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

• 한국수자원학회논문집
• /
• 제34권5호
• /
• pp.473-486
• /
• 2001

WGR 강우모형은 중규모 정도의 강우를 표현하기 위해 개발된 개념적인 모형으로 대기의 동역학적 특성과 강우의 통계학적 특성이 비교적 잘 반영된 모형이다(Waymire 등, 1984). 그러나 이 모형은 최대 18개의 매개변수르 가지며 모형의 구조가 강한 비선형성을 가지고 있어 매개변수 추정이 매우 어려운 문제로 남아 있다. 지금까지 각각 다른 지역의 강우에 대해 비선형 최적화 기법(non-linear programming; NLP)을 이용하여 매개변수를 추정한 예가 있으나 그 과정 자체가 매우 복잡하여 이 모형을 다른 목적으로 이용하는데 문제로 지적되고 있다. 본 연구에서는 유전자 알고리즘(genetic algorithm; GA)을 이용한 WGR 모형의 매개변수 추정법을 제시하였으며, 이를 한강유역에 적용하여 NLP에 의한 결과 (Yoo와 Kwon, 2000)와 비교하였다. 적용 결과 GA는 NLP에 비해 상대적으로 작은 SSE(sum of square error)를 나타내었고 계절의 변화에 보다 일관적인 반응을 보임을 알 수 있었다. 또한 추정된 매개변수 분석결과, 여름철의 높은 강우량은 강우 세포의 강도보다는 강우전선의 도달율과 밀접한 관계가 있는 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.188-188
• /
• 2017

Rainfall is an important input to hydrological models. The accuracy of hydrological studies for water resources and floods management depend primarily on the estimation of rainfall. Thailand is among the countries that have regularly affected by floods. Flood forecasting and warning are necessary to prevent or mitigate loss and damage. Merging near real time satellite-based precipitation estimation with relatively high spatial and temporal resolutions to ground gauged precipitation data could contribute to reducing uncertainty and increasing efficiency for flood forecasting application. This study tested the applicability of satellite-based rainfall for water resources management and flood forecasting. The objectives of the study are to assess uncertainty associated with satellite-based rainfall estimation, to perform bias correction for satellite-based rainfall products, and to evaluate the performance of the bias-corrected rainfall data for the prediction of flood events. This study was conducted using a case study of Thai catchments including the Chao Phraya, northeastern (Chi and Mun catchments), and the eastern catchments for the period of 2006-2015. Data used in the study included daily rainfall from ground gauges, telegauges, and near real time satellite-based rainfall products from TRMM, GSMaP and PERSIANN CCS. Uncertainty in satellite-based precipitation estimation was assessed using a set of indicators describing the capability to detect rainfall event and efficiency to capture rainfall pattern and amount. The results suggested that TRMM, GSMaP and PERSIANN CCS are potentially able to improve flood forecast especially after the process of bias correction. Recommendations for further study include extending the scope of the study from regional to national level, testing the model at finer spatial and temporal resolutions and assessing other bias correction methods.

• 전기학회논문지
• /
• 제64권1호
• /
• pp.128-135
• /
• 2015

In this study, we develop the very short-term precipitation forecasting model as well as classifier based on polynomial radial basis function neural networks by using AWS(Automatic Weather Station) and KLAPS(Korea Local Analysis and Prediction System) meteorological data. The polynomial-based radial basis function neural networks is designed to realize precipitation forecasting model as well as classifier. The structure of the proposed RBFNNs consists of three modules such as condition, conclusion, and inference phase. The input space of the condition phase is divided by using Fuzzy C-means(FCM) and the local area of the conclusion phase is represented as four types of polynomial functions. The coefficients of connection weights are estimated by weighted least square estimation(WLSE) for modeling as well as least square estimation(LSE) method for classifier. The final output of the inference phase is obtained through fuzzy inference method. The essential parameters of the proposed model and classifier such ad input variable, polynomial order type, the number of rules, and fuzzification coefficient are optimized by means of Particle Swarm Optimization(PSO) and Differential Evolution(DE). The performance of the proposed precipitation forecasting system is evaluated by using KLAPS meteorological data.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.329-329
• /
• 2022

Accurate characterization of terrestrial precipitation variation from high spatial resolution satellite sensors is beneficial for urban hydrology and microscale agriculture modeling, as well as natural disasters (e.g., urban flooding) early warning. However, the widely-used top-down approach for precipitation retrieval from microwave satellites is limited in several hydrological and agricultural applications due to their coarse spatial resolution. In this research, we aim to apply a novel bottom-up method, the parameterized SM2RAIN, where precipitation can be estimated from soil moisture signals based on an inversion of water balance model, to generate high spatial resolution terrestrial precipitation estimates at 0.01º grid (roughly 1-km) from the C-band SAR Sentinel-1. This product was then tested against a common reanalysis-based precipitation data and a domestic rain gauge network from the Korean Meteorological Administration (KMA) over central South Korea, since a clear difference between climatic types (coasts and mainlands) and land covers (croplands and mixed forests) was reported in this area. The results showed that seasonal precipitation variability strongly affected the SM2RAIN performances, and the product derived from separated parameters (rainy and non-rainy seasons) outperformed that estimated considering the entire year. In addition, the product retrieved over the mainland mixed forest region showed slightly superior performance compared to that over the coastal cropland region, suggesting that the 6-day time resolution of S1 data is suitable for capturing the stable precipitation pattern in mainland mixed forests rather than the highly variable precipitation pattern in coastal croplands. Future studies suggest comparing this product to the traditional top-down products, as well as evaluating their integration for enhancing high spatial resolution precipitation over entire South Korea.

• 대한토목학회논문집
• /
• 제34권4호
• /
• pp.1139-1150
• /
• 2014

본 연구에서는 M-PRISM 모형을 이용하여 $1km{\times}1km$ 공간해상도 일강수량 추정에 대한 적용성을 검토하였다. 또한 회귀모형을 이용하여 M-PRISM 모형 매개변수를 추정하였으며, 잭나이프 방법을 이용하여 모형을 검증하였다. 기상청 385개 강수 관측지점에 대하여 M-PRISM을 이용하여 일강수량을 추정하고 PRISM 모형과 비교하였다. 비교결과, 강수의 정량적 크기를 추정에서는 두 모형에서 뚜렷한 차이를 찾아볼 수 없었으나, 강수의 발생빈도 추정에 있어서는 M-PRISM 모형이 더 우수한 결과를 나타내었다. 따라서 본 연구에서 제안한 M-PRISM 모형은 고해상도의 일강수량을 추정함에 있어서 매우 유용하게 사용될 수 있을 것으로 판단된다.

• 한국지하수토양환경학회:학술대회논문집
• /
• 한국지하수토양환경학회 2004년도 임시총회 및 추계학술발표회
• /
• pp.147-150
• /
• 2004

수자원을 평가하기 위해서는 먼저 한 지점에서 측정된 강수량을 보간해야 할 필요가 있다. 이를 위하여 강수현상에 영향을 주는 지형변수를 TOVA(Topographic Variables Extraction Program)를 이용하여 고도(ELEV), 경사(SLOPE), 바다까지의 거리(SEA), 방해물(OBST), 방벽(BAR), 굴곡도(SHIELD)로 구분하고 2000.1.1부터 2002.12.31까지의 강수량 자료를 사상별로 추출하여 이들을 서로 비교 분석하였다. 결정계수로 보면 각기 강수사상마다 지형의 영향이 다르게 나타나며 ELEV와 남서방향의 SLOPE, OBST 그리고 전 방향의 SHIELD가 강수량과 관계가 깊은 것으로 나타났다. 다중회귀분석 모형은 강수량의 공간적 변동량의 96%를 설명한다.

• 한국농림기상학회지
• /
• 제19권1호
• /
• pp.27-35
• /
• 2017

이 연구는 우리나라를 대상으로 일 강우자료를 생성하는 방법을 모색하기 위하여 진행되었다. 우선 전국 23개 기상관서의 과거 30년간의 일 강우자료를 수집하여 기상생성방법으로 많이 이용되는 조건부 확률을 이용한 Markov 연쇄와 감마 분포 함수를 결합하는 방법을 적용하여 본 결과 관측자료와 유사한 일 강우자료를 생성하였고, 23개 지점별로 강우특성을 나타내는 4종의 모수를 계산할 수 있었다. 또한 새로운 방법을 이용하여 지점의 강우특성을 나타내는 모수는 월 강우량으로부터 추정할 수 있었고, 이를 적용하여 1981~2010년, 2011~2015년 두 기간을 대상으로 일 강우자료를 생성하여 기존의 관측자료와 비교한 결과 매우 유사한 분포를 나타내는 것을 알 수 있었다. 따라서 월 강우량 자료를 이용하여 강우특성모수를 산출하고 이로부터 일 강우자료를 생성하는 조건부 확률과 감마 분포 함수를 결합한 방법은 농업의 기후변화 영향과 수자원의 연구에 실용적으로 이용될 것으로 기대된다.

• 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.

• 한국지구과학회지
• /
• 제31권5호
• /
• pp.465-474
• /
• 2010

Real-time rainfall monitoring is of great practical importance over the highly populated Indochina area, which is prone to natural disasters, in particular in association with rainfall. With the goal of d etermining near real-time half-hourlyrain estimates from satellite, the three-layer, artificial neural networks (ANN) approach was used to train the brightness temperatures at 6.7, 11, and $12-{\mu}m$ channels of the Japanese geostationary satellite MTSAT against passive microwavebased rain rates from Tropical Rainfall Measuring Mission (TRMM) Microwave Imager (TMI) and TRMM Precipitation Radar (PR) data for the June-September 2005 period. The developed model was applied to the MTSAT data for the June-September 2006 period. The results demonstrate that the developed algorithm is comparable to the PERSIANN (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks) results and can be used for flood monitoring across the Indochina area on a half-hourly time scale.