다. 서울시의 경우 도시화에 따른 불투수지역 증가 및 내수배제 불량에 따른 빗물 역류로 인한 피해가 지속적으로 발생하고 있으며, 최근에는 기후변화에 따른 방재성능목표 강우량을 초과하는 빈도의 이상폭우로 인해 하천범람과 내수배제 불량에 따른 복합적인 원인으로 침수피해 가중되고 있는 실정이다. 또한 서울시의 경우 전체 자연적, 사회적, 경제적, 환경적 요인 등의 지역적 편차가 매우 큰 도시로 지형적인 특성뿐만 아니라 취약시설(병원, 학교 등), 수방시설물(하천, 배수시설, 빗물펌프장 등) 및 방재시설(대피소, 구호소 등) 밀도 등에 따른 침수 취약성 및 위험성 등의 편차가 매우 크기 때문에 지역특성에 대한 피해사례가 다원화 되고 있는 실정이다. 본 연구에서는 30년 이상의 종관기상관측(ASOS)과 서울시 자치구별 20년 이상의 방재기상관측(AWS)자료를 기반으로 CMIP6 SSP(Shared Socioeconomic Pathways, 공통사회 경제경로)시나리오에 따른 극한기후 지수(강수강도, 호우일수, 지속기간, 1일 최대강수량, 95퍼센타일 강수일수 등)에 대한 재현성을 평가하고 공간자기상관분석 등 시공간적인 강우특성에 대한 변화를 전망하였다. 특히 여름철 강우의 경우 자치구별 편차가 크게 나타났고 이를 통해 대도시의 도심지역의 경우 세분화하여 지역의 정확한 강우특성을 파악하는 것이 필요하다는 것을 확인할 수 있었다. 본 연구의 결과는 도심지의 방재성능 초과강우 정의와 기준을 수립하고, 장기적인 수자원 및 도시계획 차원의 대책을 마련하는데 활용될 수 있을 것으로 판단된다. 기후위기에 따른 기록적인 호우(지역별 방재성능을 초과하는 강우)에 따른 재해는 구조적인 대책을 통해 모두 저감할 수 없는 한계가 있다. 하지만 인명피해를 최소화하는 것을 목표로 기후위기에 대한 적응단계로 인식하고 수리·수문학적, 사회경제학적 등 지역특성에 따른 방재성능목표 강우량에 대한 재검토와 더불어 법제도(풍수해보험, 저류조설치 의무화 등), 개인별 재해예방, 취약계층 안전망 확보, 반지하주택 침수안전대책, 재해지도 개선 등 구조적/비구조적인 대책을 통합 수립 및 보완하는 것이 필요한 시점이다.

• Journal of The Korean Society of Grassland and Forage Science
• /
• v.42 no.2
• /
• pp.127-136
• /
• 2022

This study was conducted to estimate the damage of Whole Crop Maize (WCM) according to abnormal climate using machine learning and present the damage through mapping. The collected WCM data was 3,232. The climate data was collected from the Korea Meteorological Administration's meteorological data open portal. Deep Crossing is used for the machine learning model. The damage was calculated using climate data from the Automated Synoptic Observing System (95 sites) by machine learning. The damage was calculated by difference between the Dry matter yield (DMY)_normal and DMY_abnormal. The normal climate was set as the 40-year of climate data according to the year of WCM data (1978~2017). The level of abnormal climate was set as a multiple of the standard deviation applying the World Meteorological Organization(WMO) standard. The DMY_normal was ranged from 13,845~19,347 kg/ha. The damage of WCM was differed according to region and level of abnormal climate and ranged from -305 to 310, -54 to 89, and -610 to 813 kg/ha bnormal temperature, precipitation, and wind speed, respectively. The maximum damage was 310 kg/ha when the abnormal temperature was +2 level (+1.42 ℃), 89 kg/ha when the abnormal precipitation was -2 level (-0.12 mm) and 813 kg/ha when the abnormal wind speed was -2 level (-1.60 m/s). The damage calculated through the WMO method was presented as an mapping using QGIS. When calculating the damage of WCM due to abnormal climate, there was some blank area because there was no data. In order to calculate the damage of blank area, it would be possible to use the automatic weather system (AWS), which provides data from more sites than the automated synoptic observing system (ASOS).