• 환경영향평가
• /
• 제20권5호
• /
• pp.705-716
• /
• 2011

For the efficient discovery of knowledge and information from the observed systems, data mining techniques can be an useful tool for the prediction of water quality at intake station in rivers. Deterioration of water quality can be caused at intake station in dry season due to insufficient flow. This demands additional outflow from dam since some extent of deterioration can be attenuated by dam reservoir operation to control outflow considering predicted water quality. A seasonal occurrence of high ammonia nitrogen ($NH_3$-N) concentrations has hampered chemical treatment processes of a water plant in Geum river. Monthly flow allocation from upstream dam is important for downstream $NH_3$-N control. In this study, prediction models of water quality based on multiple regression (MR), artificial neural network and data mining methods were developed to understand water quality variation and to support dam operations through providing predicted $NH_3$-N concentrations at intake station. The models were calibrated with eight years of monthly data and verified with another two years of independent data. In those models, the $NH_3$-N concentration for next time step is dependent on dam outflow, river water quality such as alkalinity, temperature, and $NH_3$-N of previous time step. The model performances are compared and evaluated by error analysis and statistical characteristics like correlation and determination coefficients between the observed and the predicted water quality. It is expected that these data mining techniques can present more efficient data-driven tools in modelling stage and it is found that those models can be applied well to predict water quality in stream river systems.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.363-375
• /
• 2024

위성영상을 활용한 수체 변화 탐지 및 그 변화 연구가 최근 국내에서 여러 지역에 대해 다종 센서 적용으로 다양하게 이루어지고 있다. 본 연구에서는 Google Earth Engine (GEE) 기반 Landsat 및 Sentinel-2 광학 위성영상을 사용하여 국내에 계측 운영되고 있는 중소규모 용수댐 및 농업용 저수지 각 2개소, 총 4개소에 대한 장기 수표면적 변화 분석과 이의 실제 계측 수위 및 저수율 자료, 수표면적과의 관계식 등을 이용하여 산정된 결과와의 비교 검증 및 그 수체 변화 적용에 있어서의 활용성 평가를 용수댐 19개년, 농업용 저수지 27개년의 기간에 대하여 각각 수행하였다. 그 결과 저수지별 수표면적은 적용된 정규수분지수(normalized difference water index), Canny Edge Detection의 이미지 분석 방법과 Otsu 수체 구분 경계설정 등을 통해 안정적으로 추출이 가능하였으며, 수체의 연중 뚜렷한 변화 양상을 비교적 잘 분석해 낼 수 있는 것으로 확인이 되었다. 이렇게 분석된 수표면적 시계열 자료를 실측 수위를 바탕으로 변환된 면적과 비교, 상관성 분석을 실시한 결과에서는 용수댐의 경우 그 계수가 0.8 이상으로 높은 상관성이 확인된 반면, 농업용 저수지의 경우는 0.5~0.7 수준으로 다소 낮은 결과를 보였다. 이는 농업용 저수지 운영 특성에 의한 결과로 위성영상의 분석보다는 비교할 대상의 자료가 제대로 확보되지 못한 점에 기인했다. 아울러 규모가 작은 저수지의 분석 결과에도 여러 불일치 구간이 존재해 향후 연구에서 소규모 저수지에 대한 추가적 선정 분석도 필요한 것으로 판단되었다. 이렇게 GEE를 통해 산정, 검토된 수표면적 변화는 저수지에 있어 수위 계측만으로는 파악할 수 없는 유역 전반의 수체 변화에 대한 공간적 정보로서 유용하게 활용될 수 있으며, 또한 장기간의 방대한 위성영상 자료를 효율적으로 처리할 수 있다는 점에서 그 활용성을 확인할 수 있었다. 이를 바탕으로 향후 보다 다양한 크기 및 형상, 그리고 계측, 미계측 등 많은 개수의 댐 저수지에 대해 적용하여 저수지 군별 추가적인 연구 결과도 도출할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.