• 대한지리학회지
• /
• 제44권4호
• /
• pp.557-576
• /
• 2009

물리결정 물수지 모델은 개념적 모델보다 더 나은 모의 결과를 기대할 수 있지만, 입력 자료 작성이 쉽지 않다. 본 연구는 기상자료, 토양도, 토지이용도를 이용하여 BROOK90의 매개변수 값을 결정하는 방안을 제시했다. 본 연구에서 제시한 방안의 효용성 및 타당성은 모의 하천유출량과 실측 하천유출량의 비교를 통해서 증명했다. 검증 기간($2001{\sim}2003$) 동안의 두 값을 비교한 결과 일평균 모의오차, 모델 효율 계수, 결정계수가 각각 -0.517, 0.87 그리고 0.89로 나타났다. 이 연구는 슈퍼사이트 외의 여러 유역에서 물리결정 물수지 모델을 이용하여 정교한 수문학적 연구를 수행할 수 있는 방안을 제시했다는 점에서 의미가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1258-1262
• /
• 2010

현재 비점오염원의 정량화를 위하여 정부에서는 지목별 모니터링을 통하여 원단위를 산정하고 있으며, 이를 이용해 수질개선을 위한 수질오염총량관리제를 더욱 효과적으로 운영 평가하기 위한 노력을 하고 있다. 특히, 전 국토의 70% 이상을 차지하고 있는 산림에서 발생되는 유출수에 대한 특성을 파악하는 것이 중요하다. 보통 산림 유출 특성은 모니터링을 수행하여 파악하는 것이 가장 정확한 방법이지만, 지형 작물 시간 강우 패턴 등의 다양한 조건에서 모니터링을 수행하는 것이 어렵다. 또한 지점선정 장비구입 인건비 등 많은 비용이 요구되어 모델링을 통해 시 공간적으로 유출 특성을 평가하고자 하는 연구들이 활발히 진행 중이다. 본 연구는 GIS에서 WEPP 모형의 구동이 가능하게 된 GeoWEPP 모형을 이용하여 활엽수림 침엽수림 혼효림에서 강우시 발생하는 유출량을 모의하여 실측 유출량과의 비교 평가를 통해서 GeoWEPP 모형의 정확성을 평가하는데 있다. 모델 평가를 위해 $R^2$와 Nash-Sutcliffe model Efficiency (NSE)를 사용하였다. 활엽수림 지점은 2009년 총 10개의 강우 발생으로부터 유출량이 산정되었는데, $R^2$와 NSE는 각각 0.98와 0.87로 나타났다. 침엽수림 지점은 14개의 강우 발생시 산정된 유출을 이용하여 모델을 평가하였는데, $R^2$와 NSE가 각각 0.91와 0.90으로 나타났다. 혼효림 지점은 총 10개의 강우 발생시 산정된 유출을 이용하여 모델을 평가한 결과 $R^2$와 NSE가 각각 0.98와 0.94로 나타나 GeoWEPP 모델이 임상별 유출량을 잘 반영하는 것으로 나타났다. 본 연구 결과에서 보이는 바와 같이 GeoWEPP 모형이 임상별 유출특성을 매우 정확하게 예측할 수 있다고 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.183-187
• /
• 2007

유역에서 토사유실로 인한 고농도 탁수의 발생은 현장조사와 수치모형 해석으로 평가될 수 있다. 하지만 현장조사로는 토사유실을 정량화하기에는 제한적이므로 수치모형의 적용이 요구된다. 토사유사예측을 위한 모형 적용 시, 시공간 분석을 위해서 물리적 기반 분포형 혹은 준 분포형 모형이 선호된다. 본 연구에서는 임하 안동 유역의 유출 및 토사유실 분석을 위하여 SWAT 모형 및 HSPF 모형을 적용하였다. 두 모델의 유량 검 보정은 유역 내에 수위 관측 자료(1999년${\sim}$2006년)를 이용하였으며 유사농도는 2006년 하절기 현장 조사를 통해 보정되었다. SWAT 모형의 일별 유출량 변화에 대한 Nash-Sutcliffe 효율계수는 $0.43{\sim}0.76$의 범위로 전반적으로 측정 유량을 잘 모의 하는 것으로 나타났다. HSPF 모형은 SWAT 모형과 마찬가지로 높은 효율의 일별 유출량 예측성을 보였다. 그러나 두 모델은 첨두 유량을 과소산정 하였다. 두 모형의 그래픽 분석결과 측정 유사 농도를 잘 모의하였고, 특히 HSPF 모형은 강우사상에 따른 시간별 실측값의 경향을 잘 예측하였다. 두 모형의 예측성 비교 시, 유출량은 SWAT 모형이 HSPF 모형이 비해 더 잘 모의하였으며 유사 농도는 HSPF 모형이 더 높은 정확성을 보였다. 본 연구의 결과는 향후 각 소유역별로 탁수를 유발하는 토사 유실량 평가, 유역의 토사유실 저감대책 효과분석 및 저수지 모형과의 연계를 통한 유입된 탁수의 효율적인 관리대책 수립에 이용될 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.382-382
• /
• 2023

기존의 GRM(Grid based rainfall-Runoff Model)에서는 강우-유출 사상에 대한 유출 모의를 주요 대상으로 하였다. 본 연구에서는 GRM 모형에서 연속형 모의가 가능하도록 차단, 증발산, 융설을 모의할 수 있는 모듈을 개발하였다. 차단은 LAI의 연최댓값과 해당월의 값의 비율을 이용해서 계산하며, 증발산은 Blaney-Criddle, Hamon, Hargreaves, Priestly-Taylor 방법을 적용하였다. 융설은 Anderson에 의해서 제안된 방법을 적용하였다. 연속형 모의를 위한 모델 매개변수 설정 인터페이스를 추가하였으며, 기온, 일사량, 일조시간 등의 기상자료를 입력할 수 있게 하고, 계산된 각 수문성분을 출력할 수 있도록 GRM 모형의 입력과 출력 모듈을 개선하였다. 충주댐 유역을 대상으로 개선된 모형을 적용하였다. 공간자료의 해상도는 500m × 500m로 구축하였으며, 수문학적 지형정보와 토양도, 토지피복도를 구축하였다. 기상자료를 강수량, 일최고 기온, 일최저 기온, 일조시간, 일사량을 적용하였다. 증발산은 Hargreaves 방법을 이용하여 모의하였다. 모의 기간은 2001년 ~ 2018년이며, 이 중 2004년까지의 4년은 모델 warming up 기간으로 하고, 적합도 평가는 2005년 ~ 2018년의 모의결과를 이용하였다. 충주댐 유입량 모의결과를 관측값과 비교하였을 때 Nash-Sutcliffe model efficiency coefficient(NSE) 0.84, 상관계수 0.92, 총용적 오차는 0.26%를 나타내어 관측유입량을 잘 재현하였다. 그러므로 본 연구에서 개발된 차단, 증발산, 융설 모의 기법은 적절히 구현된 것으로 판단되며, GRM을 이용한 연속형 모의가 가능한 것으로 나타났다. 향후 연구에서는 좀 더 다양한 유역에 대해 GRM을 이용한 연속형 유출모의 결과를 평가할 필요가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.295-295
• /
• 2021

수자원 관리 및 계획 수립에 있어 강우 유출 분석은 가장 중요하며, 기본적인 분석이다. 기존의 강우 유출 분석은 일반적으로 수문 모형을 이용한다. 강우 유출 분석은 강수와 증발산 과정, 즉 물순환에 있어 복잡한 상호 작용을 고려해야한다. 본 연구에서는 기존의 수문 모형과 데이터간의 관계를 포착할 수 있는 딥러닝 기법을 이용한 강우 유출분석 수행하였다. 우리나라의 유역 중, 비교적 풍부한 수문데이터를 보유하고 있는 IHP (International Hydrological Program)의 청미천 유역을 연구대상지역으로 연구를 수행하였다. 수문 모형으로는 SWAT (Soil and Water Assessment Tool)을 이용하였으며, 딥러닝 기법은 시계열 분석에 있어 주로 사용되는 RNN(Recurrent Neural Network) 중 LSTM (Long Short-Term Memory) 네트워크를 이용하였다. 분석결과 수문 모형의 성능 지표인 상관계수와 NSE (Nash-Sutcliffe Efficiency)는 LSTM 네트워크에서 더 높은 성능을 확인 할 수 있었다. 일반적으로 LSTM 네트워크는 보정 기간이 길수록 더욱 좋은 성능을 나타낸다. 즉, 과거 수문데이터가 충분히 확보된 유역에서 LSTM 네트워크와 같은 데이터 기반 모델은 다양한 지형 및 기상데이터를 필요하는 수문 모델보다 유용할 것이라 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.127-127
• /
• 2011

본 연구에서는 RHESSys (Regional Hydro-Ecologic Simulation System) 모형을 이용하여 산림 유역의 생태수문학적 거동을 평가하고자 한다. 설마천 유역($8.48\;km^2$)을 대상으로 2007~2009년의 관측 일유출량을 이용하여 유출량을 검 보정하였고, 증발산량 및 토양수분은 신뢰할 만한 실측자료를 바탕으로 모형의 보정(2007-2008)및 검증(2009)을 실시하였다. 또한 지구의 탄소순환을 규명할 수 있는 식생의 순광합성량과 총일차생산량에 대한 모형의 검 보정은 Terra 위성의 MODIS (Moderate Resolution Imaging Spectroradiometer) 센서를 이용한 산출물인 순광합성량과 총일차생산량 자료를 바탕으로 모형의 보정(2007)및 검증(2008)을 실시하였다. 모형의 최적의 수문, 생리생태학, 토양의 매개변수를 선정하여 검증한 결과, 유출량에 대한 Nash-Sutcliffe 모형효율은 0.84, 증발산, 토양수분, 총일차생산량, 순광합성량의 결정계수는 0.49, 0.18, 0.38, 0.93 이었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.204-208
• /
• 2007

본 연구에서는 SLURP 모형을 이용하여 농업용 저수지의 수문학적 영향을 분석하고자 하였다. 안성천 유역내 공도수위관측소 지점의 상류유역을 대상으로, 유역내 고삼 및 금광 농업용 저수지를 고려하여 두 저수지 지점 및 공도 지점에서 저수지의 고려시 및 미고려시에 대한 각각의 하천유출 거동을 분석하였다. 우선 공도수위관측소의 9개년$(1998{\sim}2006)$ 동안의 일별 하천 유출량 자료를 이용하여 모형의 보정(1999, 2002, 2004)과 검증(1998, 2006)을 실시한 결과, 보정과 검증기간의 Nash-Sutcliffe 모델효율계수는 각각 $0.70{\sim}0.82\;%,\;0.56{\sim}0.61\;%$이었다. 금광 및 고삼 저수지지점에서는 저수지 고려 및 미고려시 유출율의 차이는 2개년에 대하여 각각 $10.5{\sim}31.1\;%$의 차이를 보였다. 한편 공도지점에서의 하천유출량은 3.7 %, 7.2 %의 차이를 보여 두 저수지 유역에서 발생한 유역 유출량이 저수지 운영에 의하여 저류 및 방류시키는 영향을 반영한 것으로 판단되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.102-102
• /
• 2015

최근 중소규모 하천은 하천수 및 하천변 지하수 이용의 증가와 토지이용변화 등 유역 내 수문인자의 특성 변화로 인해 하천의 건천화가 점증하고 있어 하천 환경이 악화되고 있는 실정이다. 본 연구에서는 격자기반의 분포형 장기수문 모델(PGA-CC)을 이용하여 과거 수십년동안 토지이용변화에 따른 하천 건천화 영향을 평가하였다. 실제 건천화가 진행되고 있는 삽교천 상류유역($358.8km^2$)을 선정하였고 토지이용변화분석을 위해 과거 1975년 토지이용도(Past), 현재 2008년 토지이용도(Present)를 구축하였다. 각각의 토지이용 항목 중 변화율이 가장 높은 도시비율은 과거 토지이용도에서는 2.6 %였으며 현재 토지이용도에서는 11.3 %로 8.7 %가 증가하였다. 모델 검보정은 최근 7년(2005-2011)동안 최종유역출구지점에서 유출 검보정을 실시하였다. 그 결과 NSE (Nash-Sutcliffe model efficiency)은 평균 0.71로 유출량의 모의값과 실측값이 유효한 것으로 나타났다. 건천화를 평가하기 위해 시험유역에서의 5 WPs (Watching Points)를 선정하여 과거 및 현재 토지이용조건을 모의하고 유황분석을 통한 갈수 변화량 분석을 실시하였다. 건천화 빈도분석을 위해 GEV (Generalized Extreme Value) 갈수빈도분석을 실시하여 과거 토지이용 모의결과 산정된 평균 갈수량($m^3/s$) 이하로 낮아지는 유출량 일수를 계산하였다. 최종유역출구에서 과거 및 현재 토지이용도에서 모의된 평균갈수량은 각각 $3.27m^3/s$ 및 $3.11m^3/s$로 나타났다. GEV 갈수빈도분석결과 과거 토지이용조건에서의 평균갈수량은 $3.20m^3/s$(재현기간 2.33년)으로 나타났다. 도시증가에 따른 인구증가는 지하수 사용량에 증가를 가져온다. 이는, 건천화에 영향을 미치며 본 연구에서는 지하수이용량 자료(1998-2011)를 이용하여 도시면적과 지하수이용량의 선형회귀분석을 실시하여 과거 22년 지하수 사용량을 예측하였다. 그 결과 지하수사용량 증가는 토지이용변화와 복합적으로 상류유역에 하천의 변화를 가속시키는 것으로 나타냈다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.430-430
• /
• 2017

본 연구에서는 유역모델링 시 오염원 산정의 공간적 범위를 합리적으로 고려하기 위해서, 유역모델링을 위한 소유역 구분간의 공간해상도를 유역의 오염부하량 산정을 위한 공간단위 수준으로 설정하여 새만금호 유역수질모델링을 실시하였다. 모형 구축은 HSPF (Hydrological Simulation Program - Fortran)를 이용하였으며, 오염부하량 산정단위인 리 동의 행정경계, 수치표고모델(DEM), 농경지 배수로 등 구조물들을 고려하여 새만금 유역을 대상으로 804개의 소유역을 구분 적용하였다. 소유역 세분화에 따른 계산량을 고려하여 효과적인 모델 구동을 위해 만경유역 7개, 동진유역 7개, 연안유역 3개 (총 17개)의 서브모델로 모의시스템을 구성하여 상류에서 하류로 서브모델을 순차적으로 보 검정 및 모의하도록 구현하였다. 유량 보 검정은 14개소 수문측정자료(2009~2013)와 자동보정기법을 적용하여 수행하였다. 유량보 검정결과 NSE (Nash-Sutcliffe coefficient)가 0.66~0.97, PBIAS가 -31~16.5%, $R^2$는 0.75~0.98의 범위를 보여 모형의 적용성을 확인할 수 있었다. 한편, 수질 보 검정의 경우 29개소 수질측점을 대상으로 온도, DO, BOD, TN, TP의 항목에 대해 유량보정과 같은 기간에 대해 수동보정을 실시하였다. 수질결과는 일부 상류유역에서 갈수기시 모의값이 다소 불안정한 부분이 발견되나 대체로 각 측점의 수질에 대한 시간적 변동 패턴과 평균적 수질은 합리적으로 모의하는 것으로 나타났다. 공간세분화에 따른 모델링결과를 선행연구들과 비교한 결과, 유량부문에서 우수성을 보였으나 수질부문은 비슷한 수준으로 나타났다. 본 연구는 향후 유역 오염원, 수자원 운영 등에 관한 정밀 자료 확보 시 이를 고려하는 고도화된 수문 수질 모델링 개발 및 구축에 적용될 수 있는 시스템으로 활용성이 높을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.363-363
• /
• 2022

LID 시설에 대한 모니터링은 인력을 활용한 실강우 모니터링을 진행하고 있으나 LID 시설은 소규모 분산형시설로서 인력을 동원한 식생고사, 강우시 모니터링, 현장답사 등 꾸준한 시설확인에 한계가 있으며, LID 시설을 조성한 이후 적정한 유지관리 방법(주기, 빈도, 항목 등)을 인지하지 못하여 막힘현상, 효율저하, 식물고사 등의 문제가 발생한다. 따라서 본연구에서는 딥러닝 분석을 활용하여 강우시 강우모니터링 자료와 LID 시설 내 센서를 통해 측정된 자료를 통해 침투도랑 내 유입수 성상에 대한 예측분석을 수행하였다. 심지 내 LID 시설에 유입되는 오염물질을 예측을 위한 딥러닝 분석을 위해 과거 실강우시 모니터링 자료(TSS, COD, TN, TP)와 대기센서(대기습도, 대기온도, 강수량, 미세먼지) 데이터를 활용하여 딥러닝 모델에 대한 적용가능성 평가를 수행하였다. 측정항목에 대한 상관성 분석을 수행하였으며, 딥러닝 모델은 Tenser Flow를 이용하여 DNN(Deep Neural Network)모델을 활용하여 분석하였다. DNN 모델에 대한 MSE값은 0.31로 분석되었으며, TSS에 대한 평균 50.6mg/L로 분석되었으며, COD 평균 98.7 mg/L로 나타났다. TN의 평균 2.21 mg/L로 분석되었으며, TP 평균 0.67 mg/L로 나타났다. 상관계수분석결과 TSS는 0.53로 분석되었으며, TN과 TP의 상관계수는 0.10, 0.56으로 나타났다. COD의 상관계수는 0.63으로 TSS와 COD, TP에 대한 예측이 된 것으로 분석되었다. 딥러닝을 통한 LID 시설 내 농도변화 예측시 강우시 센서데이터 값은 조밀해야하며 오염물질 농도와 상관성이 높은 항목들에 대해 계측과 실강우 모니터링 자료를 축적하여 미래에 대한 활용성을 높여야 한다.