• 한국농림기상학회지
• /
• 제7권1호
• /
• pp.4-14
• /
• 2005

CarboKorea and HydroKorea are the domestic projects aiming to improve our understanding of carbon and water cycles in a typical Korean forest located in a complex terrain with a watershed connected to large rivers. The ultimate goal is to provide a nowcasting of these cycles for the whole Peninsula. The basic strategy to achieve such goal is through the inter- and multi-disciplinary studies that synthesize the in-situ field observation, modeling and remote sensing technology. The challenge is the fact that natural ecosystems are nonlinear and heterogeneous with a wide range of spatio-temporal scales causing the variations of mass and energy exchanges from a leaf to landscape scales. Our paradigm now shifts from temporal variation at a point to spatial patterns and from spatial homogeneity to complexity of water and carbon at multiple scales. Yet, a large portion of our knowledge about land-atmosphere interactions has been established based on tower observations, indicating that the development of scaling logics holds the key to the success of CarboKorea and HydroKorea. Here, we review the pioneering work of FIFE (First ISLSCP Field Experiment) on scaling issues in a temperate grassland and discuss the lessons from it for the application to Gwangneung forest site.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• pp.209-214
• /
• 2004

국지적으로 단시간 내에 많은 양의 강한 비가 내리는 현상인 집중호우는 발생부터 성장, 쇠퇴까지의 과정이 단기간에 이루어지고, 그 변동성이 아주 크다. 그러므로 정확한 예보를 위해서는 단시간예보(nowcasting) 기법이 필요한데, 이를 위해서는 연속적이고, 정확한 관측이 필요하다. 집중호우의 관측에는 우량계, 레이다, 위성 관측 등이 사용되는데 이 연구에서는 GOES-9호 위성영상자료를 이용하였고, 2003년 여름의 8개 강수사례에 대해 분석하였다. 집중호우시의 강수량을 산출하기 위해 Power-law Curve를 사용하였고, NOAA/NESDIS에서 개발하여 현업에 사용 중인 Auto-Estimator의 무강수 픽셀 보정방법을 이용하여 산출된 강수량을 보정하였으며, 이를 기상청의 자동기상관측자료 (Automatic Weather Station: AWS)와 비교하였다. 위성영상자료의 시간 대표성을 분석하기 위해 위성의 관측 시간에 대해 전, 후, 중심을 기준으로 각각 15분, 30분, 60분 누적강수량과 비교하였고, AWS의 공간 대표성을 분석하기 위해 위성영상자료의 3×3, 5×5, 9×9 픽셀을 면적 평균하여 각각 비교하였다. 분석 결과 대부분의 사례에서 위성의 관측시간을 시작으로 60분 동안 누적한 강수량과 상관성이 가장 크게 나왔고, 면적에 대해서는 거의 차이가 없었다. 또한, 무강수 픽셀 보정방법의 하나로 구름의 성장률을 보정해 주었다. 그 결과 구름의 성장률을 보정해 주었을 때 상관계수가 0.05 이상 상승하였다.

• Asian Journal of Business Environment
• /
• 제12권3호
• /
• pp.1-12
• /
• 2022

Purpose: This study aims to investigate whether AIS data can be used as a supporting indicator or as an initial signal to describe Indonesia's export-import conditions in real-time. Research design, data, and methodology: This study performs several stages of data selection to obtain indicators from AIS that truly reflect export-import activities in Indonesia. Also, investigate the potential of AIS indicators in producing forecasts of the value and volume of Indonesian export-import using conventional statistical methods and machine learning techniques. Results: The six preprocessing stages defined in this study filtered AIS data from 661.8 million messages to 73.5 million messages. Seven predictors were formed from the selected AIS data. The AIS indicator can be used to provide an initial signal about Indonesia's import-export activities. Each export or import activity has its own predictor. Conventional statistical methods and machine learning techniques have the same ability both in forecasting Indonesia's exports and imports. Conclusions: Big data AIS can be used as a supporting indicator as a signal of the condition of export-import values in Indonesia. The right method of building indicators can make the data valuable for the performance of the forecasting model.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.347-347
• /
• 2023

홍수 예·경보 시에는 시간-단위 또는 그 이하의 시간 척도에서 작용하는 강우에 대한 고도의 영향이 중요하게 되며, 특히 상대적으로 더 드문 관측 밀도가 있는 산악지역에서 강우의 공간분포에 대한 산악 효과의 중요도가 더 높아지게 된다. 일반적으로 1시간 시간스케일에서 강우-고도의 관계를 살펴보기 위해서는 대략 5km 내외의 관측 밀도를 가져야 하는 것으로 알려져 있으나 이러한 지역은 매우 드물다. 최근 기상 예측 수치모델로부터 모의된 강우량의 품질이 눈에 띄게 향상됨에 따라 국내에도 다양한 연구가 수행된 바 있다. 본 연구에서는 WRF를 이용하여 남강댐 지역의 과거 호우 사상을 재현한 후, 이로부터 생산된 공간적인 강우장을 이용하여 시간-단위의 시간 척도에서 강우량과 고도 사이의 관계를 고려할 수 있는 WREPN(WRF Rainfall-Elevation Parameterized Nowcasting) 모형을 제안한다. 홍수량 분석을 위해 WREPN 모형을 이용하였으며, 비교군으로 실무적으로 많이 사용되는 IDW, Kriging 기반 격자강우가 사용되었다. 격자기반 분포형 강우자료로부터 홍수량을 분석하기 위해 Mod-Clark 모형이 적용되었으며, 입력된 강우자료별매개변수의 불확실성을 분석하기 위해 베이지안 기법이 적용되었다. 매개변수의 불확실성 분석으로부터 강우-고도 관계가 고려된 WREPN 모형의 강우자료가 상대적으로 불확실성이 낮다는 것을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.123-123
• /
• 2020

The present study is aimed to correcting radar-based mean areal precipitation forecasts to improve urban flood predictions and uncertainty analysis of water levels contributed at each stage in the process. For this reason, a long short-term memory (LSTM) network is used to reproduce three-hour mean areal precipitation (MAP) forecasts from the quantitative precipitation forecasts (QPFs) of the McGill Algorithm for Precipitation nowcasting by Lagrangian Extrapolation (MAPLE). The Gangnam urban catchment located in Seoul, South Korea, was selected as a case study for the purpose. A database was established based on 24 heavy rainfall events, 22 grid points from the MAPLE system and the observed MAP values estimated from five ground rain gauges of KMA Automatic Weather System. The corrected MAP forecasts were input into the developed coupled 1D/2D model to predict water levels and relevant inundation areas. The results indicate the viability of the proposed framework for generating three-hour MAP forecasts and urban flooding predictions. For the analysis uncertainty contributions of the source related to the process, the Bayesian Markov Chain Monte Carlo (MCMC) using delayed rejection and adaptive metropolis algorithm is applied. For this purpose, the uncertainty contributions of the stages such as QPE input, QPF MAP source LSTM-corrected source, and MAP input and the coupled model is discussed.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• 한국수자원학회논문집
• /
• 제50권5호
• /
• pp.335-346
• /
• 2017

본 연구에서는 공간규모분할 기법(SCDM)을 적용하여 레이더 예측강우를 산정하고, 도시홍수예보 관점에서 기상청 현업 레이더 예측강우(MAPLE 및 KONOS)와 함께 수문학적 활용성을 평가하였다. 본 연구에서 제시한 공간규모분할 기법은 강우를 층운형과 대류성 강우로 분리하여 각각의 이동속도를 고려하여 개별예측 및 재합성하는 것이다. 수도권 영역의 세 호우 사례를 대상으로 기상청 MAPLE 및 KONOS와의 예측강우 정확도를 평가한 결과, 본 연구에서 적용한 예측기법은 기법의 단순함에 비해 양호한 예측 정확도를 보였다. 또한, 강남유역을 대상으로 각 예측강우의 수심모의 정확도를 평가한 결과, MAPLE 및 SCDM에 비하여 KONOS가 첨두수심을 보다 정확하게 모의하였으나, 호우의 시간적 패턴 구현의 정확도가 높지 않았다. SCDM의 경우 정량적인 오차는 다소 크게 나타났지만, 전체적으로 관측수심과 유사한 모의 양상을 보였다. 추후 부족한 정량적 정확도를 보정 기법 및 수치예보자료와의 결합을 통해 개선한다면 SCDM의 예측강우가 홍수예보를 위한 입력자료로 유용하게 활용될 수 있을 것으로 판단된다.

• 정보과학회 논문지
• /
• 제44권12호
• /
• pp.1258-1268
• /
• 2017

신속하고 정확한 시장의 물가 파악은 소비자 개인을 넘어 정부와 관련 기업의 주요 관심 사항이다. 그러나 국가 단위의 물가 데이터 취합은 적지 않은 시간과 비용이 필요하다. 특히 통계 데이터 관련 인프라가 미약한 개발도상국의 경우 물가 지표 파악은 일 혹은 주 단위로 지연되어 국가의 정책 결정에 필요한 주요한 데이터의 부재가 있을 뿐만 아니라 투자 잠재성을 저하시킨다. 이러한 배경에서 이 연구는 온라인 소셜 네트워크 빅데이터를 활용한 실시간 물가 예측(Nowcast) 모델을 제시한다. 제안하는 모델은 트위터와 같은 온라인 빅데이터를 수집 및 분석함으로써 주요 소비재 시장물가를 실시간으로 단기 예측하는 알고리즘으로, 실제 15개월간 인도네시아를 대상으로 주요 식자재의 일별 물가 추이 예측에서 높은 정확도를 보임을 검증하였다. 해당 모델은 다양한 언어와 상품군으로 확장 가능하며, 기존 경제 통계를 보조함으로써 시장동향의 파악으로 정부와 기업의 전략 수립에 기여할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.281-285
• /
• 2007

본 연구에서는 보다 신뢰성 있고 정확한 정량적 강우예측자료를 생성하기 위하여 레이더강우 및 강우수치예보자료를 합성하는 기법을 제시하였고, 레이더 전처리 및 예측시스템, GIS와 연계한 물리적기반의 분포형모형인 Vflo모형 등 최신 수자원 IT기술을 활용하여 홍수기 돌발홍수에 대응한 초단기 정량적 강우-유출예측을 목적으로 향후 실시간으로 적용 가능한 분포형유출예측시스템의 기반을 구축하고자 하였다. 대상유역은 국지적인 고해상도 지형효과를 고려한 QPM이 개발되어 있는 금강권역의 용담댐유역이며, 예측 강우에 대한 호우사상은 2005년 이후 발생한 3개 강우사상을 대상으로 하였다. 한편, 기상 레이더 자료로부터 산정된 강수량의 수문학적 적용을 위하여 DEM, 토지피복도, 토양도 등의 기본 GIS자료들을 수집 및 구축하였고 물리적기반의 분포형모형(Vflo)의 입력인자로 사용하기 위한 12개의 공간분포형 수문매개변수들을 대표적인 GIS 소프트웨어인 ArcGIS 및 ArcView를 활용하여 추출하였으며, Vflo모형의 현업 적용가능성을 오프라인 상에서 검증해보았다. 모형 검증결과, GIS를 이용한 지형, 토양, 토지피복과 같은 물리적 특성을 사용한 모형의 초기 설정을 향상시킴에 의해 첨두유량, 유출량, 첨두도달시간차 등에서 만족할만한 결과를 보여주었다고 사료된다. 레이더 및 수치예보자료와 합성한 4가지의 형태(QPE, JQPE, QPM, BQPF)의 분포형 입력강우를 이용하여 적용해 본 결과 Nowcasting기법을 이용한 JQPF는 자료의 특성상 초기 1시간30분동안은 비교적 양호한 결과를 얻었으나 3시간 전후로 가면서 예측강우의 질이 저하되기 시작하였으나 QPM을 합성함으로써 생산한 BQPF는 보다 신뢰성있고 양호한 결과를 얻을 수 있었다. 이러한 결과들은 향후 정량적 분포형강우 예측을 이용한 실시간 홍수유출 예측시 댐운영자는 리드타임(홍수선행시간)을 충분히 확보함으로서 안정적이고 예측 가능한 홍수조절을 하는데 도움을 줄 수 있을 것으로 기대된다. 이와 같이 다양한 단기저수지 유입량의 예측정보 제공으로 다목적댐 저수지 운영모형의 효용성을 제고하여 향후 실제 저수지 유입량 예측에 이용함으로써 저수지 단기운영효율 개선에 기여할 수 있을 것으로 사료된다.