• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.31 no.3B
• /
• pp.211-220
• /
• 2011

In this study a conceptual soil water model is proposed to simulate water balance at catchment scale. The model is based on the sequential separation of daily precipitation into surface runoff, wetting, vaporization, and percolation. The proposed model is calibrated by using three observation sets: empirically estimated annual vaporization, monthly wetting estimated by NRCS-CN method, and both of them. The model performance is evaluated to understand which hydrologic components for calibrating the model are needed. It is shown that both of annual vaporization and monthly wetting are indispensable hydrologic components to simulate reasonably precipitation partitioning.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1027-1031
• /
• 2008

본 연구는 한반도 영역을 대상으로 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 RDAPS 모형, AWS, 상층기상관측(upper-air sounding)의 자료를 이용하였다. 또한 수치예보자료를 범주적 예측확률로 변환하고 인공신경망기법(ANN)을 이용하여 강수발생확률의 예측정확성을 향상시키는데 있다. 신경망의 예측인자로 사용된 대기변수는 500/ 750/ 1000hpa에서의 지위고도, 500-1000hpa에서의 층후(thickness), 500hpa에서의 X와 Y의 바람성분, 750hpa에서의 X와 Y의 바람성분, 표면풍속, 500/ 750hpa/ 표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도이며, 예측변수로는 강수발생확률로 선택하였다. 강우는 다양한 대기변수들의 비선형 조합으로 발생되기 때문에 예측인자와 예측변수 사이의 복잡한 비선형성을 고려하는데 유용한 인공신경망을 사용하였다. 신경망의 구조는 전방향 다층퍼셉트론으로 구성하였으며 역전파알고리즘을 학습방법으로 사용하였다. 강수예측성과의 질을 평가하기 위해서 $2{\times}2$ 분할표를 이용하여 Hit rate, Threat score, Probability of detection, Kuipers Skill Score를 사용하였으며, 신경망 학습후의 강수발생확률은 학습전의 강수발생확률에 비하여 한반도영역에서 평균적으로 Kuipers Skill Score가 0.2231에서 0.4293로 92.39% 상승하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.280-280
• /
• 2023

강수의 정확한 시·공간적 추정은 홍수 대응, 가뭄 관리, 수자원 계획 등 수문학적 모델링의 핵심 기술이다. 우주 기술의 발전으로 전지구 강수량 측정 프로젝트(Global Precipitation Measurement, GPM)가 시작됨에 따라 위성의 여러 센서를 이용하여 다양한 고해상도 강수량 자료가 생산되고 있으며, 기후변화로 인한 수재해의 빈도가 증가함에 따라 준실시간(Near-Real-Time) 위성 강수 자료의 활용성 및 중요성이 높아지고 있다. 하지만 준실시간 위성 강수 자료의 경우 빠른 지연시간(latency) 확보를 위해 관측 이후 최소한의 보정을 거쳐 제공되므로 상대적으로 강수 추정치의 불확실성이 높다. 이에 따라 본 연구에서는 앙상블 머신러닝 기반 수집된 위성 강수 자료들을 관측 자료와 병합하여 보정된 준실시간 강수량 자료를 생성하고자 한다. 모형의 입력에는 시단위 3가지 준실시간 위성 강수 자료(GSMaP_NRT, IMERG_Early, PERSIANN_CCS)와 방재기상관측 (AWS)의 온도, 습도, 강수량 지점 자료를 활용하였다. 지점 강수 자료의 경우 결측치를 고려하여 475개 관측소를 선정하였으며, 공간성을 고려한 랜덤 샘플링으로 375개소(약 80%)는 훈련 자료, 나머지 100개소(약 20%)는 검증 자료로 분리하였다. 모형의 정량적 평가 지표로는 KGE, MAE, RMSE이 사용되었으며, 정성적 평가 지표로 강수 분할표에 따라 POD, SR, BS 그리고 CSI를 사용하였다. 머신러닝 모형은 개별 원시 위성 강수 자료 및 IDW 기법보다 높은 정확도로 강수량을 추정하였으며 공간적으로 안정적인 결과를 나타내었다. 다만, 최대 강수량에서는 다소 과소추정되므로 이는 강수와 관련된 입력 변수의 개수 업데이트로 해결할 수 있을 것으로 판단된다. 따라서 불확실성이 높은 개별 준실시간 위성 자료들을 관측 자료와 병합하여 보정된 최적 강수 자료를 생성하는 머신러닝 기법은 돌발성 수재해에 실시간으로 대응 가능하며 홍수 예보에 신뢰도 높은 정량적인 강수량 추정치를 제공할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.92-92
• /
• 2023

본 연구에서는 대한민국 도시 유역에 대하여 딥러닝 네트워크 기반의 분산형 수문 모형을 개발하였다. 개발된 모형은 완전연결계층(Fully Connected Layer)으로 연결된 여러 개의 장단기 메모리(LSTM-Long Short-Term Memory) 은닉 유닛(Hidden Unit)으로 구성되었다. 개발된 모형을 사용하여 연구 지역인 중랑천 유역을 분석하기 위해 1km² 해상도의 239개 모델 격자 셀에서 10분 단위 레이더-지상 합성 강수량과 10분 단위 기온의 시계열을 입력으로 사용하여 10분 단위 하도 유량을 모의하였다. 모형은 보정과(2013~2016년)과 검증 기간(2017~2019년)에 대한 NSE 계수는각각 0.99와 0.67로 높은 정확도를 보였다. 본 연구는 모형을 추가적으로 심층 분석하여 다음과 같은 결론을 도출하였다: (1) 모형을 기반으로 생성된 유출-강수 비율 지도는 토지 피복 데이터에서 얻은 연구 지역의 불투수율 지도와 유사하며, 이는 모형이 수문학에 대한 선험적 정보에 의존하지 않고 입력 및 출력 데이터만으로 강우-유출 분할과정을 성공적으로 학습하였음을 의미한다. (2) 모형은 연속 수문 모형의 필수 전제 조건인 토양 수분 의존 유출 프로세스를 성공적으로 재현하였다; (3) 각 LSTM 은닉 유닛은 강수 자극에 대한 시간적 민감도가 다르며, 응답이 빠른 LSTM 은닉 유닛은 유역 출구 근처에서 더 큰 출력 가중치 계수를 가졌는데, 이는 모형이 강수 입력에 대한 직접 유출과 지하수가 주도하는 기저 흐름과 같이 응답 시간의 차이가 뚜렷한 수문순환의 구성 요소를 별도로 고려하는 메커니즘을 가지고 있음을 의미한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.2
• /
• pp.260-267
• /
• 2011

This paper proposes a method for segmenting objects from the background in IR(Infrared) images based on GrabCut algorithm. The GrabCut algorithm needs the window encompassing the interesting known object. This procedure is processed by user. However, to apply it for object recognition problems in image sequences. the location of window should be determined automatically. For this, we adopted the Otsu' algorithm for segmenting the interesting but unknown objects in an image coarsely. After applying the Otsu' algorithm, the window is located automatically by blob analysis. The GrabCut algorithm needs the probability distributions of both the candidate object region and the background region surrounding closely the object for estimating the Gaussian mixture models(GMMs) of the object and the background. The probability distribution of the background is computed from the background window, which has the same number of pixels within the candidate object region. Experiments for various IR images show that the proposed method is proper to segment out the interesting object in IR image sequences. To evaluate performance of proposed segmentation method, we compare other segmentation methods.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.261-266
• /
• 2006

전국의 수문학적인 가뭄평가를 위하여 SWSI 가뭄지수를 보완한 MSWSI 개발하였다. MSWSI의 적용을 위하여 가뭄에 영향을 미치는 수문인자가 동일한 지역 즉, 댐, 하천, 지하수, 강수 유역으로 전국을 32개 및 112개의 유역으로 분할하여 적용함으로서 준분포형으로 수문학적 가뭄을 평가하는 동시에 개발된 가뭄평가 기법의 유역분할 개수에 따른 적용성을 검토하였다. 각 유역에 MSWSI를 적용하여 공간적으로 준분포형의 수문학적 가뭄 정보를 획득하였으며, 시간적으로 1974년부터 2001년까지의 1개월 및 1주 간격으로 평가하여 가뭄평가 분석시간 단위에 따른 적용성을 검토하였다. 과거 가뭄사상년도(1994, 1995, 2001년)의 가뭄조사 기록에 대하여 본 연구 결과를 검증하였으며, 기상학적 가뭄지수인 PDSI와 개발된 수문학적인 가뭄평가지수의 결과에 대하여 비교, 분석하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.11a
• /
• pp.229-232
• /
• 2005

본 논문에서는 새로운 HAC(Histogram Area Calculation)방법과 영상의 객체분할 방법을 소개한다. 히스토그램을 이용한 영상은 색상 공간의 특징 때문에 조명에 매우 민감하여 빛의 강도에 따라 유사성이 저하되는 경우가 있다. 또한 공간적 정보를 가지고 있지 않아, 전혀 다른 모양의 영상일지라도 칼라 분포가 같은 영상으로 볼 수 있다. 이 논문에서 제안한 방법은 히스토그램 영역을 임의의 영역으로 나눠, 영역들의 유사성을 매칭(matching) 시킨다. 2차 검색방법으로 원 영상에서의 색상 질감 정보가 동일한 영역을 군집화 하여, 영상 분할된 객체들을 이용하여 검색하는 방법이다. 실험 결과, 제안한 방법이 전통적인 히스토그램 방법보다 검색 성능이 효율적인 결과를 얻었다.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.27 no.1
• /
• pp.30-36
• /
• 2023

In this study, an image segmentation model that can evaluate surface porosity based on concrete surface images was derived. Three types of concrete specimens with different water-cement ratios (w/c = 54, 35, and 30%) were prepared, and 2,729 surface images were obtained using an optical microscope. Benchmarking tests, parameter optimization, and final model derivation were performed using the surface images, and an image segmentation model with 97% verification accuracy was obtained. The model was verified by comparing the porosity obtained from the model and X-Ray Microscope (XRM). The model provided similar porosity to that of XRM for the specimens with a high water-cement ratio, but tended to give lower porosity for specimens with a low water-cement ratio.

• Journal of Korea Water Resources Association
• /
• v.54 no.12
• /
• pp.1205-1214
• /
• 2021

Precipitation is one of a major causes of landslides by rising of pore water pressure, which leads to fluctuations of soil strength and stress. For this reason, precipitation is the most frequently used to determine the landslide thresholds. However, using only precipitation has limitations in predicting and estimating slope stability quantitatively for reducing false alarm events. On the other hand, Soil Moisture (SM) has been used for calculating slope stability in many studies since it is directly related to pore water pressure than precipitation. Therefore, this study attempted to evaluate the appropriateness of applying soil moisture in determining the landslide threshold. First, the reactivity of soil saturation level to precipitation was identified through time-series analysis. The precipitation threshold was calculated using daily precipitation (P_daily) and the Antecedent Precipitation Index (API), and the hydrological threshold was calculated using daily precipitation and soil saturation level. Using a contingency table, these two thresholds were assessed qualitatively. In results, compared to P_daily only threshold, Goesan showed an improvement of 75% (P_daily + API) and 42% (P_daily + SM) and Changsu showed an improvement of 33% (P_daily + API) and 44% (P_daily + SM), respectively. Both API and SM effectively enhanced the Critical Success Index (CSI) and reduced the False Alarm Rate (FAR). In the future, studies such as calculating rainfall intensity required to cause/trigger landslides through soil saturation level or estimating rainfall resistance according to the soil saturation level are expected to contribute to improving landslide prediction accuracy.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.619-622
• /
• 2005

적용대상 유역은 낙동강수계로 하였으며 소유역 분할은 총 25개로 하였으며, 강우관측소의 선정과 Thiessen 계수의 산정은 최근에 한국수자원공사에서 새로 추가한 강우관측소를 위주로 대상 연도별로 달리하여 강우관측소를 선정하였다. 강우자료의 결측치는 RDS 방법을 사용하여 보완하였다. 대상연도별 소유역별로 일간 유역 평균 강우량을 산정하였다. 적용 모형의 선정은 한국수자원공사 실무부서에서의 적용사례가 빈번한 SSARR 모형을 최종적으로 선정하였다. SSARR 모형의 입력자료를 물리적 매개변수, 수문기상 매개변수 및 내부처리 매개변수로 구분하여 구축하였고 매개변수의 민감도분석과 함께 모형의 보정을 실시하였다. 민감도 분석 결과, 유역유출과 관련된 매개변수에서는 고수시와 저수시의 경우 지표수와 복류수의 분리하는 매개변수에서 민감도가 크게 나타났다. 저수시의 경우 지하수 중 회귀지하수가 차지하는 비율이 크게 나타났고, 지표수, 복류수, 지하수 및 회귀지하수의 저류시간에서 비교적 큰 민감도를 나타내었다. 1983년부터 2003년까지 21개년에 걸쳐 25개 소유역별로 일평균 자연유출량을 산정하여 이를 이용한 반순, 순, 월 및 연평균 자연유출량을 산정하였다.