• 한국농림기상학회지
• /
• 제4권4호
• /
• pp.248-253
• /
• 2002

본 논문은 우리나라 기원전 6년 11월부터 1928년 까지 1934년 간의 강설기록을 살펴 본 것으로서 다음과 같은 특징을 정리할 수 있었다. 첫눈 기록은 733년 7월에 신라땅과 1637년 전라도 무주에서 있었고 끝눈 기록은 6월 11일에 눈보라가 온 것으로 기록되어 한 여름에도 눈이 왔었다는 사실을 확인할 수 있다. 적설량은 척관법 단위를 써서 기록하였는데 최고 적설량은 약 열 자 혹은 한 장(장여 혹은 일장) 기록이 있었으며 자주 나타나는 큰눈 기록은 대개 4∼5자가 많이 발견된다. 단위를 치(촌)와 푼(분)까지 사용하여 기록한 바 정확성을 기하려 한 흔적도 보인다. 눈피해는 주로 인명과 가옥 등을 중심으로 기록하고 있다. 눈피해 중 인명피해로는 크게 3건이 발견된다. 1524년과 1521년에 함경도 경성 땅에서 각각 100여명과 140여명, 1670년에는 제주도에 큰눈이 내려 91명이 사망한 것으로 기록되어 있다. 첫눈이 오면 상서로운 것으로 여겨 나라에서는 신설하례(新雪賀禮) 의식을 갖고 나라의 안녕을 기원하였고, 눈이 오지 않으면 왕에게 간하여 기설제를 지내기도 하였다. 눈과 관련된 기상이변은 여러 번 발견된다. 눈 올 때 심한 천둥번개가 친다거나, 이상한 벌레들이 섞여 내린다거나 붉은 색깔의 눈이 내렸다는 기록이 있다. 검색한 결과는 단어별 건수에 있어서나 내용에 있어서나 미진한 것이다. 검색방법이나 검색에 사용해야 할 단어 중에는 좀 더 합당한 단어들이 있을 줄 안다. 차후의 연구를 위한 과제로 남기기를 희망한다.

• 한국산림과학회지
• /
• 제73권1호
• /
• pp.63-69
• /
• 1986

설해(雪害)는 일반적으로 돌발적(突發的)으로 발생(發生)하는 재해(災害)로서 지형(地形)이나 환경요인(環境要困)에 따라 많은 영향(影響)을 받게 된다. 본(本) 연구(硏究)는 경남(慶南) 진주지방(晋州地方)에 있어 강우(降雨)에 의(依)한 피해(被害)의 특징(特徵)을 분석(分析)하여 피해(被害)에 관한 기초적(基礎的)인 자료(資料)를 얻고자 수행(遂行)하였든 바 그 결과(結果)를 요약(要約)하연 다음과 같다. 1) 조사지역(調査地域) 2.94ha에서 총입목본수(總立木本數) 14.850 본(本) 중(中) 그 피해목(被害木)은 466 본(本)으로서 약(約) 3.14 %였다. 그 중 설절목(雪折木)은 소나무가 302 본(本), 해공(海松)이 84 본(本), 리기다소나무는 38 본(本), 산오리나무는 1 본(本)으로서 모두 425 본(本)이었고, 설도목(雪倒木)은 소나무가 32 본(本), 해송(海松)이 8 본(本), 리기다소나무가 1 본(本)으로서 모두 41 본(本)이었다. 수종별(樹種別) 피해율(被害率)은 소나무는 5.22%, 해송(海松)은 2.49%, 리기다소나무는 0.92%. 산오리나무는 0.2%였다. 2) 설해(雪害)를 가장 많이 받은 樹高(수고)의 범위는 3~11m 로서 약(約) 95%를 차지하였으며, 흉고직경(胸高直徑)은 3~20cm의 범위에 있는 수종(樹種)이 대부분(大部分)이었다. 3) 피해목(被害木)을 방위별(方位別)로 보면 피해당시(被害當時)의 풍향(風向)에 따라 많은 영향(影響)을 받았으나 사면방향(斜面方向)도 비교적(比較的) 높은 경향(傾向)을 보여주었다. 4) 임령별(林齡別)에 의(依)한 설해(雪害)는 그 폭(幅)이 비교적(比較的) 넓은 편이었으나 11~24년생(年生)의 유령목(幼齡木)이 약(約) 82%로 나타났다. 5) 설해(雪害)로 인한 피해목(被害木)의 절손고비(折損高比) (절손고(折損高)/수고(樹高))를 보면 근원부위(根源部位)는 약(約) 24%, 수간부위(樹幹部位)는 45%, 수관부위(樹冠部位)는 31%로서 비교적(比較的) 수간부위(樹幹部位)의 피해(被害)가 많이 나타나고 있었다. 6) 임목(林木)의 평균형상계수(平均形狀係數)는 1.06으로 나타났으며, 그 피해율(被害率)은 3.14%로서 높은 경향(傾向) 이었다. 따라서 설해(雪害)의 위험(危險)이 있는 임분(林分)은 설해(雪害)의 저항(低抗)을 증진(增進)시킬 수 있는 적절(適切)한 무육방법(撫育方法)과 눈사태 및 융설수(融雪水)에 의(依)한 산붕(山崩), 산사태(山沙汰), 등(等)과 같은 재해(災害)를 예방(豫防)하기 위한 방재대책(防災對策)이 강구(講究)되어야 할 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.145-145
• /
• 2022

Availability of abundant water resources data in developing countries is a great concern that has hindered the adoption of deep learning techniques (DL) for disaster prevention and mitigation. On the contrary, over the last two decades, a sizeable amount of DL publication in disaster management emanated from developed countries with efficient data management systems. To understand the current state of DL adoption for solving water-related disaster management in developing countries, an extensive bibliometric review coupled with a theory-based analysis of related research documents is conducted from 2003 - 2022 using Web of Science, Scopus, VOSviewer software and PRISMA model. Results show that four major disasters - pluvial / fluvial flooding, land subsidence, drought and snow avalanche are the most prevalent. Also, recurrent flash floods and landslides caused by irregular rainfall pattern, abundant freshwater and mountainous terrains made India the only developing country with an impressive DL adoption rate of 50% publication count, thereby setting the pace for other developing countries. Further analysis indicates that economically-disadvantaged countries will experience a delay in DL implementation based on their Human Development Index (HDI) because DL implementation is capital-intensive. COVID-19 among other factors is identified as a driver of DL. Although, the Long Short Term Model (LSTM) model is the most frequently used, but optimal model performance is not limited to a certain model. Each DL model performs based on defined modelling objectives. Furthermore, effect of input data size shows no clear relationship with model performance while final model deployment in solving disaster problems in real-life scenarios is lacking. Therefore, data augmentation and transfer learning are recommended to solve data management problems. Intensive research, training, innovation, deployment using cheap web-based servers, APIs and nature-based solutions are encouraged to enhance disaster preparedness.