• Journal of Korea Water Resources Association
• /
• v.48 no.10
• /
• pp.793-806
• /
• 2015

The simulation of natural streamflow at ungauged basins is one of the fundamental challenges in hydrology community. The key to runoff simulation in ungauged basins is generally involved with a reliable parameter estimation in a rainfall-runoff model. However, the parameter estimation of the rainfall-runoff model is a complex issue due to an insufficient hydrologic data. This study aims to regionalize the parameters of a continuous rainfall-runoff model in conjunction with a Bayesian statistical technique to consider uncertainty more precisely associated with the parameters. First, this study employed Bayesian Markov Chain Monte Carlo scheme for the estimation of the Sacramento rainfall-runoff model. The Sacramento model is calibrated against observed daily runoff data, and finally, the posterior density function of the parameters is derived. Second, we applied a multiple linear regression model to the set of the parameters with watershed characteristics, to obtain a functional relationship between pairs of variables. The proposed model was also validated with gauged watersheds in accordance with the efficiency criteria such as the Nash-Sutcliffe efficiency, index of agreement and the coefficient of correlation.

• Journal of Korea Water Resources Association
• /
• v.56 no.9
• /
• pp.563-574
• /
• 2023

Recently, climate change has affected functional responses of river basins to meteorological variables, emphasizing the importance of rainfall-runoff simulation research. Simultaneously, the growing interest in machine learning has led to its increased application in hydrological studies. However, it is not yet clear whether machine learning models are more advantageous than the conventional conceptual models. In this study, we compared the performance of the conventional GR6J model with the machine learning-based Random Forest model across 38 basins in Korea using both gauged and ungauged basin prediction methods. For gauged basin predictions, each model was calibrated or trained using observed daily runoff data, and their performance was evaluted over a separate validation period. Subsequently, ungauged basin simulations were evaluated using proximity-based parameter regionalization with Leave-One-Out Cross-Validation (LOOCV). In gauged basins, the Random Forest consistently outperformed the GR6J, exhibiting superiority across basins regardless of whether they had strong or weak rainfall-runoff correlations. This suggest that the inherent data-driven training structures of machine learning models, in contrast to the conceptual models, offer distinct advantages in data-rich scenarios. However, the advantages of the machine-learning algorithm were not replicated in ungauged basin predictions, resulting in a lower performance than that of the GR6J. In conclusion, this study suggests that while the Random Forest model showed enhanced performance in trained locations, the existing GR6J model may be a better choice for prediction in ungagued basins.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.176-176
• /
• 2018

This study presents a regional, probabilistic framework for estimating streamflow via spatial scaling in the Great Lakes basin, which is the largest lake system in the world. The framework follows a two-fold strategy including (1) a quadratic-programming based optimization model a priori to explore the model structure, and (2) a time-varying hierarchical Bayesian model based on insights found in the optimization model. The proposed model is developed to explore three innovations in hierarchical modeling for reconstructing historical streamflow at ungaged sites: (1) information of physical characteristics is utilized in spatial scaling, (2) a time-varying approach is introduced based on climate information, and (3) heteroscedasticity in residual errors is considered to improve streamflow predictive distributions. The proposed model is developed and calibrated in a hierarchical Bayesian framework to pool regional information across sites and enhance regionalization skill. The model is validated in a cross-validation framework along with four simpler nested formulations and the optimization model to confirm specific hypotheses embedded in the full model structure. The nested models assume a similar hierarchical Bayesian structure to our proposed model with their own set of simplifications and omissions. Results suggest that each of three innovations improve historical out-of-sample streamflow reconstructions although these improvements vary corrsponding to each innovation. Finally, we conclude with a discussion of possible model improvements considered by additional model structure and covariates.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.182-182
• /
• 2021

본 연구에서는 1일부터 최대 7일까지의 시간을 두고 남한 전체의 유출량에 대한 예측 모형을 제시하고자 한다. 이를 위하여 LSM (Land Surface Model) 모형을 사용하여 유출량을 모의하였고 이 과정에서 미 계측치에 대한 유출량을 예측하기 위하여 Xgboost (Extreme Gradient Boost)를 활용하여 매개변수를 지역화하였다. 이러한 지역화 기법을 통하여 남한 전체의 유출량에 대한 그리드화 된 유출값을 얻을 수 있었다. 또한 본 연구에서는 기상 예측자료를 유출량에 대한 예측으로 변환하기 위하여 Stacking 앙상블 기반의 수문학적 후처리 기법을 사용하였다. Stacking 앙상블 기법은 Base-learner와 Meta-learner의 조합으로 이루어 지는데 본 연구에서 새롭게 사용되는 패널티 기반의 분위회귀분석 방법론은 기존의 방법론과의 비교에 있어서 유용한 것으로 파악되었다. 결과적으로 본 연구에서는 총 7일의 앞선 시간의 예측에 있어서 한반도 전체의 유출량에서 비교적 짧은 시간에 대한 예측인 1일과 2일에서의 예측은 실질적으로 사용이 가능한 것으로 파악되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.285-285
• /
• 2011

우리나라의 하천 상류지역의 유역들은 신뢰할 수 있는 수문자료의 미비로 인하여, 관행적으로 모형의 변수를 산정하여 강우유출모형을 적용하고 있다. 그러나 상류지역의 빈번한 홍수 피해 및 수자원관리의 문제발생 등으로 인하여 이러한 상류지역의 중소유역의 신뢰할 수 있는 홍수량산정 방법이 요구되고 있다. 이는 영국의 국가 홍수량 산정 표준방법(Flood Estimation Handbook)과같이 강우유출모형의 지역화를 통하여 해결 할 수 있다. 지역화를 위한 강우유출모형의 선정을 위하여 9개의 개념적 강우유출모형을 충청북도 미호천 상류 7개의 소유역에 적용하여 모형의 성능을 평가하였다. 이는 유효우량 산정을 위한 3개의 개념적 토양저류함수 모형(Soil Moisture Accounting: Modified Penman Type Model(MP), Catchment Wetness Index Model(CWI), Probability Distribution Model(PDM))과 3개의 유역유출을 위한 3개의 개념적 유출모형(Routing: 2-Conceptual Reservoir Model(2PAR), 3-Conceptual Reservoir Model(3PAR), Marcropore Model(2PMP))의 조합으로 총 9개의 모형을 검토하였다. 이를 검정기간(2004.01.01-2007.12.31) 과 검증기간(2008.01.01-2009.12.31)의 장단기 유출성능을 Nash Sutcliffe Efficiency 로 평가한 결과, 시간 단위의 단기모의에서는 CWI-2PMP와 PDM-2PMP모형이, 일 단위의 장기모의에서는 CWI-3PAR와 PDM-2PMP가 우수한 성능을 보이고 있다. 향후 금강 상류유역의 기본 강우유출모형으로 PDM-2PMP모형을 선정한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1792-1796
• /
• 2006

장기간의 유출량 자료 모의를 위해서는 계량적(metric), 개념적(conceptual), 또는 물리적(physical) 모형 등의 강우-유출 모형을 이용하는 것이 일반적이다. 본 연구에서는 남한강상류 유역과 평창강 유역의 13개 수위관측소를 대상으로 하여 IHACRES 모형의 매개변수를 평가하였다. 또한 이들 매개변수를 유역면적, 유로연장, 하천경사, 유역경사 등 유역특성인자들과 회귀분석하여 그 연관성을 확인하여 보았다. 그 결과 IHACRES 모형의 매개변수는 유역의 특성을 잘 반영하고 있음을 확인할 수 있었으며, 이러한 관계를 이용하여 충주댐 유역 내 13개 수위관측소의 수위-유량관계곡선식을 재평가 할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.1032-1036
• /
• 2004

수자원계획수립시 가장 큰 문제점 중의 하나는 관심대상유역의 관측자료가 없는 경우이다. 이와 같은 미계측유역의 경우 통상 단순히 인근관측소 자료를 면적비로 전이시켜 사용하거나, 인근 계측유역에서 유출모형의 매개변수를 추정하여 매개변수를 전이시키는 방법을 사용하고 있다. 본 연구에서는 계측유역에서 추정한 장기유출모형의 매개변수를 미계측유역으로 전이시킬 때 유역별 토양수분보유능을 이용하여 보다 객관적으로 매개변수를 전이하는 방법을 제시하였다. 방법으로는 정교한 토양수분모의가 가능한 PRMS 모형을 이용하여 자료의 정도가 높은 5개 댐지점에서 매개변수를 검${\cdot}$보정한 다음, 소양강댐과 충주댐유역을 미계측유역으로 가정하여 계측유역의 토양수분보유능과 가장 유사한 유역에 매개변수를 전이하여 결과를 분석하였다.

• Publications of The Korean Astronomical Society
• /
• v.30 no.2
• /
• pp.695-697
• /
• 2015

The wind field and precipitable water vapor over the Tibetan Plateau are analyzed using the numerical model WRF. The spatial and vertical distributions of the relevant meteorological factors are summarized, providing evidence for selecting and further evaluating an astronomical site. This study serves as a further demonstration towards astro-climate regionalization, and provides us with an essential database for an astronomical site survey over the Tibetan Plateau.

• Magazine of the Korean Society of Agricultural Engineers
• /
• v.26 no.2
• /
• pp.106-124
• /
• 1984

Monthly streanflow of watersheds is one of the most important elements for the planning, design, and management of water resources development projects, e.g., determination of storage requirement of reservoirs and control of release-water in lowflow rivers. Modeling of longterm runoff is theoretically based on water-balance analysis for a certain time interval. The effect of the casual factors of rainfall, evaporation, and soil-moisture storage on streamflow might be explained by multiple regression analysis. Using the basic concepts of water-balance and regression analysis, it was possible to develop a generalized model called the Regionalized Regression Model for Monthly Streamflow in Korean Watersheds. Based on model verification, it is felt that the model can be reliably applied to any proposed station in Korean watersheds to estimate monthly streamflow for the planning, design, and management of water resources development projects, especially those involving irrigation. Modeling processes and properties are summarized as follows; 1. From a simplified equation of water-balance on a watershed a regression model for monthly streamflow using the variables of rainfall, pan evaporation, and previous-month streamflow was formulated. 2. The hydrologic response of a watershed was represented lumpedly, qualitatively, and deductively using the regression coefficients of the water-balance regression model. 3. Regionalization was carried out to classify 33 watersheds on the basis of similarity through cluster analysis and resulted in 4 regional groups. 4. Prediction equations for the regional coefficients were derived from the stepwise regression analysis of watershed characteristics. It was also possible to explain geographic influences on streamflow through those prediction equations. 5. A model requiring the simple input of the data for rainfall, pan evaporation, and geographic factors was developed to estimate monthly streamflow at ungaged stations. The results of evaluating the performance of the model generally satisfactory.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.46-46
• /
• 2017

지역가뭄빈도분석의 분위산정에 대한 신뢰성은 수문학적으로 균일한 지역으로 구분하기 위해 사용된 장기간의 과거 자료와 분석절차에 의해 결정된다. 그러나 극심한 가뭄은 매우 드물게 발생하며 신뢰 할 수 있는 지역빈도분석을 위한 지속기간이 충분치 않는 경우가 많이 발생한다. 이 외에도 우리나라의 복잡한 지형적 및 기후적 특징은 동질한 지역으로 구분하기 위한 통계적인 처리방법이 필요하였다. 본 연구에서 적용한 지역빈도분석은 여러 지역의 다양한 변수인 수문기상 특성을 분석하여 동질한 지역을 확인하고, 주요 가뭄변수(지속 시간 및 심각도)를 통합 적용하여 각각의 동질한 지역 분위를 추정함으로써 동질한 지역을 구분하는 해결책을 제시하였다. 본 연구에서는 가우시안 혼합 모형(Gaussian Mixture Model)을 기반으로 기반 군집분석 방법을 적용하여 최적의 동질한 지역을 구분하고 그 결과를 우도비검정 및 다른 유효성 검사 지수를 이용해서 확인하였다. 가우시안 혼합 모델에서 산정했던 매개변수를 방향저감 공간으로 표현하기 위해서 가우시안 혼합 모델방향 저감(GMMDR)방법을 적용하였다. 이 변수는 가뭄빈도분석을 위해 다양한 분포와 코풀라(copula) 적합도를 이용하여 추정 비교하였다. 그 결과 우리나라를 4개의 동질한 지역으로 나누게 되었다. 가우시안과 Frank copula를 이용한 Pearson type III(PE3) 분포는 우리나라의 가뭄 기간과 심각도의 공동 분포를 추정하는데 적합한 것으로 나타났다.