• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.216-216
• /
• 2016

제주도의 한라산은 고도의 영향으로 해안지역과 산간지역의 기온 차이가 크게 나타나는 지역이다. 이러한 특성으로 겨울철 제주도의 해안지역에는 강우가 내리고 산간지역에는 강설이 발생한다. 특히, 강설이 발생하는 고도는 일별 기상상황에 따라 다르게 나타난다. 그러나 제주지방기상청에서는 제주도의 8개 지점에서만 적설량을 관측하고 있어 강설이 발생하는 고도를 정확히 파악하기 어렵다. 이에 본 연구에서는 제주도의 한라산을 대상으로 성산기상레이더와 고산기상레이더의 반사도 자료를 이용하여 2014년 11월부터 2015년 4월까지의 강설 고도 변화를 분석하였다. 먼저, 레이더 반사도의 고도를 해수면으로부터 250 m 간격으로 2,000 m 까지 구분하였다. 또한, 구간별로 레이더 자료와 AWS 자료를 이용하여 Z-S 관계식을 유도하였다. 마지막으로, 유도된 고도별 Z-S 관계식의 변화를 파악하여 겨울철 한라산의 강설 고도 변화를 분석하였다.

• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.226-226
• /
• 2016

최근 이상기상현상과 기후변화로 인하여 국지적인 집중호우의 빈도 및 규모가 증가하고 있으며, 이로 인한 돌발 홍수피해가 증가하고 있다. 이러한 홍수 피해를 줄이기 위해서는 정확도가 우수한 초단시간(1~2시간 이내) 예측 강우량 정보가 필요하다. 본 연구에서는 집중호우에 대한 초단시간예보 및 실황 예측을 위해 시공간적으로 고해상도 자료를 제공할 수 있는 기상레이더 강우자료와 위성영상 자료를 결합하여 초단기 강수 예측기법 개발 연구를 수행하였다. 또한 기상레이더 강우량은 지상강우관측에 비해 정확성이 낮고, 많은 불확실성을 포함하고 있으므로, 위성영상에서 산출되는 강우자료와 결합하여 강우추정의 정확도를 개선하고자 하였다. 레이더 볼륨자료에서 반사도 자료를 추출하여, 1.5km CAPPI(Constant Altitude Plan Position Indicator) 자료를 생성하고, 반사도 CAPPI 자료의 패턴 상관분석을 통하여 강우시스템의 최적 이동벡터를 산출하였다. 또한 이동벡터를 고려하여 시공간적으로 외삽하여 강우이동 예측 모델을 개발하고, 초기자료로 레이더와 천리안 위성(Communication, Ocean and Meteorological Satellite, COMS) 영상자료에서 생성되는 강우자료를 결합한 강수장 자료를 이용하여 강수 예측장을 생성하였다. 레이더-위성 결합 초단기 강우예측 모델의 정확성 검증을 위하여 2014년 8월 25일 부산 및 영남 지역에 발생한 집중호우 사례에 대하여 지상기상자동관측시스템(Automatic Weather System, AWS) 강우 측정 결과를 비교 분석 하였으며, 그 적용 가능성을 검증하였다. 초단기 강우예측 분석 결과 지상강우자료와의 오차가 발생하나, 추후 여러 통계적 후처리 과정을 통하여 그 성능이 개선될 것으로 보이며, 보다 정확한 강우량 예측을 위해서는 지속적인 알고리즘 개선 및 모형의 검 보정이 필요할 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1136-1140
• /
• 2009

지상강우 관측망을 이용한 강우량 측정의 대안으로서 사용되는 기상 레이더를 활용한 강우량 추정의 경우, Z-R 방정식을 이용하여 반사도를 강우량으로 환산하는 방법을 일반적으로 사용한다. 이때 발생하는 각종 오차는 레이더 장비가 가지는 기계적인 오차뿐만 아니라 Z-R 방정식이 가지는 오차 등이 있으며, 이를 보정하기 위해서 레이더를 활용하여 추정된 강우량에 지상강우량계와 레이더강우량과의 비율인 G/R비를 보정하는 방법을 일반적으로 사용한다. 본 연구에서는 이와 같이 레이더 강우량을 보정하기 위해서 사용되는 G/R비를 산정하는데 미치는 지형적인 효과를 고려하기 위해서 광덕산 레이더 유효범위 100km 내(군사분계선 이북 미포함)의 지역에 대하여 군집분석을 실시하여 크게 산악지역과 평야지역으로 구분하고, 각각 구분된 지역에 대하여 G/R 비를 산정하여 초기추정 레이더 강우량에 곱하는 mean-field bias 보정을 실시하였다. 광덕산 레이더 기상관측소의 유효범위 100km 내의 2007년, 2008년 홍수기(6/21${\sim}$9/20)기간 동안 94개 Automatic Weather Station(AWS)지점에 대하여 크게 산악지역과 평야지역으로 지역화 시키는 방법은 비계층적 군집분석 기법 중 fuzzy-c mean 방법을 적용하였다. 또한 광덕산 레이더 반사도 기본 자료는 차폐영역으로 생기는 반사도 데이터 누락을 보완하기 위하여 0도와 1.5도 sweep 합성 10분단위 uf 자료를 사용하였으며, AWS와 보정이 이루어지는 레이더 격자의 크기는 최대 4km${\times}$4km로 선정하였다. 본 연구에 있어서 검증방법은 지역을 구분하기 전과 후를 AWS 실측 관측값과 절대상대오차, 평균제곱근 오차로써 비교하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.929-929
• /
• 2012

제주도는 연평균 강우량이 1,975mm에 달하는 우리나라 최다우 지역이지만 하천은 주로 한라산 정상을 중심으로 남 북사면 방향으로 급한 경사를 이루며 발달하고 있으며 하천연장은 대부분 15km 내외로 내륙지역의 하천에 비하여 매우 짧은 특성을 보이고 있다. 투수성이 높은 지질학적 특성으로 인하여 집중 호우시 짧은 기간 동안만 유출이 발생하고 평상시 대부분의 하천은 건천의 상태로 유지되고 있다. 향후 기후변화에 의하여 강우량 및 강우강도의 증가로 인한 강우패턴 변화로 집중호우 및 강력한 태풍의 가능성이 지속적으로 증가할 것으로 예측되고 있으나 제주도에서는 기초 수문자료의 확보조차 어려운 실정이며 강우사상에 따른 하천유출 특성 해석 연구는 거의 전무한 실정이다. 본 연구에서는 제주도 도심부에 위치한 화북천 유역을 대상으로 SWAT 모델 및 WMS(HEC-HMS) 모델을 이용하여 장단기 강우에 따른 유출 특성을 해석하고자 한다. 유역 내 수문 기상 자료는 기상청 관할 AWS 및 기상관측지점 자료를 수집하여 사용하였으며 DEM(미국 USGS), 토지피복도(국가수자원 종합정보시스템), 토양통도(농업과학기술원)의 자료를 각각 구축하여 모델의 입력자료로 사용하였다. 또한 제주특별자치도 수자원본부에서 운영하는 화북천 하류지점의 실 관측자료를 이용하여 모델의 결과치를 검 보정 하였으며, 모의결과의 적합성을 판단하기 위하여 상관계수의 제곱( ), 평균 제곱근 오차(RMSE), 모형 효율성계수(ME)를 이용하였다. 모델링 기법을 이용하여 장기간(2008.1.1~2010.12.31) 동안의 유출량을 산정한 결과 2008년에는 전체 유역 평균 강우량 중에서 5.66%가 유출되었으며, 2009년도에는 3.47%, 2010년도에는 8.12%가 유출되었다. 화북천 유역은 단일강우 40~50mm 발생시에도 유출은 발생하지 않으나 선행강우가 발생시에는 20mm의 강우에도 반응을 하고 50mm 이상에서 급격한 유출이 발생하는 특징을 도출하였다. 향후 유역 내의 많은 실측 유출량 관측자료를 구축하고 모델 개선을 통하여 모델링 기법을 적용한다면 보다 정밀한 하천유출량 산정 및 유출특성 해석이 가능할 것으로 판단된다.

• Spatial Information Research
• /
• v.22 no.1
• /
• pp.55-63
• /
• 2014

Near surface air temperature data which are one of the essential factors in hydrology, meteorology and climatology, have drawn a substantial amount of attention from various academic domains and societies. Meteorological observations, however, have high spatio-temporal constraints with the limits in the number and distribution over the earth surface. To overcome such limits, many studies have sought to estimate the near surface air temperature from satellite image data at a regional or continental scale with simple regression methods. Alternatively, we applied various Kriging methods such as ordinary Kriging, universal Kriging, Cokriging, Regression Kriging in search of an optimal estimation method based on near surface air temperature data observed from automatic weather stations (AWS) in South Korea throughout 2010 (365 days) and MODIS land surface temperature (LST) data (MOD11A1, 365 images). Due to high spatial heterogeneity, auxiliary data have been also analyzed such as land cover, DEM (digital elevation model) to consider factors that can affect near surface air temperature. Prior to the main estimation, we calculated root mean square error (RMSE) of temperature differences from the 365-days LST and AWS data by season and landcover. The results show that the coefficient of variation (CV) of RMSE by season is 0.86, but the equivalent value of CV by landcover is 0.00746. Seasonal differences between LST and AWS data were greater than that those by landcover. Seasonal RMSE was the lowest in winter (3.72). The results from a linear regression analysis for examining the relationship among AWS, LST, and auxiliary data show that the coefficient of determination was the highest in winter (0.818) but the lowest in summer (0.078), thereby indicating a significant level of seasonal variation. Based on these results, we utilized a variety of Kriging techniques to estimate the surface temperature. The results of cross-validation in each Kriging model show that the measure of model accuracy was 1.71, 1.71, 1.848, and 1.630 for universal Kriging, ordinary Kriging, cokriging, and regression Kriging, respectively. The estimates from regression Kriging thus proved to be the most accurate among the Kriging methods compared.

• Korean journal of applied entomology
• /
• v.29 no.3
• /
• pp.209-215
• /
• 1990

Some preliminary studies were conducted to find out whether the levee-burning could justifiable for the suppression of insect pests, particularly the smaller brown planthopper (Laodelphax striatellus F.). Density surveys on pests and their enemies (mostly spiders) were carried out upto the mid May at an experimental paddy field located in Suwon after of it's levee $(72\times1m)$ was burned on Feb. 20, 1987. Results were discussed in relation to density recovering of both pests and their possible enemies (spiders) and summarized as below. Not a single individual of any pest or enemy was found from the levee upto sometime after the levee-burning. Grasses started to grow more vigorously in burned ares than in unburned upto about 60 days after the burning. And densities of both pest and enemies grew higher in burned areas than in unburned from about 75 days after the burning (in Early may). It is suspected that all individuals of pests and enemies fond from the burned areas could have immigrated from the surrounding areas. If levee-burning was carried out in much wider areas, much longer time would be needed to recover the density of both pests and enemies to the center region of the burning. Wingless spiders would require even longer time than winged pest species to re-establish in the center region of the widely burned field. Pirata subpiraticus, the most abundant spider species in Korean paddy fields, starts to move about and searches for food at above $9^{\circ}C$ which is somewhat lower than the critical temperature for the pest species. Thus P. subpiraticus would require more food than other pest species early in the spring, and therefore, it would have lower probability to survive than pest species particularly in burned areas. Experiments for pest suppression with levee-burning would better be carried on in much wider areas, and its justification seems to be discussed after man other disciplines related to both pests and their natural enemies were throughly studied together with their density surveys. However, according to the present point of vie, the opinion that levee-burning is helpful for controlling pests which over winter on levee areas could not be justifiable.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.544-544
• /
• 2016

최근 지구온난화 등 기후변화에 따른 돌발 홍수가 계절과 관계없이 빈번하게 발생하고 있으며, 국지성 호우 및 태풍의 영향으로 인한 홍수피해가 매년 발생하고 있다. 이와 같은 피해를 저감하기 위해서는 정확한 강우 관측 및 홍수량 산정이 매우 중요하기 때문에 많은 수문학적 연구와 기술 발달이 이루어지고 있다. 그 중 강우의 변화를 실시간으로 관측 가능한 레이더영상 자료의 활용성이 증대되어 활발한 연구가 진행되고 있으나, 제주도의 경우 다른 지역에 비해 연구가 미흡한 실정이다. 이에 따라, 제주도 유역을 대상으로 유역의 공간적 특성을 격자기반으로 분석하고 매개변수 산정 시 경험적 요인을 제거할 수 있는 분포형 모형인 Vflo와 기상청에서 제공하는 레이더 영상자료 및 강우자료를 활용하여 연구를 수행하였다. 본 연구에서는 Arc-GIS를 이용하여 제주도 도심하천인 외도천 유역의 지형적 지리적 특성(DEM, 토양도, 토지피복도 등)을 $30m{\times}30m$ 격자크기로 분석하고, 레이더영상 자료로부터 강우 자료를 추출하였으며, 분포형 모형(Vflo)을 활용하여 유출량을 모의하였다. FSIV기법을 통해 현장 관측한 유출량과 비교 분석하였으며, 레이더 영상자료로부터 추출한 강우자료는 AWS자료를 활용하여 제주도에 적합한 강우보정계수를 산정하였다. 이와 같은 연구를 통해 향후 제주도 미계측 유역의 홍수량 산정이 가능할 것으로 판단되며, 하천기본계획 및 유역종합치수계획 등 치수계획 수립 시 많은 활용이 될 것으로 기대한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.12-16
• /
• 2009

본 연구에서는 산악형 강수의 특성을 보이는 제주도의 여러 지형 조건과 강수량의 관계를 확인하고 강수량에 영향을 미치는 주요 인자를 분석하였다. 제주도는 원추형의 형태로 중심에 한라산이 있는 전형적인 산악형 지형이고 해발고도의 분포가 $EL.0^{\sim}1950m$로 다양하여 본 연구의 대상지역으로 선정하였다. 강우자료는 제주도 내 기상관서 4개소(제주, 서귀포, 성산포, 고산) 및 자동기상관측소(AWS) 13개소의 관측자료를 활용하였으며, 짧은 자료기간을 보완하기 위해 지역빈도해석을 적용하여 확률강우량을 산정하였다. 본 연구에서는 강수에 영향을 줄 수 있는 지형인자 6개를 지리정보시스템(GIS)을 이용하여 추출하였으며, 추출된 지형인자에 대하여 요인분석으로 대표 인자를 추출하고 요인과 실제변수들의 강수량에 미치는 영향을 확인하기 위하여 회귀분석을 실시하였다. 검정결과 도출된 요인을 이용하면 강수량 산정 시 지형 변수들의 영향을 반영함과 동시에 보다 적은 수의 변수를 이용하여 지형 변수들을 모두 반영하였을 경우와 비슷한 결과를 얻는다는 것을 확인하였다. 따라서 추후 지형 변수들을 추가로 확보하여 지형특성을 반영한 간편하고 합리적인 강수량을 산정하기 위한 추가 연구가 필요할 것으로 판단된다.

• Korean Journal of Remote Sensing
• /
• v.15 no.1
• /
• pp.9-20
• /
• 1999

The use of climatic information is essential in the industial society. More specialized weather servies are required to perform better industrial acivities including agriculture. Especially, crop models require daily weather data of crop growing area or cropping zones, where routine weather observations are rare. Estimates of the spatial distribution of daily climates might complement the low density of standard weather observation stations. This study was conducted to estimate the spatial distribution of daily minimum and maximum temperatures in Korean Peninsula. A topoclimatological technique was first applied to produce reasonable estimates of monthly climatic normals based on 1km $\times$ 1km grid cell over study area. Harmonic analysis method was then adopted to convert the monthly climatic normals into daily climatic normals. The daily temperatures for each grid cell were derived from a spatial interpolation procedure based on inverse-distance weighting of the observed deviation from the climatic normals at the nearest 4 standard weather stations. Data collected from more than 300 automatic weather systems were then used to validate the final estimates on several dates in 1997. Final step to confirm accuracy of the estimated temperature fields was comparing the distribution pattern with the brightness temperature fields derived from NOAA/AVHRR. Results show that differences between the estimated and the observed temperatures at 20 randomly selected automatic weather systems(AWS) range from -3.$0^{\circ}C$ to + 2.5$^{\circ}C$ in daily maximum, and from -1.8$^{\circ}C$ to + 2.2$^{\circ}C$ in daily minimum temperature. The estimation errors, RMSE, calculated from the data collected at about 300 AWS range from $1.5^{\circ}C$ to 2.5$^{\circ}C$ for daily maximum/minimum temperatures.