• 한국수자원학회논문집
• /
• 제52권4호
• /
• pp.279-289
• /
• 2019

가뭄재해는 다른 재해와 다르게 광범위한 공간에 걸쳐서 충분한 강우가 발생하기 전까지 오랜 기간 동안 발생되는 특성이 있다. 위성 영상은 시공간적으로 지속적인 강수량 관측을 제공할 수 있다. 본 연구는 위성 영상 기반의 강수자료를 활용하여 기상학적 가뭄 전망 모형을 개발하였다. PERSIANN_CDR, TRMM 3B42와 GPM IMERG 영상을 활용하여 강수 자료를 구축한 뒤, 표준강수지수(SPI)를 기반으로 기상학적 가뭄을 정의하였다. 과거의 가뭄 정보와 물리적 예측 모형 기반의 가뭄 예측 결과를 결합할 수 있는 베이지안 네트워크 기반 가뭄 예측 기법을 이용하여 확률론적 가뭄 예측 결과를 생산하였으며, 가뭄 예측결과를 가뭄 전망 의사결정 모형에 적용하여 가뭄 전망 결과를 도출하였다. 가뭄 전망 정보는 가뭄 발생, 지속, 종결, 가뭄 없음의 4단계로 구분하였다. 본 연구의 가뭄 전망 결과는 ROC 분석을 통하여 물리적 예측 모형인 다중모형 앙상블(MME)을 활용한 가뭄 전망 결과와 전망 성능을 비교하였다. 그 결과, 2~3개월 가뭄 전망에 대한 가뭄 발생 및 지속의 단계에서는 MME 모형보다 높은 전망성능을 보여주었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.123-123
• /
• 2019

최근 기후변화로 인해 중국, 한국, 일본, 몽골 등을 포함한 동아시아 지역은 태풍, 가뭄, 홍수와 같은 자연재해의 발생 빈도가 증가하고 있는 추세이다. 중국의 경우 2017년 극심한 가뭄으로 1,850만 (ha)의 농작물 피해가 발생하였으며, 몽골 또한 2017년 4월 이후 극심한 가뭄으로 사막화가 급속도로 진행되고 있다. 위성 기반의 강우 자료는 공간과 시간 해상도가 높아짐에 따라 지상관측소 강수량 자료의 대체 수단으로 이용되고 있다. 본 연구에서는 Climate Hazards Groups InfraRed Precipitation with Station (CHIRPS), Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR), Global Precipitation Climatology Centre (GPCC) 강우 위성 자료를 활용하여 기상학적 가뭄지수인 표준강수지수 (Standardized Precipitation Index, SPI)를 산정하였다. 시간 해상도는 월별 영상을 기준으로 2008년부터 2017년까지 지난 10년간의 데이터를 이용하였으며, 각각 격자가 다른 위성영상을 기존 기상관측소와 비교하였다. 피어슨 상관계수 (Pearson Correlation Coefficient, R)를 활용하여 강우 위성 영상과 지상관측소의 상관관계를 분석하고, 평균절대오차 (Mean Absolute Error, MAE), 평균제곱근오차 (Root Mean Square Error, RMSE)를 통해 통계적으로 정확도를 분석하였다. 인공위성 강수량 자료는 미계측 지역이 많은 곳이나 측정이 불가능한 지역에 효율성 측면에서 중요한 이점을 제공할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.65-65
• /
• 2023

최근 기후변화로 인해 홍수, 가뭄 등 수재해가 세계 곳곳에서 빈번하게 발생하고 있다. 이로 인해 정확한 강우-유출 해석의 중요도는 높아지고 있으며 강우-유출 해석에 따라 수자원 관리 및 계획수립의 정도가 달라질 수 있다. 본 연구 대상 지역인 메콩강 유역은 중국과 동남아시아 5개국(라오스, 태국, 미얀마, 베트남, 캄보디아)을 관통하는 국가공유하천으로 기초자료의 획득이 어렵고 국가별로 구축된 자료가 질적, 양적 품질이 상이하여 수문해석에서의 기초자료로 사용하기에 불확실성이 있다. 최근 기술의 발달로 글로벌 격자형 강수자료 획득이 용이함에 있어 미계측 대유역에서의 다양한 연구들이 수행되고 있지만, 지점강수자료와 시·공간적 오차로 인한 불확실성을 내포하고 있다. 이에 본 연구에서는 글로벌 격자형 강수자료의 적용성을 평가하기 위하여 지점 격자형 강수자료(APHRODITE)와 4개의 위성강수자료(CHIRPS, CMORPH, PERSIANN-CDR, TRMM)를 수집하고 합성곱 신경망 모형인 ConvAE 기법을 이용하여 위성강수자료의 시·공간 편의 보정을 수행하였다. 또한, 하천 수위에 대한 장기간 정보 수집이 가능한 메콩강 본류 4개 관측소(Luang Prabang, Pakse, Stung Treng, Kratie)를 선정하였으며 SWAT 모형을 이용하여 매개변수 보정(2004~2013)과 격자형 강수자료의 보정 전·후의 유출모의(2014~2015) 결과를 비교·분석하였다. 격자형 강우를 이용한 보정 및 유출 분석 결과 4개의 위성강수자료 모두 성능이 향상되었으며 그 중 보정된 TRMM이 가장 우수한 성능을 보여 해당 유역에서의 APHRODITE를 대체할 수 있다고 판단하였다. 따라서 본 연구에서 제시하는 ConvAE를 이용한 보정기법과 이를 이용한 강우-유출 해석은 향후 다양한 격자형 강수자료를 활용한 미계측 대유역에서의 수문해석에서 활용이 가능할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.280-280
• /
• 2023

강수의 정확한 시·공간적 추정은 홍수 대응, 가뭄 관리, 수자원 계획 등 수문학적 모델링의 핵심 기술이다. 우주 기술의 발전으로 전지구 강수량 측정 프로젝트(Global Precipitation Measurement, GPM)가 시작됨에 따라 위성의 여러 센서를 이용하여 다양한 고해상도 강수량 자료가 생산되고 있으며, 기후변화로 인한 수재해의 빈도가 증가함에 따라 준실시간(Near-Real-Time) 위성 강수 자료의 활용성 및 중요성이 높아지고 있다. 하지만 준실시간 위성 강수 자료의 경우 빠른 지연시간(latency) 확보를 위해 관측 이후 최소한의 보정을 거쳐 제공되므로 상대적으로 강수 추정치의 불확실성이 높다. 이에 따라 본 연구에서는 앙상블 머신러닝 기반 수집된 위성 강수 자료들을 관측 자료와 병합하여 보정된 준실시간 강수량 자료를 생성하고자 한다. 모형의 입력에는 시단위 3가지 준실시간 위성 강수 자료(GSMaP_NRT, IMERG_Early, PERSIANN_CCS)와 방재기상관측 (AWS)의 온도, 습도, 강수량 지점 자료를 활용하였다. 지점 강수 자료의 경우 결측치를 고려하여 475개 관측소를 선정하였으며, 공간성을 고려한 랜덤 샘플링으로 375개소(약 80%)는 훈련 자료, 나머지 100개소(약 20%)는 검증 자료로 분리하였다. 모형의 정량적 평가 지표로는 KGE, MAE, RMSE이 사용되었으며, 정성적 평가 지표로 강수 분할표에 따라 POD, SR, BS 그리고 CSI를 사용하였다. 머신러닝 모형은 개별 원시 위성 강수 자료 및 IDW 기법보다 높은 정확도로 강수량을 추정하였으며 공간적으로 안정적인 결과를 나타내었다. 다만, 최대 강수량에서는 다소 과소추정되므로 이는 강수와 관련된 입력 변수의 개수 업데이트로 해결할 수 있을 것으로 판단된다. 따라서 불확실성이 높은 개별 준실시간 위성 자료들을 관측 자료와 병합하여 보정된 최적 강수 자료를 생성하는 머신러닝 기법은 돌발성 수재해에 실시간으로 대응 가능하며 홍수 예보에 신뢰도 높은 정량적인 강수량 추정치를 제공할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.158-158
• /
• 2023

Characterizing the performance of precipitation (hereafter PRE) products in estimating the uncertainties in daily PRE in the era of global warming is of great value to the ecosystem's sustainability and human survival. This study intercompares the performance of different PRE products (gauge-based, satellite and reanalysis) sourced from the Frequent Rainfall Observations on GridS (FROGS) database over diverse climate zones in Africa and identifies regions where they depict minimal uncertainties in order to build optimal maps as a guide for different climate users. This is achieved by utilizing various techniques, including the triple collection (TC) approach, to assess the capabilities and limitations of different PRE products over nine climatic zones over the continent. For daily scale analysis, the uncertainties in light PRE (0.1 5mm/day) are prevalent over most regions in Africa during the study duration (2001-2016). Estimating the occurrence of extreme PRE events based on daily PRE 90th percentile suggests that extreme PRE is mainly detected over central Africa (CAF) region and some coastal regions of west Africa (WAF) where the majority of uncorrected satellite products show good agreement. The detection of PRE days and non-PRE days based on categorical statistics suggests that a perfect POD/FAR score is unattainable irrespective of the product type. Daily PRE uncertainties determined based on quantitative metrics show that consistent, satisfactory performance is demonstrated by the IMERG products (uncorrected), ARCv2, CHIRPSv2, 3B42v7.0 and PERSIANN_CDRv1r1 (corrected), and GPCC, CPC_v1.0, and REGEN_ALL (gauge) during the study period. The optimal maps that show the classification of products in regions where they depict reliable performance can be recommended for various usage for different stakeholders.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.173-173
• /
• 2023

The Mekong River Basin (MRB) is a crucial watershed in Asia, impacting over 60 million people across six developing nations. Accurate satellite-based precipitation products (SPPs) are essential for effective hydrological and watershed management in this region. However, the performance of SPPs has been varied and limited. The APHRODITE product, a unique gauge-based dataset for MRB, is widely used but is only available until 2015. In this study, we present a novel framework for correcting SPPs in the MRB by employing a deep learning approach that combines convolutional neural networks and encoder-decoder architecture to address pixel-by-pixel bias and enhance accuracy. The DLF was applied to four widely used SPPs (TRMM, CMORPH, CHIRPS, and PERSIANN-CDR) in MRB. For the original SPPs, the TRMM product outperformed the other SPPs. Results revealed that the DLF effectively bridged the spatial-temporal gap between the SPPs and the gauge-based dataset (APHRODITE). Among the four corrected products, ADJ-TRMM demonstrated the best performance, followed by ADJ-CDR, ADJ-CHIRPS, and ADJ-CMORPH. The DLF offered a robust and adaptable solution for bias correction in the MRB and beyond, capable of detecting intricate patterns and learning from data to make appropriate adjustments. With the discontinuation of the APHRODITE product, DLF represents a promising solution for generating a more current and reliable dataset for MRB research. This research showcased the potential of deep learning-based methods for improving the accuracy of SPPs, particularly in regions like the MRB, where gauge-based datasets are limited or discontinued.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.62-62
• /
• 2022

홍수 예보를 위한 강우-유출 분석에서 정확한 예측 강우량 정보는 매우 중요한 인자이다. 이에 따라 강우 예측을 위하여 다양한 연구들이 수행되고 있지만 시·공간적으로 비균일한 특성 또는 변동성을 가진 강우를 정확하게 예측하는 것은 여전히 난제이다. 본 연구에서는 딥러닝 기반 ConvLSTM (Convolutinal Long Short-Term Memory) 모형을 사용하여 위성 강수 자료의 단기 예측을 수행하고 그 정확성을 분석하고자 한다. 대상유역은 메콩강 유역이며, 유역 면적이 넓고 강우 관측소의 밀도가 낮아 시·공간적 강우량 추정에 한계가 있으므로 정확한 강우-유출 분석을 위하여 위성 강수 자료의 활용이 요구된다. 현재 TRMM, GSMaP, PERSIANN 등 많은 위성 강수 자료들이 제공되고 있으며, 우선적으로 ConvLSTM 모형의 강수 예측 활용가능성 평가를 위한 입력자료로 가장 보편적으로 활용되는 TRMM_3B42 자료를 선정하였다. 해당 자료의 특성으로 공간해상도는 0.25°, 시간해상도는 일자료이며, 2001년부터 2015년의 자료를 수집하였다. 모형의 평가를 위하여 2001년부터 2013년 자료는 학습, 2014년 자료는 검증, 2015년 자료는 예측에 사용하였다. 또한 민감도 분석을 통하여 ConvLSTM 모형의 최적 매개변수를 추정하고 이를 기반으로 선행시간(lead time) 1일, 2일, 3일의 위성 강수 예측을 수행하였다. 그 결과 선행시간이 길어질수록 그 오차는 증가하지만, 전반적으로 3가지 선행시간 모두 자료의 강수량뿐만 아니라 공간적 분포까지 우수하게 예측되었다. 따라서 2차원 시계열 자료의 특성을 기억하고 이를 예측에 반영할 수 있는 ConvLSTM 모형은 메콩강과 같은 미계측 대유역에서의 안정적인 예측 강수량 정보를 제공할 수 있으며 홍수 예보를 위한 강우-유출 분석에 활용이 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제56권2호
• /
• pp.75-89
• /
• 2023

강우-유출 해석은 하천 홍수예경보, 댐 유입량 산정 및 방류량 결정 등 수자원 관리 및 계획수립에 있어 중요한 과정이며, 밀도높은 강우관측망으로부터 수집된 강우 자료는 정확한 강우-유출 해석을 위한 가장 중요한 기초 자료로 활용된다. 본 연구 대상 지역인 메콩강 유역은 국가공유하천으로 강수 자료수집이 어렵고, 구축된 자료의 양적, 질적 품질이 국가별로 상이하여 수문해석 결과의 불확실성을 높일 우려가 있다. 최근 원격탐사 기술의 발달로 격자형 글로벌 강수자료의 획득이 용이해졌으며, 이를 활용한 미계측 유역 또는 대유역에서의 다양한 수문해석 연구들이 수행된 바 있다. 본 연구에서는 미계측 대유역 수문해석에 있어 격자형 강수자료의 적용성을 평가하기 위하여 3개의 위성 강수자료(TRMM, GSMaP, PERSIANN-CDR)와 2개의 지점 격자형 강수자료(APHRODITE, GPCC)를 수집하고, APHRODITE를 관측값으로 합성곱 신경망 모형인 ConvAE 알고리즘을 이용하여 위성 강수자료의 시·공간적 편의보정을 수행하였다. 또한, 메콩강 본류의 주요지점인 Luang Prabang, Pakse, Stung Treng, Kratie 4개 수위 관측소를 선정하여 SWAT 모형의 매개변수를 보정(2004~2011)하고 지점 격자형 강수자료 및 위성 강수자료의 보정전·후의 유출모의(2012~2013) 결과를 비교·분석하였다. 그 결과 원시위성 강수자료 및 GPCC는 APHPRODITE에 비해 정량적으로 과소 또는 과대추정되거나 공간적으로 매우 상이한 패턴을 나타낸 반면, GSMaP과 ConvAE를 이용하여 보정된 위성 강수자료의 경우, APHPRODITE에 대한 시·공간적 상관성이 개선된 것으로 분석되었다. 또한 유출모의의 경우, 모든 지점에 대해서 ConvAE로 보정된 위성 강수자료를 이용한 유출모의 결과가 원시 위성강수자료를 이용한 유출결과 보다 정확도가 향상된 것으로 분석되었다. 따라서 본 연구에서 제시하는 격자형 위성 강수자료 보정기법과 연계한 강우-유출 해석은 향후 다양한 위성 강수자료를 활용한 미계측 대유역 수문해석에서 활용이 가능할 것으로 판단된다.

• 한국농공학회논문집
• /
• 제62권1호
• /
• pp.83-93
• /
• 2020

East Asia, which includes China, Japan, Korea, and Mongolia, is highly impacted by hydroclimate extremes such drought, flood, and typhoon recent year. In 2017, more than 18.5 million hectares of crops have been damaged in China, and Korea has suffered economic losses as a result of severe drought. Satellite-derived rainfall products are becoming more accurate as space and time resolution become increasingly higher, and provide an alternative means of estimating ground-based rainfall. In this study, we verified the availability of rainfall products by comparing widely used satellite images such as Climate Hazards Groups InfraRed Precipitation with Station (CHIRPS), Global Precipitation Climatology Centre (GPCC), and Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR) with ground stations in East Asia. Also, the satellite-based rainfall products were used to calculate the Standardized Precipitation Index (SPI). The temporal resolution is based on monthly images and compared with the past 30 years data from 1989 to 2018. The comparison between rainfall data based on each satellite image products and the data from weather station-based weather data was shown by the coefficient of determination and showed more than 0.9. Each satellite-based rainfall data was used for each grid and applied to East Asia and South Korea. As a result of SPI analysis, the RMSE values of CHIRPS were 0.57, 0.53 and 0.47, and the MAE values of 0.46, 0.43 and 0.37 were better than other satellite products. This satellite-derived rainfall estimates offers important advantages in terms of spatial coverage, timeliness and cost efficiency compared to analysis for drought assessment with ground stations.