• 한국수자원학회논문집
• /
• 제39권3호
• /
• pp.215-226
• /
• 2006

본 연구에서는 경안천 유역에 대해 초단시간 강수예보모델인 VSRF(Very Short Range Forecast of precipitation) 모델에서 생산되는 예측강우량의 검증을 실시하고, 이를 NWSPC(National Weather Service PC) 강우-유출 모형에 적용하였다. 강수는 기상학적 검증과 수문학적 검증으로 구분하여 검증하였다. 기상학적 검증은 유역 내에 존재하는 AWS 강수량과 VSRF모델 강수량의 정성적 관계를 객관적으로 제시하였고, 수문학적 검증은 AWS 면적 가중치를 고려한 유역평균 강우량과 VSRF유역평균 강우량과의 정량적 검증결과를 제시하였다. 또한 예보모델에서 생산된 6시간 예측강수량을 NWSPC 모형에 적용해 강수예보모델의 수문연계 가능성을 검토해 본 결과 0.6 이상의 높은 상관관계를 보여 예보모델의 수자원 활용 가능성을 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1541-1545
• /
• 2010

최근 이상기후 및 기후변화로 인하여 전 세계의 피해가 증가하고 있다. 하지만 그 피해를 최소화하기 위하여 과도한 비용을 지출 할 수 없기 때문에 적정 설계 빈도에 맞는 치수 정책을 수립한다. 본 연구는 적정 설계 빈도의 설계를 위해 자료기간에 따른 확률강우량의 변화 특성에 대해 분석 하였고, 빈도별 확률강우량을 초과하는 강우사상의 시간적 특성을 분석하기 위해 초과횟수를 산정하여 경향성 분석을 수행하였다. 분석 대상 자료는 기상청에서 관할하고 있는 관측소 중에서 비교적 장기간의 자료를 보유하고 있는 16개 지점을 선정하여 분석하였다. 선정된 지점을 관측년수를 3가지로 나누어 구분하여 빈도해석을 실시하였고, 그 결과 많은 지역에서 확률강우량이 증가하는 것을 확인 할 수 있었다. 또한 빈도해석을 통해 산정된 확률강우량으로 기준을 정하였고, 그 기준을 초과하는 초과횟수를 산정하여 경향성 분석을 수행하였다.

• 한국콘텐츠학회논문지
• /
• 제8권3호
• /
• pp.252-263
• /
• 2008

본 연구에서는 L-모멘트법에 의한 지역화 빈도분석에 따른 설계강우량 추정에 관한 연구를 수행하였다. 제주도와 울릉도의 강우관측소를 제외한 분석에 사용된 65개 강우관측소의 강우자료 수집과 선정된 강우관측지점의 강우자료의 지속시간, 즉 1, 3, 6, 12, 24, 36, 48 및 72시간 지속의 연최대치 계열을 구성하였다. 관측지점을 대상으로 Cluster분석을 실시한 결과 우리나라의 강우관측지점에 대한 합리적인 지역화로 5개의 지역으로 구분되었다. 지역화된 지역에 대한 지속기간별 극치강우자료의 적정분포모형 결정을 위한 6가지 분포모형의 적용하고 적용분포의 L-모멘트비를 산정하여 L-모멘트비도를 도시하고 K-S 검정에 의한 적정분포모형을 선정하였다. 선정된 적정분포는 GEV 분포이며 이 분포에 의해 강우관측치의 점빈도 및 지역빈도분석에 의한 설계강우량을 유도하였다. Monte Carlo 기법에 의해 모의발생된 강우량의 점빈도 및 지역빈도분석에 의한 설계강우량을 유도하였다. 실측치 및 모의발생치의 점빈도 및 지역빈도분석에 의한 설계강우량의 비교분석을 위해 상대제곱근오차와 상대편의오차에 의해 분석한 결과 점빈도 분석에 의한 설계강우량보다 지역빈도분석에 의한 설계강우량의 사용이 적정한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.935-935
• /
• 2012

우리나라에 많은 강수를 유발시키는 호우원인에는 크게 태풍, 집중호우를 들 수 있으며 태풍과 집중호우는 우리나라에 막대한 홍수피해를 야기하고 있다. 그러므로 태풍과 집중호우의 발생으로 인한 홍수 피해를 저감시킬 필요성이 있으며, 이러한 문제는 해결해 나가야하는 필수 과제 중 하나라 할 수 있다. 그리하여 본 연구에서는 우리나라를 비교적 잘 표현해주는 지점 21개 관측소를 선정하였으며 1979년~2009년까지의 태풍과 집중호우를 구분하여 지속시간 24시간 연초과치자료를 구축하였고 매개변수적 지점 빈도해석을 통해 재현기간별 확률 강우량을 추출하여 전기간에 대한 확률강우량과 비교, 분석을 하고자 하였다. 분석결과 태풍, 집중호우 모두 저빈도의 경우는 전기간에 대한 확률강우량이 대부분 컸으나 고빈도의 확률 강우량의 경우 전기간 강우사상에 의한 확률강수량 보다 집중호우, 태풍에 의한 확률 강우량이 큰 지점이 발생 함을 알 수 있었다. 그러므로 태풍 및 집중호우의 영향을 받는 주요지점들의 경우 태풍, 집중호우만을 고려하여 확률 강우량을 산정하는 것이 방재 및 치수적인 면에서 필요하다고 판단되며, 고빈도에 대한 확률 강우량 산정시 태풍, 집중호우에 의한 확률강우량을 산정하여 비교 및 검토가 필요하다고 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2003년도 학술발표회논문집(2)
• /
• pp.723-726
• /
• 2003

• 한국수자원학회논문집
• /
• 제32권1호
• /
• pp.3-13
• /
• 1999

본 연구에서는 공간 분포의 해석을 위하여 일반적으로 사용되어 오던 Thiessen 또는 Kriging 법들을 대체할 수 있는 새로운 모형인 SANN(Spatial-Analysis Neural-Network)을 소개한다. 이 모델은 신경망 기법을 이용한 비매개 변수법의 일종으로 미측정 기점의 평균값 뿐만 아니라 분산, 왜도 등의 고차 통계치를 제공하여 준다. 또한 어떤 기점에서의 공간변수의 값이 그 심각도에 따른 미리 지정된 여러 분류들 중 각각의 분류에 속할 확률값과 전체 공간을 각 분류에 따라 가장 최적하게 분류경제(class boundary)를 선정하여줄 수 있는 Bayesian 계급분류기(Classifier)를 제공하는 의사결정(decision-making) 역할도 수행할 수 있다. 본 연구에서는 제안된 SANN모형의 외삽기(interpolator)를 사용하여 관측 기점의 연평균 강우량을 대상 유역 전체의 공간적으로 분포시키고 또한 각 지점의 예측 오류를 산정하며, Bayesian 분류기를 사용하여 대상유역을 가장 적절하게 건조, 보통, 습윤 지역으로 분류하는 방법을 제시하여 본다. 본 연구에서는 39개 강우 계측 지점을 이용하여 우리나라의 연평균 강우의 공간 해석에 응용하여 본다. 결과적으로 연평균 강우량의 공간 분포, 표준편차, 그리고 확률도를 얻었다. 더불어 우리나라 전역을 건조, 보통, 습윤 지역으로 분류하여 보았다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.529-529
• /
• 2015

기후변화에 따른 자연재해로 인한 인적, 물적 피해가 매년 증가하고 있으며 기후변동에 관한 정부간 협의체 IPCC(Intergovermental Panel on Climate Change) 5차 보고서에서도 기후변화의 양상이 향후 지속 될 것이라고 전망하고 있다. 이러한 기후변화가 야기하는 부정적인 영향을 저감하기 위해 기후변화 대응을 위한 연구가 세계 곳곳에서 이루어지고 있으며 본 연구에서는 한반도에 적합한 비정상성 빈도해석을 수행하기 위하여 베이지안 기법을 이용하여 산정된 확률강우량과 전지구적 기후변화 시나리오 RCP(2.6, 4,5, 6.0, 8.5)의 다운스케일을 통하여 산정된 확률강우량의 최적 블랜딩을 통하여 비정상성 확률강우량을 산정하였다. 낙동강유역의 1973-2013년 시강우 자료를 이용한 정상성 대비 증감률은 다음과 같다(Table 1).

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.904-907
• /
• 2005

본 연구에서는 강우량의 실측치인 자동기상관측소(AWS) 자료와 현재의 대기상태인 인공위성(GMS-5호) 자료를 입력자료로 하여 현재부터 3시간 선행시간까지의 면적평균강우량을 예측할 수 있도록 강우예측 신경망 모형을 개발하였으며, 2002년 8월 집중호우시 남강댐 유역에 적용하였다. 신경망 모형의 학습을 위해서 $1998\~2001$년 $6\~9$월과 2002년 6, 7월의 강우사상과 적외선 자료가 사용되었고, 학습이 종료되면 예측기간(2002년 8월 $6\~16$일)동안의 강우예측이 수행되었다. 신경망 모형의 학습단계에서는 자료들간의 비선형 상관관계를 나타내는데 적합한 역전파 알고리즘 학습방법 중 모멘텀법을 사용하였으며, 신경망 모형의 출력값은 현재부터 3시간 후까지의 면적평균강우량을 예측할 수 있도록 구성하였다. 예측된 면적평균강우량은 실제 관측된 강우량의 패턴은 잘 따르고 있었지만 첨두치를 과소평가하는 경향이 나타났다. 본 연구에서 개발된 신경망 모형은 관측된 강우자료의 품질과 패턴이 모형의 정확성에 미치는 영향이 절대적인 기존의 신경망 모형과 차별화하여, 현재의 대기상태를 나타내는 인공위성 자료를 추가함으로써 보다 정확한 강우량 예측이 가능하도록 하였다.

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1405-1423
• /
• 2021

강우 현상은 물 순환과 에너지 순환의 주요 요소 중 하나이며 강우량 추정은 수자원 확보와 수재해 예측 및 피해 감축에 매우 중요한 역할을 한다. 위성 기반 강우량 추정은 시공간적으로 고해상도인 자료를 통하여 넓은 지역을 연속적으로 감시할 수 있다는 장점이 있다. 본 연구에서는 Himawari-8 Advanced Himawari Imager(AHI) 수증기 채널(6.7 ㎛), 적외 채널(10.8 ㎛)과 기상 레이더 Column Max (CMAX) 합성장을 이용하여 기계학습 기반 정량적 강우량 추정 모델을 개발하였다. 기계학습 기법으로는 랜덤 포레스트(Random Forest, RF)를 사용하였으며 기상 레이더 반사도(dBZ)와 Z-R식으로 변환한 강우강도(mm/hr)를 타겟으로 하는 모델을 구축하여 비교하였다. 레이더 강우강도를 통해 검증하였을 때 임계성공지수(Critical Success Index, CSI)는 0.34, Mean-Absolute-Error (MAE) 4.82 mm/hr였다. GeoKompsat-2(GK-2A) 강우강도 산출물, Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) 산출물과 비교하였을 때 강우 유무 분류에서 CSI 21.73%, 10.81%, 강우강도 정량적 평가에서 MAE 31.33%, 23.49% 높은 성능을 보였다. 강우량 산출물을 지도화 한 결과, 실제 강우강도 분포와 유사한 분포를 모의하여 기존 산출물 대비 높은 정확도의 강우량을 추정했다.

• 물과 미래
• /
• 제14권4호
• /
• pp.53-72
• /
• 1981

본 연구는 우리나라의 강수빈도 및 강우강도의 시간적. 공간적 분포분석에 관한 것으로 전국을 5개의 권역으로 나누어 분석을 실시하였다. 강수빈도 해석은 39개 지점을 대상지점으로, 강우강도 해석은 36개 지점을 대상지점으로 하여 강수빈도 분포도의 작성과 강수빈도 분포의 시간적, 공간적인 해석 고찰, 각 지점 및 권역별 확률 강우량과 강우 강도식 및 각 강우기간별 회귀직선식을 유도, 제시하였다. 본 연구의 결과는 다음과 같다. (1) 각 권역내의 최다발생빈도 강수량 계급은 여름철을 제외한 모든 기간이 공히 1) 1~5mm, 2) 0.1~1.0mm, 3) 5~10mm 순이었다. (2) 강수량 계급에 따른 최다발생빈도 권역은 연간 20mm 이하의 강수빈도는 II 권역, 30~40mm의 강수빈도는 IV권역, 70mm 이상의 강수빈도는 I권역이었다. (3) 우리나라 전역에 있어서 강수량의 생기확률은 지수함수의 식으로 대표할 수 있음을 알았다.($W(x)=e^{\alpha+\beta}$) (4) 전국의 5개 권역 중 I권역은 자시간 지속, III권역은 단전간 지속 집중 호우지역으로 판단되었다. (5) 강우형태는 10분~40분, 40분~4시간, 4시간~24시간으로 크게 나눌 수 있었으며, 이들 구간에 대해 지점별 확률 강우 강도식을 유도하였다. (6) 각 권역별로 25시간과 10분~18시간 지속시간과의 강우량 상관식을 유도, 도시하였다. (7) 36개 지점에 대한 확률 강우량을 제시하였다.