• 한국농공학회논문집
• /
• 제63권3호
• /
• pp.87-95
• /
• 2021

The Doam Lake Watershed is one of Gangwon-do's non-point source management areas. This area has a lot of snowfall in winter, and it is expected that there will be a lot of soil erosion in early spring due to snow melting. In this study, snow melting was monitored in the Doam Lake watershed from February to 3, 2020. It was conducted to analyze the water quality changes by calculating the concentration of non-point source pollution caused by snowmelt, and to compare the concentration of water quality during snowmelt event with rainfall and non-rainfall event. As a result of water quality analysis, Event Mean Concentration (EMC) at the first monitoring was SS 33.9 mg/L, TP 0.13 mg/L, TN 4.33 mg/L, BOD 1.35 mg/L, TOC 1.84 mg/L. At the second monitoring, EMC were SS 81.3 mg/L, TP 0.15 mg/L, TN 3.12 mg/L, BOD 1.32 mg/L, TOC 3.46 mg/L. In parameter except SS, it showed good water quality. It is necessary to establish management measures through continuous monitoring.

• 대한토목학회논문집
• /
• 제28권2B호
• /
• pp.177-185
• /
• 2008

적설분포의 정확한 모니터링은 일 기상 예측, 융설 유출 모델링과 동시에 기후와 지구의 연구에 중요한 요소이다. 융설 모형의 중요 매개변수인 적설분포면적은 실제 우리나라에서 적설과 관련한 관측 자료의 부족으로 인해 매개변수 추정이 어렵다. 이러한 문제점 해결을 위해 원격탐사기법을 활용하여 적설분포면적을 추출하였다. 본 연구에서는 1997년부터 2006년까지의 겨울철 NOAA AVHRR 위성영상의 8 sets의 총 108개 영상을 이용하여 적설분포면적을 추출하였고, 기상청의 지상기상관측소의 최심적설심 자료를 이용하여 GIS 자료를 구축함으로써 적설심의 공간적 분포를 추출하였다. 이를 이용하여 국내 주요 7개 댐유역에 대한 융설모형의 주요 매개변수인 적설분포면적, 유역 평균, 최대 적설심과 적설분포면적감소곡선을 구축하였다. 시간의 경과에 따른 적설면적의 감소는 지수함수적 감소곡선으로 표현이 가능하였으며, 곡선의 결정계수($R^2$)는 0.46~0.88의 범위를 보였다. 최대적설면적에서 10일이 경과하면 적설면적은 70-100% 감소하는 것으로 나타났다.

• Structural Monitoring and Maintenance
• /
• 제10권2호
• /
• pp.175-190
• /
• 2023

This article aims to quantitatively predict the snowmelt in extreme cold regions, considering a combination of grayscale and neural models. The traditional non-equidistant GM(1,1) prediction model is optimized by adjusting the time-distance weight matrix, optimizing the background value of the differential equation and optimizing the initial value of the model, and using the BP neural network for the first. The adjusted ice forecast model has an accuracy of 0.984 and posterior variance and the average forecast error value is 1.46%. Compared with the GM(1,1) and BP network models, the accuracy of the prediction results has been significantly improved, and the quantitative prediction of the ice sheet is more accurate. The monitoring and maintenance of the structure by quantitative prediction model by gray models was clearly demonstrated in the model.