• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.310-310
• /
• 2023

기상레이더는 강우의 공간분포를 관측하고 강우장 이동특성을 예측하여 집중호우, 태풍 등에 대비할 수 있는 시간을 확보하기 위하여 운용되고 있다. 기상레이더는 전파를 송신하고 대기 중의물체(수상체, 건물 등)에 부딪혀 되돌아오는 신호를 수신하여 강우의 양, 분포, 이동방향 등을 산정할 수 있으며 세부적으로 입체관측(volume scan)을 반복하여 고도각 별로 거리와 방위각에 따라 다양한 합성영상을 산출할 수 있는 특성이 있다. 본 연구는 구름의 수평적 분포를 파악하는데 용이하여 기존에 널리 사용된 CAPPI 합성영상과 최근 현업에서 복잡한 지형으로 인한 오차를 해소하고자 광범위하게 사용되고 있는 다중 고도각 기반 레이더 강수량(hybrid surface rainfall, HSR) 합성영상을 취득하여 수문해석을 위한 유역단위 면적강수량의 추정오차를 검토하였다. HSR 합성영상은 우리나라와 같이 산악지형이 많이 존재하는 경우 지형의 영향을 받지 않아 지면에 가장 가까운 고도각의 관측자료를 사용하므로 지상관측소 강수량과 비교한 결과에서 기존의 CAPPI 합성영상 레이더 강수량과 통계적 효율 기준을 산정하여 레이더 강수의 품질이 개선되는 것을 확인하였다. 최근 환경부에서 추진하고 있는 인공지능(AI) 홍수예보 및 가상모형(Digital Twin)을 활용하여 홍수정보를 생산 및 전달하는 과정에서 유역의 지형적 특성을 현실적으로 고려한 레이더 강수량을 사용함으로 기후변화에 따라 국지적으로 발생하는 집중호우 대응 및 과학적 홍수관리를 실현할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.684-688
• /
• 2008

레이더 강우와 관련한 대부분의 연구나 실무적용이 제한을 받는 이유는 레이더 반사도 등의 원시자료를 획득하기가 어려울 뿐만 아니라 이를 처리하여 수문해석에 적용하는 과정이 간단하지 않기 때문이다. 이를 해결하기 위하여 다음과 같은 내용을 연구하였다. (1) 레이더 영상자료를 실용적으로 활용하기 위한 '레이더 영상 디지털 변환법(RAIDOM)'을 연구 개발하였다. 또한 오프라인상에서도 기상청 레이더 합성 CAPPI 이미지 자료를 디지털 강우자료로 직접 변환할 수 있는 방법을 제시하였다. 이러한 기술은 앞으로 레이더 강우 연구와 레이더 강우의 활용성을 넓히는데 크게 기여할 것으로 기대된다. (2) RAIDOM 레이더 강우와 연계한 분포형 강우유출모형을 구축하였다. 본 연구에서는 DEM, 토지피복도, 토양도로부터 분포형 강우-유출모형의 매개변수를 산정하는 방법을 상세히 연구하여 제시하였다. 이러한 연구결과는 앞으로 분포형 강우유출모형에 대한 연구와 활용성을 넓히는데 기여할 것으로 기대된다. (3) 주요 관측 레이더 호우사상을 이용하여 RAIDOM 강우와 구축된 분포형 모형의 적용성을 검증하였다. 이를 위하여 먼저 강우유출자료가 체계적으로 관리되고 있는 평창강 국제수문개발계획(IHP) 시범유역의 자료를 이용하여 모형의 매개변수 보정을 수행하였다. 강우 전 하천의 기저유량과 유역의 초기함수조건을 제외한 나머지 매개변수는 유역특성을 나타내는 인자들이므로 모든 강우사상에 대하여 일정한 것으로 가정하여 매개변수 보정을 수행하였다. 6개 주요 호우사상에 대하여 보정한 결과 4개의 호우사상에 대하여 강우-유출과정을 거의 완벽하게 재현하였으며, 2개의 호우사상에 대해서는 수문곡선의 상승과 하강은 비교적 일치하나 첨두부에서 다소차이가 발생하였다. (4) 보정된 분포형 모형을 2006년 7월에 발생한 국지성 집중호우와 한강유역 중상류지역에 걸쳐 큰 홍수량을 발생시킨 2개의 호우사상에 대하여 레이더 강우자료를 적용하여 검토하였다. 검토결과 임진강유역 3개 수위관측소와 우이천수위관측소 및 중랑교수위관측소에서 모의된 홍수수문곡선은 실측치와 잘 일치하는 것으로 나타나 본 연구에서 제시한 RAIDOM과 이를 적용한 분포형 모형이 강우유출 모의를 위하여 활용될 수 있음을 보여주었다. 앞으로 태풍에 수반된 강우와 장마전선 등을 포함한 다양한 유형의 여러 가지 강우에 대한 적용을 통하여 모형의 검증과 보완을 수행하여 RAIDOM 레이더 강우와 분포형 강우유출모형을 연계한 홍수 예보 시스템으로 발전시켜 나갈 예정이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.306-306
• /
• 2011

대상유역의 합리적인 홍수량 산정을 위해서는 풍부한 홍수자료를 바탕으로 직접적인 빈도해석을 적용하는 것이 가장 적정한 방법으로 알려져 있다. 하지만 국내의 대부분 유역은 관측된 홍수 자료가 제한적이고, 미계측 유역이므로 빈도해석을 통한 홍수량의 산정은 현실적으로 불가능한 실정이다. 이에 국내에서는 홍수량 산정에 대한 대안으로 강우-유출관계의 선형성을 가정한 집중형 강우-유출모형을 적용하고 있다. 하지만 집중형 강우-유출모형은 경험적인 공식에 의해 결정되는 수문매개변수의 비합리성 및 유역분할, 유역 하도추적의 구축방식에 따라 상이한 홍수량이 산정되는 문제점이 지적되고 있다. 따라서 최근에는 경험적이고 개념적인 집중형 유출모형을 지양하고, 격자체계를 기반으로 하고 있는 분포형 강우-유출모형의 연구가 활발히 진행되고 있는 상황이다. 본 연구의 목적은 남강 유역에서의 분포형 강우-유출모형 적용성 검증에 있다. 따라서 남강 유역 내에 발생한 4개의 호우사상을 선정한 후 강우 레이더 영상인 CAPPI영상 및 C-Max영상을 이용하여 면적강우량을 산정하였다. C-Max 영상을 이용하여 산정된 면적강우량은 지점강우를 이용한 면적강우량과 비교해 130%이상 과대 산정되는 경향을 나타낸 반면, CAPPI 영상을 이용하여 산정된 면적강우량은 10%이하의 오차를 나타내었다. 따라서 본 연구에서는 CAPPI 영상을 분포형 유출 모형인 VfloTM에 입력하여 유출을 모의 하였다. 모의된 유출곡선과 관측된 유출곡선을 비교 검토한 결과 80%이상의 높은 상관성을 나타낸 반면 첨두유출량 오차는 30%이상의 오차를 나타내었다. 하지만 강우보정기법인 G/R보정 기법을 적용한 후에는 첨두유출량 오차가 10%미만으로 감소하는 것으로 나타났다. 따라서 남강 유역에 분포형 유출모형을 적용하기 위해서는 다양한 강우 사상에 대한 지속적인 연구가 수행되어야 할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.390-390
• /
• 2011

본 연구는 기초기술연구회의 위성정보 활용 지원 운영사업(과제명: 위성영상을 이용한 하천정보 생산 및 활용에 관한 연구)의 연구비 지원에 의해 수행되었습니다. 지난 2010년 6월 발사된 천리안 위성이 약 9개월간의 정지궤도 시험운행을 마치고 본격적으로 위성자료 서비스를 시작함에 따라 한반도 악기상 관측 및 예측 정확도 향상에 기여할 것으로 예상된다. 최근 기후분야 외에도 수자원, 방재, 농업, 해양 등 다양한 응용분야에서 기상위성을 활용하고자 하는 연구가 수행되고 있으며 자료제공 시간의 단축과 기상자료 산출물의 제공으로 천리안 위성은 향후 광범위하게 활용 될 것으로 예상된다. 본 연구는 천리안 위성의 수자원 분야 활용을 위한 기반연구로 천리안 위성과 동일한 채널 특성을 보유한 MTSAT-1R 기상위성을 이용하여 면적강우량을 추정하고 이를 지상관측소를 이용하는 강우보정기법에 적용하며 강우산정 결과를 레이더 및 티센, 크리깅 등과 비교하였다. 강우추정은 NOAA NESDIS의 Power-law 공식을 이용하였으며 지상관측소를 이용한 강우보정은 조건부 합성기법을 적용하였다. 연구대상 유역은 충주댐 유역과 충주댐 유역 상류에 위치한 영월수위표 지점 상류유역을 대상으로 하였으며 레이더 차폐에 따른 레이더 강우량의 감쇄 효과를 분석하고 지형적 특성에 영향 받지 않는 기상위성을 이용한 강우량 산정 기법의 활용성을 제시하였다. 연구결과 레이더 차폐에 영향 받지 않는 영월 수위표 상류유역의 경우 레이더를 이용한 강우량 산정결과와 기상위성을 이용한 결과가 큰 차이가 없으나 전체 유역면적의 절반 정도가 레이더 차폐 지역에 포함되는 충주댐 유역의 경우 레이더를 이용할 경우 20%~35% 가량 강우량이 과소 추정되는 것으로 나타났다. 본 연구를 토대로 산악지형에 의해 레이더 차폐가 발생되는 유역에 대해 기상위성의 활용을 기대할 수 있을 것으로 판단되었다.

• Journal of Korea Water Resources Association
• /
• v.41 no.11
• /
• pp.1153-1162
• /
• 2008

The use of radar rainfall for hydrological appraisal has been a challenge due to the limitations in raw data generation followed by the complex analysis needed to come up with precise data interpretation. In this study, RAIDOM (RAdar Image DigitalizatiOn Method) has been developed to convert synthetic radar CAPPI(Constant Altitude Plan Position Indicator) image data from Korea Meteorological Administration into digital format in order to come up with a more practical and useful radar image data. RAIDOM was used to examine a severe local rainstorm that occurred in July 2006 as well as two other separate events that caused heavy floods on both upper and mid parts of the HanRiver basin. A distributed model was developed based on the available radar rainfall data. The Flood Hydrograph simulation has been found consistent with actual values. The results show the potentials of RAIDOM and the distributed model as tools for flood prediction. Furthermore, these findings are expected to extend the usefulness of radar rainfall data in hydrological appraisal.

• Journal of Korea Water Resources Association
• /
• v.45 no.7
• /
• pp.729-741
• /
• 2012

Among the methods of precipitation data acquisition, a rain gauge station has a distinctive advantage of direct measurement of rainfall itself, but multiple stations should be installed in order to obtain areal precipitation data required for hydrological analysis. On the other hand, a rainfall radar may provide areal distribution of rainfall in real time though it is an indirect measurement of radar echoes on rain drops. Rainfall radars have been shown useful especially for forecasting short-term localized torrential storms that may cause catastrophic flash floods. CAPPI (Constant Altitude Plan Position Indicator), which is one of the several types of radar rainfall image data, has been provided on the Internet in real time by Korea Meteorological Administration (KMA). It is one of the most widely available rainfall data in Korea with fairly high level of confidence as it is produced with bias adjustment and quality control procedures by KMA. The objective of this study is to develop an improved way to extract quantitative rainfall data applicable to even very small watersheds from CAPPI using CIVCOM, which is a new image processing method based on a vector-based scheme proposed in this study rather than raster-based schemes proposed by other researchers. This study shows usefulness of CIVCOM through comparison of rainfall data produced by image processing methods including traditional raster-based schemes and a newly proposed vector-based one.

• Journal of Korea Water Resources Association
• /
• v.53 no.12
• /
• pp.1159-1172
• /
• 2020

This study applied deep convolution neural network based on U-Net and SegNet using long period weather radar data to very short-term rainfall prediction. And the results were compared and evaluated with the translation model. For training and validation of deep neural network, Mt. Gwanak and Mt. Gwangdeoksan radar data were collected from 2010 to 2016 and converted to a gray-scale image file in an HDF5 format with a 1km spatial resolution. The deep neural network model was trained to predict precipitation after 10 minutes by using the four consecutive radar image data, and the recursive method of repeating forecasts was applied to carry out lead time 60 minutes with the pretrained deep neural network model. To evaluate the performance of deep neural network prediction model, 24 rain cases in 2017 were forecast for rainfall up to 60 minutes in advance. As a result of evaluating the predicted performance by calculating the mean absolute error (MAE) and critical success index (CSI) at the threshold of 0.1, 1, and 5 mm/hr, the deep neural network model showed better performance in the case of rainfall threshold of 0.1, 1 mm/hr in terms of MAE, and showed better performance than the translation model for lead time 50 minutes in terms of CSI. In particular, although the deep neural network prediction model performed generally better than the translation model for weak rainfall of 5 mm/hr or less, the deep neural network prediction model had limitations in predicting distinct precipitation characteristics of high intensity as a result of the evaluation of threshold of 5 mm/hr. The longer lead time, the spatial smoothness increase with lead time thereby reducing the accuracy of rainfall prediction The translation model turned out to be superior in predicting the exceedance of higher intensity thresholds (> 5 mm/hr) because it preserves distinct precipitation characteristics, but the rainfall position tends to shift incorrectly. This study are expected to be helpful for the improvement of radar rainfall prediction model using deep neural networks in the future. In addition, the massive weather radar data established in this study will be provided through open repositories for future use in subsequent studies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.417-417
• /
• 2023

도시홍수는 도시의 주요 기능을 마비시킬 수 있는 수재해로서, 최근 집중호우로 인해 홍수 및 침수 위험도가 증가하고 있다. 집중호우는 한정된 지역에 단시간 동안 집중적으로 폭우가 발생하는 현상을 의미하며, 도시 지역에서 강우 추정 및 예보를 위해 레이더의 활용이 증대되고 있다. 레이더는 수상체 또는 구름으로부터 반사되는 신호를 분석해서 강우량을 측정하는 장비이다. 기상청의 기상레이더(S밴드)의 주요 목적은 남한에 발생하는 기상현상 탐지 및 악기상 대비이다. 관측반경이 넓기에 도시 지역에 적합하지 않는 반면, X밴드 이중편파레이더는 높은 시공간 해상도를 갖는 관측자료를 제공하기에 도시 지역에 대한 강우 추정 및 예보의 정확도가 상대적으로 높다. 따라서, 본 연구에서는 딥러닝 기반 초해상화(Super Resolution) 기술을 활용하여 저해상도(Low Resolution. LR) 영상인 S밴드 레이더 자료로부터 고해상도(High Resolution, HR) 영상을 생성하는 기술을 개발하였다. 초해상도 연구는 Nearest Neighbor, Bicubic과 같은 간단한 보간법(interpolation)에서 시작하여, 최근 딥러닝 기반의 초해상화 알고리즘은 가장 일반화된 합성곱 신경망(CNN)을 통해 연구가 이루어지고 있다. X밴드 레이더 반사도 자료를 고해상도(HR), S밴드 레이더 반사도 자료를 저해상도(LR) 입력자료로 사용하여 초해상화 모형을 구성하였다. 2018~2020년에 발생한 서울시 호우 사례를 중심으로 데이터를 구축하였다. 구축된 데이터로부터 훈련된 초해상도 심층신경망 모형으로부터 저해상도 이미지를 고해상도로 변환한 결과를 PSNR(Peak Signal-to-noise Ratio), SSIM(Structural SIMilarity)와 같은 평가지표로 결과를 평가하였다. 본 연구를 통해 기존 방법들에 비해 높은 공간적 해상도를 갖는 레이더 자료를 생산할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.444-444
• /
• 2023

하천 및 저수지와 같은 공간의 수체 탐지는 수자원 관리에서 매우 중요하며, 유역의 수문학적 과정을 이해하는데 도움을 준다. 수문학적 데이터 수집은 우량계, 수위계와 같은 물리적 인프라의 배치가 필요하다. 그러나 상대적으로 저개발된 국가는 수문학적 측정을 위한 인프라가 매우 미흡한 것이 현실이며, 북한과 같은 비접근 지역에 대한 수문학적 과정을 분석하는데는 한계가 있다. 인공위성 원격탐사 센서 중 SAR영상은 지표면에 직접 전파를 방사하고 산란되어 돌아오는 신호를 수신하여 영상을 만들기 때문에 일반적인 광학영상과는 달리 햇빛의 유무와 강우, 구름여부 등의 기상 조건의 영향을 거의 받지 않는 장점이 있다. 또한 국내와 같이 계절적인 요인과 인간활동에 의해 변화되는 물 순환을 SAR 영상은 지표수의 계절적 및 연간 변동성을 모니터링하는데 매우 유용한 자료로 평가되고 있다. 본 연구는 SAR영상을 이용하여 국내의 검증 가능한 지역의 저수지 수면적 변화를 모니터링하고 저수지 수면적과 저수량 분석을 수행하는 것을 목적으로 하였다. 분석자료인 SAR영상은 ESA의 Sentinel-1영상을 2022년 4월부터 2022년 11월의 자료를 수집하여 소양강댐 저수지 수면적과 저수량과의 관계식을 도출하였다. 수체 추출을 위한 SAR 영상은 특히 수로의 일부 가장자리와 홍수터의 식물 존재로 인한 제외지의 매핑에 부정확성을 포함하여 처리에 몇 가지 단점을 갖는 한계도 존재하지만 악천후의 기상 조건에서도 작동할 수 있는 SAR 영상의 능력 덕분에 규칙적인 시간 간격으로 수체면적의 변화에 대한 정보를 제공할 수 있다. 향후 북한 지역의 주요 댐 저수지 수면적에 대한 연간변화와 장기간의 추세를 분석하는 연구를 진행할 계획이다.

• Korean Journal of Remote Sensing
• /
• v.38 no.6_2
• /
• pp.1709-1722
• /
• 2022

The rise in temperature induced by global warming caused in El Nino and La Nina, and abnormally changed the temperature of seawater. Rainfall concentrates in some locations due to abnormal variations in seawater temperature, causing frequent abnormal floods. It is important to rapidly detect flooded regions to recover and prevent human and property damage caused by floods. This is possible with synthetic aperture radar. This study aims to generate a model that directly derives flood-damaged areas by using modified U-NET and TerraSAR-X images based on Multi Kernel to reduce the effect of speckle noise through various characteristic map extraction and using two images before and after flooding as input data. To that purpose, two synthetic aperture radar (SAR) images were preprocessed to generate the model's input data, which was then applied to the modified U-NET structure to train the flood detection deep learning model. Through this method, the flood area could be detected at a high level with an average F1 score value of 0.966. This result is expected to contribute to the rapid recovery of flood-stricken areas and the derivation of flood-prevention measures.