This study was conducted to identify groundwater recharge and discharge amounts of a representative urban-rural composite area located in Yongin city, Kyounggi-do, Korea. Groundwater recharge would be affected by mainly two processes in the study area: rainfall and leakage from public water pipelines including water-supply and sewage system. Groundwater recharge rate was estimated to be 13.5% by applying annual groundwater level data from two National Groundwater Monitoring Stations to the master regression curve method. Subsequently, the recharge amounts were determined to be $13,253{\times}10^3m^3/yr$. Leakage amounts from water-supply and sewage system were estimated to be $3,218{\times}10^3$ and $5,696{\times}10^3m^3/yr$, respectively. On the whole, a total of the recharge amounts was $22,167{\times}10^3m^3/yr$, of which 60% covers rainfall recharge and 40% pipeline leakage. Groundwater discharge occurred through three processes in the composite area: baseflow, well pumping, and discharge from urban infrastructure including groundwater infiltration into sewage pipeline and artificial extraction of groundwater to protect underground facilities from submergence. Discharge amounts by baseflow flowing to the Kiheung agricultural reservoir and well pumping were estimated to be $382{\times}10^3$ and $1,323{\times}10^3m^3/yr$, respectively. Occurrence of groundwater infiltration into sewage pipeline was rarely identified. Groundwater extraction amounts from the Bundang subway line as an underground facility were identified as $714{\times}10^3m^3/yr$. Overall, a total of the discharge amounts was determined to be $2,419{\times}10^3m^3/yr$, which was contributed by 29% of artificial discharge. Even though groundwater budget of the composite area was identified to be a surplus, it should be managed for a sound groundwater environment by changing deteriorated pipelines and controlling artificial discharge amounts.
본 논문에서는 유역 내 침수피해를 예측할 수 있는 실현가능한 수단으로써 인공신경망의 활용에 대해 제안하고자 한다. 유역 내 다양한 환경인자에 의한 침수피해 예측모형의 구축을 위해 108개 중유역을 대상으로 1990년부터 2000년까지 강우량, 침수피해면적, 토지이용 등 총 27개의 매개변수를 선정하여 총 49개의 데이터 세트를 구성하였다. 연구결과, 침수피해는 강우량과 같은 기상정보 뿐 만 아니라 다양한 유역환경의 특성에 영향을 받는 것으로 나타났으며 인공신경망 모형에 의해 R=0.92 수준에서 예측값과 관측값이 잘 일치하는 것으로 나타났다. 따라서 인공신경망은 입력값들과 대응된 출력값들을 알고 있는 경우 과거와 현재의 시공간 정보를 활용하여 특정유역의 강우량에 따른 침수피해면적을 산정 할 수 있으며, 복잡하고 비선형적 역동성을 지니고 있는 유역 내 환경변화에 대한 예측모형으로 활용이 가능하다고 판단된다. 또한 인공신경망은 입력자료의 중요도를 평가하는데 이용될 수 있으며, 기존 모형에서 다루어지는 매개변수중요도를 정량화 시킬 수 있어 다른 모형의 매개변수 추정이나 보정에 도움을 줄 수 있을 것으로 판단된다.
축산 지역 하류에 위치한 농업용 저수지의 강우시 유입, 유출수 분석을 통해 축산지역의 강우 유출 특성과 저류지에 의한 축산계 비점 오염물질의 저류형 시설에 의한 유출 저감 효율을 분석하였다. 급경사지에 위치한 한우 축산 지역의 비점 오염물질 유출은 주로 초기세척현상에 의해 발생됨을 알 수 있었으며 강우시의 유입수 농도는 비강우시에 비해 SS농도가 가장 높게 발생하고 있으며 T-P도 4배 이상 증가하는 양상을 보인다. 반면 총질소는 평균 30% 증가하는 것으로 나타나는데 질소항목으로 보면 질산성 질소는 거의 변화가 없는 반면에 암모니아성 질소가 2배 이상 증가하고 있다. 저류형 비점 제거시설 효율 분석 결과 비강우시 총인 제거효율이 53%로 가장 높고 부유물질은 37% 제거되고 있다. 유기물질은 10% 내외, 총질소는 5% 이내로 제거되며 부영양화로 녹조가 번성하는 하절기에는 오히려 유출수의 질소농도가 더 높아지는 경우도 빈번히 발생하고 있다. 강우시의 유입수 농도는 비강우시에 비해 SS농도가 가장 높게 발생하고 있으며 T-P도 4배 이상 증가하는 양상을 보인다. 강우시 부유물질의 제거효율은 60%로 나타나고 있으며 총인은 22% 제거되어 비강우시에 비해 제거효율은 감소하고 있다. 환경부의 비점제거시설 기준보다 9배 이상의 용량을 지니고 있지만 비점 전용 시설로 활용되지 못하는 탓에 장마철에 거의 만수 상태로 담수하여 비점제거 효율에 있어서는 충분한 효과를 보이지 못하고 있는 것으로 나타나 저수지의 용량 뿐 아니라 수문관리 등 유지관리도 비점 제거효율에 영향을 미치는 중요 인자로 분석되었다.
한반도 영역을 대상으로 RDAPS모형의 수치예보자료, AWS의 관측강수, 상층기상관측(upper-air sounding)의 관측자료를 이용하여 권역별 강수발생확률을 예측할 수 있는 인공신경망 모형을 제시하였다. 사용된 자료의 기간은 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 하였다. 500/750/1000 hPa에서의 지위고도, 500-1000 hPa에서의 층후(thickness), 500 hPa에서의 X와 Y방향 바람성분, 750 hPa에서의 X와 Y방향 바람성분, 표면풍속, 500/750 hPa/표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도등을 신경망의 예측인자로 사용하였다. 신경망의 구조는 3층 MLP(Multi Layer Perceptron)로 구성하여 역전파알고리즘(Back-propagation)을 학습방법으로 사용하였다. 신경망예측결과 한반도전체에 대한 예측성과의 개선은 H가 6.8%상승하였고, 특히 TS와 POD는 각각 99.2%와 148.1% 상승함으로서 강수예측에 대한 신경망모형이 효과적인 도구가 될 수 있음을 확인하였다. KSS 역시 92.8% 개선됨으로서 RDAPS 예측에 비하여 뚜렷이 개선된 결과를 보여주고 있다.
본 연구에서는 티센망을 이용한 면적강우량 산정방법의 대안으로서 최근 들어 수자원공학 분야에의 활용성이 커지고 있는 고해상도 기상레이더의 반사도자료(dBZ)를 활용하여 면적강우량을 산정하였다. 또한 이렇게 산정된 레이더 면적강우량을 티센망으로써 산정된 면적강우량과 비교하여 그 유용성을 판단하였다. 연구지역으로는 소양강댐 유역을 선정하였으며, 연구기간은 2008년 가장 강한 강우를 보였던 상위 5개의 사상을 선정하였다. 본 연구에서는 레이더 반사도를 강우강도로 변환시키는 과정은 인공신경망(artificial neural network, ANN) 중에서 일반적으로 널리 사용되고 있는 다층 퍼셉트론 인공신경망 모형을 적용하였다. 연구방법으로는 선택된 4개의 인자를 입력노드에 넣어 인공신경망을 학습시킨 후 연구지역 내 10개 AWS 지상관측소의 강우량을 추정하여 정확도를 비교 분석하였다. 이를 바탕으로 최종적으로 레이더 면적강우량을 산정하여 기존의 티센망을 이용한 면적강우량과 그 값을 비교하였다. 그 결과 인공신경망을 이용한 레이더 강우량의 경우, 평균제곱오차(mean square error, MSE) 및 상관계수(correlation coefficient, CC)가 매우 양호한 값을 보였다. 또한 유역 내 레이더 면적강우량이 티센망을 이용한 면적강우량에 비하여 약 $7%^{\sim}19%$ 정도 차이가 발생함을 확인하였으며, 레이더 면적강우량이 티센망을 이용한 면적강우량에 비하여 더 정확한 면적강우량을 산정할 수 있다고 판단된다.
Stabilization treatment is one of processes for wastes and their components to reduce their toxicity and migration rates to surroundings. Inorganic binders such as calcium hydroxide, blast furnace slag and red mud were tested for their potential applicability to in-situ stabilization of heavy metal contaminated tailings in the abandoned metal mines. Columns(150mm dia. ${\times}$ 450mm length) filled with mixtures of inorganic binders and tailing from the Geumjang mine with various mixing ratios of binders to tailings, 5%, 7% and 9% were applied artificial rainfall tests for 28 days. Effluents from columns filled with calcium hydroxide and tailing showed high pH's of ~12.5 and a increasing trend of concentration in Pb and Zn with a significant decrease in permeability in terms of elapsed days. Those with burning slag and tailing showed pH's of ~8.5 and significantly low concentrations in heavy metals with a stable permeability. In case of red mud, effluents showed significantly low concentrations in heavy metals but a decreased permeability with pH's of ~10.5. Conclusively, this basic study suggests burning furnace slag be a potential stabilizer for effective treatment of heavy metal contaminated mine tailings.
The amount of surface chlorides of architectural structure in incoming salt environment depends on the characteristics of distribution of incoming salt in atmosphere. Therefore, many researches are being conducted on deducting the correlation between incoming salt amount attached to the surface of real structure and that of atmosphere after quantitative measurement. However, in real environment, these studies are somewhat far fetched. That is because incoming salt in atmosphere are changed by various climatic conditions and in the case of the structures surface, attached incoming salt may be carried away due to the rainfall. Therefore, this study aims to draw an improved proportional relation between the amount of sodium chloride in atmosphere and that attached to the surface of architectural structures by measuring the amount attached to each architectural material using artificial incoming salt generator that can control various climatic variables that can be caused in real environment.
유역의 수문 자료를 정확하게 분석하는 것은 수리 구조물을 효율적으로 운영하기 위한 중요한 요소이다. 인공신경망(Artificial Neural Networks, ANNs) 모형은 입 출력 자료의 비선형적인 관계를 해석할 수 있는 모형으로 강우-유출 해석 등 수문 분야에 다양하게 적용되어 왔다. 이후 기존의 인공신경망 모형을 연속적인(sequential) 자료의 분석에 더 적합하도록 개선한 회귀신경망(Recurrent Neural Networks, RNNs) 모형과 회귀신경망 모형의 '장기 의존성 문제'를 개선한 장단기메모리(Long Short-Term Memory Networks, 이하 LSTM)가 차례로 제안되었다. LSTM은 최근에 주목받는 딥 러닝(Deep learning) 기법의 하나로 수문 자료와 같은 시계열 자료의 분석에 뛰어난 성능을 보일 것으로 예상되며, 수문 분야에서 이에 대한 적용성 평가가 요구되고 있다. 본 연구에서는 인공신경망 모형과 LSTM 모형으로 유출량을 모의하여 두 모형의 성능을 비교하고 향후 LSTM 모형의 활용 가능성을 검토하고자 하였다. 나주 수위관측소의 수위 자료와 인접한 기상관측소의 강우량 자료로 모형의 입 출력 자료를 구성하여 강우 사상에 대한 시간별 유출량을 모의하였다. 연구 결과, 1시간 후의 유출량에 대해서는 두 모형 모두 뛰어난 모의 능력을 보였으나, 선행 시간이 길어질수록 LSTM의 정확성은 유지되는 반면 인공신경망 모형의 정확성은 점차 떨어지는 것으로 나타났다. 앞으로의 연구에서 유역 내 다양한 수리 구조물에 의한 유 출입량을 추가로 고려한다면 LSTM 모형의 활용성을 보다 더 확장할 수 있을 것이다.
우리나라에서 발생하는 기상 재해 현상은 주로 태풍, 집중호우, 장마 등 인명 및 경제적인 피해가 크며, 단기간에 국지적으로 나타난다. 현재 재해 감시 및 예보는 주로 종관기상관측체계를 이용하고 있다. 하지만, 우리나라의 복잡한 지형, 인구 밀집 지형, 관측 시기가 일정하지 않은 지형과 같은 조건에서 미계측 자료 및 지역이 다수 존재 때문에 강수의 공간 분포와 강도에 대한 정밀한 정보를 제공하지 못하는 실정이다. 최근 광범위한 관측영역과 공간 분해능의 개선, 자료추출 알고리즘의 개발로 전세계적으로 위성영상 기반 기상관측 자료의 활용성이 증대되고 있다. 본 연구에서는 한반도 지역의 지상 관측데이터와 전지구 격자형 위성 강우자료를 비교하여 한반도의 적용성을 분석하고자 한다. 다양한 위성영상 기반 기상자료인 Climate Hazards Groups InfraRed Precipitation with Station (CHIRPS), Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR), Global Precipitation Climatology Centre (GPCC), Precipitation Estimation From Remotely Sensed Information Using Artificial Neural Networks-Cloud Classification System (PERSIANN-CCS) 4개의 강우위성영상을 수집하여, 1991년부터 2020년까지 30년 데이터를 활용하였다. 강수량 변동성 비교를 위하여 기상청의 종관기상관측장비 (Automated Synoptic Observation System, ASOS), 자동기상관측시설 (Automatic Weather System, AWS) 데이터와 상관 분석을 수행하고, 강우위성영상의 국내 적합성을 판단하고자 한다.
밀 등숙기 강우의 영향을 분석하기 위해 백립계인 조경과 적립계인 황금알을 이용하여 출수기 이후 시기별 인공강우처리에 의한 품질을 분석하였다. 그 결과, 종자 단면은 출수기 이후 35일부터 분상질화되기 시작하였고, 출수기 이후 40일부터 ΔL값과 ΔE*ab 값이 증가하기 시작하였다. 출수기 이후 55일에 조경은 종자 단면 전체가 분상질화 되었지만, 황금알은 초자질 비율이 높게 유지되어 품질변이에 강할 것으로 예상되었다. 주사전자현미경을 이용한 종자 내 전분입자 촬영 결과, 조경은 출수기 이후 40일부터, 황금알은 50일부터 A-, B-granule이 분해되는 것을 관찰할 수 있었다. 종자 품질분석 결과, 단백질 함량은 처리시기별 경향성을 나타내지 않았으나, 회분은 출수기 이후 45일 처리부터 유의하게 증가하였고 침전가는 출수기 이후 35일부터 감소하였다. 따라서 밀 등숙 전반기에는 강우의 영향을 적게 받지만, 출수기 이후 40~45일부터는 강우에 의한 품질변이에 취약할 것으로 예상된다. 또한 적립계 밀 품종은 백립계에 비하여 수발아에 강한 것으로 알려져 있으며, 본 연구에서도 황금알이 조경에 비해 등숙 후반기 강우에도 품질이 높게 유지되는 것으로 나타났다. 따라서 밀 종피색와 품질변이 간 관계에 대한 추가적인 검토가 필요할 것으로 판단된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.