The variation of streamflow is regarded as one of the most influential factors on the fluctuation of water quality in the stream. The characteristics of the variation should be taken into account in the plans for the management of Total Maximum Daily Loads (TMDLs). This study analysed and characterized spatial distribution and temporal variation of streamflow at each unit watershed in Guem-river basin. For the analysis of the distribution of streamflow, the type and the extent of the distribution were investigated for the unit watershed. For the analysis of the variation, short and long term changes of streamflow were examined. The result showed that most of the distributions were not log-normalized and the extent of variation tends to be greater at the unit watershed placed on the tributaries in the basin. A kind of margin could be granted to the unit watershed involving high variations so as to establish the water quality goal and load allotment more reasonably and effectively in view of whole waterbody.
유량예측은 효과적인 홍수관리 및 수자원 계획을 위한 매우 중요한 재난방지 접근법이다. 현재 기후변화로 인한 집중호우가 나날이 증가하고 있어 막대한 기반시설 손실과 재산, 인명 피해가 발생하고 있다. 본 연구는 미국 테네시주 Hickman County의 Vernon에 있는 Piney Resort의 최근 홍수사례분석을 통해 최대 강우 시나리오에서 유량예측에 대한 강우의 기여도를 측정했다. Piney River 유역내 USGS 두개의 관측소(03602500, 03599500)에서 20년(2000-2019) 동안의 일별 하천 유량, 수위 및 강우 데이터를 수집했고, Long Short Term Memory(LSTM)을 사용하였다. 또한, Tensorflow, Keras Machine learning frameworks, Python을 이용하여 14일로 구별된 유량 값을 예측하였다. 또한, 모델이 2021년 8월 21일의 범람 이벤트를 예측할 수 있었는지를 결정하는 데 사용되었다. 전체 데이터(수위, 유량 및 강우량)가 포함된 LSTM 모델은 일부 강우 모델을 제외하고 지속성 모델보다 우수한 성능을 보였으며, 강우자료만 이용하여 유량예측을 하는 것은 충분하지 않음을 나타냈다. 결과는 LSTM 모델은 0.68 및 13.84m3/s의 최적 NSE 및 RMSE 값을 나타냈고, 가장 낮은 예측 오차로 예측 최대유량은 94m3/s로 나타났다. 향후 강우 패턴에 대한 다양한 분석이 이루어진다면 효율적인 홍수 경보 시스템 및 정책을 설계하는 관련 연구에 도움을 줄 것으로 판단된다.
우리 나라 갈수기의 하천유출은 대부분 지하수에서 공급되는 유출이므로 홍수기 강우량에 의해 침투한 유역의 수분상태에 지배된다. 따라서, 홍수기의 지하수 함양량 추정을 통한 유역 상태 정보를 이용한다면 갈수기 월유출 예측을 만족스럽게 수행할 수 있는 수문학적 환경을 가지고 있다. 본 연구의 목적은 지하수 함양량에 의한 월유출량의 영향을 평가하고, 이를 다중회귀모형의 독립변수로 이용하여 장기 월유출량 예측을 시도하는 것이다. 해당 월의 유출량, 강수량, 선행 유출량과 강수량 및 지하수 함양량의 상관분석을 이용하여 다중회귀모형의 최적독립변수들을 평가하였다. 지하수 함양량을 독립변수로 포함한 모형에서 향상된 예측결과를 얻었다. 또한, 사전에 파악된 강수량과 지하수함량의 관계를 이용하여 지하수 유출 이월효과를 고려하면서 강수량만으로 유출 예측모형을 개발할 수 있음을 제시하였다.
지표수의 수문순환 및 성분의 변동 영향 요소로는 강우, 증발, 토양수분 등의 자연적인 요소와 도시화 및 유역내 저류시설물 등의 인위적인 요소가 있다. 특히, 장기 유출 변동에 영향을 끼치는 인위적인 요소 중 저류시설을 대표적으로 들 수 있는데, 이들 영향은 단기적으로는 유출 감쇄특성의 변화, 장기적으로는 저류량 증가에 따른 건기 계절유량의 증가, 년 유황 또는 유출 특성의 변화 등의 영향을 예측할 수 있다. 우리나라와 같은 인공 저류시설이 산재한 지역에서는 자연유량 산정용 수문 순환모형을 고려하기가 곤란하며, 이들 저류시설물의 장기유출에의 메커니즘을 규명하고, 물리적 및 추계적 분석기술을 개발하며, 실 유역에의 적용을 통하여 저류시설물이 장기 유출 분석의 신뢰도에 어느 정도 영향을 주고 있는 지를 분석하는데 본 연구의 목적이 있다. 본 연구에서는 다양한 장기유출 모형 중 저류시설물 요소를 다양하게 모의할 수 있는 연속형 반분포형 모형인 SWAT모형을 이용하여 태화강 유역을 대상으로 유역내 저류시설물의 하류 장기유출에의 영향 분석을 다양한 시나리오를 통해 정량적인 영향 분석을 수행하였다.
본 연구에서는 GDAPS(T213) 중기 기상 수치예보 자료를 활용한 ESP (Ensemble Streamflow Prediction) 기법을 개발하여 미래에 발생할 수 있는 댐 유입량의 중장기적 확률예측을 위해 초과 확률구간별 댐 유입량을 예측하고 RPSS 검증기법으로 예측결과의 정확도를 분석하였다. 개발된 ESP시스템을 적용한 결과 일단위 개념의 확률예보는 높은 불확실성을 내포할 수 있고, 중장기 확률예보에 초점을 맞추어 1, 3, 7일 등의 예측시간 해상도에 대한 ESP정확도의 민감도를 분석한 결과 예측시간 해상도 간격이 증가할수록 예측결과의 불확실성이 감소하면서 그 정확도가 전반적으로 증가함을 살펴볼 수 있었다. 이러한 결과를 바탕으로 GDAPS 자료를 활용한 1주 단위의 한달(28일)예보를 수행한 ESP 결과는 각 초과 확률구간 분포의 적절한 증가 및 감소로 인하여 그 시간적 변동성이 안정적으로 예측되고 예측결과의 불확실성을 감소시킬 수 있어 그 활용가치가 높은 것으로 나타났다. 이러한 관점에서 본 연구의 ESP 시스템은 중장기적 측면에서 GDAPS 자료의 활용가치를 높일 수 있고, 기존 ESP 결과보다 향상된 정확도로 댐 유입량을 예측할 수 있으므로 실시간 댐 유입량 예측에 적용한다면 수자원 관리 차원에서 유용한 수단이 될 수 있을 것이다.
In this paper, the rainfall elasticity of streamflow was estimated to quantify the effects of climate change on 5 river basins. Rainfall elasticity denotes the sensitivity of annual streamflow for the variations of potential annual rainfall. This is a simple, useful method that evaluates how the balance of a water cycle on river basins changes due to long-term climate change and offers information to manage water resources and environment systems. The elasticity method was first used by Schaake in 1990 and is commonly used in the United States and Australia. A semi-distributed hydrological model (SLURP, semi-distributed land use-based runoff processes) was used to simulate the variations of area streamflow, and potential evapotranspiration. A nonparametric method was then used to estimate the rainfall elasticity on five river basins of Korea. In addition, the A2 (SRES IPCC AR4, Special Report on Emission Scenarios IPCC Fourth Assessment Report) climate change scenario and stochastic downscaling technique were used to create a high-resolution weather change scenario in river basins, and the effects of climate change on the rainfall elasticity of each basin were then analyzed.
본 연구는 소규모 수리시설물이 장기유출에 끼치는 영향에 대해 시 공간적으로 상세히 분석하고, 분석된 결과를 토대로 장기유출 모의모형에 소규모 수리시설물의 영향을 반영할 수 있도록 구성함으로서 유역의 장기유출 모의결과의 신뢰도를 증진시키는 것이 목적이다. 따라서 본 연구에서는 대상유역의 소규모 수리시설물 현황을 파악하고 각 수리시설물별로 하천유량에 끼치는 영향을 분석한 후, 수리시설물의 영향을 고려할 수 있도록 강우-유출 모형을 구축하였다. 수리시설물에 의한 영향평가를 실시한 결과, 공간적으로는 저수지가 많이 분포한 소유역에서, 시기적으로는 강우가 풍부했던 2003년을 제외한 2/4분기에서 모형상 에러인 음의 유량 발생빈도가 크게 나타났다. 따라서 본 연구에서는 수리시설물의 영향평가를 토대로 유출량과 수리시설물의 상관식을 유도하였으며 이를 이용하여 강우-유출 모의를 재구성하였다. 그 결과 모의유량은 상대적으로 수리시설물을 고려하지 않은 경우보다 오차가 크게 감소하였다.
Deep learning models, especially those based on long short-term memory (LSTM), have presented their superiority in addressing time series data issues recently. This study aims to comprehensively evaluate the performance of deep learning models that belong to the supervised learning category in streamflow prediction. Therefore, six deep learning models-standard LSTM, standard gated recurrent unit (GRU), stacked LSTM, bidirectional LSTM (BiLSTM), feed-forward neural network (FFNN), and convolutional neural network (CNN) models-were of interest in this study. The Red River system, one of the largest river basins in Vietnam, was adopted as a case study. In addition, deep learning models were designed to forecast flowrate for one- and two-day ahead at Son Tay hydrological station on the Red River using a series of observed flowrate data at seven hydrological stations on three major river branches of the Red River system-Thao River, Da River, and Lo River-as the input data for training, validation, and testing. The comparison results have indicated that the four LSTM-based models exhibit significantly better performance and maintain stability than the FFNN and CNN models. Moreover, LSTM-based models may reach impressive predictions even in the presence of upstream reservoirs and dams. In the case of the stacked LSTM and BiLSTM models, the complexity of these models is not accompanied by performance improvement because their respective performance is not higher than the two standard models (LSTM and GRU). As a result, we realized that in the context of hydrological forecasting problems, simple architectural models such as LSTM and GRU (with one hidden layer) are sufficient to produce highly reliable forecasts while minimizing computation time because of the sequential data nature.
An artificial neural network model was developed to analyze and forecast daily steamflow flow a small watershed. Error Back propagation neural networks (EBPN) of daily rainfall and runoff data were found to have a high performance in simulating stremflow. The model adopts a gradient descent method where the momentum and adaptive learning rate concepts were employed to minimize local minima value problems and speed up the convergence of EBP method. The number of hidden nodes was optimized using Bayesian information criterion. The resulting optimal EBPN model for forecasting daily streamflow consists of three rainfall and four runoff data (Model34), and the best number of the hidden nodes were found to be 13. The proposed model simulates the daily streamflow satisfactorily by comparison compared to the observed data at the HS#3 watershed of the Baran watershed project, which is 391.8 ha and has relatively steep topography and complex land use.
Accurate quantitative evaluation of baseflow contribution to streamflow is imperative to address seasonal drought vulnerability, flood occurrence and groundwater management concerns for efficient and sustainable water resources management in watersheds. Several baseflow separation algorithms using recursive filters, graphical method and tracer or chemical balance have been developed but resulting baseflow outputs always show wide variations, thereby making it hard to determine best separation technique. Therefore, the current global shift towards implementation of artificial intelligence (AI) in water resources is employed to compare the performance of deep learning models with conventional hydrograph separation techniques to quantify baseflow contribution to streamflow of Piney River watershed, Tennessee from 2001-2021. Streamflow values are obtained from the USGS station 03602500 and modeled to generate values of Baseflow Index (BI) using Web-based Hydrograph Analysis (WHAT) model. Annual and seasonal baseflow outputs from the traditional separation techniques are compared with results of Long Short Term Memory (LSTM) and simple Gated Recurrent Unit (GRU) models. The GRU model gave optimal BFI values during the four seasons with average NSE = 0.98, KGE = 0.97, r = 0.89 and future baseflow volumes are predicted. AI offers easier and more accurate approach to groundwater management and surface runoff modeling to create effective water policy frameworks for disaster management.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.