• Journal of Korean Society on Water Environment
• /
• v.25 no.2
• /
• pp.245-255
• /
• 2009

CN values are changed by various surface condition, which is cover type or treatment, hydrologic condition, or percent impervious area, even the same combination of land use and hydrologic soil group. In this study, CN parameters were regionalized for Nakdong River Basin by Long-Term Hydrologic Impact Assessment (L-THIA) coupled with SCE-UA, which is one of the global optimization technique. Six watersheds were selected for calibration (optimization) and periodic validation and two watersheds for spatical validation as ungauged watershed within Nakdong River Basin. Nash-Sutcliffe (NS) values were 0.66~0.86 for calibration, 0.68~0.91 for validation, and 0.60 and 0.85 for ungauged watersheds, respectively. Urban area for the selected watersheds covered high impervious area with 85% for residential area and 92% for commercial/industrial/transportation area. Hydrologic characteristics for crop area was similar to row crop with contoured treatment and poor hydrologic condition. For the forested area, hydrologic characteristics could be clearly distinguished from the leaf types of plant. Deciduous, coniferous, and mixed forest showed low, moderate, and high runoff rates by representing wood with fair and poor hydrologic condition, and wood-grass combination with fair hydrologic condition, respectively. CN parameters from this study could be strongly recommended to be used to simulate runoff for ungauged watershed.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.212-212
• /
• 2023

비점오염원관리와 같이 장기적인 유역 관리 계획에서 유역 내 오염원 평가는 정말 중요하다. 유역 내 오염원 평가는 강우 유출에 의한 비점오염 발생원이 어디서 얼마나 발생시키는지에 대한 정량적인 조사가 필요하다. 유역 내의 오염원에 대한 정량적인 조사는 많은 비용과 시간이 필요하다. 이러한 비용과 시간을 줄이기 위해 유역단위 수리 수문 모델을 사용하고 있다. 유역단위 수리수문 모델은 HSPF (Hydrological Simulation Program in Fortran), SWAT (Soil and Water Assessment Tool), L-THIA ACN-WQ(The Long-term Hydrologic Impact Assessment Model with Asymptotic Curve Number Regression Equation and Water Quality model)등 다양한 모델이 사용되고 있다. 하지만 유역 모델을 통한 모의는 다양한 연산 과정을 진행하여 모의까지 많은 시간이 필요하다는 단점이 있다. 이에 따라 데이터 기반 모델링 기법(머신러닝/딥러닝)을 이용한 유출 및 수질 예측 연구가 많이 이루어지고 있다. 단순 머신러닝/딥러닝 기반 모델링 기법은 점(최종유출구)에서의 예측만 가능하여 최적관리 기법 적용 등과 같은 유역관리 방안을 적용하기 힘들다는 문제점이 있다. 따라서 본 연구에서 머신러닝/딥러닝을 통해 일부 수문 프로세스를 대체하고 소유역별 하도추적 기법을 연계하여 유량 및 수질 항목들의 모의가 가능한 하이브리드 모델을 개발하였다. 이는 머신러닝/딥러닝이 유역 모델의 일부 연산 과정을 대체하여 모의시간이 빠르며, 기존 머신러닝/딥러닝 예측 모델에서 평가가 어려웠던 유역 관리 방안 및 최적관리기법 적용 평가에도 활용이 가능할 것으로 판단이 된다.