• 한국수자원학회논문집
• /
• 제55권4호
• /
• pp.267-278
• /
• 2022

최근 국내에서는 집중호우로 인해 홍수피해가 자주 발생하고 있으며 피해규모가 증가하고 있다. 특히 도시지역은 인구와 재산이 밀집되어 있어 홍수에 매우 취약한 지역이며, 매년 하수관거 설계빈도 이상의 강우 발생 등으로 인해 내수침수 피해가 발생하고 있다. 각 지자체에서는 홍수피해 저감을 위해 기상청에서 전국적으로 동일한 강우기준에 따라 발령하는 호우특보를 통해 홍수피해 대비 및 대응을 실시하고 있다. 하지만 서울특별시는 25개 자치구가 밀집되어 있지만 자치구별로 기후, 지형, 방재 등 지역특성 및 홍수피해 특성이 상이한 실정이다. 이에 따라 본 연구에서는 서울특별시 25개 자치구를 대상으로 지역특성을 고려한 엔트로피 가중치 및 유클리드 거리를 활용하여 자치구별 홍수취약도를 산정하고, 확률강우량 및 과거 홍수피해 강우량을 기반으로 강우기준을 산정하였다. 그 결과 자치구별 2단계 강우기준은 기상청의 호우주의보 기준, 4단계 강우기준은 호우특보 기준과 크게 차이가 나지 않는 것으로 분석되었다. 또한 기후노출이 높고 적응도가 낮은 서울 북부지역이 상대적으로 홍수취약도가 높아 강우기준이 낮게 산정되었다. 이에 따라 서울 북부지역은 상대적으로 낮은 강우기준에 따라 선제적으로 홍수대응이 가능할 것으로 판단된다. 향후 지역특성 및 피해특성을 고려하여 산정된 자치구별 강우기준을 활용하여 기상예측자료의 적용성을 검토하고, 선제적인 홍수대응방안 마련을 위한 연구를 수행할 예정이다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.117-120
• /
• 2006

Heavy rainfall events are occurred exceedingly various forms by a complex interaction between synoptic, dynamic and atmospheric stability. As the results, quantitative precipitation forecast is extraordinary difficult because it happens locally in a short time and has a strong spatial and temporal variations. GOES-9 imagery data provides continuous observations of the clouds in time and space at the right resolution. In this study, an power-law type algorithm(KAE: Korea auto estimator) for estimating rainfall based on the rainfall type was developed using geostationary meteorological satellite data. GOES-9 imagery and automatic weather station(AWS) measurements data were used for the classification of rainfall types and the development of estimation algorithm. Subjective and objective classification of rainfall types using GOES-9 imagery data and AWS measurements data showed that most of heavy rainfalls are occurred by the convective and mired type. Statistical analysis between AWS rainfall and GOES-IR data according to the rainfall types showed that estimation of rainfall amount using satellite data could be possible only for the convective and mixed type rainfall. The quality of KAE in estimating the rainfall amount and rainfall area is similar or slightly superior to the National Environmental Satellite Data and Information Service's auto-estimator(NESDIS AE), especially for the multi cell convective and mixed type heavy rainfalls. Also the high estimated level is denoted on the mature stage as well as decaying stages of rainfall system.

• 한국대기환경학회지
• /
• 제34권5호
• /
• pp.735-747
• /
• 2018

Rainfall depth is an important meteorological information. Generally, high spatial resolution rainfall data such as road-level rainfall data are more beneficial. However, it is expensive to set up sufficient Automatic Weather Systems to get the road-level rainfall data. In this paper, we propose to use deep learning to recognize rainfall depth from road surveillance videos. To achieve this goal, we collect a new video dataset and propose a procedure to calculate refined rainfall depth from the original meteorological data. We also propose to utilize the differential frame as well as the optical flow image for better recognition of rainfall depth. Under the Temporal Segment Networks framework, the experimental results show that the combination of the video frame and the differential frame is a superior solution for the rainfall depth recognition. The final model is able to achieve high performance in the single-location low sensitivity classification task and reasonable accuracy in the higher sensitivity classification task for both the single-location and the multi-location case.

• 대한원격탐사학회지
• /
• 제25권6호
• /
• pp.465-474
• /
• 2009

Convective/stratiform radar echo classification schemes by Steiner et al. (1995) and Biggerstaff and Listemaa (2000) are examined on a monsoonal front during the summer monsoon-Changma period, which is organized as a cloud cluster with mesoscale convective complex. Target radar is S-band with wavelength of 10cm, spatial resolution of 1km, elevation angle interval of 0.5-1.0 degree, and minimum elevation angle of 0.19 degree at Jindo over the Korean Peninsula. For verification of rainfall amount retrieved from the echo classification, ground-based rain gauge observations (Automatic Weather Stations) are examined, converting the radar echo grid data to the station values using the inverse distance weighted method. Improvement from the echo classification is evaluated based on the correlation coefficient and the scattered diagram. Additionally, an optimal use method was designed to produce combined rainfalls from the radar echo and Tropical Rainfall Measuring Mission Precipitation Radar (TRMM/PR) data. Optimal values for the radar rain and TRMM/PR rain are inversely weighted according to the error variance statistics for each single station. It is noted how the rainfall distribution during the summer monsoon frontal system is improved from the classification of convective/stratiform echo and the use of the optimal use technique.

• 대한지리학회지
• /
• 제44권5호
• /
• pp.605-623
• /
• 2009

본 연구의 목적은 파키스탄의 강수지역을 구분하는 것이다. 파키스탄 강수 특성의 이해를 증진시키기 위해 강수 지역을 구분하였다. 강수 형태는 순별 강수량 자료를 이용하여 인자분석과 군집분석 기법으로 분석하였다. 연구에 사용된 자료는 파키스탄 기상청에서 제공하는 32개 기상 관측소의 자료로 연구 기간은 1980년에서 2006년까지이다. 인자분석의 결과 추출된 3개의 인자는 전체 변동의 94.60%를 설명한다. 강수 지역은 강수 특성의 공간적 분포를 이해하기 위해 군집분석을 하였다. 군집분석은 Ward법을 이용하여 분석하였다. 연구 결과 강수 지역은 6개의 지역으로 구분되었다. 지역의 경계는 Baluchistan 고원, Indus 평야, Hindu Kush 산맥과 Himalaya 산맥 같은 지형을 기준으로 구분하였다.

• 한국관개배수논문집
• /
• 제7권2호
• /
• pp.66-74
• /
• 2000

The purpose of this study is to obtain land cover classification map by using remotely sensed data : Landsat TM and KOMPSAT-1 EOC, and to estimate SCS-CN direct runoff by using point rainfall(Thiessen network) and spatial rainfall(surface interpolation) f

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1996년도 추계학술대회 학술발표 논문집
• /
• pp.253-256
• /
• 1996

Rainfall is one of the major and complicated elements of hydrologic system. Accurate prediction of rainfall is very important to mitigate storm damage. The neural network is a good model to be applied for the classification problem, large combinatorial optimization and nonlinear mapping. In this dissertation, rainfall predictions by the neural network theory were presented. A multi-layer neural network was constructed. The network learned continuous-valued input and output data. The network was used to predict rainfall. The online, multivariate, short term rainfall prediction is possible by means of the developed model. A multidimensional rainfall generation model is applied to Seoul metropolitan area in order to generate the 10-minute rainfall. Application of neural network to the generated rainfall shows good prediction. Also application of neural network to 1-hour real data in Seoul metropolitan area shows slightly good predictions.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume II
• /
• pp.660-663
• /
• 2006

Rainfall estimation is important to weather forecast, flood control, hydrological plan. The empirical and statistical methods by measured data(surface rain gauge, rainfall radar, Satellite) is commonly used for rainfall estimation. In this study, the rainfall intensity for East Asia region was estimated using the empirical relationship between SSM/I data of DMSP satellite and brightness temperature of GEOS-9(10.7${\mu}m$) with cloud types(ISCCP and MSG classification). And the empirical formula for rainfall estimation was produced by PMM (Probability Matching Method).

• 대한지리학회지
• /
• 제44권1호
• /
• pp.1-16
• /
• 2009

본 연구에서는 기온과 강수특성을 함께 고려하여 남한의 기후지역을 구분하였다. 먼저 계절별 기온 및 강수량 분포를 살펴보았는데, 기온은 모든 계절에서 지형 및 위도에 의해 영향을 받았다. 강수량은 여름철에 집중되고 지역적으로는 강원 영동, 남해안, 제주에서 많았고 경북 중부지역에서 적은 분포를 보였다. 기온 및 강수량의 경험적 직교함수(Empirical Orthogonal Function)분석을 통해서 산출된 주성분점수를 입력변수로 하여 평균연결법과 Ward법을 이용한 군집분석을 수행하였다. Ward법은 지형, 위도, 해양의 효과와 기압계 이동 방향에 따른 특성을 잘 반영하였으며 행정구역에도 잘 맞게 구분되어 가장 좋은 군집결과를 보여주었다.

• 한국수자원학회논문집
• /
• 제36권6호
• /
• pp.999-1012
• /
• 2003

본 논문의 목적은 위성영상 피복분류항목에 대해 통계적 접근법으로부터 산정된 유출곡선지수(CN)를 이용하여 계산 유효우량과 관측 유효우량을 비교함으로써 그 적용성을 검토하는데 있다. 검정을 위한 적용대상지역은 경안천 수위지점 상류유역, 백옥포 수위지점 상류유역, 괴산댐 수위지점 상류유역으로 선정하였으며 각 지역별로 4개의 홍수사상을 선정하였다. CN 값 산정을 위해 2000년에 획득된 Landsat-7 ETM 영상을 이용하여 토지이용도를 구축하였으며 개략토양도로부터 수문학적 토양군을 구축하였다. 유역평균 CN 값은 대상지역별로 71, 63, 66으로 나타났으며 계산 유효우량과 관측 유효우량의 비교결과 약30% 이내의 일정수준의 오차를 가지는 것으로 나타났다. 따라서 위성영상을 이용하여 미계측 유역의 CN 값 산정시 본 논문 I에서 개발한 CN 값을 적용함으로서 기존의 방법에 비해 보다 객관적인 값을 제시해줄 것으로 판단된다.