• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.315-315
• /
• 2018

L-THIA ACN-WQ 2016 모형 개선 연구에서는 침투량 산정, 다중 기상지점 등 유역 규모 확대를 목적으로 엔진 개선과 모형의 최적 매개변수 선정을 위해 최적화 알고리즘을 활용한 자동보정 모듈을 개발하였다. 개선된 침투량 초기손실 산정 계수를 적용한 침투량 산정 방법을 Green-Ampt 모형의 침투량 산정 결과와 비교한 결과 편차는 매우 작았으며, Green-Ampt 모형을 통해 산정된 침투량 범위 내에 분포되어 개선된 침투량 산정 방법의 결과가 유효한 값을 의미하는 것으로 나타났다. 이렇게 도출된 초기손실 산정 계수를 관계식으로 개발하여 L-THIA ACN-WQ 2018 모형 내에서 CN에 따른 초기손실량이 산정되도록 하였고, 이를 기반으로 침투량 및 기저유출량이 산정된다. 유역 규모 확대를 위해 다중 기상지점이 적용되도록 엔진 코드를 개선하였으며, 평창A와 고부A 유역을 대상으로 단일 기상지점과 다중 기상지점 적용에 따른 유출 해석을 유량지속곡선을 통해 비교 한 결과 다중 기상지점 적용에 따라서 평창A와 고부A 유역 모두 유황구간이 크게 달라지는 것으로 나타났다. 특히 고부A 유역은 우황 변동 특성이 크게 나타났는데, 지역적 강우 특성이 뚜렷한 유역에서는 유출해석에 매우 중요한 영향인자로 작용되는 것으로 알 수 있었다. 마지막으로 L-THIA ACN-WQ 2018모형을 이용함에 있어 유역 특성에 알맞은 최적 매개변수 산정을 위해 유량 및 TN, TP 자동보정 툴을 개발하였다. 자동보정툴은 2개의 보정방안으로 개발하였다. 첫 번째는 유역 전체에 대해 하나의 최적매개변수를 도출하는 것이며, 두번째는 유역 내 다중 보정 지점을 통해 소유역별 최적매개변수를 도출하는 것이다. 이를 통해 사용자는 모형의 활용 목적 및 가용 가능한 보정 자료 등을 고려하여 모형의 최적 매개변수를 도출할 수 있다. 이렇게 개선된 L-THIA ACN-WQ 2018 모형을 총량단위유역 한강 평창A와 금강 고부A에 적용한 결과 유량은 NSE 0.76, 0.85로 매우 높게 나타났으며, TN, TP의 NSE는 0.64 ~ 0.86 로 매우 높은 적용성 결과가 도출되었다. Ryu(2016)의 연구 결과와 비교해보면 평창A는 NSE와 $R^2$ 수치로는 큰 차이를 보이지 않았지만, 유량 모의에서 일별 예측값 변화 폭에 큰 변화가 있는 것으로 나타났다. 기존 L-THIA ACN-WQ 2016모형 결과에서는 일별 유량의 변동성이 매우 크지만, L-THIA ACN-WQ 2018 모형에서는 일별 유량 변동폭이 크게 감소하여, 유량 모의에 큰 개선 효과가 있는 것으로 나타났다

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.262-262
• /
• 2023

기후변화 및 도시화에 따른 강우 패턴의 변화는 수문 변화를 야기시키며, 이에 따른 영향을 평가하고 예측하기 위해서는 수문학적 모델을 통해 정량화하는 과정이 필요하다. 그러나 기존에 개발되어 사용되고 있는 대부분의 수문학적 모델은 해외에서 개발되어 국내 유역 특성을 반영하지 못하는 한계가 있다. 이러한 한계점을 극복하기 위해서 L-THIA ACN-WQ 2016과 2018 모델이 개발되어 적용성이 평가된 바 있다. 하지만 L-THIA ACN-WQ 모델의 경우 시단위 유량 및 수질 모의가 불가능한 한계점이 있다. 소규모 유역이나 도시화된 지역에서는 하루에 여러 번의 강우 이벤트가 발생하거나 단기간에 많은 양의 강우가 발생하는 경우가 많기 때문에, 이러한 강우-유출을 평가하기 위해서는 시단위 모의가 필요하다. 본 연구에서는 시단위 유량-수질 모의가 가능한 L-THIA sub-daily WQ 모델을 개발하였으며, 갑천 유역과 복하천 유역에서 적용성을 평가하였다. L-THIA sub-daily WQ 모델은 SCS-CN 방법과 Green-Ampt 방법을 함께 고려할 수 있도록 개발하였으며, 국내의 토지이용 및 강우 특성을 고려할 수 있도록 점근 CN과 강우 계급별 EMC를 활용하였다. 갑천 유역과 복하천 유역에서 시단위 유량 예측 결과 R2는 0.61~0.69, NSE는 0.61~0.65, PBIAS는 -4.0~-7.3으로 모의된 시단위 유량이 자연현상을 잘 모의하는 것으로 나타났으며, 수질 예측 결과 T-P와 SS가 자연현상을 잘 모의하는 것으로 나타났다. 따라서, 본 연구에서 개발된 L-THIA sub-daily WQ 모델은 점오염원을 포함하고 있는 도시유역에서 비점오염원에 평가에 활용될 수 있을 것으로 사료된다.

• 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.