• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.149-153
• /
• 2006

Precipitation is the most important component and critical to the study of water and energy cycle. This study investigates the propagation of precipitation retrieval uncertainty in the simulation of hydrologic variables for varying spatial resolution on two different vegetation cover. We explore two remotely sensed rain retrievals (space-borne IR-only and radar rainfall) and three spatial grid resolutions. An offline Community Land Model (CLM) was forced with in situ meteorological data In turn, radar rainfall is replaced by the satellite rain estimates at coarser resolution $(0.25^{\circ},\;0.5^{\circ}\;and\;1^{\circ})$ to determine their probable impact on model predictions. Results show how uncertainty of precipitation measurement affects the spatial variability of model output in various modelling scales. The study provides some intuition on the uncertainty of hydrologic prediction via interaction between the land surface and near atmosphere fluxes in the modelling approach.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.276-276
• /
• 2021

최근 댐과 같은 수공구조물의 건설로 대규모 홍수피해는 급격히 줄어들었지만, 돌발홍수(flash flood)로 인한 저지대 침수 등의 도시홍수 발생빈도가 급증하고 있다. 2020년에는 최장의 장마가 관측되었으며, 전국적으로 홍수로 인한 침수피해가 발생하였다. 홍수에 선제적으로 대응하기 위해서 신뢰성 있는 홍수예·경보가 필요하며, 이를 위해서는 신속하고 정확성있는 강우예측이 선행되어야 한다. 이에 본 연구에서는 초단기 강우예측을 목적으로 둔 레이더 기반의 강우앙상블 예측모형을 개발하였다. 라그랑지안 지속성(Lagrangian persistence)을 기반으로 개발하였으며, 강우장의 이동 패턴은 이류특성을 활용해 추정하였다. 즉, 강우장의 예측정확도를 향상시키기 위해 공간적 규모별 캐스캐이드(cascade) 방법으로 분리해 이동 경로를 추정하였다. 예측시간에 따른 강우량은 각 캐스캐이드에 자기회귀모형을 적용하였다. 레이더 강우량은 2016-2020년 사이에 발생한 강우사상에 대한 환경부 홍수통제소에서 제공한 레이더 합성장을 이용하였다. 예측강우량에 대한 평가는 RMSE, Pearson's Correlation, FSS 등 통계치를 통해 수행하였다. 본 연구에서 소개된 강우예측 모형은 초단기 홍수예측에 정확도 높은 강우 정보를 제공할 수 있으며, 이에 따라 홍수피해를 저감하는데 도움이 될 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.41 no.9
• /
• pp.895-905
• /
• 2008

To analyze hydrologic processes in a watershed requires both various geographical data and hydrological time series data. Recently, not only geographical data such as DEM(Digital Elevation Model) and hydrologic thematic map but also hydrological time series from numerical weather prediction and rainfall radar have been provided as grid data, and there are studies on hydrologic analysis using these grid data. In this study, GRM(Grid based Rainfall-runoff Model) which is physically-based distributed rainfall-runoff model has been developed to simulate short term rainfall-runoff process effectively using these grid data. Kinematic wave equation is used to simulate overland flow and channel flow, and Green-Ampt model is used to simulate infiltration process. Governing equation is discretized by finite volume method. TDMA(TriDiagonal Matrix Algorithm) is applied to solve systems of linear equations, and Newton-Raphson iteration method is applied to solve non-linear term. Developed model was applied to simplified hypothetical watersheds to examine model reasonability with the results from $Vflo^{TM}$. It was applied to Wicheon watershed for verification, and the applicability to real site was examined, and simulation results showed good agreement with measured hydrographs.

• Journal of the Korean earth science society
• /
• v.22 no.3
• /
• pp.186-194
• /
• 2001

The operational meso-scale short range NWP system was developed for Cheju Regional Meteorological Office located at Cheju island, Korea. The Central Meteorological Service Center, KMA has reported the information on numerical weather prediction every 12 hours. But this information is not enough to determine the detail forecast for the regional meteorological office because the terrain of the Korean peninsula is very complex and the resolution of the numerical model provided by KMA headquarter is too coarse to resolve the local severe weather system such as heavy rainfall. LAPS and MM5 models were chosen for three-dimentional data assimilation and numerical weather prediction tools respectively. LAPS was designed to provide the initial data to all regional numerical prediction models including MM5. Synoptic observational data from GTS, satellite brightness temperature data from GMS-5 and the composite reflectivity data from 5 radar sites were used in the LAPS data assimilation for producing the initial data. MM5 was performed on PC-cluster based on 16 pentium CPUs which was one of the cheapest distributed parallel computer in these days. We named this system as Halla Short Range Prediction System (HSRPS). HSRPS was verified by heavy rainfall case in July 9, 1999, it showed that HSRPS well resolved local severe weather which was not simulated by 30 km MM5/KMA. Especially, the structure of rainfall amount was very close to the corresponding observation. HSRPS will be operating every 6 hours in the Cheju Regional Meteorological Office from April 2000.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.1
• /
• pp.155-161
• /
• 2018

Many short range weather radars with the low elevation search capability are needed for analysis and prediction of unusual weather changes or rainfall phenomena which occurs regionally. However, due to the characteristics of low elevation electromagnetic wave beam, it is highly probable that the received weather signals of these radars are contaminated by the ground and sea clutter. Since most of ground clutter appears around the very narrow low Doppler frequency region, it is somewhat easy to separate. However, the sea clutter removal is very difficult since it can occupy the broad Doppler frequency region according to weather conditions. Therefore, in this paper, the sea clutter removal capability is analyzed for a phased array weather radar which use vertical array elements for electronic elevation beam steering. Also, it is shown that the sea clutter removal can be achieved appropriately using the receiver beam forming technology in a phased array antenna.

• Journal of Korea Water Resources Association
• /
• v.39 no.10 s.171
• /
• pp.823-832
• /
• 2006

Precipitation is the most important component to the study of water and energy cycle in hydrology. In this study we investigate rainfall retrieval uncertainty from different sources of remotely sensed precipitation field and then probable error propagation in the simulation of hydrologic variables especially, runoff on different vegetation cover. Two remotely sensed rainfall retrievals (space-borne IR-only and ground radar rainfall) are explored and compared visually and statistically. Then, an offline Community Land Model (CLM) is forced with in situ meteorological data to simulate the amount of runoff and determine their impact on model predictions. A fundamental assumption made in this study is that CLM can adequately represent the physical land surface processes. Results show there are big differences between different sources of precipitation fields in terms of the magnitude and temporal variability. The study provides some intuitions on the uncertainty of hydrologic prediction via the interaction between the land surface and near atmosphere fluxes in the modelling approach. Eventually it will contribute to the understanding of water resources redistribution to the climate change in Korean Peninsula.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.185-185
• /
• 2021

기후변화로 인한 돌발 강우 등 이상 기후 현상이 증가함에 따라 정확한 강우예측의 중요성은 더 증가하는 추세이다. 전통적인 강우예측의 경우 기상수치모델 또는 외삽법을 이용한 레이더 기반 강우예측 기법을 이용하며, 최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 개발되고 있다. 기존 머신러닝을 이용한 강우예측 모델의 경우 주로 시계열 이미지 예측에 적합한 2차원 순환 신경망 기반 기법(Convolutional Long Short-Term Memory, ConvLSTM) 또는 합성곱 신경망 기반 기법(Convolutional Neural Network(CNN) Encoder-Decoder) 등을 이용한다. 본 연구에서는 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용해 미래 강우예측을 수행하도록 하였다. GAN 방법론은 이미지를 생성하는 생성자와 이를 실제 이미지와 구분하는 구별자가 경쟁하며 학습되어 현재 이미지 생성 분야에서 높은 성능을 보여주고 있다. 본 연구에서 개발한 GAN 기반 모델은 기상청에서 제공된 2016년~2019년까지의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시키고, 2020년 레이더 이미지 자료를 이용해 단기강우예측을 모의하였다. 또한, 기존 머신러닝 기법을 기반으로 한 모델들의 강우예측결과와 GAN 기반 모델의 강우예측결과를 비교분석한 결과, 본 연구를 통해 개발한 강우예측모델이 단기강우예측에 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.128-128
• /
• 2022

최근 호우의 빈도와 규모는 증가하는 추세이며 이에 따른 홍수 피해는 많은 피해를 야기하고 있다. 이러한 관점에서 홍수 피해에 대한 선제적 대응을 위한 요소로써 초단시간 강우예측 정보의 중요성은 매우 높다. 특히, 레이더 자료 기반의 강우예측은 수치예보모델과 비교하여 3시간 이내의 짧은 선행시간 이내의 높은 정확도를 갖고 있어 홍수예보에 다수 활용되고 있다. 최근에는 강우자료의 복잡한 관계와 특징을 고려하기 위해 딥러닝 기반의 강우예측 활용 사례가 증가하고 있으나 국내 적용 사례는 적어 관련 연구가 요구되는 실정이다. 본 연구에서는 레이더 강우를 활용한 딥러닝 기반의 강우예측 기법을 제안하고 이에 대한 적용성을 평가하고자 한다. 2차원 레이더 강우자료의 특징과 시계열 특성을 고려하기 위한 심층신경망 구조를 제안하였으며 기존 딥러닝 모형과의 비교를 통해 활용 가능성을 제시하고자 하였다. 적용 대상지역은 한강 유역으로 선정하였다. 정성적 평가를 위해 임계성공지수(CSI)를 활용하여 예측 강우에 대한 정확도를 평가하였으며 정량적 평가를 위해 예측 강우와 관측 강우의 상관관계를 분석하였다. 평가 결과, 제안하는 방법이 기존 모형과 비교하여 예측오차의 범위가 적고 강우의 위치 변화를 잘 반영하는 것으로 나타났다. 본 연구결과는 초단기간 강우예측 자료를 활용하는 홍수예보의 정확도 향상에 기여할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.61-61
• /
• 2022

최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 활발히 개발되고 있다. 기존 머신러닝을 이용한 강우예측모델 개발 관련 연구는 주로 한 지역에 대해 수행되며, 데이터 기반으로 훈련되는 머신러닝 기법의 특성상 개발된 모델이 훈련된 지역에 대해서만 좋은 성능을 보인다는 한계점이 존재한다. 이러한 한계점을 해결하기 위해 사전 훈련된 모델을 이용하여 새로운 데이터에 대해 모델을 훈련하는 전이학습 기법 (transfer learning)을 적용하여 여러 유역에 대한 강우예측모델을 개발하고자 하였다. 본 연구에서는 사전 훈련된 강우예측 모델로 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용한 미래 강우예측모델을 사용하였다. 해당 모델은 기상청에서 제공된 2014년~2017년 여름의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시켰으며, 2018년 레이더 이미지 자료를 이용한 단기강우예측 모의에서 좋은 성능을 보였다. 본 연구에서는 훈련된 모델을 이용해 새로운 댐 유역(안동댐, 충주댐)에 대한 강우예측모델을 개발하기 위해 여러 전이학습 기법을 적용하고, 그 결과를 비교하였다. 결과를 통해 새로운 데이터로 처음부터 훈련시킨 모델보다 전이학습 기법을 사용하였을 때 좋은 성능을 보이는 것을 확인하였으며, 이를 통해 여러 댐 유역에 대한 모델 개발 시 전이학습 기법이 효율적으로 적용될 수 있음을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.39-39
• /
• 2012

Data assimilation techniques have received growing attention due to their capability to improve prediction in various areas. Despite of their potentials, applicable software frameworks to probabilistic approaches and data assimilation are still limited because the most of hydrologic modelling software are based on a deterministic approach. In this study, we developed a hydrological modelling framework for sequential data assimilation, namely MPI-OHyMoS. MPI-OHyMoS allows user to develop his/her own element models and to easily build a total simulation system model for hydrological simulations. Unlike process-based modelling framework, this software framework benefits from its object-oriented feature to flexibly represent hydrological processes without any change of the main library. In this software framework, sequential data assimilation based on the particle filters is available for any hydrologic models considering various sources of uncertainty originated from input forcing, parameters and observations. The particle filters are a Bayesian learning process in which the propagation of all uncertainties is carried out by a suitable selection of randomly generated particles without any assumptions about the nature of the distributions. In MPI-OHyMoS, ensemble simulations are parallelized, which can take advantage of high performance computing (HPC) system. We applied this software framework for several catchments in Japan using a distributed hydrologic model. Uncertainty of model parameters and radar rainfall estimates is assessed simultaneously in sequential data assimilation.