• 생태와환경
• /
• 제51권4호
• /
• pp.268-286
• /
• 2018

조절하천의 낙동강에서 겪고 있는 부영양화와 조류 대발생(유해남조의 녹조현상 및 담수적조)은 국내외적으로 가장 급속하게 확대되고 있는 수질문제이며, 다양한 집단에서 지대한 관심을 가지게 한 분야 중 하나이다. 본 연구는 2013년 1월부터 2017년 7월까지 낙동강의 8개 보 pools에서 주요 수질 환경요인을 주 간격으로 조사하였고, 우점조류와 상호 관련성을 비교 분석하였다. 연강수량은 2016년(보 평균 940.7 mm)에 많았고, 2015년(672.8 mm)에 적었다. 장마 폭염기 (6~9월) 강우는 총강수량의 48.1%이었고, 상 하류간에 차이가 컸다. 총방류량 중 소수력발전, 월류 및 어도가 차지하는 비율은 각각 37.4%, 60.1%, 2.5%로서 홍수기를 제외하고 발전방류에 의한 비중이 매우 컸다. 방류량은 대부분 유입량에 비례하였으나, 취수량이 집중되는 보에서 다른 양상도 관찰되었다. 이것은 수위강하, 물 교환율과 연관되었고, 유해남조와 담수적조의 대발생에 심각한 영향을 초래하였다. 수온과 DO 농도의 변화는 기상 수문학적 영향이 지배적이었는데, 온도변화 뿐만 아니라 강우의 특성에 따라 변화 양상이 포착되었다. Chl-a의 평균 농도 (최대값)는 SAJ~GAJ와 DAS~HAA구간에서 각각 $17.6mg\;m^{-3}$ ($98.2mg\;m^{-3}$), $29.6mg\;m^{-3}$ ($193.6mg\;m^{-3}$)이었고, 하수의 영향이 절대적인 하류부에서 증가하는 경향이 현저하였다. 우점조류의 분류군 조성은 총 48속으로 규조 14속, 남조 8속, 녹조 18속 및 편모조 8속으로 각각 구성되었다. 유해 녹조현상과 담수적조의 주요 원인조류는 각각 남조 Microcystis와 규조 Stephanodiscus 개체군이었다.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1125-1135
• /
• 2022

적설에 의한 피해는 자주 발생하지 않지만 발생하면 광범위한 지역에 피해를 준다. 적설에 의한 피해를 예방하기 위해서는 지역별로 피해를 유발하는 적설심을 미리 파악해 둘 필요가 있다. 하지만 관측하고 있는 적설심은 특정 관측지점으로 한정되어 피해를 유발하는 지역별 피해유발적설심을 파악하는데 어려움이 있다. 이를 극복하기 위한 일반적인 방법은 관측지점의 적설을 보간하여 공간적으로 확대하는 것이다. 하지만 이것은 매우 적은 자료를 가지고 고도 등 지형적인 특성이 다른 넓은 영역을 통계적으로 추론해야 하는 한계로 인해 지역에 대한 피해유발 피해유발적설심의 구명에 더 혼란을 주기도 한다. 이를 보완하기 위해서는 넓은 영역을 관측하는 위성영상을 활용할 수 있으며, 그 중에서도 합성개구레이더(Synthetic Aperture Radar; SAR)를 이용한 위상차분 간섭기법(DInSAR)을 활용할 수 있다. 위상간섭영상은 두 개의 다른 시기에 측정된 합성개구레이더 영상의 위상간섭을 이용한 것으로 일반적으로 미세한 지형의 변화를 추적할 때 사용되기도 한다. 본 연구에서는 유럽우주국(ESA)에서 운영하는 Sentinel-1B 위성의 dual polarimetric IW 모드 C-band SAR 데이터를 사용하여 DInSAR 분석을 수행하여 적설심의 공간분포를 추정하였다. 또한 정지궤도복합위성 천리안 2호(GK-2A)의 L2 적설심 추정 자료를 이용하여 비교하였다. 적용 결과, 적설예측의 정확도는 격자별로 계산할 경우, DInSAR 는 약 0.92%, GK-2A 는 약 0.71% 를 나타내 DInSAR의 적용성이 높게 나타났다. 즉, DInSAR 방법을 이용하여 계산된 적설심과 기상관측소에서 관측된 적설심을 공간보간하여 비교한 결과, 적설의 분석 결과 적설심을 과대추정하는 경우가 발생하기는 했으나, 적설심의 공간분포를 추정하는데 충분한 정보를 제공했으며, 이러한 방법으로 파악된 적설심의 공간분포는 실제 피해발생지역의 적설심을 보다 정확하게 추정하는데 기여할 수 있으며, 이것은 지역별 피해유발적설심을 파악하는데 도움이 될 것이다.

• 한국습지학회지
• /
• 제26권2호
• /
• pp.147-159
• /
• 2024

부족한 하천유출 관측 데이터는 모델 보정 작업을 어렵게 만들어 모델의 성능 향상을 제한한다. 위성 기반 원격탐사 자료는 수문 관련 데이터의 확보에 적극적으로 활용될 수 있으므로 새로운 대안이 될 수 있다. 최근에는 여러 연구를 통하여 기존의 개념적/물리적 모델보다는 인공지능을 이용한 해법이 더 적절하다는 평가를 받고 있다. 본 연구에서는 다양한 순환 신경망들과 의사결정나무 기반 알고리즘들을 결합한 자료 기반 접근 방식을 제안하였다. 또한 인공지능 학습을 위하여 인공위성 원격탐사 정보의 활용성을 조사하였다. 본 연구에서 위성영상은 MODIS와 SMAP의 자료가 사용된다. 공적으로 공개된 25개 유역의 자료를 사용하여 제안된 접근 방식을 검증하였다. 전통적인 지역화 접근법에서 착안하여 모든 유역의 자료를 통합하여 하나의 자료 기반 모델을 학습하는 전략을 채택하였으며, Leave-one-out cross-validation 지역화 설정을 이용하여 하나의 모델이 다양한 유역의 하천유출을 예측함으로써 제안된 접근 방식의 잠재력을 평가하였다. GRU + Light GBM 모델이 대상 유역에 적합한 모델 조합으로 판명되었으며(25개 미계측 유역 일 하천유량 예측 모형효율계수 평균 0.7187) 하천유출이 매우 작은 시기를 제외하면 우수한 미계측 유역의 하천유출 예측 성능을 보여주었다. 인공위성 원격탐사 정보의 영향력은 최대 10% 정도로 파악되었으며, 위성 정보의 추가 적용이 풍수기 또는 평수기보다는 저수기 또는 갈수기의 하천유출 예측에 더 큰 영향을 미쳤다.