• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.317-317
• /
• 2021

효율적인 물관리를 위한 댐 유입량 대한 연구는 필수적이다. 본 연구에서는 다양한 머신러닝 알고리즘을 통해 40년동안의 기상 및 댐 유입량 데이터를 이용하여 소양강댐 유입량을 예측하였으며, 그 중 고유량과 저유량예측에 적합한 알고리즘을 각각 선정하여 머신러닝 알고리즘을 결합한 CombML을 개발하였다. 의사 결정 트리 (DT), 멀티 레이어 퍼셉트론 (MLP), 랜덤 포레스트(RF), 그래디언트 부스팅 (GB), RNN-LSTM 및 CNN-LSTM 알고리즘이 사용되었으며, 그 중 가장 정확도가 높은 모형과 고유량이 아닌 경우에서 특별히 예측 정확도가 높은 모형을 결합하여 결합 머신러닝 알고리즘 (CombML)을 개발 및 평가하였다. 사용된 알고리즘 중 MLP가 NSE 0.812, RMSE 77.218 m3/s, MAE 29.034 m3/s, R 0.924, R2 0.817로 댐 유입량 예측에서 최상의 결과를 보여주었으며, 댐 유입량이 100 m3/s 이하인 경우 앙상블 모델 (RF, GB) 이 댐 유입 예측에서 MLP보다 더 나은 성능을 보였다. 따라서, 유입량이 100 m3/s 이상 시의 평균 일일 강수량인 16 mm를 기준으로 강수가 16mm 이하인 경우 앙상블 방법 (RF 및 GB)을 사용하고 강수가 16 mm 이상인 경우 MLP를 사용하여 댐 유입을 예측하기 위해 두 가지 복합 머신러닝(CombML) 모델 (RF_MLP 및 GB_MLP)을 개발하였다. 그 결과 RF_MLP에서 NSE 0.857, RMSE 68.417 m3/s, MAE 18.063 m3/s, R 0.927, R2 0.859, GB_MLP의 경우 NSE 0.829, RMSE 73.918 m3/s, MAE 18.093 m3/s, R 0.912, R2 0.831로 CombML이 댐 유입을 가장 정확하게 예측하는 것으로 평가되었다. 본 연구를 통해 하천 유황을 고려한 여러 머신러닝 알고리즘의 결합을 통한 유입량 예측 결과, 알고리즘 결합 시 예측 모형의 정확도가 개선되는 것이 확인되었으며, 이는 추후 효율적인 물관리에 이용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.229-229
• /
• 2021

최근 이상기상으로 국지성 집중호우가 빈번하게 발생함에 따라 토사유출에 의해 피해가 증가하고 있다. 급경사 사면을 갖는 교란산지와 개발지의 경사면은 토양침식 위험에 노출되어 있다. 특히 지표유출수의 집중흐름에 의한 세류발달은 세류간침식에 비해 많은 토양침식과 토사유출을 발생시킨다. 이러한 급경사 사면에서의 세류발달에 대한 수리학적 메터니즘과 한계조건을 파악하고자 강우와 유입수 모의를 통한 토양침식 실험을 수행하였다. 강우와 유입수의 상호작용에 의한 세류발달의 특성과 토사유출량 증가를 파악하고자, 강우량의 증가와 유입수 유무에 따른 실험이 이루어졌다. 강우강도의 범위는 100~140mm/hr이고, 유입수는 170ml/s 이였다. 유입수량은 합리식으로 계산하였으며, 토양상자 상단에서 균등분사식으로 유입되었다. 세류발달의 수리학적 특성치를 취득하기 파악하기 위해, 염료주입 지표수 거동에 대한 동영상을 판독하였다. 세류발달은 유입수가 없는 경우 3분 이내 그리고 유입수가 있는 경우 30초 이내에 발생하였다. 토양상자내의 평균 유속범위는 7.83~29.27 cm/s 이였다. 실험에서 발달된 세류는 15분경과 후부터 평형상태를 유지하였다. 경사실험조건별로 세류 차수분석을 위해 각 세류의 최대길이, 폭, 넓이를 측정한 결과 세류의 차수는 강우만 있는 경우 1~2차로 발달하였으며, 유입수가 있을 때는 2~3차로 발달하였다. 지표유출이 증가하면서 세류발달의 개수는 줄었지만 규모는 더 크게 나타났다. 세류가 발달하는 시점의 한계유속은 10~20cm/s 범위인 것으로 파악되었다. 지표유출이 증가하면서 세류의 발달도 더 심화되지만, 동일한 강우에 일정시간동안 노출되면서 세류는 평형상태가 되어 더 이상 침식이 활발하게 진행되지는 않았다. 유입수가 있는 조건에서 수량은 약 2배가 증가하였지만, 토사유출량은 세류확장에 의해 약 4배가 증가하는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.333-333
• /
• 2021

최근 전 지구적인 기후변화 및 온난화의 영향으로 태풍 및 집중호우가 빈번하게 일어나고 있으며, 이로 인한 한천범람 등 홍수재해로 인명 및 재산 피해가 크게 증가하고 있다. 우리나라에서도 태풍 및 집중호우로 인한 호수피해는 매년 발생하고 있으며, 피해 빈도와 강도가 증가하고 있는 실정이다. 이러한 현실을 고려하였을 때에 하천 인근 주민의 생명과 재산을 보호하기 위하여 실시간으로 홍수위 예측을 수행하는 것은 매우 중요하다 할 수 있다. 국내에서 수위예측을 위하여 대표적으로 저류함수모형(Storage Function Model, SFM)을 채택하고 있지만, 유역면적이 작아 홍수 도달시간이 짧은 중소하천에서는 충분한 선행시간과 정확도를 확보하기 어려운 문제점이 있다. 이는 유역면적이 작은 중소하천에서는 유역 및 기상 특성과 관련된 여러 인자 사이의 비선형성이 대하천 유역에 비해 커지는 문제점이 있기 때문이다. 본 연구에서는 위와같은 문제를 해결할 수 있도록, 수문자료와 딥러닝 기법을 적용하여 실시간으로 홍수위를 예측할 수 있는 방법론을 제시하였다. 지난 태풍 및 집중호우로 인하여 급격한 수위상승이 있던 낙동강 지류하천에 대하여 LSTM(Long-Short Term Memory) 모형 기반 실시간 수위예측 모형을 개발하였으며, 선행시간 30~180분 별로 홍수위를 예측하고 관측 수위와 비교함으로써 모형의 적용성을 검증하였다. 선행시간 180분 기준으로 영강 유역 수위예측 결과와 실제 관측치의 평균제곱근 오차는 0.29m, 상관계수는 0.92로 나타났으며, 밀양강 유역의 경우 각각 0.30m, 0.94로 나타났다. 본 연구에서 제시된 딥러닝 기반모형에 10분 단위 실시간 수문자료가 입력된다면, 다음 관측자료가 입력되기 전 홍수예측 결과가 산출되므로 실질적인 홍수예경보체계에 유용하게 사용될 수 있을 것이라 보인다. 모형에 적용할 수 있는 더욱 다양한 수문자료와 매개변수 조정을 통하여 예측결과에 대한 신뢰성을 더욱 높일 수 있다면, 기존의 저류함수모형과 연계하여 홍수대응 능력을 향상시키는데 도움이 될 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.351-351
• /
• 2021

저수지에 대한 비상대처계획수립은 최근 기상이변 등에 따른 대규모 호우가 빈번히 발생하고 있을 뿐만 아니라 세계 도처에서 대규모 지진 등으로 많은 인명과 재산 피해가 속출함에 따라 지진 및 이상홍수에 대한 저수지의 안정성 평가를 수행하고 저수지 지점에서 발생할 수 있는 천재지변 또는 예상치 못한 대규모 재해에 효율적으로 대처하기 위한 비상상황의 등급 및 위험수준을 체계적으로 판단하고 비상상황 가상 시나리오별 체계적 행동요령 및 대처계획을 수립하여 저수지 붕괴에 따른 대규모 홍수피해 예상지역 주민들의 신속한 대응으로 생명과 재산피해를 최소화하는데 목적이 있다. 현행 한국농어촌공사 및 지자체에서 수립하고 있는 30만 톤 이상 저수지에 대한 1차원 모형 기반의 EAP수립은 침수구역을 산정할 때 수치지도에 의한 단일 침수심 분석으로 실제 침수구역과는 많은 오류가 나타난다. 이는 침수구역 부정확에 따른 피해복구액 산정이 과다로 책정될 수 있고, 마지막으로 가장 중요한 비상대처계획 수립에 막대한 영향을 미친다. 이에 본 연구는 댐 붕괴에 대응하기 위한 EAP 수립 시 기본이 되는 홍수범람해석을 수행하고 1차원 및 2차원 모형의 결과검토를 통해 보다 효과적인 비상대처계획의 수립을 위한 방안을 제시하고자 하였다. 이를 위해 경천저수지 유역을 대상으로 가능최대강수량 조건 하에서 가능최대홍수량을 산정하고 DAMBRK 모형을 이용하여 댐 붕괴 모의를 위한 시나리오 구성 및 모의를 수행하였다. 이후 댐 붕괴 모의결과를 이용하여 WMS(Watershed Modeling System) 모형을 이용한 1차원 홍수범람해석과 FLUMEN(FLUvial Modeling ENgine) 모형을 이용한 2차원 홍수범람해석에 적용 후 각 결과를 비교·검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.16-16
• /
• 2021

전자파표면유속계(Microwave Water Surface Current Meter)를 이용한 홍수기 유량측정은 교량과 같은 구조물을 이용하여 안전 및 측정위치의 흐름조건 등의 이유로 측정의 한계가 발생한다. 이런 문제점을 개선하기 위해 전자파표면유속계를 드론(Drone)과 결합하여 하천에서의 유량측정에 이용하였다. 전자파표면유속계는 비접촉식 유속측정 장비로 하천의 표면유속을 측정하고 유량산정을 위해 환산계수 0.85를 적용하여 평균유속을 산정하고 있다. 환산계수 0.85는 하천의 각 횡측선 수심-유속분포를 일반적인 분포로 가정하고 표면유속에 0.85를 곱하여 평균유속을 산정한다(Rantz, 1982). 그러나 하천의 측정위치 및 흐름특성에 따라 유속분포가 변화하기 때문에 국외 많은 연구에서 환산계수의 범위를 0.72에서 1.72까지 제시한 바 있다(Johnson and Cowen, 2017). 따라서 환산계수 0.85의 일률적인 적용은 부정확한 유량산정을 초래할 수 있어 측정위치에 적절한 환산계수 산정이 필요하다. 본 연구에서는 2020년 금강의 지류인 봉황천에 위치한 금산군(황풍교) 관측소에서 드론과 전자파표면유속계를 이용해 측정한 표면유속과 ADCP를 이용하여 동시 측정한 평균유속의 비교를 통해 환산계수를 산정하여 평균유속 산정의 정확도를 높이고자 하였다. 전자파표면유속계로 측정한 6개 성과 중 ADCP와 동시 측정한 4개의 성과를 분석하여 환산계수를 산정하였다. 측정성과별 측선수는 16~17개로 홍수터로 월류하여 비정상흐름이 발생한 측선은 제외하고 측선별 환산계수는 0.66에서 1.09의 범위로 나타났고, 성과별 환산계수의 평균치는 0.90에서 0.93 범위로 산정되었다. 환산계수가 일반적인 수치보다 높게 산정된 것은 측정위치 하류 약 600m에 위치한 콘크리트 고정보의 영향이 홍수 시 흐름의 수위-유속분포에 영향을 미쳐 높게 산정된 것으로 판단된다. 따라서 유량산정에 있어 환산계수는 4개 성과에서 산정된 환산계수의 평균치인 0.92를 적용하여 산정하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.28-28
• /
• 2021

자동유량측정시설은 효율적으로 실시간의 유량을 측정하기 위한 수문조사시설로 전국의 주요 국가하천을 대상으로 약 62개소에서 H-ADCP를 활용하여 지속적인 유량측정을 수행하고 있다. 최근 해외에서는 국내 자동유량측정시설에 활용중인 횡방향 초음파도플러유속계(H-ADCP)의 초음파산란도를 활용하여 부유사농도를 측정하는 연구가 수행되고 있다. H-ADCP를 활용한 부유사농도 측정 기술을 자동유량관측소에 적용할 경우 실시간의 유량측정과 함께 부유사농도 자료를 획득할 수 있기 때문에 지속적인 부유사농도를 측정할 수 있는 장점이 있다. 이에 본 연구에서는 H-ADCP를 이용한 부유사농도 측정 기술의 개발을 목적으로 기존 자동유량장치가 설치된 지점 중 과거 유사량 측정을 수행한 5개 지점에 대해 H-ADCP를 이용한 부유사농도 측정 기술의 적용성을 검토하였다. 5개의 지점은 각각 낙동강 수계 구미시(구미대교), 함안군(계내리) 2개 지점과 영산강 수계 광주광역시(극락교), 나주시(남평교), 나주시(나주대교) 3개 지점으로 과거에 수행된 실측 부유사농도 자료와 H-ADCP 원시자료를 활용하여 분석을 수행하였다. 5개 지점에 대해 H-ADCP로부터 측정된 초음파산란도의 보정을 수행하였고, 보정된 초음파산란도와 실측 부유사 농도와의 상관관계를 분석한 결과, 결정계수는 약 0.8이상으로 높은 상관관계를 보이는 것으로 나타났다. 그리고 초음파산란도를 활용하여 지속적인 부유사농도를 추정한 결과와 실측부유사농도와 의 정확도를 비교한 결과 80%이상의 정확도를 보여 H-ADCP의 초음파산란도를 활용하여 부유사 농도를 측정하는데 사용이 가능할 것으로 판단되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.331-331
• /
• 2021

수문학적 가뭄의 판단은 유출량과 저수지 수위 등을 비롯한 다양한 수문자료를 활용하여 가능하다. 가뭄판단을 위한 유량 자료로는 수위관측소 관측 유량, 유출모형을 통한 모의 유량 자료가 주로 활용된다. 최근에는 관측 유량 기반의 수문학적 가뭄 판단은 인위적인 용수 배분이 고려된 것이기 때문에 인간이 만든 수문학적 가뭄(Human-modified hydrological drought, 인위적 수문학적 가뭄)으로, 모의 유량 기반의 수문학적 가뭄 판단은 자연적인 수문과정이 반영된 자연유량을 활용한 것이기 때문에 기후영향 수문학적 가뭄(Climate-induced hydrological drought)이란 정의된다. 우리나라의 경우, 홍수기에 저류된 저수량을 비홍수기 동안, 특히 용수사용량이 많은 봄철 농번기에 활용하는 것이 수자원 관리의 기본방향이다. 따라서 우리가 직면하는 수문학적 가뭄은 대부분 댐 및 저류지에서의 용수 사용량 조절에 따라 영향을 받기 때문에, 기상인자가 직접적인 원인으로 작용되는 가뭄과는 다르다. 본 연구에서는 관측 유량과 자연유량 자료를 활용하여 위에서 정의된 두 종류의 수문학적 가뭄에 대하여 비교하고, 실제 발생되었던 가뭄 피해 정보와의 일치정도를 검토하였다. 가뭄의 판단은 각각의 가뭄지수를 표준유출량지수(Standardized Runoff Index, SRI)에 적용하며, 수정 Mann-Kendall 검증으로 두 지수들의 경향성을 비교하였다. 장기간의 관측 자료를 보유하고 있는 한강유역 일부지역에 적용한 결과 두 종류의 가뭄지수 모두 뚜렷한 경향성은 없으며, 댐 상류지역에서의 두 종류의 가뭄특성은 유사하게 나왔다. 하지만, 댐 하류지역에서는 인위적 수문학적 가뭄이 기후영향 수문학적 가뭄보다 발생빈도는 적으나, 지속기간은 약 한달 정도 짧고, 가뭄심도는 약 5~20 % 정도 증가하는 강도가 센가뭄이 발생되는 경향이 있음이 확인되었다. 이는 인위적인 용수 관리로, 약한 규모의 가뭄은 감소되고 있으나 큰 규모의 가뭄은 그 영향이 더 큰 것으로 예상할 수 있다. 해당 결과를 바탕으로 효율적인 용수 관리에 통하여 약한 가뭄 뿐만 아니라 대형 가뭄을 대비하기 위한 지속적인 노력이 필요함을 확인 할 수 있었다. 장기간의 관측 유량의 자료의 한계로 많은 지역에는 적용이 어려우나 해당 연구를 통하여 국내에서도 수문학적 가뭄의 개념을 재정립하고, 용수 공급 개념을 기반으로 하는 수문학적 가뭄 지수의 개발에 활용 가능할 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.78-78
• /
• 2021

영상유속분석법은 비접촉식으로 유속을 측정하는 방법으로 특히 홍수시 하천의 표면유속을 안전하게 계측할 수 있어서 경제적이고 안전한 하천유속 측정 방법 중 하나이다. STIV는 영상의 휘도 정보를 시간 방향으로 나열하여 작성된 STI(Space-Time Image)에 나타나는 패턴의 기울기를 이용하여 유속을 산정하는 방법이다. 특히 STIV(Space-Time Image Velocimetry)는 기존 입자군의 상호상관법에 기초한 입자영상유속계와 달리 표식자의 유무와 상관없이 유속을 측정할 수 있어 적용성과 안정성이 확보된다. 하지만 영상의 상태가 불량한 경우 정확한 유속 측정이 난해하며 야간에는 별도의 조명 추가 및 태풍과 같은 악기상에서는 빗방울이 카메라에 맺히거나 수면의 진동, 구조물의 진동에 의한 영상의 상태가 불량하게 되어 측정 정도가 떨어진다. 이처럼 영상을 이용한 유속 계측에 있어 다양한 연구 및 기술개발이 요구되는 시점이다. 따라서 본 연구에서는 영상을 이용한 정확한 유속측정을 위해 STIV와 인공지능을 융합하여 정확한 유속 평가를 목적으로 한다. 우선 기존 STI에 의한 기울기 추정방법을 확장하여 딥러닝(CNN)에 의한 기울기 추정방법을 도입하였다. CNN은 일반적으로 이미지의 특성을 추출하는데 유용한 방법으로서 STI의 2차원 Fourier변환 이미지를 사용하여 패턴의 기울기를 감지하도록 학습하였고 적용 결과 기울기에 대한 인식율은 매우 양호하였으며 이를 이용한 실제 관측 영상에 적용한 결과 유속에 대한 정밀도도 매우 양호하게 나타났다. 또한 딥러닝을 적용한 STIV는 노이즈(진동, 화면 불량 등)가 있는 영상에서도 안정적으로 유속을 산정할 수 있으며 전파유속계를 이용한 실제 하천의 표면유속 관측치와 비교 검토 결과 매우 양호하게 유속을 평가하고 있는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.360-360
• /
• 2021

최근 지구 온난화와 기후변화, 그에 따른 이상기후로 인하여 대규모 홍수피해가 발생함과 동시에 오랜 시간 동안 가뭄이 지속되어 재난관리가 더욱 중요하게 인식되고 있다. 영산강홍수통제소는 효율적인 재난관리를 위해 영산강권역의 5대강 및 해안지역의 수위·강수량·유량 등 수문조사시설을 설치·운영하여 홍수·갈수예보를 통해 재난관리를 수행하고 있다. 2020년 영산강홍수통제소 관할권역의 홍수기 강수량은 예년에 비해 약 150% 내외의 많은 강수가 내렸다. 영산강, 섬진강, 동진강 수계는 8월에 가장 많은 비가 내려 487.4 mm, 619.5 mm, 503.7 mm의 강수가 기록되었고, 8월의 예년 대비 강수량은 181%, 200%, 192% 수준이었다. 만경강과 탐진강은 7월 강수량이 535.1 mm, 365.5 mm로 가장 많았고, 7월 강수량의 예년비는 193%, 141%의 수준이었다. 특히 8.7~8.8일 섬진강 유역의 남원시(신덕리)와 영산강 유역 담양군(광주댐)에는 각각 542 mm, 654 mm의 기록적인 강수가 관측되었다. 이틀간의 집중호우로 영산강 및 섬진강 유역의 여러 지역에서 홍수피해가 발생했으며, 특히 남원시, 구례군, 하동군에서 홍수 피해 규모가 컸다. 영산강홍수통제소는 2020년 총 51회의 비상근무를 실시하여 홍수상황에 대응 하였으며, 15개 홍수특보지점 중 탐진강 유역 장흥군(예양교)를 제외한 14개 지점에 대해 홍수주의보 22회, 홍수경보 14회 등 36회의 홍수특보를 발령하였다. 홍수특보 지점의 대부분 지점에서 기왕 최고치에 근접하거나 이를 초과하였다. 홍수주의보 수위를 초과한 지점은 총 14개소이며, 이 중 계획홍수위 초과 6개소, 홍수경보 수위 초과 5개소, 홍수주의보 수위 초과 3개소이다. 또한 위기단계별 홍수정보 943건을 30개기관 595명에게 제공하여 관계기관의 방재활동을 지원하였으며, 관할수계 다목적댐 3개소, 발전댐 1개소, 용수댐 1개소, 농업용저수지 10개소, 다기능보 2개소, 홍수조절지 2개소에 181회의 방류승인을 통해 홍수조절을 실시하였다. 본 연구에서는 2020년 홍수기간 동안 영산강 및 섬진강의 홍수상황 및 홍수대응 현황을 분석하고, 향후 홍수상황에 대비코자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.161-161
• /
• 2021

본 연구에서는 금강 상류의 용담댐 유역(930.0 km²)을 대상으로 Sentinel-1 SAR(Synthetic Aperture Radar) 및 Sentinel-2 MultiSpectral Instrument(MSI) 위성영상을 활용한 토양수분 산출연구를 수행하였다. 연구에 사용된 자료는 10 m 해상도의 Sentinel-1 IW(Interferometric Wide swath) mode GRD(Ground Range Detected) product의 VV(Vertical transmit-Vertical receive) 및 VH(Vertical transmit-Horizontal receive) 편파자료와 Sentinel-2 Level-2A Bottom of Atmosphere(BOA) reflectance 자료를 2019년에 대해 각 6일 및 5일 간격으로 구축하였다. 위성영상의 Image processing은 SNAP(SentiNel Application Platform)을 활용하여 Sentinel-1 영상의 편파 별(VV, VH) 후방산란계수와 Sentinel-2의 적색(Band-4) 및 근적외(Band-8) 영상을 생성하였다. 토양수분 산출 모형은 다중선형회귀모형(Multiple Linear Regression Model)을 활용하였으며, 각 지점에 해당하는 토양 속성별로 모형을 생성하였다. 모형의 입력자료는 Sentinel-1 위성의 편파별 후방산란계수, Sentinel-1 위성에서 산출된 식생지수 RVI(Radar Vegetation Index)와 Sentinel-2 위성에서 산출된 NDVI(Normalized Difference Vegetation Index)를 활용하여 식생의 영향을 반영하고자 하였다. 모의 된 토양수분을 검증하기 위해 6개 지점의 TDR(Time Domain Reflectometry) 기반 실측 토양수분 자료를 수집하고, 상관계수(Correlation Coefficient, R), 평균제곱근오차(Root Mean Square Error, RMSE) 및 IOA(Index of Agreement)를 활용하여 전체 기간 및 계절별로 나누어 검증할 예정이다.